UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO DE CIˆENCIAS EXATAS E DA TERRA
DEPARTAMENTO DE F´ISICA TE ´ORICA E EXPERIMENTAL PROGRAMA DE P ´OS-GRADUAC¸ ˜AO EM F´ISICA
PERCOLAC
¸ ˜
AO CONVENCIONAL, PERCOLAC
¸ ˆ
AO
CORRELACIONADA E PERCOLAC
¸ ˜
AO POR
INVAS ˜
AO NUM SUPORTE MULTIFRACTAL
DARLAN ARA ´UJO MOREIRA
Orientador: Prof. Dr. LIACIR DOS SANTOS LUCENA
Co-orientador: Prof. Dr. GILBERTO CORSO
Disserta¸c˜ao de mestrado apresentada ao Departamento de F´ısica Te´orica e Experimental da Universidade Federal do Rio Grande do Norte como requisito parcial `a obten¸c˜ao do grau de MESTRE em F´ISICA.
Agradecimentos
Agrade¸co aos meus pais e `a minha querida Juliana.
Agrade¸co ao Prof. Liacir dos Santos Lucena por ter aceitado ser meu orientador e por me incentivar bastante.
Ao Prof. Gilberto Corso por seus coment´arios precisos e valiosos sobre a pesquisa e a disserta¸c˜ao.
Ao Prof. Joaquim Elias e ao Prof. Roosewelt Soares por me ajudarem a com-preender melhor alguns aspectos deste trabalho.
Ao amigo Antˆonio Soares pela ajuda com alguns recursos materiais. Aos companheiros de curso pelas horas de convivˆencia.
Aos funcion´arios do Departamento de F´ısica que s˜ao pessoas muito prestativas, em especial a Celina, que ´e uma funcion´aria muito dedicada.
`
Resumo
Nesta disserta¸c˜ao estudamos o problema da percola¸c˜ao num suporte geom´etrico mul-tifractal, em suas diferentes vers˜oes, e analisamos a conex˜ao deste problema com a per-cola¸c˜ao convencional e com o formalismo dos fenˆomenos cr´ıticos.
Abstract
In this work we have studied the problem of percolation in a multifractal geome-tric support, in its different versions, and we have analysed the conection between this problem and the standard percolation and also the connection with the critical phenomena formalism.
´Indice
AGRADECIMENTOS
iRESUMO
iiABSTRACT
iiiINTRODUC
¸ ˜
AO
11
FRACTAIS
41.1
Introdu¸c˜ao
. . . 41.2
Defini¸c˜ao e Propriedades
. . . 41.2.1
Defini¸c˜ao
. . . 41.2.2
Ausˆencia de Escala T´ıpica
. . . 51.2.3
Auto-Similaridade
. . . 61.2.4
Dimens˜ao e Dimens˜ao Fractal
. . . 91.2.5
Auto-Afinidade
. . . 111.3
Categorias de Fractais
. . . 121.3.1
Fractais Determin´ısticos
. . . 121.3.2
Fractais Aleat´orios
. . . 241.4
Dimens˜ao Fractal
. . . 271.4.1
Dimens˜ao Topol´ogica
. . . 281.4.2
Dimens˜ao de Minkowski-Bouligand
. . . 291.4.3
Dimens˜ao de Hausdorff-Besicovitch
. . . 311.5.1
Introdu¸c˜ao
. . . 321.5.2
Arvore Bronquial
´
. . . 331.5.3
Membranas Celulares
. . . 331.5.4
Movimento Browniano
. . . 332
O MULTIFRACTAL
35 2.1Introdu¸c˜ao
. . . 352.2
O Conjunto Multifractal
Q
mf . . . 352.3
Distribui¸c˜ao de ´
Areas
. . . 372.4
Espectro Multifractal do Objeto
Q
mf . . . 382.5
Densidade dos monofractais de
Q
mf . . . 423
PERCOLAC
¸ ˜
AO
45 3.1Introdu¸c˜ao
. . . 453.2
Percola¸c˜ao por S´ıtios
. . . 463.2.1
Conceito
. . . 463.2.2
Fenˆomenos Liminares, Leis de Escala e Universalidade
. 47 3.2.3Algoritmos para Determina¸c˜ao de
p
c.
. . . 503.3
Percola¸c˜ao por Liga¸c˜ao
. . . 533.4
Percola¸c˜ao em Outras Redes
. . . 533.5
Propriedades Estruturais
. . . 543.5.1
Dimens˜ao Fractal do Aglomerado Percolante
. . . 543.5.2
Distˆancia M´ınima e Dimens˜ao Qu´ımica
. . . 563.5.3
Sub-estruturas fractais
. . . 573.6
Percola¸c˜ao por Invas˜ao
. . . 593.6.1
A Fenomenologia
. . . 593.6.2
O Modelo
. . . 593.6.3
Variantes da Percola¸c˜ao Invasiva
. . . 604
PERCOLAC
¸ ˜
AO NO MULTIFRACTAL
634.1
Introdu¸c˜ao
. . . 634.2
As Redes
. . . 634.3
Escalonamento de Sistemas de Tamanho Finito
. . . 654.4
Percola¸c˜ao Convencional na
Rede N˜
ao Regular
. . . 694.5
Percola¸c˜ao na
Rede Correlacionada
. . . 754.6
Percola¸c˜ao por Invas˜ao
. . . 78CONCLUS ˜
OES
80 ACRIANDO FRACTAIS
82 A.1Criando Fractais Utilizando Recursividade
. . . 82A.1.1
Conjunto de Cantor
. . . 82A.1.2
Curva de Koch
. . . 83A.1.3
Triˆangulo de Sierpinski
. . . 83A.1.4
Curva Drag˜ao
. . . 84A.1.5
Deslocamento do Ponto M´edio
. . . 85A.1.6
Superf´ıcie Fractal
. . . 86A.1.7
Um Fractal Auto-Afim
. . . 88Lista de Figuras
1.1 Seq¨uˆencia de transforma¸c˜oes de similaridade sobre um triˆangulo P1P2P3. (a) O objeto, (b) ap´os uma mudan¸ca de escala, (c) objeto anterior ap´os uma rota¸c˜ao (eixo de rota¸c˜ao na origem) e (d) objeto anterior ap´os uma
transla¸c˜ao. . . 8
1.2 Aplica¸c˜ao de uma mudan¸ca de escala a uma regi˜ao do fractal de Sierpinski. A parte que sofreu a mudan¸ca de escala ´e idˆentica ao todo. . . 8
1.3 Aplica¸c˜ao de uma mudan¸ca de escala a uma regi˜ao do fractal de Sierpinski. A parte ampliada n˜ao foi detalhada durante o processo de constru¸c˜ao e, portanto, o objeto deixa de ser auto-similar nesta escala. . . 9
1.4 Exemplos de objetos com dimens˜oesd= 1, d= 2 e d= 3. . . 10
1.5 Parte de um triˆangulo de Sierpinski utilizado no c´alculo da dimens˜ao fractal. 11 1.6 Uma transforma¸c˜ao de afinidade aplicada a um c´ırculo. . . 12
1.7 Um fractal auto-afim. . . 12
1.8 Cinco primeiros passos da cria¸c˜ao de um conjunto de Cantor. . . 13
1.9 Cinco primeiros passos da cria¸c˜ao de uma curva de Koch. . . 15
1.10 Os quatro primeiros passos da cria¸c˜ao de um floco de neve de Koch. . . 16
1.11 Os quatro primeiros passos da cria¸c˜ao do inverso do floco de neve de Koch. 18 1.12 Os quatro primeiros passos da cria¸c˜ao de uma curva drag˜ao. . . 19
1.13 N´ıveis 10 e 14 da cria¸c˜ao de uma curva drag˜ao. . . 19
1.14 Os trˆes primeiros passos da cria¸c˜ao de um triˆangulo de Sierpinski. . . 20
1.16 Conjuntos de Julia preenchidos obtidos com a fun¸c˜ao f(z) = z2+c para
c =−1 e c= 0.6i. . . 23
1.17 Fractal de Mandelbrot para f(z) =z2+c. . . 24
1.18 Figura obtida atrav´es de DLA. . . 25
1.19 Dois primeiros passos da cria¸c˜ao de uma curva atrav´es da t´ecnica de deslo-camento do ponto m´edio. Linha tracejada: passo anterior. Linha pontil-hada: δym. . . 27
1.20 A Direita` : Curva criada atrav´es da t´ecnica de deslocamento do ponto m´edio para n = 6. A Esquerda: Utiliza¸c˜ao da curva para a cria¸c˜ao do perfil de` uma montanha. . . 27
1.21 Um superf´ıcie fractal produzida por uma algoritmo semelhante ao do deslo-camento do ponto m´edio vista de duas posi¸c˜oes diferentes. . . 28
1.22 Caixas fechadas de lado 21n cobrindo um quadrado de lado 1. Na figura n = 2. . . 30
2.1 Dois primeiros passos da cria¸c˜ao do conjuntoQmf com ρ= rs = 23. . . 37
2.2 Passos 2, 3 e 4 da cria¸c˜ao do conjunto Qmf com ρ= sr = 23. . . 37
2.3 ObjetoQmf constru´ıdo at´e o n´ıvel n= 10 paraρ= 12. . . 40
2.4 Dois objetos Qmf para n = 10 e ρ = 12. A esquerda:` em destaque o subconjunto k= 3. A direita:` em destaque o subconjunto k= 5. . . 41
2.5 ObjetoQmf constru´ıdo at´e o n´ıvel n= 10 paraρ= 23. . . 41
2.6 Dois objetos Qmf para n = 10 e ρ = 23. A esquerda:` em destaque o subconjunto k= 3. A direita:` em destaque o subconjunto k= 5. . . 42
2.7 Espectro multifractal deQmf para n= 1000 e (s, r) = (1,2) . . . 42
2.8 Espectro multifractal deQmf para n= 1000 e (s, r) = (2,3) . . . 43
2.9 Espectros de objetosQmf para diversos (s, r). . . 43
3.2 Esquema ilustrativo de um sistema artificial para o qual o modelo de per-cola¸c˜ao se aplica. S´ıtios pretos, c´elulas condutoras, s´ıtios brancos, c´elulas isolantes. . . 47 3.3 Exemplos de s´ıtios ocupados para rede 64×64 e p = 0.59. Aglomerado
percolante est´a em verde. . . 48 3.4 CurvasRL×ppara diversos tamanhosLde sistema. Quanto maior o valor
de L mais a curva se aproxima da fun¸c˜ao escada de Heavyside. . . 49 3.5 Algoritmo Fogo na Floresta aplicada a uma rede 5×5 comp= 0.4. . . 51 3.6 Curva do tempo de propaga¸c˜ao como uma fun¸c˜ao deppara uma rede 64×64. 51 3.7 Ilustra¸c˜ao do m´etodo de Hoshen-Kopelman . . . 52 3.8 Exemplos de rede 30×30 de liga¸c˜oes. A direita:` p = 0.5. A esquerda:`
p= 0.2 . . . 53 3.9 Exemplos de outros tipos de rede. A esquerda: rede triangular.` A direita:`
rede hexagonal (colm´eia). . . 54 3.10 Ilustra¸c˜ao da aplica¸c˜ao do algoritmo de queima. . . 57 3.11 Menor caminho entre dois s´ıtios de uma rede 64×64. . . 57 3.12 Modelagem de um meio poroso. A direita: Representa¸c˜ao idealizada de`
um meio poroso. Cada poro ´e conectado por gargantas estreitas a outros quatro vizinhos. A esquerda: Modelo representativo do meio poroso.` . . . 60 3.13 Quatro primeiros passos de um invas˜ao . . . 61 4.1 A esquerda: Objeto` Qmf constru´ıdo com os parˆametros n = 6, r = 2 e
s= 1. A direita:` Rede n˜ao regularproveniente da rela¸c˜ao de vizinhan¸ca entre os retˆangulos de Qmf. Cada c´ırculo preto ´e um s´ıtio oriundo de um retˆangulo (de seu centro) conforme descrito no texto. . . 64 4.2 A esquerda: Objeto` Qmf constru´ıdo com os parˆametros n = 4, r = 3 e
4.3 Colapso de dados deRL para dados expostos na Fig. (3.4). Rede quadrada 64×64. Os parˆametros cr´ıticos estimados foram pc = 0.5933±0.0005 e
ν = 1.33±0.02 . . . 70 4.4 Colapso de dados de P∞ para um multifractal criado com ρ = s/r = 1.
