Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sistemas Dinamicos
Sistemas Dinamicos
Hctor E. Lomel
Departamento Acadmico de Matemticas
Instituto Tecnolgico Autnomo de Mxico
Ro Hondo #1
Mxico, DF 01000
1 de diciembre de 2005
ndice General
1.1
1.2
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2 Sistemas Lineales
2.1
2.2
11
2.3
Derivadas matriciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
2.4
19
2.5
25
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
29
34
3.1
Matrices no degeneradas . . . . . . . . . . . . . . . . . . . . . . . . . . .
34
3.2
Matrices atractoras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
37
NDICE GENERAL
3.3
40
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
46
4 Teora no Lineal.
4.1
49
49
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
63
5 Estabilidad no lineal
66
5.1
Conjugacin topolgica . . . . . . . . . . . . . . . . . . . . . . . . . . . .
66
5.2
70
5.3
81
5.4
Estabilidad asinttica . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
95
NDICE GENERAL
ii
CAPTULO 1
tiempo continuo t R
tiempo discreto t Z
En cada caso, existen muchas aplicaciones que se pueden poner dentro del esquema de un
sistema dinmico:
Tiempo continuo
Ecuaciones de difusin
Procesos estocsticos
Tiempo discreto
Mtodos iterativos
Iteracin de mapeos
1.1 D EFINICIN
DE UN SISTEMA DINMICO
1.1 D EFINICIN
DE UN SISTEMA DINMICO
t veces
t veces
En ambos casos, en tiempo discreto y tiempo continuo, nos interesa estudiar el comportamiento de los flujos, por ejemplo, nos preguntamos acerca del siguiente lmite.
lim (t, x) =?
En los siguientes captulos estableceremos una relacin entre flujos y ecuaciones diferenciales. En particular tenemos el siguiente resultado.
Proposicin 1.1.4 Sea E un abierto de Rn . Sea un flujo definido en un abierto RE.
Suponer que (t, x) es de clase C 1 . Demostrar que, para cada x E, la funcin y(t) =
(t, x) satisface el siguiente problema de valores iniciales.
y = f (y),
y(0) = x,
donde f (u) =
t t=0 (t, u).
x
1 xt
Notemos que para t = 0, siempre est definida est definida. Podemos usar =
{(t, x) : xt = 1} .Vamos a verificar que es un sistema dinmico sobre R.
a) 0 (x) = x,
1.2 E JEMPLOS
DE SISTEMAS DINMICOS
b) t ( s (x)) = t
x
1xs
x
1xs
x
1 1xs
t
x
1sxt x
x
1(s+t)x
si x = 0
R
1
D(x) =
, x si x > 0
1 , si x < 0
x
maximal es
Para encontrar una ecuacin diferencial que sea satisfecha por (t, x0 ) usamos la proposicin 1.1.4. Usando el flujo de este ejemplo, se tiene
f (u) = (t, u) = u 2 .
t t=0
Notemos que y(t) = (t, x0 ) cumple
y (t) =
x02
(t, x0 ) =
= (t, x0 )2 .
t
(1 t x0 )2
De este modo concluimos que, para cada x0 , la funcin y(t) = (t, x0 ) es una solucin del
problema
y = y 2 ,
y(0) = x0 .
(t, x) =
cos t sin t
sin t
cos t
x
E JERCICIOS
t0
E JERCICIOS
1.2 Demostrar la proposicin 1.1.4. (Sugerencia: usar las propiedades del flujo.)
1.3 Para cada una de las funciones del problema 1.1, encontrar las ecuacin diferencial
que es satisfecha y el mximo dominio .
et x
.
(et 1)x + 1
E JERCICIOS
a) Demostrar que es flujo.
b) Para cada x R encontrar el intervalo maximal D(x).
c) Encontrar una ecuacin diferencial satisfecha por y(t) = (t, x).
d) Calcular limt (t, x) y limt (t, x).
E JERCICIOS
1.6 Sea A una matriz tal que A2 = A. Demostrar que el siguiente es un flujo completo
en Rn .
(t, x) = et A + (I A) x.
CAPTULO 2
Sistemas Lineales
2.1 L A
A=
3 1
.
Calcular A .
Solucin
Usaremos la proposicin 2.1.2: primero calculamos
1
2
1
2
10
1
AT A =
=
.
3 1
3 1
1 5
Los eigenvalores satisfacen
2 15 + 49 = 0
y por tanto
1,2 =
15
15 29
225 196
=
.
2
2
15+ 29
.
2
15+ 29
.
2
2.1 L A
10
Demostracin
La demostracin de este hecho se basa en la desigualdad de Cauchy-Schwartz. Notemos
que esta desigualdad y el lema 2.1.4 implican
|u Ak v u Av| = |u (Ak A) v|
u2 (Ak A) v2
u2 Ak A2 v2
La segunda parte de la demostracin est basada en al primera, tomando en cuenta el hecho
de que la entrada (i, j ) de una matriz A se puede escribir como (A)i j = ei Ae j donde ei y
e j son el i simo y j simo vectores cannicos de R p .
Definicin 2.1.7 Se dice que una sucesin Ak M p es de Cauchy, si para cada > 0
existe N N tal que si m, n N entonces
Am An < .
2.2 L A
11
Ak
.
k!
k=0
Dicho objeto tendr el papel, dentro de las matrices, de una exponencial. Esta es de fundamental importancia en el anlisis de los sistemas lineales. Comencemos con una definicin.
Definicin 2.2.1 Dada una matriz A M p se define la nsima suma parcial de la matriz
exponencial como
n
Ak
.
Sn (A) =
k!
k=0
An+1 A
e .
(n + 1)!
Demostracin
Claramente se tiene, usando la desigualdad del tringulo y el lema 2.1.4 la siguiente
desigualdad
Sm (A) Sn (A)
m
mn1
Ak+n+1
Ak
=
.
k!
(k + n + 1)!
k=n+1
k=0
2.2 L A
12
mn1
k=0
Ak An+1
k!(n + 1)!
mn1
An+1 Ak
=
(n + 1)!
k!
k=0
n+1
A
(n + 1)!
k=0
An+1 A
Ak
=
e .
k!
(n + 1)!
Demostracin
El resultado es consecuencia del lema 2.2.2 y del siguiente lmite
An
lim
= 0.
n n!
Ak
.
e =
k!
A
k=0
2.2 L A
13
1
c) e A
= eA ,
d) Si P es invertible, entonces exp P A P 1 = P exp [A] P 1 .
Demostracin
a) Trivial pues Sn (0) = I para toda n 1.
b) Ver ejercicio 2.2.
c) Si hacemos B = A en el inciso anterior, es claro que B A = A B, y por ende
tenemos que e A+B = e A e B = e B e A ; es decir e0 = e A eA = eA e A = I . Por lo tanto
(e A )1 = eA .
d) Vamos a mostrar que Pe A P 1 e P A P = 0. Notemos que
1
Sn (P A P
n
1
)=
(P A P 1 )k .
k!
k=0
Adems (P A P 1 )k = P Ak P. Entonces
Sn (P A P
n
1
)=
P Ak p 1
k!
k=0
n
1 k 1
A P = P Sn (A)P 1
=P
k!
k=0
Por lo tanto
1
Pe A P 1 e P A P Pe A P 1 P Sn (A)P 1
1
+ P Sn (A)P 1 Sn (P A P 1 ) + Sn (P A P 1 ) e P A P
1
Pe A Sn (A)P 1 P 1 + Sn (P A P 1 ) e P A P 0
Como el lado derecho de la desigualdad converge a 0, entonces
1
Pe A P 1 e P A P = 0
y esto termina la demostracin.
2.2 L A
14
A=
a b
.
0 a
Calcular e A .
Solucin
Notemos que
A2 =
A3 =
a b
a b
=
0 a
2ab
a b
a 2 2ab
0 a
a2
0
a2
0 a
0
=
a2
a 3 3a 2 b
0
a3
k=0
n
k=0
1
k!
a k ka k1 b
0
ak
n
=
1 k
k=0 k! a
n
k k1
k=1 k! a
n 1 k
k=0 k! a
2.3 D ERIVADAS
15
MATRICIALES
B=
.
Calcular e B .
