Dissertacao 25-05

INTRODUÇÃO À RECORRÊNCIA DE POINCARÉ
QUANTITATIVA
RICARDO BIONI LIBERALQUINO
1. Introdução
Em 1890, Henri Poincaré [26] publicou uma artigo no qual descreve o trabalho
pelo qual foi premiado pelo Rei da Suécia Oscar II, acerca da estabilidade do sis-
tema solar. Nesse trabalho, é introduzido o conceito de recorrência e estabelecido
um dos primeiros resultados da teoria qualitativa de sistemas dinâmicos, atual-
mente denominado Teorema de Recorrência de Poincaré.
Em 1943, Kač [20], à luz de um princípio de equivalência de Doob, apresentou um
teorema que permite computar o tempo médio de retorno a um conjunto fixado.
Porém, fixando um ponto e considerando vizinhanças arbitrariamente pequenas, o
teorema de Kač não dá uma ideia de como varia o tempo de retorno do ponto às vi-
zinhanças. Uma resposta para este problema é dada para sistemas suficientemente
misturadores através do conceito de taxa de recorrência. Nesse caso, para quase
todo x, o tempo de retorno na bola de centro x e raio r é da ordem de r−d , onde d
é a dimensão da medida do sistema.
Neste trabalho, seguimos de perto um artigo de Benoît Saussol [30] em que é estu-
dada a recorrência de Poincaré quantitativa para aplicações de Markov expansoras
no intervalo invariantes por estados de equilíbrio. Esse tipo de sistema é rapida-
mente misturador, com decaimento de correlações exponencial e permite demons-
trações simples e estimativas uniformes.
Sumário
1. Introdução 1
2. Resultados Clássicos de Recorrência 2
2.1. Teorema de Recorrência de Poincaré 2
2.2. Comportamento médio de tempos de retorno 3
3. Dimensão, Entropia e Expoente de Lyapunov 5
3.1. Codificação e Partições de Markov 5
3.2. Dimensão de Hausdorff 8
3.3. Entropia 10
3.4. Expoente de Lyapunov 10
4. Estados de Equilíbrio ou Medidas de Gibbs 12
4.1. Teorema de Ruelle-Perron-Frobenius 13
4.2. Taxa de recorrência 17
4.3. Método Rapidamente Misturador 19
4.4. Tempo de repetição e entropia 21
5. Flutuação do tempo de retorno 24
Date: 9 de junho de 2015.

1
2 RICARDO BIONI LIBERALQUINO
5.1. Lei exponencial 24

6. Primeiro tempo de retorno em bolas 28
6.1. Taxa de recorrência para cilindros sob entropia positiva 28
6.2. Taxa de retorno local para bolas 29
6.3. Dimensão para recorrências de Poincaré 30
7. Apêndice: Resultados auxiliares 31
Referências 33
2. Resultados Clássicos de Recorrência

Neste capítulo, trataremos de resultados clássicos de recorrência para sistemas
dinâmicos gerais. Tais resultados têm um aspecto mais qualitativo e servirão de
motivação para os resultados posteriores.
Consideraremos sistemas dinâmicos (X, A, T, µ), onde X é um espaço sobre o qual
está definida a σ-álgebra A e T : X → X é uma transformação mensurável que
preserva a medida de probabilidade µ definida sobre A, ou seja, µ(T −1 (A)) = µ(A)
para todo A ∈ A. Um sistema dinâmico é dito ergódico se conjuntos invariantes
são triviais, isto é, T −1 (A) = A =⇒ µ(A) ∈ {0, 1}.
2.1. Teorema de Recorrência de Poincaré. O teorema de recorrência de Poin-

caré [26, p. 69–73] foi formulado originalmente para fluxos que preservam volume
definidos a partir de equações diferenciais, tendo em mente o problema dos três
corpos, isto é, o estudo das órbitas de três corpos celestes sujeitos a interações gra-
vitacionais (por exemplo, Terra, Lua e Sol, num modelo simplificado para o estudo
do movimento da Terra).
Nas hipóteses originais, assume-se que as órbitas não escapem de uma certa re-
gião limitada. Essa hipótese é necessária para garantir que o sistema possua uma
medida invariante finita. Como estamos tratando de medidas de probabilidade, a
finitude da medida é imediata.
Trataremos de sistemas dinâmicos discretos, isto é, em vez de fluxos, considerare-
mos iterações de uma transformação T . Nesse caso, o teorema de recorrência de
Poincaré enuncia-se da seguinte forma.
Teorema 1. Seja A ∈ A um conjunto mensurável. Então, para µ-quase todo
x ∈ A, a órbita positiva T n x, n = 1, 2, . . . intersecta A infinitas vezes.
Faremos uso da seguinte definição.
Definição 1. Dado um conjunto A e um ponto x ∈ A, definimos o tempo de entrada
(“hitting time”)
τA : X −→ N ∪ {+∞}, τA (x) = min{n ∈ N : T n x ∈ A},
onde pomos τA (x) = +∞ se T n x ∈
/ A para todo n ∈ N. Quando x ∈ A, τA (x) é
denominado tempo de primeiro retorno de x.
Demonstração do teorema. Dado qualquer n ∈ N, temos que
{τA ≤ n} = {τA ◦ T ≤ n − 1} ∪ (T −1 (A) ∩ {τA ◦ T > n − 1})
= {τA ◦ T ≤ n − 1} ∪ T −1 (A ∩ {τA > n − 1}).
INTRODUÇÃO À RECORRÊNCIA DE POINCARÉ QUANTITATIVA 3
Por invariância de medidas, concluímos que

(1) µ(τA = n) = µ(A ∩ {τA ≥ n}).
Em particular,
P µ(τA = n) ≥ µ(A ∩ {τA = +∞}) para todo n ∈ N.
Como n∈N µ(τA = n) = µ(τA < +∞) < +∞, concluímos da desigualdade que
µ(A ∩ {τA = +∞}) = 0. Por invariância,
[
T −n (A ∩ {τA = +∞})
n≥0
é um conjunto de medida nula, o qual contém o conjunto dos x ∈ A que possuem

apenas um número finito de iterados em A. Segue-se o resultado.
No caso em que X tem uma base enumerável de abertos, o resultado pode ser
refinado ao seguinte teorema, denominado versão topológica do teorema de recor-
rência de Poincaré.
Teorema 2. Se X possui uma base enumerável de abertos e µ é Boreliana, então
µ-quase todo x ∈ X é recorrente para T , isto é, para toda vizinhança U 3 x, existem
infinitos n ∈ N tais que T n x ∈ U .
Demonstração. Tomemos uma base enumerável {Uk }k∈N de abertos de X. Pelo
teorema de recorrência de Poincaré, para cada k ∈ N, existe Ũk ⊂ Uk tal que a
órbita positiva de qualquer x ∈ Uk \ Ũk intersecta Uk infinitas vezes e µ(Ũk ) = 0.
Logo, X̃ = ∪k∈N Ũk é um conjunto mensurável de medida nula e, para toda vizi-
nhança U de qualquer x ∈ X \ X̃, podemos tomar Uk 3 x, Uk ⊂ U . Logo, existem
infinitos n ∈ N tais que T n x ∈ Uk ⊂ U , pois x ∈ Uk \ X̃ ⊂ Uk \ Ũk .
O seguinte corolário para espaços métricos mostra que quase toda órbita retorna
arbitrariamente próximo do ponto inicial (embora possa não se manter próxima,
por exemplo, dar voltas).
Corolário 1. Se X é um espaço métrico separável e µ é Boreliana, então, para
µ-quase todo x ∈ X, existe uma subsequência {T nk x}k∈N tal que T nk x → x.
Demonstração. Podemos supor x recorrente, pois µ-quase todo x ∈ X é recorrente
(no sentido do teorema anterior).
Se T m (x) = x para algum m ∈ N, basta tomar nk = km. Caso contrário, definamos
indutivamente uma sequência {nk }k∈N da seguinte forma. Como x é recorrente,
n1 = τB(x,1) < +∞, onde B(x, r) denota a bola de centro x e raio r em X.
Supondo definidos n1 , . . . , nk , tomamos rk = min{1/k, |T nl x| : 1 ≤ l ≤ k} e
nk+1 = τB(x,rk ) . Pela definição de rk , temos que nk+1 > nk e T nk x ∈ B(x, 1/k).
Logo, {T nk x}k∈N é uma subsequência e T nk x → x.
2.2. Comportamento médio de tempos de retorno. O próximo resultado,
conhecido como teorema de Kač [20, p. 1006], permite calcular o ciclo de Poincaré
médio, ou seja, o valor médio de τA , de um conjunto A com µ(A) > 0.
Teorema 3. Seja A ∈ A tal que µ(A) > 0. Então,
Z
τA dµ = µ(τA < +∞).
A
1 1
R
Se, além disso, µ for ergódica, então µ(A) τ
A A
dµ = µ(A) , isto é, o valor médio
de τA é inversamente proporcional a µ(A).
Demonstração. Pela equação 1,

µ(τA = n) = µ(A ∩ {τA ≥ n}).
Somando em n, obtemos
X∞ ∞
X Z
µ(τA < +∞) = µ(A ∩ {τA ≥ n}) = nµ(A ∩ {τA = n}) = τA dµ.
n=1 n=1 A
Notemos que {τA < +∞} é T -invariante, pois T ({τA < +∞}) = T ({τA = 1}) ∪
T ({1 < τA < +∞}) ⊂ A ∪ {τA < +∞} ⊂ Ã ∪ {τA < +∞} com A \ Ã ⊂ {τA < +∞}
e µ(Ã) = 0 pelo teorema de recorrência de Poincaré. Além disso, µ(τA < +∞) ≥
µ(A) > 0. Portanto, se µ for ergódica, temos que µ(τA < +∞) = 1, donde segue o
resultado.
Pelo teorema de recorrência de Poincaré, é possível definir uma aplicação TA :
A → A tal que TA (x) = T τA (x) sempre que τA (x) < +∞, e isso ocorre para µ-quase
todo x ∈ A. Se µA é a probabilidade em A definida por µA (B) = µ(B)
µ(A) , para B ⊂ A
mensurável, então
Teorema 4. (A, TA , µA ) é um sistema dinâmico que preserva medida. Se o sistema
original é ergódico, então esse sistema é ergódico.
Demonstração. Para verificarmos a invariância de µA , basta provarmos que, para
todo mensurável B ⊂ A, µ(TA−1 (B)) = µ(B). Podemos escrever
∞
X
µ(TA−1 (B)) = µ(A ∩ {τA = n} ∩ T −n B).
n=1
Adaptando o mesmo argumento que nos levou à equação 1,
{τA ≤ n} ∩ T −n−1 B = T −1 ({τA ≤ n − 1} ∩ T −n B) ∪ T −1 (A ∩ {τA = n} ∩ T −n B),
onde a união é disjunta, e portanto,
µ(A ∩ {τA = n} ∩ T −n B) = µ(Bn ) − µ(Bn−1 ),
onde B0 = ∅ e Bn = A ∩ {τA ≤ n} ∩ T −n−1 B para n ∈ N.
Observemos que µ(Bn ) → µ(B) pois µ(τB ≤ n + 1) ≤ µ(Bn ) ≤ µ(B) e, pelo
teorema de recorrência de Poincaré, µ(τB ≤ n + 1) → µ(B). Portanto,
µ(TA−1 B) = lim µ(Bn ) = µ(B).
Se o sistema original é ergódico, dado qualquer conjunto mensurável TA -invariante
B ⊂ A, temos que T τA (x) x ∈ B pela invariância de B, donde τB (x) ≤ τA (x). Por
outro lado, τA (x) ≤ τB (x) pois B ⊂ A. Logo τA = τB em B.
Se µA (B) 6= 0, e portanto µ(B) 6= 0, temos que, pelo teorema de Kač,
Z Z
τB dµ = 1 = τA dµ.
B A
R R R
Logo, µ(A \ B) ≤ A\B τA dµ = A τA dµ − B τB dµ = 0, donde µA (B) = 1, o que
prova a ergodicidade.
Corolário 2. Se (X, T, µ) é ergódico e µ(A) > 0, definindo recursivamente o n-
(n) (n−1)
ésimo tempo de retorno de x ∈ A por τA (x) = τA (x) + τA (TAn−1 (x)), temos
1 (n) 1
τ (x) −→ para µ-quase todo x ∈ A.
n A µ(A)
Para verificar o corolário, faremos uso do seguinte teorema, denominado teorema

ergódico de Birkhoff (demonstrado originalmente, num contexto menos geral, em
[7]).
Teorema 5 ([23]). Seja ϕ : X → X uma função integrável. A média temporal
n−1
1 1X
Sn ϕ := ϕ ◦ Tk
n n
k=0
converge em µ-quase todo ponto e em L1 Ra alguma função ϕ̃. Se a medida µ é

ergódica, então ϕ̃ é igual à média espacial ϕ dµ em quase todo ponto.
Demonstração do corolário. Pelo teorema ergódico de Birkhoff aplicado ao sistema
(A, TA , µA ),
n−1 Z Z
1 (n) 1X 1
τA = τA ◦ TAk → τA dµA = τA dµ
n n A µ(A) A
k=0
em µA - (e portanto em µ-) quase todo x ∈ A. Aplicando o teorema de Kač,
Z
1 1
τA dµ = .
µ(A) A µ(A)
3. Dimensão, Entropia e Expoente de Lyapunov
Nesta sessão apresentaremos conceitos importantes na formulação dos teoremas
principais deste trabalho. Os resultados que serão apresentados são conhecidos ape-
nas em dimensões baixas ou em condições fortemente misturadoras. Para uma apre-
sentação unificada, consideraremos transformações de Markov no intervalo [0, 1].
3.1. Codificação e Partições de Markov. Aqui, obteremos estimativas sobre
diâmetro de partições de Markov para o caso de uma transformação T no intervalo
X = [0, 1] expansora e C 1+α por partes. Isto é, existe uma coleção J = {J1 , . . . , Jp }
de intervalos fechados e certos β > 1, C > 0 tais que T 0 (x) está definida com
|T 0 (x)| ≥ β para x ∈ Ji (onde a derivada é lateral no caso x ∈ ∂Ji ) e |T 0 (x) −
T 0 (y)| ≤ C|x − y|α para x, y ∈ Ji , qualquer que seja i ∈ {1, . . . , p} .
Vamos supor que T é uma transformação de Markov e que J é uma partição de
Markov para T , ou seja,
(1) T é um difeomorfismo C 1+α de int Ji sobre sua imagem.
Sp
(2) X = i=1 Ji e J˚i ∩ int Jj = ∅ a menos que i = j.
(3) T (Ji ) ⊃ Jj sempre que T (int Ji ) ∩ int Jj 6= ∅.
Tais transformações de Markov T no intervalo podem ser modeladas por sistemas
simbólicos. Para isso, definimos uma matriz, denominada matriz de transição, por
Ap×p = (aij ) pondo aij = 1 se T (Ji ) ⊃ Jj e aij = 0 caso contrário, e consideramos
ΣA ⊂ AN0 , o conjunto de sequências ω tais que aωi ωi+1 = 1 para todo i ∈ N0 :=
N ∪ {0}, onde A = {1, . . . , p}. Definamos a aplicação deslocamento σ : ΣA → ΣA
por σ(ω)i = ωi+1 . A aplicação χ(ω) = ∩∞ i=0 T
−i
Jωi fornece a codificação simbólica
de (X, T ) em (ΣA , σ), de forma que o seguinte diagrama comuta.
σ
ΣA −−−−→ ΣA
 
