Estabilidad: Tutorial

Nicanor Quijano
The Ohio State University
Department of Electrical and Computer Engineering
2015 Neil Avenue, Columbus Ohio, 43210, USA
September 6, 2005
Contents
1 Introduccion: Motivacion y Limitaciones 1
2 Equilibrio 3
3 Estabilidad y Acotamiento 4
3.1 Conceptos Locales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3.2 Conceptos Globales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
4 Analisis de Estabilidad Va Lyapunov 7
4.1 Funciones Kampke . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
4.2 Funciones de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4.3 Estabilidad seg un Lyapunov: Teoremas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
5 Sistemas Lotka-Volterra 10
5.1 Modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
5.2 An alisis de Estabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
5.2.1 Equilibrios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
5.2.2 Primer Metodo de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
5.2.3 Segundo Metodo de Lyapunov (Metodo Directo) . . . . . . . . . . . . . . . . . . . . . 14
6 Conclusiones 16
1 Introducci on: Motivaci on y Limitaciones
En la vida diaria, podemos encontrar ejemplos b asicos de estabilidad. Por ejemplo, cada vez que nos ponemos
de pie, estamos ejerciendo un balance que nos permite mantenernos erguidos, y por ende no caernos. Lo
mismo sucede con la temperatura corporal, o por ejemplo cuando manejamos un carro. En todos estos
instantes, de una u otra forma algo internamente nos est a dando ordenes para mantener un punto de
equilibrio. Desde el punto de vista de la ingeniera podemos encontrar un sinn umero de ejemplos. Por
ejemplo, en algunas ocinas tenemos controles de temperatura que ayudan al bienestar de las personas; en
la vida diaria, podemos mencionar la estabilidad de los aviones, la posici on de los satelites que nos brindan
la informacion internacional, o los niveles de agua que pueden ser regulados dentro de unos par ametros
establecidos.
En nuestro campo, el area de control a nivel de investigaci on esta dominado totalmente por esta teora
de estabilidad. Por lo general, sin estabilidad la gran mayora de los objetivos que se trazan no podran ser
alcanzados. Esta es la razon fundamental por la cual cualquier ingeniero de control debe saber a ciencia
cierta esta teora, y cuales son sus aplicaciones en diversas areas.
1
Aleksandr Mikhailovich Lyapunov (Figura 1), uno de los principales cientcos de nales del siglo XIX es
nuestro referente en el an alisis que haremos a continuacion. Lyapunov, oriundo de Yaroslavl (perteneciente
a la Rusia imperial del siglo XIX) realizo sus estudios en la universidad de San Petersburgo donde conoci o a
cientcos de la talla de Chebyshev, Markov, y Mendeleev. Su tesis doctoral A general task about the stability
of motion se interesa principalmente en el comportamiento de las trayectorias del sistema cuando el estado
inicial se encuentra cerca al equilibrio. Desde cualquier punto de vista, este estudio es bastante importante
ya que existen perturbaciones externas tales como ruido, viento, o componentes de error que hacen que el
sistema se salga de su punto de equilibrio.
Figure 1: Aleksandr Mikhailovich Lyapunov.
Pero para ser justos, el primer cientco en estudiar estabilidad en el sentido moderno de la palabra fue
Joseph Louis Lagrange (Figura 2). Este matematico y astronomo italiano, por medio del an alisis de sistemas
mecanicos, introdujo lo que hoy se conoce como Lagrangian mechanics (1788), que para muchos es una forma
moderna de ver estabilidad por el uso que se hace de las energas cinetica y potencial.
Figure 2: Joseph Louis Lagrange.
La teora de estabilidad en el sentido de Lyapunov data de tiempo atr as, se podra decir que desde los
inicios de la teora de ecuaciones diferenciales. La idea de esta teora es sacar conclusiones sobre el compor-
tamiento del sistema sin tener que calcular la solucion de las trayectorias en un sistema denido por medio
de ecuaciones diferenciales. En general, en nuestro an alisis asumiremos que el lector tiene conocimientos
