lOMoARcPSD|30179399

Proyecto ecuacion logistica

Ecuaciones diferenciales (Universidad del Cauca)

Studocu no está patrocinado ni avalado por ningún colegio o universidad.

Descargado por Luis Montañez (luisfmv10@gmail.com)
 lOMoARcPSD|30179399

Miniproyecto I: Aplicaciones de ED de primer orden

Duplicación de periodo y caos
Aura Cristina Martínez Navia
Cristian Alexander Cuastumal
Hamilton Efrain Pipicano Álvarez
acmartinez@unicauca.edu.co
crialexcu@unicauca.edu.co
hpipicano@unicauca.edu.co

Resumen. En este trabajo se modeló el cambio de la función logística dependiendo de su

tamaño de paso, donde se observó un claro patrón de indeterminación para ciertos valores
oscilantes respecto a las h tomadas. También se modeló el problema en dos tipos de
iteración diferentes. Runge Kutta y método de Euler.

1. Introducción 1.1. Conceptos y fórmulas

El caos está presente en casi todos los
sistemas de la naturaleza, Solo basta Definición caos
imaginarse el movimiento de un péndulo
Definiciones del libro Chaos [1987] de James
doble a grandes ángulos, para con ello,
Gelick.
obtener un sistema simple, pero caótico. En
otros casos, al querer modelar el Orbitas atractoras complicadas y
comportamiento de dos especies que aperiódicas, de ciertos sistemas
conviven en un ambiente controlado (El cual dinámicos (usualmente de baja
es nuestro caso), se puede ver que, para dimensión).
ciertas condiciones iniciales, las poblaciones
se establecen en un valor, se extinguen, o Philip Holmes
entrar en valores oscilantes, lo que conlleva Cierto tipo de orden sin periodicidad.
al caos del modelo logístico. También: Campo de estudio de
En 1838 el científico P.F Verhulst se interesó rápida expansión al cual
en las matemáticas del crecimiento matemáticos, Jisicos,
poblacional e introdujo un nuevo enfoque en hidrodinamicistas, ecologistas y
tal estudio, la idea consistía en considerar un muchos otros han hecho importantes
termino extra para describir como se contribuciones.
desarrolla una población en un área cerrada, Hao Bai-Lin
en ese entonces ya existía una ecuación de la
dinámica poblacional, pero con este nuevo
factor la ecuación se convirtió en no-lineal. Comportamiento aparentemente
De dicho problema surgió la ecuación recurrente y aleatorio en un sistema
denominada “logística”, la cual se utilizará determinístico (tipo reloj) simple.
este proyecto para conocer la ruta mas
conocida al caos, conocida como de H. Bruce Stewart
“duplicación de periodo”. El comportamiento irregular e
impredecible de sistemas dinámicos
no-lineales determinísficos.
Roderick V. Jensen

Descargado por Luis Montañez (luisfmv10@gmail.com)

 lOMoARcPSD|30179399

Duplicación del periodo. apreciar al usar un esquema numérico para

aproximar la solución de un problema con
En este primer escenario el periodo de la
solución se bifurca en ciertos valores de un valor inicial para una ecuación diferencial no
parámetro, hasta que cuando el parámetro lineal, como el modelo logístico para el
alcanza un valor crítico la solución es caótica. crecimiento de poblaciones:
Por lo tanto, se debe definir la ecuación
diferencial a tratar ya dada para este proyecto,
Dinámica poblacional y ecuación logística la cual será la siguiente:
El modelo continuo para la dinámica 𝑑𝑝
poblacional esta dado por la siguiente = 10𝑝(1 − 𝑝) , 𝑝(0) = 0.1
𝑑𝑡
ecuación diferencial ordinaria.
Resolviendo analíticamente, se realiza una
𝑑𝑥 separación de variables y se integra
= 𝑘𝑥
𝑑𝑡 𝑑𝑝
Para todo k < 0, la relación está indefinida ∫ = ∫ −10𝑑𝑡
𝑝(𝑝 − 1)
para la dinámica poblacional
Realizando fracciones parciales, se obtiene:
Esta relación es la ecuación de crecimiento o
decaimiento exponencial que se utiliza para 1 1
∫ − 𝑑𝑝 = ∫ −10𝑑𝑡
estudiar la población xt de cierta especie 𝑝−1 𝑝
(biología, química, etc.). En esta relación, t es 𝑝−1
el tiempo y k es la constante. 𝐿𝑛 ( ) = −10𝑡 + 𝑘
𝑝
Si embargo esta ecuación no esta tan realista. 𝑝−1
por ello se utilizará la ecuación descrita por ( ) = 𝐶𝑒 −10𝑡
Verhulst, la cual se le introdujo un termino 𝑝
que da como resultado un modelo mas 1
exacto. 𝑝(𝑡) =
1 − 𝐶𝑒 −10𝑡
Ahora aplicando las condiciones iniciales
𝑑𝑥 1
= 𝑘𝑥(𝐿 − 𝑥) 𝑝(0) = 0.1 =
𝑑𝑡 1−𝐶
𝐶 = −9
Donde L es el límite de la población. Al 1
utilizar este nuevo termino se hace una 𝑝(𝑡) =
1 + 9𝑒 −10𝑡
validación de crecimiento/muerte.
Además de usar el modelo analítico, se
Para la solución de esta ecuación, se debe trabajará con dos modelos iterativos, los
conocer Ecuación diferencial de variables cuales son el método de Euler y el método de
separables. Para resolver una ecuación Runge Kutta. Las iteraciones serán descritas
diferencial por medio de separación de a continuación:
variables, se debe ser capaz de llevarla a la
forma f(y)dy=g(x)dx donde f(y)) es una 𝑥𝑛+1 = 𝑥𝑛 + ℎ
expresión que no contiene la variable x y 𝑦𝑛+1 = 𝑦𝑛 + ℎ𝑓(𝑥𝑛 , 𝑦𝑛 )
g(x), es una expresión que no contiene la
variable y Método de Euler con tamaño de paso h.
𝑥𝑛+1 = 𝑥𝑛 + ℎ
1
2. Resultados y análisis 𝑦𝑛+1 = 𝑦𝑛 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )
6
En el estudio de los sistemas dinámicos se 𝑘1 = ℎ𝑓(𝑥𝑛 , 𝑦𝑛 )
observan los fenómenos de duplicación de
ℎ 𝑘1
periodo y caos. Estos fenómenos se pueden 𝑘2 = ℎ𝑓(𝑥𝑛 + , 𝑦𝑛 + )
2 2
2

