Sistemas No-Lineales

Profesor: Mar a Etchechoury Departamento de Matem atica, Facultad de Ciencias Exactas Universidad Nacional de La Plata e-mail: marila@mate.unlp.edu.ar

3 3

Introducci on
En distintas ramas de la F sica y de la Ingenier a se utilizan los sistemas no-lineales para modelar por ejemplo circuitos el ectricos, sistemas mec anicos, procesos qu micos, etc. En este Curso estudiaremos sistemas din amicos modelados por un n umero nito de ecuaciones diferenciales ordinarias de primer orden: x 1 = f1 (t, x1 , . . . , xn ) x 2 = f2 (t, x1 , . . . , xn ) . . . x n = fn (t, x1 , . . . , xn ) dxi . dt Llamamos a las variables x1 , x2 , . . . , xn variables de estado del sistema. En notaci on matricial se tendr a: x1 f1 (t, x) x2 f2 (t, x) x= . , f (t, x) = ; . . . . . xn fn (t, x) xi = xi (t), x i = luego el sistema din amico queda representado por x = f (t, x) llamada ecuaci on de estado del sistema. Un caso especial es aqu el en el que el campo vectorial f no depende expl citamente del tiempo t, x = f (x), y se llama sistema aut onomo o invariante en el tiempo. Con este tipo de sistemas trabajaremos a lo largo del Curso. Algunos conceptos fundamentales vinculados a los Sistemas No-Lineales. Existen conceptos fundamentales de los sistemas no-lineales que nos ayudar an a describir su comportamiento. Algunos de ellos son: 1. Punto de equilibrio: Un punto x = x en el espacio de estados se llama punto de equilibrio para el sistema x = f (x), si, cuando el estado (trayectoria o soluci on) 2 donde

del sistema comienza en x , permanece en x para todo tiempo futuro, tambi en se lo llama punto jo o punto estacionario. Para sistemas aut onomos los puntos de equilibrio son las ra ces reales de la ecuaci on f (x) = 0. El punto de equilibrio se dice aislado si existe alg un entorno del punto donde no existe otro equilibrio del sistema. 2. Estabilidad de un punto de equilibrio: Un punto de equilibrio x es estable si para todo entorno V de x existe un entorno V1 V tal que toda soluci on x(x0 , t) del sistema (2), con x0 V1 (donde x0 es la condici on inicial), est a denida y permanece en V para todo t > 0. Si V1 puede elegirse de modo tal que x(x0 , t) x cuando t , entonces se dice que x es asint oticamente estable. 3. Sistemas Planares: son tambi en llamados sistemas de dimensi on dos o sistemas de dos variables de estado. Se representan por dos ecuaciones diferenciales escalares. Las soluciones del sistema se pueden representar como curvas en el plano, que llamaremos tambi en orbitas. Las orbitas se representan en lo que se llama el plano de fase del sistema. 4. Oscilaci on: Un sistema oscila cuando tiene una soluci on peri odica no trivial. En un sistema planar una soluci on peri odica en el plano de fase resulta una orbita cerrada. El Curso se dictar a en tres clases, donde se desarrollar an los siguientes temas: Primera Clase: Sistemas de Segundo Orden: Generalidades. Sistemas Planares Lineales: clasicaci on de puntos de equilibrio. Segunda Clase: Sistemas Planares No-Lineales: puntos de equilibrio, linealizaci on, ciclos l mites. Tercera Clase: Estabilidad de Lyapunov: estabilidad de puntos de equilibrio. Teoremas de estabilidad de Lyapunov. Dominio de atracci on.

Primera Clase: Sistemas de Segundo Orden. Sistemas Planares Lineales.

Sistemas de Segundo Orden. Est an determinados por dos ecuaciones diferenciales de primer orden: x 1 = f1 (x1 , x2 ) x 2 = f2 (x1 , x2 ) Las soluciones del sistema se pueden representar como curvas en el plano. Si por ejemplo x(t) = (x1 (t), x2 (t)) es la soluci on del sistema planar para cierta condici on inicial 0 0 0 x = (x1 , x2 ), entonces la gr aca en el plano x1 x2 ser a una curva que pasa por x0 . Al plano x1 x2 donde se representan las orbitas o soluciones se lo llama plano de fase o plano de estados del sistema. Para cada punto x = (x1 , x2 ) en el plano de fase se tiene el vector f (x) = f (x1 , x2 ), es decir que f (x) es un campo vectorial sobre el plano de fase. Observar que el campo vectorial en un punto es tangente a la trayectoria en ese punto. Luego, puede construirse la trayectoria desde un estado inicial x0 , a partir del diagrama del campo vectorial. Llamamos retrato de fase o plano de fase del sistema a la familia de todas las trayectorias o curvas soluci on del sistema. Nos preguntamos c omo puede construirse el retrato de fase de un sistema planar? 1. Mediante un simulador de sistemas no lineales, dibujando trayectorias a partir de un n umero grande de estados iniciales sobre el plano x1 x2 , es decir, computacionalmente. 2. Mediante el m etodo de las isoclinas: Se considera la pendiente de la trayectoria en un punto dado (x1 , x2 ), f2 (x1 , x2 ) s(x1 , x2 ) = . f1 (x1 , x2 ) Las ecuaci on s(x1 , x2 ) = c, con c constante, dene sobre el plano x1 x2 una curva a lo largo de la cual las trayectorias del sistema planar tienen pendiente c. Es decir, cuando una soluci on cruza la curva s(x1 , x2 ) = c, lo hace con pendiente c. Para visualizar este m etodo consideraremos un ejemplo cl asico: la ecuaci on del p endulo. Su din amica esta representada por la siguiente ecuaci on diferencial de segundo orden: = mg sin kl, ml (1.1) 4

