Baixe o app para aproveitar ainda mais
Prévia do material em texto
At iv id ad es d e M od el ag em M at em át ic a pa ra o E ns in o de E qu aç õe s D ife re nc ia is ATIVIDADES DE MODELAGEM MATEMÁTICA PARA O ENSINO DE EQUAÇÕES DIFERENCIAIS ORDINÁRIAS Lopes, Aldo Peres Campos e. LopAtividades de modelagem matemática para o ensino de equações diferenciais ordinárias. [manuscrito] / Aldo Peres Campos e Lopes. - 2020. Lop67 f.: il.: color., gráf., tab.. LopOrientador: Prof. Dr. Frederico da Silva Reis. LopProdução Científica (Mestrado Profissional). Universidade Federal de Ouro Preto. Departamento de Educação Matemática. Programa de Pós- Graduação em Educação Matemática. LopÁrea de Concentração: Educação Matemática. Lop1. Matemática. 2. Ensino superior. 3. Equações diferenciais. I. Reis, Frederico da Silva. II. Universidade Federal de Ouro Preto. III. Título. Bibliotecário(a) Responsável: Celina Brasil Luiz - CRB6-1589 SISBIN - SISTEMA DE BIBLIOTECAS E INFORMAÇÃO L864a CDU 510:378 3 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Aldo Peres Campos e Lopes Frederico da Silva Reis Atividades de Modelagem Matemática para o ensino de Equações Diferenciais Ordinárias Ouro Preto | 2020 4 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S © 2018 Universidade Federal de Ouro Preto Instituto de Ciências Exatas e Biológicas | Departamento de Matemática Programa de Pós-Graduação | Mestrado Profissional em Educação Matemática Reitora da UFOP | Profa. Dra. Cláudia Aparecida Marliére de Lima Vice-Reitor | Prof. Hermínio Arias Nalini Júnior INSTITUTO DE CIÊNCIAS EXATAS E BIOLOGIAS Drietor | Prof. Dr. André Talvani Pedrosa da Silva Vice-Drietor | Prof. Dr. Rodrigo Fernando Bianchi PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO Pró-Reitor | Prof. Dr. Sérgio Francisco de Aquino Drietora-Adjunto | Profa. Dra. Vanessa Carla Furtado Mosqueira Coordenação | Prof. Dr. Douglas da Silva Tinti MEMBROS Profa. Dra. Ana Cristina Ferreira Prof. Dr. André Augusto Deodato Profa. Dra. Célia Maria Fernandes Nunes Prof. Dr. Daniel Clark Orey Prof. Dr. Douglas da Silva Tinti Prof. Dr. Edmilson Minoru Torisu Prof. Dr. Frederico da Silva Reis Profa. Dra. Marli Regina dos Santos Profa. Dra. Marger da Conceição Ventura Viana Prof. Dr. Milton Rosa 5 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Reprodução proibida Art.184 do Código Penal e Lei 9.610 de fevereiro de 1998. Todos os direitos reservados 6 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S 7 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Expediente Técnico ________________________ Organização | Aldo Peres Campos e Lopes | Frederico da Silva Reis Pesquisa e Redação | Aldo Peres Campos e Lopes Revisão | Aldo Peres Campos e Lopes | Frederico da Silva Reis Projeto Gráfico e Capa | Editora UFOP Ilustração | Aldo Peres Campos e Lopes 8 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Ao Professor de Equações Diferenciais Ordinárias _______________________________________ Caro(a) colega Professor(a) de EDO, Este produto educacional tem como objetivo auxiliar o professor em aplicações práticas de Modelagem. Para as etapas de Modelagem, seguimos os passos práticos com base no livro de Laudares et al. (2017). Acrescentamos 2 passos aos 8 estabelecidos no livro. Esses passos adicionais têm como objetivo auxiliar em uma discussão crítica. Caberá ao professor guiar os alunos para uma discussão significativa, não somente ao modelo construído, mas também às implicações das escolhas feitas, fazendo conexões com a realidade. Por isso, dedicamos uma seção para explicar um pouco sobre Modelagem e do que seria essa “criticidade”. Os modelos aqui sugeridos foram retirados, em sua maioria, do livro de Burghes e Borrie (1981). Apesar de ser um livro que possa ser considerado “antigo” para se conectar com a realidade que nos cerca, os temas são atuais e relevantes. O linguajar é bem acessível a um aluno iniciante na disciplina de Equações Diferenciais. Os temas das atividades de Modelagem Matemática são: 1º bloco: 1 A) Absorção de álcool no organismo e risco de acidentes 1B) Modelando a adequação de uma dieta 2º bloco: 2 A) Comportamento de compra do consumidor 2B) Modelando a propagação de uma epidemia 9 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Neste produto apresentamos, uma sugestão de 4 atividades de Modelagem. As duas primeiras (Modelagens 1A e 1B) envolvem Equações Diferenciais de 1ª ordem e as outras duas (Modelagens 2A e 2B) envolvem Equações Diferenciais de ordem superior. Todas são factíveis em uma disciplina de um semestre de EDO (Equações Diferenciais Ordinárias). Os resultados normalmente são muito bons, a despeito das dificuldades encontradas. Os alunos, principalmente de cursos como Engenharias, anseiam por aplicações da teoria que aprendem. Apesar de não ser o foco aqui, recomendamos, na medida do possível, o uso de recursos tecnológicos com os alunos para a construção de gráficos, fazer simulações etc. Como não existe um caminho único para uma atividade de Modelagem, sugerimos que alunos (e professores) testem hipóteses, mudem variáveis etc. Isso pode sem um bom exercício de criatividade e criticidade com os alunos. Na introdução de cada atividade, há algumas recomendações sugeridas para um bom prosseguimento e ajudar os alunos a iniciar uma reflexão crítica. Naturalmente, tais sugestões podem ser ajustadas de acordo com cada circunstância envolvida – dos alunos, dos professores, dentre outros. Por fim, deixamos uma sugestão de respostas. Não queremos, com isso, dizer que há apenas um caminho para se desenvolver a Modelagem, mas auxiliar em possíveis dificuldades técnicas que porventura possam surgir. Prof. Dr. Aldo Peres Campos e Lopes 10 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Índice ________________________ 1. Um pouco de modelagem e criticidade ................................................................... 11 2. Atividade de modelagem 1A — absorção de álcool no organismo e risco de acidentes.........................................................................................................................14 3. Atividade de modelagem 1B — modelando a adequação de uma dieta ................ 18 4. Atividade de modelagem 2 A — modelando o comportamento de compra de um consumidor 24 5. Atividade de modelagem 2B — propagação de uma epidemia .............................. 29 6. Sugestões de resposta ................................................................................................ 42 6.1 Sugestão para a modelagem 1 A ................................................................ ..42 6.2 Sugestão para a modelagem 1B ................................................................... 44 6.3 Sugestão para a modelagem 2 A .................................................................. 51 6.4 Sugestão para a modelagem 2B ................................................................... 56 REFERÊNCIAS ................................................................................................................. .6411 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S 1. Um pouco de modelagem e criticidade Um dos pontos de partida para entender a modelagem é entender a palavra modelo. A palavra modelo possui diferentes significados. Em uma investigação inicial, descobrimos que o modelo pode ser desenvolvido de diferentes maneiras e modos, podendo abranger uma variedade de linguagens matemáticas. Também existem preocupações sobre o uso de símbolos matemáticos ou a aplicação de conceitos matemáticos. No entendimento de Biembengut e Hein (2007, p. 12), o modelo é entendido como “um conjunto de símbolos e relações matemáticas que busca traduzir, de uma forma ou de outra, um fenômeno em questão ou um problema de situação real”. Ressaltam que o modelo pode caracterizar a realidade do cenário estudado, mesmo de forma simplificada, pelas estimativas realizadas. A produção de um modelo é geralmente realizada em grupos e, desde o início, contém uma discussão crítica do modelo a ser feito. Essa discussão pode ser direcionada, por exemplo, aos preconceitos da educação matemática crítica. No que diz respeito à afinidade e possíveis ligações entre a modelagem matemática e a educação matemática crítica, Araújo (2009, p. 55) enfatiza que a matemática é uma ferramenta de auxílio à modelagem, produzida de forma a “promover participação crítica dos alunos / cidadãos na sociedade, discutindo questões políticas, econômicas e ambientais ”. Inspirado em Skovsmose (1990), Barbosa (2006) recomenda que a Modelagem pode ser composta por três tipos de discussões: - Discussões matemáticas: concernem-se, basicamente, aos conceitos e algoritmos