Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sistemas Dinámicos
Sistemas Dinámicos
ndice general
1. Sistemas hamiltonianos e integrabilidad clsica
1.1.
. . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.1.
Clculo de variaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.2.
Mecnica lagrangiana
1.1.3.
Mecnica hamiltoniana
1.1.4.
Leyes de conservacin
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
14
1.2.
Teorema de Liouville . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
14
1.3.
Brackets de Poisson
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
1.4.
Transformaciones cannicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16
1.5.
18
1.6.
Teorema de Nther . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
19
1.7.
Funciones generadoras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
19
1.8.
Variables angle-action
1.9.
Sistemas integrables
1.9.1.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
20
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
21
. . . . . . . . . . . . . . . . .
21
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
21
24
2.0.1.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
25
2.0.2.
El modelo logstico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
28
2.0.3.
Billar de Sina
2.0.4.
Dinmica espacio-temporal
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
33
34
37
3.1.
37
3.2.
. . . . . . . . . . . . .
39
3.3.
. . . . . . . . . . . . .
43
3.4.
Funciones de Lyapunov
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
45
4.2.
Ejemplos introductorios
50
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
50
4.1.1.
Dinmica en un grafo
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
50
4.1.2.
53
. . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
54
54
NDICE GENERAL
4.3.
4.2.2.
Matrices estocsticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
56
4.2.3.
Matrices reversibles
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
58
59
5.2.
5.3.
63
. . . . . . . . . . . . . . . . . . . . . .
64
5.1.1.
Modelo de Swift-Hohenberg . . . . . . . . . . . . . . . . . . . . . . . . . . . .
64
5.1.2.
64
5.1.3.
. . . . . . . . . . . . . . . . . . .
64
5.1.4.
Simulacin numrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
64
. . . . . . . . . . . . . . . . . . .
64
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
64
5.2.1.
Modelo
5.2.2.
64
5.2.3.
64
5.3.2.
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . .
5.4.
5.5.
6.2.
64
. . . . . . . . . . . . . . . . . . . . . . . . . .
64
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
64
5.5.1.
Historia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
64
5.5.2.
64
5.5.3.
64
65
Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
66
6.1.1.
66
6.1.2.
. . . . . . . . . . . . . .
. . . . . . . . . . . .
66
. . . . . . . . . . . . . . . . . . . . . . . . . . .
66
6.2.1.
66
6.2.2.
66
6.3.
6.4.
Mezclas y ergodicidad
6.5.
. . .
66
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
66
6.4.1.
6.4.2.
. . . . . . . . . . . . . . . . . . .
66
. . . . . . . . . . . . . . . . . . . . . . . . . . .
66
67
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
66
. . . . . . . .
64
. . . . . . . . . . . . . . . . . . . . . . . .
64
67
. . . . . . . . . . . . . . . . . . . . . . . . . .
68
7.2.
Estabilidad estructural . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
69
7.3.
Dinmica simblica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
69
7.4.
Operador de transferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
69
7.5.
69
. . . . . . . . . . . . . . . . . . . . . . . .
7.5.1.
69
7.5.2.
69
7.5.3.
Ergodicidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
69
ndice de guras
1.1.1.Variaciones en la trayectoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.2.Transformacin de Legendre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
12
2.0.1.Pndulo
25
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
c=5
= m,
entonces se ve que en el
c. . . . . . . . . . .
0 = 0, 0 = 0.1. La amplitud aumenta y
27
punto atractivo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
27
29
30
en funcin de
2.0.8.Conjunto de Mandelbrot
2.0.9.Billar rectangular.
. . . . . . . . . . . . . . . . . . . . . . . . .
31
32
32
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
33
2.0.10.
Ntese que las trayectorias en el inicio son casi paralelas y luego van en direcciones
completamente distintas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
34
3.1.1.Pndulo simple. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
38
39
3.2.1.Aqu se ilustran los tres ejemplos donde la primera gura es un punto silla de montar,
inestable, la segunda es un punto vrtice estable y la tercera es un punto estrella
asintticamente estable.
4.1.1.a. Grafo
G1 .
b. Grafo
G2 .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
42
50
71
72
7.5.3.Anlisis de error. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
72
7.5.1.Cdigo Python
r,
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Prlogo
Los sistemas dinmicos son sistemas que evolucionan en el tiempo. Estos describen entonces
una gran cantidad de fenmenos fsicos, biolgicos, econmicos o sociales. Es por este motivo que
su estudio se ha vuelto de mucha importancia en varias ramas del conocimiento. El objetivo es
estudiarlos como modelos matemticos.
Podemos decir que estos sistemas se dividen en dos. Estn por un los sistemas integrables que
son los sistemas que tienen solucin exacta y los sistemas complejos que usualmente requieren de
mtodos numricos para poder resolverlos.
En los sistemas integrables, hay de dos tipos, los clsicos y los cunticos. En este texto trataremos
los sistemas clsicos de dimensin nita que son sistemas que tienen un hamiltoniano y cumplen con
el teorema de Liouville de sistemas integrables. ste es el tema que se toca en el primer captulo.
En los sistemas complejos, hay de varios tipos. Los determinsticos y los aleatorios. En el segundo
captulo, se estudian ejemplos de los dos tipos. Es ms, se ve cmo de un sistema determinstico
surge el azar, especialmente en el billar de Sina.
En el tercer captulo nos adentramos en el estudio de sistemas que son continuos. Aqu, estudiamos la estabilidad de ecuaciones diferenciales ordinarias por medio de las funciones de Lyapunov.
Se expone este tema desde la perspectiva de Kreider, Kuller y Otsberg que lo presentan de una
manera magnca.
Luego, vemos ms a profundidad el estudio de los procesos estocsticos por medio del estudio de
los procesos markovianos. Aqu se estudian entonces los procesos estocsticos en el caso de tiempos
discretos y luego en el caso de tiempos continuos.
Por ltimo, ya entramos a los sistemas dinmicos espaciales y temporales con el estudio de
ecuaciones diferenciales parciales, considerando el estudio de la ergodicidad.
Sin duda, en este texto, se ve de manera supercial los distintos casos de sistemas dinmicos
ya que cada uno ameritara un curso completo o ms para poder estudiarlos a profundidad, pero
presenta cada uno de ellos y la idea principal de los mismos.
Este texto est diseado para darse en un semestre de pregrado en fsica o matemticas aplicadas.
Es altamente recomendable que el lector haga todos los ejercicios sugeridos y que adems trate de
replicar las guras, comprendiendo de qu se trata cada una de ellas.
Captulo 1
Sistemas hamiltonianos e
integrabilidad clsica
1.1.
x2
f (y (x) , y 0 (x) ; x) dx
J=
x1
Queremos determinar
de integracin
x1
x2
y (x)
para que
(x1 ) = (x2 ) = 0.
y (, x) = y (0, x) + (x)con
la
(Ver Figura 1)
J
=0
=0
Ecuacin de Euler
Vamos a ver cmo se resuelve el problema planteado anteriormente. Para esto, basta con resolver
la ecuacin de Euler. Calculamos
x2
f (y, y 0 ; x) dx
x1
CAPTULO 1.
La curva
y (x)representa
y (x) + (x)
representa la variacin
como los lmites de integracin estn jos, entonces podemos invertir el orden de la integral con la
derivada
J
=
x2
f y
f y 0
+ 0
y y
dx
x1
Ahora, notemos que de acuerdo con la denicin de
J
=
x2
tenemos que
y 0
d
=
dx
y
= (x)
Si sustituimos, obtenemos
y,
f
f
(x) + 0
y
y x
dx
x1
si tomamos el segundo trmino y lo integramos por partes, obtenemos
x2
x1
pero sabemos que
x2 x2
d
f
f
f
dx =
(x)
(x) dx
y 0 x
y 0
dx y 0
x1
x1
(x1 ) = (x2 ) = 0,
x2
entonces
f
dx =
y 0 x
J
=
d
dx
f
y 0
f
y 0
(x) dx
x1
x1
Si sustituimos,
x2
x2
x1
d
f
y
dx
(x) dx
CAPTULO 1.
Si queremos que
= 0,
dada la arbitrariedad de
d
f
y
dx
(x), necesitamos
f
=0
y 0
que
Notacin
Para deducir la ecuacin de Euler usamos clculo de variaciones, de manera que
J
d =
x2
f
d
y
dx
f
y 0
f
d
y
dx
f
y 0
y
ddx
x1
Esto puede ser expresado como
x2
J =
ydx
x1
donde
J
d = J
y
d = y
x2
f (y, y 0 ; x) dx = 0
x2
x2 f
d f
y
+
y
dx
=
f dx =
0
y
dx y
x1
x1
x2 f
d f
=
y dx y 0 ydx
x1
x1
Ejercicio 1.
matemtica.
1. Probar que en un plano, la trayectoria ms corta entre dos puntos jos es una recta.
2. Probar la ley de Snell usando el principio de Fermat.
se dene como
L = T (x)
V (x)
con
x =
t2
S=
L (x, x,
t) dt
t1
donde
t1 y t2
dx
dt . La accin de un sistema
es
CAPTULO 1.
