Documentos de Académico
Documentos de Profesional
Documentos de Cultura
on a los Sistemas
Din
amicos
Sergio Plaza
Segundo Semestre 2007
Contenidos
0.2
0.3
0.1.1
Competicion intraespecca . . . . . . . . . . . . . .
Competicion intraespecca
. . . . . . . . . . . . . . . . . .
0.2.1
Predaci
on . . . . . . . . . . . . . . . . . . . . . . . . .
0.2.2
0.2.3
Modelos de nutrientes . . . . . . . . . . . . . . . . . .
0.2.4
10
10
1 Algunos conceptos b
asicos en din
amica 1dimensional
19
1.1
Introducci
on . . . . . . . . . . . . . . . . . . . . . . . . . . .
19
1.2
Puntos Peri
odicos . . . . . . . . . . . . . . . . . . . . . . . . .
21
1.3
Suplemento . . . . . . . . . . . . . . . . . . . . . . . . . . . .
46
2 Conjugaci
on Topol
ogica
57
2.1
Conjugaci
on Topol
ogica . . . . . . . . . . . . . . . . . . . . .
58
2.2
Aplicaciones Cuadr
aticas del Intervalo . . . . . . . . . . . . .
61
ii
2.3
67
2.4
69
3 Teorema de Singer
3.1
71
73
4 Hiperbolicidad
81
5 Aplicaci
on Logstica revisitada
85
5.1
Din
amica simbolica y la aplicaci
on logstica . . . . . . . . . .
94
5.2
98
6 Sobre la Definici
on de caos
103
105
8 Aplicaciones mom
otonas por partes del intervalo
113
8.1
8.2
9 Din
amica y M
etodo de Newton
9.0.1
125
9.0.2
. . . . . . . . 127
9.0.3
9.0.4
Propiedades b
asicas de la transformada de Newton . . 132
9.0.5
9.0.6
iii
9.1
Din
amica de la transformada de Newton para polinomios
cuadr
aticos y c
ubicos . . . . . . . . . . . . . . . . . . . . . . . 145
10 Bifurcaciones en el m
etodo de Newton
149
11 Aspectos Estoc
asticos de Din
amica 1dimensional
157
iv
11.7 Operador de PerronFr
obenius y din
amica de transformaciones182
11.7.1 Periocidad asint
otica . . . . . . . . . . . . . . . . . . . 186
11.7.2 Estabilidad Asint
otica . . . . . . . . . . . . . . . . . . 188
12 Ejercicios parte I
191
Captulo 0
Algunos modelos de
poblaci
on en una y dos
especies
En este captulo introducimos algunos modelos matematicos usados para el
estudio de poblaciones. No nos extenderemos mayormente sobre ellos, pues
nuestro objetivo es estudiar din
amica, por lo tanto son solo una escusa para
los captulos posteriores.
0.1
0.1.1
Competici
on intraespecca
El modelo m
as simple que es usado com
unmente es crecimiento logstico,
x
dx
= f (x) = rx 1
,
dt
k
donde r es la raz
on reproductiva b
asica y k es la capacidad de soporte. Esta
ecuaci
on puede ser usada para describir el crecimiento de una poblaci
on o
el crecimiento de un solo organismo, y conduce a una curva de crecimiento
sigmoidal. El termino cuadr
atico conduce a comportamiento dependiente en
densidad.
En la realidad, el cambio en una poblaci
on esta compuesto de una razon
reproductiva b(x) y una raz
on de muerte d(x) por individuo. Luego,
f (x) = x(b(x) d(x)) es la razon de cambio esperada de la poblaci
on a
partir de este proceso nacimientomuerte, por lo tanto el nivel de poblaci
on
esta descrito por una cadena de Markov con probabilidad no uniforme. Si
b(x) y d(x) son constantes entonces la cadena es un proceso YuleFurry,
que tiene a 0 como punto jo atractor.
..................................................................................................................................................
..
...
..
....
..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
..
......
.
.
.
.
.
..
.
.....
...
..
.
.
..
.
.
....
..
.
....
.
..
....
.
.
..
.
...
.....
..
.....
.
.
.
.
..
.
...
....
..
....
.
.
..
.
on de muerte ...
...
... Raz
.
......... ....... ........ ....... ....... ....... ....... ....... ....... ........ ....... .......
.
.
.
...
...
.
.
.
.
...
....
..
...
...
..
.
... ...
.... ...
.
.
... ....
..... ...
... ..
.. ...
.. ...
.
Raz
... ..on de nacimientos
.. ..
.. .
.... ...
.. ..
.
....
........
..............................................................................................................................................
Tama
no de la poblaci
on
........................................................................................................................................................
.
.........................
................. .
...
...
............... .....
.
.
.
.
.
..
.
.
....
..
......... .......
.
.
.
.
..
..
.
.
..
.
.
.
...
.
..
.
.
.
.
.
.
..
.
.
......
.
.
.....
..
.
. ...
.
.
.
.
..
.
...
... ....
.
.
.
.
..
.
..
...
.
.
.
.
.
.
.
..
Raz
on de muerte ...
.
......... .......
.
.
.
...
.
...
.
..
...
....
..
...
.
....
.
..
.
.
.
..
.....
..
.....
.
..
.
.
.....
..
.
.
.
.
..... ....
...
.
.
..... ...
...
.
..
.
.........
.............................................................................................................................................
... on de nacimientos
Raz
.
Tama
no de la poblaci
on
5
contraste la razon de muerte d(x) es a menudo independiente de la densidad
de poblaci
on x (gr
aco arriba a la izquierda). Combinando estas dos razones
de cambio, obtenemos
dx
= (b(x) d(x))x .
dt
para tales ecuaciones podemos encontrar efecto Allee, que ocurre cuando
existe un punto jo estable en x > 0 , pero d(0) > b(0) de modo que
x = 0 tambien es estable. Tales poblaciones pueden ser estable a nivel de
poblaci
on no cero por un largo tiempo, pero son incapaces de recobrarse una
vez que la densidad de poblaci
on cae debajo de un umbral.
El efecto Allee puede tambien ser visto cuando consideramos caza de
poblaci
on. Si tomamos el modelo logstico estandard, y suponemos que
los individuos son cazados a una raz
on constante, entonces
x
dx
= rx 1
H.
dt
k
De esta ecuacion vemos que hay dos puntos jos para todo 0 < H < rk
4
y que cuando la caza aumenta, tambien aumenta el riesgo de extincion
debido a perturbaciones externas. En general, deseamos tener rendimiento
sustentable maximo que ocurre cuando H = rk
4 . Note que un supuesto
alternativo es cazar con un esfuerzo constante
x
dx
= rx 1
Hx
dt
k
que no conduce al efecto Allee. Para este caso deseamos encontrar el m
aximo
rendimiento econ
omico, maximizando caza para la cantidad mnima de esfuerzo. En la mayora de las situaciones reales observamos una mezcla de
estos dos escenarios.
Para entender completamente y predecir tendencias en caza necesitamos combinar modelos ecologicos con teora econ
omica y conocimiento sociologico. Para algunas especies de reproducci
on lenta la mejor poltica
6
economica puede ser cazar la especie hasta su extincion (y situar las ganancias en alguna otra inversi
on) en vez de cazar la especie de una manera
sustentable. Otro problema est
a en imponer pr
acticas restrictivas de caza.
Esta es la llamada tragedia de los comunes, en donde los recursos accesibles
a todos seran sobreexplotados.
Din
amica mas compleja puede obviamente ser encontrarda. El gusano de
los brotes del abeto de Canada se ha pensado en describir por
x
x2
dx
= rx 1
dt
k
1 + x2
que es crecimiento logstico junto con predaci
on tipo 3 (vea respuesta funcionales mas adelante). Cambios en r pueden cambiar el n
umero de puntos jos (cat
astrofe cuspidal), lo cual puede causar dr
amaticos saltos en la
poblaci
on.
Por supuesto, como estos son sistemas de tiempo continuo unodimensionales,
la din
amica es muy simple, usualmente con un solo punto jo globalmente
atractor. (Note que solo consideramos valores reales positivos de x ya que
nos estamos ocupando de poblaciones.) El pr
oximo paso es incluir otra
especie y dejar que las poblaciones esten limitadas por competicion intra
especca o predaci
on.
0.2
Competici
on intraespecca
x1 + 12 x2
dx1
= r1 x1 1
k1
dt
dx2
dt
= r2 x2
x2 + 21 x1
1
k2
7
Si las dos especies son iguales en todo respecto que no sea habilidad competitiva ( k1 = k2 y r1 = r2 ) entonces predecimos que solamente una especie
sobrevivir
a. Esto se conoce como Principio de Exclusi
on Competitiva. Fue
el ecologo Garrett Hardin quien ide
o la maxima Competidores Completos
no pueden Coexistir (CCCC). (Las ecuaciones arriba y, en consecuencia
el principio de exclusi
on competitiva se basan en que las especies sean homogeneamente distribuidas, puesto que si las especies congregan entonces la
especie mas debil a
un puede persistir). Formas de heterogeneidad pueden
explicar la paradoja del plancton un gran n
umero de especies con nichos
similares coexisten.) Cuando hay un benecio indirecto entre ventajas competitivas y capacidad acarreadora k las dos especies en competencia
pueden coexistir. Esto es frecuentemente explicado considerando las clinas
nulas de las ecuaciones, o tambien podemos mirar el jacobiano
poblaci
on 2
...................................................................................................................................................
...
...
....
..
..
.....
..
... ...
..
.... . . dx2
..
.
..
... dt
.....
..
.
.
..
............
.....
..
.
.
.
..
.
.... ..
....
..
.... ...
.......
.
.
.
... .
.
.
... .........
.
.
.
.
.
.
.
.
.
.
.
.
........ . ....
. ...
........
.....
...
..........
........ ....
..
........
.....
..
.
.
.
.
..
.
...........
.........
.....
..
.
..
............ .................
.....
..
.
.
.
.
.
.
.
.
.
..
.
... .......... dx1
......
.....
..
........ dt
.
.
..
... ......... ...........
.....
.
......... ........
.
.
.
.
..................................................................................................................................................
poblaci
on 2
poblaci
on 1
...................................................................................................................................................
...
...
.
..
......
..
... ...
..
... .... dx
..
..
1
... ...
..
.... ..... dt
..
.
..
...
.....
..
...
..
... ....
....
..
... . ..
.......
..
.
.
.
... .... ........ .....
.
..
.
.
.
.
.
..
. .. ...
.... .. ..............
.....
..
.
.
..
..... ...
.....
..
.......
..
... ......
.....
..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
... .........
. ..
.
.
.
.
.
.....
.
.
... ....... .....
.
.
.
.
.
.
... ....
......
dx2
.
....
.....
.
...
...... dt
...
...
......
.
.....
.
.....................................................................................................................................................
poblaci
on 1
8
plantas cuando, debido a la sombra, se hace dcil para una especie invadir
el espacio de otra.
0.2.1
Predaci
on
Modelos predadorpresa se remontan a 1925 cuando fueron derivados separadamente por Lotka y Volterra. Para el predador P y la vctima V las
ecuaciones de LotkaVolterra son
dV
= BV CV P
dt
dP
dt
= DP + AV P .
9
Interacciones mas complejas que la suposici
on de accion de masas son
a menudo incorporadas dentro de los modelos ecol
ogicos. Por ejemplo la
interacci
on entre zooplancton (predadores) y toplancton (presa) puede ser
mejor descrito por una funci
on racional la cual, junto con din
amica mas
lenta para en zooplancton puede conducir a comportamientos excitable
54ZP
dP
= 9P 2P 2
dt
6 + P2
dZ = Z 2 + 7ZP .
dt
6 + P2
Esta ecuaciones mas complejas, incluyendo edad de la estructura, respuestas funcionales, congregaci
on de individuos y retardo en el tiempo ser
an
discutidos m
as adelante,
0.2.2
0.2.3
Modelos de nutrientes
En vez de modelar el n
umero de individuos (o densidad) para cada especie,
algunos investigadores consideran la din
amica en terminos de ujo de nutrientes/recurso a traves del ecosistema. Estos modelos generalmente consideran el ujo de carbono, nitr
ogeno o energa a traves del sistema y son
frecuentemente acoplados a modelos medioambientales de la atmofera o los
oceanos.
10
0.2.4
Con solamente dos especies interactuando, podemos solamente obtener puntos jos y ciclos lmites. Cuando aumenta el n
umero de especies tambien aumenta la posibilidad de encontrar comportamiento m
as complejo y din
amica
caotica. A pesar del vasto n
umero de especies interactuando en cualquier
medio ambiente, la din
amica caotica parece ser rara o simplemente eliminada por ruido. En general, los modelos aplicables tienden a ignorar m
as
de tres especies interactuando, debido a dicultades con la estimaci
on de
par
ametros, para poder explorar completamente el rango entero del comportamiento din
amico.
0.3
11
tales funciones 1dimensionales simples pueden producir din
amicas complejas, entonces con toda seguridad las complejidades del mundo real deberan
hacer el caos a
un m
as probable; por otra parte, caos se presenta para valores
mas grande de r y uno debera sentir intuitivamente que una raz
on reproductiva m
as rapida debera ser favorecida por la evoluci
on. Sin embargo, el
caos es rara vez detectado, si es que lo es, en poblaciones naturales. Podra
ser que este presente, pero es tragado por el ruido ambiental y la estocasticidad interna; o, podra ser que las din
amicas caoticas no son seleccionadas
por la evoluci
on.
Consideremos ahora en mayor detalle que queremos de nuestra funci
on
+
+
f . Requerimos que f : R R de modo que todo nivel pausible de
poblaci
on conduce a a otro nivel pausible de poblaci
on. Notamos que la
funci
on logstica no satisface este criterio, puesto que valores de x mayores
que k son enviados a niveles negativos de poblaci
on (por lo tanto imposibles). Una forma alternativa es
x
.
f (x) = rx exp 1
k
Esta es la funci
on de Ricker. Tiene las mismas propiedades de duplicacion
de perodo que la funci
on logstica (porque posee un m
aximo cuadr
atico)
pero es bien comportada en la linea real positiva.
De donde viene la forma de esta funci
on? Como mencionamos antes, estas funciones son obtenidas como aplicaciones de primer retorno de Poincare,
que muestran un sistema continuo peri
odico. Entonces para entender la
funci
on debemos entender el sistema continuo, y en particular estudiar los
efecto de aglomeracion (competicion intraespeccica) que conduce a la
nolinealidad de la funci
on. Dos extremos de la interaccion intraespecca
fueron clasicados por Nicholson: Api
namiento y Pugna.
Api
namiento. En este escenario todos los individuos se aglomeran para
obtener una proporci
on de un recurso limitado. Todos los individuos obtienen la misma porcion, y una vez que esta porci
on cae bajo un umbral
crtico todos los individuos mueren por falta del recurso. Podemos consid-
12
erar este como un buen modelo para una fuente grande de comida que es
producida en un perodo corto; cuando la comida es abundante todos los
individuos pueden comer hasta satisfacerse, pero tan pronto como se acaba
la comida todos los individuos sufren de falta de comida.
Pugna. En el extremo opuesto, imagine una situaci
on en que los individuos
mas fuertes toman la porci
on del recurso que necesitan. Por lo tanto, a
un
cuando hay mucha competencia por el recurso, los individuos fuertes todava
sobreviven (Grenfell y colaboradores, 1998, ver [5]). Este modelo es usado
cuando hay abastecimiento continuo de una cantidad limitada de comida, de
modo que el individuo m
as fuerte siempre puede comer, hasta satisfacerse,
primero.
Casi todas las situaciones yacen en alg
un lugar entre estos dos extremos.
Hassell en 1975 (ver [7]) introdujo una funci
on, que ha probado ser popular
entre los ecologos desde entonces, que trata de escalarse entre estos dos
extremos con un parametro b ,
f (x) =
rx
.
(1 + kx)b
Api
namiento
..................................................................................................................................................
...
...
..
....
..
..
....
..
..
..
...
..
..
....
..
..
..
...
..
..
.....
.
.
.
.
.
..
Nt+1 ....
.
.
.
.
.
.
.
.. ...
.
.
.
...
.
.
.... ....
...
...
....
..
....
.....
.....
..
.
.
.
.
..
..
..
.
.
.....
.
.
..
.
.
.
.
.
.
..
..
.
.
.
.....
.
.
..
.
.
.
.
.
.
..
..... ........
.....
..
.
.
..............................................................................................................................................................
Nt
Respuesta
..................................................................................................................................................
...
...
..
....
..
..
....
..
..
..
...
..
..
....
..
...
..
..
...
..
....
..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
Nt+1 ....
.
.
.
.
..
..
.
.
...
..
.
.
.
.
.
...
..
.
.
.
.
..
.
.
.
.
.....
..
.
.
.
.
..
..
.
.
.....
.
.
.
.
.
.
.
.
.
.
.
.
.....
.
.
.
.
.
.
.
.
..... ........
...
.
.
.........................................................................................................................................................
Nt
13
Las aplicaciones iterativas correspondientes a api
namientos y pugna por un
recurso limitado. Note que la funcion de api
namiento nunca puede ser estable.
Para funciones de tiempo discreto (como para el sistema continuo) podemos tambien considerar modelos multitr
ocos, siendo el mas celebrado el
modelo huespedeparasitoide de Nicholson y Bailey (1935).
14
las poblaciones naturales no sufren estos ciclos que llevan a la extincion,
de modo que varias modicaciones han sido sugeridas para agregar m
as
realismo a la din
amica. (Note que todas estas modicaciones pueden ser
hechas a los modelos de LotkaVolterra de tiempo continuo para predaci
on.)
Competici
on intraespecca. Por ahora, en ausencia de parasitoides la
poblaci
on huesped crecera geometricamente lo que no es realista. Probablemente la modicaci
on m
as simple es introducir competicion intraespecca
entre los huespedes despues de la fase reproductiva. Beddington y colaboradores (1975) propusieron la siguiente forma para el n
umero de descendencia huesped que madura
Ht
aPt .
Y ( ) = Ht exp r 1
K
Este crecimiento densidaddependiente de los huespedes puede ser comparado con la funci
on de Ricker.
B
usqueda con no acci
on de masas. Una adici
on alternativa a las ecuaciones,
que act
ua para estabilizar los ciclos es cambio en el dise
no de b
usqueda. Los
parasitoides pueden sufrir de competici
on intraespecca de modo tal que
mientras el n
umero de parasitoides aumenta, la razon de puesta de huevos
disminuye, en cuyo caso la descendencia huesped que madura puede ser dada
por
Y ( ) = rHt exp(aPt1m ) ,
donde m mide el grado de interferencia. La interferencia tiene un efecto
estabilizante en la dinamica. Note que no hay razon analtica subyacente
del porque este exponente es introducido, pero la forma de este modelo es
respaldada por observaciones. Un exponente es muchas veces agregado a los
terminos de accion de masas como un medio para aproximar los efecto de
espacio o congregaci
on.
Respuesta funcionales.
15
Tipo 1
Tipo 2
Tipo 3
..............................................................................................................
...
...
...
..
..
.
....
..
..
.....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
.
.....
..
...
..
.
....
..
....
..
..
..
...
..
..
.
.
.
.
....
.
.
..
....
...
...
.
..
..
..
.....
..
..
.
.
.
..
....
...
..
.. ..
..
... ..
..
.
..
.... ...
..
.. ...
..
.....
.
...............................................................................................................
..............................................................................................................
.
...
..................
...
...............
...
.
..........
.
.
.
.
.
....
..
.
..
..
.....
.
.
.
.....
..
.
.
.
.
.
..
.
..
.
.....
..
.
.
.
..
.
.
.
....
..
.
.
.
..
..
.
...
..
.....
..
.
.....
..
...
..
.
..... ...
..
..
.
..... ...
..
.
..
.... ...
..
.. ..
..
... ..
..
..
.
.......
..
....
.
...
.....
.
............................................................................................................
..............................................................................................................
...
.........
...
........ ....
..
....
.
.
...
...
.
....
..
.....
..
...
.
..
.
.....
..
...
..
.
....
..
...
..
..
..
...
...
..
..
.
.....
..
...
.
..
.....
...
..
..
.
.....
..
...
.
..
....
..
...
..
..
..
...
.
..
.
.
.
..
.
.
....
.
.
.
.
.
.
.
..
.
.
.
.
.
.
.
.
...
.
.
....
.....................................................................................................................
Densidad de predador
Densidad de predador
Densidad de predador
16
Y ( ) = rHt exp
aPt
1 + ATh Ht
aHt Pt
1 + cHt + bTh Ht2
aPt
1+
k
k
.
Cuando k es peque
no, las especies estan altamente aglomeradas, pero
cuando k + obtenemos de nuevo la forma exponencial acostumbrada.
En 1990 Haseel y Pacala (ver [8]) desarrollaron la regla CV 2 . Esta es
una regla emprica establece que el sistema es estable si
17
CV 2 =
Un enfoque m
as moderno, que ha gatillado mucho interes es subdividir
la poblaci
on en una malla de habitats y luego dejar que la heterogeneidad
aparezca naturalmente (Hassell y colaboradores 1991, ver [7]).
18
Captulo 1
Algunos conceptos b
asicos en
din
amica 1dimensional
En este captulo estudiaremos algunos conceptos basicos en sistemas dinamicos,
en el contexto de aplicaciones del intervalo en si mismo.
1.1
Introducci
on
20
Din
amicca uno-dimensional. Combinatoria
donde xn es la poblaci
on en el tiempo n . Iterando esta relacion nos lleva
a la f
ormula
xn = (1 + b)n x0 ,
llamada prediccion Malthusiana para tal poblaci
on.
Frecuentemente, la poblaci
on es pensada con evolucion continua de modo
que, idealmente, las mediciones xn seran tomadas en intervalos peque
nos
de longitud h . Esto lleva a la ecuacion de diferencias
x((n + 1)h) x(nh) = bh x(nh) .
Escribiendo x(t) como funci
on de t = nh , y reordenando, obtenemos
x(t + h) x(t)
= bx(t) .
h
Ahora haciendo h tender a 0, vemos que la ecuacion anterior se aproxima
a la ecuacion diferencial
x (t) = bx(t)
conocida como ecuacion diferencial de crecimiento exponencial. La soluci
on
de esta ecuacion es la aplicacion exponencial
x(t) = x0 ebt .
En este caso, las versiones discreta y continua de este sistema din
amico
se comportan mas o menos de la misma forma.
Note que en el modelo anterior no hemos considerado la tasa de mortalidad. Podemos asumir que esta es proporcional a la poblacion existente en
cada momento dado. Esto nos lleva otra vez a la ecuaci
on de diferencias de
crecimiento exponencial si la tasa de nacimientos excede a la tasa de muertes,
o al decaemiento exponencial si lo opuesto ocurre. Sin embargo, uno puede
suponer que la tasa de muerte es proporcional al n
umero de encuentros entre
individuos, esto es, cuanto m
as y mas individuos entren en contacto unos
con otros, un mayor porcentaje de individuos muere. Esto sugiere que el
21
Sergio Plaza
...
....
.......
.........
............
....................
................................
.
........................................................................................................................................................................................................................
.......................
..............
..........................................
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
...................
................
...........
.......
.
.
.
.
....
...
...
1.2
Puntos Peri
odicos
Comenzamos el estudio de sistemas dinamicos discretos a traves de sus elementos mas simples: puntos jos y puntos peri
odicos.
22
Din
amicca uno-dimensional. Combinatoria
p es un punto jo de f si f (p) = p .
p es peri
odico de perodo k de f si, f k (p) = p y f j (p) = p para
1 j k 1.
(c) p es preperi
odico de perodo n si existe m 1 tal que f n+i (p) =
f i (p) para todo i m , es decir, para i m se tiene que f i (p) es
peri
odico de perodo n para f .
Observaciones
(i) Los puntos jos de f son aquellos en donde su gr
aco intersecta a la
linea y = x .
(ii) Los puntos peri
odicos de perodo k 2 de f son los puntos jos de
k
f que no son puntos jos de f j para 1 j k 1 .
Sergio Plaza
23
24
Din
amicca uno-dimensional. Combinatoria
Demostraci
on. Considere la aplicaci
on continua g : I R denida por
g(x) = f (x) x y aplique el Teorema del Valor Intermedio para obtener el
resultado.
Ejemplo 1.6. Sea I = [0, 1] y f (x) = 1 x2 . Note que f (I) = I , luego
f tiene un punto jo en I , el cual es facil de encontrar en este caso. Para
ello tenemos
que resolver la ecuacion f (x) =x , es decir, 1 x2 = x , luego
on x1 = 1+2 5 de la ecuaci
on anterior no
x0 = 1+2 5 . (La otra soluci
pertenece al intervalo [0, 1] )
Ejemplo 1.7. Sea f : [0, ] [0, ] dada por f (x) = sen(x) . Se tiene
que f ([0, ]) = [0, ] .
Ejemplo 1.8. Sea f : [0, 1] R dada por f (x) = x(1 x) . Si 4
se tiene que [0, 1] f ([0, 1]) .
Quiz
as uno de los resultados m
as sorprendentes en din
amica 1dimensional,
con la sola hip
otesis de continuidad son los siguientes, ver por ejemplo [13],
[4].
Teorema 1.2. (Li & Yorke [10]) Si una aplicaci
on continua f : I R
tiene un punto peri
odico de perodo 3, entonces f tiene puntos peri
odicos
de todos los perodos.
