Linealizacion Avanzada

Universidad de Concepcin
Facultad de Ingeniera
Depto. de Ingeniera Elctrica
Apuntes
Introduccin al Anlisis de Sistemas No-Lineales
543 703
9na edicin
Prof. Jos R. Espinoza C.
Agosto 2009
Apuntes: 543 703
ii
Tabla de contenidos.
PRLOGO ..................................................................................................................................................III
NOMENCLATURA ...................................................................................................................................... IV
ABREVIACIONES ...................................................................................................................................... VII
1
INTRODUCCIN A LOS SISTEMAS NO-LINEALES. ...............................................................................1

1.1 Conceptos bsicos...................................................................................................................1
1.2 Ejemplos Clsicos de Sistemas No-Lineales...........................................................................4
1.3 Restricciones a los Sistemas a Estudiar..................................................................................7
1.4 Definiciones y Propiedades Preliminares...............................................................................8
1.5 Anlisis en el Plano de Fase .................................................................................................10
1.6 Alcances del Curso 543 703..................................................................................................16
FUNDAMENTOS DE LA TEORA DE LYAPUNOV. ................................................................................18

2.1 Conceptos de Estabilidad......................................................................................................18
2.2 Linealizacin y Estabilidad Local.........................................................................................19
2.3 Mtodo Directo de Lyapunov................................................................................................21
2.4 Anlisis de Sistemas Basados en el Mtodo Directo de Lyapunov.......................................27
2.5 Diseo de Sistemas Basado en Lyapunov. ............................................................................29
TEORA DE ESTABILIDAD AVANZADA. ............................................................................................32

3.1 Conceptos de Estabilidad......................................................................................................32
3.2 Anlisis de Sistemas Noautnomos.....................................................................................33
3.3 Teoremas para la Inestabilidad. ...........................................................................................38
3.4 Anlisis usando Lema de Barbalat .......................................................................................39
ANLISIS UTILIZANDO FUNCIONES DESCRIPTORAS.........................................................................42

4.1 Introduccin. .........................................................................................................................42
4.2 No-linealidades Comunes y sus Funciones Descriptoras.....................................................46
4.3 Anlisis de Sistemas utilizando Funciones Descriptoras......................................................49
CONTROL REALIMENTADO. .............................................................................................................54

5.1 Introduccin. .........................................................................................................................54
5.2 Diseo va Linealizacin.......................................................................................................55
5.3 Diseo Va Ganancia Programada.......................................................................................62
LINEALIZACIN EXACTA VA REALIMENTACIN. ...........................................................................68

6.1 Conceptos Bsicos. ...............................................................................................................68
6.2 Herramientas Matemticas...................................................................................................76
6.3 Linealizacin de los Estados de Entrada. .............................................................................78
6.4 Linealizacin de Entrada-Salida. .........................................................................................81
6.5 Sistemas MIMO.....................................................................................................................86
BIBLIOGRAFA ...........................................................................................................................................88
NDICE ALFABTICO..................................................................................................................................89
Copyright por Prof. Jos R. Espinoza C.
Apuntes: 543 703
iii
Prlogo.
El curso "Introduccin al Anlisis de Sistemas No-lineales" es electivo de las carreras de Ingeniera

Civil Elctrica y Electrnica y de los programas de Magster en Ciencias y Doctorado en Ingeniera,
ambos con mencin en Ingeniera Elctrica de la Universidad de Concepcin. Este ramo pertenece al
plan de asignaturas orientadas al rea de Control Automtico en el cual se entregan herramientas de
anlisis para sistemas no-lineales, dinmicos, invariantes y variantes en el tiempo tipo SISO y MIMO
y es la extensin natural del curso Sntesis de Sistemas de Control en el cual se revisan sistemas
lineales tipo MIMO.
Los tpicos revisados en este curso permiten analizar sistemas que se caracterizan por tener estructuras
no-lineales y por lo tanto reflejan mejor la realidad fsica de los sistemas para lo cual se asume
conocido su modelo. En particular, aqu se abordan temas como la teora de Lyapunov para sistemas
invariantes y variantes en el tiempo, la Funcin Descriptora, diseo de controladores mediante
tcnicas lineales, y diseo de controladores mediante tcnicas no-linelaes.
El lector debe tener dominio de los temas entregados en los cursos de Sistemas Lineales Dinmicos,
Sistemas de Control y Sntesis de Sistemas de Control para avanzar fluidamente en los tpicos de este
texto. Adems, un holgado manejo de programas de simulacin es definitivamente necesario para
seguir los ejemplos del apunte. Se recomienda, MatLabTM y/o MathCad TM.
El documento fue digitado enteramente en Word for Windows de MicroSoftTM y los ejemplos y
ejercicios fueron desarrollados en MatLabTM y/o MathCad TM. Se desea agradecer sinceramente a los
alumnos que cursaron la asignatura en aos anteriores por su comprensin y cooperacin en corregir
las versiones preliminares de este material.
Dr. Jos R. Espinoza C.

Profesor Titular
Depto. de Ingeniera Elctrica, of. 220
Facultad de Ingeniera
Universidad de Concepcin
Casilla 160-C, Correo 3
Concepcin, CHILE
Tel:
Fax:
e-mail:
web:
+56 (41) 2203512

+56 (41) 2246999
Jose.Espinoza@UdeC.cl
http://www.udec.cl/jose.espinoza
Apuntes: 543 703
iv
Nomenclatura
Matrices
A
B
C
D
E
F
T
AT
BT
CT
DT
ET
FT
Tabc-0
T0-abc
T0-dq0
Tdq0-0
Tabc-dq0
Tdq0-abc
H(s)
( s)
H
H(s)H
C
O
L(s)
(t)
Adj{P}
diag{x1,}
e{X}
m{X}
X
: matriz de parmetros de dimensin nn.

: matriz de parmetros de dimensin np.
: matriz de parmetros de dimensin qn.
: matriz de parmetros de dimensin qp.
: matriz de parmetros de dimensin nm.
: matriz de parmetros de dimensin qm.
: matriz de transformacin de dimensin de nn.
: matriz de parmetros transformada mediante T de dimensin nn. AT = TAT-1
: matriz de parmetros transformada mediante T de dimensin np. BT = TB
: matriz de parmetros transformada mediante T de dimensin qn. CT = CT-1
: matriz de parmetros transformada mediante T de dimensin qp. DT = D
: matriz de parmetros transformada mediante T de dimensin nm. ET = TE
: matriz de parmetros transformada mediante T de dimensin qm. FT = F
: matriz de transformacin de ejes abc a 0, dimensin 33.
: matriz de transformacin de ejes 0 a abc, dimensin 33.
: matriz de transformacin de ejes 0 a dq0, dimensin 33.
: matriz de transformacin de ejes dq0 a 0, dimensin 33.
: matriz de transformacin de ejes abc a dq0, dimensin 33.
: matriz de transformacin de ejes dq0 a abc, dimensin 33.
: matriz de transferencia. H(s) = C(sI - A)-1B + D.
( s ) = H-1(s).
: matriz de transferencia inversa. H
: matriz conjugada transpuesta de H(s). H(s)H = (H(s)*)T.
: matriz de controlabilidad.
: matriz de observabilidad.
: matriz de transferencia en L.D.
: matriz de transicin.
: matriz adjunta de la matriz P.
: matriz diagonal compuesta por los valores x1, x2, .
: matriz parte real de la matriz X.
: matriz parte imaginaria de la matriz X.
: matriz compuesta por elementos xi , j que son fasores.
Vectores
x
u
y
p
x
y
~
x
xabc
x0
: vector de n variables de estados, x = [x1 x2 xn]T

: vector de p variables de entrada, u = [u1 u2 up]T
: vector de q variables de salida, y = [y1 y2 yq]T
: vector de m perturbaciones, p = [p1 p2 pm]T
: vector de n variables de estados, x = [ x1 x2 xn ]T (estimacin de x).
: vector de q variables de estados, y = [ y1 y 2 y q ]T (estimacin de y).
x = [~
x = x - x ).
: vector de n variables de estados, ~
x1 ~
x2 ~
xn ]T (error de estimacin de ~
abc
a b c T
: vector de tres variables de estados, x = [x x x ] (ejes estacionarios abc).
: vector de tres variables de estados, x0 = [x x x0]T (ejes estacionarios 0).
Apuntes: 543 703
xdq0
x0
xo
uo
yo
yd
po
x
u
y
p
x(s)
u(s)
y(s)
p(s)
vk
wk
vk*
xec
xci
yec
yci
ck
bk
V(x)
x
: vector de tres variables de estados, xdq0 = [xd xq x0]T (ejes rotatorios dq0).
: condicin inicial del vector de estados, x0 = [x10 x20 xn0]T
: vector de estados en el punto de operacin, xo = [x1o x2o xno]T
: vector de entradas en el punto de operacin, uo = [u1o u2o upo]T
: vector de salidas en el punto de operacin, yo = [y1o y2o yqo]T
: vector deseado (referencia) de q variables de salida, yd = [y1d y2d yqd]T
: vector de perturbaciones en el punto de operacin, po = [p1o p2o pqo]T
: variacin del vector de estados x en torno a xo, x = [x1 x2 xn]T
: variacin del vector de entradas u en torno a uo, u = [u1 u2 up]T
: variacin del vector de salidas y en torno a yo, y = [y1 y2 yq]T
: variacin del vector de perturbaciones p en torno a po, p = [p1 p2 pm]T
: Laplace de x, x(s) = [x1(s) x2(s) xn(s)]T
: Laplace de u, u(s) = [u1(s) u2(s) up(s)]T
: Laplace de y, y(s) = [y1(s) y2(s) yp(s)]T
: Laplace de p, p(s) = [p1(s) p2(s) pm(s)]T
: k-simo vector propio de A.
: k-simo vector propio de AT.
: conjugado del k-simo vector propio de A.
: vector de estados para entrada cero.
: vector de estados para c.i. nulas.
: vector de salidas para entrada cero.
: vector de salidas para c.i. nulas.
: k-sima fila de la matriz C.
: k-sima columna de la matriz B.
: gradiente de la funcin V(x). V(x) = V(x)/x.
: vector de fasores, x = [ x1 x2 xn ]T.
Escalares
xk
dxk/dt = x k
ak
k
k*
ij
l(s)
dij
hij(s)
hij ( s )
rango{P(s)}
det{P(s)}
arg{x}
tr{P(s)}
maxij{wij}l
max{}
min{}
log{}
u(t)
: k-sima variable de estado.

: derivada de la k-sima variable de estado.
: k-simo coeficiente del polinomio caracterstico de A.
: k-simo valor propio de A.
: conjugado del k-simo valor propio de A.
: ganancia relativa entre la entrada i-sima y la salida j-sima.
: funcin de transferencia en L.D.
: elemento ij de la matriz D.
: elemento ij de la matriz H(s).
( s ) = H-1(s).
: elemento ij de la matriz H
: rango de la matriz P(s).
: determinante de la matriz P(s).
: ngulo del nmero complejo x.
: traza de la matriz P(s).
: mximo elemento de la matriz Wl.
: mximo valor.
: mnimo valor.
: logaritmo en base 10.
: entrada escaln.
Apuntes: 543 703
r(t)
|| e ||
l(A)
(A)
(A)
(A)
(A)
V(x)
G
R
ess
ts
V
f(t)
f(k)
f(s)
f()
f()
f(n)
f(m)
x
vi
: entrada rampa.
: norma del elemento e.
: l-simo valor singular de A.
: mximo valor singular de A.
: mnimo valor singular de A.
: radio espectral de A.
: nmero de condicin de A.
: funcin de Lyapunov.
: vecindad en el espacio de estados de x.
: conjunto invariante.
: conjunto invariante subconjunto de G.
: vector de error en estado estacionario.
: banda de asentamiento.
: tiempo de asentamiento.
: valor medio (RMS) de la seal continua (alterna) v(t).
: funcin en el tiempo continuo.
: funcin en el tiempo discreto (tambin escrita f(kT), con T el tiempo de muestreo).
: funcin en el plano de Laplace.
: funcin en frecuencia continua de tiempo continuo.
: funcin en frecuencia continua de tiempo discreta.
: funcin en frecuencia discreta de tiempo continuo.
: funcin en frecuencia discreta de tiempo discreta.
: fasor.
Apuntes: 543 703
vii
Abreviaciones.
Maysculas
L.A.
L.C.
L.D.
L.I.T.
S.P.I.
S.P.D.
F. de T.
F.D.
M. de T.
B.W.
E.S.
S.S.
SISO
MIMO
L.G.R.
P.I.D.
S.P.
M.G.
M.F.
FCD
FCC
FCO
FCJ
T.L.
T.F.
T.F.F.D.
T.Z.
T.F.T.D.
T.F.D.
D. de B.
: lazo abierto.
: lazo cerrado.
: lazo directo.
: lineal invariante en el tiempo.
: semi-plano izquierdo.
: semi-plano derecho.
: funcin de transferencia.
: funcin descriptora.
: matriz de transferencia.
: ancho de banda.
: entrada/salida.
: estado estacionario.
: sistema de una entrada y una salida (single input single output).
: sistema de varias entradas y varias salidas (multiple inputs multiple outputs).
: lugar geomtrico de las races.
: controlador proporcional integral derivativo.
: sobrepaso.
: margen de ganancia.
: margen de fase.
: forma cannica diagonal.
: forma cannica controlable.
: forma cannica observable.
: forma cannica de Jordan.
: Transformada de Laplace.
: Transformada de Fourier.
: Transformada de Fourier de Frecuencia Discreta.
: Transformada Z.
: Transformada de Fourier de Tiempo Discreta.
: Transformada de Fourier Discreta.
: Diagrama de Bode
Minsculas
c.i.
l.i.
l.d.
c.c.
c.a.
a.c.a.
: condiciones iniciales.
: linealmente independiente.
: linealmente dependiente.
: corriente continua (en Ingls es d.c.).
: corriente alterna (en Ingls es a.c.).
: abscisa de convergencia absoluta.
Apuntes: 543 703
Introduccin a los Sistemas No-Lineales.

En este captulo se presenta la necesidad de conocer herramientas de anlisis y diseo
de sistemas no-lineales. Se demuestra que la principal razn es la presencia de
elementos y/o sub-sistemas con caractersticas no-lineales en la mayora de las
realidades fsicas, los que en algunos casos son dominantes. Especial importancia se da
a la terminologa inherente a sistemas no-lineales producto de las caractersticas
propias de estos sistemas. Entre estos se cuentan: mltiples puntos de equilibrio,
ciclos lmites y plano de fase. Finalmente, se indican los alcances del curso en el
contexto ms general de los sistemas de control.
1.1 Conceptos bsicos.

A.
Porqu estudiar sistemas no lineales?
Mejorar sistemas de control existentes. El diseo de controladores puede estar basado en una
linealizacin del modelo en un punto de operacin, este diseo ptimo puede deteriorarse al
modificarse el punto de operacin. Por ejemplo, al considerar un sistema en L.C. dado por la F. de T.
n2
k 2
(la cual es obtenida al linealizar en un punto de operacin y definir un controlador
s + 22n s + 2n
para esta condicin de operacin), podra tenerse una respuesta sin sobrepaso como ilustrado en la Fig.
1.1. Sin embargo, si = (to) (donde to es parte del punto de operacin) podra darse el caso que la
respuesta presente sobrepaso para algn to, y en el peor de los casos podra llegar a ser inestable. Un
controlador que considere el sistema en forma ntegra puede mantener sus cualidades, independiente
del punto de operacin.
Anlisis de no-linealidades extremas. La linealizacin siempre asume que los sistemas a modelar son
linealizables. Sin embargo, algunos no toleran una representacin apropiada distinta a la original. Por
ejemplo, saturacin, zonas muertas, histresis, etc. Estos sub-sistemas pueden generar inestabilidades y
ciclos lmites en los sistemas en donde estn insertos. Para tales casos se han desarrollado tcnicas nolineales.
1.5
y(t), para to = Tb
1.0
y(t), para to = Ta
0.5
10
12
14
Fig. 1.1 Respuestas en funcin del punto de operacin.

16
Apuntes: 543 703
modelo
yd
control
planta
Fig. 1.2 Estructura bsica de control adaptivo.
Manejar incertidumbres en el modelo. Normalmente se genera esta situacin al existir parmetros

que varan en el tiempo y afectan el sistema de forma desconocida. El sistema se puede degradar
considerablemente y para esto existen dos tcnicas no-lineales. Estas son: controladores robustos y
controladores adaptivos. Los robustos son aquellos que bsicamente se disean para las peores
condiciones posibles a tomar por el sistema, y adaptivo es aquel que modifica su estructura y/o
coeficientes de acuerdo a cada estimacin de lo que sucede en la planta. La estructura general se
muestra en la Fig. 1.2.
Simplicidad de diseo. Un controlador no-lineal puede transformar un problema no-lineal en uno
lineal y por tanto permitir en un segundo paso la utilizacin de la teora de control lineal. La seleccin
del control no-lineal puede ser en algunos casos intuitiva. Por ejemplo, el modelo de un convertidor
trifsico fuente de corriente como ilustrado en la Fig. 1.3 est dado por,
d d
1
i
i s = i sq v cd + v sd
Li
dt
Li
d q
1
1
i s = i sd v cq + v sq
dt
Li
Li
d d
1
1
v c = v qq + isd Gac idc md
dt
Ci
Ci
d q
1
1
v c = v cd + i sq G ac idc m q
dt
Ci
Ci
R
d
1
idc =
Gac (md vcd + mq vcq ) dc idc
Ldc
dt
Ldc
en donde, las variables estado son: isd, isq, vcd, vcq, idc; las entradas son: md, mq; las perturbaciones son:
filtro
ac
red
vs
abc
is
vc
abc
ir
abc
rectificador fuente
de corriente
filtro
dc
Ldc
carga
abc
vr
b
c
Rdc
Lr
Cr
idc
Fig. 1.3 Topologa de un rectificador trifsico fuente de corriente.

Apuntes: 543 703
vsq, vsq; y los parmetros son: , Li, Ci, Ldc, Rdc. La utilizacin de un controlador no-lineal lleva el
i sd
i sq
2n
, en donde idsd e
sistema a una representacin final en lazo cerrado del tipo d = q = 2
2
i sd i sd s + 2n + n
q
i sd son las referencias. El diseo final se reduce a la seleccin de , n que inicialmente son arbitrarios.
B.
Representacin y tipo de no-linealidades.
Los sistemas lineales pueden representarse en forma generalizada por las ecuaciones dinmicas,
x = Ax + Bu
.
y = Cx + Du
Similarmente, los sistemas no-lineales a estudiar en este curso pueden ser representados por,
x = f ( x, u, t )
,
y = h( x, u, t )
o en sus componentes,
x1 f 1 ( x, u, t )
=
,

x n f n ( x, u, t )
y1 h1 ( x, u, t )
=
.

y q hq ( x, u, t )
en donde x es el vector de estados (de n1), u es el vector de entradas (de p1), y es el vector de salidas
(de q1), t es el tiempo, f es un conjunto de n funciones escalares y h es un conjunto de q funciones
escalares.
Las no-linealidades pueden ser inherentes o intencionales. Las inherentes son propias del sistema, y las
intencionales son adicionadas por diseo. Por ejemplo, histresis (adicionada), torque en una mquina
(inherente), convertidor dc/dc (inherente), etc. como ilustrado en la Fig. 1.4.
C.
Caractersticas de los sistemas lineales / no-lineales.
Los sistemas lineales tienen las siguientes caractersticas,

i)
ii)
Tienen un nico punto de equilibrio si A es no singular.

El punto de equilibrio es estable si todos los valores propios de A tienen parte real negativa,
ia
if
histrisis
convertidor
dc/dc
vs
Sw
iL
+
vd
-
vC
L
C
Fig. 1.4 Tipos de no-linealidades.

Te
torque en una
mquina
Apuntes: 543 703
iii)
iv)
independiente de la c.i..
La solucin general puede obtenerse analticamente.
En presencia de una entrada u(t) se cumple: (a) el principio de superposicin, (b) la estabilidad
asinttica implica que para entradas acotadas se tienen respuestas acotadas, y (c) una entrada
sinusoidal genera una salida sinusoidal de la misma frecuencia.
En cambio, los sistemas no-lineales tienen las siguientes caractersticas,

i)
ii)
iii)
iv)
v)
vi)
Tiempo de escape finito. Una variable de estado de un sistema no estable lineal se va a infinito a
medida que el tiempo va a infinito; en cambio, un sistema no-lineal inestable puede hacerlo en un
tiempo finito.
Mltiples puntos de operacin. Un sistema no-lineal puede tener mltiples puntos de operacin,
los que pueden ser estables o inestables. Los estados del sistema convergen a uno u otro
dependiendo del estado inicial.
Ciclos lmites. Un sistema lineal invariante debe tener dos polos en el eje imaginario para oscilar
permanentemente, lo que no se puede sostener en la realidad. Sistemas no-lineales pueden oscilar
con amplitud y frecuencia constante independiente del punto inicial.
Subarmnico, armnico u oscilaciones casi-peridicas. Un sistema lineal bajo excitacin
sinusoidal, genera una salida sinusoidal de la misma frecuencia. Un sistema no-lineal ante
excitacin sinusoidal puede generar frecuencias que son submltiplos o mltiplos de la
frecuencia de entrada. Tambin puede generar una oscilacin casi-peridica (suma de
componentes con frecuencias que no son mltiples entre s).
Caos. Se produce en sistemas en que la salida es extremadamente sensible a las condiciones
iniciales. La salida no est en equilibrio y no es oscilacin peridica o casi peridica.
Mltiples modos de comportamiento. Ms de un ciclo lmite. Dependiendo de la entrada
(amplitud y frecuencia) la salida puede exhibir armnicos, subarmnicos, etc.
1.2 Ejemplos Clsicos de Sistemas No-Lineales

La mayora de los sistemas encontrados en la prctica son no-lineales. Aqu se revisan algunos, cuyos
modelos son vlidos para otros sistemas no-lineales.
A.
El pndulo.
El modelo est dado por ml 2 = mgl sen kl 2 + T , Fig. 1.5(a). Si se define x1 = y x2 = ,

entonces las ecuaciones de estado son:
x1 = x2
x2 = ( g / l ) sen x1 (k / m) x2 + u /(ml 2 )
Por lo que los puntos de equilibrio son, x2o = 0, x1o = n, (n = 0 1, 2, ...) para u = 0. Se sabe que el
punto de equilibrio xo = (0, 0) es estable y que el punto de equilibrio xo = (0, ) es inestable. Cmo se
puede derivar esto de la ecuacin del pndulo ?. Se destaca que esta ecuacin es tambin vlida para un
generador conectado a un bus infinito y para un PLL.
B.
Pndulo invertido .
En este caso el modelo , Fig. 1.5(b), est dado por la ecuacin ml 2 + ml cos() x mgl sen = 0 y por
la ecuacin ml cos() + ( M + m) x ml sen 2 = F (t ) . No se cosidera la presencia de roce y adems de
Apuntes: 543 703
una varilla de masa despreciable frente a la masa al extremo de sta y a la del carro. Las ecuaciones se
derivan fcilmente utilizando el Principio de Mnima Accin (Lagrange). Al definir x1 = x, x2 = , x3 =
x y x4 = , las ecuaciones de estado - despus de algunas operaciones algebraicas- son:
x1 = x3
x2 = x4
x3 = [u + mlx42 sin( x2 ) mg sin( x2 ) cos( x2 )] /[ M + m(1 cos( x1 )) 2 ]

x4 = [u cos( x2 ) mlx42 sin( x2 ) cos( x2 ) + ( M + m) g sin( x2 )] /[ Ml + ml (1 cos( x1 )) 2 ]
Claramente es un sistema no-lineal. Al no considerarse roce el sistema nunca se detiene ante una c.i.
distinta de cero.
C.
Estanque de rea variable.
Un caso interesante es el estanque con rea dependiente de la altura, Fig. 1.6(a) que es utilizado para
diluir agua fm de alta concentracin de sal cm con agua fa. Para lo cual se puede manipular el flujo de
agua fa. En este caso el modelo est dado por V = f m + f a f s = hdV / dh = f m + f a kv gh y por
d (Vcs ) / dt = f m cm f s cs = Vcs + Vcs . Al definir x1 = h y x2 = cs, y la entrada u = fa, entonces las
ecuaciones de estado son:
x1 = ( f m + u kv gh ) /(h 2 / a 2 )
x2 = ( f m cm f m cs f a cs ) /(h3 /(3a 2 ))
En este caso los puntos de equilibrio estn dados por las ecuaciones f m + uo kv gho = 0 y por
f m cm f m cs o uo cs o = 0 .
D.
Reactor continuo exotrmico.
El sistema mostrado en Fig. 1.6(b) es un reactor continuamente agitado donde se realiza una reaccin
exotrmica irreversible, A B. Es de inters la temperatura interna, T, y la concentracin de la
componente A, CA, para lo cual se puede manipular la temperatura del refrigerante, Tc. El modelo de
este sistema considerando a las variables de estado x = [x1 x2]T = [CA T]T, la entrada u = u = Tc y la
salida y = y = T, es,
F(t)
T(t)
a)
b)
Fig. 1.5 Ejemplos de sistemas no-lineales. (a) pndulo con friccin, (b) pndulo invertido.
Apuntes: 543 703
q
CA =
C Af C A k0e RT C A
V
T=
(H )
q
Tf T +
k0 e
C p
V
RT
.
CA +
UA
(Tc T )
V C p
Claramente, el sistema es no lineal; es ms, la variable de estado que es la temperatura aparece como
argumento de la funcin exponencial.
E.
Compensador de Potencia Reactiva.
El sistema elctrico trifsico balanceado que se muestra en la Fig. 1.7 representa un sistema generador
representado por una fuente trifsica balanceada vsabc, la lnea de transmisin representada por un RtLt
en serie, un consumo representado por una carga RoLo y un compensador paralelo que toma una
corriente iiabc. Este ltimo es incluido por el dueo del consumo para suministrar los reactivos
absorbidos por la carga y as obtener un factor de potencia (fpPCC) unitario en el PCC (punto de comn
acoplamiento) y no pagar multa. Se sabe que el compensador requiere que la tensin en su barra dc, vdc,
sea constante y mayor al mximo valor de tensin entre lneas medido en el PCC. Adems, se puede
modelar su lado ac como una fuente trifsica de tensiones monofsicas dadas por viabc = mabcvdc, donde
mabc son tres seales moduladoras que suman cero (sinusoidales) y tienen mximos instantneos entre
0.5 y -0.5, finalmente, el modelo del lado dc es idc = iiabcTmabc. El modelo de este sistema en ejes
rotatorios dq0 considerando a las variables de estado x = [x1 x2 x3 x4 x5]T = [iod ioq isd isq vdc]T, la entrada
u = [u1 u2]T = [md mq]T y la salida y = [y1 y2]T = [vdc fpPCC]T, es,
diod
= ioq + {( Li + Lt ) Roiod Li Rt isd + Lt md vdc + Li vsd }/ L2 ,
dt
diod
= iod + {( Li + Lt ) Roioq Li Rt isq + Lt mq vdc + Li vsq }/ L2 ,
dt
disd
= isq + { Li Roisd ( Lo + Li ) Rt isd + Lo md vdc + ( Lo + Li )vsd }/ L2 ,
dt
disq
= isd + { Li Roisq ( Lo + Li ) Rt isq + Lo mq vdc + ( Lo + Li )vsq }/ L2 ,
dt
y
fa
f m, c m
F1
F2
h
y = 2ax
Tc
Fs
fs, cs
a)
T, CA
b)
Fig. 1.6 Ejemplos de sistemas no-lineales. (a) estanque de rea variable para diluir,
(b) reactor continuo exotrmico.
Apuntes: 543 703
dvdc
= {md iod mq ioq + md isd + mq isq vdc / Rdc }/ Cdc ,
dt
Claramente, el sistema es no lineal puesto que las entradas estn multiplicando a las variables de
estado. Si adicionalmente se considera que la segunda salida es el fpPCC y que est dada por
fpPCC = cos{tan 1 (voq / vod ) tan 1 (isq / isd )} ,
entonces se tiene que la funcin y = h(x, u) es tambin no lineal.
1.3 Restricciones a los Sistemas a Estudiar

En general, un sistema no-lineal puede ser representado por una ecuacin de estados como,
x = f ( x, u, t )
.
y = h( x, u, t )
(1.1)
Un sistema fsico representado por (1.1). Debe tener las siguientes propiedades para cada entrada u(t).
i)
ii)
iii)
iv)
Existencia: tener a lo menos una solucin (continuidad de f).

