à
 

|
 | 


| 

  |
  

  
 Marcus A.M. de Aguiar
 ½


  ± O que é Caos?

 2 ± Um exemplo de sistema caótico:

÷
 


 - ± Caos e Fractais
|
 
 
 
 
  
 

 Calendário (anos  Clima

bissextos, eclipses)  Fluidos turbulentos

 Pêndulos (relógio)  Mesa de pregos

 Sistema massa-
massa-  Mesa de bilhar
mola
 
  


   


 
 „       



  


 



dadas as forcas agindo sobre um sistema de partículas e
as condições iniciais devemos ser capazes de determinar
o movimento do sistema.

 Se jogamos as bolinas (aproximadamente) do mesmo

modo, porque elas não caem (aproximadamente) no
mesmo lugar?

 Condições iniciais muito parecidas podem provocar

efeitos dinâmicos muito diferentes!

 Surpresa: sistemas muito simples podem ter

comportamentos complexos, onde pequenas diferenJ
diferenJas
iniciais são amplificadas, levando a um comportamento
aleatório.
 |




|

  

Sistema massa-mola
)

Pêndulo simples
2)

-) Sistema Terra-Sol

4) O pendulo duplo com molas


 
 1.5

1.0

0.5
Preto: x(0)=0.480 v(0)=0.-

ermelho: x(0)=0.48 v(0)=0.-
0.0
erde: x(0)=0.482 v(0)=0.-
x(t)
-0.5

-1.0

-1.5

0 10 20 30 40 50 60 70
t

O movimento é tão complicado que torna-se imprevisível!

CAOS = sensibilidade à condiJões iniciais

=
imprevisibilidade
 ½ |

 Caos = sensibilidade às condições iniciais

 Condições iniciais muito próximas separam-

separam-se
exponencialmente rápido: (efeito borboleta)

 Existe um tempo característico

dentro do qual
previsões são possíveis. Alem desse tempo o sistema
torna--se imprevisível. O fator 

torna 
é chamado de
expoente de Lyapunov.
Lyapunov.
   

 Porque alguns sistemas determinísticos se

comportam de forma simples e outros de
forma quase aleatória (caótica)?

 Qual o mecanismo responsável pelo

aparecimento de dinâmica caótica?

 Quais as implicações do movimento caótico?

 Quão raros ou freqüentes são sistemas

caóticos?
 |
 

Sistemas físicos como o oscilador de Duffing ou o sistema

Sol-Terra-Lua são complicados do ponto de vista matemático.

amos considerar aqui apenas sistemas dinâmicos simples, que

servirão como modelos para o estudo de sistemas realistas.
 Y 
 

6  6 6

x0 = 49.0 x0 = 0.0-0 x0 =  x0 = 0
x = 7.0 x = 0.7-... x =  x = 0
x2 = 2.646... x2 = 0.46... x2 =  x2 = 0
x- = .627... x- = 0.64 ... x- =  x- = 0
x4 = .27 ... x4 = 0.80-... x4 =  x4 = 0
x = .29... x = 0.896... x =  x = 0
x6 = .06-... x6 = 0.947... x6 =  x6 = 0
x7 = .0-... x7 = 0.97-... x7 =  x7 = 0

i 
Ponto fixo Ponto fixo
instável estável
 Y 
 
6 
R
6 6

x0 = 2.0 x0 = 0.8 x0 =  x0 = 0
x = 4.0 x = 0.64 x =  x = 0
x2 = 6 x2 = 0.4096 x2 =  x2 = 0
x- = 2 6 x- = 0.677... x- =  x- = 0
x4 = 6 -6 x4 = 0.028... x4 =  x4 = 0
x = 4294967296 x = 0.0008... x =  x = 0

i 
Ponto fixo Ponto fixo
estável instável
Pontos fixos são como pontos de equilíbrio. No caso do primeiro
exemplo podemos encontrá-los da seguinte forma:

6  6 6

f(x) ‰ë

‰ë

x
 m




f(x)

x0 x x2 x- x
 Y 
  
 


Motivação:

Seja Xn a população de uma determinada espécie na geração n.

