You are on page 1of 153

Notas del curso

“Análisis de Sistemas No Lineales”

Javier Aracil Santónja

Francisco Salas Gómez

Francisco Gordillo Álvarez

Departamento de Ingenierı́a de Sistemas y Automática
Universidad de Sevilla

ii

Notas del curso “Análisis de Sistemas no
Lineales”

Impartido por:
Javier Aracil
Francisco Gordillo
Francisco Salas

25 de septiembre de 2007

2

Índice general

1. Introducción 1

1.1. El problema del control . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

1.2. EL control lineal es local . . . . . . . . . . . . . . . . . . . . . . . . . . 4

1.2.1. Control Lineal y no Lineal - Estabilidad en Sistemas de Control 5

I Análisis 6

2. Análisis cualitativo de sistemas dinámicos 7

2.1. Formalización del concepto de sistema dinámico . . . . . . . . . . . . . 7

2.2. Crecimiento logı́stico o acotado . . . . . . . . . . . . . . . . . . . . . . 8

2.2.1. Retrato de estados de sistemas no lineales . . . . . . . . . . . . 11

2.3. Sistemas Dinámicos Lineales . . . . . . . . . . . . . . . . . . . . . . . . 12

2.3.1. Sistemas dinámicos autónomos lineales de dimensión dos . . . . 15

2.3.2. Estabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

2.4. Sistemas dinámicos no lineales . . . . . . . . . . . . . . . . . . . . . . . 22

2.5. Propiedades de las soluciones . . . . . . . . . . . . . . . . . . . . . . . 23

3

4 ÍNDICE GENERAL

2.5.1. Existencia y unicidad de las soluciones . . . . . . . . . . . . . . 23

2.5.2. Flujo definido por un sistema dinámico . . . . . . . . . . . . . . 24

2.5.3. Sistema dinámico como flujo . . . . . . . . . . . . . . . . . . . . 25

2.5.4. Orbitas y retratos de estados . . . . . . . . . . . . . . . . . . . 26

2.5.5. Puntos de equilibrio . . . . . . . . . . . . . . . . . . . . . . . . 27

2.5.6. Linealización . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

2.5.7. Linealización de un sistema dinámico en IRn . . . . . . . . . . . 30

2.5.8. Equivalencia topológica . . . . . . . . . . . . . . . . . . . . . . . 31

2.5.9. Conjuntos lı́mite y equilibrios . . . . . . . . . . . . . . . . . . . 32

2.6. Ciclos y atractores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

2.6.1. Conjuntos lı́mite y atractores . . . . . . . . . . . . . . . . . . . 34

2.6.2. Comportamiento a largo plazo de las trayectorias . . . . . . . . 38

2.6.3. Estudio de órbitas periódicas . . . . . . . . . . . . . . . . . . . 39

2.6.4. Atractores extraños . . . . . . . . . . . . . . . . . . . . . . . . . 42

3. Análisis cualitativo y bifurcaciones en sistemas dinámicos 44

3.1. Análisis cualitativo de sistemas no lineales . . . . . . . . . . . . . . . . 44

3.2. Análisis cualitativo de sistemas dinámicos de dimensión 1 . . . . . . . . 44

3.2.1. Estabilidad estructural . . . . . . . . . . . . . . . . . . . . . . . 49

3.3. Familias de sistemas dinámicos . . . . . . . . . . . . . . . . . . . . . . 49

3.3.1. Diagramas de bifurcaciones en sistemas no lineales . . . . . . . . 52

. . . . . . . . . . . . . . . . . . . .1. . 84 4. . . . . . . . 96 . . . . . . . . . . Bifurcaciones elementales en sistemas de dimensión uno .4. . . . .4. Apéndice . . . . . . Relé . . . . . 52 3. . .ÍNDICE GENERAL 5 3. . . . . . . Ejemplo introductorio . . . .2. . . . .4. 73 3. . . . . . . . . . . . . 95 4. . . . 95 4. . . . Algunas funciones descriptivas . . .2. . . . . . . Método del primer armónico . . . Saturación . .1. . .4. . . . . . . . . . Crecimiento logı́stico con un retraso en la estructura . . . . .2. . . . 86 4. . . . . .1.6. . Función descriptiva .4. . . 86 4. . . . . . . . .5. . . . . . . . . . . 69 3. . . Evolución de los autovalores en una bifurcación de Hopf.4. . . . . . . . . 94 4. . . . Transformación de Fourier . . . . . . . .2. . . . . . . . . . . . . . .1. . . . . . . . . . . . . .5.1. . Bifurcaciones de codimensión dos . 94 4. . . . . . . . . Diagrama de bifurcaciones del experimento de Taylor-Couette. . . . . 76 References 81 3. . . . . . . Propiedad del cono . . . Función descriptiva y balance armónico 86 4. . . . . . .4. . .5. . . . . . . . . . . 67 3. . . . 90 4. . . . . . . Bifurcaciones de órbitas periódicas . . . . . . . . . . . . . . . Principios del método . . . . . . . . . . .1. . . . . . . . .1.6. .1. . . . . . . . . . . . . . . . . . . . . . . .3. . . . .2.3. . Bifurcaciones elementales en sistemas dinámicos de dimensión dos 62 3. . .1. 91 4. . 67 3. .1. . 92 4. . . . . . . . .4. . . . Interpretación estocástica de la función descriptiva . . .2.

. .1.3. . . .3. . . . . . . Una ampliación del criterio de Nyquist . . . . . . . . . Limit cycles in a system with saturation . Estabilidad de los ciclos lı́mite . . . . . . 131 5.3. . . . . . . . . .5. . . 114 4. . 123 4. . . . 118 4. Definición del algoritmo . . . . . . . . . .4. . . . . . . . . . . . . . . . . . . . . . . 103 4. . 98 4. . . . . . .1. . . . . . .4. . .4.3. . . . . . . . . . Análisis de sistemas no lineales mediante la función descriptiva . . . . . . . . . . . 105 4. 104 4. . . . . .5. . .6 ÍNDICE GENERAL 4. . .2. . . . . . . . . . .5. Oscilaciones de un servomecanismo no lineal . La función descriptiva dual . . . . . .2.1. . . . . . . . . . . . . . . Holgura . . . . . 112 4. Equilibria in a system with saturation . . . . .1. . . First order system . . . .6.3.1. . . . . 105 4. . . .3. . 102 4. . Función descriptiva independiente de la frecuencia . .2. . . . .3. . . . . . . .2. . . .4. . . . Bifurcaciones en sistemas de control 129 5. . . 129 5. . . .2. . . . . . . . . . .3. . . . . . . . . . . . .5.1. .3. . 124 Bibliografı́a 127 5. Cálculo de varios armónicos en el método de balance armónico . Fiabilidad del análisis mediante funciones descriptivas . . . . Ejemplo . . . . . . . . . .1. . . .1. . . . . . . . . . . . . . . . . . . . 101 4. . . . . 131 . . . . . . . . 100 4. Determinación experimental de la función descriptiva . Función descriptiva dependiente de la frecuencia . . . . . 112 4.3. . . 130 5. . Feedback systems with saturation . . . . . . . . . . . . . . Resultados . .

. . . . . . . . . . . . A second-order system . . Bounded attraction basin . . . . . . . . .2. . . . . . Second-order system . . 139 . . . . . .3. . . . . .3.1. . . . . . . .4. . . . . . . . . . . . . . . . . 136 5.ÍNDICE GENERAL 7 5. . . . . . . . 138 5. . . . . . 133 5. . . . . . . . 135 5. . . . . . . . . .2. . . . . . . . Qualitative Analysis . . . . . Qualitative Analysis . . . Frequency domain interpretation of the Llibre-Ponce bifurcation analysis . . . . . . .1. . Control systems with a delay . . . . . . . . . . . . .2. . . . . . . . . . . . .4. . . . . 133 5. . . . . . Summary of previous results . . . . . . . . . . . . . . .2. . . .2. . . . . . . .1. . . . . .3. . .3. . 137 5. . 135 5. . . . . . . . . . . . . . . . . . . .3. . . . . . Sotomayor-Llibre-Ponce bifurcation analysis . . . 137 5. .

8 ÍNDICE GENERAL .

1) En ésta expresión aparecen dos variables. De este modo las matemáticas intervienen con un papel crucial en la representación del proceso cuyo comportamiento se quiere automatizar. Además. En todo proceso de control están involucrados dos componentes esenciales: la planta o proceso que se pretende controlar y el órgano de control o controlador. La señal u representa los actuadores o entradas al proceso. Obsérvese que la expresión anterior. En ausencia de señal de control. Para el diseño de éste último. y x es la señal procedente de los sensores o salidas. el modelo matemático permite también la simulación informática del proceso real que se trata de controlar. procesen convenientemente esta información y concluyan cómo se ha de actuar para conseguir que la máquina se comporte de la forma apetecida. Veamos un ejemplo matemáticamente muy simple de lo que estamos diciendo.Capı́tulo 1 Introducción 1. pese a su sencillez formal. el ingeniero de control parte del sistema dinámico que constituye el modelo matemático de la planta a controlar. Tratamos de concebir máquinas que alimentadas con información con relación al comportamiento de las magnitudes que se quieren controlar. representa un problema particularmente difı́cil. la x que representa la magnitud a controlar y la u que representa la magnitud mediante la cual se ejerce el control. en un caso par- ticularmente simple. Este modelo matemático describe los efectos relativos entre las distintas variables y los parámetros involucrados en el proceso.1. con el que se gobierna el comportamiento de la planta. El problema del control Mediante el control automático se trata de concebir y construir los órganos de con- trol que gobiernen el comportamiento de las máquinas. es decir para 1 . que el modelo de la planta viene dado por la expresión ẋ = x + u (1. Supongamos.

que se conoce como ley de control. en primer lugar.2).3) que es la ley de control deseada. INTRODUCCIÓN Planta u x Controlador Figura 1. un comportamiento estable. llevando (1. Un posible comportamiento de este tipo para la variable x viene dado por ẋ = −kd x (1. La teorı́a del control automático permite resolver el problema en muchas situaciones de interés práctico. tiene que representar matemáticamente lo que pretende alcanzar.2) en donde kd > 0. Precisamente uno de los objetivos básicos que se pretende es estabilizar este sistema inestable. A partir de la información x que suministran los sensores se trata de obtener la acción u de los actuadores. u = 0. en primera instancia. es decir. Si se quiere el compor- tamiento (1. se quiere determinar una función u = f (x). Las especifi- caciones de comportamiento a partir de las cuales se adopta un valor para kd pueden ser muy variadas.2 CAPÍTULO 1. El ingeniero de control tiene que encontrar una estrategia de actuación sobre el sistema de modo que a partir de las medidas de la señal x sea capaz de determinar la señal de actuación u. que como se acaba de ver es. podemos hacer que el valor cuadrático medio de la desviación de la situación de equilibrio sea mı́nimo supuesto el sistema sometido a per- turbaciones de tipo estocástico. lo haga con una trayectoria que puede ser elegida en función de los objetivos propuestos.3) se requiere una estructura de realimentación . Obsérvese que eligiendo adecuadamente el parámetro kd podemos hacer que el com- portamiento de x cuando se aproxima al equilibrio estable x = 0. Para resolver este problema.2) para el sistema representado por (1.3) a (1.1) bastará con hacer u = −(1 + kd )x (1. de manera que el comportamiento resultante sea estable. Esta es precisamente la representación matemática de lo que queremos lograr.1) se tiene (1.1: Estructura de realimentación. el sistema es inestable: la variable x crece exponencialmente. Por ejemplo. Para implantar la ley de control (1. Una vez planteado el problema su resolución es inmediata. En efecto.

que en la práctica hay que hacer importantes matizaciones a este esquema. .1.1) es un sistema dinámico lineal. Sin embargo. y ası́ en una espiral sin fin. para el ejemplo que ha de servido de motivación. El modelo lineal es solamente una primera aproximación que dependiendo del problema que se tenga entre manos puede ser suficiente o no. Si observamos el diagrama de la figura 1 veremos que muestra una estructura causal circular. Esta es la situación ideal con la que aspira a encontrarse el que trata de resolver un problema de control.1. 2.2). Se trata de determinar la ley de control de modo que actuando sobre el proceso se consiga el comportamiento deseado. Las representaciones lineales de los procesos tienen la ventaja de que la teorı́a matemática de sistemas dinámicos lineales está muy elaborada y su aplicación práctica presenta considerables ventajas. lo que constituye una idealización ya que toda magnitud fı́sica se desenvuelve en un rango acotado. por lo que su capacidad de representar es limitada. en una teorı́a matemática de los sistemas realimentados que no es sino una rama de la teorı́a de sistemas dinámicos. mediante una expresión del tipo (1. 3. que ha trascendido el propio dominio de la ingenierı́a para constituir una aportación tanto a las ciencias de la naturaleza como a las sociales y humanas.1). por ejemplo. el modelo lineal supone que las magnitudes pueden tomar valores en el intervalo (±∞). El modelo matemático de una planta o proceso a controlar. EL PROBLEMA DEL CONTROL 3 como la que se muestra en el diagrama de la figura 1. Además se le impondrán otras condiciones adicionales. Formalización del problema abstracto del control (como en su dı́a formalizaron las representaciones geométricas del hombre primitivo o las trayectorias de los primeros mecánicos). El modelo matemático del proceso a controlar de la expresión (1. Por ello conviene que le dediquemos algún espacio. Por ejemplo. en virtud de la cual toda actuación u produce un efecto x que se “realimenta”para incidir en la decisión del nuevo valor de u que se aplica al sistema. Esta estructura posee un enorme interés y su estudio sistemático constituye una de las grandes contribuciones de la inge- nierı́a del control.3). Si el sistema posee componentes mecánicas. al que en principio se exigirá que sea estable. Esta formulación abstracta del problema del control consiste en considerarlo como el problema formado por: 1. un modelo estrictamente lineal no considera los efectos de la fricción o de las holguras en los mecanismos de transmisión. tal como el represen- tado en (1. de modo que se cumplan ciertas especi- ficaciones. al considerar el caso del péndulo invertido. Veremos luego. se consigue con la ley de control (1. lo que. sabemos que constituye una primera aproximación. Un comportamiento deseado para el proceso.

INTRODUCCIÓN El problema del control tal y como se ha resuelto mediante las expresiones (1.2) y (1.2.4 CAPÍTULO 1. Para llegar a esta representación matemática necesitamos recurrir a los conocimientos que se tienen con relación al proceso en cuestión. tal como (1. .1) es una muestra particularmente sencilla. En realidad esto solo es cierto localmente. del que necesitamos una adecuada representación matemática mediante un sistema dinámico.1). 1. si x y u son vectores adquiere una considerable complejidad. que se incrementa además si los modelos son no lineales. Las no linealidades en el bucle alteran la estructura del retrato de estados en el espacio de estados global. el proceso a controlar. (1.1).3) constituye una versión enormemente simplificada de un problema que. Pero aún en esa versión enormemente simplificada están presentes todos los elementos que concurren en un problema de control. Sistemas no lineales Los sistemas no lineales muestran comportamiento mas complejos que los lineales. aún en su planteamiento lineal. Tenemos un cierto ámbito de la realidad. En todo caso partimos de una descripción matemática de un cierto aspecto de la realidad. incluso en el caso de que la planta sea inestable. de la que la expresión (1. o recurrir a técnicas de modelado especı́ficas mediante ajuste de modelos. EL control lineal es local Sea el sistema de segundo orden     0 1 0 ẋ = x+ u −a2 −a1 1 con ley de control   u = −Kx = − k2 k1 x El sistema en bucle cerrado es   0 1 ẋ = x −a2 + k1 −a1 + k2 la dinámica del sistema en bucle cerrado puede ser definida arbitrariamente.

otra contribución importante. la teorı́a de la pa- sividad y la estabilidad-estado (ISS) permiten extender a sistemas de control (sistemas con al menos una entrada) todo el cuerpo de resultados que se tenı́an para sistemas autónomos. Un problema que se ha suscitado en el estudio de estos últimos es el establecer condiciones contrastables para analizar la estabilidad de un sistema sin conocer ex- plı́citamente sus soluciones. . En estas norteas sólo trataremos puntos de equilibrio y ciclos lı́mite. permiten caracterizar tanto local como globalmente la estabilidad asintótica. además pueden caracterizarse de forma precisa en términos algebraicos. • Tres tipos principales de atractores: ◦ Puntos de equilibrio. desde sus orı́genes. fue el re- conocimiento de que las funciones de Liapunov pueden captar la propia naturaleza de la estabilidad asintótica y que la existencia de esas funciones. Su segundo método de análisis de estabilidad permite demostrar propiedades locales y globales de estabilidad a partir del signo de la tasa de disipación de una función tipo energı́a. el estudio de la estabilidad. Sin embargo. Más recientemente. The full consideration of nonlinear effects is out of scrutiny 1. La contribución clave a este problema se basa en los tra- bajos de Liapunov. Normalmente se aplican a sistemas de dimensiones finitas.Estabilidad en Sistemas de Control Uno de los principales problemas que se plantean en la teorı́a de control ha sido.1. no solo el atractor puntual asociado al punto de operación. ◦ Ciclos lı́mite. los sistemas no lineales presentan una variedad de comportamientos mucho más amplios de modo que la clasificación que es posible hacer en lineales. Posteriormente. Para sistemas lineales con dimensiones finitas es posible organizar las nociones de estabilidad de las que se dispone en torno a unos pocos conceptos básicos que.2.1. con adecuadas propiedades de disminución a lo largo de las trayectorias del sistema. ◦ Atractores extraños. EL CONTROL LINEAL ES LOCAL 5 Los sistemas no lineales presentan dos diferencial principales con respecto a los lineales: • Pueden tener múltiples atractores. ya no lo es para el caso de sistemas no lineales. Las desigualdades de disipación y el segundo método de Liapunov juegan un papel central en los llamados métodos constructivos de control no lineal reciente- mente desarrollados. de estables y no estables. Control Lineal y no Lineal .2.

6 CAPÍTULO 1. INTRODUCCIÓN .

Parte I Análisis 7 .

.

Espacio de estados Los posibles estados de un sistema se representan mediante puntos de un conjunto X. Formalización del concepto de sistema dinámi- co Noción intuitiva de sistema dinámico: conjunto de componentes conectados entre ellos de modo que presenten un comportamiento coordinado y realicen una tarea determinada. • algunas magnitudes representan el cambio con el tiempo de otras: El modelo matemático se construye a partir de las relaciones entre las correspon- dientes variables. Nos ocuparemos fundamentalmente de sistemas dinámicos dados por ecuaciones diferenciales o en diferencias: son los sistemas dinámicos de variables continuas La noción de sistema dinámico incluye el conjunto X de los posibles estados que puede alcanzar y una regle o ley que regula la evolución de los estados en el tiempo.1. Se consideran sistemas: • a cuyos componentes se asocian magnitudes xi . Ejemplo: 9 .Capı́tulo 2 Análisis cualitativo de sistemas dinámicos 2. Este conjunto recibe la denominación de espacio de estados.

El principal componente de un sistema dinámico es una regla de evolución que determina el estado xt a partir de x0 . ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS Figura 2. Crecimiento logı́stico o acotado La estructura de realimentación positiva permite dar razón del proceso de crec- imiento. sabemos que en la realidad todo proceso de crecimiento acaba por abortarse tarde o temprano. Para sistemas en tiempo continuo la familia {ϕt }t∈T de operadores de evolución se denomina flujo. La forma de crecimiento con la que normalmente nos . Esta regla se representa mediante la apli- cación ϕt : X → X xt = ϕ(x0 ) ϕt se denomina operador de evolución. 2.1: Péndulo. f ) se asocia un espacio de estados X y una aplicación ϕt : X → X que permite establecer la evolución en X.10 CAPÍTULO 2. A un sistema dinámico (X.2. Sin embargo. No existe el crecimiento indefinido (más que en situa- ciones extremas idealizadas). S = {θ} R = {θ̇} X = S ×R X es un cilindro (una variedad).

responsable del crecimiento exponencial inicial. (2. y consta de una fase inicial de crecimiento aproximadamente exponencial seguida de una segunda fase de estabilización. pasando por la difusión de una enfermedad. crecimiento comportamiento asintotico exponencial t Figura 2. y de un bucle de realimentación negativa. encontramos es la que se conoce como crecimiento logı́stico o sigmoidal. Esta forma de crecimiento se muestra en la figura 3. y ẋ representa . Un ejemplo concreto de crecimiento en un medio acotado lo suministra el modelo de crecimiento de un población. Aportan sugerencias sobre la estructura básica del sistema. Estos arquetipos son el resultado de la experiencia en modelado y pueden considerarse como descripciones fenomenológicas del comportamiento de los sistemas. que se puede escribir: ẋ = b(x) − d(x).1) en donde b(x) = nxg(x) son los nacimientos.2. En la fase inicial el bucle de realimentación positiva es el dominante. El cambio de dominación de los bucles se explica mediante la presencia de mecanismos no lineales. al que se asocie el comportamiento estabilizador final.2.1. Esta estructura permite explicar el crecimiento en problemas muy variados. Este comportamiento puede explicarse combinando un bucle de realimentación pos- itiva. sin ninguna pretensión de unicidad.2: Crecimiento logı́stico o sigmoidal. x > 0. d(x) = mx son las muertes. mientras que en la final lo es de re- alimentación negativa. CRECIMIENTO LOGÍSTICO O ACOTADO 11 . Constituye un ejemplo de lo que se conocen como arquetipos sistémicos que pueden considerarse como plantillas estructurales para la descripción de aspectos sistémicos de la realidad. desde el crecimiento de una población en un medio finito hasta la introducción de un nuevo producto en el mercado.

una forma parabólica (figura 2. De acuerdo con esta ecuación el crecimiento de la población x resulta del exceso de nacimientos sobre muertes.1) puede escribirse ẋ = x(ng(x) − m). De acuerdo con esta figura cuando la población es muy pequeña la natalidad crece con la población. Una hipótesis razonable es que g es no lineal. ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS f(x)=1+2x-3x2 (δ=1/3) f(x)=1+x-2x2 (δ=1/2) f(x)=1-x2 (δ=1) Figura 2.3: Forma de la función g̃(x) para distintos valores del parámetro δ. δ ∈ (0. De la curva g lo único que nos interesa es su forma creciente al principio y decreciente luego. Podemos adoptar para ella la expresión matemática siguiente:   1−δ x2 g̃(x) = 1 + x − .3). Esta expresión es un ejemplo de lo que se conoce como un sistema dinámico. y en las finales tiende a un valor asintótico. 1] . y tiene la forma cualitativa que se muestra en la figura 2.12 CAPÍTULO 2. es decir.3. la expresión (2. Esta forma de g es consis- tente con el supuesto del crecimiento sigmoidal según el cual en las fases iniciales de crecimiento éste es explosivo. δ δ es decir. mientras que los nacimientos dependen de x a través de la función g que hace variar la tasa de natalidad con el nivel alcanzado por la población x. la derivada (variación) de x con respecto al tiempo t. su forma cualitativa. Su parte derecha puede interpretarse como la regla que establece como se produce la variación ẋ . De acuerdo con lo que se ha visto. Conviene observar que las muertes dependen linealmente de la población x. mientras que cuando es grande decrece.

definido en X sistema dinámico = variedad de estados X + campo vectorial f De acuerdo con ello un sistema dinámico se define por el par (X. En general. un sistema dinámico se define como el objeto formado por un espacio de estados X (una variedad) y un campo vectorial f .. que dan lugar a otras tantas formas de escribir sistemas dinámicos. Sin embargo aquı́ nos limitaremos a la que se acaba de enunciar. . . como método para el modelado y simulación de sistemas dinámicos.2. mediante un sistema de ecuaciones diferenciales de primer orden. Esta expresión puede interpretarse también como un campo vectorial ẋ definido sobre X = {x}.2. Conviene observar que para esta transición hay que enriquecer la información estructural de las relaciones de influencia con infor- mación adicional. La dinámica de sistemas. x2 .2...2) se descompone en un conjunto de ecuaciones de la forma: ẋi = fi (x1 . mediante relaciones de influencia. X2 . es la siguiente ẋ = f (x) (2. xn ) (2.1. Una de las for- mulaciones más generales de un sistema dinámico. aporta herramientas conceptuales e informáticas para realizar esa transición (Aracil y Gordillo 1997).Xn → (2. dimensión n.4) dt De este modo es posible concebir una transición de los grafos..2). que se han considerado anteriormente (recuérdese la figura ??). El espacio X tiene. 2. de modo que (2.3) a cada una de las cuales corresponde una relación de influencia dXi X1 . CRECIMIENTO LOGÍSTICO O ACOTADO 13 de x a lo largo del tiempo. Existen otras formulaciones para la transición entre estados.2) en donde la función f establece la regla mediante la cual se produce el cambio del estado a lo largo del tiempo y representa la dinámica del sistema xt+dt = xt + f (xt )dt.. f ). Retrato de estados de sistemas no lineales Cada atractor tiene su cuenca de atracción. . en general. a sistemas dinámicos como los de la expresión (2.

ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS Los sistemas lineales tienen retratos de estado sencillos: Phase Plane 1 0.5 1 1.3.14 CAPÍTULO 2.5 1 x1 Los sistemas no lineales tienen retratos de estado más complejos: 2 1.5 1 0.8 −1 −1 −0.6 −0.2 −0. x ∈ IRn . como veremos.5 x2/pi 0 −0.8 0.5 0 0. conviene recordar algunos resultados relativos a los sistemas dinámicos lineales.2 x2 0 −0. Sistemas Dinámicos Lineales Aunque el objetivo de este curso es el estudio de sistemas dinámicos en toda su generalidad.5 −1 −1.4 −0.6 0. ya que.4 0.5 −1 −0. 2. los sistemas dinámicos no lineales se comportan localmente como lineales.5 0 0. por tanto no lineales.5 −2 −2 −1.5 2 x1/pi La teorı́a global se ocupa de la forma en que los atractores y sus cuencas de atracción se combinan en el retrato de estados. Un sistema dinámico lineal viene dado por una expresión de la forma ẋ = Ax.

