Sistemas No-Lineales

Profesor: Marı́a Etchechoury

Departamento de Matemática, Facultad de Ciencias Exactas

Universidad Nacional de La Plata

e-mail: marila@mate.unlp.edu.ar

−1

−2

−3
−3 −2 −1 0 1 2 3

1
Introducción
En distintas ramas de la Fı́sica y de la Ingenierı́a se utilizan los sistemas no-lineales
para modelar por ejemplo circuitos eléctricos, sistemas mecánicos, procesos quı́micos,
etc. En este Curso estudiaremos sistemas dinámicos modelados por un número finito de
ecuaciones diferenciales ordinarias de primer orden:

ẋ1 = f1 (t, x1 , . . . , xn )
ẋ2 = f2 (t, x1 , . . . , xn )
..
.
ẋn = fn (t, x1 , . . . , xn )

donde
dxi
xi = xi (t), ẋi = .
dt
Llamamos a las variables x1 , x2 , . . . , xn variables de estado del sistema. En notación
matricial se tendrá:    
x1 f1 (t, x)
 x2   f2 (t, x) 
   
x =  ..  , f (t, x) =  .. ;
 .   . 
xn fn (t, x)
luego el sistema dinámico queda representado por

ẋ = f (t, x)

llamada ecuación de estado del sistema. Un caso especial es aquél en el que el campo
vectorial f no depende explı́citamente del tiempo t,

ẋ = f (x),

y se llama sistema autónomo o invariante en el tiempo. Con este tipo de sistemas

trabajaremos a lo largo del Curso.

Algunos conceptos fundamentales vinculados a los Sistemas No-Lineales. Ex-

isten conceptos fundamentales de los sistemas no-lineales que nos ayudarán a describir
su comportamiento. Algunos de ellos son:

1. Punto de equilibrio: Un punto x = x∗ en el espacio de estados se llama punto

de equilibrio para el sistema ẋ = f (x), si, cuando el estado (trayectoria o solución)

2
 del sistema comienza en x∗ , permanece en x∗ para todo tiempo futuro, también se
lo llama punto fijo o punto estacionario. Para sistemas autónomos los puntos de
equilibrio son las raı́ces reales de la ecuación f (x) = 0. El punto de equilibrio se
dice aislado si existe algún entorno del punto donde no existe otro equilibrio del
sistema.

2. Estabilidad de un punto de equilibrio: Un punto de equilibrio x∗ es estable si

para todo entorno V de x∗ existe un entorno V1 ⊂ V tal que toda solución x(x0 , t)
del sistema (2), con x0 ∈ V1 (donde x0 es la condición inicial), está definida y
permanece en V para todo t > 0. Si V1 puede elegirse de modo tal que x(x0 , t) → x∗
cuando t → ∞, entonces se dice que x∗ es asintóticamente estable.

3. Sistemas Planares: son también llamados sistemas de dimensión dos o sistemas

de dos variables de estado. Se representan por dos ecuaciones diferenciales es-
calares. Las soluciones del sistema se pueden representar como curvas en el plano,
que llamaremos también órbitas. Las órbitas se representan en lo que se llama el
plano de fase del sistema.

4. Oscilación: Un sistema oscila cuando tiene una solución periódica no trivial. En

un sistema planar una solución periódica en el plano de fase resulta una órbita
cerrada.

El Curso se dictará en tres clases, donde se desarrollarán los siguientes temas:

• Primera Clase: Sistemas de Segundo Orden: Generalidades. Sistemas Planares

Lineales: clasificación de puntos de equilibrio.

• Segunda Clase: Sistemas Planares No-Lineales: puntos de equilibrio, lineal-

ización, ciclos lı́mites.

• Tercera Clase: Estabilidad de Lyapunov: estabilidad de puntos de equilibrio.

Teoremas de estabilidad de Lyapunov. Dominio de atracción.

3
1 Primera Clase: Sistemas de Segundo Orden. Sis-
temas Planares Lineales.
Sistemas de Segundo Orden. Están determinados por dos ecuaciones diferenciales
de primer orden:

ẋ1 = f1 (x1 , x2 )
ẋ2 = f2 (x1 , x2 )

Las soluciones del sistema se pueden representar como curvas en el plano. Si por ejem-
plo x(t) = (x1 (t), x2 (t)) es la solución del sistema planar para cierta condición inicial
x0 = (x01 , x02 ), entonces la gráfica en el plano x1 − x2 será una curva que pasa por x0 . Al
plano x1 − x2 donde se representan las órbitas o soluciones se lo llama plano de fase o
plano de estados del sistema. Para cada punto x = (x1 , x2 ) en el plano de fase se tiene el
vector f (x) = f (x1 , x2 ), es decir que f (x) es un campo vectorial sobre el plano de fase.
Observar que el campo vectorial en un punto es tangente a la trayectoria en ese punto.
Luego, puede construirse la trayectoria desde un estado inicial x0 , a partir del diagrama
del campo vectorial.

Llamamos retrato de fase o plano de fase del sistema a la familia de todas las trayec-
torias o curvas solución del sistema. Nos preguntamos cómo puede construirse el retrato
de fase de un sistema planar?
1. Mediante un simulador de sistemas no lineales, dibujando trayectorias a partir de
un número grande de estados iniciales sobre el plano x1 − x2 , es decir, computa-
cionalmente.