Unicidad: tener slo una solucin (condicin de Lipschitz).
Tener exactamente una solucin definida en el rango [0,).
Tener exactamente una solucin definida en [0,), y que esta solucin dependa continuamente en
el estado inicial x(0).
Ejemplo 1.1. Estudie si los siguientes sistemas no cumplen con alguna de las propiedades anteriores por lo que no seran
1 x0
considerados casos de estudio. R.: (a) x = sgn(x ) , donde sgn( x ) =
. No existe una funcin x que satisfaga la
1 x < 0
a)
ioabc
PCC
voabc
isabc
Lt
ii
Rt
abc
Li
Ro
vsabc
Lo
mabc
idc
vdc
Rdc
fuente
b)
is a
Ltl
lnea de transmisin
ii a
v sa
lnea de transmisin
carga
c)
v sa
Ro
Li
io a
via
fuente
compensador
v la
Rt
Cdc
compensador
Lo
io
isa
jLtisa
iia
v oa
carga
Fig. 1.7 Compensador de potencia reactiva. (a) circuito elctrico, (b) modelo por fase en ejes abc,
(b) diagrama fasorial para factor de potencia unitario en el PCC, con Rt = 0.
Apuntes: 543 703
expresin anterior. Por lo tanto la propiedad (i) no se cumple. (b) x = 3x 2 / 3 , con x 0 = 0 . En este caso x(t) = t3 y x(t) = 0
satisfacen la ecuacin, por lo tanto hay dos soluciones con lo que (ii) no se cumple. (c) xe
es x(t) = -ln(1 - t) por lo que no hay solucin en t (1, ) por lo que (iii) no se cumple.
= 1 , con x0 = 0 . La solucin
1.4 Definiciones y Propiedades Preliminares

Si se considera el sistema,
x = f ( x, t ) ,
(1.2)
en donde se ha supuesto que no interesa definir la salida y que la entrada es funcin de los estados, se
pueden definir los siguientes trminos.
Def.: Se define un sistema autnomo si la expresin (1.2) es independiente del tiempo. Es decir, el
sistema queda descrito por x = f (x ) .
Def.: Se define punto de equilibrio al vector xo = x(to) en el instante to si ste satisface:
f (x o , t o ) = 0
t to.
(1.3)
En sistemas autnomos el punto de equilibrio es independiente del tiempo. Tambin se conoce como
punto estacionario o punto singular.
Def.: Se define punto de equilibrio aislado al vector xo = x(to) en el instante to si existe una vecindad
entorno a xo de manera que no contiene otros puntos de equilibrio.
Para determinar en forma prctica si un punto de equilibrio es aislado se tiene el siguiente teorema.
Teorema: Considerar el sistema x = f ( x, t ) y suponer que xo es un punto de equilibrio al instante to,
adems que f es continuamente diferenciable y se define A(to) como la matriz dada por
f ( x, t o )
. Si A(to) es no-singular, entonces xo es un punto de equilibrio aislado
A (t o ) =
x x =x o
al instante to.
Ejemplo 1.2. Estudie el punto de equilibrio xo = (0, 0) del sistema dado por
x2 = a2 x2
f 1 ( x, t o )
+ b2 x1 x 2 . R.: Al determinar A(t o ) = f (xx1, t )

o
2
x1
x1 = a1 x1 + b1 x1 x 2 y
f 1 ( x, t o )
a1
x 2
se encuentra que A(t o ) = A =
f 2 ( x, t o )
0
x 2 x = x o
0
a 2
cuyo determinante es det{A} = a1a2 que es distinto de cero si a1 y a2 son distintos de cero. Es decir, el punto xo = (0, 0) es
un punto de equilibrio aislado si a1 y a2 son distintos de cero.
Apuntes: 543 703
Ejemplo 1.3. Determine y caracterice los puntos de equilibrio del reactor exotrmico. R.: El modelo puede ser escrito
como,
E
Rx
q
C
x
k
e
x
Af
1
0
1
x1 f1 (x, u)
V
,
x = f (x, u) =
E
q
2 2
Rx
(H )
UA
k 0 e 2 x1 +
(u x 2 )
T f x2 +
C p
VC p
V
y = h(x, u) = x 2 ,
Variable
Valor
Variable
Valor
q
CAf
Tf
V
100 L/min
1 mol/L
350 K
100 L
1000 g/L
Cp
(-H)
E/R
k0
UA
0.239 J/g K
5x104 J/mol
8750 K
7.2x1010 min-1
5x104 J/min K
400
380
0.8
Concentracin
Temperatura en el Reactor
x 0
por lo tanto, los puntos de operacin estn dado por los valores de CA = x1, T = x2 y Tc = u tal que satisfacen, 1 = , la
x 2 0
Fig. 1. 8 muestra la grfica de los puntos de operacin, esta se obtiene solucionando la ecuacin anterior para valores dados
de la temperatura de control Tc. Los valores de las cantidades involucradas estn dadas en la tabla siguiente. La Fig. 1. 8
muestra que para ciertos valores de la entrada hay tres valores posibles de las variables de estado que son solucin. Es decir,
hay mltiples puntos de operacin. Por otro lado, la grfica de |A| ilustrada en la Fig. 1. 8(c), donde A est dada por,
360
340
0.4
0.2
320
300
280
0.6
a)
290
300
310
320
Temperatura de Control
0
280
b)
290
300
310
320
Determinante de A
40
20
c)
320
340
360
380
Fig. 1. 8 Puntos de operacin del reactor del Ejemplo 1.3; a) T vs Tc, b) CA vs Tc, c) |A| vs T.
10
Apuntes: 543 703
f 1 (x, u)
x
1
A=
f 2 (x, u)
x
1
f 1 (x, u)
x 2
f 2 (x, u)
x 2
x=xo
u =u o
q k e Rx2
0
V
=
E
Rx
(
)
H
k0e 2
C p
2
Rx 2
q ( H )
E Rx2
UA
+
k0
e
x
1
C p
V
VC p
Rx 22
k0
Rx
e 2
x
1
x = xo
u =u o
muestra que hay puntos de operacin que no son aislados. Estos ocurren para dT/dTc = 0.
Entre las propiedades de las soluciones se tiene,

Una solucin x(t), t 0, es acotada si || x(t) || M, t 0.
Una solucin x(t) es peridica u oscilatoria si existe un numero real T > 0 de manera que x(t + T)
= x(t), t 0. El menor T se conoce como perodo. Una solucin es peridica si y slo si la
trayectoria en el espacio de estados es una curva cerrada.
iii) Una solucin x(t), t 0 es una solucin peridica aislada si para algn > 0, no existe otra
solucin peridica con un estado inicial x(0) que satisfaga min{|| x(0) - x(t) ||} < para t 0.
iv) Una de las ms importantes soluciones peridicas es el ciclo lmite.
Una solucin peridica es un ciclo lmite si x(t) es una solucin aislada.
v)
vi) Propiedades asintticas de soluciones peridicas revelan su estabilidad, dada una solucin
peridica xp(t), t 0, si para cada > 0, > 0, de manera que || x(0) - xp(0) || < garantiza que ||
x(t) - xp(t) || < y que || x(t) - xp(t) || 0 cuando t , entonces la solucin peridica xp(t), t 0
es estable asintticamente en el sentido de Lyapunov.
vii) En el caso de ciclos lmites se aplica el concepto de estabilidad orbital. Si para cada > 0, > 0
de manera que min{|| x(0) - xp(t) ||} < para t 0 implica que min{|| x(t) - xp() ||} < para t,
0, y que || x(t) - xp() || 0 cuando t , para 0 entonces la solucin peridica xp(t) es
orbitalmente estable.
i)
ii)
1.5 Anlisis en el Plano de Fase

Hay dos razones principales por las cuales es til al anlisis en el plano de fase. Esas son: (a) Mtodo
Grfico: til para sistemas de segundo orden y (b) No-linealidades extremas: permite analizar
saturaciones, controles on-off, etc.
A.
Conceptos.
En general, un sistema de segundo orden puede ser representado por las ecuaciones de estado,
x1 = f 1 ( x1 , x 2 , t )
x 2 = f 2 ( x1 , x 2 , t )
Si se grafica x1(t) vs x2(t), con t como parmetro, la grfica resultante se llama grfico del plano de
estados o trayectoria del plano de estados. El plano bi-dimensional se llama plano de estados. En el
caso especial cuando la primera ecuacin es x1 = x 2 , el plano de estados se llama plano de fase y el
grfico se llama grfico o trayectoria del plano de fase.
11
Apuntes: 543 703
Ejemplo 1.4. Determine el plano de fase del sistema dado por x + x = 0 . R.: La solucin es x(t) = x0cos(t) por lo que
x(t ) = x0 sin(t ) . Si se define x1 = x y x2 = dx/dt, entonces, x12 + x 22 = x 02 por lo que el plano de fase est dado en la Fig.
1.10(a).
Def.: Un punto singular es un punto de equilibrio en el plano de fase. Son conocidos como punto
singular dado que x = 0 por lo que f1 = f2 = 0 y por lo tanto al tomar el cuociente f2/f1 se hace
singular.
Ejemplo 1.5. Dibuje el plano de fase del sistema dado por x + 0.6 x + 3x + x 2 = 0 . R.: Los puntos de equilibrio estn
dados por 3x + x2 = x(3 + x) = 0 por lo que se tiene a xo = 0 y xo = -3 como puntos de equilibrio. Si se define x1 = x y x2 =
dx/dt, entonces, los puntos de equilibrio son (0, 0) y (-3, 0). El plano de fase se encuentra en la Fig. 1.10(b).
La representacin del sistema en un plano de fase tambin se puede aplicar a sistemas de primer orden
de la forma x + f ( x ) = 0 , la idea es dibujar x con respecto de x . La diferencia es que en este caso slo
hay una nica trayectoria.
Ejemplo 1.6. Dibuje el plano de fase equivalente de la ecuacin diferencial no-lineal x + 4 x x 3 = 0 . R.: La ecuacin se
puede escribir como x = 4 x + x 3 por lo que los puntos de equilibrio estn dados por x = 4 x + x 3 = x ( 4 + x 2 ) = 0 . Es
decir, xo = 0, 2, -2. Esto se puede representar en el plano x vs x como ilustrado en la Fig. 1.10(c).
B.
Construccin del Plano de Fase
Hay varias alternativas para la construccin del plano de fase. Entre las cuales se cuenta: (a) analtica,
(b) isoclinas, (c) delta, (d) Lienard. En este curso se revisarn las dos primeros.
Estable
Inestable
Medio-Estable
Semi-estable
Medio-Estable
Semi-estable
Fig. 1.9 Ejemplos de ciclos lmites.

12
Apuntes: 543 703
Mtodo Analtico. En este caso se puede recurrir a obtener las expresiones para x1(t) y x2(t), y luego
eliminar t combinando x1(t) y x2(t) como ilustrado en el Ejemplo 1.4. La otra opcin es considerar que
dx 2 dx 2 / dt f 2 ( x1 , x 2 )
=
=
, de donde se puede obtener la expresin final. En el caso del Ejemplo 1.4 se
dx1 dx1 / dt
f 1 ( x1 , x 2 )
dx 2 x1
tiene que x1 = x 2 y x 2 = x1 , por lo que
=
. Finalmente, x2dx2 = -x1dx1 , de donde,
dx1
x2
1 2 1 2
x 2 + x1 = c , por lo que la solucin final es x 22 + x12 = 2c = x o2 .
2
2
Ejemplo 1.7. Dibuje el plano de fase del sistema ilustrado en la Fig. 1.11(a). R.: En este se puede apreciar que (a) si > 0,
dx 2 u
entonces la ecuacin resultante es = u , al definir x1 = y x1 = se tiene que x1 = x 2 y x 2 = u , por lo que
=
,
dx1 x 2
c
1
x2dx2 = -udx1, x 22 + ux1 = , por lo que la solucin final es x 22 + 2ux1 = c . Similarmente se encuentra para < 0 que la
2
2
solucin es x 22 2ux1 = c . El plano de fase se encuentra en la Fig. 1.11(b).
x = x2
x2
x0
x1
x = x1
-3
a)
-2
b)
c)
Fig. 1.10 Planos de fase. (a) Ejemplo 1.4, (b) Ejemplo 1.5, (c) Ejemplo 1.6.
x = x2
d = 0
s2
-u
a)
x = x1
b)
Fig. 1.11 Diagrama y plano de fase del Ejemplo 1.7. (a) Diagrama en bloques. (b) Plano de Fase.
13
Apuntes: 543 703
Mtodo de las Isoclinas. Una isoclina es definida como un lugar de puntos que tienen igual pendiente.
dx2
f 2 ( x1 , x2 )
Un lugar de isoclinas es definido como:
=
= . Por lo tanto, todos los puntos del plano
dx1
f1 ( x1 , x2 )
de estados que cumplen con f2(x1, x2) = f1(x1, x2) tienen la misma pendiente. Este resultado indica que
dado un , se puede encontrar los pares que satisfacen tal condicin y as graficar el plano de estados.
Ejemplo 1.8. Sea el sistema dado por x + x = 0 . Si se define x1 = x y x2 = dx/dt, entonces, x1 = x 2 y x 2 = x1 , por lo que
dx 2 x1
=
= . Es decir las regiones con igual pendiente estn dadas por x1 + x2 = 0. El plano de fase est ilustrado en la
dx1
x2
Fig. 1.12.
C.
Anlisis en el Plano de Fase de Sistemas Lineales.
Los planos de fase de sistemas lineales son de inters por cuanto la informacin obtenida a partir de
stos es extendible a sistemas no-linelaes. Sea el sistema de segundo orden,
x1 = a11 x1 + a12 x 2
,
x 2 = a 21 x1 + a 22 x 2
con las c.i. x1(0) = x10 y x2(0) = x20, por lo tanto, el polinomio caracterstico det{sI - A} = 0 queda dado
por s2 (a11 + a22)s + a11a22 a12a21 = 0. Por lo tanto, los valores propios estn dados por,
1, 2 =
( a11 + a 22 ) ( a11 + a 22 ) 2 4( a11a 22 a12 a 21 )

.
2
Se pueden distinguir dos casos en el anlisis de los valores propios, los cuales a su vez se pueden
subclasificar. Los planos de estado resultantes se ilustran en la Fig. 1.13.
I.
Si a11a22 a12a21 0, entonces el (0, 0) es el nico punto de equilibrio.
a)
Si ( a11 + a 22 ) 2 4( a11a 22 a12 a 21 ) 0 1 y 2 reales.

Si 1 2 < 0 (0, 0) es un nodo estable.
i)
ii)
Si 1 2 > 0 (0, 0) es un nodo inestable.
iii)
Si 1 > 0 > 2 (0, 0) es un nodo punto de silla.
Si ( a11 + a 22 ) 2 4( a11a 22 a12 a 21 ) < 0 1 y 2 complejos.
b)
x2
= -1
=1
= -1
=0
x1 + x2 = 0
x1 - x2 = 0
x1 = 0
x2 = 0
x1 = - x2
x1 = x2
x1
=1
=0
Fig. 1.12 Plano de fase del Ejemplo 1.8.

14
Apuntes: 543 703
Si e{1} = e{2} = 0 (0, 0) es un punto central.

Si e{1} = e{2} < 0 (0, 0) es un foco estable.
Si e{1} = e{2} > 0 (0, 0) es un foco inestable.
iv)
v)
vi)
II.
D.
Si a11a22 a12a21 = 0, entonces hay infinitos puntos de equilibrio.

vii)
Si 1 = 0, 2 < 0 (0, 0) es estable.
viii) Si 1 = 0, 2 > 0 (0, 0) es inestable.
Si 1 = 2 = 0, a12a21 0 (0, 0) es inestable.
ix)
x)
Si 1 = 2 = 0, aij = 0, i, j (0, 0) es inestable.
Anlisis en el Plano de Fase de Sistemas No-Lineales
Si las funciones x1 = f 1 ( x1 , x 2 ) , x 2 = f 2 ( x1 , x 2 ) son continuamente diferenciables en torno a un punto

de equilibrio, el comportamiento en torno a este punto esta ntimamente ligado con el comportamiento
del sistema linealizado alrededor de este punto de operacin.
Comportamiento local de sistemas no-lineales. Se fundamenta en la linealizacin del sistema en
torno al punto de equilibrio para luego utilizar las conclusiones derivadas de sistemas lineales para
caracterizarlo. As, si xo un punto de equilibrio, f1 y f2 funciones continuamente diferenciales en la
vecindad de (x10, x20), entonces el vector de estados se puede definir como x = xo + x , por lo que una
f ( x )
linealizacin del sistema es, x = Ax , donde, A =
.
x x =x o
Ejemplo 1.9. Clasifique los puntos de equilibrio del sistema dado por
i)
x2
ii)
x2
x1
iv)
x2
v)
x1
x2
x1
vi)
x2
x1
ix)
x2
x1
Fig. 1.13 Plano de fase de un sistema lineal de segundo orden.

x2
x1
viii)
x2
iii)
x1
x1
vii)
x1 = x1 + x1 x2 y x 2 = x 2 x1 x 2 . R.:
x2
x1
Apuntes: 543 703
15
1 0
Claramente, los puntos de equilibrio son (0, 0) y (1, 1). Al linealizar en torno a (0, 0) se obtiene que A =
, por lo
0 1
que los valores propios son 1 y 1. Por lo tanto el punto (0, 0) en el sistema lineal es un punto de silla y por ende el (0, 0) es
0 1
un punto de silla en el sistema no-lineal. Por otro lado, al linealizar en torno a (1, 1) se obtiene que A =
, por lo que
1 0
los valores propios son j. Por lo tanto el punto (0, 0) en el sistema lineal es un punto central y por ende el (1, 1) debera ser
un punto central en el sistema no-lineal. Desafortunadamente, la posicin de los valores propios en el eje imaginario se ve
afectada por los trminos no considerados al linealizar. Por lo tanto, nada se puede concluir del sistema no-lineal en este
caso.
Ciclos Lmites. Otro importante caso es el de los ciclos lmites. Sea el caso x1 = x 2 x1 ( x12 + x 22 1) y
x 2 = x1 x 2 ( x12 + x22 1) . Al considerar x1 = rcos y x2 = rsin. Se obtiene r = r ( r 2 1) y = 1 .

Claramente el cambio de coordenadas muestra que si r < 1 entonces dr/dt > 1 por lo que el radio crece
y si r > 1 entonces dr/dt < 0 por lo que el radio decrece. Por lo tanto, en r = 1 hay un ciclo lmite como
ilustrado en la Fig. 1.14. Los ciclos lmites pueden ser estables, inestables y semiestables, Fig. 1.9. Los
ciclos lmites difieren de soluciones peridicas en que los primeros atraen a todas las rbitas a su ciclo,
los ltimos orbitan en torno a estos. Ntese que si el ciclo lmite es estable entonces la amplitud es fija.
E.
Existencia de Ciclos Lmites
Hay tres teoremas que facilitan la prediccin de ciclos lmites.

Teorema: Poincare. Si un ciclo lmite existe en el sistema autnomo de segundo orden
x1 = f 1 ( x1 , x 2 ) , x 2 = f 2 ( x1 , x 2 ) , entonces N = S + 1, donde N: es el nmero de nodos,

focos y puntos centrales y S es el nmero de puntos de silla. Ambos encerrados por el ciclo
lmite.
Teorema: PoincareBendixon. Si
una trayectoria del sistema autnomo de segundo orden

x1 = f 1 ( x1 , x 2 ) , x 2 = f 2 ( x1 , x 2 ) permanece en una regin finita , entonces una de las
siguientes afirmaciones es verdadera:
(a) La trayectoria viaja hasta un punto de equilibrio.
(b) La trayectoria tiende a un ciclo lmite asintticamente estable.
(c) La trayectoria es un ciclo lmite.
x2
x1
Fig. 1.14 Plano de fase de un ciclo lmite.

Apuntes: 543 703
16
Teorema: Bendixon. Si en el sistema autnomo de segundo orden x1 = f 1 ( x1 , x 2 ) , x 2 = f 2 ( x1 , x 2 ) no
existe un ciclo lmite en una regin del plano de fase en que f 1 / x1 + f 2 / x 2 no es

idnticamente igual a cero y no cambia de signo. Formulacin Rgida: Si f 1 / x1 + f 2 / x 2
no es igual a cero y no cambia de signo en , entonces no contiene trayectorias
cerradas.
Ejemplo 1.10. Sea el sistema dado por x1 = g ( x 2 ) + 4 x1 x 22 y x 2 = h( x1 ) + 4 x12 x 2 . Evale la existencia de ciclos lmites.
R.: Al evaluar f1 / x 2 + f 2 / x 2 se tiene 4 x 22 + 4 x12 = 4( x12 + x 22 ) que claramente no cambia de signo por lo que no existen
ciclos lmites en todo el plano de fase.
Los ciclos lmites aparecen tambin en sistemas en donde podra no haber sospecha de su existencia.
Por ejemplo, el reactor exotrmico con una temperatura de control Tc de Tc = 311 est en un punto de
operacin dado por T = 385 y CA = 0.093. Este punto es estable como se ilustra en la Fig. 1.15. Al
aumentar la temperatura de control en 5 (de Tc = 311 a Tc = 316) se tiene un nuevo punto de operacin
estable dado por T = 390 y CA = 0.070. Este cambio se ve reflejado en la simulacin de la Fig. 1.15
para el caso lineal y no-lineal. Una diferencia de punto de operacin y dinmica es observada entre
ambos casos. Esto es justificable por la degradacin del modelo lineal al escapar del punto de
operacin para el cual es obtenida. Sin embargo, al disminuir la temperatura de control en 5 (de Tc =
311 a Tc = 306) se lleva al reactor a un ciclo lmite estable. Este cambio no se ve reflejado en la
simulacin del caso lineal como ilustrado en la Fig. 1.15. Es ms, la linealizacin predice un nuevo
punto de operacin estable.
1.6 Alcances del Curso 543 703.

En este curso se estudiarn en profundidad sistemas no-lineales del tipo continuo, cuya representacin
pueda darse de la forma de ecuaciones dinmicas,
x = f ( x, u, t )
.
y = h( x, u, t )
Sern de especial inters los sistemas con mltiples entradas y mltiples salidas (MIMO). Adems, se
revisarn mtodos alternativos para el anlisis de no-linealidades extremas como histresis, bandas
muertas, saturaciones, etc. El estudio de sistemas considera adems el diseo y anlisis de
controladores lineales y no-lineales aplicados a sistemas no-lineales.
Apuntes: 543 703
17
Concentracin
0.25
0.2
0.15
0.1
0.05
0
10
12
10
12
Temperatura
400
392
384
376
368
360
Fig. 1.15 Simulacin del reactor exotrmico con Tc = 311(1 + 0.018u (t-3) 0.036u(t-6)). La lnea continua es la
simulacin del sistema original y la segmentada es la simulacin del sistema linealizado.
Apuntes: 543 703
18
Fundamentos de la Teora de Lyapunov.

Dada las caractersticas propias de sistemas no-lineales, en particular de la estabilidad,
no se pueden aplicar los conceptos desarrollados en sistemas lineales. En este captulo
se presentan nuevas herramientas matemticas y definiciones que permiten abordar
este tema. Los conceptos ms importantes son los asociados a estabilidad local y
global. Sin duda que la Teora de Lyapunov que aqu se presenta es la ms
desarrollada para estos casos.
2.1 Conceptos de Estabilidad.

La estabilidad de sistemas no-lineales es algo ms elaborada que en sistemas lineales debido a las
caractersticas peculiares de stos.
A.
Antecedentes Preliminares.
Un sistema no-lineal puede representarse por

x = f ( x, t ) ,
(2.1)
cuya expresin, aun cuando no contiene u, puede representar a un sistema donde u = g(x, t), por lo que
la expresin original queda como,
x = f ( x, u, t ) = f ( x, g( x, t ), t ) ,
la cual puede ser re-escrita de la forma (2.1). Un sistema es autnomo si (2.1) no depende del tiempo,
es decir x = f ( x ) . La gran diferencia entre ellos es que un sistema autnomo tiene asociado un plano de
estados que no es funcin del tiempo. Finalmente, un estado xo es un estado de equilibrio (o punto de
equilibrio) del sistema si al hacer x(t) = xo, este permanece en el punto para todo tiempo futuro.
B.
Estabilidad e Inestabilidad.
La estabilidad se define de acuerdo a lo siguiente.

Def.: El punto de equilibrio xo = 0 es estable si, para cualquier R > 0, hay un r > 0, tal que satisface
|| x(0) || < r, entonces || x(t) || < R para todo t 0, de otra manera el punto de equilibrio es
inestable (estabilidad en el sentido de Lyapunov).
C.
Estabilidad Asinttica y Estabilidad Exponencial.
Ambos tipos son definidos como sigue.

Def.: Un punto de equilibrio xo = 0 es asintticamente estable si es estable y si, en adicin, existe algn
r > 0 tal que || x(0) || < r implica que x(t) 0 cuando t .
Apuntes: 543 703
19
Algunos alcances importantes son: (a) la esfera Br se conoce como dominio de atraccin, que
corresponde al lugar de puntos que eventualmente convergen al origen, Fig. 2.1(a); (b) un punto de
equilibrio que es estable, pero no asintticamente estable se llama marginalmente estable, Fig. 2.1(a),
al analizar la Fig. 2.1(a) se encuentra que: (i) curva 1: asintoticamente estable, (ii) curva 2:
marginalmente estable, y (iii) curva 3: inestable; (c) convergencia de estados no implica estabilidad.
Por ejemplo, en la Fig. 2.1(b), un punto inicial dentro de R = 1 converge a x = 0, pero siempre sale de R
= 1, por lo tanto el origen no es estable en el sentido de Lyapunov.
Def.: Un punto de equilibrio xo = 0 es exponencialmente estable si existen dos nmeros estrictamente
positivos y tal que t > 0, || x(t) || || x(0) ||e-t en alguna esfera Br entorno al origen.
Algunos alcances son: (a) el nmero positivo es usualmente conocido como la razn de la
convergencia exponencial, (b) la estabilidad exponencial implica estabilidad asinttica, pero lo inverso
no necesariamente se cumple.
D.
Estabilidad Local y Estabilidad Global.
Las definiciones anteriores son vlidas para caracterizar el comportamiento local de sistemas. Es decir,
cmo el sistema evoluciona despus de partir cerca del punto de equilibrio.
Def.: Si la estabilidad asinttica (o exponencial) es vlida para cualesquier condicin inicial, el punto
de equilibrio es estable asinttico (o exponencial) globalmente.
2.2 Linealizacin y Estabilidad Local.