Descargado por Luis Montañez (luisfmv10@gmail.com)

 lOMoARcPSD|30179399

ℎ 𝑘2
𝑘3 = ℎ𝑓(𝑥𝑛 + , 𝑦𝑛 + )
2 2
𝑘4 = ℎ𝑓(𝑥𝑛 + ℎ, 𝑦𝑛 + 𝑘3 )
Método de Runge Kutta 4.

Inicialmente, se tomará el resultado analítico

hallado en la sección de ecuaciones, y se
calculará su límite cuando el tiempo es muy
grande
1 1
lim −10𝑡
= =1 Grafica 2: Grafica de la solución con h=0.18. Se
𝑡→∞ 1 + 9𝑒 1−0 observa que la solución converge a 1.
Así, se demuestra que la función tiende a 1.
Graficando dicho resultado, se obtiene: En la Grafica 3, cuando h = 0.25, el sistema
se estaciona en un ciclo de periodo cuatro, es
decir, hay 4 puntos fijos los cuales son: 1.23,
0.54, 1.16 y 0.70.

Grafica 1: Gráfica de la función p(t) con las

condiciones iniciales dadas por el ejercicio.
Ahora bien, al realizar la aproximación Grafica 3: Solución de la iteración con h=0.25. En
iterativa de Euler, se debe tener en cuenta que este caso, la solución tiende a cuatro valores: 1.23,
0.54, 1.16 y 0.70.
𝑓(𝑥𝑛 , 𝑝𝑛 ) = 10𝑝𝑛 (1 − 𝑝𝑛 )
Así, reemplazando en la ecuación de
recurrencia: En la Grafica 4, para cuando h=0.3 aparece
el estado caótico, es un estado donde los x(t)
𝑝𝑛+1 = 𝑝𝑛 + 10ℎ𝑝𝑛 (1 − 𝑝𝑛 )
parecen estar aleatoriamente distribuidos
𝑝𝑛+1 = (1 + 10ℎ)𝑝𝑛 − 10ℎ𝑝𝑛2 dentro de una banda de valores determinados,
Ahora, usando el código 1 de Matlab, ver la siguiente figura muestra la situación para
anexo, y variando los posibles valores del h=0.3.
tamaño de paso:
En este orden se presentan las gráficas
obtenidas
Se utilizó el valor de h = 0.18 en la Grafica
2 donde se puede evidenciar como la solución
converge a 1, sin importar el valor inicial

Descargado por Luis Montañez (luisfmv10@gmail.com)

 lOMoARcPSD|30179399

graficar de manera mas precisa gracias a su

tecnología, para poder realizar la gráfica
implicará partir de un xo y luego efectuar el
proceso iterativo de h = 0,23, 0.25 o 0.3

Grafica 4: Solución de la iteración con h=0.3. Aquí

se observan muchos valores de variación, por lo que
se entra en un estado de caos. Grafica 6: Simulación del modelo de Caos.
Ahora bien, realizando el mismo análisis,
Para los valores de h=0.23 es similar a la pero con el modelo de Runge Kutta, se
Grafica 3 solo que en este caso el sistema se obtiene el siguiente código, donde se variará
encuentra en un ciclo de periodo dos, lo que el paso para realizar cada una de las gráficas
quiere decir que tiene dos puntos fijos : 1.18 obtenidas.
y 0.69 los cuales se puden ver en la siguiente Ver código de las siguientes graficas en el
grafica: anexo código 3.