2. Mediante el método de las isoclinas: Se considera la pendiente de la trayectoria en

un punto dado (x1 , x2 ),
f2 (x1 , x2 )
s(x1 , x2 ) = .
f1 (x1 , x2 )
Las ecuación s(x1 , x2 ) = c, con c constante, define sobre el plano x1 − x2 una curva
a lo largo de la cual las trayectorias del sistema planar tienen pendiente c. Es decir,
cuando una solución cruza la curva s(x1 , x2 ) = c, lo hace con pendiente c.

Para visualizar este método consideraremos un ejemplo clásico: la ecuación del

péndulo. Su dinámica esta representada por la siguiente ecuación diferencial de
segundo orden:
mlθ̈ = −mg sin θ − klθ̇, (1.1)

4
donde l representa la longitud de la varilla del péndulo, m la masa de la bolilla que
se encuentra al final de la varilla, θ es el ángulo entre el eje vertical y la varilla, g
es la aceleración de la gravedad, y k es el coeficiente de fricción.

Para poder trabajar en ecuaciones de estado, es decir ecuaciones de primer orden,

llamamos x1 = θ y x2 = θ̇. Luego las ecuaciones de estado resultan,

ẋ1 = x2
g k
ẋ2 = − sin x1 − x2
l m
En este caso las isoclinas están definidas por,
1
x2 = − sin x1
0.5 + c

2
x2

−2

−4

−6
−4 −3 −2 −1 0 1 2 3 4
x1

Figure 1.1: Órbitas del péndulo con fricción. Isoclinas.

5
Sistemas Planares Lineales. Por qué los estudiaremos en particular? Para estudiar
un sistema no-lineal planar se comienza analizando sus puntos de equilibrio y sus flu-
jos (o trayectorias) en un entorno de cada equilibrio. Existen resultados, que veremos
más adelante, que aseguran que el comportamiento de un sistema no-lineal localmente
alrededor de cada equilibrio se puede determinar a partir del comportamineto de su lin-
ealización alrededor de dicho punto. Queremos entonces estudiar las soluciones de un
sistema lineal planar, a partir de la clasificación de sus puntos de equilibrio.

Consideramos el sistema lineal en el plano,

ẋ = Ax, (1.2)

con x ∈ R2 y A ∈ R2×2 . Se dice que x0 es punto de equilibrio del sistema si Ax0 = 0.

Pueden darse entonces dos situaciones: A no-singular y entonces x0 = 0 es el único punto
de equilibrio; ó A singular y entonces el sistema tiene un subespacio no nulo de equilibrio.

Analicemos el caso A no-singular. Sabemos que es siempre posible hallar una matriz
M de orden 2 y no-singular tal que M −1 AM = J, siendo J la forma de Jordan real. Se
pueden presentar cualquiera de los tres casos que siguen:
µ ¶ µ ¶ µ ¶
λ1 0 λ k α −β
J1 = , J2 = , J3 = .
0 λ2 0 λ β α

El primer caso corresponde a autovalores λ1 6= λ2 , ambos reales y no nulos; el segundo

caso corresponde a autovalores reales, iguales y no nulos (k puede ser 0 ó 1); y el tercer
caso corresponde a autovalores complejos λ1,2 = α ± iβ.

Si consideramos el sistema lineal en coordenadas z = M −1 x, el sistema original resulta

ż = Jz (1.3)

Asi por ejemplo para el primer caso se tiene el sistema planar desacoplado,

ż1 = λ1 z1
ż2 = λ2 z2 ;

si la condición inicial es z 0 = (z10 , z20 ) las soluciones son z1 (t) = z10 exp λ1 t, z2 (t) =
z20 exp λ2 t, y eliminando t se obtiene

λ2/λ1 z20
z2 = kz1 , con k = .
(z10 )λ2/λ1

6
 10

2
2

0
x

−2

−4

−6

−8

−10
−10 −8 −6 −4 −2 0 2 4 6 8 10
x1

Figure 1.2: Nodo estable. Autovalores: λ1 = −2, λ2 = −1.

Si consideramos autovalores negativos, diremos que el origen como punto de equilibrio

es un nodo estable, Fig.1.2. Si en cambio los autovalores son ambos positivos se trata de
un nodo inestable, Fig.1.3.
Cuando los autovalores son de distinto signo se tiene un saddle o punto de ensilladura,
Fig.1.4.
Para el tercer caso, es decir autovalores complejos, el sistema en coordenadas (z1 , z2 )
resulta,

ż1 = αz1 − βz2 (1.4)

ż2 = βz1 + αz2 ; (1.5)

este sistema tiene soluciones oscilatorias. En efecto, si consideramos coordenadas polares

q
r = z12 + z22 , θ = tan−1 (z2 /z1 ) ,

7
 10

2
2

0
x

−2

−4

−6

−8

−10
−10 −8 −6 −4 −2 0 2 4 6 8 10
x1

Figure 1.3: Nodo inestable. Autovalores: λ1 = 1, λ2 = 2.

el sistema resulta

ṙ = αr (1.6)
θ̇ = β. (1.7)

Si la condición inicial es (r0 , θ0 ) la solución es (r(t), θ(t)) = (r0 exp αt, θ0 + βt), que
resulta una espiral logarı́tmica en el plano (z1 , z2 ), llamado foco. Para α < 0 resulta
un foco estable, Fig.1.5.; y para α > 0 un foco inestable, Fig.1.6. Si α = 0 se tiene un
centro, Fig.1.7.
Observacón: el comportamiento de las trayectorias de un sistema lineal planar está
completamente determinado por los autovalores de la matriz de orden 2 que define al
sistema.