Principio de Hamilton:
Corolario. Las ecuaciones de movimiento para un sistema de n grados de libertad estn dictadas
por
d
L
xi
dt
L
x i
=0
L
d
x
dt
ahora bien,
L = 12 mx 2 V (x)
L
x
=0
entonces
L
V
=
x
x
d L
d
(mx)
= m
x
=
dt x
dt
entonces obtenemos
m
x=
V
x
Coordenadas generalizadas
Vamos a empezar con el principio de Hamilton de nuevo.
t2
S (y) =
Ldt
t1
Como
V (~r)
T =
P mi 2
ri tenemos
2 ~
i
equivalente con la segunda ley de Newton.
que
T
~
r
Corolario. Sean
= mi~ri
L
~
ri
V
= ~
ri
entonces es
~q
dt
1 Esto
L
~q
=0
CAPTULO 1.
Demostracin.
10
Denicin.
~q coordenadas
~q velocidades
p~ =
generalizadas
L
momentum
~q
L
fuerza
~q
Observacin.
generalizadas
generalizado
generalizada
Si tomamos una partcula con un movimiento circular uniforme, tenemos como cambio
de coordenadas
x = rcos
y = rsin
con
r = l = constante.
T =
1
1
m x 2 + y 2 = ml2 2
2
2
por lo que
L
= ml2 2
entonces
d
dt
= ml2
entonces
= 0
por lo que
x = lcos (0) t + (0)
y = lsin (0) t + (0)
aqu no tenemos potencial para obtener el movimiento circular. Esto hace que no necesitamos fuerzas
cticias como la centrpeta que era el caso de la Fsica de Newton.
Ejercicio 2.
CAPTULO 1.
11
Ecuaciones de Hamilton
Recordemos que para una funcin lagrangiana
d
L
qi
dt
Estas
L
qi
=0
2n
requieren
condiciones iniciales
qi (t = 0), qi (t = 0).
pi =
entonces
pi = pi (qj , qj , t).
L
qi
i = 1, ..., n
L
d
(p)
=0
dt
qi
o equivalentemente
p =
L
qi
qi
{qi },
en favor de
pi .
El conjunto de puntos
C.
n-dimensionales
de-
Aqu la evolucin en el
C.
{qi }y
por
2n-dimensional
en el espacio de fases.
Como un punto en el espacio de fases basta para determinar la evolucin de un sistema, las
curvas no se autointersectan.
Transformaciones de Legendre
nica la evolucin de
qi
y de
pi
(y no de
qi ), pero
debe tener toda la informacin del lagrangiano. Para esto usamos las transformaciones de Legendre.
Para ver esto, consideramos una funcin arbitraria
df =
f (x, y),
f
f
dx +
dy
x
y
Ahora denimos
g (x, y, u) = ux f (x, y)
que depende de
x, y , u,
entonces
dg = d (ux)
f
f
dx
dy
x
y
diferenciable, entonces
CAPTULO 1.
u (x, y) =
entonces
dg =
En otras palabras,
g (x, y),
tal que
u (x, y)denida
por
f
x
f
f
f
f
dx + xdu
dx
dy = xdu
x
x
y
y
u y y : g = g (u, y). Si queremos una expresin explcita
u (x, y) = f
x para obtener x = x (u, y) y luego insertarla
es una funcin de
la denicin de
12
de
en
g
g (u, y) = ux (u, y) f (x (u, y) , y)
u = f
x .
g (u, y)
g
= x (u, y)
u y
g
= v (u, y)
y u
f=
g
ug
u
u,
el valor de
g (u)es
jo,
curvas
d
(ux f (x)) = 0
dx
entonces
u=
Observacin.
f
x
La gura 2 nos dice que para encontrar mximos necesitamos funciones convexas.
CAPTULO 1.
13
Ecuaciones de Hamilton
qi
n
X
H (qi , pi , t) =
pi qi L (qi , qi , t)
i=1
donde
qi
se elimina en favor de
pi
usando
pi =
L
= pi (qj , qj , t)
qi
+
(dpi qi + pi dqi ) q
dt
i
i
qi
t
i
L
L
(dpi qi + pi dqi ) qi dqi pi dqi + t dt
dpi qi pi dqi
dH
dH
del hamiltoniano
L
t dt
pero tambin
dH =
H
H
H
dt
dqi +
dpi +
qi
pi
t
H
pi
H
pi =
qi
H
L
=
t
t
qi =
Estas son las ecuaciones de Hamilton. Reemplazamos una ecuacin diferencial de orden
ecuaciones de orden
por dos
1.
Partcula en un potencial
Una partcula que se mueve en un espacio tridimensional, cuya posicin est dada por
~r,
tiene
como lagrangiano
L=
1
m~r V (~r)
2
Si calculamos
p~ =
entonces
L
= m~r
~r
p~
1 2
p~2
H = p~~r L = p~
p~ + V (~r) =
+ V (~r)
m 2m
2m
que es la energa mecnica del sistema. Ahora si analizamos las ecuaciones de Hamilton obtenemos
1
~r = p~
m
H
p~ =
= V
~r
Tenemos consistencia con la mecnica newtoniana!
CAPTULO 1.
14
H
t
Si
= 0,
Demostracin.
dH
dt
Vamos a calcular
dH
dt
dH
dt
entonces, en efecto,
H
+ p
pi + H
t
i
pi qi + qi pi + H
t
H
qi qi
=
=
=
=
H
t
Si una coordenada
Demostracin.
p,
p =
1.2.
H
=0
q
Teorema de Liouville
Teorema. Considere una regin del espacio de fases y hgalo evolucionar en el tiempo. La forma
cambiar, pero el teorema de Liouville nos dice que el volumen ser el mismo.
Demostracin.
(qi , pi )
dt
qi
pi
qi + qi dt =
pi + pi dt =
qi +
pi
H
pi
H
qi
= qi
= pi
V = d
q1 ...d
qn d
p1 ...d
pn = det (J) V
donde
es la matriz jacobiana
J=
qi
qj
pi
qj
qi
pj
pi
pj
CAPTULO 1.
= 1,
considerando,
2
det (J)
H
1 + pq
dt
2H
q2 dt
= det
15
n=1
2H
p2 dt
2H
qp
dt
!
= 1 + 0 dt2
det (J)
1.3.
= det
d (det (J))
=0
dt
mismo, para n coordenadas
2H
pi qi dt
2
H
q
dt
i qj
ij +
2H
pi pj dt
2
H
qi p
dt
j
!
= 1 + 0 dt2
Brackets de Poisson
Vamos a ver ahora la dinmica clsica desde una descripcin algebraica que hace que se vea casi
idntica a la mecnica cuntica.
Denicin. Sea f (q, p) y g (q, p) dos funciones del espacio de fases. Entonces se denen los brackets de Poisson como
{f, g} =
f g
f g
qi pi
pi qi
Las primeras dos propiedades y la ltima son las propiedades que debe cumplir un lgebra de
Lie. Se sugiere que se haga el ejercicio de probar estas identidades.
CAPTULO 1.
Demostracin.
Tenemos
df
dt
df
dt
=
=
=
16
f
f
f
pi p i + qi qi + t
f H
f H
+ q
+ f
p
t
i qi
i pi
f
{f, H} + t
entonces I es una constante del movimiento. Decimos que I y H conmutan en el sentido de Poisson.
Si qi es ignorable, i.e. no aparece explcitamente en H , entonces
{pi , H} = 0
Observacin.
Si
{I, J}
usa la identidad de Jacobi. Esto quiere decir que las constantes de movimiento forman un lgebra
cerrada bajo brackets de Poisson.
Las ecuaciones de Hamilton se vuelven
p = {H, p} =
q = {H, q} =
1.4.
H
q
H
p
Transformaciones cannicas
Hay otra manera de escribir estas ecuaciones de una forma todava ms simtrica. Denimos el
vector
nn
de
2n 2n
como
H
~x = I
~x
Qu transformacin deja entonces la fsica invariante, i.e. las ecuaciones de movimiento? Supongamos una transformacin
qi Qi (q, p)
pi Pi (q, p)
CAPTULO 1.
17
~x
transformadas como
xi yi (x)
entonces
y i
y i
donde
Jij =
=
=
=
yi
j
xj x
yi
H yl
xj I jk yl xk
JI J T H
~
y
yi
xj es la matriz jacobiana. Entonces, tenemos invarianza si
JI J T = I
Teorema. El bracket de Poisson es invariante bajo transformaciones cannicas. Cualquier transformacin que preserva el bracket de Poisson tal que
{Qi , Qj } = {Pi , Pj } = 0
{Qi , Pj } = ij
es cannica.
Demostracin.
f (xi )
g (xi )
funcio-
nes, entonces
{f, g} =
entonces, si
x y (x),
f g
f g
f
g
=
I ij
qi pi
pi qi
xi
xj
tenemos
f
f
=
Jki
xi
yk
Asumiendo que la transformacin es cannica
{f, g} =
g
f
g
f
Jki I ij Jlj
=
I kl
yk
yl
yk
yl
es lo mismo que calcular los brackets en cualquier sistema de coordenadas relacionados por transformaciones cannicas. La jacobiana es
Jij =
Ahora si calculamos
JI J
ij
Qi
qj
Pi
qj
Qi
pj
Pi
pj
{Qi , Qj }
{Pi , Qj }
{Qi , Pj }
{Pi , Pj }
CAPTULO 1.
