Académique Documents
Professionnel Documents
Culture Documents
−1
−2
−3
−3 −2 −1 0 1 2 3
1
Introducción
En distintas ramas de la Fı́sica y de la Ingenierı́a se utilizan los sistemas no-lineales
para modelar por ejemplo circuitos eléctricos, sistemas mecánicos, procesos quı́micos,
etc. En este Curso estudiaremos sistemas dinámicos modelados por un número finito de
ecuaciones diferenciales ordinarias de primer orden:
ẋ1 = f1 (t, x1 , . . . , xn )
ẋ2 = f2 (t, x1 , . . . , xn )
..
.
ẋn = fn (t, x1 , . . . , xn )
donde
dxi
xi = xi (t), ẋi = .
dt
Llamamos a las variables x1 , x2 , . . . , xn variables de estado del sistema. En notación
matricial se tendrá:
x1 f1 (t, x)
x2 f2 (t, x)
x = .. , f (t, x) = .. ;
. .
xn fn (t, x)
luego el sistema dinámico queda representado por
ẋ = f (t, x)
llamada ecuación de estado del sistema. Un caso especial es aquél en el que el campo
vectorial f no depende explı́citamente del tiempo t,
ẋ = f (x),
2
del sistema comienza en x∗ , permanece en x∗ para todo tiempo futuro, también se
lo llama punto fijo o punto estacionario. Para sistemas autónomos los puntos de
equilibrio son las raı́ces reales de la ecuación f (x) = 0. El punto de equilibrio se
dice aislado si existe algún entorno del punto donde no existe otro equilibrio del
sistema.
3
1 Primera Clase: Sistemas de Segundo Orden. Sis-
temas Planares Lineales.
Sistemas de Segundo Orden. Están determinados por dos ecuaciones diferenciales
de primer orden:
ẋ1 = f1 (x1 , x2 )
ẋ2 = f2 (x1 , x2 )
Las soluciones del sistema se pueden representar como curvas en el plano. Si por ejem-
plo x(t) = (x1 (t), x2 (t)) es la solución del sistema planar para cierta condición inicial
x0 = (x01 , x02 ), entonces la gráfica en el plano x1 − x2 será una curva que pasa por x0 . Al
plano x1 − x2 donde se representan las órbitas o soluciones se lo llama plano de fase o
plano de estados del sistema. Para cada punto x = (x1 , x2 ) en el plano de fase se tiene el
vector f (x) = f (x1 , x2 ), es decir que f (x) es un campo vectorial sobre el plano de fase.
Observar que el campo vectorial en un punto es tangente a la trayectoria en ese punto.
Luego, puede construirse la trayectoria desde un estado inicial x0 , a partir del diagrama
del campo vectorial.
Llamamos retrato de fase o plano de fase del sistema a la familia de todas las trayec-
torias o curvas solución del sistema. Nos preguntamos cómo puede construirse el retrato
de fase de un sistema planar?
1. Mediante un simulador de sistemas no lineales, dibujando trayectorias a partir de
un número grande de estados iniciales sobre el plano x1 − x2 , es decir, computa-
cionalmente.
4
donde l representa la longitud de la varilla del péndulo, m la masa de la bolilla que
se encuentra al final de la varilla, θ es el ángulo entre el eje vertical y la varilla, g
es la aceleración de la gravedad, y k es el coeficiente de fricción.
ẋ1 = x2
g k
ẋ2 = − sin x1 − x2
l m
En este caso las isoclinas están definidas por,
1
x2 = − sin x1
0.5 + c
2
x2
−2
−4
−6
−4 −3 −2 −1 0 1 2 3 4
x1
5
Sistemas Planares Lineales. Por qué los estudiaremos en particular? Para estudiar
un sistema no-lineal planar se comienza analizando sus puntos de equilibrio y sus flu-
jos (o trayectorias) en un entorno de cada equilibrio. Existen resultados, que veremos
más adelante, que aseguran que el comportamiento de un sistema no-lineal localmente
alrededor de cada equilibrio se puede determinar a partir del comportamineto de su lin-
ealización alrededor de dicho punto. Queremos entonces estudiar las soluciones de un
sistema lineal planar, a partir de la clasificación de sus puntos de equilibrio.
