Modelos Não-Lineares

Documentos relacionados
Biofísica II Turma de Biologia FFCLRP USP Prof. Antônio Roque Biologia de Populações 2 Modelos não-lineares. Modelos Não-Lineares

Exercícios sobre o Modelo Logístico Discreto

Exercícios Sobre Oscilações, Bifurcações e Caos

Aplicações à Teoria da Confiabilidade

Teoremas Básicos de Equações a Diferenças Lineares

Para Newton, conforme o tempo passa, a velocidade da partícula aumenta indefinidamente. ( )

MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA

PARTE 12 DERIVADAS DIRECIONAIS

) quando vamos do ponto P até o ponto Q (sobre a reta) e represente-a no plano cartesiano descrito acima.

Portanto, os valores da taxa de crescimento geométrico R e da taxa finita de crescimento λ são, respectivamente,

O gráfico que é uma reta

GABARITO CURSO DE FÉRIAS MATEMÁTICA Professor: Alexandrino Diógenes

2.7 Derivadas e Taxas de Variação

O gráfico que é uma reta

4 O Fenômeno da Estabilidade de Tensão [6]

Voo Nivelado - Avião a Hélice

UNIVERSIDADE FEDERAL DO PARÁ CÁLCULO II - PROJETO NEWTON AULA 20. Palavras-chaves: derivada,derivada direcional, gradiente

QUESTÕES ANPEC EQUAÇÕES DIFERENCIAIS E EQUAÇÕES DE DIFERENÇAS

Analisando Modelos Não-Lineares

2.6 - Conceitos de Correlação para Sinais Periódicos

Oscilações, bifurcações e caos. Nos exercícios da aula 8, investigamos alguns comportamentos dinâmicos do modelo logístico discreto,

Movimento unidimensional 25 MOVIMENTO UNIDIMENSIONAL

Movimento unidimensional. Prof. DSc. Anderson Cortines IFF campus Cabo Frio MECÂNICA GERAL

DEMOGRAFIA. Assim, no processo de planeamento é muito importante conhecer a POPULAÇÃO porque:

DISCIPLINA SÉRIE CAMPO CONCEITO

Universidade Federal do Rio de Janeiro

Modelos de Crescimento Endógeno de 1ªgeração

Tabela: Variáveis reais e nominais

TRANSFORMADA DE FOURIER NOTAS DE AULA (CAP. 18 LIVRO DO NILSON)

Seção 5: Equações Lineares de 1 a Ordem

Problema de controle ótimo com equações de estado P-fuzzy: Programação dinâmica

4 Análise de Sensibilidade

Prof. Lorí Viali, Dr. UFRGS Instituto de Matemática - Departamento de Estatística

Capítulo Cálculo com funções vetoriais

ONDAS ELETROMAGNÉTICAS

Séries de Tempo. José Fajardo. Agosto EBAPE- Fundação Getulio Vargas

3 LTC Load Tap Change

3 Modelos de Markov Ocultos

ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 12º ANO DE ESCOLARIDADE DE MATEMÁTICA A Tema II Introdução ao Cálculo Diferencial II

Circuitos Elétricos I EEL420

P IBpm = C+ I+ G+X F = = b) Despesa Nacional. PNBpm = P IBpm+ RF X = ( ) = 59549

Instituto de Física USP. Física V - Aula 26. Professora: Mazé Bechara

ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 11º ANO DE ESCOLARIDADE DE MATEMÁTICA A

Introdução às Medidas em Física

2 Formulação do Problema

Cinemática em uma dimensão. o Posição, deslocamento velocidade, aceleração. o Movimento com aceleração constante, o Queda livre

Cap. 5 - Tiristores 1

Notas de aula - profa Marlene - função logarítmica 1

RÁPIDA INTRODUÇÃO À FÍSICA DAS RADIAÇÕES Simone Coutinho Cardoso & Marta Feijó Barroso UNIDADE 3. Decaimento Radioativo

02 A prova pode ser feita a lápis. 03 Proibido o uso de calculadoras e similares. 04 Duração: 2 HORAS. SOLUÇÃO:

Conceito. Exemplos. Os exemplos de (a) a (d) mostram séries discretas, enquanto que os de (e) a (g) ilustram séries contínuas.

