La Ecuacion Logstica

Irene Peral Walias

1. Introduccion y preliminares
Cuando se comenzo el estudio de la dinamica de poblaciones por medio
del modelo de Malthus se comprobo que no se ajustaba a la realidad. Ninguna
poblacion puede crecer indefinidamente a una tasa constante. Solo para casos
de cultivos de bacterias en cortos periodos de tiempo en los que el sustrato
es suficiente, el modelo malthusiano puede tenerse en cuenta.
Cuando una poblacion llega a ser demasiado numerosa, aparecen restric-
ciones del medio en forma de limitaciones de espacio, de recursos, etc. , que
haran disminuir la tasa de crecimiento o, incluso, que la haran negativa provo-
cando que la poblacion disminuya. Es mas realista suponer que el medio solo
puede sostener de manera estable un maximo K de poblacion (la capacidad
de soporte del medio), de modo que si

- x(t) > K, la tasa sera negativa y la poblacion decrecera acercandose

a K.

- Si x(t) = K la tasa sera nula y, por tanto, la poblacion constante.

- Si x(t) < K, la tasa sera positiva , creciendo entonces la poblacion,

aunque mas lentamente cuanto mas proxima este del valor de K.

Una forma de reflejar matematicamente este comportamiento es imponer que

la tasa de crecimiento x0 /x sea proporcional a la diferencia (K x). Se tiene
as la denominada ecuacion logistica(clasica), que reformulamos como,

x0 = Ax(1 x).

Es facil ver que en este caso hay dos equilibrios, x = 0 y x = 1, inestable

y estable respectivamente. Un modelo mas complicado es cuando se admite

1
difusion espacial, en este caso la ecuacion logstica mas simple, tambien cono-
cida como ecuacion de Fisher-Kolmogoroff, se escribe, en su version mas sim-
ple, como
ut Du = Au(1 u).
Vease [1] y [9]. En este trabajo nos limitamos a la ecuacion diferencial logsti-
ca clasica.
Otros modelos de Ecuacion logstica mas general son, por ejemplo,

x0 = x (1 x) ,

donde , R, que no se abordan en este estudio.

En el caso de la ecuacion logstica clasica haremos el estudio de la
ecuacion discreta, es decir, con paso de tiempo unitario. A tal efecto, precis-
aremos algunos conceptos que van a ser usados de forma sistematica.
Sea
f :RR
una funcion suficientemente regular.
Dado x0 R definimos x1 = f (x0 ) y en general xk+1 = f (xk ).
Se dice que x es un punto de equilibrio para f , o que es un punto fijo, si
x = f (x).

Definicion 1.1 Se dice que un equilibrio x b es estable si para todo > 0

b) < entonces dist(f k (x0 ), x
existe un > 0 tal que si dist(x0 , x b) < para
todo k > 0.

b es asintoticamente estable si
Definicion 1.2 Se dice que un equilibrio x
satisface estas dos condiciones:
b es estable
i) x
b) < r entonces
ii) Existe un r > 0 tal que si dist(x0 , x

lm dist(f k (x0 ), x
b) = 0,
k

es decir, f k (x0 ) x
b cuando k (atractor).

Definicion 1.3 Se dice que un equilibrio x b es inestable si no es estable, es

b) <
decir, si existe un > 0 tal que para todo > 0, existe x0 con dist(x0 , x
tal que dist(f k (x0 ), x
b) para algun k 0.

Se tiene el siguiente resultado clasico.

Teorema 1.1 Sea f una aplicacion C 1 . Un punto fijo x de f es asintotica-
mente estable si |f 0 (x)| < 1 y es inestable si |f 0 (x)| > 1.
Vease, por ejemplo, [5] pagina 73.

2
2. La Ecuacion Clasica
La ecuacion logstica clasica esta definida por la iteracion:

xn+1 = A xn (1 xn ), A>0 (1)

En otras palabras, dado un valor inicial x0 , generamos un nuevo valor x1 a

partir de la relacion x1 = A x0 (1 x0 ) y luego repetimos el proceso para
generar x2 a partir de x1 , y as sucesivamente.

