CAPÍTULO 1

SISTEMAS NO LINEALES
En este capítulo nos centraremos en procedimientos
generales, cualitativo para estudiar los sistemas de
ecuaciones diferenciales. Es difícil encontrar fórmulas
explicitas para soluciones de un sistema con dos
variables dependientes.
Mostraremos como usar la forma algebraica y
geométricas del campo vectorial para dar solución
general de los sistemas autónomos lineales. El objetivo
es adquirir familiaridad con los diagramas de fase de
los sistemas autónomos bidimensionales.
 Planos Fase Para Sistemas Lineales Con
Eigenvalores

Usaremos el algebra para calcular los eigenvalores (reales,

complejos o repetidos) y eigenvectores(asociados) de la
matriz de coeficientes, y con ellos podemos escribir la
correspondiente solución.

Consideremos ahora sistemas lineales homogéneo de orden

dos de la forma

{
x '1 ¿ a11 x1 + a12 x 2
x '2 ¿ a 21 x 1+ a22 x 2
con aij ∈ R →(¿)

a11 a 22+ a12 a 21 ≠ 0 .

O equivalentemente

x ' =Ax , con A=

( a11 a 12
a21 a 22 )
y det ( A ) ≠0 →(¿ ' )

Estas ecuaciones son asociadas a campos vectoriales lineales

A en R2 .

La condición det ( A ) ≠ 0 es equivalente a que el origen

(0,0)∈ R sea el único punto donde A se anula o sea el único
2

punto fijo de flujo lineal φ ( t , x )=eta x .

El polinomio característico de A es
 P A =det ( A−λI )=0

P A =det
(( a11 a12
a21 a22
−
) ( )) (
λ 0
0 λ
a −λ
=det 11
a21
a12
a 22− λ
=0
)
P A =( a11 −λ ) ( a22−λ ) −a 12 a21=0

P A =λ2− λ a11 −λ a22 +a11 a22−a12 a21=0

P A =λ2−( a11 + a22) λ+ a11 a 22−a12 a21=0

P A =λ2 + ( traza de A ) λ+ det ( A ) =0

Luego los valores propios ( raíces del P A ) son:

λ 1 , λ2 =
√ 2
traza ( A ) ± ( traza ( A ) ) −det ( A )
2

Entonces se presentan las siguientes posibilidades

a) Los valores propios λ1 , λ2 ∈ R de A son reales y

diferentes con λ1 , λ2 ≠0
b) Los valores propios son complejos conjugados: λ1=α +iβ ,
λ2= λ1=α−iβ ,con β ≠0
c) Los valores propios son reales e iguales

Empezamos analizando el primer caso (a)

Sean V 1 y V 2 vectores propios correspondiente a cada valor

propio λ1 , λ2 y se denota con N 1 y N 2 a las líneas generadas
por los respectivos vectores. Sabemos que toda solución de
( ¿' ) puede ser escrita de la forma

φ ( t )=C 1 e λ t V 1+ C2 e λ t V 2
1 2

Como el comportamiento geométrico de las orbitas depende

de los signos de los autovalores λ1 y λ2 se presentan los
siguientes casos:

a.1) λ2 < λ 1< 0 (atractor y sumidero)

 Todas estas trayectorias vienen del infinito y tienden al
origen cuando t →+∞ a excepción del origen que
permanece fijo, toda trayectoria tiende al ∞ ,cuando
t →−∞ . Si C1 ≠ 0 , la recta tangente a la trayectoria
tiende a la línea N 1 , cuando t →+∞ .
λ2 t
C 2e C 2 ( λ −λ ) t
De hecho, si t →+∞ , λ1 t
=
C1
e 2 1
→ 0 , porque λ2− λ1 <0 .
C 1e
Tal como se muestra en la siguiente figura

Atractor

En esta subclase decimos que el origen ( 0,0 ) ϵ R 2 es un

atractor o pozo y es un nodo asintóticamente estable

Ejemplo
Se considera el siguiente sistema de ecuaciones diferenciales
dY
=CY
dt
 {
dx
¿ −1 x +0 y
dt
dy
¿ 0 y −4 y
→ donde C= −1 0
0 −4 [ ]
dt

Primero calculamos los eigenvalores de C encontrando las

raíces del polinomio característico

0 −4 [
P A =det ( C−λI ) →C−λI = −1 0 − λ 0 = −1−λ
0 λ 0 ][ ][
0
−4−λ ]
(
P A =det −1−λ
0 −4−λ )
0 =(−1− λ ) (−4−λ ) =0.

P A =λ2 +5 λ+ 4=0

Entonces los eigenvalores de C son λ1=−1 y λ2=−4 .

