Escolar Documentos
Profissional Documentos
Cultura Documentos
João Monlevade, MG
2018
William César Viana
CDU: 621.3
Catalogação: ficha.sisbin@ufop.edu.br
"Algumas regras para a vida: - Questione a autoridade. - Nenhuma ideia é verdadeira só
porque alguém diz que é, incluindo eu. - Pense por si próprio, questione a si próprio. - Não
acredite em algo só porque quer acreditar, acreditar em algo não o torna verdadeiro. - Teste
ideias pelas evidencias adquiridas, pela observação e experimentação. - Se uma ideia
prevalecente falhar num teste bem desenvolvido, esta errada. Supere. - Siga as evidências onde
quer que elas levem, se não houver evidências, evite julgamento. E talvez a regra mais
importante de todas: - Lembre-se, você pode estar errado."
– Neil deGrasse Tyson, Série Cosmos.
Resumo
Modelos matemáticos de sistemas dinâmicos não lineares permitem descrever e predizer
características do comportamento de uma infinidade de fenômenos aplicados em diversas
áreas do conhecimento científico. O que se entende atualmente por caos nada mais é do que
um comportamento não linear rico em informações dinâmicas e com várias características
próprias e universais. Neste trabalho são empregadas ferramentas matemáticas e computa-
cionais embasadas em conceitos da análise de sistemas não lineares que são aplicadas no
estudo de quatro sistemas caóticos: Sistema de Lorenz, Chen, Lü e Sistema Unificado. Como
resultado, descreve-se os comportamentos que tais sistemas apresentam em diferentes valo-
res de seus parâmetros variáveis. Análises gráficas a partir das Seções de Poincaré, Diagramas
de Bifurcações e dos Expoentes de Lyapunov permitem identificar características próprias das
dinâmicas caóticas de tais sistemas. Ademais, a análise da dinâmica caótica de tais sistemas é
estendida a um circuito eletrônico que emula tais comportamentos. O modelo não linear que
descreve o circuito é levantado no processo de modelagem por leis físicas e investigado em
simulações numéricas.
Keywords: Chaos, Dynamical Systems, Nonlinear Systems, Lorenz System, Chen System, Lü
System, Unified Chaotic System.
Lista de Ilustrações
Figura 1 – Campo de velocidade f(x) (−→) e trajetórias X(t ) e Y(t ) (−) no espaço de
estados tridimensional com diferentes condições iniciais em t = t 0 . . . . . 9
Figura 2 – Ponto de Equilíbrio: (a) Estável no sentido de Lyapunov; (b) Assintotica-
mente estável; (c) e (d ) Instável no sentido de Lyapunov com trajetória que
tende ao ponto quando t → ∞. Fonte: Zhang, Liu e Wang (2009), Wiggins
(2003). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
Figura 3 – Formato geométricos das soluções e classificação dos pontos de equilíbrio
de um sistema bidimensional em função de τ, ∆ e D. Fonte: Villate (2005). 13
Figura 4 – Trajetória das soluções P (t ) e Q(t ) iniciadas em diferentes pontos nas pro-
ximidades das variedades invariantes de um ponto de sela. . . . . . . . . . 15
Figura 5 – Variedades e subespaços estáveis e instáveis em R3 . Fonte: Zhang, Liu e
Wang (2009) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
Figura 6 – Campo vetorial no limite de U . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
Figura 7 – Representação de uma curva de nível definida pela função de Lyapunv e as
possibilidades de projeções de f em ∇V . Fonte: SAVI (2006) . . . . . . . . . 19
Figura 8 – Ponto de equilíbrio como ponto ω-limite e α-limite. . . . . . . . . . . . . . 21
Figura 9 – Ciclo limite com ponto ω-limite . Fonte: SAVI (2006) . . . . . . . . . . . . . 21
Figura 10 – Bacias de Atração distintas identificadas pelas regiões A (branca) e B (ha-
churada). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
Figura 11 – Ciclo Limite: (a) Assintoticamente estável; (b) Instável; (c) Semi-estável.
Fonte: Layek (2015). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
Figura 12 – Diagrama de bifurcação do sistema de Lorenz para σ = 10, r = 28 e 0 < b < 1. 27
Figura 13 – Trajetória periódica tridimensional e a seção de Poincaré. . . . . . . . . . . 28
Figura 14 – Representação geométrica dos expoentes de Lyapunov. Fonte: Adaptado de
SAVI (2006). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
Figura 15 – Exemplificação de uma célula de Rayleigh-Bérnard. Fonte: adaptado de
Layek (2015). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
Figura 16 – Atrator tridimensional, projeções bidimensionais e série temporal das so-
8
luções (x(t ), y(t ), z(t )) do sistema de Lorenz para σ = 10, b = 3 e r = 28
com pontos de equilíbrio P 0 = (0, 0, 0) e P ± = (±8, 48; ±8, 48; 27). Condições
iniciais (x(0), y(0), z(0)) = (1, 1, 1) e 0 < t < 30 segundos. . . . . . . . . . . . . 34
Figura 17 – Atrator de Lorenz (r = 28, σ = 10, b = 8/3): (a) Comutação Irregular. Con-
dições iniciais x(0) = y(0) = z(0) = 0, 001 e 0 < t < 50s. (b) Base de atração
para duas condições iniciais, x(0) = y(0) = z(0) = 0, 001 e x̄(0) = ȳ(0) =
0, 001, z̄(0) = 50 com 0 < t < 50 s. (c) Sensibilidade às condições iniciais.
x(0) = y(0) = z(0) = 0, 001 (azul) e x̄(0) = ȳ(0) = z̄ = 0, 0011 (vermelho).
(d) Sensibilidade nos parâmetros.x(0) = y(0) = z(0) = x̄(0) = ȳ(0) = z̄(0) =
0, 001e r 1 = 28 (azul), r 2 = 28, 01 (vermelho). (e) Sensibilidade às condi-
ções iniciais na série temporal x(t ) do atrator em (c). (f) Sensibilidade nos
parâmetros na série temporal x(t ) do atrator em (d ). . . . . . . . . . . . . . 36
Figura 18 – Soluções do sistema de Lorenz (σ = 10, b = 8/3, r = 0, 5) com diferentes
condições iniciais convergindo para o atrator global na origem. . . . . . . . 39
Figura 19 – Representação gráfica de região limitada das soluções de Lorenz. Fonte:
Layek (2015). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
8
Figura 20 – Lugar geométrico das raízes do polinômio (3.20) para σ = 10, b = 3 e1<r <
28. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
Figura 21 – Vistas da órbita homoclínica do sistema de Lorenz. Fonte: Argyris et al. (2015). 44
Figura 22 – Padrão de duas trajetórias após a bifurcação homoclínica com r = 13, 93 e
x(0) = y(0) = 0, 001 (azul), x̄(0) = ȳ(0) = −0, 001 (vermelho) e z(0) = z̄(0) = 0. 45
Figura 23 – Seções de Poincaré do sistema de Lorenz para σ = 10, b = 8/3 e r = 28. . . . 46
8
Figura 24 – Diagramas de bifurcação do sistema de Lorenz com σ = 10, b = 3
e r va-
riável. (a) Máximos de z(t ) para 1 < r < 350. (b) Máximos de x(t ) para
1 < r < 350. (c), (d), (e), (f) Zoom nas janelas periódicas de (a). . . . . . . . . 47
Figura 25 – Convergência dos expoentes de Lyapunov do sistema de Lorenz para σ =
10, b = 8/3, r = 28 e condição inicial x(0) = y(0) = z(0) = 1. . . . . . . . . . . . 48
Figura 26 – Diagrama de bifurcação dos expoentes de Lyapunov do sistema de Lorenz
para σ = 10, b = 8/3 e 1 < r < 300. Tempo de convergência do método
t = 800s, τ = 0, 5s e x(0) = y(0) = z(0) = 1. . . . . . . . . . . . . . . . . . . . . . 49
Figura 27 – Atrator tridimensional, projeções bidimensionais e série temporal das so-
luções (x(t ), y(t ), z(t )) do sistema de Chen para a = 35, b = 3 e c = 28 com
pontos de equilíbrio P 0 = (0, 0, 0) e P ± = (±7, 93; ±7, 93; 21). Condições inici-
ais (x(0), y(0), z(0)) = (1, 1, 1) e 15 < t < 50 segundos. . . . . . . . . . . . . . . 50
Figura 28 – Lugar geométrico das raízes do polinômio (3.33) para a = 35, b = 3 e 1 < c < 28. 52
Figura 29 – Lugar geométrico das raízes do polinômio (3.39) para a = 35, b = 3 e 17, 5 <
c < 30. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
Figura 30 – Seções de Poincaré do sistema de Chen para a = 35, b = 3, c = 28. . . . . . . 56
Figura 31 – Diagramas de bifurcação do sistema de Chen com a = 35, b = 3 e 19 < c < 30.
(a) Máximos de z(t ); (b) Máximos de x(t ). . . . . . . . . . . . . . . . . . . . . 57
Figura 32 – Convergência dos expoentes de Lyapunov do sistema de Chen para a =
35, b = 3, c = 28 e condição inicial x(0) = y(0) = z(0) = 1. . . . . . . . . . . . . 58
Figura 33 – Diagrama de bifurcação dos expoentes de Lyapunov do sistema de Chen
para a = 35, b = 3 e 19 < c < 30. Tempo de convergência do método t = 800s,
τ = 0, 5s e x(0) = y(0) = z(0) = 1. . . . . . . . . . . . . . . . . . . . . . . . . . . 58
Figura 34 – Atrator tridimensional, projeções bidimensionais e série temporal das so-
luções (x(t ), y(t ), z(t )) do sistema de Lü para a = 36, b = 3 e c = 20 com
pontos de equilíbrio P 0 = (0, 0, 0) e P ± = (±7, 74; ±7, 74; 20). Condições inici-
ais (x(0), y(0), z(0)) = (1, 1, 1) e 15 < t < 50 segundos. . . . . . . . . . . . . . . 59
Figura 35 – Lugar geométrico das raízes do polinômio (3.57) para a = 36, b = 3 e 0 < c < 30. 62
Figura 36 – Atratores do sistema (3.48) de Lü, com a = 36 e b = 3, topologicamente
semelhantes ao: (a) Atrator de Lorenz com c = 13, 5; (b) Atrator de Chen
com c = 24. Condições iniciais (x(0), y(0), z(0)) = (1, 1, 1) e 20 < t < 50 . . . . 63
Figura 37 – Seções de Poincaré do sistema de Lü para a = 36, b = 3, c = 20. . . . . . . . . 64
Figura 38 – Diagramas de bifurcação do sistema de Lü com a = 36, b = 3 e 10 < c < 30.
(a) Máximos de z(t ); (b) Máximos de x(t ). . . . . . . . . . . . . . . . . . . . . 65
Figura 39 – Diagrama de bifurcação dos expoentes de Lyapunov para o sistema de Lü. 65
Figura 40 – Atratores do Sistema Caótico Unificado. . . . . . . . . . . . . . . . . . . . . . 66
Figura 41 – Lugar geométrico das raízes do polinômio (3.65) para −8 < α < 8. . . . . . . 69
Figura 42 – Diagramas de bifurcação do Sistema Unificado com 0 < α < 1. (a) Máximos
de z(t ); (b) Máximos de x(t ). . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
Figura 43 – Circuito eletrônico de três estruturas de EDO’s não lineares e caóticas.
Sistema I - S 4 e S 5 ativas; Sistema II - S 1 e S 2 ativas; Sistema III - S 3 e
S 5 ativas. Componentes: Multiplicador Analógico AD633, Amplificador
Operacional TL084, R 5 = R 10 = R 37 = 1 M Ω, C 1 = C 2 = C 3 = 1 µF , R i =
10 kΩ (i = 19, 20, 22, 24, 25, 27, 29, 30, 32), R 4 = 30 kΩ, R j = 1 kΩ ( j =
1, 2, 8, 33), R 9 = R 21 = R 34 = 240 kΩ, R 23 = 280 kΩ, R 26 = 290 kΩ, R 31 =
350 kΩ, R 35 = 91 kΩ, R 36 = 910 kΩ, R 3 = 15 kΩ, R 15 = R 18 = 240 kΩ, R k =
10 kΩ (k = 6, 7, 11, 12, 13, 16, 38, 39). . . . . . . . . . . . . . . . . . . . . . . 72
Figura 44 – Máximo expoente de Lyapunov do sistema Sistema I para 0 < β < 1. Tempo
de convergência do método t = 800s, τ = 0, 5s e x(0) = y(0) = z(0) = 1. . . . 73
Figura 45 – Máximo expoente de Lyapunov do sistema Sistema II para −25 < γ < 3.