Observese que esta recurrencia consiste en iterar la funcion uniparametrica,

f (A, x) = A x (1 x) (2)

denomina aplicacion logistica.

Notese que para cualquier valor de A, f (A, 0) = f (A, 1) = 0.

Los puntos fijos de f (A, x) son las soluciones de la ecuacion x = f (A, x), es
decir, las soluciones de

x = A x (1 x) (3)

Resolviendo algebraicamente la ecuacion (3), aparecen dos puntos fijos 0 y

1
pA = 1 .
A
Ademas:

1. Si A > 1 entonces pA (0, 1).

2. Como f 0 (A, x) = A (1 2x) resulta

f 0 (A, 0) = A y f 0 (A, pA ) = 2 A

Dada la iteracion (1), es decir,

xn+1 = A xn (1 xn ), A > 0,

se escribe como,


x1 = f (x0 )

x2 = f (f (x0 )) = f 2 (x0 )
(4)

...

xn = f n (x0 )

3
Lema 2.1 Considerese la aplicacion logstica (2)

i) Sean A > 1 y x0 < 0 entonces f n (A, x0 ) cuando n , es

decir, xn cuando n .
(Analogamente si x0 > 1, f n (A, x0 ) cuando n ).

ii) Sean 0 < A < 1 y x0 (0, 1) entonces f n (A, x0 ) 0 cuando n ,

es decir, xn 0 cuando n .

iii) Sean 1 < A < 4 y x0 (0, 1) entonces f n (A, x0 ) (0, 1) n N, es

decir, {xn } (0, 1) n N

Demostracion.

i) Si x0 < 0 entonces f (A, x0 ) = x1 < x0 . Por tanto, {f n (A, x0 )} = {xn }

es una sucesion decreciente. Pero esta sucesion no converge porque f
no tiene un punto fijo negativo.
En el segundo caso, x0 > 1, se tiene que x1 < 0 y aplicamos el caso
previo.

ii) Como 0 < A < 1 y x0 (0, 1) entonces 0 < f (A, x0 ) = x1 < x0 . Por
tanto, {f n (A, x0 )} = {xn } es una sucesion decreciente, que converge a
0, punto fijo de f .

iii) El maximo valor de f es menor que 1, para cualquier A (1, 4).

En efecto, se tiene
1
f 0 (A, x) = 0 A (1 2x) = 0 x =
2
cualquiera que sea A.
Es facil ver que se trata de un maximo. Finalmente, valorando la funcion
1
en x = tenemos
2
 1 1
f A, = A < 1 A (1, 4)
2 4


4
 Maximo de f(A,x)=A*x*(1x)
y =A/4
max

x =0.5
max

Figura 1. Punto maximo de la aplicacion logstica.

2.1. Dinamica de la aplicacion logstica

Estudiemos la dinamica de la aplicacion logstica para varios rangos del
parametro A. Distinguimos:
0 < A < 1.
Por el teorema (1.1), se concluye que el punto fijo 0 es estable (pues
|f 0 (A, 0)| = |A| < 1 por hipotesis). Si restringimos f a (0, 1), 0 es un
atractor global.
Desde el punto de vista de modelizacion de una especie, no tiene sentido
tener en cuenta el otro punto fijo de f por ser negativo.

0.25 0.25

0.2 0.2
xn+1

xn+1

0.15 0.15

0.1 0.1

0.05 0.05

0 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x x
n n

(A = 0,9 y x0 = 0,4) (A = 0,9 y x0 = 0,8)

Figura 2. Iteraciones de la ecuacion logstica clasica

5
 pA

A
0 1
p =11/A
A

Figura 3. Diagrama de puntos fijos

(0 < A < 1)

A = 1.
A = 1 es un punto de bifurcacion desde cero, en el sentido que cuando
1
A > 1 obtenemos pA = 1 > 0 y ademas pA 0 cuando A 1.
A
pA

y=1

pA=11/A

1 A
0
Figura 4. Diagrama de bifurcacion. (A = 1)
G rama de soluciones positivas.
(A, pA ) = (1, 0) punto de bifurcacion para G

1 < A < 3.
Por el teorema (1.1) concluimos:
- El punto fijo 0 es inestable (pues |f 0 (A, 0)| = |A| > 1 por
hipotesis).

