Você está na página 1de 134

Sum´ario

 

˜

1 INTRODUC¸ AO

 

5

 

ˆ

1.1 SISTEMAS DIN AMICOS DISCRETOS UNIDIMEN-

 

SIONAIS .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

6

 

˜

1.1.1 A ITERADA DE UMA FUNC¸ AO REAL

 

6

 

´

1.1.2 C ALCULO DE JUROS COMPOSTOS

 

.

.

.

.

.

9

 

ˆ

1.1.3 MODELAGEM ING ENUA DO CRESCIMENTO

 
 

POPULACIONAL

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

10

 

´

1.1.4 O MODELO LOG ISTICO DE CRESCIMENTO

 
 

POPULACIONAL

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

10

1.1.5 CALCULANDO RAIZ QUADRADA

.

.

.

.

.

.

11

 

´

1.1.6 O M ETODO DE NEWTON

 

.

.

.

.

.

.

.

.

.

.

.

.

12

 

ˆ

1.2 SISTEMAS DIN AMICOS DISCRETOS NO PLANO .

 

13

 

˜

1.2.1 A ITERADA DE UMA FUNC¸ AO COMPLEXA

 
 

13

 

˜

´

1.2.2 A ROTAC¸ AO DO C IRCULO

 

.

.

.

.

.

.

.

.

.

.

.

15

 

´

1.2.3 O BILHAR NO C IRCULO

 

.

.

.

.

.

.

.

.

.

.

.

.

.

16

 

´

1.2.4 O BILHAR NA EL IPSE

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

18

 

ˆ

´

1.3 SISTEMAS DIN AMICOS CONT INUOS

 

.

.

.

.

.

.

.

.

20

1.3.1

O PROBLEMA DE SITNIKOV

.

.

.

.

.

.

.

.

.

.

20

´

1.4 EXERC ICIOS .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

23

 

´

2 CONTINUIDADE EM ESPAC¸ OS M ETRICOS

 

28

 

´

2.1 ESPAC¸ OS M ETRICOS

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

28

2.2 BOLAS E ESFERAS

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

31

 

´

2.3 CONTINUIDADE EM ESPAC¸ OS M ETRICOS

 

.

.

.

.

34

 

´

2.4 EXERC ICIOS .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

41

 

1

´

3 FUNDAMENTOS DE AN ALISE

3.1 ALGUNS RESULTADOS IMPORTANTES

44

44

 

´

3.2

EXERC ICIOS .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

51

´

4 ORBITAS

 

52

 

˜

˜

4.1 ITERAC¸ AO DE FUNC¸ OES

 

52

 

´

4.2 ORBITAS

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

53

 

´

4.3 PONTOS FIXOS OU PERI ODICOS

.

.

.

.

.

.

.

.

.

.

.

54

 

´

4.4 EXERC ICIOS .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

60

4.5 HIPERBOLICIDADE

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

62

4.5.1

PONTOS ATRATORES, REPULSORES OU NEU-

TROS .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

62

´

´

4.6 ORBITAS PERI ODICAS ATRATORAS OU REPUL-

 

SORAS

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

67

´

4.7 EXERC ICIOS .

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

71

 

˜

5 BIFURCAC¸ OES

 

74

 

ˆ

5.1 DIN AMICA DA

 
 

˜

´

APLICAC¸ AO QUADR ATICA

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

74

 

˜

´

5.1.1

A BIFURCAC¸ AO SELA-N O

 

.

.

.

.

.

.

.

.

.

.

.

.

74

 

˜

5.2 O DIAGRAMA DE BIFURCAC¸ AO

 

.

.

.

.

.

.

.

.

.

.

.

78

 

˜

´

5.3 A BIFURCAC¸ AO DUPLICADORA DE PER IODO

 

.

79

5.4 A DERIVADA DE SCHWARZ

 

88

 

´

´

˜

5.4.1

PONTOS CR ITICOS E BAC IAS DE ATRAC¸ AO 92

´

´

6 A FAM ILIA QUADR ATICA

95

6.1 O CASO C = 2

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

95

 

´

6.2 O CONJUNTO TERN ARIO DE CANTOR

 

96

6.3 O CASO C < 2

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

98

ˆ

´

7 DIN AMICA SIMB OLICA

 

101

 

´

7.1 ITINER ARIOS

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. 101

 

ˆ

7.2 O ESPAC¸ O DAS SEQU ENCIAS

 

102

 

˜

7.3 CONJUGAC¸ AO

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. 103

7.3.1

ESPAC¸ OS HOMEOMORFOS

.

.

.

.

.

.

.

.

.

.

. 103

´

7.4 EXERC ICIOS .

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. 107

 

2

ˆ

´

8 SISTEMAS DIN AMICOS CA OTICOS

 

109

 

˜

´

8.1 CARACTERIZAC¸ AO DE UM SISTEMA CA OTICO

109

 

˜

´

´

8.2 A APLICAC¸ AO Q c E CA OTICA EM Λ

 

.

.

.

.

.

.

.

.

. 112

 

˜

´

´

8.3 A APLICAC¸ AO Q 2 E CA OTICA EM [2, 2]

 

114

9 ALGUMAS PROVAS ANTIGAS

 

118

9.1 SEGUNDA PROVA DE 2009.1

.

.

.

.

.

.

.

.

.

.

.

.

.

. 118

9.2 PROVA SUBSTITUTIVA DE 2009.1

 

.

.

.

.

.

.

.

.

.

. 123

9.3 SEGUNDA PROVA DE 2009.1

.

.

.

.

.

.

.

.

.

.

.

.

