⚡ electrical engineering

Global Linearization of Parameterized Nonlinear Systems with Stable Equilibrium Point Using the Koopman Operator

Este estudio utiliza el operador de Koopman para establecer una linealización global continua de sistemas no lineales con un punto de equilibrio estable, demostrando cómo las funciones propias dependen del parámetro y derivando condiciones para una bilinealización global independiente de dicho parámetro en sistemas de tipo afín al control.

Autores originales: Natsuki Katayama, Alexandre Mauroy, Yoshihiko Susuki

Publicado 2026-04-07

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Natsuki Katayama, Alexandre Mauroy, Yoshihiko Susuki

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que tienes un sistema complejo, como el clima, el tráfico de una ciudad o el movimiento de un robot. Estos sistemas son no lineales, lo que significa que son caóticos, impredecibles y muy difíciles de modelar. Si intentas predecir su comportamiento con fórmulas simples, te equivocarás porque un pequeño cambio puede tener un efecto enorme (el famoso "efecto mariposa").

Los autores de este artículo, Natsuki Katayama, Alexandre Mauroy y Yoshihiko Susuki, proponen una forma mágica de simplificar este caos utilizando una herramienta matemática llamada Operador de Koopman.

Aquí te explico la idea central usando analogías sencillas:

1. El Problema: El Caos No Lineal

Piensa en un sistema no lineal como un río con remolinos, corrientes y piedras. El agua no fluye en línea recta; gira y se desvía. Si quieres predecir dónde estará una hoja en el río dentro de 10 minutos, es muy difícil porque las reglas del agua cambian constantemente.

2. La Solución: El "Espejo Mágico" (Operador de Koopman)

El Operador de Koopman es como un espejo mágico o una cámara especial. En lugar de mirar al agua (el sistema real) directamente, miras su reflejo en este espejo.

Lo increíble: En el mundo real (el río), el movimiento es caótico y curvo. Pero en el reflejo del espejo (el espacio de Koopman), el movimiento se vuelve perfectamente lineal (una línea recta).
La ventaja: Las líneas rectas son fáciles de calcular. Puedes usar matemáticas simples para predecir el futuro en el reflejo y luego traducir esa predicción de vuelta al mundo real.

3. El Reto: El "Controlador" (La Entrada)

Hasta ahora, los científicos sabían cómo usar este espejo para sistemas que funcionan solos (como un péndulo que se detiene solo). Pero, ¿qué pasa si tienes un controlador? Imagina que alguien empuja el río con una pala (el "input" o entrada) para cambiar la dirección del agua.

El problema es que el espejo mágico cambia de forma cada vez que la persona empuja la pala. Si el espejo cambia, tu predicción se rompe.
La pregunta del artículo: ¿Podemos encontrar un espejo que funcione bien incluso cuando alguien empuja la pala?

4. El Descubrimiento: Dos Grandes Logros

Logro A: El Espejo que se Adapta (Linealización Global)

Los autores demostraron que, si el sistema tiene un "punto de equilibrio estable" (imagina un valle donde, si dejas caer una pelota, siempre rueda hacia el fondo y se detiene), podemos construir un espejo que cambia suavemente según cómo empujes la pala.

Analogía: Es como tener unas gafas de realidad aumentada que se ajustan automáticamente a tu movimiento. Si mueves la mano (el control), las gafas cambian de lente, pero la imagen que ves sigue siendo clara y predecible.
Resultado: Pueden transformar el sistema caótico en uno lineal simple, y esta transformación depende de tu control, pero lo hace de una manera suave y continua.

Logro B: El Espejo Fijo (Bilinealización)

Aquí viene la parte más "mágica". ¿Existe alguna condición especial donde el espejo no necesite cambiar aunque muevas la pala?