matemáticos; - Discussões técnicas: concernem-se às maneiras de adequação da situação- problema; - Discussões reflexivas: concernem-se à natureza do modelo, aos critérios utilizados na construção do modelo matemático e seu papel na sociedade. Cada uma dessas discussões levará a caminhos, ou, segundo o autor, a “rotas” diferentes. As discussões reflexivas podem levar a reflexões críticas em diferentes perspectivas. A perspectiva sócio-crítica, como apontada por Barbosa (2006), debate 12 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S as práticas de Modelagem Matemática em sala de aula. Ele sugere que as atividades de Modelagem possam levar os alunos a situações em que os modelos produzidos não são neutros, ajudando-os a ver que são uma consequência de onde são produzidos e como são utilizados. Dessa forma percebem que a matemática não é uma descrição 100% correta e neutra da realidade. Ou seja, os modelos são uma representação da realidade e não a própria realidade. A posição crítica da Modelagem Matemática auxilia os estudantes a terem habilidades de criticarem a produção e adaptação dos modelos que buscam soluções para uma situação problema (BARBOSA, 2006). Dessa forma, tem-se como objetivo desenvolver nos estudantes a criticidade, proporcionando debates referentes a política, economia e meio-ambiente (SKOVSMOSE, 2001). Dessa forma a crítica está na “própria Matemática assim como o seu uso na sociedade, e não apenas se preocuparia com o desenvolvimento de habilidades em cálculos matemáticos” (ARAÚJO, 2009, p. 55-56). O emprego do olhar crítico para a Modelagem Matemática nas salas de aula propicia a análise dos modos em que os estudantes desenvolvem e usam a Matemática para apresentar soluções de problemas cotidianos (SKOVSMOSE 2003). Desse modo, desenvolvem-se cidadãos dinâmicos e críticos numa sociedade regulada matematicamente. A Modelagem Matemática propicia um poder, decorrendo do estudo crítico dos empregos de conceitos matemáticos e aplicações ao longo do processo de criação dos modelos (BARBOSA, 2003). Tal estudo viabiliza o desenrolar do posicionamento social, com um suporte matemático, na tentativa de encontrar soluções que se manifestem em nosso cotidiano. Por conseguinte, a construção de modelos matemáticos não é uma atividade neutra, visto que modelar abrange compreender como são expressos o entendimento matemático desde o processo de elaboração até a resolução desses modelos (BARBOSA, 2006). Assim sendo, durante o processo de elaboração de um modelo, descrevemos, analisamos e interpretamos os acontecimentos com intuito de proporcionar discussões críticas e ponderações que vão além dos modos de resolução do modelo elaborado pelos alunos (BARBOSA, 2008). 13 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Depois dessa breve introdução à criticidade e à modelagem, passamos a seguir às atividades de modelagem. 14 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S 2. Atividade de modelagem 1 A — absorção de álcool no organismo e risco de acidentes Sugestões Essa atividade de Modelagem é para ser feita em grupo, conforme já orientado. Lembre-se que o objetivo não é verificar uma correta solução matemática e técnicas de resolução de equações diferenciais. O objetivo é averiguar como se dá a linha de raciocínio de cada grupo ao resolver o problema em questão. Dessa forma é natural, além de esperado, que as respostas de cada grupo sejam diferentes (podem ser até mesmo bem diferentes!). Espero que vocês fiquem atentos a não cometerem plágios e/ou fazerem cópias de trabalhos de colegas e/ou da internet – lembrem-se que eu verificarei cada trabalho e levarei isso em conta na pontuação final (além de seguir as diretrizes das Normas de Graduação e da Norma Disciplinar). Mesmo mudanças sutis, como a troca de variáveis e/ou palavras ainda podem ser considerada plágio (no caso, seria plagio conceitual). Por outro lado, com a devida cautela, fiquem à vontade para usar meios disponíveis, sejam físicos (como livros) ou eletrônicos (como sites recomendados no início do curso ou ferramentas gráficas), para consultarem ao realizar a atividade. Mantenham uma boa comunicação com cada um do grupo! As respostas serão melhores quanto mais claras e objetivas e singulares (próprias do grupo, sem cópias). Assim, não se limitem a poucas palavras, mas procurem se expressar bem (de forma clara, completa). Absorção de álcool no organismo e o risco de acidentes Problema: Qual é o risco de uma pessoa se envolver em um acidente de carro, por dirigir após beber? 15 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Interpretação do Enunciado Passo 1: Matematização da Lei Física 1A) Identifique as variáveis envolvidas no problema. 1B) Qual a taxa de variação a ser analisada? 1C) Quais as relações entre as variáveis? 1D) Um modelo matemático pode ser formulado para relacionar o risco de ter um acidente de carro, R, e o nível de álcool no sangue, b. O modelo é o seguinte: !" !# = %" Na equação diferencial de primeira ordem acima, tem-se uma constante positiva k. Você acha que esse modelo é razoável para descrever o fenômeno em questão (risco de acidente x ingestão de álcool)? Passo 2: Resolução da Equação Diferencial do modelo 2A) Considerando a equação dada em 1D: !" !# = %". Qual é a solução dessa equação? (Resolva explicitamente essa equação, indicando o método usado). Passo 3: Condições iniciais ou de contorno Estabeleça as condições iniciais ou de contorno. 16 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Passo 4: Substituição das constantes dadas Tendo em vista a solução obtida no passo 2, determine a constante k supondo que temos R = 20% em b = 0,14%. Passo 5: Cálculos solicitados no problema: explicite o que se pede 5A) Se em b = 0 (nenhum consumo de álcool), o risco de um acidente é de 1%, ou seja, R0 = 1, então a solução da Equação Diferencial acima é dada por: !(#) = &!" . 5B) De acordo com5A, o modelo prevê um aumento exponencial do risco de acidente com o aumento do nível de álcool no sangue? 5C) O que ocorre em R=100? O que significam esses valores? Passo 6: Modelo Matemático do fenômeno (equação encontrada) Explicite a equação obtida que descreve o fenômeno estudado (tendo em vista o valor de k anteriormente obtido, no passo 4). Passo 7: Gráfico do modelo 7A) Esboce o gráfico da função solução obtida do fenômeno e analise o gráfico quanto a variação de valores. 7B) Esboce o gráfico da função do modelo(taxa de risco de acidente x risco). 7C) Qual mudança haveria nos gráficos com a variação da constante k? (Faça esboços e analise as diferenças; depois as descreva aqui). 17 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Passo 8: Descrição sintética do fenômeno A partir de seu entendimento do comportamento do fenômeno, escreva um breve texto (entre 2 e 3 parágrafos) comparando os gráficos e equações. Passo 9: Análise da adequação do modelo O que achou do modelo obtido: se adequa com a realidade? Quais pontos acha positivos e quais acha negativos nesse modelo? O que poderia ser aprimorado? Qual é a interferência do tipo de bebida nos gráficos e no modelo? Passo 10: Análise crítica do modelo Qual é o risco de uma pessoa se envolver em um acidente de carro, por dirigir após beber? (tente responder criticamente a partir do trabalho de modelagem realizado!) 18 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S 3. Atividade de modelagem 1B — modelando a adequação de uma dieta Sugestões Essa atividade de Modelagem é para ser feita em grupo, conforme já orientado. Lembre-se que o objetivo não é verificar uma correta solução matemática e técnicas de resolução de equações diferenciais. O objetivo é averiguar como se dá a linha de raciocínio de cada grupo ao resolver o problema em questão. Dessa forma é natural, além de esperado, que as respostas de cada grupo sejam diferentes (podem ser até mesmo bem diferentes!). Espero que vocês fiquem atentos a normas contra plágios e cópias de trabalhos de colegas e/ou da internet – lembrem-se que eu verificarei cada trabalho e levarei isso em conta na pontuação final (além de seguir as diretrizes das Normas de Graduação e da Norma Disciplinar). Por outro lado, com a devida cautela, fiquem à vontade para usar meios disponíveis, sejam físicos ou eletrônicos, para consultarem ao realizar a atividade. Mantenham uma boa comunicação com cada um do grupo! As respostas serão melhores quanto mais claras e objetivas. Assim, não se limitem a poucas palavras, mas procurem se expressar bem (de forma clara, completa). Modelando a adequação de uma dieta A obesidade depende principalmente de dois fatores: ingestão e gasto de energia; e o que controla o peso corporal é o equilíbrio entre esses dois fatores. Quando