donde l representa la longitud de la varilla del p endulo, m la masa de la bolilla que se encuentra al nal de la varilla, es el angulo entre el eje vertical y la varilla, g es la aceleraci on de la gravedad, y k es el coeciente de fricci on. Para poder trabajar en ecuaciones de estado, es decir ecuaciones de primer orden, . Luego las ecuaciones de estado resultan, llamamos x1 = y x2 = x 1 = x2 g k x 2 = sin x1 x2 l m En este caso las isoclinas est an denidas por, x2 = 1 sin x1 0.5 + c

x2

6 4

0 x1

Figure 1.1: Orbitas del p endulo con fricci on. Isoclinas.

Sistemas Planares Lineales. Por qu e los estudiaremos en particular? Para estudiar un sistema no-lineal planar se comienza analizando sus puntos de equilibrio y sus ujos (o trayectorias) en un entorno de cada equilibrio. Existen resultados, que veremos m as adelante, que aseguran que el comportamiento de un sistema no-lineal localmente alrededor de cada equilibrio se puede determinar a partir del comportamineto de su linealizaci on alrededor de dicho punto. Queremos entonces estudiar las soluciones de un sistema lineal planar, a partir de la clasicaci on de sus puntos de equilibrio. Consideramos el sistema lineal en el plano, x = Ax, (1.2)

con x R2 y A R22 . Se dice que x0 es punto de equilibrio del sistema si Ax0 = 0. Pueden darse entonces dos situaciones: A no-singular y entonces x0 = 0 es el u nico punto de equilibrio; o A singular y entonces el sistema tiene un subespacio no nulo de equilibrio. Analicemos el caso A no-singular. Sabemos que es siempre posible hallar una matriz M de orden 2 y no-singular tal que M 1 AM = J , siendo J la forma de Jordan real. Se pueden presentar cualquiera de los tres casos que siguen: J1 = 1 0 0 2 , J2 = k 0 , J3 = .

El primer caso corresponde a autovalores 1 = 2 , ambos reales y no nulos; el segundo caso corresponde a autovalores reales, iguales y no nulos (k puede ser 0 o 1); y el tercer caso corresponde a autovalores complejos 1,2 = i . Si consideramos el sistema lineal en coordenadas z = M 1 x, el sistema original resulta z = Jz Asi por ejemplo para el primer caso se tiene el sistema planar desacoplado, z 1 = 1 z1 z 2 = 2 z2 ;
0 0 0 exp 1 t, z2 (t) = , z2 ) las soluciones son z1 (t) = z1 si la condici on inicial es z 0 = (z1 0 z2 exp 2 t, y eliminando t se obtiene

(1.3)

z2 = kz1

2/1

, con k = 6

0 z2 . 0 2/1 (z1 )

10

10 10

0 x1

10

Figure 1.2: Nodo estable. Autovalores: 1 = 2, 2 = 1. Si consideramos autovalores negativos, diremos que el origen como punto de equilibrio es un nodo estable, Fig.1.2. Si en cambio los autovalores son ambos positivos se trata de un nodo inestable, Fig.1.3. Cuando los autovalores son de distinto signo se tiene un saddle o punto de ensilladura, Fig.1.4. Para el tercer caso, es decir autovalores complejos, el sistema en coordenadas (z1 , z2 ) resulta, z 1 = z1 z2 z 2 = z1 + z2 ; (1.4) (1.5)

este sistema tiene soluciones oscilatorias. En efecto, si consideramos coordenadas polares r=

2 2 z1 + z2 , = tan1 (z2 /z1 ) ,

10

10 10

0 x1

10

Figure 1.3: Nodo inestable. Autovalores: 1 = 1, 2 = 2. el sistema resulta r = r = . (1.6) (1.7)