Solucin
Sea
J=
0 1
1
.
02kn,
0kn,
k par
(1)k k
k!
0kn,
k impar
I+
02k+1n,
(1)k k
J.
k!
lmite existe:
biremos L = (t).
2.3 D ERIVADAS
16
MATRICIALES
Tenemos el siguiente lema que nos ser til para obtener la derivada de la matriz et A .
Lema 2.3.2 Para cualquier matriz cuadrada A se cumple que
2
A
e I A A e A .
2
Solucin
Usar n = 1 en el lema 2.2.2 y as obtener
A
e I A = e A S1 (A)
e A Sm (A) + Sm (A) S1 (A)
A2 A
e .
e A Sm (A) +
2
Al tomar el lmite cuando m , se obtiene el resultado.
e
t
A
= 0.
e
A
lim
h0
h
Por el lema 2.3.2 tenemos que:
tA hA
(t+h)A
tA
e e et A et A Ah
e
e
t
A
e A
=
h
h
tA hA
e (e I h A)
=
h
et A
eh A I ha
|h|
et A h A2 h A
e
|h|
2
et A
= A2
|h|e|h|A 0
2
cuando h 0. Esto termina la demostracin.
2.3 D ERIVADAS
17
MATRICIALES
0 t
tA =
.
La derivada de et A es
d tA
e =
dt
cos t sin t
sin t
.
cos t
sin t cos t
sin t
cos t
.
cos t sin t
sin t
cos t
0 1
1
=
sin t cos t
sin t
cos t
d
dt t=0
et A = Aet A . Si
et A = et
encontrar A.
1 t
0 1
=
et tet
0
et
,
.
2.3 D ERIVADAS
18
MATRICIALES
Solucin
En este caso
luego A =
t et tet
e
d
;
et A =
dt t=0
0
et
. Notemos que
Aet A =
=
et tet
0
et et tet
0
et
et
.
A continuacin vamos a relacionar a las matrices exponenciales con flujos en Rn y con
ecuaciones diferenciales.
Proposicin 2.3.8 Sea A Mn . Sea : R Rn Rn , con (t, x) = et A x. Entonces
es un flujo completo en Rn .
Solucin
Se deja como ejercicio al lector.
Proposicin 2.3.9 Para cada x, (t, x) = et A x es solucin de la siguiente ecuacin diferencial: y = Ay con y(0) = x.
Demostracin
Sea x Rn y y(t) = et A x. Como es un flujo, sabemos que y satisface y =
f (y), y(0) = x, donde f (u) = dtd t=0 (t, u). En este caso,
d
d tA
e u = Aet A u.
(t, u) =
dt t=0
dt
Por lo tanto, f (y) = Aet A y t=0 = Ay.
2.4 C LCULO
19
2.4 C LCULO
20
Z 1 (h)
=0y
lim
h0 h
Z 2 (h)
=0
lim
h0 h
Entonces tambin
lim Z 1 (h) = 0 y lim Z 2 (h) = 0.
h0
h0
[
(t)
(t)
+
(t)
(t)]
1
2
2
1
h
Z 1 (h)
Z 2 (h)
+ |h| (t) (t) .
+ 1 (t) + h (t)
(t
+
h)
2
1
1
2
h
h
El lmite cuando h 0 del lado derecho es 0 y por lo tanto
(t + h)
(t)
[ 1 (t) 2 (t) + 1 (t) 2 (t)]
lim
= 0.
h0
h
Esto termina la demostracin.
Proposicin 2.4.5 Sea (t) Mn una matriz fundamental de A. Entonces
et A = (t) (0)1 .
Esto es, (t) = et A (0).
Demostracin
Sea
(t) = et A (t). Vamos a demostrar que
(t) = 0. Por la proposicin anterior,
2.4 C LCULO
21
3 1
4 3
.
Solucin
Queremos encontrar dos soluciones linealmente independientes del problema x = Ax.
Usaremos el mtodo de vectores propios. Primero calculamos el polinomio caracterstico.
PA () = 2 6 + 5 = ( 1)( 5).
x1 (t) = e1 t v1 =
2et
x2 (t) = e2 t v2 =
et
e5t
2e5t
2.4 C LCULO
22
tA
= (t) (0)
=
=
et
e5t
et
e5t
1
2et 2e5t
2 2
1/2 1/4
2et 2e5t
1/2
1/4
1/2(et + e5t )
Ejemplo 2.4.8 Sea
3 0
A=
0
3 2
1 1
Calcular la matriz et A .
Solucin
Debemos encontrar w1 (t), w2 (t), w3 (t), tres soluciones linealmente independientes del
problema x = Ax. Usamos el mtodo de vectores propios. El polinomio caracterstico es
PA () = det(A I ) = (3 )(2 4 + 5)
Los valores propios son
1 = 3, 2 = 2 + i, 3 = 2 i
Los vectores propios v1 para 1 = 3 se calculan usando la ecuacin (A I )v1 = 0. Esto
es
0 0
0 6 2 v1 = 0 .
0 1 4
0
2.4 C LCULO
23
Concluimos que
v1 =
0
0
es vector propio. Con 2 = 2 + i hacemos algo similar
0
5 i
0
0
0
1i
2
v2 = 0
0
0
1
1 i
Concluimos
v2 =
1
+
i
1
es vector propio. Por lo tanto obtenemos para 1 la siguiente solucin
3t
e
w1 (t) = e v1 = 0
0
Para 2 y v2 separamos en parte real e imaginaria. Recordemos que si v2 es vector propio
con valor propio 2 y adems estos se pueden escribir como
2 = + i y
v2 = r + i s,
entonces las siguientes son dos soluciones del sistema lineal
w2 (t) = et [(cos t) r (sin t) s] ,
w3 (t) = et [(sin t) r + (cos t) s] .
En este caso = 2, = 1,
y s = 1 .
r =
1
1
0
2.4 C LCULO
24
Obtenemos
1 sin t
cos
t
w2 (t) = e2t
2t
w3 (t) = e sin t 1
+ cos t
1
e3t
0
0
2t
2t
1
1 0 0
= (t)
0
1
1
0 1 0
1 0 0
= (t)
0
0
1
0 1 1
e3t
0
0
2t
2t
= 0 e (sin t + cos t)
2e sin t
e2t (cos t sin t)
0
e2t sin t
2.5 E CUACIONES
DE ORDEN
Y MTODO DE
F ULMER
25
+
= 0.
24 13
24 18
0 5
Proposicin 2.5.4 Sea A Mn y PA () = (1)n n +n1 n1 + +1+0 . Entonces
cada una de las entradas de et A satisface la ecuacin
(1)n y (n) + n1 y (n1) + + 1 y + 0 y = 0.
Demostracin
2.5 E CUACIONES
Sabemos que
DE ORDEN
d tA
dt e
Y MTODO DE
26
F ULMER
= Aet A Entonces:
d2 t A
e = A2 et A
dt 2
d3 t A
e = A3 et A
dt 3
..
.
dn t A
e = An et A
n
dt
(1)n
= ((1)n An + + 1 A + 0 I )et A = 0.
Sea y(t) la entrada (i, j ) de et A : y(t) = (et A )i j . Sabemos que
dk
y(t)
dt k
dk t A
e
dt k
ij
. Por
lo tanto
(1)n y (n) + n1 y (n1) + + 1 y + 0 y =
( n
)
(
)
t A
d tA
d tA
n
e
e
+
e ij =
(1)
1
0
dt n
dt
ij
ij
)
(
n
d tA
n d
tA
tA
= 0.
(1) n e + + 1 e + 0 e
dt
dt
ij
Esto termina la demostracin.
3 1
Ejemplo 2.5.5 Sea A =
. Por la proposicin anterior, cada entrada de et A satis4 3
face y 6y + 5y = 0. La solucin general de esta ecuacin es y(t) = c1 et + c2 e5t . Esto
concuerda con el resultado del ejemplo 2.5.3, pues se obtuvo que
t + 2e5t
t + e5t
e
2e
1
.
et A =
4 4et + 4e5t 2et + 2e5t
Esto es, cada entrada es de la forma de la solucin general.
2.5 E CUACIONES
DE ORDEN
Y MTODO DE
27
F ULMER
1
0 1
.
