Universidad Veracruzana

Facultad de Matematicas

Funciones de Lyapunov
y Algunas Aplicaciones

TESIS
que para aprobar la experiencia educativa

Experiencia Recepcional
correspondiente al plan de estudios
de la Licenciatura en Matem
aticas
P R E S E N T A:

Mario Alberto Yepez Rivera

DIRECTOR DE TESIS:
Dr. Evodio Mu
noz Aguirre.

Mayo del a
no 2013, Xalapa-Enrquez, Veracruz. Mexico

Despues de varios anos el final de una etapa mas de mi vida ha llegado, una
etapa que no fue facil de transitar, pero gracias a muchas personas hoy estoy
aqu, en primer lugar a mi madre Herminia Rivera Reyna, quien me ha brindado
la fortaleza para siempre salir adelante y me ha ensenado a nunca darme por
vencido; a mis hermanos: Margarita, Olivia, Flor, Rolando, Wilfrido y Carolina,
quienes siempre creyeron en m y me han brindado su apoyo incondicional; a mis
profesores, quienes me transmitieron los conocimientos; tambien a mis amigos,
esos que hacan todo divertido en la facultad, esos que en mi casa me alentaban a
superarme; tambien esos amigos que se han ido o pronto los dejare de ver, porque
han dejado una huella muy grande en m; y a Dios por haberme dado esta vida y
ponerme a tan maravillosas personas en el camino.


Indice
general
1. Introduccion

2. Teora de Estabilidad
2.1. Introduccion . . . . . . . . . . . . . . . . .
2.2. Conceptos Basicos de Sistemas Dinamicos .
2.2.1. Descripcion y Tipos de Sistemas . .
2.2.2. Puntos de Equilibrio . . . . . . . .
2.3. Definicion y Tipos de Estabilidad . . . . . .
2.4. Primer Metodo de Lyapunov . . . . . . . .
2.4.1. Sistemas Lineales . . . . . . . . . .
2.4.2. Sistemas no Lineales . . . . . . . .

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

4
4
4
4
6
6
9
9
14

3. Funciones de Lyapunov
3.1. Introduccion . . . . . . . . . . . . . . . . . . . . .
3.2. Definicion . . . . . . . . . . . . . . . . . . . . . .
3.3. Segundo Metodo de Lyapunov . . . . . . . . . . .
3.4. Metodos de busqueda de Funciones de Lyapunov .
3.4.1. Metodo de Krasovskii . . . . . . . . . . .
3.4.2. Metodo del Gradiente Variable . . . . . . .
3.4.3. Funcion de Lyapunov de Forma Cuadratica

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

18
18
19
19
22
22
24
27

4. Aplicaciones
4.1. Introduccion . . . . . . . . . . . . . .
4.2. Pendulo simple no amortiguado . . .
4.2.1. Modelo . . . . . . . . . . . .
4.2.2. Metodo de Krasovskii . . . .
4.2.3. Metodo del Gradiente Variable
4.2.4. Funcion de Lyapunov . . . . .

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

29
29
29
29
31
32
34

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

4.3. Controlador de Posicion Robotico . . . . . . . . . . . . . . . . . 34

4.3.1. Modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.3.2. Funcion de Lyapunov . . . . . . . . . . . . . . . . . . . . 37
5. Conclusiones

39

1
Introduccion
Antecedentes
Desde los orgenes de lo que conocemos como ciencia, el hombre ha tratado
de entender y explicar su entorno, pero se ha encontrado con un mundo cambiante,
donde todo esta en movimiento, y se ha propuesto comprender el como y el por
que de esos movimientos. Una forma de explicar este comportamiento es a traves de las Ecuaciones Diferenciales Ordinarias (EDOs), pero algunos fenomenos
requieren de un sistema de e stas. La teora de los sistemas dinamicos intenta entender procesos en movimiento, es decir cambios o variaciones de un objeto con
respecto al tiempo.
Se entiende por un sistema dinamico al sistema de ecuaciones diferenciales
ordinarias expresados como x = f (x), segun se puede ver en [5], [7], [8], [14],
[15], etc.
La estabilidad es una propiedad cualitativa de los sistemas dinamicos a la que
se le considera la mas importante de todas. Los conceptos de estabilidad e inestabilidad estan presentes en la vida cotidiana (bolsa de valores, estado de salud,
estructuras en construccion, etc.), por eso es necesario definir un concepto usado
con mucha frecuencia.
No fue sino hasta 1892 cuando Aleksandr Mijailovich Lyapunov (1857-1918)
formulo de manera precisa el concepto de estabilidad, dando origen a lo que hoy
se conoce como teora de estabilidad, enmarcada en el estudio de los sistemas de
Ecuaciones Diferenciales Ordinarias lineales y no lineales.
1