basicos de estabilidad de sistemas lineales. Ademas, debido al poco tiempo que se dispone para exponer los
conceptos de este documento, no trataremos en detalle el comportamiento de las trayectorias en dos dimen-
siones, mas si ilustraremos por medio de ejemplos ciertos detalles. En un futuro estas partes tienen que ser
incluidas en el documento. Varios textos son fundamentales a la hora de hablar de este tema (e.g., [1, 2, 3]).
Sin embargo, este tutorial esta basado principalmente en el documento [4].
2
2 Equilibrio
Asumamos que se tiene un sistema que puede ser descrito mediante la siguiente ecuacion diferencial
x = f(t, x) (1)
donde x R
n
es el estado del sistema, t 0, con una condici on inicial x(t
0
) = x
0
, siendo t
0
el valor
inicial del tiempo. Por lo general, no existen reglas generales que permitan encontrar de manera explcita las
soluciones del sistema descrito mediante la Ecuacion (1). En este caso, el analisis de este tipo de problemas
se realiza de dos formas: i) un an alisis cuantitativo mediante el cual se haya de manera explcita la solucion
de (1) utilizando metodos numericos y aproximaciones; o ii) un an alisis cualitativo, en el cual no se busca
una soluci on explcita de la solucion de (1), sino que el sistema es estudiado gracias al comportamiento de
la familia de soluciones del problema en cuestion. Nosotros enfocaremos este tutorial en este segundo tem,
ya que los resultados principales de este an alisis incluyen las propiedades de estabilidad de un punto de
equilibrio (o posici on de reposo), y el acotamiento de las soluciones de ecuaciones diferenciales de la forma
denida en (1).
Empecemos nuestro analisis por denir ciertas propiedades b asicas en nuestro problema. La ecuacion
diferencial que nos ata ne esta denida por intermedio de la Ecuaci on (1), d onde x R
n
. Para denir el
dominio de f tenemos que considerar dos opciones:
1. Si hablamos de resultados globales debemos asumir que f : R
+
R
n
R
n
, d onde R
+
= [0, +) es
el dominio del tiempo.
2. Si estamos considerando resultados locales debemos asumir que f : R
+
B(h) R
n
, para un cierto
h tal que B(h) = {x R
n
: |x| < h}, y | | es cualquiera de las normas en R
n
. Esto quiere decir que
estamos limitando nuestro analisis a una cierta bola de radio h donde esta denido nuestro estado x.
Algunas veces se asume que t R, pero nosotros asumiremos en lo que resta que t [t
0
, +), d onde t
0
0.
En el siguiente an alisis asumiremos que para un determinado t
0
, y una condici on inicial x(t
0
) = x
0
, el sistema
de la Ecuacion (1) posee una solucion unica que llamaremos (t, t
0
, x
0
). Esta solucion esta denida para todo
t t
0
y depende de manera continua de los datos iniciales, i.e., (t
0
, x
0
). Uno de los casos particulares en los
que esta aseveracion es cierta es cuando f satisface la condicion de Lipschitz que denimos a continuaci on.
Denicion 2.1 Condici on de Lipschitz: Sea D un conjunto tal que D R
n
. Llamemos C(D) al
conjunto donde todos los elementos de f son continuos, i.e., f C(D). Decimos que f C(D) satisface la
condici on de Lipschitz en D (con respecto a x) con constante Lipschitz L si
|f(t, x) f(t, y)| L|x y| (2)
para todo (t, x), (t, y) que pertenezcan a D. En este caso, la funci on f es continua seg un Lipschitz en x.
La Denici on 2.1 es importante porque nos permite establecer el siguiente teorema.
Teorema 2.1 Existencia Local y unica: Sea f(t, x) una funci on continua en todo t que satisface (2)
para todo x, y B = {x R
n
: ||x x
0
|| r} y para todo t [t
0
, t
1
]. Existe pues un determinado > 0 tal
que la ecuaci on
x = f(t, x) con x(t
0
) = x
0
tiene una soluci on unica sobre [t
0
, t
0
+ ].
Lo que nos quiere decir el Teorema 2.1 es que si para cierto x
m
x
0
, entonces la trayectoria (t, t
0
, x
m
)
(t, t
0
, x
0
) de manera uniforme en t en |t t
0
| para cierto > 0.
Una vez establecidas estas condiciones, podemos denir el punto de equilibrio.
Denicion 2.2 Un punto x
e
R
n
se dice que es un punto de equilibrio de la Ecuaci on (1) (en un tiempo
t