5.1. Filtragem dos Estados de um Sistema Não-Linear Unidimensional. Considere-se o seguinte MEE [20] expresso por: t t

Aula - 2 Movimento em uma dimensão

AULA 22 PROCESSO DE TORNEAMENTO: CONDIÇÕES ECONÔMICAS DE USINAGEM

CINÉTICA QUÍMICA LEI DE VELOCIDADE - TEORIA

Professor: Danilo Dacar

A entropia de uma tabela de vida em previdência social *

Circuitos elétricos oscilantes. Circuito RC

Professor: Danilo Dacar

Cinemática unidimensional

CINÉTICA RADIOATIVA. Introdução. Tempo de meia-vida (t 1/2 ou P) Atividade Radioativa

Física. Física Módulo 1

Lista de exercícios 3. September 15, 2016

4 Modelo de fatores para classes de ativos

4 Metodologia Proposta para o Cálculo do Valor de Opções Reais por Simulação Monte Carlo com Aproximação por Números Fuzzy e Algoritmos Genéticos.

Séries temporais Modelos de suavização exponencial. Séries de temporais Modelos de suavização exponencial

APÊNDICE B DETALHAMENTO DAS EQUAÇÕES DO FLUXO SUBTERRÂNEO. B1 Equações Fundamentais do Fluxo Subterrâneo

APLICAÇÕES DAS EQUAÇÕES EM DIFERENÇAS NA SOLUÇÃO DE ALGUNS PROBLEMAS EM CIÊNCIAS SOCIAIS APLICADAS

Exercícios de torção livre em seção circular fechada - prof. Valério SA Universidade de São Paulo - USP

SOLUÇÃO PRATIQUE EM CASA

ENGF93 Análise de Processos e Sistemas I

Capítulo 2: Proposta de um Novo Retificador Trifásico

UNIVERSIDADE DA BEIRA INTERIOR FACULDADE DE CIÊNCIAS SOCIAIS E HUMANAS DEPARTAMENTO DE GESTÃO E ECONOMIA MACROECONOMIA III

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.

Cálculo do valor em risco dos ativos financeiros da Petrobrás e da Vale via modelos ARMA-GARCH

11 Introdução aos modelos matriciais A Matriz de Leslie

Introdução ao Controle Ótimo: Otimização de funções e funcionais. Otimização paramétrica. Problema de controle ótimo com tempo final fixo.

*UiILFRGH&RQWUROH(:0$

SISTEMAS DE EQUAÇÕES A DIFERENÇAS LINEARES

Universidade Federal do Rio Grande do Sul Escola de Engenharia de Porto Alegre Departamento de Engenharia Elétrica ANÁLISE DE CIRCUITOS II - ENG04031

MECÂNICA DE PRECISÃO - ELETRÔNICA I - Prof. NELSON M. KANASHIRO FILTRO CAPACITIVO

AULA 8 CONDUÇÃO DE CALOR EM REGIME TRANSITÓRIO SISTEMA CONCENTRADO

Função de risco, h(t) 3. Função de risco ou taxa de falha. Como obter a função de risco. Condições para uma função ser função de risco

Motivação. Prof. Lorí Viali, Dr.

Modelos BioMatemáticos

Características dos Processos ARMA

MATEMÁTICA E SUAS TECNOLOGIAS

Observação: No próximo documento veremos como escrever a solução de um sistema escalonado que possui mais incógnitas que equações.

dr = ( t ) k. Portanto,

O cliente é a razão do nosso trabalho, a fim de inseri-lo em um novo contexto social de competitividade e empregabilidade.

figura 1 Vamos encontrar, em primeiro lugar, a velocidade do som da explosão (v E) no ar que será dada pela fórmula = v

3 Metodologia 3.1. O modelo

Fenômenos de adsorção em interfaces sólido/solução. Modelagens matemáticas de processos cinéticos

1 Modelo de crescimento neoclássico, unisectorial com PT e com taxa de poupança exógena 1.1 Hipóteses Função de Produção Cobb-Douglas: α (1.

