Documente Academic
Documente Profesional
Documente Cultură
2015
2
Lista de Figuras
1 Introduo 3
2 Sistemas quase lineares 5
2.1 Algumas denies . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3 Modelos Populacionais 24
3.1 Espcies em competio . . . . . . . . . . . . . . . . . . . . . . . . 24
peridico que atrai todas as solues (prximas), isto , de um ciclo limite estvel,
[1]
lacionais onde algum parmetro envolvido varia periodicamente, como por exem-
pode estar relacionada com a sazonalidade de alguns fatores, como por exemplo
soluo peridica.
balho bem como um teorema que nos fornece uma condio suciente para um sis-
tema ser quase linear. Apresentamos um teorema que caracteriza, por meio de um
3
4
5
Algumas denies 6
de x(t, t0 , x0 ).
x01 = f1 (x1 , . . . , xn )
x0 = f2 (x1 , . . . , xn )
2
.. (2.3)
.
0
xn = fn (x1 , . . . , xn )
Denio 2.7. Um ponto crtico x do sistema (2.3) dito estvel se, dado qual-
quer > 0, existe >0 tal que toda soluo x = (t) do sistema, que satisfaz, em
t = 0,
||(0) x|| < , (2.4)
Algumas denies 7
ento
x0 = Ax, (2.11)
(A rI) = 0. (2.12)
multiplicativa.
podem ser vistas como uma representao paramtrica de uma curva no plano
Para uma anlise completa das solues e plano de fase do sistema (2.11)
consulte Apndice A.
x0 = f (x). (2.14)
Algumas denies 9
em uma vizinhana do ponto crtico x. Para isso vamos analisar quando possvel
dade, vamos convenientemente escolher o ponto crtico como sendo a origem, pois
x0 = Ax + g(x) (2.15)
dentro do qual no existe qualquer outro ponto crtico. Admitamos que det(A) 6= 0
0
e assim x = 0 o nico ponto crtico isolado do sistema linear x = Ax.
Para que o sistema no linear (2.15) seja prximo ao sistema linear (2.11)
||g(x)||
0 quando x0 (2.16)
||x||
Exemplo 2.1. Vamos mostrar que o sistema abaixo quase linear na vizinhana
(
dx1 /dt = x1 + x22
(2.17)
dx2 /dt = x1 + x2
Algumas denies 10
!0 ! ! !
x1 1 0 x1 x22
= +
x2 1 1 x2 0
x1 + x2 = 0 x1 = x2 (2.18)
x1 + x22 = 0 (2.19)
x22 x2 = 0 x2 (x2 1) = 0 x2 = 0 ou x2 = 1.
contnuas e p
||g(x)|| (0)2 + (x22 )2 x22
= p = p .
||x|| (x1 )2 + (x2 )2 x21 + x22
Fazendo uma mudana para coordenadas polares,
(
x1 = r cos
(2.20)
x2 = r sen
obtemos
||g(x)|| r2 sen2 ()
=
||x|| r
lim r sen2 = 0.
r0
Nem sempre calcular o limite (2.16) uma tarefa fcil e por isso o teorema
a seguir nos d uma condio suciente para que um sistema bidimensional seja
resultando em
Teorema 2.1. [1]O sistema (2.21) ser quase linear em uma vizinhana de um
du Df
= (x0 , y0 )u + (x), (2.23)
dt dx
condio (2.16).
Algumas denies 12
que o sistema linear que aproxima o sistema no linear (2.21) em uma vizinhana
do ponto crtico (x0 , y0 ) dado pela parte linear das equaes (2.22) ou da (2.23).
! ! !
d u1 Fx (x0 , y0 ) Fy (x0 , y0 ) u1
= , (2.24)
dt u2 Gx (x0 , y0 ) Gy (x0 , y0 ) u2
Teorema 2.3. Linearizao: [6] Seja x=0 um ponto crtico dos sistemas quase
C 1. Ento:
(1) Se todos os autovalores da matriz jacobiana Df (x) tem partes reais negativas,
mente estvel;
(2) Se pelo menos um dos autovalores da matriz Jacobiana Df (x) tem parte real
instvel.
na forma
mente estvel.
como uma funo de t ento, usando a frmula da variao das constantes (ver
Z t
At 0
y(t) = e y (t) + eA(ts) g(y(s))ds. (2.31)
0
funo de t.
Algumas denies 14
Z t
t
||y(t)|| ke 0
||y (t)|| + k e(ts) m||y(s)||ds. (2.32)
0
Z t
t 0
e ||y(t)|| k||y (t)|| + km es ||y(s)||ds. (2.33)
0
mos:
Para concluir a demonstrao, seja >0 tal que k < . Assim, ||y(t)|| <
sempre que km > 0, o que prova a estabilidade de y(t). Ainda pela
equao (2.35), conclumos que ||y(t)|| 0 quando t +. Logo, o ponto
de equilbrio y = (0, 0) assintoticamente estvel.
sistema (
dx/dt = y
(2.36)
dy/dt = 2 sen x
Mostremos que o sistema no linear acima quase linear, obtendo o sistema
(
y = 0
2
sen x = 0
a segunda ordem.