R
+
) si,
f(t

, x
e
) = 0 t t

3
Notese que para sistemas autonomos (aquellos en los cuales la Ecuaci on (1) no depende del tiempo), un
punto x
e
R
n
es un punto de equilibrio en un determinado tiempo t

si y solo si es un punto de equilibrio

, entonces la transformacion
= t t

reduce la Ecuacion (1) a

, x)
y por ende, x
e
es un punto de equilibrio en = 0. Es por ello que se asumira que t

= 0, y omitiremos su
uso en lo que resta del documento. Ademas, si x(t
0
) = x
e
, el sistema esta en reposo desde el inicio, por lo
cual no tiene porque desplazarse de su punto de equilibrio.
Ejemplo [1]: Consideremos el sistema descrito por
x
1
= x
2
x
2
=
g
l
sin(x
1
)
k
m
x
2
(3)
donde g, l, m, k > 0. Este sistema describe de forma simple el pendulo sin fricci on, y como se puede ver tiene
innitos puntos de equilibrio localizados en (n, 0), n = 0, 1, 2, . . .. Fsicamente solo tiene dos puntos de
equilibrio, y los dem as son la repeticion de los dos primeros.
Para poder denir ciertas caractersticas de un punto de equilibrio, introducimos la siguiente denici on.
Denicion 2.3 Un punto x
e
de (1) se dice que es un punto de equilibrio aislado si existe una constante
r > 0 tal que B(x
e
, r) R
n
no contiene mas puntos de equilibrio de (1) que x
e
. En este caso, la bola de
radio r y centro x
e
se dene como B(x
e
, r) = {x
e
R
n
: |x x
e
| r}.
Como podemos observar, todos los puntos de equilibrio de la Ecuaci on (3) son aislados en R
2
. Sin embargo,
existen sistemas en los cuales los puntos de equilibro no son aislados.
Ejemplo [4]: Consideremos el sistema
x
1
= ax
1
+ bx
1
x
2
x
2
= bx
1
x
2
(4)
donde a > 0 y b > 0 son constantes. Queda claro que x
1e
= 0, por lo cual cualquier punto en el eje positivo
de x
2
es un punto de equilibrio de (4). As pues, el punto de equilibrio no es aislado.
Es claro que existen casos en los cuales no existen puntos de equilibrio. Por ejemplo, tomemos el siguiente
ejemplo
x
1
= sin(x
1
+ x
2
) + x
1
x
2
= sin(x
1
+ x
2
) x
1
En lo que nos resta, asumiremos que los puntos de equilibrio son aislados. Tambien asumiremos que el punto
aislado de equilibrio que analizaremos es x
e
= 0. Por que? Asumamos que x
e
= 0 es un punto de equilibrio
de (1). Si denimos e = x x
e
, entonces e = 0 es un punto de equilibrio de
e = f(t, e + x
e
) (5)
Como las propiedades de (5) y (1) son las mismas, podemos asumir que el punto de equilibrio est a localizado
en x
e
= 0, el cual es conocido como el punto de equilibrio trivial de (1).
3 Estabilidad y Acotamiento
3.1 Conceptos Locales
El siguiente an alisis denir a la estabilidad de un punto de equilibrio x
e
= 0 de (1), mas no de un conjunto
de puntos de equilibrio. La raz on primordial de ello es que si quisieramos hacer lo ultimo, tendramos que
introducir el concepto de distancia, el cual puede llegar a confundir inicialmente al lector. En una versi on
mas detallada de este tutorial, es menester incluir este tipo de deniciones.
4
Denicion 3.1 Se dice que el punto de equilibrio x
e
de (1) es estable en el sentido de Lyapunov
(SISL) si para cualquier > 0 y cualquier t
0
R
+
existe un (, t
0
) > 0 tal que
|(t, t
0
, x
0
)| < t > t
0
(6)
cuando
|x
0
| < (, t
0
) (7)
Gr acamente esto podra verse como en la Figura 3, para el caso de n = 2.

(,t )
0
x
1
(t,t ,x )
0 0
x
2
Figure 3: SISL de un punto de equilibrio.
Cabe rearmar que es el punto de equilibrio el que es estable, mas no el sistema. Ademas, como en
la denici on se tienen que cumplir las Ecuaciones (6) y (7) para cualquier > 0 y cualquier t
0
R
+
, no
es logico tratar de probar que un punto de equilibrio es estable por medio de simulaciones. La simulaci on
solo ayudara para dar una intuici on sobre lo que podra suceder, mas no es en ning un caso una prueba
matematica.
En la Denici on 3.1, (, t
0
) depende de y t
0
. Si es independiente de t
0
, i.e., = (), entonces se dice
que el punto de equilibrio x
e
= 0 de (1) es uniformemente estable.
Denicion 3.2 Se dice que el punto de equilibrio x
e
de (1) es asimptoticamente estable (AS) si:
1. Es SISL.
2. Para cualquier t
0
0, existe un (t
0
) > 0, tal que
lim
t
(t, t
0
, x
0
) = 0 si |x
0
| < (t
0
)
El dominio de atraccion del punto de equilibrio x
e
de (1) es el conjunto de todas las condiciones iniciales
x
0
R
n
tales que (t, t
0
, x
0
) 0 cuando t para un cierto t
0
0. Si la segunda condici on es valida,
se dice que el punto de equilibrio x
e
de (1) es atrado.
Si en la segunda condici on no depende de t
0
, y adem as el punto de equilibrio x
e
de (1) es uniformemente
estable, se dice que el punto de equilibrio x
e
de (1) es uniformemente asimptoticamente estable (UAS).
Cual es la diferencia entre un punto de equilibrio que es SISL y uno que es AS? Cuando hablamos de SISL se
dice que el sistema tiene unas condiciones iniciales tales que si el sistema esta cerca de su punto de equilibrio,
entonces al nal el sistema se mantendra cerca del punto de equilibrio. Sin embargo, en la denici on de
AS lo que se tiene es que si el sistema arranca cercano al punto de equilibrio, entonces adem as de que la
trayectoria se mantendra cerca, esta convergera al punto de equilibrio.
5
Ejemplos:
x = 0: Este sistema tiene un punto de equilibrio que es SISL, m as en ning un momento es AS ya que
las trayectorias no convergen al punto de equilibrio.
x = ax: Si asumimos que a > 0, el punto de equilibrio es x
e
= 0, y como se puede ver este es SISL
pero ademas como la trayectoria es (t, t
0
, x
0
) = x
0
e
at
, tomando el lmite en el innito, se puede ver
que la trayectoria converge a 0, con lo cual es AS.
Este ultimo ejemplo nos muestra una caracterstica adicional, y es cuan r apido las trayectorias convergen
al punto de equilibrio. A continuaci on la denimos.
Denicion 3.3 El punto de equilibrio x
e
= 0 es exponencialmente estable (ES) si existe una constante
> 0, y para cualquier > 0, existe un () > 0 tal que
|(t, t
0
, x
0
)| exp
(tt0)
para todo t t
0
cuando |x
0
| < () y t
0
0.
La Figura 4 muestra el comportamiento de (t, t
0
, x
0
) en las vecindades de un punto de equilibrio x
e
= 0
que es ES.