Luego calculamos los eigenvectores:
Para λ1=−1 , debemos reemplazar en ( C−λ1 I ¿ V =0 , donde

V =( x 1 , y 1)

[ ][
C−λ1 I = −1 0 − −1 0 = 0 0
0 −4 0 −1 0 −3 ][ ]
[ ][ ] []
0 0 ∗ x1 = 0
0 −3 y 1 0

{ 0 x 1 +0 y 1 ¿ 0
0−3 y 1 ¿ 0
→−3 y 1=0 → y 1=0

x
(¿¿ 1 , 0) → x 1 (1,0)
2
( x 1 , y 1 ) ϵ R /¿
¿
→ M =¿
De este resultado observamos que cualquier vector no cero
V que este a lo largo de la línea y=0 (el eje x ) en el
plano, es un eigenvector para λ1=−1. Entonces se escoge
V 1=(1,0) y obtenemos:
−t −t
Y 1 ( t )=e V 1=e (1,0)

es una solución de línea recta que tiende al origen.

Para λ2=−4 , debemos reemplazar en ( C−λ2 I ¿ V =0 , donde

V =( x 1 , y 1)

[
C−λ2 I = −1 0 − −4 0 = 3 0
0 −4 0 −4 0 0 ][ ][ ]
[ ][ ] []
3 0 ∗ x1 = 0
0 0 y1 0

{
3 x 1 +0 y 1 ¿ 0
0 x 1 +0 y 1 ¿ 0
→3 x 1=0 → x 1=0

→ M = {( x 1 , y 1 ) ϵ R2 /(0, y 1)→ y1 ( 0,1)} → ( 0,1 )=V 2

De este resultado observamos que cualquier vector no cero

V que este a lo largo del eje y en el plano, es un
eigenvector para λ2=−4. Entonces se escoge V 2=(0,1) y
obtenemos:
Y 2 ( t )=e−4 t V 2=e−4 t ( 0,1) .

Luego la solución general es

−t −4 t
Y ( t ) =k 1 e V 1 +k 2 e V2
−t −4 t
¿ k 1 e (1,0 )+ k 2 e ( 0,1 )
−t −4 t
¿(k 1 e , k 2 e )
en el retrato de fase que se esboce para este sistema cuyas
soluciones de línea recta que tienden al origen y de hecho
este será su comportamiento siempre que se encuentren en
un sistema lineal con dos eigenvalores negativos.
 Figura: retrato de fase de dicho sistema
a.2) λ2 < λ 1=0

En esta subclase las orbitas están contenidas en rectas

C1 =0,
horizontales que se acercan al eje vertical las
¿
soluciones son semirrectas de N 2 ¿ y orientadas de la
siguiente forma como se muestra en la figura

a.3) λ1 <0< λ2 (punto silla)

En esta subclase las orbitas son curvas que tienen un

comportamiento geométrico muy parecido a las
hipérbolas, las trayectorias que tengan su valor inicial
sobre la recta ( N 1) de vector de dirección V 1 , tienden a
aproximarse al origen, pero el resto, al aumentar t,
crecen, por lo que tienden al infinito, es decir están
orientadas de la siguiente forma.

Punto silla

recta cuyo vector corresponde al menor valor propio es orientado hacia el origen
recta cuyo vector corresponde al mayor valor propio es orientado alejado del origen

Luego decimos que el origen es un punto silla y es

inestable
 Ejemplos
considere el sistema lineal:
dY
= AY
dt

{ {
dx dx
¿ −3 x ¿ −3 x +0 y
dt dt
→
dy dy
¿ 2y ¿ 0 x+ 2 y
dt dt

donde A= −3 0
0 2 [ ]
Note que dx /dt depende solo de x y dy /dt depende solo
de y . Es decir, el sistema está completamente
desacoplado(independiente). Podemos resolver esas dos
ecuaciones en forma independiente usando procedimientos
de solución de ecuaciones diferenciales.
Primero calculamos los eigenvalores de A encontrándolas
raíces del polinomio característico

0 2 [0 λ][ ][
P A =det ( A−λI ) → A− λI = −3 0 − λ 0 = −3−λ
0
0
2− λ ]
(
P A =det −3−λ
0 2− λ )
0 =(−3−λ )( 2−λ ) =0.

Entonces los eigenvalores de A son λ1=−3 y λ2=2 .

Luego calculamos los eigenvectores:
Para λ1=−3 , debemos reemplazar en ( A− λ1 I ¿ V =0 , donde

V =( x 1 , y 1)
 ][ [
A− λ1 I = −3 0 − −3 0 = 0 0
0 2 0 −3 0 5 ][ ]
[ ][ ] []
0 0 ∗ x1 = 0
0 5 y1 0

{ 0 x1 ¿ 0
5 y1 ¿ 0

De este resultado observamos que cualquier vector no cero

V que este a lo largo de la línea y=0 (el eje x ) en el

plano, es un eigenvector para λ1=−3. Entonces se escoge

V 1=(1,0) y obtenemos:
Y 1 ( t )=e−3 t V 1=e−3 t (1,0)

es una solución de línea recta cuya curva es el eje x

positivo. La solución tiende al origen cuando t crece.

