Sistemas No Lineales (Notas de Clase)

Sistemas No Lineales
Notas de Clase
Por Mara Marta Seron

Primer Cuatrimestre 2000
Revisadas y ampliadas por Julio H. Braslavsky
Primer Cuatrimestre 2001
y Hern
an Haimovich
Segundo Cuatrimestre 2011
Laboratorio de Sistemas Din

amicos y
Procesamiento de Informaci
on (LSD),
Escuela de Ingeniera Electr
onica,
Universidad Nacional de Rosario
Automatizaci
on y Control Industrial
Universidad Nacional de Quilmes
Basadas en Khalil, H. Nonlinear Systems.
Tercera edici
on. Prentice Hall, NJ, 2002.
Versi
on compilada el 9 de noviembre de 2011.
Indice general
I
An
alisis
1. Introducci
on
2. Propiedades Fundamentales
33
3. Estabilidad Seg
un Lyapunov. Sistemas Estacionarios
51
4. Estabilidad Seg
un Lyapunov. Sistemas Inestacionarios
79
5. Estabilidad de Sistemas Perturbados
99
II
Control
123
6. Control en Realimentaci
on
125
7. Linealizaci
on Exacta por Realimentaci
on
145
8. Dise
nos Basados en Lyapunov
169
Parte I
An
alisis
Captulo 1
Introducci
on
1.1.
1.1.1.
Introducci
on
Sistemas No Lineales de Control
La teora de sistemas de control se ocupa del an

alisis y el dise
no de componentes interactuantes
de un sistema en una configuracion que brinde un comportamiento deseado. La configuracion esencial usada en teora de sistemas de control se basa en el concepto fundamental de realimentaci
on,
que consiste en el proceso de medir las variables de interes en el sistema y usar esa informaci
on para
controlar su comportamiento. La teora y la pr
actica del control tienen un amplio rango de aplicaciones en los campos de la ingeniera aeron
autica, qumica, mec
anica, ambiental, civil y electrica,
as como en muchas otras disciplinas no ingenieriles. Las ventajas del control eficiente en la industria son inmensas, e incluyen mejoras en la calidad de los productos, reduccion en el consumo de
energa, minimizacion de los material de desecho, mayores niveles de seguridad y reduccion de la
contaminaci
on.
El punto de partida en el an
alisis de un sistema de control es su representacion por un modelo matem
atico, generalmente como un operador entre entradas y salidas del sistema, o como un
conjunto de ecuaciones diferencia y/o diferenciales. La mayora de los modelos matem
aticos usados
tradicionalmente por te
oricos y pr
acticos del control son lineales. De hecho, los modelos lineales son
mucho m
as manejables que los no lineales, y pueden representar en forma precisa el comportamiento
de sistemas reales en muchos casos u
tiles.
Sin embargo, los avances tecnol
ogicos actuales han generado una enorme variedad de nuevos
problemas y aplicaciones que son no lineales en esencia. Por ejemplo, fenomenos no lineales tales
como equilibrios m
ultiples, ciclos lmite, bifurcaciones, corrimiento de frecuencias y caos, se observan
com
unmente en aplicaciones modernas importantes en ingeniera, tales como sistemas de comando
de vuelo, manipuladores robot, sistemas de autopistas automatizadas, estructuras de ala de avion, y
sistemas de inyecci
on de combustible de alto rendimiento. Tales fenomenos no lineales no se pueden
describir mediante din
amica de modelos lineales una raz
on ineludible para el uso de modelos no
lineales y el desarrollo de conceptos y herramientas de sistemas no lineales de control.
Alentada por la sofisticacion de la tecnologa actual, la teora de sistemas no lineales de control
ha experimentado en la decada pasada una vigorosa expansi
on, reflejada por un n
umero r
apidamente
creciente de monografas y libros de texto cientficos de sistemas no lineales de control [Isidori, 1995,
Krstic et al., 1995, Khalil, 1996, Sepulchre et al., 1997, Isidori, 1999, Sastry, 1999, van der Schaft,
2000]. Una caracterstica dominante de esta expansi
on ha sido la aparici
on de conceptos importantes,
tales como los de pasivaci
on por realimentaci
on [van der Schaft, 2000] y estabilidad entrada-estado
[Sontag, 1989], y procedimientos sistematicos de dise
no, tales como backstepping y forwarding
[Krstic et al., 1995, Sepulchre et al., 1997]. La importancia de estos procedimientos sistematicos de
Introducci
on
dise
no es que, aunque restringidos a sistemas con estructura especial, incluyen sistemas de importancia pr
actica, tales como barcos, motores a reacci
on, motores turbo-diesel y motores electricos de
induccion.
1.1.2.
El Curso
Este curso brinda una introducci

on rigurosa y en profundidad a los conceptos fundamentales de
la teora de sistemas no lineales y a tecnicas modernas de an
alisis y dise
no de sistemas de control
no lineal.
Vamos a trabajar en general con sistemas din
amicos modelados por un n
umero finito de ecuaciones diferenciales ordinarias de primer orden acopladas entre s, que representaremos en forma
compacta con la ecuaci
on diferencial vectorial de primer orden
x = f (x, u) ,
(1.1)
donde x Rn es el vector de estado y u Rp es el vector de entradas (de control). A veces vamos

a considerar tambien una ecuaci
on de salida
y = h(x, u) ,
(1.2)
donde y Rm es un vector de variables de interes, por ejemplo variables fsicamente medibles o

variables que deseamos se comporten de alguna forma especial.
u
f (x, u)
h(x, u)
(x)
Figura 1.1: Sistema no lineal
Muchas veces la entrada u no aparece explcitamente en (1.1), ya sea porque la entrada es cero
o porque fue especificada como una funci
on del estado u = (x) control por realimentacion. En
este caso la ecuaci
on de estado es la ecuaci
on no forzada
x = f (x) .
(1.3)
Vamos a trabajar, en general, con sistemas estacionarios o invariantes en el tiempo, es decir

que su comportamiento es invariante al corrimiento del origen temporal. Cuando el sistema es
inestacionario o variante en el tiempo, el lado derecho de (1.3) es una funci
on explcita del tiempo,
de modo que la ecuaci
on de estado toma la forma
x = f (t, x).
(1.4)
Un concepto importante relacionado con la ecuaci

on de estado es el de puntos de equilibrio.
Definici
on 1.1 (Puntos de Equilibrio). Un punto x = x en el espacio de estado es un punto de
equilibrio (PE) de (1.3) o (1.4), si tiene la propiedad de que cuando el estado inicial del sistema es
x , el estado permanece en x en todo tiempo futuro.
1.2 Ejemplos
Los PE de (1.3) son las races de la ecuaci

on
f (x) = 0 .
y los de (1.4) son los x que satisfacen
f (t, x) = 0,
para todo t t0 .
Un dado sistema puede poseer uno, varios, infinitos o ning

un PE. Un PE puede ser aislado, es
decir no tiene otros PE en la vecindad, o puede existir un continuo de PE. Cuando el sistema es
lineal, (1.3) tiene la forma conocida
x = Ax + Bu ,
y el u
nico PE aislado posible (tomando u = 0) es x = 0.
Ejemplo 1.1 (Existencia de PESistemas lineales). En un sistema lineal y estacionario de la forma
x = Ax + Bu con A no invertible y u constante puede ocurrir que (a) existan infinitos PE o (b)
no exista ning
un PE. Si en cambio A es invertible, siempre existe un PE para cada valor constante
de u, dado por A1 Bu. Por el contrario, un sistema lineal inestacionario x = A(t)x + B(t)u no
necesariamente tiene PE, incluso aunque A(t) sea invertible para todo t, ya que [A(t)]1 B(t)u no
necesariamente es constante para todo t t0 .
Como las tecnicas de an
alisis y control lineales son bien conocidas, siempre es conveniente, al
analizar un sistema no lineal, comenzar linealizando el sistema alrededor de alg
un punto de equilibrio
y estudiar el sistema lineal resultante. Sin embargo esto no es suficiente debido b
asicamente a dos
razones:
(i) la linealizaci
on s
olo predice el comportamiento local, no sirve para estudiar el comportamiento
lejos del punto de operaci
on;
(ii) la din
amica de un sistema no lineal es mucho m
as rica que la de un sistema lineal debido a
la presencia de fenomenos no lineales como: escape en tiempo finito, m
ultiples PE aislados,
ciclos lmite, oscilaciones sub-armonicas, arm
onicas o casi-peri
odicas, caos, etc.
En el transcurso del curso s
olo vamos a encontrar los fenomenos de escape en tiempo finito, m
ultiples
equilibrios y ciclos lmite. Ver por ejemplo Guckenheimer and Holmes [1983] para m
as referencia
sobre caos, bifurcaciones y oscilaciones.
1.2.
Ejemplos
1.2.1.
Ecuaci
on del P
endulo
Uno de los problemas m

as simples en rob
otica es el de controlar la posici
on de una junta de robot
usando un motor ubicado en el punto de giro. Matematicamente esto no es m
as que un pendulo,
representado en la Figura 1.2.
Usando la segunda ley de Newton podemos escribir la ecuaci
on de movimiento en la direcci
on
tangencial:
ml = mg sen kl ,
donde m es la masa de la bola, l es la longitud del brazo, es el angulo entre la vertical y el brazo,
g es la aceleraci
on de la gravedad, y k es el coeficiente de friccion.
Introducci
on
mg
Figura 1.2: Pendulo
Tomando como variables de estado x1 = y x2 = podemos escribir las ecuaciones de estado

x 1 = x2 ,
k
g
x 2 = sen x1 x2 .
l
m
(1.5)
Los PE son (haciendo x 1 = x 2 = 0) (n, 0), n = 0, 1, 2, . . .. Obviamente s

olo los PE (0, 0) y
(, 0) son no triviales ya que el resto son repeticiones de los mismos. Fsicamente podemos ver que
el PE en (0, 0) es estable mientras que el PE en (, 0) es inestable, como ya vamos a estudiar en
m
as detalle.
Otra versi
on de la ecuaci
on del pendulo consiste en agregarle una entrada de control, por ejemplo
aplicando una cupla T :
x 1 = x2 ,
k
1
g
T.
x 2 = sen x1 x2 +
l
m
ml2
(1.6)
Varios sistemas fsicos pueden describirse con ecuaciones similares a las del pendulo, e.g., un generador sincronico conectado a un bus infinito [Khalil, 1996, Ejercicio 1.7], el circuito de una juntura
Josephson [Khalil, 1996, Ejercicio 1.8], un lazo de PLL (phase locked loop) [Khalil, 1996, Ejercicio 1.10].
1.2.2.
Circuito con Diodo T

unel
La Figura 1.3 muestra un circuito con diodo t

unel, donde la relaci
on constitutiva del diodo es
iR = h(vR ). Usando las leyes de Kirchhoff y tomando como variables de estado x1 = vC (tensi
on en
el capacitor) y x2 = iL (corriente en la inductancia), el circuito puede describirse con las siguientes
ecuaciones de estado
1
[h(x1 ) + x2 ] ,
C
1
x 2 = [x1 Rx2 + u] ,
L
x 1 =
(1.7)
donde u = E e i = h(v) es la caracterstica v i del diodo t

unel. Los PE son las races de la ecuaci
on
h(x1 ) =
E
1
x1 .
R R
Seg
un el valor de E/R puede haber uno o tres PE, como se ve el la Figura 1.4.
1.2 Ejemplos
iL
L
+ vL
i mA
iR
iC
i = h(v)
0,5
+
vC
+
vR
0
0
0,5
Figura 1.3: Diodo T

unel
iR
Q1
Q2
0,5
Q3
0
0
0,5
vR
Figura 1.4: Puntos de equilibrio del circuito de diodo t

unel
vV
Introducci
on
1.2.3.
Sistema Masa-Resorte
Consideramos el sistema masa-resorte de la Figura 1.5. Usando la ley de Newton:

m
y + Ff + Fr = F ,
donde Ff es una fuerza resistiva de friccion, Fr es la fuerza de recuperaci
on del resorte, y F es
una fuerza externa a nuestra disposici
on. Asumimos que Fr es s
olo funcion del desplazamiento y,
es decir Fr = g(y), g(0) = 0.
Ff
Fr
F
y
Figura 1.5: Sistema masa-resorte

Para desplazamientos peque
nos, Fr puede modelarse como la relaci
on lineal g(y) = ky. Para
grandes desplazamientos, la fuerza de recuperaci
on puede depender no linealmente de y. Por ejemplo,
hay resortes suaves donde
g(y) = k(1 a2 y 2 )y,
|ay| < 1 ,
o resortes duros donde

g(y) = k(1 + a2 y 2 )y .
Un ejemplo de fuerza de friccion es la fuerza viscosa o amortiguamiento del aire, que suele
modelarse como una funci
on no lineal de la velocidad Fv = h(y),
h(0) = 0. Para velocidades
peque
nas podemos asumir Fv = cy.
Combinando un resorte duro con amortiguamiento lineal y una
fuerza externa peri
odica F = A cos t obtenemos la ecuaci
on de Duffing
m
y + cy + ky + ka2 y 3 = A cos t
(1.8)
que es un ejemplo cl
asico en el estudio de excitacion peri
odica de sistemas no lineales.
Otro ejemplo de fuerza de friccion es la friccion est
atica o de Coulomb. Este tipo de amortiguamiento aparece cuando la masa se desliza sobre una superficie seca. Cuando la masa est
a en reposo,
existe una fuerza de friccion est
atica Fs que act
ua paralela a la superficie y est
a limitada por los
valores s mg, donde 0 < s < 1 es el coeficiente de friccion est
atica. Esta fuerza toma cualquier
valor, dentro de sus lmites, para mantener la masa en reposo. Para que haya movimiento, debe
ejercerse una fuerza en la masa que venza a la fuerza de friccion. En ausencia de la fuerza exterior,
F = 0, la fuerza de friccion est
atica compensa la fuerza de recuperaci
on del resorte y mantiene
el equilibrio si |g(y)| s mg. Una vez que la masa entra en movimiento, aparece una fuerza de
friccion de deslizamiento de magnitud k mg que se opone al movimiento, donde k es el coeficiente
de friccion cinetica, que asumimos constante. Un modelo ideal de la fuerza de friccion es
si y < 0
k mg ,
Fd = Fs ,
si y = 0
k mg ,
si y > 0
1.2 Ejemplos
Combinando un resorte lineal con amortiguamiento viscoso, friccion est

atica y fuerza externa nula
tenemos
m
y + ky + cy + (y, y)
=0
donde
,
k mg sign(y)
(y, y)
= ky ,
s mg sign(y) ,
si |y|
>0
si y = 0 y |y| s mg/k
si y = 0 y |y| > s mg/k
El valor de (y, y)
para y = 0 y |y| s mg/k resulta de la condici
on de equilibrio y = y = 0.
Tomando x1 = y y x2 = y,
la ecuaci
on de estado es
x 1 = x2
x 2 =
c
1
k
x1 x2 (x1 , x2 )
m
m
m
(1.9)
Dos caractersticas de esta ecuaci

on son:
(i) tiene un conjunto de equilibrio en lugar de PE aislados;
(ii) la funci
on del lado derecho es una funcion discontinua del estado.
Considerando x2 > 0 o x2 < 0 se obtienen dos modelos lineales diferentes. El comportamiento del
sistema no lineal puede estudiarse en cada regi
on va an
alisis lineal. Este es un ejemplo de an
alisis
seccionalmente lineal. En la subseccion siguiente veremos otros ejemplos de an
alisis seccionalmente
lineal.
1.2.4.
Control S-No (On-Off) y Sistemas Conmutados
El sistema masa-resorte recien visto es un ejemplo de sistema donde la funcion f que define las
ecuaciones de estado (1.3) es discontinua. A continuaci
on veremos otros ejemplos usuales donde las
ecuaciones de estado tambien est
an definidas por una funcion discontinua.
Control S-No (On-Off )
La ecuaci
on (1.10) modela la din
amica termica de una habitaci
on, donde x representa la temperatura de la habitaci
on, u el flujo calorfico aportado por un calentador electrico, w la temperatura
exterior y con = 1 hora y = 0,02 o C/W.
1
1
x = x + u + w,
(1.10)
El calentador, cuando est

a encendido, aporta un flujo calorfico constante de valor umax = 2 kW.
Suponiendo la temperatura exterior w constante e igual a 0o C, si el calentador se dejara encendido
ininterrumpidamente, la temperatura de la habitaci
on subira eventualmente al valor umax = 40
o C, que resultar
a demasiado c
alido para ser confortable. Si, en cambio, el calentador se dejara apagado, la temperatura tendera a la temperatura exterior, lo que resultara demasiado fro. Por este
motivo, la estrategia de control utilizada para este sistema suele ser la de encender y apagar el calentador alternadamente, lo que permite mantener la temperatura alrededor de cualquier temperatura
intermedia entre 0 y 40o C. Se podra, por ejemplo, sucesivamente encender el calentador durante
10 minutos y apagarlo durante 10 minutos, lo que eventualmente mantendra la temperatura de la
10
Introducci
on
habitaci
on alrededor de los 20o C. Esta estrategia de control a lazo abierto, tiene la desventaja de que
cualquier mnima perturbacion (por ejemplo, un cambio en la temperatura exterior, la apertura de
una puerta, la disminuci
on de radiaci
on solar que entra por una ventana) hara que la temperatura
ya no se mantuviera alrededor de 20 o C. Por este motivo, es mucho m
as apropiado el empleo de un
control por realimentaci
on o a lazo cerrado. Con este fin, se debe medir la temperatura x y aplicar
el control en funcion del valor de x. Conceptualmente, sera logico pensar en encender el calentador
si la temperatura est
a por debajo de la temperatura deseada r (e.g., r =20o C) y apagarlo en caso
contrario:
(
umax si e > 0,
(1.11)
u = k(e) =
0
si e 0,
donde se ha definido e = r x. Este esquema de control se muestra en la Figura 1.6. Reemplazando
w
r
k()
x = 1 x + u + 1 w
Figura 1.6: Control de temperatura

(1.11) en (1.10), y suponiendo que la temperatura exterior w y la de referencia r se mantienen
constantes en 0o C y en r, respectivamente, obtenemos
1
x = x + k(
r x) =: f (x).
(1.12)
Tecnol
ogicamente, el inconveniente con el control dado por (1.11) es que cuando la temperatura x
se iguala a la temperatura r, el calentador se apaga, lo que hace que x disminuya, pero ni bien x
disminuye, el calentador debe encenderse, haciendo que x suba y se iguale a r, entrando as en un ciclo
de encendido-apagado muy r
apido. Este fenomeno se conoce como chattering. Matematicamente,
debido a que la funci
on k es discontinua, tambien lo es f , y la ecuaci
on diferencial (1.12) no tiene
soluci
on en el sentido usual en ning
un conjunto que contenga al punto x = r.
Por supuesto, la soluci
on a los problemas mencionados es incluir en el control un lmite mnimo
en el tiempo entre conmutaciones (de encendido a apagado y vice-versa) o bien una banda de
histeresis. En cualquiera de estos dos casos, el control ya no resulta una funcion est
atica del estado,
sino que posee memoria.
Convertidor Boost
La figura 1.7 muestra la estructura de un convertidor conmutado del tipo Boost, al que se
le ha conectado una carga resistiva. La entrada de control del circuito es la se
nal de disparo del
transistor. Dise
nando adecuadamente esta entrada, este circuito permite generar a la salida una
tensi
on continua m
as elevada que la tensi
on de fuente, E.
Como el transistor funciona u
nicamente en corte o saturacion, se puede pensar que la entrada
de control u del circuito puede asumir solamente dos valores, por ejemplo 1 si el transistor satura
y 0 si est
a en corte. Tomemos como primer variable de estado la tensi
on del capacitor (x1 = vC )
y como segunda la corriente por la bobina (x2 = iL ). Suponiendo al diodo y al transistor como
llaves ideales, la din
amica de este sistema puede describirse, para valores no negativos de x1 y x2 ,
1.2 Ejemplos
11
iL L
+
vR = vC
Figura 1.7: Convertidor Boost

mediante las siguientes ecuaciones:
M1
x 1
=
=
1
x1 ,
RC
E
,
L
M2
x 1
1
1
x1 + x2 ,
RC
C
1
E
= x1 + ,
L
L
=
M3
x 1
1
x1 ,
RC
(1.13)
= 0,
donde M1 corresponde a cuando el transistor satura (u = 1) y el diodo no conduce, M2 a transistor en

corte (u = 0) y diodo conduciendo y M3 a transistor y diodo ambos abiertos (tambien u = 0). El caso
en que diodo y transistor ambos conducen no se describe ya que no forma parte del funcionamiento
de este convertidor1 . La entrada de control, u, puede forzar la conduccion o el corte del transistor.
Sin embargo, como vemos la conduccion o no del diodo dependera tanto del disparo del transistor
como de las variables del circuito.
El circuito del convertidor Boost es un ejemplo de sistema conmutado. Si bien las ecuaciones que
corresponden a los modos de funcionamiento M1 , M2 y M3 son lineales-afines, el comportamiento
del sistema conmutado puede ser mucho m
as complejo que los comportamientos evidenciados por
cada uno de sus modos.
El modo M2 es valido mientras el diodo conduzca, esto es, mientras x2 > 0. Si estando el
sistema en el modo M2 se hace x2 = 0, se podr
a conmutar al modo M3 . El modo M3 mantiene
x2 = 0 mientras el diodo se encuentre polarizado en inversa. En este modo, la tensi
on del diodo
se puede expresar como E x1 (ya que x2 = x 2 = 0), de modo que M3 se mantiene mientras
E x1 < 0. Si E x1 0 y x2 = 0, vemos que el diodo instantaneamente debe polarizarse en
directa.
Ejercicio: Escribir las ecuaciones de estado en la forma (1.1), donde u {0, 1}. Verificar que
f (x, 0) es discontinua en x.
1.2.5.
Oscilador de Resistencia Negativa
La figura 1.8 muestra la estructura b

asica de una importante clase de osciladores electr
onicos.
Asumimos L > 0, C > 0, y que el elemento resistivo tiene una caracterstica i = h(v) como se
muestra en la Figura 1.8.
Escribiendo la ley de Kirchhoff de corriente y derivando con respecto a t, obtenemos
CL
dv
d2 v
+ v + Lh (v)
=0
2
dt
dt
Haciendo el cambio de escala de tiempos = t/ CL tenemos (denotando v = dv/d )

v + h (v)v + v = 0
1
Para que esto suceda deber

a ser x1 < 0, lo que producir
a una corriente impulsiva a traves del diodo que instant
aneamente har
a que x1 = 0.
12
Introducci
on
i
+
C
iC
iL
i
v
Figura 1.8: Oscilador de resistencia negativa
donde =
L/C. Esta ecuaci

on es un caso particular de la ecuaci
on de Lienard
v + f (v)v + g(v) = 0
(1.14)
Cuando
1
h(v) = v + v 3
3
la ecuaci
on toma la forma de la ecuaci
on de Van der Pol
v (1 v 2 )v + v = 0
(1.15)
Esta ecuaci
on tiene una soluci
on peri
odica que atrae toda otra soluci
on excepto la trivial correspondiente al u
nico PE v = v = 0. Tomando x1 = v y x2 = v llegamos al modelo de estado
x 1 = x2
x 2 = x1 h (x1 )x2
1.2.6.
(1.16)
Control Adaptable
Sea la planta
y = ay + ku
donde u es la entrada de control e y es la salida medida. Supongamos que se quiere obtener un
sistema a lazo cerrado cuyo comportamiento entradasalida sea el del modelo de referencia
y m = am ym + km r
donde r es la entrada de referencia y el modelo se eligio de forma que ym (t) represente la salida
deseada para el sistema a lazo cerrado. Este objetivo puede alcanzarse mediante el control en
realimentacion
u(t) = 1 r(t) + 2 y(t)
siempre que los par
ametros de la planta a y k sean conocidos, k 6= 0, y los par
ametros del control
se elijan como
1 =
km
k
2 =
am a
.
k
Cuando a y k son desconocidos, podemos considerar el control

u(t) = 1 (t)r(t) + 2 (t)y(t)
1.3 Sistemas de Segundo Orden
13
donde las ganancias variables 1 (t) y 2 (t) van a ser ajustadas on-line usando los datos disponibles:
r( ), ym ( ), y( ) y u( ) con < t. La adaptaci
on debe ser tal que 1 (t) y 2 (t) evolucionen hacia sus
valores nominales 1 y 2 . La regla de adaptaci
on se elige en base a consideraciones de estabilidad,
por ejemplo, el algoritmo del gradiente [Khalil, 1996, 13.4]:
1 = (y ym )r
2 = (y ym )y
donde es una constante positiva que determina la velocidad de adaptaci
on. Para escribir un modelo
de estado, es conveniente definir los errores: de salida e = y ym y parametricos 1 = 1 1 y
2 = 2 2 . Con un poco de manipulacion algebraica (ejercicio) se llega al lazo cerrado descripto
por la ecuaci
on de estado no lineal, no aut
onoma
e(t)
= am e(t) + k1 (t)r(t) + k2 (t)(e(t) + ym (t))
1 (t) = e(t)r(t)
2 (t) = e(t)(e(t) + ym (t))
(1.17)
donde las se
nales r(t) e ym (t) son entradas externas.
Un modelo m
as simple se obtiene cuando se conoce k. En este caso se puede tomar 1 = 1
y s
olo 2 debe ajustarse on line. Ejercicio: escribir el modelo en este caso y hallar los PE cuando
r(t) 0.
1.3.
Sistemas de Segundo Orden
1.3.1.
Sistemas Lineales
Es u
til repasar el retrato de fase de sistemas lineales de segundo orden como herramienta para
estudiar el comportamiento local del sistema no lineal alrededor de un PE. Consideremos el sistema
de segundo orden
x = Ax
La soluci
on para un estado inicial x0 est
a dada por
x(t) = M eJr t M 1 x0
donde Jr es la forma real de Jordan de A y M es una matriz real no singular tal que M 1 AM = Jr .
Dependiendo de los autovalores de A, la forma real de Jordan toma alguna de las siguientes tres
formas

1 0
k

(1.18)
0 2
0

donde k es 0 o 1. La primera forma corresponde al caso en que los autovalores 1 y 2 son reales
y distintos, la segunda corresponde al caso en que los autovalores son reales e iguales, y la tercera
corresponde al caso de autovalores complejos 1,2 = j. En el caso de autovalores reales, hay
que separar el caso en que al menos uno de los autovalores es cero. En este caso, el origen no es un
PE aislado y el comportamiento cualitativo del sistema es distinto de los otros casos.
14
Introducci
on
Autovalores Reales 1 6= 2 6= 0
En este caso M = [v1 , v2 ], donde v1 y v2 son los autovectores asociados con 1 y 2 . El retrato
de fase es el de un:
nodo estable si ambos autovalores son negativos. Las trayectorias en el plano de fase son
par
abolas que se hacen tangentes al autovector lento (correspondiente al mayor autovalor)
cuando se acercan al origen, y paralelas al autovector r
apido (correspondiente al menor autovalor) lejos del origen.
v1
x2
v2
x1
Figura 1.9: Retrato de fase de un nodo estable.
nodo inestable si ambos autovalores son positivos. Las trayectorias en el plano de fase son
par
abolas con formas similares a la del nodo estable pero con sentido invertido.
ensilladura si los autovalores tienen distinto signo. Las trayectorias en el plano de fase (excepto las correspondientes a los autovectores, que son rectas) son hiperbolas que comienzantangentes al autovector estable (correspondiente al autovalor estable) en infinito, y terminantangentes al autovector inestable (correspondiente al autovalor inestable), tambien en
infinito.
x2
v2
.
x1
v1
Figura 1.10: Retrato de fase de una ensilladura.
15
Autovalores Complejos 1,2 = j

En coordenadas polares r y el modelo de estado se desacopla, tomando la forma
r = r
=
de forma que el radio es una funci
on exponencial de la parte real de los autovalores, , y el
angulo
crece linealmente con la parte imaginaria . El retrato de fase es el de un
foco estable si es negativa. Las trayectorias en el plano de fase son espirales logartmicas que
convergen al origen.
x2
x1
Figura 1.11: Retrato de fase de un foco estable
foco inestable si es positiva. Las trayectorias en el plano de fase son espirales logartmicas
que divergen del origen.
centro si = 0. Las trayectorias en el plano de fase son elipses centradas en el origen.
x2
x1
Figura 1.12: Retrato de fase de centro
16
Introducci
on
Autovalores M
ultiples No Nulos 1 = 2 6= 0
El retrato de fase en este caso se asemeja al de un nodo (estable o inestable seg
un sea negativo
o positivo. Las trayectorias no tienen en este caso el comportamiento asintotico r
apidolento como
en el caso de autovalores distintos.
x2
x1
Figura 1.13: Retrato de fase del caso de autovalores m

ultiples no nulos
Nota 1.1 (Resumen del caso en que el origen es un PE aislado). El sistema puede tener 6 retratos de
fase diferentes asociados con diferentes tipos de equilibrio: nodo estable, nodo inestable, ensilladura,
foco estable, foco inestable y centro. El tipo de equilibrio est
a completamente especificado por la
ubicaci
on de los autovalores de A. El comportamiento global del sistema (en todo el plano de fase)
est
a cualitativamente determinado por el tipo de equilibrio.
Uno o Ambos Autovalores Es Cero
En este caso A tiene un kernel o espacio nulo no trivial, es decir existe un subespacio no trivial
del espacio de estado cuyos elementos son mapeados al cero bajo la transformacion lineal definida
por A. Todo vector en el kernel de A es un punto de equilibrio del sistema. La dimension del kernel
puede ser uno o dos; si es dos, entonces A es la matriz nula y todo punto en el espacio de estado
es un punto de equilibrio. Cuando la dimension del kernel de A es uno, la forma de Jordan de A
dependera de la multiplicidad del cero como autovalor.
Cuando la multiplicidad del cero como autovalor es uno, el autovector correspondiente define el
conjunto o subespacio de equilibrio del sistema. Todas las trayectorias en el plano de fase convergen
al subespacio de equilibrio cuando el autovalor no nulo es negativo, y divergen cuando es positivo;
el caso mostrado en la Figura 1.14.
Cuando la multiplicidad del cero como autovalor es dos, el autovector v1 , donde M = [v1 , v2 ]
es la transformacion que lleva a la forma de Jordan, es el conjunto o subespacio de equilibrio del
sistema. Las trayectorias que comienzan fuera del subespacio de equilibrio se mueven paralelas a el,
como se ve en la Figura 1.15.
Nota 1.2 (Persistencia del Tipo de Equilibrio Frente a Perturbaciones). Veamos el caso de perturbaciones lineales. Supongamos que A tiene autovalores distintos y consideremos la matriz A + A,
donde A es una matriz real de 2 2 cuyos elementos son arbitrariamente peque
nos. Por la teora
de perturbaciones de matrices (ver por ejemplo Golub and van Loan 1996, 7) sabemos que los autovalores de una matriz dependen continuamente de sus par
ametros. Es decir, dado > 0, existe
> 0 tal que si la magnitud de la perturbacion de cada elemento de A es menor que , los autovalores de la matriz perturbada A + A estar
an en una bola de radio centrada en los autovalores
17
x2
v2
v1
.
x1
Figura 1.14: Retrato de fase para 1 = 0, 2 > 0
x2
x1
Figura 1.15: Retrato de fase para 1 = 0 = 2
18
Introducci
on
de A. En consecuencia, todo autovalor de A que este en el semiplano derecho (o izquierdo) abierto,

permanecera en ese semiplano frente a perturbaciones arbitrariamente peque
nas. Por otro lado,
los autovalores sobre el eje imaginario pueden moverse hacia cualquiera de los semiplanos frente a
perturbaciones por m
as peque
no que sea . Por lo tanto, podemos concluir que si el PE x = 0 de
x = A x es un nodo, foco o ensilladura, entonces el PE x = 0 de x = (A + A) x ser
a del mismo
tipo frente a perturbaciones suficientemente peque
nas. La situaci
on es muy distinta si el PE es un
centro. Consideremos la siguiente perturbacion de la forma real de Jordan correspondiente a un
centro

1
1
donde es el par
ametro de perturbacion. Cuando es positivo, el PE del sistema perturbado es
un foco inestable; cuando es negativo es un foco estable. Esto pasa para cualquier valor de 6= 0.
Dado que el retrato de fase de un foco es cualitativamente distinto del de un centro, vemos que
un centro no persiste frente a perturbaciones. El nodo, foco y ensilladura se dicen estructuralmente
estables porque mantienen su comportamiento cualitativo frente a perturbaciones infinitesimamente
peque
nas, mientras que el centro no es estructuralmente estable. La diferencia entre ambos casos
es debida a la ubicaci
on de los autovalores de A, siendo los autovalores sobre el eje imaginario
vulnerables a perturbaciones. Esto lleva a la definicion de PE hiperb
olico. El origen x = 0 es un PE
hiperb
olico de x = A x si A no tiene autovalores con parte real nula.
Cuando A tiene autovalores reales m
ultiples, perturbaciones infinitesimamente peque
nas pueden
transformarlos en autovalores complejos. Es decir que un nodo puede permanecer como nodo o
transformarse en un foco.
Cuando A tiene autovalores nulos, existe una diferencia importante entre los casos en que uno
o los dos (A 6= 0) autovalores sean cero. En el primer caso, una perturbacion del autovalor en cero
resulta en un autovalor 1 = donde puede ser positivo o negativo. Como el otro autovalor 2 es
distinto de cero, la perturbacion lo mantiene fuera del cero. Es decir que resultan dos autovalores
reales distintos y el PE del sistema perturbado es un nodo o una ensilladura, dependiendo de los
signos de 2 y .
Cuando ambos autovalores de A son nulos, el efecto de una perturbacion es m
as dramatico.
Consideremos las siguientes posibles perturbaciones de la forma de Jordan

0
1
2 0
1
2

1
0

1
0
donde puede ser positivo o negativo. Es facil de ver que el PE en cada uno de estos cuatro casos
puede ser un centro, un foco, un nodo o una ensilladura, respectivamente.
1.3.2.
Equilibrios M
ultiples
Un sistema lineal tiene un PE aislado en x = 0 si det A 6= 0, y un continuo de PE o subespacio

de equilibrio cuando det A = 0. Un sistema no lineal, en cambio, puede tener m
ultiples PE aislados.
Ejemplo 1.2 (Diodo T
unel). Consideremos otra vez el modelo del diodo t
unel (1.7), con par
ametros
u = 1,2V , R = 1,5k, C = 2pF , L = 5H. Midiendo tiempo en nanosegundos y corrientes en mA,
el modelo de estado resulta
x 1 = 0,5 [h(x1 ) + x2 ]
x 2 = 0,2 (x1 1,5 x2 + 1,2)
19
Supongamos que h es
h(x1 ) = 17,76 x1 103,79 x21 + 229,62 x31 226,31 x41 + 83,72 x51
El retrato de fase obtenido por simulaci
on en computadora puede verse en la Figura 1.16. Hay
tres PE aislados Q1 , Q2 y Q3 ; todas las trayectorias en el plano de fase tienden hacia Q1 o Q3 ,
excepto dos u
nicas trayectorias que tienden hacia Q2 y que definen la curva separatriz que divide
el plano de fase en 2 mitades, en cada una de las cuales las trayectorias tienden hacia Q1 o Q3 ,
respectivamente. Los PE Q1 y Q3 son asint
oticamente estables 2 , ya que todas las trayectorias que
comienzan suficientemente cerca de Q1 tienden asintoticamente a Q1 , y lo mismo sucede con Q3 .
Esta caracterstica de estabilidad local es un fenomeno que se da exclusivamente en los sistemas no
lineales. Por el contrario, cuando en un sistema lineal hay un PE aislado asintoticamente estable,
toda trayectoria, sin importar d
onde comience, tiende asintoticamente al PE.
x2
Q1
Q2
Q3
.
x1
Figura 1.16: Retrato de fase del circuito con diodo t

unel
Ejemplo 1.3 (Pendulo). Consideremos el modelo de estado del pendulo (1.5) con k/l = 1 y
k/m = 0,5. El retrato de fase obtenido por simulaci
on en computadora puede verse en la Figura 1.17.
Puede verse que es peri
odico con un perodo de 2 , por lo cual el comportamiento puede estudiarse
en la franja x1 . Salvo dos trayectorias especiales que terminan en el PE inestable (, 0),
toda otra trayectoria converge al PE estable (0, 0).
1.3.3.
Comportamiento Cualitativo Cerca de un PE
Salvo en casos especiales, el comportamiento de un sistema no lineal en la vecindad de un PE

puede determinarse va la linealizaci
on alrededor de ese punto.
Sea p = (p1 , p2 ) un PE del sistema no lineal
x 1 = f1 (x1 , x2 )
x 2 = f2 (x1 , x2 )
2
M
as adelante definiremos con precisi
on a que nos referimos con esto.
(1.19)
20
Introducci
on
x2
x1
.
Figura 1.17: Retrato de fase de la ecuaci

on del pendulo
y supongamos que las funciones f1 y f2 son continuamente diferenciables (derivables con derivada
continua). Expandiendo el lado derecho de (1.19) en series de Taylor alrededor de (p1 , p2 ) obtenemos
x 1 = f1 (p1 , p2 ) + a11 (x1 p1 ) + a12 (x2 p2 ) + T.O.S
x 2 = f2 (p1 , p2 ) + a21 (x1 p1 ) + a22 (x2 p2 ) + T.O.S
donde aij es la derivada parcial de fi respecto de xj evaluada en x1 = p1 , x2 = p2 , y T.O.S son

terminos de orden superior, es decir de la forma (x1 p1 )2 , (x2 p2 )2 , (x1 p1 )(x2 p2 ) y potencias
superiores de los mismos. Como (p1 , p2 ) es un PE tenemos que
f1 (p1 , p2 ) = f2 (p1 , p2 ) = 0
Como nos interesa el comportamiento cerca de (p1 , p2 ), definimos
y 1 = x1 p 1 ,
y 2 = x2 p 2
con lo cual el sistema toma la forma

y 1 = a11 y1 + a12 y2 + T.O.S
y 2 = a21 y1 + a22 y2 + T.O.S
o m
as concisamente, y despreciando los T.O.S.,

f
y = Ay =
y
x x=p
La matriz

f
a11 a12
=
A=
a21 a22
x x=p
1.4 Ciclos Lmites
21
es la matriz Jacobiana de f (x) = [f1 (x), f2 (x)]t evaluada en el PE p.

Analizando los autovalores de la matriz Jacobiana podemos determinar las propiedades del PE
en el origen del sistema linealizado. Si el origen del sistema linealizado es un nodo estable (inestable)
con autovalores distintos, un foco estable (inestable) o una ensilladura, entonces en un entorno del
PE las trayectorias del sistema no lineal se comportan como las de un nodo estable (inestable),
un foco estable (inestable) o una ensilladura, respectivamente. En estos casos el PE del sistema no
lineal tambien se llama, por extensi
on, nodo, foco o ensilladura.
Esta propiedad de la linealizaci
on de un sistema no lineal alrededor de un PE s
olo vale si el
equilibrio del sistema linealizado es hiperb
olico. En este caso decimos que el correspondiente PE del
sistema no lineal es hiperb
olico si la matriz Jacobiana evaluada en el PE no tiene autovalores en el
eje imaginario.
Ejercicio: estudiar los PE del modelo del diodo t
unel y el pendulo.
Cuando el PE no es hiperb
olico nada puede inferirse acerca del comportamiento de las trayectorias del sistema no lineal a partir de las del sistema lineal. Por ejemplo, el sistema
x 1 = x2 x1 (x21 + x22 )
x 2 = x1 x2 (x21 + x22 )
tiene un PE en el origen; la linealizaci

on del sistema alrededor del origen tiene autovalores j, es
decir que el origen es un centro para el sistema linealizado. Transformando a coordenadas polares
x1 = r cos , x2 = r sen se obtiene
r = r 3
= 1
Se ve claramente que las trayectorias del sistema no lineal se asemejan a las de un foco (estable si
> 0 e inestable si < 0).
1.4.
Ciclos Lmites
Un sistema oscila cuando tiene una soluci

on peri
odica no trivial 3
x(t + T ) = x(t) ,
t0
para alg
un T > 0. La imagen de una soluci
on peri
odica en el retrato de fase es la de una o
rbita
peri
odica o una
orbita cerrada.
Un sistema lineal con autovalores en el eje imaginario es un oscilador arm
onico ya que como
el PE en el origen es un centro, las trayectorias son orbitas cerradas cuya amplitud depende de la
condici
on inicial. Sin embargo, un oscilador lineal no es robusto (estructuralmente estable) ya que
cualquier perturbacion (como ya vimos en la Nota 1.2), destruye la oscilaci
on porque el PE deja de
ser un centro.
Con sistemas no lineales es posible construir osciladores tales que
sean estructuralmente estables;
la amplitud de la oscilaci
on (en regimen permanente) no dependa de la condici
on inicial.
Un ejemplo de oscilador no lineal es el oscilador de resistencia negativa de la secci
on 1.2.5, con
modelo de estado (1.16). El origen es un PE inestable debido a la resistencia negativa del elemento
3
Es decir, excluyendo soluciones constantes correspondientes a PE.
22
Introducci
on
resistivo cerca del origen, lo que significa que el elemento resistivo es activo entrega energa. Esto
se puede ver escribiendo la expresi
on analtica de la tasa de intercambio de energa. La energa total
almacenada en el capacitor y la inductancia para cada tiempo t es
2
E=

1 2
1
1
vC + Li2L = C x21 + [h(x1 ) + x2 ]2
2
2
2
La tasa de intercambio de energa es

E = Cx1 h(x1 )
Esta expresi
on confirma que cerca del origen la trayectoria gana energa ya que para |x1 | peque
no el
termino x1 h(x1 ) es negativo. Tambien se ve que hay una regi
on a x1 b tal que la trayectoria
gana energa dentro de la franja y pierde energa fuera de ella, como se ve en la Figura 1.18. Una
oscilaci
on estacionaria va a tener lugar si, a lo largo de una trayectoria, el intercambio neto de
energa durante el ciclo es cero. Tal trayectoria es una orbita cerrada.
x1
a
Figura 1.18: Esbozo de h(x1 ) (lnea continua) y x1 h(x1 ) (lnea de trazos)

El oscilador de resistencia negativa tiene una orbita cerrada aislada, como vemos en el ejemplo
del oscilador de Van der Pol siguiente.
Ejemplo 1.4 (Oscilador de Van der Pol). Las Figuras 1.19 y 1.20 muestran los retratos de fase de
la ecuaci
on de Van der Pol
x 1 = x2
x 2 = x1 + (1 x21 )x2
(1.20)
para tres valores distintos del par

ametro : un valor peque
no de 0,2, mediano de 1, y grande de
5. En todos los casos las figuras muestran que existe una u
nica orbita cerrada que atrae todas las
trayectorias que comienzan fuera de la
orbita. Para = 0,2 la orbita cerrada es suave y cercana a
un crculo de radio 2, lo cual es tpico para valores < 0,3. Para el caso medio de = 1 la forma
circular se ha distorsionado a lo que se ve a la derecha en la Figura 1.19. Para el valor grande = 5
la orbita cerrada est
a severamente distorsionada, como se ve en la Figura 1.20 (izquierda).
Un retrato de fase m
as ilustrativo en el caso de = 5 puede obtenerse mediante el cambio de
variables z1 = iL y z2 = vC , que resulta en la ecuaci
on de estado
1
z1 = z2
1
z1 = (z1 z2 + z23 )
3
El retrato de fase en el plano z1 z2 se muestra en la Figura 1.20 (derecha). La orbita cerrada
acticamente vertical.
est
a muy cerca de la curva z1 = z2 13 z23 excepto en las esquinas, donde es pr
1.4 Ciclos Lmites
23
Este tramo vertical en la

orbita cerrada puede verse como si la orbita cerrada saltara de una rama
a otra de la curva cuando llega a una esquina. Oscilaciones donde ocurre este fen
omeno de salto se
llaman usualmente oscilaciones de relajaci
on. El retrato de fase es tpico para valores grandes de
> 3.
x2
x2
x1
x1
Figura 1.19: Retratos de fase del oscilador de Van der Pol, con = 0,2 (izquierda) y con = 1
(derecha)
x2
z2
x1
z1
Figura 1.20: Retratos de fase del oscilador de Van der Pol, con = 0,5; en el plano x1 x2 (izquierda)
y en el plano z1 z2 (derecha)
La orbita cerrada del oscilador de Van der Pol es diferente de las del oscilador lineal arm
onico.
En el primer caso, la
orbita cerrada es aislada mientras que en el segundo, hay un continuo de
orbitas cerradas. Una
orbita peri
odica aislada se denomina ciclo lmite. Si todas las trayectorias en
la vecindad del ciclo lmite tienden a (se alejan de) el cuando t se dice que el ciclo lmite es
estable (inestable).
24
Introducci
on
1.5.
Otros Fen
omenos No Lineales
Hasta aqu hemos visto los siguientes fenomenos que s

olo pueden aparecer en un sistema no
lineal: estabilidad local, m
ultiples puntos de equilibrio aislados y ciclos lmite. Otros fenomenos que
pueden darse u
nicamente en sistemas no lineales son tiempos de convergencia y de escape finitos y
comportamiento ca
otico, ejemplos de los cuales veremos a continuaci
on.
1.5.1.
Tiempos de Convergencia y Escape Finitos
Sabemos que en un sistema lineal con un PE asintoticamente estable, toda trayectoria que no
comience sobre el PE converge al PE asint
oticamente, es decir que en teora se requiere infinito
tiempo para que el estado converja al PE. Por el contrario, en los sistemas no lineales puede suceder
que el tiempo requerido por una trayectoria no trivial para converger al PE sea finito. Analogamente,
tambien puede suceder que el tiempo requerido para diverger sea finito. Veamos estas situaciones
con ejemplos.
Ejemplo 1.5 (Tiempo de convergencia finito). Consideremos el problema de condiciones iniciales
p
(1.21)
x = |x| signo(x), x(0) = 1.
Para valores de x 0, la ecuaci

on (1.21) modela la evoluci
on del volumen de lquido contenido
en un tanque de paredes verticales mientras se vaca a traves de un orificio de salida en su base.
Es evidente que (1.21) tiene un u
nico PE en el origen y puede demostrarse que el problema de
condiciones iniciales tiene soluci
on u
nica, dada por
(
2
si 0 t < 2,
1 2t
x(t) =
0
si t 2.
Podemos ver que a partir de t = 2, la trayectoria coincide con el PE.

Ejemplo 1.6 (Tiempo de escape finito). El problema de condiciones iniciales
x =
x
,
1t
x(0) = 1,
(1.22)
involucra una ecuaci

on diferencial lineal pero variante en el tiempo. Podemos ver que para la condicion inicial dada, x(0)
es positiva y que x(t) ser

a creciente. Cuando t se aproxima a 1, x(t)
tiende a
infinito, de modo que es de esperar que la soluci
on de (1.22) diverja en tiempo finito. Efectivamente,
podemos resolver (1.22), obteniendo
x(t) =
1
,
1t
t [0, 1),
(1.23)
que verifica que x(t) para t 1 . Matematicamente, la soluci

on s
olo existe para t < 1 y no
existe para t 1.
El fenomeno de tiempo de escape finito tambien puede darse en sistemas no lineales invariantes
en el tiempo. Por ejemplo, la soluci
on de
x = x2 ,
x(0) = 1
tambien est
a dada por (1.23).
1.6 Construcci
on Num
erica de Retratos de Fase
1.5.2.
25
Caos y Atractores
Los sistemas din

amicos no lineales pueden poseer comportamiento caotico. Comportamiento
caotico significa que muy peque
nas diferencias en las condiciones iniciales pueden dar lugar a soluciones muy distintas a medida que el tiempo avanza. Esto ocurre a pesar de que las ecuaciones
diferenciales que gobiernan el comportamiento del sistema son determinsticas, es decir, que no
involucran ninguna variable aleatoria.
Como vimos, los sistemas no lineales pueden poseer ciclos lmite estables, es decir, con la propiedad de que cualquier trayectoria que comience cerca del mismo tienda asintoticamente al mismo. El
ciclo lmite estable consituye entonces lo que se denomina un atractor, ya que atrae a cualquier otra
trayectoria que comience en su vecindad. Ademas de los ciclos lmite, existen tambien atractores
con formas arbitrariamente complicadas y donde las trayectorias contenidas en el atractor son no
peri
odicas (aunque pueden ser cuasi-peri
odicas). Un ejemplo de esto es el atractor de R
ossler, ilustrado en la Figura 1.21. Las ecuaciones del sistema para ciertos par
ametros especficos est
an dadas
por
x 1 = x2 x3 ,
x 2 = x1 + 0,1x2 ,
x 3 = 0,1 + x3 (x1 18).
60
x3
40
20
0
40
20
0
20
x2
40
40
20
x1
20
40
Figura 1.21: Atractor de R

ossler
1.6.
Construcci
on Num
erica de Retratos de Fase
No es difcil hoy en da conseguir programas de computaci

on que resuelvan ecuaciones diferenciales ordinarias. Estos programas pueden usarse en forma efectiva para construir retratos de fase
para sistemas de segundo orden. En esta secci
on damos algunas ayudas que pueden resultar u
tiles.
El primer paso en la construccion de un retrato de fase es encontrar todos lo puntos de equilibrio
del sistema y determinar el tipo de aquellos que son aislados mediante linealizaci
on. El dibujo de
las trayectorias involucra tres tareas:4
(i) Seleccionar una ventana del espacio de estados donde se van a dibujar las trayectorias. La
ventana toma la forma
4
x1 mn x1 x1 max ,
x2 mn x2 x2 max .
Cuatro si inclumos agregar las flechas de direcci

on de las trayectorias, que para nuestros prop
ositos pueden hacerse
a mano.
26
Introducci
on
(ii) Seleccionar las condiciones inciales dentro de la ventana.

