See

discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/267955828

Caos em sistemas mecnicos

ARTICLE

READS

125

1 AUTHOR:
Marcelo Savi
Federal University of Rio de Janeiro
135 PUBLICATIONS 1,464 CITATIONS
SEE PROFILE

All in-text references underlined in blue are linked to publications on ResearchGate,

letting you access and read them immediately.

Available from: Marcelo Savi

Retrieved on: 19 February 2016

Caos em sistemas mecnicos

M. A. Savi, Instituto Militar de Engenharia, Departamento de Engenharia Mecnica
e de Materiais, 22.290.270 - Rio de Janeiro - RJ
Resumo. Sistemas dinmicos no-lineares so passveis de apresentar respostas
caticas. Modernamente, o caos entendido como o comportamento estocstico
de sistemas determinsticos. Este trabalho apresenta uma reviso sobre as
principais caractersticas do caos em sistemas mecnicos: sensibilidade s
condies iniciais, ferradura de Smale, atrator estranho, conjunto de Cantor,
dimenso fractal e expoentes de Lyapunov. Discute-se tambm a anlise de
sries temporais no-lineares. Apresenta-se uma coleo de resultados
relacionados a sistemas mecnicos inteligentes e a anlise de sries temporais
aplicada a um pndulo experimental. Uma grande variedade de respostas pode
ser observada incluindo o caos e o hipercaos.
1. Introduo
O estudo de modelos lineares criou paradigmas que se enraizaram na tradio
histrica. O determinismo estrito um bom exemplo disto e pode ser bem
representado pelo pensamento de Laplace: Devemos ver o estado presente do
universo como o efeito do seu estado anterior, e como a causa daquele que vir.
Uma inteligncia que, em qualquer instante dado, soubesse todas as foras pela
qual o mundo natural se move e a posio de cada uma de suas partes
componentes, e que tivesse tambm a capacidade de submeter todos estes dados a
anlise matemtica, poderia encompassar na mesma frmula os movimentos dos
maiores objetos do universo e aqueles dos menores tomos; nada seria incerto para
ele, e o futuro, assim como o passado, estaria presente diante de seus olhos.
Euler explicita bem a dificuldade de tratar problemas no-lineares quando fala
sobre o movimento de fluidos: Se no nos permitido penetrar a um conhecimento
completo sobre o movimento dos fluidos, no mecnica e insuficincia dos
princpios conhecidos do movimento que se deve atribuir isto, mas prpria
anlise que aqui nos abandona.
Em fins do sculo XIX, Poincar estudava o problema da dinmica de trs
corpos, concluindo que o acaso deveria se contrapor ao determinismo estrito de
Laplace: Uma causa muito diminuta, que nos escapa, determina um efeito
considervel, que no podemos deixar de ver, e ento dizemos que este efeito
devido ao acaso. Se pudssemos conhecer exatamente as leis da natureza e a
situao do universo no instante inicial, seramos capazes de prever exatamente a

M. A. Savi

situao deste mesmo universo no instante subsequente. Mas mesmo quando as leis
naturais j no tivessem mais segredo para ns, s poderamos conhecer a situao
inicial aproximadamente. Se isto nos permite antecipar a situao subsequente com
o mesmo grau de aproximao, ficamos satisfeitos, dizemos que o fenmeno foi
previsto, que governado por leis. Mas nem sempre isto ocorre; pode acontecer
que diferenas mnimas nas condies iniciais produzam diferenas muito grandes
no fenmeno final; um erro mnimo nas primeiras produziria um erro enorme neste
ltimo. A previso torna-se impossvel e temos o fenmeno do acaso.
Apesar da clara viso de Poincar, foi s em 1963, quando Lorenz desenvolvia
estudos sobre problemas atmosfricos, que se retomou a idia do acaso na anlise de
sistemas dinmicos. Contando com o auxlio de um computador, Lorenz tratava o
modelo de Rayleigh-Bernard para conveco de fluidos, e observou que uma
pequena variao nas condies iniciais poderia acarretar grandes diferenas na
evoluo do sistema. Este fenmeno ficou conhecido como efeito borboleta, como
uma aluso de que se uma borboleta batesse suas asas em algum lugar do planeta,
poderia alterar a resposta de um sistema dinmico do outro lado da Terra. Tratava-se
de um sistema totalmente determinstico cujos resultados poderiam ser aleatrios.
Gleick (1987) coloca que este trabalho trouxe a assustadora compreenso de
que equaes matemticas simples podiam servir de modelo para sistemas to
violentos. Iniciava-se a o moderno estudo do caos, cujas idias bsicas haviam
sido lanadas por Poincar. O caos uma das inmeras possibilidades de
comportamento de um sistema no-linear. a dinmica libertada da previsibilidade.
A idia de que a natureza bem comportada, que domina o senso comum, uma
consequncia da exagerada utilizao de modelos lineares, o que limitou o espectro
de anlise por muitos anos, eliminando uma incrvel variedade de comportamentos.
A cincia moderna tende a atribuir o nome caos ao comportamento estocstico
de sistemas determinsticos (Stewart, 1991). Cabe estabelecer a distino entre
fenmenos aleatrios e caticos. Os fenmenos aleatrios dizem respeito a sistemas
no-determinsticos. Ou seja, o sistema apresenta uma resposta aleatria como uma
consequncia de uma entrada aleatria. Por outro lado, os fenmenos caticos so
determinsticos. Assim, para uma entrada totalmente conhecida e determinada surge
uma resposta aparentemente aleatria.
O presente trabalho tem como objetivo apresentar alguns conceitos bsicos
relacionados ao caos. Inicialmente apresenta-se uma breve reviso histrica de
alguns sistemas dinmicos no-lineares que impulsionaram o estudo do caos. A
seguir, tratam-se algumas caractersticas apresentadas em uma resposta catica,
assim como algumas ferramentas importantes para sua anlise. Para ilustrar o caos,
consideram-se sistemas dinmicos com memria de forma e a anlise de um pndulo
experimental.

Caos em Sistemas Mecnicos

2. Reviso Histrica
Em fins do sculo XIX Poincar se props a estudar a dinmica de um sistema de
trs corpos. Este problema bem mais complexo do que o problema da dinmica de
dois corpos, usualmente considerada na poca. A Figura 1 mostra rbitas de uma
massa gravitando em torno de outros dois corpos, onde observa-se a grande
complexidade da resposta.

Figura 1 rbitas de uma massa gravitando em torno de outros dois corpos

(Stewart, 1991)
Quase um sculo depois, Lorenz (1963) estudava problemas meteorolgicos a
partir do modelo de conveco natural de Rayleigh-Barnard, quando se deparou
com o caos. O estudo contempla duas placas paralelas separadas por um fluido. A
placa superior est a uma temperatura mais baixa que a inferior. Assim, por ao da
temperatura, o fluido da parte inferior tende a subir enquanto o fluido da poro
superior tende a descer por ao da gravidade. Esse comportamento forma uma
recirculao conforme mostrado na parte superior da Figura 2. Contudo, alteraes
em algumas condies do problema podem tornar o padro de resposta bem mais
complexo, conforme mostrado nas partes inferiores da Figura 2.
Desde ento, inmeros pesquisadores passaram a se debruar sobre o caos,
analisando diferentes sistemas dinmicos associados a uma srie de situaes fsicas.
May (1976), por exemplo, tratou um sistema dinmico relacionado com o
crescimento populacional de espcies de insetos. Este trabalho ficou conhecido
como Mapa Logstico e avalia a populao em um ano, Xi+1, a partir do ano anterior,
Xi: X i + 1 = X i ( X i 1) . O parmetro define o tipo de resposta do sistema. Sem
dvida, trata-se de um sistema simples do ponto de vista matemtico e que possui
uma dinmica muito rica.