1.5.
18
Consideramos la transformacin
qi Qi = qi Fi (q, p)
pi Pi = pi + Ei (q, p)
donde
1.
Qu funciones
Fi (q, p)
Ei (q, p)
Jij =
i
ij + F
qj
i
E
qj
para que
JI J T = I
necesitamos que
Ei
Fi
=
qj
pj
por lo tanto
G
pi
que G
Fi =
para alguna funcin
G (q, p).
Decimos
Ei =
G
qi
genera la transformacin.
Esto nos motiva a ver un poco distintas las transformaciones cannicas. Suponemos que una
familia de transformaciones de un solo parmetro
qi Qi (q, p, )
cannicas para todo
pi Pi (q, p, )
Qi (q, p; = 0) = qi
representan el mismo punto del espacio de fases, slo que con distintas coordenadas o distinto marco
de referencia. Ahora podemos dar una interpretacin activa, i.e. que los puntos son distintos en
el mismo marco de referencia. Esto es gracias a que consideramos este nuevo parmetro
que si variamos el parmetro
es decir
dqi
G
=
d
pi
G
dpi
=
d
qi
Notemos que estas ecuaciones se ven exactamente como las ecuaciones de Hamilton del movimiento:
si tomamos
una familia de transformaciones de un parmetro puede ser pensada como un ujo hamiltoniano
en el espacio de fases para un hamiltoniano apropiado
G.
G = pk . Entonces la transformacin cannica innitesimal correspi pi que es simplemente una traslacin. Las traslaciones de
momentum conjugado pk .
qk son
qi qi + ik
generadas por el
CAPTULO 1.
1.6.
19
Teorema de Nther
H
H
G se
{G, H} = G .
H
H
qi qi + pi pi
H G
H G
qi pi p
i qi
=
=
=
+ 0 2
H = 0,
que
G,
entonces
{H, G}
El generador
cantidad conservada
G,
entonces
{G, H} = 0.
Pero sabemos
simetra.
Esto es el teorema de Nther que es el teorema ms importante de la Fsica.
1.7.
Funciones generadoras
F (q, Q)de
los
qi
originales y los
Qi
nales.
F
. Despus de invertir esta ecuacin puede ser considerada como la nueva coordenada
pi = q
i
Qi = Qi (q, p). Pero cul es el nuevo momentum cannico? De hecho el momentum conjugado es
Pi que est dado por
F
Pi =
Qi
Sea
La prueba viene de jugar con las derivadas. Veamos si funciona con un ejemplo de un grado de
libertad (se generaliza de forma trivial)
{Q, P } =
Ntese que
P = P (q, p),
Q P
Q P
q p p q
p q q p
Q P
Q 2 F
Q p
{Q, P } =
=
=
=1
p q q p
p p qQ
p q Q q
como se pide. La funcin
F (q, Q)se
Hay tres tipos de funciones generadoras, relacionadas por transformaciones de Legendre. Cada
una es una funcin de las coordenadas originales y de las nuevas coordenadas. Se puede ver que
F2 (q, P ) : pi =
F3 (p, Q) : qi =
F2
qi
F3
pi
F4 (p, P ) : qi =
F4
pi
F2
Pi
pi =
Qi =
F3
Qi
F4
Pi
CAPTULO 1.
1.8.
20
Variables angle-action
Numricamente, hemos usado coordenadas que complican la solucin de los problemas. Si trabajamos con coordenadas cartesianas cuando el problema requiere realmente coordenadas cilndricas
o esfricas, con suciente dedicacin, llegamos a lo que queremos. La posibilidad de cambiar de
coordenadas simplica la vida drsticamente. Ahora sabemos que incluso podemos mezclar
pi
qi .
Para simplicar al mximo la resolucin de un problema, usamos estas variables llamadas angleaction. Vemos esto con un ejemplo: nuestro ejemplo predilecto el oscilador armnico simple. El
hamiltoniano es
H=
1
p2
+ m 2 q 2
2m 2
p = m 2 q
p
q =
m
entonces
q = Acos ( (t t0 ))
p = mAsin ( (t t0 ))
donde
t0
son constantes de integracin. Los ujos del espacio de fases son elipses. Proponemos
(q, p) (, I)
Puede verse a
p = 2Im cos
La transformacin sera
{q, p}(,I) =
Reescribimos
q p q p
=1
I
I
en estas coordenadas
H=
2I
1
1
2
(2mI) sin2 + m 2
cos = I
2m
2
m
H
=
=
I
H
I =
=0
Por lo que logramos mapear el ujo en el espacio de fases en un cilindro parametrizado por
I.
CAPTULO 1.
1.9.
21
Sistemas integrables
Hemos visto ya que podemos simplicar de sobremanera las lneas de ujo del oscilador, de
manera que el movimiento se vuelve trivial. Podemos hacer esto en cualquier sistema? No, slo
para sistemas conocidos como sistemas integrables.
Supongamos un sistema con
(qi , pi ) (i , Ii )
con el hamiltoniano
i =
donde
mente
H
= i
Ii
simple-
{Ii , Ij } = 0
I1 , ..., In
i, j = 1, ..., n
Ii
{Ii , Ij } = 0
Formulacin alternativa
conmutan con
1.10.
Necesitamos
Sistemas hamiltonianos
Denicin.
H (x, y)
tal que
H
dx
=
dt
y
dy
H
=
dt
x
para todo
y.
La funcin
Para un sistema
si
dx
= f (x, y)
dt
dy
= g (x, y)
dt
f
g
=
x
y
siempre se conserva.
CAPTULO 1.
22
f (x, y) =
H (x, y) =
donde
es una funcin de
calculamos con
x.
f (x, y) dy + (x)
Para encontrar
g (x)
H
=
x
x
y la
entonces
0 (x) = g (x, y)
Ejercicio 3.
H
y
f (x, y) dy
El formalismo de los brackets de Poisson puede ser utilizado cuando no es tan obvio
asignar coordenadas y momenta. Para ilustrar esto vamos a considerar el movimiento de vrtices
en un plano. Para
~ri = (xi , yi ),
i x i =
j6=i
i y i = +
P
j6=i
i ,
y y
x x
primer orden respecto de las posiciones, ms que posiciones y momenta. Para generar el espacio de
fases, se considera una posicin como momentum cannico .
1. Muestre que ste es un sistema hamiltoniano con
H=
i<j
partiendo del hecho que el sistema de ecuaciones es equivalente al siguiente
H
x i = 1i y
i
1 H
y i = i xi
2. La estructura de Poisson cambia un poco para este sistema y est dada por
{f, g} =
Calcule
{xi , yj }.
3. Calcule{Px , H},
2 Si
n
X
1 f g
f g
xi yi
yi xi
i=1 i
{Py , H}
{Px , Py }, con
P
Px =
i yi y
Py =
i xi
CAPTULO 1.
23
J =
Calcule
1X
i x2i + yi2
2 i=1
5. Encuentre el nmero mximo de vrtices para que el sistema sea integrable en el sentido de
Liouville.
Observacin.
{x, y} =
6 0
Sin embargo aparece en otro contexto tambin: una partcula cargada movindose en un campo
~ = B z.
B
eB
mc y . Para campos magnticos grandes, el segundo
eBy
trmino de la ecuacin domina, y tenemos que px
mc , por lo que {x, px } = 1 y por lo tanto
mc
{x, y} eB . Esto nos muestra una similaridad entre la estructura de vrtices y electrones. De
magntico
En este caso,
px = mx
hecho es un tema de moda en investigacin podemos hacer que los vrtices hagan cosas parecidas a
los electrones en un campo magntico? Vrtices en un condensado de Bose-Einstein pueden formar
un estado de efecto Hall fraccional?
Ejercicio 4.
(~
r2 ~
r1 )
~r1 = |~
r2 ~
r1 |3
~r2 = (~r2 ~r1 )3
|~
r2 ~
r1 |
donde
xi
~ri = yi ,
zi
con
i = 1, 2.
coordenadas)
1. Encuentre el hamiltoniano del sistema.
2. Encuentre tres cantidades del movimiento que conmutan entre ellas y con el hamiltoniano.
3. Es integrable?
4. Qu sistema conocido es?
Captulo 2
t + t
t.
determinado de forma nica) o puede ser probabilstica (la distribucin de estados es conocida). La
fsica ha descubierto que las leyes innitesimales de la naturaleza son bastante simples .
Iniciaremos esta introduccin a los sistemas dinmicos con ejemplos que ilustran esta pregunta
fundamental, con cuatro ejemplos.
1. El pndulo amortiguado y sus variantes. Introducimos aqu las secciones de Poincar que es
un mapeo de dimensin 1 montono, i.e. regular.
