´
e cobertura aberta. Lembremos que a entropia de uma parti¸c˜ao ´e sempre menor ou igual ao logaritmo do n´umero de elementos n˜ao-vazios, ent˜ao
Hµ(
n−1
_
i=0
T−iη)≤log](
n−1
_
i=0
T−iη). Vejamos como entram a coberturaβ e seus refinamentosWn−1
i=0 T−iβ. Queremos relacionar N(Wn−1
i=0 T−iβ) com ](Wn−1
i=0 T−iη).
Todo elemento de Wn−1
i=0 T−iβ ´e da forma
(B0∪Bk0)∩T−1(B0∪Bk1)∩. . .∩T−n+1(B0∪Bkn−1). Um elemento deste cont´em qualquer elemento deWn−1
i=0 T−iη da forma Bj0 ∩T−1Bj1 ∩. . .∩T−n+1Bjn ,
onde ji = ki ou ji = 0, ∀i = 0, . . . , n−1, e n˜ao pode conter qualquer outro. Ent˜ao existem no m´aximo 2n elementos de Wn−1
i=0 T−iη em cada elemento de Wn−1
i=0 T−iβ. Agora tome uma subcobertura de Wn−1
i=0 T−iβ com o n´umero m´ınimo N = N(Wn−1
i=0 T−iβ) de elementos. Todos os elementos de Wn−1
i=0 T−iη est˜ao contidos em algum elemento dessa subcobertura, portanto seu n´umero n˜ao pode exceder N2n. Da´ı conclu´ımos que
Hµ(
n−1
_
i=0
T−iη)≤nlog 2 + logN(
n−1
_
i=0
T−iβ), e dividindo por n e levando ao limite obtemos
hµ(T, η)≤h(T, β) + log 2≤h(T) + log 2. Por outro lado,
hµ(T, ξ)≤hµ(T, η) +Hµ(ξ|η)≤h(T) + log 2 + 1, pela estimativa anterior, logo
hµ(T)≤h(T) + log 2 + 1.
Observe que essa desigualdade independe da transforma¸c˜ao cont´ınuaT. Sendoµ proba-bilidade invariante para Tn, obtemos tamb´em
hµ(Tn)≤h(Tn) + log 2 + 1 . Logo
nhµ(T)≤nh(T) + log 2 + 1 ,
de onde, dividindo porn e tomando o limite, sai a desigualdade procurada.
Para a outra desigualdade, precisaremos do seguinte Lema.
Lema 7.14. Seja X espa¸co m´etrico compacto e µ probabilidade de Borel. Ent˜ao 1. Se x∈X e δ >0 ent˜ao existe δ0 < δ tal que µ(∂B(x;δ0)) = 0.
2. Dadoδ >0, existeξ={A1, . . . , Ar}parti¸c˜ao deX tal que diam(Ai)< δ eµ(∂Ai) = 0, ∀i.
Demonstra¸c˜ao. A primeira afirma¸c˜ao ´e evidente. Ela implica que existe uma cobertura β = {B1, . . . , Br} de X por bolas de raio menor do que δ2 com µ(∂Bi) = 0, ∀i. Tome A1 =B1,A2 =B2\B1, A3 =B3\(B1∪B2), etc. Assim, o diˆametro de cadaAi ´e menor do que δ, e como ∂Ai est´a contido em Sr
j=1∂Bj ent˜ao µ(∂Ai) = 0.
Teorema 7.15. Sejam X espa¸co m´etrico compacto e T transforma¸c˜ao cont´ınua. Ent˜ao sup
µ
hµ(T)≥h(T).
Demonstra¸c˜ao. Lembremos que sn() ´e a m´axima cardinalidade dos conjuntos (n, )-separados, e s() = lim supn→∞ n1 logsn(). A entropia topol´ogica sendo o limite (cres-cente) de s() quando vai a zero, mostraremos que para todo >0 existe uma medida invarianteµ tal que hµ(T)≥s().
Para definir µ, seja En um conjunto (n, )-separado com cardinalidade m´axima, isto
´
e, com sn() elementos. Seja
σn= 1 sn()
X
x∈En
δx e defina
µn = 1 n
n−1
X
i=0
T˜iσn .
No Teorema 2.27 mostramos que qualquer ponto de acumula¸c˜ao da seq¨uˆencia {µn}n ´e medida invariante. Seja {nj}j seq¨uˆencia tal que µnj converge e seja µ a probabilidade limite. Passando a uma subseq¨uˆencia, imponha ainda que
j→∞lim 1
nj logsnj() =s().
