a]

ag
Dr. Lizárraga
rr Dynamic Systems Control
zá
Análisis de Puntos de Equilibrio
Li

Teoría de Control II
Capítulo: 2

Autor Versión
Dr. Jorge A. Lizarraga 4 de enero de 2024
r.
[D

De la Colección de Notas SK
 Índice general

a]
1. Análisis de Puntos de Equilibrio 3

ag
1.1. Definición de Punto de Equilibrio en Sistemas Dinámicos . . . . . . . . . . . 3
1.1.1. Método General para el análisis de puntos de equilibrio . . . . . . . . 3
1.2. Tipos de puntos de equilibrio . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

A. Apéndice de Ejercicios 7

rr
A.1. Análisis de Sistemas Dinámicos . . . . . . . . . . . . . . . . . . . . . . . . . . 7
zá
Li
r.
[D

2
 Capítulo 1

a]
Análisis de Puntos de Equilibrio

ag
1.1. Definición de Punto de Equilibrio en Sistemas Dinámi-
cos
n punto de equilibrio, también conocido como punto crítico o punto estacionario, en el contexto
U
rr
de sistemas dinámicos, es un estado en el cual las tasas de cambio de las variables del sistema
son nulas. En otras palabras, en un punto de equilibrio, el sistema permanece en reposo y no
experimenta cambios en el tiempo.
Consideremos un sistema de ecuaciones diferenciales autónomo dado por:
zá
ẋ = f (x) (1)

T
donde x = [x1 , x2 , . . . , xn ] es el vector de estado y f (x) es la función que describe las tasas de
cambio. Un punto x∗ se considera un punto de equilibrio si:
Li

f (x∗ ) = 0 (2)

Es decir, cuando evaluamos la función f en el punto x∗ , obtenemos un vector nulo (0). Esto
implica que, en el punto de equilibrio, las derivadas temporales de todas las variables son cero,
indicando que el sistema no experimenta cambios.
r.

En el análisis de puntos de equilibrio, la búsqueda de soluciones a la ecuación f (x) = 0 es

fundamental. La resolución de esta ecuación proporciona las coordenadas x∗ que definen los puntos
en los cuales el sistema se estabiliza o permanece en reposo.
[D

1.1.1. Método General para el análisis de puntos de equilibrio

1. Escribir las Ecuaciones:

Expresa el sistema de ecuaciones diferenciales en la forma ẋ = f (x).

2. Resolver para ẋ = 0 :
Resuelve f (x) = 0 para encontrar los puntos de equilibrio x∗ .
3. Verificar Estabilidad:

Calcula la matriz jacobiana J y evalúala en cada punto de equilibrio. Los autovalores

de J determinarán la estabilidad de los puntos.

3
 Análisis de Puntos de Equilibrio Pagina 4 de 14

Este método general puede aplicarse a sistemas dinámicos más complejos, y es fundamental
! para comprender el comportamiento del sistema cerca de los puntos de equilibrio.

1.2. Tipos de puntos de equilibrio

1.3. Ejemplos

a]
Ejemplo 1.3.1: Sistema Lineal

El sistema de ecuaciones diferenciales es:

ag
ẋ = −2x, ẏ = 3y

Establecemos las derivadas igual a cero:

−2x = 0 ⇒ x=0
3y = 0 ⇒ y=0

rr
Por lo tanto, el punto de equilibrio es (0, 0). Calculamos la matriz jacobiana J y evaluamos en
el punto de equilibrio (0, 0) :

∂ ẋ ∂ ẋ

zá
 
 ∂x
J =  ∂ ẏ ∂y  = −2 0
∂y  0 3
∂x ∂y

Evaluada en (0, 0) :  
−2 0
J=
Li

0 3
Los autovalores de J son λ1 = −2yλ2 = 3. Ambos tienen partes reales distintas y de signo
opuesto. Esto implica que el punto de equilibrio (0, 0) es un punto silla y que es inestable.

Ejemplo 1.3.2: Sistema No Lineal

r.

