APUNTES DE MODELAMIENTO

MATEMÁTICO
1. Flujos en ℝ
2. Flujos en ℝ2
3. Flujos en ℝ3

CONCEPTOS BÁSICOS
Sistema lineal de
EDO
Nos interesa analizar el comportamiento del sistema de 𝑛 ecuaciones lineales de primer
orden
𝑥̇1 = 𝑎11(𝑡)𝑥1 + 𝑎12(𝑡)𝑥2 + ⋯ + 𝑎1𝑛(𝑡)𝑥𝑛 + 𝑓1(𝑡)
𝑥̇2 = 𝑎21(𝑡)𝑥1 + 𝑎22(𝑡)𝑥2 + ⋯ + 𝑎2𝑛(𝑡)𝑥𝑛 + 𝑓2(𝑡) (1)
⋮
𝑥̇𝑛 = 𝑎𝑛1(𝑡)𝑥1 + 𝑎𝑛2(𝑡)𝑥2 + ⋯ + 𝑎𝑛𝑛(𝑡)𝑥𝑛 + 𝑓𝑛(𝑡)
el cual se denomina homogéneo si 𝑓𝑖 = 0 para todo 𝑖 = 1,2,3, … , 𝑛, en caso contrario el
sistema se denomina no homogéneo.
El sistema homogéneo quedaría representado así:
𝑥̇1 = 𝑎11(𝑡)𝑥1 + 𝑎12(𝑡)𝑥2 + ⋯ + 𝑎1𝑛(𝑡)𝑥𝑛
𝑥̇2 = 𝑎21(𝑡)𝑥1 + 𝑎22(𝑡)𝑥2 + ⋯ + 𝑎2𝑛(𝑡)𝑥𝑛 (2)
⋮
𝑥̇𝑛 = 𝑎𝑛1(𝑡)𝑥1 + 𝑎𝑛2(𝑡)𝑥2 + ⋯ + 𝑎𝑛𝑛(𝑡)𝑥𝑛
Sean,

𝑥1(𝑡) 𝑎11(𝑡) 𝑎12(𝑡) … 𝑎1𝑛(𝑡) 𝑓1(𝑡)

𝑥2 (𝑡) 𝑎21 (𝑡) 𝑎22 (𝑡) ⋯ 𝑎2𝑛 (𝑡) 𝑓 (𝑡)
𝑥⃗(𝑡 ) = ( ), 𝐴(𝑡 ) = ( ) y 𝑓⃗(𝑡 ) = ( 2 )
⋮ ⋮ ⋮ ⋱ ⋮ ⋮
𝑥𝑛(𝑡) 𝑎𝑛1(𝑡) 𝑎𝑛2(𝑡) ⋯ 𝑎𝑛𝑛(𝑡) 𝑓𝑛(𝑡)
entonces los sistemas (1) y (2) se representan respectivamente de forma matricial así:

𝑥̇ (𝑡 ) = 𝐴(𝑡 )𝑥⃗(𝑡 ) + 𝑓⃗(𝑡 ) y 𝑥̇ (𝑡 ) = 𝐴(𝑡 )𝑥⃗(𝑡 )

Consideremos el problema de valor inicial (PVI)

𝑥̇ (𝑡 ) = 𝐴(𝑡 )𝑥⃗(𝑡 ) + 𝑓⃗(𝑡 ), 𝑥⃗(𝑡0) = 𝑥0 (3)

Donde
Decimos que la función vectorial

1
 𝑥20
)
1
𝑥0 𝑥𝑛0
0

=
𝑥 ⋮
( 𝜑1(𝑡)
𝜑2 (𝑡)
𝜑⃗⃗(𝑡 ) = ( )
⋮
𝜑𝑛(𝑡)
es una solución del (PVI), 𝜑⃗⃗(𝑡 ) es derivable y satisface la ED (3), se tiene
𝜑⃗⃗(𝑡0) = 𝑥⃗0
Teorema

Sean 𝐴(𝑡) y 𝑓⃗(𝑡) funciones matricial y vectorial respectivamente y continuas en el intervalo

cerrado [𝑎, 𝑏], entonces existe una única función vectorial 𝜑⃗⃗(𝑡 ) que es solución del (PVI)
en [𝑎, 𝑏].
Ejemplo 1
Consideremos el siguiente sistema
𝑥̇1 = −4𝑥1 − 𝑥2, 𝑥1(0) = 1
𝑥̇2 = 𝑥1 − 2𝑥2, 𝑥2(0) = 2
de forma matricial se tiene:
𝑥̇1 −4 −1 𝑥1
( )=( ) (𝑥 )
𝑥̇2 1 −2 2

