Introdução a turbulência dos fluidos

Rodrigo Cristian Lemes

Resumo

Este trabalho apresenta uma discussão sobre o pensamento como ciência e

sua complexidade relacionada a sistemas naturais. Introduz a equação logística e o
caos determinista para descrever tais sistemas para qual uma simulação teórica de
análises de características universais em sistemas não lineares é realizado. O
trabalho é conduzido declarando-se um valor inicial, e a partir disto, com
diferentes valores de lambda (λ) também declarado, são mostrados os
comportamentos característicos das equações de navier-stokes tratadas de forma
direta, representando escoamentos característicos de forma laminar, formação de
esteiras, instabilidades e fluidos turbulentos.

Natureza se a teoria era correta ou não. Em

A ciência da complexidade
Ciência, bem antes da Complexidade,
representou um avanço significativo para a
humanidade. Isto porque podemos pensar a
Ciência como o mais eficiente método de se
obter conhecimento.
Antes do método científico, introduzido por
Galileu (1564-1642), entre os critérios para
aceitação da validade de uma teoria, hipótese
ou suposição, estava o critério da Autoridade,
segundo o qual a teoria deveria ou não ser
aceita dependendo de quem a propunha ou
defendia. Resumidamente, Galileu propôs
que, deixando de lado o critério da
Autoridade, se fosse indagar diretamente à
outras palavras, que se fizessem
experimentos para verificar a veracidade das
previsões da teoria. E propôs um método
pelo qual estes experimentos fossem
conclusivos e repetíveis por outros
investigadores. Isso soa mais como uma
questão de bom senso do que como uma
revolução no pensamento científico.
No entanto, esse bom senso punha em
cheque autoridades da época, como a Igreja
Católica. E incitava pensamento
independente, criatividade, críticas, tudo
aquilo que leva à rebeldia. No final da
estória, o método científico prevaleceu no
ocidente apesar dos contras e vimos o
Iluminismo florescer, resultando em
desenvolvimento científico e tecnológico
refletidos nas revoluções industriais e os
avanços da Ciência como um todo.
Quais as condições sociais e materiais que
possibilitaram a vitória do iluminismo é uma
questão longe de estar fechada, mas que um
mínimo de liberdade de pensamento e
expressão foram necessárias, isto está fora de
cogitação [1].
As teorias (ou modelos) da Natureza nunca
são exatas. São sempre aproximações em que
alguns fatores foram simplificados ou
simplesmente desprezados. Se os efeitos
destes fatores forem pequenos, dentro de uma
margem de erro previamente estipulada como
aceitável, o modelo ainda funciona.
A Ciência está sempre procurando uma
maneira matemática de comprimir a
informação. Os fenômenos naturais podem ser
muito complicados e sempre fica a dúvida se
são ou não passíveis de uma modelação, isto
é, se o número de constantes necessárias para
encontrar a descrição matemática de um dado
fenômeno não seria tão extensa quanto a lista
dos dados de entrada e resultados
experimentalmente obtidos. Por outro lado,
poderia o número destes parâmetros ser
reduzido se uma curva mais adequada fosse
considerada? Quais tipos de curvas estão
disponíveis para o modelador? Na prática não
são somente curvas, mas, de uma forma mais
geral, sistemas dinâmicos (receitas de como
gerar as curvas) é quem são propostos como
modelos.
Este ponto, se a Natureza é modelável ou não,
é muito importante para a Ciência. Diferentes
disciplinas discutem-no mais ou menos
intensamente. E à medida que o tempo vai
passando, cada vez mais são propostas novas
formas de se olhar para a Natureza, novas
maneiras de se modelar, originárias de
progressos na Matemática, e novas
ferramentas de trabalho, viabilizadas pelo
desenvolvimento de computadores pessoais.
Assim, as informações contidas nas
observações da Natureza são cada vez mais
comprimidas em um conjunto (pequeno) de
parâmetros, mais a especificação do tipo de
sistema dinâmico que se está considerando.
A equação logística e o caos determinista
O caos determinista é uma importante
aquisição para a ‘Biblioteca de Modelos
Analisáveis’, onde estariam todos os
modelos matemáticos possíveis que os
modeladores poderiam utilizar para