(iii) Calcular las trayectorias.
Veamos como calcular las trayectorias. Para encontrar la trayectoria pasante por un punto x0 ,
resolvemos la ecuaci
on
x = f (x),
x(0) = x0
hacia adelante en el tiempo (con t positivo) y en tiempo invertido (con t negativo). La soluci
on en
tiempo invertido es equivalente a resolver hacia adelante en el tiempo la ecuaci
on
x = f (x),
x(0) = x0 ,
puesto que el cambio de variable = t cambia el signo del lado derecho de la ecuaci
on. La soluci
on
en tiempo invertido facilita dibujar bien las trayectorias cerca de equilibrios inestables.
La ventana debe elegirse de forma que todas las caractersticas esenciales se vean, por ejemplo
todos lo puntos de equilibrio. Si esta informaci
on no es disponible al comenzar habra que iterar.
Algunos programas permiten dibujar la distribucion del campo vectorial f (x) para una grilla en
la ventana seleccionada. Este gr
afico es muy u
til para tener idea somera de la distribucion de
las trayectorias antes de dibujarlas. Esto es posible por ejemplo con Scilab,5 usando la funcion
portrait que dibuja retratos de fase de sistemas de segundo orden.
Una buena forma de elegir las condiciones iniciales es distribuirlas en una grilla regular en la
ventana elegida. Una forma mejor es ir eligiendolas en forma interactiva a medida que se van viendo
las trayectorias (que se puede hacer con el portrait de Scilab).
Para una ensilladura es conveniente usar linealizaci
on para calcular las trayectorias estables e
inestables correspondientes a los autovectores de la matriz Jacobiana. La conveniencia viene de que
estas trayectorias son separatrices en el plano de fase.
1.7.
Ejercicios
Ejercicio 1.1.
Un modelo matem
atico usado frecuentemente para describir sistemas no lineales es la ecuaci
on
diferencial de orden n

dn1 y
dn y
=
g
t,
y,
y,
.
.
.
,
,u ,
dtn
dtn1
donde u e y son variables escalares. Tomando u como entrada e y como salida, obtener un modelo
en ecuaciones de estado.
Ejercicio 1.2.
Tomando las variables escalares u e y como entrada y salida respectivamente, obtener un modelo
en ecuaciones de estado del sistema descripto por la ecuaci
on diferencial de orden n

dn y
dn1 y
dn2 y
t,
y,
y,
.
.
.
,
t,
y,
y,
.
.
.
,
=
g
,
u
+
g
u,
1
2
dtn
dtn1
dtn2
donde g2 es una funci

on diferenciable en todos sus argumentos.
5
Scilab
es
un
programa
http://www-rocq.inria.fr/scilab/
gratuito
similar
Matlab
desarrollado
por
el
INRIA
1.7 Ejercicios
Ayuda:
Tomar xn =
27
dn1 y
dtn1
n1
g2 (t, y, y,
. . . , ddtn2y )u.
Ejercicio 1.3.
Las ecuaciones din
amicas no lineales de un robot de m juntas tiene la forma
M (q)
q + C(q, q)
q + g(q) = u,
donde q Rm representa la posici
on de las juntas, u Rm representa las entradas de torque, y
M (q) es una matriz simetrica (de inercia) definida positiva para todo valor de q. El termino C(q, q)
q
representa el efecto de fuerzas centrfugas y de Coriolis. El termino g(q) representa el efecto de la
gravedad. Elegir variables de estado para el sistema y escribir las ecuaciones de estado.
Ejercicio 1.4.
La Figura muestra una conexion en realimentacion de un sistema lineal estacionario (representado por su funci
on transferencia G(s)) y un elemento no lineal inestacionario. Las variables r, u,
e y son vectores de la misma dimension, y (t, y) es a valores vectoriales. Encontrar un modelo en
espacio de estados del sistema realimentado tomando r como entrada e y como salida.
r +
Sistema Lineal
G(s) = C(sI A)1 B
(t, y)
Elemento
No Lineal
Ejercicio 1.5.
Un generador sincronico conectado a un bus infinito puede representarse por las ecuaciones
M = P D 1 Eq sen ,
E q = 2 Eq + 3 cos + E,
donde es un
angulo en radianes, Eq es tensi
on, P es potencia mec
anica, E es tensi
on de entrada, D
es un coeficiente de amortiguamiento, M es un coeficiente de inercia, es una constante de tiempo,
y 1 , 2 , 3 son par
ametros constantes.
(a) Usando , y Eq como variables de estado obtener las ecuaciones de estado.
(b) Encontrar todos los puntos de equilibrio corrrespondientes a los valores
P = 0,815
E = 1,22
1 = 2
3 = 1,7
= 6,6
M = 0,0147
2 = 2,7
D/M = 4
(c) Suponiendo que es suficientemente grande como para tomar E q 0, mostrar que el modelo
del sistema se reduce a la ecuaci
on del pendulo.
28
Introducci
on
i +
u
sen()
y
G(s)
1
s
Figura 1.22: PLL
Ejercicio 1.6.
Un PLL (phase-locked loop) es un dispositivo en realimentacion que genera una oscilaci
on
cuya fase sigue a una se
nal de referencia (
util para generar se
nales moduladas en fase). Puede
representarse con el diagrama de bloques de la Figura 1.22. Sea (A, B, C) una realizaci
on mnima
de la funcion transferencia de orden m, escalar y estrictamente propia, G(s). Asumir que todos
los autovalores de A tiene parte real negativa, G(0) 6= 0, y i es constante. Si z es el estado de la
realizaci
on (A, B, C),
(i) Mostrar que el sistema a lazo cerrado puede representarse por la ecuaci
on
z = Az + B sen e
e = Cz.
(ii) Encontrar todos los PE del sistema y determinar su tipo.
(iii) Mostrar que cuando G(s) = 1/( s + 1) el lazo cerrado coincide con el modelo de la ecuaci
on
de un pendulo.
Ejercicio 1.7.
Para cada uno de los siguientes sistemas encontrar todos los PE y determinar el tipo de cada
PE aislado.
x 1 = x2
x 2 = x1 +
x31
x2
6
x 1 = x1 + x2
x 2 = 0,1x1 2x2 x21 0,1x31

2x1 x2
x 1 = (1 x1 )x1
1 + x1

x2
x 2 = 2
x2
1 + x1
x 1 = x2
x 2 = x1 + x2 (1 3x21 2x22 )
1.7 Ejercicios
29
Ejercicio 1.8.
Encontrar todos los PE del sistema
x 1 = ax1 x1 x2
x 2 = bx21 cx2
para todos los valores positivos de a, b, c y determinar el tipo de cada equilibrio.
Ejercicio 1.9.
El sistema
x
p 2
log x21 + x22
x
p 1
x 2 = x2 +
log x21 + x22
x 1 = x1
tiene un PE enn el origen.
(i) Linealizar el sistema alrededor del origen y encontrar el tipo del origen como PE.
(ii) Obtener el retrato de fase del sistema no lineal cerca del origen y mostrar que se asemeja al
de un foco estable. Ayuda: transformar las ecuaciones a coordenadas polares.
(iii) Explicar la discrepancia entre (i) y (ii).
Ejercicio 1.10.
Para el sistema
x 1 = (x1 x21 ) + 1 x1 x2
x 2 = (x2 x22 ) + 1 x1 x2
(i) Encontrar todos los PE y determinar su tipo.

(ii) Obtener el retrato de fase, preferentemente usando simulaci
on en computadora, y discutir el
comportamiento cualitativo del sistema.
Ejercicio 1.11.
Los retratos de fase de los siguientes sistemas se muestran en la Figura 1.23. Identificar que sistema corresponde a que retrato de fase, marcar los sentidos de las trayectorias, y discutir el com-
30
Introducci
on
x2
10
x2
2
.
x1
-1
-2
-4
-3
-6
-4
-8
-5
x1
-2
-10
-5
10
-4
-3
-2
-1
-10
1
.
-8
-6
-4
-2
x2
-2
-2
-6
-3
-8
-4
10
x1
-1
-4
-10
x1
x2
-5
-10
-8
-6
-4
-2
10
-5
-4
-3
Figura 1.23: Retratos de fase
-2
-1
1.7 Ejercicios
31
portamiento cualitativo de cada sistema.

x 1 = x2
x 2 = x1 /2 x31
x 1 = x2
x 2 = x2 /2 2x1 x21
x 1 = x2
x 2 = x1 x2 (1 x21 + x41 /10)

x 1 = x2
x 2 = x1 + x2 3 arctan(x1 + x2 )
Ejercicio 1.12.
Para cada uno de los siguientes sistemas contruir el retrato de fase y discutir el comportamiento
cualitativo del sistema.
x 1 = x2
x 2 = x1 2 arctan(x1 + x2 )
x 1 = x2
x 2 = x1 + x2 1 3x21 2x22
x 1 = 2x1 x1 x2
x 2 = 2x21 x2
x 1 = x1 + x2 x1 (|x1 | + |x2 |)
x 2 = 2x1 + x2 x2 (|x1 | + |x2 |).

Ejercicio 1.13.
Para el modelo del convertidor Boost dado en 1.2.4:
Para cada valor de la entrada de control u {0, 1}, encontrar todos los PE.
Verificar que cualquiera sea el valor de u {0, 1}, la trayectoria del estado nunca puede dejar
el primer cuadrante {x R2 : x1 0, x2 0}.
Ejercicio 1.14.
Encontrar todos los PE de las ecuaciones del atractor de R
ossler dadas en 1.5.2, y determinar
su tipo.
Captulo 2
Propiedades Fundamentales
En este captulo repasamos elementos de an
alisis matem
atico que vamos a usar en el resto del
curso, incluyendo las propiedades fundamentales de ecuaciones diferenciales ordinarias que hacen
que x = f (t, x) sea un modelo apropiado para representar sistemas fsicos. Estas propiedades son
esencialmente las de
existencia y unicidad de soluci
on
dependencia continua respecto de par
ametros y condiciones iniciales.
Vamos a presentar los resultados para sistemas aut
onomos (sin entrada), y en general no estacionarios, es decir, representados por x = f (t, x).
2.1.
Preliminares
Vamos a considerar frecuentemente las normas p en Rn , definidas como

kxkp = (|x1 |p + + |xn |p )1/p ,
kxk = m
ax |xi |
1p<
Todas las normas p son equivalentes en el sentido de que si k k y k k son dos normas p diferentes,
existen constantes positivas c1 y c2 tales que
c1 kxk kxk c2 kxk
para todo x Rn . Un resultado cl
asico relativo a normas p es la desigualdad de H
older
|xt y| kxkp kykq ,
1 1
+ =1
p q
para todo x, y Rn .
Una matriz A Rmn define un mapeo lineal y = Ax de Rn en Rm . La norma p inducida de A
est
a definida como
kAkp = sup
x6=0
kAxkp
= m
ax kAxkp
kxkp
kxkp =1
que para p = 1, 2, est

a dada por
kAk1 = m
ax
j
m
X
i=1
|aij | ,
kAk2 = [max (A A)]
donde max (At A) es el m

aximo autovalor de At A.
1/2
kAk = m
ax
i
n
X
j=1
|aij |
34
2.1.1.
Desigualdad de Gronwall-Bellman
Lema 2.1 (Desigualdad de Gronwall-Bellman). Sea : [a, b] R una funcion continua y :

[a, b] R continua y nonegativa. Si una funcion continua y : [a, b] R satisface
y(t) (t) +
(s)y(s) ds
para a t b, entonces en el mismo intervalo

y(t) (t) +
Rt
(s)(s)e
( )d
ds
Si (t) es constante, entonces

Rt
y(t) e
( )d
y si adem
as (t) es constante:
y(t) e(ta)
Rt
Demostraci
on. Definamos z(t) =
diferenciable y
(s)y(s) ds y v(t) = z(t) + (t) y(t) 0. Entonces z es
z = (t)y(t) = (t)z(t) + (t)(t) (t)v(t).

Esta es una ecuaci
on de estado escalar cuya funcion de transicion de estados es
Rt
(t, s) = e
( )d
Como z(a) = 0, entonces tenemos que

z(t) =
El termino
Rt
z(t)
(t, s)((s)(s) (s)v(s))ds.
(t, s)(s)v(s)ds es no negativo, por lo que
t Rt
( )d
(s)(s)ds,
que, usando el hecho que y(t) (t) + z(t), completa la prueba en el caso general. En el caso
especial de (t) tenemos
Z
Rt
(s)e
( )d
d R t ( )d
es
ds
a ds
Rt
s=t

= e s ( )d
ds =
Rt
= 1 + e
s=a
( )d
que termina la prueba en el caso de constante. Por integraci

on se obtiene facilmente el resultado
en el caso de tambien constante.
2.1 Preliminares
2.1.2.
35
Mapeo Contractivo
Consideremos una ecuaci

on de la forma x = T (x). Una soluci
on x de esta ecuaci
on se denomina
punto fijo del mapeo T porque T deja a x invariante.

Vamos a enunciar el teorema del mapeo contractivo en el marco de espacios de Banach, para lo
cual recordamos las siguientes definiciones.
Definici
on 2.1 (Espacio lineal normado). Un espacio lineal X es un espacio lineal normado si,
para cada vector x X , existe una funcion a valores reales, llamada norma y denotada kxk , que
satisface
kxk 0 para todo x X , con kxk = 0 s x = 0.
kx + yk kxk + kyk para todo x, y X .
kxk = ||kxk para todo R y x X .
Si no estuviera claro del contexto si k k es una norma en X o en Rn , vamos a escribir k kX
para la norma de X .
Definici
on 2.2 (Convergencia). Una secuencia {xk } en X converge a un vector x X si
kxk xk 0
cuando k .
Definici
on 2.3 (Conjunto cerrado). Un conjunto S X es cerrado s toda secuencia convergente
con elementos en S tiene lmite en S.
Definici
on 2.4 (Secuencia de Cauchy). Una secuencia {xk } en X se dice secuencia de Cauchy si
kxk xm k 0 cuando k, m .
Notar que toda secuencia convergente es Cauchy, pero no toda secuencia Cauchy es convergente.
Definici
on 2.5 (Espacio de Banach). Un espacio lineal normado X es completo si toda secuencia
de Cauchy converge a un vector en X . Un espacio lineal normado completo es un espacio de Banach.
Ejemplo 2.1. Consideremos el conjunto de funciones continuas f : [a, b] Rn , al que denotamos
como C[a, b]. Este conjunto es un espacio vectorial sobre R. La suma x+y se define como (x+y)(t) =
x(t) + y(t). La multiplicaci
on por un escalar se define como (x)(t) = x(t). El vector nulo es la
funcion identicamente nula en [a, b]. Definimos una norma como
kxkC = m
ax kx(t)k
t[a,b]
donde la norma en el lado derecho es cualquier norma p en Rn . Claramente kxkC 0 y es cero s x

es la funci
on nula. La desigualdad triangular sigue de
m
ax kx(t) + y(t)k m
ax[kx(t)k + ky(t)k] m
ax kx(t)k + m
ax ky(t)k
Ademas
m
ax k x(t)k = m
ax || kx(t)k = || m
ax kx(t)k
donde los m
aximos se toman sobre [a, b]. Por lo tanto, C[a, b] junto con la norma k kC es un espacio
lineal normado. Vamos a probar que es tambien un espacio de Banach. Para eso debemos probar
36
que toda secuencia de Cauchy en C[a, b] converge a un vector en C[a, b]. Supongamos que {xk } es
una secuencia de Cauchy en C[a, b]. Para cada t [a, b] fijo,
kxk (t) xm (t)k kxk xm kC 0 cuando k, m
Por lo tanto {xk (t)} es una secuencia de Cauchy en Rn . Pero Rn con cualquier norma p es completo
porque convergencia implica convergencia componente a componente y R es completo. Entonces
existe un vector real x(t) al cual la secuencia converge: xk (t) x(t). Esto prueba convergencia
puntual. Ahora probamos que la convergencia es uniforme en t [a, b]. Dado > 0 elegimos N tal
que kxk xm kC < /2 para k, m > N . Entonces, para k > N ,
kxk (t) x(t)k kxk (t) xm (t)k + kxm (t) x(t)k
kxk xm kC + kxm (t) x(t)k
Eligiendo m suficientemente grande (lo cual puede depender de t), cada termino en el lado derecho
puede hacerse menor que /2; entonces kxk (t) x(t)k < para k > N . Por lo tanto {xk } converge
a x, uniformemente en t [a, b]. Para completar la prueba, debemos mostrar que x(t) es continua
y que {xk } converge a x en la norma de C[a, b]. Para probar continuidad consideremos
kx(t + ) x(t)k kx(t + ) xk (t + )k + kxk (t + ) xk (t)k + kxk (t) x(t)k
Como {xk } converge uniformemente a x, dado > 0, podemos elegir k lo suficientemente grande
para hacer el primer y tercer terminos del lado derecho menores que /3. Como xk (t) es continua,
podemos elegir lo suficientemente peque no para hacer el segundo termino menor que /3. Por
lo tanto x(t) es continua. La convergencia de {xk } a x en la norma de C[a, b] es una consecuencia
directa de la convergencia uniforme.
Teorema 2.2 (Mapeo Contractivo). Sea S un subconjunto cerrado de un espacio de Banach X y

sea T un mapeo de S en S. Supongamos que
kT (x) T (y)k kx yk ,
x, y S , 0 < 1.
Entonces T tiene un u
nico punto fijo en S, es decir, existe un u
nico vector x S que satisface
x = T (x ). Adem
as, x puede obtenerse por el metodo de aproximaciones sucesivas comenzando
de cualquier vector en S.
Demostraci
on. Tomemos un vector arbitrario x1 S y definamos la secuencia {xk } por la formula
xk+1 = T (xk ). Como T mapea S en S, xk S para todo k 1. El primer paso de la prueba es
mostrar que {xk } es una secuencia de Cauchy. Tenemos
kxk+1 xk k = kT (xk ) T (xk1 )k
kxk xk1 k
2 kxk1 xk2 k
..
.
k1 kx2 x1 k.
Sigue que
kxk+r xk k kxk+r xk+r1 k + kxk+r1 xk+r2 k + + kxk+1 xk k

k+r2 + k+r3 + + k1 kx2 x1 k
X
i kx2 x1 k
k1
i=0
k1
kx2 x1 k.
=
1
2.2 Existencia y Unicidad
37
El lado derecho tiende a cero cuando k . Por lo tanto, la secuencia es Cauchy. Como X es un
espacio de Banach, xk x X cuando k . Ademas, como S es cerrado, en particular x S.
Ahora mostramos que x = T (x ). Para cualquier xk = T (xk1 ) tenemos que
kx T (x )k kx xk k + kxk T (x )k
kx xk k + kxk1 x k.
Eligiendo k suficientemente grande, el lado derecho de la desigualdad puede hacerse arbitrariamente

peque
no. As, kx T (x )k = 0; o sea que x = T (x ). Falta probar que x es el u
nico punto fijo
de T en S. Supongamos entonces que hay dos puntos fijos x y y . Entonces

kx y k = kT (x ) T (y )k
kx y k.
Como < 1, necesariamente x = y .
2.2.
Existencia y Unicidad
En esta secci
on se dan condiciones suficientes para la existencia y unicidad de la soluci
on del
problema de valor inicial
x = f (t, x) ,
x(t0 ) = x0 .
(2.1)
Entendemos por soluci

on en un intervalo [t0 , t1 ] a una funcion continua x : [t0 , t1 ] Rn tal que x
este definida y x(t)
= f (t, x(t)) para todo t [t0 , t1 ]. Vamos a asumir que f (t, x) es continua en
x pero s
olo seccionalmente continua en t (esto nos va a permitir considerar entradas con saltos o
escalones).
Una ecuaci
on diferencial con una dada condici
on inicial puede tener varias soluciones. Por ejemplo, la ecuaci
on escalar
x = x1/3 ,
x(0) = 0
tiene como soluciones tanto x(t) = (2t/3)3/2 como x(t) 0. Vemos que f (x) = x1/3 es una funci
on
continua de x, por lo tanto es claro que la condici
on de continuidad de f (t, x) en sus argumentos
no es suficiente para asegurar unicidad de la soluci
on, aunque esta condici
on asegura la existencia
de al menos una soluci
on. En el Teorema 2.3 vamos a utilizar una condici
on que garantiza a la vez
ambas propiedades.
Teorema 2.3 (Existencia local y unicidad). Sea f (t, x) seccionalmente continua en t y supongamos
que satisface la condici
on de Lipschitz
kf (t, x) f (t, y)k L kx yk
(2.2)
x, y Br = {x Rn | kx x0 k r}, t [t0 , t1 ]. Entonces existe > 0 tal que (2.1) tiene una
soluci
on u
nica en [t0 , t0 + ].
Demostraci
on. Notar que si x(t) es una soluci
on de (2.1) entonces, integrando, tenemos
Z t
f (s, x(s)) ds
x(t) = x0 +
(2.3)
t0
Es decir, x(t) satisface (2.1) s satisface (2.3), por lo que el estudio de existencia y unicidad de
la soluci
on de la ecuaci
on diferencial (2.1) es equivalente al estudio de existencia y unicidad de la
38
soluci
on de la ecuaci
on integral (2.3). Vamos a considerar el lado derecho de (2.3) como un mapeo
de la funcion continua x : [t0 , t1 ] Rn ; denot
andolo como (P x)(t), podemos re-escribir (2.3) como
x(t) = (P x)(t)
(2.4)
Notar que (P x)(t) es continua en t. Una soluci

on de (2.4) es un punto fijo del mapeo P que lleva x a
P x. La existencia de un punto fijo de (2.4) se puede probar usando el teorema del mapeo contractivo.
Para eso necesitamos definir un espacio de Banach X y un conjunto cerrado S X tal que P mapee
S en S y sea una contracci
on en S. Definamos
X = C[t0 , t0 + ] ,
con norma kxkC =
m
ax
t[t0 ,t0 +]
kx(t)k
S = {x X | kx x0 kC r}
donde r es el radio de la bola Br y es una constante positiva a elegir. Nos vamos a restringir a
elegir tal que satisfaga t1 t0 de forma que [t0 , t0 + ] [t0 , t1 ]. Notar que kx(t)k es una
norma en Rn mientras que kxkC es una norma en X ; de la misma forma Br es una bola en Rn
mientras que S es una bola en X . Por definicion, P mapea X en X . Para probar que mapea S en
S escribimos
Z t
Z t
(P x)(t) x0 =
f (s, x(s)) ds =
[f (s, x(s)) f (s, x0 ) + f (s, x0 )] ds
t0
t0
Como f es seccionalmente continua, sabemos que f (t, x0 ) es acotada en [t0 , t1 ]. Sea

h = m
ax kf (t, x0 )k
t[t0 ,t1 ]
Usando la condici
on Lipschitz (2.2) y el hecho de que para cada x S
kx(t) x0 k r , t [t0 , t0 + ]
obtenemos
k(P x)(t) x0 k
t0
Z t
t0
Z t
[kf (s, x(s)) f (s, x0 )k + kf (s, x0 )k] ds

[Lkx(s) x0 k + h] ds
(Lr + h) ds
t0
= (t t0 )(Lr + h)
(Lr + h)
y tambien
kP x x0 kC =
m
ax
t[t0 ,t0 +]
k(P x)(t) x0 k (Lr + h) r ,
si elegimos r/(Lr + h). Entonces P mapea S en S.

Ahora vamos a probar que P es una contracci
on en S. Sean x e y S y consideremos
Z t

k(P x)(t) (P y)(t)k = [f (s, x(s)) f (s, y(s))] ds

t0
Z t
kf (s, x(s)) f (s, y(s))k ds
t0
t
t0
Lkx(s) y(s)k ds
(t t0 ) L kx ykC
39
Entonces
kP x P ykC Lkx ykC kx ykC
con
Eligiendo < 1 y /L aseguramos que P es un mapeo de contracci

on en S. Por el teorema del
mapeo contractivo, si

r
mn t1 t0 ,
,
, <1
(2.5)
Lr + h L
entonces (2.3) tiene una u
nica soluci
on en S. Nos falta probar que la soluci
on es u
nica en X . Para
eso vamos a probar que toda soluci
on de (2.3) en X tiene que estar en S. Notemos primero que,
como x(t0 ) = x0 est
a en la bola Br , toda soluci
on continua x(t) debe permanecer en Br durante
alg
un tiempo. Supongamos que x(t) deja la bola Br y sea t0 + el primer instante en que x(t)
intersecta la frontera de Br . Entonces
kx(t0 + ) x0 k = r
Por otro lado, para todo t t0 + ,
Z t
kx(t) x0 k
[kf (s, x(s)) f (s, x0 )k + kf (s, x0 )k] ds
t0
t
t0
Z t
[Lkx(s) x0 k + h] ds
(Lr + h) ds
t0
Por lo tanto
r = kx(t0 + ) x0 k (Lr + h) =
Lr + h
lo que significa que x(t) no puede dejar Br durante el intervalo [t0 , t0 + ], es decir, toda soluci
on en
X debe estar en S. En consecuencia, unicidad de la soluci
on en S implica unicidad de la soluci
on
en X .

Una funci
on que satisface (2.2) se dice Lipschitz en x y L es la constante de Lipschitz. Decimos
que f (x) es localmente Lipschitz en un dominio (conjunto abierto y conexo) D Rn si cada punto
de D tiene un entorno D0 tal que f satisface (2.2) con alguna constante de Lipschitz L0 . Decimos
que f (x) es Lipschitz en un conjunto W si satisface (2.2) en todos los puntos de W , con la misma
constante de Lipschitz L. Toda funcion localmente Lipschitz en un dominio D es Lipschitz en
todo subconjunto compacto (cerrado y acotado) de D. Decimos que f (x) es globalmente Lipschitz
si es Lipschitz en Rn .
Decimos que f (t, x) es localmente Lipschitz en x en [a, b] D R Rn si cada punto x D
tiene un entorno D0 tal que f satisface (2.2) en [a, b] D0 con alguna constante de Lipschitz L0 .
Decimos que f (t, x) es localmente Lipschitz en x en [t0 , ) D si es localmente Lipschitz en x en
[a, b] D para todo intervalo compacto [a, b] [t0 , ). Decimos que f (t, x) es Lipschitz en [a, b] W
si satisface (2.2) para todo t [a, b] y todo punto en W , con la misma constante de Lipschitz L.
Para funciones escalares, la condici
on de Lipschitz se puede escribir como
|f (y) f (x)|
L
|y x|
40
lo que implica que la pendiente est

a siempre acotada por L, es decir toda funcion f (x) que tenga
pendiente infinita en un punto no puede ser localmente Lipschitz en ese punto. Por otro lado, si
el valor absoluto de la derivada f est
a acotado por una constante k sobre un intervalo de interes,
entonces f es Lipschitz en ese intervalo con constante de Lipschitz L = k. Lo mismo vale para
funciones vectoriales, como lo probamos en el siguiente Lema.
Lema 2.4 (La cota de la derivada es la constante de Lipschitz). Sea f : [a, b]D Rm una funcion
continua, D un dominio en Rn . Supongamos que f /x existe y es continua en [a, b] D. Si, para
alg
un subconjunto convexo W D existe una constante L 0 tal que

f
(t, x) L

x
en [a, b] W , entonces
kf (t, x) f (t, y)k L kx yk

t [a, b], x W , y W .
Demostraci
on. Sea k kp , p [1, ] la norma utilizada, y calculemos q [1, ] mediante la relaci
on
1/p + 1/q = 1. Fijamos t [a, b], x W e y W . Definamos (s) = (1 s) x + s y para todo s R
tal que (s) D. Como W D es convexo, (s) W para 0 s 1. Tomemos z Rn tal que
kzkq = 1 y
z t [f (t, y) f (t, x)] = kf (t, y) f (t, x)kp
Definamos g(s) = z t f (t, (s)). Como g(s) es una funcion a valores reales continuamente diferenciable en un intervalo abierto que contenga al [0, 1], concluimos mediante el teorema del valor medio
que existe s1 (0, 1) tal que
g(1) g(0) = g (s1 )
Evaluando g en s = 0, s = 1, y calculando g (s) usando la regla de la cadena, obtenemos
f
(t, (s1 ))(y x)
x

f

kf (t, y) f (t, x)kp kzkq (t, (s1 ))
ky xkp Lky xkp
x
z t [f (t, y) f (t, x)] = z t
donde usamos la desigualdad de Holder |z t w| kzkq kwkp .
La propiedad de Lipschitzidad es m
as fuerte que la de continuidad. Si f (x) es Lipschitz en
W , entonces es uniformemente continua en W . La propiedad de Lipschitzidad es m
as debil que la
de poseer derivada continua, como vemos en el siguiente Lema.
Lema 2.5 (C 1 implica Lipschitz). Sea f : [a, b] D Rm una funcion continua, D un dominio en
Rn . Si f /x existe y es continua en [a, b] D entonces f es localmente Lipschitz en x en [a, b] D.
Demostraci
on. Dado x0 D, sea r tan peque
no que la bola D0 = {x Rn | kx x0 k r}
este contenida en D. El conjunto D0 es convexo y compacto. Por continuidad, f /x est
a acotada
en [a, b]D0 . Sea L0 una cota para f /x en [a, b]D0 . Por el Lema 2.4, f es Lipschitz en [a, b]D0
con constante de Lipschitz L0 .

Lema 2.6 (Condiciones para Lipschitz global). Sea f : [a, b] Rn Rm una funcion continua. Si
f /x existe y es continua en [a, b] Rn , entonces f es globalmente Lipschitz en x en [a, b] Rn
s f /x est
a uniformemente acotada en [a, b] Rn .
41
Ejemplo 2.2. La funci

on

x1 + x1 x2
f (x) =
x2 x1 x2
es continuamente diferenciable en R2 . Por lo tanto, es localmente Lipschitz en R2 . No es globalmente
Lipschitz porque

f
1 + x2
x1
(2.6)
=
x2
1 x1
x
no es uniformemente acotada en R2 . En cualquier subconjunto compacto de R2 , f es Lipschitz.
Supongamos que queremos calcular una constante de Lipschitz sobre el conjunto convexo
W = {x R2 | |x1 | a1 , |x2 | a2 }
Usando en (2.6) k k para vectores en R2 y la norma matricial inducida para matrices, tenemos

f
= m
ax{| 1 + x2 | + |x1 | , |x2 | + |1 x1 |}
x
Todo punto en W satisface
| 1 + x2 | + |x1 | 1 + a2 + a1
|x2 | + |1 x1 | a2 + 1 + a1
Por lo tanto,

f
1 + a2 + a1
x
y una constante de Lipschitz es entonces L = 1 + a2 + a1 .
Notar que la elecci

on de la norma en Rn no afecta la propiedad de Lipschitzidad de una funci
on
pero si el valor de la constante de Lipschitz.
Teorema 2.3 es un resultado local porque s
olo garantiza existencia y unicidad sobre un intervalo
[t0 , t0 + ], y no tenemos control sobre ; por lo tanto no podemos asegurar existencia y unicidad
sobre un intervalo dado [t0 , t1 ]. Se puede tratar de extender el intervalo de existencia mediante la
aplicaci
on repetida del teorema: usar t0 + como el nuevo instante inicial y x(t0 + ) como el nuevo
estado inicial, y as sucesivamente. Sin embargo, en general, el intervalo de existencia de la soluci
on
no puede extenderse indefinidamente porque las condiciones del teorema pueden dejar de valer. Hay
un intervalo m
aximo [t0 , T ) donde la u
nica soluci
on que comienza en (t0 , x0 ) existe. En general, T
puede ser menor que t1 , en cuyo caso, cuando t T la soluci
on deja cualquier conjunto compacto
sobre el cual f es localmente Lipschitz en x.
Ejemplo 2.3. Consideremos el sistema escalar
x = x2 ,
x(0) = 1
La funcion f (x) = x2 es localmente Lipschitz para todo x R. Por lo tanto, es Lipschitz en todo
subconjunto compacto de R. La soluci
on u
nica
x(t) =
1
t1
existe sobre [0, 1). Cuando t 1, x(t) deja cualquier conjunto compacto.
42
Una forma de garantizar que la soluci

on pueda extenderse indefinidamente, es la de requerir
condiciones adicionales que aseguren que la soluci
on x(t) siempre este en un conjunto donde f (t, x)
es uniformemente Lipschitz en x. Esto lo hacemos en el siguiente teorema donde pedimos que f sea
globalmente Lipschitz.
Teorema 2.7 (Existencia global y unicidad). Supongamos que f (t, x) es seccionalmente continua
en t y satisface
kf (t, x) f (t, y)k Lkx yk
kf (t, x0 )k h
x, y Rn , t [t0 , t1 ]. Entonces, la ecuaci

on (2.1) tiene una soluci
on u
nica en [t0 , t1 ].
Demostraci
on. La clave de la prueba es mostrar que la constante del Teorema 2.3 se puede hacer
independiente del estado inicial x0 . Vemos en (2.5) que la dependencia de del estado inicial es
a traves de la constante h en el termino r/(Lr + h). Como ahora la condici
on de Lipschitz es
global, podemos elegir r arbitrariamente grande. Por lo tanto, para cada h finito, elegimos r tal que
r/(Lr + h) > /L. Esto reduce (2.5) a
n
o
mn t1 t0 ,
,
L
<1
Si t1 t0 /L, podemos elegir = t1 t0 y probamos el resultado. De lo contrario, elegimos que

satisfaga /L, dividimos [t0 , t1 ] en un n
umero finito de subintervalos de longitud y aplicamos
repetidamente el Teorema 2.3.

Ejemplo 2.4. Consideremos el sistema lineal
x = A(t)x + g(t) = f (t, x)
donde A() y g() son seccionalmente continuas. Sobre un intervalo finito [t0 , t1 ], los elementos de
A(t) y g(t) son acotados, es decir kA(t)k a, y kg(t)k b, donde kgk puede ser cualquier norma
en Rn y kAk es la norma matricial inducida. Las condiciones del Teorema 2.7 se satisfacen porque
kf (t, x) f (t, y)k = kA(t) (x y)k
kA(t)k k(x y)k
a k(x y)k , x, y Rn , t [t0 , t1 ]

y
kf (t, x0 )k = kA(t) x0 + g(t)k
a kx0 k + b h , para todo x0 finito , t [t0 , t1 ]
Por lo tanto, el Teorema 2.7 muestra que el sistema lineal tiene soluci
on u
nica en [t0 , t1 ]. Como
t1 puede ser arbitrariamente grande, concluimos que si A(t) y g(t) son seccionalmente continuas
t t0 , entonces el sistema tiene una soluci
on u
nica t t0 .
Para un sistema lineal es razonable pedir Lipschitzidad global. Pero para sistemas no lineales
esto es muy restrictivo. No as la condici
on de Lipschitz local, que est
a garantizada si la funcion del
lado derecho es continuamente diferenciable.
2.3 Dependencia Continua en Condiciones Iniciales y Par

ametros
43

x = x3 = f (x)
(2.7)
La funcion f (x) no satisface la condici

on de Lipschitz global porque el Jacobiano f /x = 3x2
no est
a globalmente acotado. Sin embargo, la ecuaci
on tiene la u
nica soluci
on
s
x20
x(t) = sign x0
1 + 2x20 (t t0 )
que est
a bien definida para todo x0 y para todo t t0 .
Como la condici
on de Lipschitz global es muy conservadora, es u
til disponer de otro resultado
que, a expensas de pedir un mayor conocimiento acerca de la soluci
on del sistema, s
olo requiera que
la funcion sea localmente Lipschitz.
Teorema 2.8 (Existencia global y unicidad de vuelta). Sea f (t, x) seccionalmente continua en t y
localmente Lipschitz en x para todo t t0 y todo x en un dominio D Rn . Sea W un subconjunto
compacto de D, x0 W , y supongamos que se sabe que toda soluci
on de (2.1) permanece todo el
tiempo en W . Entonces existe una soluci
on u
nica que est
a definida para todo t t0 .
Demostraci
on. Por el Teorema 2.3, existe una soluci
on local u
nica en [t0 , t0 + ]. Sea [t0 , T ) el
m
aximo intervalo de existencia. Si T es finito, entonces la soluci
on debe abandonar todo subconjunto
compacto de D (Ejercicio 2.10). Como la soluci
on nunca deja el conjunto compacto W , concluimos
que debe ser T = .

El truco al aplicar el Teorema 2.8 es verificar que toda soluci
on permanezca en un conjunto
compacto sin resolver la ecuaci
on diferencial. Vamos a ver en el Captulo 3 que el metodo de
Lyapunov va a ser u
til para esto.
Ejemplo 2.6. Consideremos nuevamente el sistema (2.7). La funcion f (x) es localmente Lipschitz
en R. Si en alg
un instante x(t) es positiva, la derivada x(t)
va a ser negativa, y viceversa. Por

lo tanto, comenzando con una condici
on inicial x(0) = a, la soluci
on no puede dejar el conjunto
compacto {x R | |x| |a|}, y el Teorema 2.8 garantiza que (2.7) tiene una soluci
on u
nica para
todo t t0 .
2.3.
Dependencia Continua Con Respecto a Condiciones Iniciales

y Par
ametros
Para que la soluci

on de la ecuaci
on de estado (2.1) sea de alg
un interes, debe depender continuamente del instante inicial t0 , del estado inicial x0 , y de la funcion del lado derecho f (t, x). La
forma integral (2.3) muestra que la dependencia continua del instante inicial es obvia.
Por dependencia continua de la condici
on inicial entendemos lo siguiente: sea y(t) la soluci
on
de (2.1) que comienza en y(t0 ) = y0 y est
a definida en el intervalo compacto [t0 , t1 ]; dado > 0,
existe > 0 tal que para todo z0 en la bola {x Rn | kx y0 k < }, la ecuaci
on x = f (t, x) tiene
una soluci
on u
nica z(t) definida en [t0 , t1 ], con z(t0 ) = z0 , y satisface kz(t) y(t)k < para todo
t [t0 , t1 ].
Para definir dependencia continua de la funcion del lado derecho f , vamos a precisar en que forma
f es perturbada. Vamos a asumir que f depende continuamente de un conjunto de par
ametros
constantes, es decir, f = f (t, x, ), donde Rp . Sea x(t, 0 ) una soluci
on de x = f (t, x, 0 )
definida en [t0 , t1 ], con x(t0 , 0 ) = x0 . Se dice que la soluci
on depende continuamente de si
44
dado > 0, existe > 0 tal que para todo en la bola { Rp | k 0 k < }, la ecuaci
on
x = f (t, x, ) tiene una soluci
on u
nica x(t, ) definida en [t0 , t1 ], con x(t0 , ) = x0 , y satisface
kx(t, ) x(t, 0 )k < para todo t [t0 , t1 ].
Antes de estudiar los dos tipos de continuidad recien definidos, necesitamos el siguiente resultado.
Teorema 2.9. Sea f (t, x) seccionalmente continua en t y Lipschitz en x en [t0 , t1 ]W , con constante
de Lipschitz L, donde W Rn es un conjunto abierto y conexo. Sean y(t) y z(t) soluciones de
y = f (t, y) ,
y(t0 ) = y0
y
z = f (t, z) + g(t, z) ,
z(t0 ) = z0
tal que y(t), z(t) W para todo t [t0 , t1 ]. Supongamos que

kg(t, x)k ,
(t, x) [t0 , t1 ] W ,
para alg
un > 0, y
ky0 z0 k
Entonces
ky(t) z(t)k eL(tt0 ) +
L(tt0 )
[e
1]
L
(2.8)
para todo t [t0 , t1 ].

Demostraci
on. Las soluciones y(t) y z(t) est
an dadas por
y(t) = y0 +
z(t) = z0 +
f (s, y(s)) ds
t0
Z t
[f (s, z(s)) + g(s, z(s))] ds
t0
Restando ambas ecuaciones y tomando normas obtenemos

ky(t) z(t)k ky0 z0 k +
t0
+ (t t0 ) +
kf (s, y(s)) f (s, z(s))k ds +

Z
t
t0
t0
kg(s, z(s))k ds
Lky(s) z(s)k ds
Aplicando la desigualdad de Gronwall-Bellman a la funcion ky(t) z(t)k resulta

ky(t) z(t)k + (t t0 ) +
t
t0
L[ + (s t0 )]eL(ts) ds
Integrando el lado derecho por partes se obtiene (2.8).

Tenemos entonces el siguiente teorema.
2.3 Dependencia Continua en Condiciones Iniciales y Par

ametros
45
Teorema 2.10 (Continuidad en condiciones iniciales y par

ametros). Sea f (t, x, ) continua en sus
argumentos y localmente Lipschitz en x (uniformemente en t y ) en [t0 , t1 ] D {k 0 k c},
donde D Rn es un conjunto abierto y conexo. Sea y(t, 0 ) una soluci
on de x = f (t, x, 0 ) con
y(t0 , 0 ) = y0 D. Supongamos que y(t, 0 ) est
a definida y permanece en D para todo t [t0 , t1 ].
Entonces, dado > 0, existe > 0 tal que si
ky0 z0 k < y k 0 k <
la ecuaci
on x = f (t, x, ) tiene una soluci
on u
nica z(t, ) definida en [t0 , t1 ], con z(t0 , ) = z0 , y
satisface
kz(t, ) y(t, 0 )k < ,
t [t0 , t1 ]
Demostraci
on. Por continuidad de y(t, 0 ) en t y la compacidad de [t0 , t1 ], sabemos que y(t, 0 )
est
a uniformemente acotada en [t0 , t1 ]. Definamos un tubo U alrededor de la soluci
on y(t, 0 ) de
la siguiente manera
U = {(t, x) [t0 , t1 ] Rn | kx y(t, 0 )k },
como se ilustra en la Figura 2.1.
z(t)
y(t)
z0
y0
t
t0
t1
Figura 2.1: Tubo construido alrededor de la soluci
on y(t)
Supongamos que se eligi

o lo suficientemente peque
no para que U [t0 , t1 ] D. El conjunto U
es compacto; por lo tanto f (t, x, ) es Lipschitz en x en U con constante de Lipschitz L, digamos.
Por continuidad de f en , para cada > 0, existe > 0 (con < c) tal que
kf (t, x, ) f (t, x, 0 )k < ,
(t, x) U ,
k 0 k <
Tomemos < y ky0 z0 k < . Por el teorema de existencia local y unicidad, existe una soluci
on
u
nica z(t, ) en alg
un intervalo [t0 , t0 + ]. La soluci
on comienza dentro del tubo U y mientras
permanezca en el tubo puede extenderse. Vamos a mostrar que, eligiendo lo suficientemente
peque
no, la soluci
on permanece en el tubo U para todo t [t0 , t1 ]. En particular, sea el primer
instante en que la soluci
on deja el tubo; vamos a probar que > t1 . En el intervalo [t0 , ], todas las
condiciones del Teorema 2.9 se satisfacen con = = . Por lo tanto
kz(t, ) y(t, 0 )k eL(tt0 ) + [eL(tt0 ) 1]

L
(1 + L) L(tt0 )
e
<
L
46
Si elegimos LeL(t1 t0 ) /(1 + L) aseguramos que la soluci

on z(t, ) no deja el tubo durante
[t0 , t1 ]. Por lo tanto z(t, ) est
a definida en [t0 , t1 ] y satisface kz(t, ) y(t, 0 )k < . La prueba se
completa tomando = mn{, }.
2.4.
Principio de Comparaci
on
Como la desigualdad de Gronwall-Bellman, el principio de comparacion sirve para obtener cotas

de la soluci
on de (2.1) sin necesidad de calcular la soluci
on misma. Se aplica a desigualdades diferenciales de la forma v f (t, v(t)) para todo t en un cierto intervalo. El principio de comparacion
compara la soluci
on de la desigualdad diferencial v f (t, v(t)) con la de la ecuaci
on diferencial
u = f (t, u).
Lema 2.11 (Principio de Comparacion). Consideremos la ecuaci
on diferencial escalar
u = f (t, u) ,
u(t0 ) = u0
donde f (t, u) es continua en t y localmente Lipschitz en u, para todo t 0 y todo u J R. Sea

[t0 , T ) (T puede ser infinito) el m
aximo intervalo de existencia de la soluci
on u(t) y supongamos
que u(t) J para todo t [t0 , T ). Sea v(t) una funcion diferenciable que satisface la desigualdad
diferencial
v(t)
f (t, v(t)) ,
v(t0 ) u0
con v(t) J para todo t [t0 , T ). Entonces

v(t) u(t)
para todo t [t0 , T ).
Ejemplo 2.7. La ecuaci

x = f (x) = (1 + x2 ) x ,
x(0) = a
tiene una soluci

on u
nica en [0, t1 ] para alg
un t1 > 0, porque f (x) es localmente Lipschitz. Sea
v(t) = [x(t)]2 . Su derivada es
v(t)
= 2x(t)x(t)
= 2[x(t)]2 2[x(t)]4 2[x(t)]2

Por lo tanto v(t) satisface la desigualdad diferencial
v(t)
2v(t) ,
v(0) = a2
Sea u(t) la soluci

on de la ecuaci
on diferencial
u = 2u ,
u(0) = a2
u(t) = a2 e2t
Por el principio de comparacion la soluci

on x(t) est
a definida para todo t 0 y satisface
p
|x(t)| = v(t) |a|et , t 0
2.5 Ejercicios
2.5.
47
Ejercicios
Ejercicio 2.1.
Sea f (x) una funci
on continuamente diferenciable. Mostrar que el punto de equilibrio x de
x = f (x) es aislado si la matriz Jacobiana [f /x](x ) es no singular.
Ayuda:
Usar el Teorema de la Funci

on Implcita enunciado a continuaci
on.
Teorema 2.12 (Teorema de la Funci

on Implcita). Sea f : Rn Rm Rn una funcion continuamente diferenciable en cada punto (x, y) de un conjunto cerrado S Rn Rm . Sea (x0 , y0 ) un punto
en S para el cual f (x0 , y0 ) = 0 y para el cual la matriz Jacobiana [f /x](x0 , y0 ) es no singular.
Entonces existen entornos U Rn de x0 y V Rm de y0 tales que para cada y V la ecuaci
on
f (x, y) = 0 tiene una soluci
on u
nica x U . Ademas, esta soluci
on puede expresarse como x = g(y),
donde g es continuamente diferenciable en y = y0 .
Ejercicio 2.2.
Sea y(t) una funci
on escalar no negativa que satisface la desigualdad
(tt0 )
y(t) k1 e
e(t ) [k2 y( ) + k3 ]d,
t0
k1 , k2 , k3 0, > k2 .
Usando la desigualdad de Gronwall-Bellman mostrar que

y(t) k1 e(k2 )(tt0 ) +
Ayuda:
i
k3 h
1 e(k2 )(tt0 ) .
k2
Tomar z(t) = y(t)e(tt0 ) y encontrar la desigualdad que satisface z.
Ejercicio 2.3.
Usando el Teorema del Mapeo Contractivo mostrar que el sistema de ecuaciones no lineales

x1
x1 + x2 = 1
1+
1 + x21

x2
x1 + 1 +
x2 = 2,
1 + x22
nica soluci
on real.
donde < 12 , tiene una u
Ejercicio 2.4.
Sea f : Rn Rn localmente Lipschitz en un dominio D Rn . Sea S D un conjunto compacto
(cerrado y acotado). Mostrar que existe una constante L > 0 tal que
kf (x) f (y)k Lkx yk,
x, y S.
48
Ayuda:
Por ser compacto, el conjunto S puede cubrirse por un n

umero finito de entornos:
S N (a1 , r1 ) N (a2 , r2 ) N (ak , rk ).