Solucin
El polinomio caracterstico de A es
PA () = 2 2 + 1 = ( 1)2 .
Cada entrada de A satisface y 2y + y = 0. Como 1 = 1 es raz repetida la solucin
general de la ecuacin es y(t) = c1 et +c2 tet . Se utiliza en este caso 1 (t) = et y 2 (t) = tet .
Por lo tanto, la exponencial es de la forma
et A = et E 1 + tet E 2 ,
donde E 1 y E 2 son matrices por determinar. Notemos que al sustituir t = 0 se tiene que
I = e0 = E 1 . Adems,
d tA
e = Aet A = et E 1 + et E 2 + tet E 2 .
dt
2.5 E CUACIONES
DE ORDEN
Y MTODO DE
28
F ULMER
= et
+ tet
0 1
0 0
et tet
=
0 et
cos t sin t
sin t
cos t
29
E JERCICIOS
0 9
.
Ejemplo 2.5.8 Calcular la exponencial de A =
0
2
1
0 1 2
Solucin
9
3
det 0 2 1
= ()(2 ) = 0
0
1
2
Entonces 1 = 0, 2 = 2 + i y 3 = 2 i . De aqu que 1 (t) = e1 t = 1, 2 (t) = e2t cos t
y 3 (t) = e2t sin t. Entonces
et A = E 1 + e2t cos t E 2 + e2t sin t E 3 ,
Aet A = 2e2t cos t E 2 + e2t ( sin t)E 2 + 2e2t sin t E 3 + e2t cos t E 3 ,
A2 et A = (4e2t cos t 2e2t sin t)E 2 (2e2t sin t + e2t cos t)E 2
+ (4e2t sin t + 2e2t cos t + 2e2t cos t e2t sin t)E 3 .
Si evaluamos en t = 0 tenemos el siguiente sistema de ecuaciones
I = E1 + E2,
A = 2E 2 + E 3 ,
A2 = 3E 2 + 4E 3 .
Por lo tanto, E 1 = I E 2 , E 2 = 1/5(4 A A2 ) y E 3 = 1/5(2 A2 3 A).
E JERCICIOS
30
E JERCICIOS
b) Demostrar
n
Ar B s
Sn (A + B) =
r ! s!
k=0 r +s=k
Sn (A)Sn (B) =
0r,sn
Ar B s
.
r ! s!
r s
.
r ! s!
k=n+1 r +s=k
2.3 Las siguientes son tres soluciones linealmente independientes de un problema lineal
de la forma x = Ax.
x1 (t) =
4 2 et
0
4 + 3 et
, x2 (t) =
7 et
et
7 et
y x3 (t) =
2 2 et
0
2 + 3 et
31
E JERCICIOS
0 1 1
a)
1
1
b) 1
1
0 1
1 0
1 1
1 1
1 1
c)
10
4
d)
1
0
0
16
0 1
t
1
e 1 (A 2 I ) e2 t (A 1 I ) .
1 2
tA
)
(
1
=e
(cos t) I + (sin t) (A I ) .
32
E JERCICIOS
c) Si A tiene un valor propio repetido 1 entonces
et A = e1 t (I + t ( A 1 I )) .
2.10 Sea A una matriz de 2 2 con dos valores propios reales y distintos 1 y 2. Sean
W1 = ker (A 1 I ) y W2 = ker (A 2 I ) . Demostrar
a) R2 = W1 W2 .
b) W1 y W2 son subespacios invariantes de A.
c) Dado x R2 existen dos funciones y1 (t) y y2 (t) tales que x = y1 (0) + y2 (0), et A x =
y1 (t) + y2 (t) y yi (t) Wi . Encontrar y1 (t) y y2 (t) explcitamente.
(Sugerencia: Notar que (A 1 I ) (A 2 I ) = (A 2 I ) (A 1 I ) = 0 .)
2.11 Una matriz D de n n es diagonalizable si existe una matriz invertible P tal que
D = P diag(1 , . . . , n )P 1 . Demostrar que, si D es diagonalizable entonces
et D = P diag(e1 t , . . . , en t )P 1 .
Demostrar que et A = et D I + t N +
1 2 2
2! t N
t n1
+ . . . (n1)!
N n1 .
E JERCICIOS
33
2.14 Sea matriz A de n n. Suponer que v = r + i s un vector propio con valor propio
= + i, donde = 0. Demostrar que el espacio W = span {r, s} es un subespacio
invariante para et A . Es cierto que si x W entonces
)
(
1
tA
t
e x=e
(cos t) x + (sin t) ( Ax x) ?
CAPTULO 3
(PL)
y(0) = x.
Nos preguntamos si todas las soluciones son de esta forma. Tenemos el siguiente resultado.
Proposicin 3.1.1 La funcin y(t) = et A x es la nica solucin del problema (PL).
Definicin 3.1.2 Una matriz A es no degenerada si
3.1 M ATRICES
35
NO DEGENERADAS
a) det(A) = 0,
b) A no tenga races repetidas,
c) Los valores propios de A tengan parte real distinta de cero.
Una matriz que viola alguna de las condiciones anteriores se dir que es degenerada.
Definicin 3.1.3 Sea A una matriz no degenerada.
a) Diremos que A es de tipo atractor si todos los valores propios de A tienen parte real
negativa.
b) Diremos que A es de tipo repulsor si todos los valores propios de A tienen parte real
positiva.
c) Diremos que A es de tipo silla si A tiene valores propios tanto con parte real positiva
como con parte real negativa.
Ejemplo 3.1.4 Demostrar que la siguiente matriz es no degenerada y clasificarla.
1 2 3
.
A=
0
0
1
0 6 5
Solucin
El polinomio caracterstico de A es (1)( + 1)( 3)( 2). Los valores propios de
A son 1 = 1, 2 = 2 y 3 = 2. Notemos que det(A) = 1 2 3 = 6 = 0. No hay races
repetidas ni valores propios con parte real cero, por lo tanto A es no degenerada. Tambin,
como hay valores propios con parte real positiva y negativa A es silla.
3.1 M ATRICES
36
NO DEGENERADAS
Solucin
Sea A una matriz de 2 2. El polinomio caracterstico de A es
PA () = 2 tr(A) + det(A).
Sea
(A) = tr(A)2 4 det(A).
La matriz A tiene races repetidas s y slo si el discriminate (A) = 0. Los valores propios
tr(A) (A)
1,2 =
2
1
Si (A) < 0 entonces la parte real de 1,2 es 2 tr(A). Es decir, si (A) < 0, entonces el
son
caso degenerado ocurre cuando tr(A) = 0. Tal caso sucede si det(A) > 0 y tr(A) = 0. Si
(A) > 0 entonces no hay caso degenerado si det(A) = 0. En resumen A es degenerada si
alguna de las siguientes ocurre.
a) det(A) = 0,
b) (A) = 0,
c) det(A) > 0 y tr (A) = 0.
Posteriormente haremos un examen ms detallado de los sistemas 2 2.
tr(A) (A)
tipo
parte real
nombre
nodo atractor
reales
II
complejos +
espiral atractora
III
complejos
espiral repulsora
IV
reales
complejos +,
nodo repulsor
silla
3.2 M ATRICES
37
ATRACTORAS
det(A)
III
D(A) = 0
II
IV
I
0
tr(A)
3.2 M ATRICES
38
ATRACTORAS
a)b) Sabemos que existen funciones 1 (t), . . . , n (t) y matrices E 1 , . . . , E n tales que
et A
si y slo si
lim et A x0 2 = 0.
t0
t0
Luego
lim et A x0 = 0.
t0
3.2 M ATRICES
39
ATRACTORAS
(t) = N et A x0 , et A N x0 + et A N x0 , et A N x0
dt
dt
dt
tA
tA
= N e x0 , Ae N x0 + N Aet A N x0 , et A N x0
= A T N et A x0 , et A N x0 + N Aet A x0 , et A N x0
= (A T N + N A)et A x0 , et A N x0
= 0.
Por otro lado tenemos que, por hiptesis,
lim
(t) 0.
es inyectiva y suprayectiva.
