Dyn Syst SPlaza 1

Introducci
on a los Sistemas
Din
amicos
Sergio Plaza
Segundo Semestre 2007
Contenidos
0 Algunos modelos de poblaci

on en una y dos especies
0.1
0.2
0.3
Modelos en tiempo continuo . . . . . . . . . . . . . . . . . . .
0.1.1
Competicion intraespecca . . . . . . . . . . . . . .
Competicion intraespecca
. . . . . . . . . . . . . . . . . .
0.2.1
Predaci
on . . . . . . . . . . . . . . . . . . . . . . . . .
0.2.2
Modelos con retardo . . . . . . . . . . . . . . . . . . .
0.2.3
Modelos de nutrientes . . . . . . . . . . . . . . . . . .
0.2.4
Redes multiespecies de comida . . . . . . . . . . . . .
10
Modelos en tiempo discreto . . . . . . . . . . . . . . . . . . .
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
Algunas aplicaciones de la din

amica a teora de n
umeros . . .
67
2.4
Determinacion explcita de puntos peri

odicos . . . . . . . . .
69
3 Teorema de Singer
3.1
71
Algunas Propiedades de la Derivada Schwarziana . . . . . . .
73
4 Hiperbolicidad
81
5 Aplicaci
on Logstica revisitada
85
5.1
Din
amica simbolica y la aplicaci
on logstica . . . . . . . . . .
94
5.2
Medida del conjunto de Cantor invariante para la aplicaci

on
logstica cuando > 4 . . . . . . . . . . . . . . . . . . . . . .
98
6 Sobre la Definici
on de caos
103
7 Bifurcaciones de Aplicaciones del Intervalo
105
8 Aplicaciones mom
otonas por partes del intervalo
113
8.1
Aplicaciones del Intervalo mon

otonas por partes . . . . . . . 113
8.2
Aplicaciones del intervalos con herraduras . . . . . . . . . . . 123
9 Din
amica y M
etodo de Newton
9.0.1
125
Metodo de Newton . . . . . . . . . . . . . . . . . . . . 126
9.0.2
Conducta local del metodo de Newton
. . . . . . . . 127
9.0.3
Conducta global del metodo de Newton . . . . . . . . 131
9.0.4
Propiedades b
asicas de la transformada de Newton . . 132
9.0.5
on de las iteraciones 136

No convergencia de Nf : indenici
9.0.6
odiNo convergencia de Nfk : existencia de orbitas peri

cas atractoras . . . . . . . . . . . . . . . . . . . . . . . 143
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
11.1 Funciones de variaci

on acotada . . . . . . . . . . . . . . . . . 157
11.1.1 Variaci
on de la Composicion de Funciones . . . . . . . 159
11.1.2 Variaci
on del producto: otra f
ormula . . . . . . . . . . 160
11.1.3 Desigualdad de Yorke . . . . . . . . . . . . . . . . . . 161
11.2 Elementos basicos de teora de la medida . . . . . . . . . . . 162
11.2.1 Espacios medibles y medidas . . . . . . . . . . . . . . 162
11.2.2 Funciones medibles . . . . . . . . . . . . . . . . . . . . 164
11.2.3 Integraci
on y derivaci
on . . . . . . . . . . . . . . . . . 164
11.2.4 Espacios Lp . . . . . . . . . . . . . . . . . . . . . . . 166
11.3 Teora Erg
odica: Una introducci
on . . . . . . . . . . . . . . . 169
11.3.1 Medidas invariantes por transformaciones . . . . . . . 169
11.3.2 Teorema ergodico de Birkho . . . . . . . . . . . . . . 171
11.3.3 Transformaciones erg
odicas . . . . . . . . . . . . . . . 171
11.3.4 Transformaciones mezclantes (mixing) y transformaciones exactas . . . . . . . . . . . . . . . . . . . . . . . 173
11.4 Operador de PerronFr
obenius y operador de Koopman . . . 176
11.4.1 Algunas propiedades del operador de PerronFr
obenius 178
11.5 Operadores de Markov . . . . . . . . . . . . . . . . . . . . . . 179
11.6 Calculo del operador de Perron-Fr
obenius y densidades estacionarias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
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
Modelos en tiempo continuo
La mayor parte del trabajo inicial cuantitativo en niveles de poblaci

on fue
hecho usando ecuaciones diferenciales la soluci
on o propiedades de las
cuales puede encontrarse usando tecnicas estandar en sistemas dinamicos.
La forma mas simple de modelo considera el comportamiento de una sola especie cuyo nivel de poblaci
on x es regulado por competicion intraespecca.
3
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
El efecto Allee es cuando el punto jo no trivial es no globalmente atractor. Los

gr
acos muestran dos maneras en que esto puede courrir.
Para muchas especies b(x) ha sido encontrada unimodal, de modo que

la reproduccion es baja cada vez que la poblacion esta en extremos; en
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
Podemos ahora modicar la ecuaci

on logstica para modelar dos especies que
compiten por alg
un recurso limitadoque podra ser comida, espacio, sitios
para anidar o a
un evitar efectos de predacionen que los nichos de ambas
especies se intersectan

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
Para estabilidad requerimos un benecio indirecto entre habilidad competitiva y

capacidad acarreadora
Aqu coexistencia puede solamente ocurrir cuando 12 k2 < k1 y 21 k1 <

un papel en la determik2 . Note que los valores de r1 y r2 no juegan ning
naci
on de la estabilidad del sistema. Cuando las condiciones de coexistencia
se invierten, 12 k2 > k1 y 21 k1 > k2 el punto jo es inestable y observamos
control de fundador, donde la densidad inicial de las dos especies determina
el resultado nal. Este tipo de comportamiento es obervado a menudo en
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 .
Tal modelo generico puede ser usado para describir el comportamiento de

predadorpresa, plantahervboro, huespedpar
asito o huespedparasitoide.
De donde viene este conjunto de ecuaciones? Queremos pensar acerca de
V y P como las densidades de las dos especies dentro de cierta region. En
ausencia de interacciones las presas nacen a una raz
on B y los predadores
mueren a una raz
on D . Las interacciones toman la forma de un termino de
acci
on de masa V P , de modo tal que al crecer la densidad de predadores
y de presas tambien crece el n
umero de interacciones. Este punto de vista
describe los organismos como las moleculas de un gas, rebotando al azar y
colisionando con otras. En la ecologa verdadera esto no es tan simple, pero
como primera aproximaci
on es razonable.
B
Este sistema de ecuaciones tiene un punto crtico (V = D

A , P = C )
que es neutralmente estable, de modo que la din
amica es una orbita cerrada
alrededor del punto crtico denido por las condiciones iniciales.
Debido a nolinealidades simples en las ecuaciones, la clina nula de la

dV
= 0 , es paralela al eje V . Esto es lo que conduce a la paradoja
presa,
dt
de enriquecimiento. Este es el nombre dado al fen
omeno consistente en que
si las condiciones mejoran para la presa (de modo que B es incrementado),
esto es reeja en un incremento de los predadores, mientras que la densidad
de presas permanece inalterada.
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
Modelos con retardo
Comportamiento muy complejo puede ser obdservado en modelos de una

solo especie con retardo, por ejemplos

x(t )
dx
= rx(t) 1
dt
k
que es crecimiento logstico pero con un retardo en el termino de capacidad acarreadora. Estos retardos son usualmente vistos como alguna representacion de los efecto de otra especie o de structura de edad. Ecuaciones
con retardo pueden ser muy dcil de analizar o de simular numericamente.
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
Redes multiespecies de comida
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
Modelos en tiempo discreto
Muchos animales y plantas, especialmente en regiones de baja temperatura,

se reproducen anualmente. Para capturar este comportamiento discreto
introducimos una funci
on f que nos lleva desde el nivel de poblaci
on este
on m
as
a
no a la poblaci
on en el pr
oximo a
no, xt+1 = f (xt ) . La ecuaci
ampliamente conocida y usada es la funci
on logstica

x
,
f (x) = rx 1
k
donde la capcidad de soporte k act
ua a escala x y la raz
on reproductiva
b
asica r es un par
ametro de bifurcaci
on. Cuando r < 1 la poblaci
on esta
condenada a la extinci
on, pues x = 0 es un punto jo atractor global.
Cuando r crece observamos la ruta usual de duplicaci
on de perodo hacia
el caos que se espera de una funcion logstica. Es interesante notar las
diferencias entre la funci
on logstica y la ecuaci
on logstica.
Observaci
on. Dada la simpicidad de la funci
on logstica (y posiblemente
hasta biol
ogicamente realista) fue mostrado que produce din
amica caotica
([11]) muchos investigadores han buscado caos en el laboratorio y poblaciones naturales. Pensaramos que el caos debera ser cosa com
un, pues si
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
Esta se comporta mas y mas como api

namiento cuando b + (con
los otros parametros adecuadamente reescalados). Una vez mas, para b sucientemte grande, encontramos que hay una ruta de duplicaci
on de perodo
hacia el caos cuando r crece.
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).
Ht+1 = rHt exp(aPt )

Pt+1 = rHt (1 exp(aPt )) .
Para entender esta funci
on necesitamos otra vez considerar el comportamiento subyacente entre mediciones. Empecemos con Ht huespedes adultos y Pt parasitoides adultos. Los huespedes adultos producen Y (0) = rHt
j
ovenes antes de morir, y los parasitoides adultos entonces buscan y ponen
sus huevos en cualquier joven huesped que puedan encontrar. Si los parasitoides encuentran huespedes descendientes al azar, entonces el n
umero de
descendientes no parasitados Y obedece a la ecuacion diferencial
dY
= APt Y (T ) .
dT
ovenes
Entonces, despues de un tiempo hay Y ( ) = rHt exp(aPt ) j
que maduran para ser huespedes adultos, y los restantes rHt (1exp(aPt ))
j
ovenes parasitados producen en promedio parasitoides cada uno (a =
A ). Por lo tanto, el modelo estandar NicholsonBailey es el producto de
una fase corta de reproducci
on de huespedes seguida por una b
usqueda al
azar de descendencia huesped por los parasitoides. En lugar de estudiar esta
dos fases de tiempo continuo, miramos a la funci
on que toma las poblaciones
de un a
no al siguiente.
Esta funci
on posee solamente un punto jo inestable, y las trayectorias
son espirales r
apidas hacia afuera con ciclos sucesivamente mas grandes de
auge y caida de modo que en cualquier poblacion nita o los parasitoides
o ambas poblaciones se iran a la extinci
on. A pesar de esta limitacion
obvia las ecuaciones de NicholsonBailey dan una buena aproximaci
on, en
el corto plazo, a la din
amica de poblaciones de laboratorio. Obviamente,
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
Tres formas funcionales diferentes, que ilustran c

omo el n
umero de presas
consumidas por un predador se escala con densidad de la presa. En la ordenada
colocamos las presas consumidas por depredador
Es poco probable que as como la densidad huesped aumenta, el n

umero
que puede ser parasitado por un n
umero jo de parasitoides va a crecer
linealmente. Una curva de respuesta funcional nos dice c
omo el n
umero de
presas (o huespedes) consumidos por un predador (o parasitiode) cambia
con la densidad de presas (huespedes). La naturaleza asint
otica es porque
hay un tiempo de manipulaci
on Th asociado con la captura y consumo
de la presa, lo cual signica que menos del tiempo T es disponible para
b
usqueda. En general, es muy dcil determinar las curvas especcas de
respuesta funcional a partir de datos ecol
ogicos, debido a efecto estocasticos
y al hecho de que el rango completo de densidad de presas son rara vez
muestreados.
Holling (1959) clasic
o tres formas de respuesta funcional: Tipo 1 es generalmente experimentado por ltradores de comida tales como dafnias. Con
respuesta funcionales de Tipo 2, las razon de cambio es inicialmente lineal,
pero al nal el consumo es asint
otica a un nivel jo. Con respuesta funcionales de Tipo 2 el n
umero de huespedes jovenes que maduran puede ser
aproximado por
16

Y ( ) = rHt exp
aPt
1 + ATh Ht
Esta forma en realidad hace el modelo de NicholsonBailey menos estable.

Respuestas de tipos 1 y 2 pueden tambien pensarse como Densidades de
Dependencia Inversa para la especie presa, porque as como el n
umero de
presas aumenta, cada una enfrenta menos posibilidades de ser consumida.
Podemos pensar esta respuesta funcional que se debe a saturacion del apetito
del predador cada predador puede consumir solamente una cantidad ja
de presas sin importar cuan f
acil es cazar.
Respuestas Tipo 3 son de nuevo m
as complejas, y tiene un nivel de consumo muy bajo para densidades bajas de huespedes

Y ( ) = rHt exp
aHt Pt
1 + cHt + bTh Ht2
Este tipo de respuesta puede ocurrir debido a la habilidad limitada del

predador para encontrar presas escasas, o debido a que los predadores conservan energa cuando la presa es escasa. A
un cuando esta forma es estabilizadora, no puede nunca estabilizar el punto jo.
heterogeneidad. Un metodo nal de estabilizar el sistema es introducir heterogeneidades, de modo que los huespedes y los parasitoides no son supuestos
uniformemente distribuidos sobre todo el espacio. La manera original de
llegar a esto era asumir que una agregaci
on predenida para cada especie.
Esto fue conseguido suponiendo una forma binomial negativa en lugar de
una distribuci
on de Poisson

Y ( ) = rHt
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 =
desviacion estandar de riesgo de parasitismo por huesped

> 1.
riesgo medio de parasitismo
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
Como vimos en el captulo anterior, el problema de determinar la conducta

de iterados de una aplicaci
on aparece frecuentemente en estudios naturales.
Un area particular es el estudio de din
amica de poblaciones. Este es relacionado con modelacion de poblaciones o n
umero de individuos en una coleccion de organismos (que pueden ser desde organismos unicelulares hasta
personas) como funci
on del tiempo. Una aproximaci
on a este problema es
hacer consideraciones acerca de los cambios en diferentes tiempos. Podemos,
por ejemplo, asumir que existe una tasa de nacimiento constante b , lo cual
signica que en una poblaci
on de x individuos podemos esperar que b x
nuevos individuos nazcan en el transcurso de una unidad de tiempo. Esto
puede ser formulado como una ecuacion de diferenciasnitas
xn+1 = xn + bxn = (1 + b)xn ,
19
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
modelo es el conocido como modelo de Verhulst, xn+1 = xn + bxn dx2n ,

on tambien
o como ecuacion diferencial x (t) = bx(t) dx2 (t) . Esta ecuaci
bx0
es conocida como ecuaci
on logstica, y su soluci
on es x(t) = dx0 +(bdx
bt .
0 )e
Las muertes decaen exponencialmente a 0 cuando t . Por lo tanto,
b
individuos, independiente de
este modelo predice una poblaci
on lmite de
d
la poblaci
on inicial. En la siguiente gura se muestran algunas soluciones
de la ecuaci
on para b = 0.05 y d = 0.001 .
100
80
60
40
20
...
....
.......
.........
............
....................
................................
.
........................................................................................................................................................................................................................
.......................
..............
..........................................
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
...................
................
...........
.......
.
.
.
.
....
...
...
20 40 60 80 100 120 140
Soluciones de las ecuacion logstica: las diferentes poblaciones iniciales son

x(0) = 10 , x(0) = 50 y x(0) = 80 .
Por otra parte, la ecuaci

on de diferencia
xn+1 = (1 + b)xn dx2n
tiene una riqueza din
amica extraordinaria, a la cual volveremos mas adelante
En las siguientes secciones introducimos algunos conceptos basicos de
din
amica 1dimensional (ver [4]) que ser
an usados en nuestro estudio de
la din
amica de aplicaciones.
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
Para la primera parte, s

olo requerimos que las aplicaciones sean continuas.
Para obtener resultados m
as interesantes sobre dinamica aumentaremos la
exigencia a diferenciabilidad, al menos C 1 .
Sean I R un intervalo y f : I R una aplicaci
on continua. En lo
n
a la composicion de f con si misma nveces, es decir,
que sigue f denotar
fn = f f f

nveces
cuando esta composicion tenga sentido.

Definici
on 1.1. Sea p I . Si est
an denidas las sucesivas im
agenes
2
3
f (p), f (p), f (p), . . . de p se dene su orbita como el conjunto
orbf (p) = {p, f (p), f 2 (p), . . . , f n (p), . . .} .
De entre las orbitas distiguimos las m
as simples.
Definici
on 1.2. Sea p I . Decimos que
(a)
(b)
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
(iii) p es un punto peri

odico de f si y solo si su orbita es nita. En este
caso, el n
umero de elementos en orb(p) es su perodo. Algunas veces
nos referimos a una orbita peri
odica de perodo n como un nciclo.
Ejemplo 1.1. Para la aplicaci
on f (x) = x todos los puntos son puntos
jos, y para f (x) = x todos los puntos, con excepcion de x = 0 , son
puntos peri
odicos de perodo 2, y x = 0 es punto jo. Funciones con
conjuntos cerrados de puntos jos o peri
odicos son raras en un sentido que
precisaremos mas adelante.
Ejemplo 1.2. Para f : R R denida por f (x) = x3 , se tiene que
odico de perodo 2.
x0 = 0 es un punto jo y x1 = 1 es un punto peri
Ejemplo 1.3. Sea f (x) = |1 x| , entonces {0, 1} es una orbita peri
odica
de perodo 2 , y como f (2) = 1 se tiene que 2 es preperi
odico.
Ejemplo 1.4. Si f : I I es un homemorsmo, entonces f no puede
tener puntos peri
odicos de perodo mayor que 2. (Demuestre esta armacion.)
Ejemplo 1.5. Demostraremos mas adelante que las aplicaciones f : [0, ]
[0, ] dada por f (x) = sen(x) y f : [0, 1] R denida por f (x) =
x(1 x) , donde > 0 tienen muchos puntos peri
odicos, en el u
ltimo
ejemplo la cantidad de puntos peri
odicos depende del valor del par
ametro
.
Desde ahora en adelante, nuestro objetivo es tratar de comprender la conducta de las orbitas de una aplicaci
on, este es un objetivo muy ambicioso, y
a medida que vayamos avanzando iremos agregando restricciones a nuestras
aplicaciones para tener una mejor comprension de la din
amica.
El siguiente teorema, cuya demostracion es consecuencia inmediata del
Teorema del Valor Intermedio, es el mas elementales sobre existencia de
puntos jos.
Teorema 1.1. Sea I = [a, b] un intervalo cerrado y f : I R una
aplicaci
on continua. Si f (I) I o si I f (I) , entonces f tiene un punto
jo en I .
24
Din
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)
Lema 1.2. Sea J un intervalo acotado, y sea f : J J una aplicaci

on
on de intervalos cerrados, tales que In
continua. Sea (In )nN una sucesi
on de
J y In+1 f (In ) para todo n N . Entonces existe una sucesi
intervalos cerrados (Qn )nN tales que Qn+1 Qn Q1 Q0 =

I0 y f n (Qn ) = In para todo n 0 . En particular, si x Q =
n=0 Qn
n
entonces f (x) In para todo n 0 .
Demostraci
on. Denamos Q0 = I0 . Es claro que f 0 (Q0 ) = I0 . Supongamos, por induccion, denidos los intervalos Q0 Q1 Qn1 , tales
que f i (Qi ) = Ii . Tenemos que In f (In1 ) = f n (Qn1 ) , aplicando el
Lema 1.1 a g = f n en el intervalo Qn1 concluimos que existe un intervalo
cerrado Qn Qn1 , tal que f n (Qn ) = In . Lo que ternima la prueba del
lema.
Una manera m
as general de enunciar el teorema de Li&Yorke es la siguiente.
Teorema 1.3. Sea f : R R una aplicaci
on continua. Supongamos
que existen puntos d a b > c) tales que b = f (a) ,
c = f (b) = f 2 (a) y d = f (c) = f 2 (b) = f 3 (a) (en particular, si d = a
se tiene que a es un punto peri
odico de perodo 3). Entonces para cada
k = 1, 2, 3, . . . , existe un punto peri
odico de perodo k
26
Din
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
Dado k > 1 consideremos sucesion de intervalos cerrados (In )nN denida

como sigue: In = L para n = 0, 1, . . . , k 2 , Ik1 = K , y para n k
se tiene que I+k = I , donde = 0, 1, . . . . Si k = 1 , denimos In = L
para todo n . Es claro que la sucesi
on (In )n0 satisface las condiciones
on de intervalos cerrados dada por el
del Lema 1.2 . Sea (Qn )n0 la sucesi
Lema 1.2. Notemos que Qn Q0 y f n (Qn ) = Q0 , luego Teorema 1.1 la
aplicaci
on g = f k tiene un punto jo pk Qk . Armamos que el perodo
de pk no puede ser menor que k . En efecto, tenemos I0 = = Ik2 = L ,
Ik1 = K y Ik+ = I para = 0, 1, . . . . As
L = I0 =
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
Si el perodo de pk fuese menor que k entonces deberamos tener que

k ) = b , lo cual contradice el hecho que pk L . Lo que completa la
prueba del teorema.
f k1 (p
Ejemplo 1.10. Las aplicaciones f4 , T : [0, 1] [0, 1] denidas por f4 (x) =

4x(1 x) y
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
sucesion p, f (p), . . . , f k1 (p), f k (p) = p . Entonces debe existir un punto

b = f i (p) (1 0 y
g(b) = f (b) b < 0 , luego debe existir un punto c entre p y b tal que
g(c) = 0 , es decir, f (c) = c . Como queramos probar.
Ejemplo 1.11. Perodo 5 no implica perodo 3.
Para mostrar esto, consideremos la aplicacion f : [1, 5] [1, 5] , denida
por las condiciones: f (1) = 3 , f (2) = 5 , f (3) = 4 , f (4) = 2 , f (5) = 1 , y
linear por partes. La gura siguiente muestra el gr
aco de f .
5
4
3
2
1
................................................................................................................................................................
..
...
... ....
.
. ....... ...
.. . .... .
...
.
. ...... ..
.. . ......... .
..
.
.
.
.
.
.
.
.
.
.
.
... . . . . . . . . . . . . ...... . . . ...... . . . ...
..
. ..
.
.
....
..
. ...
...... ....... .
.
..
. ..
. .......... .
.
.....
..
.
.
.
.
.
.
.
.
.
.
..... . . . . ...... . . . .. . . . . ........... ..... . .. . . . . ...
..
.
... .
.
.
.
.
.
.
.
.....
.
... .
.
. ...... .
...
... .
.
. ..... .
.....
.
.
.
.
.
.
.
.
..... . . . . .. . . . . ......... . . . ... . . . ......... . . . ...
.
..
.
. ........
.
.....
..... ..
.
.
.
.
. ..... ....
.
.
.
.
.
.
.
.....
.
. ...
.
.
.
..... ...
.
..... . . . ........... . . . ... . . . . ... . . . ... . . . .......
.
..
.
.
.
..... ........ .
..
..
.
.
.
.
.
..... .......
.
.
.
.
.
.
.................................................................................................................................................
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
p [3, 4] un punto jo de f 3 , luego f (p) [2, 4] . Si f (p) [2, 3] , entonces

f 3 (p) debe estar en [1, 4] lo cual es imposible, pues en este caso p no puede
ser un punto jo de f 3 . Luego, f (p) [3, 4] , y de aqu, f 2 (p) [2, 4] . Si
f 2 (p) [2, 3] entonces f 3 (p) [4, 5] , lo cual es imposible. Por lo tanto, nos
queda que p, f (p), f 2 (p) [3, 4] . Ahora sobre el intervalo [3, 4] se tiene que
f es lineal afn y es dada por f (x) = 10 2x , de donde x = 10/3 es un
nico punto jo en [3, 4] , el
punto jo de f y es facil ver que f 3 tiene un u
cual debe ser 10/3 . Lo que completa el argumento.
Sea J = [a, b] un intervalo compacto. Denotemos por C(J, J) el conjunto
de las aplicaciones continuas J en si mismo. Dotamos a C(J, J) con la
distancia
d(f, g) = sup{|f (x) g(x)| : x J} .
Una pregunta natural es Existen muchas aplicaciones continuas con
una gran cantidad de puntos peri
odicos? (muchas en el sentido de la distancia denida en C(J, J) ).
Teorema 1.4. Sea f C(J, J) y sea > 0 dado. Entonces existe
una aplicaci
on g C(J, J) con un punto peri
odico de perodo 3 y tal que
d(f, g) <
Demostraci
on. Dada f C(J, J) y dado > 0 vamos a construir una
aplicaci
on g C(J, J) , que tiene un punto peri
odico de perodo 3 y tal que
d(f, g) < .
Sea p J un punto jo de f . Supongamos que p = b . Como f es
continua, existe = (p, ) > 0 con < /2 que satisface |f (x) p| < /2
para todo x [p, p+] . Sea = /4 . Denamos f C([p, p+], [p, p+])
por
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
Sea : [p + 2, p + 3] J denida por

f (p + 3) p
,
(x) = p + (x p 2)
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
Es claro que g C(J, J) , y por otro lado,
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
max{sup |f (x) p| + sup |p f (x)|,

xI1
xI1
sup |f (x) p| + sup |p (x)|}
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
Tenemos que 0 es un punto peri

odico de perodo 3 para f . Dado > 0 ,
consideremos la aplicacion f : [0, 1] [0, 1] denida por:
1
2
+ si 0 x
f (x) =
x + 12 si x 12
2 2x si 12 x 1 .
32
Din
.........................................................................................................................
. .
. .
...
.... ..
.... ...
....
..... ...
..... .. .....
.
.
.
.
.
.
.
..
.
.
.
. .... ......
.....
..
....
.
. ........
...
....
.
.
.
.
.
.
. .... ...
... ....
.
.
. ...... ....
.
...........
.
1 .. . . . . . . . ......... . . . ..... . . . ...
..
..
...
2 .....
..
....
...
...
.... ..
.
.
.
.
.
.
.
.
... ....
..
.
.
.
.....
.
.
.
.
.
.
.
.
... ....
.....
....
... ..
.
....
... ..
.
..... .......
.....
.
.
.................................................................................................................
1
2
Tenemos que d(f, f ) < , y es f

acil ver que f no posee puntos peri
odicos
de perodo 3. Por lo tanto, la propiedad de poseer un punto peri
odico de
perodo 3 no es estable por peque
nas perturbaciones. Nos planteamos
ahora la siguiente pregunta si hacemos una peque
na perturbaci
on de una
aplicaci
on que posee muchos puntos peri
odicos, es posible obtener una aplicacion que s
olo tenga una cantidad nita de puntos peri
odicos? La respuesta
viene dada por el siguiente teorema.
Teorema 1.5. Sea f C(J, J) . Supongamos que f posee un punto
peri
odico de perodo 3. Entonces, existe > 0 tal que si g C(J, J)
satisface d(f, g) < ,la aplicaci
on g tiene al menos un punto peri
odico de
perodo 5.
odica de perodo 3 para
Demostraci
on. Sea {x1 , x2 , x3 } una orbita peri
3
f . Supongamos que f (x3 ) = x1 < x2 < x3 (si x1 < x3 < x2 , la prueba es
an
aloga). Tenemos que f (x1 ) = x2 , f (x2 ) = x3 y f (x3 ) = x1 .
Sea y1 [x1 , x2 ] tal que f (y1 ) = x2 y f no posee puntos jos en [y1 , x2 ] .
Ahora consideremos f 2 , tenemos f ([y1 , x2 ]) [x2 , x3 ] y f 2 ([y1 , x2 ])
f ([x2 , x3 ]) [x1 , x3 ] , luego existe y2 [y1 , x2 ] tal que f 2 (y2 ) = x2 . Observemos que y2 = y1 e y2 = x2 , pues f (y1 ) = x2 y f 2 (y1 ) = f (x2 ) = x3 ;
f (x2 ) = x3 y f 2 (x2 ) = x1 . Ahora, f 3 ([y2 , x2 ]) f ([x1 , x2 ]) [x2 , x3 ] ,
luego f 4 ([y2 , x2 ]) f ([x2 , x3 ]) [x1 , x2 ] , y por lo tanto f 5 ([y2 , x2 ])
[x1 , x3 ] . Luego, f 5 aplica el intervalo [y2 , x2 ] sobre un intervalo [u, v]
[y2 , x2 ] . Por lo tanto, por continuidad, existe > 0 tal que si d(f, g) <
entonces g5 aplica [y2 , x2 ] sobre un intervalo [u , v ] [y2 , x2 ] . Por lo
tanto existe un punto x0 [y2 , x2 ] tal que g5 (x0 ) = x0 . Como el intervalo
33
Sergio Plaza
[y2 , x2 ] es disjunto del conjunto de puntos jos de f , disminuyendo si es

necesario, podemos suponer que g no posee puntos jos en [y2 , x2 ] . Lo que
termina la prueba
Ejemplo 1.13. Para la siguiente aplicaci
on, f : [0, 5] [0, 5] dada en la
gura siguiente
5
4
3
2
1
.......................................................................................................................................................................................................
...
..
.. . .
.. .
..
..
..
.... .. ...
..
..
..... ..
....
..
..
.. ........ ... .... ....... ...
.
..
.
.
.
.
.
.
.....
..
...
... ...........
...
... .......
...............................................................................................................................................................................................................
.
.
...
.
..
..
.. ..
.
... ..
..
..
.... ..
..
... ...
.. ... ....... ...
....
..
..
... ..
.
.
.
.
.
.
.
... ..
....
... ... ........
...
...
...
...
........................................................................................................................................................................................................
..
..
... ..... ...
...
...
...
...
..
...... ..
..
..
..
..
..
..
..
.. .....
.....
..
..
..
..
.. .......
.
.
.
.
.
.
.
.........................................................................................................................................................................................................
.
.
.
.
.
.
. ... ...
.
.
.
.
.
..............
.
.....
.
.
.
. . .. .... .. ..
..
...
...
.....
..
..
...
... .. .... ..... .. ..
.. .. ........ .. ..
..
..
..
... ... ....... ........ ......
.....
..
..
..
.
.
.
.
.
.
.
.
.
..........................................................................................................................................................................................................
.
.
.
.
..
.
.
..... ... ........ ...
...
..
...
...
. .
..
..
..
..
..
..... ...........
..
..
..
..
..
.
.
..
.
.
.
.
..............
...
.
...
...
...
..................................................................................................................................................................................
tenemos que 0 es un punto jo, {1, 2} es orbita peri

odica de perodo 2, y
{3, 4, 5} es orbita peri
odica de perodo 3.
Ejemplo 1.14. Suponga que J = [r, s] y que f : J J es una aplicacion
continua. Supongamos que a < b < c en J son tales que f (a) = c ,
f (b) = a y f (c) = b
c
........................................................................................................................................................
......
... ..
...
......
.... ..
..
... ..
..
.... ...
.
.
.
.
.
.
..
.
..... .....
...
..
....
..
..
.....
.
.
.... .....
..
.
..
.
.
.
.
.. ...
..
..
.
.
.
.
... ..
..
..
.
.
.
.
..
.
.
..... ....
..
... ........
.
.
.
.............................................................................................................................................................
.
.
.
.
.
...
.
.
.
.
.
.
.
.
.....
.
.
...
... ..
..... ..
...
.....
... ..
.... ...
...
..
....
... ....
.
... ......
.
.....
.
...
...
.. ...
...
.....
.
...
..
......
...
...
..
.... ......
.
.
.
.
.....
.
..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
.
....
.
.
.
.
..... .......
...
..
.....
.
.
.
.
.
.
.
.
.
.
.
..................................................................................................................................................................................
34
Din
Sea g(x) = f (x) . Tenemos que g : J J , donde J =