o balanço é positivo o corpo terá excesso de energia que será armazenada como gordura, enquanto quando esse saldo é negativo, a gordura armazenada é usada para fornecer ao corpo a energia necessária. A restrição de energia é o mais eficiente e tradicional tratamento para obesidade. No entanto, dietas de baixa e muito baixa energia, que levam a uma 19 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S grande redução de energia, pode não ser a melhor maneira para perda de peso, porque eles levarão a muitos outros problemas relacionados ao consumo reduzido de energia. Um desses problemas é a redução da taxa metabólica basal (TMB) em 30%, o que pode levar à alteração do balanço energético do corpo de volta na direção do armazenamento de energia e, como resultado, a pessoa ganhará peso em vez de perdê-lo. Há muito tempo, o problema da obesidade tem sido considerado como resultado de hábitos alimentares desordenados. O consumo de energia é o fator que desempenha o papel principal de armazenar gordura no corpo. No entanto, um estudo recente realizado com 107 homens e 109 mulheres, com idades entre 12 e 71 anos, mostrou que as quantidades de ingestão diária de energia medida em quilojoules por quilograma para as pessoas com pesos saudáveis e obesas, foram idênticas. As pessoas com peso normal foram capazes de manter seus pesos na faixa saudável, apesar de consumirem mais energia que as pessoas obesas, porque elas se exercitavam (CHIN et al., 1992). Isso enfatiza a importância da atividade física como um meio eficaz fator para manter o peso saudável. Problema: Como criar um modelo matemático que envolva o gasto energético diário e a ingestão diária de energia (comida) para prever a melhor adequação de uma dieta a uma pessoa? Interpretação do Enunciado Passo 1: Matematização da Lei Física 1A) Identifique as variáveis envolvidas no problema. 1B) Qual a taxa de variação a ser analisada? 20 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S 1C) Quais as relações entre as variáveis? 1D) Tome como ponto de partida o seguinte modelo: () (* = +(, − .)), em que: • B é o peso corporal em Kg • A é o fator de conversão dietética que é igual a #$ %&&#'( 12/14 (ou # ))$$ 12/,.5)1 • C é a taxa diária de ingestão de energia, medida em KJ/dia • a = 167,36 (KJ/Kg) /dia (ou 40 (Cal/Kg) /dia)2 é o valor médio do gasto energético • t é o tempo, medido em dias Como seria essa equação se acrescentássemos o fator exercício? 1E) Melhorando o modelo – adicionando o componente exercício Para construir o modelo de dieta e exercício, primeiro considere os fatores que desempenham um papel na determinação do peso corporal. Fatores importantes são a taxa diária de ingestão de energia, dada por C, e a taxa diária de gasto de energia a que varia de 146,44 a 188,28 (KJ/kg) /dia (35 a 45 (Cal/kg) /dia)3. Portanto, a taxa de alteração no peso corporal *+ *, seria proporcional a C-(40+d)B, em que d é obtido do exercício. Dessa forma, devemos ter a seguinte equação diferencial de primeira ordem: 1 (CHARALAMPOS, 2004). 2 Ibidem. 3 Ibidem. 21 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S () (* = +(, − #)), em que b=40+d deve ser determinado, e o fator de conversão dietético + = #$ %&&#'( 12/14 (MACKARNESS, 1988). Um experimento com 20 voluntários de peso médio 65Kg gastou uma energia média de 512,3308 KJ na esteira em 3,2Km/h. Isso resultou na seguinte razão entre energia gasta e o peso corporal: 7,876 Kg/Kg. Assim, na equação anterior temos: b = a+7,876. Acha que essa nova equação com o componente exercício é razoável? Passo 2: Resolução da equação diferencial do modelo 2A) Considerando a equação dada em 1E: () (* = +(, − #)), Qual é a solução dessa equação? (Resolva explicitamente essa equação, indicando o método usado). Lembre-se que B varia no tempo e as demais letras são constantes. Passo 3: Condições iniciais ou de contorno Estabeleça as condições iniciais ou de contorno. Passo 4: Substituição das constantes dadas No instante inicial t = 0, temos B(0) =? 22 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Passo 5: Cálculos solicitados no problema: explicite o que se pede 5A) A solução de equilíbrio depende da ingestão de energia e do termo b. Qual é a solução de equilíbrio, isto é, quando *+ *, = 0? Passo 6: Modelo Matemático do fenômeno (equação encontrada) Explicite a equação obtida que descreve o fenômeno estudado tendo em vista o exemplo a seguir. Um exemplo de foi considerada uma pessoa com 1,70 m de altura e 90 kg de peso. A ingestão diária de energia escolhida foi de 10460 KJ/dia (ou 2500 calorias / dia), o que é normal para um homem que trabalha. O peso ideal para essa pessoa é de cerca de 68 kg, de acordo com o IMC.Passo 7: Gráfico do modelo 7A) Esboce o gráfico da função solução obtida do fenômeno e analise o gráfico quanto a variação de valores. 7B) A fim de avaliar a efetividade e os importância do componente do exercício, esboce o gráfico dos dois modelos. Lembre-se que o segundo modelo com o componente exercícios é: () (* = +(, − #)), Já o primeiro modelo, sem o componente exercício é (como apresentado em 1D): () (* = +(, − .)), Faça um esboço dos dois modelos num mesmo gráfico. 23 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S 7C) Se o valor de b for aumentado o que ocorre com o gráfico (no modelo com exercício)? O que significa isso na prática, no mundo real? 7D) Analisando os dois gráficos, o que poderia concluir a respeito de se fazer exercícios para a perda de peso corporal? Passo 8: Descrição sintética do fenômeno A partir de seu entendimento do comportamento do fenômeno, escreva um breve texto (entre 2 e 3 parágrafos) comparando os gráficos e equações. Passo 9: Análise da adequação do modelo O que achou do modelo obtido: se adequa com a realidade? Quais pontos observa serem positivos e quais os negativos nesse modelo? O que poderia ser aprimorado? Qual a interferência da frequência e o tipo de exercício no modelo? Passo 10: Análise crítica do modelo Como criar um modelo matemático que envolva o gasto energético diário e a ingestão diária de energia (comida) para prever a melhor adequação de uma dieta a uma pessoa? (tente responder criticamente a partir do trabalho de modelagem realizado!) 24 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S 4. Atividade de modelagem 2 A — modelando o comportamento de compra de um consumidor Sugestões Essa atividade de Modelagem é para ser feita em grupo, conforme já orientado. Lembre-se que o objetivo não é verificar uma correta solução matemática e técnicas de resolução de equações diferenciais. O objetivo é averiguar como se dá a linha de raciocínio de cada grupo ao resolver o problema em questão. Dessa forma é natural, além de esperado, que as respostas de cada grupo sejam diferentes (podem ser até mesmo bem diferentes!). Espero que vocês fiquem atentos a normas contra plágios e cópias de trabalhos de colegas e/ou da internet – lembrem-se que eu verificarei cada trabalho e levarei isso em conta na pontuação final (além de seguir as diretrizes das Normas de Graduação e da Norma Disciplinar). Por outro lado, com a devida cautela, fiquem à vontade para usar meios disponíveis, sejam físicos ou eletrônicos, para consultarem ao realizar a atividade. Mantenham uma boa comunicação com cada um do grupo! As respostas serão melhores quanto mais claras e objetivas. Assim, não se limitem a poucas palavras, mas procurem se expressar bem (de forma clara, completa). Comportamento de compra do consumidor Problema: Como criar um modelo matemático que equacione a motivação e o nível de compra de uma determinada marca e como isso evolui com o tempo? 25 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Interpretação do Enunciado Passo 1: Matematização da Lei Física Consideraremos o processo de decisão de um consumidor individual e, daí, formularemos um modelo para prever o comportamento do consumidor em relação a um determinado produto, digamos a marca X. 1A) Identifique as variáveis envolvidas no problema. 1B) Qual a taxa de variação a ser analisada? 1C) Quais as relações entre as variáveis? 1D) Um modelo matemático pode ser formulado. As variáveis básicas, com o tempo t, são: • B(t): nível de compra da marca X. • M(t): motivação (e atitude) em relação à marca X. • C(t): nível de comunicação (por exemplo, publicidade) da marca X. Essas variáveis são assumidas como relacionadas por () (* = #(9 − :)) (9 (* = .() − ;9) + =,, em que ;, :, =, . & # são constantes que para a maioria dos artigos são positivas. Você acha que esse modelo é razoável para descrever o fenômeno em questão? 