Los análisis realizados para las siguientes

graficas son muy similares que las gráficas ya
mostradas (ver en la descripción de las
gráficas).
Así, las gráficas obtenidas son:

Grafica 5: Solución de la iteración con h=0.23. Aquí

es claro que la función toma dos valores: 1.18 y 0.69.

Por medio de la instrucción dada en la guía,

es posible realizar el código para obtener el
modelo de Caos, el cual viene dado por el
código 2 (ver en el anexo código de
MATLAB): Grafica 7: Solución coherente a la solución analítica,
ya que, aunque sea un valor diferente, converge a un
único valor.
Así, se obtiene la Grafica 6, donde se
muestra un diagrama de bifurcaciones, el cual
permite la visualización del comportamiento
completo del mapeo, todo esto gracias a la
ecuación logística., el diagrama se construye
utilizando los valores del parámetro de
control h gracias a la herramienta
computacional de MATLAB se puede

Descargado por Luis Montañez (luisfmv10@gmail.com)

 lOMoARcPSD|30179399

Finalmente se pudo concluir que la

duplicación del periodo se comporta de la
misma manera sin importar que, en el sentido
que sin importar el contexto, se cumple para
cualquier sistema que la tasa de diferencia de
los valores en las que las bifurcaciones es
constante.

Referencias
Grafica 8: Solución coherente a la solución analítica,
ya que, aunque sea un valor diferente, converge a un • .
único valor. https://es.wikipedia.org/wiki/Funci%
C3%B3n_log%C3%ADstica
• Gleick James, 1897, Chaos: The
Making of a New Science
• Carlos Jesús García, enero 1993,
Teoría del caos: Algunas
implicaciones en el área de la
metodología en la ciencia,
Universidad Autónoma de Nuevo
León

Grafica 9: Solución oscilante que no determina un

valor estable en el infinito.

3. Conclusiones
Por medio de las simulaciones hechas, es
posible observar que el tamaño del paso es
fundamental en el momento de realizar una
aproximación logística, ya que, como se
observa en una gota cayendo de un grifo, el
“diferencial” de aumento permite tener
soluciones simples y coherentes, como
soluciones caóticas y sin convergencia.
El estudio de la ecuación logística es
interesante en mas de un sentido, porque,
aunque parece una ecuación sencilla, atrás de
su aparente simplicidad se encuentran
comportamientos complejos como el caos, y
las características definitivas que este posee,
como la gran sensibilidad ante las más
mínimas variaciones en las condiciones,
pueden generar soluciones completamente
distintas, con o sin ningún orden.

Descargado por Luis Montañez (luisfmv10@gmail.com)

 lOMoARcPSD|30179399

Y(i+1)=p;
end
Anexo: plot(X,Y)
Código MATLAB:
Código 1: Código 2:
1) Iteraciones=230;
Iteracion=40; v=[0];
X = 0:5/Iteracion:5; X=0.18:1/30250:0.30;
p=0.1; for h=0.18:0.001:0.30
Y=[0,0]; p=0.1;
h=0.18; Y=[0,0];
for i=0:1:Iteracion for i=0:1: Iteraciones
p=(1+10*h)*p-(10*h)*p*p; p=(1+10*h)*p-(10*h)*p*p;
Y(i+1)=p; Y(i+1)=p;
end end
plot(X,Y) v0=Y([201:230]);
v=[v v0];
2) end
Iteracion=40; plot(X,Y,'.')
X = 0:5/Iteracion:5;
p=0.1;
Y=[0,0]; Código 3:
h=0.3; Iteracion=60;
for i=0:1:Iteracion h=0.35; %Este valor se varía
p=(1+10*h)*p-(10*h)*p*p; para cada gráfica
Y(i+1)=p; b=Iteracion*h;
end X = 0:b/ Iteracion:b;
plot(X,Y) Y0=0.1;
X0=0;
c) Y=[0,0];
Iteracion=40; for i=0:1: Iteracion
X = 0:5/Iteracion:5; K1=h*10*Y0*(1-Y0);
p=0.1; K2=h*10*(Y0+K1./2)*(1-
Y=[0,0]; (Y0+K1./2));
h=0.25; K3=h*10*(Y0+K2./2)*(1-
for i=0:1:Iteracion (Y0+K2./2));
p=(1+10*h)*p-(10*h)*p*p; K4=h*10*(Y0+K3)*(1-(Y0+K3));
Y(i+1)=p; X0=X0+h;
end Y0=Y0+(1/6)*(K1+2*K2+2*K3+K4);
plot(X,Y) Y(i+1)=Y0;
end
plot(X,Y)
d)
Iteracion=40;
X = 0:5/Iteracion:5;
p=0.1;
Y=[0,0];
h=0.23;
for i=0:1:Iteracion
p=(1+10*h)*p-(10*h)*p*p;

Descargado por Luis Montañez (luisfmv10@gmail.com)