.

. 125

9.4 PRIMEIRA PROVA DE 2009.1

.

.

.

.

.

.

.

.

.

.

.

.

.

. 127

9.5 PRIMEIRA PROVA DE 2007.1

.

.

.

.

.

.

.

.

.

.

.

.

.

. 128

9.6 SEGUNDA PROVA DE 2007.1

.

.

.

.

.

.

.

.

.

.

.

.

.

. 130

9.7 TERCEIRA PROVA DE 2008.1

.

.

.

.

.

.

.

.

.

.

.

.

.

. 131

3

´

˜

ULTIMA ATUALIZAC¸ AO: 5/03/2012

´ ´

AT E P AGINA 7.

˜

CAOS: UMA INTRODUC¸ AO VIA

ˆ

SISTEMAS DIN AMICOS

DISCRETOS

PROFESSOR OFERTANTE : Marcelo Domingos Marchesin

1.0 0.75 0.5 0.25 0.0 0.0 0.25 0.5 0.75 1.0 x
1.0
0.75
0.5
0.25
0.0
0.0
0.25
0.5
0.75
1.0
x

4

Cap´ıtulo 1

INTRODUC¸ AO

˜

Na tentativa de definir formalmente o que vem a ser um Sistema Dinˆamico, eu recorri a v´arios autores consagrados em textos de v´arios n´ıveis diferentes e contudo n˜ao encontrei algo que me satisfizesse. Muitos autores utilizam apenas a caracteriza¸c˜oes dos sistemas com os quais v˜ao trabalhar, outros tantos nem se importam em tentar definir. Cheguei a conclus˜ao que talvez uma defini¸c˜ao formal, nos termos que estamos acostumados na matem´atica, talvez n˜ao fosse mesmo um coisa fundamental. Talvez na tentativa de definir pud´essemos acabar restringindo desnecessariamente o conceito mais geral. Resolvi ent˜ao tentar apresentar aqui uma ”id´eia”do que hoje em dia se en- tende por sistemas dinˆamicos sem defini-lo formalmente. Vejamos: Minha id´eia ´e entender os termos envolvidos e assim, deixar o leitor a interpreta¸c˜ao da express˜ao toda. A palavra ”sistema ”em matem´atica tem um significado bastante abrangente mas que em n´ıveis mais elementares poderia ser en- tendido como um problema mais geral que ´e formado por ”sub-problemas”. Na grande maioria dos casos tal ”problema”pode ser modelado atrav´es de ”um conjunto de equa¸c˜oes inter-relacionadas”. J´a a palavra ” dinˆamico”nos remete `a id´eia de ”transforma¸c˜ao”, ou seja, algo que est´a se alterando com ”o passar do tempo”. Para podermos entender nossos exemplos seguintes neste contexto ´e importante que entendamos ”tempo”em um sentido tamb´em dis- creto, ou seja os diversos instantes em que algo ocorre. Por exemplo, se estamos interessados em estudar eclipses lunares ent˜ao isto nos leva direta- mente a estudar algumas fases particulares da lua, por exempo a lua cheia. Assim, torna-se de nosso interesse o estudo dos instantes em que a lua se encontra nesta fase e os instantes passados entre uma lua cheia e outra, perdem interesse. Neste contexto ´e que falamos em varia¸c˜ao discreta do

5

tempo. Finalmente para entendermos corretamente a no¸c˜ao de ”sistema dinˆamico”precisamos voltar ao sentido de inter-dependˆencia entre os sub- problemas do problema geral. Muitas vezes estaremos estudando o efeito de um dado “evento” sobre o “evento” imediatamente sub-sequente. Talvez um bom exemplo disso seria um estudo de comportamento da bolsa de val- ores onde o comportamento dos investidores hoje diretamente influenciar´a o comportamento de amanh˜a de mesma forma que tamb´em sofrem influˆencia do comportamento de ontem. Ou seja, em um sistema dinˆamico n´os va- mos estar interessados em fazer previs˜oes sobre eventos que v˜ao ocorrer no ”futuro”a partir da informa¸c˜ao que temos sobre o sistema no tempo ”pre- sente”ou ”passado”; de forma que os eventos est˜ao relacionados e sofrem influˆencia de eventos que ocorreram anteriormente. Bem, como foi dito inicialmente muitos autores nem se preocupam em tentar definir o que vem a ser um sistema dinˆamico. Espero que os exemplos que vˆem a seguir sejam mais esclarecedores. Em termos bem gerais os sistemas dinˆamicos de dividem em dois grande grupos. O primeiro, que ser´a o assunto prenominante neste curso, ´e conhecido como “Sistemas Dinˆamicos Discretos” e pode ser entendido matem´aticamente como oestudo da itera¸c˜ao de uma determinada fun¸c˜ao. O segundo ´e con- hecido como “Sistemas Dinˆamicos Cont´ınuos” e trata basicamente do estudo qualitativo das equa¸c˜oes diferencias e n˜ao ser´a abordado neste curso, contudo, devido `a sua enorme importˆancia, um exemplo particular ser´a apresentado na pr´oxima sec¸c˜ao.

ˆ

1.1 SISTEMAS DIN AMICOS DISCRETOS

UNIDIMENSIONAIS

Nesta se¸c˜ao introduzireremos superficialmente alguns exemplos de sistemas dinˆamicos discretos.

˜

1.1.1 A ITERADA DE UMA FUNC¸ AO REAL

Embora aparentemente desprovido de aplicabilidade que lhe dˆe uma mo- tiva¸c˜ao a esta altura, o exemplo a seguir basicamente guiar´a todo o nosso estudo durante este curso. Por isso voltaremos `a ele no cap´ıtulo 4.

