Escolar Documentos
Profissional Documentos
Cultura Documentos
Natal-RN
Junho de 2016
Alex Clésio Nunes Martins
Costa
NatalRN
Junho de 2016
Catalogação da Publicação na Fonte. UFRN / SISBI / Biblioteca Setorial
Centro de Ciências Exatas e da Terra – CCET.
dade Federal do Rio Grande do Norte, sendo aprovada por todos os membros da banca
UFRN
UFRN
UFRN
Aos meus pais, João Maria e Raimunda, os quais sempre me incentivaram a buscar o
conhecimento, não desistir dos meus sonhos e são meu exemplo de vida e me cativam pelo
amor que tem demonstrado. À sua curiosidade pelas Ciências Naturais e Sociais, a qual
Ao Professor André Bessa, por toda a amizade demonstrada desde o meu primeiro ano
Aos professores Leonardo Mafra, Felipe Bohn, Marcela C. Silvestre e Deusdedit Medeiros,
gia, o que me levou a continuar estudando Matemática e Física, mantendo vivos os meus
objetivos pessoais.
Aos professores Raimundo Silva, Artur Carriço, João Medeiros, Ananias Monteiro e Car-
los Chesman, por todas as disciplinas ministradas, as quais sempre tentei aproveitar o
Aos meus amigos Giorgio André, Gabriel Fernandes, Letícia Goes, Kandice Barros e Ka-
À minha amiga Lívia Teixeira, por sua motivação cientíca, determinação pessoal para o
desenvolvimento da ciência com uso benéco pera a sociedade e suas perguntas instigantes
Aos meus amigos Gustavo Miasato, Bernardo Odlavson, Guilherme Monteiro e Welling-
Ao meu amigo Francisco Valdécio, por ter se mostrado uma grande pessoa com vários
conselhos pertinentes para o meu sucesso e sempre se mostrar alegre mesmo quando mo-
mentos difíceis em sua vida pareceriam impossíveis de serem superados. Tenho ele como
e seu exemplo de grande superação diante de sua trajetória. Também, por sempre lembrar
À todos os outros amigos que estiveram perto de mim durante esta Graduação.
Ao CNPq e programa Ciências Sem Fronteiras, que me trouxeram uma experiência única
Marie Curie
Uma Abordagem sobre Caos e Sistemas Não-lineares
para Graduação
Resumo
Caos em sistemas determinísticos não-lineares tem se tornado um tópico muito divulgado e
estudado nas últimas décadas. Desde a sua descoberta em 1963, feita pelo cientista Edward
Lorenz, a teoria do caos vem sendo aplicada e tem se mostrado bastante importante
áreas da metereologia, biologia, bolsa de valores, física, entre outras. Este trabalho é uma
abordagem sobre caos em sistemas dinâmicos determinísticos que busca trazer, para alunos
de gradação, fundamentos sobre a teoria do caos e como caos é atingido a partir de uma
dinâmica ordenada. Toda a análise do caos é feita para um sistema de crescimento de uma
espécie, conhecido como mapa logístico, passando pelo método do ponto xo, bifurcações
Abstract
Chaos in deterministic nonlinear systems has become a well studied and spread topic in
the last decades. Since its discovery in 1963, by the scientist Edward Lorenz, the theory of
chaos has been applied and it has shown very important in natural phenomena analysis.