Tempo de convergência do método t = 800s, τ = 0, 5s e x(0) = y(0) = z(0) = 1. 74
Figura 46 – Máximo expoente de Lyapunov do sistema Sistema III para 0, 5 < θ < 3.
Tempo de convergência do método t = 800s, τ = 0, 5s e x(0) = y(0) = z(0) = 1. 75
Figura 47 – Retratos de fase das variáveis V1 × V2 do Sistema I. . . . . . . . . . . . . . . . 79
Figura 48 – Retratos de fase das variáveis V1 × V2 do Sistema II. . . . . . . . . . . . . . . 79
Figura 49 – Retratos de fase das variáveis V1 × V2 do Sistema III. . . . . . . . . . . . . . . 80
Sumário
1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1 Motivação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Estrutura do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2 Fundamentos de Dinâmica Não Linear e Caos . . . . . . . . . . . . . . . . . 5
2.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Um Breve Histórico do Surgimento da Teoria do Caos . . . . . . . . . . . . . . . 6
2.3 Sistemas Dinâmicos Contínuos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.4 Espaço de Estados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.5 Teoria da Estabilidade e Comportamento das Soluções . . . . . . . . . . . . . . 9
2.5.1 Equilíbrio do Campo Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.5.2 Estabilidade de Trajetórias e Órbitas . . . . . . . . . . . . . . . . . . . . . 9
2.5.2.1 Sistemas Lineares e Classificação no Plano de Fases . . . . . . 11
2.5.2.2 Linearização em Torno de um Ponto de Equilíbrio . . . . . . 13
2.5.2.3 Conceito de Variedades de um Sistema Dinâmico . . . . . . . 14
2.5.2.4 Pontos de Equilíbrio Hiperbólicos e a Relação entre o Sistema
Não Linear e o Linearizado . . . . . . . . . . . . . . . . . . . . 16
2.5.3 Funções de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.6 Sistemas Conservativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.7 Comportamento Assintótico e Atratores . . . . . . . . . . . . . . . . . . . . . . . 20
2.7.1 Atratores e Repulsores em R3 . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.8 Estabilidade Estrutural e Bifurcações . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.8.1 Diagrama de Bifurcação . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.9 Seção de Poincaré . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.10 Expoentes de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.11 Caos Determinístico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.12 Considerações Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3 Análise dos Sistemas Tipo Lorenz . . . . . . . . . . . . . . . . . . . . . . . . 32
3.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.2 Sistema de Lorenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.3 Sistema de Chen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.4 Sistema de Lü . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.5 Sistema Caótico Unificado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.6 Considerações Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4 Caos em um Circuito Eletrônico . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.2 Descrição e Análise dos Sistemas . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.3 Modelagem do Circuito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
4.3.1 Modelagem Sistema I . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4.3.2 Modelagem Sistema II . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4.3.3 Modelagem Sistema III . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.4 Resultados Gráficos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
4.5 Comentários Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
5 Conclusões e Trabalhos Futuros . . . . . . . . . . . . . . . . . . . . . . . . . . 81
Referências . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
ANEXO A Ferramentas de Análise de Polinômios . . . . . . . . . . . . . . . . 86
1
Capı́tulo 1
Introdução
Unificado (LÜ et al., 2002). Por fim, é feita a implementação de um circuito eletrônico em
um ambiente de simulação capaz de reproduzir a estrutura dinâmica dos quatro sistemas
estudados.
1.1 Motivação
Dadas as razões supracitadas pela escolha de abordar um estudo sobre dinâmica não
linear e sistemas caóticos, propõe-se aplicar algumas ferramentas oriundas de tal teoria em
um sistema unificado. A motivação em sua escolha deve-se ao fato de que tal sistema possui
relações fundamentais compartilhadas entre os sistemas de Lorenz, Chen e Lü.
A publicação original relatando o que ficou conhecido com Sistema de Lorenz (LO-
RENZ, 1963) abriu espaço para a descoberta de diversos outros sistemas caóticos com atrato-
res semelhantes, como o Sistema de Chen (CHEN; UETA, 1999), Sistema de Lü (LÜ; CHEN,
2002) e o Sistema Caótico Unificado (LÜ et al., 2002). Este último é na verdade uma combi-
nação convexa dos sistemas de Lorenz e Chen, e representa uma família inteira de infinitos
sistemas caóticos entre eles, com as dinâmicas dos sistemas de Lorenz e Chen ocorrendo nos
extremos do parâmetro variável.
Na publicação de Vaněček e Čelikovskỳ (1996) foi proposto um sistema chamado de
Forma Canônica Generalizada de Lorenz capaz de reproduzir uma classe ampla de sistemas
caóticos. Os autores deram uma classificação a esse sistema em termos de a 12 a 21 , em que
a 12 e a 21 são entradas correspondentes a parte linear de um sistema descrito por uma matriz
constante A = [a i j ]3×3 . De acordo com esta condição, o Sistema de Lorenz satisfaz a 12 a 21 > 0,
o Sistema de Chen a 12 a 21 < 0 e o Sistema de Lü a 12 a 21 = 0. Classificações mais gerais desses
sistemas foram posteriormente propostas em (ČELIKOVSKÝ; CHEN, 2002; ČELIKOVSKỲ;
CHEN, 2002; ČELIKOVSKỲ; CHEN, 2005; YANG; CHEN; ZHOU, 2006). Os autores Wang e Chen
(2013) apresentam um compilado de sistemas autônomos tridimensionais não lineares classi-
ficados em diferentes famílias de acordo com os padrões dinâmicos caóticos, encontrados
em publicações de diferentes autores ao longo dos anos.
Ainda, recentemente publicações envolvendo a análise dos sistemas de Lorenz, Chen
e Lü têm gerado discussões a respeito de uma equivalência entre estes (ALGABA et al., 2013a;
ALGABA et al., 2013b; CHEN, 2013; LEONOV; KUZNETSOV, 2015), tratando-se ainda de um
campo promissor para investigação científica.
1.2 Objetivos
Neste trabalho, como objetivo geral empregam-se conceitos e ferramentas da análise
de sistemas não lineares com intuito de caracterizar alguns dos seus vários padrões dinâmicos,
em especial o caos. Estudando quatro tipos diferentes de sistemas caóticos, questões como
Capítulo 1. Introdução 3
valores de potenciômetros em que o caos se manifesta, cujos resultados são verificados pelo
retrato de fases gerados em osciloscópio durante a simulação.
Por fim, o Capítulo 5 apresenta as conclusões, considerações finais e as propostas
para pesquisas futuras.
5
Capı́tulo 2
Fundamentos de Dinâmica Não Linear e
Caos
2.1 Introdução
Neste capítulo alguns fundamentos teóricos, no que diz respeito a dinâmica não
linear, são apresentados. Na Seção 2.2 é feita uma contextualização teórica relatando as
motivações que levaram a descoberta dos sistemas caóticos. Na Seção 2.3 define-se o conceito
de sistemas dinâmicos autônomos e o modelo de equações que os descrevem. A Seção 2.4
explora o conceito de soluções e campo de vetores contidos no espaço formado pelos estados
dinâmicos. A Seção 2.5 apresenta definições e ferramentas utilizadas na determinação da
estabilidade de soluções. Apresenta-se também a classificação das soluções dos sistemas
lineares no plano de fases e a estabilidade local de soluções próximas aos pontos de equilíbrio
hiperbólicos de um sistema não linear. Na Seção 2.6 é definido o conceito da dissipatividade
de sistemas autônomos a partir do divergente do campo de vetores. A Seção 2.7 apresenta
algumas terminologias e definições geralmente utilizadas na descrição de atratores em um
sistema dinâmico não linear tridimensional. A Seção 2.8 define o conceito de bifurcação e
também a metodologia utilizada nesse trabalho para construção do diagrama de bifurcação.
Na Seção 2.9 é apresentado o conceito da Seção de Poincaré, uma ferramenta que permite
analisar certas características das soluções, como exemplo a aperiodicidade. Na Seção 2.10
é apresentada a definição dos expoentes de Lyapunov, a principal ferramenta utilizada na
determinação do comportamento caótico dos sistemas estudados no Capítulo 3. Definidos
conceitos importantes acerca dos sistemas não lineares, na Seção 2.11 são apresentadas as
características buscadas na investigação dos comportamentos caóticos.
Capítulo 2. Fundamentos de Dinâmica Não Linear e Caos 6
no tempo de acordo com alguma lei dinâmica, ou seja, resultado da ação de um operador de
evolução determinista (ANISHCHENKO et al., 2007).
O estudo teórico de sistemas dinâmicos consiste basicamente na construção e análise
de modelos matemáticos. Em geral, é possível representar um sistema dinâmico a partir
de diferentes modelos, cada qual dependente do propósito e da precisão esperada de suas
previsões (MONTEIRO, 2006).
No presente trabalho aborda-se uma classe específica de sistemas dinâmicos, cujo
modelo matemático é descrito por um conjunto de equações diferenciais ordinárias, não
lineares, contínuas e de primeira ordem, com parâmetros fixos no tempo (autônoma) e sem
interferência de efeitos aleatórios, ou seja, EDO’s (Equação Diferencial Ordinária) não lineares
autônomas e deterministas.
Em geral, uma EDO autônoma de ordem n pode ser escrita como,
Definição 2.3.1 (Sistema Linear). Um sistema é linear se as seguintes condições forem satisfei-
tas:
f (x + y) = f (x) + f (y), x, y ∈ Rn .
(2.2)
f (αx) = α f (x), x ∈ Rn , α ∈ Rp .
ẋ = f(x), x ∈ Rn , (2.5)
em que
x 1 (t ) f 1 (x 1 , · · · , x n )
x 2 (t ) f 2 (x 1 , · · · , x n )
x(t ) = . e f(x) = . (2.6)
.. ..
.
x n (t ) f n (x 1 , · · · , x n )
As n-equações diferenciais de (2.5) constituem a representação genérica do modelo
matemático que será utilizado na análise dos sistemas caóticos propostos.
Figura 1 – Campo de velocidade f(x) (−→) e trajetórias X(t ) e Y(t ) (−) no espaço de estados
tridimensional com diferentes condições iniciais em t = t 0 .
Definição 2.5.1 (Ponto de equilíbrio). Um ponto x̄ = (x̄1 , x̄2 , · · · , x̄3 ) é um ponto de equilíbrio
do sistema autônomo (2.5) se f i (x̄ i ) = 0, i = 1, 2, · · · , n.
a x̄(t ), mas sem voltar a ele. Dessa forma, seja o sistema autônomo descrito na Equação (2.5),
têm-se as seguintes definições:
Definição 2.5.2 (Estabilidade de Lyapunov). Uma solução x̄(t ) é estável no sentido de Lyapunov
se, dado ² > 0, existe δ = δ(²) > 0 de modo que, para qualquer outra solução y(t ) de (2.5) que
satisfaz °x̄(t 0 ) − y(t 0 )° < δ (sendo k.k a norma em Rn ), têm-se °x̄(t ) − y(t )° < ² para t > t 0 ,
° ° ° °
t 0 ∈ R. Além disso, x̄(t ) é assintoticamente estável se existir uma solução y(t ) e uma constante
° ° ° °
b > 0 tal que, se °x̄(t 0 ) − y(t 0 )° < b, então limt →∞ °x̄(t ) − y(t )° = 0. Uma solução é instável se
ela não for estável no sentido de Lyapunov.