x
0
(t)
t
e
- t
Figure 4: ES de un punto de equilibrio.
Si un punto de equilibrio x
e
= 0 de (1) no es SISL, entonces se dice que es inestable. Sin embargo,
pueden existir casos en los que las soluciones de (t, t
0
, x
0
) tienden a cero cuando t aumenta, por lo cual los
conceptos de inestabilidad y atracci on pueden ser compatibles.
Hasta ahora s olo hemos considerado propiedades locales del punto de equilibrio. A continuaci on enun-
ciaremos ciertas propiedades globales.
3.2 Conceptos Globales
Denicion 3.4 La soluci on de (t, t
0
, x
0
) de (1) es acotada si existen un > 0 tal que
|(t, t
0
, x
0
)| < t t
0
El sistema (1) posee estabilidad seg un Lagrange si para cada t
0
0 y x
0
, la soluci on (t, t
0
, x
0
) es acotada.
6
En la denici on anterior poda depender de t
0
. Si esta constante es tal que para cualquier > 0 y cualquier
t
0
R
+
, = () > 0 (independiente de t
0
), se tiene que si |x
0
| < , entonces |(t, t
0
, x
0
)| < para todo
t t
0
.
Denicion 3.5 Las soluciones de la Ecuaci on (1) son uniformemente y ultimamente acotadas (UUB)
si existe una constante B > 0 (que es la constante de acotamiento), y si para cualquier > 0 y t
0
R
+
,
existe un T = T() (independiente de t
0
) tal que
|x
0
| < |(t, t
0
, x
0
)| < t t
0
+ T
Gr acamente esta ultima denici on puede verse ilustrada en la Figura 5. Lo que se ilustra en esta gura
es que si bien se pueden llegar a tener oscilaciones elevadas en un principio, luego de un tiempo T(), las
trayectorias se ven acotadas por una especie de cilindro de radio B.

x
0
(t)
t
T()
B
Figure 5: UUB.
En la denici on de AS si el dominio de atracci on del punto de equilibrio x
e
= 0 es R
n
, se dice que x
e
= 0
de (1) es globalmente asimptoticamente estable (GAS). Finalmente, el punto de equilibrio x
e
= 0 de
(1) es globalmente exponencialmente estable (GES) si existe un > 0, y para cualquier > 0 existe
un k() > 0 tal que |(t, t
0
, x
0
)| k()|x
0
|e
(tt0)
para todo t t
0
cuando |x
0
| < .
4 Analisis de Estabilidad Va Lyapunov
4.1 Funciones Kampke
Antes de denir las funciones de Lyapunov y entrar a estudiar lo que se conoce como el metodo directo de
Lyapunov (o segundo metodo), tenemos que introducir un tipo especial de funciones que ser an de utilidad a
la hora de denir la estabilidad del sistema.
Denicion 4.1 Dcese que una funci on continua : [0, a) [0, ) es de clase K si es estrctamente
creciente y (0) = 0. Se dice que es de clase K

si a = y (r) cuando r .
Denicion 4.2 Dcese que una funci on continua : [0, a) [0, ) [0, ) es de clase KL (o KR
dependiendo del texto [3]) si para cada valor de s el mapeo (r, s) pertenece a la clase K con respecto a r y,
para cada valor de r el mapeo (r, s) es decreciente con respecto a s y (r, s) 0 cuando s .
7
Ejemplos [1]:
1. (r) = tan
1
r es estrctamente creciente, ya que
d(r)
dr
=
1
1+r
2
> 0. Es por ende de clase K, mas no
K

ya que lim
r
(r) =

2
< .
2. (r) = r
c
es de clase K

ya que
d(r)
dr
= cr
c1
> 0 (si c > 0), y lim
r
(r) = .
3. (r, s) =
r
ksr+1
, k > 0 es una funci on estrctamente creciente en r, ya que

r
=
1
(ksr + 1)
2
> 0
y decreciente en s, ya que

s
=
kr
2
(ksr + 1)
2
< 0
Por ende, ya que (r, s) 0 cuando s , entonces podemos concluir que (r, s) KL.
4.2 Funciones de Lyapunov
En esta seccion presentaremos resultados generales a nivel de estabilidad del punto de equilibrio x
e
= 0
del sistema descrito en la Ecuacion (1). Los siguientes resultados se basan en la existencia de una funci on
V (t, x) : D R, d onde D = R
+
B(h) cuando los resultados son locales, o D = R
+
R
n
cuando los
resultados son globales. En lo que resta, se asumir a en general que V (t, 0) = 0 para todo t R
+
.
Sea (t) una soluci on cualquiera de (1). Tomamos una funci on V (t, (t)), la cual se asume continuamente
diferenciable (C
1
) con respecto a t a lo largo de las soluciones de (1). La derivada de esta funci on a lo largo
de las trayectorias de (1) se escribe como

V
(1)
(t, (t)) =
V
t
(t, (t)) +V (t, (t))

f(t, (t))
o tambien, en general se escribe como

V
(1)
(t, x) =
V
t
(t, x) +V (t, x)

f(t, x)
=
V
t
(t, x) +

n
i=1
V
xi
(t, x)f
i
(t, x)
(8)
Notese que en (8), la derivada de V a lo largo de las trayectorias de (1) es evaluada sin tener que resolver
explcitamente las soluciones de (1). En el caso de un sistema autonomo, el primer termino de (8) desaparece,
y en ese caso