χ χ
y y
T
X −−−−→ X
Proposição 1. Valem as seguintes afirmações.
(1) χ está bem definida;

(2) χ é contínua, onde a topologia de ΣA é a gerada pelos n-cilindros Cn (ω) :=
{ω 0 ∈ ΣA : (∀i ∈ {0, . . . , n − 1} : ωi0 = ωi }, com n ∈ N0 e ω ∈ ΣA .
(3) χ é sobrejetiva e, em χ−1 (X \ S), χ é injetiva, onde S := ∪∞ n=0 T
−n
∂J ;
(4) χ é no máximo 2-a-um.
Demonstração.
(1) Pela definição de ΣA , temos que ∩∞ i=0 T

−i
Jωi 6= ∅ e diam(∩ni=0 T −i Jωi ) ≤
min{diam Jω0 , . . . , β n diam Jωn } ≤ β n → 0. Portanto ∩∞
1 1
i=0 T
−i
Jωi consiste
em um único ponto.
(2) Notemos que, dados dois cilindros Cm (ω), Cn (ω 0 ) com m ≤ n, vale Cm (ω)∩
Cn (ω 0 ) = ∅ ou Cm (ω) ∩ Cn (ω 0 ) = Cn (ω 0 ). Logo, a família das uniões
arbitrárias de cilindros forma uma topologia para ΣA .
Dado qualquer > 0, existe n ∈ N tal que β n < . Logo, se ω ∈ ΣA e
ω 0 ∈ Cn (ω), então, denotando x = χ(ω), x0 = χ(ω 0 ),
|x − x0 | ≤ β|T (x) − T (x0 )| ≤ · · · ≤ β n |T n (x) − T n (x0 )| < ,
pois T k (x) e T k (x0 ) pertencem a um mesmo intervalo de J para todo

k ∈ {1, . . . , n − 1}.
(3) Dado qualquer x ∈ [0, 1], temos que x = χ(ω), onde ω é tal que T i (x) ∈ Jωi
para todo i ∈ N0 . A injetividade em χ−1 (X \ S) decorre de int Ji ∩ int Jj =
∅ para i 6= j.
(4) Dado qualquer x ∈ S, seja n ∈ N0 o menor inteiro tal que T n (x) ∈ ∂J . Se
ω ∈ χ−1 (x), então ω0 , . . . , ωn−1 estão completamente determinados. Há no
máximo 2 possibilidades para ωn , pois T n (x) não pertence a mais de dois
intervalos da partição.
Dado qualquer k ∈ N, vale T n+k (x) ∈ T k (∂Jωn ) = ∂T k (Jωn ). Como tam-
bém devemos ter T k (Jωn ) ⊃ Jωn+k , concluímos que ωn+k está unicamente
determinado por ωn . Segue-se que χ−1 (x) consiste em no máximo duas
sequências.
Lema 1. Se ψ : X → R é α-Hölder contínua e x, y pertencem a um mesmo

n-cilindro, então
1
|Sn ψ(x) − Sn ψ(y)| ≤ |ψ|α .
βα −1
Demonstração. Para qualquer k ∈ {0, . . . , n − 1}, T k x e T k y estão no mesmo

elemento da partição. Por expansividade, temos que
|T k x − T k y| ≤ β|T k+1 x − T k+1 y| ≤ · · · ≤ β k−n |T n x − T n y| ≤ β k−n .

Portanto
n−1
X
Sn ψ(x) − Sn ψ(y) = [ψ(T k x) − ψ(T k y)]
k=0
n−1
X
≤ |ψ|α |T k x − T k y|α
k=0
n−1
X
≤ |ψ|α (β k−n )α
k=0
1
≤ |ψ|α .
βα − 1

Proposição 2 (Distorção limitada). Existem constantes positivas c0 , c1 tais que,

para quaisquer x ∈ X \ S, n ∈ N,
c0 |(T n )0 (x)|−1 ≤ diam Jn (x) ≤ c1 |(T n )0 (x)|−1 ,
Demonstração. A função ψ(x) = log |T 0 (x)| é α-Hölder contínua em cada intervalo

Ji . De fato, como |T 0 (x)| ≥ β > 1 e (log t)0 = 1t < 1 para t > 1, temos que, se
x, y ∈ Ji ,
|ψ(x) − ψ(y)| = | log |T 0 (x)| − log |T 0 (y)||
≤ ||T 0 (x)| − |T 0 (y)||
≤ |T 0 (x) − T 0 (y)|
≤ C|x − y|α .
Para todo n ∈ N e x, y no mesmo n-cilindro,
|(T n )0 (x)| n−1 n−1

Y 0 k Y 0 k
log = log T (T x) − log T (T y) = Sn ψ(x) − Sn ψ(y)
|(T n )0 (y)|

k=0 k=0
e a demonstração do lema anterior ainda pode ser aplicada. Portanto, D =

exp(|ψ|α β α1−1 ) satisfaz
|(T n )0 (x)|
≤ D.
|(T n )0 (y)|
A restrição de T n ao intervalo Jn (x) é um difeomorfismo, logo, pelo teorema do
valor médio, existe y ∈ Jn (x) tal que
1 ≥ diam T n (Jn (x)) = |(T n )0 (y)|diam Jn (x) ≥ D−1 |(T n )0 (x)|diam Jn (x).
Isso nos dá a estimativa superior com c1 = D.
Para a cota inferior, seja ρ = min diam Ji > 0. Temos que diam T n (Jn (x)) ≥ ρ
pois T n (Jn (x)) 6= ∅ é a união dos Ji tais que aωn−1 i = 1, onde ω ∈ χ−1 (x).
Portanto,
ρ ≤ diam T n (Jn (x)) = |(T n )0 (y)|diam Jn (x) ≤ D|(T n )0 (x)|diam Jn (x).
Isso nos dá a estimativa inferior com c0 = ρD−1 .
3.2. Dimensão de Hausdorff. Aqui, nosso espaço ambiente será RN , N ∈ N.

Definição 2. Se α ≥ 0, a medida de Hausdorff α-dimensional de um conjunto
A ⊂ RN é dada por
∞
X
Hα (A) = lim inf (diam Vi )α
δ→0
i=1
onde o ínfimo é tomado sobre todas as δ-coberturas enumeráveis de A, isto é,
coberturas enumeráveis formadas por conjuntos Vi com diam Vi ≤ δ (o limite existe
por monotonicidade, podendo ser +∞).
A dimensão de Hausdorff de A, denotada por dimH A, é o único número não
negativo tal que Hα (A) = +∞ se α < dimH A e Hα (A) = 0 se α > dimH A.
dimH A ≤ dimH B se A ⊂ B pois toda cobertura de B é cobertura de A, e
portanto Hα (A) ≤ Hα (B) para todo α ≥ 0. A seguinte proposição mostra que a
dimensão de Hausdorff está bem definida e, além disso, dimH A ≤ N .
Proposição 3. Valem as seguintes afirmações.
(1) Se Hα (A) β
S < +∞ para algum α ≥ 0, então H (A) = 0 para todo β > α.
(2) Se A = n∈N An , então dimH A = supn∈N dimH An .
(3) dimH RN = N .
Demonstração. Para o primeiro item, notemos que, se Hα (A) = PC < +∞, então,
∞
para todo δ > 0, existe uma δ-cobertura {Vi }i∈N de RN tal que i=1 (diam Vi )α <
C + 1.
Portanto, se β > α,
∞
X ∞
X
(diam Vi )β ≤ δ β−α (diam Vi )α < δ β−α (C + 1).
i=1 i=1
δ β−α (C + 1) → 0 quando δ → 0 pois β − α > 0. Concluímos que Hβ (A) = 0.

Para o segundo item, notemos que dimH An ≤ dimH A para todo n ∈ N pois
An ⊂ A. Logo, dimH A ≥ supn∈N dimH An .
Suponhamos por contradição que a desigualdade seja estrita. Em particular, existe
algum α ∈ (supn∈N dimH An , dimH A).
Hα (An ) = 0 para todo n ∈ N. Daí, para Pquaisquer δ, > 0 e cada n ∈ N, existe
∞
uma δ-cobertura {Vi,n }i∈N de An tal que i=1 (diam Vi,n )α < 2n .
{Vi,n }i,n∈N é uma δ-cobertura enumerável de A e
∞ ∞ X
∞ ∞
X X X
(diam Vi,n )α = (diam Vi,n )α < n
= .
i,n=1 n=1 i=1 n=1
2
Portanto, Hα (A) = 0, o que contradiz dimH A > α. Concluímos que vale a igual-
dade supn∈N dimH An = dimH A.
N
Para o terceiro item, basta mostrarmos que dimH [−1, 1] = N . De fato, como
N ∞ N N
R = ∪n=1 An , onde An = [−n, n] , obtemos dimH R = supn∈N dimH An , e
N N
dimH An = dimH [−1, 1] para todo n ∈ N, pois Hα (An ) = nα Hα ([−1, 1] ) para
N
todo α ≥ 0 (x 7→ nx leva coberturas de [−1, 1] em coberturas de An bijetiva-
mente).
Evidentemente, Hα é preservada por isometria para todo α ≥ 0. Além disso, para
N 2
todo n ∈ N, o cubo [−1, 1] pode ser dividido em nN cubos de lado n. Como cada
N
um desses cubos é isométrico por translação ao cubo [− n1 , n1 ] , temos que
N N N
Hα ([−1, 1] ) ≤ nN Hα ([− n1 , n1 ] ) = nN −α Hα ([−1, 1] ).
N
Fazendo n → +∞, concluímos que Hα ([−1, 1] ) = 0 se α > N . Por outro lado,
para todo n ∈ N,
N N N
nN −α Hα ([−1, 1] ) = nN Hα ([− n1 , n1 ] ) ≤ 2N Hα ([−1, 1] ),
N
pois cada n2 -cobertura {Vi }i∈N de [−1, 1] fornece coberturas para os nN cubos
menores e cada Vi intersecta no máximo 2N desses cubos. Fazendo n → +∞,
N N
concluímos que Hα ([−1, 1] ) = +∞ se α < N . Logo, dimH [−1, 1] = N , o que
conclui a demonstração.
Definição 3. Se µ é uma medida de Radon em X ⊂ RN , sua dimensão de Hausdorff

é definida por
dimH µ = inf{dimH A : µ(X \ A) = 0}.
A dimensão pontual de µ é definida por
log µ(B(x, r)) log µ(B(x, r))
dµ (x) = lim inf e dµ (x) = lim sup .
r→0 log r r→0 log r
N
Teorema 6. Para toda medida de Radon µ em R , dimH µ = ess sup dµ .
Demonstração. Dados α > ess sup dµ , δ > 0 arbitrários, consideremos os conjuntos

An = {x ∈ B(0, n) : (∀k ∈ N ∃r ∈ (0, k1 ) : µ(B(x, r)) ≥ rα )}.
Pelo lema de Vitali (19), existe uma família {B(xi , ri )}i∈N de bolas satisfazendo
µ(B(xi , ri )) ≥ riα , ri < δ, duas a duas disjuntas e tais que Vi := B(xi , 4ri ) cobrem
An . Além disso,
∞
X ∞
X ∞
X
(diam Vi )α = (8ri )α ≤ 8α µ(B(xi , ri )) ≤ 8α µ(B(0, n + δ)).
i=1 i=1 i=1
α
Daí, H (An ) < +∞, donde dimH (An ) ≤ α e portanto dimH ({dµ < α}) ≤
supn∈N dimH (An ) ≤ α, pois {dµ < α} ⊂ ∪∞ n=1 An . Pela hipótese sobre α, {dµ ≤ α}
tem medida total, logo dimH µ ≤ α.
Para a desigualdade oposta, seja α < ess sup dµ arbitrário. Dado qualquer conjunto
Y de medida total, existe n ≥ 1 tal que
Z := {x ∈ Y : (∀r < 1
n : µ(B(x, r)) ≤ rα )}
tem medida positiva. De fato, a hipótese α < ess sup dµ implica que ∪∞
n=1 {x ∈ Y :
1 α
(∀r < n : µ(B(x, r)) ≤ r )} tem medida total, e portanto algum dos conjuntos da
reunião tem medida positiva.
1
Dado qualquer δ < 2n , seja {Vi }i∈N uma cobertura de Z. Podemos supor que todos
os Vi intersectam Z e considerar xi ∈ Vi . Temos que
∞
X ∞
X ∞
[
(diam Vi )α ≥ µ(B(xi , diam Vi )) ≥ µ( Vi ) ≥ µ(Z) > 0.
i=1 i=1 i=1
Logo, dimH Y ≥ dimH Z ≥ α. Concluímos que dimH µ ≥ α.

3.3. Entropia.
Definição 4. Seja µ uma medida de probabilidade. Dada uma partição, ou seja,
uma família ξ de conjuntos mensuráveis disjuntos cuja união tem medida total,
definimos sua entropia por
X
Hµ (ξ) = −µ(P ) log µ(P ),
P ∈ξ
onde convencionamos 0 log 0 = 0. Seja T uma transformação que preserva µ. De-

notamos (n−1 )
n−1
_ \
ξn = T −i (ξ) = T −i (Pi ) : Pi ∈ ξ .
i=0 i=0
Se ξ tem entropia finita, definimos a entropia de T com respeito a µ e a ξ por
1 1
hµ (T, ξ) = lim Hµ (ξn ) = inf Hµ (ξn ).
n n∈N n
A existência do limite decorre da subaditividade de Hµ (ξn ).

A entropia do sistema (T, µ) é dada por
hµ (T ) = sup hµ (T, ξ),
ξ
onde o supremo é tomado sobre todas as partições com entropia finita.