Los autores descubrieron que sí, pero solo si el sistema cumple una regla muy específica relacionada con su "estructura interna" (llamada álgebra de Lie).
Analogía: Imagina un coche de juguete. Normalmente, si giras el volante (control), el coche gira de forma compleja. Pero si el coche tiene una estructura interna especial (como un tren en rieles), puedes empujarlo (control) y el tren siempre se moverá en línea recta o en una curva predecible, sin importar cuánto empujes.
Resultado: Bajo ciertas condiciones matemáticas, pueden encontrar un solo espejo fijo que convierte el sistema en uno bilineal (una mezcla simple de lineal y control). Esto es oro puro para diseñar controladores automáticos, porque no tienes que recalcular las matemáticas cada vez que cambias el control.

5. ¿Por qué es importante esto?

En el mundo real, queremos que los robots, los aviones o los sistemas de energía sean estables y predecibles.

Antes, para controlar sistemas complejos, teníamos que usar aproximaciones que a veces fallaban.
Con este trabajo, los ingenieros tienen una garantía matemática de que pueden "enderezar" sistemas caóticos y controlarlos de manera eficiente, incluso cuando las condiciones cambian.

En resumen

El papel dice: "Si tienes un sistema caótico que tiende a estabilizarse, podemos usar una herramienta matemática (Koopman) para convertirlo en un sistema lineal fácil de manejar. Si el sistema tiene una estructura especial, incluso podemos hacerlo sin tener que recalcular la herramienta cada vez que cambiamos el control."

Es como encontrar la llave maestra que convierte un laberinto intrincado en un pasillo recto y fácil de recorrer, incluso si alguien te empuja por el camino.

Resumen Técnico: Linealización Global de Sistemas No Lineales Parametrizados mediante el Operador de Koopman

1. Planteamiento del Problema

El análisis y control de sistemas no lineales es un desafío fundamental en ingeniería y matemáticas aplicadas. El operador de Koopman ofrece un marco prometedor al permitir describir la dinámica no lineal en un espacio de funciones (infinitedimensional) mediante un operador lineal. Sin embargo, existen limitaciones importantes en la literatura actual:

La mayoría de los resultados sobre linealización global se centran en sistemas autónomos (sin entradas).
Para sistemas con entradas de control, las representaciones lineales o bilineales finitas obtenidas mediante métodos de datos (como EDMD) a menudo carecen de una fundamentación teórica rigurosa sobre la existencia y propiedades espectrales.
Específicamente, no está claro cómo dependen las funciones propias del operador de Koopman de los parámetros de entrada, ni bajo qué condiciones es posible obtener una transformación de linealización que sea independiente del parámetro (esencial para el diseño de controladores).

El objetivo de este trabajo es clarificar las propiedades espectrales del operador de Koopman para sistemas no lineales con entradas, tratando la entrada como un parámetro, y establecer condiciones para lograr una linealización global y una bilinealización global que dependan o no del parámetro.

2. Metodología

Los autores emplean una combinación de teoría espectral de operadores lineales, teoría de perturbaciones y geometría diferencial (álgebra de Lie).

Tratamiento de la Entrada como Parámetro: Se considera un sistema dinámico $\dot{x} = F_u(x)$ donde la entrada $u$ se trata como un parámetro constante (o por tramos). Esto permite definir un operador de Koopman parametrizado $U^u_t$ y su generador $L^u_F$ .
Supuestos del Sistema:
- El espacio de estados es compacto e invariante positivamente.
- El sistema posee un punto de equilibrio exponencialmente estable globalmente (GES EP) en el origen para cualquier valor del parámetro $u$ .
- Se asumen condiciones de no resonancia ( $k$ -nonresonant) y de dispersión espectral ( $k$ -spectral spread) para los valores propios de la linealización en el equilibrio.
Análisis de Perturbación: Se utiliza la teoría de perturbación de operadores lineales (basada en [20]) para estudiar cómo convergen fuertemente los resolventes y las proyecciones espectrales del operador de Koopman cuando el parámetro $u$ varía.
Argumentos de Álgebra de Lie: Para el caso de sistemas afines al control ( $\dot{x} = F(x) + \sum u_i G_i(x)$ ), se analiza la estructura del álgebra de Lie generada por los campos vectoriales del sistema y la de su linealización. Se busca un isomorfismo entre el álgebra de Lie de los campos vectoriales no lineales y la de sus linealizaciones en el origen.