El mtodo de linealizacin de Lyapunov se refiere al anlisis de la estabilidad local. Dado que todos los
sistemas fsicos pueden ser considerados no-lineales en algn grado, este mtodo sirve como
justificacin para el uso de las tcnicas lineales en sistemas no-lineales. La linealizacin del sistema,
x2
x2
2
R
x(0)
x1
x(0)
R=1
a)
c)
Fig. 2.1 Estabilidad en el plano de estados. (a) Tipos de estabilidad, (b) Convergencia vs estabilidad.
x1
Apuntes: 543 703
20
x = f ( x, u),
y = h( x , u ) ,
en torno al punto uo, xo, yo est dada por,

x = Ax + Bu, y = Cx + Du ,
donde, A =
f ( x, u)
x
x =x o
, B=
u =uo
f ( x, u)
u
x =xo
, C=
h( x, u)
h( x, u)
, D=
x
=
x
o
x
u
u=uo
u = uo
x =xo
; y x, u, y y, son
u = uo
variaciones de x, u e y, respectivamente, en torno al punto de operacin dado por uo, xo, yo. Ntese que
en el caso no-lineal uo, xo, e yo satisfacen 0 = f(xo, uo), yo = h(xo, uo).
Teorema: Mtodo de Linealizacin de Lyapunov.
(a) Si el sistema linealizado es estable (e.d. si todos los valores propios de A estn en la mitad
izquierda del plano complejo), entonces el punto de equilibrio es asintticamente estable.
(b) Si el sistema linealizado es inestable (e.d. a lo menos un valor propio de A est en la mitad
derecha del plano complejo), entonces el punto de equilibrio es inestable.
(c) Si el sistema linealizado es marginalmente estable (e.d. todos los valores propios de A estn
en el plano izquierdo, pero al menos uno esta sobre el eje j) entonces no se puede concluir
nada respecto del punto de equilibrio (es ms, el punto de equilibrio puede ser estable,
asintticamente estable, o inestable).
Ejemplo 2.1. Estudie la estabilidad del sistema x = ax + bx 5 con a y b constantes. R.: Claramente un punto de equilibrio es
xo = xo = 0 y la linealizacin es x = ax . De sta se desprende que si (i) a < 0 entonces el xo = 0 es asintticamente estable,
(ii) a > 0 entonces el xo = 0 es inestable y (iii) a = 0 entonces nada se puede decir; de hecho, lo que realmente sucede
depende de la constante b, Fig. 2.2.
Como se puede apreciar, el teorema anterior no es suficiente por cuanto quedan varias interrogantes sin
respuesta. Entre las ms importantes estn (a) qu sucede con la estabilidad cuando las races estn en
20
20
20
2
b)
20
a)
0
20
c)
20
2
Fig. 2.2 Estabilidad en el Ejemplo 2.1. a) a < 0, b) a > 0, c) a = 0.

Apuntes: 543 703
21
T = 379
T = 310
2
0
T = 390
T = 335
a)
-3
-2
-1
1
1
ciclo lmite
0.8
360
340
0.6
0.4
inestable
Concentracin
380
inestable
400
0.2
320
ciclo lmite
300
280
b)
290
300
310
320
0
280
c)
290
300
310
320
Fig. 2.3 Estabilidad de los puntos de operacin del reactor del Ejemplo 1.3; a) L.G.R., b) T vs Tc, c) CA vs Tc,
el eje imaginario? y (b) en el caso de ser estable el origen cul es el dominio de atraccin ?.
Ejemplo 2.2. Estudie la estabilidad de los puntos de operacin del reactor exotrmico. R.: Para estos efectos se grafican
los valores propios de la matriz A para distintos puntos de operacin. Esto es equivalente a graficar el L.G.R. del sistema,
pero en funcin del punto de operacin. La Fig. 2.3(a) muestra el L.G.R. del reactor. Sin duda que para ciertos valores de T
el sistema presenta valores propios inestables, por lo que se tienen puntos de operacin inestables. Este es el caso del rango
de T entre 335 y 379K. Se debe tener especial cuidado con este tipo de casos en sistemas nolineales puesto un punto de
operacin inestable puede significar la existencia de ciclos lmites. Este es el caso del rango ilustrado en la Fig. 2.3(b) y (c)
en donde para entradas entre Tc = 303 y 306 se tiene un nico punto de operacin que es inestable. Sin embargo, la
simulacin ilustrada en la Fig. 1.15 muestra la existencia de un ciclo lmite para esta entrada. Similarmente para entradas Tc
menores a 303 el sistema viajar al nico punto de operacin inestable.
2.3 Mtodo Directo de Lyapunov.

Este mtodo es una extensin natural de una observacin fsica fundamental: si la energa total de un
sistema es continuamente disipada, entonces el sistema (lineal o no) debe eventualmente llegar a un
punto equilibrio. Como la energa es un escalar, el anlisis de la estabilidad debiera reducirse al anlisis
de una funcin escalar. Por ejemplo, el caso del resorte ilustrado en la Fig. 2.4 puede ser aproximado
por la ecuacin,
Apuntes: 543 703
22
mx + bx + k 0 x = 0 ;
sin embargo, un anlisis ms riguroso indica que el modelo es,
mx + bx | x | + k 0 x + k1 x 3 = 0 .
Claramente, el manejo de esta ecuacin no es obvio como el caso anterior. La energa V(x, x ) en
funcin de la posicin x y la velocidad x es,
x
V ( x, x ) = 1 / 2mx 2 + ( k 0 x + k1 x 3 )dx = 1 / 2mx 2 + 1 / 2k 0 x 2 + 1 / 4k1 x 4 .

0
Si se define x = [x1 x2] = [x dx/dt] , la ecuacin anterior puede ser escrita como,
V ( x ) = 1 / 2mx 22 + 1 / 2k 0 x12 + 1 / 4k1 x14 .
La expresin anterior muestra que (a) energa cero corresponde a un punto de equilibrio (x1 = 0, x2 = 0),
(b) estabilidad asinttica implica convergencia de la energa a cero, y (c) inestabilidad implica un
crecimiento de la energa. Por otro lado la razn de variacin de la energa durante el movimiento del
sistema es obtenido diferenciando V(x) respecto de t lo que resulta,
V ( x ) = mxx + k0 xx + k1 x 3 x
= x( bx | x | k0 x k1 x 3 ) + k 0 xx + k1 x 3 x
= bx 2 | x |
= b | x |3
= b | x2 |3
Dado que V ( x ) = b | x2 |3 es siempre negativa, el sistema pierde energa hasta que V ( x ) = 0 x2 = 0.
El Mtodo Directo de Lyapunov es una generalizacin del problema anterior. Es decir, se debe
encontrar una funcin V(x) tipo energa y examinar esta funcin escalar en el tiempo.
A.
Funciones Definidas Positivas y Funciones de Lyapunov.
La funcin de energa V(x) en el ejemplo anterior cumple con:

i)
Es estrictamente positiva (excepto para x1 = 0, x2 = 0) la funcin es Definida Positiva.
ii) Montonamente decreciente Funcin de Lyapunov.
Def.: Una funcin escalar continua V(x) se dice definida positiva localmente si V(0) = 0 y en una bola
BRo se cumple x 0 V(x) > 0. Si V(0) = 0 y la propiedad anterior se cumple en todo el espacio
de estados, entonces V(x) se dice definida positiva globalmente.
x
k0, k1
u=0
m
b
Fig. 2.4 Sistema masa-resorte.
Apuntes: 543 703
23
Ejemplo 2.3. Determine si (a) V ( x ) = 1 / 2ml 2 x 22 + mlg (1 cos( x1 )) , (b) V ( x ) = 1 / 2mx 22 + 1 / 2k 0 x12 + 1 / 4k1 x14 , (c)
V ( x ) = 1 / 2mx 2 , son definidas positivas locales o globales. R.: (a) es localmente puesto que para x1 = 2 la funcin V(x) se
hace cero nuevamente, (b) es globalmente, y (c) no lo es. La grfica de las funciones se encuentra en la Fig. 2.5.
Def.: Una funcin V(x) es definida negativa si -V(x) es definida positiva.

Def.: Una funcin V(x) es semi-definida positiva si V(0) = 0 y V(x) 0 para x 0.
Def.: Una funcin V(x) es semi-definida negativa si -V(x) es semi-definida positiva.
Algunos aspectos importantes son: (a) el prefijo semi es usado para reflejar la posibilidad de que V(x)
dV ( x ) V ( x ) dx V ( x )
V ( x )
puede ser cero para x 0, (b) V ( x ) =
=
=
x=
f ( x ) = V ( x )f ( x ) ; es
dt
x dt
x
x
decir, los puntos de equilibrio tambin satisfacen V ( x ) = 0 , y (c) dado que estamos utilizando sistemas
autnomos, V ( x ) depende slo de x. La funcin escalar V ( x ) se conoce como la derivada de V a lo
largo de la trayectoria del sistema. Un caso especial es cuando V ( x ) es negativa.
Def.: Si en una bola BRo la funcin V(x) es definida positiva y tiene derivadas parciales continuas, y su
derivada respecto del tiempo a lo largo de las trayectorias de los estados del sistema es semidefinida negativa; es decir, V ( x ) 0, entonces V(x) es una Funcin de Lyapunov para el sistema.
En una funcin V(x) que es funcin de Lyapunov siempre se encuentra que cualesquier trayectoria x(t)
reflejada en la funcion V(x) representa una disminucin de V(x). Este efecto se puede apreciar
geomtricamente en la la Fig. 2.5(b), donde claramente el paso por una trayectoria que va de xa a xb
tiene asociado el paso de un valor de V(xa) a otro de menor valor V(xb).
B.
Teoremas para los Puntos de Equilibrio.
Teorema: Lyapunov para Estabilidad Local: Si, en una bola BRo, existe una funcin escalar V(x)
con primeras derivadas parciales continuas tal que,
(a)
(b)
(c)
Fig. 2.5 Funciones (a), (b) y (c) del Ejemplo 2.3. (a) definida positiva localmente, (b) definida positiva
globalmente, (c) no es definida positiva.
Apuntes: 543 703
24
- V(x) es definida positiva (localmente BRo),

- V ( x ) es semi-definida negativa (localmente en BRo),
entonces el punto de equilibrio xo = 0 es estable. Si la derivada V ( x ) es localmente
definida negativa en BRo, entonces la estabilidad es asinttica.
Ejemplo 2.4. Estudie la estabilidad del sistema dado por x1 = x1 ( x12 + x 22 2) 4 x1 x 22 , x 2 = 4 x12 x 2 + x 2 ( x12 + x 22 2) el
cual tiene por punto de equilibrio al xo = 0. R.: Sea la funcin de Lyapunov V ( x ) = x12 + x 22 , entonces se tiene que
V ( x ) = 2( x12 + x22 )( x12 + x22 2) . Por lo tanto, dado que la funcin V(x) es globalmente definida positiva y su derivada es
localmente definida negativa, el punto xo = 0 es asintticamente estable. Es ms, el dominio de atraccin est dada por lo
menos por x12 + x22 < 2 , Fig. 2.6.
Ejemplo 2.5. Estudie la estabilidad en el caso del pndulo donde x1 = x2 , x 2 = g / l sen x1 (b /( ml 2 )) x 2 . R.: La energa
x1
1
1
asociada es, V ( x ) = ml 2 x 22 + mglsenydy = ml 2 x 22 + mgl (1 cos x1 ) , V ( x ) = mglx1 sen( x1 ) + ml 2 x 2 x 2 = bx 22 0 ,
2
2
0
dado que V(x) es localmente definida positiva y V ( x ) es semi-definida negativa, entonces el punto de equilibrio xo = 0 es
estable, pero nada se puede decir de la estabilidad asinttica de este. Es poco auspicioso el hecho de encontrar que la
funcin de energa del pndulo no permite concluir que el origen es asintticamente estable, an cuando es obvio que lo es
(el pndulo siempre queda en reposo si no hay fuerza externa al considerar roce).
Teorema: Lyapunov para Estabilidad Global: Asumir que existe una funcin escalar V(x), con
derivadas de primer orden continuas tal que,

- V(x) es definida positiva,
- V ( x ) es definida negativa,
- V(x) cuando || x || ,
entonces el punto de equilibrio xo = 0 es globalmente asintticamente estable.
(a)
(b)
Fig. 2.6 Derivada de la Funcin de Lyapunov del Ejemplo 2.4; a) vista 1, b) vista 2.
Apuntes: 543 703
25
Ejemplo 2.6. Estudie la estabilidad del sistema x = ax + bx 5 con a = 0. R.: El sistema queda x = bx 5 el que no puede ser
descrito mediante linealizacin para efectos de analizar la estabilidad. Si se define V(x) = x2, entonces V (x ) = 2x x = 2bx6 <
0 si b < 0 x. Por lo que el x = 0 es globalmente asintticamente estable. Es globalmente, puesto que se cumple tambin
que V(x) cuando | x | . En general, para el caso x + f ( x ) = 0 si se cumple que xf(x) > 0 para x 0 y xf(x) = 0 para
x = 0, entonces el x = 0 es globalmente asintticamente estable (una funcin de Lyapunov es V(x) = x2), , Fig. 2.2(c).
En el caso de que V (x ) es semi-definida negativa nada se puede concluir respecto de la estabilidad

asinttica. Este es el caso del pndulo y del resorte al utilizar la funcin de energa como funcin de
Lyapunov. Los siguientes teoremas ayudan en estos casos.
C.
Teoremas de los Conjuntos Invariantes.
Permiten en el caso de encontrar V (x ) semi-definida concluir respecto de la caracterstica asinttica del

punto de equilibrio.
Def.: Un conjunto G es un conjunto invariante para un sistema dinmico si cada trayectoria del
sistema, que parte desde un punto en G, ste permanece en G para todo tiempo futuro.
Son por ejemplo: puntos de equilibrio, dominio de atraccin, ciclos lmite, etc. Un caso trivial podra
ser todo el espacio de estados.
Teorema: Conjuntos Invariantes Local: Considerar un sistema autnomo x = f ( x ) , con f continuo,
y sea V(x) una funcin escalar con primeras derivadas parciales continuas. Asumir que,
- para algn l > 0, la regin l definida por V(x) < es acotada,
- V (x ) 0 para todo x en l,
y sea R en conjunto de puntos dentro de l donde V ( x ) = 0 y M el ms grande conjunto
invariante en R. Entonces, cada solucin x(t) que se origine en l tender a M a medida que
V(x)
V(x) = l
l
R
x1
x2
Fig. 2.7 Conjuntos invariantes geomtricamente.

Apuntes: 543 703
26
t (Fig. 2.7).
Ejemplo 2.7. Estudiar el caso del resorte. R.: Se tena V ( x ) = 1 / 2mx 22 + 1 / 2k 0 x12 + 1 / 4k1 x14 y V ( x ) = b | x 2 |3 0 por lo
que slo se puede identificar a x = 0 como estable. El teorema anterior indica que R: V ( x ) = b | x 2 |3 = 0 x2 = 0; es
decir, el conjunto R est dado por los pares (x1, x2 = 0) = (x1, 0). M es el conjunto invariante ms grande dentro de R y para
encontrarlo asumamos que M = R por lo que tales pares pueden ser (x1, 0); sin embargo, la ecuacin del resorte es
mx + bx | x | + k 0 x + k1 x 3 = 0 que se puede escribir como mx 2 + bx 2 | x 2 | + k 0 x1 + k1 x13 = 0 por lo que los pares de M deben
cumplir con mx 2 + k 0 x1 + k1 x13 = 0 , como x1 es arbitrario entonces x 2 0 lo que implica que x2 0 y con esto se sale del
conjunto M. La nica condicin es cuando adems se cumple que x1 = 0. Por lo tanto, el conjunto es M: (0, 0), y de acuerdo
al teorema anterior, el (0, 0) es entonces asintticamente estable.
Corolario: Considerar un sistema autnomo x = f ( x ) , con f continuo, y sea V(x) una funcin escalar
con primeras derivadas parciales continuas. Asumir que en una vecindad del origen,
- V(x) definida positiva localmente,
- V ( x ) semi-definida negativa,
- el conjunto R tal que V (x ) = 0 no contiene trayectorias de x = f ( x ) que no sea x 0,
entonces, el punto de equilibrio xo = 0 es asintticamente estable. Ms an, la regin ms
grande en l (definida por V(x) < l) en es un dominio de atraccin del punto de
equilibrio.
Teorema: Conjuntos Invariantes Global: Considerar un sistema autnomo x = f ( x ) , con f continuo,
y sea V(x) una funcin escalar con primeras derivadas parciales continuas. Asumir que,
- V ( x ) 0 en todo el espacio de estado,
- V(x) cuando || x || ,
y sea R el conjunto de todos los puntos donde, V ( x ) = 0, y M el conjunto invariante ms
grande en R. Entonces todas las soluciones convergen globalmente asintticamente a M
cuando t .
Ejemplo 2.8. Sea el caso x + b( x ) + c( x ) = 0 donde se cumple que xb( x ) > 0 para x 0 y xc(x) > 0 para x 0, Fig. 2.8.
b( x )
c(x)
Fig. 2.8 Funciones del Ejemplo 2.8 para satisfacer el criterio de estabilidad asinttica.
Apuntes: 543 703
27
x
Analizar la estabilidad del origen. R.: Sea la funcin de Lyapunov V ( x, x ) =
1 2
x + c( y )dy , de donde se obtiene que
2
0
V ( x, x ) = xx + c( x ) x = xb( x ) 0 por lo tanto el origen es estable. El teorema anterior indica que R: V ( x, x ) = xb( x ) = 0
x = 0; es decir, el conjunto R est dado por los pares (x, x = 0) = (x, 0). M es el conjunto invariante ms grande dentro
de R y por tanto es (0, 0). As y de acuerdo al teorema anterior, el (0, 0) es globalmente asintticamente estable, puesto que
x
1
V ( x, x ) = x 2 + c( y )dy cuando || x || .
2
0
2.4 Anlisis de Sistemas Basados en el Mtodo Directo de Lyapunov.

La mayor dificultad es encontrar la funcin de Lyapunov. Algunos mtodos para encontrarla son (a)
experiencia, (b) intuicin, y (c) fsica del sistema.
A.
Anlisis de Lyapunov de Sistemas Lineales Invariantes.
Para esto es necesario introducir el concepto de matriz definida positiva.

Def.: Una matriz cuadrada M de nn es definida positiva si x 0 entonces se cumple que x Mx > 0.
T
Una condicin necesaria para que M sea definida positiva es que los elementos de su diagonal sean
positivos. Si M es simtrica, M es definida positiva si y slo si sus menores principales (m11, m11m22 m21m12, ..., det{M}) son todos estrictamente positivos o todos sus valores propios son positivos
(Teorema de Silvester). Con este resultado se puede establecer un procedimiento para sistemas lineales.
Sea el sistema dado por x = Ax y una funcin de Lyapunov V(x) = xTPx la cual es definida positiva si
P es definida positiva. Al obtener V ( x ) se tiene que V ( x ) = x T Px + x T Px = -xT(-ATP - PA)x = -xTQx,
por lo que si Q = -(ATP + PA) es definida positiva, entonces el origen es asintticamente estable. Un
alternativa es darse la matriz Q definida positiva, encontrar la matriz P y si esta es definida positiva,
entonces se concluye que el origen es asintticamente estable. Lamentablemente si P no es definida
positiva nada se puede concluir. Para esto se tiene el siguiente teorema.
Teorema: Una condicin necesaria y suficiente para que un sistema lineal invariante x = Ax sea
estrictamente estable es que, para cualquier matriz Q simtrica definida positiva, la

solucin P de la ecuacin de Lyapunov Q = -(ATP + PA) sea definida positiva simtrica.
4
0
Ejemplo 2.9. Sea el caso lineal donde A =
, determine la estabilidad del origen. R.: Se opta por la matriz Q =
8 12
p12 0
4 1 0
p
0 8 p11 p12
+ 11
I por lo que A T P + PA =
=
cuya solucin, considerando p12 =
4 12 21 p 22
p 21 p 22 8 12 0 1
1 5 1
p21, p11 = 5/16, p12 = p22 = 1/16, es P =
. La matriz P es definida positiva por cuanto es simtrica y sus valores
16 1 1
propios son (3 5)16, ambos positivos.
Apuntes: 543 703
B.
28
Mtodo de Krasovskii
Corresponde a una extensin del mtodo lineal a sistemas no-lineales del tipo x = f ( x ) .
Teorema: Sea el sistema autnomo x = f ( x ) con el origen como punto de equilibrio y sea A(x) el
Jacobiano A(x) = f(x)/x. Si la matriz F(x) definida como F(x) = A(x) + A(x)T es definida
negativa en un entorno , entonces el origen es un punto de equilibrio asintticamente
estable. Una funcin de Lyapunov para ese sistema es V(x) = f(x)Tf(x). Si es todo el
espacio de estados y V(x) cuando || x || , entonces el punto de equilibrio es
globalmente asintticamente estable.
Ejemplo 2.10. Sea el caso x1 = 6 x1 + 2 x 2 , x2 = 2 x1 6 x2 2 x23 determine la estabilidad del origen. R.: Se tiene que
2
4
12
f ( x ) 6
T
A(x ) =
=
2 por lo que F( x ) = A ( x ) + A ( x ) =
2 que es definida negativa en todo
12 12 x2
x
2 6 6x2
4
el espacio de estados (sus valores propios son siempre negativos). Adems, se encuentra que V(x) = f(x)Tf(x) =
( 6 x1 + 2 x 2 ) 2 + ( 2 x1 6 x 2 2 x 23 ) 2 cuando || x || por lo que la estabilidad es global.
C.
Funciones de Lyapunov Mediante Anlisis Fenomenolgico.
Un uso intensivo de la fsica del sistema debera permitir encontrar la funcin de Lyapunov. Sea el caso
de un brazo robtico. La ecuacin matricial que describe el sistema es,
H ( q )q + b ( q , q ) + g ( q ) = ,
donde, q: vector de posicin (n1), : torques de entrada, g: vector de torques gravitacionales, b: fuerzas
de coriolis y centrpeta y H(q): matriz de inercias que es definida positiva. Sea el controlador PD con
compensador de torques gravitacionales = K D q K P q + g (q ) donde KD y KP son matrices
definidas positivas de nn. Ntese que el control PD introduce damping. Sea la funcin de Lyapunov
1
V (q, q ) = {q T H(q )q + q T K P q} donde el primer trmino representa la energa cintica y el segundo la
2
energa potencial. Entonces, V (q, q ) = q T ( g ) + q T K P q = q T K D q . Como KD es definida positiva
entonces V (q, q ) es semi-definida negativa lo que indica que el origen qo = 0 es slo estable. Sin
embargo, el teorema de conjuntos invariantes asegura que el origen es adems asintticamente estable
(en este caso R: (q, q = 0) por lo que M es slo el origen). Es ms, dado que V (q, q ) cuando
|| q || , el origen es globalmente asintticamente estable.
D.
Anlisis de Velocidad de Convergencia
En sistemas que convergen al origen puesto que son asintticamente estables la pregunta que se tiene es
cun rpido lo hacen. Esta pregunta se responde por separado en sistemas lineales y luego no-lineales.
En sistemas lineales se tiene el siguiente lema.
Lema:
Si una funcin real w(t) satisface w(t ) + w(t ) 0 donde es un nmero real, entonces
siempre se cumple que w(t ) w(0)e t .
Apuntes: 543 703
29
Si se hace w(t ) + w(t ) = z (t ) entonces z(t) es negativa o cero. La solucin de esta ecuacin es
t
w(t ) = w(0)e t + e ( t ) z (t )d
donde la parte de la integral es siempre negativa o cero dado que z(t) es
negativa o cero. Por lo tanto, se cumple que w(t ) w(0)e t .

Por otro lado, de la teora de matrices, para A simtrica definida positiva se cumple que min(A)xTx
xTAx max(A)xTx (por cuanto los valores propios son iguales a los valores singulares) y si se
( Q) T
( Q)
considera a = min
x ( max ( P)I )x V . Como V ( x ) = , se puede escribir, x T Qx min
max ( P)
max ( P)
xTQx entonces V ( x ) -V(x) y por el lema anterior V ( x ) V (0)e t o tambin x T Px V (0)e t y
considerando que min ( P) || x(t ) ||2 x T Px , entonces min ( P) || x(t ) ||2 V (0)e t de donde finalmente se
V (0) 2 t
e , lo que implica que el vector de estados converge con una razn de
min ( P)
convergencia de a lo menos /2.
tiene que || x(t ) ||
En sistemas no-lineales se tiene para cada caso un anlisis distinto. Sea por ejemplo el caso
x1 = x1 ( x12 + x 22 2) 4 x1 x22 , x 2 = 4 x12 x2 + x2 ( x12 + x22 2) en donde se utiliza V ( x ) = x12 + x22 = || x ||2
dV
lo que resulta en V = 2V (V 2) de donde se puede obtener que
= 2dt , cuya solucin es
V (2 V )
V (t ) =
V (0)
e 2 t
, con =
. Si || x(0) ||2 = V(0) < 2, es decir si la trayectoria esta dentro del
2 t
1 + e
2 V (0)
circulo de radio 2 , > 0 y por lo tanto V (t ) < e 2 t o tambin que || x ||2 < e-2t. Finalmente, || x || <
e-t por lo que la norma del vector de estados || x || converge exponencialmente a cero con una razn
de convergencia menor a 1.
2.5 Diseo de Sistemas Basado en Lyapunov.