Thus, enhancing theories such as metereology, biology, stock market, physics, etc. This
work is an approach about chaos in deterministic dynamical systems that tries to bring,
for undergraduate students, the fundamentals about the theory of chaos and how chaos is
attained from an orderly dynamic. The analysis of chaos is done for a system that descri-
bes the growth of a determined specie, passing through xed point method, bifurcation
4 a = 0.75 e x0 = 0.95 . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 22
5 a = 0.9 e x0 = 0.95. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 22
6 a = 1.2 e x0 = 0.8. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 23
7 a=1 e x0 = 0.8. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 23
8 f e f2 para a = 2.5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 25
9 f e f2 para a = 3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 25
10 f e f2 para a = 3.1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 26
11 f e f2 para a = 3.4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 27
8
16 Trajetórias do mapa de Lorenz para σ = 10, b = 3
e r = 28. . . . . . . p. 37
17 Atrator de Hénon. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 39
21 Gráco de Poincaré. . . . . . . . . . . . . . . . . . . . . . . . . . . . . p. 42
1 Introdução p. 14
4 Caos p. 36
5 Considerações nais p. 47
Referências p. 48
14
1 Introdução
gado e estudado nas últimas décadas. Primeiro, porque a palavra determinismo remete-se
entanto, para alguns sistemas não-lineares, o determinismo Newtoniano pode dar resul-
tados que não condizem com resultados experimentais. Para esses sistemas, a imprevisão
requer uma precisão que é impossível de calcular. Isto pode ser visto em sistemas onde
SON, 2003).
conter algumas partes interagentes e seguir simples regras (leis da dinâmica), mas to-
dos esses sistemas tem uma sensível dependência em suas condições iniciais. Apesar de
sua simplicidade determinística, esses sistemas podem produzir, para longos períodos de
veu caos como sendo o presente determina o futuro, mas um presente aproximado não
do MIT que descobriu a sensível dependência nas condições iniciais do sistema de pre-
1963) e resultaram na famosa pergunta Será que o bater de asas de uma borboleta no
Brasil causaria um tornado no Texas?. Essa pergunta nada mais é do que o famoso efeito
borboleta.
Apesar da grande descoberta de Lorenz, levou-se mais de uma década para que sua
biologia, geologia, nanças, entre outras áreas. Felizmente, a Física está repleta de vá-
rios problemas excitantes que possuem, intrinsicamente, caráter não-linear, caótico e que
pêndulo simples, laser e mapa logístico para a análise de crescimento de uma espécie,
entre outros.
que busca trazer, para alunos de gradação, fundamentos sobre a teoria do caos e como
atingimos o caos a partir de uma dinâmica ordenada. O sistema Físico escolhido foi o
mapa logístico para o crescimento de uma espécie. Esse é um sistema de simples formu-
lação matemática, que dependendo da taxa de crescimento da espécie pode levar ao caos.
O capítulo 2 apresenta o método do ponto xo que é uma ferramenta importante para
Este capítulo será destinado ao estudo de uma classe de sistemas dinâmicos que são
discretos no tempo. Sistemas deste tipo são conhecidos como equações de diferenças, re-
uma ferramenta para analisar equações diferenciais, por exemplo, o mapa de Lorenz que
ções. Estes são os chamados pontos xos de um sistema dinâmico. O fato de termos uma
minuição de uma população em relação à população atual à medida que o tempo passa.
Denotando por xn a n−ésima geração, podemos nos perguntar: o que acontecerá com a
população de determinada espécie à medida que o tempo passa? Ela irá aumentar, dimi-
x1 = ax0
x2 = ax1 = a2 x0
x3 = ax2 = a3 x0
xn = an x0
xn = an x0
parâmetro a é positivo, a população cresce e tende para o innito à medida que n cresce.
de uma saturação populacional. Isso signica que a população tem limitadas fontes de co-
mida, o que limita o crescimento da espécie e leva à morte da espécie por falta de alimento.
população, com limitadas fontes de comida. Através deste mapa, vemos que para uma
população saturada (xn = 1), a geração sucessiva se torna xn+1 = 0. Para entender o cres-
cimento ou diminuição da população atráves deste modelo, precisamos iteragir a função
logística
f (x) = ax(1 − x)
Esta é uma função do segundo grau na variável x. Então, vemos que para atingir caos
não precisamos de funções com complicadas formas, mas deveremos saber como o caos se
versão R2015b-Student use, podemos ver que f (x) é uma parábola como mostra a gura 1.