ẋ = Ax, (1.2)
Analicemos el caso A no-singular. Sabemos que es siempre posible hallar una matriz
M de orden 2 y no-singular tal que M −1 AM = J, siendo J la forma de Jordan real. Se
pueden presentar cualquiera de los tres casos que siguen:
µ ¶ µ ¶ µ ¶
λ1 0 λ k α −β
J1 = , J2 = , J3 = .
0 λ2 0 λ β α
ż = Jz (1.3)
Asi por ejemplo para el primer caso se tiene el sistema planar desacoplado,
ż1 = λ1 z1
ż2 = λ2 z2 ;
si la condición inicial es z 0 = (z10 , z20 ) las soluciones son z1 (t) = z10 exp λ1 t, z2 (t) =
z20 exp λ2 t, y eliminando t se obtiene
λ2/λ1 z20
z2 = kz1 , con k = .
(z10 )λ2/λ1
6
10
2
2
0
x
−2
−4
−6
−8
−10
−10 −8 −6 −4 −2 0 2 4 6 8 10
x1
7
10
2
2
0
x
−2
−4
−6
−8
−10
−10 −8 −6 −4 −2 0 2 4 6 8 10
x1
el sistema resulta
ṙ = αr (1.6)
θ̇ = β. (1.7)
Si la condición inicial es (r0 , θ0 ) la solución es (r(t), θ(t)) = (r0 exp αt, θ0 + βt), que
resulta una espiral logarı́tmica en el plano (z1 , z2 ), llamado foco. Para α < 0 resulta
un foco estable, Fig.1.5.; y para α > 0 un foco inestable, Fig.1.6. Si α = 0 se tiene un
centro, Fig.1.7.
Observacón: el comportamiento de las trayectorias de un sistema lineal planar está
completamente determinado por los autovalores de la matriz de orden 2 que define al
sistema.
Ejercicios propuestos
8
10
2
2
0
z
−2
−4
−6
−8
−10
−10 −8 −6 −4 −2 0 2 4 6 8 10
z1
ẋ1 = x2
ẋ2 = −x1 + (1 − x21 )x2
9
10
2
2
0
z
−2
−4
−6
−8
−10
−10 −8 −6 −4 −2 0 2 4 6 8 10
z1
10
10
2
z2
−2
−4
−6
−8
−10
−10 −8 −6 −4 −2 0 2 4 6 8 10
z1
Graficar el retrato de fase para: a < −1; a = −1; −1 < a < 1; a = 0; a > 0.
donde L, C > 0 y R ≥ 0.
11
10
2
2
0
z
−2
−4
−6
−8
−10
−10 −8 −6 −4 −2 0 2 4 6 8 10
z1
12
equilibrio es un centro, el sistema perturbado tendrá un foco estable o inestable, según
µ sea negativo o positivo. Llamamos entonces al nodo, foco y saddle equilibrios estruc-
turalmente estables, pues mantienen su comportamiento cualitativo bajo perturbaciones
chicas.
Consideramos nuevamente las ecuaciones de estado del péndulo con fricción para
k = 0.5,
ẋ1 = x2 (2.1)
g
ẋ2 = − sin x1 − 0.5x2 , (2.2)
l
con −π ≤ x1 ≤ π. En este caso los puntos de equilibrio aisaldos son (0, 0), (π, 0) y
(−π, 0). Observar que a diferencia de los sistemas lineales, en los sistemas no-lineales
puede haber más de un equilibrio aislado. El comportamiento del (0, 0) es similar al de
un foco estable de un sistema lineal; y el comportamiento de (±π, 0) es similar al de un
saddle en un sistema lineal, Fig. 2.1. Esto que por ahora lo observamos en el retrato de
fase del sistema, lo justificaremos luego.
