Vous êtes sur la page 1sur 88

Modelagem matemtica -

Novembro de 2007
1
CONSTRUO DE UM MODELO
MATEMTICO
Cap. VI
Modelagem matemtica -
Novembro de 2007
2
Motivao para a construo do
modelo matemtico
Modelagem matemtica -
Novembro de 2007
3
Motivao para a construo do
modelo matemtico
Os modelos matemticos pode ser divididos
em duas categorias: descritiva e prescritiva.
Um modelo descritivo aquele que descreve
ou prediz como alguma coisa realmente
funciona ou como deve funcionar.
Um modelo prescritivo (otimizado) aquele
que procura nos ajudar a escolher a melhor
maneira em que deve funcionar alguma
coisa.
Modelagem matemtica -
Novembro de 2007
4
Motivao para a construo do
modelo matemtico (cont.)
A diferena entre um modelo descritivo com o
prescritivo no est na matemtica.
A principal diferena est na forma de utilizao do
modelo.
Um modelo prescritivo uma ferramenta para que a
pessoa possa decidir, enquanto que um modelo
descritivo simplesmente diz pra ns como que
aquela coisa funciona.
Muitas vezes um modelo descritivo pode tornar-se
num modelo prescritivo.
Modelagem matemtica -
Novembro de 2007
5
Exemplo de um modelo descritivo
No vero de 1979 a estao espacial chamada Skylab foi
capturada pelo campo gravitacional da terra, de forma que
estava caindo na terra para impactar finalmente nela.
Antes de acontecer o impacto, houve uma intensa especulao
pelo mundo em relao a quando e onde ia acontecer o
impacto e quanto dano causaria.
Supondo que no temos controle sobre o Skylab caindo, a
nica contribuio que poderia dar a cincia para aliviar a
ansiedade das pessoas consistiria em dizer quando e onde vai
acontecer o impacto.
O modelo que faria esta predio deve ser um modelo
descritivo.
Modelagem matemtica -
Novembro de 2007
6
Exemplo de um modelo prescritivo
Para o problema mencionado no slide anterior. No
estado real das coisas se tem um pequeno controle
sobre a orientao do Skylab no espao.
Ademais, pequenas mudanas na orientao podem
ter grande influencia no tempo e lugar do impacto.
Os cientistas foram capazes de achar uma
orientao que permita mais provavelmente cair a
estao na gua ou numa regio sem populao.
O modelo matemtico utilizado neste caso
prescritivo. A sua funo foi ajudar a fazer a melhor
escolha (a melhor orientao possvel).
Modelagem matemtica -
Novembro de 2007
7
Objetivo da criao do modelo
Modelagem matemtica -
Novembro de 2007
8
Objetivo da criao do modelo
Quando decidimos criar (ou utilizar) um
modelo descritivo o prescritivo, estamos
decidindo ento o nosso objetivo.
muito importante ento conhecer as
potencialidade e limitaes do modelo em
questo.
Modelagem matemtica -
Novembro de 2007
9
Formulando a pergunta adequada
Modelagem matemtica -
Novembro de 2007
10
Formulando a pergunta adequada
Para obtermos respostas adequadas precisamos
fazer perguntas adequadas.
Quando iniciamos a tarefa de criar o modelo temos
em geral uma idia muito vaga do problema que
tentamos resolver. Temos no incio, portanto, uma
pergunta muito vaga ou muito abrangente.
Se a pergunta fosse muito vaga, faa-o mais
precisa.
Se a pergunta fosse muito abrangente subdivida-o
em partes que possam ser administradas facilmente.
Modelagem matemtica -
Novembro de 2007
11
Identificando os fatores relevantes e as
relaes entre eles - estudo qualitativo
Quando o modelador no for especialista na rea
onde se encontra o problema a resolver, levar, via
de regra, certo tempo em saber quais so os fatores
relevantes para o problema.
Por este motivo, a regra de ouro para o modelador
que permanea na rea de pesquisa, de maneira a
ter uma idia melhor do problema a resolver.
Os problemas so melhor colocados pelos
especialistas nas reas respectivas devido aos
detalhes tcnicos que geralmente os envolvem.
Modelagem matemtica -
Novembro de 2007
12
Identificando os fatores relevantes e as
relaes entre eles (cont.)
Por exemplo, se o modelador no conhecer de economia, ser
muito difcil saber o que determina o preo da soja no mercado
internacional, por exemplo.
Se for a criar um modelo que ajude a decidir o que melhor
semear este ano entre vrios produtos possveis, ter que
conhecer ademais de economia um pouco de administrao
para montar o modelo.
Ser necessrio ento fazer uma anlise de sensibilidade dos
fatores que afetam o problema.
Desta forma, escolhemos os fatores importantes e
desprezamos os fatores menos importantes.
Modelagem matemtica -
Novembro de 2007
13
Identificando os fatores relevantes e as
relaes entre eles (cont.)
Uma vez identificados os fatores
necessrio conhecer como esto
relacionados estes.
Uma correlao entre dois fatores no prova
necessariamente que um causa do outro.
Modelagem matemtica -
Novembro de 2007
14
Exemplo: Cegonhas e nascimentos
Uma evidncia confivel foi obtida no norte
de Europa que mostra que:
Em anos onde acontecem muitos
nascimentos (de crianas), a populao de
cegonhas maior do que em anos em que a
taxa de nascimento menor.
Ser que as cegonhas trazem as crianas
como diz a lenda?
Modelagem matemtica -
Novembro de 2007
15
O que uma correlao?
Um dos objetivos mais importantes da estatstica
achar a relao causa-efeito entre os fatores que
envolve o problema estudado.
Chamando x a um fator e y a um outro pode
acontecer o seguinte:
Valores maiores de x tende a ser associada com valores
maiores de y (correlao positiva).
Valores maiores de x tende a ser associada com valores
menores de y (correlao negativa).
Modelagem matemtica -
Novembro de 2007
16
O que uma correlao?
Correlao Positiva
0
5
10
15
20
25
30
0 2 4 6 8 10
x
y
Correlao negativa
0
5
10
15
20
25
30
35
0 2 4 6 8 10
x
y
Modelagem matemtica -
Novembro de 2007
17
O que uma correlao?
O grau de correlao pode ser medida pelo
coeficiente de correlao R (ou R
2
) por exemplo.
Se usarmos R
2
este ter valores entre 0 e 1.
Valores prximos de zero significa uma relao fraca entre
x e y.
Valores prximos de 1 significa uma relao forte entre x e
y.
O valor de R
2
resolve o problema de correlao?
Modelagem matemtica -
Novembro de 2007
18
Exemplo: Doena cardaca e colesterol
O colesterol uma substncia produzida pelo corpo
humano, que tem sido estudado exaustivamente em
conexo doena cardaca coronria (Coronary
Heart Disease) CHD.
Existem vrios tipos de colesterol:
O tipo chamado colesterol de baixa densidade de
lipoprotena (LDL), aparentemente, tende a fechar as
artrias das pessoas com CHD.
Porm o tipo chamado colesterol de alta densidade de
lipoprotena HDL, aparentemente, benfica para as
pessoas com CHD.
Modelagem matemtica -
Novembro de 2007
19
Exemplo: Doena cardaca e colesterol
Nvel de
HDL
(mg/dl)
Taxa de
CHD/mil
pessoas
< 25 180
25-34 123.6
35-44 94.6
45-54 77.9
55-64 77.9
65-74 79.1
75 ou + 85.5
A tabela ao lado mostra que altos
valores de HDL esto associados
com baixos valores de CHD.
Isso significa que o colesterol
HDL ajuda a prevenir a doena
do corao?.
Modelagem matemtica -
Novembro de 2007
20
Exemplo: Doena cardaca e presso
sangunea
y = 1,9004x - 236,32 R
2
= 0,3939
0
10
20
30
40
50
60
70
80
124 128 132 136 140 144 148
x = Presso sangunea sistlica
y