! !
0 1 u1
u0 = 2
, n = 0, 1, 2, . . . (2.37)
cos(n) 0 u2
d2 x dx
2
+ c(x) + g(x) = 0. (2.38)
dt dt
Se c(x) for constante e g(x) = kx, ento esta equao tem a forma da equao
g(0) = 0.
Vamos escrever a equao de Linard como um sistema de duas equaes de
Algumas denies 16
primeira ordem e em seguida mostrar que o sistema quase linear em uma vizi-
nhana do ponto crtico (0, 0). Assim, fazendo a substituio y = dx/dt, temos:
(
dy
dt
+ c(x)y + g(x) = 0
(2.39)
dx
dt
y =0
Agora, vamos mostrar que (0, 0) ponto crtico do sistema (2.39) resolvendo
(
c(x)y g(x) = 0 ()
(2.40)
y = 0 ()
Substituindo () em () obtemos
que so contnuas.
origem ! ! !
d u1 0 1 u1
= . (2.41)
dt u2 g 0 (0) c(0) u2
Os autovalores deste sistema linear so:
p
[c(0)]2 4g 0 (0)
c(0)
r1,2 = .
2
0
A parte real para ambos autovalores negativa se c(0) > 0 e g (0) > 0. Para
2 0
vericar esse fato, vamos supor primeiramente que [c(0)] > 4g (0). Assim,
p
c(0) [c(0)]2 4g 0 (0)
r1 = <0
2 2
O segundo mtodo de Lyapunov 17
p p
c(0) [c(0)]2 4g 0 (0) c(0) [c(0)]2
e r2 = + < + = 0.
2 2 2 2
2 0
Analogamente, supondo agora que [c(0)] < 4g (0), temos
r1 = c(0) c(0)
i
p
2
2
e r2 =
2
+ i
2
, onde = 4g 0 (0) [c(0)]2 .
(i) Se[c(0)]2 > 4g 0 (0) temos r1 > 0. Se tambm g 0 (0) < 0 temos [c(0)]2 4g 0 (0) >
[c(0)]2 e portanto r2 < 0. No entanto, se g 0 (0) > 0 temos r2 > 0.
(ii) Se [c(0)]2 < 4g 0 (0) ento Re(r1,2 ) > 0, onde Re(r1,2 ) indica a parte real dos
auto valores.
Como em todos os casos pelo menos um dos autovalores tem parte real posi-
tiva, pelo Teorema 2.3, o ponto de equilbrio (0, 0) da equao no linear (2.39)
instvel.
do sistema.
d2 g
2
+ sen = 0.
dt L
d
x = , y = ,
dt
dx
=y
dt (2.42)
dy g
= sen x.
dt L
y=0
g
sen x = 0
L
y = 0, x = 0, , 2, 3, . . . .
! ! !
d x 0 1 x
= ,
dt y Lg 0 y
O segundo mtodo de Lyapunov 19
r
g
r = i .
L
Como os autovalores so imaginrios puros, no podemos concluir sobre a es-
d
A velocidade do peso no nal do pndulo L e portanto
dt
1
EC = mL2 y 2 .
2
Como a altura do peso do pndulo dada por h = L(1 cos ) temos
EP = mgL(1 cos ).
1
E = mL2 y 2 + mgL(1 cos ).
2
Como a energia conservada
dE dy dx
0= = mL2 y + mgL sen . (2.43)
dt dt dt
Substituindo (2.42) em (2.43) obtemos
dE g
= mL2 y sen x + mgL sen (y) = 0.
dt L
x2
1 2 2 1 2 2
E = mL y + mgL(1 cos x) mL y + mgL 1 1 + ...
2 2 2
1 1
mL2 y 2 + mgLx2 .
2 2
A condio que E constante ento requer que x e y sejam uma provvel elipse
x2 y2 2E
+ 2
= .
mgL mL mgL2
Podemos deduzir que as trajetrias que passam prximas ao ponto crtico (0, 0)
no iro se afastar do mesmo. Ento, o ponto crtico em (0, 0) estvel (mas no
funo V de classe C1
positiva denida em U se
(i) V (0) = 0;
denida.
X 0 = f (X), (2.44)
! !
x F (x, y)
onde X= e f (X) = .
y G(x, y)
Ento, pela regra da cadeia temos,
V V
V 0 ((t)) = ((t))x0 (t) + ((t))y 0 (t)
x y
ou ainda,
onde f (x, y) = (F (x, y), G(x, y)), ou seja, V 0 o produto interno do vetor f (x, y)
com o vetor gradiente V ((t)) de V em (t):
V 0 ((t)) = f (x, y).V (x) = ||f (x, y)||.||V (x)|| cos . (2.45)
(ii) Se V 0 (X) < 0 para X U {(0, 0)}, ento (0, 0) assintoticamente estvel.