[s, r] . Adem
as, g(c) = f (c) = b , g(b) = f (b) = a , y
g(a) = f (a) = c , y es claro que c < b < a . Tenemos entonces
que g satisface las hip
otesis del Teorema de Li& Yorke, por lo tanto g tiene
puntos peri
odicos de todos los perodos. Ahora, como f n (x) = gn (x) ,
concluimos que f tiene puntos peri
Ahora daremos uno de los teoremas mas impresionantes de la din
amica de
aplicaciones reales de variable real, nos referimos al Teorema de Sarkovskii.
Para ello, primero necesitamos de la siguiente denicion.
Definici
on 1.3. El orden de Sarkovskii de los n
umeros naturales es: 3
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
entonces existe un punto peri

odico x1 J1 con f n (x1 ) = x1 , de modo
que la o
rbita x1 x2 xn bajo f satisface x1 J1 , x2
J2 , . . . , xn Jn .
Demostraci
on. S
olo probaremos la segunda parte, la primera parte ya
fue probada. Como Jn J1 existe un intervalo compacto Jn Jn
con f (Jn ) = J1 . Como f (Jn1 ) Jn Jn existe un intervalo compacto

Jn1 con f (Jn1
) = Jn , y as sucesivamente. Luego para cada
Jn1

.
i = 1, . . . , n 1 tenemos intervalos compactos Ji Ji con f (Ji ) = Ji+1
n

Se sigue entonces que la aplicacion f aplica J1 sobre J1 J1 . Luego,
on
por la primera parte, f n tiene un punto jo x1 J1 , y por la construcci
se tiene que x1 J1 , f (x1 ) = x2 J2 , . . . , f (xn1) = xn Jn . Lo que
completa la prueba del lema.
Damos ahora otra prueba del Teorema de Li & Yorke.
Lema 1.6. Si f : I I tiene un punto peri
odico de peri
odo 3 entonces
f tiene puntos peri
Demostraci
on. Sean a < b < c , los puntos en la orbita peri
odica de
perodo 3. Existen exactamente dos maneras en la cual esos puntos pueden
ser permutados ciclicamente: a b c o a c b bajo f .
Supongamos para jar las ideas que estamos en el caso a b c . (La
prueba para el otro caso es an
aloga.) Introducimos la notaci
on L = [a, b]
para el subintervalo a la izquierda y R = [b, c] para el subintervalo a la
derecha. Como f aplica los dos puntos extremos de R en los dos puntos
extremos de L R es claro que R L y R R . Ahora aplicamos el
Lema 1.5 a las sucesiones
L R R L
L R R R L
L R R R R L
..
.
y vemos que f tiene puntos peri
odicos de perodo 3, 4, 5, . . . . De hecho
36
Din
para cada n 3 , este argumento muestra que existe un punto perodico

con x = f n (x) L pero f (x), f 2 (x), . . . , f n1 (x) R .
Debemos chequear que de hecho el perodo de ese punto no puede ser un
divisor propio de n . Ahora, si f m (x) = x para alg
un 1 < m < n , entonces
se sigue que x pertenece a L y a R , luego x = b , y esto es imposible pues
/ R , pero f n (x) R cuando n 3 . Lo que completa la prueba
f 2 (b) = a
del lema.
Definici
on 1.4. Un orden tipo de perodo n es una permutaci
on cclica
del conjunto nito {1, . . . , n} .
Definici
on 1.5. Una
orbita peri
odica de f : I I tiene orden tipo si
sus elementos, cuando son indexados en orden creciente como x1 < x2 <
on f : xi x (i) .
< xn , satisfacen la condici
Desde la denici
on, dos orbitas peri
odicas tienen el mismo tipo de orden
si y solo si existe una correspondencia entre ellas la cual conmuta con la
aplicaci
on, la cual preserva orden.
on cclica
Usaremos la notacion (1, i2 , . . . , in ) para denotar tal permutaci
, donde : 1 i2 i3 in 1 o equivalentemente
on
f : x1 xi2 xin x1 , aqu i2 , . . . , in es una permutaci
arbitraria de {2, . . . , n} . Luego, el n
umero de perodos tipo n distintos es
igual a (n 1)! .
Para n = 2 existe solo un orden tipo, el cual es (1, 2) .
Para n = 3 , existen dos orden tipo distinto, dados por (1, 2, 3) y (1, 3, 2) .
Para n = 4 existen 6 orden tipos
4 ........................................................................................................................
= (1, 3, 2, 4)
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
Dado un orden tipo : {1, 2, . . . , n} {1, 2, . . . , n} asociamos a este

una aplicaci
on lineal por partes L : [1, n] [1, n] , la cual aplica cada
subintervalo Ki = [i, i + 1] anmente sobre el intervalo con extremos (i)
y (i + 1) . Para n = 4 , los gr
acos de las correspondientes aplicaciones
L estan dadas arriba.
Para analizar el orden tipo, subdividimos el intervalo [1, n] en los subintervalos K1 = [1, 2] , . . . , Kn1 = [n 1, n] .
Definici
on 1.6. La matriz de Markov M = (Mij )(n1)(n1) asociada con
un orden tipo de perodo n es la matriz (n 1) (n 1) de 0 y 1 ,
donde
1
si L (Ki ) Kj , es decir, Ki Kj
Mij =
0
otro caso .
Por ejemplo, para = (1, 2, 4, 3) tenemos
4 ....................................................................................................................
3
2
...
. .
.. ..
. ........ ....
...
... . ...
. ..
.
.
.. . ..
.... . .... . . . . ..... . . ........ . . . ....
... ..
. .... ...... .
.. ...
.
.. ....
.
.
. ....... .
. ..
... ..
. ... .. .
.. ..
....... . . . .......... . ....... .. . ....... . ....
... . ..
...
..
.....
..
... . ...
.... ........ ..
..
... . ..
.. .....
..
......
.
........
.
......................................................................................
luego, la matriz de Markov asociada es
M= 1
1
1 1
1 1
1 0
Ahora, si f : I I tiene una orbita peri

odica x1 < < xn de
orden tipo , entonces los correspondientes intervalos Ii = [xi , xi+1 ] deben
satisfacer la condici
on f (Ii ) Ij cuando Mij = 1 .
Definici
on 1.7. La matriz de Markov M = (Mij ) es transitiva (o irreducible) existe un entero positivo n tal que M n = M M (nveces) satisface que sus entradas, los cuales denotamos por Mijn , son todas mayores
que cero
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
... ....
.
.
. .....
. ....... ....
... ....
.
. ..
. ...
. ...
....... . . . . . . . ..... . ........ . . . ...
....... .
...
...
.
.
..
.
.
. .... ... .
...
..
...
. ..... ... .
.. . . . . ....... . . . ..... . . . . ...
.
.
...
.
.
.
..
. .....
.
..
....
. ..... ....
... ....... ..
.... ..
.
.
..... .
.
.
.............
..
......................................................................................
y su matriz asociada es,
0 0
M= 0 1
1 0
1
1
0 33
40
Din
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
Para cualquier divisor p de n con 1 < p < n , expresamos el conjunto

nito {1, 2, . . . , n} como una uni
on disjunta de p bloques consecutivos de
longitud q = n/p , es decir,
{1, . . . , n} = B1 Bp ,
donde Bi+1 = {iq + 1, iq + 2, . . . , iq + q} .
Definici
on 1.8. El orden tipo de perodo n = pq es prenormalizable si
existe un orden tipo de perodo p tal que la permutaci
on aplica cada
bloque Bi en el bloque B(i) .
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
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
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
(m) = m + 1 y (m + 1) = m 1 . Ahora la imagen bajo Lr de J2 =

olo un nuevo intervalo J3 . El
[m1, m] no puede cubrir J1 , y puede cubrir s
u
nico modo que esto ocurra es que J3 = [m+1, m+2] , con (m1) = m+1 .
Continuando, inductivamente, vemos que
: 1 m + 1 m 1 m + 2 m + (m 1) 1 .
Se sigue entonces que n = 2m 1 . El resto de la prueba es an
alogo y se
deja a cargo del lector.
1.3
Suplemento
El teorema de Sarkovskii es el mejor posible en el sentido que para cada n ,

existe una aplicacion continua f de un intervalo compacto en si mismo que
tiene un punto peri
odico de perodo n pero no tiene puntos perodicos de
perodo m para cualquier m
n . Tambien existe una aplicacion continua
f con puntos peri
odicos de perodo 2d para cada d 0 , pero no tiene
puntos peri
odicos con otros perodos. Para mostrar esto tenemos el siguiente
teorema.
Teorema 1.11. Para cada entero positivo r existe una aplicaci
on continua
fr : Ir Ir denida sobre un intervalo compacto Ir , tal que fr tiene un
punto peri
odico de perodo r , pero no tiene puntos peri
odicos de perodo s
para todo entero positivo s que precede a r en el orden de Sarkovskii, es
decir, s

r .
Demostraci
on. La prueba es constructiva, es decir, construimos en cada
caso una aplicaci
on continua con las propiedades requeridas. Para ellos
consideramos los siguientes caso:
(i) perodos impares
(ii) perodos de la forma 2n (entero impar)
(iii) perodos de la forma 2n .
47
Sergio Plaza
Caso i) Construiremos una aplicacion continua f que tiene un punto peri

odico
de perodo 2n + 1 pero no tiene puntos peri
odico de perodo 2n 1 .
on hacemos
Sea f2n+1 : [1, 2n+1] [1, 2n+1] , para simplicar la notaci
f = f2n+1 , denida por las condiciones: f (1) = n + 1 , f (2) = 2n + 1 ,
f (3) = 2n , f (4) = 2n1 , . . . , f (n) = n+3 , f (n+1) = n+2 , f (n+2) = n ,
f (n + 3) = n 1 , . . . , f (2n + 1) = 1 , y linear por partes, la gura abajo
muestra a f2n+1 para n = 3 .
7
6
5
4
3
2
1
..........................................................................................................................................................................................
.
.
.
.
.
.. .
...
... ...
.
. ....... ....
.
.
...
.. . .... .
.
. ...
.
.
.
.. . ..... .
..... . . . . . . .... . . . ......... . . . . . . . . . . . ........ . . ...
..
. ... .
. ...... .
.
. .......
....
..
. .. .
. ..... .
. ...... .
..
..
.
..... .
.
. ... .
.
.
.
...
.
..
.
.
.
.
.
.
.
.
.
..... . . . .. .... . . .. . . . .. . . . ...... . . ......... . . . .. . . . ...
.
.
..
.
. ..
.
. .......... .
.
.....
..
.
...
.
.
. ....
.
.
..... . . . .. . . . . . . . . . . . ........ ..... . . . . . . . . . ...
.
..
.
.
.
.
.
. . ... .
.
.
.....
..
.
... .
.
.
.
. ..... .
..
....
.
.
.
.
. ......
.....
..
.
.
.
.
.
..... . . . .. . . . .. . . ......... . . . .. . . . .......... . . .. . . . ...
.
.
.
.
. ..... .
.
. ...... .
.
.....
.
... .
. ...
.
.
.
.
..
..... . . . . . . .......... . . . . . . . . . . . . . .......... . . . ...
. ..... .
. ...... ...
.
.
.
.....
. ..... .
. ...... ..
.
.
.
..... ..
.
.
. .....
.
.
.
.....
....
..
.
.
.
.
.
..... . . .......... . . . . . . . . . . . . . . . . . . . . . . . ...
..
.
.
.
.
.
.
..... ....... .
..
.
.
.
.
.
.
.
.
...................................................................................................................................................................................
Observemos que todos los enteros en [1, 2n + 1] son peri

odicos de perodo
2n + 1 . Por ejemplo, la orbita del punto 1 es dada por
f
1 n+1 n n+2 n1 n+3 n2 2 2n+1 1 .

odicas de perodo
Ahora debemos mostrar que f2n+1 no tiene orbitas peri
2n 1 .
Comencemos con el intervalo [1, 2] . Tenemos que las primeras 2n 1
iteraciones del intervalo [1, 2] nos da lo siguiente
f
[1, 2] [n + 1, 2n + 1] [1, n + 2] [n, 2n + 1] [1, n + 3]

f
[n 1, 2n + 1] [1, 2n] [2, 2n + 1]
48
Din
Luego, f 3n1 ([1, 2])[1, 2[ = . Por lo tanto, el intervalo [1, 2] no contiene

orbitas peri
odicas de perodo 2n 1 para f2n+1 . Ahora vamos a mostrar

que todo intervalo [j, j + 1] , con la excepcion del intervalo [n + 1, n + 2] no
contiene puntos peri
odicos de perodo 2n1 para f , para ello mostraremos
que esos intervalos se comportan del mismo modo que el intervalo [1, 2] . En
particular, es f
acil ver que existe un iterado del intervalo [j, j + 1] que es
precisamente el intervalo [1, 2] . Como [1, 2] no contiene orbitas peri
odicas
de perodo 2n 1 , se sigue que el intervalo [j, j + 1] no contiene orbita
peri
odicas de perdo 2n 1 para f2n+1 .
Para el intervalo [n + 1, n + 2] notemos primero que f ([n + 1, n + 2]) =
[n, n + 2] , luego hay dos casos a cosiderar para x [n + 1, n + 2] .
Caso a) f k (x) [n + 1, n + 2] para todo k N . Como |f | > 1 sobre el
intervalo [n + 1, n + 2] se sigue que x es de hecho un punto jo de f2n+1 .
/ [n+1, n+2] para alg
un k N . Entonces f k (x) [n, n+1]
Caso b) f k (x)
y por el an
alisis previo x pertenece al intervalo [1, 2] .
En cualquier caso, x no puede tener perodo 2n 1 . Lo que completa la
cosntrucci
on en este caso.
Caso ii) Aplicaciones con puntos peri
odicos de perodo 2k (2n + 1) pero
no con puntos peri
odicos de perodo 2k (2n 1) .
Comenzemos con el caso de puntos periodicos de perdo 2 5 pero no de
perodo 2 3 , es decir, k = 1 y n = 2 . Sea f : [1, 5] [1, 5] denida
por las condiciones f (1) = 3 , f (2) = 5 , f (3) = 4 , f (4) = 2 , f (5) = 1 , y
49
Sergio Plaza
lineal por partes. El gr

aco de f es mostrado en la gura siguiente
5
4
3
2
1
...................................................................................................................................................................................................
. .
. .
...
.
.
.
.... ..
... . .....
...
.
.
.
.... ...
.. . ........
.
.
.
.
...
.
.
.
.
.
.
. ....
..... .
..
...
..... .
.
....
. .....
.. .
..... . . . . . ... . ...... . ... . . . . . ....... . . . . .......... . . . . . ....
.
.
.
.....
..
.
. ...
. ..... ....... .
.
. ....
....
. ... ...... .
.....
.....
.
.
.
.
.
.
.
.
.
.
...
...
.
. .... ...
.....
. . . . . ... . . . . .. . . . . .......... . ..... . . .. . . . . . ....
.....
.
..
... .
.
.
.... .
... .
.
.
....
.....
..... ..
... .
.
.
.
.
.
.
.
... .
.....
....
. .......
.
.
..
.
.
..... . . . . . ... . . . . ........... . . . . ... . . . . .......... . . . . . ...
.
.
.
.....
.. .
.
.
.
.
.
.
.....
.
.
.
..
.
. ........
.
.... .
.....
..... ...
.
. .......
.
.
..... ..
.
. .....
.
.
...
.
... . . . . ......... . . . . .. . . . . . .. . . . . . .. . . . . .........
..
.
.
.
... ..
.
.
....
..
.
.
.
.
...
..
.
.
.
... ....... .
..
.
.
.
.
... ....
..
.
.
.
.
.
.
.
.......................................................................................................................................................................................
Ya mostramos que esta aplicacion f tiene puntos peri

odicos de perodo 5,
pero no tiene puntos peri
odicos de perodo 3. Denamos ahora la aplicaci
on
g : [1, 13] [1, 13] por
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
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
cual tiene perodo 2. An

alogamente, cada punto del intervalo [3, 4] es de
perodo 4, excepto el punto x = 7/2 que tiene perodo 2. Ahora para el
intervalo [2, 3] , se tiene que f ([2, 3]) = [2, 4] , y puntos en el intervalo [2, 3]
o bien dejan el intervalo despues de un n
umero nito de iteraciones o bien
permanecen en el intervalo [2, 3] para todas las iteraciones. Ahora, si para
alg
un x [2, 3] y para alg
un k N se tiene que f k (x) [1, 2] [3, 4]
entonces x es atraido a un 4ciclo o bien a un 2ciclo. Por otra parte, si
orb(x) [2, 3] entonces f n (x) = f2n (x) , donde f2 (x) = 2x + 8 . Pero
f28 (x) = 256x 680 tiene un punto jo en x = 8/3 , el cual es un punto
jo de f . Luego la aplicaci
on f no tiene puntos peri
odicos de perodo 8 o
2
cualquier otro perodo que precede a 2 en el orden de Sarkovskii.
c) Para construir una aplicaci
odicos de perodo 2n ,
pero no tiene puntos peri
odicos de perodo 2n+1 usamos la aplicacion doble
g como en el caso ii). Comenzamos con la aplicacion f del caso i) b), la cual
on
tiene puntos peri
odicos de perodo 22 pero no de perodo 23 . La aplicaci
doble g : [1, 10] [1, 10] es denida por
g(x) =
f (x) + 6 si 1 x 4
x6
si 7 x 10 ,
y lineal por partes.

La aplicaci
on g tiene puntos peri
odicos de perodo 23 pero no 24 .
La construcci
on puede, evidentemente ser repetida innitas veces de modo
a tener aplicaciones con puntos peri
odicos de perodo 2n pero no 2m para
todo m n + 1 .
Resta a
un una cuesti
on s
util Podemos construir una aplicaci
on que tiene
n
odicos de
puntos peri
odicos de perodo 2 3 , pero no tiene puntos peri
n1
( entero impar) ?
perodo de la forma 2
Usando la aplicacion doble podemos dar una respuesta a la pregunta arriba.
Primero construimos una aplicaci
odicos de perodo
n
23 , pero no puntos peri
odicos con perodos de la forma 2 ( entero impar) ,
53
Sergio Plaza
para n 2 . Denamos f : [1, 3] [1, 3] por las condiciones: f (1) = 2 ,

f (2) = 3 , f (3) = 1 , y lineal por partes.
3
2
1
....................................................................................
. .... . ...
...
...
. ..... . ....
..
.
...
. ......
. ... ...
.
.
..... . . . .. . . . .. . ..... . ...
... ..
.
.
.....
... ..
..
.
.
..... . . . . . . . . . . . .....
..
.
.
.....
..
.
.
..
.....
.
.
.
............................................................................
Tenemos que 1, 2, y 3 son periodicos de perodo 3. Ahora la aplicaci

on
doble g : [1, 7] [1, 7] es denida por
g(x) =
f (x) + 4 si 1 x 3
x4
si 5 x 7
y lineal por partes.

7
6
5
4
3
2
1
......................................................................................................................................
.
.
. .... . .. .
.
...
...
.
.
. ... . .. .
.
..
.
... . . .... . . .. ...... . . . . .. . . .. . . . . . ...
..
.
.
. .... .
.
.
.....
..
.
.
. ...
.
.
.
..... . . .. . . .. . ....... . .. . . .. . . . . . ...
.
..
.
.
.
.
.
.
...
.....
.
. . ... . . ... . . .. . ..... ... . . ... . . ... . . ...
.....
.
... .
.
.
.
.
.
.
.
..... . . .. . . .. . . . . . ....... . . .. . . .. . . ....
.... .
.
.
.
. ........
.....
. ... .
.
.
.
. .... ..
..... . . .. . . .. . . . . . .. . ..... .. . . .......... . ...
. ... . ..... .
.
.
.
..
.....
..
.
. .... .... .
.
.
.
.
..... . . ... . . ... . . .. . . ... . . ...... . . .. . . ...
..
.
.
.
.
.
.
.....
.
.............................................................................................................................
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
por P(f ) . Denamos la aplicaci

on doble de
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.
es facil ver que g es continua, y corresponde a la construcci

on anterior, s
olo
que la hemos normalizado al intervalo donde est
a denida la aplicaci
on f ,
en este caso a I = [0, 1] .
Veamos ahora una proposicion que justica la relaci
on que hemos usados
entre los perodos de la aplicaci
on f y los de la aplicaci
on g , lo cual justica
el nombre de aplicaci
on doble.
Teorema 1.12. El conjunto de todos los perodos de g , P(g) , estan
relacionados al conjunto de todos los perodos de f , P(f ) , por P(g) =
2P(f ) {1} . Adem
as, g tiene exactamente un punto jo repulsor y para
cada n , la aplicaci
on g tiene el mismo n
umero de o
rbitas de perodo 2n
que o
rbitas de perodo n tiene f , y son del mismo tipo (es decir, atractora
o repulsoras o neutras)
Demostraci
on. Sean I1 = [0, 1/3] , I2 = [1/3, 2/3] , y I3 = [2/3, 1] . Como
g(I2 ) I2 , se tiene que g tiene un punto jo x1 en I2 , y como la pendiente
de g en I2 es al menos 2, existe exactamente un punto jo en I2 y este
es repulsor. Ademas, cualquier punto en I2 , distinto del punto jo x1 deja
umero nito de iteraciones. Ahora, como
el intervalo I2 despues de un n
(g(I1 ) g(I3 )) int(I2 ) = , ninguno de los puntos en I2 {x1 } puede
ser peri
odico. Si x I1 entonces g2 (x) = g(2/3 + f (3x)/3) = f (3x)/3
I1 . Luego si x es periodico, entonces su perodo debe ser par, digamos
2k . Por inducci
on se prueba que g2k (x) = f k (3x)/3 para todo k 1 .
Luego, g2k (x) = x si y solo si f k (3x) = 3x . Hemos demostrado as que
los perodos de g son exactamente el doble de los prodos de f . Ademas,
odo 2k para g , se tiene
como g (t) = 1 sobre I3 , para un punto x de peri
2k

k

que (g ) (x) = (f ) (3x) luego las dos orbitas tiene el mismo tipo. Los
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
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
Uno de los conceptos fundamentales en el estudio de din

amica es el de conjugaci
on topol
ogica, el cual damos a continuaci
on.
Definici
on 2.3. Sean f : D D y g : E E dos aplicaciones
continuas entre espacios topol
ogicos. Decimos que ellas son topol
ogicamente
conjugadas si existe un homeomorsmo : D E tal que f = g .
Decimos que es una conjugaci
on topol
ogica entre f y g .
59
Sergio Plaza
La denici
on anterior se traduce en que el siguiente diagrama conmuta
f
.
D.. ............................................................................ D..
...
...
.......
........
.
...
...
...
...
.........
.
E ..................................g.......................................... E
Ejemplo 2.2. Sean f, g : R R denidas por f (x) = 2x y g(x) = 8x .