Podemos notar que este gráco possui dois pontos de intersecção com o eixo x. Estes
pontos são chamados de zeros ou raizes da função f (x). Para a no intervalo [0, 4] e x em
f2 ≡ f ◦ f (2.4)
Tal que
f n = f ◦f ...◦f (2.6)
f m ◦f n = f n ◦f m = f m+n (2.7)
Esta abordagem traz uma discretização do sistema dinâmico, e n pode ser considerado
como um determinado tempo t = n. Através do estudo da dinâmica, podemos acompanhar
as órbitas do sistema dinâmico ao longo do tempo. Ou seja
x0 → x1 → x2 ... → xn
Agora, vamos introduzir o método do ponto xo. Este método consiste em encontrar
os pontos xos de uma dada função ou mapa a partir de um valor x0 que nada mais é do
xn+1 = f (xn )
x∗ = f (x∗ ) (2.8)
20
Existem pontos xos que atraem ou repelem a evolução do sistema. Esses comportamentos
serão estudados neste capítulo e terão uma formulação matemática. Dado um chute
inicial x0 igual a um ponto xo, o sistema permanecerá naquele ponto. No entanto, assim
A gura 2 mostra as funções f (x) e y=x no mesmo gráco. Como podemos ver na
gura acima, a reta intersecta a parábola duas vezes, então, existem dois pontos xos.
chute inicial x0 encontramos o novo valor x1 = f (x0 ). Tendo x1 , iteramos f (x) nova-
x1 = f (x0 )
x2 = f (x1 )
x3 = f (x2 )
.
21
xn+1 = f (xn )
logística, teremos o mapa logístico. Se o chute inicial for bom o bastante, o método con-
vergirá. Isso signica que a cada iteração estamos mais próximo da solução desejada (ou
seja, o ponto xo). Podemos escolher uma condição de parada do método, por exemplo,
podemos usar um número pré-denido de iterações ou um erro relativo. Isso fará com que
contraste, quando vemos que a cada iteração o valor da variável x está se distanciando de
x∗ , dizemos que o método está divergindo.
Uma outra forma fácil de visualizar o que está sendo feito é desenhando graca-
De acordo com esta gura, com a = 2.5, vemos que a medida que iteramos a função a
partir do chute inicial x0 = 0.09, o método converge para x = 0.6. Então, o ponto xo,
nesse caso, é x∗ = 0.6. Um fato interessante, a respeito desse ponto, é que se modicarmos
o chute inicial x0 = 0.09 dentro do intervalo (0, 1), as órbitas continuarão tendendo à
22
forma da função e em seus pontos xos. Já sabemos que para valores de a no intervalo
[0, 4] e xn no intervalo [0, 1], teremos um mapeamento dentro do próprio intervalo [0, 1].
É fácil ver que para a = 0, f (x) = 0, independente do chute inicial x0 .
A gura acima foi obtida com um chute de x0 = 0.95 e tem como ponto xo x∗ = 0.
Portanto, com a = 0.75, as órbitas tendem para x∗ = 0 . Esse é o chamado ponto xo
ponto xo x∗ = 0 quando 0 < a < 1. Vamos estudar o mapa logístico para valores de a
maiores do que 1. Agora, com a = 1.2 e x0 = 0.8, obtemos x∗ = 0.1667. Podemos notar
que o comportamento do sistema mudou, e essa mudança está relacionada com o valor de
a. Isso porque, ao fazer a > 1, obtemos um novo ponto xo que é diferente do ponto xo
ponto além da origem. O valor do parâmetro a para que essa mudança aconteça é a = 1.
Figura 7: a = 1 e x0 = 0.8.
analisarmos a função f, vemos que mesmo para valores de a > 1, o sistema permanecerá
muito próximo do ponto xo trivial x∗ = 0, leva a pontos afastados da origem. Nesse caso,
o sistema teve seu comportamento modicado em relação ao ponto xo trivial. Portanto,
as órbitas do sistema f = f (x), para a > 1, serão atraídas para o ponto de intersecção da
O ponto xo está mudando à medida que variamos o valor de a. Existe uma forma de
analisar o comportamento do ponto xo em função de a. Sabemos que a função f é dada
por
x∗ = ax∗ (1 − x∗ ) (2.10)
1
x∗ = 0, x∗ = 1 − (2.11)
a
Fazendo a análise desses dois pontos, vemos que a primeira raiz tende para x∗ = 0
quando a ≤ 1, e se distancia quando a > 1, como foi visto nas guras acima. Enquanto
a segunda raiz está fora do intervalo [0, 1] para a < 1. Se a = 1, ambas raizes são iguais.
com que o ponto xo se comporte como no caso a = 1. Para valores de a > 3, o sistema
apresenta outro tipo de comportamento que será discutido mais adiante neste capítulo.
