Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Impartido por:
Javier Aracil
Francisco Gordillo
Francisco Salas
25 de septiembre de 2007
2
Índice general
1. Introducción 1
I Análisis 6
2.3.2. Estabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3
4 ÍNDICE GENERAL
2.5.6. Linealización . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
References 81
3.6. Apéndice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
4.2.1. Saturación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
4.2.2. Relé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
6 ÍNDICE GENERAL
4.2.3. Holgura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
Bibliografı́a 127
Introducción
ẋ = x + u (1.1)
1
2 CAPÍTULO 1. INTRODUCCIÓN
Planta
u x
Controlador
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:
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 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.
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:
Análisis
7
Capı́tulo 2
Se consideran sistemas:
9
10 CAPÍTULO 2. ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS
S = {θ}
R = {θ̇}
X = S ×R
X es un cilindro (una variedad).
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.
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 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
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.
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).
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
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
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
ẏ = P −1 AP y
Ejemplo:
siendo x(0) = (c1 , c2 )T . De acuerdo con la anterior se tiene que la solución del sistema
lineal es
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.
ẋ = Bx x(0) = x0 (2.10)
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.
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
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
18 CAPÍTULO 2. ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS
linealmente independientes para todo t ∈ R, entonces se dice que X(t) es una matriz
fundamental de soluciones de ẋ = Ax.
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
2.3. SISTEMAS DINÁMICOS LINEALES 19
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.
2.3.2. Estabilidad
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.
2.3. SISTEMAS DINÁMICOS LINEALES 21
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.
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
x2
x2
x1
x1
x2 x2
x1
x1
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).
eAt E ⊂ E
para todo t ∈ R.
k
v= ci vi
i=1
y, por linealidad,
k
Av = ci Avi
i=1
(A − λI)vi = Vi
IRn = E s ⊕ E u ⊕ E c
además,
ẋ = Ax, x(0) = x0
u = k(x)
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.
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].
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)
2.5. PROPIEDADES DE LAS SOLUCIONES 27
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).
Ω = {(t, x0 ) ∈ R × U; t ∈ I(x0 )}
ϕt : IRn → IRn
x0 → ϕt (x0 ) = eAt x0
• ϕ0 es la aplicación identidad.
• Si el sistema es autónomo entonces
ϕt ◦ ϕs = ϕt+s
ϕ−t = ϕ−1
t
Se supone que
28 CAPÍTULO 2. ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS
El sistema lineal
ẋ = Jx0 (f )x
se llama linealización de (2.17) en el punto x0 .
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
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,
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
2.5.6. Linealización
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).
ẋ = Jx0 (f )x
ϕt (S s ) ⊂ S s ; ϕt (S u ) ⊂ S u
para todo t ≥ 0 y
lı́m ϕt (x0 ) = 0, ∀x0 ∈ S s
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
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.
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
34 CAPÍTULO 2. ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS
Ejemplo:
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
-1
-1 0 1 2
Figura 2.6: Retrato de estados de un sistema de dimensión 2, mostrando un ciclo lı́mite.
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.
ẋ = f (x) (2.20)
lı́m ϕ(tn , x) = p
n→∞
lı́m ϕ(tn , x) = q
n→∞
2.6. CICLOS Y ATRACTORES 37
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.
1.5
Γ0
0.5
x2
−0.5
−1
−1.5
−2
Además de los puntos de equilibrio y de los ciclos lı́mites existen otros conjuntos
lı́mites.
Ejemplo:
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
ẋ1 = x2
ẋ2 = − sin x1
2.6. CICLOS Y ATRACTORES 39
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.
1.5
Γ0
0.5
x2
−0.5
−1
−1.5
−2
Atractores
40 CAPÍTULO 2. ANÁLISIS CUALITATIVO DE SISTEMAS DINÁMICOS
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.
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.
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. CICLOS Y ATRACTORES 41
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:
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.
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.
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.
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 .
Π : Lδ → Lε ; x0 → ϕ(T (x0 ), x0 ).
Lε
Π(x0 )
x0
x0
x1
Π(x0 )
Π(x1 )
fp : [0, 1] → [0, 1] = X
fp (x) = px(1 − x) 0 ≤ p ≤ 4
x
y
47
48CAPÍTULO 3. ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS
f(x)
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.
lineal ẋ = λx
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.
Los puntos de equilibrio serán los puntos de intersección de cada curva f con la
recta X.
dx
= f (x), (3.1)
dt
f(x)
dx
= −x, (3.2)
dt
1111111111 00000000
0000000000 00000 01100 000000
11111111 11111 111111 00000000
11111111 00000000000
11111111111 x
111
000
-1
1110
000 111
000
1 x
dx
= −(x3 − x). (3.3)
dt
-1
-2
0 1 2 3 4 5
t
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.
52CAPÍTULO 3. ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS
ẋ = f (x, p)
Ejemplos
f1 (x, p) = −(x − p)
f2 (x, p) = x + p
f3 (x, p) = −x3 + p.
dx
= f (x, p). (3.4)
dt
3.3. FAMILIAS DE SISTEMAS DINÁMICOS 53
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
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
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.
