Académique Documents
Professionnel Documents
Culture Documents
An
alisis de Sistemas No Lineales
ii
Impartido por:
Javier Aracil
Francisco Gordillo
Francisco Salas
25 de septiembre de 2007
Indice general
1. Introducci
on
An
alisis
2. An
alisis cualitativo de sistemas din
amicos
11
12
15
2.3.2. Estabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17
22
23
INDICE GENERAL
23
24
25
. . . . . . . . . . . . . . . . . . .
26
. . . . . . . . . . . . . . . . . . . . . . . .
27
2.5.6. Linealizacion . . . . . . . . . . . . . . . . . . . . . . . . . . . .
28
30
31
32
33
34
38
. . . . . . . . . . . . . . . . . . .
39
42
3. An
alisis cualitativo y bifurcaciones en sistemas din
amicos
44
44
44
49
49
52
INDICE GENERAL
52
67
67
69
73
76
References
81
3.6. Apendice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4. Funci
on descriptiva y balance arm
onico
84
86
86
86
. . . . . . . . . . . . . . . . . . . . . . .
90
91
92
. . . . . . .
94
94
95
4.2.1. Saturacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
95
4.2.2. Rele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
96
INDICE GENERAL
4.2.3. Holgura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
98
Bibliografa
127
129
INDICE GENERAL
INDICE GENERAL
Captulo 1
Introducci
on
1.1.
Mediante el control automatico se trata de concebir y construir los organos de control 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 dise
no de este u
ltimo, 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 particularmente simple, que el modelo de la planta viene dado por la expresion
x = x + u
(1.1)
CAPITULO 1. INTRODUCCION
Planta
Controlador
(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. El modelo matematico de una planta o proceso a controlar, tal como el representado en (1.1).
2. Un comportamiento deseado para el proceso, al que en principio se exigira que
sea estable, por ejemplo, mediante una expresi
on del tipo (1.2). Ademas se le
impondran otras condiciones adicionales, de modo que se cumplan ciertas especicaciones.
3. Se trata de determinar la ley de control de modo que actuando sobre el proceso
se consiga el comportamiento deseado, lo que, para el ejemplo que ha de servido
de 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.
CAPITULO 1. INTRODUCCION
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, a
un
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 a
un 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.
u = Kx = k2 k1 x
0
1
a2 + k1 a1 + k2
x
Sistemas no lineales
Los sistemas no lineales muestran comportamiento mas complejos que los lineales.
Los sistemas no lineales presentan dos diferencial principales con respecto a los
lineales:
Pueden tener m
ultiples atractores, no solo el atractor puntual asociado al
punto de operacion;
Tres tipos principales de atractores:
Puntos de equilibrio.
Ciclos lmite.
Atractores extra
nos.
En estas norteas solo trataremos puntos de equilibrio y ciclos lmite.
The full consideration of nonlinear eects is out of scrutiny
1.2.1.
CAPITULO 1. INTRODUCCION
Parte I
An
alisis
Captulo 2
An
alisis cualitativo de sistemas
din
amicos
2.1.
Formalizaci
on del concepto de sistema din
amico
CAPITULO 2. ANALISIS
CUALITATIVO DE SISTEMAS DINAMICOS
10
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 aplicacion
t : X X
xt = (x0 )
t se denomina operador de evoluci
on.
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.
La estructura de realimentacion positiva permite dar razon del proceso de crecimiento. Sin embargo, sabemos que en la realidad todo proceso de crecimiento acaba
por abortarse tarde o temprano. No existe el crecimiento indenido (mas que en situaciones extremas idealizadas). La forma de crecimiento con la que normalmente nos
11
,
comportamiento asintotico
(2.1)
en donde b(x) = nxg(x) son los nacimientos, d(x) = mx son las muertes, y x representa
12
CAPITULO 2. ANALISIS
CUALITATIVO DE SISTEMAS DINAMICOS
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 peque
na la natalidad crece
con la poblacion, mientras que cuando es grande decrece. Esta forma de g es consistente con el supuesto del crecimiento sigmoidal seg
un el cual en las fases iniciales de
crecimiento este es explosivo, y en las nales tiende a un valor asintotico. De la curva g
lo u
nico que nos interesa es su forma creciente al principio y decreciente luego; es decir,
su forma cualitativa. Podemos adoptar para ella la expresion matematica siguiente:
1
x2
g(x) = 1 +
x , (0, 1] .
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 din
amico = variedad de estados X + campo vectorial f
De acuerdo con ello un sistema dinamico se dene por el par (X, f ). Una de las formulaciones mas generales de un sistema dinamico, mediante un sistema de ecuaciones
diferenciales de primer orden, es la siguiente
x = f (x)
(2.2)
(2.3)
(2.4)
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 informacion 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.
CAPITULO 2. ANALISIS
CUALITATIVO DE SISTEMAS DINAMICOS
14
x2
0.2
0
0.2
0.4
0.6
0.8
1
1
0.5
0
x1
0.5
1.5
x2/pi
0.5
0.5
1.5
2
2
1.5
0.5
0
x1/pi
0.5
1.5
2.3.
Sistemas Din
amicos Lineales
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 ]
Ejemplo:
Sea el sistema lineal
x 1 = x1 3x2
x 2 = 2x2
(2.5)
(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 )
x1 = c2 e2t
(2.7)
(2.8)
i = ai jbi ,
i = k + 1, ..., n
CAPITULO 2. ANALISIS
CUALITATIVO DE SISTEMAS DINAMICOS
16
P 1 AP =
B1
..
.
Br
1
0
0
0
son de la forma
0 0
1 0
0
1
0
0
D I2
0 0
0 D I2 0
0 0
D I2
0 0
0 D
en donde
D=
a b
b a
,
I2 =
1 0
0 1
y0=
0 0
0 0
yB=
a b
b a
2.3. SISTEMAS DINAMICOS
LINEALES
17
(2.10)
x(t) = e
y
at
x(t) = e
1 t
0 1
x0
cos bt sin bt
sin bt cos bt
x0
2.3.1.
Sistemas din
amicos aut
onomos lineales de dimensi
on
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 bidimensionales, 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 n
umeros 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 independientes si para t R, la relacion
c1 x1 (t) + c2 x2 (t) = 0
CAPITULO 2. ANALISIS
CUALITATIVO DE SISTEMAS DINAMICOS
18
eAt X(t)[X(0)]1 .
1 0
0 1
tiene dos autovalores negativos, es un sumidero hiperb
olico.
2.3. SISTEMAS DINAMICOS
LINEALES
1 0
0 1
(ii)
(iii)
19
tiene dos autovalores positivos, es una fuente hiperb
olica.
1 0
0 1
un autovalor positivo y otro negativo, punto de silla hiperb
olico.
0 0
0 0
matriz cero. Cualquier orbita es un punto de equilibrio.
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 atr
as) 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 est
an limitadas.
0 1
(v)
dos autovalores imaginarios puros. Cada orbita que no sea un equi1 0
librio es peri
odica.