Por meio da Figura 2 é possível fazer uma interpretação geométrica das duas defini-
ções apresentadas. Em (a), y(t) permanece próxima a x̄(t ) para todo t e em (b), x̄(t ) = y(t )
quando t → ∞. Essas definições são válidas para soluções de equilíbrio, mas não neces-
sariamente para soluções próximas. Na Figura 2 (c) e (d) dois retratos de fase mostram a
propriedade de que as soluções delimitadas em uma pequena vizinhança deixam tal vizi-
nhança, mas, devido a topologia global das trajetórias, aproximam-se do ponto de forma
assintótica quando t → ∞. Dessa forma, as soluções podem ser atraídas para uma vizinhança
do ponto, mas não ser estável no sentido de Lyapunov .
é definida por:
Definição 2.5.3 (Estabilidade Orbital). Uma solução x̄(t ) é orbitalmente estável se, dado
² > 0, existe δ = δ(²) > 0 de modo que, para qualquer outra solução y(t ) de (2.5) que satis-
faz °x̄(t 0 ) − y(t 0 )° < δ, então d (y(t ),O + (x0 , t 0 )) < ² para t > t 0 . Além disso, x̄(t ) é assintoti-
° °
camente orbitalmente estável se existir uma solução y(t ) e uma constante b > 0 tal que, se
°x̄(t 0 ) − y(t 0 )° < b, então limt →∞ d (y(t ),O + (x 0 , t 0 )) = 0.
° °
ẋ = Ax, (2.9)
t2 tn ∞ tk
e At = I + t A + A + · · · + An = Ak .
X
(2.11)
2! n! k=0 k!
Calcular a expressão (2.11) pode ser extremamente trabalhoso. Uma forma simples
consiste em realizar uma mudança de coordenadas de forma que a solução final é dada por:
x(t ) = T d i ag (e t λi )T −1 x0 . (2.12)
x = e λt v. (2.13)
Capítulo 2. Fundamentos de Dinâmica Não Linear e Caos 12
(A − λI)v = 0, (2.14)
x = x̄(t) + y, (2.17)
Como x̄(t ) é uma solução de equilíbrio, x̄(t ) = x̄, então Df(x̄(t ))=Df(x̄) é uma matriz
com entradas constantes, ou seja, um sistema linear. Uma notação mais apropriada para a
Capítulo 2. Fundamentos de Dinâmica Não Linear e Caos 14
∂ f1 ∂ f1 ∂ f1
···
∂x1 ∂x 2 ∂x n
∂ f2 ∂ f2 ∂ f2
J = Df(x̄)|y=0 = J(x̄) =
∂x1 ∂x 2 ··· ∂x n ,
(2.21)
. .. .. ..
.. . . .
∂ fn ∂ fn ∂ fn
∂x 1 ∂x 2 ··· ∂x n
ẏ = Jy. (2.22)
A solução analítica da Equação (2.22) pode ser escrita a partir do ponto inicial y0 ∈ Rn
em t = 0 como (WIGGINS, 2003; ZHANG; LIU; WANG, 2009):
y(t ) = e Jt y0 . (2.23)
Vê-se, portanto, que a princípio a análise local de um sistema não linear reduz-se
à análise de um sistema linear cujas propriedades básicas foram anteriormente definidas.
Dessa forma, a solução y(t ) é assintoticamente estável se a parte real de todos os autovalores
da matriz Jacobiana forem negativos. O teorema a seguir garante a estabilidade assintótica
das soluções nas vizinhanças do ponto de equilíbrio do sistemas não linear correspondente
(WIGGINS, 2003).
Teorema 2.5.1. Suponha que todos os autovalores de J tenham partes reais negativas. Então, a
solução de equilíbrio x = x̄ do campo vetorial não linear de (2.5) é assintoticamente estável.
sendo σs responsável pelas partes estáveis, σu as partes instáveis e σc as centrais (SAVI, 2006).
Variedades (do inglês manifolds) de um dado sistema dinâmico são superfícies pre-
sentes no espaço de estados que tem como propriedade a de que órbitas que nelas se iniciam,
nelas permanecem ao decorrer do tempo. Como exemplo, têm-se o ponto de sela da Figura 4
com as seguintes variedades:
Capítulo 2. Fundamentos de Dinâmica Não Linear e Caos 15
• Variedade central W c : são formadas por órbitas neutras, i.e., trajetórias que não são
atraídas e nem repelidas por x̄.
Figura 4 – Trajetória das soluções P (t ) e Q(t ) iniciadas em diferentes pontos nas proximidades
das variedades invariantes de um ponto de sela.
E s = span{e 1 , . . . , e s },
E u = span{e s+1 , . . . , e s+u }, (2.25)
Ec = span{e s+u+1 , . . . , e s+u+c },
Figura 5 – Variedades e subespaços estáveis e instáveis em R3 . Fonte: Zhang, Liu e Wang (2009)
Tais teoremas são úteis não só na validação da análise local de sistemas não lineares
por meio de seu sistema linear associado, mas também na compreensão das bifurcações dos
sistemas estudados. Antecipadamente, quando um sistema sofre uma bifurcação, devido a
variação de um parâmetro, sua estabilidade estrutural é perdida e a nova estrutura da solução
do espaço de estados é topologicamente não equivalente ao sua formato anterior. Em outras
palavras, uma bifurcação pode destruir um ponto de sela e criar um ponto do tipo nó estável,
que estruturalmente não são topologicamente equivalentes.
1
Por topologia compreendesse subárea da matemática que estuda as transformações contínuas e as proprie-
dades geométricas de objetos sujeitos a tais transformações (SAVI, 2006).
Capítulo 2. Fundamentos de Dinâmica Não Linear e Caos 18
V̇ = ∇V • ẋ = ∇V • f < 0
V̇ = ∇V • ẋ = ∇V • f = 0 (2.26)
V̇ = ∇V • ẋ = ∇V • f > 0
Capítulo 2. Fundamentos de Dinâmica Não Linear e Caos 19
Figura 7 – Representação de uma curva de nível definida pela função de Lyapunv e as possibi-
lidades de projeções de f em ∇V . Fonte: SAVI (2006)
Teorema 2.5.5 (Estabilidade do ponto de equilíbrio pelo segundo método de Lyapunov). Seja
V : U → R 1 uma função C 1 definida em alguma vizinhança U de x̄.
O ponto de equilíbrio é estvável se:
(i) V (x̄) = 0 e V (x) > 0 se x 6= x̄
(ii) V̇ (x) ≤ 0 em U − x̄
O ponto de equilíbrio é assintoticamente estável se:
(iii) V̇ (x) < 0 em U − x̄
Ressalta-se que a função de Lyapunov é uma dentre as várias funções possíveis que
podem ser construídas para a análise da estabilidade global de um sistema. Segundo Silva
(2006), uma função de Lyapunov é condição suficiente para determinar-se a estabilidade
do sistema, mas não é condição necessária, pois um sistema pode ser estável sem que sua
função de Lyapunov seja conhecida.
∂ f1 ∂ f2 ∂ fn
div f = ∇.f =
+ +···+ . (2.27)
∂x 1 ∂x 2 ∂x n
Um sistema dinâmico é conservativo se o divergente do campo de velocidades f é
nulo, dissipativo se é menor que zero e expansivo quando o divergente é maior que zero.
Capítulo 2. Fundamentos de Dinâmica Não Linear e Caos 20
V (t ) = e ct V (0). (2.29)
Em Wiggins (2003), Zhang, Liu e Wang (2009) um atrator é definido por meio de outras
definições como conjuntos invariantes, conjuntos atrativos e transitividade topológica. A
definição de atrator utilizada aqui é apresentada em (SAVI, 2006).
A Figura 10 ilustra duas regiões de atração distintas associadas aos dois atratores do
sistemas. Soluções com condições iniciais contidas na região hachurada são atraídas para
o atrator presente no semi-plano esquerdo, enquanto que soluções iniciam na região em
branco são atraídas para o atrator do semi-plano esquerdo.
Definição 2.7.5 (Ciclo Limite). Um ciclo limite é um órbita associada a uma trajetória fechada
e isolada, que pode ocorrer no retrato de fases de sistemas não lineares.
Figura 11 – Ciclo Limite: (a) Assintoticamente estável; (b) Instável; (c) Semi-estável. Fonte:
Layek (2015).
Capítulo 2. Fundamentos de Dinâmica Não Linear e Caos 24
O conceito de atrator estranho foi introduzido por Ruelle e Takens em 1971 em estudos
sobre a natureza do fenômeno de turbulência (ARGYRIS et al., 2015). A palavra "estranho"
tem o intuito de deixar claro que esse atrator não é um ponto de equilíbrio, um ciclo limite e
nem um toro.
Conforme SAVI (2006), a estranheza de um atrator está relacionada com sua dimensão
fractal. As trajetórias de um sistema podem convergir para atratores que são caóticos e
estranhos, para atratores caóticos que não são estranhos ou para atratores estranhos que não
são caóticos. Usualmente nas literaturas abordadas é feita a associação de atratores caóticos
que são estranhos, e sua dimensão fractal consiste em uma propriedade básica de um atrator
(SAVI, 2006). Ainda segundo o autor, a estranheza consiste de uma característica geométrica,
enquanto o caos é uma característica física. Conforme Shivamoggi (2014), a dimensão fractal
de um atrator é uma condição necessária para o caos, e como será visto posteriormente,
um expoente positivo de Lyapunov uma condição suficiente, desde que as soluções sejam
limitadas no espaço de estados. Dessa forma é possível distinguir um atrator estranho caótico
ou não pelo máximo expoente de Lyapunov.
ẋ = fµ (x) (2.30)
50
40
Máximos de z ( t )
30
20
10
0
0.0 0.2 0.4 0.6 0.8 1.0
Parâmetro de Bifurcação
q
d (X0 , t ) = kδX(X0 , t )k = δx 12 + δx 22 + · · · + δx n2 , (2.31)
1 ³
d (X0 ,t )
´
λ(X0 , δX) = lim l og d (X ,0) . (2.33)
t →∞ t 0
Conforme Lü, Chen e Cheng (2004) expõe, para que um sistema apresente um atrator
caótico, são necessárias as seguintes condições:
• Ser dissipativo;
Capı́tulo 3
Análise dos Sistemas Tipo Lorenz
3.1 Introdução
Nesse capítulo são determinadas diversas características dinâmicas dos sistemas
não lineares sob análise. Como metodologia, primeiramente foi realizado uma análise local
das soluções nas proximidades dos pontos de equilíbrio a partir dos autovalores da matriz
Jacobiana. O método de análise pelo sistema linearizado permite determinar a estabilidade e
as bifurcações locais quando um parâmetro é variado.
Algumas características globais dos atratores são investigadas pela combinação da
análise no Retrato de Fases, Diagrama de Bifurcação, Seção de Poincaré e Expoentes de
Lyapunov. Cada uma dessas ferramentas permite identificar diferentes propriedades dos
sistemas, como limitação das soluções, aperiodicidade e a sensibilidade às condições iniciais,
isto é, características do comportamento caótico.
em que (x, y, z) ∈ R3 são funções que fisicamente podem ser interpretadas da seguinte forma,
conforme Argyris et al. (2015) apresenta: x(t ) é proporcional a intensidade da convecção,
y(t ) é proporcional a diferença de temperatura entre as correntes de fluido ascendentes e
descendentes e z(t ) proporcional à distorção do perfil de temperatura vertical relativo a um
perfil linear. Os parâmetros (σ, r, b) > 0 representam características físicas reais do sistema,
cujos valores originalmente abordados por Lorenz foram σ = 10, r = 28 e b = 8/3.