Sea M Mn tal que
(M) = M A + A T M = I . Notemos que
(M T ) =
(M)T =
(M). Como
es inyectiva entonces M = M T . Para ver que M tambin es positiva definida, tomemos x0 = 0 y demostremos que x0 , M x0 > 0. Sea K (t) = et A x0 , Met A x0 .
d
K (t) = Aet A x0 , Met A x0 + et A x0 , M Aet A x0
dt
= et A x0 , A T Met A x0 + et A x0 , M Aet A x0
= et A x0 , (A T M + M A)et A x0
= et A x0 , et A x0
= et A x0 2 < 0
Tambin, por hiptesis,
lim K (t) = 0.
3.3 M ATRICES
40
TIPO SILLA
Entonces K (0) > 0. Es decir que x0 , M x0 > 0. Por lo tanto M es positiva definida.
v T v
< 0.
v T Mv
Por lo tanto, todos los valores propios tienen parte real negativa y entonces A es de tipo
atractor.
Por el teorema 3.2.1 anterior, si A es atractor, este lmite se cumple para toda x Rn .
Adems se cumple el siguiente resultado.
Proposicin 3.3.1 Sea A de tipo atractor, entonces para toda x = 0 se tiene que
lim et A x2 = +.
3.3 M ATRICES
41
TIPO SILLA
para todo x y
lim et A x2 = +,
para x = 0.
En una matriz de tipo silla algunas condiciones iniciales cumplen lim et A x = 0, otras
t
lim et A x = 0 y otras ninguna de las dos. Para estudiar las distintas condiciones iniciales
tenemos el siguiente.
Teorema 3.3.3 (Subespacios invariantes) Sea A una matriz de tipo silla. Sean
Es = {x Rn : lim et A x = 0}
t
y
Eu = {x Rn : lim et A x = 0}.
t
Entonces
a) Es , Eu son subespacios vectoriales de Rn .
b) R = Es Eu .
c) Cualquier solucin x(t) del sistema lineal x = Ax se puede escribir como x(t) =
qs (t) + qu (t), donde qs (t) Es , qu (t) Eu , lim qs (t) = 0 y lim qu (t) = 0.
t
3.3 M ATRICES
42
TIPO SILLA
Demostracin
Sean
+ (A) = {valores propios con parte real positiva}
y
(A) = {valores propios con parte real negativa}.
Tenemos que
+
+
+
+
+
+ (A) = {+
1 , . . . , m 1 , 1 , . . . , m 2 , 1 , . . . , m 2 },
(A) = {
1 , . . . , m 3 , 1 , . . . , m 4 , 1 , . . . , m 4 },
y #( (A)) = m 3 + 2m 4 .
+
Para cada real i+ existe un vector propio vi+ y para cada complejo +j = +
j + i j existe
+
+
+
i t
(cos( +
g+
j (g) = e
j t)r j sin( j t)s j )
y
+
+
+
+
h +j (g) = ei t (sin( +
j t)r j + cos( j t)s j ).
m1
i=1
m3
i=1
Ci+ fi+
m2
+
+ +
+
(D +
j g j + Fj h j )
Ci fi +
j =1
m
4
(D
j g j + Fj h j )
j =1
3.3 M ATRICES
43
TIPO SILLA
Si x(t) = et A x, entonces
x = x(0) =
m1
Ci+ vi+
Ci vi +
qs (t) =
m4
(D
j r j + Fj s j )
j =1
i=1
Sean
m3
Ci fi
m1
m4
(D
j g j + F j h j ),
j =1
i=1
qu (t) =
+
+ +
(D +
j r j + Fj s j )
j =1
i=1
m3
m2
Ci+ f i+ +
m2
+
+ +
(D +
j g j + F j h j ).
j =1
i=1
+
si y slo si qs (t) 0. Como las soluciones fi+ , g +
j , h j , f i , g j , h j son linealmente inde-
pendientes, entonces
lim x(t) = 0
3.3 M ATRICES
44
TIPO SILLA
3 3
. Encontrar Es y Eu .
Ejemplo 3.3.4 Sea A =
0
0
1
0 2 2
Solucin
v1+ =
0
0
y
1
0
1
= 1 +i 0 .
1 + i
1
1
1 0
y Es = span 1 , 0 .
Por lo visto en el teorema 3.3.3, Eu = span
0
0
1
1
Podemos resolver este problema directamente de la definicin. Tenemos tres soluciones
r1
+ i s1
linealmente independientes:
e3t
+
,
f 1+ (t) = e1 v1+ =
0
cos t
g1 (t) = et
cos t
cos t sin t
y
t
(t)
=
e
h
1
sin t
sin t
cos t sin t
3.3 M ATRICES
45
TIPO SILLA
Sea
e3t
(t) =
0
0
et cos t
et sin t
et cos t
et sin t
et cos t
e3t
et sin t
t cos t
t sin t
0 1
et A =
e
0
e
1 1
et cos t
et sin t
e3t
0 1
=
et cos t
et sin t
0
t
t
0 1
0 e (cos t + sin t) e (cos t sin t)
3t
3t
t
t
e
e + e (cos t + sin t)
e sin t
.
= 0
et sin t
e (cos t + sin t)
t
t
0
2e sin t
e (cos t sin t)
Supongamos que x = (u, v, w) Es . Queremos que
lim et A x = 0.
Notemos que
e x=
tA
ue3t
ve3t
+ vet (cos t
vet (cos t
+ sin t) + wet
+ sin t) + wet
sin t
sin t
46
E JERCICIOS
0
1
s
E = span
1 , 0 .
1
1
E JERCICIOS
b) A es de tipo repulsor si y slo si lim et A x 2 = +, para todo x = 0.
t
a)
2 6
b)
c)
d)
.
1 2
.
1 0
1
g)
0
2
.
.
2 1
1 1
f)
2 100
2 11
e)
1 0 0
h)
2
2
7 1
.
1 7
1 1 1
i) 1 1 1
.
1 1 1
47
E JERCICIOS
X =
X,
2 1
u
X (0) =
,
v
donde u y v son constantes reales.
a) Resolver el problema.
1 0
A=
1
1 1
1 1
A=
a b
c d
E JERCICIOS
48
c) Mostrar que la espiral se mueve en la direccin contraria a las manecillas del reloj si
c > 0 y en la direccin opuesta si c < 0. (Sugerencia: mostrar que > 0 si c > 0 y
< 0 si b > 0.)
d) Demostrar que r > 0 si A est en la regin I I y r < 0 si A est en la regin I I I. Por
qu se denomina a estas matrices espirales?
CAPTULO 4
Teora no Lineal.
autnomas
no autnomas
4.1 T EORA
DE
50
E CUACIONES D IFERENCIALES .
Una
no autnoma puede ser transformada en una autnoma pues, si hacemos y =
ecuacin
x
, entonces
t
x
f (x, t)
y =
=
1
1
Si
y=
y F(y) =
f (y)
dy
= F(y)
dt
4.1 T EORA
DE
51
E CUACIONES D IFERENCIALES .
f1
.
.
f =
. .
fm
Entonces f C 1 (E) s y slo si todas las derivadas parciales son continuas en E, es decir,
fi
es continua para todo i = 1, . . . , m y j = 1, . . . , n. Adems
si
xj
f1
f1
f1
xn
.x1 .x2 .
..
..
..
..
f (x0 ) =
.
fm fm
fm
x1
x2 xn
x=x0
t 3 si t > 0,
0 si t 0.
4.1 T EORA
DE
52
E CUACIONES D IFERENCIALES .
Demostracin
Notemos que
b
a
2 ( b
) ( b
)
(s)ds
(s)ds
(t)dt
=
a
a
2
b b
=
( (s) (t)) dsdt
a
a
b b
(s)2 (t)2 dsdt
(
=
) (
(s)2 ds
b
a
)
(t)2 dt
(
=
a
)2
(s)2 ds
Uk+1 (t) = x0 +
0
(4.1)
4.1 T EORA
DE
E CUACIONES D IFERENCIALES .
53
Notemos el siguiente hecho, si las iteraciones de Picard convergen a una sola funcin x,
esta debera satisfacer la siguiente igualdad
x(t) = x0 +
f (x(s))ds.