M. A. Savi

Figura 2 Conveco natural (Van Dyke, 1982)

Com o passar dos anos, inmeras contribuies relevantes foram proporcionadas
por diversos pequisadores. Dentre eles, vale destacar: Fegeibaum, Smale, Shaw,
Duffing, ,van der Pol, Yorke, Grebogi, Ott, Guckenheimer, Holmes, Moon,
Abarbanel, Thompson, Chua.
Em paralelo ao estudo da dinmica de sistemas, Mandelbrot (1982) estabeleceu a
existncia da geometria da natureza em contraste com a geometria clssica que
fornece uma primeira aproximao das estruturas dos objetos fsicos. Assim, a
geometria fractal pode ser considerada como um extenso da geometria clssica.
Fractais tem sido observados na natureza em diferentes situaes variando desde
formas geomtricas s cincias fsicas. Basicamente, possvel caracterizar fractais
em dois grupos distintos: objetos slidos e atratores estranhos. O primeiro tipo,
corresponde aos objetos fsicos que existem no espao fsico ordinrio. Por outro
lado, o segundo tipo considera objetos conceituais que existem no espao de estado
de sistemas dinmicos caticos (Theiler, 1990). A Figura 3 mostra algumas
representaes de sistemas naturais a partir da geometria fractal.

Figura 3 Geometria fractal (Barnsley, 1988).

Em seu recente livro, Lorenz (1996) afirma que o pimball est para o caos assim
como o dado est para a probabilidade. Diferenas mnimas nas condies iniciais
do lanamento da bola, podem acarretar diferenas muito grandes depois de um
certo tempo, inviabilizando certas jogadas. De maneira anloga, uma pequena
variao no impulso de um esquiador no incio de uma pista pode acarretar grandes

Caos em Sistemas Mecnicos

diferenas em um determinado ponto da pista. A Figura 4 mostra um esquema de

um pimball e de uma pista de esqui, mostrando trajetrias para diferentes condies
iniciais.

Figura 4 Sensibilidade s condies iniciais (Lorenz, 1996).

(a) Pimball. (b) Pista de esqui.
Atualmente, muitas reas do conhecimento tm se deparado com o caos, dentre
as quais vale destacar a engenharia (Piccoli & Weber, 1998; Moon, 1998; Mees &
Sparrow, 1987), a medicina (Goldberger et al., 1990), a ecologia (Schaffer, 1985), a
biologia (Hassel et al., 1991) e a economia (Aguirre & Aguirre, 1997; Peel &
Speight, 1994). A resposta catica tambm tem sido associada a padres de
inteligncia ou de criatividade. Isto tem motivado estudos que reavaliem as
concepes tradicionais, utilizando mtodos analticos, numricos e experimentais
alternativos. Briggs & Peat (2000) afirmam que o caos revela que, em vez de
resistir s incertezas da vida devemos aproveit-las.

3. Comportamento Catico
Um sistema dinmico pode ser expresso na forma contnua, ou de um mapa,
discreto no tempo:
x& = f ( x ), x R n .

(1a)

X i +1 = F ( X i ), X R .
n

(1b)

Isto significa que um campo vetorial, x, est sendo submetido a uma transformao
imposta por f. O espao das variveis dependentes do sistema, x, definido como o
espao de fase (Wiggins, 1990). Um ponto de equilbrio ou ponto fixo desse sistema
dinmico definido como sendo o ponto em que o sistema pode permanecer
estacionrio, ou seja, um ponto onde a soluo no varia com o tempo. Assim, se

M. A. Savi

x R n for um ponto de equilbrio do sistema dinmico, ento f ( x ) = 0 . De

maneira anloga diz-se que, para um mapa, X R n um ponto de equilbrio se
X = F (X ) (Guckenheimer & Holmes, 1983).
A estabilidade do sistema pode ser avaliada de diversas maneiras. Na vizinhana
do ponto de equilbrio, pode-se lanar mo de uma linearizao do sistema a partir
de uma mudana de coordenada do tipo = x x . Com isso, o sistema linearizado
possui uma forma: & = Df , onde Df a Jacobiana do sistema. Uma anlise de
seus autovalores proporcionam uma imagem sobre a dinmica do sistema nas
vizinhanas do ponto de equilbrio. A Tabela 1 mostra tipos de pontos de equilbrio
em um contexto bidimensional.
Tabela 1 Tipo de pontos de equilbrio.
y

Poo

Fonte
y

Sela
y

Centro
y

Espiral Estvel

Espiral Instvel

3.1. Ferradura de Smale

Na medida que o tempo evolui, f impe transformaes ao campo vetorial x. Uma
anlise qualitativa do sistema dinmico permite entender o comportamento global
do sistema. A base para esta anlise a topologia, que pode ser entendida como a

Caos em Sistemas Mecnicos

cincia que trata as transformaes contnuas e as propriedades geomtricas de

alguns objetos sob a ao de transformaes (Singer & Thorpe, 1967).
Considere ento, um quadrado unitrio, Q, submetido ao da funo f que o
transforma de tal forma que contrai em uma direo enquanto o expande em outra,
deformando Q de modo que ele se mantenha no espao original. Assim, f transforma
Q, conforme mostra a Figura 5. De maneira anloga, pode-se pensar em uma
transformao inversa, de tal forma que a contrao e a expanso de Q seriam
tomadas de forma diferente, conforme mostra a Figura 6.

V11

H1

f
V0

V10

V1

...

H0
1

V01

V00

Figura 5 - Sequncia de transformaes impostas ao quadrado Q pela funo f.

H 10

H 11

f -1
V0

H1

V1

f -1

-1

...

H0
0

1
H 00

H 01

Figura 6 - Sequncia de transformaes impostas ao quadrado Q pela funo inversa

de f.
No limite, a interseo das transformaes impostas por f (linhas verticais
Figura 5) com aquelas impostas por f 1 (linhas horizontais Figura 6), formam um
conjunto invariante de pontos (Wiggins, 1990; Guckenheimer & Holmes, 1983).
Este conjunto possui a forma de um conjunto de Cantor que fechado e totalmente
desconexo, possuindo uma infinidade incontvel de pontos (Moon, 1992). Estas
transformaes implicam que, a um ponto qualquer de Q, p, pode-se associar uma
vizinhana, , que pode ser infinitamente pequena, e onde pode-se escolher um
outro ponto qualquer, ~
p . Independente do tamanho da vizinhana , existe um
nmero finito de vezes que f atua sobre o sistema de tal forma que os pontos p e ~
p
esto separados de uma distncia finita. Diz-se ento que o sistema possui forte
sensibilidade s condies iniciais (Wiggins, 1990). Esta propriedade caracteriza o
comportamento catico de um sistema dinmico. Trata-se do efeito borboleta,
mencionado por Lorenz, e das causas muito diminutas, enunciadas por Poincar,
para caracterizar a imprevisibilidade dos sistemas com comportamento catico. A
Figura 7 mostra uma ilustrao clara dessa dependncia (Strogatz, 1994).

M. A. Savi

Figura 7 Representao esquemtica da forte dependncia s condies

iniciais associada ferradura de Smale (Strogatz, 1994).
A forma de ferradura, assumida pelo quadrado unitrio aps as transformaes
impostas por f, que identifica o que se chama de ferradura de Smale. A existncia
da ferradura de Smale uma das caractersticas de um sistema dinmico que
experimenta o caos. Assim, sob determinadas condies, a funo f transforma o
sistema de forma que existe, em direes distintas, uma expanso, uma contrao e
uma deformao (ou dobramento). Esta constatao impe que um sistema dinmico
necessita de pelo menos 3 dimenses para exibir um comportamento catico
(Wiggins, 1990; Guckenheimer & Holmes, 1983). Holisticamente, o processo de
formao desta ferradura tem sido visualizada como a transformao do padeiro,
onde associa-se o quadrado unitrio, Q, massa de po que preparada a partir de
movimentos de contrao-expanso-dobramento (Gleick, 1987; Stewart, 1991).
De forma rigorosa, a existncia da ferradura uma condio necessria, mas no
suficiente, para a existncia do caos. A ferradura de Smale define o mecanismo de
formao de uma estrutura fractal, que o conjunto de Cantor (Moon, 1992). A
Figura 8 mostra casos tpicos da obteno desse conjunto. A regra para a construo
do conjunto no contexto unidimensional, por exemplo, dividir indefinidamente o
segmento de reta em trs partes, onde duas permanecem e uma desconsiderada.
Uma regra anloga pode ser proposta no contexto tridimensional.