Para λ2=2 , debemos reemplazar en ( A− λ2 I ¿ V =0 , donde

V =( x 1 , y 1)

[ ][ ][
A− λ1 I = −3 0 − 2 0 = −5 0
0 2 0 2 0 0 ]
[ ][ ] []
−5 0 ∗ x1 = 0
0 0 y1 0

{
−5 x 1 ¿ 0
0 y1 ¿ 0

De este resultado observamos que cualquier vector no cero

V que este a lo largo del eje y en el plano, es un
eigenvector para λ2=2. Entonces se escoge V 2=(0,1) y
obtenemos:
Y 2 ( t )=e2 t V 2=e2 t (0,1) .
Luego la solución general es
−3 t 2t
Y ( t ) =k 1 e V 1 +k 2 e V 2
−3 t
¿ k1 e ( 1,0 )+ k 2 e2 t ( 0,1 )
¿( k 1 e−3 t , k 2 e2 t )

Nota: El vector asociado al valor propio negativo es aquel

donde la orientación de las trayectorias va a ser su
ingreso hacia el origen y en el otro vector su
orientación es de salida.

En la figura se exhibe el retrato de fase para este sistema.

Aquí observamos que solamente las soluciones de línea recta
se encuentran sobre los ejes, pero todas las otras se
comportan de manera diferente, pues parece que tiende al
infinito asintóticamente al eje “y” y llegar del infinito
asintóticamente al eje “x”. Para ver por qué ocurre,
consideremos una solución Y (t) que no sea una solución de
línea recta. Entonces
−3 t 2t
Y ( t ) =k 1 e V 1 +k 2 e V 2

donde k1 y k2 son no nulos. Cuando t es grande y

positiva, el termino e−3t es muy pequeño. Por tanto, para t
grande positiva, el vector e
−3t
V1 en la solución general es
despreciable(nula) y tenemos entonces
Y ( t ) ≈ k 2 e2 t V 2
Es decir, para valores grandes y positivos de t, nuestra
solución se comporta como una solución de línea recta sobre
el eje ‘y’.
Lo opuesto es verdadero cuando consideramos valores
grandes y negativos
de t. en este caso, el termino e 2t es muy pequeño y tenemos
−3 t
Y ( t ) ≈ k1 e V1
que es una solución de línea recta a lo largo del eje x.
Por ejemplo, la solución particular de este sistema que
satisface
Y ( 0 )=(1,1) es Y ( t ) =(e−t , e 2t ) .

La coordenada x de esta solución tiende a 0 cuando t → ∞ y

hacia infinito cuando t →−∞ . La coordenada y se comporta
de manera opuesta (vea las gráficas x (t) y y (t) en la
siguiente figura
A lo largo de los ejes vemos las familias de líneas fase para las
ecuaciones unidimensionales: un sumidero a lo largo del eje
‘x’ y una fuente sobre el eje ‘y’. Todas las otras soluciones
tienden al infinito cuando t → ± ∞. Esas soluciones vienen del
infinito en la misma dirección de los eigenvectores
correspondientes al sumidero unidimensional y tienden a
regresar al infinito en la dirección de la fuente unidimensional.
Cualquier sistema lineal para el cual se tiene un
eigenvalor positivo y otro negativo tiene un comportamiento
similar. Un punto de equilibrio de esta forma punto silla.

OTROS PUNTOS SILLA

En el ejemplo anterior vimos que los eigenvectores estuvieron
sobre los ejes coordenados ‘x’ e ‘y’.

En forma general los eigenvectores para un punto silla pueden

encontrarse sobre dos líneas distintas cualquiera que pasen
por el origen. Esto hace que los planos fase y las grafica x (t)
y y (t) se vean de forma diferente, para ello veamos el
siguiente ejemplo:
Consideremos el sistema
dY
=BY
dt

{
dx
¿ 8 x−11 y
dt
dy
¿ 6 y−9 y
[
→ donde B= 8 −11
6 −9 ]
dt

Primero calculamos los eigenvalores de B encontrándolas

raíces del polinomio característico

[
6 −9 ][ ][
P A =det ( B− λI ) → B−λI = 8 −11 − λ 0 = 8−λ −11
0 λ 6 −9− λ ]
( )
P A =det 8− λ −11 = ( 8−λ )(−9−λ )−(−11∗6)=0.
6 −9−λ
P A =λ2 + λ−6=0

Entonces los eigenvalores de B son λ1=−3 y λ2=2 . Estos

eigenvalores son iguales que los del ejemplo anterior, por lo

que el origen es un punto silla
Luego calculamos los eigenvectores:
Para λ1=−3 , debemos reemplazar en ( B−λ 1 I ¿ V =0 , donde

V =( x 1 , y 1)
 [ ][
B−λ 1 I = 8 −11 − −3 0 = 11 −11
6 −9 0 −3 6 −6 ][ ]