Considerar los dos casos siguientes por separado:
x, y S N (ai , ri ) para alg
un i [1, 2, . . . , k].
x, y
/ S N (ai , ri ) para ning
un i [1, 2, . . . , k]; en este caso notar que kx yk mni ri y
usar el hecho de que f (x) est
a uniformemente acotada en S.
Ejercicio 2.5.
Recordar que una funci
on f : S1 S2 se dice continua en un punto x S1 si dada una constante
> 0 existe alguna constante > 0 tal que
kx yk < kf (x) f (y)k < .
Una funcion f es continua en un conjunto S si es continua en todo punto de S, y es uniformemente
continua en S si, dada > 0, existe > 0 dependiente s
olo de tal que la desigualdad vale
para todo x, y S.
Mostrar que si f : Rn Rn es Lipschitz en W Rn , entonces f (x) es uniformemente continua
en W .
Ejercicio 2.6.
Mostrar que si f : Rn Rn es Lipschitz en un dominio D = {x Rn : kxk < r} y f (0) = 0,
entonces existe una constante k > 0 tal que kf (x)k kkxk para todo x D.
Ejercicio 2.7.
Sea el problema de valor inicial
x = f (t, x),
x(t0 ) = x0 ,
(2.9)
y sea D Rn un dominio que contiene x = 0. Suponer que f (t, 0) = 0 y f (t, x) es Lipschitz en x

sobre [t0 , ) D con constante de Lipschitz L en k k2 , y que la soluci
on x(t) est
a definida para
todo t t0 y pertenece a D.
(i) Mostrar que

d T

2

dt x (t)x(t) 2Lkx(t)k2 .
(ii) Mostrar que
kx0 k2 eL(tt0 ) kx(t)k2 kx0 k2 eL(tt0 )
2.5 Ejercicios
49
Ejercicio 2.8.
Sea Dr = {x Rn : kxk < r}. Para cada uno de los siguientes sistemas representados como
x = f (t, x) e introducidos en el Captulo 1 determinar si f es: (a) localmente Lipschitz en x Dr
para r suficientemente peque
no; (b) localmente Lipschitz en x Dr para cualquier r > 0 finito; (c)
globalmente Lipschitz en x.
(i) La ecuaci
on del pendulo con entrada de control.
(ii) El circuito con diodo t
unel.
(iii) El sistema de masa-resorte con resorte lineal, amortiguamiento viscoso, friccion est
atica y
fuerza externa nula.
(iv) El oscilador de Van der Pol.
(v) La ecuaci
on de estado a lazo cerrado de tercer orden del ejemplo de control adaptable.
(vi) El sistema x = Ax B(Cx), donde A Rnn , B Rn1 , C R1n son matrices constantes
y () es una alinealidad de zona muerta, definida por
para y < d
y + d,
(y) = 0,
para d y d
y d,
para y > d
(Este sistema representa un sistema lineal realimentado con alinealidad est

atica, como se ve
en la figura, en particular con estacionaria y r = 0.)
r +
Sistema Lineal
G(s) = C(sI A)1 B
(t, y)
Elemento
No Lineal
(vii) El convertidor Boost para cada valor de u {0, 1}.

(viii) Los ejemplos de sistemas con tiempos de convergencia o escape finitos en 1.5.1.
(ix) El sistema de control de temperatura.
Ejercicio 2.9.
Sea f (t, x) seccionalmente continua en t y localmente Lipschitz en x sobre [t0 , t1 ] D para alg
un
n
dominio D R . Sea W un subconjunto compacto de D. Sea x(t) la soluci
on de x = f (t, x) con
x(t0 ) = x0 W . Asumiendo que x(t) est
a definida y pertenece a W para todo t [t0 , T ), T < t1 ,
mostrar que
(i) x(t) es uniformemente continua sobre [t0 , T ),
(ii) x(T ) est
a definida y pertenece a W , y que entonces x(t) es una soluci
on sobre [t0 , T ],
(iii) existe > 0 tal que la soluci
on x(t) pueda extenderse sobre [t0 , T + ].
50
Ejercicio 2.10.
Sea f (t, x) seccionalmente continua en t y localmente Lipschitz en x sobre [t0 , t1 ] D para alg
un
n
dominio D R . Sea y(t) una soluci
on de (2.9) sobre un intervalo abierto m
aximo [t0 , T ) [t0 , t1 ]
con T < . Sea W cualquier conjunto compacto de D. Mostrar que existe alg
un t [t0 , T ) tal que
y(t)
/ W.
Ayuda:
Usar el ejercicio anterior.
Ejercicio 2.11.
Sea f (t, x) seccionalmente continua en t, localmente Lipschitz en x, y
kf (t, x)k k1 + k2 kxk,
(t, x) [t0 , ) Rn .
(i) Mostrar que la soluci

on de (2.9) satisface
kx(t)k kx0 k ek2 (tt0 ) +

k1 k2 (tt0 )
e
1
k2
para todo t t0 para el cual la soluci

on existe.
(ii) Puede haber escape en tiempo finito de la soluci

on?
Ejercicio 2.12.
Sean f (t, x) y su derivada parcial respecto de x continuas en (t, x) para todo (t, x) R Rn .
Sea x(t, a, ) la soluci
on de x = f (t, x) que comienza en x(a) = y supongamos que x(t, a, )
est
a definida en [a, t1 ]. Mostrar que x(t, a, ) es continuamente diferenciable con respecto de a y .
Sean xa (t) y x (t) las respectivas derivadas parciales. Mostrar que satisfacen
xa (t) + x (t)f (a, ) 0 ,
t [a, t1 ]
Captulo 3
Estabilidad Seg
un Lyapunov. Sistemas
Estacionarios
La teora de estabilidad juega un rol central en teora de sistemas e ingeniera. Existen distintos
tipos de problemas de estabilidad en los sistemas din
amicos. En este captulo vamos a tratar estabilidad de puntos de equilibrio; m
as adelante en el curso veremos otros problemas de estabilidad,
como el de estabilidad entrada-salida.
La estabilidad de puntos de equilibrio generalmente se caracteriza en el sentido de Lyapunov, un matem
atico e ingeniero ruso que
estableci
o las bases de la teora que hoy lleva su nombre. Un punto
de equilibrio se dice estable si todas las soluciones que se inicien en
las cercanas del punto de equilibrio permanecen en las cercanas del
punto de equilibrio; de otro modo el punto de equilibrio es inestable. Un punto de equilibrio se dice asint
oticamente estable si todas
las soluciones que se inicien en las cercanas del punto de equilibrio
no s
olo permanecen en las cercanas del punto de equilibrio, sino
que adem
as tienden hacia el equilibrio a medida que el tiempo se
Aleksandr Lyapunov
aproxima a infinito. Vemos estas nociones en m
as detalle en 3.1,
1857-1918
donde presentamos tambien los teoremas b
asicos de Lyapunov para sistemas estacionarios. En 3.2 damos una extension de la teora
b
asica de Lyapunov que se debe a LaSalle. En 3.3 analizamos regi
on de atracci
on de un punto
de equilibrio, y en 3.4 vemos c
omo la estabilidad de un punto de equilibrio puede determinarse
mediante linealizaci
on.
Los teoremas de estabilidad de Lyapunov dan condiciones suficientes para estabilidad de puntos de equilibrio. Existen teoremas conversos que establecen que, al menos conceptualmente, en
los teoremas de Lyapunov muchas de estas condiciones son tambien necesarias. Trataremos estos
teoremas conversos en el captulo siguiente, junto a extensiones de los resultados para sistemas
inestacionarios.
3.1.
El Teorema de Estabilidad de Lyapunov
Consideremos el sistema estacionario

x = f (x)
(3.1)
donde f : D Rn es un mapa localmente Lipschitz desde un dominio D Rn en Rn . Supongamos

que x
D es un PE de (3.1), es decir f (
x) = 0. Vamos a caracterizar y estudiar la estabilidad de
52
Estabilidad Seg
x
. Por conveniencia, vamos a asumir que x
= 0 (esto no nos hace perder generalidad porque, si no
es as, definimos y = x x
y trabajamos con la ecuaci
on y = g(y), donde g(y) , f (y + x
), que tiene
un equilibrio en el origen.)
Definici
on 3.1. El PE x = 0 de (3.1) es
estable, si para cada > 0 existe = () tal que
kx(0)k < = kx(t)k < ,
t 0
inestable si no es estable.
asint
oticamente estable (AE) si es estable y puede elegirse tal que
kx(0)k < = lm x(t) = 0
t
Los tres tipos de estabilidad se pueden ver en la ecuaci

on del pendulo (1.5) del Ejemplo 1.2.1.
Los PE son (0, 0) y (, 0). Considerando que no hay friccion, o sea tomando k = 0, las trayectorias
en el entorno del primer PE son
orbitas cerradas. Empezando suficientemente cerca del PE se puede
garantizar que las trayectorias van a permanecer en cualquier bola pre-especificada alrededor del
PE. Por lo tanto, el PE es estable. No es AE, sin embargo, porque las trayectorias que comienzan
fuera del PE nunca tienden a el.
Si consideramos friccion (k > 0), el PE en el origen es un foco estable. La inspeccion del retrato
de fase de un foco estable muestra que el requisito para estabilidad se satisface; m
as a
un, las
trayectorias que comienzan cerca del PE tienden a el cuando t tiende a . El segundo PE en (, 0)
es un punto de ensilladura. Es obvio que el requisito para estabilidad no se satisface porque,
para cualquier > 0, siempre hay una trayectoria que deja la bola {x Rn | kx x
k }, a
un
cuando x(0) sea arbitrariamente cercano al PE.
La Definici
on 3.1 tiene como condici
on implcita la existencia de la soluci
on para todo t 0. Esta
propiedad de existencia global (en el tiempo) de la soluci
on no est
a garantizada, como ya vimos, por
la Lipschitzidad local de f . Vamos a ver, sin embargo, que las condiciones adicionales que requiere
el Teorema de Lyapunov van a garantizar la existencia global (en el tiempo) de la soluci
on.
Recien vimos que para el ejemplo del pendulo se pueden determinar las propiedades de estabilidad analizando el retrato de fase. Este enfoque es difcil de extender a sistemas de orden mayor que
dos. Vamos a ver que las conclusiones a las que llegamos analizando el retrato de fase del pendulo
se pueden obtener tambien usando conceptos de energa. Definamos la energa del pendulo E(x)
como la suma de sus energas cinetica y potencial, con referencia de energa potencial elegida tal
que E(0) = 0, es decir,
Z x1
1
1
(3.2)
(g/l) sen y dy + x22 = (g/l)(1 cos x1 ) + x22
E(x) =
2
2
0
Cuando no hay friccion (k = 0), el sistema es conservativo, es decir, no hay disipacion de energa.
Por lo tanto, E = constante durante la evoluci
on del sistema, o sea, dE/dt = 0 sobre las trayectorias
del sistema. Como E(x) = c forma contornos cerrados alrededor de x = 0 para c peque
no, concluimos
que x = 0 es un PE estable. Cuando consideramos friccion (k > 0), se disipa energa durante la
evoluci
on del sistema, o sea, dE/dt 0 sobre las trayectorias del sistema. Es decir que la energa
decrece hasta que llega a cero, mostrando que la trayectoria tiende a x = 0 cuando t .
En 1892, Lyapunov mostro que algunas otras funciones, no s
olo la energa, pueden usarse para
determinar la estabilidad de un PE. Sea V : D R una funcion continuamente diferenciable en
3.1 El Teorema de Estabilidad de Lyapunov
53
un dominio D Rn que contiene el origen. La derivada de V a lo largo de las trayectorias de (3.1)

est
a dada por
f1 (x)

n
n
X
X
V
V
V
V
V
f2 (x) V
V (x) =
x i =
fi (x) =
f (x)
,
, ...,
. =
xi
xi
x
x1 x2
xn ..
i=1
i=1
fn (x)
Teorema 3.1 (Lyapunov). Sea el origen x = 0 un PE de (3.1) y sea D Rn un dominio que
contiene el origen. Sea V : D R una funcion continuamente diferenciable tal que
V (0) = 0
V (x) 0
y
en
V (x) > 0 en
D
D {0}
(3.3)
(3.4)
Entonces x = 0 es estable. Mas a

un, si
V (x) < 0
en
D {0}
(3.5)
entonces x = 0 es AE.
Demostraci
on. Dado > 0, elijamos r (0, ] tal que
Br = {x Rn | kxk r} D
Sea = mnkxk=r V (x). Entonces > 0 por (3.3). Tomemos (0, ) y sea
= {x Br | V (x) }
Entonces est
a en el interior de Br ;
ver la Figura 3.1. El conjunto tiene la propiedad de que
D
r
B
Br
Figura 3.1: Representaci

on geometrica de los conjuntos en la prueba del Teorema 3.1
toda trayectoria que comienza en en t = 0 permanece en para todo t 0. Esto sigue de (3.4)
ya que
V (x(t)) 0 = V (x(t)) V (x(0)) ,
1
t 0
Si no fuera as, existira un punto p que se encuentra sobre la frontera de Br . En este punto, V (p) > ,
pero para todo x , V (x) , lo cual es una contradicci
on.
54
Estabilidad Seg
Como es un conjunto compacto (cerrado por definicion y acotado porque est

a contenido en Br ),
concluimos por el Teorema 2.8 que (3.1) tiene una soluci
on u
nica definida para todo t 0 cuando
x(0) . Como V es continua y V (0) = 0, existe > 0 tal que
kxk = V (x) <
Entonces
B Br
y
x(0) B = x(0) = x(t) = x(t) Br ,
t 0
Por lo tanto
kx(0)k < = kx(t)k < r ,
t 0
lo que muestra que el PE en x = 0 es estable.

Supongamos ahora que (3.5) tambien vale. Para mostrar EA debemos probar que x(t) 0
cuando t . Como V es continua y V (0) = 0, es suficiente mostrar que V (x(t)) 0 cuando
t . Como V (x(t)) es monot
onicamente decreciente y acotada inferiormente por cero,
V (x(t)) c 0 cuando t
Mostramos que c = 0 por contradicci
on. Supongamos que c > 0. Por continuidad de V (x), existe
d > 0 tal que Bd c . El lmite V (x(t)) c > 0 implica que la trayectoria x(t) permanece fuera
de la bola Bd para todo t 0. Sea = m
axdkxkr V (x), el cual existe porque la funcion continua
V (x) alcanza un m
aximo sobre el conjunto compacto {d kxk r}. Sabemos que < 0 por
(3.5). Integrando V (x) tenemos que

Z t
V (x( )) d V (x(0)) t
V (x(t)) = V (x(0)) +
0
Como el lado derecho se va a hacer negativo despues de un cierto tiempo, la desigualdad contradice
la suposici
on de que c > 0.

Una funcion continuamente diferenciable que satisface (3.3) y (3.4) se denomina funci
on de
Lyapunov. La superficie V (x) = c se denomina superficie de Lyapunov o superficie de nivel. Usando
superficies de Lyapunov, la Figura 3.2 da una interpretacion intuitiva del Teorema 3.1. La condici
on
V 0 implica que cuando la trayectoria cruza la superficie de Lyapunov V (x) = c se introduce en
el conjunto c = {x Rn | V (x) c} y nunca puede salir de el. Cuando V < 0, la trayectoria
se mueve de una superficie de Lyapunov a otra superficie de Lyapunov interior con un c menor.
A medida que c decrece, la superficie de Lyapunov V (x) = c se achica hasta transformarse en el
origen, mostrando que la trayectoria tiende al origen cuando t . Si s
olo sabemos que V 0, no
podemos asegurar que la trayectoria tienda al origen, pero podemos concluir que el origen es estable
porque la trayectoria puede ser encerrada en cualquier bola B s
olo con requerir que el estado inicial
x(0) pertenezca a una superficie de Lyapunov contenida en dicha bola.
Una funcion V (x) que satisface (3.3) se dice definida positiva. Si satisface la condici
on m
as
debil V (x) 0 para x 6= 0, se dice semidefinida positiva. Una funcion se dice definida negativa o
semidefinida negativa si V (x) es definida positiva o semidefinida positiva, respectivamente. Si V (x)
no tiene signo definido con respecto a alguno de estos cuatro casos se dice indefinida. El teorema
de Lyapunov se puede enunciar, usando esta nueva terminologa como: el origen es estable si existe
una funci
on definida positiva y continuamente diferenciable tal que V (x) es semidefinida negativa,
y es AE si V (x) es definida negativa.
55
c2
c3
V (x) = c1
c1 < c2 < c3
Figura 3.2: Curvas de nivel de una funcion de Lyapunov
Ejemplo 3.1. Sea V la forma cuadratica

V (x) = xt P x
donde P es una matriz real y simetrica. V (x) es (semi)definida positiva s todos los autovalores de
P son (no negativos) positivos, lo que vale s todos los menores principales de P son (no negativos)
positivos. Si V (x) = xt P x es (semi)definida positiva, decimos que la matriz P es (semi)definida
positiva y escribimos (P 0) P > 0.
Por ejemplo, si
a 0 1
P = 0 a 2
1 2 a
entonces V (x) es definida positiva si a >
5 y definida negativa si a < 5.
Ejemplo 3.2. Consideremos la ecuaci

on diferencial de primer orden
x = g(x)
donde g(x) es localmente Lipschitz en (a, a) y satisface
g(0) = 0 ;
x g(x) > 0 ,
x 6= 0 , x (a, a)
Este sistema tiene un PE aislado en el origen. Consideremos la funcion

V (x) =
g(y) dy
0
En el dominio D = (a, a), V (x) es continuamente diferenciable, V (0) = 0 y V (x) > 0 para todo
x 6= 0, es decir, es una candidata a funcion de Lyapunov valida. Calculemos su derivada a lo largo
de las trayectorias del sistema:
V
V (x) =
[g(x)] = [g(x)]2 < 0 ,
x
x D {0}
Concluimos usando el Teorema 3.1 que el origen es AE.
56
Estabilidad Seg
Ejemplo 3.3 (Pendulo sin friccion). Consideremos la ecuaci

on del pendulo sin friccion (ecuaci
on
(1.5) con k = 0) con la funci
on de energa (3.2) como funcion de Lyapunov. Tenemos que V (0) = 0
y V (x) es definida positiva en el dominio 2 < x1 < 2. Ademas
V (x) = (g/l)x 1 sen x1 + x2 x 2 = 0
Por lo tanto se satisfacen las condiciones (3.3) y (3.4) del Teorema 3.1 probando que el origen es
estable. Como V (x) 0 podemos tambien concluir que el origen no es AE.
Ejemplo 3.4 (Pendulo con friccion). Consideremos la ecuaci

on del pendulo con friccion (ecuaci
on
(1.5) con k > 0) con la funci
on de energa (3.2) como funcion de Lyapunov. Tenemos que
V (x) = (g/l)x 1 sen x1 + x2 x 2 = (k/m) x22
V (x) es semidefinida negativa pero no es definida negativa porque se anula sobre todo el eje x2 = 0.
Por lo tanto s
olo podemos concluir que el origen es estable. Sin embargo ya sabemos, analizando el
retrato de fase, que en este caso el origen es AE, por lo tanto esta eleccion de funcion de Lyapunov
junto con el Teorema 3.1 no son concluyentes para probar las propiedades de estabilidad del PE
(vamos a ver m
as adelante que el Teorema de invariancia de LaSalle nos va a permitir probar AE
usando la funcion de energa). Partiendo de la funcion de energa, reemplacemos el termino (1/2)x22
por la forma cuadratica general (1/2)xt P x y tratemos de elegir los elementos de P tal que V (x)
sea una funcion de Lyapunov valida,
g
1
(1 cos x1 )
V (x) = xT P x +
2

l
p11 p12 x1
1
g
=
(1 cos x1 ).
+
x1 x2
p12 p22 x2
2
l
Para que la forma cuadratica xT P x sea definida positiva los elementos de P deben satisfacer
p11 > 0;
p11 p22 p212 > 0.
La derivada V (x) est

a dada por

h
g
i
k
g
V (x) = p11 x1 + p12 x2 +

sen x1 x2 + (p12 x1 + p22 x2 )
sen x1
x2
l
l
m

g
g
k
(1 p22 )x2 sen x1
p12 x1 sen x1 + p11 p12
x1 x2
=
l
l
m

k
+ p12 p22
x22
m
Ahora queremos elegir p11 , p12 y p22 para que V (x) sea definida negativa. Como los terminos de
productos cruzados x2 sen x1 y x1 x2 son de signo indefinido, los cancelamos tomando p22 = 1 y
on p12 debe satisfacer
p11 = (k/m)p12 . Con esta elecci
0 < p12 <
k
m
para que V (x) sea definida positiva. Una posible eleccion es p12 = 0,5(k/m), y as
gk
1
V (x) =
x1 sen x1 x22 .
2lm
2
El termino x1 sen x1 > 0 para todo x1 : 0 < |x1 | < . Tomando D = {x Rn : |x1 | < } tenemos
que V (x) es positiva definida y V (x) es definida negativa en D. Por el Teorema 3.1 concluimos que
el origen es AE.
57
El ejemplo anterior muestra que las condiciones del Teorema 3.1 son s
olo suficientes. Si una dada
candidata a funci
on de Lyapunov no alcanza para probar que el PE es AE, esto no significa que no
lo sea.
En el Ejemplo 3.4 enfocamos el problema en una forma inversa. Investigamos una expresi
on
propuesta para V (x) y determinamos sus par
ametros de forma que V (x) fuera definida positiva y
V (x) definida negativa. Esta idea es u
til para buscar funciones de Lyapunov, y se aprovecha en el
procedimiento siguiente.
3.1.1.
M
etodo del Gradiente Variable
El metodo del gradiente variable es un metodo para construir funciones de Lyapunov. Sea V (x)
una funcion escalar de x y g(x) = (V /x)t . Entonces
V
f (x) = g t (x)f (x)
V (x) =
x
La idea es tratar de encontrar g(x) tal que sea el gradiente de una funcion definida positiva V (x) y
tal que V (x) sea definida negativa. Es facil de probar que g(x) es el gradiente de una funcion escalar
s la matriz Jacobiana [g/x] es simetrica, es decir
gj
gi
=
,
xj
xi
i, j = 1, 2, . . . , n
Bajo esta restriccion, elegimos g(x) tal que g t (x)f (x) sea definida negativa. Luego V (x) se computa
mediante la integral
Z xX
Z x
n
t
gi (y)dyi
g (y)dy =
V (x) =
0
i=1
Como la integral de un gradiente no depende del camino, podemos integrar a lo largo de los ejes:
Z x2
Z x1
g2 (x1 , y2 , . . . , 0)dy2
g1 (y1 , 0, . . . , 0)dy1 +
V (x) =
0
0
Z xn
gn (x1 , x2 , . . . , yn )dyn
+ +
0
Ejemplo 3.5. Consideremos el sistema

x 1 = x2 ,
x 2 = h(x1 ) ax2
donde a > 0, h es localmente Lipschitz, h(0) = 0 y adem
as y h(y) > 0 para todo y 6= 0, y (b, c)
para ciertas constantes positivas b y c. La ecuaci
on del pendulo es un caso particular de este sistema.
Queremos elegir un vector de dos componentes g(x) tal que
g1
g2
=
x2
x1
V (x) = g1 (x)x2 g2 (x)[h(x1 ) + ax2 ] < 0 ,
Z x
gt (y) dy > 0 , x 6= 0
V (x) =
(3.6)
x 6= 0
Probemos con

(x)x1 + (x)x2
g(x) =
(x)x1 + (x)x2
(3.7)
58
Estabilidad Seg
donde las funciones escalares , , y son a determinar.

Empecemos calculando V (x):
V (x) = (x)x1 x2 + (x)x22 a(x)x1 x2 a(x)x22 (x)x2 h(x1 ) (x)x1 h(x1 )
y para cancelar los productos cruzados (que no tienen signo definido) elegimos
(x)x1 a(x)x1 (x)h(x1 ) = 0
(3.8)
de forma que
V (x) = [a(x) (x)]x22 (x)x1 h(x1 )
Para simplificar elegimos (x) = constante, (x) = constante, y (x) = constante, por lo
cual en (3.8) depende s
olo de x1 . La condici
on de simetra (3.6) se reduce entonces a = . La
expresi
on de g(x) en (3.7) resulta

ax1 + h(x1 ) + x2
g(x) =
x1 + x2
Integrando obtenemos
Z x2
Z x1
(x1 + y2 )dy2
[ay1 + h(y1 )]dy1 +
V (x) =
0
0
Z x1
1
1
= ax21 +
h(y)dy + x1 x2 + x22
2
2
Z0 x1
1
h(y)dy
= xt P x +
2
0
donde
P =
Eligiendo > 0 y 0 < < a aseguramos que V (x) es definida positiva y V (x) es definida negativa.
Por ejemplo, tomando = ka con 0 < k < 1, obtenemos la funcion de Lyapunov

Z x1
t ka2 ka
V (x) = x
h(y)dy
(3.9)
x+
ka 1
2
0
que satisface las condiciones (3.3) y (3.4) del Teorema 3.1 en el dominio D = {x R2 | b < x1 < c}.
Concluimos que el origen es AE.
3.1.2.
Sobre la Regi
on de Atracci
on. Estabilidad Asint
otica Global
Sea (t; x) la soluci

on de (3.1) que comienza en t = 0 y supongamos que el origen x = 0 es un
PE AE. Definimos como regi
on (dominio) de atracci
on (RA) del PE al conjunto de todos los puntos
x tal que lmt (t; x) = 0. Es en general difcil o imposible encontrar analticamente la RA. Sin
embargo se pueden usar funciones de Lyapunov para estimarla con conjuntos contenidos en la RA.
Por la prueba del Teorema 3.1 sabemos que si existe una funci
on de Lyapunov que satisface las
condiciones de estabilidad asint
otica en un dominio D, y si c = {x Rn | V (x) c} est
a acotado
y contenido en D, entonces toda trayectoria que comienza en c permanece en c y tiende al origen
cuando t . Por lo tanto c es una estima de la RA. Esta estima puede ser conservadora, es
decir, puede ser mucho m
as chica que la RA real.
59
Queremos saber bajo que condiciones la RA es todo el espacio Rn . Esto ser

a as si podemos
probar que para todo estado inicial x, la trayectoria (t; x) tiende al origen cuando t , sin
importar cuan grande es kxk. Si un PE AE tiene esta propiedad se dice que es globalmente AE
(GAE). Recordando otra vez la prueba del Teorema 3.1 vemos que se puede probar GAE si se
puede asegurar que cada punto x Rn puede incluirse en el interior de un conjunto acotado c .
Esto no siempre va a ser posible porque para valores grandes de c el conjunto c puede no ser
acotado. Consideremos por ejemplo la funcion
V (x) =
x21
+ x22
1 + x21
cuyas superficies de nivel V (x) = c se ven graficadas en la Figura 3.3.

x2
x1
Figura 3.3: Superficies de Lyapunov de V (x) =
x21
1+x21
+ x22
Las superficies de nivel son cerradas s

olo para valores peque
nos de c. En este caso, c es acotado
porque puede incluirse en una bola cerrada Br para alg
un r > 0. A medida que c crece, se llega a
un valor a partir del cual la superficie de nivel V (x) = c es abierta y c no es acotado. Para que c
este en el interior de una bola Br , c debe satisfacer c < nf kxkr V (x). Si
= lm nf V (x) <
r kxkr
entonces c ser
a acotado si c < . En el ejemplo anterior,
= lm mn
r kxk=r

x21
x21
2
+
x
=1
=
l
m
2
1 + x21
|x1 | 1 + x2
1
Por lo tanto c ser

a acotado s
olo para c < 1. Una condici
on adicional que asegura que c es acotado
para todo valor de c es
V (x) cuando kxk
Una funci
on que satisface esta condici
on se dice radialmente no acotada.
60
Estabilidad Seg
Teorema 3.2 (Barbashin-Krasovskii). Sea x = 0 un PE de (3.1). Sea V : Rn R una funcion

continuamente diferenciable tal que
V (0) = 0 y
V (x) > 0 x 6= 0
kxk = V (x)
V (x) < 0
x 6= 0
(3.10)
(3.11)
(3.12)
entonces x = 0 es GAE.
Demostraci
on. Dado cualquier punto p Rn , sea c = V (p). La condici
on (3.11) implica que para
cualquier c > 0, existe r > 0 tal que V (x) > c cuando kxk > r. Por lo tanto c Br , lo que implica
que c es acotado. El resto de la prueba es similar a la del Teorema 3.1.

Ejemplo 3.6. Consideremos otra vez el sistema del Ejemplo 3.5, pero supongamos que la condici
on
2
yh(y) > 0 vale y 6= 0. La funci
on de Lyapunov (3.9) satisface (3.10) y (3.11) para todo x R . Su
derivada
V (x) = a(1 k)x22 akx1 h(x1 )
es definida negativa para todo x R2 porque 0 < k < 1. Por lo tanto el origen es GAE.
Notemos que si el origen es GAE, entonces debe ser el u

nico PE del sistema.
3.1.3.
Inestabilidad
Vamos a ver un teorema que prueba que un PE es inestable. Sea V : D R una funcion
continuamente diferenciable en un dominio D Rn que contiene al origen x = 0. Supongamos que
V (0) = 0 y que hay un punto x0 arbitrariamente cercano al origen tal que V (x0 ) > 0. Elijamos
r > 0 tal que la bola Br = {x Rn | kxk r} este contenida en D, y sea
U = {x Br | V (x) > 0}
(3.13)
El conjunto U es no vaco. Su frontera est

a dada por la superficie V (x) = 0 y la esfera kxk = r.
Como V (0) = 0, el origen est
a sobre la frontera de U en el interior de Br .
Teorema 3.3 (Chetaev). Sea x = 0 un PE de (3.1). Sea V : D R una funcion continuamente
diferenciable tal que V (0) = 0 y V (x0 ) > 0 para alg
un x0 con kx0 k arbitrariamente peque
na2 .
Definamos el conjunto U como en (3.13) y supongamos que V (x) > 0 en U . Entonces x = 0 es
inestable.
Demostraci
on. El punto x0 est
a en el interior de U y V (x0 ) = a > 0. La trayectoria x(t) que
comienza en x(0) = x0 debe dejar el conjunto U . Para probar esto, notemos que mientras x(t)
permanezca en U , V (x(t)) a porque V (x) > 0 en U . Sea
= mn{V (x) | x U y V (x) a}
que existe porque la funci

on continua V (x) tiene un mnimo en el conjunto compacto {x U y V (x)
a} = {x Br | V (x) a}. Entonces > 0 y
Z t
V (x(s))ds a + t
V (x(t)) = V (x0 ) +
0
Esta desigualdad muestra que x(t) no se puede quedar indefinidamente en U porque V (x) est
a acotada en U . Ahora, x(t) no puede dejar U a traves de la superficie V (x) = 0 porque V (x(t)) a.
Por lo tanto debe dejar U a traves de la esfera kxk = r. Como esto pasa para kx0 k arbitrariamente
peque
na, el origen es inestable.

2
Es decir, para todo > 0 existe x0 D que satisface kx0 k < y V (x0 ) > 0.
61
Ejemplo 3.7. Consideremos el sistema de segundo orden

x 1 = x1 + g1 (x)
x 2 = x2 + g2 (x)
donde g1 y g2 satisfacen
|gi (x)| kkxk22
en un entorno D del origen. Esta desigualdad implica que gi (0) = 0, por lo tanto el origen es un
PE. Consideremos la funci
on
V (x) =
1 2
(x x22 ).
2 1
Br
x2
x2 = x1
U
x1
x2 = x1
Figura 3.4: El conjunto U para V (x) = 12 (x21 x22 )
Sobre el eje x2 = 0, V (x) > 0 en puntos arbitrariamente cercanos al origen. El conjunto U
est
a graficado en la Figura 3.4. La derivada de V (x) sobre las trayectorias del sistema es
V (x) = x21 + x22 + x1 g1 (x) x2 g2 (x)
La magnitud del termino x1 g1 (x) x2 g2 (x) satisface
|x1 g1 (x) x2 g2 (x)|
2
X
i=1
|xi ||gi (x)| 2kkxk32
Por lo tanto,
V (x) kxk22 2kkxk32 = kxk22 (1 2kkxk2 )
Eligiendo r tal que Br D y r < 1/(2k), vemos que todas las condiciones del Teorema 3.3 se
satisfacen. Entonces el origen es inestable.
62
3.2.
Estabilidad Seg
El Principio de Invariancia
En el Ejemplo 3.4 vimos que la funci

on de energa no era suficiente para probar que el origen es
2
AE porque V (x) = (k/m)x2 es s

olo semidefinida negativa. Sin embargo V (x) es siempre negativa
salvo en el eje x2 = 0, donde V (x) = 0. Para que el sistema pueda mantener la condici
on V (x) = 0,
la trayectoria debe quedar confinada al eje x2 = 0. Pero esto es imposible a menos que x1 = 0
porque
x2 (t) 0 = x 2 (t) 0 = sen x1 (t) 0
Por lo tanto, en el segmento < x1 < del eje x2 = 0, el sistema puede mantener la condici
on
V (x) = 0 s
olo en el origen. Es decir V (x(t)) debe decrecer a cero y en consecuencia x(t) 0 cuando
t . Esta idea puede formalizarse en el principio de invariancia de LaSalle, que vamos a enunciar
y demostrar luego de introducir algunos conceptos.
Sea x(t) una soluci
on de (3.1).
Un punto p es un punto lmite positivo de x(t) si existe una secuencia {tn }, con tn
cuando n , tal que x(tn ) p cuando n .
El conjunto de todos los puntos lmites positivos de x(t) se denomina el conjunto lmite positivo
de x(t).
Un conjunto M es un conjunto invariante con respecto a (3.1) si
x(0) M = x(t) M ,
t R
Un conjunto M es un conjunto invariante positivo si

x(0) M = x(t) M ,
t 0
Decimos que x(t) tiende a M cuando t tiende a infinito si para cada > 0 existe T > 0 tal
que
dist(x(t), M ) < ,
t > T
donde dist(p, M ) denota la distancia de un punto p a un conjunto M , es decir, dist(p, M ) =

nf xM kp xk.
Un PE AE es el conjunto lmite positivo de toda soluci
on que comience suficientemente cerca del
PE. Un ciclo lmite estable es conjunto lmite positivo de toda soluci
on que comience suficientemente
cerca del ciclo lmite. La soluci
on tiende al ciclo lmite cuando t pero no necesariamente a
alg
un punto especfico del ciclo lmite, es decir el lmt x(t) no necesariamente existe. El PE y
el ciclo lmite son conjuntos invariantes porque toda soluci
on que comience sobre ellos se queda
n
all para todo t R. El conjunto c = {x R | V (x) c} con V (x) 0 para todo x c es un
conjunto invariante positivo.
Lema 3.4. Si una soluci
on x(t) de (3.1) es acotada y permanece en D para todo t 0, entonces
su conjunto lmite positivo L+ es un conjunto invariante, no vaco y compacto. Ademas,
x(t) L+
cuando t .
3.2 El Principio de Invariancia
63
Teorema 3.5 (LaSalle). Sea D un conjunto compacto que es invariante positivo con respecto
a (3.1). Sea V : D R una funci
on continuamente diferenciable tal que V (x) 0 en . Sea E
el conjunto de todos los puntos de donde V (x) = 0. Sea M el mayor conjunto invariante en E.
Entonces toda soluci
on que comienza en tiende a M cuando t .
Demostraci
on. Sea x(t) una soluci
on de (3.1) que comienza en . Como V (x) 0 en , V (x(t))
es una funci
on decreciente de t. Como V (x) es continua en el conjunto compacto , est
a acotada
inferiormente en , por lo tanto V (x(t)) tiene un lmite a cuando t . Notemos tambien que
el conjunto lmite positivo L+ est
a en porque es un conjunto cerrado. Para cada p L+ ,
existe una secuencia tn tal que tn y x(tn ) p cuando n . Por continuidad de V (x),
V (p) = lmn V (x(tn )) = a, lo que implica V (x) = a en L+ . Como L+ es un conjunto invariante
(por Lema 3.4), V (x) = 0 en L+ . Por lo tanto,
L+ M E
Como x(t) es acotada, x(t) tiende a L+ cuando t (por Lema 3.4). Por lo tanto x(t) tiende a
M cuando t .

A diferencia del Teorema de Lyapunov, el Teorema 3.5 no requiere que V (x) sea definida positiva.
Tampoco el conjunto est
a necesariamente ligado a la construccion de V (x). Sin embargo, en
muchas aplicaciones, la construccion de V (x) en si misma va a garantizar la existencia de un conjunto
. En particular, si c = {x Rn | V (x) c} es acotado y V (x) 0 en c , entonces podemos
tomar = c . Cuando V (x) es definida positiva, c es acotado para c > 0 suficientemente peque
no.
2
Esto no es verdad en general si V (x) no es definida positiva. Por ejemplo si V (x) = (x1 x2 ) , el
conjunto c no es acotado por m
as peque
no que sea c. Si V (x) es radialmente no acotada (o sea,
verifica (3.11)), el conjunto c es acotado para todo valor de c, sea V (x) definida positiva o no.
Cuando nuestro interes es el de mostrar que x(t) 0 cuando t , tenemos que probar que
el m
aximo conjunto invariante en E es el origen. Esto se hace mostrando que ninguna soluci
on,
excepto la trivial x(t) = 0, puede permanecer identicamente en E. Especializando el Teorema 3.5 a
este caso, obtenemos los siguientes corolarios, que extienden los Teoremas 3.1 y 3.2.
Corolario 3.6. Sea x = 0 un PE de (3.1). Sea V : D R una funcion continuamente diferenciable
y definida positiva en un dominio D que contiene al origen x = 0, y tal que V (x) 0 en D. Sea
S = {x D | V (x) = 0} y supongamos que ninguna soluci
on, excepto la trivial x(t) = 0, puede
permanecer identicamente en S. Entonces el origen es AE.
Corolario 3.7. Sea x = 0 un PE de (3.1). Sea V : Rn R una funcion continuamente diferenciable,

radialmente no acotada y definida positiva, y tal que V (x) 0 en Rn . Sea S = {x Rn | V (x) = 0}
y supongamos que ninguna soluci
on, excepto la trivial x(t) = 0, puede permanecer identicamente
en S. Entonces el origen es GAE.

x 1 = x2
x 2 = g(x1 ) h(x2 )
donde g y h son localmente Lipschitz y satisfacen
g(0) = 0 ,
yg(y) > 0 ,
h(0) = 0 ,
yh(y) > 0 ,
y 6= 0 , y (a, a)
y 6= 0 , y (a, a)
64
Estabilidad Seg
El sistema tiene un PE aislado en el origen. Dependiendo de las funciones g y h, podra tener otros
PE. La ecuaci
on de este sistema puede verse como una generalizaci
on de la del pendulo con h(x2 )
como el termino de friccion. Tomemos como candidata a funcion de Lyapunov la funcion de energa
Z x1
1
g(y)dy + x22
(3.14)
V (x) =
2
0
Sea D = {x R2 | a < xi < a}. V (x) es definida positiva en D. La derivada de V (x) sobre las
trayectorias del sistema es
V (x) = g(x1 )x2 + x2 [g(x1 ) h(x2 )] = x2 h(x2 ) 0
Por lo tanto, V (x) es semidefinida negativa. Para caracterizar el conjunto S = {x D | V (x) = 0},
notemos que
V (x) = 0 = x2 h(x2 ) = 0 = x2 = 0 , ya que a < x2 < a
Por lo tanto S = {x D | x2 = 0}. Supongamos que x(t) es una trayectoria que pertenece
identicamente a S. Entonces
x2 (t) 0 = x 2 (t) 0 = g(x1 (t)) 0 = x1 (t) 0
Por lo tanto, la u
nica soluci
on que puede quedarse identicamente en S es la trivial; concluimos que
el origen es AE.
Supongamos ahora que el par
ametro a = y adem
as g satisface la condici
on adicional
Z y
g(z)dz cuando |y|
0
La funcion de Lyapunov (3.14) es radialmente no acotada. En forma similar a lo hecho arriba se

puede probar que V (x) 0 en R2 , y el conjunto
S = {x R2 | V (x) = 0} = {x R2 | x2 = 0}
contiene ninguna otra soluci
on salvo la trivial. Concluimos que en este caso el origen es GAE.
El teorema de LaSalle no s
olo relaja el requisito del teorema de Lyapunov de que la derivada
sea definida negativa, sino que lo extiende en tres direcciones:
da una estima de la regi
on de atracci
on que no es necesariamente de la forma c = {x Rn |
V (x) c};
se puede usar en casos donde exista un conjunto de equilibrio en lugar de un PE aislado;
la funcion V (x) no tiene que ser definida positiva.
Ejemplo 3.9. Consideremos el sistema de primer orden (cf. 1.2.6)
y = ay + u
y la ley de control adaptable
u = ky ,
k = y 2 , > 0
3.3 Regi
on de Atracci
on
65
Tomando x1 = y y x2 = k, el sistema a lazo cerrado se representa como

x 1 = (x2 a)x1
x 2 = x21
El eje x1 = 0 es un conjunto de equilibrio del sistema. Queremos probar que toda trayectoria del
sistema tiende a este conjunto de equilibrio cuando t , lo que significa que el control adaptable
logra regular y a cero. Consideremos la candidata a funcion de Lyapunov
V (x) =
1 2
1
x +
(x2 b)2
2 1 2
donde b > a. La derivada de V (x) sobre las trayectorias del sistema est
a dada por
1
V (x) = x1 x 1 + (x2 b)x 2
2
= x1 (x2 a) + x21 (x2 b)
= x21 (b a) 0
Como V (x) es radialmente no acotada, el conjunto c = {x R2 | V (x) c} es un conjunto

invariante positivo compacto. Por lo tanto, tomando = c se cumplen todas las condiciones del
Teorema 3.5. El conjunto E est
a dado por
E = {x c | x1 = 0}
Como todo punto en el eje x1 = 0 es un PE, E es un conjunto invariante. Por lo tanto, en este
ejemplo, M = E. Por el Teorema 3.5 concluimos que toda trayectoria que comienza en c tiende a
E cuando t ; es decir, x1 0 cuando t . Mas a
un, como V (x) es radialmente no acotada,
esta conclusion es global.
Notemos que si no conocemos la constante a, o una cota de ella, la funcion de Lyapunov del
ejemplo anterior no se conoce, s
olo se sabe que existe.
3.3.
Regi
on de Atracci
on
Sea el origen x = 0 un PE AE del sistema no lineal

x = f (x)
(3.15)
donde f : D Rn es localmente Lipschitz y D Rn es un dominio que contiene el origen. Sea

(t; x) la soluci
on de (3.15) con estado inicial x en t = 0. La regi
on de atracci
on (RA) del origen,
RA , se define como
RA = {x D | (t; x) 0 cuando t }
El siguiente Lema enuncia algunas propiedades de la RA.
Lema 3.8. Si x = 0 es un PE AE de (3.15), entonces su RA RA es un conjunto conexo e invariante.
Mas a
un, la frontera de RA est
a formada por trayectorias.
66
Estabilidad Seg
x2
x1
Figura 3.5: Retrato de fase para el Ejemplo 3.10
Ejemplo 3.10. El sistema

x 1 = x2
x 2 = x1 + (x21 1) x2
es la ecuaci
on de Van der Pol en tiempo invertido, es decir, reemplazando t por t. El sistema tiene
un PE en el origen y un ciclo lmite (CL) inestable (ver Figura 3.5). El retrato de fase muestra que
el origen es un foco estable, por lo tanto es AE. Esto se confirma linealizando, ya que obtenemos

V
0 1
=
(3.16)
A=
1 1
x x=0
que tiene autovalores en 1/2 j 3/2. La RA es acotada porque las trayectorias que comienzan
afuera del CL no lo pueden cruzar para llegar al origen. Como no hay otro PE, la frontera de RA
tiene que ser el CL.

x 1 = x2
1
x 2 = x1 + x31 x2
3
(3.17)
que tiene tres PE aislados en (0, 0), ( 3, 0) y ( 3, 0). El retrato de fase, graficado en la Figura 3.6,
muestra que el origen es un foco estable y los otros dos PE son ensilladuras. Por lo tanto, el origen
es AE y los otros PE son inestables, lo que se puede confirmar linealizando. De la figura se puede
ver que las trayectorias estables de la ensilladura forman dos separatrices que son la frontera de la
RA, la cual es no acotada.

x 1 = x1 (1 x21 x22 )
x 2 = x2 (1 x21 x22 )
tiene un PE aislado en el origen y un continuo de PEs sobre el crculo unitario: cada punto sobre el
crculo unitario es un PE. Es claro que RA debe estar confinada al interior del crculo unitario. Las
3.3 Regi
on de Atracci
on
67
x2
x1
Figura 3.6: Retrato de fase para el Ejemplo 3.11
trayectorias de este sistemas son los radios del crculo unitario, lo que se puede ver transformando
a coordenadas polares:
x1 = cos ,
x2 = sen
2
= (1 )
Toda trayectoria que comienza con < 1 tiende al origen cuando t . Por lo tanto, RA es el
interior del crculo unitario.
El metodo de Lyapunov puede usarse para encontrar estimas de la RA. Por una estima de la
RA entendemos un conjunto RA tal que toda trayectoria que comienza en tienda al origen
cuando t . Vamos primero a mostrar que el dominio D del Teorema 3.1 no es una estima de
RA . Vimos en el Teorema 3.1 que si D es un dominio que contiene el origen, y si podemos encontrar
una funcion de Lyapunov V (x) que es definida positiva en D y V (x) es definida negativa en D,
entonces el origen es AE. Se podra pensar que D es una estima de la RA. Esto no es cierto, como
lo demuestra el siguiente ejemplo.
Ejemplo 3.13. Consideremos otra vez el sistema (3.17), que es un caso especial del sistema del
Ejemplo 3.5 con h(x1 ) = x1 13 x31 y a = 1. Por lo tanto, una funcion de Lyapunov es (3.9), donde
tomamos, por ejemplo, = 1, k = 1/2:
"1 1#
Z x1
1
1 t 2 2
(y y 3 )dy
x+
V (x) = x 1
2
3
1
0
2
1
1
1
3
= x21 x41 + x1 x2 + x22
4
12
2
2
Definiendo el dominio D como
D = {x R2 | 3 < x1 < 3}
vemos que V (x) > 0 en D y V (x) < 0 en D {0}. Sin embargo, se puede ver en el retrato de fase
de la Figura 3.6 que D no est
a incluido en RA .
El ejemplo anterior muestra que el hecho de que V (x) < 0 en una regi
on no implica que la regi
on
sea una estima de la RA. Aunque una trayectoria que comienza en D se va a mover de una superficie
de nivel V (x) = c1 a otra interior V (x) = c2 con c2 < c1 , no hay garanta de que la trayectoria
68
Estabilidad Seg
permanecera para siempre en D. Una vez que la trayectoria sale de D, no hay garanta de que V (x)
sea negativa. Para que una regi
on sea una estima de la RA debe ser un conjunto invariante positivo,
es decir, toda trayectoria que comienza en el conjunto debe permanecer dentro de el en todo tiempo
futuro. La estima m
as simple de la RA es el conjunto
c = {x Rn | V (x) c}
cuando c es acotado y est
a contenido en D. Esto sigue como corolario del Teorema 3.5.
Usando los resultados de linealizaci
on de 3.4, sabemos que si la matriz Jacobiana

f
(x)
A=
x
x=0
es Hurwitz, entonces siempre podemos encontrar una funcion de Lyapunov cuadratica V (x) = xt P x
resolviendo la ecuaci
on de Lyapunov (3.20). Entonces, si A es Hurwitz, podemos siempre estimar la
RA del origen. Esto lo ilustramos en el ejemplo siguiente.
Ejemplo 3.14. Consideremos nuevamente el sistema del Ejemplo 3.10. Vimos que el origen es
AE. Tomando Q = I y A de (3.16), obtenemos como u
nica soluci
on de la ecuaci
on de Lyapunov
P A + At P = Q, la matriz definida positiva