El sistema de ecuaciones diferenciales es:

1.
ẋ = x − x3 , ẏ = −y
[D

Establecemos las derivadas igual a cero:

2.
x − x3 = 0 =⇒ x x2 − 1 = 0

Esto nos da tres soluciones: x = 0 y x = ±1. Para cada valor de x, resolvemos la segunda
ecuación:

3. Si x = 0, entonces ẏ = −y = 0 =⇒ y = 0.
4. Si x = 1, entonces ẏ = −y = 0 =⇒ y = 0.
5. Si x = −1, entonces ẏ = −y = 0 =⇒ y = 0.
Por lo tanto, los puntos de equilibrio son (0, 0), (1, 0) y (−1, 0). Calculamos la matriz
jacobiana J y evaluamos en cada punto de equilibrio:

Dynamic System Control

 Análisis de Puntos de Equilibrio Pagina 5 de 14

6.
∂ ẋ ∂ ẋ
 
2
 
 ∂x ∂y  = 1 − 3x 0
 ∂ ẏ ∂ ẏ  0 −1
∂x ∂y

Para el punto (0, 0):

7.  
1 0
J=
0 −1

a]
Los autovalores son λ1 = 1 y λ2 = −1. Ambos tienen partes reales distintas y de signo
opuesto. Por lo tanto, el punto (0, 0) es un punto silla y es inestable.
Para el punto (1, 0):

ag
8.  
−2 0
J=
0 −1

Los autovalores son λ1 = −2 y λ2 = −1. Ambos tienen partes reales negativas. Por lo

9. rr
tanto, el punto (1, 0) es un nodo estable. Para el punto (−1, 0):

J=

−2 0
0 −1

zá
Los autovalores son λ1 = −2 y λ2 = −1. Al igual que en el caso anterior, ambos tienen
partes reales negativas. Por lo tanto, el punto (−1, 0) es un nodo estable.

El sistema tiene un punto silla inestable en (0, 0) y dos nodos estables en (1, 0) y (−1, 0).
Li

Ejemplo 1.3.3: Sistema de Ecuaciones de Lotka-Volterra (Modelo Presa-

Depredador)

El sistema de ecuaciones diferenciales es:

r.

1.
ẋ = αx − βxy
ẏ = δxy − γy

Establecemos las derivadas igual a cero:

[D

2.
αx − βxy = 0 =⇒ x(α − βy) = 0
δxy − γy = 0 =⇒ y(δx − γ) = 0

Esto nos da cuatro posibles combinaciones de soluciones:

3. x = 0 y y = 0.

4. x = 0 y α − βy = 0 (solución en y dependiente de α/β ).

5. δx − γ = 0 y y = 0 (solución en x dependiente de γ/δ ).
6. α − βy = 0 y δx − γ = 0 (solución en x e y ).

Calculamos la matriz jacobiana J y evaluamos en cada punto de equilibrio:

Dynamic System Control

 Análisis de Puntos de Equilibrio Pagina 6 de 14

7.
∂ ẋ ∂ ẋ
 
 
 ∂x ∂y  = α − βy −βx
 ∂ ẏ ∂ ẏ  δy δx − γ
∂x ∂y

Para el punto (0, 0)

8.  
α 0
J=
0 −γ

a]
Los autovalores son λ1 = α y λ2 = −γ. λ1 es positivo si α > 0, y λ2 es negativo si γ > 0.
Por lo tanto, el punto (0, 0) es un punto silla y es inestable.
 
γ α

ag
Para el punto , :
δ β
9.
βγ
" #
0 −
J= δ
δ 0

rr
Los autovalores son λ1 = i
r
βγ
δ
q
y λ2 = −i βγ δ , ambos con parte imaginaria. Esto indica
que el punto es un centro. Dependiendo de los valores exactos de los parámetros, el centro
puede ser estable o inestable.
zá
Para el punto (γ/δ, 0):
10. " γ#
0 −β
J= δ
0 γ
Li

Los autovalores son λ1 = 0 y λ2 = γ. Ambos son no negativos. Esto indica que el punto
(γ/δ, 0) es un punto de equilibrio semi-estable.

