DINÁMICA Y CONTROL DE PROCESOS

11 INTRODUCCIÓN A LA DINÁMICA NO LINEAL

(BIFURCACIONES, CAOS)

Los sistemas no lineales pueden llegar a tener comportamientos realmente

sorprendentes en algunos casos: por un lado pueden llegar a tener dinámicas totalmente
diferentes según el valor que tomen los parámetros y por otro lado pueden llegar a ser
extremadamente sensibles a las condiciones iniciales. En este capítulo trataremos de
plantear algunos ejemplos sencillos que nos permitan vislumbrar la complejidad del
tema.

Comenzaremos con un ejemplo de un modelo en discontinuo, un modelo “de

población”. Supongamos que a intervalos definidos de tiempo se cuenta el número de
individuos de una población.
nk 1  nk  bk  d k
Donde nk = población al comienzo del período k
bk = nacimientos durante el período k
dk = muertes durante el período k

Puede asumirse que los nacimientos y las muertes son proporcionales a la población
bk   b nk
d k   d nk
sustituyendo
nk 1  nk   b nk   d nk
nk 1  nk   b   d nk
nk 1  1  r nk r b   d
nk 1  nk  1  r  1   b   d  0

nk   k n0

El parámetro  determina el comportamiento de la población:

si  < 1 la población disminuye
si  = 1 la población permanece constante
si  > 1 la población aumenta

Este esquema no es muy realista ya que no toma en cuenta las restricciones al

crecimiento (p.ej. falta de alimentos).

Para superar ese inconveniente puede suponerse otro factor que decrece cuando la
población aumenta (ecuación “logística”):
xk 1   xk 1  xk 
En este esquema, haciendo tender k a infinito podemos analizar cuál es la solución de
estado estacionario:

ILM 1
DINÁMICA Y CONTROL DE PROCESOS

xs   xs   xs
2

 1
xs  0 xs 


Consideremos por ejemplo el valor  = 2.95   1 2.95  1

Según lo anterior el valor de estado estacionario sería   0.6610
 2.95
Lo cual efectivamente es así, pues, por ejemplo, partiendo de xk = 0.1 la serie se va
desarrollando según

Paso k xk xk+1
0 0.1 0.2655
1 0.2655 0.5753
2 0.5753 0.7208
3 0.7208 0.5937
4 0.5937 0.7116
… … …
∞ 0.6610 0.6610

alfa = 2.95

0.8

0.7

0.6

0.5
x(k)

0.4

0.3

0.2

0.1
0 5 10 15 20 25 30 35 40 45 50

Se dice que el sistema converge asintóticamente hacia el valor estacionario de 0.6610.

Véase „ejem11.1.sce‟.

Este comportamiento no nos resulta extraño en absoluto. Sin embargo veamos que pasa
cuando elegimos otro valor del parámetro, por ejemplo  = 3.2 . En este caso
esperaríamos que el sistema convergiera hacia
  1 3.2  1
  0.6875
 3.2
ILM 2
DINÁMICA Y CONTROL DE PROCESOS

Sin embargo el comportamiento es totalmente diferente que en el caso anterior: luego

de algunas iteraciones la solución oscila entre dos valores, 0.513 y 0.800
(comportamiento “de período 2”):

alfa = 3.2

0.8

0.7

0.6

0.5
x(k)

0.4

0.3

0.2

0.1
0 5 10 15 20 25 30 35 40 45 50

Pero la curiosidad del sistema no para aquí. Si tomamos por ejemplo  =3.5, al cabo de
cierto tiempo el sistema oscila entre los siguientes valores: 0.383, 0.827, 0.501 y 0.875
(comportamiento de período 4).

alfa = 3.5

0.9

0.8

0.7

0.6
x(k)

0.5

0.4

0.3

0.2

0.1
0 5 10 15 20 25 30 35 40 45 50

ILM 3
DINÁMICA Y CONTROL DE PROCESOS

Ahora bien tomando por ejemplo  = 3.75 ya no se observa ningún tipo de regularidad.
Estamos ante lo que se llama comportamiento “caótico”:

alfa = 3.75

1.0

0.9

0.8

0.7

0.6
x(k)

0.5

0.4

0.3

0.2

0.1
0 10 20 30 40 50 60 70 80 90 100

En este caso existe extrema sensibilidad a las condiciones iniciales. Por ejemplo véase
un trozo del diagrama anterior partiendo de 0.100 y de 0.101:

alfa=3.75
1
x0=0.100
0.9 x0=0.101

0.8

0.7

0.6
x

0.5

0.4

0.3

0.2
75 80 85 90 95 100
k

El comportamiento que venimos observando para distintos valores de  puede

sistematizarse en un diagrama de Orbit, que es un diagrama llamado de bifurcación, en
el cual representamos los puntos a los que tiende el sistema en función del parámetro.

