Engenharia

Inserir Título
e Gestão
Aqui
Inserir
de Sistemas
TítuloComplexos
Aqui
Introdução à Sistemas Complexos

Responsável pelo Conteúdo:

Prof. Esp. Márcio Belloni

Revisão Textual:
Prof.ª M.ª Sandra Regina Fonseca Moreira
 Introdução à Sistemas Complexos

Nesta unidade, trabalharemos os seguintes tópicos:

Fonte: Getty Images

• Introdução;
• Análise Histórica;
• O Que é um Sistema?
• O Que é Complexidade em um Sistema?
• Por que Modelar?

Objetivos
• Ambientar o aluno nos conceitos basilares de sistemas complexos;
• Apresentar o estado da arte;
• Demonstrar ao aluno a capacidade existente nos estudos acerca de sistemas complexos.

Caro Aluno(a)!

Normalmente, com a correria do dia a dia, não nos organizamos e deixamos para o úl-
timo momento o acesso ao estudo, o que implicará o não aprofundamento no material
trabalhado ou, ainda, a perda dos prazos para o lançamento das atividades solicitadas.

Assim, organize seus estudos de maneira que entrem na sua rotina. Por exemplo, você
poderá escolher um dia ao longo da semana ou um determinado horário todos ou alguns
dias e determinar como o seu “momento do estudo”.

No material de cada Unidade, há videoaulas e leituras indicadas, assim como sugestões

de materiais complementares, elementos didáticos que ampliarão sua interpretação e
auxiliarão o pleno entendimento dos temas abordados.

Após o contato com o conteúdo proposto, participe dos debates mediados em fóruns de
discussão, pois estes ajudarão a verificar o quanto você absorveu do conteúdo, além de
propiciar o contato com seus colegas e tutores, o que se apresenta como rico espaço de
troca de ideias e aprendizagem.

Bons Estudos!
UNIDADE
Introdução à Sistemas Complexos

Contextualização
Desde o início da ciência, temos reduzindo fenômenos à situações determinísticas,
previsíveis, e com poucas equações, conseguimos explicar, analisar e catalogar todos os
fenômenos existentes no universo. Contudo, partículas subatômicas agem de maneira
estranha, e formam um todo macroscópico coeso. À partir disto, o homem começa à
observar certos aspectos de sistemas que, embora dentro de uma aparente desordem,
os atos de seus próprios agentes, causam ordem e beleza. Por este motivo, ouvimos a
“menina do tempo” na tv dizer que “não vai chover”, e voltamos ensopados por não
levar um guarda-chuva. Observamos uma revoada de pássaros, e pensamos que existe
um instinto animal, um poder sobrenatural que permite (como que por telepatia) às aves
comunicarem-se entre si e eleger um “líder mental”. O que o clima e a revoada de pás-
saros têm em comum?

6
Introdução
Prepare-se para adentrar em um mundo até então desconhecido da maioria das pes-
soas, mas que, em contrapartida, influencia a todos, sem exceção, de forma completa,
primordial e se mistura ao que se conhece por verdade. Isto, em poucas palavras, é um
bom conceito para sistemas complexos.

A conceituação sobre o que seja sistemas complexos é reconhecidamente, pela bi-

bliografia, uma tarefa das mais árduas, senão beirando o impossível, pois tão complexa
quanto os sistemas que formam a cadeia de eventos de um sistema complexo, também
o é sua conceituação.

O vocábulo complexo vem do latim complexux (aquilo que é entrelaçado ou torcido

junto). Podemos analisar a semântica para concluir que se trata de componentes de um
todo, que se dispõe de tal forma, que se unem para formar um todo maior. Assim, um
sistema complexo é formado por diversos elementos, ou subsistemas.

À título de exemplificação, é possível ter uma ideia do que estamos tratando neste início
dos nossos estudos: imagine um pensamento seu, algo como: “Lembrei-me de que tenho
que ir ao dentista hoje à tarde”. Então você pensa: “Algo tão corriqueiro como um lembre-
te, de ir ao dentista. Como isto pode me ajudar à compreender os sistemas complexos?”