Las aplicaciones f y g son conjugadas por el homeomorsmo : R R
dado por (x) = x3 .
En efecto, tenemos f 1 (x) = (2x1/3 ) = 23 (x1/3 )3 = 8x = g(x) .
Note que f y g no pueden ser conjugadas por un difeomorsmo, pues
tenemos la ecuacion (2x) = 8(x) , y si fuese diferenciable entonces se
sigue que (0) = 0 y D(0) = 0 .
Ejemplo 2.3. Sean f (x) = 2x y g(x) = x/2 . Se tiene que f y g no
pueden ser conjugadas, pues limn gn (x) = 0 para todo x R y por
/ R para todo x R {0} .
otro lado limn f n (x)
Ejemplo 2.4. Sean f (x) = ax y g(x) = bx , donde a, b R {0, 1, 1} .
Entonces f y g son conjugadas si y s
olo si a y b pertenecen a la misma
componente conexa de R{0, 1, 1} . Cuando esto ocurre existe una conjugaci
on entre f y g de la forma (x) = xc , donde c satisface |a|c = |b|
Ejemplo 2.5. Consideremos las aplicaciones cuadraticas ga (x) = ay(1 y)
y hb (x) = 1 bx2 .
Armamos que existe una conjugaci
on topol
ogica entre ella. En efecto,
consideremos una conjugaci
on de la forma C(x) = x + , con = 0 .
Ahora, el punto crtico de hb es x = 0 y el punto crtico de ga es y = 1/2 .
Como C debe llevar el punto crtico de hb en el punto crtico de ga , tenemos
que C(0) = 1/2 , de donde = 1/2 , as C(x) = x + 12 . Para determinar
usamos la ecuacion de conjugaci
on
ga C(x) = C hb (x) .
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

por otra parte

C hb (x) = C(1 bx2 )
= (1 bx2 ) +
= +
1
2
1
bx2 .
2
Igualando las partes constantes y los coecientes que acompa

nan a x2 ,
obtenemos las ecuaciones
a
4
= +
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
luego debe ser elegido como

=
a2
b
=
.
a
4
En particular, para a = 4 y b = 2 , se tiene que = 1/2 , lo cual nos

da que las aplicaciones G(x) = g4 (x) = 4x(1 x) y h2 (x) = 1 2x2 son
conjugadas.
61
Sergio Plaza
El siguiente teorema, cuya demostracion es elemental, resume los hechos

b
asicos de la relacion entre la din
amica de dos aplicaciones topologicamente
conjugadas.
Teorema 2.4. Sean f : D D y g : E E dos aplicaciones continuas y sea : D E una conjugaci
on topol
ogica entre f y g . Entonces
on topol
ogica entre g y f .
(a) 1 : E D es tambien una conjugaci
rbitas de f en
orbitas
(b) f n = gn para todo n , es decir, lleva o
de g y viceversa.
(c) p es un punto peri
odico de f si y s
olo si (p) es un punto peri
odico
de g . Adem
as, p y (p) tienen perodos iguales.
(d) si p es un punto peri
odico de f con conjunto estable W s (p) , entonces el conjunto estable de (p) es (W s (p)) , es decir, W s ( (p)) =
(W s (p)).
(e) los puntos peri
odicos de f son densos en D si y s
olo si los puntos
peri
odicos de g son densos en E .
2.2
Aplicaciones Cuadr
aticas del Intervalo
Como vimos la ecuacion de diferencias del modelo de Verhulst es de la forma

f (x) = x2 + x + , donde = d, = 1 + b y = 0 .
Estudiaremos ahora un poco de la din
amica de aplicaciones cuadraticas.
Sea
f (x) = Ax2 + Bx + C ,
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
gm = L1 f m L para todo entero positivo m . Luego la descripci

on de las
orbitas de g es equivalente a la descripcion de las orbitas de f . Recordemos
que L es llamada una conjugaci

on entre f y g , y como en este caso L es
an, la llamaremos conjugaci
on lineal. Ahora,
g(x) = L1 f L(x)
=
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
= Ax2 + (2A + B)x +
A 2 + B + C
.
Ahora, elegimos y de modo que A = 1 , es decir, = 1/A , y que

2
2A + B = 0 , esto es, = B
2A , de lo cual resulta que g(x) = x + c , donde
2
. Denotemos g por fc , pues depende solo del par
ametro
c = 4AC+2BB
4
c.
Poner las figuras para varios valores de c
Note que para c > 14 , los iterados de cualquier punto tienden a + . Para
alisis de la din
amica en este
c = 14 , aparece un punto jo en x = 12 . El an
1
1
caso es trivial, pues f 1 ( 2 ) = 2 , y los puntos en el intervalo ] 12 , 12 [ se
4
aproximan a 12 por iteraciones de f 1 y los puntos de ] , 12 [ ] 12 , [
4
ametros c 14 , buscaretienden a + bajo iteraciones de f 1 . Para los par
4
mos otra de las formas mas comunmente usadas en la discusion de din
amica
de aplicaciones del intervalo I = [0, 1] . Para ello consideremos una trans-
63
Sergio Plaza
formacion afn T (x) = x + , con = 0 y calculemos T 1 fc T (x) .

Tenemos
T 1 fc T (x) =
fc (T (x))
(T (x))2 + c
(x + )2 + c
2 x2 + 2x + 2 + c
= x2 + 2x +
2 + c
.
Ahora hacemos 2 + c = 0 , es decir, = 1 214c (aqu aparece

la condici
on c 14 ). Usamos solo el valor positivo de la raz, es decir,
1+ 14c
y reemplazando obtenemos T 1 fc T (x) = x2 + (1 +
=
2
1 4c)x . Tomando ahora = (1 + 1 4c) , resulta T 1 fc T (x) =
(1 + 1 4c)x2 + (1 + 1 4c)x = (1 + 1 4c)x(1 x) . Finalmente,
llamando = 1 + 1 4c , se tiene que T 1 fc T (x) = x(1 x) .

Ejercicio. Explique cu
al es la razon de esta eleccion de los par
ametros.
Note que 1 para c
1
4
. De hecho, podemos considerar la familia
f (x) = x(1 x) ,
para 0 , y es al estudio de esta aplicacion que nos abocaremos a continuaci

on.
64
Conjugaci
on Topol
ogica
..
..
..
..
..
....
....
..
1 ...............................................................................................................................................
....
. .
..
.
..
.. ..... ....
...
..
..
..
... .................. .. .....
..
.... .......... .. ......................
..
..
. .
. .
..
..
..
. ....... ...... ....
... ......
.. ..
..
.
..
... ...
. ....
.. ..
..
..
... ..
.
.
.
.
.
.. .. ..
.
.
.. ..
.. .. .. ......................... .................. ......... ...
.. .... ..... ........................... ..... ..... ..
....... .... ..... ..
.. .... .... ........... .
...... .... ..... ..
.. .... ... .........
.
......... ..... ..
.. .... ...........
.
. .. . . ..
.. . .
... ............................................................................................ .................. ...
.. ........................ ....................................... ........... ........... ..
.
.
.
.
........................................
.
.
.
...............................
.
.....................................................................................................................................................................................................................................................
..
1
..
1
..
2
..
..
..
...
..
..
.
Gr
aca de f para = 0.5; 1; 1.5; 2; 3; 4
Asumamos 0 . Note que si 0 4 , para puntos fuera del intervalo

olo nos
I = [0, 1] sus iteraciones por f convergen a . Por lo tanto, s
interesar
an los puntos de I . El m
aximo de la par
abola ocurre para x = 12 ,
y f ( 12 ) = 4 . Luego f (I) = [0, 4 ] y como 4 se tiene que f (I) I ,
es decir, f |I es una aplicacion de I en si mismo, y para simplicar la
notaci
on la continuamos llamando f .
Note tambien que para cada se tiene que f (0) = 0 , f (1) = 0 y
= . Por lo tanto, si < 1 se sigue que f solo tiene a 0 como punto
jo, el cual es atractor; ademas la orbita de cualquier punto x0 ] 0, 1 [
tiende a x = 0 cuando n . Para = 1 , el punto jo x = 0
contin
ua siendo el u
nico punto jo, pero ahora es atractor debil, es decir,

f1 (0) = 1 , y atrae todas las orbitas de ] 0, 1 [ . Para > 1 , se tiene que
x = 0 es punto jo repulsor y aparece otro punto jo x = ( 1)/ .

= 2 , luego 0 f (x ) < 1 para 1 < 2 , mientras
Ahora, f 1
que 1 < f (x ) < 0 para 2 < 3 , luego x es un punto jo atractor

para 1 < < 3 . Por otra parte, para 2 < < 3 , las orbitas se aproximan
por ambos lados a x (aparece una espiral en el seguimiento de la orbita).
f (0)
65
Sergio Plaza
...
1 ...............................................................................................................................................................
.. .
....
.... ....
..
.....
..
...
....
.
.
..
.
..
...
..
....
.
.
.
.
..
.
.
.
..
.
....
................................................
.
.
.
.
.
.
.
.
..
.
..
........ ..
..
.
.
.
.
.
.
.
.
.
.
..
..
.....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
.....
. ...
.
.
.
..
.
.
....
....
.
.
.
.
.
.
.
.
.
.
....
..
.
.
.
.
.
.
.
.
....
...
.
.
.
.
.
.
.
.
.
.
...
..
...
....
...
...
.... .
...
..
...
.
....
...
.
....
...
....
.
.
.
.
.
.
.
... ....
.
.
.
.
.... ...
.
.
.
.
.
.
.
.
... ....
.... ... ........
.
... ..
. .
.
... ..
.... ... ........
.
... ...
.. .. ....
.........
.
..
.......................................................................................................................................................
Para > 3 , ambos puntos jos 0 y x = ( 1)/ son repulsores. Que

ocurre con las orbitas de los puntos de I , distintos de 0 y x ?
Considerando la aplicaci
on f 2 = f f , vemos que su graco intersecta
la diagonal en otros dos puntos aparte de los puntos jos de f . Esto signica que existen puntos x1 , x2 tales que f (x1 ) = x2 y f (x2 ) = x1 , esto
es, aparece una orbita peri
odica de perodo 2 . Tambien nos referiremos
a las orbita peri
odica de perodo k como un k ciclo, esta terminologa
es bastante com
un en textos de sistemas din
amicos, sobre todo en aquellos
escritos por fsicos o matematicos aplicados.
..
1 ..................................................................................................................................................................
..
. .
.... ...
..
..
....
..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
.
.
.
.
.
.
.
.
..
.
.
.
.. ..... ........ ............ . ............ ............... ...... ...
.
.
.
.
.
.
.... .....
... ....
.
.
..... ...
.
.
... ...
...
.
.
.
... ...
..............
.
... .....
.
.
.
.
.... ...
.
.. ..
. ....... ....
.. ..
... ......
... ..
...
...... . ................
.. ..
...
... ..
.................
...
.
..
... ..
.
...
.
.... ...
...
..
.
.
.. ...
.
.
.
. .
...
.
.
.. ..
.
...
.... ...
.
.
.
.. .
.
.
.
.
.. .. ...
..
.
.
.
.
.
.. .. ..
.
... ... ...
.
.
.
.
.. .. ...
... ......
.
.
.
.
.
..... .
... .....
.
....
.... ..
... .....
.
....
.... ..
.. ......
.... .. ........
.
.. .....
..... .. ....
.
.. ..
.. ... ....
....
.
... .....
...
.
........
.......................................................................................................................................................
Para = 3 , el punto jo x de f se descompone en el ciclo atractor

{x1 , x2 } . Para verlo, busquemos el valor para lo cual esto ocurre
x = f (f (x)) = (x(1 x)) (1 x(1 x)) .
Esta es una ecuaci
on de cuarto grado cuyas races son los puntos jos y
66
Conjugaci
on Topol
ogica
los puntos sobre la orbita peri

odica, los puntos jos son x = 0 y x = 1
.

1
Para encontrar x1 , x2 , dividimos el polinomio por x x , despues de
un poco de manipulaciones algebraicas tenemos que
f (f (x)) x
= (2 x2 2 x x + + 1)

1
x x
y buscando las soluciones de esta ecuacion cuadr

atica obtenemos
1
1
1
x1 , x2 = +
2 2 2

1
1+
3
1
La estabilidad del ciclo depende de (f2 ) (xj ) , j = 1, 2, el cual es el mismo

para x1 y x2 . Ahora, f2 (xj ) = f (f (xj )) f (xj ) = f (x1 ) f (x2 ) .
Resolviendo, la desigualdad, |4+ 2 2 | < 1 para 0 4 , encontramos
que 3 < 1 + 6 3.449489743. Para en este intervalo, la orbita

de cualquier punto del intervalo, excepto los puntos jos, tiende al 2ciclo
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 ,
1 = 3 , 2 = 1 + 6 3.4495... , 3 3.5441... , 4 3.5644.... Llamamos

a este fenomeno bifurcaci
on de duplicaci
on de perodo . El diagrama de
67
Sergio Plaza
bifurcaci
on para la aplicaci
on logstica es mostrado en la gura siguiente
Puede probarse que

= lim n = 3.5699... < 4 .
n
Este punto marca la separaci

on entre el regmen de perodo y el regimen
caotico para esta familia cuadratica. Ahora focalizamos nuestra atencion en
una peque
na parte de la teora: dos constantes universales asociadas con
la acumulaci
on exponencial descrita arriba aparecen. Estas son llamadas
constantes de Feigenbaum.
= limn
= limn
n n1
n+1 n
Wn
Wn+1
= 4.6692016091... ,
= 2.5029078750...
nica horqueta en el 2n ciclo que cruza la lnea

donde Wn es el ancho de la u
x = 1/2 .
2.3
Algunas aplicaciones de la din

amica a teora
de n
umeros
Consideremos las aplicaciones

L(x) = 4x(1 x)
(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
donde la suma es tomada sobre todos los divisores d de n . La inversa de

la relaci
on (2.4) es dada por
n
g(d)
(2.5)
f (n) =
d
d|n
esta formula es llamada f

ormula de inversi
on de M
obius.
Usaremos las relaciones anteriores para calcular el n
umero de puntos
peri
odicos de la aplicacion tienda T . Vemos que existen 2n soluciones de
odicos
la ecuaci
on T n (x) = x . Denotamos por A(k) el total de ountos peri
de perodo k para T . Obtenemos as que

A(d) = 2n .
(2.6)
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
Por ejemplo, A(1) = A(2) = 2 , A(3) = 6 , A(4) = 12 , A(5) = 30 , . . . , A(10) =

990 , A(20) = 1047540 , . . . .
69
Sergio Plaza
Un hecho interesante es el siguiente

A(n)

2n
cuando
Usando que las aplicaciones T y L son conjugadas, se tiene el mismo

calculo para la aplicaci
on logstica.
Para la aplicaci
on B , llamada aplicaci
on de Bernoulli se tiene que y =
n
e y = x se intersectan en 2 1 puntos. En este caso, el n
umero de
puntos peri
odicos de perodo n es dado por la f
ormula
n
n
n
(2n 1) =
2d
d
d
d
d|n
d|n
d|n
n
= A(n)
B n (x)
d|n
esta expresion es igual a A(n) para n 2 , pues si n 2 entonces

n

d|n d = 0 como puede ser facilmente vericado por el lector.
Resumiendo, si n 2 las aplicaciones T , L y B tienen el mismo n
umero
de puntos peri
odicos de perodo n .
2.4
Determinaci
on explcita de puntos peri
odicos
Veremos aqu como encontrar explicitamente los puntos periodicos de la

aplicaci
on logstica L(x) = 4x(1 x) . Para ello procedemos como sigue.
Sea xn = sen2 (n ) . Entonces
sen2 (n+1 ) = 4sen2 (n ) (1 sen2 (n ))
= 4sen2 (n ) cos2 (n )
= sen2 (2n ) .
El punto xn+p es obtenido despues de p,iteraciones de xn y es dado por
sen2 (n+1 ) = sen2 (2p n )
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

on f (x) = x + x3 tiene a p = 0 como un repulsor
debil.
on f (x) = x x3 tiene a p = 0 como un atractor
debil.
on f (x) = x + x2 tiene a p = 0 como un atractor
repulsor, es decir, atrae por la izquierda y repele por la derecha.
on f (x) = x + x2 tiene a p = 0 como un repulsor
atractor, es decir, atrae por la derecha y repele por la izquierda.
Dada f : I I podemos preguntarnos sobre la existencia de orbitas
peri
odicas atractoras y sobre el n
umero de ellas (cuando existen). Las respuestas a esas preguntas, requieren de herramientas m
as sosticadas. La
principal, en este contexto, es la derivada schwarziana, introducida en en
estudio de din
amica de aplicaciones del intervalo por D. Singer en 1978.
En lo que sigue asumiremos que f : I I es de clase C r , con r 3 .
Definici
on 3.3. Sea f : I I . La derivada schwarziana de f es denida
por

f (x) 3 f (x) 2
.
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) = .
2. Para f (x) = ex se tiene que S(f )(x) = 1/2 para todo x .

3. Si f (x) = sen(x) entonces S(f )(x) = 1 32 (tang(x))2 .
4. Si f (x) = cos(x) entonces S(f )(x) = 1 32 (cotang(x))2 < 0 .

2
2
<
5. Para f (x) = x2 +x+x se tiene que S(f )(x) = 32 1+2x
0.
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
7. Sea f (x) = x . Suponemos que x > 0 para tener denida f .

Entonces

2
1 2
( 1)( 2)x3 3 ( 1)x1
=
,
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
Algunas Propiedades de la Derivada Schwarziana
Los lemas a seguir resumen algunas propiedades b

asicas de la derivada
Schwarziana.
Lema 3.1. S(f )(x) = 0 para todo x si, y s
olo si, f (x) =
f es una trasformaci
on de M
obius.
Demostraci
on. Basta integrar la igualdad

1 f 2
f
= 0.
S(f )(x) =
f
2 f
ax+b
cx+d
, es decir,
74
Teorema de Singer
Corolario 3.1. Si f es una transformaci

on de M
obius y g es de clase al
3
menos C , entonces S(f g) = S(g) .
Lema 3.2. Si f, g son de clase C r , con r 3 , entonces
S(f g)(x) = S(f )(g(x))(g (x))2 + S(g)(x)
para todo x .
Demostraci
on. Sea h = f g . Entonces h = (f g) g y de aqu se
sigue que
h = (f g) + (f g) g
= (f g) (g )2 + (f g) g ,
derivando de nuevo, tenemos
h = (f g) (g )2 + (f g) 2g g + (f g) g + (f g) g
= (f g) (g )3 + 2(f g) g g + (f g) g g + (f g) g
= (f g) (g )3 + 3(f g) g g + (f g) g .
Ahora, reemplazando esas igualdades en la expresi
on para S(f g) se
obtiene el resultado.
Corolario 3.2. Si S(g)(x) < 0 (resp. S(g)(x) > 0 ) y S(f )(x) 0 (resp.
S(f )(x) 0 ) para todo x entonces S(f g)(x) < 0 (resp. S(f g)(x) > 0 )
para todo x .
Corolario 3.3. Si S(f )(x) < 0 para todo x , entonces para cada n 1 se
tiene que S(f n )(x) < 0 para todo x .
La prueba de esos corolarios y lemas son simples y se dejan a cargo del
lector. Por ejemplo, para probar el Lema 3.3 basta observar que
n
S(f )(x) =
n1

j=1
S(f )(f nj (x)) ((f nj ) (x))2 .
75
Sergio Plaza
Lema 3.3. Para f : I I de clase C r (r 3), las funciones S(f ) y

1
tiene signos opuestos.
|f |
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
=
Nota. Supongamos que f : I J es de clase C r ( r 3 ) y que f (x) = 0

para todo x , y sea g = 1/f . Entonces S(g) = S(f ) . En efecto, tenemos
2
3

que g = ff2 , g = 2 (ff 3) ff 2 , y g = 6 (ff 4) + 6 fff3 ff 2 . Luego,
f f 3
(f )2
+
S(g) = 6 2 6
f
f
f
2
2

f
3 f
=

f
2 f
= S(f ) .

f f 2
2 +
f
f
Como queramos probar.

Teorema 3.4. Si S(f )(x) < 0 para todo x entonces f no puede tener
un mnimo local positivo o un m
aximo local negativo.
Demostraci
on. Sea c un punto crtico de g = f , es decir, g (c) = f (c) =
(c)
= S(f )(c) < 0 , luego f (c) y f (c) tiene
0 ; tenemos entonces que ff (c)
(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
Teorema 3.5. Sea f : I I con S(f )(x) < 0 para todo x I . Si

f posee un n
umero nito de puntos crticos, entonces para cada n 1 , f
posee s
olo un n
umero nito de
orbitas peri
odicas de perodo n .
Demostraci
on. Sea n 1 y hagamos g = f n . Supongamos que la
ecuaci
on g(x) = x posee un n
umero innito de soluciones, entonces por el
umero innito de soluciones,
Teorema del Valor Medio, g (x) = 1 posee un n
y como g no posee mnimo local positivo, se sigue que g (x) = 0 tiene
innitas soluciones, es decir, (f n ) (x) = 0 tiene innitas soluciones, por lo
on, y la
tanto f n posee innitos puntos crticos, lo cual es una contradicci
prueba est
a completa.
Lema 3.4. Si f posee un n
umero nito de puntos crticos, entonces para
n
umero nito de puntos crticos.
cada n 1 , f posee un n
Demostraci
on. Para cualquier c I el conjunto f 1 (c) = {x I :
f (x) = c} es nito, pues entre cualquier par de preim
agenes consecutivas
de c debe existir al menos un punto crtico de f . Ademas, es facil ver que
f m (c) = {x I : f m (x) = c} tambien es nito. Ahora, si (f m ) (x) = 0
entonces, por la regla de la cadena, tenemos
m1 i
f (f (x)) ,
(f m) (x) = i=0
luego para alg

un i (0 i m 1 ) se debe tener que f i (x) es un punto
crtico de f . Por lo tanto, el conjunto de puntos crticos de f m es formado
por la uni
on de las preim
agenes de todos los ordenes menores que m del
conjunto de puntos crticos de f unido con sus orbitas y por lo que vimos
anteriormente, este conjunto es nito.
Definici
on 3.4. Sea p un punto peri
odico atractor de perodo n para f .
El conjunto estable de p , denotado por Wfs (p) , es el conjunto de todos los
puntos x tales que f nk (x) p cuando k . Se dene el conjunto
estable local de p como la componente conexa de Wfs (p) que contiene a p ,
s
(p) .
y la denotamos por Wloc,f
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 1 .
Demostraci
on. Tenemos que existen u, v , con a 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 ,
(ii) f (r) = s y f (s) = r ,

(iii)
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
Caso p sea un punto peri

odico de perodo m , el mismo argumento
s
(p) . Como cada
muestra que existen puntos crticos para f m en Wloc,f
m
punto crtico de f debe ser aplicado en un punto crtico de f por f i
(1 i m 1 ), tenemos que existe alg
un punto crtico c de f en alg
un
i
s
i
f ( ]r, s[ ) = Wloc,f (f (p)) . Lo que completa la prueba del teorema.
Como consecuencia del Teorema de Singer tenemos el siguiente
Teorema 3.7. Sea I = [0, 1] . Dado r 3 , sea Gr el conjunto de las
aplicaciones de clase C r , f : I I tales que
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
0 4 . Por otra parte, es f

acil probar que si > 2 + 5 entonces
odicas, pero ninguna de
F posee una cantidad innita de orbitas peri
ella es atractora (en este caso, la imagen del punto crtico cae fuera
del intervalo de denici
on de F .
2. Si p es un punto peri
odico de perodo n de f con multiplicador
tal que || = 1 , entonces existe un punto crtico c de f tal que el
conjunto lmite de orbf (c) es orbf (p) .
En efecto, reemplazando f n por f 2n , si es necesario, podemos suponer
as, podemos elegir una vecindad ]a, b[ de
que (f n ) (p) = 1 . Adem
p , la cual no contiene otros puntos crticos de g = f n . En estas
condiciones, siempre g(x) < x para todo x ]a, p[ o g(x) > x para
todo ]p, b[ , de otro modo g (x) > 1 debe tener soluciones sobre ambos
lados de p , por lo tanto g debe tener un mnimo local positivo.
Supongamos, para jar las ideas que g(x) > x sobre ]a, p[ y que a
es minimal respecto a esta condicion. Debemos tener entonces qeu
g(a) = a y que existe un punto w ]a, p[ tal que g (w) = 1 . Como
g (a) 1 , se sigue que g debe tener un mnimo local en ]a, p[ ,
luego g tiene un punto crtico c ]a, p[ el cual satisface el enunciado.
Argumento similar se aplica en caso del intervalo ]p, b[ .
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
......
...
.........
.
.
..
.
.
..
.... ....
.
.
..
.
.
.
.
.
.
..
.
.
..
.....
Ejemplo 4.2. Sea f (x) = 12 (x3 + x) . Tenemos que p1 = 0 es un punto

odico de perodo 2. Adem
as
jo de f y que p2 = 1 es un punto peri
81
82
Din
amica uno-dimensional. Hiperbolicidad
f (0) = 12 y (f 2 ) (1) = f (f (1))f (1) = f (1)f (1) = 4 , luego ambos son

hiperb
olicos, con x = 0 atractor y {1, 1} orbita peri
odica repulsora.
..
...
...
..
..
.....
..
..
....
...
.
.
.
.
...
....
...
...
....
.
.... . . . .... . ....... . ........
.
.
.
.
1... ....... .
.....
. ....
.
.
. ....... .... ......... ......
... .......... ......
.
.
.
............................................................................................................................................
-1
.
.... ... .......... 1
.
.
.
.
.
.
.
. .... ..
... .
....
. .....
..
.
. . . ......
...... . ...... . ....-1
.
.
.
...
.
.
.
.
.
.
...
....
...
...
....
..
.
.
.
..
.
.
..
.
.
..
.
.
.
.
..
....
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
Ejemplo 4.3. Consideremos la familia a 1par

ametro de aplicaiones del
intervalo f : [0, 1] [0, 1] dada por f (x) = x(1 x) , donde > 0 es
un par
ametro real.
..
..
..
..
..
....
....
..
1 .................................................................................................................................................
...
..
..
.
... ....... ...
...
..
.. ...
..
...
................
..
... ........... .. ............ ..........
..
..
... ...
. .
..
..
.
.
.
.
..
... .....
.
..
. .... ... ..
.
..
.. ...
.
..
... ..
. ....
..
.. ..
..
... ..
.
.
.
.
.
.
.. ... ..
.
... ..
.. ... .. ......................... .................. ........ ...
.. . .. ..... ............................. ..... ...... ..
.
.. ..... .... ..........
....... ..... ..... ..
.
.. .... .... .........
..... ... ..... ..
.
.. . .
.. .... ...........
.. .... ........... ..................................... ...................... ...
.............. .......... ..
.
.. .............. ...............
.. ..................... ......................................... ............ ........... ..
.....................................
.........................................
.
.
...................................................................................................................................................................................................................................................
..
1
..
1
..
2
..
..
..
..
..
..
..
Gr
aca de f para = 0.5; 1; 1.5; 2; 3; 4
Veamos como varia la din

amica de las aplicaciones f dependiendo del
par
ametro . Nos centraremos en la parte mas sencilla, para ello consideramos solamente valores del parametro 0 < 3 .
Para 0 < < 1 se tiene que p = 0 es el u
nico punto jo de f , y como

= 2x se sigue que f (0) = , por lo tanto p = 0 es un punto
jo atractor. Ahora, para = 1 , se tiene que f (0) = 1 , luego el punto
p = 0 es neutro, obviamente no hiperb
olico, para este valor de . Para
as,
> 1 la aplicaci
on f tiene dos puntos jos, p0 = 0 y p = 1
, adem
f (0) = y f (p ) = 2 . Luego p0 = 0 es un punto jo repulsor y
para 1 < < 3 el punto p es atractor. Note que para = 2 se tiene que
f (p ) = 0 , es decir, es un punto jo superatractor.
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 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
Se tiene que es invariante por f , es decir, f ( ) = y toda

la din
amica interesante ocurre dentro de . Por ejemplo, se sabe que si
> 2 + 5 entonces es conjunto de Cantor (de todos modos daremos

la prueba de ese hecho mas adelante).
on |f (x)| > 1 para

La eleccion de > 2 + 5 es para tener la condici
cada x f 1 ([0, 1]).
85
86
Din
amica 1dimensional. Aplicaci
on Logtica
.......................
.......
.....
....
....
...
....
.
.
..
.....
.
1 ..........................................................................................................................................................................
.
. ...
...
.. .
.. .
.
. ... ....... ...
...
.. .
.
. ... .....
...
.. .
...
.
.
.
.
..
.
.
.
.
...
..
.
..
.
. ........ ....
...
.. .
.
..
..
.
.
.
...
.
.
.
.
..
.
...
..
.
.
.
...
.
...
.
..
...
..
...
. ....... .
.
..
.
.
.
.
..
...
...
. .....
.
.
.
.
..
...
...
.....
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.... ...
.
.
.
.
.
.
.
.
.
.
.
.
.
... ..
.
..... ...
.
. ........ .
... ..
.
.
.
. ....
.. ...
..... ...
.
.
.
.
.. .
.
.
.
.
.
.. ..
.
.
.
.
.
..... ...
.
.
.. ..
.
.
.
.
.
.
. .
.. ..
.
.
..... ...
.
.
.
.
.
.. ..
.
.
.
.
.. ..
.
.
.
..... ... .......
....
.
.
.
.
.
....
................
.
.
.
..................................................................................................................................................
q0
0.5
q1
gr
aco de f para > 4
Teorema 5.1. Si > 4 , entonces es un conjunto de Cantor, y la

otica.
restricci
on de f a es ca
La prueba que f | es caotica es la misma que para el caso > 2+ 5 .

