Sistemas No Lineales PDF

Notas del curso
“Análisis de Sistemas No Lineales”
Javier Aracil Santónja
Francisco Salas Gómez
Francisco Gordillo Álvarez
Departamento de Ingenierı́a de Sistemas y Automática

Universidad de Sevilla
ii
Notas del curso “Análisis de Sistemas no
Lineales”
Impartido por:
Javier Aracil
Francisco Gordillo
Francisco Salas
25 de septiembre de 2007
2
Índice general
1. Introducción 1
1.1. El problema del control . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. EL control lineal es local . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1. Control Lineal y no Lineal - Estabilidad en Sistemas de Control 5
I Análisis 6
2. Análisis cualitativo de sistemas dinámicos 7
2.1. Formalización del concepto de sistema dinámico . . . . . . . . . . . . . 7
2.2. Crecimiento logı́stico o acotado . . . . . . . . . . . . . . . . . . . . . . 8
2.2.1. Retrato de estados de sistemas no lineales . . . . . . . . . . . . 11
2.3. Sistemas Dinámicos Lineales . . . . . . . . . . . . . . . . . . . . . . . . 12
2.3.1. Sistemas dinámicos autónomos lineales de dimensión dos . . . . 15
2.3.2. Estabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.4. Sistemas dinámicos no lineales . . . . . . . . . . . . . . . . . . . . . . . 22
2.5. Propiedades de las soluciones . . . . . . . . . . . . . . . . . . . . . . . 23
3
4 ÍNDICE GENERAL
2.5.1. Existencia y unicidad de las soluciones . . . . . . . . . . . . . . 23
2.5.2. Flujo definido por un sistema dinámico . . . . . . . . . . . . . . 24
2.5.3. Sistema dinámico como flujo . . . . . . . . . . . . . . . . . . . . 25
2.5.4. Orbitas y retratos de estados . . . . . . . . . . . . . . . . . . . 26
2.5.5. Puntos de equilibrio . . . . . . . . . . . . . . . . . . . . . . . . 27
2.5.6. Linealización . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.5.7. Linealización de un sistema dinámico en IRn . . . . . . . . . . . 30
2.5.8. Equivalencia topológica . . . . . . . . . . . . . . . . . . . . . . . 31
2.5.9. Conjuntos lı́mite y equilibrios . . . . . . . . . . . . . . . . . . . 32
2.6. Ciclos y atractores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.6.1. Conjuntos lı́mite y atractores . . . . . . . . . . . . . . . . . . . 34
2.6.2. Comportamiento a largo plazo de las trayectorias . . . . . . . . 38
2.6.3. Estudio de órbitas periódicas . . . . . . . . . . . . . . . . . . . 39
2.6.4. Atractores extraños . . . . . . . . . . . . . . . . . . . . . . . . . 42
3. Análisis cualitativo y bifurcaciones en sistemas dinámicos 44
3.1. Análisis cualitativo de sistemas no lineales . . . . . . . . . . . . . . . . 44
3.2. Análisis cualitativo de sistemas dinámicos de dimensión 1 . . . . . . . . 44
3.2.1. Estabilidad estructural . . . . . . . . . . . . . . . . . . . . . . . 49
3.3. Familias de sistemas dinámicos . . . . . . . . . . . . . . . . . . . . . . 49
3.3.1. Diagramas de bifurcaciones en sistemas no lineales . . . . . . . . 52

ÍNDICE GENERAL 5
3.4. Bifurcaciones elementales en sistemas de dimensión uno . . . . . . . . . 52
3.4.1. Bifurcaciones elementales en sistemas dinámicos de dimensión dos 62
3.4.2. Evolución de los autovalores en una bifurcación de Hopf. . . . . 67
3.4.3. Bifurcaciones de órbitas periódicas . . . . . . . . . . . . . . . . 67
3.4.4. Bifurcaciones de codimensión dos . . . . . . . . . . . . . . . . . 69
3.4.5. Diagrama de bifurcaciones del experimento de Taylor-Couette. . 73
3.5. Crecimiento logı́stico con un retraso en la estructura . . . . . . . . . . . 76
References 81
3.6. Apéndice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
4. Función descriptiva y balance armónico 86
4.1. Método del primer armónico . . . . . . . . . . . . . . . . . . . . . . . . 86
4.1.1. Ejemplo introductorio . . . . . . . . . . . . . . . . . . . . . . . 86
4.1.2. Principios del método . . . . . . . . . . . . . . . . . . . . . . . 90
4.1.3. Transformación de Fourier . . . . . . . . . . . . . . . . . . . . . 91
4.1.4. Función descriptiva . . . . . . . . . . . . . . . . . . . . . . . . . 92
4.1.5. Interpretación estocástica de la función descriptiva . . . . . . . 94
4.1.6. Propiedad del cono . . . . . . . . . . . . . . . . . . . . . . . . . 94
4.2. Algunas funciones descriptivas . . . . . . . . . . . . . . . . . . . . . . . 95
4.2.1. Saturación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
4.2.2. Relé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
6 ÍNDICE GENERAL
4.2.3. Holgura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.2.4. Determinación experimental de la función descriptiva . . . . . . 100
4.3. Análisis de sistemas no lineales mediante la función descriptiva . . . . . 101
4.3.1. Una ampliación del criterio de Nyquist . . . . . . . . . . . . . . 102
4.3.2. Oscilaciones de un servomecanismo no lineal . . . . . . . . . . . 103
4.3.3. Función descriptiva independiente de la frecuencia . . . . . . . . 104
4.3.4. Función descriptiva dependiente de la frecuencia . . . . . . . . . 105
4.3.5. Estabilidad de los ciclos lı́mite . . . . . . . . . . . . . . . . . . . 105
4.3.6. Fiabilidad del análisis mediante funciones descriptivas . . . . . . 112
4.4. La función descriptiva dual . . . . . . . . . . . . . . . . . . . . . . . . . 112
4.4.1. Ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
4.5. Cálculo de varios armónicos en el método de balance armónico . . . . . 118
4.5.1. Definición del algoritmo . . . . . . . . . . . . . . . . . . . . . . 123
4.5.2. Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
Bibliografı́a 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

ÍNDICE GENERAL 7
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

8 ÍNDICE GENERAL
Capı́tulo 1
Introducción
1.1. El problema del control
Mediante el control automático se trata de concebir y construir los órganos de con-

trol que gobiernen el comportamiento de las máquinas. Tratamos de concebir máquinas
que alimentadas con información con relación al comportamiento de las magnitudes que
se quieren controlar, procesen convenientemente esta información y concluyan cómo se
ha de actuar para conseguir que la máquina se comporte de la forma apetecida.
Veamos un ejemplo matemáticamente muy simple de lo que estamos diciendo. En

todo proceso de control están involucrados dos componentes esenciales: la planta o
proceso que se pretende controlar y el órgano de control o controlador, con el que se
gobierna el comportamiento de la planta. Para el diseño de éste último, el ingeniero de
control parte del sistema dinámico que constituye el modelo matemático de la planta
a controlar. Este modelo matemático describe los efectos relativos entre las distintas
variables y los parámetros involucrados en el proceso. Además, el modelo matemático
permite también la simulación informática del proceso real que se trata de controlar.
De este modo las matemáticas intervienen con un papel crucial en la representación
del proceso cuyo comportamiento se quiere automatizar. Supongamos, en un caso par-
ticularmente simple, que el modelo de la planta viene dado por la expresión
ẋ = x + u (1.1)
En ésta expresión 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 señal u
representa los actuadores o entradas al proceso, y x es la señal procedente de los sensores
o salidas. Obsérvese que la expresión anterior, pese a su sencillez formal, representa
un problema particularmente difı́cil. En ausencia de señal de control, es decir para
1
2 CAPÍTULO 1. INTRODUCCIÓN
Planta
u x
Controlador
Figura 1.1: Estructura de realimentación.
u = 0, el sistema es inestable: la variable x crece exponencialmente. Precisamente

uno de los objetivos básicos que se pretende es estabilizar este sistema inestable. El
ingeniero de control tiene que encontrar una estrategia de actuación sobre el sistema
de modo que a partir de las medidas de la señal x sea capaz de determinar la señal
de actuación u, de manera que el comportamiento resultante sea estable. A partir de
la información x que suministran los sensores se trata de obtener la acción u de los
actuadores; es decir, se quiere determinar una función u = f (x), que se conoce como
ley de control. Para resolver este problema, en primer lugar, tiene que representar
matemáticamente 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
ẋ = −kd x (1.2)
en donde kd > 0. Esta es precisamente la representación matemática de lo que queremos
lograr.
Obsérvese que eligiendo adecuadamente el parámetro kd podemos hacer que el com-

portamiento de x cuando se aproxima al equilibrio estable x = 0, lo haga con una
trayectoria que puede ser elegida en función de los objetivos propuestos. Las especifi-
caciones de comportamiento a partir de las cuales se adopta un valor para kd pueden
ser muy variadas. Por ejemplo, podemos hacer que el valor cuadrático medio de la
desviación de la situación de equilibrio sea mı́nimo supuesto el sistema sometido a per-
turbaciones de tipo estocástico. La teorı́a del control automático permite resolver el
problema en muchas situaciones de interés práctico.
Una vez planteado el problema su resolución es inmediata. Si se quiere el compor-

tamiento (1.2) para el sistema representado por (1.1) bastará con hacer
u = −(1 + kd )x (1.3)
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 realimentación

1.1. EL PROBLEMA DEL CONTROL 3
como la que se muestra en el diagrama de la figura 1. Esta estructura posee un enorme

interés y su estudio sistemático constituye una de las grandes contribuciones de la inge-
nierı́a del control, que ha trascendido el propio dominio de la ingenierı́a para constituir
una aportación tanto a las ciencias de la naturaleza como a las sociales y humanas. Por
ello conviene que le dediquemos algún espacio. Si observamos el diagrama de la figura 1
veremos que muestra una estructura causal circular, en virtud de la cual toda actuación
u produce un efecto x que se “realimenta”para incidir en la decisión del nuevo valor de
u que se aplica al sistema, y ası́ en una espiral sin fin.
Formalización del problema abstracto del control (como en su dı́a formalizaron las
representaciones geométricas del hombre primitivo o las trayectorias de los primeros
mecánicos), en una teorı́a matemática de los sistemas realimentados que no es sino una
rama de la teorı́a de sistemas dinámicos. Esta formulación abstracta del problema del
control consiste en considerarlo como el problema formado por:
1. El modelo matemático de una planta o proceso a controlar, tal como el represen-

tado en (1.1).
2. Un comportamiento deseado para el proceso, al que en principio se exigirá que

sea estable, por ejemplo, mediante una expresión del tipo (1.2). Además se le
impondrán otras condiciones adicionales, de modo que se cumplan ciertas especi-
ficaciones.
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 motivación, se consigue con la ley de control (1.3).
Esta es la situación ideal con la que aspira a encontrarse el que trata de resolver un
problema de control. Veremos luego, al considerar el caso del péndulo invertido, que en
la práctica hay que hacer importantes matizaciones a este esquema.
El modelo matemático del proceso a controlar de la expresión (1.1) es un sistema

dinámico lineal. Las representaciones lineales de los procesos tienen la ventaja de que la
teorı́a matemática de sistemas dinámicos lineales está muy elaborada y su aplicación
práctica presenta considerables ventajas. Sin embargo, sabemos que constituye una
primera aproximación, 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 idealización ya que toda magnitud fı́sica se desenvuelve en un
rango acotado. Si el sistema posee componentes mecánicas, un modelo estrictamente
lineal no considera los efectos de la fricción o de las holguras en los mecanismos de
transmisión. El modelo lineal es solamente una primera aproximación que dependiendo
del problema que se tenga entre manos puede ser suficiente o no.
El problema del control tal y como se ha resuelto mediante las expresiones (1.1),
(1.2) y (1.3) constituye una versión enormemente simplificada de un problema que, aún
en su planteamiento lineal, si x y u son vectores adquiere una considerable complejidad,
que se incrementa además si los modelos son no lineales. Pero aún en esa versión
enormemente simplificada están presentes todos los elementos que concurren en un
problema de control. Tenemos un cierto ámbito de la realidad, el proceso a controlar,
del que necesitamos una adecuada representación matemática mediante un sistema
dinámico, tal como (1.1). Para llegar a esta representación matemática necesitamos
recurrir a los conocimientos que se tienen con relación al proceso en cuestión; o recurrir
a técnicas de modelado especı́ficas mediante ajuste de modelos. En todo caso partimos
de una descripción matemática de un cierto aspecto de la realidad, de la que la expresión
(1.1) es una muestra particularmente sencilla.
1.2. EL control lineal es local

Sea el sistema de segundo orden

0 1 0
ẋ = x+ u
−a2 −a1 1
con ley de control

u = −Kx = − k2 k1 x
El sistema en bucle cerrado es

0 1
ẋ = x
−a2 + k1 −a1 + k2
la dinámica del sistema en bucle cerrado puede ser definida arbitrariamente,

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 5
Los sistemas no lineales presentan dos diferencial principales con respecto a los
lineales:
• Pueden tener múltiples atractores, no solo el atractor puntual asociado al

punto de operación;
• Tres tipos principales de atractores:
◦ Puntos de equilibrio.
◦ Ciclos lı́mite.
◦ Atractores extraños.
En estas norteas sólo trataremos puntos de equilibrio y ciclos lı́mite.
The full consideration of nonlinear effects 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 teorı́a de control ha sido,

desde sus orı́genes, el estudio de la estabilidad. Para sistemas lineales con dimensiones
finitas es posible organizar las nociones de estabilidad de las que se dispone en torno a
unos pocos conceptos básicos que, además pueden caracterizarse de forma precisa en
términos algebraicos. Sin embargo, los sistemas no lineales presentan una variedad de
comportamientos mucho más amplios de modo que la clasificación 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 últimos es el establecer

condiciones contrastables para analizar la estabilidad de un sistema sin conocer ex-
plı́citamente sus soluciones. La contribución clave a este problema se basa en los tra-
bajos de Liapunov. Su segundo método de análisis de estabilidad permite demostrar
propiedades locales y globales de estabilidad a partir del signo de la tasa de disipación
de una función tipo energı́a. Posteriormente, otra contribución importante, fue el re-
conocimiento de que las funciones de Liapunov pueden captar la propia naturaleza de la
estabilidad asintótica y que la existencia de esas funciones, con adecuadas propiedades
de disminución a lo largo de las trayectorias del sistema, permiten caracterizar tanto
local como globalmente la estabilidad asintótica. Más recientemente, la teorı́a de la pa-
sividad y la estabilidad-estado (ISS) permiten extender a sistemas de control (sistemas
con al menos una entrada) todo el cuerpo de resultados que se tenı́an para sistemas
autónomos. Las desigualdades de disipación y el segundo método de Liapunov juegan
un papel central en los llamados métodos constructivos de control no lineal reciente-
mente desarrollados. Normalmente se aplican a sistemas de dimensiones finitas.
Parte I
Análisis
7
Capı́tulo 2
Análisis cualitativo de sistemas

dinámicos
2.1. Formalización del concepto de sistema dinámi-

co
Noción intuitiva de sistema dinámico: conjunto de componentes conectados entre
ellos de modo que presenten un comportamiento coordinado y realicen una tarea
determinada.
Se consideran sistemas:
• a cuyos componentes se asocian magnitudes xi ;

• algunas magnitudes representan el cambio con el tiempo de otras:
El modelo matemático se construye a partir de las relaciones entre las correspon-

dientes variables.
Nos ocuparemos fundamentalmente de sistemas dinámicos dados por ecuaciones

diferenciales o en diferencias: son los sistemas dinámicos de variables continuas
La noción de sistema dinámico incluye el conjunto X de los posibles estados que

puede alcanzar y una regle o ley que regula la evolución de los estados en el
tiempo.
Espacio de estados Los posibles estados de un sistema se representan mediante

puntos de un conjunto X. Este conjunto recibe la denominación de espacio de
estados.
Ejemplo:
9
10 CAPÍTULO 2. ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS
Figura 2.1: Péndulo.
S = {θ}
R = {θ̇}
X = S ×R
X es un cilindro (una variedad).
El principal componente de un sistema dinámico es una regla de evolución que

determina el estado xt a partir de x0 . Esta regla se representa mediante la apli-
cación
ϕt : X → X
xt = ϕ(x0 )
ϕt se denomina operador de evolución.
Para sistemas en tiempo continuo la familia {ϕt }t∈T de operadores de evolución
se denomina flujo.
A un sistema dinámico (X, f ) se asocia un espacio de estados X y una aplicación

ϕt : X → X que permite establecer la evolución en X.
2.2. Crecimiento logı́stico o acotado
La estructura de realimentación positiva permite dar razón del proceso de crec-

imiento. Sin embargo, sabemos que en la realidad todo proceso de crecimiento acaba
por abortarse tarde o temprano. No existe el crecimiento indefinido (más que en situa-
ciones extremas idealizadas). La forma de crecimiento con la que normalmente nos
2.2. CRECIMIENTO LOGÍSTICO O ACOTADO 11
,
crecimiento comportamiento asintotico
exponencial
Figura 2.2: Crecimiento logı́stico o sigmoidal.
encontramos es la que se conoce como crecimiento logı́stico o sigmoidal. Esta forma

de crecimiento se muestra en la figura 3.1, y consta de una fase inicial de crecimiento
aproximadamente exponencial seguida de una segunda fase de estabilización.
Este comportamiento puede explicarse combinando un bucle de realimentación pos-

itiva, responsable del crecimiento exponencial inicial, y de un bucle de realimentación
negativa, al que se asocie el comportamiento estabilizador final. En la fase inicial el
bucle de realimentación positiva es el dominante, mientras que en la final lo es de re-
alimentación negativa. El cambio de dominación 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 población en un medio finito hasta la introducción de un nuevo
producto en el mercado, pasando por la difusión de una enfermedad.
Constituye un ejemplo de lo que se conocen como arquetipos sistémicos que pueden

considerarse como plantillas estructurales para la descripción de aspectos sistémicos de
la realidad. Estos arquetipos son el resultado de la experiencia en modelado y pueden
considerarse como descripciones fenomenológicas del comportamiento de los sistemas.
Aportan sugerencias sobre la estructura básica del sistema, sin ninguna pretensión de
unicidad.
Un ejemplo concreto de crecimiento en un medio acotado lo suministra el modelo

de crecimiento de un población, que se puede escribir:
ẋ = b(x) − d(x), x > 0, (2.1)
en donde b(x) = nxg(x) son los nacimientos, d(x) = mx son las muertes, y ẋ representa
f(x)=1+2x-3x2 (δ=1/3)
f(x)=1+x-2x2 (δ=1/2)
f(x)=1-x2 (δ=1)
Figura 2.3: Forma de la función g̃(x) para distintos valores del parámetro δ.
la derivada (variación) de x con respecto al tiempo t. De acuerdo con esta ecuación el

crecimiento de la población x resulta del exceso de nacimientos sobre muertes. Conviene
observar que las muertes dependen linealmente de la población x, mientras que los
nacimientos dependen de x a través de la función g que hace variar la tasa de natalidad
con el nivel alcanzado por la población x. Una hipótesis razonable es que g es no lineal,
y tiene la forma cualitativa que se muestra en la figura 2.3.
De acuerdo con esta figura cuando la población es muy pequeña la natalidad crece
con la población, mientras que cuando es grande decrece. Esta forma de g es consis-
tente con el supuesto del crecimiento sigmoidal según el cual en las fases iniciales de
crecimiento éste es explosivo, y en las finales tiende a un valor asintótico. De la curva g
lo único que nos interesa es su forma creciente al principio y decreciente luego; es decir,
su forma cualitativa. Podemos adoptar para ella la expresión matemática siguiente:

1−δ x2
g̃(x) = 1 + x − , δ ∈ (0, 1] .
δ δ
es decir, una forma parabólica (figura 2.3).
De acuerdo con lo que se ha visto, la expresión (2.1) puede escribirse

ẋ = x(ng(x) − m).
Esta expresión es un ejemplo de lo que se conoce como un sistema dinámico. Su parte
derecha puede interpretarse como la regla que establece como se produce la variación ẋ
2.2. CRECIMIENTO LOGÍSTICO O ACOTADO 13
de x a lo largo del tiempo. Esta expresión puede interpretarse también como un campo
vectorial ẋ definido sobre X = {x}. En general, un sistema dinámico se define como el
objeto formado por un espacio de estados X (una variedad) y un campo vectorial f ,
definido en X
sistema dinámico = variedad de estados X + campo vectorial f
De acuerdo con ello un sistema dinámico se define por el par (X, f ). Una de las for-
mulaciones más generales de un sistema dinámico, mediante un sistema de ecuaciones
diferenciales de primer orden, es la siguiente
ẋ = f (x) (2.2)
en donde la función f establece la regla mediante la cual se produce el cambio del
estado a lo largo del tiempo y representa la dinámica del sistema
xt+dt = xt + f (xt )dt.
Existen otras formulaciones para la transición entre estados, que dan lugar a otras
tantas formas de escribir sistemas dinámicos. Sin embargo aquı́ nos limitaremos a la
que se acaba de enunciar.
El espacio X tiene, en general, dimensión n, de modo que (2.2) se descompone en

un conjunto de ecuaciones de la forma:
ẋi = fi (x1 , x2 , ..., xn ) (2.3)
a cada una de las cuales corresponde una relación de influencia
dXi
X1 , X2 , ...Xn → (2.4)
dt
De este modo es posible concebir una transición de los grafos, mediante relaciones de
influencia, que se han considerado anteriormente (recuérdese la figura ??), a sistemas
dinámicos como los de la expresión (2.2). Conviene observar que para esta transición
hay que enriquecer la información estructural de las relaciones de influencia con infor-
mación adicional. La dinámica de sistemas, como método para el modelado y simulación
de sistemas dinámicos, aporta herramientas conceptuales e informáticas para realizar
esa transición (Aracil y Gordillo 1997).
2.2.1. Retrato de estados de sistemas no lineales
Cada atractor tiene su cuenca de atracción.