Figura 8 - Conjuntos de Cantor (Gleick, 1987).

Caos em Sistemas Mecnicos

O conjunto de Cantor possui uma estrutura com auto-similaridade como uma

consequncia de sua lei de formao (Barnsley, 1988). A auto-similaridade implica
que, observando uma ampliao de uma parte do conjunto, constata-se uma
estrutura idntica ao conjunto original. Isto proporciona uma natureza fracionria
para a estrutura do conjunto. No contexto unidimensional, por exemplo, o segmento
de reta original substitudo por um conjunto de pontos que jamais ocupa toda a
dimenso original, mas que por outro lado, no possui dimenso nula. Diz-se que o
conjunto possui uma natureza fractal, como uma aluso ao termo fracionrio.
O estudo do caos e da dinmica no-linear envolve uma srie de ferramentas
prprias. A definio dos invariantes geomtricos fundamental no diagnstico de
uma resposta catica. A seguir, apresentam-se algumas destas ferramentas.

3.2. Seo de Poincar

A seo de Poincar elimina uma dimenso do sistema permitindo que se
transforme um sistema contnuo no tempo em um mapeamento discreto (Thompsom
& Stewart, 1986). Uma maneira de se definir a seo de Poincar observar uma
dada rbita apenas em pontos discretos, estroboscopicamente tomados em uma
superfcie (Figura 9).

Figura 9 Seo de Poincar (Moon, 1992).

3.3. Atrator e Dimenso Fractal

Atrator o conjunto limite para o qual se converge na medida em que o tempo
evolui. Existem atratores de diversas dimenses. Por exemplo, um nico ponto
representa um atrator de dimenso zero, enquanto uma linha, um atrator de
dimenso 1.
Sistemas dinmicos que exibem comportamento catico apresentam trajetrias
no espao de estado que convergem para um atrator estranho. Hausdorff (1919)
forneceu uma definio rigorosa de dimenso fractal, que corresponde a um
propriedade bsica de um atrator. A estranheza de um atrator catico est associado

10

M. A. Savi

com sua dimenso fractal. Diz-se que um conjunto possui natureza fractal, como
uma aluso ao termo fracionrio, caracterizando uma dimenso no inteira. De um
modo geral, pode-se dizer que a dimenso fornece o valor da informao necessria
para especificar a posio de um ponto no atrator com uma certa preciso. A
dimenso tambm, um limite inferior do nmero de variveis essenciais
necessrias para descrever a dinmica do sistema.
Existem muitas maneiras de se quantificar ou definir a dimenso fractal. Farmer
et al. (1983) dividem a dimenso basicamente em dois grupos. Um grupo que
depende somente de propriedades geomtricas, chamado de dimenso fractal ou
dimenso mtrica; e um outro grupo, que depende no s de propriedades
geomtricas, mas de propriedades probabilsticas, chamado de dimenso da medida
natural ou dimenso probabilstica. De fato, existe uma outra categoria definida a
partir das propriedades dinmicas do atrator. Trata-se da dimenso de Lyapunov ou
conjectura de Kaplan-Yorke. As propriedades complexas dos atratores estranhos
tornam a determinao da dimenso do atrator um problema no trivial.
Uma definio geomtrica, intuitiva, para a dimenso D pode ser proposta como
sendo o expoente que expressa a escala ou graduao de um objeto de grandeza
(objects Bulk) com o seu tamanho: objeto de grandeza tamanhoD. Esse objeto de
grandeza pode corresponder a um volume, uma massa, ou mesmo uma medida do
contedo de informao, enquanto que o tamanho uma distncia. Portanto, a
definio de dimenso usualmente proposta como uma equao da seguinte forma,
D=

log( grandeza )
tamanho 0 log(tamanho )
lim

(2)

onde o limite para um tamanho pequeno feito para garantir uma invarincia sobre
uma suave mudana de coordenadas. O mesmo tambm implica que a dimenso seja
uma quantidade local, fazendo com que definies globais para a dimenso
requeiram algum tipo de mdia.
As variaes do objeto de grandeza e do tamanho caracterizam os diferentes
medidores de dimenso. A dimenso de Hausdorff e a de capacidade so exemplos
de dimenses mtricas, enquanto a dimenso pontual (pointwise), de informao e
de correlao so exemplos de dimenses das medidas naturais. Outras definies
podem ser encontradas em Farmer et al. (1983), Mayer-Kress (1985), Paladin &
Valpiani (1987) e Theiler (1990).
A presena da estrutura fractal no sistema dinmico, apesar de no estar
necessariamente associada ao caos, pode estar associada a imprevisibilidade no
sentido de provocar uma forte dependncia das condies iniciais. Isto estaria
associado a fronteira fractal de uma bacia de atrao de um dado ponto de

Caos em Sistemas Mecnicos

11

equilbrio. Um atrator captura todas as rbitas que se iniciem na sua bacia de

atrao. Se a fronteira de dois atratores suave, isto caracteriza duas regies
distintas que so bem definidas. Se por outro lado, a fronteira for fractal, isto
significa que dois pontos indefinidamente prximos podem levar a pontos de
equilbrio distintos, o que torna impossvel prever a evoluo do sistema (Moon,
1992).

3.4. Expoentes de Lyapunov

Os expoentes de Lyapunov avaliam a sensibilidade s condies iniciais, verificando
a divergncia exponencial no tempo de trajetrias vizinhas, e representam um dos
critrios mais importantes utilizados para definir o caos em sistemas dinmicos. O
comportamento catico caracterizado pela existncia de, pelo menos, um dos
expoentes de Lyapunov positivo. Em situaes em que mais de um dos expoentes
positivo, tem-se o que se convencionou chamar de hipercaos. A partir da
determinao desses expoentes, possvel avaliar outros invariantes do sistema o
que mostra a importncia de se calcular precisamente os expoentes de Lyapunov.
Quando o sistema dinmico possui um modelo matemtico estabelecido que
permite a sua linearizao em torno de uma determinada trajetria, os expoentes de
Lyapunov podem ser calculados com preciso a partir do algoritmo proposto por
Wolf et al. (1985). Por outro lado, a determinao desses expoentes a partir de um
sinal experimental bem mais complicada e, basicamente, existem dois mtodos
disponveis: o mtodo das trajetrias ou mtodo direto ou do espao real e o mtodo
das perturbaes ou dos espaos tangentes ou mtodo da matriz Jacobiana.
O mtodo das trajetrias foi inicialmente desenvolvido por Wolf et al. (1985) e a
sua idia bsica est relacionada com a evoluo da distncia, no espao tangente,
de duas trajetrias inicialmente muito prximas. Apesar de possibilitar o clculo de
todos os expoentes de Lyapunov, na realidade, esse mtodo limita-se somente ao
maior expoente ou expoente dominante. Se por um lado isso suficiente para
caracterizar o comportamento catico de um dado sistema, por outro inviabiliza o
clculo dos outros invariantes.
Aproveitando a idia lanada por Wolf et al., dois algoritmos similares foram
desenvolvidos posteriormente por Rosenstein et al. (1993) e por Kantz (1994).
Esses algoritmos consideram que a divergncia entre duas trajetrias em uma
determinada direo oscila ao longo do sinal, fornecendo o espectro dos expoentes
de Lyapunov efetivos. Desta forma, o maior expoente efetivo definido como sendo
o coeficiente angular de uma regio de uma curva associada a direo de maior
instabilidade.
O mtodo das perturbaes, parece ser mais promissor no clculo dos expoentes
de Lyapunov em sries temporais. Como esse mtodo calcula todos os expoentes de