1. INTRODUCCION

Justificacion
Para sistemas lineales, existen resultados que nos indican de una manera facil
y sencilla si el sistema es estable y a que tipo de estabilidad nos referimos, e sto
forma parte de la teora de Lyapunov. Estos resultados no se pueden aplicar directamente a los sistemas no lineales, sin embargo en algunos casos se puede llegar
a conocer su comportamiento mediante sistemas linealizados asociados a e stos.
Pero en general no se puede obtener ninguna informacion del sistema no lineal.
En el analisis de Lyapunov se permite estudiar la estabilidad alrededor de un
punto de equilibrio de sistemas no lineales, por medio de una funcion a la que
se le llama funcion de Lyapunov. Una funcion de Lyapunov es una funcion

V : Rn R, tal que V(x) es definida positiva y V(x)

es definida negativa, ver
[6], [10], [11], [12], [13], etc.
La dificultad que guarda este tema es realmente la identificacion de estas funciones, ya que no es posible reconocerlas a simple vista, dado que no existe un
metodo sistematico que permita dar a conocer una funcion en sentido de Lyapunov, salvo en algunos casos muy especficos. Estas funciones son de gran utilidad en muchas ramas de la ciencia, en particular en las que se aplica la teora
de control, como por ejemplo aeronautica, robotica o procesos industriales, por
mencionar algunas.
Este trabajo se puede resumir de la siguiente manera:
En el segundo captulo se dan a conocer definiciones basicas de sistemas de
ecuaciones diferenciales ordinarias, as como sus propiedades, siendo la estabilidad una de las mas importantes, la cual se estudia alrededor de los puntos de
equilibrio del sistema.
El estudio de la estabilidad en los sistemas lineales es sencillo, esto, al analizar
las caractersticas de los eigenvalores y eigenvectores de la matriz asociada al sistema, pero en sistemas no lineales no se puede aplicar esta tecnica directamente,
para ello se procede a realizar una linealizacion y a partir del sistema linealizado
se puede hacer el estudio de la estabilidad.
En el tercer captulo se da a conocer que en algunos casos el sistema linealiza-


1. INTRODUCCION

do no provee la informacion deseada, para ello se puede utilizar las funciones de

Lyapunov, ya que e stas estudian la estabilidad a partir del sistema no lineal, pero
estas funciones son difciles de encontrar, ya que no existe un metodo que siempre
gue al hallazgo de una funcion de Lyapunov.
Algunos metodos que sirven para sistemas no lineales de bajo orden son el de
Krasovskii y el del Gradiente Variable, aunque no siempre son eficaces, incluso
se pueden auxiliar de la construccion de funciones de la forma cuadratica.
En el cuarto captulo se muestra el uso del analisis de Lyapunov en fenomenos
fsicos: el movimiento de un pendulo simple y el de un manipulador robotico, ambos tienen su complicacion de cierta manera.
El primer fenomeno se puede analizar mediante el metodo de Krasovskii y el
del gradiente variable, sin embargo con estos metodos no se puede obtener una
funcion de Lyapunov, as, se procede a utilizar una ecuacion muy utilizada en
fsica como funcion de Lyapunov: La ecuacion de la energa.
Para el segundo fenomeno es muy complicado obtener una funcion de Lyapunov por algunos de los metodos, dada la dimension del sistema asociado con el
fenomeno, pero para este caso tambien se puede utilizar la ecuacion de la energa,
aunque acoplada al fenomeno del manipulador.