(4.2)
Resulta que encontrar una funcin que satisfaga (4.2) es equivalente al problema original
(4.1) de valores iniciales. La demostracin del teorema de existencia y unicidad es, en
esencia, la demostracin de que las iteraciones de Picard convergen en C ([a, a] , Rn ) ,
donde a es un nmero positivo por definir. Recordemos que la norma del supremo o norma
del mximo en C ([a, a] , Rn ) es la siguiente
v = max {v(t)2 : t [a, a]} .
Es bien conocido que C ([a, a] , Rn ) con la norma es un espacio de Banach. Con la
herramientas anteriores, podemos demostrar lo siguiente.
Teorema 4.1.6 (Existencia y Unicidad. Versin dbil) Sean E un abierto de Rn , x0 E
y f de clase C 1 . Entonces existe un intervalo (a, a) tal que el problema
x = f (x)
x(0) = x0
tiene una solucin nica en (a, a) .
Demostracin
Primero demostremos la existencia. Sea > 0 tal que B (x0 ) E. Claramente el
conjunto B/2 (x0 ) es un compacto contenido en E. Sea
.
-
K = max f (x) : x B/2(x0 ) ,
donde es la norma de matrices. Por ser f una funcin continua y B/2 (x0 ) un conjunto
compacto, se cumple que 0 K < .
Sean x, y B/2 (x0 ). En base a x y y, definimos la funcin G : [0, 1] Rn dada por
G(s) = f (x + s(y x)). Notemos que
G (s) = f (x + s(y x))(y x)
4.1 T EORA
DE
54
E CUACIONES D IFERENCIALES .
G(1) G(0) =
G (s)ds.
Esto implica
f (y) f (x) =
Rn
obtenemos
1
f (y) f (x)2 =
f
(x
+
s(y
x))(y
x)ds
0
1
f (x + s(y x))(y x) ds
2
f (y) f (x)2
K y x2 ds = K y x2
(4.3)
0
.
Sean b = /4 y M = max f (x)2 : x Bb (x0 ) . Claramente M < . Supongamos, sin
prdida de generalidad, que M > 0. Sea a un nmero que satisfaga
0
/
1 b
,
.
0 < a < min
K M
Estos nmeros (a, b, K , M) nos servirn para hacer estimaciones acerca de las iteraciones
de Picard. Sean
U0 (t) x0
Uk+1 (t) = x0 +
f (Uk (s)) ds
4.1 T EORA
DE
55
E CUACIONES D IFERENCIALES .
Demostraremos que si Uk A(b) entonces Uk+1 A(b). Esto lo hacemos por induccin.
Supongamos, como hiptesis de induccin, que Uk U0 < b. Sea t [a, a], entonces
t
Uk+1 (t) x0 2 =
f
(s))
ds
(U
k
0
|t|
0
f (Uk (s))2 ds
|t|
Mds Ma < b.
El mximo satisface
Uk+1 U0 = max Uk+1 (t) x0 2 Ma < b.
t[a,a]
t
t
U2 (t) U1 (t)2 =
f (U1 (s)) ds x0
f (U0 (s)) ds
x0 +
0
0
2
t
f (U1 (s)) f (U0 (s))2 ds.
4.1 T EORA
DE
56
E CUACIONES D IFERENCIALES .
Concluimos
U2 (t) U1 (t)2 <
|t|
(K b) ds < K ab.
Si m > n N , entonces
Um Un
(K a) N b
,
1 Ka
x(t) = x0 +
f (x(s))ds,
Uk+1 (t) = x0 +
AUk (s)ds.
Obtenemos
U1 (t) = x0 +
0
(Ax0 ) ds = x0 + t Ax0 ,
4.1 T EORA
DE
57
E CUACIONES D IFERENCIALES .
U2 (t) = x0 +
(
x0 + t Ax0 ds =
)
t2 2
I + t A + A x0 ,
2
t(
)
t2 2
I + t A + A x0 ds
U3 (t) = x0 +
2
0
)
(
2
3
t 2 t 3
= I + t A + A + A x0 .
2
3!
Por induccin podemos ver que
Un (t) =
n
tk
k=0
Ak x 0 .
k!
Claramente esta sucesin converge, en la norma del supremo a x(t) = et A x0 que, como ya
hemos estudiado, es solucin de la ecuacin.
En resumen, si consideremos el problema (4.1) donde f es una funcin de clase C 1 en
un abierto E de Rn , entonces sabemos que existe un intervalo [a, a] en donde existe una
nica solucin de este problema.
Ejemplo 4.1.8 Si f no es C 1 en todo el plano no podemos garantizar la unicidad. Consideremos el siguiente problema
2
x = 3x 3 ,
x(0) = x0 .
2
Se puede ver que f (x) = 3x 3 es de clase C 1 en = R\ {0} y, por tanto, dicha solucin es
nica si x0 = 0. Si x0 = 0, puede verificarse directamente que x(t) = 0 y x(t) = t 3 son
dos soluciones posibles. esto no viola el resultado del teorema 4.1.6 pues la funcin f no es
diferenciable en 0, por lo que no puede garantizarse unicidad.
Ejemplo 4.1.9 El problema de valores iniciales
y = tan e y arctan y
y(t0 ) = y0
4.1 T EORA
DE
E CUACIONES D IFERENCIALES .
58
tiene una solucin nica para todo t0 y todo y0 pues la funcin f que define a la ecuacin
es de clase C 1 en un abierto de Rn . Esto se sabe a pesar de que, en general, la solucin no
puede calcularse explcitamente.
Nos preguntamos ahora acerca de hasta dnde podemos extender la solucin. Tenemos
el siguiente teorema que damos sin demostracin.
Teorema 4.1.10 Sean E un abierto de Rn , f una funcin de clase C 1 . Entonces, para cada
punto x0 E, existe un intervalo D(x0 ) (llamado intervalo maximal) tal que
a) D(x0 ) = (, ) , y contiene a t = 0,
b) El problema
y = f (y)
y(0) = x0
tiene una solucin y(t) definida en D(x0 ),
c) La solucin y(t) es nica en el siguiente sentido. Si el problema tuviera otra solucin
z(t), definida en un intervalo I, entonces I D(x0 ), y z(t) = y(t) en I.
Ejemplo 4.1.11 Considerar
x =
1
.
2x
1t
4.1 T EORA
DE
E CUACIONES D IFERENCIALES .
59
En este caso, x(t) est definido para todo t (, 1] . Sin embargo, en t = 1, x(t) sale del
conjunto E. Por lo tanto, D(1) = (, 1) .
1
x
En base al teorema anterior, podemos demostrar que las soluciones de una ecuacin
autnoma x = f (x) son en realidad un flujo sobre el dominio del campo vectorial.
Teorema 4.1.13 Sean E un abierto de Rn , f una funcin de clase C 1 . Sea (t, x0 ) la
solucin del problema
y = f (y)
y(0) = x0
definida en el intervalo D(x0 ). Si t D(x0 ), s D ( (t, x0)) , entonces
a) s + t D(x0 ),
b) (s + t, x0 ) = (s, (t, x0 )) .
Demostracin
Suponer t > 0 y D(x0 ) = (, ) . Definimos la funcin x : (, s + t] E dada por
(r, x)
r t
x(r ) =
(r t, (t, x0)) t r s + t
4.1 T EORA
DE
E CUACIONES D IFERENCIALES .
60
Claramente x(r ) es diferenciable en todos los puntos del dominio con la posible excepcin
de r = t. Adems x(r ) es continua en r = t. Queremos demostrar que el siguiente limite
existe
x(t + h) x(t)
h0
h
lim
Sabemos
lim
h0+
x(t + h) x(t)
(r, (t, x0 )) (t, x0 )
= lim
+
h
h
h0
(r, (t, x0)) = f ((t, x0 )).
=
r r =0
h0
x(t + h) x(t)
(t + h, x0 ) (t, x0 )
= lim
h
h
h0
=
(r, x0 ) = f ((t, x0 )).
r
r =t
Concluimos que
d
x(r ) = f ((t, x0 )) = f (x(t))
dr r =t
Se puede ver que para cualquier otro valor de r, se tiene que
d
x(r ) = f (x(r )).
dr
4.1 T EORA
DE
61
E CUACIONES D IFERENCIALES .
cos xd x =
dt y por lo tanto
4.1 T EORA
DE
E CUACIONES D IFERENCIALES .