Ejemplo 1.9. Sea f (x) = 32 x2 + 52 x + 1 . Tenemos f (0) = 1 , f (1) = 2
y f (2) = 0 , luego {0, 1, 2} forma una orbita peri
odica de perodo 3, y en
consecuencia f tiene puntos peri
odicos de todos los perodos.
Insertar figura
A continuaci
on daremos la demostraci
on del teorema de Li & Yorke. Para
ello, primero probaremos algunos lemas.
Lema 1.1. Sean J R un intervalo y f : J R una aplicaci
on continua. Para cualquier intervalo compacto J1 f (J) existe un intervalo
compacto Q J tal que f (Q) = J1
25
Sergio Plaza
Demostraci
on. Sea J1 = [f (p), f (q)] , donde p, q J . Supongamos que
p < q (el otro caso es analogo). Sea r el mayor n
umero en [p, q] con
f (r) = f (p) y sea s el menor n
umero en [p, q] con f (s) = f (q) y s > r .
Es claro que f ([r, s]) = J1 .
f (q)...............................................................................................................................................................................................
...
.. . .. .
...
..
..
.. .. ...
...
..
..
.. .. ... .... ...
.. ... ....
..
..
.. ... ..........
.
...
.
.
.
.
.
.
.
.
q .......................................................................................................................................................................................
.
....
...
...
.. .. ... ..... .. .... ...
... ..
..
.. .. ..... .. ..
..
.. .......... ......... ...
.....
..
..
... ..
.
.
.
.
.
.
.
..................................................................................................................................................................
.....
..
..
.. ....... ..
..
...
...
..
.. ..... ..
..
.
. .. .
.
.
.........................................................................................................................................................................
.....
....
.... ................ .... ....
....
....
.. ........ .. ..
..
..
..
......
.. ...... .. .. ..
..
..
..
.. .....
... ...... ... .. ..
.
..
..
.
.
.
.
.
.
.
p ........................................................................................................................................................................................
... . ..
...
....... .. ..
...
...
...
........
.... ....... ...... ......
..
..
..
...
....................................................................................................................................................................
f (p)
26
Din
amicca uno-dimensional. Combinatoria
Demotraci
on. Supongamos que d a < b < c . Denamos los intervalos
K = [a, b] y L = [b, c] . Tenemos la siguiente gura en este caso.
..
..
..
....
..
.....
.
.
..
.
..
. . . . . .........
..................
.
....
.... . ..... ....... ..
.
.
.
. ........ .
...
....
. ..... ... .
..
.
... .
....
..
..
... .
.. . . .....
...
....
..... ........ ..
.
.
... .
....
... ........ .
.. .
.
.
.
...
...........
....
. . . . . ... . . . . ...
.... ......... ..
.
.
.
.
... .... . .
...............................................................................................................................
.
..... ..
a
c
Q0
f 0 (Q0 ) = I0 = L
Q1
f (Q1 ) = I1 = L
Q2
..
.
f 2 (Q2 ) = I2 = L
..
.
Qk2
f k2 (Qk2 ) = Ik2 = L
Qk1
f k1 (Qk1 ) = Ik1 = K
Qk
f k (Qk ) = Ik = L .
27
Sergio Plaza
2x
si 0 x 1/2
T (x) =
2 2x si 1/2 x 1
(T es llamada tend map, en castellano aplicaci
on tienda de campa
na)
tienen puntos peri
odicos de todos los perodos
...................................................................................................................................
...
.... ..
..... .. .......
...
...
.... ...
...
... .......
..
...
.
.
.....
..
.
....
.
..
.
..
.
.......
.
.
.
.....
..
...
.
.
.
.
.
.
.
.
.
.
...
.
.
.
.
.....
.
.
...
. ....
.
.
.
.
.
...
......
.
.....
..
... ...
.. . . . . . .........
... ..
..... ....
.
.
.
.
.
.
.
... ....
.... ... ..
.... ..
... ..
.. .. . .......
.
.. ...
.
... ..
.
.. .
.
. . ....
.. ..
..... ... ........
.
.. ..
.
.
.
....
....... ...... ..
....
.
........
..................................................................................................................
.............................................................................................................................
...
.... ..
... . ...
...
.... ...
.. . .....
..
....
..
.....
..
... .. ..... ........
. . ... ....
..
.....
....
..
.
.....
.
..
.
.
.
.
.
.
.
.
.....
..
...
.
. .... ...
..
.
...
.....
..
.... . . . ..........
...
..
.
.
...
..
.
.
.....
..
.
... .
.
.
.
.
.
.
.
..
.
.
...
....
.
... . ....... .
...
.
.. ... . ....
.
... ..
.
... .. ....
... ..
.
. .. .
... ..
..... ... ....... .
.
... ..
.
... ...
.... ........... ..
.
.
........
......................................................................................................................
p
f4
En ambos casos se indica un punto p que tiene la propiedad que f 2 (p) <
p < f (p) .
Ahora una pregunta natural es la siguiente. Si una aplicaci
on tiene puntos
peri
odicos de perodo k debe tener otros puntos peri
odicos de perodo
= k ?
Para responder a esto primero veamos el siguiente lema
Lema 1.3. Toda aplicaci
on continua f : I R que tiene un punto
peri
odico de perodo k > 1 tiene un punto jo.
Demostraci
on. Sea p un punto peri
odico de perodo k > 1 para f .
Supongamos, sin perdida de generalidad, que f (p) > p . Consideremos la
28
Din
amicca uno-dimensional. Combinatoria
................................................................................................................................................................
..
...
... ....
.
. ....... ...
.. . .... .
...
.
. ...... ..
.. . ......... .
..
.
.
.
.
.
.
.
.
.
.
.
... . . . . . . . . . . . . ...... . . . ...... . . . ...
..
. ..
.
.
....
..
. ...
...... ....... .
.
..
. ..
. .......... .
.
.....
..
.
.
.
.
.
.
.
.
.
.
..... . . . . ...... . . . .. . . . . ........... ..... . .. . . . . ...
..
.
... .
.
.
.
.
.
.
.
.....
.
... .
.
. ...... .
...
... .
.
. ..... .
.....
.
.
.
.
.
.
.
.
..... . . . . .. . . . . ......... . . . ... . . . ......... . . . ...
.
..
.
. ........
.
.....
..... ..
.
.
.
.
. ..... ....
.
.
.
.
.
.
.
.....
.
. ...
.
.
.
..... ...
.
..... . . . ........... . . . ... . . . . ... . . . ... . . . .......
.
..
.
.
.
..... ........ .
..
..
.
.
.
.
.
..... .......
.
.
.
.
.
.
.................................................................................................................................................
Para la aplicaci
on f as denida, armamos que no tiene puntos perri
odicos
de perodo 3.
Para verlo, examinemos el comportamiento de f en los intervalos [j, j +
1] , j = 1, 2, 3, 4 . Primero, para el intervalo [1, 2] , tenemos f 3 ([1, 2]) =
f
f
f
f 2 ([3, 5]) = f ([1, 4]) = [2, 5] , y como 2 5 1 3 , se sigue que f
no tiene puntos de peri
odicos de perodo 3 en [1, 2] . De modo an
alogo se
f
f
f
3
3
muestra que f ([2, 3]) = [3, 5] y 3 4 2 5 , y tambien f ([4, 5]) =
f
f
f
[1, 4] y 4 2 5 1 , por lo tanto en ambos intervalos no existen
puntos peri
odicos de perodo 3 para f . Del an
alisis anterior deducimos que
f solo puede tener puntos peri
odicos de perodo 3 en el intervalo [3, 4] ,
veamos que este tampoco es el caso. Tenemos que f 3 ([3, 4]) = [1, 5] , luego
f 3 ([3, 4]) [3, 4] y en consecuencia f 3 tiene un punto jo en [3, 4] . Vamos
a demostrar que ese punto jo de f 3 tambien es punto jo de f . Sea
29
Sergio Plaza
2x p
si p x p +
f (x) =
2x + 3p + 4 si p + x p + 2
Note que f es una aplicacion tienda denida en el intervalo [p, p + ] .
30
Din
amicca uno-dimensional. Combinatoria
el gr
aco de es simplemente el segmento de recta que une los puntos
(p + 2, p) y (p + 3, f (p + 3)) .
on
Ahora sea I1 = [p, p + 2] e I2 = [p + 2, p + 3] . Denamos la aplicaci
g : J J por
f (x) si x J (I1 I2 )
g(x) =
f (x) si x I1
(x) si x I2
.................................................................................................................................................................................................................................
.
.
.
...
.... ....
.
.
.
.... .. ..
...
.
.
.
..... ... ...
.
.
.
.....
.
. .
.
. ....
.
.. ..
.
. ....
.
.....
.. ...
.
.
.
.
.
.
.
.
.
.
p + 3 .... . . . . . . . . . . . . . .. . . . . . . . . . . . . . ....... . . . . .. . ..
...
.. ...
.
.
.... .
.
.
.
.
...
..
.
.
.
..
.... ..
..
.
.
.....
....
..
..
.
.
.
.
.
.
.
.
..
.
.
.
.
.
.
.....
.
.
. .
. ....
.
.
.
.. . . . . . . . . . . . . . .. . . . . . . ...... . . . . . .. . ... . . . . ....
.
p + 2 ..
... .....
.
.
.
.
.
...
.
. .....
. ... ........... .
.....
..
..
.....
. ... ........ .
.....
..
. ... .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
.
.
.
.. .
... .
.
.
.
.
. .. .....
.
.
....
.
.
..
.
... . .............
.
..........
..
..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
p ... . . . . . . . . . . . . ........ . . . . . ........ . . . . . .. . . . . . . ...
.
.
. ..
.
.
....
...
.
.
.
..
.... ...
.
.
..... ...................
..
.... ... .
.
.
.
.
..
.
.
.
.
.
.
....
..
.
.
.
.
..... ......
..
...
.
.
.
.
.
.
.
.
.
.
.
.
.
... ....
.
.
.
.
.
........
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.....
...
......
.. .
.
.
..
.... ...
..
.
.
.....
..
..... ..... ..... ..
.
.
.
.
.
..
.
.
.
............
.
.
.
..... .......
..
.
..
.
.
.
.... ......
.
.............................................................................................................................................................................................................................
p
p + 2
p + 3
si x J (I1 I2 )
0
|f (x) g(x)| =
|f (x) f (x)| si x I1
|f (x) (x)| si x I2 ,
luego
d(f, g) = max{sup |f (x) f (x)|, sup |f (x) (x)|}
xI1
xI2
31
Sergio Plaza
xI1
xI2
xI2
< max{ + , + } = ,
2 4 2 2
es decir, d(f, g) < . Ademas, tenemos que p0 = p + 47 es un punto
peri
odico de perodo 3 para g .
Para el caso en que p = b el resultado es facil de obtener. Esto completa
la prueba del teorema.
Ejemplo 1.12. Perodo 3 puede ser destruido por peque
nas perturbaciones.
Sea f : [0, 1] [0, 1] denida por
f (x) =
x + 12 si 0 x 12
2 2x si 12 x 1 .
.....................................................................................................................
...
.. . ..
... ..
.... . ...
.... ..
....
.... . .....
..... ....
.
.
.
.
.
.
.
.
.
. .... .....
.....
..
.....
. ........
...
...
....
..
. ........
... .......
.
.
.
. .. .
. ..
.
1 ............ . . . . . . ............ . ........ . . . ....
...
..
.... ..
.
2 .....
.
.
..
.
...
...
.... .
.
.
.
.
.
.
.
... ...
.
.
.
.
....
.
... ...
.
.
.
.
.
..
... ..
... ........
.
... ..
.
.
... ..
..... .......
...
.
.
.................................................................................................................
1
2
1
2
+ si 0 x
f (x) =
x + 12 si x 12
2 2x si 12 x 1 .
32
Din
amicca uno-dimensional. Combinatoria
.........................................................................................................................
. .
. .
...
.... ..
.... ...
....
..... ...
..... .. .....
.
.
.
.
.
.
.
..
.
.
.
. .... ......
.....
..
....
.
. ........
...
....
.
.
.
.
.
.
. .... ...
... ....
.
.
. ...... ....
.
...........
.
1 .. . . . . . . . ......... . . . ..... . . . ...
..
..
...
2 .....
..
....
...
...
.... ..
.
.
.
.
.
.
.
.
... ....
..
.
.
.
.....
.
.
.
.
.
.
.
.
... ....
.....
....
... ..
.
....
... ..
.
..... .......
.....
.
.
.................................................................................................................
1
2
33
Sergio Plaza
.......................................................................................................................................................................................................
...
..
.. . .
.. .
..
..
..
.... .. ...
..
..
..... ..
....
..
..
.. ........ ... .... ....... ...
.
..
.
.
.
.
.
.
.....
..
...
... ...........
...
... .......
...............................................................................................................................................................................................................
.
.
...
.
..
..
.. ..
.
... ..
..
..
.... ..
..
... ...
.. ... ....... ...
....
..
..
... ..
.
.
.
.
.
.
.
... ..
....
... ... ........
...
...
...
...
........................................................................................................................................................................................................
..
..
... ..... ...
...
...
...
...
..
...... ..
..
..
..
..
..
..
..
.. .....
.....
..
..
..
..
.. .......
.
.
.
.
.
.
.
.........................................................................................................................................................................................................
.
.
.
.
.
.
. ... ...
.
.
.
.
.
..............
.
.....
.
.
.
. . .. .... .. ..
..
...
...
.....
..
..
...
... .. .... ..... .. ..
.. .. ........ .. ..
..
..
..
... ... ....... ........ ......
.....
..
..
..
.
.
.
.
.
.
.
.
.
..........................................................................................................................................................................................................
.
.
.
.
..
.
.
..... ... ........ ...
...
..
...
...
. .
..
..
..
..
..
..... ...........
..
..
..
..
..
.
.
..
.
.
.
.
..............
...
.
...
...
...
..................................................................................................................................................................................
........................................................................................................................................................
......
... ..
...
......
.... ..
..
... ..
..
.... ...
.
.
.
.
.
.
..
.
..... .....
...
..
....
..
..
.....
.
.
.... .....
..
.
..
.
.
.
.
.. ...
..
..
.
.
.
.
... ..
..
..
.
.
.
.
..
.
.
..... ....
..
... ........
.
.
.
.............................................................................................................................................................
.
.
.
.
.
...
.
.
.
.
.
.
.
.
.....
.
.
...
... ..
..... ..
...
.....
... ..
.... ...
...
..
....
... ....
.
... ......
.
.....
.
...
...
.. ...
...
.....
.
...
..
......
...
...
..
.... ......
.
.
.
.
.....
.
..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
.
....
.
.
.
.
..... .......
...
..
.....
.
.
.
.
.
.
.
.
.
.
.
..................................................................................................................................................................................
34
Din
amicca uno-dimensional. Combinatoria
2
5
7
2 3
2 5
2 7
2 3
22 5
22 7
2n 3
2n 5
2n 7
23
22
2
1 .
(a
b signica que a precede a b en el orden.)
Teorema 1.6. (A. N. Sarkovskii) Sea f : R R una aplicaci
on continua.
Supongamos que f tiene un punto peri
odico de perodo n . Si n
m en el
orden de Sarkovskii, entonces f tiene un punto peri
odico con perodo m .
Ahora daremos la prueba del Teorema de Sarkovskii.
Sea I R un intervalo (abierto o cerrado). Sea f : I I una aplicaci
on
continua, y sean J, K I intervalos compactos. Usaremos la notacion
JK si f (J) K
Lema 1.4. Si J K entonces existe un subintervalo compacto J J
con f (J ) = K .
Este no es otro que el Lema 1.1 expresado de otra forma. Tambien reformulamos el Lema 1.2 de la siguiente manera.
Lema 1.5. Si J J entonces J contiene un punto jo de f . M
as
general, si J1 , . . . , Jn son subintervalos compactos de I y
J1 J2 Jn J1
35
Sergio Plaza
36
Din
amicca uno-dimensional. Combinatoria
3
2
... ....
.
.
. ........ ....
. .....
... .....
.
. ...
. ..
. ..
........ . . . . . . ..... ......... . . . ....
...
....... .
..
.
.
.
..
...
. ..... ... .
..
...
. ..... .....
.. . . . ........ . . . .... . . . . ....
.
...
.
.
.
.
. .....
.
..
....
. ..... ....
... ....... ..
..... ..
.
.
.... .
.
.
.............
.........................................................................................
37
Sergio Plaza
4 ....................................................................................................................
= (1, 4, 2, 3)
3
2
... .....
. .
..... .
. ....... ...
...
......
.
......
...
.
.
... . . . . ..... . . . .... . . . . ....
...
. ... ...... .
...
...
. .......... .
..
...
..
.
. .......
.
.
.... . . . ........... . ...... . ... . . . ......
.
.
..
.
.
...
.
.
.
.
.
.
.
.
.
.
.
.
.
...
... ..... .
... . ........ ....
... ....
.... ....
.
.
........
....................................................................................
4 ........................................................................................................................
= (1, 2, 3, 4)
3
2
...
.. . .. .
. ....... . ............ ....
...
. ...
. ...
..
.
... . . . ......... . . . ............... . . ...
...
..
... . ..
... .
... ....... . ....... . .... ...
... .....
. .... ...
. ......
.
.
........ . . . ........... . . . ... . . ...... . ....
... ..
...
...
.
... ..
... ....... ..
.
.....
..
.
.
...
...........
.....................................................................................
4 ................................................................................................................
= (1, 4, 3, 2)
3
2
... ...
. .
. ....... ...
.
... ...
. ...
.
.. ...
..
... . .... . . . . . . . ......... . . .......
.... ..... .. ....... .. ........ ....
... ... . ..... . ..... ..
..
..
...
...
....
... . . ..... ............ . . . .......... . . . ...
.
.
.
.
.
...
.
.
...
.... .
........ .
..
.
.... ....... .... . ....... .
..
.
.
.
.
.
.......
.........
........................... ........................................................
4 ......................................................................................................................
= (1, 2, 4, 3)
3
2
...
. .
. .
.. . ....
. ....... ...
...
.
......
.. .... . ....
... . ... . . . . ... . . ...... . . . ......
... ...
. ..
. .... ...... .
.
..
... ...
. ........ .
.. ..
... ..
. ... .. .
... ..
....... . . . .......... . ....... .. . ..... . ...
... . ..
..
....
...
...
... . ....
..
..... .
... . ..
.. ....... .
..
... ....
.
.
.... .
.
.
.
...........................................................................................
4 ....................................................................................................................
= (1, 3, 4, 2)
3
2
...
. .. .. .
.
...
.. . ....... ...
.
.
.. . .......
.
...... . . . . . . . . .... ........ ....... . ....
... ..
... ...
. ......... .
.
.
.
... ...
. ....... .
.. ...
... ...
... ..
.
. ......
... . ...... . .......... ... . . .. . . . .......
...
..
.
... ..... . ...
..
.
.
.... ........... .. ...
..
.
.
..
.
.
.
............. .........
....................................................................................
38
Din
amicca uno-dimensional. Combinatoria
1
si L (Ki ) Kj , es decir, Ki Kj
Mij =
0
otro caso .
Por ejemplo, para = (1, 2, 4, 3) tenemos
4 ....................................................................................................................
3
2
...
. .
.. ..
. ........ ....
...
... . ...
. ..
.
.
.. . ..
.... . .... . . . . ..... . . ........ . . . ....
... ..
. .... ...... .
.. ...
.
.. ....
.
.
. ....... .
. ..
... ..
. ... .. .
.. ..
....... . . . .......... . ....... .. . ....... . ....
... . ..
...
..
.....
..
... . ...
.... ........ ..
..
... . ..
.. .....
..
......
.
........
.
......................................................................................
M= 1
1
1 1
1 1
1 0
39
Sergio Plaza
Una condici
on completamente equivalente a la anterior es que para cada
i y j existe una sucesion i = i0 , i1 , . . . , in = j de ndices, tales que Ki =
Ki0 Ki1 Kin = Kj .
Tambien podemos describir M por un diagrama teniendo un vertice porcada Ki y una echa desde el vertice i al vertice j cuando Ki Kj .
Luego la matriz M = (Mij ) es transitiva si y s
olo si es posible en el diagrama asociado ir desde cualquier vertice a cualquier otro vertice siguiendo
alg
un camino de echas. Por ejemplo, para perodo 3, las orbita del tipo
= (1, 2, 3) nos da el siguiente diagrama
x3
.....
.......
........
.............
.......
.
.
............................................
.
.
.
1
........................................................................................................................................
...
. .......
.. .
.....
....
.... ..
.
.....
...
.... ....... ....
....
.
...
.
.
.......
...
.
...
...
..
...
......
.
..... .....
..
.... .....
.
.
.
.
.
.
.
...
.
. ......
..... ....
.
.
.
.
.
.
.
.
.
x2 ......... . . . . . . . .............. . . . . . ....... . ......
.
.. ..
...
.. ..
..... .
... ..
.
....
....
.
.
.
.
... ..
.
.
.
.
....
.
... ...
.
.
.
.
.
... ..
.
.... .......
.....
.
.. .....
.....
... ....
.
.
.....................................................................................................................
x1
x2
x3
el cual es transitivo.
Cualquier perodo n de orden tipo = (1, 2, . . . , n) es transitivo. Sin embargo, para una orbita peri
odica de perodo 4 de orden tipo = (1, 3, 2, 4)
nos da el diagrama
4 .........................................................................................................................
3
2
... ....
.
.
. .....
. ....... ....
... ....
.
. ..
. ...
. ...
....... . . . . . . . ..... . ........ . . . ...
....... .
...
...
.
.
..
.
.
. .... ... .
...
..
...
. ..... ... .
.. . . . . ....... . . . ..... . . . . ...
.
.
...
.
.
.
..
. .....
.
..
....
. ..... ....
... ....... ..
.... ..
.
.
..... .
.
.
.............
..
......................................................................................
0 0
M= 0 1
1 0
1
1
0 33
40
Din
amicca uno-dimensional. Combinatoria
desde la gr
aca vemos que la matriz no es transitiva, pues no es posible
alcanzar el segundo vertice partiendo del primero siguiendo las echas, pues
n = 0 para todo n .
M12
Teorema 1.7. Si f tiene un punto peri
odico de perodo n 3 para el
cual la matriz de Markov asociada es transitiva, entonces f tiene puntos
peri
odicos de todos los perodos mayores o iguales que n 1 .
Demostraci
on. Notemos primero que la matriz M debe tener una entrada
en la diagonal Mii > 0 . En otras palabras, debemos tener Ii Ii para
alg
un i . En efecto, sea i el mayor elemento en {1, . . . , n} para el cual se
tiene (i) > i . Entonces (i + 1) i , luego Ii Ii . Es conveniente
introducir un nombre alternativo para Ii , digamos J1 = Ii . Como M es
transitiva y n 3 , existe alg
un intervalo J2 = Ij = J1 con J1 J2 .
Ademas, por transitividad, existe un camino de echas de la forma
J2 J3 J J1 ,
un Ih(r) . Elegimos este camino de longitud
donde cada Jr es igual a alg
minimal. Entonces todos los intervalos en este camino son distintos. Notemos que 2 por construcci
on y que n 1 pues existen s
olo n 1
intervalos distintos Ih . Ahora, imitando la prueba del Lema 1.6, existen
caminos peri
odicas de la forma
J1 J1 J1 J2 J J1
de longitud p , luego por Lema 1.5 f tiene puntos peri
odicos de todos
los perodos p .
En el caso no transitivo, tenemos el siguiente teorema.
Teorema 1.8. Si f tiene un punto perodico de perodo n para el cual
la matriz de Markov asociada es no transitiva, entonces para alg
un divisor
propio p (1 < p < n) de n , f tiene un punto peri
odico de perodo p . (En
particular, en el caso no transitivo el perodo n no puede ser un n
umero
primo).
41
Sergio Plaza
Una condici
on equivalente es que la aplicaci
on lineal por partes L permuta los intervalos J1 = [1, q] , J2 = [q + 1, 2q] , . . . , Jp = [pq q + 1, pq] ,
aplicando cada Ji en J(i) .
Decimos que es renormalizable si es prenormalizable para alg
un divisor
p de n , con 1 < p < n .
Ejemplo 1.15. En los dos primeros ejemplos de perodo 4, la permutaci
on
intercambia los bloques {1, 2} y {3, 4} , luego esas permutaciones son
2renormalizable. Para perodo 6, los siguientes son tres ejemplos de orden
tipo renormalizable.
6
5
4
= (143526)
3
2
................................................................................................................................................
..
. .
.
. ...... ....
.
... . ..... .
..
..
.. ... . ........ .
.. . .. . . . . . .... . . . .. . . . ......... . . .....
.. .. .
...
......
. ........
.. ..
...
. ...
.
. ...... .
.. ...
.
.
.
....
.
.
... . . . . . . . . . ..... . ......... . . .. . . . ....
..
..
.
. .......... .
.
.
...
..
. ..... ... .
.
.
..
...
.
.
..
.
.
.
.
..
.. . . . . . . . ......... . . ..... . . . . . . . ....
..
. ...... .
. ........ .
....
..
. ..... .
. ..... .
...
..
..
..
..
.. . . . ......... . . .. . . . .. . . .......... . . . ....
.
.
.
..
.
. ....... ....
.
.. ....... ..
.
. ...... ...
.
.. ....
.. .
.. ....
.
.
.
.
..................................................................................................................................
4
23
42
Din
amicca uno-dimensional. Combinatoria
6
5
4
3
2
...................................................................................................................................................