En la gura 2.4 se muestra el diagrama de fases de cada una de las clases representativas 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
CAPITULO 2. ANALISIS
CUALITATIVO DE SISTEMAS DINAMICOS
20
x2
x2
x2
x1
1 0
0 1
x1
x2
1 0
0 1
0 0
0 0
1 0
0 1
x2
x1
1 0
0 0
x1
x2
1 0
0 0
0 1
0 0
x2
x1
x2
x1
x1
x1
0 1
1 0
2.3. SISTEMAS DINAMICOS
LINEALES
21
2 4 0, y < 0
> 0,
2 4 0, y > 0
> 0,
2 4 < 0, y < 0
> 0,
2 4 < 0, y > 0
Un nodo inestable si
Un foco estable si
Un foco inestable si
Un centro si
> 0,
=0
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)
22
CAPITULO 2. ANALISIS
CUALITATIVO DE SISTEMAS DINAMICOS
x2
x2
x1
x1
x2
x2
x1
x1
2.3. SISTEMAS DINAMICOS
LINEALES
23
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,
v=
k
ci vi
i=1
y, por linealidad,
Av =
k
ci Avi
i=1
(A I)ki vi = 0
CAPITULO 2. ANALISIS
CUALITATIVO DE SISTEMAS DINAMICOS
24
lmt eAt x0 = 0
lmt eAt x0 =
ademas,
2.4.
lmt eAt x0 = 0
lmt eAt x0 =
Sistemas din
amicos no lineales
x(0) = x0
(2.12)
(2.13)
(2.14)
25
2.5.
2.5.1.
x = 3x 3 ,
x(0) = x0
3x 3
= dt
23
dx =
x3
1
3
x 3 (t) x 3 (0) = t
(2.15)
CAPITULO 2. ANALISIS
CUALITATIVO DE SISTEMAS DINAMICOS
26
Es decir
x(t) = t3
2.5.2.
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
(2.16)
x = f (x) x(0) = x0
27
2.5.3.
Sistema din
amico como flujo
Se supone que
CAPITULO 2. ANALISIS
CUALITATIVO DE SISTEMAS DINAMICOS
28
2.5.4.
29
2.5.5.
Puntos de equilibrio
..
Jx0 (f ) = Dx f =
.
jacobiana
...
..
.
fn
(x0 ) . . .
x1
f1
(x0 )
xn
..
.
fn
(x0 )
xn
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 ning
un valor propio de la matriz jacobiana tiene parte real nula.
Conviene observar que si x0 es un punto de equilibrio de (2.17) y si t : U IRn
es el ujo de la 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
CAPITULO 2. ANALISIS
CUALITATIVO DE SISTEMAS DINAMICOS
30
real estrictamente negativa, una fuente si todos su valores propios tienen parte real
estrictamente positiva o, por u
ltimo, una ensilladura o un punto de silla si los valores
propios tienen signos diferentes.
Ejemplo
Sea el sistema dinamico
f (x) =
x21 x22 1
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
=
2 0
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 0
2
J(xe ) =
0 2
por lo que este punto de equilibrio es una ensilladura.
2.5.6.
Linealizaci
on
31
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 negativa 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 respectivamente, 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
lm t (x0 ) = 0, x0 S u
Por otra parte, para el caso en que exista una variedad de centros, se tiene el siguiente
resultado. Sea f C 1 (U) en donde U es un abierto de IRn que contiene al origen y
r 1. 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 u
nica, de dimension m tangente al espacio central E c en el origen e invariante bajo
el ujo t .
Ejemplo:
Sea el sistema
x 1 = x21
x 2 = x2
El subespacio estable E s del sistema linealizado en el origen (
unico punto de equilibrio)
es el eje x2 y el subespacio central E c es el eje x1 . El resultado anterior predice la
existencia de una supercie invariante central, bajo el ujo y tangente al eje x1 en el
CAPITULO 2. ANALISIS
CUALITATIVO DE SISTEMAS DINAMICOS
32
c1
x2 = c2 e
La curva
x2 =
c1
c2 e
e x1
e x1 , x1 < 0
0
x1 0
1
2.5.7.
Linealizaci
on de un sistema din
amico en IRn
33
2.5.8.
Equivalencia topol
ogica
(2.18)
(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
CAPITULO 2. ANALISIS
CUALITATIVO DE SISTEMAS DINAMICOS
34
J0 f =
c21 t
(e e2t )
3
1 0
0 1
2.5.9.
35
-1
-1
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
CAPITULO 2. ANALISIS
CUALITATIVO DE SISTEMAS DINAMICOS
36
1.5
.75
x0
-.75
-1.5
0
10
12
14
16
18
20
22
24
26
28
30
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 extra
nos. Para su estudio se debe adoptar una
perspectiva global de los sistemas dinamicos no lineales.
2.6.1.
(2.20)
37
El conjunto de todos los puntos -lmite (resp. -lmite) de una trayectoria se denomina 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 subconjunto 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
x 1 = x2 + x1 (1 x21 x22 )
x 2 = x1 + x2 (1 x21 x22 )
(2.21)
x1 = x2 + x1 (1 x1 x2 )
2
2
x2 = x1 + x2 (1 x1 x2 )
1.5
x2
0.5
0.5
1.5
2
2
1.5
0.5
0
x1
0.5
1.5
38
CAPITULO 2. ANALISIS
CUALITATIVO DE SISTEMAS DINAMICOS
Ademas de los puntos de equilibrio y de los ciclos lmites existen otros conjuntos
lmites.
Ejemplo:
Sea el sistema dinamico no lineal
x 1 = x2
x 2 = x1 + x21
(2.22)
Es facil ver que este sistema dinamico posee dos puntos de equilibrio
x1 = x2 = 0
x1 = 1,
El jacobiano de este sistema dinamico
J=
x2 = 0
0
1
1 + 2x1 0
39
J=
x2 = 0
0
1
cos x1 0
0 1
1 0
1.5
x2
0.5
0.5
1.5
2
2
1.5
0.5
0
x1
0.5
1.5
CAPITULO 2. ANALISIS
CUALITATIVO DE SISTEMAS DINAMICOS
40
para todo x N
El mayor de los N se denomina cuenca de atracci
on de K.
Un equilibrio p es asint
oticamente estable si p es un atractor.
Lo mismo se dice para un ciclo 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.
Ejemplos:
2.6.3.
41
Estudio de o
rbitas peri
odicas
Para poder utilizar el teorema de Poincare-Bendixson a n de demostrar la existencia 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.
f1
f2
Sea D un subconjunto abierto conexo de R2 . Si div f = x
+ x
es de signo constante
1
2
y distinta de cero en D, entonces x = f(x) no tiene orbitas periodicas ni homoclinas
que esten por completo en la region D.
42
CAPITULO 2. ANALISIS
CUALITATIVO DE SISTEMAS DINAMICOS
Estabilidad de las o
rbitas peri
odicas
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| },
x0 (T (x0 ), x0 ).
