Diagram As Def As Ev 2023

Métodos Matemáticos I - Grado en Física
Diagramas de fase de sistemas autónomos

Curso 2022-2023
Carlos Fernández González
Departamento de Física Interdisciplinar -

Introducción.
Los procesos físicos de la naturaleza son independientes del momento en

que tienen lugar si las condiciones que los determinan no cambian. Por ejem-
plo, la caída de un cuerpo se produce del mismo modo en un momento dado
o una hora más tarde. Igualmente, la velocidad a la que se derrite un cubito
de hielo depende únicamente de la temperatura ambiente; si esta se mantie-
ne constante, el proceso tarda lo mismo independientemente del momento
en que empiece. Por ello, las ecuaciones autónomas son fundamentales en la
Física.
Esta peculiaridad, hace que para el estudio de ciertas propiedades de estos
procesos podamos utilizar representaciones grácas que, en cierto modo, se
olvidan de la componente temporal. Este es el contenido de estas notas de
curso, la representación gráca de las trayectorias espaciales que tienen las
soluciones de estos sistemas y la deducción de ciertas propiedades cualitativas
asintóticas.
Notación.
Generalmente se denotará con mayúscula a las magnitudes vectoriales. Es

decir, X = (x1 , x2 , . . . , xn ) ∈ Rn .
B(X, ε) = {Y, ∥X −√ Y ∥ < ε} = bola (abierta) de centro X y radio ε > 0.
∥X−Y ∥ = d(X, Y )= ∣x1 − y1 ∣2 + ∣x2 − y2 ∣2 +. . .+ ∣xn − yn ∣2 , para X, Y ∈Rn .
>> = mucho mayor
<< = mucho menor
∣f (t)∣
∣f (t)∣ >> ∣g(t)∣ cuando t → ±∞ signica que lı́m = +∞ o equiva-
t→±∞ ∣g(t)∣
lentemente que lı́mt→±∞ fg(t)
(t) =0
1. Sistemas autónomos lineales. Propiedades.
Un sistema autónomo lineal es un sistema del tipo

⎧ dx1
⎪
⎪
⎪ dt = f1 (x1 , . . . , xn )
⎪
⎪ dx2
⎪ = f2 (x2 , . . . , xn )
(1) ⎨ dt .
⎪
⎪ ...
⎪
⎪ dxn
⎪
⎪
⎩ dt = fn (xn , . . . , xn )
Obsérvese que las distintas funciones fi no dependen de t. Al número de
variables espaciales n se le llamará orden del sistema1.
Una primera propiedad interesante de este tipo de sistemas es la existencia
de soluciones constantes cuando todas las funciones fi se anulan simultá-
namente en algún punto. En efecto, sea un punto Y0 = (y1 , . . . , yn ) ∈ Rn tal
que fi (y1 , . . . , yn ) = 0, i = 1, . . . , n. Entonces la solución particular XY0 (t) =
(y1 , . . . , yn ) es solución del sistema (1). Cada coordenada de la solución pro-
puesta es xi (t) = yi , con derivada x′i (t) = 0 = f (y1 , . . . , yn ) = f (xi (t)), ve-
ricando por tanto la ecuación diferencial. A estos puntos se los denomina
puntos críticos del sistema.
Otra propiedad fundamental de estos sistemas, ya comentada en la in-
troducción, es la `independencia temporal' de estas soluciones: si Xp (t) es
una solución particular del sistema, entonces su trasladada temporal Yp (t) =
Xp (t + t0 ) es también solución del sistema para cualquier valor real de t0 . Si
tenemos
dxi
Xp (t) = (x1 (t), . . . , xn (t)) con ∣ = fi (x1 (t), . . . , xn (t)) , i = 1, . . . , n ,
dt t
e Yp (t) = (y1 (t), . . . , yn (t)), entonces
dyi dxi d(t + t0 )
∣ = ∣ ∣
dt t dt t+t0 dt t
dxi
= ∣
dt t+t0
=fi (x1 (t + t0 ), . . . , xn (t + t0 ))
=fi (y1 (t), . . . , yn (t)) .
Recordemos que si llamamos h a la función h(t) = t + t0 , tenemos que
yi (t) = xi (h(t)) y por tanto yi′ (t) = x′i (h(t)) ⋅ h′ (t), que corresponde con la
primera línea de la expresión anterior.
1Este orden tiene una relación directa con la noción de orden vista en temas anteriores.
Dada una ecuación lineal an (x)y (n) + ⋅ ⋅ ⋅ + a1 (x)y ′ (x) + a0 y(x) = f (x) se puede obtener un
sistema de ecuaciones lineales sin más que considerar y1 = y , y2 = y ′ ,...,yn = y ( n − 1)
No están permitida la difusión electrónica este archivo, ni la distribución física de los contenidos. Todos los derechos
reservados.
2. DIAGRAMAS DE FASES.
Ejemplo 1.1. La ecuación diferencial
dx
=x+1 ,
dt
es un sistema autónomo de orden 1. Sus soluciones son
{xC (t) = Cet − 1, C ∈ R} .
Si consideramos una solución particular, para cierto valor C0 , y la fun-

ción trasladada y(t) = xC0 (t + t0 ) = C0 et+t0 − 1, tenemos que
y(t) = C0 et et0 − 1 = (C0 et0 )et − 1 = xC0 et0 (t) ,
que es otra solución de la ecuación.

