Apuntes

Notas del curso An alisis de Sistemas No Lineales
Javier Aracil Sant onja Francisco Salas G omez Francisco Gordillo Alvarez
Departamento de Ingenier a de Sistemas y Autom atica Universidad de Sevilla
ii
Notas del curso An alisis de Sistemas no Lineales
Impartido por: Javier Aracil Francisco Gordillo Francisco Salas
25 de septiembre de 2007
Indice general
1. Introducci on 1.1. El problema del control . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2. EL control lineal es local . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2.1. Control Lineal y no Lineal - Estabilidad en Sistemas de Control
1 1 4 5
An alisis
6
7 7 8 11 12 15 17 22 23
2. An alisis cualitativo de sistemas din amicos 2.1. Formalizaci on del concepto de sistema din amico . . . . . . . . . . . . . 2.2. Crecimiento log stico o acotado . . . . . . . . . . . . . . . . . . . . . . 2.2.1. Retrato de estados de sistemas no lineales . . . . . . . . . . . . 2.3. Sistemas Din amicos Lineales . . . . . . . . . . . . . . . . . . . . . . . . 2.3.1. Sistemas din amicos aut onomos lineales de dimensi on dos . . . . 2.3.2. Estabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.4. Sistemas din amicos no lineales . . . . . . . . . . . . . . . . . . . . . . . 2.5. Propiedades de las soluciones . . . . . . . . . . . . . . . . . . . . . . . 3
INDICE GENERAL 2.5.1. Existencia y unicidad de las soluciones . . . . . . . . . . . . . . 2.5.2. Flujo denido por un sistema din amico . . . . . . . . . . . . . . 2.5.3. Sistema din amico como ujo . . . . . . . . . . . . . . . . . . . . 2.5.4. Orbitas y retratos de estados 2.5.5. Puntos de equilibrio . . . . . . . . . . . . . . . . . . . 23 24 25 26 27 28 30 31 32 33 34 38 39 42
. . . . . . . . . . . . . . . . . . . . . . . .
2.5.6. Linealizaci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.5.7. Linealizaci on de un sistema din amico en IRn . . . . . . . . . . . 2.5.8. Equivalencia topol ogica . . . . . . . . . . . . . . . . . . . . . . . 2.5.9. Conjuntos l mite y equilibrios . . . . . . . . . . . . . . . . . . . 2.6. Ciclos y atractores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.6.1. Conjuntos l mite y atractores . . . . . . . . . . . . . . . . . . . 2.6.2. Comportamiento a largo plazo de las trayectorias . . . . . . . . 2.6.3. Estudio de o rbitas peri odicas . . . . . . . . . . . . . . . . . . .
2.6.4. Atractores extra nos . . . . . . . . . . . . . . . . . . . . . . . . .
3. An alisis cualitativo y bifurcaciones en sistemas din amicos 3.1. An alisis cualitativo de sistemas no lineales . . . . . . . . . . . . . . . . 3.2. An alisis cualitativo de sistemas din amicos de dimensi on 1 . . . . . . . . 3.2.1. Estabilidad estructural . . . . . . . . . . . . . . . . . . . . . . . 3.3. Familias de sistemas din amicos . . . . . . . . . . . . . . . . . . . . . . 3.3.1. Diagramas de bifurcaciones en sistemas no lineales . . . . . . . .
44 44 44 49 49 52
INDICE GENERAL 3.4. Bifurcaciones elementales en sistemas de dimensi on uno . . . . . . . . .
5 52
3.4.1. Bifurcaciones elementales en sistemas din amicos de dimensi on dos 62 3.4.2. Evoluci on de los autovalores en una bifurcaci on de Hopf. . . . . 3.4.3. Bifurcaciones de o rbitas peri odicas . . . . . . . . . . . . . . . . 3.4.4. Bifurcaciones de codimensi on dos . . . . . . . . . . . . . . . . . 3.4.5. Diagrama de bifurcaciones del experimento de Taylor-Couette. . 3.5. Crecimiento log stico con un retraso en la estructura . . . . . . . . . . . 67 67 69 73 76
References
3.6. Ap endice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
81
84
4. Funci on descriptiva y balance arm onico 4.1. M etodo del primer arm onico . . . . . . . . . . . . . . . . . . . . . . . . 4.1.1. Ejemplo introductorio . . . . . . . . . . . . . . . . . . . . . . . 4.1.2. Principios del m etodo . . . . . . . . . . . . . . . . . . . . . . .
86 86 86 90 91 92 94 94 95 95 96
4.1.3. Transformaci on de Fourier . . . . . . . . . . . . . . . . . . . . . 4.1.4. Funci on descriptiva . . . . . . . . . . . . . . . . . . . . . . . . . 4.1.5. Interpretaci on estoc astica de la funci on descriptiva . . . . . . .
4.1.6. Propiedad del cono . . . . . . . . . . . . . . . . . . . . . . . . . 4.2. Algunas funciones descriptivas . . . . . . . . . . . . . . . . . . . . . . . 4.2.1. Saturaci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.2. Rel e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
INDICE GENERAL 4.2.3. Holgura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.2.4. Determinaci on experimental de la funci on descriptiva . . . . . . 100 4.3. An alisis de sistemas no lineales mediante la funci on descriptiva . . . . . 101 4.3.1. Una ampliaci on del criterio de Nyquist . . . . . . . . . . . . . . 102 4.3.2. Oscilaciones de un servomecanismo no lineal . . . . . . . . . . . 103 4.3.3. Funci on descriptiva independiente de la frecuencia . . . . . . . . 104 4.3.4. Funci on descriptiva dependiente de la frecuencia . . . . . . . . . 105 4.3.5. Estabilidad de los ciclos l mite . . . . . . . . . . . . . . . . . . . 105 4.3.6. Fiabilidad del an alisis mediante funciones descriptivas . . . . . . 112 4.4. La funci on descriptiva dual . . . . . . . . . . . . . . . . . . . . . . . . . 112 4.4.1. Ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114 4.5. C alculo de varios arm onicos en el m etodo de balance arm onico . . . . . 118 4.5.1. Denici on del algoritmo . . . . . . . . . . . . . . . . . . . . . . 123 4.5.2. Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
Bibliograf a
127
5. Bifurcaciones en sistemas de control
129
5.1. Feedback systems with saturation . . . . . . . . . . . . . . . . . . . . . 129 5.1.1. Equilibria in a system with saturation . . . . . . . . . . . . . . 130 5.1.2. Limit cycles in a system with saturation . . . . . . . . . . . . . 131 5.1.3. First order system . . . . . . . . . . . . . . . . . . . . . . . . . 131
INDICE GENERAL
5.1.4. Second-order system . . . . . . . . . . . . . . . . . . . . . . . . 133 5.2. Sotomayor-Llibre-Ponce bifurcation analysis . . . . . . . . . . . . . . . 133 5.2.1. Frequency domain interpretation of the Llibre-Ponce bifurcation analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135 5.2.2. Bounded attraction basin . . . . . . . . . . . . . . . . . . . . . 135 5.3. Control systems with a delay . . . . . . . . . . . . . . . . . . . . . . . . 136 5.3.1. Qualitative Analysis . . . . . . . . . . . . . . . . . . . . . . . . 137 5.3.2. A second-order system . . . . . . . . . . . . . . . . . . . . . . . 137 5.3.3. Qualitative Analysis . . . . . . . . . . . . . . . . . . . . . . . . 138 5.4. Summary of previous results . . . . . . . . . . . . . . . . . . . . . . . . 139
INDICE GENERAL
Cap tulo 1 Introducci on

1.1. El problema del control
Mediante el control autom atico se trata de concebir y construir los o rganos de control que gobiernen el comportamiento de las m aquinas. Tratamos de concebir m aquinas que alimentadas con informaci on con relaci on al comportamiento de las magnitudes que se quieren controlar, procesen convenientemente esta informaci on y concluyan c omo se ha de actuar para conseguir que la m aquina se comporte de la forma apetecida. Veamos un ejemplo matem aticamente muy simple de lo que estamos diciendo. En todo proceso de control est an involucrados dos componentes esenciales: la planta o proceso que se pretende controlar y el o rgano de control o controlador, con el que se gobierna el comportamiento de la planta. Para el dise no de este u ltimo, el ingeniero de control parte del sistema din amico que constituye el modelo matem atico de la planta a controlar. Este modelo matem atico describe los efectos relativos entre las distintas variables y los par ametros involucrados en el proceso. Adem as, el modelo matem atico permite tambi en la simulaci on inform atica del proceso real que se trata de controlar. De este modo las matem aticas intervienen con un papel crucial en la representaci on del proceso cuyo comportamiento se quiere automatizar. Supongamos, en un caso particularmente simple, que el modelo de la planta viene dado por la expresi on x =x+u (1.1)
En esta expresi on aparecen dos variables, la x que representa la magnitud a controlar y la u que representa la magnitud mediante la cual se ejerce el control. La se nal u representa los actuadores o entradas al proceso, y x es la se nal procedente de los sensores o salidas. Obs ervese que la expresi on anterior, pese a su sencillez formal, representa un problema particularmente dif cil. En ausencia de se nal de control, es decir para 1
CAP ITULO 1. INTRODUCCION
Planta
Controlador
Figura 1.1: Estructura de realimentaci on. u = 0, el sistema es inestable: la variable x crece exponencialmente. Precisamente uno de los objetivos b asicos que se pretende es estabilizar este sistema inestable. El ingeniero de control tiene que encontrar una estrategia de actuaci on sobre el sistema de modo que a partir de las medidas de la se nal x sea capaz de determinar la se nal de actuaci on u, de manera que el comportamiento resultante sea estable. A partir de la informaci on x que suministran los sensores se trata de obtener la acci on u de los actuadores; es decir, se quiere determinar una funci on u = f (x), que se conoce como ley de control. Para resolver este problema, en primer lugar, tiene que representar matem aticamente lo que pretende alcanzar, que como se acaba de ver es, en primera instancia, un comportamiento estable. Un posible comportamiento de este tipo para la variable x viene dado por x = kd x (1.2) en donde kd > 0. Esta es precisamente la representaci on matem atica de lo que queremos lograr. Obs ervese que eligiendo adecuadamente el par ametro kd podemos hacer que el comportamiento de x cuando se aproxima al equilibrio estable x = 0, lo haga con una trayectoria que puede ser elegida en funci on de los objetivos propuestos. Las especicaciones de comportamiento a partir de las cuales se adopta un valor para kd pueden ser muy variadas. Por ejemplo, podemos hacer que el valor cuadr atico medio de la desviaci on de la situaci on de equilibrio sea m nimo supuesto el sistema sometido a perturbaciones de tipo estoc astico. La teor a del control autom atico permite resolver el problema en muchas situaciones de inter es pr actico. Una vez planteado el problema su resoluci on es inmediata. Si se quiere el comportamiento (1.2) para el sistema representado por (1.1) bastar a con hacer u = (1 + kd )x que es la ley de control deseada. En efecto, llevando (1.3) a (1.1) se tiene (1.2). Para implantar la ley de control (1.3) se requiere una estructura de realimentaci on (1.3)
1.1. EL PROBLEMA DEL CONTROL
como la que se muestra en el diagrama de la gura 1. Esta estructura posee un enorme inter es y su estudio sistem atico constituye una de las grandes contribuciones de la ingenier a del control, que ha trascendido el propio dominio de la ingenier a para constituir una aportaci on tanto a las ciencias de la naturaleza como a las sociales y humanas. Por ello conviene que le dediquemos alg un espacio. Si observamos el diagrama de la gura 1 veremos que muestra una estructura causal circular, en virtud de la cual toda actuaci on u produce un efecto x que se realimentapara incidir en la decisi on del nuevo valor de u que se aplica al sistema, y as en una espiral sin n. Formalizaci on del problema abstracto del control (como en su d a formalizaron las representaciones geom etricas del hombre primitivo o las trayectorias de los primeros mec anicos), en una teor a matem atica de los sistemas realimentados que no es sino una rama de la teor a de sistemas din amicos. Esta formulaci on abstracta del problema del control consiste en considerarlo como el problema formado por:
1. El modelo matem atico de una planta o proceso a controlar, tal como el representado en (1.1). 2. Un comportamiento deseado para el proceso, al que en principio se exigir a que sea estable, por ejemplo, mediante una expresi on del tipo (1.2). Adem as se le impondr an otras condiciones adicionales, de modo que se cumplan ciertas especicaciones. 3. Se trata de determinar la ley de control de modo que actuando sobre el proceso se consiga el comportamiento deseado, lo que, para el ejemplo que ha de servido de motivaci on, se consigue con la ley de control (1.3).
Esta es la situaci on ideal con la que aspira a encontrarse el que trata de resolver un problema de control. Veremos luego, al considerar el caso del p endulo invertido, que en la pr actica hay que hacer importantes matizaciones a este esquema. El modelo matem atico del proceso a controlar de la expresi on (1.1) es un sistema din amico lineal. Las representaciones lineales de los procesos tienen la ventaja de que la teor a matem atica de sistemas din amicos lineales est a muy elaborada y su aplicaci on pr actica presenta considerables ventajas. Sin embargo, sabemos que constituye una primera aproximaci on, por lo que su capacidad de representar es limitada. Por ejemplo, el modelo lineal supone que las magnitudes pueden tomar valores en el intervalo (), lo que constituye una idealizaci on ya que toda magnitud f sica se desenvuelve en un rango acotado. Si el sistema posee componentes mec anicas, un modelo estrictamente lineal no considera los efectos de la fricci on o de las holguras en los mecanismos de transmisi on. El modelo lineal es solamente una primera aproximaci on que dependiendo del problema que se tenga entre manos puede ser suciente o no.
El problema del control tal y como se ha resuelto mediante las expresiones (1.1), (1.2) y (1.3) constituye una versi on enormemente simplicada de un problema que, a un en su planteamiento lineal, si x y u son vectores adquiere una considerable complejidad, que se incrementa adem as si los modelos son no lineales. Pero a un en esa versi on enormemente simplicada est an presentes todos los elementos que concurren en un problema de control. Tenemos un cierto a mbito de la realidad, el proceso a controlar, del que necesitamos una adecuada representaci on matem atica mediante un sistema din amico, tal como (1.1). Para llegar a esta representaci on matem atica necesitamos recurrir a los conocimientos que se tienen con relaci on al proceso en cuesti on; o recurrir a t ecnicas de modelado espec cas mediante ajuste de modelos. En todo caso partimos de una descripci on matem atica de un cierto aspecto de la realidad, de la que la expresi on (1.1) es una muestra particularmente sencilla.
1.2.
EL control lineal es local
Sea el sistema de segundo orden x = con ley de control u = Kx = k2 k1 El sistema en bucle cerrado es x = 0 1 a2 + k1 a1 + k2 x x 0 1 a2 a1 x+ 0 1 u
la din amica del sistema en bucle cerrado puede ser denida arbitrariamente, incluso en el caso de que la planta sea inestable. En realidad esto solo es cierto localmente. Las no linealidades en el bucle alteran la estructura del retrato de estados en el espacio de estados global.
Sistemas no lineales
Los sistemas no lineales muestran comportamiento mas complejos que los lineales.
1.2. EL CONTROL LINEAL ES LOCAL
Los sistemas no lineales presentan dos diferencial principales con respecto a los lineales: Pueden tener m ultiples atractores, no solo el atractor puntual asociado al punto de operaci on; Tres tipos principales de atractores: Puntos de equilibrio. Ciclos l mite. Atractores extra nos. En estas norteas s olo trataremos puntos de equilibrio y ciclos l mite. The full consideration of nonlinear eects is out of scrutiny
1.2.1.
Control Lineal y no Lineal - Estabilidad en Sistemas de Control
Uno de los principales problemas que se plantean en la teor a de control ha sido, desde sus or genes, el estudio de la estabilidad. Para sistemas lineales con dimensiones nitas es posible organizar las nociones de estabilidad de las que se dispone en torno a unos pocos conceptos b asicos que, adem as pueden caracterizarse de forma precisa en t erminos algebraicos. Sin embargo, los sistemas no lineales presentan una variedad de comportamientos mucho m as amplios de modo que la clasicaci on que es posible hacer en lineales, de estables y no estables, ya no lo es para el caso de sistemas no lineales. Un problema que se ha suscitado en el estudio de estos u ltimos es el establecer condiciones contrastables para analizar la estabilidad de un sistema sin conocer expl citamente sus soluciones. La contribuci on clave a este problema se basa en los trabajos de Liapunov. Su segundo m etodo de an alisis de estabilidad permite demostrar propiedades locales y globales de estabilidad a partir del signo de la tasa de disipaci on de una funci on tipo energ a. Posteriormente, otra contribuci on importante, fue el reconocimiento de que las funciones de Liapunov pueden captar la propia naturaleza de la estabilidad asint otica y que la existencia de esas funciones, con adecuadas propiedades de disminuci on a lo largo de las trayectorias del sistema, permiten caracterizar tanto local como globalmente la estabilidad asint otica. M as recientemente, la teor a de la pasividad y la estabilidad-estado (ISS) permiten extender a sistemas de control (sistemas con al menos una entrada) todo el cuerpo de resultados que se ten an para sistemas aut onomos. Las desigualdades de disipaci on y el segundo m etodo de Liapunov juegan un papel central en los llamados m etodos constructivos de control no lineal recientemente desarrollados. Normalmente se aplican a sistemas de dimensiones nitas.
Parte I An alisis
Cap tulo 2 An alisis cualitativo de sistemas din amicos

2.1. Formalizaci on del concepto de sistema din amico
Noci on intuitiva de sistema din amico: conjunto de componentes conectados entre ellos de modo que presenten un comportamiento coordinado y realicen una tarea determinada. Se consideran sistemas: a cuyos componentes se asocian magnitudes xi ; algunas magnitudes representan el cambio con el tiempo de otras: El modelo matem atico se construye a partir de las relaciones entre las correspondientes variables. Nos ocuparemos fundamentalmente de sistemas din amicos dados por ecuaciones diferenciales o en diferencias: son los sistemas din amicos de variables continuas La noci on de sistema din amico incluye el conjunto X de los posibles estados que puede alcanzar y una regle o ley que regula la evoluci on de los estados en el tiempo. Espacio de estados Los posibles estados de un sistema se representan mediante puntos de un conjunto X . Este conjunto recibe la denominaci on de espacio de estados. Ejemplo: 9
10
CAP ITULO 2. ANALISIS CUALITATIVO DE SISTEMAS DINAMICOS
Figura 2.1: P endulo. S = { } } R = { X = S R X es un cilindro (una variedad). El principal componente de un sistema din amico es una regla de evoluci on que determina el estado xt a partir de x0 . Esta regla se representa mediante la aplicaci on t : X X xt = (x0 ) t se denomina operador de evoluci on. Para sistemas en tiempo continuo la familia {t }tT de operadores de evoluci on se denomina ujo. A un sistema din amico (X, f ) se asocia un espacio de estados X y una aplicaci on t : X X que permite establecer la evoluci on en X .
2.2.
Crecimiento log stico o acotado
La estructura de realimentaci on positiva permite dar raz on del proceso de crecimiento. Sin embargo, sabemos que en la realidad todo proceso de crecimiento acaba por abortarse tarde o temprano. No existe el crecimiento indenido (m as que en situaciones extremas idealizadas). La forma de crecimiento con la que normalmente nos
2.2. CRECIMIENTO LOG ISTICO O ACOTADO

crecimiento exponencial comportamiento asintotico
,
11
Figura 2.2: Crecimiento log stico o sigmoidal. encontramos es la que se conoce como crecimiento log stico o sigmoidal. Esta forma de crecimiento se muestra en la gura 3.1, y consta de una fase inicial de crecimiento aproximadamente exponencial seguida de una segunda fase de estabilizaci on. Este comportamiento puede explicarse combinando un bucle de realimentaci on positiva, responsable del crecimiento exponencial inicial, y de un bucle de realimentaci on negativa, al que se asocie el comportamiento estabilizador nal. En la fase inicial el bucle de realimentaci on positiva es el dominante, mientras que en la nal lo es de realimentaci on negativa. El cambio de dominaci on de los bucles se explica mediante la presencia de mecanismos no lineales. Esta estructura permite explicar el crecimiento en problemas muy variados; desde el crecimiento de una poblaci on en un medio nito hasta la introducci on de un nuevo producto en el mercado, pasando por la difusi on de una enfermedad. Constituye un ejemplo de lo que se conocen como arquetipos sist emicos que pueden considerarse como plantillas estructurales para la descripci on de aspectos sist emicos de la realidad. Estos arquetipos son el resultado de la experiencia en modelado y pueden considerarse como descripciones fenomenol ogicas del comportamiento de los sistemas. Aportan sugerencias sobre la estructura b asica del sistema, sin ninguna pretensi on de unicidad. Un ejemplo concreto de crecimiento en un medio acotado lo suministra el modelo de crecimiento de un poblaci on, que se puede escribir: x = b(x) d(x), x > 0, (2.1)
en donde b(x) = nxg (x) son los nacimientos, d(x) = mx son las muertes, y x representa
12
f(x)=1+2x-3x2 (=1/3) f(x)=1+x-2x2 (=1/2)
f(x)=1-x2 (=1)
Figura 2.3: Forma de la funci on g (x) para distintos valores del par ametro . la derivada (variaci on) de x con respecto al tiempo t. De acuerdo con esta ecuaci on el crecimiento de la poblaci on x resulta del exceso de nacimientos sobre muertes. Conviene observar que las muertes dependen linealmente de la poblaci on x, mientras que los nacimientos dependen de x a trav es de la funci on g que hace variar la tasa de natalidad con el nivel alcanzado por la poblaci on x. Una hip otesis razonable es que g es no lineal, y tiene la forma cualitativa que se muestra en la gura 2.3. De acuerdo con esta gura cuando la poblaci on es muy peque na la natalidad crece con la poblaci on, mientras que cuando es grande decrece. Esta forma de g es consistente con el supuesto del crecimiento sigmoidal seg un el cual en las fases iniciales de crecimiento este es explosivo, y en las nales tiende a un valor asint otico. De la curva g lo u nico que nos interesa es su forma creciente al principio y decreciente luego; es decir, su forma cualitativa. Podemos adoptar para ella la expresi on matem atica siguiente: g (x) = 1 + 1 x x2 , (0, 1] .
es decir, una forma parab olica (gura 2.3). De acuerdo con lo que se ha visto, la expresi on (2.1) puede escribirse x = x(ng (x) m). Esta expresi on es un ejemplo de lo que se conoce como un sistema din amico. Su parte derecha puede interpretarse como la regla que establece como se produce la variaci on x
2.2. CRECIMIENTO LOG ISTICO O ACOTADO
13
de x a lo largo del tiempo. Esta expresi on puede interpretarse tambi en como un campo vectorial x denido sobre X = {x}. En general, un sistema din amico se dene como el objeto formado por un espacio de estados X (una variedad) y un campo vectorial f , denido en X sistema din amico = variedad de estados X + campo vectorial f De acuerdo con ello un sistema din amico se dene por el par (X, f ). Una de las formulaciones m as generales de un sistema din amico, mediante un sistema de ecuaciones diferenciales de primer orden, es la siguiente x = f (x) (2.2)
en donde la funci on f establece la regla mediante la cual se produce el cambio del estado a lo largo del tiempo y representa la din amica del sistema xt+dt = xt + f (xt )dt. Existen otras formulaciones para la transici on entre estados, que dan lugar a otras tantas formas de escribir sistemas din amicos. Sin embargo aqu nos limitaremos a la que se acaba de enunciar. El espacio X tiene, en general, dimensi on n, de modo que (2.2) se descompone en un conjunto de ecuaciones de la forma: x i = fi (x1 , x2 , ..., xn ) a cada una de las cuales corresponde una relaci on de inuencia dXi X1 , X2 , ...Xn dt (2.3)
(2.4)
De este modo es posible concebir una transici on de los grafos, mediante relaciones de inuencia, que se han considerado anteriormente (recu erdese la gura ??), a sistemas din amicos como los de la expresi on (2.2). Conviene observar que para esta transici on hay que enriquecer la informaci on estructural de las relaciones de inuencia con informaci on adicional. La din amica de sistemas, como m etodo para el modelado y simulaci on de sistemas din amicos, aporta herramientas conceptuales e inform aticas para realizar esa transici on (Aracil y Gordillo 1997).
2.2.1.
Retrato de estados de sistemas no lineales
Cada atractor tiene su cuenca de atracci on.
14
CAP ITULO 2. ANALISIS CUALITATIVO DE SISTEMAS DINAMICOS Los sistemas lineales tienen retratos de estado sencillos:
Phase Plane 1 0.8 0.6 0.4 0.2 x2 0 0.2 0.4 0.6 0.8 1 1 0.5 0 x1 0.5 1
Los sistemas no lineales tienen retratos de estado m as complejos:

2 1.5
0.5 x2/pi
0.5
1.5
2 2
1.5
0.5
0 x1/pi
0.5
1.5
La teor a global se ocupa de la forma en que los atractores y sus cuencas de atracci on se combinan en el retrato de estados.
2.3.
Sistemas Din amicos Lineales
Aunque el objetivo de este curso es el estudio de sistemas din amicos en toda su generalidad, por tanto no lineales, conviene recordar algunos resultados relativos a los sistemas din amicos lineales, ya que, como veremos, los sistemas din amicos no lineales se comportan localmente como lineales. Un sistema din amico lineal viene dado por una expresi on de la forma x = Ax, x IRn
2.3. SISTEMAS DINAMICOS LINEALES
15
en donde A es una matriz n n constante que tiene todos sus valores propios reales y distintos. Un resultado bien conocido de la teor a de sistemas lineales dice que si los valores propios 1 , 2 , ..., n de una matriz A son reales y distintos, entonces todo el conjunto de vectores propios correspondientes {v1 , v2 , ..., vn } forma una base de IRn , en cuyo caso la matriz P = [v1 , v2 , ..., vn ] es invertible y P 1 AP = diag[1 , 2 , ..., n ] y = P 1 x en donde P es la matriz invertible anterior. Se tiene entonces y = P 1 AP y de donde se tiene que y (t) = diag[e1 t , e2 t , ..., en t ]y (0) y tambi en x(t) = P diag[e1 t , e2 t , ..., en t ]P 1 x(0)
si se realiza el cambio de coordenadas
Ejemplo: Sea el sistema lineal x 1 = x1 3x2 x 2 = 2x2 (2.5) (2.6)
on del sistema siendo x(0) = (c1 , c2 )T . De acuerdo con la anterior se tiene que la soluci lineal es x1 = c1 et + c2 (et e2t ) x1 = c2 e2t (2.7) (2.8)
En el caso en el que la matriz A tenga valores propios reales y complejos, y adem as algunos de ellos sean m ultiples, se tiene un resultado an alogo al anterior, pero de mayor complejidad. Sea A una matriz real que posea los valores propios reales i , i = 1, ..., k y los valores propios complejos i = ai + jbi , i = ai jbi , i = k + 1, ..., n
Entonces existe una base para R2nk {v1 , ..., vk , vk+1 , uk+1, ..., vn , un }
16
en donde vi , i = 1, ..., n y wi = ui jvi , i = 1, ..., n son los vectores propios generalizados de A, tal que P = [v1 ...vk vk+1 uk+1 ...vn un ] es una matriz invertible y P 1 AP = B1 .. . Br donde los bloques elementales de Jordan 1 0 0 0 son de la forma 0 0 1 0 0 1 0 0
para un valor propio real m ultiple de A, o bien de la forma D I2 0 0 0 D I2 0 0 0 D I2 0 0 0 D en donde D= a b b a 1 0 0 1 0 0 0 0
I2 =
y0=
para un valor propio complejo m ultiple = a + bj de A. La soluci on 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 dimensiones x = Ax x R2 (2.9) en donde A es una matriz real. En tal caso existe una matriz P real y no singular tal que B = P 1AP tiene una de las formas siguientes: B= 0 0 , B= 1 0 yB= a b b a
2.3. SISTEMAS DINAMICOS LINEALES La soluci on del sistema din amico lineal en este caso es de la forma: x = Bx x(0) = x0 que se convierte en cada uno de los tres casos anteriores en x(t) = et 0 0 et x0
17
(2.10)
x(t) = et y x(t) = eat
1 t 0 1
x0
cos bt sin bt sin bt cos bt
x0
El comportamiento de las soluciones de (2.9) se deduce del de (2.10). En la pr oxima secci on se presentar a un resultado m as detallado.
2.3.1.
Sistemas din amicos aut onomos lineales de dimensi on dos
Los sistemas lineales bidimensionales son una clase particular de sistemas aut onomos 2 2 = f(x) en los que el campo vectorial f : R R est a dado por una de dimensi on dos x = Ax, funci on lineal. Es decir un sistema lineal plano puede ser escrito de la forma x donde: x1 a11 a12 x= , A= . x2 a21 a22 A continuaci on se presentan algunas propiedades de los sistemas lineales bidimensionales, que son extensibles a sistemas de orden superior. = Ax est Las soluciones de un sistema lineal x an denidas para todo t R. = Ax, y c1 y c2 son dos n Si x1 (t) y x2 (t) son soluciones del sistema x umeros reales, en soluci on del sistema lineal. entonces la combinaci on lineal c1 x1 (t) + c2 x2 (t) es tambi A esto se le denomina principio de superposici on. = Ax se dice que son linealmente indeDos soluciones x1 (t) y x2 (t) del sistema x pendientes si para t R, la relaci on c1 x1 (t) + c2 x2 (t) = 0
18
implica que c1 = c2 = 0. La independencia lineal se comprueba si det(x1 (t)|x2 (t)) = 0 para todo t R. = Ax entonces la matriz X(t) = Si x1 (t) y x2 (t) son soluciones del sistema x (x (t)|x2 (t)) se denomina matriz soluci on ; si adem as las soluciones x1 (t) y x2 (t) son linealmente independientes para todo t R, entonces se dice que X(t) es una matriz = Ax. fundamental de soluciones de x
1
= Ax y cumple la condici Si X(t) es una matriz fundamental de soluciones de x on inicial X(0) = I (matriz identidad), entonces se dice que es una matriz principal de soluciones. Si X(t) es una matriz fundamental de soluciones, la soluci on de la ecuaci on difer = Ax que satisface la condici encial x on inicial x(0) = x0 est a dada por la expresi on: (t, x0 ) = eAt x0 , donde eAt X(t)[X(0)]1 .
Equivalencia cualitativa en sistemas lineales = Ax y x = Bx se dice que son Dos sistemas lineales de dimensi on dos x topol ogicamente equivalentes si hay un homeomorsmo h : R2 R2 en el plano, tal = Ax en las que, h es continua y con inversa continua, que transforma las o rbitas de x = Bx y conserva su sentido en el tiempo. Es decir: de x h(eAt x) = eBt h(x) para todo t R y x R2 . A continuaci on, y dado el car acter restrictivo de la equivalencia lineal de sistemas, se presentan dos teoremas sobre la equivalencia topol ogica de sistemas y su clasicaci on cualitativa. Teorema 2.1. Sean dos matrices A y B que tienen autovalores con parte real dis = Ax y x = B x son tinta de cero (sistemas hiperb olicos), entonces los sistemas x topol ogicamente equivalentes si y s olo si las matrices A y B tienen el mismo n umero de autovalores con parte real negativa (y por consiguiente tambi en positiva). As pues, en sistemas planos, hay tres clases de sistemas hiperb olicos lineales, que pueden representarse simplicadamente como: (i) 1 0 0 1
tiene dos autovalores negativos, es un sumidero hiperb olico.
2.3. SISTEMAS DINAMICOS LINEALES (ii) (iii) 1 0 0 1 1 0 0 1 tiene dos autovalores positivos, es una fuente hiperb olica.
19
un autovalor positivo y otro negativo, punto de silla hiperb olico.
Teorema 2.2. Si la matriz de coecientes A tiene al menos un autovalor con parte = Ax es topol real nula (sistema no hiperb olico), entonces el sistema plano lineal x ogicamente equivalente a uno de los siguientes cinco sistemas lineales:
(i) (ii)
0 0 0 0
matriz cero. Cualquier o rbita es un punto de equilibrio.
1 0 un autovalor negativo y otro cero. Los conjuntos -l mite (nales) 0 0 de todas las o rbitas positivas (hacia adelante) son puntos de equilibrio.
(iii)
1 0 un autovalor positivo y otro cero. Los conjuntos -l mite (inicio) de 0 0 todas las o rbitas negativas (hacia atr as) son puntos de equilibrio. 0 1 dos autovalores nulos pero es de rango 1. Todas las o rbitas, positivas 0 0 y negativas, que no sean puntos de equilibrio no est an limitadas. 0 1 dos autovalores imaginarios puros. Cada o rbita que no sea un equi1 0 librio es peri odica.
(iv)
(v)
En la gura 2.4 se muestra el diagrama de fases de cada una de las clases representativas de equivalencia topol ogica de sistemas lineales denidas en los teoremas anteriores. Dentro de la clasicaci on de sistemas hiperb olicos realizada en el teorema 2.1 se pueden denir varios tipos de equilibrios, estables e inestables, dependiendo de si los autovalores son complejos o reales.
2.3.2.
Estabilidad
Si todos los valores propios de una matriz no singular A de dimensi on n n tienen parte real no nula, se dice que el ujo eAt : IRn IRn
20
x2
x2
x2
x1
x1
x1
1 0 0 1
1 0 0 1
1 0 0 1
x2
x2
x2
x1
x1
x1
0 0 0 0
1 0 0 0
1 0 0 0
x2
x2
x1
x1
0 1 0 0
0 1 1 0
Figura 2.4: Diagrama de fases de la clases representativas de equivalencia topol ogica de sistemas lineales planos.
2.3. SISTEMAS DINAMICOS LINEALES
21
es hiperb olico. El punto de equilibrio u nico x = 0 se dice que es un punto de equilibrio hiperb olico. Un punto de equilibrio hiperb olico puede ser o bien un pozo, si todos los valores propios tienen parte real estrictamente negativa o bien, una fuente si todos los valores propios tienen parte real estrictamente positiva, o bien un punto de silla o ensilladura si los valores propios tienen signos diferentes. Veamos con detalle el caso de un sistema lineal de dos dimensiones. Si x = 0 es un pozo o una fuente, las soluciones se acercan a (o se separan de) x = 0 de dos formas, o bien bajo la forma de nodo, o bien bajo la forma de foco. Sea = det A y = trazaA y consid erese el sistema lineal x = Ax x IRn El punto de equilibrio x = 0 es (Fig 2.5) Una ensilladura si < 0 Un nodo estable si > 0, Un nodo inestable si > 0, Un foco estable si > 0, Un foco inestable si > 0, Un centro si > 0, =0 2 4 0, y < 0 2 4 0, y > 0 2 4 < 0, y < 0 2 4 < 0, y > 0
Los valores propios de A se pueden escribir: 2 4 = 2 En el caso general para n 1 se tiene lo siguiente. De acuerdo con lo que se ha visto anteriormente la soluci on de un sistema lineal x = Ax x IRn x(0) = x0 (2.11)
22
x2
x2
x1 x1
Nodo estable: Autovalores reales negativos.
Foco estable (sumidero): Autovalores complejos con parte real negativa.
x2
x2
x1
x1
Nodo inestable (fuente): Autovalores reales positivos.
Foco inestable: Autovalores reales con parte real positiva.
Figura 2.5: Diagrama de fases de la clases representativas de equilibrios hiperb olicos.
2.3. SISTEMAS DINAMICOS LINEALES se escribe x(t) = eAt x0
23
La aplicaci on eAt : IRn IRn describe el comportamiento del punto x0 IRn a lo largo de las trayectorias de (2.11). Un subespacio E IRn se dice invariante bajo el ujo eAt : IRn IRn si eAt E E para todo t R. Sea E el espacio de los vectores propios generalizados de A correspondientes a un valor propio , entonces, AE E Para demostrar este resultado sea {v1 , v2 , ..., vk } un base de E formada por los vectores propios generalizados. Sea v E ,
k
v=
i=1
ci vi
y, por linealidad,
k
Av =
i=1
ci Avi
Como cada vi verica
(A I )ki vi = 0
para un cierto ki m nimo, se puede escribir (A I )vi = Vi o lo que es lo mismo Vi (A I )ki 1 E . Se deduce que Avi E y por tanto Av E . Sea wi = ui + jvi un vector propio generalizado de la matriz A, correspondiente al valor propio i = ai + jbi . Consideremos igualmente la base IRn B = {u1 , ..., uk , uk+1, vk+1 , ..., um , vm } n = 2m k , entonces, E s = span{ui , vi ; ai < 0} es el subespacio estable, E c = ai = 0} es el subespacio central, E u = span{ui , vi ; ai > 0} es el span{ui, vi ; subespacio inestable, asociados a (2.11). Utilizando el lema anterior se puede demostrar la propiedad siguiente de los subespacios estable, inestable y central:
24
CAP ITULO 2. ANALISIS CUALITATIVO DE SISTEMAS DINAMICOS Sea A una matriz real de dimensi on n n, entonces IRn = E s E u E c
en donde E s , E u y E c son respectivamente los subespacios estable, inestable y central de (2.11). Adem as E s , E u y E c son subespacios invariantes bajo el ujo eAt de (2.11). Conviene observar que las propiedades siguientes son equivalentes:
todos los valores propios de A tienen parte real estrictamente negativa, xo IRn , y para x0 = 0, adem as, l mt eAt x0 = 0 l mt eAt x0 =
todos los valores propios de A tienen parte real estrictamente positiva, xo IRn , y para x0 = 0, l mt eAt x0 = 0 l mt eAt x0 =
2.4.
Sistemas din amicos no lineales
Despu es del repaso que se ha hecho en la secci on anterior de algunos resultados generales sobre sistemas lineales de la forma x = Ax, x(0) = x0
ahora vamos a estudiar los sistemas din amicos no lineales x = f (x), x(0) = x0 (2.12)
con ello dispondremos tambi en de resultados para el estudio de sistemas de control no lineales x = f (x, u), x(0) = x0 y = h(x) (2.13) (2.14)
2.5. PROPIEDADES DE LAS SOLUCIONES puesto que siempre que se tenga una ley de control de la forma u = k (x) se tendr a que el sistema realimentado correspondiente tomar a la forma x = f (x, k (x)), x(0) = x0 y = h(x) lo que lo convierte en un sistema din amico no lineal (2.12).
25
El estudio de los sistemas din amicos no lineales comprende dos partes: una m as elemental de car acter 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 hiperb olico; y una parte m as espec ca en la que se ponen en evidencia comportamientos completamente nuevos con relaci on a los que presentan los sistemas lineales.
2.5.
2.5.1.
Propiedades de las soluciones

Existencia y unicidad de las soluciones
Consid erese en primer lugar el sistema din amico x = 3x 3 ,

2
x(0) = x0
(2.15)
para cuya integraci on conviene recordar que xk dx = xk+1 k+1
El sistema din amico anterior puede escribirse de la forma dx 3x 3 La integraci on del primer miembro es x
2 3
2
= dt
dx =
x3
1 3
por lo que la integraci on de la ecuaci on anterior conduce a x 3 (t) x 3 (0) = t

1 1
26 Es decir
CAP ITULO 2. ANALISIS CUALITATIVO DE SISTEMAS DINAMICOS x (t) = t3 x (t) = 0
Pero, adem as, es f acil ver que tambi en es una soluci on del sistema din amico que satisface las condiciones iniciales. Por tanto el sistema din amico anterior posee dos soluciones. Conviene observar que (2.15) es continua en x = 0 pero que no es diferenciable. Este hecho justica el que la soluci on no sea u nica y sugiere la necesidad de que el sistema sea diferenciable para tener la unicidad. Aqu no profundizaremos en estas cuestiones, por ser m as propias de un curso de matem aticas, pero sin embargo si conviene esbozarlas para no olvidar las sutilezas matem aticas que presentan los sistemas din amicos no lineales. Sea f C 1 (U ) en donde U es un abierto de IRn . Se dice que x (t) es una soluci on de la ecuaci on diferencial no lineal x = f (x) sobre un intervalo Y , si x (t) es diferenciable sobre Y y = f ( x x) para todo t I . Po otra parte sea x0 U . x (t) es una soluci on del problema con valor inicial x = f (x) x(0) = x0 sobre un intervalo Y , si t0 I, x (t0 ) = x0 y si x (t) es una soluci on de la ecuaci on diferencial no lineal x = f (x) sobre el intervalo Y . Hay un teorema, que no vamos a demostrar aqu , que dice que si U es un abierto n 1 de IR que contiene x0 y supongamos que f C (U ), entonces existe un > 0 tal que el problema con valor inicial x = f (x) x(0) = x0 tiene una soluci on u nica x (t) sobre el intervalo [, ].
2.5.2.
Flujo denido por un sistema din amico
Sea U un abierto de IRn y sea f C 1 (U ). Para x0 U sea (t, x0 ) la soluci on del problema con valor inicial (2.16) x = f (x) x(0) = x0
2.5. PROPIEDADES DE LAS SOLUCIONES
27
denida sobre un intervalo m aximo de existencia I (x0 ). Entonces para t I (x0 ) la aplicaci on t : U U x0 t (x0 ) = (t, x0 ) se denomina ujo de la ecuaci on diferencial (2.16) o ujo del campo de vectores f (x). En lo que sigue se emplear a la anotaci on = {(t, x0 ) R U ; t I (x0 )} Las propiedades del ujo lineal t : IRn IRn x0 t (x0 ) = eAt x0 se cumplen tambi en para un ujo no lineal denido por (2.16).
2.5.3.
Sistema din amico como ujo
La aplicaci on : IR IRn IRn representa la totalidad de las soluciones; se denomina ujo del campo vectorial f (por analog a con el ujo de un uido). La es tambi en la din amica o regla que especica como se transforma el estado x X en otro estado t (x) en el tiempo t. Propiedades naturales del operador : on identidad. 0 es la aplicaci Si el sistema es aut onomo entonces t s = t+s Si t est a denido para todo t < 0, entonces el sistema es invertible y
1 t = t
Si t IR, IR+ se dice que el tiempo es continuo. Si t Z,Z+ el tiempo es discreto.
Se supone que
28
CAP ITULO 2. ANALISIS CUALITATIVO DE SISTEMAS DINAMICOS X es un conjunto cerrado en IRn . Las aplicaciones t son continuas. t Z+ o IR+ . El sistema din amico es determinista.
De momento supondremos que el sistema din amico es aut onomo. Esta suposici on la relajaremos m as adelante al considerar sistemas de control. Un sistema din amico (X, f ) es el objeto formado por un espacio de estados X (una variedad) y un campo vectorial f , denido en X IRn , f C (x, x) y T = IR. dx = f (x) dt En autom atica un sistema din amico es un objeto matem atico formado por el s extuplo (T, X, U, Y, f, g ). dx = f (x, u) dt y = g (x) Un sistema din amico en tiempo discreto est a completamente denido mediante 1 la aplicaci on de una paso f = 2 = 1 1 = f f = f 2 f 2 es la iteraci on de dos pasos.
2.5.4.
Orbitas y retratos de estados
Los m etodos geom etricos para el estudio de sistemas din amicos est an basados en im agenes geom etricas. Los objetos geom etricos b asicos asociados a un sistema din amico son las orbitas y el retrato de estados. A partir de un estado inicial x0 se genera la trayectoria t (x0 ) = x(t) La proyecci on de la trayectoria sobre X se denomina orbita.
2.5. PROPIEDADES DE LAS SOLUCIONES Se dene como un subconjunto ordenado de X Or(x0 ) = {x X |x = t (x0 ), t T }
29
Las o rbitas son curvas en sistemas en tiempo continuo y secuencias de puntos en sistemas en tiempo discreto. El retrato de estados de un sistema din amico es una representaci on de sus o rbitas en el espacio de estados (la representaci on gr aca y esquem atica de un conjunto representativo de ellas). El retrato de estados muestra el n umero y los tipos de los estados asint oticos a los que tiende el sistema al hacer t . puede interpretarse como el ujo de un uido.
2.5.5.
Puntos de equilibrio
Un punto x0 IRn es un punto de equilibrio o un punto cr tico de la ecuaci on diferencial x = f (x) (2.17) si f (x0 ) = 0 A un sistema din amico (2.17) se asocia la matriz f1 (x0 ) x1 . . J x 0 ( f ) = Dx f = . jacobiana
f1 (x0 ) xn
... .. . fn (x0 ) . . . x1
. . . fn (x0 ) xn
El sistema lineal x = J x 0 (f )x se llama linealizaci on de (2.17) en el punto x0 . Un punto de equilibrio se dice que es un punto de equilibrio hiperb olico de (2.17) sin ning un valor propio de la matriz jacobiana tiene parte real nula. Conviene observar que si x0 es un punto de equilibrio de (2.17) y si t : U IRn es el ujo de la ecuaci on diferencial (2.17) entonces t (x0 ) = x0 para todo t R. Por tanto x0 es un punto jo para el ujo t ; se dice tambi en que es un 0, un punto cr tico o tambi en un punto singular el campo de vectores f . Como en el caso lineal, un punto de equilibrio hiperb olico se dir a que es un pozo si todos su valores propios tienen parte
30
real estrictamente negativa, una fuente si todos su valores propios tienen parte real estrictamente positiva o, por u ltimo, una ensilladura o un punto de silla si los valores propios tienen signos diferentes. Ejemplo Sea el sistema din amico f (x) =
2 x2 1 x2 1 2x2
Para estudiar los puntos de equilibrio de este sistema hay que resolver el sistema de ecuaciones 2 x2 1 x2 1 = 0 2x2 = 0 que conduce a x2 1 1 = 0 x1 = 1
T T x2 x1 e = [1, 0] e = [1, 0]
por lo que se tiene que el sistema presenta dos puntos de equilibrio,
La matriz jacobiana de este sistema din amico es J= que en el equilibrio x1 e se convierte en J (x1 e) = 2 0 0 2 2x1 2x2 0 2
cuyos autovalores son positivos por lo que es una fuente. Por otra parte, en el equilibrio x2 e la matriz jacobiana toma la forma J (x2 e) = 2 0 0 2
por lo que este punto de equilibrio es una ensilladura.
2.5.6.
Linealizaci on
Si un punto de equilibrio de (2.17) es hiperb olico, entonces el comportamiento de las soluciones en un entorno de este punto es semejante al comportamiento de las soluciones
31
del sistema linealizado de (2.17) en este punto. En lo que sigue, se supondr a que el punto de equilibrio es el origen. Si este no fuese el caso se realizar a el cambio de coordenadas x x x0 Todos los resultados que se exponen a continuaci on son v alidos localmente entorno al punto de equilibrio considerado (es decir, el origen). Sea U un abierto de x0 IRn que contiene el origen, sea f C 1 (U ) y sea t el ujo asociado al sistema no lineal (2.17). Supongamos que el origen es un punto de equilibrio hiperb olico y que J0 f tiene valores propios con parte real estrictamente negativa y n k valores propios con parte real estrictamente positiva. Entonces existe una supercie C 1 , S s de dimensi on k y una supercie C 1 , S u de dimensi on n k respectivamente, tangente al espacio estable E s y tangente al espacio inestable E u asociados a la linealizaci on de (2.17) en el origen x = J x 0 (f )x Adem as, estas supercies son invariantes bajo el ujo t t (S s ) S s ; t (S u ) S u para todo t 0 y
t
l m t (x0 ) = 0,
x0 S s
l m t (x0 ) = 0, x0 S u
Por otra parte, para el caso en que exista una variedad de centros, se tiene el siguiente resultado. Sea f C 1 (U ) en donde U es un abierto de IRn que contiene al origen y r 1. Sup ongase que el origen sea un punto de equilibrio de (2.17) y que J0 f tenga m valores propios con parte real negativa, j valores propios con parte real positiva y m = n j k valores reales nula. Entonces existe una supercie C r , S c , eventualmente no u nica, de dimensi on m tangente al espacio central E c en el origen e invariante bajo el ujo t . Ejemplo: Sea el sistema x 1 = x2 1 x 2 = x2 El subespacio estable E s del sistema linealizado en el origen ( unico punto de equilibrio) es el eje x2 y el subespacio central E c es el eje x1 . El resultado anterior predice la existencia de una supercie invariante central, bajo el ujo y tangente al eje x1 en el
32
2 = 0. Sin origen. El propio eje x1 es la tal supercie puesto que x2 = 0 implica x embargo, hay otras supercies centrales. En efecto, la soluci on que pasa por el punto (c1 , c2 ) con c1 < 0 viene dada por la soluci on particular de x2 dx2 = 2 dx1 x1 es decir, La curva x2 = es invariante bajo el ujo. Por n, la curva x2 es tangente al origen. Es por tanto una supercie central. Conviene observar que en este ejemplo las supercies centrales son de hecho centrales. El resultado siguiente viene a completar los precedentes. Con el se puede precisar el hecho de que siempre en un entorno de un punto de equilibrio hiperb olico el sistema din amico no lineal y su linealizado entorno a este punto tiene la misma estructura cualitativa. x2 = c2 e c2 e
c1
1
c1
e x1
e x1 , x1 < 0 0 x1 0
2.5.7.
Linealizaci on de un sistema din amico en IRn
Para un equilibrio p se dene la matriz jacobiana A= fi xj
En torno a p el sistema din amico toma la forma linealizada dx = Ax dt Sean 1 , . . . , n los autovalores de A en un equilibrio p. Si Re(k ) < 0, k = 1, ..., n entonces p es un atractor. Si p es un atractor entonces Re(k ) 0, k = 1, ..., n olico. Cuando Re(k ) < 0, k se dice que p es un atractor hiperb Sup ongase que p es un atractor hiperb olico para un sistema din amico f . En tal caso existen innitos sistemas din amicos fi que tienen un atractor hiperb olico cerca de p. Se dice que p es persistente ante perturbaciones de f .
33
Los autovalores de la matriz jacobiana A = [aij ] dependen de forma continua de los valores de sus elementos aij . En un equilibrio las desigualdades entre autovalores (del tipo i > 0, o similares) se mantienen para peque nos cambios en los par ametros. En los centros que se denen por igualdades del tipo Re() = 0, cualquier peque na perturbaci on de los valores de los par ametros destruir a presumiblemente la igualdad. Condici on necesaria para que un sistema sea estructuralmente estable es que sus equilibrios (y tambi en sus ciclos l mite) sean hiperb olicos. Para que al menos uno de los autovalores sea nulo, y por tanto el sistema pierda la hiperbolicidad, det A = 0.
2.5.8.
Equivalencia topol ogica
Sean dos sistemas din amicos x = f (x) x = g (x) (2.18) (2.19)
Estos dos sistemas se dice que son topol ogicamente equivalentes, o que tienen la misma estructura cualitativa, sobre un entorno del origen, si existe un homeomorsmo H tal que, trayectorias de (2.18) trayectorias de (2.19) de modo que H preserva la orientaci on (la naturaleza de la estabilidad). Si adem as este homeomorsmo preserva la parametrizaci on H (t (x)) = t (H (x)) amicos (1) y (2) en donde t y t son respectivamente los ujos de los sistemas din entonces se dice que estos dos sistemas son topol ogicamente conjugados. Sea U un abierto de IRn que contenga al origen. Sea f C 1 (U ) y sea t el ujo del sistema no lineal x = f (x) Sup ongase que el origen es un punto de equilibrio hiperb olico. Entonces este sistema din amico y su linealizado entorno al origen x = J x 0 (f )x
34
son topol ogicamente conjugados sobre un intervalo abierto I0 R. Bajo estas hip otesis existe un homeomorsmo H que verica H t (x0 ) = e(J0 f ) H (x0 ) Ejemplo: Sea el sistema din amico x 1 = x1 x 2 = x2 + x2 1 Sus trayectorias para x1 (0) = c1 y x2 (0) = c2 son x1 = c1 et x2 = c2 et + Por otra parte J0 f = c2 1 t (e e2t ) 3
1 0 0 1
Se puede demostrar que este sistema y su linealizado son topol ogicamente equivalentes utilizando el homeomorsmo H (x1 , x2 ) = x1 2x2 +
x2 1 3
2.5.9.
Conjuntos l mite y equilibrios
Conjunto l mite (x) Se dene el conjunto l mite de un sistema din amico como el conjunto formado por los puntos de X tales que y (x) tk , 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, t p = (p) un equilibrio se representa por un punto en el retrato de estados y es la m as simple de las o rbitas.
2.6. CICLOS Y ATRACTORES Ciclo l mite de per odo T0 > 0 Un ciclo l mite es una trayectoria tal que x(t + T0 ) = x(t), t En la gura 2.6 se muestra el retrato de estados del sistema din amico dx = x y x(x2 + y 2 ) dt dy = x + y y (x2 + y 2 ), dt
35
-1
-1
Figura 2.6: Retrato de estados de un sistema de dimensi on 2, mostrando un ciclo l mite. Sea el sistema din amico: dx = f (x) x(0) = x0 dt
Un equilibrio es un p : f (p) = 0. Un ciclo l mite es una soluci on peri odica de esta ecuaci on diferencial.
2.6.
Ciclos y atractores
Despu es de la descripci on del comportamiento de las soluciones en un entorno de un punto de equilibrio interesa estudiar el comportamiento entorno de otros conjuntos
36