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 0.5 1
x1
Los sistemas no lineales tienen retratos de estado más complejos:

2
1.5
0.5
x2/pi
−0.5
−1
−1.5
−2
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2
x1/pi
La teorı́a global se ocupa de la forma en que los atractores y sus cuencas de

atracción se combinan en el retrato de estados.
2.3. Sistemas Dinámicos Lineales
Aunque el objetivo de este curso es el estudio de sistemas dinámicos en toda su

generalidad, por tanto no lineales, conviene recordar algunos resultados relativos a los
sistemas dinámicos lineales, ya que, como veremos, los sistemas dinámicos no lineales
se comportan localmente como lineales.
Un sistema dinámico lineal viene dado por una expresión de la forma
ẋ = Ax, x ∈ IRn
2.3. SISTEMAS DINÁMICOS 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 teorı́a de sistemas lineales dice que si los
valores propios λ1 , λ2 , ..., λn 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[λ1 , λ2 , ..., λn ]
si se realiza el cambio de coordenadas
y = P −1 x
en donde P es la matriz invertible anterior. Se tiene entonces
ẏ = P −1 AP y
de donde se tiene que

y(t) = diag[eλ1 t , eλ2 t , ..., eλn t ]y(0)
y también
x(t) = P diag[eλ1 t , eλ2 t , ..., eλn t ]P −1 x(0)
Ejemplo:
Sea el sistema lineal
ẋ1 = −x1 − 3x2 (2.5)

ẋ2 = 2x2 (2.6)
siendo x(0) = (c1 , c2 )T . De acuerdo con la anterior se tiene que la solución del sistema
lineal es
x1 = c1 e−t + c2 (e−t − e2t ) (2.7)

x1 = c2 e2t (2.8)
En el caso en el que la matriz A tenga valores propios reales y complejos, y además

algunos de ellos sean múltiples, se tiene un resultado análogo al anterior, pero de mayor
complejidad. Sea A una matriz real que posea los valores propios reales λi , i = 1, ..., k
y los valores propios complejos
λi = ai + jbi , λ̄i = ai − jbi , i = k + 1, ..., n
Entonces existe una base para R2n−k
{v1 , ..., vk , vk+1 , uk+1, ..., vn , un }

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
⎡ ⎤
B1
⎢ .. ⎥
P −1 AP = ⎣ . ⎦
Br
donde los bloques elementales de Jordan son de la forma

⎡ ⎤
λ 1 0 ··· 0
⎢ 0 λ 1 ··· 0 ⎥
⎢ ⎥
⎢ ··· ⎥
⎢ ⎥
⎣ 0 ··· 0 λ 1 ⎦
0 ··· 0 0 λ
para un valor propio real múltiple λ de A, o bien de la forma

⎡ ⎤
D I2 0 ··· 0
⎢ 0 D I2 · · · 0 ⎥
⎢ ⎥
⎢ · · · ⎥
⎢ ⎥
⎣ 0 ··· 0 D I2 ⎦
0 ··· 0 0 D
en donde
a −b 1 0 0 0
D= , I2 = y0=
b a 0 1 0 0
para un valor propio complejo múltiple λ = a + bj de A.
La solución del sistema lineal se escribe en este caso:
x(t) = P diag[eBi t ]P −1 x(0)
Para concretar consideremos el caso de sistemas lineales en un espacio de dos dimen-

siones
ẋ = Ax x ∈ R2 (2.9)
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:

λ 0 λ 1 a −b
B= , B= yB=
0 μ 0 λ b a
La solución del sistema dinámico lineal en este caso es de la forma:
ẋ = Bx x(0) = x0 (2.10)
que se convierte en cada uno de los tres casos anteriores en

λt
e 0
x(t) = x0
0 eλt

λt 1 t
x(t) = e x0
0 1
y
at cos bt − sin bt
x(t) = e x0
− sin bt cos bt
El comportamiento de las soluciones de (2.9) se deduce del de (2.10). En la próxima
sección se presentará un resultado más detallado.
2.3.1. Sistemas dinámicos autónomos lineales de dimensión

dos
Los sistemas lineales bidimensionales son una clase particular de sistemas autónomos
de dimensión dos ẋ = f(x) en los que el campo vectorial f : R2 → R2 está dado por una
función lineal. Es decir un sistema lineal plano puede ser escrito de la forma ẋ = Ax,
donde:
x1 a11 a12
x= , A= .
x2 a21 a22
A continuación se presentan algunas propiedades de los sistemas lineales bidimen-

sionales, que son extensibles a sistemas de orden superior.
Las soluciones de un sistema lineal ẋ = Ax están definidas para todo t ∈ R.
Si x1 (t) y x2 (t) son soluciones del sistema ẋ = Ax, y c1 y c2 son dos números reales,
entonces la combinación lineal c1 x1 (t) + c2 x2 (t) es también solución del sistema lineal.
A esto se le denomina principio de superposición.
Dos soluciones x1 (t) y x2 (t) del sistema ẋ = Ax se dice que son linealmente inde-
pendientes si para t ∈ R, la relación
c1 x1 (t) + c2 x2 (t) = 0
implica que c1 = c2 = 0. La independencia lineal se comprueba si det(x1 (t)|x2 (t)) = 0

para todo t ∈ R.
Si x1 (t) y x2 (t) son soluciones del sistema ẋ = Ax entonces la matriz X(t) =

(x (t)|x2 (t)) se denomina matriz solución; si además las soluciones x1 (t) y x2 (t) son
1
linealmente independientes para todo t ∈ R, entonces se dice que X(t) es una matriz
fundamental de soluciones de ẋ = Ax.
Si X(t) es una matriz fundamental de soluciones de ẋ = Ax y cumple la condición

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 solución de la ecuación difer-

encial ẋ = Ax que satisface la condición inicial x(0) = x0 está dada por la expresión:
ϕ(t, x0 ) = eAt x0 ,
donde
eAt ≡ X(t)[X(0)]−1 .
Equivalencia cualitativa en sistemas lineales
Dos sistemas lineales de dimensión dos ẋ = Ax y ẋ = Bx se dice que son

topológicamente equivalentes si hay un homeomorfismo h : R2 → R2 en el plano, tal
que, h es continua y con inversa continua, que transforma las órbitas de ẋ = Ax en las
de ẋ = Bx y conserva su sentido en el tiempo. Es decir:
h(eAt x) = eBt h(x) para todo t ∈ R y x ∈ R2 .
A continuación, y dado el carácter restrictivo de la equivalencia lineal de sistemas,

se presentan dos teoremas sobre la equivalencia topológica de sistemas y su clasificación
cualitativa.
Teorema 2.1. Sean dos matrices A y B que tienen autovalores con parte real dis-
tinta de cero (sistemas hiperbólicos), entonces los sistemas ẋ = Ax y ẋ = Bx son
topológicamente equivalentes si y sólo si las matrices A y B tienen el mismo número
de autovalores con parte real negativa (y por consiguiente también positiva).
Ası́ pues, en sistemas planos, hay tres clases de sistemas hiperbólicos lineales, que
pueden representarse simplificadamente como:

−1 0
(i) tiene dos autovalores negativos, es un sumidero hiperbólico.
0 −1

1 0
(ii) tiene dos autovalores positivos, es una fuente hiperbólica.
0 1

1 0
(iii) un autovalor positivo y otro negativo, punto de silla hiperbólico.
0 −1
Teorema 2.2. Si la matriz de coeficientes A tiene al menos un autovalor con parte
real nula (sistema no hiperbólico), entonces el sistema plano lineal ẋ = Ax es topológi-
camente equivalente a uno de los siguientes cinco sistemas lineales:

0 0
(i) matriz cero. Cualquier órbita es un punto de equilibrio.
0 0

−1 0
(ii) un autovalor negativo y otro cero. Los conjuntos ω-lı́mite (finales)
0 0
de todas las órbitas positivas (hacia adelante) son puntos de equilibrio.

1 0
(iii) un autovalor positivo y otro cero. Los conjuntos α-lı́mite (inicio) de
0 0
todas las órbitas negativas (hacia atrás) son puntos de equilibrio.

0 1
(iv) dos autovalores nulos pero es de rango 1. Todas las órbitas, positivas
0 0
y negativas, que no sean puntos de equilibrio no están limitadas.

0 1
(v) dos autovalores imaginarios puros. Cada órbita que no sea un equi-
−1 0
librio es periódica.
En la figura 2.4 se muestra el diagrama de fases de cada una de las clases rep-
resentativas de equivalencia topológica de sistemas lineales definidas en los teoremas
anteriores.
Dentro de la clasificación de sistemas hiperbólicos realizada en el teorema 2.1 se

pueden definir 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 dimensión n × n tienen

parte real no nula, se dice que el flujo
eAt : IRn → IRn

x2 x2 x2
x1 x1 x1

−1 0 1 0 1 0
0 −1 0 1 0 −1
x2 x2 x2
x1 x1 x1

0 0 −1 0 1 0
0 0 0 0 0 0
x2 x2
x1 x1

0 1 0 1
0 0 −1 0
Figura 2.4: Diagrama de fases de la clases representativas de equivalencia topológica
de sistemas lineales planos.
es hiperbólico. El punto de equilibrio único x = 0 se dice que es un punto de equilibrio

hiperbólico.
Un punto de equilibrio hiperbólico 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 δ = det A y τ = trazaA y considérese el sistema lineal

ẋ = Ax x ∈ IRn
El punto de equilibrio x = 0 es (Fig 2.5)
Una ensilladura si δ < 0

Un nodo estable si
δ > 0, τ 2 − 4δ ≥ 0, y τ < 0
Un nodo inestable si
δ > 0, τ 2 − 4δ ≥ 0, y τ > 0
Un foco estable si
δ > 0, τ 2 − 4δ < 0, y τ < 0
Un foco inestable si
δ > 0, τ 2 − 4δ < 0, y τ > 0
Un centro si
δ > 0, τ =0
Los valores propios de A se pueden escribir:

√
τ ± τ 2 − 4δ
λ=
2
En el caso general para n ≥ 1 se tiene lo siguiente. De acuerdo con lo que se ha

visto anteriormente la solución de un sistema lineal
ẋ = Ax x ∈ IRn x(0) = x0 (2.11)
x2
x2
x1
x1
Nodo estable: Autovalores reales Foco estable (sumidero): Autoval-

negativos. ores complejos con parte real neg-
ativa.
x2 x2
x1
x1
Nodo inestable (fuente): Autoval- Foco inestable: Autovalores reales

ores reales positivos. con parte real positiva.
Figura 2.5: Diagrama de fases de la clases representativas de equilibrios hiperbólicos.
se escribe
x(t) = eAt x0
La aplicación eAt : IRn → IRn describe el comportamiento del punto x0 ∈ IRn a lo largo
de las trayectorias de (2.11).
Un subespacio E ⊂ IRn se dice invariante bajo el flujo 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 λ, 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= ci vi
i=1
y, por linealidad,

k
Av = ci Avi
i=1
Como cada vi verifica

(A − λI)ki vi = 0
para un cierto ki mı́nimo, se puede escribir
(A − λI)vi = Vi
o lo que es lo mismo Vi ∈ (A − λI)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 λi = 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 =

span{ui, vi ; ai = 0} es el subespacio central, E u = span{ui , vi ; ai > 0} es el
subespacio inestable, asociados a (2.11).
Utilizando el lema anterior se puede demostrar la propiedad siguiente de los sube-

spacios estable, inestable y central:
Sea A una matriz real de dimensión 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). Además E s , E u y E c son subespacios invariantes bajo el flujo 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 , lı́mt→∞ eAt x0 = 0
y para x0 = 0, lı́mt→−∞ eAt x0 = ∞
además,
todos los valores propios de A tienen parte real estrictamente positiva,
∀xo ∈ IRn , lı́mt→−∞ eAt x0 = 0
y para x0 = 0, lı́mt→∞ eAt x0 = ∞
2.4. Sistemas dinámicos no lineales
Después del repaso que se ha hecho en la sección anterior de algunos resultados

generales sobre sistemas lineales de la forma
ẋ = Ax, x(0) = x0
ahora vamos a estudiar los sistemas dinámicos no lineales
ẋ = f (x), x(0) = x0 (2.12)
con ello dispondremos también de resultados para el estudio de sistemas de control no

lineales
ẋ = f (x, u), x(0) = x0 (2.13)

y = h(x) (2.14)
2.5. PROPIEDADES DE LAS SOLUCIONES 25
puesto que siempre que se tenga una ley de control de la forma
u = k(x)
se tendrá que el sistema realimentado correspondiente tomará la forma
ẋ = f (x, k(x)), x(0) = x0

y = h(x)
lo que lo convierte en un sistema dinámico no lineal (2.12).
El estudio de los sistemas dinámicos no lineales comprende dos partes: una más
elemental de carácter local, que se relaciona con el estudio de sistemas lineales cuando
el punto de equilibrio entorno al que se estudia el comportamiento del sistema es
hiperbólico; y una parte más especı́fica en la que se ponen en evidencia comportamientos
completamente nuevos con relación a los que presentan los sistemas lineales.
2.5. Propiedades de las soluciones
2.5.1. Existencia y unicidad de las soluciones
Considérese en primer lugar el sistema dinámico

2
ẋ = 3x 3 , x(0) = x0 (2.15)
para cuya integración conviene recordar que

xk+1
xk dx =
k+1
El sistema dinámico anterior puede escribirse de la forma
dx
2 = dt
3x 3
La integración del primer miembro es
1
− 23 x3
x dx = 1
3
por lo que la integración de la ecuación anterior conduce a

1 1
x 3 (t) − x 3 (0) = t
Es decir
x̄(t) = t3
Pero, además, es fácil ver que
x̄(t) = 0
también es una solución del sistema dinámico que satisface las condiciones iniciales.
Por tanto el sistema dinámico anterior posee dos soluciones. Conviene observar que
(2.15) es continua en x = 0 pero que no es diferenciable. Este hecho justifica el que la
solución no sea única y sugiere la necesidad de que el sistema sea diferenciable para
tener la unicidad. Aquı́ no profundizaremos en estas cuestiones, por ser más propias de
un curso de matemáticas, pero sin embargo si conviene esbozarlas para no olvidar las
sutilezas matemáticas que presentan los sistemas dinámicos no lineales.
Sea f ∈ C 1 (U) en donde U es un abierto de IRn . Se dice que x̄(t) es una solución
de la ecuación diferencial no lineal
ẋ = f (x)
sobre un intervalo Y , si x̄(t) es diferenciable sobre Y y
x̄˙ = f (x̄)
para todo t ∈ I.
Po otra parte sea x0 ∈ U. x̄(t) es una solución del problema con valor inicial
ẋ = f (x) x(0) = x0
sobre un intervalo Y , si t0 ∈ I, x̄(t0 ) = x0 y si x̄(t) es una solución de la ecuación
diferencial no lineal
ẋ = f (x)
sobre el intervalo Y .
Hay un teorema, que no vamos a demostrar aquı́, que dice que si U es un abierto
de IRn que contiene x0 y supongamos que f ∈ C 1 (U), entonces existe un α > 0 tal que
el problema con valor inicial
ẋ = f (x) x(0) = x0
tiene una solución única x̄(t) sobre el intervalo [−α, α].
2.5.2. Flujo definido por un sistema dinámico
Sea U un abierto de IRn y sea f ∈ C 1 (U). Para x0 ∈ U sea ϕ(t, x0 ) la solución del
problema con valor inicial
ẋ = f (x) x(0) = x0 (2.16)
definida sobre un intervalo máximo de existencia I(x0 ). Entonces para t ∈ I(x0 ) la

aplicación
ϕt : U → U
x0 → ϕt (x0 ) = ϕ(t, x0 )
se denomina flujo de la ecuación diferencial (2.16) o flujo del campo de vectores f (x).
En lo que sigue se empleará la anotación
Ω = {(t, x0 ) ∈ R × U; t ∈ I(x0 )}
Las propiedades del flujo lineal
ϕt : IRn → IRn
x0 → ϕt (x0 ) = eAt x0
se cumplen también para un flujo no lineal definido por (2.16).
2.5.3. Sistema dinámico como flujo
La aplicación ϕ : IR × IRn → IRn representa la totalidad de las soluciones; se

denomina flujo del campo vectorial f (por analogı́a con el flujo de un fluido).
La ϕ es también la dinámica o regla que especifica como se transforma el estado

x ∈ X en otro estado ϕt (x) en el tiempo t.
Propiedades naturales del operador ϕ:
• ϕ0 es la aplicación identidad.
• Si el sistema es autónomo entonces
ϕt ◦ ϕs = ϕt+s
Si ϕt está definido para todo t < 0, entonces el sistema es invertible y
ϕ−t = ϕ−1
t
Si t ∈ IR, IR+ se dice que el tiempo es continuo.
Si t ∈ Z,Z+ el tiempo es discreto.
Se supone que
• X es un conjunto cerrado en IRn .

• Las aplicaciones ϕt son continuas.
• t ∈ Z+ o IR+ .
• El sistema dinámico es determinista.
De momento supondremos que el sistema dinámico es autónomo. Esta suposición
la relajaremos más adelante al considerar sistemas de control.
Un sistema dinámico (X, f ) es el objeto formado por un espacio de estados X
(una variedad) y un campo vectorial f , definido en X ⊆ IRn , f ∈ C ∞ (x, x) y
T = IR.
dx
= f (x)
dt
En automática un sistema dinámico es un objeto matemático formado por el
séxtuplo (T, X, U, Y, f, g).
dx
= f (x, u)
dt
y = g(x)
Un sistema dinámico en tiempo discreto está completamente definido mediante

la aplicación de una paso f = ϕ1
ϕ2 = ϕ1 ◦ ϕ1 = f ◦ f = f 2
f 2 es la iteración de dos pasos.
2.5.4. Orbitas y retratos de estados
Los métodos geométricos para el estudio de sistemas dinámicos están basados

en imágenes geométricas. Los objetos geométricos básicos asociados a un sistema
dinámico son las órbitas y el retrato de estados.
A partir de un estado inicial x0 se genera la trayectoria
ϕt (x0 ) = x(t)
La proyección de la trayectoria sobre X se denomina órbita.

Se define como un subconjunto ordenado de X
Or(x0 ) = {x ∈ X|x = ϕt (x0 ), t ∈ T }
Las órbitas son curvas en sistemas en tiempo continuo y secuencias de puntos en

sistemas en tiempo discreto.
El retrato de estados de un sistema dinámico es una representación de sus órbitas

en el espacio de estados (la representación gráfica y esquemática de un conjunto
representativo de ellas).
El retrato de estados muestra el número y los tipos de los estados asintóticos a

los que tiende el sistema al hacer t → ∞.
puede interpretarse como el flujo de un fluido.
2.5.5. Puntos de equilibrio
Un punto x0 ∈ IRn es un punto de equilibrio o un punto crı́tico de la ecuación

diferencial
ẋ = f (x) (2.17)
si
f (x0 ) = 0
A un sistema dinámico (2.17) se asocia la matriz jacobiana
⎡ ∂f1 ∂f1
⎤
∂x1
(x0 ) ... ∂xn
(x0 )
⎢ .. .. .. ⎥
Jx0 (f ) = Dx f = ⎣ . . . ⎦
∂fn ∂fn
∂x1
(x0 ) . . . ∂xn
(x0 )
El sistema lineal
ẋ = Jx0 (f )x
se llama linealización de (2.17) en el punto x0 .
Un punto de equilibrio se dice que es un punto de equilibrio hiperbólico de (2.17)

sin ningún 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 ϕt : U → IRn

es el flujo de la ecuación diferencial (2.17) entonces ϕt (x0 ) = x0 para todo t ∈ R. Por
tanto x0 es un punto fijo para el flujo ϕt ; se dice también que es un 0, un punto crı́tico
o también un punto singular el campo de vectores f . Como en el caso lineal, un punto
de equilibrio hiperbólico se dirá que es un pozo si todos su valores propios tienen parte
real estrictamente negativa, una fuente si todos su valores propios tienen parte real
estrictamente positiva o, por último, una ensilladura o un punto de silla si los valores
propios tienen signos diferentes.
Ejemplo
Sea el sistema dinámico

x21 − x22 − 1
f (x) =
2x2
Para estudiar los puntos de equilibrio de este sistema hay que resolver el sistema
de ecuaciones
x21 − x22 − 1 = 0
2x2 = 0
que conduce a
x21 − 1 = 0 ⇒ x1 = ±1
por lo que se tiene que el sistema presenta dos puntos de equilibrio,
x1e = [1, 0]T x2e = [−1, 0]T
La matriz jacobiana de este sistema dinámico es

2x1 −2x2
J=
0 2
que en el equilibrio x1e se convierte en

2 0
J(x1e ) =
0 2
cuyos autovalores son positivos por lo que es una fuente. Por otra parte, en el equilibrio
x2e la matriz jacobiana toma la forma

2 −2 0
J(xe ) =
0 2
por lo que este punto de equilibrio es una ensilladura.
2.5.6. Linealización
Si un punto de equilibrio de (2.17) es hiperbólico, entonces el comportamiento de las

soluciones en un entorno de este punto es semejante al comportamiento de las soluciones
del sistema linealizado de (2.17) en este punto. En lo que sigue, se supondrá que el punto
de equilibrio es el origen. Si este no fuese el caso se realizarı́a el cambio de coordenadas
x → x − x0
Todos los resultados que se exponen a continuación son válidos localmente entorno al
punto de equilibrio considerado (es decir, el origen).
Sea U un abierto de x0 ∈ IRn que contiene el origen, sea f ∈ C 1 (U) y sea ϕt el

flujo asociado al sistema no lineal (2.17). Supongamos que el origen es un punto de
equilibrio hiperbólico y que J0 f tiene valores propios con parte real estrictamente neg-
ativa y n − k valores propios con parte real estrictamente positiva. Entonces existe una
superficie C 1 , S s de dimensión k y una superficie C 1 , S u de dimensión n − k respecti-
vamente, tangente al espacio estable E s y tangente al espacio inestable E u asociados
a la linealización de (2.17) en el origen
ẋ = Jx0 (f )x
Además, estas superficies son invariantes bajo el flujo ϕt
ϕt (S s ) ⊂ S s ; ϕt (S u ) ⊂ S u
para todo t ≥ 0 y
lı́m ϕt (x0 ) = 0, ∀x0 ∈ S s
t→∞
lı́m ϕt (x0 ) = 0, ∀x0 ∈ S u

t→−∞
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. Supóngase 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 superficie C r , S c , eventualmente
no única, de dimensión m tangente al espacio central E c en el origen e invariante bajo
el flujo ϕt .
Ejemplo:
Sea el sistema
ẋ1 = x21
ẋ2 = −x2
El subespacio estable E s del sistema linealizado en el origen (único punto de equilibrio)

es el eje x2 y el subespacio central E c es el eje x1 . El resultado anterior predice la
existencia de una superficie invariante central, bajo el flujo y tangente al eje x1 en el
origen. El propio eje x1 es la tal superficie puesto que x2 = 0 implica ẋ2 = 0. Sin
embargo, hay otras superficies centrales. En efecto, la solución que pasa por el punto
(c1 , c2 ) con c1 < 0 viene dada por la solución particular de
dx2 x2
=− 2
dx1 x1
es decir,
− c1 1
x2 = c2 e 1 e x1
La curva
− c1 1
x2 = c2 e 1 e x1 , x1 < 0
0 x1 ≥ 0
es invariante bajo el flujo.
Por fin, la curva x2 es tangente al origen. Es por tanto una superficie central.
Conviene observar que en este ejemplo las superficies centrales son de hecho centrales.
El resultado siguiente viene a completar los precedentes. Con él se puede precisar el
hecho de que siempre en un entorno de un punto de equilibrio hiperbólico el sistema
dinámico no lineal y su linealizado entorno a este punto tiene la misma estructura
cualitativa.
2.5.7. Linealización de un sistema dinámico en IRn
Para un equilibrio p se define la matriz jacobiana

∂fi
A=
∂xj
En torno a p el sistema dinámico toma la forma linealizada

dx
= Ax
dt
Sean λ1 , . . . , λn los autovalores de A en un equilibrio p.
• Si Re(λk ) < 0, k = 1, ..., n entonces p es un atractor.