Obsérvese además que el término de la derecha de la ecuación diferencial
se anula para x = −1. Por tanto, xp (t) = −1 es una solución constante de la
ecuación, que es la solución correspondiente a C = 0.
Ejemplo 1.2. El sistema
x′1 = 2x1 − 3x2

{
x′2 = x1 − 2x2
es un sistema de orden 2, con solución general
x1 (t) = 3c1 et + c2 e−t

{ , c1 , c2 ∈ R
x2 (t) = c1 et + c2 e−t
Si consideramos una solución particular, para ciertos valores concretos

c1 = K 1 y c2 = K2 , y las funciones trasladadas yi (t) = xi (t + t0 ), tenemos que
y1 (t) = 3et0 K1 et + e−t0 K2 e−t

{
y2 (t) = et0 K1 et + e−t0 K2 e−t
es también solución de la ecuación para los valores c1 = et0 K1 y c2 = e−t0 K2 .

En este caso la solución Xp (t) = (0, 0) es la única solución constante del
sistema.
2. Diagramas de fases.
El hecho de que podamos trasladar temporalmente una solución y siga

siendo solución hace que la representación gráca del conjunto de soluciones
tenga también ciertas propiedades de invariancia traslacional respecto a la
componente temporal.
4
reservados.
2.1. Representación de funciones del tipo f (t + to ). Empecemos
recordando cómo se relacionan las grácas de dos funciones f (t) y f (t + t0 ).
Para f (t) = t(t + 2)(t − 1) tenemos que las representaciones de f y sus
trasladadas temporales son del tipo
donde la amplitud de la traslación horizontal coincide con la amplitud de la

traslación temporal de la función. La gráca de la función f (t + t0 ) estará
trasladada −t0 unidades respecto de la gráca de la función f . Nótese que
las funciones que acabamos de representar no pueden ser soluciones de un
sistema autónomo lineal de orden 1.
2.2. Diagramas de fases de sistemas autónomos lineales de or-
den 1. Estudiemos ahora las representaciones grácas del ejemplo 1.1.
reservados.
2. DIAGRAMAS DE FASES.
La invariancia traslacional de estas ecuaciones, hace que podamos pro-

yectar esta representación en dos dimensiones en su dimensión espacial, de
modo que las soluciones que son translaciones temporales una de otra quedan
clasicadas según su trayectoria espacial.
Ð→
Nótese que a la solución constante h(t) = −1 le corresponde un punto en la

proyección.
A ambas representaciones podemos añadirle el sentido de la evolución
temporal, con echas que indiquen el sentido de recorrido de las soluciones.
Ð→
De estas dos últimas respresentaciones, a la de la derecha se la denomina

diagrama de fases. Normalmente se representa en posición horizontal.
2.3. Diagramas de fases de sistemas autónomos lineales de or-

den 2. Consideremos ahora el sistema autónomo bidimensional
x′1 = −x2
,
x′2 = x1
{
6
reservados.
con soluciones
x1 (t) = c1 cos t + c2 sin t
{ , c 1 , c2 ∈ R .
x2 (t) = c1 sin t − c2 cos t
La solución particular x1 (t) = cos t, x2 (t) = sin t, que es una parametri-
zación de un recorrido periódico en la circunferencia de radio 1, tiene una
representación tridimensional en forma de hélice alrededor del eje temporal.
Si añadimos el sentido de la evolución temporal y proyectamos sobre las

componentes espaciales tenemos
Ð→ ,
que da una representación bidimensional
reservados.
3. SISTEMAS AUTÓNOMOS UNIDIMENSIONALES.
Una representación más completa del diagrama de fases, incluyendo la

solución constante Xp (t) = (0, 0) sería
El diagrama de fases del ejemplo 1.2 (veremos cómo hallarlo) es
3. Sistemas autónomos unidimensionales.
3.1. El análisis
Diagramas de fase de sistemas unidimensionales.
del diagrama de fases de los sistemas autónomos unidimiensionales
x′ = f (x)
es muy sencillo, pues se basa en el estudio de los intervalos de crecimiento
y decrecimiento de las soluciones, que vienen determinados por el signo de
8
reservados.
la función f (x). Para los valores x0 que anulan f (x), tenemos soluciones
constantes. Para condiciones iniciales x(t0 ) = x0 con f (x0 ) < 0 tenemos
soluciones estrictamente decrecientes. Y para condiciones iniciales x(t0 ) = x0
con f (x0 ) > 0 tenemos soluciones estrictamente crecientes.
Ejemplo 3.1. Tomemos por ejemplo una función f (x) con gráca
con raíces en los puntos x=a<0 x = b > 0.