6

Considere uma fun¸c˜ao real qualquer f : R R , e representemos sua

f (x), n vezes. Nosso

objetivo ´e estudar o que acontece com um n´umero real x a medida que permitimos que se considere a n-´esima iterada da fun¸c˜ao f calculada neste

x espec´ıfico. Em particular, uma primeira pergunta que dever´ıamos nos

fazer ´e: Dada uma fun¸c˜ao real f , qualquer cujo dom´ınio n˜ao seja o conjunto

dos n´umeros reais todos; um n´umero real x qualquer e uma quantidade de iteradas N qualquer, faz sentido falarmos em f N (x) ?. Veremos futuramente que este ´e um cuidado importante. Por hora, nos fixemos em um exemplo

bem simples. Considere a fun¸c˜ao real de segundo grau dada por: f (x) = x 2 +c onde c ´e um n´umero real qualquer fixado. Neste caso bastante simples, dado qualquer n´umero real x e qualquer N sempre vai existir a N-´esima iterada de

n-´esima iterada por f n (x) ou seja: f n (x) = f f

f calculada em x. Em verdade podemos explicit´a-la sem grandes problemas. Vejamos um exemplo bem particular. Tomemos c = 1, x = 0 e N = 3, ent˜ao neste caso temos:

f 3 (0) = f (f (f (0))) = f (f (0 2 +1)) = f (f (1)) = f (1 2 +1) = f (2) = 2 2 +1 = 5

Dizemos que os pontos 0, f (0) = 1 , f 2 (0) = 2 e f 3 (0) = 5 s˜ao os 4 primeiros elementos da ´orbita (´orbita futura; pois caso a fun¸c˜ao seja invers´ıvel tamb´em faz sentido falar nas “iteradas negativas”, ou seja as iteradas da fun¸c˜ao inversa que seriam chamadas de “´orbitas passadas” ) do ponto x = 0, continuando o processo indefinidamente obt´em-se a ´orbita (´orbita futura) completa do ponto x. O estudo dos sistemas dinˆamicos est´a interessado em poder fazer “previs˜oes” sobre a ´orbita de um determinado ponto quando

a quantidade de iteradas se torna “imensamente grande”, ou seja quanto

permitimos que “N v´a para o infinito”, deixaremos tal conceito mais preciso

futuramente . Embora tal exemplo a esta altura pare¸ca totalmente artificial

e abstrato, nada mais acrescentaremos sobre ele por enquanto para que n˜ao se estrague as surpresas que ele nos reserva

˜

A CONSTRUC¸ AO DA TEIA DE ARANHA

Graficamente h´a um maneira bastante interessante de visualizarmos o com- portamento da ´orbita de um ponto pela iterada de uma fun¸c˜ao real. Supon- hamos que para um valor inicial x 0 Domf , todas as iteradas subsequentes estejam definidas. Ou seja, f n (x 0 ) Domf para todos os valores de n. A

7

visualiza¸c˜ao da imagem de x 0 pela f ´e facilmente visualizada atrav´es de um segmento de reta vertical, paralelo ao eixo y come¸cando no ponto (x 0 , 0) e terminando no ponto (x 0 , f(x 0 )), ou seja no ponto que pertence ao gr´afico de f .

1.0 0.8 0.6 0.4 0.2 0.0 0.0 0.2 0.4 0.6 0.8 1.0
1.0
0.8
0.6
0.4
0.2
0.0
0.0
0.2
0.4
0.6
0.8
1.0

Para obtermos a pr´oxima iterada precisamos calcular o valor de f (f (x 0 )). Assim se chamarmos de x 1 = f(x 0 ), encontraremos o ponto (x 1 , x 1 ) tra¸cando a reta horizontal paralela ao eixo x que come¸ca no ponto (x 0 , f(x 0 )) e termina no ponto (f (x 0 ), f(x 0 )), ou seja no ponto pertencente ao gr´afico da fun¸c˜ao identidade com ordenada x 1 = f(x 0 ).

1.0 0.8 0.6 0.4 0.2 0.0 0.0 0.2 0.4 0.6 0.8 1.0
1.0
0.8
0.6
0.4
0.2
0.0
0.0
0.2
0.4
0.6
0.8
1.0

Como esse ponto tem abcissa x 1 = f(x 0 ), para obtermos x 2 = f(x 1 ) = f(f(x 0 )) basta tra¸carmos um segmento de reta vertical, paralelo ao eixo y come¸cando no ponto (x 1 , x 1 ) e terminando no ponto (x 1 , f(x 1 )), ou seja no ponto que pertence ao gr´afico de f de abcissa f (x 1 ).

8

1.0 0.8 0.6 0.4 0.2 0.0 0.0 0.2 0.4 0.6 0.8 1.0
1.0
0.8
0.6
0.4
0.2
0.0
0.0
0.2
0.4
0.6
0.8
1.0

Este processo pode ser repetido tantas vezes quanto se queira e a ob- serva¸c˜ao do comportamento da sequˆencia de pontos (x n , f(x n )) onde x n = f(x n1 ) pode nos dizer muito sobre a dinˆamica a ser estudada.