Usaremos os seguintes teoremas, o primeiro implicitamente — no caso de aplica-
ções de Markov expansoras, os iterados da partição de Markov geram a σ-álgebra
dos conjuntos mensuráveis.
Teorema 7 (Kolmogorov-Sinai [31, 23]). Seja ξ uma partição com entropia finita
tal que a união dos seus iterados ξn gera a σ-álgebra dos conjuntos mensuráveis.
Então, hµ (T ) = hµ (T, ξ).
Teorema 8 (Shannon-McMillan-Breiman [10, 23]). Dada qualquer partição ξ com
entropia finita, o limite
1
hµ (T, ξ, x) = lim − log µ(ξn (x)), x ∈ ξn (x) ∈ ξn ,
n n
denominado entropia local em x, existe para µ-quase todo x e define uma função
µ-integrável, de forma que o limite também vale em L1 (µ). Além disso,
Z
hµ (T, ξ, x) dµ(x) = hµ (T, ξ).
Se (T, µ) é ergódico, então hµ (T, ξ, x) = hµ (T, ξ) para µ-quase todo x.

Fixadas uma aplicação T e uma partição geradora ξ, denotaremos a entropia
local por hµ (x).
3.4. Expoente de Lyapunov. Sejam x ∈ X e I 3 x um intervalo. Desde que
I ⊂ Jn (x), T n expande o comprimento de I por um fator |(T n )0 (x)| a menos de
uma correção multiplicativa e±D , onde D independe de n (ver a demonstração da
proposição 2). A expansão média de T é dada por
1
|(T n )0 (x)|1/n = exp log |(T n )0 (x)|
n
a menos de uma correção e±D/n .
Definição 5. O limite
1 1
λ(x) = lim log |(T n )0 (x)| = lim Sn log |T 0 |(x),
n
n n n
caso exista, é denominado o expoente de Lyapunov de T no ponto x.

Proposição 4. O expoente de Lyapunov existe para µ-quase todo x e, se o sistema
é ergódico, então
Z
1
lim log |(T n )0 (x)| = log |T 0 | dµ.
n n X
Demonstração. Pelo teorema ergódico de Birkhoff, o limite existe para µ-quase todo
x. Além disso, se µ é ergódica, então o limite é constante em µ-quase todo x e igual
a Z
λµ (T ) := log |T 0 | dµ.
X
O seguinte teorema relaciona dimensão pontual, entropia e expoente de Lyapu-

nov no nosso contexto, onde fixamos a partição de Markov J .
hµ (x)
Teorema 9. Para µ-quase todo x, a dimensão pontual dµ (x) existe e dµ (x) = λ(x) .
Se o sistema é ergódico, então
hµ (T )
dµ (x) = = dimH µ.
λµ (T )
Demonstração. Fixemos > 0. Notemos que µ-quase todo x satisfaz, para n sufi-
cientemente grande, µ(Jn (x)) ≥ e−n(hµ (x)+) , pelo teorema de Shannon-McMillan-
Breiman, e diam Jn (x) ≤ e−n(λ(x)−) , pelas proposições 2 e 4.
Para um tal x e r ∈ (0, 1) arbitrário, tomemos n tal que e−n(λ(x)−) < r e valham
as estimativas acima. Como Jn (x) ⊂ B(x, r), temos que
log µ(B(x, r)) log µ(Jn (x)) hµ (x) +
≤ ≤ .
log r log r λ(x) −
hµ (x)+
Portanto, dµ (x) ≤ λ(x)− .
Seja G (n) := {x ∈ X : µ(Jn (x)) ≤ e−n(hµ (x)−) , diam (Jn (x)) ≥ e−n(λ(x)+) }.
Notemos que ∪∞ n=1 G (n) = 1. Pelo teorema 20, quase todo x ∈ G (n) é ponto de
densidade de G (n), isto é, limδ→0 µ(B(x,δ)∩G (n))
µ(G (n)) = 1, donde quase todo x ∈ X é
ponto de densidade de algum G (n).
Para um tal x, se r é suficientemente pequeno, µ(B(x, r)) ≤ 2µ(G (n) ∩ B(x, r)).
Diminuindo r, podemos supor que e−n(λ(x)+) > r e que B(x, r) está contida em
um n-cilindro, caso x seja interior a um n-cilindro, ou B(x, r) está contida na união
de dois n-cilindros, caso x seja um ponto de interseção de n-cilindros. Portanto,
µ(B(x, r)) ≤ 2µ(G (n) ∩ B(x, r)) ≤ 4e−n(hµ (x)−) ,
hµ (x)−
pois B(x, r) intersecta no máximo dois n-cilindros. Logo, dµ (x) ≥ λ(x)+ .
hµ (x) hµ (x)
Concluímos que dµ (x) = λ(x)) . Caso o sistema seja ergódico, λ(x) é constante
hµ (T )
igual a para µ-quase todo x ∈ X. Pelo teorema 6, essa constante deve ser
λµ (T )
igual a dimH µ.
Exemplo 1. Consideremos T : [0, 1] → [0, 1], T (x) = 3x (mod 1) e o conjunto de

Cantor K = ∩∞ n=1 T
−n+1
([0, 31 ] ∪ [ 23 , 1]). Mostraremos que dimH K = log 2
log 3 . Para
isso, consideremos a partição de Markov J = {[0, 13 ], [ 13 , 23 ], [ 23 , 1]} e a medida µ
dada por µ(Jn (x)) = 2−n , se x ∈ K, e µ(Jn (x)) = 0 caso contrário. µ está bem
definida pois J é uma partição geradora e cada n-cilindro que intersecta K contém
exatamente dois (n + 1)-cilindros que intersectam K.
λ(x) = log 3 para todo x ∈ [0, 1], hµ (x) = − lim n1 log 2−n = log 2 se x ∈ K e
log 2
hµ (x) = 0 se x ∈ [0, 1] \ K. Logo, dimH µ = ess sup dµ (x) = log 3 pelo teorema.
log 2
Como µ(X \ K) = 0, obtemos dimH K ≥ log 3 .
Fixemos > 0 arbitrário e vejamos que H (K) = 0, onde α = log
α+ 2
log 3 . Para isso,
1 k −n+1 1 2
notemos que, dado qualquer η ∈ (0, 3 ), ∩n=1 T ((−η, 3 + η) ∪ ( 3 − η, 1 + η)) é
k
uma cobertura de K formada por 2 intervalos disjuntos de diâmetro limitado por
3−k + 2η. Para todo δ > 0, existe η0 > 0 tal que 3−k + 2η < δ para quaisquer
η < η0 e k ∈ N suficientemente grande. Portanto,
Hα+ K ≤ lim lim 2k (3−k + 2η)α+ = lim 3−k = 0.
k η→0 k
Segue-se que dimH K ≤ log 2

log 3 + e, como > 0 foi arbitrário, dimH K ≤
log 2
log 3 .
Juntamente com a outra desigualdade, obtemos a igualdade.
4. Estados de Equilíbrio ou Medidas de Gibbs

Definição 6. Seja ϕ : X → R uma função Hölder contínua. Uma medida invariante
µ é dita uma medida de Gibbs para o potencial ϕ se existem constantes PT (ϕ),
denominada pressão, e kϕ tais que, para todo x ∈ X e todo n ∈ N, temos que
1 µ(Jn (x))
≤ ≤ kϕ .
kϕ exp (Sn ϕ(x) − nPT (ϕ))
Exemplo 2. Consideremos um sistema (Σ, σ), onde Σ = AN0 , A =P {1, . . . , m} e
m
σ(ω0 , ω1 , . . .) = (ω1 , ω2 , . . .). Tomemos Pm×m matriz positiva tal que j=1 Pij = 1
Pm
para todo i ∈ {1, . . . , m} e um vetor p = (p1 , . . . , pm ), positivo e tal que i=1 pi =
1, satisfazendo pP = p. A existência de um tal vetor decorre do teorema de Perron-
Frobenius [18] aplicado à transposta de P .
Pelo teorema 21, existe µ probabilidade definida na σ-álgebra de Σ gerada pelos
cilindros tal que
µ({ω0 } × · · · × {ωi } × Σ) = pω0 Pω0 ω1 · · · Pωi−1 ωi .
Notemos que µ é invariante nos cilindros, pois pP = p. Logo, µ é invariante em todo
seu domínio, uma vez que a família de conjuntos invariantes forma uma σ-álgebra.
Nesse caso, µ é uma medida de Gibbs para o potencial ϕ(x) = log Px0 x1 , com
PT (ϕ) = 0.
Proposição 5. Se µ é medida de Gibbs para o potencial ϕ, então
Z
PT (ϕ) = hµ (T ) + ϕ dµ
Demonstração. Como µ é medida de Gibbs, vale

1
− log µ(Jn (x)) − (− 1 Sn ϕ(x) + PT (ϕ)) ≤ log 1 kϕ

n n n
para todo x ∈ X e n ∈ N. Portanto, − n1 log µ(Jn (x)) − (− n1 Sn ϕ(x) + PT (ϕ))

converge pontualmente a 0. RPor outro lado, essa mesma expressão converge
R em
µ-quase todo x para hµ (T ) + ϕdµ − PT (ϕ). Logo, PT (ϕ) = hµ (T ) + ϕdµ.
Definição 7. Uma medida que atinge o supremo de

Z
sup hν (T ) + ϕ dν
ν
sobre todas as medidas T -invariantes ν é denominada um estado de equilíbrio.
Usaremos a seguinte propriedade misturadora. Se f é uma função de Lipschitz

e g uma função integrável,
Z Z Z
f (g ◦ T l ) dµφ − f dµφ g dµφ ≤ cθl kf kkgk∞ ,

|f (x)−f (y)|
onde k · k é a norma de Lipschitz kf k = kf k∞ + |f |Lip , |f |Lip = supx6=y |x−y| .
4.1. Teorema de Ruelle-Perron-Frobenius. Seja φ : X → R um potencial

α-Hölder. Consideremos o subdeslocamento (ΣA , σ) e β > 1 como na seção 3.1.
Tomemos em ΣA a métrica d(ω, ω 0 ) = δ n , onde δ = β −α e n é o menor inteiro
não negativo tal que ωn 6= ωn0 . Notemos que |χ(ω) − χ(ω 0 )| ≤ β −n = d(ω, ω 0 )1/α ,
donde ϕ = φ ◦ χ é Lipschitz, com constante l = |φ|α . Além disso, σ é localmente
expansora: se aω, aω 0 ∈ ΣA , onde aτ denota a concatenação de a ∈ A com τ ∈ ΣA ,
então d(σ(aω), σ(aω 0 )) = d(ω, ω 0 ) ≥ δ −1 d(aω, aω 0 ).
Suponhamos que A seja aperiódica, ou seja, que AN tenha todas as entradas posi-
tivas para algum N ∈ N. Essa hipótese equivale à condição de o sistema ser topolo-
gicamente topologicamente misturador [23], ou seja, lim µ((σ −n A)B) = µ(A)µ(B).
Definição 8. O operador de Ruelle-Perron-Frobenius é o operador no espaço

C(ΣA ) das funções contínuas de ΣA em R definido por
X
Lϕ (f )(ω) = eϕ(τ ) f (τ ).
σ(τ )=ω
Lϕ está bem definido pois, em cada cilindro ({ω0 } × ΣA ) ∩ ΣA ,

X
Lϕ (f )(ω) = eϕ(aω) f (aω),
Aaω0 =1
e portanto Lϕ (f ) é contínua.
Lϕ é um operador linear limitado em C(ΣA ) e no espaço das funções de Lipschitz
de ΣA , com kLϕ k∞ ≤ mekϕk∞ e kLϕ k ≤ 3mkeϕ k. Para a segunda estimativa,
notemos que, se f é Lipschitz, |Lϕ f (ω) − Lϕ f (ω 0 )| ≤ 2kLϕ f k∞ ≤ 2mkeϕ kkf k e
d(ω, ω 0 ) = 1 caso ω0 6= ω00 , e
X 0
|Lϕ f (ω) − Lϕ f (ω 0 )| ≤ |f (aω)eϕ(aω) − f (aω 0 )eϕ(aω ) |
Aaω0 =1
≤ p|f eϕ |Lip δd(ω, ω 0 )

≤ pkeϕ kkf kd(ω, ω 0 )
caso ω0 = ω00 .
Podemos iterar Lϕ como se segue.
X
L2ϕ f (ω) = eϕ(υ) Lϕ f (υ)
σ(υ)=ω
X X
= eϕ(υ) eϕ(τ ) f (τ )
σ(υ)=ω σ(τ )=υ
X
= eϕ(σ(τ ))+ϕ(τ ) f (τ ).
σ 2 (τ )=ω
Por indução, Lnϕ f (ω) = σn (τ )=ω eSn ϕ(τ ) f (τ ).

P
Pelo teorema de representação de Riesz-Markov-Kakutani [21], o dual de C(ΣA )

é isomorfo como espaço de Banach ao espaço das medidas de Radon com sinal R de
ΣA . Com a identificação de funcionais lineares e medidas, temos que ν(f ) = f dµ
para toda f ∈ C(ΣA ). Faremos essa identificação no restante da seção.
Lema 2. Existem ν medida de probabilidade e λ > 0 tais que L∗ϕ ν = λν.
Demonstração. Seja K o conjunto convexo das medidas de probabilidade (sem si-

nal) de ΣA . K é compacto pelo teorema de Banach-Alaoglu [4] (ver também [11,
p. 66]). Definamos T : K → K por
L∗ϕ m
T (m) = .
L∗ϕ m(1)
T está bem definida pois Lϕ é um operador estritamente positivo, logo L∗ϕ m é
uma medida sem sinal para m ∈ K, e o quociente L∗ϕ m(1) garante que ela seja
uma probabilidade. Pelo teorema do ponto fixo de Schauder-Tychonoff (22), existe
ν ∈ K tal que T (ν) = ν, ou seja, L∗ϕ ν = λν, onde λ = L∗ϕ ν(1) > 0.
Substituindo, se necessário, ϕ por ϕ − log λ, podemos supor que λ = 1. Fixemos

b > 0 tal que b > δ(l + b) e definamos
0
Cb = {f ∈ C(ΣA ) : ν(f ) = 1 e 0 ≤ f (ω) ≤ f (ω 0 )ebd(ω,ω ) se ω0 = ω00 }.
−1
Lema 3. Existe c ∈ (0, 1) tal que se, se f ∈ Cb , então c ≤ LN
ϕf e f ≤c .
Demonstração. Dados quaisquer ω, ω 00 ∈ ΣA , existe ω 0 tal que ω0 = ω00 e σ N ω 0 =

ω 00 , pela hipótese de irredutibilidade de A. Então,
0
00
LN
ϕ f (ω ) ≥ e
SN ϕ(ω )
f (ω 0 ) ≥ (inf eSN ϕ )e−δb f (ω).
SN ϕ −δb
Segue-se que inf LN
ϕ f ≥ (inf e )e sup f . Além disso, inf LN ϕ f ≤ 1 ≤ sup f
pois ν(Lϕ f ) = ν(f ) = 1. Então, c = (inf eSN ϕ )e−δb satisfaz c ≤ LN
N
ϕf e f ≤ c
−1
.
Reduzindo c, se necessário, podemos supor que c ∈ (0, 1).
Lema 4. Cb é compacto em C(ΣA ). Além disso, toda f ∈ Cb é Lipschitz e Cb é

limitado na norma de Lipschitz.
Demonstração. Pelo lema anterior, Cb é uniformemente limitado. Além disso, para

0
toda f ∈ Cb , |f (ω)−f (ω 0 )| ≤ c−1 |ebd(ω,ω ) −1| ≤ c−1 eb d(ω, ω 0 ) para quaisquer ω, ω 0
satisfazendo ω0 = ω00 , e |f (ω) − f (ω 0 )| ≤ 2c−1 = 2c−1 d(ω, ω 0 ) caso ω0 6= ω00 . Daí,
decorre a segunda parte do enunciado e a equicontinuidade de Cb . Pelo teorema de
Arzelà-Ascoli (23), Cb é compacto.