..
. ........ ...
.
. ........ ........
..
..
..
..
. ..
.
. ..
.. . . . ........ . . .... ..... . . . . . . ........ . . ....
.
.. ...
..
...
. ...... .
.. ..
.. ....... ..
...
.. .. . ....... .
.. ....
.
. . . .
.
.. ....
.
...................................................... . ..... . ........ . . . . . . ....
..
.
..
.
. ........ .
.
...
..
.
. ......... .
.
..
...
.
...... ... .
.
..
.. . . . . . . . .... . . ... .......................................................
..
... ...
.. .....
. ...... .
.
....
.
.
..
..... .... . ..
. ...... .
...
..
..... .... . ...
.
. ..
..
.. . . . ........ . . . . . . ......... . . . . ..... . ....
.
.
..
. .... ....
.
.. ....... ..
...
... ..
.
.
.. .....
.. ..
.
....
.
.
......
...............................................................................................................................
23
6
5
4
3
2
....................................................................................................................................................
..
.. .... .....
. ....... ...
.
..
.. ..... .. ..
..
. ...
.
..
. .
..
.. . . . . . . . ................................. .... . . ........ . . ....
..
...
... .
. .... ..... .
.
.
.
..
.
...
. ........ .
. ..... .
..
.
. ..... .
.
. ...
..
.................................. . . . . . . ........ .... . . . . . ....
..
.
.
..
.
.
. ..... . ... .
...
.. ........ ...
. ..... . ... .
.. .... ..
...
... .
.
. .....
..
......
.......................... . . . ..... . . . . . . ... . . . . ....
..
... .
.
.. .
.
.
....
.
.
..
... .
.
. ...... .
...
..
...
.
.
. ...
..
.. . . . ........ . . . . . . . . . . .................................
.
.
.
..
.
.
.
... ........ ....
.. ....... ..
.
.
.. ..... ...
.. .... .
.
.
......
......
..
...........................................................................................................................
32
Ahora probaremos el siguiente Lema.
Lema 1.7. La matriz de Markov asociada con un orden tipo es no transitiva si y s
olo si es renormalizable.
Demostraci
on. Si la matriz (Mij ) es no transitiva, entonces existen i y j
n
tales que Mij = 0 para todo n > 0 , en otras palabras no existe un camino
de echas de la forma Ki Kj . Decimos en este caso que Kj
es no accesible desde Ki . Sea X la uni
on de todos los Kk [1, n] que
son accesibles desde Ki . Entonces X contiene todos los puntos enteros del
intervalo [1, n] , pues cada punto entero r es la imagen del punto extremo
un iterado de , luego al menos uno de los intervalos Kr y
i Ki bajo alg
Kr1 son adyacentes en r debe estar contenido en X . En el caso de los
puntos extremos 1 o n , este argumento debe ser interpretado diciendo que
el u
nico intervalo adyacente, es decir, K1 o Kn1 , esta contenido en X .
43
Sergio Plaza
Por otra parte, X es disconexo, pues el interior de al menos un intervalo Kj no esta en X . Sean X1 , . . . , Xp las componentes conexas de X .
Claramente, cada componente conexa tiene al menos dos vertices, luego,
2 p n/2 . Ahora notemos que la aplicaci
on L debe llevar cada comun
ponente Xa en alguna otra componente Xb . Pues de otro modo alg
intervalo perdido sera accesible desde un intervalo en Xa . Como es
una permutaci
on cclica, se sigue que esas componente Xa deben tener el
mismo n
umero n/p de puntos enteros. Por lo tanto el orden tipo es
renormalizable.
Prueba del Teorema 1.8. Si la matriz M de no es transitiva, entonces
es p qrenormalizable para alg
un p y q , y se sigue del Lema 1.2 y por
un argumento similar al de la prueba del Teorema 1.3 que f tiene una orbita
peri
odica de perodo p .
Corolario 1.9. Si f tiene un punto peri
odico de perodo impar n 3 ,
entonces f tiene puntos peri
odicos de todos los perodos p n 1 . En
particular, f tiene puntos peri
odicos de todos los perodos impares mayores
que n .
Demostraci
on. Si la matriz de Markov asociado con la orbita peri
odica de
perodo n es transitiva, el resultado se sigue inmediatamente del Teorema
1.7. Si no es transitiva, entonces por Teorema 1.8 existe una orbita peri
odica
de perodo p para alg
un divisor p de n con 1 < p < n . Este divisor debe
ser impar. Esto completa la prueba.
Corolario 1.10. Si f tiene una
orbita peri
odica de perodo 2k+1 entonces
tiene una
orbita peri
odica de perodo 2k . En otras palabras.
2k+1
2k
23
22
2
1 .
Demostraci
on. La clave de la prueba es la sentencia 4
2 . El resto es
por inducci
on sobre k .
Para comenzar la induccion, notemos que 2
1 se sigue directamente.
Para probar que 4
2 , distinguimos dos casos de acuerdo a que si la
matriz de Markov asociada a la orbita peri
odica de perodo 4 es transitiva o
44
Din
amicca uno-dimensional. Combinatoria
no. En el caso transitivo, por el Teorema 1.7, sabemos que existe una orbita
peri
odica de perodo 3, luego existe una orbita perodica de perodo 2. Por
otra parte, en el caso no transitivo, por el Teorema 1.8 existe una orbita
peri
odica de perodo alg
un divisor propio p de 4, es decir, p = 2 .
Para completar la inducci
on, debemos probar que 2k+1
2k . La prueba
de esto se basa en la siguiente observacion elemental.
Observaci
on. Sea x un punto peri
odico de perodo n para f . Cuando
consideramos a x como punto peri
odico para f f , este punto tiene perodo
n donde
n si n es impar
n =
n
si n es par,
2
En particular, si n es par entonces n debe ser igual a 2n .
Ahora, si f tiene un punto peri
odico de perodo 8, entonces f f tiene un
k
otesis de inducci
on,
punto peri
odico de perodo 2 4 . Luego , por la hip
k1
2 . Como este
tenemos que f f tiene un punto x de perodo 2
n
umero es par se sigue de la observacion que se tiene perodo 2k para f .
Esto completa la prueba del Corolario.
Analicemos mas detalladamente aplicaciones que tienen una orbita peri
odica
de perodo impar n 3 . Dada una tal aplicaci
on, elegimos n minimal.
Como el caso n = 3 esta claro, vamos a suponer que n 5 .
Lema 1.8. Supongamos que f tiene una
orbita peri
odica de perodo n
impar, pero no tiene puntos de perodo n 2 . Entonces el orden tipo de
este perodo es igual a la permutaci
on
n = (1, m, m + 1, m 1, m + 2, m 2, . . . n 2, 3, n 1, 2, n)
donde n = 2m 1 o es igual a la permutaci
on n , donde n satisface
on).
n = y : i n + 1 i . (reexi
Luego, a
un cuando exiten (n 1)! ordenes tipo de perodo n solo dos de
ellos pueden de hecho ocurrir en el caso de perodo impar minimal. Esos ordenes tipos son unimodales, esto es, la aplicacion Lr asociada es unimodal,
45
Sergio Plaza
es decir, tiene un u
nico extremo, maximo o mnimo, y pueden ser caracterizados por la propiedad que la orbita gasta mucho m
as tiempo en el intervalo
donde la funci
on es decreciente.
Una orbita perodica de orden tipo 7 = (1, 4, 5, 3, 6, 2, 7)
7 ...................................................................................................................................................................................................................
6
5
4
3
2
1
...
.. ...
.
.
. ....... ....
...
.. . ........ ..
.
.
. .....
.
.....
...
.. ..
.
.
.
.... . . . ....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
...
.
.
.
.........
......
...
...
.
.
.. ..
.
.
.
.
..
. ..... .
. ..... .
... ..
..
..... .
.
.
.
.
.
... .. .
.
.
.
... . .... . . . . . . . .. . . . .......... . . . ......... . . . .. . . . ....
.
.
.
.
..
.
.
... .
.
.
.
.
.
.
.
..
. ... .... .
.
.
.
... ..
..
. ... ..... .
.
.
.
.. ..
..
......
.
. .........
.
.
.
... . . . . . . . . . .. . . . . ..... . ... . .. . . . . .. . . . .....
..
.
.
.
..
.
.
.
... .
..
...
.
... .
. ........ .
.
.
..
...
... .
. ..... .
.
.
...
.
....
.
.
.......
.
.
...
.
... . . . . . . . . ....... . . . . .. . . . .......... . . . .. . . . .....
.
. ....
.
.
...
... .
...
. ....... .
. ...... .
.
...
..
..... .
. .....
.
.
.
..
...
.
.
.
.
.
.
.... . . . ........... . . . ... . . . . ... . . . ... . . . ............ . . ....
.
.
. ....... ...
.
.
.
.... ...... .
. ...... ...
.
.
.
... ...... .
... .
.
.
.
.
.
........
..............................................................................................................................................................................
Demostraci
on. Como en la prueba del Teorema 1.7, construiremos un
camino
J1 J2 J J1
de intervalos distintos, donde tambien J1 J1 y donde 2 n 1 .
Como f tiene puntos peri
odicos de todos los perodos mayores o iguales
que , pero no de perodo n 2 , se sigue que = n 1 . Esto es, la
on de la sucesion
sucesion de intervalos J1 , . . . , J debe ser alguna permutaci
as, como el camino
de intervalos I1 = [x1 , x2 ], . . . , In1 = [xn1 , xn ] . Adem
de echas desde J1 en si mismo, es minimal, no pueden haber echas de
la forma Ji Ji con i + 1 < j . Sin perdida de generalidad, podemos
trabajar con la funci
on lineal por partes L .
olo sobre dos intervalos distintos,
Sea J1 = [m, m+1] . Como J1 se aplica s
es decir, J1 y J2 , la imagen L (J1 ) debe ser [m 1, m + 1] o [m, m + 2] .
Supongamos para jar las ideas, el primer caso. Entonces, claramente,
46
Din
amicca uno-dimensional. Combinatoria
1.3
Suplemento
47
Sergio Plaza
7
6
5
4
3
2
1
..........................................................................................................................................................................................
.
.
.
.
.
.. .
...
... ...
.
. ....... ....
.
.
...
.. . .... .
.
. ...
.
.
.
.. . ..... .
..... . . . . . . .... . . . ......... . . . . . . . . . . . ........ . . ...
..
. ... .
. ...... .
.
. .......
....
..
. .. .
. ..... .
. ...... .
..
..
.
..... .
.
. ... .
.
.
.
...
.
..
.
.
.
.
.
.
.
.
.
..... . . . .. .... . . .. . . . .. . . . ...... . . ......... . . . .. . . . ...
.
.
..
.
. ..
.
. .......... .
.
.....
..
.
...
.
.
. ....
.
.
..... . . . .. . . . . . . . . . . . ........ ..... . . . . . . . . . ...
.
..
.
.
.
.
.
. . ... .
.
.
.....
..
.
... .
.
.
.
. ..... .
..
....
.
.
.
.
. ......
.....
..
.
.
.
.
.
..... . . . .. . . . .. . . ......... . . . .. . . . .......... . . .. . . . ...
.
.
.
.
. ..... .
.
. ...... .
.
.....
.
... .
. ...
.
.
.
.
..
..... . . . . . . .......... . . . . . . . . . . . . . .......... . . . ...
. ..... .
. ...... ...
.
.
.
.....
. ..... .
. ...... ..
.
.
.
..... ..
.
.
. .....
.
.
.
.....
....
..
.
.
.
.
.
..... . . .......... . . . . . . . . . . . . . . . . . . . . . . . ...
..
.
.
.
.
.
.
..... ....... .
..
.
.
.
.
.
.
.
.
...................................................................................................................................................................................
48
Din
amicca uno-dimensional. Combinatoria
49
Sergio Plaza
5
4
3
2
1
...................................................................................................................................................................................................
. .
. .
...
.
.
.
.... ..
... . .....
...
.
.
.
.... ...
.. . ........
.
.
.
.
...
.
.
.
.
.
.
. ....
..... .
..
...
..... .
.
....
. .....
.. .
..... . . . . . ... . ...... . ... . . . . . ....... . . . . .......... . . . . . ....
.
.
.
.....
..
.
. ...
. ..... ....... .
.
. ....
....
. ... ...... .
.....
.....
.
.
.
.
.
.
.
.
.
.
...
...
.
. .... ...
.....
. . . . . ... . . . . .. . . . . .......... . ..... . . .. . . . . . ....
.....
.
..
... .
.
.
.... .
... .
.
.
....
.....
..... ..
... .
.
.
.
.
.
.
.
... .
.....
....
. .......
.
.
..
.
.
..... . . . . . ... . . . . ........... . . . . ... . . . . .......... . . . . . ...
.
.
.
.....
.. .
.
.
.
.
.
.
.....
.
.
.
..
.
. ........
.
.... .
.....
..... ...
.
. .......
.
.
..... ..
.
. .....
.
.
...
.
... . . . . ......... . . . . .. . . . . . .. . . . . . .. . . . . .........
..
.
.
.
... ..
.
.
....
..
.
.
.
.
...
..
.
.
.
... ....... .
..
.
.
.
.
... ....
..
.
.
.
.
.
.
.
.......................................................................................................................................................................................
g(x) =
f (x) + 8 si 1 x 5
x8
si 9 x 13
y para 5 < x < 9 conectamos los puntos (5, 9) y (9, 1) por una linea recta.
50
Din
amicca uno-dimensional. Combinatoria
El gr
aco de g es mostrado en la gura siguiente
13 .................................................................................................................................................................................................................................................................................
.
.
.
.
.
. ... ..
.
. .. . .... .
.
.
..
12 ...... . . .......... . ... . ............ . ... . . ... . . .. . . .. . . ... . . ... . ... . . ... . ............. . . .....
..
. .... .
. .. .
.
.
.
.
.
... .
.
..
11 ...... . . ..... . . ... . . .. . ........... . . ... . . ... . . ... . . ... . . ... . ... . ................. . ... . . .....
...
.
..
. ...
.
.
. .. .
.
.
.
.
.
.
10 ...... . . ... . . ... . . .. . . ................. ... . . ... . . ... . . ... . . ... ................ . ... . . ... . . .....
..
...
...
..
9 ....... . . .... . . .... . . ... . . .... . . .............. . .... . . .... . . .... ................... . .... . . .... . . .... . . ......
7
8
6
5
4
3
2
1
...
.
.
.
... . . .. . . .. . . . . . .. . . .. ....... . . . . . .......... . . .. . . . . . .. . . . . . ....
.
.
.
.
.
.
. ... .
.
. .... .
.
...
...
.
.
.
.
.
.
. .. .
.
. ... .
.
...
... . . .. . . .. . . . . . .. . . .. . . ..... . .......... . .. . . .. . . . . . .. . . . . . ....
.
.
...
..
.
.
.
.
.
. ... ... .
.
.
.
.
.
.
..
...
.
.
.
.
. ..... .
.
.
.
.
.
.
... . . .. . . .. . . . . . .. . . .. . ....... ....... . . . .. . . .. . . . . . .. . . . . . ...
.
.
.
.
.
.
.
. ...... . .... .
.
.
...
...
.
.
.
.
.
.
.
.
. .. . ..
.
.
...
... . . .. . . .. . . . . . .. . ........... . . . . ..... . . .. . . .. . . . . . .. . . . . .........
...
. ..... ..
.
.
.
.
.
.
. .... .
. ..... .
.
.
.
..
.. .
... . . ... . . ... . . .. . . ............ . ... . . ... . . ... ....... ... . . ... . . .. . . ... . . .......... . ...
... .
...
...
... .
... .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
...
.
.
... . . ... . . ... . ............ . ... . . ... . . ... . . ... . . ........ . . ... . . .. . . ........... . ... . . ....
... .
. .
. .
...
.
.
.
.
...
.
.
.
.
.
.
.
.
.
.
.
..
...
...
....
.
... . . ... . .......... . . .. . . ... . . ... . . ... . . ... . . ... ....... ... . ........... . ... . . ... . . ...
.
.
..
.
.
... . ... .
...
.
.
.
.
.
.
.
.
.
.
.
.
.
..
.
.
... ...
...
...
.... . ......... . . ... . . .. . . ... . . ... . . .. . . .. . . ... . . .... . . .. . . ... . . .. . . ....
.
.
.
... .... .
.
.
.
.
.
.
.
.
.
.
.
..........................................................................................................................................................................................................................................
0 1 2 3 4 5 6 7 8 9 10 11 12 13
La aplicaci
on g es llamada el doble de f . Primero observemos que
ningunos de los puntos 1, 2, 3, 4, 5, 9, 10, 11, 12, y 13 es de perodo
6, de hecho todos ellos pertenecen a una orbita peri
odica de perodo 10
(por simplicidad, usamos simplemente la notacion 10ciclo). Adem
as, si
x [1, 5] entonces g(x) [9, 13] y g2 (x) = f (x) . Como f no tiene
puntos peri
odicos de perodo 3, se sigue que g no tiene puntos peri
odicos
de perodo 6 en el intervalo [1, 5] . Como g([9, 13]) = [1, 5] , se sigue que
g no tiene puntos peri
odicos de perodo 6 en el intervalo [9, 13] . Ahora
para el intervalo [5, 9] tenemos lo siguiente, g6 ([5, 9]) = [4, 10] , y por
un argumento similar al caso a) anterior se tiene que g6 tiene un punto
jo p [5, 9] . Ahora, si para cualquier n (1 n 5) se tiene que
/ ]5, 9[ , entonces gn+r (p) [1, 5] [9, 13] para todo entero positivo
gn (p)
on. Por lo
r > 0 , esto implica que g6 (p) = p , lo cual es una contradicci
5
acil ver que el u
nico punto jo de
tanto, p, g(p), . . . , g (p) ]5, 9[ . Ahora es f
2
6
odicos de perodo 6.
g, g , . . . , g es p = 19/3 . Luego g no tiene puntos peri
El procedimiento general para construir una aplicaci
on que tiene un punto
peri
odico de perodo 2(2n+1) , pero no tiene puntos peri
odicos de perodo
2 (2n 1) , para n = 1, 2, 3, . . . es como sigue: comenzamos con una
51
Sergio Plaza
aplicaci
on f : [1, 1 + h] [1, 1 + h] , donde h es un entero positivo adecuado, que tiene un punto peri
odico de perodo 2n + 1 , pero no tiene puntos
peri
odicos de perodo 2n 1 . Denimos la aplicaci
on doble de f como
g : [1, 1 + 3h] [1, 1 + 3h] dada por
f (x) + 2h si 1 x 1 + h
g(x) =
2h
si 1 + 2h x 1 + 3h
y lineal por partes. Repitiendo el esquema anterior producimos aplicaciones
con puntos peri
odicos de perodo 2k (2n + 1) , pero que no tiene puntos
peri
odicos de perodo 2k (2n 1) , para k = 2, 3, 4, . . . .
Caso iii) Perodos de la forma 2n .
a) Una aplicaci
on que tiene puntos peri
odicos de perodo 2, pero no 22 .
Sea f : [1, 2] [1, 2] denida por f (x) = x + 3 . Cada punto, excepto
el punto jo x = 3/2 , tiene perodo 2. Luego, no existen punto en el
intervalo [1, 2] con perodo 22 .
b) Una aplicaci
on con puntos peri
odicos de perodo 22 , pero no 23 .
Sea f : [1, 4] [1, 4] denida por las condiciones: f (1) = 3 , f (2) = 4 ,
f (3) = 2 , f (4) = 1 , y lineal por partes.
4
3
2
1
.............................................................................................................
.
. .... . ...
...
...
.
. ..... . ...
...
..
.
. ..
. ....
.
..... . . . .... . . . . . ..... . . . . . ...
.
.
. ... .
.
.
.....
.
... .
.
.
...
....
.
.
.....
..
..
.... . . . .. . . . .. . . . .......... . . ...
.
..
.
. ...... ....
.
.
...
.... ..
.
.
.
..... . . . . . . . . . . . . . . .......
..
.
.
.
.....
..
.
.
.
..
.
.
.
.....
.
....................................................................................................
Note que f ([1, 2]) = [3, 4] y f ([3, 4]) = [1, 2] , y siendo f lineal afn
en [1, 2] y en [3, 4] , se sigue que f 2 ([1, 2]) = [1, 2] y f 2 ([3, 4]) = [3, 4] .
Notemos tambien que si f 2 es creciente entonces f 4 es decreciente. Por
lo tanto, f 4 (x) = x para todo x [1, 2] [3, 4] . Luego cada punto en
el intervalo [1, 2] es periodico de perodo 4, excepto el punto x = 3/2 el
52
Din
amicca uno-dimensional. Combinatoria
g(x) =
f (x) + 6 si 1 x 4
x6
si 7 x 10 ,
53
Sergio Plaza
3
2
1
....................................................................................
. .... . ...
...
...
. ..... . ....
..
.
...
. ......
. ... ...
.
.
..... . . . .. . . . .. . ..... . ...
... ..
.
.
.....
... ..
..
.
.
..... . . . . . . . . . . . .....
..
.
.
.....
..
.
.
..
.....
.
.
.
............................................................................
g(x) =
f (x) + 4 si 1 x 3
x4
si 5 x 7
......................................................................................................................................
.
.
. .... . .. .
.
...
...
.
.
. ... . .. .
.
..
.
... . . .... . . .. ...... . . . . .. . . .. . . . . . ...
..
.
.
. .... .
.
.
.....
..
.
.
. ...
.
.
.
..... . . .. . . .. . ....... . .. . . .. . . . . . ...
.
..
.
.
.
.
.
.
...
.....
.
. . ... . . ... . . .. . ..... ... . . ... . . ... . . ...
.....
.
... .
.
.
.
.
.
.
.
..... . . .. . . .. . . . . . ....... . . .. . . .. . . ....
.... .
.
.
.
. ........
.....
. ... .
.
.
.
. .... ..
..... . . .. . . .. . . . . . .. . ..... .. . . .......... . ...
. ... . ..... .
.
.
.
..
.....
..
.
. .... .... .
.
.
.
.
..... . . ... . . ... . . .. . . ... . . ...... . . .. . . ...
..
.
.
.
.
.
.
.....
.
.............................................................................................................................
0 1 2 3 4 5 6 7
Observe que g tiene puntos peri
odicos de perodo 2 3 , pero no con
n
on enperodos de la forma 2 ( entero impar) . Repitiendo esta construcci
contramos encontramos g que tiene puntos peri
odicos de perodo 23 , pero
no tiene puntos peri
odicos con perodo de la forma 2n1 ( entero impar) .
Hemos usado varia veces el concepto de aplicacion doble de una aplicaci
on,
ahora lo formalizaremos, para ello sea I = [0, 1] y sea f : I I una
aplicaci
on continua. Denotamos los perodos de las orbitas peri
odicas de f
54
Din
amicca uno-dimensional. Combinatoria
3
1
2 + 3 f (3x)
g(x) =
(2 + f (1)) 23 x
x 23
f , D(f ) = g , por
si 0 x
1
3
si
1
3
x
2
3
si
2
3
x 1.
Sergio Plaza
55
puntos peri
odicos de g en I3 son los mismos, pues ellos estan sobre orbitas
descritas anteriormente. Esto completa la prueba de la proposici
on.
Ejemplo. Sea f (x) = x3 para cada x [0, 1] . Notemos que f tiene
solo un punto jo y ning
un punto peri
odico. Sea f1 = D(f ) , entonces por
la proposicion anterior los perodos de f1 , P(f1 ) , son {1, 2} . Notemos
tambien que f1 tiene un punto jo repulsor y un punto peri
odico atractor
n
de perodo 2. Por inducci
on, si fn = D (f1 ) entonces los perodos de fn ,
P(fn ) , son {1, 2, . . . , 2n } , y fn tiene un punto peri
odico repulsor de perodo
j
odica atractora de perodo 2n .
2 para 1 j < n y una orbita peri
56
Din
amicca uno-dimensional. Combinatoria
Captulo 2
Conjugaci
on Topol
ogica
En este captulo introducimos el concepto de conjugaci
on topol
ogica para
aplicaciones, este nos permite estudiar la din
amica de aplicaciones reduciendo
a casos mas simples. A partir de ahora asumiremos que las aplicaciones
en cuestion son a lo menos diferenciables, imponemos esta restriccion para
ampliar la gama de resultados obtenidos en el captulo anterior. Tenemos
entonces los siguientes resultados.
Definici
on 2.1. Decimos que un punto jo p de f es atractor si existe
un intervalo J p tal que para cada x J , se tiene limn f n (x) = p .
An
alogamente, si p es un punto peri
odico de perodo k para f , decimos
que p es atractor si es un punto jo atractor para f k .
Definici
on 2.2. Sea p un punto peri
odico de perodo k de f . El conjunto
s
estable de p , es W (p) = {x : limn f nk (x) = p } . El conjunto estable
k1 j
f (W s (p)) .
de la o
rbita de p , es W s (orbf (p)) = j=0
Ejemplo 2.1. La funci
on f (x) = x3 , tenemos que p = 0 es un punto
jo atractor y que W s (0) = ] 1, 1 [ . Por otra parte, para f (x) = x x2
se tiene que p = 0 es un punto jo no atractor, y W s (0) =] , 0] , el cual
no es abierto.
Teorema 2.1. Sea I un intervalo cerrado. Si f : I I es diferenciable
nico punto
y satisface |f (x)| < 1 para todo x I , entonces f tiene un u
57
58
Conjugaci
on Topol
ogica
jo en I .
