Apuntes PDF

Notas del curso
Analisis de Sistemas No Lineales
Javier Aracil Santonja
Francisco Salas Gomez
Francisco Gordillo Alvarez
Departamento de Ingeniera de Sistemas y Automatica

Universidad de Sevilla
ii
Notas del curso Analisis de Sistemas no
Lineales
Impartido por:
Javier Aracil
Francisco Gordillo
Francisco Salas
25 de septiembre de 2007
2
Indice general
1. Introduccion 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 Analisis 6
2. Analisis cualitativo de sistemas dinamicos 7
2.1. Formalizacion del concepto de sistema dinamico . . . . . . . . . . . . . 7
2.2. Crecimiento logstico o acotado . . . . . . . . . . . . . . . . . . . . . . 8
2.2.1. Retrato de estados de sistemas no lineales . . . . . . . . . . . . 11
2.3. Sistemas Dinamicos Lineales . . . . . . . . . . . . . . . . . . . . . . . . 12
2.3.1. Sistemas dinamicos autonomos lineales de dimension dos . . . . 15
2.3.2. Estabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.4. Sistemas dinamicos no lineales . . . . . . . . . . . . . . . . . . . . . . . 22
2.5. Propiedades de las soluciones . . . . . . . . . . . . . . . . . . . . . . . 23
3
4 INDICE GENERAL
2.5.1. Existencia y unicidad de las soluciones . . . . . . . . . . . . . . 23
2.5.2. Flujo denido por un sistema dinamico . . . . . . . . . . . . . . 24
2.5.3. Sistema dinamico como ujo . . . . . . . . . . . . . . . . . . . . 25
2.5.4. Orbitas y retratos de estados . . . . . . . . . . . . . . . . . . . 26
2.5.5. Puntos de equilibrio . . . . . . . . . . . . . . . . . . . . . . . . 27
2.5.6. Linealizacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.5.7. Linealizacion de un sistema dinamico en IRn . . . . . . . . . . . 30
2.5.8. Equivalencia topologica . . . . . . . . . . . . . . . . . . . . . . . 31
2.5.9. Conjuntos lmite y equilibrios . . . . . . . . . . . . . . . . . . . 32
2.6. Ciclos y atractores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.6.1. Conjuntos lmite y atractores . . . . . . . . . . . . . . . . . . . 34
2.6.2. Comportamiento a largo plazo de las trayectorias . . . . . . . . 38
2.6.3. Estudio de orbitas periodicas . . . . . . . . . . . . . . . . . . . 39
2.6.4. Atractores extranos . . . . . . . . . . . . . . . . . . . . . . . . . 42
3. Analisis cualitativo y bifurcaciones en sistemas dinamicos 44
3.1. Analisis cualitativo de sistemas no lineales . . . . . . . . . . . . . . . . 44
3.2. Analisis cualitativo de sistemas dinamicos de dimension 1 . . . . . . . . 44
3.2.1. Estabilidad estructural . . . . . . . . . . . . . . . . . . . . . . . 49
3.3. Familias de sistemas dinamicos . . . . . . . . . . . . . . . . . . . . . . 49
3.3.1. Diagramas de bifurcaciones en sistemas no lineales . . . . . . . . 52

INDICE GENERAL 5
3.4. Bifurcaciones elementales en sistemas de dimension uno . . . . . . . . . 52
3.4.1. Bifurcaciones elementales en sistemas dinamicos de dimension dos 62
3.4.2. Evolucion de los autovalores en una bifurcacion de Hopf. . . . . 67
3.4.3. Bifurcaciones de orbitas periodicas . . . . . . . . . . . . . . . . 67
3.4.4. Bifurcaciones de codimension dos . . . . . . . . . . . . . . . . . 69
3.4.5. Diagrama de bifurcaciones del experimento de Taylor-Couette. . 73
3.5. Crecimiento logstico con un retraso en la estructura . . . . . . . . . . . 76
References 81
3.6. Apendice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
4. Funcion descriptiva y balance armonico 86
4.1. Metodo del primer armonico . . . . . . . . . . . . . . . . . . . . . . . . 86
4.1.1. Ejemplo introductorio . . . . . . . . . . . . . . . . . . . . . . . 86
4.1.2. Principios del metodo . . . . . . . . . . . . . . . . . . . . . . . 90
4.1.3. Transformacion de Fourier . . . . . . . . . . . . . . . . . . . . . 91
4.1.4. Funcion descriptiva . . . . . . . . . . . . . . . . . . . . . . . . . 92
4.1.5. Interpretacion estocastica de la funcion descriptiva . . . . . . . 94
4.1.6. Propiedad del cono . . . . . . . . . . . . . . . . . . . . . . . . . 94
4.2. Algunas funciones descriptivas . . . . . . . . . . . . . . . . . . . . . . . 95
4.2.1. Saturacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
4.2.2. Rele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
6 INDICE GENERAL
4.2.3. Holgura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.2.4. Determinacion experimental de la funcion descriptiva . . . . . . 100
4.3. Analisis de sistemas no lineales mediante la funcion descriptiva . . . . . 101
4.3.1. Una ampliacion del criterio de Nyquist . . . . . . . . . . . . . . 102
4.3.2. Oscilaciones de un servomecanismo no lineal . . . . . . . . . . . 103
4.3.3. Funcion descriptiva independiente de la frecuencia . . . . . . . . 104
4.3.4. Funcion descriptiva dependiente de la frecuencia . . . . . . . . . 105
4.3.5. Estabilidad de los ciclos lmite . . . . . . . . . . . . . . . . . . . 105
4.3.6. Fiabilidad del analisis mediante funciones descriptivas . . . . . . 112
4.4. La funcion descriptiva dual . . . . . . . . . . . . . . . . . . . . . . . . . 112
4.4.1. Ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
4.5. Calculo de varios armonicos en el metodo de balance armonico . . . . . 118
4.5.1. Denicion del algoritmo . . . . . . . . . . . . . . . . . . . . . . 123
4.5.2. Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
Bibliografa 127
5. Bifurcaciones en sistemas de control 129
5.1. Feedback systems with saturation . . . . . . . . . . . . . . . . . . . . . 129
5.1.1. Equilibria in a system with saturation . . . . . . . . . . . . . . 130
5.1.2. Limit cycles in a system with saturation . . . . . . . . . . . . . 131
5.1.3. First order system . . . . . . . . . . . . . . . . . . . . . . . . . 131

INDICE GENERAL 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 INDICE GENERAL
Captulo 1
Introduccion
1.1. El problema del control
Mediante el control automatico se trata de concebir y construir los organos de con-

trol que gobiernen el comportamiento de las maquinas. Tratamos de concebir maquinas
que alimentadas con informacion con relacion al comportamiento de las magnitudes que
se quieren controlar, procesen convenientemente esta informacion y concluyan como se
ha de actuar para conseguir que la maquina se comporte de la forma apetecida.
Veamos un ejemplo matematicamente muy simple de lo que estamos diciendo. En

todo proceso de control estan involucrados dos componentes esenciales: la planta o
proceso que se pretende controlar y el organo de control o controlador, con el que se
gobierna el comportamiento de la planta. Para el diseno de este ultimo, el ingeniero de
control parte del sistema dinamico que constituye el modelo matematico de la planta
a controlar. Este modelo matematico describe los efectos relativos entre las distintas
variables y los parametros involucrados en el proceso. Ademas, el modelo matematico
permite tambien la simulacion informatica del proceso real que se trata de controlar.
De este modo las matematicas intervienen con un papel crucial en la representacion
del proceso cuyo comportamiento se quiere automatizar. Supongamos, en un caso par-
ticularmente simple, que el modelo de la planta viene dado por la expresion
x = x + u (1.1)
En esta expresion 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 senal u
representa los actuadores o entradas al proceso, y x es la senal procedente de los sensores
o salidas. Observese que la expresion anterior, pese a su sencillez formal, representa
un problema particularmente difcil. En ausencia de senal de control, es decir para
1
2 CAPITULO 1. INTRODUCCION
Planta
u x
Controlador
Figura 1.1: Estructura de realimentacion.
u = 0, el sistema es inestable: la variable x crece exponencialmente. Precisamente

uno de los objetivos basicos que se pretende es estabilizar este sistema inestable. El
ingeniero de control tiene que encontrar una estrategia de actuacion sobre el sistema
de modo que a partir de las medidas de la senal x sea capaz de determinar la senal
de actuacion u, de manera que el comportamiento resultante sea estable. A partir de
la informacion x que suministran los sensores se trata de obtener la accion u de los
actuadores; es decir, se quiere determinar una funcion u = f (x), que se conoce como
ley de control. Para resolver este problema, en primer lugar, tiene que representar
matematicamente lo que pretende alcanzar, que como se acaba de ver es, en primera
instancia, un comportamiento estable. Un posible comportamiento de este tipo para la
variable x viene dado por
x = kd x (1.2)
en donde kd > 0. Esta es precisamente la representacion matematica de lo que queremos
lograr.
Observese que eligiendo adecuadamente el parametro 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 funcion de los objetivos propuestos. Las especi-
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 cuadratico medio de la
desviacion de la situacion de equilibrio sea mnimo supuesto el sistema sometido a per-
turbaciones de tipo estocastico. La teora del control automatico permite resolver el
problema en muchas situaciones de interes practico.
Una vez planteado el problema su resolucion es inmediata. Si se quiere el compor-

tamiento (1.2) para el sistema representado por (1.1) bastara 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 realimentacion

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

interes y su estudio sistematico constituye una de las grandes contribuciones de la inge-
niera del control, que ha trascendido el propio dominio de la ingeniera para constituir
una aportacion tanto a las ciencias de la naturaleza como a las sociales y humanas. Por
ello conviene que le dediquemos algun espacio. Si observamos el diagrama de la gura 1
veremos que muestra una estructura causal circular, en virtud de la cual toda actuacion
u produce un efecto x que se realimentapara incidir en la decision del nuevo valor de
u que se aplica al sistema, y as en una espiral sin n.
Formalizacion del problema abstracto del control (como en su da formalizaron las

representaciones geometricas del hombre primitivo o las trayectorias de los primeros
mecanicos), en una teora matematica de los sistemas realimentados que no es sino una
rama de la teora de sistemas dinamicos. Esta formulacion abstracta del problema del
control consiste en considerarlo como el problema formado por:
1. El modelo matematico 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 exigira que

sea estable, por ejemplo, mediante una expresion del tipo (1.2). Ademas se le
impondran otras condiciones adicionales, de modo que se cumplan ciertas especi-
caciones.
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 motivacion, se consigue con la ley de control (1.3).
Esta es la situacion ideal con la que aspira a encontrarse el que trata de resolver un
problema de control. Veremos luego, al considerar el caso del pendulo invertido, que en
la practica hay que hacer importantes matizaciones a este esquema.
El modelo matematico del proceso a controlar de la expresion (1.1) es un sistema

dinamico lineal. Las representaciones lineales de los procesos tienen la ventaja de que la
teora matematica de sistemas dinamicos lineales esta muy elaborada y su aplicacion
practica presenta considerables ventajas. Sin embargo, sabemos que constituye una
primera aproximacion, 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 idealizacion ya que toda magnitud fsica se desenvuelve en un
rango acotado. Si el sistema posee componentes mecanicas, un modelo estrictamente
lineal no considera los efectos de la friccion o de las holguras en los mecanismos de
transmision. El modelo lineal es solamente una primera aproximacion que dependiendo
del problema que se tenga entre manos puede ser suciente o no.
El problema del control tal y como se ha resuelto mediante las expresiones (1.1),
(1.2) y (1.3) constituye una version enormemente simplicada de un problema que, aun
en su planteamiento lineal, si x y u son vectores adquiere una considerable complejidad,
que se incrementa ademas si los modelos son no lineales. Pero aun en esa version
enormemente simplicada estan presentes todos los elementos que concurren en un
problema de control. Tenemos un cierto ambito de la realidad, el proceso a controlar,
del que necesitamos una adecuada representacion matematica mediante un sistema
dinamico, tal como (1.1). Para llegar a esta representacion matematica necesitamos
recurrir a los conocimientos que se tienen con relacion al proceso en cuestion; o recurrir
a tecnicas de modelado especcas mediante ajuste de modelos. En todo caso partimos
de una descripcion matematica de un cierto aspecto de la realidad, de la que la expresion
(1.1) es una muestra particularmente sencilla.
1.2. EL control lineal es local

Sea el sistema de segundo orden

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

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

0 1
x = x
a2 + k1 a1 + k2
la dinamica del sistema en bucle cerrado puede ser denida arbitrariamente,

incluso en el caso de que la planta sea inestable.
En realidad esto solo es cierto localmente.
Las no linealidades en el bucle alteran la estructura del retrato de estados en el

espacio de estados global.
Sistemas no lineales
Los sistemas no lineales muestran comportamiento mas complejos que los lineales.
1.2. EL CONTROL LINEAL ES LOCAL 5
Los sistemas no lineales presentan dos diferencial principales con respecto a los
lineales:
Pueden tener multiples atractores, no solo el atractor puntual asociado al

punto de operacion;
Tres tipos principales de atractores:
Puntos de equilibrio.
Ciclos lmite.
Atractores extranos.
En estas norteas solo trataremos puntos de equilibrio y ciclos lmite.
The full consideration of nonlinear eects is out of scrutiny
1.2.1. Control Lineal y no Lineal - Estabilidad en Sistemas de

Control
Uno de los principales problemas que se plantean en la teora de control ha sido,

desde sus orgenes, el estudio de la estabilidad. Para sistemas lineales con dimensiones
nitas es posible organizar las nociones de estabilidad de las que se dispone en torno a
unos pocos conceptos basicos que, ademas pueden caracterizarse de forma precisa en
terminos algebraicos. Sin embargo, los sistemas no lineales presentan una variedad de
comportamientos mucho mas amplios de modo que la clasicacion 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 ultimos es el establecer

condiciones contrastables para analizar la estabilidad de un sistema sin conocer ex-
plcitamente sus soluciones. La contribucion clave a este problema se basa en los tra-
bajos de Liapunov. Su segundo metodo de analisis de estabilidad permite demostrar
propiedades locales y globales de estabilidad a partir del signo de la tasa de disipacion
de una funcion tipo energa. Posteriormente, otra contribucion importante, fue el re-
conocimiento de que las funciones de Liapunov pueden captar la propia naturaleza de la
estabilidad asintotica y que la existencia de esas funciones, con adecuadas propiedades
de disminucion a lo largo de las trayectorias del sistema, permiten caracterizar tanto
local como globalmente la estabilidad asintotica. Mas recientemente, la teora 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 tenan para sistemas
autonomos. Las desigualdades de disipacion y el segundo metodo de Liapunov juegan
un papel central en los llamados metodos constructivos de control no lineal reciente-
mente desarrollados. Normalmente se aplican a sistemas de dimensiones nitas.
Parte I
Analisis
7
Captulo 2
Analisis cualitativo de sistemas

dinamicos
2.1. Formalizacion del concepto de sistema dinami-

co
Nocion intuitiva de sistema dinamico: 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 matematico se construye a partir de las relaciones entre las correspon-

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

diferenciales o en diferencias: son los sistemas dinamicos de variables continuas
La nocion de sistema dinamico incluye el conjunto X de los posibles estados que

puede alcanzar y una regle o ley que regula la evolucion 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 denominacion de espacio de
estados.
Ejemplo:
9
10 CAPITULO 2. ANALISIS CUALITATIVO DE SISTEMAS DINAMICOS
Figura 2.1: Pendulo.
S = {}
R = {}
X = S R
X es un cilindro (una variedad).
El principal componente de un sistema dinamico es una regla de evolucion que

determina el estado xt a partir de x0 . Esta regla se representa mediante la apli-
cacion
t : X X
xt = (x0 )
t se denomina operador de evolucion.
Para sistemas en tiempo continuo la familia {t }tT de operadores de evolucion
se denomina flujo.
A un sistema dinamico (X, f ) se asocia un espacio de estados X y una aplicacion

t : X X que permite establecer la evolucion en X.
2.2. Crecimiento logstico o acotado
La estructura de realimentacion positiva permite dar razon 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 indenido (mas que en situa-
ciones extremas idealizadas). La forma de crecimiento con la que normalmente nos
2.2. CRECIMIENTO LOGISTICO O ACOTADO 11
,
crecimiento comportamiento asintotico
exponencial
Figura 2.2: Crecimiento logstico o sigmoidal.
encontramos es la que se conoce como crecimiento logstico o sigmoidal. Esta forma

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

itiva, responsable del crecimiento exponencial inicial, y de un bucle de realimentacion
negativa, al que se asocie el comportamiento estabilizador nal. En la fase inicial el
bucle de realimentacion positiva es el dominante, mientras que en la nal lo es de re-
alimentacion negativa. El cambio de dominacion 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 poblacion en un medio nito hasta la introduccion de un nuevo
producto en el mercado, pasando por la difusion de una enfermedad.
Constituye un ejemplo de lo que se conocen como arquetipos sistemicos que pueden

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

de crecimiento de un poblacion, que se puede escribir:
x = b(x) d(x), x > 0, (2.1)
en donde b(x) = nxg(x) son los nacimientos, d(x) = mx son las muertes, y x representa
f(x)=1+2x-3x2 (=1/3)
f(x)=1+x-2x2 (=1/2)
f(x)=1-x2 (=1)
Figura 2.3: Forma de la funcion g(x) para distintos valores del parametro .
la derivada (variacion) de x con respecto al tiempo t. De acuerdo con esta ecuacion el

crecimiento de la poblacion x resulta del exceso de nacimientos sobre muertes. Conviene
observar que las muertes dependen linealmente de la poblacion x, mientras que los
nacimientos dependen de x a traves de la funcion g que hace variar la tasa de natalidad
con el nivel alcanzado por la poblacion x. Una hipotesis razonable es que g es no lineal,
y tiene la forma cualitativa que se muestra en la gura 2.3.
De acuerdo con esta gura cuando la poblacion es muy pequena la natalidad crece
con la poblacion, mientras que cuando es grande decrece. Esta forma de g es consis-
tente con el supuesto del crecimiento sigmoidal segun el cual en las fases iniciales de
crecimiento este es explosivo, y en las nales tiende a un valor asintotico. De la curva g
lo unico que nos interesa es su forma creciente al principio y decreciente luego; es decir,
su forma cualitativa. Podemos adoptar para ella la expresion matematica siguiente:

1 x2
g(x) = 1 + x , (0, 1] .

es decir, una forma parabolica (gura 2.3).
De acuerdo con lo que se ha visto, la expresion (2.1) puede escribirse

x = x(ng(x) m).
Esta expresion es un ejemplo de lo que se conoce como un sistema dinamico. Su parte
derecha puede interpretarse como la regla que establece como se produce la variacion x
2.2. CRECIMIENTO LOGISTICO O ACOTADO 13
de x a lo largo del tiempo. Esta expresion puede interpretarse tambien como un campo
vectorial x denido sobre X = {x}. En general, un sistema dinamico se dene como el
objeto formado por un espacio de estados X (una variedad) y un campo vectorial f ,
denido en X
sistema dinamico = variedad de estados X + campo vectorial f
De acuerdo con ello un sistema dinamico se dene por el par (X, f ). Una de las for-
mulaciones mas generales de un sistema dinamico, mediante un sistema de ecuaciones
diferenciales de primer orden, es la siguiente
x = f (x) (2.2)
en donde la funcion f establece la regla mediante la cual se produce el cambio del
estado a lo largo del tiempo y representa la dinamica del sistema
xt+dt = xt + f (xt )dt.
Existen otras formulaciones para la transicion entre estados, que dan lugar a otras
tantas formas de escribir sistemas dinamicos. Sin embargo aqu nos limitaremos a la
que se acaba de enunciar.
El espacio X tiene, en general, dimension n, de modo que (2.2) se descompone en

un conjunto de ecuaciones de la forma:
xi = fi (x1 , x2 , ..., xn ) (2.3)
a cada una de las cuales corresponde una relacion de inuencia
dXi
X1 , X2 , ...Xn (2.4)
dt
De este modo es posible concebir una transicion de los grafos, mediante relaciones de
inuencia, que se han considerado anteriormente (recuerdese la gura ??), a sistemas
dinamicos como los de la expresion (2.2). Conviene observar que para esta transicion
hay que enriquecer la informacion estructural de las relaciones de inuencia con infor-
macion adicional. La dinamica de sistemas, como metodo para el modelado y simulacion
de sistemas dinamicos, aporta herramientas conceptuales e informaticas para realizar
esa transicion (Aracil y Gordillo 1997).
2.2.1. Retrato de estados de sistemas no lineales
Cada atractor tiene su cuenca de atraccion.