Comece imaginando que se você se alongar na linha do tempo, este lembrete veio
por conta de alguma dor, ou simples manutenção dentária, que veio pela necessidade
de manter a saúde bucal, que veio do possível alojamento de bactérias criando cáries, e,
se pensar no sistema que engloba o desenvolvimento de bactérias, então veja a comple-
xidade. Mas vamos apenas focar na frase “Lembrei-me de que tenho que ir ao dentista
hoje à tarde”, e o agora, o ato de lembrar.

Uma ocorrência tão simples decorre de uma fração de segundo anterior, quando o
cérebro, ativando suas células extremamente especializadas de memorização, interpre-
tou uma informação, qual seja, a lembrança de ter de ir ao dentista. Logo, veio à mente
não somente a lembrança, mas quem é o dentista, onde fica o consultório, o motivo, o
horário (à tarde), e, para que isto tudo ocorra, sinapses ocorreram no cérebro, muitas
delas desconhecidas ainda pela ciência, de forma a levantar essa memória, e alocá-la
em memorização de curto prazo, e toda essa corrente elétrica, toda essa químico-física
em seu cérebro ocorreu em frações de segundo. É disto que trata o sistema complexo.

Outro exemplo existe ao se observar uma só formiga em um caminho aparentemente

aleatório no chão de terra. Ao observar um ser tão pequeno e aparentemente insigni-
ficante, chegamos a nos afeiçoar e nos revestir com um sentimento de pena por esse
ser vivo ser tão pequeno e frágil. Contudo, essa formiga pode estar executando uma
tarefa das mais importantes, qual seja, encontrar alimento para a colônia. A colônia de
formigas é um dos sistemas mais destrutivos que se conhece, possuindo sofisticada orga-
nização e um sistema de comunicação invejável. Um formigueiro é formado por formi-
gas soldados, responsáveis pela guarda do formigueiro, as operárias, responsáveis pela
manutenção do ninho, e as coletoras, responsáveis pela coleta de sementes ou partes
de insetos, e esta nossa coleguinha do início do nosso exercício mental de imaginação,
é justamente uma coletora em busca de alimento.

7
7
UNIDADE
Introdução à Sistemas Complexos

Figura 1 – A Revoada de Pássaros é um exemplo

de sistemas complexos organizados
Fonte: Getty Images

Não existe um líder, ou um centro, e os movimentos aparentemente são aleatórios. Con-

tudo, muitos fatores influenciam o movimento como as correntes de ar e a geolocalização.

A organização começa no fato de que, em uma área, sempre haverá números de

cada uma desses tipos de formigas, de forma a nunca faltar alimento para a colônia.
Contudo, digamos que esta nossa já colega formiga encontre um doce em seu caminho.
Rapidamente, seu sistema nervoso e a química corporal identificam o cheiro e sabor do
elemento doce. A formiga exala uma química e segue em retorno ao formigueiro, com
uma parte do tal doce, e pelo caminho espalha essa química, criando um caminho “a la
João e Maria”. Ao encontrar outras formigas da colônia, por comunicação via químicos,
ela indicará a existência do tal doce, e as formigas que cruzam com ela, em uma aparen-
te trombada, ficam conhecendo qual a química que as levará ao doce. Muitos soldados e
operárias largarão rapidamente seus postos para executar função de coletoras e garantir
que o doce rapidamente esteja nos estoques do formigueiro. Então o aluno, assistindo a
toda esta maravilhosa série de ocorrências e pequenos sistemas se unindo para formar
um grande sistema extremamente complexo, qual seja, uma gigantesca e linear carreira
de formigas carregando pequenos pedaços de doces, aparentemente trombando entre
si. Contudo, as formigas se comunicam por algo que assemelha a cheiro e tato.