43
L
p
(x0 )
x0
x0
x1
(x0 )
(x1 )
CAPITULO 2. ANALISIS
CUALITATIVO DE SISTEMAS DINAMICOS
44
(p) = exp
0
2.6.4.
f1
f2
+
x1 x2
((t, p)) dt .
Atractores extra
nos
45
x
y
46
CAPITULO 2. ANALISIS
CUALITATIVO DE SISTEMAS DINAMICOS
Captulo 3
An
alisis cualitativo y bifurcaciones
en sistemas din
amicos
3.1.
An
alisis cualitativo de sistemas no lineales
3.2.
An
alisis cualitativo de sistemas din
amicos de
dimensi
on 1
48CAPITULO 3. ANALISIS
CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS
f(x)
149
3.2. ANALISIS
CUALITATIVO DE SISTEMAS DINAMICOS
DE DIMENSION
lineal x = x
Genericamente el corte de f con X sera transversal. Cualquier peque
na deformacion 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 peque
nos.
El nuevo sistema dinamico es
x = t (x)x
x))f (t1 (
x))
= t (t1 (
= f (
x)
t (x) =
dt
dx
Puesto que t (x) > 0, x (a, b), es claro que los equilibrios de f seran los mismos
en n
umero 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 n
umero 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
f).
cualitativas de (X, f ) asociadas al retrato de estados son las mismas que las de (X,
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 extra
nos 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 b
asicas 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.
50CAPITULO 3. ANALISIS
CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS
Podemos asociar a todo sistema dinamico en IR una curva
en el retrato de estados de un sistema dinamico conviene resaltar
m
ultiples 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.
(3.1)
f(x)
(3.2)
1111111111 00000000
0000000000
11111111 11111
00000 01100 000000
111111 00000000
11111111 00000000000
11111111111
Figura 3.3: Campo vectorial asociado al sistema
dx
dt
= x.
151
3.2. ANALISIS
CUALITATIVO DE SISTEMAS DINAMICOS
DE DIMENSION
111
000
-1
1110
000
111
000
1
dx
dt
= (x3 x).
dx
= (x3 x).
dt
(3.3)
-1
-2
0
52CAPITULO 3. ANALISIS
CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS
3.2.1.
Estabilidad estructural
3.3.
(3.4)
3.3. FAMILIAS DE SISTEMAS DINAMICOS
53
dx
dt
= (x3 +
54CAPITULO 3. ANALISIS
CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS
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 u
nico 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
011
0011
2
dx
dt
= (x3
UNO 55
3.4. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSION
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.
Los diagramas de bifurcaciones clasican de manera condensada todos los comportamientos posible de un sistema y las transiciones entre ellos (bifurcaciones)
cuando cambian los parametros del sistema.
Los diagramas de bifurcaciones estan compuestos por un n
umero nito de regiones
reparadas por los lmites de bifurcaci
on.
3.4.
56CAPITULO 3. ANALISIS
CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS
valores positivos del parametro, la ecuacion correspondiente para el calculo de equilibrios 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)
UNO 57
3.4. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSION
Ademas del metodo graco de representacion de f (x, c) frente a x para distintos
valores del parametro, existe otro metodo muy u
til 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
Bifurcaci
on transcrtica
Sea la ecuacion diferencial dependiente del parametro c:
x = x2 + cx.
58CAPITULO 3. ANALISIS
CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS
En la gura 3.10 se representa el retrato de fases del sistema para distintos valores
del 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
nico punto de equilibrio no hiperbolico
xe = c. Para c = 0 el sistema pasa a tener un u
e
en x = 0. Si c es positivo, entonces el sistema vuelve a tener dos puntos de equilibrio:
uno asintoticamente estable en xe = c y uno inestable en xe = 0.
f (x, c)
f (x, c)
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.
Hist
eresis
La bifurcacion tipo histeresis puede observarse a partir de un sistema dinamico
que tenga como ecuacion:
x = c + x x3 .
UNO 59
3.4. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSION
xe
x(c =
2
)
3 3
x(c = 0)
x(c =
)
3 3
60CAPITULO 3. ANALISIS
CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS
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
Bifurcaci
on tridente
Supongase el sistema dinamico descrito por la ecuacion:
x = dx x3 .
(3.6)
UNO 61
3.4. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSION
la c
ubica se va haciendo cada vez mas peque
na 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)
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.
62CAPITULO 3. ANALISIS
CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS
xe
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
UNO 63
3.4. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSION
Pliegue o c
uspide
(3.7)
f (x, c, d) = 0.
x
64CAPITULO 3. ANALISIS
CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS
d
4d3 = 27c2
x
c
d
UNO 65
3.4. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSION
3.4.1.
En este apartado se presentan, de forma resumida, las bifurcaciones elementales en sistemas de dimension dos, algunas de las cuales son una extension de las ya
comentadas en los sistemas de dimension uno.
Bifurcaci
on silla-nodo
Supongase el sistema descrito por:
x 1 = + x21
x 2 = 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
1.5
1.5
1.5
0.5
x2
0.5
x2
0.5
x2
0.5
0.5
0.5
1.5
1.5
1.5
2
2
1.5
0.5
x1
< 0.
0.5
1.5
1.5
0.5
x1
= 0.
0.5
1.5
1.5
0.5
x1
0.5
1.5
>0
66CAPITULO 3. ANALISIS
CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS
Bifurcaci
on tridente
Considerese el sistema descrito por:
x 1 = x1 x31
x 2 = x2 .
(3.8)
Al igual que en el caso de la bifurcacion silla-nodo la dinamica del sistema esta controlada por la primera ecuacion. En la gura 3.20 se representa el diagrama de fases
del sistema para distintos valores de .
2
1.5
1.5
1.5
0.5
x2
0.5
x2
0.5
x2
0.5
0.5
0.5
1.5
1.5
1.5
2
2
1.5
0.5
x1
0.5
< 0.
1.5
1.5
0.5
x1
0.5
1.5
= 0.
1.5
0.5
x1
0.5
1.5
>0
Bifurcaci
on vertical
Considerese la perturbacion del oscilador armonico:
x 1 = x1 + x2
x 2 = x1 + x2 .
(3.9)
UNO 67
3.4. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSION
Cuando < 0 las soluciones del sistema corresponden a espirales en el sentido de
las agujas del reloj y que conuyen en el origen a medida que aumenta t, por lo que el
origen es un punto de equilibrio estable tipo sumidero. Para = 0 todas las soluciones
son 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
1.5
1.5
1.5
0.5
x2
0.5
x2
0.5
x2
0.5
0.5
0.5
1.5
1.5
1.5
2
2
1.5
0.5
x1
< 0.
0.5
1.5
1.5
0.5
x1
0.5
1.5
1.5
= 0.
0.5
x1
0.5
1.5
>0
Bifurcaci
on de Poincar
e-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:
x 1 = x2 + x1 ( x21 x22 )
x 2 = 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 comportamientos cualitativos distintos.