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 mas complejos:

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

atraccion se combinan en el retrato de estados.
2.3. Sistemas Dinamicos Lineales
Aunque el objetivo de este curso es el estudio de sistemas dinamicos en toda su

generalidad, por tanto no lineales, conviene recordar algunos resultados relativos a los
sistemas dinamicos lineales, ya que, como veremos, los sistemas dinamicos no lineales
se comportan localmente como lineales.
Un sistema dinamico lineal viene dado por una expresion de la forma
x = Ax, x IRn
2.3. SISTEMAS DINAMICOS LINEALES 15
en donde A es una matriz n n constante que tiene todos sus valores propios reales
y distintos. Un resultado bien conocido de la teora de sistemas lineales dice que si los
valores propios 1 , 2 , ..., n de una matriz A son reales y distintos, entonces todo el
conjunto de vectores propios correspondientes {v1 , v2 , ..., vn } forma una base de IRn , en
cuyo caso la matriz
P = [v1 , v2 , ..., vn ]
es invertible y
P 1 AP = diag[1 , 2 , ..., n ]
si se realiza el cambio de coordenadas
y = P 1 x
en donde P es la matriz invertible anterior. Se tiene entonces
y = P 1 AP y
de donde se tiene que

y(t) = diag[e1 t , e2 t , ..., en t ]y(0)
y tambien
x(t) = P diag[e1 t , e2 t , ..., en t ]P 1 x(0)
Ejemplo:
Sea el sistema lineal
x1 = x1 3x2 (2.5)
x2 = 2x2 (2.6)
siendo x(0) = (c1 , c2 )T . De acuerdo con la anterior se tiene que la solucion del sistema
lineal es
x1 = c1 et + c2 (et e2t ) (2.7)

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

algunos de ellos sean multiples, se tiene un resultado analogo al anterior, pero de mayor
complejidad. Sea A una matriz real que posea los valores propios reales i , i = 1, ..., k
y los valores propios complejos
i = ai + jbi , i = ai jbi , i = k + 1, ..., n
Entonces existe una base para R2nk
{v1 , ..., vk , vk+1 , uk+1, ..., vn , un }

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

1 0 0
0 1 0

0 0 1
0 0 0
para un valor propio real multiple 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 multiple = a + bj de A.
La solucion 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
x = Ax x R2 (2.9)
en donde A es una matriz real. En tal caso existe una matriz P real y no singular tal
que
B = P 1AP
tiene una de las formas siguientes:

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

t
e 0
x(t) = x0
0 et

t 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 proxima
seccion se presentara un resultado mas detallado.
2.3.1. Sistemas dinamicos autonomos lineales de dimension

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

sionales, que son extensibles a sistemas de orden superior.
Las soluciones de un sistema lineal x = Ax estan denidas para todo t R.
Si x1 (t) y x2 (t) son soluciones del sistema x = Ax, y c1 y c2 son dos numeros reales,
entonces la combinacion lineal c1 x1 (t) + c2 x2 (t) es tambien solucion del sistema lineal.
A esto se le denomina principio de superposicion.
Dos soluciones x1 (t) y x2 (t) del sistema x = Ax se dice que son linealmente inde-
pendientes si para t R, la relacion
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 x = Ax entonces la matriz X(t) =

(x (t)|x2 (t)) se denomina matriz solucion; si ademas 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 x = Ax.
Si X(t) es una matriz fundamental de soluciones de x = Ax y cumple la condicion

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 solucion de la ecuacion difer-

encial x = Ax que satisface la condicion inicial x(0) = x0 esta dada por la expresion:
(t, x0 ) = eAt x0 ,
donde
eAt X(t)[X(0)]1 .
Equivalencia cualitativa en sistemas lineales
Dos sistemas lineales de dimension dos x = Ax y x = Bx se dice que son

topologicamente equivalentes si hay un homeomorsmo h : R2 R2 en el plano, tal
que, h es continua y con inversa continua, que transforma las orbitas de x = Ax en las
de x = Bx y conserva su sentido en el tiempo. Es decir:
h(eAt x) = eBt h(x) para todo t R y x R2 .
A continuacion, y dado el caracter restrictivo de la equivalencia lineal de sistemas,

se presentan dos teoremas sobre la equivalencia topologica de sistemas y su clasicacion
cualitativa.
Teorema 2.1. Sean dos matrices A y B que tienen autovalores con parte real dis-
tinta de cero (sistemas hiperbolicos), entonces los sistemas x = Ax y x = Bx son
topologicamente equivalentes si y solo si las matrices A y B tienen el mismo numero
de autovalores con parte real negativa (y por consiguiente tambien positiva).
As pues, en sistemas planos, hay tres clases de sistemas hiperbolicos lineales, que
pueden representarse simplificadamente como:

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

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

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

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

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

1 0
(iii) un autovalor positivo y otro cero. Los conjuntos -lmite (inicio) de
0 0
todas las orbitas negativas (hacia atras) son puntos de equilibrio.

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

0 1
(v) dos autovalores imaginarios puros. Cada orbita que no sea un equi-
1 0
librio es periodica.
En la gura 2.4 se muestra el diagrama de fases de cada una de las clases rep-
resentativas de equivalencia topologica de sistemas lineales denidas en los teoremas
anteriores.
Dentro de la clasicacion de sistemas hiperbolicos realizada en el teorema 2.1 se

pueden denir varios tipos de equilibrios, estables e inestables, dependiendo de si los
autovalores son complejos o reales.
2.3.2. Estabilidad
Si todos los valores propios de una matriz no singular A de dimension n n tienen

parte real no nula, se dice que el ujo
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 topologica
de sistemas lineales planos.
es hiperbolico. El punto de equilibrio unico x = 0 se dice que es un punto de equilibrio

hiperbolico.
Un punto de equilibrio hiperbolico puede ser o bien un pozo, si todos los valores
propios tienen parte real estrictamente negativa o bien, una fuente si todos los valores
propios tienen parte real estrictamente positiva, o bien un punto de silla o ensilladura
si los valores propios tienen signos diferentes.
Veamos con detalle el caso de un sistema lineal de dos dimensiones. Si x = 0 es un

pozo o una fuente, las soluciones se acercan a (o se separan de) x = 0 de dos formas,
o bien bajo la forma de nodo, o bien bajo la forma de foco.
Sea = det A y = trazaA y considerese el sistema lineal

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

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

2 4
=
2
En el caso general para n 1 se tiene lo siguiente. De acuerdo con lo que se ha

visto anteriormente la solucion de un sistema lineal
x = 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 hiperbolicos.
se escribe
x(t) = eAt x0
La aplicacion eAt : IRn IRn describe el comportamiento del punto x0 IRn a lo largo
de las trayectorias de (2.11).
Un subespacio E IRn se dice invariante bajo el ujo eAt : IRn IRn si
eAt E E
para todo t R.
Sea E el espacio de los vectores propios generalizados de A correspondientes a un

valor propio , entonces,
AE E
Para demostrar este resultado sea {v1 , v2 , ..., vk } un base de E formada por los vectores
propios generalizados. Sea v E,

k
v= ci vi
i=1
y, por linealidad,

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

(A I)ki vi = 0
para un cierto ki mnimo, se puede escribir
(A I)vi = Vi
o lo que es lo mismo Vi (A I)ki 1 E. Se deduce que Avi E y por tanto

Av E.
Sea wi = ui + jvi un vector propio generalizado de la matriz A, correspondiente al

valor propio i = ai + jbi . Consideremos igualmente la base IRn
B = {u1 , ..., uk , uk+1, vk+1 , ..., um , vm }
n = 2m k, entonces, E s = span{ui , vi ; ai < 0} es el subespacio estable, E c =

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 dimension 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). Ademas E s , E u y E c son subespacios invariantes bajo el ujo eAt de (2.11).
Conviene observar que las propiedades siguientes son equivalentes:
todos los valores propios de A tienen parte real estrictamente negativa,
xo IRn , lmt eAt x0 = 0
y para x0 = 0, lmt eAt x0 =
ademas,
todos los valores propios de A tienen parte real estrictamente positiva,
xo IRn , lmt eAt x0 = 0
y para x0 = 0, lmt eAt x0 =
2.4. Sistemas dinamicos no lineales
Despues del repaso que se ha hecho en la seccion anterior de algunos resultados

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

lineales
x = 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 tendra que el sistema realimentado correspondiente tomara la forma
x = f (x, k(x)), x(0) = x0

y = h(x)
lo que lo convierte en un sistema dinamico no lineal (2.12).
El estudio de los sistemas dinamicos no lineales comprende dos partes: una mas
elemental de caracter 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
hiperbolico; y una parte mas especca en la que se ponen en evidencia comportamientos
completamente nuevos con relacion a los que presentan los sistemas lineales.
2.5. Propiedades de las soluciones
2.5.1. Existencia y unicidad de las soluciones
Considerese en primer lugar el sistema dinamico

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

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

1 1
x 3 (t) x 3 (0) = t
Es decir
x(t) = t3
Pero, ademas, es facil ver que
x(t) = 0
tambien es una solucion del sistema dinamico que satisface las condiciones iniciales.
Por tanto el sistema dinamico anterior posee dos soluciones. Conviene observar que
(2.15) es continua en x = 0 pero que no es diferenciable. Este hecho justica el que la
solucion no sea unica y sugiere la necesidad de que el sistema sea diferenciable para
tener la unicidad. Aqu no profundizaremos en estas cuestiones, por ser mas propias de
un curso de matematicas, pero sin embargo si conviene esbozarlas para no olvidar las
sutilezas matematicas que presentan los sistemas dinamicos no lineales.
Sea f C 1 (U) en donde U es un abierto de IRn . Se dice que x(t) es una solucion
de la ecuacion diferencial no lineal
x = f (x)
sobre un intervalo Y , si x(t) es diferenciable sobre Y y
x = f (x)
para todo t I.
Po otra parte sea x0 U. x(t) es una solucion del problema con valor inicial
x = f (x) x(0) = x0
sobre un intervalo Y , si t0 I, x(t0 ) = x0 y si x(t) es una solucion de la ecuacion
diferencial no lineal
x = f (x)
sobre el intervalo Y .
Hay un teorema, que no vamos a demostrar aqu, que dice que si U es un abierto
de IRn que contiene x0 y supongamos que f C 1 (U), entonces existe un > 0 tal que
el problema con valor inicial
x = f (x) x(0) = x0
tiene una solucion unica x(t) sobre el intervalo [, ].
2.5.2. Flujo definido por un sistema dinamico
Sea U un abierto de IRn y sea f C 1 (U). Para x0 U sea (t, x0 ) la solucion del
problema con valor inicial
x = f (x) x(0) = x0 (2.16)
denida sobre un intervalo maximo de existencia I(x0 ). Entonces para t I(x0 ) la

aplicacion
t : U U
x0 t (x0 ) = (t, x0 )
se denomina ujo de la ecuacion diferencial (2.16) o ujo del campo de vectores f (x).
En lo que sigue se empleara la anotacion
= {(t, x0 ) R U; t I(x0 )}
Las propiedades del ujo lineal
t : IRn IRn
x0 t (x0 ) = eAt x0
se cumplen tambien para un ujo no lineal denido por (2.16).
2.5.3. Sistema dinamico como flujo
La aplicacion : IR IRn IRn representa la totalidad de las soluciones; se

denomina flujo del campo vectorial f (por analoga con el ujo de un uido).
La es tambien la dinamica o regla que especica como se transforma el estado

x X en otro estado t (x) en el tiempo t.
Propiedades naturales del operador :
0 es la aplicacion identidad.
Si el sistema es autonomo entonces
t s = t+s
Si t esta denido para todo t < 0, entonces el sistema es invertible y
t = 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 t son continuas.
t Z+ o IR+ .
El sistema dinamico es determinista.
De momento supondremos que el sistema dinamico es autonomo. Esta suposicion
la relajaremos mas adelante al considerar sistemas de control.
Un sistema dinamico (X, f ) es el objeto formado por un espacio de estados X
(una variedad) y un campo vectorial f , denido en X IRn , f C (x, x) y
T = IR.
dx
= f (x)
dt
En automatica un sistema dinamico es un objeto matematico formado por el
sextuplo (T, X, U, Y, f, g).
dx
= f (x, u)
dt
y = g(x)
Un sistema dinamico en tiempo discreto esta completamente denido mediante

la aplicacion de una paso f = 1
2 = 1 1 = f f = f 2
f 2 es la iteracion de dos pasos.
2.5.4. Orbitas y retratos de estados
Los metodos geometricos para el estudio de sistemas dinamicos estan basados

en imagenes geometricas. Los objetos geometricos basicos asociados a un sistema
dinamico son las orbitas y el retrato de estados.
A partir de un estado inicial x0 se genera la trayectoria
t (x0 ) = x(t)
La proyeccion de la trayectoria sobre X se denomina orbita.

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

sistemas en tiempo discreto.
El retrato de estados de un sistema dinamico es una representacion de sus orbitas

en el espacio de estados (la representacion graca y esquematica de un conjunto
representativo de ellas).
El retrato de estados muestra el numero y los tipos de los estados asintoticos a

los que tiende el sistema al hacer t .
puede interpretarse como el ujo de un uido.
2.5.5. Puntos de equilibrio
Un punto x0 IRn es un punto de equilibrio o un punto crtico de la ecuacion

diferencial
x = f (x) (2.17)
si
f (x0 ) = 0
A un sistema dinamico (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
x = Jx0 (f )x
se llama linealizacion de (2.17) en el punto x0 .
Un punto de equilibrio se dice que es un punto de equilibrio hiperbolico de (2.17)

sin ningun valor propio de la matriz jacobiana tiene parte real nula.
Conviene observar que si x0 es un punto de equilibrio de (2.17) y si t : U IRn

es el ujo de la ecuacion diferencial (2.17) entonces t (x0 ) = x0 para todo t R. Por
tanto x0 es un punto jo para el ujo t ; se dice tambien que es un 0, un punto crtico
o tambien un punto singular el campo de vectores f . Como en el caso lineal, un punto
de equilibrio hiperbolico se dira 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 ultimo, una ensilladura o un punto de silla si los valores
propios tienen signos diferentes.
Ejemplo
Sea el sistema dinamico

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 dinamico 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. Linealizacion
Si un punto de equilibrio de (2.17) es hiperbolico, 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 supondra que el punto
de equilibrio es el origen. Si este no fuese el caso se realizara el cambio de coordenadas
x x x0
Todos los resultados que se exponen a continuacion son validos localmente entorno al
punto de equilibrio considerado (es decir, el origen).
Sea U un abierto de x0 IRn que contiene el origen, sea f C 1 (U) y sea t el

ujo asociado al sistema no lineal (2.17). Supongamos que el origen es un punto de
equilibrio hiperbolico 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
supercie C 1 , S s de dimension k y una supercie C 1 , S u de dimension n k respecti-
vamente, tangente al espacio estable E s y tangente al espacio inestable E u asociados
a la linealizacion de (2.17) en el origen
x = Jx0 (f )x
Ademas, estas supercies son invariantes bajo el ujo t
t (S s ) S s ; t (S u ) S u
para todo t 0 y
lm t (x0 ) = 0, x0 S s
t
lm t (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. Supongase que el origen sea un punto de equilibrio de (2.17) y que J0 f tenga
m valores propios con parte real negativa, j valores propios con parte real positiva y
m = n j k valores reales nula. Entonces existe una supercie C r , S c , eventualmente
no unica, de dimension m tangente al espacio central E c en el origen e invariante bajo
el ujo t .
Ejemplo:
Sea el sistema
x1 = x21
x2 = x2
El subespacio estable E s del sistema linealizado en el origen (unico punto de equilibrio)

es el eje x2 y el subespacio central E c es el eje x1 . El resultado anterior predice la
existencia de una supercie invariante central, bajo el ujo y tangente al eje x1 en el
origen. El propio eje x1 es la tal supercie puesto que x2 = 0 implica x2 = 0. Sin

embargo, hay otras supercies centrales. En efecto, la solucion que pasa por el punto
(c1 , c2 ) con c1 < 0 viene dada por la solucion 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 ujo.
Por n, la curva x2 es tangente al origen. Es por tanto una supercie central.

