Métodos Matemáticos

Métodos Matemáticos
Prof. Pedro Américo Jr.
Aula 05
1
Sistemas de EDOs
• Os sistemas de EDOs possuem diversas aplicações. Faremos
um esboço da teoria desses sistemas, que inclui a teoria para
uma só EDO. Mostraremos a importância prática da conversão
de uma EDO única de ordem n num sistema.
• Os sistemas lineares são melhor tratados com o uso de
vetores e matrizes, sobre os quais, entretanto, apenas umas
poucas informações elementares serão necessárias aqui.
• A estabilidade de um sistema físico significa que, grosso
modo, uma pequena alteração ocorrida em algum instante
causa somente alterações pequenas no comportamento do
sistema em instantes posteriores.
2
Aspectos Básicos de Matrizes e
Vetores
• Ao discutirmos os sistemas lineares de EDOs, utilizaremos
matrizes e vetores, pois isso simplifica as fórmulas e deixa as
idéias mais claras.
• A maioria de nossos sistemas lineares consistirão em duas
EDOs com duas funções desconhecidas y1(t), y2(t),
• por exemplo,
• Talvez com funções adicionais dadas g1(t) e g2(t), no lado

direito das duas EDOs.
3
Vetores
• Similarmente, um sistema linear de n EDOs de primeira ordem
com n funções desconhecidas y1(t),...,yn(t) tem a forma
• Talvez com uma função adicional dada no lado direito de cada

EDOs.
4
Vetores
• Matrizes. Os coeficientes (constantes ou variáveis) formam
uma matriz A 2 x 2, ou seja, uma lista ordenada
• por exemplo,
• Similarmente, os coeficientes formam uma matriz n x n
5
Vetores
• Vetores. Um vetor-coluna x com n componentes x1,...,xn tem a
forma
• portanto, se n=2,
• Similarmente, um vetor-linha v tem a forma
• portanto, se n=2, então,
6
Vetores
• Igualdade. Duas matrizes n x n são iguais se e somente se seus
elementos correspondentes forem iguais. Portanto, para n=2,
consideremos
• Então, A=B se e somente se
7
Vetores
• A adição é feita somando-se os elementos (ou componentes)
correspondentes; aqui, as matrizes devem ser ambas do tipo
n x n e os vetores precisam ambos ter o mesmo número de
componentes. Portanto, para n=2,
• A multiplicação escalar (multiplicação por um número c) é

feita multiplicando-se cada elemento (ou componente) por c.
Por exemplo, se
8
Vetores
• Multiplicação de Matrizes. O produto C=AB (nessa ordem) de
duas matrizes n x n, A=[ajk] e B=[bjk] é a matriz C=[cjk] do tipo
n x n e cujos elementos são
9
Vetores
• Derivação. A derivação de uma matriz (ou vetor) com
elementos variáveis é obtida derivando-se cada elemento (ou
componente). Portanto, se
• então
• Usando a multiplicação e a derivação de matrizes, podemos

escrever
10
Vetores
• Chama-se de transposição a operação de escrever as colunas
como linhas e vice-versa, o que é indicado por T. Portanto, a
matriz transposta AT da matriz 2 x 2 é
• A transposta de um vetor-coluna, é um vetor-linha.
11
Vetores
• Inversa de uma Matriz. A matriz unitária I n x n corresponde à
matriz n x n onde a diagonal principal é composta de 1,1,...,1,
e todos os outros elementos são iguais a zero. Se para
determinada matriz A n x n houver uma matriz B n x n tal que
AB=BA=I, então A é chamada de não-singular e B é chamada
de matriz inversa de A, sendo indicada por A-1; portanto
AA-1=A-1A=I.
• Se A não possui uma matriz inversa, ela é chamada singular.
Para n=2,
• Onde o determinante de A é
12
•
Vetores (1)
Independência Linear. Dizemos que r vetores dados v ,...,v(r)
com n componentes formam um conjunto linearmente

independente ou, mais resumidamente, são linearmente
independente, se
• implicando que todos os escalares c1,..,cr são nulos; aqui, 0
denota o vetor nulo, cujos n componentes são todos iguais a
zero. Se a igualdade acima também se verificar para escalares
nem todos iguais a zero (de modo que pelo menos um desses
escalares seja não-nulo), então dizemos que esses vetores
formam um conjunto linearmente dependente, ou mais
resumidamente, são linearmente dependentes, pois pelo
menos um deles pode ser expresso como uma combinação
linear dos demais; ou seja, se por exemplo, c10, então
13
Vetores
• Autovalores e Autovetores. Os autovalores e os autovetores
são bastante importantes em todo a matemática. Tomemos
uma matriz n x n A = [ajk]. Considere a equação Ax=x onde 
é um escalar (um número real ou complexo) a ser
determinado e x é um vetor também a ser determinado.
Agora, para todo , uma solução é x=0. Um escalar  tal que
Ax=x se verifica para algum vetor x0 é chamada de um
autovalor de A, e dizemos que esse vetor é um autovetor de
A, correspondente a esse autovalor .
• Podemos escrever Ax-x=0, ou (A-I)x=0. Isso corresponde a
n equações algébricas lineares nas n incógnitas x1,...,xn (as
componentes de x). Para essas equações terem uma solução
x0, é preciso que o determinante da matriz (A-I) dos
coeficientes seja igual a zero.
14
Vetores
• Autovalores e Autovetores. Exemplo para n=2,
• Agora, (A-I) é singular se e somente se seu determinante,

chamado de determinante característico de A (também para
um valor n geral), for igual a zero. Isso fornece
15
Vetores
• Autovalores e Autovetores. Essa última equação quadrática
em  é chamada de equação característica de A. Suas
soluções são os autovalores 1 e 2 de A. Determinamos
primeiro esses autovalores.
• Então, usamos (A-I)x=0 com =1 para determinarmos um
autovetor x(1) de A correspondente a 1.
• Finalmente, usamos (A-I)x=0 com =2 para determinarmos
um autovetor x(2) de A correspondente a 2.
• Observe que, se x for um autovetor de A, o mesmo ocorre
com kx para k0 qualquer.
16
Vetores
• Exemplo: Encontre os autovalores e os autovetores da matriz
• Solução. A equação característica é a equação quadrática
• Ela possui as soluções -2 e -0,8. Estes são os autovalores de A.

Os autovetores são obtidos:
• Autovetores são:
17
Sistemas de EDOs como Modelos
• Primeiro apresentaremos alguns exemplos
típicos de situações onde as EDOs podem
servir como modelos em diversas aplicações.
• Depois, mostraremos que uma EDO de ordem
superior (com a derivada de maior ordem
estando isolada num lado da equação) pode
ser reduzida a um sistema de primeira ordem.
• Ambos esses fatos confirmam a importância
prática desses sistemas.
18
• Problema de Mistura Envolvendo Dois Tanques.
• Um problema de mistura envolvendo dois tanques será
modelado por um sistema de duas EDOs de primeira ordem.
• Na figura, os tanques T1 e T2 inicialmente contêm cada um
100 galões de água. Em T1, a água é pura, ao passo que há 150
libras de fertilizante dissolvidas em T2. Fazendo uma
circulação do líquido a uma taxa de 2 galões/min e revolvendo
a mistura (para mantê-la uniforme), as quantidades de
fertilizante y1(t) em T1 e y2(t) em T2 se alteram com o tempo t.
Por quanto tempo devemos
deixar o líquido circular de
tal modo que T1 conterá pelo
menos a metade da
quantidade de fertilizante que
restará em T2 ? 19
• Solução. Etapa 1. Elaboração do modelo. A taxa temporal de
alteração y´1(t) de y1(t) é igual ao fluxo de entrada menos o
fluxo de saída e algo similar ocorre para o tanque T2. Vemos
que
• Logo, em nosso problema de mistura, o modelo matemático