´

1.1.2 C ALCULO DE JUROS COMPOSTOS

EXEMPLO 1.1.1 Suponhamos o problema de se calcular os lucros sobre um montante inicial D 0 sujeito a rendimento anual segundo uma taxa de juros fixa de q%. Suponhamos que os rendimentos s˜ao acrescidos ao mon- tante inicial sempre ao final de um ano e de uma unica´ vez. Para fixarmos a id´eia vamos trabalhar, inicialmente, com uma taxa de juros de 10% ao ano. Assim, ao final do primeiro ano se tem:

D 1

= D 0 + 0, 1D 0 = (1, 1D 0 )

ao final do segundo ano se tem:

D 2 = D 1

+ 0, 1D 1 = (1, 1D 0 ) + 0, 1(1, 1D 0 ) = (1, 1) 2 D 0

e assim sucessivamente ´e f´acil perceber que ao final do n-´esimo ano o valor do montante inicial acrescido dos juros ´e de:

D n = (1, 1) n D 0

´

OBS: 1) E claro que o valor obtido ap´os n anos depende diretamente do valor inicial. Assim, para explicitarmos tal rela¸c˜ao dever´ıamos ter escrito D n (D 0 )

na equa¸c˜ao acima.

9

2) Tamb´em, considerando-se o caso geral de uma taxa de juros de q% ter´ıamos

D n (D 0 ) = (1 +

q

100

) n D 0 .

O processo acima pode ser interpretado como um sistema dinˆamico atrav´es da aplica¸c˜ao da fun¸c˜ao f (x) = 1, 1x repetidas vezes. Isto ´e: D n (D 0 ) =

f f

itera¸c˜ao da fun¸c˜ao n vezes.

f (D 0 ) , n vezes. Em matem´aica, isto ´e o que chamamos de

ˆ

1.1.3 MODELAGEM ING ENUA DO CRESCIMENTO

POPULACIONAL

EXEMPLO 1.1.2 Neste modelo consideramos que o crescimento de uma popula¸c˜ao ´e proporcional unicamente ao seu tamanho. Matematicamente se P n denota a popula¸c˜ao na n-´esima gera¸c˜ao e r a taxa de crescimento, ent˜ao P n+1 = rP n . Este modelo ´e totalmente an´alogo ao anterior e ent˜ao ´e f´acil perceber que o tamanho da popula¸c˜ao ap´os a n-´esima gera¸c˜ao ser´a de P n = r n P 0 , onde P 0 ´e a popula¸c˜ao inicial. Temos 3 casos a considerar dependendo do valor de r ser menor, igual ou maior que 1. Se r = 1, a popula¸c˜ao nunca se altera e fica constante e igual a P 0 . Se r < 1, a popula¸c˜ao decresce progressivamente at´e se extinguir completamente. Se r > 1 a popula¸c˜ao cresce indefinidamente.

´

1.1.4 O MODELO LOG ISTICO DE CRESCIMENTO

POPULACIONAL

EXEMPLO 1.1.3 O terceiro caso do exemplo anterior parece n˜ao levar em conta alguns problemas facilmente previs´ıveis de uma popula¸c˜ao que cresce al´em de certos limites. No modelo mais realista, que analisamos agora, lev- amos em conta o tamanho do habitat e a poss´ıvel escassez de alimento e espa¸co f´ısico para o crescimento populacional. Assim, supondo que saibamos que exista um limitante superior para o tamanho da popula¸c˜ao, digamos P max e denotando por P n a fra¸c˜ao dessa popula¸c˜ao m´axima atingida na n-´esima gera¸c˜ao, temos: P n+1 = λP n (1 P n ). A constante λ depende do problema a ser modelado e, para uso futuro, salientamos que ser´a de muito interesse os

10

casos em que 0 < λ 4. Note que se P n atinge os valores 0 ou 1 ent˜ao a popula¸c˜ao se extingue como era de se esperar. Assim, para compreendermos completamente o crescimento ou decl´ınio da popula¸c˜ao (ou seja, para compreendermos a ”dinˆamica populacional”) deve- mos iterar a fun¸c˜ao log´ıstica F λ = λx(1 x). Salientamos que, ao contr´ario dos exemplos anteriores, tal fun¸c˜ao ´e quadr´atica e esta simples mudan¸ca de ”grau”leva `a consequˆencias surpreendentes na an´alise de sua dinˆamica, como veremos mais adiante.

1.1.5 CALCULANDO RAIZ QUADRADA

EXEMPLO 1.1.4 Considere o problema de se encontrar um valor aproxi-

mado para 2 (tal problema ´e equivalente ao de se encontrar uma raiz para a equa¸c˜ao x 2 2 = 0 e pode tamb´em ser analisado neste contexto utilizando-se o M´etodo de Newton. Tal abordagem ser´a apresentada mais adiante). Ve-

jamos como um procedimento de aproxima¸c˜oes sucessivas para o valor de 2

Vamos escolher um valor

inicial positivo para 2, digamos x 0 ̸= 0. Como n˜ao sabemos se tal valor ´e

pode ser interpretado como um sistema dinˆamico:

maior ou menor que 2 temos que fazer nossa an´alise sempre considerando

Ou

as duas possibilidades: i) x 0 < 2. seja:

Neste caso temos que 2x 0 < 2.

2 √ 2 <
2
√ 2 <

x 0

ii) x 0 > 2. Neste caso temos que 2x 0 > 2.Ou seja:

2 √ 2 >
2
√ 2 >

x 0

Em qualquer dos casos temos que 2 est´a entre x 0 e 2 0 embora n˜ao saibamos qual desses n´umeros ´e o maior. Assim, vamos melhorar nossa aproxima¸c˜ao inicial tomando a m´edia aritm´etica entre essses dois valores. Vamos denotar

2 0 ). Este valor n˜ao neces-

sariamente est´a mais pr´oximo do valor exato de 2 do que nosso palpite ini- cial x 0 , (exerc´ıcio: Fa¸ca um desenho esbo¸cando esta possibilidade). Contudo,

esta nova aproxima¸c˜ao por x 1 , ou seja: x 1 = 2 (x 0 +

x

x

1

se chamarmos de I n o intervalo cujos extremos s˜ao x n e 2 n , ent˜ao 2 I n para todo n, e ainda o comprimento destes intervalos tende a zero quando n

x

11

tende ao infinito. Assim, procedendo de mesma forma sucessivamente vamos

nos aproximando arbitrariamente do valor exato de 2. Observe que (Exerc´ıcio: escrever os detalhes.)