Conviene observar que en este ejemplo las supercies centrales son de hecho centrales.
El resultado siguiente viene a completar los precedentes. Con el se puede precisar el
hecho de que siempre en un entorno de un punto de equilibrio hiperbolico el sistema
dinamico no lineal y su linealizado entorno a este punto tiene la misma estructura
cualitativa.
2.5.7. Linealizacion de un sistema dinamico en IRn
Para un equilibrio p se dene la matriz jacobiana

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

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

Si p es un atractor entonces Re(k ) 0, k = 1, ..., n
Cuando Re(k ) < 0, k se dice que p es un atractor hiperbolico.
Supongase que p es un atractor hiperbolico para un sistema dinamico f .
En tal caso existen innitos sistemas dinamicos fi que tienen un atractor
hiperbolico 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 i > 0, o similares)
se mantienen para pequenos cambios en los parametros.
En los centros que se denen por igualdades del tipo Re() = 0, cualquier pequena
perturbacion de los valores de los parametros destruira presumiblemente la igual-
dad.
Condicion necesaria para que un sistema sea estructuralmente estable es que sus
equilibrios (y tambien sus ciclos lmite) sean hiperbolicos.
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 topologica
Sean dos sistemas dinamicos

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

homeomorsmo preserva la parametrizacion
H(t (x)) = t (H(x))
en donde t y t son respectivamente los ujos de los sistemas dinamicos (1) y (2)
entonces se dice que estos dos sistemas son topologicamente conjugados.
Sea U un abierto de IRn que contenga al origen. Sea f C 1 (U) y sea t el ujo del
sistema no lineal
x = f (x)
Supongase que el origen es un punto de equilibrio hiperbolico. Entonces este sistema
dinamico y su linealizado entorno al origen
x = Jx0 (f )x
son topologicamente conjugados sobre un intervalo abierto I0 R.
Bajo estas hipotesis existe un homeomorsmo H que verica

H t (x0 ) = e(J0 f ) H(x0 )
Ejemplo:
Sea el sistema dinamico

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

x1 = c1 et
c21 t
x2 = c2 et + (e e2t )
3
Por otra parte
1 0
J0 f =
0 1
Se puede demostrar que este sistema y su linealizado son topologicamente equivalentes
utilizando el homeomorsmo

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

Se dene el conjunto lmite de un sistema dinamico como el conjunto formado
por los puntos de X tales que
y (x) tk , x(tk ) y
Conjunto de equilibrios E
Un punto p pertenece al conjunto de equilibrios E si
p E x(t) = p, si x0 = p, t
p = (p)
un equilibrio se representa por un punto en el retrato de estados y es la mas
simple de las orbitas.
2.6. CICLOS Y ATRACTORES 35
Ciclo lmite de perodo T0 > 0

Un ciclo lmite es una trayectoria tal que x(t + T0 ) = x(t), t
En la gura 2.6 se muestra el retrato de estados del sistema dinamico
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 dimension 2, mostrando un ciclo lmite.
Sea el sistema dinamico:

dx
= f (x) x(0) = x0
dt
Un equilibrio es un p : f (p) = 0.
Un ciclo lmite es una solucion periodica de esta ecuacion diferencial.
2.6. Ciclos y atractores
Despues de la descripcion 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 lmite.
lmites. Los mas notables de ellos son las orbitas periodicas, los bucles homoclnicos,
los ciclos separadores o los atractores extranos. Para su estudio se debe adoptar una
perspectiva global de los sistemas dinamicos no lineales.
2.6.1. Conjuntos lmite y atractores
Considerese de nuevo el sistema no lineal autonomo
x = f (x) (2.20)
en donde f C 1 (U), U es un abierto de x0 IRn . Sea x U, la solucion de (2.20) que

pase por x (., x) : R U se denomina trayectoria u orbita que pasa por x (algunos
autores emplean trayectoria para x(t) y orbita para la proyeccion de la trayectoria en
el espacio de estados).
Un punto p U es un punto -lmite de la trayectoria (., x) del sistema (2.20) si

existe una secuencia (tn ) tal que lmn y
lm (tn , x) = p
n
De manera analoga, un punto p U es un punto -lmite de la trayectoria (., x) del

sistema (2.20), si existe una secuencia (tn ) tal que lmn y
lm (tn , x) = q
n
El conjunto de todos los puntos -lmite (resp. -lmite) de una trayectoria se de-
nomina conjunto -lmite, denotado () (respectivamente conjunto -lmite denotado
()).
Una trayectoria que tiende a una orbita periodica y acaba situandose sobre ella,
posee una innidad de puntos -lmite, los que forman la propia orbita periodica.
Considerense los conjuntos lmites () y () asociados a una trayectoria de

(2.20), que son subconjuntos cerrados de U. Si esta contenida en un subconjun-
to compacto de IRn , entonces () y () son subconjuntos compactos, no vacos y
conexos de U. Ademas los subconjuntos () y () son invariantes bajo el ujo t .
t (()) () y t (()) ()
Ejemplo
Sea el sistema dinamico no lineal
x1 = x2 + x1 (1 x21 x22 ) (2.21)

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

= (1 2 )
= 1
Del retrato de estados se muestra en la gura 2.9

2 2
x1 = x2 + x1 (1 x1 x2 )
2 2
x2 = x1 + x2 (1 x1 x2 )
1.5
0
0.5
x2
0.5
1.5
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 crculo de radio unidad 0 se denomina ciclo (u orbita periodica) estable.

Ademas de los puntos de equilibrio y de los ciclos lmites existen otros conjuntos
lmites.
Ejemplo:
Sea el sistema dinamico no lineal
x1 = x2 (2.22)
x2 = x1 + x21
Es facil ver que este sistema dinamico posee dos puntos de equilibrio
x1 = x2 = 0
x1 = 1, x2 = 0
El jacobiano de este sistema dinamico

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 gura siguiente se muestra el retrato de estados de este sistema dinamico.

En este retrato de estado convienen observa la curva que es un conjunto lmite
denominado orbita homoclnica, ya que une un punto a s mismo.
Considerese ahora el sistema dinamico que describe el comportamiento de un pendu-

lo no amortiguado:
x1 = x2
x2 = sin x1
Los equilibrios de este sistema dinamico vienen dado por
x1 = x2 = 0
x1 = k, 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 gura siguiente:

x1 = x2
2
x2 = x1 + x1
1.5
0
0.5
x2
0.5
1.5
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 gura conviene observar la curvas 1 y 2 que representan conjuntos lmites

y que se denominan orbitas heteroclnicas, puesto que unen puntos diferentes. Los
caminos cerrados formados por orbitas heteroclnicas se denominan ciclos homoclnicos.
Atractores
Se dice que K es un atractor si existe un entorno N de K tal que K N X
lm dist(x(t), K) = 0
t
para todo x N
El mayor de los N se denomina cuenca de atraccion de K.
Un equilibrio p es asintoticamente estable si p es un atractor.
Lo mismo se dice para un ciclo lmite.
Un subconjunto cerrado A U se denomina conjunto atractor de (2.20) si existe

un entorno E de A tal que
x E, t (x) E, t 0
y
t 0, d(t (x), A) 0, cuando t
Un atractor de (2.20) es un conjunto atractor que contenga una orbita tensa.
Conviene observar que todos los puntos -lmite 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 mejorcaso y el mas estudiado es aquel en el que un punto p X es un

atractor:
lm x(t) = p
t
Ejemplos:
Pendulo con friccion.
Sistemas mecanicos disipativos con un grado de libertad.
La mayor parte de las reacciones qumicas.
Los sistemas electricos lineales con elementos resistivos.
En un orden creciente de complejidad se encuentran los sistemas para los que el
conjunto lmite esta formado por equilibrios y ciclos lmite.
(x) = equilibrios y/o ciclos lmites
Ejemplos:
Osciladores de Van der Pol.
Circuitos electricos no lineales.
2.6.3. Estudio de orbitas periodicas
En este apartado se presentan resultados sobre el analisis de orbitas periodicas

en sistemas planos cuando estan lejos de su nacimiento.
Teorema 2.3. Supongase que x = f(x) es un sistema de dimension dos con un numero
finito de equilibrios. Si la orbita positiva + (x0 ) de x0 esta acotada, entonces es cierta
alguna de las siguientes afirmaciones:
El conjunto -lmite, (x0 ), es un solo punto xe (es un punto de equilibrio), y

(t, x0 ) xe cuando t +.
(x0 ) es una orbita periodica y o + (x0 ) = (x0 ) = o + (x0 ) es una espiral

creciente en el tiempo hacia en un lado de .
(x0 ) son puntos de equilibrio y orbitas cuyos conjuntos - y -lmite son puntos
de equilibrio.
Estas tres propiedades son validas para el conjunto -lmite si (x 0 ) esta acotada.
Teorema 2.4 (de la curva de Jordan). Una curva cerrada en R2 que no se corta a
s misma, separa a R2 en dos partes conexas, una limitada en el interior de la curva y
otra no limitada en el exterior.
Una orbita periodica se llama ciclo lmite si hay dos puntos en R2 , uno en el
interior de y otro en el exterior, tales que, los conjuntos - y -lmite de las orbitas
que pasan por dichos puntos son la orbita periodica .
Teorema 2.5 (de Poincare-Bendixson). Si (x0 ) es un conjunto acotado que no con-

tiene puntos de equilibrio, entonces (x0 ) es una orbita periodica.
Para poder utilizar el teorema de Poincare-Bendixson a n de demostrar la exis-

tencia de una orbita periodica no trivial, se construye un conjunto acotado D en R2
que no contiene puntos de equilibrio, y tal que, cualquier solucion 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 x = f(x) no tiene orbitas periodicas ni homoclinas
que esten por completo en la region D.
Teorema 2.6 (Criterio de Dulac). Sea D R2 un subconjunto abierto simplemente

conexo y B(x1 , x2 ) una funcion C 1 de valores reales en D. Si la funcion div Bf =
Bf1
x1
+ Bf
x2
2
es de signo constante y no identica a cero en D., entonces x = f(x) no
tiene orbitas periodicas ni homoclinas que esten por completo en la region D. A la
funcion B se la llama funcion de Dulac.
Sea una orbita periodica que encierra a un espacio abierto U en el que esta denido
el campo vectorial. Entonces U contiene un punto de equilibrio.
Estabilidad de las orbitas periodicas
En este apartado se muestra como realizar el estudio del comportamiento de

las orbitas cercanas a una orbita periodica, para determinar su estabilidad, usando la
aplicacion de Poincare.
Sea (t, p) una solucion periodica con mnimo periodo, T , de la ecuacion diferencial
x = f(x), representandose la orbita periodica correspondiente por . Se elige un vector
v R2 tal que, v y el vector tangente f(p) de en p sean linealmente independientes.
Sea L el segmento denido por:
L = {x R2 : x = p + av, 0 |a| },
al que se le denomina seccion transversal de la orbita periodica en el punto p.
A continuacion se dene una aplicacion en un subconjunto de L inducida por el

ujo. Se elige un tan pequeno que L intersecta a la curva en un solo punto p, y
que todas la orbitas que crucen L lo hacen en la misma direccion (gura 2.10).
Como (T, p) = p y sus soluciones dependen de forma continua del valor inicial,
hay un > 0 tal que, si x0 L , entonces hay un primer instante T (x0 ) en el que
(T (x0 ), x0 ) L .
La aplicacion de Poincare, , cerca de una orbita periodica se dene como:
: L L ; x0 (T (x0 ), x0 ).
Los puntos de la seccion transversal L tienen un orden natural: dos puntos x0 =

p + a0 v y x1 = p + a1 v cumplen que x0 x1 si y solo si, a0 a1 . Segun esto
una aplicacion de Poincare se dice que es monotona si x0 x1 en L , implica que
(x0 ) (x1 ) (gura 2.11).
(x0 )
x0
Figura 2.10: Seccion transversal L a la orbita periodica y la aplicacion de Poincare.
x0
x1
(x0 )
(x1 )
Figura 2.11: Monotona de la aplicacion de Poincare.

La aplicacion de Poincare tiene las siguientes propiedades:
La aplicacion de Poincare cerca de la orbita periodica es una aplicacion

monotona C 1 .
La orbita + (x0 ) de un punto x0 L es una orbita periodica si y solo si, es un

punto jo de la aplicacion de Poincare, es decir, (x0 ) = x0 .
La orbita periodica , con p , es orbital asintoticamente estable si (p) < 1,

e inestable si (p) > 1.
La orbita periodica a traves del punto p se dice que es hiperbolica si p es un

punto jo de la aplicacion de Poincare ; es decir, si (p) = 1.
A (p), que en el caso n-dimensional se corresponde con los autovalores de la

aproximacion lineal de en p, Dx (p), se les llama multiplicadores caractersticos de
.
As pues, en el caso n-dimensional, la orbita periodica es asintoticamente estable

(u orbital asintoticamente estable) si todos sus multiplicadores tienen modulo menor
que uno. Si hay algun multiplicador con modulo mayor que uno es inestable.
Sea (t, p) una solucion periodica de periodo T de la ecuacion diferencial plana

x = f(x) a traves de p. Entonces:
T
f1 f2
(p) = exp + ((t, p)) dt .
0 x1 x2
2.6.4. Atractores extranos
El peor de los casos es aquel en el que aparecen atractores extranos.
Ejemplo de la aplicacion logstica
fp : [0, 1] [0, 1] = X
fp (x) = px(1 x) 0 p 4
que puede representarse mediante la gura 12.

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

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

Captulo 3
Analisis cualitativo y bifurcaciones

en sistemas dinamicos
3.1. Analisis cualitativo de sistemas no lineales
La teora cualitativa de sistemas no lineales aporta una perspectiva global de los

modos de comportamiento de un sistema.
Cuando los parametros de un sistema cambian el retrato de estado puede cambiar
o no geometricamente de forma signicativa.
Si no se produce un cambio signicativo entonces el sistema es estructuralmente
estable.
Cambios signicativos en el retrato de estados se llaman bifurcaciones.
El concepto de estabilidad estructural es importante para el analisis de incer-
tidumbres y robustez.
3.2. Analisis cualitativo de sistemas dinamicos de

dimension 1
Con el n de precisar las anteriores ideas, vamos a concretarlas aplicandolas al caso

de sistemas dinamicos de dimension 1. Sea el conjunto de todos los sistemas dinamicos
47
48CAPITULO 3. ANALISIS CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS
f(x)
Figura 3.1: Representacion de f (x) asociada a un sistema dinamico y retrato de estados

correspondiente.
denidos en IR. Recordemos que un sistema dinamico esta denido por un espacio de
estados X y un campo vectorial f denido sobre X. Sea x = f (x) un sistema dinamico
tal que x (a, b) IR. Supongase que f (x) tiene la forma que se indica en la gura
3.1a y cuyo retrato de estados sera el de la gura 3.1b.
Conviene observar que la clase de todos los sistemas dinamicos en IR puede conce-
birse como la clase de todas las curvas f . Los puntos de equilibrio son los puntos de
interseccion de cada curva f con la recta X.
A cada estado inicial x(0) corresponde una unica trayectoria x(t). Una trayectoria
se compone de una parte transitoria y de una permanente llamada atractor (conjunto
lmite). 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 atraccion. Las cuencas de atraccion estan separadas por separatrices.
Debido a las no-linealidades un sistema dinamico puede tener multiples atractores

(algunos de los puntos en que f corta a X; los otros seran las separatrices). El espacio
de estados se descompone en las cuencas de atraccion de sus distintos atractores. La
representacion graca del mapa de todas las cuencas de atraccion en el espacio de
estados se denomina retrato de estados. El retrato de estados aporta una perspectiva
global de los modos de comportamiento de un sistema.
A cada punto de equilibrio p se asocia su autovalor (p) que es la pendiente de f

en p. En un entorno a p el sistema dinamico se linealiza mediante el sistema dinamico
3.2. ANALISIS CUALITATIVO DE SISTEMAS DINAMICOS DE DIMENSION 149
lineal x = x
Genericamente el corte de f con X sera transversal. Cualquier pequena deforma-

cion de este sistema dinamico deja inalteradas las propiedades cualitativas basicas del
sistema en el retrato de estados se dice entonces que es estructuralmente estable. Un
equilibrio p es estructuralmente estable si (p) = 0.
Supongamos ahora que se aplica una transformacion a x denida por una funcion
t monotona creciente, x = t(x) tal que conserva las relaciones de orden y topologicas:
x1 > x2 x1 > x2 ; y |x1 x2 | < |x1 x2 | <
siendo y sucientemente pequenos.
El nuevo sistema dinamico es

dt
x = t (x)x t (x) =
dx
= t (t1 (x))f (t1 (x))
= f(x)
Puesto que t (x) > 0, x (a, b), es claro que los equilibrios de f seran los mismos
en numero y naturaleza que los de f . Ademas, el autovalor de x = f (x) es el mismo
que el de x = f(x). La transformacion t puede interpretarse como una deformacion
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
transformacion de x a x es que determinadas propiedades cualitativas de un sistema
dinamico permanecen inalteradas. Estas propiedades son el numero de equilibrios y la
naturaleza estable o inestable de cada uno de ellos. Ademas, los valores del autovalor
en cada equilibrio tambien permanecen inalterados. Es decir, el retrato de estados es
el mismo antes y despues de aplicar la transformacion t. Por tanto, las propiedades
cualitativas de (X, f ) asociadas al retrato de estados son las mismas que las de (X, f).
Los resultados anteriores admiten formas de generalizacion para cualquier n. En tal

caso sucede que los atractores pueden ser de tres tipos: punto de equilibrio (igual que
suceda en el caso de dimension 1); ciclos lmites (que corresponden a comportamientos
periodicos a largo plazo); y atractores extranos que corresponden a comportamientos
aperiodicos o caos. Para un n arbitrario el analisis que acabamos de ver para sistemas de
dimension 1 adquiere una notable complejidad adicional. Pero las ideas basicas siguen
siendo las mismas.
Sea el conjunto de todos los sistemas dinamicos denidos en IR.