corresponde ao sistema de EDOs de primeira ordem
• Assumindo a forma de uma equação vetorial com o vetor-

coluna e a matriz A, isso se torna y´=Ay, onde
20
• Etapa 2. Solução geral. Como no caso de uma equação única,
tentemos uma função exponencial de t.
• Então
• Dividindo a última equação xet=Axet por et e trocando os
lados direito e esquerdo, obtemos Ax=x.
• Precisamos de soluções não-triviais (soluções que não sejam
identicamente nulas). Logo, temos que procurar os
autovalores e os autovetores de A. Os autovalores são as
soluções da equação característica
• Vemos que 1=0 (algo que pode perfeitamente acontecer –

não se confunda -, pois são os autovetores que não podem
ser nulos) e 2=-0,04. 21
• Os autovetores são obtidos de
• com =0 e =-0,04. Para nossa matriz A deste caso, isso

fornece
• -0,02x1 + 0,02x2=0 e (-0,02+0,04)x1 + 0,02x2=0.
• respectivamente.
• Logo, x1=x2 e x1=-x2, respectivamente, e podemos fazer
x1=x2=1 e x1=-x2=1. Isso fornece dois autovetores
correspondentes a , respectivamente, 1=0 e 2=-0,04, a
saber,
• Do princípio da superposição, obtemos então a solução geral:
22
• Etapa 3. Uso das condições iniciais. As condições iniciais são
y1(0)=0 (nenhum fertilizante no tanque T1) e y2(0)=150. Disso
e com t=0, obtemos
• A solução é c1=75, c2=-75. Isso fornece a resposta
• Em componentes,
• O gráfico mostra o aumento exponencial

de y1 e o decréscimo exponencial de y2
ao limite comum de 75 libras. 23
• Etapa 4. Resposta. T1 conterá a metade da quantidade de
fertilizante de T2 se T1 contiver 1/3 da quantidade total, ou
seja, 50 libras. Portanto,
• Logo, o fluido deve circular pelo menos por cerca de meia

hora.
24
• Circuito elétrico. Encontre as correntes I1(t) e I2(t) no circuito
elétrico mostrado na figura. Suponha que todas as correntes e
cargas sejam nulas em t=0, instante em que a chave é ligada
25
• Solução. Etapa 1. Elaboração do modelo matemático. O
modelo desse circuito é obtido da lei da voltagem de
Kirchhoff. Chamemos de I1(t) e I2(t) as correntes nas malhas
esquerda e direita, respectivamente. Na malha esquerda, as
quedas de tensão correspondem a LI´1=I´1[V] no indutor e a
R1(I1-I2)=4(I1-I2) [V] no resistor, havendo o sinal negativo
porque I1(t) e I2(t) fluem através do resistor em sentidos
opostos. Segundo a lei da tensão de Kirchhoff, a soma dessas
quedas é igual à voltagem da bateria; ou seja, I´1+4(I1-I2)=12,
logo I´1=-4I1-4I2+12.
• Na malha direita, as quedas de tensão correspondem a
R2I2=6I2[V] e R1(I2-I1)=4(I2-I1)[V] nos resistores, e a
(1/C)I2dt = 4I2dt [V] no capacitor, sendo sua soma igual a
zero.
• ou
• Dividindo por 10 e derivando, obtemos I´2-0,4I´1+0,4I2=0. 26
• Para simplificarmos o processo de solução, primeiro
eliminamos 0,4I´1, que se iguala a 0,4(-4I1+4I2+12). A
substituição na EDO existente fornece
• E por simplificação,
• Em forma matricial, é: (escrevemos J, visto de I se refere à

matriz unitária)
27
• Etapa 2. Resolução. Devido ao vetor g, trata-se de um sistema
não-homogêneo, de modo que tentamos proceder como
fizemos para uma EDO única, resolvendo primeiro o sistema
homogêneo J´=AJ (portanto, J´-AJ=0), substituindo J=xet. Isso
fornece logo
• Logo, para obtermos uma solução não-trivial, de novo
precisamos dos autovalores e dos autovetores. Para a matriz
A que temos agora, estes são obtidos:
• Portanto, uma solução geral do sistema homogêneo é
28
• Para um solução particular do sistema não-homogêneo, visto
que g é constante, fazemos uma tentativa com um vetor-
coluna constante Jp=a com componentes a1, a2. Então, J´p=0,
e fazendo uma substituição, obtemos Aa+g=0; em
componentes,
• A solução é a1=3, a2=0; portanto
• Logo,
• Em componentes,
• As condições iniciais fornecem

29
• Logo, c1=-4 e c2=5. Portanto, obtemos como solução de nosso
problema:
• Em componentes
• A figura mostra I1(t) e I2(t) como duas curvas distintas.
30
• A figura mostra essas duas correntes como uma única curva
[I1(t), I2(t)] no plano I1-I2. Trata-se de uma representação
paramétrica, com o tempo t sendo o parâmetro.
Freqüentemente, é importante saber em que sentido uma
curva como essa é traçada. Isso pode ser indicado por uma
seta no sentido de t crescente, como mostra a figura. O plano
I1-I2 é chamado de plano de fase do nosso sistema e acurva na
figura é chamada trajetória. Veremos que essas
representações do plano de fase são, de longe, mais
importantes que os gráficos da curvas isoladas, porque elas
são muito mais eficientes em nos dar uma impressão geral
qualitativa do comportamento
geral de famílias inteiras de
soluções, em vez de
simplesmente mostrarem
uma solução, como no caso presente. 31
Conversão de uma EDO de n-ésima
Ordem num Sistema
• Conversão de uma EDO
• Pode-se converter uma EDO de n-ésima ordem
• num sistema de n EDOs de primeira ordem fazendo-se
• Esse sistema é da forma
32
Ordem num Sistema
• Massa numa Mola
• Para nos certificarmos de que o método da conversão
realmente funciona, vamos aplicá-lo a um caso velho
conhecido nosso, modelando os movimentos livres de uma
massa presa a uma mola
• ou
• Para essa EDO, o sistema é linear e homogêneo,
33
Ordem num Sistema
• Fazendo , obtemos, na forma matricial,
• A equação característica é
• Fazendo m=1, c=2 e k=0,75. Portanto,
34
Ordem num Sistema
• Isso nos fornece os autovalores 1=-0,5 e 2=-1,5. Os
autovetores são obtidos da primeira equação em A-I=0, que
é -x1+x2=0. Para 1, isso fornece 0,5x1+x2=0, digamos, x1=2 e
x2=-1. Para 2=-1,5, isso nos fornece 1,5x1+x2=0, digamos, x1=1
e x2=-1,5. Esses autovalores
• dão
• Essa solução vetorial tem o primeiro componente
• que é a solução esperada. O segundo componente é sua

derivada
35
Teoria Básica dos Sistemas de EDOs
• Um caso mais geral para sistemas de EDOs pode ser escrito
como:
• Podemos escrever o sistema como uma equação vetorial,

introduzindo os vetores-colunas y=[y1 ... yn]T e f=[f1 ... fn]T
(onde T significa transposição e poupa-nos o espaço que seria
necessário para escrevermos y e f na forma de colunas). Isso
nos dá y´=f(t,y). Esse sistema inclui quase todos os casos de
interesse prático.
36
• Uma solução num intervalo qualquer a<t<b é um conjunto de
n funções deriváveis y1=h1(t), ... , yn=hn(t) em a<t<b que
satisfaz o sistema ao longo desse intervalo. Em forma vetorial
e introduzindo o vetor solução h=[h1 ... hn]T, podemos
escrever y=h(t).
• Um problema de valor inicial consiste do sistema de EDOs e
das n condições iniciais dadas
y1(t0)=K1, y2(t0)=K2, ..., yn(t0)=Kn,
em forma vetorial, y(t0)=K, onde t0 é um valor especificado de