• O sistema é dissipativo;
cor do vermelho ao ciano que varia com a mudança gradativa do tempo, observa-se que não
há uma escala fixa ou previsível de tempo em que as trajetórias permanecem sob cada base
de atração, ou seja, as trajetórias saltam de forma irregular entre os dois pontos de equilíbrio
simétricos. No atrator da Figura (b) é ilustrado o efeito das bases de atração do sistema de
Lorenz para duas soluções com condições iniciais diferentes na variável z(t ). Nessa figura
é possível observar os efeitos do ponto de sela em torno da origem. Há duas variedades
estáveis que atraem as soluções e uma variedade instável que as repele. Nas Figuras (c) e (d )
é explorado o conceito de sensibilidade as condições iniciais e aos parâmetros do sistema,
respectivamente. Na Figura (c), soluções com condições iniciais suficientemente próximas
divergem após um determinado tempo, conforme mostra a série temporal de x(t ) na Figura
(e). Na Figura (d ), soluções com mesmas condições iniciais porém com uma mínima variação
no parâmetro divergem após determinado tempo, conforme a série temporal x(t ) da Figura
( f ).
A seguir são apresentados alguns resultados da análise desse sistema com objetivo de
descrever seu comportamento dinâmico e identificar algumas propriedades relacionadas a
ele.
Simetria e Invariância
O sistema de Lorenz é invariante sob a transformação (x, y, z) → (−x, −y, z). Isso é
verificado invertendo-se todos os sinais das variáveis dinâmicas x e y em (3.1), resultando no
mesmo sistema de equações originais. Sendo assim, se (x, y, z) são soluções do sistema de
Lorenz, então (−x, −y, z) também é solução desse sistema. Logo essas soluções são simétricas
ou tem pares simétricos. Em consequência disso, a projeção das órbitas x e y no plano de
fases são simétricas em relação a origem. Por essa simetria, é possível que o sistema apresente
a bifurcação forquilha para as soluções de equilíbrio ou periódicas.
Outra propriedade desse sistema é a invariância sob o eixo z. Considerando que
x(0) = y(0) = 0, então x e y permanecem zero para todo t , pois P 0 = (0, 0, 0) é um ponto de
equilíbrio do sistema. Assim o eixo z é uma órbita, na qual
Todas as soluções que se iniciam nesse eixo tendem a origem quando o tempo au-
menta, ou seja, esse eixo consiste de uma variedade estável para o ponto de equilíbrio da
origem.
(a) (b)
(c) (d)
(e)
(f)
Figura 17 – Atrator de Lorenz (r = 28, σ = 10, b = 8/3): (a) Comutação Irregular. Condições
iniciais x(0) = y(0) = z(0) = 0, 001 e 0 < t < 50s. (b) Base de atração para duas
condições iniciais, x(0) = y(0) = z(0) = 0, 001 e x̄(0) = ȳ(0) = 0, 001, z̄(0) = 50 com
0 < t < 50 s. (c) Sensibilidade às condições iniciais. x(0) = y(0) = z(0) = 0, 001 (azul)
e x̄(0) = ȳ(0) = z̄ = 0, 0011 (vermelho). (d) Sensibilidade nos parâmetros.x(0) =
y(0) = z(0) = x̄(0) = ȳ(0) = z̄(0) = 0, 001e r 1 = 28 (azul), r 2 = 28, 01 (vermelho). (e)
Sensibilidade às condições iniciais na série temporal x(t ) do atrator em (c). (f)
Sensibilidade nos parâmetros na série temporal x(t ) do atrator em (d ).
Capítulo 3. Análise dos Sistemas Tipo Lorenz 37
∂ f1 ∂ f2 ∂ f3
∇·f = + + = −(σ + b + 1). (3.3)
∂x ∂y ∂z
O sistema é dissipativo se ∇·f = −(σ+b +1) < 0. Nos parâmetros que tornam o sistema
de Lorenz caótico, confirma-se que esse sistema é dissipativo, pois, (10+28+8/3) > 0. Pode-se
afirmar então que o volume inicial V0 no espaço de estados é contraído exponencialmente
na forma V (t ) = V0 e −(σ+b+1)t quando t → ∞. Observa-se que o divergente não depende do
parâmetro de bifurcação r . Dessa forma, desde que a dissipatividade seja garantida, a exis-
tência do atrator caótico pode ser buscada quando há instabilidade de todos os pontos de
equilíbrio, isto é, quando possuem pelo menos um autovalor com parte real positiva.
P 0 = (0, 0, 0),
p p
P + = ( b(r − 1), b(r − 1), r − 1), (3.4)
p p
P − = (− b(r − 1), − b(r − 1), r − 1).
Sabendo que os pontos de equilíbrio admitem somente valores reais, quando 0 < r ≤ 1
a origem é o único ponto de equilíbrio. Se r > 1, o sistema contem os três pontos de equilíbrio
descritos em (3.4).
Buscando estudar a estabilidade local dos pontos de equilíbrio do sistema (3.1), a
matriz Jacobiana obtida, resultado da linearização, é dada por:
−σ σ 0
Jf (x∗ , y∗ , z∗ ) =
∗ ∗
r − z −1 −x . (3.5)
y∗ x∗ −b
É possível definir agora a estabilidade linear de cada ponto de equilíbrio em (3.4) por
meio da análise dos autovalores dessa matriz nas proximidades de cada um desses pontos.
A seguir, as análises de estabilidade serão realizadas em duas partes, uma referente ao
ponto de equilíbrio P 0 e outra referênte aos pontos de equilíbrio P ± , que devido a simetria do
sistema, resulta no mesmo polinômio característico dos autovalores para análise de estabili-
dade.
Pela forma como é escrito o polinômio (3.7), fica evidente que λ = −b é um autovalor.
Um valor negativo desse parâmetro torna o ponto de equilíbrio da origem instável, no entanto
fisicamente esse parâmetro é sempre positivo. Para análise da estabilidade assintótica a
equação envolvendo o termo ż pode ser desacoplada do sistema linear correspondente da
matriz Jacobiana, pois em P 0 tem-se
1 p 1 p
λ1,2 = [−(σ + 1) ± (σ + 1)2 + 4σ(r − 1) ] → (τ ± τ2 − 4∆), (3.9)
2 2
sendo τ = −(σ+1) e ∆ = −σ(r −1). Conforme discutido anteriormente na Seção 2.5.2, se ∆ < 0
a origem é um ponto de sela, o que implica nesse caso em r > 1. Para ∆ > 0 o sistema possui
apenas um ponto de equilíbrio, que é do tipo nó. A estabilidade desse ponto é determinada
aplicando-se o critério de Routh-Hurwitz. Analizando a Tabela 1, para os autovalores serem
negativos é necessário que os termos da primeira coluna tenham o mesmo sinal. Consi-
derando σ positivo, por meio da terceira linha dessa tabela determina-se que σ(1 − r ) > 0,
portanto r < 1. Com essa restrição garante-se que a origem é um nó assintoticamente estável,
ou seja, todos os autovalores são negativos. Quando r = 1, λ1 = 0 e os outros dois autovalores
são λ2 = −(σ + 1) e λ3 = −b. Na Figura 18 é ilustrada a convergência de algumas trajetórias
com condições iniciais diferentes para o ponto de equilíbrio da origem. Com r = 0, 5 mostra-
se parte da bacia de atração da origem, que, pela equação escalar de Lyapunov, é global para
r < 1, ou seja, atrai toda solução em Rn .
λ2 1 −σ(r − 1)
λ1 1+σ 0
λ0 σ(1 − r ) 0
Capítulo 3. Análise dos Sistemas Tipo Lorenz 39
x2
+ y 2 + z 2.
V (x, y, z) = (3.10)
σ
Por meio das definições apresentadas na Seção 2.5.3, a função de Lyapunov é positiva
definida, pois V (x, y, z) > 0 para (x, y, z) 6= 0 e V (0) = 0. Aplicando a derivada direcional obtém-
se
2x ẋ
V̇ = + 2y ẏ + 2z ż. (3.11)
σ
Substituindo as expressões ẋ, ẏ, ż da Equação (3.1) na Equação (3.11) e realizando algumas
Capítulo 3. Análise dos Sistemas Tipo Lorenz 40
V̇
= −x 2 + (1 + r )x y − y 2 − bz 2 . (3.12)
2
Utilizando o método de completar quadrados, a Equação (3.12) escrita em termos de produtos
notáveis é
V̇ r +1 2 r +1 2 2
µ ¶ µ µ ¶ ¶
=− x− y − 1− y − bz 2 . (3.13)
2 2 2
Por meio da expressão (3.13) verifica-se que V̇ é negativa se r < 1 para todo (x, y, z) 6=
(0, 0, 0). Nessa condição, a soma dos quadrados é sempre negativa. Portanto é obtido a pri-
meira condição de V̇ ser negativa definida. Na segunda condição, para a origem ser global-
mente estável, V̇ (0) = 0, o que é confirmado substituindox = y = z = 0 em (3.13). Conclui-se
que a origem é globalmente estável para σ e b positivo e r < 1, ou seja, trajetórias que se
iniciam em um conjunto aberto de condições iniciais tendem a origem quando t → ∞.
Para r > 1 é possível demostrar que as soluções do sistema de Lorenz são limitadas.
Para isso considere agora a seguinte função de Lyapunov
tal que todas as soluções do sistema de Lorenz entram no elipsóide E em um tempo finito
e alí permanecem, conforme demostrado a seguir. É possível observar que (3.14) satisfaz
as condições impostas a essa função, ou seja, V (x) > 0 e V (x) = 0 em P 0 . A superfície de
p p p
nível V = c são elipsóides com centro em (0, 0, 2r ) e semi-eixos ( c/r , c/σ, c/σ ). Para
demostrar tal limitação, aplica-se a derivada direcional em (3.14), resultando em
Substituindo (ẋ, ẏ, ż) de (3.1) em (3.15) e realizando algumas manipulações chega-se em
D ≡ r x 2 + y 2 + b(z − r )2 = br 2 . (3.17)
x2 y2 (z − r )2
p + p + = 1, (3.18)
( br )2 (r b)2 r2
Capítulo 3. Análise dos Sistemas Tipo Lorenz 41
p p
com centro em (0, 0, r ) e semi-eixos ( br , r b, r ). Como as coordenadas x e y dos centros de
E e D são (0, 0), a extensão do elipsóide E nas direções x e y excede a extensão do elipsóide D
p p p p
na mesma direção se ( c/r > br ) e ( c/σ > r b), isto é, (c > br 2 ) e (c > bσr 2 ). Ao longo do
eixo z, o elipsóide D é contido em (0 = r − r < z < r + r = 2r ), enquanto que para o elipsóide
p p p
E, o eixo z está contido em (2r − c/σ < z < 2r + c/σ). Verifica-se que (2r < 2r + c/σ)
para todo c. Assim, o ponto mais baixo (0, 0, 0) do Elipsóide D, ou seja, seu limite inferior,
p p
encontra-se acima do ponto mais baixo (0, 0, 2r − c/σ) do elipsóide E se (2r − c/σ < 0),
isto é, se (c > 4σr 2 ). Seja c = c cr = max{br 2 , bσr 2 , 4σr 2 }, então D está inteiramente dentro de
E cr . Assim, para qualquer ponto (x, y, x) exterior a D, a trajetória é direcionada para dentro
de E e alí permanecer, pois, V̇ (x) não pode ser positivo. Ao contrário do caso r < 1, não se
pode, nesse caso, tirar conclusões sobre um atrator global ou mesmo um ponto de equilíbrio
estável. Na Figura 19 é ilustrado uma representação gráfica da limitação das soluções para o
sistema de Lorenz.
Figura 19 – Representação gráfica de região limitada das soluções de Lorenz. Fonte: Layek
(2015).
1) < 0, que é também é uma condição necessária para haver dissipatividade como mostrado
na Equação (3.1). O cálculo de b 1 resulta em
1
b1 = [2σb(1 − r ) − b(σ + r )(σ + b + 1)] < 0. (3.21)
b +σ+1
Expandindo o termo entre colchetes e resolvendo a desigualdade para r obtêm-se
σ(σ + b + 3)
rH < . (3.22)
σ−b −1
Terminando de completar a tabela, o termo b 2 = 0 e o termo c 1 < 0, que implica em 2σb(1 −
r ) < 0. Assumindo σ e b positivos, o intervalo 1 < r < r H garante a estabilidade do sistema.