2. El modelo logstico (que es un mapeo de dimensin 1 pero no montono que presenta un
comportamiento catico), y el conjunto fractal de Mandelbrot que es su diagrama de fases.
3. La reaccin de Belousov-Zhabotinsky que muestra una dinmica espacio-temporal con
morfognesis (la dinmica converge a un ciclo lmite pero aparenta tener un caos espacial).
Cada uno de estos modelos ser bien denido matemticamente y presentar el sistema fsico que
lo modela. Se realizarn simulaciones numricas y se observarn los fenmenos para comentarlas y
darle importancia a las preguntas importantes.
Sin embargo, la mayora de los fenmenos no sern explicados en esta introduccin. Se dar
slo una explicacin intuitiva. Es el objetivo de la teora de sistemas dinmicos: encontrar una
explicacin rigurosa a estos fenmenos y ciertas explicaciones se vern aqu.
1 Son las leyes mecnicas. En resumen, cada partcula interacta con sus vecinas de forma simple y precisa.
Decimos que las leyes son locales. En mecnica clsica, las leyes son deterministas. En mecnica cuntica, las leyes
son probabilsticas e involucran la amplitud de probabilidad.
24
CAPTULO 2.
25
(x, z).
plano vertical
~v
con
l en el
F~ = ~v que
P~ = m~g
gura 2.0.1.
Ecuacin de movimiento
(t) el ngulo entre la varilla y la vertical en el instante t. La posicin curvilnea
l (t). La ley de Newton en coordenadas curvilneas se escribe
Denotamos por
del pndulo es
mg sin l = ml
Observacin.
(2.0.1)
Para las soluciones numricas y luego para el estudio propio de los sistemas dinmicos, es
preferible tener ecuaciones de orden uno. Entonces, vamos a decir que
(t) =
de manera que
=
= gl sin
(2.0.2)
CAPTULO 2.
26
Hagamos
(, ),
x = F (x)
con
F = (F1 , F2 )
(2.0.3)
F2 (, ) = gl sin
F1 (, ) =
De esta manera, la ley de Newton se escribe de la forma 2.0.3 que es una ecuacin diferencial
ordinaria (EDO) en
R2 .
Veremos que tal formulacin estndar para una ley determinista. Consideramos aqu a
una funcin
Denicin.
el tiempo
como
x R2 F (x) R2 .
Para todo
tR
t:
t : x (0) R2 x (t) R2
se llama el
(2.0.4)
ujo en el tiempo t.
Recordemos entonces la pregunta interesante: Conociendo las condiciones iniciales del pndulo
x (0) = ( (0) , (0)), cmo predecir x (t) en un instante cualquiera t R? Es decir que queremos
encontrar el ujo t a partir de la EDO.
Ejercicio 5.
Escribir un programa que resuelva numricamente el pndulo. Comprelo con la solucin exacta.
Graque tambin el valor absoluto de la diferencia entre los dos en funcin del
inuye la eleccin del
y analice cmo
en la exactitud.
>c
jando el valor de
F1 (, ) =
c.
3
c2
que es positivo si
F (x) se convierte
3
F2 (, ) = gl sin + m
c2
0<<c
en
Ejercicio 6.
Se observa en la gura 2.0.3 que el pndulo converge hacia un movimiento peridico. Decimos
que hay un ciclo lmite atractivo o una rbita peridica atractiva. Veremos ms adelante lo que es
CAPTULO 2.
c=5
= m,
c.
27
entonces se ve que en el
0 = 0, 0 = 0.1.
La amplitud aumenta
{ = 0, 0}
1 , 2 , 3 , ...
Dada la unicidad del ujo y un valor
por ese punto. La siguiente interseccin de esa trayectoria con la semi-recta es un punto
que dene el valor
Denicin.
n+1 .
La semi-recta
y el mapeo
se llama mapeo de Poincar asociado a la dinmica del pndulo y relativa a la eleccin de la seccin
de Poincar.
CAPTULO 2.
Observacin.
28
P ()
existe y es
C an
cuando su expresin
no sea sencilla de obtener. Podemos adivinar cualitativamente su forma. Podemos tambin trazar
numricamente esta funcin utilizando un programa de integracin de Euler sobre un perodo.
El inters de estudiar los mapeos de Poincar es que son ms sencillos de calcular que los ujos.
Por ejemplo, el punto jo
R+
d1
En el ejemplo anterior, la funcin de Poincar es creciente. Slo hay puntos atractivos y repulsivos. Sin embargo, con el mapeo logstico que veremos a continuacin,
no es creciente y puede
ser catica.
Ejercicios sugeridos
1. Si
P () =
con
R,
calcular
n = P P P (n )
en funcin de
0 y n.
2. Un modelo simple de dinmica de poblaciones se llama la ecuacin de Lotka-Volterra. Consideramos una poblacin de presas (por ejemplo conejos) y denotamos esta cantidad por
t.
y (t).
x (t)
en el momento
denotan por
La ecuacin de evolucin es
x = x xy
, > 1, > 0, > 0, > 0
y = xy y
y = 0.
= 0, = 0.
c. Con un programa trazar las trayectorias de fase. d. Sugerir una seccin de Poincar
para ese problema y trazar el aspecto del mapeo de Poincar. Encontrar los ciclos lmites y
comentar la evolucin de estas poblaciones.
Sea
>0
un parmetro jo. El
modelo logstico es
(
R R
f:
x x (1 x)
CAPTULO 2.
29
x 0 R,
decimos
Observacin.
x R,
y de tiempo
discreto porque los puntos evolucionan paso a paso (y no de forma continua como en una EDO).
La ley de movimiento es sencilla
instante
y la ley
f (x)
(xn )n
para
xn+1 = f (xn )
f (x) = ax2 + bx + c
al
xn
f (x) = ax + b (de
x0 y n. El caso
a partir de
En la biologa de poblaciones, si
xn 0
individuos) el da
n,
xn
n ?
valor de
determinan el valor de
xn = n x0 .
Si
Ejercicio 7.
Para
a, b R
f (x) = ax + b
y el sistema dinmico
xn+1 = f (xn ).
1. Dado un valor inicial
2. Expresar
xn
x0 R
en funcin de
x0
n,
y de
(xn )n .
n.
Observaciones
Vamos a realizar unas cuantas observaciones sobre el modelo logstico. Para esto vamos a inspeccionar la forma de la grca, las trayectorias y el conjunto de Mandelbrot.
Forma de la funcin
f (x) = x (1 x).
Aqu se tom
= 2.5.
CAPTULO 2.
llamaremos
a.
30
a = f (a)
de manera que hay que resolver
a = a (1 a)
por lo que se tiene
a=0
Ahora bien, la derivada es
o bien
a=1
f 0 (x) = (1 2x) de manera que f 0 (a) = (1 2a) = 1 2 + 2 =
2 .
1 < < 3, se tiene que |f 0 (a)| < 1entonces el punto
f (0) = , por lo que el punto x = 0 es repulsivo para f .
0 < x0 < 1
=2
x = a.
1 < < 3,
Decimos que
x=a
es un punto
en la gura 2.0.4.
atractivo.
Para
= 3.5
En efecto, si
|xn |es
|| |xn 1| > 2
entonces
Observacin.
|f (xn )|
As, para
cuando
n .
no
CAPTULO 2.
= 2,
en la segunda
= 3.3,
la tercera
= 3.54
31
y la ltima con
=4
donde s se tiene un
comportamiento catico.
Conjunto de Mandelbrot
Dado que
f (x) = x (1 x)
C
Vimos que el conjunto atractor de
Denicin.
El
es
{} B
conjunto de Mandelbrot M
xC
donde
B C,
eventualmente vaco.
es el conjunto de parmetros
contiene al intervalo
B.
Proposicin 2.
/ M si y slo si f n
1
2
cuando n .
1
Dicho de otra manera, el punto x =
2 es atrado por el conjunto B a menos que ste sea vaco
1
1
0
y entonces x =
es atrado por . Ntese que x =
2
2 es el nico punto que verica f (x) = 0.
Observacin.
ve en la gura 2.0.8.
Ejercicio 8.
el mapeo cuadrtico
Q (z) = z 2 + c
Mostrar que la aplicacin logstica y cuadrtica son equivalentes por el cambio de variables
1
1
x= z+ ,
c=
2
1
1
2
CAPTULO 2.
Observacin.
en funcin de
32
CAPTULO 2.
33
q0 R2
y velocidad inicial
v0 R 2
rectangular. Segn las leyes de la mecnica clsica, el movimiento es una lnea recta constante
y rebota perfectamente en las paredes (es decir que el ngulo de reexin es igual al ngulo de
incidencia). Observamos que la trayectoria dibuja una grca muy regular como se ve en la gura
2.0.9.
Pregunta:
q (t)
v (t)
y a velocidad
Respuesta:
al tiempo
t>0
q0 R2
y velocidad inicial
v 0 R2 ,
predecir la posicin
cualquiera.
