2011

Vctor Fairn
Estabilidad lineal de puntos crticos

El cambio de comportamiento de un sistema no lineal est ligado a la

idea de estabilidad de soluciones de un sistema. Las soluciones ms
simples las constituyen los puntos crticos y de cuantificarla nos
ocuparemos en este tema, por medio de lo que se denomina
principio de estabilidad lineal, que reduce el problema de la
estabilidad a la resolucin de un simple problema lineal.

UNED
Departamento de Fsica de Materiales,
Facultad de Ciencias
Estabilidad lineal de puntos crticos

1. Prembulo
Hagamos el siguiente experimento: abrimos Maple y tecleamos el procedimiento del recuadro
1 (p. 10) del tema 10. En lugar de introducir las ecuaciones de Lotka-Volterra, escribimos las
correspondientes al llamado Brusselator, unos de los primeros modelos estudiados en los
albores de la ciencia no lineal, a mediados de los aos 70 del pasado siglo (vase el Apndice
A). Las ecuaciones son:

= ( + 1) + 2 (1.1)

= 2

Las ecuaciones (1.1) contienen dos cantidades estrictamente positivas, y , llamados

parmetros de control, variables a voluntad (, ]0, ]). Las variables , son positivas.

Hagamos = 1, = 1.5 y, como condiciones iniciales, cojamos (0) = 2.3, (0) = 1.1

Figura 1

Vemos en la Figura 1 anterior que la trayectoria converge en el espacio de fases hacia el nico
punto crtico en el cuadrante positivo (Nagle, Saff y Snider, p. 264), que viene dado por

1
(0 , 0 ) = (, ). 1 Esto ocurre con cualquier condicin inicial que probemos. Hasta ahora,
no parece ocurrir nada interesante.

Aumentemos el parmetro de control hasta un valor de 1.99 y veamos lo que ocurre en la

Figura 2. Esta vez ponemos unas condiciones iniciales muy cercanas al punto crtico
((0) = 1.01, (0) = 1.99).

Figura 2

Aparentemente, nuestro problema parece haberse complicado algo: observamos un ovillo

alrededor del punto crtico que no termina de converger a l. Es posible que, como la
convergencia es para , necesitemos un mayor tiempo de integracin. Esto es lo que
hacemos en la Figura 3, subiendo ste de 100 unidades a 600, manteniendo igual el paso de
integracin y todos los dems valores de la Figura 2.

1
Observen que las coordenadas del punto crtico dependen de los valores de los parmetros de control
y , luego variarn cuando lo haga alguno de los dos parmetros.

2
Examinando la Figura 3 (pgina siguiente), vemos que, en efecto, la cuestin estaba
relacionada con lo que decamos en el prrafo anterior: era un problema de tasa de

convergencia hacia el punto crtico. Ahora bien, hay una consideracin importante que hacer.
Fijmonos en la diferencia en la tasa de convergencia hacia el punto crtico entre la Figura 1
(relativamente rpida) y la Figuras 2 y 3 (lenta). Parece que esto nos quiere decir algo. As es y
vamos a investigarlo.

Figura 3

Para hacerlo, subamos un poco ms el valor del parmetro de control . Lo vamos a hacer en
una cantidad pequea para tener la situacin bajo control: por ejemplo, lo subimos de 1.99 a
2.00, manteniendo todo lo dems igual que en las Figuras 2 y 3. Para = 2.00, obtenemos lo
que nos muestra la Figura 4.

3
 Figura 4

En la Figura 4 la situacin en el plano de fases ha cambiado radicalmente: obtenemos ahora

una curva cerrada en lugar de la convergencia hacia el punto crtico que veamos en las Figuras
anteriores. Confirmamos que as es aumentando el tiempo de integracin: veremos que la
curva cerrada no vara.

Habremos cado por casualidad sobre un ciclo lmite? Para ver si es as recordaremos que ste
es una trayectoria aislada. Por lo tanto, una condicin inicial distinta debe llevarnos a l.
Probmoslo con la condicin inicial (0) = 1.01, (0) = 2.00, ligeramente distinta a la de las
Figura 4; mantenemos la de esta ltima para poder establecer la comparacin. El resultado lo
tenemos en la Figura 5.