1.5
1.5
0.5
0.5
x2
x2
68CAPITULO 3. ANALISIS
CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS
0.5
0.5
1.5
1.5
1.5
0.5
x1
0.5
1.5
1.5
0.
0.5
x1
0.5
1.5
> 0.
x2
UNO 69
3.4. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSION
x1
x2
70CAPITULO 3. ANALISIS
CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS
3.4.2.
Evoluci
on de los autovalores en una bifurcaci
on de Hopf.
x = ( + (x2 + y 2))x y
y = ( + (x2 + y 2))y + x
en donde A es la matriz
dx
= Ax
dt
A=
3.4.3.
Bifurcaciones de o
rbitas peri
odicas
En este apartado se describen dos de las bifurcaciones mas habituales relacionadas con orbitas periodicas, ademas de la de Hopf ya estudiada con anterioridad.
Bifurcaci
on silla-nodo de o
rbitas peri
odicas
Sea el sistema plano:
x 1 = x1 sen x2 cos + (1 x21 x22 )2 (x1 cos x2 sen )
x 2 = 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 variables x1 = r cos y x2 = r sen , el sistema queda:
r = r((1 r 2 )2 cos sen )
= (1 r 2 )2 sen + cos .
(3.10)
Como la primera ecuacion del sistema (3.10) es independiente de , y ademas el sistema experimenta una bifurcacion silla-nodo en la direccion radial cuando el parametro
pasa por cero.
UNO 71
3.4. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSION
Si > 0, y es sucientemente
peque
no, 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 disminuye, 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.
Bifurcaci
on homoclina
Sea el sistema plano:
x 1 = 2x2
x 2 = 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 peque
nas
variaciones de c cercanas a cero.
72CAPITULO 3. ANALISIS
CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS
x
SNOP
H0
Figura 3.25: Diagrama de bifurcaciones correspondiente a la bifurcacion sillanodo 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 codimensi
on dos
Hasta el momento, en las secciones anteriores, todas las bifurcaciones que se han
caracterizado (excepto la de pliegue en sistemas escalares) se pueden obtener mediante
la 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
UNO 73
3.4. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSION
1.5
1.5
x2
0.5
x2
0.5
0.5
0.5
1.5
1.5
1.5
x1
(a) < 0.
0.5
0.5
1.5
0.5
0.5
x2
1.5
x2
1.5
1.5
1.5
x1
(b) = 0.
0.5
0.5
1.5
1.5
0.5
0.5
1.5
1.5
2
2
1.5
x1
(c) 0 < < 4 .
0.5
0.5
1.5
0.5
(d)
x1
< < 2 .
0
0.5
2.5
1.5
x2
0.5
0.5
1.5
2.5
2.5
1.5
x1
(e) >
0.5
0.5
1.5
2.5
74CAPITULO 3. ANALISIS
CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS
x=2y
2
3
2
2
y = 2 x 3 x y (x x + y c)
x=2y
2
3
2
2
y = 2 x 3 x y (x x + y c)
c = 0.05
1.5
0.5
0.5
x2
1.5
x2
0.5
c=0
0.5
1.5
1.5
2
2
1.5
0.5
x1
(a).
0
0.5
1.5
1.5
x=2y
2
3
2
2
y = 2 x 3 x y (x x + y c)
0.5
x1
(b).
0
0.5
1.5
c = 0.1
1.5
x2
0.5
0.5
1.5
2
2
1.5
0.5
x1
(c).
0
0.5
1.5
Bifurcaci
on 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 alg
un campo vectorial que cumpla las condiciones anteriores, entonces es local
UNO 75
3.4. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSION
2
SNa
111111111
000000000
000000000
111111111
000000
111111
000000000
111111111
000000
111111
000000000
111111111
000000
111111
000000000
111111111
000000
111111
000000000
111111111
000000
111111
000000000
111111111
000000
111111
000000000
111111111
000000
111111
000000000
111111111
2
3
000000
111111
000000000
111111111
000000
111111
000000000
111111111
000000
111111
000000000
111111111
000
111
000000
111111
000000000
111111111
000
111
000000
111111
000000000
111111111
000
111
000000
111111
000000000
111111111
000
111
000000
111111
000000000
111111111
000
111
000000
111111
000000000
111111111
000
111
000000
111111
000000000
111111111
000
111
000000
111111
000000000
111111111
000
111
000000
111111
000000000
111111111
000
111
000000
111111
000000000
111111111
000
111
000000
4
000000000
111111111
000
111
1 111111
000000
111111
000000000
111111111
000
111
000
111
SNb
CH
H
Figura 3.28: Conjunto de bifurcaciones correspondiente a la bifurcacion TakensBogdanov (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:
x 1 = x2
x 2 = 1 + 2 x1 + x21 x1 x2 .
(3.11)
As pues, hay un cambio de variables (con jacobiano distinto de cero) y un homeomorsmo (que depende de los parametros de forma continua) en un entorno sucientemente peque
no 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.
76CAPITULO 3. ANALISIS
CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS
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.
UNO 77
3.4. BIFURCACIONES ELEMENTALES EN SISTEMAS DE DIMENSION
pero que ademas se tienen equilibrios adicionales en las soluciones en x a la ecuacion
g(x) p = 0, siendo p =
m
.
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 comportamiento cualitativo (gura 3.29). Para p [0, 1) existe un nuevo equilibrio x+
as
e , adem
ametro
coalescencia y desaparicion de los equilibrios x+
e y xe . Es normal tomar el par
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 p
ublica (en cuyo caso al menos
disminuye m) o a otras cuestiones como puede ser una epidemia o una guerra. Estas
variaciones de m y de n 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.
78CAPITULO 3. ANALISIS
CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS
xe
x+e
1
1
2
x-e
xe
xe
x+e
x+e
x-e
<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.
crecimiento y estabilizacion; y
declive.
El diagrama de bifurcaciones permite conocer cual de estos dos modos de comportamiento 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.
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),
nal y(t) es la se
nal x(t)
en donde delay (x) representa y(t) = x(t ); es decir, la se
retrasada en unidades de tiempo. Este modelo posee los mismos equilibrios que el
(2.1), ya que el retraso no afecta al comportamiento a largo plazo. En consecuencia,
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
80CAPITULO 3. ANALISIS
CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS
retrasos de primer orden en serie, de modo que el sistema (3.12) se escribe:
x
= x(ng(y) m),
y1
= ka(x y1 ),
y2
= ka(y1 y2 ),
..
y
= ka(yk1 y),
siendo a = 1/ , y el retraso que se pretende introducir.
En la region de comportamiento bimodal existen tres equilibrios
x+
x
0
e
e
0 x+ x
e
e
.. , .. , .. Rk+1 ,
. . .
x+
x
0
e
e
ng(y) m
0
ka
ka
.
.
..
..
J(x, y1 , , y) =
0
0
0
0
en un punto generico es
0
nxg (y)
0
0
..
..
.
.
ka
0
ka
ka
nm
0
0
0
ka
ka
0
0
..
.
.
.
..
..
..
J(0, 0, , 0) =
.