La idea b
asica es usar itinerarios para construir una conjugaci
on topol
ogica
on shift : 2 2 , esto muestra que f | es
entre f | y la aplicaci
topol
ogicamente transitiva y los puntos peri
odicos son densos. Para mostrar
que f tiene dependencia sensitiva respecto a las condiciones iniciales, basta
probar que f es expansora, lo cual es mucho mas fuerte.
Elijamos > 4 . Sean q0 < q1 tales que f (q0 ) = f (q1 ) = 1 . Sean
I0 = [0, 1] e I1 = [0, q0 ] [q1 , 1] . Notemos que I1 = f 1 (I0 ) . En general,
In = f1 (In1 ) = f n (I0 ) .
Tenemos que In es exactamente el conjunto de los puntos en [0, 1] que
permanecen en [0, 1] sus primeras n iteraciones bajo f , y que In In1
para todo n 1 . Notemos tambien que In esta formado por 2n intervalos cerrados y disjuntos. Ordenemos las 2n componentes de In desde la
izquierda a la derecha, y sea In,j la jesima componente.
Lema 5.1. Si > 4 , entonces es un conjunto compacto y perfecto.

Demostraci
on. Como =
n=0 In y cada In es compacto e In In1
para todo n 1 , se sigue que es compacto.
87
Sergio Plaza
Para mostrar que es perfecto, primero notemos que para cada n ,

los puntos extremos de los intrvalos en In estan contenidos en . Sea
x , para cada n sea In,j la componente de In que contiene a x . Si
|In,j | 0 cuando n , entonces los puntos extremos de In,j estan
arbitrariamente pr
oximos a x , luego x esta en la clausura de {x} .

Por otra parte, si |In,j | no tiende a 0 cuando n , entonces
n=0 In,j

es un intervalo cerrado, y x n=0 In,j , luego otra vez x esta en la
clausura de {x} . Esto muestra que es perfecto, lo que completa la
prueba del lema.
Ahora, tenemos que f (x) = x(1 x) = x2 + x , luego f (x) =
2
x + 1 = 0 , de donde x =
2x + . As, f (x) = 1 si, y solo
si,x
2
2 4
4
. Luego, f (x ) = 2
+ y de aqu |f (x )| =
2
2

2 4 = 1 , esto es, = 2 + 5 . Luego

| 2 4 | = 1 si y solo si
si > 2 + 5 entonces |f (x)| > 1 para todo x I1 .

Lema 5.2. Si > 2 +
5 entonces es un conjunto de Cantor.
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 .
Como > 2 + 5 se sigue que > 1 , y como cn [a, b] , tenemos

que fi (cn ) I1 para 0 i n 1 . Por lo tanto, |(fn ) (cn )| n ,
por la regla de la cadena, y
|fn (b) fn (a)| = |(fn ) (cn )||b a| n |b a| .
Como > 1 , esto implica que |fn (b) fn (a)| > 1 para n sucientemente grande. Pero es invariante, luego fn (a), fn (b) [0, 1] para
todo n , y tenemos por tanto una contradicci
on. Consecuentemente no
88
Din
on Logtica
contiene ning
un intervalo, y es por lo tanto un conjunto de Cantor, como
queramos probar.
Cuando ]4, 2 + 5] , tenemos que |f (x)| > 1 para algunos x I1 ,

pero |f (x)| 1 para otros x I1 . Cuando aplicamos f1 a In para
obtener In+1 , f1 contrae algunos intervalos de In , pero a diferencia con
el caso > 2 + 5 , f1 puede expandir algunos intervalos de In . Esta

combinaci
on de expansi
on y contracci
on hace complicada la prueba que
es un conjunto de Cantor para 4 < 2 + 5 .

Lo que mostraremos es que en denitiva la contracci
on que imprime f1
sobre intervalor de In domina la expansi
on que pueda existir.
Definici
on 5.1. Sea f : R R una aplicaci
on de clase C r (r 1), y
supongamos que esun conjunto compacto invariante para f , (es decir,
f () = ). Decimos que es un conjunto hiperb
olico para f si existen
n

constantes C > 0 y > 1 tales que |(f ) (x)| Cn para todo x y
todo n 1 .
La constante C en la denici
on toma cuenta del hecho que f 1 puede
un x ), en
expandir algunos intervalos (es decir, |f (x)| 1 para alg
cuyo caso 0 < C < 1 , pero > 1 implica que contracciones bajo f n
eventualmente domina cualquier expansion cuando Cn > 1 .
El siguiente lema nos da varias equivalencias para la denici
on de hiperbolicidad.
Lema 5.3. Sea f : R R una aplicaci
on de clase C r , r 1 . Supongamos que es un conjunto compacto invariante para f . Entonces son
equivalentes:
(1) Existen constantes C > 0 y > 1 tales que |(f n ) (x)| Cn para
todo x y todo n 1 .
(2) Existe N 1 tal que |(f n ) (x)| Cn para todo x y todo
nN.
(3) Existe n0 1 tal que |(f n0 ) (x)| > 1 para todo x .
89
Sergio Plaza
(4) Para todo x existe un entero nx 1 , el cual puede depender de

x , tal que |(f nx ) (x)| > 1 .
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
Tenemos que 0 < m 1 . Elijamos un entero k tal que k0 m > 1 , y sea

on global para n0 ,
n0 = + . Ahora que tenemos denida nuestra elecci
n

0
necesitamos mostrar que |(f ) (x)| > 1 para todo x . Si pensamos
que 0 representa buenas derivadas (0 > 1) y m representa malas
derivadas (m < 1), entonces necesitamos mostrar que f n0 (x) contiene al
menos k iterados con buenas derivadas y para compensar los casos malos
de iterados con malas derivadas.
Elijamos x y hagamos el siguiente proceso de eleccion, que depende
de x y termina despues de un n
umero nito de pasos: Elijamos 1 de modo

que x U1 , supongamos que hemos elegido 1 , . . . , j . Sea = ji=1 ni .
Elijamos j+1 de modo que f (x) Uj+1 . Si + j+1 > k , entonces
detenemos el proceso, de otro, modo elegimos j+2 .
Si el proceso de eleccion se detiene despues de j pasos, entonces k <
j
i=1 i k + . Escribamos n0 = n1 + n2 + + nj + ix , donde
0 ix . Cada ni representa un buen iterado (derivada mayor que
1), j representa cuantos buenos iterados tenemos de hecho. Como ni
1 sabemos que j k . Usando la regla de la cadena, podemos estimar
|(f n0 ) (x)| como sigue
90
Din
on Logtica
|(f n0 ) (x)| = |f ix (f nj (f nj1 ( (f n1 ) ) (x)|

mix j j1 1 (propiedad de subcubrimiento {Ui }li=1 )
m j j1 1

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)
Luego |(f n0 ) (x)| > 1 para todo x , lo que prueba (3).

((3) = (2)) Si n0 = 1 en (3) no hay nada que probar. Supongamos
entonces que n0 > 1 . Sean
= min |(f n0 ) (x)| y
x
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)
((2) = (1)) Si N = 1 en (2) no hay nada que probar. Supongamos que

N > 1 . Sean
m1 = min |(f N ) (x)| y
x
m = min |f (x)| .
x
Tenemos que m1 > 1 . Como estamos suponiendo que N > 1 , debemos

tener que m 1 . Sean
1/N
= m1
C = (m/)N 1 ,
91
Sergio Plaza
luego > 1 y C > 0 . Para cualquier n > 0 escribamos n = kN + i ,

donde k 0 y 0 i N 1 . Entonces para cada x tenemos
|(f n ) (x)| = |(f kN ) (f i (x))| |(f i ) (x)|

mk1 mi
= kN mi ( por la eleccion de )
m i
= kN i

m N 1

m
<1 e iN 1
kN +i
pues
= Cn ( por la eleccion de C)
((1) = (4)) Elijamos n bastante grande de modo que Cn > 1 . Entonces

tenemos |(f n ) (x)| Cn > 1 . Ahora sea nx = n para cada x . Lo
que completa la prueba del lema.
Lema 5.4. (Principio del M

odulo Mnimo). Sea I = [a, b] . Suponga que
r
f es de clase C , con r 3 , sobre I . Si S(f ) < 0 sobre ]a, b[ , entonces
|f (x)| > min{|f (a)|, |f (b)|} para todo x ]a, b[ .
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
on Logtica
Sea p0 tal que f (p0 ) = p1 , donde p1 = 1
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

Ahora > 4 implica 1

1
> 1
> 0 y claramente 1 > 1
> 0 , luego
. Multiplicando ambos miembros de esta desigualdad por

1
1
1
1
2
2
1
1
1
y
obtenemos
>
,
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
=
luego |(f n ) (q1 )| > 1 para n sucientemente grande.

Ahora, si x ]q1 , p1 [ , el lema del Retorno nos asegura que existe n tal
que fn (x) [p0 , p1 [ . Sea In,j la componente de In que contiene a x .
Existen dos casos a considerar: In,j [q1 , p1 [ o no.
Supongamos que In,j [q1 , p1 [ . Como fn aplica In,j monotonamente
sobre [0, 1] , podemos particionar 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 Ln,j In,j [q1 , p1 [ y Rn,j In,j [q1 , p1 [ del lema
anterior se sigue que |fn (Ln,j )| > |Ln,j | y |fn (Rn,j )| > |Rn,j | . Esto es,
un estiramiento cerca de los dos puntos extremos de In,j .
fn debe hacer alg
Por el Teorema del valor Medio aplicado a fn , existen y Ln,j y z Rn,j
94
Din
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
A seguir describimos la din

amica de la aplicaci
on logstica f para valores
el par
ametro > 4 en terminos de otra aplicaci
on m
as simple, para eso
introducimos algunos conceptos.
Definici
on 5.2. Sea 2 es espacio de sucesiones en dos smbolos 0 y 1 ,
es decir, 2 = {s = (s0 , s1 , . . .) : sj {0, 1}} .
Dadas sucesiones s = (s0 , s1 , . . .) y t = (t0 , t1 , . . .) en 2 , denimos la
distancia entre ellas por
d(s, t) =

|si ti |
i=0
2i
Como |si ti | es 0 o 1, la serie del lado izquierdo en la expresion arriba

1
es dominada por la serie geometrica
1=0 2i (cuya suma es igual a 2), y por
lo tanto convergente. Adem
as, es facil ver que d es una metrica sobre 2 .
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
un j n , entonces debemos tener que

Por otra parte, si sj = tj para alg
d(s, t)
luego, si d(s, t) <
1
2n
1
1
> n
2j
2
, entonces si = ti para 0 i n .
Ahora introducimos la aplicaci

on shift : 2 2 la cual es denida
por (s0 , s1 , s2 , . . .) = (s1 , s2 , . . .) .
Proposici
on 5.2. La aplicaci
on : 2 2 es continua.
Demostraci
on. Dado > 0 . Sea s = (s0 , s1 , . . .) 2 . Elijamos n , tal
1
1
. Si t = (t0 , t1 , . . .) 2 satisface d(s, t) < ,
que 2n < y sea = 2n+1
por proposici
on anterior tenemos que si = ti para 0 i n + 1 , luego los
iesimos elementos de (s) y (t) coinciden para 0 i n . Por lo tanto,
1
< .
2n
Proposici
on 5.3. Para la aplicaci
on shift : 2 2 se tiene
d((s), (t))
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
on Logtica
1. Es claro que los elementos s = (s0 , . . . , sn1 , s0 , . . . , sn1 , . . .), donde

odico
el bloque s0 , . . . , sn1 es repetido periodicamente, es un punto peri
n
de perodo n para . Luego existen 2 puntos perodicos de perodo
n para , cada uno de ellos generado por una de las 2n sucesiones
de 0 y 1 de longitud n .
2. Sea s = (s0 , s1 , . . . , ) 2 . Para cada n N , denamos la siguiente
sucesion n = (s0 , . . . , sn , s0 , . . . sn , s0 , . . . , sn , . . .) , se tiene que n
Per() y como n coincide con s para 0 i n , satisface d(n , s)
1
2n 0, cuando n + , por lo tanto n s .
on s es construida
3. Sea s = (01 10 00 01 10 000 001 . . .) , la sucesi
colocando bloques de 0 y 1 de longitud 1, 2, 3,. . . . Es claro, que alg
un
iterado de aplicado a s nos produce una sucesi

on que coincide con
umero arbitrariacualquier sucesi
on s 2 dada de antemano en un n
mente grande de lugares. (Aplicaciones que poseen orbitas densas son
llamadas topologicamente transitivas).
Observaci
on. Los puntos preperi
odicos son abundantes en 2 . Ejemplo, cualquier sucesi
on de la forma s = (s0 , s1 , . . . , sn , 1, 1, . . .) o s =
(s0 , s1 , . . . , sn , 0, 0, . . .) son nalmente jas (como ejercicio construya sucesiones nalmente peri
odicas).
Retomemos nuestra aplicacion f , con > 2 + 5 . Haremos un cambio

en la notaci
on (abusando de la buena disposici
on del lector), para ellos
denimos los intervalos I0 = [0, q0 ] y I1 = [q1 , 1] . Tenemos que I0
I1 . Dado x , el itenerario de x es la sucesion s(x) = (s0 , s1 , . . .) 2
donde sj = 0 si fj (x) I0 , sj = 1 si fj (x) I1 . Esto nos dene una
aplicaci
on S : 2 .
Teorema 5.3. Si > 2 + 5 , entonces S es un homeomorfsmo que

conjuga f y es decir, S f = S .
Demostraci
on. Primero probemos que la aplicaci
on S es inyectiva. Sean
x, y con x = y . Supongamos que S(x) = S(y) . Entones, para cada
n los iterados fn (x) y fn (y) estan al mismo lado de 12 , esto implica que
97
Sergio Plaza
f es monotona sobre el intervalo entre fn (x) y fn (y) . Luego todos los

puntos en esos intervalos permanecen en I0 I1 lo cual contradice el hecho
de ser totalmente disconexo. Ahora probemos que la aplicaci
on S es
sobreyectiva. Sea J I un intervalo cerrado. Observemos que f1 (J)
consiste de dos intervalos cerrados, uno en I0 y uno en I1 . Ahora, sea
s = (s0 , s1 , . . .) 2 . Debemos encontrar x , tal que S(x) = s .
Para esto, denamos
Is0 s1 ...sn = {x I : x Is0 , f (x) Is1 , . . . , fn (x) Isn }
= Is0 f1 (Is1 ) fn (Isn )
observemos que Is0 ...sn = Is0 f1 (Is1 ...sn ) . Por inducci
on supongamos
1
que Is1 ...sn es un intervalo cerrado no vaco. Luego, f (Is1 ...sn ) consiste de dos intervalos cerrados, uno en I0 y uno en I1 . Por lo tanto,
Is0 f 1 (Is1 ...sn ) es un intervalo cerrado no vaco. Ahora como Is0 ...sn =
Is0 ...sn1 fn(Isn ) Is0 ...sn1 . Obtenemos que {Is0 ...sn }n0 es una sucesion

as,
de intervalos cerrados encajonados, luego n0 Is0 ...sn es no vaco. Adem

2
si x n0 Is0 ...sn , tenemos que x Is0 , f (x) Is1 , f (x) Is2 , . . . ,

olo
luego S(x) = s = (s0 , s1 , . . .) . Note que n0 Is0 ...sn consiste de un s
punto, pues S es inyectiva. En particular tenemos que limn diam(Is0 ...sn ) =
0.
S es continua: Sea x y supongamos que S(x) = (s0 , s1 , . . .) .
Sea > 0 dado. Escojamos n tal que 2n < . Consideremos los
intervalos cerrados It0 ...tn denidos anteriormente, para todas las posibles
combinaciones de s0 , s1 , . . . , sn . Esos intervalos son todos disjunto y
esta contenido en la uni
on de ellos. Adem
as, es claro que existen 2n+1
de tales intervalos y que Is0 ...sn es uno de ellos. Luego podemos elegir
> 0 , tal que |x y| < y x implican y Is0 ...sn . Por lo tanto,
S(y) coincide con S(x) en los primeros n + 1 terminos y en consecuencia
acil ejercicio
d(S(x), S(y)) < 21n < . Mostrar que S 1 es continua, es un f
y se deja a cargo del lector.
La aplicaci
on S es una conjugaci
on f y .
98
Din
on Logtica
En efecto, sea x . Como vimos x es denido de manera u

nica
por una sucesi
on de intervalos Is0 ...sn , determinados por el itenerario S(x) ,

donde x = n0 Is0 ...sn .
Tenemos Is0 ...sn = Is0 f1 (Is1 ) fn (Isn ) , luego f (Is0 ...sn ) =
Is1 f1 (Is2 ) fn+1 (Isn ) = Is1 ...sn , pues f (Is0 ) = I . Por lo tanto,

S(f (x)) = S f ( n0 Is0 ...sn ) = S
n1 Is1 ...sn = (s1 , s2 , . . .) =
S(x) , es decir, S f = S .
Corolario 5.4. f para 2 +
5 satisface.
1. Card( Pern (f )) = 2n
2. f tiene
orbita densa en
3. Per(f ) es denso en
5.2
Medida del conjunto de Cantor invariante para

la aplicaci
on logstica cuando > 4
Consideremos la aplicacion logstica f (x) = x(1 x) , con > 4 . En este

caso, la parte interesante de la din
amica de f ocurre dentro del conjunto
de Cantor

fn ([0, 1]) .
=
n=0
Probaremos que tiene medida de Lebesgue cero.

Como f (1/2) = 0 , se tiene que para valores del parametro cercanos
acil, pues existen
a 4 la prueba de que es un conjunto de Cantor no es f
regiones del intervalo sobre las cuales f es una contraccion, por otra parte
si > 2 + 5 , ya probamos que no contiene intervalos.
2
Para = 4 , se tiene que f4 1 = T , donde (x) = arcsen( x )
es un homeomorsmo de [0, 1] en si mismo, y T es la aplicacion denida

por T (x) = 1 |1 2x| , x [0, 1] , esto es, es una conjugaci
on topol
ogica
99
Sergio Plaza
on T4 es lineal por partes y expansora, de hecho

entre f4 y T . La aplicaci
es uniformemente expansora.
.......................................................................................
.
..
.
...
.... . ..... ..... ..
....
... .. ........... ....
.
.
. .
..... ...
. ....... .... ....
.
... ..
..... ...
.......
.
... ..
.
.
.
.
... ..
..... ... ....... .
... ...
.
.
.
..... ... .......
.. ...
.
.
.
....
.
................
.
......................................................................
...................................................................................
..
...
.. .
.. . ....
.... ..
....
... .. ..... ....... ....
.
.
....
..
.....
...
.. . ...... ...
..
.
...
... ......... ..... ....
.
.
... ..
..... ... ....... .
... ..
. . .
... ..
..... ... .......
... ..
.
..
.. ..
.
..................
.........................................................................
f4

4x
, x [0, /4] . Denamos la apli4
sobre el intervalo [0, (1)] por
Para > 4 , sea (x) =

cacion g
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
n=0 g ([0, (1)]) . Se ve f

expansora sobre el intervalo [0, (1)] , esto es el contenido del siguiente.
on denida arriba. Entonces
Lema 5.7. Sean > 4 y g la aplicaci

|g (y)| para todo y [0, (1)] { (1/2)} .
100
Din
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) .
Por lo tanto, tomando en cuenta que 4 f = f4 sobre [0, 1] y que

4

4x

, se obtiene que
(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
< 1 , la prueba est

a completa.
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
donde I0 = [0, ] , I1 = [1 , 1] y = () < 1/2 satisface f () = 1 .

on g .
Denotamos por Is0 ,sn1 el correspondiente intervalo para la aplicaci
Sea
(n) = max{(Is0 sn1 ) : (s0 , . . . , sn1 ) {0, 1}n }
con n 1 , donde denota la medida de Lebesgue. Tenemos las siguientes
estimaciones.
101
Sergio Plaza
Teorema 5.5. Para todo > 4 , se tiene que
(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
Usando que Is0 sn1 = 1

(Is0 sn1 ) y que ( )
(Is0 sn1 ) (1)

2
obtenemos
2
n
.
para x 1 , obtenemos que (1)

, y

Como
2
2
de esto se sigue el resultado.
x arcsen(x1 )
Corolario 5.6. ( ) = 0 para todo > 4 .

on de los 2n interDemostraci
on. Como el conjunto fn ([0, 1]) es la uni
valos Is0 sn1 tenemos que
fn ([0, 1])
2 (n)
2
n
n1
para n 1 . Luego ( ) = lim (fn ([0, 1])) = 0 . Lo que completa la

n
prueba del corolario.
102
Din
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
Bifurcaciones de aplicaciones del intervalo
Teorema 7.1. Sea f : I I , con , una familia C r a un

par
ametro de aplicaciones C r , r 1 . Sea x0 I y 0 tales que
f0 (x0 ) = x0 . Si |f 0 (x0 )| = 1 entonces existen intervalos abierto I0
que contiene a x0 , N que contiene a 0 y existe una aplicaci
on C r , :
as, f no posee
N I0 tal que (0 ) = x0 y f (()) = () . Adem
otros puntos jos en I0 .
Demostraci
on. Denamos la aplicaci
on G : I I por G(x, ) =
G
(x0 , 0 ) =
f (x) x . Es claro que G es C r , ademas, G(x0 , 0 ) = 0 y
x

on Implcita, existen
f0 (x0 ) 1 = 0 . Luego por el teorema de la Funci
on C r , : N I0
intervalos abiertos I0 x0 , N 0 y una funci
tal que (0 ) = x0 , G((), ) = 0 para cada N y G(x, ) = 0 si
x = () .
Obsrvaciones.
1. El teorema permanece v
alido si reemplazamos punto jo hiperb
olico
por punto peri
odico hiperb
olico.
2. El teorema muestra que los puntos jos (peri
odicos) hiperb
olicos dependen diferenciablemente de N .
3. Sean f y () como en el teorema. Consideremos la familia C r de
aplicaciones C r denida por g (x) = f (x + ()) () . Tenemnos
que
(a) g (0) = 0 para todo .
(b) g y f son conjugadas. Ene efecto , para cada consideremos
acil vericar h conjuga
el homeomorsmo h (x) = x() . Es f
g con f , para cada .
Sea p un punto peri
odico de perodo n de f : I I , con multiplicador
= (p) .
(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
0 < < 1/e
= 1/e
> 1/e
Teorema 7.2. (Bifurcaci

on sillanodo) Sea f : I I , con , una
r
familia a 1par
ametro C ( r 2) de aplicaciones C r . Supongamos que
existe p I , un entero positivo n y un par
ametro tales que
1. fn (p) = p
108
2.
d n
f (p) = 1
dx
3.
d2 n
f (p) < 0
dx2
4.
d n
f (p) > 0 .
d v
Entonces, existen , > 0 y una aplicaci

on C r , : ]p , p + [
] , + [ , tal que
2
f
(p, ) > 0 .
(1) (p) = , (p) = 0 , (p) = xf2 (p, )/
(2) Cada x ]p , p + [ es un punto peri

odico de perodo n de f(x)
1
y () es exactamente el conjunto de puntos peri
odicos de perodo
n de f en ]p , p + [ para cada ] , + [ .
(3) Para cada ] , +[ , existen exactamente dos puntos peri
odicos
fn (x1 ())
>1
de perodo n , x1 () < x2 () de f en ]p, p+[ , con
x
y 0<
fn (x2 ())
x
< 1 , (xi ()) = para i = 1, 2 .
odicos de perodo n en ]p , p + [ para cada

(4) fn no tiene peri
] , [ .
Demostraci
on. Consideremos la aplicacion g(x, ) = fn (x) x . El conjunto de ceros de g es el conjunto de puntos jos de fn . Tenemos que
g
g
(x, )dx +
(x, )d . En el punto (p, ) tenemos que
dg(x, ) =
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
implica que la curva = h(x) esta un lado de la linea

tangente
en p . La

g
= 0 , por lo
parte nal del teorema se sigue del hecho que
x x (p,)
d n
tanto
f
(x) es una funci
on mon
otona de p .
dx h(x)
.. .... >
....
................
..
........ .. =
..
................................................... <
.
.
.
.
..
.
..
..........................
..... .............
....
....................
.
.
.
.
.
.
....
.......... ....
.......... ...
.... ..................
.. ...... .. ..
. .. . . .
..............................................................................................................................................................
. .. .. ..
.
.
.
.... .. .. ..
.... ... .....
....
.. ..
.
.
.
.. ..
.
..
.. ..
....
.
.
.
..
.
.
.
.
..
.
.
.
..
.
.
.
.
.
..
.
.
.
..
.
..
.
.
..
.
.
.
.
..
.
..
..
...
................
............
.............
.
.
.
.
.
.
...
.
.
.
.
.
.
= 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
1. Un Cambio de un punto jo atractor para un punto jo repulsor;