1,5 0,5
P =
0,5
1
La funcion cuadratica V (x) = xt P x > 0 es una funcion de Lyapunov para el sistema en un entorno
del origen. Tenemos que determinar un dominio D alrededor del origen donde V (x) sea definida
negativa y un conjunto c D que sea acotado. Nos va a interesar encontrar c lo m
as grande
posible, es decir, el mayor valor para la constante c, porque c ser
a nuestra estima de la RA.
La derivada de V (x) sobre las trayectorias del sistema es
V (x) = (x21 + x22 ) (x31 x2 2x21 x22 )
El primer termino del lado derecho es la contribucion de la parte lineal Ax, mientras que el segundo
es la contribucion de la parte no lineal g(x) = f (x)Ax, que llamaremos el termino de perturbacion.
Como
kg(x)k2
0 cuando kxk2 0
kxk2
sabemos que hay una bola abierta D = {x R2 | kxk2 < r} en donde V (x) es definida negativa.
Una vez que encontremos D, podemos encontrar c D eligiendo
c < mn V (x) = min (P )r 2
kxk2 =r
donde min () denota el mnimo autovalor de una matriz. Por lo tanto, para agrandar la RA tenemos
que encontrar la bola m
as grande para la cual V (x) es definida negativa. Tenemos que
5
2
2
V (x) kxk2 + |x1 ||x1 x2 ||x1 2x2 | kxk2 +

kxk42
2
donde usamos |x1 | kxk2 , |x1 x2 | 12 kxk22 y |x1 2x2 | 5kxk2 . Por lo tanto, V (x) es definida
negativa en la bola D con radio dado por r 2 = 2/ 5 = 0,8944. En este ejemplo se puede encontrar
una estima menos conservadora trabajando en coordenadas polares. Tomando
x1 = cos ,
x2 = sen
3.4 Sistemas Lineales y Linealizaci

on
69
tenemos
V = 2 + 4 cos2 sen (2 sen cos )
2 + 4 | cos2 sen ||2 sen cos |
2 + 4 0,3849 2,2361
2 + 0,8614 < 0 ,
para 2 < 1/0,861
(3.18)
Usando (3.18) junto con min (P ) 0,69, elegimos

c = 0,8 <
0,69
0,861
El conjunto c con c = 0,8 es una estima de la RA.
3.4.
Sistemas Lineales y Linealizaci

on
El sistema lineal invariante

x = Ax
(3.19)
tiene un equilibrio en el origen, que es aislado s det A 6= 0. Si det A = 0, todo punto en el kernel
o subespacio nulo de A es un PE. Un sistema lineal no puede tener m
ultiples PE aislados, porque
si x
y z son dos PE de (3.19), entonces, por linealidad, todo punto en la recta que conecta a x
y z
es un PE. Las propiedades de estabilidad del origen pueden caracterizarse mediante la ubicaci
on de
los autovalores de A.
Teorema 3.9 (Estabilidad del Origen en Sistemas Lineales). El PE x = 0 de (3.19) es estable
s todos los autovalores de A tienen parte real no positiva y cada autovalor con parte real nula tiene
un bloque de Jordan asociado de orden 1. El PE x = 0 es GAE s todos los autovalores de A tienen
parte real negativa.
Cuando todos los los autovalores de A tienen parte real negativa, se dice que A es una matriz de
estabilidad o matriz Hurwitz. La estabilidad del origen puede tambien investigarse usando el metodo
de Lyapunov. Consideremos la candidata a funcion de Lyapunov
V (x) = xt P x
donde P es una matriz real simetrica definida positiva. La derivada de V (x) sobre las trayectorias
del sistema est
a dada por
V (x) = xt P x + x t P x = xt (P A + At P )x = xt Qx
donde Q es una matriz simetrica definida por
P A + At P = Q
(3.20)
Si Q es definida positiva, podemos concluir por el Teorema 3.1 que el origen es AE. En el caso de sistemas lineales, es posible revertir los pasos del metodo de Lyapunov. Supongamos que comenzamos
eligiendo Q como una matriz real simetrica definida positiva, y resolvemos (3.20) para encontrar P .
Si (3.20) tiene una soluci
on definida positiva, podemos nuevamente concluir que el origen es AE. La
ecuaci
on (3.20) se denomina ecuaci
on de Lyapunov.
70
Estabilidad Seg
Teorema 3.10. Una matriz A es Hurwitz, o sea, todos sus autovalores tienen parte real negativa,
s dada una matriz Q simetrica y definida positiva, existe una matriz P simetrica y definida positiva
que satisface la ecuaci
on de Lyapunov (3.20). Mas a
un, si A es Hurwitz, entonces P es la u
nica
soluci
on de (3.20).
Demostraci
on. La suficiencia sigue del Teorema 3.1 con la funcion de Lyapunov V (x) = xt P x,
como ya mostramos. Para probar la necesidad, supongamos que todos los autovalores de A tienen
parte real negativa y consideremos la siguiente matriz P
Z
t
eA t QeAt dt
(3.21)
P =
0
El integrando es una suma de terminos de la forma tk1 ei t con Re i < 0. Por lo tanto, la integral
existe. La matriz P es simetrica. Para probar que es definida positiva, suponemos lo contrario, es
decir, que existe un vector x 6= 0 tal que xt P x = 0. Sin embargo,
Z
t
xt eA t QeAt xdt = 0
xt P x = 0 =
0
= eAt x 0 , t 0 = x = 0
porque eAt es nosingular para todo t. Esta contradicci

on muestra que P es definida positiva.
Sustituyendo (3.21) en (3.20) se obtiene
Z
Z
t
At t
At
t
At eA t QeAt dt
e Qe Adt +
PA + A P =
0
Z0
d At t At
=
e Qe dt
dt
0

t

= eA t QeAt = Q
0
lo que muestra que P es una soluci

on de (3.20). Para mostrar que es la u
nica soluci
on, supongamos
que existe otra soluci

on P 6= P . Entonces,
(P P )A + At (P P ) = 0
Premultiplicando por eA
0=
tt
y postmultiplicando por eAt , obtenemos
d At t
e (P P )eAt
dt
Por lo tanto,
t
eA t (P P )eAt constante t
Evaluando en t = 0 y t = obtenemos P = P .
La resolucion de la ecuaci
on de Lyapunov (3.20) no es numericamente m
as ventajosa que calcular
los autovalores de A. La ventaja de este metodo es que nos provee de una funcion de Lyapunov
cuando A es Hurwitz. Esto nos va a servir para sacar conclusiones sobre el sistema cuando el lado
derecho Ax este perturbado.
Volvamos al sistema no lineal (3.1)
x = f (x)

on
71
donde f : D Rn es una funci

on continuamente diferenciable desde un dominio D Rn en Rn .
Supongamos que el origen x = 0 est
a en el interior de D y es un PE del sistema; es decir f (0) = 0.
Por el teorema del valor medio
fi (x) = fi (0) +
fi
(zi )x
x
(3.22)
donde zi es un punto sobre el segmento de lnea que conecta x al origen. La igualdad (3.22) vale para
todo punto x D tal que el segmento de lnea que conecta x al origen este totalmente contenido
en D. Como f (0) = 0, podemos escribir fi (x) como

fi
fi
fi
fi
fi (x) =
(zi )x =
(0)x +
(zi )
(0) x
x
x
x
x
Por lo tanto
f (x) = Ax + g(x)
donde
A=
f
(0) ,
x
gi (x) =

fi
fi
(zi )
(0) x
x
x
La funcion gi (x) satisface

fi
fi

(zi )
(0) kxk
|gi (x)|
x
x
Por continuidad de f /x vemos que
kg(x)k
0 cuando kxk 0
kxk
Esto sugiere que en un entorno peque
no del origen podemos aproximar al sistema no lineal (3.1)
por su linealizaci
on alrededor del origen
x = Ax
donde A =
f
(0)
x
El siguiente teorema, conocido como el metodo indirecto de Lyapunov, da condiciones para determinar la estabilidad del origen del sistema no lineal, a traves del estudio de la estabilidad del sistema
linealizado.
Teorema 3.11 (Metodo Indirecto de Lyapunov). Sea x = 0 un PE del sistema no lineal
x = f (x)
donde f : D Rn es una funci
on continuamente diferenciable y D Rn es un entorno del origen.
Sea

f
(x)
A=
x
x=0
Entonces
(i) El origen es AE si todos los autovalores de A tienen parte real negativa.
72
Estabilidad Seg
(ii) El origen es inestable si uno o m

as autovalores de A tiene parte real positiva.
Demostraci
on. Para probar la primera parte, asumamos que A es Hurwitz. Por el Teorema 3.10
sabemos que dada cualquier Q > 0 simetrica, la soluci
on P de (3.20) es definida positiva. Usamos
V (x) = xt P x
como candidata a funci
on de Lyapunov para el sistema no lineal. La derivada de V (x) sobre las
trayectorias del sistema est
a dada por
V (x) = xt P f (x) + [f (x)]t P x
= xt P [Ax + g(x)] + [xt At + gt (x)]P x
= xt (P A + At P )x + 2xt P g(x)
= xt Qx + 2xt P g(x)
El primer termino en el lado derecho es definido negativo, mientras que el segundo es, en general,
indefinido. La funci
on g(x) satisface
kg(x)k2
0 cuando kxk2 0
kxk2
Por lo tanto, dado > 0 existe r > 0 tal que
kg(x)k2 < kxk2 ,
kxk2 < r
Entonces
V (x) < xt Qx + 2kP k2 kxk22 ,
kxk2 < r
pero
xt Qx min (Q)kxk22
Notar que min (Q) es real y positivo porque Q es simetrica y definida positiva. Por lo tanto
V (x) < [min (Q) 2kP k2 ] kxk22 ,
kxk2 < r
Eligiendo < min (Q)/(2kP k2 ) aseguramos que V (x) es definida negativa. Por el Teorema 3.1, el
origen es AE.
Para probar la segunda parte, consideremos primero el caso en que A no tiene autovalores en
el eje imaginario, es decir A tiene un grupo de autovalores en el semiplano derecho abierto y otro
grupo en el semiplano izquierdo abierto. Entonces existe una matriz no singular T tal que

A1 0
T AT 1 =
0
A2
donde A1 y A2 son matrices Hurwitz. Sea

z
z = Tx = 1
z2
donde la partici
on de z es compatible con las dimensiones de A1 y A2 . El cambio de variables z = T x
transforma el sistema original
x = f (x) = Ax + g(x)

on
73
a la forma
z1 = A1 z1 + g1 (z)
(3.23)
z2 = A2 z2 + g2 (z)
donde las funciones gi (z) tienen la propiedad de que para todo > 0 existe r > 0 tal que
kgi (z)k2 < kzk2 ,
kzk2 r , i = 1, 2
(3.24)
El origen z = 0 es un PE para el sistema en las coordenadas z. Notemos que toda propiedad de

estabilidad de z = 0 se aplica directamente al PE x = 0 en las coordenadas originales ya que T es no
singular. Para mostrar que el origen es inestable, vamos a usar el Teorema 3.3. La funcion V (z) del
teorema se va a construir como en el Ejemplo 3.7, s
olo que ahora trabajamos con vectores en lugar
de escalares. Sean Q1 y Q2 matrices simetricas, definidas positivas, con las mismas dimensiones
que A1 y A2 , respectivamente. Como A1 y A2 son Hurwitz, sabemos por el Teorema 3.10 que las
ecuaciones de Lyapunov
Pi Ai + Ati Pit = Qi ,
i = 1, 2
(3.25)
tienen soluciones u
nicas definidas positivas P1 y P2 . Sea

0
t
t
t P1
V (z) = z1 P1 z1 z2 P2 z2 = z
z
0 P2
En el subespacio z2 = 0, V (z) > 0 en puntos arbitrariamente cercanos al origen. Sea
U = {z Rn | kzk2 r
V (z) > 0}
En U , usando (3.23), (3.24) y (3.25), tenemos

V = z1t (P1 A1 + At1 P1 )z1 + 2z1t P1 g1 (z) z2t (P2 A2 + At2 P2 )z2 2z2t P2 g2 (z)

P1 g1 (z)
t
t
t
= z1 Q1 z1 + z2 Q2 z2 + 2z
P2 g2 (z)
q
min (Q1 )kz1 k22 + min (Q2 )kz2 k22 2kzk2 kP1 k22 kg1 (z)k22 + kP2 k22 kg2 (z)k22
> ( 2 2)kzk22
donde = mn{min (Q1 ), min (Q2 )} y = m

ax{kP1 k2 , kP2 k2 }. Eligiendo < /(2 2) nos
aseguramos que V > 0 en U . Por lo tanto, el origen es inestable por el Teorema 3.3.
Notar que definiendo las matrices

0
0
t P1
t Q1
P =T
T,
Q=T
T
0 P2
0 Q2
que satisfacen la ecuaci
on
P A + At P = Q > 0
se puede probar el resultado aplicando el Teorema 3.3 en las coordenadas originales, usando el hecho
de que la funci
on V (x) = xt P x es positiva en puntos arbitrariamente cercanos al origen.
Supongamos ahora que A tiene adem
as autovalores sobre el eje imaginario. El truco para tratar
este caso es trasladar el eje imaginario. Supongamos que todos los autovalores de A en el semiplano
derecho abierto tienen parte real mayor que > 0. Entonces la matriz A (/2)I tiene el mismo
74
Estabilidad Seg
n
umero que A de autovalores en el semiplano derecho abierto, y ning
un autovalor sobre el eje
imaginario. Usando argumentos similares a los utilizados recien podemos calcular matrices P = P t
y Q = Qt > 0 tales que
P [A (/2)I] + [A (/2)I]t P = Q
y adem
as V (x) = xt P x es positiva en puntos arbitrariamente cercanos al origen. La derivada de
V (x) sobre las trayectorias del sistema satisface
V (x) = xt (P A + At P )x + 2xt P g(x)
= xt [P [A (/2)I] + [A (/2)I]t P ] x + xt P x + 2xt P g(x)
= xt Qx + V (x) + 2xt P g(x)

En el conjunto
{x Rn | kxk2 r
V (x) > 0}
donde r se elige tal que kg(x)k2 < kxk2 , kxk2 r, V (x) satisface
V (x) min (Q)kxk22 2kP k2 kxk2 kg(x)k2 (min (Q) 2kP k2 )kxk22
que es positiva para < min (Q)/(2kP k2 ). Aplicando el Teorema 3.3, concluimos que el origen es
inestable.

x = ax3
Linealizando alrededor del origen obtenemos

f
A=
(x)
= 3ax2 x=0 = 0
x
x=0
El autovalor est
a sobre el eje imaginario, por lo que no podemos decir nada acerca de la estabilidad
del origen como PE del sistema no lineal usando el sistema linealizado. Esta conclusion es genuina
ya que el origen puede ser AE, estable o inestable dependiendo del valor del par
ametro a. Si a < 0,
el origen es AE como puede probarse usando la funcion de Lyapunov V (x) = x4 . Si a = 0, el
sistema es lineal y el origen es estable. Si a > 0, el origen es inestable, como puede concluirse
usando el Teorema 3.3 y la funci
on V (x) = x4 , cuya derivada sobre las trayectorias del sistema es
6
V (x) = 4ax > 0 si a > 0.
3.5.
Ejercicios
Ejercicio 3.1.
Sea el sistema escalar x = axp + g(x), donde p es un entero positivo y g(x) satisface |g(x)|
k|x|p+1 en alg
un entorno del origen x = 0.
(i) Mostrar que el origen es AE si p es impar y a < 0.
(ii) Mostrar que el origen es inestable si p es impar y a > 0 o p es par y a 6= 0.
3.5 Ejercicios
75
Ejercicio 3.2.
Para cada uno de los siguientes sistemas usar una candidata a funcion de Lyapunov cuadratica
para mostrar que el origen es AE. Luego investigar si el origen es GAE.
x 1 = x1 + x22
(a)
x 1 = (x1 x2 )(x21 + x22 1)
(b)
x 1 = x1 + x21 x2
(c)
x 1 = x1 x2
(d)
x 2 = x2
x 2 = (x1 + x2 )(x21 + x22 1)

x 2 = x1 x2
x 2 = x1 x32
Ejercicio 3.3.
Usando V (x) = x21 + x22 estudiar la estabilidad del origen del sistema
x 1 = x1 (k2 x21 x22 ) + x2 (x21 + x22 + k2 )
x 2 = x1 (k2 + x21 + x22 ) + x2 (k2 x21 x22 )

(i) Cuando k = 0.
(ii) Cuando k 6= 0.
Ejercicio 3.4.
Usando el metodo del gradiente variable, encontrar una funcion de Lyapunov V (x) para mostrar
estabilidad asint
otica del origen del sistema
x 1 = x2
x 2 = (x1 + x2 ) sen(x1 + x2 ).
Ejercicio 3.5.
Sea V (x) = x21 /(1 + x21 ) + x22 y sea el sistema de segundo orden
6x1
+ 2x2
(1 + x21 )2
2(x1 + x2 )
x 2 =
(1 + x21 )2
x 1 =
(i) Mostrar que V (x) > 0 y V (x) < 0 para todo x R2 {0}.
(ii) Sea la hiperbola x2 = 2/(x1 2). Mostrar, investigando el campo vectorial sobre la frontera
de esta hiperbola, que las trayectorias a la derecha de la rama en el primer cuadrante no
pueden cruzar esa rama.
(iii) Mostrar que el origen no es globalmente asintoticamente estable.
76
Estabilidad Seg
Ayuda: En la parte (ii) mostrar que x 2 /x 1 = 1/(1+2 2x1 +2x21 ) sobre la hiperbola, y comparar
con la pendiente de las tangentes a la hiperbola.
Ejercicio 3.6.
Sea el sistema
x 1 = x2
x 2 = x1 sat(2x1 + x2 ).
(i) Mostrar que el origen es asint
oticamente estable.
(ii) Mostrar que todas las trayectorias que comienzan a la derecha de la curva x1 x2 = c (con c > 0
suficientemente grande) no pueden alcanzar el origen.
(iii) Mostrar que el origen no es GAE.
Ayuda: En la parte (ii) considerar V (x) = x1 x2 ; calcular V (x) y mostrar que sobre la curva
V (x) = c la derivada V (x) > 0 cuando c es suficientemente grande.
Ejercicio 3.7.
M
etodo de Krasovskii. Sea el sistema x = f (x) con f (0) = 0, con f (x) continuamente
diferenciable y tal que el Jacobiano [f /x] satisface
h f
i h f
iT
P
(x) +
(x) P I,
x Rn , donde P = P T > 0.
x
x
R1
(i) Usando la representaci
on f (x) = 0 f
x (x)x d, mostrar que
xT P f (x) + f T (x)P x xT x,
x Rn .
(ii) Mostrar que V (x) = f T (x)P f (x) es definida positiva para todo x Rn .
(iii) Mostrar que V (x) es radialmente no acotada.
(iv) Usando V (x) como candidata a funci
on de Lyapunov, mostrar que el origen es GAE.
Ejercicio 3.8.
Mostrar que el origen del sistema
x 1 = x1 + x62
x 2 = x32 + x61
es inestable.
Ejercicio 3.9.
Mostrar que el origen del sistema
x 1 = x31 + x2
x 2 = x61 x32
es inestable.
3.5 Ejercicios
77
Ayuda: Mostrar que el conjunto = {0 x1 1} {x2 x31 } {x2 x21 } es no vaco y

positivamente invariante. Luego investigar el comportamiento de las trayectorias dentro de .
Ejercicio 3.10.
Dado el sistema
x 1 = x2
x 2 = x1 x2 sat(x22 x23 )
x 3 = x3 sat(x22 x23 )
donde sat() es la funci

on saturacion, mostrar que el origen es el u
nico PE y usar V (x) = xT x para
mostrar que es GAE.
Ejercicio 3.11.
Para el sistema
x 1 = (x1 x2 1)x31 + (x1 x2 1 + x22 )x1
x 2 = x2
(i) Mostrar que x = 0 es el u

nico punto de equilibrio.
(ii) Mostrar, por linealizaci
on, que x = 0 es AE.
(iii) Mostrar que = {x R2 : x1 x2 2} es positivamente invariante en el primer cuadrante.
(iv) Es el equilibrio GAE? Justificar la respuesta.
Ejercicio 3.12.
Mostrar que el origen de
x 1 = x2
x 2 = x1 + x31 x2
es AE y estimar la regi
on de atracci
on.
Ejercicio 3.13.
Para cada uno de los siguientes sistemas usar linealizaci
on para mostrar que el origen es AE.
Luego mostrar que el origen es GAE.
(
(
x 1 = x31 + x2
x 1 = x1 + x2
x 2 = ax1 bx2 ,
a, b > 0.
x 2 = (x1 + x2 ) sen x1 3x2
Ejercicio 3.14.
Mostrar que el sistema
x 1 = x1 + 2
x 2 = 2x2 + x1 (3 x1 x2 )
tiene un equilibrio GAE.
78
Estabilidad Seg
Ayuda: Encuentre el equilibrio y haga un cambio de coordenadas (x1 , x2 ) (y1 , y2 ) para correrlo
al origen. Luego use una funci
on de la forma
V (y1 , y2 ) = k1
y2
y4
y12
+ k2 2 + k3 1
2
2
4
para mostrar que el origen es GAE en las coordenadas (y1 , y2 ).
Captulo 4
Estabilidad Seg
un Lyapunov. Sistemas
Inestacionarios
Este captulo extiende el metodo de Lyapunov a sistemas no lineales inestacionarios. Definimos
los conceptos de estabilidad uniforme, estabilidad asintotica uniforme, y estabilidad exponencial
de un punto de equilibrio, y damos sus teoremas correspondientes. Presentamos adem
as teoremas
conversos, que establecen la existencia de funciones de Lyapunov para clases de sistemas no lineales.
Finalmente, extendemos el principio de invariancia de LaSalle a sistemas inestacionarios.
4.1.
El Teorema de Estabilidad de Lyapunov
Consideremos el sistema inestacionario

x = f (t, x)
(4.1)
donde f : [0, )D Rn es seccionalmente continua en t y localmente Lipschitz en x en [0, )D,

y D Rn es un dominio que contiene al origen x = 0. El origen es un PE de (4.1) para t = 0 si
f (t, 0) = 0 ,
t 0
Un equilibrio en el origen puede ser la translacion de un PE que no est

a en cero o, m
as generalmente,
la translacion de una soluci
on no nula del sistema. Para ver este u
ltimo punto, supongamos que
y( ) es una soluci
on del sistema
dy
= g(, y)
d
definida para todo a. El cambio de variables
x(t) = y( ) y( ) ;
t= a
transforma al sistema en la forma

x = g(t + a, x + y(t + a)) y (t + a) , f (t, x)
Como
y (t + a) = g(t + a, y(t + a)) ,
t 0
el origen x = 0 es un PE del sistema transformado para t = 0. Por lo tanto, examinando la

estabilidad del origen como un PE del sistema transformado, determinamos la estabilidad de la
80
Estabilidad Seg
soluci
on y( ) del sistema original. Notar que si y( ) no es constante, el sistema transformado es
inestacionario aunque el sistema original sea estacionario. Por lo tanto, el estudio de estabilidad de
soluciones en el sentido de Lyapunov s
olo puede hacerse mediante el estudio de la estabilidad de
equilibrios de sistemas inestacionarios.
Antes de definir estabilidad para el sistema (4.1), veamos un par de ejemplos.
Ejemplo 4.1 (Estabilidad no uniforme en t). El sistema lineal de primer orden
x = (6t sen t 2t)x
tiene como soluci
on
x(t) = x(t0 ) exp
Z
t
t0
(6 sen 2 )d

= x(t0 ) exp 6 sen t 6t cos t t2 6 sen t0 + 6t0 cos t0 + t20
Para cualquier t0 , el termino t2 va a dominar, lo que muestra que la exponencial est

a acotada para
todo t t0 por una constante c(t0 ) dependiente de t0 . Por lo tanto
|x(t)| < |x(t0 )|c(t0 ) ,
t t0
Para cualquier > 0, la elecci

on = /c(t0 ) muestra que el origen es estable. Supongamos ahora
que t0 toma sucesivamente los valores t0 = 2n con n = 0, 1, . . . , y supongamos que x(t) es evaluada
segundos m
as tarde en cada caso. Tenemos
x(t0 + ) = x(t0 ) exp[(4n + 1)(6 )]
Esto implica que, para x(t0 ) 6= 0,
x(t0 + )
x(t0 )
cuando n
Por lo tanto, dado > 0, no existe independiente de t0 tal que la propiedad de estabilidad valga
uniformemente en t0 .
Ejemplo 4.2 (Estabilidad asint

otica no uniforme). El sistema lineal de primer orden
x =
x
,
1+t
t0 > 1,
tiene como soluci

on
x(t) = x(t0 ) exp
Z
t
t0
1
d
1+
1 + t0
= x(t0 )
1+t
Como |x(t)| |x(t0 )| para todo t t0 , el origen es estable; es m

as, dado > 0 podemos elegir
independiente de t0 . Tambien es claro que
x(t) 0 cuando t
Es decir, dado > 0, existe T (, t0 ) tal que |x(t)| < para todo t t0 + T . Por lo tanto, de acuerdo
a la Definici
on 3.1, el origen es AE. Notemos, sin embargo, que la convergencia de x(t) al origen no
es uniforme con respecto a t0 porque T no puede elegirse independiente de t0 .
81
Nos va a interesar entonces definir estabilidad del origen como una propiedad uniforme con
respecto al instante inicial.
Definici
on 4.1 (Estabilidad Uniforme). El PE x = 0 de (4.1) es
estable, si para cada > 0 existe = (, t0 ) > 0 tal que
kx(t0 )k < = kx(t)k < ,
t t0
(4.2)
uniformemente estable, si para cada > 0 existe = () > 0, independiente de t0 , tal que
(4.2) se satisface.
inestable, si no es estable.
asint
oticamente estable, si es estable y existe c = c(t0 ) tal que x(t) 0 cuando t , para
todo kx(t0 )k < c.
uniformemente asint
oticamente estable, si es uniformemente estable y existe c > 0 independiente de t0 tal que para todo kx(t0 )k < c, x(t) 0 cuando t , uniformemente en t0 ; es
decir, para cada > 0 existe T = T () tal que
kx(t)k < ,
t t0 + T () ,
kx(t0 )k < c
globalmente uniformemente asint

oticamente estable, si es uniformemente estable y para cada
par de n
umeros positivos y c, existe T = T (, c) tal que
kx(t)k < ,
t t0 + T (, c) ,
kx(t0 )k < c
Podemos caracterizar las propiedades introducidas en Definici

on 4.1 en terminos de un tipo
especial de funciones escalares, conocidas como funciones clase K y clase KL.
Definici
on 4.2 (Funci
on de Clase K). Una funcion continua : [0, a) [0, ) pertenece a la
clase K si es estrictamente creciente y (0) = 0. Se dice que pertenece a la clase K si a = y
(r) cuando r .
Definici
on 4.3 (Funci
on de Clase KL). Una funcion continua : [0, a) [0, ) [0, ) pertenece
a la clase KL si, para cada s fijo, el mapeo (r, s) es clase K con respecto a r, y, para cada r fijo,
el mapeo (r, s) es decreciente con respecto a s y (r, s) 0 cuando s .
Ejemplo 4.3 (Funciones clase K y KL).

(r) = arctan r
es clase K pero no K .
(r) = r c con c cualquier n

umero real positivo, es clase K .
(r, s) = r/(ksr + 1), con k cualquier n
umero real positivo, es clase KL.
(r, s) = r c es , con c cualquier n
umero real positivo, es clase KL.
Lema 4.1. [Propiedades de funciones clase K y KL] Sean 1 () y 2 () funciones clase K en [0, a),
3 () y 4 () funciones clase K , y (, ) una funcion clase KL. Denotemos 1
i () a la inversa de
i (). Entonces
1
a definida en [0, 1 (a)) y es clase K.
1 est
82
Estabilidad Seg
1
a definida en [0, ) y es clase K .
3 est
1 2 es clase K.
3 4 es clase K .
(r, s) = 1 ((2 (r), s)) es clase KL.
El siguiente lema da definiciones equivalentes para estabilidad uniforme y EA uniforme usando

funciones clase K y KL.
Lema 4.2 (Estabilidad uniforme y funciones clase K y KL). El PE x = 0 de (4.1) es
uniformemente estable s existe una funcion () clase K y una constante positiva c, independiente de t0 , tal que
kx(t)k (kx(t0 )k) ,
t t0 0 ,
kx(t0 )k < c
(4.3)
uniformemente asint
oticamente estable s existe una funcion (, ) clase KL y una constante
positiva c, independiente de t0 , tal que
kx(t)k (kx(t0 )k, t t0 ) ,
t t0 0 ,
kx(t0 )k < c
(4.4)
globalmente uniformemente asint

oticamente estable s (4.4) se satisface para cualquier estado
inicial x(t0 ).
Para sistemas estacionarios, estabilidad y EA seg

un la Definici
on 3.1 implican la existencia de
funciones clase K y KL que satisfacen (4.3) y (4.4). Esto es porque para sistemas estacionarios, la
estabilidad y EA del origen son uniformes con respecto al instante inicial.
Un caso especial de estabilidad asint
otica uniforme ocurre cuando la funcion en (4.4) tiene la
s
forma (r, s) = kre .
Definici
on 4.4 (Estabilidad Exponencial). El PE x = 0 de (4.1) es exponencialmente estable si la
desigualdad (4.4) se satisface con
(r, s) = kres ,
k > 0, > 0
y es globalmente exponencialmente estable si esta condici

on se satisface para cualquier estado inicial.
Una funcion definida positiva puede acotarse con funciones clase K, como lo muestra el siguiente
lema.
Lema 4.3 (Signo definido y funciones clase K). Sea V (x) : D R una funcion continua definida
positiva, definida en un dominio D Rn que contiene al origen. Sea Br D para alg
un r > 0.
Entonces existen 1 y 2 , funciones clase K definidas en [0, r], tal que
1 (kxk) V (x) 2 (kxk)
para todo x Br . Mas a
un, si D = Rn y V (x) es radialmente no acotada, entonces 1 y 2 pueden
elegirse clase K y la desigualdad anterior vale para todo x Rn .
83
Demostraci
on. Definamos (s) como
(s) =
nf
skxkr
V (x)
para 0 s r
La funcion (s) es continua, definida positiva, y creciente. Mas a

un, V (x) (kxk) para 0 kxk
r. Como () no es necesariamente estrictamente creciente, definimos una funcion 1 (s) clase K tal
que 1 (s) k(s) con 0 < k < 1. Entonces,
V (x) (kxk) 1 (kxk)
para kxk r
Por otro lado, definamos (s) como

(s) = sup V (x)
kxks
para 0 s r
La funcion (s) es continua, definida positiva, y creciente (no necesariamente estrictamente creciente). Mas a
un, V (x) (kxk) para kxk r. Sea 2 (s) una funcion clase K tal que 2 (s) k(s)
con k > 1. Entonces,
V (x) (kxk) 2 (kxk)
para kxk r
Si V (x) es radialmente no acotada, entonces existen constantes positivas c y r1 tales que V (x) c
para todo kxk > r1 . Las definiciones de (s) y (s) son ahora
(s) = nf V (x) ,
kxks
(s) = sup V (x) ,

kxks
para s 0
Estas funciones son continuas, definidas positivas, crecientes, y tienden a infinito cuando s .
Por lo tanto, las funciones 1 y 2 pueden elegirse clase K .

Si V (x) = xt P x es una funci
on definida positiva cuadratica, el lema anterior sigue de las
desigualdades
min (P )kxk22 xt P x max (P )kxk22
El Teorema siguiente es el metodo de Lyapunov para establecer la estabilidad uniforme de un
PE.
Teorema 4.4 (Estabilidad Uniforme). Sea x = 0 un PE de (4.1) y sea D Rn un dominio que
contiene al origen. Sea V : [0, ) D R una funcion continuamente diferenciable tal que
W1 (x) V (t, x) W2 (x)
V
V
+
f (t, x) 0
t
x
(4.5)
(4.6)
t 0, x D, donde W1 (x) y W2 (x) son funciones continuas definidas positivas en D. Entonces

x = 0 es uniformemente estable.
Demostraci
on. La derivada de V a lo largo de las trayectorias de (4.1) est
a dada por
V
V
+
f (t, x) 0.
V (t, x) =
t
x
Elijamos r > 0 y c > 0 tales que Br D y c < mnkxk=r W1 (x). De esta forma, el conjunto
{x Br | W1 (x) c} est
a en el interior de Br . Definamos un conjunto dependiente del tiempo t,c
a traves de
t,c = {x Br | V (t, x) c}.
84
Estabilidad Seg
El conjunto t,c contiene a {x Br | W2 (x) c}, ya que

W2 (x) c
V (t, x) c.
A la vez, t,c es un subconjunto de {x Br | W1 (x) c}, ya que

V (t, x) c
W1 (x) c.
Combinando todo, hasta aqu tenemos

{x Br | W2 (x) c} t,c {x Br | W1 (x) c} Br D
para todo t 0.
Como V (t, x) 0 en D, para cualesquiera t0 0 y x0 t0 ,c la soluci
on que comienza
en (t0 , x0 ) permanece en t,c para todo t t0 . Por lo tanto, cualquier soluci
on que comience
dentro de {x Br | W2 (x) c} permanece en t,c , y consecuentemente permanece dentro de
{x Br | W1 (x) c} para todo tiempo futuro. Entonces, la soluci
on es acotada y definida para
todo t 0. Adicionalmente, como V 0, se cumple que

V (t, x(t)) V (t0 , x(t0 )),
t t0 .
Por el Lema 4.3, existen funciones 1 y 2 , ambas de clase K y definidas en [0, r], tales que
1 (kxk) W1 (x) V (t, x) W2 (x) 2 (kxk).
Combinando las desigualdades anteriores, vemos que
1
1
kx(t)k 1
1 (V (t, x(t))) 1 (V (t0 , x(t0 ))) 1 (2 (kx(t0 )k).
1
Como la funcion 1
1 2 es de clase K, la desigualdad kx(t)k 1 (2 (kx(t0 )k)) muestra que el
origen es uniformemente estable.
Vamos a ver ahora el metodo de Lyapunov para demostrar estabilidad asintotica uniforme para
sistemas inestacionarios. Este metodo da condiciones suficientes para que la desigualdad (4.4) se
satisfaga. La funcion (, ) de clase KL en dicha desigualdad resultara de la soluci
on de una ecuaci
on
diferencial escalar aut
onoma, cuyas propiedades se dan en el siguiente resultado.
Lema 4.5. Consideremos la ecuaci
y = (y) ,
y(t0 ) = y0
donde () es una funci

on localmente Lipschitz y clase K definida en [0, a). Para toda 0 y0 < a,
esta ecuaci
on tiene una u
nica soluci
on y(t) definida para todo t t0 . Mas a
un,
y(t) = (y0 , t t0 )
donde (r, s) es una funci
on clase KL definida en [0, a) [0, ).
Dos simples ejemplos del Lema 4.5 son:
(i) y = k y, k > 0, cuya soluci
on es
y(t) = y0 ek(tt0 )
(r, s) = reks

(ii) y = k y 2 , k > 0, cuya soluci
on es
y(t) =
y0
ky0 (t t0 ) + 1
(r, s) =
85
r
krs + 1
El siguiente es el teorema principal de esta secci

on.
Teorema 4.6 (Estabilidad Asint
otica Uniforme). Sea x = 0 un PE de (4.1) y sea D Rn un
dominio que contiene al origen. Sea V : [0, ) D R una funcion continuamente diferenciable
tal que
W1 (x) V (t, x) W2 (x)
V
V
+
f (t, x) W3 (x)
t
x
(4.7)
(4.8)
t 0, x D, donde Wi (x) son funciones continuas definidas positivas en D. Entonces x = 0 es

uniformemente AE.
Demostraci
on. La derivada de V sobre las trayectorias de (4.1) satisface
V
V
+
f (t, x) W3 (x)
V (t, x) =
t
x
Elijamos r > 0 y > 0 tales que Br D y < mnkxk=r W1 (x). Entonces el conjunto {x Br |
W1 (x) } est
a en el interior de Br . Definamos el conjunto variante en el tiempo
t, = {x Br | V (t, x) }
El conjunto t, contiene al conjunto {x Br | W2 (x) } ya que
W2 (x) = V (t, x)
Por otro lado, t, es un subconjunto de {x Br | W1 (x) } ya que
V (t, x) = W1 (x)
Por lo tanto
{x Br | W2 (x) } t, {x Br | W1 (x) } Br D
para todo t 0. Para cualquier t0 0 y cualquier x0 t0 , , la soluci
on que comienza en (t0 , x0 )
permanece en t, para todo t t0 . Esto es porque V (t, x) es negativa en D {0} y por lo tanto
V (t, x) decrece. Entonces la soluci
on que comienza en (t0 , x0 ) est
a definida para todo t t0 y
x(t) Br . En el resto de la demostracion vamos a asumir que x0 {x Br | W2 (x) }. Por el
Lema 4.3, existen funciones 1 , 2 y 3 clase K, definidas en [0, r], tales que
W1 (x) 1 (kxk) ,
W2 (x) 2 (kxk) ,
W3 (x) 3 (kxk)
Por lo tanto, V y V satisfacen las desigualdades

1 (kxk) V (t, x) 2 (kxk)
V (t, x) 3 (kxk)
Entonces
V 3 (kxk) 3 (1
2 (V )) , (V )
86
Estabilidad Seg
La funcion () es clase K definida en [0, r] (ver Lema 4.1). Supongamos (sin perdida de generalidad)
que () es localmente Lipschitz. Sea y(t) la soluci
on de la ecuaci
on diferencial
y = (y) ,
y(t0 ) = V (t0 , x(t0 )) 0
Por el Lema 2.11 (principio de comparacion)

V (t, x(t)) y(t) ,
t t0
Por el Lema 4.5, existe una funci

on (r, s) de clase KL definida en [0, r) [0, ) tal que
V (t, x(t)) (V (t0 , x(t0 )), t t0 )
V (t0 , x(t0 )) [0, ]
Por lo tanto, toda soluci

on que comienza en t0 , , satisface la desigualdad
1
kx(t)k 1
1 (V (t, x(t))) 1 ((V (t0 , x(t0 )), t t0 ))
1
1 ((2 (kx(t0 )k), t t0 )) , (kx(t0 )k, t t0 )
Por el Lema 4.1, la funci

on (, ) es clase KL. Por lo tanto, la desigualdad (4.4) se satisface para
toda x(t0 ) {x Br | W2 (x) }, lo que implica que x = 0 es uniformemente asintoticamente
estable.

Una funcion V (t, x) que satisface la primer desigualdad en (4.5) se denomina definida positiva;
una funcion V (t, x) que satisface la segunda desigualdad en (4.5) se denomina decreciente (en ingles:
decrescent). Una funci
on V (t, x) que satisface (4.5) y (4.8) se denomina funcion de Lyapunov.
En la prueba del Teorema 4.6 se da una estima de la regi
on de atracci
on del origen a traves del
conjunto
{x Br | W2 (x) }
Esta estima nos permite obtener una versi
on global del Teorema 4.6.
Corolario 4.7 (Estabilidad Asint
otica Uniforme Global). Supongamos que las condiciones del
Teorema 4.6 se satisfacen para todo x Rn y W1 (x) es radialmente no acotada. Entonces x = 0 es
globalmente uniformemente AE.
El siguiente corolario da la versi

on para estabilidad exponencial.
Corolario 4.8 (Estabilidad Exponencial Uniforme). Supongamos que las condiciones del Teorema 4.6 se satisfacen con
W1 (x) k1 kxkc ,
W2 (x) k2 kxkc ,
W3 (x) k3 kxkc
para ciertas constantes positivas k1 , k2 , k3 y c. Entonces x = 0 es exponencialmente estable. Mas

a
un, si las condiciones valen globalmente, entonces x = 0 es globalmente exponencialmente estable.
Demostraci
on. V y V satisfacen las desigualdades
k1 kxkc V (t, x) k2 kxkc ,
k3
V (t, x) k3 kxkc V (t, x) .
k2
Por el principio de comparacion (Lema 2.11),
V (t, x(t)) V (t0 , x(t0 ))e(k3 /k2 )(tt0 )
87
Por lo tanto,
"
#1/c

V (t, x(t)) 1/c
V (t0 , x(t0 ))e(k3 /k2 )(tt0 )
kx(t)k
k1
k1
#1/c
"
k2 1/c
k2 kx(t0 )kc e(k3 /k2 )(tt0 )
kx(t0 )ke(k3 /k2 )(tt0 )
=
k1
k1

La cota de arriba muestra que el origen es exponencialmente estable. Si todas las hip
otesis valen
globalmente, la desigualdad vale para todo x(t0 ) Rn .

Ejemplo 4.4 (Sistema globalmente exponencialmente estable). Consideremos el sistema
x 1 = x1 g(t) x2
x 2 = x1 x2
donde g(t) es continuamente diferenciable y satisface

0 g(t) k ,
g(t)
g(t) , t 0
Tomemos V (t, x) = x21 + [1 + g(t)] x22 como candidata a funcion de Lyapunov. Es facil de ver que
x21 + x22 V (t, x) x21 + (1 + k) x22 , x R2
Por lo tanto, V (t, x) es definida positiva, decreciente, y radialmente no acotada. La derivada de V
sobre las trayectorias del sistema est
a dada por
2
V (t, x) = 2x21 + 2x1 x2 [2 + 2g(t) g(t)]x
Usando la desigualdad
2 + 2g(t) g(t)
2 + 2g(t) g(t) 2
obtenemos

t
2 1 x1
x1
2
2
, xt Qx
V (t, x) 2x1 + 2x1 x2 2x2 =
1 2
x2
x2
donde Q es definida positiva; por lo tanto V (t, x) es definida negativa. Todas las condiciones del
Teorema 4.6 se satisfacen globalmente con funciones cuadraticas W1 , W2 y W3 definidas positivas.
Por el Corolario 4.8, concluimos que el origen es globalmente exponencialmente estable.
Ejemplo 4.5 (Sistema lineal inestacionario). El sistema lineal no estacionario

x = A(t)x
(4.9)
tiene un PE en x = 0. Sea A(t) continua para todo t 0. Supongamos que existe una matriz P (t)
simetrica, , acotada y definida positiva, es decir,
0 < c1 I P (t) c2 I ,
t 0
Supongamos adem
as que P (t) es continuamente diferenciable y satisface la ecuaci
on diferencial
matricial
P (t) = P (t)A(t) + At (t)P (t) + Q(t)
(4.10)
88
Estabilidad Seg
donde Q(t) es continua, simetrica y definida positiva; es decir,

Q(t) c3 I > 0 ,
t 0
Consideremos la candidata a funci

on de Lyapunov
V (t, x) = xt P (t)x
La funcion V (t, x) es definida positiva, decreciente y radialmente no acotada, ya que
c1 kxk22 V (t, x) c2 kxk22
La derivada de V sobre las trayectorias del sistema (4.9) est
a dada por
V (t, x) = xt P (t)x + xt P (t)x + x t P (t)x
= xt [P (t) + P (t)A(t) + At (t)P (t)]x
= xt Q(t)x
c3 kxk22
Por lo tanto, V (t, x) es definida negativa. Todas las condiciones del Corolario 4.8 se satisfacen
globalmente con c=2. Concluimos que el origen es globalmente exponencialmente estable.
Si la matriz Q(t) se elige tambien acotada, adem

as de definida positiva, es decir
0 < c3 I Q(t) c4 I ,
t 0
y si A(t) es continua y acotada, entonces puede probarse que cuando el origen es uniformemente asintoticamente estable, existe una soluci
on de (4.10) con las propiedades requeridas, como lo
muestra el siguiente resultado.
Teorema 4.9. Sea x = 0 un PE uniformemente asintoticamente estable de (4.9). Supongamos que
A(t) es continua y acotada. Sea Q(t) una matriz continua, acotada, simetrica y definida positiva.
Entonces, existe una matriz P (t) continuamente diferenciable, simetrica, acotada y definida positiva,
que satisface (4.10), y V (t, x) = xt P (t)x es una funcion de Lyapunov para el sistema (4.9) que
satisface las condiciones del Teorema 4.6.
4.2.
Teoremas Conversos
El Teorema 4.6 y sus corolarios establecen estabilidad asintotica uniforme (o estabilidad exponencial) del origen requiriendo la existencia de una funcion de Lyapunov que satisfaga ciertas
condiciones. Aqu cabe preguntarnos: existe una funcion que satisfaga las condiciones del teorema?, como la encontramos si existe? Los teoremas conversos dan una respuesta afirmativa a la
primera pregunta. Para responder a la segunda pregunta vamos a ver m
as adelante que ser
a necesario especializar el an
alisis a ciertas clases de sistemas no lineales.
Teorema 4.10. Sea x = 0 un PE del sistema no lineal
x = f (t, x)
donde f : [0, ) D Rn es continuamente diferenciable, D = {x Rn | kxk < r}, y la matriz
Jacobiana f /x es acotada en D, uniformemente en t. Sean k, y r0 constantes positivas con
r0 < r/k. Sea D0 = {x Rn | kxk < r0 }. Supongamos que las trayectorias del sistema satisfacen
kx(t)k kkx(t0 )ke(tt0 ) ,
x(t0 ) D0 ,
t t0 0
4.2 Teoremas Conversos
89
Entonces existe una funci

on V : [0, ) D0 R que satisface las desigualdades
V
V
+
f (t, x) c3 kxk2
t
x

V

x c4 kxk
(4.11)
(4.12)
(4.13)
para ciertas constantes positivas c1 , c2 , c3 y c4 . Mas a

un, si r = y el origen es globalmente
exponencialmente estable, entonces V (t, x) est
a definida y satisface las desigualdades de arriba en
todo Rn . Si el sistema es estacionario, V puede elegirse independiente de t.
Demostraci
on. Debido a la equivalencia de normas, es suficiente probar el teorema para la norma
2. Sea (, t, x) la soluci
on del sistema que comienza en (t, x); es decir, (t, t, x) = x. Para todo
x D0 , (, t, x) D para todo t. Sea
V (t, x) =
t+T
t (, t, x)(, t, x)d
donde T es una constante positiva que se va a elegir despues. Dada la cota exponencial decreciente
de las trayectorias, tenemos
V (t, x) =
t+T
t+T
k(, t, x)k22 d
k2 e2( t) d kxk22 =
k2
(1 e2T )kxk22
2
Por otro lado, la matriz Jacobiana f /x es acotada en D. Sea

f

(t, x) L , x D
x

(4.14)
(4.15)
La funcion f (t, x) es Lipschitz en D con constante de Lipschitz L. Por lo tanto, la soluci

on (, t, x)
tiene la cota inferior (ver Ejercicio 2.7)
k(, t, x)k22 kxk22 e2L( t)
Entonces,
V (t, x)
t+T
e2L( t) d kxk22 =
1
(1 e2LT )kxk22
2L
(4.16)
Combinando (4.14) y (4.16) vemos que V (t, x) satisface (4.11) con

c1 =
1 e2LT
2L
c2 =
k2 (1 e2T )
2
Para calcular la derivada de V sobre las trayectorias del sistema, definamos las funciones de sensibilidad
t (, t, x) =
(, t, x) ;
t
x (, t, x) =
(, t, x) ;
x
90
Estabilidad Seg
Entonces,
V
V
+
f (t, x) =t (t + T, t, x)(t + T, t, x) t (t, t, x)(t, t, x)
t
x
Z t+T
Z t+T
2t (, t, x)x (, t, x)d f (t, x)
2t (, t, x)t (, t, x)d +
+
t
=t (t + T, t, x)(t + T, t, x) kxk22
Z t+T
2t (, t, x)[t (, t, x) + x (, t, x) f (t, x)]d
+
t
Es facil de probar (ver Ejercicio 2.12) que

t (, t, x) + x (, t, x) f (t, x) 0 ,
Por lo tanto
V
V
+
f (t, x) = t (t + T, t, x)(t + T, t, x) kxk22
t
x
(1 k2 e2T )kxk22
Eligiendo T = ln(2k2 )/(2), la desigualdad (4.12) se satisface con c3 = 1/2. Para probar la desigualdad (4.13), notemos que x (, t, x) satisface la ecuaci
on de sensibilidad
f
x =
(, (, t, x))x ,
x (t, t, x) = I
Por la condici
on (4.15), x satisface la cota (ver Ejercicio 2.7)
kx (, t, x)k2 eL( t)
Por lo tanto,

Z t+T

V

t

2 (, t, x)x (, t, x)d
x (t, x) =

t
2
2
Z t+T
2kt (, t, x)k2 kx (, t, x)k2 d
t
Z t+T
2ke( t) eL( t) d kxk2

t
2k
[1 e(L)T ) ]kxk2
L
Vemos que la desigualdad (4.13) se satisface con c4 = 2k[1 e(L)T ) ]/( L).
Si todas las hip
otesis valen globalmente, entonces r0 puede tomarse arbitrariamente grande.
Si el sistema es aut
onomo, (, t, x) depende s
olo de t; es decir (, t, x) = ( t, x).
Entonces
Z T
Z t+T
t (s, x)(s, x)ds
t ( t, x)( t, x)d =
V (t, x) =
t
que es independiente de t.
El siguiente teorema vincula la estabilidad exponencial del origen del sistema no lineal con la
estabilidad exponencial de su linealizaci
on alrededor del origen.
4.2 Teoremas Conversos
91

x = f (t, x)
donde f : [0, ) D Rn es continuamente diferenciable, D = {x Rn | kxk2 < r}, y la matriz
Jacobiana f /x es acotada y Lipschitz en D, uniformemente en t. Sea

f
A(t) =
(t, x)
x
x=0
Entonces el origen es un PE exponencialmente estable del sistema no lineal s es un PE exponencialmente estable para el sistema lineal
x = A(t)x
Demostraci
on. Como la matriz Jacobiana f /x es acotada y Lipschitz en D, uniformemente en t,
tenemos que

fi
fi

x1 , x2 D , t 0
x (t, x1 ) x (t, x2 ) L1 kx1 x2 k2 ,
2
para todo 1 i n. Por el teorema del valor medio
fi (t, x) = fi (t, 0) +
fi
(t, zi )x
x
donde zi es un punto en el segmento que conecta x al origen. Como f (t, 0) = 0 (porque el origen es
un PE), podemos escribir

fi
fi
fi
fi
(t, zi )x =
(t, 0)x +
(t, zi )
(t, 0) x
fi (t, x) =
x
x
x
x
Por lo tanto
f (t, x) = A(t)x + g(t, x)
donde
f
A(t) =
(t, 0)
x

fi
fi
gi (t, x) =
(t, zi )
(t, 0) x
x
x
La funcion g(t, x) satisface
kg(t, x)k2
2 !1/2
n
X

fi
f
i

(t,
z
)
(t,
0)
kxk2 Lkxk22
i

x
x
2
i=1
donde L = nL1 .
Ahora supongamos que el origen es un PE exponencialmente estable del sistema lineal y A(t)
es continua y acotada. Entonces el Teorema 4.9 garantiza la existencia de una matriz P (t) continuamente diferenciable, simetrica, acotada y definida positiva, que satisface (4.10), donde Q(t) es
continua, acotada, simetrica y definida positiva. Vamos a usar V (t, x) = xt P (t)x como candidata
92
Estabilidad Seg
a funcion de Lyapunov para el sistema no lineal. La derivada de V (t, x) sobre las trayectorias del
sistema satisface
V (t, x) = xt P (t)f (t, x) + f t (t, x)P (t)x + xt P (t)x
= xt [P (t)A(t) + At (t)P (t) + P (t)]x + 2xt P (t)g(t, x)
= xt Q(t)x + 2xt P (t)g(t, x)
c3 kxk22 + 2c2 Lkxk32

(c3 2c2 L)kxk22 ,
kxk2 <
Eligiendo < mn{r, c3 /(2c2 L)} nos aseguramos que V (t, x) es definida negativa en kxk2 < .
Vemos que todas las condiciones del Corolario 4.8 se satisfacen en kxk2 < , por lo tanto el origen
es exponencialmente estable.
Supongamos ahora que el origen es un PE exponencialmente estable del sistema no lineal.
Entonces existen constantes k, y c tales que
kx(t)k2 kkx(0)k2 e(tt0 ) ,
t t0 0 ,
kx(0)k2 < c
Eligiendo r0 < mn{c, r/k}, todas las condiciones del Teorema 4.10 se satisfacen. Sea V (t, x) la
funcion de Lyapunov dada por el Teorema 4.10, la que tomamos como candidata a funcion de
Lyapunov para el sistema lineal
x = A(t)x = f (t, x) [f (t, x) A(t)x] = f (t, x) g(t, x)
Entonces
V
V
V
V
V
+
A(t)x =
+
f (t, x)
g(t, x)
t
x
t
x
x
c3 kxk22 + c4 Lkxk32
(c3 c4 L)kxk22 ,
kxk2 <
Eligiendo < mn{r0 , c3 /(c4 L)}, resulta V (t, x) definida negativa en kxk2 < . Entonces todas las
condiciones del Corolario 4.8 se satisfacen en kxk2 < , por lo tanto el origen es un PE exponencialmente estable para el sistema lineal.