Vamos tentar reproduzir o que foi dito anteriormente nas três guras seguintes.
funções só tocam a reta em um único ponto além do ponto xo trivial. Isso por que as
observada na gura 9.
Figura 9: f e f 2 para a = 3.
suas órbitas alternadas entre dois valores. Agora temos um ciclo atrator de período
2. Um ciclo atrator de período m signica que após determinado tempo t, as órbitas do
26
mapa se alternarão entre m valores. Por exemplo, se tivermos um ciclo de período 2, te-
remos duas órbitas que se repetirão após um certo número de iterações. Se o sistema está
em ciclo período 4, quatro órbitas se repetirão, e assim por diante para maiores ciclos.
A gura 11, com a = 3.4, mostra claramente que temos 2 pontos que formam um ciclo
2 para a função f. Isso signica que a medida que iteramos o mapa logístico, as órbitas
desse mapa se alternarão entre x∗1 e x∗2 , onde x∗1 e x∗2 são os valores do ciclo 2.
Se iterarmos f 2, como mostra a gura 10, com a = 3.1, veremos que o ciclo atrator
de período 2 terá os pontos x∗1 e x∗2 iguais a dois dos pontos xos de f 2 . Utilizamos aqui a
mesma ideia que usamos para encontrar os pontos xos gracamente para a função f. O
antigo ponto xo (1 − a1 ) da função f também é um ponto xo para f 2, mas ele não atrai
∗
as órbitas como x1 e x∗2 . Esse ponto empurra as órbitas em direção aos pontos xos x∗1
e x∗2 de f 2.
Como exemplo, vamos usar o método do ponto xo para checar o comportamento do
sistema. Uma vez que sabemos que a posição do ponto xo é dada pela equação
1
x∗ = 1 − (2.12)
a
nam entre dois valores, x∗ = 0.4520 e x∗ = 0.8422, como é mostrado na gura 11.
Esses são os novos pontos xos para f 2 , como mencionado anteriormente. Além disso,
esses dois valores fazem parte do ciclo 2 da função f. Um outro fato interessante é que
que utilizamos para encontrar os pontos xos de f. Os pontos xos de f2 serão encontra-
x∗ = f 2 (x∗ ) (2.15)
onde
28
Essa é uma equação do quarto grau em x e, portanto, possui 4 raizes ou ponto xos.
Ora, já havíamos deduzido gracamente que o sistema possuía 4 pontos xos. Pode-se
observar que dois deles são os mesmos que tínhamos para f (x), e os outros dois são novos
pontos xos.
período, e irão acontecer novamente para alguns outros valores de a, devemos destinar
2n , isso por que acima de a=3 existem mais ciclos de períodos maiores. Primeiramente,
assim geramos pontos que atraem ou repelem órbitas. Esses são chamados de pontos xos
estáveis e instáveis. Dessa forma, se x∗ é um ponto xo de f, esse ponto também será um
xn = x∗ + n (2.17)
Portanto,
n+1
= f 0 (x∗ ) (2.20)
n
Este resultado diz que para |f 0 (x∗ )| > 1 teremos |n+1 | > |n |, |n+1 | aumenta cada vez
mais à medida que n aumenta. Já se |f 0 (x∗ )| < 1 teremos |n+1 | < |n |, |n+1 | diminui cada
29
vez mais à medida que n aumenta. Portanto, um ponto xo será estável se |f 0 (x∗ )| < 1.