Demonstrao. (i) Seja V uma funo positiva denida. > 0 Vamos tomar
2
sucientemente pequeno de modo que B = {(x, y) R ; ||(x, y)|| < }
U e seja k = min {V (x, y); ||(x, y)|| = }, que positivo pois V positiva
denida. Pela continuidade de V , existe com 0 < < tal que B (x) B
Seja t = min {s (0, t]; ||(s) x|| }, assim temos V (x(t)) k . Por
0
hiptese V 0, ou seja, V no crescente ao longo das solues, logo,
X U {(0, 0)}. Quando V 0 (X) < 0 para todo x U {(0, 0)}, a funo V
chamada uma funo de Lyapunov estrita.
d2 u du
+ + g(u) = 0,
dt2 dt
onde g(0) = 0, g(u) > 0 para 0 < u < k e g(u) < 0 para k < u < 0, isto ,
restauradora no linear.
sistema resultante. (
du
dt
y =0
(2.47)
dy
dt
+ y + g(u) = 0
Determinando os pontos crticos temos
(
y=0
y g(u) = 0
crtico estvel. Z x
1
V (x, y) = y 2 + g(s)du, k < x < k
2 0
dx dy
V 0 (x, y) = Vx + Vy = y(g(x) g(0)) + y(y g(x)) =
dt dt
a anlise para uma funo g geral um pouco mais sosticada e vamos mencionar
Z x
1
V (x, y) = y 2 + Ayg(x) + g(s)ds,
2 0
onde A uma constante positiva a ser escolhida de modo que V seja positiva
0
denida e V seja negativa denida. Para o problema do pndulo [g(x) = sen x],
1
usamos V como na equao precedente com A= 2
para mostrar que a origem
o modelo de competio entre duas espcies, que foi proposto inicialmente por
dx
= x(1 1 x 1 y)
dt (3.1)
dy
= y(2 2 y 2 x).
dt
24
Espcies em competio 25
tema
dx 3 1
=x x y
dt 2 2
(3.2)
dy 3
=y 2y x ,
dt 4
que um caso particular do sistema (3.1).
3 1 3
x x y =0 e y 2 y x = 0. (3.3)
2 2 4
(0, 0), 32 , 0 , (0, 2) e 45 , 75 .
So eles:
4 7
Baseados no campo de direes na gura (3.1), parece que o ponto ,
5 5
atrai
O sistema (3.2) quase linear numa vizinhana de cada ponto crtico. Vamos
obter o sistema linear prximo de cada ponto crtico (x0 , y0 ). Para o sistema (3.2)
Espcies em competio 26
temos:
1 3 3
F (x, y) = x2 xy + x, G(x, y) = y 2 xy + 2y, onde
2 2 4
1 3 1
Fx (x, y) = 2x y + , Fy (x, y) = x
2 2 2
3 3
Gx (x, y) = y, Gy (x, y) = x 2y + 2.
4 4
Logo, temos:
! ! !
d u1 Fx (x0 , y0 ) Fy (x0 , y0 ) u1
=
dt u2 Gx (x0 , y0 ) Gy (x0 , y0 ) u2
! ! !
d u1 2x0 21 y0 + 3
2
12 x0 u1
= . (3.4)
dt u2 34 y0 34 x0 2y0 + 2 u2
(0, 0). Esse ponto crtico corresponde ao estado em que ambas as espcies
! ! !
3
d u1 2
0 u1
= . (3.5)
dt u2 0 2 u2
! ! !
3
2
r 0 1 0
.
0 2r 2 0
3
2
, 0 . Esse ponto corresponde a um estado em que a espcie x sobrevive
! ! !
d u1 32 3
4
u1
= 7
. (3.6)
dt u2 0 8
u2
Os autovalores e autovetores so
! !
3 7 1 6
r1 = , r2 = , (1) = , (2) = ,
2 8 0 19
! ! !
u1 1 3t 6 7
= c1 e 2 + c2 e 8 t.
u2 0 19
3
Como os autovalores tm sinais opostos, o ponto
2
,0 um ponto de sela
! ! !
1
d u1 2
0 u1
= . (3.7)
dt u2 23 2 u2
Os autovalores e autovetores so
! !
1 5 0
r1 = , r2 = 2, (1) = , (2) = .
2 3 1
Espcies em competio 28
! ! !
u1 5 1 0 2t
= c1 e 2 t + c2 e .
u2 3 1
4 7
, . Esse ponto crtico corresponde a um estado de coexistncia, das duas
5 5
espcies. Os autovalores e autovetores do sistema linear correspondente
! ! !
d u1 54 65 u1
= . (3.8)
dt u2 21
20
57 u2
so
! !