Hasta ahora no se ha hecho mencin del tipo de entrada presente en un sistema ni cmo debe escogerse
en un sistema en particular. Uno de los problemas de control es encontrar la entrada adecuada para
estabilizar al sistema.
A.
Regulador No-lineal.
Sea por ejemplo el sistema definido por la ecuacin, x x 3 + x 2 = u . Se debe encontrar la entrada u
para estabilizar el sistema. La ecuacin se asemeja al caso x + b( x ) + c( x ) = 0 donde debe asegurarse
que xb(x ) > 0 para x 0 y xc(x) > 0 para x 0 para asegurar la estabilidad del sistema. Por lo tanto, si
se hace la entrada u = u1 ( x ) + u2 ( x ) se tiene el sistema resultante, x + ( x 3 u1 ( x )) + ( x 2 u2 ( x )) = 0 ,
de donde se tienen las restricciones,
a)
( x 3 u1 ( x )) x > 0 ( x 3 + u1 ( x )) x < 0 para x 0
b)
( x 2 u2 ( x )) x > 0 para x 0
Lo que puede ser re-escrito como,

Apuntes: 543 703
30
x2
u1 ( x )
u2(x)
x
x3
Fig. 2.9 reas para las entradas estabilizadoras del controlador regulador.
a)
si
x > 0 x 3 + u1 ( x ) < 0
si
x < 0 x 3 + u1 ( x ) > 0
b)
si
x > 0 x 2 u2 ( x ) > 0
si
x < 0 x 2 u2 ( x ) < 0
y que finalmente resulta en
a)
si
x > 0 u1 ( x ) < x 3
si
x < 0 u1 ( x ) > x 3
b)
si
x > 0 u2 ( x ) < x 2
si
x < 0 u2 ( x ) > x 2
La Fig. 2.9 muestra el rea donde se puede encontrar la funcin u1( x ) y u2(x) para asegurar el
cumplimiento de las restricciones.
B.
Controlador Robusto.
Es de inters cuando hay incertidumbre en los parmetros. En este caso se necesita un controlador
robusto. Sea por ejemplo, x + 1 x 3 + 2 x 2 = u , en donde 1 y 2 tienen los rangos 1 > -2 y |2| < 5
para lo cual hay que disear u de manera que se asegure que el origen sea asintticamente estable. Para
u = u1 ( x ) + u2 ( x )
por lo que se obtiene
esto se define la entrada como
x + ( 1 x 3 u1 ( x )) + ( 2 x 2 u2 ( x )) = 0 . La estabilidad se asegura si,
a)
( 1 x 3 u1 ( x )) x > 0 para x 0
b)
( 2 x 2 u2 ( x )) x > 0 para x 0
Lo que puede ser re-escrito como,
5x2
u1 ( x )
u2(x)
x
-5x2
2x 3
Fig. 2.10 reas para las entradas estabilizadoras del control robusto.
Apuntes: 543 703
31
a)
si
x > 0 1 x 3 u1 ( x ) > 0
si
x < 0 1 x 3 u1 ( x ) < 0
b)
si
x > 0 2 x 2 u2 ( x ) > 0
si
x < 0 2 x 2 u2 ( x ) < 0
y que finalmente resulta en
a)
si
x > 0 u1 ( x ) < 1 x 3
si
x < 0 u1 ( x ) > 1 x 3
b)
si
x > 0 u2 ( x ) < 2 x 2
si
x < 0 u2 ( x ) > 2 x 2
La Fig. 2.10 muestra el rea donde se puede encontrar la funcin u1( x ) y u2(x) para asegurar el
cumplimiento de las restricciones.
Apuntes: 543 703
32
Teora de Estabilidad Avanzada.

En este captulo se extienden los conceptos de estabilidad desarrollados para sistemas
no-lineales autnomos a sistemas no-lineales no-autnomos. Son el caso particular de
sistemas en que hay parmetros que dependen del tiempo, condicin que se
encuentra en mayor o menor grado en todos los sistemas fsicos reales. Para su
anlisis se presentan nuevas definiciones y herramientas matemticas. Similarmente al
caso de sistemas autnomos, los conceptos ms importantes son los asociados a
estabilidad local y global para lo cual se recurre a la Teora de Lyapunov Avanzada.
3.1 Conceptos de Estabilidad

Los sistemas no-autnomos son caracterizados por la ecuacin general,
x = f ( x, t ) ,
en el cual se asume que la entrada est redefinida en funcin de las variables de estado y por tanto la
x
a (t ) , en donde claramente
expresin est en una forma generalizada. Un caso particular es, x =
1+ x2
el parmetro a(t) hace que el sistema sea no-autnomo. La definicin de punto de equilibrio entonces
queda como sigue.
Def.: El sistema no-autnomo dado por x = f ( x, t ) tiene a xo como punto de equilibrio si se cumple
f ( x, t o ) = 0 t to. Es decir, el sistema permanece en xo para todo tiempo futuro a to.

Ejemplo 3.1. Sea el sistema lineal variante en el tiempo x = A (t )x el cual tiene a xo = 0 como punto de equilibrio siempre
x
que A(t) es no singular. Estudie el caso no-lineal variante en el tiempo x =
a (t ) + b(t ) . R.: El origen xo = 0 es el
1 + x2
punto de equilibrio si b(t) = 0 y no tiene puntos de equilibrio si b(t) 0.
Def.: El punto de equilibrio xo = 0 es estable a to si para cualquier R > 0, hay un r(R, to) > 0, tal que
satisface || x(to) || < r, entonces || x(t) || < R para todo t to. De otra manera el punto de equilibrio
es inestable.
Def.: Un punto de equilibrio xo = 0 es asintticamente estable al instante to si es estable y si, en adicin,
existe algn r(to) > 0 tal que || x(to) || < r(to) implica que x(t) 0 cuando t .
Def.: Un punto de equilibrio xo = 0 es exponencialmente estable si existen dos nmeros estrictamente
positivos y tal que para un x(to) suficientemente pequeo se cumple que || x(t) || || x(to) ||e-
Apuntes: 543 703

(t - to)
33
para todo t to.
Def.: El punto de equilibrio xo = 0 es globalmente asintticamente estable si x(to) se cumple que
x(t) 0 cuando t .
a ( r ) dr
Ejemplo 3.2. Estudie la estabilidad del sistema x (t ) = a (t ) x (t ) cuya solucin es x(t ) = x (to )e
to
. R.: El sistema es
estable si a(t) 0, t to; es asintticamente estable si a ( r )dr = + ; es exponencialmente estable si existe un nmero
0
t +T
positivo T tal que t 0 a ( r )dr , con constante y positivo. As, para a (t ) =

t
asintticamente estable, para a (t ) =
1
el sistema es estable pero no
(1 + t ) 2
1
el sistema es asintticamente estable y para a(t) = t el sistema es
(1 + t )
exponencialmente estable.
Def.: El punto de equilibrio xo = 0 es localmente uniformemente estable si el escalar r en la definicin
de estabilidad puede ser escogido independiente de to; es decir, r = r(R).

Def.: El punto de equilibrio xo = 0 es localmente uniformemente asintticamente estable si ste es
uniformemente estable y hay una esfera de atraccin BRo, cuyo radio es independiente de to, tal
que cualquier trayectoria con estados iniciales en BRo converge a xo = 0 uniformemente en to.
Por convergencia uniforme en trminos de to se entiende que todo R1 y R2 que cumplen 0 < R2 < R1
Ro T(R1, R2) > 0 tal que to 0 se cumple que || x(to) || < R1 || x(t) || < R2, t to + T(R1, R2). Es
decir, la trayectoria de los estados, que parte dentro de una esfera BR1, converge en una esfera menor
BR2 despus de un perodo T que es independiente de to.
El concepto de globalmente uniformemente asintticamente estable se puede definir reemplazando la
bola BRo por todo el espacio de estados.
1 + to
x
. R.: El sistema tiene por solucin a x (t ) =
x (t o ) que
1+ t
1+ t
converge asintticamente al origen pero su convergencia no es uniforme puesto que intuitivamente para grandes valores de
to se requiere ms tiempo para llegar al origen.
Ejemplo 3.3. Estudiar la convergencia uniforme de x =
3.2 Anlisis de Sistemas Noautnomos

Aqu se revisan los principios de estabilidad de sistemas no-autnomos. Para esto se explora el efecto
de dualidad entre stos y los sistemas autnomos.
A.
Mtodo Directo de Lyapunov Aplicado a Sistemas NoAutonomos.
Como es de esperar, se necesita reformular el concepto de funciones definidas positivas y sus derivados
para sistemas no-autnomos.
Apuntes: 543 703
34
Def.: Una funcin escalar continua tiempo-variante V(x, t) se dice localmente definida positiva si
V(0, t) = 0 y existe una funcin definida positiva tiempo-invariante V0(x) tal que V(x, t) V0(x),
t to.
Informalmente se dice que V(x, t) es localmente definida positiva s domina a una funcin definida
positiva tiempo-invariante V0(x). Definiciones similares se tienen para semi-definida positiva, negativa,
semi-definida negativa y para global. As, una funcin V(x, t) es definida negativa si la funcin -V(x, t)
es definida positiva. Una funcin V(x, t) es semi-definida positiva si domina a una funcin tiempoinvariante semi-definida positiva V(x). Finalmente, V(x, t) es semidefinida-negativa si -V(x, t) es semidefinida positiva.
Adems, se hace necesario introducir el concepto de funciones decrecientes.
Def.: Una funcin escalar V(x, t) es decreciente si V(0, t) = 0 y existe una funcin definida positiva
tiempo-invariante V1(x) tal que V(x, t) V1(x), t 0.

Se dice que V(x, t) es decreciente si es dominada por una funcin definida positiva tiempo-invariante
V1(x).
Ejemplo 3.4. Estudie si la funcin V ( x, t ) = (1 + sen 2 (t ))( x12 + x 22 ) es definida positiva. R.: Lo es, puesto que domina la
funcin tiempo-invariante V0 ( x ) = x12 + x 22 y es decreciente dado que es dominada por la funcin V1 ( x ) = 2( x12 + x 22 ) .
Ntese que en este caso se tiene que la derivada a lo largo de la trayectoria es,
dV V V dx
=
+
x dt
dt
t
V V
=
+
x
t
x
V V
=
+
f ( x, t )
t
x
El resultado resumido del teorema de Lyapunov se tiene a continuacin.

Teorema: Lyapunov para Sistemas No-Autnomos: Si, en una bola BRo alrededor del xo = 0 existe
una funcin escalar V(x, t) con primeras derivadas parciales continuas tal que,
1. V(x, t) es definida positiva,
2. V ( x, t ) es semi-definida negativa,
entonces el punto de equilibrio xo = 0 es estable en el sentido de Lyapunov. Si adems,
3. V(x, t) es decreciente,
entonces el punto de equilibrio xo = 0 es uniformemente estable. Si la condicin 2 es
restringida a que V ( x, t ) sea definida negativa, entonces el xo = 0 es uniformemente
asintticamente estable . Si la bola BRo es reemplazada por todo el espacio de estados, y se
cumple 1, 2 restringida y 3, y adems,
Apuntes: 543 703
35
4. V(x, t) es radialmente no acotada,

entonces el punto de equilibrio xo = 0 es globalmente uniformemente asintticamente
estable.
Ejemplo 3.5. El sistema dado por x1 (t ) = x1 (t ) e 2t x 2 (t ) , x 2 (t ) = x1 (t ) x 2 (t ) tiene al origen como punto de
equilibrio. Determine la estabilidad de ste. R.:
Condicin 1: la funcin V ( x, t ) = x12 + (1 + e 2t ) x 22 es definida positiva puesto que domina la funcin definida positiva
tiempo-invariante V ( x ) = x12 + x 22 se cumple condicin 1.
Condicin 2: como V ( x, t ) = 2( x12 x1 x 2 + x 22 (1 + 2e 2t )) V ( x, t ) = 2( x12 x1 x 2 + x 22 (1 + 2e 2t )) que es definida
positiva pues domina a la funcin tiempo-invariante definida positiva V ( x ) = 2( x12 x1 x 2 + x 22 )
= ( x1 x 2 ) 2 + x12 + x 22 por lo que V ( x, t ) es definida positiva o V ( x, t ) es definida negativa se cumple
la condicin 2 en su modo restringido.
Condicin 3: al considerar la funcin tiempo-invariante definida positiva V ( x ) = x12 + 2 x 22 se tiene que V(x) V(x, t); es
decir, V(x, t) es dominada por V(x) y por tanto V(x, t) es decreciente se cumple la condicin 3.
Condicin 4: dado que V(x, t) no es acotada se cumple la condicin 4.
Por lo tanto, el origen es globalmente uniformemente asintticamente estable.
En sistemas autnomos bastaba con tener V(x, t) definida positiva y V ( x, t ) definida negativa para
asegurar la estabilidad asinttica del origen. En sistemas no-autnomos debe cumplirse adems que V
sea decreciente. Esta caracterstica se observa en el siguiente ejemplo.
g (t )
x(t ) tiene al origen como punto de equilibrio. Determine la estabilidad de
g (t )
ste para lo cual considere que g(t) es como ilustrado en la Fig. 3.1(a). R.: La funcin g2(t), Fig. 3.1(b), cumple con
Ejemplo 3.6. El sistema dado por x(t ) =
g
0
(r )dr <
e
0
dr +
1/ 2
= 2. Esto porque el rea de la funcin g2(t) es siempre menor que el rea de e-t y de la suma
n =1
del tren de triangulares. En general, este tren de pulsos debiera cumplir con un ancho menor a 1/2n, Fig. 3.1(a). Por lo tanto,
Condicin 1: la funcin V ( x, t ) =
x 2
g 2 (r )dr es definida positiva puesto que domina la funcin definida positiva

3
g (t ) 0
tiempo-invariante V ( x ) = x 2 se cumple condicin 1.

Condicin 2: al obtener V (x, t ) =
t
t
2
V
V
2 x
x 2 2 g
g
x
f (x, t ) +
= 2 3 g 2 (r )dr x 3 3 g 2 (r )dr 2 g 2 = -x2 bien
x
t
g 0
g 0
g
g
V ( x, t ) = x 2 se observa que es definida positiva pues domina a la funcin tiempo-invariante definida
positiva V ( x ) = 0.5 x 2 por lo que V ( x, t ) es definida positiva o V ( x, t ) es definida negativa se cumple la

condicin 2.
Hasta aqu se cumple que V(x, t) es definida positiva y que V ( x, t ) es definida negativa por lo que se podra pensar que el
g (t )
x(to ) , que es
g (to )
x(t) = g(t) con x(to) = g(to) = 1, Fig. 3.1(b), la cual no es asintticamente estable puesto que g(t) toca siempre el 1 a medida
que t . Esto se puede explicar por la imposibilidad de encontrar una funcin definida positiva V(x) que domine a la
funcin V(x, t), dado que la funcin V(x, t) toma valores que tienden a infinito a medida que t .
origen es asintticamente estable; sin embargo, la solucin general de la ecuacin diferencial es x(t ) =
Apuntes: 543 703
36
Otro interesante ejemplo es la ecuacin diferencial de segundo orden dada por, x + c(t ) x + k o x = 0 , en
donde se podra pensar que mientras c(t) sea positiva se tiene un factor de amortiguamiento y la
solucin debiera tender al origen. Sin embargo, si por ejemplo c(t) = 2 + et y ko = 1 entonces la solucin
es x(t) = 1 + e-t, la que no converge al origen. Para explicar este caso se revisa el siguiente ejemplo.
Ejemplo 3.7. El sistema dado por x + c (t ) x + k o x = 0 tiene al origen como punto de equilibrio. Determine la
estabilidad de ste. R.:
( x + x ) 2 b(t ) x 2
+
donde b(t ) = k o 2 + c(t ) y es una constante positiva menor
2
2
que ko para que V(x, t) sea definida positiva considerando que domina a la funcin escalar invariante en el
{b(t )}x 2
( x + x ) 2 min
tiempo, por ejemplo, dada por V ( x ) =
+ t
se cumple condicin 1.
4
4
Condicin 2: al obtener V ( x, t ) = { c(t )}x 2 + {c(t ) 2k o }x 2 se tiene que V ( x, t ) = {c(t ) }x 2 + {2k o c(t )}x 2 es
2
2
definida positiva si c(t ) > y 2k o > c(t ) por lo que V ( x, t ) es definida negativa se cumple la condicin
2.
Condicin 3: si c(t) es acotada entonces es posible encontrar una funcin tiempo-invariante definida positiva V(x) tal que se
cumpla que V(x) V(x, t); es decir, V(x, t) es dominada por V(x), por ejemplo, V(x) =
( x + x) 2 + max{b(t )}x 2 ,y por tanto V(x, t) es decreciente se cumple la condicin 3.
Condicin 1: la funcin V ( x, t ) =
En el caso anterior no se cumple que c(t) sea acotada por lo que no se garantiza que el origen sea asintticamente estable.
Ntese que esta condicin es suficiente pero no necesaria; es decir, si c(t) es acotada entonces se asegura que el origen es
asintticamente estable, caso contrario nada se puede decir. Este es el caso de la ecuacin x + ( 2 + 8t ) x + 5 x = 0 , donde el
origen s es asintticamente estable aun cuando c(t) no es acotada.
Al igual que en el caso de sistemas autnomos, la linealizacin es una herramienta que permite el
e-t
< 1/2n
0.5
(a)
0
0.5
n=1
1.5
n=2
2.5
n=3
3.5
n=4
4.5
n=2
2.5
n=3
3.5
n=4
4.5
g(t)
0.5
g2(t)
(b)
0.5
n=1
1.5
Fig. 3.1 Funcin de prueba para el Ejemplo 3.6. (a) funciones auxiliares; (b) g(t) y g2(t).
Apuntes: 543 703
37
anlisis en sistemas no-autnomos.

B.
Anlisis de Lyapunov de Sistemas Lineales Variantes en el Tiempo.
En el caso de sistemas lineales se tiene que si la matriz A de la ecuacin de estados x = Ax tiene todos
sus valores propios estables, entonces el origen es asintticamente estable. Desafortunadamente en
sistemas lineales variantes esto no es verdad. Es decir, si en el sistema x = A (t )x la matriz A(t) tiene
todos sus valores propios estables nada se puede concluir respecto de la estabilidad del origen.
Ejemplo 3.8. Estudie la estabilidad del sistema dado por x1 = x1 + e 2t x2 , x 2 = x 2 . R.: El sistema tiene una matriz
1 e 2t
A (t ) =
y sus valores propios son 1, 2 = -1, ambos estables; sin embargo, la solucin al problema es
0 1
x 2 = x 2 (0)e t y x1 + x1 = x 2 (0)e t , donde claramente si x2(0) 0 entonces x1 diverge.
Por otro lado, el sistema x = A (t )x es asintticamente estable si los valores propios de la matriz
simtrica A(t) + A(t)T (los cuales son todos nmeros reales) permanecen siempre en el lado izquierdo
del plano complejo. Es decir, > 0, i, t 0 tal que, i(A(t) + A(t)T) < -. Esto se puede
demostrar usando Lyapunov con V = xTx, puesto que V = x T x + x T x = xT(A(t) + A(t)T)x -xTx = -V,
de manera que t > 0, 0 xTx = || x ||2 = V(t) V(0)e-t y por lo tanto x tiende a cero exponencialmente
con una razn de a lo menos /2.
Es importante destacar que en el caso anterior se tiene una condicin suficiente, por lo que si no se
cumple que los valores propios de la matriz A(t) + A(t)T son estables, nada se puede decir de la
estabilidad del origen.
Un par de casos especiales de sistemas lineales variantes son los siguientes.
Sistemas lineales perturbados. Sea x = {A1 + A 2 (t )}x donde A 1 es constante y Hurwitz (todos sus
valores propios son estrictamente estables) y A2(t) 0 cuando t y
A 2 (t ) dt < entonces el
sistema es global exponencialmente estable.

Condicin de suavidad suficiente para A(t). Si el sistema dado por x = A (t )x es tal que t 0 los
valores propios de A(t) tiene parte real negativa > 0, i, t 0 tal que, e{i(A(t))} < - y si en
adicin la matriz A(t) permanece acotada y
(t ) A(t )dt < entonces el sistema es global
exponencialmente estable.
C.
El Mtodo de Linealizacin para Sistemas No-autnomos
En el caso de los sistemas autnomos se tena la opcin de linealizacin para analizar la estabilidad. En
el caso en que se encontraran valores propios en el modelo linealizado en el eje imaginario nada se
poda concluir respecto de la estabilidad. Un aspecto importante es que la representacin lineal de
sistemas autnomos es siempre invariante en el tiempo. Este no es el caso de sistemas no-autnomos en
donde la representacin lineal es en general variante en el tiempo.
f
Sea el caso general no-linal x = f ( x, t ) = A(t )x + f h.o.t . ( x, t ) donde A (t ) =
, si se cumple que:
x x =0
Apuntes: 543 703
38
f h.o.t . ( x, t )
lim sup
||x||0
x

= 0
t 0,
(3.1)
entonces x = A(t )x es la linealizacin del sistema no-autnomo x = f ( x, t ) en torno al origen. La

condicin (3.1) es equivalente a asegurar la convergencia uniforme que permite afirmar que los
trminos de orden superior efectivamente no aportan una cantidad relevante an cuando el tiempo
tienda a infinito. Esta condicin se puede reemplazar por,
f i ( x, t )
f ( x, t )
i
x x =x1
x x =x 2
L x1 x 2
i, t 0,
donde L es un escalar finito. Esta ltima condicin se conoce como la condicin de Lipschitz.
Ejemplo 3.9. El sistema dado por x = x + tx 2 tiene por linealizacin a x = x , determine si sta es vlida. R.:
f ( x, t ) = x + tx 2 por lo que
f
f i ( x, t )
= 1 + t 2 x y por tanto,
x
x
x = x1
f i ( x, t )
x
=
x =x 2 2
df ( x, t )
dx
x = x1
df ( x, t )
dx
=
x = x2
| 1 + 2tx1 ( 1 + 2tx 2 ) | L | x1 x 2 | , de donde 2t|x1 - x2| L|x1 - x2|, por lo que 2t L. Desafortunadamente, no se puede
encontrar L finito que satisfaga este resultado t 0, en particular para t . En conclusin, no se puede obtener una
linealizacin que represente el sistema no-lineal original.
Los resultados anteriores son utilizados de base para los siguientes teoremas.
Teorema: Si el sistema linealizado es uniformemente asintticamente estable, entonces el punto de
equilibrio xo = 0 del
asintticamente estable.
sistema original no-autnomo
es tambin uniformemente
Teorema: Si el Jacobiano A (t ) es constante y si la condicin de convergencia uniforme se cumple,
entonces la inestabilidad del sistema linealizado implica que el sistema original no-lineal
no-autnomo es inestable.
Ntese que el caso de la linealizacin requiere de la convergencia uniforme y no cubre el caso de

inestabilidad si el Jacobiano es variante en el tiempo.
3.3 Teoremas para la Inestabilidad.

Los teoremas anteriores sirven para probar la estabilidad de los sistemas. En el caso que las
condiciones no se cumplan, nada se puede decir. Este es tambin el caso cuando los mtodos de
linealizacin arrojan slo estabilidad marginal. Los siguientes teoremas son tiles para establecer la
inestabilidad de sistemas.
Teorema: "Primer teorema": Si en una vecindad del origen, existe funcin escalar decreciente
continua diferenciable V(x, t) tal que,

- V(0, t) = 0 t to,
Apuntes: 543 703
39
- V(x, to) puede asumir valores positivos arbitrariamente cerca del origen,
- V ( x, t ) es definida positiva (localmente en ),
entonces el punto de equilibrio xo = 0 al instante to es inestable.
Ejemplo 3.10. El sistema dado por x1 = 2 x2 + x1 ( x12 + 2 x24 ) , x2 = 2 x1 + x2 ( x12 + x24 ) tiene por punto de equilibrio al
origen, determine su estabilidad. R.: La linealizacin resulta ser x1 = 2x2 , x2 = 2x1 cuyos valores propios son 2j, por lo
que nada se puede decir del origen como punto de equilibrio. Si se considera V = 1 / 2( x12 + x22 ) se obtiene que
V = ( x12 + x22 )( x12 + x24 ) que es definida positiva por lo tanto el origen es inestable.
Teorema: "Segundo teorema": Si en una vecindad del origen, existe una funcin escalar
decreciente continua diferenciable V(x, t) tal que,

- V(0, t) = 0 y V(x, to) puede asumir valores positivos arbitrariamente cerca del origen,
- V ( x, t ) - V ( x, t ) 0, t to, x ,
con una constante positiva, entonces el punto de equilibrio xo = 0 al instante to es
inestable.
Ejemplo 3.11. El sistema dado por x1 = x1 + 3x 2 sen 2 x 2 + 5 x1 x 22 sen 2 x1 , x 2 = 3x1 sen 2 x 2 + x 2 5 x12 x 2 cos 2 x1 tiene por
punto de equilibrio al origen, determine su estabilidad. R.: Al considerar V = 1 / 2( x12 x 22 ) que asume valores positivos
cerca del origen en la lnea x2 = 0, se obtiene que V = 2V + 5 x12 x 22 V 2V = 5 x12 x 22 cumplindose as las condiciones del
segundo teorema por lo que el origen es inestable.
Teorema: "Tercer teorema": Sea una vecindad del origen, si existe una funcin escalar V(x, t)
con primera deriva parcial continua, decreciente en , y en una regin 1 en tal que,
- V(x, t) y V ( x, t ) son definidas positivas en 1,
- el origen esta en el contorno de 1,
- en el contorno de 1 dentro de , V(x, t) = 0 t to,
entonces el punto de equilibrio xo = 0 al instante to es inestable.
3.4 Anlisis usando Lema de Barbalat

En sistemas autnomos si V es definido positivo y V es definido negativo, entonces el origen es
asintticamente estable, si V es slo semi-definido negativo entonces la teora de conjuntos invariantes
permite evaluar esta caracterstica. En el caso de sistemas no-autnomos se tiene equivalentemente el
Lema de Barbalat.
Apuntes: 543 703
A.
40
Propiedades asintticas de funciones y sus derivadas
Caso 1. Si f (t ) 0 no implica que f converge cuando t . Este es el caso de f(t) = sin(log(t)),

donde f (t ) = cos(log(t))/t que tiende a cero cuando t ; sin embargo, f no converge.
Caso 2. Si f converge no implica que f (t ) 0 cuando t . Este es el caso de f(t) = e-tsin(e2t) que
tiende a cero cuando t ; sin embargo, f (t ) = -e-tsin(e2t) + e-tcos(e2t)2e2t = -e-tsin(e2t) + 2etcos(e2t)

no es acotada.
Caso 3. Si f es acotada inferiormente y decreciente ( f (t ) 0) entonces f converge a un lmite.
B.
Lema de Barbalat
Es de inters el Caso 2 donde si f converge qu restriccin adicional debe imponerse en f (t ) para que
f (t ) tienda a cero. El Lema de Barbalat aporta la respuesta.
Teorema: Si una funcin diferenciable f(t) tiene un lmite finito cuando t y
f (t ) es
uniformemente continua, entonces f (t ) 0 cuando t .

Notar que,
Una funcin g(t) es continua en [0, ) si :
t1 0, R > 0, ( R, t1 ) > 0, t 0, t t1 <
g (t ) g (t1 ) < R
Una funcin g(t) es uniformemente continua en [0, ) si :

R > 0, ( R ) > 0, t1 0, t 0, t t1 < g (t ) g (t1 ) < R
Una alternativa es que una funcin es uniformemente continua si la derivada de la funcin es continua.
Corolario: Si la funcin diferenciable f(t) tiene lmite finito cuando t , y es tal que f (t ) existe y
es acotada, entonces f (t ) 0 cuando t .