T2 )
que contiene discos. Una pelota evoluciona en lnea recta a velocidad constante y rebota
Enfoque probabilista
Para resolver este problema, es mejor realizar un enfoque probabilista. Observemos
pelotas independientes con condiciones iniciales muy cercanas
y = 10
N = 104
. La distribucin de las
pelotas puede interpretarse como una distribucin de probabilidad de una pelota inicial. Esta distribucin converge hacia el equilibrio y se dispersa en el plano. Para esta distribucin, observamos un
comportamiento predecible pero irreversible. Hay entonces una evolucin efectiva predecible para la
CAPTULO 2.
34
Figura 2.0.10: Ntese que las trayectorias en el inicio son casi paralelas y luego van en direcciones
completamente distintas.
Observacin.
La dinmica en lnea recta del billar con bordes convexos puede considerarse como
trayectorias geodsicas en supercies de curvatura negativa. Al nal del siglo XIX, Hadamard inici
la teora del caos con el estudio de geodsicas en tales supercies de curvatura constante (supercies
hiperblicas).
de dimensin nita:
para el pndulo,
xn R
Hay muchos problemas fsicos donde la variable que evoluciona es una funcin del espacio (una
onda o un campo), que puede representar en qumica la concentracin de un compuesto, en mecnica
de uidos puede ser el campo de velocidades, etc.
Una funcin es un objeto matemtico que pertenece a un espacio de dimensin innita y la
dinmica de las funciones es considerablemente ms complicada que para los puntos en
Rd
con
pequeo.
En general, hablamos de dinmica espacio-temporal para designar estos estudios. Se estudian en
general por medio de ecuaciones en derivadas parciales (generalmente no lineales) o en dinmicas
sobre retculos acopladas.
CAPTULO 2.
35
El modelo de Belousov-Zhabotinsky
Presentamos aqu una versin discreta de este modelo que se presta bien a las simulaciones numricas. Al principio, esto modelaba la evolucin de compuestos qumicos. El espacio bidimensional
discreto es peridico.
En un instante
el retculo de
Para ser
retculo
L := (Z/ (N Z))
En un instante
en
nZ
R3 :
con valor
: L R3
3 L
R
.
(n+1) (al instante n+1) a partir de (n) = consideramos dos operaciones sucesivas:
3
espacialmente y estudiar la dinmica puntual en R .
Promediar espacialmente
Es realizar la operacin
(
P:
denido por: si
R3
L
1
5
(y)
(2.0.5)
yL,yx
L
x L,
(P) (x) :=
donde
R3
P
2
R
R3
01 = 1 (1 + 2 3 )
1
f:
2 02 = 2 (1 + 3 1 )
3
03 = 3 (1 + 1 2 )
2 cada valor de
y luego se restringe
0j
al intervalo
(2.0.6)
[0, 1].
1 , 2 , 3 [0, 1]
(1)
(2)
(3)
2 Si 0 < 0
j
1 + 2 21
2 + 3 22
3 + 1 23
CAPTULO 2.
En la reaccin
36
(1) decimos que 2 es catalizador para la reaccin del compuesto 1 , etc. Esto implica
1 = 1 2 1 3 = 1 (2 3 )
2 = 3 2 1 2 = 2 (3 1 )
3 = 1 3 2 3 = 3 (1 2 )
dando la ley de transformacin 2.0.6. Hay tambin una difusin espacial de los reactivos modelados
por la frmula de promediacin espacial 2.0.5.
Captulo 3
(3.0.1)
idea es entonces estudiar cmo es que perturbar poco las condiciones iniciales inuye en la solucin
de la ecuacin. A esto se le llama teora de estabilidad.
3.1.
Un sistema del tipo de 3.0.1 dene un campo vectorial que depende del tiempo en una regin
del espacio. Una solucin de dicho sistema describe el camino o trayectoria de una partcula que se
mueve en el espacio bajo la inuencia de este sistema cuando la partcula est en
t = t0 .
Los sistemas interesantes, por el momento son aquellos que son estacionarios o autnomos. Esto
quiere decir que no dependen del tiempo explcitamente
~
~ = F~ X
X
Observacin.
~
X
n-dimensional
F se anula
~ , se dice
cambiar X
en los que
(porque la derivada de
que el sistema est en
equilibrio. Es decir que si el sistema empieza en tales puntos, el sistema permanecer sin cambios
en ese punto. Con esto dicho, podemos ver la siguiente denicin.
Denicin.
~ = F~ X
~
X
n
~
X0 en R
~ 0 = 0.
F~ X
Un vector
si
se llama
37
CAPTULO 3.
38
El inters entonces de la teora de estabilidad es saber bajo qu condiciones las soluciones del
sistema que estn cercanos a los puntos de equilibrio permanecern cercanos (punto de equilibrio
estable) o se aleja (punto de equilibrio inestable). Ilustramos esto con el siguiente ejemplo.
Ejemplo.
Un ejemplo que involucra los dos tipos de equilibrio es el pndulo simple de masa
que se balancea sin friccin al extremo de una varilla ideal de longitud l. Se ilustra esto en la gura
3.1.1.La ecuacin de movimiento del pndulo es
mg sin = ml
o bien
=
por simplicidad denimos
que es un sistema de
k2 =
22
g
l y
d2
dt2
g
sin
l
(3.1.1)
= , de manera que
(
=
= k 2 sin
(3.1.2)
autnomo plano.
Para empezar a analizar este sistema vamos a aprovecharnos del conocimiento fsico que tenemos
del sistema. El pndulo est en equilibrio en las posiciones en que
Estas posiciones son estables o inestables dependiendo si
= n ,
con
n = 0, 1, 2, . . .
posiciones corresponden a cuando el pndulo est en una posicin vertical: arriba es inestable, abajo
es estable.
Analicemos estas observaciones fsicas matemticamente.
d d
d
d
=
=
dt
d dt
d
de manera que la segunda ecuacin de 3.1.2 puede escribirse como
d
= k 2 sin
d
CAPTULO 3.
39
Si resolvemos,
2 = 2k 2 cos + c
c
donde
es una constante. Las curvas de estas trayectorias se pueden ver en la gura 3.1.2. Puede
(2n, 0)
Denicin.
Sea
~0
X
~ = F~ X
~ .
X
~ 0 es
X
si, dado cualquier
> 0,
si existe un > 0 tal
1. estable
~
~
~0 X
~ 0
~ 0
t, Y
< 0, entonces
X
< para todo t 0.
Y0 X
2.
asintticamente estable
~0 est
Y
en
con
> 0
~0
Y
est en
~
~ 0
Y0 X
<
entonces
limt
~
~0 X
~ 0
X t, Y
=0
3.2.
Vamos a empezar nuestro estudio de estabilidad por medio de los sistemas de ecuaciones lineales
con coecientes constantes. Esto quiere decir que el sistema puede escribirse de la forma
x 1 (t)
x 2 (t)
.
.
x n (t)
.
.
.
(3.2.1)
CAPTULO 3.
donde
aij
40
i, j = 1, 2, . . . , n.
x i = aij xj
o bien
~ = AX
~
X
con
a11
a21
A= .
..
an1
que es una matriz real de
n n.
a12
a22
.
.
.
..
an2
a1n
a2n
.
.
.
ann
matriz es cero. Todos los valores propios de esta matriz son de la forma
lo sumo
2m
+ i
y el sistema tiene a
~ et tk cos (t)
G
~ et tk sin (t)
H
donde
ahora
~ y H
~ son vectores jos de Rn . Supongamos
k es un entero que toma valores de 0 a m 1 y G
t 0. Entonces
~
t k
~
t k
~ t k
e
t
|
cos
(t)|
G
e t
G e t cos (t)
=
G
dado que
~
G
es
limt
~ t k
G e t cos (t)
= 0
si
<0
pero
~ t k
G e t cos (t)
no est acotada si
> 0.
De este modo, toda trayectoria de 3.2.1 que se origina de un par de valores propios complejos
conjugados para
va a converger al origen de
Rn
cuando
propios es negativa, y se apartar indenidamente del origen si la parte real de los valores propios
es negativa. Es ms, la estabilidad del primer caso es asinttica. Ahora analizamos las otras partes
de los valores propios.
De hecho, ahora es necesario contemplar el caso en que se tienen imaginarios puros del tipo
i.
Si los valores propios son de multiplicidad uno, las soluciones fundamentales estn acotadas,
pero no tienden a cero, por lo que hay estabilidad pero no es asinttica. Si la multiplicidad de estos
valores propios imaginarios puros es mayor que uno, entonces, se tienen soluciones no acotadas ya
que
k 1,
1m
CAPTULO 3.
41
Teorema. Si
~ = AX
~ es un sistema lineal autnomo n n cuya matriz de coecientes es no
X
singular, entonces el origen en Rn es
1. asintticamente estable si las partes reales de todos los valores propios de A son negativas
2. estable pero no asintticamente, si A tiene al menos un par de valores propios imaginarios
puros de multiplicidad uno o bien ningn par de valores propios imaginarios de multiplicidad mayor
que uno y ningn valor propio con partes reales positivas
3. inestable en cualquier otro caso.
Observacin.
Ejemplo.
(
x = y
1.
y = x
(
x = y
2.
y = x
(
x = x
3.
y = y
x = 0x + 1y
y = 1x + 0y
inestable.