[ 6 −6 ][ ] []
11 −11 ∗ x1 = 0
y1 0

{ 11 x 1−11 y 1 ¿ 0
6 x 1−6 y 1 ¿ 0
→11 x 1=11 y 1 → x 1= y 1

x
(¿ ¿ 1 , x 1 )→ x1 (1,1)
2
( x 1 , y 1 ) ϵ R /¿
¿
→ M =¿

De este resultado observamos que cualquier vector no nulo

V que este a lo largo de la línea y=x en el plano no sirve
como un eigenvector para λ1=−3. Entonces se escoge
V 1=(1,1) y obtenemos:

Y 1 ( t )=e−3 t V 1=e−3 t (1,1)

es una solución de línea recta que se encuentra sobre la línea

y=x, y tiende al origen cuando t crece.
Para λ2=2 , debemos reemplazar en ( B−λ 1 I ¿ V =0 , donde

V =( x 1 , y 1)

[ ][ ][
B−λ 1 I = 8 −11 − 2 0 = 6 −11
6 −9 0 2 6 −11 ]
 [ ][ ][]
6 −11 ∗ x 1 = 0
6 −11 y 1 0

{ 6 x 1−11 y 1 ¿ 0
6 x 1−11 y 1 ¿ 0
6
→ 6 x1=11 y 1 → y1 = x 1
11

x
6
(¿ ¿ 1 , x 1 )→ x 1(1, 6 )
11 11
2
x ,
( 1 1)y ϵ R /¿
¿
→ M =¿

así obtenemos el eigenvector para λ2=2 que se encuentra

a lo largo de la línea 6 x 1−11 y 1 y este es V 2=( 11,6 ) . Esto a su

vez da una solución de línea recta de la forma

Y 2 ( t )=e2 t V 2=e2 t ( 11,6)
que se aleja del origen al crecer t .luego la solución general
es:
−3 t 2t
Y ( t ) =k 1 e V 1 +k 2 e V 2
−3 t
¿ k1 e ( 1,1 ) + k 2 e 2 t ( 11,6 )
−3 t 2t −3 t 2t
¿( k 1 e +11 k 2 e , k 1 e + 6 k2 e )

Como antes, esperamos que si k1 y k2 son no nulas, esas

soluciones llegan del infinito en la dirección de V 1 y regresan
al infinito en la dirección de V 2 . En el plano fase vemos las

dos soluciones de línea recta junto con varias otras

soluciones. Lo importante del análisis anterior en el ejercicio
es que una vez que hallamos los eigenvalores y eigenvectores
se puede inmediatamente elaborar el retrato de fase
completo.

a.4) 0=λ2 < λ1

Las orbitas están contenidas en rectas verticales que se

alejan del eje horizontal y orientadas como se muestran
en la figura
a.5) Si 0< λ 1< λ2 (repulsor o fuente)

Todas las trayectorias salen(alejan) del origen cuando

t → ∞ , a excepción del origen que permanece fijo ver la
figura

(repulsor o fuente)

En este caso decimos que el origen es un repulsor o

fuente o nodo inestable

Caso (b)

Toda solución de (¿ ) se puede escribir de la siguiente

manera
αt
φ ( t )=e ( C1 cos ( βt ) V 1 +C2 sen ( βt ) V 2)
donde C1 y C 2 son parámetros.

Se presentan los siguientes casos:

b.1) Si α =0 (raíces imaginarias puras, centro)

Entonces la solución general es de la forma

φ ( t )=(C1 cos ( βt ) V 1 +C 2 sen ( βt ) V 2)

2π
Es una solución periódica de periodo β
. Ahora las
trayectorias son cerradas que rodean el origen estas
trayectorias son elípticas. Decimos que origen es un
centro.

centro

Además, un centro es un ejemplo de un punto critico

estable pero no es asintóticamente estable.

b.2) Si α>0 (foco

inestable)

Vamos a ver que

e
αt
aumenta al
crecer el t , las
trayectorias emanan del origen. Toda solución, tiende
para (0,0) espiralando en torno del origen, cuando
t →−∞

Decimos que el origen es un nodo inestable o repulsor o

punto espiral inestable o foco inestable

b.3) Si α < 0 (foco atractor)

Es lo contrario del anterior, las trayectorias se acercan al

origen en espiral, toda solución tiende para el origen
espiralando en torno del origen cuando t →+∞ siendo
este un nodo asintóticamente estable o atractor o punto
espiral estable o foco estable

Foco atractor o estable

Caso (c) Los valores propios son reales e iguales
En este caso el punto critico se dice que es un nodo
degenerado o impropio.
Empecemos analizando donde todo vector es un
autovector en estos casos todas las trayectorias son
rectas y además se dice que el origen es una solución
estrella.
c.1) A− λI =(0 λ)
λ 0 , λ< 0
(atractor)

En esta subclase las trayectorias son rectas que, al

crecer t, se aproxima al origen. Luego se tiene el
siguiente comportamiento geométrico.

c.2) A− λI =(0 λ)
λ 0 , λ> 0
(repulsor)
En esta subclase las trayectorias son rectas que, al
crecer t, se alejan del origen. Luego se tiene el siguiente
comportamiento geométrico.