Ejercicios propuestos

1. Las ecuaciones dinámicas no-lineales para un manipulador robótico de junta flexible

8
 10

2
2

0
z

−2

−4

−6

−8

−10
−10 −8 −6 −4 −2 0 2 4 6 8 10
z1

Figure 1.4: Saddle. Autovalores: λ1 = 1, λ2 = −1.

con un enlace están dadas por:

I q¨1 + M gL sin q1 + k(q − 1 − q2 ) = 0

J q¨2 − k(q1 − q2 ) = u

donde q1 y q2 son las posiciones angulares, I y J los momentos de inercia, k es una

constante del resorte, M la masa total, L es una distancia y u el torque.
Escribir las ecuaciones de estado para este sistema.

2. (a) Considerando las ecuaciones del oscilador de van der Pol

ẋ1 = x2
ẋ2 = −x1 + (1 − x21 )x2

Graficar algunas isoclinas y algunas trayectorias del sistema (en el plano de

fase x1 − x2 ).

9
 10

2
2

0
z

−2

−4

−6

−8

−10
−10 −8 −6 −4 −2 0 2 4 6 8 10
z1

Figure 1.5: Foco estable: α < 0.

(b) Idem a) para las ecuaciones de Rayleigh,

ẋ1 = x2
x22
ẋ2 = −x1 + ²(x2 − )
3
considerando ² = 1 y ² = .1.
3. (a) Resolver
ẋ = x + y
ẏ = 4x − 2y
con condiciones iniciales (x0 , y0 ) = (2, −3).
(b) Dibujar el retrato de fase para el sistema anterior, en el plano x − y.
4. Resolver el sistema lineal ẋ = Ax, con
µ ¶
a 0
A=
0 −1

10
 10

2
z2

−2

−4

−6

−8

−10
−10 −8 −6 −4 −2 0 2 4 6 8 10
z1

Figure 1.6: Foco inestable: α > 0.

Graficar el retrato de fase para: a < −1; a = −1; −1 < a < 1; a = 0; a > 0.

5. Considerar el circuito de ecuación

LI¨ + RI˙ + I/C = 0

donde L, C > 0 y R ≥ 0.

(a) Reescribir la ecuación como un sistema lineal de dimensión 2.

(b) Mostrar que el origen es asintóticamente estable si R > 0 y sólo estable si
R = 0,
(c) Clasificar el equilibrio en el origen según si R2 C − 4L es positivo, negativo, o
cero, y realizar en cada caso el retrato de fase.

11
 10

2
2

0
z

−2

−4

−6

−8

−10
−10 −8 −6 −4 −2 0 2 4 6 8 10
z1

Figure 1.7: Centro: α = 0.

2 Segunda Clase: Sistemas Planares No-Lineales

En muchos casos el comportamiento local de un sistema no-lineal cerca de un punto de
equilibrio se puede inferir a partir del sistema linealizado alrededor del punto y estudiar
entonces el comportamiento lineal que resulta a partir de la linealización.
Pensemos primero en el comportamiento de un sistema lineal bajo perturbaciones lin-
eales, es decir, consideremos una matriz A que suponemos tiene autovalores λ1 6= λ2 , y
∆A una matriz diagonal cuyos elementos son magnitudes µ arbitrariamente chicas. Se
tiene entonces, · ¸
λ1 + µ 0
A + ∆A = .
0 λ2 + µ
Dado que los autovalores de una matriz dependen en forma contı́nua de sus parámetros,
cualquier autovalor con parte real estrictamente negativa (o estrictamente positiva) per-
manecerá en su correspondiente semiplano bajo perturbaciones suficientemente chicas.
Luego, si el equilibrio x = 0 del sistema lineal ẋ = Ax es un nodo, foco o saddle, el
equilibrio del sistema perturbado ẋ = (A + ∆A)x será del mismo tipo. Si en cambio, el

12
equilibrio es un centro, el sistema perturbado tendrá un foco estable o inestable, según
µ sea negativo o positivo. Llamamos entonces al nodo, foco y saddle equilibrios estruc-
turalmente estables, pues mantienen su comportamiento cualitativo bajo perturbaciones
chicas.

Definition 2.1 El origen x = 0 del sistema ẋ = Ax es un punto de equilibrio hiperbólico

si es un nodo, un foco o un saddle.

Ejemplo de un sistema no lineal planar .

Consideramos nuevamente las ecuaciones de estado del péndulo con fricción para
k = 0.5,

ẋ1 = x2 (2.1)
g
ẋ2 = − sin x1 − 0.5x2 , (2.2)
l
con −π ≤ x1 ≤ π. En este caso los puntos de equilibrio aisaldos son (0, 0), (π, 0) y
(−π, 0). Observar que a diferencia de los sistemas lineales, en los sistemas no-lineales
puede haber más de un equilibrio aislado. El comportamiento del (0, 0) es similar al de
un foco estable de un sistema lineal; y el comportamiento de (±π, 0) es similar al de un
saddle en un sistema lineal, Fig. 2.1. Esto que por ahora lo observamos en el retrato de
fase del sistema, lo justificaremos luego.