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.
f (x)
x(c < 0)
x(c = 0)
x(c > 0)
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.
xe
Bifurcación transcrı́tica
ẋ = x2 + cx.
58CAPÍTULO 3. ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS
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.
Histéresis
xe
f (x, c)
−2
√ )
x(c = 3 3
x(c = 0)
2
√
x(c = 3 3
)
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.
60CAPÍTULO 3. ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS
Bifurcación tridente
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
3.4. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSIÓN UNO 61
la cúbica se va haciendo cada vez más pequeña hasta que en d = 0 se hace nula,
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.
xe
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.
xe
Pliegue o cúspide
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
4d3 = 27c2
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.
Bifurcación silla-nodo
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.
2 2 2
1 1 1
x2
x2
0 0 0
−1 −1 −1
−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.
66CAPÍTULO 3. ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS
Bifurcación tridente
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 1 1
x2
x2
0 0 0
−1 −1 −1
−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.
Bifurcación vertical
ẋ1 = λx1 + x2
ẋ2 = −x1 + λx2 . (3.9)
ṙ = λ r
θ̇ = −1.
3.4. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSIÓN UNO 67
2 2 2
1 1 1
x2
x2
0 0 0
−1 −1 −1
−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
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.
68CAPÍTULO 3. ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS
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
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
x1 r
0
λ 0 λ
x2
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.
70CAPÍTULO 3. ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS
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.
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).
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).
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 .
Bifurcación homoclina
ẋ1 = 2x2
ẋ2 = 2x1 − 3x22 − x2 (x31 − x21 + x22 − c)
H∞
x
SNOP
H0
π π
4 2
λ
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).
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
3.4. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSIÓN UNO 73
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
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
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
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.
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
3.4. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSIÓN UNO 75
λ2
SNa
111111111
000000000
000000000
111111111
000000000
111111111000000
111111
000000000
111111111000000
111111
000000000
111111111000000
111111
000000
111111
000000000
111111111000000
111111
000000000
111111111
000000000
111111111000000
111111
000000000
111111111000000
111111
000000000
111111111
2 000000
111111
3
000000
111111
000000000
111111111000000
111111
000000000
111111111
000000000
111111111000
111
000000
111111
000000000
111111111000
111
000000
111111
000
111
000000000
111111111000000
111111
000
111 λ1
000000000
111111111000000
111111
000
111
000000000
111111111000000
111111
000
111
000000
111111
000000000
111111111
000000000
111111111000
111
000000
111111
000000000
111111111000
111
000000
111111
000
111
000000000
111111111000000
111111
000
111
1 111111
000000000
111111111000000
000
111
000000
111111
4
000000000
111111111000
111
000
111
CH SNb
H
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.
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.
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
78CAPÍTULO 3. ANÁLISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINÁMICOS
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.
adas:
crecimiento y estabilización; y
declive.
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.
⎡ ⎤
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
3.5. CRECIMIENTO LOGÍSTICO CON UN RETRASO EN LA ESTRUCTURA 81
xe
x+e
HO
......
..
H
SN
x-e
T μ
Figura 3.31: Diagrama de bifurcaciones del sistema con retardo.
(λ − (n − m))(λ + ka)k
y el de J(x± ± ±
e , xe , · · · , xe ) es
siendo
2n ± 1−δ
α= nx± ˜ ±
e f (xe ) = x ±
− xe .
δ e 2
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.
0.825812
-0.112962
-0.0977844 1.05
x
0.943976
-0.133629
-0.0951067 1.29732
x
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.)
[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.
[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.
[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.
[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).
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.
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
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
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.
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.
0 + −x v α x
s2 −αs+1
-
(.)2
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.
ẍ − αẋ + x = αv
ẋ(t) = Aω cos ωt
por consiguiente, la salida del bloque no lineal de la figura 4.1 viene dada por
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
r=0 + −x A2 v α x
4
s s2 −αs+1
-
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).
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
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
de donde se tiene
1 + G(jω)N(A, ω) = 0 (4.10)
4.1. MÉTODO DEL PRIMER ARMÓNICO 93
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.
G2 (s)
∞
v(t) = a0 + (ak cos(kωt) + bk sen(kωt))
k=1
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(x)
v(x)
−x x+π
x x
v(−x)
v(x + π)
a) b)
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.
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.
es siempre alternada, por lo que los términos pares desaparecen. Por tanto ante una
no-linealidad uniforme se tendrá
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
se pretende minimizar
2π
1
J= e2 (t)d(ωt)
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
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
k salida saturada
ka
0 a x 0 γ ωt
ka
0 A
γ x(t)
π/2
entrada
sinusoidal
ωt
4.2.2. Relé
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
a → 0, k → ∞
4.2.3. Holgura
v v(t)
k(A − b)
-b 3π/2
b x π/2 ωt
−k(A − b)
-A A
x(t)
π/2
3π/2
2π − γ
ωt
Figura 4.11: Generación de la seńal de salida para una señal sinusoidal de entrada en
una holgura.