Ejemplo 4.6. Consideremos el sistema de primer orden
x = x3
Vimos en el Ejemplo 3.15 que el origen es AE, pero la linealizaci
on alrededor del origen es x = 0 cuya
matriz A no es Hurwitz. Usando el Teorema 4.11, concluimos que el origen no es exponencialmente
estable.
El siguiente teorema es un teorema converso para estabilidad asintotica uniforme.

x = f (t, x)
donde f : [0, ) D Rn es continuamente diferenciable, D = {x Rn | kxk < r}, y la matriz
Jacobiana f /x es acotada en D, uniformemente en t. Sea (, ) una funcion clase KL y r0 una
constante positiva tal que (r0 , 0) < r. Sea D0 = {x Rn | kxk < r0 }. Supongamos que las
trayectorias del sistema satisfacen
kx(t)k (kx(t0 )k, t t0 ) ,
x(t0 ) D0 ,
t t0 0
4.3 Teoremas de Invariancia
93
Entonces existe una funci

on V : [0, ) D0 R que satisface las desigualdades
1 (kxk) V (t, x) 2 (kxk)
V
V
+
f (t, x) 3 (kxk)
t
x

V

x 4 (kxk)
(4.17)
donde 1 (), 2 (), 3 () y 4 () son funciones clase K definidas en [0, r0 ]. Si el sistema es estacionario,
V puede elegirse independiente de t.
4.3.
Teoremas de Invariancia
Para sistemas estacionarios, el teorema de invariancia de LaSalle muestra que las trayectorias del
sistema tienden al m
aximo conjunto invariante contenido en el conjunto E = {x : V (x) = 0}.
En el caso de sistemas inestacionarios, no est
a claro, en principio, como definir el conjunto E, ya que
V (t, x) es funci
on tanto del tiempo como del estado. La situaci
on se simplifica si se puede probar
que
V (t, x) W (x) 0
porque entonces E puede definirse como el conjunto de puntos donde W (x) = 0. Sera de esperar que
las trayectorias del sistema tiendan a E cuando t tiende a infinito. Ese es precisamente el resultado
del siguiente teorema, que enunciamos despues de un Lema preliminar.
Lema 4.13 (Lema de Barbalat).
Sea : R R una funcion uniformemente continua en [0, ).
Rt
Supongamos que lmt 0 ( ) d existe y es finito. Entonces
(t) 0 ,
cuando t
Demostraci
on. Supongamos que no es cierto, entonces existe una constante positiva k1 tal que para
todo T > 0 se puede encontrar T1 T tal que |(T1 )| k1 . Como (t) es uniformemente continua,
existe una constante positiva k2 tal que |(t + ) (t)| < k1 /2 para todo t 0 y todo 0 k2 .
Entonces
|(t)| = |(t) (T1 ) + (T1 )|
|(T1 )| + |(t) (T1 )|
> k1 k1 /2 = k1 /2 ,
Por lo tanto
Z T1 +k2
Z

=
(t)
dt

T1
t [T1 , T1 + k2 ]
T1 +k2
T1
|(t)| dt > k1 k2 /2
donde laR igualdad es valida porque (t) conserva el signo para t [T1 , T1 + k2 ]. Por lo tanto la
t
integral 0 ( ) d no puede tener un lmite finito cuando t , lo cual es una contradicci
on.
Teorema 4.14 (Principio de invariancia para sistemas inestacionarios). Sea D Rn un dominio
que contiene al origen y supongamos que f (t, x) es seccionalmente continua en t y localmente
94
Estabilidad Seg
Lipschitz en x, uniformemente en t, en [0, ) D. Supongamos adem

as que f (t, 0) es acotada sobre
[0, ). Sea V : [0, ) D R una funci
on continuamente diferenciable tal que
W1 (x) V (t, x) W2 (x)
V
V
V (t, x) =
+
f (t, x) W (x)
t
x
(4.18)
t 0, x D, donde W1 (x) y W2 (x) son funciones continuas definidas positivas y W (x) es

una funcion continua y semidefinida positiva en D. Elijamos r > 0 tal que Br D y sea <
mnkxk=r W1 (x). Entonces, todas las soluciones de x = f (t, x) con x(t0 ) {x Br | W2 (x) }
son acotadas y satisfacen
W (x(t)) 0 ,
cuando t .
Mas a
un, si todas las hip
otesis valen globalmente y W1 (x) es radialmente no acotada, el resultado
n
vale para toda x(t0 ) R .
Demostraci
on. Como en la demostracion del Teorema 4.4, se puede probar que
x(t0 ) {x Br | W2 (x) }
x(t) t, {x Br | W1 (x) },
t t0
ya que V (t, x) 0. Por lo tanto, kx(t)k < r para todo t t0 . Como V (t, x(t)) es monot
onicamente
no creciente y acotada por abajo por cero, tiene lmite finito cuando t . De (4.18) tenemos
Z t
Z t
V (, x( ))d = V (t0 , x(t0 )) V (t, x(t))
W (x( ))d
t0
t0
Rt
Por lo tanto, lmt t0 W (x( ))d existe y es finito. Como f (t, x) es localmente Lipschitz en x,
uniformemente en t, en [0, ) D, es Lipschitz en x, uniformemente en t, en [0, ) Br , ya que
Br es compacto. Por lo tanto, tenemos
kf (t, x(t)) f (t, 0)k Lkx(t)k,
debido a que x(t) Br para todo t t0 . Como adem
as f (t, 0) est
a uniformemente acotada por
hip
otesis, entonces x = f (t, x) es acotada uniformemente en t, para todo t t0 . Concluimos que x(t)
es uniformemente continua en t en [t0 , ). En consecuencia, W (x(t)) es uniformemente continua en
t en [t0 , ) ya que W (x) es uniformemente continua en x en el conjunto compacto Br . Por el Lema
de Barbalat concluimos que W (x(t)) 0 cuando t . Si todas las hip
otesis valen globalmente
y W1 (x) es radialmente no acotada, entonces para cada x(t0 ) podemos elegir lo suficientemente
grande tal que x(t0 ) {x Rn | W2 (x) }.

El lmite W (x(t)) 0 implica que x(t) tiende a E cuando t , donde
E = {x D | W (x) = 0}
Por lo tanto, el conjunto lmite positivo de x(t) es un subconjunto de E. Esta conclusion (de que x(t)
tiende a E) es mucho m
as debil que el principio de invariancia de LaSalle para sistemas estacionarios,
que concluye que x(t) tiende al mayor conjunto invariante contenido en E. Esta conclusion m
as
fuerte para sistemas estacionarios es consecuencia de la propiedad de estos sistemas enunciada en el
Lema 3.4, que dice que el conjunto lmite positivo es un conjunto invariante. Existen algunos casos
especiales de sistemas inestacionarios para los cuales el conjunto lmite positivo tiene una cierta
propiedad de invariancia. Sin embargo, para un sistema inestacionario generico, el conjunto lmite
positivo no es invariante. El hecho de que, para sistemas estacionarios, x(t) tiende al mayor conjunto
4.3 Teoremas de Invariancia
95
invariante contenido en E, nos permiti

o llegar al Corolario 3.6, que prueba estabilidad asint
otica del
origen mostrando que el conjunto E no contiene ninguna trayectoria completa del sistema salvo la
soluci
on trivial. Para sistemas inestacionarios no existe una extension del Corolario 3.6 que permita
demostrar estabilidad asint
otica.
Sin embargo, si adem
as de satisfacer V (t, x) 0, la integral de V (t, x) satisface cierta desigualdad, se puede concluir estabilidad asintotica, como establece el siguiente teorema.
Teorema 4.15 (Estabilidad asint
otica con V (t, x) semidefinida negativa). Sea D = {x Rn :
kxk < r} y supongamos que f (t, x) es seccionalmente continua en t y localmente Lipschitz en x
sobre [0, ) D. Sea x = 0 un punto de equilibrio de x = f (t, x) en t = 0. Sea V : [0, ) D R
una funcion continuamente diferenciable que satisface
W1 (x) V (t, x) W2 (x)
V
V
+
f (t, x) 0
V (t, x) =
t
x
Z t+
V (, (, t, x)) d V (t, x),
0<<1
para todo t 0 y x D para alg

un > 0, donde W1 (x) y W2 (x) son funciones definidas positivas
en D, y (, t, x) es la soluci
on del sistema que comienza en (t, x).
Entonces, el origen es uniformemente asintoticamente estable. Si todas las condiciones valen
globalmente y W1 (x) es radialmente no acotada, entonces el origen es globalmente uniformemente
asintoticamente estable.
Si
W1 (x) k1 kxkc ,
W2 (x) k2 kxkc ,
k1 > 0, k2 > 0, c > 0,
entonces el origen es exponencialmente estable.

Demostraci
on. Como en la demostracion del Teorema 4.6, se puede probar que
x(t0 ) {x Br | W2 (x) }
x(t) t, ,
t t0
donde < mnkxk=r W1 (x), ya que V (t, x) 0. Ademas, para todo t t0 , tenemos
Z t+
V (, (, t, x)) d
V (t + , x(t + )) = V (t, x(t)) +
t
(1 )V (t, x(t))
Mas a
un, como V (t, x) 0
V (, x( )) V (t, x(t)) ,
[t, t + ]
Para cualquier t t0 , sea N el menor n

umero natural tal que t t0 + N . Dividamos el intervalo
[t0 , t0 + (N 1)] en N 1 subintervalos iguales de longitud . Entonces,
V (t, x(t)) V (t0 + (N 1), x(t0 + (N 1)))
(1 )V (t0 + (N 2), x(t0 + (N 2)))

..
.
(1 )N 1 V (t0 , x(t0 ))
1
(1 )(tt0 )/ V (t0 , x(t0 ))
1
1 b(tt0 )
e
V (t0 , x(t0 ))
=
1
96
Estabilidad Seg
donde b = (1/) ln(1/(1 )). Tomando

(r, s) =
r
ebs
1
puede verse facilmente que (r, s) es una funcion clase KL y que V (t, x(t)) satisface
V (t, x(t)) (V (t0 , x(t0 )), t t0 ) ,
V (t0 , x(t0 )) [0, ]
Desde aqu la prueba es identica a la del Teorema 4.6 y sus corolarios.
Ejemplo 4.7 (Sistema lineal inestacionario revisitado). Sea el sistema

x = A(t)x
donde A(t) es continua t 0. Supongamos que existe una matriz simetrica P (t) que satisface
0 < c1 I P (t) c2 I,
t 0
y la ecuaci
on diferencial matricial
P (t) = P (t)A(t) + AT (t)P (t) + C T (t)C(t)
donde C(t) es continua. La derivada de la funcion cuadratica
V (t, x) = xT P (t)x
a lo largo de las trayectorias del sistema es

V (t, x) = xT P (t) + P (t)A(t) + AT (t)P (t) x
= xT C T (t)C(t)x 0.
De la teora de sistemas lineales inestacionarios sabemos que las trayectorias del sistema que comienzan en el punto x est
an dadas por
(, t, x) = (, t)x,
donde (, t) es la matriz de transici
on de estados. Entonces,
Z t+
hZ t+
i
V (, (, t, x)) d = xT
T (, t)C T ( )C( )(, t) d x
t
= xT W (t, t + )x,
donde
W (t, t + ) =
t+
T (, t)C T ( )C( )(, t) d.
Supongamos que existe una constante k < c2 tal que

W (t, t + ) kI,
Entonces
Z t+
t
t 0.
k
V (, (, t, x)) d kkxk22 V (t, x).
c2
4.4 Ejercicios
97
As, todas las hip

otesis del Teorema 4.15 se satisfacen globalmente y concluimos que el origen es
globalmente exponencialmente estable.
Los lectores familiares con la teora de sistemas lineales reconocer
an que la matriz W (t, t +
) es el Gramiano de observabilidad del par (A(t), C(t)) y que la desigualdad W (t, t + ) kI
est
a garantizada si el par (A(t), C(t)) es uniformemente observable.
Comparando este ejemplo con el Ejemplo 4.5 vemos que el Teorema 4.15 permite relajar el
requerimiento de que la matriz Q(t) en (4.10) sea definida positiva a pedir que Q(t) = C T (t)C(t)
con el par (A(t), C(t)) sea uniformemente observable.
4.4.
Ejercicios
Ejercicio 4.1.
Dado el sistema
x 1 = x2
x 2 = 2x1 x2 + 3t + 2 3x1 2(t + 1)x2
(i) Verificar que x1 (t) = t, x2 (t) = 1 es una soluci
on.
(ii) Mostrar que si x(0) est
a suficientemente cerca de [ 01 ] entonces x(t) se aproxima a [ 1t ] a medida
que t .
Ejercicio 4.2.
Considerar el sistema
x 1 = 2x1 + g(t)x2
x 2 = g(t)x1 2x2
donde g(t) es continuamente diferenciable y |g(t)| 1 para todo t 0. Mostrar que el origen es
uniformemente asint
oticamente estable. Es el origen globalmente uniformemente asintoticamente
estable?
Ejercicio 4.3.
Sea el sistema
x 1 = x2 g(t)x1 (x21 + x22 )
x 2 = x1 g(t)x2 (x21 + x22 )

donde g(t) es una funci
on continuamente diferenciable, acotada, y g(t) k > 0 para todo t 0.
Es el origen uniformemente asint
oticamente estable?Es exponencialmente estable?
Ejercicio 4.4.
x 1 = x1 + (x21 + x22 ) sen t
x 2 = x2 + (x21 + x22 ) cos t.

Mostrar que el origen es exponencialmente estable y estimar la regi
on de atracci
on.
Captulo 5
Estabilidad de Sistemas Perturbados

Consideremos el sistema
x = f (t, x) + g(t, x)
(5.1)
donde f : [0, ) D Rn y g : [0, ) D Rn son seccionalmente continuas en t y localmente

Lipschitz en x en [0, ) D y D Rn es un dominio que contiene el origen x = 0. Pensamos a
(5.1) como una perturbacion del sistema nominal
x = f (t, x).
(5.2)
El termino de perturbacion g(t, x) puede provenir de errores de modelado, envejecimiento, incertidumbres, etc. Tpicamente no conocemos el termino g(t, x) pero tenemos alguna informaci
on sobre
el, como por ejemplo una cota superior de kg(t, x)k. La representacion aditiva de la perturbacion
en (5.1) modela, por ejemplo, perturbaciones que no modifican el orden del sistema.
Supongamos que el sistema nominal (5.2) tiene un PE uniformemente AE en el origen. Que podemos decir acerca de la estabilidad del sistema perturbado (5.1)? Una forma natural de encarar
esta cuesti
on es la de usar una funci
on de Lyapunov del sistema nominal como candidata a funci
on
de Lyapunov para el sistema perturbado. Esto es lo que hicimos con el an
alisis de la linealizaci
on
en la secci
on 3.4. El elemento nuevo que introducimos ahora es que el termino de perturbacion
puede ser mucho m
as general que en el caso de linealizaci
on. En las primeras dos secciones, vamos a
analizar el caso en que el termino de perturbacion se anula en el origen, es decir g(t, 0) = 0, de forma
que el origen x = 0 sigue siendo un PE del sistema perturbado. El caso g(t, 0) 6= 0 se tratar
a en la
secci
on 5.3. Un caso particular de perturbacion que no necesariamente se anula en el origen nos
servir
a para introducir el concepto de estabilidad entrada-estado (ISS) en la secci
on 5.4.
5.1.
Perturbaci
on de un PE Exponencialmente Estable
Supongamos entonces que g(t, 0) = 0 y que x = 0 es un PE exponencialmente estable del sistema

nominal (5.2). Sea V (t, x) una funci
on de Lyapunov que satisface
V
V
+
f (t, x) c3 kxk2
t
x

V

x c4 kxk
(5.3)
(5.4)
(5.5)
para todo (t, x) [0, ) D y para ciertas constantes positivas c1 , c2 , c3 y c4 . La existencia de una
funcion de Lyapunov que satisface (5.3)-(5.5) est
a garantizada por el Teorema 4.10, con algunas
100
hip
otesis adicionales. Supongamos adem
as que el termino de perturbacion g(t, x) satisface la cota
de crecimiento lineal
kg(t, x)k kxk ,
t 0 ,
x D
(5.6)
donde es una constante no negativa. La propiedad (5.6) es natural dadas las hip
otesis que hicimos
sobre g(t, x). Como g(t, x) se anula en el origen y es localmente Lipschitz en un entorno acotado del
origen, entonces es facil de probar que satisface (5.6) en dicho entorno. Usamos V como candidata
a funcion de Lyapunov para el sistema perturbado (5.1). Planteamos
V
V
V
V (t, x) =
+
f (t, x) +
g(t, x).
t
x
x
Usando (5.4)-(5.6), acotamos V de la siguiente manera

V
2
2

V (t, x) c3 kxk2 +
x kg(t, x)k c3 kxk + c4 kxk .
Si es lo suficientemente peque
na tal que satisface la cota
c3
<
c4
entonces
V (t, x) (c3 c4 )kxk2 < 0 ,
(5.7)
x D {0}.
Por lo tanto, usando el Corolario 4.8, podemos probar el siguiente lema.

Lema 5.1 (Estabilidad exponencial robusta). Sea x = 0 un PE exponencialmente estable del
sistema nominal (5.2). Sea V (t, x) una funcion de Lyapunov del sistema nominal que satisface
(5.3)-(5.5) en [0, ) D. Supongamos que el termino de perturbacion g(t, x) satisface (5.6)-(5.7).
Entonces el origen es un PE exponencialmente estable del sistema perturbado (5.1). Mas a
un, si las
hip
otesis valen globalmente, entonces el origen es globalmente exponencialmente estable.
Este lema es conceptualmente importante porque muestra que la estabilidad exponencial del
origen es robusta con respecto a una clase de perturbaciones que satisface (5.6)-(5.7). Para poder
enunciar esta propiedad de robustez no es necesario conocer V (t, x) explcitamente, s
olo hace falta
saber que el origen es un PE exponencialmente estable del sistema nominal, porque entonces, usando
el Teorema 4.10 (asumiendo adem
as que la matriz Jacobiana f /x es acotada), podemos garantizar la existencia de una V (t, x) que satisface (5.3)-(5.5). Sin embargo, si no conocemos a V (t, x)
explcitamente, entonces no podemos calcular la cota (5.7), en cuyo caso s
olo podemos decir que el
origen es exponencialmente estable para toda perturbacion que satisface (5.6) con suficientemente
peque
na.
x = Ax + g(t, x)
donde A es Hurwitz y g(t, x) satisface (5.6) con D = Rn . Sea Q = Qt > 0 y calculemos la soluci
on
t
P de la ecuaci
on de Lyapunov P A + A P = Q. Por el Teorema 3.10 sabemos que hay una u
nica
soluci
on P = P t > 0. La funci
on de Lyapunov cuadratica V (x) = xt P x satisface (5.3)-(5.5). En
particular,
min (P )kxk22 xt P x max (P )kxk22
V
Ax = xt Qx min (Q)kxk22
x

V
t

x = k2x P k2 2kP k2 kxk2 = 2max (P )kxk2 .
2
5.1 Perturbaci
on de un PE Exponencialmente Estable
101
La derivada de V (x) sobre las trayectorias del sistema satisface

V (x) min (Q)kxk22 + 2max (P )kxk22 .
Por lo tanto el origen es globalmente exponencialmente estable si
<
min (Q)
2max (P )
(5.8)
Esta cota depende de la elecci

on de Q, sin embargo el m
aximo del lado derecho de (5.8) se obtiene
para Q = I (ver el Ejercicio 5.1).

x 1 = x2
x 2 = 4x1 2x2 + x32
donde la constante 0 es desconocida. Este sistema tiene la forma (5.1) con

0
0
1
x1
,
g(x) =
f (x) = Ax =
x32 .
4 2 x2
Los autovalores de A son 1 j
Lyapunov P A + At P = I es

3/2 1/8
P =
1/8 5/16
3, por lo tanto A es Hurwitz. La soluci

on de la ecuaci
on de
(5.9)
La funcion de Lyapunov V (x) = xt P x satisface (5.4)-(5.5) con c3 = 1 y

c4 = 2max (P ) = 3,026
El termino de perturbacion g(x) satisface
kg(x)k2 = |x2 |3 k22 |x2 | k22 kxk2
para todo |x2 | k2 , donde k2 es una constante que vamos a determinar despues, porque a esta altura
no sabemos una cota para x2 (t), aunque s sabemos que estar
a acotada cuando la trayectoria x(t)
se mueva dentro de un conjunto compacto. Usando V (x) como candidata a funcion de Lyapunov
para el sistema perturbado, obtenemos
V (x) kxk22 + 3,026 k22 kxk22
Por lo tanto, V (x) es definida negativa si
<
1
3,026 k22
(5.10)
Para estimar una cota de k2 , sea c = {x R2 | V (x) c}. Para cualquier constante positiva c, el
conjunto c es cerrado y acotado. La frontera de c es la superficie de nivel
V (x) =
5
3 2 1
x1 + x1 x2 + x22 = c
2
4
16
102
El mayor valor de |x2 | sobre la superficie V (x) = c se puede determinar derivando la ecuaci
on de la
superficie con respecto a x1 e igualando a cero. Esto da
1
3x1 + x2 = 0
4
Por lo tanto, los valores extremos de x2 se obtienen en la intersecci
on de la recta x1 = x2 /12 con la
superficie de nivel. Haciendo esto da un m
aximo para x22 de 96 c/29. Por lo tanto, todos los puntos
en el interior de c satisfacen la cota
|x2 | k2
donde k22 =
96 c
29
Entonces, usando (5.10), si

<
29
0,1
96 c 3,026
c
(5.11)
V (x) ser
a definida negativa en c y podemos concluir que el origen x = 0 es exponencialmente
estable, siendo c una estima de la RA.
Vamos a aprovechar este ejemplo para mostrar que la cota (5.7) puede ser muy conservadora.
Usando esa cota, llegamos a la desigualdad (5.10). Esta desigualdad permite al termino de perturbacion g(t, x) ser cualquier vector de dos componentes que satisfaga kg(t, x)k2 k22 kxk2 . Esta
clase de perturbaciones es m
as general que la perturbacion especfica que tenemos en este problema.
Aqu tenemos una perturbaci
on estructurada en el sentido de que la primera componente de g es
siempre cero, mientras que nuestro an
alisis permita perturbaciones no estructuradas donde el vector
g puede cambiar en todas las direcciones. No tener en cuenta la estructura de la perturbacion lleva
en general a resultados conservadores.
Repitamos el an
alisis, esta vez teniendo en cuenta la estructura de la perturbacion. Volvemos a
calcular la derivada de V (x) sobre las trayectorias del sistema:
V (x) = kxk22 + 2xt P g(x)
5
1
= kxk22 + 2x22 ( x1 x2 + x22 )
8
16
5
2
2 1
2
kxk2 + 2x2 ( kxk2 + kxk22 )
16
16
3
kxk22 + k22 kxk22
4
Por lo tanto, V (x) es definida negativa si < 4/(3k22 ). Usando otra vez el hecho de que para todo
c
x c , |x2 |2 k22 = 96
29 , llegamos a la cota
<
0,4
c
que es cuatro veces mayor que (5.11).
5.2.
Perturbaci
on de un PE Uniformemente AE
Cuando el origen del sistema nominal (5.2) no es exponencialmente estable sino s

olo uniformemente AE, el an
alisis se hace m
as complicado. Supongamos que el sistema nominal tiene una
funcion de Lyapunov definida positiva y decreciente V (t, x) que satisface
V
V
+
f (t, x) W3 (x)
t
x
5.2 Perturbaci
on de un PE Uniformemente AE
103
para todo (t, x) [0, ) D, donde W3 (x) es definida positiva y continua. La derivada de V (t, x)
sobre las trayectorias del sistema (5.1) satisface

V

V
V
V

V (t, x) =
+
f (t, x) +
g(t, x) W3 (x) +
g(t, x)

t
x
x
x
Para lograr que V (t, x) sea definida negativa necesitamos probar que

V

< W3 (x)
g(t,
x)
x

para todo (t, x) [0, ) D. Es claro que esto requiere que pongamos una cota a kg(t, x)k que va
a depender de la naturaleza de la funcion de Lyapunov del sistema nominal. Una clase de funciones
de Lyapunov para las cuales el an
alisis es tan simple como para el caso de estabilidad exponencial
es el caso en que V (t, x) es definida positiva, decreciente, y satisface
V
V
+
f (t, x) c3 2 (x)
t
x

V

x c4 (x)
(5.12)
(5.13)
para todo (t, x) [0, ) D, para ciertas constantes positivas c3 y c4 , y donde : Rn R es

definida positiva y continua. Una funcion de Lyapunov que satisface (5.12)-(5.13) se denomina tipocuadr
atica. Es claro que una funci
on de Lyapunov que satisface (5.3)-(5.5) es de tipo cuadratica, pero
una funcion de Lyapunov tipo cuadratica puede existir aunque el origen no sea exponencialmente
estable (ver Ejemplo 5.3 m
as abajo).
Si el sistema nominal (5.2) tiene una funcion de Lyapunov tipo cuadratica, entonces su derivada
sobre las trayectorias del sistema (5.1) satisface
V (t, x) c3 2 (x) + c4 (x)kg(t, x)k
Supongamos ahora que el termino de perturbacion satisface la cota
kg(t, x)k (x) ,
<
c3
c4
Entonces
V (t, x) (c3 c4 )2 (x)
lo que muestra que V (t, x) es definida negativa.
x = x3 + g(t, x)
El sistema nominal x = x3 tiene un PE globalmente AE en el origen, pero como vimos en el Ejemplo 4.6, el origen no es exponencialmente estable. Por lo tanto no existe una funcion de Lyapunov
que satisfaga (5.3)-(5.5). La funci
on de Lyapunov V (x) = x4 satisface (5.12)-(5.13) con (x) = |x|3
y c3 = c4 = 4. Supongamos que el termino de perturbacion satisface la cota |g(t, x)| |x|3 para
todo x, con < 1. Entonces la derivada de V (t, x) sobre las trayectorias del sistema perturbado
satisface
V (t, x) 4(1 )x2
Por lo tanto, el origen es un PE globalmente uniformemente AE del sistema perturbado.
104
En contraste con el caso de estabilidad exponencial, es importante remarcar que un sistema

nominal con un PE en el origen uniformemente AE, pero no exponencialmente estable, no es robusto
a perturbaciones con cotas de crecimiento lineal arbitrariamente peque
nas del tipo (5.6). Vemos esto
con un ejemplo.
Ejemplo 5.4. Consideremos el sistema del ejemplo anterior con g(x) = x, > 0, es decir
x = x3 + x
Se puede ver facilmente, mediante linealizaci
on, que para cualquier > 0, sin importar cuan chica
sea, el origen es inestable.
5.3.
Perturbaci
on No Evanescente
Veamos ahora el caso m

as general en que no sabemos si g(t, 0) = 0. En este caso, el origen
x = 0 puede no ser un PE del sistema perturbado (5.1); no podemos entonces estudiar estabilidad
del origen como PE o asumir que la soluci
on del sistema perturbado tiende a cero cuando t .
Lo m
as que podemos esperar es que si el termino de perturbacion g(t, x) es chico en alg
un sentido,
entonces la trayectoria x(t) este acotada por una cota peque
na. El an
alisis de Lyapunov puede ser
usado para mostrar esto. Para motivar las ideas, consideremos la ecuaci
on escalar
x = x + sin t,
x(t0 ) = a,
a > > 0,
la que no tiene PEs y cuya soluci

on es
(tt0 )
x(t) = e
a+
e(t ) sin d.
t0
La soluci
on satisface la cota
Z t
i
h
(tt0 )
e(t ) d = e(tt0 ) a + 1 e(tt0 )
|x(t)| e
a+
t0
a,
t t0 ,
lo que muestra que la soluci

on est
a acotada para todo t t0 , uniformemente en t0 , es decir, con
una cota independiente de t0 . Aunque esta cota es valida para todo t t0 , se vuelve una cota muy
holgada de la soluci
on a medida que el tiempo avanza porque no toma en cuenta el termino que
decae exponencialmente. Si en cambio elegimos cualquier n
umero b que satisfaga < b < a, vemos
que

a
.
|x(t)| b,
t t0 + log
b
La cota b, que tambien es independiente de t0 , da una cota m
as ajustada de la soluci
on luego
de un cierto lapso de tiempo. En este caso, la soluci
on se dice uniformemente finalmente acotada
y b recibe el nombre de cota final. El an
alisis de Lyapunov puede usarse para establecer que la
soluci
on es uniformemente acotada y uniformemente finalmente acotada, con la ventaja de que no
ser
a necesario resolver las ecuaciones estado. Eligiendo V (x) = x2 /2, calculamos la derivada de V
sobre las trayectorias del sistema y obtenemos
V = xx = x2 + x sin t x2 + |x|.
5.3 Perturbaci
on No Evanescente
105
El lado derecho de esta desigualdad no es definido negativo porque, cerca del origen, el termino
positivo lineal |x| dominara al termino negativo x2 . Sin embargo, V es negativa fuera del conjunto
{x | |x| }. Cuando c > 2 /2, las soluciones que comiencen en el conjunto {x | V (x) c}
permaneceran en ese conjunto para todo tiempo futuro, ya que V es negativa sobre la frontera
{x | V (x) = c}. Por lo tanto, las soluciones est
an uniformemente acotadas. Mas a
un, si elegimos
cualquier que satisfaga (2 /2) < < c, entonces V ser
a negativa dentro del conjunto {x |
V (x) c}, lo que muestra que, en este conjunto, V ser
a estrictamente decreciente hasta que la
soluci
on entre en el conjunto {x | V (x) }. Desde ese instante, la soluci
on no podr
a dejar este
u
ltimo conjunto porque V es negativa sobre la frontera {x | V (x) = }. Por lo tanto, podemos
concluir que la soluci
on es uniformemente finalmente acotada con cota final |x| 2.
En esta secci
on, mostraremos c
omo usar an
alisis de Lyapunov para obtener conclusiones similares
para un sistema de la forma
x = f (t, x)
(5.14)
con f : [0, ) D Rn seccionalmente continua en t y localmente Lipschitz en x en [0, ) D, y

D Rn un dominio que contiene al origen, cuando el origen no es necesariamente un PE. Un caso
de interes ser
a cuando el sistema tome la forma (5.1).
Definici
on 5.1 (Soluci
on uniformemente acotada y finalmente acotada). Las soluciones de (5.14)
se dicen
uniformemente acotadas si existe una constante positiva c, independiente de t0 0, y para
cada a (0, c), existe = (a) > 0, independiente de t0 , tal que
kx(t0 )k a
kx(t)k , t t0 .
(5.15)
globalmente uniformemente acotadas si (5.15) se satisface con a arbitrariamente grande.

uniformemente finalmente acotadas con cota final b si existen constantes positivas b y c,
independientes de t0 0, con la propiedad de que para cada a (0, c) existe T = T (a, b) 0,
independiente de t0 , tal que
kx(t0 )k a
kx(t)k b, t t0 + T.
(5.16)
globalmente uniformemente finalmente acotadas si (5.16) se satisface con a arbitrariamente

grande.
En el caso de sistemas aut

onomos no necesitamos usar el termino uniforme ya que la soluci
on
omo el an
alisis de Lyapunov puede ser usado para estudiar cotas
depende s
olo de t t0 . Para ver c
uniformes y cotas finales uniformes, consideremos una funcion continuamente diferenciable y definida
positiva V (x) y supongamos que el conjunto {x | V (x) c} es compacto para alg
un c > 0. Sea
= {x | V (x) c}
para alguna constante positiva < c. Supongamos que la derivada de V sobre las trayectorias del
sistema (5.14) satisface
V (t, x) W3 (x),
x , t t0 ,
(5.17)
con W3 (x) continua y definida positiva. La desigualdad (5.17) implica que los conjuntos c = {x |
V (x) c} y = {x | V (x) } son positivamente invariantes porque V es negativa sobre sus
fronteras, c y . Como V es negativa en , una trayectoria que comience en debe moverse
106
de modo que V decrezca. De hecho, mientras permanece en , V satisface las desigualdades (4.5) y
(4.8) del Teorema 4.6. Por lo tanto, la trayectoria se comporta como si el origen fuera uniformemente
asintoticamente estable, y satisface una desigualdad de la forma
kx(t)k (kx(t0 )k, t t0 )
para alguna funcion de clase KL. La funci
on V (x(t)) decrecera hasta que la trayectoria entre en
el conjunto , lo cual tomar
a un lapso finito de tiempo. Una vez en , la trayectoria permanecer
a ah para todo tiempo futuro. El hecho de que la trayectoria entra al conjunto en tiempo
finito puede ser demostrado de la siguiente manera. Sea k = mnx W3 (x) > 0. Este mnimo existe
porque W3 (x) es continua y es compacto, y es positivo porque W3 (x) es definida positiva. Por lo
tanto,
W3 (x) k,
x .
(5.18)
Las desigualdades (5.17) y (5.18) implican que

V (t, x) k,
x , t t0 .
Por lo tanto,
V (x(t)) V (x(t0 )) k(t t0 ) c k(t t0 ),
lo que muestra que V (x(t)) decrece hasta el valor en el intervalo [t0 , t0 + (c )/k].
En muchos problemas, la desigualdad V W3 se obtiene acotando normas y mediante propiedades de las normas. En estos casos, es muy probable que se obtenga algo como
V (t, x) W3 (x),
kxk r,
t t0 .
(5.19)
Si r es lo suficientemente m
as grande que , podemos elegir c y tales que el conjunto sea no
vaco y este contenido en { kxk r}. En particular, sean 1 y 2 clase K y tales que
1 (kxk) V (x) 2 (kxk).
(5.20)
De la desigualdad izquierda en (5.20) se sigue que

V (x) c
1 (kxk) c
kxk 1
1 (c).
Por lo tanto, eligiendo c = 1 (r) aseguramos que c Br . Por otro lado, de la desigualdad derecha
en (5.20), tenemos
kxk
V (x) 2 ().
En consecuencia, si elegimos = 2 () aseguramos que B . Para poder tener < c debe

ocurrir que < 1
2 (1 (r)).
El argumento precedente muestra que todas las trayectorias que comienzan en c entran en
en tiempo finito. Para calcular la cota final de x(t) usamos la desigualdad izquierda de (5.20) para
escribir
V (x)
1 (kxk)
kxk 1
1 ().
Recordando que = 2 (), vemos que

x
kxk 1
1 (2 ()).
Por lo tanto, una cota final es b = 1

1 (2 ()).
Las ideas recien presentadas para una funcion continuamente diferenciable V (x) pueden ser
extendidas a una funci
on continuamente diferenciable V (t, x) siempre y cuando V (t, x) satisfaga las
desigualdades (5.20). Esto conduce al siguiente teorema estilo Lyapunov.
5.3 Perturbaci
on No Evanescente
107
Teorema 5.2 (Soluci

on finalmente acotada). Sea D Rn un dominio que contiene al origen, sea
f : [0, ) D Rn seccionalmente continua en t y localmente Lipschitz en x en [0, ) D. Sea
V : [0, ) D R una funci
1 (kxk) V (t, x) 2 (kxk)
V
V
+
f (t, x) W3 (x) ,
t
x
(5.21)
kxk > 0
(5.22)
t 0, x D, donde 1 y 2 son funciones clase K y W3 es continua y definida positiva. Tomemos

r > 0 tal que Br D y supongamos que
< 1
2 (1 (r))
(5.23)
Entonces, existe una funci

on de clase KL y para cada estado inicial x(t0 ) que satisfaga kx(t0 )k
1
(
(r)),
existe
T
0
(que
depende de x(t0 ) y de ) tal que la soluci
on de (5.14) satisface
1
2
kx(t)k (kx(t0 )k, t t0 ) ,
kx(t)k
1
1 (2 ()),
t0 t < t0 + T
t t0 + T
(5.24)
(5.25)
Mas a
un, si D = Rn y 1 es clase K , entonces (5.24) y (5.25) valen para todo estado inicial x(t0 )
y todo .
Demostraci
on. El enunciado de este teorema se reduce al del Teorema 4.6 cuando = 0. Adem
as,
esta demostracion tiene mucho en com
un con la del Teorema 4.6, por lo tanto vamos a usar ideas y
terminologa de dicha prueba a medida que necesitemos. Sea = 1 (r). De este modo, 2 () < y
2 (kx(t0 )k) . Sea = 2 () y definamos los conjuntos variantes en el tiempo t, = {x Br |
V (t, x) } y t, = {x Br | V (t, x) }. Entonces,
B t, {x | 1 (kxk) } {x | 1 (kxk) } = Br D
y
t, t, Br D
Los conjuntos t, y t, tienen la propiedad de que una soluci

on que comience en cualquiera de
ellos no sale del conjunto ya que V (t, x) es negativa en la frontera. Como
2 (kx(t0 )k)
x(t0 ) t0 , ,
entonces concluimos que x(t) t, para todo t t0 . Una soluci

on que comienza en t, debe
entrar al conjunto t, en tiempo finito porque, dentro del conjunto = {x t, | x
/ t, }, V
satisface
V (t, x) k < 0
donde k = mn{W3 (x)} sobre el conjunto {x | kxk r}, conjunto que contiene a . La
desigualdad anterior implica que
V (t, x(t)) V (t0 , x(t0 )) k(t t0 ) k(t t0 ),
lo que muestra que V (t, x(t)) decrece hasta el valor dentro del intervalo [t0 , t0 + ( )/k]. Para
una soluci
on que comienza dentro de t, , la desigualdad (5.25) vale para todo t t0 porque
t, {x | 1 (kxk) 2 ()}. Para una soluci
on que comienza dentro de t, pero fuera de t, ,
sea t0 + T el primer instante en que entra a t, . Para todo t [t0 , t0 + T ], tenemos
V W3 (x) 3 (kxk) 3 (1
2 (V )) =: (V ),
108
donde 3 y son clase K. La existencia de 3 es asegurada por el Lema 4.3. De manera similar a
la prueba del Teorema 4.6, se demuestra que existe una funci
on de clase KL tal que
V (t, x(t)) (V (t, x(t0 )), t t0 ),
t [t0 , t0 + T ].
Definiendo (q, s) = 1
1 ((2 (q), s)), obtenemos
kx(t)k (kx(t0 )k, t t0 ),
t [t0 , t0 + T ].
Si D = Rn , entonces 3 , y consecuentemente , pueden ser elegidas independientes de . Si 1 es

clase K , tambien lo es 2 , y la cota 1
2 () puede ser hecha arbitrariamente grande eligiendo
suficientemente grande. Por lo tanto, cualquier estado inicial x(t0 ) puede ser incluido en el conjunto

{x | kxk 21 ()}.
Las desigualdades (5.24) y (5.25) muestran que x(t) est
a uniformemente acotada para todo t t0
y uniformemente finalmente acotada con cota final 1
(
on clase
2 ()). Esta cota final es una funci
1
K de y por lo tanto, cuanto m
as chico sea , m
as chica ser
a la cota final. A medida que 0,
la cota final tiende a 0.
Corolario 5.3. Supongamos que las hip
otesis del Teorema 5.2 se satisfacen con
1 (kxk) = k1 kxkc ,
2 (kxk) = k2 kxkc ,
W3 (x) = k3 kxkc
para ciertas constantes positivas k1 , k2 , k3 y c. Supongamos adem

as que < r(k1 /k2 )1/c y kx(t0 )k <
1/c
r(k1 /k2 ) . Entonces (5.24) y (5.25) toman la forma
kx(t)k kkx(t0 )ke(tt0 ) ,
kx(t)k k ,
t t1
t0 t < t1
donde k = (k2 /k1 )1/c y = k3 /(k2 c).
(5.26)
(5.27)
Como se ha anticipado, la aplicaci

on principal del Teorema 5.2 es en el estudio de la estabilidad
de sistemas perturbados. Esto se ilustra en el siguiente ejemplo.
x 1 = x2
x 2 = 4x1 2x2 + x32 + d(t)
donde la constante 0 es desconocida y d(t) es una perturbacion uniformemente acotada que
satisface |d(t)| para todo t 0. Este sistema ya fue analizado en el Ejemplo 5.2, s
olo que
ahora le agregamos el termino de perturbacion d(t). Nuevamente el sistema puede pensarse como
una perturbacion de un sistema lineal nominal con funcion de Lyapunov V (x) = xt P x, con P dada
en (5.9). Usamos V (x) como candidata a funcion del Lyapunov para el sistema perturbado, pero
tratamos los terminos x32 y d(t) en forma diferente ya que el primero se anula en el origen mientras
que el segundo no. La derivada de V (x) sobre las trayectorias del sistema satisface
V (t, x) = kxk22 + 2x22 (x1 x2 /8 + 5x22 /16) + 2d(t)(x1 /8 + 5x2 /16)
kxk22 + 3k22 kxk22 /4 + 29kxk2 /8
donde usamos la desigualdad |2x1 + 5x2 | kxk2 4 + 25, y k2 es una cota superior de |x2 |. Supongamos que 4(1 )/(3k22 ), donde 0 < < 1. Entonces
V (t, x) kxk22 + 29kxk2 /8
(1 )kxk22 , kxk2 = 29/(8)

(5.28)
5.4 Estabilidad Entrada-Estado
109
donde 0 < < 1. Como vimos en el Ejemplo 5.2, |x2 |2 est

a acotado en c = {x R2 | V (x) c}
por k22 = 96c/29. Por lo tanto, si < 0,4(1 )/c y es tan peque
na que 2 max (P ) < c, entonces
B c y todas las trayectorias que comienzan dentro de c permanecen dentro de c para todo
tiempo futuro (ya que, por (5.28), V (x) decrece afuera de B y c es una superficie de nivel de
V (x)). Mas a
un, las condiciones del Teorema 5.2 (y Corolario 5.3) se satisfacen en c . Por lo tanto,
las soluciones del sistema perturbado est
an uniformemente finalmente acotadas con cota final
s
29 max (P )
b=
8
min (P )
5.4.
Estabilidad Entrada-Estado
Consideremos ahora el sistema con entrada

x = f (t, x, u)
(5.29)
donde f : [0, ) Rn Rm Rn es seccionalmente continua en t y localmente Lipschitz en x y u.

La entrada u(t) es una funci
on acotada y seccionalmente continua de t para todo t 0. Supongamos
que el sistema no forzado
x = f (t, x, 0)
(5.30)
tiene un PE globalmente uniformemente AE en el origen x = 0. Que podemos decir acerca del

comportamiento del sistema (5.29) en presencia de una entrada acotada u(t)? Para el sistema lineal
e invariante en el tiempo
x = Ax + Bu
donde la matriz A es Hurwitz, podemos escribir la soluci
on como
Z t
x(t) = eA(tt0 ) x(t0 ) +
eA(t ) Bu( )d
t0
y usar la cota keA(tt0 ) k ke(tt0 ) para acotar la soluci

on como sigue:
Z t
(tt0 )
kx(t)k ke
kx(t0 )k +
ke(t ) kBkku( )kd
t0
kkBk
sup ku( )k
ke(tt0 ) kx(t0 )k +
t0 t
Esta estima muestra que la respuesta con entrada nula tiende a cero exponencialmente mientras
que la respuesta con estado inicial nulo es acotada para cualquier entrada acotada. De hecho, esta
estima no s
olo muestra una propiedad de entrada acotada-estado acotado, sino tambien que la cota
de la respuesta con estado inicial nulo es proporcional a la cota de la entrada. Cuanto de este
comportamiento esperaramos sea posible en un sistema no lineal como el (5.29)? Para un sistema
no lineal general, no es sorprendente que estas propiedades ni siquiera se mantengan en el caso en
que el origen del sistema no forzado sea globalmente uniformemente AE. Consideremos, por ejemplo,
el sistema escalar
x = 3x + (1 + 2x2 )u
110
para el cual el origen es globalmente exponencialmente estable cuando u = 0. Sin embargo, si

x(0) = 2 y u(t) 1, la soluci
on x(t) = (3 et )/(3 2et ) no s
olo no es acotada sino que tiene tiempo
de escape finito.
Una forma de analizar el comportamiento del sistema forzado (5.29) es considerarlo como una
perturbacion del sistema no forzado (5.30). Sea V (t, x) una funcion de Lyapunov para el sistema no
forzado, calculemos la derivada de V en presencia de u. Debido a que u est
a acotada, en algunos
casos debe ser posible mostrar que V es negativa fuera de una bola de radio , donde dependera de
la cota de u. Por ejemplo, esto es de esperarse si el sistema satisface la condici
on de Lipschitz
kf (t, x, u) f (t, x, 0)k Lkuk,
L0
(5.31)
Si podemos mostrar que V es negativa fuera de una bola de radio , podremos intentar aplicar el
Teorema 5.2 de la secci
on anterior para mostrar que x(t) satisface (5.24) y (5.25). Estas desigualdades
muestran que kx(t)k est
a acotada por una funcion de clase KL, (kx(t0 )k, t t0 ), en el intervalo
[t0 , t0 + T ], y por una funci
on de clase K, 1
1 (2 ()), para t t0 + T . En consecuencia, la siguiente
desigualdad
kx(t)k (kx(t0 )k, t t0 ) + 1
1 (2 ())
es valida para todo t t0 . Esto motiva la siguiente definicion de la propiedad de estabilidad
entrada-estado (Input-to-State Stability, ISS).
Definici
on 5.2 (Estabilidad Entrada-Estado, ISS). El sistema (5.29) es estable entrada-estado si
existen una funcion de clase KL y una funcion de clase K tales que, para cualquier estado inicial
x(t0 ) y cualquier entrada acotada u(t), la soluci
on x(t) existe para todo t t0 y satisface

kx(t)k (kx(t0 )k, t t0 ) + sup ku( )k
(5.32)
t0 t
La desigualdad (5.32) garantiza que para cualquier entrada acotada u(t), el estado x(t) se va
a mantener acotado. Mas a
un, cuando t aumenta, el estado x(t) va a tener una cota final que es
una funcion clase K de suptt0 ku(t)k. Puede probarse que si u(t) converge a cero cuando t ,
tambien lo hace x(t). Cuando u(t) 0, (5.32) se reduce a
kx(t)k (kx(t0 )k, t t0 )
Por lo tanto, ISS implica que el origen del sistema no forzado es globalmente uniformemente AE. El
concepto de ISS se define para el caso global, donde tanto el estado inicial como la entrada pueden
asumir valores arbitrariamente grandes, aunque tambien existen versiones locales.
El siguiente teorema tipo Lyapunov da una condici
on suficiente para ISS.1
Teorema 5.4. Sea f : [0, ) Rn Rm Rn seccionalmente continua en t y localmente Lipschitz
en x y u. Sea V : [0, ) Rn R una funci
1 (kxk) V (t, x) 2 (kxk)
V
V
+
f (t, x, u) W3 (kxk) ,
t
x
(5.33)
kxk (kuk) > 0
(t, x, u) [0, ) Rn Rm , donde 1 y 2 son funciones clase K , es clase K, y W3 (x) es

continua y definida positiva en Rn . Entonces el sistema (5.29) es ISS con = 1
1 2 .
1
Para sistemas estacionarios se ha mostrado que las condiciones del Teorema 5.4 son tambien necesarias
[Sontag and Wang, 1995].
5.4 Estabilidad Entrada-Estado
111
Demostraci
on. Aplicando la versi
on global del Teorema 5.2, sabemos que la soluci
on x(t) existe y
satisface

kx(t)k (kx(t0 )k, t t0 ) + sup ku( )k ,
t t0
(5.34)
t0
Como x(t) depende s

olo de u( ) para t0 t, el supremo en el lado derecho de (5.34) puede
tomarse en [t0 , t], lo que prueba (5.32).