Os valores estimados foram pc = 0.5932±0.0001, β = 0.139±0.002 e
ν = 1.34±0.02 . . . 71 4.5 Colapso de dados deP∞na dire¸c˜ao vertical para arede n˜ao regularcriada
com ρ = s/r = 1/2. Os valores estimados foram pc = 0.5258±0.0001,
β = 0.145±0.002 e ν = 1.35±0.02 . . . 72 4.6 Colapso de dados de P∞ na dire¸c˜ao horizontal para a rede n˜ao regular
criada com ρ = s/r = 1/2. Os valores estimados foram pc = 0.5257± 0.0001,β = 0.148±0.002 e ν = 1.42±0.02 . . . 74 4.7 Colapso de dados deP∞na dire¸c˜ao vertical para arede n˜ao regularcriada
com ρ = s/r = 1/5. Os valores estimados foram pc = 0.5250±0.0001,
β = 0.177±0.001 e ν = 1.48±0.02 . . . 74 4.8 Colapso de dados de P∞ na dire¸c˜ao horizontal para a rede n˜ao regular
Lista de Tabelas
3.1 Valores depc da percola¸c˜ao por s´ıtio para diversos tipos de redes regulares. 55 3.2 Dimens˜oes fractais associadas com sub-estruturas[20] pertencentes ao
aglomerado percolante. . . 58 4.1 Parˆametros cr´ıticos calculados para diversos valores ρ = s/r. Eles foram
obtidos a partir do colapso de curvas atrav´es da rela¸c˜ao de escala para P∞
na dire¸c˜ao vertical na rede n˜ao regular. . . 73 4.2 Parˆametros cr´ıticos calculados para diversos valores ρ = s/r. Eles foram
obtidos a partir do colapso de curvas atrav´es da rela¸c˜ao de escala para P∞
na dire¸c˜ao horizontal na rede n˜ao regular. . . 73 4.3 Parˆametros cr´ıticos calculados para diversos valores ρ = s/r. Eles foram
obtidos a partir do colapso de curvas atrav´es da rela¸c˜ao de escala para P∞
na dire¸c˜ao vertical na rede correlacionada. . . 76 4.4 Parˆametros cr´ıticos calculados para diversos valores ρ = s/r. Eles foram
obtidos a partir do colapso de curvas atrav´es da rela¸c˜ao de escala para P∞
na dire¸c˜ao horizontal na rede correlacionada. . . 77 4.5 Dimens˜ao fractal calculada para percola¸c˜ao narede correlacionadapara
diversos valores ρ=s/r. Eles foram obtidos da rela¸c˜ao M(L)∝Ldf, onde M(L) ´e a ´area do aglomerado percolante pertencente a uma rede de lado L. 77 4.6 Dimens˜ao fractal do aglomerado obtido atrav´es de percola¸c˜ao por invas˜ao
narede correlacionadapara diversos valoresρ=s/r. Eles foram obtidos da rela¸c˜ao M(L) ∝ Ldf, onde M(L) ´e a ´area do aglomerado percolante
Introdu¸
c˜
ao
A descri¸c˜ao de objetos naturais atrav´es da geometria ´e uma t´ecnica t˜ao velha quanto a pr´opria geometria. Tradicionalmente isto envolve o uso de linhas euclidianas, retˆangulos, cubos, esferas e tudo o mais. Mas a natureza n˜ao ´e restrita as formas euclidianas. H´a um pouco mais de 20 anos Benoit B. Mandelbrot[1] observou:
Nuvens n˜ao s˜ao esferas, montanhas n˜ao s˜ao cones, as linhas costeiras dos pa´ıses n˜ao s˜ao c´ırculos, as cascas das ´arvores n˜ao s˜ao polidas, nem o raio viaja em linha reta.
Os fractais ser˜ao alvo do primeiro cap´ıtulo desta disserta¸c˜ao. Nele discutiremos sua defini¸c˜ao formal, alguns conceitos subjacentes que ajudar˜ao a compreende-los melhor, alguns m´etodos de constru¸c˜ao ricamente exemplificados, algumas defini¸c˜oes de dimens˜ao fractal e exemplos de onde podemos encontrar fractais na natureza.
Com a cria¸c˜ao em 1982 por Mandelbrot desta nova ´area do conhecimento, muitos conjuntos matem´aticos tidos como estranhos (e n˜ao estudados pelos matem´aticos por este fato) e objetos naturais foram caracterizados e estudados como fractais. O estudo na ´area aprofundou-se de tal forma que foram descobertos outros objetos naturais e conjuntos matem´aticos que n˜ao se poderiam caracterizar como apenas um fractal e sim como a uni˜ao de muitos fractais. A estes deram o nome de multifractais.
No segundo cap´ıtulo desta disserta¸c˜ao vamos descrever um objeto multifractal proposto por G. Corso e colaboradores[3]. Nele n´os apresentaremos detalhes da con-stru¸c˜ao e das propriedades deste objeto. As rela¸c˜oes de vizinhan¸ca existentes entre os elementos deste multifractal ser˜ao utilizadas para o estabelecimento de duas redes que ser˜ao utilizadas para estudos de percola¸c˜ao no cap´ıtulo quatro.
A percola¸c˜ao ser´a o assunto do terceiro cap´ıtulo. Nele descreveremos seus con-ceitos, discutiremos os tipos de percola¸c˜ao existentes e suas conex˜oes com a teoria dos fractais. Nele ainda apresentaremos alguns algoritmos que s˜ao utilizados para estudos no assunto.
No quarto cap´ıtulo relatamos os resultados da aplica¸c˜ao de conceitos de percola¸c˜ao ao multifractal de Corso. Alguns dos resultados foram obtidos atrav´es da aplica¸c˜ao de uma t´ecnica conhecida porescalonamento de sistemas de tamanhos finitos `a dados prove-nientes de simula¸c˜oes num´ericas. Neste cap´ıtulo apresentamos ainda an´alises dos resulta-dos obtiresulta-dos.
Percola¸c˜ao ´e um assunto que tem ajudado a unifica¸c˜ao de um novo campo do conhecimento intitulado Sistemas Complexos. ´E bem verdade que este campo tem surgido do englobamento do conhecimento de v´arias ´areas, mas ´e s´o das ciˆencias ditas exatas que ele tem se desenvolvido de um ponto de vista quantitativo.
CAP´ITULO 1
FRACTAIS
1.1
Introdu¸
c˜
ao
Nas ´ultimas d´ecadas, uma ampla faixa de estruturas complexas de interesse de cien-tistas, m´edicos e engenheiros tem sido quantitativamente descrita utilizando-se da id´eia de uma dimens˜ao fractal: uma dimens˜ao que caracteriza de uma maneira ´unica a forma geom´etrica em estudo. Essa dimens˜ao est´a associada `a simetria que o objeto exibe quando sofre mudan¸cas de escala: ele sempre parece o mesmo.
O conceito de dimens˜ao fractal ajudou a explicar muitas coisas que eram conside-radas mist´erios matem´aticos. Um simples exemplo foi a explica¸c˜ao do motivo pelo qual o comprimento da costa de um pa´ıs depende da r´egua utilizada. Isto deve-se ao fato da costa ser um fractal.
Neste cap´ıtulo discorreremos sobre os fractais, suas propriedades, m´etodos de constru¸c˜ao e c´alculo de sua dimens˜ao. Daremos v´arios exemplos de fractais e da maneira particular como cada um ´e criado. Encerraremos com a apresenta¸c˜ao de alguns exemplos de fractais encontrados na natureza.