Objetivos
OBJETIVO GENERAL:
Realizar un analisis de la estabilidad de sistemas dinamicos descritos por
Ecuaciones Diferenciales Ordinarias por medio de las funciones de Lyapunov, enfatizar su importancia a traves de algunos ejemplos de aplicaciones y mostrar algunos metodos que ayuden a encontrarlas.
OBJETIVOS PARTICULARES:
Realizar un estudio de las Funciones de Lyapunov.
Mostrar la importancia de las funciones de Lyapunov con algunos
ejemplos de aplicaciones.
Exponer algunos metodos para encontrar funciones de Lyapunov.

2
Teora de Estabilidad
2.1.

Introduccion

De acuerdo con los libros de ecuaciones diferenciales ordinarias, una ecuacion

diferencial ordinaria (EDO) suele representar el modelo matematico de un fenomeno
fsico, las ecuaciones pueden ser lineales o no lineales, en algunos casos los
fenomenos fsicos, qumicos, biologicos, etc. se modela como un sistema de e stas.
La solucion de un sistema de EDOs indica el comportamiento de e ste, de este
hecho se pueden estudiar algunas de sus propiedades importantes, tal es el caso
de la estabilidad, que se estudia a partir de los puntos de equilibrio.
En este captulo se exponen algunas definiciones y algunos resultados para estudiar la estabilidad local de sistemas lineales y no lineales.
El material que se presenta en e ste segundo captulo se puede encontrar en [2],
[7], [10], [12], [13], [15], etc.

2.2.

Conceptos Basicos de Sistemas Dinamicos

2.2.1.

Descripcion y Tipos de Sistemas

Un sistema de ecuaciones diferenciales ordinarias (SEDO) normal es un

conjunto de ecuaciones diferenciales ordinarias relacionadas entre si:
4

2. TEORIA DE ESTABILIDAD

x1 = f1 (t, x1 , x2 , ... , xn )
x2 = f2 (t, x1 , x2 , ... , xn )
..
.

(2.1)

xn = fn (t, x1 , x2 , ... , xn ),
donde los fi s son funciones reales de n + 1 variables, x1 , ... ,xn ,t R conocidas
como variables dependientes e independientes respectivamente.
Definicion 2.1 Una solucion del sistema (2.1) es una funcion vectorial x = x(t),
que satisface la igualdad, a e sta se le llama trayectoria del sistema o lnea de flujo.
Para una mejor notacion, se usaran vectores de la siguiente manera:

x1
x2
x = .. .
.

xn

Luego se tiene el sistema representado por una sola ecuacion

x = f (t, x)
donde

f1 (t, x1 , x2 , ... , xn )

..
f (t, x) =
.

fn (t, x1 , x2 , ... , xn )

(2.2)

Definicion 2.2 Se dice que el sistema (2.2) es autonomo si no contiene de manera

explcita a la variable t.
As, un sistema autonomo nos queda como:
x = f (x)

(2.3)

Definicion 2.3 Si cada una de las funciones f1 , . . . , fn de (2.3) es una funcion

lineal de las variables dependientes x1 , . . . , xn , entonces se dice que el sistema es
lineal; en caso contrario, es no lineal.

2. TEORIA DE ESTABILIDAD

La forma de representar un sistema autonomo lineal es

x = Ax

(2.4)

donde x R , A es una matriz nxn con entradas constantes y la derivada

dx1

dx dt.
x =
= . .
dt dx.
n

dt

Esta forma se utilizara cuando se estudie la estabilidad de dichos sistemas.

2.2.2.

Puntos de Equilibrio

Se puede tener el caso en que una trayectoria solo le corresponda un punto, a

este punto se le llama punto de equilibrio.
Definicion 2.4 Un punto x es un punto de equilibrio, si una vez que x(t) es igual
a x , lo sigue siendo para todo el tiempo futuro.
Esto significa que si el vector constante x es un punto de equilibrio, entonces
satisface
f (x ) = 0
(2.5)
As que los puntos de equilibrio pueden encontrarse resolviendo la ecuacion
algebraica (2.5).

2.3.

Definicion y Tipos de Estabilidad

Una de las propiedades mas importantes de los sistemas de EDO es la estabilidad, la cual, se puede estudiar de manera local o global, el primer caso se estudia
a partir de los puntos de equilibrio.
En este trabajo se estudiara la estabilidad para los sistemas autonomos. En este
caso, se tiene la siguiente definicion.