2. el nacimiento de una orbita peri
odica de perodo 2.
ametro C r de aplicaTeorema 7.3. Sea f : I I una familia a 1-par
ciones C r (r 1) . Supongamos que existe p , n y tales que
1. fn (p) = p
2.
d n
f (p) = 1
dx
3.
d3 2n
f (p) < 0
dx3
4.
d2 n
f (x) > 0 en (p, ) .
dxd
Entonces existen intervalos ]1 , [ y ], 2 [ y > 0 tales que

a) Si ]1 , [ , entonces fn tiene exactamente un punto jo en ]p
, p + [ . Este punto jo es atractor.
b) Si ], 2 [ , entonces f2n tiene tres jos en ]p , p + [ . El mayor
y el menor forman una o
rbita peri
odica atractora de perodo 2 para
n
f y el del medio es un punto jo repulsor para fn .
d2 2n
d n
f (p) = 1 implica que
f (p) =
Demostraci
on: Notemos primero que
dx
dx2
0 , pues
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
evaluando en (p, ) nos queda
Ahora, sea g(x, ) = f2n (x) x . Se tiene que g(p, v) = 0 ,
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
la prueba del teorema anterior a g para obtener la conclusi

on deseada.
112
Captulo 8
Aplicaciones mom
otonas por
partes del intervalo
8.1
Aplicaciones del Intervalo mon

otonas por partes
En lo que sigue I = [a, b] denotar

a un intervalo cerrado en R . Sea f :
I I una aplicaci
on continua.
Definici
on 8.1. Decimos que f es mon
otona por pedazos si podemos elegir
una subdivisi
on nita
a = c0 < c1 < < cn = b
de modo que f aplica cada intervalo cerrado Ij = [cj1 , cj ] homeomorcamente sobre su imagen f (Ij ) I .
Luego I = I1 Im , donde los intervalos Ij tienen interior disjunto,
y donde f es estrictamente creciente o estrictamente decreciente sobre cada
on
Ij . Usaremos la notaci
MP(I) = {f : I I : f mon
otona por partes }
113
114
Aplicaciones momotonas por partes del intervalo
para designar el conjunto de todas las aplicaciones mon

otonas por partes
del intervalo I en si mismo.
Elejimos el menor n
umero posible de puntos de subdivisi
on , esto es equivalente a que cada cj es siempre un extremo local, maximo o mnimo, o lo
que es equivalente a que cada Ij es un intervalo maximal el cual es aplicado homoeorcamente por f sobre su imagen. Luego f es alternamente
creciente y decreciente sobre los intervalos Ij .
Definici
on 8.2. Si el n
umero de puntos de subdivisi
on es mininal, los inumero de laps (f )
tervalos Ij son llamados laps de f , y n es llamado el n
de f . La aplicaci
on f es llamada unimodal si (f ) = 2 , y bimodal si
(f ) = 3 .
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) .
Finalmente la desigualdad, (g) (f g) es probada notando que cada

punto de doblez de g debe ser tambien un punto de doblez de f g . Esto
completa la prueba del teorema.
Observaci
on 1. Los casos extremos (f g) = (g) y (f g) = (f ) (g)
pueden ambos ser realizados por una eleccion apropiada de g . Por ejemplo,
si g aplica el intervalo I en un s
olo lap de f , entonces el argumento anterior
muestra que (f g) = (g) .
Aqu (f ) puede ser arbitrario, luego la desigualdad an
aloga (f ) (f
g) no es en general verdadera. Para el tro caso extremo, si g aplica cada
lap Ij sobre todo el intervalo I , se tiene que (f g) = (f ) (g) .
Definici
on 8.4. Para f MP(I) se dene el n
umero de crecimiento
n 1/n
s = s(f ) como s(f ) = lim ((f )) . Equivalentemente,
n
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
Como el entero p permanece acotado cuando n , se sigue que el

exponente n/p tiende a cero. An
alogamente, el exponente m/n = m/(nk +
p) tiende al lmite 1/k cuando k . Por lo tanto el lado derecho de la
u
ltima desigualdad tiende al lmite (f k )1/k . Tomando lim sup en ambos
lados de la desigualdad se sigue que
lim sup (f n )1/n (f k )1/k
n
para cualquier k jo. Ahora, tomando lim inf se obtiene

ninf
lim sup (f n )1/n lim inf (f k )1/k .

n
Por lo tanto la desigualdad vale, y el n

umero de crecimiento s(f ) esta
bien denido. El resto de la prueba es f
acil y se deja al lector.
Observaci
on 2. Los casos extremos pueden ser alcazados para una eleccion
adecuada de f . Por ejemplo, si f aplica cada uno de sus laps Ij homeomorcamente sobre el intervalo I , se sigue que (f n ) = (l(f ))n , luego
s(f ) = (f ) . Por otro lado, f (x) = x(1 x) aplica I sobre un solo laps,
luego (f n ) = (f ) para cada 1 , luego s(f ) = 1 .
Ahora, asociamos una sucesion de smbolos a cada orbita de f , esto es
llamado din
amica simb
olica o mas especicamente teora de itinerarios.
Definici
on 8.5. Sea f PM(I) con laps I1 , . . . , In y sea x I con
orbita
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 ,
se sigue que f : [0, w2 ] [w1 , w3 ] [w4 , w2 ] [0, w2 ] . Luego el

valor crtico w1 = c (o cualquier punto del intervalo [w1 , w3 ] ) tiene
itinerario LRLRLR = (LR) . Esto se mantiene si cambiamos
x = 1.25 por cualquier constante pr
oxima.
118
3. Para c = 1.75 , la orbita del valor crtico es
1.75 1.3125 0.027 1.749 0.034

y su itinerario es estrictamente peri
odico, I = LRLLRLLRLL =
(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
Analogamente se dene el itinerario lmite por la izquierda

I(y)
I(x+) = y
lim
x
y<x
el cual estbien denido para todo x ]a, b[ .

Si x es un punto de predoblez, esto es x es una preimagen de un punto
de doblez, entonces es facil ver que los dos lmites I(x) e I(x+) son
diferentes en exactamente una entrada. Por otra parte, si x no es un punto
de predoblez entonces se tiene que x tiene un itinerario bien denido I(x) =
I(x) = I(x+) .
Ejemplo. Para f (x) = x2 1 el punto crtico 0 tiene la orbita 0
1 0 1 peri
odica de periodo 2. Como el punto x = 0
pertenece a ambos laps L y R , se sigue que existe una cantidad no numerable de sucesiones dela forma L L L L que son candidatos a ser
el itinerario de 0. Sin embargo, como f aplica ambos L y R homeomorcamente sobre L , es facil ver ambos itinerarios limites
I(0) = LLL = L y I(0+) = RLL = RL
esta bien denidos.
Una pregunta natural es la siguiente Pueden dos puntos diferentes tener
el mismo itinerario?
Definici
on 8.7. Si jamos un itinerario de laps I = (Ij(0) , IJ(1) , . . .) , entonces la intersecci
on
Ij(0) f 1 (Ij(1) ) f 2 (Ij(2) )
es llamado el soporte, sop(I) .
Evidentemente, sop(I) es el conjunto de todos los puntos en I que tienen
el mismo itinerario I .
120
Lema 8.3. Si el soporte, sop(I) de un itinerario I es no vaco, entonces

es un punto o un intervalo cerrado.
Demostraci
on. Tenemos que f (Ij(0) ) Ij(1) es un punto, un intervalo, o
vaco. Como f aplica Ij(0) homeomorcamente en f (Ij(0) ) , se sigue que
f aplica Ij(0) f 1 (Ij(1) ) homeomorcamente sobre su imagen. Inductivamente, se tiene que cada uno de los conjuntos
Ij(0) Ij(0) f 1 (Ij(1) ) f 2 (Ij(2) )
es un punto, un intervalo cerrado, o vaco. Luego, lo mismo vale para

f n (Ij(n) ) . Lo que completa la prueba del lema.
n0
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
perodo m , si sop(I) es no vaco entonces la aplicaci

on f m aplica sop(I)
en si mismo, luego f m tiene al menos un punto jo en sop(I) .
Demostraci
on. F
acil se deja al lector.
Teorema 8.1. La sucesi
on de smbolos I(x+) es eventualmente peri
odica
si y s
olo si la o
rbita de x es peri
odica o converge a una o
rbita peri
odica.
Adem
as, si el perodo eventual de la sucesi
on I(x+) es m , entonces el
perodo de esta
orbita lmite es m o 2m .
Observaci
on 3. En el teorema se puede reemplazar I(x+) por I(x) y
el resultado continua v
alido.
Observaci
on 4.
2) En el teorema se considera orbitas peri
odicas como un caso especial de
orbitas eventualmente peri
odicas.
Antes de dar la prueba, necesitamos el siguiente lema.
Lema 8.5. Sea f : [a, b] [a, b] un homeomorsmo, entonces cada
orbita
bajo f es peri
odica con perodo 1 o 2 o converge a una
orbita peri
odica.
Demostraci
on. Primero supongamos que f es monotona creciente. En
este caso vamos a probar que cada orbita x0 x1 x2 es
Monotonamente creciente y converge a un punto jo atractor por la
izquierda,
monotonamente decreciente y converge a un punto jo atractor por la
derecha , o
es constante, es decir, x0 = x1 = x2 =
En particular, cuando f es creciente sus u
nicas orbitas peri
odicson son
sus puntos jos.
122
Ahora bien, tenemos que x0 < x1 o x1 < x0 o x0 = x1 . Si x0 < x1

entonces, como f es monotona creciente, se sigue inductivamente que x0 <
x1 < x2 < x1 la prueba es completamente an
Supongamos ahora que f es monotona decreciente, entonces f tiene un
u
nico punto jo. Ahora aplicamos el argumento de la primera parte a f 2 ,
la cual es monotona creciente, y vemos que cada orbita converge al u
nico
2
punto jo de f o converge a una orbita peri
odica de perodo 2.
Prueba del Teorema. Supongamos que I(x+) es eventualmente peri
odica.
Reemplazando x por alg
un iterado, podemos asumir que la sucesi
on I(x+)
es periodica con perodo m . Si x es de hecho un punto peri
odico con
perodo m , estamos listos. De otro modo, la hip
otesis implica que los punm
2m
un J . Entonces
tos x, f (x), f (x), . . . pertenecen a un hometerval com
m
f aplica J homeomorcamente sobre J , Por lo tanto, por el lema la
orbita de x bajo f 2m converge a un punto jo f 2m (y) = y J . Ar
mamos que y tiene perodo m o 2m bajo la aplicaci
on f . Si no, debemos
k
un divisor k de 2m , con k = m, 2m . Los dos
tener que f (y) = y para alg
k
homtervalos J y f (J) tienen diferentes itinerarios, y por lo tanto pueden
intersectarse a lo mas en un punto extremo com
un, el cual debe ser un punto
k
on y , entones
de doblez de f . Pero si ellos tienen un tal punto de intersecci
k
k
un, lo cual es imf debe doblar ambos J y f (J) en un homtervalo com
posible pues ellos tienen itinerarios peri
odicos distintos. Luego el perodo n
de y debe ser m o 2m .
Recprocamente, supongamos que la orbita de x converge a una orbita
peri
odica de perodo n , esto es, la sucesion x, f n (x), f 2n (x), . . . converge
a un punto y , el cual tiene perodo exactamente n bajo f . Si esta orbita
no contiene puntos de doblez, el itinerario de y esta bien denido, entonces
vemos como antes que ese itinerario tiene periodo n o n2 . Por lo tanto el
itinerario de x es eventualmente periodico con el mismo perodo eventual.
Por otra parte, si y es un punto de doblez de f n , entonces f n dobla
una vecindad de f n ,entonecs f n dobla una vecindad entera de y sobre
Sergio Plaza
123
una vecindad de un lado de y . Se sigue que el itinerario de alguna imagen

f kn (x) coincide con itinerario I(y) , y la prueba a partir de aqu es como
antes.
8.2
Aplicaciones del intervalos con herraduras
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
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
Para terminar la prueba del Teorema de Sarkovskii es suciente demostrar

que si f tiene un punto peri
odico de perodo 2k (2m 1) , con 2m 1 3 ,
entonces tiene puntos peri
odicos con perodo 2k (2m + 1) , y de todos los
n sobre k . Cuando
perodos divisibles por 2k+1 . La prueba es por inducci
k = 1 , si f tiene un punto peri
odico de perodo 2(2m 1) , entonces f f
tiene un punto de perodo 2m 1 , luego un punto x de perodo 2m + 1 .
Este punto x debe tener perodo 2m + 1 o 2(2m + 1) bajo f . En el primer
caso aplicamos el teorema anterior y en el u
ltimo caso, no hay nada que
probar. Ahora, el resto de la inducci
on se sigue directamente.
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,
pero se sabe por el Teorema Fundamental del Algebra

que todo polinomio
de grado n (con coecientes reales o complejos) tiene n raices en el cuerpo
de los n
umeros complejos.
Por esta razon y otras m
as, se han creado metodos iterativos para encontrar races de una ecuaci
on. Entre estos, nosotros estudiaremos principalmente el metodo de Newton, por ser el mas simple entre los metodos para
encontrar raices de una ecuaci
on. Cuando estemos pensando en ecuaciones
reales con coecientes reales, en las iteraciones del metodo de Newton solo
nos interesaran las races en el cuerpo de los n
umeros reales. En este caso
mostraremos las complicaciones dinamicas que son inherentes a un metodo
obstensible simple y c
omo se relacionan estas iteraciones con la dinamica 1
dimensional, lo cual permite mostrar, por ejemplo, que este metodo puede
ser caotico y tener una din
amica muy rica. Por otra parte, cuando conside125
126
ramos el metodo de Newton en el plano complejo, se puede aplicar resultados

de la teora de Julia-Fatou para las iteraciones de aplicaciones en el plano
complejo, y en este caso se tiene una inmensa riqueza dinamica (ver [?])
como veremos en el proximo captulo.
9.0.1
M
etodo de Newton
Es este seccon estudiaremos el metodo de Newton para encontrar races en el

cuerpo de los n
umeros reales de ecuaciones con coecientes reales. Veremos
que este, a
un siendo un metodo simple, presenta varias complicaciones, tanto
numericas como din
amicas.
Sea f : R R , de clase C r , r 1 . La transformada de Newton, la cual
tambien llamaremos funci
on de iteracion de Newton, para f es,
Nf (x) = x
f (x)
.
f (x)
Geometricamente, esta formula es obtenida como sigue: Sea x0 R .

Substituimos f por su aproximaci
on lineal, Lx0 (f )(x) = f (x0 ) + f (x0 )(x
on Lx0 (f )(x) = 0 . Si f (x0 ) = 0 ,
x0 ) , y buscamos la solucion de la ecuaci
0)
on inicial,
obtenemos el punto x1 = x0 ff(x
(x0 ) , esto es, dada una condici
aco de f en el punto (x0 , f (x0 )) y
x0 , dibujamos la recta tangente al gr
buscamos la interseccion de esta recta con el eje x. Obtenemos as el punto
x1 = Nf (x0 ). Enseguida si f (x1 ) = 0 , repetimos el proceso anterior a partir
de la condici
on inicial x1 , y as sucesivamente. De este modo obtenemos una
n)
n

sucesion de iterados (xn )nN , xn+1 = xn ff(x
(xn ) = Nf (x0 ) , si f (xn ) = 0 .
on
Si la condici
on inicial x0 es elegida en forma conveniente, la sucesi
on f (x) = 0 .
(xn )nN converge rapidamente a una raz de la ecuaci
Observaciones.
1) x0 R es una raz simple de la ecuacion f (x) = 0, es decir, satisface
f (x0 ) = 0 (caso general) si, y solo si, x0 es un punto jo de Nf , es
decir, Nf (x0 ) = x0 .
127
Sergio Plaza
2) Si x0 es una raz simple de la ecuacion f (x) = 0 , entonces Nf (x0 ) = 0 ,

pues Nf (x) =
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
Conducta local del m

etodo de Newton
El siguiente teorema sobre la conducta local del metodo de Newton muestra

que ella es muy buena, pero como veremos despues, desde el punto de vista
global no lo es tanto.
Teorema 9.1. Sea f : R R diferenciable. Si f (x0 ) = 0 , deni0)
mos h0 = ff(x
(x0 ) , x1 = x0 + h0 , J0 = [x1 |h0 |, x1 + |h0 |] y M =

0 )M
on f (x) = 0 tiene
supxJ0 |f (x)|. Si 2 (ff (x
(x ))2 < 1 entonces la ecuaci
0
on inicial x0
una u
nica soluci
on en J0 y el metodo de Newton con condici
converge a dicha soluci
on.
1)
Demostraci
on. Sea h1 = ff(x
(x1 ) . Necesitamos estimar h1 , f (x1 ) , y
f (x1 ) . Tenemos |f (x1 )| |f (x0 )| |f (x0 ) f (x1 )| |f (x0 )| M |x1

0 )|
0 )|
, es decir, |f (x1 )| |f (x
(desigualdad
x0 | |f (x0 )| 12 |f (x0 )| |f (x
2
2
1).
128
Ahora estimaremos f (x1 ):

!
f (x1 ) = f (x0 ) +
x1
f (x)dx
x0

= f (x0 ) [(x1 x)f (x)] xx10 +
= f (x0 ) + (x1 x0 )f (x0 ) +

como h0 = x1 x0 y
x1
x0
x1
x0
(x1 x)f (x)dx
(x1 x)f (x)dx
f (x0 )h0
= f (x0 ), se tiene que

! x1
(x1 x)f (x)dx .
f (x1 ) =
x0
Haciendo el cambio de variables th0 = x1 x . Tenemos dx = h0 dt , y

! 1
M |h0 |2
2
.
tdt =
|f (x1 )| M |h0 |
2
0
es decir, |f (x1 )|
M |h0 |2
2
(desigualdad 2)
De las desigualdades (1) y (2), obtenemos

f (x1 ) M |h0 |2 2

2 M

=
|h
|
|h1 | =
0
f (x0 )
f (x0 )
f (x1 )
2

f (x0 )
y de 2 (fM (x
2 < 1 , tenemos
0 ))

M 1 f (x0 ) 1
1
1
<

f (x0 ) 2 f (x0 ) = 2 f (x0 ) = 2|h0 | ,
f (x0 )
luego |h1 | <
|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
Denamos x2 = x1 + h1 y J1 = [x2 |h1 |, x2 + |h1 |] . Tenemos que

J1 J0 , y las condiciones del teorema se verican para x1 , h1 , y J1 .
k)

Denimos, inductivamente hk = ff(x
(xk ) , si f (xk ) = 0 y xk+1 = xk + hk .
Tenemos as que xk J0 , y (xk )kN es una sucesion convergente, pues la
serie h0 + h1 + converge. Ademas, el lmite xf = limk xk es una raz
de la ecuaci
on f (x) = 0 , pues limk (f (xk ) + f (xk )(xk+1 xk )) = 0 .
Observaci
on. La desigualdad hk+1
del metodo de Newton.
hk
2
, nos da la convergencia geometrica
Teorema 9.2. En las condiciones del teorema anterior, el metodo de New2

ton tiene convergencia cuadr
atica, esto es, |hk+1 | |f M
(xk )| |hk | .
Demostraci
on. Dividiendo la desigualdad |f (xk+1 )|
obtenemos
|kk+1 | =
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
erados de esta transformacion, hacemos el siguiente cambio de variables
x = (y) =
bya
y1 ,
y = 1 (x) =
xa
xb ,
si y = 1
si x = b .
Observemos que aplica y = 0 e y = + en x = a y x = b , respectivamente. Tenemos y 2 = g(y) = 1 Nf (y).

En efecto,
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) .
on g(y) = y 2 . De esto tenemos:

Luego Nf es conjugada a la aplicaci
i) si elegimos una condici
on inicial x0 a la derecha de
Newton converge a la raz mayor, digamos b ;
a+b
2
ii) si elegimos una condici

on inicial x0 a la izquierda de
de Newton converge a la raz menor, a ;
iii) nalmente si elegimos la condici
on inicial x0 =
Newton no esta denido en este punto.
a+b
2
, el metodo de
a+b
2
, el metodo
, el metodo de
Para mostrar lo anterior, note que si b > a, entonces (] 1 , 1[) =

$ a+b
%
a+b
[
,
(1)
=
,
y
(]
,
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
Conducta global del m

etodo de Newton
Al aplicar el metodo de Newton, pueden surgir algunas dicultades, por

ejemplo:
(a) El metodo de Newton no esta denido en los puntos para los cuales
la tangente a la gr
aca de f es horizontal, es decir, si f (x0 ) = 0.
(b) El metodo de Newton puede converger, pero lo hace a una raz distinta
a la esperada. Puede ocurrir que tomando una condici
on inicial, se
esperara convergencia del metodo de Newton a la raz mas pr
oxima,
pero de hecho puede hacerlo hacia una raz mas lejana.
(c) El metodo de Newton no converge si la condicion inicial elegida esta
sobre una orbita peri
odica, por razones obvias, una orbita peri
odica
n1
{z , Nf (z) , , Nf (z)} solo sera considerada como tal cuando su
perodo es mayor o igual que 2.
Estas situaciones pueden ser ilustradas con ejemplos simples como los
siguientes.
Ejemplos.
1.- Sea f (x) =
f (x)
x3
x+
2
.
2
= 0 si y solo si x =
En este caso Nf (x) =

1
3
2x3 22
3x2 1
. Tenemos que
. En estos puntos la recta tangente al gr

aco
de f es '
horizontal. Por otra parte, Nf (0) = 22 , y Nf ( 22 ) = 0 , es decir,
&
odica de perodo 2 para Nf , y como

0 , 22 es una orbita peri
2
Nf (x) = Nf (Nf (x)) Nf (x)
=
se tiene (Nf2 ) (0) =
(Nf2 ) (0) = 0 , luego
2
) f ( 22 )
2
(f ( 22 ))2
f(
&
f (Nf (x)) f (Nf (x)) f (x)f (x)

,
(f (Nf (x)))2
(f (x))2
0,
2
2
'
f (0) f (0)
(f (0))2
, y siendo f (0) = 0 , se tiene que
es una orbita peri

odica superatractora de Nf .
2.- Sea f (x) = x3 x . Las races de la ecuacion f (x) = 0 , son, 0, 1 y 1 .

3
La transformada de Newton para f es Nf (x) = 3x2x2 1 . Tenemos:
132
a) f (x) = 0 si y solo si x = 33 . Para estos valores de x el metodo de

Newton no esta denido (no son los u
nicos valores para los cuales el
metodo de Newton de f no esta denido, existen muchos otros donde
ocurre lo mismo, como veremos mas adelante);
b) para x0 = 0.5 , el metodo de Newton no converge a la raz mas
pr
oxima, x1 = 1 , si no que lo hace a la raz x2 = 1;
odicas, por simetra, busquemos un
c) Para ver si Nf tiene orbitas peri
3
punto x tal que Nf (x) = x , es decir, 3x2x2 1 = x ; de aqu obtenemos
x = 0 o x = 15 . El punto x0 = 0 es un punto jo (superatractor) de
odica
Nf , y los puntos x1 = 15 y x2 = 15 forman una orbita peri

de perodo 2, la cual es repulsora, pues (Nf2 ) 15 = 36.
9.0.4
Propiedades b
asicas de la transformada de Newton
En lo que sigue, asumiremos que f : R R es de clase C r , r 2 .

Supongamos que f satisface la condicion siguiente:
C.1. Si f (x) = 0 entonces f (x) = 0
es decir, los puntos crticos (maximos o mnimos) de f son no degenerados.
Si tenemos un punto x en el cual f (x) = f (x) = 0, podemos redenir Nf ,
como sigue
Nf (x) =
x
x
f (x)
f (x)
si f (x) = 0
si f (x) = f (x) = 0
Nf no esta denida en otro caso. Note que redeniendo Nf como lo hicimos,

ella es ahora de clase C 1 en una vecindad de un punto x0 en el cual f (x0 ) =
f (x0 ) = 0 , y tenemos que Nf (x0 ) = 12 .
M
as general, si f es de clase C n+1 y f (x0 ) = f (x0 ) = = f (n1) (x0 ) =
0 , pero f (n) (x0 ) = 0 , entonces haciendo Nf (x0 ) = x0 , Nf es de clase C 1
en una vecindad de x0 y Nf (x0 ) = n1
n .
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 ) =
=
lim Nf (x)
xx0
lim
f (x)f (x)
(f (x))2
lim
n(n 1)(g(x))2
n2 (g(x))2
xx0
xx0
n1
.
n
Ahora para simplicar nuestro estudio, en lo que sigue suponemos que f

satisface la condicion C.1. y la siguiente condici
on,
C.2. Si f (x) = 0 , entonces f (x) = 0 ,
esto es, si f (x0 ) = 0 entonces f es transversal al eje x en x0 , equivalentemente, f solo tiene races simples.
La propiedad fundamental de la transformada de Newton, Nf , de f es
transformar el problema de encontrar races de la ecuacion f (x) = 0 en el
problema de encontrar puntos jos de Nf . Las siguientes propiedades son
b
asicas para el estudio de las iteraciones de Nf .
(1) f (x0 ) = 0 si y solo si Nf (x0 ) = x0 . Ademas, si f (p) = 0 entonces
Nf (p) = 0 , luego limk Nfk (x) = p para todo x sucientemente
pr
oximo a p .
on real x = c de f (x) =
(2) Nf tiene una asntota vertical en cada soluci
0.
134
Si c1 < c2 son races consecutivas de f (x) = 0 , el intervalo ] c1 , c2 [

es llamado una banda (acotada) para Nf . Si f (x) = 0 tiene una
mayor (resp. menor) raz c (resp. b), el intervalo ] c , + [ (resp.
] , b[ ) es llamado una banda extrema para Nf .
(3) Si ] c1 , c2 [ es una banda para Nf que contiene una raz de f (x) = 0 ,

entonces limxc+ Nf (x) = + y limxc Nf (x) = . En efecto,
1
2
tenemos dos posibilidades para el graco local de f en el intervalo
] c1 , c2 [ como muestran las guras abajo.
.........................................
..
...
... . .....
...
... ..
...
..
...
.
...
...
...
....
...
.....
c2
..
....
. 0
.........................................................x
...............................................................................................................
.
...
..
c1
..
...
..
.
...
.
.
...
.
...
...
...
...
..
... ... ....
....
..
. . ...
...........................................
(i)
............................................
.... . ....
... ... .....
.
....
..
...
.
.
....
..
.
.
.
.
c1
...
..................................................................................................................................................................
... x0
c2
..
.
..
.
..
....
...
.
..
.
...
... .. .....
... . ..
.............................................
(ii)
En el primer caso, para x ] c1 , x0 [ , f (x) > 0 y f (x) < 0 . Luego

+
Nf (x) = x ff(x)
(x) + cuando x c1 . En el intervalo ] x0 , c2 [ ,
f (x) < 0 y f (x) < 0 . Luego Nf (x) = x ff(x)

(x) cuando
x c2 . El segundo caso es completamente analogo.
(4) Si ] c1 , c2 [ es una banda para Nf , la cual no contiene races de

f (x) = 0 , entonces limxc+ Nf (x) = limxc Nf (x) = . En
1
2
efecto, basta observar las gracas de f (guras abajo) en este caso
para deducir a partir de esto el resultado.
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
on de las iteraciones
Ahora estudiaremos en mas detalles la no convergencia de la sucesion (Nfn (x))nN .

deja de converger
La manera mas simple en que la sucesion Nfn (x0 )
nN
a una raz de f (x) = 0 es cuando esta se torna indenida para alg

u n n0 N ,

esto es, cuando existe n0 N , el primero, tal que f (xn0 ) = 0 , donde
n0
n1 )
xn = xn1 ff(x
(xn1 ) = Nf (xn1 ) . Esto signica que Nf (x0 ) pertenece
a una asntota de Nf . El conjunto de tales puntos es A(f ) = { x R :
existe m = m(x) N tal que Nfm (x) Z(f ) } = mN (Nf )m (Z(f )) ,
donde Z(g) = { x R : g(x) = 0 } es el conjunto de los ceros de la funci
on
g . Es claro que A(f ) es numerable y no denso.
Ahora, sea B(f ) = { x R : limn Nfn (x) Z(f ) } . Desde el
punto de vista computacional este es el conjunto que m
as interesa. Estos
dos conjuntos, A(f ) y B(f ) contienen informaci
on que concierne a la parte
mas simple de la din
amica de Nf . Por otro lado, C(f ) = R(A(f )B(f ))
es el conjunto que contiene la parte complicada de la din
amica de Nf .
Proposici
on 9.1. Los conjuntos B(f ) , A(f ) y C(f ) son Nf invariantes.
Demostraci
on.
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 .
Lema 9.1. Toda banda ] c1 , c2 [ que contiene una raz p de f (x) = 0

contiene una
orbita peri
odica de perodo 2 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
caso. Para el caso restante el razonamiento es analogo. Ver siguiente.