0
0
ka
0
0
0
ka ka
J(x
,
x
,
,
x
)
=
e
e
e
0
0
ka ka
..
..
.
.
0
0
0
0
0
0
..
.
ka
ka
nx
e g (xe )
0
..
.
0
ka
xe
x+e
......
..
HO
SN
x-e
y el de J(x
e , xe , , xe ) es
( + ka)k (ka)k ,
siendo
=
nx
e f (xe )
2n
=
x
e
(3.13)
1
xe .
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.
82CAPITULO 3. ANALISIS
CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS
0.852662
-0.112023
-0.0870878
0.788589
x
+
en el caso de dos atractores: uno asociado a xe y el otro al origen 0. En este caso se
tiene un comportamiento bimodal 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 peque
nas, 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
orbita homoclina, tal como se indica
e , de modo que aparece una
en la gura 3.34. Puesto que esta orbita homoclina es estructuralmente inestable, toda
peque
na 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
0.943976
-0.133629
-0.0951067
1.29732
x
84CAPITULO 3. ANALISIS
CUALITATIVO Y BIFURCACIONES EN SISTEMAS DINAMICOS
0.95
1.4
-0.1
-0.2
-0.2
1.4
-30
(a)
690
t
(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 a
nadir el retraso, y la gura 3.31, con el correspondiente diagrama despues de a
nadirlo. 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 inestables. 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, Second Edition, Addison-Wesley.
[2] Aracil, J. 1981, Structural Stability of low-order System Dynamics Models. Int.
J. System Science 12:423-441.
[3] Aracil, J. 1984, Qualitative Analysis and Bifurcations in System Dynamics Models. IEEE-SMC-14 (4):688-696.
[4] Aracil, J. 1986, Bifurcations and Structural Stability in the Dynamical Systems
Modeling Process. Systems Research 3 (4):243-252.
[5] Aracil, J. y F. Gordillo, 1997, 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 Simulation.
[7] Guckenheimer, J. and P. Holmes, 1983, Nonlinear Oscillations, Dynamical Systems
and Bifurcations of Vector Fields. New York: Springer-Verlag.
[8] Hale, J.K., Kocak, H., 1991, Dynamics and Bifurcations, Springer-Verlag.
[9] Karsky, M., Dore, J-Ch. and Gueneau, P, De la possibilite dapparition de catastrophes 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 morphogen`ese, InterEditions, Paris (version espa
nola Estabilidad estructural y morfogenesis en Gedisa).
[14] Strogatz, S.H., 1995, Nonlinear Dynamics and Chaos, Addison-Wesley.
85
BIBLIOGRAFIA
86
A
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, 461489.
[17] E.C. Zeeman, 1977, Catastrophe Theory, Addison-Wesley.
3.6. APENDICE
87
2n
1-
4
( x*e , *)
x e1-
4
x+
e
1-
2
1-
xe
2
- (1- )
1< < *
0<<1
=1
=1
- 1+
2
=0
(xe ).
2n
La losofa esta escrita en ese grandioso libro que esta continuamente abierto ante nuestros ojos (lo llamo universo). Pero no se puede descifrar si antes
no se comprende el lenguaje y se conocen los caracteres en que 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.
Ap
endice
(3.14)
x = T (
x)
(3.15)
Se aplica la transformacion
siendo T (
x) = diag[ti (
x)] una matriz diagonal tal que cada ti es una funcion monotona
xi > 0. La transformacion T tiene inversa T 1 = diag[1/ti (
x)]. Al aplicar
creciente, dti /d
BIBLIOGRAFIA
88
la transformacion se tiene
x))
x = [Dx (T )]1 g(T (
(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:
A = Dx ([Dx (T )]1 )g(T (
x)) + [Dx (T )]1 [
f
][Dx (T )]
x
f
][Dx (T )]
x
cuyos autovalores son los mismos que los del sistema dinamico original. La estructura
del retrato de estados es la misma. Lo u
nico que las diferencia son las contracciones y
dilataciones seg
un los ejes que tienen lugar de acuerdo con la transformacion T .
Captulo 4
Funci
on descriptiva y balance
arm
onico
4.1.
M
etodo del primer arm
onico
4.1.1.
Ejemplo introductorio
CAPITULO 4. FUNCION
90
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 frecuencia no determinadas, y vamos a ver que restricciones impone la ecuacion anterior
a esta amplitud y frecuencia.
Elemento no lineal (xx
2)
Elemento Lineal
s
0
+
-
s2 s+1
(.)2
Puesto que el analisis de la ecuacion de Van der Pol lo estamos haciendo como introduccion 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 se
nal x evoluciona
de la forma
x(t) = A sen t
(4.2)
4.1. METODO
DEL PRIMER ARMONICO
91
= A cos t
por consiguiente, la salida del bloque no lineal de la gura 4.1 viene dada por
v = x2 x = A2 sen2 tA cos t
A3
(1 cos 2t) cos t
=
2
A3
=
(cos t cos 3t)
4
(4.3)
(4.4)
(4.5)
Por otra parte, el paso de (4.4) a (4.5) es un poco mas elaborado. Para demostrarlo se
parte de
cos 3t =
=
=
=
=
A2 d
A3
(cos t) =
(A sen t)
4
4 dt
(4.6)
De este modo el bloque no lineal de la gura 4.1 puede representarse en forma aproximada como se hace en la gura 4.2. El bloque no lineal de la gura 4.1 se describe
de forma aproximada, mediante una 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 se
nal de entrada A, lo que no sucede en ning
un caso con una funcion
de transferencia de un sistema lineal.
92
CAPITULO 4. FUNCION
Aproximaci
on cuasi lineal
r=0 +
A2
s
4
s2 s+1
A2
4
(4.8)
(4.9)
(4.10)
4.1. METODO
DEL PRIMER ARMONICO
93
A2
j = 0
(j)2 (j) + 1 4
(4.11)
4((j)2 (j) + 1) + A2 j = 0
4 2 + 4 = 0
A2 s
=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 2
1
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 m
etodo
1. Hay un u
nico componente no lineal.
2. Ese componente es invariante en el tiempo.
CAPITULO 4. FUNCION
94
Elemento no lineal
r(t) = 0
+
x(t)
v = f (x)
Elemento lineal
v(t)
y(t)
G(s)
x(t)
G1 (s)
u(t)
v(t)
Gp (s)
y(t)
G2 (s)
Debido a estas limitaciones, el metodo de la funcion descriptiva se utiliza fundamentalmente para el analisis de estabilidad y no suele aplicarse a problemas de dise
no optimo
de sistemas.
4.1.3.
Transformaci
on de Fourier
v(t) = a0 +
k=1
4.1. METODO
DEL PRIMER ARMONICO
1
a0 =
2
95
v(t)d(t)
Para una se
nal sin componente de continua este valor es cero; es decir a0 = 0
(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
v(x)
x
a)
x+
x
v(x + )
b)
Figura 4.5: Se
nales impar (a) y alternada (b)
4.1.4.