. . Sea A una matriz real que posea los valores propios reales λi . eλ2 t ...5) ẋ2 = 2x2 (2. λ̄i = ai − jbi . se tiene un resultado análogo al anterior. . uk+1. vk . n Entonces existe una base para R2n−k {v1 . entonces todo el conjunto de vectores propios correspondientes {v1 . eλn t ]P −1 x(0) Ejemplo: Sea el sistema lineal ẋ1 = −x1 − 3x2 (2.... . . vn ] es invertible y P −1 AP = diag[λ1 .. eλn t ]y(0) y también x(t) = P diag[eλ1 t .. v2 . eλ2 t . k y los valores propios complejos λi = ai + jbi .. pero de mayor complejidad..2. y además algunos de ellos sean múltiples. . v2 . λ2 .. vk+1 .. vn } forma una base de IRn .. vn ...6) siendo x(0) = (c1 . λ2 . Se tiene entonces ẏ = P −1 AP y de donde se tiene que y(t) = diag[eλ1 t . un } ... .. λn de una matriz A son reales y distintos.. . .8) En el caso en el que la matriz A tenga valores propios reales y complejos...7) x1 = c2 e2t (2.. c2 )T . en cuyo caso la matriz P = [v1 ... SISTEMAS DINÁMICOS LINEALES 15 en donde A es una matriz n × n constante que tiene todos sus valores propios reales y distintos. De acuerdo con la anterior se tiene que la solución del sistema lineal es x1 = c1 e−t + c2 (e−t − e2t ) (2...3. λn ] si se realiza el cambio de coordenadas y = P −1 x en donde P es la matriz invertible anterior.. Un resultado bien conocido de la teorı́a de sistemas lineales dice que si los valores propios λ1 . . i = k + 1.... . i = 1.

. i = 1. ⎥ P −1 AP = ⎣ .. ⎦ Br donde los bloques elementales de Jordan son de la forma ⎡ ⎤ λ 1 0 ··· 0 ⎢ 0 λ 1 ··· 0 ⎥ ⎢ ⎥ ⎢ ··· ⎥ ⎢ ⎥ ⎣ 0 ··· 0 λ 1 ⎦ 0 ··· 0 0 λ para un valor propio real múltiple λ de A.. n son los vectores propios generalizados de A..vk vk+1 uk+1 . En tal caso existe una matriz P real y no singular tal que B = P −1AP tiene una de las formas siguientes:       λ 0 λ 1 a −b B= . B= yB= 0 μ 0 λ b a . n y wi = ui ±jvi . tal que P = [v1 .. i = 1.... La solución del sistema lineal se escribe en este caso: x(t) = P diag[eBi t ]P −1 x(0) Para concretar consideremos el caso de sistemas lineales en un espacio de dos dimen- siones ẋ = Ax x ∈ R2 (2. I2 = y0= b a 0 1 0 0 para un valor propio complejo múltiple λ = a + bj de A... ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS en donde vi . ...9) en donde A es una matriz real. o bien de la forma ⎡ ⎤ D I2 0 ··· 0 ⎢ 0 D I2 · · · 0 ⎥ ⎢ ⎥ ⎢ · · · ⎥ ⎢ ⎥ ⎣ 0 ··· 0 D I2 ⎦ 0 ··· 0 0 D en donde       a −b 1 0 0 0 D= .16 CAPÍTULO 2.vn un ] es una matriz invertible y ⎡ ⎤ B1 ⎢ .

y c1 y c2 son dos números reales. entonces la combinación lineal c1 x1 (t) + c2 x2 (t) es también solución del sistema lineal. la relación c1 x1 (t) + c2 x2 (t) = 0 . x2 a21 a22 A continuación se presentan algunas propiedades de los sistemas lineales bidimen- sionales. SISTEMAS DINÁMICOS LINEALES 17 La solución del sistema dinámico lineal en este caso es de la forma: ẋ = Bx x(0) = x0 (2. A= .3. A esto se le denomina principio de superposición.9) se deduce del de (2. que son extensibles a sistemas de orden superior. Sistemas dinámicos autónomos lineales de dimensión dos Los sistemas lineales bidimensionales son una clase particular de sistemas autónomos de dimensión dos ẋ = f(x) en los que el campo vectorial f : R2 → R2 está dado por una función lineal.2.3.10). 2. donde:     x1 a11 a12 x= .1. Si x1 (t) y x2 (t) son soluciones del sistema ẋ = Ax. En la próxima sección se presentará un resultado más detallado. Dos soluciones x1 (t) y x2 (t) del sistema ẋ = Ax se dice que son linealmente inde- pendientes si para t ∈ R. Las soluciones de un sistema lineal ẋ = Ax están definidas para todo t ∈ R.10) que se convierte en cada uno de los tres casos anteriores en  λt  e 0 x(t) = x0 0 eλt   λt 1 t x(t) = e x0 0 1 y   at cos bt − sin bt x(t) = e x0 − sin bt cos bt El comportamiento de las soluciones de (2. Es decir un sistema lineal plano puede ser escrito de la forma ẋ = Ax.

Si x1 (t) y x2 (t) son soluciones del sistema ẋ = Ax entonces la matriz X(t) = (x (t)|x2 (t)) se denomina matriz solución. que pueden representarse simplificadamente como:   −1 0 (i) tiene dos autovalores negativos. Si X(t) es una matriz fundamental de soluciones de ẋ = Ax y cumple la condición inicial X(0) = I (matriz identidad). se presentan dos teoremas sobre la equivalencia topológica de sistemas y su clasificación cualitativa. en sistemas planos. Sean dos matrices A y B que tienen autovalores con parte real dis- tinta de cero (sistemas hiperbólicos). es un sumidero hiperbólico. h es continua y con inversa continua.1. si además las soluciones x1 (t) y x2 (t) son 1 linealmente independientes para todo t ∈ R. que transforma las órbitas de ẋ = Ax en las de ẋ = Bx y conserva su sentido en el tiempo. entonces se dice que es una matriz principal de soluciones. 0 −1 . A continuación. entonces los sistemas ẋ = Ax y ẋ = Bx son topológicamente equivalentes si y sólo si las matrices A y B tienen el mismo número de autovalores con parte real negativa (y por consiguiente también positiva). la solución de la ecuación difer- encial ẋ = Ax que satisface la condición inicial x(0) = x0 está dada por la expresión: ϕ(t. Teorema 2. tal que. Si X(t) es una matriz fundamental de soluciones. x0 ) = eAt x0 . Ası́ pues. entonces se dice que X(t) es una matriz fundamental de soluciones de ẋ = Ax. Equivalencia cualitativa en sistemas lineales Dos sistemas lineales de dimensión dos ẋ = Ax y ẋ = Bx se dice que son topológicamente equivalentes si hay un homeomorfismo h : R2 → R2 en el plano. Es decir: h(eAt x) = eBt h(x) para todo t ∈ R y x ∈ R2 . hay tres clases de sistemas hiperbólicos lineales. ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS implica que c1 = c2 = 0. donde eAt ≡ X(t)[X(0)]−1 .18 CAPÍTULO 2. y dado el carácter restrictivo de la equivalencia lineal de sistemas. La independencia lineal se comprueba si det(x1 (t)|x2 (t)) = 0 para todo t ∈ R.

se dice que el flujo eAt : IRn → IRn . 0 1   1 0 (iii) un autovalor positivo y otro negativo. es una fuente hiperbólica. Estabilidad Si todos los valores propios de una matriz no singular A de dimensión n × n tienen parte real no nula.3. Dentro de la clasificación de sistemas hiperbólicos realizada en el teorema 2.3. Cada órbita que no sea un equi- −1 0 librio es periódica. Los conjuntos α-lı́mite (inicio) de 0 0 todas las órbitas negativas (hacia atrás) son puntos de equilibrio.   0 1 (v) dos autovalores imaginarios puros. que no sean puntos de equilibrio no están limitadas.2.4 se muestra el diagrama de fases de cada una de las clases rep- resentativas de equivalencia topológica de sistemas lineales definidas en los teoremas anteriores. En la figura 2. Cualquier órbita es un punto de equilibrio.2. positivas 0 0 y negativas. SISTEMAS DINÁMICOS LINEALES 19   1 0 (ii) tiene dos autovalores positivos. dependiendo de si los autovalores son complejos o reales.2. 2. Todas las órbitas. entonces el sistema plano lineal ẋ = Ax es topológi- camente equivalente a uno de los siguientes cinco sistemas lineales:   0 0 (i) matriz cero.   0 1 (iv) dos autovalores nulos pero es de rango 1. Si la matriz de coeficientes A tiene al menos un autovalor con parte real nula (sistema no hiperbólico). 0 0   −1 0 (ii) un autovalor negativo y otro cero. Los conjuntos ω-lı́mite (finales) 0 0 de todas las órbitas positivas (hacia adelante) son puntos de equilibrio. estables e inestables. 0 −1 Teorema 2.   1 0 (iii) un autovalor positivo y otro cero.1 se pueden definir varios tipos de equilibrios. punto de silla hiperbólico.

4: Diagrama de fases de la clases representativas de equivalencia topológica de sistemas lineales planos.20 CAPÍTULO 2. ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS x2 x2 x2 x1 x1 x1       −1 0 1 0 1 0 0 −1 0 1 0 −1 x2 x2 x2 x1 x1 x1       0 0 −1 0 1 0 0 0 0 0 0 0 x2 x2 x1 x1     0 1 0 1 0 0 −1 0 Figura 2. .

2. o bien bajo la forma de nodo. y τ > 0 Un centro si δ > 0. una fuente si todos los valores propios tienen parte real estrictamente positiva. El punto de equilibrio único x = 0 se dice que es un punto de equilibrio hiperbólico. y τ < 0 Un nodo inestable si δ > 0. Si x = 0 es un pozo o una fuente. Sea δ = det A y τ = trazaA y considérese el sistema lineal ẋ = Ax x ∈ IRn El punto de equilibrio x = 0 es (Fig 2. y τ < 0 Un foco inestable si δ > 0.11) . τ 2 − 4δ < 0. Un punto de equilibrio hiperbólico puede ser o bien un pozo. y τ > 0 Un foco estable si δ > 0. o bien un punto de silla o ensilladura si los valores propios tienen signos diferentes. SISTEMAS DINÁMICOS LINEALES 21 es hiperbólico. τ 2 − 4δ ≥ 0. τ 2 − 4δ ≥ 0.5) Una ensilladura si δ < 0 Un nodo estable si δ > 0. τ =0 Los valores propios de A se pueden escribir: √ τ ± τ 2 − 4δ λ= 2 En el caso general para n ≥ 1 se tiene lo siguiente. De acuerdo con lo que se ha visto anteriormente la solución de un sistema lineal ẋ = Ax x ∈ IRn x(0) = x0 (2. Veamos con detalle el caso de un sistema lineal de dos dimensiones. si todos los valores propios tienen parte real estrictamente negativa o bien.3. las soluciones se acercan a (o se separan de) x = 0 de dos formas. o bien bajo la forma de foco. τ 2 − 4δ < 0.

. ores complejos con parte real neg- ativa.5: Diagrama de fases de la clases representativas de equilibrios hiperbólicos. x2 x2 x1 x1 Nodo inestable (fuente): Autoval. Foco inestable: Autovalores reales ores reales positivos.22 CAPÍTULO 2. Figura 2. ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS x2 x2 x1 x1 Nodo estable: Autovalores reales Foco estable (sumidero): Autoval- negativos. con parte real positiva.

vk+1 . entonces. vi . vm } n = 2m − k. Se deduce que Avi ∈ E y por tanto Av ∈ E.  k Av = ci Avi i=1 Como cada vi verifica (A − λI)ki vi = 0 para un cierto ki mı́nimo. ai = 0} es el subespacio central. uk+1.11). ai < 0} es el subespacio estable. Un subespacio E ⊂ IRn se dice invariante bajo el flujo eAt : IRn → IRn si eAt E ⊂ E para todo t ∈ R.11).. entonces. AE ⊂ E Para demostrar este resultado sea {v1 ... Sea E el espacio de los vectores propios generalizados de A correspondientes a un valor propio λ. Sea wi = ui + jvi un vector propio generalizado de la matriz A. inestable y central: . E u = span{ui . asociados a (2. SISTEMAS DINÁMICOS LINEALES 23 se escribe x(t) = eAt x0 La aplicación eAt : IRn → IRn describe el comportamiento del punto x0 ∈ IRn a lo largo de las trayectorias de (2..2. vk } un base de E formada por los vectores propios generalizados. ai > 0} es el subespacio inestable.3.. vi . por linealidad.  k v= ci vi i=1 y. um . Consideremos igualmente la base IRn B = {u1 . . E s = span{ui .. uk . v2 . vi . .. se puede escribir (A − λI)vi = Vi o lo que es lo mismo Vi ∈ (A − λI)ki −1 ⊂ E. E c = span{ui. Sea v ∈ E. .. Utilizando el lema anterior se puede demostrar la propiedad siguiente de los sube- spacios estable.. correspondiente al valor propio λi = ai + jbi .

Conviene observar que las propiedades siguientes son equivalentes: todos los valores propios de A tienen parte real estrictamente negativa. E u y E c son subespacios invariantes bajo el flujo eAt de (2. x(0) = x0 (2.24 CAPÍTULO 2. Sistemas dinámicos no lineales Después del repaso que se ha hecho en la sección anterior de algunos resultados generales sobre sistemas lineales de la forma ẋ = Ax. x(0) = x0 (2. E u y E c son respectivamente los subespacios estable.11). ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS Sea A una matriz real de dimensión n × n. lı́mt→−∞ eAt x0 = 0 y para x0 = 0. Además E s .11). entonces IRn = E s ⊕ E u ⊕ E c en donde E s . lı́mt→∞ eAt x0 = 0 y para x0 = 0.4. inestable y central de (2. ∀xo ∈ IRn .13) y = h(x) (2. lı́mt→∞ eAt x0 = ∞ 2.14) .12) con ello dispondremos también de resultados para el estudio de sistemas de control no lineales ẋ = f (x. u). lı́mt→−∞ eAt x0 = ∞ además. todos los valores propios de A tienen parte real estrictamente positiva. ∀xo ∈ IRn . x(0) = x0 ahora vamos a estudiar los sistemas dinámicos no lineales ẋ = f (x).

x(0) = x0 y = h(x) lo que lo convierte en un sistema dinámico no lineal (2.12).1. k(x)). Propiedades de las soluciones 2. 2. y una parte más especı́fica en la que se ponen en evidencia comportamientos completamente nuevos con relación a los que presentan los sistemas lineales.5. x(0) = x0 (2. PROPIEDADES DE LAS SOLUCIONES 25 puesto que siempre que se tenga una ley de control de la forma u = k(x) se tendrá que el sistema realimentado correspondiente tomará la forma ẋ = f (x.5.15) para cuya integración conviene recordar que  xk+1 xk dx = k+1 El sistema dinámico anterior puede escribirse de la forma dx 2 = dt 3x 3 La integración del primer miembro es  1 − 23 x3 x dx = 1 3 por lo que la integración de la ecuación anterior conduce a 1 1 x 3 (t) − x 3 (0) = t . Existencia y unicidad de las soluciones Considérese en primer lugar el sistema dinámico 2 ẋ = 3x 3 .2.5. El estudio de los sistemas dinámicos no lineales comprende dos partes: una más elemental de carácter local. que se relaciona con el estudio de sistemas lineales cuando el punto de equilibrio entorno al que se estudia el comportamiento del sistema es hiperbólico.

Por tanto el sistema dinámico anterior posee dos soluciones. Sea f ∈ C 1 (U) en donde U es un abierto de IRn . Conviene observar que (2. Po otra parte sea x0 ∈ U. Aquı́ no profundizaremos en estas cuestiones. además.5. x̄(t0 ) = x0 y si x̄(t) es una solución de la ecuación diferencial no lineal ẋ = f (x) sobre el intervalo Y .2. Para x0 ∈ U sea ϕ(t. que dice que si U es un abierto de IRn que contiene x0 y supongamos que f ∈ C 1 (U). pero sin embargo si conviene esbozarlas para no olvidar las sutilezas matemáticas que presentan los sistemas dinámicos no lineales.15) es continua en x = 0 pero que no es diferenciable. α]. Se dice que x̄(t) es una solución de la ecuación diferencial no lineal ẋ = f (x) sobre un intervalo Y . si t0 ∈ I. x̄(t) es una solución del problema con valor inicial ẋ = f (x) x(0) = x0 sobre un intervalo Y . x0 ) la solución del problema con valor inicial ẋ = f (x) x(0) = x0 (2.16) . si x̄(t) es diferenciable sobre Y y x̄˙ = f (x̄) para todo t ∈ I. ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS Es decir x̄(t) = t3 Pero. entonces existe un α > 0 tal que el problema con valor inicial ẋ = f (x) x(0) = x0 tiene una solución única x̄(t) sobre el intervalo [−α.26 CAPÍTULO 2. que no vamos a demostrar aquı́. Hay un teorema. Este hecho justifica el que la solución no sea única y sugiere la necesidad de que el sistema sea diferenciable para tener la unicidad. Flujo definido por un sistema dinámico Sea U un abierto de IRn y sea f ∈ C 1 (U). por ser más propias de un curso de matemáticas. es fácil ver que x̄(t) = 0 también es una solución del sistema dinámico que satisface las condiciones iniciales. 2.

t ∈ I(x0 )} Las propiedades del flujo lineal ϕt : IRn → IRn x0 → ϕt (x0 ) = eAt x0 se cumplen también para un flujo no lineal definido por (2. Sistema dinámico como flujo La aplicación ϕ : IR × IRn → IRn representa la totalidad de las soluciones. En lo que sigue se empleará la anotación Ω = {(t.5. Se supone que . Si t ∈ Z. x0 ) se denomina flujo de la ecuación diferencial (2. PROPIEDADES DE LAS SOLUCIONES 27 definida sobre un intervalo máximo de existencia I(x0 ). Entonces para t ∈ I(x0 ) la aplicación ϕt : U → U x0 → ϕt (x0 ) = ϕ(t. se denomina flujo del campo vectorial f (por analogı́a con el flujo de un fluido).3. 2.2. La ϕ es también la dinámica o regla que especifica como se transforma el estado x ∈ X en otro estado ϕt (x) en el tiempo t. x0 ) ∈ R × U. • Si el sistema es autónomo entonces ϕt ◦ ϕs = ϕt+s Si ϕt está definido para todo t < 0.16). IR+ se dice que el tiempo es continuo. entonces el sistema es invertible y ϕ−t = ϕ−1 t Si t ∈ IR.16) o flujo del campo de vectores f (x).5.Z+ el tiempo es discreto. Propiedades naturales del operador ϕ: • ϕ0 es la aplicación identidad.

dx = f (x. Y. A partir de un estado inicial x0 se genera la trayectoria ϕt (x0 ) = x(t) La proyección de la trayectoria sobre X se denomina órbita.5. g). . Los objetos geométricos básicos asociados a un sistema dinámico son las órbitas y el retrato de estados. Un sistema dinámico (X. • t ∈ Z+ o IR+ .28 CAPÍTULO 2. U. definido en X ⊆ IRn . u) dt y = g(x) Un sistema dinámico en tiempo discreto está completamente definido mediante la aplicación de una paso f = ϕ1 ϕ2 = ϕ1 ◦ ϕ1 = f ◦ f = f 2 f 2 es la iteración de dos pasos.4. f ∈ C ∞ (x. Esta suposición la relajaremos más adelante al considerar sistemas de control. f. X. f ) es el objeto formado por un espacio de estados X (una variedad) y un campo vectorial f . 2. Orbitas y retratos de estados Los métodos geométricos para el estudio de sistemas dinámicos están basados en imágenes geométricas. dx = f (x) dt En automática un sistema dinámico es un objeto matemático formado por el séxtuplo (T. • El sistema dinámico es determinista. x) y T = IR. • Las aplicaciones ϕt son continuas. De momento supondremos que el sistema dinámico es autónomo. ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS • X es un conjunto cerrado en IRn .

El retrato de estados muestra el número y los tipos de los estados asintóticos a los que tiende el sistema al hacer t → ∞. ⎦ ∂fn ∂fn ∂x1 (x0 ) . . . . puede interpretarse como el flujo de un fluido.. 2. t ∈ T } Las órbitas son curvas en sistemas en tiempo continuo y secuencias de puntos en sistemas en tiempo discreto. Puntos de equilibrio Un punto x0 ∈ IRn es un punto de equilibrio o un punto crı́tico de la ecuación diferencial ẋ = f (x) (2. Conviene observar que si x0 es un punto de equilibrio de (2.. Como en el caso lineal..17) se asocia la matriz jacobiana ⎡ ∂f1 ∂f1 ⎤ ∂x1 (x0 ) .. un punto crı́tico o también un punto singular el campo de vectores f . ∂xn (x0 ) El sistema lineal ẋ = Jx0 (f )x se llama linealización de (2.. . El retrato de estados de un sistema dinámico es una representación de sus órbitas en el espacio de estados (la representación gráfica y esquemática de un conjunto representativo de ellas). ⎥ Jx0 (f ) = Dx f = ⎣ .5.17) en el punto x0 . . Por tanto x0 es un punto fijo para el flujo ϕt .5. ∂xn (x0 ) ⎢ .17) y si ϕt : U → IRn es el flujo de la ecuación diferencial (2.17) entonces ϕt (x0 ) = x0 para todo t ∈ R. PROPIEDADES DE LAS SOLUCIONES 29 Se define como un subconjunto ordenado de X Or(x0 ) = {x ∈ X|x = ϕt (x0 ).17) sin ningún valor propio de la matriz jacobiana tiene parte real nula. .17) si f (x0 ) = 0 A un sistema dinámico (2. un punto de equilibrio hiperbólico se dirá que es un pozo si todos su valores propios tienen parte . se dice también que es un 0. Un punto de equilibrio se dice que es un punto de equilibrio hiperbólico de (2.2.5.

x1e = [1. ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS real estrictamente negativa. Linealización Si un punto de equilibrio de (2. Por otra parte. 0]T x2e = [−1.5. 2. 0]T La matriz jacobiana de este sistema dinámico es   2x1 −2x2 J= 0 2 que en el equilibrio x1e se convierte en   2 0 J(x1e ) = 0 2 cuyos autovalores son positivos por lo que es una fuente.30 CAPÍTULO 2. Ejemplo Sea el sistema dinámico   x21 − x22 − 1 f (x) = 2x2 Para estudiar los puntos de equilibrio de este sistema hay que resolver el sistema de ecuaciones x21 − x22 − 1 = 0 2x2 = 0 que conduce a x21 − 1 = 0 ⇒ x1 = ±1 por lo que se tiene que el sistema presenta dos puntos de equilibrio. entonces el comportamiento de las soluciones en un entorno de este punto es semejante al comportamiento de las soluciones . una fuente si todos su valores propios tienen parte real estrictamente positiva o.6. una ensilladura o un punto de silla si los valores propios tienen signos diferentes. en el equilibrio x2e la matriz jacobiana toma la forma   2 −2 0 J(xe ) = 0 2 por lo que este punto de equilibrio es una ensilladura. por último.17) es hiperbólico.

sea f ∈ C 1 (U) y sea ϕt el flujo asociado al sistema no lineal (2. tangente al espacio estable E s y tangente al espacio inestable E u asociados a la linealización de (2.5. bajo el flujo y tangente al eje x1 en el . se supondrá que el punto de equilibrio es el origen. ∀x0 ∈ S s t→∞ lı́m ϕt (x0 ) = 0.17) en este punto. ϕt (S u ) ⊂ S u para todo t ≥ 0 y lı́m ϕt (x0 ) = 0. En lo que sigue. j valores propios con parte real positiva y m = n − j − k valores reales nula.17) en el origen ẋ = Jx0 (f )x Además. S u de dimensión n − k respecti- vamente. estas superficies son invariantes bajo el flujo ϕt ϕt (S s ) ⊂ S s . El resultado anterior predice la existencia de una superficie invariante central. para el caso en que exista una variedad de centros. ∀x0 ∈ S u t→−∞ Por otra parte. PROPIEDADES DE LAS SOLUCIONES 31 del sistema linealizado de (2. se tiene el siguiente resultado. S s de dimensión k y una superficie C 1 . Ejemplo: Sea el sistema ẋ1 = x21 ẋ2 = −x2 El subespacio estable E s del sistema linealizado en el origen (único punto de equilibrio) es el eje x2 y el subespacio central E c es el eje x1 . de dimensión m tangente al espacio central E c en el origen e invariante bajo el flujo ϕt . Sea U un abierto de x0 ∈ IRn que contiene el origen. S c . el origen).17). Si este no fuese el caso se realizarı́a el cambio de coordenadas x → x − x0 Todos los resultados que se exponen a continuación son válidos localmente entorno al punto de equilibrio considerado (es decir.2. Entonces existe una superficie C r . eventualmente no única.17) y que J0 f tenga m valores propios con parte real negativa. Supongamos que el origen es un punto de equilibrio hiperbólico y que J0 f tiene valores propios con parte real estrictamente neg- ativa y n − k valores propios con parte real estrictamente positiva. Entonces existe una superficie C 1 . Supóngase que el origen sea un punto de equilibrio de (2. Sea f ∈ C 1 (U) en donde U es un abierto de IRn que contiene al origen y r ≥ 1.

.. − c1 1 x2 = c2 e 1 e x1 La curva  − c1 1 x2 = c2 e 1 e x1 . El propio eje x1 es la tal superficie puesto que x2 = 0 implica ẋ2 = 0. .. k = 1. la solución que pasa por el punto (c1 . Por fin. n entonces p es un atractor. . la curva x2 es tangente al origen. . • Supóngase que p es un atractor hiperbólico para un sistema dinámico f . ∀k se dice que p es un atractor hiperbólico. x1 < 0 0 x1 ≥ 0 es invariante bajo el flujo.. . k = 1.32 CAPÍTULO 2. hay otras superficies centrales. Sin embargo. • Si Re(λk ) < 0. Con él se puede precisar el hecho de que siempre en un entorno de un punto de equilibrio hiperbólico el sistema dinámico no lineal y su linealizado entorno a este punto tiene la misma estructura cualitativa. . Linealización de un sistema dinámico en IRn Para un equilibrio p se define la matriz jacobiana   ∂fi A= ∂xj En torno a p el sistema dinámico toma la forma linealizada dx = Ax dt Sean λ1 .5. Conviene observar que en este ejemplo las superficies centrales son de hecho centrales. • Si p es un atractor entonces Re(λk ) ≤ 0. λn los autovalores de A en un equilibrio p.. c2 ) con c1 < 0 viene dada por la solución particular de dx2 x2 =− 2 dx1 x1 es decir. En efecto. .. • Se dice que p es persistente ante perturbaciones de f . 2. El resultado siguiente viene a completar los precedentes. n • Cuando Re(λk ) < 0. Es por tanto una superficie central. ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS origen. En tal caso existen infinitos sistemas dinámicos fi que tienen un atractor hiperbólico cerca de p.7..

