Modelagem Matemática - Capítulos 1 e 2

Modelagem Matematica - Rodney Bassanezzi
Rodney Bassanezzi
Pr
el
im
in
ar
Modelagem Matematica
Modelagem Matematica
UFABC - Universidade Federal do ABC
sa
Santo Andre
http://gradmat.ufabc.edu.br/
Versao .1
Ve
r
Versao compilada em: 21 de marco de 2012
Escrito em LATEX.
Ve
r
sa
Pr
el
im
in
ar
RIO
SUMA
Ve
r
sa
Pr
el
im
in
ar
O
INTRODUC
A
im
in
ar
A maior dificuldade que notamos para a adoca o do processo de modelagem, pela maioria
dos professores de matematica, e a transposica o da barreira naturalmente criada pelo
ensino tradicional onde o objeto de estudo apresenta-se quase sempre bem delineado,
obedecendo a uma sequencia de pre-requisitos e que vislumbra um horizonte claro de
chegada tal horizonte e muitas vezes o cumprimento do programa da disciplina.
Ve
r
sa
Pr
el
Na modelagem, o incio e apenas o tema de estudo escolhido onde ainda nao se

tem ideia do conteudo
matematico que sera utilizado. Nesse estagio, colocamos para os
iniciantes que quando nao se tem nenhuma ideia do que fazer, comece contando ou medindo
com este procedimento, e natural aparecer uma tabela de dados e isto pode ser o comeco
da modelagem. A disposica o dos dados em um sistema cartesiano e um bom ajuste dos
seu valores, facilitara a visualizaca o do fenomeno
em estudo, propiciando tentativas de
propostas de problemas, conjecturas ou leis de formaca o A formulaca o de modelos

matematicos e simplesmente uma consequencia deste processo. A situaca o colocada
desta forma pode dar a falsa impressao que aprender modelagem matematica e como
aprender o conteudo
de uma disciplina bem estruturada. Entretanto, o aprendizado de
modelagem nao se restringe ao aprendizado de tecnicas padronizadas ou procedimentos

sequenciais tal como um protocolo cirurgico.
Da mesma forma que so se pode aprender a
jogar futebol, jogando, so se aprende modelagem, modelando! - O tecnico pode aprimorar

o comportamento de um jogador e ensaiar jogadas mais efetivas mas o resultado final
depende exclusivamente da criatividade e habilidade deste jogador; ainda assim, em
cada partida sua atuaca o e rendimento podem ser bastante diferenciados, dependendo
do comportamento da equipe adversaria. O mesmo se da em todas as atividades que
exigem alguma dose de criatividade - a pintura e um exemplo tpico: o indivduo pode
aprender todas as tecnicas de uma pintura e saber misturar todas as cores, pode inclusive
reproduzir alguma obra de outro pintor mas nao sera um bom artista se nao aliar uma
boa dose de criatividade a` s suas habilidades tecnicas.
A atividade de aplicar matematica e tao antiga quanto a` propria
matematica. E sabido
que muitas ideias em matematica surgiram a partir de problemas praticos. Tambem

e verdade que o uso de matematica em outras a reas do conhecimento tem crescido
substancialmente a ponto de se esperar que ela venha a resolver todos os tipos de
situacoes.
Apesar disso, por mais que se treine um matematico com o estudo de teorias, e
evidente que grande parte deles nao demonstre habilidades para empregar matematica em
outras a reas. O que entendemos por habilidades neste contexto, consiste em tomar um
problema definido em alguma situaca o pratica relativamente complexa, transforma-lo em
um modelo matematico e procurar uma soluca o que possa ser reinterpretada em termos
da situaca o original.
Pr
el
im
in
ar
Um esquema simples deste processo e dado por McLone:
Figura 0.1: Esquema simplificado de modelagem
sa
Entretanto, tal esquema nao sugere como se pode desenvolver habilidades de

matematico aplicado nem tampouco como adquir-las, o que nos leva ao questionamento:
e possvel ensinar modelagem matematica?
Ve
r
Sem querer ser demasiadamente simplista na reposta, nem tampouco pernostico
como dono da verdade, diramos que a melhor maneira de se aprender modelagem

matematica e fazendo modelagem, e de preferencia juntamente com alguem que ja teve
alguma experiencia.
Partimos da premissa que nao e necessariamente o conteudo
matematico, mas o
estilo e atitudes considerados em um curso de Matematica Aplicada que proporcionam

condicoes
favoraveis para que os estudantes se sintam interessados e motivados pelas
aplicacoes.
A atividade de matematizaca o de situacoes

reais nao e diferente em Biologia ou
daquela obtida em aplicacoes
mesmo em Historia
tradicionais como em Fsica, por
exemplo. Um incio de treinamento pode ser realizado quando mudamos a a rea de

aplicaca o e produzimos novos modelos ou usamos modelos conhecidos e os modificamos,
introduzindo novas variaveis ou hipoteses.
im
in
ar
E importante para aqueles que se dispoem

a trabalhar com modelagem matematica
estabelecer alguns criterios de qualidade. Os criterios devem ser adequados aos objetivos
que devem ser bem definidos a priori Por exemplo, se vamos utilizar o processo de
modelagem matematica para motivaca o de certos conteudos
matematicos ou valorizaca o
da propria
matematica, muitas vezes a validaca o dos modelos nao e um criterio fundamental
para sua qualificaca o Neste caso, o alvo e o proprio

aprendizado de matematica. Por
outro lado, se estamos mais interessados nos resultados fornecidos pelo modelo para
entender a situaca o modelada entao a sua validaca o e indispensavel.
Ve
r
sa
Pr
el
Este livro, assim como o primeiro que escrevemos (ensino-aprendizagem com

modelagem matematica- Edit. Contexto, 2000), tem como objetivo principal introduzir
o leitor no processo de modelagem matematica - O conteudo
matematico utilizado nos
exemplo e bastante simples e basico em qualquer curso de ciencias exatas ou mesmo

biologicas.
Os modelos apresentados sao frutos de cursos de especializaca o para pro
fessores do ensino medio e fundamental. Salientamos, entretanto, que a estrategia de
modelagem pode ser adotada em qualquer situaca o ou ambiente educacional, usando-se,
evidentemente, conteudo
proprio
do estagio da classe. O processo de modelagem pode
seguir os mesmos passos que no ensino superior: medir e/ou contar, analisar os dados,
formular hipoteses,
propor modelos e valida-los. este procedimento, em termos de ensino
- aprendizagem tem a grande vantagem de propiciar ao modelador a oportunidade de

exercer sua criatividade, nao somente em relaca o a` s aplicacoes
e habilidades matematicas
mas, principalmente,na formulaca o de problemas originais. Muitas vezes, a formulaca o
de um problema e mais estimulante que sua propria
resoluca o.1
1 A modelagem como processo de ensino-aprendizagem pode ser utilizada de maneiras diversas se o ambiente de ensino for diferenciado. Assim, se estamos num ambiente de Iniciaca o Cientfica ou cursos de
nao causa grandes problemas.
Especializaca o para professores de matematica, o programa de conteudos
Entretanto, se o curso for regular com um programa a ser cumprido o processo de modelagem deve ser adaptado,
do conteudo
a ser tratado no
considerando temas dirigidos que tenham modelos com caractersticas proprias
curso. Neste caso, tambem nao se pode deixar de fazer a formalizaca o contnua dos objetos matematicos que
aparecem nos modelos e e desejavel que o professor ja tenha trabalhado anteriormente com o tema para que
o desenvolvimento do curso flua normalmente.
sicos para modelagem