Capítulo 2: Conceitos Fundamentais sobre Circuitos Elétricos

Processos de Markov. Processos de Markov com tempo discreto Processos de Markov com tempo contínuo. com tempo discreto. com tempo contínuo

Confiabilidade e Taxa de Falhas

Transcrição:

Modelos ão-lineares O modelo malhusiano prevê que o crescimeno populacional é exponencial. Enreano, essa predição não pode ser válida por um empo muio longo. As funções exponenciais crescem muio rapidamene e sem limies e, se o crescimeno de uma população for sempre exponencial, cedo ou arde o número de indivíduos na população vai ser maior do que o número de áomos no universo. Porano, o modelo malhusiano esá deixando escapar algum elemeno imporane para a modelagem de populações verdadeiras. Devemos rever as hipóeses usadas na consrução do modelo malhusiano. A principal falha do modelo malhusiano é que ele assume que as axas de naalidade e de moralidade são consanes independenemene do amanho da população.

a realidade, espera-se que quando uma população fique muio grande a sua axa de moralidade cresça e a sua axa de naalidade se reduza. Qual o efeio que isso eria sobre a axa finia de crescimeno λ? A axa finia de crescimeno λ é dada por, λ = 1+ b d, de maneira que se b diminui e d cresce o valor de λ deve diminuir. Porano, devemos modificar de alguma forma o modelo malhusiano para fazer com que a axa de crescimeno dependa do amanho da população: λ λ( ). E essa dependência em que ser al que quando cresce, λ diminui.

Para desenvolvermos um modelo melhor, é mais fácil nos concenramos na quanidade, que nos dá a variação no amanho da população em uma unidade de empo dividida pelo amanho da população, chamada de axa de crescimeno per capia por unidade de empo., Para pequenos valores de, a axa de crescimeno per capia deve ser grande, pois imaginamos uma população com muios recursos disponíveis no seu meio-ambiene para permiir seu crescimeno. Por ouro lado, para grandes valores de a axa de crescimeno per capia deve ser pequena, pois os indivíduos compeem enre si por comida e espaço. Para valores ainda maiores de, a axa de crescimeno per capia deve ser negaiva, o que significa que a população começa a diminuir de amanho.

Com base no que foi discuido, podemos supor que, como uma função de, seja uma função decrescene, como, por exemplo, a mosrada na figura abaixo. o enano, no espírio de sempre escolhermos a versão mais simples de um dado modelo, vamos supor que o decaimeno de em função de seja do ipo linear, como na figura abaixo,

oemos que, para o modelo malhusiano, = de maneira que o gráfico de R, em função de para esse modelo seria uma rea paralela ao eixo horizonal (indicando que não varia com ). Como agora esamos propondo uma dependência linear de conra, a fórmula que expressa essa dependência deve ser do ipo, = m + a, onde m e a são consanes. Olhando para o gráfico acima, vemos que m, o coeficiene angular, deve ser negaivo e a, o coeficiene linear, deve ser posiivo. Para deerminar m e a em ermos das consanes R e K definidas pelo gráfico, vemos que, quando = 0, = R = a. Já quando = 0 e = K,

0 = mk + R Podemos, enão, escrever a equação proposa para em função de como, m = R K. = R K + R = R 1. K oem que ano R como K devem ser consanes posiivas. Podemos reescrever a equação acima na forma de uma equação de diferenças finias, = f ( ). + 1 Muliplicando ambos os lados por, = R 1. K Escrevendo agora =, + 1 + 1 + 1 = = 1 R K + R 1 K o que implica que a nossa equação de diferenças finias para ese caso é,,

+ 1 = 1 + 1 R. K Um modelo que obedeça a uma equação como a acima é chamado de modelo logísico discreo. oe que ese modelo é não-linear, pois +1 é uma função quadráica de (iso é, depende de 2 ). Equações não-lineares aparecem com muia freqüência em modelos de sisemas biológicos e é imporane que biólogos saibam lidar com elas. Os parâmeros K e R podem ser inerpreados em ermos biológicos (observe o gráfico de versus ). Em primeiro lugar, vemos que se < K, enão > 0. Com uma axa de crescimeno per capia posiiva, a população crescerá. Por ouro lado, se > K, enão < 0. Com uma axa de crescimeno per capia negaiva, a população diminuirá.