PROPIEDADES DE LAS SOLUCIONES 33 Los autovalores de la matriz jacobiana A = [aij ] dependen de forma continua de los valores de sus elementos aij .5. Si además este homeomorfismo preserva la parametrización H(ϕt (x)) = ψt (H(x)) en donde ϕt y ψt son respectivamente los flujos de los sistemas dinámicos (1) y (2) entonces se dice que estos dos sistemas son topológicamente conjugados. En un equilibrio las desigualdades entre autovalores (del tipo λi > 0. o que tienen la misma estructura cualitativa. 2. Entonces este sistema dinámico y su linealizado entorno al origen ẋ = Jx0 (f )x . Para que al menos uno de los autovalores sea nulo. Sea U un abierto de IRn que contenga al origen.18) ↔ trayectorias de (2. cualquier pequeña perturbación de los valores de los parámetros destruirá presumiblemente la igual- dad. Equivalencia topológica Sean dos sistemas dinámicos ẋ = f (x) (2. Condición necesaria para que un sistema sea estructuralmente estable es que sus equilibrios (y también sus ciclos lı́mite) sean hiperbólicos. o similares) se mantienen para pequeños cambios en los parámetros. y por tanto el sistema pierda la hiperbolicidad. Sea f ∈ C 1 (U) y sea ϕt el flujo del sistema no lineal ẋ = f (x) Supóngase que el origen es un punto de equilibrio hiperbólico. trayectorias de (2. En los centros que se definen por igualdades del tipo Re(λ) = 0.18) ẋ = g(x) (2.19) Estos dos sistemas se dice que son topológicamente equivalentes.8.19) de modo que H preserva la orientación (la naturaleza de la estabilidad). sobre un entorno del origen.5. det A = 0.2. si existe un homeomorfismo H tal que.

x2 ) = x2 2x2 + 31 2.34 CAPÍTULO 2.5. Bajo estas hipótesis existe un homeomorfismo H que verifica H ◦ ϕt (x0 ) = e(J0 f ) H(x0 ) Ejemplo: Sea el sistema dinámico ẋ1 = −x1 ẋ2 = x2 + x21 Sus trayectorias para x1 (0) = c1 y x2 (0) = c2 son x1 = c1 e−t c21 t x2 = c2 et + (e − e−2t ) 3 Por otra parte   −1 0 J0 f = 0 1 Se puede demostrar que este sistema y su linealizado son topológicamente equivalentes utilizando el homeomorfismo   x1 H(x1 . x(tk ) → y Conjunto de equilibrios E Un punto p pertenece al conjunto de equilibrios E si p ∈ E ⇐⇒ x(t) = p. si x0 = p. Conjuntos lı́mite y equilibrios Conjunto lı́mite ω(x) Se define el conjunto lı́mite de un sistema dinámico como el conjunto formado por los puntos de X tales que y ∈ ω(x) ⇐⇒ ∃tk → ∞. ∀t ⇐⇒ p = ω(p) un equilibrio se representa por un punto en el retrato de estados y es la más simple de las órbitas. . ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS son topológicamente conjugados sobre un intervalo abierto I0 ⊂ R.9.

∀t En la figura 2. dt 1 0 -1 -1 0 1 2 Figura 2. Sea el sistema dinámico: dx = f (x) x(0) = x0 dt Un equilibrio es un p : f (p) = 0. Un ciclo lı́mite es una solución periódica de esta ecuación diferencial. CICLOS Y ATRACTORES 35 Ciclo lı́mite de perı́odo T0 > 0 Un ciclo lı́mite es una trayectoria tal que x(t + T0 ) = x(t). Ciclos y atractores Después de la descripción del comportamiento de las soluciones en un entorno de un punto de equilibrio interesa estudiar el comportamiento entorno de otros conjuntos . 2.6 se muestra el retrato de estados del sistema dinámico dx = x − y − x(x2 + y 2 ) dt dy = x + y − y(x2 + y 2 ).6.6.2.6: Retrato de estados de un sistema de dimensión 2. mostrando un ciclo lı́mite.

U es un abierto de x0 ∈ IRn .20) que pase por x ϕ(. x) : R → U se denomina trayectoria u órbita que pasa por x (algunos autores emplean trayectoria para x(t) y órbita para la proyección de la trayectoria en el espacio de estados).5 .5 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 t Figura 2. x) del sistema (2. lı́mites. si existe una secuencia (tn ) tal que lı́mn → −∞ y lı́m ϕ(tn .75 x0 -. los bucles homoclı́nicos. Conjuntos lı́mite y atractores Considérese de nuevo el sistema no lineal autónomo ẋ = f (x) (2. Un punto p ∈ U es un punto ω-lı́mite de la trayectoria ϕ(. la solución de (2.20) en donde f ∈ C 1 (U). 2. x) = p n→∞ De manera análoga. Sea x ∈ U. los ciclos separadores o los atractores extraños.6.36 CAPÍTULO 2.1. ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS 1. x) del sistema (2.20) si existe una secuencia (tn ) tal que lı́mn → ∞ y lı́m ϕ(tn . un punto p ∈ U es un punto α-lı́mite de la trayectoria ϕ(.7: Comportamiento oscilatorio de un sistema con un atractor tipo ciclo lı́mite. x) = q n→∞ . Para su estudio se debe adoptar una perspectiva global de los sistemas dinámicos no lineales.20).. Los más notables de ellos son las órbitas periódicas...75 -1.

los que forman la propia órbita periódica.5 x2 0 −0. Una trayectoria que tiende a una órbita periódica y acaba situándose sobre ella. denotado ω(Γ) (respectivamente conjunto α-lı́mite denotado α(Γ)).21 El cı́rculo de radio unidad Γ0 se denomina ciclo (u órbita periódica) estable.21) ẋ2 = −x1 + x2 (1 − x21 − x22 ) en coordenadas polares se tiene ρ̇ = ρ(1 − ρ2 ) θ̇ = 1 Del retrato de estados se muestra en la figura 2.5 1 1. ϕt (ω(Γ)) ⊂ ω(Γ) y ϕt (α(Γ)) ⊂ α(Γ) Ejemplo Sea el sistema dinámico no lineal ẋ1 = x2 + x1 (1 − x21 − x22 ) (2.5 −2 −2 −1.2. .5 1 Γ0 0.8: Retrato de estados del sistema 2.5 2 x1 Figura 2. Además los subconjuntos ω(Γ) y α(Γ) son invariantes bajo el flujo ϕt . entonces ω(Γ) y α(Γ) son subconjuntos compactos. posee una infinidad de puntos ω-lı́mite.20). Si Γ está contenida en un subconjun- to compacto de IRn . CICLOS Y ATRACTORES 37 El conjunto de todos los puntos ω-lı́mite (resp.5 0 0. Considérense los conjuntos lı́mites ω(Γ) y α(Γ) asociados a una trayectoria Γ de (2.5 −1 −0.6. no vacı́os y conexos de U.5 −1 −1. α-lı́mite) de una trayectoria Γ se de- nomina conjunto ω-lı́mite.9 2 2 x1 ’ = x2 + x1 (1 − x1 − x2 ) 2 2 x2 ’ = − x1 + x2 (1 − x1 − x2 ) 2 1. que son subconjuntos cerrados de U.

Ejemplo: Sea el sistema dinámico no lineal ẋ1 = x2 (2. En este retrato de estado convienen observa la curva Γ que es un conjunto lı́mite denominado órbita homoclı́nica. ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS Además de los puntos de equilibrio y de los ciclos lı́mites existen otros conjuntos lı́mites. x2 = 0 El jacobiano de este sistema dinámico   0 1 J= 1 + 2x1 0 En el primero de los equilibrios el jacobiano toma la forma   0 1 J1 = 1 0 por lo que se trata de una ensilladura. ya que une un punto a sı́ mismo.22) ẋ2 = x1 + x21 Es fácil ver que este sistema dinámico posee dos puntos de equilibrio x1 = x2 = 0 x1 = −1.38 CAPÍTULO 2. En la figura siguiente se muestra el retrato de estados de este sistema dinámico. Considérese ahora el sistema dinámico que describe el comportamiento de un péndu- lo no amortiguado: ẋ1 = x2 ẋ2 = − sin x1 . En el segundo equilibrio el jacobiano es   0 1 J2 = −1 0 por lo que se trata de un centro.

5 0 0.5 x2 0 −0.5 1 1. Atractores . CICLOS Y ATRACTORES 39 Los equilibrios de este sistema dinámico vienen dado por x1 = x2 = 0 x1 = ±kπ. puesto que unen puntos diferentes.5 −1 −1. Por otra parte en los otros equilibrios la matriz jacobiana toma la forma   0 1 J2 = 1 0 de donde se desprende que se trata de ensilladuras. Los caminos cerrados formados por órbitas heteroclı́nicas se denominan ciclos homoclı́nicos.5 2 x1 Figura 2.5 −1 −0.22 En esta figura conviene observar la curvas Γ1 y Γ2 que representan conjuntos lı́mites y que se denominan órbitas heteroclı́nicas.5 1 Γ0 0. El retrato de estados se tiene en la figura siguiente: x1 ’ = x2 2 x2 ’ = x1 + x1 2 1.9: Retrato de estados del sistema 2.6.5 −2 −2 −1. x2 = 0 y la matriz jacobiana por   0 1 J= − cos x1 0 En el origen esta matriz toma la forma   0 1 J1 = −1 0 por lo que el origen es un centro.2.

d(ϕt (x). cuando t → ∞ Un atractor de (2. ϕt (x) ∈ E. ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS Se dice que K es un atractor si existe un entorno N de K tal que K ⊂ N ⊂ X lı́m dist(x(t).6.2. . Un subconjunto cerrado A ⊂ U se denomina conjunto atractor de (2. A) → 0. ω(x) = equilibrios y/o ciclos lı́mites Ejemplos: • Osciladores de Van der Pol. En un orden creciente de complejidad se encuentran los sistemas para los que el conjunto lı́mite está formado por equilibrios y ciclos lı́mite. Lo mismo se dice para un ciclo lı́mite. • Circuitos eléctricos no lineales. Un equilibrio p es asintóticamente estable si p es un atractor. Un nodo o un foco estable son ejemplos de atractores pero una ensilladura no lo es.20) si existe un entorno E de A tal que ∀x ∈ E. • Los sistemas eléctricos lineales con elementos resistivos. Comportamiento a largo plazo de las trayectorias El “mejorçaso y el más estudiado es aquel en el que un punto p ∈ X es un atractor: lı́m x(t) = p t→∞ Ejemplos: • Péndulo con fricción. • La mayor parte de las reacciones quı́micas. Conviene observar que todos los puntos ω-lı́mite no son atractores.40 CAPÍTULO 2. • Sistemas mecánicos disipativos con un grado de libertad. K) = 0 t→∞ para todo x ∈ N El mayor de los N se denomina cuenca de atracción de K.20) es un conjunto atractor que contenga una órbita tensa. 2. ∀t ≥ 0 y ∀t ≥ 0.

5 (de Poincaré-Bendixson). entonces es cierta alguna de las siguientes afirmaciones: El conjunto ω-lı́mite. Supóngase que ẋ = f(x) es un sistema de dimensión dos con un número finito de equilibrios. es un solo punto xe (es un punto de equilibrio). es decir: D es un conjunto invariante positivo abierto y limitado. separa a R2 en dos partes conexas.y ω-lı́mite son puntos de equilibrio.3. ω(x0 ) son puntos de equilibrio y órbitas cuyos conjuntos α. Teorema 2. CICLOS Y ATRACTORES 41 2. Una órbita periódica Γ se llama ciclo lı́mite si hay dos puntos en R2 .y ω-lı́mite de las órbitas que pasan por dichos puntos son la órbita periódica Γ. x0 ) → xe cuando t → +∞.4 (de la curva de Jordan). termine en D para todo t ≥ 0. Estudio de órbitas periódicas En este apartado se presentan resultados sobre el análisis de órbitas periódicas en sistemas planos cuando están lejos de su nacimiento.2. Para poder utilizar el teorema de Poincaré-Bendixson a fin de demostrar la exis- tencia de una órbita periódica no trivial. una limitada en el interior de la curva y otra no limitada en el exterior. los conjuntos α. Estas tres propiedades son válidas para el conjunto α-lı́mite si γ − (x 0 ) está acotada. Si ω(x0 ) es un conjunto acotado que no con- tiene puntos de equilibrio. Sea D un subconjunto abierto conexo de R2 . entonces ẋ = f(x) no tiene órbitas periódicas ni homoclinas que estén por completo en la región D.3. se construye un conjunto acotado D en R2 que no contiene puntos de equilibrio. Teorema 2. y tal que. cualquier solución que empiece en D. ω(x0 ). . tales que. Una curva cerrada en R2 que no se corta a sı́ misma. Si la órbita positiva γ + (x0 ) de x0 está acotada. ω(x0 ) es una órbita periódica Γ y ó γ + (x0 ) = ω(x0 ) = Γ ó γ + (x0 ) es una espiral creciente en el tiempo hacia Γ en un lado de Γ. Teorema 2.6. y ϕ(t. uno en el interior de Γ y otro en el exterior. entonces ω(x0 ) es una órbita periódica. Si div f = ∂x ∂f1 1 ∂f2 + ∂x 2 es de signo constante y distinta de cero en D.6.

Π.. Estabilidad de las órbitas periódicas En este apartado se muestra cómo realizar el estudio del comportamiento de las órbitas cercanas a una órbita periódica. entonces ẋ = f(x) no tiene órbitas periódicas ni homoclinas que estén por completo en la región D. A continuación se define una aplicación en un subconjunto de Lε inducida por el flujo. usando la aplicación de Poincaré.11). Se elige un ε tan pequeño que Lε intersecta a la curva Γ en un solo punto p. v y el vector tangente f(p) de Γ en p sean linealmente independientes. ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS Teorema 2. hay un δ > 0 tal que. Sea Γ una órbita periódica que encierra a un espacio abierto U en el que está definido el campo vectorial. y que todas la órbitas que crucen Lε lo hacen en la misma dirección (figura 2. representándose la órbita periódica correspondiente por Γ. Si la función div Bf = ∂Bf1 ∂x1 + ∂Bf ∂x2 2 es de signo constante y no idéntica a cero en D. Los puntos de la sección transversal Lε tienen un orden natural: dos puntos x0 = p + a0 v y x1 = p + a1 v cumplen que x0 ≥ x1 si y solo si. p) = p y sus soluciones dependen de forma continua del valor inicial. Entonces U contiene un punto de equilibrio. x0 ). de la ecuación diferencial ẋ = f(x). x0 → ϕ(T (x0 ). T .10). x0 ) ∈ Lε . implica que Π(x0 ) ≥ Π(x1 ) (figura 2. La aplicación de Poincaré. si x0 ∈ Lδ . Según esto una aplicación de Poincaré Π se dice que es monótona si x0 ≥ x1 en Lε . A la función B se la llama función de Dulac.42 CAPÍTULO 2. cerca de una órbita periódica Γ se define como: Π : Lδ → Lε . 0 ≤ |a| ≤ ε}. para determinar su estabilidad. Sea D ⊂ R2 un subconjunto abierto simplemente conexo y B(x1 . Sea Lε el segmento definido por: Lε = {x ∈ R2 : x = p + av. al que se le denomina sección transversal de la órbita periódica Γ en el punto p. p) una solución periódica con mı́nimo periodo. . Se elige un vector v ∈ R2 tal que.6 (Criterio de Dulac). entonces hay un primer instante T (x0 ) en el que ϕ(T (x0 ). x2 ) una función C 1 de valores reales en D. Como ϕ(T. Sea ϕ(t. a0 ≥ a1 .

11: Monotonı́a de la aplicación de Poincaré. . CICLOS Y ATRACTORES 43 Lε p Π(x0 ) x0 Γ Figura 2.2.6. x0 x1 Π(x0 ) Π(x1 ) Figura 2.10: Sección transversal Lε a la órbita periódica Γ y la aplicación de Poincaré.

si Π (p) = 1. Π(x0 ) = x0 . Atractores extraños El peor de los casos es aquel en el que aparecen atractores “extraños”. es un punto fijo de la aplicación de Poincaré. Sea ϕ(t. es decir.44 CAPÍTULO 2. la órbita periódica Γ es asintóticamente estable (u orbital asintóticamente estable) si todos sus multiplicadores tienen módulo menor que uno. 1] → [0. e inestable si Π (p) > 1. 0 ∂x1 ∂x2 2. Entonces:  T     ∂f1 ∂f2 Π (p) = exp + (ϕ(t. es orbital asintóticamente estable si Π (p) < 1.6. es decir. en el caso n-dimensional. que en el caso n-dimensional se corresponde con los autovalores de la aproximación lineal de Π en p. con p ∈ Γ. . Si hay algún multiplicador con módulo mayor que uno Γ es inestable. ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS La aplicación de Poincaré tiene las siguientes propiedades: La aplicación de Poincaré Π cerca de la órbita periódica Γ es una aplicación monótona C 1 . A Π (p). La órbita periódica Γ a través del punto p se dice que es hiperbólica si p es un punto fijo de la aplicación de Poincaré Π.4. p) una solución periódica de periodo T de la ecuación diferencial plana ẋ = f(x) a través de p. Ası́ pues. p)) dt . 1] = X fp (x) = px(1 − x) 0 ≤ p ≤ 4 que puede representarse mediante la figura 12. se les llama multiplicadores caracterı́sticos de Γ. La órbita periódica Γ. Ejemplo de la aplicación logı́stica fp : [0. Dx Π(p). La órbita γ + (x0 ) de un punto x0 ∈ Lδ es una órbita periódica si y sólo si.

(fp (x0 )) que puede interpretarse como se hace en la figura 13.12: Ejemplo de atractor extraño (atractor de Lorenz). z x y Figura 2. • Para valores pequeños de p : ω(x) = 0 o 1. • Para p ≈ 4 :: ω(x) se tiene un comportamiento a largo plazo caracterizado por la ausencia de pautas. • Para valores medios de p : ω(x) = ciclo lı́mite.2. Se presentan los tres tipos de casos siguientes.6... Se trata de un comportamiento oscilatorio no periódico. . CICLOS Y ATRACTORES 45 Esta aplicación genera una secuencia tal que x(t) = fp (.

ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS .46 CAPÍTULO 2.

El concepto de estabilidad estructural es importante para el análisis de incer- tidumbres y robustez. Sea el conjunto de todos los sistemas dinámicos 47 .1. Análisis cualitativo de sistemas no lineales La teorı́a cualitativa de sistemas no lineales aporta una perspectiva global de los modos de comportamiento de un sistema. 3. Cuando los parámetros de un sistema cambian el retrato de estado puede cambiar o no geométricamente de forma significativa.Capı́tulo 3 Análisis cualitativo y bifurcaciones en sistemas dinámicos 3. vamos a concretarlas aplicándolas al caso de sistemas dinámicos de dimensión 1. Análisis cualitativo de sistemas dinámicos de dimensión 1 Con el fin de precisar las anteriores ideas.2. Cambios significativos en el retrato de estados se llaman bifurcaciones. Si no se produce un cambio significativo entonces el sistema es estructuralmente estable.

Los puntos de equilibrio son los puntos de intersección de cada curva f con la recta X. Debido a las no-linealidades un sistema dinámico puede tener múltiples atractores (algunos de los puntos en que f corta a X.1a y cuyo retrato de estados será el de la figura 3.1: Representación de f (x) asociada a un sistema dinámico y retrato de estados correspondiente. El espacio de estados se descompone en las cuencas de atracción de sus distintos atractores. los otros serán las separatrices). Los atractores representan el comportamiento a largo plazo de las trayectorias. Supóngase que f (x) tiene la forma que se indica en la figura 3. ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS f(x) x x Figura 3. Conviene observar que la clase de todos los sistemas dinámicos en IR puede conce- birse como la clase de todas las curvas f . A cada estado inicial x(0) corresponde una única trayectoria x(t). b) ⊂ IR. La representación gráfica del mapa de todas las cuencas de atracción en el espacio de estados se denomina retrato de estados.48CAPÍTULO 3. El conjunto de estados iniciales que conducen a un mismo atractor forman su cuenca de atracción. A cada punto de equilibrio p se asocia su autovalor λ(p) que es la pendiente de f en p. Las cuencas de atracción están separadas por separatrices. En un entorno a p el sistema dinámico se linealiza mediante el sistema dinámico .1b. El retrato de estados aporta una perspectiva global de los modos de comportamiento de un sistema. Sea ẋ = f (x) un sistema dinámico tal que x ∈ (a. definidos en IR. Una trayectoria se compone de una parte transitoria y de una permanente llamada atractor (conjunto lı́mite). Recordemos que un sistema dinámico está definido por un espacio de estados X y un campo vectorial f definido sobre X.

f¯). Pero las ideas básicas siguen siendo las mismas. ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS DE DIMENSIÓN 149 lineal ẋ = λx Genéricamente el corte de f con X será transversal. Es decir. . ∀x ∈ (a. Los resultados anteriores admiten formas de generalización para cualquier n. Lo que se acaba de ver en la anterior transformación de x a x̄ es que determinadas propiedades cualitativas de un sistema dinámico permanecen inalteradas. Para un n arbitrario el análisis que acabamos de ver para sistemas de dimensión 1 adquiere una notable complejidad adicional. En tal caso sucede que los atractores pueden ser de tres tipos: punto de equilibrio (igual que sucedı́a en el caso de dimensión 1). Además. las propiedades cualitativas de (X. el autovalor de ẋ = f (x) es el mismo que el de x̄˙ = f¯(x̄). y atractores extraños que corresponden a comportamientos aperiódicos o caos. Sea el conjunto de todos los sistemas dinámicos definidos en IR. f ) asociadas al retrato de estados son las mismas que las de (X̄. pero sin producirse nunca un pliegue o un desgarramiento.3. el retrato de estados es el mismo antes y después de aplicar la transformación t. los valores del autovalor en cada equilibrio también permanecen inalterados. Estas propiedades son el número de equilibrios y la naturaleza estable o inestable de cada uno de ellos. Cualquier pequeña deforma- ción de este sistema dinámico deja inalteradas las propiedades cualitativas básicas del sistema en el retrato de estados se dice entonces que es estructuralmente estable. ciclos lı́mites (que corresponden a comportamientos periódicos a largo plazo). Supongamos ahora que se aplica una transformación a x definida por una función t monótona creciente. Un sistema dinámico está definido por el espacio de estados X y un campo vectorial f definido sobre X. Por tanto. b). El nuevo sistema dinámico es dt x̄˙ = t (x)ẋ t (x) = dx = t (t−1 (x̄))f (t−1 (x̄)) = f¯(x̄) Puesto que t (x) > 0. es claro que los equilibrios de f¯ serán los mismos en número y naturaleza que los de f . La transformación t puede interpretarse como una deformación del espacio X de modo que unas partes se estiren y otras se contraigan. y |x1 − x2 | <  ⇒ |x̄1 − x̄2 | < δ siendo  y δ suficientemente pequeños. Además. Un equilibrio p es estructuralmente estable si λ(p) = 0. x̄ = t(x) tal que conserva las relaciones de orden y topológicas: x1 > x2 ⇒ x̄1 > x̄2 .2.

2: Representación gráfica de la función f que define un sistema dinámico.1) dt f(x) x x Figura 3. Recordemos que un sistema dinámico viene dado por: dx = f (x).2) dt 1111111111 00000000 0000000000 00000 01100 000000 11111111 11111 111111 00000000 11111111 00000000000 11111111111 x Figura 3. . (3. la clase de todos los sistemas dinámicos en IR puede concebirse como la clase de todas las curvas f . • cada atractor posee una cuenca de atracción. ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS Podemos asociar a todo sistema dinámico en IR una curva en el retrato de estados de un sistema dinámico conviene resaltar • múltiples equilibrios (atractores). dx = −x.3: Campo vectorial asociado al sistema dx dt = −x. (3.50CAPÍTULO 3. Los puntos de equilibrio serán los puntos de intersección de cada curva f con la recta X.

recibe la denominación de retrato de estados o de fases del sistema dinámico. el semieje positivo.3) la cuenca de atracción del atractor −1 es el semieje negativo.5. En el sistema dinámico (3.5: Comportamientos del sistema dx/dt = −(x3 − x). Los dos tipos de comportamiento asociados a cada uno de los atractores se reflejan en la figura 3. organizados mediante sus cuencas de atracción.3) dt A cada atractor se asocia. Constituye una partición del espacio de estados en las cuencas de atracción de los distintos atractores que posee un sistema. ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS DE DIMENSIÓN 151 111 000 -1 1110 000 111 000 1 x Figura 3. y es el instrumento básico para su análisis cualitativo. (3. . 2 1 0 -1 -2 0 1 2 3 4 5 t Figura 3. dx = −(x3 − x). El espacio de estados se divide en las cuencas de atracción de todos los atractores. Con su ayuda disponemos de un mapa que reúne todos los modos de comportamiento del sistema. y la del atractor +1. separadas entre sı́ por separatrices. y sus correspondientes cuencas de atracción. Se comprende su carácter de instrumento básico para el análisis cualitativo. Suministra una visión geométrica y global de los modos de comportamiento del sistema. No nos suministra un comportamiento particular del sistema sino una visión sintética de todos. La representación gráfica del espacio de estados con los diferentes atractores.3) la separatriz es un punto. En el sistema (3.2. en el espacio de estados. una cuenca de atracción.4: Campo vectorial asociado al sistema dx dt = −(x3 − x). el origen.3. que está formada por todos aquellos puntos del espacio de estados tales que la trayectoria iniciada en ellos converja al atractor que define la cuenca.

ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS 3.1. p) = x + p f3 (x. Representación gráfica de las familias de sistemas dinámicos f1 . Si P = IR. Cualquier pequeña deformación de este sistema dinámico deja inalteradas las propiedades cualitativas básicas del sistema en el retrato de estados ⇒ es estruc- turalmente estable. Equilibrios no estructuralmente estables (con λ(p) = 0). 3. p) = −(x − p) f2 (x.52CAPÍTULO 3. parametrizados por el parámetro p. Un equilibrio p es estructuralmente estable λ(p) = 0. p). f2 y f3 . entonces X × P puede considerarse como un fibrado de espacios de estado verticales X dispuestos paralelos unos a otros. Bifurcaciones en sistemas dinámicos dx = f (x. p) A esta familia podemos asociar la imagen geométrica de los retratos de estados de todos los sistemas dinámicos que la forman.2. Estabilidad estructural A cada punto de equilibrio p se asocia su autovalor λ(p) que es la pendiente de f en p En torno a p el sistema dinámico se linealiza ẋ = λx Genéricamente el corte de f con X será transversal. Ejemplos f1 (x. p) = −x3 + p.3. Familias de sistemas dinámicos Familia de sistemas dinámicos dependientes del parámetro p ẋ = f (x. (3.4) dt .

3.7 se ha representado su diagrama de bifurcaciones. cada lı́nea vertical se obtiene girando noventa grados una figura similar a la 3. En esta figura se ha adoptado la convención de representar con trazo continuo los equilibrios estables.6 muestra los retratos de estados para distintos valores del parámetro p. que será el retrato de estado del sistema con el valor correspondiente de p). Consideremos ahora una nueva familia de sistemas dinámicos: dx = −(x3 − x − p). verticalmente. En esta figura se tiene una curva que representa el equilibrio del sistema para cada valor de p. cada una en el lugar que le corresponde según el valor del parámetro p.3. dt En la figura 3. y se denomina curva de equilibrios de la familia de sistemas dinámicos (3. no es sino la representación de x3 + x − p = 0.5).5) dt La figura 3. Se observa que al variar p varı́a el punto de equilibrio del sistema.3.6. una al lado de otra. y el retrato de estados para los distintos valores del parámetro p.6: Diagrama de bifurcaciones de la familia de sistemas dinámicos dx dt = −(x3 + x − p). Conviene observar que esta figura se obtiene disponiendo figuras como la 3.3. (3. La curva de la figura 3. x p Figura 3. FAMILIAS DE SISTEMAS DINÁMICOS 53 familia de sistemas dinámicos dx = −(x3 + x − p). y con discontinuo . En la vertical de cada valor de p se tiene el retrato de estados del sistema dinámico correspondiente a ese valor de p (es decir. pero la forma del retrato de estados no se altera (solamente se desplaza).