Demostraci
on. Inmediata a partir del teorema del valor medio.
Teorema 2.2. Supongamos que f es de clase C 1 y sea p un punto jo
de f . Si |f (p)| < 1, entonces existe un intervalo abierto U con p U ,
tal que para cada x U se tiene limn f n (x) = p . En consecuencia
U W s (p) . Si |f (p)| > 1 existe un intervalo abierto V conteniendo a p
tal que todos los puntos de V diferentes del punto p , salen alguna vez del
intervalo V bajo iteraciones por f .
Es claro que si p es un punto peri
odico atractor de f entonces W s (p) y
W s (orbf (p)) son conjuntos abiertos.
Observaci
on. An
alogo resultado vale para puntos peri
odicos.
Teorema 2.3. Los conjuntos estables de puntos peri
odicos distintos no se
intersectan.
Demostraci
on. Sean p1 y p2 puntos peri
odicos de f con perodos k1 y
k2 , respectivamente. Supongamos que x W s (p1 ) W s (p2 ) = . Entonces
para cada > 0 dado, existe N tal que n N implica |pi f nki (x)| <
para i = 1, 2 . Por lo tanto, |p1 p2 | < 2 (contradiccion).
2.1
Conjugaci
on Topol
ogica
59
Sergio Plaza
La denici
on anterior se traduce en que el siguiente diagrama conmuta
f
.
D.. ............................................................................ D..
...
...
.......
........
.
...
...
...
...
.........
.
E ..................................g.......................................... E
60
Conjugaci
on Topol
ogica
Tenemos entonces
1
ga C(x) = ga x +
2
1
1
= a x +
1 x +
2
2
a
a 2 x2 .
=
4
1
2
1
bx2 .
2
= +
1
2
a2 = b .
De la segunda ecuacion, obtenemos que = b/a . Reemplazando este
valor en la primera de esas ecuaciones nos queda a4 = ab + 12 , de donde
2
.
b = a 2a
4
Resumiendo, los par
ametros a y b es esas dos familias de aplicaciones
para los cuales tenemos la conjugaci
on estan relacionados por
b=
a2 2a
4
a2
b
=
.
a
4
61
Sergio Plaza
2.2
Aplicaciones Cuadr
aticas del Intervalo
A = 0 .
una aplicaci
on cuadr
atica. Armamos que de esos tres parametros A , B y
C dos de ellos son ilusorios, en otras palabras, innecesarios desde el punto
de vista din
amico. Para verlo, consideremos una aplicacion afn L(x) =
x + , con = 0 . Tenemos que L es biyectiva y L1 (x) = (x )/ .
atica, y se tiene que
La aplicaci
on g(x) = L1 f L (x) es tambien cuadr
62
Conjugaci
on Topol
ogica
f (L(x))
A (L(x))2 + BL(x) + C
A(x + )2 + B(x + ) + C
A(2 x2 + 2x + 2 ) + Bx + B + C
A2 x2 + 2Ax + A 2 + Bx + B + C
A 2 + B + C
.
63
Sergio Plaza
T 1 fc T (x) =
fc (T (x))
(T (x))2 + c
(x + )2 + c
2 x2 + 2x + 2 + c
= x2 + 2x +
2 + c
.
1+ 14c
y reemplazando obtenemos T 1 fc T (x) = x2 + (1 +
=
2
1
4
f (x) = x(1 x) ,
64
Conjugaci
on Topol
ogica
..
..
..
..
..
....
....
..
1 ...............................................................................................................................................
....
. .
..
.
..
.. ..... ....
...
..
..
..
... .................. .. .....
..
.... .......... .. ......................
..
..
. .
. .
..
..
..
. ....... ...... ....
... ......
.. ..
..
.
..
... ...
. ....
.. ..
..
..
... ..
.
.
.
.
.
.. .. ..
.
.
.. ..
.. .. .. ......................... .................. ......... ...
.. .... ..... ........................... ..... ..... ..
....... .... ..... ..
.. .... .... ........... .
...... .... ..... ..
.. .... ... .........
.
......... ..... ..
.. .... ...........
.
. .. . . ..
.. . .
... ............................................................................................ .................. ...
.. ........................ ....................................... ........... ........... ..
.
.
.
.
........................................
.
.
.
...............................
.
.....................................................................................................................................................................................................................................................
..
1
..
1
..
2
..
..
..
...
..
..
.
Gr
aca de f para = 0.5; 1; 1.5; 2; 3; 4
65
Sergio Plaza
...
1 ...............................................................................................................................................................
.. .
....
.... ....
..
.....
..
...
....
.
.
..
.
..
...
..
....
.
.
.
.
..
.
.
.
..
.
....
................................................
.
.
.
.
.
.
.
.
..
.
..
........ ..
..
.
.
.
.
.
.
.
.
.
.
..
..
.....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
.....
. ...
.
.
.
..
.
.
....
....
.
.
.
.
.
.
.
.
.
.
....
..
.
.
.
.
.
.
.
.
....
...
.
.
.
.
.
.
.
.
.
.
...
..
...
....
...
...
.... .
...
..
...
.
....
...
.
....
...
....
.
.
.
.
.
.
.
... ....
.
.
.
.
.... ...
.
.
.
.
.
.
.
.
... ....
.... ... ........
.
... ..
. .
.
... ..
.... ... ........
.
... ...
.. .. ....
.........
.
..
.......................................................................................................................................................
1 ..................................................................................................................................................................
..
. .
.... ...
..
..
....
..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
.
.
.
.
.
.
.
.
..
.
.
.
.. ..... ........ ............ . ............ ............... ...... ...
.
.
.
.
.
.
.... .....
... ....
.
.
..... ...
.
.
... ...
...
.
.
.
... ...
..............
.
... .....
.
.
.
.
.... ...
.
.. ..
. ....... ....
.. ..
... ......
... ..
...
...... . ................
.. ..
...
... ..
.................
...
.
..
... ..
.
...
.
.... ...
...
..
.
.
.. ...
.
.
.
. .
...
.
.
.. ..
.
...
.... ...
.
.
.
.. .
.
.
.
.
.. .. ...
..
.
.
.
.
.
.. .. ..
.
... ... ...
.
.
.
.
.. .. ...
... ......
.
.
.
.
.
..... .
... .....
.
....
.... ..
... .....
.
....
.... ..
.. ......
.... .. ........
.
.. .....
..... .. ....
.
.. ..
.. ... ....
....
.
... .....
...
.
........
.......................................................................................................................................................
66
Conjugaci
on Topol
ogica
f (f (x)) x
= (2 x2 2 x x + + 1)
1
x x
1
1
1
x1 , x2 = +
2 2 2
1
1+
3
1
odica {x1 , x2 }
atractor {x1 , x2 }. Ahora, para > 1 + 6 la orbita peri
odica atractora
es repulsora. Para > 1 + 6 3.4494... una orbita peri
de perodo 4 aparece. Esta puede encontrarse numericamente resolviendo
odica de
f4 (x) = x y f2 (x) = x . Se puede mostrar que esa orbita peri
perodo 4 es atractora para 3.4495... < < 3.5441... y repulsora para
> 3.5441... . Para > 3.5441... una orbita peri
odica atractora de perodo
8 emerge. Numericamente esta se obtiene resolviendo f8 (x) = x y f4 (x) =
x . Esta orbita de perodo 8 es atractora para 3.5441... < < 3.54644... y
repulsora para < 3.54644... .
Observemos ahora los valores para los cuales aparecio una nueva orbita
peri
odica, de perodo el doble de la que haba aparecido antes: 0 = 1 ,
67
Sergio Plaza
bifurcaci
on para la aplicaci
on logstica es mostrado en la gura siguiente
= limn
= limn
n n1
n+1 n
Wn
Wn+1
= 4.6692016091... ,
= 2.5029078750...
2.3
(2.1)
68
Conjugaci
on Topol
ogica
T (x) =
y la aplicaci
on
B(x) =
2x
si 0 x < 12
2 2x si 12 x 1
(2.2)
2x
si 0 x < 12
2x 1 si 12 x 1
(2.3)
La funci
on de M
obius, : N N es denida por (1) = 1 , y para
n 2 , (n) = (1)k si n es el producto de k (k 1) primos distintos
p1 , p2 , . . . , pk y (n) = 0 si n es divisible por el cuadrado de un entero.
Por ejemplo, (2) = (3) = 1 , (6) = 1 (pues 6 = 2 3 ), (9) = 0 ,
(12) = 0 .
Sean f, g : N C dos funciones numericas que satisfacen
f (d)
g(n) =
(2.4)
d|n
f (n) =
d
d|n
ormula de inversi
on de
Llamando g(n) = 2n y f (d) = A(d) , usando la f
M
obius, obtenemos
n
2d
(2.7)
A(n) =
d
d|n
69
Sergio Plaza
cuando
d
d
d
d|n
d|n
d|n
n
= A(n)
B n (x)
d|n
2.4
Determinaci
on explcita de puntos peri
odicos
70
Conjugaci
on Topol
ogica
de donde
n+p = n + k ,
es decir, n + k = 2p n + m , de donde n = 2p1 . Por ejemplo,
tomando p = 2 y = 1 , obtenemos
,
x1 = sen2 ( 3 = 0.75 (perodo 1)
=
n = 2
2 1
,
x1 = sen2 ( 5 0.3454915028 , x2 0.9045084972
(perodo 2)
tomando p = 3 y = 1 , obtenemos
,
x1 = sen2 (/7) , x2 = sen2 (2/7) , x3 = sen2 (4/7)
=
n = 3
2 1
,
x1 = sen2 (/9) , x2 = sen2 (2/9) , x3 = sen2 (4/9)
9
ambas son orbitas peri
odicas de perodo 3.
Captulo 3
Teorema de Singer
En lo que sigue I denotar
a un intervalo de R .
Definici
on 3.1. Sea f : I R una aplicaci
on continua y sea p I un
punto peri
odico de perodo n para f . Decimos que p es aislado si existe
una vecindad de p en la cual p es el u
nico punto de ese perodo.
Definici
on 3.2. Sea f : I R una aplicaci
on continua y sea p I un
punto peri
odico de perodo n para f , aislado de los otros puntos peri
odicos.
Decimos que
1. p es un punto peri
odico atractor si, para cada > 0 dado, existe
nj
> 0 tal que |f (x)p| < para todo j 1 y todo x ] p, p+ [ ,
2. p es un punto peri
odico atractor de un lado si, para cada > 0
dado, existe > 0 tal que |f nj (x) p| < para todo j 1 y todo
x ] p, p + [ o x ]p , p [ ,
3. p es un atractor fuerte si f es diferenciable y (f n ) (p) < 1 ,
4. p es repulsor fuerte si f es diferenciable y (f n ) (p) > 1 .
En ambos caso el n
umero (p) = (f n ) (p) es llamado el multiplicador
de f n en p .
71
72
Teorema de Singer
.
S(f )(x) =
f (x)
2 f (x)
Ejemplos
6
1. Sea F (x) = x(1 x) . Tenemos que S(F )(x) = (12x)
2 , luego
S(F )(x) < 0 para todo x , inclusive en el punto crtico x = 1/2 de
F en el cual se tiene S(F )(1/2) = .
73
Sergio Plaza
6. Si f (x) = x3 x entonces
3
6
S(f )(x) = 2
3x 2x 2
6x 2
3x2 2x
6(6x2 + 1)
< 0.
(3x2 1)2
=
,
S(f )(x) =
x1
2
x1
2x2
luego S(f )(x) < 0 si y solo si > 1 .
8. Si P es un polinomio tal que las races de P son reales y simples,
es decir, si x0 es una raz de P entonces P (x0 ) = 0 . Entonces
S(P )(x) < 0 para todo x R .
En efecto, primero notemos que para cualquier funci
on f de clase C r
con r 3 se tiene que
f f (f )2
f
=
S(f ) .
(log |f |) =
f
(f )2
Ahora como P (x) = c(x x1 )(x x2 ) (x xn ) se tiene que
S(P )(x) (log |P |) (x) =
n
j=1
3.1
1
< 0.
(x xj )2
= 0.
S(f )(x) =
f
2 f
ax+b
cx+d
, es decir,
74
Teorema de Singer
S(f )(x) =
n1
j=1
75
Sergio Plaza
Demostraci
on. Supongamos por simplicidad que f > 0 . Entonces
1
f
f
1
2 (f )3/2
1 f
3 (f )2
=
+
2 (f )3/2 4 (f )5/2
1 S(f )
= .
2 f
=
f
2 f
= S(f ) .
f f 2
2 +
f
f
(c)
< 0 , luego
signos opuestos. Escribiendo esto de otra forma, tenemos, gg(c)
g (c) y g(c) tiene signos opuestos. Ahora, si g (c) < 0 , de donde g(c) > 0 ,
se tiene que c es un punto de m
aximo local; si g (c) > 0 , de donde,
g(c) < 0 , se tiene que c es un punto de mnimo local. Esto completa
la prueba.
76
Teorema de Singer
Sergio Plaza
77
Observaci
on. Es claro que Wfs (p) contiene un intervalo abierto U p , el
cual es aplicado en si mismo por f n , y como Wfs (p) = k0 f nk (U ) , se
sigue entonces que Wfs (p) es un cojunto abierto.
Si p es un punto peri
odico de perodo n y multiplicador , entonces
k
= , para k = 1, 2, . . . . De esto tenemos (f 2n ) (p) = (f n ) (p)(+
2 ) , por lo tanto si = 1 se tiene que (f 2n ) (p) = 0 , adem
as (f 2n ) =
(f n ) (f n (p))(f n ) (p) = [(f n ) ]2 (p) = 2 = 1 . Aplicando el Teorema de Taylor a g = f 2n , tenemos que g(x) = p+(xp)+g (p)(xp)3 +R4 (x) , donde
na en una vecindad de p . Si g (p) = 1 , enR4 (x) es sucientemente peque
tonces g(x) es aproximadamente igual a la funci
on h(x) = x + (x p)3 .
on
Si g (p) = 1 entonces g(x) es aproximadamente igual a la funci
3
na
k(x) = x (x p) . Ambas en una vecindad sucientemente peque
de p . Para h(x) , se tiene que p es repulsor, y para k(x) se tiene que p es
atractor. Notemos que el caracter de repulsor o atractor de p , en este caso,
depende de la tercera derivada.
(f nk ) (p)
Lema 3.5. Sea f : I I con S(f )(x) < 0 para todo x I . Supongamos
que f posee s
olo un m
umero nito de puntos crticos. Si a < b < c son
puntos jos consecutivos de g = f n y [a, c] no contiene puntos crticos de
g entonces g (b) > 1 .
Demostraci
on. Tenemos que existen u, v , con a < u < b < v < c tales
que g (u) = g (v) = 1 . Como g (x) > 0 sobre [a, c] y S(g)(x) < 0 para
aximo local positivo, luego
todo x I , se sigue que g debe tener un m
g (b) > 1 .
Teorema 3.6. (Singer) Supongamos que S(f )(x) < 0 para todo x (S(f )(x) =
tambien es permitido) y que f posee n puntos crticos, entonces f
posee a lo m
as n + 2
orbitas peri
odicas atractoras.
Demostraci
on. Sea p un punto peri
odico atractor de perodo m de f .
s
s
(p) es un
Sea Wloc,f (p) el conjunto estable local de p . Es claro que Wloc,f
m
s
intervalo abierto, digamos ] r, s [ , y que f aplica Wloc,f (p) en si mismo, es
s
s
(p)) Wloc,f
(p) . Supongamos primero que p es un punto
decir, f m (Wloc,f
78
Teorema de Singer
s
s
s
jo. Como f (Wloc,f
(p)) Wloc,f
(p) y Wloc,f
(p) es maximal, se sigue que
debe ocurrir una de las siguientes situaciones:
(i)
f (r) = r y f (s) = s ,
s
p
r
f (r) = f (s) = t
..................................................................................................................
. ..... ..
.
.
...
. .
.... . . ... . . . . . .. . . . . . ......... . ...
..
.
.
. ...
.
.
.
.
.....
..
.
.
.
.
...
............. .
.
.
.
.
.
.
.
. ............ .
...
.
.
..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
....
.
.
.
.
.
.
..
...... .....
..... . . .. . . ................ . . . . . .. . . ...
..
. .......... .
.
.....
..
. ... .... .
.
..
. ...........
.
.
.....
..
.
.
.
.
.
.
.
.
..... . . ......... . . . . . . . . . . .. . . ...
..
.
.
.
..... ........ ..
..
.
.
.
.
................................................................................................................
s
p
r
..................................................................................................................
. ..... ..
.
.
...
. .
.... . . .... . . . . . .. . . . . . ......... . ...
..
.
.
..
.
.
. ....
.
.....
..
.
..
.
. ....
..... .
.
.
.
.....
..
.
.
. ....
. ....
..
.
. ...... . ....
.....
.
.
.
.
.
.
.
.
.
.
.
.
.
.. . . .. . . . ............................ . . .. . . ....
.
.
...
.
.
.
.
.
...
.
.
.... .
.... .
....
..
... .
.
.... .
..
... .
.
. .......
.....
..
... .
.
.
.
.
.
..... . . ........ . . . . . . . . . . ..... . . ...
..
.
.
.
..... ........ ..
..
.
.
.
.
................................................................................................................
s
p
r
t
..................................................................................................................
. ..... ..
.
.
...
. .
.... . . ... . . . . . .. . . . . . ......... . ...
..
.
..
.
.
.
.
.....
.
..
..
.
.
..... .
.
.
.
.....
..
.
.
. ....
.
..
...
.
.
.
.
.
.
..
.
...
.
.
.
.
.
.
.
.
.... . . .. . . .......................................... . . .. . . ...
.
.
..
.
.
....
.
........ .
.
.....
..
.
.... .
. .......
.
..
... .
. ........
.
.....
..
... .
.
.
.
.
.
.
..... . . ........... . . . . . . . . . ....... . . ...
.
.
.
.
..... .......... .... . . . . . .. . . . . . ...... . . ...
.
.
................................................................................................................
Caso (i). Si f (r) = r y f (s) = s entonces existen a, b tales que r < a <
b < s y f (a) = f (b) = 1 . Como f (p) < 1 y f no puede tener un mnimo
local positivo, se sigue que existe c ] a, b [ tal que f (c) < 0 , por lo tanto
existe un punto crtico de f en ] a, b [ .
Caso (ii). Se obtiene del caso (i) tomando g = f 2 .
Caso (iii). Es claro en este caso que f debe tener un m
aximo o un mnimo
en el intervalo ] r, s [ .
s
(p) .
En conclusi
on en cada caso existe un punto crtico de f en Wloc,f
Sergio Plaza
79
a) f (0) = f (1) = 0 ,
b) f posee un u
nico punto crtico cf [0, 1] ,
c) S(f )(x) < 0 para todo x .
as una
orbita peri
odica atractora en
Entonces cada f Gr posee a lo m
]0, 1[ ; si esta o
rbita existe es el conjunto de puntos lmite de la o
rbita de cf
( es decir, ella atrae a la o
rbita del punto crtico).
Observaciones.
1. La aplicacion F (x) = x(1 x) posee un punto crtico en c = 1/2 .
Ademas, satisface las hipotesis del teorema anterior, por lo tanto posee
a lo mas una orbita peri
odica atractora, de hecho esto ocurre para todo
80
Teorema de Singer
Captulo 4
Hiperbolicidad
Sea I R un intervalo y sea f : I R una aplicaci
on de clase C r ,
r1
Definici
on 4.1. Sea p I un punto peri
odico de perodo n de f . Decimos
n
que p es hiperb
olico si |(f ) (p)| = 1 . Caso |(f n ) (p)| < 1 decimos que p
rbita peri
odica atractora. En particular,
es atractor y que orbf (p) es una o
n
si (f ) (p) = 0 decimos que p es supertractor. Si |(f n ) (p)| > 1 decimos
rbita peri
odica repulsora.
que p es un repulsor y que orbf (p) es una o
Ejemplo 4.1. Sea f : R R dada por f (x) = 12 (x + x3 ) . Se tiene que
f es un difeomorsmo y que p1 = 0 , p2 = 1 y p3 = 1 son puntos jos de
olicos, con
f . Ademas, f (0) = 12 , f (1) = 2 , luego esos jos son hperb
x1 = 0 atractor y x2,3 = 1 repulsores.
...
.
...
..
....
..
.. ....
..
..
... ........
..
. .
.. ....
.... . . . ..........
.
.
1... ...........
... ...... ... .
. .
........................ .
.
........................................................................................................................................
. .............. ..
-1
1
. .... ...... ...
..
. ........
.
.
.
. ..
..... . . . ....-1
......
...
.........
.
.
..
.
.
..
.... ....
.
.
..
.
.
.
.
.
.
..
.
.
..
.....
82
Din
amica uno-dimensional. Hiperbolicidad
Proposici
on 4.1. Sea p un punto jo hiperb
olico atractor de f , entonces
existe un intervalo abierto U que contiene a p tal que para cada x U , se
tiene limn f n (x) = p .
Demostraci
on. Como f es de clase C r , con r 1 , existe > 0 tal que
para cada x ]p , p + [ se tiene que |f (x)| A < 1 . Luego,
|f (x) p| = |f (x) f (p)| A|x p| < A < ,
por lo tanto f (x) ]p , p + [ . Por inducci
on, tenemos que
|f n (x) p| An |x p| ,
de donde limn f n (x) = p . Lo que completa la prueba.
Observaciones.
1. Es claro que ]p , p + [ Wfs (p) .
2. Caso p sea un punto peri
odico hiperb
olico atractor de perodo n
para f , con un argumento an
alogo se prueba que existe un intervalo abierto U que contiene a p , tal que para cada x U se tiene
limk f nk (x) = p .
3. Caso p se un punto jo hiperb
olico repulsor (resp. peri
odico de
perodo n ), entonces existe un intervalo abierto U que contiene a
/U
p , tal que para cada x U {p} existe k = k(x) tal que f k (x)
nk
/ U ).
(resp. f (x)
83
Sergio Plaza
Gr
aca de f para = 0.5; 1; 1.5; 2; 3; 4
f (x)
olico.
Para = 3 , se tiene que f (p ) = 1 , luego p es no hiperb
Armamos que para 1 < 3 la aplicaci
on f tiene solo dos puntos
jos p0 = 0 y p , y para cada punto en el intervalo x ]0, 1[ se tiene que
limn fn (x) = p .
84
Din
amica uno-dimensional. Hiperbolicidad
En efecto,
i) Si 1 < 2 entonces para cada x ]0, 1/2[ se tiene que |f (x) p | <
|x p | si x = p . Luego, limn f n (x) = p . Ahora, si x ]1/2, 1[
entonces f (x) ]0, 1/2[ , y por lo tanto limn fn (x) = p .
nico punto en
ii) Si 2 < < 3 , entonces 1/2 < p < 1 . Sea p el u
2
p ) = p . Es claro que f ([
p , p ]) [1/2, p ] . Luego,
]0, 1/2[ tal que f (
n
si x [
p , p ] se tiene que limn f (x) = p .
p , p ] . Luego,
Ahora, si x < p entonces existe k > 0 tal que fk (x) [
k+n
limn f (x) = p .
Finalmente, como f aplica el intervalo ]p , 1[ sobre el intervalo ]0, p [ ,
p , p ] ]p , 1[ .
obtenemos el resultado, pues ]0, 1[ = ]0, p [ [
1...........................................................................................
...
... ..
...
............. ..... ...
...
..
...............................................
.
.
.
.
.
.
.
.
.
.
.
...
.
.
.
.
.
.
.
. ... .. ...
... ...................................................................... ....
... ..................................................... ..
... ........................ . ..................... ..
............ ..
.
... .....................
........... ..
.
.. ...............
....... ..
............
................................................................................
0.5
gr
aco de f para = 1.6, 2, 2.4, 2.8 y 3
Captulo 5
Aplicaci
on Logstica
revisitada
En este captulo exploramos un poco m
as la din
amica de la familia a 1
par
ametro de aplicaciones f : I R denida por f (x) = x(1 x) . En
ametro
el captulo anterior analizamos la din
amica de f para valores del par
con 0 < 3 . Ahora consideramos valores del par
ametro para > 4 .
nico punto crtico en x = 1/2 y f (1/2) = /4
La aplicaci
on f tiene un u
es un punto de m
aximo. Para > 4 se tiene que f (1/2) > 1 . La gura
siguiente muestra el gr
aco de f para un valor > 4 . Denamos el
conjunto
=
f n ([0, 1]) .
n=0
86
Din
amica 1dimensional. Aplicaci
on Logtica
.......................
.......
.....
....
....
...
....
.
.
..
.....
.
1 ..........................................................................................................................................................................
.
. ...
...
.. .
.. .
.
. ... ....... ...
...
.. .
.
. ... .....
...
.. .
...
.
.
.
.
..
.
.
.
.
...
..
.
..
.
. ........ ....
...
.. .
.
..
..
.
.
.
...
.
.
.
.
..
.
...
..
.
.
.
...
.
...
.
..
...
..
...
. ....... .
.
..
.
.
.
.
..
...
...
. .....
.
.
.
.
..
...
...
.....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.... ...
.
.
.
.
.
.
.
.
.
.
.
.
.
... ..
.
..... ...
.
. ........ .
... ..
.
.
.
. ....
.. ...
..... ...
.
.
.
.
.. .
.
.
.
.
.
.. ..
.
.
.
.
.
..... ...
.
.
.. ..
.
.
.
.