Si la condici on inicial es (r0 , 0 ) la soluci on es (r(t), (t)) = (r0 exp t, 0 + t), que resulta una espiral logar tmica en el plano (z1 , z2 ), llamado foco. Para < 0 resulta un foco estable, Fig.1.5.; y para > 0 un foco inestable, Fig.1.6. Si = 0 se tiene un centro, Fig.1.7. Observac on: el comportamiento de las trayectorias de un sistema lineal planar est a completamente determinado por los autovalores de la matriz de orden 2 que dene al sistema. Ejercicios propuestos 1. Las ecuaciones din amicas no-lineales para un manipulador rob otico de junta exible 8

10

10 10

0 z1

10

Figure 1.4: Saddle. Autovalores: 1 = 1, 2 = 1. con un enlace est an dadas por: Iq 1 + M gL sin q1 + k (q 1 q2 ) = 0 Jq 2 k (q1 q2 ) = u donde q1 y q2 son las posiciones angulares, I y J los momentos de inercia, k es una constante del resorte, M la masa total, L es una distancia y u el torque. Escribir las ecuaciones de estado para este sistema. 2. (a) Considerando las ecuaciones del oscilador de van der Pol x 1 = x2 x 2 = x1 + (1 x2 1 )x2 Gracar algunas isoclinas y algunas trayectorias del sistema (en el plano de fase x1 x2 ). 9

10

10 10

0 z1

10

Figure 1.5: Foco estable: < 0. (b) Idem a) para las ecuaciones de Rayleigh, x 1 = x2 x 2 = x1 + (x2 considerando = 1 y 3. (a) Resolver x = x+y y = 4x 2y con condiciones iniciales (x0 , y0 ) = (2, 3). (b) Dibujar el retrato de fase para el sistema anterior, en el plano x y . 4. Resolver el sistema lineal x = Ax, con A= 10 a 0 0 1 = .1. x2 2 ) 3

10

z2

10 10

10

z1

Figure 1.6: Foco inestable: > 0. Gracar el retrato de fase para: a < 1; a = 1; 1 < a < 1; a = 0; a > 0. 5. Considerar el circuito de ecuaci on + RI + I/C = 0 LI donde L, C > 0 y R 0. (a) Reescribir la ecuaci on como un sistema lineal de dimensi on 2. (b) Mostrar que el origen es asint oticamente estable si R > 0 y s olo estable si R = 0, un si R2 C 4L es positivo, negativo, o (c) Clasicar el equilibrio en el origen seg cero, y realizar en cada caso el retrato de fase.

11

10

10 10

0 z1

10

Figure 1.7: Centro: = 0.

Segunda Clase: Sistemas Planares No-Lineales

En muchos casos el comportamiento local de un sistema no-lineal cerca de un punto de equilibrio se puede inferir a partir del sistema linealizado alrededor del punto y estudiar entonces el comportamiento lineal que resulta a partir de la linealizaci on. Pensemos primero en el comportamiento de un sistema lineal bajo perturbaciones lineales, es decir, consideremos una matriz A que suponemos tiene autovalores 1 = 2 , y A una matriz diagonal cuyos elementos son magnitudes arbitrariamente chicas. Se tiene entonces, 1 + 0 A + A = . 0 2 + Dado que los autovalores de una matriz dependen en forma cont nua de sus par ametros, cualquier autovalor con parte real estrictamente negativa (o estrictamente positiva) permanecer a en su correspondiente semiplano bajo perturbaciones sucientemente chicas. Luego, si el equilibrio x = 0 del sistema lineal x = Ax es un nodo, foco o saddle, el equilibrio del sistema perturbado x = (A + A)x ser a del mismo tipo. Si en cambio, el 12

equilibrio es un centro, el sistema perturbado tendr a un foco estable o inestable, seg un sea negativo o positivo. Llamamos entonces al nodo, foco y saddle equilibrios estructuralmente estables, pues mantienen su comportamiento cualitativo bajo perturbaciones chicas. Denition 2.1 El origen x = 0 del sistema x = Ax es un punto de equilibrio hiperb olico si es un nodo, un foco o un saddle. Ejemplo de un sistema no lineal planar . Consideramos nuevamente las ecuaciones de estado del p endulo con fricci on para k = 0.5, x 1 = x2 g x 2 = sin x1 0.5x2 , l (2.1) (2.2)