7: Diagrama de bifurcaciones de la familia de sistemas dinámicos dx dt = −(x3 − x − p). ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS los inestables. Por ejemplo. es decir. Es importante observar que el diagrama de bifurcaciones suministra una perspec- tiva global con relación a todos los modos de comportamiento que pueda presentar . y aparece. Se observa que si p es menor que p1 . Sin embargo. Resulta claro que la estructura topológica del retrato de estados (y por tanto los modos de comportamiento que presenta el sistema) se modifica al atravesar un punto de bifurcación. si p está comprendido entre p1 y p2 entonces el sistema dinámico posee dos atractores y una separatriz (es del mismo tipo del representado en la figura 3. en el segundo caso. si atravesamos p1 en sentido creciente del parámetro p aparece (de la nada) un par atractor-repulsor. ya que el número de atractores pasa de uno a dos. en la jerga de la teorı́a de bifurcaciones. La caracterı́stica notable de esta familia es que para diferentes valores del parámetro p el comportamiento del sistema dinámico puede diferir de una manera substancial. en este caso concreto.4).3).54CAPÍTULO 3. Los valores p1 y p2 definen los llamados puntos de bifurcación del sistema dinámico. se ramifican los comportamientos. y constituyen un ejemplo de las bifurcaciones más elementales que se pueden presentar en un sistema dinámico: las catástrofes de pliegue. o los puntos lı́mites. un punto separatriz. retrato de estados. empleando la terminologı́a de la teorı́a de catástrofes. Para los valores p1 y p2 del parámetro p se produce una modificación cualitativa del x p 011 0011 2 p p Figura 3. o mayor que p2 . Lo opuesto ocurre en p2 . tienen la notable propiedad de que si se varı́a el parámetro p –de modo que cruce uno de los valores p1 o p2 – se produce la aparición o desaparición de atractores del sistema. el sistema dinámico posee un único atractor (es de la misma forma del que se tenı́a en la figura 3. Los puntos de bifurcación.

BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSIÓN UNO 55 una familia de sistemas dinámicos (3. Diagramas de bifurcaciones en sistemas no lineales Los diagramas de bifurcaciones clasifican de manera condensada todos los com- portamientos posible de un sistema y las transiciones entre ellos (bifurcaciones) cuando cambian los parámetros del sistema.1. sea una ecuación diferencial con un parámetro variable ẋ = f (x. las variaciones de p pueden hacer que se atraviese el punto de bifurcación y que se produzca la alteración del retrato de estados del sistema. Por el contrario. para . c) frente a x.3. correspondiente al sistema ẋ = x2 + c. para valores de p cercanos a p1 ó a p2 . Al mismo tiempo suministra información con relación a los valores de los parámetros p. Representando f (x.4). 3.4. con la consiguiente alteración de sus modos de comportamiento. Por tanto el diagrama de bifurcaciones suministra información respecto a los valores del parámetro p para los que el sistema muestra una especial sensibilidad con relación a los modos de comportamiento. En efecto. En el ejemplo de la figura 3. Puede observarse cómo.3.4. En efecto. se tiene un comportamiento distinto dependiendo del valor del parámetro. c).8. 3. Los diagramas de bifurcaciones están compuestos por un número finito de regiones reparadas por los lı́mites de bifurcación. se representa f (x) frente a x para distintos valores del parámetro c. para valores de p alejados de los puntos de bifurcación p1 o p2 el comportamiento cualitativo del sistema será insensible a variaciones de p. La teorı́a de bifurcaciones se centra en el estudio de posibles cambios en la estructura de las órbitas de una ecuación diferencial ante la variación de una serie de parámetros del los que ésta depende. Bifurcaciones elementales en sistemas de di- mensión uno En este apartado se presenta el concepto de bifurcación y se ilustra con ejemplos de las bifurcaciones más usuales y básicas. para los que el comportamiento del sistema será robusto ante variaciones de los valores de estos parámetros.

en función del parámetro c. siendo c = 0 un punto de bifurcación. si la estructura cualitativa del flujo no cambia para pequeñas variaciones del parámetro.56CAPÍTULO 3. Si el parámetro c es cero se tiene una solución en x = 0 correspondiente a un equilibrio. la ecuación correspondiente para el cálculo de equi- librios f (x. con su campo vectorial. Para obtener la dirección del flujo o su proyección sobre el eje x (campo vectorial). puede integrarse la ecuación en x y representar su sentido creciente o decreciente. A esto se le llama estructura de órbitas o estructura cualitativa del flujo.8.8. En el ejemplo de la figura 3. los puntos de equilibrio y el signo de f (x) entre ellos determinan el número de órbitas y la dirección del flujo de las mismas. c) = 0 no tiene solución (no se produce corte entre la curva f (x. Una ecuación diferencial que depende de un parámetro dado se dice que tiene es- tructura de órbitas estables para un valor del mismo. El valor de bifurcación es el valor del parámetro para el cual el flujo no presenta una estructura de órbitas estables. y si c < 0 existen dos puntos de equilibrio: uno estable y el otro inestable. Para una ecuación diferencial escalar ẋ = f (x). c) y el eje de ordenadas x(c > 0)). ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS valores positivos del parámetro. . En ese caso se dice que la ecuación está en un punto de bifurcación. el sistema presenta una estructura de órbitas estables para cualquier valor del parámetro c = 0. f (x) x(c < 0) x(c = 0) x(c > 0) Figura 3.8: Representación de la ecuación ẋ = x2 +c. como puede observarse en la representación del campo vectorial en la figura 3. Cambios en el parámetro c significan desplazamientos verticales del eje de ordenadas.

4. las bifurcaciones más habituales en sistemas dinámicos escalares autónomos. A esta representación gráfica se le llama diagrama de bifurcaciones. existe otro método muy útil para describir las caracterı́sticas dinámicas en ecuaciones ẋ = f (x. que corresponde a una bifurcación silla-nodo. x) los valores de equilibrio para cada valor de c. uno estable y el otro inestable.8.9 se muestra el diagrama de bifurcaciones del sistema de la figura 3.3. representando. mediante una lı́nea continua los puntos de equilibrio estables. que se caracteriza por la aparición para un determinado valor del parámetro de dos puntos de equilibrio. c) frente a x para distintos valores del parámetro. A continuación se presentan.8.9: Diagrama de bifurcaciones de la bifurcación silla-nodo correspondiente a la figura 3. y con una discontinua los inestables. En la figura 3. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSIÓN UNO 57 Además del método gráfico de representación de f (x. c) que dependen de un parámetro c. xe c Figura 3. Además de la bifurcación silla-nodo antes descrita se pueden caracterizar las siguientes bifurcaciones: Bifurcación transcrı́tica Sea la ecuación diferencial dependiente del parámetro c: ẋ = x2 + cx. Este método consiste en representar en el plano (c. mediante su diagrama de bifurcación y representación del flujo. .

y de acuerdo con la notación adoptada. para valores negativos de c. f (x. f (x. . el sistema presenta un equilibrio asintóticamente estable en xe = 0 y uno estable en xe = −c. entonces el sistema vuelve a tener dos puntos de equilibrio: uno asintóticamente estable en xe = −c y uno inestable en xe = 0.58CAPÍTULO 3. Puede observarse en la figura cómo. Para c = 0 el sistema pasa a tener un único punto de equilibrio no hiperbólico en xe = 0. el diagrama de bifurcaciones correspondiente a la bifurcación transcrı́tica es el representado en la figura 3. Histéresis La bifurcación tipo histéresis puede observarse a partir de un sistema dinámico que tenga como ecuación: ẋ = c + x − x3 . c = 0. ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS En la figura 3.11. c) x c>0 Figura 3. c) f (x. c) x x c < 0.10 se representa el retrato de fases del sistema para distintos valores del parámetro c.10: Retrato de estados del sistema ẋ = x2 + cx para distintos valores de c. Si c es positivo. Por lo tanto.

Para valores de c en el intervalo ( 3−2 √ . En c = 3√2 3 se presenta otro punto de bifurcación y para valores de c superiores vuelve a tener un solo equilibrio estable.12. para 3 el valor c = 3−2 √ el sistema tiene un punto de bifurcación. con un equilibrio inestable y dos estables. El flujo del sistema presenta una estructura de órbitas estable que se corresponde con un equilibrio estable para valores del parámetro c < 3−2 √ . el sistema vuelve a tener estructura de órbitas estable. Si se aumenta c. √2 3 3 3 ).3. c) −2 √ ) x(c = 3 3 x(c = 0) 2 √ x(c = 3 3 ) Figura 3. . c) en función de x. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSIÓN UNO 59 xe c Figura 3. manteniendo el punto de 3 equilibrio estable y apareciendo uno no hiperbólico.12: Retrato de estados del sistema de ecuación ẋ = c + x + x3 para distintos valores de c.11: Diagrama de bifurcaciones de la bifurcación transcrı́tica. como puede observarse en la figura 3. La variación del parámetro de bifurcación c se corresponde con un desplazamiento vertical del eje de ordenadas x en la representación de f (x.4. f (x.

6) La variación del parámetro d afecta a la pendiente de la función cúbica centrada en el origen. donde se observa por qué se denomina histéresis.14 puede verse cómo. (3. ya que el sistema tiene un comportamiento diferente al aumentar c del que presenta al disminuirlo. Al ir aumentando d. De la ecuación (3.60CAPÍTULO 3. el sistema tiene un equilibrio asintóticamente estable en el origen. para valores de d < 0.13: Diagrama de bifurcaciones correspondiente a una bifurcación tipo histére- sis. xe c Figura 3. En el punto d = 0 los tres equilibrios se unen en uno.6) se obtiene fácilmente que el sistema presenta tres puntos de equilibrio cuando el parámetro d es positivo. ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS El diagrama de bifurcaciones correspondiente a esta bifurcación puede verse en la figura 3. 3 Bifurcación tridente Supóngase el sistema dinámico descrito por la ecuación: ẋ = dx − x3 . y la otra para c = 3−2 √ . siendo éste un punto de bifurcación. En la figura 3. la pendiente de .13. mientras que presenta uno sólo cuando es negativo. Este tipo de bifurcaciones también pueden interpretarse como dos bifurcaciones silla-nodo de equilibrios. una para c = 3√2 3 .

El diagrama de bifurcaciones correspondiente a la bifurcación tridente supercrı́tica es el que se muestra en la figura 3.14: Retrato de estados del sistema ẋ = dx − x3 para distintos valores de d. d < 0.4. c) x x d = 0. los equilibrios adicionales que aparecen en el punto de bifurcación existen para valores en los que el equilibrio original es inestable. f (x.15. c) f (x. . c) x d>0 Figura 3. en el caso de que exista un equilibrio aislado. transformándose el equilibrio en uno no hiperbólico.3. Para valores de d > 0 el sistema tiene tres equilibrios. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSIÓN UNO 61 la cúbica se va haciendo cada vez más pequeña hasta que en d = 0 se hace nula. Se dice que un sistema dinámico presenta una bifurcación supercrı́tica cuando. En este punto es necesario definir el concepto de bifurcación supercrı́tica y sub- crı́tica que será aplicable al resto de las bifurcaciones que se caracterizan en el presente documento. uno inestable en el origen y los otros dos asintóticamente estables. f (x.

. xe d Figura 3.16.16: Diagrama de bifurcaciones correspondiente a una bifurcación tridente sub- crı́tica. cuyo diagrama de bifurcaciones puede verse en la figura 3.15: Diagrama de bifurcaciones correspondiente a una bifurcación tridente su- percrı́tica. ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS xe d Figura 3. Por el contrario. se dice que es subcrı́tica si dichos equilibrios aparecen para valores del parámetro de bifurcación en que el equilibrio original es estable.62CAPÍTULO 3. Un ejemplo de bifurcación tridente subcrı́tica se obtiene de la variación del parámetro d en el sistema descrito por la ecuación ẋ = dx + x3 .

si c = 0. mientras que. La figura inferior de la figura 3. (3.3. d). d) = 0 ∂ f (x. c. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSIÓN UNO 63 Pliegue o cúspide Esta bifurcación se corresponde con una combinación de las bifurcaciones hasta ahora caracterizadas.7) que depende de dos parámetros reales: c y d. dicho comportamiento cualitativo.. es decir. d). c. En dichos puntos el sistema ha de tener puntos de equilibrio múltiples. si d = 0. Para realizar el estudio de este sistema en primer lugar hay que hallar los puntos de bifurcación. se han de cumplir las ecuaciones: f (x.17 se representa la ecuación de la cúspide en el plano (c. se obtiene que el sistema tiene un punto de equilibrio múltiple si se cumple la ecuación de una cúspide: 4d3 = 27c2 En la figura 3. de ahı́ su nombre. la bifurcación que se produce al variar d es una bifurcación tridente. d) = 0. d.4. que delimita las distintas regiones donde la estructura cualitativa del flujo es diferente. c. Este sistema presenta una bifurcación de codimensión dos.7) y resolviéndolas. indicando en cada caso el número de equilibrios y su estabilidad definida por la dirección del campo vectorial. . x) con forma de pliegue. El diagrama de bifurcaciones correspondiente al sistema es el de la figura 3.18. puesto la existencia de la misma depende de dos parámetros. representando la función f (x. de forma esquemática. se está en el caso de una bifurcación tipo histéresis dependiente de c.18 se corresponde con la proyección de dicha superficie sobre el plano (c. que como puede verse. Supóngase la ecuación diferencial cúbica: ẋ = c + dx − x3 ≡ f (x. es una superficie tridimensional en el espacio (c. Obsérvese que. d). eliminando la variable x. ∂x Aplicando estas ecuaciones al sistema (3. En dicha figura se muestra también. d) en función de la variable x. c.

7 en el plano (c.18: Diagrama de bifurcaciones de la bifurcación pliegue o cúspide en el espacio (c. ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS d x 4d3 = 27c2 c Figura 3. d). d. .17: Representación de la cúspide del sistema 3. ası́ como los diferentes retratos de fases del sistema. x c d c d Figura 3.64CAPÍTULO 3. d). x) y su proyección sobre el plano (c.

algunas de las cuales son una extensión de las ya comentadas en los sistemas de dimensión uno. las bifurcaciones elemen- tales en sistemas de dimensión dos.5 −0. . uno estable y el otro inestable.5 −1 −0. que es la misma que la del caso escalar.5 0. Bifurcaciones elementales en sistemas dinámicos de di- mensión dos En este apartado se presentan.5 1 1. para λ < 0 el sistema tiene dos equilibrios. Cuando λ = 0 ambos equilibrios se unen y desaparecen para λ > 0. El equilibrio estable es un nodo porque el conjunto ω-lı́mite de todas las órbitas cerca del equilibrio es el mismo equilibrio.4.19: Diagrama de fases de la bifurcación silla-nodo en función del parámetro λ.5 1. Bifurcación silla-nodo Supóngase el sistema descrito por: ẋ1 = λ + x21 ẋ2 = −x2 .5 1 1.5 2 λ < 0.3.5 −1.5 −1 −1 −1 −1.9.5 −0. Integrando la segunda ecuación se obtiene que todas las órbitas del sistema tienden al eje de ordenadas y que la dinámica está gobernada por la primera ecuación. El punto de equilibrio inestable es un punto de silla porque existen dos órbitas cerca del equilibrio tales que los conjuntos ω-lı́mite de dichas órbitas son el punto de equilibrio y hay otras dos órbitas cuyo conjunto α-lı́mite es también el equilibrio.5 x2 x2 x2 0 0 0 −0. 2 2 2 1.5 1 1. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSIÓN UNO 65 3.1.5 −1. de forma resumida.5 2 −2 −1.4.5 1 1 1 0.5 0 x1 0. λ>0 Figura 3. El diagrama de bifurcaciones correspondiente a la bifurcación silla-nodo es el mismo que en el caso monodimensional y se corresponde con el de la figura 3.5 0 x1 0.5 −1 −0. λ = 0.5 1.5 2 −2 −1. como se ve en la figura 3.5 0.5 −1 −0.19.5 −2 −2 −2 −2 −1.5 0 x1 0. Ası́ pues.

2 2 2 1. λ = 0.5 0 x1 0. (3. Ası́ pues el comportamiento del sistema es simi- lar al del diagrama de bifurcaciones 3. con lo que el sistema es equivalente al desacoplado: ṙ = λ r θ̇ = −1.5 2 λ < 0. ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS Bifurcación tridente Considérese el sistema descrito por: ẋ1 = −λx1 − x31 ẋ2 = −x2 . λ>0 Figura 3.5 −1 −0. Bifurcación vertical Considérese la perturbación del oscilador armónico: ẋ1 = λx1 + x2 ẋ2 = −x1 + λx2 .5 −0.15 correspondiente a una bifurcación tridente supercrı́tica.9) Para su estudio se realiza el cambio de coordenadas del sistema a coordenadas polares.5 1 1 1 0.20 se representa el diagrama de fases del sistema para distintos valores de λ.66CAPÍTULO 3.5 −2 −2 −2 −2 −1.5 −1 −1 −1 −1.5 0.5 −1 −0. al cambiar de signo λ aparecen dos nuevos equilibrios estables inestabilizándose el origen.5 0. .5 −1 −0.20: Diagrama de fases de la bifurcación tridente en función del parámetro λ.8) Al igual que en el caso de la bifurcación silla-nodo la dinámica del sistema está con- trolada por la primera ecuación.5 −1.5 1 1.5 −1.5 −0.5 1.5 x2 x2 x2 0 0 0 −0.5 1 1.5 0 x1 0. En la figura 3.5 1. El comportamiento cualitativo del sistema en función del parámetro λ puede re- sumirse diciendo que para valores del parámetro λ positivos el sistema presenta sólo un equilibrio estable en el origen.5 1 1. (3.5 2 −2 −1.5 0 x1 0.5 2 −2 −1.

5 0.5 −1 −0.3. el conjunto ω-lı́mite ω(x0 ) de cualquier órbita es una órbita periódica si x0 = 0.5 1 1.5 0 x1 0.5 −1 −0.5 2 −2 −1. Ası́ pues. el valor λ = 0 es un valor de bifurcación.4.5 1.5 1 1.5 1. 2 2 2 1.5 0.5 −1 −0.21.5 x2 x2 x2 0 0 0 −0.5 0 x1 0.5 2 λ < 0. Cuando λ ≤ 0 las soluciones son una espiral en el sentido de las agujas del reloj que confluyen en el origen a medida que aumenta t.5 −1. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSIÓN UNO 67 Cuando λ < 0 las soluciones del sistema corresponden a espirales en el sentido de las agujas del reloj y que confluyen en el origen a medida que aumenta t.5 2 −2 −1. λ>0 Figura 3.5 −0.22 se representa el diagrama de fases del sistema con los dos compor- tamientos cualitativos distintos. por lo que el origen es un centro. Puede estudiarse a través del sistema descrito por: ẋ1 = x2 + x1 (λ − x21 − x22 ) ẋ2 = −x1 + x2 (λ − x21 − x22 ). Si λ > 0 las soluciones vuelven a ser espirales girando en el sentido de las agujas del reloj que parten del origen y se alejan de él a medida que aumenta t.5 −0.5 −1. λ = 0.5 −2 −2 −2 −2 −1. . En la figura 3. como puede verse en la figura 3. Ası́ pues. Bifurcación de Poincaré-Andronov-Hopf Es conocida habitualmente como bifurcación de Hopf y es una de las más habituales en sistemas no lineales.5 −1 −1 −1 −1.5 1 1.21: Diagrama de fases de la bifurcación vertical en función del parámetro λ. Para λ = 0 todas las soluciones son periódicas.5 0 x1 0.5 1 1 1 0. Transformando de nuevo a coordenadas polares el sistema queda: ṙ = r(λ − r 2 ) θ̇ = −1. Para √ λ > 0 el origen se vuelve inestable y aparece una órbita periódica de radio r = λ de manera que todas las órbitas evolucionan hasta ella cuando t aumenta. por lo que el origen es un punto de equilibrio estable tipo sumidero.

5 1 1.5 2 λ ≤ 0.22 es una bifur- cación de Hopf supercrı́tica.5 −0.5 −1 −0. en este caso. El sı́mbolo • representa la amplitud de la órbita periódica estable. El diagrama de bifurcaciones correspondiente es el de la figura 3. para valores de λ < 0. tendiendo hacia el equilibrio en el origen si x0 está en el interior de la órbita inestable.5 x2 x2 0 0 −0. donde.5 1 1. x1 r λ 0 λ 0 x2 Figura 3. donde.23. λ > 0.5 −1 −0. que rodea a un equilibrio estable. para valores de λ > 0. o hacia el infinito si está en el exterior. el sistema evoluciona siguiendo espirales alejándose del ciclo lı́mite inestable cuando aumenta t. aparece un ciclo lı́mite inestable.5 0 x1 0. Por el contrario. En la de la derecha se representan la amplitud de dicha órbita y los equilibrios del sistema frente al mismo parámetro. en la figura de la izquierda.5 −1.68CAPÍTULO 3. el sistema tiene un equilibrio inestable. la figura 3. .5 −1 −1 −1. se representa la evolución de la órbita periódica o ciclo lı́mite del sistema en el plano (x1 .5 2 x1 −2 −1. Figura 3. Se representa mediante el sı́mbolo ◦ la amplitud del ciclo lı́mite inestable. y que es extensible para sistemas de orden superior. mientras que. la bifurcación representada en la figura 3.22: Diagrama de fases de la bifurcación de Hopf en función del parámetro λ.5 −2 −2 −2 −1.5 0 0.5 1.5 1 1 0.24 corresponde a la bifurcación de Hopf subcrı́tica. ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS 2 2 1. De acuerdo con la definición dada para sistemas escalares.23: Diagrama de bifurcaciones de la bifurcación de Hopf supercrı́tica. Ası́ pues.5 0. ya que el equilibrio original para λ < 0 se vuelve inestable al llegar al parámetro de bifurcación. x2 ) frente al parámetro λ.

por lo que se tiene una pérdida de estabilidad dura o catastrófica. En ambos casos se produce la pérdida de estabilidad del equilibrio para λ = 0. en el supuesto de que el parámetro crezca. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSIÓN UNO 69 x1 r 0 λ 0 λ x2 Figura 3. debe analizarse que sucede si se prescinde de los términos no lineales en los dos sistemas. Por consiguiente. Si la pérdida de la estabilidad del sistema se produce de una manera suave entonces el sistema es çontrolable”. a la que ya se aludió an- teriormente. al devolver los valores del parámetro a valores negativos no se producirá un retorno al equilibrio anterior ya que normalmente el sistema habrá abandonado su cuenca de atracción. el sistema permanece en un entorno del equilibrio y se tiene una pérdida de estabilidad suave o no catastrófica. Esta observación vuelve a poner de manifiesto la importancia de los términos no lineales para la aparición de ciclos lı́mites. En este caso ya no existen ciclos lı́mites ni antes ni después del valor crı́tico del parámetro. Por último. . ya que si se cambia el signo del parámetro el sistema vuelve al equilibrio anterior. Conviene observar que el tipo de la bifurcación de Andronov-Hopf viene determinado por la estabilidad del equilibrio para el valor crı́tico del parámetro.3. En el caso de la bifurcación subcrı́tica la región de atracción del punto de equilibrio está acotado por un ciclo lı́mite inestable (tiene una cuenca de atracción limitada) que se comprime cuando el parámetro se acerca al valor crı́tico y que desaparece al alcanzarlo. Entonces el sistema (las trayectorias) es lanzado fuera del equilibrio. En la bifurcación supercrı́tica el equilibrio estable se reemplaza por un ciclo lı́mite estable de pequeña amplitud. Por el contrario. si el sistema sufre una pérdida de estabilidad dura.4.24: Diagrama de bifurcaciones de la bifurcación de Hopf subcrı́tica. Para el valor crı́tico del parámetro λ = 0 el sistema posee un centro en el origen.

La bifurcación de Hopf se produce cuando un par de autovalores complejos conjugados cruzan el eje imaginario con velocidad no nula. ẋ = −(ε + (x2 + y 2))x − yω ẏ = −(ε + (x2 + y 2))y + xω dx = Ax dt en donde A es la matriz   −ε −ω A= ω −ε cuyos autovalores son λ = −ε ± jω. Si se realiza la transformación a coordenadas polares realizando el cambio de vari- ables x1 = r cos θ y x2 = r sen θ. además de la de Hopf ya estudiada con anterioridad. (3.2. ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS 3. Bifurcaciones de órbitas periódicas En este apartado se describen dos de las bifurcaciones más habituales rela- cionadas con órbitas periódicas. 3. el sistema queda: ṙ = r((1 − r 2 )2 cos λ − sen λ) θ̇ = (1 − r 2 )2 sen λ + cos λ. . y además el sis- tema experimenta una bifurcación silla-nodo en la dirección radial cuando el parámetro λ pasa por cero.4.4. Evolución de los autovalores en una bifurcación de Hopf. Bifurcación silla-nodo de órbitas periódicas Sea el sistema plano: ẋ1 = −x1 sen λ − x2 cos λ + (1 − x21 − x22 )2 (x1 cos λ − x2 sen λ) ẋ2 = x1 cos λ − x2 sen λ + (1 − x21 − x22 )2 (x1 sen λ + x2 cos λ). que depende de un parámetro real λ.10) Como la primera ecuación del sistema (3.10) es independiente de θ.70CAPÍTULO 3.3.