descrever os sistemas naturais. Isto ocorre
porque estes modelos resolvem um conflito
antigo para os cientistas: existem sistemas
naturais que são modelados por equações
que são essencialmente deterministas, mas
que vêm frustrando toda a tentativa de se
fazer previsões corretas sobre o seu
comportamento em tempos mais longos.
Um exemplo é o clima. O que as soluções
destes sistemas matemáticos que descrevem
caos determinista apresentam é uma
dependência crítica nas condições iniciais.
Isto significa o seguinte: suponha que
estamos observando um sistema em um
dado instante, por exemplo, uma pequena
partícula que se locomove no espaço. Esta
partícula descreve uma trajetória em tempos
subseqüentes. Suponha que possamos
repetir exatamente a experiência, inclusive a
ação do meio externo sobre a partícula, mas
dessa vez deslocamos um pouquinho do
2
ponto inicial. Tão pouquinho que só
pudéssemos notar a diferença com a ajuda de
uma lupa. Duas coisas podem acontecer: i) a
segunda trajetória é quase igual à primeira, e
somente com uma lupa poderíamos notar a
diferença das duas para qualquer tempo, ou ii)
a segunda trajetória fica notavelmente
diferente da primeira. Neste caso, um
observador sem lupa poderia chegar à
conclusão que coisas diferentes podem
acontecer para uma situação inicial
indiferenciável e, portanto, não se pode prever
a trajetória a partir da condição inicial. Isto é
indeterminismo. Por outro lado, para um
observador poder prever qual a trajetória
seguida pela partícula, ele tem que ser capaz
de distinguir as duas posições iniciais, isto é,
tem que ser capaz de medidas com grande
precisão.
Na realidade, para que as trajetórias de um
sistema no regime caótico não divirjam nunca,
é necessária precisão infinita. Por exemplo,
especificação das condições iniciais através de
números com infinitas casas decimais. O que,
na prática, não é possível. Assim, embora
sistemas caóticos sejam deterministas em
princípio, não podemos prever
comportamentos na prática, porque condições
iniciais com precisão infinita podem não ser
possíveis.
Em todo o caso, o fato de não se poder
descrever com exatidão as trajetórias não
significa que informações úteis não possam
ser extraídas das soluções. Usualmente estas
trajetórias caóticas são um número bem menor
do que todas as trajetórias que se podem
imaginar, e compartilham algumas
características. O que este resultado nos
aponta é que diferentes aspectos, que não a
trajetória em si, são relevantes de serem
medidos - aqueles comuns às trajetórias
caóticas.
Talvez o exemplo mais simples de um
sistema caótico seja o mapa logístico, dado
por Xt + 1 = l Xt (1 - Xt), (2) para 0 ≤ X ≤ 1.
Figura 1. Representação esquemática da
dependência das condições iniciais. Iniciando de
pontos diferentes, mas muito próximos, as
trajetórias descritas podem i) continuar
próximas, caracterizando um comportamento
regular ou ii) separar-se exponencialmente no
tempo, caracterizando um regime caótico.
Esta equação significa que tomamos um
valor inicial X0, calculamos X1 através da
equação acima, calculamos então X2 a partir
de X1 e assim sucessivamente. Essa
operação está representada na Figura 2, para
dois valores diferentes de λ.
O ponto onde a reta verde deixa o eixo
horizontal representa X0. Seguindo
verticalmente até a curva cor de rosa,
encontramos X1, representado pelo valor do
eixo vertical neste ponto. Seguindo
horizontalmente até a reta azul, onde Y = X,
e então subindo pela vertical verde até a
curva cor de rosa novamente, encontramos
3
X2. E assim sucessivamente, vamos obtendo a
trajetória definida por (X0, X1, X2, X3,...).
Esta equação fornece o modelo mais
simples que se tem para o crescimento
limitado de populações biológicas. Mas o
que ela nos ensina é que uma equação
bastante simples pode apresentar soluções
bastante complicadas, no sentido que X
evolui de um valor para outro de uma
maneira aparentemente aleatória. E que
pequenas mudanças no valor de X0 pode
levar a trajetórias que
divergem - levam a resultados diferentes.
Toda a informação contida na lista infinita
de posições sucessivas de uma trajetória
caótica está contida na informação que a
equação de evolução é o mapa logístico, e
nos valores de λ e X0.