λ3 −1 −b(σ + r )
λ2 −(σ + b + 1) −2σb(r − 1)
λ1 b1 b2
λ0 c1 c2
Para 1 < r < r H , as três raízes da equação cúbica de (3.20) tem todas as partes reais
negativas, demonstrando assim um intervalo do parâmetro r no qual o sistema se mantêm
estável. Quando r = r H , dois autovalores são puramente imaginários, e assim ocorre a bi-
furcação Hopf. Nos parâmetros originais do sistema de Lorenz, r H ≈ 24, 7368. Nesse ponto,
λ1 = −(1 + σ + b) obtido pela relação de Girad no polinômio (3.20) e λ2,3 = ±i ω. Realizando
(λ − i ω)(λ + i ω)(λ + σ + b + 1), por igualdade de polinômio com (3.20), obtêm-
a expansão q
2σb(r H −1)
se λ2,3 = ±i 1+σ+b . Substituindo os valores dos parâmetros σ, r, b, os autovalores são
{λ1 , λ2,3 } = {−13, 6667, ±9, 6245i }. Em r = r H , a estabilidade dos pontos de equilíbrio P ± é
perdida, criando o ponto de equilíbrio do tipo sela-foco com uma variedade bidimensio-
nal instável e uma unidimensional estável, enquanto que a estrutura global é a do atrator
estranho de Lorenz.
Continuando a análise do polinômio de P + em (3.20), sua forma reduzida pode ser
escrita como
P (Λ) = Λ3 + pΛ + q, (3.24)
sendo os coeficientes
A2 (1 + σ + b)2
p =B− = b(σ + r ) − , (3.25)
3 3
Capítulo 3. Análise dos Sistemas Tipo Lorenz 43
( 8r3 − 961
27 )
3
( 1112r 10402 3
27 + 729 )
D= = 0.
+ (3.27)
27 4
Com auxílio computacional, os valores do parâmetro r que satisfazem a Equação
(3.27) são r ≈ {−562, 037; −3, 048; 1, 3456}. Assumindo que os parâmetros do sistema de Lorenz
são positivos e que há estabilidade para 1 < r < r H em P ± , o ponto r ≈ 1, 3456 representa
a transição de um ponto do tipo nó para um foco, ambos estáveis, a medida em que se
aumenta o parâmetro r . Na Figura 20 é ilustrado um gráfico formado pelas três raízes do
polinômio de (3.20), separadas em suas partes reais e imaginárias, em função do parâmetro
r . Observa-se no gráfico que em 1 < r < 1, 34, o sistemas possui três raízes negativas reais e
distintas, 1, 34 < r < 24, 73 duas complexas conjugadas com parte real negativa e uma real
negativa, e para r > 24, 73 a parte real das raízes complexas conjugadas possui valor positivo,
caracterizando assim a instabilidade do ponto.
Mostrou-se até aqui alguns pontos de bifurcações do sistema de Lorenz. Tais bifurca-
ções são ditas locais e são previstas, conforme mostrado através do cálculo dos autovalores
da matriz jacobiana. No sistema de Lorenz, ao se variar o parâmetro r , ocorre também uma
bifurcação que não pode ser prevista pelo cálculo dos autovalores. Essa bifurcação é referida
como global e a que ocorre é a do tipo homoclínica em r = 13, 9264 (ARGYRIS et al., 2015). Na
Figura 21 ilustra-se a órbita homoclínica do sistema de Lorenz. Observa-se a trajetória que se
afasta da origem pela variedade instável tende a um dos pontos de equilíbrio simétricos e em
um amplo arco retorna a origem tangenciando o eixo z. Na Figura 22 é ilustrado duas soluções
com diferentes condições iniciais que demostram a ocorrência da bifurcação homoclínica.
Conforme constatado em simulações e consultado em algumas referências, é difícil construir
numericamente a órbita homoclínica devido a sua instabilidade.
Segundo Argyris et al. (2015), após a bifurcação global, as bacias de atração dos dois
focos em P ± se alteram fundamentalmente. Na Figura 22 nota-se que a solução que parecia
convergir para um ponto de equilíbrio, na verdade é direcionada para a base de atração do
ponto de equilíbrio simétrico.
Como tratado até aqui, foi possível observar diversas características qualitativas das
soluções do sistema de Lorenz em função do parâmetro r . Análises matemáticas mais so-
fisticadas mostraram o regime "pré-turbulento"(KAPLAN; YORKE, 1979) ou "metaestável
Capítulo 3. Análise dos Sistemas Tipo Lorenz 44
-2
-6
-8
-10
-12
-14
1.34 3 5 7 9 11 13 15 17 19 21 23 24.73 27 28
Parâmetro r
5
Amplitude das raízes
-5
-10
-15
1,34 3 5 7 9 11 13 15 17 19 21 23 24,73 27 28
Parâmetro r
Figura 20 – Lugar geométrico das raízes do polinômio (3.20) para σ = 10, b = 38 e 1 < r < 28.
Figura 21 – Vistas da órbita homoclínica do sistema de Lorenz. Fonte: Argyris et al. (2015).
caótico"(YORKE; YORKE, 1979) para 13, 926... < r < 24, 06... e 24, 06... < r < 24, 74..., sendo que
nesse último há existência de dois pontos de equilíbrio estáveis e um atrator caótico.
Análises Numéricas
Figura 22 – Padrão de duas trajetórias após a bifurcação homoclínica com r = 13, 93 e x(0) =
y(0) = 0, 001 (azul), x̄(0) = ȳ(0) = −0, 001 (vermelho) e z(0) = z̄(0) = 0.
Lorenz. A partir das ferramentas associadas a análise de sistema dinâmicos não lineares será
possível compreender aspectos dessa dinâmica e do comportamento caótico.
Seção de Poincaré
x=0 x = 8.48
35 40
- -
+ 35 +
30
30
25 25
Eixo z
Eixo z
20 20
15
15
10
10 5
-8 -6 -4 -2 0 2 4 6 8 -10 -5 0 5 10 15 20
Eixo y Eixo y
y=0 y = 8.48
45 50
40 - -
+ 40
+
35
30 30
Eixo z
Eixo z
25 20
20
10
15
10 0
-15 -10 -5 0 5 10 15 4 6 8 10 12 14 16 18
Eixo x Eixo x
z = 40 z = 27
30 30
- -
+ +
20 20
10 10
Eixo y
0 Eixo y 0
-10 -10
-20 -20
-30 -30
-20 -15 -10 -5 0 5 10 15 20 -20 -15 -10 -5 0 5 10 15 20
Eixo x Eixo x
Diagrama de Bifurcação
60
400
40
300
20
Máximos de z ( t )
Máximos de x ( t )
0 r
200
-20
100
-40
-60
0
0 50 100 150 200 250 300 350 0 50 100 150 200 250 300 350
Parâmetro de Bifurcação Parâmetro de Bifurcação
(a) (b)
200
140
120
150
100
Máximos de z ( t )
Máximos de z ( t )
100
80
50
60
0
40
90 92 94 96 98 100 102 92.0 92.1 92.2 92.3 92.4 92.5 92.6 92.7
Parâmetro de Bifurcação Parâmetro de Bifurcação
(c) (d)
250 350
300
200
250
Máximos de z ( t )
Máximos de z ( t )
150
200
100
150
50 100
150 152 154 156 158 160 220 225 230 235 240
Parâmetro de Bifurcação Parâmetro de Bifurcação
(e) (f )
Expoentes de Lyapunov
2 λ1 = 0.85922
0
λ2 = -0.0015763
Amplitude dos Expoentes
-2
-4
-6
-8
-10
-12
-14 λ3 = -14.5208
-16
0 50 100 150 200 250 300
Tempo
4
λ1
2 λ
2
λ3
0
Expoentes de Lyapunov
-2
-4
-6
-8
-10
-12
-14
-16
1 20 40 60 80 100 120 140 160 180 200 220 240 260 280 300
Parâmetro r
em que (x, y, z) ∈ R3 são funções que não possuem significado físico, assim como os parâ-
metros (a, b, c) ∈ R3 , cujos valores originais propostos foram a = 35, b = 3 e c = 28. Avaliando
esse sistema percebe-se que a diferença para o sistema de Lorenz está na equação f 2 = ẏ,
modificada pela inserção de uma lei de controle (UETA; CHEN, 2000). Na Figura 27 é ilustrado
o atrator tridimensional desse sistema juntamente com as projeções bidimensionais e as
séries temporais.
O sistema de Chen também possui a propriedade de simetria comprovada pela subs-
Capítulo 3. Análise dos Sistemas Tipo Lorenz 50
∂ f1 ∂ f2 ∂ f3
∇·f = + + = −(a + b − c), (3.29)
∂x ∂y ∂z
P 0 = (0, 0, 0)
p p
P + = ( b(2c − a), b(2c − a), 2c − a) (3.30)
p p
P − = (− b(2c − a), − b(2c − a), 2c − a).
Quando b = 0, todos os pontos de equilíbrio são não-isolados e da forma P = (0, 0, z), z ∈ R, e
2
para a = 0, os pontos de equilíbrio também são não-isolados e da forma P = (x, x bcx cx
2 −bc , x 2 −bc ),
e b positivos. Nos parâmetros originais, as condições para que os pontos (3.30) sejam isolados
são c > 17, 5 e c 6= 35.
Para análise da estabilidade local, a matriz Jacobiana do sistema (3.28) em função dos
pontos de equilíbrio é
−a a 0
Jf (x∗ , y∗ , z∗ ) =
∗
c − a − z c −x ∗
. (3.31)
y∗ x∗ −b
λ2 1 −2ac + a 2
λ1 a −c 0
λ0 a(a − 2c) 0
a
Considerando c um parâmetro de bifurcação e a, b positivos, quando c f = 2
ocorre
na origem a bifurcação forquilha cuja estabilidade do ponto é perdida e há a criação de dois
novos pontos de equilíbrio simétricos e estáveis para c > c f . Quando c f = a2 , λ1 = 0 e os outros
dois autovalores são λ2 = −(a − c f ) = −(a/2) e λ3 = −b. O ponto de transição das soluções
Capítulo 3. Análise dos Sistemas Tipo Lorenz 52
tipo nó para soluções tipo foco podem ser determinadas fazendo D = τ2 − 4∆ = 0 em (3.34).
Expandindo o radicando chega-se a D = c 2 + 6ac − 3a 2 . Resolvendo o polinômio de segunda
p
ordem em c, o ponto de transição das soluções ocorre em c T = (−3 ± 2 3)a.
Considerando os parâmetros originais propostos por Chen (a = 35, b = 3) e c como
parâmetro de bifurcação, das considerações feitas anteriormente, o ponto de bifurcação
a
forquilha corresponde a c f = 2 = 17, 5 e o ponto de transição de um foco para um nó corres-
ponde a c T = 16, 24. Na Figura 28 é ilustrado os valores numéricos das raízes do polinômio
(3.33) em função de c. Nos gráficos estão indicados pelo grid no eixo das abcissas os pontos
de transição de foco para nó, ou seja, a mudança de autovalores complexos conjugados
para autovalores puramente reais e também a bifurcação forquilha, caracterizado por um
autovalor λ = 0 em c f = 17, 5.
10
Amplitude das raízes
-10
-20
-30
-40
1 3 5 7 9 11 13 15 16.24 17.5 19 21 23 25 27
Parâmetro c
10
Amplitude das raízes
-10
-20
-30
1 3 5 7 9 11 13 15 16,24 19 21 23 25 27
Parâmetro c
Figura 28 – Lugar geométrico das raízes do polinômio (3.33) para a = 35, b = 3 e 1 < c < 28.
(a − c) 2
V (x, y, z) = x + y 2 + z 2. (3.35)
2a
Capítulo 3. Análise dos Sistemas Tipo Lorenz 53
A função de Lyapunov é positiva definida se a > c, pois V (x, y, z) > 0 para (x, y, z) 6= 0 e
V (0) = 0. Aplicando a derivada direcional obtêm-se
(a − c)
V̇ = x ẋ + 2y ẏ + 2z ż. (3.36)
a
Substituindo as expressões ẋ, ẏ, ż da Equação (3.28) na Equação (3.36) e realizando algumas
manipulações matemáticas chega-se em
V̇
= −(a − c)x 2 + c y 2 − bz 2 . (3.37)
2
Para a origem ser globalmente, uniformemente e assintoticamente estável, a função
escalar (3.37) deve ser negativa e também, como comprova-se facilmente, V̇ (0) = 0. A primeira
condição requer que c < 0 < a e b > 0.