procedimentos b a
Alguns procedimento podem ser considerados gerais em modelagem:
Aquisica o de tecnicas basicas e teoria
Estudo de problemas classicos
im
in
ar
Aqui a questao que tem duas alternativas: Faz-se modelagem para aprender
matematica? ou Aprende-se matematica para poder aplicar?- Neste caso, a resposta
deve ser dada dependendo da situaca o ou ambiente educacional de cada um.
Entretanto, acredito que ensinar matematica tendo como pano de fundo alguma
situaca o real seja muito mais motivador, principalmente quando as situaca o ou
temas forem escolhidos pelos alunos. Ensinar com modelagem e mais atraente.
matematico vem com o interesse despertado pelo
A formalizaca o do conteudo
problema, muitas vezes criados pelos alunos e aprendizagem pode ser reforcada
com a abstraca o de princpios unificadores para certas situacoes.
Pr
el
O estudo de problemas semelhantes aos propostos na modelagem favorecem

o aprendizado. E o momento de mostrar que a matematica e uma ferramenta
essencial para o entendimento de situacoes
diferenciadas mas com desenvolvimentos
semelhantes. A apresentaca o e resoluca o de problemas classicos ajudam a entender
as tecnicas a serem aplicadas nos novos problemas. Modelar,neste caso, passa a ser
uma busca de analogias com situacoes
conhecidas.
Questionamento ou crtica a respeito da fabilidade de modelos classicos
Ve
r
sa
Uma maneira de se propor um problema novo e perguntar e se...?quando se tem

um modelo classico. Este e o primeiro passo de uma modelagem, e como retocar um
quadro de outro pintor e, muitas vezes, os resultados sao impressionantes, parecendo
um quadro completamente novo. Em se tratando de pesquisa em matematica este
procedimento e muito frequente e tem sido um dos fatores responsaveis pelo
desenvolvimento desta ciencia.
Improvisaca o de novas tecnicas quando as existentes sao inadequadas

Para cada situaca o existe uma matematica mais ou menos adequada para descrevela. Varios modelos alternativos podem ser utilizados para modelar uma mesma
situaca o. Os pesquisadores sempre estao a` procura do modelo mais adequado e com
este objetivo muitas vezes se da o aparecimento de novas teorias e a improvisaca o
de novas tecnicas matematicas.
Organizaca o de material (dados experimentais, bibliograficos, etc.)
im
in
ar
Num processo de modelagem a coleta de dados e fundamental e sua sistematizaca o

fornece pistas para se propor os modelos. Muitas vezes uma analise estatstica
preliminar tambem facilita a modelagem. Trabalhar em cooperaca o com especialistas
de outras a reas e muito enriquecedor, proporciona um melhor entendimento do
fenomeno
e, quase sempre, calibra ou adequa o material matematico empregado no
modelo que deve ser validado pelo especialista.

Formulaca o de problemas em termos matematicos
A grosso modo formular um problema e fazer a transferencia de caractersticas

proprias
de uma situaca o para a matematica e vice-versa -E como um dicionario
bilngue linguagem usual-matematica, matematica - linguagem usual. Algumas

palavras tem traducoes
imediatas - e o caso de proporcional; variaco es; estabilidade;
crescimento etc.
Ve
r
sa
Pr
el
Vamos introduzir alguns recursos basicos para a iniciaca o a` modelagem, nao perdendo de vista nosso objetivo principal que e o ensino-aprendizagem de matematica.
Ve
r
sa
Pr
el
im
in
ar
E TA PA S D E U M A M O D E L A G E M
im
in
ar
Pr
el
A modelagem e o processo de criaca o de modelos onde estao definidas as estrategias de

aca o do indivduo sobre a realidade, mais especificamente, sobre a sua realidade, carregada
de interpretacoes
de cada modelador. Em nossos cursos de
e subjetividades proprias
Especializaca o ou Reciclagem de professores, temos procurado conjugar a experiencia

de ensino com a perspectiva da modelagem, buscando aliar, da melhor forma possvel,
preocupacoes
filosoficas
e metodologicas
especiais - Tais preocupacoes
teoricas,
levam em
conta os recursos humanos disponveis, os interesses partilhados por professores, alunos

e comunidade, o contexto social, poltico, economico
etc. A utilizaca o da modelagem na
educaca o matematica valoriza o saber fazer do cursista, desenvolvendo sua capacidade

de avaliar o processo de construca o de modelos matematicos nos diferentes contextos de
aplicacoes
dos mesmos, a partir da realidade de seu ambiente.
Diferentes concepcoes
de ensino de Matematica e consequencia de diferentes
Matematica. Quando se assume a visao de Matematica

concepcoes
sobre a propria
como algo presente na realidade, sendo uma estrategia de aca o ou de interpretaca o desta
realidade, se esta adotando o que caracterizamos como uma postura de etno/modelagem.
Entendemos por etnomatematica, a matematica praticada e elaborada por um grupo
Buscamos tambem resgatar,
cultural e que esta presente nas mais diversas situacoes.
num curso de especializaca o, o conhecimento etnomatematico, suas interpretacoes

e
contribuicoes,
atraves de alguma sistematizaca o matematica.
Ve
r
sa
Trabalhar com Modelagem Matematica em tais cursos, nao visa simplesmente

a ampliaca o do conhecimento matematico dos professores cursistas, mas sobretudo,
o desenvolvimento da forma de pensar e agir destes profissionais - E a produca o do
saber aliado a` abstraca o e formalizaca o interligadas a fenomenos
e processos empricos
encarados como situacoes-problema.
A modelagem matematica e simplesmente uma estrategia utilizada para obtermos

alguma explicaca o ou entendimento de determinadas situacoes
reais. No processo de
reflexao sobre a porca o da realidade selecionamos os argumentos considerados essenciais
e procuramos uma formalizaca o artificial (modelo matematico) que contemple as relacoes
que envolvem tais argumentos. O passo inicial e encontrar dados experimentais e/ou
im
in
ar
inferencias de especialistas relativos ao tema. Em outras palavras, geralmente, uma

modelagem tem incio com uma tabela de valores que pode ser obtida das mais diferentes
formas. Atualmente a Internet tem sido a primeira fonte de informacoes,
que vao
sendo complementadas conforme a exigencia dos modelos no processo de refinamento e

aprendizagem. Salientamos que o refinamento dos modelos constitui a ideia basica da
modelagem quando estamos preocupados com o processo ensino-aprendizagem. Para
cada novo modelo, de uma mesma situaca o, exige-se novos conhecimentos tanto da a rea
que se insere o fenomeno
analisado como da propria
matematica utilizada.
Se em determinadas situacoes
e muito complicado ou mesmo impossvel obter
uma base de valores numericos, mesmo assim se pode formular modelos matematicos
coerentes desta realidade ainda que, neste caso, nao se possa valida-los.
Nesta seca o vamos dar um exemplo abstrato de carater geral de uma modelagem.
O mesmo procedimento pode ser usado em quase todas as situacoes
analisadas.
Pr
el
1.1 escolha de temas
sa
O incio de uma modelagem se faz com a escolha de temas Faz-se um levantamento de