El sistema de Lotka-Volterra tiene un punto silla inestable en (0, 0), un centro cuya esta-
bilidad depende de los parámetros, y un punto de equilibrio semi-estable en (γ/δ, 0).
r.
[D

Dynamic System Control

 Apéndice A

a]
Apéndice de Ejercicios

ag
A.1. Análisis de Sistemas Dinámicos
Ejercicio 1:

Sistema Dinámico: Oscilador Armónico Amortiguado

rr
Descripción: El oscilador armónico amortiguado es un sistema físico que modela el movi-
miento de un objeto sujeto a una fuerza restauradora proporcional a su desplazamiento y
una fuerza de amortiguamiento proporcional a su velocidad.
zá
Sistema de Ecuaciones:
ẍ + 2ζωn ẋ + ωn2 x = 0

Definición de Términos:

x(t) : Desplazamiento del oscilador en función del tiempo.

Li

ẋ(t) : Velocidad del oscilador.

ẍ(t) : Aceleración del oscilador.
ωn : Frecuencia natural del oscilador sin amortiguamiento.
ζ : Coeficiente de amortiguamiento. Indica la cantidad de amortiguamiento presente en el sistema.

Ejercicio 2:
r.

Sistema Dinámico: Modelo Logístico de Crecimiento Poblacional

Descripción: El modelo logístico describe el crecimiento de una población en función del

[D

tiempo, considerando una capacidad máxima de carga del entorno.

Sistema de Ecuaciones:  
dN N
= rN 1−
dt K

Definición de Términos:

N (t) : Tamaño de la población en función del tiempo.

r : Tasa de crecimiento intrínseca de la población.
K : Capacidad máxima de carga del entorno.

Ejercicio 3:

Sistema Dinámico: Péndulo Simple Amortiguado

7
 Análisis de Puntos de Equilibrio Pagina 8 de 14

Descripción: El péndulo simple amortiguado modela el movimiento de un péndulo sujeto a

fuerzas de fricción que disipan su energía.
Sistema de Ecuaciones:
θ̈ + 2β θ̇ + ω02 sin(θ) = 0

Definición de Términos:

θ(t) : Desplazamiento angular en función del tiempo.

θ̇(t) : Velocidad angular.

a]
θ̈(t) : Aceleración angular.
ω0 : Frecuencia angular natural sin amortiguamiento.
β : Coeficiente de amortiguamiento. Indica la cantidad de amortiguamiento presente en el sistema.

ag
Ejercicio 4:
Sistema Dinámico: Circuito RLC en Serie
Descripción: El circuito RLC en serie describe el comportamiento de un circuito eléctrico
compuesto por una resistencia (R), una bobina (L) y un condensador (C) conectados en serie.

rr
Sistema de Ecuaciones:
L
di
dt
1 dq
C dt
+ Ri +

=i
1
C
Z
idt = V
zá
Definición de Términos:

i(t) : Corriente en función del tiempo.

V : Voltaje aplicado al circuito.
R : Resistencia en ohmios.
Li

L : Inductancia en henrios.
C : Capacitancia en faradios.
q(t) : Carga en el condensador en función del tiempo.

Ejercicio 5:
r.

Sistema Dinámico: Ecología de Presa-Depredador (Modelo de Lotka-Volterra)

Descripción: El modelo de Lotka-Volterra describe la interacción entre dos especies, una
presa y un depredador, en un ecosistema.
[D

Sistema de Ecuaciones:
dx
= αx − βxy
dt
dy
= δxy − γy
dt
Definición de Términos:

x(t) : Población de presas en función del tiempo.

y(t) : Población de depredadores en función del tiempo.
α : Tasa de crecimiento intrínseca de las presas.
β : Tasa de interacción entre presas y depredadores.
γ : Tasa de mortalidad intrínseca de los depredadores.
δ : Tasa de interacción entre depredadores y presas.