26 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S 1E) Tendo em vista o modelo obtido no item anterior, chegamos a um sistema de equações diferenciais. Você acha que esse sistema poderia ser simplificado para uma única equação? Como? Passo 2 - Resolução da Equação Diferencial do modelo 2A) Considerando o sistema de equações dado em 1D, resolva o sistema de equações (sistema 2x2) da forma tradicional de resolução de um sistema de Equações Diferenciais de 1ª ordem. 2B) Embora tenhamos um sistema de duas Equações Diferenciais acopladas de 1ª ordem, podemos substituir M da segunda equação na primeira equação. Para isso, derivamos mais uma vez a primeira equação e obtemos: ( (* > 1 # () (* + :)@ = . >) − ; # () (* − ;:)@ + =, Ou seja, (&) (*& + (#: + .;) () (* + .#(;: − 1)) = #=, Encontre a solução da parte homogênea desta equação. 2C) Encontre uma solução particular da EDO do item anterior. Passo 3: Condições iniciais ou de contorno Estabeleça as condições iniciais ou de contorno. Passo 4: Substituição das constantes dadas 27 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Analise os casos (veja o que ocorre com a função e o comportamento no infinito). 1. Caso ;: > 1. 2. Caso ;: < 1. Passo 5: Cálculos solicitados no problema: explicite o que se pede Escolha uma determinada marca e encontre os valores (de forma razoável, aproximada) das constantes estabelecidas. Como se chegou a esses valores? Quais foram as pesquisas feitas? Onde foram coletados os dados? Passo 6: Modelo Matemático do fenômeno (equação encontrada) Qual foi a solução encontrada? Passo 7: Gráfico do modelo 7A) Esboce o gráfico da função solução (tendo em vista cada caso mencionado no Passo 5) obtida do fenômeno e analise o gráfico quanto a variação de valores. 7B) Qual o comportamento das soluções da parte homogênea e a solução particular quando o tempo tende a infinito? Passo 8: Descrição sintética do fenômeno A partir de seu entendimento do comportamento do fenômeno, escreva um breve texto (entre 2 e 3 parágrafos) comparando os gráficos e equações. 28 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Passo 9: Análise da adequação do modelo O que achou do modelo obtido: se adequa com a realidade? Qual dos dois casos analisados parece ser mais provável de ocorrer e por quê? Quais pontos acha positivos e quais acha negativos nesse modelo? O que poderia ser aprimorado? Qual é a interferência do tipo de marca nos gráficos e no modelo? Passo 10: Análise crítica do modelo Como criar um modelo matemático que equacione a motivação e o nível de compra de uma determinada marca e como isso evolui com o tempo? (tente responder criticamente a partir do trabalho de modelagem realizado!) 29 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S 5. Atividade de modelagem 2B — propagação de uma epidemia Sugestões Essa atividade de Modelagem é para ser feita em grupo, conforme já orientado. Entretanto, apenas uma pessoa do grupo deverá fornecer a resposta (os dados dos demais componentes do grupo serão inseridos no início, conforme Sugestões da plataforma). Lembre-se que o objetivo não é verificar uma correta solução matemática e técnicas de resolução de equações diferenciais. O objetivo é averiguar como se dá a linha de raciocínio de cada grupo ao resolver o problema em questão. Dessa forma é natural, além de esperado, que as respostas de cada grupo sejam diferentes (podem ser até mesmo bem diferentes!). Espero que vocês fiquem atentos a normas contra plágios e cópias de trabalhos de colegas e/ou da internet – lembrem-seque eu verificarei cada trabalho e levarei isso em conta na pontuação final (além de seguir as diretrizes das Normas de Graduação e da Norma Disciplinar). Por outro lado, com a devida cautela, fiquem à vontade para usar meios disponíveis, sejam físicos ou eletrônicos, para consultarem ao realizar a atividade. Mantenham uma boa comunicação com cada um do grupo! As respostas serão melhores quanto mais claras e objetivas. Assim, não se limitem a poucas palavras, mas procurem se expressar bem (de forma clara, completa). Epidemias Uma aplicação clássica de Equações Diferenciais é modelar a propagação de epidemias entre populações, geralmente com o modelo SIR tradicional. Esse modelo básico pode ser aumentado para dar conta de outros fatores do mundo real na propagação da doença, como imunidades, taxas de contato e vacinas. Ao analisar os 30 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S modelos mais complexos, podemos obter informações úteis sobre patógenos comuns, como a eficácia das vacinas na erradicação de uma doença infecciosa. Problema: Como formular um modelo que mostre a propagação de uma epidemia e qual é a importância de tais modelos atualmente? Interpretação do Enunciado Passo 1: Matematização da Lei Física 1A) Identifique as variáveis envolvidas no problema. 1B) Qual a taxa de variação a ser analisada? 1C) Quais as relações entre as variáveis? 1D) Um dos modelos epidêmicos mais básicos foi criado por W. O. Kermack e A. G. McKendrick em 1927, conhecido como modelo SIR. O modelo lida exclusivamente com uma população fixa, negligenciando o efeito de nascimentos e imigração no tamanho geral da população. A população é dividida em três grupos distintos dos quais o modelo deriva seu nome. C(*) é a porção não infectada da população que ainda é suscetível à doença, no momento t. Da mesma forma, D(*) é o número de pessoas que foram infectadas com a doença no momento t e são capazes de espalhá-la para aquelas do grupo C(*). Finalmente, !(*) representa a parte "removida" da população: aqueles que não são mais capazes de infectar ou espalhar a infecção devido à recuperação e subsequente imunidade, quarentena ou morte. O "fluxo" geral do modelo prevê que membros da população C(*) façam a transição para o grupo D(*) e terminem, finalmente, no grupo !(*). 31 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S A população total é representada por E, de modo que E = C(*) + D(*) + !(*). Usando : como a taxa de infecção da doença e 1/= como o período médio de infecção, Kermack e McKendrick derivaram três equações diferenciais: (C (* = − :CD E (D (* = :CD E − =D (! (* = =D Dois conceitos importantes se tornam evidentes apenas examinando o modelo SIR básico. Inicialmente, você pode notar que a soma das três equações diferenciais é 0: (C (* + (D (* + (! (* = 0. Lembre-se de que a soma de C(*), D(*) e !(*) representa a população total E: E = C(*) + D(*) + !(*) A diferenciação de ambos os lados das equações gera uma nova equação: (E (* = (C (* + (D (* + (! (* = 0. Como *- *, = 0, pode-se inferir que nossa população total E está fixa e não é uma função do tempo. Mais importante, isso significa que nenhum membro da população pode finalmente entrar ou sair do sistema, apenas passar do grupo suscetível para o grupo infectado e, finalmente, para o grupo removido. Por isso, nosso segundo conceito é mais óbvio. Se expressarmos E como E = 1, todos os valores numéricos de C(*), D(*) e !(*) serão expressos como uma fração ou porcentagem da população total E. Isso tornará nossas simulações mais 32 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S relacionáveis, além de simplificar nosso modelo. O modelo SIR usado daqui em diante assume E = 1 e pode ser reescrito da seguinte forma: (C (* = −:CD (D (* = :CD − =D (! (* = =D Finalmente, pode-se notar que cada equação é diretamente proporcional ao tamanho do grupo infectado, D(*). Imitando o comportamento de um patógeno da vida real, se não houver indivíduos infectados na população (D(*) = 0), a doença não poderá se espalhar. Esse sistema de equações foi construído para formular a propagação de uma epidemia. O que você pode dizer desse modelo? Você acha razoável? (Justifique). Passo 2: Resolução da Equação Diferencial do modelo 2A) Considerando o sistema de equações dado em 1D, resolva o sistema de equações (sistema 2x2) da forma tradicional de resolução de um sistema de Equações Diferenciais de 1ª ordem. Passo 3: Condições iniciais ou de contorno 3A) G e H: Existem mais duas variáveis constantes no nosso sistema. O primeiro é :, a taxa de infecção da doença. No modelo SIR, todos os membros do grupo suscetível têm a mesma probabilidade de contrair a doença; portanto, : é apenas uma constante que expressa a probabilidade de um indivíduo saudável no grupo suscetível de encontrar e ser infectado por um indivíduo infectado. grupo. Como 33 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S alternativa, : pode ser expresso como o número de contatos por unidade de tempo. Isso é um pouco mais óbvio se expressarmos o inverso de : como I. = :/#, se I. for o tempo típico entre os contatos. A outra constante é =, a taxa média que os indivíduos movem do grupo infectado para o grupo removido. No mundo real, essa é a taxa média de morte/recuperação. O inverso de = também é importante para conceituar, sendo o período médio de infecciosidade, tal que I0==/#. Um indivíduo na população suscetível tem a mesma chance que qualquer outro de ser infectado. O número básico de reprodução, J1: Uma proporção importante no modelo epidêmico de SIR é !