Un sistema dinamico esta denido por el espacio de estados X y un campo
vectorial f denido sobre X.
Podemos asociar a todo sistema dinamico en IR una curva
en el retrato de estados de un sistema dinamico conviene resaltar
multiples equilibrios (atractores);

cada atractor posee una cuenca de atraccion.
la clase de todos los sistemas dinamicos en IR puede concebirse como la clase de

todas las curvas f .
Los puntos de equilibrio seran los puntos de interseccion de cada curva f con la
recta X.
Recordemos que un sistema dinamico viene dado por:
dx
= f (x), (3.1)
dt
f(x)
Figura 3.2: Representacion graca de la funcion f que dene un sistema dinamico.
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. ANALISIS CUALITATIVO DE SISTEMAS DINAMICOS DE DIMENSION 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 atraccion, que

esta formada por todos aquellos puntos del espacio de estados tales que la trayectoria
iniciada en ellos converja al atractor que dene la cuenca. En el sistema dinamico
(3.3) la cuenca de atraccion del atractor 1 es el semieje negativo; y la del atractor
+1, el semieje positivo. Los dos tipos de comportamiento asociados a cada uno de los
atractores se reejan en la gura 3.5. El espacio de estados se divide en las cuencas
de atraccion de todos los atractores, separadas entre s 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 representacion graca del espacio de estados con los diferentes atractores, y sus
correspondientes cuencas de atraccion, recibe la denominacion de retrato de estados
o de fases del sistema dinamico. Constituye una particion del espacio de estados en
las cuencas de atraccion de los distintos atractores que posee un sistema. Suministra
una vision geometrica y global de los modos de comportamiento del sistema, y es el
instrumento basico para su analisis cualitativo. Con su ayuda disponemos de un mapa
que reune todos los modos de comportamiento del sistema, organizados mediante sus
cuencas de atraccion. No nos suministra un comportamiento particular del sistema sino
una vision sintetica de todos. Se comprende su caracter de instrumento basico para el
analisis cualitativo.
3.2.1. Estabilidad estructural
A cada punto de equilibrio p se asocia su autovalor (p) que es la pendiente de

f en p
En torno a p el sistema dinamico se linealiza x = x
Genericamente el corte de f con X sera transversal.
Cualquier pequena deformacion de este sistema dinamico deja inalteradas las

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

Familia de sistemas dinamicos dependientes del parametro p
x = f (x, p)
A esta familia podemos asociar la imagen geometrica de los retratos de estados

de todos los sistemas dinamicos que la forman, parametrizados por el parametro
p.
Si P = IR, entonces X P puede considerarse como un brado de espacios de

estado verticales X dispuestos paralelos unos a otros.
Ejemplos
f1 (x, p) = (x p)
f2 (x, p) = x + p
f3 (x, p) = x3 + p.
Representacion graca de las familias de sistemas dinamicos f1 , f2 y f3 .
Bifurcaciones en sistemas dinamicos
dx
= f (x, p). (3.4)
dt
3.3. FAMILIAS DE SISTEMAS DINAMICOS 53
familia de sistemas dinamicos
dx
= (x3 + x p). (3.5)
dt
La gura 3.6 muestra los retratos de estados para distintos valores del parametro p. En
esta gura se tiene una curva que representa el equilibrio del sistema para cada valor de
p. En la vertical de cada valor de p se tiene el retrato de estados del sistema dinamico
correspondiente a ese valor de p (es decir, cada lnea vertical se obtiene girando noventa
grados una gura similar a la 3.3, que sera el retrato de estado del sistema con el valor
correspondiente de p). Se observa que al variar p vara el punto de equilibrio del sistema,
pero la forma del retrato de estados no se altera (solamente se desplaza). La curva de
la gura 3.6, no es sino la representacion de x3 + x p = 0, y se denomina curva de
equilibrios de la familia de sistemas dinamicos (3.5). Conviene observar que esta gura
se obtiene disponiendo guras como la 3.3, una al lado de otra, verticalmente, cada
una en el lugar que le corresponde segun el valor del parametro p.
x
Figura 3.6: Diagrama de bifurcaciones de la familia de sistemas dinamicos dx

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

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

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

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

el segundo caso, un punto separatriz. Los valores p1 y p2 denen los llamados puntos
de bifurcacion del sistema dinamico, y constituyen un ejemplo de las bifurcaciones mas
elementales que se pueden presentar en un sistema dinamico: las catastrofes de pliegue,
empleando la terminologa de la teora de catastrofes, o los puntos lmites, en la jerga
de la teora de bifurcaciones. Los puntos de bifurcacion, en este caso concreto, tienen
la notable propiedad de que si se vara el parametro p de modo que cruce uno de
los valores p1 o p2 se produce la aparicion o desaparicion de atractores del sistema;
es decir, se ramican los comportamientos. Por ejemplo, si atravesamos p1 en sentido
creciente del parametro p aparece (de la nada) un par atractor-repulsor. Lo opuesto
ocurre en p2 . Resulta claro que la estructura topologica del retrato de estados (y por
tanto los modos de comportamiento que presenta el sistema) se modica al atravesar
un punto de bifurcacion.
Es importante observar que el diagrama de bifurcaciones suministra una perspec-

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

portamientos posible de un sistema y las transiciones entre ellos (bifurcaciones)
cuando cambian los parametros del sistema.
Los diagramas de bifurcaciones estan compuestos por un numero nito de regiones

reparadas por los lmites de bifurcacion.
3.4. Bifurcaciones elementales en sistemas de di-

mension uno
En este apartado se presenta el concepto de bifurcacion y se ilustra con ejemplos

de las bifurcaciones mas usuales y basicas.
La teora de bifurcaciones se centra en el estudio de posibles cambios en la estructura

de las orbitas de una ecuacion diferencial ante la variacion de una serie de parametros
del los que esta depende.
En efecto, sea una ecuacion diferencial con un parametro variable x = f (x, c).
Representando f (x, c) frente a x, se tiene un comportamiento distinto dependiendo del
valor del parametro.
En el ejemplo de la gura 3.8, correspondiente al sistema x = x2 + c, se representa

f (x) frente a x para distintos valores del parametro c. Puede observarse como, para
valores positivos del parametro, la ecuacion correspondiente para el calculo de equi-

librios f (x, c) = 0 no tiene solucion (no se produce corte entre la curva f (x, c) y el
eje de ordenadas x(c > 0)). Si el parametro c es cero se tiene una solucion 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 representacion del campo vectorial en
la gura 3.8.
f (x)
x(c < 0)
x(c = 0)
x(c > 0)
Figura 3.8: Representacion de la ecuacion x = x2 +c, con su campo vectorial, en funcion

del parametro c. Cambios en el parametro c signican desplazamientos verticales del
eje de ordenadas.
Para obtener la direccion del ujo o su proyeccion sobre el eje x (campo vectorial),
puede integrarse la ecuacion en x y representar su sentido creciente o decreciente.
Para una ecuacion diferencial escalar x = f (x), los puntos de equilibrio y el signo de
f (x) entre ellos determinan el numero de orbitas y la direccion del ujo de las mismas.
A esto se le llama estructura de orbitas o estructura cualitativa del ujo.
Una ecuacion diferencial que depende de un parametro dado se dice que tiene es-
tructura de orbitas estables para un valor del mismo, si la estructura cualitativa del
ujo no cambia para pequenas variaciones del parametro.
El valor de bifurcacion es el valor del parametro para el cual el ujo no presenta

una estructura de orbitas estables. En ese caso se dice que la ecuacion esta en un punto
de bifurcacion.
En el ejemplo de la gura 3.8, el sistema presenta una estructura de orbitas estables

para cualquier valor del parametro c = 0, siendo c = 0 un punto de bifurcacion.
Ademas del metodo graco de representacion de f (x, c) frente a x para distintos

valores del parametro, existe otro metodo muy util para describir las caractersticas
dinamicas en ecuaciones x = f (x, c) que dependen de un parametro c. Este metodo
consiste en representar en el plano (c, x) los valores de equilibrio para cada valor de
c, representando, mediante una lnea continua los puntos de equilibrio estables, y con
una discontinua los inestables. A esta representacion graca se le llama diagrama de
bifurcaciones.
En la gura 3.9 se muestra el diagrama de bifurcaciones del sistema de la gura 3.8,

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

gura 3.8.
A continuacion se presentan, mediante su diagrama de bifurcacion y representacion

del ujo, las bifurcaciones mas habituales en sistemas dinamicos escalares autonomos.
Ademas de la bifurcacion silla-nodo antes descrita se pueden caracterizar las siguientes
bifurcaciones:
Bifurcacion transcrtica
Sea la ecuacion diferencial dependiente del parametro c:
x = x2 + cx.
En la gura 3.10 se representa el retrato de fases del sistema para distintos valores
del parametro c. Puede observarse en la gura como, para valores negativos de c,
el sistema presenta un equilibrio asintoticamente estable en xe = 0 y uno estable en
xe = c. Para c = 0 el sistema pasa a tener un unico punto de equilibrio no hiperbolico
en xe = 0. Si c es positivo, entonces el sistema vuelve a tener dos puntos de equilibrio:
uno asintoticamente 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 x = x2 + cx para distintos valores de c.
Por lo tanto, y de acuerdo con la notacion adoptada, el diagrama de bifurcaciones

correspondiente a la bifurcacion transcrtica es el representado en la gura 3.11.
Histeresis
La bifurcacion tipo histeresis puede observarse a partir de un sistema dinamico

que tenga como ecuacion:
x = c + x x3 .
xe
Figura 3.11: Diagrama de bifurcaciones de la bifurcacion transcrtica.
La variacion del parametro de bifurcacion c se corresponde con un desplazamiento

vertical del eje de ordenadas x en la representacion de f (x, c) en funcion de x, como
puede observarse en la gura 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 ecuacion x = c + x + x3 para distintos

valores de c.
El ujo del sistema presenta una estructura de orbitas estable que se corresponde
con un equilibrio estable para valores del parametro c < 32 . Si se aumenta c, para
3
el valor c = 32 el sistema tiene un punto de bifurcacion, manteniendo el punto de
3
equilibrio estable y apareciendo uno no hiperbolico. Para valores de c en el intervalo
( 32
, 2
3 3 3
), el sistema vuelve a tener estructura de orbitas estable, con un equilibrio
inestable y dos estables. En c = 32 3 se presenta otro punto de bifurcacion y para
valores de c superiores vuelve a tener un solo equilibrio estable.
El diagrama de bifurcaciones correspondiente a esta bifurcacion puede verse en la

gura 3.13, donde se observa por que se denomina histeresis, 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 bifurcacion tipo histere-

sis.
Este tipo de bifurcaciones tambien pueden interpretarse como dos bifurcaciones
silla-nodo de equilibrios, una para c = 32 3 , y la otra para c = 32
.
3
Bifurcacion tridente
Supongase el sistema dinamico descrito por la ecuacion:

x = dx x3 . (3.6)
La variacion del parametro d afecta a la pendiente de la funcion cubica centrada en

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

equilibrio cuando el parametro d es positivo, mientras que presenta uno solo cuando es
negativo. En el punto d = 0 los tres equilibrios se unen en uno, siendo este un punto
de bifurcacion.
En la gura 3.14 puede verse como, para valores de d < 0, el sistema tiene un
equilibrio asintoticamente estable en el origen. Al ir aumentando d, la pendiente de
la cubica se va haciendo cada vez mas pequena hasta que en d = 0 se hace nula,
transformandose el equilibrio en uno no hiperbolico. Para valores de d > 0 el sistema
tiene tres equilibrios, uno inestable en el origen y los otros dos asintoticamente 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 x = dx x3 para distintos valores de d.
El diagrama de bifurcaciones correspondiente a la bifurcacion tridente supercrtica

es el que se muestra en la gura 3.15.
En este punto es necesario denir el concepto de bifurcacion supercrtica y sub-

crtica que sera aplicable al resto de las bifurcaciones que se caracterizan en el presente
documento.
Se dice que un sistema dinamico presenta una bifurcacion supercrtica cuando, en

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

percrtica.
Por el contrario, se dice que es subcrtica si dichos equilibrios aparecen para valores
del parametro de bifurcacion en que el equilibrio original es estable.
Un ejemplo de bifurcacion tridente subcrtica se obtiene de la variacion del parametro

d en el sistema descrito por la ecuacion x = dx + x3 , cuyo diagrama de bifurcaciones
puede verse en la gura 3.16.
xe
Figura 3.16: Diagrama de bifurcaciones correspondiente a una bifurcacion tridente sub-

crtica.
Pliegue o cuspide
Esta bifurcacion se corresponde con una combinacion de las bifurcaciones hasta

ahora caracterizadas. Supongase la ecuacion diferencial cubica:
x = c + dx x3 f (x, c, d), (3.7)
que depende de dos parametros reales: c y d. Observese que, si c = 0, la bifurcacion

que se produce al variar d es una bifurcacion tridente; mientras que, si d = 0, se esta en
el caso de una bifurcacion tipo histeresis dependiente de c.
Este sistema presenta una bifurcacion de codimension dos, puesto la existencia de

la misma depende de dos parametros.
Para realizar el estudio de este sistema en primer lugar hay que hallar los puntos
de bifurcacion. En dichos puntos el sistema ha de tener puntos de equilibrio multiples,
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 resolviendolas, eliminando la variable

x, se obtiene que el sistema tiene un punto de equilibrio multiple si se cumple la
ecuacion de una cuspide:
4d3 = 27c2
En la gura 3.17 se representa la ecuacion de la cuspide en el plano (c, d), que

delimita las distintas regiones donde la estructura cualitativa del ujo es diferente.
En dicha gura se muestra tambien, de forma esquematica, dicho comportamiento
cualitativo, representando la funcion f (x, c, d) en funcion de la variable x, indicando en
cada caso el numero de equilibrios y su estabilidad denida por la direccion del campo
vectorial.
El diagrama de bifurcaciones correspondiente al sistema es el de la gura 3.18, que

como puede verse, es una supercie tridimensional en el espacio (c, d, x) con forma de
pliegue,; de ah su nombre. La gura inferior de la gura 3.18 se corresponde con la
proyeccion de dicha supercie sobre el plano (c, d).
x
4d3 = 27c2
Figura 3.17: Representacion de la cuspide del sistema 3.7 en el plano (c, d), as como
los diferentes retratos de fases del sistema.
Figura 3.18: Diagrama de bifurcaciones de la bifurcacion pliegue o cuspide en el espacio

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

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

tales en sistemas de dimension dos, algunas de las cuales son una extension de las ya
comentadas en los sistemas de dimension uno.
Bifurcacion silla-nodo
Supongase el sistema descrito por:
x1 = + x21
x2 = x2 .
Integrando la segunda ecuacion se obtiene que todas las orbitas del sistema tienden al
eje de ordenadas y que la dinamica esta gobernada por la primera ecuacion, que es la
misma que la del caso escalar.
As pues, como se ve en la gura 3.19, para < 0 el sistema tiene dos equilibrios, uno
estable y el otro inestable. El punto de equilibrio inestable es un punto de silla porque
existen dos orbitas cerca del equilibrio tales que los conjuntos -lmite de dichas orbitas
son el punto de equilibrio y hay otras dos orbitas cuyo conjunto -lmite es tambien
el equilibrio. El equilibrio estable es un nodo porque el conjunto -lmite de todas las
orbitas cerca del equilibrio es el mismo equilibrio.
Cuando = 0 ambos equilibrios se unen y desaparecen para > 0.
El diagrama de bifurcaciones correspondiente a la bifurcacion silla-nodo es el mismo

que en el caso monodimensional y se corresponde con el de la gura 3.9.
2 2 2
1.5 1.5 1.5
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
< 0. = 0. >0
Figura 3.19: Diagrama de fases de la bifurcacion silla-nodo en funcion del parametro
.
Bifurcacion tridente
Considerese el sistema descrito por:
x1 = x1 x31
x2 = x2 . (3.8)
Al igual que en el caso de la bifurcacion silla-nodo la dinamica del sistema esta con-
trolada por la primera ecuacion. En la gura 3.20 se representa el diagrama de fases
del sistema para distintos valores de .
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
< 0. = 0. >0
Figura 3.20: Diagrama de fases de la bifurcacion tridente en funcion del parametro .
El comportamiento cualitativo del sistema en funcion del parametro puede re-

sumirse diciendo que para valores del parametro positivos el sistema presenta solo un
equilibrio estable en el origen, al cambiar de signo aparecen dos nuevos equilibrios
estables inestabilizandose el origen. As pues el comportamiento del sistema es simi-
lar al del diagrama de bifurcaciones 3.15 correspondiente a una bifurcacion tridente
supercrtica.
Bifurcacion vertical
Considerese la perturbacion del oscilador armonico:
x1 = x1 + x2
x2 = x1 + x2 . (3.9)
Para su estudio se realiza el cambio de coordenadas del sistema a coordenadas polares,

con lo que el sistema es equivalente al desacoplado:
r = r
= 1.
Cuando < 0 las soluciones del sistema corresponden a espirales en el sentido de

las agujas del reloj y que conuyen en el origen a medida que aumenta t, por lo que el
origen es un punto de equilibrio estable tipo sumidero. Para = 0 todas las soluciones
son periodicas, por lo que el origen es un centro. Si > 0 las soluciones vuelven a ser
espirales girando en el sentido de las agujas del reloj que parten del origen y se alejan
de el a medida que aumenta t. As pues, como puede verse en la gura 3.21, el valor
= 0 es un valor de bifurcacion.
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
< 0. = 0. >0
Figura 3.21: Diagrama de fases de la bifurcacion vertical en funcion del parametro .
Bifurcacion de Poincare-Andronov-Hopf
Es conocida habitualmente como bifurcacion de Hopf y es una de las mas

habituales en sistemas no lineales. Puede estudiarse a traves del sistema descrito por:
x1 = x2 + x1 ( x21 x22 )
x2 = x1 + x2 ( x21 x22 ).
Transformando de nuevo a coordenadas polares el sistema queda:
r = r( r 2 )
= 1.
Cuando 0 las soluciones son una espiral en el sentido de las agujas del reloj
que conuyen en el origen a medida que aumenta t. Para > 0 el origen se vuelve
inestable y aparece una orbita periodica de radio r = de manera que todas las
orbitas evolucionan hasta ella cuando t aumenta. As pues, el conjunto -lmite (x0 )
de cualquier orbita es una orbita periodica si x0 = 0.
En la gura 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
0. > 0.
Figura 3.22: Diagrama de fases de la bifurcacion de Hopf en funcion del parametro .
De acuerdo con la denicion dada para sistemas escalares, y que es extensible para
sistemas de orden superior, la bifurcacion representada en la gura 3.22 es una bifur-
cacion de Hopf supercrtica, ya que el equilibrio original para < 0 se vuelve inestable
al llegar al parametro de bifurcacion. El diagrama de bifurcaciones correspondiente es
el de la gura 3.23, donde, en la gura de la izquierda, se representa la evolucion de
la orbita periodica o ciclo lmite del sistema en el plano (x1 , x2 ) frente al parametro
. En la de la derecha se representan la amplitud de dicha orbita y los equilibrios del
sistema frente al mismo parametro. El smbolo representa la amplitud de la orbita
periodica estable.
x1 r
0
0
x2
Figura 3.23: Diagrama de bifurcaciones de la bifurcacion de Hopf supercrtica.
Por el contrario, la gura 3.24 corresponde a la bifurcacion de Hopf subcrtica,

donde, para valores de > 0, el sistema tiene un equilibrio inestable; mientras que,
para valores de < 0, aparece un ciclo lmite inestable, que rodea a un equilibrio
estable. As pues, en este caso, el sistema evoluciona siguiendo espirales alejandose del
ciclo lmite inestable cuando aumenta t, tendiendo hacia el equilibrio en el origen si
x0 esta en el interior de la orbita inestable, o hacia el innito si esta en el exterior. Se
representa mediante el smbolo la amplitud del ciclo lmite inestable.
x1 r
0
0
x2
Figura 3.24: Diagrama de bifurcaciones de la bifurcacion de Hopf subcrtica.
En ambos casos se produce la perdida de estabilidad del equilibrio para = 0,

en el supuesto de que el parametro crezca. En la bifurcacion supercrtica el equilibrio
estable se reemplaza por un ciclo lmite estable de pequena amplitud. Por consiguiente,
el sistema permanece en un entorno del equilibrio y se tiene una perdida de estabilidad
suave o no catastroca.
En el caso de la bifurcacion subcrtica la region de atraccion del punto de equilibrio

esta acotado por un ciclo lmite inestable (tiene una cuenca de atraccion limitada)
que se comprime cuando el parametro se acerca al valor crtico y que desaparece al
alcanzarlo. Entonces el sistema (las trayectorias) es lanzado fuera del equilibrio, por lo
que se tiene una perdida de estabilidad dura o catastroca.
Si la perdida de la estabilidad del sistema se produce de una manera suave entonces

el sistema es controlable, ya que si se cambia el signo del parametro el sistema vuelve al
equilibrio anterior. Por el contrario, si el sistema sufre una perdida de estabilidad dura,
al devolver los valores del parametro a valores negativos no se producira un retorno
al equilibrio anterior ya que normalmente el sistema habra abandonado su cuenca de
atraccion. Conviene observar que el tipo de la bifurcacion de Andronov-Hopf viene
determinado por la estabilidad del equilibrio para el valor crtico del parametro.
Por ultimo, debe analizarse que sucede si se prescinde de los terminos no lineales
en los dos sistemas. En este caso ya no existen ciclos lmites ni antes ni despues del
valor crtico del parametro. Para el valor crtico del parametro = 0 el sistema posee
un centro en el origen. Esta observacion vuelve a poner de maniesto la importancia
de los terminos no lineales para la aparicion de ciclos lmites, a la que ya se aludio an-
teriormente.
3.4.2. Evolucion de los autovalores en una bifurcacion de Hopf.
x = ( + (x2 + y 2))x y
y = ( + (x2 + y 2))y + x
dx
= Ax
dt
en donde A es la matriz