2. TEORIA DE ESTABILIDAD

Definicion 2.5 Se dice que un punto de equilibrio x es estable si, dado cualquier
> 0, existe > 0 tal que la solucion x = x(t) del sistema (2.2), que en t = 0
satisface
kx(0) x k <
existe y satisface
kx(t) x k <
para toda t 0

Figura 2.1: punto de equilibrio estable

Esto nos dice que las soluciones que inicien suficientemente cercanas a x permanecen cerca.

Definicion 2.6 Un punto de equilibrio es inestable, si no es estable.

Figura 2.2: punto de equilibrio inestable

2. TEORIA DE ESTABILIDAD

Definicion 2.7 Un punto de equilibrio x es asintoticamente estable si es estable

y si existe 0 , con 0 < 0 < , tal que si una solucion x = x(t) satisface
kx(0) x k < 0
entonces
lm x(t) = x .

Figura 2.3: punto de equilibrio asintoticamente estable

Por tanto las trayectorias que inician suficientemente cerca de x no solo deben
permanecer cerca, al final deben aproximarse a x cuando t .

2. TEORIA DE ESTABILIDAD

2.4.

Primer Metodo de Lyapunov

2.4.1.

Sistemas Lineales

Antes de comenzar con el estudio de la estabilidad de los sistemas no lineales,

se hara un breve estudio sobre la estabilidad de los sistemas lineales, para ello se
toma el caso mas sencillo, cuando A es una matriz 2x2 en la ecuacion (2.4).
Considere un sistema lineal de segundo orden con coeficientes constantes, este
sistema tiene la forma:
x = Ax.
Claramente x = 0 es un punto de equilibrio.
Para este sistema se buscan soluciones de la forma x = et . Sustituyendo en
la ecuacion anterior se tiene:
(A I) = 0.

(2.6)

De esto, es un eigenvalor y un eigenvector.

Los numeros 0 s son races de la ecuacion polinomial
det(A I) = 0

(2.7)

Los eigenvalores pueden determinarse a partir de (2.7).

El plano donde se encuentran ubicadas las soluciones se le llama plano fase y
al conjunto de trayectorias retrato fase.
Para analizar la estabilidad, debemos considerar diferentes casos, dependiendo de los eigenvalores de A. A continuacion se hace un esquema de los diferentes
retratos fase al variar las races del polinomio caracterstico.
Caso 1 : Eigenvalores reales y del mismo signo
Se tienen dos opciones:
i) Fuente (Eigenvalores positivos): Las trayectorias del sistema inician
cerca del origen y se alejan de e l en diferentes direcciones.

2. TEORIA DE ESTABILIDAD

10

Figura 2.4: fuente o repulsor (1 2 0)

ii) Sumidero (Eigenvalores negativos): Las trayectorias del sistema con

condicion inicial fuera del origen se acercan a e l en diferentes direcciones.

Figura 2.5: sumidero o atractor (1 2 0)

Caso 2 : Eigenvalores reales y de signo contrario

Nodo silla: Las trayectorias del sistema con condicion inicial fuera del origen se acercan un poco a e l y despues se alejan.

2. TEORIA DE ESTABILIDAD

11

Figura 2.6: nodo silla (1 > 0 > 2 )

Caso 3 : Eigenvalores complejos(12 = i)

Tenemos dos opciones:
i) Espirales (Eigenvalores con parte real diferente de cero):
a) Parte real negativa e imaginaria positiva: las trayectorias con condicion inicial fuera del origen se dirigen a e l girando en sentido horario.
b) Parte real e imaginaria positivas: las trayectorias surgen en un
punto cercano al origen y se alejan de e l girando en sentido horario.
c) Parte real e imaginaria negativas: las trayectorias condicion inicial
fuera del origen se dirigen a e l girando en sentido antihorario.
d) Parte real positiva e imaginaria negativa: las trayectorias surgen
en un punto cercano al origen y se alejan de e l girando en sentido
antihorario.

2. TEORIA DE ESTABILIDAD

12

(a)

(b)

(c)

(d)

Figura 2.7: Tipos de espirales de acuerdo a su parte real e imaginaria: a) <

0, > 0, b) > 0, > 0, c) < 0, < 0, d) > 0, < 0.
ii) Centro (Eigenvalores con parte real igual a cero): Las trayectorias
tienen forma elptica o circular, las cuales giran en sentido
a) antihorario, si la parte imaginaria es negativa.
b) horario, si la parte imaginaria es positiva.