Resta provar que Cb é fechado. Para isso, basta reescrever
\ 0
Cb = {f ∈ C(ΣA ) : 0 ≤ f (ω) ≤ f (ω 0 )ebd(ω,ω ) } ∩ ν −1 (1)
ω0 =ω00
e notar que cada um dos conjuntos da interseção é fechado em C(ΣA ).
Lema 5. Existe h ∈ Cb tal que Lϕ h = h e h > 0.
Demonstração. Cb é compacto e convexo. Também, se f ∈ Cb e ω0 = ω00 ,

X
Lϕ f (ω) = eϕ(aω) f (aω)
Aaω0 =1
X 0 0 0
≤ eϕ(aω)−ϕ(aω ) eϕ(aω ) f (aω 0 )ebd(aω,aω )
Aaω0 =1
0
X 0 0
≤ eδ(l+b)d(ω,ω ) eϕ(aω ) f (aω 0 )
Aaω0 =1
0
0
≤ Lϕ f (ω 0 )eδ(l+b)d(ω,ω ) .
Segue-se que Lϕ (Cb ) ⊂ Cb , pois δ(l + b) < b. O teorema de Schauder-Tychonoff nos
fornece então h ∈ Cb tal que Lϕ h = h. Pelo lema 3, h = LN ϕ h ≥ c > 0.
Notemos que µ = hν é invariante. De fato, para toda f ∈ C(ΣA ),

hν(f ◦ σ) = ν(h · (f ◦ σ))
= ν(Lϕ (h · (f ◦ σ)))
= ν(Lϕ h · f )
= ν(h · f ) = hν(f ).
Substituindo ϕ por ϕ + log h − log(h ◦ σ), podemos supor que h = 1. De fato,
1
Lϕ+log h−log(h◦σ) 1 = Lϕ+log h 1
h
1
= Lϕ h = 1.
h
Além disso, com essa substituição, L∗ϕ µ = µ, pois, para toda f ∈ C(ΣA ),
1
µ(Lϕ+log h−log(h◦σ) f ) = µ( Lϕ (h · f ))
h
= ν(Lϕ (h · f ))
= ν(h · f ) = µ(f ).
Teorema 10. µ é medida de Gibbs para o potencial ϕ.
Demonstração. Sejam ω ∈ ΣA e f = 1Cn (ω) a função indicadora do n-cilindro que

contém ω. Temos que (Lnϕ f )(τ ) = eSn ϕ(ω0 ···ωn−1 τ ) ≤ supCn (ω) eSn ϕ , donde
µ(Cn (ω)) = µ(Lnϕ f ) ≤ sup eSn ϕ ≤ κeSn ϕ(ω) ,

Cn (ω)
l

onde κ = exp 1−β , por um argumento análogo ao da proposição 2.
Da mesma forma,
1
µ(Cn (ω)) = µ(Lnϕ f ) ≥ inf eSn ϕ ≥ eSn ϕ(ω) .
Cn (ω) κ

Em [9], demonstra-se que, no contexto de subdeslocamentos do tipo finito, o que
vale em particular para a representação simbólica de aplicações de Markov, estados
de equilíbro e medidas de Gibbs são equivalentes, e a medida de Gibbs é única.
Pelo teorema de decomposição ergódica [23], essa equivalência e unicidade permite
concluir que µ é ergódica.
O decaimento de correlação decorre essencialmente do seguinte lema.
0
Lema 6. Existe η ∈ (0, 1) tal que, para toda f ∈ Cb , LN
ϕ f = η + (1 − η)f com
0
f ∈ Cb .
Demonstração. Dada qualquer f ∈ Cb , consideremos g = LN ϕ f − η, onde η está
para ser determinada. Devemos ter η ≤ c para que g ≥ 0, pois Lnϕ ≥ c. Além
0
disso, η deve satisfazer g(ω) ≤ g(ω 0 )ebd(ω,ω ) para quaisquer ω, ω 0 com ω0 = ω00 .
Equivalentemente,
0 0
0 bd(ω,ω )
η(ebd(ω,ω ) − 1) ≤ LN
ϕ f (ω )e − LN
ϕ f (ω).
0
0 δ(l+b)d(ω,ω ) −1
LN N
ϕ f (ω) ≤ Lϕ f (ω )e pelo argumento do lema 5 aplicado a LN
ϕ f.
Logo, é suficiente que η satisfaça
0 0 0
0 bd(ω,ω ) 0
LN
ϕ f (ω )e − LN N
ϕ f (ω) ≥ Lϕ f (ω )(e
bd(ω,ω )
− eδ(l+b)d(ω,ω ) )
0 0
≥ c(ebd(ω,ω ) − eδ(l+b)d(ω,ω ) )
0
≥ η(ebd(ω,ω ) − 1).
Isso ocorre se
c(ebd − eδ(l+b)d ) c(b − δ(l + b))
0 < η ≤ inf = .
d>0 ebd − 1 b
Finalmente, f 0 = 1 N
1−η (Lϕ f − η) ∈ Cb pois µ(LN
ϕ f − η) = µ(f ) − η = 1 − η.
Lema 7. Existem constantes C > 0 e θ ∈ (0, 1) tais que

kLnϕ f − 1k ≤ Cθn
para toda f ∈ Cb e todo n ∈ N, onde k · k é a norma de Lipschitz.
0 0
Demonstração. Pelo lema anterior, LN ϕ (f − 1) = (1 − η)(f − 1) com f ∈ Cb . Daí,
para todo p ∈ N, existe fp ∈ Cb tal que
LpN pN p
ϕ f − 1 = Lϕ (f − 1) = (1 − η) (fp − 1).
Dado qualquer n ∈ N, podemos escrever n = pN + r, com p ∈ N e 0 ≤ r < N .

Temos que
kLnϕ f − 1k ≤ kLrϕ k(1 − η)p kfp − 1k ≤ kLrϕ k(M + 1)(1 − η)p ,
onde M é uma cota na norma de Lipschitz para as funções em Cb . O resultado
segue-se pondo C = max0≤r<N kLrϕ k(M + 1) e θ = (1 − η)1/N .
Teorema 11. A medida µ é misturadora e o decaimento de correlação para f

Lipschitz e g integrável é, para algum c > 0,
Z Z Z
f (g ◦ σ n ) dµ − f dµ g dµ ≤ ckf kkgk∞ θn .

Demonstração. Seja f uma função de Lipschitz. Tomemos u = (1 + b−1 )kf k.

Evidentemente, f + u ≥ 0. Além disso, para quaisquer ω, ω 0 ∈ ΣA ,
(f + u)(ω) ≤ (f + u)(ω 0 ) + |f |Lip d(ω, ω 0 )
0
≤ (f + u)(ω 0 ) + b−1 |f |Lip (ebd(ω,ω ) − 1)
0 0
≤ (f + u)(ω 0 ) + (f + u)(ω 0 )(ebd(ω,ω ) − 1) = (f + u)(ω 0 )ebd(ω,ω ) .
Logo, f + u ∈ RCb . Portanto,
Z Z Z Z Z Z
f (g ◦ σ n ) dµ − f dµ g dµ = Lnϕ (f (g ◦ σ n )) dµ − f dµ g dµ

Z Z Z
= Lnϕ f · g dµ − f dµ g dµ

Z Z
n
≤ Lϕ f − f dµ |g| dµ

Z
n
≤ kgk∞ Lϕ (f + u) − (f + u) dµ

∞
Z
n
≤ kgk∞ (f + u) dµ Cθ
≤ (2 + b−1 )Ckf kkgk∞ θn .

Pondo c = (2 + b−1 )C, obtemos o resultado desejado.
Notemos que, para o nosso sistema original (X, T ), podemos obter uma medida
de Gibbs por χ∗ µ(C) = µ(χ−1 (C)). A menos de uma alteração da constante, ainda
vale o teorema 11.
Acrescentamos que vale uma propriedade ainda mais forte para µ, denominada ψ-
misturadora com taxa exponencial — se A é um n-cilindro e B é mensurável, então
existem c > 0 e θ ∈ (0, 1) tais que, para todo inteiro l ≥ n,
|µϕ (A ∩ T −l B) − µϕ (A)µϕ (B)| ≤ cθl−n µ(A)µ(B).
Uma demonstração dessa estimativa pode ser encontrada em [9, Proposition 1.14,
p. 14–15], no caso em que A e B são cilindros. Fixado um n-cilindro A, o conjunto
dos B para os quais vale a estimativa é uma classe monótona que contém a álgebra
gerada pelos cilindros. Pelo teorema da classe monótona (24), a estimativa vale
para todo B mensurável.
4.2. Taxa de recorrência. Pelo teorema de recorrência de Poincaré, µ-quase todo

x ∈ X retorna arbitrariamente próximo de x após iterações por T . Uma questão
natural é o comportamento do tempo de primeiro retorno
τr (x) = τB(x,r) (x) = min{n ∈ N : d(T n x, x) < r}.
Em [8], é dada a seguinte resposta parcial.
Teorema 12. Sejam (X, d) um espaço métrico separável, T : X → X e µ uma

probabilidade Boreliana T -invariante sobre X. Se X é σ-finito para a medida de
Hausdorff α-dimensional H α , então
lim inf [n1/α d(T n x, x)] < +∞

n
para µ-quase todo x ∈ X. Se, além disso, H α (X) = 0, então
lim inf [n1/α d(T n x, x)] = 0

n
para µ-quase todo x ∈ X.
Em [5], o seguinte conceito é introduzido para estudar o comportamento do

tempo de primeiro retorno. Em [32], ele é desenvolvido no caso de transformações
no intervalo. Resultados correspondentes para tempos de visita sao considerados
por Galatolo em [16, 17].
Definição 9. As taxas inferior e superior de recorrência de x são dadas respecti-

vamente por
log τr (x) log τr (x)
R(x) = lim inf , R(x) = lim sup .
r→0 − log r r→0 − log r
Se R(x) = R(x), o valor comum será denominado taxa de recorrência e denotado
por R(x).
Demonstra-se em [5] que a segunda parte do teorema de Boshernitzan equivale

ao seguinte.
Teorema 13. Se (X, d) é um espaço métrico separável, T : X → X e µ é uma

probabilidade Boreliana T -invariante sobre X, então R(x) ≤ dimH µ para µ-quase
todo x ∈ X.
O seguinte teorema é uma extensão desse resultado. Em [32, 5, 6] são apresen-

tados diferentes contextos em que ele vale.
Teorema 14. Para µ-quase todo x ∈ X, R(x) existe e é igual a dimH µ.
Alguma hipótese adicional é necessária, vide o seguinte exemplo.
Exemplo 3 ([5]). Consideremos uma rotação no círculo de ângulo 2πω, onde ω é

um número bem aproximável por racionais, i.e., existe ν > 1 tal que |ω − pq | < qν+1
1
P∞ −3j
para infinitos inteiros p, q primos entre si. Por exemplo, ω = j=1 2 .
Consideremos a medida de Lebesgue m (a qual é a única medida ergódica pois ω é
irracional). Tomemos sequências {pn }n∈N , {qn }n∈N , esta última crescente, tais que
|ω − pqnn | < qν+1
1
. Notemos que
n
τqn−ν (x) = inf{k ∈ N : kω (mod 1) < qn−ν ou kω (mod 1) > 1 − qn−ν } ≤ qn
para todo x no círculo. Portanto,

log τqn−ν (x) 1
R(x) = lim inf ≤ < 1 = dimH m.
− log qn−ν ν
4.3. Método Rapidamente Misturador. Demonstraremos o teorema 14 atra-

vés do método desenvolvido em [29] para o sistema (X, T ) da seção 4.1 e µ uma
medida de Gibbs ergódica associada. A principal hipótese para que esse método
possa ser usado é o decaimento de correlações para funções de Lipschitz com taxa
superpolinomial, como no teorema 11. No caso em que não exista a dimensão pon-
tual, obtêm-se as igualdades R = dµ e R = dµ em µ-quase todo ponto.
No que se segue, δ denotará dimH µ.
Lema 8 (Conjunto bom para a dimensão pontual). Para todo > 0, existe r0 > 0
tal que o conjunto mensurável K ⊂ X definido por
K = {x ∈ X : (∀r < r0 : rδ+ ≤ µ(B(x, r)) ≤ rδ− )}
tem medida maior que 1 − .
Demonstração. Temos que dµ (x) = δ = dµ (x) para µ-quase todo x ∈ X. Logo, para
µ-quase todo x ∈ X, lim fn (x) = δ = lim gn (x), onde fn (x) = inf r< n1 log µ(B(x,r))
log r
e gn (x) = supr< n1 log µ(B(x,r))
log r . Pelo teorema de Egorov, existe K0 ⊂ X tal que
µ(K ) > 1− e {fn }n∈N , {gn }n∈N convergem uniformemente em K0 . Em particular,
0
existe r0 = n10 tal que inf r<r0 log µ(B(x,r))

log r − ≤ δ ≤ supr<r0 log µ(B(x,r))
log r + , ou seja,
rδ+ ≤ µ(B(x, r)) ≤ rδ− , para todo x ∈ K0 . Segue-se que K0 ⊂ K , e portanto
µ(K ) > 1 − .
log τr (x)
Lema 9. Para µ-quase todo x ∈ K , temos que lim inf r→0 − log r ≥ δ − 4.
1
Demonstração. Fixemos > 0 e tomemos K como no lema. Sejam α = δ−4 e
rn = nr0α . Definamos
Ln = {x ∈ K : d(T n x, x) < rn }.
Para uma bola B = B(x, r) e uma constante a > 0, denotamos por aB a bola
B(x, ar). Seja {Bi }i∈I uma cobertura de K por bolas de raio rn centradas em
pontos de K tais que 21 Bi são duas a duas disjuntas (basta tomar uma coleção
{ 12 Bi }i∈I maximal, pelo lema de Zorn). Podemos supor que a cobertura é finita
pois K ⊂ X é fechado, e portanto compacto. Temos que
X X
µ(Ln ) = µ((∪i∈I Bi ) ∩ Ln ) ≤ µ(Bi ∩ Ln ) ≤ µ(Bi ∩ T −n 2Bi ).
i∈I i∈I
Para cada i, definamos ϕi : X → R por ϕi (x) = max(0, 1 − rn−1 d(x, 2Bi )). ϕi é
rn−1 -Lipschitz pois, dados quaisquer x, y ∈ X, |ϕi (x) − ϕi (y)| ≤ rn−1 |d(x, 2Bi ) −
d(y, 2Bi )| ≤ rn−1 d(x, y). Além disso, 12Bi ≤ ϕi ≤ 13Bi . Logo,
Z
µ(Bi ∩ T −n 2Bi ) ≤ ϕi (ϕi ◦ T n ) dµ
Z 2
≤ ϕi dµ + cθn kϕi kLip
≤ µ(3Bi )2 + cθn rn−1 ,

onde usamos a fórmula do teorema 11. Como as bolas estão centradas em pontos
de K , vale µ(3Bi ) ≤ (3rn )δ− e µ( 12 Bi ) ≥ ( 12 rn )δ+ . E como as bolas 12 Bi são
disjuntas, vale 1 = µ(X) ≥ i∈I µ( 21 Bi ) ≥ ( 12 rn )δ+ |I|, donde |I| ≤ ( 12 rn )−δ− .