A=

cuyos autovalores son = j. La bifurcacion de Hopf se produce cuando un
par de autovalores complejos conjugados cruzan el eje imaginario con velocidad
no nula.
3.4.3. Bifurcaciones de orbitas periodicas
En este apartado se describen dos de las bifurcaciones mas habituales rela-

cionadas con orbitas periodicas, ademas de la de Hopf ya estudiada con anterioridad.
Bifurcacion silla-nodo de orbitas periodicas
Sea el sistema plano:
x1 = x1 sen x2 cos + (1 x21 x22 )2 (x1 cos x2 sen )

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

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

= (1 r 2 )2 sen + cos . (3.10)
Como la primera ecuacion del sistema (3.10) es independiente de , y ademas el sis-

tema experimenta una bifurcacion silla-nodo en la direccion radial cuando el parametro
pasa por cero.
Si > 0, y es sucientemente
pequeno, el sistema tiene dos orbitas periodicas: una
2 2
inestable x1 + x2 = 1 +
tan que es una circunferencia de radio mayor que uno y una
2 2
estable x1 + x2 = 1 tan que es tambien una circunferencia pero con radio inferior
a uno (gura 3.26c).
En el caso en que = 0, tiene una orbita periodica simple no hiperbolica inestable

en x21 + x22 = 1 (gura 3.26b).
Si < 0, el sistema no tiene orbitas estables ya que r > 0 y todas las soluciones,
excepto el origen, van al innito cuando t + (gura 3.26a).
Este es el comportamiento cualitativo correspondiente a una bifurcacion silla-nodo

de orbitas periodicas (en el punto de bifurcacion, = 0, aparecen dos ciclos lmite, uno
estable y otro inestable). Sin embargo, en este sistema se producen dos bifurcaciones
ademas de la ya citada [Sal95].
Una vez se ha producido la bifurcacion silla-nodo de orbitas periodicas, al aumentar

el valor de , la amplitud del ciclo lmite inestable va aumentando, hasta que en el
punto = 4 se produce una bifurcacion de Hopf subcrtica en el innito [Glo89],
[LP97], [LP98], desapareciendo dicho ciclo lmite y cambiando el tipo de estabilidad
del innito (a efectos practicos en el analisis de bifurcaciones el innito puede ser
tomado como un punto).
Por otra parte, al aumentar el valor de , la amplitud del ciclo lmite estable dis-
minuye, hasta que se produce una bifurcacion de Hopf supercrtica en el origen para el
valor = 2 .
En la gura 3.26 se muestra el comportamiento del sistema para distintos valores

de y en la gura 3.25 se representa el correspondiente diagrama de bifurcaciones.
Bifurcacion homoclina
Sea el sistema plano:
x1 = 2x2
x2 = 2x1 3x22 x2 (x31 x21 + x22 c)
donde c es un parametro escalar.
A n de detectar la bifurcacion homoclina se analiza el sistema para pequenas

variaciones de c cercanas a cero.
H
x
SNOP
H0

4 2

Figura 3.25: Diagrama de bifurcaciones correspondiente a la bifurcacion silla-

nodo de orbitas periodicas (SNOP Bifurcacion silla-nodo de orbitas periodicas;
H Bifurcacion de Hopf en el innito; H0 Bifurcacion 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 funcion
V (x1 , x2 ) = x31 x21 + x22 y se analiza su derivada a lo largo de las soluciones del
sistema, para obtener:
V (x1 , x2 ) = 2x22 (x31 x21 + x22 c).
Para 4/27 < c < 0, usando el principio de invarianza, se aprecia que existe una
orbita periodica asintoticamente estable en la curva x31 x21 + x22 c = 0, con x1 > 0
(que proviene de una bifurcacion de Hopf en el punto (2/3, 0) para c = 4/27) (gura
3.27a).
Cuando c 0 la orbita periodica se aproxima a la curva homoclina que pasa por

el origen (gura 3.27b). Para c > 0, la curva homoclina se rompe y no hay orbitas
periodicas (gura 3.27c).
3.4.4. Bifurcaciones de codimension 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 variacion de un solo parametro (y cualquier sistema que presenta dichas bifurcaciones
es local topologicamente equivalente a los que se han usado para describirlas). Por ello
se dice que estas bifurcaciones son de codimension 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) < 0. (b) = 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 < < 4 . (d)

4
< < 2 .
2.5
1.5
0.5
x2
0.5
1.5
2.5
2.5 2 1.5 1
x1
0.5 0 0.5 1 1.5 2 2.5

(e) > 2
Figura 3.26: Diagrama de fases de la bifurcacion silla-nodo de orbitas periodicas en

funcion del parametro .
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
1.5
2 1.5 1 0.5
x1
0 0.5 1 1.5 2
(c).
Figura 3.27: Diagrama de fases de la bifurcacion homoclina en funcion del parametro
c.
codimension de una bifurcacion como el numero mnimo de parametros en una familia

de sistemas necesarios para reproducir la bifurcacion.
En este apartado se presenta una de las bifurcaciones de codimension dos mas

usuales en el estudio de sistemas dinamicos.
Bifurcacion de Takens-Bogdanov
Supongase un campo vectorial plano que depende de dos parametros, tal que,
tiene un punto de equilibrio para determinados valores de los parametros, que se supone
que es no hiperbolico con dos autovalores cero pero con un autovector.
Si hay algun campo vectorial que cumpla las condiciones anteriores, entonces es local
2
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 1
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 bifurcacion Takens-

Bogdanov (SN Bifurcacion silla-nodo de equilibrios; H Bifurcacion de Hopf;
CH Conexion homoclina).
topologicamente equivalente a uno de los dos sistemas que dependen de dos parametros:
x1 = x2
x2 = 1 + 2 x1 + x21 x1 x2 . (3.11)
As pues, hay un cambio de variables (con jacobiano distinto de cero) y un home-

omorsmo (que depende de los parametros de forma continua) en un entorno sucien-
temente pequeno del origen que transforma las orbitas de cualquier sistema plano con
las propiedades descritas anteriormente a las orbitas del sistema (3.11) en un entorno
del origen, preservando la direccion en el tiempo.
El conjunto de bifurcaciones del sistema (3.11) es el que se muestra en la gura 3.28.

En esta gura tambien se muestra de forma esquematica el comportamiento cualitativo
del sistema en las distintas zonas delimitadas por las lneas de bifurcacion.
Si se parte de la zona 3 del diagrama de bifurcaciones, al atravesar la curva SNa , se

produce una bifurcacion 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 bifurcacion

silla-nodo de equilibrios, el sistema queda con dos equilibrios inestables: uno tipo foco
y otro tipo silla, en la zona 4.
A continuacion, si se disminuye el parametro 1 con 2 < 0, al hacerse 1 = 0, se

produce una bifurcacion de Hopf subcrtica en el punto de equilibrio inestable tipo foco,
llegandose a la zona 1 en la que el sistema presenta un ciclo lmite inestable alrededor
de un equilibrio estable, y una silla en el exterior.
Al disminuir el parametro 1 , manteniendo 2 constante, la amplitud del ciclo lmite

aumenta hasta chocar con el punto de silla en una conexion 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 poblacion (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 ademas se tienen equilibrios adicionales en las soluciones en x a la ecuacion

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

un modelo de crecimiento por balance entre nacimientos y muertes, se esta estudiando
como 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 fenomenos de naturaleza muy variada. Por ejemplo, si se esta estudiando el
crecimiento de una poblacion humana las variaciones de m y de n pueden deberse
a cuestiones tales como el progreso en la sanidad publica (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 daran lugar a las de p. Mediante el analisis de bifurcaciones
se puede analizar como inuiran estas variaciones en el comportamiento a largo plazo
del modelo. En cualquier caso conviene observar que el modelo de crecimiento logstico
es muy general y se aplica no solo a crecimiento de poblaciones, sino tambien 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 economica como
consecuencia de la creacion (nacimiento) de empresas y de su desaparicion o cierre.
La linealizacion del sistema dinamico (2.1) es J(x) = ng(x) m + nxg (x), que en
cada equilibrio se convierte en
J(0) = n m = n(1 ),
J(x+ + +
e ) = nxe g (xe ) < 0,
J(x
e ) = nxe g (xe ) > 0.
Mediante esta linealizacion se determina la estabilidad de cada uno de los equilibrios.
En la gura 3.29 se tienen los equilibrios y las bifurcaciones del modelo (2.1). En
este diagrama se resumen los resultados relativos a los equilibrios, y su estabilidad,
en funcion del parametro p. De acuerdo con este diagrama se tiene dos puntos de
bifurcacion. Para p = 1 se tiene una bifurcacion transcrtica 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 xe , que es inestable para p > 1. Por otra parte, para

p = p se produce una bifurcacion nodo-ensilladura que conduce a la coalescencia de
xe
x+e
1
2
x-e
1
Figura 3.29: Diagrama de bifurcaciones del modelo logstico.
xe xe xe
x+e
x+e
x-e
t t t
<1 1 < < <
Figura 3.30: Trayectorias del modelo logstico: 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 bifurcacion mencionados (la bifurcacion transcrtica y la nodo-ensilladura)
dividen el espacio del parametro P en las tres regiones de comportamiento cualitativo
diferente, tal como se ha indicado anteriormente.
En la gura 3.30 se muestran las trayectorias en estas tres regiones. Es especialmente

notable la intermedia (para 1 < p < p ) que muestra dos modos de comportamientos
diferentes, dependiendo de las condiciones iniciales. O bien se produce el crecimiento,
que tendra la forma logstica, o bien se produce el declive hasta la extincion. Los dos
equilibrios estables x+
e y 0 son responsables, respectivamente, de esta bimodalidad de
comportamientos. El diagrama de bifurcacion muestra como estos comportamientos se
organizan en funcion del parametro del modelo, que en este caso se reduce al parametro
p.
Observando el conjunto del diagrama de bifurcacion se tiene que el modelo (2.1)

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

tamiento seguira el sistema, en funcion del valor que tome el parametro p y, en el caso
de la region intermedia, de las condiciones iniciales del sistema.
Resulta tambien conveniente observar como el diagrama de bifurcaciones suministra

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

tructura
Una forma mas realista de modelar el crecimiento de una poblacion aconseja incluir
un retardo en la tasa de crecimiento, de modo que el sistema dinamico correspondiente
sea:

x = x(ng(y) m),
(3.12)
y = delay (x),
en donde delay (x) representa y(t) = x(t ); es decir, la senal y(t) es la senal x(t)
retrasada en unidades de tiempo. Este modelo posee los mismos equilibrios que el
(2.1), ya que el retraso no afecta al comportamiento a largo plazo. En consecuencia,
cabra esperar unas pautas de comportamiento similares a las de la gura 3.30, quizas
con oscilaciones en las trayectorias a los atractores debidas al retraso. Sin embargo,
como vamos a ver, no sucede solo eso, y en este caso se presentan otros tipos de
comportamiento transitorio, como la catastrofe retrasada, a la que se aludio en la
introduccion.
Un retraso puro, aunque aparentemente sencillo de especicar, resulta difcil de

tratar matematicamente, ya que se requiere un sistema de dimension innita para
ello. Sin embargo, es posible obtener aproximaciones aceptables mediante sistemas de
dimension nita. Una aproximacion muy empleada en la practica es la de considerar k
retrasos de primer orden en serie, de modo que el sistema (3.12) se escribe:

x = x(ng(y) m),

= ka(x y1 ),

y1

y2 = ka(y1 y2 ),
..

.

yk1 = ka(yk2 yk1 ),

y = ka(yk1 y),
siendo a = 1/ , y el retraso que se pretende introducir.
En la region de comportamiento bimodal existen tres equilibrios

0 x+e x
e
0 x+ x
e e
.. , .. , .. Rk+1 ,
. . .
0 x+e xe
que se denotan por 0, x+

e y xe .
Por otra parte se tiene que la matriz de linealizacion en un punto generico 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

nm 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
Figura 3.31: Diagrama de bifurcaciones del sistema con retardo.
En consecuencia el polinomio caracterstico de J(0, 0, , 0) es
( (n m))( + ka)k
y el de J(x
e , xe , , xe ) es
( + ka)k (ka)k , (3.13)
siendo
2n 1
= nx
e f (xe ) = x
xe .
e 2
Cuando el parametro de bifurcacion p se mueve en (1, p ) ambos x +

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

(Aracil y otros, 1997). Este analisis se resume en el diagrama de bifurcaciones de la
gura 3.31, siendo
SN un punto de bifurcacion nodo-ensilladura.
T un punto de bifurcacion transcrtica;
H un punto de bifurcacion de Hopf supercrtica;
HO un punto de bifurcacion homoclina.

0.852662
-0.112023
-0.0870878 0.788589
x
Figura 3.32: Proyeccion del retrato de estados en el plano (x, x) en el caso de dos
atractores.
En la gura 3.32 se muestra la proyeccion del retrato de estados en el plano (x, x)

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 analogo 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 cabra esperar del sistema. Con unas condiciones
iniciales adecuadas se produce el crecimiento de la poblacion; mientras que con otras,
normalmente mas pequenas, se producira su extincion. La separatriz entre las dos
cuencas de atraccion esta asociada a la ensilladura x
e.
Sin embargo, para un cierto valor del parametro p el equilibrio x+ e se convierte en

inestable, apareciendo un ciclo lmite estable en su entorno. Se produce una bifurcacion
de Hopf. En la gura 3.33 se muestra esta situacion. Ahora en lugar de dos atractores
puntuales, como suceda en la gura 3.32, se tienen tambien dos atractores, pero uno
es un ciclo lmite.
Disminuyendo el valor del parametro p se llega a una nueva situacion representada

en la gura 3.34. El ciclo lmite alcanza las variedades estable e inestable asociadas
con la ensilladura x e , de modo que aparece una orbita homoclina, tal como se indica
en la gura 3.34. Puesto que esta orbita homoclina es estructuralmente inestable, toda
pequena perturbacion en los parametros dara lugar a su ruptura. Se produce entonces el
fenomeno de la catastrofe retrasada, tal como se indica en la gura 3.35. Las trayectorias
que tienden hacia la ensilladura a lo largo de su variedad estable se derivan hacia el
0.825812
-0.112962
-0.0977844 1.05
x
Figura 3.33: Bifurcacion de Hopf ( = 2,8, n = 0,1, = 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 . ( = 2,7045, n = 0,1, = 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: Catastrofe retrasada: (a) orbita en el espacio de estados (x, y); (b) pauta
de comportamiento. ( = 2,704, n = 0,1, = 0,1 and a = 0,06.)
origen dando lugar a la extincion de la poblacion.
Conviene detenerse en la comparacion entre la gura 3.29, en la que se tiene el

diagrama de bifurcacion antes de anadir el retraso, y la gura 3.31, con el correspon-
diente diagrama despues de anadirlo. Comparandolas se pone de maniesto el efecto
del retraso en el comportamiento del sistema. En ambas los equilibrios son los mismos,
pero en la segunda equilibrios que eran estables en la primera se han convertido en in-
estables. Esta inestabilizacion se produce mediante una bifurcacion de Hopf, de modo
que emerge un ciclo lmite estable. A partir de esta emergencia se genera la aparicion
del fenomeno de la catastrofe retrasada.
Bibliografa
[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, Dinamica de sistemas, Alianza Editorial.
[6] Aracil, J., E. Ponce and L. Pizarro, 1997, Behavior patterns of logistic models
with delay, aceptado para publicacion 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., Kocak, H., 1991, Dynamics and Bifurcations, Springer-Verlag.
[9] Karsky, M., Dore, J-Ch. and Gueneau, P, De la possibilite dapparition de catas-
trophes dieres, 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, Stabilite structurelle et morphogenese, InterEditions, Paris (ver-
sion espanola Estabilidad estructural y morfogenesis en Gedisa).
[14] Strogatz, S.H., 1995, Nonlinear Dynamics and Chaos, Addison-Wesley.
85
86 BIBLIOGRAFIA
O
t
Figura 3.36: Bimodal behavior pattern: attractor A stands for normal growth and O
for decay.
[15] M. Vazquez, 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. Vazquez, M. Liz, J. Aracil, 1996b, An Epistemological Framework for System

Dynamics Modelling, Revue Internationale de Systemique, Vol. 9, Num. 5, 461-
489.
[17] E.C. Zeeman, 1977, Catastrophe Theory, Addison-Wesley.