En general, sea el sistema no lineal planar

ẋ1 = f1 (x1 , x2 )
ẋ2 = f2 (x1 , x2 ),

y supongamos que p = (p1 , p2 ) es punto de equilibrio. Desarrollamos f en serie de Taylor

alrededor de p,

ẋ1 = f1 (p1 , p2 ) + a11 (x1 − p1 ) + a12 (x2 − p2 ) + T.O.S.

ẋ2 = f2 (x1 , x2 ) + a21 (x1 − p1 ) + a22 (x2 − p2 ) + T.O.S.,

con
∂fi (x1 , x2 )
aij = |x=p , f1 (p1 , p2 ) = f2 (p1 , p2 ) = 0;
∂xj
(T.O.S.: términos de orden superior).

13
 6

2
x2

−2

−4

−6
−2.5 −2 −1.5 −1 −0.5 0 0.5 1 1.5 2 2.5
x1

Figure 2.1: Péndulo con fricción.

Con el cambio y1 = x1 − p1 , y2 = x2 − p2 , se obtiene

ẏ1 = ẋ1 = a11 y1 + a12 y2 + T.O.S.

ẏ2 = ẋ2 = a21 y1 + a22 y2 + T.O.S.

En un entorno suficientemente chico del equilibrio, de modo tal que los términos de orden
superior se desprecien, se obtiene la siguiente aproximación lineal:

ẏ1 = a11 y1 + a12 y2

ẏ2 = a21 y1 + a22 y2

Theorem 2.2 (Hartman-Grobman): Consideramos el sistema no lineal planar ẋ =

f (x), con f suficientemente suave. Suponemos que x0 es punto de equilibrio aislado.
Suponemos, además, que A(x0 ) = ∂f | 0 no tiene autovalores nulos o imaginarios
∂x x=x
puros. Entonces existe un homeomorfismo h (aplicación contı́nua y con inversa contı́nua)
definida en un entorno U ⊂ R2 de x0 , h : U → R2 , que lleva las trayectorias del no lineal
sobre las del sistema linealizado. En particular h(x0 ) = 0.

14
Observaciones: El Teorema de Hartman-Grobman afirma que es posible “deformar”
de manera contı́nua todas las trayectorias del sistema no lineal, alrededor del equilibrio
aislado, en las trayectorias del sistema linealizado, vı́a el homeomorfismo h. En general,
es muy dificultoso hallar el homeomorfismo h. Sin embargo, el teorema indica que el
comportamiento cualitativo de un sistema no lineal alrededor de un equilibrio aislado
es similar al del sistema linealizado, por ejemplo, el tipo de estabilidad. Consideramos
nuevamente el ejemplo del péndulo con fricción, en este caso las matrices del sistema
linealizado, alrededor de cada equilibrio, resultan:
· ¸ · ¸
∂f 0 1 ∂f 0 1
A1 = |(0,0) = A2 = |(π,0) = ;
∂x −1 −0.5 ∂x 1 −0.5

los autovalores de A1 son 0.25 ± ı0.97, y los de A2 son −1.28 y 0.78. Luego, el (0, 0) es
un foco estable y el (π, 0) es un saddle, el comportamiento de (−π, 0) es similar al de
(π, 0).

Definition 2.3 Un punto de equilibrio de un sistema no-lineal se dice hiperbólico, si la

matriz Jacobiana, evaluada en ese punto, no tiene autovalores sobre el eje imaginario.

Consideramos ahora el siguiente sistema:

ẋ1 = −x2 − µx1 (x21 + x22 )

ẋ2 = x1 − µx2 (x21 + x22 ).

El punto (0, 0) es equilibrio aislado del sistema, la matriz Jacobiana evaluada en este
punto es · ¸
0 −1
,
1 0
cuyos autovalores son ±i, luego la linealización del sistema tiene en (0, 0) un centro.
En coordenadas polares el mismo sistema no-lineal se representa ası́:

ṙ = −µr3
θ̇ = 1;

donde para µ > 0 resulta un foco estable, Fig.2.2. y para µ < 0 un foco inestable,
Fig.2.3.

Definition 2.4 El estado del sistema no lineal en el tiempo t empezando en x en t = 0

se llama flujo y se simboliza Φt (x), en particular Φ0 (x) = x.

15
 Diagrama de fase
3

1
2

0
x

−1

−2

−3
−3 −2 −1 0 1 2 3
x1

Figure 2.2: Foco estable

Otra manera de enunciar el Teorema de Hartman-Grobman: Supongamos que

consideramos las mismas hipótesis que en el Teorema de Hartman-Grobman; entonces
existe U entorno de x0 tal que, si x ∈ U y Φt (x) ∈ U , se tiene que
0
h(Φt (x) = exp A(x )t h(x).

Ciclos lı́mites. Ya hemos definido oscilación y órbita cerrada. Para introducir el con-
cepto de ciclo lı́mite, analizaremos primero un ejemplo sencillo.