.
.
. .
.. ..
.
.
..... ...
.
.
.
.
.
.. ..
.
.
.
.
.. ..
.
.
.
..... ... .......
....
.
.
.
.
.
....
................
.
.
.
..................................................................................................................................................
q0
0.5
q1
gr
aco de f para > 4
87
Sergio Plaza
. Luego, f (x ) = 2
+ y de aqu |f (x )| =
2
2
Demostraci
on. Supongamos que contiene un intervalo, digamos [a, b] .
Para cada n 1 , el teorema del Valor Medio aplicado a fn sobre [a, b]
nos muestra que existe cn ]a, b[ tal que
fn (b) fn (a) = (f n ) (cn )(b a) .
Sea = f (q0 ) . Se tiene que |f (x)| para todo x In .
88
Din
amica 1dimensional. Aplicaci
on Logtica
contiene ning
un intervalo, y es por lo tanto un conjunto de Cantor, como
queramos probar.
89
Sergio Plaza
Observaci
on. Es claro que si |f (x)| > 1 para cada x , entonces las
cuatro condicones del lema se satisfacen.
Demostraci
on: ((4) = (3)) como f es C r , se tiene que (f n ) es continua
para cada n . Como para cada x , se tiene que |(f nx ) (x)| > 1 y que
(f nx ) continua, luego existe una vecindad Ux de x y existe x > 1 tal
que |(f nx ) (y)| > x para todo y Ux . Los conjuntos {Ux : x }
forman un cubrimiento abierto del conjunto compacto , luego existe un
umeros
subcubrimiento nito {Ui }ki=1 de y para i = 1, . . . , k existen n
n
i
umeros ni ( i = 1, . . . , k ), tales que |(f )(y)| > i para todo y
i > 1 y n
Ui . Sean = max{n1 , . . . , n } , 0 = min{1 , . . . , l }, y m = min |f (x)| .
x
90
Din
amica 1dimensional. Aplicaci
on Logtica
m j0
m k0
> 1
( pues m 1 e ix )
( por la eleccion de 0 )
( pues j k y 0 1)
( por la eleccion de k)
m = min |f (x)|
x
luego > 1 y m > 0 . Como hemos supuesto que n0 > 1 , debemos tener
que m 1 . Elijamos k de modo que mn0 1 k > 1 .
Sea N = n0 k + (n0 1) . Si n > N , escribamos n = n0 (k + ) + i , donde
> 0 y 0 i n0 1 . Entonces para cualquier x tenemos
|(f n ) (x)| = |(f n0 (k+) ) (f (x))| |(f i ) (x)|
k+ mi
k mn0 1
>
> 1
( pues m 1 e i n0 1)
( por la eleccion de k)
( pues > 1)
m = min |f (x)| .
x
= m1
C = (m/)N 1 ,
91
Sergio Plaza
m N 1
m
<1 e iN 1
kN +i
pues
= Cn ( por la eleccion de C)
Demostraci
on. Como |f | es continua sobre el intervalo cerrado I debe
tener un mnimo en alg
un punto x0 I . Si x0 ]a, b[ , entonces f (x0 ) = 0
pues S(f ) < 0 sobre ]a, b[ . Si f (x0 ) > 0 entonces f tiene un mnimo
local positivo sobre ]a, b[ , lo cual es una contradicci
on. Por otra parte,
si f (x0 ) < 0 , entonces f tiene un maximo local negativo sobre ]a, b[ lo
que tambien es una contradicci
on. En consecuencia se sigue que x0 = a o
x0 = b . Esto completa la prueba.
Aplicamos el principio del m
odulo mnimo a los iterados fn , para obtener
informaci
on acerca de la forma del gr
aco de fn entre sus puntos crticos
la cual es dicil de obtener de otro modo.
92
Din
amica 1dimensional. Aplicaci
on Logtica
es el punto jo de f .
............................
.......
.....
....
....
...
....
.
.
...
.....
.
.............................................................................................................................................................................
...
... ..
... .
. .....
.
...
.
..... ..
. ...
.
.. .
.... ...
...
.
.
.
.
.
..
.
.
.
.
.
... ...
...
..
..
...
.... . . . . . . . . .. . . . . . ... . ...........
..
...
.
.
..
.... ..
.
. ...... ....
.
...
.. .
..
.
.
.
..
.
.
.
.
.
...
...
.
.
.
.
.
..
.
.
.
...
. . . ...
.
. . ..
.
.
..
.
.
.
.
.
.
...
.
. .
.
.
.
..
.
. ......
. . ....
...
... . .
..
...
..
. ......
. . ....
.. . .
..
.
.
...
..
. . ...
.
.
.
.
.
.
.
.
...
.
.
.
.
.
.
.
.
.
.
.
.
.
. .
... ...
.
...
.
.
.
.
.
...
.
. . ..... .
... ..
.
.
... ..
. . .....
.. ...
.
.
. .
.. .
. ......
..... ...
.
. .
.. ..
.
. ......
.. ..
.
.
.
.
..... ....
...... .
.. ..
.
.
.
.. ..
. .
.
.
..... ...
.
.
. .
.. ..
.
.
.
.
.
.
... ..
.
. .
..... ... ....... . ..
.
.
.. ..
.
.
.
. .
....
.
.
.
........ .......
. .
....
.........
.........................................................................................................................................................................
p0 q 0
0.5
q 1 p1
gr
aco de f para > 4
Como > 4 se tiene que |f (p )| > 1 (de hecho basta que > 3).
Ahora, notemos que f ([p0 , q0 ]) = f ([q1 , p1 ]) = [p1 , 1] . Luego si J =
/ J.
]p0 , q0 [ ]q1 , p1 [ , y si x J , entonces f (x)
Lema 5.5. (Lema del Retorno). Si > 4 entonces para cada x J existe
un entero n 2 tal que fn (x) [p0 , p1 [ .
Demostraci
on. Elijamos x J . Luego f (x) ]p1 , 1[ y f2 (x) ]0, p1 [ .
Si f2 (x) [p0 , p1 [ estamos listos. Supongamos que f2 (x) ]0, p0 [ . Armamos que para alg
un n 1 se tiene que f2+n (x) [p0 , p1 [ . Supongamos
que no. Como f (z) > z para todo z ]0, p0 [ tenemos que f2+n (x) es una
sucesion creciente y acotada por p0 . Luego limn f2+n (x) = z0 p0 es
(n+1)+2
(x) = z0 , es
decir, z0 = limn fn+2 (x) , luego f (z0 ) = limn f
on.
decir, z0 es punto jo de f en ]0, p0 [ , esto es una contradicci
Lema 5.6. Si > 4 , entonces q0 p0 < p0 . En consecuancia los intervalos
]p0 , q0 [ y ]q1 , p1 [ tiene longitud menor que los intervalos ]0, p0 [ y ]p1 , 1[ .
Demostraci
on. Tenemos que q0 p0 < p0 si y solo si q0 < 2p0 . Por lo
93
Sergio Plaza
tanto debemos probar que si > 4 entonces 2p0 > q0 . Tenemos que
1
1
1 1
y q0 =
.
p0 =
2
4
> 1
> 0 , luego
>
,
esto
es,
>
2
4
2
4 , es decir,
2p0 > q0 , que es lo que queremos probar.
olico para f .
Teorema 5.2. Si > 4 , entonces es un conjunto hiperb
Demostraci
on. Sea x . Supongamos que x > 1/2 , el caso x < 1/2
se sigue por la simetra de f respecto a 1/2 . Necesitamos encontrar n , el
cual depende de x , tal que |(fn ) (x)| > 1 .
Si x p1 , podemos hacer n = 1 . Si x = q1 entonces fn (q1 ) = 0 para
n 2 , luego
|(fn ) (q1 )| = |f (q1 )||f (1)||f (0)|n2
= n1 2 4
4
n
1
=
94
Din
amica 1dimensional. Aplicaci
on Logtica
tales que |(fn ) (y)| > 1 y |(fn ) (z)| > 1 . Como fn (x) [p0 , p1 [ , tenemos
que x K n,j , luego y x z . Como fn no tiene puntos crsticos en
[y, z] , el principio del M
odulo Mnimo asegura que |(fn ) (x)| > 1.
Ahora, supongamos que In,j no es subconjunto de [q1 , p1 [ . Otra vez,
particionamos In,j en tres subintervalos, In,j = Ln,j Kn,j Rn,j donde
fn (Ln,j ) = [0, p0 ] fn (Kn,j ) = ]p0 , p1 [ , y fn (Rn,j ) = [p1 , 1] . Como antes x
K n,j pues fn (x) [p0 , p1 [ . Como x ]q1 , p1 [ , uno de ellos Ln,j o Rn,j no
es subconjunto de [q1 , p1 [ . Supongamos que Ln,j esta contenido en [q1 , p1 [
y Rn,j no (el otro caso es analogo). Como In,j [q1 , 1] e In,j [q1 , p1 [ =
debemos tener que p1 In,j . Como antes, |fn (Ln,j )| > |Ln,j | y por el
teorema del Valor Medio existe y Ln,j tal que |(fn ) (y)| > y . Ahora,
|(fn ) (p1 )| > 1 , pues p1 es un punto jo repulsor. Entonces x [y, p1 ] y
odulo Mnimo
fn no tiene puntos crticos en [y, p1 ] , luego el Principio del M
n
asegura que |(f ) (x)| > 1 , lo que completa la prueba del teorema.
5.1
Din
amica simb
olica y la aplicaci
on logstica
d(s, t) =
|si ti |
i=0
2i
95
Sergio Plaza
Proposici
on 5.1. Sean s, t 2 . Suponga que si = ti para i = 0, 1, . . . , n
as, si d(s, t) < 21n , entonces si = ti para
entonces d(s, t) 21n . Adem
0 i n.
Demostraci
on. Si si = ti para 0 i n , tenemos
d(s, t) =
n
|si ti |
i=0
2i
1
|si ti |
1
= n.
i
i
2
2
2
i=n+1
i=n+1
1
2n
1
1
> n
2j
2
, entonces si = ti para 0 i n .
odicos
1. #Pern () = 2n , donde P ern denota el conjunto de los puntos peri
de perodo menor o igual que n .
2. El conjunto de puntos peri
odicos de es denso en 2 .
3. Existe o
rbita densa de en 2 .
Demostraci
on.
96
Din
amica 1dimensional. Aplicaci
on Logtica
97
Sergio Plaza
98
Din
amica 1dimensional. Aplicaci
on Logtica
5 satisface.
1. Card( Pern (f )) = 2n
2. f tiene
orbita densa en
3. Per(f ) es denso en
5.2
fn ([0, 1]) .
=
n=0
2
Para = 4 , se tiene que f4 1 = T , donde (x) = arcsen( x )
99
Sergio Plaza
...................................................................................
..
...
.. .
.. . ....
.... ..
....
... .. ..... ....... ....
.
.
....
..
.....
...
.. . ...... ...
..
.
...
... ......... ..... ....
.
.
... ..
..... ... ....... .
... ..
. . .
... ..
..... ... .......
... ..
.
..
.. ..
.
..................
.........................................................................
f4
4x
g = f 1
.
En la siguientes guras se muestra f y g para = 4.2 , donde c =
(1) .
1
.. . . . . . . . . ....... . . . . . . . . ...
. . ..
.
............................................................................................................................
...
. . ...
.
.... ..
..
...
..
.... ..
...
.... ...
.. .. .....
.
.
.
.
..
...
.
..
... ...
.
.
...
..
... .....
.
..
..
.
.
.
.
.
...
.
.....
..
. .... ...
.
..
. ..... ...
...
.....
..
.
.
.
.
.
.
.
.
..
...
...
.
.
.
.
.
.
..
...
..
...
.
.
.
.
.
..
...
.
.
.
.
...
....
..
.
.
.
.
.
.
.
.
.
...
.
..... ... ........
.
... ...
.
.
.
... ..
..... ... .......
.
... ..
. .
.
... ..
..... ... .......
... ..
.
. .
....
.
...............
...................................................................................................................
.. . . . . . . . ..................... . . . . . . . ..
...
...
.
.
..... . .....
.................................................................................................................................
.
.
...
.
...
.
.
...
... ...... ....
...
.
.
... .....
..
..
...
.
.
.
.
..
.
.
.
..
....
..
.......
.
.
.
.
.
.
..
.
.
.
.
.
.
.
.
...
.....
.
. ....
..
.
.
.
...
. .....
.
...
.....
.
...
.
.
.
.
.
.
.
.
... ..
.... ...
....
... ..
....
. .
... ..
.... ..
.... ...
.
.
.
... ...
.
.
.
.
.
.
.
..... ...
.
.. ...
.
.
.
.
.
.
.. .
..... ... .......
.. ..
.
.
.
.. ..
.
..... ... .......
.. ..
.
.
.
....
.
..
...............
..................................................................................................................
(n1)
Como fn = gn sobre f
([0, 1]) para n 1 los puntos que
escapan de [0, 1] bajo iteraciones por f corresponden a puntos que escapan
, donde
on conjuga f | con g |
de [0, (1)] bajo g . La aplicaci
n
=
acilmente que g es uniformemente
|g (y)| para todo y [0, (1)] { (1/2)} .
100
Din
amica 1dimensional. Aplicaci
on Logtica
Demostraci
on:. Sea y = (x) , con x ]0, 1[{1/2} . Derivando la
identidad f4 = g4 se obtiene que
( f4 ) (x) = 2 sign(1 2x) (x) .
1
g (y) = ( f ) (1
(y))( ) (y)
( f ) (x)
(x)
( f4 ) (x)
4 (x)
(x)
2 4 x
4
4 1 x
= sign(1 2x)
1x
sign(1 2x) =
4
= sign(1 2x)
Como
1/2
Ahora, para > 4 los intervalos Is0 s1 sn1 , con (s0 , . . . , sn1 ) {0, 1}n
y n 1 , denidos por
Is0 s1 sn1 =
n1
fj (Isj ),
j=0
101
Sergio Plaza
(n)
4
n1
n 1.
Demostraci
on. Sean n 1 y (s0 , , sn1 ) {0, 1}n jados. Por el
Lema 5.7 y el teorema del Valor Medio, obtenemos que
(Is0 sn1 ) (1)
n
.
1
obtenemos
2
n
.
fn ([0, 1])
2 (n)
2
n
n1
102
Din
amica 1dimensional. Aplicaci
on Logtica
Captulo 6
Sobre la Denici
on de caos
Sea (X, d) un espacio metrico, y sea f : X X una aplicaci
on continua.
Decimos que f es transitiva si para cada par de conjuntos abiertos no vacos
U, V en X existe un entero no negativo k tal que f k (U ) V = , en un
cierto modo, transitividad indica irreducibilidad del sistema. Decimos que
f tiene dependencia sensitiva respecto a las condiciones iniciales si existe
un n
umero positivo > 0 (una constante de sentividad) tal que para cada
x X y cada vecindad U de x en X existen un punto y U y un entero
on de sensitividad
no negativo n tal que d(f n (x), f n (y)) > . La condici
captura la idea que en sistemas caoticos errores peque
nos en un experimento
pueden llevar a divergencia en gran escala.
Teorema 6.1. Si f : X X es transitiva y Per(f ) es denso en X
entonces f es sensitiva respecto a las condiciones iniciales.
Demostraci
on. Primero observemos que existe un n
umero 0 > 0 tal que
para todo x X existe un punto peri
odico q X cuya orbita orbf (q) esta
odicos
a distancia al menos 0 /2 de x . De hecho, elijamos dos puntos peri
orbitas disjuntas orbf (q1 ) y orbf (q2 ) . Sea 0 la
arbitrarios q1 y q2 con
angulo,
menor distancia entre orbf (q1 ) y orbf (q2 ) . Por la desigualdad del tri
para cada punto x X esta a distancia al menos 0 /2 de una des esas
dos orbitas elegidas. Vamos a mostrar que f tiene dependencia sensitiva,
103
104
Sobre la definci
on de caos
tomando = 0 /8 .
Sea x X un punto arbitrario y sea N una vecindad de x . Como
los puntos peri
odicos de f son densos en X , existe un punto peri
odico
p en la intersecci
on N = N B(x, ) . Sea n el perodo de p . Por
lo anterior existe un punto peri
odico q X cuya orbita orbf (q) esta
a distancia al menos 4 de x . Sea V = ni=0 f i (B(f i (q), )) . Claramente V es un conjunto abierto, y es no vaco, pues q V . Consecuentemente, como f es transitiva, existe y U y un n
umero entero
k
no negativo k tal que f (y) V . Ahora, sea j la parte entera de
k/n + 1 . Luego, 1 nj k n . Por construcci
on tenemos que f nj (y) =
f njk (f k (y)) f njk (V ) B(f njk (q), ) . Ahora, como f nj (p) = p , por
la desigualdad del tri
angulo, tenemos que d(f nj (p), f nj (y)) = d(p, f nj (y))
d(x, f njk (q)) d(f njk (q), f nj (y)) d(p, x) . Consecuentemente, como
p B(x, ) y f nj (y) B(f njk (q), ) , tenemos que d(f nj (p), f nj (y))
4 = 2 . Luego, usando la desigualdad del tri
angulo otra vez,
nj
nj
nj
nj
tenemos que o bien d(f (x), f (y)) > o d(f (x), f (p)) > . En
cualquier caso, encontramos un punto en N cuya nj esimo iterado esta a
distancia mayor que de f nj (x) . Esto completa la prueba del teorema.
Captulo 7
Bifurcaciones de
Aplicaciones del Intervalo
Sea {f } una familia de aplicaciones del intervalo, f : I I . Decimos que es un valor regular si existe una vecindad V tal para
cada V se tiene que f es conjugada a f . Si no es un valor
regular, decimos que es un valor de bifurcaci
on. Desde la denici
on se
tiene que los valores de bifurcaci
on forman un conjunto cerrado.
nico
Ejemplo. Sea E (x) = ex , con > 0 . Tenemos que = 1/e es el u
valor de bifurcaci
on para {E }>0 . Para E con < 0 el valor = e
es un valor de bifurcaci
on de {E }<0 .
Ejemplo 7.1. Las siguientes son ejemplos de familias a 1parametro de
aplicaciones, en las cuales pueden aparecer bifurcaciones.
1. E (x) = ex
2. S (x) = sen(x)
3. Qc (x) = x2 + c
4. f (x) = x(1 x)
105
106
(fn ) (p)
Tenemos que si || < 1 , entonces fn es una contraccion en alguna vecindad de p , luego para x sucientemente pr
oximo de p , se tiene limj fnj (x) =
107
Sergio Plaza
p . Por otra parte, si || > 1 existe una vecindad U de p tal que fnj (x) U
para todo j 0 implica que x = p . Ademas, por el teorema de la Funci
on
Implcita, cuando || = 1 , existe una vecindad y U de p y existe una
vecindad U de f en el conjunto de las aplicaciones C r (r 1) de I en
odico p() de perodo n
si mismo, tal que cada f U tiene un punto peri
con p() U . Ademas la aplicacion v p() depende C r de .
Por lo tanto, la bifurcaci
on de orbitas peri
odicas puede ocurrir cuando el
n
umero de orbitas peri
odicas de perodo n en un valor para el cual existe
un punto peri
odico p de perodo n con (p) = 1 . Cuando (p) = 1 y se
satisfacen algunas condiciones extras, decimos que tenemos una bifurcaci
on
sillanodo, y si (p) = 1 bajo condiciones extras, tenemos una bifurcaci
on
de duplicaci
on de perodo.
Ejemplo 7.2. Bifurcaci
on sillanodo.
on E
Sea E (x) = ex , con > 0 . Para 0 < < 1/e , la aplicaci
posee dos puntos jos hiperb
olicos, para = 1/e la aplicaci
on E posee
un u
nico punto jo en x = 1 , el cual no es hiperb
olico, pues E 1 (x)|x=1 = 1 ,
e
nalmente para > 1/e la aplicaci
on E no posee puntos jos.
...............................................................................................................................
........................................................................................................................
.................................................................................................................
.
.
.
.
.
.
.
. ... .....
.
...
..
... .....
....
....
....
.
. .. .....
.
.....
..
.. ......
..
..
..
....
..
.
. ... .....
.
..
..
..
... .......
.
.. . .......
.
.........
.
.
.
..
.
..
. .
..
...
..
.. ...
.
...
.
.... ....
.. .....
..
..
..
......
..... ....
.
.
..
..
..
... ........
.......... .
.............
.
.
.
.
.
.
.
.
..
.
.
.
.
. .
.
.
..
...
...
... ....
...... ....
.... ... .
..
..
..
...... ....
. ..............
.
.... .... .
..
..
..
......... ........
....
.
.
............
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
.
.
.
.
. ..........
.
. ..............
..
...
.. .................. ........
.
. ..............
..
..
.
........
...................
..
..
....
.....
.
...........
.
.
.
.
.
.
.
.
.. ............................
.
.
....
.... .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
........................ ...... .
................................ .
... .......
.
.. .....
.
.
.. ......
.. .....
.. ....
.. .....
.. ....
...............................................................................................................
..............................................................................................................
.............................................................................................................
p
= 1/e
> 1/e
108
2.
d n
f (p) = 1
dx
3.
d2 n
f (p) < 0
dx2
4.
d n
f (p) > 0 .
d v
f
(p, ) > 0 .
(1) (p) = , (p) = 0 , (p) = xf2 (p, )/
fn (x2 ())
x
g
g
(p, ) = 0 y
(p, ) = 0 , luego, por el teorema de
dg(p, ) = 0 y
x
la Funci
on Implcita existe una funci
on C r , = h(x) tal que = h(p) y
g(x, ) = 0 si y solo si = h(x) en alguna vecindad de (p, ) en I I ,
la cual podemos elegir de la forma ]p , p + [ ]1 , 2 [ , tenemos que
dh
dh
g
(x, h(x))
(x)dx , luego
(p) = 0 .
g(x, h(x)) = 0 , de donde 0 =
x
dx
dx
g d2 h
2g
+
= 0.
Derivando dos veces g(x, h(x)) = 0 obtenemos que
x2
dx2
1 2
g
g
d2 h
(p, )
(p) =
(p, ) < 0 . Esto
Evaluando en (p, ) , se tiene
dx2
x2
109
Sergio Plaza
..
...
................
............
.............
.
.
.
.
.
.
...
.
.
.
.
.
.
= h(x)
.....
....
........
.
.....
.................................................................................................................................
....................
..
...
(p, ) ...........
..
...........
..
.............
..
.............
..
..............
..
.............
x...
..................................................................................................................................................... <
.
.
.
.
.
.
.............................................................................................................................................................. =
.... . ....
.
.
.. . ....
.
..
... .. ....
..................................................................................................................................................................... >
Observaci
on. Cambiando una desigualdad en las hip
otesis (3) o (4) del
2
d h
y luego intercambia los roles de los
teorema solo cambia el signo de
dx2
intervalos ]1 , [ y ], 2 [ .
Ejemplo 7.3. Duplicaci
on de perodo.
Consideremos la familia E (x) = ex , con < 0 .
Para = e se tiene que E (1) = 1 y E (1) = 1 . Luego. x =
on
1 es un punto jo no hiperb
olico para Ee . Para e < < 0 la aplicaci
nico punto jo atractor y cuando < e la aplicaci
on
E posee un u
nico punto jo repulsor. Consideremos la aplicaci
on E2 =
E posee un u
E E , es facil ver que E2 es concava si E (x) < 1 y es convexa si
E (x) > 1 . Luego E2 tiene 2 nuevos puntos jos, q1 y q2 para < e ,
de hecho estos dos puntos jos estan sobre una orbita peri
odica de perodo
amicamente esta duplicacon de perodo envuelve
2 para E . Din
110
d n
f (p) = 1
dx
3.
d3 2n
f (p) < 0
dx3
4.
d2 n
f (x) > 0 en (p, ) .
dxd
d2 2n
f (x) =
dx2
=
=
=
d2 n
(f fn )(x)
dx2
d n n
d n
d
f (f (x)) f (x)
dx dx
dx
d n n
d n
d n n
d2
d
f (f (x))
f (x) +
f (f (x)) 2 fn (x)
dx dx
dx
dx
dx
2
d n
d n n
d2 n
d2 n n
f
f
f
(f
(x))
(x)
+
(f
(x))
f (x)
dx2
dx
dx
dx2
111
Sergio Plaza
d2 n
d2 2n
f (p) =
f (p)
2
dx2
dx
2
d2 n
d2 n
d n
d n
d n
f (p) 2 f (p) = 2 f (p)
f (p) +
f (p)
dx
dx
dx
dx
dx
2
d n
f
(p)
+
dx2
= 0.
g
(p, ) = 0 ,
x
3g
2g
(p,
v)
=
0
,
y
(p, v) = 0 . Luego, por el teorema de la Funci
on
x2
x3
r
n
Implcita existe una funci
on C , x = k() tal que p = k() y f (k()) =
k() . Por lo tanto, g(k(), ) = 0 . Consecuentemente la funci
on g ,
g(x, )
g
es C r y satisface g(p, ) = 0 ,
(p, ) =
denida por g(x, ) =
x k()
x
g
2g
(p, ) = 0 , luego podemos aplicar el argumento de
(p, ) = 0 , y
0,
2
x
112
Captulo 8
Aplicaciones mom
otonas por
partes del intervalo
8.1
114
FIGURA
Definici
on 8.3. Los m
aximos locales o mnimos locales interiores cj , con
j = 2, , n 1 de f son llamados puntos de doblez (o puntos crticos
topol
ogicos) de f .