$, o número básico de reprodução. Para derivar esse valor, devemos primeiro dividir a equação (1) pela equação (2), do sistema obtido no Passo 1, expressando efetivamente a alteração no grupo suscetível, S(t) por alteração no grupo removido, !(*), em função de C[*]: (C (! = −:C = Encontre a solução S[t] (justificando os passos). 3B) !$ é conhecido como número básico de reprodução e é a razão entre :, a taxa de infecção, e =, o período de infecciosidade. !$ = : = Tendo em vista a solução S[t] e o número básico de reprodução, determine R[t]. 3C) À medida em que t avança, a epidemia termina (D[*] = 0), o grupo removido !(*) pode ser expresso da seguinte maneira: ![*] = 1 − C$&/2!(2[,]/2($)) 34 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Uma análise rápida dessa equação mostra que, a menos que o grupo suscetível inicial esteja vazio de modo que C(0) = 0, sempre haverá um grupo suscetível na população total. Indo um pouco mais a fundo, podemos assumir que as epidemias modeladas pelo sistema SIR terminam com a falta de indivíduos infectados, e não com a falta de indivíduos suscetíveis. !$ é muito importante para determinar o comportamento de epidemias. Para ilustrar isso, substituiremos !$ na equação (3), a 3ª equação do sistema do Passo 1: (D (* = (!$C − 1)(=D) = e D devem ser ambos positivos, de modo que o sinal de D7(*) é definido pelo número básico de reprodução, de modo que, se !$ > # 8($) , o número de indivíduos infectados aumenta (causando uma epidemia), mas se !$ < # 8($) , o número de indivíduos infectados diminuirá. Encontre o valor de !$ para algumas doenças (cerca de 4), incluindo o COVID- 19. Passo 4: Substituição das constantes dadas Escolha uma cidade (como Itabira, onde estuda, ou sua cidade natal, por exemplo, ou alguma outra) e determine as constantes envolvidas no sistema modelado (nesse caso, estudaremos a evolução da COVID-19). Veja como base, por exemplo, o blog do biólogo Prof. Marco, onde temos várias referências confiáveis de dados no mundo todo:https://marcoarmello.wordpress.com/2020/03/30/covid19/ https://marcoarmello.wordpress.com/2020/03/29/coronavirus_recursos/ https://marcoarmello.wordpress.com/2020/03/13/coronavirus1/ 35 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Passo 5: Cálculos solicitados no problema: explicite o que se pede Detalhe alguns cálculos feitos até agora (com os dados do anterior, encontre I(t) R’(t) e R(t)). Passo 6: Modelo Matemático do fenômeno (equação encontrada) Com as constantes determinadas, explicite o modelo encontrado. Passo 7: Gráfico do modelo 7A) Com os dados do Passo 4, esboce em um mesmo gráfico, as funções S(t), I(t), R(t) no caso de !$ < 1 C(0) 7B) Com os dados do Passo 4, esboce em um mesmo gráfico, as funções S(t), I(t), R(t) no caso de !$ > 1 C(0) 7C) O caso vacinado: No mundo real, as doenças contagiosas dificilmente são “deixadas por conta própria” para se espalhar entre as populações. Uma das contramedidas mais importantes para o surto de doenças infecciosas é o uso da vacinação em massa. Nos próximos casos, examinaremos o efeito de vacinar uma parte da população sobre o comportamento de uma epidemia. Nossa vacina contém algumas suposições, no entanto. A vacina é apenas preventiva e 100% eficaz. Além disso, o tamanho do grupo vacinado será estático acima de t, ou seja, apenas uma parcela inicial da população será vacinada e 36 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S ninguém mais será vacinado ao longo do tempo t. Para este exemplo, o grupo vacinado inicial M(0) é de cerca de 20% da população total. Inclua nos gráficos feitos em 7A e 7B: # (9($) /; ($)) . 7D) Verifique o que acontece com a taxa de crescimento inicial I(t) no caso analisado pelo grupo. Ainda podemos usar o número de reprodução básico !$ para ajudar a determinar o comportamento das doenças, mas compararemos com # (9($) /; ($)) , dessa vez, substituindo o novo tamanho do suscetível inicialmente grupo de (S(0) − V (0)) por S(0). Neste exemplo, nosso !$ ainda ultrapassa # 9($) − M(0) e, como antes, o grupo infectado cresce inicialmente. No entanto, a taxa de crescimento inicial de D[*] é extremamente deprimida, graças à presença do grupo vacinado. * Complete de acordo com os dados do grupo! Como resultado, a contagem final de indivíduos que pegaram a doença é reduzida em aproximadamente *______ apesar de apenas 20% sendo vacinados. Este efeito é chamado imunidade de rebanho. O conceito básico é que, como os indivíduos vacinados não podem espalhar a doença de pessoa para pessoa, o grupo vacinado retarda o surto da doença, dando aos indivíduos suscetíveis uma menor possibilidade de encontrar a doença. Em nosso último caso, o grupo vacinado é grande o suficiente para produzir !$ < # 9($) − M(0). Portanto, pode-se esperar que D[*] tenha um derivado inicialmente negativo e seja rapidamente erradicado. 37 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S 7E) Nível crítico de vacinação: Nossos dois casos vacinados levantam uma questão interessante. Para um determinado valor de !$, podemos prever o nível de vacinação necessário para evitar uma epidemia? O nível de vacinação que procuramos é conhecido como nível crítico de vacinação. Podemos determinar esse nível reorganizando a relação entre !$ e # 8($)/<($) : !$ = 1 C(0) − M(0) Para começar, definiremos C(0) = 1, implicando que todos os indivíduos da população são suscetíveis à doença antes da vacinação e que o tamanho do grupo infectado inicial é desprezível: !$ = 1 1 − M(0) A resolução para M(0) produz: M(0) = 1 − 1 ! $ Isso expressa M(0) como o nível crítico de vacinação, ou o nível de vacinação necessário para dar a D[*] uma taxa de crescimento inicialmente negativa e interromper a potencial epidemia. Faça o gráfico de V (0) (eixo y) versus R0 (eixo x). 7F) Taxa de Remoções: Tendo em vista o sistema inicial e que P = = 0 , C(0) = C$, Q = > - , mostre que: D = E − C + P log C C $ . 38 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S 7G) Como temos que * *, (C + D + !) = 0, temos que *? *@ é positivo (respectivamente, negativo) para A @ > 1 (A @ < 1), isto é, D é uma função crescente (decrescente) para C < P (C > P). Também, D → −∞ quando C → 0 e D = D$ (> 0) quando C = C$. Daí, existe pelo menos um ponto, digamos CB, quando D = 0. De fato, CB é um ponto único e de *8 *, e *? *, , podemos ver que C = CB, D = 0 é um ponto de equilíbrio. Esboce as trajetórias típicas no plano C − D (infecciosos versus susceptíveis). 7H) Vemos que à medida em que t aumenta, o ponto (C, D) se move ao longo da trajetória com C diminuindo e I diminui monotonicamente se C$ < P. Por outro lado, se C$ > P, inicialmente I aumenta atingindo um pico quando C = P e depois diminuindo para zero. Claramente, o parâmetro P é um parâmetro vital. É chamado valor limiar, pois uma epidemia ocorre apenas se o número inicial de suscetíveis, C$, for maior que o valor limiar. Assumindo C$ > P, podemos deduzir do teorema do valor limiar da Epidemiologia que afirma que, se C$ − P é pequeno comparado a P, o número de indivíduos que contrai a doença é aproximadamente 2(C$ − P). Para provar esse resultado, basta assumir C$ = P + X, onde X ≪ P (ou seja, X é muito menor que P) e usar a função obtida I. Assim, obtemos que C$ − CB ≈ 2X, o que prova o resultado. As estatísticas de saúde pública geralmente registram o número de novas remoções a cada dia ou semana. Portanto, para comparar os resultados previstos desse modelo com dados reais, devemos determinar *2 *, como uma função durante o tempo, t. Agora, de D + C + ! = E e de *2 *, = =D: (! (* = =(DE − ! − C) enquanto podemos determinar S como uma função de R de: 39 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S (C (! = (C (* (! (* = − QCD =D = − C P . Resolvendo para S, temos C = C$& / " #. Substituindo na equação acima de *2 *, , obtemos: (! (* = X [DE − ! − C$& / 2 A\. Infelizmente, essa equação não pode ser resolvida explicitamente, a menos que assumamos que s 2 A seja razoavelmente pequeno: & / 2 A ≅ 1 − ! P + > ! P @ & +⋯ Dessa forma, (! (* ≅ X _E − ! − C$ [1 − ! P + !& 2P& \` ou seja, (! (* = X _E − C$ + > C$ P − 1@! − C$ !& 2P& `. Pode-se verificar que essa equação tem a seguinte solução: ! = P& C $ P − 1 + ; tanh e ;X* 2 − fg C $ , em que 40 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S ; = _> C$ P − 1@ & + 2C$ (E − C$) P& ` #/& & f = *.hℎ/# j C $ P − 1 ; k Como * *D (tanh l) = m&nℎ &(l), obtemos (! (* = P&;&X 2C $ m&nℎ & > ;X* 2 − f@, Mostre como essa variação dR/dt foi obtida. 