Figura 2 – O caminho formado por formigas em busca de alimento

Fonte: Getty Images

Assim, podemos concluir que todo sistema analisado faz parte de um conglomerado
de sistemas, onde uns influenciam os outros, como na célebre ditado: “O simples bater
de asas de uma borboleta no Brasil pode colaborar para a criação de um tornado no
Texas”, conceito conhecido como “efeito borboleta”. Isto forma um sistema maior, o real

8
sistema em que sistemas menores afetam-se entre si, limitando, e muito, os resultados
encontrados ao isolar sistemas menores, obtendo-se apenas aproximações.
O “efeito borboleta” é uma realimentação de erro, verificado por Lorenz, que se de-
fine como a propensão da alteração dos resultados finais por conta dos fatores iniciais.
Mesmo que exista uma diferença ínfima entre a entrada e saída em um sistema comple-
xo, após um tempo (veja a necessidade do evento no tempo), por conta desta realimen-
tação, a saída se tornaria irreconhecível, totalmente distante do que era a entrada.

Análise Histórica
Foi Warren Weaver quem, em 1948, no seu artigo publicado na American Scientist,
dividiu a problematização na ciência em 3 categorias fundamentais:
• de simplicidade;
• de complexidade desorganizada; e
• de complexidade organizada.
Ele postulou que as duas primeiras espécies de problemas, na ciência, permitem uma
descrição compacta, e a última não. Então, as duas primeiras características, nos séculos
19 e início do século 20, receberam o devido tratamento, com muito êxito, diga-se. A fí-
sica, se usarmos como exemplo, foi bastante aprimorada e produziu muito conhecimen-
to acerca dos problemas de simplicidade e de complexidade desorganizada, descrevendo
com maestria, em poucas leis e postulados, esses fenômenos naturais.
Um exemplo para os fenômenos de problematização de simplicidade é a temperatura
e pressão na termodinâmica, outro exemplo pode ser dado como a tensão e a corren-
te na elétrica. Assim, trocando em miúdos, as Leis de Newton são suficientes para a
dinâmica, e as leis de Maxwell para o eletromagnetismo. Problemas de complexidade
desorganizada são aqueles identificados por uma quantidade enorme de variáveis, como
as propriedades termodinâmicas em relação à 10²³ partículas desorganizadas. Um gás
possui uma temperatura que depende da energia de cada partícula que o compõe. Mais
além disto, se pensarmos em pressão, essas 10²³ partículas se movem em 3 dimensões,
com velocidade e direção específicas, e o resultado pode ser verificado por modelos
estatísticos computacionais, dominados pela mecânica estatística.

Figura 3 – As poucas leis de Newton conseguem modelar toda a dinâmica clássica

Fonte: Getty Images

9
9
UNIDADE
Introdução à Sistemas Complexos

Contudo, ficaram sem o tratamento respectivo os problemas de complexidade orga-

nizada, onde uma quantidade de variáveis medianas (entre os problemas de simplicidade
e de complexidade desorganizada) fortemente interagem entre si, fatores que interagem
de forma orgânica e tão fundamental, que se torna aparentemente impossível solucio-
narmos, como por exemplo, a interação entre os corpos celestes em uma galáxia, o
funcionamento do cérebro, o sistema de interações de uma sociedade ou o genoma.

Somente a partir de 1960, com a era dos computadores digitais, foi possível a análise
dos sistemas complexos diretamente no domínio do tempo. Assim, desenvolveu-se a teo-
ria do controle moderno, com base na análise e na síntese do domínio do tempo, com o
emprego das variáveis de estado, para poder lidar com a complexidade desses controles
modernos em sistemas complexos, com seus rigorosos requisitos relativos à precisão e
à importância (OGATA, 2010).

Esses problemas são um desafio antigo, contudo, com muito terreno para pesquisa, e
promete ser assim durante os próximos anos, uma vez que nos apresenta situações ain-
da não exauridas pelos cientistas e que demandam a necessidade imediata de solução.

O Que é um Sistema?
Sistemas são conjuntos de integrantes que processam uma entrada e geram uma
saída. Esses processos são descritos por operações matemáticas simples ou complexas,
como ganhos, ou Transformada de Fourrier. Desta forma, os sistemas são conjuntos
que processam entradas e emitem valores como resultado deste processamento. Assim,
integrar sistemas significa unir diversos sistemas distintos entre si, porém conectados de
forma a comunicar-se influenciando uns aos outros. Os sistemas complexos são então
formados por um grande número de subsistemas integrados entre si formando o todo.

O Que é Complexidade em um Sistema?