t no intervalo considerado e os componentes de k=[k1 ... kn]T
são números dados.
37
• Teorema da Existência e Unicidade
• Consideremos que f1, ..., fn sejam funções
contínuas e que tenham as derivadas parciais
contínuas f1/y1, ...,f1/yn, f2/y2,
...,f2/yn, ..., fn/y1, ...,fn/yn em algum
domínio R de um espaço ty1y2..yn contendo o
ponto (t0, k1, ... kn). Então o sistema de EDOs
possui uma solução em algum intervalo
t0- < t < t0+ que satisfaz ao problema de
valor inicial e essa solução é única.
38
• Estendendo a noção de uma EDO linear, diremos que um
sistema é linear se ele for linear em y1, ..., yn; ou seja, se ele
puder ser escrito como
• Em forma vetorial, isso se torna y´=Ay+g onde
39
• Esse sistema é chamado de homogêneo se g=0, de modo que
ele se torna y´=Ay. Se g0, então o sistema de EDOs é
chamado de não-homogêneo.
• Para um sistema linear, temos f1/y1=a11(t), f1/y2=a12(t), ...,
fn/yn=ann(t). Portanto, para um sistema linear, obtemos
simplesmente o seguinte,
• Teorema da Existência e Unicidade no Caso Linear
Consideremos que os ajk’s e gj’s sejam funções contínuas de t
num intervalo aberto <t< contendo o ponto t=t0. Então,
neste intervalo, o sistema linear de EDOs possui uma solução
que satisfaz ao P.V.I. e esta solução é única.
• Teorema do Princípio da Superposição ou Linearidade
Se, em algum intervalo, y(1) e y(2) forem soluções do sistema
linear homogêneo, então o mesmo ocorre com uma
combinação linear qualquer y = c1 y(1) + c2 y(2). 40
• Base. Solução geral. Wronskiano
Dizemos que uma base ou um sistema fundamental de
soluções do sistema homogêneo em algum intervalo aberto J
corresponde a um conjunto linearmente independente de n
soluções y(1), ..., y(n) nesse intervalo. (Escrevemos J porque já
estamos usando I para nos referirmos à matriz unitária.)
• Dizemos que uma combinação linear corresponde
y = c1 y(1) +...+ cn y(n) (c1,..., cn arbitrários) é uma solução
geral em J. Pode-se mostrar que se ajk(t) for contínua em J,
então y´=Ay possui uma base de soluções em J, possuindo,
portanto, uma solução geral que inclui qualquer solução em J.
41
• Podemos escrever n soluções y(1), ..., y(n) em algum intervalo J
como colunas de uma matriz n x n.
• O determinante de Y é chamado de wronskiano de y(1), ..., y(n)

, e é escrito como
• As colunas são essas soluções, cada qual expressa em termos

de componentes. Essas formam uma base em J se e somente
se W não for nulo num t1 qualquer desse intervalo. Ou W é
identicamente nulo ou é diferente de zero em todo J.
42
• Se as soluções y(1), ..., y(n) formarem uma base
(um sistema fundamental), então
Y=[y(1) ... y(n)]
é freqüentemente chamada de matriz
fundamental. Introduzindo um vetor-coluna
c = [c1 c2 ... cn]T,
podemos agora escrever
y=Yc.
43
Sistemas de Coeficientes
Constantes
• Supomos agora que o sistema linear homogêneo y´=Ay que
estamos discutindo possua coeficientes constantes, de tal
modo que a matriz A=[ajk] n x n possui elementos que não
dependem de t. Agora, uma EDO única y´=ky possui a solução
y=Cekt. Dessa forma, façamos a tentativa: y=xet.
• Substituindo, obtemos y´=xet=Ay=Axet. Dividendo por et
chegamos ao problema de autovalor Ax=x.
• Portanto, as soluções não triviais de y´=Ay (soluções
diferentes de vetores nulos) têm a forma y=xet, onde  é um
autovalor de A e x é um autovetor correspondente.
44
Constantes
• Supomos que A tenha um conjunto linearmente
independente de n autovetores. Isso se verifica na maioria das
aplicações, em particular se A for simétrica (akj=ajk) ou anti-
simétrica (akj=-ajk), ou se tiver n autovalores diferentes.
• Chamemos esses autovetores de x(1), ..., x(n) e façamos com
que eles correspondam aos autovalores 1,...,n (que podem
ser todos diferentes, ou então serem alguns – ou mesmo
todos eles – iguais entre si). Então, as soluções
correspondentes são
45
Constantes
• Seu wronskiano, W=W(y(1)..., y(n)) é dado por
• No lado direito, a função exponencial nunca é nula e

tampouco o determinante é nulo, visto que suas colunas
correspondem aos n autovalores linearmente independentes.
Isso prova o teorema seguinte, cuja suposição se verifica se a
matriz A for simétrica ou anti-simétrica, ou se os n
autovalores de A forem todos diferentes.
46
Constantes
• Teorema da Solução Geral
• Se no sistema y´=Ay, a matriz constante A
possuir um conjunto linearmente
independente de n autovetores, então as
soluções correspondentes y(1),..., y(n)
constituem uma base de soluções e a solução
geral correspondente é
47
Soluções Gráficas no Plano de Fase
• Concentrar-nos-emos agora nos sistema y´=Ay com
coeficientes constantes consistindo em duas EDOs
y´=Ay; em componentes,
• Naturalmente, podemos obter soluções gráficas
• como duas curvas sobre o eixo t, uma para cada componente

de y(t).
48
• Porém, também podemos fazer o gráfico da solução como
uma curva única no plano y1y2. Trata-se de uma representação
paramétrica (equação paramétrica) com o parâmetro t.
• Uma curva como essa é chamada de trajetória (ou às vezes de
órbita ou caminho).
• O plano y1y2 é chamado de plano de fase. Se enchermos o
plano de fase com trajetórias, obtemos o chamado retrato de
fase.
• Plano de fase é um nome que vem da física, onde ele se
refere ao plano y(mv) usado para representar graficamente
um movimento em termos de posição v e de velocidade y´=v
(m=massa); porém, esse nome é agora usado de modo
bastante geral para o plano y1y2.
• O uso do plano de fase é um método qualitativo, ou seja, um
método de obter, em soluções, informações qualitativas
gerais sem de fato resolver uma EDO ou um sistema. 49
• Exemplo: Trajetórias no Plano de Fase (Retrato de Fase)
• Para vermos o que está se passando, iremos obter e
representar as soluções gráficas do sistema
• portanto,
• Solução. Substituindo y=xet e y=xet e omitindo a função

exponencial, obtemos Ax= x. A equação característica é
• Isso fornece os autovalores 1=-2 e 2=-4. Os autovetores são

obtidos a partir de
50
• Para 1=-2 isso é –x1+x2=0. Portanto, podemos fazer
x(1)=[1 1]T. Para 2=-4, isso se torna x1+x2=0 e um autovetor é
x(2)=[1 -1]T. Isso nos fornece a solução geral
• A figura mostra um retrato de fase de algumas das trajetórias