• Si p es un atractor entonces Re(λk ) ≤ 0, k = 1, ..., n
• Cuando Re(λk ) < 0, ∀k se dice que p es un atractor hiperbólico.
• Supóngase que p es un atractor hiperbólico para un sistema dinámico f .
En tal caso existen infinitos sistemas dinámicos fi que tienen un atractor
hiperbólico cerca de p.
• Se dice que p es persistente ante perturbaciones de f .
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 λi > 0, o similares)
se mantienen para pequeños cambios en los parámetros.
En los centros que se definen por igualdades del tipo Re(λ) = 0, cualquier pequeña
perturbación de los valores de los parámetros destruirá presumiblemente la igual-
dad.
Condición necesaria para que un sistema sea estructuralmente estable es que sus
equilibrios (y también sus ciclos lı́mite) sean hiperbólicos.
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 topológica
Sean dos sistemas dinámicos

ẋ = f (x) (2.18)
ẋ = g(x) (2.19)
Estos dos sistemas se dice que son topológicamente equivalentes, o que tienen la misma
estructura cualitativa, sobre un entorno del origen, si existe un homeomorfismo H tal
que,
trayectorias de (2.18) ↔ trayectorias de (2.19)
de modo que H preserva la orientación (la naturaleza de la estabilidad). Si además este

homeomorfismo preserva la parametrización
H(ϕt (x)) = ψt (H(x))
en donde ϕt y ψt son respectivamente los flujos de los sistemas dinámicos (1) y (2)
entonces se dice que estos dos sistemas son topológicamente conjugados.
Sea U un abierto de IRn que contenga al origen. Sea f ∈ C 1 (U) y sea ϕt el flujo del
sistema no lineal
ẋ = f (x)
Supóngase que el origen es un punto de equilibrio hiperbólico. Entonces este sistema
dinámico y su linealizado entorno al origen
ẋ = Jx0 (f )x
son topológicamente conjugados sobre un intervalo abierto I0 ⊂ R.
Bajo estas hipótesis existe un homeomorfismo H que verifica

H ◦ ϕt (x0 ) = e(J0 f ) H(x0 )
Ejemplo:
Sea el sistema dinámico

ẋ1 = −x1
ẋ2 = x2 + x21
Sus trayectorias para x1 (0) = c1 y x2 (0) = c2 son

x1 = c1 e−t
c21 t
x2 = c2 et + (e − e−2t )
3
Por otra parte
−1 0
J0 f =
0 1
Se puede demostrar que este sistema y su linealizado son topológicamente equivalentes
utilizando el homeomorfismo

x1
H(x1 , x2 ) = x2
2x2 + 31
2.5.9. Conjuntos lı́mite y equilibrios
Conjunto lı́mite ω(x)

Se define el conjunto lı́mite de un sistema dinámico como el conjunto formado
por los puntos de X tales que
y ∈ ω(x) ⇐⇒ ∃tk → ∞, 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 = ω(p)
un equilibrio se representa por un punto en el retrato de estados y es la más
simple de las órbitas.
2.6. CICLOS Y ATRACTORES 35
Ciclo lı́mite de perı́odo T0 > 0

Un ciclo lı́mite es una trayectoria tal que x(t + T0 ) = x(t), ∀t
En la figura 2.6 se muestra el retrato de estados del sistema dinámico
dx
= x − y − x(x2 + y 2 )
dt
dy
= x + y − y(x2 + y 2 ),
dt
-1
-1 0 1 2
Figura 2.6: Retrato de estados de un sistema de dimensión 2, mostrando un ciclo lı́mite.
Sea el sistema dinámico:

dx
= f (x) x(0) = x0
dt
Un equilibrio es un p : f (p) = 0.
Un ciclo lı́mite es una solución periódica de esta ecuación diferencial.
2.6. Ciclos y atractores
Después de la descripción del comportamiento de las soluciones en un entorno de

un punto de equilibrio interesa estudiar el comportamiento entorno de otros conjuntos
1.5
.75
x0
-.75
-1.5
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
t
Figura 2.7: Comportamiento oscilatorio de un sistema con un atractor tipo ciclo lı́mite.
lı́mites. Los más notables de ellos son las órbitas periódicas, los bucles homoclı́nicos,
los ciclos separadores o los atractores extraños. Para su estudio se debe adoptar una
perspectiva global de los sistemas dinámicos no lineales.
2.6.1. Conjuntos lı́mite y atractores
Considérese de nuevo el sistema no lineal autónomo
ẋ = f (x) (2.20)
en donde f ∈ C 1 (U), U es un abierto de x0 ∈ IRn . Sea x ∈ U, la solución de (2.20) que

pase por x ϕ(., x) : R → U se denomina trayectoria u órbita que pasa por x (algunos
autores emplean trayectoria para x(t) y órbita para la proyección de la trayectoria en
el espacio de estados).
Un punto p ∈ U es un punto ω-lı́mite de la trayectoria ϕ(., x) del sistema (2.20) si

existe una secuencia (tn ) tal que lı́mn → ∞ y
lı́m ϕ(tn , x) = p
n→∞
De manera análoga, un punto p ∈ U es un punto α-lı́mite de la trayectoria ϕ(., x) del

sistema (2.20), si existe una secuencia (tn ) tal que lı́mn → −∞ y
lı́m ϕ(tn , x) = q
n→∞
El conjunto de todos los puntos ω-lı́mite (resp. α-lı́mite) de una trayectoria Γ se de-
nomina conjunto ω-lı́mite, denotado ω(Γ) (respectivamente conjunto α-lı́mite denotado
α(Γ)).
Una trayectoria que tiende a una órbita periódica y acaba situándose sobre ella,
posee una infinidad de puntos ω-lı́mite, los que forman la propia órbita periódica.
Considérense los conjuntos lı́mites ω(Γ) y α(Γ) asociados a una trayectoria Γ de

(2.20), que son subconjuntos cerrados de U. Si Γ está contenida en un subconjun-
to compacto de IRn , entonces ω(Γ) y α(Γ) son subconjuntos compactos, no vacı́os y
conexos de U. Además los subconjuntos ω(Γ) y α(Γ) son invariantes bajo el flujo ϕt .
ϕt (ω(Γ)) ⊂ ω(Γ) y ϕt (α(Γ)) ⊂ α(Γ)

Ejemplo
Sea el sistema dinámico no lineal
ẋ1 = x2 + x1 (1 − x21 − x22 ) (2.21)

ẋ2 = −x1 + x2 (1 − x21 − x22 )
en coordenadas polares se tiene

ρ̇ = ρ(1 − ρ2 )
θ̇ = 1
Del retrato de estados se muestra en la figura 2.9

2 2
x1 ’ = x2 + x1 (1 − x1 − x2 )
2 2
x2 ’ = − x1 + x2 (1 − x1 − x2 )
1.5
Γ0
0.5
x2
−0.5
−1
−1.5
−2
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2

x1
Figura 2.8: Retrato de estados del sistema 2.21
El cı́rculo de radio unidad Γ0 se denomina ciclo (u órbita periódica) estable.

Además de los puntos de equilibrio y de los ciclos lı́mites existen otros conjuntos
lı́mites.
Ejemplo:
Sea el sistema dinámico no lineal
ẋ1 = x2 (2.22)
ẋ2 = x1 + x21
Es fácil ver que este sistema dinámico posee dos puntos de equilibrio
x1 = x2 = 0
x1 = −1, x2 = 0
El jacobiano de este sistema dinámico

0 1
J=
1 + 2x1 0
En el primero de los equilibrios el jacobiano toma la forma

0 1
J1 =
1 0
por lo que se trata de una ensilladura.
En el segundo equilibrio el jacobiano es

0 1
J2 =
−1 0
por lo que se trata de un centro.
En la figura siguiente se muestra el retrato de estados de este sistema dinámico.

En este retrato de estado convienen observa la curva Γ que es un conjunto lı́mite
denominado órbita homoclı́nica, ya que une un punto a sı́ mismo.
Considérese ahora el sistema dinámico que describe el comportamiento de un péndu-

lo no amortiguado:
ẋ1 = x2
ẋ2 = − sin x1
Los equilibrios de este sistema dinámico vienen dado por
x1 = x2 = 0
x1 = ±kπ, x2 = 0
y la matriz jacobiana por
0 1
J=
− cos x1 0
En el origen esta matriz toma la forma

0 1
J1 =
−1 0
por lo que el origen es un centro.
Por otra parte en los otros equilibrios la matriz jacobiana toma la forma

0 1
J2 =
1 0
de donde se desprende que se trata de ensilladuras.
El retrato de estados se tiene en la figura siguiente:

x1 ’ = x2
2
x2 ’ = x1 + x1
1.5
Γ0
0.5
x2
−0.5
−1
−1.5
−2
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2

x1
Figura 2.9: Retrato de estados del sistema 2.22
En esta figura conviene observar la curvas Γ1 y Γ2 que representan conjuntos lı́mites

y que se denominan órbitas heteroclı́nicas, puesto que unen puntos diferentes. Los
caminos cerrados formados por órbitas heteroclı́nicas se denominan ciclos homoclı́nicos.
Atractores
Se dice que K es un atractor si existe un entorno N de K tal que K ⊂ N ⊂ X
lı́m dist(x(t), K) = 0
t→∞
para todo x ∈ N
El mayor de los N se denomina cuenca de atracción de K.
Un equilibrio p es asintóticamente estable si p es un atractor.
Lo mismo se dice para un ciclo lı́mite.
Un subconjunto cerrado A ⊂ U se denomina conjunto atractor de (2.20) si existe

un entorno E de A tal que
∀x ∈ E, ϕt (x) ∈ E, ∀t ≥ 0
y
∀t ≥ 0, d(ϕt (x), A) → 0, cuando t → ∞
Un atractor de (2.20) es un conjunto atractor que contenga una órbita tensa.
Conviene observar que todos los puntos ω-lı́mite 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 “mejorçaso y el más estudiado es aquel en el que un punto p ∈ X es un

atractor:
lı́m x(t) = p
t→∞
Ejemplos:
• Péndulo con fricción.
• Sistemas mecánicos disipativos con un grado de libertad.
• La mayor parte de las reacciones quı́micas.
• Los sistemas eléctricos lineales con elementos resistivos.
En un orden creciente de complejidad se encuentran los sistemas para los que el
conjunto lı́mite está formado por equilibrios y ciclos lı́mite.
ω(x) = equilibrios y/o ciclos lı́mites
Ejemplos:
• Osciladores de Van der Pol.
• Circuitos eléctricos no lineales.
2.6.3. Estudio de órbitas periódicas
En este apartado se presentan resultados sobre el análisis de órbitas periódicas

en sistemas planos cuando están lejos de su nacimiento.
Teorema 2.3. Supóngase que ẋ = f(x) es un sistema de dimensión dos con un número
finito de equilibrios. Si la órbita positiva γ + (x0 ) de x0 está acotada, entonces es cierta
alguna de las siguientes afirmaciones:
El conjunto ω-lı́mite, ω(x0 ), es un solo punto xe (es un punto de equilibrio), y

ϕ(t, x0 ) → xe cuando t → +∞.
ω(x0 ) es una órbita periódica Γ y ó γ + (x0 ) = ω(x0 ) = Γ ó γ + (x0 ) es una espiral

creciente en el tiempo hacia Γ en un lado de Γ.
ω(x0 ) son puntos de equilibrio y órbitas cuyos conjuntos α- y ω-lı́mite son puntos
de equilibrio.
Estas tres propiedades son válidas para el conjunto α-lı́mite si γ − (x 0 ) está acotada.
Teorema 2.4 (de la curva de Jordan). Una curva cerrada en R2 que no se corta a
sı́ misma, separa a R2 en dos partes conexas, una limitada en el interior de la curva y
otra no limitada en el exterior.
Una órbita periódica Γ se llama ciclo lı́mite si hay dos puntos en R2 , uno en el
interior de Γ y otro en el exterior, tales que, los conjuntos α- y ω-lı́mite de las órbitas
que pasan por dichos puntos son la órbita periódica Γ.
Teorema 2.5 (de Poincaré-Bendixson). Si ω(x0 ) es un conjunto acotado que no con-

tiene puntos de equilibrio, entonces ω(x0 ) es una órbita periódica.
Para poder utilizar el teorema de Poincaré-Bendixson a fin de demostrar la exis-

tencia de una órbita periódica no trivial, se construye un conjunto acotado D en R2
que no contiene puntos de equilibrio, y tal que, cualquier solución que empiece en D,
termine en D para todo t ≥ 0, es decir: D es un conjunto invariante positivo abierto y
limitado.
Sea D un subconjunto abierto conexo de R2 . Si div f = ∂x

∂f1
1
∂f2
+ ∂x 2
es de signo constante
y distinta de cero en D, entonces ẋ = f(x) no tiene órbitas periódicas ni homoclinas
que estén por completo en la región D.
Teorema 2.6 (Criterio de Dulac). Sea D ⊂ R2 un subconjunto abierto simplemente

conexo y B(x1 , x2 ) una función C 1 de valores reales en D. Si la función div Bf =
∂Bf1
∂x1
+ ∂Bf
∂x2
2
es de signo constante y no idéntica a cero en D., entonces ẋ = f(x) no
tiene órbitas periódicas ni homoclinas que estén por completo en la región D. A la
función B se la llama función de Dulac.
Sea Γ una órbita periódica que encierra a un espacio abierto U en el que está definido
el campo vectorial. Entonces U contiene un punto de equilibrio.
Estabilidad de las órbitas periódicas
En este apartado se muestra cómo realizar el estudio del comportamiento de

las órbitas cercanas a una órbita periódica, para determinar su estabilidad, usando la
aplicación de Poincaré.
Sea ϕ(t, p) una solución periódica con mı́nimo periodo, T , de la ecuación diferencial
ẋ = f(x), representándose la órbita periódica correspondiente por Γ. Se elige un vector
v ∈ R2 tal que, v y el vector tangente f(p) de Γ en p sean linealmente independientes.
Sea Lε el segmento definido por:
Lε = {x ∈ R2 : x = p + av, 0 ≤ |a| ≤ ε},
al que se le denomina sección transversal de la órbita periódica Γ en el punto p.
A continuación se define una aplicación en un subconjunto de Lε inducida por el

flujo. Se elige un ε tan pequeño que Lε intersecta a la curva Γ en un solo punto p, y
que todas la órbitas que crucen Lε lo hacen en la misma dirección (figura 2.10).
Como ϕ(T, p) = p y sus soluciones dependen de forma continua del valor inicial,
hay un δ > 0 tal que, si x0 ∈ Lδ , entonces hay un primer instante T (x0 ) en el que
ϕ(T (x0 ), x0 ) ∈ Lε .
La aplicación de Poincaré, Π, cerca de una órbita periódica Γ se define como:
Π : Lδ → Lε ; x0 → ϕ(T (x0 ), x0 ).
Los puntos de la sección transversal Lε tienen un orden natural: dos puntos x0 =

p + a0 v y x1 = p + a1 v cumplen que x0 ≥ x1 si y solo si, a0 ≥ a1 . Según esto
una aplicación de Poincaré Π se dice que es monótona si x0 ≥ x1 en Lε , implica que
Π(x0 ) ≥ Π(x1 ) (figura 2.11).
Lε
Π(x0 )
x0
Figura 2.10: Sección transversal Lε a la órbita periódica Γ y la aplicación de Poincaré.
x0
x1
Π(x0 )
Π(x1 )
Figura 2.11: Monotonı́a de la aplicación de Poincaré.

La aplicación de Poincaré tiene las siguientes propiedades:
La aplicación de Poincaré Π cerca de la órbita periódica Γ es una aplicación

monótona C 1 .
La órbita γ + (x0 ) de un punto x0 ∈ Lδ es una órbita periódica si y sólo si, es un

punto fijo de la aplicación de Poincaré, es decir, Π(x0 ) = x0 .
La órbita periódica Γ, con p ∈ Γ, es orbital asintóticamente estable si Π (p) < 1,

e inestable si Π (p) > 1.
La órbita periódica Γ a través del punto p se dice que es hiperbólica si p es un

punto fijo de la aplicación de Poincaré Π; es decir, si Π (p) = 1.
A Π (p), que en el caso n-dimensional se corresponde con los autovalores de la

aproximación lineal de Π en p, Dx Π(p), se les llama multiplicadores caracterı́sticos de
Γ.
Ası́ pues, en el caso n-dimensional, la órbita periódica Γ es asintóticamente estable

(u orbital asintóticamente estable) si todos sus multiplicadores tienen módulo menor
que uno. Si hay algún multiplicador con módulo mayor que uno Γ es inestable.
Sea ϕ(t, p) una solución periódica de periodo T de la ecuación diferencial plana

ẋ = f(x) a través de p. Entonces:
T
∂f1 ∂f2
Π (p) = exp + (ϕ(t, p)) dt .
0 ∂x1 ∂x2
2.6.4. Atractores extraños
El peor de los casos es aquel en el que aparecen atractores “extraños”.
Ejemplo de la aplicación logı́stica
fp : [0, 1] → [0, 1] = X
fp (x) = px(1 − x) 0 ≤ p ≤ 4
que puede representarse mediante la figura 12.

Esta aplicación genera una secuencia tal que
x(t) = fp (...(fp (x0 ))
que puede interpretarse como se hace en la figura 13.
Se presentan los tres tipos de casos siguientes.
• Para valores pequeños de p : ω(x) = 0 o 1;

• Para valores medios de p : ω(x) = ciclo lı́mite;
• Para p ≈ 4 :: ω(x) se tiene un comportamiento a largo plazo caracterizado
por la ausencia de pautas. Se trata de un comportamiento oscilatorio no
periódico.
x
y
Figura 2.12: Ejemplo de atractor extraño (atractor de Lorenz).

Capı́tulo 3
Análisis cualitativo y bifurcaciones

en sistemas dinámicos
3.1. Análisis cualitativo de sistemas no lineales
La teorı́a cualitativa de sistemas no lineales aporta una perspectiva global de los

modos de comportamiento de un sistema.
Cuando los parámetros de un sistema cambian el retrato de estado puede cambiar
o no geométricamente de forma significativa.
Si no se produce un cambio significativo entonces el sistema es estructuralmente
estable.
Cambios significativos en el retrato de estados se llaman bifurcaciones.
El concepto de estabilidad estructural es importante para el análisis de incer-
tidumbres y robustez.
3.2. Análisis cualitativo de sistemas dinámicos de

dimensión 1
Con el fin de precisar las anteriores ideas, vamos a concretarlas aplicándolas al caso

de sistemas dinámicos de dimensión 1. Sea el conjunto de todos los sistemas dinámicos
47
48CAPÍTULO 3. ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS
f(x)
Figura 3.1: Representación de f (x) asociada a un sistema dinámico y retrato de estados

correspondiente.
definidos en IR. Recordemos que un sistema dinámico está definido por un espacio de
estados X y un campo vectorial f definido sobre X. Sea ẋ = f (x) un sistema dinámico
tal que x ∈ (a, b) ⊂ IR. Supóngase que f (x) tiene la forma que se indica en la figura
3.1a y cuyo retrato de estados será el de la figura 3.1b.
Conviene observar que la clase de todos los sistemas dinámicos en IR puede conce-
birse como la clase de todas las curvas f . Los puntos de equilibrio son los puntos de
intersección de cada curva f con la recta X.
A cada estado inicial x(0) corresponde una única trayectoria x(t). Una trayectoria
se compone de una parte transitoria y de una permanente llamada atractor (conjunto
lı́mite). 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 atracción. Las cuencas de atracción están separadas por separatrices.
Debido a las no-linealidades un sistema dinámico puede tener múltiples atractores

(algunos de los puntos en que f corta a X; los otros serán las separatrices). El espacio
de estados se descompone en las cuencas de atracción de sus distintos atractores. La
representación gráfica del mapa de todas las cuencas de atracción 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 λ(p) que es la pendiente de f

en p. En un entorno a p el sistema dinámico se linealiza mediante el sistema dinámico
3.2. ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS DE DIMENSIÓN 149
lineal ẋ = λx
Genéricamente el corte de f con X será transversal. Cualquier pequeña deforma-

ción de este sistema dinámico deja inalteradas las propiedades cualitativas básicas del
sistema en el retrato de estados se dice entonces que es estructuralmente estable. Un
equilibrio p es estructuralmente estable si λ(p) = 0.
Supongamos ahora que se aplica una transformación a x definida por una función
t monótona creciente, x̄ = t(x) tal que conserva las relaciones de orden y topológicas:
x1 > x2 ⇒ x̄1 > x̄2 ; y |x1 − x2 | < ⇒ |x̄1 − x̄2 | < δ
siendo y δ suficientemente pequeños.
El nuevo sistema dinámico es

dt
x̄˙ = t (x)ẋ t (x) =
dx
= t (t−1 (x̄))f (t−1 (x̄))
= f¯(x̄)
Puesto que t (x) > 0, ∀x ∈ (a, b), es claro que los equilibrios de f¯ serán los mismos
en número y naturaleza que los de f . Además, el autovalor de ẋ = f (x) es el mismo
que el de x̄˙ = f¯(x̄). La transformación t puede interpretarse como una deformación
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
transformación de x a x̄ es que determinadas propiedades cualitativas de un sistema
dinámico permanecen inalteradas. Estas propiedades son el número de equilibrios y la
naturaleza estable o inestable de cada uno de ellos. Además, los valores del autovalor
en cada equilibrio también permanecen inalterados. Es decir, el retrato de estados es
el mismo antes y después de aplicar la transformación t. Por tanto, las propiedades
cualitativas de (X, f ) asociadas al retrato de estados son las mismas que las de (X̄, f¯).
Los resultados anteriores admiten formas de generalización para cualquier n. En tal

caso sucede que los atractores pueden ser de tres tipos: punto de equilibrio (igual que
sucedı́a en el caso de dimensión 1); ciclos lı́mites (que corresponden a comportamientos
periódicos a largo plazo); y atractores extraños que corresponden a comportamientos
aperiódicos o caos. Para un n arbitrario el análisis que acabamos de ver para sistemas de
dimensión 1 adquiere una notable complejidad adicional. Pero las ideas básicas siguen
siendo las mismas.
Sea el conjunto de todos los sistemas dinámicos definidos en IR.

Un sistema dinámico está definido por el espacio de estados X y un campo
vectorial f definido sobre X.
Podemos asociar a todo sistema dinámico en IR una curva
en el retrato de estados de un sistema dinámico conviene resaltar
• múltiples equilibrios (atractores);

• cada atractor posee una cuenca de atracción.
la clase de todos los sistemas dinámicos en IR puede concebirse como la clase de

todas las curvas f .
Los puntos de equilibrio serán los puntos de intersección de cada curva f con la
recta X.
Recordemos que un sistema dinámico viene dado por:
dx
= f (x), (3.1)
dt
f(x)
Figura 3.2: Representación gráfica de la función f que define un sistema dinámico.
dx
= −x, (3.2)
dt
1111111111 00000000
0000000000 00000 01100 000000
11111111 11111 111111 00000000
11111111 00000000000
11111111111 x
Figura 3.3: Campo vectorial asociado al sistema dx

dt
= −x.
3.2. ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS DE DIMENSIÓN 151
111
000
-1
1110
000 111
000
1 x
Figura 3.4: Campo vectorial asociado al sistema dx

dt
= −(x3 − x).
dx
= −(x3 − x). (3.3)
dt
A cada atractor se asocia, en el espacio de estados, una cuenca de atracción, que

está formada por todos aquellos puntos del espacio de estados tales que la trayectoria
iniciada en ellos converja al atractor que define la cuenca. En el sistema dinámico
(3.3) la cuenca de atracción 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 reflejan en la figura 3.5. El espacio de estados se divide en las cuencas
de atracción de todos los atractores, separadas entre sı́ por separatrices. En el sistema
(3.3) la separatriz es un punto, el origen.
-1
-2
0 1 2 3 4 5
t
Figura 3.5: Comportamientos del sistema dx/dt = −(x3 − x).
La representación gráfica del espacio de estados con los diferentes atractores, y sus
correspondientes cuencas de atracción, recibe la denominación de retrato de estados
o de fases del sistema dinámico. Constituye una partición del espacio de estados en
las cuencas de atracción de los distintos atractores que posee un sistema. Suministra
una visión geométrica y global de los modos de comportamiento del sistema, y es el
instrumento básico para su análisis cualitativo. Con su ayuda disponemos de un mapa
que reúne todos los modos de comportamiento del sistema, organizados mediante sus
cuencas de atracción. No nos suministra un comportamiento particular del sistema sino
una visión sintética de todos. Se comprende su carácter de instrumento básico para el
análisis cualitativo.
3.2.1. Estabilidad estructural
A cada punto de equilibrio p se asocia su autovalor λ(p) que es la pendiente de

f en p
En torno a p el sistema dinámico se linealiza ẋ = λx
Genéricamente el corte de f con X será transversal.
Cualquier pequeña deformación de este sistema dinámico deja inalteradas las

propiedades cualitativas básicas del sistema en el retrato de estados ⇒ es estruc-
turalmente estable.
Un equilibrio p es estructuralmente estable λ(p) = 0.
Equilibrios no estructuralmente estables (con λ(p) = 0).
3.3. Familias de sistemas dinámicos

