Ecuaciones Diferenciales Ordinarias (EDOs)

La segunda parte del curso es probablemente la más sencilla. Trata de la resolución y análisis
de varios tipos de ecuaciones diferenciales ordinarias (EDOs). En las asignaturas Álgebra Lineal y
Cálculo 2 se estudiaron las EDOs de variables separadas y los sistemas de EDOs lineales. Por tanto,
supondremos que todos los estudiantes saben resolver:
EDOs de variables separadas de la forma
x0 = f (t)g(x),
donde f (t) y g(x) son funciones continuas en algunos intervalo abiertos I ⊂ R y J ⊂ R.
EDOs lineales (EDOLs) de primer orden de la forma
x0 = a(t)x + b(t),
donde a(t) y b(t) son funciones continuas en algún intervalo abierto I ⊂ R.
Sistemas lineales (SLs) homogéneos a coeficientes constantes de la forma
x0 = Ax,
cuando la matriz cuadrada A ∈ Mn (R) es diagonalizable.
Aquı́ profundizaremos en el estudio de estas ecuaciones, enfatizando sus aplicaciones prácticas.
Algunas de las preguntas que queremos responder, si el tiempo lo permite, son las siguientes:
¿Cómo se comportan, a grosso modo, las soluciones de un sistema lineal a coeficientes constan-
tes? ¿Y las soluciones de un sistema no lineal autónomo entorno a un punto de equilibrio?
¿Cómo funciona el método de datación por Carbono-14? (Willard Libby ganó el premio Nobel
de Quı́mica en 1960 por ese método.)
¿Cómo evoluciona la concentración de contaminantes en un lago situado en el curso de un
rı́o con fábricas en sus orillas? ¿Cuánto tiempo deben cerrar las fábricas para cumplir una
determinada normativa medioambiental?
¿Dónde se debe poner un satélite para que se quede “quieto”? ¿Qué pasa si el posicionamiento
falla y el satélite se queda a unos (pocos) kilómetros de la posición calculada?
¿Cuál es la base matemática del Principio de Exclusión que afirma que si tenemos varias
especies que compiten por unos recursos, entonces a largo plazo sólo puede sobrevivir una?

Nociones y resultados básicos

Sistemas de EDOs. Estudiaremos ecuaciones cuyas soluciones son funciones y en las cuales aparecen
la función incógnita y algunas de sus derivadas. Además, supondremos que las funciones incógnitas
dependen de una única variable, dejando el caso de varias variables para la última parte del curso.
Empezaremos por los sistemas de EDOs de primer orden en forma normal, lo cual significa que
tenemos tantas ecuaciones como funciones incógnitas y en cada ecuación una derivada primera aparece
despejada en función de una expresión que no contiene derivadas. Es decir, son ecuaciones del tipo
(1) x0 = F (t, x)
donde
t es el tiempo o variable independiente,
x = (x1 , . . . , xn ) es la incógnita o variable dependiente, y
F : U ⊂ R × Rn → Rn , F = F (t, x), es una aplicación que depende de un argumento escalar t
y un argumento vectorial x.
Diremos que el sistema es autónomo si el tiempo no aparece explı́citamente en la expresión que lo
define. Las soluciones del sistema (1) son todas aquellas funciones vectoriales
x : I → Rn , x = x(t),
definidas en un intervalo abierto I ⊂ R que cumplen el sistema. En particular:
La función x = x(t) es derivable, y
La aplicación F = F (t, x) se puede evaluar en los puntos t, x(t)) para todo t ∈ I.

1
2 Depositado en http://www.ma1.upc.edu/∼ed/edos.pdf

La curva C = x(I) ⊂ Rn es la órbita de la solución x(t). Ası́ pues, la diferencia entre soluciones y
órbitas es que las soluciones explicitan la velocidad a la que se recorren las órbitas.

Campos vectoriales. Consideramos el sistema de primer orden en forma normal

x0 = F (t, x),
donde la aplicación F : U → Rn está definida en un abierto U ⊂ R × Rn . Fı́sicamente, podemos
interpretar el sistema como una condición que fija la velocidad x0 = F (t, x) de una partı́cula situada
en la posición x en el instante t. Geométricamente, podemos pensar que hay un vector F (t, x) en la
posición x en el instante t. De ahı́ viene que en este contexto la aplicación F : U → Rn se denomine
campo de velocidades o campo de vectores. Dos ejemplos intuitivos de estos campos son la disposición
que adquieren unas virutas de hierro imantadas bajo el influjo de un imán o el aspecto cambiante de
un campo de trigo cuando sopla el viento.
Por definición, la función x : I → R es una solución del sistema anterior cuando
x0 (t) = F (t, x(t)), ∀t ∈ I.
Es decir, x(t) es una solución del sistema si y sólo si la trayectoria de la partı́cula es tangente al
campo de vectores en cada uno de sus puntos. Ası́ pues, hemos relacionado el problema analı́tico de
resolver el sistema x0 = F (t, x) con el problema geométrico de encontrar trayectorias tangentes al
campo vectorial F (t, x).

Ejercicio. Dibujar el campo vectorial plano F (x, y) = (x, y) y algunas de sus órbitas.

Ejercicio. Dibujar el campo vectorial plano F (x, y) = (−y, x) y algunas de sus órbitas.

Teoremas de existencia y unicidad. Los problemas en los que se busca la trayectoria de una
partı́cula que sigue un campo de velocidades dado y que en un cierto instante inicial está situada en
una posición concreta se denominan problemas de valor inicial (PVIs). La condición inicial se expresa
ası́: x(t0 ) = x0 , donde t0 es el instante inicial y x0 es la posición o valor inicial. Si x(t) es una solución
del sistema x0 = F (t, x) definida en un entorno del instante t0 y x(t0 ) = x0 , entonces, suponiendo
que los objetos involucrados se pueden derivar tantas veces como queramos, resulta que
x0 (t0 ) = F (t0 , x0 ), x00 (t0 ) = Dt F (t0 , x0 ) + Dx F (t0 , x0 )F (t0 , x0 ), ...
Es decir, la posición inicial de la partı́cula determina su velocidad inicial, su aceleración inicial, etc. Por
tanto, parece razonable pensar que la trayectoria de la partı́cula queda completamente determinada; o
sea, que los PVIs tienen soluciones únicas. Esta intuición queda confirmada por el siguiente teorema.
No lo probaremos.

Teorema (Teorema de existencia y unicidad para sistemas). Si el campo F = F (t, x) es de clase C 1

en un abierto U ⊂ R × Rn y (t0 , x0 ) ∈ U , entonces el PVI
x0 = F (t, x), x(t0 ) = x0 ,
tiene exactamente una solución local; es decir, una única solución definida cuando |t − t0 | es pequeño.

Cuando el sistema es autónomo; es decir, cuando el campo de velocidades es de la forma F = F (x),

la velocidad x0 = F (x) de la partı́cula sólo depende de la posición x pero no del instante concreto1.
En tal caso, el primer teorema de existencia y unicidad implica que órbitas de partı́culas diferentes no
pueden tocarse. Por contra, cuando el sistema no es autónomo; es decir, cuando existen puntos donde
la velocidad no es constante, puede suceder incluso que órbitas de partı́culas diferentes se corten de
forma transversal. Evidentemente, las partı́culas pasarán por el punto de corte en instantes diferentes.

1Esta situación implica que cada espiga mantiene su posición en el ejemplo del campo de trigo azotado por el viento.
 Depositado en http://www.ma1.upc.edu/∼ed/edos.pdf 3

EDOs de orden superior. También estudiaremos las ecuaciones con una sóla función incógnita

x(n) = f t, x, x0 , . . . , x(n−1)


(2)

donde
t es el tiempo o variable independiente,
x es la función incógnita o variable dependiente,
n es el orden de la ecuación, y
f = f t, x, x0 , . . . , x(n−1) es una función que depende de n + 1 argumentos escalares.

Estas ecuaciones se denominan ecuaciones diferenciales ordinarias (EDOs) en forma normal, porque
la derivada mayor x(n) aparece despejada.
Cualquier EDO en forma normal de orden n se puede transformar en un sistema de EDOs de primer
orden en forma normal con n ecuaciones. Concretamente, al introducir las funciones incógnita x1 = x,
x2 = x0 , . . . , xn = x(n−1) , vemos que la ecuación (2) se convierte en el sistema (1) con


F (t, x) = x2 , . . . , xn , f (t, x) .

Corolario (Teorema de existencia y unicidad para EDOs). Si la función f = f t, x, x0 , . . . , x(n−1)

es de clase C 1 en un abierto U ⊂ Rn+1 y (t0 , x0 , x1 , . . . , xn−1 ) ∈ U , entonces el PVI

x = f t, x, x0 , . . . , x(n−1)
 (n)

x(t0 ) = x0 , x0 (t0 ) = x1 , . . . , x(n−1) (t0 ) = xn−1

tiene exactamente una solución local; es decir, una única solución definida cuando |t − t0 | es pequeño.

Las EDOs de los siguientes ejemplos son de variables separadas, luego son fáciles de resolver.

Ejemplo 1. El PVI x0 = x2 , x(0) = 1, tiene una única solución: x(t) = 1/(1 − t). Esta solución
está definida en el intervalo I = (−∞, 1) y no se puede extender más, pues llega a infinito en un
tiempo finito. N

Ejemplo 2. El PVI tx0 = x, x(0) = 0, tiene infinitas soluciones: x(t) = ct, con c ∈ R constante libre.
En cambio, el PVI tx0 = x, x(0) = x0 6= 0, no tiene ninguna solución, pues si tuviera alguna solución
al evaluar la ecuación en el instante t = 0 resulta que x0 = x(0) = 0 · x0 (0) = 0. Ninguno de estos
resultados contradice al teorema de existencia y unicidad para EDOLs pues la ecuación tx0 = x no
está normalizada y es singular en el instante t = 0. (Para normalizarla se necesita dividir por t.) N

Vale la pena recalcar que en los PVIs para EDOs se debe fijar el valor de la función incógnita y
varias de sus derivadas en algún instante inicial común para tener una condición inicial “completa”.
En particular, las gráficas en el plano (t, x) de dos soluciones diferentes de una EDO en forma normal
de orden n sólo pueden tocarse cuando n ≥ 2.

Ejemplo 3. La solución general de la EDO lineal de primer orden x0 = ax + b, con a 6= 0, es

xg (t) = ceat − b/a,

donde la constante c ∈ R queda libre. No hay dos soluciones diferentes cuyas gráficas se toquen. N

Ejemplo 4. Veremos dentro de unas semanas que la solución general de la EDO lineal homogénea de
segundo orden a coeficientes constantes x00 + ω 2 x = 0, con ω > 0, es

xh (t) = c1 cos ωt + c2 sin ωt,

donde las constantes c1 , c2 ∈ R son libres. Las gráficas de las soluciones x1 (t) = cos ωt y x2 (t) = sin ωt
se cruzan transversalmente en infinitos puntos. N
4 Depositado en http://www.ma1.upc.edu/∼ed/edos.pdf

El retrato de fases de EDOs de primer orden autónomas. Consideramos la EDO de primer

orden autónoma en forma normal
x0 = f (x)
donde el término f : I → R es una función de clase C 1 en un intervalo abierto I ⊂ R. Si x(t) es la
solución del PVI x0 = f (x), x(0) = x0 ∈ I, entonces se cumple que:
f (x0 ) > 0 ⇒ x(t) es creciente en t = 0 y el campo de vectores en x0 apunta a la derecha2;
f (x0 ) < 0 ⇒ x(t) es decreciente en t = 0 y el campo de vectores en x0 apunta a la izquierda;
f (x0 ) = 0 ⇒ x(t) ≡ x0 y decimos que x0 es un punto de equilibrio.
Una pregunta natural es ¿cómo se comportan las soluciones de x0 = f (x) cerca de un equilibrio? A
grosso modo, un equilibrio es atractor/repulsor cuando las soluciones que parten de puntos cercanos
tienden al/se alejan del punto de equilibrio. La estabilidad de un equilibrio x0 de la EDO x0 = f (x)
se puede deducir mirando el signo de la función f (x) cuando x & x0 y cuando x . x0 , lo cual permite
determinar como es el campo de vectores a ambos lados de x0 . Los puntos de equilibrio de EDOs de
primer orden pueden ser repulsores por un lado y atractores por el otro.
Ejemplo 5. Dibujar el retrato de fases de la ecuación logı́stica
x0 = kx(1 − x/m), k, m > 0.
La función f (x) = kx(1 − x/m) es negativa en (−∞, 0) ∪ (m, +∞), positiva en (0, m) y se anula en
los dos puntos de equilibrio x = 0 y x = m. Por tanto, la solución del PVI
x0 = kx(1 − x/m), x(0) = x0
cumple las siguientes propiedades:
lı́mt→+∞ x(t) = m si x0 > 0;
lı́mt→+∞ x(t) = −∞ si x0 < 0; y
x(t) ≡ x0 si x0 = 0 o x0 = m.
El equilibrio x = m es atractor (A) y el equilibrio x = 0 es repulsor (R), ver figura 1. N

f (x) < 0 (R) f (x) > 0 (A) f (x) < 0

J t I t J
0 m

Figura 1. Retrato de fases de la ecuación logı́stica x0 = f (x) = kx(1 − x/m).

Ejemplo 6. Discutir la estabilidad del único punto de equilibrio de la EDO x0 = x2 .

La función f (x) = x2 sólo se anula en el origen. Por tanto, el único equilibrio es x0 = 0. Además,
f (x) es positiva a ambos lados del punto de equilibrio, luego x0 es repulsor por su derecha y atractor
por su izquierda. En el ejemplo 1 vimos que la partı́cula escapa a infinito en tiempo finito si su posición
inicial es x(0) = 1. El mismo resultado es cierto siempre que x(0) > 0. N
Ejercicio. Sea x0 un punto de equilibrio de la EDO x0 = f (x). Probar que:
f 0 (x0 ) > 0 =⇒ x0 es repulsor (por ambos lados).
f 0 (x0 ) < 0 =⇒ x0 es atractor (por ambos lados).
Ejercicio. Conectarse al enlace http://www-math.mit.edu/daimp/ y entender los applets de JAVA
sobre Phase lines.

2Suponiendo que dibujamos el intervalo I horizontalmente con la orientación estándar.

 Depositado en http://www.ma1.upc.edu/∼ed/edos.pdf 5

Sistemas lineales
El sistema x0 = F (t, x) es un sistema de EDOs lineales de primer orden en forma normal —o,
abreviando, un sistema lineal (SL)— cuando F (t, x) sea lineal en la incógnita. Es decir, cuando
(3) x0 = A(t)x + b(t)
para algunas funciones continuas A : I → Mn (R) y b : I → Rn definidas en algún intervalo abierto
I ⊂ R. Diremos que el sistema lineal es:
homogéneo, cuando b(t) = 0; y
a coeficientes constantes, cuando la matriz A(t) no depende del tiempo.
Si el sistema x0 = A(t)x + b(t) no es homogéneo, diremos que x0 = A(t)x es su sistema homogéneo
asociado.
Los sistemas lineales (SLs) cumplen un resultado de existencia y unicidad más potente que los
sistemas no lineales (SNLs), pues sus soluciones tienen un carácter global.
Teorema (Teorema de existencia y unicidad para SLs). Si A = A(t) y b = b(t) son continuas en un
intervalo abierto I ⊂ R, t0 ∈ I y x0 ∈ Rn , entonces el PVI lineal
x0 = A(t)x + b(t), x(t0 ) = x0 ,
tiene exactamente una solución global; es decir, una única solución definida en todo el intervalo I.
A continuación, empezaremos recordando algunos métodos cuantitativos para resolver sistemas
lineales explicados en anteriores asignaturas. También desarrollaremos métodos cualitativos que pro-
porcionan información sobre el aspecto de las trayectorias de un sistema lineal sin necesidad de resolver
el sistema.
Resolución de sistemas lineales.
Estructura de la soluciones. La estructura de las soluciones de un sistema lineal se explicó en Cálculo 2.
En el caso homogéneo las soluciones forman un subespacio vectorial cuya dimensión coincide con la
dimensión del sistema; es decir, con el número de incógnitas. En el caso no homogéneo las soluciones
se pueden expresar como la suma de las soluciones del sistema homogéneo asociado y una solución
particular cualquiera del sistema no homogéneo.
Conjuntos y matrices fundamentales. Un conjunto fundamental de soluciones de un sistema lineal
homogéneo es cualquier base del subespacio vectorial formado por sus soluciones. Si el sistema tiene
dimensión n, entonces cualquier conjunto de n soluciones x1 (t), . . . , xn (t) linealmente independientes
forma un conjunto fundamental, en cuyo caso la solución general es la combinación lineal
xh (t) = c1 x1 (t) + · · · + cn xn (t), c1 , . . . , cn ∈ R.
El Wronskiano de las soluciones x1 (t), . . . , xn (t) es el determinante de la matriz cuadrada que se
forma al escribir las soluciones en columnas. Es decir,
w(t) = w[x1 (t), . . . , xn (t)] = det[x1 (t), . . . , xn (t)].
El Wronskiano es la herramienta estándar para comprobar la independencia de n soluciones:
Las soluciones x1 (t), . . . , xn (t) son linealmente dependientes ⇔ w(t) = 0 ∀t.
Las soluciones x1 (t), . . . , xn (t) son linealmente independientes ⇔ w(t) 6= 0 ∀t.
Finalmente, decimos que una matriz cuadrada X : I → Mn (R) es una matriz fundamental del
sistema x0 = A(t)x cuando sus columnas son soluciones linealmente independientes del sistema; es
decir, cuando X 0 (t) = A(t)X(t) y det[X(t)] 6= 0 para todo t ∈ I. Una manera de obtener una matriz
fundamental consiste en encontrar n soluciones linealmente independientes del sistema y formar una
matriz n × n poniendolas por columnas. Si X(t) es una matriz fundamental, entonces
xh (t) = X(t)c,
es la solución general del sistema homogéneo, siendo c ∈ Rn un vector de constantes libres.
6 Depositado en http://www.ma1.upc.edu/∼ed/edos.pdf

Resolución de SLs homogéneos a coeficientes constantes. La idea básica para resolver un sistema lineal
homogéneo a coeficientes constantes es que las funciones vectoriales que se obtienen al multiplicar un
VEP por la función exponencial que tiene el correspondiente VAP por exponente son soluciones.
Proposición. Si v es un VEP de VAP λ de una matriz cuadrada A, entonces
x(t) = eλt v
es una solución del sistema x0 = Ax. Además, x(0) = v.
Demostración. Como v es un VEP de VAP λ de la matriz A, sabemos que Av = λv. Por tanto,
x0 (t) = λeλt v = eλt λv = eλt Av = Aeλt v = Ax(t).
Aquı́ hemos usado que la posición de los escalares en una cadena de productos es indiferente. 
Ejercicio. Sea v un VEP de VAP λ de una matriz cuadrada A y sea u un vector tal que Au = λu + v.
Probar que la función
y(t) = eλt (u + tv)
es otra solución del sistema x0 = Ax. (Esto tiene relación con la formas y bases de Jordan.)
Ejercicio. Probar que si v es un VEP constante de VAP λ(t) de una matriz cuadrada A(t), entonces
R
λ(t) dt
x(t) = e ·v
es una solución del sistema homogéneo no autónomo x0 = A(t)x.
Cuando la matriz del sistema es diagonalizable podemos generar, a partir de una base de VEPs,
un conjunto fundamental formado por soluciones de la forma anterior.
Teorema. Supongamos que {v 1 , . . . , v n } es una base de VEPs de VAPs λ1 , . . . , λn de la matriz A.
Entonces, la solución general del sistema x0 = Ax es
xh (t) = c1 eλ1 t v 1 + · · · + cn eλn t v n , c1 , . . . , cn ∈ R.
Demostración. Como las n funciones vectoriales xj (t) = eλj t v j son soluciones del sistema, basta
comprobar que son li. Por ejemplo, viendo que su Wronskiano no se anula en el instante t = 0. Pero
w(0) = det[x1 (0), . . . , xn (0)] = det[v 1 , . . . , v n ] 6= 0
pues los VEPs v 1 , . . . , v n forman una base. 
Ejemplo 7. Calcular la solución general y una matriz fundamental del sistema
 
0 −3 1
x = Ax, A= .
1 −3
El polinomio caracterı́stico de esta matriz es
QA (λ) = det(A − λId) = λ2 − (traza A)λ + det A = λ2 + 6λ + 8 = (λ + 2)(λ + 4),
luego los VAPs son λ1 = −2 y λ2 = −4, ambos simples. Por tanto, la matriz A diagonaliza y resulta
fácil calcular una base de VEPs. Una posible base es v 1 = (1, 1) y v 2 = (1, −1). Ası́ pues,
c1 e−2t + c2 e−4t
     
1 1
xh (t) = c1 eλ1 t v 1 + c2 eλ2 t v 2 = c1 e−2t + c2 e−4t = , c1 , c2 ∈ R
1 −1 c1 e−2t − c2 e−4t
es la solución general del sistema. Además,
  −2t
e−4t
  
e
X(t) = v 1 eλ1 t  v 2 eλ2 t =

e−2t −e−4t
es una matriz fundamental, probablemente la más simple de obtener. N
Ejercicio. Sea x(t) una solución del sistema anterior. ¿Qué se puede decir sobre lı́mt→+∞ x(t)?
 Depositado en http://www.ma1.upc.edu/∼ed/edos.pdf 7

El caso diagonalizable complejo. Cuando la matriz diagonaliza en los complejos; es decir, cuando
diagonaliza pero tiene algunos VAPs complejos conjugados, el método anterior proporciona soluciones
complejas que se pueden convertir fácilmente en soluciones reales (es decir, en soluciones que toman
valores reales para todo t ∈ R). Basta substituir cada pareja de soluciones complejas conjugadas por
sus partes real e imaginaria.
Proposición. Si v ± = u ± w i son VEPs de VAPs λ± = α ± β i de una matriz A ∈ Mn (R), entonces
y(t) = eαt u cos βt − w sin βt , z(t) = eαt u sin βt + w cos βt ,

son soluciones linealmente independientes del sistema x0 = Ax. Además, y(0) = u y z(0) = w.
Demostración. En primer lugar, recordamos que las funciones
x± (t) = eλ± t v ± = eαt (cos βt ± i sin βt)(u ± iw) = y(t) ± z(t) i
son soluciones complejas conjugadas. En la tercera igualdad hemos usado la fórmula de Euler. Como
el conjunto de soluciones es un subespacio vectorial, deducimos que las combinaciones lineales
x+ (t) + x− (t) x+ (t) − x− (t)
y(t) = , z(t) =
2 2i
también son soluciones. Para ver que son linealmente independientes, recordamos un resultado clásico
de álgebra lineal: VEPs de VAPs diferentes siempre son linealmente independientes, En particular, los
VEPs complejos conjugados v ± = u ± w i son independientes, luego sus partes reales e imaginarias u
y w también lo son. Las propiedades y(0) = u y z(0) = w son triviales. 
Este truco funciona siempre, pero lo explicamos siguiendo un ejemplo concreto para clarificar ideas.
Ejemplo 8. Calcular la solución general y una matriz fundamental del sistema
 
1 −12 −14
x0 = Ax, A= 1 2 −3  .
1 1 −2
Se puede comprobar (¡comprobadlo!) que el polinomio caracterı́stico de esta matriz es
QA (λ) = det(A − λId) = · · · = −λ3 + λ2 − 25λ + 25 = −(λ − 1)(λ2 + 25).
Los VAPs son λ1 = 1 y λ2,3 = ±5 i, todos simples. Por tanto, la matriz diagonaliza en los complejos.
Pasamos a calcular una base de VEPs. Empezamos por el caso más fácil, el VAP real λ1 = 1.
       
 x 25z/6 25
−12y − 14z = 0
  
3
Nuc(A − Id) =  y  ∈ R : =  −7z/6  : z ∈ R =  −7  .
x + y − 3z = 0  
z z 6
 

Por tanto, v 1 = (25, −7, 6) es un VEP de VAP λ1 = 1, luego obtenemos la solución

25et
 

x1 (t) = eλ1 t v 1 =  −7et  .

6et
El caso de los VAPs complejos conjugados es más complicado, aunque aprovecharemos que si dos
VAPs son conjugados, sus VEPs también lo son. Es decir, basta realizar la mitad de los cálculos. Por
tanto, para calcular la parte de la base asociada a los VAPs λ2,3 = ±5 i, basta calcular el núcleo
    
 x (1 − 5 i)x − 12y − 14z = 0  1 + 5i
Nuc(A − 5 iId) =  y  ∈ R3 : x + (2 − 5 i)y − 3z = 0 =  1  .
z x + y − (2 + 5 i)z = 0 1
 

Por tanto, v 2,3 = u ± w i son VEPs complejos conjugados de VAPs λ2,3 = α ± β i, siendo α = 0,
β = 5, u = (1, 1, 1) y w = (5, 0, 0). Usando la proposición anterior, obtenemos dos soluciones reales
8 Depositado en http://www.ma1.upc.edu/∼ed/edos.pdf

linealmente independientes:
   
cos 5t − 5 sin 5t sin 5t + 5 cos 5t
y(t) =  cos 5t , z(t) =  sin 5t .
cos 5t sin 5t
En particular, xh (t) = c1 x1 (t) + c2 y(t) + c3 z(t) = X(t)c es la solución general real del sistema, donde
el vector de constantes c = (c1 , c2 , c3 ) ∈ R3 queda libre y
25et cos 5t − 5 sin 5t sin 5t + 5 cos 5t
 
   
 
X(t) = x1 (t)  y(t)  z(t) =  −7et

cos 5t sin 5t 
t
6e cos 5t sin 5t
es una matriz fundamental real. N
Fórmula de variación de las constantes. Sirve para calcular una solución particular de un sistema
lineal no homogéneo a partir de una matriz fundamental de su sistema homogéneo asociado.
Teorema. Si X(t) es una matriz fundamental del sistema homogéneo x0 = A(t)x y la derivada de la
función vectorial u : I → Rn es una solución del sistema X(t)u0 (t) = b(t), entonces
xp (t) = X(t)u(t)
es una solución particular del sistema no homogéneo x0 = A(t)x + b(t).
Demostración. x0p (t) = X 0 (t)u(t) + X(t)u0 (t) = A(t)X(t)u(t) + b(t) = A(t)xp (t) + b(t). 

Ejemplo 9. Resolver el sistema lineal no homogéneo x0 = A(t)x + b(t), donde

   
2 − t 2t − 2 t
A(t) = , b(t) = .
1 − t 2t − 1 t
(Indicación: Los VEPs de la matriz A(t) no dependen de t.)
La matriz A(t) es diagonalizable con VEPs v 1 = (1, 1) y v 2 (2, 1) de VAPs λ1 (t) = t y λ2 (t) = 1.
Por tanto, usando el ejercicio de la página 6 obtenemos que las funciones
2
R R
λ1 (t) dt
x1 (t) = e · v 1 = et /2
v1 , x2 (t) = e λ2 (t) dt
· v 2 = et v 2
son soluciones del sistema homogéneo x0 = A(t)x. Poniendolas por columnas, obtenemos la matriz
2
!
et /2 2et
X(t) = 2 .
et /2 et
2
Esta matriz es fundamental, pues su Wronskiano es no nulo: w(t) = det X(t) = −et+t /2 . Por tanto,
   
1 t2 /2 2
xh (t) = X(t)c = c1 x1 (t) + c2 x2 (t) = c1 e + c2 et , c1 , c2 ∈ R
1 1
es la solución general del sistema homogéneo. Ahora resolvemos el sistema lineal
2
!  2 2
et /2 2et u01 (t)
    
0 t et /2 u01 (t) = t −et /2
= X(t)u (t) = b(t) = ⇒ ⇒ u(t) = .
u02 (t)
2
et /2 et t u02 (t) = 0 0

Por tanto, xp (t) = X(t)u(t) es una solución particular y

     
  1 t2 /2 2 t −1
xg (t) = xh (t) + xp (t) = X(t) c + u(t) = c1 e + c2 e + , c1 , c2 ∈ R
1 1 −1
es la solución general del sistema no homogéneo. N
 Depositado en http://www.ma1.upc.edu/∼ed/edos.pdf 9

Estabilidad de SLs a coeficientes constantes. Hemos recordado como resolver algunos sistemas
lineales, pero los sistemas (lineales o no) que sabemos resolver son una minorı́a, luego necesitamos un
método para describir cualitativamente el comportamiento dinámico de sus soluciones sin resolverlos.
Empezaremos por los SLs a coeficientes constantes que son los más simples.
La primera observación es que la velocidad del sistema x0 = Ax en el origen es igual a cero, pues
x = 0 =⇒ x0 = Ax = A0 = 0.
En particular, la función constante x(t) ≡ 0 siempre es una solución (usualmente llamada solución
trivial ) del sistema homogéneo x0 = Ax. Esto es un caso particular del siguiente concepto.
Definición. Diremos que un punto x0 ∈ Rn es un punto de equilibrio del sistema x0 = Ax cuando
la velocidad del sistema en ese punto sea cero. Es decir, cuando x0 ∈ Nuc A. Diremos que el sistema
x0 = Ax es degenerado cuando tenga infinitos puntos de equilibrio. Es decir, cuando det[A] = 0.
Si un sistema es degenerado, todos sus puntos de equilibrio son “iguales” y basta estudiar el origen.
Ejercicio. Probar que si x0 es un punto de equilibrio del sistema lineal x0 = Ax, entonces el cambio de
variable dependiente y = x − x0 no modifica el sistema; es decir, el sistema transformado es y 0 = Ay.
Dado un sistema lineal homogéneo a coeficientes constantes, la primera cuestión cualitativa que nos
planteamos es determinar el comportamiento futuro (t ≥ 0 o t → +∞) y pasado (t ≤ 0 o t → −∞)
de sus trayectorias. Distinguimos cuatro tipos de sistemas.
Definición. Diremos que el sistema x0 = Ax es:
Inestable si alguna de sus soluciones escapa a infinito cuando t → +∞;
Estable cuando no es inestable (es decir, cuando todas sus soluciones están acotadas para t ≥ 0);
Atractor (también llamado asintóticamente estable) si todas sus soluciones no triviales tienden
al origen cuando t → +∞ y escapan a infinito cuando t → −∞; y
Repulsor si todas sus soluciones no triviales escapan a infinito cuando t → +∞ y tienden al
origen cuando t → −∞.
Observación. Vemos que x0 = Ax es atractor/repulsor si y sólo si x0 = −Ax es repulsor/atractor, pero,
en cambio, no es cierto que x0 = Ax es estable/inestable si y sólo si x0 = −Ax es inestable/estable.
Observación. Por definición, los conceptos estable e inestable son “complementarios”; es decir, todo
sistema lineal es o bien estable o bien inestable. Por contra, repulsor y atractor no son conceptos
complementarios; es decir, existen sistemas que no son ni repulsores ni atractores.
El sistema x0 = Ax es estable pero no asintóticamente estable cuando todas sus soluciones están
acotadas para t ≥ 0 pero alguna de ellas no tiende al origen cuando t → +∞.
Ejemplo 10. La función xh (t) = x0 eλt es la solución general de la EDO lineal homogénea x0 = λx.
Por tanto, esta EDO es: repulsora ⇔ λ > 0, atractora ⇔ λ < 0 y E pero no AE ⇔ λ = 0. N
Definición. Sea v un VEP de VAP λ ∈ R de la matriz A. Sea r = [v] la recta que pasa por el origen
con dirección v. Entonces, diremos que r es una
Recta invariante inestable (o de salida) del sistema x0 = Ax cuando λ > 0.
Recta invariante estable (o de entrada) del sistema x0 = Ax cuando λ < 0.
Recta invariante de puntos de equilibrio del sistema x0 = Ax cuando λ = 0.
Análogamente, sean v ± = u ± w i VEPs complejos conjugados de VAPs λ± = α ± β i de la matriz A.
Sea Π = [u, w] el plano que pasa por el origen con direcciones u y w. Entonces, diremos que Π es un
Plano invariante inestable (o de salida) del sistema x0 = Ax cuando α > 0.
Plano invariante estable (o de entrada) del sistema x0 = Ax cuando α < 0.
Plano invariante de giros cerrados del sistema x0 = Ax cuando α = 0.
10 Depositado en http://www.ma1.upc.edu/∼ed/edos.pdf

La interpretación de estas definiciones es la siguiente. Sea x(t) la solución del PVI

x0 = Ax, x(0) = x0 .
λt
Si x0 ∈ r, entonces Ax0 = λx0 , luego x(t) = e x0 . Por tanto, cualquier trayectoria que empieza en
un punto de la recta r se mantiene dentro de la recta (por eso decimos que la recta es invariante) y
para decidir si escapa hacia infinito, tiende al origen o se queda fija basta mirar el signo del VAP λ.
Si x0 ∈ Π = [u, w], entonces existen unos coeficientes a0 , b0 ∈ R tales que x0 = a0 u + b0 w. Usando
la linealidad y el teorema de existencia y unicidad de soluciones, deducimos que
x(t) = a0 y(t) + b0 z(t) = a(t)u + b(t)w,
donde     
a(t) cos βt sin βt a0
= eαt .
b(t) − sin βt cos βt b0
Por tanto, cualquier trayectoria que empieza en un punto del plano Π se mantiene dentro del plano
(por eso decimos que el plano es invariante) girando sin parar y para decidir si escapa hacia infinito,
tiende al origen o los giros son cerrados basta mirar el signo de la parte real α. Si la parte real es igual
a cero, entonces todas las trayectorias contenidas en el plano son periódicas de periodo T = 2π/β.
Podemos escribir la fómula anterior en “polares”. Notando a0 + ib0 = r0 e iθ0 y a(t) + ib(t) = r(t)e iθ(t) ,
resulta que r(t) = r0 eαt y θ(t) = θ0 − βt, lo cual muestra que el ángulo avanza a velocidad constante.
Ejercicio. En una recta o plano de entrada, ¿cuánto tiempo tarda la trayectoria en llegar al origen?
Ya sabemos que los VAPs reales positivos y los VAPs complejos de parte real positiva dan lugar a
rectas y planos invariantes inestables y, por tanto, dan lugar a soluciones inestables. Pero no son los
únicos VAPs con esta propiedad. Damos los siguientes teoremas sin probarlos.
Teorema. El sistema lineal homogéneo a coeficientes constantes x0 = Ax es:
Inestable si y sólo si algún VAP de A tiene parte real positiva o algún VAP no semi-simple3 de
A tiene parte real nula.
Atractor/repulsor si y sólo si todos sus VAPs tienen parte real negativa/positiva.
Teorema (Evolución de un volumen bajo un sistema lineal). Sean A : I → Mn (R) y b : I → Rn unas
funciones continuas definidas en un intervalo abierto I ⊂ R. Sea T (t) = traza A(t). Dado un instante
arbitrario t0 ∈ I y un dominio arbitrario Wt0 ⊂ Rn , sea Wt el conjunto formado en el instante t por
las partı́culas que en el instante t0 estaban en el dominio Wt0 . Es decir,
[ n o
Wt = x(t) : x es la solución del PVI x0 = A(t)x + b(t), x(t0 ) = x0 .
x0 ∈Wt0

Entonces Rt
T (s) ds
Vol(Wt ) = Vol(Wt0 )e t0 .
En particular, un sistema lineal expande, preserva o contrae volumen si su matriz tiene traza positiva,
nula o negativa, respectivamente.
 
3 −1
Ejemplo 11. Estudiar la estabilidad del sistema x0 = Ax, donde A = . Este sistema,
14 −4
¿expande, preserva o contrae área? √
Las raı́ces del polinomio caracterı́stico QA (λ) = λ2 + λ + 2 son λ1,2 = (−1 ± 7 i)/2, luego este
sistema lineal es atractor. La traza es T = −1 < 0, luego contrae área. N
Ejercicio. Probar que si la traza de A es positiva, entonces el sistema x0 = Ax es inestable.
Un resultado interesante es que todas todas las soluciones de un sistema lineal atractor/repulsor
(homogéneo o no) se juntan/separan cuando t → +∞ y se separan/juntan cuando t → −∞.
Proposición. Sean x1 (t) y x2 (t) dos soluciones diferentes de un sistema lineal (homogéneo o no).
3Un VAP es semi-simple cuando coinciden sus multiplicidades algebráica y geométrica.
 Depositado en http://www.ma1.upc.edu/∼ed/edos.pdf 11

1. Si el sistema homogéneo asociado es atractor, entonces

lı́m kx1 (t) − x2 (t)k = ∞, lı́m kx1 (t) − x2 (t)k = 0.
t→−∞ t→+∞

2. Si el sistema homogéneo asociado es repulsor, entonces

lı́m kx1 (t) − x2 (t)k = 0, lı́m kx1 (t) − x2 (t)k = ∞.
t→−∞ t→+∞

Demostración. Si x1 (t) y x2 (t) son soluciones diferentes del sistema no homogéneo x0 = Ax + b(t),
la diferencia x(t) = x1 (t) − x2 (t) es una solución no trivial del sistema homogéneo asociado, pues
x0 (t) = x01 (t) − x02 (t) = Ax1 (t) + b(t) − Ax2 (t) + b(t) = A(x1 (t) − x2 (t) = Ax(t).

Si este sistema homogéneo es atractor/repulsor, entonces, por definición, todas sus soluciones no
triviales se comportan de la forma que la proposición describe. 
Ejercicio. Argumentar que un sistema lineal (homogéneo o no) a coeficientes constantes tal que su
sistema homogéneo asociado es atractor o repulsor no puede tener dos soluciones periódicas diferentes.
Clasificación de SLs 2D a coeficientes constantes. En esta sección nos limitamos a clasificar los
sistemas lineales x0 = Ax cuando A es una matriz 2 × 2. Es decir, es una sección de terminologı́a.
Supongamos que el sistema x0 = Ax no es degenerado, luego los dos VAPS de la matriz son
diferentes de cero. Entonces clasificaremos el sistema como:
Una silla, si los VAPs son reales y de signos diferentes,
Un nodo, si los VAPs son reales pero del mismo signo, en cuyo caso diremos que el nodo es:
• atractor/repulsor cuando ambos VAPs sean negativos/positivos; y
• propio/impropio si la matriz diagonaliza/no diagonaliza;
Un centro, si los VAPs son imaginarios puros; y
Un foco, si los VAPs son complejos conjugados de parte real no nula, en cuyo caso diremos que
el foco es atractor/repulsor cuando la parte real sea negativa/positiva.
Sólo hay tres tipos de sistemas 2D a coeficientes constantes que preservan área: los centros, un tipo
especial de sillas y los sistemas degenerados con VAP cero doble.
Proposición (Criterio traza-determinante para SLs 2D a coeficientes constantes). Sea A una matriz
real 2 × 2. Notamos T = traza A, D = det A y ∆ = T 2 − 4D. Entonces el sistema x0 = Ax es:
Una silla (I) si y sólo si D < 0.
Un centro (E, pero no AE) si y sólo si T = 0 y D > 0.
Un foco si y sólo si T 6= 0 y ∆ < 0. El foco es repulsor cuando T > 0 y atractor cuando T < 0.
Un nodo si y sólo si D > 0 y ∆ ≥ 0. El nodo es repulsor cuando T > 0 y atractor cuando
T < 0. Además, el nodo es impropio si y sólo si ∆ = 0 y la matriz A no es diagonal.
Degenerado cuando D = 0. Un sistema degenerado es I cuando T > 0, E pero no AE cuando
T < 0, y puede ser E o I cuando T = 0.

Demostración. Sean λ+ y λ− las raı́ces del polinomio caracterı́stico QA (t) = t2 − T t + D. Entonces

√ √
T ± T 2 − 4D T± ∆
λ± = = .
2 2
Además, T = λ+ + λ− y D = λ+ λ− . Ahora distinguimos cinco casos:
D = λ+ λ− < 0 =⇒ ∆ = T 2√ − 4D ≥ 0 =⇒ λ+ , λ− ∈ R =⇒ signo λ+ 6= signo λ− =⇒ Silla (I).
T = 0 y D > 0 =⇒ λ± = ± −D √
son imaginarios puros =⇒ Centro (E, pero no AE).
T 6= 0 y ∆ < 0 =⇒ λ± = T2 ± −∆ 2 i son complejos conjugados y Re λ± = T /2 6= 0 =⇒ Foco.
Además, el signo de la parte real de los VAPs coincide con el signo de la traza.
D = λ+ λ− > 0 y ∆ ≥ 0 =⇒ VAPs reales del mismo signo =⇒ Nodo.
Además, el signo de la traza T = λ+ + λ− coincide con el signo de ambos VAPs. Finalmente,
el nodo es impropio, por definición, si y sólo si A no diagonaliza. En Álgebra Lineal se vió que
las únicas matrices 2 × 2 no diagonalizables son las matrices no diagonales con un VAP doble.
12 Depositado en http://www.ma1.upc.edu/∼ed/edos.pdf

Figura 2. Criterio traza-determinante en el plano (T, D).

El sistema es degenerado, por definición, si y sólo si D = 0. Las relaciones D = λ+ λ− = 0 y

T = λ+ + λ− implican que uno de los VAPs es igual a cero y el otro es igual a la traza.
La figura 2 contiene una representación gráfica de los resultados en el plano de coordenadas (T, D). 
Este criterio simplifica la clasificación de sistemas 2D con parámetros. Veamos un ejemplo.
Ejemplo 12. Clasificar el sistema x0 = Ax, donde
 
−2µ 2µ − 1
A= , µ ∈ R.
−1 0
La traza T = −2µ sólo cambia de signo en µ = 0. El determinante D = 2µ − 1 sólo cambia de
signo en µ = 1/2. El discriminante ∆ = T 2 − 4D = 4µ2 − 8µ + 4 = 4(µ − 1)2 es positivo si µ 6= 1
y nulo si µ = 1. Además, la matriz A no es diagonal cuando µ = 1. Por tanto, aplicando el criterio
traza-determinante vemos que el sistema es:
Una silla (I) cuando µ < 1/2;
Degenerado (E pero no AE) cuando µ = 1/2; y
Un nodo atractor cuando µ > 1/2, siendo propio cuando µ 6= 1 e impropio cuando µ = 1.
En particular, la única bifurcación 4 del sistema tiene lugar al cruzar el valor µ∗ = 1/2, momento en
el cual el sistema pasa de inestable a asintóticamente estable (atractor). Es usual representar toda la
información en un diagrama a color5 llamado diagrama de bifurcación, ver figura 3. N

Silla (I) Degen.

t (E) Nodo (AE)
µ∗

Figura 3. Diagrama de bifurcación del ejemplo 12 en la recta µ ∈ R. Aquı́, µ∗ = 1/2.

4Una bifurcación se define como un cambio en el aspecto cualitativo de las trayectorias de sistema.
5Por ejemplo, rojo para la parte inestable del espacio de parámetros, azul para la parte asintóticamente estable y
verde para la parte estable pero no asintóticamente estable.
 Depositado en http://www.ma1.upc.edu/∼ed/edos.pdf 13

Croquis de SLs a coeficientes constantes. Cuando ya sabemos si el sistema x0 = Ax es atractor,

repulsor, inestable, o estable pero no asintóticamente estable, podemos dibujar una representación
geométrica de sus órbitas. Esta representación, denominada croquis o retrato de fases del sistema,
debe resaltar las rectas y planos invariantes. Seguiremos un código de colores para distinguir salidas
(rojas), entradas (azules), planos de giros cerrados (verdes) y rectas de puntos de equilibrio (amarillas).
Y un código de flechas para distinguir direcciones rápidas y lentas o visualizar los sentidos de giro.
La interpretación geométrica de las rectas y los planos invariantes dada en la página 10 nos ayuda
a dibujar croquis precisos de cualquier sistema lineal homogéneo a coeficientes contantes x0 = Ax
cuando la matriz A diagonaliza.
Por ejemplo, sean v 1 , . . . , v n los VEPs y supongamos que todos los VAPs λ1 , . . . , λn son reales.
Los signos de los VAPs determinan el comportamiento de las trayectorias contenidas en las rectas
invariantes rj = [v j ]. Luego la pregunta es: ¿Qué aspecto tienen las otras trayectorias? Para responder
a esta pregunta proyectamos una condición inicial arbitraria sobre cada una de las rectas invariantes.
Como los VEPs v 1 , . . . , v n forman una base de Rn , sabemos que dado un punto arbitrario x0 ∈ Rn ,
existen unos coeficientes c1 , . . . , cn ∈ Rn tales que x0 = c1 v 1 + · · · + cn v n . Entonces, usando el teorema
de existencia y unicidad de soluciones deducimos que
x(t) = c1 eλ1 t v 1 + · · · + cn eλn t v n
es la solución del PVI correspondiente a la condición inicial x(0) = x0 . Esto permite describir la forma
de cualquier trayectoria del sistema. Veamos un ejemplo 2D y otro 3D.
Ejemplo 13. Sea A la matriz 2 × 2 del sistema del ejemplo 7. Sabemos que tiene VEPs v 1 = (1, 1) y
v 2 = (1, −1) de VAPs λ1 = −2 y λ2 = −4. Por tanto, hay dos rectas invariantes de entrada:
r1 = [v 1 ] = (x1 , x2 ) ∈ R2 : x1 − x2 = 0 , r2 = [v 2 ] = (x1 , x2 ) ∈ R2 : x1 + x2 = 0 .
 

Además, r1 corresponde a la entrada lenta y r2 a la rápida, pues eλ1 t = e−2t tiende a cero más
lentamente que eλ2 t = e−4t . Por tanto, todas las soluciones del sistema x0 = Ax tienden al origen.
Concretamente, las soluciones situadas sobre una recta invariante no abandonan la recta, mientras
que las demás soluciones trazan órbitas con aspecto de parábolas que son tangentes en el origen a la
recta lenta y que lejos del origen tienden a adquirir la dirección de la recta rápida. Con esos datos ya
podemos dibujar el croquis del sistema. N
Ejemplo 14. Sea A la matriz 3 × 3 del ejemplo 8. Sabemos que tiene VEPs v 1 = (25, −7, 6) y v 2,3 =
u ± w i, con u = (1, 1, 1) y w = (5, 0, 0), de VAPs λ1 = 1 y λ2,3 = ±5 i. Por tanto,
r = [v 1 ] = (x1 , x2 , x3 ) ∈ R3 : x1 /25 = −x2 /7 = x3 /6


es una recta invariante de salida y

Π = [u, w] = (x1 , x2 , x3 ) ∈ R3 : x2 = x3


es un plano invariante de giros cerrados donde todas las trayectorias tienen periodo T = 2π/5. El truco
de proyectar una condición inicial arbitraria sobre r y Π para ver la forma de su trayectoria funciona
igual que antes. En este caso, obtenemos que todas las órbitas del sistema x0 = Ax no contenidas ni
en r ni en Π son hélices que escapan a infinito. N
En estos apuntes, por pereza, no vamos a incluir dibujos. El lector interesado los puede realizar por
si mismo y compararlos después con los dibujos de la referencia Notes on Differential Equations de
Bob Terrell que se puede obtener del enlace http://www.math.cornell.edu/∼bterrell/dn.pdf. O mejor
aún, puede realizar el siguiente ejercicio.
Ejercicio. Conectarse al enlace http://www-math.mit.edu/daimp/ y entender los dos applets de JAVA
sobre Linear Phase Portraits.
Los siguentes comentarios proporcionan algunas claves para dibujar un croquis:
Dos órbitas diferentes no pueden tocarse;
Los VAPs reales dan lugar a rectas invariantes de entrada, salida o puntos de equilibrio;
14 Depositado en http://www.ma1.upc.edu/∼ed/edos.pdf

Los VAPs complejos conjugados dan lugar a planos invariantes de entrada, salida o giros;
Una silla tiene una recta invariante de salida y otra de entrada, el resto de sus órbitas tienen
el aspecto de hipérbolas;
Un nodo propio atractor/repulsor con VAPs simples tiene dos rectas de entrada/salida (la lenta
y la rápida) y el resto de sus órbitas parecen parábolas tangentes en el origen a la recta lenta;
Un nodo impropio atractor/repulsor tiene una única recta invariante de entrada/salida y todas
sus otras órbitas son tangentes en el origen a esa recta invariante;
Todas las órbitas de un nodo propio con un VAP doble son rectas que pasan por el origen;
En un sistema degenerado 2D el campo de vectores F (x) = Ax apunta siempre en la misma
dirección, luego sus órbitas forman un haz de rectas paralelas;
Todas las órbitas de un centro son elipses;
Todas las órbitas de un foco son espirales; y
En estos dos últimos casos, que corresponden a VAPs complejos conjugados λ± = α ± β i, el
sentido de giro se determina calculando la velocidad en algun punto del plano. La velocidad de
giro depende de la parte imaginaria β y la expansión/contracción depende de la parte real α.
Ejemplo 15. Sea A una matriz 3 × 3 con VAPs λ1 , λ2 , λ3 ∈ R tales que
λ3 < λ2 < 0 < λ1
y sea {v 1 , v 2 , v 3 } una base de VEPs. Entonces existen tres rectas importantes: r1 = [v 1 ] (salida),
r2 = [v 2 ] (entrada lenta) y r3 = [v 3 ] (entrada rápida). En el plano generado por los VEPs de VAPs
negativos el sistema tiene el aspecto de un nodo propio atractor. En los planos generados por v 1 y un
VEP de VAP negativo, el sistema es una silla. El resto del croquis 3D se deduce de ese “esqueleto”.
Ejercicio. Dibujar el croquis en los casos: 1) λ3 < λ2 < λ1 = 0, y 2) λ3 < λ2 < λ1 < 0.
Ejemplo 16. Sea A una matriz con VAPs λ1 ∈ R y λ2,3 = α ± β i tales que
α < 0 < λ1 .
Sea v 1 un VEP de VAP λ1 y sean v 2,3 = u ± w i VEPs de VAP λ2,3 . Entonces r1 = [v 1 ] es una recta
invariante de salida y Π = [u, w] es un plano invariante de entrada. En el plano Π el sistema es un
foco atractor. Las trayectorias 3D trazan espirales que se escapan al infinito en la dirección v 1 , pero
cuyas amplitudes se hacen cada vez más pequeñas.
Ejercicio. Dibujar el croquis en los casos: 1) α = 0 < λ1 , 2) 0 < α < λ1 , y 3) 0 < λ1 < α.
Ejercicio. Dibujar los croquis de los sistemas degenerados x0 = A± x y x0 = A0 x dados por
   
±1 0 0 0
A± = , A0 = .
0 0 1 0

Sistemas no lineales
Ya sabemos resolver sistemas lineales, determinar su estabilidad y dibujar sus trayectorias. Ahora
pasamos a estudiar sistemas no lineales autónomos de primer orden expresados en forma normal.
Concretamente, sistemas de la forma
x0 = F (x)
donde el campo vectorial F : U → Rn es una función de clase C 1 en un abierto U ⊂ Rn . Recordamos
que las trayectorias de este sistema son tangentes al campo de velocidades F (x). Además, por cada
posición inicial pasa una única órbita del sistema (teorema de existencia y unicidad).

Estabilidad de puntos de equilibrio. La siguiente definición es una copia del caso lineal.
Definición. Diremos que un punto x0 ∈ U es un punto de equilibrio del sistema x0 = F (x) cuando
la velocidad del sistema en ese punto sea cero. Es decir, cuando F (x0 ) = 0.
 Depositado en http://www.ma1.upc.edu/∼ed/edos.pdf 15

Si x0 es un punto de equilibrio, la función constante x(t) ≡ x0 es una solución del SNL, pues
x0 (t) = 0 = F (x0 ) = F (x(t)), ∀t ∈ R.
Esto era algo previsible, pues significa que si una partı́cula se mueve según un campo de velocidades,
permanecerá quieta cuando la situamos en una posición con velocidad cero.
La pregunta que nos hacemos ahora es, ¿cómo se comportan las trayectorias de un SNL que parten
de puntos cercanos a un punto de equilibrio del SNL? A grosso modo, diremos que un punto de
equilibrio es estable cuando ninguna de las trayectorias que parten de puntos suficientemente cercanos
se alejan de él; inestable cuando existen trayectorias que se alejan de él aunque partan de puntos muy
próximos; y atractor/repulsor cuando las trayectorias que parten de puntos suficientemente cercanos
tienden a él cuando el tiempo avanza/retrocede. Sin embargo, la definición formal es algo más técnica.
Definición. Sea x0 ∈ U un punto de equilibrio del sistema x0 = F (x). Diremos que ese punto es:
Estable (E) si y sólo si para todo  > 0 existe algún δ > 0 tal que
kx(0) − x0 k ≤ δ =⇒ kx(t) − x0 k ≤ , ∀t ≥ 0.
Aquı́, x(t) denota a una trayectoria cualquiera del sistema.
Inestable (I) cuando no es estable.
Atractor o asintóticamente estable (AE) si y sólo si es estable y, además, existe δ0 > 0 tal que
kx(0) − x0 k ≤ δ =⇒ lı́m x(t) = x0 .
t→+∞

Repulsor si y sólo si es atractor para el sistema x0 = −F (x).

Estas definiciones son parecidas, pero no iguales, a las dadas en el caso de SLs. Conviene entender
las tres principales diferencias. La primera diferencia es que son los propios SLs los que se definen como
atractores, repulsores, inestables o estables, pero al trabajar con SNLs son sus puntos de equilibrio
los que se definen como tales. Por ejemplo, un SNL puede tener simultáneamente puntos de equilibrio
atractores y puntos de equilibrio repulsores. Vimos una muestra de esta convivencia al estudiar la
ecuación logı́stica en el ejemplo 5. La segunda diferencia es el carácter local que tienen las definiciones
en el caso no lineal, en contraposición al carácter global del caso lineal. Por ejemplo, si un SL es
atractor, todas sus trayectorias tienden al origen. En cambio, dado un punto de equilibrio atractor de
un SNL, tan sólo podemos afirmar que tienden a él las trayectorias que empiezan suficientemente cerca
de ese punto, en una zona que recibe el nombre de cuenca de atracción. La tercera diferencia es que
en los atractores y repulsores lineales se fija el comportamiento pasado y futuro: t → ±∞, mientras
que en los atractores/repulsores no lineales tan sólo se fija el comportamiento futuro/pasado.

Estabilidad de puntos de equilibrio por linealización. La idea detrás del método de linealización
para estudiar la estabilidad de un punto de equilibrio de un SNL autónomo consiste en construir un SL
homogéneo a coeficientes constantes que “se parezca” al SNL original en las proximidades del punto
de equilibrio, esperando que el comportamiento dinámico de ambos sistemas sea “similar”.
Definición. Sea x0 ∈ U un punto de equilibrio del SNL x0 = F (x). Entonces, diremos que
 
∂fi
A = DF (x0 ) = (x0 )
∂xj 1≤i,j≤n

es la matriz del sistema linealizado de x0 = F (x) en el punto x0 .

Este concepto es clave para estudiar la estabilidad de SNLs. Damos el siguiente teorema sin probarlo.
Teorema. Sea A la matriz del sistema linealizado de un SNL en un punto de equilibrio.
Si A tiene algún VAP de parte real positiva, entonces el punto de equilibrio es inestable.
Si todos los VAPs tienen parte real negativa/positiva, el punto de equilibrio es atractor/repulsor.
En los otros casos, la linealización no decide la estabilidad.
16 Depositado en http://www.ma1.upc.edu/∼ed/edos.pdf

Observación. La existencia de algún VAP de parte real nula no impide per se que la linealización
decida la estabilidad. Por ejemplo, si la matriz asociada a un punto de equilibrio de un SNL 2D tiene
un VAP nulo y un VAP positivo, entonces el punto de equilibrio es inestable.
Se puede probar que si el sistema linealizado de un SNL en un punto de equilibrio no tiene VAPs de
parte real nula, entonces los sistemas lineal y no lineal son cualitativamente “similares”. Este resultado
recibe el nombre de teorema de Hartman-Grobman. Hemos definido cinco tipos de SLs 2D homogéneos
a coeficientes constantes: sillas, nodos, focos, centros y los sistemas degenerados. Sólo los centros y
los sistemas degenerados tienen VAPs con parte real nula. Por tanto, si el sistema linealizado de un
SNL 2D en un punto de equilibrio es una silla, un nodo o un foco, entonces podremos decir cómo son
las trayectorias del SNL cerca del punto de equilibrio. Por ejemplo, si el SL asociado es una silla, el
SNL tiene unas curvas invariantes de entrada y salida (tangentes en el punto de equilibrio a las rectas
invariantes de entrada y salida del SL asociado) que organizan su dinámica local entorno a ese punto.
En el argot matemático, esas curvas se denominan curvas invariantes estable e inestable. El término
invariante enfatiza que si tomamos una condición inicial arbitraria sobre cualquiera de esas curvas, la
trayectoria se mantiene sobre la curva.
Ejemplo 17. El origen es un punto de equilibrio del sistema 3D de Lorenz
 0
 x1 = σ(x2 − x1 )
x0 = x1 (ρ − x3 ) − x2
 20
x3 = x1 x2 − βx3
donde σ, ρ, β > 0 son parámetros del sistema. Para simplificar, supondremos que ρ > 1.
La matriz del sistema linealizado en el origen es
   
−σ σ 0 −σ σ 0
A =  ρ −1 −x1  =  ρ −1 0 ,
x2 x1 −β (x ,x ,x )=(0,0,0) 0 0 −β
1 2 3

cuyos tres VAPs son

p
−(σ + 1) ± (σ + 1)2 + 4σ(ρ − 1)
λ1,2 = , λ3 = −β.
2
Como λ1 > 0 y λ2 , λ3 < 0, el origen tiene una dimensión inestable (una curva invariante de salida)
y dos dimensiones estables (una superficie invariante de entrada). El eje vertical correspondiente a la
coordenada x3 es una curva invariante de entrada. (¿Por qué?) Las trayectorias cerca del origen no
giran, pues todos los VAPs son reales. N
Ejercicio. Conectarse al enlace http://www.falstad.com/mathphysics.html, escoger el applet sobre 3D
Vector Fields, marcar el sistema de Lorenz en el menú de sistemas y visualizar sus trayectorias.
Ejemplo 18. El origen es un punto de equilibrio del sistema 2D no lineal
 0
x1 = x2 (x1 − 1)
.
x02 = x1 (1 − x1 )
La matriz del sistema linealizado en el origen es
   
x2 x1 − 1 0 −1
A= =
1 − 2x1 0 (x
1 0
1 ,x2 )=(0,0)

cuyos VAPs son complejos conjugados de parte real nula: λ1,2 = ± i. Por tanto, la linealización no
decide la estabilidad y tampoco sabemos que aspecto tienen las trayectorias del SNL cerca del origen,
tan sólo podemos decir que el sistema linealizado es un centro. La única conclusión que podemos
extraer a partir de la linealización es que las trayectorias giran entorno al origen. Sin embargo, no
sabemos si estas trayectorias se alejan, se acercan o se mantienen a una distancia constante del origen
tras dar una vuelta completa. N
 Depositado en http://www.ma1.upc.edu/∼ed/edos.pdf 17

Ejercicio. Queremos entender el significado del sistema linealizado mediante un ejemplo. Para eso,
vamos a ver que el SNL anterior tiende a su sistema linealizado cuando hacemos un zoom cada vez
mayor sobre el origen. Concretamente, consideramos el cambio de escala
x1 = y1 , x2 = y2 ,  > 0.
Cuando   1, el cuadrado [−1, 1] × [−1, 1] en las nuevas coordenadas (y1 , y2 ) se corresponde con el
minúsculo cuadrado [−, ] × [−, ] en las coordenadas originales (x1 , x2 ). Realizando este cambio de
escala, el SNL del ejemplo anterior se transforma en el SNL
 0
y1 = y2 (y1 − 1)
.
y20 = y1 (1 − x1 )
Finalmente, tomando el lı́mite  → 0, el SNL transformado tiende al SL dado por
 0
y1 = −y2
.
y20 = y1
 
0 0 −1
Es decir, hemos obtenido el SL y = Ay, siendo A = la matriz calculada anteriormente.
1 0
Ejercicio. Conectarse al enlace http://www-math.mit.edu/daimp/ y jugar con el applet de JAVA
sobre Vector Fields. En particular, usar el zoom de ese applet para comprobar que los sistemas no
lineales se parecen a sus sistemas linealizados entorno cada uno de sus puntos de equilibrio.
Ejercicio. El punto (1, 1) también es un punto de equilibrio del SNL anterior. Calcular la matriz del
sistema linealizado en ese punto. ¿Qué podemos decir sobre la estabilidad del SNL?
Estabilidad de puntos de equilibrio por el método de Liapunov. El método de Liapunov puede
proporcionar información cuando el método de linealización no decide la estabilidad. Recordamos que
en el caso 2D eso sólo puede pasar cuando el sistema linealizado es degenerado y sin VAPs positivos
o cuando el sistema linealizado es un centro.
El método consiste en considerar una función V (x) que mida la “distancia” al punto de equilibrio
(por ejemplo, V (x) = kx − x0 k2 que es el cuadrado de la distancia al punto x0 ), para después estudiar
si esa “distancia” V (x) aumenta, no aumenta, disminuye, no disminuye o se mantiene constante a lo
largo de las trayectorias del sistema, en cuyo caso el punto de equilibrio será repulsor, estable, atractor,
no atractor o estable pero no asintóticamente estable, respectivamente.
Ejemplo 19. Estudiamos como varı́a el valor de la función
V (x) = kx − 0k2 = (x1 )2 + (x2 )2
sobre las trayectorias del sistema 2D del ejemplo 18. Dada una trayectoria x(t) = (x1 (t), x2 (t)) del
sistema, aplicamos la regla de la cadena para calcular la derivada de la composición t 7→ V (x(t))
respecto el tiempo. En este caso la derivada es idénticamente nula, pues
d ∂V dx1 ∂V dx2
(t) = 2x1 (t)x01 (t) + 2x2 (t)x02 (t) ≡ 0.

V (x(t)) = (x(t)) · (t) + (x(t)) ·
dt ∂x1 dt ∂x2 dt
En la última igualdad hemos usado las ecuaciones diferenciales x01 = x2 (x1 − 1) y x02 = x1 (1 − x1 ). Por
tanto, la función V (x) es constante sobre las trayectorias del sistema, pues su “derivada temporal” es
igual a cero. En otras palabras, las trayectorias están contenidas en las curvas de nivel de la función
V (x), las cuales son circunferencias centradas en el origen. En particular, deducimos que el origen es
un punto de equilibrio estable, pero no asintóticamente estable. N
Ejercicio. Dibujar el retrato de fases del sistema 2D que acabamos de estudiar. Es decir, dibujar sus
puntos de equilibrio, esquematizar la forma de sus órbitas y representar mediante flechas el sentido de
cada trayectoria. Discutir la estabilidad de cada punto de equilibrio a partir del retrato de fases.
Ejercicio. Conectarse al enlace http://www.falstad.com/mathphysics.html, escoger el applet de JAVA
sobre 2D Vector Fields, introducir a mano el sistema 2D del ejemplo 18 en el menú de sistemas y
comparar los resultados visuales con el retrato de fases obtenido en el ejercicio anterior.
18 Depositado en http://www.ma1.upc.edu/∼ed/edos.pdf

Definición. Dado un sistema autónomo x0 = F (x), la derivada temporal de una función V (x) es
W (x) := hgrad V (x), F (x)i.
Diremos que V (x) es una cantidad conservada cuando su derivada temporal sea idénticamente nula.
Si x(t) = (x1 (t), . . . , xn (t)) es una trayectoria del sistema x0 = F (x), entonces la derivada de la
función t 7→ V (x(t)) en el instante t es igual a la derivada temporal de V (x) en el punto x(t), pues
n
d X ∂V dxj
V (x(t)) = (x(t)) (t) = hgrad V (x(t)), x0 (t)i = hgrad V (x(t)), F (x(t))i = W (x(t)).
dt j=1
∂xj dt

El signo de esta derivada nos indica como varı́a el valor de la función V (x) sobre las trayectorias
del sistema. Por ejemplo, si V (x) es una cantidad conservada y sus hipersuperficies de nivel tienen
el aspecto de “esferas deformadas” centradas en el punto de equilibrio, como las trayectorias están
contenidas en esas “esferas” podemos afirmar que el punto de equilibrio es estable pero no asintótica-
mente estable. (Es la misma idea que ya usamos en el ejemplo 19.) La estrategia general del método
de Liapunov consiste en encontrar una función “distancia al punto de equilibrio” V (x) cuya derivada
temporal no tenga cambios de signo cerca del punto de equilibrio. Las funciones que no tienen cambios
de signo cerca de un punto se denominan definidas (cuando localmente sólo se anulan en el punto en
cuestión) o semidefinidas (cuando permitimos que falle la condición anterior).
Definición. Diremos que una función W : U ⊂ Rn → R es semidefinida positiva/negativa en un
punto x0 ∈ U cuando tiene un mı́nimo/máximo local en ese punto y, además, W (x0 ) = 0. Y diremos
que es definida positiva/negativa cuando, además, ese mı́nimo/máximo local es estricto.
Por ejemplo, la función W (x1 , x2 , x3 ) = 3(x1 )2 + 7(x2 )2 + (x3 )2 es definida positiva en el origen,
mientras que la función W (x1 , x2 , x3 ) = (x1 )2 + 4(x3 )2 no lo es, aunque si es semidefinida positiva.
También conviene notar que si x0 es un punto de equilibrio del sistema x0 = F (x) y V (x) es una
función arbitraria, entonces su derivada temporal W (x) = hgrad V (x), F (x)i se anula en x0 .
Teorema (Liapunov). Sea x0 un punto de equilibrio del sistema x0 = F (x), sea V (x) una función que
tiene un mı́nimo local estricto en el punto x0 y sea W (x) = hgrad V (x), F (x)i su derivada temporal.
1. Si W (x) es definida positiva/negativa en x0 , entonces el punto x0 es repulsor/atractor.
2. Si W (x) es semidefinida negativa en x0 , entonces el punto de equilibrio x0 es estable.
3. Si W (x) es semidefinida positiva en x0 , entonces el punto de equilibrio x0 no es atractor.
4. Si W (x) es semidefinida positiva/negativa en x0 y ninguna trayectoria6 está contenida en el
conjunto de nivel {x ∈ U : W (x) = 0}, entonces el punto x0 es repulsor/atractor.
5. Si W (x) ≡ 0, entonces el punto de equilibrio x0 es estable pero no asintóticamente estable.
Definición. Los puntos de equilibrio de sistemas no lineales 2D con cantidades conservadas tales que
sus sistemas linealizados son centros, se denominan centros no lineales.
Todas las trayectorias de SNLs 2D cercanas a un centro no lineal son soluciones periódicas; es
decir, giran formando curvas cerradas, ver ejemplo 19. Si los VAPs del sistema linealizado entorno a
un centro no lineal son λ± = ±β i, con β > 0, entonces el periodo de las soluciones del SNL tiende
a p = 2π/β cuando nos acercamos al punto de equilibrio. Usaremos esta propiedad para calcular el
periodo de las pequeñas oscilaciones de un péndulo.
Observación. La mayor dificultad del método de Liapunov consiste en hallar una función V (x) que
permita aplicar el teorema. No es fácil. Una elección estándar en los problemas mecánicos es tomar la
energı́a mecánica (cinética más potencial) como función V (x). Si no tenemos en cuenta la fricción, la
energı́a mecánica se conserva, luego su derivada temporal será nula. Si tenemos en cuenta la fricción,
la energı́a mecánica se disipa, luego su derivada temporal será definida (o semidefinida) negativa.

6Salvo la trayectoria constante x(t) ≡ x , claro.

0
 Depositado en http://www.ma1.upc.edu/∼ed/edos.pdf 19

Figura 4. Esquema de un péndulo.

Evolución de un volumen. La divergencia de un campo vectorial F : U ⊂ R × Rn → Rn de clase

C 1 , donde F = F (t, x) con x = (x1 , . . . , xn ) y F = (f1 , . . . , fn ), es la función
∂f1 ∂fn
div F (t, x) = (t, x) + · · · + (t, x).
∂x1 ∂xn
Teorema. En los instantes t y posiciones x donde el campo tiene divergencia positiva, nula o negativa,
el sistema no lineal x0 = F (t, x) expande, preserva o contrae (localmente) volumen, respectivamente.
Una consecuencia de este teorema es que la divergencia de un campo autónomo en un punto de
equilibrio atractor/repulsor no puede ser positiva/negativa. Y el siguiente resultado es otra.
Corolario. Si F : U ⊂ R2 → R2 es un campo autónomo 2D cuya divergencia nunca es nula, entonces
el sistema autónomo x0 = F (x) no puede tener ninguna solución periódica no constante que encierre
un dominio contenido en el abierto U .
Demostración. Por reducción al absurdo. Supongamos que el sistema tiene una solución T -periódica
no constante σ(t) que encierra un dominio D ⊂ U . Sea C = ∂D = σ([0, T ]) su órbita. En primer lugar,
D 6= ∅, pues σ(t) no es constante. En segundo lugar, D es invariante, pues el teorema de existencia
y unicidad implica que una partı́cula que inicialmente está dentro de D, no puede escaparse. Y,
análogamente, una partı́cula que empieza fuera no puede entrar. Es decir,
[ n o
Dt := x(t) : x es la solución del PVI x0 = F (x), x(0) = x0 ≡ D.
x0 ∈D

Pero sabemos que la divergencia nunca se anula. Por tanto, o bién es positiva o bién es negativa. En
el primer caso, el sistema expande área: Area(Dt ) es estrictamente creciente en t. En el segundo caso,
el sistema contrae área: Area(Dt ) es estrictamente decreciente en t. Ambas situaciones contradicen la
igualdad Dt ≡ D. 
Ejercicio. Probar que un campo autónomo F : U ⊂ R3 → R3 cuya divergencia nunca es nula no
puede tener ninguna superficie invariante cerrada que encierre una región W ⊂ U .
El retrato de fases del péndulo sin fricción. Esta sección es algo durilla. Tomad un café cargado
antes de leerla. Tenemos un péndulo de masa m y longitud l bajo un campo gravitatorio de intensidad
constante g. Usando la segunda ley de Newton comprobamos que la ecuación del movimiento del
péndulo sin fricción es la EDO de segundo orden
mlθ00 = −mg sin θ,
donde θ(t) es el ángulo formado por el péndulo con la posición vertical inferior, ver la figura 4.
Introduciendo la velocidad angular ω = θ0 , reescribimos la EDO anterior como el sistema no lineal 2D
20 Depositado en http://www.ma1.upc.edu/∼ed/edos.pdf

de primer orden
θ0 = ω

.
ω 0 = −gl−1 sin θ
Queremos dibujar el retrato de fases de este sistema no lineal 2D. Eso incluye calcular todos sus puntos
de equilibrio, estudiar la estabilidad de cada uno de ellos y representar las órbitas del sistema de forma
aproximada. El proceso consta de los siguientes pasos:
Puntos de equilibrio. Buscamos los puntos donde el campo es igual a cero:
θ0 =

ω = 0
=⇒ (θ, ω) = (kπ, 0), k ∈ Z.
ω 0 = −gl−1 sin θ = 0
Estos puntos de equilibrio corresponden a las posiciones de equilibrio inferior (si k es par) y
superior (si k es impar) del péndulo.
Estabilidad de los puntos de equilibrio por linealización. La matriz del sistema linealizado en el
punto de equilibrio (θ, ω) = (kπ, 0) es igual a
   
0 1 0 1
Ak = = .
−gl−1 cos θ 0 (θ,ω)=(kπ,0) (−1)k+1 g/l 0
Si k = 2n + 1 es impar, det Ak = (−1)2n+1 g/l = −g/l < 0 y el sistema linealizado es una
silla. Por tanto, hemos probado que la posición de equilibrio superior es inestable. En cambio,
si k = 2n es par, det Ak = (−1)2n g/l = g/l > 0 y traza Ak = 0, luego el sistema linealizado es
un centro. En este segundo caso, la linealización no decide la estabilidad.
Estabilidad de la posición de equilibrio inferior por Liapunov. Si normalizamos el problema
tomando el origen de energı́a potencial en la posición de equilibrio inferior (es decir, en θ = 0),
entonces la energı́a mecánica del péndulo es igual a
V (θ, ω) = ml2 ω 2 /2 + mgl(1 − cos θ).
Esta energı́a mecánica alcanza su valor mı́nimo si y sólo si: 1) la energı́a cinética es nula: ω = 0;
y 2) la energı́a potencial es mı́nima: cos θ = 1. Este argumento fı́sico demuestra que la energı́a
tiene mı́nimos locales estrictos en los puntos de equilibrio asociados a la posición de equilibrio
inferior. A continuación, calculamos la derivada temporal de la energı́a mecánica:
d n o ∂V dθ ∂V dω
V (θ, ω) = (θ, ω) + (θ, ω) = (mgl sin θ)θ0 +(ml2 ω)ω 0 = mglω sin θ −mglω sin θ ≡ 0.
dt ∂θ dt ∂ω dt
Es decir, la energı́a mecánica se conserva. ¡Sorpresa! Finalmente, aplicamos el último apartado
del teorema de Liapunov y obtenemos que la posición de equilibrio inferior es estable, pero no
asintóticamente estable. De hecho, es un centro no lineal. Es decir, todas las trayectorias del
péndulo cerca de la posición de equilibrio inferior son periódicas.
Dibujar las curvas de nivel de la función V (θ, ω). Como el valor de función V (θ, ω) permanece
constante a lo largo de las trayectorias del sistema, dibujar las curvas de nivel de esta función
equivale a dibujar las órbitas del sistema. Una vez fijada la energı́a mecánica total E ≥ 0, las
curvas de nivel {V (θ, ω) = E} se expresan en forma de gráficas:
p
ω = ±l−1 2E/m − 2gl(1 − cos θ).
Vemos que E = 0 y E = 2mgl en las posiciones de equilibrio inferior y superior, respectivamente.
Determinar el sentido de las trayectorias. Las trayectorias se recorren hacia la derecha mientras
están en el semiplano superior {(θ, ω) ∈ R2 : ω > 0}, pues θ0 (t) = ω(t) > 0. Análogamente, en
el semiplano inferior se recorren hacia la izquierda.
Resaltar las curvas invariantes de la posición de equilibrio superior. Los puntos (θ, ω) = (kπ, 0)
con k impar son sillas no lineales, luego tienen una curva invariante de salida (inestable) y una
curva invariante de entrada (estable). Además, la energı́a mecánica en esos puntos es E = 2mgl.
Ese nivel de energı́a se puede expresar ası́:
p
V (θ, ω) = 2mgl ⇐⇒ ω 2 = 2gl−1 (1 + cos θ) ⇐⇒ ω = ±2 g/l| cos(θ/2)|.
 Depositado en http://www.ma1.upc.edu/∼ed/edos.pdf 21

Ejercicio. Dejamos caer el péndulo desde la posición que corresponde a un cierto ángulo θ0 con
velocidad angular nula: ω0 = 0. Sabemos que el péndulo oscila periódicamente entorno a la posición
de equilibrio inferior. Sea p = p(θ0 ) el periodo. Argumentar que
p
lı́m p(θ0 ) = 2π l/g.
θ0 →0

Indicación: Si |θ0 | es pequeño, entonces las pequeñas oscilaciones del péndulo se pueden aproximar
por la oscilaciones del sistema linealizado.
Ejercicio. Determinar la estabilidad de las dos posiciones de equilibrio cuando se tiene en cuenta la
fricción. Es decir, cuando la EDO de segundo orden de partida es
mlθ00 = −mg sin θ − µlθ0 ,
siendo µ > 0 el coeficiente de fricción.

Fin de la Segunda Parte