Lema 8.1. Si f, g MP(I) entonces f g MP(I) . Adem
as, (g)
(f g) (f ) (g) .
los laps de
Demostraci
on. Sean I1 , . . . , In los laps de g y sean I1 , . . . , Im
f . Entonces g aplica cada Ij homeomorcamente sobre g(Ij ) I , y esta
as laps Ik de f . Si elegimos
imagen g(Ij ) puede ser cubierta por uno o m
cualquier ndice k tal que la intersecci
on g(Ij )Ik es un intervalo no trivial,
I
entonces la imagen inversa g1 (Ik ) intersecta a Ij en un intervalo Ij,k
j
el cual tiene la propiedad que g aplica Ij,k homeomorcamente sobre el
intervalo g(Ij ) Ik , y f aplica este intervalo homeomorcamente en Ik .
De este modo, podemos cubrir I por una cantidad nita de intervalos, cada
uno de los cuales es aplicado por f g sobre su imagen. Como cada uno
115
Sergio Plaza
, se
as (f ) intervalos Ij,k
de los (g) intervalos Ij es cubierto por a lo m
sigue que (f g) (f ) (g) .
log(s(f )) = lim
1
log((f n )) .
n
El n
umero de crecimiento puede ser pensado como una medida de la complejidad de la din
amica de f .
Lema 8.2. El n
umero s(f ) siempre existe y satisface 1 s(f ) (f ) .
Adem
as, el n
uemro de creciemiento de f n es dado por s(f n ) = (s(f ))n .
Demostraci
on. Sea k 1 un entero jo. Para cada n existen enteros m
y p tales que n = mk + p con 0 p k 1 . Luego,
(f n ) (f mk )l(f p ) ((f k ))m (f )p ,
y de aqu
(f n )1/n (f k )m/n (f )p/n .
116
x = x0 x1 x2
Decimos que x tiene itinerario I = (Ij(0) , IJ(1) , Ij(2) , . . .) con respecto a
la partici
on I = I1 I2 In si
x0 Ij(0) , x1 Ij(1) , x2 Ij(2) , . . .
117
Sergio Plaza
o equivalentemente,
x IJ(0) f 1 (Ij(1) ) f 2 (Ij(2) ) .
Ejemplo. Sea 0 < c 2 una constante. Consideremos la aplicaci
on
fc (x) = x2 c .
La aplicaci
on fc aplica el intervalo [c, c] sobre si mismo. Usamos la
notaci
on L = [c, 0] y R = [0, c] . Para jar las ideas, supongamos que
seguimos la orbita.
c c2 c (c2 c)2 c
del valor crtico f (0) = c . Tenemos los siguientes casos especcos, en
orden de complejidad.
1. Para c = 2 , la orbita crtica es
2 2 2 .
El itinerario asociado es I = (L, R, R, ) , el cual denotamos simplemente por LRRR o mas brevemente por LR .
2. Para c = 1.25 , la orbita crtica es
1.25 0.3125 1.152 0.077
luego, para los primeros iterados wn = f n (0) tenemos
w1 < w3 < 0 < w4 < w2 ,
118
(LRL) .
Esta situaci
on no es robusta, pues esta periodicidad con perodo 3
desaparece si reemplazamos c = 1.75 por cualquier otra constante
cercana.
4. Para c = 1.5 , el correspondiente itinerario es como sigue
I = LRLLLLLRLLLR
= LRLs RL3 RL5 RL3 RLRL5 RL3 RL
al parecer este itinerario no tiene repeticiones pariodicas, pero eso hay
que probarlo.
En este caso es difcil dar una prueba de la armaci
on anterior, pues
existe una alta sensibilidad en este valor de c = 1.5 .
Definici
on 8.6. Para todo x en el intervalo [a, b[ se dene el itinerario
lmite por la derecha I(x+) como el lmite de I(y) cuando y converge a x
desde la derecha. M
as precisamente, el itinerario lmite por la derecha de
x [a, b[ , I(x+) puede ser denido como la u
nica sucesi
on (Ij(0) , Ij(1) . . .)
n
de laps los cuales satisfacen la condici
on que f (y) Ij(n) para todo n 0
y todo y en alg
un intervalo ]x, x + [ a la derecha de x , donde la elecci
on
del intervalo puede depender de n . Usamos la notaci
on
I(y)
I(x+) = y
lim
x
y>x
119
Sergio Plaza
120
Definici
on 8.8. Un intervalo cerrado J I es un homterval si cada n N
se tiene que f n aplica J homeomorcamente sobre su imagen f n (J) I .
Si J I es un homterval, se sigue entonces que las imagenes f n (J) ,
n 0 , no pueden contener puntos de doblez de f en su interior. Adem
as,
cualquier par puntos en el interior de J tienen el mismo itinerario I . Por
otra parte, se tiene que un intervalo J I es un homterval si y s
olo si J
esta contenido en el sop(I) para un u
nico y bien denido itinerario I . Si
sop(I) es un intervalo, entonces lo llamamos un homtervalo maximal.
Notemos que dos homterval maximales pueden intersectarse en a lo mas
un punto extremo com
un, el cual es necesariamente un punto de predoblez.
Veamos ahora la relacion entre orbitas peri
odicas y sucesiones periodicas
de smbolos.
Lema 8.4. Si x I es un punto peri
odico de perodo n , y si el itinerario
I(x) est
a bien denido, entonces I(x) es una sucesi
on peri
odica de smbolos,
con perodo dividiendo a n . Mas a
un, si x es un punto de predoblez, luego
su itinerario no est
a bien denido, entonces una de las sucesiones lmites
I(x) o I(x+) debe ser peri
odica, con perodo dividiendo a n .
Recprocamente, dada una sucesi
on I de laps, la cual es peri
odica de
Sergio Plaza
121
122
Sergio Plaza
123
8.2
Definici
on 8.9. Decimos que una aplicaci
on f : I I contiene una
herradura (horseshoe) si existe un intervalo compacto J I y dos intervalos
no traslapados J1 , J2 J tal que f (J1 ) J y f (J2 ) J
Ejemplo. Sea f : [1, 1] [1, 1] dada por f (x) = 2x2 1 .
Si f tiene una horseshoe entonces J1 J2 J , luego por el teorema
de Li& Yorke f tiene puntos peri
odicos de todos los perodos.
Teorema 8.2. Si f : I I tiene un punto peri
odico de perodo 2m1 >
3 , entonces f f contiene una herradura (horseshoe). Adem
as, f tiene
puntos peri
odicos de todos los perodos pares.
Demostraci
on. Elijamos n = 2m 1 minimal. Podemos asumir que la
orbita peri
odica tiene orden tipo tm , donde
tm = (1, m, m + 1, m 1, m + 2, m 2, . . . , n 2, 3, n 1, 2, n) .
Sea J = [x1 , xm+1 ] = J1 J2 , donde J1 = [x1 , x2 ] , J2 = [x2 , xm+1 ] , y
sea K = [xm , n] . Entonces bajo f tenemos J1 J [x1 , xm+1 ] = J y
J2 [xm1 , xn ] k .
Luego, ambos J1 y J2 se aplican sobre J1 J2 bajo f f , lo cual nos
da la horseshoe requerida.
Notemos que los intervalos J1 y J2 se traslapan. Sin embargo, J1 no
se traslapa con los otros dos subintervalos. Por lo tanto las sucesiones de
la forma J1 KJ2 K J2 K nos dan los puntos
peri
odicos de todos los perodos pares.
124
Captulo 9
Din
amica y M
etodo de
Newton
Supongamos que queremos resolver una ecuaci
on f (x) = 0 . En general
resulta imposible hacer esto en forma explcita, es decir, exhibir una f
ormula
para las soluciones, por ejemplo, si f (x) es un polinomio de grado mayor
o igual que cinco no existe, en general, una expresi
on por radicales para
las raices de f , como las hay si grado de f es es menor o igual que cuatro,
126
9.0.1
M
etodo de Newton
f (x)
.
f (x)
127
Sergio Plaza
f (x)f (x)
(f (x))2
Luego las races simples de la ecuacion, f (x) = 0 , son puntos jos superon inicial y0 es elegida sucienatractores de Nf . Por lo tanto si la condici
temente proxima a x0 , la sucesion (yn )nN , donde yn = Nfn (y0 ) converge
r
apidamente a x0 .
..
........
..
..
..
..
..
..
....
... ...
.
.
.
... ..
....
..
.... ..
.... ..
..
.
.
.
.
.
.
....
......
....
.......
.
....
.
.......
.
.
...
....
.
.
.... ..
....
.... ...
...
.
.
.
.
.
....
.... ....
.
.
.
.
.
...
....
...... ..
...
......... ... ....
.
.
.
.... raz buscada
.
.
.
.
..... ..... .......
.
.
.
.
.
.
.
...................................................................................................................................................................................... .................................................................................................
x
... ................. ... x2x1
0
...............
..
..
..
...
..
..
.
9.0.2
128
x1
f (x)dx
x0
= f (x0 ) [(x1 x)f (x)] xx10 +
x1
x0
x1
x0
f (x0 )h0
M |h0 |2
2
(desigualdad 2)
|h0 |
2
,y
M f (x1 )
(f (x1 ))2 =
M
M f (x1 )
=
|h1 |
|f (x1 )| f (x1 )
|f (x1 )|
M
|f (x1 )|
|h0 |
2
f (x0 )
2
|h0 |
.
=M
M
2 |f (x0 )|
(f (x0 ))2
129
Sergio Plaza
hk
2
M |hk |2
2
por |f (xk+1 )| ,
M |hk |2
2
M |hk |2
|f (xk+1 |
=
.
|f (xk+1 )|
2
|f (xk )|
|f (xk )|
Ejemplos.
1.- Sea f (x) = x3 2x 5 . Tomando x0 = 2 , tenemos f (x0 ) = 1 ,
f (x0 ) = 10 , h0 = 0.1 y J0 = [2 , 2.2] , puesto que f (x) = 6x sobre J0
f (x0 )
el supremo M es 13.2. Como (fM (x
2 = 0.132 < 0.5 < 1 , el teorema
0 ))
garantiza que existe una raz de la ecuaci
on f (x) = 0 en el intervalo [2 , 2.2],
y en consecuencia el metodo de Newton con condicion inicial x0 = 2 converge
a dicha raz.
2.- Ecuaci
on cuadr
atica y races cuadradas: Supongamos que queremos
resolver la ecuacion cuadr
atica f (x) = (x a)(x b) = 0, por el metodo
de Newton. En este caso, claramente conocemos las races de esta ecuacion,
pero lo analizaremos para ilustrar como funciona globalmente el metodo de
Newton.
En este caso la transformada de Newton asociada a f esta dada por
2
x2 ab
= 2x(a+b)
. Para analizar globalmente los itNf (x) = x x (a+b)xab
2x(a+b)
130
x = (y) =
bya
y1 ,
y = 1 (x) =
xa
xb ,
si y = 1
si x = b .
bya
y1
2
ab
1 Nf (y) = 1
2 bya
(a + b)
y1
1
by 2 a
y 2 1
by 2 a
y 2 1
by 2 a
y2 1
a
b
= y 2 = g(y) .
a+b
2
a+b
2
, el metodo de
a+b
2
, el metodo
, el metodo de
(]
,
1[)
=
(]1
,
+[)
=
,
+
.
] , a+b
2
2
2
2
Juntando esta informaci
on con la entregada por el gr
aco de g(y) = y , se
tiene lo armado.
131
Sergio Plaza
9.0.3
x3
x+
2
.
2
= 0 si y solo si x =
2x3 22
3x2 1
. Tenemos que
de f es '
horizontal. Por otra parte, Nf (0) = 22 , y Nf ( 22 ) = 0 , es decir,
&
2
) f ( 22 )
2
(f ( 22 ))2
f(
&
0,
2
2
'
f (0) f (0)
(f (0))2
132
9.0.4
Propiedades b
asicas de la transformada de Newton
Nf (x) =
x
x
f (x)
f (x)
si f (x) = 0
si f (x) = f (x) = 0
133
Sergio Plaza
En efecto, de la hip
otesis vemos que f (x) = (x x0 )n g(x) , con g(x0 ) = 0 .
Luego f (x) = n(x x0 )n1 g(x) + (x x0 )n g (x) = (x x0 )n1 (ng(x) +
(x x0 )g (x)) y f (x) = (n 1)(x x0 )n2 (ng(x) + (x x0 )g (x)) + (x
x0 )n1 (ng (x) + g (x) + (x x0 )g (x)) = (n 1)(x x0 )n2 (ng(x) + (n +
2)(x x0 )g (x) + (x x0 )2 g (x)) .
Ahora como,
Nf (x0 ) =
=
xx0
lim
f (x)f (x)
(f (x))2
lim
n(n 1)(g(x))2
n2 (g(x))2
xx0
xx0
n1
.
n
134
.........................................
..
...
... . .....
...
... ..
...
..
...
.
...
...
...
....
...
.....
c2
..
....
. 0
.........................................................x
...............................................................................................................
.
...
..
c1
..
...
..
.
...
.
.
...
.
...
...
...
...
..
... ... ....
....
..
. . ...
...........................................
(i)
............................................
.... . ....
... ... .....
.
....
..
...
.
.
....
..
.
.
.
.
c1
...
..................................................................................................................................................................
... x0
c2
..
.
..
.
..
....
...
.
..
.
...
... .. .....
... . ..
.............................................
(ii)
135
Sergio Plaza
................................
... .. ....
.. . ....
...
..
.
...
..
...
.....
...
...
....
...
.
.
.
..
...
..
.
...
..
...
..
...
...
..
.
...
.
..
..
...
.
.... ......
.
.
.
.
.
.
.
...
.
......... ...... ..........
.
.
..................................................................................................................................
c1
(i)
c2
......c
........1
.....................................c
........2
.........................................
.
.
..........................
.
.
..
... .....
...
..
...
.
....
...
...
....
...
...
....
.
.
.
... ... ..
...
... ... ....
.. . ...
...........................
(iii)
...................................
.
.
... .. ...
... . ..
...
..
.
..
.
...
...
..
...
..
..
.
.
...
....
..
.
...
...
.
.
....
...
.
.
.
.
.
.
.
.
.
...
.
.
......... ...... .........
.
.
..................................................................................................................................
c1
(ii)
c2
......c
.......1
.....................................c
......2
..........................................
.
.
...........................
...
.
... ...
...
...
..
.
.
.
...
..
.
..
..
..
. ...
... ... ....
. ..
...........................
(iv)
(5) Los puntos extremos locales de Nf , si f (x) = 0, son los puntos para
los cuales f (x) = 0 o f (x) = 0, esto es, los ceros y los puntos de
f (x)
= 0 si,
inexi
on de f . En efecto, tenemos que Nf (x) = f (x)
(f (x))2
solo si, f (x) = 0 o f (x) = 0.
(6) Si una banda para Nf no contiene una raz de f (x) = 0 entonces
una de las bandas adyacentes o una banda extrema no contiene races
de f (x) = 0 . Esta propiedad frecuentemente vale tambien para bandas extremas. Una condicion suciente para que esta propiedad sea
verdadera para bandas extremas es que f (x) sea siempre acotada
desde 0 cuando |x| + . Por ejemplo los polinomios tienen esta
propiedad, sin embargo esta falla para f (x) = xex . En este caso tenemos que f (x) = 0 si, y s
olo si x = 0 . Adem
as, f (x) = ex (1 x) .
Luego las asntotas de Nf , que son las soluciones de f (x) = 0 , se
x
x2
x2
= x1
.
reducen a solamente x = 1 , y Nf (x) = x exxe(1x) = 1x
Finalmente de las propiedades (1) - (6) el gr
aco tpico de Nf , con f
que satisface C.1 y C.2 es como en la gura.
136
.
.
.
....
........
........
....
........
........
......
..
.......
.....
.....
..
.......
..
.....
....
..
........
.. ..
.....
...........
.. ....... ...
..
.. ..
....
.. .... ..
..
. ..
..
..
.. .
.
.. ....
......................................................................................................................................................................................................................................................
.. .. ..
.
.
... .......
... ....
......
...
.
....
..
.. ..
. ..
.... ... ...
.. ..
. .
.. .......
.. ..
.. ...
.. ..
.. .... ...... ... ...
.. ...
.. ....
... ... ....
...... .. ... .. ..
.. ..
.. ...
.
.
.
.
.
.
.
.
................................................................................................................................................................................................................................
... ...
... .....
.. .. ...
.... .. .. .. .. ..
.. ...
.. .. ....... ... ... ..... ... ...
.. .. ..
.. ... ... ... ....
.. .... ................ .. .. .. .. ..
.. .. .. .. ...
.. ........... ... .. ..
... .. ..
. .. . . .
. ...
. . .
. ..
..........................................................................................................................................................................................................................................................
. ..
... .. ..
.
.
.
.
.
.
... .... .... ... .....
.
.
.
x
... .. ..
... .. ..
....
.. .. .................. ...
..
.. .. ..
... .. ...
.. .......... ... ..
..
.
.
.
.
... ... ..
.
.
.
.. ....
..
.. . .
... ..
..
.
.
.
.
.. ....
..
.
.
...................................................................................................................................................................................................................................................
... ..
.
..... ..
.. .....
...
.... ....
.
.. ...
.
.
.
.
.
.
.
.
.
.
..
.
.... ..
... ..
.. ....
.. ....... ...
... ..
... ..
.. ......
.
..
.. ....
..... ..
.. ...
......
..
.. ....
.
.
.
.
.
.
.
.
.
.
.
....................................................................................................................................................................................................................................
. ..
.
.
.
.
.
... ....
.
.
.
.
.
.
.
.
.
....
..... ..
. ..
.
.
.
.
.
.
.
..........
.........
.....
...
................................ ...
.......
.......
......
. . .... ..
..
......
........
............
... ..
.....
..
.......
..
....
......
....
.....
...
9.0.5
No convergencia de Nf : indenici
on de las iteraciones
Sergio Plaza
137
1) B(f ) es invariante. Dado x B(f ) sea y = Nf (x) , entonces limn Nfn (y) =
limn Nfn+1 (x) Z(f ) , luego Nf (x) B(f ) , esto es, B(f ) Nf (B(f )) .
Recprocamente, si y Nf (B(f )) existe x B(f ) tal que y = Nf (x) y
como limn Nfn (x) Z(f ) , viene que limn Nfn1 (y) = limn Nfn (x)
Z(f ) , luego Nf (B(f )) B(f ) . Claramente, B(f ) es abierto.
2) A(f ) es invariante. Dado x A(f ) existe m = m(x) N tal que
Nfm (x) Z(f ) , es decir, Nfm1 (Nf (x)) Z(f ) , de donde Nf (x) A(f )
luego A(f ) Nf (A(f )) .
Recprocamente, dado y Nf (A(f )) existe x A(f ) tal que y = Nf (x) .
Como x A(f ) existe m N tal que Nfm (x) Z(f ) , esto es, Nfm1 (y) =
Nfm1 (Nf (x)) = Nfm (x) Z(f ) luego Nf (A(f )) A(f ).
Finalmente, como B(f ) y A(f ) son invariantes, el complemento de su
uni
on, que es C(f ) tambien lo es.
Problema. Determinar la estructura topol
ogica de C(f ) y caracterizar la
din
amica de Nf |C(f ) .
Mostraremos a continuaci
on que bajo ciertas condiciones adicionales, C(f ) ,
es no numerable y contiene innitas orbitas peri
odicas de Nf .
Demostraci
on. Tomemos un intervalo I como muestra la gura abajo. Se
tiene que Nf (I) = [p , c2 [ y Nf2 (I) =] , p] . Luego, existe un intervalo
cerrado K I , tal que K Nf2 (K) , y de esto sigue el resultado en este
138
Observaci
on. Sea J = [a, p] , a = extremo derecho de J. Entonces para
cada n N , Nfn (J) J y para cada x J , limn Nfn (x) = p .
Lema 9.2. Sea g : D R R . Supongamos que I1 , , Ik , k 2 son
intervalos compactos disjuntos dos a dos, y que para cada j = 1, 2, , k ,
g|Ij es continua. Si para cada m , kj=1 Ij g(Im ) , entonces g tiene puntos
peri
odicos de todos los perodos. De hecho para cada n N existen kn
puntos que satisfacen la ecuaci
on gn (x) = x , y la clausura del conjunto de
los puntos peri
odicos es no numerable e invariante.
Demostraci
on. De la hip
otesis, para cada j {1, , k} y n N , existe
un intervalo compacto Kn,j en Ij tal que Kn,j gn (Kn,j ) . Luego existe
x Kn,j tal que gn (x) = x . De hecho tenemos mas puntos. Sea (n; k) =
on (xi )ni=0 (n; k) , existe
{ (xi )ni=0 : xi {1, , k} } . Dada una sucesi
un intervalo J kj=1 Ij tal que
(i) gi |J es continua, 0 i n , y
(ii) gi (J) Ixi , 0 i n . De hecho gn (J) = Ixn .
De (i) y (ii), si x0 = xn , gn aplica J sobre si mismo, luego gn tiene
(n; k)
un punto jo p((xi )) J . Ademas, si (yi )ni=0 es otra sucesion en
un j {1, , k} , entonces como
tal que y0 = yn pero yj = xj para alg
los intervalos Ii son disjuntos dos a dos, de la propiedad (ii) sigue que
Sergio Plaza
139
en lo es, y S = (; 2)
m=0 Em tambi
m=0 Em . Ahora, si (xi )i=0 S ,
n
140
verge a ning
un punto jo de Nf .
Para el caso de polinomios de grado 4 con coecientes reales y n races
reales distintas, se tiene un poco m
as.
Teorema 9.3. (Barna (1956)- M. Cosnard & M. Masse (1983)) Sea f un
polinomio de grado n con coecientes reales. Suponga que n 4 , y que f
tiene n races reales distintas. Entonces
(i) C(f ) es un conjunto de Cantor con medida de Lebesgue cero, y
as,
(ii) C(f ) contiene
orbitas peri
odicas de todos los perodos de Nf . Adem
para cada x C(f ) , Nf (x) < 1 .
El teorema anterior garantiza, bajo sus hip
otesis, que para casi todo x
n
R los iterados Nf (x) convergen para alguna raz de f , pues C(f ) A(f )
tiene medida de Lebesgue cero (A(f ) es numerable). M
as a
un, el conjunto
C(f ) es repulsor, luego inaccesible computacionalmente, pues desde el punto
de vista numerico solo es posible, aunque muy poco probable, acceder a
trayectorias muy largas.
Denamos ahora n
umeros y como sigue:
(1)
es el n
umero de bandas extremas de Nf que:
(i) no contienen puntos jos de Nf , y que
(ii) son aplicadas en R por Nf .
Es claro que = 0, 1 o 2.
(2)
es el n
umero de bandas de Nf que contienen puntos jos de Nf .
..
..
..
....
.. ......
..
..
..... ........
.. ......
...
..
.... .......
. ..
....
.. ......... ...
.... ......
....
.. .... .. ..
.... .......
.....
.. ..... .. ..
.. ... ......
.
. . .. . .
.. .. .. ....
.. ... .. ....
........ ......... ... .... ... ...
.. .. .. .....
. . . . . ..
.. ... .. ..... ....................... ... ... .... ... ...
.....................................................................................................................................x
...
.. ... ... ................ ... ...... ... .... ......
..... .. .. ....
. . ..
...
.. ......... .......
.... .. .. ....
.. ..... ..
......
........ .........
.. .... ..
.....
........ ......
... ..
.
.
.
..... ....
.
.
.
.
.
.
....
..... .....
...
.... ..
....
.....
.....
..
.........................
.
.
.
.
.
..
= 1 y = 2.
141
Sergio Plaza
=2 y =0
Si 2 el resultado sigue de la proposici
on 8.
Los casos restantes son = 1 o 2 y 1 . En estos casos existe al menos
una banda extrema B con Nf (B) = R (ver gura abajo), y podemos elegir
intervalos I1 B e I2 contenido en una banda que contiene un punto jo
de Nf , tales que I1 I2 Nf (I2 ) y I1 I2 Nf (I1 ). La prueba ahora
sigue como en el lema 6.
... ......
.... .....
....
....
......
.. ....
.. ...
..
.. ...........
... .....
.. ..
..
.. ..... ..
... .......
.
.
.. ..
.
.
.
.. .
....... ....... ......... ......... ....... ....... ............... ....... ......... ...... .................................
.. ...
... ...
... ....... ... ...
... .......
.. ..
.. .... .. ..
.. ...
.. ..... .. .. ..
.. .....
.
.......................................................................................................................................................................................................
.. .. ... ..... .. .. ... .. ..
.. ...
x
. ..
.
.
.
..
.
.
...
.. .. ... ........... .. .. .. .. ..
..
...
.. .................. ..... ... ... .... ... ...
..
.
.
.
.
.
.
.
.
.
.
.
....... ....... ....... ....... ....... ....... ....... ....... ......... ..... ....... . ........ .......
..
... .. .... ..
.. ... ... .. ... ..
..
... .. .. ... .. ..
... ......... ...
..
.......
... ....
..... ..
.
..
.
.
... ....
..... ..
....
..
...
.. ......
...... ...
.. ........
..
.. ....
.. ....
.... ..
..
.. ..
.. ....
.... ..
..
.. ....
......
.... ..
..
.. ....
.
.
.
.
.
.......
.
......
.
.
.
.
.
.
.
......
.. ..
.
.
.
.........
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.......
.
.
......