´

2

1 > x 0

x

1.1.6 O M ETODO DE NEWTON

Um problema muito importante em matem´atica ´e poder encontrar uma raiz para uma determinada fun¸c˜ao. Suponha uma fun¸c˜ao real qualquer F , ent˜ao estamos interessados em resolver a equa¸c˜ao F (x) = 0. Nem sempre ´e poss´ıvel resolver tal problema de forma alg´ebrica. O m´etodo num´erico mais utilizado para tentar encontrar uma raiz desta equa¸c˜ao ´e o m´etodo conhecido como M´etodo de Newton-Raphson, que se baseia no seguinte al- gor´ıtmo: escolha um n´umero real qualquer x 0 . Se F (x 0 ) = 0 seus problemas se acabaram. Caso contr´ario vamos usar este x 0 para tentarmos encontrar um novo valor x 1 que esperamos, esteja mais pr´oximo da raiz procurada. O processo para se encontrar x 1 ´e o seguinte: 1) Encontre a reta tangente ao gr´afico de F no ponto (x 0 , F(x 0 )). 2) Encontre o ponto onde esta reta corta o eixo x (caso exista!) 3) A abcissa deste novo ponto ser´a nosso x 1 . 4) Se F(x 1 ) = 0, nossos problemas acabaram. Caso contr´ario repita o processo.

Est´a na hora de nos fazermos algumas perguntas: 1) Tal processo pode sempre ser repetido? 2) Este processo nos leva, de fato, a uma raiz de F ? Mantendo estas quest˜oes em mente, vamos tentar entender o algor´ıtmo acima em mais detalhes:

Vejamos: 1) Encontre a reta tangente ao gr´afico de F no ponto (x 0 , F(x 0 )).

Bem, Tal reta tem inclina¸c˜ao F (x 0 ) e passa pelo ponto (x 0 , F(x 0 )), logo sua equa¸c˜ao ´e y = F (x 0 )(x x 0 ) + F(x 0 ). 2) Encontre o ponto onde esta reta corta o eixo x (caso exista!): Para obtermos x 1 devemos ent˜ao tomar y = 0 na equa¸c˜ao da reta acima e isolarmos o valor de x obtendo assim:

. Obviamente isto s´o pode ser feito se F (x 0 ) ̸= 0. Se

x 1 n˜ao for a raiz procurada, ent˜ao o processo se repete e obteremos assim

x 1 = x 0 F(x 0 )

F

(x 0 )

x 2 = x 1 F(x 1 )

F

(x 1 )

, desde que F (x 1 ) ̸= 0.

Acabamos de criar um sistemas dinˆamico discreto que ´e simplesmente a

itera¸c˜ao da fun¸c˜ao conhecida como “fun¸c˜ao de Itera¸c˜ao de Newton”, ou seja

N(x) = x F(x)

(x) . Ainda precisamos verificar se a itera¸c˜ao de tal fun¸c˜ao

F

12

nos aproxima arbitrariamente da raiz de F caso o processo possa ser iterado indefinidamente.

Observe que, se F (x 0 ) = 0 e F (x 0 ) ̸= 0 ent˜ao N (x 0 ) = x 0 e reciproca- mente! Assim, na linguagem dos sistemas dinˆamicos, nosso problema est´a solucionado se n´os encontrarmos um “ponto fixo” para nossa fun¸c˜ao N (x), ou seja, um ponto que satisfa¸ca N (x) = x. Para garantirmos que o m´etodo de Newton de fato funciona, precisamos ent˜ao garantir que dado um ponto inicial qualquer x 0 , o processo de itera¸c˜ao da fun¸c˜ao N nos aproxime arbi- trariamente de um ponto fixo de N e que isto ocorre independente do valor escolhido para se inicar o processo, ou seja, independente da escolha de x 0 . Bem, o exemplo abaixo nos mostra que isto nem sempre ocorrer´a:

EXEMPLO 1.1.5 Considere F (x) = x 3 5x, cuja fun¸c˜ao de itera¸c˜ao ´e N(x) = x x 3 5x . Note que F (0) = 0 e F (0) = 5 .Se, por ventura,

3x 2 5

tivermos a infelicidade de escolhermos x 0 = 1, ent˜ao teri´amos: N (x 0 ) = 1 e N (1) = 1 e estar´ıamos presos em um ciclo de per´ıodo 2 ou como se costuma dizer: em um 2-ciclo e isto claramente n˜ao nos levar´a `a raiz, 0, de

F.

EXEMPLO 1.1.6 Considere F (x) = x 2 + 1, fun¸c˜ao que claramente n˜ao possui ra´ızes reais. Analise o que acontece quando se aplica o m´etodo de Newton a este exemplo

Ent˜ao sob que condi¸c˜oes o M´etodo de Newton funciona? E como poder- emos usar as t´ecnicas de Sistema Dinˆamicos para nos ajudar? Voltaremos a estas quest˜oes mais futuramente.