3.6. APENDICE 87
( x*e , *)
2n
2
x e- x+
e
1-
4
1- 1- 1- 1 xe
4 2
2
- (1- )
2
- 1+
1< < * 2
0<<1
=1 =1 =0

Figura 3.37: The graph of the function 2n
(xe ).
La losofa esta escrita en ese grandioso libro que esta 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 esta escrito.
Esta escrito en el lenguaje matematico, siendo sus caracteres triangulos,
crculos y guras geometricas. Sin estos medios es humanamente imposible
comprender una palabra; sin ellos, deambulamos vanamente en un oscuro
laberinto.
Galileo
Il Saggiatore
3.6. Apendice
En este apendice se va a generalizar para cualquier n la invariancia de los autovalores

de un sistema dinamico en un punto de equilibrio bajo una transformacion diagonal
monotona y creciente. Sea el sistema dinamico
x = g(x) x X IRn (3.14)
Se aplica la transformacion
x = T (x) (3.15)
siendo T (x) = diag[ti (x)] una matriz diagonal tal que cada ti es una funcion monotona
creciente, dti /dxi > 0. La transformacion T tiene inversa T 1 = diag[1/ti (x)]. Al aplicar
88 BIBLIOGRAFIA
la transformacion se tiene
x = [Dx (T )]1 g(T (x)) (3.16)
Los equilibrios son los mismos en las dos formalizaciones del sistema dinamico, y estan
ligados por la transformacion T .
Los autovalores de los dos sistemas dinamicos son los mismos. En efecto, el jacobiano
del transformado es:
f
A = Dx ([Dx (T )]1 )g(T (x)) + [Dx (T )]1 [ ][Dx (T )]
x
pero como en el equilibrio g(T (x)) = 0, luego
f
A = [Dx (T )]1 [ ][Dx (T )]
x
cuyos autovalores son los mismos que los del sistema dinamico original. La estructura
del retrato de estados es la misma. Lo unico que las diferencia son las contracciones y
dilataciones segun los ejes que tienen lugar de acuerdo con la transformacion T .
Captulo 4
Funcion descriptiva y balance

armonico
4.1. Metodo del primer armonico
Los metodos clasicos de sistemas realimentados lineales estan basados en el empleo

de la funcion de transferencia, que posee una interpretacion en el dominio de la fre-
cuencia de gran interes para el analisis y la concepcion de esos sistemas realimentados.
Sin embargo, el concepto de funcion de transferencia esta 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 version
ampliada del metodo de la respuesta en frecuencia a sistemas no lineales mediante
el metodo de la funcion descriptiva. Con este metodo, como vamos a ver, es posible
adaptar los metodos de diseno 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 ultimo caso los resultados son exclusivamente aproximados.
4.1.1. Ejemplo introductorio
Los sistemas no lineales pueden presentar oscilaciones de amplitud y periodo jos

sin excitacion exterior. Esas oscilaciones se denominan ciclos lmites u oscilaciones
autoexcitadas. Una de la primeras ecuaciones propuestas para estudiar este fenomeno
se debe al ingeniero electrico holandes Balthasar Van der Pol. Esta ecuacion es la
89
90 CAPITULO 4. FUNCION DESCRIPTIVA Y BALANCE ARMONICO
siguiente:
x + (x2 1)x + x = 0 (4.1)
vamos a emplear esta ecuacion como ejemplo introductorio al metodo del primer
armonico. Para ello, vamos a suponer que existe un ciclo lmite de amplitud y fre-
cuencia no determinadas, y vamos a ver que restricciones impone la ecuacion anterior
a esta amplitud y frecuencia.
Elemento no lineal (xx2 ) Elemento Lineal
0 + x v x
s2 s+1
-
(.)2
Figura 4.1: Diagrama de bloques del oscilador de Van der Pol
Puesto que el analisis de la ecuacion de Van der Pol lo estamos haciendo como intro-
duccion al estudio de sistemas realimentados no lineales conviene que representamos la
ecuacion (4.1) mediante un diagrama de bloques como el de la gura 4.1. En esta gura
se tiene un sistema realimentado, con realimentacion unitaria, en cuya cadena directa
aparece un bloque no lineal y uno lineal. Como veremos luego, esta sera la forma que
tomaran los sistemas realimentados no lineales a los que se aplica el metodo del primer
armonico.
Para justicar el diagrama de la gura 4.1 basta reescribir la expresion (4.1) de la

forma
x x + x = x2 x
Se dene v = x2 x, con lo que la anterior expresion se convierte en
x x + x = v
cuya funcion de transferencia es

x
(s) = 2
v s s + 1
Supongamos que el sistema de la gura 4.1 oscila, de modo que la senal x evoluciona
de la forma
x(t) = A sen t (4.2)
4.1. METODO DEL PRIMER ARMONICO 91
en donde A es la amplitud del ciclo lmite y su frecuencia. En este caso se tiene
x(t) = A cos t
por consiguiente, la salida del bloque no lineal de la gura 4.1 viene dada por
v = x2 x = A2 sen2 tA cos t (4.3)

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

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

1
cos t cos t cos 2t = (cos t cos 3t)
2
En la expresion (4.5) se observa que la senal v contiene un armonico de tercer orden.
Sin embargo, sucede que la parte lineal se comporta como un ltro paso bajo, de
modo que se puede suponer razonablemente que este armonico de tercer orden resulta
sucientemente atenuado por el bloque lineal y que puede, en una primera aproximacion
despreciarse. Con estos supuestos, la senal v toma la forma aproximada
A3 A2 d
v (cos t) = (A sen t) (4.6)
4 4 dt
De este modo el bloque no lineal de la gura 4.1 puede representarse en forma aprox-
imada como se hace en la gura 4.2. El bloque no lineal de la gura 4.1 se describe
de forma aproximada, mediante una funcion de transferencia como la que se indica
en la gura 4.2. Conviene observar que esta funcion de transferenciadepende de la
amplitud de la senal de entrada A, lo que no sucede en ningun caso con una funcion
de transferencia de un sistema lineal.
Aproximacion cuasi lineal
r=0 + x A2 v x
4
s s2 s+1
-
Figura 4.2: Aproximacion lineal del oscilador de Van der Pol
En general, podemos escribir que las senales de salida v del bloque no lineal de la
gura 4.2 vienen dadas por
v = N(A, )(x) (4.7)
en donde N juega el mismo papel que la funcion de transferencia en un sistema lineal,
aunque en este caso con la propiedad adicional de depender no solamente de la fre-
cuencia , sino tambien de la amplitud A. A la funcion N la denominaremos funcion
descriptiva del elemento no lineal correspondiente y constituye una generalizacion del
concepto de funcion de transferencia al estudio de los sistemas no lineales (aunque
aqu con un caracter aproximado ya que para llegar a ella se han despreciado los
armonicos de orden superior al primero, a partir de la consideracion del caracter del
ltro paso bajo del bloque lineal).
En el caso que nos ocupa la funcion descriptiva toma la forma
A2
N(A, ) = j (4.8)
4
es decir el bloque no lineal se puede aproximar por la funcion de respuesta en frecuencia
N. De acuerdo con la cadena directa del sistema de la gura 4.2, se puede escribir
x = A sen t = G(j)v = G(j)N(A, )(x) (4.9)
Se sabe que una senal senoidal se puede escribir en forma compleja mediante la expo-
nencial
x = Aejt
con lo que la anterior expresion (4.9) puede escribir
Aejt = G(j)N(A, )(Aejt )
de donde se tiene
1 + G(j)N(A, ) = 0 (4.10)
esta expresion, en realidad, es una forma de escribir la expresion (4.1), es decir la

ecuacion del sistema, habida cuenta de la simplicacion que ha permitido pasar de
la expresion (4.3) a la (4.6). La resolucion de esta ecuacion en la amplitud A y la
frecuencia permite determinar la amplitud y frecuencia a la que oscila el sistema. En
el caso concreto que nos ocupa, la expresion (4.10) se convierte en
A2
1+ j = 0 (4.11)
(j)2 (j) + 1 4
que conduce a
4((j)2 (j) + 1) + A2 j = 0
cuya parte real es
4 2 + 4 = 0
cuya solucion conduce a = 1, y cuya parte imaginaria es
4 + A2 = 0
por lo que A = 2. Por tanto el sistema admite una solucion en forma de oscilacion con
amplitud A = 2 y frecuencia = 1.
Conviene observar que la expresion (4.11) escrita en forma de Laplace toma la forma
A2 s
1+ =0
s2 s + 1 4
que es la ecuacion caracterstica en bucle cerrado del sistema de la gura 4.2. Los
autovalores de esta ecuacion son

1 2 1 2 2
1,2 = (A 4) (A 4)2 1 (4.12)
8 64
en los que haciendo A = 2 se obtienen los autovalores 1,2 = j; es decir existe un
ciclo lmite de amplitud 2 y frecuencia 1. Conviene observar que ni la amplitud ni la
frecuencia obtenidas dependen del parametro .
4.1.2. Principios del metodo
Supuestos basicos del metodo:
1. Hay un unico 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 ltro paso-bajo.
4. La no linealidad es simetrica, de modo que no aparece en la salida un senal de

continua, cuando la senal de entrada es sinusoidal.
Debido a estas limitaciones, el metodo de la funcion descriptiva se utiliza fundamental-

mente para el analisis de estabilidad y no suele aplicarse a problemas de diseno optimo
de sistemas.
4.1.3. Transformacion de Fourier
La salida v(t) de un elemento no lineal, en respuesta a una senal sinusoidal, de

amplitud A y frecuencia , es una senal periodica de la misma frecuencia, que se puede
desarrollar en serie de Fourier, de la forma:

v(t) = a0 + (ak cos(kt) + bk sen(kt))
k=1
El termino independiente es el valor medio de la senal en un perodo.


1
a0 = v(t)d(t)
2
Para una senal sin componente de continua este valor es cero; es decir a0 = 0
(recuerdese el supuesto 4 de 4.1.2).

1
ak = v(t) cos(kt)d(t) k = 0, 1, 2, ... (4.13)

1
bk = v(t) sen(kt)d(t) k = 0, 1, 2, ... (4.14)

Casos de interes:
v(t) es impar [v(t) = v(t)], entonces ak = 0, k = 0, 1, 2, ..., y en desarrollo

solo tiene terminos en senos (gura 4.5a).
v(t) es alternada [v(t + ) = v(t)], entonces el desarrollo solo tiene terminos

impares (gura 4.5b).
v(x)
v(x)
x x+
x x
v(x)
v(x + )
a) b)
Figura 4.5: Senales impar (a) y alternada (b)
4.1.4. Funcion descriptiva
En el supuesto de que se considere unicamente la componente fundamental del

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

funcion descriptiva. De la expresion (4.15) se tiene

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

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

tema no lineal a una senal sinusoidal de entrada, es otra senal sinusoidal de la misma
frecuencia pero de amplitud M y desfase . Empleando una representacion compleja
la sinusoide puede escribirse
v1 = Mej(t+) = (b1 + ja1 )ejt
Con los anteriores elementos ya estamos en posicion de denir la funcion descriptiva

de un elemento no lineal como el cociente complejo entre la componente fundamental
del elemento no lineal y la senal sinusoidal de entrada A sen t; es decir
Mej(t+) M j 1
N(A, ) = jt
= e = (b1 + ja1 ) (4.16)
Ae A A
Es decir, la funcion descriptiva N(A, ) es una funcion compleja cuyo modulo y argu-
mento representan la amplicacion y el desfase del primer armonico de la salida v(t)
de un sistema no lineal ante una entrada sinusoidal de amplitud A y frecuencia .
Si la no-linealidad puede escribirse v = (y), la funcion descriptiva viene dada por

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

de la senal de entrada. Existen, sin embargo, algunos casos especiales. Cuando la no
linealidad es uniforme (es decir, su caracterstica es una funcion que asigna a cada valor
de la senal de entrada un unico valor de la senal de salida) la funcion descriptiva N
es real e independiente de la frecuencia de entrada. El caracter real de N se debe a
que a1 = 0, debido a que la senal de salida del elemento no lineal es impar, y en ese
caso, como hemos recordado antes, todos los terminos ai se anulan. Ademas, la salida
es siempre alternada, por lo que los terminos pares desaparecen. Por tanto ante una
no-linealidad uniforme se tendra
v(t) = b1 sen t + b3 sen 3t + b5 sen 5t + ...
4.1.5. Interpretacion estocastica de la funcion descriptiva
Se trata de determinar N(A) de modo que N(A)A sen t aproxime a (A sen t)

minimizando el error cuadratico medio. Sea
e(t) = (A sen t) N(A)A sen t
se pretende minimizar
2
1
J= e2 (t)d(t)
2 0
sustituyendo e(t) y diferenciando

2
dJ 2
= [(A sen t) N(A)A sen t](A sen t)d(t) = 0
dN 2 0
luego
2 2
(A sen t)A sen td(t) = N(A)A2 sen2 td(t)
0 0
pero
2
N(A)A2 sen2 td(t) = N(A)A
0
luego
2
1
N(A) = (A sen t)A sen td(t)
A 0
4.1.6. Propiedad del cono
Sea (.) tal que

k1 y 2 y(y) k2 y 2 (4.18)
se dice que (.) esta en el cono [k1 , k2 ]. Si ademas (.) es impar, (y) = (y),
entonces se tiene que
k1 N(A) k2 (4.19)
es decir la funcion descriptiva esta en el intervalo [k1 , k2 ]. En efecto,

2
1
N(A) = (A sen t) sen td(t)
A 0
2
1
= (A sen )A sen d
A2 0
2
1
k1 (A sen )2 d
A2 0

k1 2
= k1 sen2 d
0
k1
= k1 = k1

Analogamente para k2 .
4.2. Algunas funciones descriptivas
La determinacion de la funcion descriptiva se puede hacer basicamente de dos for-

mas: por calculo analtico o por determinacion experimental.
Por lo que respecta al metodo analtico vamos a presentar varios ejemplos para
ilustrar su aplicacion. El primero de los ejemplos es una saturacion que aporta un
ejemplo de un sistema no lineal con caracterstica estatica. Tambien se presenta un
ejemplo de un rele con holgura, cuya caracterstica es dinamica.
4.2.1. Saturacion
En la gura 4.7 se muestra la caracterstica de una saturacion. Para valores de x < a

el elementos no lineal transmite la senal de forma lineal, con una amplicacion. Para
valores de x > a la senal de entrada queda truncada por efecto de la no linealidad.
En la gura 4.7 se muestra el efecto de la saturacion sobre una senal de entrada de

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

kA sen(t) 0 t
v(t) =
ka t /2
siendo = sen1 (a/A)

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

saturacion
k salida saturada
ka
0 a x 0 t
ka
0 A
x(t)
/2
entrada
sinusoidal
Figura 4.7: Caracterstica de una saturacion.
a1 = 0 observese que el caracter impar de v(t) implica que a1 = 0 y que la simetra

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

4 /2
b1 = v(t) sen td(t) (4.20)
0

4 2 4 /2
= kA sen td(t) + ka sen td(t)
0

2kA a a2
= ( + 1 2)
A A
por consiguiente, la funcion descriptiva resulta ser

b1 2k a a2
N(A) = = ( + 1 2) (4.21)
A A A
En la gura 4.8 se representa la funcion descriptiva de una saturacion.
4.2.2. Rele
La caracterstica no lineal de un rele se muestra en la gura 4.9. Si se compara

con la caracterstica de una saturacion, que se vio en la gura 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: Funcion descriptiva de una saturacion.
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: Caracterstica de un rele

linealidad de un rele corresponde a un caso lmite de una saturacion denido por
a 0, k
siendo ka = M. Por tanto, b1 puede obtener de la expresion (4.21) calculando el lmite.

Sin embargo se obtiene mas facilmente calculandolo directamente de acuerdo con

4 /2 4M
b1 = M sen td(t) = (4.22)
0
por lo que la funcion descriptiva de un rele viene dada por
4M
N(A) = (4.23)
A
En la gura 4.9 se representa la funcion descriptiva de un rele. Puede compararse esa
funcion descriptiva con la de la saturacion que se vio en la gura 4.8.
4.2.3. Holgura
Engranaje secundario Engranaje primario angulo

salida
C
B
b -b A
0 b angulo
entrada
D E
Figura 4.10: Caracterstica de una holgura.
En la gura 4.10 se muestra la caracterstica de una holgura, que se presenta a

menudo en los sistemas de transmision mecanica mediante engranajes. Como conse-
cuencia de la holgura, cuando el engranaje primario gira un angulo menor que b, el
secundario no se mueve, como corresponde a la zona muerta (segmento OA en la gu-
ra 4.10); despues de establecido el contacto en engranaje secundario sigue la rotacion
del primario de manera lineal (segmento AB). Si se invierte el sentido de giro del en-
granaje primario entonces durante un angulo 2b el secundario no se mueve, de acuerdo
con el segmento BC de la gura 4.10. Cuando se restablece el contacto entre los dos
engranajes el secundario sigue al primario en la direccion opuesta (segmento CD). Por
consiguiente, si el engranaje primario esta sometido a un movimiento periodico el se-
cundario recorrera el camino cerrado EBCD, de la gura 4.10. Conviene observar que
los puntos B, C, D y E de la gura dependen de la amplitud de la senal 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 senales de entrada que
afectan al sistema.
v v(t)
k(A b)
-b 3/2
b x /2 t
k(A b)
-A A
x(t)
/2
entrada sinusoidal
3/2
Figura 4.11: Generacion de la senal de salida para una senal sinusoidal de entrada en
una holgura.
El calculo de la funcion descriptiva resulta en este caso mas complejo que en el de

la no linealidades sin memoria. En la gura 4.11 se muestra como se genera la senal de
salida para una senal sinusoidal de entrada. La senal 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 caracterstica. Se tiene
v(t) = (A b)k
2
t
v(t) = A(sen t + b)k t 32
3
v(t) = (A b)k 2
t 2
v(t) = A(sen t b)k 2 t 5 2
donde = sen1 (1 2b/A). En este caso la caracterstica no es uniforme y la compo-

nente fundamental de la senal de salida presenta variacion de amplitud y de fase. Se
tiene
4kb b
a1 = ( 1)
A

Ak 2b 2b 2b
b1 = ( sen1 ( 1) ( 1) 1 ( 1)2 )
2 A A A
es decir, la funcion descriptiva de una holgura viene dada por

1
|N(A)| = a21 + b21
A
a1
N(A) = tan1 ( )
b1
En las guras 4.12 y 4.13 se representan la amplitud y desfase, respectivamente, de la
funcion descriptiva de una holgura. Observese que en este caso la funcion 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 funcion descriptiva de una holgura.
depende exclusivamente de la amplitud de la senal de entrada, como suceda en las no

linealidades sin memoria (como la saturacion y el rele) que se han visto anteriormente.
Sin embargo, en este caso la funcion descriptiva tiene modulo y argumento (amplitud y
desfase), mientras que en los casos de no linealidades sin memoria la funcion descriptiva
posee unicamente amplitud, y no desfase.
4.2.4. Determinacion experimental de la funcion descriptiva
En lo ejemplos que se acaban de ver, se ha determinado la funcion descriptiva me-

diante la aplicacion de metodos matematicos. Ello es posible cuando la formulacion
matematica del problema es aceptablemente sencilla. Cuando no es as, se procede de
manera experimental con ayuda de un analizador armonico. Se excita el sistema no
lineal cuya descripcion descriptiva se quiere determinar, con senales 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 funcion descriptiva de una holgura.
salida se analiza mediante el analizador armonico, de modo que se discrimine el primer

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

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

un elemento no lineal. Ademas en la seccion 4.1.1 se presento un ejemplo introductorio
que permita analizar la existencia de ciclos lmites en un sistema no lineal mediante
la funcion descriptiva. En esta seccion vamos a generalizar el metodo all presentado.
Para ello, en primer lugar, conviene recordar el criterio de Nyquist.
4.3. ANALISIS DE SISTEMAS NO LINEALES MEDIANTE LA FUNCION DESCRIPTIVA105
+
G(s)
-
H(s)
Figura 4.14: Sistema lineal realimentado.
plano s G(s)H(s)
+
-1
Figura 4.15: Criterio de Nyquist.
4.3.1. Una ampliacion del criterio de Nyquist
Sea el sistema lineal de la gura 4.14, cuya ecuacion caracterstica resulta ser
1 + G(s)H(s) = 0 (4.24)
como se recordara el criterio de Nyquist permite conocer el numero de races de la

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

abierto GH. Entonces Z es el nmero de polos inestables del sistema en bucle cerrado
(con solo 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 numero complejo, se incluye en la cadena directa
de la gura 4.16. En tal caso la ecuacion caracterstica resulta ser
Im
0 + G(s)H(s)
k G(s)
-
-1
Re
H(s)
1/k
Figura 4.16: Ampliacion del criterio de Nyquist.