ẋ1 = f1 (x1 , x2 )
ẋ2 = f2 (x1 , x2 ),
con
∂fi (x1 , x2 )
aij = |x=p , f1 (p1 , p2 ) = f2 (p1 , p2 ) = 0;
∂xj
(T.O.S.: términos de orden superior).
13
6
2
x2
−2
−4
−6
−2.5 −2 −1.5 −1 −0.5 0 0.5 1 1.5 2 2.5
x1
En un entorno suficientemente chico del equilibrio, de modo tal que los términos de orden
superior se desprecien, se obtiene la siguiente aproximación lineal:
14
Observaciones: El Teorema de Hartman-Grobman afirma que es posible “deformar”
de manera contı́nua todas las trayectorias del sistema no lineal, alrededor del equilibrio
aislado, en las trayectorias del sistema linealizado, vı́a el homeomorfismo h. En general,
es muy dificultoso hallar el homeomorfismo h. Sin embargo, el teorema indica que el
comportamiento cualitativo de un sistema no lineal alrededor de un equilibrio aislado
es similar al del sistema linealizado, por ejemplo, el tipo de estabilidad. Consideramos
nuevamente el ejemplo del péndulo con fricción, en este caso las matrices del sistema
linealizado, alrededor de cada equilibrio, resultan:
· ¸ · ¸
∂f 0 1 ∂f 0 1
A1 = |(0,0) = A2 = |(π,0) = ;
∂x −1 −0.5 ∂x 1 −0.5
los autovalores de A1 son 0.25 ± ı0.97, y los de A2 son −1.28 y 0.78. Luego, el (0, 0) es
un foco estable y el (π, 0) es un saddle, el comportamiento de (−π, 0) es similar al de
(π, 0).
El punto (0, 0) es equilibrio aislado del sistema, la matriz Jacobiana evaluada en este
punto es · ¸
0 −1
,
1 0
cuyos autovalores son ±i, luego la linealización del sistema tiene en (0, 0) un centro.
En coordenadas polares el mismo sistema no-lineal se representa ası́:
ṙ = −µr3
θ̇ = 1;
donde para µ > 0 resulta un foco estable, Fig.2.2. y para µ < 0 un foco inestable,
Fig.2.3.
15
Diagrama de fase
3
1
2
0
x
−1
−2
−3
−3 −2 −1 0 1 2 3
x1
Ciclos lı́mites. Ya hemos definido oscilación y órbita cerrada. Para introducir el con-
cepto de ciclo lı́mite, analizaremos primero un ejemplo sencillo.
Oscilador lineal
ẋ1 = −x2
ẋ2 = x1 ;
sabemos ya que el equilibrio (0, 0) es un centro y sus trayectorias son órbitas cerradas,
Fig.1.7. Si la condición inicial es (x01 , x02 ) las soluciones son x1 (t) = r0 cos(t + θ0 ),
16
Diagrama de fase
3
1
2
0
x
−1
−2
−3
−3 −2 −1 0 1 2 3
x1
17
si llamamos x1 = y y x2 = ẏ obtenemos las ecuaciones de estado del sistema:
x˙1 = x2
ẋ2 = −x1 + µ(1 − x21 )x2 ;
Diagrama de fase
5
1
2
0
x
−1
−2
−3
−4
−5
−5 −4 −3 −2 −1 0 1 2 3 4 5
x1
órbita cerrada que atrae a todas las trayectorias que comienzan fuera de ella, Fig.2.4.
Esta situación es diferente a la que ocurre con el oscilador lineal, donde hay un contı́nuo
de órbitas cerradas, Fig.1.7.
18
Definition 2.5 Una órbita cerrada aislada se llama ciclo lı́mite.
Nos planteamos ahora el siguiente problema: establecer condiciones bajo las cuales un
sistema planar dado tiene o no órbitas cerradas.
ẋ1 = x2
ẋ2 = x1 − x31 − δx2 ,
Entonces o bien C es una órbita cerrada, o bien tiende a una órbita cerrada cuando
t → ∞. En cualquier caso, R contiene una órbita cerrada.