ˆ

1.2 SISTEMAS DIN AMICOS DISCRETOS

NO PLANO

˜

1.2.1 A ITERADA DE UMA FUNC¸ AO COMPLEXA

13

Come¸camos esta sec¸c˜ao com uma r´apida revis˜ao sobre n´umeros com- plexos: Um n´umero complexo ´e um n´umero que pode ser escrito na forma z = x+iy onde x e y s˜ao n´umeros reais e i tem a propriedade que seu quadrado vale 1, ou seja (i) 2 = 1. x ´e chamado de parte real do n´umero complexo z

e y sua parte complexa. O n´umero real x 2 + y 2 ´e chamado o m´odulo de z.

A soma de dois n´umeros complexos se d´a somando-se respectivamente suas

partes reais e imagin´arias. Para se multiplicar dois n´umeros complexos, n´os procedemos de forma natural lembrando-se que i 2 = 1. Uma outra forma de representa¸c˜ao de um n´umero complexo ´e o que chamamos de reprenta¸c˜ao polar, dada da seguinte forma: Se z = x + iy ent˜ao a represent¸c˜ao de z em sua forma polar ser´a:

z = r(cosθ + isenθ)

onde r ser´a justamente o m´odulo de z e θ o ˆangulo entre o semi-eixo positivo

x e o raio que une a origem ao ponto (x, y) do plano. Assim, z = x + iy

pode ser escrito em sua forma polar como z = rcosθ + irsenθ. Relembrando

a f´ormula de Euler e iθ = cosθ + isenθ segue que z = re iθ ´e a representa¸c˜ao

polar de z. Tal forma de representa¸c˜ao nos permite visualizar a multiplica¸c˜ao de dois n´umeros complexos de uma forma muito elegante e bem geom´etrica. Dados z = r(cosθ + isenθ) e w = ρ(cosϕ + isenϕ) ent˜ao o produto zw ´e dado

por:

zw = (r(cosθ + isenθ))(ρ(cosϕ + isenϕ)) = (cos(θ + ϕ) + isen(θ + ϕ))

ou seja, a multiplica¸c˜ao de dois n´umeros complexos ´e feita multiplicando-se seus m´odulos e somando-se seus argumentos. Em particular para se elevar ao quadrado um n´umero complexo, devemos elevar ao quadrado seu m´odulo e duplicar o seu argumento. Invertendo-se este racioc´ınio, segue de forma ime- diata que, para se extrair a raiz quadrada de um n´umero complexo, devemos extrair a raiz quadrada de seu m´odulo e dividir por dois o seu argumento. Note que isso nos fornece duas op¸c˜oes para a raiz de z = r(cosϕ + isenϕ), ou

seja: z = ± r(cos(ϕ/2) + isen(ϕ/2)) Bastante semelhante ao exemplo ( ), podemos tamb´em pensar no sistema dinˆamico dado pela iterada de um fun¸c˜ao complexa. Ou seja uma fun¸c˜ao que atribui a um n´umero complexo um outro n´umero complexo. Considere uma

14

fun¸c˜ao complexa qualquer f : C C , e representemos sua n-´esima iterada

f (z), n vezes. Nosso objetivo ´e estudar

o que acontece com um n´umero complexo z a medida que permitimos que se considere a n-´esima iterada de f calculada em um ponto z espec´ıfico. Consideremos a fun¸c˜ao complexa de segundo grau dada por: f (z) = z 2 +C onde C ´e um n´umero complexo qualquer fixado. Neste caso bastante simples, dado qualquer n´umero complexo z e qualquer N sempre vai existir a N-´esima iterada de f calculada em z. Em verdade podemos explicit´a-la sem grandes

por f n (z) ou seja: f n (z) = f f

problemas. Vejamos um exemplo bem particular. Tomemos C = i = 1, z = 0 e N = 3, ent˜ao neste caso temos:

f 3 (0) = f (f (f (0))) = f (f (i)) = f (i 2 + i) = f(1 + i) = 2i

Dizemos que os pontos 0, f (0) = i , f 2 (0) = 1 + i e f 3 (0) = 2i s˜ao os 4 primeiros elementos da ´orbita do ponto z = 0 continuando o processo indefinidamente obt´em-se a ´orbita futura completa do ponto z. Observe que agora, diferentemente do que ocorreu no exemplo da fun¸c˜ao real, a ´orbita do ponto z = 0 ´e um conjunto de pontos do plano, se identificarmos o con- junto dos n´umeros complexos com o conjunto de pares ordenados (x, y) que caracteriza o plano cartesiano. A importˆancia deste exemplo est´a diretamente ligada ao aparecimento das figuras geom´etricas conhecidas como fractais.

˜ ´

1.2.2 A ROTAC¸ AO DO C IRCULO

Consideremos agora um caso mais interessante de sistema dinˆamico discreto no plano. Consideremos as fun¸c˜oes lineares complexas dadas por L α (z) = αz,onde α = ρe iθ ´e um n´umero complexo n˜ao nulo. Consideremos alguns elementos da ´orbita do ponto z 0 = re iϕ Assim temos:

z 1 = L α (z 0 ) = αz 0 = ρe iθ re iϕ = ρre i(ϕ+θ)

z 2 = L α (z 0 ) = L α (z 1 ) = αz 1 = ρe iθ ρre i(ϕ+θ) = ρ 2 re i(ϕ+2θ)

2

z 3 = L α 3 (z 0 ) = L α (z 2 ) = αz 2 = ρ 3 re i(ϕ+3θ)

.

.