La solución del sistema

es:
𝑒 −3𝑡
𝜑⃗⃗1 (𝑡) = ( −3𝑡 ) y 𝜑⃗⃗2 (𝑡) = ((1 − 𝑡)𝑒 )
−𝑒−3𝑡 𝑡𝑒−3𝑡
También lo es:
(1 − 3𝑡)𝑒−3𝑡
𝜑⃗⃗(𝑡 ) = ( −3𝑡
)
(2 + 3𝑡)𝑒
Tarea 01: Realizar la combinación lineal de 𝜑⃗⃗1(𝑡 ) y 𝜑⃗⃗2 (𝑡 ), aplicar las condiciones del (PVI)
y determinar 𝜑⃗⃗(𝑡 ). (Escobar p.249)
Nota: toda ED de orden 𝑛 se puede reducir a un sistema de ED de primer orden.

2
Ejemplo 2
Consideremos la ED 𝑥̈ − 7𝑥̇ − 4𝑥 = sec (𝑡), si hacemos:
𝑢 = 𝑥 ⇒ 𝑢̇ = 𝑥̇ = 𝑣
𝑣 = 𝑥̇ ⇒ 𝑣̇ = 𝑥̈ = 7𝑥̇ + 4𝑥 + sec(𝑡) = 7𝑣 + 4𝑢 + sec (𝑡)
Luego:
𝑢̇ = 𝑣
𝑣̇ = 7𝑣 + 4𝑢 + sec (𝑡)
Ejemplo 3
Consideremos la ED 𝑤⃛− 𝑠𝑒𝑛(𝑤)𝑤̈ − 7𝑤𝑤̇ − 4𝑤 = sen (𝑡), si hacemos:
𝑥 = 𝑤 ⇒ 𝑥̇ = 𝑤̇ = 𝑦
𝑦 = 𝑤̇ ⇒ 𝑦̇ = 𝑤̈ = 𝑧
𝑧 = 𝑤̈ ⇒ 𝑧̇ = 𝑤⃛= 𝑠𝑒𝑛(𝑤 )𝑤̈ + 7𝑤𝑤̇ + 4𝑤 + 𝑠𝑒𝑛(𝑡 ) = 𝑠𝑒𝑛(𝑥 )𝑧 + 7𝑥𝑦 + 4𝑥 + 𝑠𝑒𝑛(𝑡 )
Luego:
𝑥̇ = 𝑦
𝑦̇ = 𝑧
𝑧̇ = 𝑠𝑒𝑛(𝑥)𝑧 + 7𝑥𝑦 + 4𝑥 + 𝑠𝑒𝑛(𝑡)
Sistemas Autónomos
Un sistema de EDO de primer orden se denomina autónomo cuando puede expresarse de la
forma.
𝑥̇1 = 𝑔1(𝑥1, 𝑥2, … , 𝑥𝑛)
𝑥̇2 = 𝑔2(𝑥1, 𝑥2, … , 𝑥𝑛)
⋮
𝑥̇𝑛 = 𝑔𝑛(𝑥1, 𝑥2, … , 𝑥𝑛)
Note que la variable independiente 𝑡 no aparece en el segundo miembro de cada ED, si
aparece en el sistema se denomina no autónomo.
De forma simplificada un PVI (Autónomo) se escribe así:
𝑥̇ = 𝐹(𝑥)
𝑥(𝑡0) = 𝑥0
Gráficamente 𝐹(𝑥) representa un conjunto de vectores en ℝ𝑛 con punto inicial 𝑥 y punto
final 𝑥 + 𝐹(𝑥), este campo representa la dirección de las soluciones 𝜑⃗⃗(𝑡 ) del sistema.
Ejemplo 4
Representar el campo vectorial de 𝑥̇ = −𝑦, 𝑦̇ = 𝑥.
Se tiene 𝐹(𝑥, 𝑦) = (−𝑦, 𝑥)
Punto inicial: (𝑥, 𝑦)

Punto final: (𝑥, 𝑦) + (−𝑦, 𝑥) = (𝑥 − 𝑦, 𝑥 + 𝑦)