y
El diagrama de fases del sistema x′ = f (x) sería
Este diagrama de fases nos da cierta información cualitativa de las solu-

ciones aunque no las podamos calcular explícitamente.
En primer lugar, los dos puntos en x = a y x = b representan las dos
soluciones constantes xa (t) = a y xb (t) = b.
9
reservados.
3. SISTEMAS AUTÓNOMOS UNIDIMENSIONALES.
Por otro lado, sabemos de cualquier solución con una condición inicial
xp (t0 ) > b que esta es estrictamente creciente. Y no sólo eso, también po-
demos garantizar (suponiendo que hay unicidad de soluciones para cuales-
quiera condiciones iniciales2, que siempre supondremos en estos problemas
imponiendo que f sea derivable) que lı́mt→−∞ xp (t) = b.
Si la condición inicial es del tipo a < xp (t0 ) < b tenemos que la solución es
estrictamente decreciente, y que lı́mt→+∞ xp (t) = a y lı́mt→−∞ xp (t) = b.
Por último, si tenemos una condición inicial xp (t) < a la solución ha de
ser estrictamente creciente, con lı́mt→+∞ xp (t) = a.
Con este simple análisis se puede hacer una representación aproximada de
las soluciones del tipo
donde x(t) = a y x(t) = b son las únicas soluciones constantes.

3.2. Estabilidad asintótica de puntos críticos en sistemas au-
tónomos unidimensionales. Como se ha visto en el apartado anterior, los
puntos críticos no son únicamente aquellos en que las soluciones son cons-
tantes. Son además los puntos límite del resto de soluciones, bien cuando
t tiende a +∞, bien cuando t tiende a −∞. Cuando un punto es el límite
cuando t → +∞ de todas las trayectorias que comienzan cerca de él, a modo
de sumidero, se dice que es asintóticamente estable.
2Ver Seccion 1.3. Figura 1.9. de Ecuaciones diferenciales y problemas con valores en
la frontera, de Nagle, Sa y Snider.
10
reservados.
Definición 3.2. Dado un sistema autónomo, unidimensional o multidi-
mensional, X′
= f (X), un punto X0 es asintóticamente estable si existe
un radio ε > 0 tal que para todo Y ∈ B(X0 , ε) la solución XY (t) del problema
de valor inicial
X ′ = f (X), X(0) = Y
verica lı́mt→∞ XY (t) = X0 .
Nótese que en la anterior denición se ha elegido t = 0 como tiempo inicial.
Dada la invariancia traslacional en la componente temporal de las solucio-
nes de los sistemas autónomos, esta elección no es relevante. Cualquier otra
elección t = t0 ∈ R daría una denición equivalente de punto asintóticamente
estable.
Ejemplo 3.3. En el sistema del ejemplo 3.1, el punto a es asintótica-

mente estable, pues todas las trayectorias que comienzan a un radio menor
que 1 de él convergen a él. El mayor radio para el que esto sucede es ∣b − a∣.
El punto b es inestable, ya que no podemos encontrar ningún radio
alrededor de él en el que las trayectorias cumplan esa condición. De hecho,
salvo la solución constante xp (t) = b, todas las trayectorias que empiezan
cerca de b se alejan de ese punto.
En el ejemplo anterior se han visto dos tipos de puntos críticos, alrede-

dor de los cuales convergen o divergen las trayectorias. También puede haber
puntos que presenten una mezcla de estos dos comportamientos, con trayec-
torias convergentes al punto si comienzan a un lado del mismo, y trayectorias
que se alejan del mismo si comienzan al otro lado.
Ejemplo 3.4. Consideremos el sistema autónomo unidimensional
x′ = x2 ,
con un punto critico en x = 0.
Su diagrama de fases es
11
reservados.
4. SISTEMAS AUTÓNOMOS LINEALES HOMOGÉNEOS DE ORDEN 2.
de lo que se deduce que las trayectorias que comienzan a la izquierda del 0

convergen a este punto, mientras que las trayectorias que comienzan a su
derecha se alejan de él y tienden a innito.
Ejercicio 3.5. Resolver explícitamente la ecuación autónoma anterior,