=

M
o
r
t
a
l
i
d
a
d
e
/
1
0
0
0

p
e
s
s
o
a
s
A
B
C
V
T
Z
U
G
S
D
M
I
W N
E
A America
B Belgrade
C Crevalcore
D Dalmatia
E East Finland
G Corfu
I Italy
K Crete
M Montegiorgio
N Zutphen
S Slavonia
U Ushibuka
V Velika Krsna
W West Finland
Z Zrenjanin
Mortalidade em 10 anos por cada 1000 pessoas
Modelagem matemtica -
Novembro de 2007
21
Exemplo: Doena cardaca e presso
sangunea
Na figura acima mostra-se a relao entre presso
alta e doena coronria (CHD).
Cada ponto representa uma rea geogrfica
diferente.
Para cada uma das 16 reas foram examinadas um
grande nmero de pessoas.
Pode notar-se uma correlao positiva.
Podemos concluir que presso alta causa CHD?
O ser que o CHD causa presso alta?
Pode o valor de R
2
nos ajudar a resolver a questo?
Modelagem matemtica -
Novembro de 2007
22
Hiptese: x causa y
i.e. Presso alta causa doena coronria
Podemos propor variveis intermedirias entre x e y pelos
motivos seguintes:
Em experimentos com animais, quando cresce a presso
sangunea estes desenvolvem aterosclerose (aumento da
espessura e perda de elasticidade das paredes internas das
artrias, acompanhados de formao de ateromas).
Aterosclerose envolve obstruo das artrias com colesterol ou
outras substncias.
Quando a artria coronria, que fornece oxignio, se torna muito
obstruda, a doena coronria resulta pela carncia de oxignio.
Causalidade simples
x
y
Modelagem matemtica -
Novembro de 2007
23
Causalidade simples
x
a b y
x = Presso alta
a = Aterosclerose
b = Carncia de oxignio no corao
y = Doena coronria CHD
x
y
Modelagem matemtica -
Novembro de 2007
24
Ademais da evidncia experimental existe
um mecanismo que tem sido proposto para
mostrar que presso alta pode causar
aterosclerose.
Este mecanismo se denomina hiptese da
filtrao, que explica que presso alta fixa o
colesterol nas paredes das artrias, onde
este se adere e serve de base para aderir
mais colesterol.
Causalidade simples
x
y
Modelagem matemtica -
Novembro de 2007
25
As vezes a pessoa tem idias preconcebidas de que
um fator x causa y.
Para tentar provar isso procura-se as vezes estatsticas
mostrando que o fator x causa y.
Se voc acha uma correlao pode pensar que a estatstica
ajudou voc a provar a sua suspeita.
Chegar rapidamente a uma concluso psicologicamente
tentador, mas nem sempre uma deciso sbia.
Pode acontecer que o que voc considera um efeito seja a
causa e vice-versa.
Causalidade Inversa
x
y
Modelagem matemtica -
Novembro de 2007
26
Uma comunidade primitiva da ilha New
Hebrides no Pacfico Sul notaram o fato de
que as pessoas sadias geralmente tinham
piolhos no corpo. Enquanto que as pessoas
doentes no tinham.
Ainda que no tinham se colhidos dados
estatsticos, se estes dados existissem,
teramos um grfico como o que segue:
Causalidade Inversa
x
y
Modelagem matemtica -
Novembro de 2007
27
Causalidade Inversa
x
y
Nmero de piolhos
E
s
t
a
d
o