A cada geração uma parte da população morre e filhotes nascem.

O número de indivíduos na geração seguinte deve ser aproximadamente
proporcional ao número de indivíduos na geração anterior:

Xn+ =  Xn onde o parâmetro  >  mede a taxa de crescimento

Se a população fica muito grande pode faltar comida. Então a taxa

de crescimento não pode ser constante. Substituímos  por


XnXc)

onde Xc é o maior número de indivíduos que pode sobreviver com os

recursos existentes.

   6 


eja que  ë   6


   6  

Então a equação que descreve a população fica:

6   6 ë  6

Dividindo os dois lados por Xc e definindo uma nova variável xn = XnXc

6  6 6
 ë 

6   6 ë  6
 6   6 ë  6
6
  R


Pontos fixos: xn+ = xn

Soluções: x=0 e x



1.00

x0 = 0. µ = 2.7
x = 0.67 0.80
x2 = 0. 97...
x- = 0.6 0... 0.60
x4 = 0.6 ...
x
x = 0.640...
x6 = 0.622... 0.40
x7 = 0.6-4...
0.20

0.00
0.0 20.0 40.0 60.0 80.0 100.0
n
 1.00

µ = 2.9
0.80

0.60
x
0.40

0.20

0.00
0.0 20.0 40.0 60.0 80.0 100.0
n
 1.00

µ = 3.1
0.80

0.60
x
0.40

0.20

0.00
0.0 20.0 40.0 60.0 80.0 100.0
n
 1.00

µ = 3.3
0.80

0.60
x
0.40

0.20

0.00
0.0 20.0 40.0 60.0 80.0 100.0
n
 1.00
µ = 3.5

0.80

0.60
x
0.40

0.20

0.00
0.0 20.0 40.0 60.0 80.0 100.0
n
 1.00
µ = 3.7

0.80

0.60
x
0.40

0.20

0.00
0.0 20.0 40.0 60.0 80.0 100.0
n
 1.00

0.80

0.60
x
0.40

0.20

µ = 3.9
0.00
0.0 50.0 100.0 150.0 200.0
n
½ota para o caos por duplicação de período

|

 

 

 







 


 


 

   ‰ë  ë  6  ‰ë 6

 

  
‰
 

0 0. 
 ± O intervalo [0, 0.  é levado pelo mapa no intervalo [0,

2 ± O intervalo [0. ,  é levado pelo mapa no intervalo [,0

0 0. 

0   0
0 0. 

0 
0 0. 

0 
0 0. 

0 
0 0. 

0 
0 0. 

0 
A cada passo do processo pontos inicialmente muito próximos
vão se afastando devido ao esticamento.

Se a distancia entre dois pontos representa um erro na condição

inicial, esse erro acaba ficando do tamanho do espaço todo, e
perdemos o poder de previsão:

No caso da previsão do tempo, um erro de medida de 0. grau,

por exemplo, no dia seguinte representa 0. grau e cinco dias
depois 0 graus, perdendo totalmente o significado.

O processo de esticar e dobrar é o mecanismo

fundamental da geração de caos.
 
 

>



0 0. 
Pontos que permanecem no intervalo
[0, após uma aplicação
>



0 0. 
Pontos que permanecem no intervalo
[0, após duas aplicações
Pontos que permanecem no intervalo
[0, após N aplicações
N


2
-
x
Auto-similar x
x

Poeira de Cantor

Conjunto fractal
 ÷ Y  ÷ !"„
„#

 $ ! 
  %   &


 ampliações
sucessivas do conjunto reproduzem exatamente o mesmo
conjunto.

 $ ! 
  %    &


 ampliações
sucessivas são parecidas com o conjunto inicial, mas não idênticas.
O importante é que cada ampliação revele novas estruturas.