y comparar con lo mencionado en el ejemplo. Hacer un dibujo de las solucio-
nes. ¾Por qué, en contraposición al ejemplo 3.1, no se puede decir que para
una solución particular con xp (t0 ) > 0 se verica que lı́mt→+∞ xp (t) = +∞?
Este tipo de fenómenos, con explosiones en tiempo nito, no son físicos.
Estos son todos los casos posibles que se pueden dar en puntos críticos
aislados de sistemas autónomos unidimensionales (recordemos, suponiendo f
derivable). En el caso de sistemas de mayores dimensiones los puntos críticos
ofrecen una variedad mucho más rica, póngase el caso del sistema estudiado
en la sección 2.3. La clasicación de los mismos es el contenido del siguiente
capítulo.
Recuérdese por último que, como se vio en la primera prueba de evaluación
continua, los puntos en que f no es derivable por tener derivada innita
pueden dar información muy importante de la ecuación diferencial.
4. Sistemas autónomos lineales homogéneos de orden 2.
El estudio de sistemas autónomos generales de orden 2 es mucho más

complicado que el de los de orden 1. Una primera aproximación consiste en
detectar los puntos críticos y hacer un análisis local de los mismos mediante
aproximaciones lineales. Este estudio forma parte de los contenidos de la
asignatura Métodos Matemáticos II, de segundo curso.
En este curso nos centraremos en los sistemas lineales homogéneos. Deta-
llaremos cómo se calcula el diagrama de fases en los ejemplos más sencillos,
autovalores reales no nulos y distintos entre sí, e ilustraremos el resto de la
casuística que se puede presentar: autovalores dobles, autovalores complejos,
o un autovalor nulo. Todos los casos, excepto el último, tienen un único punto
crítico en X = (0, 0).
En las soluciones de estos sistemas juega un papel fundamental la función
exponencial real. Comencemos recordando cómo son las grácas de estas
funciones.
4.1. Ceλt , t ∈ R. Las funciones exponenciales son funciones

Funciones
constantes si λ = 0, crecientes si λ > 0 y decrecientes si λ < 0. Las grácas
12
reservados.
para λ > 0 y C > 0 son del tipo
y para λ < 0
Para λ = 0 tenemos funciones constantes.

La comparación entre el crecimiento de dos exponenciales c1 eλ1 t y c2 eλ2 t
en ∞ y −∞, si nos jamos sólo en su magnitud y no en su signo (elegiremos,
por tanto, c1 y c2 positivos), no depende de las constantes elegidas, ya que
el rápido crecimiento de las exponenciales será el que domine el comporta-
miento.
13
reservados.
En el caso λ1 < 0 < λ2 , claramente c1 eλ1 t es mucho mayor que c2 eλ2 t cuando
t → −∞, y al contrario cuando t → ∞.
Esta armación seguirá siendo cierta si 0 < λ1 < λ2 o λ1 < λ2 < 0, y

también si alguno de esos dos valores es igual a 0. La exponencial de mayor
coeciente en el exponente (no mayor en valor absoluto) será mucho mayor
(en valor absoluto) que la otra cuando t → ∞, y mucho menor cuando t →
−∞, independientemente del valor de c1 y c2 no nulos.
Por tanto, tenemos que si λ1 < λ2 , entonces

∀c1 , c2 ∈ R − {0}, ∣c1 eλ1 t ∣ << ∣c2 eλ2 t ∣ cuando t → ∞, y
∣c1 eλ1 t ∣ >> ∣c2 eλ2 t ∣ cuando t → −∞ .
Este hecho se puede demostrar fácilmente teniendo en cuenta que el co-
ciente de dos de esas exponenciales es
c2 eλ2 t c2 (λ2 −λ1 )t
= e ,
c1 eλ1 t c1
14
reservados.
por lo que es una exponencial KeΛt para Λ = λ2 − λ1 > 0 y K = c2 /c1 .
4.2. Autovalores reales λ1 < 0 < λ2 . Empecemos con un ejemplo

sencillo. Tomemos el sistema
x′1 = λ1 x1
.
x′2 = λ2 x2
{
Las solución general de este sistema es
x1 (t) = c1 eλ1 t
{ , c 1 , c2 ∈ R ,
x2 (t) = c2 eλ2 t
o, escrito en forma vectorial,

X(t) = c1 eλ1 t v1 + c2 eλ2 t v2 ,
siendo
1 0
v1 = ( ) y v2 = ( )
0 1
autovectores de λ1 y λ2 respectivamente.
En primer lugar, observemos que hay cuatro trayectorias que son semi-
rrectas, correspondientes a elecciones de valores iniciales c1 ∈ R − {0}, c2 = 0
y c1 = 0, c2 ∈ R − {0}, y que son
s1 ∶ c1 > 0, c2 = 0 → x > 0, y = 0
s2 ∶ c1 < 0, c2 = 0 → x < 0, y = 0
s3 ∶ c1 = 0, c2 > 0 → x = 0, y > 0
s4 ∶ c1 = 0, c2 < 0 → x = 0, y < 0
Las trayectorias que recorren las semirrectas s1 y s2 son de la forma

x1 (t) = c1 eλ1 t , c1 ≠ 0, x2 (t) = 0 ,
por lo que lı́mt→∞ X(t) = 0 y lı́mt→−∞ X(t) = ∞, ya que λ1 < 0. Las que
recorren las semirrectas s3 y s4 ,
x1 (t) = 0, x2 = c2 eλ2 t , c2 ≠ 0 ,
verican que lı́mt→∞ X(t) = ∞ y lı́mt→−∞ X(t) = 0, puesto que λ2 > 0.