possveis situacoes
de estudo as quais devem ser, preferencialmente, abrangentes para que
possam propiciar questionamentos em varias direcoes.
Por exemplo, se o tema escolhido
for vinho pode-se pensar em problemas relativos a` vinicultura, fabricaca o, distribuica o,

efeitos do a lcool no organismo humano, construca o de toneis, entre outros. Se for abelha,
poderao surgir problemas de dinamica populacional, dispersao de colmeias, forma dos
alveolos, comercializaca o do mel, comunicaca o dos insetos, interaca o com plantacoes
etc. De qualquer modo, se um tema escolhido for desconhecido ou novo, o professor

deve, antes de mais nada, procurar temas correlacionados e buscar uma analogia entre os
fenomenos
ou, pelo menos, entre os tendencias de seus valores.
Ve
r
E muito importante que os temas sejam escolhidos pelos alunos que, desta forma,
se sentirao co-responsaveis pelo processo de aprendizagem, tornando sua participaca o
mais efetiva. E claro que a escolha final dependera muito da orientaca o do professor que
discursara sobre a exequibilidade de cada tema, facilidade na obtenca o de dados, visitas,
bibliografia etc.
Tanto no caso onde haja apenas um tema escolhido como quando os temas sao
diversificados, os alunos devem trabalhar em pequenos grupos com problemas especficos
do tema comum ao grupo. Assim, o levantamento de problemas deve ser feito em grupos
10
ja definidos o professor nao deve propor diretamente os problemas mas deve atuar
como monitor em cada grupo, sugerindo situacoes
globais que devem ser incorporadas
pelos alunos.
Nas diversas situacoes
de modelagem que participamos em cursos de Especializaca o
para professores, os temas escolhidos para pesquisa, foram bastante diversificados e
muitas vezes excentricos. Segue uma listagem dos temas escolhidos e sua frequencia:
im
in
ar
Agricultura: Milho, Soja, Trigo, Cana-de-acucar

(2), Seringueira, Urucum, Cafe,
Erva-mate, Movimento dos Sem Terras, Irrigaca o;

Fruticultura: Laranja, Uva (2), Banana, Maca (2);
Horticultura: Alface, Pepino, Hidroponia;
Animais: Suinicultura (2), Apicultura, Ranicultura, Piscicultura (3), Pecuaria, Minhocultura; Avicultura (2), Andorinhas, Jacare, Escargot ;
Saude:Doenc
as (2), AIDS, Medicamentos genericos, Antibioticos,
Cefaleia, Dengue,
Dieta alimentar, Paranoia, Fumante, Gripe suna;
Pr
el
Lazer: Esporte, Olimpada, conforto, festa do peao, atividades sociais, brincadeiras

infantis, cinema, estilingue, bebidas alcoolicas;
Industrializaca o: Papel, Cerveja (2), Pneu, Embalagem, Estocagem, Moveis,

Pisos,
Fermentado lacteo, Vinho, Ceramica artstica, Olaria, Tecelagem manual e mecanica,

Latas, Vaca mecanica, Olaria, Coca-cola, Leite, Carroca;
Ecologia: Poluica o, Agua,

Lixo (3), Rio Cuiaba, Indice
pluviometrico, Sensoriamento
remoto, Reflorestamento;
Transporte: Transporte coletivo (4), Acidentes de transito;
sa
Energia Eletrica (2) Usina, Iluminaca o de ruas, Eletrificaca o de uma favela;
Ve
r
Outros: Construca o civil, Violencia (2), Esoterismo, Madeira, Aquecedor solar, Sabao
em po,
Cores, Dvida Externa, Mineraca o de ouro, Missoes
Jesutas, Super Mercado,
Eleica o.
A diversidade dos temas por si so ja e uma demonstraca o da abrangencia do

programa e muitos serviram como motivaca o de pesquisa em projetos de Matematica
Aplicada. Por exemplo, do tema fabricaca o de papeltivemos modelos simples do
controle de bacterias que motivaram posteriormente o estudo de controle de tumores
cancergenos numa tese de doutorado no IMECC-Unicamp [?] . Do tema Maca , o
projeto de espalhamento de doencas proporcionou um estudo a posteriori de modelos
11
alternativos de disseminaca o de doencas em ambientes fechados onde introduzimos sistemas dinamicos fuzzy e que iremos apresentar neste texto [?]. Por outro lado, alguns temas
desenvolvidos em cursos de Especializaca o assim como o proprio
processo de modelagem
motivaram varias pesquisas em cursos de pos-graduac

a o de Educaca o Matematica.
1.2 coleta de dados
im
in
ar
Para a escolha de um tema a regra e bastante simples: nao tenha medo e escolha
algo que voce gostaria de entender melhor.
Uma vez escolhido o tema, o proximo

passo e buscar informacoes
relacionadas com o
assunto. A coleta de dados qualitativos ou numericos pode ser efetuada de varias formas:
Pr
el
Atraves de entrevistas e pesquisas executadas com os metodos de amostragem

aleatoria
Neste caso a organizaca o de um questionario eficiente e a utilizaca o de
alguns conceitos basicos de Estatstica sao fundamentais;
Atraves de pesquisa bibliografica, utilizando dados ja obtidos e catalogados em

livros e revistas especializadas;
Atraves de experiencias programadas pelos proprios
alunos.
Ve
r
sa
Quando se efetua uma coleta de dados, tendo como pano de fundo o tema escolhido,
muitas vezes o resultado obtido e bastante inesperado e interessante e acabamos coletando
ou selecionando informacoes
de outras situacoes
correlatas ao tema inicial. Quando buscamos informacoes
de espalhamento de doencas de maca s encaixotadas, nos deparamos
com problemas classicos de empilhamento de bolas, conjecturas famosas como a de Kepler
e publicacoes
como as de Alpoim. Em termos de ensino-aprendizagem de ma historicas
tematica esta situaca o e bastante favoravel pois proporciona direcionamentos alternativos

para se desenvolver a aprendizagem de algum conteudo.
Os dados coletados devem ser organizados em tabelas que, alem de favorecerem

uma analise mais eficiente, podem ser utilizadas para a construca o dos graficos das
curvas de tendencias. A seguir faremos um exemplo com dados fictcios de uma suposta
modelagem:
12
Dados Iniciais
im
in
ar
Consideremos que, de alguma situaca o analisada, obtivemos uma sequencia de valores

dados na seguinte tabela:
Variavel
xn
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
9,5
18,5
29,1
46,9
70,8
121,1
175,3
257,7
351,4
440,8
512,9
562,2
597,7
629,4
642,3
651,2
Pr
el
Tempo
n
sa
Tabela 1.1: Dados fictcios
Ve
r
A tabela 1.1 acima indica a existencia de uma relaca o entre a variavel xn e o

estagio ou tempo n. A curva de tendencia dos valores (figura 1.1) nos oferece uma ideia
de como deve se comportar o modelo matematico, neste caso, traduzido por uma funca o
discreta xn = f(n).
Uma primeira abordagem do problema e conseguir mais informacoes

sobre a
dinamica dos pontos da sequencia {xn } , o que pode ser obtido calculando-se a diferenca
(ou variaca o simples) xn = xn+1 xn (ver tabela 1.2).
13
im
in
ar
Figura 1.1: Tendencia da sequencia xn
Variavel
xn
Variaca o
xn+1 xn
Modelo
xn
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
9,5
18,5
29,1
46,9
70,8
121,1
175,3
257,7
351,4
440,8
512,9
562,2
597,7
629,4
642,3
651,2
9
10,6
17,8
23,9
50,3
54,2
82,4
93,7
89,4
72,1
49,3
35,5
31,7
12,9
9,9
9,5
14,6
22,2
33,9
51,2
76,8
113,6
164,6
231,8
314,0
404,6
492,2
564,1
614,2
644,1
660,0
Ve
r
sa
Pr
el
Tempo
n
Tabela 1.2: Dados experimentais e variacoes