P
Portanto,
X
µ(Ln ) ≤ µ(Bi ∩ T −n 2Bi ) ≤ ( 12 rn )−δ− [(3rn )2δ−2 + cθn rn−1 ]
i∈I
P
Logo, n∈N µ(Ln ) < +∞. Pelo lema de Borel-Cantelli (teorema 25), para µ-
quase todo x ∈ K , existe n0 (x) ∈ N tal que n > n0 (x) =⇒ x ∈ / Ln , ou seja,
d(x, T n x) ≥ rn . Em particular, µ-quase todo x ∈ K é não periódico. Para um tal
x e quaisquer r e n tais que rn ≤ r < min1≤j≤n0 (x) d(x, T j x), temos que τr (x) > n.
Portanto,
τr (x) log n 1
lim inf ≥ lim = = δ − 4.
− log r − log rn α
log τr (x)
Lema 10. Para µ-quase todo x ∈ K , temos que lim supr→0 − log r ≤ δ + 2.
Demonstração. Para cada r ∈ (0, r0 ), definamos
Mr = {x ∈ K : τ2r (x) ≥ r−δ−2 .
Seja {Bi }i∈I uma cobertura de Mr formada por bolas de raio r centradas em pontos
de K tais que 21 Bi sao duas a duas disjuntas. Podemos supor que a cobertura é
finita, pois Mr é fechado, e portanto compacto. Temos que
X
µ(Mr ) = µ(∪i∈I Bi ∩ Mr ) ≤ µ(Bi ∩ Mr ).
i∈I
Como Bi ⊂ B(x, 2r) para todo x ∈ Bi ,

µ(Bi ∩ Mr ) ≤ µ(Bi ∩ {τBi ≥ r−δ−2 }).
Pela desigualdade de Markov (teorema 26) e ante o teorema de Kač,
Z
µ(Bi ∩ {τBi ≥ r−δ−2 }) ≤ rδ+2 τBi dµ = rδ+2 .
Bi
1
( 12 r)δ+ |I|, temos que |I| ≤ ( 12 r)−δ− . Logo,
P
Como 1 = µ(X) ≥ i∈I µ( 2 Bi ) ≥
X
µ(Mr ) ≤ rδ+2 ≤ 2δ+ r .
i∈I
Portanto, a sequência {rn }n∈N dada por rn = e−n satisfaz

X
µ(Mrn ) < +∞.
n∈N
Pelo lema de Borel-Cantelli, para µ-quase todo x ∈ K , existe n1 (x) tal que n >
n1 (x) =⇒ x ∈ Mrn , ou seja, τ2rn (x) < rn−δ−2 . Para quaisquer n ∈ N e r
satisfazendo 2rn+1 ≤ r < rn , temos que
τr (x) log τ2rn+1 n+1
≤ < (δ + 2).
− log r − log rn n
log τr (x)
Segue-se que lim supr→0 − log r ≤ δ + 2.
Demonstração do teorema 14. Suponhamos por contradição que o resultado não
valha. Então, {x ∈ X : R(x) ≤ δ − η} ou {x ∈ X : R(x) ≥ δ + η} tem medida
positiva c para algum η > 0. Fixemos ∈ (0, max{c, η4 }). Decorre dos lemas
anteriores a existência de um conjunto K̃ ⊂ X, cuja medida não excede , fora do
qual R(x) ≥ δ − 4 > δ − η e R(x) ≤ δ + 2 < δ + η. Absurdo, pois c > .
4.4. Tempo de repetição e entropia. No contexto simbólico, há um resultado

comparável ao teorema 14, devido a Ornstein e Weiss.
Definição 10. Para ξ uma partição enumerável de X, definimos o primeiro tempo
de repetição para os primeiros n símbolos por
Rn (x, ξ) = min{k ≥ 1 : ξn (x) = ξn (T k x)}.
Notemos que Rn está bem definida em µ-quase todo ponto devido ao teorema
de recorrência de Poincaré.
Teorema 15 ([25]). Sejam (X, T, µ) um sistema dinâmico com µ ergódica e ξ uma
partição finita de X. Para µ-quase todo x, vale
1
lim log Rn (x, ξ) = hµ (T, ξ).
n n
Originalmente, esse teorema fora enunciado para o tempo de retorno sem so-
breposição Rnno (x, ξ) = min{k ≥ n : ξn (x) = ξn (T k x)}. Em [28], mostra-se que,
mesmo que ξ seja infinito enumerável, ainda vale o resultado e, para µ-quase todo
x ∈ X, Rn (x, ξ) = Rnno (x, ξ) eventualmente, donde
1 1
lim log Rn (x, ξ) = lim log Rnno (x, ξ) = hµ (T, ξ).
n n n n
A analogia ao teorema 14 é feita considerando a pseudométrica d(x, y) = e−n (a

qual é uma métrica a depender da partição), onde n é o maior inteiro tal que ξk (x) =
ξk (y) para todo k < n. Neste caso, Rn (x, ξ) = τe−n (x), e dimH µ = hµ (T, ξ).
Demonstraremos o teorema 15 através do teorema de Shannon-McMillan-Breiman
e argumentos combinatórios. Para isso, trabalharemos no espaço de sequências
Σ = {1, . . . , p}N0 , o qual contém o espaço ΣA da seção 3.1, com a medida dada
por χ∗ µ(C) = µ(χ(C)) para C ⊂ ΣA e χ∗ µ(Σ \ ΣA ) = 0. Notemos que χ∗ µ
também é ergódica. Para simplificar a notação, denotaremos χ∗ µ também por µ,
e o deslocamento em Σ por σ. A entropia será denotada por hµ , e será igual à do
sistema original.
Definição 11. Denominamos intervalo um conjunto de inteiros não negativos con-
secutivos [|m, n|] := {k ∈ N0 : m ≤ k ≤ n} e singleton o conjunto unitário
[|m|] := [|m, m|]. Dada uma sequência ω ∈ Σ e um intervalo [|m, n|], denota-
mos por ω[|m,n|] a palavra ωm · · · ωn . Dadas palavras s e t, denotamos por st
sua concatenação. O tempo de repetição dos primeiros n-símbolos de ω escreve-se
Rn (ω) = min{k ≥ 1 : ωk+[|0,n−1|] = ω[|0,n−1|] }.
Lema 11 ([28]). Se a entropia hµ é positiva, então, para µ-quase todo ω ∈ Σ,
Rn (ω) = Rnno (ω) eventualmente.
Demonstração. Decorre diretamente das definições que Rn (ω) 6= Rnno (ω) se, e so-
mente se, Rn (ω) < n. Segue-se que, se vale a desigualdade, então k = Rn (ω)
satisfaz ω[|0,k−1|] = ω[|k,2k−1|] , pois ω[|0,n−1|] = ωk+[|0,n−1|] e k < n.
Tomemos ∈ (0, hµ /3) e consideremos, para N ∈ N arbitrário, o conjunto
1
Γ = Γ(N ) := {ω ∈ Σ : (∀k ≥ N : | log µ(ω[|0,k−1|] Σ) + hµ | < },
k
onde, para uma palavra s, sΣ é o conjunto das sequências em Σ iniciadas por s.
Podemos estimar a medida do conjunto Γk := {ω ∈ Γ : ω[|0,k−1|] = ω[|k,2k−1|] } para
k ≥ N considerando sequências s de comprimento |s| = k.
De fato, se |s| = k e Γ ∩ ssΣ 6= ∅, então µ(ssΣ) ≤ e−2k(hµ −) e sΣ ∩ Σ 6= ∅,

−k(hµ +)
P
donde µ(sΣ) ≥ e . Como 1 = µ(Σ) = |s|=k µ(sΣ), concluímos que há no
k(hµ +)
máximo e tais palavras s. Portanto,
X
µ(Γk ) ≤ µ(Γ ∩ ssΣ) ≤ e−k(hµ −3) .
|s|=k
P
Segue-se que k≥N µ(Γk ) < +∞. Pelo lema de Borel-Cantelli, para µ-quase todo
ω ∈ Γ, existe kω ≥ N tal que k > kω =⇒ ω ∈ / Γk . Se, além disso, ω não é
periódica, então Rn (ω) → +∞ quando n → +∞ (caso contrário, maxn∈N Rn (ω)
seria o período de ω). Portanto, para todo n suficientemente grande, Rn (ω) > kω ,
donde ω[|0,k−1|] 6= ω[|k,2k−1|] para k = Rn (ω). Pelo que foi observado anteriormente,
concluímos que Rn (ω) = Rnno (ω).
Como µ é ergódica e tem entropia positiva, vale que µ é aperiódica, ou seja, µ
dá medida nula ao conjunto de pontos periódicos de Σ. Daí, Rn (ω) = Rnno (ω)
eventualmente para µ-quase todo ω ∈ Γ(N ). Pelo teorema de Shannon-McMillan-
Breiman, µ(∪N ∈N Γ(N )) = 1, e portanto Rn (ω) = Rnno (ω) eventualmente para
µ-quase todo ω ∈ Σ.
Definição 12. Dado L ∈ N, denominamos padrão uma partição S do intervalo

[|0, L − 1|] por subintervalos disjuntos, [|0, L − 1|] = ∪S∈S S. Se S = [|m, n|] é um
elemento de um padrao, denotamos seu comprimento por |S| := m − n + 1|].
Para inteiros 1 < M < N < L e reais b > 0, ∈ (0, 1), dizemos que a sequência
ω = ω[|0,L−1|] ∈ {1, . . . , p}L segue o padrão S se
(1) Cada S ∈ S é
• ou um singleton;
• ou um intervalo de comprimento |S| ∈ [|M, N |] tal que ωt+S = ωS
para algum t ∈ [|N, eb|S| |]. Neste caso, dizemos que S é um intervalo
longo;
(2) O intervalo [|0, L − 1|] é quase preenchido por intervalos longos:
X
|S| ≥ (1 − )L.
S∈S longo
Lema 12. Para qualquer δ > 0, existe > 0 tal que, para quaisquer M > 1 , N e
L, o número de padrões é limitado por eδL .
Demonstração. Há Lj formas de posicionar j singletons em [|0, L−1|]. Além disso,

0 ≤ j ≤ L. Portanto, há no máximo j≤L Lj configurações de singletons.

P
Cada intervalo longo tem comprimento mínimo M . Portanto, há no máximo

L
M < L intervalos longos. Fixada uma configuração de j singletons, posições e
comprimentos de intervalos longos são determinados pelas extremidades esquerdas,
donde há no máximo L−j ≤ Lk escolhas para k intervalos longos. Segue-se que
P L
k
há menos de k≤L k configuraçôes de intervalos longos.
Portanto, o número de padrões admissíveis é limitado por ( j≤L Lj )2 . Conside-
P
remos a estimativa
X L L L
X L j 1+
< e−L = .
j j=0
j
j≤L
Para todo δ > 0, existe > 0 tal que 1+

< e
δ/2
, pois lim→0 1+
= 1. Então, para
um tal , o número de padrões é limitado por eδL .
Lema 13. O número de sequências de comprimento L seguindo o mesmo padrão

é limitado por pL ebL .
Demonstração. Seja S um padrão. A quantidade de singletons não excede L, o

que dá uma cota de pL possibilidades de valores nessas posições.
Fixados os valores nos singletons, escolheremos os valores dos intervalos longos da
direita para a esquerda. Seja S o primeiro. Existe um tempo t ∈ [|N, eb|S| |] tal que
ωS = ωt+S , logo ωS está completamente determinada pelos t termos à direita de
ωS , neste caso, singletons. O número de possibilidades de preenchimento para ωS
depende então apenas de t. Como t ∈ [|N, eb|S| |], temos menos de eb|S| escolhas
para ωS . Podemos prosseguir sucessivamente para os demais intervalos longos, e o
total de possibilidades será limitado por
Y
eb|S| ≤ ebL .
S∈S
Juntamente com as possibilidades dos singletons, obtemos a cota pL ebL .
Demonstração do teorema 15. Consideremos as taxas

log Rn (ω) log Rnno (ω)
R(ω) = lim sup , R(ω) = lim inf .
n→+∞ n n→+∞ n
Afirmamos que R(ω) ≤ hµ para µ-quase todo ω ∈ Σ. De fato, sejam > 0 e

h > hµ + . Para n ≥ N , temos que
Z
µ(Γ(N ) ∩ {Rn ≥ enh }) ≤ e−nh Rn dµ
Γ(N )
X Z
≤ e−nh τC dµ ≤ e−nh en(hµ +)
|C|=n C∩Γ(N )
pela desigualdade de Markov e ante P o teorema de Kač, onde Γ(N ) foi definido na
demonstração do lema 11. Como n∈N e−nh en(hµ +) < +∞ e µ(∪N ∈N Γ(N )) = 1,
podemos aplicar o lema de Borel-Cantelli para concluir que, para µ-quase todo
ω ∈ Σ, Rn < enh eventualmente. Logo, R ≤ hµ em µ-quase todo ponto.
Podemos supor que hµ > 0, caso contrário a demonstração está completa. Pelo
lema 11, basta provar que R ≥ hµ em µ-quase todo ponto.
Afirmamos que R é constante em µ-quase todo ponto. De fato, como Rnno (σω) ≤
Pn−1
Rnno (ω), temos que R(σω) ≤ R(ω) para todo ω ∈ Σ. Daí, R̃ = lim n1 k=0 R ◦ σ k
está definida e R̃ ≤ R em todo o espaço. Por ergodicidade, R̃ é igual a b0 ∈ R em
µ-quase todo ponto, pois R̃ é σ-invariante. Suponhamos por contradição que R não
seja constante em µ-quase todo ponto. Então, existe > 0 tal que F = {R ≥ b0 +}
tem medida não nula. F é invariante pelo teorema de recorrência de Poincaré, pois
R ◦ σ ≤ R. Portanto, R̃ ≥ b0 + em F . Absurdo, pois F tem medida não nula e
R̃ = b0 em µ-quase todo ponto.
Suponhamos por contradição que b0 < hµ . Fixemos b, h ∈ (b0 , hµ ) tais que b < h
e δ ∈ (0, h − b). Tomemos ∈ (0, hµ − h) como no lema 12 tal que p eb+δ < eh e
fixemos M > 1 . Seja

log Rnno (ω)