1.5
.75
x0
-.75
-1.5 0 2 4 6 8 10 12 14
16
18
20
22
24
26
28
30
Figura 2.7: Comportamiento oscilatorio de un sistema con un atractor tipo ciclo l mite. l mites. Los m as notables de ellos son las o rbitas peri odicas, los bucles homocl nicos, los ciclos separadores o los atractores extra nos. Para su estudio se debe adoptar una perspectiva global de los sistemas din amicos no lineales.
2.6.1.
Conjuntos l mite y atractores
Consid erese de nuevo el sistema no lineal aut onomo x = f (x) (2.20)
en donde f C 1 (U ), U es un abierto de x0 IRn . Sea x U , la soluci on de (2.20) que pase por x (., x) : R U se denomina trayectoria u o rbita que pasa por x (algunos autores emplean trayectoria para x(t) y o rbita para la proyecci on de la trayectoria en el espacio de estados). Un punto p U es un punto -l mite de la trayectoria (., x) del sistema (2.20) si existe una secuencia (tn ) tal que l mn y
n
l m (tn , x) = p
De manera an aloga, un punto p U es un punto -l mite de la trayectoria (., x) del sistema (2.20), si existe una secuencia (tn ) tal que l mn y
n
l m (tn , x) = q
2.6. CICLOS Y ATRACTORES
37
El conjunto de todos los puntos -l mite (resp. -l mite) de una trayectoria se denomina conjunto -l mite, denotado () (respectivamente conjunto -l mite denotado ()). Una trayectoria que tiende a una o rbita peri odica y acaba situ andose sobre ella, posee una innidad de puntos -l mite, los que forman la propia o rbita peri odica. Consid erense los conjuntos l mites () y () asociados a una trayectoria de (2.20), que son subconjuntos cerrados de U . Si est a contenida en un subconjunn to compacto de IR , entonces () y () son subconjuntos compactos, no vac os y conexos de U . Adem as los subconjuntos () y () son invariantes bajo el ujo t . t ( ()) () y t (()) () Ejemplo Sea el sistema din amico no lineal
2 x 1 = x2 + x1 (1 x2 1 x2 ) 2 x 2 = x1 + x2 (1 x2 1 x2 )
(2.21)
en coordenadas polares se tiene = (1 2 ) = 1 Del retrato de estados se muestra en la gura 2.9

x1 = x2 + x1 (1 x1 x2 ) 2 2 x2 = x1 + x2 (1 x1 x2 )
2 2
1.5
0.5
x2
0.5
1.5
2 2 1.5 1 0.5 0 x1 0.5 1 1.5 2
Figura 2.8: Retrato de estados del sistema 2.21 orbita peri odica) estable. El c rculo de radio unidad 0 se denomina ciclo (u
38
Adem as de los puntos de equilibrio y de los ciclos l mites existen otros conjuntos l mites. Ejemplo: Sea el sistema din amico no lineal x 1 = x2 x 2 = x1 + x2 1 Es f acil ver que este sistema din amico posee dos puntos de equilibrio x1 = x2 = 0 x1 = 1, El jacobiano de este sistema din amico J= 0 1 1 + 2x1 0 x2 = 0 (2.22)
En el primero de los equilibrios el jacobiano toma la forma J1 = por lo que se trata de una ensilladura. En el segundo equilibrio el jacobiano es J2 = por lo que se trata de un centro. En la gura siguiente se muestra el retrato de estados de este sistema din amico. En este retrato de estado convienen observa la curva que es un conjunto l mite denominado o rbita homocl nica, ya que une un punto a s mismo. Consid erese ahora el sistema din amico que describe el comportamiento de un p endulo no amortiguado: x 1 = x2 x 2 = sin x1 0 1 1 0 0 1 1 0
2.6. CICLOS Y ATRACTORES Los equilibrios de este sistema din amico vienen dado por x1 = x2 = 0 x1 = k, y la matriz jacobiana por J= En el origen esta matriz toma la forma J1 = por lo que el origen es un centro. Por otra parte en los otros equilibrios la matriz jacobiana toma la forma J2 = 0 1 1 0 0 1 1 0 0 1 cos x1 0 x2 = 0
39
de donde se desprende que se trata de ensilladuras. El retrato de estados se tiene en la gura siguiente:
x1 = x2 2 x2 = x1 + x1
1.5
0.5
x2
0.5
1.5
2 2 1.5 1 0.5 0 x1 0.5 1 1.5 2
Figura 2.9: Retrato de estados del sistema 2.22 mites En esta gura conviene observar la curvas 1 y 2 que representan conjuntos l y que se denominan orbitas heterocl nicas, puesto que unen puntos diferentes. Los caminos cerrados formados por o rbitas heterocl nicas se denominan ciclos homocl nicos. Atractores
40
CAP ITULO 2. ANALISIS CUALITATIVO DE SISTEMAS DINAMICOS Se dice que K es un atractor si existe un entorno N de K tal que K N X l m dist(x(t), K ) = 0
para todo x N El mayor de los N se denomina cuenca de atracci on de K . Un equilibrio p es asint oticamente estable si p es un atractor. Lo mismo se dice para un ciclo l mite. Un subconjunto cerrado A U se denomina conjunto atractor de (2.20) si existe un entorno E de A tal que x E, t (x) E, t 0 y t 0, d(t (x), A) 0, cuando t Un atractor de (2.20) es un conjunto atractor que contenga una o rbita tensa. Conviene observar que todos los puntos -l mite no son atractores. Un nodo o un foco estable son ejemplos de atractores pero una ensilladura no lo es.
2.6.2.
Comportamiento a largo plazo de las trayectorias
El mejor caso y el m as estudiado es aquel en el que un punto p X es un atractor: l m x(t) = p

t
Ejemplos: P endulo con fricci on. Sistemas mec anicos disipativos con un grado de libertad. La mayor parte de las reacciones qu micas. Los sistemas el ectricos lineales con elementos resistivos.
En un orden creciente de complejidad se encuentran los sistemas para los que el conjunto l mite est a formado por equilibrios y ciclos l mite. (x) = equilibrios y/o ciclos l mites Ejemplos: Osciladores de Van der Pol. Circuitos el ectricos no lineales.
41
2.6.3.
Estudio de o rbitas peri odicas
En este apartado se presentan resultados sobre el an alisis de orbitas peri odicas en sistemas planos cuando est an lejos de su nacimiento. = f(x) es un sistema de dimensi Teorema 2.3. Sup ongase que x on dos con un n umero a acotada, entonces es cierta nito de equilibrios. Si la o rbita positiva + (x0 ) de x0 est alguna de las siguientes armaciones:
El conjunto -l mite, (x0 ), es un solo punto xe (es un punto de equilibrio), y e (t, x0 ) x cuando t +. (x0 ) es una o rbita peri odica y o + (x0 ) = (x0 ) = o + (x0 ) es una espiral creciente en el tiempo hacia en un lado de . (x0 ) son puntos de equilibrio y o rbitas cuyos conjuntos - y -l mite son puntos de equilibrio. a acotada. Estas tres propiedades son v alidas para el conjunto -l mite si (x 0 ) est Teorema 2.4 (de la curva de Jordan). Una curva cerrada en R2 que no se corta a s misma, separa a R2 en dos partes conexas, una limitada en el interior de la curva y otra no limitada en el exterior. Una o rbita peri odica se llama ciclo l mite si hay dos puntos en R2 , uno en el interior de y otro en el exterior, tales que, los conjuntos - y -l mite de las o rbitas que pasan por dichos puntos son la o rbita peri odica . Teorema 2.5 (de Poincar e-Bendixson). Si (x0 ) es un conjunto acotado que no contiene puntos de equilibrio, entonces (x0 ) es una o rbita peri odica.
Para poder utilizar el teorema de Poincar e-Bendixson a n de demostrar la existencia de una o rbita peri odica no trivial, se construye un conjunto acotado D en R2 que no contiene puntos de equilibrio, y tal que, cualquier soluci on que empiece en D , termine en D para todo t 0, es decir: D es un conjunto invariante positivo abierto y limitado.
f1 f2 Sea D un subconjunto abierto conexo de R2 . Si div f = x + x es de signo constante 1 2 = f(x) no tiene o y distinta de cero en D , entonces x rbitas peri odicas ni homoclinas que est en por completo en la regi on D .
42
Teorema 2.6 (Criterio de Dulac). Sea D R2 un subconjunto abierto simplemente conexo y B(x1 , x2 ) una funci on C 1 de valores reales en D . Si la funci on div Bf = B f1 B f2 = f(x) no + x2 es de signo constante y no id entica a cero en D ., entonces x x1 tiene o rbitas peri odicas ni homoclinas que est en por completo en la regi on D . A la funci on B se la llama funci on de Dulac. Sea una o rbita peri odica que encierra a un espacio abierto U en el que est a denido el campo vectorial. Entonces U contiene un punto de equilibrio.
Estabilidad de las o rbitas peri odicas En este apartado se muestra c omo realizar el estudio del comportamiento de las o rbitas cercanas a una o rbita peri odica, para determinar su estabilidad, usando la aplicaci on de Poincar e. Sea (t, p) una soluci on peri odica con m nimo periodo, T , de la ecuaci on diferencial = f(x), represent x andose la orbita peri odica correspondiente por . Se elige un vector v R2 tal que, v y el vector tangente f(p) de en p sean linealmente independientes. Sea L el segmento denido por: L = {x R2 : x = p + av, 0 |a| },
al que se le denomina secci on transversal de la o rbita peri odica en el punto p. A continuaci on se dene una aplicaci on en un subconjunto de L inducida por el ujo. Se elige un tan peque no que L intersecta a la curva en un solo punto p, y que todas la o rbitas que crucen L lo hacen en la misma direcci on (gura 2.10). Como (T, p) = p y sus soluciones dependen de forma continua del valor inicial, hay un > 0 tal que, si x0 L , entonces hay un primer instante T (x0 ) en el que (T (x0 ), x0 ) L . La aplicaci on de Poincar e, , cerca de una orbita peri odica se dene como: : L L ; x0 (T (x0 ), x0 ).
Los puntos de la secci on transversal L tienen un orden natural: dos puntos x0 = p + a0 v y x1 = p + a1 v cumplen que x0 x1 si y solo si, a0 a1 . Seg un esto una aplicaci on de Poincar e se dice que es mon otona si x0 x1 en L , implica que (x0 ) (x1 ) (gura 2.11).
43
L p (x0 ) x0
Figura 2.10: Secci on transversal L a la o rbita peri odica y la aplicaci on de Poincar e.
x0 x1 (x0 ) (x1 )
Figura 2.11: Monoton a de la aplicaci on de Poincar e.
44
CAP ITULO 2. ANALISIS CUALITATIVO DE SISTEMAS DINAMICOS La aplicaci on de Poincar e tiene las siguientes propiedades:
La aplicaci on de Poincar e cerca de la o rbita peri odica es una aplicaci on 1 mon otona C . La o rbita + (x0 ) de un punto x0 L es una orbita peri odica si y s olo si, es un punto jo de la aplicaci on de Poincar e, es decir, (x0 ) = x0 . La o rbita peri odica , con p , es orbital asint oticamente estable si (p) < 1, e inestable si (p) > 1. La o rbita peri odica a trav es del punto p se dice que es hiperb olica si p es un punto jo de la aplicaci on de Poincar e ; es decir, si (p) = 1.
A (p), que en el caso n-dimensional se corresponde con los autovalores de la sticos de aproximaci on lineal de en p, Dx (p), se les llama multiplicadores caracter . As pues, en el caso n-dimensional, la orbita peri odica es asint oticamente estable (u orbital asint oticamente estable) si todos sus multiplicadores tienen m odulo menor que uno. Si hay alg un multiplicador con m odulo mayor que uno es inestable. Sea (t, p) una soluci on peri odica de periodo T de la ecuaci on diferencial plana = f(x) a trav x es de p. Entonces:
T
(p) = exp
0
f1 f2 + x1 x2
((t, p)) dt .
2.6.4.
Atractores extra nos
El peor de los casos es aquel en el que aparecen atractores extra nos. Ejemplo de la aplicaci on log stica fp : [0, 1] [0, 1] = X fp (x) = px(1 x) 0 p 4 que puede representarse mediante la gura 12.
2.6. CICLOS Y ATRACTORES Esta aplicaci on genera una secuencia tal que x(t) = fp (...(fp (x0 )) que puede interpretarse como se hace en la gura 13.
45
Se presentan los tres tipos de casos siguientes. Para valores peque nos de p : (x) = 0 o 1; Para valores medios de p : (x) = ciclo l mite; Para p 4 :: (x) se tiene un comportamiento a largo plazo caracterizado por la ausencia de pautas. Se trata de un comportamiento oscilatorio no peri odico.
x y
Figura 2.12: Ejemplo de atractor extra no (atractor de Lorenz).
46
Cap tulo 3 An alisis cualitativo y bifurcaciones en sistemas din amicos

3.1. An alisis cualitativo de sistemas no lineales
La teor a cualitativa de sistemas no lineales aporta una perspectiva global de los modos de comportamiento de un sistema. Cuando los par ametros de un sistema cambian el retrato de estado puede cambiar o no geom etricamente de forma signicativa. Si no se produce un cambio signicativo entonces el sistema es estructuralmente estable. Cambios signicativos en el retrato de estados se llaman bifurcaciones. El concepto de estabilidad estructural es importante para el an alisis de incertidumbres y robustez.
3.2.
An alisis cualitativo de sistemas din amicos de dimensi on 1
Con el n de precisar las anteriores ideas, vamos a concretarlas aplic andolas al caso de sistemas din amicos de dimensi on 1. Sea el conjunto de todos los sistemas din amicos 47
48CAP ITULO 3. ANALISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS

f(x)
Figura 3.1: Representaci on de f (x) asociada a un sistema din amico y retrato de estados correspondiente. denidos en IR. Recordemos que un sistema din amico est a denido por un espacio de estados X y un campo vectorial f denido sobre X . Sea x = f (x) un sistema din amico tal que x (a, b) IR. Sup ongase que f (x) tiene la forma que se indica en la gura 3.1a y cuyo retrato de estados ser a el de la gura 3.1b. Conviene observar que la clase de todos los sistemas din amicos en IR puede concebirse como la clase de todas las curvas f . Los puntos de equilibrio son los puntos de intersecci on de cada curva f con la recta X . A cada estado inicial x(0) corresponde una u nica trayectoria x(t). Una trayectoria se compone de una parte transitoria y de una permanente llamada atractor (conjunto l mite). Los atractores representan el comportamiento a largo plazo de las trayectorias. El conjunto de estados iniciales que conducen a un mismo atractor forman su cuenca de atracci on. Las cuencas de atracci on est an separadas por separatrices. Debido a las no-linealidades un sistema din amico puede tener m ultiples atractores (algunos de los puntos en que f corta a X ; los otros ser an las separatrices). El espacio de estados se descompone en las cuencas de atracci on de sus distintos atractores. La representaci on gr aca del mapa de todas las cuencas de atracci on en el espacio de estados se denomina retrato de estados. El retrato de estados aporta una perspectiva global de los modos de comportamiento de un sistema. A cada punto de equilibrio p se asocia su autovalor (p) que es la pendiente de f en p. En un entorno a p el sistema din amico se linealiza mediante el sistema din amico
149 3.2. ANALISIS CUALITATIVO DE SISTEMAS DINAMICOS DE DIMENSION lineal x = x Gen ericamente el corte de f con X ser a transversal. Cualquier peque na deformaci on de este sistema din amico deja inalteradas las propiedades cualitativas b asicas del sistema en el retrato de estados se dice entonces que es estructuralmente estable. Un equilibrio p es estructuralmente estable si (p) = 0. Supongamos ahora que se aplica una transformaci on a x denida por una funci on t mon otona creciente, x = t(x) tal que conserva las relaciones de orden y topol ogicas: x1 > x2 x 1 > x 2 ; y |x1 x2 | < |x 1 x 2 | < siendo y sucientemente peque nos.
El nuevo sistema din amico es = t (x)x x x))f (t1 ( x)) = t (t1 ( = f ( x) t (x) = dt dx
ser Puesto que t (x) > 0, x (a, b), es claro que los equilibrios de f an los mismos en n umero y naturaleza que los de f . Adem as, el autovalor de x = f (x) es el mismo ( = f que el de x x). La transformaci on t puede interpretarse como una deformaci on del espacio X de modo que unas partes se estiren y otras se contraigan, pero sin producirse nunca un pliegue o un desgarramiento. Lo que se acaba de ver en la anterior transformaci on de x a x es que determinadas propiedades cualitativas de un sistema din amico permanecen inalteradas. Estas propiedades son el n umero de equilibrios y la naturaleza estable o inestable de cada uno de ellos. Adem as, los valores del autovalor en cada equilibrio tambi en permanecen inalterados. Es decir, el retrato de estados es el mismo antes y despu es de aplicar la transformaci on t. Por tanto, las propiedades ). f cualitativas de (X, f ) asociadas al retrato de estados son las mismas que las de (X, Los resultados anteriores admiten formas de generalizaci on para cualquier n. En tal caso sucede que los atractores pueden ser de tres tipos: punto de equilibrio (igual que suced a en el caso de dimensi on 1); ciclos l mites (que corresponden a comportamientos peri odicos a largo plazo); y atractores extra nos que corresponden a comportamientos aperi odicos o caos. Para un n arbitrario el an alisis que acabamos de ver para sistemas de dimensi on 1 adquiere una notable complejidad adicional. Pero las ideas b asicas siguen siendo las mismas. Sea el conjunto de todos los sistemas din amicos denidos en IR. Un sistema din amico est a denido por el espacio de estados X y un campo vectorial f denido sobre X .
50CAP ITULO 3. ANALISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS Podemos asociar a todo sistema din amico en IR una curva en el retrato de estados de un sistema din amico conviene resaltar m ultiples equilibrios (atractores); cada atractor posee una cuenca de atracci on. la clase de todos los sistemas din amicos en IR puede concebirse como la clase de todas las curvas f . Los puntos de equilibrio ser an los puntos de intersecci on de cada curva f con la recta X .
Recordemos que un sistema din amico viene dado por: dx = f (x), dt