ṙ = r(1 − r2 ) + µr cos θ
θ̇ = 1,
19
Ejercicios propuestos
ẋ = −x + x3
ẏ = −2y
2. Considerar el sistema
ẋ = −y + ax(x2 + y 2 )
ẏ = x + ay(x2 + y 2 )
3. Para cada uno de los siguientes sistemas, construir el retrato de fase usando el
método de las isoclinas y discutir el comportamiento cualitativo del sistema. Se
puede usar información acerca de los puntos de equilibrio o del campo vectorial.
(a)
ẋ1 = x2 cos x1
ẋ2 = sin x2
(b)
µ ¶
x1
ẋ1 = 1−
x
µ2 ¶
x1 x1
ẋ2 = − 1−
x2 x2
20
3 Tercera Clase: Teorı́a de Estabilidad de Lyapunov
Para estudiar la estabilidad de puntos de equilibrio utilizaremos las ideas de Lyapunov.
Definition 3.1 El equilibrio x = 0 del sistema autónomo ẋ = f (x) es estable si para
cada ² > 0 existe δ > 0 tal que:
ẋ1 = x2
ẋ2 = −(g/l) sin x1 − (k/m)x2 ;
21
Si k = 0, el sistema es conservativo, es decir, no hay disipación de energı́a. Luego,
E se mantiene constante durante el movimiento del sistema o dE dt
= 0 a lo largo de
las trayectorias del sistema. Como E(x) = c representa una curva cerrada alrededor de
x = 0 para c chico, podemos concluir que el origen es punto de equilibrio estable, Fig.3.1.
Diagrama de fase
5
1
x2
−1
−2
−3
−4
−5
−10 −8 −6 −4 −2 0 2 4 6 8 10
x1
Cuando tenemos en cuenta la fricción (k > 0), la energı́a se disipa a lo largo del
movimiento del sistema, es decir, dE
dt
≤ 0 a lo largo de las trayectorias del sistema. Debido
a la fricción, E no puede permanecer constante indefinidamente cuando el sistema está
en movimiento. Luego, la energı́a comienza a decrecer hasta llegar a 0, y entonces la
trayectoria tiende a 0 cuando t tiende a ∞.
Concluimos entonces que examinando la energı́a E a lo largo de las trayectorias del
sistema, es posible determinar la estabilidad de un punto de equilibrio.
Lyapunov (1892) mostró que para determinar la estabilidad de un punto de equilibrio
pueden usarse otra clase de funciones, no necesariamente la energı́a.
Sea V : D → R una función continuamente diferenciable definida en D ⊂ Rn , con D
dominio que contiene al origen. La derivada de V a lo largo de las trayectorias del
22
sistema ẋ = f (x) se define como:
n
X n
X
∂V ∂V ∂V
V̇ (x) = ẋi = fi (x) = f (x).
i=1
∂xi i=1
∂xi ∂x
Observar que la derivada de V a lo largo de las trayectorias del sistema depende de las
ecuaciones del sistema. Luego V̇ (x) será diferente para sistemas diferentes. Además, si
V̇ (x) < 0, V decrece a lo largo de las soluciones del sistema.
El siguiente resultado de Lyapunov garantiza estabilidad del equilibrio para un sistema
no-lineal.
Theorem 3.2 Sea x = 0 un punto de equilibrio de ẋ = f (x) y D ⊂ Rn un dominio que
contiene a x = 0. Sea V : D → R una función continuamente diferenciable tal que
Nos preguntamos ahora bajo que condiciones la región de atracción será todo Rn . Esto
sucede si para cualquier estado inicial x, la trayectoria φ(t, x) se aproxima a 0 cuando
t → ∞, sin importar si kxk es grande. Si un punto de equilibrio asintóticamente estable
tiene esta propiedad, se dice que es globalmente asintóticamente estable.
El siguiente teorema establece condiciones suficientes que garantizan estabilidad asintótica
global.