(às quais poderíamos acrescentar mais trajetórias se assim
desejássemos). As duas trajetórias retilíneas correspondem a
c1=0 e c2=0, e as outras trajetórias, a outros valores escolhidos
de c1 e c2.
51
• Os estudos sobre as soluções no plano de fase
vêm recentemente adquirindo grande
importância, acompanhando os avanços da
computação gráfica, pois um retrato de fase é
capaz de dar uma boa impressão qualitativa
geral de uma família inteira de soluções. Esse
método torna-se particularmente importante
nos casos freqüentes em que a resolução de
uma EDO ou de um sistema é inconveniente
ou impossível. 52
Pontos Críticos do Sistema
• Na figura, o ponto y=0 parece ser um ponto comum de todas
as trajetórias e desejamos investigar a razão desse fato
notável. A resposta para isso será obtida pelo cálculo. Com
efeito, obtemos
• Isso associa a cada ponto P:(y1,y2) uma única direção tangente

dy2/dy1 da trajetória passando por P, exceto para o ponto
P=P0:(0,0), onde o lado direito torna-se 0/0. Esse ponto P0, no
qual dy2/dy1 torna-se indeterminado, é chamado de ponto
crítico.
53
Cinco Tipos de Pontos Críticos
• Há cinco tipos de pontos críticos, dependendo
da forma geométrica das trajetórias próximas
a eles. Eles recebem os nomes de:
– Nós impróprios
– Nós próprios
– Pontos de sela
– Centros
– Pontos espirais.
• Suas definições e ilustrações serão dadas em
exemplos a seguir. 54
• Um nó impróprio é um ponto crítico P0 no qual todas as
trajetórias, excetuando-se duas delas, têm o mesmo limite
para a direção da tangente. As duas trajetórias excepcionais
possuem também uma direção-limite da tangente em P0, que,
entretanto, é diferente da primeira.
• O sistema
• possui um nó impróprio em 0, como seu retrato de fase na

figura. A direção-limite comum em 0 é a do autovetor
x(1)=[1 1]T, pois e-4t vai a zero
mais rapidamente que e-2t à
medida que t aumenta. As
duas direções-limite das
tangentes excepcionais são
dadas por x(2)=[1 -1]T e –x(2)=[-1 1]T. 55
• Um nó próprio é um ponto crítico P0 onde toda trajetória tem
uma direção-limite definida e, para uma direção d qualquer
dada em P0, existe uma trajetória que tem d como sua
direção-limite. O sistema
• portanto,
• possui um nó próprio na origem. Com efeito, a matriz é a
unitária. Sua equação característica (1-)2=0 tem a raiz =1.
Qualquer x0 é um autovetor e podemos tomar
[1 0]T e [0 1]T. Portanto, uma solução geral é
56
• Um ponto de sela é um ponto crítico P0 no qual há duas
trajetórias entrando, duas trajetórias saindo e todas as outras
trajetórias numa vizinhança de P0 desviam-se de P0. O sistema
• portanto,
• possui um ponto de sela na origem. Sua equação
característica (1-)(-1-)=0 tem as raízes 1=1 e 2=-1. Para
=1, um autovetor [1 0]T é obtido da segunda linha de
(A-I)x=0, ou seja, 0x1+(-1-1)x2=0. Para 2=-1, a primeira linha
dá [0 1]T. Portanto, uma solução geral é
• Esta é uma família

de hipérboles
(com os eixos
coordenados). 57
• Um centro é um ponto crítico encerrado por um número
infinitamente grande de trajetórias fechadas. O sistema
portanto,
• tem um centro na origem. A equação característica 2+4=0
fornece os autovalores 2i e -2i. Para 2i, um autovetor provém
da primeira equação -2ix1+x2=0 de (A-I)x=0, digamos,
[1 2i]T. Para =-2i, essa equação é –(-2i)x1+x2=0 e fornece,
digamos, [1 -2i]T. Portanto, uma solução geral complexa é
portanto,
• O próximo passo seria passar essa solução para a forma real,

usando a fórmula de Euler.
58
• Porém, dá-nos uma certa curiosidade ver que tipo de
autovalores podemos obter quando existe um centro. Dessa
forma, reescrevemos as equações dadas na forma
y´1=y2, 4y1=-y´2; então, os produtos nos lados esquerdos das
equações têm que se igualar aos produtos nos lados direitos.
• Por integração,
• Esta é uma família de elipses envolvendo o centro na origem.
59
• Um ponto espiral é um ponto crítico P0 em torno do qual as
trajetórias espiralam, aproximando-se de P0 à medida que
t (ou, nos casos em que essas espirais são traçadas no
sentido oposto, afastando-se de P0). O sistema
• portanto,
• tem um ponto espiral na origem, como se pode ver. A
equação característica é 2+2+2=0. Ela fornece os
autovalores -1+i e -1-i. Os autovetores correspondentes são
obtidos de (-1-)x1+x2=0. Para =-1+i, isso se torna -ix1+x2=0 e
podemos tomar [1 i]T como um autovetor. Similarmente, um
autovetor correspondente a -1-i é [1 –i]T. Isso fornece a
solução geral complexa
60
• O próximo passo seria passar essa solução complexa para uma
solução geral real pela fórmula de Euler. Porém, como no
último exemplo, apenas desejamos ver quais autovalores são
esperados no caso da ocorrência de um ponto espiral. Dessa
forma, partimos novamente do princípio e, em vez de
fazermos os cálculos sistemáticos um tanto extensos,
usaremos um atalho. Multiplicamos a primeira equação por
y1, a segunda equação por y2 e somamos, obtendo
• Agora, introduzimos as coordenadas polares r, t, onde

r2=y12+y22. Derivando isso em relação a t, obtemos
2rr´=2y1y´1+2y2y´2. Portando, é possível escrever a equação
anterior como
Portanto,
61
• Para cada c real, temos uma espiral, como já havíamos dito.
62
Nó Degenerado
• Nenhuma Base de Autovetores Disponível. Isso não pode
ocorrer se A em y´=Ay for simétrica (akj=ajk) ou anti-simétrica
(akj=ajk, portanto ajj=0). E isso não acontece em muitos outros
casos. Portanto, é suficiente explicarmos, através de um
exemplo, o método que será utilizado. Encontre e represente
graficamente a solução geral de
• Solução. A não é antiassimétrica! Sua equação característica é
• Ela possui uma raiz dupla =3. Logo, os autovetores são

obtidos a partir de (4-)x1+x2=0; portanto, de x1+x2=0,
digamos, x(1)=[1 -1]T e múltiplos não-nulos dela (o que não
nos é util).
63
Nó Degenerado
• O método agora consiste em substituir
• com u=[u1 u2]T constante. O termo xt sozinho, que é o análogo

do que fizemos para o caso de uma raiz dupla, não seria
suficiente. Isso fornece
• No lado direito, Ax=x. Portanto, os termos xtet se

cancelam e então a divisão por et dá
• portanto,
• Aqui, =3 e x=[1 1]T, de modo que
• portanto,
64
Nó Degenerado
• Uma solução, linearmente independente de x=[1 -1]T, é
u=[0 1]T. Isso nos fornece a resposta
• O ponto crítico na origem é freqüentemente chamado de nó