.

z n = L α n (z 0 ) = L α (z n ) = αz n = (ρ) n re i(ϕ+nθ)

15

Note que |e i(ϕ+nθ) | = 1 e assim temos 3 casos bem distintos a considerar:

ρ < 1,ρ = 1 ou ρ > 1. No primeiro caso temos que |z n | → 0 quando n → ∞

e assim todas as ´orbitas de L α tendem a zero. O oposto ocorre quando ρ > 1

pois neste caso o m´odulo de z n cresce ilimitadamente. No primeiro caso diremos que a origem ´e um atrator e no segundo caso que ´e um repulsor. Tamb´em note que o ˆangulo polar ϕ + cresce a medida que n cresce, se θ ̸= 0 o que significa que as ´orbitas espiralam em dire¸c˜ao a ou afastando-se da origem, respectivamente.

O caso ρ = 1 ´e mais complicado, embora n˜ao pare¸ca. H´a, tamb´em aqui, dois casos bem distintos dependendo do valor do ˆangulo θ. Suponhamos que possamos escrever θ = 2πτ . Nosso dois casos distintos dependem ent˜ao do fato de tal τ ser ou n˜ao um n´umero racional. Suponhamos inicialmente que τ = p/q onde p e q s˜ao inteiros. Ou seja τ ´e racional. Assim temos que

L

α (re ) = ρ q re (2πip/q)q+= re

q

Isto significa dizer que depois de q iteradas n´os voltamos ao ponto inicial. Ou seja, todo ponto ´e peri´odico de per´ıodo q.

No segundo caso, ou seja τ ´e irracional, temos que isto nunca acontece (ex- erc´ıcio!) e a ´orbita de um ponto qualquer percorre a circunferˆencia unit´aria sem nunca retornar ao ponto inicial.

´

1.2.3 O BILHAR NO C IRCULO

Considere o disco unit´ario definido por D = {(x, y); x 2 + y 2 1} e uma part´ıcula adimensional se movendo dentro de D com velocidade constante e

refletindo na fronteira de D de acordo com a lei f´ısica que diz que o ˆangulo de incidˆencia ´e igual ao ˆangulo de reflex˜ao. Denotemos por q t = (x t , y t )

e v t = (u t , w t ) respectivamente seu vetor posi¸c˜ao e vetor velocidade. As- sim, enquanto o movimento se d´a livremente dentro do disco, sua posi¸c˜ao e velocidade no instante t + s podem ser facilmente obtidos:

x t+s = x t + u t s

y t+s = y t + w t s

16

u t+s = u t

w t+s = w t

Quando a part´ıcula colide com a fronteira, a sua velocidade v se reflete ao longo da reta tangente `a circunferˆencia no ponto de colis˜ao. Pode-se mostrar (exerc´ıcio) que a velocidade ap´os a colis˜ao est´a relacionada `a velocidade antes da colis˜ao pela rela¸c˜ao:

v = v 0 2v 0 , nn

onde n = (x, y) ´e o versor normal `a circunferˆencia e v, n= ux + wy denota o produto escalar usual. Ap´os a colis˜ao a part´ıcula re-assume seu movimento livre dentro de D at´e uma nova colis˜ao e o processo pode ser continuado indefinidamente.

´

E f´acil mostrar que obter´ıamos ´orbitas peri´odicas para a part´ıcula se es- colhessemos convenientemente o ˆangulo de sa´ıda de forma a termos a figura de um pol´ıgono regular. No estudo dos Sistemas Dinˆamicos n´os estamos interessados em poder descrever a evolu¸c˜ao do sistema a longo prazo e po- dermos falar alguma coisa sobre o seu comportamento assint´otico quando t → ∞. Vamos tentar analisar esta situa¸c˜ao agora. Primeiramente n´os parametrizamos a circunferˆencia unit´aria atrav´es do ˆangulo polar θ [0 , 2 π ] onde θ ´e considerado um parˆametro c´ıclico atrav´es da identifica¸c˜ao de 0 e 2π. Tamb´em, denotaremos ϕ [0, π] o ˆangulo de reflex˜ao. Para todo n N , se denotarmos θ n a posi¸c˜ao da n-´esima colis˜ao e ϕ n o correspondente ˆangulo de reflex˜ao, ent˜ao pode ser mostrado (exerc´ıcio) que:

θ n+1 = θ n + 2ϕ n (mod2π)

ϕ n+1 = ϕ n

(1.1)

N´os observamos que: 1) Todas as distˆancias entre colis˜oes s˜ao iguais. 2) O ˆangulo de reflex˜ao permanece inalterado (exerc´ıcio!) . Isto nos leva a:

´

COROL ARIO 1.2.1 Sejam (θ 0 , ϕ 0 ) as condi¸c˜oes iniciais ent˜ao:

θ n = θ 0 + 20

(mod2π)

ϕ n = ϕ 0

17

Toda colis˜ao est´a bem caracterizada por 2 n´umeros: θ e ϕ. O conjunto de todas as poss´ıveis colis˜oes, chamado de “espa¸co de colis˜oes” e denotado por M ´e, ent˜ao, dado pelas coordenadas θ e ϕ. Devido `a restri¸c˜ao de θ ao intervalo [0, 2π], tal conjunto ´e um cilindro. A aplica¸c˜ao F : M M que atribui uma colis˜ao `a colis˜ao seguinte, ´e chamada de Aplica¸c˜ao de colis˜ao e para o bilhar circular ela ´e dada por (1.1).