Porano, K é um valor críico para o amanho da população. Enquano for menor do que K a população crescerá, mas quando for maior do que K a população diminuirá. O parâmero K é chamado de capacidade de carregameno do ambiene, pois ele represena o número máximo de indivíduos que o ambiene pode suporar (ou carregar) por um longo empo. Já quando a população é pequena (iso é, quando é muio menor do que K), o faor ( K ) 1 na equação do modelo logísico fica muio próximo de 1. Enão, podemos aproximar o modelo logísico nesse caso por, ( 1 ). + R + 1 Comparando esa equação com a equação para o modelo malhusiano, vemos que R desempenha o mesmo papel que a consane de crescimeno finia, R = b d, naquele caso.

Porano, o parâmero R no modelo logísico reflee a maneira como a população irá variar (em função de nascimenos menos mores per capia) quando a população esá muio abaixo da capacidade de carregameno. Podemos coninuar chamando o parâmero R de axa de crescimeno finia, desde que fique bem claro que ele só pode ser inerpreado dessa forma quando a população é muio pequena. Para analisar o modelo logísico discreo, nosso primeiro passo é escolher valores para os parâmeros R e K e para o amanho inicial da população 0, e implemenar o modelo no Excel para ver o que aconece com a população no fuuro. Por exemplo, para R = 0,75, K = 50 e 0 = 1, emos o seguine gráfico (agora não será mais necessário explicar de forma dealhada como fazer um gráfico no Excel):

Modelo Logísico Discreo Tamanho da população 60 50 40 30 20 10 0 0 5 10 15 20 25 30 Tempo Os valores da população esão dados na abela abaixo: 0 1 1 1,735 2 2,991097 3 5,100219 4 8,5352 5 13,84386 6 21,35196 7 30,52734 8 39,44407 9 45,6896 10 48,64371 11 49,63333 12 49,90632 13 49,97645 14 49,9941 15 49,99853 16 49,99963 17 49,99991 18 49,99998 19 49,99999 20 50 21 50 22 50 23 50 24 50 25 50 26 50 27 50 28 50 29 50 30 50

oe que, desa vez, os valores de não foram arredondados. Isso porque, muias vezes, medimos o amanho de uma população em milhares, ou milhões de indivíduos (por exemplo, o valor inicial 0 = 1 poderia ser 1 milhão de indivíduos), de maneira que não há necessidade de arredondar os valores. Isso é ainda mais válido quando se mede a quanidade de ceras espécies não por número de indivíduos, mas por massa, como oneladas, por exemplo. Pelo gráfico ou pela abela, vemos que o amanho da população cresce coninuamene em direção à capacidade de carregameno de 50, conforme esperado. o princípio, o crescimeno da população é leno, indicado pela pequena inclinação (ou derivada) da curva para pequeno. Depois, o crescimeno se acelera (a angene à curva fica quase verical) e, finalmene, ele se desacelera novamene aé aingir o valor esacionário de 50.

A curva de crescimeno da população em uma forma chamada de sigmóide (ou em forma de s) na lieraura, que é uma forma caracerísica de crescimeno biológico observada experimenalmene. A solução para o modelo logísico mosrada acima, obida numericamene com o Excel, permie visualizar a comporameno da população ao longo do empo. Iso ambém pode ser feio no caso do modelo malhusiano. Porém, no caso do modelo malhusiano, além da solução numérica obida com o Excel, foi ambém possível resolver a equação de diferenças finias de forma analíica para se ober uma expressão para em função de 0, para qualquer. o caso do modelo logísico isso não é mais possível, porano perde-se a capacidade de enconrar uma solução maemáica geral para o modelo, pelo menos de maneira ão simples como no caso do modelo malhusiano.