degenerado. c1y(1) corresponde à linha em negrito, com c1>0
referindo-se à parte inferior e c1<0 à sua parte superior. y(2)
fornece a parte direita da curva em negrito, que, partindo de
0, vai para o segundo quadrante,
depois para o primeiro
quadrante e, finalmente,
para o quarto. Por sua vez,
-y(2) fornece a outra
parte dessa curva
65
Nó Degenerado
• Mencionamos que, para um sistema com três ou mais
equações e um autovalor triplo com somente um único
autovetor linearmente independente, obteremos duas
soluções, conforme acabamos de discutir, e uma terceira
solução linearmente independente, a partir de
• com v de
66
Critérios para os Pontos Críticos
• Continuamos nossa discussão dos sistemas lineares
homogêneos com coeficientes constantes
• em componentes,
• Dos exemplos da última seção, constatamos que podemos
obter uma visão geral das curvas-solução se as
representarmos parametricamente como y(t)=[y1(t) y2(t)]T e
se as representarmos graficamente como curvas no plano
y1y2, chamado de plano de fase. Curvas assim são chamadas
de trajetórias e as totalidades delas é conhecida como o
retrato de fase.
• Agora, vemos que as soluções são da forma y(t)=xet. A
substituição dá y´(t)=xet=Ay= Axet. Eliminando o fator
comum et, temos Ax=x. Logo, y(t) é uma solução (não-nula)
se  for um autovalor de A e x for um autovetor. 67
• Nossos exemplos mostram que a forma geral do retrato de
fase é em grande parte determinada pelo tipo de ponto crítico
do sistema, definido como um ponto no qual dy2/dy1 torna-se
indeterminado, 0/0; aqui
• Também devemos lembrar que há diversos tipos de pontos

críticos, e veremos agora como esses tipos se relacionam aos
autovalores. Estes últimos são soluções =1 e 2 da equação
característica
• Esta é uma equação quadrática 2-p+q=0 com os

coeficientes p, q e o discriminante  dados por
• Do cálculo, sabemos que as soluções dessa equação são

68
• Além disso, fatorando essa equação, obtemos
• Logo, p é a soma e q é o produto doa autovalores. Juntas,
• Isso fornece os critérios apresentados na tabela para a

classificação dos pontos críticos.
69
Estabilidade
• Os pontos críticos podem também ser classificados em
termos de sua estabilidade. Os conceitos de estabilidade são
de uma importância básica em engenharia e outras
aplicações. Ele são sugeridos pela física, onde, grosso modo,
estabilidade significa que uma pequena alteração (um
pequeno distúrbio) de um sistema físico num certo instante
altera o comportamento do sistema apenas ligeiramente em
todos os instantes t futuros.
• Para os pontos críticos, é apropriado considerarmos os
seguintes conceitos.
– Pontos Estáveis,
– Instáveis,
– Estáveis e Atratores
70
Estabilidade
• Um ponto crítico P0 é chamado de estável se, grosso modo,
todas as trajetórias que algum instante estejam próximas de
P0 permanecerem próximas de P0 em todos os instantes
futuros; de modo preciso: se, para qualquer disco D de raio
>0 com um centro em P0 houver um disco D de raio >0 de
tal modo que toda trajetória que possua um ponto P1
(correspondente a, digamos, t=t1) em D tenha todos os seus
pontos correspondentes a t  t1 em D.
• Ponto crítico estável P0 (A trajetória começando em P1

permanece no disco de raio .) 71
Estabilidade
• P0 é chamado de instável se P0 não for estável.
• P0 é chamado de estável e atrator (ou assintoticamente
estável) se P0 for estável e toda trajetória que tiver um ponto
em D se aproximar de P0 à medida que t.
• Ponto crítico estável e atrator P0.

72
Estabilidade
• Os critérios de classificação para os pontos críticos em termos
são fornecidos na tabela. Ambas as tabelas estão resumidas no
quadro de estabilidade mostrado na figura. Neste quadro, a
região de instabilidade está indicada em cinza-escuro.
• Quadro de estabilidade do sistema de EDOs com p, q e 

definidos. Estável e atrator: o segundo quadrante sem o eixo q.
Estabilidade também no eixo q positivo ( que corresponde aos
73
centros). Instável: região destacada em cinza-escuro.
Estabilidade
• Indiquemos de que modo os critérios das tabelas são obtidos.
Se q=12>0, ambos os autovalores são positivos, ou ambos
são negativos, ou são complexos conjugados. Se também
p=1+2<0, ambos são negativos ou têm um parte real
negativa. Logo, P0 é estável e atrator. O raciocínio para as duas
outras linhas da tabela é similar.
• Se <0, os autovalores são complexos conjugados, digamos,
1=+i e 2=-i. Se também p= 1+2=2<0, isso resulta
num ponto espiral estável e atrator. Se p=2>0, isso fornece
um ponto espiral instável.
• Se p=0, então 2=-1 e q=12=-12. Se também q>0, então
12=-q<0, de modo que 1 e, portanto, 2 devem ser
imaginários puros. Isso fornece soluções periódicas, com sua
trajetórias correspondendo a curvas fechadas em torno de P0,
que é um centro.
74
Estabilidade
• Exemplo: Temos
que é um nó e é estável e atrator segundo as tabelas.

• Exemplo: Movimentos Livres de uma Massa numa Mola
Que tipo de ponto crítico tem a equação my´´+cy´+ky=0?
Solução: Dividindo por m, temos y´´=-(k/m)y-(c/m)y´. Para
obtermos um sistema, façamos y1=y, y2=y´. Então
y´2=y´´=-(k/m)y1-(c/m)y2. Logo,
• Vemos que p=-c/m, q=k/m, =(c/m)2-4k/m. Logo:

– Sem amortecimento. c=0,p=0,q>0, um centro.
– Subamortecimento. c2<4mk,p<0,q>0,<0, um ponto espiral estável e
atrator.
– Amortecimento crítico. c2=4mk,p<0,q>0,=0, um nó estável e atrator.
– Subperamortecimento. c2>4mk,p<0,q>0,>0, um nó estável e atrator. 75
Métodos Qualitativos para
Sistemas Não-lineares
• Os métodos qualitativos são aqueles pelos quais podemos
obter informações qualitativos sobre as soluções sem de fato
resolvermos os sistemas. Tais métodos são particularmente
importantes para os sistemas cujas solução por métodos
analíticos é difícil ou impossível. Este é o caso de diversos
sistemas não-lineares de importância prática
• portanto,
• Estenderemos os métodos do plano de fase para os sistemas
não-lineares. Supomos que o sistemas seja autônomo, ou
seja, a variável independente t não ocorre explicitamente. De
novo, mostraremos famílias inteiras de soluções.
76
Métodos Qualitativos para
Sistemas Não-lineares
• Os sistemas não-lineares podem ter diversos pontos críticos,
sendo que, nesses casos, discutiremos um após o outro. Por
conveniência técnica, em cada uma dessas vezes o ponto
crítico P0:(a,b) a ser considerado será movido para a origem
(0,0). Pode-se fazer isto por meio de uma translação
ŷ1=y1-a, ŷ2=y2-b que faz P0 ir para (0,0). Portanto, podemos
supor que P0 se encontra na origem (0,0) e, por simplicidade,
continuar a escrever y1,y2 (em vez de ŷ1,ŷ2). Também
suporemos que P0 é isolado, ou seja, é o único ponto crítico
dentro de um disco (suficientemente pequeno) com centro na
origem. Se o sistemas de EDOs tiver um número grande e
finito de pontos críticos, isso é automaticamente verdadeiro.
77
Linearização dos Sistemas Não-
Lineares
• De que modo podemos determinar o tipo e a propriedade de
estabilidade de um ponto crítico P0:(0,0) de sistema de EDOs ?
• Na maioria dos casos, podemos fazer isso através da
linearização perto de P0, escrevendo y´=f(y)=Ay+h(y) e
eliminando h(y) do seguinte modo.
• Como P0 é crítico, f1(0,0)=0, f2(0,0)=0, de modo que f1 e f2 não
têm termos constantes, e podemos escrever
• portanto,
• A é constante (independente de t), visto que o sistema é
autônomo.
78
Linearização dos Sistemas Não-
Lineares
• Teorema: Se em sistema de EDOs f1 e f2 forem contínuos e
tiverem derivadas parciais contínuas numa vizinhança do
ponto crítico P0:(0,0), e se det(A)0, então o tipo e a
estabilidade do ponto crítico são os mesmos do sistema
linearizado
• portanto,
• Exceções a isso ocorrem se A tiver autovalores iguais ou