“Tabulación”
P.in. (1,0) (0,1) (−1,0) (0, −1) (1,1) (−1,1) (−1, −1) (1, −1)
P. fi. (1,1) (−1,1) (−1, −1) (1, −1) (0,2) (−2,0) (0, −2) (2,0)

Tarea 02: Representar los vectores y generalizar la forma del campo vectorial.
Código Matlab

clc; clear all; close all;

%ventana
ax=-3; bx=3; ay=-3; by=3;
%tamaño de paso
hx=0.1; hy=0.1;
[X,Y]=meshgrid(ax:hx:bx,ay:hy:b
y); Ux=-Y;
Vy=X;
% quiver(X,Y,Ux,Vy)
streamslice(X,Y,Ux,Vy)
%Puntos de
equilibrio hold on
plot(0,0,'*g')
axis([ax bx ay
by])

Usando Matlab se obtiene el siguiente campo vectorial.

4
Ejemplo 5
Analicemos el campo vectorial de 𝑥̇ = 𝑥2 − 1
Solución
Se tiene 𝐹(𝑥) = 𝑥2 − 1, así:
Punto inicial: 𝑥
Punto final: 𝑥2 + 𝑥 − 1
El campo vectorial esta dado por:

PUNTOS DE EQUILIBRIO Y
ESTABILIDAD
Los puntos 𝑥∗ tales que 𝐹(𝑥∗) = 0, se denominan puntos de equilibrio del campo vectorial
y representan las soluciones constantes de la ED 𝑥̇ = 𝐹(𝑥), es decir
𝑥(𝑡) = 𝑥∗
Un punto de equilibrio 𝑥∗ puede ser estable, asintóticamente estable e inestable.
Estable
𝑥∗ es un punto crítico estable si todas las trayectorias que están suficientemente cerca al
punto critico permanecen cercanas a él. Supongamos que (0,0) es un punto crítico estable,
gráficamente se tiene:

Asintóticamente estable
𝑥∗ es un punto asintóticamente estable si es estable y además cumple que lim 𝑥(𝑡) = 𝑥∗.
𝑡→∞
Gráficamente:

5
Inestable
𝑥∗ es un punto crítico inestable si las trayectorias se alejan de él. Gráficamente:

Algoritmo para analizar la estabilidad en ℝ

1. Calcular los puntos de equilibrio 𝐹(𝑥) = 0.
2. Calcular la Jacobiana, está dada por 𝐽(𝑥) = 𝐹´(𝑥).
3. Evaluar los puntos de equilibrio en la Jacobiana y clasificar así:
 𝑥∗ es asintóticamente estable, si 𝐹´(𝑥∗) < 0.
 𝑥∗ es inestable, si 𝐹´(𝑥∗) > 0.
4. Representar el campo vectorial.
5. Realizar un bosquejo del comportamiento de las soluciones.

Ejemplo 6
Realizar el análisis de estabilidad de 𝑥̇ = 𝑥 − 𝑥3.
1. Puntos de equilibrio
𝑥 − 𝑥3 = 𝑥(1 − 𝑥2) = 𝑥(1 + 𝑥)(1 − 𝑥) = 0 ⇒ 𝑃1 = 0, 𝑃2 = −1 y 𝑃3 = 1

2. Jacobiana
𝐽(𝑥) = 1 − 3𝑥2

3. Clasificación

 𝐽(0) = 1, entonces 𝑃1 = 0 es un punto de equilibrio inestable.

 𝐽(−1) = −2, entonces 𝑃2 = −1 es un punto de equilibrio asintóticamente estable.
 𝐽(1) = −2, entonces 𝑃3 = 1 es un punto de equilibrio asintóticamente estable.

4. Campo vectorial

6
5. Bosquejo de las soluciones

CRECIMIENTO EXPONENCIAL
Si 𝑃(𝑡) es el tamaño de la población en un tiempo 𝑡, el modelo de crecimiento exponencial
supone el PVI.
𝑑𝑃
= 𝛾𝑃
𝑑𝑡
𝑃(0) = 𝑃0
Donde 𝛾 > 0, representa la tasa de crecimiento y 𝑃0 la población inicial, gráficamente se
tiene:

𝑑𝑃
La tasa de crecimiento es 𝛾 = 𝑑𝑡 , 0 < 𝛾 ≤ 1.
𝑃

Análisis Cualitativo
1. Puntos de equilibrio
𝛾𝑃 = 0 ⇒ 𝑃∗ = 0

2. Jacobiana
𝑑𝐹
𝐽 (𝑃 ) =
𝑑𝑃 = 𝛾

3. Clasificación
Como 𝛾 > 0 se tiene que 𝑃∗ = 0 es un punto crítico inestable.
4. Campo vectorial

5. Bosquejo de las soluciones

CRECIMIENTO
LOGÍSTICO
La hipótesis muestra que la tasa de crecimiento o decrecimiento de una población sólo
depende de la cantidad presente 𝑃 y no de otros factores, esto se puede modelar así:
𝑑𝑃
𝑑𝑡 = 𝑓(𝑃)
𝑃
𝑑𝑃
= 𝑃𝑓(𝑃)
𝑑𝑡
Esta ecuación se denomina “hipótesis de densidad”.
Supongamos que un medio es capaz de sostener como máximo una cantidad 𝐾 determinada
de individuos en una población, donde 𝐾 se denomina “capacidad de soporte” del medio.
La ecuación diferencial que modela esta situación es:
𝑑
𝑃
𝑃
= 𝛾𝑃 (1 − ) (4)
𝐾
𝑑𝑡
Análisis Cualitativo
1. Puntos de equilibrio
𝑃 𝑃
𝛾𝑃 (1 − ) = 0 ⇒ 𝛾𝑃 = 0 o 1 − = 0 ⇒ 𝑃1 = 0 o 𝑃 = 𝐾
𝐾 𝐾

2. Jacobiana
2𝑃
𝐽(𝑃) = 𝛾 − 2𝛾𝑃 = 𝛾 (1 − )
𝐾 𝐾

3. Clasificación 2(0)
𝐽(0) = 𝛾 (1 − ) = 𝛾 ⇒ 𝑃 = 0 es un punto de equilibrio inestable.
𝐾 1
 2(𝐾)
𝐽(0) = 𝛾 (1 − ) = −𝛾 ⇒ 𝑃 = 𝐾 es un punto de equilibrio asintóticamente estable.
𝐾 2

4. Campo vectorial

5. Bosquejo de las soluciones

Resolviendo la EDO (3) con 𝑃(0) = 𝑃0 se tiene:

𝐾𝑃0
𝑃(𝑡) =
𝑃0 + (𝐾 − 𝑃0)𝑒−𝛾𝑡
Se tiene:
lim 𝑃(𝑡) = 𝐾
𝑡→∞

Tarea 04: Resolver la EDO (3), determinar

𝑃(𝑡). Ejemplo 7
Suponga que un estudiante portador de un virus de la gripe regresa a la universidad
(instalaciones aisladas) que tiene una población de 1000 estudiantes. Si se supone que la
razón con que se prepaga el virus afecta no sólo a la cantidad 𝑥 de estudiantes infectados,
sino también a la cantidad de estudiantes no infectados, determinar la cantidad de
estudiantes infectados después de 6 días, si además se observa que después de 4 días hay
50 infectados.
Solución
La variable de estado es 𝑥, suponiendo que nadie sale de la universidad mientras dura la
enfermedad, se tiene el PVI
𝑑𝑥
𝑑𝑡 = 𝛾𝑥(1000 − 𝑥)
La solución general está dada por:
 𝑥(0 ) = 1

Remplazando 𝑥(4) = 50
1000
𝑥(𝑡) =
1 + 999𝑒−𝛾𝑡
1000 19 19
−4𝛾 = 50 ⇒ 1 + 999𝑒
−4𝛾
= 20 ⇒ 𝑒−4𝛾
= ⇒ 𝐿𝑛 (𝑒−4𝛾) = 𝐿𝑛 ( )
1 + 999𝑒
999 999
19
19 𝐿𝑛 ( )
⇒ −4𝛾 = 𝐿𝑛 ( )⇒𝛾=− 999 ≈ 0.99058
99 4
9
Así
1000
𝑥(𝑡 ) =
1 + 999𝑒−0.99058𝑡
La cantidad de infectados después de 6 días, está dada por:
1000
𝑥(6) = = 276.22 ≈ 276
1 + 999𝑒−0.99058(6)
R/ La cantidad de infectados después de 6 días es 276.