= 1
0
1
1
0
(
x = 0x + 1y
y = 1x + 0y
de manera que la matriz de coecientes es
0
1
1
0
x = 1x + 0y
y = 0x + (1) y
1
0
estables.
0
1
= 1
asintticamente
CAPTULO 3.
Observacin.
42
coecientes constantes puede estudiarse eliminando el parmetro (en este caso, el tiempo
t)
del
con
a , b, c
x = ax + by
y = cx + dy
y
x
dy
dt
dx
dt
dy
dx , esto es equivalente a
dy
cx + dy
=
dx
ax + by
en todos los puntos donde
ax + by 6= 0.
Analicemos las ecuaciones del ejemplo anterior. En el primer caso, se tiene que
dy
x
=
dx
y
de manera que
x2 y 2 = c
que es la ecuacin de una hiprbola, y el origen es entonces una
silla de montar.
x2 + y 2 = c2
el origen es entonces un
y = cx
el origen es entonces aqu un
Figura 3.2.1: Aqu se ilustran los tres ejemplos donde la primera gura es un punto silla de montar,
inestable, la segunda es un punto vrtice estable y la tercera es un punto estrella asintticamente
estable.
2 en
dos dimensiones.
CAPTULO 3.
Ejercicio 9.
plano
43
~ = AX
~
X
A es la matriz cero de 2 2.
2 2 ms general cuando cero
cuando
b. Estudiar el caso
x
a.
y
(
x
d.
y
3.3.
x = x 3y
b.
y = 4x 6y
x = x + y + z
e. y = 2y
z = 3z
=x+y
= x 3y
=x+y
=xy
x
c.
y
x
f. y
= 4x 6y
= 6x 9y
=x+y+z
= 2y
= 3z
Una vez que entendimos los sistemas lineales, podemos volver a una visin ms general de
sistema autnomo y estudiar un sistema del tipo
~
~ = F~ X
X
que est denido en una regin
de
Rn
(3.3.1)
~0
X
en
Las funciones de
Lyapunov se llaman de esta manera en honor al matemtico ruso A.A. Lyapunov que fue quien
dise este mtodo para el estudio de estabilidad. Lyapunov utiliz una idea que viene de la fsica:
en un sistema fsico los puntos de equilibrio corresponden a los puntos donde la derivada respecto
a las coordenadas se anula:
los mnimos locales corresponden a puntos de equilibrio estables
los puntos silla y los mximos locales corresponden a puntos de equilibrio inestables
Para simplicar la notacin, vamos a asumir que el punto de equilibrio es el origen de
Rn .
Los
resultados que presentaremos son totalmente equivalentes al caso general ya que si se realiza el
cambio de variables
~
E X
~ = X
~ X
~ 0,
X
se traslada el origen a
~ 0.
X
~ 0
E X
~ =0
E X
si y slo si
~ =0
X
~ = c, con c constante positiva,
E X
~ =X
~ t, X
~ 0 es la solucin de
X
Rn .
Adems, si
~ = F~ X
~
X
~ (0) = X
~0
X
CAPTULO 3.
con
~0
X
en
44
dE
dt a lo largo de la trayectoria, est dada por
dE
E dxi
=
dt
xi dt
lo que puede escribirse como
dE
~ = E F~ = E Fi
= E X
dt
xi
de manera que si esta expresin es negativa en
~ = c,
E X
nunca podr reunir suciente energa para escapar, por lo que deber permanecer en
Denicin.
Sea
una regin de
Rn
~ 0
E X
~ =0
E X
para todo
si y slo si
~
X
en
Entonces
E se
dice
E
F 0
E F~ = x
i i
~
~ X
~ .
sistema X = F
funcin de valor
~ =0
X
Si adems de esto
3.
E = E (X)una
positivamente denida si
entonces es la
~ =0
F X
Teorema 3. Si
~ = F~ X
~ con la propiedad E F~ est
E es una funcin de Lyapunov para X
positivamente denida en , entonces el origen es asintticamente estable.
De nuevo, este teorema parece intuitivo y se reere a [7] para ver una demostracin ms tcnica.
Entonces ya tenemos cmo determinar si un sistema es estable asintticamente o no, ahora, vemos
cmo determinar la inestabilidad del sistema.
Teorema 4. Sea E una funcin de valor real, de primera derivada continua en y suponemos que
1. E (0) = 0
2. E F~ es positiva denida en
3. E toma valores positivas en toda vecindad del origen (punto
de equilibrio)
~ = F~ X
~ , F~ (0) = 0.
Entonces el origen es inestable para el sistema X
CAPTULO 3.
45
Ya que hemos enunciado estos teoremas, basta con encontrar la funcin de Lyapunov del sistema
para determinar su estabilidad. Esta tarea no siempre es fcil. Para ilustrar un poco la discusin
que se acaba de tener, consideramos el siguiente ejemplo
Ejemplo.
La funcin
E (x, y) = x2 + y 2
x = x + x2 y
y = y + xy 2
en efecto,
(3.3.2)
E
E
e1 +
e2 = 2x
e1 + 2y
e2
x
y
E =
y adems
F~ (x, y) = x + x2 y e1 + y + xy 2 e2
por lo que tenemos que
E F~
De donde
E F~
= 2 x2 + y 2 + 2x3 y + 2xy 3
=
2 x2 + y 2 (xy 1)
xy < 1
mientos del teorema 2 en esta regin. Luego el origen es un punto asintticamente estable para el
sistema 3.3.2.
3.4.
Funciones de Lyapunov
Como dijimos anteriormente, construir la funcin de Lyapunov resulta una tarea bastante complicada. Es por esta razn que empezamos por el caso ms sencillo: el caso lineal
~ = AX
~
X
cuando todos los valores propios de
e1 , e2 , . . . , en a
1
0
0
1
e1 = . , e2 = .
..
..
0
0
entonces denotamos
Rn ,
, . . . , en = ..
.
1
xi1 (t)
xi2 (t)
~ i (t) = X
~ i (t, ei ) =
X
.
.
.
xin (t)
es decir
CAPTULO 3.
+ yn en
46
~ i (0) = ei ,
X
de manera que si
~ = y1 e1 +
Y
es cualquier vector de
R , la funcin
~ t, Y
~ = y1 X
~ 1 (t) + y2 X
~ 2 (t) + + yn X
~ n (t)
X
~ (0) = Y
~.
X
~ =
E Y
2
~
~
dt
X t, Y
0
Si esta integral converge, entonces
1.
2.
~ 0
E Y
~ =0
E Y
Ejercicio 10.
si y slo si
~ =0
Y
Explicar la razn de 2.
~
E Y
=
=
kyi Xi (t)k dt
2
k=1
~ = yi yj
=E Y
0
por lo que basta con probar que para cada combinacin de
i, j, k
la integral
et
con
negativo y la convergencia est
~ es una funcin de Lyapunov para el
dictada por este factor. Entonces hay que mostrar que E Y
~ t, X
~0
~ t, X
~ 0 es solucin de X
~ = AX
~
sistema lineal. Entonces hay que calcular E X
donde X
~ 0, X
~0 = X
~ 0:
que satisface las condiciones iniciales X
xij (t)tiene
~ t, X
~0
E X
un factor
2
~
~ t, X
~0
X s, X
ds
0
2
~
~ 0
ds
= 0
X s + t, X
2
~
~0
= 0
X
u, X
du
=
CAPTULO 3.
47
de manera que
2
~ ~
~
~0
E X t, X0
=
X
t, X
t
de aqu se sabe entonces que el origen es un punto de estabilidad asinttica.
Ejercicio 11.
x = x
y = 2y
Ahora pasamos al caso no lineal. Para esto hay que construir lo que se llama una aproximacin
lineal a la funcin vectorial
continuas en
decir que
F~
de
Rn
F~ .
F~
Rn ,
entonces podemos
es de la forma
~ +G
~ X
~
JX
donde
es una matriz de
nn
~
G
~
JX
cuando
~
X
es pequea.
Denicin.
Sea
F~
~
L=L X
es una
aproximacin lineal a
F~
en
~0
X
si
~0
X
.
Rn y
un punto en
es lineal sobre
~0
~0 L X
~ L X
~ F~ X
F~ X
=0
limk~
x~
x0 k0
~
~ 0
X X
Ahora bien,
~ F~ X
~0 L X
~ X
~0
F~ X
=0
limk~
x~
x0 k0
~
~ 0
X X
en particular, cuando
~0 = 0
X
F~ (0) = 0
entonces
~ L X
~
F~ X
limk~
=0
xk0
~
X
esto nos permite enunciar el siguiente lema
~ 0,
X
tenemos que
~ 0 = 0,
X
que tenemos
~ L1 X
~
F~ X
limk~
=0
xk0
~
X
~ L2 X
~
F~ X
limk~
=0
xk0
~
X
de manera
CAPTULO 3.
48
~ L2 X
~
~ F~ X
~
~ L2 X
~
+
F~ X
L1 X
L1 X
lo que es lo mismo que
~ F~ X
~
~ L2 X
~
~
+
F~ X
L1 X
(L1 L2 ) X
de manera que
~
(L1 L2 ) X
limk~
=0
xk0
~
X
Observacin.
