Documente Academic
Documente Profesional
Documente Cultură
Un ejemplo de caos
Roger J. Metzger*
RESUMEN En este artculo introduciremos algunos conceptos de los Sistemas Dinmicos modernos a travs de un ejemplo relativamente simple, el mapa logstico o aplicacin logstica f(x) = cx(1-x).
ABSTRACT In this note we introduce some of the basic concepts of the modern Dynamical Systems through a relatively simple example, the so called logistic map or logistic transformation f(x) = cx(1 - x).
Introduccin
Hoy en da se habla mucho de que la naturaleza es catica, queriendo significar que es impredecible. Un ejemplo es la prediccin del tiempo. Que aunque conozcamos bien la situacin de hoy, no podemos decir mucho de como ser dentro de una semana. Se ha avanzado mucho en esta rea y a pesar de las super computadoras y los mtodos numricos, hay algo intrnseco en las leyes de la naturaleza (por lo menos as piensan algunos) que hace muy difcil saber el
*IMCA y Facultad de Ciencias, Universidad Nacional de Ingeniera. Lima-Per.
59
comportamiento futuro de los sistemas. En este artculo presentaremos, mediante un ejemplo, las definiciones y caractersticas de los sistemas que tienen este comportamiento catico. No sern todas, es verdad, pero espero que consigan dar un sabor de lo interesante que puede ser esta rea de la matemtica.
El mapa logstico
Este modelo surgi del estudio de la dinmica de las poblaciones (digamos de bacterias, o seres humanos, da lo mismo). Se desea estudiar la variacin de la cantidad de ejemplares de cierta especie en un ambiente cerrado, con las siguientes restricciones:
Pero el tamao de la poblacin tambin depende de su relacin con el nmero mximo de ejemplares que el ambiente admite.
Si estamos lejos del tope, la poblacin crecer ms rpidamente y crecer ms lentamente si estamos llegando a l. Inclusive, en este modelo, si en un momento se alcanza el mximo nmero de ejemplares de la especie, esta generacin acabar con toda la comida y la siguiente generacin no podr subsistir hasta la edad reproductiva. Es decir, si alguna generacin llega al mximo la poblacin desaparece. El factor por el que se multiplica es M - p(n) que puede ser interpretado como los recursos disponibles de la naturaleza (espacio, alimento) para la siguiente generacin.
60
La transformacin iterativa queda: p(n+1) = kp(n) (M - p(n)). Para lo que sigue conviene dividir esta ecuacin por M, y si definimos
x( n ) =
p( n ) M
y llamamos c a la constante kM entonces la ecuacin queda x(n+1) = cx(n) (1-x(n)). Observe que si para algn n0 se cumple que x(n0 ) = 1 entonces x(n) = 0 para todo n > n0. DEFINICIN 1 (Mapa logstico) La funcin f(x) = cx(1-x) es llamada mapa logstico, o aplicacin logstica. Para el caso que estamos investigando, si x0 es la poblacin inicial o generacin 0, entonces la poblacin de la primera generacin ser x(1) = cx0(1-x0) = f(x0) y la n-sima generacin estar dada por x(n) = cx(n-1)(1-x(n-1)) = f o f n-1 (x0) = f n (x0). DEFINICIN 2 (rbitas) Llamamos rbita del punto x0 al conjunto
O ( x0 ) = {f n ( x0 ) n N}. .
o tambin: la rbita del punto x 0 es la sucesin {x n }n donde N x n = f (x n 1 ), n N. En nuestro caso conocer la rbita de un punto x0 equivale a conocer la evolucin en el tiempo (contado en generaciones) de la poblacin a partir de una poblacin inicial x0. En la figura 1 mostramos el grfico del mapa logstico para un c cualquiera.
61
Hagamos algunos experimentos mentales que pueden ser hechos en la computadora tambin. Si c est entre 0 y 1 tenemos que el origen x = 0 es el nico punto fijo del mapa logstico el cual es atractor, esto es:
n
62
Para c entre 1 y 3 el origen se convierte en un repulsor a (la rbita de cualquier punto cercano se aleja de l) y aparece otro punto fijo en x* = (c-1)/c que es atractor. Antes de proseguir con las caractersticas de la funcin f para c (3 ,4 ) , hagamos un parntesis para calcular el valor absoluto de las derivadas de f en los puntos fijos. En el origen tenemos |f(0)| = c, con lo que:
c 1 tenemos c
c 1 c 1 f' = c 1 2 c = 2c c
a
63
de modo que
( )
z
( )
( )
( )
( )
que
z
(f ) (x* ) < 1
2
para i = 1 y 2.
son repulsores.
Este fenmeno se conoce como bifurcacin de periodo y se repite conforme vamos incrementando el valor de c acercndonos a c = 4. Esto es, cuando los puntos x* mencionados anteriormente se convierten en repulsores, aparecen 4 puntos i
* y dos para x* ), los cuales son puntos peridicos atractores de ms (dos para x1 2 periodo 4 o, en otras palabras, puntos fijos atractores de la aplicacin f 4.
Este proceso de bifurcacin de periodo ocurre cada vez ms rpido. Con esto quiero decir que la sucesin
mala memoria, solamente puedo afirmar que es menor que 4b. El diagrama de bifurcaciones se muestra en la figura 3. Para simplificar la explicacin tomemos c = 4, es decir f(x)= 4x(1-x). En este valor del parmetro no existe ningn punto atractor y coexisten infinitos puntos peridicos (de cualquier periodo!!) todos repulsores. Si tratamos de imaginar esta situacin tendremos que admitir que la rbita de cualquier punto que no sea alguna preimagen de los puntos perdicos ser, por decir lo menos,catica, pues ser rechazado de cualquier punto peridico al cual se acerque. Es por eso que se afirma que el proceso de bifurcacin de periodo es uno de los caminos al caos de sistemas inicialmente estables.