AN = ω ∈ Σ : (∃n ∈ [|M, N |] : <b .
n
Tomando N suficientemente grande, µ(AN ) > 1 − 2 . Seja
( L
)
1X k
BL = Γ(L) ∩ ω ∈ Σ : 1AN (σ ω) > 1 − .
L 2
k=0
Segue do teorema ergódico de Birkhoff que µ(BL ) > eh−hµ + para todo L suficien-
temente grande. Aumentando L, se necessário, podemos supor adicionalmente que
ebN < L 2 .
Contaremos o número de cilindros de comprimento L que contêm algum ω ∈ BL .
Para isso, dado ω ∈ BL , veremos que ω[|0,L−1|] segue um padrão S da seguinte
forma: se ω ∈ / AN , então o primeiro elemento de S é o singleton [|0|]; caso con-
trário, tomamos [|0, n − 1|], onde n está entre M e N e Rnno < ebn . Se o padrão
estiver construido até a posição k − 1 ≤ L − ebN , então o próximo elemento será o
singleton [|k|], caso σ k ω ∈
/ AN , ou o intervalo longo [|k, k +n−1|], onde n ∈ [|M, N |]
e Rnno (σ k ω) < ebn , caso contrário. O final do padrão será formado por singletons
[|k|], onde k ∈ [|L − ebN , L − 1|]. Essa construção produz no máximo ebN + L 2 < L
singletons. Portanto, ω[|0,L−1|] segue o padrão S.
Pelo lema 13, o número de sequências seguindo um mesmo padrão é limitado por
pL ebL . Além disso, pelo lema 12, o número de padrões é limitado por eδL . Por-
tanto, o número de sequências ω[|0,L−1|] , onde ω ∈ BL , é limitado por
pL eδL ebL < ehL .
Obtemos então a contradição
µ(BL ) ≤ ehL sup µ(C ∩ BL ) ≤ e(h−hµ +)L ≤ eh−hµ + < µ(BL ).
|C|=n
5. Flutuação do tempo de retorno

5.1. Lei exponencial.
Definição 13 ([15]). A distribuição exponencial de parâmetro α é dada por
(
1 − e−αx caso x ≥ 0;
F (x) =
0 caso x < 0.
A lei exponencial e a distribuição de Poisson são frequentemente denominadas
leis de eventos raros. Essa nomenclatura decorre do fato que essas leis podem ser
obtidas como limites de leis geométricas (distribuições de Bernoulli). Para isso,
podemos considerar o seguinte exemplo [15]: seja T o tempo de primeiro sucesso
numa sequência de tentativas de Bernoulli. Suponhamos que as tentativas possam
ocorrer somente nos tempos δ, 2δ, . . ., com probabilidade de sucesso pδ . Então,
P (T ≤ nδ) = 1 − (1 − pδ )n . Fazendo pδ → 0 de forma que pδδ = α permaneça
constante, obtemos P (T ≤ x) = 1 − e−αx para x ≥ 0.
Teorema 16. A variável aleatória µ(B(x0 , r))τB(x0 ,r) (·) converge em distribuição
para µ-quase todo x0 ∈ X, sob a probabilidade µ ou µB(x0 ,r) , a uma exponencial de
parâmetro 1.
Se x0 é um ponto periódico de período p, todo ponto em B(x0 , β −p r) voltará a

B(x, r) após p iterações. Logo, a depender da medida, o teorema será falso no caso
de tempos de retorno para pontos periódicos e uma massa de Dirac deverá aparecer
na distribuição limite, se existir.
Em [1], há uma revisão de resultados a respeito da velocidade da convergência do
teorema, para sistemas misturadores.
Para demonstrar esse teorema, serão considerados pontos de densidade tais que a
taxa de recorrência é limitada pela dimensão pontual. A principal vantagem dessa
abordagem é não depender de dinâmica simbólica.
O próximo lema explora a ideia de que a distribuição geométrica surge quando há
perda de memória no processo.
Lema 14. Seja A um conjunto mensurável com µ(A) > 0. Se
δ(A) := sup |µ(τA > k) − µA (τA > k)|,
k∈N
então, para todo n ∈ N0 , temos que
|µ(τA > n) − (1 − µ(A))n | ≤ δ(A).
Demonstração. Aplicando a igualdade 1, obtemos, para todo k ∈ N0 ,
mu(τA > k + 1) = µ(tauA > k) − µ(τA = k + 1)
= µ(τA > k) − µ(A)µA (τA > k)
= (1 − µ(A))µ(τA > k) + µ(A)(µ(τA > k) − µA (τA > k)).
Portanto,
|µ(τA > k + 1) − (1 − µ(A))µ(τA > k)| ≤ µ(A)δ(A).
Por recorrência, para todo n ∈ N0 , sendo o caso n = 0 trivial,
n−1
X
|µ(τA > n) − (1 − µ(A))n | ≤ (1 − µ(A))k δ(A)µ(A)
k=0
1
≤ δ(A)µ(A) ≤ δ(A).
µ(A)
Agora, devemos estimar a diferença δ(B(x0 , r)) entre a distribuição de tempos
de retorno e de entrada.
Lema 15. Para qualquer d ∈ (0, dimH µ), vale, para µ-quase todo x0 ∈ X,
lim µB(x0 ,r) (τB(x0 ,r) ≤ r−d ) = 0.
r→0
Dizemos que x0 é um ponto não grudento (“non-sticky”).
Demonstração. Seja
L = {x ∈ X : (∀r < r0 : τ2r (x) > r−d )}.
Se x0 ∈ L é um ponto de densidade de L, ou seja, que satisfaz limr→0 µB(x0 ,r) (L) =
1, e se x ∈ B(x0 , r), r ∈ (0, r0 ), é tal que τB(x0 ,r) (x) ≤ r−d , então τ2r (x) ≤ r−d ,
pois B(x0 , r) ⊂ B(x, 2r). Ou seja, x ∈ X \ L. Logo,
µB(x0 ,r) (τB(x0 ,r) ≤ r−d ) ≤ µB(x0 ,r) (X \ L)
para todo r ∈ (0, r0 ), donde limr→0 µB(x0 ,r) (τB(x0 ,r) ≤ r−d ) = 0. Pelo teorema
14, limr0 →0 µ(L) = 1. Além disso, para todo r0 = n1 , o conjunto de pontos de
densidade L0n ⊂ L tem medida µ(L). Daí, L0 = ∪∞ ∞ 0

n=1 ∩k=n Lk tem medida total e,
0 −d
para todo x0 ∈ L , vale limr→0 µB(x0 ,r) (τB(x,r) ≤ r ) = 0.
Lema 16. Para qualquer d ∈ (0, dimH µ), vale, para µ-quase todo x0 ∈ X.
lim µ(τB(x0 ,r) ≤ r−d ) = 0

r→0
Demonstração. Como, para todo A ⊂ X mensurável, vale

n
! n
[ X
−k
µ(τA ≤ n) = µ T A ≤ µ(T −k A) = nµ(A),
k=1 k=1
então µ(τB(x0 ,r) ≤ r ) = µ(τB(x0 ,r) ≤ br c) ≤ r−d µ(B(x0 , r)). Em µ-quase

−d −d
todo x0 ∈ X, a dimensão pontual existe e é igual a dimH µ. A conclusão decorre da

desigualdade pois, para um tal x, limr→0 r−d µ(B(x0 , r)) = 0. De fato, fixando > 0
tal que d+ < dimH µ, existe r0 ∈ (0, 1) tal que r ∈ (0, r0 ) =⇒ log µ(B(x,r))
log r > d+,
−d
ou seja, 0 < r µ(B(x, r)) < r , e limr→0 r = 0.
Necessitaremos da seguinte hipótese.
Hipótese 1. Existem constantes a > 0 e b ≥ 0 para x0 tais que

µ(B(x0 , r) \ B(x0 , r − ρ)) ≤ r−b ρa
para todo r > 0 suficientemente pequeno.
Lema 17. Em nosso contexto, a hipótese 1 é satisfeita para todo ponto x0 ∈ X.
Demonstração. Existem a, b > 0 tais que, para quaisquer n ∈ N e x ∈ X,

µ(Jn (x)) ≤ e−an e e−bn ≤ diam Jn (x).
Para tanto, basta tomarmos a = PT (ϕ) − inf ϕ − log kϕ e b = log β, onde usamos
notações das definições 6 e da seção 3.1, respectivamente.
Segue-se que qualquer intervalo I de comprimento diam I ≤ e−bn intersecta no
máximo dois n-cilindros, e portanto µ(I) ≤ 2e−an . Concluímos que existem c, d > 0
tais que
(2) µ(I) ≤ c(diam I)d .
De fato, basta tomarmos c = 2ea e d = ab pois, se n é o menor inteiro tal que
diam I ≤ e−bn , então µ(I) ≤ 2e−an = 2ea (e−b e−bn )a/b < c(diam I)d .
Sejam agora a = d > 0 e b > 0 qualquer. Se r > 0 é suficientemente pequeno, então
r−b > 2c. Logo, µ(B(x0 , r) \ B(x0 , r − ρ)) ≤ 2cρd < r−b ρa .
Usaremos agora a propriedade misturadora para estimar δ(B(x0 , r)).
Lema 18. Para µ-quase todo x0 ∈ X, temos que limr→0 δ(B(x0 , r)) = 0.
Demonstração. Sejam d ∈ (0, dimH µ) e x0 ∈ X um ponto não grudento. Escre-

vamos A = B(x0 , r), A0 = B(x0 , r − ρ), En = {τA ≥ n}. Definamos φ(x) =
max{0, 1 − ρ−1 d(x, A0 )} e notemos que φ é ρ−1 -Lipschitz. Se g ≤ n, as seguintes
desigualdades decorrem de En = {τA ≤ g} ∪ T −g En−g , 1A0 ≤ φ ≤ 1A e do teorema

11.
|µ(A ∩ En ) − µ(A ∩ T −g En−g | ≤ µ(A ∩ {τA ≤ g})
Z
µ(A ∩ T −g En−g − φ(1En−g ◦ T g ) dµ ≤ µ(A \ A0 )

Z Z
φ(1En−g ◦ T g ) dµ − µ(En−g ) φ dµ ≤ cθg (1 + ρ−1 )

Z
µ(En−g ) φ dµ − µ(A) ≤ µ(A \ A0 )

µ(A)|µ(T −g En−g ) − µ(En )| ≤ µ(A)µ(τA ≤ g)

Pelas estimativas, obtemos
1
|µA (En ) − µ(En )| = |µ(A ∩ En ) − µ(A)µ(En )|
µ(A)
2µ(A \ A0 ) θg (1 + ρ−1 )
≤ µA (τA ≤ g) + +c + µ(τA ≤ g).
µ(A) µ(A)
Para n ≤ g, temos que |µA (En ) − µ(En )| ≤ µA (τA ≤ g) + µ(τA ≤ g), donde ainda
vale a desigualdade. Obtemos portanto uma cota superior para δ(B(x0 , r)).
Tomemos agora g = dr−d e e ρ = θg/2 . Notemos que g → +∞ quando r → 0. Se r
é suficientemente pequeno para que αg > g 1/d , onde α = θ−1/2 > 1, então ρ < r,
pois ρ = α−g < g −1/d ≤ r.
limr→0 µA (τA ≤ g) = 0 e limr→0 µ(τA ≤ g) = 0 de acordo com os lemas 15 e 16.
Se r é suficientemente pequeno, µ(A \ A0 ) ≤ r−b α−ag ≤ g b/d α−αg , pela hipótese
0
1, e µ(A) ≥ rm ≥ g −m/d para m > dimH µ fixo. Consequentemente, µ(A\A µ(A)
)
≤
g (m+b)/d θ g (1+ρ−1 ) m/d
µ(A\A0 )
(αa )g →0e µ(A) ≤ 2gαg → 0 quando g → +∞, donde limr→0 µ(A) =0
g −1
e limr→0 θ (1+ρ
µ(A)
)
= 0. Segue-se o resultado.
Demonstração do teorema. Fixemos t > 0. Escrevamos A = B(x0 , r) e tomemos
n = bt/µ(A)c. Como µ(µ(A)τA > t) = µ(τA > n). Observemos que µ(A) > 0 pois
µ(A) ≥ µ(Jn (x)) > 0 para algum n suficientemente grande. O lema 14 nos dá
|µ(µ(A)τA > t) − e−t | ≤ δ(A) + |(1 − µ(A))n − e−t |.
Tendo em vista o lema 18, basta provar que o segundo termo tende a 0 quando
r → 0. Uma cota é dada por
n n
1− t −t n t

− e + (1 − µ(A)) − 1 −
.
n n
O primeiro termo da cota tende a zero quando n → ∞, pois
log(1 − rt) − log(1 − 0t)
log(lim(1 − t/n)n ) = lim(n log(1 − t/n)) = lim = −t.
n n r→0 r
O segundo termo é limitado por n|µ(A) − nt | ≤ n+1 t
, pois f (x) = (1 − x)n tem
t t
derivada limitada por n em [0, 1] e µ(A) ∈ [ n+1 , n ). Logo, este termo também
tende a zero.
Concluímos que vale o teorema no caso de tempos de entrada. O caso de tempos de
retorno decorre do lema 18, pois a diferença entre as duas distribuições é limitada
por δ(B(x0 , r)).
6. Primeiro tempo de retorno em bolas

Estudaremos agora o primeiro tempo de retorno de um conjunto.
Definição 14. Dado um conjunto A ⊂ X, definimos o primeiro tempo de retorno
de A por
τ (A) = min{n ∈ N : A ∩ T −n A 6= ∅} = inf τA (x).
x∈A
6.1. Taxa de recorrência para cilindros sob entropia positiva.