V
(1)
(x) = V (x)

f(x)
Ahora podemos caracterizar nuestra funci on V de varias formas. En lo que resta, asumiremos que V (t, x) :
D R, d onde D = R
+
B(h) cuando los resultados son locales, o D = R
+
R
n
, y que para todo t R
+
,
V (0, t) = 0. Ademas, se asumira que V es continua.
1. V es positiva denida si para alg un r > 0, existe una funci on K tal que
V (t, x) (|x|) t 0, x B(r)
2. V es decreciente si existe una funci on K tal que
|V (t, x)| (|x|) t 0, x B(r)
3. V (t, x) : R
+
R
n
R es radially unbounded si existe una funci on KL tal que
V (t, x) (|x|) t 0, x R
n
4. V es negativa denida si V es positiva denida.
8
5. V es positiva semidenida si V (t, x) 0 para todo x B(r) para cierto r > 0 y para todo t 0.
Para ilustrar los conceptos previamente expuestos, a continuacion mostraremos ciertos ejemplos.
Ejemplos [4]:
La funci on V (x) = x

x = x
2
1
+ x
2
2
+ x
2
3
R
3
R es positiva denida y radially unbounded.
La funci on V (t, x) = (1+cos
2
t)x
2
1
+2x
2
2
R
2
R es positiva denida, decreciente y radially unbounded.
4.3 Estabilidad seg un Lyapunov: Teoremas
Los siguientes teoremas son probados utilizando los metodos convencionales de , y se conocen como el
metodo directo de Lyapunov o segundo metodo de Lyapunov.
Teorema 4.1 SISL: Si existe una funci on V que es C
1
y positiva denida, con una derivada a lo largo
de las trayectorias que es negativa semidenida (o incluso que puede ser igual a 0), entonces se dice que el
punto de equilibrio x
e
= 0 de (1) es SISL.
Teorema 4.2 USISL: Si existe una funci on V que es C
1
, decreciente y positiva denida, con una derivada
a lo largo de las trayectorias que es negativa semidenida, entonces se dice que el punto de equilibrio x
e
= 0
de (1) es uniformemente estable (USISL).
Teorema 4.3 UAS: Si existe una funci on V que es C
1
, decreciente y positiva denida, con una derivada
a lo largo de las trayectorias que es negativa denida, entonces se dice que el punto de equilibrio x
e
= 0 de
(1) es uniformemente asimpt oticamente estable (UAS).
Teorema 4.4 UGAS: Si existe una funci on V que es C
1
, radially unbounded, decreciente y positiva
denida, con una derivada a lo largo de las trayectorias que es negativa denida para todo (t, x) R
+
R
n
,
entonces se dice que el punto de equilibrio x
e
= 0 de (1) es uniformemente globalmente asimpt oticamente
estable (UGAS).
Teorema 4.5 ES: Si existe una funci on V que es C
1
, y tres constantes positivas c
1
, c
2
, c
3
, tales que
c
1
|x|
2
V (t, x) c
2
|x|
2

V
(1)
(t, x) c
3
|x|
2
para todo t R
+
y todo x B(r) para un cierto r > 0, entonces se dice que el punto de equilibrio x
e
= 0 de
(1) es exponencialmente estable (ES).
Teorema 4.6 GES: Si existe una funci on V que es C
1
, y tres constantes positivas c
1
, c
2
, c
3
, tales que
c
1
|x|
2
V (t, x) c
2
|x|
2

V
(1)
(t, x) c
3
|x|
2
para todo t R
+
y todo x R
n
, entonces se dice que el punto de equilibrio x
e
= 0 de (1) es globalmente
exponencialmente estable (GES).
Teorema 4.7 UB: Si existe una funci on V que es C
1
denida en |x| R (donde el valor de R puede ser
arbitrariamente grande), 0 t , y si existen dos funciones
1
,
2
KL, tales que

1
(|x|) V (t, x)
2
(|x|)

V
(1)
(t, x) 0 |x| R
y para todo t R
+
, entonces se dice que las soluciones de (1) son uniformemente acotadas (UB).
Teorema 4.8 UUB: Si existe una funci on V que es C
1
denida en |x| R (donde el valor de R puede ser
arbitrariamente grande), 0 t , y si existen dos funciones
1
,
2
KL y
3
K, tales que

1
(|x|) V (t, x)
2
(|x|)

