[Estrutura fractal e dimensão de um atrator caótico:] Considere o mapa bidimensional de Hénon, definido por:
\left\{\begin{array}{l} x_{n+1}=1-a x_{n}^{2}+y_{n} \\\ y_{n+1}=b x_{n} \end{array}\right.
com parâmetros a=1.4 e b=0.3. Esse sistema exibe, para esses valores de parâmetros, um atrator caótico com estrutura fractal no plano (x, y). A) Descreva qualitativamente como a estrutura do atrator de Hénon é gerada pelo processo iterativo. Por que ele apresenta uma aparência de “dobramento e alongamento”? Explique como esse mecanismo está relacionado ao conceito de autossimilaridade, típico dos fractais. B) O mapa é dissipativo, e o determinante do jacobiano é constante e igual a b=0.3. O que isso indica sobre a contração de volume de fase a cada iteração? Por que o atrator não pode preencher toda a região acessível, formando em vez disso uma estrutura fractal? C) Suponha que os dois expoentes de Lyapunov calculados numericamente para o atrator sejam: \lambda_{1}=0.420 e \lambda_{2}=-1.63. Calcule a dimensão de Kaplan-Yorke e interprete o resultado. D) Compare o atrator de Hénon com fractais puramente geométricos, como o conjunto de Cantor e o triângulo de Sierpinski. Quais propriedades matemáticas (autossimilaridade, medida zero, não inteireza da dimensão) são compartilhadas? Em que sentido o atrator de Hénon é um fractal dinâmico em vez de um fractal puramente geométrico?

Passo 1

O enunciado dá o mapa de Hénon
\left\{\begin{array}{l} x_{n+1}=1-a x_{n}^{2}+y_{n},\\[4pt] y_{n+1}=b x_{n}, \end{array}\right.
com parâmetros a=1{,}4 e b=0{,}3. Pergunta-se:
A) Descrever qualitativamente como a estrutura do atrator é gerada pelo processo iterativo e por que há “dobramento e alongamento”, e relacionar isso com autossimilaridade.
B) Dado que o mapa é dissipativo e o determinante do jacobiano é constante igual a b=0{,}3, explicar o que isso indica sobre a contração de volume de fase a cada iteração e por que o atrator não preenche toda a região acessível, formando em vez disso uma estrutura fractal.
C) Com os expoentes de Lyapunov \lambda_{1}=0{,}420 e \lambda_{2}=-1{,}63, calcular a dimensão de Kaplan–Yorke e interpretar o resultado.
D) Comparar o atrator de Hénon com fractais geométricos (conjunto de Cantor, triângulo de Sierpinski): quais propriedades são compartilhadas (autossimilaridade, medida zero, dimensão não inteira) e em que sentido o atrator de Hénon é um fractal dinâmico em vez de puramente geométrico.]

Passo 2

Entendendo, passo a passo, como o atrator aparece: pensamento físico/geométrico do processo iterativo.
  1. Imagine uma pequena nuvem de pontos no plano (x,y). Cada iteração do mapa pega essa nuvem e a transforma. Para estudar localmente essa transformação usamos a linearização (matriz jacobiana) em torno de um ponto: ela diz como deslocamentos pequenos se deformam. A jacobiana do mapa é
J=\begin{pmatrix} \displaystyle\frac{\partial x_{n+1}}{\partial x_n} & \displaystyle\frac{\partial x_{n+1}}{\partial y_n}\\[6pt] \displaystyle\frac{\partial y_{n+1}}{\partial x_n} & \displaystyle\frac{\partial y_{n+1}}{\partial y_n} \end{pmatrix} =\begin{pmatrix} -2a x_n & 1\\[4pt] b & 0 \end{pmatrix}.
Isto significa: pequenos círculos de pontos são, numa iteração, transformados em elipses — alongados numa direção e comprimidos noutra. A presença de um expoente de Lyapunov positivo (aqui \lambda_1>0) traduz exatamente essa expansão exponencial média numa direção; o expoente negativo traduz contração média na outra direção.
  1. Alongamento + dobra: o mapa é não-linear (há o termo -a x_n^2). A parte não-linear impede que o alongamento leve os pontos para o infinito; em vez disso, a imagem alongada é curvada e “dobrada” de volta para a região onde a dinâmica permanece acorrentada. Repetindo: a cada iteração temos alongar (expansão local) → dobrar/encaixar (não-linearidade) → novo alongamento numa escala mais fina → novo dobramento. É esse processo repetido indefinidamente que cria filamentos longos e finos que se entrelaçam: visualmente parece uma fita muito esticada e repetidamente dobrada.
  2. Intuição com um exemplo simples (analogia): o mapa “do padeiro” (baker’s map) faz exatamente isso: corta um quadrado, estica numa direção, comprime na outra e empilha as partes. O baker produz uma estrutura com muitos filamentos; o Hénon faz algo análogo, mas com não-linearidade e dissipação, gerando um atrator mais curvado e complexo.]