6
 1
- El punto fijo pA = 1 es asintoticamente estable (pues
A
|f 0 (A, pA )| = |2 A| < 1 ya que por hipotesis 1 < A < 3).

Si restringimos f a (0, 1) se tiene que pA es un atractor global, es decir,

si 0 < x0 < 1 se tiene que lm f n (A, x0 ) = pA . En efecto, distinguimos
n
dos casos:
1
Caso I. Si 1 < A < 2 entonces 0 < pA < .
2
Ademas, como f 0 (A, x) = A (1 2x), se tienen:
1
a) Si 0 < x0 < entonces f 0 (A, x0 ) > 0 y
2

xn = f (xn1 ) [0, 1] es creciente

{xn } pA por compacidad

entonces toda la sucesion converge a pA por monotona.

0.7

0.6

0.5

0.4
n+1
x

0.3

0.2

0.1

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
n

Figura 5. Iteraciones de la Ecuacion Logstica Clasica

(A = 1,8 y x0 = 0,18)

1
b) Si < x0 < 1 entonces f 0 (A, x0 ) < 0. Ademas,
2
1 1 1
x1 = A x0 (1 x0 ) < 2 1 =
2 2 2
entonces
 1apartir de la primera iteracion entramos en el inter-
valo 0, y se esta en el caso a).
2

7
 0.7

0.6

0.5

0.4

n+1
x
0.3

0.2

0.1

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
n

Figura 6. Iteraciones de la Ecuacion Logstica Clasica

(A = 1,8 y x0 = 0,9)

1
Observacion: Si A = 2 entonces pA = , es decir, es el maximo
2
de f (2, x). Notese que el comportamiento, en este caso particular,
es analogo al caso anterior.

1 2
Caso II. Si 2 < A < 3 entonces < pA < .
2 3
Veamos que pA es un atractor global.

1 1

0.9 0.9

0.8 0.8

0.7 0.7

0.6 0.6
n+1

n+1

0.5 0.5
x

0.4 0.4

0.3 0.3

0.2 0.2

0.1 0.1

0 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
xn xn

(A = 2,8 y x0 = 0,18) (A = 2,8 y x0 = 0,9)

Figura 7. Iteraciones de la ecuacion logstica clasica

8
 Comprobemos que existe pc
A tal que:
 1
i) pc
A 0,
2
ii) f (A, pc
A ) = pA

En efecto, la ecuacion
1
pA = A x (1 x) 1 = Ax Ax2
A
tiene por soluciones
q
p
A + A2 4A(1 A1 ) A + (A 2)2 1
x1 = = = 1 = pA
2A 2A A
q
p
A A2 4A(1 A1 ) A (A 2)2 1
x2 = = = = pc A
2A 2A A

Por tanto, f (A, pc

A ) = pA y f (A, pA ) = pA entonces

f 2 (A, pc
A ) = pA

Ademas,
  A2  A 1
f 2 A, 12 = 1 > si 2 < A < 3.
4 4 2
    1
f 2 A, 21 f 2 A, pA = pA por ser x = mnimo.
2

1 1

y=x

0 psimA pA 1 0 psimA x=1/2 pA 1

x=1/2

Figura 8. Situacion de pA y pc
A = psimA .

9
 Distinguimos los siguientes casos:
Caso 1. Sea x [c
pA , pA ].
De ahora en adelante denotaremos

f 2 (A, x) g(A, x).

As
g 0 (A, x) = A2 (1 2Ax(1 x)) (1 2x)
g 00 (A, x) = 2A2 ((A + 1) + 6Ax 6Ax2 )

Se observa que
h1 i
- g (A, x) > 0 en
00
, pA
2
h1 i
- g 0 (A, x) > 0 en , pA
2
por tanto,
  A 1 2
0 0 2
max g (A, x) = g (A, p A ) = A 12 < 1 si 2 < A < 3
[ 12 ,pA ] A

Luego, g(A, x) es contractiva en [c

pA , pA ]. As,

g n (A, x) pA x [c
p A , pA ]

Como pA es el unico punto de equilibrio estable

f n (A, x) pA

Caso 2. Sea x [0, pcA ].