Familia de sistemas dinámicos dependientes del parámetro p
ẋ = f (x, p)
A esta familia podemos asociar la imagen geométrica de los retratos de estados

de todos los sistemas dinámicos que la forman, parametrizados por el parámetro
p.
Si P = IR, entonces X × P puede considerarse como un fibrado 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.
Representación gráfica de las familias de sistemas dinámicos f1 , f2 y f3 .
Bifurcaciones en sistemas dinámicos
dx
= f (x, p). (3.4)
dt
3.3. FAMILIAS DE SISTEMAS DINÁMICOS 53
familia de sistemas dinámicos
dx
= −(x3 + x − p). (3.5)
dt
La figura 3.6 muestra los retratos de estados para distintos valores del parámetro p. En
esta figura 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 dinámico
correspondiente a ese valor de p (es decir, cada lı́nea vertical se obtiene girando noventa
grados una figura similar a la 3.3, que será el retrato de estado del sistema con el valor
correspondiente de p). Se observa que al variar p varı́a el punto de equilibrio del sistema,
pero la forma del retrato de estados no se altera (solamente se desplaza). La curva de
la figura 3.6, no es sino la representación de x3 + x − p = 0, y se denomina curva de
equilibrios de la familia de sistemas dinámicos (3.5). Conviene observar que esta figura
se obtiene disponiendo figuras como la 3.3, una al lado de otra, verticalmente, cada
una en el lugar que le corresponde según el valor del parámetro p.
x
Figura 3.6: Diagrama de bifurcaciones de la familia de sistemas dinámicos dx

dt
= −(x3 +
x − p).
Consideremos ahora una nueva familia de sistemas dinámicos:

dx
= −(x3 − x − p).
dt
En la figura 3.7 se ha representado su diagrama de bifurcaciones, y el retrato de

estados para los distintos valores del parámetro p. En esta figura se ha adoptado la
convención de representar con trazo continuo los equilibrios estables, y con discontinuo
los inestables. La caracterı́stica notable de esta familia es que para diferentes valores
del parámetro p el comportamiento del sistema dinámico puede diferir de una manera
substancial. Se observa que si p es menor que p1 , o mayor que p2 , el sistema dinámico
posee un único atractor (es de la misma forma del que se tenı́a en la figura 3.3). Sin
embargo, si p está comprendido entre p1 y p2 entonces el sistema dinámico posee dos
atractores y una separatriz (es del mismo tipo del representado en la figura 3.4).
Para los valores p1 y p2 del parámetro p se produce una modificación cualitativa del
x
p
011 0011
2
p p
Figura 3.7: Diagrama de bifurcaciones de la familia de sistemas dinámicos dx

dt
= −(x3 −
x − p).
retrato de estados, ya que el número de atractores pasa de uno a dos, y aparece, en

el segundo caso, un punto separatriz. Los valores p1 y p2 definen los llamados puntos
de bifurcación del sistema dinámico, y constituyen un ejemplo de las bifurcaciones más
elementales que se pueden presentar en un sistema dinámico: las catástrofes de pliegue,
empleando la terminologı́a de la teorı́a de catástrofes, o los puntos lı́mites, en la jerga
de la teorı́a de bifurcaciones. Los puntos de bifurcación, en este caso concreto, tienen
la notable propiedad de que si se varı́a el parámetro p –de modo que cruce uno de
los valores p1 o p2 – se produce la aparición o desaparición de atractores del sistema;
es decir, se ramifican los comportamientos. Por ejemplo, si atravesamos p1 en sentido
creciente del parámetro p aparece (de la nada) un par atractor-repulsor. Lo opuesto
ocurre en p2 . Resulta claro que la estructura topológica del retrato de estados (y por
tanto los modos de comportamiento que presenta el sistema) se modifica al atravesar
un punto de bifurcación.
Es importante observar que el diagrama de bifurcaciones suministra una perspec-

tiva global con relación a todos los modos de comportamiento que pueda presentar
3.4. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSIÓN UNO 55
una familia de sistemas dinámicos (3.4). Al mismo tiempo suministra información con
relación a los valores de los parámetros p, para los que el comportamiento del sistema
será robusto ante variaciones de los valores de estos parámetros. En efecto, para valores
de p alejados de los puntos de bifurcación p1 o p2 el comportamiento cualitativo del
sistema será insensible a variaciones de p. Por el contrario, para valores de p cercanos
a p1 ó a p2 , las variaciones de p pueden hacer que se atraviese el punto de bifurcación
y que se produzca la alteración del retrato de estados del sistema, con la consiguiente
alteración de sus modos de comportamiento. Por tanto el diagrama de bifurcaciones
suministra información respecto a los valores del parámetro p para los que el sistema
muestra una especial sensibilidad con relación a los modos de comportamiento.
3.3.1. Diagramas de bifurcaciones en sistemas no lineales
Los diagramas de bifurcaciones clasifican de manera condensada todos los com-

portamientos posible de un sistema y las transiciones entre ellos (bifurcaciones)
cuando cambian los parámetros del sistema.
Los diagramas de bifurcaciones están compuestos por un número finito de regiones

reparadas por los lı́mites de bifurcación.
3.4. Bifurcaciones elementales en sistemas de di-

mensión uno
En este apartado se presenta el concepto de bifurcación y se ilustra con ejemplos

de las bifurcaciones más usuales y básicas.
La teorı́a de bifurcaciones se centra en el estudio de posibles cambios en la estructura

de las órbitas de una ecuación diferencial ante la variación de una serie de parámetros
del los que ésta depende.
En efecto, sea una ecuación diferencial con un parámetro variable ẋ = f (x, c).
Representando f (x, c) frente a x, se tiene un comportamiento distinto dependiendo del
valor del parámetro.
En el ejemplo de la figura 3.8, correspondiente al sistema ẋ = x2 + c, se representa

f (x) frente a x para distintos valores del parámetro c. Puede observarse cómo, para
valores positivos del parámetro, la ecuación correspondiente para el cálculo de equi-

librios f (x, c) = 0 no tiene solución (no se produce corte entre la curva f (x, c) y el
eje de ordenadas x(c > 0)). Si el parámetro c es cero se tiene una solución 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 representación del campo vectorial en
la figura 3.8.
f (x)
x(c < 0)
x(c = 0)
x(c > 0)
Figura 3.8: Representación de la ecuación ẋ = x2 +c, con su campo vectorial, en función

del parámetro c. Cambios en el parámetro c significan desplazamientos verticales del
eje de ordenadas.
Para obtener la dirección del flujo o su proyección sobre el eje x (campo vectorial),
puede integrarse la ecuación en x y representar su sentido creciente o decreciente.
Para una ecuación diferencial escalar ẋ = f (x), los puntos de equilibrio y el signo de
f (x) entre ellos determinan el número de órbitas y la dirección del flujo de las mismas.
A esto se le llama estructura de órbitas o estructura cualitativa del flujo.
Una ecuación diferencial que depende de un parámetro dado se dice que tiene es-
tructura de órbitas estables para un valor del mismo, si la estructura cualitativa del
flujo no cambia para pequeñas variaciones del parámetro.
El valor de bifurcación es el valor del parámetro para el cual el flujo no presenta

una estructura de órbitas estables. En ese caso se dice que la ecuación está en un punto
de bifurcación.
En el ejemplo de la figura 3.8, el sistema presenta una estructura de órbitas estables

para cualquier valor del parámetro c = 0, siendo c = 0 un punto de bifurcación.
Además del método gráfico de representación de f (x, c) frente a x para distintos

valores del parámetro, existe otro método muy útil para describir las caracterı́sticas
dinámicas en ecuaciones ẋ = f (x, c) que dependen de un parámetro c. Este método
consiste en representar en el plano (c, x) los valores de equilibrio para cada valor de
c, representando, mediante una lı́nea continua los puntos de equilibrio estables, y con
una discontinua los inestables. A esta representación gráfica se le llama diagrama de
bifurcaciones.
En la figura 3.9 se muestra el diagrama de bifurcaciones del sistema de la figura 3.8,

que corresponde a una bifurcación silla-nodo, que se caracteriza por la aparición para
un determinado valor del parámetro de dos puntos de equilibrio, uno estable y el otro
inestable.
xe
Figura 3.9: Diagrama de bifurcaciones de la bifurcación silla-nodo correspondiente a la

figura 3.8.
A continuación se presentan, mediante su diagrama de bifurcación y representación

del flujo, las bifurcaciones más habituales en sistemas dinámicos escalares autónomos.
Además de la bifurcación silla-nodo antes descrita se pueden caracterizar las siguientes
bifurcaciones:
Bifurcación transcrı́tica
Sea la ecuación diferencial dependiente del parámetro c:
ẋ = x2 + cx.
En la figura 3.10 se representa el retrato de fases del sistema para distintos valores
del parámetro c. Puede observarse en la figura cómo, para valores negativos de c,
el sistema presenta un equilibrio asintóticamente estable en xe = 0 y uno estable en
xe = −c. Para c = 0 el sistema pasa a tener un único punto de equilibrio no hiperbólico
en xe = 0. Si c es positivo, entonces el sistema vuelve a tener dos puntos de equilibrio:
uno asintóticamente estable en xe = −c y uno inestable en xe = 0.
f (x, c) f (x, c)
x x
c < 0. c = 0.
f (x, c)
c>0
Figura 3.10: Retrato de estados del sistema ẋ = x2 + cx para distintos valores de c.
Por lo tanto, y de acuerdo con la notación adoptada, el diagrama de bifurcaciones

correspondiente a la bifurcación transcrı́tica es el representado en la figura 3.11.
Histéresis
La bifurcación tipo histéresis puede observarse a partir de un sistema dinámico

que tenga como ecuación:
ẋ = c + x − x3 .
xe
Figura 3.11: Diagrama de bifurcaciones de la bifurcación transcrı́tica.
La variación del parámetro de bifurcación c se corresponde con un desplazamiento

vertical del eje de ordenadas x en la representación de f (x, c) en función de x, como
puede observarse en la figura 3.12.
f (x, c)
−2
√ )
x(c = 3 3
x(c = 0)
2
√
x(c = 3 3
)
Figura 3.12: Retrato de estados del sistema de ecuación ẋ = c + x + x3 para distintos

valores de c.
El flujo del sistema presenta una estructura de órbitas estable que se corresponde
con un equilibrio estable para valores del parámetro c < 3−2 √ . Si se aumenta c, para
3
el valor c = 3−2 √ el sistema tiene un punto de bifurcación, manteniendo el punto de
3
equilibrio estable y apareciendo uno no hiperbólico. Para valores de c en el intervalo
( 3−2
√ , √2
3 3 3
), el sistema vuelve a tener estructura de órbitas estable, con un equilibrio
inestable y dos estables. En c = 3√2 3 se presenta otro punto de bifurcación y para
valores de c superiores vuelve a tener un solo equilibrio estable.
El diagrama de bifurcaciones correspondiente a esta bifurcación puede verse en la

figura 3.13, donde se observa por qué se denomina histéresis, 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 bifurcación tipo histére-

sis.
Este tipo de bifurcaciones también pueden interpretarse como dos bifurcaciones
silla-nodo de equilibrios, una para c = 3√2 3 , y la otra para c = 3−2
√ .
3
Bifurcación tridente
Supóngase el sistema dinámico descrito por la ecuación:

ẋ = dx − x3 . (3.6)
La variación del parámetro d afecta a la pendiente de la función cúbica centrada en

el origen.
De la ecuación (3.6) se obtiene fácilmente que el sistema presenta tres puntos de

equilibrio cuando el parámetro d es positivo, mientras que presenta uno sólo cuando es
negativo. En el punto d = 0 los tres equilibrios se unen en uno, siendo éste un punto
de bifurcación.
En la figura 3.14 puede verse cómo, para valores de d < 0, el sistema tiene un
equilibrio asintóticamente estable en el origen. Al ir aumentando d, la pendiente de
la cúbica se va haciendo cada vez más pequeña hasta que en d = 0 se hace nula,
transformándose el equilibrio en uno no hiperbólico. Para valores de d > 0 el sistema
tiene tres equilibrios, uno inestable en el origen y los otros dos asintóticamente estables.
f (x, c)
f (x, c)
x x
d = 0.
d < 0.
f (x, c)
d>0
Figura 3.14: Retrato de estados del sistema ẋ = dx − x3 para distintos valores de d.
El diagrama de bifurcaciones correspondiente a la bifurcación tridente supercrı́tica

es el que se muestra en la figura 3.15.
En este punto es necesario definir el concepto de bifurcación supercrı́tica y sub-

crı́tica que será aplicable al resto de las bifurcaciones que se caracterizan en el presente
documento.
Se dice que un sistema dinámico presenta una bifurcación supercrı́tica cuando, en

el caso de que exista un equilibrio aislado, los equilibrios adicionales que aparecen en el
punto de bifurcación existen para valores en los que el equilibrio original es inestable.
xe
Figura 3.15: Diagrama de bifurcaciones correspondiente a una bifurcación tridente su-

percrı́tica.
Por el contrario, se dice que es subcrı́tica si dichos equilibrios aparecen para valores
del parámetro de bifurcación en que el equilibrio original es estable.
Un ejemplo de bifurcación tridente subcrı́tica se obtiene de la variación del parámetro

d en el sistema descrito por la ecuación ẋ = dx + x3 , cuyo diagrama de bifurcaciones
puede verse en la figura 3.16.
xe
Figura 3.16: Diagrama de bifurcaciones correspondiente a una bifurcación tridente sub-

crı́tica.
Pliegue o cúspide
Esta bifurcación se corresponde con una combinación de las bifurcaciones hasta

ahora caracterizadas. Supóngase la ecuación diferencial cúbica:
ẋ = c + dx − x3 ≡ f (x, c, d), (3.7)
que depende de dos parámetros reales: c y d. Obsérvese que, si c = 0, la bifurcación

que se produce al variar d es una bifurcación tridente; mientras que, si d = 0, se está en
el caso de una bifurcación tipo histéresis dependiente de c.
Este sistema presenta una bifurcación de codimensión dos, puesto la existencia de

la misma depende de dos parámetros.
Para realizar el estudio de este sistema en primer lugar hay que hallar los puntos
de bifurcación. En dichos puntos el sistema ha de tener puntos de equilibrio múltiples,
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 resolviéndolas, eliminando la variable

x, se obtiene que el sistema tiene un punto de equilibrio múltiple si se cumple la
ecuación de una cúspide:
4d3 = 27c2
En la figura 3.17 se representa la ecuación de la cúspide en el plano (c, d), que

delimita las distintas regiones donde la estructura cualitativa del flujo es diferente.
En dicha figura se muestra también, de forma esquemática, dicho comportamiento
cualitativo, representando la función f (x, c, d) en función de la variable x, indicando en
cada caso el número de equilibrios y su estabilidad definida por la dirección del campo
vectorial.
El diagrama de bifurcaciones correspondiente al sistema es el de la figura 3.18, que

como puede verse, es una superficie tridimensional en el espacio (c, d, x) con forma de
pliegue,; de ahı́ su nombre. La figura inferior de la figura 3.18 se corresponde con la
proyección de dicha superficie sobre el plano (c, d).
x
4d3 = 27c2
Figura 3.17: Representación de la cúspide del sistema 3.7 en el plano (c, d), ası́ como
los diferentes retratos de fases del sistema.
Figura 3.18: Diagrama de bifurcaciones de la bifurcación pliegue o cúspide en el espacio

(c, d, x) y su proyección sobre el plano (c, d).
3.4.1. Bifurcaciones elementales en sistemas dinámicos de di-

mensión dos
En este apartado se presentan, de forma resumida, las bifurcaciones elemen-

tales en sistemas de dimensión dos, algunas de las cuales son una extensión de las ya
comentadas en los sistemas de dimensión uno.
Bifurcación silla-nodo
Supóngase el sistema descrito por:
ẋ1 = λ + x21
ẋ2 = −x2 .
Integrando la segunda ecuación se obtiene que todas las órbitas del sistema tienden al
eje de ordenadas y que la dinámica está gobernada por la primera ecuación, que es la
misma que la del caso escalar.
Ası́ pues, como se ve en la figura 3.19, para λ < 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 órbitas cerca del equilibrio tales que los conjuntos ω-lı́mite de dichas órbitas
son el punto de equilibrio y hay otras dos órbitas cuyo conjunto α-lı́mite es también
el equilibrio. El equilibrio estable es un nodo porque el conjunto ω-lı́mite de todas las
órbitas cerca del equilibrio es el mismo equilibrio.
Cuando λ = 0 ambos equilibrios se unen y desaparecen para λ > 0.
El diagrama de bifurcaciones correspondiente a la bifurcación silla-nodo es el mismo

que en el caso monodimensional y se corresponde con el de la figura 3.9.
2 2 2
1.5 1.5 1.5
1 1 1
0.5 0.5 0.5

x2
x2
x2
0 0 0
−0.5 −0.5 −0.5
−1 −1 −1
−1.5 −1.5 −1.5
−2 −2 −2
−2 −1.5 −1 −0.5 0
x1 0.5 1 1.5 2 −2 −1.5 −1 −0.5 0
x1 0.5 1 1.5 2 −2 −1.5 −1 −0.5 0
x1 0.5 1 1.5 2
λ < 0. λ = 0. λ>0
Figura 3.19: Diagrama de fases de la bifurcación silla-nodo en función del parámetro
λ.
Bifurcación tridente
Considérese el sistema descrito por:
ẋ1 = −λx1 − x31

ẋ2 = −x2 . (3.8)
Al igual que en el caso de la bifurcación silla-nodo la dinámica del sistema está con-
trolada por la primera ecuación. En la figura 3.20 se representa el diagrama de fases
del sistema para distintos valores de λ.
2 2 2
1.5 1.5 1.5
1 1 1
0.5 0.5 0.5

x2
x2
x2
0 0 0
−0.5 −0.5 −0.5
−1 −1 −1
−1.5 −1.5 −1.5
−2 −2 −2
−2 −1.5 −1 −0.5 0
x1 0.5 1 1.5 2 −2 −1.5 −1 −0.5 0
x1 0.5 1 1.5 2 −2 −1.5 −1 −0.5 0
x1 0.5 1 1.5 2
λ < 0. λ = 0. λ>0
Figura 3.20: Diagrama de fases de la bifurcación tridente en función del parámetro λ.
El comportamiento cualitativo del sistema en función del parámetro λ puede re-

sumirse diciendo que para valores del parámetro λ positivos el sistema presenta sólo un
equilibrio estable en el origen, al cambiar de signo λ aparecen dos nuevos equilibrios
estables inestabilizándose el origen. Ası́ pues el comportamiento del sistema es simi-
lar al del diagrama de bifurcaciones 3.15 correspondiente a una bifurcación tridente
supercrı́tica.
Bifurcación vertical
Considérese la perturbación del oscilador armónico:
ẋ1 = λx1 + x2
ẋ2 = −x1 + λx2 . (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:
ṙ = λ r
θ̇ = −1.
Cuando λ < 0 las soluciones del sistema corresponden a espirales en el sentido de

las agujas del reloj y que confluyen en el origen a medida que aumenta t, por lo que el
origen es un punto de equilibrio estable tipo sumidero. Para λ = 0 todas las soluciones
son periódicas, por lo que el origen es un centro. Si λ > 0 las soluciones vuelven a ser
espirales girando en el sentido de las agujas del reloj que parten del origen y se alejan
de él a medida que aumenta t. Ası́ pues, como puede verse en la figura 3.21, el valor
λ = 0 es un valor de bifurcación.
2 2 2
1.5 1.5 1.5
1 1 1
0.5 0.5 0.5

x2
x2
x2
0 0 0
−0.5 −0.5 −0.5
−1 −1 −1
−1.5 −1.5 −1.5
−2 −2 −2
−2 −1.5 −1 −0.5 0
x1 0.5 1 1.5 2 −2 −1.5 −1 −0.5 0
x1 0.5 1 1.5 2 −2 −1.5 −1 −0.5 0
x1 0.5 1 1.5 2
λ < 0. λ = 0. λ>0
Figura 3.21: Diagrama de fases de la bifurcación vertical en función del parámetro λ.
Bifurcación de Poincaré-Andronov-Hopf
Es conocida habitualmente como bifurcación de Hopf y es una de las más

habituales en sistemas no lineales. Puede estudiarse a través del sistema descrito por:
ẋ1 = x2 + x1 (λ − x21 − x22 )

ẋ2 = −x1 + x2 (λ − x21 − x22 ).
Transformando de nuevo a coordenadas polares el sistema queda:
ṙ = r(λ − r 2 )
θ̇ = −1.
Cuando λ ≤ 0 las soluciones son una espiral en el sentido de las agujas del reloj
que confluyen en el origen a medida que aumenta t. Para √ λ > 0 el origen se vuelve
inestable y aparece una órbita periódica de radio r = λ de manera que todas las
órbitas evolucionan hasta ella cuando t aumenta. Ası́ pues, el conjunto ω-lı́mite ω(x0 )
de cualquier órbita es una órbita periódica si x0 = 0.
En la figura 3.22 se representa el diagrama de fases del sistema con los dos compor-
tamientos cualitativos distintos.
2 2
1.5 1.5
1 1
0.5 0.5
x2
x2
0 0
−0.5 −0.5
−1 −1
−1.5 −1.5
−2 −2
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2

x1 −2 −1.5 −1 −0.5 0
x1
0.5 1 1.5 2
λ ≤ 0. λ > 0.
Figura 3.22: Diagrama de fases de la bifurcación de Hopf en función del parámetro λ.
De acuerdo con la definición dada para sistemas escalares, y que es extensible para
sistemas de orden superior, la bifurcación representada en la figura 3.22 es una bifur-
cación de Hopf supercrı́tica, ya que el equilibrio original para λ < 0 se vuelve inestable
al llegar al parámetro de bifurcación. El diagrama de bifurcaciones correspondiente es
el de la figura 3.23, donde, en la figura de la izquierda, se representa la evolución de
la órbita periódica o ciclo lı́mite del sistema en el plano (x1 , x2 ) frente al parámetro
λ. En la de la derecha se representan la amplitud de dicha órbita y los equilibrios del
sistema frente al mismo parámetro. El sı́mbolo • representa la amplitud de la órbita
periódica estable.
x1 r
λ 0 λ
0
x2
Figura 3.23: Diagrama de bifurcaciones de la bifurcación de Hopf supercrı́tica.
Por el contrario, la figura 3.24 corresponde a la bifurcación de Hopf subcrı́tica,

donde, para valores de λ > 0, el sistema tiene un equilibrio inestable; mientras que,
para valores de λ < 0, aparece un ciclo lı́mite inestable, que rodea a un equilibrio
estable. Ası́ pues, en este caso, el sistema evoluciona siguiendo espirales alejándose del
ciclo lı́mite inestable cuando aumenta t, tendiendo hacia el equilibrio en el origen si
x0 está en el interior de la órbita inestable, o hacia el infinito si está en el exterior. Se
representa mediante el sı́mbolo ◦ la amplitud del ciclo lı́mite inestable.
x1 r
0
λ 0 λ
x2
Figura 3.24: Diagrama de bifurcaciones de la bifurcación de Hopf subcrı́tica.
En ambos casos se produce la pérdida de estabilidad del equilibrio para λ = 0,

en el supuesto de que el parámetro crezca. En la bifurcación supercrı́tica el equilibrio
estable se reemplaza por un ciclo lı́mite estable de pequeña amplitud. Por consiguiente,
el sistema permanece en un entorno del equilibrio y se tiene una pérdida de estabilidad
suave o no catastrófica.
En el caso de la bifurcación subcrı́tica la región de atracción del punto de equilibrio

está acotado por un ciclo lı́mite inestable (tiene una cuenca de atracción limitada)
que se comprime cuando el parámetro se acerca al valor crı́tico y que desaparece al
alcanzarlo. Entonces el sistema (las trayectorias) es lanzado fuera del equilibrio, por lo
que se tiene una pérdida de estabilidad dura o catastrófica.
Si la pérdida de la estabilidad del sistema se produce de una manera suave entonces

el sistema es çontrolable”, ya que si se cambia el signo del parámetro el sistema vuelve al
equilibrio anterior. Por el contrario, si el sistema sufre una pérdida de estabilidad dura,
al devolver los valores del parámetro a valores negativos no se producirá un retorno
al equilibrio anterior ya que normalmente el sistema habrá abandonado su cuenca de
atracción. Conviene observar que el tipo de la bifurcación de Andronov-Hopf viene
determinado por la estabilidad del equilibrio para el valor crı́tico del parámetro.
Por último, debe analizarse que sucede si se prescinde de los términos no lineales
en los dos sistemas. En este caso ya no existen ciclos lı́mites ni antes ni después del
valor crı́tico del parámetro. Para el valor crı́tico del parámetro λ = 0 el sistema posee
un centro en el origen. Esta observación vuelve a poner de manifiesto la importancia
de los términos no lineales para la aparición de ciclos lı́mites, a la que ya se aludió an-
teriormente.
3.4.2. Evolución de los autovalores en una bifurcación de Hopf.
ẋ = −(ε + (x2 + y 2))x − yω

ẏ = −(ε + (x2 + y 2))y + xω
dx
= Ax
dt
en donde A es la matriz
−ε −ω
A=
ω −ε
cuyos autovalores son λ = −ε ± jω. La bifurcación de Hopf se produce cuando un
par de autovalores complejos conjugados cruzan el eje imaginario con velocidad
no nula.
3.4.3. Bifurcaciones de órbitas periódicas
En este apartado se describen dos de las bifurcaciones más habituales rela-

cionadas con órbitas periódicas, además de la de Hopf ya estudiada con anterioridad.
Bifurcación silla-nodo de órbitas periódicas
Sea el sistema plano:
ẋ1 = −x1 sen λ − x2 cos λ + (1 − x21 − x22 )2 (x1 cos λ − x2 sen λ)

ẋ2 = x1 cos λ − x2 sen λ + (1 − x21 − x22 )2 (x1 sen λ + x2 cos λ),
que depende de un parámetro real λ.
Si se realiza la transformación a coordenadas polares realizando el cambio de vari-

ables x1 = r cos θ y x2 = r sen θ, el sistema queda:
ṙ = r((1 − r 2 )2 cos λ − sen λ)