Assim, olhemos para a função f e sua derivada f 0, onde a derivada de f é dada por
f 0 (0) = a (2.22)
Portanto, |f 0 (x∗ )| < 1, e o comportamento das órbitas tende para x∗ = 0 para valores
de x0 entre (0, 1), como foi visto nas guras 4 e 5, com a = 0.2 e a = 0.75, respectivamente.
Para 1 < a < 3, temos dois pontos xos para o mapa logístico. No entanto, é fácil
notar que usando o ponto xo x∗ = 0, obtemos f 0 (0) = a > 1. Agora, aplicando x∗ = 1− a1
na derivada de f, vemos que
1
f 0 (1 − ) = 2 − a (2.23)
a
De modo que |f 0 (x∗ )| < 1, para aqueles valores de a mencionados acima. Podemos
∗
vericar que a solução diverge de x =0 e converge para x∗ = 1 − 1
a
nas guras 2, 6 e 8,
as quais possuem 1 < a < 3.
|f 0 (x∗ )| > 1. Mas o que acontece quando |f 0 (x∗ )| = 1 para algum parâmetro a ? Em
(FEIGENBAUM, 1983), o autor mostra que à medida que variamos o parâmetro e nos
dois novos pontos xos de f2 são estáveis. Podemos vericar o que foi dito a partir das
Portanto, podemos armar que um novo ciclo é criado quando |f 0 (x∗ )| = 1. A mesma
ideia de estabilidade de pontos xos, apresentada para f, pode ser aplicada para os pon-
tos xos de f 2 , f 4 ,..., f n , onde encontramos os pontos xos da n−ésima função iterada
e checamos a estabilidade daqueles pontos. Uma outra forma de analisar um sistema di-
3 Bifurcações e Diagramas de
Órbitas
sional podemos notar certa trivialidade, pois a função logística apenas depende de uma
variável. No entanto, também temos uma dependência no parâmetro a o qual pode le-
var a uma mudança no comportamento do sistema, como já foi visto. Então, a estrutura
xos podem ser criados ou destruídos, ou ter sua estabilidade mudada. Essas mudanças
transições e instabilidades quando algum parâmetro de transição é variado. Isso nos per-
dere o desvio de uma viga ao equilibrarmos uma caixa de massa m sobre um dos extremos
da viga. Se a massa for muito leve, ela será facilmente equilibrada pela viga e continuará
estável na posição vertical. No entanto, se a massa m for maior do que a capacidade que
pode ser suportada pela viga, a posição vertical se tornará instável, e a viga pode se en-
meiro tipo de bifucação é um mecanismo básico no qual pontos xos são criados e des-
truídos. Na medida que o parâmetro é variado, os dois pontos xos se movem na mesma
32
encontrado em sistemas que possuem um ponto xo para todos os valores do parâmetro e
nunca pode ser destruído. Por exemplo, na função logística e em outros modelos simples
de crescimento de uma única espécie, existe um ponto xo para o ponto inicial onde a
xo pode mudar sua estabilidade a medida que variamos o parâmetro a. A bifurcação
exemplo, problemas que possuem simetria espacial entre a direita e a esquerda. Nestes
exemplo da viga representado pela gura 12, a viga é estável para pequenos valores de
massa m. Dessa forma, existe um ponto xo estável na posição de encurvamento zero.
Mas se a massa m excede o limite que a viga suporta, a viga pode então se encurvar em
relação à posição vertical. Agora, a posição vertical não é mais estável, e dois pontos-xos
simétricos foram criados. Na perspectiva da gura 12, a viga poderia se encurvar tanto
Vamos continuar trabalhando com o mapa logístico, mas agora traremos uma repre-
anterior, tínhamos uma função f = f (x) que estava limitada entre [0, 1], com os valores
ferramentas práticas para observar o que acontece em uma dinâmica. Basicamente, vamos
33
algumas iterações iniciais, o que representa um ponto atrator, ciclo ou atrator estranho
(GERSHENSON, 2003).