Figura 2. Representação de iterações sucessivas do

mapa logístico (ver texto). A trajetória pode
convergir para um ponto fixo (gráfico superior) ou
então descrever uma trajetória que não converge
(gráfico inferior), dependendo do parâmetro l que
está associado à altura máxima da curva em rosa.

Na figura superior, para pequenos λ, este

processo acaba levando-nos a um ponto fixo
Xfixo, para o qual Xfixo = λ Xfixo (1- Xfixo)
(3) e, portanto Xt + 1 = Xt.
Repetindo este processo para valores maiores
de λ, depois de muitas iterações,
o sistema pode oscilar entre dois valores, ou
entre quatro valores, e, à medida que λ cresce,
o período de oscilação vai duplicando até que
para um valor crítico λc , o sistema entra em
caos, isto é, não há um limite definido para Xt
→ ∞ e o sistema pula de um valor para outro
sem uma lógica aparente. Este processo está
Figura 03. Duplicação de períodos.
representado no gráfico inferior da Figura 2.

4
O conteúdo acima foi todo extraído de
Rita M.C. de Almeida. Física na Escola,
v. 6, n. 1, 2005

5
Metodologia
i Yi+1
Declarados os valores de lambda 0 0,25
(λ1=0,1; λ2=0,5; λ3=0,8; λ4=0,88 e λ5=0,95) 0,3 0,075
para uma condição inicial y0 = 0,25. 0,4 0,02775
Utilizamos a equação fundamental do caos 0,01079197
Yi+1=4.λ.Yi.(1-Yi) para mostrar os 0,5 5
0,00427020
comportamentos característicos de cada caso 0,6 3
de acordo com o lambda utilizado. 0,00170078
Tabelas e gráficos são apresentados nos 0,7 7
resultados para análise dos comportamentos. 0,00067915
0,8 8
0,00027147
0,9 9
Resultado
0,00010856
1 2
Inicialmente imaginemos um objeto circular 4,34201E-
de frente para um ventilador. A partir do 2 05
momento que aumentamos a potência do 1,73673E-
3 05
motor, aumentaremos a velocidade de 6,94679E-
escoamento do ar envolta do objeto circular. O 4 06
motor em uma condição de baixa potência é 5 2,7787E-06
demonstrado como se fosse nosso λ1=0,1. 1,11148E-
6 06
Conclusivamente teríamos um fluxo estável
entorno do objeto conforme dados abaixo. 7 4,4459E-07 Tabela 1.
1,77836E- Valores
8 07
Para λ1=0,1: 7,11343E-
para
9 08 λ1=0,1.
2,84537E-
10 08
1,13815E-
11 08

Figura 4. Comportamento característico de

Gráfico 1. Comportamento do sistema para
um fluido entorno de um objeto cilíndrico
λ1=0,1.
para λ1=0,1.