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
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
-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.
+
G(s)
-
H(s)
plano s G(s)H(s)
+∞
-1
−∞
ω → +∞
Sea el sistema lineal de la figura 4.14, cuya ecuación caracterı́stica resulta ser
1 + G(s)H(s) = 0 (4.24)
Z =N +P
Im
0 + G(s)H(s)
k G(s)
-
-1
Re
H(s)
−1/k
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.
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
El componente fundamental de la señal de salida del elemento no lineal v(t) resulta ser
x(t) = {Aejωt }
4.3. ANÁLISIS DE SISTEMAS NO LINEALES MEDIANTE LA FUNCIÓN DESCRIPTIVA107
siendo α = ∠G(jω).
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.
Im
G(jω)
ω
Re
L A
−1/N (A)
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.
Con los ciclos lı́mites sucede lo mismo que con los equilibrios: que pueden ser estables
o inestables. Las soluciones de la ecuación (4.30) deben someterse a un análisis de
estabilidad, para determinar cuales de ellas son estables y cuales no. El criterio de
Nyquist ampliado que hemos visto en la sección 4.3.1, permite analizar esa estabilidad.
Considérese la figura 4.21 en la que se muestran las intersecciones entre la función
de transferencia de la parte lineal y la inversa de la función descriptiva de la parte
4.3. ANÁLISIS DE SISTEMAS NO LINEALES MEDIANTE LA FUNCIÓN DESCRIPTIVA109
Im
−1/N (A, ω) G(jω)
ω4
ω3 A
ω2 Re
ω1
A1 A2 A3 A4
-1
G(jω)N (A, ω)
Im
ω G(jω)
L2 −1/N (A, ω) Re
L1
L”1 L1
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.
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:
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
N(A)G(jω) + 1 = 0
Haciendo
se tiene
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.
Ejemplo
r=0 +
G(s)
-
Es decir
4K = −πAjω(jω + 2)
Igualando sus partes reales e imaginarias se tiene:
4K = πAω 2
−2πAjω = 0
Im
G2 (jω)
A
P P P” Re
K πA
=−
jω(jω + 2)(jω + 5) 4
es decir
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.
a) b)
Figura 4.25:
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.
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.
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
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)
4.4. LA FUNCIÓN DESCRIPTIVA DUAL 117
4.4.1. Ejemplo
r=0 + u y
s+1
G(s)=
2
s +bs+2
-
- y2
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)
E1
y
E2
f (y) -2y
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.
b>0 b<0
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.
120 CAPÍTULO 4. FUNCIÓN DESCRIPTIVA Y BALANCE ARMÓNICO
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
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
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.
r + u y
G(s)
-
f(.)
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
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
4.5. CÁLCULO DE VARIOS ARMÓNICOS EN EL MÉTODO DE BALANCE ARMÓNICO123
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)
Û Ŷ
ϕ(·)
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 la condición para la existencia de una órbita periódica queda reducida a ûc1 = 0
y ûs1 = a.
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
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.
128 CAPÍTULO 4. FUNCIÓN DESCRIPTIVA Y BALANCE ARMÓNICO
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
b = 0,2
b = 0,31
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
[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.
[Sal95] F. Salas. Estudio de la dinámica de un oscilador electrónico del tipo van der
pol-duffing. Proyecto Final de Carrera, 1995.
131
132 BIBLIOGRAFÍA
Capı́tulo 5
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
133
134 CAPÍTULO 5. BIFURCACIONES EN SISTEMAS DE CONTROL
ϕ(.)
O y
E2
1 if 0≤a≤1
N(a) = 2
π
sin−1 1
a
+ a1 1 − 1
a2
if a>1
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.
k
G(s) =
s+a
p(s) = s + a + k
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
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
G(0)
−0.1
-1/N(A)
−0.2
−0.3
G(jw)
−0.4
−0.5
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
1
u 1 s
Po Po
-k 0 a 0 -k a
-1
-1
k1 + k2 s
G(s) =
s2 + a1 s + a2
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
B A
B
a2
B A
P a1 P
D C
DSC
D C
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
0.8
0.6
0.4
0.2
−0.2
−0.4
−0.6
−0.8
−1
−1 −0.5 0 0.5 1
b
5
a
0
−1
−2
0 0.5 1 1.5 2 2.5 3
t
φ(y)
How does the delay affect the bifurcation diagram of the system without delay?
5.3. CONTROL SYSTEMS WITH A DELAY 141
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
unstable equilibrium points
stable limit cycles
φ ( y)
142 CAPÍTULO 5. BIFURCACIONES EN SISTEMAS DE CONTROL
k(s + ki )e−Ls
G(s) =
s(s + a)
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)
−0.5
−1
L = 0.1 s −1.5
−2
−2 −1.5 −1
real G(jw)
−0.5 0 0.5
ki = 1
k= constant k= constant
s
1 Ho
1
0 -k 0
-k a -1 a
-1
Depending on G(0) and of ϕ(y) equilibria other than the origin can appear.