Dynamic System Control

 Análisis de Puntos de Equilibrio Pagina 9 de 14

Ejercicio 6:

Sistema Dinámico: Oscilador de Van der Pol

Descripción: El oscilador de Van der Pol describe un sistema no lineal que exhibe oscila-
ciones y caos, comúnmente utilizado para modelar osciladores eléctricos y biológicos.
Sistema de Ecuaciones:
dx
=y
dt

a]
dy
= µ(1 − x2 )y − x
dt

Definición de Términos:

ag
x(t) : Variable de posición en función del tiempo.
y(t) : Variable de velocidad en función del tiempo.
µ : Parámetro de no linealidad y amortiguamiento.

rr
Ejercicio 7:

Sistema Dinámico: Ecuaciones de Lorenz (Atractor de Lorenz)

Descripción: Las ecuaciones de Lorenz son un sistema de ecuaciones diferenciales que des-
zá
criben el comportamiento caótico de un sistema dinámico determinista tridimensional.
Sistema de Ecuaciones:
dx
= σ(y − x)
dt
dy
= x(ρ − z) − y
Li

dt
dz
= xy − βz
dt

Definición de Términos:

x(t), y(t), z(t) : Variables de estado en función del tiempo.

r.

σ, ρ, β : Parámetros que determinan las características del sistema.

Ejercicio 8:
[D

Sistema Dinámico: Modelo de Hodgkin-Huxley (Canales Iónicos)

Descripción: El modelo de Hodgkin-Huxley describe la dinámica de los canales iónicos en

las membranas celulares, especialmente en neuronas.
Sistema de Ecuaciones:
dV
C = I − gNa m3 h(V − ENa ) − gK n4 (V − EK ) − gL (V − EL )
dt
dm
= αm (1 − m) − βm m
dt
dh
= αh (1 − h) − βh h
dt
dn
= αn (1 − n) − βn n
dt

Dynamic System Control

 Análisis de Puntos de Equilibrio Pagina 10 de 14

Definición de Términos:

V (t) : Potencial de membrana en función del tiempo.

m(t), h(t), n(t) : Variables de comportamiento de los canales iónicos.
I : Corriente aplicada.
C : Capacitancia de la membrana.
gNa , gK , gL : Conductancias de los canales iónicos.
ENa , EK , EL : Potenciales de equilibrio para los iones Na, K y L, respectivamente.

a]
αm , βm , αh , βh , αn , βn : Parámetros que modelan las tasas de transiciones entre estados de los canales.

Ejercicio 9:

Sistema Dinámico: Modelo de FitzHugh-Nagumo (Neuronas)

ag
Descripción: El modelo de FitzHugh-Nagumo es una simplificación del modelo Hodgkin-
Huxley y se utiliza para describir la dinámica de las neuronas.
Sistema de Ecuaciones:
dv v3
= c(v − + r − I)
dt 3
rr
Definición de Términos:
dr
dt
1
= − (v − a + br)
c
zá
v(t) : Potencial de membrana en función del tiempo.
r(t) : Variable de recuperación en función del tiempo.
I : Corriente aplicada.
a, b, c : Parámetros del modelo.
Li

Ejercicio 10:

Sistema Dinámico: Modelo SIR (Epidemiología)

Descripción: El modelo SIR se utiliza en epidemiología para describir la propagación de

enfermedades infecciosas en una población.
Sistema de Ecuaciones:
r.

dS
= −βIS
dt
dI
= βIS − γI
dt
[D

dR
= γI
dt
Definición de Términos:

S(t) : Número de individuos susceptibles en función del tiempo.

I(t) : Número de individuos infectados en función del tiempo.
R(t) : Número de individuos recuperados en función del tiempo.
β : Tasa de transmisión.
γ : Tasa de recuperación.

Ejercicio 11:

Sistema Dinámico: Modelo de Duffing

Dynamic System Control

 Análisis de Puntos de Equilibrio Pagina 11 de 14

Descripción: El modelo de Duffing describe la dinámica de un oscilador no lineal con tér-

minos de amortiguamiento, no linealidad y fuerza externa.
Sistema de Ecuaciones:

ẍ + δ ẋ + αx + βx3 = γ cos(ωt)
ẋ = y
ẏ = −δy − αx − βx3 + γ cos(ωt)

a]
Definición de Términos:

x(t) : Desplazamiento del oscilador en función del tiempo.

y(t) : Velocidad del oscilador.

ag
α, β, δ, γ, ω : Parámetros del modelo.