imaginários puros; nesse caso, o sistema de EDOs pode ter o
mesmo tipo de ponto crítico ou um ponto espiral.
79
Pêndulo Livre Não-amortecido.
Linearização. Exemplo
• A figura mostra um pêndulo consistindo em um corpo de
massa m (a esfera) e uma haste de comprimento L. Determine
as localizações e os tipos dos pontos críticos. Suponha que a
massa da haste e a resistência do ar sejam desprezíveis.
80
• Solução. Etapa 1. Elaboração do modelo matemático. Usemos
 para representar o deslocamento angular, medido no
sentido anti-horário a partir da posição de equilíbrio. O peso
da esfera é mg (onde g é a aceleração da gravidade). Ele faz
surgir uma força restauradora mg sen() tangente à curva
descrita pelo movimento (na forma de um arco circular) da
esfera. Pela segunda lei de Newton, a cada instante essa força
é equilibrada pela força de aceleração mL´´, onde L´´ é a
aceleração; logo, a resultante dessas duas forças é nula e
nosso modelo matemático permite-nos obter
• Dividindo por mL, temos

81
• Quando  for muito pequeno, é possível aproximar de modo
bastante acurado sen() de  e obter uma solução
aproximada A cos k t  Bsen k t ; por outro lado, a solução
exata para um valor qualquer de  não é uma função
elementar.
• Etapa 2. Pontos críticos (0,0), (2,0), (4,0), ...,
Linearização. Para obtermos um sistema de EDOs, fazemos
=y1, ´=y2. Então, obtemos um sistema não-linear da forma
• Os lados direitos são ambos nulos quando y2=0 e sen(y1)=0.

Isso fornece um número infinitamente grande de pontos
críticos (n,0), onde n=0,1,2,... 82
• Consideremos (0,0). Como a série de Maclaurin é
• o sistema linearizado em (0,0) corresponde a
• portanto,
• Para aplicarmos nossos critérios, calculamos p=a11+a22=0,
q=det(A)=k=g/L(>0) e =p2-4q=-4k. Disso, concluímos que
(0,0) é um centro, o qual é sempre estável. Como
sen()=sen(y1) é periódico, possuindo um período de 2, os
pontos críticos (n,0), onde n=2,4,..., correspondem todos
a centros.
83
• Etapa 3. Pontos críticos (,0), (3,0), (5,0),...,
Linearização. Consideramos agora o ponto crítico (,0),
fazendo -=y1 e (-)´=  ´=y2. Então
• e o sistema linearizado em (,0) é agora
• portanto,
• Vemos que p=0, q=-k(<0) e =-4q=4k. Portanto, isso
corresponde a um ponto de sela, que é sempre instável.
Devido à periodicidade, os pontos críticos (n,0), n=1,3,...,
são todos pontos de sela. Esses resultados concordam com a
impressão que nos passa a figura.
84
85
Linearização da Equação do
Pêndulo Amortecido
• Para ganharmos mais experiência na investigação dos pontos
críticos, investigaremos um outro caso de importância prática,
quando acrescentamos ao exemplo anterior um termo de
amortecimento c´ (com o amortecimento sendo
proporcional à velocidade angular), o modelo matemático se
torna
• Onde k>0 e c  0 (o que inclui o nosso caso anterior as
ausência de amortecimento, onde c=0). Fazendo =y1, ´=y2,
como antes, obtemos o sistema não-linear (usando ´´=y´2)
• Vemos que os pontos críticos têm as mesmas localizações de

antes, a saber, (0,0), (,0), (2,0),... 86
Pêndulo Amortecido
• Consideremos (0,0). Linearizando sen(y1)y1, obtemos o
sistema linearizado em (0,0)
• portanto,
• Este sistema é idêntico a outro exemplo já mostrado,
excetuando-se pelo fator m (positivo!) (e excetuando-se
também pelo significado físico de y1). Logo, para c=0 (sem
amortecimento), temos um centro, para um pequeno
amortecimento temos um ponto espiral, e assim por diante.
87
Pêndulo Amortecido
88
Pêndulo Amortecido
• Consideremos agora o ponto crítico (,0). Fazemos
-=y1, (-)´=´=y´2 e linearizamos
• Isso fornece o novo sistema linearizado em (,0)
• portanto,
• Para os critérios que vimos, calculamos p=a11+a22=-c,
q=det(A)=-k, e =p2-4q=c2+4k. Isso fornece os seguintes
resultados para o ponto crítico em (,0).
• Sem amortecimento. c=0, p=0,q<0,>0, um ponto de sela.
• Com amortecimento. c>0, p<0,q<0,>0, um ponto de sela.
89
Pêndulo Amortecido
• Uma vez que sen(y1) com um período 2, os pontos críticos
(2,0), (4,0), ... São do mesmo tipo de (0,0) e os pontos
críticos (-,0) , (3,0), ... São do mesmo tipo de (,0), de
modo que isso completa nossa tarefa.
• A figura mostra as trajetórias no caso de amortecimento. O
que vemos concorda com nossa intuição física. Com efeito, o
amortecimento significa uma perda de energia. Logo, em vez
das trajetórias fechadas das soluções periódicas, temos agora
trajetórias espiralando em torno de um dos pontos críticos
(0,0), (2,0),... Mesmo as trajetórias onduladas
correspondentes aos movimentos em redemoinho terminam
por espiralar em torno de um desses pontos. Além disso, não
existem mais trajetórias conectando os pontos críticos (como
havia no caso não-amortecido para os pontos de sela). 90
Pêndulo Amortecido
91
O Modelo Populacional de Lotka-
•
Volterra
O Modelo Populacional Predador-Presa. Esse modelo trata de
duas espécies animais, digamos, coelhos e raposas, em que as
raposas se alimentam dos coelhos.
• Etapa 1. Elaboração do modelo. Supomos o seguinte.
• 1) Os coelhos dispõem de um estoque de comida ilimitado. Logo,
se não houvesse raposas, o número de coelhos cresceria
exponencialmente, y´1=ay1.
• 2) Na verdade, y1 diminui porque os coelhos são caçados pelas
raposas, digamos, a uma taxa proporcional a y1y2, onde y2(t) é o
número de raposas. Logo, y´1=ay1-by1y2, onde a>0 e b>0.
• 3) Se não houvesse coelhos, então y2(t) diminuiria
exponencialmente para zero, y´2=-ly2. Entretanto, y2 aumenta
segundo um taxa proporcional ao número de encontros entre
predador e presa; juntos, temos y´2=-ly2+ky1y2, onde k>0 e l>0.92
Volterra
• Isso nos fornece o sistema não-linear de Lotka-Volterra:
• Etapa 2. Ponto crítico (0,0). Linearização. Vemos que os

pontos críticos são as soluções de
• As soluções são (y1,y2)=(0,0) e (l/k, a/b). Consideremos (0,0).