 


   %  ' 
 



 '

(
YY÷ mY !"„
„ Y„„YY „÷&„"Y
„
)  *+   !  )
   

,

Y%  
 YY÷ mY !"„
„ „Y „÷&„"

÷
÷-÷ mY „mY"÷
  
 
 


y
(xn+ yn+)
6  ‰ ë 6  6
6   ë 6  6
(xn yn)

6  ‰
6 
 Mapas Quadráticos 6   
R
6

6 
R
6   

R
6

6  R 6 6 
R

½egra do jogo:

 ± ponto inicial é z0=0 [ou (x0,y0)= (0,0)

2 ± para cada valor de c [ou de (c,c2) verificamos quantos passos

são necessários para que |zn|2 > 4 [ou xn2 + yn2 > 4

- ± de acordo com esse numero de passos associamos uma cor

diferente ao ponto representado pela constante c. Por exemplo,
vermelho de são necessários três passos, verde para quatro
passos etc.
÷ %   .
 Cálculo da Dimensão Fractal

.
 
    


   

 


Tamanho Número
u 
u
 
Tamanho Número
u 
u
 

 2
Tamanho Número
u 
u
 

 2
 Tamanho Número
u 
u
 

 2

¼ 4

Dividindo o lado do segmento por 2, o número de segmentos

multiplica por 2.
eja que N(u) = u.

.
 
    



Tamanho Número
u 
u
 
Tamanho Número
u 
u
 

 4=22
Tamanho Número
u 
u
 

 4=22
¼ 6=4*4=42
 Tamanho Número
u 
u
 

 4=22
¼ 6=42

2k (2k)2 = (u)2

Dividindo o lado por 2, o número de quadrados multiplica por 4 = 22.

eja que N(u) = (u)2 .


.
 .    
.


Tamanho Número
u 
u
 
Tamanho Número
u 
u
 

 8=2-
 Tamanho Número
u 
u
 

 8=2-

¼ 64=4-

2k (2k)- = (u)-

Dividindo o lado por 2, o número de cubos multiplica por 8 = 2-.

Agora temos que N(u) = (u)- .


   '

  

  

'
 
.  


V ëu  
u 

  

  
  

 


 
 ëu *     
u  u 


 V ëu *

u *
 m

 
)  *+

Tamanho Número
u 
u
 

- 4
9 6=42

27 64=4-

-k 4k

 V ëu *   $ $    


R





u *  $ $    
Y 
   

  %  x

 R
"   R
R




 

A esponja tem volume zero, pois d < -, mas tem superfície

infinita, pois d > 2.

Quando colocada em um copo com água o nível da água não muda.

Mas se você quiser pintar a esponja, você precisa de uma quantidade

infinita de tinta!
  
 |
 

 
Problemas de três corpos

 Cinturão de asteróides
entre Marte e Júpiter

 Anéis de Saturno
Meteorologia:
o atrator de Lorenz

Ecologia:
modelos predador-
predador-presa com - espécies

OUT½OS EXEMPLOS:
Pêndulo duplo com hastes rígidas ou com molas
Osciladores acoplados não-
não-lineares (redes atômicas)
Movimento de partículas em redes cristalinas
Movimento de elétrons em algumas estruturas mesoscopicas
Fluidos turbulentos
 


 Caos = sensibilidade a condições iniciais
(efeito borboleta). Apesar do determinismo
das equações de movimento nosso poder de
previsão é limitado.

 Esticar e Dobrar é o mecanismo dinâmico

que produz caos (dinâmica do padeiro).

 Onde há caos há fractais.

   
½ 
 Nível introdutório:
± à


  

 
    ± James Gleick
± Acaso e caos ±   


 Nível intermediário:
± à



 






 N. Fiedler-
Fiedler-Ferrara e C.P.C. de Prado
± à
   
 Edward Ott

 Nível avançado:
± „



 
    
 ½.L. Devaney