11. A Anatomia do Caos — Análise dos Autovetores
O que observamos não é a natureza em si,
mas a natureza exposta ao nosso método de questionamento.
— Werner Heisenberg
Nos capítulos anteriores, a análise concentrou-se nos autovalores do operador $M$. Eles forneceram a localização espectral das excitações do sistema e, por meio de suas estatísticas, permitiram distinguir regimes descorrelacionados (Poisson) de regimes correlacionados (GOE).
Neste capítulo, o foco desloca-se para os autovetores do operador.
Se os autovalores indicam onde as estruturas espectrais se localizam, os autovetores revelam como essa complexidade se distribui internamente. Eles codificam os padrões de vibração do sistema e permitem investigar se o regime observado é apenas estatisticamente compatível ou estruturalmente ergódico.
Para além dos autovalores
Em sistemas associados ao caos quântico, não basta que os espaçamentos espectrais exibam repulsão de níveis. É necessário que os autovetores sejam deslocalizados, preenchendo o espaço de forma aproximadamente uniforme.
Essa propriedade distingue sistemas genuinamente caóticos de sistemas apenas perturbados ou aleatorizados artificialmente.
Para investigar esse aspecto, introduzimos duas ferramentas complementares:
- o Participation Ratio;
- a estatística dos componentes dos autovetores.
Ferramenta I — Participation Ratio
O Participation Ratio ($PR$) quantifica o grau de espalhamento de um autovetor.
Para um autovetor normalizado
\[\mathrm{PR} = \frac{(\sum_{i=1}^{n} |v_i|^2)^2}{\sum_{i=1}^{n} |v_i|^4}.\]$v = (v_1, v_2, \dots, v_n)$, define-se:
Seu significado é direto:
- autovetores localizados apresentam $PR$ pequeno, da ordem da unidade;
- autovetores deslocalizados apresentam $PR$ proporcional a $N$.
Na Teoria de Matrizes Aleatórias, autovetores típicos do bulk da classe GOE são ergódicos. Para eles, a razão normalizada
\[\frac{PR}{N}\]concentra-se em torno do valor universal
\[\frac{1}{3}.\]Esse valor constitui uma assinatura estrutural do caos quântico, independente da forma detalhada do operador.
Ferramenta II — Estatística dos componentes
Uma segunda previsão independente da teoria refere-se à distribuição dos componentes individuais dos autovetores.
Para matrizes da classe GOE, os componentes de um autovetor típico do bulk comportam-se como variáveis aleatórias extraídas de uma distribuição Gaussiana real, com média nula e variância controlada pela normalização.
Essa previsão pode ser testada diretamente:
- seleciona-se um autovalor do centro do espectro;
- constrói-se o histograma de seus componentes;
- compara-se esse histograma com uma curva Gaussiana teórica;
- quantifica-se a compatibilidade por meio do teste de Kolmogorov–Smirnov.
Um p-valor elevado indica que não há evidência estatística para rejeitar a hipótese Gaussiana.
O laboratório empírico
O Notebook 11 (11_anatomia_autovetores.ipynb) 
implementa essas duas análises de forma sistemática, permitindo a comparação direta entre dois regimes de observação:
- amostragem linear;
- amostragem logarítmica.
Para cada caso, são produzidos quatro gráficos:
- o histograma dos componentes de um autovetor do bulk;
- a curva Gaussiana teórica correspondente;
- a distribuição dos valores de $PR/N$ ao longo do espectro;
- a comparação visual entre regimes.
Resultados — sinal genuíno e artefato
Os resultados exibem um contraste instrutivo entre os dois regimes de observação.
Escala logarítmica — o sinal genuíno do caos
Na parametrização logarítmica, observa-se que:
- os componentes dos autovetores seguem consistentemente uma distribuição Gaussiana;
- o teste de Kolmogorov–Smirnov retorna p-valores elevados;
- a distribuição de $PR/N$ concentra-se fortemente em torno de $1/3$.
Esses resultados indicam que os autovetores são ergódicos e que a complexidade observada não é superficial, mas uma propriedade estrutural do operador.
Escala linear — o fantasma metodológico
Na parametrização linear, os resultados aparentam, à primeira vista, ser igualmente compatíveis com o GOE: componentes aproximadamente Gaussianos e valores de $PR/N$ próximos de $1/3$.
Essa semelhança, no entanto, é enganosa.
Nesse regime, a matriz construída é estruturalmente pobre e necessita da introdução de pequenas perturbações numéricas (jitter) para evitar degenerescências artificiais.
Os autovetores passam então a refletir majoritariamente as propriedades estatísticas do ruído introduzido, e não a estrutura aritmética subjacente.
O que se mede nesse caso não é o caos dos primos, mas um artefato do método de correção.
Diagnóstico estrutural
A comparação entre os dois regimes permite um diagnóstico claro:
autovetores ergódicos obtidos sem injeção artificial de ruído constituem a assinatura inequívoca de um regime genuinamente caótico.
A escala logarítmica satisfaz essa condição. A escala linear, não.
Perspectiva aplicada — uma primitiva criptográfica
As propriedades observadas sugerem aplicações potenciais em áreas como a criptografia.
Parâmetros como $X_0$, $N$ e a função aritmética $\Delta_\pi(x)$ podem ser interpretados como uma chave privada, a partir da qual autovetores altamente complexos são gerados de forma determinística.
O problema inverso, reconstruir esses parâmetros a partir de um autovetor ergódico, apresenta elevada complexidade computacional.
Trata-se de uma primitiva quântica não no sentido físico, mas estatístico: as propriedades exploradas coincidem com aquelas de sistemas quânticos caóticos, sem exigir hardware quântico.
Essa possibilidade permanece especulativa, mas ilustra o alcance conceitual do formalismo desenvolvido.
Ponto de repouso
Até aqui, a análise espectral foi estendida dos autovalores aos autovetores do operador $M$.
Mostrou-se que o regime GOE não se manifesta apenas na estatística dos níveis, mas também na geometria interna dos estados: os autovetores são ergódicos, o Participation Ratio confirma sua deslocalização estrutural e a distribuição Gaussiana dos componentes emerge de forma consistente.
Esse conjunto de observações permitiu distinguir claramente sinal genuíno de artefatos metodológicos. O Notebook 11 fornece a base empírica direta dessas conclusões.
Com isso, a caracterização do regime caótico associado ao operador $M$ está completa, tanto no espectro quanto na estrutura interna dos estados.
No capítulo seguinte, encerramos o percurso conceitual, reunindo os resultados obtidos em uma leitura estrutural unificada.
| $\gets$ Capítulo Anterior | Sumário | Próximo Capítulo $\to$ |