Eliminando –by1y2 e ky1y2, obtemos o sistema linearizado
• Seus autovalores são 1=a>0 e 2=-l<0, que possuem sinais

opostos, de modo que temos um ponto de sela. 93
Volterra
• Etapa 3. Ponto crítico (l/k, a/b), Linearização. Fazemos
y1=ŷ1+l/k, y2=ŷ2+a/b. Então, o ponto crítico (l/k, a/b)
corresponde a (ŷ1,ŷ2)=(0,0). Como ŷ´1=y´1, ŷ´2=y´2, obtemos
• Eliminando os dois termos não-lineares –bŷ1ŷ2 e kŷ1ŷ2, temos

o sistema linearizado
94
Volterra
• O lado esquerdo de (a) multiplicado pelo lado direito de (b)
deve ser igual ao lado direito de (a) multiplicado pelo lado
esquerdo de (b),
• Por integração,
• Trata-se de uma família de elipses, de modo que o ponto
crítico (l/k, a/b) do sistema linearizado é centro. Isso pode ser
provado através de uma complicada análise que mostra que o
sistema não-linear também possui um centro (em vez de um
ponto espiral) em (l/k, a/b), circundado por trajetórias
fechadas (porém diferentes de elipses).
95
Volterra
• Vemos que presas e predadores têm uma variação cíclica em
torno do ponto crítico. Percorramos essa elipse no sentido
anti-horário, começando no vértice direito, onde os coelhos
estão em quantidade máxima. O número de raposas está
crescendo acentuadamente, até atingir um máximo no vértice
superior, ao mesmo tempo em que o número de coelhos
diminui acentuadamente, até atingir um mínimo no vértice
esquerdo, e assim por diante. Variações cíclicas desse tipo
têm sido observadas na natureza, por exemplo, entre linces e
lebres alpinas na região próximas da Baía de Hudson, com um
ciclo de cerca de 10 anos.
96
Volterra
97
Transformação de uma Equação de
Primeira Ordem no Plano de Fase
• Outro método do plano de fase baseia-se na idéia de
transformar uma EDO autônoma de segunda ordem (uma
EDO em que t não ocorre explicitamente) F(y,y´,y´´)=0 numa
equação de primeira ordem, tomando y=y1 como a variável
independente, fazendo y´=y2 e transformando y´´ pela regra
da cadeia,
• Então, a EDO passa a ser de primeira ordem,
• podendo às vezes ser resolvida ou tratada por meio de

campos direcionais. Ilustraremos isso no exemplo a seguir, o
que nos dará uma compreensão bem mais aprofundada. 98
Exemplo: Uma EDO para o Pêndulo
Livre Não-amortecido
• Se ´´+k sen()=0 fizemos =y1, ´=y2 (a velocidade angular) e
usarmos
• obtemos
• Separando as variáveis, temos y2dy2=-k sen(y1) dy1. Por
integração
• (C constante).
• Multiplicando por mL2, obtemos
99
• Vemos que esses três termos correspondem a energias. Com
efeito, y2 é a velocidade angular, de modo que Ly2 é a
velocidade e o primeiro termo é a energia cinética. O segundo
termo (incluindo o sinal negativo) é a energia potencial do
pêndulo e mL2C é sua energia total, que é constante, como é
de se esperar pela lei da conservação da energia, visto não
haver amortecimento (ou seja, não ocorre perda de energia).
O tipo de movimento depende da energia total, logo depende
de C, como se segue.
• A figura mostra trajetórias para diversos valores de C. Esses
gráficos continuam periodicamente com um período 2 para
a esquerda e para a direita.
100
101
•
Vemos que alguns deles têm um aspecto fechado e elipsóide, ao
passo que outros são ondulados e há duas trajetórias (passando
pelos pontos de sela (n,0), n=1, 3,...), que separam esses dois
tipos de trajetórias. Vemos que, para C, o menor valor é C=-k;
nesse caso, y2=0 e cos(y1)=1,de modo que o pêndulo fica em
repouso. O pêndulo muda sua direção de movimento quando há
ponto onde y2=´=0.Então, k cos(y1)+C=0. y1=, então cos(y1)=-1
e C=k. Logo, se –k<C<k, então o pêndulo inverte sua direção para
um valor |y1|=||<, e para esses valores de C com |C|<k o
pêndulo oscila. Isso corresponde às trajetórias fechadas da
figura. Entretanto, se C>k, então y2=0 é impossível e o pêndulo
faz um movimento de rodopio que aparece como uma trajetória
ondulada no plano y1y2. Finalmente, o valor C=k corresponde às
duas trajetórias de separação, conectando os pontos de sela.
102
Transformação de uma Equação de
Primeira Ordem no Plano de Fase
• O método do plano de fase pelo qual se
obtém uma única equação de primeira ordem
pode ser de interesse prático não apenas
quando é possível resolver a EDO, mas
também quando não é possível obter uma
solução, fazendo-se assim necessário utilizar
os campos direcionais. Ilustramos isso com um
exemplo bastante conhecido.
103
Exemplo: Oscilações Auto-
excitadas. A Equação de Van der
•
Pol
Existem sistemas físicos nos quais, para pequenas oscilações,
ocorre uma injeção de energia no sistema, ao passo que, para
grandes oscilações, a energia sai do sistema. Em outras
palavras, as grandes oscilações são amortecidas, enquanto as
pequenas oscilações sofrem um amortecimento negativo
(correspondente à injeção de energia no sistema). Por razões
físicas, espera-se que esse sistema se aproxime de um
comportamento periódico, que se apresentará como uma
trajetória fechada no plano de fase, chamado de ciclo-limite.
Uma equação diferencial que descreve essas vibrações é a
famosa equação de Van der Pol
• (>0, constante).
104
Pol
• Essa equação surgiu no estudo dos circuitos elétricos
contendo tubos de vácuo. Para =0, a equação torna-se
y´´+y=0, e obtemos oscilações harmônicas. Consideremos
>0. O termo de amortecimento possui o fator -(1-y2). Ele é
negativo para pequenas oscilações, quando y2<1, de modo
que há um amortecimento negativo; é nulo para y2=1
(ausência de amortecimento) e é positivo se y2>1
(amortecimento positivo, ou perda de energia). Se  for
pequeno, esperamos a ocorrência de um ciclo-limite que seja
quase circular, pois então nossa equação diferirá muito pouco
de y´´+y=0. Se  for grande, o ciclo-limite provavelmente terá
uma aparência diferente.
105
•
Pol
Fazendo y=y , y´=y e usando y´´=(dy /dy )y , temos
1 2 2 1 2
• No plano y1y2 (o plano de fase), as isóclinas correspondem às

curvas dy2/dy1=k=const., ou seja,
• Resolvendo algebricamente para y2, vemos que as isóclinas

são dadas por
106
Pol
• A figura mostra algumas isóclinas para um pequeno valor de 
(=0,1), o ciclo-limite (que é quase circular) e duas trajetórias
(em cinza) aproximado-se dele, uma vinda do lado exterior, e
a outra, do lado interior, da qual apenas a porção inicial, uma
pequena espiral, é mostrada.
• Devido a essa aproximação feita pelas trajetórias, os ciclos-
limite diferem conceitualmente das curvas fechadas
(trajetórias) circundando um centro, que não é aproximado
pelas trajetórias.
107
Pol
108
• Para maiores valores de ,
Pol
o ciclo-limite deixa de se
parecer com um círculo
e as trajetórias
aproximam-se dele muito
mais rapidamente do
que para pequenos
valores de . A figura
ilustra esse caso para =1.
109
Sistemas Lineares Não-
homogêneos de EDOs
• Discutiremos os métodos de resolução dos sistemas lineares
não-homogêneos das EDOs y´=Ay+g onde o vetor g(t) não é
identicamente nulo. Supomos g(t) e os elementos da matriz
A(t) n x n sejam contínuos em algum intervalo J do eixo t. A
partir de uma solução geral y(h)(t) do sistema homogêneo
y´=Ay em J e de uma solução particular y(p)(t) em J [isto é, uma
solução não contendo nenhuma constante arbitrária],
obtemos uma solução, y=y(h)+y(p).
• Dizemos que y é uma solução geral em J porque inclui todas
as soluções em J.
• Nossa tarefa agora será explicar métodos de obter soluções
particulares. Discutiremos o método dos coeficientes a
determinar e o método da variação dos parâmetros. 110
Método dos Coeficientes a
Determinar
• Como ocorre com EDOs únicas, esse método é adequado
quando os elementos da matriz A são constantes e os
componentes de g são constantes, potências inteiras positivas
de t, funções exponenciais ou senos e cossenos. Em casos
assim, supomos que uma solução particular y(p) tenha uma
forma similar a g; por exemplo, y(p)=u+vt+wt2 se g tiver
componentes quadráticos em t, com u,v,w a serem
determinados por substituição.
• Isto é similar à o que já foi mostrado, excetuando-se pela
Regra da Modificação. Aqui é suficiente mostrarmos isso
através de um exemplo.
111
Determinar
• Exemplo: Encontre um solução geral de
• Solução. Uma equação geral do sistema homogêneo é
• Uma vez que =-2 é um autovalor de A, a função e-2t no lado