λ = 0. la amplitud del ciclo lı́mite estable dis- minuye.26a). el sistema no tiene órbitas estables ya que ṙ > 0 y todas las soluciones. .26 se muestra el comportamiento del sistema para distintos valores de λ y en la figura 3.26b). al aumentar el valor de λ. desapareciendo dicho ciclo lı́mite y cambiando el tipo de estabilidad del infinito (a efectos prácticos en el análisis de bifurcaciones el infinito puede ser tomado como un punto). van al infinito cuando t → +∞ (figura 3. A fin de detectar la bifurcación homoclina se analiza el sistema para pequeñas variaciones de c cercanas a cero. Este es el comportamiento cualitativo correspondiente a una bifurcación silla-nodo de órbitas periódicas (en el punto de bifurcación. aparecen dos ciclos lı́mite. hasta que se produce una bifurcación de Hopf supercrı́tica en el origen para el valor λ = π2 . Si λ < 0. al aumentar el valor de λ. la amplitud del ciclo lı́mite inestable va aumentando.4. Bifurcación homoclina Sea el sistema plano: ẋ1 = 2x2 ẋ2 = 2x1 − 3x22 − x2 (x31 − x21 + x22 − c) donde c es un parámetro escalar. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSIÓN UNO 71 Si λ > 0. En la figura 3. y es suficientemente √ pequeño. tiene una órbita periódica simple no hiperbólica inestable en x21 + x22 = 1 (figura 3. en este sistema se producen dos bifurcaciones además de la ya citada [Sal95]. uno estable y otro inestable).3. Por otra parte. [LP97]. hasta que en el punto λ = π4 se produce una bifurcación de Hopf subcrı́tica en el infinito [Glo89]. el sistema tiene dos órbitas periódicas: una 2 2 inestable x1 + x2 = 1 + √ tan λ que es una circunferencia de radio mayor que uno y una 2 2 estable x1 + x2 = 1 − tan λ que es también una circunferencia pero con radio inferior a uno (figura 3.26c). Una vez se ha producido la bifurcación silla-nodo de órbitas periódicas. excepto el origen.25 se representa el correspondiente diagrama de bifurcaciones. En el caso en que λ = 0. Sin embargo. [LP98].

Por ello se dice que estas bifurcaciones son de codimensión uno.27c). que es siempre una silla. 0). Bifurcaciones de codimensión dos Hasta el momento.4. ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS H∞ x SNOP H0 π π 4 2 λ Figura 3. Para c > 0.25: Diagrama de bifurcaciones correspondiente a la bifurcación silla- nodo de órbitas periódicas (SNOP≡ Bifurcación silla-nodo de órbitas periódicas. para obtener: V̇ (x1 .72CAPÍTULO 3.27b). y otro en (2/3. todas las bifurcaciones que se han caracterizado (excepto la de pliegue en sistemas escalares) se pueden obtener mediante la variación de un sólo parámetro (y cualquier sistema que presenta dichas bifurcaciones es local topológicamente equivalente a los que se han usado para describirlas). la curva homoclina se rompe y no hay órbitas periódicas (figura 3. Para estudiar los detalles del diagrama de fases del sistema se toma la función V (x1 . H∞ ≡Bifurcación de Hopf en el infinito.4. Para −4/27 < c < 0. con x1 > 0 (que proviene de una bifurcación de Hopf en el punto (2/3. que es inestable si c > −4/27. 0) para c = −4/27) (figura 3. usando el principio de invarianza. 3. se aprecia que existe una órbita periódica asintóticamente estable en la curva x31 − x21 + x22 − c = 0. en las secciones anteriores. x2 ) = x31 − x21 + x22 y se analiza su derivada a lo largo de las soluciones del sistema. H0 ≡ Bifurcación de Hopf en el origen).27a). Cuando c → 0 la órbita periódica se aproxima a la curva homoclina que pasa por el origen (figura 3. x2 ) = −2x22 (x31 − x21 + x22 − c). Para todos los valores de c hay dos puntos de equilibrio: uno en el origen. entendiendo el concepto de .

5 1 1.5 2 −2 −1. .5 2 −2 −1. 2 2 1.5 −1 −1 −1.5 x1 0 0.5 −1 −0.5 0 0.5 −1 x1 −0.5 −1.5 0. (b) λ = 0.5 −1 −1.5 −2.5 −1 x1 −0.5 −1 x1 −0.4.5 −2 −2.5 −1.26: Diagrama de fases de la bifurcación silla-nodo de órbitas periódicas en función del parámetro λ.5 −2 −2 −2 −1.5 1.5 1.5 −2 −1.5 1 1 0.5 −1 −0.5 π (e) λ > 2 Figura 3.5 0 0.5 0.5 1 0.5 −0.5 −1 −1 −1.5 −2 −2 −2 −1.5 1 1. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSIÓN UNO 73 2 2 1.5 2 (c) 0 < λ < π4 .5 −0.5 x2 x2 0 0 −0. (d) π 4 < λ < π2 .5 1 1.5 0 0.5 2 2.5 1 1 0.5 x2 x2 0 0 −0.5 1 1.5 1 1.3.5 x1 0 0.5 x2 0 −0.5 2 1. 2.5 2 (a) λ < 0.

ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS x’=2y c = − 0.05 x’=2y c=0 2 3 2 2 2 3 2 2 y ’ = 2 x − 3 x − y (x − x + y − c) y ’ = 2 x − 3 x − y (x − x + y − c) 2 2 1. codimensión de una bifurcación como el número mı́nimo de parámetros en una familia de sistemas necesarios para reproducir la bifurcación.5 1 1.5 2 −2 −1.5 x1 0 0. (b).5 x2 x2 0 0 −0.5 −1.1 2 3 2 2 y ’ = 2 x − 3 x − y (x − x + y − c) 2 1.5 1. x’=2y c = 0.5 −1 −0.27: Diagrama de fases de la bifurcación homoclina en función del parámetro c.5 0.5 1 1 0. entonces es local .5 −1 −1 −1.5 1 1. Bifurcación de Takens-Bogdanov Supóngase un campo vectorial plano que depende de dos parámetros.5 −2 −2 −1.5 −1 −1.5 1 1. que se supone que es no hiperbólico con dos autovalores cero pero con un autovector.5 −2 −2 −2 −1. Si hay algún campo vectorial que cumpla las condiciones anteriores.74CAPÍTULO 3. Figura 3.5 2 (c).5 −1 −0.5 −0. En este apartado se presenta una de las bifurcaciones de codimensión dos más usuales en el estudio de sistemas dinámicos. tiene un punto de equilibrio para determinados valores de los parámetros.5 −1 −0.5 2 (a).5 x1 0 0.5 x2 0 −0. tal que.5 x1 0 0.5 1 0.

se produce una bifurcación silla-nodo de equilibrios en la que surgen dos equilibrios: uno estable y otro inestable tipo silla. En esta figura también se muestra de forma esquemática el comportamiento cualitativo del sistema en las distintas zonas delimitadas por las lı́neas de bifurcación. (3.11) en un entorno del origen. al atravesar la curva SNa . CH ≡Conexión homoclina).4.28. preservando la dirección en el tiempo. topológicamente equivalente a uno de los dos sistemas que dependen de dos parámetros: ẋ1 = x2 ẋ2 = λ1 + λ2 x1 + x21 ± x1 x2 . quedando el sistema en la zona 2.11) es el que se muestra en la figura 3. hay un cambio de variables (con jacobiano distinto de cero) y un home- omorfismo (que depende de los parámetros de forma continua) en un entorno suficien- temente pequeño del origen que transforma las órbitas de cualquier sistema plano con las propiedades descritas anteriormente a las órbitas del sistema (3.3.28: Conjunto de bifurcaciones correspondiente a la bifurcación Takens- Bogdanov (SN ≡Bifurcación silla-nodo de equilibrios. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSIÓN UNO 75 λ2 SNa 111111111 000000000 000000000 111111111 000000000 111111111000000 111111 000000000 111111111000000 111111 000000000 111111111000000 111111 000000 111111 000000000 111111111000000 111111 000000000 111111111 000000000 111111111000000 111111 000000000 111111111000000 111111 000000000 111111111 2 000000 111111 3 000000 111111 000000000 111111111000000 111111 000000000 111111111 000000000 111111111000 111 000000 111111 000000000 111111111000 111 000000 111111 000 111 000000000 111111111000000 111111 000 111 λ1 000000000 111111111000000 111111 000 111 000000000 111111111000000 111111 000 111 000000 111111 000000000 111111111 000000000 111111111000 111 000000 111111 000000000 111111111000 111 000000 111111 000 111 000000000 111111111000000 111111 000 111 1 111111 000000000 111111111000000 000 111 000000 111111 4 000000000 111111111000 111 000 111 CH SNb H Figura 3. H ≡Bifurcación de Hopf. . El conjunto de bifurcaciones del sistema (3.11) Ası́ pues. Si se parte de la zona 3 del diagrama de bifurcaciones.

A continuación.76CAPÍTULO 3. Volviendo ahora al modelo de crecimiento sigmoidal de una población (2. la amplitud del ciclo lı́mite aumenta hasta chocar con el punto de silla en una conexión homoclina. si se disminuye el parámetro λ1 con λ2 < 0. . se atraviesa la curva SNb . en la zona 4. se produce una bifurcación de Hopf subcrı́tica en el punto de equilibrio inestable tipo foco. al hacerse λ1 = 0. llegándose a la zona 1 en la que el sistema presenta un ciclo lı́mite inestable alrededor de un equilibrio estable.1). por el contrario. manteniendo λ2 constante. 3. Diagrama de bifurcaciones del experimento de Taylor- Couette. Al disminuir el parámetro λ1 . ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS Si. el sistema queda con dos equilibrios inestables: uno tipo foco y otro tipo silla. correspondiente a otra bifurcación silla-nodo de equilibrios. y una silla en el exterior.5.4. desapareciendo y quedando el sistema con el comportamiento descrito en la zona 2. es claro que x = 0 es un punto de equilibrio del sistema para todos los valores de m y de n.

si se está estudiando el crecimiento de una población humana las variaciones de m y de n pueden deberse a cuestiones tales como el progreso en la sanidad pública (en cuyo caso al menos disminuye m) o a otras cuestiones como puede ser una epidemia o una guerra.1) es J(x) = ng(x) − m + nxg  (x). BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSIÓN UNO 77 pero que además se tienen equilibrios adicionales en las soluciones en x a la ecuación m g(x) − p = 0. es fácil ver que la anterior ecuación conduce a dividir el rango de los valores positivos de p en tres regiones con diferente compor- tamiento cualitativo (figura 3. en función del parámetro p. que en cada equilibrio se convierte en J(0) = n − m = n(1 − μ). para ∗ p = p se produce una bifurcación nodo-ensilladura que conduce a la coalescencia de .29). además del equilibrio xe se tiene otro xe . p ). Mediante esta linealización se determina la estabilidad de cada uno de los equilibrios. Estas variaciones se pueden deber a fenómenos de naturaleza muy variada. además ∗ + − de x = 0. J(x+ +  + e ) = nxe g (xe ) < 0.1). La linealización del sistema dinámico (2. se está estudiando cómo cambia cualitativamente el comportamiento del modelo como consecuencia de las variaciones en la tasa de natalidad n y de mortalidad m. Es normal tomar el parámetro p como el parámetro natural para el estudio de bifurcaciones. 1) existe un nuevo equilibrio x+e .3. Por otra parte. Por tanto para p = p∗ se produce la coalescencia y desaparición de los equilibrios x+ − e y xe . o en general de un modelo de crecimiento por balance entre nacimientos y muertes. Mediante el análisis de bifurcaciones se puede analizar cómo influirán estas variaciones en el comportamiento a largo plazo del modelo. y su estabilidad. se habla de tasa de natalidad y de mortalidad de empresas. siendo p = . Por ejemplo.29 se tienen los equilibrios y las bifurcaciones del modelo (2. n Recordando la forma de g de la figura 2. En la figura 3.4. Para p ∈ (1. Por ejemplo. J(x− −  − e ) = nxe g (xe ) > 0. De acuerdo con este diagrama se tiene dos puntos de bifurcación. que es inestable para p > 1. Por último. En cualquier caso conviene observar que el modelo de crecimiento logı́stico es muy general y se aplica no sólo a crecimiento de poblaciones. Estas variaciones de m y de n darán lugar a las de p. Para p = 1 se tiene una bifurcación transcrı́tica en la que se produce un cambio de estabilidad entre el equilibrio x = 0 (inestable para p < 1 y estable para p > 1) y el equilibrio emergente x−e . Para p ∈ [0. En este diagrama se resumen los resultados relativos a los equilibrios. en cuyo caso el modelo ? representa el crecimiento de la actividad económica como consecuencia de la creación (nacimiento) de empresas y de su desaparición o cierre.3. sino también en otros contextos. Al estudiar las bifurcaciones del modelo de crecimiento logı́stico. para p > p∗ no existen equilibrios adicionales al x = 0.

El diagrama de bifurcación muestra como estos comportamientos se organizan en función del parámetro del modelo. O bien se produce el crecimiento.30: Trayectorias del modelo logı́stico: a) p < 1. o bien se produce el declive hasta la extinción. de esta bimodalidad de comportamientos.29: Diagrama de bifurcaciones del modelo logı́stico. 78CAPÍTULO 3. En la figura 3. tal como se ha indicado anteriormente. los equilibrios x+ − ∗ e y xe . Es especialmente notable la intermedia (para 1 < p < p∗ ) que muestra dos modos de comportamientos diferentes. Observando el conjunto del diagrama de bifurcación se tiene que el modelo (2. Conviene observar que los dos puntos de bifurcación mencionados (la bifurcación transcrı́tica y la nodo-ensilladura) dividen el espacio del parámetro P en las tres regiones de comportamiento cualitativo diferente.30 se muestran las trayectorias en estas tres regiones. que tendrá la forma logı́stica. xe xe xe x+e x+e x-e t t t μ <1 1 < μ < μ∗ μ∗ < μ Figura 3. c) p∗ < p. dependiendo de las condiciones iniciales. ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS xe x+e 1− δ 1− δ 2 x-e 1 μ∗ μ Figura 3.1) puede mostrar solamente dos modos de comportamiento cualitativamente diferenci- . b) 1 < p < p∗ . respectivamente. que en este caso se reduce al parámetro p. Los dos equilibrios estables x+ e y 0 son responsables. que desaparecen para p > p .

a la que se aludió en la introducción. y constituye una guı́a para realizar simulaciones y determinar trayectorias concretas. no sucede sólo eso. El diagrama de bifurcaciones permite conocer cual de estos dos modos de compor- tamiento seguirá el sistema.30. es decir. resulta difı́cil de tratar matemáticamente. de modo que el sistema dinámico correspondiente sea:  ẋ = x(ng(y) − m).5. en función del valor que tome el parámetro p y. CRECIMIENTO LOGÍSTICO CON UN RETRASO EN LA ESTRUCTURA 79 adas: crecimiento y estabilización. Sin embargo. de las condiciones iniciales del sistema. en el caso de la región intermedia. ya que se requiere un sistema de dimensión infinita para ello. 3.1). ya que el retraso no afecta al comportamiento a largo plazo. la señal y(t) es la señal x(t) retrasada en τ unidades de tiempo. en donde delayτ (x) representa y(t) = x(t − τ ). Una aproximación muy empleada en la práctica es la de considerar k .12) y = delayτ (x). aunque aparentemente sencillo de especificar. como vamos a ver. quizás con oscilaciones en las trayectorias a los atractores debidas al retraso.3. (3. Resulta también conveniente observar cómo el diagrama de bifurcaciones suministra una perspectiva global con respecto a los modos de comportamiento de un sistema. es posible obtener aproximaciones aceptables mediante sistemas de dimensión finita.5. Crecimiento logı́stico con un retraso en la es- tructura Una forma más realista de modelar el crecimiento de una población aconseja incluir un retardo en la tasa de crecimiento. Este modelo posee los mismos equilibrios que el (2. Un retraso puro. Sin embargo. y declive. cabrı́a esperar unas pautas de comportamiento similares a las de la figura 3. En consecuencia. y en este caso se presentan otros tipos de comportamiento transitorio. como la catástrofe retrasada.

. . Por otra parte se tiene que la matriz de linealización en un punto genérico es ⎡ ⎤ ng(y) − m 0 ··· 0 nxg  (y) ⎢ ka −ka ··· 0 0 ⎥ ⎢ ⎥ ⎢ . ⎢ . .80CAPÍTULO 3.. · · · . ⎪ ⎪ ⎪ ⎪ = ka(x − y1 ). siendo a = 1/τ . 0. ⎦ ⎣ . · · · . ⎪ ⎪ y˙1 ⎪ ⎪ ⎪ ⎨ y˙2 = ka(y1 − y2 ). ⎥ ⎢ ⎥ ⎣ 0 0 · · · −ka 0 ⎦ 0 0 · · · ka −ka ⎡ ⎤ 0 0 ··· 0 nx±  ± e g (xe ) ⎢ ka −ka ··· 0 0 ⎥ ⎢ ⎥ ⎢ .. ⎦ 0 x+e x−e que se denotan por 0.. .12) se escribe: ⎧ ⎪ ⎪ ẋ = x(ng(y) − m).. ⎥ ∈ Rk+1 . ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS retrasos de primer orden en serie.. . y1 . . 0) = ⎢ . ⎥ ⎢ ⎥ ⎣ 0 0 ··· −ka 0 ⎦ 0 0 ··· ka −ka que en cada uno de los tres equilibrios toma la forma ⎡ ⎤ n−m 0 ··· 0 0 ⎢ ka −ka · · · 0 0 ⎥ ⎢ ⎥ ⎢ .. . x± ) = ⎢ .. . ⎥ J(x. ⎦ ⎣ .. . ⎥ . ⎪ ⎪ ⎩ ẏ = ka(yk−1 − y).. En la región de comportamiento bimodal existen tres equilibrios ⎡ ⎤ ⎡ ⎤ ⎡ ⎤ 0 x+e x − e ⎢ 0 ⎥ ⎢ x+ ⎥ ⎢ x− ⎥ ⎢ ⎥ ⎢ e ⎥ ⎢ e ⎥ ⎢ . x± . x+ − e y xe . ⎥ . ⎪ . · · · . ⎪ ⎪ . . de modo que el sistema (3. . ⎢ ... ⎥ J(x± . . . e e e ⎢ ⎥ ⎣ 0 0 · · · −ka 0 ⎦ 0 0 · · · ka −ka . . ... ⎣ . .. .. ⎥ J(0. y τ el retraso que se pretende introducir. .. ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ẏk−1 = ka(yk−2 − yk−1 ). y) = ⎢ . ⎥.

3..5.. . 0. CRECIMIENTO LOGÍSTICO CON UN RETRASO EN LA ESTRUCTURA 81 xe x+e HO . xe . H un punto de bifurcación de Hopf supercrı́tica.. cuando un par de raı́ces complejas de (3.. xe ) es λ(λ + ka)k − α(ka)k . p∗ ) ambos x− + e y xe pueden sufrir una bifurcación de Hopf. .. Un análisis pormenorizado de las bifurcaciones de este sistema puede verse en (Aracil y otros..31. T un punto de bifurcación transcrı́tica.13) siendo   2n ± 1−δ α= nx± ˜ ± e f (xe ) = x ± − xe . 1997). 0) es (λ − (n − m))(λ + ka)k y el de J(x± ± ± e .31: Diagrama de bifurcaciones del sistema con retardo. δ e 2 Cuando el parámetro de bifurcación p se mueve en (1. siendo SN un punto de bifurcación nodo-ensilladura. HO un punto de bifurcación homoclina. · · · . En consecuencia el polinomio caracterı́stico de J(0. H SN x-e T μ Figura 3. Este análisis se resume en el diagrama de bifurcaciones de la figura 3.13) cruzan el eje imaginario. · · · . (3.

Puesto que esta órbita homoclina es estructuralmente inestable. tal como se indica en la figura 3. Las trayectorias que tienden hacia la ensilladura a lo largo de su variedad estable se derivan hacia el . El ciclo lı́mite alcanza las variedades estable e inestable asociadas con la ensilladura x− e . La separatriz entre las dos cuencas de atracción está asociada a la ensilladura x− e. como sucedı́a en la figura 3. pero uno es un ciclo lı́mite.112023 -0. toda pequeña perturbación en los parámetros dará lugar a su ruptura. Con unas condiciones iniciales adecuadas se produce el crecimiento de la población. mientras que con otras. En la figura 3.32 se muestra la proyección del retrato de estados en el plano (x. ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS 0. tal como se indica en la figura 3. apareciendo un ciclo lı́mite estable en su entorno. de modo que aparece una órbita homoclina. normalmente más pequeñas. ẋ) en el caso de dos atractores. Se produce una bifurcación de Hopf.82CAPÍTULO 3. Ahora en lugar de dos atractores puntuales.852662 y -0. ẋ) en el caso de dos atractores: uno asociado a x+ e y el otro al origen 0.32: Proyección del retrato de estados en el plano (x.35. se producirı́a su extinción.33 se muestra esta situación.0870878 0. Se produce entonces el fenómeno de la catástrofe retrasada. En la figura 3.34. se tienen también dos atractores. para un cierto valor del parámetro p el equilibrio x+ e se convierte en inestable. Sin embargo.32. con la diferencia de que ahora se pueden presentar oscilaciones. Se tienen los dos modos de comportamiento que en principio cabrı́a esperar del sistema.34.788589 x Figura 3. Disminuyendo el valor del parámetro p se llega a una nueva situación representada en la figura 3. En este caso se tiene un comportamiento bimodal análogo al que mostraba el sistema sin retraso.

34: Orbita homoclina de la ensilladura x− e .8. n = 0. CRECIMIENTO LOGÍSTICO CON UN RETRASO EN LA ESTRUCTURA 83 0.112962 -0.133629 -0. .). (μ = 2. 0.1 and a = 0.29732 x Figura 3. n = 0.943976 y -0.7045.0977844 1.1.0951067 1.33: Bifurcación de Hopf (μ = 2. δ = 0.825812 y -0.3. δ = 0.5.1.06.05 x Figura 3.06).1 and a = 0.

29. Conviene detenerse en la comparación entre la figura 3. pero en la segunda equilibrios que eran estables en la primera se han convertido en in- estables. (b) pauta de comportamiento.2 -0. A partir de esta emergencia se genera la aparición del fenómeno de la catástrofe retrasada. ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS 0. .84CAPÍTULO 3.1 and a = 0.704. Esta inestabilización se produce mediante una bifurcación de Hopf. en la que se tiene el diagrama de bifurcación antes de añadir el retraso.06.1 -0.4 -30 690 x t (a) (b) Figura 3. Comparándolas se pone de manifiesto el efecto del retraso en el comportamiento del sistema. n = 0. En ambas los equilibrios son los mismos.1.95 1.35: Catástrofe retrasada: (a) órbita en el espacio de estados (x. de modo que emerge un ciclo lı́mite estable.) origen dando lugar a la extinción de la población.2 1. y). con el correspon- diente diagrama después de añadirlo. δ = 0.4 y x -0. (μ = 2.31. y la figura 3.

1997. Addison-Wesley. Koçak. Paris (ver- sión española Estabilidad estructural y morfogénesis en Gedisa). R. Nonlinear Dynamics and Chaos. Holmes.. [6] Aracil. y F. [9] Karsky. [2] Aracil. Sec- ond Edition. New York: Springer-Verlag. P. [12] Nayfeh. 1977. J.A. Addison-Wesley. Int. 1986. Nonlinear Oscillations. [13] Thom. Wiley. Dynamics: The Geometry of Behavior. [7] Guckenheimer. 1997. J. “Instabilities and Chaos in Non-linear Dynamical Systems”. aceptado para publicación en Mathematics and Computers in Simu- lation.. M. Springer-Verlag. Alianza Editorial. “De la possibilité d’apparition de catas- trophes différés”. [8] Hale.. J. E. Stabilité structurelle et morphogénèse.D. Montreal. “Structural Stability of low-order System Dynamics Models”. “Qualitative Analysis and Bifurcations in System Dynamics Mod- els”. Allen. 1995. 1983. System Dynamics Review. 14-55. [14] Strogatz. Ecodecision. Septembre 1992. [4] Aracil. Gordillo. J. J. Aracil and P. J. Dore.K. Pizarro.. “Behavior patterns of logistic models with delay”. [3] Aracil. Y. 1995. [10] Kuznetsov. 1991. J. “Bifurcations and Structural Stability in the Dynamical Systems Modeling Process”. Ch. Balachandran. 1984. Dynamics and Bifurcations. [5] Aracil. [11] Mosekilde. Systems Research 3 (4):243-252... 6.. J... Springer-Verlag. J-Ch. S. Applied Nonlinear Dynamics. and P. E.. J. 4. H. IEEE-SMC-14 (4):688-696. R. System Science 12:423-441. 1981.Bibliografı́a [1] Abraham. 85 . B..H. 1988.H. and Gueneau. Dynamical Systems and Bifurcations of Vector Fields. Elements of Applied Bifurcation Theory. Dinámica de sistemas. 1992. 1. No. Ponce and L. A. 1995. InterEditions. and Shaw.

M. Catastrophe Theory. “Knowledge and reality: some conceptual issues in the system dynamics modelling”. Liz.C.86 BIBLIOGRAFÍA A O t Figura 3. [17] E. Vol. . 9. Zeeman. Num. Aracil. Vázquez. System Dynamics Review. 21-37. [16] M. “An Epistemological Framework for System Dynamics Modelling”. 1. no. J. 5. 12.36: Bimodal behavior pattern: attractor A stands for normal growth and O for decay. M. 1996a. Addison-Wesley. 461- 489. Liz. J. Aracil. Vol. [15] M. Vázquez. 1996b. Revue Internationale de Systémique. 1977.

14) Se aplica la transformación x = T (x̄) (3.37: The graph of the function 2n α(xe ). Apéndice En este apéndice se va a generalizar para cualquier n la invariancia de los autovalores de un sistema dinámico en un punto de equilibrio bajo una transformación diagonal monótona y creciente.δ 1 xe 4 2 2 . μ*) 2n 2 x e. cı́rculos y figuras geométricas.δ 1. Pero no se puede descifrar si antes no se comprende el lenguaje y se conocen los caracteres en que está escrito. Galileo Il Saggiatore 3. La transformación T tiene inversa T −1 = diag[1/ti (x̄)]. Sea el sistema dinámico ẋ = g(x) x ∈ X ⊂ IRn (3.1+ δ 1< μ < μ* 2 0<μ<1 μ=1 μ=1 μ=0 δ Figura 3.δ ) 2 . Está escrito en el lenguaje matemático. Al aplicar . siendo sus caracteres triángulos. sin ellos. deambulamos vanamente en un oscuro laberinto. dti /dx̄i > 0. x+ e 1.δ 4 1. APÉNDICE 87 δα ( x*e .(1. La filosofı́a está escrita en ese grandioso libro que está continuamente abier- to ante nuestros ojos (lo llamo universo). Sin estos medios es humanamente imposible comprender una palabra.δ 1.6.6.15) siendo T (x̄) = diag[ti (x̄)] una matriz diagonal tal que cada ti es una función monótona creciente.3.

16) Los equilibrios son los mismos en las dos formalizaciones del sistema dinámico.88 BIBLIOGRAFÍA la transformación se tiene x̄˙ = [Dx̄ (T )]−1 g(T (x̄)) (3. Los autovalores de los dos sistemas dinámicos son los mismos. En efecto. y están ligados por la transformación T . Lo único que las diferencia son las contracciones y dilataciones según los ejes que tienen lugar de acuerdo con la transformación T . el jacobiano del transformado es: ∂f A = Dx̄ ([Dx̄ (T )]−1 )g(T (x̄)) + [Dx̄ (T )]−1 [ ][Dx̄ (T )] ∂x pero como en el equilibrio g(T (x̄)) = 0. . La estructura del retrato de estados es la misma. luego ∂f A = [Dx̄ (T )]−1 [ ][Dx̄ (T )] ∂x cuyos autovalores son los mismos que los del sistema dinámico original.