FLUJOS EN ℝ2
Valores y vectores
propios Definición
Sea 𝐴 una matriz cuadrada 𝑛 × 𝑛 con elementos reales. El número 𝜆 real o complejo se
denomina valor propio de 𝐴 si existe un vector 𝑣 ≠ 0 denominado vector propio, tal que
𝐴𝑣 = 𝜆𝑣
Definición
La expresión 𝑃(𝜆) = |𝐴 − 𝜆𝐼| se denomina polinomio característico asociado a la matriz 𝐴 y
|𝐴 − 𝜆𝐼| = 0 es la ecuación característica.
Algoritmo para calcular los valores y vectores propios
1. Resolver la ecuación característica |𝐴 − 𝜆𝐼| = 0, se obtiene 𝜆1 y 𝜆2.
2. Resolver el sistema homogéneo (𝐴 − 𝜆𝑖𝐼)(𝑣) = 𝟎, para 𝑖 = 1 y 2, se obtiene 𝑣1 y 𝑣2.
Ejemplo 8
Calcular
matriz los valores y vectores propios de la −12 7
.
( 2)
−7
1. Ecuación característica
 −12 − 𝜆 7
𝑃 (𝜆) = |
2 − | = (−12 − 𝜆)(2 − 𝜆) − (−7)(7) = 𝜆 + 10𝜆 + 25
2
−7
𝜆

= (𝜆 + 5)2 = 0 ⇒ 𝜆1 = 𝜆2 = −5 (multiplicidad 2)

2. Vectores propios

−12 − (−5) 7 𝑥 0
( ) −7 7 𝑥 0 −7𝑥 + 7𝑦 = 0
−7 2 − (−5) ( ) = ( ) ⇒ ( ) ( ) = ( ) ⇒ {−7𝑥 + 7𝑦 = 0
𝑦 0 −7 7 𝑦 0

⇒ −7𝑥 + 7𝑦 = 0 ⇒ 7𝑦 = 7𝑥 ⇒ 𝑦 = 𝑥, de done 𝑣 = (1
)
1

Prueba

−12 7 1 −12 + 7 −5 1
𝐴𝑣 = ( )( )=( ) = ( ) = −5 ( ) = 𝜆𝑣
−7 2 1 −7 + 2 −5 1

Sistemas de EDO 2 × 2

Un sistema de EDO autónomo con variables 𝑥 y 𝑦, tiene la forma 𝑥̇ = 𝐹(𝑥, 𝑦) donde 𝑥̇ =

(𝑥, 𝑦)𝑇 y 𝐹(𝑥, 𝑦) = (𝑓(𝑥, 𝑦), 𝑔(𝑥, 𝑦))𝑇, esto es:

𝑥̇ = 𝑓(𝑥, 𝑦), 𝑥(0) = 𝑥0 (5)

𝑦̇ = 𝑔(𝑥, 𝑦), 𝑦(0) = 𝑦0

Dependiendo cómo es 𝐹(𝑥, 𝑦), el sistema se clasifica en lineal y no

lineal. Un punto de equilibrio de (5) es la coordenada (𝑥∗, 𝑦∗) talque,

𝑓(𝑥∗, 𝑦∗) = 𝑔(𝑥∗, 𝑦∗) = 0

En este caso 𝑥(𝑡) = 𝑥∗, 𝑦(𝑡) = 𝑦∗ es una solución constante de (5).

La dirección de las soluciones no constantes de (5) determinan el campo vectorial.

Sistemas lineales de EDO

Un sistema 2 × 2 lineal de EDO tiene la forma,

𝑥̇ = 𝑎𝑥 + 𝑏𝑦 (6)
𝑦̇ = 𝑐𝑥 + 𝑑𝑦

donde 𝑎, 𝑏, 𝑐 y 𝑑 ∈ ℝ.

En forma matricial

𝑋̇ = 𝐴𝑋
𝑋(0) = 𝑋0

donde
𝑎 𝑏 𝑥
𝐴=( ) y 𝑋 = (𝑦)
𝑐 𝑑
Sean 𝑥(𝑡) y 𝑦(𝑡) soluciones linealmente independientes del sistema (6), entonces la
combinación lineal.
𝑋(𝑡) = 𝑐1𝑥(𝑡) + 𝑐2𝑦(𝑡)

representa la solución general del sistema.

El sistema (6) tiene un único punto de equilibrio, es (0,0) siempre y cuando el |𝐴| ≠ 0, el
comportamiento de las soluciones depende de 𝜆1 y 𝜆2 (diferentes de cero). De esta manera el
equilibrio (0,0) se clasifica en: nodo, punto silla, centro y espiral o foco.