direito também aparece em y(h), de modo que precisamos
aplicar a Regra de Modificação fazendo
• (em vez de ue-2t)

112
Determinar
• Observe que o primeiro desses dois termos é o análogo da
modificação, porém isso aqui não seria suficiente. Por
substituição
• Igualando os termos em te-2t de ambos os lados, temos

-2u=Au. Logo, u é um autovetor de A correspondente a =-2;
portanto u=a[1 1]T com um valor qualquer de a0. Igualando
os outros termos, obtemos
• portanto,
• Agrupando e reordenando os termos, chegamos a
113
Determinar
• Somando, 0=-2a-4, a=-2 e então v2=v1+4, digamos, v1=k,
v2=k+4, portanto, v=[k k+4]T. Podemos simplesmente escolher
k=0. Isso nos dá a resposta
• Para outro valor de k, teríamos um outro v; por exemplo, k=-2

dá v=[-2 2]T, de modo que a resposta passa a ser
• etc. 114
Método da Variação dos
Parâmetros
• Esse método pode ser aplicado a sistemas lineares não-
homogêneos y´=A(t)y+g(t) com a matriz A=A(t) variável e um
termo g(t) geral. Ele fornece uma solução particular y(p) em
algum intervalo aberto J do eixo t caso se conheça uma
solução do sistema homogêneo y´=A(t)y em J. Explicaremos
esse método usando o exemplo anterior.
• Exemplo: Encontre uma solução geral de
115
Parâmetros
• Solução. Uma base de soluções do sistema homogêneo é
[e-2t e-2t]T e [e-4t -e-4t]T. Logo, podemos escrever a solução
geral do sistema homogêneo como
• Aqui, Y(t)=[y(1) y(2)]T é a matriz fundamental. Substituímos o

vetor constante c por um vetor variável u(t) de modo a
obtermos uma solução particular y(p)=Y(t)u(t).
• Substituindo essa expressão em y´=Ay+g, temos
116
Parâmetros
• Agora, uma vez que y(1) e y(2) são solução do sistema
homogêneo, temos
• portanto,
• Logo, Y´u=Ayu, de modo que se reduz a Yu´=g.
• A solução é u´=Y-1g; aqui, usamos o fato de que a matriz
inversa Y-1 de Y existe porque o determinante de Y é o
wronskiano W, que é diferente de zero para uma base. Isso
fornece Y-1:
117
Parâmetros
• Multiplicamos isso por g, obtendo
• A integração é feita termo a termo (como na derivação) e

fornece
• (onde o número + 2 provém do limite inferior da integração).

Disso e de Y, obtemos
118
Parâmetros
• O último termo no lado direito é uma solução do sistema
homogêneo. Logo, podemos absorvê-lo em y(h). Portanto,
obtemos como uma solução geral do sistema de EDO e em
concordância com o exemplo anterior,
119
Fim. Muito Obrigado.
120

Métodos Matemáticos - Aula 05

Enviado por

Direitos autorais:

Formatos disponíveis

Métodos Matemáticos - Aula 05

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Métodos Matemáticos - Aula 05

Enviado por

Direitos autorais:

Formatos disponíveis

Prof. Pedro Américo Jr.

• Talvez com funções adicionais dadas g1(t) e g2(t), no lado

• Talvez com uma função adicional dada no lado direito de cada

• Similarmente, os coeficientes formam uma matriz n x n

• Similarmente, um vetor-linha v tem a forma

• portanto, se n=2, então,

• Então, A=B se e somente se

• A multiplicação escalar (multiplicação por um número c) é

• Usando a multiplicação e a derivação de matrizes, podemos

• A transposta de um vetor-coluna, é um vetor-linha.

com n componentes formam um conjunto linearmente

• Agora, (A-I) é singular se e somente se seu determinante,

• Solução. A equação característica é a equação quadrática

• Ela possui as soluções -2 e -0,8. Estes são os autovalores de A.

• Logo, em nosso problema de mistura, o modelo matemático

• Assumindo a forma de uma equação vetorial com o vetor-

• Vemos que 1=0 (algo que pode perfeitamente acontecer –

• com =0 e =-0,04. Para nossa matriz A deste caso, isso

• Do princípio da superposição, obtemos então a solução geral:

• A solução é c1=75, c2=-75. Isso fornece a resposta

• O gráfico mostra o aumento exponencial

• Logo, o fluido deve circular pelo menos por cerca de meia

• Em forma matricial, é: (escrevemos J, visto de I se refere à

• Portanto, uma solução geral do sistema homogêneo é

• A solução é a1=3, a2=0; portanto

• As condições iniciais fornecem

• A figura mostra I1(t) e I2(t) como duas curvas distintas.

• num sistema de n EDOs de primeira ordem fazendo-se

• Esse sistema é da forma

• Fazendo m=1, c=2 e k=0,75. Portanto,

• Essa solução vetorial tem o primeiro componente

• que é a solução esperada. O segundo componente é sua

• Podemos escrever o sistema como uma equação vetorial,

y1(t0)=K1, y2(t0)=K2, ..., yn(t0)=Kn,

em forma vetorial, y(t0)=K, onde t0 é um valor especificado de

• Em forma vetorial, isso se torna y´=Ay+g onde

• O determinante de Y é chamado de wronskiano de y(1), ..., y(n)

• As colunas são essas soluções, cada qual expressa em termos

• No lado direito, a função exponencial nunca é nula e

• Naturalmente, podemos obter soluções gráficas

• como duas curvas sobre o eixo t, uma para cada componente

• Solução. Substituindo y=xet e y=xet e omitindo a função

• Isso fornece os autovalores 1=-2 e 2=-4. Os autovetores são

• A figura mostra um retrato de fase de algumas das trajetórias

• Isso associa a cada ponto P:(y1,y2) uma única direção tangente

• possui um nó impróprio em 0, como seu retrato de fase na

• Esta é uma família

• O próximo passo seria passar essa solução para a forma real,

• Agora, introduzimos as coordenadas polares r, t, onde

• Solução. A não é antiassimétrica! Sua equação característica é

• Ela possui uma raiz dupla =3. Logo, os autovetores são

• com u=[u1 u2]T constante. O termo xt sozinho, que é o análogo

• No lado direito, Ax=x. Portanto, os termos xtet se

• O ponto crítico na origem é freqüentemente chamado de nó

• Também devemos lembrar que há diversos tipos de pontos

• Esta é uma equação quadrática 2-p+q=0 com os

• Do cálculo, sabemos que as soluções dessa equação são

• Logo, p é a soma e q é o produto doa autovalores. Juntas,

• Isso fornece os critérios apresentados na tabela para a