No mundo da matemática, existe uma classe especial de ferramentas usadas para descrever como as coisas mudam ao longo do tempo, desde o resfriamento de uma xícara de café até o movimento dos planetas. Essas ferramentas são chamadas de semigrupos, e dependem de um motor central conhecido como gerador. Pense no gerador como o interruptor mestre que dita a velocidade e a direção da mudança. Durante décadas, os matemáticos foram fascinados por um enigma específico envolvendo esses geradores: se você tem uma máquina que funciona de forma suave e previsível, sua operação reversa também funciona de forma suave? Em termos técnicos, se um gerador cria um fluxo de mudança estável e limitado, o seu inverso matemático cria um fluxo estável semelhante? Esta questão, conhecida como o problema do gerador inverso, tem sido objeto de estudo intenso porque a resposta importa para como simulamos sistemas complexos em computadores. Se a operação reversa se comportar mal, isso pode fazer com que os modelos computacionais saiam de controle, produzindo resultados inúteis em vez de previsões precisas.

Por muito tempo, a resposta pareceu ser sim, pelo menos nos espaços matemáticos mais bem comportados. No entanto, um novo estudo realizado pelos pesquisadores Emiel Lorist, Martin Meyries e Mark Veraar mostrou definitivamente que essa intuição está errada. Eles construíram um exemplo específico e explícito de uma máquina matemática que funciona perfeitamente por conta própria, mas desmorona quando você tenta operá-la de trás para frente. O trabalho deles prova que, em um espaço de Hilbert — um tipo de ambiente matemático usado para modelar muitos sistemas físicos —, é possível ter um gerador que produz um fluxo de mudança estável e limitado, mas cujo inverso não gera um fluxo estável de forma alguma. Na verdade, o processo reverso cresce tão descontroladamente que se torna ilimitado, o que significa que os números envolvidos podem se tornar infinitamente grandes. Esta descoberta encerra uma grande questão em aberto no campo, provando que a relação entre um sistema e o seu reverso é muito mais frágil do que se pensava anteriormente.

Os pesquisadores não encontraram apenas uma possibilidade teórica; eles construíram um contraexemplo concreto usando uma construção inteligente envolvendo matrizes de dimensão finita. Eles criaram uma sequência de matrizes cada vez mais complexas que atuam como os blocos de construção para a sua máquina final. Essas matrizes foram projetadas com propriedades muito específicas: suas partes internas são arranjadas de modo que, quando a máquina funciona para frente, a energia permanece sob controle e eventualmente desaparece. No entanto, o arranjo é tão delicado que, quando a máquina é revertida, a energia não apenas permanece estável, mas explode. O crescimento desse processo reverso não é apenas rápido; ele segue um padrão específico de queima lenta que os autores descrevem como crescendo, pelo menos, de forma duplo logarítmica. Para colocar isto em perspectiva, enquanto uma explosão normal cresceria como um quadrado ou um cubo, este crescimento é incrivelmente lento no início, mas eventualmente torna-se ilimitado, desafiando a expectativa de que um sistema estável deveria ter um reverso estável.

Este achado tem consequências imediatas e sérias para a forma como resolvemos equações em computadores. Um dos métodos mais populares para simular sistemas dependentes do tempo é o esquema de Crank–Nicolson. É uma ferramenta padrão usada na engenharia e na física porque é geralmente muito estável e precisa. O novo estudo mostra que, para o tipo específico de sistema que eles construíram, este método popular falha completamente. Não importa o quão pequenos sejam os passos de tempo ou quanto tempo a simulação dure, o modelo computacional eventualmente divergirá. O erro não permanece pequeno; ele cresce sem limites. Os pesquisadores demonstraram que a instabilidade não é um pequeno erro técnico, mas uma característica fundamental do sistema, provando que o esquema de Crank–Nicolson não é universalmente estável, mesmo para sistemas que são exponencialmente estáveis em sua direção direta.

O estudo também lança luz sobre o comportamento de uma ferramenta matemática chamada transformada de Cayley, que está intimamente relacionada ao esquema de Crank–Nicolson. Esta ferramenta é frequentemente usada para analisar se um sistema permanecerá estável ao longo do tempo. Os pesquisadores descobriram que o seu contraexemplo satisfaz as condições básicas de estabilidade nas quais os matemáticos confiaram durante anos, mas ainda assim falha em ser estável no sentido mais forte exigido para cálculos de longo prazo. Isso significa que as verificações padrão usadas para garantir a estabilidade não são suficientes para evitar que o sistema exploda. O trabalho revela uma camada oculta de complexidade nestes sistemas, mostrando que eles podem passar em todos os testes usuais de segurança e, ainda assim, abrigar um potencial para falha catastrófica quando revertidos ou simulados.

A construção deste contraexemplo baseou-se num entendimento profundo de como diferentes bases matemáticas interagem. Os pesquisadores utilizaram um conjunto específico de vetores que são quase, mas não totalmente, ortogonais entre si. Esta ligeira imperfeição, que eles controlaram com um parâmetro específico, permitiu-lhes ajustar o sistema para que o movimento progressivo fosse perfeitamente amortecido, enquanto o movimento reverso fosse amplificado. A chave para o seu sucesso foi o uso de uma sequência de números que crescem a uma taxa duplo-exponencial. Este crescimento rápido é o que permite ao sistema manter a estabilidade numa direção enquanto se torna instável na outra. Sem esta taxa de crescimento específica e cuidadosamente escolhida, o equilíbrio delicado necessário para o contraexemplo não existiria.

No fim, este artigo fornece uma resposta negativa definitiva a uma questão que permanecia em aberto há anos. Mostra que o problema do gerador inverso não possui uma solução positiva em espaços de Hilbert, e que a estabilidade dos esquemas numéricos não pode ser dada como certa. Os pesquisadores forneceram um exemplo claro e explícito que serve como um aviso aos matemáticos e engenheiros: só porque um sistema parece estável e passa nos testes padrão, não significa que o seu reverso seja seguro, nem que as simulações computacionais padrão sempre funcionarão. O trabalho é uma prova rigorosa, não uma sugestão ou uma simulação, e constitui uma correção permanente à compreensão destas relações matemáticas fundamentais.