Graficos con Matplotlib

Felipe Arancibia, Carlos Muñoz

August 2019

1 Valores Atractores
En la primera parte debı́amos encontrar numéricamente los valores de los atrac-
tores para el mapa logı́stico con los valores de µ = 2.8, 3.3, 3.5, 3.8, 3.99. Para
esto escribimos el siguiente algoritmo:

from math import *

import matplotlib.pyplot as plt
x=0.5
u=[2.8,3.3,3.5,3.8,3.99]
a=[]
for i in u:
for z in range(100000):
x= i*x*(1-x)
a.append(x)
print([a[-1]])
a=[]

El cual tomaba un valor de µ y lo usaba para realizar las iteraciones, guard-

aba los valores en una lista y nos entregaba el último valor de dicha lista, este
número era el valor atractator. El programa hizo los cálculos con los cinco µ
dados y entrego estos valores:

µ Valor
2.5 0.642857142857143
3.3 0.479427019824235
3.5 0.500884210307218
3.8 0.589201826149577
3.99 0.047328351966569

1
2 Diagrama de Bifurcación
En la segunda parte debı́amos obtener el diagrama de bifurcación para el mapa
logı́stico, con un acercamiento en la región µ ∈ [3.45, 3.7]. Para esto, creamos
el siguiente programa:
import matplotlib.pyplot as plt
import numpy as np
P=np.linspace(3.45,3.7,10000)
m=0.5
X = []
Y = []
for u in P:
X.append(u)
m = np.random.random()
for n in range(1001):
m=(u*m)*(1-m)
for l in range(1051):
m=(u*m)*(1-m)
Y.append(m)
plt.plot(X, Y, ls='', marker=',')
plt.show()
El cual nos entrego el siguiente gráfico:

Figure 1: Diagrama de Bifurcación

2
3 Histograma
En la tercera parte debı́amos generar 100000 muestras del valor final de xi
para un µ = 3.99 y obtener el histograma, para finalmente determinar si la
distribución es uniforme. Para esto creamos el siguiente programa:

from numpy import *

from pylab import *
import matplotlib.pyplot as plt
v=[]
xi= 0.5
for z in range(100000):
xi= 3.99*xi*(1-xi)
v.append(xi)
plt.hist(v)

Este programa tomaba un valor inicial de xi y se itereaba con la formula

xi = 3.99 ∗ xi ∗ (1 − xi), los valores se guardaban en una lista, cuyos valores
son mostrados en el siguiente histograma (con el cual es fácil concluir que la
distribución no es uniforme):

Figure 2: Histograma