Nodo

Se presenta cuando los valores propios 𝜆1 y 𝜆2 son reales y del mismo signo. El campo
vectorial presenta las siguientes características.

 Todas las trayectorias se acercan al origen, si los valores propios son negativos. En
este caso el equilibrio (0,0) es asintóticamente estable.

 Todas las trayectorias se alejan del origen, si los valores propios son positivos. En
este caso el equilibrio (0,0) es inestable.
Gráficamente

Nodo asintóticamente estable Nodo inestable

Ejemplo 9
Realizar el análisis de estabilidad del sistema: 𝑥̇ = 𝑥, 𝑦̇ = −𝑥 + 2𝑦
Calculemos los valores propios
1−𝜆 0
𝑃 𝜆 =|
( ) −1 2 − | = 𝜆2 − 3𝜆 + 2 = (𝜆 − 2)(𝜆 − 1) = 0 ⇒ 𝜆1 = 2 y 𝜆2 = 1
𝜆
Como los valores propios son reales y positivos, el equilibrio (0,0) es un nodo
inestable. Gráficamente

Punto silla
Se presenta cuando los valores propios 𝜆1 y 𝜆2 son reales y de signo diferente. Cundo 𝑡 ⟶
∞, nos encontramos con dos trayectorias rectas que se acercan al origen y las otras dos se
alejan. El punto silla es inestable.
Ejemplo 10
Realizar el análisis de estabilidad del sistema: 𝑥̇ = 3𝑥 + 𝑦, 𝑦̇ = 5𝑥 − 𝑦
Calculemos los valores propios
3−𝜆 1
𝑃 𝜆 =|
( ) 5 −1 − | = 𝜆2 − 2𝜆 − 8 = (𝜆 − 4)(𝜆 + 2) ⇒ 𝜆1 = 4 y 𝜆2 = −2
𝜆
Como los valores propios son reales y diferente signo, el equilibrio (0,0) es un punto silla
inestable.
Gráficamente

Centro
Se presenta cuando los valores propios 𝜆1 y 𝜆2 son imaginarios puros (la parte real del
número complejo es cero). Las trayectorias son curvas que rodean el origen, en general
tienen forma de elipses, de modo que ninguna trayectoria tiende al equilibrio (0,0) esto
implica que este equilibrio sea estable.
Ejemplo 11
Realizar el análisis de estabilidad del sistema: 𝑥̇ = 2𝑥 − 2𝑦, 𝑦̇ = 4𝑥 − 2𝑦
Calculemos los valores propios
2−𝜆 −2 2
𝑃 (𝜆 ) = | | = 𝜆 + 4 = 0 ⇒ 𝜆 = ±√−4 = ±2𝑖 ⇒ 𝜆1 = 2𝑖y 𝜆2 = −2𝑖
4 −2 − 𝜆
Como los valores propios son imaginarios puros, el equilibrio (0,0) es un centro
estable. Gráficamente

Espiral o foco
Se presenta cuando los valores propios 𝜆1 y 𝜆2 son complejos conjugados con parte real
deferente de cero. Las trayectorias son curvas en forma de espiral, se presentan dos casos.
 Se acercan al origen si la parte real es negativa, en este caso el equilibrio (0,0) es
asintóticamente estable.
 Se alejan del origen si la parte real es positiva, en este caso el equilibrio (0,0) es
inestable.
Ejemplo 12
Realizar el análisis de estabilidad del sistema: 𝑥̇ = 3𝑥 − 2𝑦, 𝑦̇ = 4𝑥 − 𝑦
Calculemos los valores propios
3−𝜆 −2 2
𝑃 (𝜆 ) = | | = 𝜆 − 2𝜆 + 5 = 0, resuelvo por fórmula general.
4 −1 − 𝜆
Se tiene 𝑎 = 1, 𝑏 = −2 y 𝑐 = 5, así:

2
𝜆 = −𝑏 ± √𝑏 − 4𝑎𝑐 −(−2) ± √(−2)2 − 4(1)(5) 2 ± √−16 2 ± 4𝑖
2𝑎 2(1) = = 1 ± 2𝑖
2 2
= =

⇒ 𝜆1 = 1 + 2𝑖 y 𝜆2 = 1 − 2𝑖
Como los valores propios son complejos con parte real positiva, el equilibrio (0,0) es una
espiral inestable.
Gráficamente