4
 Figura 5

Vemos en la Figura 5 que la condicin inicial nos lleva a una nueva trayectoria cerrada,
independiente de la de la Figura 4, conformando una situacin que nos recuerda el sistema de
Lotka-Volterra y no el de van der Pol. Esto es un tanto extrao, en tanto en cuanto los
resultados de las Figuras 1, 2 y 3 (punto crtico atractivo) parecen no congeniar con las Figuras
4 y 5 (una situacin indiferente con multiplicidad de trayectorias cerradas).

5
Sigamos investigando. Vamos a ver si el escenario de un sistema conservativo se consolida o
no. Para ello aumentamos el valor del parmetro de control de 2.00 a 2.1, dejando todo lo
dems en los valores de la Figura 4. El resultado aparece en la Figura 6.

Figura 6

En la Figura 6 hemos cambiado otra vez de escenario. Ha desaparecido la multiplicidad de

trayectorias cerradas y nos encontramos en un contexto parecido al van der Pol, con un ciclo
lmite (trazo grueso en la Figura 5) al que converge la trayectoria con origen en (0) =
1.01, (0) = 1.99. Esto es generalizable a cualquier condicin inicial que queramos probar,
por lo que nos encontramos ante una solucin peridica aislada (ciclo lmite) al que convergen
todas las trayectorias.

La situacin no cambia si seguimos aumentando el valor del parmetro de control .

Obtendremos un nico ciclo lmite, que ir aumentando su amplitud a medida que
incrementamos .

Recapitulemos el anlisis que acabamos de hacer. Bsicamente, a travs de la variacin del

valor del parmetro en el sistema de ecuaciones (1.1) nos hemos encontrado con tres

6
situaciones distintas. Para = 1.5 y = 1.9, estbamos en presencia de un punto crtico
atractivo. En = 2, el plano de fases cambia y nos devuelve una imagen parecida a un
sistema conservativo, tal como lo vimos en el tema 10. Un poco ms arriba, para = 2.1,
nuevo cambio en el espacio de fases, que esta vez muestra un ciclo lmite atractivo y,
correspondientemente, un punto crtico digamos, abusando del lenguaje repulsivo (el
punto crtico sigue estando ah).

En un lenguaje ms formal diremos que hemos presenciado una , siendo el valor

= 2 el punto de bifurcacin. Los trminos coloquiales atractivo y repulsivo que hemos
empleado sustituyen a los que realmente se emplean en matemticas y fsica: e
, respectivamente. Es ms, como veremos ms tarde el primer concepto se
acompaar a veces de la locucin asintticamente. As diremos que el punto crtico es
asintticamente estable para = 1.5 y = 1.9 e inestable para = 2.1. El punto crtico es
simplemente estable para = 2. Finalmente, el ciclo lmite es asintticamente estable para
= 2.1.

Tambin podemos entroncar con lo visto en el Tema 10 sobre estabilidad estructural.

Observemos el caso = 2. Slo para este preciso valor hemos encontrado el comportamiento
de las Figuras 4 y 5. Una pequea desviacin por muy pequea que sea hacia valores de
menores o mayores, lleva a un comportamiento totalmente distinto. El sistema para los
valores de los parmetros de control = 1, = 2 es claramente estructuralmente inestable.
Caracterizaremos esto mejor ms adelante.

Estudiaremos todos estos conceptos en los dos temas siguientes. Empezaremos con el de
estabilidad, que ser el centro del presente tema. Las bifurcaciones sern estudiadas en el
Tema 12.

Puede que el concepto de estabilidad no les sea extrao: el libro de Nagle, Saff y Snider lo
menciona en algunas contadas ocasiones, aunque no hace ningn tratamiento sistemtico. En
el presente tema haremos uso intensivo de los sistemas de ecuaciones lineales. Ser una
buena oportunidad para repasar el Tema 9 de ese libro.

Recomendacin: repaso del Tema 9 del libro de Nagle, Saff y Snider.