6
Para λ2=0,5:

Figura 5. Comportamento característico de

um fluido entorno de um objeto cilíndrico
para λ2=0,5.
Para λ3=0,80:

Gráfico 2. Comportamento do sistema para

λ2=0,5.

i Yi+1
0 0,25
0,3 0,375 Gráfico 3. Comportamento do sistema para
0,4 0,46875 λ3=0,8.
0,49804687
0,5 5
0,49999237
i Yi+1
0,6 1
0 0,25
0,7 0,5
0,3 0,6
0,8 0,5
0,4 0,768
0,9 0,5
0,5 0,5701632
1 0,5
0,78424680
2 0,5 0,6 1
3 0,5 0,54145201
4 0,5 0,7 9
5 0,5 0,79450153
6 0,5 0,8 6
Tabela 2. 0,52246030
Valores para λ2=0,5. 0,9 4
0,79838571
1 1
0,51509109
2 6
0,79927122
3 8

7
 0,51339754
4 2
0,79942561
5 9
0,51310175
6 6
0,79945070
7 1
0,51305368
8 9
0,79945472
9 4
0,51304597
10 9 Gráfico 4. Comportamento do sistema para
λ4=0,88.
Tabela 3. Valores para λ3=0,8.
i Yi+1

Figura 6. Comportamento característico de um

fluido entorno de um objeto cilíndrico para
λ3=0,8.

Para λ4=0,88:

8
 0 0,25 Figura 7. Comportamento característico de
0,3 0,66 um fluido entorno de um objeto cilíndrico
0,4 0,789888 para λ4=0,88.
0,58419661
0,5 5
0,85504647
0,6 4
0,43627584 Para λ4=0,88:
0,7 5
0,86570609
0,8 7
0,40923185
0,9 8
0,85099922
1 8
0,44633438
2 7
0,86986240
3 7
0,39847033
4 6
5 0,84371488
0,46414748
6 6
0,87547538 Gráfico 5. Comportamento do sistema para
7 2 λ5=0,95.
0,38374419
8 5
i Yi+1
0,83242574
9 9 0 0,25
0,49101578 0,3 0,7125
10 7 0,4 0,77840625
0,65546184
0,5 8
Tabela 4. Valores para λ4=0,88. 0,85816013
0,6 3
0,46254101
0,7 4
0,94466793
0,8 2
0,19862763
0,9 3
0,60486384
1 7
2 0,90821358
0,31677435
3 9
0,82242778
4 5

9
 0,55495322 0,93852454
5 8 6 2
0,21924565
7 8
0,65047259
8 8
0,86396038
9 9
0,44662477
10 3

Tabela 5. Valores para λ5=0,95.

Figura 8. Comportamento característico de

um fluido entorno de um objeto cilíndrico
para λ5=0,95.

Conclusão

Os resultados obtidos neste trabalho

fornecem uma visão geral da utilização da
equação fundamental do caos, para
descrever um sistema representativo dos
comportamentos dos escoamentos de
fluidos ao redor de um objeto.
Notamos um comportamento de regime
laminar no gráfico1, um aparecimento de

10
esteiras de vórtices (Von Karman “figura 6”)
foi notado no gráfico 3, devido as condições
de oscilação, porém estável.
No gráfico 4, com o aumento da velocidade, a
instabilidade começa a ser gerada porém não
tão significativo, pois foi notado uma
constante de singularidade neste gráfico.
Já no gráfico 05 para um comportamento do
sistema em λ5=0,95, é notado uma
instabilidade típica de turbulência formada por
uma esteira de um objeto quando um fluido
passa ao seu redor com alta velocidade.
Referências
Rita M.C. de Almeida. Física na
Escola, v. 6, n. 1, 2005.
http://omnis.if.ufrj.br/~bertu/fis2/hidrodi
namica/viscosidade.html acessado em
30/03/2011.
http://en.wikipedia.org/wiki/Logistic_map
acessado em 30/03/2011.
Stephen H. Kellert, In the Wake of Chaos:
Unpredictable Order in Dynamical Systems,
University of Chicago Press, 1993, p 32, ISBN 0-
226-42976-8.

11