f(x)
(3.1)
Figura 3.2: Representaci on gr aca de la funci on f que dene un sistema din amico. dx = x, dt
(3.2)
1111111111 00000000 0000000000 11111111 11111 00000 0 111111 00000000 11111111 00000000000 11111111111 00 000000 11
Figura 3.3: Campo vectorial asociado al sistema
dx dt
= x.
151 3.2. ANALISIS CUALITATIVO DE SISTEMAS DINAMICOS DE DIMENSION
111 000 -1
111 000 0
111 000 1
dx dt
Figura 3.4: Campo vectorial asociado al sistema
= (x3 x).
dx = (x3 x). dt
(3.3)
A cada atractor se asocia, en el espacio de estados, una cuenca de atracci on, que est a formada por todos aquellos puntos del espacio de estados tales que la trayectoria iniciada en ellos converja al atractor que dene la cuenca. En el sistema din amico (3.3) la cuenca de atracci on del atractor 1 es el semieje negativo; y la del atractor +1, el semieje positivo. Los dos tipos de comportamiento asociados a cada uno de los atractores se reejan en la gura 3.5. El espacio de estados se divide en las cuencas de atracci on de todos los atractores, separadas entre s por separatrices. En el sistema (3.3) la separatriz es un punto, el origen.
2
-1
-2 0 1 2 t 3 4 5
Figura 3.5: Comportamientos del sistema dx/dt = (x3 x). La representaci on gr aca del espacio de estados con los diferentes atractores, y sus correspondientes cuencas de atracci on, recibe la denominaci on de retrato de estados o de fases del sistema din amico. Constituye una partici on del espacio de estados en las cuencas de atracci on de los distintos atractores que posee un sistema. Suministra una visi on geom etrica y global de los modos de comportamiento del sistema, y es el instrumento b asico para su an alisis cualitativo. Con su ayuda disponemos de un mapa que re une todos los modos de comportamiento del sistema, organizados mediante sus cuencas de atracci on. No nos suministra un comportamiento particular del sistema sino una visi on sint etica de todos. Se comprende su car acter de instrumento b asico para el an alisis cualitativo.
3.2.1.
Estabilidad estructural
A cada punto de equilibrio p se asocia su autovalor (p) que es la pendiente de f en p En torno a p el sistema din amico se linealiza x = x Gen ericamente el corte de f con X ser a transversal. Cualquier peque na deformaci on de este sistema din amico deja inalteradas las propiedades cualitativas b asicas del sistema en el retrato de estados es estructuralmente estable. Un equilibrio p es estructuralmente estable (p) = 0. Equilibrios no estructuralmente estables (con (p) = 0).
3.3.
Familias de sistemas din amicos
Familia de sistemas din amicos dependientes del par ametro p x = f (x, p) A esta familia podemos asociar la imagen geom etrica de los retratos de estados de todos los sistemas din amicos que la forman, parametrizados por el par ametro p. Si P = IR, entonces X P puede considerarse como un brado de espacios de estado verticales X dispuestos paralelos unos a otros. Ejemplos f1 (x, p) = (x p) f2 (x, p) = x + p f3 (x, p) = x3 + p. Representaci on gr aca de las familias de sistemas din amicos f1 , f2 y f3 .
Bifurcaciones en sistemas din amicos dx = f (x, p). dt
(3.4)
3.3. FAMILIAS DE SISTEMAS DINAMICOS familia de sistemas din amicos
53
dx (3.5) = (x3 + x p). dt La gura 3.6 muestra los retratos de estados para distintos valores del par ametro p. En esta gura se tiene una curva que representa el equilibrio del sistema para cada valor de p. En la vertical de cada valor de p se tiene el retrato de estados del sistema din amico correspondiente a ese valor de p (es decir, cada l nea vertical se obtiene girando noventa grados una gura similar a la 3.3, que ser a el retrato de estado del sistema con el valor correspondiente de p). Se observa que al variar p var a el punto de equilibrio del sistema, pero la forma del retrato de estados no se altera (solamente se desplaza). La curva de la gura 3.6, no es sino la representaci on de x3 + x p = 0, y se denomina curva de equilibrios de la familia de sistemas din amicos (3.5). Conviene observar que esta gura se obtiene disponiendo guras como la 3.3, una al lado de otra, verticalmente, cada una en el lugar que le corresponde seg un el valor del par ametro p.
x
Figura 3.6: Diagrama de bifurcaciones de la familia de sistemas din amicos x p). Consideremos ahora una nueva familia de sistemas din amicos: dx = (x3 x p). dt
dx dt
= (x3 +
En la gura 3.7 se ha representado su diagrama de bifurcaciones, y el retrato de estados para los distintos valores del par ametro p. En esta gura se ha adoptado la convenci on de representar con trazo continuo los equilibrios estables, y con discontinuo
54CAP ITULO 3. ANALISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS los inestables. La caracter stica notable de esta familia es que para diferentes valores del par ametro p el comportamiento del sistema din amico puede diferir de una manera substancial. Se observa que si p es menor que p1 , o mayor que p2 , el sistema din amico posee un u nico atractor (es de la misma forma del que se ten a en la gura 3.3). Sin embargo, si p est a comprendido entre p1 y p2 entonces el sistema din amico posee dos atractores y una separatriz (es del mismo tipo del representado en la gura 3.4). Para los valores p1 y p2 del par ametro p se produce una modicaci on cualitativa del
x
11 0
11 00
2
Figura 3.7: Diagrama de bifurcaciones de la familia de sistemas din amicos x p).
dx dt
= (x3
retrato de estados, ya que el n umero de atractores pasa de uno a dos, y aparece, en el segundo caso, un punto separatriz. Los valores p1 y p2 denen los llamados puntos de bifurcaci on del sistema din amico, y constituyen un ejemplo de las bifurcaciones m as elementales que se pueden presentar en un sistema din amico: las cat astrofes de pliegue, empleando la terminolog a de la teor a de cat astrofes, o los puntos l mites, en la jerga de la teor a de bifurcaciones. Los puntos de bifurcaci on, en este caso concreto, tienen la notable propiedad de que si se var a el par ametro p de modo que cruce uno de los valores p1 o p2 se produce la aparici on o desaparici on de atractores del sistema; es decir, se ramican los comportamientos. Por ejemplo, si atravesamos p1 en sentido creciente del par ametro p aparece (de la nada) un par atractor-repulsor. Lo opuesto ocurre en p2 . Resulta claro que la estructura topol ogica del retrato de estados (y por tanto los modos de comportamiento que presenta el sistema) se modica al atravesar un punto de bifurcaci on. Es importante observar que el diagrama de bifurcaciones suministra una perspectiva global con relaci on a todos los modos de comportamiento que pueda presentar
UNO 55 3.4. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSION una familia de sistemas din amicos (3.4). Al mismo tiempo suministra informaci on con relaci on a los valores de los par ametros p, para los que el comportamiento del sistema ser a robusto ante variaciones de los valores de estos par ametros. En efecto, para valores de p alejados de los puntos de bifurcaci on p1 o p2 el comportamiento cualitativo del sistema ser a insensible a variaciones de p. Por el contrario, para valores de p cercanos a p1 o a p2 , las variaciones de p pueden hacer que se atraviese el punto de bifurcaci on y que se produzca la alteraci on del retrato de estados del sistema, con la consiguiente alteraci on de sus modos de comportamiento. Por tanto el diagrama de bifurcaciones suministra informaci on respecto a los valores del par ametro p para los que el sistema muestra una especial sensibilidad con relaci on a los modos de comportamiento.
3.3.1.
Diagramas de bifurcaciones en sistemas no lineales
Los diagramas de bifurcaciones clasican de manera condensada todos los comportamientos posible de un sistema y las transiciones entre ellos (bifurcaciones) cuando cambian los par ametros del sistema. Los diagramas de bifurcaciones est an compuestos por un n umero nito de regiones reparadas por los l mites de bifurcaci on.
3.4.
Bifurcaciones elementales en sistemas de dimensi on uno
En este apartado se presenta el concepto de bifurcaci on y se ilustra con ejemplos de las bifurcaciones m as usuales y b asicas. La teor a de bifurcaciones se centra en el estudio de posibles cambios en la estructura de las orbitas de una ecuaci on diferencial ante la variaci on de una serie de par ametros del los que esta depende. En efecto, sea una ecuaci on diferencial con un par ametro variable x = f (x, c). Representando f (x, c) frente a x, se tiene un comportamiento distinto dependiendo del valor del par ametro. En el ejemplo de la gura 3.8, correspondiente al sistema x = x2 + c, se representa f (x) frente a x para distintos valores del par ametro c. Puede observarse c omo, para
56CAP ITULO 3. ANALISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS valores positivos del par ametro, la ecuaci on correspondiente para el c alculo de equilibrios f (x, c) = 0 no tiene soluci on (no se produce corte entre la curva f (x, c) y el eje de ordenadas x(c > 0)). Si el par ametro c es cero se tiene una soluci on en x = 0 correspondiente a un equilibrio, y si c < 0 existen dos puntos de equilibrio: uno estable y el otro inestable, como puede observarse en la representaci on del campo vectorial en la gura 3.8. f (x)
x(c < 0) x(c = 0) x(c > 0)
Figura 3.8: Representaci on de la ecuaci on x = x2 + c, con su campo vectorial, en funci on del par ametro c. Cambios en el par ametro c signican desplazamientos verticales del eje de ordenadas. Para obtener la direcci on del ujo o su proyecci on sobre el eje x (campo vectorial), puede integrarse la ecuaci on en x y representar su sentido creciente o decreciente. Para una ecuaci on diferencial escalar x = f (x), los puntos de equilibrio y el signo de f (x) entre ellos determinan el n umero de o rbitas y la direcci on del ujo de las mismas. A esto se le llama estructura de o rbitas o estructura cualitativa del ujo. Una ecuaci on diferencial que depende de un par ametro dado se dice que tiene estructura de o rbitas estables para un valor del mismo, si la estructura cualitativa del ujo no cambia para peque nas variaciones del par ametro. El valor de bifurcaci on es el valor del par ametro para el cual el ujo no presenta una estructura de o rbitas estables. En ese caso se dice que la ecuaci on est a en un punto de bifurcaci on. En el ejemplo de la gura 3.8, el sistema presenta una estructura de orbitas estables para cualquier valor del par ametro c = 0, siendo c = 0 un punto de bifurcaci on.
UNO 57 3.4. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSION Adem as del m etodo gr aco de representaci on de f (x, c) frente a x para distintos valores del par ametro, existe otro m etodo muy u til para describir las caracter sticas din amicas en ecuaciones x = f (x, c) que dependen de un par ametro c. Este m etodo consiste en representar en el plano (c, x) los valores de equilibrio para cada valor de c, representando, mediante una l nea continua los puntos de equilibrio estables, y con una discontinua los inestables. A esta representaci on gr aca se le llama diagrama de bifurcaciones. En la gura 3.9 se muestra el diagrama de bifurcaciones del sistema de la gura 3.8, que corresponde a una bifurcaci on silla-nodo, que se caracteriza por la aparici on para un determinado valor del par ametro de dos puntos de equilibrio, uno estable y el otro inestable. xe
Figura 3.9: Diagrama de bifurcaciones de la bifurcaci on silla-nodo correspondiente a la gura 3.8. A continuaci on se presentan, mediante su diagrama de bifurcaci on y representaci on del ujo, las bifurcaciones m as habituales en sistemas din amicos escalares aut onomos. Adem as de la bifurcaci on silla-nodo antes descrita se pueden caracterizar las siguientes bifurcaciones:
Bifurcaci on transcr tica Sea la ecuaci on diferencial dependiente del par ametro c: x = x2 + cx.
58CAP ITULO 3. ANALISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS En la gura 3.10 se representa el retrato de fases del sistema para distintos valores del par ametro c. Puede observarse en la gura c omo, para valores negativos de c, el sistema presenta un equilibrio asint oticamente estable en xe = 0 y uno estable en e nico punto de equilibrio no hiperb olico x = c. Para c = 0 el sistema pasa a tener un u e en x = 0. Si c es positivo, entonces el sistema vuelve a tener dos puntos de equilibrio: uno asint oticamente estable en xe = c y uno inestable en xe = 0.
f (x, c) f (x, c)
c < 0.
f (x, c)
c = 0.
c>0 Figura 3.10: Retrato de estados del sistema x = x2 + cx para distintos valores de c. Por lo tanto, y de acuerdo con la notaci on adoptada, el diagrama de bifurcaciones correspondiente a la bifurcaci on transcr tica es el representado en la gura 3.11.
Hist eresis La bifurcaci on tipo hist eresis puede observarse a partir de un sistema din amico que tenga como ecuaci on: x = c + x x3 .
UNO 59 3.4. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSION xe
Figura 3.11: Diagrama de bifurcaciones de la bifurcaci on transcr tica. La variaci on del par ametro de bifurcaci on c se corresponde con un desplazamiento vertical del eje de ordenadas x en la representaci on de f (x, c) en funci on de x, como puede observarse en la gura 3.12. f (x, c)
2 ) 3 3
x(c =
x(c = 0) x(c =
2 ) 3 3
Figura 3.12: Retrato de estados del sistema de ecuaci on x = c + x + x3 para distintos valores de c. El ujo del sistema presenta una estructura de orbitas estable que se corresponde 2 con un equilibrio estable para valores del par ametro c < 3 . Si se aumenta c, para 3 2 on, manteniendo el punto de el valor c = 3 3 el sistema tiene un punto de bifurcaci equilibrio estable y apareciendo uno no hiperb olico. Para valores de c en el intervalo 2 2 , ), el sistema vuelve a tener estructura de o rbitas estable, con un equilibrio ( 3 3 3 3 2 on y para inestable y dos estables. En c = 33 se presenta otro punto de bifurcaci valores de c superiores vuelve a tener un solo equilibrio estable.
60CAP ITULO 3. ANALISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS El diagrama de bifurcaciones correspondiente a esta bifurcaci on puede verse en la gura 3.13, donde se observa por qu e se denomina hist eresis, ya que el sistema tiene un comportamiento diferente al aumentar c del que presenta al disminuirlo. xe
Figura 3.13: Diagrama de bifurcaciones correspondiente a una bifurcaci on tipo hist eresis. Este tipo de bifurcaciones tambi en pueden interpretarse como dos bifurcaciones 2 2 , y la otra para c = 3 . silla-nodo de equilibrios, una para c = 3 3 3
Bifurcaci on tridente Sup ongase el sistema din amico descrito por la ecuaci on: x = dx x3 . (3.6)
La variaci on del par ametro d afecta a la pendiente de la funci on c ubica centrada en el origen. De la ecuaci on (3.6) se obtiene f acilmente que el sistema presenta tres puntos de equilibrio cuando el par ametro d es positivo, mientras que presenta uno s olo cuando es negativo. En el punto d = 0 los tres equilibrios se unen en uno, siendo este un punto de bifurcaci on. En la gura 3.14 puede verse c omo, para valores de d < 0, el sistema tiene un equilibrio asint oticamente estable en el origen. Al ir aumentando d, la pendiente de
UNO 61 3.4. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSION la c ubica se va haciendo cada vez m as peque na hasta que en d = 0 se hace nula, transform andose el equilibrio en uno no hiperb olico. Para valores de d > 0 el sistema tiene tres equilibrios, uno inestable en el origen y los otros dos asint oticamente estables.
f (x, c) f (x, c)
d = 0. d < 0.
f (x, c)
d>0 Figura 3.14: Retrato de estados del sistema x = dx x3 para distintos valores de d.
El diagrama de bifurcaciones correspondiente a la bifurcaci on tridente supercr tica es el que se muestra en la gura 3.15. En este punto es necesario denir el concepto de bifurcaci on supercr tica y subcr tica que ser a aplicable al resto de las bifurcaciones que se caracterizan en el presente documento. Se dice que un sistema din amico presenta una bifurcaci on supercr tica cuando, en el caso de que exista un equilibrio aislado, los equilibrios adicionales que aparecen en el punto de bifurcaci on existen para valores en los que el equilibrio original es inestable.
62CAP ITULO 3. ANALISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS xe
Figura 3.15: Diagrama de bifurcaciones correspondiente a una bifurcaci on tridente supercr tica.
Por el contrario, se dice que es subcr tica si dichos equilibrios aparecen para valores del par ametro de bifurcaci on en que el equilibrio original es estable. Un ejemplo de bifurcaci on tridente subcr tica se obtiene de la variaci on del par ametro d en el sistema descrito por la ecuaci on x = dx + x3 , cuyo diagrama de bifurcaciones puede verse en la gura 3.16.
xe
Figura 3.16: Diagrama de bifurcaciones correspondiente a una bifurcaci on tridente subcr tica.
UNO 63 3.4. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSION Pliegue o c uspide
Esta bifurcaci on se corresponde con una combinaci on de las bifurcaciones hasta ahora caracterizadas. Sup ongase la ecuaci on diferencial c ubica: x = c + dx x3 f (x, c, d), (3.7)
que depende de dos par ametros reales: c y d. Obs ervese que, si c = 0, la bifurcaci on que se produce al variar d es una bifurcaci on tridente; mientras que, si d = 0, se est a en el caso de una bifurcaci on tipo hist eresis dependiente de c. Este sistema presenta una bifurcaci on de codimensi on dos, puesto la existencia de la misma depende de dos par ametros. Para realizar el estudio de este sistema en primer lugar hay que hallar los puntos de bifurcaci on. En dichos puntos el sistema ha de tener puntos de equilibrio m ultiples, es decir, se han de cumplir las ecuaciones: f (x, c, d) = 0 f (x, c, d) = 0. x
Aplicando estas ecuaciones al sistema (3.7) y resolvi endolas, eliminando la variable x, se obtiene que el sistema tiene un punto de equilibrio m ultiple si se cumple la ecuaci on de una c uspide: 4d3 = 27c2
En la gura 3.17 se representa la ecuaci on de la c uspide en el plano (c, d), que delimita las distintas regiones donde la estructura cualitativa del ujo es diferente. En dicha gura se muestra tambi en, de forma esquem atica, dicho comportamiento cualitativo, representando la funci on f (x, c, d) en funci on de la variable x, indicando en cada caso el n umero de equilibrios y su estabilidad denida por la direcci on del campo vectorial. El diagrama de bifurcaciones correspondiente al sistema es el de la gura 3.18, que como puede verse, es una supercie tridimensional en el espacio (c, d, x) con forma de pliegue,; de ah su nombre. La gura inferior de la gura 3.18 se corresponde con la proyecci on de dicha supercie sobre el plano (c, d).
64CAP ITULO 3. ANALISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS d 4d3 = 27c2

x
Figura 3.17: Representaci on de la c uspide del sistema 3.7 en el plano (c, d), as como los diferentes retratos de fases del sistema. x c d
c d
Figura 3.18: Diagrama de bifurcaciones de la bifurcaci on pliegue o c uspide en el espacio (c, d, x) y su proyecci on sobre el plano (c, d).
UNO 65 3.4. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSION
3.4.1.
Bifurcaciones elementales en sistemas din amicos de dimensi on dos
En este apartado se presentan, de forma resumida, las bifurcaciones elementales en sistemas de dimensi on dos, algunas de las cuales son una extensi on de las ya comentadas en los sistemas de dimensi on uno.
Bifurcaci on silla-nodo Sup ongase el sistema descrito por: x 1 = + x2 1 x 2 = x2 . Integrando la segunda ecuaci on se obtiene que todas las o rbitas del sistema tienden al eje de ordenadas y que la din amica est a gobernada por la primera ecuaci on, que es la misma que la del caso escalar. As pues, como se ve en la gura 3.19, para < 0 el sistema tiene dos equilibrios, uno estable y el otro inestable. El punto de equilibrio inestable es un punto de silla porque existen dos orbitas cerca del equilibrio tales que los conjuntos -l mite de dichas orbitas son el punto de equilibrio y hay otras dos o rbitas cuyo conjunto -l mite es tambi en el equilibrio. El equilibrio estable es un nodo porque el conjunto -l mite de todas las orbitas cerca del equilibrio es el mismo equilibrio. Cuando = 0 ambos equilibrios se unen y desaparecen para > 0. El diagrama de bifurcaciones correspondiente a la bifurcaci on silla-nodo es el mismo que en el caso monodimensional y se corresponde con el de la gura 3.9.
2 2 2
1.5
1.5
1.5
0.5
0.5
0.5
x2
x2
x2
0.5
0.5
0.5
1.5
1.5
1.5
2 2 1.5 1 0.5 0
2 2 1.5 1 0.5 0
x1
0.5
1.5
x1
0.5
1.5
1.5
0.5
x1
0.5
1.5
< 0.
= 0.
>0
Figura 3.19: Diagrama de fases de la bifurcaci on silla-nodo en funci on del par ametro .
66CAP ITULO 3. ANALISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS Bifurcaci on tridente Consid erese el sistema descrito por: x 1 = x1 x3 1 x 2 = x2 .
(3.8)
Al igual que en el caso de la bifurcaci on silla-nodo la din amica del sistema est a controlada por la primera ecuaci on. En la gura 3.20 se representa el diagrama de fases del sistema para distintos valores de .
2
1.5
1.5
1.5
0.5
0.5
0.5
x2
x2
x2
0.5
0.5
0.5
1.5
1.5
1.5
2 2 1.5 1 0.5 0
x1
0.5
1.5
1.5
0.5
x1
0.5
1.5
1.5
0.5
x1
0.5
1.5
< 0.
= 0.
>0
Figura 3.20: Diagrama de fases de la bifurcaci on tridente en funci on del par ametro . El comportamiento cualitativo del sistema en funci on del par ametro puede resumirse diciendo que para valores del par ametro positivos el sistema presenta s olo un equilibrio estable en el origen, al cambiar de signo aparecen dos nuevos equilibrios estables inestabiliz andose el origen. As pues el comportamiento del sistema es similar al del diagrama de bifurcaciones 3.15 correspondiente a una bifurcaci on tridente supercr tica.
Bifurcaci on vertical Consid erese la perturbaci on del oscilador arm onico: x 1 = x1 + x2 x 2 = x1 + x2 .
(3.9)
Para su estudio se realiza el cambio de coordenadas del sistema a coordenadas polares, con lo que el sistema es equivalente al desacoplado: r = r = 1.
UNO 67 3.4. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSION Cuando < 0 las soluciones del sistema corresponden a espirales en el sentido de las agujas del reloj y que conuyen en el origen a medida que aumenta t, por lo que el origen es un punto de equilibrio estable tipo sumidero. Para = 0 todas las soluciones son peri odicas, por lo que el origen es un centro. Si > 0 las soluciones vuelven a ser espirales girando en el sentido de las agujas del reloj que parten del origen y se alejan de el a medida que aumenta t. As pues, como puede verse en la gura 3.21, el valor = 0 es un valor de bifurcaci on.
2 2 2
1.5
1.5
1.5
0.5
0.5
0.5
x2
x2
x2
0.5
0.5
0.5
1.5
1.5
1.5
2 2 1.5 1 0.5 0
2 2 1.5 1 0.5 0
x1
0.5
1.5
x1
0.5
1.5
1.5
0.5
x1
0.5
1.5
< 0.
= 0.
>0
Figura 3.21: Diagrama de fases de la bifurcaci on vertical en funci on del par ametro .
Bifurcaci on de Poincar e-Andronov-Hopf Es conocida habitualmente como bifurcaci on de Hopf y es una de las m as habituales en sistemas no lineales. Puede estudiarse a trav es del sistema descrito por:
2 x 1 = x2 + x1 ( x2 1 x2 ) 2 x 2 = x1 + x2 ( x2 1 x2 ).
Transformando de nuevo a coordenadas polares el sistema queda: r = r ( r 2 ) = 1. Cuando 0 las soluciones son una espiral en el sentido de las agujas del reloj que conuyen en el origen a medida que aumenta t. Para > 0 el origen se vuelve inestable y aparece una o rbita peri odica de radio r = de manera que todas las orbitas evolucionan hasta ella cuando t aumenta. As pues, el conjunto -l mite (x0 ) de cualquier o rbita es una orbita peri odica si x0 = 0. En la gura 3.22 se representa el diagrama de fases del sistema con los dos comportamientos cualitativos distintos.
1.5
1.5
0.5
0.5
x2
x2
2 1.5 1 0.5 0
0.5
0.5
1.5
1.5
x1
0.5
1.5
1.5
0.5
0.
x1
0.5
1.5
> 0.
Figura 3.22: Diagrama de fases de la bifurcaci on de Hopf en funci on del par ametro . De acuerdo con la denici on dada para sistemas escalares, y que es extensible para sistemas de orden superior, la bifurcaci on representada en la gura 3.22 es una bifurcaci on de Hopf supercr tica, ya que el equilibrio original para < 0 se vuelve inestable al llegar al par ametro de bifurcaci on. El diagrama de bifurcaciones correspondiente es el de la gura 3.23, donde, en la gura de la izquierda, se representa la evoluci on de la o rbita peri odica o ciclo l mite del sistema en el plano (x1 , x2 ) frente al par ametro . En la de la derecha se representan la amplitud de dicha orbita y los equilibrios del sistema frente al mismo par ametro. El s mbolo representa la amplitud de la o rbita peri odica estable.
x1 r
x2
Figura 3.23: Diagrama de bifurcaciones de la bifurcaci on de Hopf supercr tica. Por el contrario, la gura 3.24 corresponde a la bifurcaci on de Hopf subcr tica, donde, para valores de > 0, el sistema tiene un equilibrio inestable; mientras que, para valores de < 0, aparece un ciclo l mite inestable, que rodea a un equilibrio estable. As pues, en este caso, el sistema evoluciona siguiendo espirales alej andose del ciclo l mite inestable cuando aumenta t, tendiendo hacia el equilibrio en el origen si x0 est a en el interior de la o rbita inestable, o hacia el innito si est a en el exterior. Se representa mediante el s mbolo la amplitud del ciclo l mite inestable.

x1 r
x2
Figura 3.24: Diagrama de bifurcaciones de la bifurcaci on de Hopf subcr tica.
En ambos casos se produce la p erdida de estabilidad del equilibrio para = 0, en el supuesto de que el par ametro crezca. En la bifurcaci on supercr tica el equilibrio estable se reemplaza por un ciclo l mite estable de peque na amplitud. Por consiguiente, el sistema permanece en un entorno del equilibrio y se tiene una p erdida de estabilidad suave o no catastr oca. En el caso de la bifurcaci on subcr tica la regi on de atracci on del punto de equilibrio est a acotado por un ciclo l mite inestable (tiene una cuenca de atracci on limitada) que se comprime cuando el par ametro se acerca al valor cr tico y que desaparece al alcanzarlo. Entonces el sistema (las trayectorias) es lanzado fuera del equilibrio, por lo que se tiene una p erdida de estabilidad dura o catastr oca. Si la p erdida de la estabilidad del sistema se produce de una manera suave entonces el sistema es controlable, ya que si se cambia el signo del par ametro el sistema vuelve al equilibrio anterior. Por el contrario, si el sistema sufre una p erdida de estabilidad dura, al devolver los valores del par ametro a valores negativos no se producir a un retorno al equilibrio anterior ya que normalmente el sistema habr a abandonado su cuenca de atracci on. Conviene observar que el tipo de la bifurcaci on de Andronov-Hopf viene determinado por la estabilidad del equilibrio para el valor cr tico del par ametro. Por u ltimo, debe analizarse que sucede si se prescinde de los t erminos no lineales en los dos sistemas. En este caso ya no existen ciclos l mites ni antes ni despu es del valor cr tico del par ametro. Para el valor cr tico del par ametro = 0 el sistema posee un centro en el origen. Esta observaci on vuelve a poner de maniesto la importancia de los t erminos no lineales para la aparici on de ciclos l mites, a la que ya se aludi o anteriormente.
3.4.2.
Evoluci on de los autovalores en una bifurcaci on de Hopf.
x = ( + (x2 + y 2))x y y = ( + (x2 + y 2))y + x dx = Ax dt en donde A es la matriz A=
cuyos autovalores son = j . La bifurcaci on de Hopf se produce cuando un par de autovalores complejos conjugados cruzan el eje imaginario con velocidad no nula.
3.4.3.
Bifurcaciones de o rbitas peri odicas
En este apartado se describen dos de las bifurcaciones m as habituales relacionadas con o rbitas peri odicas, adem as de la de Hopf ya estudiada con anterioridad.
Bifurcaci on silla-nodo de o rbitas peri odicas Sea el sistema plano:

2 2 x 1 = x1 sen x2 cos + (1 x2 1 x2 ) (x1 cos x2 sen ) 2 2 x 2 = x1 cos x2 sen + (1 x2 1 x2 ) (x1 sen + x2 cos ),
que depende de un par ametro real . Si se realiza la transformaci on a coordenadas polares realizando el cambio de variables x1 = r cos y x2 = r sen , el sistema queda: r = r ((1 r 2 )2 cos sen ) = (1 r 2 )2 sen + cos . (3.10)
Como la primera ecuaci on del sistema (3.10) es independiente de , y adem as el sistema experimenta una bifurcaci on silla-nodo en la direcci on radial cuando el par ametro pasa por cero.
UNO 71 3.4. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSION Si > 0, y es sucientemente peque no, el sistema tiene dos o rbitas peri odicas: una 2 2 inestable x1 + x2 = 1 + tan que es una circunferencia de radio mayor que uno y una 2 2 estable x1 + x2 = 1 tan que es tambi en una circunferencia pero con radio inferior a uno (gura 3.26c). En el caso en que = 0, tiene una o rbita peri odica simple no hiperb olica inestable 2 2 en x1 + x2 = 1 (gura 3.26b). Si < 0, el sistema no tiene orbitas estables ya que r > 0 y todas las soluciones, excepto el origen, van al innito cuando t + (gura 3.26a). Este es el comportamiento cualitativo correspondiente a una bifurcaci on silla-nodo de orbitas peri odicas (en el punto de bifurcaci on, = 0, aparecen dos ciclos l mite, uno estable y otro inestable). Sin embargo, en este sistema se producen dos bifurcaciones adem as de la ya citada [Sal95]. Una vez se ha producido la bifurcaci on silla-nodo de o rbitas peri odicas, al aumentar el valor de , la amplitud del ciclo l mite inestable va aumentando, hasta que en el punto = se produce una bifurcaci on de Hopf subcr tica en el innito [Glo89], 4 [LP97], [LP98], desapareciendo dicho ciclo l mite y cambiando el tipo de estabilidad del innito (a efectos pr acticos en el an alisis de bifurcaciones el innito puede ser tomado como un punto). Por otra parte, al aumentar el valor de , la amplitud del ciclo l mite estable disminuye, hasta que se produce una bifurcaci on de Hopf supercr tica en el origen para el valor = . 2 En la gura 3.26 se muestra el comportamiento del sistema para distintos valores de y en la gura 3.25 se representa el correspondiente diagrama de bifurcaciones.
Bifurcaci on homoclina Sea el sistema plano: x 1 = 2x2 3 2 2 x 2 = 2x1 3x2 2 x2 (x1 x1 + x2 c) donde c es un par ametro escalar. A n de detectar la bifurcaci on homoclina se analiza el sistema para peque nas variaciones de c cercanas a cero.