El siguiente Lema es consecuencia del teorema converso para estabilidad exponencial global
(Teorema 4.10).
Lema 5.5 (Estabilidad exponencial e ISS). Supongamos que f (t, x, u) es continuamente diferenciable y globalmente Lipschitz en (x, u), uniformemente en t. Si el sistema no forzado (5.30) tiene
un PE globalmente exponencialmente estable en el origen x = 0, entonces el sistema (5.29) es ISS.
Demostraci
on. Consideremos al sistema (5.29) como una perturbacion del sistema no forzado (5.30).
Por el Teorema 4.10, el sistema no forzado (5.30) tiene una funcion de Lyapunov V (t, x) que satisface
las desigualdades (4.11)(4.13) globalmente. Como f es globalmente Lipschitz en (x, u), uniformemente en t, el termino de perturbacion satisface (5.31) para todo t t0 y todo (x, u). La derivada
de V con respecto a (5.29) satisface
V
V
V
V =
+
f (t, x, 0) +
[f (t, x, u) f (t, x, 0)]
t
x
x
c3 kxk2 + c4 kxkLkuk.
Con el objetivo de que el termino c3 kxk2 domine a c4 Lkxk kuk cuando kxk es suficientemente
grande, reescribimos la desigualdad anterior como
V c3 (1 )kxk2 c3 kxk2 + c4 kxkLkuk,
donde 0 < < 1. De este modo, tenemos que
V c3 (1 )kxk2 ,
kxk
c4 Lkuk
,
c3
para todo (t, x, u). Por lo tanto, las condiciones del Teorema 5.4 se satisfacen p
con 1 (r) = c1 r 2 ,
2
2 (r) = c2 r y (r) = (c4 L/c3 )r. Concluimos que el sistema es ISS con (r) = c2 /c1 (c4 L/c3 )r.

Cuando el origen del sistema no forzado (5.30) es globalmente uniformemente AE pero no
globalmente exponencialmente estable, el sistema (5.29) no es necesariamente ISS incluso aunque f
sea globalmente Lipschitz en (x, u), uniformemente en t (Ver el Ejercicio 5.5).
En ausencia de estabilidad exponencial global o cuando la condici
on de Lipschitz no sea valida
globalmente, si bien no puede aplicarse el Lema 5.5, puede ser posible aplicar el Teorema 5.4, como
ilustran los siguientes ejemplos.
x = x3 + u
tiene un PE GAE en el origen cuando u = 0. Tomando V = x2 /2, tenemos
1/3
|u|
4
4
4
4
V = x + xu = (1 ) x x + xu (1 ) x , |x|
donde es una constante tal que 0 < < 1. Probamos entonces que el sistema es ISS con (a) =
(a/)1/3 .
112

x = f (x, u) = x 2x3 + (1 + x2 )u2
tiene un PE globalmente exponencialmente estable en el origen cuando u = 0, pero el Lema 5.5 no
se aplica porque f no es globalmente Lipschitz. Sin embargo, tomando V = x2 /2 obtenemos
V = x2 2x4 + x(1 + x2 )u2 x4 ,
Por lo tanto el sistema es ISS con (a) = a2 .
|x| u2
En los Ejemplos 5.6 y 5.7, la funci

on V (x) = x2 /2 satisface (5.33) con 1 (r) = 2 (r) = r 2 /2. De
1
este modo, 1 (2 (r)) = r y (r) se reduce a (r). En sistemas de dimension m
as alta, el calculo
de la funcion se vuelve m
as complicado.
Una aplicaci
on interesante del concepto de ISS surge en el an
alisis de estabilidad del sistema en
cascada
x 1 = f1 (t, x1 , x2 )
(5.35)
x 2 = f2 (t, x2 )
(5.36)
donde f1 : [0, ) Rn1 Rn2 Rn1 y f2 : [0, ) Rn2 Rn2 son seccionalmente continuas en t
y localmente Lipschitz en x = [ xx12 ]. Supongamos que tanto
x 1 = f1 (t, x1 , 0)
como (5.36) tienen un PE globalmente uniformemente AE en sus respectivos orgenes. Que condicion asegurara que el origen x = 0 del sistema en cascada tenga la misma propiedad? El pr
oximo
Lema muestra que este es el caso si (5.35), con x2 visto como entrada, es ISS.
Lema 5.6. Bajo las hip
otesis mencionadas, si el sistema (5.35), con x2 visto como una entrada,
es ISS y el origen de (5.36) es globalmente uniformemente AE, entonces el origen del sistema en
cascada (5.35)(5.36) es globalmente uniformemente AE.
5.5.
Pasividad
El enfoque de pasividad es un enfoque alternativo para el an

alisis de estabilidad de sistemas
realimentados. En lneas generales, un sistema es pasivo si no genera energa. Vamos a hacer la definici
on m
as precisa para sistemas din
amicos representados por ecuaciones de estado y para funciones
sin memoria. Primero veamos un ejemplo introductorio.
Ejemplo 5.8 (Circuito RLC). Consideremos el circuito RLC de la Figura 5.1. Tomamos la tensi
on
y corriente en la fuente como entrada u y salida y, respectivamente. El producto uy es el flujo de
potencia a la red pasiva. Tomando como variables de estado la corriente en la inductancia, x1 , y la
tensi
on en el capacitor, x2 , el modelo de estados es
Lx 1 = u R2 x1 x2
1
x2
C x 2 = x1
R3
1
u
y = x1 +
R1
5.5 Pasividad
113
R2
y
+
L
iL
R1
+
vc
R3
Figura 5.1: Circuito RLC
La energa almacenada en el sistema es V (x) = 21 Lx21 + 21 Cx22 . Como la red es pasiva, la energa
que entra a la red en un perodo [0, t] debe ser mayor o igual que el aumento de energa almacenada
en la red durante ese perodo, es decir
Z t
u(s)y(s)ds V (x(t)) V (x(0))
(5.37)
0
Si la desigualdad (5.37) vale con mayor estricto, la diferencia entre la energa entrante y la almacenada por la red es la energa disipada en los componentes resistivos de la red. Podemos tambien
escribir (5.37) en forma instant
anea como
u(t)y(t) V (x(t))
(5.38)
Para la red RLC, podemos llegar a la desigualdad (5.38) directamente planteando la derivada de
V (x) sobre las trayectorias del sistema, es decir
1
x2 )
V (x) = Lx1 x 1 + Cx2 x 2 = x1 (u R2 x1 x2 ) + x2 (x1
R3
1 2
x
= x1 u R2 x21
R3 2
1 2
1
u)u R2 x21
x
= (y
R1
R3 2
1 2
1 2
= uy
u R2 x21
x
R1
R3 2
Por lo tanto
uy = V (x) +
1 2
1 2
u + R2 x21 +
x V (x)
R1
R3 2
Los terminos cuadraticos no negativos representan la tasa de disipaci

on, de la cual consideramos
distintos casos:
Caso 1 R1 = R3 = , R2 = 0. En este caso
uy = V (x)
y no hay disipacion de energa, el sistema es conservativo.

Caso 2 R2 = 0 y R3 = . En este caso
1 2
u
uy = V (x) +
R1
y la tasa de disipacion es proporcional al cuadrado de la entrada. No hay disipacion de energa

sii u(t) es identicamente cero.
114
Caso 3 R1 = R3 = . En este caso y = x1 y tenemos

uy = V (x) + R2 y 2
y la tasa de disipacion es proporcional al cuadrado de la salida. No hay disipacion de energa
sii y(t) es identicamente cero.
Caso 4 R1 = . En este caso
uy = V (x) + R2 x21 +
1 2
x
R3 2
y la tasa de disipacion es una funci

on definida positiva del estado x. No hay disipacion de
energa sii x(t) es identicamente cero.
Caso 5 R1 = , R2 = 0. En este caso
1 2
x
uy = V (x) +
R3 2
y la tasa de disipacion es una funci
on semidefinida positiva del estado. Notar que de la segunda
ecuaci
on de estado tenemos
x2 (t) 0 = x1 (t) 0
para cualquier entrada u. Por lo tanto, como en el caso anterior, no hay disipacion de energa
sii x(t) es identicamente cero.
Cada uno de estos casos ejemplifican los distintos tipos de sistemas pasivos, que ahora definimos
con precision.
x = f (x, u)
(5.39)
y = h(x, u)
donde f : Rn Rm Rn es localmente Lipschitz, h : Rn Rm Rm es continua, f (0, 0) = 0, y

h(0, 0) = 0. El sistema tiene el mismo n
umero de entradas que de salidas.
Definici
on 5.3 (Sistema Pasivo). El sistema (5.39) es pasivo si existe una funcion continuamente
diferenciable y semidefinida positiva V (x) (llamada funci
on de almacenamiento) tal que
ut y
V
f (x, u) + ut u + y t y + (x) ,
x
(x, u) Rn Rm
(5.40)
donde , y son constantes no negativas, y (x) es una funcion semidefinida positiva del estado
tal que
(x(t)) 0 = x(t) 0
(5.41)
para todas las soluciones de (5.39) y cualquier u(t) para el cual la soluci
on existe. El termino (x)
se denomina tasa de disipaci
on en el estado. Mas a
un, el sistema se dice
conservativo si (5.40) se satisface con la igualdad y con = = = 0;
pasivo estricto de entrada si > 0;
5.5 Pasividad
115
pasivo estricto de salida si > 0;

pasivo estricto de estado si > 0;
Los nombres se combinan cuando hay m
as de una constante positiva.
La desigualdad (5.40) se denomina desigualdad de disipaci

on.
En el caso de pasividad estricta de salida, vamos a considerar la propiedad adicional de que el
sistema sea observable al estado cero, que significa que tiene la siguiente propiedad
y(t) 0 = x(t) 0
(5.42)
para todas las soluciones de (5.39) cuando u = 0. Es decir, ninguna soluci

on de x = f (x, 0), salvo la
trivial x(t) 0, puede permanecer identicamente en el conjunto S = {x Rn : h(x, 0) = 0}. Notar
que solo se requiere que (5.42) se satisfaga para u = 0, mientras que la condici
on (5.41) sobre la
tasa de disipacion en el estado debe satisfacerse para todo u.
La condici
on (5.42) puede interpretarse como una condici
on de observabilidad. Por ejemplo,
para un sistema lineal
x = Ax
y = Cx
observabilidad es equivalente a la condici

on
y(t) = CeAt x(0) 0 x(0) = 0 x(t) 0
El siguiente teorema vincula pasividad con las nociones de estabilidad que conocemos.
Teorema 5.7 (Pasividad y Estabilidad). Consideremos el sistema (5.39).
(i) Si el sistema es pasivo con una funcion de almacenamiento V (x) definida positiva, entonces el
origen de x = f (x, 0) es estable.
(ii) Si el sistema es pasivo estricto de salida con una funcion de almacenamiento V (x) definida
positiva, y observable al estado cero, entonces el origen de x = f (x, 0) es AE.
(iii) Si el sistema es pasivo estricto de estado con una funcion de almacenamiento V (x) definida
positiva, entonces el origen de x = f (x, 0) es AE.
Si en alguno de los u
ltimos dos casos V (x) es radialmente no acotada, el origen es GAE.
Prueba: El requisito de que V (x) sea definida positiva hace que la podamos usar como funci
on
de Lyapunov. Probamos cada caso por separado.
(i) Obvio de V ut y = 0 cuando u = 0.
(ii) Planteamos, de (5.40),
V ht (x, 0)h(x, 0) 0
Por la observabilidad al estado cero sabemos que la u
nica soluci
on de x = f (x, 0) que puede
n
permanecer identicamente en el conjunto S = {x R : h(x, 0) = 0} es la trivial x(t) 0.
Usando el principio de invariancia de Lasalle concluimos que el origen es AE.
(iii) Se prueba igual que el punto anterior.

Veamos ejemplos de sistemas pasivos.
116
Ejemplo 5.9. Consideremos el sistema no lineal

x = f (x) + g(x)u
x(0) = x0
y = h(x)
(5.43)
donde x Rn , u Rm , y Rq , f es localmente Lipschitz, g y h son continuas. Supongamos que

m = q, f (0) = 0, h(0) = 0 y que existe W (x) semidefinida positiva y continuamente diferenciable
que satisface
W
f (x) 0
x
W
g(x) = ht (x)
x
(5.44)
para todo x Rn . Entonces

ut y
W
W
W
[f (x) + g(x)u] = ut h(x)
f (x) ht (x)u =
f (x) 0
x
x
x
lo que muestra que el sistema es pasivo. Si en cambio el sistema satisface

W
f (x) kht (x)h(x) ,
x
W
g(x) = ht (x),
x
tenemos
ut y
k>0
(5.45)
W
[f (x) + g(x)u] ky t y
x
y el sistema es pasivo estricto de salida.
Veamos ahora un ejemplo para introducir la definicion de pasividad para una funcion est
atica.
Ejemplo 5.10. Consideremos una fuente de tensi
on conectada a una resistencia R > 0. Tenemos
y=
1
u
R
Podemos considerar esta funci

on est
atica como un sistema con entrada u y salida y. Entonces
uy =
1 2
1 2 R 2
u = Ry 2 =
u + y
R
2R
2
o sea que el sistema puede definirse como pasivo estricto de entrada, de salida, o de entrada y
salida.
Consideremos la funci
on est
atica inestacionaria
y = h(t, u)
(5.46)
donde h : R Rm Rm es seccionalmente continua en t y localmente Lipschitz en u.

Definici
on 5.4 (Funci
on Estatica Pasiva). La funcion (5.46) es pasiva si
y t y ut u + y t y ,
u Rm
donde y son constantes no negativas. Mas a

un, el sistema se dice
pasivo estricto de entrada si > 0;
pasivo estricto de salida si > 0.
(5.47)
5.5 Pasividad
117
u1 c + l e1 H1
y1
-c
c
y2
H2
e2
?+
l
u2
c
Figura 5.2: Conexion en realimentacion.
5.5.1.
Estabilidad de la Interconexi
on en Realimentaci
on de Sistemas Pasivos
Vamos a considerar la interconexion en realimentacion de la Figura 5.2, donde H1 y H2 son

pasivos. Vamos a ver dos teoremas. El primer teorema trata estabilidad asintotica del origen del
sistema no forzado cuando H1 y H2 son sistemas din
amicos. El segundo teorema tambien trata
estabilidad asint
otica pero cuando H2 es una funcion est
atica.
Teorema 5.8. Consideremos el sistema en realimentacion de la Figura 5.2, donde H1 y H2 son
sistemas din
amicos con ecuaciones de estado
x i = fi (xi , ei )
yi = hi (xi , ei )
para i = 1, 2. Supongamos que el sistema en realimentacion tiene un modelo de estado
x = f (x, u)
y = h(x, u)
donde x = [x1 x2 ]t , u = [u1 u2 ]t , y = [y1 y2 ]t , f es localmente Lipschitz, h es continua, f (0, 0) = 0
y h(0, 0) = 0. Sean H1 y H2 sistemas pasivos con desigualdades de disipacion
eti yi
Vi
fi (xi , ei ) + i eti ei + i yit yi + i i (xi ) ,
xi
i = 1, 2
Entonces el origen de x = f (x, 0) es estable y toda soluci

on que comienza suficientemente cerca del
origen es acotada. Si V1 (x1 ) y V2 (x2 ) son radialmente no acotadas, entonces todas las soluciones de
x = f (x, 0) son acotadas. El origen de x = f (x, 0) es AE en cualquiera de los siguientes casos:
Caso 1 1 > 0 y 2 > 0;
Caso 2 1 > 0 y 1 + 2 > 0 y H2 es observable al estado cero;
Caso 3 2 > 0 y 2 + 1 > 0 y H1 es observable al estado cero;
Caso 4 1 + 2 > 0, 2 + 1 > 0 y tanto H1 como H2 son observables al estado cero.
Si en cualquiera de los cuatro casos V1 (x1 ) y V2 (x2 ) son radialmente no acotadas, entonces el origen
es GAE.
Prueba: Tomemos u1 = u2 = 0. En este caso e1 = y2 y e2 = y1 . Usando V (x) = V1 (x1 )+V2 (x2 )
como funci
on de Lyapunov del sistema en realimentacion, tenemos
V1
V2
V =
f1 (x1 , y2 ) +
f2 (x2 , y1 )
x1
x2
1 1 (x1 ) 2 2 (x2 ) (2 + 1 )y1t y1 (1 + 2 )y2t y2
118
Si ambos sistemas son solo pasivos, entonces V 0 y el sistema es estable, y existe c > 0 tal
que todas las soluciones que comienzan en {V (x) c} est
an acotadas. Si V (x) es radialmente no
acotada, c puede ser arbitrariamente grande. Para probar estabilidad asintotica usamos Lasalle, o
sea, probamos que V (x(t)) 0 implica x(t) 0, en cada caso.
Caso 1 Sigue de la propiedad (5.41) de i (xi ).
Caso 2
1 > 0 = 1 (x1 (t)) 0 = x1 (t) 0
y
1 + 2 > 0 = y2 (t) 0 = e1 (t) 0
Ahora
x1 (t) 0 , e1 (t) 0 = y1 (t) 0 = e2 (t) 0
y por observabilidad de H2 concluimos que x2 (t) 0.
Caso 3 Analogo al Caso 2.
Caso 4
1 + 2 > 0 = y2 (t) 0
2 + 1 > 0 = y1 (t) 0
Por observabilidad de H1 y H2 concluimos que x(t) 0.
Teorema 5.9. Consideremos el sistema en realimentacion de la Figura 5.2, donde H1 es un sistema

din
amico descripto por
x 1 = f1 (x1 , e1 )
y1 = h1 (x1 , e1 )
y H2 es una funcion est
atica de forma
y2 = h2 (t, e2 )
Supongamos que el sistema en realimentaci
on tiene un modelo de estado
x = f (t, x, u)
y = h(t, x, u)
donde x = x1 , u = [u1 u2 ]t , y = [y1 y2 ]t , f y h son seccionalmente continuas en t y localmente
Lipschitz en (x, u), f (t, 0, 0) = 0 y h(t, 0, 0) = 0. Sean H1 y H2 sistemas pasivos, es decir, satisfacen
V1
f1 (x1 , e1 ) + 1 et1 e1 + 1 y1t y1 + 1 1 (x1 )
x1
et2 y2 2 et2 e2 + 2 y2t y2
et1 y1
Entonces el origen de x = f (t, x, 0) es estable y toda soluci

on que comienza suficientemente cerca
del origen es acotada t 0. Si V1 (x1 ) es radialmente no acotada, entonces todas las soluciones de
x = f (t, x, 0) son acotadas. El origen de x = f (t, x, 0) es UAE si H1 es pasivo estricto de estado
con 1 (x1 ) definida positiva. Si H2 es estacionaria, entonces el origen de x = f (t, x, 0) es AE en
cualquiera de los siguientes casos:
5.6 Ejercicios
119
Caso 1 1 > 0;
Caso 2 2 + 1 > 0 y H1 es observable al estado cero.
Si V1 (x1 ) es radialmente no acotada, entonces el origen es GAE.
5.6.
Ejercicios
Ejercicio 5.1.
Sea la ecuaci
on de Lyapunov P A + AT P = Q, donde Q = QT > 0 y A es Hurwitz. Sea
(Q) = mn (Q)/max (P ).
(i) Mostrar que (kQ) = (Q) para cualquier n
umero positivo k.
=Q
T > 0 tal que mn (Q)
= 1. Mostrar que (I) (Q).
(ii) Sea Q
(iii) Mostrar que (I) (Q) para toda Q = QT > 0.
Ayuda: Para la parte (ii), si P1 y P2 son las soluciones de la ecuaci
on de Lyapunov para Q = I
respectivamente, mostrar que
yQ=Q
Z
T
At dt 0.
P1 P2 =
eA t (I Q)e
0
Ejercicio 5.2.
Sea el sistema x = Ax + Bu y sea u = F x una realimentacion de estados estabilizante; es decir,
tal que la matriz (A + BF ) es Hurwitz. Supongamos que, debido a limitaciones fsicas, debemos
usar un limitador para evitar que el valor de las componentes ui de u no superen en valor absoluto
el m
aximo preestablecido L > 0, o sea que |ui (t)| L.
- B
- l - RS

6
A
Fx
F
Figura 5.3: Realimentacion de estados saturada
El sistema a lazo cerrado, ilustrado en la Figura 5.3, puede representarse por

x = Ax + BLsat(F x/L),
120
donde sat(v) es un vector cuya componente i-esima es la funcion saturacion
1, para v1 < 1
sat(vi ) = vi , para |vi | 1
1,
para vi > 1
Sumando y restando el termino BF x, podemos reescribir el sistema lazo cerrado como

x = (A + BF )x + Bh(F x),
donde h(v) = Lsat(v/L) v. As, el efecto del limitador puede verse como una perturbacion del
sistema nominal sin limitaciones en la entrada.
(i) Mostrar que |hi (v)| /(1 + )|vi | si |vi | L(1 + ).
(ii) Sea P la soluci
on de P (A+BF )+(A+BF )T P = I. Mostrar que la derivada de V (x) = xT P x
a lo largo de las trayectorias del sistema a lazo cerrado es definida negativa en la regi
on
{x : |(F x)i | L(1 + )} si /(1 + ) < 1/(2kP Bk2 kF k2 ).
(iii) Mostrar que el origen es asint
oticamente estable y discutir como puede estimarse la regi
on de
atracci
on.
(iv) Aplicar los resultados anteriores al caso

1 1
1 0
A=
,
B=
,
1 1
0 1
F =

0
1
,
1 1,9
y L = 1. Estimar la regi
on de atracci
on del origen.
Ejercicio 5.3.
Sea el sistema
x 1 = x1 + (t)x2
x 2 = (t)x1 x2 + h(t) cos x1

donde (t) y h(t) son funciones continuas, y |h(t)| H para todo t 0. Mostrar que las soluciones
del sistema son globalmente uniformemente finalmente acotada y estimar la cota final.
Ejercicio 5.4.
Sea el sistema

2
x 1 = sen x2 1 x1
x 2 = bx1 (1 + b)x2 .
(i) Con b = 0, mostrar que el origen es exponencialmente estable y globalmente asintoticamente

estable.
(ii) Con b 6= 0, mostrar que el origen es exponencialmente estable para |b| suficientemente peque
no,
pero que no puede ser GAE por m
as peque
no que sea |b|.
(iii) Discutir los resultados de las partes (i) y (ii) en relaci
on a los resultados de perturbacion de
puntos de PE, y mostrar que cuando b = 0 el origen no es globalmente exponencialmente
estable.
5.6 Ejercicios
121
Ejercicio 5.5.
Sea el sistema escalar
x =
x
1 + x2
y V (x) = x4 .
(i) Mostrar que las desigualdades (4.17) se satisfacen con
1 (r) = 2 (r) = r 4 ,
3 (r) =
4r 4
,
1 + r2
4 (r) = 4r 3
(ii) Verificar que estas funciones son clase K .

(iii) Considerar el sistema perturbado
x =
x
+
1 + x2
donde es una constante positiva. Mostrar que para toda > 1/2 la soluci
on x(t) escapa a
infinito para cualquier condicion inicial x(0).
Ejercicio 5.6.
Investigar la estabilidad entrada-estado (ISS) de cada uno de los siguientes sistemas escalares
x = (1 + u)x3 ,
x = (1 + u)x3 x5 ,
x = x + x2 u,
x = x x3 + u.
Ejercicio 5.7.
Sea el sistema

x2 2
1
x 1 = x1 sen
2
x 2 = x2 + u.
(i) Con u = 0, mostrar que el origen es GAE.
(ii) Mostrar que para cualquier entrada acotada u(t), el estado x(t) es acotado.
(iii) Con u(t) 1, x1 (0) = a, y x2 (0) = 1, mostrar que la soluci
on es x1 (t) a,x2 (t) 1.
(iv) Es el sistema ISS?
Parte II
Control
Captulo 6
Control en Realimentaci
on
Los u
ltimos captulos tratan sobre el dise
no de control en realimentacion. Introducimos varias
herramientas de dise
no, incluyendo linealizaci
on, tabulaci
on de ganancia, linealizaci
on exacta por
realimentaci
on, control integral, etc. La mayora de las herramientas de an
alisis que hemos visto en
los captulos anteriores entran en juego en estos u
ltimos captulos. En particular, en este captulo
comenzamos con una secci
on general sobre problemas de control a modo de introducci
on a los
captulos que siguen. Luego presentamos dos secciones sobre dise
no va linealizaci
on, y dise
no por
tabulaci
on de ganancia (gain scheduling).
6.1.
Problemas de Control
Muchas tareas de control requieren el uso de control por realimentacion. En general, un objetivo
b
asico de un sistema de control es hacer que alguna salida, digamos y, se comporte de forma deseada
mediante la manipulacion de alguna entrada, digamos u. El objetivo m
as simple puede ser tratar
de mantener y peque
na (o cercana a alg
un punto de equilibrio) un problema de regulaci
on o
estabilizaci
on o tratar de mantener la diferencia y r peque
na, donde r es una se
nal de entrada
de referencia perteneciente a cierta clase de se
nales deseadas un problema de servomecanismo o
seguimiento. Por ejemplo:
En un avion comercial la aceleraci
on vertical debe mantenerse por debajo de cierto valor para
garantizar comodidad a los pasajeros.
En un amplificador de audio la potencia de se
nales de ruido en la salida debe ser suficientemente peque
na para obtener buena fidelidad.
En la fabricaci
on de papel el contenido de humedad debe mantenerse entre ciertos valores
especificados.
Cada problema de control, a su vez, puede tener distintas versiones, dependiendo de los elementos
disponibles para resolverlo. Por ejemplo, uno puede resolver un problema de regulaci
on por realimentaci
on de estados, si es que todos los estados necesarios son medibles, o bien, por realimentaci
on
de salida.
En un problema de control tpico existen objetivos de dise
no adicionales a los b
asicos de regulaci
on o seguimiento. Por ejemplo, pueden existir requerimientos especiales sobre la respuesta
transitoria de y, o restricciones en los valores de la entrada de control u. Estos objetivos adicionales
pueden no ser completamente compatibles entre s, por lo que en muchos casos forzosamente se cae
en soluciones de compromiso. El deseo de optimizar estas soluciones de compromiso da lugar a la
formulaci
on de varios problemas de control optimo.
126
on
Un objetivo de control adicional particularmente importante es el de mantener los objetivos

b
asicos de dise
no ante la presencia de incertidumbres en el modelo matem
atico del sistema. El
dise
no de control con tolerancia de incertidumbres de modelado lleva a la formulaci
on de problemas
de control robusto, o bien problemas de control adaptable. En control robusto, la incertidumbre de
modelado se caracteriza como una perturbacion de un modelo nominal. En control adaptable, por
otro lado, la incertidumbre se caracteriza en terminos de un conjunto de par
ametros desconocidos,
y se dise
na la realimentaci
on de forma que estos par
ametros puedan estimarse mientras el sistema
se encuentra en operaci
on. Existen tambien formulaciones mixtas, que combinan control robusto y
adaptable.
En este curso nos limitamos a describir los problemas b
asicos de estabilizaci
on, seguimiento,
y rechazo de perturbaciones. Comenzamos con el problema de estabilizaci
on, en sus versiones de
realimentacion de estados, y realimentaci
on de salida.
6.1.1.
Estabilizaci
on
Realimentaci
on de estados.
El problema de estabilizaci
on para el sistema
x = f (t, x, u)
es el problema de dise
nar una ley de control
u = (t, x)
tal que el origen x = 0 sea un punto de equilibrio uniformemente asintoticamente estable del sistema
a lazo cerrado
x = f (t, x, (t, x)).
Una vez que sabemos como resolver este problema, podemos estabilizar el sistema con respecto a
un punto p arbitrario mediante traslaci
on del origen con el cambio de variables = x p. Mas
a
un, p no tiene que ser un punto de equilibrio del sistema a lazo abierto (basta que exista q tal que
f (t, p, q) = 0, t).
La ley de control en realimentaci
on u = (t, x) suele llamarse realimentacion est
atica, puesto
que es una funcion est
atica de x. Alternativamente, puede usarse una ley de control din
amica
u = (t, x, z)
z = g(t, x, z),
donde z es la soluci
on de un sistema din
amico cuya entrada es x. Un ejemplo tpico de realimentacion
din
amica es el control con acci
on integral, que veremos m
as adelante.
Realimentaci
on de salida.
sistema
El problema de estabilizaci
on por realimentacion de salida para el
x = f (t, x, u)
y = h(t, x, u)
consiste en dise
nar el control est
atico
u = (t, y)
6.1 Problemas de Control
127
o bien (mas com

un en este caso ya que por lo general se necesita construir un observador para
estimar el estado x) el control din
amico
u = (t, y, z)
z = g(t, y, z)
tal que x = 0 (z = 0) sea un punto de equilibrio uniformemente asintoticamente estable del sistema
a lazo cerrado x = f (t, x, ()).
Sistemas lineales estacionarios. Naturalmente, el problema de estabilizaci
on por realimentacion se simplifica si el sistema es lineal y estacionario,
x = Ax + Bu
y = Cx + Du
El control u = Kx preserva la linealidad del sistema, y el origen del sistema a lazo cerrado
x = (A + BK)x
es exponencialmente estable sii A + BK es Hurwitz. La teora de sistemas lineales establece que si
el par (A, B) es controlable, se pueden asignar arbitrariamente todos los autovalores de A + BK
mediante elecci
on apropiada de F . Si (A, B) es estabilizable, s
olo pueden asignarse los autovalores
controlables, pero los no controlables de A (a lazo abierto) deben tener parte real negativa.
Cuando los estados no est
an disponibles para realimentacion, se puede construir un observador,
y se realimentan los estados estimados x
,
x
= A
x + Bu + H(C x
+ Du y)
u = Kx
En este caso, para asegurar que x

(t) converge a x(t), la matriz A + HC debe ser Hurwitz. La teora
de sistema lineales garantiza que si el par (A, C) es observable, se pueden asignar arbitrariamente
todos los autovalores de A + HC mediante eleccion apropiada de H.
Una propiedad importante de los sistemas lineales es el principio de separaci
on, que establece
que el problema de estabilizaci
on por realimentacion de salida puede resolverse combinando las
soluciones de
(i) El problema de estabilizaci
on mediante realimentacion est
atica de estados, u = Kx,
(ii) El problema de observaci
on de x a partir de la medici
on de u e y.
Si las matrices A+BK y A+HC son Hurwitz, el sistema a lazo cerrado realimentado va observador
es estable, y con los autovalores a lazo cerrado deseados. Esto puede comprobarse planteando la
din
amica del sistema total planta/error de estimaci
on, x
=xx
,

x
A + BK
BK
x
=
0
A + HC x
Sistemas no lineales. Para sistemas no lineales generales el problema de estabilizaci

on es m
as
difcil y no hay una soluci
on unificada como en el caso lineal. La forma m
as pr
actica de encararlo
es recurrir a los resultados disponibles en el caso lineal, es decir, va linealizaci
on. Vamos a estudiar
dos metodos de este tipo:
128
on
(i) Dise
no va linealizaci
on (Secci
on 6.2): linealizamos el sistema alrededor del origen, y dise
namos un control lineal estabilizante para la linealizaci
on. La estabilidad alcanzada en el
sistema no lineal ser
a local, aunque podemos estimar la regi
on de atracci
on. La validez de esta
idea est
a garantizada por el Metodo Indirecto de Lyapunov (Teorema 3.11).
(ii) Control por ganancia tabulada (Secci
on 6.3): linealizamos el sistema alrededor de una familia de puntos de equilibrio deseados, dise
namos un control lineal estabilizante para cada
linealizaci
on, y usamos alg
un mecanismo para conmutar de uno a otro.
En el Captulo 7 veremos una idea de linealizaci
on distinta; trabajaremos con clases especiales
de sistemas no lineales que pueden transformarse en sistemas lineales mediante realimentacion y
(posiblemente) cambio de coordenadas. Luego de esta transformacion se puede dise
nar un controlador lineal estabilizante para el sistema lineal obtenido. A diferencia de la anterior, este tipo de
linealizaci
on no involucra ninguna aproximacion; es exacta. Esta exactitud, sin embargo, asume
conocimiento perfecto de las ecuaciones de estado del sistema y usa este conocimiento para cancelar
en forma exacta las alinealidades del sistema. Como en la pr
actica es imposible el conocimiento
exacto del modelo del sistema, este metodo siempre resulta en un sistema a lazo cerrado que es
una perturbacion del sistema a lazo cerrado nominal. La validez del metodo, entonces, utiliza los
resultados de teora de Lyapunov para sistemas perturbados vistos en el Captulo 5.
Cuando un sistema lineal se estabiliza por realimentacion, el origen del sistema a lazo cerrado
es globalmente asint
oticamente estable. Para sistemas no lineales hay distintas posibilidades de
estabilizaci
on, que ilustramos sobre un ejemplo.
Ejemplo 6.1. Supongamos que deseamos estabilizar el origen del sistema escalar
x = x2 + u
usando realimentaci
on.
Estabilizaci
on Local: PE AE sin estima de la RA.
Linealizando sobre el PE x = 0 obtenemos el sistema x = u, para el cual calculamos un control
lineal local u = k x, k > 0, obteniendo
x = k x + x2
El PE x = 0 del sistema a lazo cerrado de arriba es AE, por lo tanto u = k x consigue

estabilizaci
on local.
Estabilizaci
on Regional: PE AE con una RA garantizada.
Es facil de ver que la RA de u = k x es {x R : x < k}, por lo tanto obtenemos estabilizaci
on
regional en {x R : x < k}.
Estabilizaci
on Semiglobal: PE AE con RA compacta arbitrariamente grande.
Se puede dise
nar el control tal que cualquier conjunto compacto (tan grande como se quiera)
este contenido en la RA. En el ejemplo, aumentando k agrandamos la RA; dado cualquier
conjunto compacto Br = {|x| r}, lo podemos incluir en la RA tomando k > r.
Estabilizaci
on Global: PE GAE.
Para el ejemplo, u = k x no consigue estabilizaci
on global. Esto es facil de ver ya que, dado
r, elegimos k > r, pero una vez que k est
a fija, las condiciones iniciales en la regi
on {x > k}
dan soluciones que divergen.
Sin embargo, el control no lineal u = x2 k x consigue estabilizaci
on global, ya que el sistema
a lazo cerrado x = k x es GAE.
6.2 Dise
no Va Linealizaci
on
6.1.2.
129
Seguimiento en Presencia de Perturbaciones
Pasemos ahora a describir un problema de control m

as general; concretamente, el problema de
seguimiento en presencia de perturbaciones. En este caso el sistema est
a modelado por
x = f (t, x, u, w)
y = h(t, x, u, w)
ym = hm (t, x, u, w)
donde x es el estado, u es la entrada de control, w es la se
nal de perturbacion, y es la salida a
controlar, e ym es la salida medida.
El objetivo de control b
asico es dise
nar la entrada de control de forma que la salida controlada
y siga una se
nal de referencia yR , por ejemplo, asintoticamente:
e(t) = y(t) yR (t) 0 cuando t .
A veces esto es imposible para cierto tipo de se
nales de perturbacion w, entonces se puede pedir,
alternativamente, que e(t) este finalmente acotada, es decir
ke(t)k < ,
t T
o, si w L2 , minimizar la ganancia L2 del operador a lazo cerrado entre w y e.

Una clase importante de problemas de seguimiento se da cuando yR es una se
nal constante. En
este caso el problema se convierte en uno de regulaci
on, y se resuelve estabilizando el lazo cerrado
alrededor de un PE en donde y = yR .
Las leyes de control por realimentacion para el problema de seguimiento se clasifican de la
misma forma vista para el problema de estabilizaci
on. Hablamos de realimentacion de estados
si x puede medirse; o sea, ym = x; de lo contrario hablamos de realimentacion de salida. En
forma an
aloga, la realimentaci
on puede ser est
atica o din
amica, y puede alcanzar seguimiento local,
regional, semiglobal o global. La diferencia en este caso es que la localidad o globalidad se refiere
no s
olo al tama
no de las condiciones iniciales, sino tambien al tama
no de las se
nales externas. Por
ejemplo, en un problema tpico, seguimiento local significa que se alcanza seguimiento para estados
iniciales y se
nales externas suficientemente peque
nas, mientras que seguimiento global significa que
se alcanza seguimiento para cualquier estado inicial y cualquier (y, w) en una determinada clase de
se
nales.
6.2.
Dise
no Va Linealizaci
on
Ilustramos el dise
no va linealizaci
on para los problemas de estabilizaci
on y regulaci
on. En cada
caso, comenzamos con el control por realimentacion de estados y luego presentamos el control por
realimentaci
on de salidas.
6.2.1.
Estabilizaci
on
Realimentaci
on de estados
Consideramos el sistema
x = f (x, u),
x Rn , u Rp ,
(6.1)
donde f (0, 0) = 0, f (x, u) es continuamente diferenciable en un dominio que contiene el origen

(x, u) = (0, 0). Linealizando alrededor de (x, u) = (0, 0) obtenemos el sistema lineal
x = Ax + Bu
(6.2)
130
on
donde

f
A=
x (x,u)=(0,0)

f
B=
.
u (x,u)=(0,0)
(6.3)
De la teora de sistemas lineales, recordamos ahora algunas propiedades que vamos a usar en adelante. Para m
as detalles y demostraciones ver por ejemplo Chen [1999, Captulos 6 y 8] o Bay [1999,
Captulos 8 y 10].
Definici
on 6.1 (Controlabilidad). La ecuaci
on de estados (6.2), o el par (A, B), se dice controlable
si para cualquier estado inicial x(0) = x0 Rn y cualquier estado final x1 Rn , existe una entrada
u que transfiere el estado x de x0 a x1 en tiempo finito. En caso contrario, la ecuaci
on (6.2), o el
par (A, B), se dice no controlable.
Proposici
on 6.1 (Test de Controlabilidad). El par (A, B), A Rnn , B Rnp , es controlable si
y s
olo si la matriz de controlabilidad,

C = B AB A2 B An1 B , C Rnnp ,
es de rango n (rango fila pleno).
Proposici
on 6.2 (Invariancia de la controlabilidad respecto a realimentacion). El par (A+BK, B),
para cualquier matriz K pn , es controlable si y s
olo si el par (A, B) es controlable.
Proposici
on 6.3 (Controlabilidad y asignabilidad de autovalores). Todos los autovalores de (A +
BK) pueden asignarse arbitrariamente (siempre y cuando los autovalores complejos conjugados se
asignen en pares) eligiendo la matriz constante real K si y s
olo si (A, B) es controlable.
Asumiendo (A, B) controlable, calculamos K tal que A + BK sea Hurwitz, y aplicamos u = Kx

al sistema no lineal, obteniendo el sistema a lazo cerrado
x = f (x, Kx).
Obviamente x = 0 es un PE del sistema y la linealizaci
on es

f
f
(x, Kx) +
(x, Kx) K
= (A + BK)x.
x =
x
u
x=0
Como A + BK es Hurwitz, el Teorema 3.11 garantiza que x = 0 es un PE exponencialmente estable
del sistema no lineal. Como subproducto del enfoque de linealizaci
on, disponemos adem
as de una
funcion de Lyapunov para estimar la RA:
V (x) = xt P x ,
donde P = P t > 0 se calcula de la ecuaci
on de Lyapunov
P (A + BK) + (A + BK)t P = I.
Ejemplo 6.2 (Control del pendulo por linealizaci
on y realimentacion de estados). Consideremos
la ecuaci
on del pendulo
= a sen b + c T
donde a = g/l > 0, b = k/m 0, c = 1/(ml2 ) > 0, es el angulo entre la cuerda y el eje vertical,
y T es el par aplicado al pendulo. Usando el par como entrada de control, queremos estabilizar al
6.2 Dise
no Va Linealizaci
on
131
pendulo en un
angulo = . Tomando como variables de estado x1 = y x2 = se obtiene el
modelo de estado
x 1 = x2 ,
x 2 = a sen(x1 + ) b x2 + c T
(6.4)
Para que (6.4) tenga un PE en el origen, el par debe tener una componente est
atica Tf que satisfaga
a sen + c Tf = 0
es decir
a sen
c
Definimos la variable de control u = T Tf y reescribimos (6.4) como
Tf =
(6.5)
x 1 = x2 ,
x 2 = a [sen(x1 + ) sen ] b x2 + c u
que est
a en la forma (6.1) con f (0, 0) = 0. Linealizando alrededor del origen obtenemos las matrices

0
1
0
A=
,
B=
(6.6)
a cos b
c
El par (A, B) es controlable. Tomando K = [k1 k2 ], obtenemos

0
1
A + BK =
,
k1 c a cos k2 c b
cuyo polinomio caracterstico es () = 2 + (k1 c a cos ) + (k2 c b). No es difcil comprobar

que A + BK es Hurwitz si
b
a cos
,
k2 < .
c
c
Usando (6.5), el par de control que consigue, localmente, estabilizar el angulo en un valor es
k1 <
T =
a sen
a sen
+Kx =
+ k1 ( ) + k2 .
c
c
Realimentaci
on de salida
x = f (x, u) ,
y = h(x)
donde f (0, 0) = 0, h(0) = 0, f y h son continuamente diferenciables en un dominio que contiene al
origen (x, u) = (0, 0). Linealizando alrededor de (x, u) = (0, 0), obtenemos el sistema lineal
x = Ax + Bu
y = Cx
donde A y B est
an definidas en (6.3), y

h
C=
.
x x=0
(6.7)
De la teora de sistemas lineales, recordemos ahora los conceptos y resultados relativos a observabilidad.
132
on
Definici
on 6.2 (Observabilidad). La ecuaci
on de estado (6.7) es observable si para cualquier estado
inicial x(0) (desconocido), existe un tiempo finito t1 tal que el conocimiento de la entrada u y la
salida y sobre el intervalo [0, t1 ] es suficiente para determinar en forma u
nica el estado inicial x(0).
En caso contrario el sistema no observable.
Proposici
on 6.4 (Dualidad entre controlabilidad y observabilidad). El par (A, C) es observable si
y s
olo si el par (AT , C T ) es controlable.
Si el sistema (6.7) es observable, entonces es posible estimar asintoticamente el vector de estados

x(t) a partir del conocimiento de la entrada u(t) y la salida y(t) del sistema. La estima x
(t) puede
calcularse construyendo el observador
x
= A
x + Bu + H(C x
y).
Si la matriz A + HC es Hurwitz, la estima x
(t) se aproximara asintoticamente a x(t) a medida que t
crece, es decir, lmt k
x(t) x(t)k = 0. Si (A, C) es observable, es posible asignar arbitrariamente
los autovalores de A + HC.
Proposici
on 6.5 (Asignaci
on de autovalores en observadores). Dado el par (A, C), todos los autovalores de (A + HC) pueden asignarse arbitrariamente seleccionando una matriz real H si y s
olo
si (A, C) es observable.
Volviendo a nuestro sistema (6.7), asumimos (A, B) controlable, (A, C) observable, y dise
namos
el control din
amico
z = F z + Gy
u = Lz + M y
tal que la matriz de lazo cerrado del sistema aumentado (6.7)(6.8),

A + BM C BL
ALC =
,
GC
F
(6.8)
(6.9)
sea Hurwitz. Un ejemplo es el control basado en observador (la variable z corresponde entonces a
la estima del estado x
)
x
= A
x + Bu + H(C x
y)
u = Kx
donde K y H se calculan de forma tal que A + BK y A + HC sean Hurwitz, lo que resulta en

A
BK
ALC =
.
HC A + BK + HC
Aplicando el control (6.8) al sistema no lineal obtenemos
x = f (x, Lz + M h(x))
z = F z + Gh(x).
Es claro que (x, z) = (0, 0) es un PE del sistema no lineal a lazo cerrado. Linealizando nos queda la
matriz (6.9), por lo que el origen resulta un PE exponencialmente estable. Ademas, resolviendo una
ecuaci
on de Lyapunov para la matriz (6.9), disponemos de una funcion de Lyapunov, para estimar
la RA.
6.2 Dise
no Va Linealizaci
on
133

on y realimentacion de salida). Volvemos a considerar el pendulo del Ejemplo 6.2. Supongamos que el objetivo de control es el mismo, pero ahora
Tomamos como variable de salida
medimos el
angulo pero no medimos la velocidad angular .
y = x1 = , y construimos un control din
amico de salida usando el observador
x
= A
x + Bu + H(
x1 y)
Tomando H = [h1 h2 ], puede verificarse que A + HC es Hurwitz si
h1 < b ,
h2 < a cos b h1
El par de control es ahora

T =
a sen
+Kx
.
c
6.2.2.
Regulaci
on Va Control Integral
En el Ejemplo 6.2 consideramos el problema de regular el angulo del pendulo a un valor

constante , para lo cual redujimos el problema a uno de estabilizaci
on mediante corrimiento del
punto de equilibrio deseado al origen. Aunque este enfoque es adecuado cuando se conocen los
par
ametros del sistema con exactitud, puede no ser aceptable si existen perturbaciones de los valores
nominales de los par
ametros del modelo. En esta secci
on presentamos una mejora al esquema de
realimentaci
on de estados, el agregado de acci
on integral, que permitira regulaci
on robusta frente a
perturbaciones parametricas.
La ley de control de par a la que arribamos en el Ejemplo 6.2,
T =
a sen
+ Kx,
c
est
a formada por
(i) una componente est
atica de regimen estacionario Tf = (a/c) sen que da el valor de equilibrio
de , digamos f , en el valor deseado de angulo , y
(ii) una componente de realimentacion Kx que hace que A + BK sea Hurwitz.
Mientras el c
alculo de ambas componentes depende de los par
ametros del sistema, la parte de
realimentaci
on puede dise
narse para que sea robusta dentro de un rango de valores de los par
ametros.
Por otro lado, el c
alculo de Tf puede ser sensible a variaciones en los par
ametros del modelo respecto
de sus valores nominales, lo cual cambiar
a el valor estacionario de del valor deseado . El esquema
que presentamos a continuaci
on permitira que el valor de regule al valor deseado tambien en forma
robusta.
x = f (x, u)
y = h(x)
donde x Rn , u Rp , f y h son funciones continuamente diferenciables en un dominio incluido en
Rn Rp , y Rp es la salida a regular. Sea yR Rp una se
nal de referencia constante. Queremos
dise
nar un control en realimentaci
on tal que
y(t) yR
cuando
134
on
Asumimos que medimos la salida y. Vamos a estabilizar el sistema a lazo cerrado en un PE tal
que y = yR . Es claro que, para que esto sea posible, deben existir valores xf y uf tales que
0 = f (xf , uf )
(6.10)
0 = h(xf ) yR
Asumimos que (6.10) tiene una soluci
on u
nica en el dominio de interes.
Integramos el error de seguimiento e , y yR :
= e = y yR
y aumentamos el sistema con el integrador
x = f (x, u)
= h(x) yR
El control se va a dise
nar como una realimentacion de los estados x y y tal que el sistema a lazo
cerrado tenga un PE en (
x,
) con x
= xf .
Si linealizamos alrededor de (x, , u) = (xf ,
, uf ), obtenemos

A
0
B
=
+
v , A + Bv
C 0
0
con

x xf
=
v = u uf
y donde

f
A=
x (x,u)=(xf ,uf )

f
B=
u (x,u)=(xf ,uf )

h
C=
x x=xf
A B
Supongamos
Si (A, B) es controlable y el rango de C
0 es n + p, entonces (A, B) es controlable.

que es as y calculemos K tal que A + BK sea Hurwitz. Partimos K como K = K1 K2 , donde
K2 es p p y no singular (si fuera singular, puede mostrarse que A + BK sera singular, lo que
contradice el hecho de que es Hurwitz). El control es entonces
u = K1 (x xf ) + K2 (
) + uf
El control integral introduce un grado de libertad que puede usarse para asignar el valor de
. Si
elegimos
= K21 (uf K1 xf ) , f
el control din
amico obtenido queda
= e = y yR
u = K1 x + K2
con lo que ya no necesitamos incluir un termino est

atico en el control para obtener el valor de regimen
permanente deseado. La Figura 6.1 muestra un diagrama de bloques del sistema controlado con este
esquema de realimentaci
on de estados con accion integral.
6.2 Dise
no Va Linealizaci
on
135
yR R
+ u
c - j- A - K
- j
2

+6
+6
f (x, u)
x R x
- A
- h(x)
-c
K1
Figura 6.1: Esquema de realimentacion de estados con acci

on integral.
El sistema no lineal a lazo cerrado es

x = f (x, K1 x + K2 )
= h(x) yR
que tiene un PE en (xf , f ). Si linealizamos sobre este PE queda
#
" f
f
+ u
K1 f
K2
x
u
=
h
0
x
(x,)=(x , )
f
= (A + BK),
que es exponencialmente estable. Por lo tanto y(t) yR cuando t (para condiciones iniciales
en la regi
on de atracci
on).
on y realimentacion de estados con accion integral).
Volvemos a considerar el pendulo del Ejemplo 6.2, donde el objetivo de control es estabilizar al
y = x1 y u = T obtenemos el modelo de
pendulo en un
angulo = . Tomando x1 = , x2 = ,
estado
x 1 = x2 ,
x 2 = a sen(x1 + ) b x2 + c u
y = x1 = e
Tomando la referencia yR = 0 puede verse que el equilibrio deseado es

a
0
,
uf = sen
xf =
0
c
Las matrices
A y B est
an dadas por (6.6), y C = [ 1 0 ]. Como (A, B) es controlable y el rango