d
e

s
a

d
e
Modelagem matemtica -
Novembro de 2007
28
Os habitantes da ilha concluram que os piolhos
causam boa sade.
Porm, cientistas realizando uma observao mais
detalhada concluram:
Boa sade causa a presena de piolhos.
Explicao:
Os piolhos eram bastante comuns na comunidade pois a
maioria tinha algum.
As pessoas doentes, porm, tinham menos devido a que os
piolhos preferiam as pessoas sadias.
Se trata ento de uma causalidade reversa.
Causalidade Inversa
x
y
Modelagem matemtica -
Novembro de 2007
29
No caso da correlao entre o a taxa de natalidade e a
populao de cegonhas a situao semelhante:
Crianas atraem cegonhas.
Explicao:
Em anos em que se esperavam nascer maior nmero de crianas,
mais casas eram construdas para acomodar o crescimento da
populao.
As cegonhas se acomodam debaixo das asas das casas, portanto
quanto mais casas existem mais cegonhas podem se acomodar
nelas.
A disponibilidade de abrigo ento causa o crescimento da
populao de cegonhas.
Causalidade Inversa
x
y
Modelagem matemtica -
Novembro de 2007
30
Pode acontecer que uma variao da varivel x
produz uma variao da varivel y. A mesmo tempo
a variao da varivel y produz a variao da
varivel x. Este fato denominado retro-
alimentao.
Em outras palavras:
Hiptese:
x causa y
E
y causa x
Causalidade Mtua
x
y
x
y
Modelagem matemtica -
Novembro de 2007
31
Se voc colocar num grfico as vendas S em relao ao
oramento em publicidade A numa empresa que vende
carros, por exemplo, certamente achar uma correlao
positiva.
i.e. valores maiores de S se correspondem com valores maiores
de A.
Por que?
H1 - Uma possibilidade que a publicidade aumenta as vendas.
Deve existir alguma verdade nisso ou ento as empresas devem
parar de fazer publicidade.
H2 - Porm, igualmente verdade que as empresas que vendam
muitos carros so capazes de ter mais facilmente publicidade.
Podemos concluir que as duas hipteses so verdadeiras.
Causalidade Mtua
x
y
Modelagem matemtica -
Novembro de 2007
32
Existe uma causa oculta
x
y
Z
Pode acontecer que:
Exista uma causa z produza variaes em x e
y.
Variaes em x no afetam nem z nem y.
Variaes em y no afetam nem z nem x.
x
y
Z
Modelagem matemtica -
Novembro de 2007
33
Existe uma causa oculta
x
y
Z
Suponha que voc tenha tanto o nmero de
igrejas quanto a de lojas de venda de
bebidas alcolicas de cada uma das cidades
de uma regio. O grfico que relaciona estas
variveis ter a forma do grfico seguinte:
Modelagem matemtica -
Novembro de 2007
34
Existe uma causa oculta
x
y
Z
Nmero de lojas de venda de bebidas
alcolicas
N

m
e
r
o

d
e

i
g
r
e
j
a
s
- Ser que a religio
leva as pessoas ao
alcoolismo?
- Ser que o lcool
(o demnio?) leva s
pessoas s Igrejas?
Modelagem matemtica -
Novembro de 2007
35
A resposta a estas perguntas que existe
uma terceira varivel: o nmero de pessoas
que moram na cidade.
Cidades maiores tm mais lojas de bebidas
alcolicas e mais igrejas.
Existe uma causa oculta
x
y
Z
Igrejas
Lojas
Populao
Modelagem matemtica -
Novembro de 2007
36
possvel que nenhuma das explicaes
anteriores possam se aplicar ao caso
estudado.
Em outras palavras, as variveis x e y no
estejam relacionados.
No existe correlao (os resultados
so acidentais)
x
y
x
y
Modelagem matemtica -
Novembro de 2007
37
No existe correlao (os resultados
so acidentais)
Suponha que voc lance um par de dados e recolha o
resultados como os dados em tabelas e grficos.
Se os dados no esto carregados se espera que
obtenhamos resultados aleatrios.
Voc obter resultados como os dados seguidamente.
x
y
Modelagem matemtica -
Novembro de 2007
38
No existe correlao (os resultados
so acidentais)
Na primeira tentativa podemos obter resultados como
os mostrados seguidamente.
A correlao mostrada bastante baixa.
Valor do dado
Lanamento Dado 1 Dado 2
1 3 1
2 1 2
3 3 6
4 4 4
5 6 3
x
y
R
2
= 0,0346
0
1
2
3
4
5
6
7
0 1 2 3 4 5 6 7
Dado 1
D
a
d
o

2
Modelagem matemtica -
Novembro de 2007
39
No existe correlao (os resultados
so acidentais)
Valor do dado
Lanamento Dado 1 Dado 2
1 3 1
2 1 2
3 3 6
4 4 4
5 6 3
x
y
R
2
= 0,8176
0
1
2
3
4
5
6
7
0 1 2 3 4 5 6 7
Dado 1
D
a
d
o