62
La unicidad de las soluciones es, a veces, ms importante de lo que a simple vista podra
parecer. En el plano, tenemos la propiedad de que las curvas separan a ste en regiones.
Una manera geomtrica de entender la unicidad es pensar que una curva que es solucin no
puede ser cruzada por otra solucin. Si tal fuera el caso, se tendran dos soluciones distintas
que iniciaran en el mismo punto: el punto de interseccin. Esto se demostrara del siguiente
modo. Sean z 1 (t) y z 2 (t) dos soluciones de la ecuacin x = f (x) donde f es una funcin
de clase C 1 definida en un abierto de Rn . Supongamos que existen un par de tiempos t1 y t2
tales que z 1 (t1 ) = z 2 (t2 ). Definamos x0 = z 1 (t1 ) = z 2 (t2 ) y
y1 (t) = z 1 (t + t1 ),
y2 (t) = z 2 (t + t2 ).
dos funciones que estn definidas en intervalos I1 e I2 . Claramente, ambas funciones tambin
son soluciones de la ecuacin x = f (x) y adems y1 (0) = y2 (0) = x0 . Por el teorema de
63
E JERCICIOS
a)
b)
Figura 4.1: El teorema de existencia y unicidad no permite que las soluciones se crucen. En
la figura a) se representa la situacin tpica en la que se ven las soluciones de una ecuacin
diferencial en el plano. En la figura b) se da una situacin imposible si se tiene unicidad:
una solucin no puede cruzar otras.
existencia y unicidad, y1 (t) = y2 (t) para todo t I1 I2 . Por lo tanto z 1 (t) y z 2 (t) no se
pueden cruzar, a menos que sus imgenes coincidan.
Estas consideraciones se ilustran en la figura 4.1. En el plano R2 , la unicidad trae consecuencias importantes pues en ocasiones una curva solucin divide al plano en dos regiones
y as las dems soluciones no pueden cruzar de una de estas regiones a otra.
E JERCICIOS
64
E JERCICIOS
4.2 Encontrar las tres primeras iteraciones de Picard del siguiente problema de valores
iniciales: x = x 2 , x(0) = 1.
4.3 Sea
y = f (y)
una ecuacin diferencial donde f : E Rn es de clase C 1 . Utilizar el mtodo de las
iteraciones de Picard para demostrar lo siguiente.
a) Sea = 0 y H = {x Rn : x = c} un hiperplano. Suponer que para todo
h E H se tiene que f (h) = 0. Si y0 E H entonces t (y0 ) E H para
todo t D(y0 ).
b) Sea V un subespacio vectorial de Rn tal que para todo h E V se tiene que f (h)
V. Si y0 E V entonces t (y0 ) E V para todo t D(y0 ).
c) Cmo se generalizaran los anteriores resultados para un espacio afn en general? Un
espacio afn en un espacio vectorial trasladado, que abarca los dos ejemplos anteriores.
4.4 Sea R2++ = {(u, v) : u > 0, v > 0}. Consideremos el siguiente problema
d
dt
u
v
u 2 + v sin u
1 + uv + cos v
u(0) = u 0 , v(0) = v0 .
Demostrar que cualquier curva solucin que inicie en el primer cuadrante permanecer ah
para todo tiempo en el intervalo maximal. Es decir, demostrar que si (u 0 , v0 ) R2++ entonces (t, (u 0 , v0 )) R2++ , para todo t D(u 0 , v0 ). (Sugerencia: utilizar el teorema de
existencia y unicidad, y el ejercicio 4.3.)
65
E JERCICIOS
4.7 Sea
CAPTULO 5
Estabilidad no lineal
5.1 C ONJUGACIN
67
TOPOLGICA
c) h 1 es continua.
Definicin 5.1.2 Dos sistemas dinmicos (X, 1 ) y (Y, 2 ) son topolgicamente conjugados
si existe un homeomorfismo h : X Y tal que
1 (t, h(x)) = h (2 (t, x)) ,
(5.1)
para todo x X. En tal caso escribiremos 1 2 y tambin diremos que los flujos son
equivalentes.
Ejemplo 5.1.3 Consideremos dos matrices:
1 3
2 0
A=
yB=
.
3 1
0 4
Sean 1 (t, x) = et A x, y 2 (t, y) = et B y los flujos generados por las matrices A y B.
Observemos que
B = R 1 A R
donde
1
R=
2
y
R 1
1
=
2
1 1
1 1
1
.
5.1 C ONJUGACIN
68
TOPOLGICA
En ambos casos, el origen es un punto silla. En el primer caso tenemos dos vectores propios:
1
1
,
.
1
1
En el segundo caso tenemos dos vectores propios:
1
0
,
.
0
1
Ntese que el cambio de variable h mapea los vectores propios de una matriz en los vectores
propios de la otra. El cambio de variable y = h(x) es, de hecho, una rotacin de 45o .
Ejemplo 5.1.4 La funcin que hace a dos flujos equivalentes puede ser bastante complicada.
Consideremos los siguientes flujos en R2 .
1t (x) = et x
y
2t (x) = et
cos(t) sin(t)
sin(t)
cos(t)
x
dos flujos en Rn . Resulta que 1 2 , pero la funcin que los hace equivalentes es bastante
complicada. Consideremos a h : R2 R2 una conjugacin topolgica. Los campos
vectoriales correspondientes a 1 y 2 son lineales.
1 0
x,
f 1 (x) =
0 1
1 1
x.
f 2 (x) =
1 1
Si la funcin h fuese lineal, las matrices
1 0
1 1
y
seran equivalentes (ver
0 1
1 1
ejercicio 5.1). Pero esto no sucede, por lo que h no puede ser simplemente una funcin
5.1 C ONJUGACIN
69
TOPOLGICA
lineal. Proponemos
cos(log
x)
sin(log
x)
x, x = 0,
h(x) =
sin(log x) cos(log x)
0,
x = 0.
para x = 0 y h(0) = 0. Queremos demostrar que h 1t = 2t h. Si x R2 , x = 0 tenemos
que
h 1t (x) = h(et x)
cos(log x + t) sin(log x + t)
=
(et x)
sin(log x + t) cos(log x + t)
cos
t
sin
t
cos(log
x)
sin(log
x)
x
= et
sin t cos t
sin(log x) cos(log x)
= 2t (h(x)) = 2t h(x).
Notemos que h(x) = x. De este hecho, es fcil ver que la inversa de h es
cos(log
x)
sin(log
x)
x, x = 0,
h 1 (x) =
sin(log x) cos(log x)
0,
x = 0.
Claramente tanto h como h 1 son funciones continuas para todo punto x = 0. Notemos
adems que
lim h(x) = 0,
x0
lim h 1 (x) = 0.
x0
Dado que definimos h(0) = 0, y h 1 (0) = 0, ambas funciones tambin resultan ser continuas en x = 0.
5.2 L INEALIZACIN
70
DE PUNTOS FIJOS
E JERCICIOS
5.1 Dos matrices A y B de n n son equivalentes si existe una matriz invertible R tal
5.3 Demostrar que la conjugacin topolgica entre sistemas dinmicos es una relacin
de equivalencia.
5.2 L INEALIZACIN
DE PUNTOS FIJOS
71
5.2 L INEALIZACIN
72
DE PUNTOS FIJOS
=
2x 0
1
0
=
0 1
2 0
y por lo tanto la dinmica cerca de (1, 0) es de tipo silla. Por otro lado, el sistema lineal
asociado a (1, 0) es
= f
1
0
=
0 1
2 0
.
El siguiente teorema nos permite hacer formal la idea de que el sistema lineal asociado
a cada punto fijo es, de hecho, una buena aproximacin del sistema no lineal. La condicin
que se debe cumplir es que la matriz jacobiana correspondiente sea no degenerada. En otras
palabras, cerca de un punto fijo si el sistema lineal asociado es no degenerado existe, al
menos tericamente, un cambio de variable que hace al flujo del sistema lineal equivalente
con el flujo del sistema lineal asociado.