θ̇ = (1 − r 2 )2 sen λ + cos λ. (3.10)
Como la primera ecuación del sistema (3.10) es independiente de θ, y además el sis-

tema experimenta una bifurcación silla-nodo en la dirección radial cuando el parámetro
λ pasa por cero.
Si λ > 0, y es suficientemente
√ pequeño, el sistema tiene dos órbitas periódicas: una
2 2
inestable x1 + x2 = 1 +
√ tan λ que es una circunferencia de radio mayor que uno y una
2 2
estable x1 + x2 = 1 − tan λ que es también una circunferencia pero con radio inferior
a uno (figura 3.26c).
En el caso en que λ = 0, tiene una órbita periódica simple no hiperbólica inestable

en x21 + x22 = 1 (figura 3.26b).
Si λ < 0, el sistema no tiene órbitas estables ya que ṙ > 0 y todas las soluciones,
excepto el origen, van al infinito cuando t → +∞ (figura 3.26a).
Este es el comportamiento cualitativo correspondiente a una bifurcación silla-nodo

de órbitas periódicas (en el punto de bifurcación, λ = 0, aparecen dos ciclos lı́mite, uno
estable y otro inestable). Sin embargo, en este sistema se producen dos bifurcaciones
además de la ya citada [Sal95].
Una vez se ha producido la bifurcación silla-nodo de órbitas periódicas, al aumentar

el valor de λ, la amplitud del ciclo lı́mite inestable va aumentando, hasta que en el
punto λ = π4 se produce una bifurcación de Hopf subcrı́tica en el infinito [Glo89],
[LP97], [LP98], desapareciendo dicho ciclo lı́mite y cambiando el tipo de estabilidad
del infinito (a efectos prácticos en el análisis de bifurcaciones el infinito puede ser
tomado como un punto).
Por otra parte, al aumentar el valor de λ, la amplitud del ciclo lı́mite estable dis-
minuye, hasta que se produce una bifurcación de Hopf supercrı́tica en el origen para el
valor λ = π2 .
En la figura 3.26 se muestra el comportamiento del sistema para distintos valores

de λ y en la figura 3.25 se representa el correspondiente diagrama de bifurcaciones.
Bifurcación homoclina
Sea el sistema plano:
ẋ1 = 2x2
ẋ2 = 2x1 − 3x22 − x2 (x31 − x21 + x22 − c)
donde c es un parámetro escalar.
A fin de detectar la bifurcación homoclina se analiza el sistema para pequeñas

variaciones de c cercanas a cero.
H∞
x
SNOP
H0
π π
4 2
λ
Figura 3.25: Diagrama de bifurcaciones correspondiente a la bifurcación silla-

nodo de órbitas periódicas (SNOP≡ Bifurcación silla-nodo de órbitas periódicas;
H∞ ≡Bifurcación de Hopf en el infinito; H0 ≡ Bifurcación 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 función
V (x1 , x2 ) = x31 − x21 + x22 y se analiza su derivada a lo largo de las soluciones del
sistema, para obtener:
V̇ (x1 , x2 ) = −2x22 (x31 − x21 + x22 − c).
Para −4/27 < c < 0, usando el principio de invarianza, se aprecia que existe una
órbita periódica asintóticamente estable en la curva x31 − x21 + x22 − c = 0, con x1 > 0
(que proviene de una bifurcación de Hopf en el punto (2/3, 0) para c = −4/27) (figura
3.27a).
Cuando c → 0 la órbita periódica se aproxima a la curva homoclina que pasa por

el origen (figura 3.27b). Para c > 0, la curva homoclina se rompe y no hay órbitas
periódicas (figura 3.27c).
3.4.4. Bifurcaciones de codimensión 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 variación de un sólo parámetro (y cualquier sistema que presenta dichas bifurcaciones
es local topológicamente equivalente a los que se han usado para describirlas). Por ello
se dice que estas bifurcaciones son de codimensión uno, entendiendo el concepto de
2 2
1.5 1.5
1 1
0.5 0.5
x2
x2
0 0
−0.5 −0.5
−1 −1
−1.5 −1.5
−2 −2
−2 −1.5 −1 −0.5
x1 0 0.5 1 1.5 2 −2 −1.5 −1
x1
−0.5 0 0.5 1 1.5 2
(a) λ < 0. (b) λ = 0.
2 2
1.5 1.5
1 1
0.5 0.5
x2
x2
0 0
−0.5 −0.5
−1 −1
−1.5 −1.5
−2 −2
−2 −1.5 −1
x1
−0.5 0 0.5 1 1.5 2 −2 −1.5 −1 −0.5
x1
0 0.5 1 1.5 2
(c) 0 < λ < π4 . (d) π

4
< λ < π2 .
2.5
1.5
0.5
x2
−0.5
−1
−1.5
−2
−2.5
−2.5 −2 −1.5 −1
x1
−0.5 0 0.5 1 1.5 2 2.5
π
(e) λ > 2
Figura 3.26: Diagrama de fases de la bifurcación silla-nodo de órbitas periódicas en

función del parámetro λ.
x’=2y c = − 0.05 x’=2y c=0
2 3 2 2 2 3 2 2
y ’ = 2 x − 3 x − y (x − x + y − c) y ’ = 2 x − 3 x − y (x − x + y − c)
2 2
1.5 1.5
1 1
0.5 0.5
x2
x2
0 0
−0.5 −0.5
−1 −1
−1.5 −1.5
−2 −2
−2 −1.5 −1 −0.5
x1
0 0.5 1 1.5 2 −2 −1.5 −1 −0.5
x1
0 0.5 1 1.5 2
(a). (b).
x’=2y c = 0.1
2 3 2 2
y ’ = 2 x − 3 x − y (x − x + y − c)
1.5
0.5
x2
−0.5
−1
−1.5
−2
−2 −1.5 −1 −0.5
x1
0 0.5 1 1.5 2
(c).
Figura 3.27: Diagrama de fases de la bifurcación homoclina en función del parámetro
c.
codimensión de una bifurcación como el número mı́nimo de parámetros en una familia

de sistemas necesarios para reproducir la bifurcación.
En este apartado se presenta una de las bifurcaciones de codimensión dos más

usuales en el estudio de sistemas dinámicos.
Bifurcación de Takens-Bogdanov
Supóngase un campo vectorial plano que depende de dos parámetros, tal que,
tiene un punto de equilibrio para determinados valores de los parámetros, que se supone
que es no hiperbólico con dos autovalores cero pero con un autovector.
Si hay algún campo vectorial que cumpla las condiciones anteriores, entonces es local
λ2
SNa
111111111
000000000
000000000
111111111
000000000
111111111000000
111111
000000000
111111111000000
111111
000000000
111111111000000
111111
000000
111111
000000000
111111111000000
111111
000000000
111111111
000000000
111111111000000
111111
000000000
111111111000000
111111
000000000
111111111
2 000000
111111
3
000000
111111
000000000
111111111000000
111111
000000000
111111111
000000000
111111111000
111
000000
111111
000000000
111111111000
111
000000
111111
000
111
000000000
111111111000000
111111
000
111 λ1
000000000
111111111000000
111111
000
111
000000000
111111111000000
111111
000
111
000000
111111
000000000
111111111
000000000
111111111000
111
000000
111111
000000000
111111111000
111
000000
111111
000
111
000000000
111111111000000
111111
000
111
1 111111
000000000
111111111000000
000
111
000000
111111
4
000000000
111111111000
111
000
111
CH SNb
H
Figura 3.28: Conjunto de bifurcaciones correspondiente a la bifurcación Takens-

Bogdanov (SN ≡Bifurcación silla-nodo de equilibrios; H ≡Bifurcación de Hopf;
CH ≡Conexión homoclina).
topológicamente equivalente a uno de los dos sistemas que dependen de dos parámetros:
ẋ1 = x2
ẋ2 = λ1 + λ2 x1 + x21 ± x1 x2 . (3.11)
Ası́ pues, hay un cambio de variables (con jacobiano distinto de cero) y un home-
omorfismo (que depende de los parámetros de forma continua) en un entorno suficien-
temente pequeño del origen que transforma las órbitas de cualquier sistema plano con
las propiedades descritas anteriormente a las órbitas del sistema (3.11) en un entorno
del origen, preservando la dirección en el tiempo.
El conjunto de bifurcaciones del sistema (3.11) es el que se muestra en la figura 3.28.

En esta figura también se muestra de forma esquemática el comportamiento cualitativo
del sistema en las distintas zonas delimitadas por las lı́neas de bifurcación.
Si se parte de la zona 3 del diagrama de bifurcaciones, al atravesar la curva SNa , se

produce una bifurcación silla-nodo de equilibrios en la que surgen dos equilibrios: uno
estable y otro inestable tipo silla, quedando el sistema en la zona 2.
Si, por el contrario, se atraviesa la curva SNb , correspondiente a otra bifurcación

silla-nodo de equilibrios, el sistema queda con dos equilibrios inestables: uno tipo foco
y otro tipo silla, en la zona 4.
A continuación, si se disminuye el parámetro λ1 con λ2 < 0, al hacerse λ1 = 0, se

produce una bifurcación de Hopf subcrı́tica en el punto de equilibrio inestable tipo foco,
llegándose a la zona 1 en la que el sistema presenta un ciclo lı́mite inestable alrededor
de un equilibrio estable, y una silla en el exterior.
Al disminuir el parámetro λ1 , manteniendo λ2 constante, la amplitud del ciclo lı́mite

aumenta hasta chocar con el punto de silla en una conexión homoclina, desapareciendo
y quedando el sistema con el comportamiento descrito en la zona 2.
3.4.5. Diagrama de bifurcaciones del experimento de Taylor-

Couette.
Volviendo ahora al modelo de crecimiento sigmoidal de una población (2.1), es claro

que x = 0 es un punto de equilibrio del sistema para todos los valores de m y de n,
pero que además se tienen equilibrios adicionales en las soluciones en x a la ecuación

m
g(x) − p = 0, siendo p = .
n
Recordando la forma de g de la figura 2.3, es fácil ver que la anterior ecuación conduce
a dividir el rango de los valores positivos de p en tres regiones con diferente compor-
tamiento cualitativo (figura 3.29). Para p ∈ [0, 1) existe un nuevo equilibrio x+e , además
∗ + −
de x = 0. Para p ∈ (1, p ), además del equilibrio xe se tiene otro xe . Por último, para
p > p∗ no existen equilibrios adicionales al x = 0. Por tanto para p = p∗ se produce la
coalescencia y desaparición de los equilibrios x+ −
e y xe . Es normal tomar el parámetro
p como el parámetro natural para el estudio de bifurcaciones.
Al estudiar las bifurcaciones del modelo de crecimiento logı́stico, o en general de

un modelo de crecimiento por balance entre nacimientos y muertes, se está estudiando
cómo cambia cualitativamente el comportamiento del modelo como consecuencia de las
variaciones en la tasa de natalidad n y de mortalidad m. Estas variaciones se pueden
deber a fenómenos de naturaleza muy variada. Por ejemplo, si se está estudiando el
crecimiento de una población humana las variaciones de m y de n pueden deberse
a cuestiones tales como el progreso en la sanidad pública (en cuyo caso al menos
disminuye m) o a otras cuestiones como puede ser una epidemia o una guerra. Estas
variaciones de m y de n darán lugar a las de p. Mediante el análisis de bifurcaciones
se puede analizar cómo influirán estas variaciones en el comportamiento a largo plazo
del modelo. En cualquier caso conviene observar que el modelo de crecimiento logı́stico
es muy general y se aplica no sólo a crecimiento de poblaciones, sino también 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 económica como
consecuencia de la creación (nacimiento) de empresas y de su desaparición o cierre.
La linealización del sistema dinámico (2.1) es J(x) = ng(x) − m + nxg (x), que en
cada equilibrio se convierte en
J(0) = n − m = n(1 − μ),
J(x+ + +
e ) = nxe g (xe ) < 0,
J(x− − −
e ) = nxe g (xe ) > 0.
Mediante esta linealización se determina la estabilidad de cada uno de los equilibrios.
En la figura 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 función del parámetro p. De acuerdo con este diagrama se tiene dos puntos de
bifurcación. Para p = 1 se tiene una bifurcación transcrı́tica en la que se produce un
cambio de estabilidad entre el equilibrio x = 0 (inestable para p < 1 y estable para
p > 1) y el equilibrio emergente x−e , que es inestable para p > 1. Por otra parte, para
∗
p = p se produce una bifurcación nodo-ensilladura que conduce a la coalescencia de
xe
x+e
1− δ
1− δ
2
x-e
1 μ∗ μ
Figura 3.29: Diagrama de bifurcaciones del modelo logı́stico.
xe xe xe
x+e
x+e
x-e
t t t
μ <1 1 < μ < μ∗ μ∗ < μ
Figura 3.30: Trayectorias del modelo logı́stico: 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 bifurcación mencionados (la bifurcación transcrı́tica y la nodo-ensilladura)
dividen el espacio del parámetro P en las tres regiones de comportamiento cualitativo
diferente, tal como se ha indicado anteriormente.
En la figura 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 tendrá la forma logı́stica, o bien se produce el declive hasta la extinción. Los dos
equilibrios estables x+
e y 0 son responsables, respectivamente, de esta bimodalidad de
comportamientos. El diagrama de bifurcación muestra como estos comportamientos se
organizan en función del parámetro del modelo, que en este caso se reduce al parámetro
p.
Observando el conjunto del diagrama de bifurcación se tiene que el modelo (2.1)

puede mostrar solamente dos modos de comportamiento cualitativamente diferenci-
3.5. CRECIMIENTO LOGÍSTICO CON UN RETRASO EN LA ESTRUCTURA 79
adas:
crecimiento y estabilización; y
declive.
El diagrama de bifurcaciones permite conocer cual de estos dos modos de compor-

tamiento seguirá el sistema, en función del valor que tome el parámetro p y, en el caso
de la región intermedia, de las condiciones iniciales del sistema.
Resulta también conveniente observar cómo el diagrama de bifurcaciones suministra

una perspectiva global con respecto a los modos de comportamiento de un sistema, y
constituye una guı́a para realizar simulaciones y determinar trayectorias concretas.
3.5. Crecimiento logı́stico con un retraso en la es-

tructura
Una forma más realista de modelar el crecimiento de una población aconseja incluir
un retardo en la tasa de crecimiento, de modo que el sistema dinámico correspondiente
sea:

ẋ = x(ng(y) − m),
(3.12)
y = delayτ (x),
en donde delayτ (x) representa y(t) = x(t − τ ); es decir, la señal y(t) es la señal x(t)
retrasada en τ 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,
cabrı́a esperar unas pautas de comportamiento similares a las de la figura 3.30, quizás
con oscilaciones en las trayectorias a los atractores debidas al retraso. Sin embargo,
como vamos a ver, no sucede sólo eso, y en este caso se presentan otros tipos de
comportamiento transitorio, como la catástrofe retrasada, a la que se aludió en la
introducción.
Un retraso puro, aunque aparentemente sencillo de especificar, resulta difı́cil de

tratar matemáticamente, ya que se requiere un sistema de dimensión infinita para
ello. Sin embargo, es posible obtener aproximaciones aceptables mediante sistemas de
dimensión finita. Una aproximación muy empleada en la práctica es la de considerar k
retrasos de primer orden en serie, de modo que el sistema (3.12) se escribe:

⎧
⎪
⎪ ẋ = x(ng(y) − m),
⎪
⎪
⎪
⎪ = ka(x − y1 ),
⎪
⎪ y˙1
⎪
⎪
⎪
⎨ y˙2 = ka(y1 − y2 ),
⎪ ..
⎪
⎪ .
⎪
⎪
⎪
⎪
⎪
⎪ ẏk−1 = ka(yk−2 − yk−1 ),
⎪
⎪
⎩
ẏ = ka(yk−1 − y),
siendo a = 1/τ , y τ el retraso que se pretende introducir.
En la región de comportamiento bimodal existen tres equilibrios

⎡ ⎤ ⎡ ⎤ ⎡ ⎤
0 x+e x −
e
⎢ 0 ⎥ ⎢ x+ ⎥ ⎢ x− ⎥
⎢ ⎥ ⎢ e ⎥ ⎢ e ⎥
⎢ .. ⎥ , ⎢ .. ⎥ , ⎢ .. ⎥ ∈ Rk+1 ,
⎣ . ⎦ ⎣ . ⎦ ⎣ . ⎦
0 x+e x−e
que se denotan por 0, x+ −

e y xe .
Por otra parte se tiene que la matriz de linealización en un punto genérico es

⎡ ⎤
ng(y) − m 0 ··· 0 nxg (y)
⎢ ka −ka ··· 0 0 ⎥
⎢ ⎥
⎢ . . .. .. ⎥
J(x, y1 , · · · , y) = ⎢ .. .. . . ⎥
⎢ ⎥
⎣ 0 0 ··· −ka 0 ⎦
0 0 ··· ka −ka
que en cada uno de los tres equilibrios toma la forma
⎡ ⎤
n−m 0 ··· 0 0
⎢ ka −ka · · · 0 0 ⎥
⎢ ⎥
⎢ . . . .. ⎥
J(0, 0, · · · , 0) = ⎢ .. .. .. . ⎥
⎢ ⎥
⎣ 0 0 · · · −ka 0 ⎦
0 0 · · · ka −ka
⎡ ⎤
0 0 ··· 0 nx± ±
e g (xe )
⎢ ka −ka ··· 0 0 ⎥
⎢ ⎥
⎢ .. .. .. .. ⎥
J(x± , x±
, · · · , x±
) = ⎢ . . . . ⎥.
e e e
⎢ ⎥
⎣ 0 0 · · · −ka 0 ⎦
0 0 · · · ka −ka
xe
x+e
HO
......
..
H
SN
x-e
T μ
Figura 3.31: Diagrama de bifurcaciones del sistema con retardo.
En consecuencia el polinomio caracterı́stico de J(0, 0, · · · , 0) es
(λ − (n − m))(λ + ka)k
y el de J(x± ± ±
e , xe , · · · , xe ) es
λ(λ + ka)k − α(ka)k , (3.13)
siendo
2n ± 1−δ
α= nx± ˜ ±
e f (xe ) = x ±
− xe .
δ e 2
Cuando el parámetro de bifurcación p se mueve en (1, p∗ ) ambos x− +

e y xe pueden
sufrir una bifurcación de Hopf, cuando un par de raı́ces complejas de (3.13) cruzan el
eje imaginario.
Un análisis pormenorizado de las bifurcaciones de este sistema puede verse en

(Aracil y otros, 1997). Este análisis se resume en el diagrama de bifurcaciones de la
figura 3.31, siendo
SN un punto de bifurcación nodo-ensilladura.
T un punto de bifurcación transcrı́tica;
H un punto de bifurcación de Hopf supercrı́tica;
HO un punto de bifurcación homoclina.

0.852662
-0.112023
-0.0870878 0.788589
x
Figura 3.32: Proyección del retrato de estados en el plano (x, ẋ) en el caso de dos
atractores.
En la figura 3.32 se muestra la proyección del retrato de estados en el plano (x, ẋ)
en el caso de dos atractores: uno asociado a x+ e y el otro al origen 0. En este caso se
tiene un comportamiento bimodal análogo 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 cabrı́a esperar del sistema. Con unas condiciones
iniciales adecuadas se produce el crecimiento de la población; mientras que con otras,
normalmente más pequeñas, se producirı́a su extinción. La separatriz entre las dos
cuencas de atracción está asociada a la ensilladura x−
e.
Sin embargo, para un cierto valor del parámetro p el equilibrio x+ e se convierte en

inestable, apareciendo un ciclo lı́mite estable en su entorno. Se produce una bifurcación
de Hopf. En la figura 3.33 se muestra esta situación. Ahora en lugar de dos atractores
puntuales, como sucedı́a en la figura 3.32, se tienen también dos atractores, pero uno
es un ciclo lı́mite.
Disminuyendo el valor del parámetro p se llega a una nueva situación representada

en la figura 3.34. El ciclo lı́mite alcanza las variedades estable e inestable asociadas
con la ensilladura x− e , de modo que aparece una órbita homoclina, tal como se indica
en la figura 3.34. Puesto que esta órbita homoclina es estructuralmente inestable, toda
pequeña perturbación en los parámetros dará lugar a su ruptura. Se produce entonces el
fenómeno de la catástrofe retrasada, tal como se indica en la figura 3.35. Las trayectorias
que tienden hacia la ensilladura a lo largo de su variedad estable se derivan hacia el
0.825812
-0.112962
-0.0977844 1.05
x
Figura 3.33: Bifurcación de Hopf (μ = 2,8, n = 0,1, δ = 0,1 and a = 0,06).
0.943976
-0.133629
-0.0951067 1.29732
x
Figura 3.34: Orbita homoclina de la ensilladura x−

e . (μ = 2,7045, n = 0,1, δ = 0,1 and
a = 0,06.).
0.95 1.4
y x
-0.1 -0.2
-0.2 1.4 -30 690
x t
(a) (b)
Figura 3.35: Catástrofe retrasada: (a) órbita en el espacio de estados (x, y); (b) pauta
de comportamiento. (μ = 2,704, n = 0,1, δ = 0,1 and a = 0,06.)
origen dando lugar a la extinción de la población.
Conviene detenerse en la comparación entre la figura 3.29, en la que se tiene el

diagrama de bifurcación antes de añadir el retraso, y la figura 3.31, con el correspon-
diente diagrama después de añadirlo. Comparándolas se pone de manifiesto 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 in-
estables. Esta inestabilización se produce mediante una bifurcación de Hopf, de modo
que emerge un ciclo lı́mite estable. A partir de esta emergencia se genera la aparición
del fenómeno de la catástrofe retrasada.
Bibliografı́a
[1] Abraham, R. and Shaw, Ch.D., 1992, Dynamics: The Geometry of Behavior, Sec-
ond 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 Mod-
els”. 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, Dinámica de sistemas, Alianza Editorial.
[6] Aracil, J., E. Ponce and L. Pizarro, 1997, “Behavior patterns of logistic models
with delay”, aceptado para publicación en Mathematics and Computers in Simu-
lation.
[7] Guckenheimer, J. and P. Holmes, 1983, Nonlinear Oscillations, Dynamical Systems

and Bifurcations of Vector Fields. New York: Springer-Verlag.
[8] Hale, J.K., Koçak, H., 1991, Dynamics and Bifurcations, Springer-Verlag.
[9] Karsky, M., Dore, J-Ch. and Gueneau, P, “De la possibilité d’apparition de catas-
trophes différés”, 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, Stabilité structurelle et morphogénèse, InterEditions, Paris (ver-
sión española Estabilidad estructural y morfogénesis en Gedisa).
[14] Strogatz, S.H., 1995, Nonlinear Dynamics and Chaos, Addison-Wesley.
85
86 BIBLIOGRAFÍA
O
t
Figura 3.36: Bimodal behavior pattern: attractor A stands for normal growth and O
for decay.
[15] M. Vázquez, 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. Vázquez, M. Liz, J. Aracil, 1996b, “An Epistemological Framework for System
Dynamics Modelling”, Revue Internationale de Systémique, Vol. 9, Num. 5, 461-
489.
[17] E.C. Zeeman, 1977, Catastrophe Theory, Addison-Wesley.