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

N (A, ) G(j)
-
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 facil ver que en este caso el criterio de Nyquist se aplica igual que en el caso anterior
(de la gura 4.15) con la diferencia de que ahora Z representa el numero de veces que
el contorno de Nyquist de GH rodea al punto 1/k, lo que se ilustra en la gura 4.16.
4.3.2. Oscilaciones de un servomecanismo no lineal
Considerese el sistema no lineal de la gura 4.17. Diremos que este sistema presenta
una oscilacion automantenida si para r = 0 el sistema presenta un comportamiento
oscilatorio. Supongamos que esta oscilacion viene dada por la expresion
x(t) = A cos t (4.27)
El componente fundamental de la senal de salida del elemento no lineal v(t) resulta ser
v(t) =| N(A, ) | A cos(t + (A, )) (4.28)
Es sabido que (4.27) y (4.28) pueden escribirse de la forma
x(t) = {Aejt }
v(t) = {| N(A, ) | Aej(t+(A,)) }

Empleando esta ultima forma de representar un comportamiento oscilatorio, se tiene
que la salida del elemento lineal vendra dada por
y(t) = {| N(A, ) | A | G(j) | ej(t++) }
siendo = G(j).
Para que la oscilacion sea automantenida, en ausencia de senal de excitacion r, se

requiere que:
Aejt =| N(A, ) | A | G(j) | ej(t++)
Es decir,
Aejt (| N(A, ) || G(j) | ej(+))+1 = 0
La anterior expresion se debe satisfacer para todo t, por lo que se tendra
| N(A, ) || G(j) | ej(+) + 1 = 0
es decir,
N(A, )G(j) + 1 = 0 (4.29)
y por tanto,
1
G(j) = (4.30)
N(A, )
y cualquier par de valores de A y que satisfaga la anterior ecuacion puede dar lugar
a un ciclo lmite. De aquellos valores que satisfagan esta ecuacion, solo dara lugar a un
ciclo lmite aquellos para los que la oscilacion periodica sea estable.
4.3.3. Funcion descriptiva independiente de la frecuencia
Considerese el caso en el que la funcion descriptiva N es unicamente funcion de la

amplitud A. Este caso incluye todas las no linealidades cuya caracterstica es uniforme y
algunas no linealidades biformes interesantes como la holgura. En este caso la expresion
(4.30) se convierte en
1
G(j) = (4.31)
N(A)
En la gura 4.18 se han representado la funcion de transferencia de la parte lineal

G(j) (parametrizado en ) y la curva correspondiente a la inversa de la funcion
descriptiva, con el signo cambiado, (parametrizada en A) en el plano complejo. Si estas
dos curvas se cortan, entonces los valores de A y de correspondientes al punto de
interseccion son soluciones de la ecuacion 4.31, y en consecuencia, pueden existir ciclos
lmites. Por ejemplo, en la gura 4.18 las dos curvas se cortan en el punto L.
Im
G(j)

Re
L A
1/N (A)
Figura 4.18: Determinacion de un ciclo lmite.
Conviene recordar que para no-linealidades uniformes N es siempre real y por con-
siguiente el trazado de (4.31) siempre esta situado sobre el eje real.
4.3.4. Funcion descriptiva dependiente de la frecuencia
En el caso general la funcion descriptiva depende tanto de la amplitud de la senal

de entrada como de su frecuencia y, en consecuencia el metodo que se acaba de ver
en el apartado anterior, adquiere mayor complejidad. En tal caso la expresion en el
segundo miembro de (4.30) da lugar a una familia de curvas en el plano complejo con
A como parametro y permaneciendo constante en cada curva, como se muestra en
la gura 4.19. De todas las intersecciones entre la familia de curvas 1/N(A, ) y la
curva G(j) solamente aquellos puntos de interseccion en los que coincidan los valores
de constituyen soluciones de la ecuacion (4.30), y son, por tanto, candidatos a ciclos
lmites. Existe otro procedimiento graco para resolver la expresion (4.30). Consiste en
considerar la representaciones gracas de G(j)N(A, ). Dando a A un valor constante
y variando de 0 a innito, se obtiene una curva que representa a G(j)N(A, ).
Procediendo con diferentes valores de A se obtiene una familia de curvas, como la que
se muestra en la gura 4.20. La curva de esta familia que pase por el punto (-1,0) en
el plano complejo suministra una solucion de la expresion (4.30) .
4.3.5. Estabilidad de los ciclos lmite
Con los ciclos lmites sucede lo mismo que con los equilibrios: que pueden ser estables
o inestables. Las soluciones de la ecuacion (4.30) deben someterse a un analisis de
estabilidad, para determinar cuales de ellas son estables y cuales no. El criterio de
Nyquist ampliado que hemos visto en la seccion 4.3.1, permite analizar esa estabilidad.
Considerese la gura 4.21 en la que se muestran las intersecciones entre la funcion
de transferencia de la parte lineal y la inversa de la funcion descriptiva de la parte
Im
1/N (A, ) G(j)
4
3 A
2 Re
1
Figura 4.19: Determinacion de ciclos lmite con funciones descriptivas dependientes de

la frecuencia.
A1 A2 A3 A4
-1
G(j)N (A, )
Figura 4.20: Resolucion graca de la ecuacion N(A, )G(j) + 1 = 0.

Im
G(j)
L2 1/N (A, ) Re
L1
L1 L1
Figura 4.21: Estabilidad de ciclos lmite.
no lineal. Estas dos curvas presentan dos puntos de interseccion, L1 y L2 , por lo que
el sistema presenta dos ciclos lmites. Observese que el valor de A correspondiente al
punto L1 es menor que el de A correspondiente a L2 . Supongase que la funcion de
transferencia de la parte lineal G(j) no posee polos inestables.
Vamos a analizar primero la estabilidad del ciclo lmite correspondiente al punto

L1 . Considerese que el sistema se encuentra inicialmente operando en el punto L1 ,
con un ciclo lmite de amplitud A1 y cuya frecuencia en 1 . Debido a una pequena
perturbacion, la amplitud de la senal de entrada al sistema no lineal se incrementa
ligeramente, y el punto de operacion del sistema se mueve de L1 a L1 . Puesto que el
nuevo punto L1 se encuentra a la derecha de la curva G(j), de acuerdo con el criterio
de Nyquist ampliado que se ha visto en la seccion 4.3.1, el sistema es inestable, en este
punto de operacion, y las amplitudes del sistema tienden a crecer. Por consiguiente, el
punto de operacion seguira creciendo a lo largo de curva 1/N(A, ) hasta el punto L2 .
Por otra parte, si el sistema se perturba de modo que la amplitud A decrece, entonces el
punto de operacion se movera al punto L1 . En este caso el punto L1 queda a la izquierda
de G(j) y el criterio de Nyquist ampliado garantiza la estabilidad del sistema, por lo
que las amplitudes tenderan a decrecer y el punto de operacion se alejara cada vez mas
del punto de equilibrio L1 . De todo lo anterior se desprende que una ligera perturbacion
destruye la oscilacion en el punto L1 y que, por consiguiente, que este ciclo lmite es
inestable. Un analisis similar puede desarrollarse para el punto L2 con la conclusion de
que ciclo lmite 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 vera a
continuacion.
Una forma mas rigurosa de abordar el estudio de la estabilidad de las oscilaciones

es el siguiente. Sea x = Aejt el primer armonico de la oscilacion automantenida que
se perturba ligeramente hasta que su amplitud toma el valor A + A y su frecuencia
+ . Despues de la perturbacion, x(t) ya no es una funcion periodica, sino que

posee un pequeno amortiguamiento , positivo o negativo. Es decir, despues de la
perturbacion la senal se convierte en:
x(t) = (A + A)et ej(+)t = (A + A)ej(++j)t (4.32)
Por otra parte, la expresion (4.29) se puede escribir
X(A, ) + jY (A, ) = 0 (4.33)
agrupando los terminos correspondientes a sus partes real e imaginaria. Por otra parte,
la solucion (4.32) debe satisfacer tambien la anterior ecuacion dando lugar a:
X(A + A, + + j) + jY (A + A, + + j) = 0 (4.34)
Desarrollando en serie de Taylor esta expresion, y tomando unicamente los termi-

nos de primer orden en A, y , se tiene:
X X Y
+ A = 0
A
Y Y X
+ A + = 0
A
Eliminando :
2 2
X Y X Y Y X
+ = A
A A
Para que la oscilacion sea estable es necesario que y A sean del mismo signo, lo
que exige que:
X Y Y X
>0 (4.35)
A A
En el caso de una no linealidad uniforme se tiene,
N(A)G(j) + 1 = 0
Haciendo
G(j) = U() + jV ()
1
C(A) = = P (A) + jQ(A)
N(A)
se tiene
X(A, ) = U() P (A)

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

Q U P V
>0
A A
El primer miembro de esta desigualdad es un producto vectorial lo que puede escribirse
dG(j) dC(A)
>0
d dA
Este producto vectorial permite la interpretacion geometrica que se muestra en la gura
4.22. De acuerdo con ella, un ciclo limite sera estable si recorriendo G(j) en el sentido
de las crecientes, en el punto de corte con C(A), se deja a la izquierda el sentido de
las A crecientes, en la curva de C(A) = 1/N(A).
Im Im
G G
Re Re
1/N 1/N
(a) (b)
Figura 4.22: Criterio de estabilidad de ciclos lmite: (a) estable; (b) inestable.
De este modo se ha demostrado con rigor el resultado que previamente se haba

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

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

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

ecuacion
1
G1 () =
N(A)
Esta ecuacion, en este caso, conduce a
K A
=
j(j + 2) 4
Es decir
4K = Aj(j + 2)
Igualando sus partes reales e imaginarias se tiene:
4K = A 2
2Aj = 0
De donde se desprende que = 0, y por lo tanto el sistema no oscilara, pues no existe

ninguna frecuencia para la que se tenga una solucion oscilatoria.
A la misma conclusion se llega empleando metodos gracos, y comprobando que la

representacion graca de la funcion de transferencia de la parte lineal y de la funcion
descriptiva solo se cortan en el origen.
Supongamos ahora que la ecuacion de la parte lineal es

K
G2 (s) =
s(s + 2)(s + 5)
Im
G2 (j)
A
P P P Re
Figura 4.24: Estudio de la estabilidad de un sistema no lineal con un rele.
En ese caso la ecuacion de oscilacion se convierte en
K A
=
j(j + 2)(j + 5) 4
es decir
4K = Aj(j + 2)(j + 5) = 7A 2 + Aj( 3 10)
Con lo que igualando partes reales e imaginarias se tiene
4K = 7A 2
3 10 = 0

Por lo tanto, en este caso el sistema oscila con una frecuencia = 10 y una
amplitud A = 2K/35.
Para estudiar la estabilidad del oscilador se recurre al diagrama de Nyquist que

se muestra en la gura 4.24. El punto de oscilacion corresponde al punto P de esta
gura. Para estudiar la estabilidad del ciclo lmite, supongamos, en primer lugar, una
perturbacion que haga que la entrada al elemento no lineal se incremente a un nuevo
valor, de modo que el punto de operacion se desplace a P . Puesto que P se encuentra
en la region de operacion estable, la amplitud de la entrada al elemento no lineal tiende
a decrecer y por tanto el punto de operacion se mueve de nuevo a P . De forma analoga,
si la perturbacion hace decrecer la amplitud de la entrada al sistema no lineal entonces
se produce un desplazamiento del punto de operacion a P , que se encuentra situado en
la region de operacion inestable. La amplitud de la entrada, en este caso, se incrementa
de modo que el punto de operacion vuelve de nuevo a P . Por consiguiente el sistema
tiene un ciclo lmite estable en P .
4.4. LA FUNCION DESCRIPTIVA DUAL 115
a) b)
Figura 4.25:
4.3.6. Fiabilidad del analisis mediante funciones descriptivas
Cuando se emplea el metodo de la funcion descriptiva conviene no olvidar nunca el

caracter aproximado de esa funcion, lo que conduce a resultados que tienen tambien una
naturaleza aproximada. Este caracter aproximado afecta no solo a los valores numericos
de las amplitudes y frecuencias de las oscilaciones de los ciclos lmites, sino tambien a
la propia existencia de estos.
Conviene recordar una de las hipotesis sobre las que esta basado el metodo: el
caracter de ltro paso bajo del sistema lineal. Ademas, la propia expresion (4.30)
puede ser sensible a las aproximaciones que comporta el metodo. Con caracter general
se puede decir que las conclusiones del metodo seran tanto mas solidas cuanto mas
neta sea la interseccion de las curvas que representan la parte lineal y la inversa de
la parte no lineal en la resolucion graca del metodo. En la gura 4.25 se muestran
dos situaciones extremas posibles. En la gura 4.25a se presenta un caso en el que
el sistema muestra una gran sensibilidad, lo que hace temer que las conclusiones del
metodo se puedan ver fuertemente afectadas.
Por otra parte, la gura 4.25b muestra un caso en el que las conclusiones son
altamente ables. Cabe decir, que cuanto mas perpendicular es la interseccion entre
las curvas G(j) y 1/N(A, ), mas ables son los resultados del metodo.
4.4. La funcion descriptiva dual
En este apartado se extienden las tecnicas de analisis basadas en metodos

frecuenciales al caso de no linealidades asimetricas. Para ello se usa el metodo de la
funcion descriptiva dual [GV68], [Ath75], [Coo94], [Cue00].
En este metodo se estudia el balance del primer armonico, de tal forma que los
ciclos lmite admitiran la siguiente representacion:
y(t) = a0 + Re(a1 ejt ); a0 R, a1 C; Re(a1 ) 0, > 0, (4.36)
donde, y(t) es la salida de la parte lineal y a0 es el termino de continua. Al igual que
en la seccion anterior los ciclos lmite no se consideran en fase, y se puede suponer, sin
perdida de generalidad, que Im(a1 ) = 0.
Es importante hacer notar que la expresion (4.36) abarca no solo al representacion

de ciclos lmite asimetricos como salida del sistema, sino que tambien contempla la
posibilidad tanto de ciclos lmite simetricos (a0 = 0), como la de puntos de equilibrio
(a1 = 0).
As pues, considerese que las senales correspondientes a la salida del bloque lineal,
y(t), denidas segun (4.36) entran, por efecto de la realimentacion del sistema (gura
4.3), en el bloque no lineal dando lugar a unas salidas que, en regimen permanente,
corresponden a las senales periodicas v(t). Dichas salidas pueden ser representadas por
medio de un desarrollo en serie como:
v(t) = N0 a0 + Re(N1 a1 ejt ) + . . .
donde, N0 y N1 corresponden, respectivamente, a la ganancia de continua y a la del
primer armonico calculadas desde la entrada del bloque no lineal a la salida de dicho
bloque. Estas ganancias pueden ser obtenidas de manera facil a partir de la expresion
de los coecientes de Fourier como:

1
N0 (a0 , a1 , ) = v(t) d(t)
2a0

1
N1 (a0 , a1 , ) = v(t)ejt d(t).
a1
Si se considera una no linealidad estatica, es posible eliminar la dependencia de

de N0 y N1 .
Por tanto, para que se satisfaga el balance del primera armonico, y exista un ciclo
lmite, sera necesario que los terminos de orden cero y de primer orden de y(t) sean
iguales a los correspondientes terminos calculados (despreciando armonicos de orden
superior) a la salida del bloque lineal cuando se toma como entrada la senal v(t). Esta
condicion 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 solucion en a0 , a1 y del sistema (4.37) se podra predecir la

existencia de un ciclo lmite. Cuando la solucion sea independiente de y tenga a1 = 0,
esta sera la correspondiente a un punto de equilibrio del sistema.
4.4.1. Ejemplo
Para ilustrar este metodo, y a n de tener un resultado que comparar con el

metodo de deteccion de ciclos lmite con N armonicos, se aplica el metodo de la funcion
descriptiva dual a un sistema simple pero con una riqueza de comportamiento suciente
[SAA98a], [SAA98b].
El sistema a analizar es el representado en la gura 4.26 que tiene una no linealidad

cuadratica que, al no ser simetrica con respecto al origen, justica el uso de la funcion
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
ecuacion:
y
y + G(0)(y) = 0 (y) =
G(0)
donde, (y) = y 2 y G(0) = 12 . Esta ecuacion se puede resolver gracamente a partir

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

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 funcion del parametro b es el representado en la gura 4.28.
E1
y
E2
f (y) -2y
Figura 4.27: Calculo graco 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 crtico
en el innito, el numero 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 pasara a ser inestable en bucle abierto y como el punto crtico
esta en el innito el numero de vueltas es N = 0. Dado que P = 2, al ser el sistema
inestable en bucle abierto Z = 2, por lo que el equilibrio es inestable.
As pues, se pasa de la estabilidad a la inestabilidad del equilibrio y = 0 para

b = 0, y esta perdida de estabilidad se produce por la aparicion de dos polos complejos
conjugados, lo que induce a pensar que se esta en presencia de una bifurcacion de Hopf.
A continuacion se realiza el mismo analisis para el equilibrio en y = 2. En este caso

el punto crtico esta en 14 ; por lo que como se puede observar en la gura 4.29, tanto
para b > 0, como para b < 0 el equilibrio es inestable con Z=1; por lo tanto el equilibrio
es un punto de silla.
El siguiente paso consiste en el calculo de ciclos lmite mediante la funcion 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 funcion y 2 la funcion descriptiva queda de la forma:

a21
N0 = a0
2a0
N1 = 2a0 .
Se observa que, al ser una no linealidad estatica, la funcion descriptiva no depende

de , pero s de los parametros a0 y a1 . La ecuacion de balance armonico es:
a0 [N0 G(0) + 1] = 0 (4.38)

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

(4.38) se obtiene:
1 a21
(a0 )+1=0 (4.40)
2 2a0
y de (4.39)
2a0 G(j) + 1 = 0 (4.41)
Si se resuelve gracamente la ecuacion (4.41) para los casos estudiados en el analisis

de equilibrios (gura 4.30), se obtiene que la funcion descriptiva de la no linealidad se
corresponde con N11 = 2a10
Observando la gura 4.30 se deduce que solo existe ciclo lmite para los valores de
b tales que 0 < b < 2 y, segun el criterio de Nyquist generalizado, dicho ciclo lmite
es inestable. El corte entre el diagrama de
Nyquist y la funcion descriptiva se produce
1 1
para 2a0 = b con una frecuencia de = 2 b.
G(0) 1/b G(0)

1/2 1/b
0<b<2 b>2 b<0
Figura 4.30: Resolucion graca para diferentes valores de b.
Resolviendo la ecuacion (4.40) para calcular la amplitud del ciclo lmite se obtiene
que esta es:
b2
a1 = 2b .
2
Por lo tanto, y a modo de resumen, puede decirse que el sistema presenta una
bifurcacion de Hopf subcrtica en b = 0 de donde nace un ciclo lmite que va creciendo
en amplitud hasta que choca con el punto de silla, produciendose una bifurcacion
homoclina en b = 2 (que coincide con = 0) y desapareciendo el ciclo lmite. Esto
puede verse de manera mas clara en el diagrama de bifurcaciones que se presenta en la
gura 4.31.
2 b
Figura 4.31: Diagrama de bifurcaciones del sistema.
Por lo expuesto anteriormente el ciclo lmite inestable debera existir hasta que
b = 2. Sin embargo, por simulacion se obtiene que ese ciclo lmite desaparece a partir
4.5. CALCULO DE VARIOS ARMONICOS EN EL METODO DE BALANCE ARMONICO121
de b = 0,36, valor sensiblemente inferior al obtenido por el metodo de la funcion

descriptiva.
Esta discrepancia es debida a la interaccion del ciclo lmite con la variedad estable
del punto de silla, lo que hace que el ciclo lmite se achate y que los armonicos de orden
superior a uno tengan un mayor peso en su descripcion.
As pues, tal y como se expuso en un primer momento, el metodo de la funcion

descriptiva reproduce relativamente bien el comportamiento cualitativo del sistema
(de hecho se ha detectado una bifurcacion de caracter global, como es la homoclina,
de una manera sencilla), pero, para un ajuste mas no, se ha de recurrir a otro tipo de
analisis o bien a calcular los armonicos de orden superior.
4.5. Calculo de varios armonicos en el metodo de

balance armonico
Como se ha expuesto en la seccion anterior, el metodo de la funcion descriptiva

tiene caracter aproximado y se muestra insuciente para describir los ciclos lmite
cuando estan lejos de su nacimiento. Para solucionar este problema, como primera
aportacion original a esta tesis, se presenta un metodo para el calculo de un numero
arbitrario de armonicos en un sistema con no linealidad estatica [SAA98a], [SAA98b].
En primer lugar se presenta una descripcion de la notacion y procedimientos a

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

2
Si xp (t) es una solucion periodica de periodo T =
, entonces puede ser desarrollada
en series de Fourier, obteniendose la expresion:
x0
xp (t) = + [xck cos(kt) + xsk sen(kt)].
2 k=1
Normalmente se utiliza una version truncada a N terminos del desarrollo anterior:

x0 N
xN (t) = + [xck cos(kt) + xsk sen(kt)].
2 k=1
Descrita la orbita periodica de esta forma, la bondad de la aproximacion depen-

dera de:
El numero de armonicos N utilizados.