Por lo que finalmente el Lema de Barbalat es,
Lema:
Si una funcin V(x, t) satisface,

- V(x, t) es acotada inferiormente,
- V ( x, t ) es semi-definida negativa,
- V ( x, t ) es uniformemente continua en el tiempo,
entonces V ( x, t ) 0 cuando t .
Este lema implica que V(x, t) V tal que V V(x(0), 0).
Apuntes: 543 703
41
Ejemplo 3.12. El sistema dado por e = e + (t ) , = e(t ) tiene por punto de equilibrio al origen, determine su
estabilidad si (t) es desconocido pero acotado. R.: Al considerar V = e 2 + 2 se tiene que V = 2e 2 lo que implica que
V(t) V(0) y por tanto e y son acotados. Sin embargo, V es slo semi-definida negativa y como el sistema es noautnomo no se puede utilizar el teorema de los conjuntos invariantes. Para aplicar el lema de Barbalat se debe chequear la
continuidad uniforme de V para lo cual se obtiene V = 4e( e + (t )) que es acotado dado que e, y lo son por lo que
V es uniformemente continuo. Por lo tanto, V = 2e 2 0 por lo que e 0 cuando t .
Apuntes: 543 703
42
Anlisis Utilizando Funciones Descriptoras.

Los ciclos lmites aparecen en sistemas de toda naturaleza ya sea en forma natural y/o
inducida. Los ms conocidos son los debidos a histresis, zonas muertas y controles
on-off que a su vez obedecen a no-linealidades duras. El tratamiento de stos se
facilita al utilizar el concepto de funcin descriptora, el cual aparece como una
extensin natural del anlisis en frecuencia realizado en sistemas lineales a sistemas nolineales, en particular a aquellos caracterizados por no-linealidades duras. Es ms, el
Criterio de Nyquist es tambin extendido a estos casos para facilitar el anlisis de
estabilidad.
4.1 Introduccin.
La F.D. es una extensin natural del mtodo de anlisis en frecuencia utilizado en sistemas lineales.
Sus mayores limitaciones son que es un mtodo aproximado y sirve esencialmente en sistemas en
donde hay presuncin de la presencia de ciclos lmites.
A.
Ejemplo: Ecuacin de Van der Pol.
Sea el sistema descrito por la ecuacin no-lineal de segundo orden,

x + ( x 2 1) x + x = 0 ,
lo que se puede escribir como,
x x + x = xx 2 .
Si se define a u como xx 2 = u , entonces se tiene una ecuacin lineal por lo que se utiliza Laplace
para su anlisis, quedando,
x
= 2
,
u s s + 1
y una no-lineal dada por,

u = xx 2 .
Ambas partes pueden ser representadas como ilustrado en la Fig. 4.1(a). Si se asume que el sistema est
oscilando permanentemente se tiene que x = Asen(t) por lo que x = Acos(t). Al reemplazar esta
expresin en la definicin de u se tiene que u = xx 2 queda como,
u = A 2 sen 2 (t ) A cos(t )
A3
(1 cos(2t )) cos(t ) ,
2
A3
=
(cos(t ) cos(3t ))
4
=
Apuntes: 543 703
43
de donde u tiene un tercer armnico. Si el bloque lineal es un pasa bajos, entonces el tercer armnico
se puede eliminar, as u queda:
u
A3
A2 d
A2 d
cos(t ) =
( A sen(t )) =
( x) .
4
4 dt
4 dt
Esto implica que el bloque no-lineal puede ser aproximado por un bloque lineal cuya ganancia depende
de A Fig. 4.1(b). Por lo tanto, la entrada (-x) y salida (u) del bloque no-lineal pueden relacionarse por,
u = N ( A, )( x ) ,
A2
( j) para el caso del oscilador de Van der Pol. Esta funcin que depende de la
4
amplitud de la seal de entrada y de la frecuencia se conoce como funcin descriptora. Para obtener la
amplitud y frecuencia de la oscilacin se procede a considerar el diagrama de la Fig. 4.1(b).
donde N ( A, ) =
A2
x = Asen ( t ) =
j( Asen ( t )) ,
( j) 2 ( j) + 1 4
de donde se obtiene la ecuacin,

1 =
A2
j .
( j) 2 ( j) + 1 4
La solucin de esta ecuacin compleja (parte real y parte imaginaria) es = 1 y A = 2, cuyos valores
no dependen de . Es decir, el sistema tiene una oscilacin con una amplitud de A = 2 a una frecuencia
angular de = 1, independiente de .
xd = 0
+
2
s s + 1
2
s s + 1
+
()2
a)
xd = 0
+
A2
s
4
b)
Fig. 4.1 Oscilador de Van der Pol; a) diagrama equivalente, b) diagrama equivalente con F.D..
Apuntes: 543 703
44
Para analizar la estabilidad del ciclo lmite, se puede obtener la ecuacin caracterstica (asumiendo que
A es constante) a partir de la Fig. 4.1(b), que es:
A2
=0,
s 2
4 s s + 1
1+
cuyos valores propios son,
1
1 2 2
1, 2 = ( A2 2 2 )
( A 22 )2 1 ,
8
64
de donde se aprecia que si A < 2 se tiene que 1,2 tienen parte real positiva, por lo que el sistema
diverge y por lo tanto la oscilacin crece en amplitud, y si A > 2 se tiene que 1,2 tienen parte real
Oscilador (Plano de Fase)
Oscilador (Respuesta en el Tiempo)
a)
b)

4
5
2
2
5
3
c)
Fig. 4.2 Simulaciones para el oscilador de Van der Pol; a) = 0.3, b) = 0.5, c) = 2.
45
Apuntes: 543 703
negativa, por lo que el sistema tiende a converger y por lo tanto la oscilacin decrece en amplitud. Por
lo tanto, para A = 2 se espera un ciclo lmite.
La Fig. 4.2 muestra simulaciones para = 0.3, 0.5 y 2. Los resultados muestran que modifica los
resultados pero el anlisis anterior no lo acusa. Especficamente, se encuentra que para valores
pequeos de , los resultados esperados se acercan al caso real.
B.
Dominio de Aplicaciones y Simplificaciones.
La utilizacin de funciones descriptoras es limitado y para su utilizacin se deben considerar

simplificaciones a los sistemas. La limitacin fundamental es que los sistemas a analizar estn
contenidos en esquemas como el ilustrado en la Fig. 4.3(a). Las restricciones y simplificaciones son las
siguientes.
i)
ii)
iii)
iv)
C.
Slo hay una no-linealidad. En el caso de coexistir varias, se debern reducir a una sola o
simplemente considerar la ms relevante.
El componente no-lineal debe ser invariante en el tiempo. Afortunadamente la mayora de los
sistemas que generan ciclos lmites son autnomos. En estos casos se puede utilizar el Criterio de
Nyquist Extendido.
Se considera slo una salida sinusoidal. Esto es posible si el bloque lineal de la Fig. 4.3(a) es un
pasa bajos lo que ocurre en la mayora de los sistemas fsicos.
La no-linealidad es impar. Esta restriccin es slo para simplificar el anlisis y especficamente
permite no considerar trminos dc.
Definiciones Bsicas.
Sea x(t) = Asen(t) la entrada y sea u(t) la salida del bloque no-lineal, por lo tanto,
u (t ) =
donde, a0 =
a0
+ a n cos(nt ) + bn sin( nt ) ,
2 n =1
1
1
1
u (t )dt = 0 , a n = u(t ) cos(nt )dt , bn = u (t ) sin( nt )dt .
Si se considera slo la primera componente de la salida u, se tiene que, u(t) u1(t) = a1cos(t) +
b1sin(t) = Msin(t + ), donde, M = M(A, ) = a12 + b12 y = (A, ) = tg-1(a1/b1). En notacin
compleja se tiene que la salida es u1 = Mej(t + ) = (b1 + ja1)ejt. Similarmente al concepto de respuesta
x
yd = 0
u = f (x )
g ( j)
no-lineal
lineal
a)
x
yd = 0
+
N ( A, )
g ( j)
funcin
descriptora
lineal
b)
Fig. 4.3 Esquema para funciones descriptoras; a) diagrama general, b) diagrama utilizando F.D..
46
Apuntes: 543 703
en frecuencia de la F. de T. (que es la razn de la entrada y la salida) se define la funcin descriptora

N(A, ) del elemento no-lineal como el cuociente entre la componente fundamental de la salida y la
entrada sinusoidal como ilustrado en la Fig. 4.3(b). Es decir,
N ( A, ) =
Me j ( t + ) M 1
=
e = (b1 + ja1 )
Ae jt
A
A
Claramente, la F.D. depende de la entrada y adems es claro que es una funcin compleja. Es decir,
para graficarla se pueden utilizar dos ejes independientes como son la frecuencia y la amplitud de la
seal de entrada. En el caso del bloque no-lineal del oscilador de Van der Pol esta funcin est dada por
A2
N ( A, ) =
( j) , es claro que depende de la frecuencia y amplitud de la entrada, adems resulta ser
4
un nmero complejo puro.
D.
Clculo de Funciones Descriptoras.
El clculo puede ser analtico, numrico, o experimental. En este curso se optar por analizar los casos
donde se pueden obtener en forma analtica como en el siguiente ejemplo.
Ejemplo 4.1. Sea el bloque no-lineal descrito por u(t) = x(t) + x3(t)/3, determine su F.D.. R.: Se asume una entrada x(t) =
1
Asen(t) por lo que u(t) = Asen(t) + (Asen(t)) /3, a1 = 0, y b1 =
3/8A3. As, u1(t) = (A + 3/8A3)sen(t), por lo que finalmente N ( A, ) =
{A sen(t ) + ( A sen(t ))
/ 3} sen( t )dt = A +
A + 3 / 8 A3
1
(b1 + ja1 ) =
= 1 + 3 / 8 A2 .
A
A
4.2 No-linealidades Comunes y sus Funciones Descriptoras.

A continuacin se obtienen las funciones descriptoras de los elementos no-lineales ms comunes en la
u
u
k
k
t
x
-k
N(A)/k
4/
A
t
Fig. 4.4 F.D. del bloque no-lineal on-off.

47
Apuntes: 543 703
variadas disciplinas de la ingeniera.

A.
Saturacin, Fig. 4.5.
Si A a u = kAsen(t). Por lo tanto, N(A, ) = k. Por otro lado, Si A > a

/2
0 t
kA sen(t )
4
, donde = asen(a/A), por lo que a1 = 0 y b1 =
u=
u(t ) sen( t )d ( t ) =
t /2
0
ka
2kA
a
a 2
2k
a 2
a a
1
.
Por
lo
tanto,
N(A,
)
=
N(A)
=
a
sen
1
. Notar que N(A) es

A

A2
A2
A A
real y no depende de la frecuencia entonces se puede concluir que este bloque no-lineal no introduce
desfase y tiene una respuesta en frecuencia plana.
B.
Control On-Off, Fig. 4.4.

/2
4k
4
4k
. Por lo tanto, N(A, ) = N(A) =
.
k sen( t )d ( t ) =
A
Al igual que el bloque de saturacin, N(A) es real y no depende de la frecuencia, entonces se puede
concluir que este bloque no-lineal no introduce desfase y tiene una respuesta en frecuencia plana.
En este caso se tiene que a1 = 0 y b1 =
C.
Zona Muerta, Fig. 4.6(a).
A b u = 0. Por
0 t
0
u=
,
k ( A sen( t ) b) t /2
Si
/2
u(t ) sen(t )d (t ) =
0
lo
tanto,
donde
N(A, ) = 0.
= asen(b/A),
2kA
b
b 2
1 2 .

A
2
A
Por
Por
otro
por
lo
lo
lado,
que
ka
k
t
x
N(A)/k
A/a
t
Fig. 4.5 F.D. del bloque no-lineal saturacin.

A>b
a1 = 0
N(A, )
tanto,
Si
N(A)
b1 =
=
48
Apuntes: 543 703
2k
b 2
b b
1 2 . Notar que a medida que A aumenta el efecto no-lineal desaparece.
- a sen
2
A
A A
D.
Si
Backslash, Fig. 4.6(b).
0.
Por
lo
N(A, ) = 0.
tanto,
Por
otro
lado,
k(A - b)
N(A)/k
A/
t
a)
u
k(A - b)
k
x
|N(A)|
arg{N(A)}
/2 -
-45
b/A
t
0.2
0.6
1.0
b)
Fig. 4.6 F.D. del bloque no-lineal; a) zona muerta, b) backslash.
Si
A>b
49
Apuntes: 543 703
/ 2 t
( A b) k
( Asin( t ) b)k
t 3 / 2
4kb b
u=
, donde = asen(1-2b/A), por lo que a1 =
1 y
(
)
3
/
2
2
t
A
b
k
( Asin( t ) b)k
2 < t 5 / 2
2
1
Ak
2b 2b
2b
a12 + b12
b1 =
a sen 1 1 1 1 . Por lo tanto, |N(A, )| = |N(A)| =
2

A
A
A
y arg{N(A, )} = arg{N(A)} = atan(a1/b1). Notar que si A aumenta el efecto no-lineal finalmente

desaparece. En este caso hay un desfase entre la entrada y la salida que debiera ir en desmedro de la
estabilidad del sistema.
4.3 Anlisis de Sistemas utilizando Funciones Descriptoras.

Primero se obtiene la funcin descriptora del bloque no-lineal, luego se debe concluir respecto de la
existencia de ciclos lmites y finalmente respecto de la estabilidad de stos. Para estos efectos se debe
extender el Criterio de Nyquist a este tipo de sistemas, comenzando por una revisin del Criterio de
Nyquist para sistemas SISO.
A.
Criterio de Nyquist Extendido.
Para el sistema SISO ilustrado en la Fig. 4.7(a) se tiene una F. de T. en L.C. dada por la expresin: h(s)
k g ( s )
, de donde se puede ver que los ceros de 1 + kg(s) son los polos de h(s), y demostrar que
=
1 + k g ( s )
u
yd = 0
g ( j)
+
-
a)
u
yd = 0
g ' ( j)
N ' ( A)
+
-
b)
plano g(s)
jv
plano s
j
-1/k
c)
Fig. 4.7 Diagramas para la estabilidad; a) en sistemas SISO, b) en sistemas con F.D., c) Criterio de Nyquist
Extendido.
50
Apuntes: 543 703
los polos de 1 + kg(s) son tambin los polos de g(s). Por lo tanto, si se desea tener un sistema estable,
la funcin 1 + kg(s) no deber contener ceros en el S.P.D. Por otro lado, el criterio de Nyquist indica
que si el contorno de Nyquist encierra p polos y z ceros de la funcin 1 + kg(s), entonces el
contorno transformado 1 + kg(s) encierra N = z - p veces al origen. Por lo tanto, si se desea tener un
sistema estable, se debe tener que z = 0 y por tanto el contorno transformado deber encerrar el origen
N = - p veces. Si adems se considera que el origen en el contorno transformado 1 + kg(s) es el punto
1/k, se puede establecer el Teorema de Nyquist como:
Teorema: Si el contorno encierra p polos de la funcin g(s), entonces el sistema en L.C. es estable
si el contorno transformado g(s) encierra N = - p veces al punto -1/k.
Una de las ventajas de este teorema es que permite deducir la estabilidad para valores arbitrarios de la
ganancia k, al dibujar un nico contorno transformado. Para extender el criterio anterior puede
considerarse que k es un nmero constante que no depende de y que puede ser complejo Fig. 4.7(c).
Si este es el caso, entonces el teorema anterior se conoce como el Teorema de Nyquist Extendido. Por
lo tanto, si el sistema dado por la Fig. 4.3(b) se puede transformar en uno como dado por la Fig. 4.7(b),
entonces se puede aplicar el Teorema de Nyquist Extendido para determinar la estabilidad del ciclo
lmite en donde la ganancia k = N(A) y g(j) = g(j) o en aquellos casos en que la funcin descriptora
no depende de se tiene simplemente que k = N(A) y g(j) = g(j).
B.
Existencia y Estabilidad de Ciclos Lmites.
Atendiendo a la Fig. 4.3(b) se tiene que x(t) = -y(t), u = N(A, )x, e y = g(j)u, por lo que el sistema
cumple con,
g ( j) =
1
.
N ( A, )
Por lo tanto, si existen ciclos lmites, stos deben satisfacer la expresin anterior. Ntese que la
expresin anterior es una ecuacin de nmero complejos y por lo tanto hay dos ecuaciones, una para la
parte real y una para la parte imaginaria, de las cuales se puede determinar A y .
Grficamente, en el caso de sistemas que se pueden llevar a la forma ilustrada en Fig. 4.7(b) o en casos
en que la F.D. es independiente de , se puede plotear 1/N(A) y g(j) por separado y la interseccin
de estas curvas define un ciclo lmite y la estabilidad se observa del Teorema de Nyquist Extendido. En
efecto, si g(j) no contiene polos inestables, entonces los puntos encerrados por el Nyquist de g(j)
jv
jv
g(j)
ciclo
lmite
g(j)
u
u
-1/N(A)
-1/N(A)
ciclo
lmite
a)
b)
Fig. 4.8 Ciclo lmite estable (las flechas sobre las curvas indican aumento del parmetro en g(j) y A en 1/N(A)).
51
Apuntes: 543 703
son inestables (la amplitud A aumenta) y los puntos no encerrados por el Nyquist de g(j) son estables
(la amplitud A disminuye). Por ejemplo, los casos ilustrados en la Fig. 4.8 muestran ciclos lmites
estables por cuanto si se considera que g(s) no contiene polos inestables los puntos encerrados por el
Nyquist aumentan A y los puntos no encerrados disminuyen A, por lo que las oscilaciones tienden al
punto de interseccin.
Ejemplo 4.2. Sea un sistema como el ilustrado en la Fig. 4.3(b) con un bloque lineal dado por g1(s) =
kp
, con
s ( s + 2)( s + 4)

2

1 2 , con k = 1 y =
- a sen
A
A A
2
20. Determine los posibles ciclos lmites y su estabilidad. R.: Al considerar g1(j) = 1/N(A) se obtiene la ecuacin,
kp = 122.76 y un bloque no-lineal tipo zona muerta cuya F.D. es N(A) =
kp
j( j + 2)( j + 4)
2k

2k
a
sen
1

A 2
A A
2
que se puede simplificar a,

2k
j
=
+

( 2 + 2 2 )( 2 + 4 2 )
( 2 + 2 2 )( 2 + 4 2 )
6k p
k p ( 2 8)
a
sen
1
,
A 2
A A
2
con lo que se obtienen las ecuaciones,
Dead-Zone (Respuesta en el Tiempo)
jv
500
g1(j)
250
ciclo
lmite
u
0
-1/N(A)
250
inestable
500
a)
b)
jv
Dead-Zone (Respuesta en el Tiempo)

60
g2(j)
30
ciclo
lmite
u
0
-1/N(A)
30
estable
60
c)
10
20
d)
Fig. 4.9 Ciclo lmite de la zona muerta; a) y b) para g1(s), y c) y d) para g2(s).
30
52
Apuntes: 543 703
k p ( 2 8)
( 2 + 2 2 )( 2 + 4 2 )
= 0,
de donde se obtiene que = 22 y la ecuacin,

2k
2
2
2
2

( + 2 )( + 4 )
6k p

2

1 2 ,
- a sen
A
A A
2
de donde se obtiene que A = 40. Por lo tanto, de existir un ciclo lmite, debera tener esos parmetros. Para analizar la
estabilidad se dibuja el Nyquist de g1(j) y 1/N(A), Fig. 4.9(a). Dado que g1(j) no contiene polos inestables los puntos
1/N(A) que no estn rodeados son estables y disminuyen A por lo que el ciclo lmite es inestable como se aprecia en la Fig.
s + 0.25
, con kp = 3.0703 se tiene un Nyquist
4.9(b). Sin embargo, si la F. de T. del bloque lineal es g(s) = k p
( s 0.5)( s 0.7)
como ilustrado en la Fig. 4.9(c) de donde se aprecia un ciclo lmite con = 0.806 y A = 40. La F. de T. tiene dos polos
inestables por lo que los puntos 1/N(A) que estn rodeados dos veces en sentido anti-horaroio son estables.
Afortunadamente estos puntos corresponden a una disminucin de A en 1/N(A) por lo que el ciclo lmite es estable como se
aprecia en la Fig. 4.9(d).
C.
Confiabilidad del Mtodo.
El mtodo de la F.D. asume que los armnicos de orden superior son filtrados por el bloque lineal. Esto
es una aproximacin (aun para sistemas lineales con caractersticas de pasa bajos) y, por lo tanto, las
conclusiones derivadas del anlisis pueden ser errneas. Por ejemplo, (a) la amplitud y frecuencia del
ciclo lmite pueden ser errneas, (b) se puede predecir un ciclo lmite que no existe, y (c) un ciclo
lmite existente puede no ser predecido. Para disminuir estos problemas potenciales, se pueden
observar dos aspectos:
Hiptesis de Filtrado: El mtodo se fundamenta en que el bloque lineal del sistema filtra los
armnicos de alta frecuencia. Si este no es el caso del sistema lineal, uno de los tres casos de error se
puede encontrar.
Condicin Grfica: Cuando la grfica de g(j) intercepta tangencialmente a la grfica de 1/N(A, ),
las variaciones de parmetros y la exclusin de los trminos de orden superior (armnicas) pueden
derivar en conclusiones errneas. Por el contrario, si la interseccin es casi perpendicular, los
resultados son ms confiables. Este es el caso de la Fig. 4.8(b) en donde la interseccin es casi
tangencial por lo que la prediccin del ciclo lmite es incierta.
jv
jv
g(j),
ciclo
lmite
ciclo
lmite
-1/N(A)
g(j), = 2
-1/N(A)
estable
b)
g(j), = 0.5
g(j), = 0.3
b)
Fig. 4.10 Ciclo lmite del oscilador de Van der Pol; a) estabilidad, b) confiabilidad.
53
Apuntes: 543 703
Ejemplo 4.3. En el caso del oscilador de Van der Pol se tiene que g(j) =
( j) j + 1
2
, con arbitrario y una F.D.
A2
( j) . Determine la estabilidad y confiabilidad del ciclo lmite encontrado. R.: Para la estabilidad se
4
j
y N(A) = A2/4, los que se grafican para varios valores de en la Fig. 4.10(a). Claramente,
obtiene g(j) =
2
( j) j + 1
como hay dos polos inestables, el rea encerrada dos veces en sentido antihorario corresponde a puntos estables los que
hacen disminuir A, por lo tanto los ciclos lmites son estables. Por otro lado, al graficar g(j) y 1/N(A, ) para varios
valores de , Fig. 4.10(b), se aprecia que a medida que aumenta la interseccin es ms y ms tangencial con lo que el
resultado de la prediccin se degrada. Esto confirma los resultados ilustrados en la, en donde para = 2 la frecuencia dista
de ser = 1.
dada por N(A, ) =
Apuntes: 543 703
54
Control Realimentado.
Los sistemas no-lineales estn sometidos a los mismos requerimientos que sistemas
lineales. Es decir, se desea obtener determinadas caractersticas de regulacin y
seguimiento, como tambin inmunidad a cambios de parmetros y variaciones en las
perturbaciones. En este captulo se revisan variadas opciones basadas en tcnicas de
control lineal que permiten lograr estos objetivos que tiene como factor comn la
operacin bajo estrategias de control realimentadas. Especial nfasis se da a las
tcnicas de realimentacin de variables de estados.
5.1 Introduccin.
Los objetivos de control son: Estabilizacin, Seguimiento y Eliminacin y/o Atenuacin de
Perturbaciones. Se pueden agregar objetivos adicionales si se considera la respuesta transiente y las
restricciones de las seales de entrada. Finalmente, si se tiene incertidumbre del modelo (parmetros
y/o dinmica) se puede recurrir al control robusto y/o adaptivo.
A . Estabilizacin va Realimentacin de Estados.
Si se tiene el sistema x = f (t , x, u) se puede encontrar una entrada u = (t , x ) de manera que el origen

sea el punto de equilibrio uniforme asintticamente estable del sistema en L.C. dado por
x = f (t , x, (t , x )) . Ntese que en el caso lineal tiempo-invariante se tiene el sistema x = Ax + Bu, y =
Cx + Du, por lo que se escoge u = -Kcx con lo que se obtiene el sistema resultante x = (A - BKc)x, y =
(C DKc)x, en donde se puede escoger Kc para obtener al origen como punto de equilibrio estable. La
estabilizacin tambin se puede realizar mediante realimentacin dinmica, definiendo u = (t , x, z ) ,
donde las variables z estn dadas por z = g(t , x, z) . A esta ltima tcnica corresponde el control
integral, en donde se redefinen variables extras para asegurar que el error en estado estacionario sea
nulo. Su mayor ventaja es la robustez ante variaciones de parmetros.
B . Estabilizacin va Realimentacin de Salida.
Si se tiene el sistema x = f (t , x, u) , y = h(t , x, u) se puede encontrar una entrada u = (t, y) de manera

que el origen sea el punto de equilibrio uniforme asintticamente estable del sistema en L.C. dado por
x = f (t , x, (t , y )) . Esto tambin se puede realizar mediante realimentacin dinmica, definiendo u =
(t, y, z), donde las variables z estn dadas por z = g(t , x, z ) . A esta tcnica corresponde el control
lineal basado en un observador de estados, donde, u = K c x , con x = Ax + Bu + K o ( y Cx Du) . Su
mayor ventaja es la ausencia de mediciones de las variables de estado del sistema.
C . Estabilizacin Global y Local.
Si se tiene el caso x = x 2 + u y se linealiza se tiene x = u , por lo que se puede estabilizar con u = -kx
con k > 0. El sistema resultante es x = x 2 kx cuya linealizacin es x = kx . Este resultado es una
estabilizacin local. Sin embargo, si se considera una entrada como u = -x2 kx entonces se tiene un
sistema resultante x = kx el cual es estable globalmente.
55
Apuntes: 543 703
D . Seguimiento.
En este caso se tiene el sistema general x = f (t , x, u, p) con la salida y = h(t, x, u, p), donde p es una
perturbacin. Si yd es la salida deseada, se desea entonces que e(t) = yd - y 0 cuando t para
lograr caractersticas de seguimiento.
E . Perturbaciones.
En la presencia de perturbaciones el e(t) puede no ser cero; es decir, no se puede lograr seguimiento de
salida asinttico. En este caso se puede requerir solamente || e(t) || , t T, que es menos
restrictivo. En los casos en que yd es una constante, se conoce como referencia y el problema se conoce
como de regulacin.
5.2 Diseo va Linealizacin.