rar diagramas de órbitas. Primeiramente, escolha um valor de a. Gerando uma órbita que
começa de um chute inicial aleatório x0 , itere por 300 ciclos ou mais, para permitir que
o sistema se estabilize para o seu eventual comportamento. Uma vez que o período tran-
siente do sistema decaiu, gere gracamente os pontos x301 , ..., x600 para aquele a. Assim,
bifurcação é atingido. Para valores de a no intervalo (1, 3), o ponto atrator será dado por
1
1− a
, como foi mostrado pelo método do ponto xo. Durante a apresentação do método
ponto xo, foi mostrado que para alguns valores maiores que a=3 o sistema entrava em
um ciclo de período 2, e que continuando com a variação o sistema duplica seu período
para 4, 8, 16, 32, 64, .... Isso acontece porque a = 3 é um outro ponto de bifurcação. Vamos
checar esta gura mais de perto, próximo de a = 3.
Na gura 14, notamos que a medida que um ponto de bifurcação é atingido, a próxima
34
bifurcação se torna mais próxima da anterior. Vamos denir a1 , a2 , ..., an , como sendo os
valores do parâmetro para os quais bifurcações ocorrem. Por exemplo, o primeiro ponto
período 2, como indicado pelos dois ramos representados na gura 14. A medida que a
aumenta, os dois ramos se dividem simultaneamente, resultando em um ciclo de período
4. Esta divisão é uma bifurcação que representa a duplicação do período. A medida que a
aumenta mais, mais divisões acontecem duplicando o período para 8, 16, 32... . De acordo
com (STROGATZ, 1994) este processo se mantém até que a = a∞ ≈ 3.57, e o mapa começa
a apresentar comportamento caótico e o atrator muda de um conjunto nito de pontos
para um innito conjunto de pontos. A gura 15 mostra que as órbitas do sistema não
tendem para um único ponto xo, mas cam oscilando e tendem a ocupar todo o intervalo
ordem e caos, com janelas periódicas intercaladas entre núvens caóticas de pontos. A
janela começa próximo de a≤3.83 que contém um ciclo estável de período 3 (STROGATZ,
1994). Estas janelas periódicas duplicam seus períodos para 6, 12, 24, ... e chegando, as-
sim, a uma região caótica novamente. Esse é um resultado surpreendente, mas ainda
melhor, podemos dizer que existem mais outras janelas de períodos diferentes, emergindo
de pontos de acumulação. Na verdade, pode ser provado que neste diagrama de bifurcação
Para um estudo mais aprofundado sobre os tópicos discutidos neste capítulo, sugere-se
4 Caos
Apesar de um dado sistema ser determinístico e por causa dele ser não-linear, podemos
ter soluções que divergem entre si para diferentes condições iniciais. Essas divergências po-
dem não ser aparentes para pequenos intervalos de tempo, mas para pequenas diferenças
entista meteorológico Edward Norton Lorenz e divulgado em (LORENZ, 1963). Ele traba-
lhava em modelos para a previsão do tempo e com programas que eram baseados em 12
variáveis, que representavam, por exemplo: pressão, temperatura, velocidade do vento e
etc. Essas variáveis podem ser representadas em grácos em função da variável temporal.
Lorenz notou que arredondando uma condição inicial de seu sistema de 0.506127 para
levou Lorenz a ter uma ideia a respeito de como a natureza evolui no tempo: pequenas
mudanças podem ter grandes consequências à longo prazo. Essa conclusão é hoje conhe-
cida como o efeito borboleta, pois o próprio Lorenz propôs a seguinte questão: Será que
As equações diferenciais que Lorenz utilizou para representar o seu sistema foram:
ẋ = σ(y − x)
ẏ = rx − y − xz (4.1)
ż = xy − bz
inteiro a respeito das equações de Lorenz. Inclusive, ele traz a imagem a seguir que é
cruzem. Mas isso é apenas uma projeção de uma trajetória tridimensional em um plano
(STROGATZ, 1994).
