Documente Academic
Documente Profesional
Documente Cultură
discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/267955828
READS
125
1 AUTHOR:
Marcelo Savi
Federal University of Rio de Janeiro
135 PUBLICATIONS 1,464 CITATIONS
SEE PROFILE
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.
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.
M. A. Savi
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
Poo
Fonte
y
Sela
y
Centro
y
Espiral Estvel
Espiral Instvel
V11
H1
f
V0
V10
V1
...
H0
1
V01
V00
H 11
f -1
V0
H1
V1
f -1
-1
...
H0
0
1
H 00
H 01
M. A. Savi
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
11
12
M. A. Savi
(x1 , t)
d0
t0
y3
t1
y2
13
1
tn t0
d (t k )
.
0 (t k 1 )
log d
b
k =1
(3)
D= j+
i =1
(4)
j +1
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.
14
M. A. Savi
15
16
M. A. Savi
(a)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
(i)
17
(a)
(b)
(c)
(d)
(e)
(f)
18
M. A. Savi
(g)
(h)
(i)
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
19
(a)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
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.
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.
(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.
2
3
4
4
5
6
23
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
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
5.00
4.00
10.00
3.00
2.00
y(t) [rad/s]
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
25
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
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]
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
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.