A
B
de C 0 es n + p = 3, entonces (A, B) es controlable. Tomando K = [k1 k2 k3 ], puede verificarse
usando el criterio de Routh-Hurwitz que A + BK es Hurwitz si
b k2 c > 0
(b k2 c)(a cos k1 c) + k3 c > 0
k3 c > 0
Supongamos ahora que no conocemos los valores exactos de los par

ametros a > 0, b 0, c > 0,
pero conocemos una cota superior 1 de a y una cota inferior 2 de c. Entonces, tomando

k3
1
1+
k2 < 0 ,
k3 < 0 ,
k1 <
2
k2 1
136
on
nos aseguramos que A + BK es Hurwitz para toda perturbacion de los par

ametros que satisfaga las
cotas a 1 y c 2 . La ley de control del par es
T = k1 ( ) + k2 + k3
=
que es un clasico control PID (proporcional-integral-derivativo). Comparando con el par de control

obtenido en el Ejemplo 6.2, podemos ver que no es necesario usar el par estacionario para mantener
el equilibrio deseado.
La robustez del control integral puede explicarse intuitivamente de la siguiente manera. El control
en realimentacion de estados crea un PE AE. Cuando el sistema est
a en este punto de equilibrio,
todas las se
nales deben ser constantes. Para que el integrador = e tenga una salida constante ,
su entrada e debe ser cero. Por lo tanto, el control integral fuerza que el error de seguimiento sea
cero en equilibrio. Si hay variaciones parametricas, el PE va a cambiar en general, pero la condici
on
e = 0 en el equilibrio se mantiene. Por supuesto, como el resultado de estabilizaci
on es local, esto
va a valer para condiciones iniciales (x(0), (0)) lo suficientemente cercanas al PE (xf , f ).
Si no disponemos de los estados x pero medimos y, el control integral puede implementarse
mediante un observador de la siguiente manera
u = K1 x
+ K2
= e = y yR
x
= A
x + Bu + H(C x
y),
representado en el esquema de la Figura 6.2. Notar que usamos el observador para estimar solamente
x, ya que est
a siempre disponible para la realimentacion.
yR R
+ u
c - j- A - K
- j
2

+6
+6
x R x
- A . - h(x)
f (x, u)
-c
Sistema a lazo abierto
B
x
K1

A
-
R + ?
j

+
6
H
A + HC
Observador
Figura 6.2: Esquema de realimentacion de salida con accion integral.
6.3.
Control por Ganancia Tabulada
La principal limitaci
on del control por linealizaci
on es que s
olo se puede garantizar que el control
cumple su objetivo localmente alrededor de un u
nico PE, o punto de operaci
on (PO). Una forma de
6.3 Control por Ganancia Tabulada
137
extender la validez del control por linealizaci

on a un conjunto de POs es usar control por ganancia
tabulada (gain scheduling). Este enfoque asume que se puede representar el sistema mediante
un modelo parametrizado por ciertas variables, llamadas variables de tabulaci
on (scheduling variables), de modo que cuando estas variables asumen un valor constante obtenemos un PO. En
estos casos, se linealiza el sistema alrededor de distintos POs de interes, obteniendose una familia de
modelos lineales para la cual dise
namos una familia de controladores lineales. Luego, se implementa
el esquema de control en un u
nico controlador cuyos par
ametros son cambiados acorde a los valores
que toman las variables de tabulaci
on, que deber
an monitorearse continuamente.
El concepto de control por ganancia tabulada se origina en sistemas de control de aeronaves. En
estas aplicaciones, las ecuaciones no lineales de movimiento de la aeronave se linealizan alrededor
de ciertos POs que capturan los modos principales de operaci
on de la aeronave a lo largo del
patr
on de vuelo deseado. Se dise
nan, entonces, controladores lineales para alcanzar la estabilidad
y el desempe
no deseados para cada una de las linealizaciones del sistema en cada PO. Luego se
interpolan los valores de los par
ametros de los controladores como funciones de las variables de
tabulaci
on; tpicamente, presion, velocidad, altitud, etc. Finalmente, el controlador por ganancia
tabulada se implementa como un sistema no lineal.
Vamos a presentar la idea de control por ganancia tabulada a traves de un ejemplo simple de
control de nivel. Ver Khalil [1996, pp.499506] para una formulaci
on general y m
as referencias.
Ejemplo 6.5 (Control de nivel). El sistema, representado en la Figura 6.3, puede modelarse por
las ecuaciones

Z h
d
(z)dz = q c 2h,
dt
0
donde h es el nivel del lquido en el tanque, q es el caudal de entrada y c es una constante positiva.
Tomando x = h como variable de estado y u = q como entrada de control obtenemos el modelo de
estado
x =
1
(u c 2x) , f (x, u)
(x)
El objetivo de control es que el nivel y = x siga a una referencia yR . Usamos yR como variable de
tabulaci
on. Cuando yR = constante,
y debe mantenerse igual a , para lo cual necesitamos que u
se mantenga en el valor u
() = c 2.
E
6E
?q
E

J
Figura 6.3: Control de nivel de un tanque.
Linealizando alrededor del PO inducido por yR = constante, obtenemos el modelo lineal

parametrizado por
x = a() x + b() u ,
138
on
donde
x = x ,
u = u u
(),

f
c 2
a() =
=
,
x x=
2()
u=u
1
f
=
b() =

u x=
()
u=
u
Consideremos el control PI (proporcional-integral)

u = K1 e + K2
= y yR = x = x r ,
donde r = yR . El sistema lineal a lazo cerrado es

x
a() + b()K1 b()K2 x
b()K1
=
+
r ,
1
0
1
cuyo polinomio caracterstico es
s2 (a + bK1 )s bK2 .
Si, por ejemplo, proponemos tener un polinomio caracterstico de la forma s2 + 2n s + n2 , con
determinados valores deseados de y , podemos lograrlo eligiendo las ganancias del control
K1 () =
2n + a()
,
b()
K2 () =
n2
b()
El control por ganancia tabulada se obtiene cuando reemplazamos por yR , con lo que las ganancias
variar
an directamente con la altura deseada. Antes de seguir, veamos primero una reparametrizacion
del controlador PI que simplificar
a la tarea de tabulaci
on.
Parametrizaci
on simplificada del control PI. A veces es posible simplificar la tarea de monitoreo y tabulaci
on mediante una elecci
on adecuada de los par
ametros del controlador. Por ejemplo,
si reparametrizamos el controlador PI como

K1
1
K = K1 , T =
,
u = K e + ,
T
K2
y suponiendo que |a()| 2n (o sea que la parte real deseada para los polos a lazo cerrado es
mucho mayor que el polo a lazo abierto), entonces obtenemos
K() =
2n
2n + a()
,
b()
b()
T () =
2n + a()
2
2
n
n
Tomando K() = 2n /b() = 2n () y T = 2/n , vemos que s

olo hace falta tabular una
u
nica variable: K(). Con este control PI parametrizado en , la linealizaci
on del sistema a lazo
cerrado alrededor de (x, ) = (,
()), e y = , resulta

x
x
= A () + B r

x
y = C ,
139
donde
A () =

a() 2n n2
,
1
0
B =

2n
,
1

C = 1 0 .
(6.11)
La funcion de transferencia a lazo cerrado correspondiente, de r a y = x , resulta

2n s + n2
s2 + [2n a()]s + n2
Control PI de ganancia tabulada por yR . Dejemos por ahora este an
alisis lineal y consideremos el controlador PI de ganancia tabulada

1
n
u = K(yR ) e + = 2n (yR ) e +
(6.12)
T
2
= e = y yR
donde la ganancia K se tabula como una funcion de la se

nal de referencia yR , no necesariamente
constante. Cuando se aplica este control a la ecuaci
on de estado no lineal, el sistema no lineal a lazo
cerrado resulta

n
1
c 2x
2n (yR ) x yR +
x =
(x)
2
= x yR
y = x.
Cuando yR es una constante positiva, yR = , el sistema tiene un PE en
c 2
x = ,
() , 2
,
n ()
y el valor de equilibrio de u correspondiente es u

= c 2. Es decir, el control por ganancia tabulada
logra el PO deseado. La linealizaci
on del sistema alrededor de este PO (x, ) = (,
()), e yR = ,
resulta en la ecuaci
on lineal de lazo cerrado

x
= An () + Bn () r ,
donde =
()
y = Cn
las matrices An (), Bn () y Cn () son

a() 2n n2
,
An () =
1
0
Bn =

2n + ()
,
1

Cn = 1 0 ,
(6.13)

y la ganancia () = K ()
()/(T ()) donde K () = K/yR y = . La funcion de transfeR
rencia a lazo cerrado de r a y = x resulta en este caso
[2n + ()]s + n2
s2 + [2n a()]s + n2
Comparando (6.11) con (6.13), vemos que los dos modelos lineales representados por (A , B , C )
y (An , Bn , Cn ) son distintos (en la matriz B):
140
on
(A , B , C ) representa el modelo a lazo cerrado de la familia de modelos lineales parametrizados usados para el dise
no del control;
(An , Bn , Cn ) representa la linealizaci
on alrededor del PO deseado del sistema no lineal a lazo
cerrado con el control por ganancia tabulada.
Estos modelos linealizados difieren porque en (A , B , C ) la ganancia est

a fija en K(), y no hay
que derivar K(yR ) con respecto a yR y evaluarla en yR = . Ambos modelos difieren en la posici
on
del cero de la funci
on transferencia de lazo cerrado, lo que puede dar respuestas transitorias muy
diferentes. Idealmente quisieramos que ambos modelos sean iguales a fin de que se de el desempe
no
deseado en las vecindades de cada PO. Vamos a presentar dos trucos para que ambos modelos
resulten iguales.
Truco 1.
No imponer la condici
on
c 2
() = 2
n ()
(que evita el uso de terminos constantes en el control) y en cambio usar el grado de libertad de
asignar
() arbitrariamente. El control entonces es

1
u = K(yR ) e + (
(yR )) + u
(yR ) ,
T
= e = y yR
p
u
(yR ) = c 2yR
(6.14)
y
(yR ) arbitrario. El control (6.12) que usamos antes es un caso particular de (6.14) que surge de
imponer la condici
on
K(yR )
(yR ) = u
(yR ).
T
El sistema a lazo cerrado puede escribirse como
x = fc (x, yR ).
Linealizando alrededor de (x, yR ) = (, ) obtenemos

fc
= a() 2n ,
x yx=
=
R
donde
() =

fc
= 2n + (),
yR yx=
=
R
()
()
1 u
K()
+
.
T ()
()
Si elegimos
() tal que () = 0, es decir tal que
()
u
()
K()
=
T
conseguimos que Bn = B , y de esta forma los modelos (6.11) y (6.13) coinciden.
141
Truco 2.
Reemplazar el controlador

1
u = K(yR ) e +
T
= e
por el controlador
u = K(yR )e +
1
z
T
z = K(yR )e
que, para K constante, puede interpretarse como conmutar la ganancia K con el integrador.
Resumen. En base al ejemplo, podemos resumir los pasos a seguir para dise
nar un control por
ganancia tabulada de la siguiente manera.
(i) Linealizar el modelo no lineal alrededor de una familia de POs parametrizada por las variables
de tabulaci
on.
(ii) Dise
nar una familia parametrizada de controladores lineales que consigan el desempe
no deseado para la familia de modelos lineales en cada PO.
(iii) Construir un control por ganancia tabulada tal que, en cada PO,
el control genere un valor est
atico que de error est
atico nulo,
la linealizaci
on del sistema no lineal a lazo cerrado en cada PO sea la misma que la de la
conexion en realimentaci
on del modelo lineal parametrizado y el correspondiente control
lineal.
(iv) Verificar por simulaci
on el desempe
no no local del control por ganancia tabulada para el
modelo no lineal.
El paso (ii) puede conseguirse resolviendo el problema de dise
no para una familia de modelos
lineales parametrizados por variables de tabulaci
on, como hicimos en el ejemplo, o bien, resolviendo
el problema s
olo en un n
umero finito de POs usando la misma estructura de control para todos ellos
pero permitiendo que los par
ametros del controlador cambien de un PO a otro; luego los par
ametros
del controlador se interpolan para producir una familia de controladores lineales. Este proceso de
interpolaci
on se hace usualmente ad hoc, y se basa en conocimiento del sistema fsico.
Como vimos, la elecci
on del controlador por ganancia tabulada no es u
nica. Poder satisfacer el
requerimiento sobre los modelos linealizados enunciado en el paso (iii) depende de la estructura de
control elegida. Adem
as, la decisi
on de hasta que punto debe insistirse en que las linealizaciones
del modelo no lineal a lazo cerrado y del modelo lineal parametrizado a lazo cerrado coincidan
dependera de las especificaciones y objetivos de control.
Notar que el an
alisis de lazo cerrado del controlador por ganancia tabulada s
olo considera el
comportamiento local alrededor de un PO constante. Que puede decirse del comportamiento regional, o global? Que sucede cuando la variable de tabulaci
on no es constante? En la pr
actica, la
regla es que puede implementarse un controlador de este tipo siempre que las variables de tabulacion varen en forma suficientemente lenta. La estabilidad de sistemas inestacionarios lentos puede
justificarse usando los resultados en Khalil [1996, Secci
on 5.7].
142
6.4.
on
Ejercicios
Ejercicio 6.1.
La Figura 6.4 muestra un esquema de un sistema de suspensi
on magnetica, en el que una bola de
material met
alico se suspende mediante un electroim
an de corriente controlada por realimentacion
a traves de una medici
on
optica de la posici
on de la bola.
Este sistema tiene los ingredientes b
asicos de sistemas para
levitaci
o
n
de
masas
usados
en
gir
o
scopos,
aceler
ometros y
i
trenes de alta velocidad.
+
Basicamente, la ecuaci
on de movimiento de la bola es
v
R, L(y)
y
m
v
mg
Figura 6.4: Sistema de suspensi

on
magnetica
L(y) = L1 +
m
y = ky + mg + F (y, i)
donde m es la masa de la bola, y 0 es la posici
on vertical
(hacia abajo) de la bola medida desde un punto de referencia
(y = 0 cuando la bola est
a pegada al electroim
an), k es el coeficiente de friccion viscosa, g es la aceleraci
on de la gravedad,
F (y, i) es la fuerza generada por el electroim
an, e i es la corriente. La inductancia del electroim
an depende de la posici
on
de la bola, y puede modelarse como
L0
1 + y/a
donde L1 , L0 y a son constantes positivas.

Este modelo representa el caso en el que la inductancia tiene su m
aximo valor cuando la bola
est
a cerca del electroim
an, y decrece a un valor constante a medida que la bola se aleja a y = .
a dada
Tomando E(y, i) = 12 L(y)i2 como la energa almacenada en la bobina, la fuerza F (y, i) est
por
F (y, i) =
E
L0 i2
=
y
2a(1 + y/a)2
Comandando el circuito de la bobina con una fuente de tensi

on v, la ley de tensiones de Kirchhoff
da la relaci
on
v = + Ri,
donde R es la resistencia del circuito y = L(y)i es el flujo magnetico.
(i) Usando x1 = y, x2 = y y x3 = i como variables de estado, y u = v como entrada de control,
mostrar que la ecuaci
on de estado del sistema est
a dada por
x 1 = x2
L0 ax23
k
x2
m
2m(a + x1 )2

1
L0 ax2 x3
+
u
x 3 =
Rx3 +
L(x1 )
(a + x1 )2
x 2 = g
(ii) Suponer que se desea equilibrar la bola en una posici

on deseada yR > 0. Encontrar los valores
de regimen permanente i y v, de i y v respectivamente, necesarios para mantener el equilibrio.
6.4 Ejercicios
143
(iii) Mostrar que el punto de equilibrio obtenido tomando u = v es inestable.

(iv) Usando linealizaci
on dise
nar un control por realimentacion de estados para estabilizar la bola
en la posici
on deseada; o sea, hacer el equilibrio asintoticamente estable.
(v) Ensayo de robustez: considerando los datos numericos nominales
m = 0,01kg
L0 = 0,01H
k = 0,001N/m/s
L1 = 0,02H
g = 9,81m/s2
R = 10
a = 0,05m
yR = 0,05m
estudiar el desempe
no del sistema a lazo cerrado mediante simulaci
on digital. En particular,
estudiar el comportamiento transitorio y el efecto de una variaci
on del 20 % en todos los
valores nominales de los par
ametros del sistema.
(vi) Estima de la regi
on de atracci
on: con los mismos datos numericos del punto anterior, realizar
el siguiente experimento: comenzando con la bola en el equilibrio, desplazarla una distancia
peque
na hacia arriba y luego soltarla. Repetir el experimento gradualmente incrementando
la distancia de desplazamiento inicial. Determinar mediante simulaci
on digital el m
aximo
rango de captura para el cual la bola vuelve al equilibrio deseado. Repetir la experiencia para
desplazamientos hacia abajo.
(vii) Redise
nar el control por realimentacion de estados del punto (iv) para incluir accion integral.
Repetir los ensayos de los puntos (v) y (vi) y comparar el desempe
no de este dise
no con el
del punto (iv).
(viii) Asumiendo que s
olo puede medirse la posici
on de la bola y y la corriente i, dise
nar un control
lineal por realimentaci
on de salida, con accion integral, para estabilizar la bola en la posici
on
deseada yR . Repetir los ensayos de los puntos (v) y (vi) y comparar el desempe
no de este
dise
no con los de los puntos (iv) y (vii).
(ix) Asumiendo que s
olo puede medirse la posici
on de la bola y y la corriente i, dise
nar un control
por ganancia tabulada con accion integral y por realimentacion de salida para que la posici
on
de la bola siga una posici
on de referencia yR . Estudiar por simulaci
on digital el desempe
no
del sistema a lazo cerrado y compararlo con el dise
no via linealizaci
on del punto anterior.
Ejercicio 6.2.
La Figura 6.5 representa un sistema de pendulo invertido. El pivote del pendulo est
a montado sobre un carrito
que puede moverse horizontalmente mediante la accion de
una fuerza F . Manipulando F como variable de control,
el objetivo es estabilizar el pendulo en posici
on vertical
en una posici
on deseada del carrito.
Los par
ametros del sistema, y sus valores nominales,
son los siguientes,
m
mg
L
F
M
y
Figura 6.5: Pendulo invertido
144
on
m = 0,1kg
M = 1kg
L = 0,5m
I = 1/120kg m2
k = 0,1N/m/s
g = 9,81m/s2
y
masa del pendulo,

masa del carrito,
distancia pivote/centro de gravedad,
momento de inercia del pendulo,
coeficiente de friccion viscosa,
aceleraci
on de la gravedad,
desplazamiento del pivote,
rotaci
on angular del pendulo,
y su comportamiento din
amico puede describirse por las ecuaciones diferenciales ordinarias

1
mgL sen
m+M
mL cos
=
F + mL 2 sen ky
y
() mL cos I + mL2
donde
() = (I + mL2 )(m + M ) m2 L2 cos2 (I + mL2 )M + m > 0.
x3 = y y x4 = y como variables de estado y u = F como entrada de
(i) Usando x1 = , x2 = ,
control, escribir las ecuaciones de estado.
(ii) Mostrar que el sistema tiene un conjunto de equilibrio.
(iii) Se pretende estabilizar el pendulo en su posici
on vertical, = 0. Determinar un punto de
equilibrio a lazo abierto para el cual = 0 y mostrar que es inestable.
(iv) Linealizar la ecuaci
on de estado alrededor del punto de equilibrio elegido y comprobar que la
ecuaci
on de estado linealizada es controlable.
(v) Usando linealizaci
on, dise
nar un control por realimentacion de estados para estabilizar el
sistema alrededor del punto de equilibrio deseado.
(vi) Ensayo de robustez: estudiar el desempe
no del sistema a lazo cerrado mediante simulaci
on
digital. Estudiar en particular el efecto de variaciones de 10 % en los valores nominales de
los par
ametros del sistema sobre la respuesta transitoria.
(vii) Estima de la regi
on de atracci
on: determinar, mediante simulaci
on digital, el rango m
aximo de
angulo inicial que puede tener el pendulo, comenzando en reposo, para que el control dise
nado
pueda llevarlo al equilibrio = 0.
(viii) Asumiendo que s
olo puede medirse el
angulo y la posici
on y del carrito, dise
nar por linealizacion un control por realimentaci
on de salidas para estabilizar el pendulo en = 0. Repetir
los ensayos (vi) y (vii) y comparar el desempe
no de este dise
no con el obtenido con el control
por realimentaci
on de estados del punto (v).
Captulo 7
Linealizaci
on Exacta por
Realimentaci
on
En este captulo introducimos elementos de la teora moderna de control geometrico de sistemas
no lineales de control. Esta teora se inici
o alrededor de los a
nos 70 con intentos de extender
resultados de la teora de sistemas lineales a sistemas no lineales; resultados tales como los que se
refieren a controlabilidad y observabilidad del sistema. M
as tarde, en 1981 se mostro [Isidori et al.,
1981] que no s
olo estas extensiones eran posibles, sino tambien gran parte de la teora de control
geometrico de sistemas lineales al estilo Wonham [1985]. El artculo de Isidori et al. fue seguido
durante los a
nos 80 por un gran n
umero de resultados que generaron un fantastico juego de
herramientas para sistemas no lineales [Isidori, 1995, 1999]. Una herramienta central en este juego
de herramientas es la linealizaci
on exacta por realimentacion, que presentamos en este captulo.
Consideramos sistemas no lineales afines en la entrada de control, es decir, de la forma
x = f (x) + g(x)u,
y = h(x),
y planteamos que condiciones se necesitan para que exista una realimentaci
on de estados
u = (x) + (x)v
y un cambio de variables
z = T (x)
que transformen al sistema no lineal a una forma lineal equivalente. Esta linealizaci
on no se refiere
a la linealizaci
on Jacobiana aproximada del sistema, vista en el Captulo 6, sino que convierte
exactamente al sistema en lineal.
Comenzaremos con linealizaci
on entrada-estado, en la que la ecuaci
on de estado completa se linealiza exactamente. Luego introduciremos la linealizaci
on entrada-salida, en la que s
olo la respuesta entrada-salida se linealiza, mientras que una parte del sistema permanece no lineal. Finalmente,
presentamos la estabilizaci
on de sistemas por medio de linealizaci
on exacta por realimentaci
on.
7.1.
Linealizaci
on Entrada-Estado
Vamos a introducir la idea de linealizaci

on exacta por realimentacion a traves del Ejemplo 6.2
de estabilizaci
on del pendulo.
146
Linealizaci
on
Ejemplo 7.1 (Linealizacion exacta del pendulo). La inspeccion del modelo de estado del pendulo
x 1 = x2 ,
x 2 = a [sen(x1 + ) sen ] b x2 + c u,
muestra que podemos elegir
u=
a
v
[sen(x1 + ) sen ] +
c
c
para cancelar el termino no lineal de la segunda ecuaci

on y obtener el sistema lineal
x 1 = x2 ,
x 2 = b x2 + v.
De esta manera, el problema de estabilizaci
on del sistema no lineal se transforma en el problema de
estabilizaci
on de un sistema lineal controlable. Podemos elegir, por ejemplo
v = k1 x1 + k2 x2
tal que los autovalores del sistema a lazo cerrado
x 1 = x2 ,
x 2 = k1 x1 + (k2 b) x2
tengan parte real negativa. Finalmente, el control completo no lineal que convierte al sistema
en lineal y estabiliza su equilibrio es entonces
u=
1
a
[sen(x1 + ) sen ] + k1 x1 + k2 x2 .
c
c
Vamos a ver ahora cu

an general es este procedimiento. Es claro que no podemos esperar cancelar alinealidades en cualquier sistema no lineal; debe haber ciertas propiedades estructurales que
permiten tal cancelaci
on. Del ejemplo podemos ver que
para cancelar un termino no lineal (x) por substraccion, el control u y el termino (x)
siempre deben aparecer juntos en forma de suma u + (x);
para cancelar un termino no lineal (x) por division, el control u y el termino (x) siempre
deben aparecer juntos en forma de producto (x)u; si (x) es no singular en el dominio de
interes, puede cancelarse con u = (x) v, con (x) = 1 (x).
Es decir que la posibilidad de convertir una ecuaci
on de estado no lineal en una lineal controlable
cancelando alinealidades requiere que la ecuaci
on no lineal tenga la estructura
x = Ax + B (x)1 [u (x)]
(7.1)
donde A Rnn , B Rnp , el par (A, B) es controlable, y las alinealidades : Rn Rp ,

: Rn Rpp , est
an definidas en un dominio Dx Rn que contiene al origen. Asumimos que la
matriz (x) es no singular x Dx . Si el sistema tiene la estructura (7.1), entonces podemos usar
el control
u = (x) + (x) v
7.1 Linealizaci
on Entrada-Estado
147
para obtener la ecuaci

on lineal
x = A x + B v.
Ahora para estabilizar el sistema podemos simplemente calcular v = Kx tal que A + BK sea
Hurwitz. El control estabilizante completo es no lineal y tiene la forma
u = (x) + (x)Kx.
Y si el sistema no tiene la estructura (7.1); quiere decir que no es posible linealizarlo por
realimentaci
on? La respuesta es no. Recordemos que la representacion en espacio de estados de un
sistema no es u
nica; depende de la eleccion de las variables de estado. A
un cuando el sistema no
tenga inicialmente la estructura (7.1) es posible que un cambio de variables lo lleve a la forma (7.1)
en otras coordenadas, como vemos en el siguiente ejemplo.
Ejemplo 7.2 (Sistema exactamente linealizable despues de cambio de coordenadas). Sea el sistema
x 1 = a sen x2 ,
x 2 = x21 + u.
(7.2)
on sigue siendo no lineal.

Si elegimos u = x21 + v para cancelar el termino no lineal, la primera ecuaci
Sin embargo, si hacemos el cambio de variables
z1 = x1
z2 = a sen x2 = x 1
(7.3)
obtenemos el sistema
z1 = z2
z2 = a cos x2 (x21 + u)
que tiene la forma (7.1), valida en la regi
on /2 < x2 < /2. Usando
u = x21 +
1
v
a cos x2
el sistema queda linealizado en las nuevas variables. La ecuaci

on de estados en las nuevas variables
se obtiene invirtiendo la transformacion (7.3), es decir,
x1 = z1
x2 = arc sen
z2
a
que est
a bien definida para a < z2 < a. La ecuaci
on de estado transformada es
z1 = z2

z2
z2 = a cos arc sen
(z12 + u).
a
Definici
on 7.1 (Difeomorfismo). Un difeomorfismo es un cambio de variables T tal que z = T (x)
est
a definido en un dominio Dx , su transformacion inversa x = T 1 (z) est
a definida en Dz = T (Dx ),
1
y ambos T y T
son continuamente diferenciables en Dx y Dz , respectivamente.
148
Linealizaci
on
Tenemos ya todos los elementos para hacer la siguiente definicion.

Definici
on 7.2 (Sistema Linealizable Entrada-Estado). Un sistema no lineal
x = f (x) + g(x)u
(7.4)
con f , g definidas en un dominio Dx Rn y suficientemente suaves (con derivadas continuas hasta

el orden que sea necesario), es linealizable entrada-estado si existe un difeomorfismo T : Dx Rn
tal que Dz = T (Dx ) contiene al origen y el cambio de variables z = T (x) transforma a (7.4) en
z = Az + B (x)1 [u (x)]
con (A, B) controlable y (x) no singular en Dx .
(7.5)
Tomando 0 (z) = (T 1 (z)) , 0 (z) = (T 1 (z)) nos queda el sistema expresado en las nuevas
coordenadas:
z = Az + B0 (z)1 [u 0 (z)]
Y cu
ando ser
a posible encontrar un difeomorfismo que pueda llevar un sistema dado a la forma
(7.5)? Derivando la ecuaci
on z = T (x), es decir
z =
T
T
x =
[f (x) + g(x)u]
x
x
e igual
andola a (7.5), concluimos que el difeomorfismo T debe satisfacer las condiciones
T
f (x) = AT (x) B (x)1 (x)
x
T
g(x) = B (x)1 .
x
(7.6)
En resumen:
La existencia de T , , , A y B que satisfagan las ecuaciones en derivadas
parciales (7.6) es una condici
on necesaria y suficiente para que x = f (x) + g(x)u
sea linealizable entrada-estado.
As, la determinacion de si un sistema no lineal dado es linealizable exactamente por realimentacion se reduce a la resolucion de las ecuaciones en derivadas parciales (7.6). La resolucion de estas
ecuaciones puede simplificarse, como explicamos a continuaci
on.
7.1.1.
Condiciones simplificadas para la linealizaci

on exacta por realimentaci
on
Cuando un sistema es linealizable entrada-estado, la transformacion z = T (x) no es u

nica. La
forma m
as simple de ver esto es aplicando la transformacion lineal = M z, con M no singular;
as obtenemos
= M AM 1 + M B(x)1 [u (x)]
que tiene la misma estructura (7.5) pero con matrices A y B diferentes. Vamos a ver ahora que
podemos aprovechar la no unicidad de T para simplificar las ecuaciones en derivadas parciales
(7.6). Consideremos el caso p = 1 (una entrada). Dado cualquier par (A, B) controlable, existe M
7.1 Linealizaci
on Entrada-Estado
no singular que lo
M B = Bc , con
0 1
0 0
Ac = . .
.. ..
149
transforma a la forma can

onica controlable, es decir, M AM 1 = Ac + Bc t ,
0
1
..
.
...
...
..
.
0 0 ...
...
Es decir,
0
0
.. ,
.

0
0

Bc = .
..
1
1
2

= . .
..
n
= (Ac + Bc t ) + Bc (x)1 [u (x)]

= Ac + Bc (x)1 [u
(x)]
donde
(x) = (x) (x)t M T (x). Vemos que podemos, sin perdida de generalidad, considerar
que A y B est
an en la forma can
onica controlable Ac y Bc . Ahora escribamos
T1 (x)
T2 (x)
T (x) = . .
.
.
Tn (x)
Es facil verificar que
Ac T (x) Bc (x)1 (x) =
T2 (x)
..
.
Tn (x)
(x)/(x)
y que
0
..
.
Bc (x)1 =
.
0
1/(x)
Usando estas expresiones en las ecuaciones en derivadas parciales (7.6) se obtiene el siguiente conjunto de ecuaciones
T1
g(x) = 0,
x
T2
g(x) = 0,
x
..
.
T1
f (x) = T2 (x),
x
T2
f (x) = T3 (x),
x
..
.
Tn1
f (x) = Tn (x),
x
Tn
f (x) = (x)/(x),
x
Tn1
g(x) = 0,
x
Tn
g(x) = 1/(x).
x
Las primeras n 1 ecuaciones de la izquierda muestran que las componentes T2 a Tn de T son

funciones de la primera componente T1 . Combinando todas las ecuaciones, la b
usqueda se reduce a
una funcion T1 (x) que satisfaga
Ti
g(x) = 0 ,
x
Tn
g(x) 6= 0
x
i = 1, 2, . . . , n 1;
donde
Ti+1 (x) =
Ti
f (x) ,
x
i = 1, 2, . . . , n 1.
(7.7)
150
Linealizaci
on
Las funciones y est

an dadas por
(x) =
1
,
(Tn /x)g(x)
(x) =
(Tn /x)f (x)

.
(Tn /x)g(x)
(7.8)
Finalmente, para simplificar los c

alculos en las nuevas variables, vamos a imponerle a T1 (x) la condici
on adicional de que T1 (x ) = 0, donde x es un PE del sistema a lazo abierto en las coordenadas
originales (f (x ) = 0) con respecto al cual queremos estabilizar al sistema.
Ejemplo 7.3 (C
alculo del difeomorfismo z = T (x)). Consideremos nuevamente el sistema

0
a sen x2
+
x =
u , f (x) + g u
x21
1
que tiene un PE en x = 0. Buscamos T1 (x) tal que T1 (0) = 0 y

T1
T1
T1 T1 0
=
g=
= 0,
1
x
x2
x1 x2

T2
T2
T2 T2 0
=
g=
6= 0,
x
x2
x1 x2 1
(7.9)
(7.10)
donde

T1
T1
f (x) =
T2 (x) =
x
x1
T1
x2

a sen x2
.
x21
(7.11)
Vemos de (7.9) que T1 (x) no depende de x2 . Usando este dato en (7.11) obtenemos
T2 (x) =
T1
a sen x2 .
x1
(7.12)
Derivando (7.12) con respecto a x2 , y reemplazando el resultado en (7.10) tenemos que

T1
T2
=
a cos x2 6= 0,
x2
x1
que se satisface para cos x2 6= 0 si tomamos, por ejemplo, T1 (x) = x1 . Reemplazando T1 /x1 = 1
en (7.12) obtenemos T2 (x) = a sen x2 , que junto con T1 (x) = x1 da el mismo cambio de variables
propuesto en (7.3). Otras elecciones de T1 son posibles; por ejemplo, T1 (x1 ) = x1 + x31 dara otro
cambio de variables que lleva al sistema a la forma (7.6).
Ejemplo 7.4 (Generador sincronico). Un generador sincronico conectado a un bus infinito puede
representarse con el modelo
x = f (x) + g u
con
x2
f (x) = a[(1 + x3 ) sen(x1 + ) sen ] bx2 ,
cx3 + d[cos(x1 + ) cos ]

0
g = 0 ,
1
donde a, b, c, d y son constantes positivas. El sistema tiene un PE en x = 0. Buscamos T1 (x) tal

que T1 (0) = 0 y
T1
T1
g=
=0
x
x3
T2
T2
g=
=0
x
x3
T3
T3
g=
6= 0,
x
x3
(7.13)
(7.14)
(7.15)
7.1 Linealizaci
on Entrada-Estado
151
donde
T1
f (x)
x
T2
f (x).
T3 (x) =
x
Usando (7.13) en (7.16) tenemos
T2 (x) =
T2 (x) =
T1
T1
x2
{a[(1 + x3 ) sen(x1 + ) sen ] bx2 }.
x1
x2
(7.16)
(7.17)
(7.18)

T2
T1
= a sen(x1 + )
= 0.
x3
x2
Elegimos T1 independiente de x2 , y reemplazando T1 /x2 = 0 en (7.18) obtenemos
T2 (x) =
T1
x2 .
x1
(7.19)
Usamos (7.19) (recordando que T1 es independiente de x2 y x3 ) en (7.17),

T3 (x) =
T2
T1
x2
{a[(1 + x3 ) sen(x1 + ) sen ] bx2 }.
x1
x1
(7.20)

T1
T3
= a sen(x1 + )
6= 0,
x3
x1
que se satisface en el dominio 0 < x1 + < eligiendo, por ejemplo, T1 (x) = x1 . Usando T1 (x) = x1
en (7.19) y (7.20), completamos el c
alculo del difeomorfismo z = T (x), dado por
z1 = T1 (x) = x1
z2 = T2 (x) = x2
z3 = T3 (x) = a[(1 + x3 ) sen(x1 + ) sen ] bx2 ,
cuya transformacion inversa
x1 = z1
x2 = z2
x3 = 1
z3 + b z2 a sen
a sen(z1 + )
est
a definida en 0 < z1 + < . Las funciones y est
an dadas por (7.8) (con n = 3), es decir
1
a sen(x1 + )
(T3 /x) f (x)
(x) =
a sen(x1 + )
(x) =
El modelo de estado en las coordenadas z es entonces

z1 = z2
z2 = z3
z3 = a sen(x1 + )[u (x)].
152
7.2.
Linealizaci
on
Linealizaci
on Entrada-Salida
La linealizaci
on exacta de la ecuaci
on de estado que describimos en la secci
on anterior no necesariamente linealiza la ecuaci
on de salida. Consideremos otra vez el ejemplo (7.2). Si tomamos como
salida y = x2 , el cambio de variables y el control
z1 = x1 ,
u = x21 +
z2 = a sen x2 ,
1
v
a cos x2
resultan en
z1 = z2
z2 = v
y = arc sen
z2
a
que tiene un modelo de estado lineal con salida no lineal. Si, en cambio, tomamos u = x21 + v,
obtenemos el modelo
x 1 = a sen x2
x 2 = u
y = x2
que tiene una transformacion lineal entrada-salida (de u a y) y una din
amica (la de x1 ) que es
inobservable a la salida, ya que y no depende de x1 . Si s
olo nos interesara la variable y, el control
v podra dise
narse usando tecnicas lineales para que y tenga el desempe
no deseado. Sin embargo,
no hay que descuidar la din
amica inobservable; por ejemplo, si y fuera estabilizada en un valor
constante yR 6= 0, la variable x1 tendra una evoluci
on x1 (t) = x1 (0) + t a sen yR , que crece con t!
Veamos esta idea m
as formalmente. Sea el sistema mono-entrada mono-salida
x = f (x) + g(x)u,
y = h(x).
El caso m
as simple de sistema linealizable entrada-salida se da cuando es linealizable entrada-estado
y la salida de interes es h(x) = T1 (x). En ese caso, el cambio de variables z = T (x) y el control
u = (x) + (x)v lo transforman en
z = Ac z + Bc v

y = Cc z = 1 0 . . .

0 z
donde (Ac , Bc , Cc ) son la forma can

onica de una cadena de integradores.
Para una dada salida y = h(x) = 1 (x) no necesariamente igual a T1 (x) podemos verificar
si satisface la condici
on en derivadas parciales (7.7) directamente por substitucion, es decir
i
g(x) = 0 ,
x
i = 1, 2, . . . , n 1;
n
g(x) 6= 0,
x
donde i+1 (x) = (i /x)f (x) , i = 1, 2, . . . , n 1. Esta condici

on es una restriccion en la forma en
que las derivadas de y dependen de u. Esto es facil de ver si calculamos las derivadas temporales de
la salida,
1
[f (x) + g(x)u] =
x
2
[f (x) + g(x)u] =
y =
x
y =
1
f (x) = 2 (x)
x
2
f (x) = 3 (x)
x
7.2 Linealizaci
on Entrada-Salida
153
Si seguimos, vemos que u no aparece en las primeras n 1 derivadas de y, pero aparece en la

derivada de orden n con un coeficiente no nulo,
n
n
f (x) +
g(x)u.
x
x
Es obvio que el control

1
n
u=
f (x) + v
(n /x)g(x)
x
y (n) =
da la transformacion entrada salida igual a una cadena de n integradores

y (n) = v.
Que pasara si u apareciera en una derivada de orden menor a n con coeficiente no nulo? En este
caso todava podramos linealizar la transformacion entrada-salida, pero nos quedara una cadena de
menos integradores, y la ecuaci
on de estado tendra una parte no linealizada. Como en los sistemas
lineales, el n
umero de veces que hay que derivar la salida hasta que aparezca la entrada con un
coeficiente no nulo define el grado relativo del sistema.
Definici
on 7.3 (Grado Relativo). El sistema
x = f (x) + g(x)u
(7.21)
y = h(x),
donde f , g y h, definidas en un dominio D Rn , son suficientemente suaves, tiene grado relativo r,

con 1 r n, en una regi
on D0 D si
i
g(x) = 0 ,
x
r
g(x) 6= 0
x
i
f (x) , i = 1, 2, . . . , r 1.
para todo x D0 , donde 1 (x) = h(x) y i+1 (x) =
x
i = 1, 2, . . . , r 1;
Si el sistema tiene grado relativo (GR) r, entonces es linealizable entrada-salida;

si tiene GR n, entonces es linealizable tanto entrada-salida como entrada-estado.
Ejemplo 7.5 (Ecuacion de Van der Pol). Consideremos la ecuaci
on de Van der Pol controlada
x 1 = x2
x 2 = x1 + (1 x21 ) x2 + u ,
>0
con salida y = x1 . Calculemos las derivadas de la salida:

y = x 1 = x2
y = x 2 = x1 + (1 x21 ) x2 + u
Por lo tanto el sistema tiene GR 2 en R2 .
Si la salida es y = x2 , entonces
y = x1 + (1 x21 ) x2 + u
y el sistema tiene GR 1 en R2 .
Si la salida es y = x1 + x22 , entonces
y = x2 + x2 [x1 + (1 x21 ) x2 + u]
y el sistema tiene GR 1 en D0 = {x R2 | x2 6= 0}.
154
Linealizaci
on
Ejemplo 7.6 (Sistema sin grado relativo bien definido). Consideremos el sistema
x 1 = x1
x 2 = x2 + u
y = x1
Las derivadas de la salida son
y = x 1 = x1 = y = y (n) = y = x1 , n 1
Vemos que en ninguna derivada de la salida aparece la entrada u. En este caso el sistema no tiene
un GR bien definido porque la salida y(t) = x1 (t) = et x1 (0) es independiente de la entrada.
Ejemplo 7.7 (Motor de corriente continua controlado por campo). Un motor de corriente continua
controlado por corriente de campo puede describirse por las ecuaciones
x 1 = ax1 + u
x 2 = bx2 + cx1 x3
x 3 = x1 x2
donde x1 , x2 y x3 son respectivamente la corriente de campo, de armadura, y velocidad angular.

Para problemas de control de velocidad elegimos como salida y = x3 . Las derivadas de la salida son
y = x 3 = x1 x2
y = x1 x 2 + x 1 x2 = () + x2 u,
donde () contiene terminos que son funciones de x. El sistema tiene GR 2 en la regi
on D0 = {x
R3 |x2 6= 0}.
Ejemplo 7.8 (Sistema lineal). Consideremos el sistema lineal representado por la funcion transferencia
H(s) =
bm sm + bm1 sm1 + + b0
,
sn + an1 sn1 + + a0
donde m < n y bm
0
0
A= .
..
6= 0. Un modelo de estado para este sistema es

1
0 ...
0
0
0
0
1 ...
0

B = .
..
..
.. ,
..
..
.
.
.
.
a0 a1 . . . . . . an1
1

C = b0 b1 . . . bm 0 . . . 0 .
Este sistema es un caso particular de (7.21) con f (x) = Ax, g(x) = B y h(x) = Cx. Veamos el GR
del sistema calculando las derivadas de la salida. La primera derivada es
y = CAx + CBu.
Si m = n 1, entonces CB = bn1 6= 0 y el sistema tiene GR 1. En caso contrario, CB = 0 y
seguimos derivando. Notemos que CA es un vector fila que se obtiene moviendo los elementos de C
7.2 Linealizaci
on Entrada-Salida
155
una posici
on a la derecha, CA2 se obtiene moviendo los elementos de C dos posiciones a la derecha,
y as sucesivamente. Entonces vemos que
CAi1 B = 0 ,
nm1
CA
i = 1, 2, . . . , n m 1
B = bm 6= 0.
Por lo tanto, u aparece por primera vez en la ecuaci

on de y (nm) , que est
a dada por
y (nm) = CAnmx + CAnm1 Bu,
y el GR del sistema es n m, o sea la diferencia entre el grado de los polinomios denominador y
numerador de H(s).
7.2.1.
Linealizaci
on Entrada-Salida y Estabilidad Interna. Forma Normal
Vamos a introducir una forma can

onica para sistemas no lineales en la que el grado relativo del
sistema es explcito. Esta forma can
onica se conoce como la forma normal, y permite extender a
sistemas no lineales el concepto de sistema de mnima fase (en un sistema lineal: sin ceros con parte
real no negativa). Primero veamos c
omo llevar un sistema lineal a una realizaci
on en la que los ceros
del sistema queden explcitos.
Caso lineal
Empecemos escribiendo el sistema lineal de grado relativo r = n m como
N (s)
=
H(s) =
D(s)
1
Q(s)
,
1 R(s)
1+
Q(s) N (s)
D(s) = Q(s)N (s) + R(s),
donde los grados de D, N y Q son n, m < n, y r, respectivamente. Entonces H puede representarse

como una interconexi
on en realimentacion negativa con 1/Q(s) en la cadena directa y R(s)/N (s)
en el camino de realimentaci
on (ver Figura 7.1).
u
+ e
6
1
Q(s)
R(s)
N (s)
-c

Figura 7.1: Representacion en realimentacion de H(s)

La funci
on transferencia 1/Q(s) no tiene ceros, y puede realizarse tomando el vector de estados

t
= y, y,
. . . , y (r1) .
Esto nos da el modelo de estados

= (Ac + Bc t ) + Bc bm e
y = Cc
156
Linealizaci
on
donde (Ac , Bc , Cc ) son la forma can

onica de una cadena de r integradores, Rr y e es la se
nal de
salida del sumador (e = u [R(s)/N (s)]y). Sea (A0 , B0 , C0 ) una realizaci
on mnima de la funcion
transferencia R(s)/N (s), con estado .
Notar que los autovalores de A0 son los ceros de N (s), o sea, de H(s). Entonces H(s) puede
realizarse como
= A0 + B0 Cc
= Ac + Bc (t bm C0 + bm u)
(7.22)
y = Cc
Usando la estructura de (Ac , Bc , Cc ) es facil verificar que

y (r) = t bm C0 + bm u
El control (linealizante entrada-salida)
u=
1
[t + bm C0 + v]
bm
resulta en el sistema
= A0 + B0 Cc
= Ac + Bc v
y = Cc
cuya funcion transferencia de v a y es una cadena de r integradores, y cuyo subvector de estado
es inobservable desde y.
Supongamos que queremos estabilizar al sistema con una realimentacion v = K tal que Ac +
Bc K sea Hurwitz. El correspondiente sistema a lazo cerrado es

A0
B0 Cc
=
0 Ac + Bc K
(7.23)
Sabemos que para cualquier condici

on inicial (0) tenemos que (t) 0 cuando t . Notemos
que los estados tienen como entrada la salida y = Cc .
Para asegurar que (t) se mantenga acotada para toda evoluci
on acotada de
y(t) es necesario que A0 sea Hurwitz, es decir, los ceros de H(s) deben tener
parte real negativa.
Vemos que la matriz de evoluci
on en (7.23) tiene una forma triangular en bloques, y por lo tanto
los autovalores de todo el sistema son la uni
on de los autovalores de los bloques diagonales A0 y
Ac + Bc K. Es decir, este control dise
nado siguiendo el procedimiento de linealizaci
on entrada-salida
ubica r autovalores del sistema a lazo cerrado como los autovalores de Ac + Bc K, y los restantes
n r autovalores iguales a los ceros del sistema a lazo abierto.
Caso no lineal
Busquemos una versi
on no lineal del modelo (7.22). Las variables se toman igual que en el caso
lineal, ya que la transformacion de entrada-salida va a seguir siendo una cadena de r integradores.
7.2 Linealizaci
on Entrada-Salida
157
Para elegir las variables , va a ser importante respetar la caracterstica fundamental del modelo
(7.22), que es que la entrada u no aparece en la ecuaci
on de . Tomamos entonces
1 (x)
..
.

nr (x)
, (x) ,
(7.24)
z = T (x) =
1 (x)
(x
..
.
r (x)
i
donde 1 (x) = h(x) y i+1 (x) =
x f (x) , i = 1, 2, . . . , r 1, y las i se eligen tales que T (x) sea
un difeomorfismo en un dominio Dx D0 y
i
g(x) = 0 ,
x
1 i n r , x Dx .
(7.25)
Esto siempre es posible para sistemas mono-entrada con grado relativo r. La condici
on (7.25) asegura
que = x [f (x) + g(x)u] = x f (x) no depende de u.