Capı́tulo 4

Función descriptiva y balance
armónico

4.1. Método del primer armónico

Los métodos clásicos de sistemas realimentados lineales están basados en el empleo
de la función de transferencia, que posee una interpretación en el dominio de la fre-
cuencia de gran interés para el análisis y la concepción de esos sistemas realimentados.
Sin embargo, el concepto de función de transferencia está basado en la propiedad de
linealidad (suma de causas produce suma de efectos) que no poseen, por su propia
naturaleza los sistemas no lineales.

Sin embargo, como vamos a ver en lo que sigue, es posible aplicar una versión
ampliada del método de la respuesta en frecuencia a sistemas no lineales mediante
el método de la función descriptiva. Con este método, como vamos a ver, es posible
adaptar los métodos de diseño de sistemas lineales en el dominio de la frecuencia,
empleando los diagramas de Bode y similares, al caso de los sistemas no lineales, si
bien en este último caso los resultados son exclusivamente aproximados.

4.1.1. Ejemplo introductorio

Los sistemas no lineales pueden presentar oscilaciones de amplitud y periodo fijos
sin excitación exterior. Esas oscilaciones se denominan ciclos lı́mites u oscilaciones
autoexcitadas. Una de la primeras ecuaciones propuestas para estudiar este fenómeno
se debe al ingeniero eléctrico holandés Balthasar Van der Pol. Esta ecuación es la

89

90 CAPÍTULO 4. FUNCIÓN DESCRIPTIVA Y BALANCE ARMÓNICO

siguiente:
ẍ + α(x2 − 1)ẋ + x = 0 (4.1)
vamos a emplear esta ecuación como ejemplo introductorio al método del primer
armónico. Para ello, vamos a suponer que existe un ciclo lı́mite de amplitud y fre-
cuencia no determinadas, y vamos a ver que restricciones impone la ecuación anterior
a esta amplitud y frecuencia.

Elemento no lineal (−ẋx2 ) Elemento Lineal

s

0 + −x v α x
s2 −αs+1
-
(.)2

Figura 4.1: Diagrama de bloques del oscilador de Van der Pol

Puesto que el análisis de la ecuación de Van der Pol lo estamos haciendo como intro-
ducción al estudio de sistemas realimentados no lineales conviene que representamos la
ecuación (4.1) mediante un diagrama de bloques como el de la figura 4.1. En esta figura
se tiene un sistema realimentado, con realimentación unitaria, en cuya cadena directa
aparece un bloque no lineal y uno lineal. Como veremos luego, esta será la forma que
tomaran los sistemas realimentados no lineales a los que se aplica el método del primer
armónico.

Para justificar el diagrama de la figura 4.1 basta reescribir la expresión (4.1) de la
forma
ẍ − αẋ + x = −αx2 ẋ
Se define v = −x2 ẋ, con lo que la anterior expresión se convierte en

ẍ − αẋ + x = αv

cuya función de transferencia es
x α
(s) = 2
v s − αs + 1
Supongamos que el sistema de la figura 4.1 oscila, de modo que la señal x evoluciona
de la forma
x(t) = A sen ωt (4.2)

4.1. MÉTODO DEL PRIMER ARMÓNICO 91

en donde A es la amplitud del ciclo lı́mite y ω su frecuencia. En este caso se tiene

ẋ(t) = Aω cos ωt

por consiguiente, la salida del bloque no lineal de la figura 4.1 viene dada por

v = −x2 ẋ = A2 sen2 ωtAω cos ωt (4.3)
A3 ω
= − (1 − cos 2ωt) cos ωt (4.4)
2
A3 ω
= − (cos ωt − cos 3ωt) (4.5)
4
El paso de (4.3) a (4.4) se basa en que

2 sen2 ωt = 1 − cos 2ωt

ya que
cos 2ωt = cos2 ωt − sen2 ωt = 1 − 2 sen2 ωt
Por otra parte, el paso de (4.4) a (4.5) es un poco más elaborado. Para demostrarlo se
parte de

cos 3ωt = cos 2ωt cos ωt − sen ωt sen 2ωt
= cos ωt(1 − 2 sen2 ωt) − 2 sen2 ωt cos ωt
= cos ωt(1 − 4 sen2 ωt)
= cos ωt(1 − 2 + 2 cos 2ωt)
= cos ωt(2 cos 2ωt − 1)

de donde se tiene que
1
cos ωt − cos ωt cos 2ωt = (cos ωt − cos 3ωt)
2
En la expresión (4.5) se observa que la señal v contiene un armónico de tercer orden.
Sin embargo, sucede que la parte lineal se comporta como un filtro paso bajo, de
modo que se puede suponer razonablemente que este armónico de tercer orden resulta
suficientemente atenuado por el bloque lineal y que puede, en una primera aproximación
despreciarse. Con estos supuestos, la señal v toma la forma aproximada
A3 ω A2 d
v≈− (cos ωt) = (−A sen ωt) (4.6)
4 4 dt
De este modo el bloque no lineal de la figura 4.1 puede representarse en forma aprox-
imada como se hace en la figura 4.2. El bloque no lineal de la figura 4.1 se describe
de forma aproximada, mediante una función de transferencia como la que se indica
en la figura 4.2. Conviene observar que esta “función de transferencia”depende de la
amplitud de la señal de entrada A, lo que no sucede en ningún caso con una función
de transferencia de un sistema lineal.

podemos escribir que las señales de salida v del bloque no lineal de la figura 4.2: Aproximación lineal del oscilador de Van der Pol En general. En el caso que nos ocupa la función descriptiva toma la forma A2 N(A.9) puede escribir Aejωt = G(jω)N(A. ω)(−x) (4. A la función N la denominaremos función descriptiva del elemento no lineal correspondiente y constituye una generalización del concepto de función de transferencia al estudio de los sistemas no lineales (aunque aquı́ con un carácter aproximado ya que para llegar a ella se han despreciado los armónicos de orden superior al primero. ω)(−Aejωt ) de donde se tiene 1 + G(jω)N(A.9) Se sabe que una señal senoidal se puede escribir en forma compleja mediante la expo- nencial x = Aejωt con lo que la anterior expresión (4.10) . FUNCIÓN DESCRIPTIVA Y BALANCE ARMÓNICO Aproximación cuasi lineal r=0 + −x A2 v α x 4 s s2 −αs+1 - Figura 4.2 vienen dadas por v = N(A. ω)(−x) (4. ω) = 0 (4. sino también de la amplitud A. ω) = jω (4. aunque en este caso con la propiedad adicional de depender no solamente de la fre- cuencia ω. De acuerdo con la cadena directa del sistema de la figura 4.2.7) en donde N juega el mismo papel que la función de transferencia en un sistema lineal. a partir de la consideración del carácter del filtro paso bajo del bloque lineal). se puede escribir x = A sen ωt = G(jω)v = G(jω)N(A.8) 4 es decir el bloque no lineal se puede aproximar por la función de respuesta en frecuencia N.92 CAPÍTULO 4.

11) (jω)2 − α(jω) + 1 4 que conduce a 4((jω)2 − α(jω) + 1) + αA2 jω = 0 cuya parte real es −4ω 2 + 4 = 0 cuya solución conduce a ω = 1.1). la expresión (4.2.6). en realidad.4. es una forma de escribir la expresión (4. .2 = − α(A − 4) ± α (A − 4)2 − 1 (4.11) escrita en forma de Laplace toma la forma α A2 s 1+ =0 s2 − αs + 1 4 que es la ecuación caracterı́stica en bucle cerrado del sistema de la figura 4. habida cuenta de la simplificación que ha permitido pasar de la expresión (4. Conviene observar que la expresión (4.12) 8 64 en los que haciendo A = 2 se obtienen los autovalores λ1. 2. y cuya parte imaginaria es −4α + αA2 = 0 por lo que A = 2.2 = ±j. Hay un único componente no lineal. MÉTODO DEL PRIMER ARMÓNICO 93 esta expresión.10) se convierte en α A2 1+ jω = 0 (4. Conviene observar que ni la amplitud ni la frecuencia obtenidas dependen del parámetro α. Por tanto el sistema admite una solución en forma de oscilación con amplitud A = 2 y frecuencia ω = 1. En el caso concreto que nos ocupa. es decir existe un ciclo lı́mite de amplitud 2 y frecuencia 1. Principios del método Supuestos básicos del método: 1.1.3) a la (4. Ese componente es invariante en el tiempo. 4.1.2. es decir la ecuación del sistema. Los autovalores de esta ecuación son  1 2 1 2 2 λ1. La resolución de esta ecuación en la amplitud A y la frecuencia ω permite determinar la amplitud y frecuencia a la que oscila el sistema.

1. Transformación de Fourier La salida v(t) de un elemento no lineal. . de amplitud A y frecuencia ω. en respuesta a una señal sinusoidal. FUNCIÓN DESCRIPTIVA Y BALANCE ARMÓNICO Elemento no lineal Elemento lineal r(t) = 0 x(t) v = f (x) v(t) G(s) y(t) + - Figura 4. cuando la señal de entrada es sinusoidal. que se puede desarrollar en serie de Fourier.3: Sistema no lineal r(t) = 0 x(t) v(t) u(t) y(t) G1 (s) Gp (s) + - G2 (s) Figura 4. 4. de modo que no aparece en la salida un señal de continua. La parte lineal se comporta como un filtro paso-bajo. 4. el método de la función descriptiva se utiliza fundamental- mente para el análisis de estabilidad y no suele aplicarse a problemas de diseño óptimo de sistemas. Debido a estas limitaciones.3. La no linealidad es simétrica.94 CAPÍTULO 4. es una señal periódica de la misma frecuencia. de la forma:  ∞ v(t) = a0 + (ak cos(kωt) + bk sen(kωt)) k=1 El término independiente es el valor medio de la señal en un perı́odo.4: Sistema de control con una no linealidad 3.

v(x) v(x) −x x+π x x v(−x) v(x + π) a) b) Figura 4. k = 0.4. se tiene que la expresión se convierte en v(t) = v1 (t) = a1 cos(ωt) + b1 sen(ωt) = M sen(ωt + φ) (4.. es decir a0 = 0 (recuérdese el supuesto 4 de 4. y en desarrollo solo tiene términos en senos (figura 4.1.. 1.. v(t) es alternada [v(ωt + π) = −v(ωt)]. .14) π −π Casos de interés: v(t) es impar [v(ωt) = −v(−ωt)].. (4.15) se tiene    2 2 −1 a1 M(A.13) π −π  1 π bk = v(t) sen(kωt)d(ωt) k = 0.5b).. (4. 2.. entonces el desarrollo solo tiene términos impares (figura 4.1.4. 1. Función descriptiva En el supuesto de que se considere únicamente la componente fundamental del desarrollo en serie. entonces ak = 0. De la expresión (4.. .6 se representa un elemento no lineal y su representación mediante la función descriptiva. 1. . 2.15) En la figura 4.5: Señales impar (a) y alternada (b) 4.2). 2. MÉTODO DEL PRIMER ARMÓNICO 95  π 1 a0 = v(t)d(ωt) 2π −π Para una señal sin componente de continua este valor es cero.5a). y recordando que a0 = 0.  1 π ak = v(t) cos(kωt)d(ωt) k = 0. ω) = a1 + b1 φ(A.1. ω) = tag b1 .

N (A. todos los términos ai se anulan. como hemos recordado antes. Existen. Cuando la no linealidad es uniforme (es decir. es decir Mej(ωt+φ) M jφ 1 N(A.6: Elemento no lineal y función descriptiva En la figura 4. por tanto. En general.16) Ae A A Es decir. El carácter real de N se debe a que a1 = 0. con vistas a las aplicaciones al diseño de sistemas realimentados pueden tratarse de forma análoga. ω) = jωt = e = (b1 + ja1 ) (4. ser considerado como una ampliación de la noción de respuesta frecuencial de los sistema lineales. mientras que la función de transferencia de un elemento lineal no depende de ella. ω) Figura 4. la salida . FUNCIÓN DESCRIPTIVA Y BALANCE ARMÓNICO Asen(ωt) w(t) Asen(ωt) M sen(ωt + φ) N.L. la función descriptiva depende de la frecuencia y la amplitud de la señal de entrada. algunos casos especiales.17) A πA 0 El concepto de función descriptiva puede.96 CAPÍTULO 4. la función descriptiva viene dada por  2π b1 + ja1 1 N(A. Además. por tanto. sin embargo. Las diferencias entre ambos conceptos se limitan a que la función descriptiva de un elemento no lineal depende de la amplitud. Sin embargo. Empleando una representación compleja la sinusoide puede escribirse v1 = Mej(ωt+φ) = (b1 + ja1 )ejωt Con los anteriores elementos ya estamos en posición de definir la función descriptiva de un elemento no lineal como el cociente complejo entre la componente fundamental del elemento no lineal y la señal sinusoidal de entrada A sen ωt. debido a que la señal de salida del elemento no lineal es impar.6 se muestra como la componente fundamental de la salida de un sis- tema no lineal a una señal sinusoidal de entrada. es otra señal sinusoidal de la misma frecuencia pero de amplitud M y desfase φ. Si la no-linealidad puede escribirse v = ϕ(y). ω) = = ϕ(A sen θ)(sen θ + j cos θ)dθ (4. su caracterı́stica es una función que asigna a cada valor de la señal de entrada un único valor de la señal de salida) la función descriptiva N es real e independiente de la frecuencia de entrada. la función descriptiva N(A. ω) es una función compleja cuyo módulo y argu- mento representan la amplificación y el desfase del primer armónico de la salida v(t) de un sistema no lineal ante una entrada sinusoidal de amplitud A y frecuencia ω. y en ese caso.

1.5..6.18) se dice que ϕ(. por lo que los términos pares desaparecen. ϕ(y) = −ϕ(−y). Propiedad del cono Sea ϕ(. k2 ]. MÉTODO DEL PRIMER ARMÓNICO 97 es siempre alternada.1. entonces se tiene que k1 ≤ N(A) ≤ k2 (4. Sea e(t) = ϕ(A sen ωt) − N(A)A sen ωt se pretende minimizar  2π 1 J= e2 (t)d(ωt) 2π 0 sustituyendo e(t) y diferenciando  2π dJ 2 = [ϕ(A sen ωt) − N(A)A sen ωt](−A sen ωt)d(ωt) = 0 dN 2π 0 luego  2π  2π ϕ(A sen ωt)A sen ωtd(ωt) = N(A)A2 sen2 ωtd(ωt) 0 0 pero  2π N(A)A2 sen2 ωtd(ωt) = πN(A)A 0 luego  2π 1 N(A) = ϕ(A sen ωt)A sen ωtd(ωt) πA 0 4. 4.) tal que k1 y 2 ≤ yϕ(y) ≤ k2 y 2 (4.) está en el cono [k1 . Interpretación estocástica de la función descriptiva Se trata de determinar N(A) de modo que N(A)A sen ωt aproxime a ϕ(A sen ωt) minimizando el error cuadrático medio.1.4. Si además ϕ(. Por tanto ante una no-linealidad uniforme se tendrá v(t) = b1 sen ωt + b3 sen 3ωt + b5 sen 5ωt + .) es impar..19) .

k2 ]. El primero de los ejemplos es una saturación que aporta un ejemplo de un sistema no lineal con caracterı́stica estática. También se presenta un ejemplo de un relé con holgura. 4.98 CAPÍTULO 4. Para valores de x > a la señal de entrada queda truncada por efecto de la no linealidad. 4. cuya caracterı́stica es dinámica.  2π 1 N(A) = ϕ(A sen ωt) sen ωtd(ωt) πA 0  2π 1 = ϕ(A sen θ)A sen θdθ πA2 0  2π 1 ≥ k1 (A sen θ)2 dθ πA2 0  k1 2π = k1 sen2 θdθ π 0 k1 = k1 = k1 π Análogamente para k2 . para el caso en que A sea mayor que a.7 se muestra el efecto de la saturación sobre una señal de entrada de amplitud mayor que a. En tal caso se tiene que la señal de salida del elemento no lineal vendrá dada por  kA sen(ωt) 0 ≤ ωt ≤ γ v(t) = ka γ ≤ ωt ≤ π/2 siendo γ = sen−1 (a/A) .7 se muestra la caracterı́stica de una saturación. En la figura 4. FUNCIÓN DESCRIPTIVA Y BALANCE ARMÓNICO es decir la función descriptiva está en el intervalo [k1 .2. Algunas funciones descriptivas La determinación de la función descriptiva se puede hacer básicamente de dos for- mas: por cálculo analı́tico o por determinación experimental. Por lo que respecta al método analı́tico vamos a presentar varios ejemplos para ilustrar su aplicación. con una amplificación. En efecto. Para valores de x < a el elementos no lineal transmite la señal de forma lineal.1. Saturación En la figura 4.2.

Si se compara con la caracterı́stica de una saturación.9.2. a1 = 0 obsérvese que el carácter impar de v(t) implica que a1 = 0 y que la simetrı́a de la señal sobre los cuatro cuadrantes en que se puede considerar dividido un periodo indica que  4 π/2 b1 = v(t) sen ωtd(ωt) (4.4. que se vio en la figura 4.2.21) A π A A En la figura 4.8 se representa la función descriptiva de una saturación.7: Caracterı́stica de una saturación. la función descriptiva resulta ser  b1 2k a a2 N(A) = = (γ + 1 − 2) (4. Relé La caracterı́stica no lineal de un relé se muestra en la figura 4.2. ALGUNAS FUNCIONES DESCRIPTIVAS 99 v v(t) salida no saturada saturación k salida saturada ka 0 a x 0 γ ωt ka 0 A γ x(t) π/2 entrada sinusoidal ωt Figura 4.20) π 0   4 γ 2 4 π/2 = kA sen ωtd(ωt) + ka sen ωtd(ωt) π 0 π γ  2kA a a2 = (γ + 1 − 2) π A A por consiguiente. 4.7 se tiene que la no .

8 -M 0.0 0 5 10 A Figura 4.4 0.0 0. FUNCIÓN DESCRIPTIVA Y BALANCE ARMÓNICO 1.2 Rango lineal 1.4 a cero apagado 0.8: Función descriptiva de una saturación.0 0 1 5 10 A/a Figura 4. v 2.6 M 1.8 N(A)/k 0.9: Caracterı́stica de un relé .2 0.0 encendido a infinito 1.2 N(A)/M 0 x 0.6 0.100 CAPÍTULO 4.

Conviene observar que los puntos B. de acuerdo con el segmento BC de la figura 4.10). Puede compararse esa función descriptiva con la de la saturación que se vio en la figura 4.10 se muestra la caracterı́stica de una holgura. Si se invierte el sentido de giro del en- granaje primario entonces durante un ángulo 2b el secundario no se mueve. que se presenta a menudo en los sistemas de transmisión mecánica mediante engranajes. 4. después de establecido el contacto en engranaje secundario sigue la rotación del primario de manera lineal (segmento AB).23) πA En la figura 4. b1 puede obtener de la expresión (4.21) calculando el lı́mite. de la figura 4. D y E de la figura dependen de la amplitud de la seńal sinusoidal de entrada.22) π 0 π por lo que la función descriptiva de un relé viene dada por 4M N(A) = (4.4. Por tanto. k → ∞ siendo ka = M.10: Caracterı́stica de una holgura. C.8.10. Holgura Engranaje secundario Engranaje primario ángulo salida C B b -b A 0 b ángulo entrada D E Figura 4.2.10.3. . si el engranaje primario está sometido a un movimiento periódico el se- cundario recorrerá el camino cerrado EBCD.9 se representa la función descriptiva de un relé. ALGUNAS FUNCIONES DESCRIPTIVAS 101 linealidad de un relé corresponde a un caso lı́mite de una saturación definido por a → 0. Cuando se restablece el contacto entre los dos engranajes el secundario sigue al primario en la dirección opuesta (segmento CD). En la figura 4. Por consiguiente. como corresponde a la zona muerta (segmento OA en la figu- ra 4. Como conse- cuencia de la holgura. el secundario no se mueve.2. Sin embargo se obtiene más fácilmente calculándolo directamente de acuerdo con  4 π/2 4M b1 = M sen ωtd(ωt) = (4. cuando el engranaje primario gira un ángulo menor que b.

Se tiene 4kb b a1 = ( − 1) π A  Ak π 2b 2b 2b b1 = ( − sen−1 ( − 1) − ( − 1) 1 − ( − 1)2 ) π 2 A A A . El cálculo de la función descriptiva resulta en este caso más complejo que en el de la no linealidades sin memoria. En la figura 4. v v(t) k(A − b) -b 3π/2 b x π/2 ωt −k(A − b) -A A x(t) π/2 π−γ entrada sinusoidal 3π/2 2π − γ ωt Figura 4. FUNCIÓN DESCRIPTIVA Y BALANCE ARMÓNICO La holgura suministra un ejemplo de no linealidad con memoria. en un periodo.102 CAPÍTULO 4. Se tiene v(t) = (A − b)k π 2 ≤ ωt ≤ π − γ v(t) = A(sen ωt + b)k π − γ ≤ ωt ≤ 3π2 3π v(t) = −(A − b)k 2 ≤ ωt ≤ 2π − γ v(t) = A(sen ωt − b)k 2π − γ ≤ ωt ≤ 5π 2 donde γ = sen−1 (1 − 2b/A). en la que el valor de la salida en un instante de tiempo determinado. se determina dividiendo este periodo en las cuatro partes correspondientes a los cuatro tramos que aparecen en el romboide de la caracterı́stica. En este caso la caracterı́stica no es uniforme y la compo- nente fundamental de la señal de salida presenta variación de amplitud y de fase.11: Generación de la seńal de salida para una señal sinusoidal de entrada en una holgura.11 se muestra como se genera la señal de salida para una señal sinusoidal de entrada. La señal de salida v(t). sino de la historia previa de las señales de entrada que afectan al sistema. no depende exclusivamente del valor de la entrada en ese instante.

4. Determinación experimental de la función descriptiva En lo ejemplos que se acaban de ver.0 0.6 0. Obsérvese que en este caso la función descriptiva 1.4 0. mientras que en los casos de no linealidades sin memoria la función descriptiva posee únicamente amplitud.12: Amplitud de la función descriptiva de una holgura.12 y 4. como sucedı́a en las no linealidades sin memoria (como la saturación y el relé) que se han visto anteriormente.0 b/A Figura 4. se procede de manera experimental con ayuda de un analizador armónico. Se excita el sistema no lineal cuya descripción descriptiva se quiere determinar. Ello es posible cuando la formulación matemática del problema es aceptablemente sencilla.2 0.4. en este caso la función descriptiva tiene módulo y argumento (amplitud y desfase). la función descriptiva de una holgura viene dada por  1 |N(A)| = a21 + b21 A a1 ∠N(A) = tan−1 ( ) b1 En las figuras 4.0 0. de la función descriptiva de una holgura. se ha determinado la función descriptiva me- diante la aplicación de métodos matemáticos. 4. y la . respectivamente.8 1.4 0.2 0. depende exclusivamente de la amplitud de la seńal de entrada. con señales sinusoidales. Sin embargo.2. ALGUNAS FUNCIONES DESCRIPTIVAS 103 es decir.2.6 0.13 se representan la amplitud y desfase. Cuando no es ası́.8 Amplitud 0.0 0. y no desfase.

De este modo se determinan los datos que permiten establecer la función N(A.4 0. el ensayo debe realizarse variando tanto la amplitud como la frecuencia de la señal de entrada. ω). en primer lugar. conviene recordar el criterio de Nyquist.0 0.3. en este caso. . y no mediante expresiones analı́ticas.13: Desfase de la función descriptiva de una holgura.1.104 CAPÍTULO 4. Para ello. y al contrario de lo que sucede con los sistemas lineales. Análisis de sistemas no lineales mediante la función descriptiva En las secciones anteriores hemos visto como se determina la función descriptiva de un elemento no lineal. salida se analiza mediante el analizador armónico.8 1. Comparando las amplitudes y fases de la señal de entrada y del primer armónico se puede determinar experimentalmente la función descriptiva. el análisis debe realizarse para señales de entrada de diferente amplitud. es decir. de modo que se discrimine el primer armónico. 4.0 b/A Figura 4. En esta sección vamos a generalizar el método allı́ presentado. Además en la sección 4.1 se presentó un ejemplo introductorio que permitı́a analizar la existencia de ciclos lı́mites en un sistema no lineal mediante la función descriptiva. Estos datos se procesaran normalmente mediante tablas. Conviene ob- servar que. FUNCIÓN DESCRIPTIVA Y BALANCE ARMÓNICO 0 -30 Desfase -60 -90 0.6 0.2 0.

1. que consideraremos que puede ser un número complejo.14.0) y aplicar la conocida expresión Z =N +P en donde P es el número de polos inestables de la función de transferencia en bucle abierto GH. plano s G(s)H(s) +∞ -1 −∞ ω → +∞ Figura 4. En tal caso la ecuación caracterı́stica resulta ser . Para ello basta dibujar la aplicación C del contorno de Nyquist en un plano complejo apropiado. el sistema es inestable).15: Criterio de Nyquist. Entonces Z es el nḿero de polos inestables del sistema en bucle cerrado (con sólo que haya uno. ANÁLISIS DE SISTEMAS NO LINEALES MEDIANTE LA FUNCIÓN DESCRIPTIVA105 + G(s) - H(s) Figura 4. determinar el número N de veces que este contorno C rodea al punto (-1.3.4. cuya ecuación caracterı́stica resulta ser 1 + G(s)H(s) = 0 (4.16. Una ampliación del criterio de Nyquist Sea el sistema lineal de la figura 4. 4.14: Sistema lineal realimentado.24) como se recordará el criterio de Nyquist permite conocer el número de raı́ces de la ecuación caracterı́stica con parte real negativa. El criterio de Nyquist se amplia formalmente para el caso en el que una constante k. se incluye en la cadena directa de la figura 4.3.

16.27) El componente fundamental de la señal de salida del elemento no lineal v(t) resulta ser v(t) =| N(A.28) Es sabido que (4.17: Sistema no lineal. 1 + kG(s)H(s) = 0 (4. ω) G(jω) - Figura 4. ω)) (4.106 CAPÍTULO 4.16: Ampliación del criterio de Nyquist. FUNCIÓN DESCRIPTIVA Y BALANCE ARMÓNICO Im 0 + G(s)H(s) k G(s) - -1 Re H(s) −1/k Figura 4.28) pueden escribirse de la forma x(t) = {Aejωt } .25) y por tanto.2. lo que se ilustra en la figura 4. ω) | A cos(ωt + φ(A.27) y (4.26) k Es fácil ver que en este caso el criterio de Nyquist se aplica igual que en el caso anterior (de la figura 4. Supongamos que esta oscilación viene dada por la expresión x(t) = A cos ωt (4. 4.15) con la diferencia de que ahora Z representa el número de veces que el contorno de Nyquist de GH rodea al punto −1/k.17.3. Oscilaciones de un servomecanismo no lineal Considérese el sistema no lineal de la figura 4. Función descriptiva Elemento lineal r(t) = 0 + x(t) v(t) y(t) N (A. Diremos que este sistema presenta una oscilación automantenida si para r = 0 el sistema presenta un comportamiento oscilatorio. 1 G(s)H(s) = − (4.