1
Como pc A < < pA , f (A, x) > x por iteracion se puede
2
comprobar que existe k0 tal que f k0 (A, x) [cpA , pA ] y se tiene
el caso 1.
Caso 3. Si x [pA , 1] entonces 0 < f (x) < f (pA ) = pA .
Por tanto,
f (x) [0, pA ]
y se tiene los casos anteriores.
Recopilando, si A (2, 3), pA es atractor global.

10
 A3
2
Si A = 3 entonces p3 = es un nuevo punto de bifurcacion de (1) para
3
el que f 0 (3, p3 ) = 1
En efecto, para A > 3 consideremos la segunda iteracion del proceso
recursivo (4)
h i h i
g(A, x) = f (A, f (A, x)) = A A x (1 x) 1 A x (1 x) .

Los puntos fijos de g(A, x) son las soluciones de

h i
x = A2 x (1 x) 1 A x (1 x)

dadas por
x1 = 0

1
x2 (A) = 1 = pA
A
p
1 + A (A 3)(A + 1)
x3 (A) =
2A
p
1 + A + (A 3)(A + 1)
x4 (A) =
2A
Los dos primeros son los puntos fijos de f (A, x). Los otros dos son, para
A > 3, puntos fijos de g(A, x) que no son de equilibrio de (1)

y=x

y=x

x1 x2=pA x1 x3 x2=pA x4

(A = 2,8) (A = 3)
Figura 9. Primera y segunda iteraciones de la ecuacion logstica

11
La orbita {x3 , x4 } es una orbita periodica de periodo dos. Ademas como
 
g 0 (A, x) = f 0 (A, f (A, x)) f 0 (A, x) = A2 1 2Ax(1 x) (1 2x)

entonces
g 0 (A, x3 ) = g 0 (A, x4 ) = A2 + 2A + 4
2
y la orbita {x3 , x
4 } es atractora cuando | A + 2A + 4| < 1, es decir,
para A (3, 1 + 6)
En consecuencia, en el punto (3, p3 ) (3, 2/3) se produce la rami-
ficacion de una orbita de perodo dos, y por eso esta bifurcacion se
denomina bifurcacion de duplicacion de periodo, y la trasferencia de
estabilidad entre esta y la orbita fija.
El diagrama de bifurcacion que se muestra en la figura siguiente in-
cluye la representacion de la curva formada por los puntos de la orbita
periodica.

y=1

x4(A)

p
A

x3(A)

A
3 1+61/2

Figura 10. Diagrama de bifurcacion. (A = 3)

Si A = 1 + 6 en los puntos (A, x3 (A)) y (A, x4 (A)) se tiene otra
bifurcacion, es decir,

g 0 (A, x3 ) = g 0 (A, x4 ) = 1

y la orbita de perodo dos pasa a ser inestable. Se trata de otra bifur-

cacion de duplicacion de perodo, que se analiza estudiando la segunda
iteracion de g = f 2 , es decir, la cuarta iteracion de f . Se produce as la
ramificacion de una orbita atractora de perodo cuatro.
Pero la ecuacion logstica (1) no solo
tiene bifurcaciones de duplicacion
de perodo en A = 3 y A = 1 + 6, se puede probar que existe una
sucesion (vease [2] y [3]) An de bifurcaciones en las que ramifican orbitas

12
 atractoras de perodo 2n , pasando a ser repulsoras las de perodo 2n1 .
Ademas se demuestra que
lm An = A 3,57
n

y, a partir de ese valor, la ecuacion (1) tiene infinitas orbitas periodicas

inestables (al menos todas las de perodo par, aunque se puede pro-
bar que existen orbitas de cualquier perodo) y aparecen trayectorias
aperiodicas acotadas que no convergen a orbitas regulares (estacionar-
ias o periodicas). El coportamiento de las orbitas se va haciendo mas
complejo, como se pone de manifiesto en la siguiente figura.