ILM 4
DINÁMICA Y CONTROL DE PROCESOS

1.0

0.9

0.8

0.7

0.6
x

0.5

0.4

0.3

0.2

0.1
2.8 2.9 3.0 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 3.9

Véase „ejem11.2.sce‟. Vamos observando que a medida que aumenta el parámetro

vamos pasando de un comportamiento de convergencia asintótica a uno de período 2,
luego de período 4 …

 período

3 2

3.44949 4

3.54409 8

3.56441 16

3.56876 32

3.56969 64

3.56995 caos

3.83 3

Para determinado valor ya no encontramos regularidades y hablamos de “caos”… pero

posteriormente encontramos “ventanas” en las cuales volvemos a encontrar, por
ejemplo un “período 3”.

ILM 5
DINÁMICA Y CONTROL DE PROCESOS

Hemos estudiado un modelo discontinuo, pero estos mismos tipos de conceptos los
podemos aplicar a funciones continuas, por ejemplo a la función

g x    x1  x    x   x 2

Nos conviene identificar en el diagrama de bifurcación cuáles son los puntos estables y
cuáles los inestables. Para ello, si x* es la solución de x* = g(x*) (“punto fijo”), entonces
es una solución estable si g
1 evaluada en x* .
x
Para la función anterior
g
   2 x   1  2 x 
x
O sea que tenemos que evaluar si  1  2 x *   1 en los puntos

 1
x0  0 ó x1 
* *


Para el punto x0  0
*
  
g  x0   1  2 x0  
* *

 
g  x0  
*

*
entonces x0
es estable para 1    1

Para el punto x1 
*  1

  
g  x1   1  2 x1    2
* *

*
entonces x1
es estable para 1  3

En forma de diagrama

ILM 6
DINÁMICA Y CONTROL DE PROCESOS

diagrama de bifurcación
0.8

0.6 x1*
inestable
x1*
0.4 estable

0.2
x0* x0*
estable inestable
0
x

-0.2

-0.4
x1*
-0.6 inestable

-0.8

-1
0 0.5 1 1.5 2 2.5 3 3.5 4

Se suelen representar con líneas llenas las soluciones estables y con líneas punteadas las
inestables.

El diagrama de bifurcación nos dice sobre la estabilidad de las soluciones pero en el

caso de que la solución sea inestable no dice nada sobre la periodicidad. Por ejemplo
para período 2 x x k 2 k

Habíamos escrito xk 1  g xk 

Entonces xk  2  g xk 1 

O bien xk 2  g g xk 

Que a veces se anota xk  2  g 2 xk 

En particular para el modelo que estábamos estudiando xk  2   xk 1 1  xk 1 

 
xk  2    xk 1  xk  1   xk 1  xk  
Pero como xk 2  xk
 
xk    xk 1  xk  1   xk 1  xk  
O bien 
g xk    2   xk  2 xk  1   xk  xk
4 3 2

Que tiene las siguientes soluciones x*  0, 0.5130, 0.6875, 0.7995

Gráficamente se representa en el siguiente diagrama

ILM 7
DINÁMICA Y CONTROL DE PROCESOS

Los puntos en que la curva corta a la recta y = x y la pendiente es menor a 1 son

estables y por el contrario si es mayor a 1 son inestables. Similar razonamiento se puede
seguir con períodos mayores.

En general para una ecuación dinámica, con  el parámetro de bifurcación

x  f x,  

La solución de estado estacionario (punto de equilibrio) es

0  f x,  

Y un punto de bifurcación ocurre cuando además de la función, también la primer

derivada también es cero
f
f  x,    0
x

El número de soluciones de la ecuación de estado estacionario es k si

f  2 f  k 1 f
f  x,     2  ...  k 1  0
x x x
 f
k
y 0
x k

Se distinguen distintos tipos de bifurcaciones, según la forma del diagrama de

bifurcación. Veamos un ejemplo de bifurcación tipo Pitchfork.
x  f x,     x  x3  0

ILM 8
DINÁMICA Y CONTROL DE PROCESOS

Cuyos puntos de equilibrio son

xe 0  0
xe1  
xe1   

Si  < 0 , solo xe0 tiene sentido físico.

f
 3xe  e
2

x xe , e
Como es función de una sola variable también es equivalente al valor propio:
  3xe 2  e
Entonces, si  < 0 el sistema es estable.