4.3. ANÁLISIS DE SISTEMAS NO LINEALES MEDIANTE LA FUNCIÓN DESCRIPTIVA107

v(t) = {| N(A, ω) | Aej(ωt+φ(A,ω)) }
Empleando esta última forma de representar un comportamiento oscilatorio, se tiene
que la salida del elemento lineal vendrá dada por

y(t) = {| N(A, ω) | A | G(jω) | ej(ωt+φ+α) }

siendo α = ∠G(jω).

Para que la oscilación sea automantenida, en ausencia de señal de excitación r, se
requiere que:
−Aejωt =| N(A, ω) | A | G(jω) | ej(ωt+φ+α)
Es decir,
Aejωt (| N(A, ω) || G(jω) | ej(φ+α))+1 = 0
La anterior expresión se debe satisfacer para todo t, por lo que se tendrá

| N(A, ω) || G(jω) | ej(φ+α) + 1 = 0

es decir,
N(A, ω)G(jω) + 1 = 0 (4.29)
y por tanto,
1
G(jω) = − (4.30)
N(A, ω)
y cualquier par de valores de A y ω que satisfaga la anterior ecuación puede dar lugar
a un ciclo lı́mite. De aquellos valores que satisfagan esta ecuación, solo dará lugar a un
ciclo lı́mite aquellos para los que la oscilación periódica sea estable.

4.3.3. Función descriptiva independiente de la frecuencia

Considérese el caso en el que la función descriptiva N es únicamente función de la
amplitud A. Este caso incluye todas las no linealidades cuya caracterı́stica es uniforme y
algunas no linealidades biformes interesantes como la holgura. En este caso la expresión
(4.30) se convierte en
1
G(jω) = − (4.31)
N(A)

En la figura 4.18 se han representado la función de transferencia de la parte lineal
G(jω) (parametrizado en ω) y la curva correspondiente a la inversa de la función
descriptiva, con el signo cambiado, (parametrizada en A) en el plano complejo. Si estas
dos curvas se cortan, entonces los valores de A y de ω correspondientes al punto de
intersección son soluciones de la ecuación 4.31, y en consecuencia, pueden existir ciclos
lı́mites. Por ejemplo, en la figura 4.18 las dos curvas se cortan en el punto L.

108 CAPÍTULO 4. FUNCIÓN DESCRIPTIVA Y BALANCE ARMÓNICO

Im
G(jω)
ω

Re
L A

−1/N (A)

Figura 4.18: Determinación de un ciclo lı́mite.

Conviene recordar que para no-linealidades uniformes N es siempre real y por con-
siguiente el trazado de (4.31) siempre está situado sobre el eje real.

4.3.4. Función descriptiva dependiente de la frecuencia

En el caso general la función descriptiva depende tanto de la amplitud de la señal
de entrada como de su frecuencia y, en consecuencia el método que se acaba de ver
en el apartado anterior, adquiere mayor complejidad. En tal caso la expresión en el
segundo miembro de (4.30) da lugar a una familia de curvas en el plano complejo con
A como parámetro y ω permaneciendo constante en cada curva, como se muestra en
la figura 4.19. De todas las intersecciones entre la familia de curvas 1/N(A, ω) y la
curva G(jω) solamente aquellos puntos de intersección en los que coincidan los valores
de ω constituyen soluciones de la ecuación (4.30), y son, por tanto, candidatos a ciclos
lı́mites. Existe otro procedimiento gráfico para resolver la expresión (4.30). Consiste en
considerar la representaciones gráficas de G(jω)N(A, ω). Dando a A un valor constante
y variando ω de 0 a infinito, se obtiene una curva que representa a G(jω)N(A, ω).
Procediendo con diferentes valores de A se obtiene una familia de curvas, como la que
se muestra en la figura 4.20. La curva de esta familia que pase por el punto (-1,0) en
el plano complejo suministra una solución de la expresión (4.30) .

4.3.5. Estabilidad de los ciclos lı́mite

Con los ciclos lı́mites sucede lo mismo que con los equilibrios: que pueden ser estables
o inestables. Las soluciones de la ecuación (4.30) deben someterse a un análisis de
estabilidad, para determinar cuales de ellas son estables y cuales no. El criterio de
Nyquist ampliado que hemos visto en la sección 4.3.1, permite analizar esa estabilidad.
Considérese la figura 4.21 en la que se muestran las intersecciones entre la función
de transferencia de la parte lineal y la inversa de la función descriptiva de la parte

4.3. ANÁLISIS DE SISTEMAS NO LINEALES MEDIANTE LA FUNCIÓN DESCRIPTIVA109

Im
−1/N (A, ω) G(jω)
ω4

ω3 A

ω2 Re
ω1

ω

Figura 4.19: Determinación de ciclos lı́mite con funciones descriptivas dependientes de
la frecuencia.

A1 A2 A3 A4

-1

ω

G(jω)N (A, ω)

Figura 4.20: Resolución gráfica de la ecuación N(A, ω)G(jω) + 1 = 0.

como se verá a continuación. y el punto de operación del sistema se mueve de L1 a L1 . En este caso el punto L1 queda a la izquierda de G(jω) y el criterio de Nyquist ampliado garantiza la estabilidad del sistema. y las amplitudes del sistema tienden a crecer. el punto de operación seguirá creciendo a lo largo de curva −1/N(A. por lo que las amplitudes tenderán a decrecer y el punto de operación se alejara cada vez más del punto de equilibrio L1 . FUNCIÓN DESCRIPTIVA Y BALANCE ARMÓNICO Im ω G(jω) L2 −1/N (A. Por otra parte. por consiguiente. Sea x = Aejωt el primer armónico de la oscilación automantenida que se perturba ligeramente hasta que su amplitud toma el valor A + ΔA y su frecuencia . de acuerdo con el criterio de Nyquist ampliado que se ha visto en la sección 4. Puesto que el nuevo punto L1 se encuentra a la derecha de la curva G(jω). y debe considerarse como una forma intuitiva de presentar un resultado que. Estas dos curvas presentan dos puntos de intersección. por otra parte es correcto. Por consiguiente. Un análisis similar puede desarrollarse para el punto L2 con la conclusión de que ciclo lı́mite en ese caso es estable. Debido a una pequeña perturbación. no lineal.21: Estabilidad de ciclos lı́mite. Supóngase que la función de transferencia de la parte lineal G(jω) no posee polos inestables. la amplitud de la señal de entrada al sistema no lineal se incrementa ligeramente.110 CAPÍTULO 4. Vamos a analizar primero la estabilidad del ciclo lı́mite correspondiente al punto L1 . ω) hasta el punto L2 . ω) Re L1 L”1 L1 Figura 4. el sistema es inestable. Considérese que el sistema se encuentra inicialmente operando en el punto L1 . El anterior razonamiento no es del todo convincente. que este ciclo lı́mite es inestable. L1 y L2 . en este punto de operación. Una forma más rigurosa de abordar el estudio de la estabilidad de las oscilaciones es el siguiente. con un ciclo lı́mite de amplitud A1 y cuya frecuencia en ω1 . De todo lo anterior se desprende que una ligera perturbación destruye la oscilación en el punto L1 y que.3. Obsérvese que el valor de A correspondiente al punto L1 es menor que el de A correspondiente a L2 .1. por lo que el sistema presenta dos ciclos lı́mites. si el sistema se perturba de modo que la amplitud A decrece. entonces el punto de operación se moverá al punto L1 .

ω + Δω + jδ) = 0 (4. Por otra parte. la expresión (4. ω) + jY (A.35) ∂A ∂ω ∂A ∂ω En el caso de una no linealidad uniforme se tiene. y tomando £únicamente los térmi- nos de primer orden en ΔA. lo que exige que:   ∂X ∂Y ∂Y ∂X − >0 (4.32) Por otra parte.33) agrupando los términos correspondientes a sus partes real e imaginaria. ANÁLISIS DE SISTEMAS NO LINEALES MEDIANTE LA FUNCIÓN DESCRIPTIVA111 ω + Δω. se tiene: ∂X ∂X ∂Y Δω + ΔA − δ = 0 ∂ω ∂A ∂ω ∂Y ∂Y ∂X Δω + ΔA + δ = 0 ∂ω ∂A ∂ω Eliminando Δω:  2  2    ∂X ∂Y ∂X ∂Y ∂Y ∂X + δ= − ΔA ∂ω ∂ω ∂A ∂ω ∂A ∂ω Para que la oscilación sea estable es necesario que δ y ΔA sean del mismo signo. N(A)G(jω) + 1 = 0 Haciendo G(jω) = U(ω) + jV (ω) 1 C(A) = − = P (A) + jQ(A) N(A) . ω) = 0 (4. Después de la perturbación. x(t) ya no es una función periódica.3. positivo o negativo.34) Desarrollando en serie de Taylor esta expresión.32) debe satisfacer también la anterior ecuación dando lugar a: X(A + ΔA. Δω y δ. sino que posee un pequeño amortiguamiento δ.29) se puede escribir X(A. la solución (4. Es decir. ω + Δω + jδ) + jY (A + ΔA.4. después de la perturbación la señal se convierte en: x(t) = (A + ΔA)e−δt ej(ω+Δω)t = (A + ΔA)ej(ω+Δω+jδ)t (4.

112 CAPÍTULO 4.22: Criterio de estabilidad de ciclos lı́mite: (a) estable. Supongamos. ω) = U(ω) − P (A) Y (A. Ejemplo Sea el sistema realimentado de la figura 4.22. FUNCIÓN DESCRIPTIVA Y BALANCE ARMÓNICO se tiene X(A.23. De este modo se ha demostrado con rigor el resultado que previamente se habı́a obtenido por consideraciones un tanto laxas con respecto al criterio de Nyquist. que incluye un relé en la cadena directa. (b) inestable. un ciclo limite será estable si recorriendo G(jω) en el sentido de las ω crecientes. en la curva de C(A) = −1/N(A). De acuerdo con ella. en primer lugar. se deja a la izquierda el sentido de las A crecientes. ω) = V (ω) − Q(A) Por lo que la expresión (4. en el punto de corte con C(A). que la función de transferencia de la parte lineal es: K G1 (s) = s(s + 2) . Im Im G G Re Re −1/N −1/N (a) (b) Figura 4.35) se escribe en este caso   ∂Q ∂U ∂P ∂V − >0 ∂A ∂ω ∂A ∂ω El primer miembro de esta desigualdad es un producto vectorial lo que puede escribirse dG(jω) dC(A) × >0 dω dA Este producto vectorial permite la interpretación geométrica que se muestra en la figura 4.

Se trata de estudiar las posibles oscilaciones del sistema y su estabilidad. el sistema será oscilatorio si existe una solución a la ecuación 1 G1 (ω) = − N(A) Esta ecuación.4. Supongamos ahora que la ecuación de la parte lineal es K G2 (s) = s(s + 2)(s + 5) . ANÁLISIS DE SISTEMAS NO LINEALES MEDIANTE LA FUNCIÓN DESCRIPTIVA113 r=0 + G(s) - Figura 4. y por lo tanto el sistema no oscilará.23) se tiene que la función descriptiva de un relé viene dada por 4M N(A) = πA En este caso se supone que M = 1. A la misma conclusión se llega empleando métodos gráficos. pues no existe ninguna frecuencia para la que se tenga una solución oscilatoria.23: Sistema con un relé y realimentación. Según lo que se ha visto. en este caso. Recordando la expresión (4. y comprobando que la representación gráfica de la función de transferencia de la parte lineal y de la función descriptiva sólo se cortan en el origen.3. conduce a K πA =− jω(jω + 2) 4 Es decir 4K = −πAjω(jω + 2) Igualando sus partes reales e imaginarias se tiene: 4K = πAω 2 −2πAjω = 0 De donde se desprende que ω = 0.

114 CAPÍTULO 4. En ese caso la ecuación de oscilación se convierte en K πA =− jω(jω + 2)(jω + 5) 4 es decir 4K = −πAjω(jω + 2)(jω + 5) = 7Aω 2 + Aj(ω 3 − 10ω) Con lo que igualando partes reales e imaginarias se tiene 4K = 7πAω 2 ω 3 − 10ω = 0 √ Por lo tanto. en primer lugar. El punto de oscilación corresponde al punto P de esta figura.24: Estudio de la estabilidad de un sistema no lineal con un relé.24. de modo que el punto de operación se desplace a P  . la amplitud de la entrada al elemento no lineal tiende a decrecer y por tanto el punto de operación se mueve de nuevo a P . que se encuentra situado en la región de operación inestable. . en este caso. en este caso el sistema oscila con una frecuencia ω = 10 y una amplitud A = 2K/35π. De forma análoga. Para estudiar la estabilidad del oscilador se recurre al diagrama de Nyquist que se muestra en la figura 4. una perturbación que haga que la entrada al elemento no lineal se incremente a un nuevo valor. Por consiguiente el sistema tiene un ciclo lı́mite estable en P . Para estudiar la estabilidad del ciclo lı́mite. La amplitud de la entrada. si la perturbación hace decrecer la amplitud de la entrada al sistema no lineal entonces se produce un desplazamiento del punto de operación a P  . Puesto que P  se encuentra en la región de operación estable. se incrementa de modo que el punto de operación vuelve de nuevo a P . FUNCIÓN DESCRIPTIVA Y BALANCE ARMÓNICO Im G2 (jω) A P P P” Re Figura 4. supongamos.

Por otra parte.4. lo que conduce a resultados que tienen también una naturaleza aproximada.25 se muestran dos situaciones extremas posibles. Este carácter aproximado afecta no sólo a los valores numéricos de las amplitudes y frecuencias de las oscilaciones de los ciclos lı́mites. lo que hace temer que las conclusiones del método se puedan ver fuertemente afectadas. Con carácter general se puede decir que las conclusiones del método serán tanto más sólidas cuanto más neta sea la intersección de las curvas que representan la parte lineal y la inversa de la parte no lineal en la resolución gráfica del método. que cuanto más perpendicular es la intersección entre las curvas G(jω) y −1/N(A. Fiabilidad del análisis mediante funciones descriptivas Cuando se emplea el método de la función descriptiva conviene no olvidar nunca el carácter aproximado de esa función. En la figura 4.3. la figura 4. Conviene recordar una de las hipótesis sobre las que está basado el método: el carácter de filtro paso bajo del sistema lineal. LA FUNCIÓN DESCRIPTIVA DUAL 115 a) b) Figura 4.25a se presenta un caso en el que el sistema muestra una gran sensibilidad.4. sino también a la propia existencia de estos. Además. ω). más fiables son los resultados del método. Para ello se usa el método de la . La función descriptiva dual En este apartado se extienden las técnicas de análisis basadas en métodos frecuenciales al caso de no linealidades asimétricas. la propia expresión (4.30) puede ser sensible a las aproximaciones que comporta el método. En la figura 4.25: 4.25b muestra un caso en el que las conclusiones son altamente fiables.4. 4. Cabe decir.6.

en el bloque no lineal dando lugar a unas salidas que. a1 . πa1 −π Si se considera una no linealidad estática. [Cue00]. en régimen permanente. a1 ) + 1)a0 = 0 (G(0)N1 (a0 . considérese que las señales correspondientes a la salida del bloque lineal. sino que también contempla la posibilidad tanto de ciclos lı́mite simétricos (a0 = 0). ω) = v(t)e−jωt d(ωt). a1 ) + 1)a1 = 0.3). donde. [Coo94]. a la ganancia de continua y a la del primer armónico calculadas desde la entrada del bloque no lineal a la salida de dicho bloque. como la de puntos de equilibrio (a1 = 0). (4. definidas según (4. corresponden a las señales periódicas v(t). Ası́ pues. Esta condición puede ser expresada como el sistema: (G(0)N0 (a0 . a1 ∈ C. y(t) es la salida de la parte lineal y a0 es el término de continua. FUNCIÓN DESCRIPTIVA Y BALANCE ARMÓNICO función descriptiva dual [GV68]. y exista un ciclo lı́mite. Al igual que en la sección anterior los ciclos lı́mite no se consideran en fase. Estas ganancias pueden ser obtenidas de manera fácil a partir de la expresión de los coeficientes de Fourier como:  π 1 N0 (a0 . . y(t). será necesario que los términos de orden cero y de primer orden de y(t) sean iguales a los correspondientes términos calculados (despreciando armónicos de orden superior) a la salida del bloque lineal cuando se toma como entrada la señal v(t).116 CAPÍTULO 4. Re(a1 ) ≥ 0. Es importante hacer notar que la expresión (4. es posible eliminar la dependencia de ω de N0 y N1 . y se puede suponer. de tal forma que los ciclos lı́mite admitirán la siguiente representación: y(t) = a0 + Re(a1 ejωt ). [Ath75]. ω > 0. Dichas salidas pueden ser representadas por medio de un desarrollo en serie como: v(t) = N0 a0 + Re(N1 a1 ejωt ) + . respectivamente.36) entran. (4. N0 y N1 corresponden. ω) = v(t) d(ωt) 2πa0 −π  π 1 N1 (a0 . sin pérdida de generalidad. a0 ∈ R.37) . En este método se estudia el balance del primer armónico. para que se satisfaga el balance del primera armónico. . por efecto de la realimentación del sistema (figura 4. Por tanto. que Im(a1 ) = 0.36) donde.36) abarca no sólo al representación de ciclos lı́mite asimétricos como salida del sistema. a1 .

26: Sistema no lineal estudiado.4. Esta ecuación se puede resolver gráficamente a partir de la figura 4. Se observa que se obtienen dos puntos de equilibrio: y = 0 e y = 2. A continuación hay que estudiar su estabilidad.1. se aplica el método de la función descriptiva dual a un sistema simple pero con una riqueza de comportamiento suficiente [SÁA98a].26 que tiene una no linealidad cuadrática que. El sistema a analizar es el representado en la figura 4. En primer lugar se analiza la estabilidad del equilibrio en y = 0. Ejemplo Para ilustrar este método.37) se podrá predecir la existencia de un ciclo lı́mite. [SÁA98b].4. ésta será la correspondiente a un punto de equilibrio del sistema. justifica el uso de la función descriptiva dual. a1 y ω del sistema (4. y a fin de tener un resultado que comparar con el método de detección de ciclos lı́mite con N armónicos. LA FUNCIÓN DESCRIPTIVA DUAL 117 En el caso que exista solución en a0 . r=0 + u y s+1 G(s)= 2 s +bs+2 - . al no ser simétrica con respecto al origen.27. cuyo diagrama de Nyquist en función del parámetro b es el representado en la figura 4. para ello hay que resolver la ecuación: y y + G(0)ϕ(y) = 0 ⇔ ϕ(y) = − G(0) donde. Aunque el sistema sea no lineal se puede aplicar este criterio ya que se estudia la estabilidad local del sistema en el punto de equilibrio.28. . Cuando la solución sea independiente de ω y tenga a1 = 0. En primer lugar se hallan los puntos de equilibrio. 4. ϕ(y) = −y 2 y G(0) = 12 .y2 Figura 4. Para ello se usa el criterio de Nyquist.4.

G(0) 1/b 1/b G(0) 0<b<2 b>2 b<0 Figura 4. por lo que el equilibrio es inestable. y puesto que el sistema es estable en bucle abierto P = 0. En este caso el punto crı́tico está en 14 . Ası́ pues. como para b < 0 el equilibrio es inestable con Z=1. Para b > 0. y esta pérdida de estabilidad se produce por la aparición de dos polos complejos conjugados.27: Cálculo gráfico de los equilibrios. lo que induce a pensar que se está en presencia de una bifurcación de Hopf. por lo que el equilibrio es estable.29. Para b < 0 el sistema pasará a ser inestable en bucle abierto y como el punto crı́tico está en el infinito el número de vueltas es N = 0. al ser el sistema inestable en bucle abierto Z = 2. por lo tanto el equilibrio es un punto de silla. luego Z = 0. Dado que P = 2. al estar el punto crı́tico en el infinito. por lo que como se puede observar en la figura 4. tanto para b > 0.118 CAPÍTULO 4.28: Diagrama de Nyquist para en y = 0. FUNCIÓN DESCRIPTIVA Y BALANCE ARMÓNICO E1 y E2 f (y) -2y Figura 4. El siguiente paso consiste en el cálculo de ciclos lı́mite mediante la función descrip- . se pasa de la estabilidad a la inestabilidad del equilibrio y = 0 para b = 0. A continuación se realiza el mismo análisis para el equilibrio en y = 2. en cualquiera de los dos casos (b < 2 y b > 2). el número de vueltas es N = 0.

la función descriptiva no depende de ω.4.41) Si se resuelve gráficamente la ecuación (4. Se observa que.39) −2a0 G(jω) + 1 = 0 (4.30 se deduce que sólo existe ciclo lı́mite para los valores de b tales que 0 < b < 2 y. (4.29: Diagrama de Nyquist para y = 2. tiva dual . al ser una no linealidad estática. Para la función y 2 la función descriptiva queda de la forma: a21 N0 = −a0 − 2a0 N1 = −2a0 . según el criterio de Nyquist generalizado. . pero sı́ de los parámetros a0 y a1 .41) para los casos estudiados en el análisis de equilibrios (figura 4.40) 2 2a0 y de (4. La ecuación de balance armónico es: a0 [N0 G(0) + 1] = 0 (4.4. LA FUNCIÓN DESCRIPTIVA DUAL 119 G(0) 1/b 1/b G(0) 1/2 1/4 1/4 b>0 b<0 Figura 4. se obtiene que la función descriptiva de la no linealidad se corresponde con − N11 = 2a10 Observando la figura 4. El corte entre el diagrama de √ Nyquist y la función descriptiva se produce 1 1 para 2a0 = b con una frecuencia de ω = 2 − b. dicho ciclo lı́mite es inestable.38) se obtiene: 1 a21 (−a0 − )+1=0 (4.38) N1 G(jω) + 1 = 0.30).39) Despejando de las ecuaciones anteriores se tiene que para a0 = 0 de la ecuación (4.

FUNCIÓN DESCRIPTIVA Y BALANCE ARMÓNICO G(0) 1/b G(0) 1/2 1/b 0<b<2 b>2 b<0 Figura 4. Resolviendo la ecuación (4.31: Diagrama de bifurcaciones del sistema. y a modo de resumen. Sin embargo.120 CAPÍTULO 4. por simulación se obtiene que ese ciclo lı́mite desaparece a partir . produciéndose una bifurcación homoclina en b = 2 (que coincide con ω = 0) y desapareciendo el ciclo lı́mite. Por lo expuesto anteriormente el ciclo lı́mite inestable deberı́a existir hasta que b = 2. puede decirse que el sistema presenta una bifurcación de Hopf subcrı́tica en b = 0 de donde nace un ciclo lı́mite que va creciendo en amplitud hasta que choca con el punto de silla.40) para calcular la amplitud del ciclo lı́mite se obtiene que ésta es:  b2 a1 = 2b − .30: Resolución gráfica para diferentes valores de b. y 2 2 b Figura 4. 2 Por lo tanto.31. Esto puede verse de manera más clara en el diagrama de bifurcaciones que se presenta en la figura 4.

.36. r + u y G(s) - f(. como es la homoclina.32: Sistema no lineal.5.4. Esta discrepancia es debida a la interacción del ciclo lı́mite con la variedad estable del punto de silla. 4. lo que hace que el ciclo lı́mite se achate y que los armónicos de orden superior a uno tengan un mayor peso en su descripción. Para solucionar este problema. de una manera sencilla).5. para un ajuste más fino. se presenta un método para el cálculo de un número arbitrario de armónicos en un sistema con no linealidad estática [SÁA98a].32.) Figura 4. como primera aportación original a esta tesis. se ha de recurrir a otro tipo de análisis o bien a calcular los armónicos de orden superior. el método de la función descriptiva tiene carácter aproximado y se muestra insuficiente para describir los ciclos lı́mite cuando están lejos de su nacimiento. el método de la función descriptiva reproduce relativamente bien el comportamiento cualitativo del sistema (de hecho se ha detectado una bifurcación de carácter global. pero. valor sensiblemente inferior al obtenido por el método de la función descriptiva. Ası́ pues. CÁLCULO DE VARIOS ARMÓNICOS EN EL MÉTODO DE BALANCE ARMÓNICO121 de b = 0. Cálculo de varios armónicos en el método de balance armónico Como se ha expuesto en la sección anterior. [SÁA98b]. tal y como se expuso en un primer momento. En primer lugar se presenta una descripción de la notación y procedimientos a seguir. El sistema no lineal objeto de estudio es el representado en la figura 4.

ya que es el desarrollo en series de Fourier de una onda distinta.122 CAPÍTULO 4. la bondad de la aproximación depen- derá de: El número de armónicos N utilizados. suponiendo referencia nula. FUNCIÓN DESCRIPTIVA Y BALANCE ARMÓNICO 2π Si xp (t) es una solución periódica de periodo T = ω . Caracterı́sticas de filtrado del sistema: El sistema lineal debe filtrar la mayor parte de los armónicos de orden superior a N para que la aproximación sea lo más precisa posible. La aproximación será tanto peor cuanto más bruscos sean los cambios producidos en ϕ(y) en función de las variaciones de y. con lo que sustituyendo yN (t) en la expresión anterior: û0  ∞ −ϕ(yN (t)) = √ + [ûck cos(kωt) + ûsk sen(kωt)]. Llamaremos uN (t) al truncamiento de −ϕ(yN (t)) en N armónicos: û0  N uN (t) = √ + [ûck cos(kωt) + ûsk sen(kωt)] 2 k=1 . 2 k=1 Nótese que el hecho de que yN (t) esté truncada en N armónicos no implica que ϕ(yN (t)) también lo esté. obteniéndose la expresión: x̂0  ∞ xp (t) = √ + [x̂ck cos(kωt) + x̂sk sen(kωt)]. entonces puede ser desarrollada en series de Fourier. es u = −ϕ(y). 2 k=1 Normalmente se utiliza una versión truncada a N términos del desarrollo anterior: x̂0  N xN (t) = √ + [x̂ck cos(kωt) + x̂sk sen(kωt)].32 se puede expresar la salida y(t) en función de su desarrollo en series de Fourier en su forma truncada en N armónicos: ŷ0  N yN (t) = √ + [ŷkc cos(kωt) + ŷks sen(kωt)] 2 k=1 La entrada del sistema. Para el sistema de la figura 4. 2 k=1 Descrita la órbita periódica de esta forma.