simples
A Figura 1.2 apresenta a tendencia das variacoes

xn = xn+1 xn em relaca o aos
valores xn . Uma curva contnua que se ajusta a estes pontos deve ter a concavidade
voltada para baixo e passar por um ponto de maximo.
14
im
in
ar
Figura 1.2: Variacoes

simples
lise de dados e formulac

o de modelos
1.3 an a
a
Pr
el
Buscar um modelo matematico que expressa a relaca o entre as variaveis e , efetivamente, o

que se convencionou chamar de modelagem matematica. Muitas vezes, tais modelos sao
dados pela soluca o de sistemas variacionais. Desta forma, e sempre conveniente entender
como e a variaca o das variaveis envolvidas no fenomeno
analisado.
Podemos observar na figura 1.2 e na tabela 1.2 que a variaca o simples xn = xn+1
xn tem um aspecto de uma funca o quadratica, e positiva e crescente ate, aproximadamente,
93, 7 e depois decresce, tendo sempre uma concavidade para baixo. Entao, podemos
considerar uma curva que ajusta estes pontos na forma de uma parabola. Usando o
programa de ajuste do Excel, obtemos a parabola (ver figura 1.4),
sa
xn+1 xn = 0, 0008x2n + 0, 5664xn 7, 4859

O modelo de interaca o fornece cada valor xn+1 desde que se conheca o valor anterior xn
e, neste caso, temos:
Ve
r
xn+1 ' 0, 0008x2n + 1, 5664xn 7, 4859
Por outro lado, se tomassemos diretamente da tabela 1.1 os valores de xn+1 e xn ,

teramos o ajuste quadratico
xn+1 = 0, 0008x2n + 1, 523xn + 5, 622
(1.3.1)
15
im
in
ar
Ve
r
sa
Pr
el
Figura 1.3: Ajuste da curva xn+1 em funca o de xn
Figura 1.4: Relaca o entre os valores anteriores e posteriores e Ajuste quadratico entre xn+1 e xn
16
que nao e muito diferente do ajuste anterior.

O conceito de ajuste de curvas e o processo de quadrados mnimos estao no Cap. 7.
im
in
ar
o
1.4 validac
a
A equaca o 1.3.1 e uma formula
de recorrencia onde cada termo depende do anterior, isto
e ,

xn+1 = f(xn )
(1.4.1)
x0 dado
- Equacoes
deste tipo sao denominadas equaco es de diferencas finitas. A proposta em casos
como este e encontrar a soluca o da equaca o, ou seja, determinar a relaca o existente entre
a variavel de estado xn e o estagio n, como veremos na Seca o 2.3.
Pr
el
A validaca o de um modelo e um processo de aceitaca o ou rejeica o do mesmo e esta

analise e condicionada a varios fatores, sendo preponderante o confronto dos dados reais
com os valores do modelo. Um bom modelo deve servir para explicar os resultados e tem
capacidade de previsao e novos resultados ou relacoes
insuspeitas.
Ve
r
sa
A formulaca o inicial de um modelo simples e fundamental para se entender melhor

o problema e diagnosticar quais caractersticas do fenomeno
devem ser consideradas
no modelo. Entretanto, nem sempre um primeiro enfoque do problema ou um modelo

simplista conduz a bons resultados sendo necessario sua reformulaca o que, geralmente, e
obtida com modificacoes
nas variaveis ou nas leis de formaca o previamente estabelecidas.
Ainda, no processo de modelagem, a escolha do instrumental matematico e fundamental
principalmente em se tratando de promover o conhecimento matematico. Assim, num
ambiente de estudo do ensino basico um modelo simples, mesmo que nao reproduza
perfeitamente os dados experimentais, pode ser bastante eficiente no contexto educacional.
Um modelo matematico e bom quando satisfaz algum objetivo e quando o usuario o
considera como tal.
O uso de graficos das solucoes
e a confecca o de tabelas de dados modelados
em confronto com os dados experimentais, podem facilitar a validaca o de um modelo
matematico ou mesmo, sugerir modificacoes
nos mesmos.
17
Ve
r
sa
Pr
el
im
in
ar
N C I A E E S TA B I L I D A D E
CONVERGE
Pr
el
im
in
ar
Figura 2.1: Rua de - S. Miguel (Acores)
Ve
r
sa
A formulaca o matematica de um modelo depende da escolha que se faz em relaca o a`

continuidade ou nao das variaveis observadas. Variaveis sao grandezas que se modificam
durante o processo. Quando se tem um conjunto finito de dados observados, dizemos
que este conjunto discreto corresponde a` uma sequencia finita de valores {xn }16n6k =
{x1 , x2 , ..., xk } . Se a variavel x pode assumir todos os valores reais intermediarios entre os
valores discretos da sequencia dizemos que x e uma variavel contnua.
No caso de processos dinamicos (processos que evoluem com o tempo), precisamos
fazer a mesma escolha para como mediremos o tempo. Podemos trabalhar com tempo
discreto, caso no qual o modelo seria dado por uma ou mais sequencias temporais
x1 , x2 , x . . .; ou podemos olhar para tempo contnuo (t R)), e neste caso o modelo seria
dado por funcoes
f : R R.
19
Em ambos os casos e importante entendermos como se comporta nosso modelo ao

longo do tempo. Podemos querer saber, por exemplo, qual o tamanho maximo que pode
ter uma populaca o de peixes em um tanque de criaca o, ou se o ndice de criminalidade
de uma regiao tende a crescer ou diminuir ao longo do tempo.
ncias
2.1 sequ e
im
in
ar
Por isso, nas proximas

sessoes
vamos estudar o chamado comportamento assintotico

de sequencias e funcoes.
Ou seja, como se comportam seus valores para tempos muito
grandes.
Uma sequencia real e um conjunto discreto dado por uma funca o real definida num
subconjunto A N :

f:ANR
n f(n) = xn
Pr
el
Se a funca o f puder ser extendida ao intervalo [a, b] onde a = min { x A} e b =

max { x A} , entao a variavel de estado xn e dita contnua.
1
Por exemplo, dada a sequencia f(n) = n
, com N, a imagem da funca o f e um
1 1