Oscilador lineal

ẋ1 = −x2
ẋ2 = x1 ;

sabemos ya que el equilibrio (0, 0) es un centro y sus trayectorias son órbitas cerradas,
Fig.1.7. Si la condición inicial es (x01 , x02 ) las soluciones son x1 (t) = r0 cos(t + θ0 ),

16
 Diagrama de fase
3

1
2

0
x

−1

−2

−3
−3 −2 −1 0 1 2 3
x1

Figure 2.3: Foco inestable

p
x2 (t) = r0 sin(t + θ0 ), con r0 = (x01 )2 + (x02 )2 y θ0 = tan−1 (x02 /x01 ). El sistema tiene
una oscilación de amplitud r0 , se lo llama oscilador armónico.
Vale la pena observar que el oscilador lineal presenta algunos problemas: perturbaciones
chicas (lineales o no lineales) destruyen la oscilación, decimos entonces que el oscilador
lineal no es estructuralmente estable; además, la amplitud de la oscilación depende de
la condición inicial. Estos problemas pueden ser eliminados trabajando con osciladores
no lineales.

Ejemplo: Oscilador de van-der Pol.

Consideramos la ecuación de segundo orden,

ÿ − µ(1 − y 2 )ẏ + y = 0, para µ constante positiva;

17
si llamamos x1 = y y x2 = ẏ obtenemos las ecuaciones de estado del sistema:

x˙1 = x2
ẋ2 = −x1 + µ(1 − x21 )x2 ;

en este caso la matriz de la linealización alrededor del equilibrio (0, 0) es

· ¸
0 1
A= .
−1 µ
Observar que si µ > 0 los autovalores de A tienen parte real positiva, se trata entonces
de un foco inestable. Por el Teorema de Hartman-Grobman concluimos que el (0, 0) es
también un foco inestable del sistema no lineal. Observar, además, que existe sólo una

Diagrama de fase
5

1
2

0
x

−1

−2

−3

−4

−5
−5 −4 −3 −2 −1 0 1 2 3 4 5
x1

Figure 2.4: Oscilador de van-der Pol

órbita cerrada que atrae a todas las trayectorias que comienzan fuera de ella, Fig.2.4.
Esta situación es diferente a la que ocurre con el oscilador lineal, donde hay un contı́nuo
de órbitas cerradas, Fig.1.7.

18
Definition 2.5 Una órbita cerrada aislada se llama ciclo lı́mite.

Nos planteamos ahora el siguiente problema: establecer condiciones bajo las cuales un
sistema planar dado tiene o no órbitas cerradas.

Theorem 2.6 (Bendixson). Consideramos el sistema planar ẋ = f (x); supongamos

que D ⊂ R2 es un dominio simplemente conexo tal que ∇f (x) = ∂f1 /∂x1 (x1 , x2 ) +
∂f2 /∂x2 (x1 , x2 ) no es idénticamente nulo en ninguna subregión de D y no cambia de
signo en D. Entonces D no contiene órbitas cerradas del sistema planar.

Ejemplo: Ecuaciones de Duffing.

ẋ1 = x2
ẋ2 = x1 − x31 − δx2 ,

en este caso ∇f = −δ. Entonces, si δ > 0, no existen órbitas cerradas en todo R2 .

Theorem 2.7 (Poincaré-Bendixson). Supongamos que,

1. R es un conjunto compacto del plano.

2. ẋ = f (x) es un sistema planar cuyo campo f es continuamente diferenciable y está

definido sobre un conjunto abierto contenido en R.

3. R no contiene puntos de equilibrio del sistema.

4. Existe una trayectoria C que está confinada en R, es decir que comienza en R y

permanece en R para todo tiempo futuro.

Entonces o bien C es una órbita cerrada, o bien tiende a una órbita cerrada cuando
t → ∞. En cualquier caso, R contiene una órbita cerrada.

Ejemplo. Consideramos el siguiente sistema planar en coordenadas polares:

ṙ = r(1 − r2 ) + µr cos θ
θ̇ = 1,

con r ≥ 0. Si µ = 0, resultan r = 1 y r = 0 los puntos de equilibrio del sistema. En

el plano de fase x1 − x2 todas las trayectorias (excepto r = 0) se aproximan al cı́rculo
unidad r = 1, que resulta un ciclo lı́mite estable. Se puede probar, además, que existe
una órbita cerrada para µ > 0 suficientemente chico.

19
Ejercicios propuestos

1. Encontrar todos los puntos de equilibrio del sistema:

ẋ = −x + x3
ẏ = −2y

Linealizar el sistema alrededor de cada equilibrio y determinar la naturaleza de cada

uno de ellos. Verificar las conclusiones halladas mediante un gráfico aproximado
del retrato de fase del sistema (tener en cuenta que se trata de dos ecuaciones
desacopladas).

2. Considerar el sistema

ẋ = −y + ax(x2 + y 2 )
ẏ = x + ay(x2 + y 2 )

(a) A partir de la linealización, se puede predecir algo del comportamiento del

sistema alrededor del equilibrio (0, 0)?
(b) Hallar las ecuaciones del sistema en coordenadas polares.
(c) Encontrar algunas trayectorias del sistema cuando: i)a > 0; ii)a = 0; iii)a < 0.

3. Para cada uno de los siguientes sistemas, construir el retrato de fase usando el
método de las isoclinas y discutir el comportamiento cualitativo del sistema. Se
puede usar información acerca de los puntos de equilibrio o del campo vectorial.