7
 Demos CDF para acompaar el tema
Existen varias demos CDF que son tiles para este tema. Todas vienen a tratar el mismo
problema, a saber, el espacio de fases de un sistema lineal de primer orden en el plano (dos
variables). El coger uno u otro es una cuestin de gustos. Aqu slo me limitar a presentarlos.

http://demonstrations.wolfram.com/Eigenvalu http://demonstrations.wolfram.com/Homoge
esAndLinearPhasePortraits/ neousLinearSystemOfCoupledDifferentialEqu
ations/

http://demonstrations.wolfram.com/PhasePort http://demonstrations.wolfram.com/PhasePo
raitsEigenvectorsAndEigenvalues/ rtraitAndFieldDirectionsOfTwoDimensionalLin
earSystems/

8
 2. El concepto de estabilidad de puntos crticos
El objetivo de este tema es caracterizar la estabilidad de los puntos crticos, o estados
estacionarios (por razones obvias). 2

Por qu slo los puntos crticos y no tambin otro tipo de comportamientos? La contestacin
es bien simple. Primero, por algn lugar hay que empezar, y lo hacemos por lo ms simple.
Segundo, vamos a dar un carcter formal al tratamiento (no olvidemos que hacemos
matemticas) y ste est bien desarrollado para puntos crticos. No es el caso, sin embargo,
para otro tipo de soluciones, aunque no por ello no existan mtodos para abordar el
problema. Sin embargo, estos sobrepasan el contexto de esta asignatura y, para verlos,
tendrn que esperar a ver la teora de sistemas dinmicos ms en profundidad.

Estrictamente hablando, un punto crtico debera ser considerado un estado estable, en tanto
en cuanto una vez instalado en l el sistema no se mueve, por definicin. Sin embargo, en el
mundo real un sistema nunca permanece en un estado a medida que pasa el tiempo. Est en
contacto con un entorno complejo, con el cual intercambia energa, momento y,
eventualmente, materia de forma aleatoria. A esto hemos de sumar la variabilidad intrnseca
de todo sistema macroscpico, variabilidad que se manifiesta en forma de fluctuaciones
termodinmicas. Esto hace que un estado estacionario est sometido continuamente a
perturbaciones, de mayor o menor tamao. Necesitamos saber qu es lo que le pasa a un
estado estacionario cuando se ve perturbado. La subsiguiente evolucin temporal, hace
regresar el sistema o lo aleja definitivamente? Tendremos entonces que enmarcar el
concepto de estabilidad dentro del contexto de reaccin frente a perturbaciones. Nos
interesaremos, en definitiva, por la respuesta frente a una perturbacin inicial (0) al estado
estacionario. En otras palabras, por la evolucin del sistema desde la condicin inicial
() = ss + (0).

Podemos formalizar el problema introduciendo dos entornos del punto crtico, y () , de

tamao y (), respectivamente.

Definicin 1.

es estable en el sentido de Lyapunov si, para cada entorno de existe un

cierto entorno () tal que toda trayectoria que empieza en () se mantiene
siempre en .
es inestable si no existe () .
es asintticamente estable si es estable y toda trayectoria empezando en ()
tiende a cuando .

Esta definicin geomtrica puede complementarse con otra, ms analtica:

Definicin 2. Se dice que un sistema es estable en el sentido de Lyapunov si, para > 0,
() > 0 tal que para toda condicin inicial (0) que cumpla |(0) | < , se cumple

2
La literatura tambin utiliza la denominacin de punto fijo.

9
|() | < para 0. La estabilidad asinttica queda garantizada si, adems, se
cumple |() | 0 cuando .

Cuando existe estabilidad asinttica el punto crtico es un atractor del sistema. Claramente,
slo podemos esperar estabilidad asinttica en sistemas disipativos, puesto que la atraccin de
trayectorias hacia el punto crtico conlleva una contraccin de reas en el espacio de fases,
posibilidad excluida en los sistemas conservativos (vase el Apndice B para una explicacin
ms detallada)

La formalizacin anterior del concepto de estabilidad responde a la percepcin intuitiva que

tenemos sobre los requisitos a exigir al estado de un sistema fsico para poder observarlo. Las
perturbaciones y fluctuaciones naturales que acompaan a todo sistema fsico haran
imposible el sostenimiento del sistema en un estado que no satisfaga el requisito de
neutralizacin del efecto de aquellas gracias a la estabilidad asinttica.