1
conjunto discreto 1, 2 , 3 , ..., n , ... porem, a funca o f : [1, ) R, dada por f (x) = x1 ,
x 1 1 esta definida para todos os pontos de [1, ) e f/N = f (a funca o extendida f
coincide com f no conjunto N).
Ve
r
sa
No processo de modelagem quando se tem uma tabela de dados (experimentais ou

nao) xn , isto e , valores da variavel xn , o que se procura essencialmente, e determinar a
funca o f de modo que xn = f(n). A busca desta funca o que relaciona o estagio n com
um valor experimental xn , nem sempre e simples quando desejamos fazer previsoes
do
fenomeno
(simular valores que nao sao dados experimentais) e, neste caso devemos, via
de regra, fazer uso de certos artifcios matematicos como analise de convergencia da

de xn . A convergencia da sequencia {xn }nN nos garante
sequencia {xn }nN e variacoes
a estabilidade da variavel no futuro:
Uma sequencia e convergente para x e escrevemos xn x , se xn se aproxima de x
quando n for muito grande.
Esta frase, do ponto de vista de um matematico, esta longe da exatidao que ele
busca quase sempre, pois palavras como se aproxima ou muito grande podem
ser consideradas mais subjetivas que determinsticas. A definica o formal do que se
20
convencionou chamar limite de uma sequencia e obtida fazendo-se a traduca o de tais

palavras:
Uma sequencia {xn }nN e convergente para x e escrevemos xn x se, para cada
> 0 existe um numero
natural n0 tal que se n > n0 entao |xn x | < epsilon.
lim xn = x
xn x .
ou
Exemplo 1 Seja
{xn }nN =
1
1+
n
nN
Vamos mostrar que xn 1.
m
in
ar
Dizemos que x e o limite de {xn }nN e escrevemos
Em palavras, 1 +
1
n
Pr
eli
De fato, para cada > 0 arbitrario, basta considerar o numero

natural n0 > 1 e teremos

1
1
1
|xn 1| = 1 + n
. Logo, se n > n0 = n
< n10 < , o que completa a prova.
1 = n
se aproxima do valor x = 1 quando n cresce.
Exemplo 2 Seja
n
(1)
n+1
sa
o
{xn }nN =
nN

n
1 2 3
n
, ... .
= , , , ..., (1)
2 3 4
n+1
Vamos mostrar que {xn }nN nao converge.
Ve
r
n
n
x .
Suponhamos (por absurdo) que (1)n n+1
seja convergente, isto e , (1)n n+1
natural n0 tal que se n > n0 entao
Entao, se considerarmos = 21 , deve existir um numero

(1)n

n
x < 1
n+1

1

n
+
1
n+1
(1)
x < .

n+2
2
21
m
in
ar
Por outro lado, temos

n+1
n
n
n
+
1
n
n+1
n
(1)
= |(1) |

(1)

n+2
n+1
n + 2 n + 1

2n2 + 4n + 1

=
(n + 2)(n + 1)
2

2n + 4n + 1

> 2
n + 3n + 2
> 1
para todo n N pois

2

2n + 4n + 1 2n2 + 4n + 1
2
2

n2 + 3n + 2 = n2 + 3n + 2 > 1 2n + 4n + 1 > n + 3n + 2
n2 + n > 1
o que e verdadeiro para todo n > 1.

Entao, teremos

n
n+1
n
(1)
n+2
n + 1

n+1
n
n
x + x (1)
n+2
n + 1

n
n+1
n

x + (1)
x
n+2
n+1
Pr
eli

1 < (1)n+1

= (1)n+1

< (1)n+1
1 1
+
2 2
= 1.
<
sa
o
Estas duas desigualdades levam a uma contradica o e, portanto, a sequencia nao converge.
Ve
r
n
Observe que a subsequencia {xn }n = n+1
, onde e o conjunto dos
n

n
numeros
pares, converge para x = 1 e a subsequencia dos mpares n+1
converge
para x = 1 (mostre!).
Exemplo 3 Seja A1 um quadrado de lado a, logo sua a rea vale a2 . Considere agora o quadrado
A2 , contido em A1 , cuja diagonal e a metade da diagonal de A1 (veja Figura 7).
A a rea de A2 e
1
4
da a rea de A1 .
De fato, se d1 e a diagonal de A1 entao d21 = a2 + a2 = 2a2 = d = a 2.
A diagonal de A2 e d2 = 22 a (metade de d1 ). Portanto, o lado b de A2 e dado por

h i2
d22 = 22 a = 24 a2 = b2 + b2 = 2b2 = b2 = 14 a2 .
22
Figura 2.2: A sequencia (1)n
n
n+1
m
in
ar
e divergente
Analogamente, se construirmos uma sequencia de quadrados {An }nN da mesma forma

como foi construido A2 , teremos suas a reas dadas por
sa
o
Pr
eli
1
a rea de An = da a rea de An1
4
Ve
r
Figura 2.3: Quadrados encaixantes
Seja Sn = a rea de An entao podemos formar a sequencia {Tn }nN onde, Tn e definido como
sendo a soma das a reas dos quadrados Aj com j 6 n.
Tn =
n
X
Sj
j=0
Agora, vamos mostrar que {Tn }nN e convergente:
23
De fato, temos que Tn =
a2
1 2
4a
1 2
16 a
+ ... +
1
a2
22n
a2
"
n
P
j=0
1
22j
Por outro lado, se considerarmos a sequencia {Bn }nN onde, Bn = Sn1 Sn =
P
, n > 1, temos que a2 =
Bj (verifique).
3
a2
22n
j=1
Logo
a =
X
j=1
X
X
1
1
1
=
=
Bj = 3a
2j
2j
2
2
3
2
j=1
j=1
Logo,
lim Tn =
Sj = a
j=0
m
in
ar

1
4
1+
= a2
3
3
Pr
eli
Sequencias definidas como somas de outras sequencias sao denominadas series.

Uma condica o necessaria para que uma serie seja convergente e que a sequencia que
seus fatores seja convergente, a recproca pode nao ser verdadeira. De fato,
compoem
P 1
1
se xn = n temos limn xn = 0 e yn =
n = + (divergente). No exemplo dos
quadrados encaixantes temos limn Sn = 0 e limn Tn = 34 a2 .
es
2.2 limites de func
o
sa
o
Para uma funca o f : R R podemos tambem definir o limite no infinito de modo analogo
ao definido para sequencias:
Definica o 1 Dizemos que L e o limite de f(x), quando x tende a + se, dado um valor arbitrario
> 0, podemos determinar um numero
real positivo M, tal que se x > M entao |f(x) L| < .
Ve
r
Notacao:
lim f(x) = L
x
Exemplo 4 Seja f(x) =
2x+1
x ,
vamos mostrar que limx+ f(x) = 2.
E necessario provar que para todo > 0, a seguinte desigualdade

2x + 1

x 2 <
sera verdadeira desde que se tenha x > M, onde M e determinado com a escolha de .
24
2x+1
x
e estavel no ponto x = 2
Pr
eli
Figura 2.4: A funca o f(x) =
m
in
ar
1
1

2x+1

Temos que 2x+1
verdadeiro
x 2 = x e portanto,
x 2 < x < que e
1
para todo |x| > = M. Entao, dado um > 0 arbitrario, para todo x R tal que |x| > 1 = M,
tem-se que |f(x) 2| < .
Exemplo 5 Seja f(t) = 3 2e0,3t .
Vamos mostrar que limx+ f(x) = 3.