15
reservados.
Su representación en el diagrama de fases es
El resto de soluciones son combinaciones lineales, o superposiciones, de

estas dos.
Es interesante ver el comportamiento de las trayectorias cuando t tiende
a ±∞. Fijadas las constantes c1 y c2 , cuando t → ∞ el valor de c1 eλ1 t se
hace exponencialmente pequeño y el valor de c2 eλ2 t se hace exponencialmente
grande. Por tanto, la solución Xp (t) = (c1 eλ1 t, c2 eλ2 t ) se parecerá a la solución
(0, c2 eλ2 t ), y las trayectorias se aproximarán al eje vertical cuando t tienda a
innito.
Análogamente, cuando t → −∞ el valor de c1 eλ1 t se hace exponencialmente
grande y el valor de c2 eλ2 t se hace exponencialmente pequeño. Por tanto, la
solución Xp (t) = (c1 eλ1 t, c2 eλ2 t ) se parecerá a la solución (c1 eλ1 t , 0), y las
trayectorias se aproximarán al eje horizontal cuando t tienda a −∞.
16
reservados.
Con todo esto, podemos dibujar el diagrama de fases completo, que es del
tipo
donde la curvatura exacta de las trayectorias dependerá de las magnitudes

de λ1 < 0 y λ2 > 0.
El caso general es muy parecido a este. Habrá igualmente cuatro semi-
rrectas que sean trayectorias de soluciones, que estarán determinadas por
los autovectores de la matriz del sistema. Los autovectores correspondientes
al autovalor negativo determinarán trayectorias convergentes a 0 sobre las
dos semirrectas determinadas por ellos, mientras que a los autovectores co-
rrespondientes al autovalor positivo corresponderán trayectorias divergentes
sobre las correspondientes semirrectas.
17
reservados.
El ejemplo 1.2 es de este estilo. Estas cuatro trayectorias serán
pues un autovector correspondiente al autovalor λ1 = −1 < 0 es v1 = (1, 1), y

un autovector asociado al autovalor λ2 = 1 > 0 es (3, 1).
El diagrama de fases completo es, recordemos,
Recordemos que el 0 es un punto crítico. A un punto crítico con este tipo

de comportamiento se le llama punto de silla o punto de ensilladura. No
es asintóticamente estable, ya que las trayectorias que comienzan cerca del
0 no convergen necesariamente a él; de hecho, prácticamente todas se alejan
eventualmente.
18
reservados.
4.3. Autovalores reales 0 < λ1 < λ2 . Comencemos de nuevo con un
ejemplo sencillo, tomando el sistema
x′1 = λ1 x1
.
x′2 = λ2 x2
{
Las solución general de este sistema es, tal como describimos en el caso
anterior,
x1 (t) = c1 eλ1 t
{ , c 1 , c2 ∈ R ,
x2 (t) = c2 eλ2 t
o, escrito en forma vectorial,
X(t) = c1 eλ1 t v1 + c2 eλ2 t v2 ,
siendo
1 0
v1 = ( ) y v2 = ( )
0 1
autovectores de λ1 y λ2 respectivamente.
Un primer análisis de las semirrectas que determinan los autovectores, da
esta representación.
El resto de soluciones son combinaciones lineales, o superposiciones, de

estas dos: (eλ1 t v1 , c2 eλ2 t ).
En este caso, cuando t → +∞ no podemos decir que ninguna de las coor-
denadas tienda a 0, pero de todos modos la segunda va a crecer mucho más
rápido que la primera (eλ1 t v1 << c2 eλ2 t cuando t → +∞), por lo que las tra-
yectorias serán cada vez más verticales.
19
reservados.
Por otro lado, cuando t → −∞ ambas coordenadas tenderán a 0, pero la

segunda lo hará mucho más rápido (eλ1 t v1 >> c2 eλ2 t cuando t → −∞), por lo
que las trayectorias cerca del cero serán prácticamente horizontales.
Con todo esto, obtenemos un diagrama de fases aproximado del tipo
A este tipo de puntos críticos se les llama nodos inestables.