H x
SNOP
H0
4 2
Figura 3.25: Diagrama de bifurcaciones correspondiente a la bifurcaci on sillanodo de o rbitas peri odicas (SNOP Bifurcaci on silla-nodo de o rbitas peri odicas; H Bifurcaci on de Hopf en el innito; H0 Bifurcaci on de Hopf en el origen). Para todos los valores de c hay dos puntos de equilibrio: uno en el origen, que es siempre una silla, y otro en (2/3, 0), que es inestable si c > 4/27. Para estudiar los detalles del diagrama de fases del sistema se toma la funci on 3 2 2 V (x1 , x2 ) = x1 x1 + x2 y se analiza su derivada a lo largo de las soluciones del sistema, para obtener: (x1 , x2 ) = 2x2 (x3 x2 + x2 c). V 2 1 1 2 Para 4/27 < c < 0, usando el principio de invarianza, se aprecia que existe una 2 2 orbita peri odica asint oticamente estable en la curva x3 1 x1 + x2 c = 0, con x1 > 0 (que proviene de una bifurcaci on de Hopf en el punto (2/3, 0) para c = 4/27) (gura 3.27a). Cuando c 0 la o rbita peri odica se aproxima a la curva homoclina que pasa por el origen (gura 3.27b). Para c > 0, la curva homoclina se rompe y no hay o rbitas peri odicas (gura 3.27c).
3.4.4.
Bifurcaciones de codimensi on dos
Hasta el momento, en las secciones anteriores, todas las bifurcaciones que se han caracterizado (excepto la de pliegue en sistemas escalares) se pueden obtener mediante la variaci on de un s olo par ametro (y cualquier sistema que presenta dichas bifurcaciones es local topol ogicamente equivalente a los que se han usado para describirlas). Por ello se dice que estas bifurcaciones son de codimensi on uno, entendiendo el concepto de
1.5
1.5
0.5
0.5
x2
x2 x1 (a) < 0.
0.5 0
0.5
0.5
1.5
1.5
2 2 1.5 1 0.5 1 1.5 2
2 2 1.5 1
x1 (b) = 0.
0.5 0
0.5
1.5
1.5
1.5
0.5
0.5
x2
x2 x1 (c) 0 < < . 4

0.5 0 0.5
0.5
0.5
1.5
1.5
2 2 1.5 1 1 1.5 2
2 2 1.5 1 0.5
(d)
x1 << . 2
0 0.5
1.5
2.5
1.5
0.5
x2
0.5
1.5
2.5 2.5 2 1.5 1
x1 (e) >
0.5 0
0.5
1.5
2.5
Figura 3.26: Diagrama de fases de la bifurcaci on silla-nodo de o rbitas peri odicas en funci on del par ametro .

x=2y 2 3 2 2 y = 2 x 3 x y (x x + y c) c = 0.05
x=2y 2 3 2 2 y = 2 x 3 x y (x x + y c)
c=0
1.5
1.5
0.5
0.5
x2
x2 x1 (a).
0
0.5
0.5
1.5
1.5
2 2 1.5 1 0.5 0.5 1 1.5 2
2 2 1.5 1 0.5
x1 (b).
0
0.5
1.5
x=2y 2 3 2 2 y = 2 x 3 x y (x x + y c)
c = 0.1
1.5
0.5
x2
0.5
1.5
2 2 1.5 1 0.5
x1 (c).
0
0.5
1.5
Figura 3.27: Diagrama de fases de la bifurcaci on homoclina en funci on del par ametro c. codimensi on de una bifurcaci on como el n umero m nimo de par ametros en una familia de sistemas necesarios para reproducir la bifurcaci on. En este apartado se presenta una de las bifurcaciones de codimensi on dos m as usuales en el estudio de sistemas din amicos.
Bifurcaci on de Takens-Bogdanov
Sup ongase un campo vectorial plano que depende de dos par ametros, tal que, tiene un punto de equilibrio para determinados valores de los par ametros, que se supone que es no hiperb olico con dos autovalores cero pero con un autovector. Si hay alg un campo vectorial que cumpla las condiciones anteriores, entonces es local
UNO 75 3.4. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSION 2 SNa

111111111 000000000 000000000 111111111 000000 111111 000000000 111111111 000000 111111 000000000 111111111 000000 111111 000000000 111111111 000000 111111 000000000 111111111 000000 111111 000000000 111111111 000000 111111 000000000 111111111 000000 111111 000000000 111111111 2 3 000000 111111 000000000 111111111 000000 111111 000000000 111111111 000000 111111 000000000 111111111 000 111 000000 111111 000000000 111111111 000 111 000000 111111 000000000 111111111 000 111 000000 111111 000000000 111111111 000 111 000000 111111 000000000 111111111 000 111 000000 111111 000000000 111111111 000 111 000000 111111 000000000 111111111 000 111 000000 111111 000000000 111111111 000 111 000000 111111 000000000 111111111 000 111 000000 111111 000000000 111111111 000 111 000000 4 000000000 111111111 000 111 1 111111 000000 111111 000000000 111111111 000 111 000 111
CH H
SNb
Figura 3.28: Conjunto de bifurcaciones correspondiente a la bifurcaci on TakensBogdanov (SN Bifurcaci on silla-nodo de equilibrios; H Bifurcaci on de Hopf; CH Conexi on homoclina). topol ogicamente equivalente a uno de los dos sistemas que dependen de dos par ametros: x 1 = x2 x 2 = 1 + 2 x1 + x2 1 x1 x2 .
(3.11)
As pues, hay un cambio de variables (con jacobiano distinto de cero) y un homeomorsmo (que depende de los par ametros de forma continua) en un entorno sucientemente peque no del origen que transforma las o rbitas de cualquier sistema plano con las propiedades descritas anteriormente a las orbitas del sistema (3.11) en un entorno del origen, preservando la direcci on en el tiempo. El conjunto de bifurcaciones del sistema (3.11) es el que se muestra en la gura 3.28. En esta gura tambi en se muestra de forma esquem atica el comportamiento cualitativo del sistema en las distintas zonas delimitadas por las l neas de bifurcaci on. Si se parte de la zona 3 del diagrama de bifurcaciones, al atravesar la curva SNa , se produce una bifurcaci on silla-nodo de equilibrios en la que surgen dos equilibrios: uno estable y otro inestable tipo silla, quedando el sistema en la zona 2.
76CAP ITULO 3. ANALISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS on Si, por el contrario, se atraviesa la curva SNb , correspondiente a otra bifurcaci silla-nodo de equilibrios, el sistema queda con dos equilibrios inestables: uno tipo foco y otro tipo silla, en la zona 4. A continuaci on, si se disminuye el par ametro 1 con 2 < 0, al hacerse 1 = 0, se produce una bifurcaci on de Hopf subcr tica en el punto de equilibrio inestable tipo foco, lleg andose a la zona 1 en la que el sistema presenta un ciclo l mite inestable alrededor de un equilibrio estable, y una silla en el exterior. Al disminuir el par ametro 1 , manteniendo 2 constante, la amplitud del ciclo l mite aumenta hasta chocar con el punto de silla en una conexi on homoclina, desapareciendo y quedando el sistema con el comportamiento descrito en la zona 2.
3.4.5.
Diagrama de bifurcaciones del experimento de TaylorCouette.
Volviendo ahora al modelo de crecimiento sigmoidal de una poblaci on (2.1), es claro que x = 0 es un punto de equilibrio del sistema para todos los valores de m y de n,
UNO 77 3.4. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSION pero que adem as se tienen equilibrios adicionales en las soluciones en x a la ecuaci on g (x) p = 0, siendo p = m . n
Recordando la forma de g de la gura 2.3, es f acil ver que la anterior ecuaci on conduce a dividir el rango de los valores positivos de p en tres regiones con diferente comportamiento cualitativo (gura 3.29). Para p [0, 1) existe un nuevo equilibrio x+ as e , adem + de x = 0. Para p (1, p ), adem as del equilibrio xe se tiene otro xe . Por u ltimo, para p > p no existen equilibrios adicionales al x = 0. Por tanto para p = p se produce la ametro coalescencia y desaparici on de los equilibrios x+ e y xe . Es normal tomar el par p como el par ametro natural para el estudio de bifurcaciones. Al estudiar las bifurcaciones del modelo de crecimiento log stico, o en general de un modelo de crecimiento por balance entre nacimientos y muertes, se est a estudiando c omo cambia cualitativamente el comportamiento del modelo como consecuencia de las variaciones en la tasa de natalidad n y de mortalidad m. Estas variaciones se pueden deber a fen omenos de naturaleza muy variada. Por ejemplo, si se est a estudiando el crecimiento de una poblaci on humana las variaciones de m y de n pueden deberse a cuestiones tales como el progreso en la sanidad p ublica (en cuyo caso al menos disminuye m) o a otras cuestiones como puede ser una epidemia o una guerra. Estas variaciones de m y de n dar an lugar a las de p. Mediante el an alisis de bifurcaciones se puede analizar c omo inuir an estas variaciones en el comportamiento a largo plazo del modelo. En cualquier caso conviene observar que el modelo de crecimiento log stico es muy general y se aplica no s olo a crecimiento de poblaciones, sino tambi en en otros contextos. Por ejemplo, se habla de tasa de natalidad y de mortalidad de empresas, en cuyo caso el modelo ? representa el crecimiento de la actividad econ omica como consecuencia de la creaci on (nacimiento) de empresas y de su desaparici on o cierre. La linealizaci on del sistema din amico (2.1) es J (x) = ng (x) m + nxg (x), que en cada equilibrio se convierte en J (0) = n m = n(1 ),
+ + J (x+ e ) = nxe g (xe ) < 0, J (x e ) = nxe g (xe ) > 0.
Mediante esta linealizaci on se determina la estabilidad de cada uno de los equilibrios. En la gura 3.29 se tienen los equilibrios y las bifurcaciones del modelo (2.1). En este diagrama se resumen los resultados relativos a los equilibrios, y su estabilidad, en funci on del par ametro p. De acuerdo con este diagrama se tiene dos puntos de bifurcaci on. Para p = 1 se tiene una bifurcaci on transcr tica 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 , que es inestable para p > 1. Por otra parte, para on nodo-ensilladura que conduce a la coalescencia de p = p se produce una bifurcaci
xe
x+ e
1 1 2
x-e
1
Figura 3.29: Diagrama de bifurcaciones del modelo log stico.

xe xe x+ e x+ e xe xe
<1
1 < <
<
Figura 3.30: Trayectorias del modelo log stico: a) p < 1; b) 1 < p < p ; c) p < p.
los equilibrios x+ e y xe , que desaparecen para p > p . Conviene observar que los dos puntos de bifurcaci on mencionados (la bifurcaci on transcr tica y la nodo-ensilladura) dividen el espacio del par ametro P en las tres regiones de comportamiento cualitativo diferente, tal como se ha indicado anteriormente.
En la gura 3.30 se muestran las trayectorias en estas tres regiones. Es especialmente notable la intermedia (para 1 < p < p ) que muestra dos modos de comportamientos diferentes, dependiendo de las condiciones iniciales. O bien se produce el crecimiento, que tendr a la forma log stica, o bien se produce el declive hasta la extinci on. Los dos + equilibrios estables xe y 0 son responsables, respectivamente, de esta bimodalidad de comportamientos. El diagrama de bifurcaci on muestra como estos comportamientos se organizan en funci on del par ametro del modelo, que en este caso se reduce al par ametro p. Observando el conjunto del diagrama de bifurcaci on se tiene que el modelo (2.1) puede mostrar solamente dos modos de comportamiento cualitativamente diferenci-
3.5. CRECIMIENTO LOG ISTICO CON UN RETRASO EN LA ESTRUCTURA 79 adas:
crecimiento y estabilizaci on; y declive.
El diagrama de bifurcaciones permite conocer cual de estos dos modos de comportamiento seguir a el sistema, en funci on del valor que tome el par ametro p y, en el caso de la regi on intermedia, de las condiciones iniciales del sistema. Resulta tambi en conveniente observar c omo el diagrama de bifurcaciones suministra una perspectiva global con respecto a los modos de comportamiento de un sistema, y constituye una gu a para realizar simulaciones y determinar trayectorias concretas.
3.5.
Crecimiento log stico con un retraso en la estructura
Una forma m as realista de modelar el crecimiento de una poblaci on aconseja incluir un retardo en la tasa de crecimiento, de modo que el sistema din amico correspondiente sea: x = x(ng (y ) m), (3.12) y = delay (x), nal y (t) es la se nal x(t) en donde delay (x) representa y (t) = x(t ); es decir, la se retrasada en unidades de tiempo. Este modelo posee los mismos equilibrios que el (2.1), ya que el retraso no afecta al comportamiento a largo plazo. En consecuencia, cabr a esperar unas pautas de comportamiento similares a las de la gura 3.30, quiz as con oscilaciones en las trayectorias a los atractores debidas al retraso. Sin embargo, como vamos a ver, no sucede s olo eso, y en este caso se presentan otros tipos de comportamiento transitorio, como la cat astrofe retrasada, a la que se aludi o en la introducci on. Un retraso puro, aunque aparentemente sencillo de especicar, resulta dif cil de tratar matem aticamente, ya que se requiere un sistema de dimensi on innita para ello. Sin embargo, es posible obtener aproximaciones aceptables mediante sistemas de dimensi on nita. Una aproximaci on muy empleada en la pr actica es la de considerar k
80CAP ITULO 3. ANALISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS retrasos de primer orden en serie, de modo que el sistema (3.12) se escribe: x = x(ng (y ) m), y1 = ka(x y1 ), y2 = ka(y1 y2 ), . . . y k1 = ka(yk2 yk1 ), y = ka(yk1 y ), siendo a = 1/ , y el retraso que se pretende introducir. En la regi on de comportamiento bimodal existen tres equilibrios x+ x 0 e e 0 x+ x e e , , . Rk+1 , . . . . . . . . + xe x 0 e
que se denotan por 0, x+ e y xe .
Por otra parte se tiene que la matriz de linealizaci on ng (y ) m 0 ka ka . . . . J (x, y1 , , y ) = . . 0 0 0 0
en un punto gen erico es 0 nxg (y ) 0 0 . . . . . . ka 0 ka ka
que en cada uno de los tres equilibrios toma la forma nm 0 0 0 ka ka 0 0 . . . . . . . . J (0, 0, , 0) = . . . . 0 0 ka 0 0 0 ka ka J (x , x , , x ) = e e e
0 0 ka ka . . . . . . 0 0 0 0
0 0 . . .
nx e g (xe ) 0 . . .
ka ka
0 ka
3.5. CRECIMIENTO LOG ISTICO CON UN RETRASO EN LA ESTRUCTURA 81
xe
x+ e
HO
...... ..
H SN
x-e
T
Figura 3.31: Diagrama de bifurcaciones del sistema con retardo. En consecuencia el polinomio caracter stico de J (0, 0, , 0) es ( (n m))( + ka)k
y el de J (x e , xe , , xe ) es
( + ka)k (ka)k , siendo 2n = nx x e f (xe ) = e 1 . x e 2
(3.13)
+ Cuando el par ametro de bifurcaci on p se mueve en (1, p ) ambos x e y xe pueden sufrir una bifurcaci on de Hopf, cuando un par de ra ces complejas de (3.13) cruzan el eje imaginario.
Un an alisis pormenorizado de las bifurcaciones de este sistema puede verse en (Aracil y otros, 1997). Este an alisis se resume en el diagrama de bifurcaciones de la gura 3.31, siendo
SN un punto de bifurcaci on nodo-ensilladura. T un punto de bifurcaci on transcr tica; H un punto de bifurcaci on de Hopf supercr tica; HO un punto de bifurcaci on homoclina.
0.852662
-0.112023 -0.0870878 x 0.788589
Figura 3.32: Proyecci on del retrato de estados en el plano (x, x ) en el caso de dos atractores. En la gura 3.32 se muestra la proyecci on del retrato de estados en el plano (x, x ) + en el caso de dos atractores: uno asociado a xe y el otro al origen 0. En este caso se tiene un comportamiento bimodal an alogo al que mostraba el sistema sin retraso, con la diferencia de que ahora se pueden presentar oscilaciones. Se tienen los dos modos de comportamiento que en principio cabr a esperar del sistema. Con unas condiciones iniciales adecuadas se produce el crecimiento de la poblaci on; mientras que con otras, normalmente m as peque nas, se producir a su extinci on. La separatriz entre las dos cuencas de atracci on est a asociada a la ensilladura x e. Sin embargo, para un cierto valor del par ametro p el equilibrio x+ e se convierte en inestable, apareciendo un ciclo l mite estable en su entorno. Se produce una bifurcaci on de Hopf. En la gura 3.33 se muestra esta situaci on. Ahora en lugar de dos atractores puntuales, como suced a en la gura 3.32, se tienen tambi en dos atractores, pero uno es un ciclo l mite. Disminuyendo el valor del par ametro p se llega a una nueva situaci on representada en la gura 3.34. El ciclo l mite alcanza las variedades estable e inestable asociadas con la ensilladura x , de modo que aparece una orbita homoclina, tal como se indica e en la gura 3.34. Puesto que esta o rbita homoclina es estructuralmente inestable, toda peque na perturbaci on en los par ametros dar a lugar a su ruptura. Se produce entonces el fen omeno de la cat astrofe retrasada, tal como se indica en la gura 3.35. Las trayectorias que tienden hacia la ensilladura a lo largo de su variedad estable se derivan hacia el
3.5. CRECIMIENTO LOG ISTICO CON UN RETRASO EN LA ESTRUCTURA 83
0.825812
-0.112962 -0.0977844 x 1.05
Figura 3.33: Bifurcaci on de Hopf ( = 2,8, n = 0,1, = 0,1 and a = 0,06).
0.943976
-0.133629 -0.0951067 x
1.29732
Figura 3.34: Orbita homoclina de la ensilladura x e . ( = 2,7045, n = 0,1, = 0,1 and a = 0,06.).
0.95
1.4
-0.1 -0.2 x 1.4
-0.2 -30 t 690
(a)
(b)
Figura 3.35: Cat astrofe retrasada: (a) o rbita en el espacio de estados (x, y ); (b) pauta de comportamiento. ( = 2,704, n = 0,1, = 0,1 and a = 0,06.) origen dando lugar a la extinci on de la poblaci on. Conviene detenerse en la comparaci on entre la gura 3.29, en la que se tiene el diagrama de bifurcaci on antes de a nadir el retraso, y la gura 3.31, con el correspondiente diagrama despu es de a nadirlo. Compar andolas se pone de maniesto el efecto del retraso en el comportamiento del sistema. En ambas los equilibrios son los mismos, pero en la segunda equilibrios que eran estables en la primera se han convertido en inestables. Esta inestabilizaci on se produce mediante una bifurcaci on de Hopf, de modo que emerge un ciclo l mite estable. A partir de esta emergencia se genera la aparici on del fen omeno de la cat astrofe retrasada.
Bibliograf a
[1] Abraham, R. and Shaw, Ch.D., 1992, Dynamics: The Geometry of Behavior, Second Edition, Addison-Wesley. [2] Aracil, J. 1981, Structural Stability of low-order System Dynamics Models. Int. J. System Science 12:423-441. [3] Aracil, J. 1984, Qualitative Analysis and Bifurcations in System Dynamics Models. IEEE-SMC-14 (4):688-696. [4] Aracil, J. 1986, Bifurcations and Structural Stability in the Dynamical Systems Modeling Process. Systems Research 3 (4):243-252. [5] Aracil, J. y F. Gordillo, 1997, Din amica de sistemas, Alianza Editorial. [6] Aracil, J., E. Ponce and L. Pizarro, 1997, Behavior patterns of logistic models with delay, aceptado para publicaci on en Mathematics and Computers in Simulation. [7] Guckenheimer, J. and P. Holmes, 1983, Nonlinear Oscillations, Dynamical Systems and Bifurcations of Vector Fields. New York: Springer-Verlag. [8] Hale, J.K., Ko cak, H., 1991, Dynamics and Bifurcations, Springer-Verlag. [9] Karsky, M., Dore, J-Ch. and Gueneau, P, De la possibilit e dapparition de catastrophes di er es, Ecodecision, No. 6, Septembre 1992, Montreal. [10] Kuznetsov, Y.A., 1995, Elements of Applied Bifurcation Theory, Springer-Verlag. [11] Mosekilde, E., J. Aracil and P. Allen. 1988, Instabilities and Chaos in Non-linear Dynamical Systems, System Dynamics Review, 4, 1, 14-55. [12] Nayfeh, A.H., Balachandran, B., 1995, Applied Nonlinear Dynamics, Wiley. [13] Thom, R., 1977, Stabilit e structurelle et morphog en` ese, InterEditions, Paris (versi on espa nola Estabilidad estructural y morfog enesis en Gedisa). [14] Strogatz, S.H., 1995, Nonlinear Dynamics and Chaos, Addison-Wesley. 85
86
A
BIBLIOGRAF IA
O t
Figura 3.36: Bimodal behavior pattern: attractor A stands for normal growth and O for decay. [15] M. V azquez, M. Liz, J. Aracil, 1996a, Knowledge and reality: some conceptual issues in the system dynamics modelling, System Dynamics Review, Vol. 12, no. 1, 21-37. [16] M. V azquez, M. Liz, J. Aracil, 1996b, An Epistemological Framework for System Dynamics Modelling, Revue Internationale de Syst emique, Vol. 9, Num. 5, 461489. [17] E.C. Zeeman, 1977, Catastrophe Theory, Addison-Wesley.
3.6. APENDICE
2n
1- 4
2
87
( x* e , *) xe
1- 4 1- 2
x+ e
1- 1
xe
2 - (1- )
1< < * =1 =1
0<<1
- 1+
2
=0
(xe ). 2n
Figura 3.37: The graph of the function
La losof a est a escrita en ese grandioso libro que est a continuamente abierto ante nuestros ojos (lo llamo universo). Pero no se puede descifrar si antes no se comprende el lenguaje y se conocen los caracteres en que est a escrito. Est a escrito en el lenguaje matem atico, siendo sus caracteres tri angulos, c rculos y guras geom etricas. Sin estos medios es humanamente imposible comprender una palabra; sin ellos, deambulamos vanamente en un oscuro laberinto. Galileo Il Saggiatore
3.6.
Ap endice
En este ap endice se va a generalizar para cualquier n la invariancia de los autovalores de un sistema din amico en un punto de equilibrio bajo una transformaci on diagonal mon otona y creciente. Sea el sistema din amico x = g (x) x X IRn Se aplica la transformaci on x = T ( x) (3.15) siendo T ( x) = diag[ti ( x)] una matriz diagonal tal que cada ti es una funci on mon otona 1 i > 0. La transformaci on T tiene inversa T = diag[1/ti ( x)]. Al aplicar creciente, dti /dx (3.14)
88 la transformaci on se tiene
BIBLIOGRAF IA
1 = [Dx x)) x (T )] g (T (
(3.16)
Los equilibrios son los mismos en las dos formalizaciones del sistema din amico, y est an ligados por la transformaci on T . Los autovalores de los dos sistemas din amicos son los mismos. En efecto, el jacobiano del transformado es:
1 1 A = Dx x)) + [Dx ([Dx (T )] )g (T ( (T )] [
f ][Dx (T )] x
pero como en el equilibrio g (T ( x)) = 0, luego

1 A = [Dx (T )] [
f ][Dx (T )] x
cuyos autovalores son los mismos que los del sistema din amico original. La estructura del retrato de estados es la misma. Lo u nico que las diferencia son las contracciones y dilataciones seg un los ejes que tienen lugar de acuerdo con la transformaci on T .
Cap tulo 4 Funci on descriptiva y balance arm onico