1
< ;
De fato, |f(t) 3| = 2e0,3t < 2 e0,3t
1
< 2 se t > 6. Assim,
Agora, observamos que e0,3t > t se t > 6 (verifique) = 2 e0,3t
t
2
dado > 0, basta tomar M = max , 6 e teremos |f(t) 3| < se t > M.
sa
o
Observaca o 1 Quando limx+ f(x) = L, dizemos que a reta y = L, paralela ao eixo-x, e uma
assntota horizontal da funca o f ou que a funca o f se estabiliza no ponto y=k.
De modo analogo podemos definir uma assntota vertical x = k , de f(x) quando
lim f(x) =
Ve
r
xk
significando que quando x se aproxima do valor k, o valor da funca o |f(x)| cresce sem
limitaca o. Em outras palavras:
Para todo valor arbitrario N > 0, existe > 0 tal que se |x k| < entao |f(x)| > N.
Exemplo 6 Seja f(x) = x1 e consideremos k = 0. Dizer que x 0, significa que x pode se

aproximar de zero tanto quanto se queira e, quanto mais proximo |x| estiver de zero, maior
25

sera o valor de x1 . Por exemplo, seja N = 10000, entao basta considerar =

1
|f(x)| = x1 > 10000 = N , desde que |x 0| = |x| < 10000
.
1
10000
e teremos
Logo,.
1
=
x0 x
lim
im
in
ar
Podemos observar que se x se aproxima de zero por valores positivos, entao x1 e tambem positivo e
crescente. Se x se aproxima de zero por valores negativos, entao x1 e tambem negativo e decrescente.
Este fato pode ser denotado por
1
= + (limite a` direita)
x0 x
1
e lim = (limite a` esquerda)
x0 x
lim+
Dizemos entao que f(x) =
1
x
nao e limitado num intervalo que contem o ponto x = 0.
Ve
r
sa
Pr
el
De qualquer maneira, x = 0 e uma assntota vertical da funca o f(x) = x1 .
Figura 2.5: Assntotas da funca o f(x) =
propriedades dos limites infinitos
26
1
x
1. Se limxa f(x) = + e limxa g(x) = k, entao

a) limxa [f(x) + g(x)] = +

+ se k > 0
b) limxa [f(x).g(x)] =
se k < 0
im
in
ar
Se k = 0, e necessario uma analise mais apurada.

2. Se limxa f(x) = e limxa g(x) = k, entao
a) limxa [f(x) + g(x)] =

se k > 0
b) limxa [f(x).g(x)] =
+ se k < 0
P(x)
, onde
3. Seja f(x) uma funca o racional, isto e , f(x) = Q(x)
P
nk = a xn + a xn1 + ... + a ; com a 6= 0
P(x) = n
n
0
1
0
k=0 ak x
Pm
Q(x) = k=0 bk xmk = b0 xm + b1 xm1 + ... + bm ; com b0 6= 0.
Pr
el
Entao,
0 se n < m;
a0 se n = m
b0
lim f(x) =
x
+ se [n > m e a0 b0 > 0]
se [n > m e a b < 0]
0 0
1
f(x)
sa
4. limxk f(x) = 0 limxk
= .
O comportamento de uma curva para pontos distantes da origem nos leva ao

estudo das assntotas inclinadas cuja definica o mais geral e dada por:
Ve
r
Definica o 2 Seja y = f(x) uma curva do plano e P(x, y) um ponto arbitrario desta curva. Seja
d a distancia deste ponto P a uma reta r. Dizemos que esta reta r e uma assntota a` curva se
d 0 quando P . Em outras palavras, para todo > 0, existe M > 0 tal que d < se
p
x2 + y2 > M.
Por esta definica o, e claro que se limxa f(x) = entao a reta vertical x = a e
uma assntota a` curva y = f(x).
27
Proposition 1 A reta y = ax + b e uma assntota da curva y = f(x) se, e somente se,

limx [f(x) ax b] = 0
Esta proposica o segue imediatamente da definica o.
im
in
ar
Agora, se y = ax + b e uma assntota da curva y = f(x), podemos determinar as

constantes a e b da seguinte forma:

b
f(x)
a
=0
lim [f(x) ax b] = 0 lim x
x
x
x
x

f(x)
b
lim
a
=0
x
x
x
f(x)
=a
lim
x x
Conhecendo o valor de a podemos determinar b tomando
b = lim [f(x) ax]
x
Pr
el
Se um dos limites nao existir entao a curva nao admite uma reta como assntota.
Tambem e claro que se a = 0, a reta assntota sera horizontal se limx f(x) = b.
Exemplo 7 Encontrar as assntotas da curva y =
x2 +x
x1 .
Soluca o: (a)Temos que

lim+
lim
x1
x2 + x
=
x1
x1
x2 + x
= + e
x1
Entao, x = 1 e uma assntota vertical.
sa
(b) Para se ter assntota inclinada ou horizontal e necessario (mas nao suficiente)
que
Ve
r
x2 + x
= ,
x x 1
lim
que e este caso, uma vez que o grau do polinomio

P(x) = x2 + x e maior que do polinomio
Q(x) = x 1.
Se tiver assntota inclinada ou horizontal y = ax + b, seu coeficiente angular a sera
a = lim
x+
28
x2 + x
x1
x2 + x
1
= lim 2
=1
x x+ x x
e a constante b e dada por:

2

x +x
2x
b = lim
x = lim
=2
x+ x 1
x+ x 1
Assim, y = x + 2 e uma assntota inclinada da curva y =
x2 +x
x1 .
im
in
ar
Para investigar a posica o da curva em relaca o a` assntota toma-se a diferenca

2
2
x +x
(x + 2) =
=
x1
x1
Pr
el
Temos, > 0 x > 1.
Figura 2.6: A curva e suas assntotas
Ve
r
sa
Observamos que para determinar o valor de x = lim f(n) deveramos ter a

n
expressao de xn = f(n). Entretanto, se soubermos a priori, atraves das caractersticas
especficas do fenomeno
analisado, que a sequencia xn e convergente, podemos procurar
determinar o valor aproximado de x (veja metodo de Ford-Walford). O conhecimento

do valor limite x e essencial para a elaboraca o de modelos matematicos de fenomenos
caracterizados pela estabilidade.

Em termos matematicos, se tivermos uma sequencia real monotona (crescente ou
decrescente) e limitada entao podemos afirmar que ela e convergente. Na pratica, as
temporais de
sequencias finitas muitas vezes sao provenientes de medidas periodicas
alguma variavel evolutiva. Por exemplo, se {xn }, n = 1, 2, . . . , r, sao valores da altura

media de uma determinada a rvore, tomados em k idades sucessivas, podemos afirmar
29
que tal sequencia crescente e convergente para o valor maximo da altura desta especie.
Neste caso, o fato da sequencia ser limitada e imposica o biologica
do fenomeno
analisado
pois nenhuma a rvore pode crescer sem limitaca o.
m
in
ar
lculo do valor assint o

tico m e
todo de ford2.3 c a
walford
Considere um conjunto de dados {(xn , yn )}, n = 1, 2, . . . , k. Vamos supor que temos a
informaca o sobre a sequencia yn = f(xn ) relativa ao seu crescimento assintotico,
isto e ,
sabemos a priori que a sequencia {yn } e convergente quando xn cresce - Este conhecimento
pode ser induzido porque {yn } e monotona
e limitada ou simplesmente pelo proprio
fenomeno
estudado. Entao, devemos determinar o valor limite y de modo que
y = lim yn
Pr
eli
xn
O metodo de Ford-Walford consiste em determinar inicialmente uma funca o g que

ajusta os pares (yn , yn+1 ), isto e ,
yn+1 = g(yn )
(curva ajustada)
e em seguida encontrar seu ponto fixo.

Temos que,
sa
o
lim g(yn ) = lim yn+1 = lim yn = y
xn
xn
xn
ou seja, a sequencia de pontos do plano {(yn , yn+1 )} converge para o ponto (y , y ) se y

e um ponto fixo da funca o g :
Ve
r
y = g(y )
Assim, y e tal que yn+1 ' yn .