1 1

0.9 0.9

0.8 0.8

0.7 0.7

0.6 0.6
n+1

n+1

0.5 0.5
x

0.4 0.4

0.3 0.3

0.2 0.2

0.1 0.1

0 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x x
n n

(A = 2,8) (A = 3,2)

1 1

0.9 0.9

0.8 0.8

0.7 0.7

0.6 0.6
n+1

n+1

0.5 0.5
x

0.4 0.4

0.3 0.3

0.2 0.2

0.1 0.1

0 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x x
n n

(A = 3,5) (A = 3,8)
Figura 11. Distintas evoluciones de las orbitas de la ecuacion logstica

13
 Se observa como la evolucion de las orbitas cambia al variar el parametro
A. Para A [0, 4], el intervalo I = [0, 1] es invariante por f (A, x), por
lo que las orbitas que comienzan en un punto de I son acotadas (xk I,
para todo k N).
Cuando A = 2,8, las orbitas no fijas tienden al equilibrio positivo (lo
que sucede para 1 < A < 3).
Si A = 3,2, las orbitas no fijas
tienden a un ciclo de perodo dos (lo
que sucede para 3 < A < 1 + 6), cuando A = 3,45 tienden a uno de
perodo cuatro, y cuando A = 3,5 tienden a uno de periodo ocho.
Finalmente, para A = 3,6 y A = 3,8 las orbitas aperiodicas no conver-
gen a ningun ciclo periodico.
Estas orbitas aperiodicas (que existen cuando A < A 4 ) presentan
una caracterstica destacada: tienen una dependencia sensible respecto
de los datos iniciales (DSDI).

Definicion 2.1 Se dice que una orbita (x0 ) tiene DSDI si existe d > 0
de forma que cualquier entorno V de x0 contiene un punto x tal que
dist(f k (x), f k (x0 )) d para algun k N, es decir, tiene orbitas tan
cercanas inicialmente como se quiera cuya evolucion en algun momento
se separa de (x0 ) (al menos d unidades).

Este hecho tiene una notable relevancia pues imposibilita la prediccion

a medio y largo plazo: los pequenos errores iniciales se convierten en
grandes errores futuros.

Grfica de xn frente a n Grfica de xn frente a n

1 1

0.9
0.9

0.8
0.8

0.7

0.7

0.6

0.6
0.5

0.5
0.4

0.3 0.4

0.2
0.3
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100

Figura 12. Dependencia sensible respecto de los datos iniciales.

Las orbitas acotadas, no periodicas, y que presentan dependencia sensi-

ble se denominan orbitas caoticas. Se puede demostrar que para
A > A , la ecuacion logstica tiene orbitas caoticas. En este caso el

14
comportamiento asintotico de las orbitas de (1) no puede ser descrito
en terminos de conjuntos simples(con un numero finito de puntos
determinados por orbitas fijas o periodicas), por lo que el concepto de
atraccion se generaliza a conjuntos arbitrarios:

Definicion 2.2 Se dice que un conjunto O R es un atractor de la

ecuacion
xk+1 = f (xk )
si es invariante por f , existe un conjunto D O de medida no nula
tal que lm dist(f k (x0 ), O) = 0 para todo x0 D (es decir, atrae a
n
todas las orbitas que empiezan en D) y tiene una orbita densa (lo que
garantiza que contiene lo mnimo, lo esencial).

Definicion 2.3 Si el atractor de una ecuacion contiene una orbita

caotica, se dice que es un atractor caotico.

Los atractores caoticos constan de infinitos puntos y suelen ser ex-

tremadamente irregulares.
En la siguiente figura, se ha representado el comportamiento asintotico
de la ecuacion logstica, para ello, se ha dibujado la evolucion de una
orbita (con dato inicial x0 = 0,2) desde la iteracion 500 (con el objeto
de esperar su asentamiento sobre el conjunto atractor) hasta la 5000
para valores del parametro A [20 8, 4]. A esta grafica, aunque las
orbitas inestables no aparecen representadas , tambien se la denomina
diagrama de bifurcacion.
1

0.9

0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0
2.6 2.8 3 3.2 3.4 3.6 3.8 4

Figura 13. Diagrama de bifurcacion de la ecuacion logstica.