λ3 −1 −bc
λ2 c −a −b 2ab(a − 2c)
λ1 b1 b2
λ0 c1 c2
1
b1 = [2ab(2c − a) − bc(a + b − c)] < 0. (3.40)
a +b −c
Expandindo o termo entre colchetes obtêm-se
p p
−3a + b − 17a 2 − 6ab + b 2 −3a + b + 17a 2 − 6ab + b 2
b>0, <c < , (3.42)
2 2
sendo esse intervalo de valores a condição que garante a existência de raízes com partes reais
negativas, ou seja, o intervalo do parâmetro que determina a estabilidade dos pontos P ± .
Nos parâmetros a = 35 e b = 3 propostos por Chen, os pontos P ± do sistema são
estáveis em −122, 07 < c < 20, 07, sendo o limite inferior atualizado no cálculo de c 1 da tabela
de Routh. Com P ± existindo somente se c > a2 , ou seja, c > 17, 5, o ponto de bifurcação é,
portanto, c H = 20, 07, sendo c H o ponto onde ocorre a bifurcação Hopf. Para c > 20, 07 a
estabilidade de P ± é perdida e esses pontos são formados por duas variedades instáveis e uma
estável, um ponto de sela-foco que dá origem a dois ciclos-limite. No ponto de bifurcação,
λ1,2 = ±i ω e λ3 = −(a + b − c) pela relação de Girad. Substituindo λ1 = i ω no polinômio, e por
comparação com os coeficientes originais, a parte imaginária das raízes satisfaz ω2 (a +b −c) =
2ab(2c − a) e bcω = ω3 .
Terminando de completar a Tabela 4, o termo b 2 = 0 e o termo c 1 < 0, que implica
em 2ab(2c − a) > 0 para P ± ser estável. Essa última condição é semelhante para a existência
desses pontos, lembrando também que ab 6= 0. Logo os pontos de equilíbrio simétricos do
sistema são estáveis quando 17, 5 < c < 20, 07.
Continuando a análise do polinômio de P + em (3.39), sua forma reduzida pode ser
escrita como
P (Λ) = Λ3 + pΛ + q, (3.44)
sendo os coeficientes
A2 (a + b − c)2
p =B− = bc − , (3.45)
3 3
2 3 3
(3c − (c−38)
3 ) (420c − 2(c−38)
27 + c(c − 38) − 7350)2
D= + = 0. (3.47)
27 4
Capítulo 3. Análise dos Sistemas Tipo Lorenz 55
λ1
λ2
0
Amplitude das raízes
λ3
-5
-10
-15
-20
17.56 20.07 23.5 26.5 29.5
Parâmetro c
15
λ1
10 λ2
λ3
Amplitude das raízes
-5
-10
-15
-20
17.56 20.07 23.5 26.5 29.5
Parâmetro c
Figura 29 – Lugar geométrico das raízes do polinômio (3.39) para a = 35, b = 3 e 17, 5 < c < 30.
Seção de Poincaré
x=0 x = 7.93
50 50
- -
45 + +
40
40
35 30
Eixo z
Eixo z
30
20
25
20
10
15
10 0
-20 -15 -10 -5 0 5 10 15 20 -10 -5 0 5 10 15 20 25
Eixo y Eixo y
y=0 y = 7.93
60 60
- -
+ +
50
50
40
40
Eixo z
Eixo z
30
30
20
20 10
10 0
-20 -15 -10 -5 0 5 10 15 20 -15 -10 -5 0 5 10 15 20
Eixo x Eixo x
z = 28 z = 21
30 30
20 -
+ 20
-
10 +
10
0
Eixo y
Eixo y
0
-10
-10
-20
-20
-30
-40 -30
-25 -20 -15 -10 -5 0 5 10 15 20 25 -25 -20 -15 -10 -5 0 5 10 15 20
Eixo x Eixo x
Diagrama de Bifurcação
50
30
20
40
10
30
Máximos de z ( t )
Máximos de x ( t )
0 c
20
-10
10
-20
0 -30
20 22 24 26 28 30 20 22 24 26 28 30
Parâmetro de Bifurcação Parâmetro de Bifurcação
(a) (b)
Figura 31 – Diagramas de bifurcação do sistema de Chen com a = 35, b = 3 e 19 < c < 30. (a)
Máximos de z(t ); (b) Máximos de x(t ).
Expoentes de Lyapunov
2
λ1 = 1.9431
0
Amplitude dos Expoentes
λ2 = -0.0010779
-2
-4
-6
-8
-10
λ3 = -11.9385
-12
-14
0 50 100 150 200 250 300
Tempo
5
λ1
λ2
λ3
0
Expoentes de Lyapunov
-5
-10
-15
-20
19 20 21 22 23 24 25 26 27 28 29 30
Parâmetro c
3.4 Sistema de Lü
Relatado pela primeira vez em Lü e Chen (2002), o sistema caótico de Lü é capaz de
reproduzir a estrutura do atrator de Lorenz e Chen, além de possuir uma estrutura interme-
diária que conecta os dois atratores. Assim como obtido o sistema de Chen, a mesma técnica
de anti-controle do caos foi empregada ao sistema de Lorenz para produzir esse novo sistema.
Como resultado, somente o termo ẏ entre as equações é alterado. A descrição de sintonia do
Capítulo 3. Análise dos Sistemas Tipo Lorenz 59
controlador que resulta no sistema de Lü é encontrado em Lü, Chen e Zhang (2002). Esse
sistema é dado por
ẋ = a(y − x)
ẏ = −xz + c y (3.48)
ż = x y − bz,
em que (x, y, z) ∈ R3 são funções que, assim como as do sistema de Chen, não possuem
significado físico e também seus parâmetros (a, b, c) ∈ R3 , cujos valores originais propostos
foram a = 36, b = 3 e c = 20. Na Figura 34 é ilustrado o atrator tridimensional desse sistema
juntamente com as projeções bidimensionais e as séries temporais.
∂ f1 ∂ f2 ∂ f3
∇·f = + + = −(a + b − c), (3.49)
∂x ∂y ∂z
sendo a condição para existência do atrator c < a + b, ou no valor dos parâmetros, c < 39.
Capítulo 3. Análise dos Sistemas Tipo Lorenz 60
P 0 = (0, 0, 0)
p p
P + = ( bc, bc, c) (3.50)
p p
P − = (− bc, − bc, c).
Quando abc = 0, os pontos de equilíbrio do sistema de Lü são não isolados e dessa forma
a análise sob os pontos em (3.50) não é possível. Assumindo que os parâmetros a e b são
positivos e o parâmetro c variável, os pontos P ± existem somente se c > 0.
A estabilidade local das soluções é determinada avaliando-se a matriz Jacobiana do
sistema (3.48), sendo ela
−a a 0
Jf (x∗ , y∗ , z∗ ) =
∗
−z c −x ∗
. (3.51)
∗ ∗
y x −b
1
V (x, y, z) = (x 2 + y 2 + z 2 ). (3.53)
2
Capítulo 3. Análise dos Sistemas Tipo Lorenz 61
1 2 ³a
µ ¶ ´
V̇ (x, y, z) = −a x − y − − c y 2 − bz 2 < 0. (3.55)
2 4
Pelas definições da função de Lyapunov a origem é um atrator global se c < a4 , a > 0 e
b > 0.
λ3 1 ab
λ2 (a + b − c) 2abc
λ1 b1 b2
λ0 c1 c2
Pelo critério de Routh-Hurwitz na Tabela 5, para que haja estabilidade dos pontos
P ± , é necessário que i) c < (a + b), ii) c < ( b+a
3
), iii) 2abc > 0, sendo ii) mais restritiva que i). A
bifurcação Hopf ocorre em c h = b+a
3 , sendo que nesse ponto os autovalores são λ1 = −(a+b−c)
e λ2,3 = ±i ω. Substituindo a raiz λ2 = i ω no polinômio (3.57), os valores de ω satisfazem
ω2 (a + b − c) = 2abc e ω2 = ab. A amplitude das raízes complexas conjugadas em c h são,
p
portanto, λ2,3 = ± ab. Em síntese, para (a, b) > 0, os pontos de equilíbrio P ± do sistema são
estáveis para 0 < c < c h .
Nos parâmetros propostos por Lü (a = 36, b = 3), o sistema é assintoticamente estável
com 0 < c < 13. Na investigação do comportamento caótico, para que haja essa dinâmica é
necessário a divergência, c < a + b, e a instabilidade dos pontos, apresentando-se para c > c h .
Na Figura 35 é ilustrado o lugar geométrico das raízes do polinômio (3.57). Graficamente
é possível observar a transição de um ponto de nó para um foco em c ≈ 0, 36, sendo esse
Capítulo 3. Análise dos Sistemas Tipo Lorenz 62
o ponto em que surge um par de raízes complexas conjugadas com parte real negativa. A
bifurcação Hopf, caracterizada por um par de raízes complexas conjugadas com parte real
nula, também pode ser constatada graficamente em c = 13. A partir dessa bifurcação, o ponto
de equilíbrio é do tipo sela-foco e a estrutura global a de um atrator estranho, verificado
posteriormente pelo máximo expoente de Lyapunov.
λ1
0
λ2
-5 λ3
Amplitude das raízes
-10
-15
-20
-25
-30
-35
-40
0 3 6 9 12 13 15 18 21 24 27 30
Parâmetro c
10
Amplitude das raízes
-5
-10
-15
-20
0 3 6 9 12 13 15 18 21 24 27 30
Parâmetro c
Figura 35 – Lugar geométrico das raízes do polinômio (3.57) para a = 36, b = 3 e 0 < c < 30.
(a) (b)
Seção de Poincaré
x=0 x = 7.74
35 40
-
-
+ 35 +
30
30
25 25
Eixo z
Eixo z
20 20
15
15
10
10 5
-10 -8 -6 -4 -2 0 2 4 6 8 10 -4 -2 0 2 4 6 8 10 12
Eixo y Eixo y
y=0 y = 7.74
40 40
-
-
+ 35 +
35
30
30 25
Eixo z
Eixo z
25 20
15
20
10
15 5
-15 -10 -5 0 5 10 15 -2 0 2 4 6 8 10 12 14 16 18
Eixo x Eixo x
z = 25 z = 20
30 30
-
- +
20 20
+
10 10
Eixo y
0 Eixo y 0
-10 -10
-20 -20
-30 -30
-25 -20 -15 -10 -5 0 5 10 15 20 25 -20 -15 -10 -5 0 5 10 15 20
Eixo x Eixo x
Diagrama de Bifurcação
60
30
50
20
40 10
Máximos de z ( t )
Máximos de x ( t )
0 c
30
-10
20
-20
10
-30
0
10 15 20 25 30 10 15 20 25 30
Parâmetro de Bifurcação Parâmetro de Bifurcação
(a) (b)
Figura 38 – Diagramas de bifurcação do sistema de Lü com a = 36, b = 3 e 10 < c < 30. (a)
Máximos de z(t ); (b) Máximos de x(t ).
Expoentes de Lyapunov
0
Expoentes de Lyapunov
-5
-10
-15
-20
λ1
-25 λ2
λ3
-30
12 14 16 18 20 22 24 26 28 30
Parâmetro c
Algumas das propriedades básicas do sistema (3.58) são a simetria, que é facilmente
verificada pela transformação (x, y, z) → (−x, −y, −z), e também a invariância sob o eixo z,
Capítulo 3. Análise dos Sistemas Tipo Lorenz 67
∂ f 1 ∂ f 2 ∂ f 3 11α − 41
∇·f = + + = , (3.59)
∂x ∂y ∂z 3
P 0 = (0, 0, 0),
p p
P + = ( (α + 8)(9 − 2α), (α + 8)(9 − 2α), 27 − 6α), (3.60)
p p
P − = (− (α + 8)(9 − 2α), − (α + 8)(9 − 2α), 27 − 6α).
