MCPF2023 24 Capitulo5

Capítulo 5
COMPORTAMENTO DOS
SISTEMAS NÃO LINEARES
E CAÓTICOS
@AC-ADC/DEI/FCTUC/LEB/MCPF/DSBF/2023-24/Cap5 223
Pontos singulares (singularidades) de sistemas lineares

Todas as curvas de fase deste capítulo foram traçadas com o pplane.jar disponível em https://www.cs.unm.edu/~joel/dfield
x '=- 2x +u u=0
y '=- 3y +u x '=v k=3 m= 1 x '=A x +By +u A =2 B=2 C=- 2
v ' = - (k x + d v)/m d=1 y ' =Cx +Dy +u D= - 3 u=0
6
1
1
0.5
0.5
0
y
0
v
0
y
-0.5 -2
-0.5
-4
-1 -1
-1 -0.5 0 0.5 1 -1 -0.5 0 0.5 1 -6

x x -6 -4 -2 0 2 4 6
x
Nó estável (poço-sink, attractor): Foco estável (poço-sink, atractor) Pont sela

Ponto sela
2 val. Próp. (vp) reais negativos 2 vp complexos conjugados 1 vp real positivo +

com parte real negativa 1 vp real negativo
x '=y u=0 x '=y u=0
x '=2x +u u=0
y '=-3x +y +u y '=- 3x +u
y '=3y +u
1 1
1
0.5 0.5
0.5
0 0
y
0
y
-0.5 -0.5
-0.5
-1 -1
-1
-1 -0.5 0 0.5 1 -1 -0.5 0 0.5 1
x x
-1 -0.5 0 0.5 1
x
Nó instável (fonte-source, repelling) Foco instável (fonte-source, repelling): Um centro
2 vp reais positivos 2 vp complexos conjugados 2 vp imaginários conjugados

com parte real positiva
1
Modelo de Lotka-Volterra
presa ' = (a - b predador) presa a = 0.4 b = 0.01
predador ' = (p presa - c) predador c = 0.3 p = 0.005
80
70
60
50
predador
40
30
20
10
0 20 40 60 80 100 120
presa
suporte, sem
atrito, B=0
torsão, nula L, comprimento

K=0 Pêndulo

rígido sem
posição angular m,
massa total atrito
m.g.L.sen
m.g
 ' = D=0
 ' = - sin() - D  D representa o atrito, D=0
1

-1
-2
-3
-4
-10 -8 -6 -4
- -2 0

2
 4 6 8 10
2
• Exemplo com 4
x1  (x 1 -1) 2  u y  x2
singularidades
•
x 2  (x2 - 2) 2  u
x ' = (x - 1)2 - u u = 1
y ' = (y - 2)2 - u
2
y
-1
-2 -1 0 1 2 3 4
x
Estável ou instável ?
x ' = (x - 1)2 - u u = 1
y ' = (y - 2)2 - u
2
y
-1
-2 -1 0 1 2 3 4
x
Estabilidade local
3
Incerteza nas condições iniciais …
x ' = (x - 1) 2 - u u=1
y ' = (y - 2) 2 - u
3.0001
3.0001
3.0001
3
y
2.9999
2.9999
2.9999
-2 -1.8 -1.6 -1.4 -1.2 -1 -0.8 -0.6 -0.4 -0.2 0

x
… impossível predizer o comportamento futuro

Edward Norton Lorenz em 1992 :
“Predictability: Does the Flap of a

Butterfly’s Wings in Brazil set off a
Tornado in Texas ?”
Caos !!!!...
4
Oscilador de van der Pol : modelizar a atividade
oscilatória do coração humano
dx 2 2 dx
2
 c (1  x ) x0 c>0
dt dt
Sem excitação externa: Com excitação externa:
= − + = − +
3 3
1
=− =− ( − (2 ))
Sem excitação externa dx  x3 

 c y   x
dt  3 
0 dy x
 [xs , ys ]  [0, 0]
dt c
0
um ciclo limite estável (limit-cycle)
2.5
fn=1/T=0,11 Hertz.
2
1.5
0.5
x
-0.5
-1
-1.5
-2
-2.5
0 5 10 15 20 25 30 35 40 45 50
t
5
Com excitação externa
excitação f=0,13 Hz resposta f  0,13 Hz
2.5
1.5
0.5
x
0
-0.5
-1
-1.5
-2
-2.5
0 5 10 15 20 25 30 35 40 45 50
t
excitação f=0,09 Hz resposta f  0,09 Hz

2.5
1.5
0.5
x
-0.5
-1
-1.5
-2
-2.5
0 5 10 15 20 25 30 35 40 45 50
t
… princípio do pacemaker
Sistemas oscilatórios não lineares
• se excitarmos o sistema com uma frequência muito afastada da sua

frequência natural, o comportamento obtido resulta em geral num
sinal aperiódico.
• se a frequência de excitação se aproxima da frequência natural, o

oscilador “adota” a frequência de excitação.
• Esta propriedade é muito importante na prática: ela está na base dos

pacemakers cardíacos.
• Também se verifica em :
- adaptação dos ritmos biológicos ao ciclo dia-noite,
- acoplamento entre a respiração e a pressão sanguínea,
- sincronização dos geradores fisiológicos de padrões centrais
durante a caminhada e a corrida.
• Outros fenómenos fisiológicos podem ser modelizados com recurso a

osciladores não lineares. Por exemplo o oscilador de Poincaré é
apropriado para simular as arritmias cardíacas.
6
Bifurcações e caos
Uma espécie biológica com efeito limitante:
xk 1  Axk (1  xk )  A( xk  xk2 ), x  [0,1]
A=2,8
A=3
1
1
0.9
0.9
0.8 A=2,8 A=3