......................... ..
.
.
.
........
.......
...... ... ..
.
.
.
.
........
.. ..
.....
.....
..
I0
I1
I2
I3
I4
=1 y =1
Observaciones.
odicos
1) En el caso = 2 y = 0 en el Teorema, Nf tiene puntos peri
de todos los perodos. Para probar esto es necesario usar otras tecnicas.
142
=2 y =0
odicos de todos los perodos, a
un
2) Es posible que Nf tenga puntos peri
cuando + = 0.
.
.....
.....
...... ....
..
.....
.. ..
....
.... .....
......
.. ..
.. ...
.....
..... ....
........
.. ..
... ...
.. .. ...............
..... .....
.. ..
. ..
.. .... ..........
.... ....
.. ...
.. ...........
..... ....
... ..
...................................................................................................................................................................................................................
.. ... .. ..
.. ... ... .. ..... ..
.. ..
. ........ . ... .
.......................................................................................................................................................................................................
...
... .... ... ...
.... .. ...... ..
.. .. .. ..
.... .. .. .. ..
..
.. ....... ... ... ..... ...
.. ... .. ..
.. .. .. ..
.. .....
.. .. .. ..
. . .. .
. ..
. .. .. ..
..............................................J
.............................K
.................................................................L
..................................................................
. ..
.
.
.
.. ... ..
... ..M
... ..... ...I...
.... ..
. .. .. ..
.. .. .. ..
.. ... .. .. ........ ...
... ...... ..... ...
.. .... .. ..
..
.. .. .. .. ....
. .. . . ... ..
. ... .. .
.
..........................................................................................................................................................................................................................
... .. ... ...
... ....... ... ... .... ...
.. .
.
.. . .
............................................................................................................................................................................................................
.
.
.
.. . ....
.
.
... ..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..... .....
.
.. . .
.. ..
.... ....
... ...
............. .........
.. ..
.
.
.
..... ....
.
.
.. ..
.
.
.
.
.
.
.
.
.
.
.
.
.
.... .....
.
.
....
.....
.
.
..........
.
.
.... ....
.
....
....
.. ..
....
...
=0 y =0
En la gura arriba tenemos
(i) B2 Nf (B1 ) y B4 Nf (B1 ); ( Nf (J) = B2 y Nf (I) = B4 ).
(ii) B1 Nf (B2 ); ( Nf (K) = B1 ).
(iii) B1 Nf (B4 ) , B2 Nf (B4 ). (Nf (L) = B1 , Nf (M ) = B2 ).
3)
Sergio Plaza
143
9.0.6
144
aqu se tiene que Nf2 ([a , b]) [a , b] , |Nf (x)| < 1 , y |(Nf2 ) (x)| = |Nf (Nf (x)) Nf (x)| <
1 para todo x [a , b], luego f tiene una orbita peri
odica atractora de
perodo 2 en [a , b].
En algunos de los ejemplos anteriores solo mostramos los gracos, y nos
podemos plantear la siguiente pregunta. Este tipo de gr
aco corresponde
al gr
aco de Nf para alguna f ?
La respuesta es dada por el siguiente
Teorema 9.5. Sea g : R R que satisface
umero nito de puntos { ci }ki=1 ,
1) g es de clase C 2 , excepto en un n
en los cuales g no est
a denida, y limxci |g(x)| = + ,
2) limxc+ g(x) = limxc g(x) ,
i
3) g tiene un n
umero nito de puntos jos, cada uno de los cuales es
un punto crtico de g, y cualquier par de esos puntos es separado por
un elemento de { ci }ki=1 , y
4) g s
olo tiene un n
umero nito de puntos crticos.
Entonces existe una funci
on de clase C 1 , f : R R tal que g = Nf .
Como consecuencia del teorema anterior tenemos la siguiente
Proposici
on 9.3. Dado k > 1 , existen polinomios cuyas transformadas de
Newton tienen
orbitas peri
odicas atractoras de perodo k .
145
Sergio Plaza
Demostraci
on. Del teorema anterior, del teorema aproximaci
on de funciones diferenciable por polinomios (StoneWeierstrass), y de la estabilidad
de las orbitas peri
odicas atractoras por perturbaciones C 1 el resultado sigue
.
9.1
Din
amica de la transformada de Newton para
polinomios cuadr
aticos y c
ubicos
x
2
y la convergencia a la raz 0
146
Para polinomios c
ubicos, la din
amica de la transformada de Newton es
mas intersante. Veamos el siguiente
1
Ejemplo. Sea p(x) = x3 1.265x + 1 . Tenemos Np (x) = 3x2x
2 1.265 .
Cuando comenzamos las iteraciones con x0 = 0 obtenemos x0 = 0 , x1 =
0.79051 , x2 = 0.019675 , x3 = 0.79125 , x4 = 0.015043 , x5 = 0.79094 ,
x6 = 0.016973 , x7 = 0.79106 , x8 = 0.016232 , x9 = 0.79101 , x10 =
0.016527 , y vemos que la orbita de 0 por Np converge a una orbita
peri
odica atractora de perodo 2.
3
2ax3 + bx2 d
3ax2 + 2bx + c
Nq (x) =
2x3 C
.
3x2 + B
Nq (x) =
147
Sergio Plaza
=
,
( 3 B )2
( 3 9ac 3b2 )2
148
Captulo 10
Bifurcaciones en el m
etodo
de Newton
En lo que sigue estudiaremos los cambios en la din
amica de la aplicaci
on de
Newton (bifurcaciones) cuando la aplicaci
on f pierde una raz pasando a
traves de una tangencia cuadr
atica con el eje x.
Sea g : R R una aplicaci
on de clase C r , r 3 que satisface las
condiciones
C.1. Si f (x) = 0 entonces f (x) = 0
es decir, los puntos crticos (maximos o mnimos) de f son no degenerados.
Por conveniencia, asumiremos que
g(0) = 0,
g (0) = 0,
150
g.
...
...
.
...
..
..
...
.
..
.
.
...
.
.
...
...
...
....
.
....
....
...
....
.
.....
.
.
.
.
......
...
.....
....
.
......
.......................................................................................................................
..
..
...
..
..
..
....
....
Sea f (x) = g(x) + . Denotemos Nf simplemente por N .
...
...
.
.. .
. ..
....
... ..........
....... ..
.
.
.
... .......
...
... .. ..
... ... ...
..
... ... ....
... ... ....
..
...............
.... .... ....
.
.
.
.
. .. .
.... .... .....
...
......... ....
.... ...........
..... ............... ... ...........................
...... ....................................... .......
..............................................................................................................................
...............
...
....
....
....
....
N ,
>0
=0
<0
151
Sergio Plaza
N (x) = x
g
g
g (x)
g (x)
(g (x))2
1
(g(x) + )g (x)
N (x) =
. Note que
. Si g (x) = 0 entonces
2
(g (x))
g (x)
esta derivada no depende del par
ametro , y esta bien denida cuando
g (x) = 0 . Por otra parte, existen puntos excepcionales (x0 , 0 ) donde
g (x0 ) = 0
0 = g(x0 ) .
g (x)
g (x)
(g (x))2
152
de dos polinomios sin factores comunes), cosa que ocurre por ejemplo cuando
g es un polinomio, entonces existe una fuerte conexion entre las orbitas
peri
odicas atractoras y los puntos crticos de N dada por el siguiente teorema.
Teorema 10.1. (Julia) Si h es una funci
on meromorfa denida sobre el
plano complejo, entonces cada
orbita peri
odica atractora de h contiene un
punto crtico en su cuenca de atracci
on.
En lo que sigue estudiaremos las orbitas de los puntos crticos de N
cuando el gr
aco de f pasa a traves de una tangencia cuadr
atica con
el eje x en el punto (x, ) = (0, 0) . Asumiremos que tal punto crtico
f (x)f (x)
, luego los puntos crticos de
existe. Tenemos que N (x) =
(f (x))2
N , caso f (x) = 0 , son los puntos donde f (x) = 0 (races de f ) o
f (x) = 0 (puntos crticos). Cuando un punto crtico de N no es una
raz de f (x) = 0 diremos que es punto crtico libre. Como f = g se
tiene que los puntos crticos de N son aquellos donde g se anula, es
decir, genericamente, un punto de inexi
on de g . Como g (x) > 0 en
una vecindad de x = 0 , la condici
on de existencia de un punto crtico libre
se puede formular de la siguiente forma: existen puntos p < 0 < q tales
on que
que g (p) = 0 y g (x) > 0 sobre ]p, q[ . Esto junto con la condici
impusimos a g , es decir, g(0) = 0 , g (0) = 0 , g (0) > 0 , y el teorema del
valor medio implican que el u
nico punto sobre ]p, q[ donde o bien g o g se
anulan es x = 0 , g(x) 0 sobre ]p, q[ , g (x) < 0 sobre ]p, 0[ y g (x) > 0
sobre ]0, q[ . Adem
as, N (0) = 1/2 , luego N (x) > 0 sobre ]p, q[ . Ahora,
g (x)
se tiene que N (x) > Ng (x) > 0 sobre
como N (x) = Ng (x) +
(g (x))2
1
N (x) =
se sigue
]p, q[{0} y > 0 . Por otra parte, dado que
g (x)
siguiente lema.
Lema 10.2. Supongamos que > 0 . Si Ni (p) < 0 para 0 i k
153
Sergio Plaza
entonces
k
N (p) > 0 .
Demostraci
on. Por la regla de la cadena, tenemos que
j
N (x) =
k1
N (N (p)) > 0 . Por lo tanto,
N (p) = =0
N (N (p)) > 0 ,
Las hip
otesis del lema anterior se satisfacen para valores peque
nos de
Lema 10.3. Dado k > 0 existe 0 > 0 tal que si || > 0 entonces
p < N (p) < N2 (p) < < Nk (p) < 0 .
Demostraci
on. Como Ng (x) > 0 sobre ]p, q[ ( Ng (0) = 1/2 ) se sigue
que Ng es monotona creciente sobre [p, q] , y para cualquier x [p, q] ,
Ng (x) esta entre x y 0
..
..
..
....
..
....
.
.
.
.
.
...
...
..... y = x
...
....
...
....
....
.
.
...
.
..
..
....
..
..
....
...
....
.....
.
.
.
.
...
....
....
...
....
..............
...
.... ............................. . .................
...
.
.....
.
.
.
p
...
.... .................
....
.
..........................................................................................................................................................................................................................................................................
....
.
...
.
.
.
.
.....
........ .
...
q
........ ..
........... ....
...
..................................................
.
...
...
...
.
...
.
.
.
.
.
.
.
..
.
.
.
.
.
.
...
.
.
.
.
.
.
.
.
..
.
.
.
.
...
.
.
..
.
.
.
.
...
.
.
...
...
....
.
.
.
.
..
.
.
.
.
.
.
Ng
...
....
.
.
.
.
.
.
.
.
.
.
.
.
.
..
luego, para cualquier x [p, q] la sucesion Ngn (x) converge monotonamente a 0. Ademas, para cualquier constante positiva , se tiene que N
converge C 1 uniformemente a Ng sobre [p, ] [, q] cuando 0 ,
as si elegimos < min{Ngk (q), |Ng k(p)|} encontramos 0 como asegura
el lema.
Lema 10.4. Dado k > 0 existe 1 > 0 tal que si 0 < < 1 entonces
154
Demostraci
on. Es una consecuencia inmediata de las condiciones y de
los lemas anteriores. La idea es que si la condicion (1) vale, el conjunto
{Ni (p)} es monotono en i para 0 i k y en para > 0 .
Por los dos u
ltimos lemas, para cada k 1 existe un intervalo [ak , bk ]
tal que si [ak , bk ] entonces
Ni (p) ]p, 0[ ,
N k (p) [0, q] ,
ak (p) = 0 ,
N k (p) = q .
bk
1 i k,
155
Sergio Plaza
.............................................................................................................................................................................................................................................................................................................................................................................
..
.
.
.
. .
.
.
.
.
..
...
...
...
... ....
..
...
...
...
..........
.
.
.
.
.
.
.
.
..
.
.
.
.
.
.
.
.
.
..
.. .
.. .
.. .
....
.
.
.
.
..
.. .
.. .
.. .
...... .
.
.
.
.
..
.... .. .
.. .
.. .
.. .
... .
... .
... .
..
.
.
.
. ......... ... .
.
.
.
..
.
.
.
. ......
.. .
.. .
.. .
.. .
..
..
.
.= j ...()
.
.
..
.. ..
.. .
.. .
x
.......
.
.
.
1
.
.
.
.
.
.
..
... .
... .
.
.
.
.
..
.
.
.
. .
. .
.. .
.. .
...... .
.
.
.
.
.
.
.
.
..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.x .= jk ()
. .
.
.
.
.
.
..
.
.
.
.
.
..
.
.
.
.
.. .
.. .
.. .
..
.. .
........
.
.
.
.
.. .
.. .
.. .
.. .
..
.......
.
.
.
.
.
.
.
.
.
... .
... .
.
..
.
.
.
.
.
.
.
.
......
..
.. .
.. .
.
.
.
.
.
..
.. .
.........
..
..
..
. ......................
.
.
.
.
.
.
.
.
.
..
..
..
.
.
.
.
. ...........
.
.
.
.
.
.
.
..
..
..
..
..
. ................................... x = Z()
.
.
. ...
. ...
.
. ...
..
.
.
.
.
.
.
.
.
.
......
.. ..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.....
.......
x
.
. ..
.
. ..
.
.=.. j2 ()
.... ..............................................................
.
. ..
.
. ..
.
. ..
.
..
.
. ...
.
.
. ...
. ...
.
. ...
..
,
x
)
(
.
.
.
.
..
.
. ..
.
. ..
. ..
.
. ..
k. k
..
.
. ..
. ..
.
.
. ..
. ..
.
..
.
. ..
. ..
.
.
. ..
. ..
.
..
.
. ...
. ...
.
.
. ...
. ...
.
..
.
.
.
.
..
...................................................................................................................................................................................................................................................................................................................................................................................
(0, 0)
ak
bk
a2
b2
a1
b1
xk = Z(k )
xk = jk (k ) .
Consecuentemente, para = k el punto crtico p de N esta sobre
una orbita peri
odica superatractora de perodo k + 1 para N . Tenemos
(p) ]0, q[ , de donde Nk (xk ) = {p} Nk ( ]0, q[ ) y
xk = Z(k ) = N1
k
(p) , y como g (p) = 0 se tiene
xk = jk (k ) . Luego, p = Nk (xk ) = Nk+1
k
) (p) = 0 .
que (Nk+1
k
Tenemos el siguiente teorema
Teorema 10.2. Supongamos que g es de clase al menos C 3 y satisface
la siguiente condici
on
g (x) = 0
implica
g (x) = 0
y que
g(0) = 0 , g (0) = 0 , g (0) = 0 .
Sea f (x) = g(x) + . Si existe un punto p con g (p) = 0 entonces
para todo k sucientemente grande, existe un intervalo abierto Ik sobre el
eje tal que
156
Captulo 11
Aspectos Estoc
asticos de
Din
amica 1dimensional
En este captulo discutiremos algunas propiedades erg
odicas en din
amica
1dimensional. Centraremos nuestra atenci
on en el problema de existencia
de medidas invariantes absolutamente continuas respecto a la medida de
Lebesgue.
11.1
Funciones de variaci
on acotada
158
Definici
on 11.2. Sea f : [a, b] R una funci
on de variaci
on acotada.
umero
La variaci
on total de f en [a, b] , denotada por Vf (a, b) , es el n
'
&
Vf (a, b) = sup
|fk | ,
P
La diferencia f (x+
k ) f (xk ) es el llamada salto de f en xk . Tenemos
el siguiente teorema
Sergio Plaza
159
11.1.1
Variaci
on de la Composici
on de Funciones
160
n
i=1
11.1.2
Variaci
on del producto: otra f
ormula
i=1
n
i=1
i=1
n
|f (xi ) f (xi1 )| +
i=1
n
|f (xi1 )| |g (
xi )| (xi xi1 ) sup |g| V[a,b] f +
i=1
n
|f (xi1 )| |g (
xi )|(xi xi1 )
i=1
161
Sergio Plaza
De hecho esta u
ltima desigualdad arriba es una igualdad, pues
(b
g(xi1 )| es una suma de Riemann para a g (x) dx .
11.1.3
n
i=1 |g(xi )
Desigualdad de Yorke
|f (x)| dx .
Luego,
sn [0,1] f [a,b] 2 V[a,b] f +
2
ba
|f (x)| dx
V[0,1] f [a,b]
2
2 V[a,b] f +
ba
b
a
|f (x)| dx ,
162
11.2
Elementos b
asicos de teora de la medida
11.2.1
Definici
on 11.3. Sea X un conjunto no vaco. Una familia A de subconjuntos de X es una a
lgebra si las siguientes condiciones se verican
1. X A ,
2. si A A entonces X A A ,
3. si A1 , A2 A entonces A1 A2 A .
Adem
as, si reemplazamos la condici
on 3) por aditividad, esto es,
4) si Ai A para todo i N , entonces
i=1 Ai A , decimos que A
es una
algebra.
Definici
on 11.4. Un espacio medible es un par (X, A) , donde X es un
conjunto no vaco y A es una
algebra de subconjuntos de X .
Definici
on 11.5. Sea A una
algebra de subconjuntos de X . Una funci
on
: A [0, ] es una medida si () = 0 y si para toda familia numerable
de conjuntos disjuntos Ai A , se tiene que (i Ai ) = i (Ai ) .
Un espacio de medida es una terna (X, A, ) , donde A es una -algebra
de subconjuntos de X y una medida sobre A . Cuando no sea necesario
163
Sergio Plaza
especicar la
algebra ni la medida, simplemente nos referimos al espacio de medida X , donde se subentiende la existencia de los elementos no
especicados.
Definici
on 11.6. Decimos que (X, A, ) es un espacio de medida nito
si existen una familia numerable {Ai }, con Ai A , tales que (Ai ) <
y X = i Ai .
Ejemplo 1 La menor
algebra que contiene a los abiertos de un espacio
topol
ogico es llamada
algebra de Borel.
algebra de los bolerianos entonces
En Rn tenemos que si A es la
existe una u
nica medida : A [0, ] tal que para cada rect
angulo
A = [a1 , b1 ] [an , bn ] se tiene
([a1 , b1 ] [a2 , b2 ] [an , bn ]) = (b1 a1 ) (b2 a2 ) (bn an ) .
acil ver que la
Esta medida es llamada medida de Lebesgue en Rn . Es f
medida de Lebesgue es nita.
Definici
on 11.7. Decimos que (X, A, ) es un espacio de probabilidades si
(X) = 1 .
Notemos que todo espacio de medida nita es normalizable. En efecto,
denamos una nueva medida
por
(A) =
(A)
.
(X)
164
11.2.2
Funciones medibles
Definici
on 11.9. Dados espacios medibles (X, A) e (Y, B) . Decimos que
una funci
on f : X Y es medible si f 1 (B) A para todo B B .
Ejemplo. Si X e Y son espacios topologicos y A , B son sus respectivas
-algebras de Borel, entonces toda funci
on continua de f : X Y es
medible.
Hay que notar que, en general, la clase de funciones medibles es bastante
mayor que la clase de las funciones continuas, como se ve en el siguiente
resultado.
Teorema 11.12. Sea X un espacio topol
ogico e Y un espacio metrico
on de funciones medibles y f :
separable. Si fn : X Y es una sucesi
X Y es tal que f (x) = lim fn (x) (c.t.p.) entonces f es medible.
n
B B.
1 si x A
A (x) =
0 otro caso .
Observe que si : X Y es medible entonces B es medible y
B ( (x)) = 1 (B) (x) .
11.2.3
Integraci
on y derivaci
on
165
Sergio Plaza
Definici
on 11.10. Sea f : X R . Decimos que f es una funci
on simple
si puede ser escrita como combinaci
on lineal de funciones caractersticas, es
n
decir, f = i=1 i Ai , donde i R .
Definici
on 11.11. Decimos que una funci
on simple f = ni=1 i Ai es
integrable si
n
|i | (Ai ) < ,
i=1
y denimos
!
f d =
X
n
i (Ai ) .
i=1
n X
n X
166
Observe que esta medida satisface f (A) = 0 , para todo A A tal que
(A) = 0 , esto es, f << .
Teorema 11.14. ( RadonNikodym)Sea (X, A, ) un espacio de medida
nito, y sea una medida absolutamente continua respecto a . Entonces existe una funci
on integrable no negativa f : X R tal que
!
(A) = f (A) =
f d ,
A
X n
11.2.4
X n
n X
Espacios Lp
167
Sergio Plaza
168
para toda g
Lq
, donde
X
1
p
1
q
= 1.
k=1
1
p
1
q
= 1.
Definici
on 11.13. Decimos que un conjunto F Lp (X) es debilmente
(fuertemente) compacto si cada sucesi
on (fn )nN en F posee una subsucesi
on (fnk )kN debilmente (fuertemente) convergente a un elemento de
F.
on en L1 (X) . Si
Teorema 11.18. Sea (fn )nN una sucesi
1. ||fn || M para alguna constante M
2. para todo > 0 dado existe > 0 tal que para cualquier A A , si
(A) < entonces para todo n
!
fn d < .
A
on debilmente convergente.
Entonces (fn )nN contiene una subsucesi
Corolario 11.19. Si existe g L1 (X) no negativa tal que |fn | g para
todo n N entonces (fn )nN es debilmente convergente.
Teorema 11.20. Si fn f debilmente en L1 (X) y c.t.p. entonces
fn f en L1 norma.
169
Sergio Plaza
11.3
Teora Erg
odica: Una introducci
on
11.3.1
Definici
on 11.14. Sea (X, A, ) un espacio de medida. Decimos que una
transformaci
on medible : X X preserva la medida o que es
invariante, si ( 1 (A)) = (A) para todo A A .
Observaci
on. No es difcil probar que si, la condici
on anterior se satisface
en una algebra que genera A , entonces es invariante.
Ejemplo 1. La aplicaci
on r : [0, 1] [0, 1] dada por r (x) = rx [rx] =
{rx} , donde r N, preserva la medida de Lebesgue, pues ( 1 [0, a]) =
$ r1 a
r1 %
r1
[i, i + ar ]) = i=0
i, i + ar = i=0
(i=0
r = a = ([0, a]) . Como esto
vale sobre intervalos, por la observaci
on anterior se sigue que vale sobre los
bolerianos.
Ejemplo 2. La aplicaci
on : [0, 1] [0, 1] dada por
2x,
(x) =
$
%
x 0, 12
2(1 x),
%1
2, 1
( 1 [0, a]) = ([0, a/2] [1 a/2, 1]) = ([0, a/2]) + ([1 a/2, 1])
a a
+ = ([0, a]) .
=
2 2
Ejemplo 3. La transformaci
on de Gauss : [0, 1] [0, 1] es denida por
)1*
(x) = x , preserva la medida dada por
!
1
1
dt .
(A) =
log(2) A 1 + t
En efecto, tenemos
(
[0, a]) =
i=1
1 1
,
i+a i
,
+
1 1
=
,
i+a i
i=1
170
i=1
1
log(2)
1
log 1 +
i
1
log 1 +
i+a
- i+1
1
1
i
log
log(1 + a)
=
i+a+1
log(2)
log(2)
i=1 i+a
! a
dt
1
= ([0, a]) .
log(2) 0 1 + t
Ejemplo 4. La aplicaci
on : [0, 1] [0, 1] dada por (x) = 4x(1 x)
preserva la medida
!
dt
.
(A) =
A t(1 t)
Esto puede ser comprobado directamente (al igual que en el ejemplo
anterior). Sin embargo procederemos siguiendo una idea debida a Ruelle
[?]. Consideremos la aplicacion : [0, 1] [0, 1] dada por (x) =
2
acil ver que es un homeomorsmo y
arcsen( x ) . Es f
%
$
si x 0, 12
2x
1 (x) =
$
%
2(1 x)
si x 12 , 1 .
Por el ejemplo 2 anterior, la aplicaci
on 1 preserva la medida de Lebesgue , es decir, ( 1 1 (A)) = (A) , para todo
A [0, 1] medible. Reemplazando el conjunto medible A por (A) , el
cual tambien es medible, obtenemos ( 1 (A)) = ((A)) , en otras
palabras, 1 ()( 1 (A)) = 1 ()(A) , es decir, preserva la medida
1
() . Finalmente, usando cambio de variables, vemos que
!
!
!
d
1
dt .
dt
=
()(A)
=
((A))
=
dt
=
1
(A)
A dt
A t(1 t)
Una observaci
on importante en relaci
on a las aplicaciones que preservan
medida es el hecho que ellas preservan integrales, esto es, si : X X
preserva medida y f L1 (X) entonces
!
!
f d =
f d .