Os três pontos são distintos se (α + 8)(9 − 2α) > 0, que implica em −8 < α < 4, 5. Para
análise da estabilidade local, a matriz Jacobiana correspondente ao sistema (3.58) é
−(25α + 10) 25α + 10 0
Jf (x∗ , y∗ , z∗ ) =
∗
28 − 35α − z 29α − 1 −x ∗ . (3.61)
y∗ x∗ − α+8
3
em que λ3 = − α+8
3 é um autovalor evidente. A estabilidade do ponto de equilíbrio na origem
é analisada a partir da Tabela 6 aplicando-se o critério de Routh-Hurwitz. Pela tabela, esse
ponto é estável se (11 − 4α) > 0 e (25α + 10)(6α − 27) > 0. Combinando as restrições, a origem
é estável quando α < − 25 e α > 4, 5. Para α ∈ [0, 1], os autovalores satisfazem λ2 > 0 > λ3 ,
caracterizando a origem como ponto de sela com duas variedades estáveis e uma instável.
ou de forma simplificada
2
(505α2 − 2259α − 31)(α + 8) > 0. (3.67)
9
Resolvendo a desigualdade, α > 4, 487 e −8 < α < −0, 0137. O cálculo do elemento c 1 na tabela
fornece
c 1 = 2(25α + 10)(α + 8)(9 − 2α) > 0. (3.68)
Resolvendo a desigualdade obtêm-se −0, 4 < α < 4, 5 e α < −8. A solução para todas as restri-
ções é verificada diretamente pelo lugar geométrico das raízes na Figura 41. Por inspeção, o
ponto de equilíbrio P ± do sistema é estável, isto é, possui todas as partes reais dos autovalores
menores que zero, quando −8 < α < −0, 4. Para α ∈ [0, 1], fica comprovada a instabilidades de
todos os pontos de equilíbrio do sistema.
Capítulo 3. Análise dos Sistemas Tipo Lorenz 69
10
-10
-20
-30
-40
-8 -6 -4 -2 -0.4 0 2 4 6 8
Parâmetro α
50
Amplitude das raízes
X: 4.515
Y: 0
0
-50
-100
-150
-8 -6 -4 -2 -0.455 0 2 4 4.45 6 8
Parâmetro α
Figura 41 – Lugar geométrico das raízes do polinômio (3.65) para −8 < α < 8.
Diagrama de Bifurcação
30
50
20
40
10
Máximos de z ( t )
Máximos de x ( t )
30
0 a
20
-10
10
-20
0
-30
0.0 0.2 0.4 0.6 0.8 1.0 0.0 0.2 0.4 0.6 0.8 1.0
Parâmetro de Bifurcação Parâmetro de Bifurcação
(a) (b)
Figura 42 – Diagramas de bifurcação do Sistema Unificado com 0 < α < 1. (a) Máximos de
z(t ); (b) Máximos de x(t ).
Capı́tulo 4
Caos em um Circuito Eletrônico
4.1 Introdução
Estruturas algébricas de equações diferenciais ordinárias não lineares podem ser
reproduzidas a partir da combinação de componentes eletrônicos. Derivadas da análise de
circuitos elétricos, tais equações permitem descrever o comportamento dinâmico da tensão
em diferentes nós.
Este capítulo dedica-se a analisar o circuito eletrônico proposto em (SUN; WANG;
ZHU, 2013). Na investigação de dinâmicas caóticas, tal circuito tem a vantagem de possuir três
estruturas distintas de EDO’s não lineares que são caóticas em certos valores de parâmetros.
Como metodologia em sua análise, na Seção 4.2 realiza-se um estudo teórico do caos nos três
sistemas a partir dos expoentes de Lyapunov. Na Seção 4.3, por meio da Lei de Kirchoff das
correntes, são deduzidas as equações dinâmicas da tensão em determinados nós. Por fim, na
Seção 4.4 apresenta-se os resultados gráficos obtidos em simulação.
Na Figura 43 é ilustrado o circuito simulado em software Multsim. Seus componentes
básicos são: resistores, capacitores, amplificadores operacionais e multiplicadores analógicos.
Estão presentes também cinco chaves on-off (S 1 , . . . , S 5 ) que em determinadas posições
selecionam partes ativas do circuito, determinando assim as estruturas algébricas das EDO’s.
Há também três potenciômetros (R 14 , R 17 , R 24 ) que possibilitam a variação de um parâmetro,
permitindo a investigação de diferentes dinâmicas.
Figura 43 – Circuito eletrônico de três estruturas de EDO’s não lineares e caóticas. Sis-
tema I - S 4 e S 5 ativas; Sistema II - S 1 e S 2 ativas; Sistema III - S 3 e S 5 ati-
vas. Componentes: Multiplicador Analógico AD633, Amplificador Operacio-
nal TL084, R 5 = R 10 = R 37 = 1 M Ω, C 1 = C 2 = C 3 = 1 µF , R i = 10 kΩ (i =
19, 20, 22, 24, 25, 27, 29, 30, 32), R 4 = 30 kΩ, R j = 1 kΩ ( j = 1, 2, 8, 33), R 9 =
R 21 = R 34 = 240 kΩ, R 23 = 280 kΩ, R 26 = 290 kΩ, R 31 = 350 kΩ, R 35 =
91 kΩ, R 36 = 910 kΩ, R 3 = 15 kΩ, R 15 = R 18 = 240 kΩ, R k = 10 kΩ (k =
6, 7, 11, 12, 13, 16, 38, 39).
Sistema I
∂ f1 ∂ f2 ∂ f3
∇·f = + + = −33, 93 + 29β = p (4.2)
∂x ∂y ∂z
Para β < 1, 17, o sistema dinâmico é dissipativo e as soluções quando t → ∞ se contraem a
uma taxa exponencial p em um atrator de volume zero que pode ser um ponto de equilíbrio,
um ciclo limite ou um atrator estranho. Na Figura 44 é ilustrado de forma gráfica os valores
do máximo expoente de Lyapunov em função da variação do parâmetro β. Verifica-se que o
Sistema I é caótico para β ∈ [0,1 0,85], exceto por várias pequenas janelas periódicas que
ocorrem quando λ1 = 0.
3
λ1
2.5
Máximo Expoente de Lyapunov
1.5
0.5
-0.5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Parâmetro β
Figura 44 – Máximo expoente de Lyapunov do sistema Sistema I para 0 < β < 1. Tempo de
convergência do método t = 800s, τ = 0, 5s e x(0) = y(0) = z(0) = 1.
Sistema II
∂ f1 ∂ f2 ∂ f3
∇·f = + + = −12, 67, (4.4)
∂x ∂y ∂z
de forma que a constante negativa garante a dissipatividade do sistema para valores indepen-
dentes do parâmetro γ. A Figura 45 ilustra graficamente os valores do máximo expoente de
Lyapunov obtidos na variação do parâmetro γ. Verifica-se que o sistema é caótico para γ ∈
[-23,2 1,8], exceto por algumas janelas de movimento periódico das soluções.
2.5
λ1
2
Máximo Expoente de Lyapunov
1.5
0.5
-0.5
-25 -23 -21 -19 -17 -15 -13 -11 -9 -7 -5 -3 -1 1 3
Parâmetro γ
Figura 45 – Máximo expoente de Lyapunov do sistema Sistema II para −25 < γ < 3. Tempo de
convergência do método t = 800s, τ = 0, 5s e x(0) = y(0) = z(0) = 1.
Sistema III
∂ f1 ∂ f2 ∂ f3
∇·f = + + = −5, 93 − 6θ. (4.6)
∂x ∂y ∂z
Para θ > −0, 99, o divergente torna-se negativo, garantindo a dissipatividade e a con-
vergência das soluções para um atrator. Na Figura 46 é ilustrado de forma gráfica os valores do
máximo expoente de Lyapunov obtidos na variação do parâmetro θ. Verifica-se pelo expoente
Capítulo 4. Caos em um Circuito Eletrônico 75
positivo que o sistema é caótico para θ ∈ [0,58 2,7], exceto por algumas pequenas janelas
periódicas.
2.5
λ1
2
Máximo Expoente de Lyapunov
1.5
0.5
-0.5
0.5 1 1.5 2 2.5 3
Parâmetro θ
Figura 46 – Máximo expoente de Lyapunov do sistema Sistema III para 0, 5 < θ < 3. Tempo de
convergência do método t = 800s, τ = 0, 5s e x(0) = y(0) = z(0) = 1.
V2 V1 −Va Va d vc
− = , ic = , ic = C1 , V1 = −v c , (4.7)
R1 R2 R4 R5 dt
que combinadas resultam em
R 4 −V1 V2
µ ¶
V̇1 = + . (4.8)
C 1 R5 R2 R1
A análise do nó V2 fornece
Vd V1 V3 Vb Vb V2 Vh Vf Vd
− +=− , ic = , i c = −C 2V̇2 , + + =− ,
R 21 R8 R9 R 10 R 19 R 24 R 29 R 20
(4.9)
V1 Vh Ve Vg Vf V2 Ve V1 Vg
=− , + =− , = , =− ,
R 22 R 23 R 27 R 32 R 28 R 25 R 26 R 30 R 31
resultando em
R 9 R 20 R 23 R 28 R 31 R 26 R 28
·µ ¶ µ ¶ ¸
1 0, 1R 9
V̇2 = − V1 + − V2 − V1 V3 . (4.10)
R 10 R 21C 2 R 22 R 24 R 29 R 30 R 32 R 25 R 27 R 29 R 19 R 8 R 10C 2
Pela análise do nó V3 obtêm-se
V1 V2 Vc Vc
µ ¶
1 1
− V3 + =− , ic = , i c = −C 3V̇3 , (4.11)
R 33 R 36 R 35 R 34 R 37
resultando em
R 34 0, 1V1V2 R 35 + R 36
· µ ¶ ¸
V̇3 = − V3 . (4.12)
R 37C 3 R 33 R 35 R 36
Utilizando os valores de cada respectivo componente nas Equações (4.8), (4.10) e
(4.12), o sistema de EDO’s correspondente é
V̇1 = 30(V2 − V1 )
V̇2 = (28 − 0, 0035R 28 )V1 + (0, 0029R 28 − 1)V2 − 24V1V3 (4.13)
24V1V2 − 264
V̇ =
3 V .
91 3
O parâmetro β referente ao Sistema da Equação (4.1), por equivalência ao novo sistema, exceto
pela normalização das tensões, é descrito agora por β = R10284 . Utilizando um potenciômetro
R 28 = 10 kΩ, têm-se β ∈ [0 1]. Isso permite gerar diferentes dinâmicas com a variação de uma
resistência elétrica.
V2 V1 Va
µ ¶
1 1
− = −Va + , ic = , i c = −C 1V̇1 , (4.14)
R1 R2 R3 R4 R5
Capítulo 4. Caos em um Circuito Eletrônico 77
R3 R4 V2 V1
· ¸
V̇1 = − . (4.15)
(R 3 + R 4 )R 5C 1 R 1 R 2
Analisando o nó V2 obtêm-se
Vi V1 V3 Vb Vb V1 Vi
− =− , ic = , i c = −C 2V̇2 , = , (4.16)
R 15 R8 R9 R 10 R 13 R 14
resultando em
R9 R 14
· ¸
0, 1
V̇2 = V1 − V1 V3 . (4.17)
R 10C 2 R 13 R 15 R8
As equações obtidas pela análise do nó V3
V1 V2 V3 Vc Vc
− =− , ic = , i c = −C 3V̇3 , (4.18)
R 33 R 35 R 34 R 37
fornecem
R 34 V3
· ¸
0, 1
V˙3 = V1 V2 − . (4.19)
R 37C 3 R 33 R 35
.
Utilizando os valores de cada respectivo componente nas Equações (4.15), (4.17) e
(4.19), o sistema de EDO’s correspondente é
V̇1 = 10(V2 − V1 )
R 14
V̇2 = 104 1
V − 24V1V3 (4.20)
24V1V2 − 240
V̇ =
3 V
91 3
γ ∈ [−20, 5 4, 5].