2
Os resultados mostrados seguidamente foram obtidas depois de
fazer 100 tentativas (simulando o processo com o computador).
A correlao obtida neste caso bastante boa.
H uma correlao entre os valores obtidos?
Modelagem matemtica -
Novembro de 2007
40
No existe correlao (os resultados
so acidentais)
Se os dados so normais o resultado deve
ser somente acidental.
Acidentes como este pode acontecer em
outras situaes onde no haja dados.
x
y
Modelagem matemtica -
Novembro de 2007
41
No existe correlao (os resultados
so acidentais)
Suponha que selecionemos 5 estudantes e
meamos as suas alturas e o nmero de
documento.
possvel descobrir uma correlao se selecionamos
vrios grupos de 5 estudantes, i.e. fazemos vrias vezes a
seleo.
O estudo avanado da correlao e regresso inclui
tcnicas para medir a probabilidade de termos uma
correlao.
Como poderamos esperar, quanto mais testes
fizermos diminui a possibilidade de termos uma
correlao acidental.
x
y
Modelagem matemtica -
Novembro de 2007
42
Qual o critrio a ter em conta?
Decidir qual tipo de correlao existe (ou se no h
correlao alguma) as vezes muito difcil.
No h um atalho para ter uma deciso correta
O que necessrio um bom julgamento baseado no
conhecimento das variveis estudadas.
Adicionalmente podemos ter desconsiderado algumas
variveis importantes. Porm se fossemos considerar todas
as variveis possveis as chances de resolver o problema
muito pequena (para no dizer nula).
Desde o ponto de vista filosfico importante imaginar o
que seria um modelo ideal. Porm, desde um ponto de
vista prtico necessrio que o modelo seja o mais simples
possvel, e com o menor nmero de varivel possvel.
Modelagem matemtica -
Novembro de 2007
43
Utilizando o nosso conhecimento matemtico
para expressar as relaes entre os fatores
relevantes - quantificao
Uma vez que um modelo seja criado o mundo pode ser
dividido em trs partes:
1. Fatores cujos efeitos no so tidos em conta.
2. Fatores que afetam o modelo mas que no sero estudados
usando o modelo.
3. Fatores que sero estudados pelo modelo.
O modelo ignora totalmente 1
As constantes, funes etc. do item 2 so externos e so
denominados de parmetros, variveis independentes, ou de
entrada
Os fatores do item 3 so denominados de variveis dependentes
ou de sada
Tal como pode se verificar, estamos utilizando como
sinnimos as palavras fator e varivel.
Modelagem matemtica -
Novembro de 2007
44
Utilizando o nosso conhecimento matemtico
para expressar as relaes entre os fatores
relevantes - quantificao
Neste momento j foi feito um estudo qualitativo
portanto supomos que sabemos qual a varivel
dependente e quais as independentes.
A forma em que estas variveis esto relacionadas
o representamos construindo as funes.
As funes so construdas utilizando os
operadores matemticos tais como a soma, a
diviso a derivao etc.
Isso vai depender do nosso conhecimento
matemtico, do nosso estilo pessoal e do nosso
objetivo.
Modelagem matemtica -
Novembro de 2007
45
Exemplo Vo de um avio
Sejam:
l = a fora de sustentao do avio (lift force)
r = a densidade do ar
s = a rea total nas partes superiores das asas
v = a velocidade do avio
c = valor dependente da forma do avio (coeficiente de
sustentao)
Suponhamos que o nosso objetivo determinar o valor da
fora de sustentao. A varivel dependente ento l.
A funo ento ser do tipo: l=l(r,s,v,c)
Ou seja, as variveis independentes (parmetros do
problema) so: r,s,v e c
Modelagem matemtica -
Novembro de 2007
46
Exemplo Vo de um avio
Est claro que no estamos interessados
em estudar o comportamento de r, s, v e c,
mas somente de l.
Utilizando a intuio fsica podemos dizer
que os valores de r, s e c so
aproximadamente constantes e estudar a
variao de l em relao a v.
Experimentos obtidos do tnel de vento so
como os mostrados na figura seguinte:
Modelagem matemtica -
Novembro de 2007
47
Exemplo Vo de um avio
v - velocidade
l

