Curvas exponencial e logística com capacidade de suporte, tempo de duplicação, inflexão.
Dinâmicas populacionais governam tudo, desde epidemiologia (R₀ de uma doença infeciosa, limiares de vacinação) a ecologia (capacidade de suporte de um habitat, pontos de viragem em pescas) a demografia (projeções populacionais mundiais da ONU até 2100) e microbiologia (culturas bacterianas num frasco, curvas de morte por antibióticos). O núcleo matemático é a equação diferencial dN/dt = r · N (crescimento exponencial) ou, quando os limites de recursos importam, dN/dt = r · N · (1 − N/K) (crescimento logístico). Ambas têm soluções em forma fechada e produzem curvas qualitativamente diferentes: a exponencial sobe para sempre, a logística satura na capacidade de suporte K. Compreender qual modelo se aplica — e onde no gráfico um sistema se encontra — é crucial para previsões e políticas. Este calculador computa ambas lado a lado para que o utilizador possa comparar as trajetórias não restritas vs. limitadas e ver o ponto de inflexão onde o modelo logístico diverge do exponencial.
Exponencial: N(t) = N₀ · e^(r · t), onde r é a taxa de crescimento per capita por unidade de tempo.
O tempo de duplicação é T_d = ln(2) / r ≈ 0,693 / r. Uma taxa de crescimento de 0,05/ano dá um tempo de duplicação de 13,86 anos.
Logístico (Verhulst 1838): N(t) = K / (1 + ((K − N₀) / N₀) · e^(−r · t)), onde K é a capacidade de suporte.
A curva logística tem um ponto de inflexão em N = K/2, onde a taxa de crescimento é máxima. O tempo até à inflexão é t_inflection = ln((K − N₀)/N₀) / r.
Para N₀ → 0, ambos os modelos coincidem na fase inicial; a logística diverge abaixo da exponencial à medida que N se aproxima de K.
O calculador traça ambas as curvas com 100 pontos de amostra, marca o ponto de inflexão na curva logística e mostra uma linha tracejada horizontal em K. O eixo Y é dimensionado automaticamente para caber em min(5 × max_logistic, K) para que a explosão exponencial não engula os detalhes logísticos.
Insira a população inicial N₀, a taxa de crescimento r (por unidade de tempo escolhida; típico 0,01–0,5 por ano para populações animais, 0,5–3 por hora para bactérias), o tempo decorrido t, a capacidade de suporte K (desative se quiser apenas o exponencial), e a unidade de tempo (anos ou dias). O painel de resultados mostra N(t) para ambos os modelos, o tempo de duplicação e o tempo até à inflexão.
Uma cultura bacteriana começa com N₀ = 10⁶ células/mL. Taxa de crescimento r = 0,69 /h (E. coli em meio rico, duplicando a cada hora).
Exponencial em t = 6 h: - N(6) = 10⁶ × e^(0,69 × 6) = 10⁶ × e^4,14 = 10⁶ × 62,8 = 6,28 × 10⁷ células/mL. - Tempo de duplicação: ln(2)/0,69 ≈ 1 h ✓.
Logístico com K = 10⁹ células/mL (saturação típica em cultura em batelada): - N(6) = 10⁹ / (1 + ((10⁹ − 10⁶)/10⁶) × e^(−0,69 × 6)) - = 10⁹ / (1 + 999 × e^(−4,14)) - = 10⁹ / (1 + 999 × 0,0159) - = 10⁹ / 16,89 = 5,92 × 10⁷ células/mL — ligeiramente abaixo da exponencial não restrita (ainda em fase de crescimento inicial).
Em t = 12 h, a logística estabiliza em torno de 4,7 × 10⁸ (próximo de K/2, perto da inflexão); a exponencial ultrapassa 4 × 10⁹ — fisicamente impossível com recursos finitos.
Uma população selvagem de 50 veados num habitat com K = 500, r = 0,2/ano: - Tempo de inflexão = ln(450/50) / 0,2 = ln 9 / 0,2 ≈ 11 anos. - Após 30 anos: N_log = 500 / (1 + 9 × e^(−6)) ≈ 488 (muito perto da capacidade de suporte). - Exponencial N_exp = 50 × e^6 ≈ 20 200 (impossível).
Exponencial é uma aproximação de ponta. Sistemas reais eventualmente encontram limites de recursos, predação, doenças, densidade social, etc. Usar exponencial além da fase inicial excede grosseiramente as estimativas.
Escolher K é a parte difícil. A capacidade de suporte raramente é conhecida com precisão e pode mudar com as condições ambientais, clima ou tecnologia. Projeções demográficas frequentemente citam intervalos de K com grande incerteza.
r constante raramente é realista. As taxas de crescimento reais flutuam sazonalmente, com disponibilidade de recursos, com feedback dependente da densidade. A suposição de r constante é um suavização.
Efeitos estocásticos importam em N pequeno. Com N₀ = 10 indivíduos, a estocasticidade demográfica (nascimentos/mortes aleatórios) pode levar a população a zero mesmo com r determinístico positivo. As curvas determinísticas são trajetórias de média populacional, não previsões de realização única.
Efeito Allee. Algumas populações têm uma densidade mínima viável abaixo da qual o crescimento se torna negativo. A logística simples não captura isso; populações pequenas isoladas podem colapsar em vez de crescer.
Crescimento negativo (declínio). r < 0 transforma a exponencial em decaimento; a logística com K > 0 ainda assintoticamente se aproxima de K (que agora é um atrator de cima). Trocar a interpretação do modelo pode confundir — leia a direção da curva.
Consistência de unidades. r e t devem usar a mesma unidade de tempo. O r bacteriano é tipicamente por hora, o r demográfico por ano — ordens de magnitude de diferença.
Tempo contínuo vs. discreto. As soluções em forma fechada assumem tempo contínuo. Para populações que se reproduzem em épocas fixas (plantas anuais, corridas de salmão), modelos de tempo discreto como o mapa de Beverton–Holt ou Ricker são mais apropriados.
Regulação paramétrica vs. dependente da densidade. A logística assume que a regulação é puramente dependente da densidade (competição intraespecífica). A regulação real frequentemente combina dinâmica predador-presa, parasita-hospedeiro e pulsos de recursos; modelos multiespécies dão dinâmicas mais ricas.
Inflexão vs. saturação. A inflexão é onde a taxa de crescimento é mais alta, não onde a curva se achata. A saturação (95% de K) ocorre muito mais tarde — cerca de 4,4/r unidades de tempo após a inflexão.