Teorema 17 ([32]). Seja ξ uma partição mensurável finita com entropia hµ (T, ξ) >
0. A taxa de recorrência inferior dos cilindros é no mínimo 1 quase certamente,
isto é, para µ-quase todo x ∈ X, vale
τ (ξn (x))
lim inf ≥ 1.
n→+∞ n
Demonstração. Trabalharemos no contexto simbólico, como na seção 4.4. Fixemos
h
∈ (0, 3µ ) e N = N () o menor inteiro positivo tal que Γ = Γ(N ), como definido
no lema 11, tem medida µ(Γ) ≥ 1 − . Seja c = max{enhµ +n µ(C)−1 : 0 ≤ n < N ,
C é n-cilindro, C ∩ Γ 6= ∅}. Para quaisquer ω ∈ Γ e n ∈ N, vale
(3) c−1 e−nhµ −n ≤ µ(Cn (ω)) ≤ ce−nhµ +n .
3
Tomemos δ = 1 − hµ e consideremos
An := {ω ∈ Γ : τ (Cn (ω)) ≤ δn}.
bδnc
An = ∪k=1 Pn (k), onde
Pn (k) := {ω ∈ Γ : τ (Cn (ω)) = k}.
P∞
Mostraremos que n=1 µ(An ) < +∞. Sejam n ∈ N e 0 ≤ k ≤ n. Se o tempo de
returno do cilindro C = [ω0 · · · ωn−1 ] é igual a k, isto é, τ (C) = k, então ωj+k = ωj
para todo j ∈ [|0, n − k − 1|]. Logo, qualquer bloco de k símbolos consecutivos
determina o cilindro C. Consideremos
Z = {Ck (ω) : ω ∈ Pn (k)}.
Pelo que foi observado, para qualquer cilindro Z ∈ Z, existe um único cilindro CZ
de comprimento n tal que CZ ⊂ Z e Z ∩ Pn (k) ⊂ CZ . Daí,
X X
µ(Pn (k)) = µ(Z ∩ Pn (k)) ≤ µ(CZ ).
Z∈Z Z∈Z
Por definição, Z = Ck (ω) para algum ω ∈ Pn (k) ⊂ Γ. A equação 3 nos dá

µ(Cn (ω)) ≤ ce−nhµ +n e 1 ≤ cµ(Ck (ω))ekhµ +k .
Multiplicando as igualdades, como CZ = Cn (ω), obtemos
µ(CZ ) ≤ c2 e−nhµ +n ekhµ +k µ(Z).
Somando em Z ∈ Z, obtemos (usando a estimativa de µ(Pn (k)) anterior e k ≤ n)
µ(Pn (k)) ≤ c2 e−n(−hµ −2) ekhµ .
Segue-se que
bδnc
X 1
µ(An ) = µ(Pn (k)) ≤ c2 e−n(hµ −δhµ −2 .
1 − e−hµ
k=1
3
Como hµ − δhµ − 2 = hµ − (1 − hµ )hµ − 2 = > 0, concluímos que
∞
X
µ(An ) < +∞.
n=1
3
Pelo lema de Borel-Cantelli, τ (Cn (ω)) > (1 − hµ )n
eventualmente para µ-quase
T∞ S∞
todo ω ∈ Γ. Logo, lim inf n→+∞ τ (Cnn(ω))
≥ 1 para todo ω ∈ n=1 k=n Γ(N ( k1 )).
Como esse conjunto tem medida total, segue-se o resultado.
Supondo que a partição é de Markov e que o deslocamento associado é mistura-

dor, obtemos facilmente a outra desigualdade.
Proposição 6. Se J é partição de Markov para T com matriz de transição A tal
que AN é positiva para algum N ∈ N , então, para todo x ∈ X,
τ (Jn (x))
lim sup ≤ 1.
n→+∞ n
Demonstração. Qualquer n-cilindro possui algum ponto de período no máximo

n + N . De fato, basta tomarmos x = χ(ω), onde ωi para 0 ≤ i ≤ n − 1 está
completamente determinado pelo cilindro, ωn+N = ω0 e ωn , . . . , ωn+N −1 são deter-
minados de forma que Aωi ωi+1 = 1 para i ∈ [|n, n + N − 1|] (isso é possível pois AN
é positiva).
Logo, τ (Jn (x)) ≤ n + N , donde lim supn→+∞ τ (Jnn(x)) ≤ 1.
6.2. Taxa de retorno local para bolas. Podemos usar a taxa de recorrência em
cilindros para estimar o tempo de retorno em bolas, ou seja, estimar τ (B(x, r)).
Definição 15. Dizemos que x ∈ X é super regular com respeito a uma partição
ξ se sua órbita não se aproxima exponencialmente rápido da fronteira da partição.
Ou seja,
1
lim log d(T n x, ∂ξ) = 0.
n n
Lema 19. Se µ é uma medida de Gibbs de um potencial Hölder, então µ-quase

todo ponto é super regular com respeito à partição de Markov J .
Demonstração. A fronteira da partição J = {J1 , . . . , Jp } é formada por p + 1

pontos. A equação 2 do lema 17 nos dá, portanto,
µ({d(x, ∂ξ) < }) ≤ (p + 1)cd
para qualquer > 0. Pela invariância da medida, temos que, para todo ν > 0,
∞
X ∞
X
µ({d(T n x, ∂ξ) < e−νn }) ≤ (p + 1)ce−dνn < +∞.
n=1 n=1
Através do lema de Borel-Cantelli, concluímos que limn n1 log d(T n x, ∂ξ) ≥ ν para
µ-quase todo x ∈ X. Como ν > 0 é arbitário, segue-se o resultado.
Lema 20. Se x ∈ X é super regular com respeito à partição J e λ > λ(x) :=

lim sup n1 log |(T n )0 (x)|, então B(x, e−λn ) ⊂ Jn (x) eventualmente.
Demonstração. Fixemos η > 0 tal que λ(x)+ν < λ. Pela super regularidade, existe
c > 0 tal que, para todo k ∈ N,
d(T k x, ∂ξ) ≥ ce−νk .
Como λ − ν > λ(x), existe n0 ∈ N tal que
c (λ−ν)n
|(T n )0 (x)| ≤ e ,
D
onde D é definido na proposição 2.
Afirmamos que, para quaisquer n > n0 e k ≤ n, vale B(x, e−λn ) ⊂ Jk (x). De fato,
para k = 1, isso decorre de e−λn ≤ D|(T nc)0 (x)| e−νn < c. E, supondo válido para
algum k < n, o teorema do valor médio, a proposição 2 e as estimativas anteriores
nos dão
T k (B(x, e−λn )) ⊂ B(T k x, D|(T n )0 (x)|e−λn ) ⊂ B(T k x, ce−νk ) ⊂ J (T k x).
Portanto, B(x, e−λn ) ⊂ Jk+1 (x). Isso prova a afirmação por indução.
Teorema 18. Se µ é uma medida de Gibbs de um potencial Hölder e a entropia
com respeito a µ é positiva, então µ-quase todo x ∈ X satisfaz
τ (B(x, r)) 1
lim = .
r→0 − log r λµ
Demonstração. Seja x um ponto com expoente de Lyapunov λ(x) igual a λµ , super
regular com respeito à partição de Markov e com taxa inferior de recorrência em
cilindros pelo menos 1. Isso abrange µ-quase todo ponto devido à proposição 4, ao
lema 19 e ao teorema 17. De acordo com o lema 20, para qualquer λ > λµ , temos
que
τ (B(x, e−λn )) 1 τ (Jn (x)) 1
lim inf −λn
≥ lim inf ≥ .
n − log e n λ n λ
−λn
Dados quaisquer r ∈ (0, 1) e λ > λµ , existe n ∈ N tal que e ≤ r < e−λ(n−1) .
Logo,
τ (B(x, r)) τ (B(x, e−λn )) 1
lim inf ≥ lim inf ≥ .
r→0 − log r n − log e−λ(n−1) λ
Como λ > λµ foi arbitrário, concluímos que lim inf r→0 τ (B(x,r)) 1
− log r ≥ λµ .
Por outro lado, diam Jn (x) ≤ c1 |(T n )0 (x)|−1 , de acordo com a proposição 2. To-
mando n = n(r) o menor inteiro positivo tal que c1 |(T n )0 (x)|−1 < r, obtemos
Jn (x) ⊂ B(x, r) . Portanto, usando o resultado do lema 6,
τ (B(x, r)) τ (Jn (x))/n 1
lim sup ≤ lim sup ≤ .
r→0 − log r n (log |(T n−1 )0 (x)|)/n − (log c1 )/n λµ

6.3. Dimensão para recorrências de Poincaré. A partir da taxa de retorno
em bolas, podemos definir dimensão para recorrências de Poincaré, ou dimensão de
Afraimovich-Pesin [2], da seguinte forma.
Definição 16. Se A ⊂ X e q, α ∈ R, seja
∞
X
M (A, q, α) = lim inf e−qτ (Bi ) (diam Bi )α ,
δ→0
i=1
onde o ínfimo é tomado sobre todas as δ-coberturas enumeráveis de A por bolas Bi .

Definamos α(A, q) = sup{α ∈ R : M (A, q, α) = +∞} = inf{α ∈ R : M (A, q, α) =
0}. α(·, ·) é denominado espectro de recorrências de Poincaré do conjunto A para
a aplicação T .
No caso q = 0, obtemos a dimensão de Hausdorff. A existência de α(A, q) no
caso geral decorre de M (A, q, α) < +∞ =⇒ (∀ > 0 : M (A, q, α + ) = 0). No caso
q > 0, vale α(A, q) ≤ dimH (A) pois M (A, q, α) ≤ Hα (A). No caso q < 0, podemos
ter α(A, q) = +∞, como mostra o seguinte exemplo.
Exemplo 4. Consideremos T : X → X, T (x) = x + ω (mod 1), onde ω é um
número irracional tal que |ω − m c
n | ≥ n2 para algum c > 0 e quaisquer m ∈ Z, n ∈ N.
√
5+1
Por exemplo, ω = 2 [22].
Então, τB(x,c/n) > n para todo x ∈ X, donde, para todo q < 0 e qualquer α ≥ 0,
∞
X
M (X, q, α) ≥ lim inf e−qni (diam Bi )α
δ→0
i=1
∞
X
≥ lim inf eq e−2cq/diam Bi (diam Bi )α
δ→0
i=1
∞
X (−2cq/diam Bi )dαe
≥ lim inf eq (diam Bi )α
δ→0
i=1
dαe!
eq (−2cq)dαe 0
≥ H (X) = +∞,
dαe!
onde os ínfimos são tomados sobre todas as δ-coberturas de X por bolas Bi e ni é
o maior inteiro tal que diam Bi < n2ci . Concluímos que α(X, q) = +∞.
A partir do espectro de recorrências de Poincaré, podemos definir espectros de
medidas e dimensões pontuais de medidas.
Definição 17 ([3]). Dada uma probabilidade Boreliana µ, seu espectro de medida
é definido por
αµ (q) := inf{α(A, q) : µ(X \ A) = 0}.
A q-dimensão pontual inferior de µ no ponto x é definida por
log µ(B(y, )) + qτ (B(y, ))
dµ,q (x) = lim inf inf .
→0 y∈B(x,) log
7. Apêndice: Resultados auxiliares

O teorema a seguir foi demonstrado originalmente em [34].
Teorema 19 (Lema de recobrimento de Vitali [27, p. 294]). Se A é uma coleção
de bolas contida em algum conjunto limitado de RN , então existe uma subcoleção
enumerável de bolas duas a duas disjuntas B = {Bi }i∈I tal que
[ [
B= B̂i ,
B∈A i∈I
onde B̂i é a bola concêntrica a Bi com o quádruplo do raio.

O próximo teorema foi formulado originalmente em [24, p. 405–407] (ver também

[14, Corollary 3, p. 45]) para o caso da medida de Lebesgue. Apresentamos uma
demonstração para o enunciado que usamos.
Teorema 20 (Teorema de densidade de Lebesgue). Se µ é uma medida de Radon
em RN e E ⊂ RN é mensurável, então µ-quase todo x ∈ E é ponto de densidade
de E, ou seja,
µ(E ∩ B(x, r))
lim = 1.
r→0 µ(B(x, r))
Demonstração. Pelo teorema de diferenciação de Lebesgue-Besicovitch [14, p. 49],
dada qualquer f ∈ L1loc (RN , µ),
R
B(x,r)
f dµ
lim = f (x)
r→0 µ(B(x, r))
para µ-quase todo x ∈ RN . Basta tomarmos, portanto, f = 1E .

Teorema 21 (Teorema de extensão de Hahn [13, p. 186]). Dada µ0 : A →
R ∪ {+∞} uma função σ-aditiva e não negativa definida numa álgebra A de sub-
conjuntos de X, existe uma extensão µ à σ-álgebra gerada por A. Se, além disso,
µ0 é σ-finita, então µ é única.
Usamos o teorema seguinte no caso em que f é a restrição de uma função contínua
F : E → E a um compacto C. Nesse caso, f é obviamente contínua e f (C) é um
compacto de E, logo um compacto de C.
Teorema 22 (Teorema do ponto fixo de Schauder-Tychonoff [33, 12]). Sejam E um
espaço vetorial topológico separável, C ⊂ E um subconjunto convexo e f : C → C
uma função contínua. Se f (C) está contido em um subconjunto compacto de C,
então f tem um ponto fixo.
Teorema 23 (Teorema de Arzelà-Ascoli [13, p. 266]). Sejam X um espaço topoló-
gico compacto e C(X) o espaço das funções contínuas reais ou complexas definidas
em X, com norma dada por kf k∞ = supx∈X |f (x)|. Se K ⊂ C(X), então K é
compacto se, e somente se, K é limitado e equicontínuo.
Teorema 24 (Teorema da classe monótona). Dada uma álgebra A de subconjuntos
de X, a σ-álgebra gerada por A é a menor classe monótona de X que contém A.
X
S∞monótona, entendemos uma família TC∞⊂ 2 tal que C1 ⊂ C2 ⊂ · · · ∈
Por classe
C =⇒ n=1 Cn ∈ C e C1 ⊃ C2 ⊃ · · · ∈ C =⇒ n=1 Cn ∈ C.
Demonstração. Evidentemente, a interseção de classes monótonas é ainda uma
classe monótona. Seja então C a menor classe monótona que contém A. Dado
qualquer A ∈ A, notemos que CA := {B ∈ C : A ∩ B, A \ B,SB \ A ∈ C} é uma
∞
classe monótona.
S∞ De fato, B1 ⊂TB2 ⊂ · · · ∈ CA =⇒ B = n=1 Bn ∈ CA pois
∞ S∞
A ∩ B = n=1 (A ∩ Bn ), A \ B = n=1T (A \ Bn ) e B \ A = n=1 (Bn T \ A) pertencem
∞ ∞
a C, e B1S⊃ B2 ⊃ · · · ∈ CA =⇒ BT= n=1 Bn ∈ CA pois A ∩ B = n=1 (A ∩ Bn ),
∞ ∞
A \ B = n=1 (A \ Bn ) e B \ A = n=1 (Bn \ A) pertencem a C.
CA = C pela minimalidade de C. Logo, dado qualquer B ∈ C, A ∩ B, A \ B e B \ A
pertencem a C. Ou seja, C é uma álgebra.
S∞ Então, S∞como SnC é classe monótona, dada
qualquer sequência {An }∞ n=1 em C, n=1 A n = n=1 ( k=1 Ak ) ∈ C. Portanto, C é
uma σ-álgebra contida em toda classe monótona que contém A. Como σ-álgebras
sao classes monótonas, C é a σ-álgebra gerada por A.
Teorema 25 (Lema de Borel-Cantelli [15, Lemma 1, p. 201]). Se (X, µ) é um