-

f
o
r

a

d
e

s
u
s
t
e
n
t
a

o
A correlao
quadrtica e
positiva
(proporcionalidade
direta)
Modelagem matemtica -
Novembro de 2007
48
Exemplo Vo de um avio
Evidentemente que a maior densidade teremos
maior sustentao.
A correlao positiva
A maior superfcie da asa maior sustentao
A correlao positiva
A interpretao do parmetro c mais complicado
mais assumimos que a correlao positiva
Como r,s, v e c atuam simultaneamente, a relao
final ser:
2 2
crsv v s r c l = =
Modelagem matemtica -
Novembro de 2007
49
Exemplo Modelo de gravitao
Objetivo: compreender o que a gravidade (por
exemplo queremos saber, por que as coisas caem
ao nosso redor?).
Modelagem matemtica -
Novembro de 2007
50
Exemplo Modelo de gravitao
Resposta de Aristteles:
Os objetos caem na terra devido a que este o seu lugar
natural e todo objeto procura o seu lugar natural.
Comentrio: infelizmente, a pergunta: por que caem os
objetos?, respondida pelo Aristteles, no leva a um
modelo matemtico que possamos avaliar. Por tanto, a
pergunta: por que caem os objetos? no uma pergunta
adequada.
Reformulando a pergunta:
Como atua a gravidade?
Modelagem matemtica -
Novembro de 2007
51
Exemplo Modelo de gravitao de Galileu
Anlise de Galileu:
Qual a forma em que os objetos ganham velocidade na queda?
Que frmula descreve a maneira em que os objetos ganham
velocidade na queda?
Que frmula descreve a rapidez com que os objetos caem
conhecendo o tempo de queda?
Identificando os fatores relevantes:
Galileu decidiu ter em conta somente distncia, tempo e
velocidade.
Poderia ter considerado, por exemplo, o peso, a forma ou a
densidade do objeto.
Modelagem matemtica -
Novembro de 2007
52
Exemplo Modelo de gravitao de Galileu
Identificando os fatores relevantes:
Poderamos nos perguntar, por exemplo, uma bola de
boliche cai mais rpido que uma bole te futebol?. Em outras
palavras, ele poderia ter considerado as condies do ar
(atrito com o ar), o vento e a presso atmosfrica.
Hiptese:
Se um corpo cai partindo do repouso, ento a sua
velocidade em qualquer ponto diretamente proporcional
distncia percorrida durante a queda (hiptese errada).
Modelagem matemtica -
Novembro de 2007
53
Exemplo Modelo de gravitao de Galileu
Observao do fenmeno (estudo qualitativo):
Um objeto cai na terra partindo de uma altura moderada
devido unicamente fora gravitacional.
Isso acontece independentemente do tamanho do objeto.
Observao do fenmeno (estudo quantitativo):
Durante a queda ganha a cada segundo um incremento de
velocidade de 9,8m/s. Em outras palavras, a acelerao
de 9,8m/s
2
.
Modelagem matemtica -
Novembro de 2007
54
Exemplo Modelo de gravitao de Galileu
Descrio matemtica da hiptese:
Seja t = 0 o instante em que um observador v
cair um objeto livremente.
Seja x(t) a distncia que o objeto tem cado
durante t segundos de queda.
Entre os instantes t e t + h a distncia percorrida
ser: x(t+h) x(t)
A velocidade mdia ser ento:
Escolhendo h bem pequeno, i.e. fazendo
teremos
0 h
h
t x h t x
v
) ( ) ( +
=
dt
dx
v v v = ,
Modelagem matemtica -
Novembro de 2007
55
Exemplo Modelo de gravitao de Galileu
A mesma idia pode ser aplicada acelerao, i.e.
Fazendo obtemos
Finalmente, a hiptese em forma matemtica ser:
onde k uma constante de proporcionalidade ainda no
determinada por ns.
Obs. O clculo ainda no foi criado na poca do Galileu, ento o
que estamos seguindo o raciocnio de Galileu, mas adaptado na
nossa poca.
h
t v h t v
a
) ( ) ( +
=
2
2
) ( ,
dx
t d
dt
dx
dt
d
dt
dv
a a a = = =
0 h
kx
dt
dx
=
Modelagem matemtica -
Novembro de 2007
56
Manipulao matemtica do modelo
Resolvendo a equao anterior teremos
sucessivamente:
Para obter c
1
podemos proceder como segue:
kt kt c c kt c kt x
e c e e e x e e
c kt x kdt
x
dx
kdt
x
dx
kx
dt
dx
1
) ln(
) ln(
= = = =
+ = =
= =
+ +
} }
1
0
1
0
1
0 c e c e c
k
= = =
Modelagem matemtica -
Novembro de 2007
57
Manipulao matemtica do modelo
Consequentemente a equao:
tem o valor zero para qualquer valor de t.
Concluso: O objeto nunca se movimenta!!!
kt
e c x
1
=
Modelagem matemtica -
Novembro de 2007
58
Avaliao do modelo
Tendo em conta que a concluso
completamente absurda e que no h erros
na manipulao matemtica, necessrio
reformular o problema.
Galileu chegou a esta concluso tambm.
Modelagem matemtica -
Novembro de 2007
59
Formulando o problema de novo
Hiptese: Se um corpo cai partindo do repouso, ento
a sua velocidade em qualquer ponto proporcional ao
tempo de queda.
Matematicamente a hiptese : kt
dt
dx
v = =
Modelagem matemtica -
Novembro de 2007
60
Manipulao matemtica do modelo
Resolvendo a ltima equao, i.e o modelo
matemtico, temos:
Quando t=0, temos x=0, ento c=0. Portanto
Quem k?
c kt x
ktdt dx kt
dt
dx
+ =
= =
2
2
1
2
2
1
kt x =
Modelagem matemtica -
Novembro de 2007
61
Manipulao matemtica do modelo
Sendo
E tnhamos definido anteriormente a acelerao pela expresso
Consequentemente, k=a e
Ademais podemos obter experimentalmente o valor da
acelerao a. O valor aproximado a=9,8m/s
2
.
Ento, a expresso final ser
k
dt
dx
dt
d
kt
dt
dx
= = ) (