Ejercicio 12:

rr
Sistema Dinámico: Modelo de Lorenz-Mackey-Glass (Caos)

Descripción: El modelo de Lorenz-Mackey-Glass es una extensión del sistema de Lorenz y

exhibe comportamiento caótico.
zá
Sistema de Ecuaciones:
dx α(y − x)
=
dt 1 + x2
dy
=x−y+z
dt
Li

dz
= −βz + γ sin(δt)
dt

Definición de Términos:

x(t), y(t), z(t) : Variables de estado en función del tiempo.

α, β, γ, δ : Parámetros del modelo.
r.

Ejercicio 13:
[D

Sistema Dinámico: Modelo de Hodgkin-Huxley Modificado (Canal Iónico)

Descripción: Una variante modificada del modelo Hodgkin-Huxley con términos adicionales
que describen la dinámica de los canales iónicos en las neuronas.
Sistema de Ecuaciones:

dV
C = I − gNa m3 h(V − ENa ) − gK n4 (V − EK ) − gL (V − EL ) + Iext (t)
dt
dm
= αm (1 − m) − βm m
dt
dh
= αh (1 − h) − βh h
dt
dn
= αn (1 − n) − βn n
dt

Dynamic System Control

 Análisis de Puntos de Equilibrio Pagina 12 de 14

Definición de Términos:
V (t) : Potencial de membrana en función del tiempo.
m(t), h(t), n(t) : Variables de comportamiento de los canales iónicos.
I : Corriente aplicada.
Iext (t) : Corriente externa en función del tiempo.
C : Capacitancia de la membrana.
gNa , gK , gL : Conductancias de los canales iónicos.

a]
ENa , EK , EL : Potenciales de equilibrio para los iones Na, K y L, respectivamente.
αm , βm , αh , βh , αn , βn : Parámetros que modelan las tasas de transiciones entre estados de los canales.

Ejercicio 14:

ag
Sistema Dinámico: Modelo de Rosenzweig-MacArthur (Ecología)
Descripción: El modelo de Rosenzweig-MacArthur describe la dinámica de una población
de presa y depredador con términos adicionales de competencia y recursos limitados.
Sistema de Ecuaciones:
dx
= x(a − bx − αy)

rr
Definición de Términos:
dt
dy
dt
= −y(c − γx)
zá
x(t) : Población de presas en función del tiempo.
y(t) : Población de depredadores en función del tiempo.
a, b, c, α, γ : Parámetros del modelo.

Ejercicio 15:
Li

Sistema Dinámico: Modelo de Hodgkin-Huxley Simplificado (Neurona)

Descripción: Una versión simplificada del modelo Hodgkin-Huxley que captura las princi-
pales características de la dinámica de los canales iónicos en las neuronas.
Sistema de Ecuaciones:
dV
C = I − gNa m3 h(V − ENa ) − gK n4 (V − EK ) − gL (V − EL )
r.

dt
dm
= αm (1 − m) − βm m
dt
dh
= αh (1 − h) − βh h
[D

dt
dn
= αn (1 − n) − βn n
dt
Definición de Términos:
V (t) : Potencial de membrana en función del tiempo.
m(t), h(t), n(t) : Variables de comportamiento de los canales iónicos.
I : Corriente aplicada.
C : Capacitancia de la membrana.
gNa , gK , gL : Conductancias de los canales iónicos.
ENa , EK , EL : Potenciales de equilibrio para los iones Na, K y L, respectivamente.
αm , βm , αh , βh , αn , βn : Parámetros que modelan las tasas de transiciones entre estados de los canales.