4.1. M etodo del primer arm onico
Los m etodos cl asicos de sistemas realimentados lineales est an basados en el empleo de la funci on de transferencia, que posee una interpretaci on en el dominio de la frecuencia de gran inter es para el an alisis y la concepci on de esos sistemas realimentados. Sin embargo, el concepto de funci on de transferencia est a 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 versi on ampliada del m etodo de la respuesta en frecuencia a sistemas no lineales mediante el m etodo de la funci on descriptiva. Con este m etodo, como vamos a ver, es posible adaptar los m etodos de dise no 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 u ltimo caso los resultados son exclusivamente aproximados.
4.1.1.
Ejemplo introductorio
Los sistemas no lineales pueden presentar oscilaciones de amplitud y periodo jos sin excitaci on exterior. Esas oscilaciones se denominan ciclos l mites u oscilaciones autoexcitadas. Una de la primeras ecuaciones propuestas para estudiar este fen omeno se debe al ingeniero el ectrico holand es Balthasar Van der Pol. Esta ecuaci on es la 89
90 siguiente:
DESCRIPTIVA Y BALANCE ARMONICO CAP ITULO 4. FUNCION x + (x2 1)x +x=0
(4.1)
vamos a emplear esta ecuaci on como ejemplo introductorio al m etodo del primer arm onico. Para ello, vamos a suponer que existe un ciclo l mite de amplitud y frecuencia no determinadas, y vamos a ver que restricciones impone la ecuaci on anterior a esta amplitud y frecuencia.
Elemento no lineal (xx 2) s 0 + x (.)2 v s2 s+1 x Elemento Lineal
Figura 4.1: Diagrama de bloques del oscilador de Van der Pol
Puesto que el an alisis de la ecuaci on de Van der Pol lo estamos haciendo como introducci on al estudio de sistemas realimentados no lineales conviene que representamos la ecuaci on (4.1) mediante un diagrama de bloques como el de la gura 4.1. En esta gura se tiene un sistema realimentado, con realimentaci on unitaria, en cuya cadena directa aparece un bloque no lineal y uno lineal. Como veremos luego, esta ser a la forma que tomaran los sistemas realimentados no lineales a los que se aplica el m etodo del primer arm onico. Para justicar el diagrama de la gura 4.1 basta reescribir la expresi on (4.1) de la forma x x + x = x2 x Se dene v = x2 x , con lo que la anterior expresi on se convierte en x x + x = v cuya funci on de transferencia es x (s ) = 2 v s s + 1 Supongamos que el sistema de la gura 4.1 oscila, de modo que la se nal x evoluciona de la forma x(t) = A sen t (4.2)
4.1. METODO DEL PRIMER ARMONICO en donde A es la amplitud del ciclo l mite y su frecuencia. En este caso se tiene x (t) = A cos t por consiguiente, la salida del bloque no lineal de la gura 4.1 viene dada por v = x2 x = A2 sen2 tA cos t A3 (1 cos 2t) cos t = 2 A3 = (cos t cos 3t) 4 El paso de (4.3) a (4.4) se basa en que 2 sen2 t = 1 cos 2t ya que cos 2t = cos2 t sen2 t = 1 2 sen2 t
91
(4.3) (4.4) (4.5)
Por otra parte, el paso de (4.4) a (4.5) es un poco m as elaborado. Para demostrarlo se parte de cos 3t = = = = = de donde se tiene que 1 cos t cos t cos 2t = (cos t cos 3t) 2 En la expresi on (4.5) se observa que la se nal v contiene un arm onico de tercer orden. Sin embargo, sucede que la parte lineal se comporta como un ltro paso bajo, de modo que se puede suponer razonablemente que este arm onico de tercer orden resulta sucientemente atenuado por el bloque lineal y que puede, en una primera aproximaci on despreciarse. Con estos supuestos, la se nal v toma la forma aproximada v A2 d A3 (cos t) = (A sen t) 4 4 dt (4.6) cos 2t cos t sen t sen 2t cos t(1 2 sen2 t) 2 sen2 t cos t cos t(1 4 sen2 t) cos t(1 2 + 2 cos 2t) cos t(2 cos 2t 1)
De este modo el bloque no lineal de la gura 4.1 puede representarse en forma aproximada como se hace en la gura 4.2. El bloque no lineal de la gura 4.1 se describe de forma aproximada, mediante una funci on de transferencia como la que se indica en la gura 4.2. Conviene observar que esta funci on de transferenciadepende de la amplitud de la se nal de entrada A, lo que no sucede en ning un caso con una funci on de transferencia de un sistema lineal.
92
DESCRIPTIVA Y BALANCE ARMONICO CAP ITULO 4. FUNCION

Aproximaci on cuasi lineal r=0 + x
A2 s 4
s2 s+1
Figura 4.2: Aproximaci on lineal del oscilador de Van der Pol En general, podemos escribir que las se nales de salida v del bloque no lineal de la gura 4.2 vienen dadas por v = N (A, )(x) (4.7) en donde N juega el mismo papel que la funci on de transferencia en un sistema lineal, aunque en este caso con la propiedad adicional de depender no solamente de la frecuencia , sino tambi en de la amplitud A. A la funci on N la denominaremos funci on descriptiva del elemento no lineal correspondiente y constituye una generalizaci on del concepto de funci on de transferencia al estudio de los sistemas no lineales (aunque aqu con un car acter aproximado ya que para llegar a ella se han despreciado los arm onicos de orden superior al primero, a partir de la consideraci on del car acter del ltro paso bajo del bloque lineal). En el caso que nos ocupa la funci on descriptiva toma la forma N (A, ) = j A2 4 (4.8)
es decir el bloque no lineal se puede aproximar por la funci on de respuesta en frecuencia N . De acuerdo con la cadena directa del sistema de la gura 4.2, se puede escribir x = A sen t = G(j )v = G(j )N (A, )(x) (4.9)
Se sabe que una se nal senoidal se puede escribir en forma compleja mediante la exponencial x = Aejt con lo que la anterior expresi on (4.9) puede escribir Aejt = G(j )N (A, )(Aejt ) de donde se tiene 1 + G(j )N (A, ) = 0 (4.10)
4.1. METODO DEL PRIMER ARMONICO
93
esta expresi on, en realidad, es una forma de escribir la expresi on (4.1), es decir la ecuaci on del sistema, habida cuenta de la simplicaci on que ha permitido pasar de la expresi on (4.3) a la (4.6). La resoluci on de esta ecuaci on en la amplitud A y la frecuencia permite determinar la amplitud y frecuencia a la que oscila el sistema. En el caso concreto que nos ocupa, la expresi on (4.10) se convierte en 1+ que conduce a cuya parte real es A2 j = 0 (j )2 (j ) + 1 4 (4.11)
4((j )2 (j ) + 1) + A2 j = 0 4 2 + 4 = 0
cuya soluci on conduce a = 1, y cuya parte imaginaria es 4 + A2 = 0 por lo que A = 2. Por tanto el sistema admite una soluci on en forma de oscilaci on con amplitud A = 2 y frecuencia = 1. Conviene observar que la expresi on (4.11) escrita en forma de Laplace toma la forma 1+ A2 s =0 s2 s + 1 4
que es la ecuaci on caracter stica en bucle cerrado del sistema de la gura 4.2. Los autovalores de esta ecuaci on son 1 1,2 = (A2 4) 8 1 2 2 (A 4)2 1 64 (4.12)
en los que haciendo A = 2 se obtienen los autovalores 1,2 = j ; es decir existe un ciclo l mite de amplitud 2 y frecuencia 1. Conviene observar que ni la amplitud ni la frecuencia obtenidas dependen del par ametro .
4.1.2.
Principios del m etodo
Supuestos b asicos del m etodo:
1. Hay un u nico componente no lineal. 2. Ese componente es invariante en el tiempo.
94

Elemento no lineal r(t) = 0 + x(t) v = f (x) v (t) Elemento lineal G(s) y (t)
Figura 4.3: Sistema no lineal

r(t) = 0 + x(t) G1 (s) v (t) u(t) Gp (s) y (t)
G2 (s)
Figura 4.4: Sistema de control con una no linealidad 3. La parte lineal se comporta como un ltro paso-bajo. 4. La no linealidad es sim etrica, de modo que no aparece en la salida un se nal de continua, cuando la se nal de entrada es sinusoidal.
Debido a estas limitaciones, el m etodo de la funci on descriptiva se utiliza fundamentalmente para el an alisis de estabilidad y no suele aplicarse a problemas de dise no o ptimo de sistemas.
4.1.3.
Transformaci on de Fourier
La salida v (t) de un elemento no lineal, en respuesta a una se nal sinusoidal, de amplitud A y frecuencia , es una se nal peri odica de la misma frecuencia, que se puede desarrollar en serie de Fourier, de la forma:
v (t) = a0 +
k =1
(ak cos(kt) + bk sen(kt))
El t ermino independiente es el valor medio de la se nal en un per odo.
4.1. METODO DEL PRIMER ARMONICO 1 a0 = 2
95
v (t)d(t)
Para una se nal sin componente de continua este valor es cero; es decir a0 = 0 (recu erdese el supuesto 4 de 4.1.2). ak = bk = Casos de inter es: v (t) es impar [v (t) = v (t)], entonces ak = 0, k = 0, 1, 2, ..., y en desarrollo solo tiene t erminos en senos (gura 4.5a). v (t) es alternada [v (t + ) = v (t)], entonces el desarrollo solo tiene t erminos impares (gura 4.5b).
v (x) x v (x) x a) v (x) x v (x + ) b) x+
1 1
v (t) cos(kt)d(t)

k = 0, 1, 2, ... k = 0, 1, 2, ...
(4.13) (4.14)
v (t) sen(kt)d(t)
Figura 4.5: Se nales impar (a) y alternada (b)
4.1.4.
Funci on descriptiva
En el supuesto de que se considere u nicamente la componente fundamental del desarrollo en serie, y recordando que a0 = 0, se tiene que la expresi on se convierte en v (t) = v1 (t) = a1 cos(t) + b1 sen(t) = M sen(t + ) (4.15)
En la gura 4.6 se representa un elemento no lineal y su representaci on mediante la funci on descriptiva. De la expresi on (4.15) se tiene M (A, ) =
2 a2 1 + b1
(A, ) = tag 1
a1 b1
96

Asen(t) N.L. w(t) Asen(t) N (A, ) M sen(t + )
Figura 4.6: Elemento no lineal y funci on descriptiva En la gura 4.6 se muestra como la componente fundamental de la salida de un sistema no lineal a una se nal sinusoidal de entrada, es otra se nal sinusoidal de la misma frecuencia pero de amplitud M y desfase . Empleando una representaci on compleja la sinusoide puede escribirse v1 = Mej (t+) = (b1 + ja1 )ejt Con los anteriores elementos ya estamos en posici on de denir la funci on descriptiva de un elemento no lineal como el cociente complejo entre la componente fundamental del elemento no lineal y la se nal sinusoidal de entrada A sen t; es decir N (A, ) = Mej (t+) M j 1 e = (b1 + ja1 ) = jt Ae A A (4.16)
Es decir, la funci on descriptiva N (A, ) es una funci on compleja cuyo m odulo y argumento representan la amplicaci on y el desfase del primer arm onico de la salida v (t) de un sistema no lineal ante una entrada sinusoidal de amplitud A y frecuencia . Si la no-linealidad puede escribirse v = (y ), la funci on descriptiva viene dada por N (A, ) = b1 + ja1 1 = A A
2
(A sen )(sen + j cos )d

0
(4.17)
El concepto de funci on descriptiva puede, por tanto, ser considerado como una ampliaci on de la noci on de respuesta frecuencial de los sistema lineales. Las diferencias entre ambos conceptos se limitan a que la funci on descriptiva de un elemento no lineal depende de la amplitud, mientras que la funci on de transferencia de un elemento lineal no depende de ella. Sin embargo, con vistas a las aplicaciones al dise no de sistemas realimentados pueden tratarse de forma an aloga. En general, por tanto, la funci on descriptiva depende de la frecuencia y la amplitud de la se nal de entrada. Existen, sin embargo, algunos casos especiales. Cuando la no linealidad es uniforme (es decir, su caracter stica es una funci on que asigna a cada valor de la se nal de entrada un u nico valor de la se nal de salida) la funci on descriptiva N es real e independiente de la frecuencia de entrada. El car acter real de N se debe a que a1 = 0, debido a que la se nal de salida del elemento no lineal es impar, y en ese as, la salida caso, como hemos recordado antes, todos los t erminos ai se anulan. Adem
4.1. METODO DEL PRIMER ARMONICO
97
es siempre alternada, por lo que los t erminos pares desaparecen. Por tanto ante una no-linealidad uniforme se tendr a v (t) = b1 sen t + b3 sen 3t + b5 sen 5t + ...
4.1.5.
Interpretaci on estoc astica de la funci on descriptiva
Se trata de determinar N (A) de modo que N (A)A sen t aproxime a (A sen t) minimizando el error cuadr atico medio. Sea e(t) = (A sen t) N (A)A sen t se pretende minimizar J= sustituyendo e(t) y diferenciando 2 dJ = dN 2 luego
2 2 2 0 2 0
1 2
e2 (t)d(t)
[(A sen t) N (A)A sen t](A sen t)d(t) = 0
(A sen t)A sen td(t) =

0 0 2 0
N (A)A2 sen2 td(t)
pero N (A)A2 sen2 td(t) = N (A)A

2
luego 1 N (A) = A (A sen t)A sen td(t)

0
4.1.6.
Propiedad del cono
Sea (.) tal que k1 y 2 y(y ) k2 y 2 (4.18) se dice que (.) est a en el cono [k1 , k2 ]. Si adem as (.) es impar, (y ) = (y ), entonces se tiene que k1 N (A) k2 (4.19)
98
es decir la funci on descriptiva est a en el intervalo [k1 , k2 ]. En efecto, N (A) = = = = An alogamente para k2 .
2 1 (A sen t) sen td(t) A 0 2 1 (A sen )A sen d A2 0 2 1 k1 (A sen )2 d A2 0 k1 2 k1 sen2 d 0 k1 k1 = k1
4.2.
Algunas funciones descriptivas
La determinaci on de la funci on descriptiva se puede hacer b asicamente de dos formas: por c alculo anal tico o por determinaci on experimental. Por lo que respecta al m etodo anal tico vamos a presentar varios ejemplos para ilustrar su aplicaci on. El primero de los ejemplos es una saturaci on que aporta un ejemplo de un sistema no lineal con caracter stica est atica. Tambi en se presenta un ejemplo de un rel e con holgura, cuya caracter stica es din amica.
4.2.1.
Saturaci on
En la gura 4.7 se muestra la caracter stica de una saturaci on. Para valores de x < a el elementos no lineal transmite la se nal de forma lineal, con una amplicaci on. Para valores de x > a la se nal de entrada queda truncada por efecto de la no linealidad. En la gura 4.7 se muestra el efecto de la saturaci on sobre una se nal de entrada de amplitud mayor que a, para el caso en que A sea mayor que a. En tal caso se tiene que la se nal de salida del elemento no lineal vendr a dada por v (t) = siendo = sen1 (a/A) kA sen(t) 0 t ka t /2
4.2. ALGUNAS FUNCIONES DESCRIPTIVAS

v saturaci on k 0 a x 0 v (t) ka salida no saturada salida saturada t
99
ka
0 /2
A x(t)
entrada sinusoidal
Figura 4.7: Caracter stica de una saturaci on. a1 = 0 obs ervese que el car acter impar de v (t) implica que a1 = 0 y que la simetr a de la se nal sobre los cuatro cuadrantes en que se puede considerar dividido un periodo indica que b1 4 = 4 = =
/2
v (t) sen td(t)

0 0
(4.20) 4
/2
kA sen2 td(t) +
ka sen td(t)
a 2kA a2 ( + 1 2) A A por consiguiente, la funci on descriptiva resulta ser 2k a b1 a2 = ( + 1 2) A A A En la gura 4.8 se representa la funci on descriptiva de una saturaci on. N (A) = (4.21)
4.2.2.
Rel e
La caracter stica no lineal de un rel e se muestra en la gura 4.9. Si se compara con la caracter stica de una saturaci on, que se vio en la gura 4.7 se tiene que la no
100
1.2
Rango lineal
1.0
0.8
N(A)/k
0.6
0.4
0.2
0.0
10
A/a
Figura 4.8: Funci on descriptiva de una saturaci on.
v encendido M N(A)/M
2.0 a infinito 1.6 1.2 0.8 0.4 0.0 a cero
0 -M apagado
5 A
10
Figura 4.9: Caracter stica de un rel e
4.2. ALGUNAS FUNCIONES DESCRIPTIVAS linealidad de un rel e corresponde a un caso l mite de una saturaci on denido por a 0, k
101
on (4.21) calculando el l mite. siendo ka = M . Por tanto, b1 puede obtener de la expresi Sin embargo se obtiene m as f acilmente calcul andolo directamente de acuerdo con b1 = 4
/2
M sen td(t) =
0
4M
(4.22)
por lo que la funci on descriptiva de un rel e viene dada por N (A) = 4M A (4.23)
En la gura 4.9 se representa la funci on descriptiva de un rel e. Puede compararse esa funci on descriptiva con la de la saturaci on que se vio en la gura 4.8.
4.2.3.
Holgura
Engranaje primario ngulo a salida C b B -b 0 D E A b ngulo a entrada
Engranaje secundario
Figura 4.10: Caracter stica de una holgura. En la gura 4.10 se muestra la caracter stica de una holgura, que se presenta a menudo en los sistemas de transmisi on mec anica mediante engranajes. Como consecuencia de la holgura, cuando el engranaje primario gira un a ngulo menor que b, el secundario no se mueve, como corresponde a la zona muerta (segmento OA en la gura 4.10); despu es de establecido el contacto en engranaje secundario sigue la rotaci on del primario de manera lineal (segmento AB ). Si se invierte el sentido de giro del engranaje primario entonces durante un a ngulo 2b el secundario no se mueve, de acuerdo con el segmento BC de la gura 4.10. Cuando se restablece el contacto entre los dos engranajes el secundario sigue al primario en la direcci on opuesta (segmento CD). Por consiguiente, si el engranaje primario est a sometido a un movimiento peri odico el secundario recorrer a el camino cerrado EBCD, de la gura 4.10. Conviene observar que los puntos B , C , D y E de la gura dependen de la amplitud de la se nal sinusoidal de entrada.
102
La holgura suministra un ejemplo de no linealidad con memoria, en la que el valor de la salida en un instante de tiempo determinado, no depende exclusivamente del valor de la entrada en ese instante, sino de la historia previa de las se nales de entrada que afectan al sistema.
v k (A b) v (t) 3/2 b x k (A b) -A /2 3/2 2 entrada sinusoidal A /2 t
-b
x(t)
Figura 4.11: Generaci on de la se nal de salida para una se nal sinusoidal de entrada en una holgura. El c alculo de la funci on descriptiva resulta en este caso m as complejo que en el de la no linealidades sin memoria. En la gura 4.11 se muestra como se genera la se nal de salida para una se nal sinusoidal de entrada. La se nal de salida v (t), en un periodo, se determina dividiendo este periodo en las cuatro partes correspondientes a los cuatro tramos que aparecen en el romboide de la caracter stica. Se tiene
v (t) = (A b)k t 2 v (t) = A(sen t + b)k t 32 3 v (t) = (A b)k t 2 2 v (t) = A(sen t b)k 2 t 52
donde = sen1 (1 2b/A). En este caso la caracter stica no es uniforme y la componente fundamental de la se nal de salida presenta variaci on de amplitud y de fase. Se tiene 4kb b a1 = ( 1) A b1 = 2b Ak 2b ( sen1 ( 1) ( 1) 2 A A 1( 2b 1)2 ) A
4.2. ALGUNAS FUNCIONES DESCRIPTIVAS es decir, la funci on descriptiva de una holgura viene dada por |N (A)| = 1 A
2 a2 1 + b1
103
a1 ) b1 En las guras 4.12 y 4.13 se representan la amplitud y desfase, respectivamente, de la funci on descriptiva de una holgura. Obs ervese que en este caso la funci on descriptiva N (A) = tan1 (
1.0
0.8
Amplitud
0.6
0.4
0.2
0.0 0.0
0.2
0.4
0.6
0.8
1.0
b/A
Figura 4.12: Amplitud de la funci on descriptiva de una holgura. depende exclusivamente de la amplitud de la se nal de entrada, como suced a en las no linealidades sin memoria (como la saturaci on y el rel e) que se han visto anteriormente. Sin embargo, en este caso la funci on descriptiva tiene m odulo y argumento (amplitud y desfase), mientras que en los casos de no linealidades sin memoria la funci on descriptiva posee u nicamente amplitud, y no desfase.
4.2.4.
Determinaci on experimental de la funci on descriptiva
En lo ejemplos que se acaban de ver, se ha determinado la funci on descriptiva mediante la aplicaci on de m etodos matem aticos. Ello es posible cuando la formulaci on matem atica del problema es aceptablemente sencilla. Cuando no es as , se procede de manera experimental con ayuda de un analizador arm onico. Se excita el sistema no lineal cuya descripci on descriptiva se quiere determinar, con se nales sinusoidales, y la
104
Desfase
-30
-60
-90 0.0
0.2
0.4
0.6
0.8
1.0
b/A
Figura 4.13: Desfase de la funci on descriptiva de una holgura.
salida se analiza mediante el analizador arm onico, de modo que se discrimine el primer arm onico. Comparando las amplitudes y fases de la se nal de entrada y del primer arm onico se puede determinar experimentalmente la funci on descriptiva. Conviene observar que, en este caso, y al contrario de lo que sucede con los sistemas lineales, el an alisis debe realizarse para se nales de entrada de diferente amplitud; es decir, el ensayo debe realizarse variando tanto la amplitud como la frecuencia de la se nal de entrada. De este modo se determinan los datos que permiten establecer la funci on N (A, ). Estos datos se procesaran normalmente mediante tablas, y no mediante expresiones anal ticas.
4.3.
An alisis de sistemas no lineales mediante la funci on descriptiva
En las secciones anteriores hemos visto como se determina la funci on descriptiva de un elemento no lineal. Adem as en la secci on 4.1.1 se present o un ejemplo introductorio que permit a analizar la existencia de ciclos l mites en un sistema no lineal mediante la funci on descriptiva. En esta secci on vamos a generalizar el m etodo all presentado. Para ello, en primer lugar, conviene recordar el criterio de Nyquist.
DESCRIPTIVA105 4.3. ANALISIS DE SISTEMAS NO LINEALES MEDIANTE LA FUNCION

+ G(s)
H (s)
Figura 4.14: Sistema lineal realimentado.

+ plano s G(s)H (s)
-1
Figura 4.15: Criterio de Nyquist.
4.3.1.
Una ampliaci on del criterio de Nyquist
Sea el sistema lineal de la gura 4.14, cuya ecuaci on caracter stica resulta ser 1 + G (s )H (s ) = 0 (4.24)
como se recordar a el criterio de Nyquist permite conocer el n umero de ra ces de la ecuaci on caracter stica con parte real negativa. Para ello basta dibujar la aplicaci on C del contorno de Nyquist en un plano complejo apropiado, determinar el n umero N de veces que este contorno C rodea al punto (-1,0) y aplicar la conocida expresi on Z =N +P en donde P es el n umero de polos inestables de la funci on de transferencia en bucle abierto GH . Entonces Z es el nmero de polos inestables del sistema en bucle cerrado (con s olo que haya uno, el sistema es inestable). El criterio de Nyquist se amplia formalmente para el caso en el que una constante k , que consideraremos que puede ser un n umero complejo, se incluye en la cadena directa de la gura 4.16. En tal caso la ecuaci on caracter stica resulta ser
106

0 + k G(s) -1 Re H (s) 1/k Im G(s)H (s)
Figura 4.16: Ampliaci on del criterio de Nyquist.