En el caso general, los autovectores seguirán determinando cuatro semi-
rrectas con trayectorias divergentes cuando t → +∞ y convergentes a 0 cuando
t → −∞,
y el plano de fases será del tipo

20
reservados.
.
Nótese que se ha marcado con los colores rojos la dirección de meno auto-
valor, y de azules la de mayor autovalor, y que esta distinción es importante
en el bosquejo de las trayectorias.
4.4. λ1 < λ2 < 0. Este caso se deja como ejercicio.
Autovalores reales
Puede ayudar considerar el caso anterior con un cambio de variable t = −s.
Este tipo de puntos críticos se llaman nodos estables (y son asintótica-
mente estables). Los diagramas deben resultar similares a los anteriores pero
con las trayectorias convergiendo al punto crítico (0, 0).
4.5. Autovalores reales λ1 = λ2 ≠ 0.
Caso dimensión del autoespacio igual a dos. Si la matriz tiene un único
autovalor y la dimensión del autoestacio es máxima, la única posibilidad que
tiene es que sea un múltiplo de la matriz identidad. Por tanto, el sistema es
del tipo
x′1 = λx1
.
x′2 = λx2
{

x1 (t) = c1 eλt
{ , c 1 , c2 ∈ R ,
x2 (t) = c2 eλt
Estos casos son también nodos estables o inestables, dependiendo de si el
autovalor es respectivamente negativo o positivo. Todas las trayectorias son
rectas.
21
reservados.
λ>0
λ<0
Caso dimensión del autoespacio igual a uno. Un ejemplo sencillo sería

x′1 = λx1
{ ′ .
x2 = λx2 + x1
x1 (t) = c1 eλt
{ , c 1 , c2 ∈ R ,
x2 (t) = c1 teλt + c2 eλt
Sigue siendo un nodo estable o inestable, dependiendo de si el autovalor
es respectivamente negativo o positivo, pero sólo habrá una direccion de
trayectorias rectas, determinada por el autovector correspondiente. En el
22
reservados.
caso anterior, este es el vector (0, 1) y las trayectorias rectas corresponden a
elecciones de coecientes con c1 = 0.
En el caso en que tengamos c1 ≠ 0, tenemos que ∣teλt ∣ >> ∣eλt ∣ si t → ±∞,
por lo que tanto cerca del punto crítico las trayectorias serán tangentes al
autovector (pues es el vector que en la solución viene acompañado de teλt ) y
del mismo modo las trayectorias tenderán a o vendrán de esa misma dirección
lejos del punto crítico.
El caso anterior (con λ < 0) tendría como diagrama de fases el siguiente.
Hay ciertas trayectorias que parecen ir directas al punto crítico casi sin
curvarse, pero lo que sucede es que se curvan muy cerca del punto crítico del
mismo modo que las otras y casi no se aprecia en el gráco. Si ampliamos la
23
reservados.
imagen obtendríamos
Los casos λ > 0 con autovector (1, 1) serían parecidos a
Problema. Discutir por qué el autovector generalizado, esencial para

construir la solución general, no tiene un papel apenas relevante en el dia-
grama de fases. Investigar qué es lo único relevante de dicho vector para el
diagrama.
4.6. Autovalores complejos.En estos casos ya no hay trayectorias
rectas. La estabilidad o inestabilidad del punto crítico viene dada por la parte
24
reservados.
real de los autovalores: parte real positiva implica punto inestable (llamado
foco) y parte real negativa supone punto crítico asintóticamente estable (lla-
mado sumidero, en la imagen).
El sentido de giro de la espiral no se puede determinar únicamente con los

autovalores. Lo más sencillo es determinar la velocidad en un punto (distinto
del (0, 0)) mediante sustitución en el sistema y así poder saber si el giro es
dextrógiro o levógiro.
Cuando la parte real es nula, se forma una familia de trayectorias elipsoi-
dales cerradas. A este tipo de puntos críticos se los denomina centros.
25
reservados.
El primer sistema de la seccion 2.3 es otro ejemplo de centro.

Para determinar la posición relativa de la elipse y su tamaño necesita-
mos hacer el estudio de los autovectores. Si la matriz del sistema tiene un
autovector complejo v , entonces los vectores Re(v) y Im(v) nos sirven para
determinar una de las elipses.
Por ejemplo, el sistema
x′1 = x1 /2 − 5x2 /4
.
x′2 = 2x1 − x2 /2
{
tiene como autovalores ±3i/2, por lo que sabemos que su punto crítico corres-
ponde con un centro. Los autovalores son v± = (5, 2 ∓ 6i), de donde podemos
obtener Re(v+ ) = (5, 2) y Im(v+ ) = (0, −6). Estos dos vectores nos ayudan a
encontrar una de las elipses (ayudados de que sabemos que están centradas
en el punto (0, 0)), pues la solución general es de la forma
x1 5 0
( ) =C1 (( ) cos(3t/2) − ( ) sin(3t/2)) +
x2 2 −6
0 5
+ C2 (( ) cos(3t/2) + ( ) sin(3t/2)) .
−6 2
26
reservados.
Si tomamos C1 = 1 y C2 = 0, tendremos la elipse determinada3 por la trayec-
toria
5 0
( ) cos(3t/2) − ( ) sin(3t/2)
2 −6
De la solución anterior podemos deducir también que las trayectorias de