Passo 3

Ligando o mecanismo acima ao conceito de autossimilaridade (por que parece fractal).
  1. Autossimilaridade: um fractal tem a propriedade de exibir padrões que se repetem em várias escalas. No Hénon, o processo iterativo “estica e dobra” gera cópias da estrutura em escalas menores: se você “zooma” numa região do atrator, você frequentemente encontra filamentos e padrões que lembram a estrutura global (não uma cópia exata, mas muito parecida). Por isso dizemos que a autossimilaridade no atrator de Hénon é em geral estatística ou aproximada — não necessariamente uma repetição perfeita como no conjunto de Cantor, mas repetição gerada pelo mesmo mecanismo dinâmico em escalas sucessivas.
  2. Como as escalas surgem: cada iteração cria novos filamentos mais finos; portanto há detalhes em escalas cada vez menores — característica central de fractais. É a repetição iterativa do mesmo mapeamento (mesmas regras aplicadas muitas vezes) que cria essas estruturas em todas as escalas.

Passo 4

Analisando o aspecto dissipativo e o determinante do jacobiano (parte B).
  1. Determinante do jacobiano: calculámos J acima. O determinante é
\det J = (-2a x_n)\cdot 0 - 1\cdot b = -b.
A magnitude do determinante é |\det J|=b. (Observação: o sinal negativo apenas indica inversão de orientação; a contração de área usa o valor absoluto.)
  1. Interpretação: |\det J|=b=0{,}3 significa que, localmente, a área (volume de fase em 2D) é multiplicada por 0{,}3 a cada aplicação do mapa — isto é, cada iteração reduz a área por um fator 0{,}3. Após n iterações uma pequena área inicial A_0 fica com área A_n\approx b^n A_0. Como 0<b<1, b^n\to 0 quando n\to\infty. Logo o mapa é dissipativo: o volume de fase encolhe exponencialmente.
  2. Por que o atrator não preenche a região? Se a dinâmica sempre diminuísse área mas não tivesse mecanismos de alongamento/folding, todos os pontos colapsariam para um ponto estável. No Hénon existe alongamento numa direção (Lyapunov positivo) e contração em outra; o alongamento cria distribuição complicada de pontos, a contração garante que a ocupação de área tende a zero. O resultado é um conjunto de dimensão fractal (medida de área zero) que concentra a órbita: o atrator não pode ocupar área finita porque a dinâmica anula área exponencialmente; mas também não colapsa para um ponto por causa da expansão em outra direção — daí nasce a geometria filamentar fractal.

Passo 5

Checando consistência com os expoentes de Lyapunov e usando isso para um teste rápido.
  1. Soma dos expoentes: em mapas bidimensionais o valor médio de \ln|\det J| é igual à soma dos expoentes de Lyapunov. Aqui \ln b=\ln 0{,}3\approx -1{,}204. Somando os expoentes fornecidos:
\lambda_1+\lambda_2 = 0{,}420 + (-1{,}63) = -1{,}21,
que bate com \ln 0{,}3 (diferença numérica pequena por arredondamento). Isso é um bom check: um expoente positivo (sensibilidade a condições iniciais) e um negativo (dissipação) com soma igual a \ln b.

Passo 6

Cálculo da dimensão de Kaplan–Yorke (parte C) — explicação do que é e passo a passo do cálculo.
  1. O que é um expoente de Lyapunov (rápida aula): cada expoente \lambda mede a taxa média exponencial de separação (ou aproximação, se negativo) de trajetórias infinitesimalmente próximas ao longo de uma direção. Em 2D temos dois expoentes \lambda_1 e \lambda_2 ordenados normalmente \lambda_1\ge\lambda_2.
  2. Fórmula de Kaplan–Yorke (intuição e fórmula): a dimensão de Kaplan–Yorke (também chamada dimensão de Lyapunov) tenta estimar quantas dimensões “efetivas” o conjunto ocupa, somando diretorias até onde a soma dos alongamentos é não-negativa e interpolando linearmente. Formalmente, se j é o maior inteiro tal que
\sum_{i=1}^{j} \lambda_i \ge 0,
então
D_{KY} = j + \frac{\sum_{i=1}^{j}\lambda_i}{|\lambda_{j+1}|}.
No nosso caso, com dois expoentes, \lambda_1=0{,}420>0 e \lambda_1+\lambda_2\approx -1{,}21<0. Assim j=1.
  1. Cálculo explícito:
D_{KY} = 1 + \frac{\lambda_1}{|\lambda_2|} = 1 + \frac{0{,}420}{1{,}63}.
Agora a conta:
\frac{0{,}420}{1{,}63}\approx 0{,}2577,
portanto
D_{KY}\approx 1{,}2577\approx 1{,}258.
  1. Interpretação: a dimensão D_{KY} está entre 1 e 2. Isso significa que o atrator é mais complexo que uma curva lisa (dimensão 1) mas não ocupa área (dimensão 2). É uma estrutura filamentar com subdimensão fractal: parte contínua em uma direção (no sentido instável) e contracção na outra, gerando uma geometria que preenche “mais que uma linha” mas “menos que um plano”.