12

M. A. Savi

Lyapunov, permite a determinao dos outros invariantes do sistema. O produto da

Jacobiana ao longo da trajetria pode determinar o espectro de Lyapunov, atravs da
evoluo dos autovalores dessa matriz. Para fazer uso disso, o mapa s(t + 1) = f
[s(t)] necessita, de alguma maneira, ser conhecido mesmo que aproximadamente.
Existem vrias tcnicas para se extrair esse mapa em sries temporais. Sano &
Sawada (1985) e Eckmann et al. (1986), desenvolveram algoritmos similares, nos
quais o sistema analisado considerando uma aproximao das matrizes jacobianas
a partir de um algoritmo de mnimos quadrados. Brown et al. (1991) e Briggs
(1990) modificaram esses algoritmos, introduzindo um polinmio de ordem superior
para definir as matrizes jacobianas, o que acarreta melhores resultados. Kruel et al.
(1993) refinaram o algoritmo de Sano & Sawada (1985) na determinao de uma
das matrizes de covarincia, geradora da matriz Jacobiana, o que fornece melhores
resultados quando o sinal est contaminado com rudo.
Para introduzir a idia geral da determinao dos expoentes de Lyapunov,
considere uma trajetria do sistema dinmico, que evolui a partir de uma condio
inicial. Considere tambm uma vizinhana desta trajetria, que pode ser definida por
uma esfera de dimetro d0. De cada ponto desta esfera, parte uma nova trajetria e o
conjunto de todas as trajetrias possveis forma, em cada tempo t, esferas
deformadas. Deseja-se avaliar como duas trajetrias, suficientemente prximas,
divergem uma da outra na medida que o sistema evolui. Em outras palavras, desejase avaliar como a esfera inicial se comporta na medida que o tempo evolui (Figura
10).
(x2 , t)
di (t)
y

(x1 , t)

d0
t0

y3
t1

y2

Figura 10 - Avaliao dos expoentes de Lyapunov.

A variao do dimetro desta esfera pode ser expressa a partir da seguinte
expresso: d(t) = d0 bt, onde b uma base de referncia. Se o expoente for
negativo ou nulo, as trajetrias no divergem. Se por outro lado, for positivo,
indica que as trajetrias divergem, caracterizando o caos.
Algoritmos prprios devem ser considerados para avaliar os expoentes de
Lyapunov (Wolf et al., 1985; Parker & Chua, 1989). A divergncia de uma
trajetria catica localmente exponencial. Todavia, uma distncia d desta trajetria
no deve ir para infinito uma vez que ela representa um sistema fsico. Desta forma,
para avaliar a mdia desta divergncia das trajetrias, deve-se tomar uma mdia do

Caos em Sistemas Mecnicos

13

crescimento exponencial em vrios pontos sobre a trajetria. Assim, quando a

distncia d(t) torna-se muito grande, define-se um novo d0(t) para reavaliar a
divergncia. Com isso, possvel definir uma mdia capaz de medir a divergncia, e
os expoentes de Lyapunov so definidos da seguinte forma,

1
tn t0

d (t k )
.

0 (t k 1 )

log d
b

k =1

(3)

A partir do espectro de Lyapunov, possvel formular um procedimento que

avalie a dimenso do atrator. Considere o espectro de Lyapunov, ordenado de forma
decrescente. A conjectura de Kaplan-Yorke estabelece que a dimenso de Lyapunov
definida da seguinte forma (Wolf et al., 1983):
j

D= j+

i =1

(4)

j +1

onde j definido a partir das seguintes condies,

j

i =1

i > 0

j +1

< 0
i

(5)

i =1

3.5. Bifurcaes
O termo bifurcao foi usado pela primeira vez por Poincar para expressar uma
diviso das solues de equilbrio. De uma maneira mais geral, entende-se
bifurcao como uma mudana qualitativa na estrutura de uma soluo, como
consequncia da variao dos parmetros do sistema (Wiggins, 1990). O diagrama
de bifurcao apresenta a distribuio estroboscpica da resposta do sistema a partir
de uma variao lenta de um dado parmetro (Thompsom & Stewart, 1986), e
permite que se tenha uma viso global sobre os efeitos da variao deste parmetro
na resposta.

3.6. Sistemas Mecnicos

Muitas reas do conhecimento tm se deparado com o caos. Dentro do contexto das
cincias mecnicas, o desenvolvimento de sistemas e estruturas inteligentes uma
filosofia de projeto que tem ganho importncia nos ltimos anos. De uma maneira
geral, os sistemas inteligentes envolvem no-linearidades constitutivas pois utilizam
atuadores com caractersticas no-lineares. As estruturas inteligentes possuem
diversas aplicaes que vo desde a indstria aeroespacial at a bioengenharia
(Machado, 2002; Rogers, 1995, 1993; Oberaigner et al., 1994; van Humbeeck,
1999; Lagoudas et al., 1999; Duerig et al., 1999). Dentre as inmeras possibilidades

14

M. A. Savi

existentes para os atuadores, as ligas com memria de forma (SMAs) constituem

uma boa alternativa para funcionarem em estruturas inteligentes quando necessitamse grandes foras e deformaes e quando as frequncias so baixas (Savi & Braga,
1993). Os atuadores de SMAs so fceis de fabricar, relativamente leves e capazes
de produzir grandes foras ou deslocamentos com baixo consumo de energia. As
ligas Ni-Ti, Ni-Al, Cu-Zn, Cu-Zn-Al, Cu-Zn-Sn, Cu-Zn-Si, Cu-Zn-Ga, Cu-Al-Ni,
Cu-Au-Zn, Cu-Sn, Au-Cd, Fe-Pt, Mg-Cu, Fe-Mn-Si-Cr-Ni so algumas das
chamadas SMAs (Wayman, 1980).
A anlise da resposta dinmica de sistemas inteligentes envolve sistemas com
mltiplos graus de liberdade ou contnuos. Os sistemas dinmicos no-lineares com
dimenso alta tendem a possuir um comportamento complexo tanto nas
caractersticas temporais quanto espaciais. No passado, a maior parte dos trabalhos
sobre dinmica catica dedicou-se a analisar a evoluo temporal de sistemas com
dimenso baixa. Recentemente, no entanto, tendo em vista o grande nmero de
aplicaes tericas e prticas, o caos espao-temporal tem atrado a ateno de
inmeros pesquisadores (Umberger et al., 1989; Barreto et al., 1997; Lai &
Grebogi, 1999; Shibata, 1998). O forte apelo geomtrico dos conceitos relacionados
com a dinmica catica introduz dificuldades no estudo de sistemas com mltiplos
graus de liberdade ou contnuos.
De uma maneira geral, a anlise do caos em sistemas mecnicos pode ser
pensada a partir de trs grupos: Sistemas discretos, governados por equaes
diferenciais ordinrias e sistemas contnuos, governados por equaes diferenciais
parciais, consituem os dois primeiros. Os sistemas discretos representam uma
aproximao dos sistemas contnuos. Por fim, o terceciro grupo contempla a anlise
de sries temporais, onde se avalia a dinmica do sistema a partir de uma sequncia
escalar de pontos, normalmente obtida a partir de um experimento.
Este trabalho apresenta uma coleo de resultados associados ao caos em
sistemas mecnicos. Sistemas discretos com memria de forma exemplificam a
anlie dos dois primeiros grupos. Com relao ao terceiro grupo, considera-se a
anlise de sries temporais obtidas a partir de um pndulo experimental.

4. Sistemas com Memria de Forma

Os efeitos de memria de forma e pseudoelasticidade so fenmenos termoelsticos,
associados transformao de fase martenstica, presentes nas ligas com memria
de forma (SMAs). As transformaes de fase martensticas so processos nodifusivos envolvendo fases slidas que ocorrem a velocidades muito elevadas.
Atribui-se a causa dessas transformaes a diferena de energia livre entre as
estruturas constituintes envolvidas no processo, o que induz modificaes nas
ligaes qumicas, tornando as transformaes de fase de carter essencialmente
cristalogrfico. Essas transformaes apresentam como principais caractersticas a

Caos em Sistemas Mecnicos

15

no-dependncia do tempo, forte dependncia da temperatura e a propriedade de

reversibilidade. A dinmica de sistemas com atuadores com memria de forma
apresentam caractersticas intrinsecamente no-lineares e uma resposta muito rica
(Machado, 2002).