V
(1)
(t, x)
3
(|x|) |x| R
y para todo t R
+
, entonces se dice que las soluciones de (1) son uniformemente y ultimamente acotadas
(UUB).
9
5 Sistemas Lotka-Volterra
Finalmente, para ilustrar todo lo que se ha venido exponiendo en este documento, analizaremos a con-
tinuaci on uno de los sistemas mas simples de un ecosistema acuatico: el sistema Lotka-Volterra. Cuando
decimos que es sencillo, nos estamos reriendo a lo simple que es el modelo matematico, ya que en el fondo
este sistema nos presenta muchsimas mas cosas de las que podran llegar a verse basadas en este modelo.
5.1 Modelo
Para modelar de manera simple un ecosistema acuatico de dos especies de peces, consideraremos una de
estas especies como la presa y la otra como el depredador. Asumamos que la densidad de la presa tiene una
densidad v, y que la densidad del depredador es p. Volterra asumi o que la poblaci on de las presas crecen
de forma exponencial cuando no se tienen depredadores, siendo que los depredadores decrecen de la misma
forma en ausencia de presas. Esto nos lleva al siguiente modelo
v = av, (9)
p = cp,
donde a > 0 y c > 0. Si v(0) = 2 y p(0) = 0.2, la solucion esta dada en la Figura 6. Las trayectorias muestran
que en ausencia de depredadores (presas) la densidad de las presas aumenta (disminuye) exponencialmente
con un factor a (c, respectivamente). La solucion de la ODE es, para todo t 0
v(t) = v(0)e
at
p(t) = p(0)e
ct
donde v(0) y p(0) son las condiciones iniciales del sistema. Esto signica que si la densidad de las presas o de
los depredadores es igual a cero, entonces sera igual a cero siempre. En ausencia de presas, los depredadores
tambien comenzaran a extinguirse, mientras que en caso contrario, si los depredadores no est an presentes,
las presas aumentaran exponencialmente.
0 5 10 15 20 25 30
0
0.5
1
1.5
2
2.5
x 10
13
Prey and predator densities when the initial conditions are v(0) = 2, and p(0)= 0.2
v
(
t
)
0 5 10 15 20 25 30
0
0.05
0.1
0.15
0.2
p
(
t
)
time
Figure 6: Densidades de las presas y depredadores cuando las condiciones iniciales son v(0) = 2 y p(0) = 0.2.
Las constantes a y c son 1 y 2 respectivamente. La primera gura representa la densidad de las presas v(t),
y el segundo la densidad de los depredadores p(t), para los primeros 30 segundos.
10
Sin embargo, en la ODE en (9) no existe ninguna interacci on entre los componentes. Para representar
esto, Volterra asumio que la poblaci on de las presas disminuye linealmente como funcion de la densidad de
depredadores, y que la poblaci on de depredadores aumenta linealmente en terminos de la densidad de las
presas. El modelo se puede ver como
v = av bvp, (10)
p = cp + dvp,
con las constantes positivas a, b, c, y d. La Ecuacion (10) es conocido como el modelo Lotka-Volterra sin
competicion. La Figura 7 muestra una simulaci on de la ODE anterior para tres casos diferentes. Si se
hiciese un analisis de estabilidad lineal del sistema en (10) se veran los comportamientos oscilatorios de las
soluciones de v(t) y p(t) ilustrados en la Figura 7.
0 5 10 15 20 25 30
0
1
2
3
v
(
t
)
,

p
(
t
)
Prey (solid) and predator (dashed) densities for different initial conditions and different factors
0 5 10 15 20 25 30
0
1
2
3
4
v
(
t
)
,

p
(
t
)
0 5 10 15 20 25 30
0
5
10
15
v
(
t
)
,

p
(
t
)
time
Figure 7: Densidad de los depredadores (punteada) y de las presas (s olida) para diferentes par ametros y
condiciones iniciales. El primer gr aco ilustra el caso con las condiciones iniciales v(0) = 0.3 y p(0) = 1, y
los par ametros a = 1, b = 1, c = 1, y d = 1. El gr aco siguiente ilustra el caso con las condiciones iniciales
v(0) = 2 y p(0) = 2, y los par ametros a = 1, b = 2, c = 3, y d = 4. Finalmente, el ultimo gr aco ilustra el
caso con las condiciones iniciales v(0) = 4 y p(0) = 7, y los par ametros a = 6, b = 3, c = 2, y d = 1.
El sistema Lotka-Volterra descrito en (10) es una descripcion simplicada de una interacci on entre presas
y depredadores. Si le a nadiesemos factores externos al sistema, como lo es la competencia, tendramos que
incluir dos nuevos par ametros: las constantes e > 0 y f 0, las cuales describen la competencia entre presas
(depredadores) por un n umero limitado de recursos. En este caso, nuestro modelo se convierte en
v = v(a ev bp), (11)
p = p(c + dv fp),
La Figura 8 nos muestra las densidades v y p para este nuevo caso con diversas condiciones iniciales. La
principal diferencia entre el primer gr aco y los dos subsecuentes es que en el primer caso asumimos que
ad ce < 0, y en los ultimos asumimos que ad ce > 0. En nuestro an alisis de estabilidad, asumiremos el
segundo caso. Notese que en el primer caso la densidad de los depredadores tiende a cero, siendo que en los
otros dos casos tienden a un valor diferente de cero. Esto se aclarar a en lo que sigue.
Una forma de analizar el comportamiento de un sistema de orden 2 es por intermedio de diagramas
de fase o (phase plane). Ciertos ejemplos son ilustrados en las Figuras 9 y 10. En la siguiente seccion
analizaremos los puntos de equilibrio de (11).
11
0 5 10 15 20 25 30
0
0.5
1
v
(
t
)
,