con x1 . En este caso los puntos de equilibrio aisaldos son (0, 0), (, 0) y (, 0). Observar que a diferencia de los sistemas lineales, en los sistemas no-lineales puede haber m as de un equilibrio aislado. El comportamiento del (0, 0) es similar al de un foco estable de un sistema lineal; y el comportamiento de (, 0) es similar al de un saddle en un sistema lineal, Fig. 2.1. Esto que por ahora lo observamos en el retrato de fase del sistema, lo justicaremos luego. En general, sea el sistema no lineal planar x 1 = f1 (x1 , x2 ) x 2 = f2 (x1 , x2 ), y supongamos que p = (p1 , p2 ) es punto de equilibrio. Desarrollamos f en serie de Taylor alrededor de p, x 1 = f1 (p1 , p2 ) + a11 (x1 p1 ) + a12 (x2 p2 ) + T.O.S. x 2 = f2 (x1 , x2 ) + a21 (x1 p1 ) + a22 (x2 p2 ) + T.O.S., con aij = fi (x1 , x2 ) |x=p , f1 (p1 , p2 ) = f2 (p1 , p2 ) = 0; xj

(T.O.S.: t erminos de orden superior).

13

x2

2.5

1.5

0.5

0 x1

0.5

1.5

2.5

Figure 2.1: P endulo con fricci on. Con el cambio y1 = x1 p1 , y2 = x2 p2 , se obtiene y 1 = x 1 = a11 y1 + a12 y2 + T.O.S. y 2 = x 2 = a21 y1 + a22 y2 + T.O.S. En un entorno sucientemente chico del equilibrio, de modo tal que los t erminos de orden superior se desprecien, se obtiene la siguiente aproximaci on lineal: y 1 = a11 y1 + a12 y2 y 2 = a21 y1 + a22 y2 Theorem 2.2 (Hartman-Grobman): Consideramos el sistema no lineal planar x = f (x), con f sucientemente suave. Suponemos que x0 es punto de equilibrio aislado. | 0 no tiene autovalores nulos o imaginarios Suponemos, adem as, que A(x0 ) = f x x=x puros. Entonces existe un homeomorsmo h (aplicaci on cont nua y con inversa cont nua) 2 0 2 denida en un entorno U R de x , h : U R , que lleva las trayectorias del no lineal sobre las del sistema linealizado. En particular h(x0 ) = 0. 14

Observaciones: El Teorema de Hartman-Grobman arma que es posible deformar de manera cont nua todas las trayectorias del sistema no lineal, alrededor del equilibrio aislado, en las trayectorias del sistema linealizado, v a el homeomorsmo h. En general, es muy dicultoso hallar el homeomorsmo h. Sin embargo, el teorema indica que el comportamiento cualitativo de un sistema no lineal alrededor de un equilibrio aislado es similar al del sistema linealizado, por ejemplo, el tipo de estabilidad. Consideramos nuevamente el ejemplo del p endulo con fricci on, en este caso las matrices del sistema linealizado, alrededor de cada equilibrio, resultan: A1 = f |(0,0) = x 0 1 1 0.5 A2 = f |(,0) = x 0 1 1 0.5 ;

los autovalores de A1 son 0.25 0.97, y los de A2 son 1.28 y 0.78. Luego, el (0, 0) es un foco estable y el (, 0) es un saddle, el comportamiento de (, 0) es similar al de (, 0). Denition 2.3 Un punto de equilibrio de un sistema no-lineal se dice hiperb olico, si la matriz Jacobiana, evaluada en ese punto, no tiene autovalores sobre el eje imaginario. Consideramos ahora el siguiente sistema:
2 x 1 = x2 x1 (x2 1 + x2 ) 2 x 2 = x1 x2 (x2 1 + x2 ).

El punto (0, 0) es equilibrio aislado del sistema, la matriz Jacobiana evaluada en este punto es 0 1 , 1 0 cuyos autovalores son i, luego la linealizaci on del sistema tiene en (0, 0) un centro. En coordenadas polares el mismo sistema no-lineal se representa as : r = r3 = 1; donde para > 0 resulta un foco estable, Fig.2.2. y para < 0 un foco inestable, Fig.2.3. Denition 2.4 El estado del sistema no lineal en el tiempo t empezando en x en t = 0 se llama ujo y se simboliza t (x), en particular 0 (x) = x.

15

Diagrama de fase 3

3 3

0 x1

Figure 2.2: Foco estable Otra manera de enunciar el Teorema de Hartman-Grobman: Supongamos que consideramos las mismas hip otesis que en el Teorema de Hartman-Grobman; entonces 0 existe U entorno de x tal que, si x U y t (x) U , se tiene que h(t (x) = exp A(x )t h(x). Ciclos l mites. Ya hemos denido oscilaci on y orbita cerrada. Para introducir el concepto de ciclo l mite, analizaremos primero un ejemplo sencillo. Oscilador lineal x 1 = x2 x 2 = x1 ; sabemos ya que el equilibrio (0, 0) es un centro y sus trayectorias son orbitas cerradas, 0 ) las soluciones son x ( t ) = r0 cos(t + 0 ), , x Fig.1.7. Si la condici on inicial es (x0 1 2 1 16
0

Diagrama de fase 3

3 3

0 x1

Figure 2.3: Foco inestable

1 0 0 0 2 2 x2 (t) = r0 sin(t + 0 ), con r0 = (x0 1 ) + (x2 ) y 0 = tan (x2 /x1 ). El sistema tiene una oscilaci on de amplitud r0 , se lo llama oscilador arm onico. Vale la pena observar que el oscilador lineal presenta algunos problemas: perturbaciones chicas (lineales o no lineales) destruyen la oscilaci on, decimos entonces que el oscilador lineal no es estructuralmente estable; adem as, la amplitud de la oscilaci on depende de la condici on inicial. Estos problemas pueden ser eliminados trabajando con osciladores no lineales.

Ejemplo: Oscilador de van-der Pol. Consideramos la ecuaci on de segundo orden, y (1 y 2 )y + y = 0, para constante positiva;

17

si llamamos x1 = y y x2 = y obtenemos las ecuaciones de estado del sistema: x 1 = x2 x 2 = x1 + (1 x2 1 )x2 ; en este caso la matriz de la linealizaci on alrededor del equilibrio (0, 0) es A= 0 1 1 .

Observar que si > 0 los autovalores de A tienen parte real positiva, se trata entonces de un foco inestable. Por el Teorema de Hartman-Grobman concluimos que el (0, 0) es tambi en un foco inestable del sistema no lineal. Observar, adem as, que existe s olo una
Diagrama de fase 5

5 5

0 x1

Figure 2.4: Oscilador de van-der Pol orbita cerrada que atrae a todas las trayectorias que comienzan fuera de ella, Fig.2.4. Esta situaci on es diferente a la que ocurre con el oscilador lineal, donde hay un cont nuo de orbitas cerradas, Fig.1.7.

18

Denition 2.5 Una orbita cerrada aislada se llama ciclo l mite. Nos planteamos ahora el siguiente problema: establecer condiciones bajo las cuales un sistema planar dado tiene o no orbitas cerradas. Theorem 2.6 (Bendixson). Consideramos el sistema planar x = f (x); supongamos que D R2 es un dominio simplemente conexo tal que f (x) = f1 /x1 (x1 , x2 ) + f2 /x2 (x1 , x2 ) no es id enticamente nulo en ninguna subregi on de D y no cambia de signo en D. Entonces D no contiene orbitas cerradas del sistema planar. Ejemplo: Ecuaciones de Dung. x 1 = x2 x 2 = x1 x3 1 x2 , en este caso f = . Entonces, si > 0, no existen orbitas cerradas en todo R2 . Theorem 2.7 (Poincar e-Bendixson). Supongamos que, 1. R es un conjunto compacto del plano. 2. x = f (x) es un sistema planar cuyo campo f es continuamente diferenciable y est a denido sobre un conjunto abierto contenido en R. 3. R no contiene puntos de equilibrio del sistema. 4. Existe una trayectoria C que est a connada en R, es decir que comienza en R y permanece en R para todo tiempo futuro. Entonces o bien C es una orbita cerrada, o bien tiende a una orbita cerrada cuando t . En cualquier caso, R contiene una orbita cerrada. Ejemplo. Consideramos el siguiente sistema planar en coordenadas polares: r = r(1 r2 ) + r cos = 1, con r 0. Si = 0, resultan r = 1 y r = 0 los puntos de equilibrio del sistema. En el plano de fase x1 x2 todas las trayectorias (excepto r = 0) se aproximan al c rculo unidad r = 1, que resulta un ciclo l mite estable. Se puede probar, adem as, que existe una orbita cerrada para > 0 sucientemente chico. 19

Ejercicios propuestos 1. Encontrar todos los puntos de equilibrio del sistema: x = x + x3 y = 2y Linealizar el sistema alrededor de cada equilibrio y determinar la naturaleza de cada uno de ellos. Vericar las conclusiones halladas mediante un gr aco aproximado del retrato de fase del sistema (tener en cuenta que se trata de dos ecuaciones desacopladas). 2. Considerar el sistema x = y + ax(x2 + y 2 ) y = x + ay (x2 + y 2 ) (a) A partir de la linealizaci on, se puede predecir algo del comportamiento del sistema alrededor del equilibrio (0, 0)? (b) Hallar las ecuaciones del sistema en coordenadas polares. (c) Encontrar algunas trayectorias del sistema cuando: i)a > 0; ii)a = 0; iii)a < 0. 3. Para cada uno de los siguientes sistemas, construir el retrato de fase usando el m etodo de las isoclinas y discutir el comportamiento cualitativo del sistema. Se puede usar informaci on acerca de los puntos de equilibrio o del campo vectorial. (a) x 1 = x2 cos x1 x 2 = sin x2 (b) x 1 = 1 x1 x2 x1 x2 1 x1 x2

x 2 =

20

Tercera Clase: Teor a de Estabilidad de Lyapunov

Para estudiar la estabilidad de puntos de equilibrio utilizaremos las ideas de Lyapunov. Denition 3.1 El equilibrio x = 0 del sistema aut onomo x = f (x) es estable si para cada > 0 existe > 0 tal que: x(0) < x(t) < , t 0; el equilibrio es inestable si no es estable; el equilibrio es asint oticamente estable si es estable y adem as puede elegirse de modo tal que x(0) < x(t) 0, si t . Ejemplo: ecuaci on del p endulo Conocemos ya las ecuaciones del p endulo en variables de estado, x 1 = x2 x 2 = (g/l) sin x1 (k/m)x2 ; adem as sabemos que (0, 0) y (, 0) son puntos de equilibrio. Si suponemos k = 0, o sea el p endulo sin fricci on, en un entorno del (0, 0) se tienen orbitas cerradas. Luego, saliendo sucientemente cerca del origen, las trayectorias quedan dentro de una bola alrededor del origen; se concluye entonces que (0, 0) es equilibrio estable. Sin embargo, no es asint oticamente estable, pues las trayectorias que empiezan fuera del equilibrio no tienden a el, sino que permanecen en sus orbitas cerradas, ver Fig.3.1. Cuando k > 0, el (0, 0) se comporta como un foco estable, y luego en este caso el (0, 0) es equilibrio asint oticamente estable. El equilibrio x = (, 0) resulta un saddle que no es estable pues dado cualquier > 0, es siempre posible encontrar una trayectoria que deje la bola {x R2 : x x }, a un cuando x(0) est e arbitrariamente cerca del equilibrio, ver Fig.2.1. En general, c omo podr amos determinar la estabilidad de un punto de equilibrio? Para las ecuaciones planares del p endulo hicimos uso del conocimiento que ten amos del retrato de fase del sistema. Pero para generalizar esto a cualquier sistema, necesitar amos conocer todas las soluciones. Sin embargo, las conclusiones que obtuvimos para la ecuaci on del p endulo y sus equilibrios, pueden obtenerse usando la noci on de energ a. Se dene la energ a del p endulo E (x) como la suma de las energ as potencial y cin etica:
x1

E (x1 , x2 ) =
0

(g/l) sin y dy + 1/2x2 2. 21

Si k = 0, el sistema es conservativo, es decir, no hay disipaci on de energ a. Luego, dE E se mantiene constante durante el movimiento del sistema o dt = 0 a lo largo de las trayectorias del sistema. Como E (x) = c representa una curva cerrada alrededor de x = 0 para c chico, podemos concluir que el origen es punto de equilibrio estable, Fig.3.1.
Diagrama de fase 5

x2

5 10

0 x1

10

Figure 3.1: P endulo sin fricci on Cuando tenemos en cuenta la fricci on (k > 0), la energ a se disipa a lo largo del dE movimiento del sistema, es decir, dt 0 a lo largo de las trayectorias del sistema. Debido a la fricci on, E no puede permanecer constante indenidamente cuando el sistema est a en movimiento. Luego, la energ a comienza a decrecer hasta llegar a 0, y entonces la trayectoria tiende a 0 cuando t tiende a . Concluimos entonces que examinando la energ a E a lo largo de las trayectorias del sistema, es posible determinar la estabilidad de un punto de equilibrio. Lyapunov (1892) mostr o que para determinar la estabilidad de un punto de equilibrio pueden usarse otra clase de funciones, no necesariamente la energ a. Sea V : D R una funci on continuamente diferenciable denida en D Rn , con D dominio que contiene al origen. La derivada de V a lo largo de las trayectorias del 22

sistema x = f (x) se dene como:

n

(x) = V
i=1

V x i = xi

i=1

V V fi (x) = f (x). xi x

Observar que la derivada de V a lo largo de las trayectorias del sistema depende de las (x) ser ecuaciones del sistema. Luego V a diferente para sistemas diferentes. Adem as, si V (x) < 0, V decrece a lo largo de las soluciones del sistema. El siguiente resultado de Lyapunov garantiza estabilidad del equilibrio para un sistema no-lineal. Theorem 3.2 Sea x = 0 un punto de equilibrio de x = f (x) y D Rn un dominio que contiene a x = 0. Sea V : D R una funci on continuamente diferenciable tal que (x) 0 en D. V (0) = 0, V (x) > 0 en D {0}, V (x) < 0 en D {0}, entonces x = 0 Entonces x = 0 es equilibrio estable. Adem as, si V es equilibrio asint oticamente estable. Regi on de atracci on. Supongamos que sabemos que x = 0 es equilibrio asint oticamente estable de x = f (x); desear amos saber cuan lejos del origen puede partir una trayectoria y a un converger a 0 cuando t . Esta idea da la noci on de regi on o dominio de atracci on del equilibrio. Denition 3.3 Sea (t, x) la soluci on de x = f (x) que empieza en x en t = 0, es decir, (0, x) = x, luego la regi on de atracci on del equilibrio x = 0 resulta, {x : lim (t, x) = 0, cuando t }. Nos preguntamos ahora bajo que condiciones la regi on de atracci on ser a todo Rn . Esto sucede si para cualquier estado inicial x, la trayectoria (t, x) se aproxima a 0 cuando t , sin importar si x es grande. Si un punto de equilibrio asint oticamente estable tiene esta propiedad, se dice que es globalmente asint oticamente estable. El siguiente teorema establece condiciones sucientes que garantizan estabilidad asint otica global. = Theorem 3.4 (Barbashin-Krasovski) Sea x = 0 punto de equilibrio del sistema x f (x). Sea V : Rn R una funci on continuamente diferenciable tal que V (0) = 0 y V (x) > 0, x = 0; si x , entonces V (x) ; 23

 (x) < 0, x = 0; V entonces x = 0 es globalmente asint oticamente estable, es decir, su regi on de atracci on n es todo R . Por u ltimo enunciaremos el siguiente resultado sobre inestabilidad. Theorem 3.5 (Chetaev) Sea x = 0 equilibrio del sistema x = f (x). Sea V : D R continuamente diferenciable con V (0) = 0 y V (x0 ) > 0 para alg un x0 con x0 arbitrari (x) > 0 en U . amente chica. Se dene U = {x Br V (x) > 0}, y supongamos que V Entonces x = 0 es equilibrio inestable. Recordemos que cuando estudiamos la ecuaci on del p endulo con fricci on vimos que la funci on de energ a E (x) no satisfac a la condici on para garantizar la estabilidad asint otica 2 requerida en el Teorema de Lyapunov. En efecto, V (x) = (k/m)x2 0, sin embargo sabemos que x = 0 es equilibrio asint oticamente estable para la ecuaci on del p endulo. (x) = 0, la trayectoria del sistema debe estar Luego, para que se mantenga la condici on V connada en la recta x2 = 0. A menos que x1 = 0 esto es imposible pues a partir de las ecuaciones del p endulo vemos que x2 (t) 0 x 2 (t) 0 sin x1 (t) 0, (x) = 0 y luego, sobre el segmento < x1 < de la recta x2 = 0, el sistema verica V s olo si x1 = 0. Luego, V (x(t)) debe decrecer al origen y entonces x(t) 0 cuando t . Esto es consistente con el signicado f sico que, debido a la fricci on, la energ a no se mantiene constante cuando el sistema est a en movimiento. Resumimos lo anterior as : si en un dominio alrededor del origen se puede hallar una funci on V cuya derivada a lo largo de la trayectoria del sistema es menor o igual a 0, (x) = 0 salvo en el y si podemos asegurar que ninguna trayectoria puede quedarse en V origen, entonces el origen es asint oticamente estable. Este resultado es conocido como el Principio de Invariancia de Lasalle. Antes de enunciarlo en forma precisa daremos algunas deniciones. Denition 3.6 Sea x(t) una soluci on de x = f (x). Un punto p se llama punto l mite positivo de x(t) si existe una sucesi on {tn } con tn tal que x(tn ) p cuando n . mite positivos de x(t) se llama conjunto Denition 3.7 El conjunto de todos los puntos l l mite positivo de x(t).

24

Denition 3.8 Un conjunto M se llama positivamente invariante con respecto al sistema x = f (x) si, x(0) M x(t) M, t 0. Denition 3.9 La soluci on x(t) se aproxima a M cuando t , si para cada existe T > 0 tal que dist(x(t), M ) < , para todo t > T . > 0,

Para ilustrar las deniciones anteriores consideremos un punto de equilibrio asint oticamente estable y un ciclo l mite estable en el plano: El equilibrio asint oticamente estable es el conjunto l mite positivo de toda soluci on que empieza sucientemente cerca del equilibrio. El ciclo l mite estable es el conjunto l mite positivo de toda soluci on que empieza sucientemente cerca del l mite. Es decir, la soluci on se aproxima al ciclo l mite cuando t . El punto de equilibrio asint oticamente estable y el ciclo l mite son conjuntos invariantes pues cualquier soluci on que comienza en alguno de estos conjuntos permanece en el conjunto, para todo t R. Lemma 3.10 Si una soluci on x(t) de x = f (x) es acotada y pertenece a D, para todo t 0, con D abierto que contiene a x = 0, entonces su conjunto l mite positivo que + llamaremos L es no vac o, compacto e invariante. Adem as, x(t) L+ cuando t . Theorem 3.11 Principio de Invariancia de Lasalle: Sea D un conjunto compacto que es positivamente invariante con respecto al sistema x = f (x). Sea V : D R una ( x) = funci on continuamente diferenciable tal que V (x) 0 en . Sea E = {x : V 0}. Sea M el mayor conjunto invariante contenido en E . Entonces, cualquier soluci on que empieza en se aproxima a M cuando t . Algunas observaciones: A diferencia del Teorema de Lyapunov, el Teorema de Lasalle no pide que V (x) sea estrictamente positiva. Si estamos interesados en mostrar que x(t) 0 cuando t , debemos establecer que el mayor conjunto invariante en E es el origen. Esto se hace mostrando que ninguna soluci on puede permanecer en E adem as de la soluci on trivial x(t) 0. Considerando el caso particular planteado en la u ltima observaci on y tomando V (x) > 0 se obtiene los siguientes corolarios que extienden los Teoremas de Lyapunov y BarbashinKrasovskii, respectivamente. 25

Corollary 3.12 Sea x = 0 equilibrio de x = f (x). Sea V : D R una funci on continuamente diferenciable y positiva sobre un dominio D que contiene al origen, tal (x) 0 en D. Sea S = {x D : V (x) = 0} y supongamos que ninguna soluci que V on permanece en S salvo la trivial. Entonces, el origen es asint oticamente estable. Corollary 3.13 Sea x = 0 equilibrio de de x = f (x). Sea V : Rn R una funci on continuamente diferenciable tal que V (x) si x , estrictamente positiva y (x) 0, para todo x Rn . Sea S = {x Rn : V (x) = 0} y supongamos que tal que V ninguna soluci on se mantiene sobre S , salvo la trivial. Entonces el origen es globalmente asint oticamente estable. (x) es estrictamente negativa y S = {0}, entonces los corolarios Observar que cuando V anteriores coinciden con los teoremas de Lyapunov y Barbashin-Krasovskii.

26

Ejercicios propuestos.
2 1. Usando V (x) = x2 1 + x2 , estudiar la estabilidad del origen del sistema 2 2 2 2 x 1 = x1 (k 2 x2 1 x2 ) + x2 (x1 + x2 + k ) 2 2 2 2 x 2 = x1 (k 2 + x2 1 + x2 ) + x2 (x1 x2 + k )

cuando: a)k = 0 y b)k = 0. 2. Considerar el sistema x 1 = x2 x 2 = a sin x1 kx1 dx2 cx3 x 3 = x3 + x2 donde todos los coecientes son positivos y k > a. Usando
x1

V (x) = 2a
0

2 2 sin ydy + kx2 1 + x2 + px3 ,

con alg un p > 0, mostrar que el origen es globalmente a.e. 3. Sea el sistema x = f (x), donde f : Rn Rn . Considerar el cambio de varaibles z = T (x), donde T (0) = 0 y T : Rn Rn es un difeomorsmo en un entorno del origen. El sistema transformado es, (z ), donde f (z ) = T f (x)|x=T 1 (z) z =f x (a) Mostrar que x = 0 es un punto de equilibrio aislado de x = f (x) sii z = 0 es (z ). un punto de equilibrio aislado de z =f (b) Mostrar que x = 0 es estable (a.e., inestable) sii z = 0 es estable (a.e., inestable). 4. Considerar el sistema
2 x 1 = (x1 x2 1)x3 1 + (x1 x2 1 + x2 )x1 x 2 = x2

(a) Mostrar que x = 0 es el u nico punto de equilibrio. (b) Mostrar, usando linealizaci on, que x = 0 es a.e. (c) Mostrar que = {x R2 : x1 x2 2} es un conjunto positivamente invariante. (d) Es x = 0 globalmente a.e.? 27

Bibliograf a
Nonlinear Systems, Hassan Khalil, Prentice Hall, 1996. Nonlinear Systems, Analysis, Stability, and Control, Shankar Sastry, Springer, 1999. Nonlinear Oscillations, dynamical systems and bifurcations, J. Guckenheimer and P. Holmes, Springer-Verlag, 1983. Gr acos en el plano. Los distintos gr acos de sistemas planares presentados en estas Notas fueron realizados con el programa dfase.m, cuyo autor es el Dr. Fernando Bianchi (Fac. de Ingenier a, U.N.L.P.). Dicho programa corre bajo MatLab, y se puede acceder a el desde la p agina de la Facultad de Ingenier a, U.N.L.P.: http://davinci.ing.unlp.edu.ar/controlm/electronica/archivos.htm

Reuni on Anual de la UMA, Salta, septiembre de 2005

28