4.1. Oscilador com 1 Grau de Liberdade

Considere um oscilador, com um grau de liberdade, que consiste de uma massa m
acoplada a um elemento de liga com memria de forma e um amortecedor, viscoso
linear. O sistema excitado harmonicamente. A fora de restituio descrita a
partir do modelo polinomial (Falk, 1980) e, desta forma, chega-se ao seguinte
sistema dinmico,
y 0 = y1
(6)
y1 = sen( ) y1 ( 1) y0 + y03 y05

Neste trabalho, simulaes numricas so realizadas utilizando o mtodo Runge

Kutta de quarta ordem com passos menores que t = 2 / 200. Para todas as
simulaes estudadas consideram-se os seguintes parmetros: = 0,2, = 1, =
1,3x103, = 4,7x105. A caracterizao do comportamento catico feita atravs dos
expoentes de Lyapunov e sua determinao utiliza o algoritmo de Wolf et al.
(1985).
A Figura 11 apresenta os espaos de estado para diferentes temperaturas.
Quando = 0,7, onde somente a fase martenstica estvel, existem trs pontos de
equilbrio, sendo dois estveis e um instvel. Para uma temperatura = 1,5, quando
as duas fases cristalogrficas esto estveis, ocorre um aumento do nmero de
pontos de equilbrio para cinco pontos, onde trs so estveis, do tipo centro, e dois
deles so instveis, do tipo sela. Por outro lado, para altas temperaturas, = 3,5,
onde somente a fase austentica encontra-se estvel, o sistema apresenta somente um
ponto de equilbrio, estvel do tipo centro (Machado et al., 2001).

Figura 11 Retrato de fase para diferentes temperaturas.

(a) = 0,7. (b) = 1,5. (c) = 3,5

16

M. A. Savi

Figura 12 - Diagrama de bifurcao em . (a) 0 0,1; (b) 0,056 0,06.

(a)

(b)

(c)

(d)

(e)

(f)

(g)

(h)

(i)

Figura 13 - Surgimento e formao do atrator catico. (a) = 0,05875; (b) =

0,059; (c) = 0,0592; (d) = 0,0593; (e) = 0,0595; (f) = 0,05965; (g) =
0,059675; (h) = 0,05969; (i) = 0,06.
Considere agora a resposta do sistema submetido a um foramento harmnico a
uma temperatura = 0,7, onde a fase martenstica estvel. Para se ter uma idia do
comportamento global do sistema, utiliza-se o digrama de bifurcao onde o

Caos em Sistemas Mecnicos

17

parmetro de controle a amplitude do foramento, . A Figura 12a apresenta este

diagrama no intervalo 0 0,1, onde observam-se os valores de para os quais
tm-se comportamento peridico e catico. Quando = 0,0575 o sistema perde a
estabilidade e ocorre uma bifurcao do tipo duplicao de perodo. Em = 0,05875
acontece uma nova bifurcao. Estas bifurcaes se repetem, sucessivamente,
formando o que se chama de cascata de duplicao de perodos que aparece como
uma sequncia infinita de duplicao de perodos at o aparecimento do caos
(Alligood et al., 1997). Uma ampliao destes diagramas no intervalo 0,056
0,060 est mostrado na Figura 12b, permitindo que se observe a transio do
comportamento peridico ao catico. Quando = 0,0593, ocorre um sbito
aparecimento de um atrator catico, associado a existncia de um expoente de
Lyapunov positivo. Este fenmeno conhecido como crise, definida por Grebogi et
al. (1983) como sendo uma coliso entre um atrator catico e uma rbita ou um
ponto fixo instvel.
A Figura 13 mostra sees de Poincar relacionadas a diferentes valores do
parmetro . As Figuras 13a,b,c esto relacionadas ao comportamento peridico de
perodo 2, 4 e 8, respectivamente. Na Figura 13d, observa-se o instante do
surgimento do atrator, enquanto as Figuras 13e,f,g,h,i mostram a subsequente
formao do atrator. A Figura 14 mostra a evoluo dos espaos de estado para as
mesmas situaes anteriores. A Figura 15, por sua vez, mostra a evoluo dos
expoentes de Lyapunov para os casos tratados, corroborando a explicao do
surgimento do atrator.

(a)

(b)

(c)

(d)

(e)

(f)

18

M. A. Savi

(g)

(h)

(i)

Figura 14 - Espaos de fase. (a) = 0,05875, perodo-2; (b) = 0,059, perodo-4;

(c) = 0,0592, perodo-8 ; (d) = 0,0593, caos ; (e) = 0,0595, caos; (f) =
0,05965, caos ; (g) = 0,059675, caos ; (h) = 0,05969, caos; (i) = 0,06 , caos.

Figura 15 Expoentes de Lyapunov.

4.2. Osciladores Acoplados

Considere agora um oscilador com memria de forma, e dois graus de liberdade. A
fora de restituio descrita a partir do modelo polinomial. Desta forma, chega-se
ao seguinte sistema dinmico,
y0 = y1
2
y1 = 1 sin( 1 ) (1 + 2 21 ) y1 + 2 21 y3 [(1 1) + 21
( 2 1)] y0 +
2
2
2
+ 21
( 2 1) y2 + 1 y03 1 y05 2 21
( y2 y0 )3 + 2 21
( y 2 y0 ) 5

y2 = y3

(7)

2
2
y3 = 21
( 2 1) y0
2 sin( 2 ) + 2 21 y1 ( 2 21 + 3 21 32 ) y3 + 21
2
2 2
2
2
[ 21
( 2 1) + 21
( y2 y0 )3 2 21
( y 2 y0 ) 5 +
32 ( 3 1)] y2 + 2 21
2 2 3
2 2 5
+ 3 21
32 y2 3 21
32 y2

A definio dos pontos de equilbrio pode ser feita atravs da anlise da

interseo das superfcies f1(y0,y2) e f3(y0,y2) com a superfcie nula. A variao da
temperatura altera a quantidade e a estabilidade dos pontos de equilbrio. A Figura
16 mostra as projees destas superfcies, indicando os pontos de equilbrio. Os

Caos em Sistemas Mecnicos

19

pontos marcados com um retngulo (verde) so os pontos de equilbrio estveis

enquanto aqueles marcados com um crculo (vermelho) so instveis (Machado &
Savi, 2001a,b,c).
A simulao da resposta em vibrao livre mostra uma dinmica interessante. A
partir de uma condio inicial o sistema apresenta saltos antes de convergir para um
ponto fixo estvel (Figura 17). Isto ilustra a dificuldade de se analisar o problema a
partir de seus sub-espaos. Note que em um determinado sub-espao, alguns pontos
podem ser vistos como uma espiral estvel. Contudo, existe uma rbita instvel
associada a outra dimenso que torna o ponto instvel.

(a)

(b)

(c)

(d)

(e)

(f)

(g)

(h)

Figura 16 Pontos de equilbrio para diferentes temperaturas. (a) (1; 2; 3) = (0,7;

0,7; 0,7). (b) (1; 2; 3) = (0,7; 1,5; 0,7). (c) (1; 2; 3) = (0,7; 3,5; 0,7). (d)(1; 2;
3) = (1,5; 0,7; 1,5). (e) (1; 2; 3) = (1,5; 1,5; 1,5). (f) (1; 2; 3) = (1,5; 3,5; 1,5).
(g) (1; 2; 3) = (3,5; 3,5; 3,5). (h) (1; 2; 3) = (0,7; 3,5; 1,5).

20

M. A. Savi

Figura 17 Vibrao livre. (y0, y1, y2, y3) = (0,01; 0,0; 0,01; 0,0) e (1; 2; 3) = (1,5;
0,7; 1,5)
A anlise das vibraes foradas mostra que, dependendo da temperatura de
conexo, a resposta do sistema pode ser bastante modificada. A Figura 18 apresenta
duas projees em sub-espaos de trs dimenses, para duas situaes distintas. Na
primeira, quando a conexo apresenta uma temperatura onde a fase martenstica
estvel, existe o hipercaos que tende a modificar o padro usual do atrator estranho.
Por outro lado, na segunda situao, onde a temperatura de conexo est na regio
austentica, a resposta catica, apresentando o padro usual de um atrator estranho.
Deste ponto de vista, pode-se dizer que o hipercaos tende a quebrar a ordem
associada resposta do sistema.