.......
...
...
..
....
....
.. .......
.....
.. ....
....
.. ....
.. ...
..
.. ..
.. ......... ....... ....... ....... ....... ...............
.. .....
.
. ...
.
.
.. . ...
.
.... ...
.. . ...
.. ... ..
..
....
..
..
..
....
..
.. .. ..............................................
. .... . .....
.. .
..
.. .
.
..
.... ....... .... .....
.. ...
.
.
.
..
... ....
.. .. ..........
... ..
.. . .... .
...
c1 .. .... . . ... ... c2
.......................................................................................................................................................................................................................................
... ..
p ....... .....
..... ..
.... .... I
.
.. ...
.
.
.
.. ..
...
....
.. .
..
....
.
.. ..
.
.
.
.
.
....
.
.
.
.
..
.
.
......
.
.
.
...
.. ...
...
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
umero de puntos jos de gn es al menos tan

p((xi )) = p((yi )) . Luego el n

grande como el n
umero de sucesiones (xi )ni=0 (n; k) , con x0 = xn , y
este u
ltimo n
umero es precisamente kn .

Para demostrar la u
ltima parte del lema, observe que el conjunto (, k) =
{ (xi )
i=0 : xi {1, . . . , k}} es no numerable. Ahora la propiedad de la interseccion nita para conjuntos compactos garantiza que dada una sucesi
on

k
(, k) existe al menos un punto q((xi )i=0 ) j=1 Ij , con

(xi )i=0
gi (q((xi )
as, se tiene que el conjunto de
i=0 )) Ixi , i = 0, 1, . . .. Adem

sucesiones periodicas en
(, k) es denso.
La siguiente proposici
on, es una generalizaci
on de un resultado probado
por Barna en 1956 para polinomios de grado n 4 , con coecientes reales
y con n races reales distintas.
Proposici
on 9.2. Supongamos que f satisface las condiciones C.1 y C.2 ,
odicos
y tiene al menos 4 races reales distintas. Entonces Nf tiene puntos peri
de todos los perodos. Adem
as, A(f ) C(f ) (esto es, el conjunto de puntos
que no convergen a una raz de f , equivalentemente el conjunto de puntos
que no convergen a un punto jo de Nf ) es no numerable.
Demostraci
on. Si una banda B contiene un punto jo de Nf entonces
Nf (B) = R. Como f tiene al menos 4 races existen al menos dos de esas
bandas; las otras dos pueden ser bandas extremas. Luego podemos elegir
subintervalos compactos I1 e I2 de esas bandas, los cuales satisfacen las
hip
otesis del lema anterior, por lo tanto existen puntos peri
odicos de todos
los perodos.
Para mostrar que existe una cantidad no numerable de puntos que no

(; 2) :
convergen a puntos jos de Nf note que S = { (xi )
i=0

(xi )i=0 no es eventualmente constante} es no numerable; ((xi )i=0 (; 2)

es eventualmente constante si existe m N tal que xm = xm+1 = ). Tenemos entonces que S es no numerable, pues para cada m N , el conjunto

(; 2) : xm = xm+1 = } es numerable, por lo tanto
Em = { (xi )
i=0

en lo es, y S = (; 2)
m=0 Em tambi
m=0 Em . Ahora, si (xi )i=0 S ,
n
para el punto q((xi )

i=0 ) dado por el lema anterior, (Nf (q((xi )i=0 )) no con-
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
Teorema 9.4. Sea f como antes. Si + 2 , existe un conjunto no

un punto jo de
numerable de puntos x tales que Nfn (x) no converge a ning
Nf . Adem
as, si 1 entonces Nf tiene puntos peri
odicos de todos los
perodos.
Demostraci
on. Si = 0 entonces = 2 (ver gura abajo) luego Nf no
tiene puntos jos, y lo armado.. es .trivial.
.
.
.
..
.......
... ....
...
......
....
....
..
.. ... ...... ...........
..........
..
......
.. .. .. ...... ..
.....
..
.. ............... ..
......
......
..
.. .... .. ..
.... .. .. ..
.
.. ..... .. ..
.... .. .. ..
..
..
.. ..
...
..
...... ..... ... ...
.. ..
.. .........
.. ..
.. .... ..
.... .. .. ..
..
.... .. .. ...
....... ...
.
.
.
.
.
...................................................................................................................
....
.
.
.
.
.
...... ..... ... ...................... ...
....
....
. . . . .. . . . .
....
.... ... .. ......... ... ... ..... ...
..
.. .. .... .. .. .. .. ..
.. .. .... .. .. .. ... ..
......
.. .. .. .. ..
....
.. ......
.. .....
.
.
.
.
.
.
.
.
.......
...... ... .......
....... ..
...
..... .. ....
...... ..
=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
Por ejemplo en la gura anterior , Nf3 (I1 ) I1 , luego existe un punto

peri
odico de perodo 3 y por el Teorema de Li y Yorke, ver [10], existen
puntos peri
.
.
......
.....
........
........
.. ..
....
....
.......
.. ..
.. ..
....
........
....
... ... ............
.. ...
. . . .
.. ..
....
.. ... ... ... ....... ...
....
..
.. ... ... ...... ..
......
.. ........ .... .. ..
..
... .. ..
.....
..........................................................................................................................
......
... .......
... ...
..
..
.. ..
......
.. ..
.. ..
... ... ..........
.. ..
....
.. .. .... ..
....
.. .............. ..
.. ...... .. ... ..
....
.
.
.
.
.
.
.
..... .. .. ... ..
.
.
.
..
.
....
........ .....
....
=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)
Si f (x) es siempre acotada desde 0 cuando |x| es grande y x

pertenece a una banda extrema, entonces la condicion 1 (i) anterior
implica la condici
on 1 (ii). En particular, cuando f es un polinomio
de grado 2 , la condici
on anterior es v
alida.
Sergio Plaza
143
En efecto, si B = ]c , [ (el otro caso es similar) la hip

otesis sobre

f implica que ambas f y f tienden a o ambas tienden a
cuando x , luego para x grande ff(x)
(x) es positivo, y por lo tanto
Nf (x) < x para todo x > c . Tenemos que limxc+ Nf (x) = .
Por otra parte, como limx f (x) = , la regla de LHopital
muestra que limx Nf (x) = + .
9.0.6
No convergencia de Nfk : existencia de o

rbitas peri
odicas atractoras
Desde el punto de vista de la din

amica, los resultados anteriores son satisfacamica
torios, pues ellos indican que para muchas funciones f , Nf tiene din
complicada, incluyendo una cantidad no numerable de puntos x para los
on f (x) = 0, y por
cuales Nfk (x) no converge a una raz de la ecuaci
otra parte este conjunto puede ser peque
no en el sentido de la medida de
Lebesgue, mas a
un puede tener medida cero. En tal caso no debemos esperar (en sentido probabilstico) encontrar en la pr
actica tales puntos de
no convergencia. Ahora centraremos la atenci
on en la existencia de orbitas
peri
odicas atractoras (recuerde que no estamos considerando como orbitas
odicas atractoras
peri
odicas a los puntos jos). Si Nf tiene orbitas peri
entonces existe un intervalo abierto I tal que, si x I , entonces Nfk (x)
no converge a una raz de f . Luego los puntos de I son bien comportados
desde el punto de vista de la din
amica, pero mal comportados desde el punto
de vista de las iteraciones del metodo de Newton.
Probablemente, el resultado m
as antiguo en esta area es el de Barna,
el cual nos dice que si f es un polinomio con coecientes reales de grado
4, con todas sus races reales y distintas, entonces Nf no tiene orbitas
peri
odicas atractoras. Para otro tipo de funciones, de hecho pueden existir
orbitas peri
odicas atractoras como se ve en la siguiente gura
144

.......
...
.......
...
.. ..
.. .......
....
.. ..
.. ....
.....
....
.. ..
.. .....
.....
.. ...
..
.
.. ..
.....
.. ........ ....... ....... ............ ....... ....... ........... ...
.
.....
.. .....
.
. .
.. ............. ....... ........... ....... .............. . ...
.. ..
.. .. . ...
.. . .
.. ... ....... . ... ...
.. . .. ..
.
.. ... ............. ... .. ..
.. ..
.. ................. ... . .. ..
.. .. .. ...
. ..
. ..
..
.
..
.
.
.
.......................................................................................................................................................................x
..
.. .. . ..
... a.. .b.... .................. ...
... .. .. ..
. . . . ... .. .
... . . ...
... . .. .............. ..... ...
.
.. .. .. ....
.. . .
.. . ............. ....... .............. ....... ................. .. ...
.
.. .. ....
.
.. ......... ....... ....... ............. ....... ....... ............ ...
.. .....
... ..
.....
.
.
....
... ...
...
....
... ..
.... ..
.....
.. ...
.......................... ....
.....
.......
.... . .
........ ......
..
..
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
Para nalizar este captulo, estudiaremos la din

amica de la transformada de
Newton para polinomios de grado 2 y 3.
atico. EnProposici
on 9.4. Sea p(x) = ax2 + bx + c un polinomio cuadr
ax2 c
x2 +A
tonces Np (x) = 2ax+b es globalmente conjugado a Nq (x) = 2x donde
q(x) = x2 A y A = b2 4ac .
Demostraci
on. Consideremos la aplicacion (x) = 2ax + b . Desa-rro-llando Np 1 (x) se obtiene lo pedido.
Como consecuencia inmediata vemos que para conocer la din
amica de la
transformada de Newton de polinomios cuadr
aticos, tenemos que conocer la
din
amica de la familia a 1parametro p (x) = x2 , y para esta tenemos
Proposici
on 9.5. Si q(x) = x2 c2 , c > 0 , entonces Nq tiene puntos
jos en c , ambos superatractores. Adem
as, W s (c) = ] 0, [ y W s (c) =
] , c [ .
Demostraci
on. Inmediata a partir del an
alisis graco de la transformada
de Newton para q .
otica sobre
Proposici
on 9.6. Si q(x) = x2 + c2 , c = 0 , entonces Nq es ca
] , 0 [ ] 0, [ .
Demostraci
on. A cargo del lector.
Para el caso q(x) = x2 , se tiene Nq (x) =
de q(x) = 0 es lineal.
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
Ejercicio Pruebe que existe una orbita peri

odica atractora para Np (x) =
2x3 1
.
3x2 1.265
Indicaci
on. Considere el intervalo I = [ 0.03 , 0.03 ] y pruebe que
(a) Np (I) I = ,
(b) Np2 : I I , y
(c) |(Np2 ) (x)| < 1 para todo x I .
Ahora consideremos los polinomios c
ubicos, p(x) = ax3 + bx2 + cx + d y
q(x) = x3 + Bx + C . Tenemos,
Np (x) =
2ax3 + bx2 d
3ax2 + 2bx + c
Nq (x) =
2x3 C
.
3x2 + B
Sea, (x) = 3ax + b . Queremos encontrar los coecientes B y C de q

2 3
2 +2b2 x+bc3ad
tales Np = Nq . Tenemos que Np (x) = 6a x +6abx
3ax2 +2bx+c
3 3 +54a2 bx2 +18ab2 x+2b3 C
y Nq (x) = 54a x27a
. De ah, si elegimos 2b3 C =
2 x2 +18abx+3b2 +B
9a(bc 3ad) , es decir, C = 2b3 9a(bc 3ad) , y 3b2 + B = 9ac , es decir,
B = 9ac 3b2 , tenemos entonces
54a3 x3 + 54a2 bx2 + 18ab2 x + 9a(bc 3ad)
27a2 x2 + 18abx + 9ac
= Np (x) .
Nq (x) =
Por lo tanto, hemos probado el siguiente
147
Sergio Plaza
Teorema 9.6. Sean p(x) = ax3 + bx2 + cx+ d , a = 0 , y q(x) = x3 + Bx+

C , donde B = 9ac 3b2 y C = 2b3 9a(bc 3ad) = 27a2 d + 2b3 9abc .
Entonces (x) = 3ax + b es una conjugaci
on global entre Np y Nq .
Ahora, tenemos la siguiente
Proposici
on 9.7. Sean f (x) = x3 + ax + b3 , b = 0 y g(x) = x3 + cx + 1 ,
donde c = ba2 . Entonces (x) = xb es una conjugaci
on global entre Nf y
Ng .
Demostraci
on. Basta desarrollar la ecuaci
on de conjugaci
on Nf =
Ng , lo cual es dejado como ejercicio al lector.
Caso B = 0 , C = 0 arriba, haciendo
=
2b3 9a(bc 3ad)

C
=
,
( 3 B )2
( 3 9ac 3b2 )2
se tiene que Np es globalmente conjugada a la transformada de Newton,

N , del polinomio h (x) = x3 + x + 1 .
Si C = 0 y B = 0 , considerando la familia a 1par
ametro de polinomios
3
amica de la transformada de Newc
ubicos k (x) = x +x , vemos que la din
amica de la transformada
ton N de k , es globalmente conjugada a la din
de Newton de uno de los siguiente polinomios:
(1) p+ (x) = x3 + x , caso > 0 ,
(2) p (x) = x3 x , caso < 0 , y
(3) p0 (x) = x3 , caso = 0 .
Como ejercicio el lector puede examinar la dinamica en cada uno de los
casos anteriores. Por ejemplo es interesante caracterizar los valores para
odicos atractores, que son los que perturban,
los cuales N tiene puntos peri
mayormente, la convergencia a races en el metodo de Newton.
148
Captulo 10
Bifurcaciones en el m
etodo
de Newton
En lo que sigue estudiaremos los cambios en la din
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,
g (0) > 0 .
Localmente, en una vecindad de 0, g tiene el graco como se muestra en

la gura abajo
149
150
g.
...
...
.
...
..
..
...
.
..
.
.
...
.
.
...
...
...
....
.
....
....
...
....
.
.....
.
.
.
.
......
...
.....
....
.
......
.......................................................................................................................
..
..
...
..
..
..
....
....
Sea f (x) = g(x) + . Denotemos Nf simplemente por N .
...
...
.
.. .
. ..
....
... ..........
....... ..
.
.
.
... .......
...
... .. ..
... ... ...
..
... ... ....
... ... ....
..
...............
.... .... ....
.
.
.
.
. .. .
.... .... .....
...
......... ....
.... ...........
..... ............... ... ...........................
...... ....................................... .......
..............................................................................................................................
...............
...
....
....
....
....
Localmente N se ve como en la gura siguiente

...
. .
....
.. ..
...
....
.. ...
..
....
.
.
.
.
.
.
..
. .
..
...
....
.. ...
...
.
....
..
.. ........
..
...
.
.
...
... ...... ..........
..
. ..
..
..
.. ..
..............................................................................................................................
N ,
...
.... ...
.
.
.
.
.
.
.
.
.......
..
...
..
.... ....
.
.
.
.
.
.
...
...
..
....
...
....
.. ...
..
....
.. ..
.
..
.
.
.
.
.
..
.
...
.
.
.
.
.
.
.
.
.
.
.
...
.
.
.
.. ..
....
.
...
....
...
....
...
..
....
...
.
.
.
.
.
...
...
.....
...
.
....
...
...
.... ...........
.
.
.
.
...
... ........................ ............
..
.
. ..
................................................................................................................................................................... N ,
.....
.
.
.
...
........... .......................... ....
...
..... .... ..
...
..
...
.
...
.
.
.
.
.
.
.
...
.
.
..
.
.
.
.
.
...
.
.
.
.
.
.
.
.
.
.
.
.
.
..
...
....
... ...
....
.....
....
....
.....
.
.
.
.
...
.......
....
.
....
...
... ..... ....... ....................
..
.
.
.
....
..
...
...
... ...........................
.
..
....................................................................................................................................................................
.
...
...
.
.
.
.
.
.
.
.
.
.
.
.
.
.
...
.... .. ... .
...
....
..... .... .. .
...
.......... .................. ....... ........
...
....
.
.
.
.
.
.
.
...
..
.
.
.
.
.
.
.
.
.
...
.. ....
....
.
.
.
.
.
.
.
.
.
..
...
N ,
>0
=0
<0
151
Sergio Plaza
Ahora, como f (x) = g(x) + se tiene que f (x) = g (x) . Luego

g(x) +
(x) = N (x) + g (x) =

=
N
y
N
(x)
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
N (x) no existe, por ejemplo, en (x0 , 0 ) = (0, 0) . Esos puntos cor

responden a puntos donde g (x0 ) = 0 y 0 = g(x0 ) pues en ese caso,
para = 0 ambas f y f son ceros en x = 0 . Note que las bandas de
N son, esencialmente, independiente de y son las mismas que para Ng ;
las u
nicas excepciones ocurren en los valores del parametro en los cuales
f tiene una raz que es tambien un punto crtico, es decir, para (x0 , 0 )
tales que f0 (x0 ) = 0 y f 0 (x0 ) = 0 , es decir, 0 = f0 (x0 ) = g(x0 ) + 0 y
as especcamente
f 0 (x0 ) = g (x0 ) = 0 , o m
g (x0 ) = 0
0 = g(x0 ) .
Tenemos el siguiente lema

Lema 10.1. Sea I un intervalo compacto sobre el cual g no se anula,
entonces cuando 0 se tiene que N converge a Ng y N converge
a Ng , siendo la convergencia en ambos casos uniforme.
Demostraci
on. Tenemos que
N (x) = Ng (x)
N (x) = Ng (x) +
g (x)
g (x)
(g (x))2
y la prueba se sigue trivialmente.

Para encontrar puntos peri
odicos atractores de una aplicacion 1dimensional
(real o compleja) es conveniente seguir la orbitas de los puntos crticos de
la aplicaci
on. Para nuestro caso, existen al menos dos razones para esto:
152
primero si un punto crtico de N es periodico de perodo k entonces su

on racional (cuociente
orbita es superatractora; segundo si N es una funci
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)
N (x) > 0 sobre ]p, 0[ y

N (x) < 0 sobre ]0, q[ . Tenemos el
que
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) =

N (N (x)) . Ahora como Ni (p) < 0 para 0 i k se tiene que
k1
N (N (p)) > 0 . Por lo tanto,
N (p) = =0
N (N (p)) > 0 ,
como deseabamos probar.

j1
=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
(1) p < N (p) < < Nk1 (p) < 0 ;
(2) Nk (p) > Nk1 (p) ;
(3) Nk1 (p) 0 cuando 1 , luego, Nk (p) cuando

1 .
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,
Ademas, para cada k se tiene que ak > bk+1 < 0 y limk ak = 0 .

Denamos la aplicaci
on jk : [ak , bk ] [0, q] por jk () = Nk (p) . Por
el lema 4 cada aplicacion jk es monotona creciente y aplica [ak , bk ] sobre
[0, q] .
Para valores peque
nos y positivos de , se tiene que N aplica el intervalo
[0, q] sobre el intervalo [p, 0] ; luego el conjunto N1 (p) ]0, q[ es no vaco.
Por el teorema de la funci
on implcita se tiene que el conjunto N1 (p) ]0, q[
es el graco de una funci
on creciente x = Z() . Las curvas Z y jk son
mostradas en la gura siguiente.
155
Sergio Plaza
.............................................................................................................................................................................................................................................................................................................................................................................
..
.
.
.
. .
.
.
.
.
..
...
...
...
... ....
..
...
...
...
..........
.
.
.
.
.
.
.
.
..
.
.
.
.
.
.
.
.
.
..
.. .
.. .
.. .
....
.
.
.
.
..
.. .
.. .
.. .
...... .
.
.
.
.
..
.... .. .
.. .
.. .
.. .
... .
... .
... .
..
.
.
.
. ......... ... .
.
.
.
..
.
.
.
. ......
.. .
.. .
.. .
.. .
..
..
.
.= j ...()
.
.
..
.. ..
.. .
.. .
x
.......
.
.
.
1
.
.
.
.
.
.
..
... .
... .
.
.
.
.
..
.
.
.
. .
. .
.. .
.. .
...... .
.
.
.
.
.
.
.
.
..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.x .= jk ()
. .
.
.
.
.
.
..
.
.
.
.
.
..
.
.
.
.
.. .
.. .
.. .
..
.. .
........
.
.
.
.
.. .
.. .
.. .
.. .
..
.......
.
.
.
.
.
.
.
.
.
... .
... .
.
..
.
.
.
.
.
.
.
.
......
..
.. .
.. .
.
.
.
.
.
..
.. .
.........
..
..
..
. ......................
.
.
.
.
.
.
.
.
.
..
..
..
.
.
.
.
. ...........
.
.
.
.
.
.
.
..
..
..
..
..
. ................................... x = Z()
.
.
. ...
. ...
.
. ...
..
.
.
.
.
.
.
.
.
.
......
.. ..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.....
.......
x
.
. ..
.
. ..
.
.=.. j2 ()
.... ..............................................................
.
. ..
.
. ..
.
. ..
.
..
.
. ...
.
.
. ...
. ...
.
. ...
..
,
x
)
(
.
.
.
.
..
.
. ..
.
. ..
. ..
.
. ..
k. k
..
.
. ..
. ..
.
.
. ..
. ..
.
..
.
. ..
. ..
.
.
. ..
. ..
.
..
.
. ...
. ...
.
.
. ...
. ...
.
..
.
.
.
.
..
...................................................................................................................................................................................................................................................................................................................................................................................
(0, 0)
ak
bk
a2
b2
a1
b1
Para todo k grande existe un punto (k , xk ) satisfaciendo
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
(1) Para cada Ik , la aplicaci

on de Newton N tiene una
orbita
peri
odica atractora de perodo k ;
(2) cada intervalo Ik contiene al menos un punto k tal que p es un
punto peri
odico superatractor de N para = k ;
(3) si Ik = ]Lk , Rk [ entonces Lk y Rk tienden a 0 cuando k .
Demostraci
on. En lo anterior hemos tratado el caso p < 0 y g (p) > 0 .
En esa condiciones hemos demostrado la existencia de una orbita peri
odica
on implcita muestra que
superatractora para = k . El teorema de la funci
esa orbita continua existiendo para todos los valores de sucientemente
cercanos a k . Sea Ik un intervalo que contiene a k y tal que para cada
odica atractora de perodo k que contiene
Ik , N tiene una orbita peri
a p en su cuenca de atraccion. Si p > 0 el argumento es esencialmente el
on de Newton N
mismo. Para el caso g (0) < 0 , notemos que la aplicaci
de g + es exactamente la misma que para g la cual le podemos
aplicar el argumento anterior. Esto completa la prueba del teorema.
Para ilustrar lo discutido anteriormente el lector puede considerar el ejemplo siguiente. Sea f (x) = x3 3x + . Esta familia de aplicaciones tiene
una tangencia cuadr
atica con el eje x en x = 1 cuando = 2 . Tenemos

2

nico cero de f es x = 0 . Por
f (x) = 3x 3 , f (x) = 6x . Luego el u
odica de perodo
lo tanto, del teorema de Julia N si tiene una orbita peri
mayor que 1, entonces los iterados de 0 deben tender a esa orbita. Un
peque
no experimento, nos muestra que
Perodo k
2
3
4
5
..
.
Valor del par

ametro k
3.674234614
7.751340820
15.556213393
30.155532349
..
.
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
Sea [a, b] un intervalo acotado. Una partici

on de [a, b] es un conjunto de
puntos P = {x0 , x1 , . . . , xn } que satisface x0 = a < x1 < < xn = b .
El intervalo [xk1 , xk ] es llamado intervalo kesimo de P , y escribimos

xk = xk xk1 . Tenemos nk=1 xk = b a . La coleccion de todas las
particiones de [a, b] la denotaremos por P([a, b]) .
on de [a, b] ,
Sea f : [a, b] R . Si P = {x0 , x1 , . . . , xn } es una partici
escribimos fk = f (xk ) f (xk1 ) , para k = 1, . . . , n .
Definici
on 11.1. Sea f : [a, b] R . Decimos que f tiene variaci
on
n
acotada si existe un n
umero M 0 tal que
k=1 |fk | M para todas
las particiones de [a, b] .
157
158
Aspectos Estocasticos de Dinamica 1dimensional
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
donde el supremo es tomado sobre todas las particiones sobre [a, b] .