(a)

ẋ1 = x2 cos x1
ẋ2 = sin x2

(b)
µ ¶
x1
ẋ1 = 1−
x
µ2 ¶
x1 x1
ẋ2 = − 1−
x2 x2

20
3 Tercera Clase: Teorı́a de Estabilidad de Lyapunov
Para estudiar la estabilidad de puntos de equilibrio utilizaremos las ideas de Lyapunov.
Definition 3.1 El equilibrio x = 0 del sistema autónomo ẋ = f (x) es estable si para
cada ² > 0 existe δ > 0 tal que:

k x(0) k< δ ⇒k x(t) k< ², ∀t ≥ 0;

el equilibrio es inestable si no es estable; el equilibrio es asintóticamente estable si es

estable y además δ puede elegirse de modo tal que

k x(0) k< δ ⇒ x(t) → 0, si t → ∞.

Ejemplo: ecuación del péndulo

Conocemos ya las ecuaciones del péndulo en variables de estado,

ẋ1 = x2
ẋ2 = −(g/l) sin x1 − (k/m)x2 ;

además sabemos que (0, 0) y (π, 0) son puntos de equilibrio.

Si suponemos k = 0, o sea el péndulo sin fricción, en un entorno del (0, 0) se tienen órbitas
cerradas. Luego, saliendo suficientemente cerca del origen, las trayectorias quedan den-
tro de una bola alrededor del origen; se concluye entonces que (0, 0) es equilibrio estable.
Sin embargo, no es asintóticamente estable, pues las trayectorias que empiezan fuera del
equilibrio no tienden a él, sino que permanecen en sus órbitas cerradas, ver Fig.3.1.
Cuando k > 0, el (0, 0) se comporta como un foco estable, y luego en este caso el (0, 0)
es equilibrio asintóticamente estable. El equilibrio x̄ = (π, 0) resulta un saddle que no
es estable pues dado cualquier ² > 0, es siempre posible encontrar una trayectoria que
deje la bola {x ∈ R2 : k x − x̄ k≤ ²}, aún cuando x(0) esté arbitrariamente cerca del
equilibrio, ver Fig.2.1.

En general, cómo podrı́amos determinar la estabilidad de un punto de equilibrio?

Para las ecuaciones planares del péndulo hicimos uso del conocimiento que tenı́amos
del retrato de fase del sistema. Pero para generalizar esto a cualquier sistema, necesi-
tarı́amos conocer todas las soluciones. Sin embargo, las conclusiones que obtuvimos para
la ecuación del péndulo y sus equilibrios, pueden obtenerse usando la noción de energı́a.
Se define la energı́a del péndulo E(x) como la suma de las energı́as potencial y cinética:
Z x1
E(x1 , x2 ) = (g/l) sin y dy + 1/2x22 .
0

21
Si k = 0, el sistema es conservativo, es decir, no hay disipación de energı́a. Luego,
E se mantiene constante durante el movimiento del sistema o dE dt
= 0 a lo largo de
las trayectorias del sistema. Como E(x) = c representa una curva cerrada alrededor de
x = 0 para c chico, podemos concluir que el origen es punto de equilibrio estable, Fig.3.1.

Diagrama de fase
5

1
x2

−1

−2

−3

−4

−5
−10 −8 −6 −4 −2 0 2 4 6 8 10
x1

Figure 3.1: Péndulo sin fricción

Cuando tenemos en cuenta la fricción (k > 0), la energı́a se disipa a lo largo del
movimiento del sistema, es decir, dE
dt
≤ 0 a lo largo de las trayectorias del sistema. Debido
a la fricción, E no puede permanecer constante indefinidamente cuando el sistema está
en movimiento. Luego, la energı́a comienza a decrecer hasta llegar a 0, y entonces la
trayectoria tiende a 0 cuando t tiende a ∞.
Concluimos entonces que examinando la energı́a E a lo largo de las trayectorias del
sistema, es posible determinar la estabilidad de un punto de equilibrio.
Lyapunov (1892) mostró que para determinar la estabilidad de un punto de equilibrio
pueden usarse otra clase de funciones, no necesariamente la energı́a.
Sea V : D → R una función continuamente diferenciable definida en D ⊂ Rn , con D
dominio que contiene al origen. La derivada de V a lo largo de las trayectorias del

22
sistema ẋ = f (x) se define como:
n
X n
X
∂V ∂V ∂V
V̇ (x) = ẋi = fi (x) = f (x).
i=1
∂xi i=1
∂xi ∂x

Observar que la derivada de V a lo largo de las trayectorias del sistema depende de las
ecuaciones del sistema. Luego V̇ (x) será diferente para sistemas diferentes. Además, si
V̇ (x) < 0, V decrece a lo largo de las soluciones del sistema.
El siguiente resultado de Lyapunov garantiza estabilidad del equilibrio para un sistema
no-lineal.
Theorem 3.2 Sea x = 0 un punto de equilibrio de ẋ = f (x) y D ⊂ Rn un dominio que
contiene a x = 0. Sea V : D → R una función continuamente diferenciable tal que

V (0) = 0, V (x) > 0 en D − {0}, V̇ (x) ≤ 0 en D.

Entonces x = 0 es equilibrio estable. Además, si V̇ (x) < 0 en D − {0}, entonces x = 0

es equilibrio asintóticamente estable.