este ejemplo giran en sentido dextrógiro, por lo que el diagrama de fases sería
el siguiente.
Los centros no son asintóticamente estables, pero tampoco son inestables

en cierto sentido ya que las trayectorias no divergen al innito. Este tipo
de estabilidad se denomina estabilidad de Lyapunov: las trayectorias que
3Es importante notar que los dos vectores no determinan la elipse, ni siquiera con la
ayuda de que esté centrada en 0. El que esté centrada en 0 nos dice que los dos vectores
opuestos están también en la elipse, pero tendríamos cuatro puntos y para determinar
una elipse necesitamos cinco. Enlace de visualización.
27
reservados.
empiezan en cierto entorno del punto crítico (digamos de radio δ ) se quedan

siempre dentro de cierto entorno del mismo (digamos de radio ).
Definición 4.1. Dado un sistema autónomo, unidimensional o multidi-
mensional, X ′ = f (X), un punto X0 es estable en el sentido de Lyapunov
si dado cualquier radio ε > 0 existe un δ > 0 tal que para todo Y ∈ B(X0 , δ)
la solución XY (t) del problema de valor inicial
X ′ = f (X), X(0) = Y
verica ∥XY (t) − X0 ∥ < ε, ∀ t ∈ [0, ∞).

Si un punto es asintóticamente estable, también es estable en el sentido
de Lyapunov.
4.7. Casos degenerados: autovalores reales λ1 = 0 λ ≠ 0,

y 2 y
autovalor doble λ1 = λ2 = 0 con dimensión del autoespacio igual a 1.
Autovalores λ1 = 0 y λ2 ≠ 0. En este caso hay toda una dirección de
puntos críticos, determinada por el autovector correspondiente al autovalor
nulo. Y todas las demás trayectorias serán paralelas a la dirección del otro
autovector. Estas trayectorias convergerán a la recta de puntos críticos o
divergirán según el autovalor no nulo sea negativo o positivo.
4.7.1. Autovalor doble λ1 = λ2 = 0, con dimensión del autoespacio igual
a 1. En este caso también hay toda una dirección de puntos críticos, de-
terminada por el autovector correspondiente al autovalor nulo. El resto de
28
reservados.
trayectorias son paralelas a esta dirección.
Problema. Determinar el diagrama de fases de un sistema con autovalor

doble 0 y dimensión del autoespacio igual a 2.
5. Estabilidad estructural de puntos críticos.
Un punto crítico se denomina estructuralmente estable si un pequeño

cambio de los parámetros (en este caso, los coecientes del sistema) no cambia
el tipo de punto crítico.
Los tres primeros casos estudiados son estructuralmente estables, mien-
tras que los casos de autovalores reales λ1 = λ2 , y λ1 = 0 y λ2 ≠ 0, no son
estructuralmente estables. Un pequeño cambio en los coecientes, en estos
casos, podría llevar a λ1 ≠ λ2 y λ1 ≠ 0 respectivamente. En el primer caso
una pequeña variación podría llevar incluso al caso de autovalores complejos.
Los casos de autovalores complejos son estructuralmente estables si Re(λ1 ),
que es siempre igual a Re(λ2 ), es distinto de 0. El caso Re(λ1 ) = 0 es estruc-
turalmente inestable, pues pequeños cambios podrían llevar a Re(λ1 ) > 0 o
Re(λ1 ) < 0, que son cualitativamente muy distintos.
Si sólo tenemos en cuenta la estabilidad del punto crítico, los casos λ1 =
λ2 ≠ 0 también son estructuralmente estables, pues aunque cambie el tipo
de punto crítico no cambiará su estabilidad con variaciones pequeñas de los
coecientes del sistema.
Puntos críticos estructuralmente estables:
29
reservados.
5. ESTABILIDAD ESTRUCTURAL DE PUNTOS CRÍTICOS.
Puntos críticos que puede cambiar de tipo, pero cuya estabilidad asintótica
es estructuralmente estable:
pueden cambiar a nodo
con autovalores distintos (estable o inestable, dependiendo de la estabilidad

del punto critico original) o a sumidero o foco (dependiento también de la
estabilidad del punto crítico).
Puntos críticos estructuralemente inestables:
puede cambiar a sumidero o foco.
puede cambiar a nodo estable o inestable (de-
pendiendo del signo del autovalor no nulo) o a punto de ensilladura.
30
reservados.
puede cambiar a cualquiera de los otros tipos,
excepto a nodo con todas las trayectorias rectas.