Uma outra forma de referir-se ao efeito borboleta é dizer que o sistema tem uma
sensível dependência nas suas condições iniciais. Estes são sistemas que levam ao caos de-
terminístico e uma conclusão importante é que prever o futuro pode ser quase impossível
para longos períodos de tempo. Infelizmente, o trabalho de Lorenz levou mais de uma
década para ser bem divulgado em meios cientícos que não tratavam de meteorologia.
No entanto, durante as décadas de 1970 e 1980, sua descoberta foi reconhecida como o
geologia e biologia.
Na década 1980, vários cientistas já haviam notado que o trabalho de Lorenz levou
desenvolvidas por Sir Isaac Newton e publicadas em 1687 sugerem que sistemas mecânicos
são previsíveis. Ou seja, a incerteza ou o imprevisível não pode ser considerado dentro da
Mecânica Newtoniana. Todos os eventos são determinados pelas condições iniciais. Mas,
em seu trabalho, Lorenz utilizou seu sistema simplicado com três equações determinís-
38
ticas (mostradas acima) para demonstrar que pequenas mudanças na precisão de suas
pensar a respeito deste novo conceito, podemos ver o quão chocante ele foi para a comu-
de massa m e condições iniciais podemos dizer onde uma partícula estará depois de um
tempo t. Agora, vemos que equações determinísticas não-lineares podem trazer previsões
para pequenos períodos de tempo, mas não podemos garantir o mesmo para longos pe-
tamento caótico. Este mapa é uma abordagem reduzida do estudo da dinâmica do sistema
p
−(1 − b) ± (1 − b)2 + 4a
x0 = (4.3)
2a
O mapa de Hénon possui um atrator estranho para (a, b) = (1.4, 0.3) e é representado
na gura 17. Um estudo do mapa de Hénon é feito em (WEN, 2014) com uma interpretação
para este fenômeno. De acordo com (STROGATZ, 1994), caos é um comportamento ape-
existem trajetórias que não se estabilizam para pontos xos, órbitas periódicas, ou órbitas
Analisando o diagrama de órbitas apresentado pela gura 18, notamos que acima de
uma taxa de crescimento a = 3.6 bifurcações acontecem mais rapidamente à medida que
variamos a. Essas bifurcações acontecem até que o sistema seja capaz de, eventualmente,
assumir qualquer órbita no intervalo [0, 1]. Isso é conhecido como o caminho de dupli-
cagem de período para o caos. À medida que variamos a, as órbitas do mapa logístico
variam entre 2, 4, 8, 16, ..., 2n valores. Quando chegamos à a = 3.9, o sistema tem tantas
bifurcações que até parece que as órbitas oscilam aleatoriamente entre todos os valores
da população. Apesar de parecer uma oscilação aleatória, ela não é. Este sistema segue
simples regras determinísticas que parecem ser aleatórias, mas não são. Este é o caos
Podemos observar na gura 19, com a em torno de 3.83, que o sistema está em uma
dinâmica caótica, e então entra em um regime ordenado, oscilando apenas entre três ór-
bitas. Mas rapidamente, bifurca mais uma vez, e entra no regime caótico para valores
do parâmetro acima de 3.86. Nessa mesma gura, pode-se notar que as bifurcações em
torno de a = 3.85 apresentam a mesma estrutura da gura 18, ou mesmo da gura 14.
Ampliando essa gura em torno da bifurcação central, obtemos a gura 20. Vemos que
essa gura tem a mesma estrutura que foi produzida no diagrama de órbitas da gura
No capítulo 3, foi mencionado que a região onde o regime caótico se inicia é aquela
que o sistema cobre todo o intervalo [0, 1]. Também foi dito que sistemas caóticos possuem
um atrator estranho . O sistema passa a oscilar em torno desse atrator estranho e nunca
se repete, ou seja, órbitas não se cruzam no regime caótico ou tem um comportamento
são auto-similares, o que signica que eles possuem a mesma estrutura em todas as esca-
las. À medida que ampliamos uma estrutura fractal, encontraremos cópias da estrutura
original. Podemos observar, na gura 20, as mesmas formas de bifurcações, o caos, e ciclos
que vimos no primeiro diagrama de órbitas que possui todo o intervalo para parâmetro a.