P∞ de medida e {An }n∈N é uma sequência de conjuntos mensuráveis tal que
espaço
n=1 µ(An ) < +∞, então µ-quase S∞ x ∈ X pertence a apenas um número
T∞ todo
finito de conjuntos An , isto é, µ( n=1 k=n Ak ) = 0.
P∞
Demonstração.S∞Dado qualquerP∞ > 0, existe N ∈ N tal queT∞ k=NS∞µ(Ak ) < .
Portanto, µ( k=N Ak ) ≤ T k=NSµ(Ak ) < . Segue-se que µ( n=1 k=n Ak ) <
∞ ∞
para todo > 0, donde µ( n=1 k=n Ak ) = 0.
Teorema 26 (Desigualdade de Markov). Se f : X → R é uma função mensurável
não negativa definida num espaço de probabilidade (X, µ), então
R
f dµ
µ({f ≥ a}) ≤
a
para todo a > 0.
R
Demonstração. Basta provarmos que f dµ ≥ aµ{f ≥ a}.
Z Z Z
f dµ = f dµ + f dµ
{f ≥a} {f <a}
Z
≥ a dµ = aµ({f ≥ a}).
{f ≥a}
Referências
[1] ABADI, M.; GALVES, A. Inequalities for the occurrence times of rare events in mixing
processes. The state of the art. Markov Process. Related Fields, v. 7, p. 97–112, 2001.
[2] AFRAIMOVICH, V. Pesin’s dimension for Poincaré recurrences. Chaos, v. 7, 12–20, 1997.
[3] AFRAIMOVICH, V.; CHAZOTTES, J.-R.; SAUSSOL, B. Pointwise dimensions for Poincaré
recurrence associated with maps and special flows. Discrete Contin. Dyn. Syst., v. 9, p.
263–280, 2003.
[4] ALAOGLU, L. Weak topologies of normed linear spaces. Ann. of Math. (2), v. 41, n. 1, p.
252–267, 1940.
[5] BARREIRA, L.; SAUSSOL, B. Hausdorff dimension of measures via Poincaré recurrence.
Comm. Math. Phys., v. 219, p. 443–463, 2001.
[6] BARREIRA, L.; SAUSSOL, B. Product structure of Poincaré recurrence. Ergodic Theory
Dynam. Systems, v. 22, p. 33–61, 2002.
[7] BIRKHOFF, G. Proof of the ergodic theorem. Proc. Natl. Acad. Sci. USA, v. 17, p. 650–655,
1931.
[8] BOSHERNITZAN, M. Quantitative recurrence results. Invent. Math., v. 113, p. 617–631,
1993.
[9] BOWEN, R. Equilibrium states and the ergodic theory of Anosov diffeomorphisms, 2. ed.
Berlin, Heidelberg: Springer-Verlag, 2008. (Lecture Notes in Mathematics, v. 470)
[10] BREIMAN, L. The individual ergodic theorem of information theory. Ann. Math. Statist.,
v. 28, p. 809–811, 1957. Correção em: BREIMAN, L. Ann. Math. Statist., v. 31, p. 809–810,
1960.
[11] BREZIS, H. Functional analysis, Sobolev spaces and partial differential equations. New York:
Springer Verlag, 2011. (Universitext)
[12] CAUTY, R. Solution du problème de point fixe de Schauder. Fund. Math., v. 170, p. 231–246,
2001.
[13] DUNFORD, N.; SCHWARTZ, J. Linear operators. Part I : General theory. New York: In-
terscience Publishers, 1958. (Pure and Applied Mathematics, v. 7)
[14] EVANS, L; GARIEPY, R. Measure theory and fine properties of functions. Boca Raton:
CRC Press, 1949.
[15] FELLER, W. An introduction to probability theory and its applications, v. 1, 3. ed. New
York: John Wiley & Sons Inc., 1968.
[16] GALATOLO, S. Hitting time and dimension in axiom A systems, generic interval exchanges
and an application to Birkoff sums. J. Stat. Phys., v. 123, p. 111–124, 2006.
[17] GALATOLO, S. Dimension and hitting time in rapidly mixing systems. Math. Res. Lett., v.
14, p. 797–805, 2007.
[18] GANTMACHER, F. The theory of matrices: volume 2. Tradução de K. A. Hirsch. New York:
Chelsea Publishing Company, 1959.
[19] HOFBAUER, F. The recurrence dimension for piecewise monotonic maps of the interval.
Ann. Scuola Norm. Sup. Pisa Cl. Sci. (5), v. 4, p. 439–449, 2005.
[20] KAC, M. On the notion of recurrence in discrete stochastic processes. Bull. Amer. Math.
Soc., v. 53, p. 1002–1010, 1947.
[21] KAKUTANI, S. Concrete representation of abstract (M)-spaces. (A characterization of the
space of continuous functions.) Ann. of Math. (2), v. 42, n. 4, p. 994–1024, 1941.
[22] KHINCHIN, A. Continued fractions. 3. ed. Tradução de Herbert Eagle. Chicago: University
of Chicago Press, 1964.
[23] KRERLEY, O.; VIANA, M. Fundamentos da teoria ergódica. Rio de Janeiro: SBM, 2014.
(Coleção Fronteiras da Matemática)
[24] LEBESGUE, H. Sur l’intégration des fonctions discontinues. Ann. Sci. Éc. Norm. Supér. (3),
v. 27, p. 361–450, 1910.
[25] ORNSTEIN, D.; WEISS, B. Entropy and data compression schemes. IEEE Trans. Inform.
Theory, v. 39, p. 78–83, 1993.
[26] POINCARÉ, H. Sur le problème à trois corps et les equations de la dyamique. Acta Math.,
v. 13, n. 1, p. A3–A270, 1890.
[27] PESIN, YA. Dimension theory in dynamical systems: Contemporary views and applications.
Chicago: The University of Chicago Press, 1997. (Chicago Lectures in Mathematics)
[28] QUAS, A. An entropy estimator for a class of infinite alphabet processes. Teor. Veroyatn.
Primen., v. 43, p. 610–621, 1998. Tradução em: Theory Probab. Appl., v. 43, p. 496–507,
1999.
[29] SAUSSOL, B. Recurrence rate in rapidly mixing dynamical systems. Discrete Contin. Dyn.
Syst., v. 15, p. 259–267, 2006.
[30] SAUSSOL, B. An introduction to quantitative Poincaré recurrence in dynamical systems.
Rev. Math. Phys., v. 21, n. 8, p. 949–979, 2009.
[31] SINAI, YA. On the notion of entropy of a dynamical system. Dokl. Akad. Nauk, v. 124, p.
768–771, 1959.
[32] SAUSSOL, B.; TROUBETZKOY, S.; VAIENTI, S. Recurrence, dimensions and Lyapunov
exponents. J. Statist. Phys., v. 106, p. 623–634, 2002.
[33] TYCHONOFF, A. Ein Fixpunktsatz. Math. Ann., v. 111, p. 767–776, 1935.
[34] VITALI, G. Sui gruppi di punti e sulle funzioni di variabili reali. Atti della Reale Accademia
delle Scienze di Torino, v. 43, p. 75–92, 1908.

Dissertacao 25-05

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Dissertacao 25-05

Diunggah oleh

Hak Cipta:

Format Tersedia

INTRODUÇÃO À RECORRÊNCIA DE POINCARÉ

RICARDO BIONI LIBERALQUINO

Date: 9 de junho de 2015.

5.1. Lei exponencial 24

2. Resultados Clássicos de Recorrência

2.1. Teorema de Recorrência de Poincaré. O teorema de recorrência de Poin-

Por invariância de medidas, concluímos que

é um conjunto de medida nula, o qual contém o conjunto dos x ∈ A que possuem

Demonstração. Pela equação 1,

Para verificar o corolário, faremos uso do seguinte teorema, denominado teorema

converge em µ-quase todo ponto e em L1 Ra alguma função ϕ̃. Se a medida µ é

Proposição 1. Valem as seguintes afirmações.

(1) χ está bem definida;

(1) Pela definição de ΣA , temos que ∩∞ i=0 T

|x − x0 | ≤ β|T (x) − T (x0 )| ≤ · · · ≤ β n |T n (x) − T n (x0 )| < ,

pois T k (x) e T k (x0 ) pertencem a um mesmo intervalo de J para todo

Lema 1. Se ψ : X → R é α-Hölder contínua e x, y pertencem a um mesmo

Demonstração. Para qualquer k ∈ {0, . . . , n − 1}, T k x e T k y estão no mesmo

|T k x − T k y| ≤ β|T k+1 x − T k+1 y| ≤ · · · ≤ β k−n |T n x − T n y| ≤ β k−n .

Proposição 2 (Distorção limitada). Existem constantes positivas c0 , c1 tais que,

Demonstração. A função ψ(x) = log |T 0 (x)| é α-Hölder contínua em cada intervalo

|(T n )0 (x)| n−1 n−1

e a demonstração do lema anterior ainda pode ser aplicada. Portanto, D =

3.2. Dimensão de Hausdorff. Aqui, nosso espaço ambiente será RN , N ∈ N.

δ β−α (C + 1) → 0 quando δ → 0 pois β − α > 0. Concluímos que Hβ (A) = 0.

Definição 3. Se µ é uma medida de Radon em X ⊂ RN , sua dimensão de Hausdorff

Demonstração. Dados α > ess sup dµ , δ > 0 arbitrários, consideremos os conjuntos

Logo, dimH Y ≥ dimH Z ≥ α. Concluímos que dimH µ ≥ α.

onde convencionamos 0 log 0 = 0. Seja T uma transformação que preserva µ. De-

A existência do limite decorre da subaditividade de Hµ (ξn ).

onde o supremo é tomado sobre todas as partições com entropia finita.

Se (T, µ) é ergódico, então hµ (T, ξ, x) = hµ (T, ξ) para µ-quase todo x.

caso exista, é denominado o expoente de Lyapunov de T no ponto x.

O seguinte teorema relaciona dimensão pontual, entropia e expoente de Lyapu-

Exemplo 1. Consideremos T : [0, 1] → [0, 1], T (x) = 3x (mod 1) e o conjunto de

Segue-se que dimH K ≤ log 2

4. Estados de Equilíbrio ou Medidas de Gibbs

Demonstração. Como µ é medida de Gibbs, vale

para todo x ∈ X e n ∈ N. Portanto, − n1 log µ(Jn (x)) − (− n1 Sn ϕ(x) + PT (ϕ))

Definição 7. Uma medida que atinge o supremo de

sobre todas as medidas T -invariantes ν é denominada um estado de equilíbrio.

Usaremos a seguinte propriedade misturadora. Se f é uma função de Lipschitz

4.1. Teorema de Ruelle-Perron-Frobenius. Seja φ : X → R um potencial

Definição 8. O operador de Ruelle-Perron-Frobenius é o operador no espaço

Lϕ está bem definido pois, em cada cilindro ({ω0 } × ΣA ) ∩ ΣA ,

≤ p|f eϕ |Lip δd(ω, ω 0 )

Por indução, Lnϕ f (ω) = σn (τ )=ω eSn ϕ(τ ) f (τ ).

Pelo teorema de representação de Riesz-Markov-Kakutani [21], o dual de C(ΣA )

Demonstração. Seja K o conjunto convexo das medidas de probabilidade (sem si-

Substituindo, se necessário, ϕ por ϕ − log λ, podemos supor que λ = 1. Fixemos

Demonstração. Dados quaisquer ω, ω 00 ∈ ΣA , existe ω 0 tal que ω0 = ω00 e σ N ω 0 =

Lema 4. Cb é compacto em C(ΣA ). Além disso, toda f ∈ Cb é Lipschitz e Cb é

Demonstração. Pelo lema anterior, Cb é uniformemente limitado. Além disso, para

Arzelà-Ascoli (23), Cb é compacto.

e notar que cada um dos conjuntos da interseção é fechado em C(ΣA ).

Lema 5. Existe h ∈ Cb tal que Lϕ h = h e h > 0.

Demonstração. Cb é compacto e convexo. Também, se f ∈ Cb e ω0 = ω00 ,

Notemos que µ = hν é invariante. De fato, para toda f ∈ C(ΣA ),

Demonstração. Sejam ω ∈ ΣA e f = 1Cn (ω) a função indicadora do n-cilindro que

µ(Cn (ω)) = µ(Lnϕ f ) ≤ sup eSn ϕ ≤ κeSn ϕ(ω) ,

Lema 7. Existem constantes C > 0 e θ ∈ (0, 1) tais que

Dado qualquer n ∈ N, podemos escrever n = pN + r, com p ∈ N e 0 ≤ r < N .

Teorema 11. A medida µ é misturadora e o decaimento de correlação para f

Demonstração. Seja f uma função de Lipschitz. Tomemos u = (1 + b−1 )kf k.

|x − x0 | ≤ β|T (x) − T (x0 )| ≤ · · · ≤ β n |T n (x) − T n (x0 )| < ,

disjuntas, vale 1 = µ(X) ≥ i∈I µ( 21 Bi ) ≥ ( 12 rn )δ+ |I|, donde |I| ≤ ( 12 rn )−δ− .

De fato, se |s| = k e Γ ∩ ssΣ 6= ∅, então µ(ssΣ) ≤ e−2k(hµ −) e sΣ ∩ Σ 6= ∅,

0 ≤ j ≤ L. Portanto, há no máximo j≤L Lj configurações de singletons.

Para todo δ > 0, existe > 0 tal que 1+

Demonstração. Seja S um padrão. A quantidade de singletons não excede L, o

Juntamente com as possibilidades dos singletons, obtemos a cota pL ebL .

Afirmamos que R(ω) ≤ hµ para µ-quase todo ω ∈ Σ. De fato, sejam > 0 e

fixemos M > 1 . Seja