Figura 18 Caos e hipercaos em um sistema com memria de forma com dois graus
de liberdade.

5. Anlise de Sries Temporais

Alligood et al. (1997) colocam que obviamente, a idia de que um experimento
real possa ser governado por um conjunto de equaes uma fico. Um conjunto
de equaes diferenciais, ou um mapa, pode modelar um sistema apenas da forma
suficiente para fornecer resultados teis. Nesse contexto, torna-se importante

Caos em Sistemas Mecnicos

21

analisar sistemas dinmicos sem que se conhea detalhes sobre a sua dinmica, no
possuindo portanto um modelo matemtico estabelecido. Uma alternativa para isso
a anlise de sries temporais que podem ser obtidas diretamente a partir de um
experimento (Kantz & Schreiber, 1997).
De uma maneira geral, um experimento no mede todas as variveis de estado
do sistema e, usualmente, tem-se disponvel a evoluo no tempo de apenas uma
varivel de estado. Dessa forma, interessante analisar o sistema dinmico a partir
dessa srie temporal o que feito a partir de tcnicas de reconstruo do espao de
estado.

5.1. Reconstruo do Espao de Estado

A reconstruo do espao de estado baseada no mtodo da defasagem no tempo
(time delay) tem provado ser uma poderosa ferramenta na anlise de sistemas fsicos
no-lineares com comportamento catico. As idias fundamentais sobre a tcnica
so creditadas a Ruelle (1979), Packard (1980) e Takens (1981), e uma de suas
principais caractersticas a preservao dos invariantes geomtricos do sistema
(dimenso do atrator, expoentes de Lyapunov e outros).
Normalmente, no se sabe a priori quantas e quais so as variveis de estado de
um sistema dinmico o que dificulta a determinao da sua dimenso. Assim, antes
de se reconstruir o espao de estado faz-se necessrio determinar a dimenso de
imerso do sistema (embedding dimension), definindo um conjunto de coordenadas
que serve como base para a reconstruo do espao de estado. Um dos mtodos
mais eficientes para a determinao dessa dimenso o mtodo dos falsos vizinhos.
A idia bsica da reconstruo do espao de estado est calcada no fato de que a
histria temporal de um sinal contm informaes sobre variveis de estado no
observveis que podem ser usadas para prever um estado presente. Considere ento
uma srie temporal, s(t), que representa a trajetria de um dado sistema dinmico. O
espao de estado do sistema pode ser reconstrudo a partir desta srie considerando
a tcnica da defasagem no tempo (time delay). Esta tcnica foi inicialmente proposta
por Ruelle (1979) e Packard (1980) e posteriormente por Takens (1981) e Sauer et
al. (1991). A tcnica traa s(t) versus s(t+), onde uma defasagem (delay). Este
procedimento motivado pelo fato de que a trajetria representada no espao de
fase reconstrudo possui propriedades similares ao espao de fase original, sendo
topologicamente equivalentes (Moon, 1992). Se o sinal experimental representado
por s(n), n = 1, 2,... N, onde N o nmero total de amostras, ento o vetor
reconstrudo dado por:
u (n) = {s (n), s (n + ),..., s (n + (d 1) )}

(8)

22

M. A. Savi

onde De a dimenso de imerso do sistema escolhido de tal maneira que De > 2DA
+ 1, sendo DA a dimenso do atrator. u(n) representa a dinmica reconstruda na
imerso. Os resultados de Takens (1980) garantem que o atrator reconstrudo e o
original so difeomrficos. Alm disso, a srie temporal de uma nica varivel
suficiente para a reconstruo desde que a dimenso de imerso seja suficientemente
grande (Takens 1980; Sauer et al., 1991). Assim, a escolha correta da defasagem e
da dimenso de imerso De so de extrema importncia para a identificao dos
invariantes geomtricos. Existe uma grande variedade de tcnicas para avaliar esses
parmetros. A determinao do tempo de defasagem , pode ser efetuada atravs do
mtodo da informao mtua mdia (Fraser, 1989), cuja a idia bsica determinar
a defasagem que gere vetores defasados contendo a menor quantidade de
informao em relao ao original. A dimenso de imerso, De, por sua vez, pode
ser avaliada atravs do mtodo dos falsos vizinhos prximos (Kennel et al., 1992)
cuja idia bsica variar a dimenso do sistema verificando a quantidade de falsos
vizinhos prximos. Quando o aumento da dimenso no implicar na eliminao de
falsos vizinhos prximos, tem-se a dimenso procurada.

5.2. Pndulo Experimental

Considere um pndulo experimental composto de um disco, um peso em sua
extremidade, um sensor de movimento e um dispositivo que gera um amortecimento
magntico. Este pndulo excitado por um sistema composto de um motor e um
dispositivo mola-fio (Figura 19). A anlise dos sinais realizada sem efetuar
nenhum tipo de filtragem (Franca & Savi, 2001a).
1

2
3

4
4

5
6

Caos em Sistemas Mecnicos

23

Figura 19 - Pndulo no-linear experimental. (1) pndulo no-linear; (2) dispositivo

de amortecimento; (3) sensor de movimento encoder; (4) molas; (5) motor 12
DC; (6) transdutor magntico; (7) Interface A/D Science Workshop
A partir de agora, desenvolve-se a anlise de um sinal catico. A Figura 20
mostra um trecho da evoluo do deslocamento angular do sinal catico
experimental, sendo N = 30589; voltagem 4,2 V; s = 20 Hz e ca = 0,0125.
5.00

4.00

3.00

s(t) [rad]

2.00

1.00

0.00

-1.00

-2.00

-3.00

10

t[s]

15

20

25

Figura 20 - Sinal catico experimental- deslocamento angular versus tempo.

A anlise dos parmetros de imerso feita a partir do mtodo da informao
mtua mdia para determinar o tempo de defasagem e do mtodo dos falsos
vizinhos prximos para determinar a dimenso de imerso. A Figura 21 mostra o
resultado desta anlise.
1.00

5.00

N = 30500
Falseneighbords
Neighbors (x100)
%%ofoffalse
(x100)

AverageMutual
Mutual information
Information [bits]
Average
[bits]

0.80
4.00

3.00

2.00

0.60

0.40

=6
0.20

1.00
0.00

10.00

20.00

30.00

Time delay
Delay (x
Time
[x0.05s)
0.05 s]

40.00

50.00

0.00

11

33

De

4
4

55

(a)
(b)
Figura 21 Anlise dos parmetros de imerso. (a) Tempo de defasagem. (b)
Dimenso de imerso.

24

M. A. Savi

A partir da identificao dos parmetros de imerso, o espao de estado pode ser

reconstrudo atravs do mtodo das coordenadas defasadas. A Figura 22 mostra um
trecho do espao de estado reconstrudo bem como o espao de estado real (s(t)
versus y(t)). Observa-se uma semelhana entre os espaos, apresentando apenas uma
pequena rotao. Esta diferena no interfere na avaliao dos invariantes
geomtricos. A Figura 23 mostra a seo de Poincar contruda com o auxlio de um
sensor magntico que avalia a frequncia do motor de excitao.
15.00

5.00

4.00

10.00

3.00

2.00

y(t) [rad/s]

s(t + 0,30 s) [rad]

5.00

1.00

0.00

-5.00
0.00

-10.00

-1.00

-2.00
-2.00

-1.00

0.00

1.00

2.00

s(t) [rad]

3.00

4.00

-15.00
-2.00

5.00

-1.00

0.00

1.00

2.00

3.00

4.00

5.00

x(t) [rad]

(a)
(b)
Figura 22 - Espao de estado do sinal catico: (a) Reconstrudo; (b) Real.
4.50

12.50

10.00

7.50

5.00

y(t) [rad/s]

s(t+0.30s)
s(t
+ 0,30 s)[rad]
[rad]

