MODELAÇÃO MATEMÁTICA
I - Introdução à Modelação
Matemática
1.1 - Modelos Matemáticos
Laurindo Sobrinho
Departamento de Matemática
Faculdade de Ciências Exatas e da Engenharia (FCEE)
Universidade da Madeira
Setembro de 2025
1 / 14
Definição:
Para um observador B, um objecto A′ é um modelo
matemático do objecto A se e só se B for capaz de utilizar
A′ para responder a questões do seu interesse relativamente ao
objecto A.
2 / 14
O recurso a um Modelo Matemático apresenta diversas
vantagens:
a Matemática é uma linguagem universal e rigorosa
(exata);
temos à disposição centenas de resultados (teoremas)
provados ao longo dos últimos séculos;
podemos introduzir um Modelo Matemático num
computador e efetuar simulações recorrendo a cálculos
numéricos ou simbólicos.
A Modelação Matemática consiste no processo de
construção, estudo e teste de Modelos Matemáticos.
3 / 14
Podemos separar os Modelos Matemáticos em dois grandes
grupos:
modelos analı́ticos: são considerados os processos que
ocorrem a nı́veis inferiores (conhecimento de baixo nı́vel)
na elaboração do modelo.
modelos empı́ricos: modelos baseados em dados
experimentais. Regra geral, consideram apenas os
processos que ocorrem ao nı́vel macroscópico
(conhecimento de alto nı́vel).
Quanto ao tipo de resultados os Modelos Matemáticos podem
classificar-se em:
determinı́sticos: devolvem sempre o mesmo resultado
(output) para uma mesma entrada (input)
estocásticos: o resultado é devolvido em forma de
distribuição estatı́stica
4 / 14
Os objectivos da Modelação Matemática passam por:
contribuir para o desenvolvimento cientı́fico;
testar o comportamento do sistema a alterações nos seus
parâmetros;
ajudar na tomada de decisão;
representar matemáticamente um fenómeno natural que
seja difı́cil de observar diretamente;
prever o comportamento de fenómenos naturais.
...
Um bom Modelo Matemático deverá estar em concordância
com todos os resultados previamente conhecidos dentro do seu
contexto e ainda fazer a previsão de resultados até então
desconhecidos: descobertas matemáticas.
5 / 14
O processo de Modelação Matemática é composto, em geral,
por quatro fases distintas:
1 Construção:
objectivo, hipóteses de partida, interação com a
vizinhança,...
2 Estudo (matemático):
comportamento assimptótico, zeros, extremos,
sensibilidade,...
3 Teste:
validação, previsão de resultados,...
4 Utilização:
aplicação do modelo e interpretação de resultados pelo
utilizador final
6 / 14
Exemplo 1: Modelo de Malthus (crescimento populacional)
Hipótese: a taxa de crescimento num dado instante é
proporcional à dimensão da própria população nesse mesmo
instante.
dp
= ap
dt
p = p(t) - população no instante t
t - tempo (numa unidade adequada)
a - constante de proporcionalidade (a > 0)
A solução desta equação pode ser escrita na forma:
p(t) = keat onde k ∈ R+ é uma constante de integração.
7 / 14
Como p(0) = k temos que k corresponde à população no
instante inicial. Para uma melhor leitura vamos substituir k
por p0 .
p(t) = p0 eat
Estudo matemático do modelo:
Comportamento assimptótico à direita (com p0 > 0 e a > 0):
p(t)
m = lim = +∞
t→+∞ t
Não tem assimptota à direita.
Não tem máximos relativos ou absolutos (a função é sempre
crescente). De facto a longo prazo a população tende para
+∞ o que torna o modelo pouco realista.
Tem um mı́nimo absoluto para t = 0 sendo o seu valor p0 .
8 / 14
Validação do modelo - os resultados previstos pelo modelo
podem ser comparados com os valores registados a partir da
observação. Por exemplo quando quando p0 = 10 e a = 2
temos:
t (anos) P(t) P(t) arredondado
0 10 10
1 73.9 74
2 545.98 546
3 4034.29 4034
Havendo concordância entre os valores previstos pelo modelo e
os valores observados podemos recorrer ao modelo matemático
para fazer a previsão da evolução futura da população (para
t > 3 neste caso) - tendo sempre em atenção as limitações do
modelo.
9 / 14
Exemplo 2: Modelo de Verhults (crescimento populacional)
Hipótese: a taxa de crescimento num dado instante é
proporcional à dimensão da própria população nesse mesmo
instante e está limitada superiormente.
dp p
= ap 1 −
dt pmax
p = p(t) - população no instante t
a - constante de proporcionalidade (a > 0)
pmax - capacidade de carga máxima do sistema.
Nota: quando p(t) ≪ pmax recuperamos o modelo de Malthus.
A solução desta equação pode ser escrita na forma:
pmax
p(t) = com C0 ∈ R.
1 + C0 e−at
10 / 14
Considerando p(0) = p0 temos:
pmax pmax − p0
p0 = ⇔ C0 =
1 + C0 p0
Estudo matemático do modelo:
Comportamento assimptótico à direita (com p0 > 0 e a > 0):
p(t)
m = lim =0
t→+∞ t
b = lim (p(t) − mt) = pmax
t→+∞
A solução da equação tem uma assı́mptota horizontal à direita
dada pela reta y = pmax .
Não tem máximos relativos ou absolutos (a função é sempre
crescente). Tem um mı́nimo absoluto para t = 0 sendo o seu
valor p0 .
11 / 14
Exemplo 3: foram largados 200 peixes num lago com
capacidade máxima para 20000 peixes. Sabe-se que a
população duplica ao fim do primeiro ano. Qual a população
ao fim de 10 anos?
Podemos aplicar neste caso o modelo de Verhults:
pmax
p(t) =
1 + C0 e−at
p0 = 200, pmax = 20000
pmax − p0 20000 − 200
C0 = = = 99
p0 200
a =?
Sabemos que a população duplica ao fim do primeiro ano:
p(1) = 2p(0) = 400
12 / 14
Para t = 1 temos:
20000 99
400 = ⇔ a = ln ≈ 0.703
1 + 99e−a 49
Solução para este problema em particular:
20000
p(t) = 99
1 + 99e− ln( 49 )t
de onde se retira p(10) ≈ 18393.
Validação do modelo - os resultados previstos pelo modelo
podem ser comparados com os valores registados a partir da
observação.
Podem ser testadas situações com diferentes valores de p0 ,
pmax e a. Se os resultados forem satisfatórios para um dado
intervalo de tempo então podemos utilizar o modelo para fazer
previsões com alguma segurança...
13 / 14
Comparação entre os modelos de Malthus e Verhults:
25000
20000 Malthus
Verhults
15000
pHtL
10000
5000
2.5 5 7.5 10 12.5 15 17.5 20
tHanosL
Em ambos os casos p(0) = 200 e p(1) = 400. No caso do
modelo de Verhults existe um ponto de inflexão para
ln C0
t= ≈ 6.53 anos o que corresponde exatamente ao
a
ponto para o qual a população atinge metade da carga
máxima (10000 neste caso).
14 / 14