3. Contribuciones Clave y Resultados Principales

A. Linealización Global Parametrizada (Teorema 4)

Resultado: Se demuestra la existencia de un difeomorfismo $\psi_u: X \to \mathbb{R}^n$ que transforma el sistema no lineal parametrizado en un sistema lineal $\dot{z} = A_u z$ , donde $A_u = D_x F_u(0)$ .
Dependencia del Parámetro: La transformación $\psi_u$ depende continuamente del parámetro $u$ en la norma $C^k$ .
Implicación: Esto garantiza que, para cualquier entrada constante, el sistema puede ser linealizado globalmente. Además, la continuidad justifica el uso de teoremas de aproximación universal (como redes neuronales o polinomios) para aprender esta transformación mediante algoritmos basados en datos (EDMD).

B. Bilinealización Global Independiente del Parámetro (Teorema 5)

Motivación: Para el control, es deseable que la transformación de coordenadas no dependa de la entrada $u(t)$ en tiempo real, evitando términos derivados de $\dot{u}$ en la dinámica transformada.
Condición Suficiente: Se establece que si existe un isomorfismo de álgebras de Lie entre el álgebra generada por los campos vectoriales del sistema no lineal $\{F, G_1, \dots, G_d\}_L$ y el álgebra generada por sus linealizaciones en el origen $\{A, B_1, \dots, B_d\}_L$ (donde $A=D_xF(0)$ y $B_i=D_xG_i(0)$ ), entonces existe un difeomorfismo global $\psi$ independiente de $u$ .
Resultado: Bajo esta condición, el sistema se transforma globalmente en un sistema bilineal:
$\dot{z} = Az + \sum_{i=1}^d u_i(t) B_i z$
Ventaja sobre trabajos previos: A diferencia de resultados anteriores basados en expansiones de Taylor (válidos solo localmente), este resultado es global gracias a las propiedades espectrales del generador de Koopman y la estructura del álgebra de Lie.

4. Ejemplo Ilustrativo

Los autores presentan un sistema bidimensional donde:

Se verifica que las funciones propias de Koopman dependen continuamente de $u$ (cumpliendo el Teorema 4).
Se demuestra que cuando un parámetro específico $a=1$ , el conmutador de Lie $[F, G]$ es cero, satisfaciendo la condición del Teorema 5.
En este caso, se logra una transformación de coordenadas independiente de $u$ que convierte el sistema no lineal en uno bilineal exacto, incluso con entradas variantes en el tiempo.

5. Significado e Impacto

Fundamento Teórico para Control Basado en Datos: El trabajo proporciona la justificación teórica necesaria para el uso de algoritmos como EDMD (Extended Dynamic Mode Decomposition) en el diseño de controladores para sistemas no lineales. La continuidad de la linealización parametrizada asegura la convergencia de estos métodos.
Generalización Global: Extiende los resultados de linealización local (basados en geometría diferencial clásica) a resultados globales, aprovechando la invariancia del espacio de estados y la estabilidad exponencial.
Puente entre Teoría y Práctica: La condición de isomorfismo de álgebras de Lie ofrece un criterio verificable y constructivo para determinar si un sistema de control afín puede ser globalmente bilinealizado, lo cual es crucial para aplicar técnicas de control óptimo y robusto diseñadas para sistemas bilineales.
Futuro: Los autores sugieren que estos resultados pueden extenderse a sistemas que no tienen un punto de equilibrio fijo pero que son estabilizables globalmente mediante retroalimentación.

En conclusión, el artículo establece un marco riguroso que conecta la teoría espectral del operador de Koopman con el control de sistemas no lineales, resolviendo problemas de dependencia paramétrica y ofreciendo condiciones para transformaciones globales que facilitan el diseño de controladores avanzados.