(0 λ)
c.3) A− λI =
λ 1 , λ< 0
(nodo degenerado y
asintóticamente estable)

En esta subclase las trayectorias, al crecer t, se

aproximan al origen. Luego se tiene el siguiente
comportamiento geométrico.
c.4)

( )
A− λI = λ 1 , λ> 0
0 λ
(nodo degenerado inestable)

En esta subclase las trayectorias, al crecer t, se alejan

del origen. Luego se tiene el siguiente comportamiento
geométrico.
c.5) A− λI =(0 λ)
λ 1 , λ=0

En esta subclase las trayectorias son rectas horizontales

excepto el eje X, orientadas de la siguiente forma.
 LINEALIZACIÓN DE SISTEMAS NO LINEALES

Ejemplo

Consideremos el siguiente sistema

{
dx
¿ −2 xy=F (x , y)
dt
dy
¿ −x+ y + xy − y 3=G(x , y )
dt

Primer paso se hallarán los puntos críticos resolvamos el

sistema
0 ¿ −2 xy =F( x , y)
3
0 ¿ −x+ y+ xy− y =G( x , y)

despejando F ( x , y ) =0 obtenemos que xy=0 entonces

x=0 o y=0 , este resultado reemplazamos en
G ( x , y )=0 , para obtener

−x + y− y 3=0 x+ ( y 3− y ) =0

para x=0

→ ( y 3− y )=0

→ y ( y 2−1 ) =0

→ y ( y−1 )( y +1 )=0

obteniendo así y= {−1,0,1 } con este resultado cubrimos

que sí
 y=0 → x=0

luego los puntos críticos son (0,−1) ,(0,0) ,(0,1) .

Segundo paso calculamos la matriz Jacobiana de la forma

[ ]
dF dF
(x , y ) (x , y )
dx dy
MJ=
dG dG
(x , y ) ( x , y)
dx dy

MJ=
[
−2 y −2 x
−1+ y 1+ x−3 y
2 . ]
Tercer paso se hace el análisis en cada punto crítico, que
en este caso son tres ( 0,−1 ) , ( 0,0 ) , ( 0,1 ) . Empezamos por el
más fácil:

3.1) Para (0,0)

Primero hay que evaluar la matriz Jacobiana (MJ) en

(0,0)

[ ][
dF ( ) dF ( )
0,0 0,0
MJ= dx
dG
( 0,0 )
dy
dG
( 0,0 )
= 0 0
−1 1 ]
dx dy

luego el MJ evaluado en el punto es mi nuevo A

Segundo realizamos el análisis como en sistemas

bidimensionales
P A =det ( A−λI )

[
→ A−λI = 0 0 − λ 0 = −λ
−1 1 ][ ][
0
0 λ −1 1−λ ]
P A =det −λ( )
0 =−λ ( 1− λ )=0.
−1 1−λ
Entonces los eigenvalores de A son λ1=0 y λ2=1 .
 Para λ1=0 , debemos reemplazar en ( A− λ1 I ¿ V =0 ,

donde V =( x 1 , y 1)

[ ][ ][
A− λ1 I = 0 0 − 0 0 = 0 0
−1 1 0 0 −1 1 ]
[ ][ ] []
0 0 ∗ x1 = 0
−1 1 y 1 0

{ 0 x1 −0 y 1 ¿ 0
−1 x1 +1 y 1 ¿ 0
→ x 1= y 1

x
(¿ ¿ 1 , x 1 )→ x1 (1,1)
2
( x 1 , y 1 ) ϵ R /¿
¿
→ M =¿
Para λ2=1 , debemos reemplazar en ( A− λ2 I ¿ V =0 ,

donde V =( x 1 , y 1)

[ ][ ][
A− λ2 I = 0 0 − 1 0 = −1 0
−1 1 0 1 −1 0 ]
[ ][ ] []
1 0 ∗ x1 = 0
−1 0 y 1 0

{ −1 x1 +0 y 1 ¿ 0
−1 x1 +0 y 1 ¿ 0
→ x 1=0

→ M = {( x 1 , y 1 ) ϵ R2 /(0, y 1)→ y1 ( 0,1)} → ( 0,1 )=V 2

3.2) Para (0,1)

Primero hay que evaluar la matriz Jacobiana (MJ) en

(0,1)

[ ][
dF ( ) dF ( )
0,1 0,1
MJ= dx
dG
( 0,1 )
dy
dG
( 0,1 )
= −2 0
0 −2 ]
dx dy

Segundo como el punto crítico ( x 0 , y 0 ) =(0,1) no es el

origen hay que hacer un cambio, una traslación de
coordenadas
u=x −x0 =x−0=x

v = y− y 0= y−1

Luego de allí obtenemos el sistema lineal asociado

es de la forma
 [ ][]
dF dF
(x , y ) (x , y )
[]
u'
v
' =
dx 0 0
dG
(x , y )
dy 0 0
dG
( x0, y0)
∗
u
v
dx 0 0 dy

[][ ][]
dF ( ) dF ( )
0,1 0,1
u' dx dy
= ∗u
v' dG dG v
( 0,1 ) ( 0,1 )
dx dy

[][
u' −2 0
v
' = ][][
∗ u = −2 u+0 v
0 −2 v 0 u−2 v ]
Como vemos este sistema asociado ya tiene como
punto crítico el origen en el plano u, v.