p
(
t
)
Prey (solid) and predator (dashed) densities for different initial conditions and different factors
0 5 10 15 20 25 30
0
1
2
3
v
(
t
)
,

p
(
t
)
0 5 10 15 20 25 30
0
1
2
3
v
(
t
)
,

p
(
t
)
time
Figure 8: Densidad de los depredadores (punteada) y de las presas (s olida) para diferentes par ametros y
condiciones iniciales. El primer gr aco ilustra el caso con las condiciones iniciales v(0) = 1 y p(0) = 1,
y los par ametros a = 1, b = 1, c = 1, d = 1, e = 3, y f = 0. El siguiente gr aco ilustra el caso con
las condiciones iniciales v(0) = 2 y p(0) = 2, y los par ametros a = 1, b = 2, c = 3, d = 4, e = 1, y f = 0.
Finalmente, el ultimo gr aco ilustra el caso con las condiciones iniciales v(0) = 1 y p(0) = 1, y los par ametros
a = 6, b = 3, c = 2, d = 1, e = 2, y f = 0.5.
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0. 5
0
0.5
1
1.5
2
2.5
v
p
Phase plane for the Lotka Volterra system with competition with a=1, b=1, c=1, d=1, e=1, and f= 0
Figure 9: Phase plane para el sistema Lotka-Volterra con competencia con par ametros a = 1, b = 1, c =
1, d = 1, e = 1, y f = 0.
5.2 Analisis de Estabilidad
5.2.1 Equilibrios
Lo primero que tenemos que hacer es hallar el(los) punto(s) de equilibrio de (11). Para ello, tenemos v = 0 y
p = 0. Se puede ver que existe un punto de equilibrio trivial, i.e., (v
e1
, p
e1
) = (0, 0). Sin embargo hay otros.
12
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
1
0
1
2
3
4
5
6
v
p
Phase plane for the LotkaVolterra system with competition
Figure 10: Phase plane para el sistema Lotka-Volterra con competencia con par ametros a = 6, b = 3, c =
2, d = 1, e = 2, y f = 0.5.
Si p = 0, se tiene que v =
a
e
, por lo que existe otro punto de equilibrio que llamaremos (v
e2
, p
e2
) = (
a
e
, 0). En
el caso en el que v = 0 y p = 0, encontraremos que (v
e3
, p
e3
) = (
af+bc
bd+ef
,
adce
bd+ef
). Logicamente esto es valido
si ad ce > 0. Este caso se ilutra en la Figura 10 para los par ametros que nos dan el punto de equilibrio en
(v
e3
, p
e3
) = (2.25, 0.667). A continuaci on analizaremos la estabilidad de este punto de equilibrio.
5.2.2 Primer Metodo de Lyapunov
Una forma de analizar la estabilidad de este sistema es tomando el sistema linealizado y mirar los valores
propios del sistema. Para ello, se asume que se tiene un sistema no lineal de la forma
x = f(x)
donde f(x) es C
1
. El proceso para volver el sistema lineal es el siguiente
1. Encontrar el punto de equilibrio al hacer f(x
e
) = 0.
2. Tomar el Jacobiano de f(x), y evaluarlo en cada uno de los puntos de equilibrio x
e
.
3. Cambiar coordenadas de tal forma que = x x
e
, lo que implica que se estudiar an las trayectorias de
x relativas al punto de equilibrio x
e
.
4. Para cada uno de los puntos de equilibrio escribir el sistema lineal de tal forma que

= J(x
e
)
y luego analizar el nuevo sistema con punto de equilibrio en 0.
En este caso, para determinar el Jacobiano necesitamos tomar las derivadas parciales con respecto a las dos
variables v y p en (11), i.e.,
J =

(v(aevbp))
v
(v(aevbp))
p
(p(c+dvfp))
v
(p(c+dvfp))
p

13
y evaluar J en (v
e3
, p
e3
). El Jacobiano es
J(v
e3
, p
e3
) =

e(af+bc)
bd+ef

b(af+bc)
bd+ef
d(adce)
bd+ef
f(cead)
bd+ef

Transformando el sistema
e
v
= v v
e3
e
p
= p p
e3
En las nueva coordenadas, obtendremos
e
v
=

e
v
+
af + bc
bd + ef

(ee
v
be
p
) , (12)
e
p
= (de
v
fe
p
)

e
p
+
ad ce
bd + ef

,
Los valores propios del Jacobiano para (v
e3
, p
e3
) satisfacen

2
+ = 0
donde
=
1
+
2
= (fp
e3
+ ev
e3
)
=
1

2
= bdv
e3
p
e3
Por ende, la parte real de los valores propios
1
y
2
es positiva ya que se asumio que ad ce > 0. Entonces
podemos concluir que el punto de equilibrio (v
e3
, p
e3
) es AS.
5.2.3 Segundo Metodo de Lyapunov (Metodo Directo)
Por lo general hallar una funci on de Lyapunov no es f acil. Una que se utiliza en la literatura para este tipo
de casos es
V (e
v
, e
p
) = d