7I) A função dR/dt define uma curva em forma de sino, conhecida como curva epidêmica. Seu valor máximo ocorre em * = &E FG . Kermack e McKendrick usaram esse modelo para descrever uma praga em Bombaim. Eles levaram valores de parâmetros para que: (! (* = 890 m&nℎ &(0,2* − 3,4), em que t foi medido em semanas. Podemos comparar *2 *, com o número de mortos por semana, já que quase todos os casos terminaram fatalmente. Tendo em vista os dados obtidos pelo grupo, explicite a função dR/dt obtida e faça um gráfico da taxa de remoções dR/dt pelo tempo t e identifique o valor máximo da curva (o ponto de início da “descida”). Qual o melhor para o parâmetro t: dias, semanas ou meses? Passo 8: Descrição sintética do fenômeno 8A) A partir de seu entendimento do comportamento do fenômeno, escreva um breve texto (entre 2 e 3 parágrafos) comparando os gráficos e equações. 41 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S 8B) O que pode serdito como conclusão a respeito do modelo epidêmico de SIR como ferramenta para prever o comportamento das epidemias? E o que dizer sobre as modificações possíveis, como por exemplo, ser modificado para descrever o efeito das vacinas na propagação de doenças? Passo 9: Análise da adequação do modelo O que achou do modelo obtido: se adequa com a realidade? Quais pontos acha positivos e quais acha negativos nesse modelo? O que poderia ser aprimorado? Qual é a interferência do tipo de doença nos gráficos e no modelo? Passo 10: Análise crítica do modelo Como formular um modelo que mostre a propagação de uma epidemia e qual é a importância de tais modelos atualmente? (tente responder criticamente a partir do trabalho de modelagem realizado!) 42 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S 6. Sugestões de resposta 6.1 Sugestão para a modelagem 1 A Absorção de álcool no organismo e o risco de acidentes Um modelo matemático pode ser formulado para relacionar o risco de ter um acidente de carro, R, e o nível de álcool no sangue, b. O modelo é o seguinte: (! (# = s!. Na equação diferencial de primeira ordem acima, tem-se uma constante positiva k. Se em b=0 (nenhum consumo de álcool) o risco de um acidente é de 1%, ou seja, R0=1, então a solução da equação diferencial acima é dada por: !(#) = &!" . Dessa forma, o modelo prevê um aumento exponencial do risco de acidente com o aumento do nível de álcool no sangue. Para validar o modelo, devemos usar um dado disponível para estimar a constante k. Por exemplo, usado o dado em que temos R=20% em b=0,14%, temos: s = 1 0,14 ln 20 = 21,4 Dessa forma, a solução para o modelo é dada por: !(#) = &&#,I" Podemos esboçar a curva e verificar que ela possui um crescimento exponencial. Uma limitação desse modelo é que, enquanto b cresce, o nível de risco aumenta para até 100%. Por exemplo, se R=100, o que significa que uma batida irá certamente ocorrer, o valor correspondente para o nível de álcool no sangue é: 43 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S # = 1 21,4 ln 100 = 0,22 Assim, de acordo com o modelo, quando o nível de álcool no sangue é de 22%, a probabilidade de ocorrer um acidente é de 100%. Refletindo, já que isso ocorre depois de 12 drinks de whisky, talvez essa conclusão tenha sido razoável! Parece mais provável que a pessoa está completamente inapta para dirigir. b Beber de modo responsável. . Risco ao combinar beber e dirigir. Irresponsabilidade por uma intoxicação pela bebida, particularmente se dirigir. Sintomático de um problema com bebida. R0 10 20 30 40 50 0,05 0,10 0,15 0,20 0,14 R Absorção alcoólica e o risco de acidente Ri sc o re la ti vo d e ac id en te (% ) Figura – Nível de álcool no sangue e o risco de acidente Quantidades de doses de whisky com teor alcóolico de 36% para um homem de 72kg e dentro de 2 horas depois de comer. 44 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S 6.2 Sugestão para a modelagem 1B Modelando a adequação de uma dieta A obesidade depende principalmente de dois fatores: ingestão de energia e gasto de energia; e o que controla o peso corporal é o equilíbrio entre esses dois fatores. Quando o balanço é positivo o corpo terá excesso de energia que será armazenada como gordura, enquanto quando esse saldo é negativo, a gordura armazenada é usada para fornecer ao corpo a energia necessária (CHIN et al., 1992). A restrição de energia é a mais eficiente e tradicional tratamento para obesidade. No entanto, dietas de baixa e muito baixa energia, que levam a uma grande redução de energia, pode não ser a melhor maneira para perda de peso, porque eles levarão a muitos outros problemas relacionados ao consumo reduzido de energia. Um desses problemas é a redução da taxa metabólica basal (TMB) em 30%, o que pode levar à alteração do balanço energético o corpo de volta na direção do armazenamento de energia e, como resultado a pessoa ganhará peso em vez de perdê-lo (ABDEL-HAMID, 2003). Há muito tempo, o problema da obesidade tem sido considerado como resultado de hábitos alimentares desordenados. O consumo de energia é o fator que desempenha o papel principal de armazenar gordura no corpo. No entanto, um estudo recente realizado com 107 homens e 109 mulheres, com idades entre 12 e 71 anos, mostraram que a quantidade de ingestão diária de energia medida em quilojoules por quilograma para as pessoas normais e obesas foram idênticos (CHIN et al., 1992). As pessoas com peso normal foram capazes de manter suas peso na faixa saudável, apesar de consumirem mais energia que as pessoas obesas, porque se exercitaram. Isso enfatiza a importância da atividade física como um meio eficaz fator para manter o peso saudável. 45 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Um Modelo Matemático Iremos tomar como ponto de partida o seguinte modelo (CHARALAMPOS, 2004): () (* = +(, − .)), em que: • B é o peso corporal em Kg. • A é o fator de conversão dietética que é igual a #$ %&&#'( 12/14 (ou # ))$$ 12/,.5). • C é a taxa diária de ingestão de energia, medida em KJ/dia. • a=167,36 (KJ/Kg) /dia (ou 40 (Cal/Kg) /dia) é o valor médio do gasto energético. • t é o tempo, medido em dias. Melhorando o modelo Para construir o modelo de dieta e exercício, primeiro considere os fatores que desempenham um papel na determinação do peso corporal. Fatores importantes são a taxa diária de ingestão de energia, dada por C, e a taxa diária de gasto de energia a que varia de 146,44 a 188,28 (KJ/kg) /dia (35 a 45 (Cal/kg) /dia) (CHARALAMPOS, 2004). Portanto, a taxa de alteração no peso corporal *+ *, seria proporcional a C-(40+d)B, em que d é obtido do exercício. Dessa forma, devemos ter a seguinte equação diferencial de primeira ordem: () (* = +(, − #)), em que b=40+d deve ser determinado, e o fator de conversão dietético + = *+#$ %&&#'( 12/14 (MACKARNESS, 1988). 46 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Adicionando o componente Exercício Um experimento com 20 voluntários de peso médio 65Kg gastou uma energia média de 512,3308 KJ na esteira em 3,2Km/h. Isso resultou na seguinte razão entre energia gasta e o peso corporal: 7,876 Kg/Kg. Assim, na equação anterior temos: b=a+7,876 (AZZEH, ALHUSSAIN, SAMRA, 2011). Resolvendo a equação diferencial Lembramos que a função peso B(t) depende apenas do tempo e os demais parâmetros são constantes. Começando com a equação diferencial: *+ *, = +(, − #)), temos: () (* + +#) = +,. Agora, multiplicamos pelo fator integrante &J", . Dessa forma obtemos: &J", () (* + +#)&J", = +,&J", . Essa equação é equivalente a: ( (* (&J",)(*)) = +,&J", . Integrando os dois lados desta última equação obtemos: &J",)(*) = , # &J", + s, sendo k uma constante real. No instante inicial t=0, temos B(0) − K " = s. Multiplicando a equação anterior por &/J", , obtemos, portanto, o peso, dado por: 47 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S )(*) = , # +>)$ − , # @ &/J", , sendo, • + = #$ %&&#'( 12/14 (ou # ))$$ 12/,.5). • b=a+7,876 (KJ/Kg) /dia = 175,236 (KJ/Kg) /dia (ou 41,8824 (Cal/Kg) /dia). • )$ = )(0) é o peso inicial, medido em Kg. • *+ *, é a mudança de peso ao longo do tempo. • C é a ingestão diária de energia, medida em KJ/dia. • t é o tempo, medido em dias. Análise e interpretação O modelo ilustrado com a última equação anterior fornece recursos muito ricos informações relacionadas à dieta de alguém. Usando este modelo, é possível determinaro tempo necessário para uma pessoa obesa atingir seu peso perfeito se ele ou ela tiver realizado 30 minutos de caminhada todos os dias. A fim de avaliar a efetividade e os importância do componente do exercício, podemos plotar os dois modelos. Um exemplo de foi considerada uma