Funci on descriptiva r(t) = 0 + x(t) N (A, ) v (t) Elemento lineal G(j ) y (t)
Figura 4.17: Sistema no lineal. 1 + kG(s)H (s) = 0 y por tanto, 1 (4.26) k Es f acil ver que en este caso el criterio de Nyquist se aplica igual que en el caso anterior (de la gura 4.15) con la diferencia de que ahora Z representa el n umero de veces que el contorno de Nyquist de GH rodea al punto 1/k , lo que se ilustra en la gura 4.16. G (s )H (s ) = (4.25)
4.3.2.
Oscilaciones de un servomecanismo no lineal
Consid erese el sistema no lineal de la gura 4.17. Diremos que este sistema presenta una oscilaci on automantenida si para r = 0 el sistema presenta un comportamiento oscilatorio. Supongamos que esta oscilaci on viene dada por la expresi on x(t) = A cos t (4.27)
El componente fundamental de la se nal de salida del elemento no lineal v (t) resulta ser v (t) =| N (A, ) | A cos(t + (A, )) Es sabido que (4.27) y (4.28) pueden escribirse de la forma x(t) = {Aejt } (4.28)
DESCRIPTIVA107 4.3. ANALISIS DE SISTEMAS NO LINEALES MEDIANTE LA FUNCION v (t) = {| N (A, ) | Aej (t+(A,)) }
Empleando esta u ltima forma de representar un comportamiento oscilatorio, se tiene que la salida del elemento lineal vendr a dada por y (t) = {| N (A, ) | A | G(j ) | ej (t++) } siendo = G(j ). Para que la oscilaci on sea automantenida, en ausencia de se nal de excitaci on r , se requiere que: Aejt =| N (A, ) | A | G(j ) | ej (t++) Es decir, Aejt (| N (A, ) || G(j ) | ej (+))+1 = 0 | N (A, ) || G(j ) | ej (+) + 1 = 0 es decir, N (A, )G(j ) + 1 = 0 y por tanto, G(j ) = 1 N (A, ) (4.30) (4.29)
La anterior expresi on se debe satisfacer para todo t, por lo que se tendr a
y cualquier par de valores de A y que satisfaga la anterior ecuaci on puede dar lugar a un ciclo l mite. De aquellos valores que satisfagan esta ecuaci on, solo dar a lugar a un ciclo l mite aquellos para los que la oscilaci on peri odica sea estable.
4.3.3.
Funci on descriptiva independiente de la frecuencia
Consid erese el caso en el que la funci on descriptiva N es u nicamente funci on de la amplitud A. Este caso incluye todas las no linealidades cuya caracter stica es uniforme y algunas no linealidades biformes interesantes como la holgura. En este caso la expresi on (4.30) se convierte en 1 G(j ) = (4.31) N (A) En la gura 4.18 se han representado la funci on de transferencia de la parte lineal G(j ) (parametrizado en ) y la curva correspondiente a la inversa de la funci on 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 correspondientes al punto de intersecci on son soluciones de la ecuaci on 4.31, y en consecuencia, pueden existir ciclos l mites. Por ejemplo, en la gura 4.18 las dos curvas se cortan en el punto L.
108

G(j ) Im
L 1/N (A)
Re
Figura 4.18: Determinaci on de un ciclo l mite. Conviene recordar que para no-linealidades uniformes N es siempre real y por consiguiente el trazado de (4.31) siempre est a situado sobre el eje real.
4.3.4.
Funci on descriptiva dependiente de la frecuencia
En el caso general la funci on descriptiva depende tanto de la amplitud de la se nal de entrada como de su frecuencia y, en consecuencia el m etodo que se acaba de ver en el apartado anterior, adquiere mayor complejidad. En tal caso la expresi on en el segundo miembro de (4.30) da lugar a una familia de curvas en el plano complejo con A como par ametro y permaneciendo constante en cada curva, como se muestra en la gura 4.19. De todas las intersecciones entre la familia de curvas 1/N (A, ) y la curva G(j ) solamente aquellos puntos de intersecci on en los que coincidan los valores de constituyen soluciones de la ecuaci on (4.30), y son, por tanto, candidatos a ciclos l mites. Existe otro procedimiento gr aco para resolver la expresi on (4.30). Consiste en considerar la representaciones gr acas de G(j )N (A, ). Dando a A un valor constante y variando de 0 a innito, se obtiene una curva que representa a G(j )N (A, ). Procediendo con diferentes valores de A se obtiene una familia de curvas, como la que se muestra en la gura 4.20. La curva de esta familia que pase por el punto (-1,0) en el plano complejo suministra una soluci on de la expresi on (4.30) .
4.3.5.
Estabilidad de los ciclos l mite
Con los ciclos l mites sucede lo mismo que con los equilibrios: que pueden ser estables o inestables. Las soluciones de la ecuaci on (4.30) deben someterse a un an alisis de estabilidad, para determinar cuales de ellas son estables y cuales no. El criterio de Nyquist ampliado que hemos visto en la secci on 4.3.1, permite analizar esa estabilidad. Consid erese la gura 4.21 en la que se muestran las intersecciones entre la funci on de transferencia de la parte lineal y la inversa de la funci on descriptiva de la parte
DESCRIPTIVA109 4.3. ANALISIS DE SISTEMAS NO LINEALES MEDIANTE LA FUNCION
1/N (A, ) 4 3 2 1
G(j ) A
Im
Re
Figura 4.19: Determinaci on de ciclos l mite con funciones descriptivas dependientes de la frecuencia.
A1
A2 -1
A3
A4
G(j )N (A, )
Figura 4.20: Resoluci on gr aca de la ecuaci on N (A, )G(j ) + 1 = 0.
110

G(j ) Im
L2
1/N (A, ) L1 L1
Re
L1
Figura 4.21: Estabilidad de ciclos l mite. no lineal. Estas dos curvas presentan dos puntos de intersecci on, L1 y L2 , por lo que el sistema presenta dos ciclos l mites. Obs ervese que el valor de A correspondiente al punto L1 es menor que el de A correspondiente a L2 . Sup ongase que la funci on de transferencia de la parte lineal G(j ) no posee polos inestables. Vamos a analizar primero la estabilidad del ciclo l mite correspondiente al punto L1 . Consid erese que el sistema se encuentra inicialmente operando en el punto L1 , na con un ciclo l mite de amplitud A1 y cuya frecuencia en 1 . Debido a una peque perturbaci on, la amplitud de la se nal de entrada al sistema no lineal se incrementa ligeramente, y el punto de operaci on del sistema se mueve de L1 a L1 . Puesto que el nuevo punto L1 se encuentra a la derecha de la curva G(j ), de acuerdo con el criterio de Nyquist ampliado que se ha visto en la secci on 4.3.1, el sistema es inestable, en este punto de operaci on, y las amplitudes del sistema tienden a crecer. Por consiguiente, el punto de operaci on seguir a creciendo a lo largo de curva 1/N (A, ) hasta el punto L2 . Por otra parte, si el sistema se perturba de modo que la amplitud A decrece, entonces el punto de operaci on se mover a al punto L1 . En este caso el punto L1 queda a la izquierda de G(j ) y el criterio de Nyquist ampliado garantiza la estabilidad del sistema, por lo que las amplitudes tender an a decrecer y el punto de operaci on se alejara cada vez m as del punto de equilibrio L1 . De todo lo anterior se desprende que una ligera perturbaci on destruye la oscilaci on en el punto L1 y que, por consiguiente, que este ciclo l mite es on de inestable. Un an alisis similar puede desarrollarse para el punto L2 con la conclusi que ciclo l mite en ese caso es estable. El anterior razonamiento no es del todo convincente, y debe considerarse como una forma intuitiva de presentar un resultado que, por otra parte es correcto, como se ver aa continuaci on. Una forma m as rigurosa de abordar el estudio de la estabilidad de las oscilaciones es el siguiente. Sea x = Aejt el primer arm onico de la oscilaci on automantenida que se perturba ligeramente hasta que su amplitud toma el valor A + A y su frecuencia
DESCRIPTIVA111 4.3. ANALISIS DE SISTEMAS NO LINEALES MEDIANTE LA FUNCION + . Despu es de la perturbaci on, x(t) ya no es una funci on peri odica, sino que posee un peque no amortiguamiento , positivo o negativo. Es decir, despu es de la perturbaci on la se nal se convierte en: x(t) = (A + A)et ej (+)t = (A + A)ej (++j)t (4.32)
Por otra parte, la expresi on (4.29) se puede escribir X (A, ) + jY (A, ) = 0 (4.33)
agrupando los t erminos correspondientes a sus partes real e imaginaria. Por otra parte, la soluci on (4.32) debe satisfacer tambi en la anterior ecuaci on dando lugar a: X (A + A, + + j ) + jY (A + A, + + j ) = 0 (4.34)
Desarrollando en serie de Taylor esta expresi on, y tomando u nicamente los t erminos de primer orden en A, y , se tiene: X + Y + Eliminando : X
2
X Y A = 0 A Y X A + = 0 A
X Y Y X A A
Para que la oscilaci on sea estable es necesario que y A sean del mismo signo, lo que exige que: Y X X Y >0 (4.35) A A En el caso de una no linealidad uniforme se tiene, N (A)G(j ) + 1 = 0 Haciendo G(j ) = U ( ) + jV ( ) 1 = P (A) + jQ(A) C (A) = N (A)
112 se tiene
X (A, ) = U ( ) P (A) Y (A, ) = V ( ) Q(A) Por lo que la expresi on (4.35) se escribe en este caso Q U P V A A >0
El primer miembro de esta desigualdad es un producto vectorial lo que puede escribirse dG(j ) dC (A) >0 d dA Este producto vectorial permite la interpretaci on geom etrica que se muestra en la gura 4.22. De acuerdo con ella, un ciclo limite ser a estable si recorriendo G(j ) en el sentido de las crecientes, en el punto de corte con C (A), se deja a la izquierda el sentido de las A crecientes, en la curva de C (A) = 1/N (A).
Im Im
Re 1/N 1/N
Re
(a)
(b)
Figura 4.22: Criterio de estabilidad de ciclos l mite: (a) estable; (b) inestable. De este modo se ha demostrado con rigor el resultado que previamente se hab a obtenido por consideraciones un tanto laxas con respecto al criterio de Nyquist.
Ejemplo Sea el sistema realimentado de la gura 4.23, que incluye un rel e en la cadena directa. Supongamos, en primer lugar, que la funci on de transferencia de la parte lineal es: K G 1 (s ) = s(s + 2)
DESCRIPTIVA113 4.3. ANALISIS DE SISTEMAS NO LINEALES MEDIANTE LA FUNCION r=0 + -
G (s )
Figura 4.23: Sistema con un rel e y realimentaci on. Se trata de estudiar las posibles oscilaciones del sistema y su estabilidad. Recordando la expresi on (4.23) se tiene que la funci on descriptiva de un rel e viene dada por 4M N (A) = A En este caso se supone que M = 1. Seg un lo que se ha visto, el sistema ser a oscilatorio si existe una soluci on a la ecuaci on 1 G 1 ( ) = N (A) Esta ecuaci on, en este caso, conduce a K A = j (j + 2) 4 Es decir 4K = Aj (j + 2) Igualando sus partes reales e imaginarias se tiene: 4K = A 2 2Aj = 0 De donde se desprende que = 0, y por lo tanto el sistema no oscilar a, pues no existe ninguna frecuencia para la que se tenga una soluci on oscilatoria. A la misma conclusi on se llega empleando m etodos gr acos, y comprobando que la representaci on gr aca de la funci on de transferencia de la parte lineal y de la funci on descriptiva s olo se cortan en el origen. Supongamos ahora que la ecuaci on de la parte lineal es G 2 (s ) = K s(s + 2)(s + 5)
114

Im G2 (j ) A P P P Re
Figura 4.24: Estudio de la estabilidad de un sistema no lineal con un rel e.
En ese caso la ecuaci on de oscilaci on se convierte en K A = j (j + 2)(j + 5) 4 es decir 4K = Aj (j + 2)(j + 5) = 7A 2 + Aj ( 3 10 ) Con lo que igualando partes reales e imaginarias se tiene 4K = 7A 2 3 10 = 0
Por lo tanto, en este caso el sistema oscila con una frecuencia = amplitud A = 2K/35 .
10 y una
Para estudiar la estabilidad del oscilador se recurre al diagrama de Nyquist que se muestra en la gura 4.24. El punto de oscilaci on corresponde al punto P de esta gura. Para estudiar la estabilidad del ciclo l mite, supongamos, en primer lugar, una perturbaci on que haga que la entrada al elemento no lineal se incremente a un nuevo valor, de modo que el punto de operaci on se desplace a P . Puesto que P se encuentra en la regi on de operaci on estable, la amplitud de la entrada al elemento no lineal tiende a decrecer y por tanto el punto de operaci on se mueve de nuevo a P . De forma an aloga, si la perturbaci on hace decrecer la amplitud de la entrada al sistema no lineal entonces se produce un desplazamiento del punto de operaci on a P , que se encuentra situado en la regi on de operaci on inestable. La amplitud de la entrada, en este caso, se incrementa de modo que el punto de operaci on vuelve de nuevo a P . Por consiguiente el sistema tiene un ciclo l mite estable en P .
DESCRIPTIVA DUAL 4.4. LA FUNCION
115
a)
b)
Figura 4.25:
4.3.6.
Fiabilidad del an alisis mediante funciones descriptivas
Cuando se emplea el m etodo de la funci on descriptiva conviene no olvidar nunca el car acter aproximado de esa funci on, lo que conduce a resultados que tienen tambi en una naturaleza aproximada. Este car acter aproximado afecta no s olo a los valores num ericos de las amplitudes y frecuencias de las oscilaciones de los ciclos l mites, sino tambi en a la propia existencia de estos. Conviene recordar una de las hip otesis sobre las que est a basado el m etodo: el car acter de ltro paso bajo del sistema lineal. Adem as, la propia expresi on (4.30) puede ser sensible a las aproximaciones que comporta el m etodo. Con car acter general se puede decir que las conclusiones del m etodo ser an tanto m as s olidas cuanto m as neta sea la intersecci on de las curvas que representan la parte lineal y la inversa de la parte no lineal en la resoluci on gr aca del m etodo. En la gura 4.25 se muestran dos situaciones extremas posibles. En la gura 4.25a se presenta un caso en el que el sistema muestra una gran sensibilidad, lo que hace temer que las conclusiones del m etodo se puedan ver fuertemente afectadas. Por otra parte, la gura 4.25b muestra un caso en el que las conclusiones son altamente ables. Cabe decir, que cuanto m as perpendicular es la intersecci on entre las curvas G(j ) y 1/N (A, ), m as ables son los resultados del m etodo.
4.4.
La funci on descriptiva dual
En este apartado se extienden las t ecnicas de an alisis basadas en m etodos frecuenciales al caso de no linealidades asim etricas. Para ello se usa el m etodo de la
116
funci on descriptiva dual [GV68], [Ath75], [Coo94], [Cue00]. En este m etodo se estudia el balance del primer arm onico, de tal forma que los ciclos l mite admitir an la siguiente representaci on: y (t) = a0 + Re(a1 ejt ); a0 R, a1 C; Re(a1 ) 0, > 0, (4.36)
ermino de continua. Al igual que donde, y (t) es la salida de la parte lineal y a0 es el t en la secci on anterior los ciclos l mite no se consideran en fase, y se puede suponer, sin p erdida de generalidad, que Im(a1 ) = 0. Es importante hacer notar que la expresi on (4.36) abarca no s olo al representaci on de ciclos l mite asim etricos como salida del sistema, sino que tambi en contempla la posibilidad tanto de ciclos l mite sim etricos (a0 = 0), como la de puntos de equilibrio (a1 = 0). As pues, consid erese que las se nales correspondientes a la salida del bloque lineal, y (t), denidas seg un (4.36) entran, por efecto de la realimentaci on del sistema (gura 4.3), en el bloque no lineal dando lugar a unas salidas que, en r egimen permanente, corresponden a las se nales peri odicas v (t). Dichas salidas pueden ser representadas por medio de un desarrollo en serie como: v (t) = N0 a0 + Re(N1 a1 ejt ) + . . . donde, N0 y N1 corresponden, respectivamente, a la ganancia de continua y a la del primer arm onico calculadas desde la entrada del bloque no lineal a la salida de dicho bloque. Estas ganancias pueden ser obtenidas de manera f acil a partir de la expresi on de los coecientes de Fourier como: 1 2a0 1 N1 (a0 , a1 , ) = a1 N0 (a0 , a1 , ) =
v (t) d(t)

v (t)ejt d(t).
Si se considera una no linealidad est atica, es posible eliminar la dependencia de de N0 y N1 . Por tanto, para que se satisfaga el balance del primera arm onico, y exista un ciclo l mite, ser a necesario que los t erminos de orden cero y de primer orden de y (t) sean iguales a los correspondientes t erminos calculados (despreciando arm onicos de orden superior) a la salida del bloque lineal cuando se toma como entrada la se nal v (t). Esta condici on puede ser expresada como el sistema: (G(0)N0 (a0 , a1 ) + 1)a0 = 0 (G(0)N1 (a0 , a1 ) + 1)a1 = 0.
(4.37)
117
a predecir la En el caso que exista soluci on en a0 , a1 y del sistema (4.37) se podr existencia de un ciclo l mite. Cuando la soluci on sea independiente de y tenga a1 = 0, esta ser a la correspondiente a un punto de equilibrio del sistema.
4.4.1.
Ejemplo
Para ilustrar este m etodo, y a n de tener un resultado que comparar con el m etodo de detecci on de ciclos l mite con N arm onicos, se aplica el m etodo de la funci on descriptiva dual a un sistema simple pero con una riqueza de comportamiento suciente [SAA98a], [SAA98b]. El sistema a analizar es el representado en la gura 4.26 que tiene una no linealidad cuadr atica que, al no ser sim etrica con respecto al origen, justica el uso de la funci on descriptiva dual.
r=0
+ -
u G(s)=
2
s+1 s +bs+2
- y2
Figura 4.26: Sistema no lineal estudiado. En primer lugar se hallan los puntos de equilibrio, para ello hay que resolver la ecuaci on: y + G(0)(y ) = 0 (y ) = y G(0)
donde, (y ) = y 2 y G(0) = 1 . Esta ecuaci on se puede resolver gr acamente a partir 2 de la gura 4.27. Se observa que se obtienen dos puntos de equilibrio: y = 0 e y = 2. A continuaci on hay que estudiar su estabilidad. Para ello se usa el criterio de Nyquist. 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. En primer lugar se analiza la estabilidad del equilibrio en y = 0, cuyo diagrama de Nyquist en funci on del par ametro b es el representado en la gura 4.28.
118
E1 y E2 f (y) -2y
Figura 4.27: C alculo gr aco de los equilibrios.
G(0)
1/b
1/b
G(0)
0<b<2
b>2
b<0
Figura 4.28: Diagrama de Nyquist para en y = 0.
Para b > 0, en cualquiera de los dos casos (b < 2 y b > 2), al estar el punto cr tico en el innito, el n umero de vueltas es N = 0, y puesto que el sistema es estable en bucle abierto P = 0; luego Z = 0, por lo que el equilibrio es estable. Para b < 0 el sistema pasar a a ser inestable en bucle abierto y como el punto cr tico est a en el innito el n umero de vueltas es N = 0. Dado que P = 2, al ser el sistema inestable en bucle abierto Z = 2, por lo que el equilibrio es inestable. As pues, se pasa de la estabilidad a la inestabilidad del equilibrio y = 0 para b = 0, y esta p erdida de estabilidad se produce por la aparici on de dos polos complejos conjugados, lo que induce a pensar que se est a en presencia de una bifurcaci on de Hopf. A continuaci on se realiza el mismo an alisis para el equilibrio en y = 2. En este caso 1 el punto cr tico est a en 4 ; por lo que como se puede observar en la gura 4.29, tanto para b > 0, como para b < 0 el equilibrio es inestable con Z=1; por lo tanto el equilibrio es un punto de silla. El siguiente paso consiste en el c alculo de ciclos l mite mediante la funci on descrip-
119
G(0) 1/4 1/2
1/b
1/b 1/4
G(0)
b>0
b<0
Figura 4.29: Diagrama de Nyquist para y = 2. on descriptiva queda de la forma: tiva dual . Para la funci on y 2 la funci N0 = a0 N1 = 2a0 . a2 1 2a0
Se observa que, al ser una no linealidad est atica, la funci on descriptiva no depende on de balance arm onico es: de , pero s de los par ametros a0 y a1 . La ecuaci a0 [N0 G(0) + 1] = 0 N1 G(j ) + 1 = 0. (4.38) (4.39)
Despejando de las ecuaciones anteriores se tiene que para a0 = 0 de la ecuaci on (4.38) se obtiene: 1 a2 (a0 1 ) + 1 = 0 2 2a0 y de (4.39) 2a0 G(j ) + 1 = 0 (4.41) (4.40)
Si se resuelve gr acamente la ecuaci on (4.41) para los casos estudiados en el an alisis de equilibrios (gura 4.30), se obtiene que la funci on descriptiva de la no linealidad se 1 1 = corresponde con N 2a0 1 Observando la gura 4.30 se deduce que s olo existe ciclo l mite para los valores de b tales que 0 < b < 2 y, seg un el criterio de Nyquist generalizado, dicho ciclo l mite es inestable. El corte entre el diagrama de Nyquist y la funci o n descriptiva se produce 1 1 para 2a = con una frecuencia de = 2 b. b 0
120
G(0) 1/2 1/b
1/b
G(0)
0<b<2
b>2
b<0
Figura 4.30: Resoluci on gr aca para diferentes valores de b. Resolviendo la ecuaci on (4.40) para calcular la amplitud del ciclo l mite se obtiene que esta es: b2 a1 = 2b . 2 Por lo tanto, y a modo de resumen, puede decirse que el sistema presenta una bifurcaci on de Hopf subcr tica en b = 0 de donde nace un ciclo l mite que va creciendo en amplitud hasta que choca con el punto de silla, produci endose una bifurcaci on homoclina en b = 2 (que coincide con = 0) y desapareciendo el ciclo l mite. Esto puede verse de manera m as clara en el diagrama de bifurcaciones que se presenta en la gura 4.31.
y
Figura 4.31: Diagrama de bifurcaciones del sistema.
Por lo expuesto anteriormente el ciclo l mite inestable deber a existir hasta que b = 2. Sin embargo, por simulaci on se obtiene que ese ciclo l mite desaparece a partir
4.5. CALCULO DE VARIOS ARMONICOS EN EL METODO DE BALANCE ARMONICO 121 de b = 0,36, valor sensiblemente inferior al obtenido por el m etodo de la funci on descriptiva. Esta discrepancia es debida a la interacci on del ciclo l mite con la variedad estable del punto de silla, lo que hace que el ciclo l mite se achate y que los arm onicos de orden superior a uno tengan un mayor peso en su descripci on. As pues, tal y como se expuso en un primer momento, el m etodo de la funci on descriptiva reproduce relativamente bien el comportamiento cualitativo del sistema (de hecho se ha detectado una bifurcaci on de car acter global, como es la homoclina, de una manera sencilla), pero, para un ajuste m as no, se ha de recurrir a otro tipo de an alisis o bien a calcular los arm onicos de orden superior.
4.5.
C alculo de varios arm onicos en el m etodo de balance arm onico
Como se ha expuesto en la secci on anterior, el m etodo de la funci on descriptiva tiene car acter aproximado y se muestra insuciente para describir los ciclos l mite cuando est an lejos de su nacimiento. Para solucionar este problema, como primera aportaci on original a esta tesis, se presenta un m etodo para el c alculo de un n umero arbitrario de arm onicos en un sistema con no linealidad est atica [SAA98a], [SAA98b]. En primer lugar se presenta una descripci on de la notaci on y procedimientos a seguir. El sistema no lineal objeto de estudio es el representado en la gura 4.32.
+ -
G(s)
f(.)
Figura 4.32: Sistema no lineal.
122

