Modelagem Matemática da Percepção Sonora pelo Ouvido Humano via Equações Diferenciais Ordinárias de Segunda Ordem

Palavras-chave: equações diferenciais ordinárias (EDOs), membrana basilar, modelagem matemática, percepção sonora, presbiacusia

Resumo

Este trabalho teve como objetivo analisar os aspectos fisiológicos da audição humana (Guyton e Hall, 2017) e, a partir desses aspectos, construir um modelo matemático utilizando Equações Diferenciais Ordinárias de segunda ordem (Boyce e DiPrima, 2012), com base no modelo oscilatório proposto por Benson (2003). Esse modelo se propõe a representar a vibração da membrana basilar, presente no interior do ouvido humano, e interpretar analiticamente a forma como diferentes sons são recebidos pela membrana, analisando a distribuição de frequências ao longo da cóclea. Além deste modelo inicial, também foi proposto um segundo modelo considerando a perda auditiva relacionada ao envelhecimento (Wang e Puel 2020; Gates e Mils, 2005). Após as deduções e análise das soluções analíticas dos modelos, foram realizadas simulações utilizando o método de Runge-Kutta de quarta ordem (Burden e Faires, 2020), nas quais foram comparados os dois modelos e foi realizada uma discussão quanto à simulação numérica e à descrição fisiológica. Após análise das modelagens propostas, resoluções analíticas e simulações numéricas, concluímos que há uma coerência entre os modelos propostos e o funcionamento auditivo, propondo, assim, uma abordagem teórica e computacional para a compreensão da percepção sonora humana.

Biografia do Autor

Felipe Rodrigues Chaves, Instituto Federal de São Paulo

Graduado em Licenciatura em Matemática pelo Instituto Federal de São Paulo (IFSP). Experiência em Educação não formal, realizando monitorias nas áreas de física e astronomia. Participou do projeto de ensino Monitoria em Cálculo Diferencial e Integral II para o Ensino Superior. Experiência em ensino de Matemática e Física em diferentes contextos educacionais. Atuou também no Programa Institucional de Bolsa de Iniciação à Docência (PIBID), desenvolvendo práticas pedagógicas em escolas públicas. Interesse pela área de Matemática Aplicada, com foco em modelagem matemática, análise de dados e métodos computacionais.

Luciano Aparecido Magrini, Instituto Federal de São Paulo

Doutor em Computação Aplicada pelo Instituto Nacional de Ciências Espaciais (INPE) com bolsa CAPES e período sanduíche na St. Louis University (EUA). Mestre em Matemática em Rede Nacional pela Universidade Estadual Paulista Júlio de Mesquita Filho (UNESP - Câmpus de Rio Claro/SP) com bolsa CAPES. Licenciado em Matemática pelo Centro Universitário de Votuporanga (UNIFEV). Bacharel em Matemática pelo Centro Universitário Internacional (UNINTER) e em Pedagogia pela Universidade Cidade de São Paulo (UNICID). Atualmente docente em regime de dedicação exclusiva do Instituto Federal de São Paulo, atuando no Ensino Superior e no Ensino Técnico e Tecnológico. Atua como docente colaborador do Programa de Mestrado Profissional em Matemática (PGMat) oferecido pela UNESP Campus Rio Claro pesquisando na linha de Métodos Matemáticos. É membro do Comitê Análise Multiescala e Wavelets: Teoria, Desenvolvimento e Aplicações da Sociedade Brasileira de Matemática Aplicada e Computacional (SBMAC) e coordenador deste Comitê no Biênio 2024-2026. Tem interesse em sistemas dinâmicos, análise de wavelets, métodos numéricos e desenvolvimento de métodos inovadores no processamento de sinais biológicos. Tem Pós-Doutorado em Matemática na Universidade Júlio de Mesquita Filho (Campus Rio Claro) na área de Equações Funcionais com Retardo e Aplicações a Modelos para a COVID-19. 

Patrícia Neves de Araújo, Instituto Federal de São Paulo

Doutora em Matemática Aplicada pelo Instituto de Matemática e Estatística da Universidade de São Paulo (IME-USP) na área de Dinâmica de Equações de Evolução. Mestra em Ciências - Matemática Aplicada pelo Instituto de Matemática e Estatística da Universidade de São Paulo. Licenciada em Matemática pelo Instituto Federal de Educação, Ciência e Tecnologia de São Paulo (campus São Paulo). Suas áreas de interesse são Equações Diferenciais e Análise Real.

Referências

Benson, D. C. (2003). Music: a mathematical offering. Cambridge: Cambridge University Press.
Boyce, W. E., & DiPrima, R. C. (2012). Equações diferenciais e problemas de valores de contorno (9ª ed.). Rio de Janeiro: LTC.
Burden, R. L., & Faires, J. D. (2020). Análise numérica (10ª ed.). Boston: Cengage Learning.
Gates, G. A., & Mills, J. H. (2005). Presbycusis. The Lancet, 366(9491), 1111–1120. https://doi.org/10.1016/S0140-6736(05)67423-5
Guyton, A. C., & Hall, J. E. (2017). Tratado de fisiologia médica (13ª ed.). Rio de Janeiro: Elsevier.
Sotomayor, J. (1979). Lições de equações diferenciais ordinárias. Rio de Janeiro: IMPA.
Moore, B. C. J. (2012). An introduction to the psychology of hearing (6ª ed.). Leiden: Brill.
Wang, J., & Puel, J.-L. (2020). Presbycusis: An update on cochlear mechanisms and therapies. Journal of Clinical Medicine, 9(1), 218. https://doi.org/10.3390/jcm9010218
Zill, D. G., & Cullen, M. R. (2007). Equações diferenciais (Vol. 1). Cengage Learning.
Publicado
2026-03-18
Como Citar
Chaves, F., Magrini, L., & Araújo, P. (2026). Modelagem Matemática da Percepção Sonora pelo Ouvido Humano via Equações Diferenciais Ordinárias de Segunda Ordem. Revista Para Graduandos/Instituto Federal De Educação, Ciência E Tecnologia De São Paulo - Campus São Paulo - REGRASP, 11(1), 51-76. Recuperado de https://regrasp.spo.ifsp.edu.br/index.php/regrasp/article/view/1311
Seção
Artigos