Esto muestra que las aproximaciones lineales son nicas. De manera que se puede
hablar de
la
..
..
J = ...
.
.
Fn
Fn
xn
~ X
~
x1
X=
existencia de estas aproximaciones siempre que
Observacin.
Ejercicio 12.
cuando
P 1 y P2
x = P1 (x, y)
y = P2 (x, y)
son polinomios?
cuando
F1
F2 tienen
en una vecindad de
x = F1 (x, y)
y = F2 (x, y)
(0, 0)
F1 (x, y) = aij xi y j
F2 (x, y) = bij xi y j
CAPTULO 3.
49
F~ (0) = 0
de
F~
con primeras
F~ ,
Notamos que en realidad entonces que bajo estas condiciones la funcin de Lyapunov
el sistema de coecientes lineales
de Lyapunov para el sistema no
~ para
E=E X
~ = J X
~ que construimos anteriormente es tambin una funcin
X
~
~ X
~ . De esta armacin podemos ver el siguiente
lineal X = F
teorema.
Teorema 6. Sea F~
al
~
X
~ de primeras derivadas continuas en una regin de Rn que contiene
= F~ X
~
origen,
y suponer que F (0) = 0. Entonces el origen es asintticamente estable para el sistema
~ siempre que todos los eigenvalores de la jacobiana de F~ evaluados en el origen tengan
= F~ X
Ejercicio 13.
x = sin (x) + ey 1
y = xy
a.
(
x = (sinh (x)) (cosh (y))
c.
y = 2yex (1 + y)
(
b.
x = tan (x) + y 2
y = ln (1 + x) + cosh (y) 1
(
x = x
d.
y = 4x 3y
= x + y + z
f. y = 2y
z = 3z
(
x = 2x y
e.
y = 2x 5y
y 00 + y 2 1 y 0 + y = 0
con
constante.
(0, 0)
Captulo 4
4.1.
Ejemplos introductorios
i = 1, 2, 3
transita en cada paso temporal en estos tres estados con probabilidades iguales en las posibilidades
11o2
23
31
Esto se ve representado por el grafo
G1 de
la gura 4.1.1.
a.
b.
Figura 4.1.1: a. Grafo
G1 .
b. Grafo
G2 .
4.1.1.
50
CAPTULO 4.
51
Pregunta:
1. Si se parte del estado
sistema est en
i=1
en el instante
i = 1
n = 5?
j=2
en el instante
n=0
cul es la probabilidad
n = 0
en el instante
p1j (n)
para que el
n = 5?
en el instante
Nij (n)
llevan a
depende esto del estado inicial? hay una frmula para estimar la precisin?
Respuesta a la pregunta 1
matriz cuyos elementos son
Pij
G1 ,
Para el grafo
consideramos la
es la probabilidad de transicin de
P =
1
2
1
2
i j ):
0 1
0 0
1 0
(4.1.1)
1
v (0) = 0
0
y calculamos
P5
5
8
1
8
1
4
13
32
9
32
5
16
P5 =
9
16
5
16
1
8
y entonces
p12 (5) = P 5
2,1
9
' 0.28
32
o de forma ms general,
Respuesta a la pregunta 2
Para el grafo
G1 ,
la forma siguiente
Denicin.
La
matriz de adyacencia P
P = 1
si la transicin
ij
es permitida y
Pj,i = 0
si no lo es.
Aqu entonces
1
P = 1
0
0
0
1
1
0
0
1 1 1
2
P 2 = 1 0 1 , P 3 = 1
1
1 0 0
4 2 3
P 5 = 3 1 2
2 1 1
1
1
0
1
3
1 , P 4 = 2
1
1
Entonces calculamos
1
1
1
2
1 ,
1
CAPTULO 4.
52
Demostracin.
j,i
P n
j,i
(recuerde que los ndices repetidos estn sumados). Nstese que cualquier trmino de esta suma es
igual a uno si y slo si el camino
i k1 kn1 j
posible.
En particular entonces
N11 (5) = P 5
Respuesta a la pregunta 3
Para el grafo
=3
2,1
G1 ,
caminos
la matriz estocstica
una matriz de
33
de la ecuacin 4.1.1 es
tal que
P = ADA1
con
1
D= 0
0
0
2
0
0
0
3
1 = 1, 2,3
1
7
= i
, |2,3 | ' 0.707 < 1
4
4
A:
~ 1, U
~ 2, U
~3 , U
~1 =
A= U
1
2
1
4
1
4
1
son tambin impork (Uj )k = 1. Los vectores lnea de A
tantes (llamados vectores propios a la izquierda de la matriz P ) y notados por
que est normalizada de manera que
A1
V1
= V2
V3
con
V1 = (1, 1, 1)
Vj (Uk ) = j,k
CAPTULO 4.
53
El proyector espectral
es entonces
j = |Uj i hVj |
por lo que se tiene entonces que
i = 1,
V1 = (1, 1, 1)
describimos la distribucin de probabilidad
1
u (0) = 0 .
0
es
= P n u (0)
n
= |U1 i hV1 | u (0)i + O (|2 | )
n
u (n) = U1 + O (|2 | )
u (n)
La respuesta es entonces que despus de mucho tiempo el sistema est descrito por la distribucin de probabilidad
U1
llamada
Ejercicio 14.
G2 .
A, T, C y G. Las mutaciones inducen cambios en estas letras. Las mutaciones se dan cuando una
letra es sustituida por alguna de esas tres, cuando se agrega una letra o cuando se suprime alguna.
El modelo de Jukes-Cantor
Este modelo es el ms sencillo para sustituir letras. Este modelo asume que todas las letras
ocurren con la misma probabilidad en la secuencia inicial:
p0 =
1
4
1
4
1
4
1
4
3 la probabilidad condicional de la
sustitucin de una letra de cualquier tipo, entonces la matriz estocstica fuera de la diagonal tendr
de una base en otra son la misma. Si denotamos entonces por
sobre la eigenbase.
CAPTULO 4.
54
1,
como entradas
P =
El valor de
entonces la matriz se
(4.1.2)
Ejercicio 15.
al cabo de
100
pasos
en el tiempo?
El modelo de Kimura
El modelo de Jukes-Cantor es un modelo de un parmetro de mutacin, dado que depende de un
solo parmetro
para transiciones
para
cada posible transversin. Asumimos entonces que estas tasas son independientes para la base
inicial, entonces decimos que la matriz de transicin es
P =
Ejercicio 16.
4.2.
Una matriz
de talla
mm
es
Pji 0
para todo
j.
ij
con el peso
Observacin.
0.
P >0
vrtices y si
Pji > 0
Pji .
En matemticas (teora espectral) hay otra denicin para decir que la matriz
positiva: si Re (hu|
Re (z)
P 0
P ui) 0
para todo
u.
Las dos deniciones no tienen nada que ver la una con la otra.
es
est en el dominio
CAPTULO 4.
Denicin.
55
Una matriz
(P n )ji > 0
Esto signica que en el grafo hay un camino que va de
Ejemplo.
en el tiempo
n.
0
0
1
1
0
0
0
0
1
0
0
0
0
P = 1
0
Es irreductible, contrario a la matriz
0
P2 = 1
0
que no es irreductible y corresponde al grafo
123
Denicin.
Una matriz
n1
para todo
i, j
tal que
(P n )ji > 0
Esto signica que existe un tiempo
un camino de longitud
Observacin.
1.
2.
P
P
i, j
n.
P irreductible
P n > 0 implica P n+m > 0
primitiva implica
primitiva con
para todo
m 0.
Teorema 7.
P u = 1 u
u = u (ui )i
ui > 0
3 Es
3 con
es un grafo dirigido
vrtices y
es su matriz de adyacencia,
CAPTULO 4.
56
con
en el tiempo
n0
por
htop () = limn
1
log (Nij (n))
n
= enhtop +o(n)
Mostrar que
htop () = log1
donde
dados.
Denicin.
Una matriz
i, j )
todo i
es
si
es positiva (i.e.
Pji 0
para todo
Para
se tiene
Pji = 1
1.
Proposicin 4.
Observacin.
norma :
kPu k = kuk
con
kuk =
|uj |.
~1 =
.
.
.
Demostracin.
es positiba y preserma la
CAPTULO 4.
57
Proposicin 6. Si
es 1 = 1 tiene
Pu = u
P
con las componentes uj > 0 de manera que j uj = 1. Llamamos u el estado de equilibrio.
El proyector espectral asociado es
D
1 = |ui ~1
P n = 1 + O (|2 | )
Observacin.
En trminos de dinmica,
Ejercicio 18.
|2 | < 1
(4.2.1)
j.
G en el que los vrtices i son las N pginas web que existen en internet,
i = 1 N , y con una arista i j si la pgina i tiene un vnculo html hacia la pgina j . Denotamos
por L (i) 0 la cantidad de vnculos de la pgina i hacia otras pginas.
en el cual agregamos un vrtice notado {0} y sus aristas 0 i, i 0 para todo
El grafo G
1, . . . , N .