1.2
Defini¸c˜
ao e Propriedades
1.2.1
Defini¸
c˜
ao
por Benoit Mandelbrot em 1975 e tem origem na palavra latinafractusque significa que-brado. A defini¸c˜ao formal para fractal, que foi criada por Mandelbrot[1], n˜ao pode ser entendida sem que haja compreens˜ao da no¸c˜ao de dimens˜ao:
Um fractal ´e, por defini¸c˜ao, um conjunto para o qual a dimens˜ao de Hausdorff-Besicovitch (ver se¸c˜ao 1.4.3) excede, estritamente, a dimens˜ao topol´ogica (ver se¸c˜ao 1.4.1).
Conjuntos fractais exibem propriedades interessantes e intrigantes, o que lhes ren-deu durante muitos anos a alcunha de objetos monstros. A principal propriedade res-pons´avel por isso ´e a de que alguns fractais s˜ao cont´ınuos em todos os pontos e nenhum destes pontos possui derivada. As propriedades aceitas como sendo gerais aos fractais s˜ao a ausˆencia de escala t´ıpica, auto-similaridade (que ´e a respons´avel pela ausˆencia de escala) e dimens˜ao fractal. H´a outras propriedades, que podem estar ou n˜ao presentes nos fractais, como por exemplo, auto-afinidade. Trataremos destas quatro propriedades em seguida.
1.2.2
Ausˆ
encia de Escala T´ıpica
A escala caracter´ıstica para medidas no corpo humano ´e o cent´ımetro. Como exem-plo, podemos citar a estatura m´edia do brasileiro, que ´e 170 cm. A escala caracter´ıstica para as distˆancias interestaduais ´e o quilˆometro. A distˆancia Natal-Fortaleza ´e de aprox-imadamente 540 km. A distˆancia Natal-Macei´o ´e de aproxaprox-imadamente 570 km. Existem objetos que n˜ao possuem uma escala t´ıpica, ou seja, ´e poss´ıvel encontrar medidas de seus componentes em todas as escalas. Os conjuntos fractais exibem esta propriedade. A costa de um pa´ıs ´e um exemplo de conjunto sem escala t´ıpica.
Lewis Fry Richardson era um pacifista e matem´atico que tentou calcular a probabi-lidade de dois pa´ıses entrarem em guerra como fun¸c˜ao do comprimento de suas fronteiras. Em 1961 ele relatou que se deparou com o problema de que as medidas dos comprimentos das fronteiras mudavam de acordo com a escala adotada. Richardson conseguiu encontrar uma rela¸c˜ao matem´atica que expressaria a forma como a medida mudaria. A rela¸c˜ao era
onde F ´e um prefator constante e positivo, D ´e uma segunda constante, no m´ınimo, igual a unidade, L´e comprimento da fronteira e G o tamanho da “r´egua” adotada. Nas pr´oprias palavras de Richardson, oD´e uma “caracter´ıstica” da fronteira e pode-se esperar ter alguma correla¸c˜ao positiva com uma imediata percep¸c˜ao visual da irregularidade da fronteira. Richardson calculou os seguintes valores para D: D = 1.14 para a fronteira entre Portugal e Espanha, D = 1.15 para a fronteira terrestre da Alemanha, D = 1.13 para a costa Australiana. Mandelbrot cita este trabalho no seu artigo intitulado Qu˜ao longa ´e a costa britˆanica? [8] no qual chegou `a conclus˜ao de que o D calculado por Richardson ´e, na verdade, a dimens˜ao de similaridade daquelas curvas.
1.2.3
Auto-Similaridade
nas dire¸c˜oes horizontais e verticais, mesmo os segmentos de linhas curvas ser˜ao ampli-ados pelo mesmo fator. Este fator ´e chamado fator de escala. A transforma¸c˜ao entre os objetos ´e chamada transforma¸c˜ao de similaridade. Essencialmente, transforma¸c˜oes de similaridade s˜ao composi¸c˜oes envolvendo uma mudan¸ca de escala, uma rota¸c˜ao e/ou uma transla¸c˜ao. Outras opera¸c˜oes s˜ao evetualmente utilizadas, como por exemplo, a reflex˜ao. As trˆes primeiras transforma¸c˜oes de similaridade citadas neste par´agrafo podem ser rep-resentadas como se segue. Considere-se um objeto especificado pelas linhas que ligam em seq¨uˆencia os trˆes pontos P1 = (x1, y1), P2 = (x2, y2) e P3 = (x3, y3). Uma opera¸c˜ao de mudan¸ca de escalaS :ℜ2 → ℜ2 se aplica a cada ponto individualmente:
P′
i =S(Pi) (1.2)
x′
i= sxi (1.3)
y′
i =syi, (1.4)
ondes´e o fator de escala associado com a opera¸c˜ao de mudan¸ca de escalaS,s >1 d´a uma amplia¸c˜ao. s <1 d´a uma redu¸c˜ao. Uma rota¸c˜ao aplicada aP′
i = (x′i, yi′) d´aPi′′= (x′′i, yi′′).
P′′
i =R(Pi′) (1.5)
x′′
i =x′icos(θ)−y′isen(θ) (1.6)
y′′
i =x′isen(θ) +y′icos(θ) (1.7) Isto descreve uma rota¸c˜ao R : ℜ2 → ℜ2 no sentido anti-hor´ario de P′
i em torno da origem do sistema de coordenadas por um ˆangulo θ. Uma transla¸c˜ao T : ℜ2 → ℜ2 de
P′′
i = (x′′i, yi′′) por um deslocamento (Tx, Ty) ´e definida por
P′′′
i =T(Pi′′) (1.8)
x′′′
i =x′′i +Tx (1.9)
y′′′
i =y′′i +Ty, (1.10)
o que d´a como resultado o pontoP′′′
Figura 1.1: Seq¨uˆencia de transforma¸c˜oes de similaridade sobre um triˆangulo P1P2P3. (a) O objeto, (b) ap´os uma mudan¸ca de escala, (c) objeto anterior ap´os uma rota¸c˜ao (eixo de
rota¸c˜ao na origem) e (d) objeto anterior ap´os uma transla¸c˜ao.
Dado o par´agrafo anterior pode-se concluir que auto-similaridade ´e a propriedade que alguns objetos possuem de, ap´os sofrerem transforma¸c˜oes de similaridade, manterem a forma original, ou, em outras palavras, o objeto parece o mesmo ap´os sofrer tais trans-forma¸c˜oes. Um exemplo de uma estrutura auto-similar ´e o triˆangulo de Sierpinski (Fig. (1.2)). Aplicando-se uma mudan¸ca de escala a uma regi˜ao do fractal, observa-se que essa regi˜ao ´e idˆentica ao todo. Note que a auto-similaridade existe considerando-se a
Figura 1.2: Aplica¸c˜ao de uma mudan¸ca de escala a uma regi˜ao do fractal de Sierpinski. A
parte que sofreu a mudan¸ca de escala ´e idˆentica ao todo.
exibido na Fig. (1.3).
Figura 1.3: Aplica¸c˜ao de uma mudan¸ca de escala a uma regi˜ao do fractal de Sierpinski. A
parte ampliada n˜ao foi detalhada durante o processo de constru¸c˜ao e, portanto, o objeto deixa
de ser auto-similar nesta escala.
Tipos de auto-similaridade
Na auto-similaridade geom´etrica, que foi descrita acima, partes do objeto s˜ao exata-mente uma c´opia menor do objeto inteiro. Dizemos ent˜ao que as partes s˜ao geometrica-mente similares ao todo. H´a uma classe de conjuntos cujas partes reproduzem o todo, mas n˜ao de forma exata e sim estat´ıstica, isto ´e, as partes possuem os mesmos valores para certas propriedades estat´ısticas do todo. Dizemos ent˜ao que o conjunto ´e estatisticamente auto-similar. Este tipo de auto-similaridade ´e mais comum na natureza do que o primeiro tipo.
1.2.4
Dimens˜
ao e Dimens˜
ao Fractal
um ponto naquele conjunto. Assim, um plano euclidiano (X =ℜ2) ´e bidimensional pois ´e necess´ario um par de n´umeros, (x, y), para se especificar qualquer ponto dele. Mas esta ´e apenas uma das defini¸c˜oes de dimens˜ao (oriunda da ´algebra linear). Descreveremos aqui a no¸c˜ao de dimens˜ao de similaridade, que aplicaremos aos objetos fractais apresentados em seguida, e na se¸c˜ao 1.4 descreveremos com mais detalhes outras defini¸c˜oes.
Dimens˜aodde um conjunto pode ser definida como sendo a forma como o n´umero
M de objetos que comp˜oem o conjunto muda com sua dimens˜ao linear L. Considerando-se uma pequena parte do conjunto de tamanho linear igual abL (b <1), ent˜ao M(bL) ´e modificado em seu valor por um fatorbd:
M(bL) =bdM(L) (1.11)
Na Fig. (1.4) vemos exemplos de objetos com dimens˜oes inteiras. O objeto (a) de
Figura 1.4: Exemplos de objetos com dimens˜oes d= 1,d= 2e d= 3.
Fig. (1.4) possui dimens˜aod= 1 porque
M
L
2
= 1
2M(L), (1.12)
no caso em quest˜aob= 12. J´a o objeto (c) da mesma figura possui dimens˜aod= 3, pois,
M
L
2
= 1
8M(L) = 1
2 3
M(L). (1.13)
Figura 1.5: Parte de um triˆangulo de Sierpinski utilizado no c´alculo da dimens˜ao fractal.