V2 V1 Va Va
− =− , ic = , i c = −C 1V̇1 , (4.21)
R1 R2 R4 R5
R4
· ¸
1 1
V̇1 = V2 − V1 . (4.22)
R 5C 1 R 1 R2
Analisando no nó V2 obtêm-se
Vj V1 V3 Vb Vb Vj V2
− =− , ic = , i c = −C 2V̇2 , = , (4.23)
R 18 R8 R9 R 10 R 17 R 16
Capítulo 4. Caos em um Circuito Eletrônico 78
resultando em
R9 R 17
· ¸
0, 1
V̇2 = V2 − V1 V3 . (4.24)
R 10C 2 R 16 R 18 R8
As equações do nó V3
0, 1V1V2 Vc Vc
µ ¶
1 1
− + V3 = − ; ic = ; i c = −C 3V˙3 (4.25)
R 33 R 35 R 36 R 34 R 37
R 34 R 35 + R 36
· µ ¶ ¸
0, 1
V̇3 = V1 V2 − V3 . (4.26)
R 37C 3 R 33 R 35 R 36
Substituindo os valores dos componentes nas Equações (4.22), (4.24) e (4.26), o sis-
tema de EDO’s torna-se
V̇1 = 30(V2 − V1 )
R 17
V̇ = V − 24V1V3 (4.27)
2 104 2
24V1V2 − 264
V̇ =
3 91 V3
θ ∈ [0, 33 4, 5].
Capı́tulo 5
Conclusões e Trabalhos Futuros
bém desenvolver técnicas de detecção e controle do caos em tempo real. Outra interessante
aplicação desse sistema baseia-se na criptografia de sinais por meio da sincronização de osci-
ladores caóticos, conforme abordado em (GRZYBOWSKI; RAFIKOV, 2008). Nessas aplicações,
uma gama de novos conceitos e ferramentas são utilizados como informação para leis de
controle, como exemplo a detecção de órbitas periódicas instáveis em um atrator caótico,
utilizadas no controle do caos pela técnica de OGY.
83
Referências
ALGABA, A. et al. Chen’s attractor exists if lorenz repulsor exists: The chen system is a special
case of the lorenz system. Chaos: An Interdisciplinary Journal of Nonlinear Science, AIP, v. 23,
n. 3, p. 033108, 2013. 2
ALGABA, A. et al. The lü system is a particular case of the lorenz system. Physics Letters A,
Elsevier, v. 377, n. 39, p. 2771–2776, 2013. 2
ANISHCHENKO, V. S. et al. Nonlinear dynamics of chaotic and stochastic systems: tutorial and
modern developments. [S.l.]: Springer Science & Business Media, 2007. 7
ARGYRIS, J. et al. An Exploration of Dynamical Systems and Chaos: Completely Revised and
Enlarged Second Edition. [S.l.]: Springer, 2015. 8, 1, 6, 24, 32, 33, 43, 44
BUSCARINO, A.; FORTUNA, L.; FRASCA, M. Essentials of Nonlinear Circuit Dynamics with
MATLAB® and Laboratory Experiments. [S.l.]: CRC Press, 2017. 30
ČELIKOVSKỲ, S.; CHEN, G. Hyperbolic-type generalized lorenz chaotic system and its canoni-
cal form. IFAC Proceedings Volumes, Elsevier, v. 35, n. 1, p. 203–208, 2002. 2
ČELIKOVSKÝ, S.; CHEN, G. On a generalized lorenz canonical form of chaotic systems. Inter-
national Journal of Bifurcation and Chaos, World Scientific, v. 12, n. 08, p. 1789–1812, 2002.
2
ČELIKOVSKỲ, S.; CHEN, G. On the generalized lorenz canonical form. Chaos, Solitons &
Fractals, Elsevier, v. 26, n. 5, p. 1271–1276, 2005. 2
CHEN, G. The chen system revisited. Dynamics of Continuous, Discrete and Impulsive Systems,
v. 20, p. 691–696, 2013. 2
CHEN, G.; UETA, T. Yet another chaotic attractor. International Journal of Bifurcation and
chaos, World Scientific, v. 9, n. 07, p. 1465–1466, 1999. 1, 2, 49
CROSS, M. Introduction to Chaos: chapter 1 - The Lorenz model. 2000. Disponível em: <http:
//www.cmp.caltech.edu/~mcc/Chaos_Course/Outline.html>. 32, 33
GRZYBOWSKI, J.; RAFIKOV, M. Sincronização do sistema caótico unificado via controle ótimo
linear feedback e aplicação em comunicação segura. Trends in Applied and Computational
Mathematics, v. 9, n. 1, p. 105–114, 2008. 82
HILBORN, R. C. Chaos and nonlinear dynamics: an introduction for scientists and engineers.
[S.l.]: Oxford University Press on Demand, 2000. 25
Referências 84
HIRSCH, M. W.; SMALE, S.; DEVANEY, R. L. Differential equations, dynamical systems, and an
introduction to chaos. [S.l.]: Academic press, 2012. 32, 33
KAPLAN, J. L.; YORKE, J. A. Preturbulence: a regime observed in a fluid flow model of lorenz.
Communications in Mathematical Physics, Springer, v. 67, n. 2, p. 93–108, 1979. 43
LAYEK, G. An Introduction to Dynamical Systems and Chaos. [S.l.]: Springer, 2015. 7, 8, 1, 6, 23,
32, 33, 39, 41
LÜ, J.; CHEN, G. A new chaotic attractor coined. International Journal of Bifurcation and
chaos, World Scientific, v. 12, n. 03, p. 659–661, 2002. 1, 2, 58
LÜ, J.; CHEN, G.; CHENG, D. A new chaotic system and beyond: the generalized lorenz-
like system. International Journal of Bifurcation and Chaos, World Scientific, v. 14, n. 05, p.
1507–1537, 2004. 31
LÜ, J. et al. Bridge the gap between the lorenz system and the chen system. International
Journal of Bifurcation and Chaos, World Scientific, v. 12, n. 12, p. 2917–2926, 2002. 2, 66
LÜ, J.; CHEN, G.; ZHANG, S. Dynamical analysis of a new chaotic attractor. International
Journal of Bifurcation and chaos, World Scientific, v. 12, n. 05, p. 1001–1015, 2002. 59, 60, 62
LYNCH, S. Dynamical systems with applications using MATLAB. [S.l.]: Springer, 2004. 30, 48
MONTEIRO, L. H. A. Sistemas dinâmicos. [S.l.]: Editora Livraria da Física, 2006. 6, 7, 8, 23, 24,
25, 27, 31
SAVI, M. A. Dinâmica não-linear e caos. [S.l.]: Editora E-papers, 2006. 7, 11, 14, 16, 17, 19, 20,
21, 22, 24, 25, 26, 27, 29
SILVA, G. V. M. da. Controlo nao linear. Escola superior de tecnologia de Setúbal, 2006. 7, 19
SUN, K.-h.; WANG, Y.-l.; ZHU, C.-x. Dynamics and circuit implementation of three simplified
chaotic systems. Journal of Central South University, Springer, v. 20, n. 3, p. 663–669, 2013. 71
UETA, T.; CHEN, G. Bifurcation analysis of chen’s equation. International Journal of Bifurca-
tion and Chaos, World Scientific, v. 10, n. 08, p. 1917–1931, 2000. 49, 52
Referências 85
VANĚČEK, A.; ČELIKOVSKỲ, S. Control systems: from linear analysis to synthesis of chaos. [S.l.]:
Prentice Hall International (UK) Ltd., 1996. 2
VILLATE, J. Introdução aos sistemas dinâmicos: uma abordagem prática com maxima. 2005.
7, 13
WANG, X.; CHEN, G. A gallery of lorenz-like and chen-like attractors. International Journal of
Bifurcation and Chaos, World Scientific, v. 23, n. 04, p. 1330011, 2013. 2
WIGGINS, S. Introduction to applied nonlinear dynamical systems and chaos. [S.l.]: Springer
Science & Business Media, 2003. v. 2. 7, 10, 14, 16, 17, 20, 21, 86
WOLF, A. et al. Determining lyapunov exponents from a time series. Physica D: Nonlinear
Phenomena, Elsevier, v. 16, n. 3, p. 285–317, 1985. 48
YANG, Q.; CHEN, G.; ZHOU, T. A unified lorenz-type system and its canonical form. Inter-
national Journal of Bifurcation and Chaos, World Scientific, v. 16, n. 10, p. 2855–2871, 2006.
2
YORKE, J. A.; YORKE, E. D. Metastable chaos: the transition to sustained chaotic behavior in
the lorenz model. Journal of Statistical Physics, Springer, v. 21, n. 3, p. 263–277, 1979. 44
ZHANG, H.; LIU, D.; WANG, Z. Controlling chaos: suppression, synchronization and chaotifi-
cation. [S.l.]: Springer Science & Business Media, 2009. 7, 1, 9, 10, 14, 16, 17, 21, 24
86
ANEXO A
Ferramentas de Análise de Polinômios
Teorema A.0.2 (Regra dos sinais de Descartes). Considere a sequência de coeficientes de (A.1):
a n , a n−1 , . . . , a 1 , a 0 .
A localização no plano complexo das partes reais das raízes do polinômio (A.1) pode
ser determinada pelo critério de Routh-Hurwitz. Primeiramente constrói-se a tabela de Routh
(8) associada a esse polinômio. As duas primeiras linhas da tabela são preenchidas direta-
ANEXO A. Ferramentas de Análise de Polinômios 87
¯ ¯ ¯ ¯ ¯ ¯
−1 ¯¯ a n a n−2 ¯¯ −1 ¯¯ a n a n−4 ¯¯ −1 ¯¯ a n a n−6 ¯¯
b1 = ¯ ¯ , b2 = ¯ ¯ , b3 = ¯ ¯, ...
a n−1 ¯a n−1 a n−3 ¯ a n−1 ¯a n−1 a n−5 ¯ a n−1 ¯a n−1 a n−7 ¯
¯ ¯ ¯ ¯
−1 ¯¯a n−1 a n−3 ¯¯ −1 ¯¯a n−1 a n−5 ¯¯
.c 1 = ¯ ¯ , c2 = ¯ ¯, ....
b1 ¯ b1 b2 ¯ b1 ¯ b1 b3 ¯
Teorema A.0.3 (Teste de Routh-Hurwitz). Todas as raízes do polinômio (A.1) têm partes reais
estritamente menores que zero se, e somente se, todos os elementos na primeira coluna da
tabela Routh forem diferentes de zero e tiverem o mesmo sinal.
Uma outra relação útil aplicada na análise dos coeficientes de um polinômio consiste
no que é conhecido como relação de Girard. Seja um polinômio de terceira ordem com seu
primeiro coeficiente normalizado
p(λ) = λ3 + a 2 λ2 + a 1 λ + a 0 , (A.2)
Quando existe um par de raízes complexas conjugadas de parte real zero, ou seja,
λ1,2 = ±i λ, uma das raízes pode ser determinada diretamente a partir do negativo do coefici-
ente a 2 .
As soluções de um polinômio cúbico na forma de (A.2) podem ser obtidas pelas
expressões analíticas de Tartaglia-Ferro-Cardano. Realizando uma mudança de coordenada,
λ = Λ − a32 , o polinômio (A.2) transforma-se em
3
a 22 2a 23 a1 a2
Λ + (a 1 − )Λ + − + a 0 = 0, (A.4)
3 27 3
ANEXO A. Ferramentas de Análise de Polinômios 88
que é uma equação que não possui o termo de grau 2. A análise da equação de terceiro grau
pode ser feita pela equação resultante
Λ3 + pΛ + q = 0, (A.5)
a 22 2a 23
em que p = (a 1 − 3 )e q =( 27 − a13a2 + a 0 ). Uma raiz desse polinômio é obtida diretamente
por
v s v s
u u
q q2 p3 q q2 p3
u
3
u
3
Λ1 = − + + + − − + . (A.6)
t t
2 4 27 2 4 27
q2 p3
Destacando o radicando D = 4 + 27 , o polinômio (A.5) terá as seguintes raízes: