Solucionador de Sistemas de EDOs

Solucionador de Sistemas de EDOs

El Solucionador de Sistemas de EDO es una caja de herramientas de ecuaciones diferenciales todo-en-uno para sistemas acoplados lineales y no lineales. Pega una matriz de coeficientes de 2×2 o 3×3 y la herramienta realiza el análisis completo de autovalores / autovectores, escribe la solución general y particular en forma cerrada en LaTeX, clasifica el equilibrio en el origen como silla, nodo, espiral o centro, y dibuja un retrato de fase interactivo con una trayectoria animada. Para sistemas planos no lineales, puedes escribir lados derechos arbitrarios \(f(x,y)\) y \(g(x,y)\) y la herramienta producirá un retrato de fase RK4 de alta precisión.

¿Qué es un sistema de EDO?

Un sistema de ecuaciones diferenciales ordinarias acopla varias funciones desconocidas de una sola variable — generalmente el tiempo \(t\) — a través de sus derivadas. En la forma más compacta,

Cuando \(\mathbf{F}(t, \mathbf{x}) = A\mathbf{x}\) para una matriz constante \(A\), el sistema es lineal y autónomo — y aquí es donde la teoría es más bella: todo el comportamiento a largo plazo está determinado por los autovalores de \(A\).

La receta de autovalores para sistemas lineales

Para \(\mathbf{x}' = A\mathbf{x}\), el método estándar es:

1. Calcular el polinomio característico \(\det(\lambda I - A) = 0\).
2. Resolver para los autovalores \(\lambda_1, \lambda_2, \dots\).
3. Para cada autovalor, hallar un autovector \(v\) resolviendo \((A - \lambda I) v = 0\).
4. Ensamblar la solución general como una combinación lineal: \(\mathbf{x}(t) = c_1 v_1 e^{\lambda_1 t} + c_2 v_2 e^{\lambda_2 t} + \cdots\).
5. Fijar las constantes \(c_i\) sustituyendo la condición inicial \(\mathbf{x}(0)\) en la solución general.

Tres casos para sistemas de 2×2

El plano Traza-Determinante

Para una matriz de 2×2 con traza \(T = a_{11} + a_{22}\) y determinante \(D = a_{11} a_{22} - a_{12} a_{21}\), toda la clasificación encaja en un solo diagrama:

Por esto el panel de resultados muestra prominentemente \(T\), \(D\) y \(\Delta = T^2 - 4D\) — tres números bastan para nombrar el equilibrio.

Sistemas no lineales y el retrato de fase

La mayoría de las EDO del mundo real son no lineales y no tienen solución en forma cerrada. La herramienta las maneja integrando las ecuaciones numéricamente con un método Runge–Kutta de 4º orden (RK4), que tiene un error de truncamiento local de \(O(h^5)\) y es el estándar para campos vectoriales suaves.

El retrato de fase superpone:

• Un campo vectorial muestreado en una cuadrícula de 13×13, que muestra la dirección del flujo en cada punto.
• La trayectoria desde tu condición inicial, dibujada en rojo con un corredor naranja animado que muestra la dirección del tiempo.
• Varias líneas de flujo semilla desde un anillo de puntos iniciales, dando una imagen global de la dinámica.
• Para sistemas lineales de 2×2, los ejes de autovectores (cian punteado) — estas son las direcciones invariantes a lo largo de las cuales las soluciones se deslizan exponencialmente.

Cómo usar este solucionador

1. Elige un modo — Lineal 2×2, Lineal 3×3 o No Lineal 2D — a través de las pestañas en la parte superior del formulario.
2. Completa los coeficientes o ecuaciones. Haz clic en cualquier Ejemplo rápido para pre-completar un sistema canónico (nodo estable, centro, silla, péndulo, Van der Pol, etc.).
3. Ingresa una condición inicial \((x_0, y_0)\) y un lapso de tiempo \(T\). Los valores típicos de \(T\) son 6–20 para osciladores y 3–6 para sistemas estables de decaimiento rápido.
4. Haz clic en Resolver. Aparecerá la página completa de resultados con la clasificación, autovalores, autovectores, solución en forma cerrada (modos lineales), retrato de fase animado y gráfico de series temporales.
5. Repite la trayectoria usando el botón bajo el retrato de fase si deseas ver al corredor recorrer la curva de CI nuevamente.

Ejemplo resuelto — Oscilador armónico amortiguado

El oscilador amortiguado \(\ddot{x} + 2\zeta \omega \dot{x} + \omega^2 x = 0\) puede reescribirse como un sistema 2D haciendo \(y = \dot{x}\):

Para \(\omega = 1\) y \(\zeta = 0.2\) (subamortiguado), la matriz es \(A = \begin{pmatrix} 0 & 1 \\ -1 & -0.4 \end{pmatrix}\). Traza \(T = -0.4\), determinante \(D = 1\), discriminante \(\Delta = 0.16 - 4 = -3.84 < 0\), por lo que obtenemos una espiral estable con autovalores \(-0.2 \pm 0.9798\,i\). La trayectoria entra en espiral hacia el origen, y la serie temporal muestra sinusoides que decaen exponencialmente.

Aplicaciones

• Sistemas mecánicos — sistemas resorte-masa acoplados, péndulos, giroscopios.
• Circuitos eléctricos — redes RLC, filtros con amplificadores operacionales, control en espacio de estados.
• Dinámica de poblaciones — depredador-presa de Lotka–Volterra, especies en competencia, epidemiología (SIR, SIS).
• Cinética química — redes de reacción, osciladores de Belousov–Zhabotinsky.
• Neurociencia — modelo de neurona de FitzHugh–Nagumo, reducciones de Hodgkin–Huxley.
• Teoría de control — modelos de planta linealizados, diseño de observadores, márgenes de estabilidad.

Consejos y advertencias

• Si tu trayectoria explota rápidamente, reduce el lapso de tiempo T — un sistema inestable puede desbordar cualquier visor en pocas unidades de tiempo.
• Para un autovalor repetido, el solucionador halla automáticamente el autovector generalizado \(w\) resolviendo \((A - \lambda I)w = v\), por lo que obtienes el término \(tv\) sin trabajo manual.
• Para sistemas no lineales, las flechas del campo vectorial también revelan equilibrios fuera del origen como puntos cian — observa el retrato para detectar regiones de magnitud cero.
• Para sistemas de 3×3 no hay retrato de fase (el 3D es difícil de mostrar en una página 2D), pero la solución en forma cerrada y el veredicto de estabilidad siguen aplicando.
• Las condiciones iniciales y los lapsos de tiempo son independientes de la clasificación: cambiarlos solo mueve la trayectoria roja, no el veredicto de autovalores.

Preguntas frecuentes

¿Qué es un sistema de ecuaciones diferenciales ordinarias?

Un sistema de ecuaciones diferenciales ordinarias (EDO) es un conjunto de ecuaciones acopladas que relacionan las derivadas de varias funciones desconocidas de una sola variable independiente, generalmente el tiempo. La forma clásica es \( \mathbf{x}'(t) = F(t, \mathbf{x}(t)) \), donde \( \mathbf{x} \) es un vector de estados y \(F\) es el campo vectorial. Los sistemas lineales pueden escribirse de forma compacta como \( \mathbf{x}' = A\mathbf{x} + \mathbf{b} \), y su comportamiento se determina casi por completo mediante los autovalores de la matriz de coeficientes \(A\).

¿Cómo clasifican los autovalores el equilibrio de un sistema lineal de 2×2?

Para un sistema de 2×2 \( \mathbf{x}' = A\mathbf{x} \), el origen se clasifica por la traza \(T\) y el determinante \(D\) de \(A\): \(D < 0\) da un punto de silla (inestable); \(D > 0\) con \(T^2 > 4D\) da un nodo (estable si \(T < 0\), inestable si \(T > 0\)); \(D > 0\) con \(T^2 < 4D\) da una espiral (estable si \(T < 0\), inestable si \(T > 0\), un centro puro si \(T = 0\)). El límite \(T^2 = 4D\) produce un nodo degenerado.

¿Cómo se ve la solución en forma cerrada cuando los autovalores son complejos?

Si \(A\) tiene autovalores complejos conjugados \( \alpha \pm i\beta \) con autovector complejo \( v = p + iq \), la solución general real es \( \mathbf{x}(t) = e^{\alpha t} \left[ c_1 (p \cos\beta t - q \sin\beta t) + c_2 (p \sin\beta t + q \cos\beta t) \right] \). La exponencial \(e^{\alpha t}\) controla la amplitud (creciente, decreciente o constante), mientras que el seno y el coseno manejan la rotación.

¿Qué sucede cuando la matriz tiene un autovalor repetido?

Si la matriz tiene un autovalor repetido \(\lambda\) pero solo un autovector linealmente independiente \(v\), también necesitas un autovector generalizado \(w\) resolviendo \( (A - \lambda I) w = v \). La solución general toma entonces la forma \( \mathbf{x}(t) = c_1 v e^{\lambda t} + c_2 (tv + w) e^{\lambda t} \). Si el espacio propio es bidimensional, la matriz es un múltiplo escalar de la identidad en ese subespacio invariante y la solución se reduce a \( \mathbf{x}(t) = (c_1 v_1 + c_2 v_2) e^{\lambda t} \).

¿Puede esta herramienta resolver sistemas no lineales simbólicamente?

El modo no lineal resuelve el sistema numéricamente utilizando un integrador Runge–Kutta de cuarto orden (RK4) y traza el retrato de fase. La mayoría de los sistemas no lineales no tienen solución en forma cerrada, por lo que este es el enfoque estándar. Aún se puede analizar el comportamiento local cerca de los equilibrios mediante la linealización, lo cual maneja el modo lineal de 2×2 — calcula el Jacobiano en el punto fijo e ingrésalo como \(A\).

¿Qué es un retrato de fase?

Un retrato de fase es una representación geométrica de las soluciones de un sistema 2D en el plano \(x\)–\(y\). Cada solución traza una curva llamada trayectoria, y la colección de trayectorias junto con las flechas del campo vectorial revela el comportamiento cualitativo: si las soluciones entran en espiral, se separan en forma de silla, oscilan o se asientan en equilibrios. Los retratos de fase hacen visible la estructura global de un sistema de un vistazo.

Lecturas adicionales

• Sistema de ecuaciones diferenciales — Wikipedia
• Retrato de fase — Wikipedia
• Autovalores y autovectores — Wikipedia
• Métodos de Runge–Kutta — Wikipedia
• Oscilador de Van der Pol — Wikipedia