(1.11) n´os obtemos
d=
logM(bL)M(L)
log(b) . (1.14)
Na Fig. (1.5) observa-se queb= 1
2, M(L) = 27 e M L
2
= 9. Substituindo estes valores na Eq.(1.14) obtˆem-se
d= log 9
27
log1 2
= 1.5849... (1.15)
1.2.5
Auto-Afinidade
Uma transforma¸c˜ao w:ℜ2 → ℜ2 da forma
w(x1, x2) = (ax1+bx2+e, cx1+dx2+f), (1.16) onde a, b, c, d, e e f s˜ao n´umeros reais, ´e chamada uma transforma¸c˜ao de afinidade (bidimensional)[10]. Na Fig. (1.6) temos um exemplo de transforma¸c˜ao aplicada a um c´ırculo. A transforma¸c˜ao em quest˜ao ´e
w(x, y) = (2x, y). (1.17)
Alguns fractais ap´os sofrerem certas transforma¸c˜oes de afinidade permanecem com o mesmo aspecto, isto ´e, a transforma¸c˜ao de afinidade n˜ao altera sua forma. Dizemos ent˜ao que este fractal exibe auto-afinidade. Na Fig. (1.7) temos um exemplo de um fractal autoafim constru´ıdo at´e certo passo. Note que para que uma parte do conjunto represente o todo ´e necess´ario aplicar diferentes mudan¸cas de escala para os eixosxey.
Figura 1.6: Uma transforma¸c˜ao de afinidade aplicada a um c´ırculo.
Figura 1.7: Um fractal auto-afim.
de fun¸c˜ao auto-afim aleat´oria ´e a fun¸c˜ao h(t) de um movimento Browniano unidimen-sional, onde hrepresenta a posi¸c˜ao da part´ıcula e trepresenta o tempo.
1.3
Categorias de Fractais
1.3.1
Fractais Determin´ısticos
Em seguida veremos alguns exemplos de sistemas de fun¸c˜oes iteradas e suas pro-priedades. Para que um verdadeiro fractal seja criado, ´e necess´ario que este processo n˜ao termine nunca, o que significa que os fractais s˜ao objetos limites. Veremos, tamb´em, objetos fractais determin´ısticos gerados por outros processos, como o conjunto de Julia.
Conjunto de Cantor
O conjunto de Cantor ´e obtido tomando-se um segmento de reta de comprimento 1, isto ´e, tomando-se um conjunto T0 = {[0,1]} , dividindo-o em trˆes partes iguais e retirando-se a parte central, ent˜ao, obtˆem-se o conjunto T1 = {[0,13]∪[23,1]}. Repete-se ent˜ao este procedimento para os intervalos que surgirem, continuando o processo ad infinintum. Na Fig. (1.8) pode-se observar os 5 primeiros passos na cria¸c˜ao do conjunto de cantor. O comprimento total do conjunto, depois de n itera¸c˜oes, ´e dado por
Figura 1.8: Cinco primeiros passos da cria¸c˜ao de um conjunto de Cantor.
ln =
2 3
n
, (1.18)
o n´umero de segmentos de reta ´e dado por
Nn = 2n, (1.19)
ent˜ao o comprimento de cada segmento ´e
ǫn =
ln
Nn =
1 3
n
A dimens˜ao de similaridade para este conjunto pode facilmente ser calculada. Vamos fazˆe-lo com o aux´ılio do n´ıveln= 2. Neste casoM(L) = 4, comb= 1
3 temosM(bL) = 2. Substituindo estes valores na Eq. (1.14) obtemos
d= log 2
4
log13 =
log (2)
log(3) = 0.6309... (1.21)
Curva de Koch
A curva de Koch ´e uma curva matem´atica e um dos mais antigos fractais conheci-dos. Ele apareceu pela primeira vez num artigo intitulado “Une m´ethode g´eom´etrique ´el´ementaire pour l’´etude de certaines questions de la th´eorie des courbes plane” em 1906 pelo matem´atico sueco Helge Von Koch. Neste artigo Koch mostrou que a curva em quest˜ao era continua em todos os pontos e n˜ao diferenci´avel, tamb´em, em todos os pon-tos. A curva de Koch ´e um dos fractais determin´ısticos mais comuns. O processo de cria¸c˜ao come¸ca com uma ´unica linha. Divide-se a linha em trˆes trechos iguais, retira-se o trecho central (como no processo de cria¸c˜ao do conjunto de Cantor) e insere-se dois seg-mentos de reta, de mesmo comprimento do trecho retirado, nas extremidades dos trechos restantes, de tal maneira que suas extremidades se unam e eles formem um ˆangulo de 60o entre si. Repete-se indefinidamente este procedimento em cada segmento de reta do novo objeto criado. Na Fig. (1.9) vemos os 5 primeiros passos da cria¸c˜ao de uma curva de Koch. Em cada itera¸c˜ao o comprimento desta curva ´e incrementada por um fator 43. Assim sendo o comprimento depois den intera¸c˜oes ser´a dado por
ln =
4 3
n
, (1.22)
o n´umero de segmentos de reta depois de n itera¸c˜oes ´e
Nn = 4n, (1.23)
assim sendo, o comprimento de cada segmento ´e
ǫn =
Figura 1.9: Cinco primeiros passos da cria¸c˜ao de uma curva de Koch.
Vamos utilizar o n´ıvel 1 para c´alculo de similaridade, para b = 13, M(L) = 4 e
M(bL) = 1, obtemos
d= log 1
4
log13 =
log (4)
log(3) = 1.261859... (1.25) Floco de Neve de Koch
O floco de Neve de Koch, tamb´em conhecido por estrela de Koch ou ilha de Koch ´e obtido aplicando-se o processo de cria¸c˜ao da curva de Koch a um triˆangulo equil´atero de lado L0 = 1. Na Fig. (1.10) pode-se observar quatro passo da cria¸c˜ao de um floco de neve de Koch. Ele possui as mesmas propriedades da curva de Koch, isto ´e, ´e cont´ınuo em todos os pontos e n˜ao diferenci´avel em todos eles. Seja Nn o n´umero de lados, Ln o comprimento dos segmentos de retas existentes no conjunto e ln o per´ımetro, ent˜ao
Figura 1.10: Os quatro primeiros passos da cria¸c˜ao de um floco de neve de Koch.
Ln = 1
3 n
= 3−n (1.27)
ln =NnLn = 3 4
3 n
(1.28) Vamos agora calcular a ´area delimitada pelo objeto fractal. No n´ıvel n existem Nn (Eq. (1.26)) lugares onde ser˜ao inseridos triˆangulos equil´ateros de lado 1
3Ln, onde Ln ´e tamanho de um segmento do fractal, dado pela Eq. (1.27). Ent˜ao, sendo An a ´area delimitada pelo objeto no n´ıvel npodemos afirmar que
An+1=An+Nn△
Ln 3
, (1.29)
sendo△= △(x) a fun¸c˜ao que d´a a ´area do triˆangulo equil´atero
△(x) = x 2√3
4 , (1.30)
ondex´e o lado do triˆangulo. Substituindo os valores apropriados na Eq. (1.29) obtemos
An+1=An+ 3·4n
L2 n 32
√
3
4 , (1.31)
que pode ser reescrita como
An+1 =An+
3·4n√3
4·32·9n. (1.32)
Como a ´area do triˆangulo original ´e△(1) =A0 =
√
3
4 podemos reescrever a Eq. (1.32) da seguinte forma
An+1 =An+ 1 3
4 9
n
Temos ent˜ao
A1 =A0+ 1 3
4 9
0
A0. (1.34)
A2 =A1+ 1 3
4 9
1
A0 =A0+ 1 3
4 9
0
A0+ 1 3
4 9
1
A0. (1.35)
A3 =A2+ 1 3 4 9 2
A0 =A0+ 1 3 4 9 0
A0+ 1 3 4 9 1
A0+ 1 3 4 9 2
A0. (1.36) Da Equa¸c˜oes 1.34, 1.35 e 1.36 podemos inferir que
An =A0
1 +1 3 n i=0 4 9 i . (1.37)
O termo ni=049i na Eq. (1.37) pode ser encarado como a soma dos termos de uma progress˜ao geom´etrica (P.G) com termo iniciala1= 1 e raz˜aoq= 49. Sabemos que a soma dos termos de uma P.G infinita ´e dada por
S∞ = a1
1−q. (1.38)
Assim sendo, para o fractal, que existe realmente apenas paran→ ∞ temos
∞ i=0 4 9 i = 1
1−4 9
. (1.39)
Substituindo a Eq. (1.39) na Eq. (1.37) (comn→ ∞) n´os obtemos lim
n→∞An =
8
5A0. (1.40)
Temos agora mais uma estranha propriedade deste fractal. Um per´ımetro infinito (pois limn→∞ln =∞) delimita uma ´area finita. Por ser apenas a uni˜ao de trˆes curvas de Koch, a dimens˜ao de similaridade deste conjunto ´e a mesma da curva, isto ´e, d = log(
1 4)
log(1 3)
= log(4)
log(3) = 1.261859...
Inverso do Floco de Neve de Koch
Figura 1.11: Os quatro primeiros passos da cria¸c˜ao do inverso do floco de neve de Koch.
que os n´ıveis novos dever˜ao retirar ´area do triˆangulo equil´atero original e n˜ao acrescentar. O per´ımetro, n´umero e tamanho dos segmentos de reta possuem valores idˆenticos aos do fractal floco de neve. A ´area delimitada pelo per´ımetro claramente ´e diferente. O processo para o c´alculo da ´area tamb´em ´e o mesmo. Se repetirmos todos os passos descritos na se¸c˜ao anterior chegaremos a equa¸c˜ao seguinte ao inv´es da Eq. (1.37)
An =A0
1−1 3
n
i=0
4 9
i
. (1.41)
Paran→ ∞ obtemos
A∞ = 2
5A0. (1.42)
A dimens˜ao de similaridade deste conjunto ´e idˆentica `a dimens˜ao fractal do Floco de Neve de Koch.