3.6. APÉNDICE 87
δα ( x*e , μ*)
2n
2
x e- x+
e
1- δ
4
1- δ 1- δ 1- δ 1 xe
4 2
2
- (1- δ )
2
- 1+ δ
1< μ < μ* 2
0<μ<1
μ=1 μ=1 μ=0
δ
Figura 3.37: The graph of the function 2n
α(xe ).
La filosofı́a está escrita en ese grandioso libro que está continuamente abier-
to 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 está escrito.
Está escrito en el lenguaje matemático, siendo sus caracteres triángulos,
cı́rculos y figuras geométricas. Sin estos medios es humanamente imposible
comprender una palabra; sin ellos, deambulamos vanamente en un oscuro
laberinto.
Galileo
Il Saggiatore
3.6. Apéndice
En este apéndice se va a generalizar para cualquier n la invariancia de los autovalores

de un sistema dinámico en un punto de equilibrio bajo una transformación diagonal
monótona y creciente. Sea el sistema dinámico
ẋ = g(x) x ∈ X ⊂ IRn (3.14)
Se aplica la transformación
x = T (x̄) (3.15)
siendo T (x̄) = diag[ti (x̄)] una matriz diagonal tal que cada ti es una función monótona
creciente, dti /dx̄i > 0. La transformación T tiene inversa T −1 = diag[1/ti (x̄)]. Al aplicar
88 BIBLIOGRAFÍA
la transformación se tiene
x̄˙ = [Dx̄ (T )]−1 g(T (x̄)) (3.16)
Los equilibrios son los mismos en las dos formalizaciones del sistema dinámico, y están
ligados por la transformación T .
Los autovalores de los dos sistemas dinámicos son los mismos. En efecto, el jacobiano
del transformado es:
∂f
A = Dx̄ ([Dx̄ (T )]−1 )g(T (x̄)) + [Dx̄ (T )]−1 [ ][Dx̄ (T )]
∂x
pero como en el equilibrio g(T (x̄)) = 0, luego
∂f
A = [Dx̄ (T )]−1 [ ][Dx̄ (T )]
∂x
cuyos autovalores son los mismos que los del sistema dinámico original. La estructura
del retrato de estados es la misma. Lo único que las diferencia son las contracciones y
dilataciones según los ejes que tienen lugar de acuerdo con la transformación T .
Capı́tulo 4
Función descriptiva y balance

armónico
4.1. Método del primer armónico
Los métodos clásicos de sistemas realimentados lineales están basados en el empleo

de la función de transferencia, que posee una interpretación en el dominio de la fre-
cuencia de gran interés para el análisis y la concepción de esos sistemas realimentados.
Sin embargo, el concepto de función de transferencia está basado en la propiedad de
linealidad (suma de causas produce suma de efectos) que no poseen, por su propia
naturaleza los sistemas no lineales.
Sin embargo, como vamos a ver en lo que sigue, es posible aplicar una versión
ampliada del método de la respuesta en frecuencia a sistemas no lineales mediante
el método de la función descriptiva. Con este método, como vamos a ver, es posible
adaptar los métodos de diseño de sistemas lineales en el dominio de la frecuencia,
empleando los diagramas de Bode y similares, al caso de los sistemas no lineales, si
bien en este último caso los resultados son exclusivamente aproximados.
4.1.1. Ejemplo introductorio
Los sistemas no lineales pueden presentar oscilaciones de amplitud y periodo fijos

sin excitación exterior. Esas oscilaciones se denominan ciclos lı́mites u oscilaciones
autoexcitadas. Una de la primeras ecuaciones propuestas para estudiar este fenómeno
se debe al ingeniero eléctrico holandés Balthasar Van der Pol. Esta ecuación es la
89
90 CAPÍTULO 4. FUNCIÓN DESCRIPTIVA Y BALANCE ARMÓNICO
siguiente:
ẍ + α(x2 − 1)ẋ + x = 0 (4.1)
vamos a emplear esta ecuación como ejemplo introductorio al método del primer
armónico. Para ello, vamos a suponer que existe un ciclo lı́mite de amplitud y fre-
cuencia no determinadas, y vamos a ver que restricciones impone la ecuación anterior
a esta amplitud y frecuencia.
Elemento no lineal (−ẋx2 ) Elemento Lineal
0 + −x v α x
s2 −αs+1
-
(.)2
Figura 4.1: Diagrama de bloques del oscilador de Van der Pol
Puesto que el análisis de la ecuación de Van der Pol lo estamos haciendo como intro-
ducción al estudio de sistemas realimentados no lineales conviene que representamos la
ecuación (4.1) mediante un diagrama de bloques como el de la figura 4.1. En esta figura
se tiene un sistema realimentado, con realimentación unitaria, en cuya cadena directa
aparece un bloque no lineal y uno lineal. Como veremos luego, esta será la forma que
tomaran los sistemas realimentados no lineales a los que se aplica el método del primer
armónico.
Para justificar el diagrama de la figura 4.1 basta reescribir la expresión (4.1) de la

forma
ẍ − αẋ + x = −αx2 ẋ
Se define v = −x2 ẋ, con lo que la anterior expresión se convierte en
ẍ − αẋ + x = αv
cuya función de transferencia es

x α
(s) = 2
v s − αs + 1
Supongamos que el sistema de la figura 4.1 oscila, de modo que la señal x evoluciona
de la forma
x(t) = A sen ωt (4.2)
4.1. MÉTODO DEL PRIMER ARMÓNICO 91
en donde A es la amplitud del ciclo lı́mite y ω su frecuencia. En este caso se tiene
ẋ(t) = Aω cos ωt
por consiguiente, la salida del bloque no lineal de la figura 4.1 viene dada por
v = −x2 ẋ = A2 sen2 ωtAω cos ωt (4.3)

A3 ω
= − (1 − cos 2ωt) cos ωt (4.4)
2
A3 ω
= − (cos ωt − cos 3ωt) (4.5)
4
El paso de (4.3) a (4.4) se basa en que
2 sen2 ωt = 1 − cos 2ωt
ya que
cos 2ωt = cos2 ωt − sen2 ωt = 1 − 2 sen2 ωt
Por otra parte, el paso de (4.4) a (4.5) es un poco más elaborado. Para demostrarlo se
parte de
cos 3ωt = cos 2ωt cos ωt − sen ωt sen 2ωt

= cos ωt(1 − 2 sen2 ωt) − 2 sen2 ωt cos ωt
= cos ωt(1 − 4 sen2 ωt)
= cos ωt(1 − 2 + 2 cos 2ωt)
= cos ωt(2 cos 2ωt − 1)
de donde se tiene que

1
cos ωt − cos ωt cos 2ωt = (cos ωt − cos 3ωt)
2
En la expresión (4.5) se observa que la señal v contiene un armónico de tercer orden.
Sin embargo, sucede que la parte lineal se comporta como un filtro paso bajo, de
modo que se puede suponer razonablemente que este armónico de tercer orden resulta
suficientemente atenuado por el bloque lineal y que puede, en una primera aproximación
despreciarse. Con estos supuestos, la señal v toma la forma aproximada
A3 ω A2 d
v≈− (cos ωt) = (−A sen ωt) (4.6)
4 4 dt
De este modo el bloque no lineal de la figura 4.1 puede representarse en forma aprox-
imada como se hace en la figura 4.2. El bloque no lineal de la figura 4.1 se describe
de forma aproximada, mediante una función de transferencia como la que se indica
en la figura 4.2. Conviene observar que esta “función de transferencia”depende de la
amplitud de la señal de entrada A, lo que no sucede en ningún caso con una función
de transferencia de un sistema lineal.
Aproximación cuasi lineal
r=0 + −x A2 v α x
4
s s2 −αs+1
-
Figura 4.2: Aproximación lineal del oscilador de Van der Pol
En general, podemos escribir que las señales de salida v del bloque no lineal de la
figura 4.2 vienen dadas por
v = N(A, ω)(−x) (4.7)
en donde N juega el mismo papel que la función de transferencia en un sistema lineal,
aunque en este caso con la propiedad adicional de depender no solamente de la fre-
cuencia ω, sino también de la amplitud A. A la función N la denominaremos función
descriptiva del elemento no lineal correspondiente y constituye una generalización del
concepto de función de transferencia al estudio de los sistemas no lineales (aunque
aquı́ con un carácter aproximado ya que para llegar a ella se han despreciado los
armónicos de orden superior al primero, a partir de la consideración del carácter del
filtro paso bajo del bloque lineal).
En el caso que nos ocupa la función descriptiva toma la forma
A2
N(A, ω) = jω (4.8)
4
es decir el bloque no lineal se puede aproximar por la función de respuesta en frecuencia
N. De acuerdo con la cadena directa del sistema de la figura 4.2, se puede escribir
x = A sen ωt = G(jω)v = G(jω)N(A, ω)(−x) (4.9)
Se sabe que una señal senoidal se puede escribir en forma compleja mediante la expo-
nencial
x = Aejωt
con lo que la anterior expresión (4.9) puede escribir
Aejωt = G(jω)N(A, ω)(−Aejωt )
de donde se tiene
1 + G(jω)N(A, ω) = 0 (4.10)
esta expresión, en realidad, es una forma de escribir la expresión (4.1), es decir la

ecuación del sistema, habida cuenta de la simplificación que ha permitido pasar de
la expresión (4.3) a la (4.6). La resolución de esta ecuación en la amplitud A y la
frecuencia ω permite determinar la amplitud y frecuencia a la que oscila el sistema. En
el caso concreto que nos ocupa, la expresión (4.10) se convierte en
α A2
1+ jω = 0 (4.11)
(jω)2 − α(jω) + 1 4
que conduce a
4((jω)2 − α(jω) + 1) + αA2 jω = 0
cuya parte real es
−4ω 2 + 4 = 0
cuya solución conduce a ω = 1, y cuya parte imaginaria es
−4α + αA2 = 0
por lo que A = 2. Por tanto el sistema admite una solución en forma de oscilación con
amplitud A = 2 y frecuencia ω = 1.
Conviene observar que la expresión (4.11) escrita en forma de Laplace toma la forma
α A2 s
1+ =0
s2 − αs + 1 4
que es la ecuación caracterı́stica en bucle cerrado del sistema de la figura 4.2. Los
autovalores de esta ecuación son

1 2 1 2 2
λ1,2 = − α(A − 4) ± α (A − 4)2 − 1 (4.12)
8 64
en los que haciendo A = 2 se obtienen los autovalores λ1,2 = ±j; es decir existe un
ciclo lı́mite de amplitud 2 y frecuencia 1. Conviene observar que ni la amplitud ni la
frecuencia obtenidas dependen del parámetro α.
4.1.2. Principios del método
Supuestos básicos del método:
1. Hay un único componente no lineal.
2. Ese componente es invariante en el tiempo.

Elemento no lineal Elemento lineal

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

G1 (s) Gp (s)
+
-
G2 (s)
Figura 4.4: Sistema de control con una no linealidad
3. La parte lineal se comporta como un filtro paso-bajo.
4. La no linealidad es simétrica, de modo que no aparece en la salida un señal de

continua, cuando la señal de entrada es sinusoidal.
Debido a estas limitaciones, el método de la función descriptiva se utiliza fundamental-

mente para el análisis de estabilidad y no suele aplicarse a problemas de diseño óptimo
de sistemas.
4.1.3. Transformación de Fourier
La salida v(t) de un elemento no lineal, en respuesta a una señal sinusoidal, de

amplitud A y frecuencia ω, es una señal periódica de la misma frecuencia, que se puede
desarrollar en serie de Fourier, de la forma:

∞
v(t) = a0 + (ak cos(kωt) + bk sen(kωt))
k=1
El término independiente es el valor medio de la señal en un perı́odo.

π
1
a0 = v(t)d(ωt)
2π −π
Para una señal sin componente de continua este valor es cero; es decir a0 = 0
(recuérdese el supuesto 4 de 4.1.2).

1 π
ak = v(t) cos(kωt)d(ωt) k = 0, 1, 2, ... (4.13)
π −π

1 π
bk = v(t) sen(kωt)d(ωt) k = 0, 1, 2, ... (4.14)
π −π
Casos de interés:
v(t) es impar [v(ωt) = −v(−ωt)], entonces ak = 0, k = 0, 1, 2, ..., y en desarrollo

solo tiene términos en senos (figura 4.5a).
v(t) es alternada [v(ωt + π) = −v(ωt)], entonces el desarrollo solo tiene términos

impares (figura 4.5b).
v(x)
v(x)
−x x+π
x x
v(−x)
v(x + π)
a) b)
Figura 4.5: Señales impar (a) y alternada (b)
4.1.4. Función descriptiva
En el supuesto de que se considere únicamente la componente fundamental del

desarrollo en serie, y recordando que a0 = 0, se tiene que la expresión se convierte en
v(t) = v1 (t) = a1 cos(ωt) + b1 sen(ωt) = M sen(ωt + φ) (4.15)
En la figura 4.6 se representa un elemento no lineal y su representación mediante la

función descriptiva. De la expresión (4.15) se tiene

2 2 −1 a1
M(A, ω) = a1 + b1 φ(A, ω) = tag
b1
Asen(ωt) w(t) Asen(ωt) M sen(ωt + φ)

N.L. N (A, ω)
Figura 4.6: Elemento no lineal y función descriptiva
En la figura 4.6 se muestra como la componente fundamental de la salida de un sis-

tema no lineal a una señal sinusoidal de entrada, es otra señal sinusoidal de la misma
frecuencia pero de amplitud M y desfase φ. Empleando una representación compleja
la sinusoide puede escribirse
v1 = Mej(ωt+φ) = (b1 + ja1 )ejωt
Con los anteriores elementos ya estamos en posición de definir la función descriptiva

de un elemento no lineal como el cociente complejo entre la componente fundamental
del elemento no lineal y la señal sinusoidal de entrada A sen ωt; es decir
Mej(ωt+φ) M jφ 1
N(A, ω) = jωt
= e = (b1 + ja1 ) (4.16)
Ae A A
Es decir, la función descriptiva N(A, ω) es una función compleja cuyo módulo y argu-
mento representan la amplificación y el desfase del primer armónico de la salida v(t)
de un sistema no lineal ante una entrada sinusoidal de amplitud A y frecuencia ω.
Si la no-linealidad puede escribirse v = ϕ(y), la función descriptiva viene dada por

2π
b1 + ja1 1
N(A, ω) = = ϕ(A sen θ)(sen θ + j cos θ)dθ (4.17)
A πA 0
El concepto de función descriptiva puede, por tanto, ser considerado como una
ampliación de la noción de respuesta frecuencial de los sistema lineales. Las diferencias
entre ambos conceptos se limitan a que la función descriptiva de un elemento no lineal
depende de la amplitud, mientras que la función de transferencia de un elemento lineal
no depende de ella. Sin embargo, con vistas a las aplicaciones al diseño de sistemas
realimentados pueden tratarse de forma análoga.
En general, por tanto, la función descriptiva depende de la frecuencia y la amplitud

de la señal de entrada. Existen, sin embargo, algunos casos especiales. Cuando la no
linealidad es uniforme (es decir, su caracterı́stica es una función que asigna a cada valor
de la señal de entrada un único valor de la señal de salida) la función descriptiva N
es real e independiente de la frecuencia de entrada. El carácter real de N se debe a
que a1 = 0, debido a que la señal de salida del elemento no lineal es impar, y en ese
caso, como hemos recordado antes, todos los términos ai se anulan. Además, la salida
es siempre alternada, por lo que los términos pares desaparecen. Por tanto ante una
no-linealidad uniforme se tendrá
v(t) = b1 sen ωt + b3 sen 3ωt + b5 sen 5ωt + ...
4.1.5. Interpretación estocástica de la función descriptiva
Se trata de determinar N(A) de modo que N(A)A sen ωt aproxime a ϕ(A sen ωt)
minimizando el error cuadrático medio. Sea
e(t) = ϕ(A sen ωt) − N(A)A sen ωt
se pretende minimizar
2π
1
J= e2 (t)d(ωt)
2π 0
sustituyendo e(t) y diferenciando

2π
dJ 2
= [ϕ(A sen ωt) − N(A)A sen ωt](−A sen ωt)d(ωt) = 0
dN 2π 0
luego
2π 2π
ϕ(A sen ωt)A sen ωtd(ωt) = N(A)A2 sen2 ωtd(ωt)
0 0
pero
2π
N(A)A2 sen2 ωtd(ωt) = πN(A)A
0
luego
2π
1
N(A) = ϕ(A sen ωt)A sen ωtd(ωt)
πA 0
4.1.6. Propiedad del cono
Sea ϕ(.) tal que

k1 y 2 ≤ yϕ(y) ≤ k2 y 2 (4.18)
se dice que ϕ(.) está en el cono [k1 , k2 ]. Si además ϕ(.) es impar, ϕ(y) = −ϕ(−y),
entonces se tiene que
k1 ≤ N(A) ≤ k2 (4.19)
es decir la función descriptiva está en el intervalo [k1 , k2 ]. En efecto,

2π
1
N(A) = ϕ(A sen ωt) sen ωtd(ωt)
πA 0
2π
1
= ϕ(A sen θ)A sen θdθ
πA2 0
2π
1
≥ k1 (A sen θ)2 dθ
πA2 0

k1 2π
= k1 sen2 θdθ
π 0
k1
= k1 = k1
π
Análogamente para k2 .
4.2. Algunas funciones descriptivas
La determinación de la función descriptiva se puede hacer básicamente de dos for-

mas: por cálculo analı́tico o por determinación experimental.
Por lo que respecta al método analı́tico vamos a presentar varios ejemplos para
ilustrar su aplicación. El primero de los ejemplos es una saturación que aporta un
ejemplo de un sistema no lineal con caracterı́stica estática. También se presenta un
ejemplo de un relé con holgura, cuya caracterı́stica es dinámica.
4.2.1. Saturación
En la figura 4.7 se muestra la caracterı́stica de una saturación. Para valores de x < a

el elementos no lineal transmite la señal de forma lineal, con una amplificación. Para
valores de x > a la señal de entrada queda truncada por efecto de la no linealidad.
En la figura 4.7 se muestra el efecto de la saturación sobre una señal de entrada de

amplitud mayor que a, para el caso en que A sea mayor que a. En tal caso se tiene que
la señal de salida del elemento no lineal vendrá dada por

kA sen(ωt) 0 ≤ ωt ≤ γ
v(t) =
ka γ ≤ ωt ≤ π/2
siendo γ = sen−1 (a/A)

4.2. ALGUNAS FUNCIONES DESCRIPTIVAS 99
v v(t) salida no saturada

saturación
k salida saturada
ka
0 a x 0 γ ωt
ka
0 A
γ x(t)
π/2
entrada
sinusoidal
ωt
Figura 4.7: Caracterı́stica de una saturación.
a1 = 0 obsérvese que el carácter impar de v(t) implica que a1 = 0 y que la simetrı́a

de la señal sobre los cuatro cuadrantes en que se puede considerar dividido un periodo
indica que

4 π/2
b1 = v(t) sen ωtd(ωt) (4.20)
π 0

4 γ 2 4 π/2
= kA sen ωtd(ωt) + ka sen ωtd(ωt)
π 0 π γ

2kA a a2
= (γ + 1 − 2)
π A A
por consiguiente, la función descriptiva resulta ser

b1 2k a a2
N(A) = = (γ + 1 − 2) (4.21)
A π A A
En la figura 4.8 se representa la función descriptiva de una saturación.
4.2.2. Relé
La caracterı́stica no lineal de un relé se muestra en la figura 4.9. Si se compara

con la caracterı́stica de una saturación, que se vio en la figura 4.7 se tiene que la no
1.2
Rango lineal
1.0
0.8
N(A)/k
0.6
0.4
0.2
0.0
0 1 5 10
A/a
Figura 4.8: Función descriptiva de una saturación.
v 2.0
encendido a infinito
1.6
M
1.2
N(A)/M
0 x 0.8
-M 0.4 a cero
apagado
0.0
0 5 10
A
Figura 4.9: Caracterı́stica de un relé

linealidad de un relé corresponde a un caso lı́mite de una saturación definido por
a → 0, k → ∞
siendo ka = M. Por tanto, b1 puede obtener de la expresión (4.21) calculando el lı́mite.

Sin embargo se obtiene más fácilmente calculándolo directamente de acuerdo con

4 π/2 4M
b1 = M sen ωtd(ωt) = (4.22)
π 0 π
por lo que la función descriptiva de un relé viene dada por
4M
N(A) = (4.23)
πA
En la figura 4.9 se representa la función descriptiva de un relé. Puede compararse esa
función descriptiva con la de la saturación que se vio en la figura 4.8.
4.2.3. Holgura
Engranaje secundario Engranaje primario ángulo

salida
C
B
b -b A
0 b ángulo
entrada
D E
Figura 4.10: Caracterı́stica de una holgura.
En la figura 4.10 se muestra la caracterı́stica de una holgura, que se presenta a

menudo en los sistemas de transmisión mecánica mediante engranajes. Como conse-
cuencia de la holgura, cuando el engranaje primario gira un ángulo menor que b, el
secundario no se mueve, como corresponde a la zona muerta (segmento OA en la figu-
ra 4.10); después de establecido el contacto en engranaje secundario sigue la rotación
del primario de manera lineal (segmento AB). Si se invierte el sentido de giro del en-
granaje primario entonces durante un ángulo 2b el secundario no se mueve, de acuerdo
con el segmento BC de la figura 4.10. Cuando se restablece el contacto entre los dos
engranajes el secundario sigue al primario en la dirección opuesta (segmento CD). Por
consiguiente, si el engranaje primario está sometido a un movimiento periódico el se-
cundario recorrerá el camino cerrado EBCD, de la figura 4.10. Conviene observar que
los puntos B, C, D y E de la figura dependen de la amplitud de la seńal sinusoidal de
entrada.
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 señales de entrada que
afectan al sistema.
v v(t)
k(A − b)
-b 3π/2
b x π/2 ωt
−k(A − b)
-A A
x(t)
π/2
π−γ entrada sinusoidal
3π/2
2π − γ
ωt
Figura 4.11: Generación de la seńal de salida para una señal sinusoidal de entrada en
una holgura.
El cálculo de la función descriptiva resulta en este caso más complejo que en el de

la no linealidades sin memoria. En la figura 4.11 se muestra como se genera la señal de
salida para una señal sinusoidal de entrada. La señal 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 caracterı́stica. Se tiene
v(t) = (A − b)k π
2
≤ ωt ≤ π − γ
v(t) = A(sen ωt + b)k π − γ ≤ ωt ≤ 3π2
3π
v(t) = −(A − b)k 2
≤ ωt ≤ 2π − γ
v(t) = A(sen ωt − b)k 2π − γ ≤ ωt ≤ 5π 2
donde γ = sen−1 (1 − 2b/A). En este caso la caracterı́stica no es uniforme y la compo-

nente fundamental de la señal de salida presenta variación de amplitud y de fase. Se
tiene
4kb b
a1 = ( − 1)
π A

Ak π 2b 2b 2b
b1 = ( − sen−1 ( − 1) − ( − 1) 1 − ( − 1)2 )
π 2 A A A
es decir, la función descriptiva de una holgura viene dada por

1
|N(A)| = a21 + b21
A
a1
∠N(A) = tan−1 ( )
b1
En las figuras 4.12 y 4.13 se representan la amplitud y desfase, respectivamente, de la
función descriptiva de una holgura. Obsérvese que en este caso la función descriptiva
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 función descriptiva de una holgura.
depende exclusivamente de la amplitud de la seńal de entrada, como sucedı́a en las no

linealidades sin memoria (como la saturación y el relé) que se han visto anteriormente.
Sin embargo, en este caso la función descriptiva tiene módulo y argumento (amplitud y
desfase), mientras que en los casos de no linealidades sin memoria la función descriptiva
posee únicamente amplitud, y no desfase.
4.2.4. Determinación experimental de la función descriptiva
En lo ejemplos que se acaban de ver, se ha determinado la función descriptiva me-

diante la aplicación de métodos matemáticos. Ello es posible cuando la formulación
matemática del problema es aceptablemente sencilla. Cuando no es ası́, se procede de
manera experimental con ayuda de un analizador armónico. Se excita el sistema no
lineal cuya descripción descriptiva se quiere determinar, con señales sinusoidales, y la
-30
Desfase
-60
-90
0.0 0.2 0.4 0.6 0.8 1.0
b/A
Figura 4.13: Desfase de la función descriptiva de una holgura.
salida se analiza mediante el analizador armónico, de modo que se discrimine el primer

armónico. Comparando las amplitudes y fases de la señal de entrada y del primer
armónico se puede determinar experimentalmente la función descriptiva. Conviene ob-
servar que, en este caso, y al contrario de lo que sucede con los sistemas lineales, el
análisis debe realizarse para señales de entrada de diferente amplitud; es decir, el ensayo
debe realizarse variando tanto la amplitud como la frecuencia de la señal de entrada.
De este modo se determinan los datos que permiten establecer la función N(A, ω).
Estos datos se procesaran normalmente mediante tablas, y no mediante expresiones
analı́ticas.
4.3. Análisis de sistemas no lineales mediante la

función descriptiva
En las secciones anteriores hemos visto como se determina la función descriptiva de

un elemento no lineal. Además en la sección 4.1.1 se presentó un ejemplo introductorio
que permitı́a analizar la existencia de ciclos lı́mites en un sistema no lineal mediante
la función descriptiva. En esta sección vamos a generalizar el método allı́ presentado.
Para ello, en primer lugar, conviene recordar el criterio de Nyquist.
4.3. ANÁLISIS DE SISTEMAS NO LINEALES MEDIANTE LA FUNCIÓN DESCRIPTIVA105
+
G(s)
-
H(s)
Figura 4.14: Sistema lineal realimentado.
plano s G(s)H(s)
+∞
-1
−∞
ω → +∞
Figura 4.15: Criterio de Nyquist.
4.3.1. Una ampliación del criterio de Nyquist
Sea el sistema lineal de la figura 4.14, cuya ecuación caracterı́stica resulta ser
1 + G(s)H(s) = 0 (4.24)
como se recordará el criterio de Nyquist permite conocer el número de raı́ces de la

ecuación caracterı́stica con parte real negativa. Para ello basta dibujar la aplicación C
del contorno de Nyquist en un plano complejo apropiado, determinar el número N de
veces que este contorno C rodea al punto (-1,0) y aplicar la conocida expresión
Z =N +P
en donde P es el número de polos inestables de la función de transferencia en bucle

abierto GH. Entonces Z es el nḿero de polos inestables del sistema en bucle cerrado
(con sólo 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 número complejo, se incluye en la cadena directa
de la figura 4.16. En tal caso la ecuación caracterı́stica resulta ser
Im
0 + G(s)H(s)
k G(s)
-
-1
Re
H(s)
−1/k
Figura 4.16: Ampliación del criterio de Nyquist.