Sea 0 < p < 1 un parmetro llamado amortiguamiento. Denimos P = (Pij )
i,j=0N por
Consideramos un grafo
Pi0
1
=
N
P0i =
(
Pji =
1. Mostrar que la matriz
1
1p
si
si
L (i) = 0
L (i) 1
1
L(i) p
si
ij
es estocstica y primitiva.
2. Cuando un internauta realiza una bsqueda en google search con palabras claves, la clasiacin enviada por google de las pginas web (Rankpage) est dado por el orden decreciente
de las componentes
(ui )i
(y despus de la aplicacin de un
ltro relativo a las palabres claves pedidas). Por qu este orden es pertinente?
3. Encontrar una cota superiro de
|2 |(el
ui
P,
sabiendo que
1 = 1).
Ejercicio 19.
Dinmica de Bernouilli.
Pm
pij = pj
aristas
i = 1, . . . , m. La
i. (Tenemos
j=1 pj = 1).
Escribir la matriz estocstica asociada y mostrar que el estado de equilibrio es
u (p1 , . . . , pm )
CAPTULO 4.
58
Proposicin 7. Sea
Sea Diag (u) la matriz diagonal con las componentes uj sobre la diagonal. Sea
1
1
P = Diag (u) P Diag (u)
es semejante a
1
P n = n Diag (u) P n Diag (u)
es
rever-
Pij uj = Pji ui
entonces
Pu = u.
Observacin. P
Ejemplo.
Es decir que
es el estado de equilibrio.
uj =
donde
E (j)
1
exp (E (j))
Z
j , = kB1T con T
j uj = 1 entonces
Z=
la temperatura (ja) y
Z>0
exp (E
(j))
Ejercicio 20.
variables son
X Y,XY
CAPTULO 4.
59
n = 0,
b. Elegimos un sitio
1
kB T
al azar, y denotamos
0
fX
= fX
0 es un parmetro
f0
elegida al azar.
la conguracin idntica a
excepto en el sitio
(spin opuesto).
n+1
si E (f 0 ) < E (f ) elegimos la conguracin f 0
si E (f 0 ) E (f ) elegimos la conguracin f 0 con la probabilidad Pf f 0 = exp ( (E (f 0 ) E (f )))
nos quedamos en f con la probabilidad complementaria.
c. En el instante
u (f ) =
1
exp (E (f ))
Z
3. En esta descripcin, en trminos de grafos, cules son los vrtices del grafo? cuntos vrtices
hay? cules son las aristas?
La propiedad siguiente muestra que las matrices estocsticas son muy particulares.
1
1
B = Diag u 2 P Diag u 2
u (0) = u
u (n) = P n u (0)
para
n N. Decimos
n es P n .
tiempo
Denicin.
u (t) Cm para t R
por
du
= Au (t)
dt
para todo
t,
se llama
4 El
CAPTULO 4.
El
60
Proposicin 9. El operador P (t) es positivo para todo t R si y slo si los elementos fuera de la
diagonal de A son positivos.
Demostracin.
Se omite la prueba.
Ejercicio 21.
sitios peridicos
Z/ (N Z).
Gracias a la invarianza
N 1
un entero. Denotamos
estocstica en el retculo
N 1
1 X i2jk
vk = (Fu)k =
e N uj
N j=0
Mostrar la frmula de inversin de Fourier
uj = F 1 v
j
N 1
1 X i2jk
e N vk
=
N k=0
y la relacin de Parseval
N
1
X
vk vk =
N
1
X
uj uj
j=0
k=0
Ayuda: Notar que
N 1
1 X i2jk
e N =
N
k=0
5 La
0
1
si
j 6= 0
mod
CAPTULO 4.
3. Notamos por
matriz de
a
D D
61
y mostrar que
A = D D.
el laplaciano discreto.
4. Mostrar que
ik
(FDu)k = e N 1 (Fu)k
FD = M d F
de otra manera,
dk = e
ik
N
1.
donde
Md
d = (dk )k ,
Deducir
FA = M d F
M d es el operador multiplicacin por la funcin a = (ak )k , ak = 4sin2 k
N . Trazar la
funcin a. Notar que ak son los valores propios de A.
tA
5. Sea u (t) = e u la evolucin de una distribucin de probabilidad u en el tiempo t. Mostrar
que u (t) converge exponencialmente hacia el equilibrio uniforme
t
(u (t))j = hui + O e
donde
con
hui =
6. Si
1
N
ul )
la media espacial de
de
1
|a1 |
N2
4 2 para
xj = Nj para j {0, . . . , N 1}
u (t, xj ) = (u (t))j
es grande, suponer
grande.
y mostrar que
du
dt
= Au
se vuelve la
u
= (u) (t, x)
t0
con
t0 =
t
N2 .
Ejercicio 22.
Para
0 < < 1,
consideramos la matriz
P =
.
.
.
..
..
.
..
2
.
.
.
pk = 1 2sin2 nk
N . Trazar p. Ayuda: mostrar que P = Id + 2 A.
n
3. Sea u (n) = P u la evolucin de una distribucin de probabilidad u en el tiempo n 1.
Mostrar que u (n)converge exponencialmente hacia el equilibrio uniforme
1. Mostrar que
primitiva. Interpretar
CAPTULO 4.
con
hui =
1
N
grande con
62
P
( l ul )
N2
=
2.
la media espacial de
4. En el lmite en que
Tenemos
P n ' etA
t=
para
continuo
con
pn1 e T
63
CAPTULO 5.
64
Captulo 5
5.2.1. Modelo
5.2.2. Interpretacin de las ecuaciones del modelo de Gray Scott
5.2.3. Anlisis de estabilidad de una solucin homognea estacionaria
Bsqueda de una solucin homognea estacionaria
Linealizacin de un sistema cerca de la solucin homognea estacionaria
Solucin del sistema linealizado
Diagrama de estabilidad
5.3.
5.5.
5.5.1. Historia
65
CAPTULO 6.
66
Captulo 6
Introduccin
6.4.
Mezclas y ergodicidad
Captulo 7
7.1.
S1.
x [0, 1[
con
x=1
identicado con
x = 0.
S 1 = R/Z
La dinmica en este espacio est denida a partir de la funcin
f : S1 S1
es decir una funcin
f (x + k) = f (x)
f : R R que suponemos que tiene todas sus derivadas continuas que verica
1, para todo x R y para todo k Z. Partiendo de x0 S 1 , la trayectoria
mod
es
es
67
CAPTULO 7.
Observacin.
68
x00 = x0 +x
de manera que
Ejemplo.
f (x) = 2x +
que cumple con
f (x + k) = f (x) + 2k = f (x)
y decimos que
sin (2x)
2
mod
f : S1 S1.
Calculamos la derivada
1 < < 1,
tenemos
f (x) > 1,
la aplicacin es expansiva.
FALTA GRFICA
Observacin.
siendo una seccin de Poincar. Por ejemplo en el modelo de laser, de turbulencias o de dinmica
de galaxias (modelo de Hnon).
(
S1 S1
f:
x
2x
por ejemplo, en base 10, una trayectoria es
mod
1.92 . . .
1
De hecho para este modelo la expresin de una trayectoria es ms sencilla de escribir en base
2 .
1 Se recuerda que en base 2, los nmeros disponibles son 0 y 1 y se tienen las reglas de suma: 0 + 1 = 10,
10 + 1 = 11, 11 + 1 = 100... La multiplicacin por dos es simplemente un corrimiento a la izquierda y agregar un
zero: 1 10 100 Es posible tamin considerar nmeros decimales como 0.011001...
CAPTULO 7.
7.2.
Estabilidad estructural
7.3.
Dinmica simblica
7.4.
Operador de transferencia
7.5.
69
Conceptos generales
El mtodo es llamado as por el matemtico suizo Leonhard Euler. El mtodo requiere
dx
= f (x)
dt
con
x (t = 0) = x0
x (t + t) x (t)
dx
dt
t
que es la denicin de la derivada si se toma el lmite cuando
se tiene
x (t + t) x (t)
= f (x)
t
x (t + t) = x (t) + f (x) t
(7.5.1)
que es un mtodo iterativo para ir generando puntos de la funcin de manera aproximada, partiendo
de las condiciones iniciales:
x (t),
de manera que
Ejemplo
Suponer que se tiene la ecuacin diferencial
dx
= a bx
dt
con
70
x (t = 0) = c
CAPTULO 7.
asumiendo
71
a = 20, b = 2
c=5
r,
gura 7.5.1.
Qu hace este cdigo? Entonces, se ve la gura 7.5.2. Si se analiza con detenimiento la grca,
x (t) =
a a
c ebt
b
b
(7.5.2)
Es necesario hacer ver que normalmente no se puede ver esto bien ya que no se tiene una solucin
exacta. Esto se analiza en la gura 7.5.3. Se ve que para valores de
CAPTULO 7.
72
73
74
Bibliografa
[1] F. Faure,
[3] D. Tong,
[4] Thornton,
S.T.,
Marion,
J.B.
Thomson
75