El concepto de estabilidad de los puntos crticos ofrece un corolario importante. Ya hemos

visto anteriormente de manera informal cmo la inestabilidad de un punto crtico sealaba la
aparicin de un comportamiento ms complejo. En consecuencia, la medida de la estabilidad
(o inestabilidad) de dicho punto crtico es un paso ineludible a la hora de investigar la
eventualidad de soluciones complejas en un sistema. Si es as, no se nos escapa la importancia
de formalizar

3. El Principio de estabilidad lineal

Sea () uno de los eventuales puntos crticos (o estados estacionarios) del sistema

= (, ) (3.1)

Este punto, del que queremos analizar la estabilidad, actuar de estado de referencia y, para
simplificar la notacin, lo simbolizaremos por (entendiendo que () ; ( , ) = 0).
Analicemos la evolucin temporal de una perturbacin () = () :

= ( + , ) ( , ).

Supongamos que (, ) puede expandirse en serie de Taylor alrededor de :

1 2
( + , ) = ( , ) + + + (3.2)
2

Sustituyendo (3.2) en (3.1), obtenemos

1 2
= + + , (3.3)
2

o bien,

10

= () + (, ) (3.4)

reagrupando partes lineal y no lineal de (3.3) en () y (, ), respectivamente. El

operador () el llamado Jacobiano de F, evaluado en el punto crtico de referencia, mientras
que (, ) contiene contribuciones que son no lineales en x. En sistemas dinmicos de ms
de una dimensin (, ) es un vector, mientras que () es una matriz.

Ejemplo: el Brusselator
Es fcil ver que el nico punto fijo tiene como coordenadas 0 = , 0 = . Un simple
clculo nos lleva a

2
2 + 2 + 2
(, ) = 1 2 , (, , , ) =

2 2

El llamado Principio de Estabilidad Lineal va a comparar dos problemas: a saber, el problema

no lineal completo, dado por la ecuacin (3.4) y el linealizado, dado por la ecuacin

= () , (3.5)

Esencialmente, podrn compararse si nos restringimos a valores de apropiadamente

pequeos que hagan que el trmino lineal en (3.4) sea dominante, es decir en un determinado
pequeo entorno de = 0.

En tal caso, y de acuerdo con la Definicin 2, si la solucin trivial de (3.5), = 0, es

asintticamente estable en el sentido de Lyapunov, entonces tambin lo es en el mismo
sentido en el problema no lineal (3.4). Nos aseguramos de que existe ese entorno , dentro del
cual todas las soluciones convergen al origen y eso nos basta para satisfacer la estabilidad
asinttica segn la Definicin 2. De modo similar, si la solucin trivial del problema lineal (3.5)
es inestable en el sentido de Lyapunov, tambin lo ser en el mismo sentido en el problema no
lineal (3.4).

Todas estas consideraciones pueden formalizarse en el siguiente teorema (que no

demostraremos):

Teorema (de estabilidad de Lyapunov) Si el sistema linealizado posee un comportamiento

significativo, entonces las caractersticas de estabilidad de dicho sistema son esencialmente las
mismas que las del sistema no lineal completo.

11
El teorema no dice nada en el caso de que el sistema sea simplemente estable en el sentido de
Lyapunov (no lo sea asintticamente). En este caso, deben tenerse en consideracin los
trminos no lineales. Un ejemplo que ilustra esto lo proporciona el simple sistema no lineal

= 2

El sistema linealizado, en las proximidades del origen, es

=0

Las perturbaciones se mantienen, luego debera, segn un anlisis lineal, ser estable pero no
asintticamente estable. Sin embargo, si analizamos las soluciones del sistema no lineal
original, veremos que

(0)
() =
1(0)

Cada una de estas soluciones tiene una discontinuidad asinttica en = 1(0); el origen es,
por tanto, inestable. Vemos cmo un sistema dinmico puede tener un punto crtico inestable
aun cuando la linearizacin indica la estabilidad.

En cualquier caso, esto no resta importancia al teorema. Permite simplificar notablemente el

anlisis del paso de la estabilidad a la inestabilidad, uno de las cuestiones fundamentales en
teora no lineal.