110 + 5100 110 5100 11 2
r1 = , r2 = , (1) = , (2) = .
100 100 5 11
! ! !
u1 11 110+ 5100 2 110 5100
= c1 e 100 t + c2 e 100 t .
u2 5 11
4 7
Como ambos os autovalores so negativos, o ponto crtico ,
5 5
um n
Podemos ver no exemplo (3.1) que em alguns casos, a competio entre as duas
r: 1 1 x 1 y = 0 e s: 2 2 y 2 x = 0 (3.9)
Espcies em competio 29
temos que que o sistema (3.1) quase linear em uma vizinhana de cada ponto
Figura 3.2: [1] Os quatro casos para duas espcies em competio (3.1).
ser possvel em (c) e (d). Para esses casos, encontramos os valores no-nulos de
1 2 2 1 2 1 1 2
X= , Y = . (3.10)
1 2 1 2 1 2 1 2
Ainda mais, como 1 1 X 1 Y = 0 e 2 2 Y 2 X = 0, o sistema
! ! !
d u 1 X 1 X u
= , (3.11)
dt v 2 Y 2 Y v
Espcies em competio 30
p
(1 X + 2 Y ) (1 X + 2 Y )2 4(1 2 1 2 )XY
r1,2 = . (3.12)
2
possvel.
(1 X + 2 Y )2 4(1 2 1 2 )XY =
= (1 X)2 + 21 2 XY + (2 Y )2 41 2 XY + 41 2 XY =
= (1 X)2 21 2 XY + (2 X)2 + 41 2 XY =
= (1 X 2 Y )2 + 41 2 XY > 0.
Vamos agora, relacionar esse resultado com as guras (3.2)c e (3.2)d. Na gura
1 2
> (1 2 > 2 1 ) e
1 2
2 1
> (2 1 > 1 2 ).
2 1
Usando essas desigualdades junto com o fato que X e Y dados pela equao
(3.10) so positivos, somos levados desigualdade 1 2 < 1 2 . Assim, para este
caso, o ponto crtico de coexistncia das espcies um ponto de sela.
Modelo presa-predador 31
1 2
< (1 2 < 2 1 ) e
1 2
2 1
< (2 1 < 1 2 ).
2 1
estvel. Para esse caso, podemos mostrar, tambm, que os outros ponto crticos
1
(0, 0), 1
,0 e 0, 22 so instveis. Portanto, para quaisquer valores iniciais
coexistncia dado pelas equaes (3.10). Mais detalhes sobre esse modelo podem
dadora usa a outra populao (presa) como alimento. Assim, essa interao
para a competio.
3
12 y = 32 x 12 xy,
dx/dt = x 2
(3.14)
12 12 y
dy/dt = y +x = + xy
para x e y positivos.
3 1 1
x y = 0, y + x = 0.
2 2 2
1
Obtemos como pontos crticos (0, 0) e
2
;3 . A gura (3.3) mostra os pontos
3 1
F (x, y) = x xy,
2 2
1
G(x, y) = y + xy,
2
3 1 1 1
Fx (x, y) = y; Gx (x, y) = y; Fy (x, y) = x; Gy (x, y) = + x.
2 2 2 2
! 3 !
d u1 2 0 u1
= 1 u . (3.15)
dt u2 0 2
2
!
3 1
r1 = , (1) = ;
2 0 !
1 0
r2 = , (2) = ,
2 1
! ! !
u1 1 3 0 1
= c1 e 2 t + c2 e 2 t .
u2 0 1
1
! !
d u1 0 u 1
= 4 . (3.16)
dt u2 3 0 u2
1
v
u3
r
3 (1)
u
r1 = i, = i ;
t
4 4
1
4
0
v
3
r u
3 (2)
u
r2 = i, = 4 ,
i
t
4 1
4
1
Como os autovalores so imaginrios, o ponto crtico ;3 um centro do
2
sistema linear (3.16) e, portanto, um ponto crtico estvel para esse sistema.
1
dy y( + x)
= 2 . (3.17)
dx 3 1
x( y)
2 2
Z Z
1 3 1 1 1
y dx = +x dx
y 2 2 x 2
3 1 3
ln y + ln x y x = k, (3.18)
2 2 2
Modelo presa-predador 35
equao (3.18), possvel mostrar que o grco de (3.18) para um valor xo de
k
1
uma curva fechada em torno do ponto ;3 . Logo, o ponto crtico tambm
2
centro para o sistema no linear (3.14).
A gura (3.4) mostra um retrato de fase para o sistema (3.14). Para certas
terior, onde os pontos crticos so (0, 0) e (c/, a/). Vamos agora analisar as
! ! !
d u1 a 0 u1
= . (3.19)
dt u2 0 c u2
Os autovalores e autovetores so
!