3.00

1.50

2.50

0.00
0.00

-2.50

-5.00
-1.50
-1.50

0.00

1.50

s(t) [rad]

3.00

4.50

-7.50

-1.50

0.00

1.50

3.00

4.50

s(t) [rad]

(a)
(b)
Figura 23 Seo de Poincar do sinal catico: (a) Reconstrudo; (b) Real.
As concluses sobre o tipo de resposta do sistema devem ser confirmadas a
partir da anlise do invariantes geomtricos. Aps uma anlise sobre a sensibilidade
ao rudo (Franca & Savi, 2001b, 2002) utiliza-se o algoritmo de Kantz (1994) para
avaliar os expoentes de Lyapunov e a dimenso de correlao atravs do algoritmo
de Hegger et al. (1999) para avaliar a dimenso do atrator. A Figura 24 mostra o

Caos em Sistemas Mecnicos

25

resultado dessa anlise que indica que o expoente de Lyapunov, associado a

inclinao do primeiro trecho da curva positivo ( = + 0.177). Por outro lado, a
dimenso do atrator est entre 2,20 e 2,77, mostrando que um nmero no-inteiro.
100.00

0.00

10.00

-0.40

1.00

S())
S(

log D(DC)
C

0.40

-0.80

0.10

N = 1233

De = 3

De = 6

De = 4

De = 9

-1.20

0.01

De = 12

-1.60
0.00

4.00

8.00

12.00

16.00

N = 30500

De = 5
De = 6

20.00

0.00
0.00

0.01

log(() )
log

0.10

1.00

(a)
(b)
Figura 24 Invariantes geomtricos: (a) Expoente de Lyapunov; (b) Dimenso do
atrator.

6. Concluses
Este trabalho apresentou uma reviso sobre as principais caractersticas do caos em
sistemas mecnicos. Para que um sistema dinmico apresente uma resposta catica
necessrio que ele possua caractersticas no-lineares. Neste caso, dependendo dos
parmetros do sistema, ele pode responder caoticamente. Discutiu-se aqui que o
caos possui forte sensibilidade s condies iniciais. Alm disso, uma resposta
catica deve estar associada a existncia da ferradura de Smale, o que caracteriza a
presena de uma estrutura fractal. Como consequncia desta condio, o sistema
dinmico deve possuir dimenso maior ou igual a 3 para que possa experimentar o
movimento catico. A resposta catica possui ainda um atrator estranho, do tipo de
um conjunto de Cantor, com dimenso fractal. Os expoentes de Lyapunov
constituem outra forma para se quantificar o caos. O caos definido quando um
expoente de Lyapunov positivo. Quando existe mais de um expoente positivo, o
movimento associado ao hipercaos. Este trabalho apresentou exemplos de sistemas
mecnicos caticos: sistemas com memria de forma, analisados a partir de
equaes diferenciais e um pndulo experimental, analisado a partir de sua srie
temporal obtida experimentalmente. Os sistemas com memria de forma possuem
uma dinmica muito rica podendo apresentar respostas catica e hipercaticas. Em
sistemas acoplados, com dois graus de liberdade, v-se que a conexo austentica
tende a preservar a ordem em contraste com a conexo martenstica. O hipercaos o

26

M. A. Savi

mecanismo relacionado a quebra da ordem. Com relao a anlise de sries

temporais, a reconstruo do espao de estado foi efetuada a partir do mtodo das
coordenadas defasadas usando o mtodo da informao mtua mdia para avaliar o
tempo de defasagem e a tcnica dos falsos vizinhos prximos para determinar a
dimenso de imerso. Tanto a reconstruo quanto a determinao dos invariantes
geomtricos foram realizadas sem efetuar nenhuma filtragem do sinal, o que mostra
que as tcnicas discutidas no so sensveis ao rudo.

7. Agradecimentos
O autor gostaria de agradecer o suporte do CNPq e da FAPERJ e aos alunos de PsGraduao do IME, especialmente Luciano Guimares Machado pelo seu trabalho
em sistemas discretos com memria de forma e Luiz Fernando Penna Franca, por
seu trabalho em anlise de sries temporais. O autor agradece ainda o Prof. Pedro
M. C. L. Pacheco (CEFET/RJ) por sua ativa participao nas pesquisas que
forneceram os resultados aqui apresentados.

8. Bibliografia
[1]

Aguirre, L. A. & Aguirre, A. (1997), A Tutorial Introduction to Nonlinear

Dynamics in Economics, Nova Economia, v.7, n.2, pp.9-47.
[2] Alligood, K. T., Sauer, T. D. & Yorke, J. A. (1997), Chaos: An Introduction
to Dynamical Systems, Springer-Verlag.
[3] Barnsley, M. (1988), Fractals Everywhere, Academic Press.
[4] Barreto, E., Hunt, B. R., Grebogi, C. & Yorke, J. A. (1997), From High
Dimensional Chaos to Stable Periodic Orbits: The Structure of Parameter
Space, Physical Review Letters, v.78, n.24, pp.4561-4564.
[5] Briggs, K., An improved method for estimating Lyapunov exponents of
chaotic time series, Physics Letters A 151, 1990, 27-32.
[6] Briggs, J. & Peat, F. D. (2000), A Sabedoria do Caos, Campus.
[7] Brown, R., Bryant, P. & Abarbanel, H. D. I., Computing the Lyapunov
spectrum of a dynamical system from an observed time series, Physical
Review A 43, 1991, 2787-2806.
[8] Duerig, T., Pelton, A. & Stckel, D., 1999, An overview of Nitinol Medical
Applications, Materials Science and Engineering A, v.273-275, pp.149-160.
[9] Eckemann, J. -P., Kamphorst, S. O., Ruelle, D. & Ciliberto, S., Lyapunov
exponents from time series, Physical Review A 34, 1986, 4971-4979.
[10] Falk, F. (1980), Model Free-Energy, Mechanics and Thermodynamics of
Shape Memory Alloys, ACTA Metallurgica, v.28, pp.1773-1780.
[11] Farmer, J. D., Ott, E. & Yorke, J. A. (1983), The Dimension of Chaotic
Attractors, Physica 7D, pp.153-180.
[12] Franca, L. F. P. & Savi, M. A. (2001a), Distinguishing Periodic and Chaotic
Time Series Obtained from an Experimental Nonlinear Pendulum, Nonlinear
Dynamics, v.26, n.3, 2001, pp.253-271.