pessoa com 1,70 m de altura e 90 kg de peso. A ingestão diária de energia escolhida foi de 10460 KJ/dia (ou 2500 calorias / dia), o que é normal para um homem que trabalha (FITRAKIS, 1985). O peso ideal para essa pessoa é de cerca de 68 kg, de acordo com o IMC. Na figura a seguir, o peso ideal é mostrado como uma linha tracejada (uma reta horizontal y=68), a curva azul se refere ao primeiro modelo, enquanto a curva vermelha é para o modelo melhorado, ou seja, o modelo com o exercício. Usando o primeiro modelo, que é a dieta inicial, o sujeito atingirá seu peso ideal após 313 dias. 48 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Depois de adicionar o componente do exercício, o sujeito pode atingir seu peso perfeito após apenas 240 dias. Observe que a solução de equilíbrio depende da ingestão de energia e do termo b. De fato, se *+ *, = 0, então ) = K " . Portanto, usar b que é igual a + 7,876 (KJ / kg) / dia, em vez de a no modelo, reduz a solução de equilíbrio efetivamente. Se o valor de b for aumentado, o termo exponencial em da equação que descreve o modelo diminuirá. Consequentemente, o peso ideal e o limite de peso corporal são atingidos mais rapidamente. Caminhar a uma velocidade de 0,889 m/s (ou 3,2 km / h) em uma esteira por 30 minutos ajudou a adicionar 7,876 (KJ / kg) /dia (ou 1,8824 (Cal / kg) /dia) ao valor médio da energia dispendida e, portanto, também ao componente exponencial. Isso novamente enfatiza a importância de caminhar. No entanto, os resultados encontrados experimentalmente não são totalmente precisos, pois o experimento foi realizado em um pequeno tamanho de amostra (além disso não havia obesos de fato e os dados dos participantes foram similares, como tamanho, idade e peso corporal). B(t) Dias 200 400 600 800 1000 60 65 70 75 Figura: Comparação entre os modelos 49 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Limitações e perspectivas Fatores genéticos influenciam em como o corpo responde à dieta e ao exercício (BELL, WALLEY, FROGUE, 2005). A idade também influencia, pois quanto mais velha a pessoas for, mais difícil fica queimar energia (MCCARGAR, SALE, CRAWFORD, 1996). Além disso, o padrão de ingestão de energia influencia: quem toma café da manhã tende a gastar mais energia do que quem prolonga o desjejum, pois o corpo começa a funcionar e gastar energia mais cedo (CHO et al., 2003; WYATT et al., 2001). No modelo aprimorado, levamos em consideração os fatores mais eficazes que são os componentes da dieta e do exercício. No entanto, também existem outros fatores que desempenham um papel relevante na determinação do peso corporal, como a temperatura ambiente e o metabolismo. Quando a temperatura ambiente é bem diferente da temperatura corporal, o corpo precisa regular sua temperatura, o que é a termo regulação. Assim, se incluirmos o efeito da temperatura ambiente no modelo, espera-se que o modelo produza o seguinte resultado: )(*) = +(, − (# + t(I)))) sendo F(T) a função dependente da temperatura ambiente. Conclusão Concluindo, o modelo matemático exponencial escolhido foi adequado e realista e leva em consideração os fatores de dieta e exercício. Este modelo matemático pode fornecer uma previsão relativamente útil do peso corporal em função do tempo. Isso é muito útil no sentido de ajudar as pessoas a combater e a eliminar o fenômeno da obesidade que está aumentando rapidamente. 50 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Portanto, ajudará as pessoas a diminuir as doenças associadas, como o diabetes II. Isso os incentivará e motivará a exercitar-se e caminhar mais. Além disso, fornecerá informações qualitativas e quantitativas sobre a ingestão diária de energia que eles devem adquirir. Esta pesquisa mostrou que um exercício periódico muito simples e fácil poderia ter um grande efeito no peso corporal. Essa pesquisa ainda é incipiente e precisa de mais precisão, levando em consideração outros fatores, como temperatura ambiente, metabolismo e estilo de vida, além de amostras maiores para experimentos. Além disso, esta pesquisa assumiu um consumo diário de energia constante. 51 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S 6.3 Sugestão para a modelagem 2 A Comportamento de compra do consumidor Consideraremos o processo de decisão de um consumidor individual e, daí, formularemos um modelo para prever o comportamento do consumidor em relação a um determinado produto, digamos a marca X. As variáveis básicas, com o tempo t, são: • B(t): nível de compra da marca X. • M(t): motivação (e atitude) em relação à marca X. • C(t): nível de comunicação (por exemplo, publicidade) da marca X. Essas variáveis são assumidas como relacionadas por: *+ *, = #(9 − :)) e *L *, = .() − ;9) + =,, em que ;, :, =, . & # são constantes que para a maioria dos artigos são positivas. Embora tenhamos um sistema de duas equações diferenciais acopladas de primeira ordem, podemos substituir M da segunda equação na primeira equação. Para isso, derivamos mais uma vez a primeira equação e obtemos: ( (* > 1 # () (* + :)@ = . >) − ; # () (* − ;:)@ + =, Ou seja, (&) (*& + (#: + .;) () (* + .#(;: − 1)) = #=, 52 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Esta é uma equação diferencial linear de segunda ordem que relaciona a compra da marca X ao nível de comunicação C. Sabemos que a solução desta equação diferencial é dada por: ) = ). + )M Na solução geral temos a solução particular )M que dependerá do nível de comunicação C e a solução ). da parte homogênea: (&) (*& + (#: + .;) () (* + .#(;: − 1)) = 0 Determinaremos inicialmente a solução ). da parte homogênea. Para isso usaremos a equação auxiliar: u& + (#: + .;)u + .#(;: − 1) = 0 Assim, temos que: u = v−(#: + .;) ± [(#: + .;)& − 4.#(;: − 1)]#/&x 2 = v−(#: + .;) ± [(#: + .;)& − 4.#]#/&x 2 Dessa forma, as soluções u# e u& são: u# = v−(#: + .;) + [(#: + .;)& − 4.#]#/&x 2 u& = v−(#: + .;) − [(#: + .;)& − 4.#]#/&x 2 53 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Claramente, se todos os parâmetros forem positivos, os valores u# e u& serão reais e u& < 0. O sinal de u# depende do sinal de (;: − 1). Se ;: > 1, então pode ser mostrado que u# < 0, enquanto se ;: < 1, teremos u# > 0. Assim, podemos escrever a solução como: ). = +&N$, + +&N%, . Note que ). → 0, se ;: < 1. Voltemos nossa atenção a solução particular )M, que claramente depende de C. Tomando o caso mais simples de analisar, suponha que o nível de comunicação seja mantido constate ao longo do tempo t>0. Dessa forma, podemos ver que a solução particular de (&) (*& + (#: + .;) () (* + .#(;: − 1)) = #=, é dada por )M = =K O(F>/#) . Assim, temos dois casos a considerar. Caso ;: > 1. Nesse caso, da solução da parte homogênea sabemos que u#, u& < 0 e daí, que ). → 0 quando * → ∞ e ) → )M = =, .(;: − 1) . Em outras palavras, o nível de compras tende a um equilíbrio, que depende da magnitude de C. Isso é ilustrado na figura a seguir. 54 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Caso ;: < 1. Nessa situação, a solução particular é negativa, mas isso não tem significado, porque a outra parte da solução ). nãotende mais a zero quando * → ∞. De fato, como ilustrado na figura a seguir, ). , e, portanto, ), tende a ∞ quando * → ∞, e temos uma situação instável. Para aplicação prática, esperamos ;: > 1, e o comportamento ilustrado anteriormente tem maior probabilidade de ocorrer. !" #$ − 1 Tempo t Nível de compra B Figura - Nível de compra para '( > 1 55 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S !" #$ − 1 Tempo t Nível de compra B Figura - Nível de compra para '( < 1 56 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S 6.4 Sugestão para a modelagem 2B Epidemias Consideraremos o problema de uma doença infecciosa que foi introduzida numa população fechada. Queremos estimar: quantas pessoas da população irão pegar a doença? Inicialmente assumiremos que quem se recuperou da doença então possui imunidade permanente e que a doença tem um período de incubação insignificante e curto. Dividimos a população em três casos: 1) Infecciosos, digamos I, que podem transmitir a doença. 2) Susceptíveis, dizem S, capazes de contrair a doe 3) Remoções, digamos R, que tiveram a doença e estão mortas ou recuperadas, imunes ou isoladas. Se N é o tamanho da população, devemos ter: D + C + ! = E Podemos descrever o modelo em termos de equações diferenciais: (C (* = −QCD (D (* = −QCD − =D (! (* = =D 57 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Aqui r, a taxa de infecção e =, a taxa de remoção, são constantes positivas. Como *8 *, e *? *, não dependem de R, podemos inicialmente considerar apenas essas duas equações para S e I. Então, ou *2 *, pode ser usados para determinar R ou, em alternativa, usamos que D + C + ! = E. Usando esta equação temos: ( (* (C + D + !) = 0. Combinando as equações de *8 *, e *? *, , temos: (D (m = QCD − =D −QCD = −1 + P C , em que P = = 0 . Integrando, temos então: D = −C + P log C + 1 Se, em * = 0, temos D = D$ e C = C$ = E (e !