1
r1 = a, (1) = ;
0 !
0
r2 = c, (2) = .
1
! ! !
u1 1 at 0 ct
= c1 e + c2 e .
u2 0 1
! ! !
d u 0 c/ u
= . (3.20)
dt v a/ 0 v
Os autovalores do sistema (3.20) so r = i ac. Ento, o ponto crtico
um centro estvel para o sistema linear. Vamos dividir a segunda equao pela
dv dv/dt (a/)u
= =
du du/dt (c/)v
c a
v dv + u du = 0,
ou
2 cv dv + 2 au du = 0. (3.21)
Consequentemente,
2 au2 + 2 cv 2 = k, (3.22)
Note que o sistema (3.13) pode ser reduzido a uma nica equao,
dy dy/dt y(c + x)
= = . (3.23)
dx dx/dt x(a y)
a y c + x
x(a y) dy = y(c + x) dx dy = dx,
y x
a c
dy = + dx,
y x
a c
dy + dx = 0.
y x
Modelo presa-predador 38
Integrando temos
a ln y y + c ln x x = C, (3.24)
(3.24) uma curva fechada, para C xo, em torno do ponto crtico (c/, a/). Para
uma demonstrao, ver p.55 de [8]. Portanto, o ponto crtico tambm um centro
sistema geral (3.13) vimos que temos um centro estvel como ponto crtico para o
sistema linear e portanto nada podemos concluir sobre a estabilidade deste ponto
crtico para o sistema no linear. No entanto, como podemos ver em [8], aps
manipulaes algbricas possvel mostrar que o ponto crtico que centro estvel
trivial.
x y
x y
Z Z
V (x, y) = d + d,
x y
c a
onde x = e x = .
Usando (3.13) temos
x x y y
dx + dy = 0
x y
e assim
dV dV dx dV dy
= V 0 (x, y) = . + . =
dt dx dt dy dt
x x dx y y dy
= + = 0.
x dt y dt
Ento, V (x(t), y(t)) V (x(0), y(0)) = c e a soluo de (3.13) para V (x(0), y(0))
uma soluo peridica de (3.13).
Hsu [3] tambm apresenta exemplos de funes de Lyapunov para alguns mode-
clssico.
4 Alguns critrios para a existncia
de solues peridicas
Periodicidade um fenmeno presente nos seres vivos, desde o ciclo celular, que
plano de fase. Mas, em muitas situaes, uma soluo peridica uma situao
nal do processo, ou seja, solues prximas tendem essa soluo peridica. ([1]).
(pontos onde no h uxo). A curva deve ser fechada para que o ponto ao longo
do ciclo retorne a sua posio inicial em intervalos de tempo xo e ento execute
que em ciclo limite as trajetrias adjacentes tendem para uma trajetria fechada,
39
40
estvel. Caso contrrio dizemos que instvel. Em alguns casos diremos que
(
x0 = F (x, y)
(4.1)
y 0 = G(x, y).
que sicamente nos do sugestes que algo est se repetindo, como por exemplo, a
diviso celular, que nos d valores aproximados para os parmetros das equaes e
mente conexa do plano (ou seja, D uma regio sem buracos). Se a expresso
regio.
calcular uma integral de linha em torno desta curva. No vamos calcular a integral
do trabalho de F ao longo de D , mas sim a integral do uxo de F atravs de D e
I ZZ
Teo. Green
F .
n ds = div F dA (4.2)
C R
| {z }
=0, desde que, F .
n=0
Mas por hiptese, div F > 0 ou div F < 0, desde que div F 6= 0 em R. Ento esta
integral dupla s pode ser maior que zero ou menor que zero, mas nunca igual a
(BF ) (BG)
+
x y
nesta regio.
(
x0 = y
y 0 = x y + x2 + y 2 ,
div F = Fx + Gy
div F = 1 + 2y
42
1
Assim, no existem solues peridicas acima ou abaixo da reta y= 2
div F
, onde
1
tem sinal denido. Talvez possa existir uma rbita fechada que corte a reta y = .
2
2x
Aplicando agora o critrio de Dulac com B(x, y) = e temos
(BF ) (BG) 2x 2x
+ = (e y) + [e (x y + x2 + y 2 )]
x y x y
= e2x < 0 x R.
Existe uma grande exibilidade para a escolha da funo B(x, y), porm a
nica condio indispensvel que ela seja contnua. Ainda que o enunciado do
critrio de Dulac em [9] no exija que a funo B(x, y) seja positiva denida, as
funes nesta referncia tem seus sinais denidos. O exemplo a seguir mostra que
(
x0 = y + xy 2 ,
y 0 = x + x2 y,
retas y = x, obtemos:
(Bf ) = x4 4xy y 4 ,
Nem toda funo de sinal denido funciona para B(x, y). No exemplo ante-
rior se B(x, y) = x2 y 2 temos que (Bf ) = 2xy(x2 y 2 ) + 3x2 y 2 (x2 + y 2 )
que de sinal indenido.