5.2 L INEALIZACIN
73
DE PUNTOS FIJOS
f
x
y
=
y + x 2
5.2 L INEALIZACIN
74
DE PUNTOS FIJOS
con condiciones iniciales x(0) = x0 y y(0) = y0 . Claramente se tiene que x(t) = x0 et y por
tanto concluimos
y = y + x02 e2t
Usando el mtodo del factor de integracin encontramos que
(
)
1 2 t
1 2 2t
y(t) = x0 e + y0 x0 e
3
3
El flujo es, por tanto
t
x0
y0
=
x(t)
=
y(t)
A=
x0
y0
=h
=
et
.
0 1
tA
x 0 et
1 2 t
1 2 2t
x
e
+
y
x
0
3 0
3 0 e
0 et
x 0 et
1 2 t
1 2 2t
3 x 0 e + y0 3 x 0 e
x 0 et
2
+ y0 13 x02 et 13 x0 et
et 0
x
x0
0
=
= et A h
.
1 2
t
y0 3 x0
y0
0 e
1 2 2t
3 x0 e
5.2 L INEALIZACIN
DE PUNTOS FIJOS
75
y clasificar su puntos de equilibrio. Sea (x , y ) algn punto de equilibrio. La matriz jacobiana asociada al sistema linealizado alrededor de (x , y ) es
1
2y
.
J (x , y ) =
y + 2x x
Los puntos de equilibrio se obtienen resolviendo el sistema
x + y 2 1 = 0,
x y + x 2 = 0.
Obtenemos as los cuatro puntos (0, 1), (0, 1), (1.62, 1.62) y (0.62, 0.62). De esta
forma, para los primeros dos puntos de equilibrio tenemos
1 2
J (0, 1) =
,
1 0
1 2
J (0, 1) =
,
1
0
ambas matrices con valores propios 1 = 1 y 2 = 2. La matriz
1
3.24
J (1.62, 1.62) =
1.62 1.62
tiene valores propios 1 = 0.31 + 1.88i y 2 = 0.31 1.88i, y finalmente
1 1.24
J (0.62, 0.62) =
0.62
0.62
posee valores propios 1 = 0.81 + 0.856i y 2 = 0.81 .856i.
Vemos entonces que (0, 1) y (0, 1) son puntos silla (1.62, 1.62) es un punto espiral
atractora y (0.62, 0.62) un punto espiral repulsora. La figura 5.1 ilustra estos resultados.
Ejemplo 5.2.6 Ahora vamos a encontrar y clasificar los puntos fijos del siguiente sistema:
y1 = y12 + y22 2,
y2 = y12 y22 .
5.2 L INEALIZACIN
76
DE PUNTOS FIJOS
-1
-2
-3
-2
-1
J (1, 1) =
2 2
.
Como el determinante de la matriz es negativo, se tiene que (1, 1) es punto silla. Por otra
parte,
J (1, 1) =
2 2
2
.
5.2 L INEALIZACIN
77
DE PUNTOS FIJOS
En este caso tr (J (1, 1) = 4, det(J (1, 1)) = 8 y (J (1, 1)) = 16, por lo que se
trata de una espiral repulsora. Para el punto (1, 1), la matriz jacobiana es
2
2
J (1, 1) =
,
2 2
ahora se tiene que tr (J (1, 1)) = 4, det(J (1, 1)) = 8 y (J (1, 1)) = 16 por lo
que se trata de una espiral atractora. Finalmente, para (1, 1)
2 2
J (1, 1) =
.
2
2
Basta notar que el determinante es negativo, por lo tanto se trata de un punto silla. En la
figura 5.2 se puede apreciar el comportamiento global de las soluciones y claramente se ve
la existencia de dos puntos silla, una espiral atractora y una espiral repulsora.
2
-1
-2
-2
-1
5.2 L INEALIZACIN
78
DE PUNTOS FIJOS
0
0
=
0 1
1
(5.2)
5.2 L INEALIZACIN
79
DE PUNTOS FIJOS
x y + ax(x 2 + y 2 ) + y x + ay(x 2 + y 2 )
x x + y y
=
= ar 3 .
r =
r
r
Al resolver el sistema anterior con condiciones r (0) = r0 y (0) = 0 obtenemos
(t) = 0 + t,
y
r (t) =
r0
1 2r02 at
Si usamos las ecuaciones (5.2), obtenemos las ecuaciones del flujo generado. Esto es,
x
x(t)
r
(t)
cos
(t)
0
=
=
t
y(t)
r (t) sin (t)
y0
cos(0 + t)
r0
=
sin(0 + t)
1 2r02 at
cos t sin t
r0 cos(0 )
1
=
sin t cos t
r0 sin(0 )
1 2r02 at
cos t sin t
x0
1
.
=
2
2
y
sin
t
cos
t
0
1 2(x0 + y0 )at
Tenemos tres casos: a = 0, a < 0 y a > 0.
Si a = 0 entonces r (t) r0 y el intervalo maximal es D(x0 , y0 ) = R. Adems, el flujo
satisface
t
x0
y0
=
cos t sin t
sin t
cos t
x0
y0
,
5.2 L INEALIZACIN
80
DE PUNTOS FIJOS
Si a < 0, el radio
es una
(
) funcin decreciente. Adems, el dominio maximal est dado
por D(x0 , y0 ) =
1
,
2r02 a
x0
lim t
=
y0
.
Finalmente, si(a > 0, el)radio es una funcin creciente. Adems el dominio maximal es
D(x0 , y0 ) = , 2r12 a y las trayectorias geomtricamente son espirales. Es tal caso el
0
lim t
x0
y0
=
E JERCICIOS
x
y
y 4x 3 + 1
5.3 A NLISIS
81
DE PUNTOS SILLA
5.6 Linealizar cada uno de los siguientes sistemas alrededor de sus puntos de equilibrio
y obtener los diagramas de fase correspondientes. En qu casos se puede aplicar el teorema
de Hartman-Grobman?
a) x = x y, y = (y 1)(x 2 1).
b) x = 4x 3x y, y = 3y x y.
c) x = 3y 2 + x, y = (3x 2 + y).
d) x = y, y = sin x.
E ( p ) = x R : lim e x = 0 y
t
/
0
u
n
tA
E ( p ) = x R : lim e x = 0 .
s
tA
Tal como lo hicimos para el caso lineal (vase teorema 3.3.3) podemos demostrar que
los espacios lineales asociados a un punto silla p satisfacen lo siguiente:
a) Es ( p ) es un subespacio de dimensin igual al nmero de valores propios con parte
real negativa de f ( p ).
5.3 A NLISIS
82
DE PUNTOS SILLA
t
1
e 1 (A 2 I ) e2 t (A 1 I ) .
1 2
Por lo tanto
Es ( p ) = ker (A 1 I ) ,
Eu ( p ) = ker (A 2 I ) .
Tal como lo tenamos es los sistemas dinmicos lineales, vamos a definir dos conjuntos
asociados a cada punto silla. Estos constituyen el conjunto de condiciones iniciales que
hacen que un flujo t converja al punto silla cuando t y t .
Definicin 5.3.3 Sea (E, ) un sistema dinmico. Definimos
.
W s ( p , ) = y Rn : lim (t, y) = p y
t
/
0
u
n
W ( p , ) = y R : lim (t, y) = p .
t
5.3 A NLISIS
83
DE PUNTOS SILLA
f ( p ) = f
0
0
=
0 1
.
5.3 A NLISIS
84
DE PUNTOS SILLA
1 2 t
y0
3 x 0 e + y0 3 x 0 e
Por tanto concluimos que
x
0
W s p =
R2 : lim
t
y0
x 0 et
1 2 t
1 2 2t
x
e
+
y
x
0
3 0
3 0 e
=
2
f
0
0
=
0 1
,
.
p + Es ( p ) = (x, y) R2 : x = 0 ,
.
p + Eu ( p ) = (x, y) R2 : y = 0 .
5.3 A NLISIS
85
DE PUNTOS SILLA
tiene un punto silla en (0, 1) . Usar el teorema 5.3.4 para dar una aproximacin de las variedades estable e inestable W s (0, 1) y W u (0, 1) .
Solucin
El jacobiano es
f
y1
=
y2
2y2
y2 + 2y1
y1
.