Una primera alternativa en sistemas no-lineales es explorar la linealizacin en estos. En muchos casos
esta alternativa da solucin satisfactoria a los objetivos de Estabilizacin y Regulacin.
A . Estabilizacin.
La estabilizacin se puede lograr mediante dos alternativas que son va realimentacin de estados y va
realimentacin de salida.
Va realimentacin de estados. En este caso se tiene el sistema, x = f ( x, u) , y = h( x, u) , con f(0, 0) =

0 e y = h(0, 0) = 0. Para el cual se puede tener la representacin lineal dada por x = Ax + Bu, y = Cx +
Du, donde
A=
f (x, u)
f (x, u)
, B=
x xo =0,uo = 0
u xo = 0,uo =0
C=
h(x, u)
f (x, u)
, D=
x xo =0,uo =0
u xo =0,uo =0
por lo que si se utiliza u = uex -Kcx, (con uex = 0) se obtiene que x = (A - BKc)x, y = (C DKc)x. Si la
matriz (A - BKc) es Hurwitz, entonces el origen es asintticamente exponencialmente estable. Una
funcin de Lyapunov sera V(x) = xTPx con P siendo la solucin de P(A - BKc) + (A - BKc)TP = -Q.
Ntese que bajo este esquema se tiene un sistema resultante no-lineal dado por x = f ( x, K c x ) ,
y = h( x, K c x ) , el cual puede tener caractersticas generales distintas a las del sistema no-lineal
original, en particular al alejarse del origen. Una de estas caractersticas es su estabilidad; para
estudiarla, se linealiza en torno a un punto de equilibrio arbitrario para obtener su matriz A equivalente
que resulta ser,
A x ,u =
o
f (x, Kx)
f (x, u) f (x, u) u
=
+
= A x ,u B x ,u K c
o o
o o
x
u x xo ,uo
x
xo , u o
donde,
Ax
o ,u o
f (x, u)
f (x, u)
, B x ,u =
.
o o
x xo ,uo
u xo ,uo
56
Apuntes: 543 703
Por lo tanto, para los valores de xo, uo tal que la matriz A es Hurwitz, Lyapunov asegura que esos
puntos de operacin son estables. Ntese que el origen lo es puesto que la matriz (A - BKc) se escoge
Hurwitz por diseo. Es decir, Kc se escoge para que lo sea, en particular se podra encontrar Kc para
ubicar los valores propios de la matriz (A - BKc) en un lugar arbitrario si el par {A B} es controlable.
Ejemplo 5.1. Sea el caso del pndulo cuyo modelo es = a sen b + cT , donde a = g/l > 0, b = k/m 0, c = 1/ml2, y
es el ngulo y T es el torque aplicado. Disear una estrategia va realimentacin de estados de manera que el ngulo sea
igual a una referencia d. R.: Se definen las variables de estado x1 = d - y x2 = para tener al origen como punto de
equilibrio, por lo que el modelo queda, x1 = x2 y x2 = a sen(d x1 ) bx2 + cT . Para el punto de equilibrio se tiene, 0 =
x2o y 0 = -asen(d) +cTo, de donde To = a/csen(d). Si se define la entrada como u = T To, entonces el sistema queda como,
x1 = x2 y x2 = a{sen(d x1 ) sen(d )} bx2 + cu . Para este caso las matrices del modelo lineal son
0
0
1
1
0
A=
=
y b = . Tomando u = uex - kcx con uex = 0 y kc = [kc1 kc2] se encuentra
a cos( x1 + d ) b xo
a cos(d ) b
c
que el par A - bkc es Hurwitz para kc1 >
a cos d
b
; kc 2 > . El torque a aplicar es en definitiva, T = To + u =
c
c
a sen d
a sen d
+ kcx =
kc1 (d ) kc 2 .
c
c
Va realimentacin de salida. Sea el sistema dado por x = f ( x, u) , y = h(x), con f(0, 0) = 0 e y = h(0)
= 0. Ntese que y no depende de u, por simplicidad del anlisis. La linealizacin resulta en x = Ax +
Bu, y = Cx, por lo que se propone un controlador dinmico va realimentacin slo de la salida para
estabilizar el origen. Este es de la forma,
z = Fz + Gy , u = Lz + My
lo que resulta en el sistema,
x Ax + Bu Ax + B(Lz + MCx) A + BMC BL x
x
=
, y = [C 0]
z = Fz + Gy =
Fz + GCx
F z

GC
z
A + BMC BL
se escoge Hurwitz para tener al origen como punto de equilibrio estable.
por lo que
F
GC
Un ejemplo de esta tcnica es el controlador de estados basado en un observador del vector de estados
x; en este caso, el observador queda como,
z = Az + Bu + K o (y Cz )
al considerar la realimentacin como u = -Kcz, entonces, el observador queda como,
z = ( A K oC BK c )z + K o y , u = K c z
por lo que, F = A - KoC - BKc, G = Ko, L = -Kc y M = 0. Lo que resulta en el sistema lineal,
BK c
x
x
x A
z = K C A K C BK z , y = [C 0] z

o
o
c
En este caso se tiene un sistema resultante no-lineal dado por,
x = f (x, Lz + Mh(x))
z = Fz + Gh(x)
, y = h(x).
57
Apuntes: 543 703
Para estudiar la estabilidad de ste, se linealiza en torno a un punto de equilibrio arbitrario para obtener
su matriz A equivalente que resulta ser,
A x ,u
o
f (x, Lz + Mh(x))
x
xo , u o
=
(Fz + Gh(x))
xo ,uo
f (x, Lz + Mh(x))
z
x o ,u o
(Fz + Gh(x))
x o ,u o
f (x, u) f (x, u) u
+
x
u x xo ,uo
=
(Fz + Gh(x))
x
xo , u o
A x , u + B x ,u M C x , u
o o
o o
= o o
G C x ,u
o o
A x ,u
o o
=
K o C xo ,uo
B x
Bx
f (x, u) f (x, u) u
+
z
u z xo ,uo
(Fz + Gh(x))
z
x o ,u o
o ,u o
Kc
A - K o C - BK c
o ,u o
donde,
Cx
o ,uo
h(x, u)
.
x xo ,uo
Lyapunov asegura que los puntos de operacin xo, uo, tal que la matriz A es Hurwitz, son estables.
Los casos anteriores tienen el inconveniente de que ante cambio de parmetros no se asegura que la
salida siga la referencia. Por otro lado, la respuesta depende del punto de operacin. En el caso anterior
a
se tiene que la entrada est dada por T = sen(d ) kc1 (d ) kc 2 , por lo que si los parmetros a
c
y/o c cambian de valor, entonces el torque aplicado no es el requerido y el sistema no estar en el punto
de operacin deseado.
Ejemplo 5.2. El pndulo tiene por relacin en S.S. a To = a/csen(do), si el sistema est en torno a = 45 y si se considera
que se est utilizando un torque para tenerlo en ese punto de operacin, determine la variacin de ste si el parmetro de la
planta a aumenta un 10%. R.: Dado que el torque aplicado es To = a/csen(do) entonces se tiene que a/csen(45) =
1.1a/csen(o) por lo que se logra en S.S. un o = 40.
Ejemplo 5.3. Determinar si el reactor exotrmico es posible de control va realimentacin de estados. Indicar adems si el
sistema permite observar los estados. R.: Se asume que el reactor ser controlado en torno a un punto de operacin por lo
que interesa saber si hay puntos de operacin que no permitiran la controlabilidad y observabilidad de sus estados. Para
tales efectos se opta por graficar el determinante de la matriz de controlabilidad y de la matriz de observabilidad. Las
matrices son,
58
Apuntes: 543 703
Det. de la Matriz de Controlabilidad
Det. de la Matriz de Observabilidad

0
0.3
1000
0.2
2000
0.1
3000
0
300
320
340
360
380
400
4000
300
320
340
360
380
400
Fig. 5.1 Determinantes de la matriz de controlabilidad y observabilidad del reactor exotrmico.
f 1 (x, u)
x
1
A=
f 2 (x, u)
x
1
f 1 (x, u)
x 2
f 2 (x, u)
x 2
x=xo
u =u o
q k e Rx2
0
V
=
E
Rx
(
)
H
k0e 2
C p
f1 (x, u)
0
B = u
= UA ,
f (x, u)
VC
2
p
u x = x o
h(x, u)
C=
x1
Rx 2
q ( H )
UA
E Rx2
e
x
k0
+
1
VC p
V
C p
Rx 22
E
k0
h(x, u)
x 2
x = xo
Rx
e 2
x
1
= [0 1] ,
D=
,
x = xo
u =u o
h(x, u)
u
u =u o
x =xo
=0.
u =u o
u =u o
A partir de las matrices anteriores se obtiene el determinante de las matrices de controlabilidad y observabilidad para cada
punto de operacin. La grfica se ilustra en la Fig. 5.1 encontrndose que el sistema es controlable y observable en todo el
rango de inters.
Tr
Tc
CA =
T=
q
(C Af C A ) k0 e RT C A
V
q
(T f T ) + ( H ) k 0 e
V
C p
RT
T.
CA +
UA
(Tc T )
V C p
x = [CA T]T
k
a)
1
0.8
Concentracin
400
350
0.6
0.4
0.2
300
650
b)
700
750
Temperatura Tr
800
0
650
c)
700
750
800
Temperatura Tr
Fig. 5.2 Reactor con controlador de estados; a) Esquema resultante, b) T vs Tr, b) CA vs Tr.
59
Apuntes: 543 703
Ejemplo 5.4. Disear un controlador de estados para el reactor exotrmico para el punto de operacin dado por T = 340K.
R.: En el punto de operacin el sistema es controlable por lo que procede al diseo como indicado en el curso de Sntesis de
Sistemas de Control. Se encuentra que k1 = 73.226 y k2 = 2.093 para obtener valores propios resultantes en 1 j.
El diagrama resultante se muestra en la Fig. 5.2(a) lo que genera nuevos puntos de operacin dado que la entrada ahora es
una variable ficticia denominada Tr. El esquema resultante genera puntos de operacin para Tr los que se muestran en la Fig.
5.2(b) y (c). A partir de stos se puede concluir que ahora se tiene un nico punto de operacin para cada entrada. Para
determinar la estabilidad de cada punto de operacin se procede a obtener los valores propios del sistema para cada uno de
ellos. El L.G.R. resultante se muestra en la Fig. 5.3(a). Se evidencia la existencia de puntos de operacin inestables lo que
podra ser una indicacin de la persistencia de ciclos lmites. Este rango est en T [351.5 370.4] como acotado en la Fig.
5.2(b). La Fig. 5.3(b) y (c) muestran las respuestas dinmicas para entradas escaln en Tr de manera de llevar T de 340 a
340 + 20, +5, -5 y -20. Claramente, al tratar de llevar el sistema a T = 340 + 20, se est tratando de llevar el sistema a un
punto de operacin inestable. La respuesta indica la entrada a un ciclo lmite. En conclusin, un controlador lineal en un
sistema nolineal puede solucionar el problema en torno a un punto de operacin, pero al alejarse de ste se puede encontrar
dinmicas insatisfactorias y/o problemas de inestabilidad, como la presencia de ciclos lmites.
B . Regulacin Va Control Integral.
Para mitigar las desviaciones producto de cambios de parmetros se tiene la posibilidad de utilizar la
tcnica de control integral. Para su implementacin se tienen dos alternativas.
Va Realimentacin de Estados. En el caso anterior se tiene x = f ( x, u) , y = h(x) y se desea que y sea

igual a la referencia yd = 0 (se asume nula por simplicidad), o bien y(t) yd(t) cuando t , para lo
10
0
5
0
0
10
10
a)
Concentracin
Temperatura
450
400
0.5
350
300
10
b)
10
c)
Fig. 5.3 Estabilidad y respuesta dinmica del reactor con controlador de estados; a) L.G.R., b) T vs
tiempo, b) CA vs tiempo.
60
Apuntes: 543 703
cual se supone existe solucin nica; es decir, se cumple 0 = f ( x o , u o ) , 0 = yd - h(xo). Si se define el

error de seguimiento e = yd - y, de manera que = e , el modelo total se puede formular como
x = f ( x, u) , = y d h(x) , donde claramente el punto de equilibrio asegura que y = yd. Si en el punto
de equilibrio se tiene a xd, ud, y d, entonces la linealizacin del sistema extendido es
A x ,u
0
B
x xd
d d
+ xd ,ud v , donde el nuevo vector de estados es =
=
, v = u - ud y A|xd,ud,
C xd ,ud 0
d
0
B|xd,ud, C|xd,ud son las matrices de la linealizacin de x = f ( x, u ) , y = h(x) en torno al punto xd, ud, y d.
A x ,u
d d
Si el par
C
xd ,ud
0 B

, xd ,ud es controlable, entonces se puede utilizar una realimentacin de
0 0
estados para fijar los valores propios del sistema resultante. Es decir se puede encontrar Kc = [Kc1 Kc2]
(donde Kc1 tiene tantas columnas como la dimensin de x y Kc2 como la dimensin de y ) tal que la
entrada se define por v = vex - Kc de manera que el sistema resultante dado por
A x ,u B x ,u K c1 B x ,u K c2
B
d d
d d
+ xd ,ud v ex sea Hurwitz. As la entrada es u = vex - Kc + ud
= d d
0
C x , u
0
d d
= vex - Kc1(x - xd) - Kc2( - d) + ud. Como se desea en S.S. que sea nulo, entonces en S.S. puede
tomar valores arbitrarios, en particular d puede ser d = Kc2-1(ud - Kc1xd) por lo que la entrada al
sistema es u = vex - Kc1x - Kc2. Como es sabido, vex puede ser utilizado para pre-alimentacin o
simplemente puede ser nulo.
La representacin final queda como x = f ( x, v ex K c1 x K c2 ) , = y d h(x) . Para estudiar la
estabilidad de ste, se linealiza en torno a un punto de equilibrio arbitrario para obtener su matriz A
equivalente que resulta ser,
A x ,u
o
f (x, v ex K c1 x K c2 )
x
xo , o , u o
=
(y d h(x))
xo , o , u o
f (x, v ex K c1 x K c2 )
x o , o , u o
(y d h(x))
xo , o ,u o
f (x, u) f (x, u) u
+
u x xo ,o ,uo
x
=
(y d h(x))
xo , o ,u o
f (x, u) f (x, u) u
+
u xo ,o ,uo
(y d h(x))
x o , o , u o
A x ,u B x ,u K c1
o o
= o o
C x ,u
o o
B x
K c2
o ,u o
Lyapunov asegura que los puntos de operacin xo, uo son estables ssi la matriz A es Hurwitz. En
particular lo sern los xd, ud, puesto que para ellos se verifica que la matriz A es Hurwitz.
Ejemplo 5.5. El pndulo tiene por modelo a = a sen b + cT , donde a = g/l > 0, b = k/m 0, c = 1/ml2, y es el
ngulo y T es el torque aplicado. Disear una estrategia va control integral para mantener el ngulo sea igual a una
61
Apuntes: 543 703
referencia d. R.: Se definen las variables de estado x1 = d - y x2 = para tener al origen como punto de equilibrio, por lo
que el modelo queda, x1 = x2 y x2 = a sen( x1 + d ) bx2 + cu , con u = T y la salida y = x1. En el punto de equilibrio se
0
tiene x o = , uo = a/csen(). Ntese que el punto de operacin no exige que uo = 0. Las matrices quedan
0
0
1
0
A 0 b
A=
, b = c y c = [1 0]. El par c 0 , 0 es controlable por lo que se puede escoger una variable de
cos(
)
a
b

estado extra = y d y = 0 - x1 = -x1 y el controlador de estados Kc = [Kc1 Kc2] = [kc11 kc12 kc2] para fijar los valores propios
arbitrariamente. La ley de control queda u = T = vex - Kc1x - Kc2 = -kc11x1 - kc12x2 - kc2 = -kc11(d - ) - kc12 - kc2.
Va Realimentacin de Salida. Para estos efectos debe considerarse que al sistema original
x = f ( x, u) , y = h(x) se le unen controladores basados en integradores del tipo = y d h(x) y que la
entrada debiera ser u = vex - Kc1x - Kc2 (con Kc1 y Kc2 calculados como en el punto anterior y con vex
para pre-alimentacin o simplemente nula) para lo cual se necesita el vector de estados x. Sin embargo,
se asume que este vector no est disponible y se propone el observador de estados de orden reducido
, que se disea
(pues slo se observa x) dado por la expresin x = A x ,u x + B x ,u u + K o (y C x ,u x)
d
para el punto de operacin xd, ud en donde el sistema linealizado resulta en x = A x
Cx
d , ud
{Ax
x. En efecto, Ko es escogido para que la matriz A x
d ,ud
, Cx
d ,ud
d , ud
- Ko C x
d , ud
} es observable, los valores propios de la matriz A x
d ,ud
d ,u d
x+Bx
d ,ud
u, y =
sea Hurwitz. Es ms, si el par

- Ko C x
d ,ud
pueden escogerse
arbitrariamente. As, la entrada u queda como u = v ex - K c1 x - K c2 , por lo que el sistema resultante es,
x = f (x, v ex - K c1 x - K c2)
= y d h( x)
x = A x
d ,ud
x + B x
d ,ud
( v ex - K c1 x - K c2 ) + K o C x
d ,ud
(x x)
Para estudiar la estabilidad del sistema resultante, se linealiza en torno a un punto de equilibrio
arbitrario xo, uo para obtener su matriz A equivalente que resulta ser,
A x ,u
o
x
x
=
x
x
x
x
x

x
x
x xo ,o ,uo
f (x, u) f (x, u) u
x + u x
=
C
f (x, u) f (x, u) u
+
u
0
B x ,u K c2
d
f (x, u) f (x, u) u
+
x
u x
0
A x ,u B x ,u K c1 K o C x
d
d ,ud
x o , o ,u o
62
Apuntes: 543 703
A
BK c2
= C
0
0 B
K c2
xd ,u d
A
xo , u o
= C x ,u
o o
B x
o ,u o
B x ,u K c1 K o C x ,u
d d
d d x , ,u
o o o
BK c1
Ax
d ,ud
0
B x
d ,u d
K c2
B x ,u K c1 K o C x ,u
d d
d d
B x
K c2
Ax
d ,u d
o ,uo
K c1
Lyapunov asegura que los puntos de operacin xo, uo son estables ssi la matriz A anterior es Hurwitz.
En particular lo sern los xd, ud, puesto que para ellos se verifica que la matriz A es Hurwitz.
En este caso, no se necesitan las variables de estado del sistema x, pues se observan. Adems, cambios
en los parmetros son absorbidos por los controladores integradores.
Desgraciadamente, los diseos anteriores permiten un buen comportamiento en torno al punto de
operacin. Por lo tanto, deber estudiarse el comportamiento del sistema no-lineal original y el control
lineal como un todo. Una alternativa es utilizar el L.G.R. del sistema total linealizado y de ah derivar
algunas conclusiones para cada punto de operacin. La siguiente tcnica permite hacer prevalecer los
criterios de diseo en los diferentes puntos de operacin.
5.3 Diseo Va Ganancia Programada.

El controlador lineal slo asegura su comportamiento en torno al punto de operacin. Este el caso de un
estanque de rea funcin de la altura que es controlado utilizando un controlador PI. Un controlador
que utiliza la tcnica de ganancia programada, modifica los parmetros del controlador, utilizando
tcnicas lineales, de acuerdo al punto de operacin. Para determinar el punto de operacin se utiliza una
o varias variables del sistema (normalmente las entradas). Para analizar esta tcnica se revisa el caso
del estanque, en donde el rea de ste se puede identificar como funcin de la altura de este, Fig. 5.4.
En este caso se tiene que el modelo est dado por,
dV dV dh
dh
=
= (h)
= f e c 2h ,
dt
dh dt
dt
donde (h) es el rea en funcin de la altura h y c 2h es el flujo de salida. Sea x la altura h y fe la
entrada u, entonces el modelo queda como,
x=
1
( u c 2 x ) = f ( x, u ) .
( x )
Sea la altura h la variable de salida y, entonces y = x, la cual debe seguir la referencia yd, la cual a su
vez ser utilizada como variable programadora; es decir, la que define el valor de los parmetros de los
controladores.
63
Apuntes: 543 703
Si se desea yd = ydo (la altura h = ydo), la entrada u (flujo fe) debera ser uo = c 2 y do . As, un punto de
operacin tiene por valores x = ydo, u = uo(ydo). Linealizando el modelo en torno a ydo, uo(ydo), se tiene a
x = a ( ydo ) x + b( ydo )u , donde,
1 c ' ( x)
c 2 y do
=
(u c 2 x )
=
,
2
2 y do( y do )
( x ) 2 x ( x )
ux ==uyodo
a ( y do ) =
f
x
b ( y do ) =
f
1
1
=
=
,
x
y
=
u u =u do ( x ) x = ydo ( y do )
x = ydo
u = uo
u =uo
x = x - y d o,
u = u - uo.
Dado que el sistema es de primer orden, un controlador PI permitir lograr cero error en estado
estacionario y compensar el efecto de las perturbaciones. Sea el controlador tipo de PI de la forma, u =
k1e + k2, donde = e = yd - x = r - x, con r = yd - ydo. Con esto, la ecuacin caracterstica es,
s 2 (a bk1 ) s + bk 2 = 0 , por lo que si la ecuacin deseada es s 2 + 2n s + 2n , con n > 0 y 0 < < 1
conocidos, entonces las ganancias k1 y k2 se pueden tomar como,
2 n + a ( y do )
2n
k1 ( y do ) =
, k 2 ( y do ) =
.
b ( y do )
b ( y do )
Como se puede apreciar, las ganancias del controlador PI son funcin del punto de operacin para
obtener un factor de amortiguamiento y una frecuencia natural de oscilacin dados. Si, para efectos de
1
simplificacin, se considera al controlador PI de la forma, u = k e + , se tiene que k = k1 y T =

T
k1/k2, con lo que,

k ( y do ) =
2 n + a( y do ) 2 2n
2 n + a( y do ) 2
= 2 n ( y do ) , T ( y do ) =
,
n
2n
b( y do )
b( y do )
si se considera que |a(ydo)| << 2n, Fig. 5.5(a). De esta manera se puede tomar k(ydo) = 2n(ydo) y T
= 2/n, con lo que slo una ganancia debe ser programada en funcin del punto de operacin. El
sistema resultante considerando la variable de estado = [x ]T est dado por,
= Al(ydo) + blr, y = cl,
fe
h
x = 2ay
fs
Fig. 5.4 Estanque no-lineal (rea variable).

64
Apuntes: 543 703
a ( y ) 2 n
donde, A l ( y do ) = do
1
es,
2n
2 n
, b l =
, c l = [1 0] , por lo que la F. de T. resultante
0
1
x
2 n s + n2
= 2
.
r s + (2 n a( y do )) s + 2n
Ntese que esta F. de T. es todava funcin del punto de operacin puesto que se consider en el
anlisis que |a(ydo)| << 2n. En el caso de no hacer esta simplificacin en el anlisis, la F. de T.
resultante tendra un polinomio caracterstico como el ideal. Resultados simulados se muestran en la
Fig. 5.6. Claramente, el controlador de ganancias programadas permite mejorar la respuesta para los
distintos puntos de operacin, Fig. 5.6(b) comparada con el mismo controlador pero con sus parmetros
fijos y calculados para un punto de operacin dado Fig. 5.6(a).
Para revisar el comportamiento real del sistema con el controlador lineal incluido debe revisarse el
sistema original no-lineal en conjunto con el controlador, considerando que la variable programadora es
la referencia yd y no el punto de operacin ydo, Fig. 5.5(b). Esto trae consecuencias adversas puesto que
la variable programadora puede variar y por tanto su derivada no es cero, lo que agrega dinmicas no
consideradas en el proceso de diseo anterior. El modelo del controlador en conjunto con la planta es,
1
(u c 2 x )
( x)
= yd x
,
x=
y=x
1
donde la entrada est dada por u = k ( y d )( y d x) + , con k(yd) = 2n(yd) por lo que el modelo
T
resultante est dado por,
e
+
-
1
k ( ydo ) +
T
y = x
b( ydo )
a ( y do )
a)
yd
e
+
-
k ( yd )e + e dt
T
y=x=h
x = f ( x, u )
b)
Fig. 5.5 Estanque no-lineal con controlador de ganancia programada; a) esquema linealizado, b) esquema no-lineal.
65
Apuntes: 543 703
1
1
k ( y d )( y d x) + c 2 x
T
( x )
,
= yd x
x=
y=x
cuyo punto de equilibrio para una entrada yd = ydo es xo = ydo, yo = ydo, o =
c 2 y do
. Una alternativa
n2( y do )
de anlisis del sistema completo es la linealizacin en torno a un punto de operacin considerando el
vector de variables de estado = [x - xo - o]T lo que resulta en = A n ( y do ) + b n ( y do ) r , con la
salida y = cn. En este caso se obtienen las matrices como,
a ( y ) 2 n
A n ( y do ) = do
1
2n
2 n + ( y do )
, b n =
, c n = [1 0] ,
1
0
por lo que la funcin de transferencia resultante es,

y
( 2n + ( y do )) s + 2n
,
= 2
r s + ( 2n a ( y do )) s + 2n
donde, (ydo) = k'(ydo)o(ydo)/T(ydo), con k'(ydo) =
dk ( yd )
dyd
.
y d = y do
Claramente, esta ltima F. de T. difiere de la anterior en el trmino (ydo) puesto que los cambios de la
referencia yd afectan dinmicamente los parmetros del controlador y con ello la dinmica total
resultante. En muchos casos este controlador es suficiente, puesto que logra cero error en S.S. y permite
absorber la variacin de parmetros. Sin embargo, en aquellos casos donde la dinmica es parte de los
requisitos de control, se requiere modificar la estrategia de diseo del controlador.
Una alternativa de solucin a este problema es considerar el controlador PI de la forma,
u = k ( y d )e +
1
z,
T
donde, z = k ( y d )e y e = yd - x, con lo que el sistema resultante es,
1
1
k ( y d )( y d x) + z c 2 x
( x)
T
z = k ( y d )( y d x)
,
x=
y=x
66
Apuntes: 543 703
cuyo punto de equilibrio para una entrada yd = ydo es xo = ydo, yo = ydo, z o =
2 c 2 y d o
. Una alternativa
n
de anlisis del sistema completo es la linealizacin en torno a un punto de operacin considerando el
vector de variables de estado = [x - xo z - zo]T lo que resulta en = A n ( y do ) + b n ( y do ) r , con la
salida y = cn. En este caso se obtienen las matrices como,
14
12
10
8
6
4
2
0
0.1
0.2
0.3
0.4
0.5
0.4
0.5
0.4
0.5
a)
14
12
10
8
6
4
2
0
0.1
0.2
0.3
b)
14
12
10
8
6
4
2
0
0.1
0.2
0.3
c)
Fig. 5.6 Estanque no-lineal con controlador PI; a) de parmetros fijos para ydo dado, b) con parmetros programados,
c) con parmetros programados y mejorado.
67
Apuntes: 543 703
a ( y ) 2 n
A n ( y do ) = do
2 n( y do )
n / 2( y do )
2 n
, bn =
, c n = [1 0] ,
0
2 n( y do )
por lo que la funcin de transferencia resultante es,

y
2n s + 2n
.
= 2
r s + ( 2n a ( y do )) s + 2n
Sin lugar a dudas este controlador permite obtener una respuesta dinmica independiente del punto de
operacin. Los resultados simulados se muestran en la Fig. 5.6(c) los cuales en este caso en particular
no muestran mejoras substanciales respecto del caso anterior, Fig. 5.6(b).
Los casos hasta aqu analizados permiten la utilizacin de tcnicas de linealizacin para su anlisis y
diseo de controladores. Si bien se cumplen los objetivos bsicos, quedan los de globalidad de la
solucin. Por ejemplo, los cambios que pueden tener las variables programadoras deben ser moderados
o se puede sacar el sistema de la regin de atraccin. Tcnicas ms generales que las aqu revisadas se
introducen en el captulo siguiente.
68
Apuntes: 543 703
Linealizacin Exacta Va Realimentacin.