Curva Drag˜ao
Fig. (1.13) vemos os n´ıveis 10 e 14. A linha pontilhada ´e o est´agio anterior, isto ´e, ´e a
Figura 1.12: Os quatro primeiros passos da cria¸c˜ao de uma curva drag˜ao.
curva base. Note que os triˆangulos n˜ao s˜ao constru´ıdos todos de um mesmo lado da curva base. Determinando-se um sentido nesta, note que os triˆangulos s˜ao constru´ıdos de forma alternada, ora `a esquerda, ora `a direita desta. Em cada n´ıvel o comprimento da curva ´e
Figura 1.13: N´ıveis 10 e 14 da cria¸c˜ao de uma curva drag˜ao.
incrementado em √2. Assim o comprimento da curva no n´ıvel n ser´a dado por
ln = √
2nl0. (1.43)
O comprimento dos segmentos ser´a dado por
ǫn =
ln 2n = 2
−n2l
0 (1.44)
Triˆangulo de Sierpinski
O triˆangulo de Sierpinski existe desde o s´eculo XII em algumas catedrais, mas foi o matem´atico polonˆes Waclaw Sierpinski[17] (1882-1969) que o introduziu formalmente ao grupo dos conjuntos matem´aticos estranhos, no ano de 1916. Sua constru¸c˜ao ´e feita da seguinte forma. Inicia-se com um triˆangulo equil´atero de lado 1. Retira-se um triˆangulo equil´atero de lado 12 de tal maneira que restar˜ao outros trˆes triˆangulos de lado 12. Ent˜ao este processo ´e repetido em cada triˆangulo que tiver surgido. Em cada n´ıvel da cria¸c˜ao, o n´umero de triˆangulos ´e igual a
Nn = 3n (1.45)
A ´area de cada triˆangulo que comp˜oe o conjunto ´e, no n´ıvel n,
△n = 1
2 2n
△0, (1.46)
onde △0 ´e a ´area do triˆangulo equil´atero inicial (de lado 1). A ´area total do conjunto depois de n passos ´e
An = 3n 1
2 2n
A0. (1.47)
O conjunto fractal existe paran→ ∞ent˜ao lim
n→∞An = 0. (1.48)
A Eq. (1.48) revela que este conjunto existe, mas possui densidade nula, outra estranha propriedade de alguns fractais. Na Fig. (1.14) podemos observar os trˆes primeiros passos
Figura 1.14: Os trˆes primeiros passos da cria¸c˜ao de um triˆangulo de Sierpinski.
Tapete de Sierpinski
Este conjunto ´e uma varia¸c˜ao do triˆangulo de Sierpinski. Ele ´e criado a partir de um quadrado de lado 1. Retira-se do centro um quadrado de lado 1
3. Dessa forma passa a existir 8 quadrados dos quais retira-se de seus respectivos centros um quadrado de lado 1
9. E assim por diante. Na Fig. (1.15) podemos ver os trˆes primeiros passos na cria¸c˜ao de uma tapete de Sierpinski. O n´umero quadrados de lado 13n no n´ıveln´e igual a
Figura 1.15: Os trˆes primeiros passos da cria¸c˜ao de um tapete de Sierpinski.
Nn = 8n. (1.49)
A ´area de cada quadrado no n´ıveln ´e dada por n =
1 3
2n
0 (1.50)
A ´area total ent˜ao ´e
An =
8 9
n
A0, (1.51)
assim, quandon→ ∞ teremos
lim n→∞
An = 0, (1.52)
ou seja, a ´area total deste conjunto ´e zero. Assim como o triˆangulo de Sierpinski, este fractal tamb´em possui densidade nula, juntando-se assim ao grupo dos conjuntos com estranhas propriedades.
Vamos agora calcular a dimens˜ao de similaridade deste fractal. Para isto vamos nos utilizar do n´ıveln= 1.Para este n´ıvel temos M(L) = 8 e, parab = 1
3, temos M(bL) = 1. Substituindo na Eq. (1.14) obtemos
d= log 1
8
log13 =
log (8)
Conjuntos de Julia
Em 1918 o matem´atico frˆances Gaston Julia publicou um trabalhou que permaneceu esquecido at´e os anos 1980, quando os computadores puderam visualizar sua cria¸c˜ao. Para facilitar o entendimento da id´eia de Julia vamos definir trˆes conceitos importantes: m´etrica, ´orbita e conjunto limitado.
Defini¸c˜ao 1.3.1.1 Um espa¸co m´etrico (X, d)´e um espa¸co X junto com uma fun¸c˜ao real
d:X × X →R, que mede a “distˆancia” entre o par de pontos x, y ∈ X. Exige-se que d obede¸ca aos seguintes axiomas:
• d(x, y) =d(y, x)∀x, y∈ X
• 0< d(y, x)<∞ ∀x, y∈ X, x=y • d(x, x) = 0∀x∈ X
• d(x, y)≤d(x, z) +d(z, y)∀x, y, z∈ X
Defini¸c˜ao 1.3.1.2 Uma ´orbita W de um n´umero z ∈ X sobre uma fun¸c˜ao f :X × X ´e o conjunto W ={f(z), f(f(z)), f(f(f(z))), ...}.
Defini¸c˜ao 1.3.1.3 Seja S ⊂ X um subconjunto de um espa¸co m´etrico (X, d). S ´e limi-tado se h´a um ponto a∈ X e um n´umero real R >0 tal que d(a, x)< R∀x∈S.
O conjunto de Julia preenchido ´e definido como o conjunto de pontos z ∈Cpara os quais a ´orbita sobre uma fun¸c˜ao f(z)→ C ´e limitada, e o conjuto de J´ulia simples ´e a fronteira entre o conjunto composto por todos os pontos z com ´orbitas limitadas e o conjunto composto por todos os pontosz com ´orbitas n˜ao-limitadas.
Vamos dar um exemplo de como desenhar um conjunto de J´ulia. Seja a fun¸c˜ao
determinante fosse alcan¸cada. Para evitar que o sistema fique iterando para sempre num ponto que possui ´orbita limitada, deve-se limitar o n´umero de itera¸c˜oes m´aximas da fun¸c˜ao e considerar que qualquer ponto cujas itera¸c˜oes tenham atingido este n´umero de vezes ´e um ponto de ´orbita limitada. A cor atribuida a este ponto ´e ent˜ao preta. Observe que para cadacum conjunto de pontos ser´a encontrado e existem valores decpara o quais n˜ao existem pontos com ´orbitas limitadas e existemc para o quais existem ´orbitas limitadas e o conjunto, no entanto, n˜ao forma um fractal. Por exemplo, parac = 0, o conjunto de pontos cuja ´orbita ´e limitada forma um c´ırculo. Na Fig. (1.16) vemos dois conjuntos de Julia.
Figura 1.16: Conjuntos de Julia preenchidos obtidos com a fun¸c˜aof(z) =z2+c parac=−1 ec= 0.6i.
Fractal de Mandelbrot
se deseja determinar se possui ´orbita limitada ou n˜ao. Na Fig. (1.17) vemos um conjunto de Mandelbrot preenchido paraf(z) =z2+c. O conjunto de Mandelbrot simples reside na fronteira do conjunto dos elementos com ´orbita limitada com o conjunto dos elementos com ´orbita n˜ao limitada e ele que d´a, como j´a dissemos, todos os valores para os quais o conjunto de Julia ´e conectado.
Figura 1.17: Fractal de Mandelbrot para f(z) =z2+c.
1.3.2
Fractais Aleat´
orios
ALD (Agrega¸c˜ao Limitada por Difus˜ao)
la¸cos (a n˜ao ser em escalas reduzidas). A figura que surge no plano tem dimens˜ao fractal aproximadamente igual a 1.7 (ver Fig. (1.18). No espa¸co tridimensional ela tem dimens˜ao de aproximadamente 2.5.
Figura 1.18: Figura obtida atrav´es de DLA.
M. Matsushita e Hiroshi Fujikawab [12] em 2002 estudaram o crescimento de uma colˆonia de bact´erias da esp´ecie Bacillus subtilis. Eles mostraram que ela crescia bidimensionalmente e auto-similarmente em placas de ´agar-´agar (material encontrado em algas vermelhas utilizado na produ¸c˜ao de hidrogel para cultivo de microorganismos) em um meio concentrado de nutrientes. Eles obtiveram dimens˜ao fractal D = 1.73±0.02, muito pr´oximo do valor atribuido ao modelo de DLA bidimensional.
A estrutura dada pelo algoritmo DLA est´a presente em muitos lugares na natureza. A raz˜ao disto, como nos mostra H. E. Stanley num artigo editado por A. Bunde e Shlomo Havlin[20], ´e em primeiro lugar o fato de que o fenˆomeno de agrega¸c˜ao baseado na cam-inhada aleat´oria corresponde `a equa¸c˜ao de Laplace (∇2Π(r, t) = 0) para a probabilidade Π(r, t) de que a caminhada esteja na posi¸c˜ao(r) no tempot. Em segundo lugar, h´a uma ampla faixa de fenˆomenos que aparentemente nada possuem em comum com caminhada aleat´oria. Entre eles destacamos o fenˆomeno dos “Dedos Viscosos”, para o qual a press˜ao
podem ser modelados por DLA. Eles pertecem ao que se chama classe de universalidade do DLA. Em seguida veremos dois exemplos de DLA em colˆonias de microorganismos.
Em 1993 Matsuura e Miyazama[13] mostraram que uma colˆonia de fungos As-pergillus oryzae quando cultivada num meio com escassez de alimentos cresce exatamente com a aparˆencia de uma figura criada por DLA. Na experiˆencia, quem se difundia n˜ao era o fungo, mas o alimento, e onde o alimento encostava, favorecia o crescimento dos fungos naquele ponto.
Deslocamento do Ponto M´edio
Pode-se gerar imagens de paisagens terrestres atrav´es da utiliza¸c˜ao de fractais. Um dos mais simples fractais utilizado para esta fun¸c˜ao ´e criado atrav´es do algoritmo intitulado “Deslocamento do Ponto M´edio”. Este algoritmo funciona da seguinte forma. Inicia-se com um segmento de reta de comprimentol0. Determina-se a coordenada do ponto m´edio (xm, ym). Adiciona-se a ym um n´umero aleat´orio δym que pertence ao intervalo [−l0, l0]. O segmento ´e ent˜ao repartido em dois e estes s˜ao esticados at´e encontarem no ponto cor-respondente ao deslocamento do ponto m´edio. O segundo passo consiste na aplica¸c˜ao da mesma regra aos dois segmentos que surgiram. Desta vez o deslocamento do ponto m´edio ser´a feito por um valorδym aleat´orio pertecente ao intervalo [−l20,l20]. Generalizando, os deslocamentos dever˜ao ser dados, para o n´ıveln, por um n´umero aleat´orio pertencente ao intervalo
δym ∈
−2l0n, l0
2n
. (1.54)
Na Fig. (1.19) vemos os dois primeiros n´ıveis na cria¸c˜ao de um fractal atrav´es da t´ecnica de deslocamento do ponto m´edio. E na Fig. (1.20) vemos uma curva criada at´e o sexto n´ıvel.