Caos em Sistemas Mecnicos

27

[13] Franca, L.F.P. & Savi, M.A. (2001b), Estimating Attractor Dimension on the
Nonlinear Pendulum Time Series, Revista Brasileira de Cincias Mecnicas,
v.XXIII, n.4, 2001, pp.427-439.
[14] Franca, L. F. P. & Savi, M. A. (2002), Evaluating Noise Sensitivity on the
Time Series Determination of Lyapunov Exponents Applied to the Nonlinear
Pendulum, Submetido ao Shock and Vibration.
[15] Fraser, A. M. (1989), Reconstructing Attractors from Scalar Time Series: A
Comparison of Singular System and Redundancy Criteria, Physica D, v.34,
pp.391-404.
[16] Gleick, J. (1987), Caos, Campus.
[17] Grebogi, C., Ott, E. & Yorke, J.A. (1983), Crises, Sudden Changes in
Chaotic Attractors, and Transient Chaos, Physica 7D, pp.181-200.
[18] Goldberger, A., Ringney, D. & West, B. (1990), Chaos and Fractal in Human
Physiology, Scientific American, v.262, n.2, pp.34-41.
[19] Guckenheimer, J. & Holmes, P. (1983), Nonlinear Oscillations, Dynamical
Systems, and Bifurcations of Vector Fields, Springer-Verlag, New York.
[20] Hassel, M. P., Comins, H. N. & May, R. M. (1991), Spatial Structure and
Chaos in Insect Population Dynamics, Nature, v.353, pp.255-258.
[21] Hausdorff, F. (1919), Dimension und usseres Mass, Math. Annalen, v.9,
pp.157.
[22] Hegger, R., Kantz, H. & Schreiber, T., Practical implementation of nonlinear
time series methods: The Tisean package, Chaos 9, 1999, 413-435.
[23] Kantz, H. & Schreiber, T. (1997), Nonlinear Time Series Analysis,
Cambridge.
[24] Kennel, M. B., Brown, R. & Abarbanel, H. D. I. (1992), Determining
embedding dimension from phase-space reconstruction using a geometrical
construction, Physical Review A 25, 1992, 3403-3411.
[25] Kruel, TH. M. Eiswirth, M. & Schneider, F.W. (1993), Computation of
Lyapunov Spectra: Effect of Interactive Noise and Application to a Chemical
Oscillator, Physica D, v.63, pp.117-137.
[26] Lagoudas, D. C., Rediniotis, O. K. & Khan, M. M. (1999), Applications of
Shape Memory Alloys to Bioengineering and Biomedical Technology,
Submitted to World Scientific.
[27] Lai, Y. C. & Grebogi, C. (1999), Modeling of Coupled Chaotic Oscillators,
Physical Review Letters, v.82, n.24, pp.4803-4806.
[28] Lorenz. E. N. (1996), A Essncia do Caos, Editora UnB.
[29] Lorenz, E. N. (1963), Deterministic Nonperiodic Flow, Journal of
Atmosferic Science, v.20, pp.130-141.
[30] Machado, L. G. (2002), Caos em Sistemas Dinmicos com Mltiplos Graus
de Liberdade e Memria de Forma, Dissertao de Mestrado, Departamento
de Engenharia Mecnica e de Materiais, IME.
[31] Machado, L. G., Savi, M. A. & Pacheco, P. M. C. L. (2001), Bifurcaes e
Crises em um Oscilador com Memria de Forma, COBEM 2001 - XVI

28

[32]

[33]

[34]

[35]
[36]
[37]
[38]
[39]
[40]
[41]
[42]

[43]
[44]
[45]
[46]

M. A. Savi

Congresso Brasileiro de Engenharia Mecnica, 26-30 Novembro 2001,

Uberlndia - MG.
Machado, L. G. & Savi, M. A. (2001a), Free Vibration of Coupled Shape
Memory Oscillators: Influence of Temperature Variations, EMC 2001 - IV
Encontro de Modelagem Computacional, 12-14 Novembro 2001, Nova
Friburgo - RJ, pp.80-89.
Machado, L. G., Savi, M. A. (2001b), On the Free Vibration of a TwoDegree of Freedom Shape Memory Oscillator, CILAMCE 2001 - 22th
Congresso Ibero Latino-Americano sobre Mtodos Numricos para
Engenharia, Campinas, Brasil, 7-9 Novembro 2001.
Machado, L. G., Savi, M. A. (2001c), Analysis of Free Response of a TwoDegree of Freedom Shape Memory Oscillator, APLICON 2001 - 1a. Escola
Brasileira de Aplicaes em Dinmica e Controle, 30 Julho - 3 Agosto 2001,
So Carlos - SP, pp.1-6.
May, R. M. (1976), Simple Mathematical Models with Very Complicated
Dynamics, Nature, v.261, pp.459-467.
Mayer-Kress, G. (1985), Introductory Remarks in Dimensions and
Entropies, in Chaotic Systems, G. Mayer-Kress (Ed.), Springer-Verlag.
Mees, A. I. & Sparrow, C. (1987), Some Tools for Analyzing Chaos,
Proceedings of the IEEE, v.75, n.8, pp.1058-1070.
Moon, F. C. (1998), Dynamics and Chaos in Manufacturing Processes,
John Wiley & Sons.
Moon, F. C. (1992), Chaotic and Fractal Dynamics, John Wiley & Sons,
New York.
Packard, N. J., Crutchfield, J. P., Fromer, J. D. & Shaw, R. S. (1980),
Geometry from a Time-Series, Physical Review Letters, v.45, n.9, pp.712716.
Paladin, G. & Vulpiani, A. (1987), Anomalous Scaling Laws in Multi-Fractal
Objects, Physical Reports Review Section of Physics Letters, v.156, n.4,
pp.147-225.
Peel, D. A. & Speight, A. E. H. (1994), Hysteresis and Cyclical Variability in
Real Wages, Output and Unemployment - Empirical-Evidence from Nonlinear
Methods for the United-States, International Journal Systems Science, v.25,
n.5, pp.943-965.
Piccoli, H. C. & Weber, H. I. (1998), Experimental Observation of Chaotic
Motion in a Rotor with Rubbing, Nonlinear Dynamics, v.16, n.1, pp.55-70.
Rogers, C. A. (1993), A New Philosophy of Design: Intelligent Material
Systems and Structures, COBEM 93 - XII Congresso Brasileiro de
Engenharia Mecnica, Braslia, Brasil, v.I, pp.1-6.
Rogers, C. A. (1995), Intelligent Materials, Scientific American, September,
pp.122-127.
Ruelle, D. (1979), Ergodic Theory of Differentiable Dynamical Systems,
Mathmatique of the Institut des Hautes tudes Scientifiques, n.5, pp.27.

Caos em Sistemas Mecnicos

29

[47] Sano, M. & Sawada, Y., Measurement of the Lyapunov spectrum from a
chaotic time series, Physical Review Letters 55, 1985, 1082-1085.
[48] Sauer, T., Yorke, J. A. & Casdagli, M. (1991), Embedology, Journal of
Statistical Physics, v.3/4, n.65, pp.579-616.
[49] Savi, M. A. & Pacheco, P. M. C. L. (2002), Chaos and Hyperchaos in Shape
Memory Systems, International Journal of Bifurcation and Chaos, v.12, n.3,
2002, pp.645-657.
[50] Savi, M. A. & Braga, A. M. B. (1993), Chaotic Vibrations of an Oscillator
with Shape Memory, Revista Brasileira de Cincias Mecnicas - RBCM,
v.XV, n.1, pp.1-20.
[51] Schaffer, W.M. (1985), Order and Chaos in Ecological Systems, Ecology,
v.66, n.1, pp.93-106.
[52] Shibata, H. (1998), Quantitative Characterization of Spatiotemporal Chaos,
Physica A, v.252, pp.428-449.
[53] Singer, I. M. & Thorpe, J. A. (1967), Lecture Notes on Elementary Topology
and Geometry, Scott, Foresman & Company.
[54] Stewart, I. (1991), Ser que Deus Joga Dados? A Nova Matemtica do
Caos, Jorge Zahar Editor.
[55] Strogatz, S. H. (1994), Nonlinear Dynamics and Chaos, Perseus.
[56] Takens, F. (1981), Detecting Strange Attractors in Turbulence, Warwick,
Lecture notes in Mathematics, v.898, Ed. D. Rand & L.-S Young, Springer,
pp.366-381.
[57] Theiler, J. (1990), Estimating fractal dimension, Journal of Optical Society
of America, v.7, pp.1055-1073.
[58] Thompsom, J. M. T & Stewart, H. B. (1986), Nonlinear Dynamics and
Chaos, John Wiley & Sons, Chichester.
[59] Umberger, D. K., Grebogi, C., Ott, E. & Afeyan, B. (1989), Spatiotemporal
Dynamics in a Dispersively Coupled Chain of Nonlinear Oscillators, Physical
Review A, v.39, n.9, pp.4835-4842.
[60] Van Dyke, M. (1982), An Album of Fluid Motion, Parabolic Press.
[61] van Humbeeck, J. (1999), Non-medical Applications of Shape Memory
Alloys, Materials Science and Engineering A, v.273-275, pp.134-148.
[62] Wayman, C. M. (1980), Some Applications of Shape Memory Alloys,
Journal of Metals, June, pp.129-137.
[63] Wiggins, S. (1990), Introduction to Applied Nonlinear Dynamical Systems
and Chaos, Springer-Verlag, New York.
[64] Wolf, A., Swift, J. B., Swinney, H. L. & Vastano, J. A. (1985) - Determining
Lyapunov Expoents from a Time Series, Physica 16D, pp.285-317.