2 ,
on peri odica de periodo T = Si xp (t) es una soluci en series de Fourier, obteni endose la expresi on: x 0 xp (t) = + 2
entonces puede ser desarrollada
[ xc s k cos(kt) + x k sen(kt)].
k =1
Normalmente se utiliza una versi on truncada a N t erminos del desarrollo anterior: x 0 xN (t) = + 2
N
[ xc s k cos(kt) + x k sen(kt)].
k =1
Descrita la o rbita peri odica de esta forma, la bondad de la aproximaci on depender a de: El n umero de arm onicos N utilizados. Caracter sticas de ltrado del sistema: El sistema lineal debe ltrar la mayor parte de los arm onicos de orden superior a N para que la aproximaci on sea lo m as precisa posible. La aproximaci on ser a tanto peor cuanto m as bruscos sean los cambios producidos en (y ) en funci on de las variaciones de y . Para el sistema de la gura 4.32 se puede expresar la salida y (t) en funci on de su desarrollo en series de Fourier en su forma truncada en N arm onicos: y 0 yN (t) = + 2
N c s [ yk cos(kt) + y k sen(kt)] k =1
La entrada del sistema, suponiendo referencia nula, es u = (y ), con lo que sustituyendo yN (t) en la expresi on anterior: u 0 [ uc s (yN (t)) = + k cos(kt) + u k sen(kt)]. 2 k=1 e truncada en N arm onicos no implica que N otese que el hecho de que yN (t) est (yN (t)) tambi en lo est e, ya que es el desarrollo en series de Fourier de una onda onicos: distinta. Llamaremos uN (t) al truncamiento de (yN (t)) en N arm u 0 uN (t) = + 2
N
[ uc s k cos(kt) + u k sen(kt)]
k =1
4.5. CALCULO DE VARIOS ARMONICOS EN EL METODO DE BALANCE ARMONICO 123 Dado un n umero determinado de arm onicos N , se dene en primer lugar la funci on vectorial: FN () IR1(2N +1) , que es la compuesta por el t ermino de continua y los cosenos y senos de los diferentes arm onicos a considerar. 1 FN () = [ , cos(), sen(), . . . , cos(N), sen(N)]. 2 , y U como los vectores de dimensi Se denen los vectores Y on 2N + 1 que contienen los coecientes del desarrollo en series de Fourier truncado en N arm onicos de la salida yN (t) y la entrada uN (t) al sistema respectivamente. c s c s T = [ Y y0 , y 1 ,y 1 , . . . , y N ,y N ] T = [ U u0 , u c , u s , . . . , u c , u s ].
1 1 N N
As , multiplicando cada uno de los vectores columna anteriores por la funci on vectorial FN (t) se obtienen los desarrollos truncados de la salida y la entrada: yN (t) = FN (t)Y uN (t) = FN (t)U. N con Sup ongase una se nal de entrada peri odica denida por el vector columna U N arm onicos de entrada. Se introduce esta se nal en el sistema lineal y se obtiene una N (gura 4.33). se nal de salida peri odica truncada tambi en en N arm onicos Y
U
G (s )
Figura 4.33: Relaci on entre los arm onicos de entrada y de salida.
Suponiendo que la matriz A del sistema no tiene autovalores en el eje imaginario, y los de dado que el sistema es lineal, la relaci on entre los arm onicos de entrada U ser salida Y a tambi en lineal y puede ser expresada por la matriz: = HG U, Y donde HG = G(0) 0 0 0 H1 0 2 0 0 H . . . . . . . . . 0 0 0 0 0 0 . . . . . . HN ... ... ... .. . .
124
k R22 se denen como: Las matrices H k = H Re(G(kj )) Im(G(kj )) Im(G(kj )) Re(G(kj )) k = con H Re(G(kj )) Im(G(kj )) Im(G(kj )) Re(G(kj ))
Realimentando la salida, suponiendo referencia nula y volviendo a obtener la se nal de entrada, se obtiene una relaci on entre la salida y la entrada (gura 4.34).
U
( )
Figura 4.34: Realimentaci on de la salida para dar la entrada.
La obtenci on de los arm onicos de entrada en funci on de los de salida se har a aplicando balance arm onico, es decir: 1 u 0 2 c cos(t) u 1 s sen(t) u T 1 2 = . = (yN (t)) U dt. . . . . T 0 . c cos(Nt) u N u s sen(Nt) N Usando la notaci on descrita anteriormente y, realizando el cambio de variables = t, la ecuaci on anterior se puede expresar: = 1 U
2 0
)F T ()d. (F ( )Y
(4.42)
Sustituyendo la relaci on entre los arm onicos de entrada y los de salida a trav es de la parte lineal del sistema en la ecuaci on anterior se obtiene la ecuaci on de balance arm onico : = 1 U
2 0
)F T ()d (F ( )H G U
(4.43)
que permite calcular, con una aproximaci on de N arm onicos, la frecuencia y amplitud de los ciclos l mite existentes en el sistema. Volviendo sobre el ejemplo propuesto en el apartado 4.4.1, la resoluci on de las ecuaciones de balance arm onico tambi en puede hacerse a partir de la formulaci on general de la ecuaci on de balance arm onico (4.43).
4.5. CALCULO DE VARIOS ARMONICOS EN EL METODO DE BALANCE ARMONICO 125 Si en al ecuaci on (4.42) se premultiplican ambos miembros de la igualdad por la matriz HG queda: =Y = HG HG U
2 0
)F T ()d. (F ( )Y
Tomando el origen de tiempo de manera que la se nal peri odica de salida se pueda expresar como: a0 y (t) = + asen. 2 Sustituyendo en la ecuaci on anterior y truncando el desarrollo en el primer arm onico: a0 2 a0 0 = HG ( + asen)F T ()d, 0 2 a donde, desarrollando la no linealidad y tomando s olo el primer arm onico: a2 a2 2a0 a a0 + sen), ( + asen) = ( 0 + 2 2 2 2 con lo que a0 0 = HG a
2
2 1 a0 a0 a ( + a2 + 2 sen) 2 2 2 2 2 a0 a a2 0 ( a2 22 + 2 + 2 sen) cos d. 0 2 a a0 a ( 20 + a2 + 2 sen)sen 2
Integrando esta ecuaci on y teniendo en cuenta que HG vale G(0) 0 0 Re(G(j )) Im(G(j )) HG = 0 0 Im(G(j )) Re(G(j )) se obtiene el sistema de ecuaciones: G(0) 2 a0 = (a2 0 +a ) 2 2a0 a 0 = Im(G(j )) 2 2a0 a a = Re(G(j )) 2 que es igual al formado por las ecuaciones (4.40) y (4.41) escaladas en puestas en parte real e imaginaria.
2 y descom-
126
4.5.1.
Denici on del algoritmo
Para resolver la ecuaci on de balance arm onico para los N primeros arm onicos se ja, en primer lugar, el origen de tiempos arbitrariamente de manera que el primer coeciente del desarrollo en series de Fourier de la entrada uc 1 sea igual a cero. A continuaci on se usa un algoritmo iterativo para calcular los arm onicos de orden s superior a N = 1, suponiendo conocido el valor de y el de u1 = a. Para garantizar la convergencia del algoritmo se presenta la siguiente propiedad [Vid93] Si para la frecuencia se cumple: 1. m ax | G(kj ) |< 1 , k = 1 L
donde L es una constante de Lipschitz de (.). 2. Existe a0 0 U = a Us
soluci on de la ecuaci on de balance arm onico. Entonces, el siguiente proceso iterativo converge a los arm onicos superiores de dicha s s orbita peri odica, es decir, Uk U y u0k a0 : u0k+1 u0k uc 0 T 1 2 1 = ( F ( ) H G us a )F ()d. 0 1 s s Uk Uk +1
Bajo las hip otesis de la propiedad anterior, sup ongase que para y a se calculan, utilizando el m etodo anteriormente descrito, a0 y los arm onicos superiores U s : u0 u0 uc 0 T 1 2 1 ( F ( ) H = G us a )F ()d, 0 1 Us Us
4.5. CALCULO DE VARIOS ARMONICOS EN EL METODO DE BALANCE ARMONICO 127 entonces la condici on para la existencia de una o rbita peri odica queda reducida a u c 1 = 0 s yu 1 = a. Para resolver estas ecuaciones, el algoritmo se aplica partiendo de un valor inicial determinado para las amplitudes de los arm onicos superiores, y, a partir de ah , se itera hasta conseguir que estos arm onicos converjan hasta un valor determinado para cada valor de y a de una malla previamente prejada. Los valores de u c s on de la 1 y u 1 obtenidos para cada punto de la malla y soluci iteraci on de los arm onicos superiores se almacenan junto con los valores de y a y dichos arm onicos, barri endose as toda la malla. Terminado el barrido, se halla el punto que tiene menor error entre los valores calculados de u c s on peri odica, 1 y u 1 y los valores necesarios para la existencia de soluci realiz andose a continuaci on un barrido en una malla m as na alrededor de dicho punto. En caso de que el error en las igualdades u c s 1 = 0 y u 1 = a fuera demasiado alto el algoritmo supondr a que no existe o rbita peri odica para ese par (, a).
4.5.2.
Resultados
A continuaci on se exponen los resultados de la aplicaci on del algoritmo de detecci on de o rbitas peri odicas con N arm onicos al sistema de la gura 4.26 con N = 20 y se comparan los resultados obtenidos con la o rbita peri odica obtenida de la aplicaci on de la funci on descriptiva (N = 1) para diferentes valores del par ametro b.
b = 0,05 Para este valor de b la amplitud del ciclo l mite ha de ser peque na ya que dicha amplitud crece con el valor de b al haberse producido una bifurcaci on de Hopf en el origen. mite obtenido del En la gura 4.35 se muestra con el s mbolo +.en rojo el ciclo l algoritmo con N = 1 y con l nea continua la evoluci on del sistema en el espacio de estados. N otese que el ciclo l mite que se obtiene es inestable, lo cual no es problema para el m etodo del balance arm onico, ya que este m etodo s olo resuelve la ecuaci on de balance arm onico sin analizar su estabilidad, pero para la representaci on del espacio de estados se ha utilizado la integraci on hacia atr as en el tiempo para poder ver el ciclo l mite.
128

0.8
0.6
0.4
0.2
0.2
0.4
0.6 1
0.8
0.6
0.4
0.2
0.2
0.4
Figura 4.35: Ciclo l mite real y calculado con N = 1 para b = 0,05. Como puede observarse no existe gran diferencia entre el calculado con N = 1 y el real, debido a que la amplitud del ciclo l mite es peque na y todav a no ha entrado en contacto con la variedad estable del punto de silla.
b = 0,2 Si se realiza la operaci on anterior, comparando el ciclo l mite calculado por el m etodo de la funci on descriptiva (N = 1) y el real obtenido por integraci on (gura 4.36), se observa que existen diferencias signicativas entre ambos debido al aumento de amplitud de dicho ciclo l mite. Si se calcula ahora en ciclo l mite con los 20 primeros arm onicos y se lo compara con el real se observa (gura 4.37) que son pr acticamente iguales. De tal manera que se confunde el ciclo l mite calculado con el real.
b = 0,31 En este caso la aproximaci on con 20 arm onicos no es tan precisa, ya que, al estar muy pr oximos a la o rbita homoclina, el periodo tiende a innito ( 0), con lo que la convergencia del algoritmo se ve comprometida, aunque, como se puede observar en la gura 4.38, la forma de ambos ciclos es muy parecida, variando s olo la amplitud.
4.5. CALCULO DE VARIOS ARMONICOS EN EL METODO DE BALANCE ARMONICO 129
1.2
0.8
0.6
0.4
0.2
0.2
0.4
0.6 1
0.8
0.6
0.4
0.2
0.2
0.4
Figura 4.36: Ciclo l mite real y calculado con N = 1 para b = 0,2.
1.2
0.8
0.6
0.4
0.2
0.2
0.4
0.6 1
0.8
0.6
0.4
0.2
0.2
0.4
130
1.5
0.5
0.5
1 1.4
1.2
0.8
0.6
0.4
0.2
0.2
0.4
Se ha probado tambi en el algoritmo para un valor de b superior al de bifurcaci on, obteni endose, para este caso, un ciclo l mite calculado para N = 1 y no hall andose ninguno para una aproximaci on con arm onicos de orden superior.
Bibliograf a
[Ath75] [Coo94] [Cue00] D.P. Atherton. Nonlinear Control Enginnering: Describing function analysis and design. Van Nostrand Reinhold, 1975. P. Cook. Nonlinear dynamical systems. Prentice-Hall, 1994. F. Cuesta. An alisis de Estabilidad de Sistemas Borrosos Multivariables. Aplicaci on al Control reactivo de Robots M oviles. PhD thesis, ESI. Sevilla, 2000. J.N. Glover. Hopf bifurcations at innity. Nonlinear Analysis. Theory, Methods & Applications, 13(12):13931398, 1989. A. Gelb and W. Vander Velde. Multiple-Input Describing Functions and Nonlinear Systema Design. McGraw-Hill Book Company, 1968. J. Llibre and E. Ponce. Hopf bifurcation from innity for planar control systems. Publicacions Matematiques, UAB, Barcelona, (41):181198, 1997. J. Llibre and E. Ponce. Bifurcation of a periodic orbit from innity in planar piecewise linear vector elds. Nonlinear Analysis TMA, 36(5):623653, 1998.
[Glo89] [GV68] [LP97] [LP98]
[SAA98a] F. Salas, T. Alamo, and J. Aracil. Detecci on de o rbitas peri odicas en sistemas no lineales. In XIX Jornadas de Autom atica, 1998. [SAA98b] F. Salas, T. Alamo, and J. Aracil. Detecci on of periodic orbits in nonlinear systems. In Niconet Workshop on numerical software in control engenieering, 1998. [Sal95] [Vid93] F. Salas. Estudio de la din amica de un oscilador electr onico del tipo van der pol-dung. Proyecto Final de Carrera, 1995. M. Vidyasagar. Nonlinear Systems Analysis. Prentice-Hall, 2 edition, 1993.
131
132
BIBLIOGRAF IA
Cap tulo 5 Bifurcaciones en sistemas de control

5.1. Feedback systems with saturation
x = Ax + Bu with a control law u = Kx giving rise to a closed loop system x = (A BK )x it is assumed that this system has a good performance. The closed loop system can also be interpreted as
+-
Consider the open loop system
x
++
y K
where
G(s) = K (sI A)1 B

u
1 + -
Now a saturation is added in the feedback loop

y G(s)
-1
-1
How does the saturation inuence the global behavior? 133
134
CAP ITULO 5. BIFURCACIONES EN SISTEMAS DE CONTROL
5.1.1.
Equilibria in a system with saturation
Consider the system

u
+
-
y G(s)
(.)
where (.) is the nonlinear characteristic of a saturation. The system equilibria are the values xe such that x =0 x = 0 Axe + Bxe = 0 xe = A1 Bue y e = kA1 Bue y e = G(0)ue but ue = (y e ), so y e = G(0)(y e )
The equilibria are the solutions to y + G(0)(y ) = 0 Graphical solutions of the equilibrium point:
- y
(y)
E1
G(0)
E2
Stability around an equilibrium y e : the linearization has slope

d (y e ) dy
(y e ) the critical point in the Nyquist plot is 1/ d dy In the saturation case:

d dy d dy
= 1 at y e = 0; = 0 at y e = KA1 B .
5.1. FEEDBACK SYSTEMS WITH SATURATION
135
5.1.2.
Limit cycles in a system with saturation
Occurrence of periodic orbits using the describing function method. Describing function for the normalized saturation is 1 N (a) =
2
if sin1
1 a
0a1 a>1
1 a
1 a2
if
To predict limit cycles the following equation must be solved 1 + N (a)G(j ) = 0 This equation can be solved graphically with a Nyquist plot where G(j ) and 1/N (a) are represented.
5.1.3.
First order system
Consider the system with the open loop transfer function G (s ) = k s+a
Characteristic polynomial at the origin p (s ) = s + a + k if k < a the origin is stable, for k = a there is an stability boundary, if k > a the origin is unstable,
136

( y) G (0)>0 1 G(0)
0 0
G (0)<0
-1 G (0)
y(t)
G (0) -1
e =-G (0) y2
ye 0 =0
e =G (0) y1
-1
G (0)<-1
Qualitative Analysis Bifurcation set in the parameter plane (a, k ).

k
1
1 0.8 0.6 0.4
imag.G(jw)
0.2 0 0.2 0.4 0.6 0.8 1
imag.G(jw)
Po
0.8 0.6 0.4
(-1,0) G(0) -1/N(A) G(jw)

2.5 2 1.5 1 real G(jw) 0.5 0 0.5 1
0.2 0 0.2 0.4 0.6 0.8 1 3 2
(-1,0) -1/N(A)
0 0
G(0)
G(jw)
1 0 real G(jw) 1 2 3
LOCAL STABILITY
0.5 0.4 0.3 0.2
u P oo
GLOBAL STABILITY
imag.G(jw)
0.1 0 0.1 0.2 0.3 0.4 0.5 2 1.5
(-1,0) -1/N(A)
G(0) G(jw)
0.5 real G(jw)
0.5
0
0.5 0.4
imag.G(jw)
Pos
UNSTABLE s P o o
1.5 1
G(jw) (-1,0) -1/N(A) G(0)
0.3 0.2 0.1 0 0.1 0.2 0.3 0.4 0.5 2
1.5
1 real G(jw)
0.5
0.5
0.5 0.4 0.3 0.2
G(jw) (-1,0) -1/N(A) G(0)

0.5
G(jw) G(0) -1/N(A) (-1,0)
imag.G(jw)
0.1 0 0.1 0.2
imag.G(jw)
w=oo
0.5
0.3 0.4 0.5 2 1.5 1 0.5 real G(jw) 0 0.5 1

1.5 3 1
C1
1
2.5
1.5
1 real G(jw)
0.5
0.5
k=-a
Bifurcation diagram with delay. (a) 0 < k . (b) k < 0.

a)
Poo
u
ye k = constant
b)
ye
P oo k = constant
Po
Po
0 -1
-k
0 -1
-k
stable equilibrium points unstable equilibrium points
5.2. SOTOMAYOR-LLIBRE-PONCE BIFURCATION ANALYSIS
137
5.1.4.
Second-order system
Consider the open loop second-order system x = with a control law u = Kx = k2 k1 The open loop transfer function is G (s ) = k1 + k2 s s2 + a1 s + a2 x 0 1 a2 a1 x+ 0 1 u
Closed-loop characteristic polynomial p(s) = s2 + 1 s + 2 = s2 + (a1 + k2 )s + (a2 + k1 ) Polar plot

k1 a2 k < a2 1 k1 k2 a 2 = a1 k1 a2 > k2 a1
(-1,0)
k1 a2
k2 a1
(-1,0)
k2 k1 = a2 a1
k2
(-1,0)
a1
k1 a2
A saturation is added in the feedback path
5.2.
Sotomayor-Llibre-Ponce bifurcation analysis
Qualitatively dierent state portraits in each region of the parameter plane (a1 , a2 )
138
B
a2
B
P D DSC
A
a1
In all cases the origin remains stable.
The boundaries between these regions are given by bifurcations:
a pitchfork bifurcation at innity P ;
a Hopf bifurcation at innity B ; and
a double saddle connection (DSC) bifurcation.
5.2. SOTOMAYOR-LLIBRE-PONCE BIFURCATION ANALYSIS
139
5.2.1.
Frequency domain interpretation of the Llibre-Ponce bifurcation analysis
(-1,0)
k1 a2
k2 a1
I1 I2
(-1,0)
k2 a1
(-1,0)
k1 a2
k2 k1 = a2 a1
II
a
2
I2 I1 I3
a1
(-1,0)
II
k1 a2 k2 a1
(-1,0)
I3
k1 a2
III III IV
DSC
k2 k1 = a2 a1
(-1,0)
IV
k1 a2
(-1,0)
DSC
There are four dierent regions.
5.2.2.
Bounded attraction basin
State portrait in region II, with bounded attraction basin
140

1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1 1
0.5
0.5
For large enough disturbances the system is out of control

6 b 5
1 a
2 0
0.5
1.5 t
2.5
5.3.
Control systems with a delay
Consider the system

r=0 + u(t) k e -Ls ________ s+a y(t)
(y)
The equilibrium points are the same as without delay. How does the delay aect the bifurcation diagram of the system without delay?
5.3. CONTROL SYSTEMS WITH A DELAY
141
5.3.1.
Qualitative Analysis
Bifurcation set in the parameter plane (a, k ).

k
DSC
Diagrama de Nyquist 2
-1.5
P oo
u
Diagrama de Nyquist 1.5 1 0.5 0
1 2 3 4
imag.G(jw)
-0.5
-1
-2
1.5
-2.5 -5 -4 -3 -2 -1 0 real G(jw)
imag.G(jw)
0.5
-0.5
a=
-4 -3 -2 -1 real G(jw) 0 1 2
-1 -5
-1 L
Diagrama de Nyquist 1 0.8 0.6
u
imag.G(jw)
Ho
C2
Diagrama de Nyquist 1 0.8 0.6 0.4 0.2 0 -0.2 -0.4
0.4 0.2
-0.2 -0.4 -0.6 -0.8
imag.G(jw)
-4 -3 -2 real G(jw) -1 0 1
-0.6
-1 -5
=0
0.5 0.4 0.3 0.2 0.1 0 -0.1 -0.2 -0.3 -0.4 -0.5 -3
P0
Diagrama de Nyquist
Local u Stable
2L
GLOBAL STABILITY
-0.8 -1 -5
-4
-3
-2
-1 real G(jw)
0
-2.5 -2 -1.5 -1 real G(jw) -0.5 0 0.5 1
a
0.8 0.6 0.4 0.2
0.4
P
0
imag.G(jw)
UNSTABLE
0.2 0
imag.G(jw)
0.2
0.4
0.6
0.8 2
1.5
0.2
0.4
0.6
P o o
4 3 2 1 real G(jw) 0 1 2
imag.G(jw)
s
2 1.5 1
0.5 real G(jw)
0.5
0.8 5
imag.G(jw)
0.5
0.5
L = 1s
1 5
2 real G(jw)
C1
Bifurcation diagram with delay. (a) 1/L < k < /2L. (b) k > /2L.
a)
u P oo
ye 1 <k< 2L L
b)
P oo
ye k> 2L
P o
1 Ho 0 -1
s
a -k
P o
1 0 -1
Ho
-k
a=
-1 L
stable equilibrium points unstable equilibrium points stable limit cycles
a=
-1 L
5.3.2.
A second-order system
Consider the system,

r=0 + u(t) k (s+ki ) _________ s
e -Ls ________
y(t)
s+a
( y)
142
CAP ITULO 5. BIFURCACIONES EN SISTEMAS DE CONTROL formed by a PI + a rst order system with a delay. The open loop transfer function is G (s ) = k (s + ki )eLs s(s + a)
5.3.3.
Qualitative Analysis
Bifurcation set in the parameter plane (a, k ).

k
Diagrama de Nyquist
Diagrama de Nyquist 5 4 3 2 1
5 4 3 2 1 0
imag.G(jw)
u Hoo
-2.5 -2 -1.5 -1 -0.5 real G(jw) 0 0.5 1 1.5 2
imag.G(jw)
imag.G(jw)
-2
0 -1 -2
-4
max L
-1
-6
-2
-3
-8 -3
-3
-4 -5 -4
-4
-3.5 -3 -2.5 -2 -1.5 real G(jw) -1 -0.5 0 0.5 1
-5 -12
-10
-8
-6 real G(jw)
-4
-2
s Ho
SLC
11 00 00 11
T
imag.G(jw)
Diagrama de Nyquist 2 1.5 1 0.5
LOCAL STABILITY
5 4 3 2 1 0 -1 -2 -3 -4 -5 -8
imag.G(jw)
-2
GLOBAL STABILITY
-4
-6
-8 -2
-1.5
-1
-0.5
0 real G(jw)
0.5
1.5
1 0 0 1
-7 -6 -5
Diagrama de Nyquist
-4 -3 real G(jw)
-2
-1
imag.G(jw)
-0.5
-1
-1.5
-2 -2
-1.5
-1 real G(jw)
-0.5
0.5
Hu o
=0
Diagrama de Nyquist 2 1.5
imag.G(jw)
UNSTABLE
L = 0.1 s ki = 1
0.5
NS0
Diagrama de Nyquist 2 1.5 1 0.5
a
imag.G(jw)
0 0.5 1 1.5
-0.5
-1
-1.5
-2 -2
-1.5
-1 real G(jw)
-0.5
0.5
2 2
1.5
1 real G(jw)
0.5
0.5
Bifurcation diagram for k > 0: (a) L = 0; (b) L > 0.

a)
H oo
u
ye k= constant
b)
Hoo
ye k= constant
s Ho
-k
0 -1
-k
-1
stable periodic orbits
unstable equilibrium points stable equilibrium points unstable limit cycles
stable limit cycles
5.4. SUMMARY OF PREVIOUS RESULTS
143
5.4.
Summary of previous results
Global perspective on the behavior modes of a class of nonlinear control systems. Depending on G(0) and of (y ) equilibria other than the origin can appear. Multiple equilibria when G(0) < 1 Limit cycles when G(j ) crosses 1/N (a). Bifurcations occur when the system is open loop unstable.

Apuntes

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Apuntes

Cargado por

Copyright:

Formatos disponibles

Notas del curso An alisis de Sistemas No Lineales

Departamento de Ingenier a de Sistemas y Autom atica Universidad de Sevilla

Notas del curso An alisis de Sistemas no Lineales

Impartido por: Javier Aracil Francisco Gordillo Francisco Salas

2.6.4. Atractores extra nos . . . . . . . . . . . . . . . . . . . . . . . . .

INDICE GENERAL 3.4. Bifurcaciones elementales en sistemas de dimensi on uno . . . . . . . . .

INDICE GENERAL 4.2.3. Holgura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98

5. Bifurcaciones en sistemas de control

Cap tulo 1 Introducci on

CAP ITULO 1. INTRODUCCION

1.1. EL PROBLEMA DEL CONTROL

CAP ITULO 1. INTRODUCCION

EL control lineal es local

1.2. EL CONTROL LINEAL ES LOCAL

Control Lineal y no Lineal - Estabilidad en Sistemas de Control

CAP ITULO 1. INTRODUCCION

Cap tulo 2 An alisis cualitativo de sistemas din amicos

CAP ITULO 2. ANALISIS CUALITATIVO DE SISTEMAS DINAMICOS

Crecimiento log stico o acotado

2.2. CRECIMIENTO LOG ISTICO O ACOTADO

CAP ITULO 2. ANALISIS CUALITATIVO DE SISTEMAS DINAMICOS

f(x)=1+2x-3x2 (=1/3) f(x)=1+x-2x2 (=1/2)

2.2. CRECIMIENTO LOG ISTICO O ACOTADO

Retrato de estados de sistemas no lineales

Cada atractor tiene su cuenca de atracci on.

Los sistemas no lineales tienen retratos de estado m as complejos:

Sistemas Din amicos Lineales

2.3. SISTEMAS DINAMICOS LINEALES

si se realiza el cambio de coordenadas

Ejemplo: Sea el sistema lineal x 1 = x1 3x2 x 2 = 2x2 (2.5) (2.6)

CAP ITULO 2. ANALISIS CUALITATIVO DE SISTEMAS DINAMICOS

para un valor propio real m ultiple de A, o bien de la forma D I2 0 0 0 D I2 0 0 0 D I2 0 0 0 D en donde D= a b b a 1 0 0 1 0 0 0 0

x(t) = et y x(t) = eat

cos bt sin bt sin bt cos bt

Sistemas din amicos aut onomos lineales de dimensi on dos

CAP ITULO 2. ANALISIS CUALITATIVO DE SISTEMAS DINAMICOS

tiene dos autovalores negativos, es un sumidero hiperb olico.

un autovalor positivo y otro negativo, punto de silla hiperb olico.

matriz cero. Cualquier o rbita es un punto de equilibrio.

CAP ITULO 2. ANALISIS CUALITATIVO DE SISTEMAS DINAMICOS

2.3. SISTEMAS DINAMICOS LINEALES

CAP ITULO 2. ANALISIS CUALITATIVO DE SISTEMAS DINAMICOS

Nodo estable: Autovalores reales negativos.

Foco estable (sumidero): Autovalores complejos con parte real negativa.

Nodo inestable (fuente): Autovalores reales positivos.

Foco inestable: Autovalores reales con parte real positiva.

Figura 2.5: Diagrama de fases de la clases representativas de equilibrios hiperb olicos.

2.3. SISTEMAS DINAMICOS LINEALES se escribe x(t) = eAt x0

Como cada vi verica

Sistemas din amicos no lineales

Propiedades de las soluciones

Consid erese en primer lugar el sistema din amico x = 3x 3 ,

para cuya integraci on conviene recordar que xk dx = xk+1 k+1

por lo que la integraci on de la ecuaci on anterior conduce a x 3 (t) x 3 (0) = t

CAP ITULO 2. ANALISIS CUALITATIVO DE SISTEMAS DINAMICOS x (t) = t3 x (t) = 0

Flujo denido por un sistema din amico

2.5. PROPIEDADES DE LAS SOLUCIONES

Sistema din amico como ujo

Si t IR, IR+ se dice que el tiempo es continuo. Si t Z,Z+ el tiempo es discreto.

Orbitas y retratos de estados

CAP ITULO 2. ANALISIS CUALITATIVO DE SISTEMAS DINAMICOS

por lo que se tiene que el sistema presenta dos puntos de equilibrio,

por lo que este punto de equilibrio es una ensilladura.