Para mostrar ques()≤hµ(T) encontraremos uma parti¸c˜aoξtal ques()≤hµ(T, ξ).
N˜ao ser´a preciso restringir muito a parti¸c˜ao ξ ={A1, . . . , Ak}, basta que cada elemento tenha diˆametro menor do que e a medida do bordo de cada elemento seja nula.
Como nenhum membro de Wn−1
i=0 T−iξ cont´em mais do que um ponto de En ent˜ao Hσn
n−1
_
i=0
T−iξ
!
= logsn(), pois sn() elementos tˆem medida s1
n() e os outros tˆem medida zero.
A desigualdade crucial a mostrar ´e que para q < nvale 1
nHσn
n−1
_
i=0
T−iξ
!
≤ 1 qHµn
q−1
_
i=0
T−iξ
! +2q
n logk (7.1)
(k ´e o n´umero de elementos da parti¸c˜ao ξ). Substituindo n por nj e fazendo j ir para infinito, comq fixo, obtemos
s() = lim
j→∞
1
nj logsnj()≤ 1 qHµ
q−1
_
i=0
T−iξ
!
q→∞−→ hµ(T, ξ),
usando o fato de queHµnj(η)→Hµ(η) se todos os elementos deηtˆem bordo com medida nula (ver Teorema 2.25).
Passemos a demonstrar a Inequa¸c˜ao 7.1. Seja q < n. Como a medida µn ´e uma combina¸c˜ao convexa das medidas ˜Tpσn,p= 0,1, . . . , n−1, podemos usar o Teorema 6.2, obtendo
Hµn
q−1
_
i=0
T−iξ
!
≥ 1 n
n−1
X
p=0
HT˜pσn
q−1
_
i=0
T−iξ
!
= 1
n
n−1
X
p=0
Hσn T−p
q−1
_
i=0
T−iξ
!!
.
A pr´oxima etapa depende de um bom rearranjo da ´ultima soma. Por exemplo, con-sidere apenas os termos p = 0, q,2q,3q, . . . ,(a −1)q, onde a ´e o maior inteiro tal que aq ≤n. Reunindo-os temos
a−1
X
r=0
Hσn T−rq
q−1
_
i=0
T−iξ
!!
≥Hσn
aq−1
_
i=0
T−iξ
! ,
por causa do Teorema 6.4(8). Por outro lado, Hσn
n−1
_
i=0
T−iξ
!
≤Hσn
aq−1
_
i=0
T−iξ
! +
n−1
X
j=aq
Hσn(T−iξ).
Pelo Teorema 6.4(10), Hσn(T−iξ) = Hσn(ξ), que por sua vez ´e certamente menor do que logk (ver coment´arios que se seguem ao Lema 6.2). H´a no m´aximo q n´umeros de aq a n−1, de modo que
Hσn
aq−1
_
i=0
T−iξ
!
≥Hσn
n−1
_
i=0
T−iξ
!
−qlogk .
Da mesma maneira, podemos escolherj entre 0 eq−1 e tomar apenas os termos com p=j, j +q, . . . , j+ (a(j)−1)q. Entre 0 e j−1 e entre a(j)q e n−1 h´a no m´aximo 2q termos, ent˜ao a soma desses termos ser´a maior ou igual a
Hσn
n−1
_
i=0
T−iξ
!
−2qlogk .
A cada escolha de j valores diferentes de p s˜ao considerados, e h´a q escolhas de j.
Portanto
Hµn
q−1
_
i=0
T−iξ
!
≥ q nHσn
n−1
_
i=0
T−iξ
!
− 2q2
n logk , e a Inequa¸c˜ao 7.1 est´a demonstrada.
Princ´ıpio Variacional: coment´arios e implica¸c˜oes Algumas observa¸c˜oes e co-rol´arios relativos ao Princ´ıpio Variacional se fazem pertinentes. Assumiremos, eviden-temente, nas afirma¸c˜oes abaixo que T ´e uma transforma¸c˜ao cont´ınua.
A entropia topol´ogica pode ser obtida pelo supremo das entropias das medidas erg´odicas.