Función descriptiva Elemento lineal
r(t) = 0 + x(t) v(t) y(t)

N (A, ω) G(jω)
-
Figura 4.17: Sistema no lineal.
1 + kG(s)H(s) = 0 (4.25)
y por tanto,
1
G(s)H(s) = − (4.26)
k
Es fácil ver que en este caso el criterio de Nyquist se aplica igual que en el caso anterior
(de la figura 4.15) con la diferencia de que ahora Z representa el número de veces que
el contorno de Nyquist de GH rodea al punto −1/k, lo que se ilustra en la figura 4.16.
4.3.2. Oscilaciones de un servomecanismo no lineal
Considérese el sistema no lineal de la figura 4.17. Diremos que este sistema presenta
una oscilación automantenida si para r = 0 el sistema presenta un comportamiento
oscilatorio. Supongamos que esta oscilación viene dada por la expresión
x(t) = A cos ωt (4.27)
El componente fundamental de la señal de salida del elemento no lineal v(t) resulta ser
v(t) =| N(A, ω) | A cos(ωt + φ(A, ω)) (4.28)
Es sabido que (4.27) y (4.28) pueden escribirse de la forma
x(t) = {Aejωt }
v(t) = {| N(A, ω) | Aej(ωt+φ(A,ω)) }

Empleando esta última forma de representar un comportamiento oscilatorio, se tiene
que la salida del elemento lineal vendrá dada por
y(t) = {| N(A, ω) | A | G(jω) | ej(ωt+φ+α) }
siendo α = ∠G(jω).
Para que la oscilación sea automantenida, en ausencia de señal de excitación r, se

requiere que:
−Aejωt =| N(A, ω) | A | G(jω) | ej(ωt+φ+α)
Es decir,
Aejωt (| N(A, ω) || G(jω) | ej(φ+α))+1 = 0
La anterior expresión se debe satisfacer para todo t, por lo que se tendrá
| N(A, ω) || G(jω) | ej(φ+α) + 1 = 0
es decir,
N(A, ω)G(jω) + 1 = 0 (4.29)
y por tanto,
1
G(jω) = − (4.30)
N(A, ω)
y cualquier par de valores de A y ω que satisfaga la anterior ecuación puede dar lugar
a un ciclo lı́mite. De aquellos valores que satisfagan esta ecuación, solo dará lugar a un
ciclo lı́mite aquellos para los que la oscilación periódica sea estable.
4.3.3. Función descriptiva independiente de la frecuencia
Considérese el caso en el que la función descriptiva N es únicamente función de la

amplitud A. Este caso incluye todas las no linealidades cuya caracterı́stica es uniforme y
algunas no linealidades biformes interesantes como la holgura. En este caso la expresión
(4.30) se convierte en
1
G(jω) = − (4.31)
N(A)
En la figura 4.18 se han representado la función de transferencia de la parte lineal

G(jω) (parametrizado en ω) y la curva correspondiente a la inversa de la función
descriptiva, con el signo cambiado, (parametrizada en A) en el plano complejo. Si estas
dos curvas se cortan, entonces los valores de A y de ω correspondientes al punto de
intersección son soluciones de la ecuación 4.31, y en consecuencia, pueden existir ciclos
lı́mites. Por ejemplo, en la figura 4.18 las dos curvas se cortan en el punto L.
Im
G(jω)
ω
Re
L A
−1/N (A)
Figura 4.18: Determinación de un ciclo lı́mite.
Conviene recordar que para no-linealidades uniformes N es siempre real y por con-
siguiente el trazado de (4.31) siempre está situado sobre el eje real.
4.3.4. Función descriptiva dependiente de la frecuencia
En el caso general la función descriptiva depende tanto de la amplitud de la señal

de entrada como de su frecuencia y, en consecuencia el método que se acaba de ver
en el apartado anterior, adquiere mayor complejidad. En tal caso la expresión en el
segundo miembro de (4.30) da lugar a una familia de curvas en el plano complejo con
A como parámetro y ω permaneciendo constante en cada curva, como se muestra en
la figura 4.19. De todas las intersecciones entre la familia de curvas 1/N(A, ω) y la
curva G(jω) solamente aquellos puntos de intersección en los que coincidan los valores
de ω constituyen soluciones de la ecuación (4.30), y son, por tanto, candidatos a ciclos
lı́mites. Existe otro procedimiento gráfico para resolver la expresión (4.30). Consiste en
considerar la representaciones gráficas de G(jω)N(A, ω). Dando a A un valor constante
y variando ω de 0 a infinito, se obtiene una curva que representa a G(jω)N(A, ω).
Procediendo con diferentes valores de A se obtiene una familia de curvas, como la que
se muestra en la figura 4.20. La curva de esta familia que pase por el punto (-1,0) en
el plano complejo suministra una solución de la expresión (4.30) .
4.3.5. Estabilidad de los ciclos lı́mite
Con los ciclos lı́mites sucede lo mismo que con los equilibrios: que pueden ser estables
o inestables. Las soluciones de la ecuación (4.30) deben someterse a un análisis de
estabilidad, para determinar cuales de ellas son estables y cuales no. El criterio de
Nyquist ampliado que hemos visto en la sección 4.3.1, permite analizar esa estabilidad.
Considérese la figura 4.21 en la que se muestran las intersecciones entre la función
de transferencia de la parte lineal y la inversa de la función descriptiva de la parte
Im
−1/N (A, ω) G(jω)
ω4
ω3 A
ω2 Re
ω1
Figura 4.19: Determinación de ciclos lı́mite con funciones descriptivas dependientes de

la frecuencia.
A1 A2 A3 A4
-1
G(jω)N (A, ω)
Figura 4.20: Resolución gráfica de la ecuación N(A, ω)G(jω) + 1 = 0.

Im
ω G(jω)
L2 −1/N (A, ω) Re
L1
L”1 L1
Figura 4.21: Estabilidad de ciclos lı́mite.
no lineal. Estas dos curvas presentan dos puntos de intersección, L1 y L2 , por lo que
el sistema presenta dos ciclos lı́mites. Obsérvese que el valor de A correspondiente al
punto L1 es menor que el de A correspondiente a L2 . Supóngase que la función de
transferencia de la parte lineal G(jω) no posee polos inestables.
Vamos a analizar primero la estabilidad del ciclo lı́mite correspondiente al punto

L1 . Considérese que el sistema se encuentra inicialmente operando en el punto L1 ,
con un ciclo lı́mite de amplitud A1 y cuya frecuencia en ω1 . Debido a una pequeña
perturbación, la amplitud de la señal de entrada al sistema no lineal se incrementa
ligeramente, y el punto de operación del sistema se mueve de L1 a L1 . Puesto que el
nuevo punto L1 se encuentra a la derecha de la curva G(jω), de acuerdo con el criterio
de Nyquist ampliado que se ha visto en la sección 4.3.1, el sistema es inestable, en este
punto de operación, y las amplitudes del sistema tienden a crecer. Por consiguiente, el
punto de operación seguirá creciendo a lo largo de curva −1/N(A, ω) hasta el punto L2 .
Por otra parte, si el sistema se perturba de modo que la amplitud A decrece, entonces el
punto de operación se moverá al punto L1 . En este caso el punto L1 queda a la izquierda
de G(jω) y el criterio de Nyquist ampliado garantiza la estabilidad del sistema, por lo
que las amplitudes tenderán a decrecer y el punto de operación se alejara cada vez más
del punto de equilibrio L1 . De todo lo anterior se desprende que una ligera perturbación
destruye la oscilación en el punto L1 y que, por consiguiente, que este ciclo lı́mite es
inestable. Un análisis similar puede desarrollarse para el punto L2 con la conclusión de
que ciclo lı́mite 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 verá a
continuación.
Una forma más rigurosa de abordar el estudio de la estabilidad de las oscilaciones

es el siguiente. Sea x = Aejωt el primer armónico de la oscilación automantenida que
se perturba ligeramente hasta que su amplitud toma el valor A + ΔA y su frecuencia
ω + Δω. Después de la perturbación, x(t) ya no es una función periódica, sino que

posee un pequeño amortiguamiento δ, positivo o negativo. Es decir, después de la
perturbación la señal se convierte en:
x(t) = (A + ΔA)e−δt ej(ω+Δω)t = (A + ΔA)ej(ω+Δω+jδ)t (4.32)
Por otra parte, la expresión (4.29) se puede escribir
X(A, ω) + jY (A, ω) = 0 (4.33)
agrupando los términos correspondientes a sus partes real e imaginaria. Por otra parte,
la solución (4.32) debe satisfacer también la anterior ecuación dando lugar a:
X(A + ΔA, ω + Δω + jδ) + jY (A + ΔA, ω + Δω + jδ) = 0 (4.34)
Desarrollando en serie de Taylor esta expresión, y tomando £únicamente los térmi-

nos de primer orden en ΔA, Δω y δ, se tiene:
∂X ∂X ∂Y
Δω + ΔA − δ = 0
∂ω ∂A ∂ω
∂Y ∂Y ∂X
Δω + ΔA + δ = 0
∂ω ∂A ∂ω
Eliminando Δω:
2 2
∂X ∂Y ∂X ∂Y ∂Y ∂X
+ δ= − ΔA
∂ω ∂ω ∂A ∂ω ∂A ∂ω
Para que la oscilación sea estable es necesario que δ y ΔA sean del mismo signo, lo
que exige que:
∂X ∂Y ∂Y ∂X
− >0 (4.35)
∂A ∂ω ∂A ∂ω
En el caso de una no linealidad uniforme se tiene,
N(A)G(jω) + 1 = 0
Haciendo
G(jω) = U(ω) + jV (ω)

1
C(A) = − = P (A) + jQ(A)
N(A)
se tiene
X(A, ω) = U(ω) − P (A)

Y (A, ω) = V (ω) − Q(A)
Por lo que la expresión (4.35) se escribe en este caso

∂Q ∂U ∂P ∂V
− >0
∂A ∂ω ∂A ∂ω
El primer miembro de esta desigualdad es un producto vectorial lo que puede escribirse
dG(jω) dC(A)
× >0
dω dA
Este producto vectorial permite la interpretación geométrica que se muestra en la figura
4.22. De acuerdo con ella, un ciclo limite será estable si recorriendo G(jω) en el sentido
de las ω 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
G G
Re Re
−1/N −1/N
(a) (b)
Figura 4.22: Criterio de estabilidad de ciclos lı́mite: (a) estable; (b) inestable.
De este modo se ha demostrado con rigor el resultado que previamente se habı́a

obtenido por consideraciones un tanto laxas con respecto al criterio de Nyquist.
Ejemplo
Sea el sistema realimentado de la figura 4.23, que incluye un relé en la cadena

directa. Supongamos, en primer lugar, que la función de transferencia de la parte lineal
es:
K
G1 (s) =
s(s + 2)
r=0 +
G(s)
-
Figura 4.23: Sistema con un relé y realimentación.
Se trata de estudiar las posibles oscilaciones del sistema y su estabilidad.
Recordando la expresión (4.23) se tiene que la función descriptiva de un relé viene

dada por
4M
N(A) =
πA
En este caso se supone que M = 1.
Según lo que se ha visto, el sistema será oscilatorio si existe una solución a la

ecuación
1
G1 (ω) = −
N(A)
Esta ecuación, en este caso, conduce a
K πA
=−
jω(jω + 2) 4
Es decir
4K = −πAjω(jω + 2)
Igualando sus partes reales e imaginarias se tiene:
4K = πAω 2
−2πAjω = 0
De donde se desprende que ω = 0, y por lo tanto el sistema no oscilará, pues no existe

ninguna frecuencia para la que se tenga una solución oscilatoria.
A la misma conclusión se llega empleando métodos gráficos, y comprobando que la

representación gráfica de la función de transferencia de la parte lineal y de la función
descriptiva sólo se cortan en el origen.
Supongamos ahora que la ecuación de la parte lineal es

K
G2 (s) =
s(s + 2)(s + 5)
Im
G2 (jω)
A
P P P” Re
Figura 4.24: Estudio de la estabilidad de un sistema no lineal con un relé.
En ese caso la ecuación de oscilación se convierte en
K πA
=−
jω(jω + 2)(jω + 5) 4
es decir
4K = −πAjω(jω + 2)(jω + 5) = 7Aω 2 + Aj(ω 3 − 10ω)
Con lo que igualando partes reales e imaginarias se tiene
4K = 7πAω 2
ω 3 − 10ω = 0
√
Por lo tanto, en este caso el sistema oscila con una frecuencia ω = 10 y una
amplitud A = 2K/35π.
Para estudiar la estabilidad del oscilador se recurre al diagrama de Nyquist que

se muestra en la figura 4.24. El punto de oscilación corresponde al punto P de esta
figura. Para estudiar la estabilidad del ciclo lı́mite, supongamos, en primer lugar, una
perturbación que haga que la entrada al elemento no lineal se incremente a un nuevo
valor, de modo que el punto de operación se desplace a P . Puesto que P se encuentra
en la región de operación estable, la amplitud de la entrada al elemento no lineal tiende
a decrecer y por tanto el punto de operación se mueve de nuevo a P . De forma análoga,
si la perturbación hace decrecer la amplitud de la entrada al sistema no lineal entonces
se produce un desplazamiento del punto de operación a P , que se encuentra situado en
la región de operación inestable. La amplitud de la entrada, en este caso, se incrementa
de modo que el punto de operación vuelve de nuevo a P . Por consiguiente el sistema
tiene un ciclo lı́mite estable en P .
4.4. LA FUNCIÓN DESCRIPTIVA DUAL 115
a) b)
Figura 4.25:
4.3.6. Fiabilidad del análisis mediante funciones descriptivas
Cuando se emplea el método de la función descriptiva conviene no olvidar nunca el

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

frecuenciales al caso de no linealidades asimétricas. Para ello se usa el método de la
función descriptiva dual [GV68], [Ath75], [Coo94], [Cue00].
En este método se estudia el balance del primer armónico, de tal forma que los
ciclos lı́mite admitirán la siguiente representación:
y(t) = a0 + Re(a1 ejωt ); a0 ∈ R, a1 ∈ C; Re(a1 ) ≥ 0, ω > 0, (4.36)
donde, y(t) es la salida de la parte lineal y a0 es el término de continua. Al igual que
en la sección anterior los ciclos lı́mite no se consideran en fase, y se puede suponer, sin
pérdida de generalidad, que Im(a1 ) = 0.
Es importante hacer notar que la expresión (4.36) abarca no sólo al representación

de ciclos lı́mite asimétricos como salida del sistema, sino que también contempla la
posibilidad tanto de ciclos lı́mite simétricos (a0 = 0), como la de puntos de equilibrio
(a1 = 0).
Ası́ pues, considérese que las señales correspondientes a la salida del bloque lineal,
y(t), definidas según (4.36) entran, por efecto de la realimentación del sistema (figura
4.3), en el bloque no lineal dando lugar a unas salidas que, en régimen permanente,
corresponden a las señales periódicas v(t). Dichas salidas pueden ser representadas por
medio de un desarrollo en serie como:
v(t) = N0 a0 + Re(N1 a1 ejωt ) + . . .
donde, N0 y N1 corresponden, respectivamente, a la ganancia de continua y a la del
primer armónico calculadas desde la entrada del bloque no lineal a la salida de dicho
bloque. Estas ganancias pueden ser obtenidas de manera fácil a partir de la expresión
de los coeficientes de Fourier como:
π
1
N0 (a0 , a1 , ω) = v(t) d(ωt)
2πa0 −π
π
1
N1 (a0 , a1 , ω) = v(t)e−jωt d(ωt).
πa1 −π
Si se considera una no linealidad estática, es posible eliminar la dependencia de ω

de N0 y N1 .
Por tanto, para que se satisfaga el balance del primera armónico, y exista un ciclo
lı́mite, será necesario que los términos de orden cero y de primer orden de y(t) sean
iguales a los correspondientes términos calculados (despreciando armónicos de orden
superior) a la salida del bloque lineal cuando se toma como entrada la señal v(t). Esta
condición puede ser expresada como el sistema:
(G(0)N0 (a0 , a1 ) + 1)a0 = 0
(G(0)N1 (a0 , a1 ) + 1)a1 = 0. (4.37)
En el caso que exista solución en a0 , a1 y ω del sistema (4.37) se podrá predecir la

existencia de un ciclo lı́mite. Cuando la solución sea independiente de ω y tenga a1 = 0,
ésta será la correspondiente a un punto de equilibrio del sistema.
4.4.1. Ejemplo
Para ilustrar este método, y a fin de tener un resultado que comparar con el

método de detección de ciclos lı́mite con N armónicos, se aplica el método de la función
descriptiva dual a un sistema simple pero con una riqueza de comportamiento suficiente
[SÁA98a], [SÁA98b].
El sistema a analizar es el representado en la figura 4.26 que tiene una no linealidad

cuadrática que, al no ser simétrica con respecto al origen, justifica el uso de la función
descriptiva dual.
r=0 + u y
s+1
G(s)=
2
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
ecuación:
y
y + G(0)ϕ(y) = 0 ⇔ ϕ(y) = −
G(0)
donde, ϕ(y) = −y 2 y G(0) = 12 . Esta ecuación se puede resolver gráficamente a partir

de la figura 4.27.
Se observa que se obtienen dos puntos de equilibrio: y = 0 e y = 2. A continuación

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 función del parámetro b es el representado en la figura 4.28.
E1
y
E2
f (y) -2y
Figura 4.27: Cálculo gráfico 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 crı́tico
en el infinito, el número 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 pasará a ser inestable en bucle abierto y como el punto crı́tico
está en el infinito el número 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.
Ası́ pues, se pasa de la estabilidad a la inestabilidad del equilibrio y = 0 para

b = 0, y esta pérdida de estabilidad se produce por la aparición de dos polos complejos
conjugados, lo que induce a pensar que se está en presencia de una bifurcación de Hopf.
A continuación se realiza el mismo análisis para el equilibrio en y = 2. En este caso

el punto crı́tico está en 14 ; por lo que como se puede observar en la figura 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 cálculo de ciclos lı́mite mediante la función descrip-

G(0) 1/b 1/b G(0)

1/2
1/4 1/4
b>0 b<0
Figura 4.29: Diagrama de Nyquist para y = 2.
tiva dual . Para la función y 2 la función descriptiva queda de la forma:

a21
N0 = −a0 −
2a0
N1 = −2a0 .
Se observa que, al ser una no linealidad estática, la función descriptiva no depende

de ω, pero sı́ de los parámetros a0 y a1 . La ecuación de balance armónico es:
a0 [N0 G(0) + 1] = 0 (4.38)

N1 G(jω) + 1 = 0. (4.39)
Despejando de las ecuaciones anteriores se tiene que para a0 = 0 de la ecuación

(4.38) se obtiene:
1 a21
(−a0 − )+1=0 (4.40)
2 2a0
y de (4.39)
−2a0 G(jω) + 1 = 0 (4.41)
Si se resuelve gráficamente la ecuación (4.41) para los casos estudiados en el análisis

de equilibrios (figura 4.30), se obtiene que la función descriptiva de la no linealidad se
corresponde con − N11 = 2a10
Observando la figura 4.30 se deduce que sólo existe ciclo lı́mite para los valores de
b tales que 0 < b < 2 y, según el criterio de Nyquist generalizado, dicho ciclo lı́mite
es inestable. El corte entre el diagrama de
√ Nyquist y la función descriptiva se produce
1 1
para 2a0 = b con una frecuencia de ω = 2 − b.
G(0) 1/b G(0)

1/2 1/b
0<b<2 b>2 b<0
Figura 4.30: Resolución gráfica para diferentes valores de b.
Resolviendo la ecuación (4.40) para calcular la amplitud del ciclo lı́mite se obtiene
que ésta es:
b2
a1 = 2b − .
2
Por lo tanto, y a modo de resumen, puede decirse que el sistema presenta una
bifurcación de Hopf subcrı́tica en b = 0 de donde nace un ciclo lı́mite que va creciendo
en amplitud hasta que choca con el punto de silla, produciéndose una bifurcación
homoclina en b = 2 (que coincide con ω = 0) y desapareciendo el ciclo lı́mite. Esto
puede verse de manera más clara en el diagrama de bifurcaciones que se presenta en la
figura 4.31.
2 b
Figura 4.31: Diagrama de bifurcaciones del sistema.
Por lo expuesto anteriormente el ciclo lı́mite inestable deberı́a existir hasta que
b = 2. Sin embargo, por simulación se obtiene que ese ciclo lı́mite desaparece a partir
4.5. CÁLCULO DE VARIOS ARMÓNICOS EN EL MÉTODO DE BALANCE ARMÓNICO121
de b = 0,36, valor sensiblemente inferior al obtenido por el método de la función

descriptiva.
Esta discrepancia es debida a la interacción del ciclo lı́mite con la variedad estable
del punto de silla, lo que hace que el ciclo lı́mite se achate y que los armónicos de orden
superior a uno tengan un mayor peso en su descripción.
Ası́ pues, tal y como se expuso en un primer momento, el método de la función

descriptiva reproduce relativamente bien el comportamiento cualitativo del sistema
(de hecho se ha detectado una bifurcación de carácter global, como es la homoclina,
de una manera sencilla), pero, para un ajuste más fino, se ha de recurrir a otro tipo de
análisis o bien a calcular los armónicos de orden superior.
4.5. Cálculo de varios armónicos en el método de

balance armónico
Como se ha expuesto en la sección anterior, el método de la función descriptiva

tiene carácter aproximado y se muestra insuficiente para describir los ciclos lı́mite
cuando están lejos de su nacimiento. Para solucionar este problema, como primera
aportación original a esta tesis, se presenta un método para el cálculo de un número
arbitrario de armónicos en un sistema con no linealidad estática [SÁA98a], [SÁA98b].
En primer lugar se presenta una descripción de la notación y procedimientos a

seguir.
El sistema no lineal objeto de estudio es el representado en la figura 4.32.
r + u y
G(s)
-
f(.)
Figura 4.32: Sistema no lineal.

2π
Si xp (t) es una solución periódica de periodo T = ω
, entonces puede ser desarrollada
en series de Fourier, obteniéndose la expresión:
x̂0 ∞
xp (t) = √ + [x̂ck cos(kωt) + x̂sk sen(kωt)].
2 k=1
Normalmente se utiliza una versión truncada a N términos del desarrollo anterior:

x̂0 N
xN (t) = √ + [x̂ck cos(kωt) + x̂sk sen(kωt)].
2 k=1
Descrita la órbita periódica de esta forma, la bondad de la aproximación depen-

derá de:
El número de armónicos N utilizados.