Agora que sabemos como excluir rbitas fechadas, iremos nos voltar para a
tarefa oposta: encontrar mtodos para denir que existam rbitas fechadas em
aberto contendo R;
(4) Existe uma trajetria C que est connada em R, no sentido que C inicia
Ento C uma rbita fechada, ou tende para uma rbita fechada quando t
. Em qualquer um dos dois casos, R contm uma rbita fechada (mostrada na
gura 4.2).
mais fceis de serem vericadas;Para vericar (4), como garantir que a trajetria
(
x0 = x y x(x2 + 5y 2 ),
(4.3)
y 0 = x + y y(x2 + y 2 )
44
Temos que a origem (x0 , y0 ) = (0, 0) um ponto xo. Vamos analisar sua
pondente :
! ! !
d u 1 3x20 5y02 1 10x0 y0 u
= .
dt v 1 2x0 y0 +1 x20 3x20 v
! ! !
d u 1 1 u
= ,
dt v 1 1 v
45
!
1 r 1
det = 0 r1,2 = +1 i.
1 1r
dr 1 1 dx dy
= (x2 + y 2 ) 2 2x + 2y (pela regra da cadeia)
dt 2 dt dt
Logo,
1
r0 = (xx0 .yy 0 )
r
Portanto,
De (4.4) obtemos:
dx
= r0 cos + r( sen )0 (4.6)
dt
dy
= r0 sen + r(cos )0 (4.7)
dt
Multiplicando (4.6) por (r sen ) e (4.7) por (r cos ) vem:
dx
(r sen ) = rr0 sen cos r2 (sen )2 0 (4.8)
dt
dy
(r cos ) = rr0 sen cos + r2 (cos )2 0 (4.9)
dt
46
De (4.8) (4.9):
x0 y xy 0 = r2 (sen )2 0 r2 (cos )2 0
x0 y xy 0 = r2 0 (sen2 + cos2 )
xy 0 x0 y
0 = (4.10)
r2
Usando (4.5) e (4.10) acima demonstradas, o sistema (4.3) em coordenadas
polares ca:
e tambm:
dr = r(1 r2 r2 sen2 (2))
dt (4.11)
d
= 1 + 4r2 (cos . sen3 )
dt
cem dentro da mesma. Para isso vamos impor condies para a primeira equao
dr/dt < 0 (para encontrarmos rmax ). Assim vamos determinar uma regio entre
Temos
dr
= r(1 r2 r2 sen2 (2)).
dt
Impondo a primeira condio dr/dt > 0, como r > 0 devemos ter
1 + sen(2) 2
(1 + sen(2))2 22
Agora,
1 + sen2 (2) 2
1
Impondo que 1 2r2 > 0, temosrmin = .
2
Vamos agora impor a condio dr/dt < 0, como r>0 ento devemos ter
sen2 (2) + 1 1
r2 (sen2 (2) + 1) r2
r2 (sen2 (2) + 1) r2
1 r2 (sen2 (2) + 1) r2 + 1
no crculo exterior e r0 > 0 no crculo interior. Ento o disco 0 < rmin r rmax
ser a nossa regio desejada. Note que para essa regio no h pontos crticos no
plexas relaes que acontecem na natureza, mostra que simples interaes de presa-
modelo clssico (3.13), os termos que esto entre parnteses so as taxas de cres-
cimento per capita dependente das densidades das populaes. Para um modelo
por exemplo, uma equao para a populao da presa que seja mais realista pode
ser da forma
x
dx/dt = xF (x, y), onde F (x, y) = r 1 yR(x), (5.2)
50
51
so
A Ax A[1 eax ]
R(x) = , R(x) = 2 , R(x) = , (5.3)
x+B x + B2 x
onde A e B e a so constantes positivas.
(ver [8]). Neste modelo, o crescimento das presas limitado e a taxa de crescimento
agora representada por uma funo. As equaes que descrevem o modelo presa-
dx/dt = rx 1 bxy,
x (5.4)
Para uma anlise dos pontos de equilbrio do modelo de Schoener ver p.69 de
Bessa [8].
y
G(x, y) = k 1 , G(x, y) = + R(x) (5.5)
x
densidade da presa.