Resumindo, y e o valor limite da sequencia {yn } quando
yn+1 = yn = y
30
yn+1 = g(yn )
yn = g(yn ) yn e um ponto fixo de g
Exemplo 8 Consideremos os dados da tabela 1.1. Um ajuste quadratico (g(x) = ax2 + bx + c)

dos pontos (yi , yi+1 ) nos da
yn+1 = g(yn ) = 0, 0008y2n + 1, 523yn + 5, 622
Pr
el
fornece o ponto limite yn+1 = yn = y 675
im
in
ar
A soluca o do sistema

yn+1 = 0, 0008y2n + 1, 523yn + 5, 622
yn+1 = yn
Figura 2.7: Calculo do ponto limite
Em relaca o ao modelo, em forma de uma curva de previsao y = f(t), que pretendemos construir com os dados experimentais da tabela ??, ja sabemos que tal curva deve ser
crescente e limitada por y 675, isto e , deve satisfazer
sa
lim f(t) = 675
Em outras palavras, a reta y = 675 deve ser uma assntota horizontal de f(t).
Ve
r
Dentre as curvas planas com inibica o temos duas classicas: exponencial assintotica
(Fig. 12a) e de crescimento inibido com ponto de inflexao (Fig. 12b).
Uma funca o exponencial assintotica
geral tem a expressao
f(x) = y + bex
(2.3.1)
Uma curva com crescimento limitado e atingindo um valor maximo num ponto intermediario e tambem bastante comum em modelos unidimensionais. Exemplos classicos
31
Pr
el
im
in
ar
Figura 2.8: Funca o exponencial assintotica

e Crescimento inibido com ponto de inflexao
deste tipo de funca o sao as solucoes

dos modelos logstico, de Gompertz e de von
Bertalanffy:
sa
logstico : f(x) =
y
bex + 1
Ve
r
Gompertz: f(x) = y
x0
y
ebx
i3
h
von Bertalanffy: f(x) = y 1 e 3 x
Essencialmente o que difere nestes modelos e a posica o do ponto de inflexao, que

representa o instante onde a taxa de crescimento (derivada) e maxima. Para os pontos da
tabela ?? isso pode ser observado na figura 2.9.
32
im
in
ar
Figura 2.9: Crescimento inibido com ponto de inflexao
es
2.4 variac
o
Tipos de Variac
oes
2.4.1
Pr
el
Quando temos uma variavel y dependendo quantitativamente de uma outra variavel

independente x podemos, muitos vezes, construir o modelo matematico ou analisar esta
dependencia atraves das caractersticas variacionais destas variaveis, ou seja, o modelo e
formulado atraves das variaco es destas grandezas. Entretanto, o termo variaca o pode ter
diferentes formulacoes
em matematica e para cada situaca o podemos escolher o tipo mais
apropriado para o modelo.
sa
As variacoes
podem ser formuladas em termos gerais, considerando-se as variaveis x e y
(discretas ou contnuas):
Considere a funca o real f definida em A v R,
Ve
r
y = f(x),
x A.
Sejam x1 , x2 elementos de A, entao definimos:
o simples
a) variac
a
(ou absoluta) de y:
y = f(x2 ) f(x1 )
(2.4.1)
33
e a diferenca da variavel dependente y em dois estagios da variavel independente x.

o me
dia (ou taxa de variac
o me
dia):
b) variac
a
a
f(x2 ) f(x1 )
y
=
x
x2 x1
(2.4.2)
Pr
el
im
in
ar
e a proporca o entre as variacoes

de y e de x. A variaca o media mostra quanto variou y
por unidade de x.
Figura 2.10: Variaca o media y/x
y
, geometricamente, mede o coeficiente angular (ou inclinaca o) da reta que liga
x
os pontos (x1 , f(x1 )) e (x2 , f(x2 )).
o relativa:
c) variac
a

1 yi
f(xi+1 ) f(xi ) 1
=
yi xi
xi+1 xi
yi
(2.4.3)
sa
mostra a variaca o de y por unidade de x, relativa ao estagio inicial y = yi .
Ve
r
As varicoes
simples, media e relativa nem sempre sao satisfatorias
quando o
processo envolve variaveis contnuas. Em muitas situacoes,

o conhecimento da variaca o
em um ponto e necessaria.
o instant a
nea A variaca o instantanea ou derivada de uma funca o
d) variac
a
y = f(x), num ponto x , e dada pelo valor do limite:
lim
x0
34
f(x + x) f(x)
= f0 (x )
x
(2.4.4)
im
in
ar
quando tal limite existir.
Figura 2.11: Convergencia da sequencia de variacoes

medias
Pr
el
Em outras palavras
se
a sequencia {xn } converge para x estao a sequencia das

yn y
converge para f0 (x ).
variacoes
medias
xn x
Observamos que se y = f(x) e uma funca o contnua em (a, b) e sua variaca o media
tambem e contnua entao existe f0 (x) para todo x (a, b) .
Exemplo 9 Seja P(t) a densidade populacional dada pela curva logstica
1
2e0,4t
+1
P(t) =
sa
Entao, a variaca o simples nos dois primeiros anos e

P(2) P(0) = 0, 193354
Ve
r
A variaca o media nestes dois anos e

4P =
P(2) P(0)
= 0, 096673
20
A variaca o instantanea no tempo medio t = 1 e

dP
= 0, 097882
dt t=1
35
Censo demog.
1940
1950
1960
1970
1980
1991
1996
2000
2010
41,236
51,944
70,992
93,139
119,003
146,825
156,804
170,143
192,040
im
in
ar
Ano
Tabela 2.1: Censo demografico brasileiro
Fonte: http://www.ibge.gov.br/home/estatistica/populacao/censohistorico/1940 1996.shtm
de indivduos da populaca o brasiExemplo - Variac

ao populacional: Seja N o numero
leira (dado em milhoes

de habitantes), nos censos oficiais:
N = f(t)
Pr
el
Considerando que a populaca o N varia com tempo t, podemos induzir que N seja
uma funca o de t, isto e ,
Sejam t1 e t2 dois instantes com t2 > t1 . Entao, a diferenca
N = N2 N1 = f(t2 ) f(t1 )
sa
e a variaca o total (ou simplesmente, variaca o) do tamanho da populaca o no intervalo de

tempo de t1 a t2 .
Ve
r
Observamos que se N > 0 entao a populaca o aumenta em tamanho neste intervalo

de tempo Se N < 0, a populaca o decresce e se N = 0, a populaca o permanece
inalterada, em tamanho, neste intervalo de tempo.
Por exemplo, para a populaca o brasileira, tivemos um aumento absoluto (variaca o
simples) de
N = 192, 04 170, 143 = 21, 897 milhoes
entre os anos de 2000 e 2010.
36
Para analisamos com que rapidez o tamanho da populaca o varia, devemos levar
em consideraca o o tempo transcorrido entre as medidas de N1 = f(t1 ) = 170, 143 e
N2 = f(t2 ) =.192, 04
Seja t = t2 t1 = 10 (tempo transcorrido de t1 a t2 ) .
N2 N1
N
= 2, 19
=
t
t2 t1
im
in
ar
A proporca o
mostra quanto varia a populaca o por unidade de tempo Este valor fornece a variaca o
media por unidade de tempo ou taxa media de variaca o (ou simplesmente taxa de variaca o).
A populaca o brasileira, entre 2000 e 2010 aumentou, em media, 2,19 milhoes
por ano
por ano.
Pr
el
Outro tipo interessante de medida variacional, muito utilizada em dinamica populacional, e a taxa de variaca o relativa ou taxa de crescimento interespec fico.
Esta taxa fornece uma medida de variaca o, relativamente a` populaca o que originou
tal crescimento e sua expressao anal tica depende do modelo populacional utilizado. Os
casos mais usados para este tipo de taxa sao:
sa
(a) Taxa de variaca o media relativa (linear) que e dada por:
N
N2 N1
=
N1 t
N1 t
Ve
r
Com os dados anteriores temos =
2, 19
= 0, 01287
170, 143
Neste caso, dizemos que a taxa de crescimento populacional, entre 2000 e 2010, foi
de 1, 287% ao ano.
37
(b) Taxa de variaca o malthusiana, proveniente de um crescimento exponencial em cada