Tercero realizamos el análisis al nuevo sistema

asociado como lo realizamos en los sistemas
bidimensionales
P A =det ( A−λI )

[
0 −2 0 λ ][ ][
→ A−λI = −2 0 − λ 0 = −2−λ
0
0
−2−λ ]
(
P A =det −2−λ
0 −2−λ )
0 = (−λ−2 )2=0.

2
P A =( λ+ 2) =0
Entonces el eigenvalor de A λ1=−2 de
multiplicidad 2, es así que nos encontramos en el
caso c.1) de análisis bidimensional, donde es un
nodo estrella como es un atractor ( λ1 <0) es
asintóticamente estable

Para λ1=−2 , debemos reemplazar en ( A− λ1 I ¿ V =0 ,

donde V =( x 1 , y 1)

[ ][
A− λ1 I = −2 0 − −2 0 = 0 0
0 −2 0 −2 0 0 ][ ]
[ ][ ] []
0 0 ∗ x1 = 0
0 0 y1 0

{0 x 1−0 y 1 ¿ 0

x
(¿ ¿ 1 , y1 )→ x 1 (1,0)+ y 1 ( 0,1)
2
( x 1 , y 1 ) ϵ R /¿
→ M =¿
→ { ( 1,0 ) ,(01) }={ V 1 , V 2 }

3.3) Para (0,−1)

Primero hay que evaluar la matriz Jacobiana (MJ) en

(0,-1)

[ ][
dF ( dF (
0,−1 ) 0,−1 )
MJ= dx
dG
( 0,−1 )
dy
dG
( 0,−1 )
= 2 0
−2 −2 ]
dx dy
 Segundo como el punto crítico ( x 0 , y 0 ) =( 0,−1) no es el
origen hay que hacer un cambio, una traslación de
coordenadas
u=x −x0 =x−0=x

v = y− y 0= y+ 1

Luego de allí obtenemos el sistema lineal asociado

es de la forma

[ ][]
dF dF
( x0 , y0 ) (x , y )
[]u'
v
' = dx
dG
( x0, y0)
dy 0 0 ∗ u
dG
( x0, y0)
v
dx dy

[][ ][]
dF dF
( 0,−1 ) ( 0,−1 )
u' dx dy u
' = ∗
v dG dG v
( 0,−1 ) ( 0,−1 )
dx dy

[][
u'
v ' =
2
][][
0 ∗ u = 2u+ 0 v
−2 −2 v −2 u−2 v ]
Como vemos este sistema asociado ya tiene como
punto crítico el origen en el plano u, v.

Tercero realizamos el análisis al nuevo sistema

asociado como lo realizamos en los sistemas
bidimensionales
P A =det ( A−λI )

→ A−λI = 2 [
0 − λ 0 = 2−λ
−2 −2 0 λ ][ ][
0
−2 −2−λ ]
(
P A =det 2−λ )
0 =−(2−λ )( λ+ 2 )=0.
−2 −2−λ
P A =( 2−λ )( λ+ 2 )=0

Entonces los eigenvalores de A son λ1=−2 y λ2=2 ,

es así que nos encontramos en el caso a.3) de
 análisis bidimensional, donde es un punto silla y es
inestable

Para λ1=−2 , debemos reemplazar en ( A− λ1 I ¿ V =0 ,

donde V =( x 1 , y 1)

A− λ1 I = 2 [ ][
0 − −2 0 = 4 0
−2 −2 0 −2 −2 0 ][ ]
[ ][ ] []
4 0 ∗ x1 = 0
−2 0 y 1 0

{ 4 x 1 +0 y 1 ¿ 0
−2 x 1+ 0 y 1 ¿ 0
→ x 1=0

→ M = {( x 1 , y 1 ) ϵ R2 /(0, y 1)→ y1 ( 0,1) } → ( 0,1 )=V 1

Para λ2=2 , debemos reemplazar en ( A− λ2 I ¿ V =0 ,

donde
V =( x 1 , y 1)

A− λ2 I = 2 [ ][ ][
0 −2 0= 0
−2 −2
0
0 2 −2 −4 ]
[ 0
][ ][]
0 ∗ x1 = 0
−2 −4 y 1 0