Funci
on descriptiva
(4.15)
96
CAPITULO 4. FUNCION
Asen(t)
N.L.
w(t)
Asen(t)
N (A, )
M sen(t + )
Mej(t+)
M j
1
e = (b1 + ja1 )
=
jt
Ae
A
A
(4.16)
Es decir, la funcion descriptiva N(A, ) es una funcion compleja cuyo modulo y argumento 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
b1 + ja1
1
N(A, ) =
=
A
A
(4.17)
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 dise
no de sistemas
realimentados pueden tratarse de forma analoga.
En general, por tanto, la funcion descriptiva depende de la frecuencia y la amplitud
de la se
nal de entrada. Existen, sin embargo, algunos casos especiales. Cuando la no
linealidad es uniforme (es decir, su caracterstica es una funcion que asigna a cada valor
de la se
nal de entrada un u
nico valor de la se
nal 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 se
nal 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
4.1. METODO
DEL PRIMER ARMONICO
97
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.
Interpretaci
on estoc
astica de la funci
on descriptiva
e2 (t)d(t)
0
pero
luego
1
N(A) =
A
4.1.6.
(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)
98
CAPITULO 4. FUNCION
k1 (A sen )2 d
A2 0
k1 2
=
k1 sen2 d
0
k1
k1 = k1
=
Analogamente para k2 .
4.2.
La determinacion de la funcion descriptiva se puede hacer basicamente de dos formas: 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.
Saturaci
on
saturaci
on
99
v(t)
salida no saturada
k
0
ka
a
salida saturada
ka
A
x(t)
/2
entrada
sinusoidal
A
A
por consiguiente, la funcion descriptiva resulta ser
2k
a
b1
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.
Rel
e
CAPITULO 4. FUNCION
1.2
Rango lineal
1.0
0.8
0.6
0.4
0.2
0.0
10
A/a
Figura 4.8: Funcion descriptiva de una saturacion.
2.0
a infinito
encendido
1.6
x
-M
N(A)/M
N(A)/k
100
1.2
0.8
0.4
a cero
apagado
0.0
10
A
101
4M
A
(4.23)
4.2.3.
Holgura
Engranaje secundario
angulo
salida
Engranaje primario
C
B
-b
A
0
angulo
entrada
102
CAPITULO 4. FUNCION
k(A b)
v(t)
3/2
-b
b
/2
k(A b)
-A
x(t)
/2
entrada sinusoidal
3/2
2
v(t) = (A b)k
t
2
v(t) = A(sen t + b)k t 3
2
3
v(t) = (A b)k
2
v(t) = A(sen t b)k 2 t 5
2
103
1.0
Amplitud
0.8
0.6
0.4
0.2
0.0
0.0
0.2
0.4
0.6
0.8
1.0
b/A
4.2.4.
Determinaci
on experimental de la funci
on descriptiva
En lo ejemplos que se acaban de ver, se ha determinado la funcion descriptiva mediante 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 se
nales sinusoidales, y la
CAPITULO 4. FUNCION
104
Desfase
-30
-60
-90
0.0
0.2
0.4
0.6
0.8
1.0
b/A
4.3.
An
alisis de sistemas no lineales mediante la
funci
on descriptiva
DESCRIPTIVA105
4.3. ANALISIS
DE SISTEMAS NO LINEALES MEDIANTE LA FUNCION
+
G(s)
-
H(s)
G(s)H(s)
plano s
-1
4.3.1.
Una ampliaci
on 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)
CAPITULO 4. FUNCION
106
0 +
Im
G(s)
G(s)H(s)
-1
Re
H(s)
1/k
r(t) = 0 +
N (A, )
Elemento lineal
v(t)
G(j)
y(t)
(4.25)
y por tanto,
1
(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 n
umero de veces que
el contorno de Nyquist de GH rodea al punto 1/k, lo que se ilustra en la gura 4.16.
G(s)H(s) =
4.3.2.
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 se
nal de salida del elemento no lineal v(t) resulta ser
v(t) =| N(A, ) | A cos(t + (A, ))
Es sabido que (4.27) y (4.28) pueden escribirse de la forma
x(t) = {Aejt }
(4.28)
DESCRIPTIVA107
4.3. ANALISIS
DE SISTEMAS NO LINEALES MEDIANTE LA FUNCION
v(t) = {| N(A, ) | Aej(t+(A,)) }
Empleando esta u
ltima forma de representar un comportamiento oscilatorio, se tiene
que la salida del elemento lineal vendra dada por
y(t) = {| N(A, ) | A | G(j) | ej(t++) }
siendo = G(j).
Para que la oscilacion sea automantenida, en ausencia de se
nal 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,
G(j) =
1
N(A, )
(4.30)
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.
Funci
on descriptiva independiente de la frecuencia
108
CAPITULO 4. FUNCION
G(j)
Im
Re
1/N (A)
4.3.4.
Funci
on descriptiva dependiente de la frecuencia
4.3.5.
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
DESCRIPTIVA109
4.3. ANALISIS
DE SISTEMAS NO LINEALES MEDIANTE LA FUNCION
1/N (A, )
4
G(j)
Im
3
2
Re
A1
A2
A3
A4
-1
G(j)N (A, )
110
CAPITULO 4. FUNCION
G(j)
L2
L1
Im
1/N (A, )
Re
L1
L1
DESCRIPTIVA111
4.3. ANALISIS
DE SISTEMAS NO LINEALES MEDIANTE LA FUNCION
+ . Despues de la perturbacion, x(t) ya no es una funcion periodica, sino que
posee un peque
no amortiguamiento , positivo o negativo. Es decir, despues de la
perturbacion la se
nal se convierte en:
x(t) = (A + A)et ej(+)t = (A + A)ej(++j)t
(4.32)
(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)
Y
+
Eliminando :
2
+
X
Y
A
= 0
A
Y
X
A +
= 0
A
2
=
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:
Y X
X Y
>0
(4.35)
A
A
En el caso de una no linealidad uniforme se tiene,
N(A)G(j) + 1 = 0
Haciendo
G(j) = U() + jV ()
1
= P (A) + jQ(A)
C(A) =
N(A)
CAPITULO 4. FUNCION
112
se tiene
>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
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)
DESCRIPTIVA113
4.3. ANALISIS
DE SISTEMAS NO LINEALES MEDIANTE LA FUNCION
r=0 +
G(s)
-
K
s(s + 2)(s + 5)
CAPITULO 4. FUNCION
114
Im
G2 (j)
A
P
P P
Re
10 y una
DESCRIPTIVA DUAL
4.4. LA FUNCION
a)
115
b)
Figura 4.25:
4.3.6.
Fiabilidad del an
alisis mediante funciones descriptivas
4.4.
La funci
on descriptiva dual
116
CAPITULO 4. FUNCION
funci
on 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)
(4.37)
DESCRIPTIVA DUAL
4.4. LA FUNCION
117
4.4.1.