Theorem 3.4 (Barbashin-Krasovski) Sea x = 0 punto de equilibrio del sistema ẋ =
f (x). Sea V : Rn → R una función continuamente diferenciable tal que
• V (0) = 0 y V (x) > 0, ∀x 6= 0;
23
• V̇ (x) < 0, ∀x 6= 0;
Recordemos que cuando estudiamos la ecuación del péndulo con fricción vimos que la
función de energı́a E(x) no satisfacı́a la condición para garantizar la estabilidad asintótica
requerida en el Teorema de Lyapunov. En efecto, V̇ (x) = (−k/m)x22 ≤ 0, sin embargo
sabemos que x = 0 es equilibrio asintóticamente estable para la ecuación del péndulo.
Luego, para que se mantenga la condición V̇ (x) = 0, la trayectoria del sistema debe estar
confinada en la recta x2 = 0. A menos que x1 = 0 esto es imposible pues a partir de las
ecuaciones del péndulo vemos que
Definition 3.6 Sea x(t) una solución de ẋ = f (x). Un punto p se llama punto lı́mite
positivo de x(t) si existe una sucesión {tn } con tn → ∞ tal que x(tn ) → p cuando
n → ∞.
Definition 3.7 El conjunto de todos los puntos lı́mite positivos de x(t) se llama conjunto
lı́mite positivo de x(t).
24
Definition 3.8 Un conjunto M se llama positivamente invariante con respecto al sis-
tema ẋ = f (x) si,
x(0) ∈ M ⇒ x(t) ∈ M, ∀t ≥ 0.
Lemma 3.10 Si una solución x(t) de ẋ = f (x) es acotada y pertenece a D, para todo
t ≥ 0, con D abierto que contiene a x = 0, entonces su conjunto lı́mite positivo que
llamaremos L+ es no vacı́o, compacto e invariante. Además, x(t) → L+ cuando t → ∞.
Algunas observaciones:
• A diferencia del Teorema de Lyapunov, el Teorema de Lasalle no pide que V (x)
sea estrictamente positiva.
• Si estamos interesados en mostrar que x(t) → 0 cuando t → ∞, debemos establecer
que el mayor conjunto invariante en E es el origen. Esto se hace mostrando que
ninguna solución puede permanecer en E además de la solución trivial x(t) ≡ 0.
Considerando el caso particular planteado en la última observación y tomando V (x) > 0
se obtiene los siguientes corolarios que extienden los Teoremas de Lyapunov y Barbashin-
Krasovskii, respectivamente.
25
Corollary 3.12 Sea x = 0 equilibrio de ẋ = f (x). Sea V : D → R una función
continuamente diferenciable y positiva sobre un dominio D que contiene al origen, tal
que V̇ (x) ≤ 0 en D. Sea S = {x ∈ D : V̇ (x) = 0} y supongamos que ninguna solución
permanece en S salvo la trivial. Entonces, el origen es asintóticamente estable.
Observar que cuando V̇ (x) es estrictamente negativa y S = {0}, entonces los corolarios
anteriores coinciden con los teoremas de Lyapunov y Barbashin-Krasovskii.
26
Ejercicios propuestos.
1. Usando V (x) = x21 + x22 , estudiar la estabilidad del origen del sistema
ẋ1 = x1 (k 2 − x21 − x22 ) + x2 (x21 + x22 + k 2 )
ẋ2 = −x1 (k 2 + x21 + x22 ) + x2 (−x21 − x22 + k 2 )
cuando: a)k = 0 y b)k 6= 0.
2. Considerar el sistema
ẋ1 = x2
ẋ2 = −a sin x1 − kx1 − dx2 − cx3
ẋ3 = −x3 + x2
donde todos los coeficientes son positivos y k > a. Usando
Z x1
V (x) = 2a sin ydy + kx21 + x22 + px23 ,
0
27
Bibliografı́a
“Nonlinear Systems”, Hassan Khalil, Prentice Hall, 1996.
“Nonlinear Systems, Analysis, Stability, and Control”, Shankar Sastry, Springer, 1999.
28