4. Forma de Jordan del sistema linealizado

Podemos ahora implementar las conclusiones que se han extrado de la seccin anterior.
Bsicamente, hemos de recordar que la solucin general al sistema (3.5) viene dada por
(seccin 9.8 del Nagle, Saff y Snider)

() = e() (0), (4.1)

Sin embargo, la expresin formal dada por (4.1) no nos es de gran utilidad, en tanto en cuanto
su desarrollo estricto, que viene dado por

() =
=0 [()] (0)
!

no es ventajoso desde un punto de vista operacional. Hay que tratar de encontrar un

procedimiento para sortear esta dificultad.

La situacin ms simple es la de una matriz () diagonalizable. Si as ocurre, sabemos que

existe una matriz no singular, , tal que = 1 , siendo una matriz diagonal cuyos
elementos son los valores propios (1 , , ) de . Aplicando esta transformacin a (3.5)

12

1 = 1 () 1 (0) (4.2)

o bien

= () (4.3)

La solucin de (4.3) es sencilla, en tanto en cuanto sabemos que

e1 () 0 01 e1 () 01
() = e ()
(0) = = (4.4)
() 0 e ()
0
0 e

A modo de recordatorio, se ha escrito expresamente la dependencia de los parmetros en la

expresin (4.4). Obtenido (), la obtencin de () es trivial invirtiendo la transformacin.

La cuestin no es tan simple cuando la matriz jacobiana deja de ser diagonalizable.

Recordemos, antes de proceder ms adelante, algunas nociones bsicas de teora de matrices.
Sea, una matriz ( ). El polinomio caracterstico asociado con viene definido por el
determinante caracterstico det( ). Expandiendo el determinante caracterstico

1
det( ) = 0 + 1 + + = (4.5)
=1

donde es el determinante de . Si es nulo, una de las races del polinomio caracterstico

es nula; se deduce, pues, que para que sea no singular todos las races del polinomio
caracterstico deben ser distintas de cero.

Consideremos, ahora, el caso en que existe una raz de (4.5) degenerada. Digamos que sea ,
con multiplicidad . En este caso, (4.5) se escribe:

det( ) = ( ) ()

Se denomina a la expresin ( ) un divisor elemental del polinomio caracterstico; ()

es un polinomio tal que ( ) 0. El nmero entero es conocido como la multiplicidad
algebraica de , y el nmero de vectores propios linealmente independientes asociado a
es la denominada multiplicidad geomtrica a no confundir con la algebraica y que
denotaremos como . Generalmente, . Cuando = para un cierto valor propio ,
se dice que ( ) es un divisor elemental simple.

Mencionemos, tambin, el concepto de : dos matrices y son similares si existe

una matriz no singular tal que = 1 . Es fcil demostrar que tienen el mismo
polinomio caracterstico: det( ) = det( ). En otras palabras, los coeficientes en
(4.3) son invariantes frente a transformaciones de similitud.

13
Estamos interesados en aquella transformacin de similitud que permita obtener la forma de
la matriz ms simple posible. El siguiente resultado permite hacerlo.

Teorema. Toda matriz ( ) es similar a una matriz de la forma

0
= 1
(4.6)

Donde 0 es una matriz diagonal , con elementos 1 , 2 ,

1 0 0 0
+ 0
0 + 1 0
,
= = 1, 2, , (4.7)
0 0 0 + 1
0 0 0 0 +

Las matrices irreducibles , = 0, . . , , se denominan bloques de Jordan. Las cantidades

( = 1, 2, , + ) son los valores propios de y no son necesariamente distintos.

La matriz tiene filas y columnas, de tal forma que se cumple

+ = ,
=1

donde es la dimensin del sistema lineal original (3.5).

La matriz en bloques diagonales se llama forma cannica de Jordan. Las matrices ,

acompaantes del valor propio + son diagonales slo cuando todos los divisor es
elementales son simples. Por lo tanto, si todos los divisores del polinomio caracterstico son
simples, la forma cannica de Jordan es diagonal.