Región de atracción. Supongamos que sabemos que x = 0 es equilibrio asintóticamente

estable de ẋ = f (x); desearı́amos saber cuan lejos del origen puede partir una trayecto-
ria y aún converger a 0 cuando t → ∞. Esta idea da la noción de región ó dominio de
atracción del equilibrio.
Definition 3.3 Sea φ(t, x) la solución de ẋ = f (x) que empieza en x en t = 0, es decir,
φ(0, x) = x, luego la región de atracción del equilibrio x = 0 resulta,

{x : lim φ(t, x) = 0, cuando t → ∞}.

Nos preguntamos ahora bajo que condiciones la región de atracción será todo Rn . Esto
sucede si para cualquier estado inicial x, la trayectoria φ(t, x) se aproxima a 0 cuando
t → ∞, sin importar si kxk es grande. Si un punto de equilibrio asintóticamente estable
tiene esta propiedad, se dice que es globalmente asintóticamente estable.
El siguiente teorema establece condiciones suficientes que garantizan estabilidad asintótica
global.
Theorem 3.4 (Barbashin-Krasovski) Sea x = 0 punto de equilibrio del sistema ẋ =
f (x). Sea V : Rn → R una función continuamente diferenciable tal que
• V (0) = 0 y V (x) > 0, ∀x 6= 0;

• si kxk → ∞, entonces V (x) → ∞;

23
 • V̇ (x) < 0, ∀x 6= 0;

entonces x = 0 es globalmente asintóticamente estable, es decir, su región de atracción

es todo Rn .

Por último enunciaremos el siguiente resultado sobre inestabilidad.

Theorem 3.5 (Chetaev) Sea x = 0 equilibrio del sistema ẋ = f (x). Sea V : D → R

continuamente diferenciable con V (0) = 0 y V (x0 ) > 0 para algún x0 con kx0 k arbitrari-
amente chica. Se define U = {x ∈ Br V (x) > 0}, y supongamos que V̇ (x) > 0 en U .
Entonces x = 0 es equilibrio inestable.

Recordemos que cuando estudiamos la ecuación del péndulo con fricción vimos que la
función de energı́a E(x) no satisfacı́a la condición para garantizar la estabilidad asintótica
requerida en el Teorema de Lyapunov. En efecto, V̇ (x) = (−k/m)x22 ≤ 0, sin embargo
sabemos que x = 0 es equilibrio asintóticamente estable para la ecuación del péndulo.
Luego, para que se mantenga la condición V̇ (x) = 0, la trayectoria del sistema debe estar
confinada en la recta x2 = 0. A menos que x1 = 0 esto es imposible pues a partir de las
ecuaciones del péndulo vemos que

x2 (t) ≡ 0 ⇒ ẋ2 (t) ≡ 0 ⇒ sin x1 (t) ≡ 0,

y luego, sobre el segmento −π < x1 < π de la recta x2 = 0, el sistema verifica V̇ (x) = 0

sólo si x1 = 0. Luego, V (x(t)) debe decrecer al origen y entonces x(t) → 0 cuando
t → ∞. Esto es consistente con el significado fı́sico que, debido a la fricción, la energı́a
no se mantiene constante cuando el sistema está en movimiento.
Resumimos lo anterior ası́: si en un dominio alrededor del origen se puede hallar una
función V cuya derivada a lo largo de la trayectoria del sistema es menor o igual a 0,
y si podemos asegurar que ninguna trayectoria puede quedarse en V̇ (x) = 0 salvo en el
origen, entonces el origen es asintóticamente estable. Este resultado es conocido como el
Principio de Invariancia de Lasalle.
Antes de enunciarlo en forma precisa daremos algunas definiciones.

Definition 3.6 Sea x(t) una solución de ẋ = f (x). Un punto p se llama punto lı́mite
positivo de x(t) si existe una sucesión {tn } con tn → ∞ tal que x(tn ) → p cuando
n → ∞.

Definition 3.7 El conjunto de todos los puntos lı́mite positivos de x(t) se llama conjunto
lı́mite positivo de x(t).

24
Definition 3.8 Un conjunto M se llama positivamente invariante con respecto al sis-
tema ẋ = f (x) si,
x(0) ∈ M ⇒ x(t) ∈ M, ∀t ≥ 0.

Definition 3.9 La solución x(t) se aproxima a M cuando t → ∞, si para cada ² > 0,

existe T > 0 tal que dist(x(t), M ) < ², para todo t > T .

Para ilustrar las definiciones anteriores consideremos un punto de equilibrio asintóticamente

estable y un ciclo lı́mite estable en el plano:
El equilibrio asintóticamente estable es el conjunto lı́mite positivo de toda solución que
empieza suficientemente cerca del equilibrio.
El ciclo lı́mite estable es el conjunto lı́mite positivo de toda solución que empieza su-
ficientemente cerca del lı́mite. Es decir, la solución se aproxima al ciclo lı́mite
cuando t → ∞.
El punto de equilibrio asintóticamente estable y el ciclo lı́mite son conjuntos invariantes
pues cualquier solución que comienza en alguno de estos conjuntos permanece en
el conjunto, para todo t ∈ R.