Passo 7

Comparação com fractais geométricos clássicos e distinção do Hénon como fractal dinâmico (parte D).
  1. Propriedades compartilhadas:
  • Autossimilaridade: tanto o conjunto de Cantor, quanto o triângulo de Sierpinski, quanto o atrator de Hénon exibem repetição de padrões em várias escalas. No entanto, para Cantor/Sierpinski a autossimilaridade é exata e geométrica; para Hénon é tipicamente aproximada/estatística.
  • Medida nula (no sentido de área 2D): o conjunto de Cantor tem medida zero no segmento; o Sierpinski tem área zero no quadrado original; o atrator de Hénon também tem medida de área (Lebesgue) zero porque o mapa é dissipativo ( |\det J|<1).
  • Dimensão não inteira: Cantor tem dimensão fractal \log(2)/\log(3)\approx0{,}6309, Sierpinski tem \log(3)/\log(2)\approx1{,}585. O Hénon tem dimensão de Kaplan–Yorke não inteira ( \approx1{,}258). Assim, todos compartilham a “não inteireza” como assinatura fractal.
  1. Diferenças essenciais — por que o Hénon é um fractal dinâmico:
  • Autossimilaridade exata vs estatística: Cantor e Sierpinski são construídos por regras iterativas lineares (simetrias de escala exatas) — cópias perfeitas. No Hénon, a repetição aparece pela dinâmica não-linear; as cópias são deformadas e não idênticas.
  • Geração: Cantor/Sierpinski são fractais puramente geométricos definidos por um processo determinístico de remoção ou por sistemas de funções iteradas (IFS) simples. O atrator de Hénon surge como o suporte de uma medida invariante da dinâmica de um mapa não-linear; suas propriedades dependem de dinâmica (expoentes de Lyapunov, medidas invariantes, mistura).
  • Propriedades ergódicas e sensibilidade: o atrator de Hénon exibe sensibilidade a condições iniciais (caos), mistura e estatísticas ergódicas — conceitos típicos de dinâmicas — que fractais geométricos “puros” como Cantor não têm (eles são conjuntos estáticos sem noção de trajetória). O Hénon tem uma medida invariante SRB (quando existe) que descreve probabilidades de visita; conjuntos como Cantor não têm essa interpretação dinâmica intrínseca.
  • Robustez e dependência de parâmetros: a geometria do atrator de Hénon muda com a e b; já os fractais geométricos clássicos são construídos de forma rígida.

Passo 8

Resumo prático para a prova — o que escrever rápido caso caia algo parecido:
  • Mostrar que \det J=-b\Rightarrow |\det J|=b<1 e concluir dissipação (área reduz por b cada iteração).
  • Explicar qualitativamente alongar (Lyapunov >0) + contrair ( <0) + dobramento (não-linearidade) → filamentos fractais.
  • Usar a soma dos expoentes para checar \lambda_1+\lambda_2\approx\ln b.
  • Calcular D_{KY} com j=1:
D_{KY}=1+\frac{\lambda_1}{|\lambda_2|}.
  • Compare com Cantor/Sierpinski: mesmas assinaturas fractais (medida zero, dimensão fracionária), mas Hénon é um “fractal dinâmico” (auto-similaridade aproximada, gerado por fluxo iterativo não-linear, tem caos e medida invariante).
Força aí — você já tem o esqueleto para escrever uma resposta completa e elegante na prova.

Resposta

A) O atrator surge porque o mapa estica pontos numa direção (Lyapunov positivo) e comprime noutra (Lyapunov negativo), e a não-linearidade dobra essa fita alongada de volta à região de interesse; repetindo alongar + dobrar em escalas cada vez menores gera filamentos autossimilares (estatisticamente), dando ao atrator a aparência fractal.
B) Como \det J=-b e |\det J|=b=0{,}3<1, a área é multiplicada por b a cada iteração (contração exponencial: A_n\approx b^n A_0), logo a órbita não pode preencher uma região de área positiva e concentra-se numa estrutura de medida de área zero (fractal).
C) Usando j=1,
D_{KY}=1+\frac{\lambda_1}{|\lambda_2|}=1+\frac{0{,}420}{1{,}63}\approx 1{,}258.
Interpretação: dimensão fractal entre 1 e 2 — mais complexa que uma curva, sem preencher área.
D) Ambos (Hénon, Cantor, Sierpinski) têm autossimilaridade (exata nos geométricos, aproximada/estatística no Hénon), medida nula e dimensão não inteira; porém o Hénon é um fractal dinâmico: gerado por dinâmica não-linear (chaos, expoentes de Lyapunov, medida invariante), com autossimilaridade deformada e dependente de parâmetros, enquanto Cantor/Sierpinski são fractais geométricos construídos por regras de escala exatas e estáticas.

Exercícios relacionados