Caracterı́sticas de filtrado del sistema: El sistema lineal debe filtrar la mayor
parte de los armónicos de orden superior a N para que la aproximación sea lo
más precisa posible.
La aproximación será tanto peor cuanto más bruscos sean los cambios producidos
en ϕ(y) en función de las variaciones de y.
Para el sistema de la figura 4.32 se puede expresar la salida y(t) en función de su

desarrollo en series de Fourier en su forma truncada en N armónicos:
ŷ0 N
yN (t) = √ + [ŷkc cos(kωt) + ŷks sen(kωt)]
2 k=1
La entrada del sistema, suponiendo referencia nula, es u = −ϕ(y), con lo que

sustituyendo yN (t) en la expresión anterior:
û0 ∞
−ϕ(yN (t)) = √ + [ûck cos(kωt) + ûsk sen(kωt)].
2 k=1
Nótese que el hecho de que yN (t) esté truncada en N armónicos no implica que
ϕ(yN (t)) también lo esté, ya que es el desarrollo en series de Fourier de una onda
distinta. Llamaremos uN (t) al truncamiento de −ϕ(yN (t)) en N armónicos:
û0 N
uN (t) = √ + [ûck cos(kωt) + ûsk sen(kωt)]
2 k=1
Dado un número determinado de armónicos N, se define en primer lugar la función

vectorial:
FN (θ) ∈ IR1×(2N +1) ,
que es la compuesta por el término de continua y los cosenos y senos de los diferentes
armónicos a considerar.
1
FN (θ) = [ √ , cos(θ), sen(θ), . . . , cos(Nθ), sen(Nθ)].
2
Se definen los vectores Ŷ , y Û como los vectores de dimensión 2N + 1 que contienen

los coeficientes del desarrollo en series de Fourier truncado en N armónicos de la salida
yN (t) y la entrada uN (t) al sistema respectivamente.
Ŷ T = [ŷ0 , ŷ1c , ŷ1s , . . . , ŷN
c s
, ŷN ]
Û T = [û0 , ûc1, ûs1 , . . . , ûcN , ûsN ].
Ası́, multiplicando cada uno de los vectores columna anteriores por la función vec-
torial FN (ωt) se obtienen los desarrollos truncados de la salida y la entrada:
yN (t) = FN (ωt)Ŷ
uN (t) = FN (ωt)Û.
Supóngase una señal de entrada periódica definida por el vector columna ÛN con
N armónicos de entrada. Se introduce esta señal en el sistema lineal y se obtiene una
señal de salida periódica truncada también en N armónicos ŶN (figura 4.33).
Û Ŷ
G(s)
Figura 4.33: Relación entre los armónicos de entrada y de salida.
Suponiendo que la matriz A del sistema no tiene autovalores en el eje imaginario,

dado que el sistema es lineal, la relación entre los armónicos de entrada Û y los de
salida Ŷ será también lineal y puede ser expresada por la matriz:
Ŷ = HG Û,
donde
⎡ ⎤
G(0) 0 0 ... 0
⎢ 0 H̄1 0 ... 0 ⎥
⎢ ⎥
⎢ 0 0 H̄2 ... 0 ⎥
HG = ⎢ ⎥.
⎢ .. .. .. .. .. ⎥
⎣ . . . . . ⎦
0 0 0 ¯
. . . HN
Las matrices H̄k ∈ R2×2 se definen como:

Re(G(kωj)) Im(G(kωj)) Re(G(kωj)) Im(G(kωj))
H̄k = con H̄k =
−Im(G(kωj)) Re(G(kωj)) −Im(G(kωj)) Re(G(kωj))
Realimentando la salida, suponiendo referencia nula y volviendo a obtener la señal

de entrada, se obtiene una relación entre la salida y la entrada (figura 4.34).
Û Ŷ
ϕ(·)
Figura 4.34: Realimentación de la salida para dar la entrada.
La obtención de los armónicos de entrada en función de los de salida se hará apli-

cando balance armónico, es decir:
⎡ ⎤ ⎡ ⎤
û0 √1
2
⎢ ûc ⎥ ⎢ cos(ωt) ⎥
⎢ 1 ⎥ T ⎢ ⎥
⎢ ûs ⎥ ⎢ sen(ωt) ⎥
⎢ 1 ⎥ 2 ⎢ ⎥
Û=⎢ .. ⎥= − ϕ(yN (t)) ⎢ . ⎥ dt.
⎢ . ⎥ T 0 ⎢ .
. ⎥
⎢ c ⎥ ⎢ ⎥
⎣ ûN ⎦ ⎣ cos(Nωt) ⎦
ûsN sen(Nωt)
Usando la notación descrita anteriormente y, realizando el cambio de variables θ =

ωt, la ecuación anterior se puede expresar:

1 2π
Û = − ϕ(F (θ)Ŷ )F T (θ)dθ. (4.42)
π 0
Sustituyendo la relación entre los armónicos de entrada y los de salida a través de

la parte lineal del sistema en la ecuación anterior se obtiene la ecuación de balance
armónico:

1 2π
Û = − ϕ(F (θ)HG Û )F T (θ)dθ (4.43)
π 0
que permite calcular, con una aproximación de N armónicos, la frecuencia y amplitud
de los ciclos lı́mite existentes en el sistema.
Volviendo sobre el ejemplo propuesto en el apartado 4.4.1, la resolución de las ecua-

ciones de balance armónico también puede hacerse a partir de la formulación general
de la ecuación de balance armónico (4.43).
Si en al ecuación (4.42) se premultiplican ambos miembros de la igualdad por la

matriz HG queda:

HG 2π
HG Û = Ŷ = − ϕ(F (θ)Ŷ )F T (θ)dθ.
π 0
Tomando el origen de tiempo de manera que la señal periódica de salida se pueda

expresar como:
a0
y(t) = √ + asenθ.
2
Sustituyendo en la ecuación anterior y truncando el desarrollo en el primer armónico:

⎛ ⎞
a0 2π
⎝ 0 ⎠ = − HG a0
ϕ( √ + asenθ)F T (θ)dθ,
π 0 2
a
donde, desarrollando la no linealidad y tomando sólo el primer armónico:
a0 a2 a2 2a0 a
ϕ( √ + asenθ) = −( 0 + + √ senθ),
2 2 2 2
con lo que
⎡ ⎤
⎡ ⎤ 2
a 2
√1 ( 0 + a + 2a √0 a senθ)
a0 2π 2 2
HG ⎢ a2 a2 2a a 2
2 ⎥
⎣ 0 ⎦= ⎢ ( 0 + + √0 senθ) cos θ ⎥ dθ.
π 0 ⎣ 2 2 2 ⎦
a a20 a2 2a0 a
( 2 + 2 + √2 senθ)senθ
Integrando esta ecuación y teniendo en cuenta que HG vale

⎡ ⎤
G(0) 0 0
HG = ⎣ 0 Re(G(jω)) Im(G(jω)) ⎦
0 −Im(G(jω)) Re(G(jω))
se obtiene el sistema de ecuaciones:
G(0)
a0 = √ (a20 + a2 )
2
2a0 a
0 = Im(G(jω)) √
2
2a0 a
a = Re(G(jω)) √
2
√
que es igual al formado por las ecuaciones (4.40) y (4.41) escaladas en 2 y descom-
puestas en parte real e imaginaria.
4.5.1. Definición del algoritmo
Para resolver la ecuación de balance armónico para los N primeros armónicos

se fija, en primer lugar, el origen de tiempos arbitrariamente de manera que el primer
coeficiente del desarrollo en series de Fourier de la entrada uc1 sea igual a cero.
A continuación se usa un algoritmo iterativo para calcular los armónicos de orden

superior a N = 1, suponiendo conocido el valor de ω y el de us1 = a.
Para garantizar la convergencia del algoritmo se presenta la siguiente propiedad

[Vid93]
Si para la frecuencia ω se cumple:
1.
1
máx | G(kωj) |< , ∀k = 1
L
donde L es una constante de Lipschitz de ϕ(.).
2. Existe
⎡ ⎤
a0
⎢ 0 ⎥
U =⎢
⎣ a ⎦
⎥
Us
solución de la ecuación de balance armónico.
Entonces, el siguiente proceso iterativo converge a los armónicos superiores de dicha

órbita periódica, es decir, Uks −→ U s y u0k −→ a0 :
⎡ ⎤ ⎡ ⎤
u0k+1 u 0k
⎢ uc1 ⎥ 1 2π ⎢ 0 ⎥ T
⎢ ⎥= − ϕ(F (θ)H ⎢ ⎥
⎣ us1 ⎦ π 0
G ⎣ a ⎦)F (θ)dθ.
s
Uk+1 Uks
Bajo las hipótesis de la propiedad anterior, supóngase que para ω y a se calculan,

utilizando el método anteriormente descrito, a0 y los armónicos superiores U s :
⎡ ⎤ ⎡ ⎤
u0 2π u 0
⎢ uc1 ⎥ ⎢ 0 ⎥ T
⎢ s ⎥ = −1 ϕ(F (θ)H ⎢ ⎥
⎣ u1 ⎦ π 0
G ⎣ a ⎦)F (θ)dθ,
Us Us
entonces la condición para la existencia de una órbita periódica queda reducida a ûc1 = 0
y ûs1 = a.
Para resolver estas ecuaciones, el algoritmo se aplica partiendo de un valor inicial

determinado para las amplitudes de los armónicos superiores, y, a partir de ahı́, se itera
hasta conseguir que estos armónicos converjan hasta un valor determinado para cada
valor de ω y a de una malla previamente prefijada.
Los valores de ûc1 y ûs1 obtenidos para cada punto de la malla y solución de la
iteración de los armónicos superiores se almacenan junto con los valores de ω y a y
dichos armónicos, barriéndose ası́ toda la malla.
Terminado el barrido, se halla el punto que tiene menor error entre los valores
calculados de ûc1 y ûs1 y los valores necesarios para la existencia de solución periódica,
realizándose a continuación un barrido en una malla más fina alrededor de dicho punto.
En caso de que el error en las igualdades ûc1 = 0 y ûs1 = a fuera demasiado alto el
algoritmo supondrá que no existe órbita periódica para ese par (ω, a).
4.5.2. Resultados
A continuación se exponen los resultados de la aplicación del algoritmo de

detección de órbitas periódicas con N armónicos al sistema de la figura 4.26 con N = 20
y se comparan los resultados obtenidos con la órbita periódica obtenida de la aplicación
de la función descriptiva (N = 1) para diferentes valores del parámetro b.
b = 0,05
Para este valor de b la amplitud del ciclo lı́mite ha de ser pequeña ya que dicha
amplitud crece con el valor de b al haberse producido una bifurcación de Hopf en el
origen.
En la figura 4.35 se muestra con el sı́mbolo ”+.en rojo el ciclo lı́mite obtenido del
algoritmo con N = 1 y con lı́nea continua la evolución del sistema en el espacio de
estados. Nótese que el ciclo lı́mite que se obtiene es inestable, lo cual no es problema
para el método del balance armónico, ya que este método sólo resuelve la ecuación de
balance armónico sin analizar su estabilidad, pero para la representación del espacio
de estados se ha utilizado la integración hacia “atrás” en el tiempo para poder ver el
ciclo lı́mite.
0.8
0.6
0.4
0.2
−0.2
−0.4
−0.6
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4
Figura 4.35: Ciclo lı́mite 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 lı́mite es pequeña y todavı́a no ha entrado en
contacto con la variedad estable del punto de silla.
b = 0,2
Si se realiza la operación anterior, comparando el ciclo lı́mite calculado por el

método de la función descriptiva (N = 1) y el real obtenido por integración (figura
4.36), se observa que existen diferencias significativas entre ambos debido al aumento
de amplitud de dicho ciclo lı́mite.
Si se calcula ahora en ciclo lı́mite con los 20 primeros armónicos y se lo compara

con el real se observa (figura 4.37) que son prácticamente iguales. De tal manera que
se confunde el ciclo lı́mite calculado con el real.
b = 0,31
En este caso la aproximación con 20 armónicos no es tan precisa, ya que, al

estar muy próximos a la órbita homoclina, el periodo tiende a infinito (ω → 0), con lo
que la convergencia del algoritmo se ve comprometida, aunque, como se puede observar
en la figura 4.38, la forma de ambos ciclos es muy parecida, variando sólo la amplitud.
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 0.2 0.4
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 0.2 0.4

1.5
0.5
−0.5
−1
−1.4 −1.2 −1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4
Se ha probado también el algoritmo para un valor de b superior al de bifurcación,

obteniéndose, para este caso, un ciclo lı́mite calculado para N = 1 y no hallándose
ninguno para una aproximación con armónicos de orden superior.
Bibliografı́a
[Ath75] D.P. Atherton. Nonlinear Control Enginnering: Describing function analysis

and design. Van Nostrand Reinhold, 1975.
[Coo94] P. Cook. Nonlinear dynamical systems. Prentice-Hall, 1994.
[Cue00] F. Cuesta. Análisis de Estabilidad de Sistemas Borrosos Multivariables.

Aplicación al Control reactivo de Robots Móviles. PhD thesis, ESI. Sevilla,
2000.
[Glo89] J.N. Glover. Hopf bifurcations at infinity. Nonlinear Analysis. Theory,

Methods & Applications, 13(12):1393–1398, 1989.
[GV68] A. Gelb and W. Vander Velde. Multiple-Input Describing Functions and

Nonlinear Systema Design. McGraw-Hill Book Company, 1968.
[LP97] J. Llibre and E. Ponce. Hopf bifurcation from infinity for planar control
systems. Publicacions Matematiques, UAB, Barcelona, (41):181–198, 1997.
[LP98] J. Llibre and E. Ponce. Bifurcation of a periodic orbit from infinity in planar
piecewise linear vector fields. Nonlinear Analysis TMA, 36(5):623–653, 1998.
[SÁA98a] F. Salas, T. Álamo, and J. Aracil. Detección de órbitas periódicas en sistemas

no lineales. In XIX Jornadas de Automática, 1998.
[SÁA98b] F. Salas, T. Álamo, and J. Aracil. Detección of periodic orbits in nonlinear

systems. In Niconet Workshop on numerical software in control engenieer-
ing, 1998.
[Sal95] F. Salas. Estudio de la dinámica de un oscilador electrónico del tipo van der
pol-duffing. Proyecto Final de Carrera, 1995.
[Vid93] M. Vidyasagar. Nonlinear Systems Analysis. Prentice-Hall, 2 edition, 1993.
131
132 BIBLIOGRAFÍA
Capı́tulo 5
Bifurcaciones en sistemas de control
5.1. Feedback systems with saturation

Consider the open loop system
ẋ = Ax + Bu
with a control law
u = −Kx
giving rise to a closed loop system
ẋ = (A − BK)x
it is assumed that this system has a good performance.
The closed loop system can also be interpreted as
u x y
+- B ++ K
where
G(s) = K(sI − A)−1 B
Now a saturation is added in the feedback loop
u y
1 +
-
G(s)
-1 1
-1
How does the saturation influence the global behavior?
133
134 CAPÍTULO 5. BIFURCACIONES EN SISTEMAS DE CONTROL
5.1.1. Equilibria in a system with saturation
Consider the system

u y
+
- G(s)
ϕ(.)
where ϕ(.) is the nonlinear characteristic of a saturation.

The system equilibria are the values xe such that ẋ = 0
ẋ = 0 ⇒ Axe + Bxe = 0 ⇒ xe = −A−1 Bue
y e = −kA−1 Bue ⇒ y e = G(0)ue
but ue = −ϕ(y e ), so
y e = −G(0)ϕ(y e )
The equilibria are the solutions to
y + G(0)ϕ(y) = 0
Graphical solutions of the equilibrium point:

- y
ϕ(y) G(0)
E1
O y
E2
Stability around an equilibrium y e :

• the linearization has slope dϕ
dy
(y e )
• the critical point in the Nyquist plot is −1/ dϕ
dy
(y e )
In the saturation case:
• dϕ
dy
= 1 at y e = 0;
• dϕ
dy
= 0 at y e = ±KA−1 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 if 0≤a≤1
N(a) = 2
π
sin−1 1
a
+ a1 1 − 1
a2
if a>1
To predict limit cycles the following equation must be solved
1 + N(a)G(jω) = 0
This equation can be solved graphically with a Nyquist plot where G(jω) and
−1/N(a) are represented.
5.1.3. First order system
Consider the system with the open loop transfer function
k
G(s) =
s+a
Characteristic polynomial at the origin
p(s) = s + a + k
• if −k < a the origin is stable,

• for −k = a there is an stability boundary,
• if −k > a the origin is unstable,
φ( y)
-1
Gμ (0)<0 y(t)
Gμ (0)>0 Gμ (0)
Gμ(0)
0
0
Gμ (0)
0
0
-1 ye0 =0 1
y 1e =Gμ (0) y
y2e =-G μ(0)
-1
Gμ (0)<-1
Qualitative Analysis
Bifurcation set in the parameter plane (a, k).

k
1 1
u
0.8 0.8
0.6 0.6
Po 0.4
(-1,0)
0.4
0.2 (-1,0)
imag.G(jw)
0.2
imag.G(jw)
0
0 G(0)
−0.2 G(0) −0.2
-1/N(A)
−0.4 -1/N(A) −0.4
−0.6
−0.6
−0.8
−0.8 G(jw) −1
G(jw)
−1
−3 −2 −1 0 1 2 3
real G(jw)
−3 −2.5 −2 −1.5 −1 −0.5 0 0.5 1
real G(jw)
LOCAL
0.5
0.4
STABILITY Poou GLOBAL
0.3
0.2
0.1 (-1,0) STABILITY

imag.G(jw)
0
G(0)
−0.1
-1/N(A)
−0.2
−0.3
G(jw)
−0.4
−0.5
−2 −1.5 −1 −0.5 0 0.5 1

real G(jw)
0
0.5
0.4
G(jw)
a
Pos
0.3
0.2
0.1
(-1,0)
imag.G(jw)
G(0)
UNSTABLE −0.1
-1/N(A)
Poos
−0.2
−0.3
−0.4
−0.5
−2 −1.5 −1 −0.5 0 0.5
real G(jw)
1.5
0.5
0.4 G(jw)
0.3
1 G(jw)
0.2
0.5
0.1
(-1,0) G(0) G(0)
imag.G(jw)
(-1,0)
imag.G(jw)
0
0
w=oo
−0.1
−0.2
−0.3
-1/N(A)
−0.5
-1/N(A)
C1
−0.4
−1
−0.5
−2 −1.5 −1 −0.5
real G(jw)
0 0.5 1 −1.5
−3 −2.5 −2 −1.5 −1
real G(jw)
−0.5 0 0.5 1
k=-a
Bifurcation diagram with delay. (a) 0 < k. (b) k < 0.

a) b) s
P oo
Poo
u
ye ye
k = constant k = constant
1
u 1 s
Po Po
-k 0 a 0 -k a
-1
-1
stable equilibrium points

unstable equilibrium points
5.2. SOTOMAYOR-LLIBRE-PONCE BIFURCATION ANALYSIS 137
5.1.4. Second-order system
Consider the open loop second-order system

0 1 0
ẋ = x+ u
−a2 −a1 1
with a control law

u = −Kx = − k2 k1 x
The open loop transfer function is
k1 + k2 s
G(s) =
s2 + a1 s + a2
Closed-loop characteristic polynomial
p(s) = s2 + α1 s + α2 = s2 + (a1 + k2 )s + (a2 + k1 )
Polar plot
k1 k k1 k2 k1 k2
< a2 >
a2 1 a 2 = a1 a2 a1
k1 k2 k1 k2 k2 k1
= (-1,0)
(-1,0) a2 a1 (-1,0) a2 a1 a1 a2
A saturation is added in the feedback path
5.2. Sotomayor-Llibre-Ponce bifurcation analysis
Qualitatively different state portraits in each region of the parameter plane

(a1 , a2 )
B A
B
a2
B A
P a1 P
D C
DSC
D C
In all cases the origin remains stable.
The boundaries between these regions are given by bifurcations:
• a pitchfork bifurcation at infinity P∞ ;
• a Hopf bifurcation at infinity B∞ ; 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
k1 k2 I1
(-1,0) a2 a1
I2
k2 k1
a1 (-1,0) a2
k1 k2
=
(-1,0) a2 a1
II
a
2
I2
I1 I3
II
k1
a2
k2 I3 (-1,0)
k1
a1 (-1,0) a2
a1
III
III IV
DSC
k1 k2
=
a2 a1 (-1,0)
IV
k1
a2 (-1,0)
DSC
There are four different regions.
5.2.2. Bounded attraction basin
State portrait in region II, with bounded attraction basin

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

6
b
5
a
0
−1
−2
0 0.5 1 1.5 2 2.5 3
t
5.3. Control systems with a delay
Consider the system

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

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

k (s+ki ) e -Ls
________
_________
- s s+a
φ ( y)
formed by a PI + a first order system with a delay.
The open loop transfer function is
k(s + ki )e−Ls
G(s) =
s(s + a)
5.3.3. Qualitative Analysis

k
θ max
Diagrama de Nyquist Diagrama de Nyquist
Diagrama de Nyquist 5
u 8
ω
5
6
4
4
2
3
2
Hoo 4
1 1
imag.G(jw)
0
L
imag.G(jw)
imag.G(jw)
-2
0
0
-4
-1
-1
-6
-2
-2 -8
-3 -2.5 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2
-3 real G(jw)
-3
-4
-4
-5
-4 -3.5 -3 -2.5 -2 -1.5 -1 -0.5 0 0.5 1
real G(jw) -5
-12 -10 -8 -6 -4 -2 0
real G(jw)
s
Ho
SLC
Diagrama de Nyquist
8
11
00
6
00
11
2
LOCAL
imag.G(jw)
-2
GLOBAL
-4
STABILITY -6
-8
-2 -1.5 -1 -0.5 0
real G(jw)
0.5 1 1.5 2
T
0110
Diagrama de Nyquist
5
STABILITY
3
1
imag.G(jw)
-1
-2
Diagrama de Nyquist
2
-3
1.5
-4
1 -5
-8 -7 -6 -5 -4 -3 -2 -1 0 1
real G(jw)
0.5
imag.G(jw)
-0.5
-1
-1.5
-2
H uo
-2 -1.5 -1 -0.5 0 0.5
real G(jw)
ω =0
Diagrama de Nyquist
2
0
UNSTABLE
1.5
0.5
1
NS0 a
imag.G(jw)
0
Diagrama de Nyquist
2
-0.5
1.5
-1
1
-1.5
0.5
-2
imag.G(jw)
-2 -1.5 -1 -0.5 0 0.5

real G(jw) 0
−0.5
−1
L = 0.1 s −1.5
−2
−2 −1.5 −1
real G(jw)
−0.5 0 0.5
ki = 1
Bifurcation diagram for k > 0: (a) L = 0; (b) L > 0.

u
a) H oo
ye
b) Hoo
u
ye
k= constant k= constant
s
1 Ho
1
0 -k 0
-k a -1 a
-1

stable periodic orbits stable equilibrium points stable limit cycles
unstable 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 ϕ(y) equilibria other than the origin can appear.
• Multiple equilibria when G(0) < −1

• Limit cycles when G(jω) crosses −1/N(a).
Bifurcations occur when the system is open loop unstable.

Sistemas No Lineales PDF

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

Sistemas No Lineales PDF

Cargado por

Copyright:

Formatos disponibles

Notas del curso

“Análisis de Sistemas No Lineales”

Javier Aracil Santónja

Francisco Salas Gómez

Francisco Gordillo Álvarez

Departamento de Ingenierı́a de Sistemas y Automática

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

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

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

2. Análisis cualitativo de sistemas dinámicos 7

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

3. Análisis cualitativo y bifurcaciones en sistemas dinámicos 44

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

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

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

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

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

3.4. Bifurcaciones elementales en sistemas de dimensión uno . . . . . . . . . 52

3.4.1. Bifurcaciones elementales en sistemas dinámicos de dimensión dos 62

3.4.2. Evolución de los autovalores en una bifurcación de Hopf. . . . . 67

3.4.3. Bifurcaciones de órbitas periódicas . . . . . . . . . . . . . . . . 67

3.4.4. Bifurcaciones de codimensión dos . . . . . . . . . . . . . . . . . 69

3.4.5. Diagrama de bifurcaciones del experimento de Taylor-Couette. . 73

3.5. Crecimiento logı́stico con un retraso en la estructura . . . . . . . . . . . 76

4. Función descriptiva y balance armónico 86

4.1. Método del primer armónico . . . . . . . . . . . . . . . . . . . . . . . . 86

4.1.1. Ejemplo introductorio . . . . . . . . . . . . . . . . . . . . . . . 86

4.1.2. Principios del método . . . . . . . . . . . . . . . . . . . . . . . 90

4.1.3. Transformación de Fourier . . . . . . . . . . . . . . . . . . . . . 91

4.1.4. Función descriptiva . . . . . . . . . . . . . . . . . . . . . . . . . 92

4.1.5. Interpretación estocástica de la función descriptiva . . . . . . . 94

4.1.6. Propiedad del cono . . . . . . . . . . . . . . . . . . . . . . . . . 94

4.2. Algunas funciones descriptivas . . . . . . . . . . . . . . . . . . . . . . . 95

4.2.4. Determinación experimental de la función descriptiva . . . . . . 100

4.3. Análisis de sistemas no lineales mediante la función descriptiva . . . . . 101

4.3.1. Una ampliación del criterio de Nyquist . . . . . . . . . . . . . . 102

4.3.2. Oscilaciones de un servomecanismo no lineal . . . . . . . . . . . 103

4.3.3. Función descriptiva independiente de la frecuencia . . . . . . . . 104

4.3.4. Función descriptiva dependiente de la frecuencia . . . . . . . . . 105

4.3.5. Estabilidad de los ciclos lı́mite . . . . . . . . . . . . . . . . . . . 105

4.3.6. Fiabilidad del análisis mediante funciones descriptivas . . . . . . 112

4.4. La función descriptiva dual . . . . . . . . . . . . . . . . . . . . . . . . . 112

4.4.1. Ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114

4.5. Cálculo de varios armónicos en el método de balance armónico . . . . . 118

con ley de control