De forma similar a la ecuacin (4.3), una apropiada transformacin de similitud nos lleva a

= () (4.8)

con solucin () = e () (0),

e
()
e = . (4.9)

e

El bloque 0 es diagonal, luego:

e1 () 0
0 ()
e =
()
0 e

Es ms, a partir de (4.7), podemos escribir el bloque ( ) en la forma

14
 = + +

0 1 0 0 0
0 0 1 0 0
0 0 0 0 0
con =

0 0 0 0 1
0 0 0 0 0

sta es una matriz con todas las entradas nulas excepto las inmediatamente encima de la
diagonal principal, que son iguales a 1. Por todo ello,

1 2 2! 1 ( 1)!

0 1 2 ( 2)!
e () = e + e = e + 0 0 1 3 ( 3)!.

0 0 1

Como resultado final, podemos enunciar el siguiente teorema:

Teorema. Si () una solucin primitiva del sistema lineal (3.5) asociada con el valor propio
con multiplicidad algebraica , entonces () tiene la forma

() = 1 ()e , 2 ()e , , ()e ,

donde los polinomios () ( = 1,2, , ) son polinomios de grado 1.

15
 Ejemplos: anlisis de Jordan con Maple

16
 5. Sistemas de dos variables
Hemos visto la teora general de anlisis del sistema linealizado. Ahora vamos a aplicarlo a un
sistema de dos variables, de forma a poder visualizar en el plano con ejemplos en Maple las
distintas opciones que se nos abren.

En sistema linealizado en dos dimensiones toma la siguiente forma:

1
= 11 1 + 12 2
(5.1)
2
= 21 1 + 22 2

mientras que el correspondiente problema de valores propios y su polinomio caracterstico,

puede escribirse, respectivamente, como:

(11 )1 + 12 2 = 0
(5.2)
21 1 + (22 )2 = 0

2 + (Tr) + (det ) = 0 (5.3)

siendo Tr y det , la traza y el determinante de . La obtencin de las races de (5.3) y su

clasificacin es conocida.

1. El discriminante ((Tr)2 4 det ) > 0: dos races reales.

1.1. det > 0, las races tiene el mismo signo (positivo si Tr > 0 y negativo si Tr < 0).

1.2. det < 0, las races tiene signos opuestos

1.3. det = 0, al menos una de las races es nula. Con Tr > 0, una raz es nula y la otra
positiva; con Tr < 0, una raz es nula y la otra negativa; con Tr = 0, ambas races
son nulas

2. El discriminante ((Tr)2 4 det ) < 0: dos races complejas conjugadas

2.1. Tr > 0, la parte real es positiva.

2.2. Tr < 0, la parte real es negativa.

2.3. Tr = 0, la parte real es nula.

3. El discriminante ((Tr)2 4 det ) = 0: raz real doble

3.1. Tr > 0, positiva.

3.2. Tr < 0, negativa.

Los casos en que Tr = 0 son los nicos que pueden darse en sistemas conservativos. As es,
ya que Tr = ( )ss = (div)ss y, por definicin, div = 0 en estos sistemas. En
sistemas disipativos, los casos con Tr = 0 son no genricos, en el sentido de requerir que se

17
cumpla una igualdad, frente a todos los dems casos que slo requieren una desigualdad. Esto
quiere decir que, en el espacio de parmetros, {}, el conjunto de puntos con Tr = 0 es de
medida nula. Constituyen casos frontera entre la estabilidad asinttica y la inestabilidad

Seguidamente, analizaremos algunos de los escenarios anteriores con la ayuda de casos

concretos ilustrados con Maple. Los distintos casos prcticos que siguen han sido elaboradas a
partir de David Macas Ferrer, Phase Plane for Two-Dimensional Autonomous System.

5.1 Races reales negativas ( < < ).

Tomemos el sistema siguiente:

= 4, = 2 5

El punto crtico (0,0) es asintticamente estable y se denomina NODO (races reales). En este
caso, las dos races son negativas y el punto crtico es asintticamente estable. Abajo,
aparecen las instrucciones para realizar el dibujo en Maple. Se carga el paquete DEtools y se
define el sistema. La funcin DEplot permite dibujar el campo vectorial y dos trayectorias en el
plano de fases. El campo es claramente convergente al punto crtico y las dos trayectorias
representadas tambin lo son. Por razn de comodidad al representar las trayectorias, se ha
cogido el intervalo de integracin [20,20].