Figura 1.19: Dois primeiros passos da cria¸c˜ao de uma curva atrav´es da t´ecnica de deslocamento
do ponto m´edio. Linha tracejada: passo anterior. Linha pontilhada: δym.
Figura 1.20: A Direita` : Curva criada atrav´es da t´ecnica de deslocamento do ponto m´edio para
n= 6. A Esquerda` : Utiliza¸c˜ao da curva para a cria¸c˜ao do perfil de uma montanha.
utilizada no plano para a produ¸c˜ao de superf´ıcies fractais.
1.4
Dimens˜
ao Fractal
Dimens˜ao fractal ´e o nome dado a cada elemento do conjunto de n´umeros que podem caracterizar os fractais. Esses n´umeros s˜ao importantes porque definem a conex˜ao dos conjuntos fractais com os dados reais, e eles podem ser medidos aproximadamente atrav´es de experiˆencias.
Figura 1.21: Um superf´ıcie fractal produzida por uma algoritmo semelhante ao do
desloca-mento do ponto m´edio vista de duas posi¸c˜oes diferentes.
no in´ıcio deste cap´ıtulo.
1.4.1
Dimens˜
ao Topol´
ogica
A dimens˜ao topol´ogica descreve como pontos que comp˜oem o conjunto s˜ao conectados. O valor da dimens˜ao topol´ogica ´e sempre um inteiro. Por defini¸c˜ao o ponto tem dimens˜ao topol´ogica 0. Como a uma curva pode ser separada por um ponto, diz-se que ela tem dimens˜ao topol´ogica 1. Uma superf´ıcie pode ser separada por uma curva, ent˜ao diz-se que ela tem dimens˜ao topol´ogica 2. Um volume pode ser separado por um plano, possui, portanto, dimens˜ao topol´ogica igual a 3. Este conceito vem da defini¸c˜ao de equivalˆencia topol´ogica. Dois objetos s˜ao topologicamente equivalentes quando um pode ser obtido do outro atrav´es de algumas opera¸c˜oes permitidas (esticar certos segmentos, encurvar outros, etc). Sob este ponto de vista, a curva de Koch e um segmento de reta s˜ao equivalentes. Assim, objetos topologicamente equivalentes possuem mesma dimens˜ao topol´ogica.
H´a muitas defini¸c˜oes de dimens˜ao que recaem na dimens˜ao topol´ogica. Vamos descrever a dimens˜ao de cobertura. Para seu c´alculo n´os primeiro encontramos o menos n´umero de conjuntos necess´arios para cobrir todas as partes de um objeto. Esses conjuntos podem precisar se sobrepor. Se cada ponto do objeto ´e coberto por n˜ao mais que G
coberto com o menor n´umero de c´ırculos de raio finito poss´ıveis, cada ponto no plano ir´a ser coberto por n˜ao mais do que 3 c´ırculos. Como 3−1 = 2, dizemos que a dimens˜ao de cobertura do plano ´e 2.
1.4.2
Dimens˜
ao de Minkowski-Bouligand
Seja X o espa¸co (e.g R, R2 ou C) que cont´em o conjunto fractal F, isto ´e, F ⊂ X. Digamos queB(x, ǫ) denota bolas de raioǫ centradas emxtal quex∈X. Vamos definir o inteiroN(F, ǫ) como sendo o menor n´umero de bolas fechadas de raioǫnecess´arias para cobrir o conjuntoF. Formalmente escrevemos
N(F, ǫ) =M in(M ∈N) :F ⊂ M
n=1
B(x, ǫ). (1.55)
A no¸c˜ao intuitiva por tr´as da dimens˜ao fractal ´e a de que o conjuntoFtem uma dimens˜ao fractalD se
N(F, ǫ)≈Cǫ−D, (1.56)
onde o s´ımbolo ”≈”est´a sendo utilizado com o seguinte significado. Sejam f(ǫ) e
g(ǫ) duas fun¸c˜oes reais da vari´avel positiva e real ǫ. Ent˜ao f(ǫ) ≈ g(ǫ) significa
limǫ→0{lnf(ǫ)/lng(ǫ)}= 1. Escrevendo o D da Eq. (1.56) obtemos
D≈ lnN(F, ǫ)−lnC
ln1ǫ . (1.57)
Note que o termo lnC/ln1ǫ tende a zero quando ǫ → 0. Definimos ent˜ao dimens˜ao fractal da seguinte forma:
Defini¸c˜ao 1.4.2.1 Se
D = lim ǫ→0
ln (N(F, ǫ)) ln1
ǫ
existe, ent˜ao D ´e chamado dimens˜ao fractal de F.
Se fizermos ǫ=ǫn =crn, onde c >0 e 0< r <1, na Defini¸c˜ao 1.4.2.1 chegamos a
D= lim n→∞
⎧ ⎨ ⎩
ln (N(F, ǫn)) ln1
ǫn
⎫ ⎬
⎭. (1.58)
Teorema 1.4.2.1 SejaF um conjunto fractal pertencente ao conjuntoRm. Cobre-seRm com caixas quadradas de ladoǫn, como exemplificado na Fig. (1.22) para ǫn = 21n, n= 2
e m= 2. Nn(F) denota o n´umero de caixas de lado 21n que intercepta o conjunto F. Se
D = lim n→∞
⎧ ⎨ ⎩
ln (N(F, ǫn)) lnǫ1
n
⎫ ⎬ ⎭
existe, ent˜ao D ´e a dimens˜ao fractal do conjunto F.
Figura 1.22: Caixas fechadas de lado 1
2n cobrindo um quadrado de lado1. Na figura n= 2.
Vamos ver alguns exemplos de c´alculo de dimens˜ao fractal utilizando o Teorema 1.4.2.1. Vamos iniciar com um quadrado. Seja o conjunto ⊂R2. Considerando-se os lados do quadrado como sendo de tamanho unit´ario, o n´umero de quadrados de tamanho ǫn = 21n
que interceptam todo o conjunto ´eNn = 4n. Assim sendo
D = lim n→∞
⎧ ⎨ ⎩
ln (Nn)) lnǫ1
n
⎫ ⎬
⎭= limn→∞
ln 4n ln 2n
= 2. (1.59)
Agora vamos calcular a dimens˜ao fractal do tapete de Sierpinski(ver se¸c˜ao 1.3.1). Seja o conjunto ⊂ R2, ´e poss´ıvel mostrar que o o n´umero de quadrados de lado ǫ
n = 31n
que interceptam o conjunto para n= 1 ´e igual a N1 = 8. Paran = 2 esse n´umero ´e
N2 = 64. Generalizando, o n´umero de quadrados de lado ǫn = 31n que interceptam o
conjunto fractal ´e dado porNn( ) = 8n. Assim sendo temos
D = lim n→∞
⎧ ⎨ ⎩
ln (Nn)) lnǫ1
n
⎫ ⎬
⎭= limn→∞
ln 8n ln 3n
1.4.3
Dimens˜
ao de Hausdorff-Besicovitch
Vamos definir esta dimens˜ao apenas para subconjuntos do espa¸co m´etrico (Rm, d). A dimens˜ao fractal de Hausdorff-Besicovitch de um subconjunto limitado deRm ´e outro n´umero real que pode ser utilizado para caracterizar a complexidade de tais conjuntos. Vamos a algumas defini¸c˜oes que nos ajudar˜ao na compreens˜ao da dimens˜ao fractal de Hausdorff-Besicovitch.
Defini¸c˜ao 1.4.3.1 Seja A ⊂Rm tal que Rm = {x|x= (x1, ..., xn), xi ∈R} para m∈ N. A m´etrica d do espa¸co m´etrico (Rm, d)´e definida como sendo
d(x, y) =
n
i=1
(xi−yi)2.
Vamos agora definir o ´ınfimo de um subconjuntoX ⊂R.
Defini¸c˜ao 1.4.3.2 inf(x ∈ X) = maior limite inferior de x. Em outras palavras, a= inf(x∈ X) fornece a≤x para todox∈ X.
De forma similiar definimos o supremo.
Defini¸c˜ao 1.4.3.3 sup(x ∈ X) = menor limite superior de x, isto ´e, b=sup(x ∈ X) fornece b≥x para todox∈ X.
Utilizando a Defini¸c˜ao 1.4.3.3 vamos agora definir a no¸c˜ao de diˆametro de um subconjunto
U ⊂Rm.
Defini¸c˜ao 1.4.3.4 diam(U)=sup{d(x, y)|x, y∈ U}
Defini¸c˜ao 1.4.3.5 Um subconjunto U ⊂ Rm ´e dito ser aberto desde que para qualquer
x∈ U exista uma pequena bola Bξ(x) ={y ∈ Rm|d(x, y)< ξ} de raioξ e centrada em x, tal queBs(x)⊂ U.
Sejam ξ es reais positivos, vamos definir a fun¸c˜ao
hsξ(A) = inf ∞
i=0
O ´ınfimo ´e extendido sobre todas as coberturas abertas de A para o qual o conjunto coberturaUi tem diˆametro menor que ξ. Esta soma pode ser finita ou infinita. Quando n´os decrementamos ξ, a classe de coberturas permiss´ıveis de A ´e reduzida. Todavia, o ´ınfimo cresce e ent˜ao aborda o limiteξ → ∞o qual pode ser finito ou infinito. Escrevemos
ent˜ao
hs(A) = lim ξ→0h
ξ
s(A) (1.61)
O valor hs(A) ´e chamado medidas-dimensional de Hausdorff.