unidade de tempo.
Nt+1 Nt = Nt
Nt+2 Nt+1 = Nt+1
im
in
ar
Nt+t Nt+t1 = Nt+t1

(+)
Nt+t Nt = (Nt + Nt+1 + + Nt + t 1)
= Nt [1 + (1 + ) + + (1 + )t1 ]
(1 + )t 1
Nt+t Nt
=
= (1 + )t 1
Nt
e portanto,
Nt 1
Nt+t
1.
Nt
Pr
el
Por exemplo, tomando t = t2 t1 = 10, temos N2 = Nt1 +t = 192, 04 e N1 =

= 170, 143, temos
10
N2
1 = 0, 01218
N1
ou seja, a populaca o cresceu (em media) 1,218% ao ano, relativamente a` proporca o existente
em cada ano, durante os 10 anos (de 2000 a 2010).
Ve
r
sa
As variacoes
de xn podem, muitas vezes, proporcionar modelos na forma de
equacoes
variacionais cujas solucoes
sao as funcoes
objetos de nossa procura. O tipo de
variaca o empregada e determinado pelas caractersticas do fenomeno
analisado e pelo
ambiente onde o estudo esta sendo realizado. Entretanto, os resultados obtidos com
diferentes formas de variacoes
sao, quase sempre, bastante proximos.
38
Estude a dinamica da populaca o brasileira subdividida por sexo (tabela 2.2)

Ano
Homens
Mulheres
1940
1950
1960
1970
1980
1991
1996
20614088
25885001
35055457
46331343
59123361
72485122
77442865
20622227
26059396
35015000
46807694
59879345
74340353
79627298
im
in
ar
Projeto
Tabela 2.2: Censo demografico brasileiro por sexo.
a) Complete a tabela com os ultimos

censos;
Ve
r
sa
Pr
el
b) Formule modelos discretos e contnuos e faca previsoes

para as populacoes
em 2050.
39
Ve
r
sa
Pr
el
im
in
ar

Modelagem Matemática - Capítulos 1 e 2

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Modelagem Matemática - Capítulos 1 e 2

Transféré par

Droits d'auteur :

Formats disponibles

Modelagem Matematica - Rodney Bassanezzi

UFABC - Universidade Federal do ABC

Versao compilada em: 21 de marco de 2012

Modelagem Matematica - Rodney Bassanezzi

Modelagem Matematica - Rodney Bassanezzi

Modelagem Matematica - Rodney Bassanezzi

Na modelagem, o incio e apenas o tema de estudo escolhido onde ainda nao se

propostas de problemas, conjecturas ou leis de formaca o A formulaca o de modelos

modelagem nao se restringe ao aprendizado de tecnicas padronizadas ou procedimentos

jogar futebol, jogando, so se aprende modelagem, modelando! - O tecnico pode aprimorar

que muitas ideias em matematica surgiram a partir de problemas praticos. Tambem

Modelagem Matematica - Rodney Bassanezzi

Um esquema simples deste processo e dado por McLone:

Figura 0.1: Esquema simplificado de modelagem

Entretanto, tal esquema nao sugere como se pode desenvolver habilidades de

Sem querer ser demasiadamente simplista na reposta, nem tampouco pernostico

como dono da verdade, diramos que a melhor maneira de se aprender modelagem

estilo e atitudes considerados em um curso de Matematica Aplicada que proporcionam

Modelagem Matematica - Rodney Bassanezzi

A atividade de matematizaca o de situacoes

exemplo. Um incio de treinamento pode ser realizado quando mudamos a a rea de

E importante para aqueles que se dispoem

para sua qualificaca o Neste caso, o alvo e o proprio

Este livro, assim como o primeiro que escrevemos (ensino-aprendizagem com

exemplo e bastante simples e basico em qualquer curso de ciencias exatas ou mesmo

- aprendizagem tem a grande vantagem de propiciar ao modelador a oportunidade de

Modelagem Matematica - Rodney Bassanezzi

sicos para modelagem

Estudo de problemas classicos

O estudo de problemas semelhantes aos propostos na modelagem favorecem

Uma maneira de se propor um problema novo e perguntar e se...?quando se tem

Improvisaca o de novas tecnicas quando as existentes sao inadequadas

Modelagem Matematica - Rodney Bassanezzi

Organizaca o de material (dados experimentais, bibliograficos, etc.)

Num processo de modelagem a coleta de dados e fundamental e sua sistematizaca o

modelo que deve ser validado pelo especialista.

A grosso modo formular um problema e fazer a transferencia de caractersticas

bilngue linguagem usual-matematica, matematica - linguagem usual. Algumas

Modelagem Matematica - Rodney Bassanezzi

Modelagem Matematica - Rodney Bassanezzi

A modelagem e o processo de criaca o de modelos onde estao definidas as estrategias de

Especializaca o ou Reciclagem de professores, temos procurado conjugar a experiencia

conta os recursos humanos disponveis, os interesses partilhados por professores, alunos

educaca o matematica valoriza o saber fazer do cursista, desenvolvendo sua capacidade

Matematica. Quando se assume a visao de Matematica

num curso de especializaca o, o conhecimento etnomatematico, suas interpretacoes

Trabalhar com Modelagem Matematica em tais cursos, nao visa simplesmente

encarados como situacoes-problema.

A modelagem matematica e simplesmente uma estrategia utilizada para obtermos

Modelagem Matematica - Rodney Bassanezzi

inferencias de especialistas relativos ao tema. Em outras palavras, geralmente, uma

sendo complementadas conforme a exigencia dos modelos no processo de refinamento e

1.1 escolha de temas

O incio de uma modelagem se faz com a escolha de temas Faz-se um levantamento de

for vinho pode-se pensar em problemas relativos a` vinicultura, fabricaca o, distribuica o,

etc. De qualquer modo, se um tema escolhido for desconhecido ou novo, o professor

Modelagem Matematica - Rodney Bassanezzi

Agricultura: Milho, Soja, Trigo, Cana-de-acucar

Erva-mate, Movimento dos Sem Terras, Irrigaca o;

Dieta alimentar, Paranoia, Fumante, Gripe suna;

Lazer: Esporte, Olimpada, conforto, festa do peao, atividades sociais, brincadeiras

Industrializaca o: Papel, Cerveja (2), Pneu, Embalagem, Estocagem, Moveis,

Fermentado lacteo, Vinho, Ceramica artstica, Olaria, Tecelagem manual e mecanica,

Ecologia: Poluica o, Agua,

De fato, para cada > 0 arbitrario, basta considerar o numero