Observe que F deixa os n´ıveis horizontais C ϕ = {ϕ = constante} invari- antes. Al´em disso a restri¸c˜ao de F a C ϕ ´e uma rota¸c˜ao do c´ırculo C ϕ por um ˆangulo 2 ϕ . O ˆangulo de rota¸c˜ao varia continuamente de c´ırculo para c´ırculo, crescendo a partir do 0 em C 0 at´e 2π em C π . Ou seja, tanto o fundo quanto

o topo do cilindro se mant´em fixos pela F . O cilindro M ´e “torcido” pela

aplica¸c˜ao F . Como j´a vimos na se¸c˜ao anterior temos novamente dois casos

a

nunca volta `a posi¸c˜ao inicial ou 2)

´e um n´umero irracional e a rota¸c˜ao do c´ırculo

π ϕ = m , onde m e n s˜ao n´umero naturais ´e um n´umero racional. Neste caso a

e

rota¸c˜ao do c´ırculo ´e peri´odica com per´ıodo fundamental n . No exerc´ıcio (4) pedimos que vocˆe demonstre que cada segmento de tra- jet´oria da part´ıcula entre duas colis˜oes consecutivas ´e tangente ao c´ırculo

S ϕ = {x 2 + y 2 = cos 2 ϕ } . Este c´ırculo interior tem uma interpreta¸c˜ao f´ısica bastante interessante: Se a trajet´oria da part´ıcula fosse a trajet´oria de um raio laser e a fronteira da circunferˆencia fosse um espelho perfeito ent˜ao

o ac´umulo de laser na fronteira do c´ırculo interior iria deix´a-lo bastante

“quente”. Por esta raz˜ao os gregos chamavam tal c´ırculo de “caustica” que significa “queimando” em grego. Um fenˆomeno semelhante poder´a ser visto tamb´em no caso do bilhar el´ıptico que ser´a apresentado a seguir.

considerar: 1) A raz˜ao ϕ

π

n

primos entre si, ou seja a raz˜ao ϕ

π

´

1.2.4 O BILHAR NA EL IPSE

Agora n´os veremos mais um exemplo bastante simples de bilhar. O bilhar na elipse. Consideremos a > b > 0 e a equa¸c˜ao:

x a + y 2

2

b

2

2

= 1

Historicamente este exemplo ´e muito importante pois foi exatamente este

o exemplo tratado por Birkhoff [4] no que podemos considerar o primeiro

estudo de um bilhar em 1927. Geometricamente uma el´ıpse pode ser carac- terizada pelo conjunto dos pontos do plano cuja soma das distˆancias a dois

18

pontos fixados (chamado de focos e denotados aqui por F 1 e F 2 ) ´e constante. Ou seja o conjunto dos pontos A IR 2 que satifazem a equa¸c˜ao:

dist(A, F 1 ) + dist(A, F 2 ) = const.

Aqui usaremos a coordenada ϕ para representar o ˆangulo de reflex˜ao como na sec¸c˜ao anterior, e r o parˆametro comprimento de arco medido a partir do ponto r = 0 correspondente ao ponto (a, 0) e orientado no sentido anti-hor´ario. Note que 0 ϕ π e 0 r ≤ |∂D|, ou seja, novamente nosso espo¸co de colis˜ao ´e um cilindro. Pode ser mostrado que existem trˆes tipos de trajet´orias: As trajet´orias interiores que sempre passam entre os dois focos da elipse, as trajet´orias exteriores que nunca passam entre os focos e aquelas trajet´orias que passam alternadamente por ambos os focos. O teorema a seguir ´e o resultado mais importante a respeito dos bilhares el´ıpticos:

TEOREMA 1.2.1 Para cada trajet´oria exterior existe uma elipse com fo- cos F 1 e F 2 que ´e tangente a cada segmento desta trajet´oria. De forma an´aloga, a cada trajet´oria interior, existe uma hip´erbole com focos F 1 e F 2 que ´e tangente a cada segmento desta trajet´oria (ou ao seu prolongamento) .

Na demonstra¸c˜ao deste teorema precisaremos de um resultado conhecido como Teorema de Poncelet que diz que se A ´e um ponto na el´ıpse e L a reta tangente `a esta el´ıpse passando por A, ent˜ao os segmentos de reta que une os focos F 1 e F 2 `a A fazem o mesmo ˆangulo com L. Deixaremos a demonstra¸c˜ao deste resultado como exerc´ıcio. Vejamos agora a demonstra¸c˜ao do teorema:

˜

DEMONSTRAC¸ AO: Provaremos apenas a primeira afirma¸c˜ao, a segunda se obt´em de forma similar. Consideremos dois segmentos consecutivos de uma mesma trajet´oria exterior: A 1 A e AA 2 . Obtenha os pontos B 1 e B 2

refletindo, respectivamente os focos F 1 e F 2 sobre os segmentos A 1 A e AA 2 .

Temos ent˜ao 4 ˆangulos iguais:

consequˆencia os triˆangulos AB 1 F 2 e AB 2 F 1 s˜ao congruentes e em particular temos que |B 1 F 2 | = |B 2 F 1 | e assim, segue diretamente que :

|F 1 C 1 | + |F 2 C 1 | = |F 1 C 2 | + |F 2 C 2 |

onde C 1 e C 2 s˜ao os pontos de intersec¸c˜ao de AA 1 com B 1 F 2 e A 2 A com B 2 F 1 respectivamente.Assim, os pontos C 1 e C 2 pertencem a mesma elipse com focos F 1 e F 2 e os segmentos A 1 A e A 2 A s˜ao tangentes a esta elipse. Ou seja, cada uma destas elipses ´e uma “caustica” .

F 2 AA 2 e < A 2 AB 2 Por

< B 1 AA 1 ,< A 1 AF 1 ,