Observemos que si f es de variaci
on acotada, entonces Vf (a, b) es nito,
Vf (a, b) 0 , y Vf (a, b) = 0 si, y s
olo si, f es constante en [a, b] (la
vericaci
on de esta u
ltima propiedad es inmediata a partir de la denici
on).
Las demostraciones de los resultados siguientes pueden ser encontradas en
[12] y en la bibliografa correspondiente.
Teorema 11.1. Sea f : [a, b] R una funci
on creciente y sea P = {a =
n
+
on de [a, b] . Entonces
x0 < x1 < < xn = b} una partici
k=1 (f (xk )
f (x
k )) f (b) f (a) .
La diferencia f (x+
k ) f (xk ) es el llamada salto de f en xk . Tenemos
el siguiente teorema
Teorema 11.2. Si f : [a, b] R es mon

otona, entonces el conjunto de
discontinuidades de f es numerable.
on mon
otona. Entonces f
es de variaci
on acotada sobre [a, b] .
Teorema 11.4. Sea f : [a, b] R una aplicaci
on continua. Si f existe
y es acotada en ] a, b [ , digamos |f (x)| A para todo x ] a, b [ , entonces
f es de variaci
Teorema 11.5. Si f : [a, b] R es de variaci
on acotada sobre [a, b] ,
n
on de [a, b] . Entonces f es
digamos
k=1 |fk | M , para toda partici
acotada en [a, b] (de hecho, |f (x)| |f (a)| + M , para todo x [a, b] .)
Teorema 11.6. Si f, g : [a, b] R son de variaci
on acotada en [a, b] .
Entonces tambien lo son las funciones f + g , f g , y f g . Adem
as,
V[a,b] (f g) V[a,b] f + V[a,b] g , y V[a,b] f g AV[a,b] f + BV[a,b] g , donde
A = sup{ |g(x)| : x [a, b] } y B = sup{ |f (x)| : x [a, b] } .
Sergio Plaza
159
Teorema 11.7. Sea f : [a, b] R de variaci

on acotada en [a, b] , y
supongamos que existe una constante m > 0 tal que |f (x)| m para todo
x [a, b] . Entonces la funci
on g(x) = 1/f (x) es de variaci
on acotada en
2
[a, b] y V[a,b] (1/f ) (V[a,b] f )/m .
on de variaci
on acotada en
[a, b] y sea c ] a, b [ . Entonces f es de variaci
on acotada en [a, c] y en
[c, b] . Adem
as, V[a,b] f = V[a,c] f + V[c,b] f .
Teorema 11.9. Sea f : [a, b] R de variaci
Denamos la funci
on Vf : [a, b] R por Vf (a) = 0 y Vf (x) = V[a,x] f ,
para a < x b . Entonces
1. Vf es creciente;
2. Vf f es creciente en [a, b] .
Teorema 11.10. Una funci
on f : [a, b] R es de variaci
on acotada en
[a, b] si, y s
olo si, f puede ser expresada como la diferencia de dos funciones
crecientes.
Nota. La representacion de f como diferencia de dos funciones crecientes
en el teorema anterior no es u
nica, pues si f = f1 f2 , con f1 y f2
crecientes, entonces para cualquier funci
on creciente g se tiene que f1 + g
y f2 + g son crecientes, y f = (f1 + g) (f2 + g) .
on de variaci
on acotada.
Si x ]a, b] denamos Vf (x) = V[a,x] f y Vf (a) = 0 . Entonces cada punto
de discontinuidad de f es tambien un punto de discontinuidad de Vf , y
recprocamente.
11.1.1
Variaci
on de la Composici
on de Funciones
Sea g : [, ] [a, b] mon

otona creciente o decreciente, y sea f : [a, b]
on del
R una funci
on dada. Sea = 0 < 1 < < n = una partici
160
intervalo [, ] . Entonces la correspondiente suma para f g es dada por

sn (f g) =
n

|f (g(i )) f (g(i1 ))| .
i=1
Como g es monotona, los puntos {g(i )} dene una partici

on de [a, b] .
on de f , y por lo
Luego, sn (f g) es una suma particular de la variaci
tanto, sn (f g) V[a,b] f . Luego, V[,] (f g) V[a,b] f .
11.1.2
Variaci
on del producto: otra f
ormula
Sea f : [a, b] R una funci

on de variaci
on acotada, y sea g una funci
on
de clase C 1 sobre [a, b] . Sea P = {a = x0 < x1 < < xn = b } una
partici
on de [a, b] . Tenemos
n

|f (xi )g(xi ) f (xi1 )g(xi1 )|
i=1
n

|g(xi )| |f (xi ) f (xi1 )|
i=1
+|f (xi1 )| |g(xi ) g(xi1 )|

y por el Teorema del Valor Medio aplicado a la funci
on g , tenemos
n

|f (xi )g(xi ) f (xi1 )g(xi1 )| sup |g|
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
ltima suma en la desigualdad

donde x
i esta entre xi1 y xi . Note que la u
(b

arriba es aproximadamente igual a a |f (x)g (x)| dx . Luego, tenemos
! b
|f (x)g (x)| dx .
V[a,b] (f g) sup(|g|) V[a,b] f +
a
En particular, tomando f 1 , nos queda

! b
|g (x)| dx .
V[a,b] g
a
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
Sea f : [0, 1] R una funci

on de variaci
on acotada en [a, b] [0, 1] .
Queremos evaluar la variacion de f [a,b] . Sin perdidad de generalidad,
vamos a suponer que todas las particiones de [0, 1] contienen a los puntos
a y b . Para simplicar la notaci
on, denotamos por sn a las sumas del tipo
n
on arbitraria que ser
a especicada en
i=1 |h(xi ) h(xi1 )| (h una funci
cada caso), y cuando deseamos indicar el intervalos sobre el cual tomamos la
partici
on sobre la que se realiza la suma indicamos esto por sn [,] . Usando
esto, tenemos

sn[0,1] f [a,b] sn[a,b] f + |f (a)| + |f (b)| .
Sea c un punto arbitrario del intervalo [a, b] . Entonces, desde desigualdad
arriba tenemos

sn [0,1] f [a,b] sn [a,b] f + |f (b) f (c)| + |f (c) f (a)| + 2 |f (c)|
2 V[a,b] f + 2 |f (c)| .
Siempre es posible elegir el punto c de modo que se tenga
1
|f (c)|
ba
|f (x)| dx .
Luego,

sn [0,1] f [a,b] 2 V[a,b] f +
2
ba
|f (x)| dx
y de aqu obtenemos la desigualdad

V[0,1] f [a,b]
2
2 V[a,b] f +
ba
llamada desigualdad de Yorke.
b
a
|f (x)| dx ,
162
11.2
Elementos b
asicos de teora de la medida
En esta seccion exponemos las nociones basicas de Teora de la Medida que

necesitaremos en estas notas, para un tratamiento mas detallado del tema
ver [1]. Tambien introducimos algunas nociones b
asicas de Teora Erg
odica,
en especial los conceptos de aplicacion erg
odica, exacta, y mezclante (mixing) (para un tratamiento detallado de estos t
opicos ver [?], [?], [?]).
En esta seccion introducimos los elementos basicos de Teora de la Medida
que usaremos en estas notas. Solo nos limitaremos a los conceptos mas
necesarios para nuestro trabajo y a los teoremas mas fundamentales para la
teora que desarrollaremos en los pr
oximos captulos.
11.2.1
Espacios medibles y medidas
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)
Es claro que (X, A,

) es un espacio de probabilidades.
Definici
on 11.8. Una propiedad aplicable a puntos de un espacio de medida
(X, A, ) vale en casi todo punto (c.t.p.) si el conjunto de puntos en que
ella deja de cumplirse tiene medida nula.
Por ejemplo, la relaci
on A = B (c. t. p.) signica que (A B) = 0 ,
donde A B = (A B) (B A) es la diferencia simetrica de los conjuntos
A y B.
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
on medible entonces podemos

Si : (X, A, 1 ) (Y, B, 2 ) es una funci
inducir una nueva medida en B deniendo
(B) = 1 ( 1 (B)),
B B.
Esta medida la denotamos por (1 ) , y sera estudiada en detalle en secciones posteriores.

Otra clase importante de funciones medibles la constituyen las funciones
caractersticas las cuales son denidas por
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
En lo que sigue (X, A, ) denotar

a un espacio de medida.
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
No es difcil probar que la denici

on anterior no depende de la elecci
on de
los conjuntos Ai .
Dada una funci
on f : X R , se denen las funciones f + = max{f, 0}
(parte positiva) y f = max{0, f } (parte negativa) de f . Notemos que
f + (x) 0 , f (x) 0 para todo x X , y que f = f + f y |f | = f + +
on, y su vericaci
on
f (estas propiedades son inmediatas desde la denici
se deja a cargo del lector).
Ahora, si f : X R es medible entonces existen sucesiones (gn )nN y
(hn )nN de funciones simples no negativas que convergen puntualmente a
f + y a f , respectivamente. Denimos
!
!
!
f d = lim
gn d lim
hn d .
X
n X
n X
Se puede probar que la integral est

a bien denida en el sentido que no depende de las sucesiones de funciones escogidas. Decimos que f es integrable
(
si X |f |d < .
Teorema 11.13. Si f : X R es integrable entonces para todo > 0
(
existe > 0 tal que si (A) < entonces A |f | d .
Definici
on 11.12. Sean y medidas denidas en A. Decimos que
es absolutamente continua respecto a , y usamos la notaci
on << , si
(A) = 0 para todo A A tal que (A) = 0 .
166
Sea f : X [0, [ una funci

on medible entonces f induce una nueva
medida sobre A dada por
!
!
f d =
f A d .
f (A) =
A
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
para todo A A tal que (A) < . La funci

on f es u
nica (c.t.p.) y se
denota por
du
.
f=
d
Para estudiar la relaci
on entre lmites e integrales usaremos los siguientes
resultados.
Teorema 11.15. (de la convergencia monotona (T.C.M)) Sea fn : X
R una sucesi
on mon
otona creciente de funciones positivas e integrables entonces
!
!
fn d =
lim fn d .
lim
n X
X n
Teorema 11.16. (de la convergencia dominada (T.C.D.)) Sea fn : X

R una sucesi
on de funciones tales que limn fn = f (c.t.p.) y |fn | |g|
(c.t.p.), donde g es una funci
on integrable, entonces f es integrable y
!
!
!
f d =
lim fn d = lim
fn d .
X
11.2.4
X n
n X
Espacios Lp
Dado p 1 denotamos por Lp (X, A, ) , o simplemente por Lp (X) , al

espacio de las funciones f : X R tales que |f |p es integrable. Indentificando dos funciones que coinciden c.t.p. obtenemos un espacio vectorial, el
167
Sergio Plaza
que puede ser dotado de la norma

!
1/p
p
|f | d
.
||f ||p =
X
El espacio vectorial normado (Lp (X), || ||p ) es completo en relacion a esta

norma, es decir, es un espacio de Banach.
Para p = se dene L (X, A, ) como el conjunto de las funciones
f : X R para las cuales existe Kf > 0 tal que |f (x)| Kf (c.t.p.)
Indenticando funciones que coinciden c.t.p. en L (X, A, ) , obtenemos
un espacio vectorial, el cual es completo en relacion a la norma
f = sup{k : ({ x : |f (x)| > k}) = 0} .
Teorema 11.17. (Desigualdad de H
older) Sean 1 p, q con p1 + 1q =
1 , y sean f Lp (X) y g Lq (X) , entonces f g L1 (X) y se satisface la
older).
desigualdad f g1 f p gq (desigualdad de H
En el caso de espacios de probabilidad esta desigualdad implica que f p
f q para todo p q .
En general se tiene que el dual de Lp (X) , para 1 p < , se identica
con Lq (X) , donde p1 + 1q = 1 , en el sentido que para todo funcional lineal
continuo L : Lp (X) R existe g = gL Lq (X) tal que
!
f gd y L = gq ,
L(f ) = f, g =
X
este resultado es conocido com Teorema de Representacion de Riesz.

Finalizamos seccion recordando algunas nociones de convergencia en espacios Lp (X, A, ) .
on de funciones en Lp (X) , y sea f Lp (X) .
Sea (fn )nN una sucesi
(1) Convergencia en norma o convergencia fuerte. Decimos que fn f
en Lp norma si
lim ||fn f ||p = 0 .
n
168
(2) Convergencia debil. Decimos que fn f debilmente en Lp , 1

p < si
!
!
fn gd
f gd ,
X
para toda g
Lq
, donde
X
1
p
1
q
= 1.
(3) Convergencia puntual. Decimos que fn f c.t.p. si fn (x) f (x)

c.t.p. x X .
(4) Convergencia Cesaro o en media. Decimos que fn f Cesaro en
Lp , 1 p < si
!
n !
1
fk gd =
f gd ,
n n
X
X
lim
k=1
para toda g Lq , donde
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
Medidas invariantes por transformaciones
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.
on : [0, 1] [0, 1] dada por
2x,
(x) =
$
%
x 0, 12
2(1 x),
%1
2, 1
preserva la medida de Lebesque, pues
( 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
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
Esto puede ser obtenido f

acilmente para funciones simples, y el caso general
se obtiene de este por un argumento standar de tomar lmite de funciones
simples. Esta es una tecnica usual para demostrar propiedades en Teora
Erg
odica.
11.3.2
Teorema erg
odico de Birkho
En esta seccion enunciaremos, para referencia futura, el teorema erg

odico
de Birkho. La demostraci
on puede ser encontrada en [?] y [?].
Sea (X, A, ) un espacio de probabilidad y sea : X X una transformacion que preserva la medida , a cada funci
on medible f : X R
a y cada x X hacemos corresponder su nesima media a lo largo de la
orbita { n (x)}n0 , la cual es denida por
1
f ( i (x)) .
n
n1
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 L (X, A, ) , la cual satisface

i) f = f (c.t.p.)
!
!
f d .
f d =
ii)
X
Este teorema se extiende a espacios Lp (X) , para 1 p < , en este

caso se tiene la convergencia ||fn fp 0 , este resultado es conocido
como Teorema Erg
odico de von Neumann.
11.3.3
Transformaciones erg
odicas
Sea (X, A, ) un espacio de probabilidades. Dada una transformaci

on :
X X que preserva medida. Decimos que A A es invariante si
172
1 (A) = A y decimos que es erg

odica si los conjuntos invariantes
tienen medida 0 o 1
A partir de la denici
on no es difcil probar el siguiente teorema
Teorema 11.22. Sea (X, A, ) un espacio de probabilidades y sea :
X X una transformaci
on que preserva medida. Entonces son equivalentes,
i) es erg
odica,
ii) si A A y ( 1 (A)A) = 0 entonces (A) = 0 o (A) = 1 ,
n
(A)) = 1 ,
iii) si A A y (A) > 0 entonces (
n=1
iv) si A, B A , con (A) > 0 y (B) > 0 , entonces existe n N tal

que ( n (A) B) > 0 .
Otra caracterizaci
on importante proviene del estudio de las funciones
invariantes. Decimos que f : X R es invariante si (f )(x) = f (x)
(c.t.p.). Tenemos el siguiente resultado.
Teorema 11.23. Son equivalentes
v) es erg
odica.
vi) Toda funci
on medible invariante es constante (c.t.p.).
vii) Toda f Lp (X, A, ) invariante es constante (c.t.p.).
Finalmente establecemos una caracterizacion importante de ergodicidad
a partir del Teorema de Birkho.
Corolario 11.24. (del Teorema de Birkho). Si : X X es erg
odica,
(
entonces tenemos que f es constante, y esta constante es igual a X f d ,

es decir,
!
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
Transformaciones mezclantes (mixing) y transformaciones exactas
Sea (X, A, ) un espacio de probabilidades.

Definici
on 11.15. Decimos que una transformaci
on : X X que
preserva medida, es mezclante (mixing) si para todo A, B A se tiene que
lim ( n (A) B) = (A) (B) .
Observamos que toda transformaci

on mixing es ergodica. Esto puede
verse directamente a partir de la denici
on. En efecto, si es mixing y A
es un conjunto invariante entonces
lim ( n (A) (X A)) = (A) (X A) ,
luego 0 = (A (X A)) = (A) (X A) , por lo tanto (A) = 0 o

(A) = 1 .
Definici
on 11.16. Sea : X X una transformaci
on que preserva
medida y tal que (A) A para cada A A . Decimos que es exacta si
para cada A A con (A) > 0 se tiene que limn ( n (A)) = 1 .
En terminos intuitivos una transformaci
on es exacta si los conjuntos de
medida no nula cubren eventualmente todo el espacio va iteraciones.
174
Es posible probar que toda aplicaci

on exacta es mixing, pero esto no es
sencillo a partir de las deniciones. Haremos la demostracion en el pr
oximo
captulo, donde estudiaremos otras caracterizaciones de ergodicidad, mixing
y exactitud.
Ejemplos. Estudiaremos ahora algunos ejemplos b
asicos analizando ergodicidad, mixing y exactitud.
Como primer ejemplo consideremos la rotaci
on en el crculo unitario R :
1
S dada por R(z) = a z .
S1
Armamos que R es ergodica si, y solo, si a no es una raz kesima de

la unidad para alg
un k N . En efecto, si f L2 (S 1 ) es tal que f R = f .
Considerando la serie de Fourier de f , tenemos
f (z) =
dn z n ,
n=
la igualdad f = f R nos da
bn (an 1)z n = 0 ,
n=
esto implica que bn (an 1) = 0 para todo n = 0 . Si ak = 1 para todo

k N entonces bn = 0 para todo n = 0 , por lo tanto f es constante, y en
consecuencia R es ergodica.
un entero positivo k , entonces f (z) =
Recprocamente, si ak = 1 para alg
k
z es Rinvariante y no constante, por lo que R no es ergodica.
Probamos a continuacion que la rotaci
on del crculo unitario (z) = a z
no es mixing, cualquiera sea el valor de a .
*
)
En efecto, esto consideramos los conjuntos A = e2i : 4 < < 4
)
*
S1 . Para cada a S1 y cada n N
S1 y B = e2i : 2 < < 3
2
$
%
existe m n tal que am = e2im satisface m 4 , 4 , pues si 1 es
m
ultiplo racional de entonces a es raz de la unidad, y caso contrario
el conjunto {an }nZ es denso en S1 . Tenemos entonces que m (A) =
)
*
am A : e2i 2 < < 2 , por lo tanto ( m (A)B) = () = 0 ,
lo cual implica que no es mixing.
175
Sergio Plaza
En general, es posible probar mediante un argumento an

alogo, que ninguna
traslacion en un grupo topol
ogico compacto es mixing.
Como ejemplo de aplicacion exacta tenemos 2 : [0, 1] [0, 1] , dada
acil ver que si A
por 2 (x) = 2x [2x] = {2x}. Para esta aplicacion es f
n
[0, 1] tiene interior no vaco entonces 2 (A) = [0, 1] para n sucientemente
grande, y a partir de esto puede concluirse que 2 es exacta (lo mismo ocurre
para las aplicaciones r con r 3 ). Daremos una demostracion rigurosa
mas adelante.
Finalmente, sea : [0, 1] [0, 1] la aplicaci
on dada por (x) = 10x
[10x] = {10x}. Tenemos que preserva la medida de Lebesgue . Armamos que es ergodica.
En efecto, sea A [0, 1] un conjunto medible y invariante. Como
i
1
([ i1
10 , 10 ]) = [0, 1] para i = 1, . . . , 10 , tenemos (A) = 10 (A [0, 10 ]) =
1
1
]) / ([0, 10
]) , de donde
(A [0, 10

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
De esto, tenemos que la frecuencia de cualquier dgito en la expansi

on
1
umero
decimal de x [0, 1] es 10 (c.t.p.), esto es, c.t.p. x [0, 1] es un n
normal (este resultado es debido a Borel).
Ahora, dado x > 0 , existe n 1 tal que 10n x [0, 1] , luego obtenemos
que c.t.p. x R es un n
umero normal.
11.4
Operador de PerronFr
obenius y operador
de Koopman
En esta seccion estudiaremos los operadores de Koopman y de Perron

Fr
obenius, asociado a una aplicaci
on medible no singular de un espacio de
medida. Estos operadores estan directamente relacionados con la din
amica
de aplicaciones como veremos mas adelante. De hecho algunas propiedades
de la din
amica son relativamente mas f
acil de probar usando estos operadores.
Sea (X, A, ) un espacio de medida y sea : X X una aplicaci
on
que preserva medida. Consideramos el operador U : L (X) L (X) ,

dado por U f = f , llamado operador de Koopman. Es inmediato ver que
as, satisface U f f ,
el operador U es lineal y contractivo. Adem
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
El operador de Koopman puede entregarnos informaci

on sobre el comportamiento de la aplicaci
on . Por ejemplo, es ergodica si, y solo si, preserva
medida y los u
nicos puntos jos de U son las funciones constantes. En general puede obtenerse m
as informaci
on sobre la din
amica de analizando el
espectro de U , pero esto escapa a las perspectivas de estas notas (ver [?]
o [?] para mayor informaci
on).
177
Sergio Plaza
Decimos que una aplicacion : X X es no singular si ( 1 (A)) = 0

para todo A A tal que (A) = 0 , esto equivale a decir que la medida
() , donde ()(A) = ( 1 (A)) es absolutamente continua respecto a
la medida .
Ahora queremos denir el adjunto del operador U : L (X) L (X)
en el espacio L1 (X). Esto no es simple de hacer, pues el dual de L (X)
no es L1 (X). Sin embargo, si P : L1 (X) L1 (X) es un operador que
satisface la propiedad de dualidad deseada, esto es,
P f, g = f, U g ,
(11.1)
para toda f L1 (X) y toda g L (X) , entonces tomando g = A

tenemos
P f, A = f, 1 (A) ,
es decir, tenemos la ecuacion
!
!
P f d =
A
1 (A)
f d
(11.2)
para toda f L1 (X) y todo A A .

Probamos a continuaci
on la existencia y unicidad del operador P satisfaciendo la condici
on anterior.
Teorema 11.26. Si : X X es una aplicaci
on no singular entonces
1
existe un u
nico operador lineal P : L (X) L1 (X) tal que para toda
f L1 (X) y todo A A se tiene que
!
!
P f d =
f d .
A
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
lo cual implica que P1 f = P2 f (c.t.p.).
178
Para probar existencia consideramos inicialmente f L1 (X) , con f 0 .

Observamos que siendo no singular se tiene que (f ) << , pues si
(A) = 0 entonces f (A) = 0 , y como es no singular, (f (A)) =
f ( 1 (A)) = 0 . Por el Teorema de Radon-Nikodym existe f L1 (X) ,
d ( )
u
nica (c.t.p.), tal que f = d f . Como f depende de , denotamos
esta aplicacion f por P , es decir,
P f =
d (f )
.
d
Tenemos entonces
!
!
1
P f d = (f (A)) = f ( (A)) =
A
1 (A)
f d .
La linealidad para f 0 y g 0 sigue de

!
!
P (f + g) d =
f + gd
A
1 (A)
!
!
f +
gd
=
1 (A)
1 (A)
!
!
P f d +
P gd
=
A
!
(P f + P g)d .
=
A
Finalmente, para f L1 (X) cualquiera denimos P f = P f + P f ,

y obtenemos un operador P : L1 (X) L1 (X) con las propiedades deseadas. Esto completa la prueba de existencia y unicidad del operador P .
El operador P : L1 (X) L1 (X) es llamado operador de Perron
Fr
obenius asociadado a la aplicaci
on no singular : X X . A traves
de este operador podemos traspasar problemas de din
amica a problemas de
an
alisis funcional como veremos mas adelante.
11.4.1
Algunas propiedades del operador de PerronFr

obenius
En lo que sigue (X, A, ) denotar

a un espacio de medida.
Sergio Plaza
179
Teorema 11.27. Sea : X X una aplicaci

on no singular, y sea
1
1
obenius.
P : L (X) L (X) su correspondiente operador de PerronFr
Entonces
1.
P (f ) 0 , para toda f L1 (X) , con f 0 , es decir, P es un

operador lineal positivo.
2.
P f 1 = f 1 para toda f L1 (X) , con f 0 .
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
Teorema 11.28. Sea P : L1 (X) L1 (X) un operador de Markov. Si

f L1 (X) satisface P f = f entonces P f + = f + y P f = f .
Demostraci
on. Observemos que P f + = (P f + )+ (P f )+ = f + y
(
P f = P ((f )+ ) (P (f ))+ = (P (f )) = f . Luego 0 X (|P f +
(
f + |+|P f f |)d = X (P (|f |)|f |)d , es decir, 0 P |f | |f | 0 ,
de donde concluimos que P f + = f + y P f = f .
Estamos interesados, especialmente, en encontrar puntos jos de P dentro
del conjunto de las densidades, el cual es denido por
D(X, ) = {f L1 (X) : f 0,
f = 1} .
Si f D(X, ) , decimos que f es una densidad. Si f D(X, ) satisface

P f = f , decimos que f es una densidad estacionaria.
Cuando no exista peligro de confusi
on denotaremos D(X, ) simplemente
por D(X) .
11.6
C
alculo del operador de Perron-Fr
obenius y
densidades estacionarias
Comenzamos con un ejemplo sencillo. Sea : [0, 1] [0, 1] , dada por

on tenemos,
(x) = x2 . Por denici
!
! x
P f (s)ds =
f (s)ds,
1 ([0,x])
y por lo tanto
d
P f (x) =
dx
!
0
1
f (s)ds = f ( x ) .
2 x
En muchos casos la aplicaci

on no es invertible, pero a
un as para A A
1
umero nito de partes sobre las
puede tenerse que (A) consiste de un n
cuales es posible aplicar el resultado anterior.
181
Sergio Plaza
Ejemplo. Sea : [0, 1] [0, 1] la aplicaci

on denida por
$
%
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
on : [0, 1] [0, 1] , denida por (x) = 4x(1x)
. Por lo tanto, P (f ) = f .
preserva la medida f , donde f (t) = 1
Por otra parte,

P f (t) =
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
satisface la ecuacion funcional
t(1t)
1
f (t) =
4 1t

1
1
1t
1t
f
+f
+
,
2
2
2
2
lo cual puede ser vericado directamente.

Ejemplo 2. Para r (x) = {rx} = rx [rx] , donde r N . Tenemos
,
+
1
r1 i i + x
,
,
r ([0, x]) = i=0
r
r
de donde

r1
1
i+x
.
f
Pr f (x) =
r
r
i=0
Observamos que Pr (1) = 1 , pues r preserva la medida de Lebesgue.

Finalizamos esta seccion con el siguiente resultado, cuya prueba se sigue
directamente desde la denici
on del operador de PerronFr
obenius.
Teorema 11.30. Sean , : X X son dos aplicaciones no singulares.
Entonces P = P P . En particular, P n = Pn para todo n N .
11.7
obenius y din
amica
de transformaciones
Sea (X, A, ) un espacio de medida. En esta secci

on estudiaremos condiciones necesarias y sucientes sobre el operador de PerronFrobenius asociado a una transformacion no singular : X X que nos garantizan
ergodicidad, mixing y exactitud. Comenzamos con el siguiente resultado.
Teorema 11.31. Una transformaci
on : X X es erg
odica si, y s
olo
si,
n1
1 m
P (f )
An (f ) =
n m=0
converge debilmente a 1 para toda f D(X) .
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
debilmente, por lo tanto

n1
1
( m (A) B) (A) (B) ,
n m=0
lo cual implica que es ergodica.

Recprocamente, si es ergodica entonces, por el Teorema Ergodico de
Birkho, tenemos
An (f ), g f, g
para funciones simples f y g , y mediante un argumento de continuidad se
prueba la relaci
on anterior para f L1 (X) y g L (X) arbitrarias.
Teorema 11.32. Sea (X, A, ) un espacio de probabilidades. Entonces
una aplicaci
on : X X es exacta si, y s
olo si, Pn (f ) converge fuertemente a 1 para toda f D(X) .
Demostraci
on. Si A A es tal que (A) > 0 entonces, para f =
D(X) , tenemos
!
!
n
n
P f d
(Pn f 1)d
( (A)) =
n (A)
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
Luego, si f es integrable seg

un Riemann, entonces Pn f (x) converge pun(1
tualmente a 0 f d . Si f D(X) es de clase C 1 se tiene que
!
Pn f 11 = Pn f
1
0
f d1 0 .
Por densidad, Pn f converge a 1 para toda f D(X) , lo cual implica que

es exacta.
Tambien puede obtenerse informaci
on sobre la din
amica de la aplicacion
estudiando las densidades invariantes.
Teorema 11.33. Si : X X es una aplicaci
on erg
odica entonces
existe a lo m
as una densidad estacionaria. Recprocamente, si existe una
u
nica densidad estacionaria positiva (c.t.p.) entonces es erg
odica.
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 .
(donde clausura(A) indica la clausura del conjunto A ). Es f

acil ver que
f > 0 (c.t.p.) y que P f = f . Luego, en este caso, no es ergodica.
186
11.7.1
Periocidad asint
otica
Motivados por la secci

on anterior estamos ahora interesados en el comportamiento asint
otico de un operador de Markov P : L1 (X, A, )
L1 (X, A, ), esto es, queremos estudiar la sucesion (P n f )nN para f
L1 (X, A, ) arbitraria.
Un problema natural es hallar condiciones para que las densidades estacionarias se descompongan asintoticamente en L1 (X) , es decir, que aseguren la existencia de funciones g1 , . . . , gm D(X) con soportes disjuntos, y
una permutaci
on de {1, . . . , m} tal que P (gi ) = g(i) y limn P n (f )
m
1
i=1 i (f )gn (i) 1 = 0 para toda f D(X) , donde 1 , . . . , m : L (X)
R son funcionales lineales continuos.
Observemos que si existe una descomposici
on asint
otica para P , entonces
n
para toda f D(X) , el conjunto {P (f )} es relativamente compacto, pues
para todo n N se tiene
P
nm!
(f ) =
m

i (f )gi .
i=1
Recprocamente, si asumimos la hip

otesis de compacidad relativa del conjunto {P n (f )}nN , no es difcil probar que P es asintoticamente periodico.
Sin embargo, es suciente una hip
otesis mas simple (aunque equivalente)
para asegurar periodicidad asint
otica.
Teorema 11.34. Si P : L1 (X) L1 (X) es un operador de Markov
entonces P es asint
oticamente peri
odico si, y s
olo si, existen B A de
medida nita y constantes positivas K < 1 y > 0 tales que, para toda
f D existe n0 = n0 (f ) N de modo que
!
P n (f ) K
(XB)A
para todo A A tal que (A) y n n0 (f ) .

Demostraci
on. La demostracion de este teorema puede ser vista en [?].
187
Sergio Plaza
Como consecuencia de este resultado vemos que si P satisface la condicion

anterior, entonces existe una densidad invariante, pues
m
m

m
gi
gi
i=1 g(i)
i=1
m
= m
= i=1
.
P
m
|| i=1 gi ||
|| i=1 gi ||
|| i=1 gi ||
En cuanto a ergodicidad, mixing y exactitud, tenemos el siguiente resultado.
Teorema 11.35. Sea (X, A, ) un espacio de probabilidades y sea :
X X una aplicaci
on que preserva medida. Si el operador de Perron
oticamente peri
odico entonces
Fr
obenius asociado, P , es asint
i) es erg
odica si, y s
olo si, es cclica.
ii) es mixing si, y s
olo si, es exacta; y esto se cumple si y s
olo si m = 1
en la descomposici
on asint
otica.
Demostraci
on. Como preserva medida tenemos que P 1 = 1 , y a partir
Ai
y ni=1 Ai = X .
de esto es facil ver que existen Ai A tales que gi = (A
i)
Luego
/
/
n
/
/

/ n
Ai /
n (i) (f )
/ 0 .
/P (f )
/
(Ai ) /
1
i=1
i) Si no es cclica entonces consideramos r siendo igual al orden de 1

en la permutaci
on y escogemos un ndice i
/ {1, . . . , r1 (1)} y s
igual al orden de i .
Tenemos as que
r1
f1 =
j=1 gj (1)
r1
j=1 gj (1)
s1
y
f2 =
j=1 gj (i)
s1
j=1 gj (i)
son dos densidades invariantes, lo que implica que no es ergodica.