Figura 3:
En la horizontal se han representado los valores del parmetro c, en la vertical los valores de x que constituyen los atractores del sistema si los hubiera. Por ejemplo, para c = 2,7 el atractor est formado por un solo punto, para c = 3,4 el atractor est formado por dos puntos (una rbita de periodo dos). Para c = 3,9 el sistema ya es catico.
Tal vez un lector interesado pueda hacer un experimento computacional para determinar este valor, quedaria muy agradecido que me lo comunicase.
65
( )
Por un teorema de teora ergdica (Teorema de Birkhoff) este lmite casi siempre existe y significa que si ( x ) > 0 entonces para n grande se tiene |(f n )(x)|>1 y el sistema definido por f ser sensible a las condiciones iniciales cercanas a x. Si un sistema tiene todos sus exponentes de Lyapunov positivos, se
66
dice que el sistema es sensible a las condiciones iniciales pues en este caso casi todo par de puntos inicialmente cercanos se alejarn a un ritmo prcticamente exponencial. Aqu estamos usando el lenguaje de Teora de la Medida en donde casi todo x significa que solo no se cumple en un subconjunto de I con medida de Lebesgue cero. As tambin grande significar un conjunto con medida positiva, y todo tambin querr decir que el conjunto mencionado tiene medida total. Tiene el mapa logstico exponentes de Lyapunov positivos? Esta pregunta no es trivial si tomamos en cuenta que el mapa logstico tiene un punto x =
a 1/2 tienen derivadas arbitrariamente pequeas en mdulo. Sin embargo la respuesta es afirmativa para un conjunto grande de parmetros c . Esta afirmacin puede ser enunciada de la siguiente manera:
TEOREMA 1 Considere la funcin fc:[0,1] [0,1] tal que fc(x ) = cx( 1-x). Entonces el conjunto E = {c [0,4] / fc tiene exponentes de Lyapunov positivos} es grande, en el sentido que tiene medida de Lebesgue positiva. A la luz de este teorema podemos decir que el mapa logstico tiene comportamiento catico o sensibilidad en las condiciones iniciales para un conjunto grande de parmetros c. Referencias para este resultado pueden encontrarse en los trabajos de Collet y Eckman [2], y Benedicks y Carleson [1].
DEFINICIN 1 (Conjugacin topolgica) Dos aplicaciones g y f : I I se dicen topolgicamente conjugadas si existe un homeomorfismo h : I I tal que g o h = h o f. Veamos en que nos ayuda este concepto. Si f y g son topolgicamente conjungados entonces hof
n
(x) = h o f (f
n-1
(x)) = g o h o (f
n-1
(x)) = ... = g
o h(x)
de modo que la rbita de x por f y la rbita de h(x) estn relacionadas del siguiente modo:
n n h Of (x ) = ho f (x ) / n N = g oh (x )/ n N =
}{
Og (h(x)),
As, como h es un homeomorfismo, las rbitas f tienen una relacin buena con las rbitas de g. Una consecuencia directa de este hecho es que puntos fijos son llevados en puntos fijos, es decir: x es punto fijo de f si y solo si h(x) es punto fijo de g. Lo mismo se aplica a las rbitas peridicas. De modo que si g tiene rbitas con comportamiento catico entonces f tambin las tendr. Aun cuando f sea una funcin un poco difcil de analizar puede ser que una funcin g, conjugada a ella, sea relativamente ms sencilla de estudiar. Para el caso de la aplicacin cuadrtica, la conjugacin se da con la siguiente funcin: g:[0,1] [0,1], con g(x) = 1- |2x -1|, que es seccionalmente lineal, como 1 . Esto 2 nos da una consecuencia rpida, los exponentes de Lyapnov de la aplicacin g son casi todos positivos (solo tenemos que sacar las preimagenes del punto 1/2). se muestra en la figura 4, y el mdulo de su derivada es 2 excepto en x = De ah se puede concluir que g tiene sensibilidad a las condiciones iniciales. De modo que podriamos haber concluido que el mapa logstico tiene sensibilidad con respecto a las condiciones iniciales examinando solamente a g y observando que entre g y f existe una conjugacin topolgica, pues esta conjugacin topolgica siendo un homeomorfismo preserva la nocin de vecindad y en este caso tambin la nocin de cercana.
68
Aunque la aplicacin tienda tenga sus propias complicaciones, nadie negar que tiene una presentacin mucho ms fcil de estudiar que la aplicacin cuadrtica, por lo menos en lo que a rbitas se refiere. Para el lector interesado, el homeomorfismo que realiza la conjugacin tiene la forma h(x ) = 1 cos
2
x 2
Para concluir digamos que los Sistemas Dinmicos estn llenos de ejemplos como ste, donde siempre hay otra manera de ver el problema.
son continuas.
REFERENCIAS
[1] M. Benedicks and L. Carleson, On iterations of 1 x Math. 122 (1985). 1-25.
2
on
( 1 ,1 ) , Ann. of
[2] [3]
P. Collet and J.P Eckmann, On the abundance of aperiodic behaviour for maps of the interval, Comm. Math. Phys. 73 (1980), 115-160. R. Markarin, Incertidumbre, caos: una visin fsico-matemtica, Certidumbres, Incertidumbres, Caos R. Markarin y R. Gambini(eds), Montevideo 1999. J.Palis and W. de Melo, Introduo Sistemas Dinmicos, Projeto Euclides, IMPA -Rio de Janeiro, 1978. J. Palis and F. Takens , Hyperbolicity and Sensitive Chaotic Dynamics at Homoclinic Bifurcations, Cambridge University Press, 1993.
[4] [5]
70