{ 0 x1 +0 y 1 ¿ 0
−2 x 1−4 y1 ¿ 0
→−2 x 1−4 y 1=0

→ x 1=−2 y 1

→ M = {( x 1 , y 1 ) ϵ R2 / (−2 y 1 , y 1 ) → y 1 (−2,1 ) }

→ (−2,1 )=V 2
Luego el sistema en general seria:
Linealización:
Linealizar un sistema consistirá en hallar un término lineal para ello consideramos
la forma de un sistema no lineal

dx
=f ( x , y )
dt
dy
=g ( x , y )
dt

x
Suponga que ¿ , y 0 ¿ es un punto de equilibrio para este sistema .Para poder
¿
¿
x
entender que sucede con las soluciones cerca de ¿ y0 ¿ , es decir,
¿
¿
x
linealizar, es decir linealizar el sistema cerca ¿ y 0 ¿ , agregamos nuevas
¿
¿
variables

u=( x−x 0 )
v =( y− y 0 )

Que mueven el punto de equilibrio al origen .Si x e y están cerca del punto
x
de equilibrio ¿ y 0 ¿ entonces u y v tienden a cero .como:
¿
¿

x=u+ x 0
y=v+ y 0

Donde los números x 0 , y 0 son constantes quedando escrito el nuevo

sistema en términos de u y v de la siguiente manera

du d ( x−x 0 ) dx
= = =f ( x , y )=f ( x 0 +u , y 0 + v )
dt dt dt

dv d ( y− y 0 ) dy
= = =g ( x , y )=g ( x 0+u , y 0 + v )
dt dt dt

Por lo tanto nos queda

du
=f ( x 0 +u , y 0 +v )
dt
 dv
=g ( x 0 +u , y 0 +v )
dt

Ahora eliminaremos los términos “de orden superior” o no lineales en las

expresiones para du /dt , dv /dt como estas expresiones pueden incluir
funciones exponenciales, logarítmicas o trigonométricas, no siempre es claro
cuáles son los términos lineales donde necesitamos estudiar con más cuidado a
f y g

Para esto es necesario estudiar una función analizando su “mejor aproximación

lineal” la cual está dada por el plano tangente para funciones de dos variables
donde decimos que

x
x
x
(¿ ¿ 0 , y 0 ) v
df
(¿ ¿ 0 , y 0) u+ ¿
dy
df
(¿ ¿ 0 , y 0)+ ¿
dx
du
=f ( x 0 +u , y 0 +v ) ≈ f ¿
dt

x
x
x
(¿ ¿ 0 , y 0)v
dg
(¿ ¿ 0 , y 0)u+ ¿
dy
dg
(¿ ¿ 0 , y 0)+ ¿
dx
dv
=g ( x 0 +u , y 0 +v ) ≈ g ¿
dt

Para que el sistema quede linealizado utilizamos la matriz jacobiana.

Matriz jacobiana

x
Si ¿ , y 0 ¿ es un punto crítico de un sistema tenemos que:
¿
¿
 x x
(¿ ¿ 0 , y 0 )=0 y (¿ ¿ 0 , y 0 )=0 donde podemos aproximar el sistema
f¿ f¿
x
linealizandolo alrededor del punto ¿ , y 0 ¿ tendremos
¿
¿

x
x
(¿ ¿ 0 , y 0)v
df
(¿ ¿ 0 , y 0 )u+ ¿
dy
du df
= ¿
dt dx
x
x
(¿ ¿ 0 , y 0)v
dg
(¿ ¿ 0 , y 0 )u+ ¿
dy
dv dg
= ¿
dt dx

Pasando este sistema a una notación matricial de la forma

x
(¿ ¿ 0 , y 0)
x
(¿ ¿ 0 , y 0)
x
(¿ ¿ 0 , y 0)
x
¿
df df dg dg ¿ 0 , y u
¿ ¿ ¿ (¿
dx dy dx dy 0)
v ()
du

()dt =¿
dv
dt

Donde la matriz de las derivadas parciales en esta expresión recibe el nombre de

matriz jacobiana, en consecuencia el sistema queda linealizado en el punto de
x
equilibrio ¿ , y 0 ¿ .
¿
¿
En otras palabras utilizamos este sistema de linealización para estudiar el
comportamiento de soluciones del sistema no lineal cerca del punto de equilibrio
x
¿ , y 0 ¿ .donde se observa que para crear el sistema linealizado solo
¿
¿
necesitamos conocer las derivadas parciales de las componentes del campo
vectorial en el punto de equilibrio.

Es decir que la derivada de una función no lineal únicamente proporciona una

aproximación lineal. Por lo tanto las soluciones del sistema linealizado solo están
cercanas a las del sistema no lineal cerca del punto de equilibrio.