Por otra parte, si es cclica y P f = f entonces
f=
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
medida f . Por otra parte, si f (A) > 0 entonces para f = ff (A)
D(X) , tenemos
!
!
!
n
n
f ( (A)) =
f d
P f d
|Pn f f |d
n (A)
n (A)
n (A)
!

A
f d ||Pn f f ||1 = 1 ||Pn (f ) f ||1 .
Luego, f ( n (A)) converge a 1, lo que nos da la exactitud de .

Si un operador de PerronFr
obenius P es asintoticamente periodico y
satisface la condicion
para toda f D(X) existe A tal que (A) > 0 y A P n (f ) > 0 para
todo n n0 (f ) ,
es facil ver que m = 1 en la descomposici
on asint
otica de P , y de all se
concluye que P es asintoticamente estable.
Para generalizar lo anterior para un operador de Markov arbitrario P
on no
decimos que h L1 (X) es cota inferior de P , si h es una funci
negativa con ||h||1 > 0 y tal que
lim ||(P n (f ) h) || = 0 .
Tenemos el siguiente resultado.

Teorema 11.37. Sea P : L1 (X) L1 (X) un operador de Markov.
Entonces P es asint
oticamente estable si, y s
olo si, admite una cota inferior.
Demostraci
on. Ver [12].
190
Captulo 12
Ejercicios parte I
Problema 1. Considere los siguientes sistemas din
amicos
(a) xn+1 =
xn
(b) xn+1 = exp(xn )

(c) xn+1 = cotan(xn )
(d) xn+1 = senh(xn )
(e) xn+1 = x3n
(f) xn+1 = ln(xn )
(g) xn+1 = tan(xn )
(h) xn+1 ) = tanh(xn ) .
Analice la din
amica de cada uno de ellos.
Problema 2. Estudie la din
on
xn+1 = f (xn ) =
191
2xn
.
1 + xn
192
Problema 3. Considere la aplicaci

on c
ubica
xn+1 = f (xn ) = 3xn x3n .
(a) Encuentre los puntos jos y clasiquelos.
(b) Describa la orbita de x0 = 1.9 .
(c) Describa la orbitad e x0 = 2.1 .
(d) Explique el porque de la diferencias que ocurren en (b) y (c).
amica de las siguientes aplicaciones, dependiendo del valor del par
ametro r .
(a) xn+1 = fr (xn ) = xn er(1xn )
(b) xn+1 = fr (xn ) = erxn
(c) xn+1 = fr (xn ) = r cos(xn )
(d) xn+1 = fr (xn ) = rxn x3n .
Problema 5. Analice la din
amica, dependiendo del parametro r , de la
aplicaci
on
rxn
.
xn+1 = gr (xn ) =
1 + x2n
on c
ubica, dependiendo del par
ametro
r,
xn+1 = fr (xn ) = rxn x3n .
(a) Encuentre los puntos jos de fr Para que valors de r ellos existen?
Para que valores de r ellos son estables?
(b) Se desea encontrar un 2ciclo {p, q} . Pruebe que p y q, deben satisfacer la ecuaci
on
x(x2 r + 1)(x2 r 1)(x4 rx2 + 1) = 0 .
Usando esto, encuentre un tal ciclo Su estabilidad depende del par
ametro
r?
193
Sergio Plaza
Problema 7. Sea xn+1 = fr (xn ) = (1 + r)xn x2n 2x3n .

on del par
ametro
(a) Clasique la estabilidad del punto jo x = 0 en funci
r.
on del parametro r Que ocurre
(b) Estudie la din
amica de fr en funci
con el punto jo x ?
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
Dtermine un valor apropiado x0 cuyos iterados convergen a 2 . Com

pare la rapidez de convergencia de este metodo para calcular 2 con el
metodo de Newton para realizar este mismo calculo.
194
Problema 13. Considere la funci

on

1+b
x .
fb (x) = bx
b
on del par
ametro b .
Estudie la din
amica de fb en funci
amica de las siguientes aplicaciones, dependiendo del par
ametro .
(a) F (x) = x(1 x) + 0.1 , 0 x 1 .
(b) f (x) = ex .
(c) f (x) = arctan(x) .

2

(d) f (x) = x x x 13 x 23 (x 1) .
amica de las aplicaciones
(a) f (x) = 4x3 3x , x [1, 1] .
(b) f (x) = 8x4 8x2 + 1 , x [1, 1] .
Problema 16. (Ecuaci
on logstica de Pielou) La siguiente ecuacion logstica
fue resentada por Pielou como un modelo de poblaci
on
xn+1 =
xn
1 + xn
donde > 1 y , > 0 son par

ametros poblacionales.
Estudie la din
amica de la aplicacion dependiendo primero del par
ametro
, es decir njando un valor para y despues dependiendo del par
ametro
.
Problema 17. Una poblaci
on de pajaros es modelada por
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
Problema 18. Dena la aplicacion

F (x) =
xe(12xn )
xe(12xn ) + 1 x
amica.
Calcule la derivada Schwarziana de F y estudie su din

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
donde > 4 es un par

ametro, x ]0, [ . Sea {x1 , x2 } un 2ciclo de G .
Pruebe que este 2ciclo es estable.
Problema 21. Sea G (x) = sen(x) para 0 x . Determine el
n
umero maximo de ciclos atractores de G para 0 < < .
on
Problema 22. Muestre que H (x) = x x + x2 tiene una bifurcaci
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
Problema 25. Sea 0 < < 0.5 . Dena
2( x)
f (x) =
2(x )
2(0.5 + x) + 1
f : [0, 1] [0, 1] por

si 0 x
si x 0.5 +
si 0.5 + x 1 .
Estudie la din
amica de f , dependiendo del par
ametro Es f caotica?
Problema 26. Dena f
f (x) =
: [0, [ [0, [ por

3x
3x + 2
3x 2
f (x 1) + 1
si
si
si
si
0 x < 1/3
1/3 x 2/3
2/3 x < 1
x 1.
(a) Muestre que f tiene un conjunto denso de puntos peri

odicos.
(b) Muestre que f no es transitiva.
(c) Muestre que f tiene dependencia sensitiva respecto las condiciones
iniciales.
Problema 27. Pruebe que la aplicaci
on f (x) = x2 34 sobre [ 32 , 32 ] y la
aplicaci
on logstica F3 (x) = 3x(1 x) sobre [0, 1] son conjugadas.
on Q (x) = 1 x2 sobre [1, 1] ,
donde ]0, 2] es conjugada a la aplicaci
on logstica F (x) = x(1 x)

as, que Q2 es
sobre le intervalo [1 4 , 4 ] , donde ]2, 4] . Muestre adem
caotica sobre [1, 1] .
on
f (x) =
2x3 21x2 + 61x 24

6
tiene la siguiente orbita peri

odica
1 3 4 2 5 1
de perodo 5, pero no tiene orbitas peri
odicas de perodo 3.
197
Sergio Plaza
Problema 30. Sea f : R R una fucni

on de clase C 2 . El Metodo de
Newton para encontrar una raz c es dado por el metodo iterativo
xn+1 = Nf (xn )
on de Newton asociada
donde Nf (x) = x ff(x)
(x) . LLamamos a Nf la funci
a f.
1. Muestre que cada raz de f es un punto jo atractor. Pruebe adem
as,

que si f (c) = 0 y f (c) = 0 , ( c es raz simple de f ) entonces c es
superatractor. En otras palabras, las races simples de f son puntos
jos superatractores de Nf .
2. Para r N , sea
fr (x) = (x 1)(x 2) (x r)
on de Newton asociada a fr . Escriba un programa
y sea Nr la funci
computacional para gracar Nr para r = 2, 3, 4 . Basados en esas
gr
acas, describa como sera el gr
aco de Nr en general.
Problema 31. Sea f (x) = x3 + x + 1 . Dependiendo del valor de ,
describa la conducta, si es posible, de los iterados n (x0 ) = Nf (x0 ) .
on tienda)
Problema 32. Sea I = [0, 1] . Denimos TA : I R (aplicaci

A
1
amica de TA ,
por TA (x) = 2 A x 2 , con A > 2 . Estudie la din
dependiendo del par
ametro A .
umeros reales y c = 0 ,
Problema 33. Sea g(x) = a + bx + cx2 , con a, b, c n
2
on topol
ogica afn
y sea fr (x) = rx 1 . Pruebe que existe una conjugaci
un r .
entre g y fr para alg

Problema 34. Sean f (x) = 2x2 1 y g(x) = 1 2 x 12 . Pruebe que
existe una conjugaci
on topol
ogica entre f y g .
Indicaci
on. Consider la f
ormula cos(x) = 2 cos2 (x) 1 .
Problema 35. Considere la funci
on logstica F (x) = 4x(1 x) .
198
1. Pruebe F tiene una orbita densa en [0, 1] .

ales
2. Calcular el n
umero de puntos jos de F n , para cada n 1 Cu
son puntos jos de F , cuales puntos peri
odicos de periodo 2, etc?
3. Tiene F alg
un punto peri
odico atractor?
on h(x) = 2x2 5x tiene a 0 y 3 como
puntos jos De que tipo son? Encuentre sus puntos peri
odicos de periodo 2
y clasiquelos.
Problema 37. Sea f : I I . Denimos una nueva funci
on W f : I
I , asociada a f como sigue
f (3x)+2
(f (1) + 2)(2 3x)

W f (x) =
3
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
ax6 (3a + 1)a5 x5 + (3a + 1)(a + 1)a4 x4 (a3 + 5a2 + 3a + 1)a3 x3

+(2a + 1)(a2 + a + 1)a2 x2 (a + 1)(a2 + a + 1)ax + (a2 + a + 1) = 0
199
Sergio Plaza
Encuentre condiciones para la aplicaci

on logstica Fa (x) tenga un 3ciclo
dependiendo del valor parametro a .
Problema 39. Sea Fa (x) = ax(1 x) , dena Ga (x) = Fa (Fa (x)) , 0
1 2
x 1 . Muestre que Ga (1/2) = 16
a (4 a) y que si a > 2 , entonces
Ga (x) Ga (1/2) para x sucientemente cercano a 12 , en otras palabras, G
1 2
a (4 a) = a1
tiene un mnimo local en 12 . Deduzca que si A es la raz de 16

1 2
tal que 3 < a < 4 , entonces GA 16 A (4 A) = A1
A . Use esto para
% 1 A1 $
sobre si mismo. Deduzca que
probar que GA aplica el intervalo A , A
% 1 A$
%
$
%
$
FA aplica el subintervalo A , 4 sobre si mismo, 0, A1 sobre 0, A1
y
A
$
% 1$
%1
amica de FA en [0, 1] .
4 A, 1 sobre 0, A . Describa la din
on f (x) = 2x(1 x) aplica el
% 1 3$
intervalo 2 , 2 sobre si mismo.
Pruebe que si xn = 12 +cos(2n ) , con n+1 2n (mod 1) y 0 n < 1 ,
entonces xn+1 = f (xn ) . Deduzca que si xn+1 = f (xn ), 12 x0 32 y
1
1
+
on cos(20 ) = x0 , entonces xn =
0 es una raz de la ecuaci
2
2
n+1
0 ) . Describa la din
amica de f .
cos(2
on x = (xn )nN es denida por
Problema 41. La media x de una sucesi
x1 + x2 + + xN
N
N
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.
Problema 43. Dena f : R R por f (x) =
Muestre que si xn+1 = f (xn ) para n = 0, 1, 2, . . . , y < x0 < ,

entonces existe un n
umero real z , tal que x1 = tan h(z1 ) siempre y cuando
x0 = 1 . Deduzca que xn = tanh(2n1 z1 ) . Encuentre el atractor de f y
su dominio de atracci
on.
amica de
fa (x) =
a
sen (x)
dependiendo del valor del par

ametro a .
Problema 45. Describa la din
amica de la funci
on fa (x) = xea(1x) dependiendo del valor del par
ametro a .
on
ha (x) = ax(1 x2 )
ametro.
Describa la din
amica de ha dependiendo del valor del par
Problema 47. Considere la siguiente aplicaci
on, que es una generalizaci
on
de la aplicaci
on de Ricker
xn+1 = fb,c, (xn ) = bxn ecxn + (1 )xn ,
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,, .
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
sf (x) = .a0 a1 a2 . . . , donde
1
i
0 si 0 f (x) < 3
ai =
1 si 13 f i (x) < 23
2 si 23 f i (x) 1 .
(i) Calcule la orbita de x =

calculos.
(ii) Calcule el itinerario de
1
28
1
28
por f . Use solo fracciones para us
(iii) Cu
al es el itinerario de un punto de la forma
2
3k
(iv) Considere el espacios de todos los itinerarios

= {0, 1, 2}N = { .a0 a1 a2 . . . : ai {0, 1, 2} } .
Cu
ales puntos x I que tienen exactamente un u
nico itinerario?
(v) Dado s = .a0 a1 a2 . . . Existe x I con itinerario s , esto es,
sf (x) = s ?
Problema 49. Sea f : R R una aplicaci
on continua. Suponga que f
tiene una orbita peri
odica de perodo 2, digamos {x1 , x2 } . Pruebe que f
tiene un punto jo Que ocurre con los puntos entre x1 y x2 ? Vale la
misma conclusion si f tiene una orbita peri
odica de perodo n > 2 ?
Existe una aplicacion continua que para
peri
odico de perodo 2? Y discontinua? Ind.
x + 1 si [x]
f (x) =
x 1 s [x]
la cual todos sus puntos sean

Considere la aplicaci
on
es par
es impar
donde [x] denota la parte entera de x R .

Problema 50. Suponga que f : X X tiene un punto peri
odico de
perodo n (primer perodo). Si x tambien tiene perodo m . Pruebe que
m = kn para alg
un k N .
un
Pruebe adem
as, que si f p (x) = x y f q (x) = x y s es el mnimo com
s
m
ultiplo de p y q , entonces f (x) = x .
Sergio Plaza
203
Problema 51. Sea f (x) = 2x 4x3 . Encuentre los puntos jos de f y

clasiquelos. Estudie la din
amica de f describiendo su estructura de orbita.
Problema 52. La aplicaci
on logstica L (x) = x(1 x) tiene para el
valor = 3.839 un 3ciclo, con x0 0.959 , x1 = L (x0 ) y x2 = L (x1 ) .
Estudie la estabilidad de ese ciclo.
Problema 53. Considere las aplicaciones f (x) = x3 y g(y) = 14 y 3 + 32 y 2 +
3y . Encuentre una aplicaci
on afn y = h(x) = x + que conjuga f y g .
Problema 54. Sea f (x) = 3x + sen(x) . Estudie la din
amica de f .
on g(x) = 25 x3 75 x . Note que g
tiene a x0 = 0 como punto jo. Encuentre sus otros puntos jos x1 y
x2 . Pruebe que g([x1 , x2 ]) [x1 , x2 ] . Demuestre que g tiene una orbita
peri
odica de perodo 2 y describa su cuenca de atracci
on. Calcule la derivada
Schwarziana de g .
Problema 56. Sean f, g : R R aplicaciones de clase C 1 , conjugadas
por un homeomorsmo . Sea xf un punto jo de f , y sea yg = (xf ) .
Pruebe que g(yg ) = yg y que f (xf ) = g (yg ) .
Problema 57. Construya una aplicaci
on continua por partes F : R R

para la cual 0 es un punto jo con F (0) > 1 pero F n (x) 0 para cada
x.
Demuestre que no existe una aplicaci
on contnua con esta propiedad.
Problema 58. Sean a , b n
umeros reales positivos. Dena las aplicaciones
fa , fb : R R por fa (x) = ax y fb (x) = bx . Encuentre condiciones
necesarias y sucientes para que fa y fb sean
1. topol
ogicamente conjugadas
2. C 1 conjugadas.
Cambia su respuesta si restringuimos fa y fb a (i) [0, +[ o (ii) ]0, +[ ?
204
Problema 59. Sean fa (x) = ax(1 x) y fb (x) = bx(1 x) , donde a y b

son tales que 0 < a < b < 1 , y x [0, 1] .
(a) Suponga que fa y fb son topologicamente conjugadas por un homeomorsmo : [0, 1] [0, 1] . Pruebe que (1/2) = 1/2 y deduzca
que (a/4) = b/4 . Luego muestre que cualquier homeomorsmo que
$
%
$
%
preserva orientacion desde a4 , 12 en 4b , 12 puede ser extendido de un
u
nico modo a una conjugaci
on topol
ogica .

(b) Usando estimaciones para fan 12 y fbn 12 , pruebe que no pueede
ser diferenciable en 0. Deduzca que fa y fb no pueden ser C 1
conjugadas.
Problema 60. Sean 1 < a < 3 , con a = 2 y fa (x) = ax(1 x) y f2 (x) =
2x(1 x) , ambas denidas sobre ]c, 1 c[ en si mismo, donde c > 0 es
sucientemente peque
no de modo que esas aplicaciones estan bien denidas.
ogicamente conjugadas y deduzca que f2
Pruebe que fa y f2 no son topol
no es estructuralmente estable.
on f (x) =
estructuralmente estable.
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
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
(e) f (x) = x + 1 para x < 7/2 y f (x) = 2x 8 para x > 7/2

(f) f (x) = 3x(1 x)
Problema 66. Sea g(x) = 12 (1 + sen(x)) sobre [0, 1] . Muestre que g tiene
on
un punto jo en ese intervalo. Dado x0 [0, 1] arbitrario estudie la sucesi
de iterados xn+1 = g(xn ) , n 0 .
Problema 67. (Modelo de Ricker). Este es un modelo poblacional usando para el cultivo del salm
on (W.E. Ricker, Stock and recruitment, Journal of the Fisheries Research Board of Canada, Vol. 11, (1957), 559623) es
dado por
x
R(x) = xer(1 N ) ,
donde r es un par
ametro y N es jo.
Estudie la din
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
(R.M. Cook, A. Sinclair, G. Stefansson, Potencial collapse of north sea

cod stock. Nature, Vol. 385, Feb. 6 (1997), 521522).
Considerando a r como par
ametro, estudie la din
amica del modelo de
BevertonHolt.
206
Problema 69. (Modelo de Shepherd). Este es una modicacion del

modelo de BevertonHolt, y es dado por
S(x) =
rx
2 .
1 + xb
Suponiendo que b es jo y r es un par

ametro, estudiar la din
amica del
modelo de Shepherd.
on C : R R denida por C(x) =
2
odicos de
x + 6x . Encuentre el conjunto Per2 (C), de todos los puntos peri
perodo 2 para C Existen puntos peri
odicos de otros perodos?
on
xk+1 = S(xk ) = xk + cos(xk ) ,
ametro Es esta aplicacion caotica
donde k 0 , x0 R y 0 es un par
para = 1/2 ? Es caotica para = 2 ?
Problema 72. Sea U : [1, 1] [1, 1] dada por U (x) = 1 x2 y sea
L : [0, 1] [0, 1] dada por L(y) = ry(1 y) , donde r [0, 4] . Pruebe
que existe una conjugaci
on topol
ogica afn entre U y L .
Problema 73. Use la aplicacion

1
1
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] ,
, puede ser escrita en la forma

zn+1 = zn2 ,
z0 [, ]
Problema 74. Para una aplicaci

on 1dimensional f , el exponente de Lyapunov de x0 es denido por

1 n
ln f ) (x0 ) ,
n n
(x0 ) = lim
207
Sergio Plaza
cuando este lmite existe.

Muestre que para = 1 el exponente de la aplicaci
on tienda T (x) =
1
(1 2|x 2 |) , es igual a ln(2)
on f (x) = x2 tiene un punto
peri
odico estable de perodo 3 si 3 22 + + 1 = 0 ( > 1) .
Problema 76. Describa la din
amica de la familia de aplicaciones Ls :
[0, 1] [0, 1] , 1 s 2 , denida por
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
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
Problema 79. En el manejo de pesca, es importante conocer cu

antas pescas
pueden ser hechas sin da
nar severamente la poblaci
on de peces. Una modicacion del modelo de Ricker que incluye pescas es dada por la funci
on
Pn+1 = F (Pn ) = aPn ebPn hPn ,
donde a = 4 y b = 0.002 son las constantes en la ecuaci
on de Ricker que
gobiernana la din
amica de la poblaci
on de peces sin ninguna pesca y h es
la intensidad de cosecha de peces.
(a) Sea h = 0.5 y P0 = 100 , encuentre P1 , P2 y P3 .
(b) Con h = 0.5 , encuentre los puntos de equilibrio y clasiquelos de
acuerdo a su tipo (atractor, repulsor, indiferente).
(c) Repita el ejercicio (b) con h = 1 y con h = 2 .
(d) Cu
an intensa puede ser la pesca antes de llevar la poblaci
on de peces
a la extinsi
on?
(e) Describa la din
Problema 80. El modelo de Hassell es usado para estudiar poblaciones de
on de una especie de polillas en una semana n
insectos. Sea Pn la poblaci
y suponga que el modelo de Hassell es gobernado por
Pn+1 = H(Pn ) =
aPn
(1 + bPn )c
Suponga que el mejor ajuste a un conjunto de datos nos da que a = 5 ,

b = 0.002 y c = 4 para esta especie de polillas.
Estudie la din
amica de este modelo para los valores dados de los parametros.
Estudie tambien la din
amica del modelo en funci
on del par
ametro a y
tambien en funci
on del par
ametro b .
Problema 81. Chalones han sido propuestos como agentes qumicos que
las celulas secretan para inhibir la divisi
on de celulas por celulas vecinas,
209
Sergio Plaza
creando de este modo un control de retroalimentaci

on negativo para mantener estable el n
umero de celulas. Algunos armaron en el a
no 1960 que
un quiebre en este control es una causa de c
ancer. Considere el modelo de
Chalone para mitosis, dado por
Pn+1 = f (Pn ) =
donde b = 0.05 y c = 2 .
Describa la din
Problema 82.
2Pn
1 + (bPn )c
Indice Alfab
etico
Orbita
de un punto, 22
Bifurcaciones en el metodo de Newton, 149
Algunas propiedades de la derivada

Competici
on intraespecca, 4, 6
Schwarziana, 73
Conducta global del metodo de NewAplicaci
on de Bernoulli, 69
ton, 131
Aplicaci
on doble de una apliacai
on,
Conducta local del metodo de New53
ton, 127
Aplicaci
on logstica para > 4, 85
Conjugaci
on topol
ogica, 58
Aplicaciones cuadr
aticas del intervalo,
Conjunto estable de un punto jo, 57
61
Convergencia Cesaro o en media, 168
Aplicaciones de la din
amica a la teora
Convergencia debil, 168
de n
umeros, 67
Convergencia en norma o convergenAplicaciones del intervalos con hercia fuerte, 167
raduras, 123
Convergencia puntual, 168
Aplicaciones mon
otonas por parte en
Crecimiento exponencial, 20
el intervalo, 113
Aplicaciones no singulares, 177
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
Redes multiespecies de comida, 10
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
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
obenius y den- Valor regular, 105
sidades estacionarias, 180
obenius, 178
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.

Dyn Syst SPlaza 1

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Dyn Syst SPlaza 1

Cargado por

Copyright:

Formatos disponibles

Introducci

0 Algunos modelos de poblaci

Modelos en tiempo continuo . . . . . . . . . . . . . . . . . . .

Modelos con retardo . . . . . . . . . . . . . . . . . . .

Redes multiespecies de comida . . . . . . . . . . . . .

Modelos en tiempo discreto . . . . . . . . . . . . . . . . . . .

Algunas aplicaciones de la din

Determinacion explcita de puntos peri

Algunas Propiedades de la Derivada Schwarziana . . . . . . .

Medida del conjunto de Cantor invariante para la aplicaci

7 Bifurcaciones de Aplicaciones del Intervalo

Aplicaciones del Intervalo mon

Aplicaciones del intervalos con herraduras . . . . . . . . . . . 123

Metodo de Newton . . . . . . . . . . . . . . . . . . . . 126

Conducta local del metodo de Newton

Conducta global del metodo de Newton . . . . . . . . 131

on de las iteraciones 136

odiNo convergencia de Nfk : existencia de orbitas peri

11.1 Funciones de variaci

Modelos en tiempo continuo

La mayor parte del trabajo inicial cuantitativo en niveles de poblaci

El efecto Allee es cuando el punto jo no trivial es no globalmente atractor. Los

Para muchas especies b(x) ha sido encontrada unimodal, de modo que

Podemos ahora modicar la ecuaci

Para estabilidad requerimos un benecio indirecto entre habilidad competitiva y

Aqu coexistencia puede solamente ocurrir cuando 12 k2 < k1 y 21 k1 <

Tal modelo generico puede ser usado para describir el comportamiento de

Este sistema de ecuaciones tiene un punto crtico (V = D

Debido a nolinealidades simples en las ecuaciones, la clina nula de la

Modelos con retardo

Comportamiento muy complejo puede ser obdservado en modelos de una

Redes multiespecies de comida

Modelos en tiempo discreto

Muchos animales y plantas, especialmente en regiones de baja temperatura,

Esta se comporta mas y mas como api

Ht+1 = rHt exp(aPt )

Tres formas funcionales diferentes, que ilustran c

Es poco probable que as como la densidad huesped aumenta, el n

Esta forma en realidad hace el modelo de NicholsonBailey menos estable.

Este tipo de respuesta puede ocurrir debido a la habilidad limitada del

desviacion estandar de riesgo de parasitismo por huesped

Como vimos en el captulo anterior, el problema de determinar la conducta

modelo es el conocido como modelo de Verhulst, xn+1 = xn + bxn dx2n ,

20 40 60 80 100 120 140

Soluciones de las ecuacion logstica: las diferentes poblaciones iniciales son

Por otra parte, la ecuaci

Para la primera parte, s

cuando esta composicion tenga sentido.

(iii) p es un punto peri

Lema 1.2. Sea J un intervalo acotado, y sea f : J J una aplicaci

Dado k > 1 consideremos sucesion de intervalos cerrados (In )nN denida

Si el perodo de pk fuese menor que k entonces deberamos tener que

Ejemplo 1.10. Las aplicaciones f4 , T : [0, 1] [0, 1] denidas por f4 (x) =

sucesion p, f (p), . . . , f k1 (p), f k (p) = p . Entonces debe existir un punto

p [3, 4] un punto jo de f 3 , luego f (p) [2, 4] . Si f (p) [2, 3] , entonces

Sea : [p + 2, p + 3] J denida por

Es claro que g C(J, J) , y por otro lado,

max{sup |f (x) p| + sup |p f (x)|,

sup |f (x) p| + sup |p (x)|}

Tenemos que 0 es un punto peri

Tenemos que d(f, f ) < , y es f

[y2 , x2 ] es disjunto del conjunto de puntos jos de f , disminuyendo si es

tenemos que 0 es un punto jo, {1, 2} es orbita peri

formacion afn T (x) = x + , con = 0 y calculemos T 1 fc T (x) .