Una de las alternativas ms expeditas para la linealizacin es utilizar la realimentacin
de las variables de estado. Esta clase de estrategia se divide en dos tipos. Una para
linealizar los estados de entrada; es decir, para obtener respuestas lineales en variables
de estado del sistema y la otra para las variables de salida; es decir, un
comportamiento lineal de las salidas respecto de entradas sin importar el
comportamiento probablemente no-lineal de los estados. Ambas alternativas
requieren conocer el modelo de la planta y entregan opciones de diseo que
permiten ventajas distintas en uno y otro caso.
6.1 Conceptos Bsicos.

Antes de analizar en detalle las diferentes alternativas de control va realimentacin exacta, se revisan
ejemplos de cada una de stas para familiarizarse con la estructuras de control.
A.
Linealizacin Va Realimentacin y la Forma Cannica.
La idea fundamental de la linealizacin va realimentacin es la cancelacin de las no-linealidades de

un sistema mediante la re-definicin de la entrada a ste. Por ejemplo, en el caso del estanque en el cual
el rea es funcin de la altura, se tiene el siguiente modelo,
h
d
A( z )dz = u a 2 gh ,
dt 0
(6.1)
el cual se puede escribir en forma simplificada como,

A( h )h = u a 2 gh ,
por lo que si la entrada u se escoge como

u = a 2 gh + A( h )v ,
(6.2)
con v una nueva entrada (Fig. 6.1), se tiene el modelo resultante,
hd
+
-
control
no-lineal
u = a 2 gh + A( h )v
u = fe
control
lineal
Fig. 6.1 Modelo del estanque linealizado.

u
fs
Apuntes: 543 703
69
h=v,
el cual es lineal y permite por tanto escoger v para lograr objetivos adicionales de control. Por ejemplo,
v se puede escoger como,
v = (hd - h),
con una constante positiva y hd la referencia de altura, Fig. 6.1. As se tiene una dinmica resultante
dada por,
h + h = hd ,
lo que indica que h hd cuando t . De acuerdo a las ecuaciones anteriores se tiene que la entrada
est finalmente dada por,
u = a 2 gh + A( h )e ,
con e = hd - h. Una versin ms refinada podra considerar que hd es conocida y tiempo variable, por lo
que la entrada v se puede escoger como v = hd + (hd - h), con lo que la dinmica lineal resultante
quedara como,
h = hd + ( hd h ) ,
que es equivalente a,
e + e = 0 ,
donde claramente se tiene que el error e 0 cuando t . La aplicacin de esta estrategia de redefinir la entrada para cancelar las no-linealidades se puede aplicar si el sistema tiene un modelo de la
forma cannica controlable cuya forma general para sistemas SISO es,
x ( n ) = f ( x ) + b( x ) u ,
donde u es la entrada, x es la salida, x = [x x x x ( n 1) ]T = [x1 x2 x3 xn]T es el vector de estados y
f(x) y b(x) son funciones escalares no-lineales de los estados. La representacin anterior puede tambin
escribirse como,
x2
x1
d
.
=
xn
dt x n 1
x n f ( x ) + b( x )u
Esta ltima representacin permite ver que si se re-define la entrada u como,
u=
1
( f (x) + v ) ,
b( x )
con v una nueva entrada, se obtiene el modelo resultante,

x (n) = v ,
que corresponde a un modelo lineal y por tanto se puede utilizar la teora de control lineal para
conseguir objetivos de control especficos. Por ejemplo, si se define a la entrada como,
v = a 0 x a1 x a n 1 x ( n 1) ,
Apuntes: 543 703
70
con a0, a1, ..., an-1, escogidos de manera que el polinomio sn + an-1sn-1 + + a1s + a0 tenga sus races en
el S.P.I. lleva a una dinmica exponencialmente estable del tipo,
x ( n ) + a n 1 x ( n 1) + + a 0 x = 0 ,
lo que implica que x(t) 0 cuando t .
En aquellos casos que se desee el seguimiento de una referencia xd, se puede re-definir la entrada como,
v = x d( n ) + a0 e + a1e + + a n 1e ( n 1) ,
con e(t) = xd(t) - x(t) lleva a la convergencia exponencial del error; es decir, e(t) 0 cuando t .
Esta alternativa se puede utilizar en sistemas MIMO como se muestra en el ejemplo siguiente.
h11 h12 q1 hq2 hq1 hq2 q1
g1
1
Ejemplo 6.1. Un robot con dos junturas tiene por modelo a
q + hq
q + g = ,
h
h
0
22 2
21
1
2
2
2
donde q = [q1 q2]T son los ngulos de las uniones, = [1 2]T son las entradas, y h11, h12, h21, h22, g1, y g2 dependen de q.
Proponga una estrategia de linealizacin exacta para seguimiento. R.: El modelo anterior se puede escribir como H(q) q +
h11 h12
hq 2 hq1 hq 2
g1
1
C(q, q ) q + g(q) = , con H(q) =
, C(q, q ) =
, g(q) = y = . Por lo que la
0
h21 h22
hq1
g2
2
entrada se puede definir como = H(q)v + C(q, q ) q + g(q), con v una nueva entrada, lo que resulta en el modelo q = v.
Si qd es la referencia entonces v se puede definir como, v = q d + 2 (q d q ) + (q d q ) , lo que al definir el error

2
e = q d q resulta en la ecuacin dinmica e + 2e + 2 e = 0 , donde el error converge a cero exponencialmente.
Desafortunadamente, los modelos no se encuentran en general en esta forma cannica controlable y por
tanto se estudian tcnicas que permiten transformar un sistema arbitrario a esta forma. Al igual que los
sistemas lineales, no todos los sistemas pueden ser transformados y esto depende de sus caractersticas
particulares.
B.
Linealizacin de los Estados de Entrada.
Considerar el caso de un sistema de una entrada de la forma x = f ( x, u ) en el cual se desea encontrar

una nueva entrada de manera de obtener un sistema lineal resultante. Esto se realiza en dos pasos,
primero se encuentra una transformacin de estados z = z(x) y luego una transformacin de entrada
u = u(x, v) de manera que el sistema original se transforme en uno equivalente invariante en el tiempo
de la forma z = Az + bv , para luego disear v de manera de obtener una respuesta deseada, Fig. 6.2.
Por ejemplo, sea el sistema,
x1 = 2 x1 + ax 2 + sen( x1 )
,
x 2 = x 2 cos( x1 ) + u cos(2 x1 )
control lineal
v = k c z
u = u ( x, v )
z = z( x )
Fig. 6.2 Linealizacin de estados.
x = f ( x, u )
Apuntes: 543 703
71
que tiene por punto de equilibrio al origen, no puede ser linealizado directamente puesto que no es
evidente encontrar u de manera de obtener una representacin lineal, por cuanto el sistema no est en
una forma cannica controlable. Sin embargo, si se define,
z1 = x1
,
z 2 = ax2 + sen( x1 )
donde el origen de x es tambin el origen en z, se tiene que
z1 = 2 z1 + z 2
z 2 = 2 z1 cos( z1 ) + cos( z1 ) sen( z1 ) + ua cos(2 z1 )
el cual puede ser linealizado re-definiendo la entrada u como,

u=
1
( v cos( z1 ) sen( z1 ) + 2 z1 cos( z1 )) ,
a cos(2 z1 )
o tambin en funcin de los estados originales como,

u=
1
( v cos( x1 ) sen( x1 ) + 2 x1 cos( x1 )) ,
a cos(2 x1 )
por lo que el sistema lineal resultante es,

z1 = 2 z1 + z 2
z2 = v
Al tomar v = -k1z 1 - k2z 2 = -2z2 se obtiene finalmente,

z1 = 2 z1 + z 2
,
z 2 = 2 z 2
que tiene polos iguales en -2 por lo que z1 y z2 convergen al (0,0), por lo que x1 y x2 convergen al (0,0).
Algunos comentarios importantes que se derivan del ejemplo anterior son,
1
i)
La entrada se calcula como u =
( v cos( x1 ) sen( x1 ) + 2 x1 cos( x1 )) la cual no est
a cos(2 x1 )
definida para x1 = /4 l/2, con l = 0, 1, ... por lo que el resultado de la linealizacin no es
global.
ii) La linealizacin de los estados de entrada se logra mediante una transformacin de estados y una
transformacin de entradas, ambas basadas en los estados, por lo tanto sta es una linealizacin
va realimentacin.
iii) Para implementar la estrategia se requiere de los estados z lo que puede ser no factible como
tambin pueden no tener significado fsico, para lo cual deber disponerse de x.
iv) Todo el diseo se fundamenta en el conocimiento de los parmetros y modelo del sistema,
cualesquier incertidumbre acarrear errores.
El seguimiento tambin puede considerarse, pero no es directo puesto que la linealizacin se
v)
logra para las variables z y no las fsicamente involucradas en el sistema, que son x.
Hay dos preguntas relevantes en este punto: a) qu clases de sistemas no-lineales pueden ser sujeto de
esta tcnica ?, y b) cmo se encuentran las transformaciones que hacen esto posible ?.
Apuntes: 543 703
C.
72
Linealizacin Entrada-Salida
La idea en este caso es la de obtener una relacin lineal entre la entrada y la salida del sistema ms que
con los estados de este. Sin embargo, se espera que los estados estn acotados. Es decir, se desea que la
salida tenga un comportamiento deseado, por ejemplo, seguimiento de una referencia. El sistema est
modelado en este caso por x = f(x, u), y = h(x), de donde no se ve una relacin clara entre la entrada y
la salida del sistema. Sea el siguiente ejemplo,
x1 = sen ( x 2 ) + ( x 2 + 1) x 3
x 2 = x15 + x3
x3 = x12 + u
y = x1
para generar una relacin entre la entrada u y la salida y, se deriva la salida,

y = x1 = sen x 2 + ( x 2 + 1) x 3 ,
como u no esta en y , se deriva nuevamente,

y = cos( x 2 ) x 2 + x 3 ( x 2 + x1 ) + x 2 x 3
= (cos( x 2 ) + x 3 )( x15 + x 3 ) + ( x13 + u )( x 2 + 1)
= ( x 2 + 1)u + x12 ( x 2 + 1) + (cos( x 2 ) + x 3 )( x15 + x 3 )
= ( x 2 + 1)u + f 1 ( x )
donde f1(x) = x12 ( x 2 + 1) + (cos( x 2 ) + x 3 )( x15 + x 3 ) . Claramente, la expresin anterior relaciona la

entrada u y la salida y, por lo que si se toma la entrada u como,
u=
1
( f1 (x ) + v ) ,
x2 + 1
donde v es una nueva entrada, se obtiene que

y=v,
que corresponde a una relacin lineal entre la entrada y la salida y por tanto la nueva entrada v se puede
acondicionar para lograr los objetivos de seguimiento. En particular si el error entre la salida actual y y
la deseada yd es e, entonces v se puede tomar como v = y d + k 0 e + k1e , con k0 y k1 positivos, con lo que
se obtiene la ecuacin dinmica para el error como,
e + k1e + k 0 e = 0 ,
por lo que y(t) yd(t) cuando t , Fig. 6.3.
control lineal
yd
kc
u = u ( x, v )
x = f ( x, u )
Fig. 6.3 Linealizacin de entrada-salida.

Apuntes: 543 703
73
Algunos comentarios importantes que se derivan del ejemplo anterior son,

1
i)
La entrada se calcula como u =
( f 1 ( x ) + v ) la cual no est definida para x2 = -1 por lo que
x2 + 1
el resultado de la linealizacin no es global.
ii) La implementacin requiere de todos los estados del sistema.
iii) Dado que y se deriv dos veces para obtener la salida en funcin de la entrada, se dice que el
sistema tiene grado relativo 2 (en general r). Si n es el orden del sistema original entonces r n
para sistemas controlables.
iv) El sistema resultante de la linealizacin entrada-salida es de orden 2 y el sistema es de orden 3.
Por lo que hay una dinmica que no aparece en forma explcita. Esta dinmica se conoce como
dinmica interna y deber ser estable para cumplir con los objetivos de control del sistema. En el
ejemplo anterior el estado interno es x3 (puesto que x2, y, y dy/dt forman un nuevo set de variables
de estado) y est dado por,
x3 = x12 +
1
( y d + k1e + k 2 e + f1 ( x )) ,
x2 + 1
donde no es obvio demostrar su estabilidad.

Ejemplo 6.2. Utilizar control entrada-salida para regular la temperatura en el reactor. R.: Las ecuaciones del reactor son,
CA =
q
C Af C A k 0 e RT C A
V
q
( H )
UA
(Tc T )
T = T f T +
k 0 e RT C A +
V
C p
VC p
, por lo que al considerar y = T y derivar esta ecuacin se tiene que
q
(H )
UA
y =T = Tf T +
k 0 e RT C A +
(Tc T ) . Finalmente, si se considera una nueva entrada v tal que se
V
VC p
C p
cumpla que
( H )
q
UA
(Tc T ) = v , entonces, T = v . Es decir, la entrada al reactor Tc debe
Tf T +
k 0 e RT C A +
V
C p
VC p
VC p
(H )
q
ser escogida como, Tc =

k 0 e RT C A + T . La expresin resultante, T = v , representa una
v T f T
UA V
C p
ley lineal por lo que se puede escoger v de manera de lograr alguna dinmica apropiada. Por ejemplo, se hace v = k1(Td T),
k
T
= 1 , donde claramente se tiene un sistema estable si se
por lo que se obtiene una F. de T. resultante dada por,
Td s + k 1
escoge k1 positivo.La simulacin del sistema resultante est ilustrada en la Fig. 6.4 para k1 = 5. La simulacin muestra un
sistema de primer orden que puede operar en cualesquier punto de operacin. Sin embargo, queda la interrogante de la
naturaleza de la dinmica de la concentracin.
D.
Dinmicas Internas en Sistemas Lineales.
En esta parte se revisa el concepto de dinmica interna en sistemas lineales, pues son simples de
analizar y los resultados y conclusiones ayudan a entender su extensin a sistemas no-lineales. Se
considera primero el siguiente ejemplo,
Apuntes: 543 703
74
x1 = x 2 + u
x2 = u
y = x1
donde se requiere que la salida siga a la referencia yd. Derivando la salida se obtiene que,
y = x1 = x 2 + u ,
por lo que si u = x 2 + y d + ( y d y ) , se tiene que y = x 2 x 2 + y d + ( y d y ) , lo que resulta en

e + e = 0,
de donde claramente se tiene que e(t) 0 cuando t , y(t) yd(t) cuando t , x1(t) yd(t)
cuando t . La dinmica interna est dada por la segunda ecuacin que queda,
x2 = u = x 2 + y d + ( y d y ) , de donde,
x2 + x2 = y d + e ,
como el segundo miembro es acotado, entonces x2 y por tanto u son acotados. Sin embargo, si el
modelo fuera
x1 = x 2 + u
x 2 = u ,
y = x1
la dinmica interna estara dada por x 2 x 2 = y d + e , como el segundo miembro es acotado, entonces
x2 y por tanto u no son acotados. Por lo que si bien la salida sigue perfectamente la referencia, el
controlador en su conjunto no podra ser utilizado.
Un anlisis en el plano de Laplace de cada caso indica que las F. de T. son
V C p
q
( H )
Tc =
k 0 e RT C A + T
v T f T
UA V
C p
Td
k1
+
-
Tc
Reactor
exotrmico
a)
Concentracin v/s tiempo
b)
Temperatura v/s tiempo
400
0.5
350
300
Fig. 6.4 Reactor con control entrada-salida; a) diagrama de control, b) respuesta dinmica.
Apuntes: 543 703
75
y ( s) s 1
y( s) s + 1
= 2 y
= 2 ,
u( s )
s
u(s)
s
respectivamente. Lo que revela que el primer caso corresponde a un sistema mnimo de fase y el
segundo a uno no-mnimo de fase. Es decir, la localizacin de los ceros define la estabilidad de los
sistemas lineales. En sistemas no-lienales no se tiene el concepto de cero, pues stos son una propiedad
intrnseca de los sistemas lineales; sin embargo, se tiene el concepto de dinmica cero.
E.
Las Dinmicas Cero.
Def.: Se define dinmica cero a la dinmica interna de un sistema cuando la entrada es tal que la salida
es nula.
Por ejemplo, en el caso,
x1 = x 23 + u
,
x2 = u
y = x1
para tener y = 0, se debe tener x1 = 0, y por tanto su derivada, con lo que la entrada requerida es u = - x 23
con lo que la dinmica resultante, que en este caso se denomina dinmica cero, es x2 = x 23 que se
puede escribir como,
x 2 + x 23 = 0 ,
que es asintticamente estable. Similarmente, en el caso de que el modelo sea,

x1 = x 23 + u
x 2 = u ,
y = x1
la dinmica cero resulta ser,
x2 x 23 = 0 ,
que es inestable. Se puede observar que la dinmica cero es una propiedad de los sistemas que es
extendible a sistemas no-lineales. Se puede demostrar que en sistemas lineales los polos de la dinmica
cero son los ceros del sistema, por lo que si stos estn en el S.P.I. se garantiza que la dinmica cero es
La utilidad de estudiar dinmicas cero es por su extensin a las dinmicas internas. En sistemas lineales
la estabilidad de la dinmica cero implica la estabilidad global de la dinmica interna. En sistemas nolineales, esta relacin no es directa. Se adelanta que la estabilidad asinttica local de la dinmica cero
de sistemas no-lineales es suficiente para garantizar las estabilidad asinttica local de las dinmicas
internas.
En resumen la linealizacin entrada-salida se logra en tres pasos: a) derivar la salida hasta que la
entrada u aparece, b) obtener u de manera de eliminar las no-linealidades, y c) estudiar la estabilidad de
las dinmicas internas.
Apuntes: 543 703
76
6.2 Herramientas Matemticas.

Def.: Un mapeo f: D R , donde D R es un dominio, se dice un campo vectorial en D. Un campo
n
vectorial es un vector columna n-dimensional.

Def.: La transpuesta de un campo vectorial se dice un campo co-vectorial. Un campo co-vectorial es
una fila n-dimensional.

Def.: Si f es un campo vectorial y w un campo co-vectorial, entonces el producto punto <w, f> es
n
definido como <w, f> = w(x)f(x) =
w ( x) f ( x) .
i
i =1
Def.: Sea h: D R. El diferencial o gradiente de h es un campo co-vectorial, definido por,
dh = h =
h h
=
x x1
h
x 2
h
.
x n
Def.: Sea f: D R . La matriz Jacobiano del campo vectorial f esta definido por, f =
n
fi , j =
fi
.
x j
f
, con
x
Def.: Sea h: D R y f: D R . La derivada lie de h con respecto de f, que se denota por Lfh, es una
n
funcin escalar definida por, Lf h( x ) = hf =
h
f.
x
( Lf h )
f , por otro lado se tiene que L3f h = Lf Lf Lf h =
x
( L2f h )
( Lkf 1h )
Lf ( Lf ( Lf h )) = Lf ( L2f h ) =
f , por lo que en general, Lkf h = Lf Lkf 1h =
f , para k = 1, 2 ...
x
x
y con L0f h = h . Adems, Lg Lf h = ( Lf h )g .
Notar que, L2f h = Lf Lf h = Lf ( Lf h ) = ( Lf h )f =
Def.: Sean f y g dos campos vectoriales en R . Se define el parntesis lie de f y g al vector dado por
[ f , g ] = gf fg = ad f g .
Notar que, ad f0g = g , ad f g = [f , g ] , ad f2g = ad f ad f g = [f , ad f g ] , ad fk g = [f , ad fk 1g ] , para k = 1, 2,....
Apuntes: 543 703
77
x2
2
2
Ejemplo 6.3. Sean los campos f ( x ) =
, h( x ) = x1 + x 2 , y g =
sin( x1 ) x 2
x2
h
[f, g], y [g, f]. R.: Lf h = hf =
f = [2 x1 1]
=
sen(
x
)
x
x
1
2
0
x , determine
1
Lf h , L2f h , Lg h , L2g h ,
2 x1 x2 sen x1 x2 .
L2f h = Lf ( Lf h )
x2
h
[2 x 2 cos( x1 ) 2 x1 1]
= ( 2 x2 cos( x1 )) x2 + ( 2 x1 1)( sen( x1 ) x2 ) . Lg h = hg = x g = [2 x1 1]
sen(
x
)
x
1
2
x2
x2
0
0 0
= x 2 . [f , g ] = gf fg =
= x1 . L2g h = Lg ( Lg h ) = [1 0]
sen( x1 ) x 2
1
1 0 sen( x1 ) x2
0
1 0
cos( x ) 1 x
1
x1
= 1 . [g, f ] = fg gf = [f , g ] =
.
x1 + x2
x1 x 2
Algunas propiedades del parntesis lie son,

i)
ii)
iii)
iv)
Bilinealidad, [1f1 + 2f2 , g ] = 1[f1 , g ] + 2 [f2 , g ] , [f , 1g1 + 2g 2 ] = 1[f , g1 ] + 2 [f , g 2 ] .

Conmutatividad Skew, [f , g ] = [g, f ] .
Identidad de Jacobi, L[ f ,g ] h = Lf Lg h Lg Lf h .
Notar adems que si f y g son constantes, entonces [f, g] = 0.
Def.: Un mapeo z: D R , donde D R es un dominio, es un difeomorfismo en D si es invertible en

n
D (e.d., existe una funcin z-1 tal que z-1(z(x)) = x) para todo x D y ambas, z y z-1, son
continuamente diferenciables. Si la matriz Jacobiano z/x es no-singular en un punto xo D,
entonces hay una vecindad alrededor de xo tal que z en es un difeomorfismo. Una funcin z
es un difeomorfismo global si y solo si:
-
z
= z
x
es no singular x Rn, y
- z es propio; es decir, lim || z( x ) || = .

||x||
2 x1 + 5 x1 x 22
z 2 + 5 x 2 10 x1 x 2
Ejemplo 6.4. Determinar si z (x ) =
=
es un difeomorfismo. R.: Al tomar
se tiene
x 0
3 cos(x 2 )
3 sen (x 2 )
que su rango es 2 alrededor del origen por lo que es no-singular en ese entorno. Por lo tanto, z(x) es un difeomorfismo
alrededor del origen, faltara encontrar z -1(x).
Def.: Un set linealmente independientes de vectores de campo {f1,, f2, ..., fm} en D, donde D R es un
n
dominio, es integrable completamente si existen n - m funciones escalares h1(x), h2(x), ..., hn-m(x)
que satisfacen el sistema de ecuaciones diferenciales parciales
- hi f j = 0 , donde 1 i n - m, 1 j m, y
- los gradientes hi son linealmente independientes.
Def.: Un conjunto de vectores de campo linealmente independientes {f1,, f2, ..., fm} en D, donde D R
es un dominio, es involutivo si y solo si hay funciones escalares ijk: Rn R tal que,
Apuntes: 543 703
78
[fi , f j ] = ijk ( x )f k ( x ) , i, j tal que 1 i, j m

k =1
En otras palabras, s y solo s [fi, fj] es combinacin lineal del conjunto original.
Notar que:
i)
ii)
iii)
Vectores de campo constantes son involutivos, puesto que [fi, fj] es siempre cero y el 0 puede ser
siempre expresado como combinacin lineal del conjunto.
Un conjunto {f} de un nico vector de campo es involutivo dado que [fi, fj] = ff - ff = 0 y el 0
puede ser siempre expresado como combinacin lineal del conjunto.
Para verificar si un conjunto es involutivo, se verifica que rango{f1,, f2, ..., fm} = rango{f1,, f2, ...,
fm, [fi, fj]} i, j.
Teorema: Teorema de Frobenius. Sea {f1,, f2, ..., fm} un conjunto de campos vectoriales linealmente
independiente, el conjunto es completamente integrable s y solo s es involutivo.

Ejemplo 6.5. Determinar si las ecuaciones
h h
=0
x1 x2
h
h
h
x1
+ ( x32 3x 2 )
+ 2 x3
=0
x1
x 2
x3
4x3
4 x3
x1
tienen solucin. R.: En este caso se tiene el conjunto {f1,, f2 }, con f1 = 1 y f 2 = x 32 3x 2 y por tanto las ecuaciones
0
2 x 3
se pueden escribir como hi f j = 0 , donde 1 i n - m = 3 - 2 = 1, 1 j m = 2. Para ver si existe h (o el conjunto es
completamente integrable), se debe verificar si es involutivo. Para esto se calcula,
0 4 x 3 0 0 4 x1
1 0
f 2
f1
f1
f 2 = 0 3 2 x 3 1 0 0 0 x 32 3x 2
x
x
0
0
2 0 0 0 0 2 x 3
4 x 3 8 x 3 12 x 3
= 3 0 = 3 = 3 f 1 + 0 f 2
0 0 0
[f1 , f 2 ] =
por lo tanto [f1,, f2] es l.d. y por consiguiente {f1,, f2} es involutivo y finalmente las ecuaciones son solucionables.
6.3 Linealizacin de los Estados de Entrada.

Def.: Un sistema no-lineal (con una entrada) de la forma x = f(x) + g(x)u , con f(x) y g(x) vectores de
campo suaves en Rn, es linealizable en los estados de entrada si existe una regin en Rn, un
difeomorfismo z: Rn, y una ley de control no-lineal realimentada u = (x) + (x)v tal que las
nuevas variables de estado z = z(x) y la nueva entrada v satisfacen la relacin lineal invariante en
el tiempo z = Az + bv donde:
Apuntes: 543 703
79
0
0
A=
0
0
1 0
0 1
0 0
0 0
0
0
0
0

y b = .

1
0
1
0
El nuevo estado z se conoce como estado linealizante, y la ley de control u = (x) + (x)v se
conoce como ley de control linealizante.
La definicin se ajusta a la idea intuitiva de linealizacin; sin embargo, cmo encontrar el
difeomorfismo no est indicado. Esto se analiza a continuacin.
A.
Condiciones para la Linealizacin de los Estados de Entrada.
Teorema: El sistema no-lineal x = f(x) + g(x)u , con f(x) y g(x) vectores de campo suaves en R , es
n
linealizable en las variables de estado de entrada si y solo si existe una regin tal que se
cumplen las siguientes condiciones,
g} son linealmente independientes en .

g} es involutivo en .
- Los vectores de campo {g, adf g, ..., adf
- El conjunto {g, adf g, ..., adf
n-2
n-1
Nota: La primera condicin es equivalente a la condicin de controlabilidad en sistemas lineales, esto

dado que {g, adf g, ..., adf n-1 g} = {b, Ab, ..., An-1b} en sistemas lineales. La segunda condicin no
tiene equivalente directo en sistemas lineales.
B.
Metodologa para implementar la linealizacin.
Los pasos a seguir son:

i)
ii)
iii)
Construir el vector de campos {g, ad f g, ..., ad f n-1 g}.