18
 5.2 Races reales positivas ( > > ).

Sea el sistema:

= 3, = 2

En este caso, tenemos la situacin contraria a la anterior: un NODO INESTABLE. El campo

vectorial y las trayectorias divergen del punto crtico (0,0). Por lo dems, el anlisis procede
como en el caso anterior.

19
 5.3 Races reales de signo contrario ( > > ).

El sistema es:

= 7 3, = 6 4

Tenemos una raz positiva, luego el punto crtico (0,0) es claramente inestable. Existe tambin
una raz negativa, lo que quiere decir que existe una direccin en el espacio de fases en la que
el campo vectorial converge hacia el punto crtico. Cualquier movimiento es, por lo tanto,
combinacin de dos componentes: una inestable y otra estable, dominando, finalmente la
inestable. Esta situacin puede apreciarse observando detalladamente el campo vectorial del
dibujo siguiente y es tpica de lo que se denomina un PUNTO DE ENSILLADURA.

20
 5.4 Races complejas conjugadas ( < ).

Partamos del sistema:

= + 2, = 9 5

Dos races complejas conjugadas llevan a un punto denominado FOCO, que puede ser estable
o inestable. Aqu, slo analizamos la situacin estable. Recordemos que la solucin general es:

()
= e(Re) 1 sin(Im) + 2 cos(Im)
()

donde 1 y 2 son dos vectores constantes, dependientes de las condiciones iniciales. De

hecho, esta solucin explcita puede obtenerse con ayuda de Maple de la forma siguiente:

21
Esta solucin general es una solucin peridica amortiguada, tal como muestra el
correspondiente dibujo en el plano de fases.

5.5 Races complejas conjugadas ( = ).

En este caso, nos encontramos frente a la clsica solucin peridica, cuyos detalles pueden
obtenerse con las siguientes instrucciones en Maple. En este caso, el punto crtico se
denomina CENTRO.

22
 Ejercicio propuesto 1
Partimos de las ecuaciones generales de Lotka-Volterra (p. 9 del Tema 10):
= ; = + .

Encuentre los puntos crticos en funcin de los parmetros de control , , y .

Haga un estudio de estabilidad lineal para cada uno de los puntos crticos.
Qu punto no hemos considerado en el estudio del Tema 10?
Altera algo la naturaleza de los puntos crticos el hecho de trabajar ahora con los parmetros , ,
y en lugar de hacerlo, como en el Tema 10, con todos los parmetros igualados a uno?

23
 Ejercicio propuesto 2
Realice el estudio de estabilidad lineal de las ecuaciones (1.1) del Brusselator alrededor del punto
crtico (, /). Para ello obtenga los valores propios de la matriz Jacobiana en funcin de los
parmetros de control y .

Qu tipos de punto (foco, nodo, ensilladura) son de esperar en este sistema al variar los valores
de y .

Obtenga en el plano (, ), formado por los dos parmetros de control, cules son los dominios de
valores de esos dos parmetros en los cuales el punto crtico es un foco estable, un foco instable,
un nodo estable y un nodo inestable.

Apndice A: el Brusselator.

Uno de los primeros fenmenos no lineales
observados fue el de las oscilaciones
sostenidas en reacciones qumicas
(recurdese la reaccin de Briggs-Rauscher
en el Tema 10). En particular, algunas de
ellas ya se conocan desde los aos 40 y 50
del pasado siglo. Todas estas reacciones
son, en realidad, muy complejas, y
constituyen un agregado de mltiples
reacciones simples interdependientes que
involucran muchos especies qumicas.
Son cuatro reacciones simples involucrando
las especies qumicas (sin especificar) A, X,
Y, B, C y D. Se supone que la
concentracin de las especies A, B, C y D
puede ser controlada externamente y se
mide la respuesta a este control de la
concentracin de las especies X e Y.
Lefever y Nicolis obtuvieron que las
especies X e Y mostraran oscilaciones tipo
ciclo lmite slo si exista una reaccin
trimolecular del tipo 2X + Y 3X.