Para ver isso seja, pelo Princ´ıpio Variacional, uma medida µ∈ MT(X) tal que hµ(T)>
h(T)−2 (no caso h(T)<∞, o caso h(T) = ∞´e an´alogo). Pela Decomposi¸c˜ao Erg´odica da Se¸c˜ao 4.7, escrevemos
µ(A) = Z
µx(A)dµ(x) = Z
Σ
µx(A)dµ(x), onde Σ tem probabilidade total e se x∈Σ ent˜ao existe µx tal que
Z
f dµx = lim
n→∞
1 n
n−1
X
i=0
f(Tix),
para toda f ∈ C0(X), com µx invariante, erg´odica e tal que x ∈ supp(µx). Como a fun¸c˜ao entropia µ7→hµ(T) ´e afim, temos
hµ(T) = Z
Σ
hµx(T)dµ(x). Logo hµx(T)> hµ(T)−2 para algum x∈Σ, e ent˜ao
hµx(T)> h(T)− .
Outra observa¸c˜ao importante ´e que a entropia topol´ogica de T coincide com a en-tropia topol´ogica da restri¸c˜ao de T ao conjunto n˜ao-errante Ω(T) (x ´e errante se existe vizinhan¸ca U de x tal que TnU ∩U =∅, ∀n ≥1, e n˜ao-errante se n˜ao ´e errante). Basta observar que toda probabilidade invarianteµtem suporte contido em Ω(T), em particular µ(Ω(T)) = 1 (na verdade, deixamos como exerc´ıcio na Se¸c˜ao 4.6 ao leitor mostrar que o suporte de qualquer probabilidade de Borel invariante est´a contido no fecho dos pontos recorrentes, que por sua vez est´a contido no conjunto n˜ao-errante).
Ent˜ao a toda medida invariante µ ∈ MT(X) corresponde outra em MT|Ω(T)(Ω(T)), da´ı pelo Princ´ıpio Variacional
h(T)≤h(T|Ω(T)). Por outro lado TΩ(T) = Ω(T), e ent˜aoh(T|Ω(T))≤h(T).
O mesmo argumento mostra que
h(T) =h(T|
∞
\
n=0
TnX).
S´o ´e preciso mostrar que T∞
n=0TnX tem probabilidade total, mas isso decorre de µ(TnX) =µ(T−nTnX) =µ(X) = 1,
para todaµ∈ MT(X).
A entropia topol´ogica ´e mais do que um invariante topol´ogico. Se Ti : Xi → Xi
´
e tranforma¸c˜ao cont´ınua, i = 1,2, e φ : X1 → X2 ´e uma bije¸c˜ao bimensur´avel com φT1 = φT2 ent˜ao h(T1) = h(T2). Isso ocorre porque µ ∈ MT1(X1) se e somente se µ◦φ−1 ∈ MT2(X2). Como hµ(T1) =hµ◦φ−1(T2) ent˜ao do Princ´ıpio Variacional segue que h(T1) = h(T2).
Diz-se que uma medida ´e de m´axima entropia se hµ(T) = h(T). Chamaremos de MmaxT (X) o conjunto das medidas de m´axima entropia.
O conjunto MmaxT (X) ´e convexo, j´a que a fun¸c˜ao entropia ´e afim.
Se h(T) < ∞ ent˜ao os pontos extremos de MmaxT (X) s˜ao exatamente as medidas erg´odicas de MmaxT (X). Evidentemente as medidas erg´odicas de MmaxT (X) s˜ao pontos extremos de MT(X), logo s˜ao pontos extremos de MmaxT (X). Por outro lado, suponha que µ seja ponto extremo de MmaxT (X). Sejam µ1, µ2 ∈ MT(X) tais que µ = pµ1 + (1−p)µ2, com 0 < p < 1. Ent˜ao obrigatoriamente hµ1(T) = hµ2(T) = hµ(T) = h(T), pois hµ1(T), hµ2(T) ≤ h(T). Isto significa que µ1, µ2 ∈ MmaxT (X), mas como µ ´e ponto extremo de MT(X) logo ´e erg´odica.
Al´em disso a hip´otese h(T) < ∞ implica tamb´em que se MmaxT (X) 6= ∅ ent˜ao MmaxT (X) cont´em pelo menos uma medida erg´odica. Isto segue diretamente da De-composi¸c˜ao Erg´odica.
Por outro lado, se h(T) = ∞ ent˜ao necessariamente MmaxT (X) 6= ∅. Para ver isso, considere medidas µn ∈ MT(X) com hµn(T)>2n. Seja
µ=
∞
X
n=1
1
2nµn∈ MT(X). A medidaµ pode ser escrita como
µ=
N
X
n=1
1 2nµn+
∞
X
n=N+1
1 2nµn=
N
X
n=1
1
2nµn+ 1 2Nν , com ν ∈ MT(X). Logo
hµ(T)≥
N
X
n=1
1
2nhµn(T)> N . Como N ´e qualquer, segue que hµ(T) =∞.
Suponha que a fun¸c˜ao entropia seja semi-cont´ınua superiormente (i.e. quaisquer µ∈ MT(X) e >0 existeδ >0 tal qued(µ,µ)˜ < δimplicahµ˜(T)< hµ(T) +, ou: seµn →µ ent˜ao lim supn→∞hµn(T)≤hµ(T)). Ent˜ao se µn ∈ MmaxT (X) eµn→µ∈ MT(X) segue que
h(T) = lim sup
n→∞
hµn(T)≤hµ(T),
logo µ ∈ MmaxT (X). Al´em disso, MmaxT (X) ´e n˜ao-vazio porque fun¸c˜oes semi-cont´ınuas superiormente em compactos tˆem m´aximo.
Se T tem ´unica medida com entropia maximal ent˜ao diz-se que ´e intrinsecamente erg´odica.
E claro que se´ T ´e unicamente erg´odica ent˜ao ´e intrinsicamente erg´odica.
Por outro lado, se h(T) = ∞ e T ´e intrinsecamente erg´odica ent˜ao ´e unicamente erg´odica. Pois seja µ0 a ´unica medida tal que hµ0(T) = ∞. Se houvesse outra probabili-dade invarianteµ1 ela teria que satisfazer hµ1(T)<∞. Mas µ= 12µ0+12µ1 teria entropia hµ(T) = 12hµ0(T) + 12hµ1(T) = ∞, contradi¸c˜ao.
Se T ´e intrinsicamente erg´odica ent˜ao a ´unica medida µ tal que hµ(T) = h(T) ´e erg´odica. Isto segue imediatamente do par´agrafo anterior se h(T) = ∞. Se h(T) < ∞ isto segue do fato de que se MmaxT (X) ´e n˜ao-vazio ent˜ao deve conter pelo menos uma medida erg´odica.
Finalmente, observamos que se Ti :Xi →Xi ´e intrinsecamente erg´odica comµi unica´ medida de m´axima entropia,i= 1,2, eφ :X1 →X2´e bije¸c˜ao bimensur´avel tal queφT1 = T2φ ent˜ao h(T1) = h(T2), logo hµ1(T1) = hµ2(T2). Como tamb´em hµ1◦φ−1(T2) = hµ1(T1) temos pela unicidade queµ◦φ−1 =µ2. Isto mostra que φdeve ser um isomorfismo entre (X1,B1, µ1) e (X2,B2, µ2).
A medida de Parry SejaX = ΣA eT =σ|ΣA, onde A= (aij) ´e irredut´ıvel. J´a vimos que a entropia topol´ogica de T ´e igual a logλ, onde λ ´e o raio espectral de A (atingido por um auto-vetor positivo).
Veremos agora que existe uma medida de Markov cuja entropia vale logλ. De fato, ela ´e a ´unica medida cuja entropia iguala a entropia topol´ogica, de forma queT ´e intrin-sicamente erg´odica, mas demonstraremos esse fato apenas no caso em queA´e irredut´ıvel e aperi´odica, seguindo Ma˜n´e (ver Walters para ver a prova com a hip´otese de que A ´e apenas irredut´ıvel).
Essa medida ´e conhecida comomedida de Parry, e ´e dada explicitamente da seguinte forma. Como A ´e irredut´ıvel, o Teorema de Perron-Frobenius diz que existem (´unicos) vetores positivos u e v tal que uA = λA e Av = λv. Normalizados (sem perder a positividade), podemos supor que P
iuivi = 1. Definimos ent˜aopi =uivi e pij = aλvijvj
i . Em primeiro lugar, ´e preciso testar a coerˆencia da defini¸c˜ao. Para ver quepij ´e matriz estoc´astica precisamos mostrar que P
jpij = 1 para qualqueri. Mas X
j
pij =X
j
aijvj λvi
= λvi λvi
= 1 .
E preciso tamb´´ em testar a invariˆancia (`a esquerda) de p. Mas X
i
pipij =X
i
uiviaijvj
λvi =λ−1vjX
i
uiaij =ujvj =pj .
Para calcular a entropia dessa medida, usamos a f´ormula hµ(T) = −X
i,j
pipijlogpij =−X
i,j
uiviaijvj λvi log
aijvj λvi
.
O logaritmo pode ser transformado na soma de quatro logaritmos. Como aij = 0 ou 1 ent˜aoaijlogaij = 0. Al´em disso Av=λv e P
ipi = 1 implicam X
i,j
uiaijvj
λ logλ= logλ .
As duas outras somas se cancelam, tamb´em pelas propriedades de autovetores de u e v.
Portantohµ(T) = logλ.
Agora suponhamos que A seja irredut´ıvel e aperi´odica. N˜ao ´e dif´ıcil ver que An
λn
converge a uma matriz Q. Para ver isto, escreva a forma de Jordan de A, J = SAS−1. Como λ ´e autovalor simples (no sentido mais estrito poss´ıvel), seu bloco de Jordan ´e unidimensional. Al´em disso, os outros autovalores tˆem valor absoluto estritamente menor do queλ, assimλ−nJntende a uma matriz ˜Qde zeros exceto por uma entrada na diagonal igual a 1. A matriz Q´e dada por Q=S−1QS. Al´˜ em disso, o tra¸co de Q´e igual a 1.
Outras propriedades s˜ao: (i) Q2 =Q; (ii) AnQ=λnQ e (iii) QAn =λnQ, para todo n >0.
Pode-se mostrar que todas as entradas de Q s˜ao n˜ao-nulas (de fato positivas). Se houvesse qij = 0 ter´ıamos, por (ii), P
la(n)il qlj =λnqij = 0. Tomando n tal que An > 0, segue que toda a coluna j deve ser nula. Usando (iii) conclu´ımos que toda a linhaidever ser nula. Mas essas outras entradas nulas implicariam, pela mesma raz˜ao, que toda a matriz Q´e nula, o que ´e imposs´ıvel, j´a que seu tra¸co ´e igual a 1.
A igualdade AQ = λQ implica que as colunas de Q s˜ao autovetores `a direita n˜ao negativos de A, isto ´e, devem ser todas iguais a um m´ultiplo positivo de v, ou ainda, qij = djvi. Da mesma forma, QA = λQ implica que as linhas de Q s˜ao m´ultiplos de u, ou ainda, qij = ciuj. Ent˜ao djvi = ciuj, logo para todo j vale dj = cv1
1uj. Portanto qij = cv1
1viuj. No entanto, como P
iqii= 1, segue que cv1
1 = 1 e qij =viuj.
O n´umero de pontos peri´odicos de per´ıodo n, que denotaremos por ]Fix(Tn), ´e dado pelo n´umero de seq¨uˆencias que come¸cam e terminam com o mesmo s´ımbolo. Para um s´ımbolo fixo i, o n´umero de seq¨uˆencias de tamanho n que come¸cam e terminam em i ´e exatamente a(n)ii , de forma que
]Fix(Tn) = trAn.
A taxa exponencial de aumento do n´umero de pontos peri´odicos ´e dada pelo limite
n→∞lim 1
nlog]Fix(Tn). Como limn→∞λ−ntrAn = 1 ent˜ao
n→∞lim 1
nlog]Fix(Tn) = lim
n→∞
1
n logλ−ntrAn+ lim
n→∞
1
nlogλn= logλ .
Em suma, assintoticamenteo n´umero de pontos peri´odicos de per´ıodonse comporta como λn.
Outra afirma¸c˜ao importante ´e quea m´edia espacial da f pode ser avaliada apenas ti-rando a m´edia def entre os pontos peri´odicos. Mais especificamente, sejaLk :C0(ΣA)→ R definido por
Lk(f) = 1 ]Fix(Tk)
X{f(x);x∈Fix(Tk)}. Afirmamos que para toda fun¸c˜ao cont´ınua f vale
k→∞lim Lkf = Z
f dµ .
Mostraremos que a afirma¸c˜ao vale para as fun¸c˜oes caracter´ısticas de cilindros (que s˜ao cont´ınuas), e um argumento de aproxima¸c˜ao pode ser facilmente feito para mostrar que vale para qualquer fun¸c˜ao cont´ınua.
Seja B = C(l;i0, . . . , il) e k > l. Ent˜ao LkχB ´e a fra¸c˜ao do n´umero de pontos peri´odicos de per´ıodok em B, isto ´e,
LkχB = a(k−l)i
li0
trAk =λ−l λk trAk
a(k−l)i
li0
λk−l , que tende a λ−lqili0.
Por outro lado, a integral deχB´e a medida deB, que ´e igual api0pi0i1. . . pil−1il. Ent˜ao µ(B) =ui0vi0
ai0i1vi1 λvi0
ai1i2vi2 λvi1
· · ·
ail−1ilvil λvil−1
.
Como B ´e um cilindro de ΣA ent˜ao o produto dos aij’s ´e igual a 1. Segue que µ(B) =λ−lui0vil =λ−lqili0 ,
a ´ultima igualdade seguindo de qij =viuj.