Chequear que el conjunto es linealmente independiente y es involutivo.
Si ambas condiciones se cumplen, encontrar z1 de las ecuaciones:
z1ad fi g = 0, i = 0, ..., n 2
z1ad fn 1g 0
si la segunda ecuacin se hace igual a 1, ambas ecuaciones se pueden escribir como,
[ad f0 g ad f1g
z1 / x1 0
z / x 0
2

1
n 2
n 1
ad f g ad f g ]
= .

z1 / xn 1 0
z1 / x n 1
Apuntes: 543 703
iv)
80
Calcular la transformacin de estado z(x) = [z1 Lfz1 Lfn-1z1]T y la transformacin de entrada

como,
( x ) =
1
Lnf z1
, ( x ) =
.
n 1
Lg Lf z1
Lg Lnf 11
Ejemplo 6.6. Dado el sistema, x1 = a sen( x 2 ) , x2 = x12 + u , determine si es linealizable en las variables de entrada, en el
caso de serlo, determine la ley de control linealizante. R.: Este sistema de ecuaciones de segundo orden (n =2) se puede
a sen( x 2 )
0
escribir como x = f ( x ) + g ( x )u , donde los vectores de campo son f ( x ) =
y g( x ) = g = . Los pasos son: (1)
2
1
x1
a cos( x2 ) 0
0
el conjunto es {g, adf g}, por lo que se determina solamente adf g = ad f g = gf fg = fg =
1 =
0
2 x1

cos(
)
cos(
)
a
x
a
x
2
2
= 2, excepto para cos(x2) = 0, por lo que el

, (2) el rango del conjunto {g, adf g} es rango 1
0
0
0 a cos( x2 ) z1 / x1 0
z1
conjunto es l.i. y adems el conjunto {g} es siempre involutivo, (3)
z / x = 1 , de donde x = 0 y
1
0
2
1 2
z1
= 1 , por lo que z1 = x1 , es una solucin, (4) como z(x) = [z1 Lfz1]T, entonces se necesita Lfz1 que es Lfz1 = z1f =
x1
L2 z1
a sen( x 2 )
= a sen( x2 ) , por lo que z(x) = [x1 a sen( x2 ) ]T; adems, ( x ) = f
, por lo que se necesita L2f z1 =
[1 0]
x
L g L f z1
1
a sen( x 2 )
0
Lf ( Lf z1 ) = ( Lf z1 )f = [0 a cos( x 2 )]
= ax12 cos( x2 ) , y se necesita Lg Lf z1 = ( Lf z1 )g = [0 a cos( x 2 )]
2
1
x1
= a cos( x2 ) , con lo que ( x ) =
L2f z1
ax 2 cos( x2 )
1
1
=
= 1
= x12 y ( x ) =
. El diagrama resultante se
Lg Lf z1
a cos( x2 )
Lg Lf z1 a cos( x2 )
muestra en la Fig. 6.5.
Este ltimo ejemplo muestra en forma clara que se obtiene una linealizacin de los estados y que ahora
se est en condiciones de disear una ley de control lineal para lograr los objetivos de control final. Sin
embargo, debe destacarse que los objetivos se logran respecto del nuevo set de variables de estado z
que eventualmente no tienen significado fsico.
C.
Diseo de Controladores para Linealizacin de Estados de Entrada.
Notar que:
i)
El modelo equivalente es z = Az + bv , o escrito por componentes z1 = z2 , z2 = z3 , ..., zn 1 = zn ,
u = ( x ) + ( x )v
x = f ( x, u )
z = z(x )
Fig. 6.5 Linealizacin de estados de entrada del Ejemplo 6.6.
Apuntes: 543 703
81
zn = v , que es equivalente a z1 = v .
Solo hay una entrada que es v y slo hay una salida por controlar como mximo que es z1.
(n)
ii)
Por lo tanto se pueden dar dos casos, primero, si zd1 es la consigna para z1, entonces la entrada se puede
tomar como,
v = z dn1 + a n 1 ( z dn11 z1n 1 ) +
+ a1 ( z d 1 z1 ) + a0 ( z d 1 z1 ) ,
si se define el error zd1 - z1 = e1, se tiene que,

e1( n ) + an 1e1( n 1) +
+ a1e1 + a0 e1 = 0 ,
por lo que los coeficientes a0, ..., an-1 son escogidos para asegurar estabilidad exponencial de la
expresin anterior, con lo que se asegura que el error tiende a cero exponencialmente.
Un segundo caso corresponde al clsico diseo de un controlador de estados donde la entrada v se
escoge de manera de re-ubicar los polos del sistema, en este caso la entrada v queda como,
v = uex kz = uex k 0 z1 k1 z2
k n 1 zn ,
donde en un segundo paso se puede disear un controlador para lograr objetivos adicionales de control.
Por supuesto, un controlador de estados en conjunto con un controlador integrador tambin puede ser
utilizado.
6.4 Linealizacin de Entrada-Salida.

El sistema que se estudia es x = f ( x ) + g( x )u , y = h(x); donde se desea que y dependa linealmente de
una nueva entrada v. En particular se revisan tres aspectos: (a) cmo generar una relacin lineal
entrada-salida, (b) cules son las dinmicas internas y cero asociadas con la linealizacin, y (c) cmo
disear controladores estables a partir de los resultados de la linealizacin.
A.
Generacin de una Relacin Lineal de Entrada-Salida.
En general se deriva la salida y hasta que la entrada u aparezca en la salida. Luego se disea u de
manera de eliminar las no-linealidades. Sin embargo, esto no es siempre posible; especficamente,
cuando el sistema no tiene grado relativo bien definido.
Sistemas con grado relativo definido. El proceso de derivacin sucesiva comienza con derivar la
salida una vez, quedando,
y=
dy dh( x ) h( x )
=
=
x = h(f + gu ) = Lf h( x ) + Lg h( x )u ,
x
dt
dt
la entrada u esta presente si Lgh(x) 0, si es cero se deriva nuevamente.

y = L2f h( x ) + Lg Lf h( x )u ,
en donde la entrada u esta en la ecuacin si LgLfh(x) 0, si es cero se deriva una y otra vez hasta que
aparezca. Si se asume que despus de derivar r veces la salida, la entrada u aparece en la ecuacin de la
salida y, entonces se tiene que,
y ( r ) = Lrf h( x ) + Lg Lrf 1h( x )u ,
con Lg Lrf 1h( x ) 0 para algn x = xo en x, por lo que la ley de control u ser,
(6.3)
Apuntes: 543 703
82
u=
1
( Lrf h + v ) ,
r 1
Lg Lf h
lo que resulta en la relacin lineal y(r) = v. Ntese que r es el grado relativo del sistema y que si se llega
a que r = n entonces este procedimiento resulta ser el de linealizacin de estados.
Def.: El sistema definido por x = f ( x ) + g( x )u , y = h(x) tiene grado relativo r en una regin si x
se cumple que
- Lg Lif h( x ) = 0
con
r 1
- Lg Lf h( x ) 0 .
0 i < r 1, y
Sistemas con grado relativo no-definido. Se da cuando en la vecindad de x = xo el coeficiente

Lg Lrf 1h( x ) = 0.
x = ( x, x ) + u , estudie su grado relativo para y = x y para y = x2. R.: Al derivar la salida

se tiene que y = x , como la entrada no est presente, se deriva otra vez, y = x = ( x, x ) + u , por lo que r = 2. Para y =
x2 se deriva la salida y se tiene y = 2 xx , como la entrada no est presente, se deriva otra vez,
y = 2( x 2 + xx ) = 2 x 2 + 2 x (( x, x ) + u ) , por lo que si el origen es el punto a estudiar se tendra para la vecindad de
ste que y = 0 , por lo que no se puede definir para ese punto xo = 0 el grado relativo.
Ejemplo 6.7. Dado el sistema,
B.
Formas Normales.
Cuando el grado relativo esta definido (r < n) el sistema no-lineal x = f ( x ) + g( x )u , y = h(x) se puede
re-escribir usando y , y , ..., y ( r 1) como parte de un nuevo conjunto de variables de estado, llamado
forma normal. Sea = [1, 2, ..., r]T = [ y , y , ..., y ( r 1) ]T, por lo que en una vecindad de xo en el
sistema se puede representar por,
2
=
r
,
a ( ,) + b( ,)u
= w ( ,)
(6.4)
donde y = 1 y es una funcin a encontrar. En la forma normal, las variables i y j se conocen como
estados normales. Ntese que en la forma normal la expresin no contiene a la entrada u.
Para mostrar que el sistema no-lineal original puede ser transformado en la forma normal, debe existir
la transformacin para lo cual debe probarse que existe el difeomorfismo,
z( x ) = [1
nr ] ,
T
(6.5)
de manera que se cumple (6.4). Para mostrar que (6.5) es un difeomorfismo es suficiente mostrar que
su Jacobiano es invertible; es decir, que los gradientes i y j son l.i., lo cual se cumple si,
j ( x )g( x ) = Lg ( x ) j ( x ) = 0 .
Apuntes: 543 703
83
x1 + e 2 x2 u
x1
Ejemplo 6.8. Dado el sistema, x 2 = 2 x1 x 2 + sen ( x 2 ) + 1 / 2u , con y = h(x) = x3, determine su forma normal. R.: Al
x3
2 x2
derivar la salida dos veces se tiene que se tiene que y = x 3 = 2 x 2 , y = 2 x 2 = 4 x1 x 2 + 2 sen x 2 + u , por lo que r = 2 y por

tanto 1 = x3 y 2 = 2x2. Las funciones = [1]T = se obtiene de Lg =
x1
x 2
e 2 x2

1/ 2 =
x 3
0
2 x2 1
e +
= 0 , donde una solucin es = 1 + x1 e 2 x2 . As la transformacin z(x) = [1 r 1 n-r]T, queda
2 x 2
x1
0
0
z( x )
T
como z(x) = [1 2 ] y su Jacobiano como
= 0
2
x
2 x2
1 2e
x1 1 + + e
inversa es x 2 = 1 / 2 2
x 3
1
1
0
0
que es no-singular y por tanto la transformacin
. Finalmente, con este nuevo conjunto de coordenadas se tiene la forma normal como,
2
1
=
.
2
+
+
+
2
(
1
e
)
2
sen(
/
2
)
u
2
2
(1 e 2 )(1 + 2 2 e 2 ) 2 sen( 2 / 2)e 2
C.
Las Dinmicas Cero
Una vez realizada la linealizacin entrada/salida, quedan internamente n r dinmicas las cuales deben
comportarse apropiadamente para un desempeo total tolerable. El anlisis anterior muestra que las
dinmicas asociadas con
= w( ,) ,
(6.6)
de la forma normal corresponden a las dinmicas internas. En total son n - r ecuaciones y para su
anlisis se puede optar por analizar las dinmicas cero. stas corresponden a las dinmicas obtenidas de
hacer cero la salida y y todas sus derivadas, lo que corresponde equivalentemente a tener = 0 en la
ecuacin anterior. Para tener al sistema operando en dinmica cero, el estado inicial x(0) debe estar en
el espacio de soluciones (es decir, que se cumpla que (0) = 0) y la entrada u = ud0 debe ser tal que las
derivadas de y son cero o que y(r)(t) = 0, lo que equivale de (6.3) a tener la entrada ud0,
ud 0
Lrf h( x )
=
.
r 1
Lg Lf h( x )
(6.7)
Bajo estas condiciones se tiene el sistema resultante,

=0
(6.8)
= w (0,) .
(6.9)
= w (0,)
de donde la dinmica cero est dada por,
Apuntes: 543 703
84
1
,
2
Ejemplo 6.9. En el ejemplo anterior se tiene la forma normal 2 =
2
(
1
e
)
2
sen(
+
+
2 / 2) + u

(1 e 2 )(1 + 2 2 e 2 ) 2 sen( 2 / 2)e 2
estudie la dinmica cero. R.: La dinmica cero est dada por = (1 e 2 )(1 + 2 2 e 2 ) 2 sen( 2 / 2)e 2
1 = 2 = 0
lo que
resulta en = , que es estable.
Nota: Aquellos sistemas con dinmica cero estable se conocen como sistemas de fase mnima.
Def.: El sistema x = f ( x ) + g( x )u , y = h(x) es asintticamente mnimo de fase si su dinmica cero es
Adems, si el sistema es asintticamente estable para cualquier (0) se dice globalmente
asintticamente mnimo de fase; de otra manera se dice que es localmente asintticamente mnimo de
fase.
D.
Estabilizacin Asinttica Local.
Como resultado de la linealizacin se tiene que y(r) = v. Si se considera a v como

v = a 0 y a1 y a r 1 y ( r 1) ,
donde los coeficientes a0, a1, ..., ar-1, escogidos de manera que el polinomio sr + ar-1sr-1 + + a1s + a0
tenga sus races en el S.P.I. se obtiene una ley de entrada dada por,
u=
1
( Lrf y a r 1 y ( r 1)
Lg Lrf 1 y
a0 y ) .
(6.10)
La interrogante es si se puede asegurar la estabilidad de todo el sistema incluyendo las dinmicas

internas. Para esto se tiene el siguiente teorema.
Teorema: Asumir que el sistema x = f ( x ) + g( x )u , y = h(x) tiene grado relativo r y su dinmica cero
es localmente asintticamente estable. Escoger ai tal que el polinomio sr + ar-1sr-1 + + a1s

+ a0 tiene todas sus races estables, entonces la ley de control (6.10) asegura una estabilidad
asinttica local del sistema L.C..
Ejemplo 6.10. Dado el sistema x1 = x12 x 2 , x 2 = 3x 2 + u determine mediante linealizacin entrada-salida una ley para la
entrada u tal que el origen sea asintticamente estable. R.: Dado que la salida no est especificada, sta se considera como y
= -2x1 - x2 por lo que la derivada de y es y = 2 x1 x 2 = 2 x12 x 2 3 x 2 u , como la entrada est presente y la salida y ha
sido derivada una vez, entonces r = 1 y hay por tanto una dinmica interna. La dinmica cero es la obtenida al hacer y = 0
con lo que se obtiene -2x1 = x2 que al ser reemplazo en la primera ecuacin de estado (la que no depende de u) se obtiene la
dinmica cero como x1 = 2x13 , que es asintticamente estable, por lo que una ley de control como por ejemplo
u = 2 x12 x 2 4 x 2 2 x1 estabiliza localmente el sistema no-lineal en torno al origen. Ntese que la ley de control elimina
Apuntes: 543 703
85
la no-linealidad y adems agrega trminos de manera que la ecuacin resultante es y = x 2 + 2 x1 = y que es

E.
Seguimiento de Sistemas de Fase Mnima.
El procedimiento de diseo de v para lograr estabilidad asinttica puede ser extendido al problema de
control. Para esto se supone una salida deseada yd, por tanto el vector,
d = [ yd
yd
y d( r 1) ]T ,
es conocido, y adems se define el error como e(t ) = d (t ) (t ) . Ante este escenario se tiene el
siguiente teorema,
Teorema: Asumir que el sistema x = f ( x ) + g ( x )u , y = h(x) tiene grado relativo r, que d es suave y
acotada, y que la solucin d de la ecuacin d = w ( d ,d ) con d (0) = 0 , exista, sea

acotada y es uniformemente asintticamente estable. Escoger ai tal que el polinomio sr + arr-1
+ + a1s + a0 tenga races estrictamente estables. Entonces, al usar la ley de control,
1s
u=
1
{ Lrf 1 + y d( r ) + a r 1er +
Lg Lrf 11
+ a0 e0 } ,
el sistema completo permanece acotado y el error de seguimiento e(t) converge a cero

exponencialmente.
F.
Seguimiento de Sistemas de Fase No-mnima.
En este caso la ley de control no puede ser implementada puesto que las dinmicas internas son noacotadas y por tanto el sistema resultante no es implementable. En este caso se recurre a obtener leyes
de control que permitan generar errores de seguimiento pequeos pero que tengan dinmicas internas
estables. Para esta alternativa hay tres mtodos.
Re-definicin de la salida. En este caso se define una nueva salida y1 = h1(x) de manera que esta
definicin genera dinmicas cero estables. La definicin se realiza de manera que y1 sea
aproximadamente igual a y en el rango de frecuencias de inters. Para entender este caso se revisa el
caso lineal definido por la F. de T.,
y=
(1 s / b)n o ( s )
u,
d ( s)
donde no(s) y d(s) tienen races estables. Claramente la entrada no se puede definir para que la salida y
siga una referencia yd perfectamente, por la presencia del cero inestable (sistema de fase no-mnima)
que requerira una entrada inestable. Sin embargo, si se define una salida y1 como,
y1 =
no ( s)
u,
d ( s)
la entrada u se puede definir sin problemas para que la salida y1 siga en forma perfecta una referencia yd
por lo que se tiene que y1 = yd y por tanto la salida original est dada por y = (1 - s/b)y1 = (1 - s/b)yd por
lo que si la salida deseada yd cambia lentamente, se tiene que se logra un error de seguimiento pequeo.
Apuntes: 543 703
86
Derivar n veces la salida. En este caso se deriva la salida n veces sin importar si la entrada aparece en
el intertanto. Con esto se logra un grado relativo n y por tanto no hay dinmicas internas. Por supuesto,
esta aproximacin es buena si los trminos que acompaan a la entrada u son despreciables en los
pasos intermedios.
Re-definir la planta. Si los casos anteriores no permiten lograr resultados satisfactorios se puede
recurrir a cambios de la planta en estudio. Si bien esto parece drstico, puede estarse en presencia de un
sistema mal diseado y que por tanto se justifique un re-diseo. Por ejemplo, podra pensarse en un
avin sin alas en un primer intento lo que no permitira el diseo de una ley de control para
estabilizarlo.
6.5 Sistemas MIMO.

Los conceptos de linealizacin de estados, de entrada-salida, dinmica interna y dinmica cero pueden
ser extendidos a sistemas MIMO. Los sistemas a considerar son cuadrados es decir con igual nmero
de entradas p y salidas q y de la forma,
x = f ( x ) + G( x ) u ,
y = h(x)
donde G(x) es una matriz cuadrada de np ( nq) y h(x) es un campo vectorial Rn Rq.
A.
Linealizacin Mediante Realimentacin.
En este caso se deriva cada salida tantas veces hasta que alguna entrada aparece. Se asume que ri es el
entero ms pequeo que hace aparecer al menos una entrada en y i( ri ) , entonces,
p
yi( ri ) = Lrfi hi + Lg j Lrfi 1hi u j ,

j =1
con Lg j Lrfi 1hi 0 para al menos un j en una vecindad i del punto xo. La expresin anterior se repite
para cada salida y los resultados se pueden agrupar en forma matricial en,
y1( r1 ) Lrf1 h1
=
+ E( x )u ,
( rq )
rq
yq Lf hq
se define como la interseccin de los i y se asume que todos los grados relativos ri estn definidos,
entonces es una vecindad de xo. Finalmente, si E(x) es invertible, similarmente al caso SISO se
puede definir la entrada u como,
v1 Lrf1 h1
u = E1 ( x )
,
rq
vq Lf hq
lo que resulta en q ecuaciones del tipo,

yi( ri ) = vi ,
que corresponde a un sistema desacoplado por lo que la definicin anterior de la entrada se conoce
como ley de control desacopladora y la matriz E(x) como la matriz desacopladora. Si este es el caso, el
Apuntes: 543 703
87
sistema original x = f ( x ) + G( x )u , y = h(x) tiene grado relativo (r1, r2, ..., rp) en xo y el escalar r = r1 +
r2 + ... + rp se denomina el grado relativo total del sistema en xo.
Un caso importante es cuando r = n en cuyo caso se logra el equivalente a linealizacin de estados y
por tanto no hay dinmicas internas. La dinmica cero se puede definir tambin haciendo cero las
salidas y sus derivadas. El concepto de sistema de fase mnima es igualmente aplicable.
B.
Matriz Desacopladora No-Invertible.
En aquellos casos en que la matriz E(x) no es invertible se puede recurrir a dos caminos para lograr la
linealizacin en sistemas MIMO. Estas son mediante la re-definicin de las entradas y mediante la redefinicin de las salidas. En el primer caso se opta por tomar como nuevas entradas a las derivadas de
las entradas originales de manera que la matriz E(x) sea invertible, luego se genera la entrada al sistema
integrando la nueva entrada. En ambos casos se debe verificar la estabilidad de las dinmicas internas.
Apuntes: 543 703
88
Bibliografa.
R. Dorf, Modern Control Systems, Addison-Wesley Publishing Comp. 1995, 7th edition.
K. Furuta, A. Sano, and D. Atherton, State Variable Methods in Automatic ..., Wiley 1988.
T. Glad and L. Ljung, Control Theory, Multivariable and Nonlinear Me..., Taylor&Francis. 2000.
T. Kailath, Linear Systems, Prentice Hall 1980.
E. Kreyszig, Advanced Engineering Mathematics, John Wiley & Sons 1993, 7th edition.
B. Kuo, Sistemas de Control Automtico, Prentice-Hall 1996, 7ma edicin.
J. Maciejowsky, Multivariable Feedback Design, Addison-Wesley Publishing Comp. 1990.
M. Morari and E. Zafiriou, Robust Process Control, Prentice-Hall International, Inc. 1989.
K. Ogata, Ingeniera de Control Moderna, Prentice-Hall 1993, 2da edicin.
W. Rugh, Linear System Theory, Prentice-Hall. 1996, 2nd edition.
S. Skogestad and I. Postlethwaite, Multivaraible feedback control, Wiley 1996.
J.J. Slotine and W. Li *, Applied Nonlinear Control, Prentice Hall 1991.
A. Isidori *, Nonlinear Control Systems, Springer 1996.
H. Khalil *, Nonlinear Systems, Prentice Hall 1996.
M. Henson and D. Seborg *, Nonlinear Process Control, Prentice Hall 1997.
Los textos marcados con * estn exclusivamente referidos a sistemas no-lineales, siendo el primero
(Slotine) un texto gua para este curso.
Apuntes: 543 703
89
ndice Alfabtico.
A
asintticamente mnimo de fase.....................................84
ganancia programada.....................................................62
gradiente ........................................................................76
grado relativo...........................................................73, 82
grado relativo total.........................................................87
campo co-vectorial.........................................................76
campo vectorial..............................................................76
cannica controlable ......................................................69
caos ..................................................................................4
ciclo lmite ...................................................10, 15, 16, 21
comportamiento local ....................................................14
condicin de Lipschitz...................................................38
conjunto invariante ........................................................25
conjunto invariante global .............................................26
conjunto invariante local................................................25
controlador robusto........................................................30
criterio de Nyquist .........................................................49
D
definida
negativa.....................................................................23
positiva................................................................22, 34
semi-definida negativa ..............................................23
semi-definida positiva...............................................23
derivada lie ....................................................................76
difeomorfismo ...............................................................77
difeomorfismo global.....................................................77
dinmica cero...........................................................75, 83
dinmica interna ............................................................73
dominio de atraccin................................................24, 26
E
ejemplo
compensador ...............................................................6
estanque ......................................................................5
pndulo .......................................................................4
reactor .........................................................................5
estabilidad..........................................................18, 32, 34
estabilidad asinttica................................................18, 32
estabilidad asinttica global uniforme ...........................33
estabilidad asinttica uniforme ......................................33
estabilidad exponencial............................................19, 32
estabilidad global...............................................19, 24, 33
estabilidad local .............................................................23
estabilidad marginal.......................................................19
estabilidad uniforme ................................................33, 34
estabilidad uniforme asinttica ......................................34
estabilidad uniforme asinttica global ...........................35
estado linealizante..........................................................79
estados normales............................................................82
F
fase mnima....................................................................84
forma normal .................................................................82
funcin descriptora ..................................................43, 46
funciones de Lyapunov..................................................22
identidad de Jacobi ........................................................77

integrable completamente..............................................77
involutivo.......................................................................77
isoclinas .........................................................................13
L
lema de Barbalat ............................................................39

ley de control desacopladora .........................................86
ley de control linealizante..............................................79
linealizacin...................................................................19
M
matriz definida positiva .................................................27

matriz desacopladora .....................................................86
matriz Jacobiano ............................................................76
mnimo de fase ..............................................................75
N
no-mnimo de fase .........................................................75

P
parntesis lie ..................................................................76

peridica ........................................................................10
peridica aislada ............................................................10
plano de estados.............................................................10
plano de fase ..................................................................10
producto punto...............................................................76
punto
aislado .........................................................................8
equilibrio.....................................................................8
operacin.....................................................................8
singular .......................................................................8
R
regulador no-lineal.........................................................29
S
sistema autnomo ............................................................8

sistemas perturbados......................................................37
T
Teorema de Nyquist Extendido .....................................50

teorema de Silvester.......................................................27
transformacin de entrada..............................................70
transformacin de estados..............................................70
U
uniformemente continua ................................................40
Apuntes: 543 703
90
variable programadora...................................................62
velocidad de convergencia.............................................28

Linealizacion Avanzada

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Linealizacion Avanzada

Cargado por

Copyright:

Formatos disponibles

Universidad de Concepcin

Prof. Jos R. Espinoza C.

Apuntes: 543 703

INTRODUCCIN A LOS SISTEMAS NO-LINEALES. ...............................................................................1

FUNDAMENTOS DE LA TEORA DE LYAPUNOV. ................................................................................18

TEORA DE ESTABILIDAD AVANZADA. ............................................................................................32

ANLISIS UTILIZANDO FUNCIONES DESCRIPTORAS.........................................................................42

CONTROL REALIMENTADO. .............................................................................................................54

LINEALIZACIN EXACTA VA REALIMENTACIN. ...........................................................................68

Apuntes: 543 703

El curso "Introduccin al Anlisis de Sistemas No-lineales" es electivo de las carreras de Ingeniera

Dr. Jos R. Espinoza C.

Copyright por Prof. Jos R. Espinoza C.

+56 (41) 2203512

Apuntes: 543 703

: matriz de parmetros de dimensin nn.

: vector de n variables de estados, x = [x1 x2 xn]T

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

: k-sima variable de estado.

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

Introduccin a los Sistemas No-Lineales.

1.1 Conceptos bsicos.

Porqu estudiar sistemas no lineales?

Fig. 1.1 Respuestas en funcin del punto de operacin.

Apuntes: 543 703

Fig. 1.2 Estructura bsica de control adaptivo.

Manejar incertidumbres en el modelo. Normalmente se genera esta situacin al existir parmetros

Fig. 1.3 Topologa de un rectificador trifsico fuente de corriente.

Apuntes: 543 703

Representacin y tipo de no-linealidades.

Caractersticas de los sistemas lineales / no-lineales.

Los sistemas lineales tienen las siguientes caractersticas,

Tienen un nico punto de equilibrio si A es no singular.

Fig. 1.4 Tipos de no-linealidades.

Apuntes: 543 703

En cambio, los sistemas no-lineales tienen las siguientes caractersticas,

1.2 Ejemplos Clsicos de Sistemas No-Lineales

El modelo est dado por ml 2 = mgl sen kl 2 + T , Fig. 1.5(a). Si se define x1 = y x2 = ,

Apuntes: 543 703

x3 = [u + mlx42 sin( x2 ) mg sin( x2 ) cos( x2 )] /[ M + m(1 cos( x1 )) 2 ]

Estanque de rea variable.

Reactor continuo exotrmico.

Apuntes: 543 703

Compensador de Potencia Reactiva.

Apuntes: 543 703

entonces se tiene que la funcin y = h(x, u) es tambin no lineal.

1.3 Restricciones a los Sistemas a Estudiar

Existencia: tener a lo menos una solucin (continuidad de f).

Apuntes: 543 703

1.4 Definiciones y Propiedades Preliminares

sistema queda descrito por x = f (x ) .

Def.: Se define punto de equilibrio al vector xo = x(to) en el instante to si ste satisface:

+ b2 x1 x 2 . R.: Al determinar A(t o ) = f (xx1, t )

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 703

Apuntes: 543 703

Entre las propiedades de las soluciones se tiene,