En un deseo de simplificar las cosas desde El sistema de ecuaciones (1.1) modela el

un punto de vista terico, Lefever y Nicolis
se preguntaron cules deban ser las
condiciones mnimas para que un esquema
de reacciones llevase a oscilaciones
sostenidas tipo ciclo lmite. Llegaron a
proponer el esquema siguiente, conocido
como Brusselator:
AX
2X + Y 3X
B+XY+C
conjunto de reacciones del Brusselator de
acuerdo con la Ley de Accin de Masas.
Las letras y simbolizan las
concentraciones de A y B, respectivamente,
apropiadamente redimensionadas. Son
controlables externamente y, por lo tanto,
constituyen nuestros parmetros de control.
Las letras e , representan las
concentraciones de las especies X e Y. Las
especies C y D, al ser productos de
reaccin, no intervienen en las ecuaciones
(1.1).

XD

24
La condicin de Lefever y Nicolis equivale
matemticamente a tener al menos un
trmino de tercer grado ( 2 ) en las
ecuaciones. Esta condicin es
perfectamente generalizable fuera del
contexto de las reacciones qumicas: un
sistema autnomo de segundo orden y de al
mximo trminos cuadrticos, no puede
tener un ciclo lmite.
Apndice B: sistemas conservativos vs.
sistemas disipativos
Un corolario muy importante de la
propiedad de conservacin que hemos
examinado en el Tema 10 es la
conservacin de las reas en el espacio de
fases tratamos aqu el sistema de dos
variables, aunque todo lo que se diga es
generalizable a dimensiones mayores. Es
posible demostrar, aunque no lo haremos
aqu, que en los sistemas conservativos un
elemento de superficie en el plano
de fases se conserva a lo largo del tiempo.
Las implicaciones de este resultado son
evidentes. Consideremos en la vecindad de
un punto cualquiera un conjunto de puntos
ocupando un rea (0). En un instante
posterior estos mismos puntos definen un
rea tal que:
() = (0)
En este caso, los puntos de un conjunto de
condiciones iniciales dado por el elemento
, no pueden acercarse indefinidamente
a lo largo del tiempo, ya que el rea
disminuira. La conservacin del rea
puede asegurarse de dos formas:
I. Un elemento de rea evoluciona en
el tiempo sin deformarse
sustancialmente.
II. Si se expande en un sentido, tiene
que contraerse en el otro, de forma a
1
conservar el rea total. Si se expande
como , > 0, debe contraerse
como , > 0, de forma a que
1.
En el caso I dos trayectorias inicialmente
prximas permanecen as a lo largo del
tiempo (caso Lotka-Volterra, por ejemplo).
En el segundo caso, tienden a separarse
exponencialmente (caso de la separatriz en
el pndulo vase Figura 1 del Tema 10).
Desde el punto de vista dinmico, esto tiene
su importancia: las trayectorias son estables
en el primer caso e inestables en el
segundo, ya que una pequea separacin
inicial se amplifica a lo largo del tiempo.
Veamos ahora los sistemas disipativos ( de
dispar: desvanecer, evaporarse, malgastar,
referido a la energa). Un sistema mecnico
con rozamiento es un sistema disipativo:
transforma el trabajo en calor, una forma de
energa termodinmicamente menos til.
Tambin lo es el esquema de reacciones
que lleva al Brusselator: aqu, la energa
que se degrada es la energa libre.
En sistemas como el pndulo amortiguado,
el van der Pol o el Brusselator no puede
haber conservacin de reas en el espacio
de fases, y eso porque sus trayectorias
colapsan en un punto o en un ciclo lmite,
ambos de menor dimensin que un rea. En
un sistema disipativo el flujo contrae las
reas. Esta contraccin puede operar de dos
formas:
I. Todas las dimensiones se contraen.
II. Alguna puede aumentar si otras
contrarrestan este aumento con una
disminucin ms rpida.
Es en dimensiones mayores que 2 donde
esta propiedad produce atractores caticos
con dimensiones fraccionarias, caso de
los atractores caticos. En dimensin 2,
como es el caso en todos los ejemplos que
hemos visto, ste no es el caso: slo
veremos puntos crticos y ciclos lmite, de
dimensin entera, naturalmente.