Como se verá en la asignatura Métodos Matemáticos III, la estabilidad de
los puntos críticos de sistemas autónomos más generales puede ser estudiada
mendiante aproximaciones lineales únicamente cuando esas aproximaciones
son estructuralmente estables (incluido el caso de autovalores reales repeti-
dos).
31
reservados.

Diagram As Def As Ev 2023

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Diagram As Def As Ev 2023

Cargado por

Copyright:

Formatos disponibles

Métodos Matemáticos I - Grado en Física

Diagramas de fase de sistemas autónomos

Carlos Fernández González

Departamento de Física Interdisciplinar -

Los procesos físicos de la naturaleza son independientes del momento en

Generalmente se denotará con mayúscula a las magnitudes vectoriales. Es

Un sistema autónomo lineal es un sistema del tipo

Ejemplo 1.1. La ecuación diferencial

{xC (t) = Cet − 1, C ∈ R} .

Si consideramos una solución particular, para cierto valor C0 , y la fun-

y(t) = C0 et et0 − 1 = (C0 et0 )et − 1 = xC0 et0 (t) ,

que es otra solución de la ecuación.

Ejemplo 1.2. El sistema

x′1 = 2x1 − 3x2

es un sistema de orden 2, con solución general

x1 (t) = 3c1 et + c2 e−t

Si consideramos una solución particular, para ciertos valores concretos

y1 (t) = 3et0 K1 et + e−t0 K2 e−t

es también solución de la ecuación para los valores c1 = et0 K1 y c2 = e−t0 K2 .

El hecho de que podamos trasladar temporalmente una solución y siga

donde la amplitud de la traslación horizontal coincide con la amplitud de la

La invariancia traslacional de estas ecuaciones, hace que podamos pro-

Nótese que a la solución constante h(t) = −1 le corresponde un punto en la

De estas dos últimas respresentaciones, a la de la derecha se la denomina

2.3. Diagramas de fases de sistemas autónomos lineales de or-

Si añadimos el sentido de la evolución temporal y proyectamos sobre las

que da una representación bidimensional

Una representación más completa del diagrama de fases, incluyendo la

El diagrama de fases del ejemplo 1.2 (veremos cómo hallarlo) es

3. Sistemas autónomos unidimensionales.

con raíces en los puntos x=a<0 x = b > 0.

El diagrama de fases del sistema x′ = f (x) sería

Este diagrama de fases nos da cierta información cualitativa de las solu-

donde x(t) = a y x(t) = b son las únicas soluciones constantes.

Ejemplo 3.3. En el sistema del ejemplo 3.1, el punto a es asintótica-

En el ejemplo anterior se han visto dos tipos de puntos críticos, alrede-

Ejemplo 3.4. Consideremos el sistema autónomo unidimensional

de lo que se deduce que las trayectorias que comienzan a la izquierda del 0

Ejercicio 3.5. Resolver explícitamente la ecuación autónoma anterior,

4. Sistemas autónomos lineales homogéneos de orden 2.

El estudio de sistemas autónomos generales de orden 2 es mucho más

4.1. Ceλt , t ∈ R. Las funciones exponenciales son funciones

Para λ = 0 tenemos funciones constantes.

Esta armación seguirá siendo cierta si 0 < λ1 < λ2 o λ1 < λ2 < 0, y

Por tanto, tenemos que si λ1 < λ2 , entonces

4.2. Autovalores reales λ1 < 0 < λ2 . Empecemos con un ejemplo

Las solución general de este sistema es

o, escrito en forma vectorial,

Las trayectorias que recorren las semirrectas s1 y s2 son de la forma

verican que lı́mt→∞ X(t) = ∞ y lı́mt→−∞ X(t) = 0, puesto que λ2 > 0.

Su representación en el diagrama de fases es

El resto de soluciones son combinaciones lineales, o superposiciones, de

donde la curvatura exacta de las trayectorias dependerá de las magnitudes

El ejemplo 1.2 es de este estilo. Estas cuatro trayectorias serán

pues un autovector correspondiente al autovalor λ1 = −1 < 0 es v1 = (1, 1), y

Recordemos que el 0 es un punto crítico. A un punto crítico con este tipo

El resto de soluciones son combinaciones lineales, o superposiciones, de

Por otro lado, cuando t → −∞ ambas coordenadas tenderán a 0, pero la

A este tipo de puntos críticos se les llama nodos inestables.

y el plano de fases será del tipo

Las solución general de este sistema es

Caso dimensión del autoespacio igual a uno. Un ejemplo sencillo sería

Los casos λ > 0 con autovector (1, 1) serían parecidos a

Esta armación seguirá siendo cierta si 0 < λ1 < λ2 o λ1 < λ2 < 0, y

verican que lı́mt→∞ X(t) = ∞ y lı́mt→−∞ X(t) = 0, puesto que λ2 > 0.

verica ∥XY (t) − X0 ∥ < ε, ∀ t ∈ [0, ∞).