A complexidade de um sistema se verifica quando um sistema possui diversos sub-
sistemas, com muitas variáveis, e sem um centro de liderança. Como ocorre no caso
das revoadas de pássaros, ou na organização socioeconômica de um país. Como
exemplo de uma aplicação em economia, é o estudo de Cooler sobre o mercado finan-
ceiro. Segundo o autor, é possível utilizar conceitos de sistemas complexos na forma
de jogos matemáticos denominados “minority games” para simular e compreender o
mercado financeiro posto sistema complexo, sua estrutura e os detalhes dos sistemas
(COOLEN, 2005).

As cidades são governadas hoje em dia, ainda de forma ideológica. Ou seja, não
existe uma teoria sistemática para gestão e governo de cidades e estados, baseada em
uma observância a fatos.

Podemos resumir pelo menos quatro características fundamentais dos sistemas com-
plexos desorganizados:
• são formados por um número grande de unidades;

10
 • as unidades interagem umas com as outras;
• há a ausência de um controlador central;
• emergência de comportamento coletivo.

Com isto, podemos chegar a um sistema de análise para identificar sistemas com-
plexos organizados. São formados por variáveis em quantidades medianas, não sendo
nem suficientes para aplicar os conceitos de problemas simples, nem tampouco muitas,
a ponto de usar conceitos de média. As unidades possuem comportamento emergente,
que nasce de forma espontânea e sem a liderança de um ou um grupo de indivíduos,
sendo que as interações são as responsáveis pelo aparecimento dos padrões.

É possível iniciar nossa análise sobre a complexidade de um sistema se soubermos os

meios para identificar um sistema complexo. Segundo Nussenzveig, é possível detectar algu-
mas características singulares aos sistemas complexos, quais sejam (NUSSENZVEIG, 1995):
• São sistemas dinâmicos não-lineares em evolução permanente, abertos para o exte-
rior, constituídos por um grande número de unidades que interagem com um certo
número bem menor de vizinhos;
• Cada unidade constituinte pode apresentar o fenômeno de frustração, posto que o
caráter das mensagens recebidas de cada vizinho pode ser extremamente contradi-
tório, impedindo o cumprimento de cada uma delas simultaneamente;
• O sistema pode desenvolver, ao longo de seu processo evolutivo, acoplamento es-
paço-temporal, apresentando correlações de longo alcance temporal (memória) e
espacial (estruturas fractais). Assim, o sistema se auto-organiza de forma espontâ-
nea, criando ordem a partir de um estado inicialmente desordenado ou desprovido
por completo de estrutura - a formação de estruturas hierarquizadas é um exemplo
típico e fascinante deste efeito de ordem emergente;
• Face ao seu comportamento sistêmico, é possível o surgimento de propriedades
coletivas emergentes, qualitativamente novas, e que não podem ser identificadas
em nenhuma de suas unidades formadoras. Tais propriedades surgem pelo proces-
so de competição e cooperação locais, de forma repetitiva e imitativa (o efeito de
manada em bolsas de valores, precursores de crashes em economia, é um exemplo
tristemente célebre deste processo imitativo);
• O sistema normalmente apresenta (hiper)superfícies de energia com vários mínimos
locais (múltiplos atratores), o que leva a um desenvolvimento temporal extremamen-
te dependente de toda a história anterior, com um grande número de configurações
de quase-equilíbrio (meta-equilíbrio). Neste sentido, diz-se que o sistema tem a sua
ergodicidade quebrada ou violada, visto que, ao permanecer encalhado em um
dado mínimo local, ficaria impedido de visitar outros estados possíveis. Portanto,
qualquer pequena perturbação – externa ou interna – que porventura venha a so-
frer, poderá deslocá-lo para outro estado com características totalmente distintas
do seu estado originário. Esta é uma das razões pelas quais o tratamento analítico
destes sistemas é difícil e, por vezes, mesmo impossível;
• O sistema se organiza espontaneamente na chamada criticalidade auto-organizada
(self-organized criticality – SOC, BAK et al. p. 5-6), o que o torna extremamente
sensível a qualquer perturbação, externa ou interna. A palavra crítico diz respeito