0
1
0
=
=
1 2
1 0
1
.
(0, 1) + Es (0, 1) = (x, y) R2 : y = x + 1 ,
5.3 A NLISIS
86
DE PUNTOS SILLA
podemos usar esa recta como una buena aproximacin de la variedad estable cerca del punto
silla (0, 1). esto es decir y = x + 1. Del mismo modo, (0, 1) + Eu (0, 1) es tangente a
W u (0, 1) y se hace un anlisis parecido.
e x
ye x
ex
1 1
0 1
,
.
El polinomio caracterstico
es 2 1, con races 1 = 1 y 2 = 1. Para 1 = 1, el vector
1
propio es v1 =
, que corresponde a la direccin estable. Para 2 = 1, el vector propio
0
1
es v2 =
, correspondiente a la direccin inestable. Los espacios estable e inestable
2
son espacios de una dimensin generados por los vectores anteriores, es decir,
Es (0, 0) = {t (1, 0) R2 | t R},
Eu (0, 0) = {t (1, 2) R2 | t R}.
En este caso, es posible describir explcitamente las variedades estable e inestable. Vamos a
comprobar que
W s (0, 0) = {(x, y) R2 | y = 0},
W u (0, 0) = {(x, y) R2 | y = 2(e x 1)}.
5.3 A NLISIS
87
DE PUNTOS SILLA
Para este efecto, consideremos un punto inicial (x0 , 0) en W s (0, 0). Puede comprobarse que
la curva solucin con esta condicin inicial es de la forma Vase el ejercicio 5.11 para los
detalles.
x(t) = x0 ln(e x0 + (1 e x0 )et ),
y(t) = 0.
Esta curva est definida, por lo menos, para tiempos t 0, y adems cumple
x(t)
0
lim
=
.
t
y(t)
0
Del mismo modo, si (x0 , y0 ) es un punto inicial en W u (0, 0), ste satisface y0 = 2(e x0 1)
y la curva solucin est dada por
x(t) = x0 ln(e x0 + (1 e x0 )et ),
y(t) = 2(e x(t) 1).
Esta curva est definida al menos para tiempos t 0 y cumple
x(t)
0
lim
=
.
t
y(t)
0
El teorema 5.3.4 nos dice que los espacios Es (0, 0) y Eu (0, 0) son tangentes a W s (0, 0) y a
W u (0, 0), respectivamente, en el punto p = (0, 0). La figura 5.3 muestra las consideraciones anteriores.
Ejemplo 5.3.8 Encontrar los puntos silla del sistema
x = 2x y,
y = 1 3x 2 y 2
y describir las curvas estable e inestable en cada caso.
(5.3)
5.3 A NLISIS
88
DE PUNTOS SILLA
y
Wu
Eu
= (1,2)
x
Ws = E s
v 1 = (1,0)
Solucin
Tenemos los siguientes puntos de equilibrio
1
1
0
0
3
3
,
,
,
1
1
0
0
El jacobiano del sistema es
f
x
y
=
2y
2x
6x 2y
,
5.3 A NLISIS
89
DE PUNTOS SILLA
f
f
0
1
1
3
=
1
3
=
0
0 2
2 0
0
2
3
6
3
Concluimos que (0, 1) y (0, 1) son puntos silla y los dems son degenerados. Cerca de los
puntos podemos aproximar las variedades estable e inestable usando la aproximacin lineal.
Para (0, 1)
3
Es (0, 1) =
3
Eu (0, 1) =
0
1
1
4
,
4
Por lo tanto, cerca de W s (0, 1), la curva se puede aproximar por la tangente
(0, 1) + Es (0, 1).
Del mismo modo, se calculan las dems aproximaciones lineales.
Vamos ahora a encontrar una expresin explcita para las variedades. Para ello escribimos la ecuacin, usando la regla de la cadena, del siguiente modo:
y
1 3x 2 y 2
dy
= =
.
dx
x
2x y
Es decir
dy
=
dx
1 3x 2
2x
y 1
1
y.
2x
5.3 A NLISIS
90
DE PUNTOS SILLA
(
)
1 3x 2
dw 1
+ w=
dx
x
x
1 1
Se multiplica por el factor integrante = exp x d x = x para encontrar que
d
[xw] = 1 3x 2 ,
dx
y por tanto
xw = x x 3 + c
donde c es una constate. Finalmente, sustituimos de nuevo w = y 2 y obtenemos
x y 2 = x x 3 + c,
es decir,
x x + y 1 = c.
2
5.3 A NLISIS
91
DE PUNTOS SILLA
W s (0, 1)
E JERCICIOS
x =
2 1
x+
4
2
.
Demostrar que este sistema tiene un nico punto silla p , encontrarlo y demostrar que
.
W s p = (x, y) R2 | y = 2x 10
.
W u p = (x, y) R2 | y = x 1 .
5.3 A NLISIS
92
DE PUNTOS SILLA
1.5
0.5
-0.5
-1
-1.5
-1.5
-1
-0.5
0
x
0.5
1.5
Figura 5.4: Algunas curvas solucin del sistema dinmico del ejemplo 5.3.8. Se ilustran los
puntos silla (0, 1) y (0, 1) con sus correspondientes variedades estable e inestable.
5.3 A NLISIS
93
DE PUNTOS SILLA
5.3 A NLISIS
94
DE PUNTOS SILLA
5.4 E STABILIDAD
ASINTTICA
95
d) Encontrar, para cada punto silla p, expresiones analticas para las curvas estable W s (p)
e inestable W u (p).
e) En cada caso, graficar W s (p) y W u (p).
5.13 Considerar un sistema dinmico con un punto silla cada punto silla p. Considerar
las variedades estable W s (p) e inestable W u (p). Demostrar que tanto W s (p) como W u (p)
son invariantes bajo el flujo. Es decir, si es el flujo y x W s (p) entonces t (x)W s (p)
para todo t D(x) y lo mismo para W u (p).
5.14 Sean dos sistemas dinmicos completos (E, 1) y (E, 2). Suponer que 1 2
a travs de un homeomorfismo h : E F. Demostrar que si p es un punto fijo de 1
entonces h( p ) es punto fijo de 2 y adems se cumple
W s (h( p ), 2 ) = h W s ( p , 1 ) ,
W u (h( p ), 2 ) = h W u( p , 1 ) .
5.4 E STABILIDAD
ASINTTICA
96
Definicin 5.4.4 Sea p un punto fijo de un sistema dinmico. Una funcin de Liapunov
de p es una funcin continua V : U [0, ) definida en una vecindad U de p tal que
satisface:
a) V (p ) = 0.
b) Si p = p entonces V (p) > 0.
c) La funcin t V ( t (p)) es estrictamente decreciente si p = p .
Teorema 5.4.5 Si un punto p tiene una funcin de Liapunov entonces es asintticamente
estable.
Si V es diferenciable entonces podemos calcular
d
d
V ( t (p)) = V ( t (p)) t (p)
dt
dt
t
= V ( (p)) f ( t (p))
En vez de la condicin de que V ( t (p)) sea estrictamente decreciente, podemos usar V (z)
f (z) < 0 para todo z U . Geomtricamente, las curvas de nivel de V son tales que el campo
vectorial apunta hacia adentro.
Ejemplo 5.4.6 Sea t (x) = et A x donde A es de tipo atractor. Sabemos que existe una
matriz M positiva definida tal que M A + A T M = I . Entonces V (x) = xT Mx es una
funcin de Liapunov para p = 0.
Solucin
Vamos a verificar las condiciones de la definicin de funcin de Liapunov.
a) V (p ) = V (0) = 0.
b) Si p = p entonces p = 0 y pT Mp > 0 pues la matriz M es positiva definida.
5.4 E STABILIDAD
97
ASINTTICA
c) Si p = p entonces
T
E JERCICIOS
5.4 E STABILIDAD
98
ASINTTICA
= Rn y
cluir que para cualquier condicin inicial el flujo generado por el sistema dinmico
x = A T (b Ax)
converge a p .
5.18 Sean
b) Suponer que existe un nmero tal que si 0 < |x| < entonces
g(s)ds > 0
0
x
f (s)ds > 0. Encontrar una funcin de Liapunov para demostrar que el
y g(x)
0