0.8
0.7
Populaçao
0.7
Populaçao
0.6 0.6
0.5 0.5
0.4 0.4
0.3 0.3
0 2 4 6 8 10 12 14 16 18 20 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
Geraçao Geraçao
k k
A=3,5
A=3,3 1
1
0.9
A=3,3 0.9 A=3,5
0.8
0.8
0.7
Populaçao
0.7
Populaçao
0.6
0.6
0.5
0.5
0.4
0.4
Período 2 Período 4
0.3
0.3 0 2 4 6 8 10 12 14 16 18 20
0 2 4 6 8 10 12 14 16 18 20 Geraçao
Geraçao
A=3,55 A=3,6
1 1
0.9
A=3,55 0.9 A=3,6
0.8 0.8
0.7 0.7
Populaçao
Populaçao
0.6 0.6
0.5 0.5
0.4 0.4
Período 8 Caos !!!
0.3
0 2 4 6 8 10 12 14 16 18 20 0.3
0 2 4 6 8 10 12 14 16 18 20
Geraçao
Geraçao
7
A
Bifurcações
ampliando
ampliando
8
O delta de Feigenbaum
An  An 1
n 
An 1  An
lim  n  4, 66920161...
n 
Exemplos de sistemas fisiológicos com comportamento

caótico
Regulação da densidade de neutrófilos no sangue
Variabilidade cardiovascular
9
Conclusão
• Os sistemas não lineares permitem exprimir características

importantes dos processos fisiológicos.
• O plano de fase (sistemas de 2ª ordem) permite analisar a

estabilidade de cada ponto singular.
• Uma bifurcação é um ponto (no espaço dos parâmetros ) em que

o período de oscilação duplica.
• O comportamento caótico (caracterizado por ser aperiódico)

está associado a sucessivas bifurcações, que definem o caminho
para o caos produzido por variações de parâmetros do sistema.
• O número de Feigenbaum, considerado uma constante universal,

permite encontrar as bifurcações.
Tudo o que estudámos é fundamental para modelizar

processos fisiológicos:
• Analogias e sistemas análogos

• Obtenção das equações diferenciais
• Função de transferência
• Espaço de estados
• Curvas de fase
• Sistemas não lineares e comportamento caótico
• Implementação em MATLAB/Simulink
10
Bibliografia
Khoo, Michael C . K., Physiological Control Systems, Analysis, Simulation and Estimation,
2nd Ed., IEEE Press Series in Biomedical Engineering, Wiley 2018, (1st Ed. 2000) (o livro
indica como se pode descarregar a coleção de exemplos MATLAB+Simulink).
Beuter, A., L. Glass, M.C. Mackey and M. S. Titcombe, Nonlinear Dynamics in Physiology
and Medicine, Springer Verlag New York, 2003.
Hilborn, R. C., Chaos and Nonlinear Dynamics, Oxford University Press, 1994.
Peitigen, H.O., H. Jurgens, and D. Saupe, Chaos and Fractals, the New Frontiers of
Science, 2nd Ed. Springer- Verlag New York, 2004.
Ver em https://books.google.com/books?id=jVpS_u0Lg4gC&dq=isbn:0387202293
https://www.academia.edu/35829626/Chaos_and_Fractals_New_Frontiers_of_Science_Se
cond_Edition
pplane is copyrighted by
John C. Polking, Department of Mathematics, Rice University.
Mais informação em : https://www.cs.unm.edu/~joel/dfield/ [13/10/2023]
Versão atualizada para MATLAB:

https://www.mathworks.com/matlabcentral/fileexchange/61636-pplane [13/10/2023]
11

MCPF2023 24 Capitulo5

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

MCPF2023 24 Capitulo5

Enviado por

Direitos autorais:

Formatos disponíveis

Capítulo 5

Pontos singulares (singularidades) de sistemas lineares

-1 -0.5 0 0.5 1 -1 -0.5 0 0.5 1 -6

Nó estável (poço-sink, attractor): Foco estável (poço-sink, atractor) Pont sela

2 val. Próp. (vp) reais negativos 2 vp complexos conjugados 1 vp real positivo +

Nó instável (fonte-source, repelling) Foco instável (fonte-source, repelling): Um centro

2 vp reais positivos 2 vp complexos conjugados 2 vp imaginários conjugados

torsão, nula L, comprimento

-2 -1.8 -1.6 -1.4 -1.2 -1 -0.8 -0.6 -0.4 -0.2 0

… impossível predizer o comportamento futuro

Edward Norton Lorenz em 1992 :

“Predictability: Does the Flap of a

Sem excitação externa dx  x3 

excitação f=0,09 Hz resposta f  0,09 Hz

Sistemas oscilatórios não lineares

• se excitarmos o sistema com uma frequência muito afastada da sua

• se a frequência de excitação se aproxima da frequência natural, o

• Esta propriedade é muito importante na prática: ela está na base dos

• Outros fenómenos fisiológicos podem ser modelizados com recurso a

xk 1  Axk (1  xk )  A( xk  xk2 ), x  [0,1]

0.8 A=2,8 A=3

Exemplos de sistemas fisiológicos com comportamento

Regulação da densidade de neutrófilos no sangue

• Os sistemas não lineares permitem exprimir características

• O plano de fase (sistemas de 2ª ordem) permite analisar a

• Uma bifurcação é um ponto (no espaço dos parâmetros ) em que

• O comportamento caótico (caracterizado por ser aperiódico)

• O número de Feigenbaum, considerado uma constante universal,

Tudo o que estudámos é fundamental para modelizar

• Analogias e sistemas análogos

Versão atualizada para MATLAB:

Você também pode gostar