e
v
v
e3
ln
e
v
+ v
e3
v
e3

+ b

e
p
p
e3
ln
e
p
+ p
e3
p
e3

(13)
la cual es C
1
. Supongamos que
V (e
v
, e
p
) = dV
1
(e
v
) + bV
2
(e
p
)
donde
V
1
(e
v
) = e
v
v
e3
ln
ev+ve3
ve3
V
2
(e
p
) = e
p
p
e3
ln
ep+pe3
pe3
La Figura 11 nos muestra un gr aco de esta funcion.
Analizando esta funci on, podemos ver que la funci on evaluada en 0 es
V (0, 0) = dv
e3
ln
v
e3
v
e3
bp
e3
ln
p
e3
p
e3
= 0
Ahora, analicemos V
1
(e
v
) (el an alisis es identico para V
2
(e
p
)). Podemos ver en la Figura 12 los dos elementos
principales de V
1
(e
v
). Para entender porque esta funcion es creciente (lo que la hace un candidato perfecto
para nuestro an alisis), hagamos el siguiente an alisis sabiendo que e
v
> 0,
exp

e
v
v
e3

0
Si extendemos la exponencial utilizando una expansi on de Taylor al rededor de cero, se tiene que
exp

e
v
v
e3

= 1 +
e
v
v
e3
+

ev
ve3

2
2!
+ . . .
14
Figure 11: Funci on de Lyapunov cuando los par ametros son a = 6, b = 3, c = 2, d = 1, e = 2, y f = 0.5.
Ya que e
v
> 0 todos los par ametros son positivos, lo cual nos da que
1 +
e
v
v
e3
+

ev
ve3

2
2!
+ . . . > 1 +
e
v
v
e3
Entonces,
exp

ev
ve3

> 1 +
ev
ve3
=
ev+ve3
ve3
Tomando el logaritmo a ambos lados,
e
v
v
e3
> ln

e
v
+ v
e3
v
e3

Lo que implica que si e

e
v
+ v
e3
v
e3

> 0
Como el mismo analisis es valido para V
2
(e
p
), entonces V (e
v
, e
p
) > 0 en un determinado sector de (e
v
, e
p
).
A continuacion necesitamos demostrar que

V < 0. Tomando la derivada de V a lo largo de las trayectorias,
se tiene que
d
dt
V (e
v
, e
p
) = d

e
v

ve3 ev
ev+ve3

+ b

e
p

pe3 ep
ep+pe3

= d

ev(ev+ve3ve3)
ev+ve3

+ b

ep(ep+pe3pe3)
ep+pe3

= d(ee
v
be
p
)e
v
+ be
p
(de
v
fe
p
)
= dee
2
v
bde
p
e
v
+ bde
v
e
p
fbe
2
p
= dee
2
v
fbe
2
p
entonces,
d
dt
V (e
v
, e
p
) 0

V (e
v
, e
p
) = 0 solo si e
v
= 0 y e
p
= 0. Se deduce que el punto de equilibrio (e
v
, e
p
) = (0, 0) es AS.
Si f = 0,

V (e
v
, e
p
) = 0 cuando e
v
= 0. Para que el sistema mantenga esta condici on, necesitamos que las
trayectorias esten en la lnea e
v
= 0. Pero en (12) si e
v
= 0, e
p
= 0. Entonces e
v
= 0 solo si esto se cumple,
con lo cual si (e
v
, e
p
) = (0, 0), V (e
v
, e
p
) debe decrecer rumbo a 0, y por ende las trayectorias de e
v
(t) y e
p
(t)
convergen a cero cuando t . Es decir el punto (0, 0) es AS.
15
0 5 10 15 20 25 30 35 40 45 50
10
0
10
20
30
40
50
e
v
e
v
(solid) and v
e3
ln((e
v
+v
e3
)/v
e3
) (dashed)
Figure 12: Cada uno de los elementos de V
1
(e
v
). La lnea solida corresponde al termino lineal, siendo que la
punteada corresponde al termino logartmico.
6 Conclusiones
En este tutorial introdujimos los conceptos b asicos de estabilidad en el sentido de Lyapunov. Gracias a la
denici on de ciertas propiedades b asicas, y la introduccion de las funciones Kampke denimos los teoremas
basicos, y para que cada uno de los elementos que introdujimos pudiesen ser digeridos m as facilmente, se
presento un ejemplo de uno de los sistemas clasicos como lo es el sistema Lotka-Volterra.
AGRADECIMIENTOS: Las siguientes personas colaboraron en la correccion y edici on de este docu-
mento: Victor Argueta, Blanca Bernal, Gonzalo Bruce, Julio Chaname, Jorge Finke, Alvaro
Gil, Mara Gonzalez, Hiram Irizarri, y Jose Lopez. A ellos les estoy innitamente agradecido por el
tiempo que se tomaron en leer el documento y enviarme las m ultiples correcciones que hicieron de este, un
documento mas entendible.
References
[1] H. K. Khalil, Nonlinear Systems. New Jersey: Prentice Hall, 1996.
[2] A. Isidori, Nonlinear Control Systems. New York: Springer-Verlag, 1995.
[3] A. N. Michel and R. K. Miller, Qualitative Analysis of Large Scale Dynamical Systems. New York:
Academic Press, 1977.
[4] A. N. Michel, The Encyclopedia of Physical Science and Technology, vol. 4, ch. Ordinary Dierential
Equations, pp. 283316. Academic Press, New York, 1987.
16