15
La complejidad del comportamiento de las orbitas de la ecuacion logsti-
ca para A > A queda patente en la anterior figura. Se observa co-
mo los atractores parecen rellenarun subintervalo de I = [0, 1], lo
que no es as pues de dichos subintervalos tambien arrancan infini-
tas orbitas periodicas inestables. Tambien se aprecian regiones con
atractores periodicos (que se corresponden con las franjas claras verti-
cales del diagrama), denominadas ventanas periodicas. En estos casos,
aunque existen orbitas periodicas, la region de atraccion tiene medida
nula por lo que en la practica, son inobservables(y entonces no existe
atractor caotico).

Los atractores caoticos son extremadamente irregulares y presentan

ricas etructuras sobre escalas arbitrariamente pequenas. Ello hace que
para su adecuada caracterizacion se introduzcan nuevos conceptos de
dimension, distintos de la dimension eucldea permitiendo el uso de
dimensiones no enteras(fractales). En particular, se demuestra que el
atractor de la ecuacion logstica para A = 4 es un conjunto de Cantor,
ln2
con dimension de Haussdorff 0,63 (vease [7]).
ln3
Por otro lado, la existencia de estos atractores caoticos diluye la posi-
bilidad de precisar con detalle el comportamiento a largo plazo de las
orbitas del sistema: las orbitas recorren el atractor de forma extraordi-
nariamente compleja, visitando todas sus partes con probabilidad
positiva y generando una evolucion de apariencia aleatoria por lo que la
descripcion de la dinamica del sistema se ha de llevar a cabo mediante
el uso de conceptos y metodos estocasticos.

La existencia de dinamicas caoticas, en el contexto de las ecuaciones

diferenciales, solo es posible para sistemas con dimension n 3, mien-
tras que en los sistemas discretos invertibles (con f y f 1 diferenciables)
hace falta dimension n 2 para que pueda existir dinamica caotica.
Tenemos as una escala de dimensiones mnimas para la posibilidad de
caos:

Sistemas dinamicos discretos xk+1 = f (xk ), f arbitraria, n = 1.

Sistemas dinamicos discretos xk+1 = f (xk ), f invertible, n = 2.
Sistemas dinamicos continuos x0 = f (x), f arbitraria, n = 3.

16
Referencias
[1] D.G. Aronson, H.F. Weinberger, Nonlinear diffusion in populations
genetics, combustion, and nerve pulse propagation. Lectures Notes
in Mathematics No 446, Springer-Verlag, 1978 pg 5-49.

[2] R.L. Devaney, An introduction to chaotic dynamical systems Second

Edition, Addison Wesley, 1989.

[3] S. N. Elaydi, Discrete chaos Chapman and Hall, 2000.

[4] C. Fernandez Perez, F.J. Vazquez Hernandez, J.M. Vegas Montan-

er, Ecuaciones diferenciales y en diferencias. Sistemas dinamicos,
Thomson, 2003.

[5] J. Hale, H. Kocak, Dynamics and Bifurcations , Springer-Verlag,

1991.

[6] M.W. Hirsch, S. Smale, Ecuaciones diferenciales, sistemas dinami-

cos y algebra lineal Alianza Universidad, 1983.

[7] R.A. Holmgrem, A first course in discrete dynamical systems,

Springer- Verlag, 1994.

[8] J.D. Murray, Mathematical Biology. Vol 1 Introduction, Third Edi-

tion, Springer-Verlag, 2002.

[9] J.D. Murray, Mathematical Biology. Vol 2 Spatial model and biomed-
ical applications Third Edition, Springer-Verlag, 2003.

[10] P. Quintela Estevez, Matematicas en ingeniera con Matlab Univer-

sidade de Santiago de Compostela Publications, 2000.

17