Teorema 1.4.3.1 Sejamum inteiro positivo. SejaAum subconjunto limitado do espa¸co m´etrico(Rm, d). Seja hs(A) a fun¸c˜ao de p∈[0,∞] definida acima. Ent˜ao, h´a um ´unico n´umero real DH ∈[0, m] tal que
hs(A) = ⎧ ⎨ ⎩
∞ se p < DH e p∈[0,∞] 0se p > DH e p∈[0,∞]
(1.62)
O n´umero DH ´e o chamado dimens˜ao fractal de Hausdorff-Besicovitch.
Como deve ter ficado claro, n˜ao ´e uma tarefa f´acil trabalhar com esta defini¸c˜ao e por isso n˜ao ´e comum encontrar procedimentos experimentais para medi¸c˜ao de dimens˜ao que utilizem ela por base.
1.5
Fractais na Natureza
1.5.1
Introdu¸
c˜
ao
Estrutura auto-similares or auto-afins com caracter´ısticas semelhantes aos fractais discutidos acima podem ser encontrados em muitos lugares na natureza[7], da escala astronˆomica `a escala microsc´opica. Os exemplos incluem aglomerados de gal´axias, as crateras lunares, a distribui¸c˜ao de terremotos e a estrutura de linhas costeiras, montanhas e nuvens.
materiais, fractais aparecem em pol´ımeros, g´eis, agrega¸c˜oes, eletrodeposi¸c˜ao, interfaces rugosas e superf´ıcies.
1.5.2
Arvore Bronquial
´
A respira¸c˜ao ´e um tipo de processo realizado atrav´es de uma interface. Na interface dos alv´eolos h´a a troca por difus˜ao de g´as carbˆonico pelo oxigˆenio. Como o organismo precisa de muito oxigˆenio se faz necess´ario uma grande ´area para que mais e mais alv´eolos possam realizar a troca. Objetos fractais tˆem uma ´area superficial muito larga. De fato eles s˜ao compostos quase que inteiramente por superf´ıcies[7]. No pulm˜ao, a estrutura bronquial ´e compostas por ramifica¸c˜oes autosimilares[16],o que faz com que a ´area total do pulm˜ao seja aproximadamente igual a ´area de uma quadra de tˆenis[7].
1.5.3
Membranas Celulares
Membranas revestem c´elulas vivas, bem como partes internas destas. Paumgastner et ali[14] mediram a ´area da superf´ıcie total de tais membranas com o aux´ılio de fotografias obtidas por microscopia eletrˆonica. O que eles observaram foi o seguinte. Ampliando certas regi˜oes onduladas, mais ondula¸c˜oes eram observadas e consequentemente a ´area total da superf´ıcie era incrementada. Logo eles perceberam que a membrana era um objeto auto-similar. Eles encontraram ent˜ao que as dimens˜oes fractais associadas ao perfil da membrana do ret´ıculo endoplasm´atico, com o perfil da membrana externa e interna da mitocondria s˜ao respectivamente 1.72, 1.09 e 1.54.
1.5.4
Movimento Browniano
CAP´ITULO 2
O MULTIFRACTAL
2.1
Introdu¸
c˜
ao
Os fractais aumentaram de uma forma espantosa nossa capacidade de descrever a natureza. Entretanto, h´a muitos fenˆomenos em F´ısica, Qu´ımica e Geologia que requerem a generaliza¸c˜ao do conceito de fractal para incluir estruturas intricadas. Essas estruturas geralmente s˜ao compostas por v´arios fractais sendo necess´ario um conjunto de n´umeros para caracteriza-las. Esse conjunto ´e chamado espectro multifractal. Um exemplo de um multifractal ´e o j´a apresentado fractal criado por agrega¸c˜ao limitada por difus˜ao (DLA) (ver se¸c˜ao 1.3.2). Considerando-se o conjunto como um todo, a figura de DLA possui apenas uma dimens˜ao fractal, mas considerando-se todos os s´ıtios que possuem iguais probabilidades de serem o elemento agregador da part´ıcula caminhante, temos uma s´erie de conjuntos, cada qual com sua pr´opria dimens˜ao fractal.
2.2
O Conjunto Multifractal
Q
mfChamaremos o conjunto multifractal que ser´a objeto de nossa an´alise de conjunto
Qmf. Ele foi proposto originalmente por G. Corso e colaboradores[3]. Antes de defini-lo vamos enumerar algumas de suas propriedades.
1. Qmf ´e um conjunto multifractal, o que significa que Qmf tem um n´umero infinito de subconjuntos k com dimens˜ao fractal Dk pr´opria.
3. A uni˜ao de todos os subconjuntosk forma um conjunto quadrado deR2. 4. O algoritmo para a constru¸c˜ao deQmf tem apenas um parˆametro ρ. 5. Quandoρ= 1 o conjunto Qmf degenera numa rede quadrada.
6. O objeto Qmf exibe auto-afinidade ou auto-similaridade dependendo da regi˜ao do conjunto.
7. O algoritmo para constru¸c˜ao deQmf ´e simples e facilmente implement´avel em um computador.
Vamos descrever o processo de cria¸c˜ao do conjunto Qmf. Vamos definir como unidade elementar do conjunto multifractal o retˆangulo. O multifractal ´e um conjunto de retˆangulos que por sua vez s˜ao subconjuntos deR2. Os fractais que comp˜oem o conjunto
Qmf s˜ao os subconjuntos compostos por retˆangulos de mesma ´area. O conjunto Qmf ´e criado atrav´es de itera¸c˜ao, ´e portanto um IFS (ver se¸c˜ao 1.3.1). Em cada passo um retˆangulo ´e dividido de forma a dar origem a dois retˆangulos. Os cortes s˜ao realizados segundo determinadas regras. Vamos a elas.
No passo n = 0 temos um retˆangulo de lados iguais com comprimento L. Es-colhemos um parˆametro ρ que caracterizar´a o multifractal. ρ deve obedecer a condi¸c˜ao 0< ρ <1 , onde
ρ= s
r, (2.1)
Fig.(2.1) paraρ= sr = 23. Para o passon= 3 (bem como para todos os n´ıveis ´ımpares) os cortes s˜ao verticais e o lado que fica com a parte maior ´e alternado, ora para a esquerda, ora para a direita (ver Fig. (2.2)).
Figura 2.1: Dois primeiros passos da cria¸c˜ao do conjuntoQmf comρ= sr = 23.
Figura 2.2: Passos 2, 3 e 4 da cria¸c˜ao do conjunto Qmf com ρ= sr = 23.
2.3
Distribui¸
c˜
ao de ´
Areas
O c´alculo da distribui¸c˜ao das ´areas dos retˆangulos que comp˜oem o multifractal ´e um passo importante para o c´alculo do espectro multifractal do conjunto, que ser´a realizado na pr´oxima se¸c˜ao.
No n´ıvel n= 1 temos dois retˆangulos de ´area r/(s+r) = 1/(1 +ρ) e s/(s+r) =
ρ/(1 +ρ) (em unidades deL2), ent˜ao, claro que 1
1 +ρ+ ρ
No n´ıvel n = 2 temos quatro retˆangulos, um com ´area (ρ/(1 +ρ))2, dois com ´areas
ρ/(1 +ρ)2 e um com ´area (1/(1 +ρ))2. A soma delas ´e ent˜ao ρ
1 +ρ
2 + 2
1 1 +ρ
ρ
1 +ρ
+
1 1 +ρ
2
= 1. (2.3)
No n´ıveln= 3 temos 8 retˆangulos com a seguinte distribui¸c˜ao de ´areas:
1 1 +ρ
3 + 3
ρ
1 +ρ
1 1 +ρ
2 + 3
ρ
1 +ρ
2 1 1 +ρ
+
ρ
1 +ρ
3
= 1 (2.4) No n´ıveln= 4 temos 16 retˆangulos com a seguinte distribui¸c˜ao de ´area:
ρ
1 +ρ
4 +4
ρ
1 +ρ
3 1 1 +ρ
+6
ρ
1 +ρ
2 1 1 +ρ
2 +4
ρ
1 +ρ
1 1 +ρ
3 +
1 1 +ρ
4 = 1.
(2.5) Observando as Eq. (2.2) `a (2.5) podemos inferir que a distribui¸c˜ao de ´areas ´e binomial (em unidades de L2):
A= n
k=0
Cnk
ρ
1 +ρ
k 1 1 +ρ
n−k =
1 +ρ 1 +ρ
n
= 1, (2.6)
ondeCk
n ´e o coeficiente binomial, dado por
Cnk = n!
k!(n−k)!. (2.7)
Como pode-se deduzir da Eq. (2.6), construindo-se o conjuntoQmf at´e o n´ıvelnexistir˜ao
n+ 1 subconjuntos compostos por retˆangulos com ´areas iguais.
2.4
Espectro Multifractal do Objeto
Q
mfPara realizar o c´alculo do espectroDk, isto ´e, o c´alculo da dimens˜ao fractal associada a cada um dos k subconjuntos X, vamos utilizar o Teorema 1.4.2.1 com uma ligeira modifica¸c˜ao:
D(X) = lim ǫ→0
logN(X) log (1
ǫ)
= lim L→∞
logN(X)
logL (2.8)
lado L = (r+s)n2. Dessa forma o lado das caixas quadradas utilizadas no c´alculo ser´a
ǫ= 1 e a ´area de cada retˆangulo que faz parte do monofractal dar´a o n´umero de quadrados necess´arios para cobri-lo. Como podemos extrair da Eq. (2.6) a ´area dos retˆangulos do
k-´essimo conjunto do n´ıvel n´e dada por
ρ
1 +ρ
k 1 1 +ρ
n−k
, (2.9)
este valor, relembrando, est´a em unidades de L2. Como estamos considerando que L= (s+ r)n2 temos que o n´umero de quadrados de lado ǫ = 1 necess´arios para cobrir um
retˆangulo dok-´essimo conjunto, isto ´e, sua ´area, ´e igual a
Ak =
ρ
1 +ρ
k 1 1 +ρ
n−k
(s+r)n22. (2.10)
Pode-se mostrar ainda que 1+ρρ = s
s+r e que 1 1+ρ =
r
s+r. Substituindo estas express˜oes em 2.10 n´os obtemos
Ak = s
s+r
k r
s+r
n−k
(s+r)n,
donde tiramos, ap´os simplifica¸c˜ao,
Ak =skrn−k. (2.11)
Como existem Ck
n retˆangulos no k-´essimo conjunto do multifractal de n´ıvel n, podemos afirmar que o n´umero de quadrados de lado ǫ = 1 necess´arios para cobrir o conjunto fractalk do n´ıvel n´e igual a:
Nk =CnkAk =Cnkskrn−k. (2.12) Combinando estas informa¸c˜oes n´os chegamos ao valor da dimens˜ao fractal do k-´essimo conjunto:
Dk = lim n→∞
logCk nskrn−k log (s+r)n2
de mesma ´area, c´elulas quadradas. Desta maneira o objeto ´e formado por um simples subconjunto com dimens˜ao
D= lim n→∞
log (1 + 1)n log (1 + 1)n2
= 2 (2.14)
Este resultado ´e esperado uma vez que neste caso particular Qmf degenera em uma rede quadrada que tem dimens˜ao 2.