Caractersticas de ltrado del sistema: El sistema lineal debe ltrar la mayor
parte de los armonicos de orden superior a N para que la aproximacion sea lo
mas precisa posible.
La aproximacion sera tanto peor cuanto mas bruscos sean los cambios producidos
en (y) en funcion de las variaciones de y.
Para el sistema de la gura 4.32 se puede expresar la salida y(t) en funcion de su

desarrollo en series de Fourier en su forma truncada en N armonicos:
y0 N
yN (t) = + [ykc cos(kt) + yks sen(kt)]
2 k=1
La entrada del sistema, suponiendo referencia nula, es u = (y), con lo que

sustituyendo yN (t) en la expresion anterior:
u0
(yN (t)) = + [uck cos(kt) + usk sen(kt)].
2 k=1
Notese que el hecho de que yN (t) este truncada en N armonicos no implica que
(yN (t)) tambien lo este, ya que es el desarrollo en series de Fourier de una onda
distinta. Llamaremos uN (t) al truncamiento de (yN (t)) en N armonicos:
u0 N
uN (t) = + [uck cos(kt) + usk sen(kt)]
2 k=1
Dado un numero determinado de armonicos N, se dene en primer lugar la funcion

vectorial:
FN () IR1(2N +1) ,
que es la compuesta por el termino de continua y los cosenos y senos de los diferentes
armonicos a considerar.
1
FN () = [ , cos(), sen(), . . . , cos(N), sen(N)].
2
Se denen los vectores Y , y U como los vectores de dimension 2N + 1 que contienen

los coecientes del desarrollo en series de Fourier truncado en N armonicos de la salida
yN (t) y la entrada uN (t) al sistema respectivamente.
Y T = [y0 , y1c , y1s , . . . , yN
c s
, yN ]
U T = [u0 , uc1, us1 , . . . , ucN , usN ].
As, multiplicando cada uno de los vectores columna anteriores por la funcion vec-
torial FN (t) se obtienen los desarrollos truncados de la salida y la entrada:
yN (t) = FN (t)Y
uN (t) = FN (t)U.
Supongase una senal de entrada periodica denida por el vector columna UN con
N armonicos de entrada. Se introduce esta senal en el sistema lineal y se obtiene una
senal de salida periodica truncada tambien en N armonicos YN (gura 4.33).
U Y
G(s)
Figura 4.33: Relacion entre los armonicos 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 relacion entre los armonicos de entrada U y los de
salida Y sera tambien lineal y puede ser expresada por la matriz:
Y = HG U,
donde

G(0) 0 0 ... 0
0 H1 0 ... 0

0 0 H2 ... 0
HG = .
.. .. .. .. ..
. . . . .
0 0 0
. . . HN
Las matrices Hk R22 se denen como:

Re(G(kj)) Im(G(kj)) Re(G(kj)) Im(G(kj))
Hk = con Hk =
Im(G(kj)) Re(G(kj)) Im(G(kj)) Re(G(kj))
Realimentando la salida, suponiendo referencia nula y volviendo a obtener la senal

de entrada, se obtiene una relacion entre la salida y la entrada (gura 4.34).
U Y
()
Figura 4.34: Realimentacion de la salida para dar la entrada.
La obtencion de los armonicos de entrada en funcion de los de salida se hara apli-

cando balance armonico, es decir:

u0 1
2
uc cos(t)
1 T
us sen(t)
1 2
U= .. = (yN (t)) . dt.
. T 0 .
.
c
uN cos(Nt)
usN sen(Nt)
Usando la notacion descrita anteriormente y, realizando el cambio de variables =

t, la ecuacion anterior se puede expresar:

1 2
U = (F ()Y )F T ()d. (4.42)
0
Sustituyendo la relacion entre los armonicos de entrada y los de salida a traves de

la parte lineal del sistema en la ecuacion anterior se obtiene la ecuacion de balance
armonico:

1 2
U = (F ()HG U )F T ()d (4.43)
0
que permite calcular, con una aproximacion de N armonicos, la frecuencia y amplitud
de los ciclos lmite existentes en el sistema.
Volviendo sobre el ejemplo propuesto en el apartado 4.4.1, la resolucion de las ecua-

ciones de balance armonico tambien puede hacerse a partir de la formulacion general
de la ecuacion de balance armonico (4.43).
Si en al ecuacion (4.42) se premultiplican ambos miembros de la igualdad por la

matriz HG queda:

HG 2
HG U = Y = (F ()Y )F T ()d.
0
Tomando el origen de tiempo de manera que la senal periodica de salida se pueda

expresar como:
a0
y(t) = + asen.
2
Sustituyendo en la ecuacion anterior y truncando el desarrollo en el primer armonico:

a0 2
0 = HG a0
( + asen)F T ()d,
0 2
a
donde, desarrollando la no linealidad y tomando solo el primer armonico:
a0 a2 a2 2a0 a
( + asen) = ( 0 + + sen),
2 2 2 2
con lo que

2
a 2
1 ( 0 + a + 2a 0 a sen)
a0 2 2 2
HG a2 a2 2a a 2
2
0 = ( 0 + + 0 sen) cos d.
0 2 2 2
a a20 a2 2a0 a
( 2 + 2 + 2 sen)sen
Integrando esta ecuacion y teniendo en cuenta que HG vale

G(0) 0 0
HG = 0 Re(G(j)) Im(G(j))
0 Im(G(j)) Re(G(j))
se obtiene el sistema de ecuaciones:
G(0)
a0 = (a20 + a2 )
2
2a0 a
0 = Im(G(j))
2
2a0 a
a = Re(G(j))
2

que es igual al formado por las ecuaciones (4.40) y (4.41) escaladas en 2 y descom-
puestas en parte real e imaginaria.
4.5.1. Definicion del algoritmo
Para resolver la ecuacion de balance armonico para los N primeros armonicos

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

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

[Vid93]
Si para la frecuencia se cumple:
1.
1
max | G(kj) |< , k = 1
L
donde L es una constante de Lipschitz de (.).
2. Existe

a0
0
U =
a

Us
solucion de la ecuacion de balance armonico.
Entonces, el siguiente proceso iterativo converge a los armonicos superiores de dicha

orbita periodica, es decir, Uks U s y u0k a0 :

u0k+1 u 0k
uc1 1 2 0 T
= (F ()H
us1 0
G a )F ()d.
s
Uk+1 Uks
Bajo las hipotesis de la propiedad anterior, supongase que para y a se calculan,

utilizando el metodo anteriormente descrito, a0 y los armonicos superiores U s :

u0 2 u 0
uc1 0 T
s = 1 (F ()H
u1 0
G a )F ()d,
Us Us
entonces la condicion para la existencia de una orbita periodica queda reducida a uc1 = 0
y us1 = a.
Para resolver estas ecuaciones, el algoritmo se aplica partiendo de un valor inicial

determinado para las amplitudes de los armonicos superiores, y, a partir de ah, se itera
hasta conseguir que estos armonicos converjan hasta un valor determinado para cada
valor de y a de una malla previamente prejada.
Los valores de uc1 y us1 obtenidos para cada punto de la malla y solucion de la
iteracion de los armonicos superiores se almacenan junto con los valores de y a y
dichos armonicos, barriendose as toda la malla.
Terminado el barrido, se halla el punto que tiene menor error entre los valores
calculados de uc1 y us1 y los valores necesarios para la existencia de solucion periodica,
realizandose a continuacion un barrido en una malla mas na alrededor de dicho punto.
En caso de que el error en las igualdades uc1 = 0 y us1 = a fuera demasiado alto el
algoritmo supondra que no existe orbita periodica para ese par (, a).
4.5.2. Resultados
A continuacion se exponen los resultados de la aplicacion del algoritmo de

deteccion de orbitas periodicas con N armonicos al sistema de la gura 4.26 con N = 20
y se comparan los resultados obtenidos con la orbita periodica obtenida de la aplicacion
de la funcion descriptiva (N = 1) para diferentes valores del parametro b.
b = 0,05
Para este valor de b la amplitud del ciclo lmite ha de ser pequena ya que dicha
amplitud crece con el valor de b al haberse producido una bifurcacion de Hopf en el
origen.
En la gura 4.35 se muestra con el smbolo +.en rojo el ciclo lmite obtenido del
algoritmo con N = 1 y con lnea continua la evolucion del sistema en el espacio de
estados. Notese que el ciclo lmite que se obtiene es inestable, lo cual no es problema
para el metodo del balance armonico, ya que este metodo solo resuelve la ecuacion de
balance armonico sin analizar su estabilidad, pero para la representacion del espacio
de estados se ha utilizado la integracion hacia atras en el tiempo para poder ver el
ciclo lmite.
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 lmite 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 lmite es pequena y todava no ha entrado en
contacto con la variedad estable del punto de silla.
b = 0,2
Si se realiza la operacion anterior, comparando el ciclo lmite calculado por el

metodo de la funcion descriptiva (N = 1) y el real obtenido por integracion (gura
4.36), se observa que existen diferencias signicativas entre ambos debido al aumento
de amplitud de dicho ciclo lmite.
Si se calcula ahora en ciclo lmite con los 20 primeros armonicos y se lo compara

con el real se observa (gura 4.37) que son practicamente iguales. De tal manera que
se confunde el ciclo lmite calculado con el real.
b = 0,31
En este caso la aproximacion con 20 armonicos no es tan precisa, ya que, al

estar muy proximos a la orbita homoclina, el periodo tiende a innito ( 0), con lo
que la convergencia del algoritmo se ve comprometida, aunque, como se puede observar
en la gura 4.38, la forma de ambos ciclos es muy parecida, variando solo 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 tambien el algoritmo para un valor de b superior al de bifurcacion,

obteniendose, para este caso, un ciclo lmite calculado para N = 1 y no hallandose
ninguno para una aproximacion con armonicos de orden superior.
Bibliografa
[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. Analisis de Estabilidad de Sistemas Borrosos Multivariables.

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

Methods & Applications, 13(12):13931398, 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 innity for planar control
systems. Publicacions Matematiques, UAB, Barcelona, (41):181198, 1997.
[LP98] J. Llibre and E. Ponce. Bifurcation of a periodic orbit from innity in planar
piecewise linear vector elds. Nonlinear Analysis TMA, 36(5):623653, 1998.
[SAA98a] F. Salas, T. Alamo, and J. Aracil. Deteccion de orbitas periodicas en sistemas

no lineales. In XIX Jornadas de Automatica, 1998.
[SAA98b] F. Salas, T. Alamo, and J. Aracil. Deteccion of periodic orbits in nonlinear

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

Consider the open loop system
x = Ax + Bu
with a control law
u = Kx
giving rise to a closed loop system
x = (A BK)x
it is assumed that this system has a good performance.
The closed loop system can also be interpreted as
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 inuence the global behavior?
133
134 CAPITULO 5. BIFURCACIONES EN SISTEMAS DE CONTROL
5.1.1. Equilibria in a system with saturation
Consider the system

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

The system equilibria are the values xe such that x = 0
x = 0 Axe + Bxe = 0 xe = A1 Bue
y e = kA1 Bue y e = G(0)ue
but ue = (y e ), so
y e = G(0)(y e )
The equilibria are the solutions to
y + G(0)(y) = 0
Graphical solutions of the equilibrium point:

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

the linearization has slope d
dy
(y e )
the critical point in the Nyquist plot is 1/ d
dy
(y e )
In the saturation case:
d
dy
= 1 at y e = 0;
d
dy
= 0 at y e = KA1 B.
5.1. FEEDBACK SYSTEMS WITH SATURATION 135
5.1.2. Limit cycles in a system with saturation
Occurrence of periodic orbits using the describing function method.
Describing function for the normalized saturation is

1 if 0a1
N(a) = 2

sin1 1
a
+ a1 1 1
a2
if a>1
To predict limit cycles the following equation must be solved
1 + N(a)G(j) = 0
This equation can be solved graphically with a Nyquist plot where G(j) and
1/N(a) are represented.
5.1.3. First order system
Consider the system with the open loop transfer function
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,
( y)
-1
G (0)<0 y(t)
G (0)>0 G (0)
G(0)
0
0
G (0)
0
0
-1 ye0 =0 1
y 1e =G (0) y
y2e =-G (0)
-1
G (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
x = 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 + 1 s + 2 = 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 dierent 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 innity P ;
a Hopf bifurcation at innity B ; and
a double saddle connection (DSC) bifurcation.

5.2. SOTOMAYOR-LLIBRE-PONCE BIFURCATION ANALYSIS 139
5.2.1. Frequency domain interpretation of the Llibre-Ponce

bifurcation analysis
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 dierent 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
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
(y)
The equilibrium points are the same as without delay.
How does the delay aect the bifurcation diagram of the system without delay?
5.3. CONTROL SYSTEMS WITH A DELAY 141
5.3.1. Qualitative Analysis

k
Poo
u
1.5
Diagrama de Nyquist

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)

Local 2L STABILITY
=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 < /2L. (b) k > /2L.
a) Poo
u
Poou ye b) ye
1 <k<
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
( y)
formed by a PI + a rst order system with a delay.
The open loop transfer function is
k(s + ki )eLs
G(s) =
s(s + a)
5.3.3. Qualitative Analysis

k
max
Diagrama de Nyquist Diagrama de Nyquist
Diagrama de Nyquist 5
u 8

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)
=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
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 (y) equilibria other than the origin can appear.
Multiple equilibria when G(0) < 1

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

Apuntes PDF

Cargado por

Copyright:

Formatos disponibles

Apuntes 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

Apuntes PDF

Cargado por

Copyright:

Formatos disponibles

Notas del curso

Analisis de Sistemas No Lineales

Javier Aracil Santonja

Francisco Salas Gomez

Francisco Gordillo Alvarez

Departamento de Ingeniera de Sistemas y Automatica

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. Analisis cualitativo de sistemas dinamicos 7

2.1. Formalizacion del concepto de sistema dinamico . . . . . . . . . . . . . 7

2.2. Crecimiento logstico o acotado . . . . . . . . . . . . . . . . . . . . . . 8

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

2.3. Sistemas Dinamicos Lineales . . . . . . . . . . . . . . . . . . . . . . . . 12

2.3.1. Sistemas dinamicos autonomos lineales de dimension dos . . . . 15

2.4. Sistemas dinamicos no lineales . . . . . . . . . . . . . . . . . . . . . . . 22

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

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

2.5.2. Flujo denido por un sistema dinamico . . . . . . . . . . . . . . 24

2.5.3. Sistema dinamico como ujo . . . . . . . . . . . . . . . . . . . . 25

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

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

2.5.7. Linealizacion de un sistema dinamico en IRn . . . . . . . . . . . 30

2.5.8. Equivalencia topologica . . . . . . . . . . . . . . . . . . . . . . . 31

2.5.9. Conjuntos lmite y equilibrios . . . . . . . . . . . . . . . . . . . 32

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

2.6.1. Conjuntos lmite y atractores . . . . . . . . . . . . . . . . . . . 34

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

2.6.3. Estudio de orbitas periodicas . . . . . . . . . . . . . . . . . . . 39

2.6.4. Atractores extranos . . . . . . . . . . . . . . . . . . . . . . . . . 42

3. Analisis cualitativo y bifurcaciones en sistemas dinamicos 44

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

3.2. Analisis cualitativo de sistemas dinamicos de dimension 1 . . . . . . . . 44

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

3.3. Familias de sistemas dinamicos . . . . . . . . . . . . . . . . . . . . . . 49

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

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

3.4.1. Bifurcaciones elementales en sistemas dinamicos de dimension dos 62

3.4.2. Evolucion de los autovalores en una bifurcacion de Hopf. . . . . 67

3.4.3. Bifurcaciones de orbitas periodicas . . . . . . . . . . . . . . . . 67

3.4.4. Bifurcaciones de codimension dos . . . . . . . . . . . . . . . . . 69

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

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

4. Funcion descriptiva y balance armonico 86

4.1. Metodo del primer armonico . . . . . . . . . . . . . . . . . . . . . . . . 86

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

4.1.2. Principios del metodo . . . . . . . . . . . . . . . . . . . . . . . 90

4.1.3. Transformacion de Fourier . . . . . . . . . . . . . . . . . . . . . 91

4.1.4. Funcion descriptiva . . . . . . . . . . . . . . . . . . . . . . . . . 92

4.1.5. Interpretacion estocastica de la funcion descriptiva . . . . . . . 94

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

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

4.2.4. Determinacion experimental de la funcion descriptiva . . . . . . 100

4.3. Analisis de sistemas no lineales mediante la funcion descriptiva . . . . . 101

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

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

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

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

4.3.5. Estabilidad de los ciclos lmite . . . . . . . . . . . . . . . . . . . 105

con ley de control