11
11
UNIDADE
Introdução à Sistemas Complexos

a um estado desprovido de qualquer escala característica (fractal), dinamicamente

alcançado de forma espontânea, em que as estatísticas de seus principais parâme-
tros são em lei de potência. Tal estado peculiar, referido na literatura como fronteira
do caos, fronteira entre ordem e caos, limiar do caos ou caos fraco (weak chaos),
caracteriza-se, matematicamente, por apresentar o seu expoente de Lyapunov nulo
ou muito próximo de zero. O motivo pelo qual sistemas auto-organizados evoluem
na fronteira ordem-caos é que, se por um lado, partilham com sistemas ordenados
a capacidade de se adaptarem gradualmente a pequenas perturbações, por outro
lado, podem responder rapidamente a mudanças bruscas externas ou internas.
Neste sentido, tais sistemas são marginalmente estáveis, sendo comumente adjeti-
vados de “robustos”;
• Outra característica importante diz respeito às flutuações de determinadas proprie-
dades ao longo do tempo, reveladoras de uma superposição de sinais provenientes
de todas as escalas de observação, o chamado ruído bruxuleante (1/f noise).

Não se preocupe, pois os temas elencados serão abordados convenientemente no

decorrer dos estudos deste curso.

Devido à complexidade, os sistemas complexos não podem ser analisados dividindo-

-os em sistemas menores, como comumente se faz em sistemas de problemática sim-
ples. Nos Sistemas Complexos, os métodos reducionistas comumente empregados para
análise e entendimento na ciência não funcionam como previsto, porque é parte da pró-
pria essência dos sistemas complexos a resistência à análise por métodos reducionistas.

Isto ocorre porque os sistemas complexos nascem de fenômenos emergentes, ou

seja, o sistema é formado a partir de interações e emerge dessas sem um núcleo ou um
sistema central de controle. Este fenômeno emergente leva ao surgimento de fenômenos
imprevisíveis e macroscópicos. Um exemplo disto é o crash da bolsa de valores quando,
mesmo que as intenções de todos seja a obtenção de lucro, há a quebra da bolsa.

Os sistemas complexos são compostos de um número muito grande de unidades sim-

ples em relação ao todo, e estas unidades interagem entre si constantemente. Os sistemas
complexos são organizados e não apresentam liderança, sendo que se comportam por
fenômenos emergentes, e esta emergência leva a um comportamento coletivo.

Veja que esta complexidade é organizada. Na forma desorganizada, teríamos um

sistema que é passível de análise pelos métodos já conhecidos de média, como os gases
já nomeados. Mas os sistemas complexos organizados formam um aparato no qual as
variáveis medianas não são poucas, a ponto de serem tratados com os sistemas de sim-
plicidade, nem muitas, a ponto de serem analisados por média.

Por que Modelar?

Modelar é simular o comportamento de um sistema para, assim, compreender não
somente o próprio sistema, mas prever seus resultados e interpretar suas variáveis, de
forma a dominar os conceitos atinentes a esse sistema.

12
 A modelagem matemática auxiliou o homem, na ciência, ao tornar possível compre-
ender os sistemas. Os sistemas simplificados são fáceis de modelar, baseando-se nas for-
mulações matemáticas já apresentadas. O sistema complexo desorganizado, também com
auxílio de modelagem computacional, é passível de entendimento e de verificação de
resultados, pois nesses sistemas sempre o resultado é uma média que representa o todo.

Por exemplo, ao modelar um motor elétrico, podemos analisar correntes e tensões

na armadura e no rotor, que criarão um campo magnético rotacional criando um torque
no eixo do rotor. De outro lado, temos o torque perturbador dos mancais, da inércia do
rotor e do atrito dos mancais, sem falar no atrito viscoso. Mas para uma modelagem,
pode-se considerar o atrito dos mancais como nulo (mancais muito bem lubrificados,
com superfície inteiramente lisa e novos). Podemos ainda imaginar uma partida à vazio
(sem carga no eixo), e ainda podemos apresentar um controle pela armadura apenas.
Veja que assim vamos tirando do sistema variáveis menos importantes que, por sua
grandeza rente a um valor de corrente e tensão, por exemplo, são insignificantes. Assim,
a modelagem matemática deste sistema que é o motor elétrico irá se aproximar bastante
do real, pois podemos ignorar variáveis de menor atuação nos resultados da simulação,
formando assim um modelo que se aproxima muito do real.