Por exemplo, se quisermos saber o amanho da população para um empo qualquer, digamos = 100, eremos que gerar uma abela com 100 enradas no Excel. Isso em que ser encarado como um fao da vida. Os modelos não-lineares, apesar de serem mais realisas do pono de visa biológico, em geral não possuem soluções que possam ser expressas por fórmulas maemáicas explícias. Ao invés de buscar soluções analíicas para os modelos não-lineares, o que se faz é usar écnicas gráficas e simulações numéricas no compuador (como as feias no Excel) para se er uma idéia dos comporamenos dos modelos. A écnica gráfica mais básica para se enender um modelo não-linear é a chamada de cobwebbing. Para ilusrá-la, é melhor usar um exemplo. Consideremos novamene o modelo do exemplo anerior,

1 + 0,75 1, 0 50 + 1 = = Para resolver, ou ierar, essa equação pelo méodo de cobwebbing, devemos fazer o seguine (ene fazer isso na mão, com um papel de gráfico): 1. 1. Primeiramene, deve-se fazer o gráfico da função +1 versus. Para al, chame +1 de y e de x. A função 1 x = 50 resulane é y x + 0,75 1. O gráfico dessa função pode ser feio com o uso de uma calculadora ou do Excel, omando-se vários valores para a variável x (não necessariamene ineiros) e calculando-se os valores correspondenes de y. O gráfico dessa função desenhado em um papel de gráfico seria algo parecido com o mosrado a seguir.

Função +1 x +1 50 45 40 35 30 25 20 15 10 5 0 0 5 10 15 20 25 30 35 40 2. Em seguida, ome o valor de 0, que no nosso caso é 1, e desenhe uma linha verical indo de 0 aé a curva, como mosrado abaixo. A coordenada-y do pono em que essa linha verical oca a curva (indicado na figura abaixo) dá o valor de 1.

3. Tome o valor de 1, localize-o sobre o eixo horizonal e race uma oura linha verical indo dele aé a curva. A coordenada-y desse pono dará o valor de 2. Seguindo esse procedimeno, pode-se ober odos os valores de. 4. Exise uma maneira mais ineligene se fazer isso. Para al, desenhe no mesmo gráfico em que foi feia a função de +1 versus o gráfico da função idenidade +1 =. Esse gráfico dá uma linha rea com inclinação de 45 o. Enão, depois que você achar o pono em que a linha verical que sai de 0 cruza a curva de +1 versus, desenhe uma linha horizonal indo desse pono aé a rea para +1 =. O pono onde essa linha horizonal cruza a rea para +1 = deermina o valor de 1 e é o pono de onde você deve raçar a próxima linha verical para deerminar 2. A figura abaixo mosra o resulado desse procedimeno para algumas ierações (noe que a escala do eixo-x foi reduzida para permiir maior visibilidade).

Uma visão do resulado do méodo de cobwebbing aplicado a parir de 0 = 1 aé o fim é dada a seguir.

Esa figura deve deixar claro que se a população inicial iver qualquer valor 0 enre 0 e a capacidade de carregameno K = 50, enão o modelo fornecerá uma população que cresce coninuamene em direção à capacidade de carregameno. E se o valor inicial da população for maior que a capacidade de carregameno K = 50? Aplicando o méodo de cobwebbing, vemos que sempre que o valor de 0 for maior do que 50, ocorre um imediao decréscimo no amanho da população. Esse decréscimo pode ser em direção ao valor da capacidade de carregameno K = 50, ou pode levar a população a um valor menor do que K. ese segundo caso, assim que a população fica menor do que K = 50 ela começa a crescer em direção a K. Esses dois casos esão ilusrados pelas figuras a seguir.

Se, em algum momeno durane essas ierações, o valor da população ficar negaivo, devemos inerprear esse resulado como indicando que a população foi exina.