En las nuevas variables el sistema queda en la forma normal
= f0 (, )
= Ac + Bc (x)1 [u (x)]
(7.26)
y = Cc
donde Rr , Rnr , (Ac , Bc , Cc ) son la forma can

onica de una cadena de r integradores y

f (x)
f0 (, ) =
x
x=T 1 (z)
(x) =
1
(r /x)g(x)
(x) =
(r /x)f (x)
(r /x)g(x)
(7.27)
Notar que (x) y (x) no dependen de la eleccion de . La estructura del sistema en forma normal
se representa (en coordenadas z) en el diagrama de bloques de la Figura 7.2.
e - j-
R TT r- R TT -r1
R T 1
- T

(
z
...
0 (z)1

0 (z)

R f0 (, )
TT
x = f (x, u), y = h(x)

Figura 7.2: Sistema en forma normal

-e
158
Linealizaci
on
7.2.2.
Din
amica de los Ceros
La forma normal (7.26) tiene una parte externa, representada por las variables , y una parte
interna, representada por las variables . El control u = (x) + (x)v linealiza la parte externa y
hace inobservable la parte interna. Haciendo = 0 en la primera ecuaci
on tenemos la din
amica de
los ceros
= f0 (, 0)
(7.28)
que es la contraparte no lineal de = A0 , donde los autovalores de A0 son los ceros de H(s). El
sistema se dice de mnima fase si la din
amica de los ceros tiene un PE AE en el dominio de interes.
La ecuaci
on (7.28) representa la din
amica de los ceros en las nuevas variables. Podemos tambien
caracterizarla en las coordenadas originales. Notar que
y(t) 0 = (t) 0 = u(t) (x(t)).
Entonces, mantener la salida identicamente cero implica que la soluci
on de la ecuaci
on de estados
debe quedar confinada al conjunto
Z = {x D0 | 1 (x) = 2 (x) = = r (x) = 0},
y la entrada debe ser
u = u (x) , (x)|xZ .
La din
amica de los ceros es entonces la din
amica restringida
x = f (x) = [f (x) + g(x)(x)]| xZ .
Ejemplo 7.9 (Sistema de mnima fase). Consideremos el sistema
x 1 = x1 +
2 + x23
u
1 + x23
x 2 = x3
x 3 = x1 x3 + u
y = x2
que tiene un PE en el origen. Las derivadas de la salida son
y = x 2 = x3
y = x 3 = x1 x3 + u
Por lo tanto el sistema tiene GR 2 en R3 . Las variables de la transformacion (7.24) son 1 (x) = x2
y 2 (x) = x3 . Usando (7.27) obtenemos
= 1,
= x1 x3
Para caracterizar la din

amica de los ceros en las coordenadas originales, restringimos el estado al
conjunto
Z = {x R3 | x2 = x3 = 0}
7.3 Control por Realimentaci

on de Estados
159
y tomamos u = u (x) = 0. Esto da como resultado

x 1 = x1
lo que muestra que el sistema es de mnima fase. Para llevar al sistema a la forma normal tenemos
que elegir la funci
on (x) de la transformacion (7.24) tal que
(0) = 0 ,
g(x) = 0
x
y tal que T (x) sea un difeomorfismo en alg

un dominio que contenga al origen. La ecuaci
on en
derivadas parciales
2 + x23
=0
+
2
x1 1 + x3 x3
puede resolverse por el metodo de separacion de variables; esto da
(x) = x1 + x3 + arctan x3
que satisface la condici
on (0) = 0. La transformacion T (x) es un difeomorfismo global, ya que para
3
cualquier z R , la ecuaci
on T (x) = z tiene una soluci
on u
nica. Por lo tanto, la forma normal

2 + 22
2
= ( 2 + arctan 2 ) 1 +
1 + 22
1 = 2
2 = ( 2 + arctan 2 ) 2 + u
y = 1
est
a definida en forma global.
7.3.
Control por Realimentaci

on de Estados
7.3.1.
Estabilizaci
on
Consideremos el sistema linealizable entrada-estado

z = Az + B(x)1 [u (x)] ,
z = T (x)
donde T (x) es un difeomorfismo en un dominio Dx Rn , Dz = T (Dx ) contiene al origen, (A, B)

es controlable, (x) es no singular para todo x Dx , y y son continuamente diferenciables.
Dise
namos K tal que A + BK es Hurwitz. El control
u = (x) + (x)KT (x)
da el sistema lineal a lazo cerrado
z = (A + BK)z
(7.29)
Este resultado, sin embargo, est

a basado en la cancelaci
on exacta de terminos no lineales. En general,
debido a incertidumbre parametrica y errores computacionales, el control va a implementar en la
realidad funciones
, y T, que son aproximaciones de las ideales , y T . Es decir, el control real
va a tener la forma
u=
(x) + (x)K
T(x)
160
Linealizaci
on
El sistema a lazo cerrado con este control es entonces
z = Az + B(x)1 [
(x) + (x)K
T(x) (x)]
Sumando y restando el termino BKz, podemos re-escribir la ecuaci
on anterior como
z = (A + BK)z + B(z)
donde
n
o

(x) (x) + [(x)

(x)]KT (x) + (x)K[
T(x) T (x)]
(z) = (x)1
x=T 1 (z)
Vemos que el sistema a lazo cerrado es una perturbacion del sistema nominal (7.29). Sea P = P t
la soluci
on de la ecuaci
on de Lyapunov
P (A + BK) + (A + BK)P t = I
y supongamos que en un entorno del origen el termino de error satisface
k(z)k2 1 kzk2 + 2 ,
1 , 2 > 0
Usando V (z) = z t P z como candidata a funci

on de Lyapunov para el sistema a lazo cerrado tenemos
V (z) = kzk22 + 2z t P B(z)
kzk22 + 2kP Bk2 1 kzk22 + 2kP Bk2 2 kzk2

= (1 2kP Bk2 1 )kzk22 + 2kP Bk2 2 kzk2
Si
1 <
1
4 kP Bk2
tenemos que
1
V (z) kzk22 + 2kP Bk2 2 kzk2 < 0 ,
2
kzk2 4kP Bk2 2
lo que demuestra que las trayectorias del sistema perturbado son finalmente acotadas con cota final
proporcional a 2 .
7.3.2.
Sistema Parcialmente Linealizable
Consideremos ahora el caso en que el sistema es linealizable s

olo parcialmente, es decir, la
ecuaci
on de estado tiene la forma
= f0 (, )
= A + B(x)1 [u (x)]
(7.30)
donde

T1 (x)
z = T (x) =
,
T2 (x)
T (x) es un difeomorfismo en un dominio Dx Rn , Dz = T (Dx ) contiene al origen, (A, B) es
controlable, (x) es no singular para todo x Dx , f0 (0, 0) = 0, y f0 (, ), (x) y (x) son continuamente diferenciables. La forma (7.30) est
a basada en la forma normal (7.26), pero en este caso
no consideramos la salida porque no juega ning
un papel en el problema de estabilizaci
on.

on de Estados
161
El control
u = (x) + (x)K = (x) + (x)KT2 (x)
(7.31)
con K tal que A + BK es Hurwitz, lleva el sistema a la forma triangular

= f0 (, )
= (A + BK)
(7.32)
donde el subsistema es tiene un PE GAE en = 0. La estabilidad asintotica de todo el sistema

(7.32) es consecuencia de la estabilidad asintotica del origen del sistema no forzado
= f0 (, 0)
(7.33)
como se demuestra en el siguiente lema.

Lema 7.1. El origen del sistema (7.32) es AE si el origen de (7.33) es AE.
Demostraci
on. El teorema converso de Lyapunov 4.12 garantiza la existencia de una funcion continuamente diferenciable V1 () tal que
V1
f0 (, 0) 3 (kk)
en alg
un entorno de = 0, donde 3 es una funcion de clase K. Sea P = P T > 0 la soluci
p on de la
T
ecuaci
on de Lyapunov P (A + BK) + (A + BK) P = I y usemos V (, ) = V1 () + k T P , con
k > 0, como candidata a funci
on de Lyapunov para (7.32). La derivada V satisface
k
V1
f0 (, ) + p
T [P (A + BK) + (A + BK)T P ]
V =
T
2 P
V1
k T
V1
f0 (, 0) +
[f0 (, ) f0 (, 0)] p
=
2 T P
Sobre cualquier entorno acotado del origen, podemos usar la diferenciabilidad continua de V1 y f0
para obtener
V 3 (kk) + k1 kk kk2 kk
para ciertas constantes positivas k1 y k2 . Si elegimos k > k1 /k2 aseguramos que V sea definida
negativa. En consecuencia, el origen es AE.

Del Lema 7.1 concluimos que
un sistema linealizable entrada-salida que sea mnima fase es localmente estabilizado asint
oticamente por el control (7.31).
La demostracion del Lema 7.1 es valida u
nicamente en conjuntos acotados. Por lo tanto, no
podemos extenderla al caso de estabilidad asintotica global. Esto u
ltimo puede ser establecido
requiriendo que el subsistema de (7.32) sea ISS (globalmente) cuando se considera su entrada.
Lema 7.2. El origen de (7.32) es GAE si el sistema = f0 (, ) es ISS.
Demostraci
on. Aplicar el Lema 5.6.
162
Linealizaci
on
Si el origen de = f0 (, 0) es GAE, se podra pensar que el sistema triangular (7.32) se estabilizara globalmente si los estados decaen a cero arbitrariamente r
apido. Esto indicara que la
soluci
on de = f0 (, ) se aproxima r
apidamente a la de = f0 (, 0), que tiende a cero. Vamos a
ver en el ejemplo siguiente que esta no es necesariamente una buena estrategia debido al fenomeno
de peaking.
Ejemplo 7.10 (Peaking). Consideremos el sistema
1
= (1 + 2 ) 3
2
1 = 2
2 = v.
El control lineal
v = 2 1 22 , K
asigna los autovalores de A + BK en (, ).
Para la condici
on inicial (0) = 0 , 1 (0) = 1, 2 (0) = 0, el estado 2 tiene la evoluci
on
2 (t) = 2 tet
cuyo valor absoluto alcanza un pico proporcional a antes de decaer a cero. Vamos a ver que este
pico puede interferir con la estabilidad del sistema aunque tienda a cero r
apidamente. El estado
satisface
1
= (1 2 tet ) 3
2
Durante el perodo de peaking, el coeficiente de 3 es positivo, lo que hace que |(t)| crezca. En alg
un
momento el coeficiente de 3 se har
a negativo, pero esto puede que no suceda lo suficientemente
r
apido para evitar que el sistema tenga escape en tiempo finito. Para ver esto, consideremos la
variable = 1/ 2 , que satisface la ecuaci
on
=
1
[(1 + 2 ) 3 ] = 1 + 2
3
de la cual, integrando, obtenemos

(t) = (0) + m(t) , (0) + t + (1 + t)et 1
Por lo tanto, la variable 2 satisface

2 (t) =
1
=
(t)
1
2 (0)
1
+ m(t)
(7.34)
La funcion m(t) se hace negativa para alg

un t finito si es suficientemente grande. Esto quiere decir
que, si es elegido suficientemente grande, siempre van a existir condiciones iniciales (0) tal que el
denominador de (7.34) pase por cero, con lo cual la variable escapa a infinito en tiempo finito.
Vamos a volver al sistema triangular (7.30) en el Captulo 8, y vamos a ver como dise
nar v como
funcion no lineal de y para alcanzar estabilidad asintotica global, a
un cuando la din
amica de
los ceros no sea ISS.
Concluimos esta secci
on discutiendo una limitaci
on de la linealizaci
on exacta por realimentacion.
Basicamente, esta tecnica de linealizaci
on se basa en la cancelaci
on de los terminos no lineales
del sistema. Sin embargo, no siempre es buena idea cancelar alinealidades, dado que puede haber
alinealidades convenientes desde el punto de vista de desempe
no del sistema. Ilustramos la idea
con un ejemplo.

on de Estados
163
Ejemplo 7.11 (No siempre es bueno cancelar alinealidades). Consideremos el sistema escalar
x = ax bx3 + u,
donde a y b son constantes positivas. Podemos tomar el control linealizante y estabilizante
u = ( + a)x + bx3 ,
> 0,
que resulta en el sistema a lazo cerrado x = x. Este control cancela el termino bx3 , que provee
amortiguamiento no lineal al sistema. De hecho, este termino garantiza que las soluciones del
sistema sean acotadas, sin ning
un control, y a pesar de que el origen sea inestable. Por que cancelarlo
entonces? Alternativamente, usando el control lineal
u = ( + a)x,
> 0,
obtendramos el sistema a lazo cerrado

x = x bx3 ,
cuyo origen es globalmente asint
oticamente estable y sus trayectorias se aproximan al origen m
as
r
apido que las de x = x. Mas a
un, el control lineal es m
as simple de implementar y usa menos
esfuerzo de control.
La idea del ejemplo anterior es ilustrar que la teora de linealizaci

on por realimentacion da una
herramienta muy valiosa para representar al sistema en una forma en la que todos los terminos
alineales entran a la ecuaci
on de estado en el mismo punto en que entra el control. En el pr
oximo
captulo vamos a ver tecnicas que explotan esta estructura. La misma estructura permite que se
puedan cancelar las alinealidades por realimentacion, pero, no hay que perder de vista, dado el
ejemplo anterior, que esta no siempre es la alternativa m
as adecuada.
7.3.3.
Regulaci
on con Acci
on Integral
Usando el esquema de la secci

on anterior linealizaci
on exacta por realimentacion m
as dise
no
de una ganancia de realimentaci
on de estados lineal podemos dise
nar un sistema para regular
la salida y a un valor constante de referencia yR , como se muestra en la Figura 7.3. La ganancia
est
atica N = [C(A + BK)1 B]1 sirve, como en el caso lineal, para compensar el error est
atico
de seguimiento.
Como en el caso lineal, tambien podemos agregar accion integral al esquema de la Figura 7.3 para
lograr regulaci
on de la salida en forma robusta. Consideramos el sistema mono-entrada mono-salida,
linealizable entrada-salida, y representado en la forma normal (7.26)
= f0 (, )
1
[u (x)]
= Ac + Bc
(x)
y = Cc .
Sin perdida de generalidad, asumimos que f0 (0, 0) = 0. Pretendemos dise
nar un control de
forma que la salida y siga en forma asintotica una referencia constante yR usando accion integral
para preservar regulaci
on a
un en presencia de incertidumbres parametricas.
Ademas de asumir que el vector de estados es medible, suponemos que la salida es tambien fsicamente medible no es suficiente calcular y de x usando y = h(x), ya que si hubiera incertidumbres
en h podramos perder la regulaci
on.
164
Linealizaci
on
ycR N
u
+
+ 6 6+ 6
(x)
- j
- - j
f (x, u)
x R x
- A
- h(x)
-c
(x)
6
K
T (x)
Figura 7.3: Esquema de regulaci

on va linealizaci
on exacta
Integramos entonces el error de seguimiento e = y yR aumentando el sistema con el integrador

= e, obteniendo
= f0 (, e + YR )
1
[u (x)],
a = Aa + B
(x)
donde

Ac 0
A=
,
Cc 0

Bc
B=
,
0
yR
0

YR = . ,
..
0
e = YR ,

e
a =
.
r1
Notar que el agregado de la ecuaci

on de no modifica la estructura de la forma normal. El par de
matrices aumentadas (A, B) es controlable, como puede verificarse, y por lo tanto podemos calcular
una matriz K tal que A + BK sea Hurwitz, procediendo en forma identica a como hicimos en la
secci
on anterior. Particionando K = [K1 K2 ], donde K1 R1r y K2 R, armamos el control
u = (x) + (x){K1 [T2 (x) YR ] + K2 },
que da el lazo cerrado
= f0 (, e + YR )
a = (A + BK)a .
El esquema de regulaci
on con acci
on integral se representa en la Figura 7.4.
Para sistemas de mnima fase, la ecuaci
on = f0 (, e + YR ) es localmente ISS y el control
calculado resuelve el problema de regulaci
on local. Una condici
on suficiente para obtener seguimiento
global es pedir que el sistema = f0 (, e + YR ) sea ISS.
7.4 Ejercicios
yR
165
R A + - - ju
K2 - j

+6
+ 6 6+ 6
(x)
c - j-
f (x, u)
x R x
- A
- h(x)
-c
(x)
6
+
K1 j T2 (x)
6
YR
Figura 7.4: Regulador con accion integral va linealizaci
on por realimentacion
7.4.
Ejercicios
Ejercicio 7.1.
El mecanismo de control de una articulaci
on simple de robot puede modelarse mediante las
ecuaciones
x 1 = x2
k
M gL
sen x1 (x1 x3 )
x 2 =
I
I
x 3 = x4
k
x 4 = (x1 x3 ) + u,
J
donde M, g, L, I y J son constantes positivas. Mostrar que el sistema es linealizable entrada-estado.
Ejercicio 7.2.
Para cada uno de los siguientes sistemas mostrar que el sistema es linealizable entrada-estado.
Dar la transformacion que lleva al sistema a la forma z = Az + B 1 (x)[u (x)] y especificar el
domino sobre el cual es valida.
x 1 = ex2 u
x 2 = x1 + x22 + ex2 u
(7.35)
x 3 = x1 x2
x 1 = x3 (1 + x2 )
x 2 = x1 + (1 + x2 )u
x 3 = x2 (1 + x1 ) x3 u
Ayuda:
Para (7.35) usar T1 = T1 (x3 ) y para (7.36) T1 = T1 (x1 ).
(7.36)
166
Linealizaci
on
Ejercicio 7.3.
Sea el sistema
x 1 = x1 + x2 x3
x 2 = x1 x3 x2 + u
x 3 = x1 + u.
(i) Es el sistema linealizable entrada-estado?

(ii) Si s, encontrar un control en realimentacion y un cambio de coordenadas que linealice la
ecuaci
on de estados.
Ejercicio 7.4.
Sea el sistema
x 1 = x1 + x2 x3
x 2 = x1 x3 x2 + u
x 3 = x1 + u
y = x3 .
(i) Es el sistema linealizable entrada-salida?

(ii) Si s, transformarlo a la forma normal y especificar la regi
on sobre la cual la transformacion
es valida.
(iii) Es el sistema de mnima fase?
Ejercicio 7.5.
Un generador sincronico conectado a una lnea infinita puede representarse por el modelo
x = f (x) + gu
donde
x2
f (x) = a[(1 + x3 ) sen(x1 + ) sen ] bx2 ,
cx3 + d[cos(x1 + ) cos ]
g = 0 ,
1
donde a, b, c y d son constantes positivas. Considerar las siguientes dos posibles salidas,
y1 = h1 (x) = x1 ;
y2 = h2 (x) = x1 + x2 ,
6= 0.
En cada caso, estudiar el grado relativo del sistema y transformarlo a la forma normal. Especificar
la regi
on sobre la cual la transformacion es valida. Si existe din
amica de ceros no trivial, determinar
si el sistema es de mnima fase o no.
Ejercicio 7.6.
Considerar el sistema de pendulo invertido del Ejercicio 6.2. Suponiendo que la salida es y = ,
es el sistema linealizable entrada-salida? Es de mnima fase?
7.4 Ejercicios
167
Ejercicio 7.7.
x 1 = tan x1 + x2
x 2 = x1 + u
y = x2 .
Es el sistema linealizable entrada-salida? Es de mnima fase?
Ejercicio 7.8.
Sea el sistema del pendulo
x 1 = x2
x 2 = a[sen(x1 + ) sen ] bx2 + cu,
donde x1 = , x2 = y u = T ac sen . Para los valores a = 1 = c, b = 0 y = /4, dise
nar un
control estabilizante va linealizaci
on p
exacta por realimentacion de estados, ubicando los autovalores
no obtenido con el del control va
del sistema a lazo cerrado en 1 j 3/2. Comparar el desempe
linealizaci
on aproximada.
Ejercicio 7.9.
Mostrar que el sistema
x 1 = a(x2 x1 ),
x 2 = bx1 x2 x1 x3 + u,
a > 0,
b > 0,
x 3 = x1 + x1 x2 2ax3 ,
es linealizable entrada-estado y dise

nar un control por realimentacion de estados para estabilizar
globalmente el origen.
Ejercicio 7.10.
Considerar el sistema de suspensi
on magnetica del Ejercicio 6.1.
(i) Mostrar que el sistema es linealizable entrada-estado. Ayuda: Probar con T1 (x) = T1 (x1 ).
(ii) Usando linealizaci
on exacta por realimentacion, dise
nar un control por realimentacion de estados para estabilizar la bola en una posici
on deseada yR > 0.
(iii) Repetir los puntos (e) y (f) del Ejercicio 6.1. Comparar el desempe
no obtenido con el del
controlador dise
nado en el punto (d) de ese ejercicio.
(iv) Usando linealizaci
on exacta por realimentacion, dise
nar un control integral por realimentaci
on
de estados para estabilizar la bola en una posici
on deseada yR > 0.
(v) Repetir el punto (iii) anterior para el control dise
nado en (iv). Comparar el desempe
no del
control integral con el dise
nado en el punto (ii).
Captulo 8
Dise
El metodo de Lyapunov, originalmente utilizado como herramienta de an
alisis de sistemas, es
adem
as una herramienta u
til en el dise
no de control por realimentacion. Existen muchos metodos
basados en la idea de dise
nar el control de forma que la derivada de una funcion de Lyapunov tenga
ciertas propiedades que garanticen estabilidad de las trayectorias del sistema a lazo cerrado con
respecto a un punto o un conjunto de equilibrios. En este captulo presentamos dos metodos de este
tipo. El primero (8.1) es el metodo de redise
no Lyapunov por amortiguamiento no lineal (nonlinear
damping), que permite robustificar un dise
no dado para que tolere cierto tipo de incertidumbres y
errores de modelado que satisfacen la condici
on de apareamiento (matching condition) es decir,
incertidumbre y errores que ocurren en el mismo punto del lazo donde se aplica el control. El segundo
metodo (8.2) es backstepping, un poderoso metodo recursivo que permite obtener dise
nos robustos
frente a incertidumbres y errores que no necesariamente satisfagan la condici
on de apareamiento.
Referimos a Khalil [1996, Captulo 13] para ver otras tecnicas basadas en Lyapunov, como redise
nos
Lyapunov, que generalizan la idea de amortiguamiento no lineal, y el control adaptable, que muestra
una aplicaci
on pr
actica de los teoremas de invariancia vistos en 4.15.
8.1.
Redise
no Lyapunov para Robustificar por Amortiguamiento No Lineal
Consideremos el sistema afn en el control

x = f (t, x) + g(t, x)[u + (t, x)(t, x, u)],
(8.1)
donde x Rn es el estado y u Rp la entrada de control. Las funciones f , g, y est

an definidas
para (t, x, u) [0, ) D Rp , donde D Rn es un dominio que contiene el origen. Asumimos
que f, g, y son seccionalmente continuas en t y localmente Lipschitz en x y u para todo (t, x, u)
en el dominio de interes.
Asumimos que las funciones f, g y son conocidas, mientras que representa incertidumbres de
modelado, y de la cual s
olo se sabe que es uniformemente acotada para todo (t, x, u). Las incertidumbres representadas en tienen una estructura especial: satisfacen la condici
on de apareamiento
vale decir que afectan a la ecuaci
on de estado en los mismos puntos que lo hace la entrada de
control.
Suponiendo que se conoce un control por realimentacion de estados u = (t, x) que alcanza
estabilidad asint
otica global del origen del sistema nominal
x = f (t, x) + g(t, x)u
(8.2)
pretendemos redise
nar u de forma de robustificar el dise
no nominal y hacer que el sistema a lazo
cerrado preserve sus propiedades de estabilidad frente a las incertidumbres .
170
Dise
Sea entonces (t, x) tal que el origen de

x = f (t, x) + g(t, x)(t, x)
(8.3)
es globalmente asint
oticamente estable, y sea V (t, x) una funcion de Lyapunov conocida que satisface
1 (kxk) V (t, x) 2 (kxk)
V
V
+
[f (t, x) + g(t, x)(t, x)] 3 (kxk)
t
x
(8.4)
(8.5)
para todo [t, x) [0, ) D, donde 1 , 2 y 3 son funciones clase K .

Consideremos el sistema (8.1) y apliquemos el control u = (t, x) + v. El sistema a lazo cerrado
obtenido,
x = f (t, x) + g(t, x)(t, x) + g(t, x)[v + (t, x)(t, x, (t, x) + v))],
(8.6)
es una perturbacion del sistema a lazo cerrado nominal (8.3). Calculemos la derivada de V a lo
largo de las trayectorias de (8.6),1
V
V
V
+
[f + g] +
g[v + ]
V =
t
x
x
V
3 +
g[v + ].
x
Introduzcamos la notaci
on wT ,
V
x g,
con la que la desigualdad anterior queda
V 3 + wT v + wT .
Tomando
v = wkk22 ,
> 0,
(8.7)
obtenemos
V 3 kwk22 kk22 + kwk2 kk2 k,
donde k es una cota (desconocida pero finita) de kk. El termino
kwk22 kk22 + kwk2 kk2 k
alcanza un m
aximo
k2
4
en kwk2 kk2 =
k
2 .
Por lo tanto,
k2
V (x) 3 (kxk) +
4
Como 3 es clase K , V siempre ser
a negativa fuera de alguna bola, con lo que las soluciones
del sistema a lazo cerrado ser
an uniformemente acotadas. El redise
no de Lyapunov (8.7) se llama
amortiguamiento no lineal. Resumimos nuestras conclusiones en el siguiente lema.
Lema 8.1 (Amortiguamiento no lineal). Sea el sistema (8.1) y sea (t, x) un control por realimentacion estabilizante para el sistema nominal (8.2) con funcion de Lyapunov V (t, x) que satisface
(8.4)(8.5) para todo t 0 y todo x Rn , con ciertas funciones 1 (), 2 () y 3 () clase K . Supongamos que el termino de incertidumbres es uniformemente acotado para (t, x, u) [0, )Rn Rp .
Sea v dada por (8.7) y u = (t, x) + v. Entonces, para cualquier x(t0 ) Rn la soluci
on del sistema
a lazo cerrado es uniformemente acotada.
Para simplificar la notaci

on omitimos la dependencia de las variables t y x.
8.2 Backstepping
171
Ejemplo 8.1 (Robustificaci

on por amortiguamiento no lineal). Sea el sistema escalar
x = x3 + u + x(t)
donde (t) es una funci
on acotada de t. Con el control estabilizante (x) = x3 x, la funci
on
de Lyapunov V (x) = x2 satisface (8.4)(8.5) globalmente con 1 (r) = 2 (r) = 3 (r) = r 2 . La
componente de amortiguamiento no lineal (8.7), con = 1, es v = 2x3 . El sistema a lazo cerrado
x = x 2x3 + x(t)
tiene soluciones acotadas independientemente de cuan grandes sean las perturbaciones , gracias al
termino de amortiguamiento no lineal 2x3 .
8.2.
Backstepping
Backstepping es un procedimiento recursivo que combina la eleccion de una funcion de Lyapunov

con el dise
no de un control en realimentacion. Descompone el problema original en una secuencia
de problemas de dise
no para sistemas de orden reducido (que hasta pueden llegar a ser escalares).
Explotando la flexibilidad adicional que existe con sistemas de bajo orden y escalares, backstepping
a menudo puede resolver problemas de estabilizaci
on, seguimiento y control robusto bajo condiciones
menos restrictivas que las encontradas en otros metodos.
8.2.1.
Backstepping de un integrador
Introducimos la tecnica de backstepping en el caso especial de backstepping de un integrador.

= f () + g()
= u
(8.8)
(8.9)
donde Rn , R son los estados y u R es la entrada de control. Las funciones f : D Rn y

g : D Rn son suaves en un dominio D Rn que contiene a = 0, y f (0) = 0. Queremos dise
nar
un control por realimentaci
on de estados que estabilice el origen = 0, = 0.
El sistema (8.8)(8.9) puede pensarse como la conexion en cascada de dos componentes, como
se ve en la Figura 8.1. La primera componente es (8.8), con como entrada, y la segunda es el
integrador (8.9).
R J
J

g()
6
- m
f ()
R J
J

-d
f ()
Figura 8.1: Diagrama de bloques del sistema (8.8)(8.9)
172
Dise
Supongamos que sabemos que la componente (8.8) puede estabilizarse con un control suave
= (), con (0) = 0, vale decir, el origen de
= f () + g()()
es asintoticamente estable. Mas a
un, supongamos que se conoce una funcion de Lyapunov V ()
(suave, definida positiva) que satisface
V
[f () + g()()] W () ,
D,
(8.10)
donde W () es definida positiva. Sumando y restando g()() al lado derecho de (8.8), obtenemos
la representacion equivalente
= [f () + g()()] + g() [ ()]
= u,
que se muestra en la Figura 8.2.
R J
J - m - g()

- m
R J
J

-d
f () + g()()
Figura 8.2: Introducci

on de ()
d- m
6
R J
J

g()
6
- m
6
R J
J

-d
f () + g()()
Figura 8.3: Backstepping de () a traves del integrador

Con el cambio de variables
z = () ,
v = u ,
obtenemos el sistema
= [f () + g()()] + g() z
z = v,
(8.11)
8.2 Backstepping
173
que se muestra en la Figura 8.3. Notar que, como f , g y son conocidas, podemos calcular la
derivada usando la expresi
on
[f () + g()].
=
El sistema (8.11) tiene la misma estructura que el sistema original, pero ahora la primera componente
= [f ()+g()()]+g() z tiene un punto de equilibrio asintoticamente estable en el origen cuando
su entrada z es cero. Esta caracterstica va a ser explotada en el dise
no de un control v que estabilice
todo el sistema.
Consideremos como candidata a funcion de Lyapunov para (8.11) la funcion
Va (, z) = V () + 21 z 2
(8.12)
cuya derivada a lo largo de las trayectorias de (8.11) satisface

V
V
V a =
[f () + g()()] +
g() z + z v

V
W () +
g() + v z.
Eligiendo
v=
V
g() k z ,
k>0
obtenemos
V a W () k z 2 ,
que muestra que el origen = 0, z = 0 es asintoticamente estable. Como (0) = 0, concluimos
que el origen = 0, = 0 es asint

oticamente estable. Substituyendo las expresiones de v, z y ,
obtenemos el control en realimentacion de estados
u=
[f () + g()]
g() k[ ()]
(8.13)
Si las hip
otesis valen globalmente y V () es radialmente no acotada, concluimos que el origen es
globalmente asint
oticamente estable. Esta tecnica se denomina integrator backstepping 2 ya que el
control virtual = () se corre un integrador para atr
as para obtener el control real u (ver la
secuencia en las Figuras 8.1, 8.2 y 8.3). Resumimos el resultado en el siguiente lema.
Lema 8.2 (Backstepping de un integrador). Sea el sistema (8.8)(8.9). Sea () un control por realimentaci
on de estados estabilizante para (8.8) con (0) = 0 y sea V () una funcion de Lyapunov
que satisface (8.10) con alguna funcion definida positiva W (). Entonces, el control por realimenon de
tacion de estados (8.13) estabiliza el origen de (8.8)(8.9) con V () + 21 [ ()]2 como funci
Lyapunov. Adem
as, si todas las hip
otesis valen globalmente y V () es radialmente no acotada, el
origen ser
a globalmente asint
oticamente estable.

x 1 = x21 x31 + x2
x 2 = u,
2
De step back an integrator: retroceder un integrador.
174
Dise
que tiene la forma (8.8) con = x1 y = x2 . Empezamos con el sistema escalar

x 1 = x21 x31 + x2 ,
tomando a x2 como entrada, y dise
namos un control x2 = (x1 ) que estabilice el origen x1 = 0.
Tomamos, por ejemplo
x2 = (x1 ) = x21 x1
y V (x1 ) = x21 /2, que satisfacen
V = x21 x41 x21 ,
x1 R
El control por backstepping (8.13) para este ejemplo es

2
V
(x1 x31 + x2 )
[x2 (x1 )]
x1
x1
= (2x1 + 1)(x21 x31 + x2 ) x1 (x2 + x21 + x1 )
u=
(8.14)
y la funcion de Lyapunov total (8.12) es

Va (x1 , x2 ) =
1 2 1
x + (x2 + x21 + x1 )2
2 1 2
(8.15)
Para sistemas de mayor orden, se puede aplicar backstepping en forma recursiva, como ilustramos
en el siguiente ejemplo.
Ejemplo 8.3. El sistema de tercer orden
x 1 = x21 x31 + x2
x 2 = x3
x 3 = u
est
a formado por el sistema de segundo orden del ejemplo anterior con un integrador adicional a la
entrada. Por el ejemplo anterior sabemos que el subsistema formado por las dos primeras ecuaciones
puede estabilizarse con el control virtual (8.14), o sea
x3 = (2x1 + 1)(x21 x31 + x2 ) x1 (x2 + x21 + x1 ) , 1 (x1 , x2 )
y (8.15) es la funci
on de Lyapunov correspondiente. Ahora podemos considerar al sistema de tercer
orden como un caso especial del sistema (8.8)(8.9) con

2

x1
x1 x31 + x2
0
=
, = x3 f =
, g=
0
x2
1
y aplicar nuevamente backstepping. El control u de la forma (8.13) es entonces
u=
1 2
1
V1
(x1 x31 + x2 ) +
x3
[x3 1 (x1 , x2 )]
x1
x2
x2
donde V1 est
a dada por (8.15), y la funci
on de Lyapunov total es
V2 (x1 , x2 , x3 ) = V1 (x1 , x2 ) +
1
[x3 1 (x1 , x2 )]2
2
8.2 Backstepping
8.2.2.
175
Backstepping de sistemas en realimentaci

on estricta
Mas generalmente, backstepping de un integrador puede aplicarse al sistema

= f () + g()
= fa (, ) + ga (, ) u
(8.16)
donde fa , ga son suaves y ga (, ) 6= 0 en el dominio de interes. Notar que el segundo subsistema de

(8.16) no es un integrador puro sino un integrador perturbado por la presencia de las alinealidades fa y ga . Esta perturbacion es facilmente manejable, sin embargo, mediante la transformacion
de entrada
u=
1
[ua fa (, )],
ga (, )
(8.17)
que reduce al segundo subsistema de (8.16) al integrador puro = ua . Si conocemos, como antes, el par de funciones () y V () correspondientes a la estabilizaci
on del primer subsistema de
(8.16), podemos tomar ua igual al control (8.13), y combin
andolo con (8.17) obtener el control por
backstepping para (8.16)

V
1
[f () + g()]
g() k[ ()] fa (, ) ,
(8.18)
u = a (, ) ,
ga (, )
con k > 0. La correspondiente funci

on de Lyapunov total es
Va (, ) = V () +
1
[ ()]2 .
2
(8.19)
Aplicando recursivamente el control por backstepping de un integrador, pueden estabilizarse

sistemas en forma de realimentaci
on estricta (strict feedback)
x = f0 (x) + g0 (x) 1
1 = f1 (x, 1 ) + g1 (x, 1 ) 2
2 = f2 (x, 1 , 2 ) + g2 (x, 1 , 2 ) 3
..
.
(8.20)
n1 = fn1 (x, 1 , . . . , n1 ) + gn1 (x, 1 , . . . , n1 ) n

n = fn (x, 1 , . . . , n ) + gn (x, 1 , . . . , n ) u
donde x Rm , u, 1 , . . . , n R, y las funciones f0 , . . . , fn se anulan en el origen. Asumimos que
gi (x, 1 , . . . , i ) 6= 0 en el dominio de interes, para i = 1, . . . , n. La raz
on por la cual llamamos a
sistemas de este tipo en realimentacion estricta es que las funciones fi y gi en las n ecuaciones de
i dependen s
olo de x, 1 , . . . , i , es decir, s
olo de variables que son realimentadas.
El procedimiento recursivo de backstepping comienza, como antes, con el sistema
x = f0 (x) + g0 (x) 1
donde 1 se considera la entrada de control virtual. Asumimos que es posible encontrar un control
1 = 0 (x), con 0 (0) = 0, y una funcion de Lyapunov V0 (x) tal que
V0
[f0 (x) + g0 (x)0 (x)] W0 (x)
x
en el dominio de interes para alguna funcion W0 (x) definida positiva.
176
Dise
El siguiente paso es considerar el sistema

x = f0 (x) + g0 (x) 1
1 = f1 (x, 1 ) + g1 (x, 1 ) 2
que est
a en la forma (8.16) con = x, = 1 , u = 2 , f = f0 , g = g0 , fa = f1 y ga = g1 . Usando
(8.18) y (8.19), tenemos que

V0
1 0
k1 > 0
(f0 + g0 1 )
g0 k1 (1 0 ) f1 ,
1 (x, 1 ) =
g1 x
x
1
V1 (x, 1 ) = V0 (x) + [1 0 (x)]2
2
son el control estabilizante y la correspondiente funcion de Lyapunov para este sistema.
Luego consideramos el sistema
x = f0 (x) + g0 (x) 1
1 = f1 (x, 1 ) + g1 (x, 1 ) 2
2 = f2 (x, 1 , 2 ) + g2 (x, 1 , 2 ) 3
como un caso particular de (8.16) para

x
f0 + g0 1
=
,
, = 2 , f =
f1
1

0
g=
,
g1
fa = f2 ,
ga = g2 .
Usando (8.18) y (8.19), obtenemos el control estabilizante y la correspondiente funcion de Lyapunov

para este sistema

1
V1
1 1
(f0 + g0 1 ) +
(f1 + g1 2 )
g1 k2 (2 1 ) f2 ,
k2 > 0
2 (x, 1 , 2 ) =
g2 x
1
1
1
V2 (x, 1 , 2 ) = V1 (x, 1 ) + [2 1 (x, 1 )]2
2
y as el procedimiento se repite n veces hasta obtener un control estabilizante u = n (x, 1 , . . . , n )
y la funcion de Lyapunov correspondiente Vn (x, 1 , . . . , n ) para el sistema completo.
Ejemplo 8.4. El sistema monoentrada monosalida en la forma normal especial
x = f0 (x) + g0 (x) 1
1 = 2
..
.
r1 = r
r = [u (x, 1 , . . . , r )]/(x, 1 , . . . , r )
(8.21)
y = 1
es un caso particular de la forma (8.20). Si el sistema es mnima fase, el origen de la din

amica de
los ceros x = f0 (x) es asint
oticamente estable, y en el primer paso de backstepping podemos tomar
simplemente 0 (x) = 0, y V0 (x) cualquier funcion de Lyapunov para la din
amica de los ceros. Si el
sistema es nomnima fase, lo que vimos en este captulo muestra que backstepping puede estabilizar
al sistema si podemos resolver el problema de estabilizaci
on de la din
amica de los ceros.
8.3 Ejercicios
177
Por ejemplo, si la primera ecuaci

on de (8.21) es
x = x + x2 1
el sistema es mnima fase ya que la din
amica de los ceros x = x es globalmente exponencialmente
estable. Entonces podemos iniciar el procedimiento de backstepping a traves de los r integradores
con 0 (x) = 0 y V0 (x) = x2 /2, por ejemplo.
Por otro lado, si la primera ecuaci
on de (8.21) es
x = x2 x 1
(8.22)
el sistema es de no mnima fase ya que la din

amica de los ceros x = x2 es inestable. En este caso
tenemos que resolver primero el problema de estabilizaci
on del sistema (8.22) con entrada 1 . Un
posible par 0 , V0 para este sistema es 0 (x) = x + x2 y V0 (x) = x2 /2; luego se continua con el
procedimiento de backstepping.
8.3.
Ejercicios
Ejercicio 8.1.
Para cada uno de los siguientes sistemas escalares, usar amortiguamiento no lineal para dise
nar
on de estados que garantice que el estado x(t) este siempre acotado y
uniformemente finalmente acotado con cota final . La funcion (t) es acotada para todo t 0
aunque la cota es desconocida.
(i) x = x + x2 [u + (t)]
(ii) x = x2 [1 + (t)] xu
Ejercicio 8.2.
Usando backstepping, dise
nar un control por realimentacion de estados que estabilice globalmente el origen del sistema
x 1 = x1 x2
x 2 = x1 + u
Puede el origen estabilizarse globalmente mediante linealizaci
on exacta?
Ejercicio 8.3.
Sea el sistema
x 1 = x2 3x21 /2 x31 /2
x 2 = u
(i) Usando backstepping, dise

nar un control por realimentacion de estados lineal que estabilice
globalmente el origen del sistema. Ayuda: No cancelar los terminos no lineales.
(ii) Dise
nar control por realimentacion de estados que estabilice globalmente el origen del sistema
usando realimentaci
on exacta.
(iii) Comparar ambos dise
nos.
178
Dise
Ejercicio 8.4.
Sea el sistema
x 1 = x1 + x21 [x2 + (t)]
x 2 = u
donde (t) es acotada para todo t 0 aunque la cota es desconocida. Combinando backstepping
y amortiguamiento no lineal dise
nar un control por realimentacion de estados que garantice que el
estado x(t) este globalmente acotado para todo x(0) R2 .
Ejercicio 8.5.
Considerar el sistema de suspensi
on magnetica del Ejercicio 6.1. Usando backstepping, dise
nar
on de estados para la entrada de tensi
on u que estabilice la bola en la
posici
on deseada y = yR .
Ejercicio 8.6.
Considerar el sistema del Ejercicio 7.9.
(i) Comenzando con las dos primeras ecuaciones, usar backstepping para dise
nar un control por
realimentacion de estados u = (x) tal que el origen (x1 , x2 ) = (0, 0) sea globalmente exponencialmente estable.
(ii) Mostrar que con el control del apartado anterior, el origen x = 0 del sistema completo es
globalmente asint
oticamente estable.
(iii) Comparar este control con el que se dise
no en el Ejercicio 7.9.
Ejercicio 8.7.
x = + x2
= 3 + x
= u
Sea xr (t) una se

nal de referencia suave (con derivadas continuas de todo orden). Se pide dise
nar el
control u tal que
lm [x(t) xr (t)] = 0
manteniendo todos los estados acotados para todo t. Justificar la respuesta.

Ayuda:
Considerar primero el subsistema (, x) con como la entrada de control, tomar una nueva
variable z = x xr y calcular un control = (, z, xr , x r ) que consiga que z 0.
Usar V1 (z) =
backstepping.
1
2
z 2 y la ley de control hallada en el punto anterior para calcular u usando
8.3 Ejercicios
179
Ejercicio 8.8.
Considerar el modelo rotacional de una nave espacial rgida:
= H()
(8.23)
= J 1 S() J + J 1 u
(8.24)
donde R3 es la velocidad angular, R3 es la orientacion o posici

on angular (en coordenadas
especiales, llamadas par
ametros de CayleyRodrigues), u R3 es el torque de entrada o control,
J > 0 es la matriz de inercia. La matriz S(x), para x = [x1 , x2 , x3 ] es antisimetrica y dada por
0
x3 x2
S(x) = x3
0
x1
x2 x1
0
y la matriz H() est
a definida como
H() =

1
I S() +
2
Considerar como la entrada de control para la primera ecuaci

on (8.23) y calcular un control
= () que consiga estabilidad exponencial global del PE = 0 con respecto a la funci
on
1
1
2
de Lyapunov V1 () = 2 = 2 kk .
Dise
nar el control u usando backstepping para que el PE (, ) = (0, 0) del sistema (8.23)
(8.24) sea GAE.
Bibliografa
John S. Bay. Fundamentals of Linear State Space Systems. WCB/McGraw-Hill, 1999.
Chi-Tsong Chen. Linear System Theory and Design. Oxford University Press, 3rd edition, 1999.
G.H. Golub and C.F. van Loan. Matrix computations. Johns Hopkins University Press, 3 edition,
1996.
J. Guckenheimer and P. Holmes. Nonlinear oscillations, dynamical systems and bifurcations of
vector fields. Springer, 1983.
A. Isidori, A.J. Krener, C. Gori-Giorgi, and S. Monaco. Nonlinear decoupling via feedback: A
differential geometric approach. IEEE Trans. Automat. Contr., 26:331345, 1981.
Alberto Isidori. Nonlinear control systems. Springer-Verlag, 3rd edition, 1995.
Alberto Isidori. Nonlinear control systems II. Springer-Verlag, 1999.
H. K. Khalil. Nonlinear systems. Prentice-Hall, 2nd edition, 1996.
M. Krstic, I. Kanellakopoulos, and P. V. Kokotovic. Nonlinear and adaptive control design. John
Wiley & Sons, 1995.
Shankar Sastry. Nonlinear Systems: Analysis, Stability and Control. Interdisciplinary Applied
Mathematics. Springer, 1999.
R. Sepulchre, M. Jankovic, and P. V. Kokotovic. Constructive Nonlinear Control. CCES Series.
Springer-Verlag, 1997.
E. D. Sontag. Smooth stabilization implies coprime factorization. IEEE Trans. Automat. Contr.,
34:435443, 1989.
E.D. Sontag and Y. Wang. On characterizations of the input-to-state stability property. Systems
and Control Letters, 24:351359, 1995.
A. J. van der Schaft. L2 -gain and passivity techniques in nonlinear control. Springer-Verlag, 2000.
W. M. Wonham. Linear Multivariable Control: A Geometric Approach. Third Edition. SpringerVerlag, 1985.
Indice alfab
etico
foco, 15
forma de Jordan, 18
backstepping, 159
forma normal, 145
de sistemas en realimentacion estricta, 163
friccion de Coulomb, 8
de un integrador, 159
friccion est
atica, 8
Banach, vease espacio de Banach
funci
on de Lyapunov, 54
Barbalat, vease lema de Barbalat
funci
on definida positiva, 54
Barbashin-Krasovskii, vease teorema de Barbashin- funciones de clase K y KL, 81
Krasovskii
grado relativo, 141
Cauchy, vease secuencia de Cauchy
Gronwall-Bellman, vease desigualdad de Gronwallcentro, 15
Bellman
Chetaev, vease teorema de Chetaev
H
older, vease desigualdad de H
older
ciclo lmite, 21
clausura, 35
inestabilidad, 52, 60
condicion de apareamiento, 157
ISS, vease estabilidad entrada-estado
condicion de Lipschitz, 37
conjunto cerrado, 35
Jacobiana, 21
control adaptable, 12, 157
Jordan, vease forma de Jordan
convergencia de secuencias, 35
Convertidor Boost, 10
LaSalle, vease teorema de LaSalle
Coulomb, vease friccion de Coulomb
lema de Barbalat, 92
amortiguamiento no lineal, 157
desigualdad de Gronwall-Bellman, 34
desigualdad de H
older, 33
difeomorfismo, 135
dinamica de los ceros, 146
diodo t
unel, 6, 19
ecuaci
on de Lienard, 12
ecuaci
on de Van der Pol, 12, 22
ensilladura, 14
equilibrios
definicion, 4
hiperb
olicos, 18
m
ultiples, 18
perturbacion, 16
espacio de Banach, 35
espacio lineal normado, 35
estabilidad, 52
estabilidad asint
otica global, 58
estabilidad de sistemas perturbados, 97
estabilidad entrada-estado, 105
estabilidad estructural, 18
estabilidad exponencial, 82
robusta, 98
estabilidad uniforme, 81
Lienard, vease ecuaci

on de Lienard
linealizaci
on
analisis de puntos de equilibrio, 19
y estabilidad, 69
Lipschitz, vease condicion de Lipschitz
Lyapunov
funci
on, 54
metodo directo, 53
metodo indirecto, 71
superficie, 54
teorema de estabilidad, 53, 79
teoremas conversos, 87
metodo del gradiente variable, 57
metodo indirecto de Lyapunov, 71
mnima fase, 146
mapeo contractivo, 35
matriz Jacobiana, 21
nodo, 14
norma, 35
oscilador
armonico, 21
de relajaci
on, 23

Indice alfab
etico
184
de resistencia negativa, 11
de Van der Pol, vease ecuaci
on de Van der Pol
pendulo, 5, 19
perturbacion de equilibrios, 16
principio de comparaci
on, 46
principio de invariancia, 62
sistemas inestacionarios, 92
punto fijo, 35
puntos de equilibrio, 4
redise
no Lyapunov, 157
regi
on de atracci
on, 58, 65
retrato de fase, 13
construcci
on numerica, 25
secuencia convergente, 35
secuencia de Cauchy, 35
separatriz, 19
sistema en realimentacion estricta, 163
sistema linealizable entrada-estado, 136
sistema masa-resorte, 8
superficie de Lyapunov, 54
teorema de Barbashin-Krasovskii, 59
teorema de Chetaev, 60
teorema de estabilidad de Lyapunov, 53
teorema de LaSalle, 62
teoremas conversos, vease Lyapunov
Van der Pol, vease ecuaci
on de Van der Pol

Sistemas No Lineales (Notas de Clase)

Cargado por

Copyright:

Formatos disponibles

Sistemas No Lineales (Notas de Clase)

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Sistemas No Lineales (Notas de Clase)

Cargado por

Copyright:

Formatos disponibles

Sistemas No Lineales

Por Mara Marta Seron

Laboratorio de Sistemas Din

5. Estabilidad de Sistemas Perturbados

La teora de sistemas de control se ocupa del an

Este curso brinda una introducci

donde x Rn es el vector de estado y u Rp es el vector de entradas (de control). A veces vamos

donde y Rm es un vector de variables de interes, por ejemplo variables fsicamente medibles o

Vamos a trabajar, en general, con sistemas estacionarios o invariantes en el tiempo, es decir

Un concepto importante relacionado con la ecuaci

Los PE de (1.3) son las races de la ecuaci

Un dado sistema puede poseer uno, varios, infinitos o ning

Uno de los problemas m

Figura 1.2: Pendulo

Tomando como variables de estado x1 = y x2 = podemos escribir las ecuaciones de estado

Los PE son (haciendo x 1 = x 2 = 0) (n, 0), n = 0, 1, 2, . . .. Obviamente s

Circuito con Diodo T

La Figura 1.3 muestra un circuito con diodo t

donde u = E e i = h(v) es la caracterstica v i del diodo t

Figura 1.3: Diodo T

Figura 1.4: Puntos de equilibrio del circuito de diodo t

Consideramos el sistema masa-resorte de la Figura 1.5. Usando la ley de Newton:

Figura 1.5: Sistema masa-resorte

o resortes duros donde

Combinando un resorte lineal con amortiguamiento viscoso, friccion est

Dos caractersticas de esta ecuaci

Control S-No (On-Off) y Sistemas Conmutados

El calentador, cuando est

Figura 1.6: Control de temperatura

Figura 1.7: Convertidor Boost

donde M1 corresponde a cuando el transistor satura (u = 1) y el diodo no conduce, M2 a transistor en

Oscilador de Resistencia Negativa

La figura 1.8 muestra la estructura b

Haciendo el cambio de escala de tiempos = t/ CL tenemos (denotando v = dv/d )

Para que esto suceda deber

Figura 1.8: Oscilador de resistencia negativa

L/C. Esta ecuaci

Cuando a y k son desconocidos, podemos considerar el control

1.3 Sistemas de Segundo Orden

Sistemas de Segundo Orden

Figura 1.9: Retrato de fase de un nodo estable.

Figura 1.10: Retrato de fase de una ensilladura.

1.3 Sistemas de Segundo Orden

Autovalores Complejos 1,2 = j

Figura 1.11: Retrato de fase de un foco estable

Figura 1.12: Retrato de fase de centro

Figura 1.13: Retrato de fase del caso de autovalores m

1.3 Sistemas de Segundo Orden

Figura 1.14: Retrato de fase para 1 = 0, 2 > 0

Figura 1.15: Retrato de fase para 1 = 0 = 2

de A. En consecuencia, todo autovalor de A que este en el semiplano derecho (o izquierdo) abierto,

Un sistema lineal tiene un PE aislado en x = 0 si det A 6= 0, y un continuo de PE o subespacio

1.3 Sistemas de Segundo Orden

Figura 1.16: Retrato de fase del circuito con diodo t

Comportamiento Cualitativo Cerca de un PE

Salvo en casos especiales, el comportamiento de un sistema no lineal en la vecindad de un PE

Figura 1.17: Retrato de fase de la ecuaci

x 2 = f2 (p1 , p2 ) + a21 (x1 p1 ) + a22 (x2 p2 ) + T.O.S

donde aij es la derivada parcial de fi respecto de xj evaluada en x1 = p1 , x2 = p2 , y T.O.S son

con lo cual el sistema toma la forma