Mas, e quando muitas variáveis são tão atuantes no sistema que não se pode dispen-
sar nenhuma delas sem provocar um resultado com grande erro, e instabilidade consi-
derável da simulação?

Além disto, alguns desses sistemas complexos organizados são tão complicados e
formados por tantos subsistemas, que a subdivisão deles se mostra mais complicada
ainda, pois os demais subsistemas mostram velar outros subsistemas ainda complexos.

Veja, o importante é analisar os sistemas complexos sem, no entanto, deixar-se

confundir com sua aparente complexidade insolúvel. Por exemplo, imagine na cidade de
São Paulo um bairro específico. Se olharmos esse bairro, existem inúmeras variáveis,
como o crescimento populacional, taxa de mortalidade, renda per capita, quantidade
de comércios, residências, indústrias, faixa econômica da população etc. Assim,
verificando a finalidade dos estudos deste sistema, podemos eliminar algumas variáveis.
Por exemplo, podemos eliminar a variável econômica, se quisermos apenas estudar a
localização geográfica do bairro. Contudo, não podemos eliminar a estatística sobre
o nível de estudo dos moradores, se desejamos analisar economicamente o bairro,
tampouco a faixa etária, pois verificar o grau de estudo e a idade dos moradores nos
dará um panorama sobre porque a situação econômica das pessoas do bairro é do
jeito que é. Se variam muito, porque variam, e se não variam, porque isto ocorre,
entre outras conclusões. Veja que a estrutura socioeconômica dos moradores do dito
bairro é um sistema complexo, pois diversas variáveis definem os resultados que levam
àquela realidade, e não podem ser eliminadas ou descartadas por serem consideradas
de pouca importância.

Este é o grande paradigma da modelagem de sistemas complexos. Quanto mais eu

elimino variáveis para simplificar o entendimento dos problemas complexos, menos pre-
cisos os modelos se tornam, e menos consigo enxergar os subsistemas complexos que
formam o todo. Para isto, utilizamos a teoria da complexidade.

13
13
UNIDADE
Introdução à Sistemas Complexos

Por esses motivos, em sistemas complexos, Maxwell aplicou a probabilidade para a

solução de situações em sistemas complexos aparentemente insolúveis. Segundo auto-
res, Maxwell teria baseado seus estudos referentes aos anéis de Saturno e à dinâmica
das partículas para formar aquela estrutura. Segundo os estudos de Maxwell, essas
partículas assumiam trajetórias muito complexas e aparentemente ao acaso. Então,
ele deixa de analisar o movimento particular de cada molécula e começa a enxergar
o todo, situação também aplicável aos gases. Assim, Maxwell apresentou uma teoria
probabilística muito relevante acerca dos gases e velocidade das partículas no sistema
macroscópico (CATICHA, 2008).

14
Material Complementar
Indicações para saber mais sobre os assuntos abordados nesta Unidade:

Vídeos
Revoada de pássaros
https://youtu.be/0-CCMH4uoYk
O Cardume
https://youtu.be/LJC9BlPhdT0
Panorama Ipea – Sistemas Complexos em Políticas Públicas
https://youtu.be/1C3-gCGwEV4

Leitura
Sistemas complexos: novas formas de ver a Botânica
https://bit.ly/3b6MJAZ

15
15
UNIDADE
Introdução à Sistemas Complexos

Referências
CATICHA, A. Lectures on probability, entropy and statistical physics. Disponível
em: <https://arxiv.org/abs/0808.0012>. Acesso em: 01/04/2021.

COOLEN, A. Mathematical theory of minority games. Londres: Oxford University

Press, 2005.

NUSSENZVEIG, M. Introdução aos sistemas complexos, In: Complexidade e Caos.

Rio de Janeiro: UFRJ, 1995.

OGATA, K. Engenharia de controle mod. 5. ed. São Paulo: Pearson Prentice Hall, 2010.

16