ROTEIRO PARA O VÍDEO

INTRODUÇÃO:

• Saudações e apresentação: “Bom dia! Sou ... e vamos apresentar nosso trabalho de
cálculo numérico e computacional sobre a propagação de doenças contagiosas.”

• Introduzindo por que esse tema é relevante e atual: “ Esse é um tema muito
importante, pois nos ajuda a entender como as doenças se espalham e como podemos
preveni-las ou controlá-las. “(Falar da recém pandemia para ganhar tempo neste
tópico)

• Apresentando o objetivo: “O entendimento do mecanismo desse fenômeno e a sua

modelagem matemática são essenciais para elaborar ações de prevenção e controle
de epidemias. Neste trabalho, analisaremos a teoria da disseminação de doenças
contagiosas, usando uma equação diferencial para estimar o número de indivíduos
infectados em uma população ao longo do tempo.”

OBJETIVO:

“O objetivo é estimar o número de indivíduos infectados em uma população ao longo

do tempo, usando um modelo matemático para a propagação de uma doença contagiosa.
Assumimos uma população constante com um certo número de indivíduos vulneráveis e um
número inicial de infectados. Consideramos que a taxa de variação do número de infectados é
proporcional ao produto dos indivíduos vulneráveis e infectados.”
MODELO MATEMÁTICO:

Analisando essa equação diferencial é possível perceber que ela descreve a evolução do
número de infectados ao longo do tempo, onde:

• y(t) é o número de infectados no tempo t;

• x(t) é o número de indivíduos vulneráveis no tempo t;
• k é uma constante.

Além disso, temos a relação x(t)+y(t) = m, onde m é a população total.

FORMULAÇÃO DO PROBLEMA:
Para resolver a equação diferencial (1), podemos reescrevê-la na forma da equação de
Bernoulli:

Dado:

• m = 100000;
• y(0) = 1000;
• k = 2×10^-6;

E considerando o tempo medido em dias, nosso objetivo é obter uma aproximação para y(t)
ao final de 30 dias.
MÉTODOS NUMÉRICOS

a) Método de Euler Aperfeiçoado

O Método de Euler Aperfeiçoado é um método numérico para resolver equações

diferenciais ordinárias de primeira ordem. Ele utiliza uma fórmula iterativa para aproximar a
solução da equação diferencial.

b) Método de Runge-Kutta de Quarta Ordem

O Método de Runge-Kutta de Quarta Ordem é um método numérico mais preciso para

resolver equações diferenciais ordinárias. Ele usa uma combinação ponderada de gradientes
em diferentes pontos para calcular a próxima iteração da solução.

c) Comparação de Resultados

Para comparar a resposta exata da equação diferencial com as soluções aproximadas

pelos métodos de Euler Aperfeiçoado e Runge-Kutta de Quarta Ordem, usaremos a métrica de
erro médio quadrático raiz (RMSE).

RESULTADOS E ANÁLISE

b) Lembrando que o método de Euler Aperfeiçoado é dado por:

onde

• k1 = f (tn, yn)
• k2 = f (tn + h, yn + hk1)
 Para atender ao item b) construímos o script 1 que apresenta a função que aplica o
método Euler Aperfeiçoado:

Como o problema proposto, consiste do Problema do Valor Inicial:

Definimos a equação diferencial em outra função nomeada func.m apresentada no

script 2:
 Como o tempo está representado em dias assim como requer a proposta, deduz que h =
1. Então, como h = 1, T max = 30 e y0 = 1000, para executar atender aos requisitos deste
item, basta digitar na janela de comandos a expressão:

y = E u l e r _ A p e r f ( 1 , 3 0 , 1 0 0 ) ; round ( y ( end )

O argumento ’end’ indica que última posição de y será tomada, e a função ’round’ irá
arredondar o resultado para o inteiro mais próximo para garantir que o número de infectados
seja uma quantidade inteira de indivíduos. Ao executar a linha de comando descrita, obtemos
o resultado ilustrado na imagem a seguir:

Então, pelo método de Euler Aperfeiçoado obtemos que ao fim de 30 dias haverão 28159
indivíduos infectados.

c) Mais uma vez, escreveremos inicialmente o método de interesse, que neste caso trata-se do
método de Runge-Kutta de ordem 4:

onde
 Para atender ao item c), construímos o script 3, que apresenta a função que aplica o
método de Runge-Kutta. Observe que primeiro calculados todos os ki’, i ∈ {1,2,3,4}, para depois
estimar o valor de yn+1.