Lemma 3.10 Si una solución x(t) de ẋ = f (x) es acotada y pertenece a D, para todo
t ≥ 0, con D abierto que contiene a x = 0, entonces su conjunto lı́mite positivo que
llamaremos L+ es no vacı́o, compacto e invariante. Además, x(t) → L+ cuando t → ∞.

Theorem 3.11 Principio de Invariancia de Lasalle: Sea Ω ⊂ D un conjunto compacto

que es positivamente invariante con respecto al sistema ẋ = f (x). Sea V : D → R una
función continuamente diferenciable tal que V̇ (x) ≤ 0 en Ω. Sea E = {x ∈ Ω : V̇ (x) =
0}. Sea M el mayor conjunto invariante contenido en E. Entonces, cualquier solución
que empieza en Ω se aproxima a M cuando t → ∞.

Algunas observaciones:
• A diferencia del Teorema de Lyapunov, el Teorema de Lasalle no pide que V (x)
sea estrictamente positiva.
• Si estamos interesados en mostrar que x(t) → 0 cuando t → ∞, debemos establecer
que el mayor conjunto invariante en E es el origen. Esto se hace mostrando que
ninguna solución puede permanecer en E además de la solución trivial x(t) ≡ 0.
Considerando el caso particular planteado en la última observación y tomando V (x) > 0
se obtiene los siguientes corolarios que extienden los Teoremas de Lyapunov y Barbashin-
Krasovskii, respectivamente.

25
Corollary 3.12 Sea x = 0 equilibrio de ẋ = f (x). Sea V : D → R una función
continuamente diferenciable y positiva sobre un dominio D que contiene al origen, tal
que V̇ (x) ≤ 0 en D. Sea S = {x ∈ D : V̇ (x) = 0} y supongamos que ninguna solución
permanece en S salvo la trivial. Entonces, el origen es asintóticamente estable.

Corollary 3.13 Sea x = 0 equilibrio de de ẋ = f (x). Sea V : Rn → R una función

continuamente diferenciable tal que V (x) → ∞ si k x k→ ∞, estrictamente positiva y
tal que V̇ (x) ≤ 0, para todo x ∈ Rn . Sea S = {x ∈ Rn : V̇ (x) = 0} y supongamos que
ninguna solución se mantiene sobre S, salvo la trivial. Entonces el origen es globalmente
asintóticamente estable.

Observar que cuando V̇ (x) es estrictamente negativa y S = {0}, entonces los corolarios
anteriores coinciden con los teoremas de Lyapunov y Barbashin-Krasovskii.

26
Ejercicios propuestos.
1. Usando V (x) = x21 + x22 , estudiar la estabilidad del origen del sistema
ẋ1 = x1 (k 2 − x21 − x22 ) + x2 (x21 + x22 + k 2 )
ẋ2 = −x1 (k 2 + x21 + x22 ) + x2 (−x21 − x22 + k 2 )
cuando: a)k = 0 y b)k 6= 0.
2. Considerar el sistema
ẋ1 = x2
ẋ2 = −a sin x1 − kx1 − dx2 − cx3
ẋ3 = −x3 + x2
donde todos los coeficientes son positivos y k > a. Usando
Z x1
V (x) = 2a sin ydy + kx21 + x22 + px23 ,
0

con algún p > 0, mostrar que el origen es globalmente a.e.

3. Sea el sistema ẋ = f (x), donde f : Rn → Rn . Considerar el cambio de varaibles
z = T (x), donde T (0) = 0 y T : Rn → Rn es un difeomorfismo en un entorno del
origen. El sistema transformado es,
∂T
ż = fˆ(z), donde fˆ(z) = f (x)|x=T −1 (z)
∂x
(a) Mostrar que x = 0 es un punto de equilibrio aislado de ẋ = f (x) sii z = 0 es
un punto de equilibrio aislado de ż = fˆ(z).
(b) Mostrar que x = 0 es estable (a.e., inestable) sii z = 0 es estable (a.e.,
inestable).
4. Considerar el sistema
ẋ1 = (x1 x2 − 1)x31 + (x1 x2 − 1 + x22 )x1
ẋ2 = −x2
(a) Mostrar que x = 0 es el único punto de equilibrio.
(b) Mostrar, usando linealización, que x = 0 es a.e.
(c) Mostrar que Γ = {x ∈ R2 : x1 x2 ≥ 2} es un conjunto positivamente invari-
ante.
(d) Es x = 0 globalmente a.e.?

27
Bibliografı́a
“Nonlinear Systems”, Hassan Khalil, Prentice Hall, 1996.

“Nonlinear Systems, Analysis, Stability, and Control”, Shankar Sastry, Springer, 1999.

“Nonlinear Oscillations, dynamical systems and bifurcations”, J. Guckenheimer and P.

Holmes, Springer-Verlag, 1983.

Gráficos en el plano. Los distintos gráficos de sistemas planares presentados en estas

Notas fueron realizados con el programa dfase.m, cuyo autor es el Dr. Fernando Bianchi
(Fac. de Ingenierı́a, U.N.L.P.). Dicho programa corre bajo MatLab, y se puede acceder
a él desde la página de la Facultad de Ingenierı́a, U.N.L.P.:
http://davinci.ing.unlp.edu.ar/controlm/electronica/archivos.htm

Reunión Anual de la UMA,

Salta, septiembre de 2005

28