partir de trabalhos do matemático Henri Poincaré. Sir Isaac Newton resolveu o problema
pos celestes levou a análise do problema de três corpos de uma visão quantitativa para
uma visão qualitativa. Sua abordagem geométrica foi tão poderosa que atualmente pode-
diferentes da mecânica gravitacional (PINTO, 2007). Então, uma outra forma de visualisar
42
direita mostra que para a = 3.55, temos o sistema orbitando em torno de oito pontos xos
atratores, este é um ciclo de período 8. Na gura 22, com valores maiores de a, pode-se
observar o caminho para o caos e a forma geométrica que os grácos de Poincaré possuem.
quanto que o gráco da direita representa vários paramêtros no intervalo [3.6, 4]. Esse
determinados a partir dessas formas, pois o sistema, de alguma forma, está contido nestas
parábolas. Mas as órbitas nunca tendem para um único ponto xo, ou até mesmo uma
oscilação estacionária como foi o caso dos grácos de Poincaré da gura 22. Elas apenas
passam a ocupar diferentes valores no intervalo [0, 1], sem nunca repetir valores dentro
desse intervalo.
iniciais. Isso signica que duas trajetórias do mapa de Lorenz que começam muito próxi-
mas uma da outra (ou seja, condições iniciais muito próximas) vão se afastar rapidamente,
o sistema decai no seu estado transiente, então a trajetória está no atrator. Suponha x(t)
é um ponto no atrator no tempo t, e considere um ponto próximo x(t) + δ(t), onde δ é
1 δn
λ≈ ln | | (4.5)
n δ0
o que leva à
1 f n (x0 + δ0 ) − f n (x0 )
λ≈ ln| | (4.6)
n δ0
portanto,
1
λ≈ ln|(f n )0 (x0 )| (4.7)
n
cadeia:
n−1
Y
(f n )0 (x0 ) = f 0 (xi ) (4.8)
i=0
Desde que
n−1 n−1
1 Y
0 1X
λ ≈ ln| f (xi )| = ln|(f n )0 (xi )| (4.9)
n i=0
n i=0
n−1
1X
λ = lim { ln|(f n )0 (xi )|} (4.10)
n→∞ n
i=0
possuem auto similaridade, ou seja, à medida que ampliamos a imagem em uma região
a dinâmica ca restrita a uma forma geométrica (uma parábola no caso do mapa logís-
tico). Enquanto que para valores nitos e positivos do expoentes de Lyapunov, estamos
na dinâmica caótica.
46
5 Considerações nais
passando por seu contexto histórico e a sua formulação matemática necessária para o seu
estudo como: o método do ponto xo, bifurcações e diagramas de órbitas, fractais, grá-
cos de Poincaré e expoentes de Liapunov. Dessa forma, uma simples abordagem sobre
caos determinístico para alunos de graduação foi apresentada a partir do mapa logístico.
Acredita-se que o estudo de caos em cursos de graduação se é necessário, devido a sua sim-
escrevendo um texto para alunos do Ensino Médio, uma vez que o ferramental necessário
não é tão avançado como para outros tópicos do conhecimento cientíco. Novos conceitos
como programação de computadores podem ser apresentados para alunos do Ensino Médio
Referências
BOEING, G. Chaos Theory and the Logistic Map. 2015. Disponível em:
<http://geoboeing.com/2015/03/chaos-theory-logistic-map/>. Acesso em: 19
abr. 2016.
DIZIKES, P. When the Buttery Eect Took Flight. 2011. Disponível em:
<https://www.technologyreview.com/s/422809/when-the-buttery-eect-took-ight/>.
Acesso em: 08 jun. 2016.
WEN, H. A review of the Hénon map and its physical interpretations. 2014. Disponível
em: <http://chaosbook.org/projects/Wen14.pdf>. Acesso em: 01 abr. 2016.