Na Fig. (2.3) temos um objeto multifractal que foi constru´ıdo at´e o n´ıvel n = 10 comρ= sr = 12. Na Fig. (2.4) temos em destaque dois monofractais do objeto multifractal exibido na Fig. (2.3), s˜ao eles o subconjuntok= 3 e o subconjunto k = 5.
Figura 2.3: Objeto Qmf constru´ıdo at´e o n´ıvel n= 10 para ρ= 12.
Na Fig. (2.5) temos um objeto multifractal que foi constru´ıdo at´e o n´ıvel n = 10 comρ= sr = 23. Na Fig. (2.6) temos em destaque dois monofractais do objeto multifractal exibido na Fig. (2.5), s˜ao eles o subconjuntok= 3 e o subconjunto k = 5.
Figura 2.4: Dois objetosQmf para n = 10e ρ= 12. A esquerda:` em destaque o subconjunto
k= 3. A direita:` em destaque o subconjunto k= 5.
Figura 2.5: Objeto Qmf constru´ıdo at´e o n´ıvel n= 10 para ρ= 23.
o n´umero k e faz a curva parecer mais densa. Na Fig. (2.8) vemos o espectro deDk para
Figura 2.6: Dois objetosQmf para n = 10e ρ= 23. A esquerda:` em destaque o subconjunto
k= 3. A direita:` em destaque o subconjunto k= 5.
Figura 2.7: Espectro multifractal de Qmf para n= 1000 e(s, r) = (1,2)
2.5
Densidade dos monofractais de
Q
mfFigura 2.8: Espectro multifractal de Qmf para n= 1000 e(s, r) = (2,3)
Figura 2.9: Espectros de objetos Qmf para diversos(s, r).
disto ´e simples. A ´area de cada retˆangulo do k-´essimo conjunto do n´ıvel n´e dada por
com p= ρ/(1 +ρ) e q=q/(1 +ρ) (ver Eq. (2.9)). Esta ´area ´e dada em unidades deL2, ou seja, da ´area total do multifractal. A ´area total dos retˆangulos existentes nok-´essimo conjunto do n´ıveln para um certo ρ(que est´a impl´ıcito em qe p) ´e dada por
fn(k) =Cnkpkqn−k (2.16) Como a Eq. (2.16) ´e dada em unidades de L2, o seu valor corresponde `a fra¸c˜ao da ´area total do multifractal ocupada pelo monofractal. Sabemos que para valores grandes de n, a distribui¸c˜ao binomial aproxima-se da distribui¸c˜ao gaussiana
fn(k) = 1
√
2πnpqe
−12
k−np √npq
2
. (2.17)
Da Eq. (2.17) podemos retirar duas conclus˜oes sobre a densidade dos multifractais. A primeira ´e a que o monofractal de maior densidade ´e o da posi¸c˜ao
k=np=n
ρ
1 +ρ
=n
s s+r
. (2.18)
A segunda conclus˜ao ´e a respeito da densidade dos monofractais no limite n → ∞. O valor associado com a maior densidade ´e dado por
f(np) = √ 1
2πnpq. (2.19)
CAP´ITULO 3
PERCOLAC
¸ ˜
AO
3.1
Introdu¸
c˜
ao
O conceito da percola¸c˜ao est´a relacionado com quest˜oes que surgem quando se con-sidera a conectividade geom´etrica em objetos da natureza. Em tese, pode ser de qualquer tipo de objeto. Um tipo de quest˜ao t´ıpica envolvida com a percola¸c˜ao ´e a que se refere `a estrutura dos aglomerados (conjunto de objetos conectados)[20]. Como eles se comportam com a mudan¸ca de um parˆametro geom´etrico do sistema? Na se¸c˜ao 3.2 discutiremos esta quest˜ao com mais detalhes.
A percola¸c˜ao est´a presente de diversas formas na natureza e em dispositivos criados pelo homem. Na biologia o conceito de percola¸c˜ao aplica-se, por exemplo, ao espalhamento de epidemias[30]. A quest˜ao importante que esse conceito ajuda a responder ´e: qual a concentra¸c˜ao cr´ıtica de indiv´ıduos sadios numa determinada rede para que a doen¸ca n˜ao se propague? Na qu´ımica o conceito aplica-se ao fenˆomeno de polimeriza¸c˜ao, onde pequenas mol´eculas podem formar mol´eculas maiores atrav´es da ativa¸c˜ao da liga¸c˜ao entre elas. Se a probabilidade de ativa¸c˜ao p´e maior que a probabibilidade cr´ıtica, uma rede de liga¸c˜ao, que se espalha por todo o sistema, ´e obtida. Isto acontece, por exemplo, no cozimento do ovo. Ao fornecermos calor, aumentarmos o valor de p e portanto as liga¸c˜oes v˜ao se formando at´e que exista uma grande estrutura conectada que atravessa todo o sistema. O ovo torna-se um gel com propriedades el´asticas semelhantes `as das gelatinas.
mes-mos.
3.2
Percola¸
c˜
ao por S´ıtios
3.2.1
Conceito
Seja uma rede quadrada comN×N s´ıtios. Considera-se que cada s´ıtio pode assumir uma dentre duas propriedades. Digamos que ele possui probabilidadepde estar ocupado, e probabilidade 1−pde estar vazio. Na Fig (3.1) vemos exemplos de redes 5×5 parcialmente ocupadas. Observe que h´a a forma¸c˜ao de aglomerados, isto ´e, conjunto de s´ıtios unidos pelas primeiras vizinha¸cas. No caso em que p = 0.6 observe que h´a trˆes aglomerados, um com 10 s´ıtios e que atravessa toda a rede de um lado a outro, um com 4 s´ıtios e outro com apenas um s´ıtio. O tipo de modelo que acabamos de descrever ´e chamado
Figura 3.1: Exemplos de redes ocupadas com diferentes valores dep. Os aglomerados foram
coloridos de acordo com o seu tamanho.
estar´a conduzindo, ou n˜ao estar´a conduzindo. Isto depende apenas do valor de p. Para baixos valores dep, o sistema claramente n˜ao conduz. Para altos valores dep, o sistema conduz. Ent˜ao surge a quest˜ao, qual o valor de p para o sistema come¸ca a conduzir? O
Figura 3.2: Esquema ilustrativo de um sistema artificial para o qual o modelo de percola¸c˜ao
se aplica. S´ıtios pretos, c´elulas condutoras, s´ıtios brancos, c´elulas isolantes.
sistema s´o conduz quando a corrente el´etrica percola atrav´es do sistema, isto ´e, ela pode atravessar de um lado do sistema. O menor valor de p para o qual o sistema percola ´e chamado limiar de percola¸c˜ao. Este valor separa duas fases distintas: a fase isolante da fase condutora. Neste sentido podemos dizer que o sistema sofre uma transi¸c˜ao de fase, e como o parˆametro que regula a transi¸c˜ao ´e um dado sobre caracter´ısticas geom´etricas do sistema (propor¸c˜ao de elementos condutores em meio a elementos isolantes) dizemos que trata-se de uma transi¸c˜ao de fase geom´etrica. Al´em da percola¸c˜ao por s´ıtios, h´a in´umeros outros tipos de percola¸c˜ao. S˜ao exemplos, a percola¸c˜ao por liga¸c˜ao, a percola¸c˜ao de longo alcance, entre outras.
Figura 3.3: Exemplos de s´ıtios ocupados para rede64×64ep= 0.59. Aglomerado percolante est´a em verde.
s˜ao ditos pertencentes a uma classe de universalidade.
O primeiro trabalho que sugere a existˆencia de universalidade nos fenˆomenos naturais foi produzido por Guggeheim [21]. Neste trabalho ele relata que as curvas de coexistˆencia de oito fluidos distintos se ajustariam a uma s´o curva se o expoente cr´ıtico
β associado ao parˆametro de ordem dos fluidos fosse 1/3. Os fluidos utilizados por ele foramN e,Ar, Kr,Xe, N2, O2,CO eCH4.
Uma raz˜ao pela qual a percola¸c˜ao ´e interessante ´e porque ela exibe fenˆomeno de liminaridade [28]. Se tra¸carmos a probabilidade RL de achar o aglomerado percolante para uma rede de tamanhoL×L como uma fun¸c˜ao dep (probabilidade de ocupa¸c˜ao da rede), vamos encontrar que no limite em que L→ ∞,RL tende para uma fun¸c˜ao escada de Heavyside, em outras palavras, quandop→ pc h´a uma descontinuidade genu´ına que separa duas diferentes fases macrosc´opicas: “sem aglomerado percolante” e a outra “com aglomerado percolante”. Essa mudan¸ca de fase ´e algo relevante, uma vez que uma suave mudan¸ca no parˆametro de controle microsc´opico p provoca uma mudan¸ca brusca num relevante parˆametro macrosc´opicoRL. Na Fig. (3.4) podemos ver que a medida em que aumentamos o tamanho do sistema,RL tende para a fun¸c˜ao escada de Heavyside.