Ejemplo
[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
s+1
G(s)=
s +bs+2
- y2
y
G(0)
118
CAPITULO 4. FUNCION
E1
y
E2
-2y
f (y)
G(0)
0<b<2
1/b
1/b
b>2
G(0)
b<0
Para b > 0, en cualquiera de los dos casos (b < 2 y b > 2), al estar el punto crtico
en el innito, el n
umero de vueltas es N = 0, y puesto que el sistema es estable en
bucle abierto P = 0; luego Z = 0, por lo que el equilibrio es estable.
Para b < 0 el sistema pasara a ser inestable en bucle abierto y como el punto crtico
esta en el innito el n
umero de vueltas es N = 0. Dado que P = 2, al ser el sistema
inestable en bucle abierto Z = 2, por lo que el equilibrio es inestable.
As pues, se pasa de la estabilidad a la inestabilidad del equilibrio y = 0 para
b = 0, y esta 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-
DESCRIPTIVA DUAL
4.4. LA FUNCION
G(0)
1/4
1/b
119
1/b
G(0)
1/2
1/4
b>0
b<0
a21
2a0
(4.38)
(4.39)
(4.40)
2a0 G(j) + 1 = 0
(4.41)
y de (4.39)
120
CAPITULO 4. FUNCION
1/b
G(0)
1/2
G(0)
1/b
0<b<2
b>2
b<0
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.
C
alculo de varios arm
onicos en el m
etodo de
balance arm
onico
G(s)
f(.)
122
CAPITULO 4. FUNCION
2
,
x0
xp (t) = +
[
xck cos(kt) + xsk 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
[
uck cos(kt) + usk sen(kt)]
uN (t) = +
2 k=1
N
4.5. CALCULO
DE VARIOS ARMONICOS
EN EL METODO
DE BALANCE ARMONICO123
Dado un n
umero 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.
c
s
Y T = [
y0 , y1c , y1s , . . . , yN
, yN
]
T = [
U
u0 , uc , us , . . . , uc , us ].
1
As, multiplicando cada uno de los vectores columna anteriores por la funcion vectorial 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 se
nal de entrada periodica denida por el vector columna UN con
N armonicos de entrada. Se introduce esta se
nal en el sistema lineal y se obtiene una
se
nal de salida periodica truncada tambien en N armonicos YN (gura 4.33).
G(s)
Y = HG U,
donde
HG =
G(0) 0
0
0
H1 0
0
0 H2
..
..
..
.
.
.
0
0
0
...
...
...
..
.
0
0
0
..
.
. . . HN
124
CAPITULO 4. FUNCION
()
La obtencion de los armonicos de entrada en funcion de los de salida se hara aplicando balance armonico, es decir:
1
u0
2
cos(t)
uc
1
T
sen(t)
us
2
1
. =
(yN (t))
U=
dt.
.
.
.
.
T 0
.
c
cos(Nt)
uN
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
arm
onico:
2
1
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 ecuaciones de balance armonico tambien puede hacerse a partir de la formulacion general
de la ecuacion de balance armonico (4.43).
4.5. CALCULO
DE VARIOS ARMONICOS
EN EL METODO
DE BALANCE ARMONICO125
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 se
nal 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:
2
a0
a0
0 = HG
( + asen)F T ()d,
0
2
a
donde, desarrollando la no linealidad y tomando solo el primer armonico:
a2 a2 2a0 a
a0
+ sen),
( + asen) = ( 0 +
2
2
2
2
con lo que
2
a
1 ( 0 + a + 2a
0 a sen)
2
a0
2
2
2
a2 a2 2a a 2
HG
( 0 + + 0 sen) cos d.
0 =
2
2
2
0
a20
a
2a
a
a2
0
( 2 + 2 + 2 sen)sen
G(0)
0
0
Re(G(j)) Im(G(j))
HG = 0
0
Im(G(j)) Re(G(j))
se obtiene el sistema de ecuaciones:
G(0)
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
puestas en parte real e imaginaria.
2 y descom-
CAPITULO 4. FUNCION
126
4.5.1.
Definici
on del algoritmo
1
, k = 1
L
a0
0
U =
a
Us
soluci
on de la ecuaci
on de balance arm
onico.
Entonces, el siguiente proceso iterativo converge a los arm
onicos superiores de dicha
s
s
orbita peri
u0k+1
u
0k
uc1
0 T
1 2
(F
()H
G
us1
a )F ()d.
0
s
Uks
Uk+1
u0
u
0
2
uc1
0 T
s = 1
(F
()H
G
u1
a )F ()d,
0
Us
Us
4.5. CALCULO
DE VARIOS ARMONICOS
EN EL METODO
DE BALANCE ARMONICO127
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 u
c1 = 0 y us1 = a fuera demasiado alto el
algoritmo supondra que no existe orbita periodica para ese par (, a).
4.5.2.
Resultados
b = 0,05
Para este valor de b la amplitud del ciclo lmite ha de ser peque
na 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.
128
CAPITULO 4. FUNCION
0.8
0.6
0.4
0.2
0.2
0.4
0.6
1
0.8
0.6
0.4
0.2
0.2
0.4
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.
4.5. CALCULO
DE VARIOS ARMONICOS
EN EL METODO
DE BALANCE ARMONICO129
1.2
0.8
0.6
0.4
0.2
0.2
0.4
0.6
1
0.8
0.6
0.4
0.2
0.2
0.4
1.2
0.8
0.6
0.4
0.2
0.2
0.4
0.6
1
0.8
0.6
0.4
0.2
0.2
0.4
130
CAPITULO 4. FUNCION
1.5
0.5
0.5
1
1.4
1.2
0.8
0.6
0.4
0.2
0.2
0.4
Bibliografa
[Ath75]
[Coo94]
[Cue00]
F. Cuesta. An
alisis de Estabilidad de Sistemas Borrosos Multivariables.
Aplicaci
on al Control reactivo de Robots M
oviles. PhD thesis, ESI. Sevilla,
2000.
[Glo89]
[GV68]
[LP97]
J. Llibre and E. Ponce. Hopf bifurcation from innity for planar control
systems. Publicacions Matematiques, UAB, Barcelona, (41):181198, 1997.
[LP98]
[SAA98a]
F. Salas, T. Alamo,
and J. Aracil. Deteccion de orbitas periodicas en sistemas
no lineales. In XIX Jornadas de Autom
atica, 1998.
[SAA98b]
F. Salas, T. Alamo,
and J. Aracil. Deteccion of periodic orbits in nonlinear
systems. In Niconet Workshop on numerical software in control engenieering, 1998.
[Sal95]
[Vid93]
131
132
BIBLIOGRAFIA
Captulo 5
Bifurcaciones en sistemas de control
5.1.
++
where
-1
y
G(s)
-1
134
5.1.1.
u
+
G(s)
(.)
y e = G(0)(y e )
(y)
G(0)
E1
E2
d
(y e )
dy
(y e )
the critical point in the Nyquist plot is 1/ d
dy
In the saturation case:
d
dy
d
dy
= 1 at y e = 0;
= 0 at y e = KA1 B.
5.1.2.