Os modelos dados por (5.1), (5.4) e (5.5) so apenas alguns exemplos de muitos
Sejam n1 (t) e n2 (t) as densidades das populaes das presas, no tempo t, loca-
belecer entre os seres vivos que ocupam o mesmo ecossistema) tm duas diferentes
dn1
= (m0 (p2 )n2 m(p1 )n1 ) + [r1 n1 a1 n1 p1 ]
d
dn 2
= (m(p1 )n1 m0 (p2 )n2 ) + [r2 n2 a2 n2 p2 ]
d (5.6)
dp1
= (k 0 p2 kp1 ) + [m1 p1 + b1 n1 p1 ]
d
dp2 = (kp k 0 p ) + [m p + b n p ],
1 2 2 2 2 2 2
d
onde ri (i = 1, 2) representa a taxa de crescimento intrnseco da populao da presa
no agrupamento i. Como os agrupamentos tm caractersticas distintas assumido
m(p1 ) = p1 + 0 e m0 (p2 ) = p2 + 0 .
[3] constri um modelo reduzido que chamado de modelo agregado. Este mo-
delo, que composto por duas equaes, descreve a dinmica do total de presas
derar a parte lenta das equaes e estudar apenas o modelo de disperso rpida.
tem-se o seguinte ponto de equilbrio para a parte do sistema com escala rpida:
p1 = 1 p, p2 = 2 p,
(5.7)
n1 = 1 (p)n, n2 = 2 (p)n,
k0 k
1 =
0
, 2 = ,
k+k k + k0 (5.8)
+ 2 p 0 + 1 p
1 (p) = 0
, 2 (p) = ,
20 + p 20 + p
onde = 1 + 2 .
Utilizando o mtodo de agregao, dado em [3] retornar-se ao sistema inicial
escala de tempo rpida (5.7) e adicionando as duas equaes das densidade locais
onde
r = 0 (r1 + r2 ),
a = r1 2 + r2 1 + 0 (a1 1 + a2 2 ),
b = 1 2 (a1 + a2 ),
(5.10)
M = m1 1 + m2 2 ,
b = 0 (b1 1 + b2 2 ),
c = 1 2 (b1 + b2 ).
n=0 e bp2 + ap + r = 0,
p
a+ a2 + 4rb
p= .
2b
As p-nuliclinais so dadas por:
p=0 e M p 20 M + nb + cpn = 0,
bn + 20 M M (p + 20 )
p= ou n= .
cn M cp + b
r + ap bp2 (a 2bp)(p + 20 ) (r + ap bp2 )
n
p + 2
J(n, p) = 0 (p + 20 )2
bp + cp2 n(b + cp) c(p + 20 ) (b + cp)
M + + np
p + 20 p + 20 (p + 20 )2
r
0
J(0, 0) = 20 .
0 M
r
Esta matriz tem dois autovalores reais com sinais opostos: e M , ento
20
(0, 0) sempre ponto de sela.
p M
C= 2
(bp 2 +4b0 p +r20 a), (bp 2 +4b0 p +r20 a) > 0,
(p + 20 )
p
porque 4b0 p r 20 a = 20 a2 + 2rb > 0.
Seja B o trao da matrix Jacobiana, ento
p M (20 c b)
B= ,
(b + cp )(p + 20 )
ou
B i B + i
1 = e 2 = se < 0.
2 2
Ento, para a estabilidade do ponto de equilibrio (n , p ), temos as seguintes
situaes:
(1) Caso 1: SeB < 0, temos dois autovalores com parte real negativa
(quando > 0) ou dois autovalores complexos com partes reais nega-
tivas (quando > 0); e em ambos os casos, (n , p ) um ponto de
(2) Caso 2: Se B > 0, temos dois autovalores com parte real positiva
(quando > 0) ou dois autovalores complexos com partes reais po-
sitivas (quando < 0); e em ambos os casos (n , p ) um ponto de
equilbrio instvel.
O termo B pode ser igual a zero, e neste caso, a linearizao do modelo agregado
no suciente para concluir qualquer informao sobre a dinmica do modelo
agregado no-linear.
Para mostrar que h um centro para o sistema reduzido, demonstra-se que, para
Se denirmos
n0 p0
F (n, p) = e G(n, p) = ,
n.p n.p
ento temos:
1 r
F (n, p) = + a bp ,
p + 20 p
M 1
G(n, p) = + (b + cp),
n p + 20
assim
F G 20 c b
=0 e = .
n p (p + 20 )2
F G
Como a expresso + no muda de sinal no domnio conexo D, e usando o
n p
critrio de Dulac e o teorema de Poincar-Bendixon, podemos concluir que quando
58
Apresentamos ento, alguns critrios que nos permitem, s vezes, analisar a exis-
artigo de [3] nos possibilitou observar uma variao do modelo presa-predador que
59
Referncias
S.A., 2006.
[3] HSU, S.-B. A survey of constructing lyapunov functions for mathematical mo-
pp151, 2005.
[6] HALE J.K.; KOAK, H. Dynamics and bifurcations. 1. ed. New York:
Springer-Verlag, 1991.