2
2
dt
x d
a =
2
2
1
at x =
2 2
9 , 4 8 , 9
2
1
t t x = =
Modelagem matemtica -
Novembro de 2007
62
Avaliao do modelo
Esta lei de queda concorda bem com muitas
observaes sob diferentes circunstncias.
Evidentemente, h casos onde esta lei no
descreve corretamente a queda de um
objeto, e.g. a queda de uma gota de chuva.
Nestes casos necessrio reformular a
hiptese considerando outros fatores no
tidos em conta no modelo que acabamos de
construir.
Modelagem matemtica -
Novembro de 2007
63
Pesquisas numricas
Considerando correta a ltima expresso podemos responder s
seguintes perguntas:
(i) Se um objeto cai partindo do repouso, qual ser a sua velocidade
depois de 2 segundos de queda?
(ii) Quanto tempo demoraria em cair desde um prdio de 10 andares
(20m de altura aprox.)?.
Para responder primeira pergunta lembremos que
Por tanto
Para responder segunda pergunta lembremos que
Por tanto
t t
dt
d
dt
dx
t v 8 , 9 ) 9 , 4 ( ) (
2
= = =
m v 6 , 19 ) 2 ( =
8 , 9
8 , 9
2
x
t t x = =
s t 43 , 1 ~
Modelagem matemtica -
Novembro de 2007
64
Uma ajuda para obter o modelo Anlise
dimensional
Dizemos que temos essencialmente duas etapas na construo
do modelo matemtico: O estudo qualitativo e o quantitativo.
No estudo qualitativo escolhemos as variveis independentes
(parmetros) e a varivel dependente. Posteriormente dizemos
como eles esto relacionados (ou no).
No estudo quantitativo utilizamos as informaes obtidas no
estudo qualitativo e construmos finalmente o modelo utilizando
o nosso conhecimento da matemtica.
Para determinar a forma que ter o modelo podemos utilizar
uma teoria muito interessante utilizada principalmente na Fsica
e na Engenharia chamada Anlise Dimensional
Modelagem matemtica -
Novembro de 2007
65
Uma ajuda para obter o modelo Anlise
dimensional
Conceitos bsicos:
Observveis:
So os entes que se podem caracterizar por algum efeito
observvel, e.g. cor, comprimento, medo, tempo etc.
Observveis comparveis:
Dois observveis (A) e (B) so comparveis se possvel definir a
relao: (A)/(B)=n, sendo n um nmero qualquer.
Critrio de igualdade:
Diremos que um observvel (A) igual a outro (B) se ocorre:
(A)/(B)=1.
Critrio de soma:
Sejam trs observveis (A1), (A2) e (A3), comparveis como outro
observvel (A0) segundo as relaes: (A1)/(A0)=n1, (A2)/(A0)=n2,
(A3)/(A0)=n3 diremos que (A1)+(A2)=(A3) se n1+n2=n3.
Modelagem matemtica -
Novembro de 2007
66
Uma ajuda para obter o modelo Anlise
dimensional
Grandeza:
Uma grandeza um conjunto de todas dos observveis
comparveis entre eles.
Unidade:
A unidade de uma grandeza (A) um elemento do mesmo
conjunto da grandeza analisada escolhida em forma arbitrria.
- Constantes particulares:
So aquelas que dependem da natureza dos objetos analisados e
que fazem parte do fenmeno estudado, portanto iniludveis, e.g.
Constante elstica de uma mola.
- Constantes universais:
So aquelas que independem da natureza dos objetos analisados,
e.g. velocidade da luz c=2,998E+8m/s, t =3,1415...
Modelagem matemtica -
Novembro de 2007
67
Uma ajuda para obter o modelo Anlise
dimensional
Grandezas bsicas da mecnica:
Comprimento: L
Tempo: T
Massa: M
Homogeneidade dimensional das equaes:
Se diz que uma equao dimensionalmente homognea se
todas as suas parcelas (termos) tm a mesma dimenso. Por
exemplo, F=ma, as dimenses de F, escrita como [F]=MLT
-2
,
[m]=M, [a]=LT
-2
.
O ltimo exemplo mostra que podemos escrever: [F][m][a]=1.
A homogeneidade dimensional implica que os argumentos das
funes exponenciais, logartmicas, trigonomtricas etc. devem
ser adimensionais.
Modelagem matemtica -
Novembro de 2007
68
Uma ajuda para obter o modelo Anlise
dimensional
Homogeneidade matemtica das equaes:
Uma equao f(x
1
,x
2
,...,x
n
)=0 se diz homognea
matematicamente falando se tambm se verifica
f(h
1
x
1
,h
2
x
2
,...,h
n
x
n
)=0.
Com efeito, se f representa uma lei fsica onde x
1
,x
2
,...,x
n
so as medidas das grandezas envolvidas num sistema
coerente de unidades. Como as leis fsicas so invariantes
em relao variao dos sistemas de unidades, ao
trocarmos as unidades por outras obteremos
f(x
1
,x
2
,...,x
n
)=0, as taxas de entre as medidas novas x
i
e
as antigas x
i
sero h
i
=x
i
/x
i
, i=1,..n de onde obtemos
f(h
1
x
1
,h
2
x
2
,...,h
n
x
n
)=0.
Modelagem matemtica -
Novembro de 2007
69
Uma ajuda para obter o modelo Anlise
dimensional
O Teorema H de Buckingham:
Toda equao
que seja uma lei representativa de um fenmeno fsico pode ser
expresso por
onde os so monmios independentes de dimenso nula ou
monmios formadas pelas grandezas consideradas na lei fsica
analisada.
O nmero destes monmios m=n-h onde h o posto da matriz
formada com os expoentes dimensionais das grandezas em relao
a uma base dada.
0 ) ,..., , (
2 1
=
n
x x x f
0 ) ,..., , (
2 1
=
m
f t t t
i
t
t
Modelagem matemtica -
Novembro de 2007
70
Exemplo de aplicao do teorema H: Movimento
retilneo com acelerao constante
Movimento retilneo com acelerao constante:
x=vt+(at
2
)/2
Podemos escrever ento: f(v,a,x,t)=0
O monmio composto por todas as variveis ser:

As grandezas bsicas so: L e T


Impondo que t seja adimensional

Por tanto
t x a v
e e e e
t x a v = t
1 ) ( ) ( ) ( ) ( ] [ ] [ ] [ ] [ ] [
2 1
= = =

t x a v t x a v
e e e e e e e e
T L LT LT t x a v t

= +
= + +
=
+ + +
0 2
0
1
2
t a v
x a v e e e e e e
e e e
e e e
T L
t a v x a v
Modelagem matemtica -
Novembro de 2007
71
Exemplo de aplicao do teorema H: Movimento
retilneo com acelerao constante
Temos duas equaes independentes, i.e. h=2 com quatro
incgnitas (e
v
,e
a
,e
x
, e
t
), i.e. n=4.
Por tanto m=n-h=2.
Como temos duas incgnitas arbitrrias, podemos achar duas
solues linearmente independentes que faa
O que indica que a funo deveria de ter dois termos
1 ] [ = t
v
at
e e e e
vt
x
e e e e
t v a x
t v a x
= = = = =
= = = = =
2
1
1 , 1 1 , 0
1 , 1 0 , 1
t
t
Modelagem matemtica -
Novembro de 2007
72
Exemplo de aplicao do teorema H: Movimento
retilneo com acelerao constante
Finalmente, podemos escrever a funo x=vt+(at
2
)/2 na forma
0
2
1
1 ) , ( 0
2
1
1 ) , , , (
2 1 2 1
2
= = = = t t t t f
vt
at
vt
x
t x a v f
Modelagem matemtica -
Novembro de 2007
73
Passos a seguir para a aplicao do teorema H
Os passos a seguir para a aplicao do teorema H so:
(i) Considerar todas as grandezas que fazem parte do
fenmeno, incluindo as constantes iniludveis
(ii) Estabelecer a matriz de coeficientes e o seu posto
(iii) Determinar o nmero de monmios independentes
(iv) Obter estes monmios
Modelagem matemtica -
Novembro de 2007
74
Exemplo de aplicao do teorema H: Queda livre
partindo do repouso
Este problema j foi estudado e foram propostos dois
modelos de Galileu, obteremos agora a frmula
utilizando o teorema H
Formulando novamente o problema podemos dizer:
Um corpo de massa m cai livremente desde uma altura h por
efeito da gravidade partindo do repouso.
As variveis a ter em conta so: massa, acelerao,
velocidade, altura.
Objetivo: obter a relao entre velocidade com que chega ao
solo (v), acelerao devido gravidade (g), a altura (h) e a
massa (m).
Modelagem matemtica -
Novembro de 2007
75
Exemplo de aplicao do teorema H: Queda livre
partindo do repouso
Seguindo os passos propostos anteriormente:
(i) A base das dimenses a utilizar {L,M,T}
Escrevendo as grandezas envolvidas nesta base teremos
[m]=M
[h]=L
[g]= LT
-2
[v]=LT
-1
(ii) A matriz de coeficientes ser
A =
(
(
(
(


v g h m
1 2 0 0
1 1 1 0
0 0 0 1
T
L
M
Modelagem matemtica -
Novembro de 2007
76
Exemplo de aplicao do teorema H: Queda livre
partindo do repouso
O posto desta matriz 3 (h=3) e temos 4 grandezas (n=4)
(iii) O nmero de monmios independentes que podemos
formar : m=n-h=1
(iv) Escrevendo a equao: Ae=0 obtemos o monmio
procurado

=
= + +
=

(
(
(


=
0 2
0
0
0
0
0
0
1 2 0 0
1 1 1 0
0 0 0 1
v g
v g h
m
v
g
h
m
e e
e e e
e
e
e
e
e
Ae
Modelagem matemtica -
Novembro de 2007
77
Exemplo de aplicao do teorema H: Queda livre
partindo do repouso
Como h uma varivel livre, escolhemos: e
h
=1 de onde
obtemos: e
g
=1, e
v
=-2
Consequentemente:
Qual o valor de cte?. Por outros caminhos possvel obter
gh cte v
cte
v
gh
v
gh
gh v m
=
= = = =

2
1
2
2 0
1
t t
2 = cte
Modelagem matemtica -
Novembro de 2007
78
Exemplo de aplicao do teorema H: Perodo de
um pendulo Fatores de forma
Ocorre as vezes que para achar os monmios t no haja
necessidade de fazer clculo algum.
Isto acontece com as grandezas adimensionais, tais como
ngulos, que j so monmios adimensionais.
Tambm quando num fenmeno a estudar aparecem duas
grandezas com as mesmas dimenses, portanto o seu quociente
j um monmio t.
Em todos estes casos estes monmios obtidos sem necessidade
de clculo chamam-se fatores de forma.
Vejamos como determinamos os monmios t quando temos estes
fatores de forma.
Modelagem matemtica -
Novembro de 2007
79
Exemplo de aplicao do teorema H: Perodo de
um pendulo Fatores de forma
(i) As variveis a serem tido em conta durante a modelagem
so: comprimento (l), gravidade (g), perodo (t), massa (m),
amplitude angular (u)
A amplitude angular um fator de forma, i.e. t
1
= u
Escolhendo como base {L,M,T} temos:
(ii) A matriz de coeficientes na base {L,M,T}
O posto da matriz A h=3
| |
| |
| |
| |

=
=
=
=

M m
T
LT g
L l
t
2
A =
(
(
(
(

m g l
0 1 2 0
0 0 1 1
1 0 0 0
t
T
L
M
Modelagem matemtica -
Novembro de 2007
80
Exemplo de aplicao do teorema H: Perodo de
um pendulo Fatores de forma
(iii) O nmero de monmios independentes m=n-h=4-3=1.
Adicionalmente temos o fator de forma u
(iv) Clculo do monmio:
Como temos uma varivel livre, como estamos procurando o
perodo fazemos:
A funo que segue o processo da forma:

= +
= +
=

(
(
(

0 2
0
0
0
0
0
0
0 1 2 0
0 0 1 1
1 0 0 0
t
t
e e
e e
e
e
e
e
e
g
g l
m
m
g
l
l
g
e e e e
l g m
t t
t
= = = = =
2
2
1
,
2
1
, 0 1
) ( ) ( ) (
1 2
u t u t t
l
g
= = =
Modelagem matemtica -
Novembro de 2007
81
Exemplo de aplicao do teorema H: Perodo de
um pendulo Fatores de forma
O resultado analtico para : ) (u ...)
16
1 ( 2 ) (
2
+ + =
u
t u
Modelagem matemtica -
Novembro de 2007
82
O princpio de similaridade
O princpio de similaridade uma generalizao da homogeneidade
dimensional das equaes da fsica. O enunciado a seguinte:
As leis da fsica so invariantes ante mudanas de das medidas do
fenmeno fsico num mesmo sistema de unidades, sejam estes
mudanas reais ou imaginrias.
A utilidade prtica deste princpio consiste no estudo das propriedades
fsica de uma maquete realizada a escala reduzida, para depois aplicar o
resultado ao objeto real.
Esta prtica de grande importncia para a construo de avies, navios
e obras hidrulicas.
Podemos fazer tambm discusses sobre mudanas reais e imaginrias
nas medidas de objetos.
Modelagem matemtica -
Novembro de 2007
83
Exemplo H. Poincar e o seu aougueiro
Uma histria que contada frequentemente a do Poincar e o
seu aougueiro.
Poincar teria perguntado:
O que aconteceria no universo se todas as medidas ficassem
bruscamente multiplicados, por exemplo por 10?
Poincar opinava que ningum iria perceber o fato e que o nosso
universo seria idntico ao anterior.
Se conta que o seu aougueiro teria no concordou com ele.
Pensava o aougueiro que o peso de um chourio dependia do seu
tamanho (volume) e que aumentaria segundo L
3
(10
3
), enquanto que
a corda que o sustentava teria uma resistncia proporcional a sua
seo e conseqentemente aumentaria segundo L
2
(10
2
).
Modelagem matemtica -
Novembro de 2007
84
Exemplo H. Poincar e o seu aougueiro
Isso faria que o peso do chourio aumentaria
desproporcionalmente com a resistncia do fio provocando a
queda do chourio.
Quem tinha a razo?
Modelagem matemtica -
Novembro de 2007
85
Exemplo H. Poincar e o seu aougueiro
Vemos que o aougueiro pensava que o chourio cai devido a sua
massa e no a seu peso. E fazendo [m]=r[]L
3
, podemos dizer que
o aougueiro tambm pensava que a densidade permanecia
constante durante a transformao. Ao considerar = cte est se
admitindo a criao da matria na transformao pelo aumento de
volume.
Na verdade, o aougueiro deveria ter considerado o peso. Como
[p]=MLT
-2
=(ML
-3
)L
4
T
-2
=[]L
4
T
-2
. Por conseguinte, aparentemente o
chourio cairia ainda antes do que ele imaginava (veja que temos L
4
ao invs de L
3
).
Por outro lado, consideremos a resistncia R da corda. Se a corda
tem uma seo S, a resistncia da mesma ruptura ter a forma
R=kS, onde k uma constante caracterstica da corda.
Modelagem matemtica -
Novembro de 2007
86
Exemplo H. Poincar e o seu aougueiro
Admitindo a homogeneidade das equaes da fsica, as
dimenses da constante k estar dada por:
[k]=[R][S]
-1
=(MLT
-2
)(L
-2
)=ML
-3
L
3
L
-1
T
-2
=[]L
3
L
-1
T
-2
Portanto [k]=[]L
2
T
-2
.
Conseqentemente a resistncia da corda aumentaria
segundo L
2
devido ao aumento da sua seo e segundo L
2
devido ao aumento da constante k.
Podemos concluir ento que o aumento da resistncia
aumentaria proporcionalmente a L
4
e o chourio no cairia.
Modelagem matemtica -
Novembro de 2007
87
Exemplo Tamanho de um animal e a sua
caracterstica dinmica
Agora temos um fato real estudando animais grandes e pequenos
e a suas caractersticas
O que aconteceria se as dimenses de um animal mudassem,
permanecendo constantes as do resto do universo?
O peso do animal ser:
Onde L
a
representa as dimenses do animal e L o do resto do
universo que permanecem inalterados.
A fora dos msculos do animal dependem da sua seo e portanto
de L
a
2.
Comparando a relao do seu peso (L
a
3
) com a fora dos seus
msculos (L
a
2
) podemos chegar concluso seguinte:
Os animais pequenos movimentam bem melhor os seus corpos que
dos animais maiores.
| | | || | | |
2 3 2 3 3 2
gravidade massa peso

= = = = LT L LT L ML MLT
a a a

Modelagem matemtica -
Novembro de 2007
88
Exemplo Tamanho de um animal e a sua
caracterstica dinmica
A concluso anterior explica:
Por que as crianas so to geis e inquietos
Um pigmeu normal salta a sua prpria altura
Se um elefante saltasse em proporo a uma pulga, os seus
saltos seriam de 800m (Comprimento da pulga =2mm, salto da
pulga =40cm, comprimento do elefante =4m)
Um homem de 10m de altura s poderia viver deitado
Um animal caador no pode ser grande porque perderia
agilidade. Assim todos os grandes animais so herbvoros.
O excesso de temperatura numa carreira proporcional a L
a
3
mas a perda de calor atravs da pele proporcional a L
a
2
. Portanto
um animal grande perde o excesso de calor gerado numa
carreira com dificuldade.