Ejemplo

Considere el sistema no lineal

dx
=−2 x+ 2 x 2
dt

dy 2
=−3 x + y +3 x
dt

Ahora hallamos los puntos de equilibrio

2
−2 x +2 x =0
2
−3 x + y +3 x =0

Donde resolviendo el sistema tenemos que hay dos puntos de equilibrio (0 , 0) y

(1 ,0) para entender las soluciones, calculamos la matriz jacobiana

x
(¿ , y 0 )
¿ 0
x
(¿ ¿ 0 , y 0 )
x
(¿ ¿ 0 , y 0 )
x
¿
df df dg dg ¿ 0 , y
¿ ¿ ¿ (¿
dx dy dx dy (
0 )=
−2 x+ 4 0
−3 x +6 1 )
¿
Ahora reemplazamos los puntos de equilibrio y tenemos

( )(
df df
(0 , 0) (0 , 0)
dx
dg
(0 , 0)
dy
dg
(0 , 0)
= −2 0
−3 1 )
dx dy

( )(
df
(1, 0) (1 ,0)
dx
dg
(1 , 0)
dg
( 1, 0)
=2 0
3 1 )
dx dy

Decimos que cerca del punto (0 , 0) , el plano fase para el sistema no lineal
debe al del sistema linealizado

d Y −2 0
dt
= (
−3 1
Y )
Los valores propios de este sistema son (−2, 1) por lo que el origen es un punto
1 ,1 /2
silla, entonces podemos calcular que sus vectores propios son )y
(1 ,0) , ¿
usando la información podemos esbozar el plano fase para el sistema lineal.

En el otro punto (1 ,0) , el sistema linealizado es

dY 2 0
dt
=
3 1 ( )
Y

Decimos que los valores propios de este sistema son (2 ,1) por lo que el origen
es una fuente, por lo tanto, podemos calcular que sus vectores propios son
1 ,1 /2
) y usando la información podemos esbozar el plano fase para el
(0 , 1), ¿
sistema lineal.
Linealizacion de sistemas no lineales
Consideremos el sistema
'
x =F (x , y)
y ' =G(x , y )

x
Con un punto critico aislado en (¿ ¿ 0 , y 0 ) es decir ( F ( x , y ) =0 y G ( x , y )=0 ) se
¿
dice que F ( x , y ) y G ( x , y ) se pueden desarrollar en series de potencias de

u=( x−x 0 )
v =( y− y 0 )
x
Entonces utilizando un desarrollo de Taylor alrededor de (¿ , y 0 ) adopta la
¿ 0
¿
siguiente forma
' '
u =x =F (x 0+u , y 0 + v)
 x
x
(¿ ¿ 0 , y 0 )+O( u , v ,uv )
dF
(¿ ¿ 0 , y 0 )+v ¿
dy
dF
¿ F ( x 0 , y 0 ) +u ¿
dx
dF dF
¿u +v +O(u , v , uv)
dx dy

x
Donde las derivadas parciales son evaluadas en (¿ ¿ 0 , y 0 ) o sea son números y
¿
}
O(u , v , uv) denota el resto del termino en v ¿ , u' v ' ; con n ¿ 2 e i+j
u¿
¿ 2 similarmente tenemos que

dG dG
v ' =¿ u +v +O' (u , v ,uv )
dx dy

Escribiendo matricialmente tenemos que

[ ][ ] [
dF dF
( x0 , y0 ) ( x0 , y0 )
[] ]
'
u dx dy u + O(u , v ,uv )
' =
v dG dG v O' (u , v , uv)
( x , y ) ( x , y )
dx 0 0 dy 0 0

La matriz

[ ]
dF dF
( x0 , y0 ) (x , y )
dy 0 0
F ( x , y ) , G ( x , y ) ¿ ( x , y )= dx
0 0
dG dG
(x , y ) (x , y )
dx 0 0 dy 0 0
J¿

Se le llama la matriz jacobiana del sistema evaluado en el

punto crítico ( x 0 , y 0 ) cuando u ,v son pequeños , es decir ,
cuando (u,v) ⇢(0,0) los términos de segundo orden y de
orden superior son pequeños despreciando estos términos
,conjeturamos que el comportamiento cualitativo y que cerca
a punto critico ( x 0 , y 0 ) es similar al sistema lineal asociado
 [ ][ ]
dF dF
( x0 , y0 ) (x , y )
[]
'
u dx dy 0 0 u
=
v' dG dG v
(x , y ) (x , y )
dx 0 0 dy 0 0

Donde

[ ]
dF dF
det dx dy ≠0
dG dG
dx dy

Aquí observamos que si ( x0 , y0 ) en un punto critico en el

sistema de coordinadas XY entonces (0,0) en el punto critico
en el nuevo sistema de coordenadas UV , por esto , los
teoremas que haremos en este temaestan referidos al punto
critico (0,0) en el proceso anterior sustituimos las matrices a
la cual le llamamos linealizacion
En esta forma consideramos el sistema
dx
=a1 x +b 1 y + f ( x , y )
dt
dy
=a2 x +b 2 y + g ( x , y )
dt

Donde tenemos que

dF
a1= (x , y )
dx 0 0

dF
b1= (x , y )
dy 0 0
dG
a2= (x , y )
dx 0 0

dG
b2= (x , y )
dy 0 0
Y
 F ( x , y ) =0 ,G ( x , y ) =0

Entonces se supone que también

det
[ ]
a1 b 1
a2 b 2
≠0