Dynamic System Control

 Análisis de Puntos de Equilibrio Pagina 13 de 14

Ejercicio 16:
Sistema Dinámico: Modelo de FitzHugh-Nagumo Modificado (Neuronas)
Descripción: Una variante del modelo de FitzHugh-Nagumo que incluye términos adicio-
nales para capturar la dinámica de las neuronas.
Sistema de Ecuaciones:
dv v3
= c(v − + r − I)
dt 3

a]
dr 1
= − (v − a + br) + γ sin(ωt)
dt c

Definición de Términos:

ag
v(t) : Potencial de membrana en función del tiempo.
r(t) : Variable de recuperación en función del tiempo.
I : Corriente aplicada.
a, b, c, γ, ω : Parámetros del modelo.

rr
Ejercicio 17:
Sistema Dinámico: Modelo del Péndulo Doble
Descripción: El modelo del péndulo doble describe el movimiento de dos péndulos acopla-
dos, lo que resulta en comportamientos dinámicos interesantes.
zá
Sistema de Ecuaciones:
dθ1
= ω1
dt
dω1 g K
=− sin(θ1 ) − (θ1 − θ2 ) + A cos(ωt)
Li

dt L1 L1
dθ2
= ω2
dt
dω2 g K
=− sin(θ2 ) + (θ1 − θ2 )
dt L2 L2

Definición de Términos:
r.

θ1 (t), ω1 (t) : Ángulo y velocidad angular del primer péndulo.

θ2 (t), ω2 (t) : Ángulo y velocidad angular del segundo péndulo.
g : Aceleración debida a la gravedad.
[D

L1 , L2 : Longitudes de los péndulos.

K : Constante de acoplamiento entre los péndulos.
A, ω : Amplitud y frecuencia de la fuerza externa aplicada.

Ejercicio 18:
Sistema Dinámico: Modelo de Van der Pol (Oscilador No Lineal)
Descripción: El modelo de Van der Pol describe un oscilador no lineal con autoamortigua-
miento, utilizado para estudiar fenómenos de autoorganización en sistemas dinámicos.
Sistema de Ecuaciones:
dx
=y
dt
dy
= µ(1 − x2 )y − x
dt

Dynamic System Control

 Análisis de Puntos de Equilibrio Pagina 14 de 14

Definición de Términos:

x(t) : Variable de posición en función del tiempo.

y(t) : Variable de velocidad en función del tiempo.
µ : Parámetro de no linealidad y amortiguamiento.

Ejercicio 19:
Sistema Dinámico: Modelo de Roessler

a]
Descripción: El modelo de Roessler es un sistema dinámico no lineal que exhibe comporta-
miento caótico, con aplicaciones en la modelación de osciladores químicos y sistemas caóticos.
Sistema de Ecuaciones:
dx

ag
= −y − z
dt
dy
= x + ay
dt
dz
= b + z(x − c)
dt

rr
Definición de Términos:

x(t), y(t), z(t) : Variables de estado en función del tiempo.

a, b, c : Parámetros del modelo.
zá
Ejercicio 20:
Sistema Dinámico: Modelo de Hodgkin-Huxley Simplificado (Neurona)

Descripción: Otra versión simplificada del modelo Hodgkin-Huxley que captura las princi-
pales características de la dinámica de los canales iónicos en las neuronas.
Li

Sistema de Ecuaciones:
dV
C = I − gNa m3 h(V − ENa ) − gK n4 (V − EK ) − gL (V − EL )
dt
dm
= αm (1 − m) − βm m
dt
dh
r.

= αh (1 − h) − βh h
dt
dn
= αn (1 − n) − βn n
dt
[D

Definición de Términos:

V (t) : Potencial de membrana en función del tiempo.

m(t), h(t), n(t) : Variables de comportamiento de los canales iónicos.
I : Corriente aplicada.
C : Capacitancia de la membrana.
gNa , gK , gL : Conductancias de los canales iónicos.
ENa , EK , EL : Potenciales de equilibrio para los iones Na, K y L, respectivamente.
αm , βm , αh , βh , αn , βn : Parámetros que modelan las tasas de transiciones entre estados de los canales.

Dynamic System Control