X
171
Sergio Plaza
11.3.2
Teorema erg
odico de Birkho
fn (x) =
i=0
En relaci
on a la convergencia de la sucesion de funciones (fn )nN tenemos
el siguiente teorema.
on de
Teorema 11.21. (Birkho) Si f L1 (X, A, ) entonces la sucesi
1
on
funciones (fn )nN converge puntualmente (c.t.p.) y en L a una funci
1
f d .
f d =
ii)
X
11.3.3
Transformaciones erg
odicas
172
f d
(c.t.p.) .
f (x) =
X
173
Sergio Plaza
Adem
as,
1
E ( i (x)) (E)
n
n1
(c.t.p).
i=0
(esto es, la
orbita de casi todo punto de X intersecta al conjunto E con
frecuencia relativa asint
otica igual a (E) )
Teorema 11.25. Sea : X X . Entonces es erg
odica si, y s
olo si,
para todo A, B A se tiene que
1
( i (A) B) = (A) (B) .
lim
n n
n1
i=0
11.3.4
174
S1
dn z n ,
n=
la igualdad f = f R nos da
bn (an 1)z n = 0 ,
n=
175
Sergio Plaza
1
A 0,
10
+
= (A)
1
0,
10
,
()
$
%
$
%
i
i
= (A) i1
, para
De modo an
alogo se tiene que A i1
10 , 10
10 , 10
i = 1, . . . , 10 . Sea B [0, 1] un conjunto medible, y sea Bi = 1 (B)
i
[ i1
10 , 10 ] . Entonces
(A 1 (B)) = 10 (A B1 ) = = 10 (A B10 ) .
()
q
De (*) y (**) vemos que para intervalos de la forma [ q1
10n , 10n ] , se tiene que
(A E) = (A)(E) . Como A puede ser aproximado por intervalos de la
q
forma [ q1
10n , 10n ] , se tiene que dado > 0 entonces |(AA)(A)(A)| <
. Luego, (A) = ((A))2 , de donde concluimos que (A) es igual a 0 o 1.
i i+1
, 10 ] ( i = 1, . . . , 10). Entonces por el Teorema
Ahora, sea Ai = [ 10
Erg
odico de Birkho
1
1
Ai ( k (x)) =
lim
k n
10
n1
k=0
(c.t.p.) x [0, 1] .
176
11.4
Operador de PerronFr
obenius y operador
de Koopman
on constante es
para toda f L (X) . Usando este hecho y que toda funci
punto jo de U , se prueba que U = 1
El operador U puede ser denido tambien en Lp (X). En este caso
satisface
!
1/p
p
|f | d
= f p .
U f p =
X
177
Sergio Plaza
(11.1)
1 (A)
f d
(11.2)
1 (A)
Demostraci
on. La unicidad es clara, pues si P1 y P2 son operadores
satisfaciendo la igualdad anterior entonces, para todo A A, tenemos
!
!
P1 f d =
P2 f d ,
A
178
d (f )
.
d
Tenemos entonces
!
!
1
P f d = (f (A)) = f ( (A)) =
A
1 (A)
f d .
!
(P f + P g)d .
=
A
11.4.1
Sergio Plaza
179
2.
Demostraci
on. Ambas partes son f
aciles, ver [12].
En general, un operador lineal P : L1 (X) L1 (X) que satisface 1) y 2)
arriba es llamado un operador de Markov. Muchas propiedades del operador
de PerronFr
obenius son comunes a todos los operadores de Markov, por lo
tanto estudiaremos estos operadores en la siguiente seccion.
11.5
Operadores de Markov
Definici
on 11.17. Un operador lineal P : L1 (X) L1 (X) es un operador de Markov si
1. P f 0 para f L1 (X) , con f 0
2. ||P f ||1 = ||f ||1 para f L1 (X) , con f 0 .
Proposici
on 11.1. Sea P : L1 (X) L1 (X) un operador de Markov.
Entonces
i) |P f (x)| P (|f |)(x) c.t.p. x X ,
ii) P f 1 f 1 .
Demostraci
on. Ver [12].
Observe que la segunda propiedad de la proposici
on anterior establece que
todo operador de Markov es contractivo. Para puntos jos de un operador
de Markov P tenemos el siguiente resultado.
180
f = 1} .
11.6
C
alculo del operador de Perron-Fr
obenius y
densidades estacionarias
y por lo tanto
d
P f (x) =
dx
!
0
1
f (s)ds = f ( x ) .
2 x
181
Sergio Plaza
$
%
si x 0, 12
2x,
(x) =
%
$
2(1 x),
si x 12 , 1 .
Tenemos que es no singular y no invertible en todo el intervalo [0, 1] .
Por otro lado, |[0, 1/2] y |[1/2, 1] son invertibles. Aplicando la observacion anterior, vemos que
!
d
1 x 1
x
f (s)ds = f
+ f 1
.
P f (x) =
dx 1 ([0,x])
2
2
2
2
Observamos ahora que, para este ejemplo se tiene P (1) = 1 , pues
preserva la medida de Lebesgue. Esto es consecuencia directa del siguiente
teorema.
Teorema 11.29. Si P : L1 (X) L1 (X) es el operador de Perron
Fr
obenius asociado a una transformaci
on no singular : X X . Enolo si, la medida (de probabiltonces f D(X, ) satisface P f = f si, y s
idad) f es invariante por .
Demostraci
on. Tenemos las igualdades
!
!
1
f d y f ( (A)) =
f (A) =
1 (A)
f d =
P f d
A
olo si, P f = f .
Luego, f (A) = f ( 1 (A)) para todo A A si, y s
Ejemplo 1. La aplicaci
on : [0, 1] [0, 1] , denida por (x) = 4x(1x)
. Por lo tanto, P (f ) = f .
preserva la medida f , donde f (t) = 1
d
dt
d
dt
t(1+t)
!
1 ([0,t])
!
4 1t
f (s)ds
1t
2
!
f (s)ds +
1
1+
1t
2
f (s)ds
1 1t
1+ 1t
f
+f
.
2
2
182
Luego, f (t) = 1
t(1t)
1
f (t) =
4 1t
1
1
1t
1t
f
+f
+
,
2
2
2
2
r1
1
i+x
.
f
Pr f (x) =
r
r
i=0
11.7
Operador de PerronFr
obenius y din
amica
de transformaciones
183
Sergio Plaza
Demostraci
on. Si la condici
on anterior se cumple y A , B A son tales
que (A) > 0 y (B) > 0 . Entonces, considerando la densidad f =
B
on g = A L (X) , obtenemos
(B) D(X) y la funci
An (f ), g =
n1
1
f, Um g
n
m=0
n1
!
1
B (x) m (A) (x)d
n (B)
X
m=0
n1
1 ( m (A) B)
.
n
(B)
m=0
Por hip
otesis tenemos
An (f ), g A , g =
A d = (A) ,
X
n (A)
A
(A)
184
!
=
!
n ( n (A))
f d
n (A)
(Pn f 1)d
!
A
f d Pn f 11
1 Pn f 11 .
Puesto que, por hip
otesis, Pn (f )11 converge a 0 , tenemos que ( n (A))
converge a 1 .
Para demostrar la recproca son necesarios ciertos conceptos de teora
de probabilidades que no hemos introducido, pues no son necesarios para
nuestro estudio posterior. La prueba puede ser encontrada en [?].
Ejemplo. Sea : [0, 1] [0, 1] , dada por T (x) = {2x} . Tenemos que
x
1 x 1
+ f 1
,
P f (x) = f
2
2
2
2
y usando inducci
on obtenemos
Pn f (x)
1
= n
2
2n1
1
i=0
i
x
+ n1
n
2
2
+f
x
1+i
n
n1
2
2
1
0
f d1 0 .
185
Sergio Plaza
Demostraci
on. Si f1 y f2 son densidades invariante entonces, considerando
g = f1 f2 , tenemos que P (g) = g , y por lo tanto P (g+ ) = g+ y
P (g ) = g . Deniendo A = sop(g+ ) = {x : g(x) > 0} y B = sop(g ) =
{x : g(x) < 0} , vemos que A 1 (A) y que B 1 (B) . Por lo tanto,
. = T n (B) son invariantes,
. = T n (A) y B
los conjuntos A
n=0
n=0
disjuntos y no triviales, lo cual contradice la ergodicidad de la aplicaci
on .
Recprocamente, supongamos que f D es la u
nica densidad estacionaria
tal que f > 0 (c.t.p.). Si no es ergodica entonces existen conjuntos
A y B = X A que son invariantes y no triviales. De la igualdad
A f + B f = P (A f ) + P (B f ) , se concluye que P (A f ) = A f y
acil ver que sop(P (A f )) 1 (A) = A y que
P (B f ) = B f , pues es f
sop(P (B f )) 1 (B) = B . Por lo tanto,
(1 )A f + B f
f =
(1 )A f + B f
es una densidad estacionaria positiva (c.t.p.). Escogiendo ] 0, 1 [ apropiado vemos que f = f , lo cual contradice nuestra hip
otesis.
Ejemplo 2. Si (x) = a x es una rotacion en un grupo topol
ogico compacto
(en el cual consideramos la medida de Haar) entonces P f (x) = f (a1 x) .
Supongamos que {an }nZ es denso en G . En este caso, si f D verica
P f = f , tenemos que f es constante, de donde obtenemos que f = 1 es la
u
nica densidad estacionaria, lo cual implica que es ergodica.
Recprocamente, si {an }nZ no es denso en G , consideramos f : G R
denida por
1
f (x) =
si x clausura{an }nZ
si x
/ clausura{an }nZ .
186
11.7.1
Periocidad asint
otica
nm!
(f ) =
m
i (f )gi .
i=1
187
Sergio Plaza
/ n
Ai /
n (i) (f )
/ 0 .
/P (f )
/
(Ai ) /
1
i=1
f1 =
j=1 gj (1)
r1
j=1 gj (1)
s1
y
f2 =
j=1 gj (i)
s1
j=1 gj (i)
m
i=1
A i
A i
=
,
i (f )
1 (i) (f )
(Ai )
(Ai )
m
i=1
188
lo cual nos da
i (f )
(Ai )
j (i) (f )
(Aj (i) )
, para j = 1, . . . , m 1 .
Si denotamos por K a estas razones tenemos f = K m
i=1 Ai = K .
Luego, si f es densidad estacionaria entonces f = 1 , lo cual implica que
es ergodica.
ii) Si es mixing entonces
A i
, A1 A1 , A1 ,
P n
(A1 )
es decir,
n (i) , A1 2 (A1 ) ,
lo cual es posible solo si n (i) = 1 para todo n . Como es cclica (pues
es ergodica), debe tenerse necesariamente que m = 1 .
Por otra parte, si m = 1 entonces Pn (f ) (f ) , y como f D(X)
tenemos que (f ) = 1 , pues P preserva la norma de funciones no negativas. Por lo tanto, Pn f 1 , lo cual implica que exacta.
11.7.2
Estabilidad Asint
otica
En esta seccion estamos interesados en encontrar condiciones para la existencia de una densidad estacionaria atractora.
Definici
on 11.18. Decimos que un operador de Markov P : L1 (X)
oticamente estable si existe una densidad f D(X) tal que
L1 (X) es asint
P f = f y limn P n (f ) = f , para toda f D(X) .
En el caso de un operador de PerronFr
obenius asociado a una transformacion no singular : X X , la estabilidad asintotica de P esta
estrechamente relacionada con la exactitud de , como veremos a continuaci
on.
Teorema 11.36. Sea : X X una transformaci
on no singular. Si
oticamente estable y P f = f entonces es exacta respecto a
P es asint
la medida f .
189
Sergio Plaza
Demostraci
on. Puesto que f es una densidad invariante, preserva la
A
D(X) , tenemos
!
!
!
n
n
f ( (A)) =
f d
P f d
|Pn f f |d
n (A)
n (A)
n (A)
!
A
190
Captulo 12
Ejercicios parte I
Problema 1. Considere los siguientes sistemas din
amicos
(a) xn+1 =
xn
2xn
.
1 + xn
192
193
Sergio Plaza
con el punto jo x ?
Problema 8. Estudie la din
amica de
xn+1 = fr (xn ) =
rx2n
1 + x2n
en funci
on del par
ametro r .
Problema 9. Muestre que la aplicaci
on
xn+1 = qr (xn ) = 1 rx2n
tiene un 3ciclo superestable para un cierto valor de r . Encuentre ese valor.
on del par
ametro r .
Estudie la din
amica de qr en funci
Problema 10. (Aplicaci
on c
ubica) Considere la aplicaci
on c
ubica
xn+1 = f (xn ) = (1 )xn + x3n
Estudie la din
amica de f dependiendo del par
ametro .
Problema 11. Una aplicaci
on con una joroba y dos atractores. Considere
la aplicaci
on cuartica
fa (x) = a(7.8x 23.31x2 + 28.75x3 13.30x4 )
donde a es un par
ametro. estudie la din
amica de fa , dependiendo del
par
ametro a , y compare con la aplicaci
on cuadr
atica q (x) = x(1 x) .
Problema 12. Considere el sistema din
amico
1
xn+1 = h(xn ) = xn (x2n 2) .
4
194
xn
1 + xn
3.2xn
si 0 xn 1
xn+1 =
0.5xn + 2.7 si xn > 1
Esudie la din
amica de este modelo.
195
Sergio Plaza
xe(12xn )
xe(12xn ) + 1 x
amica.
Calcule la derivada Schwarziana de F y estudie su din
Problema 19. Muestre que la aplicaci
on f (x) = x exp r 1 xk , donde
r, k R, son par
ametros, tiene derivada Shwarziana negativa.
Problema 20. Sea
1x
G(x) = x exp( ,
,
1+x
on.
de duplicaci
on de perodo en = 0 . Dibuje el diagrama de bifurcaci
Problema 23. Considere el modelo poblacional
xn+1 = R (xn ) = xn exn ,
on en el a
no n , y > 0 es la razon
donde xn es la densidad de poblaci
on de duplicaci
on de
de crecimiento. Muestre que R tiene una bifurcaci
2
on.
perodo en = e . Dibuje el diagrama de bifurcaci
Problema 24. Describa las bifurcaciones de las aplicaciones siguientes
(a) G (x) = (1 + )x + x2 , = 0 .
(b) H (x) = + x + x2 , = 0 .
(c) F (x) = x(1 x) + , con > 0 . Determine .
(d) K (x) = x x3 + , con > 0 . Determine .
196
2( x)
f (x) =
2(x )
2(0.5 + x) + 1
Estudie la din
amica de f , dependiendo del par
ametro Es f caotica?
Problema 26. Dena f
f (x) =
si
si
si
si
0 x < 1/3
1/3 x 2/3
2/3 x < 1
x 1.
197
Sergio Plaza
198
x 2
3
1
3
si
0x
si
1
2
x
3
3
si
2
x 1.
3
odicos
Graque Wf para varias funciones f . Encuentre los puntos peri
amica de Wf . Para cada j 1 , construir una
de Wf . Describir la din
odicos de periodo 1, 2, 4, . . . , 2j pero no
funci
on gj que tiene puntos peri
tiene puntos peri
odicos de perodo 2j+1 .
Problema 38. Sea F : R R y {x, y, z} un 3ciclo para F , es decir,
y = F (x), z = F (y) , x = F (z) , y si G = F 3 , entonces
G (x) = G (y) = G (z).
Dena Fa (x) = ax(1 x) para x R , muestre que si x pertenece a un
3ciclo de F entonces x es una raz de la ecuaci
on
199
Sergio Plaza
x = lim
y la varianza, Var (x) , es
Var (x) = x2 x2 .
odica,
Si xn+1 = 4xn (1 xn ), n = 0, 1, 2, y x = (xn )nN es no peri
1
1
pruebe que x = 2 y Var (x) = 8 .
Problema 42. Sea fa (x) = a
fa2 (x) . Pruebe que
1
2
12 x y 1 < a 2 , dena ga (x) =
200
a2 x
a(1 ax)
ga (x) =
a(1 a + ax)
a2 (1 x)
1
2a
si
0x
si
1
2a
si
1
1
x1
2
2a
si
x
1
2a
1
2
x1
2x
. Pruebe que
1 + x2
f (R) = [1, 1] . Encuentre los puntos jos de f y clasiquelos.
a
sen (x)
201
Sergio Plaza
on en el censo
la cual predice la densidad de individuos xn+1 en una poblaci
n + 1 dada la densidad de individuos xn en el censo n . Aqu, b > 0 es
la raz
on de reclutamiento per capita inherente por intervalos de censo en
poblaciones de tama
no peque
no, y ecxn representa fracci
on de reducci
on
de reclutamiento debido al efecto de densodependencia, 0 1 denota
a fracci
on de individuos que se espera mueran durante un perodo de censo.
Note que cuando = 1 se tiene la aplicaci
on de Ricker.
(a) Verique que para b = 40 , c = 1 y = 0.93 la aplicaci
on fb,c,
tiene un 2ciclo atractor. (ind. considere x0 = 1.035 .) Describa el
conjunto estable de este 2ciclo.
(b) Describa en la forma m
as completa posible la dinamica de fb,c, , jando primero valores para c y , despues jando valores para b y
y nalmente jando valores para b y c .
(c) Considere una perturbaci
on de fb,c, de la forma
xn+1 = fb,c,,(xn ) = b(1 + (1)n )xn ecxn + (1 )xn .
Estudie que ocurre con el 2ciclo atractor en (a) cuando ]0, 0.01[
(d) Puede detectar los pciclos estables en ambas aplicaciones? Dibuje
digramas de bifurcaci
on.
(e) Describa de la manera mas completa posible la dinamica de fb,c,, .
Problema 48. Considere la aplicaci
on f : I I , donde I = [0, 1] ,
denida por
3x
si 0 x < 13
3x 1 si 1 x < 2
3
3
f (x) =
2
3x 2 si 3 x < 1
1
si x = 1 .
Dena el itinerario sf (x) de un punto x I como la sucesion innita
202
1
i
0 si 0 f (x) < 3
ai =
1 si 13 f i (x) < 23
2 si 23 f i (x) 1 .
1
28
1
28
(iii) Cu
al es el itinerario de un punto de la forma
2
3k
x + 1 si [x]
f (x) =
x 1 s [x]
Sergio Plaza
203
204
1
3 (x
+ 1) sobre [0, 1] es
1
3
Problema 62. Sean f (x) = x3 y g(y) = y 3 + y 2 + 3y . Encuentre una
4
2
aplicaci
on afn y = h(x) = ax + b la cual conjuga f y g .
nico
Problema 63. Muestre que la aplicaci
on f (x) = x+ln(2)
1+ln(x) tiene un u
punto jo en el intervalo [1, 2] . Analice su estabilidad.
Problema 64. Sea x0 un punto jo de f , con f (x0 ) = 1 y f (x0 ) > 0
Es x0 debilmente atractor, debilmente repulsor o ninguno de esos casos?
Repita el ejercicio si f (x0 ) = 1 y f (x0 ) < 0 .
Problema 65. Para cada una de las siguientes aplicaciones, x0 = 0 pertenece
a una orbita peri
odica o preperi
odica. Clasique esta orbita como atractora,
repulsora o indiferente
(a) f (x) = x2 2
205
Sergio Plaza
(b) f (x) =
cos(x)
2
(c) f (x) = |x 2| 1
(d) f (x) =
arctan (x + 1)
4
R(x) = xer(1 N ) ,
donde r es un par
ametro y N es jo.
Estudie la din
amica de la aplicaci
on de Ricker.
Problema 68. (Modelo de BevertonHolt). Otro modelo de crecimiento de poblacion, el cual tambien ha sido usado para modelar poblaciones de salmon es el modelo de BevertonHold. Este es dado por
B(x) =
rx
1+
x
b
206
rx
2 .
1 + xb
y+
x=
4 2
2
para mostrar que la aplicaci
on
yn+1 = 1 yn2 ,
con mu =
4
1
2
y0 [1, 1]
[0, 2] ,
z0 [, ]
(x0 ) = lim
207
Sergio Plaza
Ls (x) =
1s x
,
x [0, 1/2]
s x
,
2
x [1/2, 1] .
Problema 77. Un estudio sobre un modelo del gas interte Argon (Ar) en la
respiraci
on muestra que la concentraci
on de Ar en los pulmones, cn , despues
de n respiraciones puede ser dado por la siguiente funci
on
cn+1 = B(cn ) = (1 q)cn + q
donde = 0.01 es la concentraci
on atmosferica de Ar y q = 0.15 es la
fracci
on de aire intercambiada.
Estudie al din
amica de este modelo.
Problema 78. Biologos han descubierto que ciertas especies de animales
gregarios (que viven en comunidad) requieren de un n
umero mnimo de animales en la colonia para poder comenzar a reproducirse exitosamente. Esto
es llamado el efecto Allee. Considere el siguiente modelo para la poblaci
on
de una especie de p
ajaros gregarios, donde la poblaci
on, Nn , es dada en
cientos de pajaros.
1
(Nn 6)2 .
Nn+1 = Nn + 0.2 Nn 1
16
Estudie la din
amica de este modelo y obtenga algunas conclusiones respecto al crecimiento o decrecimiento de la poblacion de p
ajaros.
208
Pn+1 = H(Pn ) =
aPn
(1 + bPn )c
209
Sergio Plaza
Pn+1 = f (Pn ) =
donde b = 0.05 y c = 2 .
Describa la din
amica de este modelo.
Problema 82.
2Pn
1 + (bPn )c
Indice Alfab
etico
Orbita
de un punto, 22
Derivada Schwarziana, 72
Aspectos estocasticos de din
amica 1
desigualdad de H
older, 167
dimensional, 157
Desigualdad de Yorke, 161
Din
amica del metodo de Newton, 125
Barna - M. Cosnard & M. Masse, 140 Din
amica simbolica y la aplicaci
on
Bifurcaci
on de duplicaci
on de perodo,
logstica, 94
109
Duplicaci
on de peri
odos, 66
Bifurcaci
on tipo sillanodo, 107
on logstica, 21
Bifurcaciones de aplicaciones del in- Ecuaci
tervalo, 105
Ejercicios parte I, 191
210
211
Sergio Plaza
Elementos b
asicos de teora de la me- Predacion, 8
Prediccion Malthusiana, 20
dida, 162
p
Propiedades b
asicas de la transforEspacios L , 166
mada de Newton, 132
Espacios medibles y medidas, 162
Propiedades elementales de la conjuF
ormula de inversi
on de M
obius, 68
gaci
on, 61
Funciones de variaci
on acotada, 157 Punto jo atractor, 57
Funciones medibles, 164
Punto periodico hiperb
olico, 81
Puntos jos, peri
odicos y preperi
odicos,
Integraci
on y derivaci
on, 164
22
Itinerario de un punto, 116
Puntos peri
odicos, 21
Lama del retorno, 92
Matriz de Markov, 38
Sobre la denici
on de caos, 103
Medidas invariantes por transformaTeorema de existencia de puntos ciones, 169
jos, 23
Modelos con retardo, 9
Teorema de G. Julia, 152
Modelos de nutrientes, 9
Teorema de Li y Yorke, 24
Modelos en tiempo continuo, 3
Teorema de RadonNikodym, 166
Modelos en tiempo discreto, 10
Teorema de Sarkovskii, 34
on Teorema de Singer, 77
No convergencia de Nf : indenici
de las iteraciones, 136
Teorema ergodico de Birkho, 171
No convergencia: existencia de orbitas Transformacion exacta, 173
peri
odicas atractoras en el metodo
Transformacion mezclante, 173
de Newton, 143
Transformaciones ergodicas, 171
Valor de bifurcaci
on, 105
Operador de Koopman, 176
Operador de PerronFr
obenius y den- Valor regular, 105
sidades estacionarias, 180
Operador de PerronFr
obenius, 178
Operador de PerronFr
obenius y din
amica
de transformaciones, 182
Operadores de Markov, 179
212
Bibliografa
[1] R. Bartle, The Elements of Integration. John Willey & Son.
[2] J. R. Beddington, C. A. Free, J. H. Lawson, Dynamics complexity in
predadorprey models in dierence equations. Nature 225 (1975), 5860.
[3] J. Palis, W. de Melo, Geometric Theory of Dynamical Systems: An
introduction., Springer-Verlag, 1982.
[4] R. Devaney, An Introduction to Chaotic Dynamical Systems. Addison
Wesley Publishing Company, Inc. 1987.
[5] B. T. Grenfell, K. Wilson, B.F. Finkenst
adt, T. N: Coulson, S. Murray, S.
D. Albon, J. M. Pemberton, T. H. CluttonBrock, M. J. Crawley, Noise
and detrminism in sinchronized sheeo dynamics. Narture 394 (1998),
674677.
[6] M. P. Hassell, Density dependence in single species populations. J. Animal Ecol. 42 (1975), 693726.
[7] M. P. Hassell, H. Comins, R. M. May, Spatial structure and chaos in
insect population dynamics. Nature 353 (1991), 255258.
[8] M. P. Hassell, S. W. Pacala, Heterogeneity and dynamics of
host..parasitoid interaction. Phil. Trans. Roy. Soc. London. B 330
(1990), 203.220.
[9] M. C. Irwin. Smooth Dynamical Systems. Academic Press, 1980.
213
214
[10] T. Y. Li, J. A. Yorke, Period three implies chaos. Amer. Math. Monthly,
82 (1975), 985992.
[11] R. May, Simple mathematical models with very complicated dynamics.
Nature Vol. 261, June 10 (1976), 459467.
[12] S. Plaza, Introducci
on a los Sistemas Din
amicos. Notas de Curso USACH, 2001, en http://www.usach.cl/splaza/cursos.html
[13] S. Plaza, Introducci
on a la Din
amica 1Dimensional. Notas Cursillo
Semana de la Matem
atica, U.C.V., 1988.
[14] S. Plaza, Matem
atica de Algunos Algoritmos Generadores de Im
agenes
Fractales. Notas de curso. Semana de la Matem
atica. Universidad
Catolica de Valparaso, 1996.
[15] P. Stefan, A Theorem of Sarkovskii on the Existence of Periodic Orbits
of Continuous Endomorphism of Real Line. Commun. Math. Phys. 54
(1977), 237-248.