Si  < 0 la única solución es xe0 = 0 y entonces  = e , por lo que es estable. Por el

contrario si  > 0 hay tres soluciones reales:
xe 0  0 xe1   xe 2   
  3xe 0  e  e
2
  3xe12  e  2e   3xe 2 2   e  2 e
inestable estable estable

El diagrama de bifurcación (tipo Pitchfork) queda:

1.5
estable
1

0.5

0
inestable
-0.5

-1

-1.5 estable

-2
-1 0 1 2 3 4

Otro tipo de bifurcación es el denominado Saddle-Node, por ejemplo la función

x  f x,      x 2  0

En este caso los puntos de equilibrio son xe1  

xe1   

ILM 9
DINÁMICA Y CONTROL DE PROCESOS

f
 2 xe  
x xe ,  e

Las condiciones de bifurcación se satisfacen en

e  xe  0

Si  < 0 , xei    y no hay soluciones reales. Si  > 0 hay dos soluciones reales:

xe1   xe 2   
  2 xe  2 e   2 xe  2 e
estable inestable

El gráfico de bifurcación tipo Saddle-Node queda

En la bifurcación transcrítica se mantiene el número de soluciones reales en el punto de

bifurcación. Por ejemplo
x  f x,     x  x 2  0
Los puntos de equilibrio son
xe1  0
xe1  
f
   2 xe   y las condiciones de bifurcación son e  xe  0
x xe ,  e

Si  < 0 hay dos soluciones reales:

xe1  0 xe1   e
  e  2 xe  e   e
estable inestable

ILM 10
DINÁMICA Y CONTROL DE PROCESOS

Si  > 0 también hay dos soluciones reales:

xe1  0 xe1   e
  e  2 xe  e    e
inestable estable

Por lo tanto el diagrama de bifurcación transcrítica queda:

4

1
x

-1

-2
-2 -1 0 1 2 3 4
mu

Histéresis – Consideremos el sistema

  f x,    u   x  x 3  0
x

Donde u es una variable de entrada que se puede manipular y  es un parámetro de

diseño. Podemos construir gráficos input-output de la solución de estado estacionario
para cada valor de . Por ejemeplo para  = -1

f x,    u  xe  xe  0
3

f
 1  3xe
2

x
Vemos que como x ,u
e e es siempre negativo entonces no hay punto
de bifurcación y todos los puntos de equilibrio son estables.

ILM 11
DINÁMICA Y CONTROL DE PROCESOS

mu = -1
2

1.5

0.5

x
-0.5

-1

-1.5

-2
-10 -5 0 5 10
u

Sin embargo para  = 1 f x,    u  xe  xe  0

3
es una ecuación
cúbica que puede tener tres soluciones para un determinado valor de u.

f
 1  3xe  
2

x xe , u e

Por ejemplo para u = 0

xe  1   2 estable
xe  0   1 inestable
xe  1   2 estable
mu = 1
2

1.5

0.5

0
x

-0.5

-1

-1.5

-2
-4 -2 0 2 4
u
Los puntos de bifurcación son
1
xc  
3
Que corresponden a
uc   2 3
3
uc   2 3 uc  2 3
O sea, para 3 y 3 hay un punto estable y para
2 3  uc  2 3
3 3 hay tres soluciones, dos estables y la otra no.

ILM 12
DINÁMICA Y CONTROL DE PROCESOS

En este caso, dependiendo de la dirección en que se vaya moviendo el parámetro de

bifurcación podemos tener un salto brusco en los puntos límites, y ese fenómeno se
denomina histéresis.

En la siguiente figura vemos como va variando la respuesta con el parámetro 

0
x

-1

-2
-2

10 20
mu 2 -10 0
-20
u

En este caso el diagrama de bifurcación es un poco distinto pues en el plano solo es

posible representar zonas con uno o con tres puntos estables.

ILM 13
DINÁMICA Y CONTROL DE PROCESOS

Quizá el primer ejemplo de movimiento caótico fue dado por el meteorólogo Lorenz
tratando de simular simplificadamente el movimiento de las masas atmosféricas. Sus
ecuaciones fueron
x1   x2  x1 
x2   x1  x2  x1 x2
x3   x3  x1 x2
Donde
x1 es proporcional a la velocidad de las corrientes circulares convectivas
x2 es proporcional a la diferencia de temperaturas entre las capas atmosféricas
x3 es proporcional a la distorsión del perfil de temperaturas respecto a la linealidad
Z

(ver demo de Scilab en demos/simulation/ode‟s/lorentz)

ILM 14