[7] LEAH, E. Mathematical Models in Biology. 1. ed. Vancouver: Society for In-
60
Referncias 61
x0 = Ax, (A.1)
dx
= ax, (A.2)
dt
x = ert , (A.3)
rert = Aert .
62
Autovalores reais e distintos 63
(A rI) = 0, (A.4)
uma soluo da equao (A.1), desde que r seja um autovalor e seja um autovetor
polinomial de grau n
soluo geral dos sistema (A.1). Supondo que A uma matriz real, existem trs
so
seu wronskiano:
(1) er1 t ...
(n)
1 ern t
1
. .
(1) (n)
W [x , . . . , x ](t) = . . (A.7)
. .
(1) r1 t (n) rn t
n e ... n e
(1) ... 1
(n)
1
(r1 +...+rn )t .. .
= e . .
. .
(1) (n)
n ... n
rente de zero, podemos concluir que o wronskiano W [x(1) , . . . , x(n) ](t) nunca se
(1) (n)
anula. Ento, x ,...,x formam um conjunto fundamental de solues. Assim,
(A r1 I) (1) = 0 (A.9)
(A r1 I) (1) = 0 (A.10)
Autovalores complexos 65
Note que buscamos solues reais, para isso vamos fazer (1) = a + ib, onde a e b
so reais e substituir na primeira equao de (A.11), obtendo assim
Agora vamos mostrar que u(t) e v(t), dados pela equao (A.14) so linear-
mente independentes.
(
(1) = a + ib i (1) + i (1)
b=
(1) = a + ib 2
! !
(1) + (1) i (1) + i (1)
c1 + c2 = 0 (c1 ic2 ) (1) + (c1 n + ic2 ) (1) = 0
2 2
Note que (1) e (1) so autovalores linearmente independentes, ento, segue que
Como et0 6= 0, segue que, a(c1 cos t0 + c2 sen t0 ) + b(c1 sen t0 + c2 cos t0 ) = 0.
Mas, como a e b so linearmente independentes, ento
( (
c1 cos t0 + c2 sen t0 = 0 c1 cos t0 = c2 sen t0
c1 cos t0 c2 sen t0 = 0 c1 cos t0 = c2 sen t0
c1 c2 = 0 c1 = 0 ou c2 = 0.
(
c2 sen t0 = 0
Suponha c1 = 0, ento c2 = 0.
c2 cos t0 = 0
Analogamente temos que se c2 = 0 ento c1 = 0 , ou seja, conclumos que u(t)
e v(t) so solues linearmente independentes.
Assim, para este caso, no faz diferena que o autovalor r= seja repetido,
equao (A.1), preciso encontrar outras solues de uma outra forma. Vamos a
uma soluo
onde satisfaz
(A I) = 0. (A.19)
x = tet , (A.20)
obtemos
de tet deve conter um termo da forma et . Vamos supor que a segunda soluo
tenha a forma de
x = tet + et , (A.22)
tet + et + et = A[tet + et ]
tet + et [ + ] = Aet + Aet .
De onde temos ( (
= A (A I) = 0
+ = A (A I) =
Como um autovetor associado ao autovalor , ento, = . Se as condies
acima forem satisfeitas, ento a equao (A.22) uma soluo para a equao
x = c1 et + c2 [tet + et ], (A.23)
Autovalores Repetidos 69
onde satisfaz (A I) = .
B Frmula da Variao das
Constantes
x0 = Ax + g(t), (B.1)
equao
y(t0 ) = eAt0 x0 para a equao (B.4). Para obter a soluo y(t) satisfazendo
70
71
rearranjar os termos:
Z t
At0 0
y(t) = e x + eAs g(s)ds. (B.5)
t0
Z t
A(tt0 ) 0
x(t) = e x (t) + e At
eAs g(s)ds.
t0
o das Constantes.
C Desigualdade de Gronwall
Z t
f (t) K + f (s)g(s)ds, a t b,
a
ento
Rt
f (t) Ke a g(s)ds , a t b.
Rt
Vamos denir h(t) = K +
a
f (s)g(s)ds, considerando f (t) h(t) para
Ra
a t b. Observe que h(a) = K + a f (s)g(s)ds = K .
Agora derivando a funo h(t) em relao a t e pelo Teorema Fundamental do
Clculo temos:
h0 (t) = f (t)g(t), a t b.
Rt Rt h Rt i0
h0 (t)e a g(s)ds
h(t)g(t)e a g(s)ds
h(t)e a g(s)ds 0,
ou seja,
d h at g(s)ds
R i
h(t)e 0. (C.1)
dt
Vamos integrar a Equao (C.1) em relao a t no intervalo [a, b], obtendo
72
73
assim
Rt Rt
h(t)e a g(s)ds
h(a) 0 h(t) Ke a g(s)ds
, a t b.
Rt
g(s)ds
f (t) Ke a , a t b.