. sen(Nθ)]. la relación entre los armónicos de entrada Û y los de salida Ŷ será también lineal y puede ser expresada por la matriz: Ŷ = HG Û. donde ⎡ ⎤ G(0) 0 0 . se define en primer lugar la función vectorial: FN (θ) ∈ IR1×(2N +1) ... sen(θ).33). 0 ⎢ 0 H̄1 0 . . ŷ1s . ûcN . ŷN c s . cos(θ). 2 Se definen los vectores Ŷ .. ... . CÁLCULO DE VARIOS ARMÓNICOS EN EL MÉTODO DE BALANCE ARMÓNICO123 Dado un número determinado de armónicos N. . ûc1. ⎢ . dado que el sistema es lineal. . . Ası́. ŷN ] Û T = [û0 . .. 0 ⎥ ⎢ ⎥ ⎢ 0 0 H̄2 . . ⎦ 0 0 0 ¯ . . ûsN ]. que es la compuesta por el término de continua y los cosenos y senos de los diferentes armónicos a considerar.. cos(Nθ). . HN . . Û Ŷ G(s) Figura 4. Supóngase una señal de entrada periódica definida por el vector columna ÛN con N armónicos de entrada. . 1 FN (θ) = [ √ . . .4. . ûs1 . .5.. .. Se introduce esta señal en el sistema lineal y se obtiene una señal de salida periódica truncada también en N armónicos ŶN (figura 4. 0 ⎥ HG = ⎢ ⎥..33: Relación entre los armónicos de entrada y de salida. Ŷ T = [ŷ0 . ⎥ ⎣ . multiplicando cada uno de los vectores columna anteriores por la función vec- torial FN (ωt) se obtienen los desarrollos truncados de la salida y la entrada: yN (t) = FN (ωt)Ŷ uN (t) = FN (ωt)Û. y Û como los vectores de dimensión 2N + 1 que contienen los coeficientes del desarrollo en series de Fourier truncado en N armónicos de la salida yN (t) y la entrada uN (t) al sistema respectivamente. Suponiendo que la matriz A del sistema no tiene autovalores en el eje imaginario. . . .. ŷ1c . .

se obtiene una relación entre la salida y la entrada (figura 4. la frecuencia y amplitud de los ciclos lı́mite existentes en el sistema.42) π 0 Sustituyendo la relación entre los armónicos de entrada y los de salida a través de la parte lineal del sistema en la ecuación anterior se obtiene la ecuación de balance armónico:  1 2π Û = − ϕ(F (θ)HG Û )F T (θ)dθ (4. FUNCIÓN DESCRIPTIVA Y BALANCE ARMÓNICO Las matrices H̄k ∈ R2×2 se definen como:     Re(G(kωj)) Im(G(kωj)) Re(G(kωj)) Im(G(kωj)) H̄k = con H̄k = −Im(G(kωj)) Re(G(kωj)) −Im(G(kωj)) Re(G(kωj)) Realimentando la salida.43).34). . la resolución de las ecua- ciones de balance armónico también puede hacerse a partir de la formulación general de la ecuación de balance armónico (4. La obtención de los armónicos de entrada en función de los de salida se hará apli- cando balance armónico. realizando el cambio de variables θ = ωt. la ecuación anterior se puede expresar:  1 2π Û = − ϕ(F (θ)Ŷ )F T (θ)dθ. es decir: ⎡ ⎤ ⎡ ⎤ û0 √1 2 ⎢ ûc ⎥ ⎢ cos(ωt) ⎥ ⎢ 1 ⎥  T ⎢ ⎥ ⎢ ûs ⎥ ⎢ sen(ωt) ⎥ ⎢ 1 ⎥ 2 ⎢ ⎥ Û=⎢ . ⎥= − ϕ(yN (t)) ⎢ . con una aproximación de N armónicos.4. ⎥ ⎢ c ⎥ ⎢ ⎥ ⎣ ûN ⎦ ⎣ cos(Nωt) ⎦ ûsN sen(Nωt) Usando la notación descrita anteriormente y. ⎥ dt. suponiendo referencia nula y volviendo a obtener la señal de entrada. Volviendo sobre el ejemplo propuesto en el apartado 4. ⎥ T 0 ⎢ .. (4.1.124 CAPÍTULO 4. ⎢ .34: Realimentación de la salida para dar la entrada.43) π 0 que permite calcular. . Û Ŷ ϕ(·) Figura 4.

π 0 2 a donde. desarrollando la no linealidad y tomando sólo el primer armónico: a0 a2 a2 2a0 a ϕ( √ + asenθ) = −( 0 + + √ senθ).4.5. π 0 ⎣ 2 2 2 ⎦ a a20 a2 2a0 a ( 2 + 2 + √2 senθ)senθ Integrando esta ecuación y teniendo en cuenta que HG vale ⎡ ⎤ G(0) 0 0 HG = ⎣ 0 Re(G(jω)) Im(G(jω)) ⎦ 0 −Im(G(jω)) Re(G(jω)) se obtiene el sistema de ecuaciones: G(0) a0 = √ (a20 + a2 ) 2 2a0 a 0 = Im(G(jω)) √ 2 2a0 a a = Re(G(jω)) √ 2 √ que es igual al formado por las ecuaciones (4. 2 2 2 2 con lo que ⎡ ⎤ ⎡ ⎤ 2 a 2 √1 ( 0 + a + 2a √0 a senθ) a0  2π 2 2 HG ⎢ a2 a2 2a a 2 2 ⎥ ⎣ 0 ⎦= ⎢ ( 0 + + √0 senθ) cos θ ⎥ dθ.40) y (4. π 0 Tomando el origen de tiempo de manera que la señal periódica de salida se pueda expresar como: a0 y(t) = √ + asenθ.41) escaladas en 2 y descom- puestas en parte real e imaginaria. 2 Sustituyendo en la ecuación anterior y truncando el desarrollo en el primer armónico: ⎛ ⎞ a0  2π ⎝ 0 ⎠ = − HG a0 ϕ( √ + asenθ)F T (θ)dθ. CÁLCULO DE VARIOS ARMÓNICOS EN EL MÉTODO DE BALANCE ARMÓNICO125 Si en al ecuación (4. .42) se premultiplican ambos miembros de la igualdad por la matriz HG queda:  HG 2π HG Û = Ŷ = − ϕ(F (θ)Ŷ )F T (θ)dθ.

a0 y los armónicos superiores U s : ⎡ ⎤ ⎡ ⎤ u0  2π u 0 ⎢ uc1 ⎥ ⎢ 0 ⎥ T ⎢ s ⎥ = −1 ϕ(F (θ)H ⎢ ⎥ ⎣ u1 ⎦ π 0 G ⎣ a ⎦)F (θ)dθ. utilizando el método anteriormente descrito. el siguiente proceso iterativo converge a los armónicos superiores de dicha órbita periódica. 2. Existe ⎡ ⎤ a0 ⎢ 0 ⎥ U =⎢ ⎣ a ⎦ ⎥ Us solución de la ecuación de balance armónico. Us Us . 1 máx | G(kωj) |< . en primer lugar. FUNCIÓN DESCRIPTIVA Y BALANCE ARMÓNICO 4. suponiendo conocido el valor de ω y el de us1 = a. supóngase que para ω y a se calculan.5.1. ∀k = 1 L donde L es una constante de Lipschitz de ϕ(. es decir. A continuación se usa un algoritmo iterativo para calcular los armónicos de orden superior a N = 1. el origen de tiempos arbitrariamente de manera que el primer coeficiente del desarrollo en series de Fourier de la entrada uc1 sea igual a cero. Para garantizar la convergencia del algoritmo se presenta la siguiente propiedad [Vid93] Si para la frecuencia ω se cumple: 1.126 CAPÍTULO 4. Uks −→ U s y u0k −→ a0 : ⎡ ⎤ ⎡ ⎤ u0k+1  u 0k ⎢ uc1 ⎥ 1 2π ⎢ 0 ⎥ T ⎢ ⎥= − ϕ(F (θ)H ⎢ ⎥ ⎣ us1 ⎦ π 0 G ⎣ a ⎦)F (θ)dθ. s Uk+1 Uks Bajo las hipótesis de la propiedad anterior.). Entonces. Definición del algoritmo Para resolver la ecuación de balance armónico para los N primeros armónicos se fija.

Resultados A continuación se exponen los resultados de la aplicación del algoritmo de detección de órbitas periódicas con N armónicos al sistema de la figura 4.4. el algoritmo se aplica partiendo de un valor inicial determinado para las amplitudes de los armónicos superiores. Los valores de ûc1 y ûs1 obtenidos para cada punto de la malla y solución de la iteración de los armónicos superiores se almacenan junto con los valores de ω y a y dichos armónicos.35 se muestra con el sı́mbolo ”+.en rojo el ciclo lı́mite obtenido del algoritmo con N = 1 y con lı́nea continua la evolución del sistema en el espacio de estados.26 con N = 20 y se comparan los resultados obtenidos con la órbita periódica obtenida de la aplicación de la función descriptiva (N = 1) para diferentes valores del parámetro b. se halla el punto que tiene menor error entre los valores calculados de ûc1 y ûs1 y los valores necesarios para la existencia de solución periódica.5.2. a partir de ahı́. . realizándose a continuación un barrido en una malla más fina alrededor de dicho punto. En la figura 4. En caso de que el error en las igualdades ûc1 = 0 y ûs1 = a fuera demasiado alto el algoritmo supondrá que no existe órbita periódica para ese par (ω. ya que este método sólo resuelve la ecuación de balance armónico sin analizar su estabilidad. lo cual no es problema para el método del balance armónico. a). Terminado el barrido. b = 0. Nótese que el ciclo lı́mite que se obtiene es inestable. y.05 Para este valor de b la amplitud del ciclo lı́mite ha de ser pequeña ya que dicha amplitud crece con el valor de b al haberse producido una bifurcación de Hopf en el origen. Para resolver estas ecuaciones. 4. CÁLCULO DE VARIOS ARMÓNICOS EN EL MÉTODO DE BALANCE ARMÓNICO127 entonces la condición para la existencia de una órbita periódica queda reducida a ûc1 = 0 y ûs1 = a.5. barriéndose ası́ toda la malla. pero para la representación del espacio de estados se ha utilizado la integración hacia “atrás” en el tiempo para poder ver el ciclo lı́mite. se itera hasta conseguir que estos armónicos converjan hasta un valor determinado para cada valor de ω y a de una malla previamente prefijada.

05.37) que son prácticamente iguales. comparando el ciclo lı́mite calculado por el método de la función descriptiva (N = 1) y el real obtenido por integración (figura 4. FUNCIÓN DESCRIPTIVA Y BALANCE ARMÓNICO 0. . b = 0.35: Ciclo lı́mite real y calculado con N = 1 para b = 0.128 CAPÍTULO 4.6 0.2 Si se realiza la operación anterior.4 Figura 4.2 0. se observa que existen diferencias significativas entre ambos debido al aumento de amplitud de dicho ciclo lı́mite.36). la forma de ambos ciclos es muy parecida. al estar muy próximos a la órbita homoclina.6 −0.4 0.31 En este caso la aproximación con 20 armónicos no es tan precisa.4 −0.2 −0. Si se calcula ahora en ciclo lı́mite con los 20 primeros armónicos y se lo compara con el real se observa (figura 4. variando sólo la amplitud.2 0 0. con lo que la convergencia del algoritmo se ve comprometida.4 −0. ya que. Como puede observarse no existe gran diferencia entre el calculado con N = 1 y el real. el periodo tiende a infinito (ω → 0).8 0. aunque.6 −1 −0. b = 0. debido a que la amplitud del ciclo lı́mite es pequeña y todavı́a no ha entrado en contacto con la variedad estable del punto de silla. como se puede observar en la figura 4.38.2 0 −0. De tal manera que se confunde el ciclo lı́mite calculado con el real.8 −0.

4.5. CÁLCULO DE VARIOS ARMÓNICOS EN EL MÉTODO DE BALANCE ARMÓNICO129

1.2

1

0.8

0.6

0.4

0.2

0

−0.2

−0.4

−0.6
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4

Figura 4.36: Ciclo lı́mite real y calculado con N = 1 para b = 0,2.

1.2

1

0.8

0.6

0.4

0.2

0

−0.2

−0.4

−0.6
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4

Figura 4.37: Ciclo lı́mite real y calculado con N = 20 para b = 0,2.

130 CAPÍTULO 4. FUNCIÓN DESCRIPTIVA Y BALANCE ARMÓNICO

1.5

1

0.5

0

−0.5

−1
−1.4 −1.2 −1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4

Figura 4.38: Ciclo lı́mite real y calculado con N = 20 para b = 0,31.

Se ha probado también el algoritmo para un valor de b superior al de bifurcación,
obteniéndose, para este caso, un ciclo lı́mite calculado para N = 1 y no hallándose
ninguno para una aproximación con armónicos de orden superior.

Bibliografı́a

[Ath75] D.P. Atherton. Nonlinear Control Enginnering: Describing function analysis
and design. Van Nostrand Reinhold, 1975.

[Coo94] P. Cook. Nonlinear dynamical systems. Prentice-Hall, 1994.

[Cue00] F. Cuesta. Análisis de Estabilidad de Sistemas Borrosos Multivariables.
Aplicación al Control reactivo de Robots Móviles. PhD thesis, ESI. Sevilla,
2000.

[Glo89] J.N. Glover. Hopf bifurcations at infinity. Nonlinear Analysis. Theory,
Methods & Applications, 13(12):1393–1398, 1989.

[GV68] A. Gelb and W. Vander Velde. Multiple-Input Describing Functions and
Nonlinear Systema Design. McGraw-Hill Book Company, 1968.

[LP97] J. Llibre and E. Ponce. Hopf bifurcation from infinity for planar control
systems. Publicacions Matematiques, UAB, Barcelona, (41):181–198, 1997.

[LP98] J. Llibre and E. Ponce. Bifurcation of a periodic orbit from infinity in planar
piecewise linear vector fields. Nonlinear Analysis TMA, 36(5):623–653, 1998.

[SÁA98a] F. Salas, T. Álamo, and J. Aracil. Detección de órbitas periódicas en sistemas
no lineales. In XIX Jornadas de Automática, 1998.

[SÁA98b] F. Salas, T. Álamo, and J. Aracil. Detección of periodic orbits in nonlinear
systems. In Niconet Workshop on numerical software in control engenieer-
ing, 1998.

[Sal95] F. Salas. Estudio de la dinámica de un oscilador electrónico del tipo van der
pol-duffing. Proyecto Final de Carrera, 1995.

[Vid93] M. Vidyasagar. Nonlinear Systems Analysis. Prentice-Hall, 2 edition, 1993.

131

132 BIBLIOGRAFÍA .

B ++ K A where G(s) = K(sI − A)−1 B Now a saturation is added in the feedback loop u y 1 + - G(s) -1 1 -1 How does the saturation influence the global behavior? 133 . The closed loop system can also be interpreted as u x y +. Feedback systems with saturation Consider the open loop system ẋ = Ax + Bu with a control law u = −Kx giving rise to a closed loop system ẋ = (A − BK)x it is assumed that this system has a good performance.1.Capı́tulo 5 Bifurcaciones en sistemas de control 5.

so y e = −G(0)ϕ(y e ) The equilibria are the solutions to y + G(0)ϕ(y) = 0 Graphical solutions of the equilibrium point: .1. The system equilibria are the values xe such that ẋ = 0 ẋ = 0 ⇒ Axe + Bxe = 0 ⇒ xe = −A−1 Bue y e = −kA−1 Bue ⇒ y e = G(0)ue but ue = −ϕ(y e ). Equilibria in a system with saturation Consider the system u y + . .) is the nonlinear characteristic of a saturation. G(s) ϕ(.134 CAPÍTULO 5. BIFURCACIONES EN SISTEMAS DE CONTROL 5. • dϕ dy = 0 at y e = ±KA−1 B.1.y ϕ(y) G(0) E1 O y E2 Stability around an equilibrium y e : • the linearization has slope dϕ dy (y e ) • the critical point in the Nyquist plot is −1/ dϕ dy (y e ) In the saturation case: • dϕ dy = 1 at y e = 0.) where ϕ(.

1. • if −k > a the origin is unstable. FEEDBACK SYSTEMS WITH SATURATION 135 5. Describing function for the normalized saturation is  1  if 0≤a≤1 N(a) = 2 π sin−1 1 a + a1 1 − 1 a2 if a>1 To predict limit cycles the following equation must be solved 1 + N(a)G(jω) = 0 This equation can be solved graphically with a Nyquist plot where G(jω) and −1/N(a) are represented.3.5.1.2. . • for −k = a there is an stability boundary. First order system Consider the system with the open loop transfer function k G(s) = s+a Characteristic polynomial at the origin p(s) = s + a + k • if −k < a the origin is stable. Limit cycles in a system with saturation Occurrence of periodic orbits using the describing function method. 5.1.

136 CAPÍTULO 5.8 0.2 G(0) −0.5 −1 −0.5 0.0) imag.8 0.3 G(jw) −0.5 0 0.6 −0.4 G(jw) a Pos 0.8 −0.1 -1/N(A) Poos −0.2 −0.0) STABILITY imag.0) G(0) G(0) imag.5 0 0.4 −0.1 -1/N(A) −0.1 (-1.5 0 0.G(jw) 0 0 G(0) −0.5 -1/N(A) C1 −0.5 −1 −0.1 (-1.5 −2 −1.5 −1 −0.6 −0.5 −1 −0.3 -1/N(A) −0.5 −3 −2.4 (-1.5 real G(jw) 1.G(jw) 0 G(0) UNSTABLE −0.4 G(jw) 0.5 0 0.0) imag.3 1 G(jw) 0.5 0.3 0.0) imag. BIFURCACIONES EN SISTEMAS DE CONTROL φ( y) -1 Gμ (0)<0 y(t) Gμ (0)>0 Gμ (0) 1 Gμ(0) 0 0 Gμ (0) 0 0 -1 ye0 =0 1 y 1e =Gμ (0) y y2e =-G μ(0) -1 Gμ (0)<-1 Qualitative Analysis Bifurcation set in the parameter plane (a.G(jw) 0 0 w=oo −0.5 1 −1.6 0.5 −2 −1.0) 0.2 −0.3 −0.5 −2 −1.G(jw) 0.2 -1/N(A) −0.4 −0.2 (-1. (a) 0 < k.G(jw) 0 G(0) −0.2 0.2 imag. k 1 1 u 0.5 1 k=-a Bifurcation diagram with delay.2 0.2 −0.6 Po 0.4 −1 −0.5 −1 real G(jw) −0.5 −2 −1. (b) k < 0.5 1 real G(jw) 0 0.4 -1/N(A) −0. a) b) s P oo Poo u ye ye k = constant k = constant 1 u 1 s Po Po -k 0 a 0 -k a -1 -1 stable equilibrium points unstable equilibrium points .3 0.5 0.4 0.5 1 real G(jw) LOCAL 0.4 STABILITY Poou GLOBAL 0.1 (-1.2 0.5 −2 −1.5 0.8 G(jw) −1 G(jw) −1 −3 −2 −1 0 1 2 3 real G(jw) −3 −2.5 0.G(jw) (-1. k).4 −0.1 −0.5 real G(jw) 0 0.

2. SOTOMAYOR-LLIBRE-PONCE BIFURCATION ANALYSIS 137 5.0) a2 a1 a1 a2 A saturation is added in the feedback path 5.0) (-1.2. Sotomayor-Llibre-Ponce bifurcation analysis Qualitatively different state portraits in each region of the parameter plane (a1 .1.4. Second-order system Consider the open loop second-order system     0 1 0 ẋ = x+ u −a2 −a1 1 with a control law   u = −Kx = − k2 k1 x The open loop transfer function is k1 + k2 s G(s) = s2 + a1 s + a2 Closed-loop characteristic polynomial p(s) = s2 + α1 s + α2 = s2 + (a1 + k2 )s + (a2 + k1 ) Polar plot k1 k k1 k2 k1 k2 < a2 > a2 1 a 2 = a1 a2 a1 k1 k2 k1 k2 k2 k1 = (-1.5. a2 ) .0) a2 a1 (-1.

and • a double saddle connection (DSC) bifurcation. . BIFURCACIONES EN SISTEMAS DE CONTROL B A B a2 B A P a1 P D C DSC D C In all cases the origin remains stable. The boundaries between these regions are given by bifurcations: • a pitchfork bifurcation at infinity P∞ . • a Hopf bifurcation at infinity B∞ .138 CAPÍTULO 5.

0) a2 a1 III III IV DSC k1 k2 = a2 a1 (-1. Frequency domain interpretation of the Llibre-Ponce bifurcation analysis k1 k2 I1 (-1.0) a2 k1 k2 = (-1.0) k1 a1 (-1.2. Bounded attraction basin State portrait in region II.0) DSC There are four different regions. 5.0) IV k1 a2 (-1.2.2.0) a2 a1 II a 2 I2 I1 I3 II k1 a2 k2 I3 (-1.0) a2 a1 I2 k2 k1 a1 (-1. with bounded attraction basin .5.1. SOTOMAYOR-LLIBRE-PONCE BIFURCATION ANALYSIS 139 5.2.

8 −1 −1 −0. Control systems with a delay Consider the system u(t) y(t) r=0 + e -Ls ________ k .140 CAPÍTULO 5. BIFURCACIONES EN SISTEMAS DE CONTROL 1 0.4 −0.3.2 0 −0.6 −0. s+a φ(y) The equilibrium points are the same as without delay. How does the delay affect the bifurcation diagram of the system without delay? .5 2 2.4 0.8 0.5 1 For large enough disturbances the system is out of control 6 b 5 4 3 2 1 a 0 −1 −2 0 0.5 3 t 5.2 −0.5 0 0.5 1 1.6 0.

6 -0.5 -2.G(jw) s 0 0. A second-order system Consider the system. k Poo u 1.G(jw) −0.5 0.8 -1 -5 -4 -3 -2 -1 0 1 2 real G(jw) π Local 2L STABILITY ω =0 u Stable P0 Diagrama de Nyquist 0.5 -1 Diagrama de Nyquist 2 -1. a) Poo u Poou ye b) ye 1 <k< π π k> L 2L 2L s s u 1 Ho u 1 Ho Po Po -k 0 -k 0 a a -1 -1 -1 -1 a= a= L L stable equilibrium points unstable equilibrium points stable limit cycles 5.2 imag.G(jw) −0.4 imag.5 −1 −0.6 0.5 0 -1 -0.3. (a) 1/L < k < π/2L.G(jw) 0 0.2 0 0 a -0. k). Qualitative Analysis Bifurcation set in the parameter plane (a.5 0 0.8 −2 −1.4 0.1 -0.6 1 imag.3 0. CONTROL SYSTEMS WITH A DELAY 141 5.3.5 -2 1.6 -1 -5 -4 -3 -2 -1 0 1 GLOBAL real G(jw) -0.2 imag.4 −0.3 -0.5 0 imag.6 UNSTABLE 0. s s+a φ ( y) .2 P 0 −0.8 0. (b) k > π/2L.4 -0.4 -0.4 0.5 -1 -0.8 0.2.6 −0.2 0.5 1 real G(jw) 0.5 1 real G(jw) s 0 Poo imag.4 1.5 0 0.5 a= -1 -5 -4 -3 -2 real G(jw) -1 0 1 2 L C2 s Ho u Diagrama de Nyquist Diagrama de Nyquist 1 1 P 0 0.G(jw) -0.G(jw) 0.5 -3 -2.5 -5 -4 -3 -2 -1 0 1 2 3 4 real G(jw) 1 imag.8 0.2 -0.3.2 0 -0.G(jw) -0.5 -2 -1.4 0.8 −5 −4 −3 −2 −1 0 1 2 real G(jw) 0.8 -0.5 Diagrama de Nyquist ω π DSC L 1 0.G(jw) -0.5 0 L = 1s −0.1.2 2 −0. r=0 + u(t) y(t) k (s+ki ) e -Ls ________ _________ .5 −1 −5 −4 −3 −2 real G(jw) −1 0 1 C1 Bifurcation diagram with delay.2 0.6 0.4 0.5.4 -0.1 imag.5 −0.2 −0.

G(jw) 0 -2 GLOBAL -4 STABILITY -6 -8 -2 -1. k θ max Diagrama de Nyquist Diagrama de Nyquist Diagrama de Nyquist 5 u 8 ω 5 6 4 4 3 2 3 2 Hoo 4 2 1 1 imag.5 real G(jw) ω =0 Diagrama de Nyquist 2 0 UNSTABLE 1.5 1 NS0 a imag.5 -1 -1.G(jw) 0 -0. Qualitative Analysis Bifurcation set in the parameter plane (a.5 -1 -0.5 −1 L = 0.5 -1 1 -1.5 -3 -2.G(jw) 0 L imag.G(jw) 0 Diagrama de Nyquist 2 -0.1 s −1.5 -2 H uo -2 -1.5 -1 -0.5 2 T 0110 Diagrama de Nyquist 5 4 STABILITY 3 2 1 imag.5 −2 −2 −1.5 0.G(jw) imag.5 −1 real G(jw) −0.5 1 1.5 1.5 real G(jw) 0 −0.5 -2 -1. k).G(jw) 0 -1 -2 Diagrama de Nyquist 2 -3 1.5 0 0. (b) L > 0.142 CAPÍTULO 5.5 2 -3 real G(jw) -3 -4 -4 -5 -4 -3. u a) H oo ye b) Hoo u ye k= constant k= constant s 1 Ho 1 0 -k 0 -k a -1 a -1 unstable equilibrium points stable periodic orbits stable equilibrium points stable limit cycles unstable limit cycles .5 -1 -0.G(jw) -2 -1.3.5 0 real G(jw) 0.5 imag.5 -1 -0.5 -2 -1.5 -4 1 -5 -8 -7 -6 -5 -4 -3 -2 -1 0 1 real G(jw) 0.5 0 0.5 1 real G(jw) -5 -12 -10 -8 -6 -4 -2 0 real G(jw) s Ho SLC Diagrama de Nyquist 8 11 00 6 4 00 11 2 LOCAL imag.3.G(jw) -2 0 0 -4 -1 -1 -6 -2 -2 -8 -3 -2.5 0.5 1 1. The open loop transfer function is k(s + ki )e−Ls G(s) = s(s + a) 5.5 -2 imag.5 -1 -0.5 ki = 1 Bifurcation diagram for k > 0: (a) L = 0. BIFURCACIONES EN SISTEMAS DE CONTROL formed by a PI + a first order system with a delay.5 0 0.5 0 0.5 0 0.

Summary of previous results Global perspective on the behavior modes of a class of nonlinear control systems. Depending on G(0) and of ϕ(y) equilibria other than the origin can appear.4. SUMMARY OF PREVIOUS RESULTS 143 5. . Bifurcations occur when the system is open loop unstable.5.4. • Multiple equilibria when G(0) < −1 • Limit cycles when G(jω) crosses −1/N(a).