$ = 0), então: 1 = E − P log C$. Isso nos dá, portanto, D = E − C + P log C C $ . Como temos que * *, (C + D + !) = 0, temos que *? *@ é positivo (respectivamente, negativo) para A @ > 1 (A @ < 1), isto é, D é uma função crescente (decrescente) para C < P (C > P). Também, D → −∞ quando C → 0 e D = D$ (> 0) quando C = C$. Daí, existe pelo menos um ponto, digamos CB, quando D = 0. De fato, CB é um ponto único e de *8 *, e *? *, , podemos ver que C = CB, D = 0 é um ponto de equilíbrio. Trajetórias típicas no plano C − D são esboçadas na figura a seguir. 58 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Vemos que à medida que t aumenta, o ponto (C, D) se move ao longo da trajetória com C diminuindo e I diminui monotonicamente se C$ < P. Por outro lado, se C$ > P, inicialmente I aumenta atingindo um pico quando C = P e depois diminuindo para zero. Claramente, o parâmetro P é um parâmetro vital. É chamado valor limiar, pois uma epidemia ocorre apenas se o número inicial de suscetíveis, C$, for maior que o valor limiar. Assumindo C$ > P, podemos deduzir do teorema do valor limiar da Epidemiologia (HETHCOTE, 1989) que afirma que, se C$ − P é pequeno comparado a P, o número de indivíduos que contrai a doença é aproximadamente 2(C$ − P). Para provar esse resultado, deixe C$ = P + X, onde X ≪ P (ou seja, X é muito menor que P). Também assumimos que D$, o número inicial de infecciosos, é pequeno. Agora, de D = E − C + P log 8 8! , quando * → ∞, 0 = E − CB + P log > CB C $ @ ,∞ Suscetíveis S Infecciosos I Figura - Trajetórias do plano de fase (,", /") (,, /) 59 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S e então E ≅ C$. 0 = C$ − CB + P log y C$ − (C$ − CB) C $ z = C$ − CB + P log y1 − CB C $ z = C$ − CB + P {>1 − CB C $ @ − 1 2 >1 − CB C $ @ & ⋯ | Isto é, 0 = (C$ − CB) _1 − P C $ − [ P 2C $ & \ (C$ − CB)`. Logo, C$ − CB = 2C $ & P >1 − P C $ @ = 2C$ > C$ P − 1@ = 2(P + X)(P + X − P) P , }~�m C$ = P + X = 2X(P + X) P ≈ 2XP P , }~�m X ≪ P Assim, obtemos que C$ − CB ≈ 2X, o que prova o resultado. A figura a seguir indica a situação. 60 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S As estatísticas de saúde pública geralmente registram o número de novas remoções a cada dia ou semana. Portanto, para comparar os resultados previstos desse modelo com dados reais, devemos determinar *2 *, como uma função durante o tempo, t. Agora, de D + C + ! = E e de *2 *, = =D: (! (* = =(DE − ! − C) enquanto podemos determinar S como uma função de R de (C (! = (C (* (! (* = − QCD =D = − C P . '0 Figura – O teorema do valor limite da epidemiologia Infecciosos I Suscetíveis S ,∞ ,0 1 2 2 61 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Resolvendo para S, temos C = C$& / " #. Substituindo na equação acima de *2 *, , obtemos: (! (* = X [DE − ! − C$& / 2 A\. Infelizmente essa equação não pode ser resolvida explicitamente a menos que assumimos 2 A seja razoavelmente pequeno: & / 2 A ≅ 1 − ! P + > ! P @ & +⋯ Dessa forma, (! (* ≅ X _E − ! − C$ [1 − ! P + !& 2P& \` Ou seja, (! (* = X _E − C$ + > C$ P − 1@! − C$ !& 2P& `. Pode-se verificar que essa equação tem a seguinte solução ! = P& C $ P − 1 + ; tanh e ;X* 2 − fg C $ , em que ; = _> C$ P − 1@ & + 2C$ (E − C$) P& ` #/& & f = *.hℎ/# j C $ P − 1 ; k Como * *D (tanh l) = m&nℎ &(l), obtemos que: 62 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S (! (* = P&;&X 2C $ m&nℎ & > ;X* 2 − f@, E isso define uma curva em forma de sino, conhecida como curva epidêmica. Seu valor máximo ocorre em * = &E FG , como ilustrado a seguir. Kermack e McKendrick usaram esse modelo para descrever uma praga em Bombaim. Eles levaram valores de parâmetros para que (! (* = 890 m&nℎ &(0,2* − 3,4), em que t foi medido em semanas. Podemos comparar *2 *, com o número de mortos por semana, já que quase todos os casos terminaram fatalmente. A figura a seguir ilustra a curva prevista (pela equação anterior) com os dados reais. Figura – Taxa prevista de remoções Taxa de remoções dR/dt Tempo t 2) #* 63 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Figura – Taxa prevista de remoções Mortes Semanas 900 700 500 300 5 10 15 20 25 64 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S REFERÊNCIAS ________________________ ABDEL-HAMID, T. K. “Exercise and Diet in Obesity Treatment: An Integrative System Dynamics Perspective”, Medicine & Science in Sports & Exercise, the American College of Sports Medicine, pp. 400–414, 2003. ARAÚJO, J. L. Uma abordagem sócio-crítica da modelagem matemática: a perspectiva da educação matemática crítica. Alexandria: Revista de Educação em Ciência e Tecnologia, Florianópolis, v. 2, n. 2, p. 55-68, 2009. AZZEH, S.; ALHUSSAIN, O.; SAMRA, S. A Mathematical Model to Decrease Obesity in the UAE. ASME 2011 International Mechanical Engineering Congress and Exposition, IMECE 2011. BARBOSA, J. C. A modelagem matemática e a perspectiva sócio-crítica. In: SEMINÁRIO INTERNACIONAL DE PESQUISA EM EDUCAÇÃO MATEMÁTICA, 2, 2003, Santos. Anais [...]. São Paulo: SBEM, 2003. p. 1-13. ______.Mathematical modelling in classroom: a social-critical and discursive perspective. ZDM – The International Journal of Mathematics Education, v.38, n.3, p.293-301, 2006. ______. As discussões paralelas no ambiente de aprendizagem Modelagem Matemática. Acta Scientiae, v.10, n. 1, p. 47-50, 2008. BELL, C. G.; WALLEY, A. J.; FROGUE, P. “The Genetics of Human Obesity”, Nature Reviews, Nature Publishing Group, 6, pp. 221-234, 2005. 65 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S BIEMBENGUT, M. S.; HEIN, N. Modelagem Matemática no Ensino. São Paulo: Contexto, 2007. BURGHES, D. N.; BORRIE, M.S., Modelling with Differential Equations, Colston Papers. E. Horwood, 1981. CHARALAMPOS, T. “A Mathematical Diet Model”, Teaching Mathematics and Its Applications: An International Journal of the IMA, 23(4), pp. 165–171, 2004. CHIN, M. K.; LO, A. Y. S.; LI, X. H.; SHAM, M. Y. M.; YUAN, Y. W. Y. “Obesity, Diet, Exercise and Weight Control -A Current Review”, 182 J Hong Kong Med Assoc, 44(3), pp. 181–187, 1992. CHO, S.; DIETRICH, M.; CORALIE J. P.; BROWN, C. A. C.; BLOCK, G. “The Effect of Breakfast Type on Total Daily Energy Intake and Body Mass Index: Results from the Third National Health and Nutrition Examination Survey (NHANES III)”, Journal of the American College of Nutrition, Published by the American College of Nutrition, 22(4), pp. 296–302, 2003. FITRAKIS, P. Modern Dietetic, Fitrakis Publishing, Athens, p. 53, 1985. HETHCOTE, H. W. Three Basic Epidemiological Models. In: Levin S.A., Hallam T.G., Gross L.J. (eds) Applied Mathematical Ecology. Biomathematics, vol 18, 1989, Springer, Berlin, Heidelberg. LAUDARES, J. B.; MIRANDA, D. F.; REIS, J. P. C.; FURLETTI, S. Equações Diferenciais Ordinárias e Transformadas de Laplace: Análise gráfica de fenômenos com resolução de problemas Atividades com softwares livres. 1a. ed. Belo Horizonte: Artesã, 2017. v. 1. 319 p. 66 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S MCCARGAR, L. J.; SALE, J.; CRAWFORD, S. M. “Chronic Dieting Does Not Result in A Sustained Reduction in Resting Metabolic Rate in Overweight Women.”, Journal of the American Dietetic Association, 14(2), pp. 142–146, 1996. MACKARNESS, R. How to Weaken Eating, Fitrakis Publishing, Athens, p. 47, 1988. SKOVSMOSE, O. Reflective knowledge: its relation to the mathematical modeling process. Int. J. Math. Educ. Sci. Technol., London, v. 21, n. 5, p. 765-779, 1990. ______. O. Cenários para investigação. Bolema — Boletim de Educação Matemática, n.14, p.66-91, 2000. ______. Educação Matemática Critica: a questão da democracia. Tradução: Abigail Lins, Jussara de Loiola Araújo. Campinas, SP: Papirus, 2001. (Coleção Perspectivas em Educação Matemática) ______. Ghettorising and globalisation: a challenge for mathematics education. Publication n.39. Centre for Research in Learning Mathematics. Roskilde, Denmark: Royal Danish School of Educational Studies, 2003. WYATT, H. R; GRUNWALD, G. K.; MOSCA, C. L.; KLEN, M. L.; WING, R. R.; HILL, J. O. “Long-Term Weight Loss and Breakfast in Subjects in the National Weight Control Registry”, 10, pp. 78–82, 2001. 67 | P á g i n a M O D EL AG EM C O M E Q U AÇ Õ ES D IF ER EN CI AI S Este trabalho foi composto na fonte Myriad Pro e Ottawa. Impresso na Coordenadoria de Imprensa e Editora | CIED da Universidade Federal de Ouro Preto, em novembro de 2020 sobre papel 100% reciclato (miolo) 90g/m2 e (capa) 300 g/m2
Compartilhar