Como temos interesse no mesmo problema, a função func.m continua a mesma que a
apresentada no script 2.

Novamente, como h = 1, T max = 30 e y0 = 1000, para executar atender aos requisitos

deste item, basta digitar na janela de comandos a expressão:

y = R K 4 _ c l a s s i c o ( 1 , 3 0 , 1 0 0 ) ; round ( y ( end ) )

O argumento ’end’ indica que última posição de y será tomada, e a função ’round’ irá
arredondar o resultado para o inteiro mais próximo para garantir que o número de infectados
seja uma quantidade inteira de indivíduos. Ao executar a linha de comando descrita, obtemos
o resultado ilustrado na imagem a seguir:

Então, pelo método de Runge-Kutta de quarta ordem, obtemos que ao fim de 30 dias
haverão 28765 indivíduos infectados.
 d) Para ser possível a comparação proposta, precisamos da solução analítica do
problema. Em decorrência disso, vamos obter tal solução conforme sequência de ações que
seguem.

Dada a equação diferencial na forma ˙y(t) = k(m−y)y, podemos escrever:

ou ainda:

que é uma equação de Bernoulli com n = 2. Fazemos então a mudança de variável

isto é,

Observe que com esta mudança de variável, eliminamos a possibilidade de y se anular.

Substituindo as igualdades obtidas pela mudança de variável na equação diferencial inicial,
obtemos:
 Agora, temos uma EDO linear com um fator integrante associado dado por:

Multiplicando a equação (1) por µ, obtemos:

ou, equivalentemente, escrevendo o primeiro membro da igualdade como uma

derivada de um produto:

Integrando ambos os membros da igualdade com relação a t:

Então,
Segue que,

Voltando para a variável y, obtemos:

o que implica na solução geral:

Agora, pela condição inicial, sabemos que y(t = 0) = 1000. Dessa forma,

Assim,

Logo,
 Portanto, a solução exata procurada pode ser escrita na forma:

Tal solução, encontra-se incluída no Octave na forma de função conforme script4.

Como o intuito de comparar os três resultados, contruímos uma rotina principal que
chamamos main.m para gerar e comparar os resultados numéricos e exato. Tal rotina se
encontra disposta no script 5.
 Note que os resultados numéricos estão armazenados nos vetores y1 e y2, enquanto a
solução exata está armazenada no vetor v. Para comprar os resultados numéricos com o exato,
consideramos a métrica RMSE descrita pela relação para y1, por exemplo:

Note que os resultados numéricos estão armazenados nos vetores y1 e y2, enquanto a
solução exata está armazenada no vetor v. Para comprar os resultados numéricos com o exato,
consideramos a métrica RMSE descrita pela relação para y1, por exemplo

Para realizar esta operação a linha a seguir foi incluída no script 5:

E1 = s q r t ( sum ( ( y1 − v ) . ^ 2 ) / n ) ;

Ao executar o rotina principal, obtemos como respostas procuradas a disposição na

Figura 3.
 Logo, os erros quadráticos médios obtidos, bem como as estimativas geradas estão
dispostas na tabela a seguir:

CONCLUSÃO

Este trabalho apresentou um modelo matemático para a propagação de uma doença contagiosa
em uma população fixa. A solução da equação diferencial foi aproximada por dois métodos
numéricos: Euler Melhorado e Runge-Kutta de Ordem Quatro. A métrica RMSE foi usada para
medir o erro dos métodos numéricos em relação à solução exata. Os resultados mostraram que
o método de Runge-Kutta foi mais preciso do que o método de Euler.