135
1
2
sin1
1
a
+ a1 1
1
a2
if
0a1
if
a>1
5.1.3.
k
s+a
136
-1
G (0)<0
G (0)>0
y(t)
G (0)
1
0
0
G(0)
y 1e =G (0)
0
0
G (0)
ye0 =0
-1
-1
G (0)<-1
Qualitative Analysis
Bifurcation set in the parameter plane (a, k).
k
1
0.8
0.8
0.6
0.6
Po
0.4
(-1,0)
0.2
imag.G(jw)
imag.G(jw)
0.4
G(0)
0.2
0.4
-1/N(A)
(-1,0)
0.2
G(0)
0
0.2
-1/N(A)
0.4
0.6
0.6
0.8
G(jw)
0.8
G(jw)
1
3
2.5
1.5
1
real G(jw)
0.5
0.5
0
real G(jw)
LOCAL
STABILITY
Poou
0.5
0.4
GLOBAL
0.3
imag.G(jw)
0.2
(-1,0)
0.1
0
STABILITY
G(0)
-1/N(A)
0.1
0.2
G(jw)
0.3
0.4
0.5
2
1.5
0.5
real G(jw)
0.5
0.5
0.4
Pos
0.2
imag.G(jw)
UNSTABLE
G(jw)
0.3
(-1,0)
0.1
0
0.1
Poos
G(0)
-1/N(A)
0.2
0.3
0.4
0.5
2
1.5
0.5
0.5
real G(jw)
1.5
0.5
G(jw)
0.4
G(jw)
0.3
0.5
G(0)
(-1,0)
0.1
imag.G(jw)
imag.G(jw)
0.2
0
0.1
-1/N(A)
G(0)
(-1,0)
w=oo
C1
-1/N(A)
0.2
0.5
0.3
0.4
k=-a
0.5
2
1.5
0.5
real G(jw)
0.5
1.5
3
2.5
1.5
1
real G(jw)
0.5
0.5
b)
ye
Poo
P oo
ye
k = constant
k = constant
Po
-k
Po
0
-1
0
-1
-k
5.1.4.
137
Second-order system
0
1
a2 a1
x+
0
1
u
u = Kx = k2 k1 x
k1 + k2 s
s2 + a1 s + a2
(-1,0)
k
< a2
1
k1
a2
k1
a2
k1
k2
a 2 = a1
k2
a1
(-1,0)
k2
k1
=
a2
a1
>
k2
a1
k2
(-1,0)
a1
k1
a2
5.2.
138
B
a2
a1
DSC
5.2.1.
139
k1
a2
(-1,0)
k2
a1
I1
k2
a1
I2
k1
a2
(-1,0)
k2
k1
=
a2
a1
(-1,0)
II
a
II
k1
a2
I2
k2
a1
I3
I1
(-1,0)
I3
k1
(-1,0)
a2
a1
III
IV
III
DSC
k2
k1
=
a2
a1
IV
(-1,0)
DSC
k1
a2
(-1,0)
5.2.2.
140
1
0.8
0.6
0.4
0.2
0
0.2
0.4
0.6
0.8
1
1
0.5
0.5
1
a
2
0
5.3.
0.5
1.5
t
2.5
u(t)
e -Ls
________
s+a
y(t)
(y)
5.3.1.
141
Qualitative Analysis
Poo
DSC
Diagrama de Nyquist
1.5
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
real G(jw)
imag.G(jw)
0.5
a=
-0.5
-1
-5
-4
-3
-2
-1
real G(jw)
-1
L
C2
Diagrama de Nyquist
1
0.8
0.8
0.6
0.6
0
imag.G(jw)
0.4
0.4
0.2
0
imag.G(jw)
Ho
Diagrama de Nyquist
1
-0.2
-0.4
0.2
0
-0.2
-0.6
-0.4
-0.8
-0.6
-1
-5
-4
-3
=0
-2
real G(jw)
P0
-1
Local
u Stable
GLOBAL
STABILITY
2L
-0.8
-1
-5
-4
-3
-2
-1
real G(jw)
Diagrama de Nyquist
0.5
0.4
0.3
imag.G(jw)
0.2
0.1
0
-0.1
-0.2
-0.3
-0.4
-0.5
-3
-2.5
-2
-1.5
-1
real G(jw)
-0.5
0.5
0.8
0.6
UNSTABLE
0.4
imag.G(jw)
0.2
0.4
0.2
0.4
0.6
0.2
0.8
2
imag.G(jw)
Poo
0.2
0.4
0.6
1.5
0.5
real G(jw)
0.5
1.5
1
real G(jw)
imag.G(jw)
0.8
5
0.5
C1
0.5
L = 1s
1
5
2
real G(jw)
Bifurcation diagram with delay. (a) 1/L < k < /2L. (b) k > /2L.
a)
Poou
ye
Poo
b)
ye
1 <k<
2L
L
Po
1 Ho
-k
0
-1
a=
k>
Po
-k
a=
-1
L
5.3.2.
A second-order system
u(t)
k (s+ki )
_________
e -Ls
________
s+a
( y)
Ho
a
-1
-1
L
2L
y(t)
142
5.3.3.
k(s + ki )eLs
s(s + a)
Qualitative Analysis
imag.G(jw)
imag.G(jw)
0
-1
max
L
Diagrama de Nyquist
8
imag.G(jw)
Diagrama de Nyquist
5
Diagrama de Nyquist
5
-2
0
-4
-1
-6
-2
-2
-8
-3
-3
-2.5
-2
-1.5
-1
-0.5
real G(jw)
0.5
1.5
-3
-4
-5
-4
-4
-3.5
-3
-2.5
-2
-1.5
real G(jw)
-1
-0.5
0.5
-5
-12
-10
-8
-6
real G(jw)
-4
-2
s
Ho
SLC
Diagrama de Nyquist
8
11
00
00
11
imag.G(jw)
LOCAL
STABILITY
-2
GLOBAL
0110
-4
-6
-8
-2
-1.5
-1
-0.5
0
real G(jw)
0.5
1.5
Diagrama de Nyquist
5
4
3
imag.G(jw)
2
1
0
-1
-2
Diagrama de Nyquist
2
-3
1.5
-4
-5
-8
-7
-6
-5
STABILITY
-4
-3
real G(jw)
-2
-1
imag.G(jw)
0.5
-0.5
-1
-1.5
-2
-2
-1.5
-1
-0.5
H uo
0.5
real G(jw)
=0
Diagrama de Nyquist
1.5
0.5
imag.G(jw)
UNSTABLE
NS0
0
Diagrama de Nyquist
2
-0.5
1.5
-1
1
-1.5
-1.5
-1
-0.5
imag.G(jw)
0.5
-2
-2
0.5
real G(jw)
0.5
L = 0.1 s
ki = 1
1.5
2
2
1.5
0.5
0.5
real G(jw)
a)
H oo
b)
ye
Hoo
ye
k= constant
k= constant
-k
0
-1
-k
-1
s
Ho
5.4.
143