(a)

(b)

Figura 2.8: Tipos de centros de acuerdo a su parte imaginaria: a) < 0, b) > 0.

Al reflexionar estos casos y analizar los retratos fase correspondientes se pueden

2. TEORIA DE ESTABILIDAD

13

hacer las siguientes observaciones:

a) Si los eigenvalores tienen parte real negativa, las trayectorias se aproximan
a x = 0 cuando t .
b) Si la parte real es cero, las trayectorias permanecen acotadas pero no se
aproximan a x = 0 cuando t .
c) Si los eigenvalores tienen parte real positiva, las trayectorias tienden al infinito cuando t .
De las definiciones de estabilidad y de estas observaciones podemos concluir con
la siguiente tabla:

Eigenvalores
1 2 > 0
1 2 < 0
1 < 0 < 2
12 = i; > 0
12 = i; < 0
12 = i

Tipo de punto de equilibrio

Estabilidad
Fuente
Inestable
Sumidero
Asintoticamente Estable
Nodo Silla
Inestable
Espiral (repulsor)
Inestable
Espiral (atractor)
Asintoticamente Estable
Centro
Estable

Se puede estudiar el caso de un sistema lineal n-dimensional y se cuenta con

un Teorema [2] que afirma lo siguiente
Teorema 2.1
* Cada solucion x = x(t) de (2.4) es estable si todos los eigenvalores de A tienen parte real negativa.
* Cada solucion x = x(t) de (2.4) es inestable si al menos un eigenvalor de A
tienen parte real positiva.

2. TEORIA DE ESTABILIDAD

14

* Supongase que todos los eigenvalores de A tienen parte real 0 y i =

i1 . . . l = il tienen parte real cero. Sea j = i j de multiplicidad k j , e sto
es que el polinomio caracterstico de A puede ser factorizado como
P() = ( i1 )k1 . . . ( il )kl q()
donde todos las races de q() tienen parte real negativa, entonces cada
solucion x = x(t) es estable si A tiene k j eigenvalores linealmente independientes para cada eigenvalor j = i j , de otra manera cada solucion x(t)
es inestable.

2.4.2.

Sistemas no Lineales

Un aspecto importante de los sistemas lineales es que el comportamiento de

sus soluciones cerca de un punto de equilibrio nos dice el comportamiento de las
soluciones en todo el plano, sin embargo, si se quiere analizar el comportamiento
local de los sistemas no lineales, no se puede hacer de una manera tan directa, ello
se hace mediante un proceso de linealizacion.
Algunos procesos de linealizacion nos pueden llevar a casos erroneos, como
el caso de tomar solo la parte lineal de cada ecuacion que compone el sistema, ya
que e sto no garantiza que el sistema linealizado se comporte de manera semejante
al original.
El analisis de la linealizacion se basa en un concepto del calculo, la aproximacion lineal de Taylor:
f n (a)
f 2 (a)
(x a)2 + . . . +
(x a)n
f (x) = f (a) + f(a)(x a) +
2!
n!
( 2
)
3
n
(a)
(a)
(a)
f
f
f
n2
2
= f (a) + f(a)(x a) + (x a)
+
(x a) + . . . +
(x a)
,
2!
3!
n!
el cual se puede escribir como: f (x) f (a) + f(a)(x a) + O((x a)2 ), donde
O((x a)2 ) representa el hecho de que si x esta muy cerca de a, la suma de los
terminos a partir del segundo es acotado por un multiplo de (x a)2 .
Supongase que se tiene un sistema autonomo bidimensional, no lineal, de la
forma
x1 = F(x1 , x2 )
,
(2.8)
x2 = G(x1 , x2 )

2. TEORIA DE ESTABILIDAD

15

que tiene como punto de equilibrio el origen (si el punto de equilibrio no es el

origen se puede hacer una traslacion a e l); es decir F(0, 0) = 0 y G(0, 0) = 0.
Para la funcion F(x1 , x2 ) la mejor aproximacion en torno al punto (a, b) la
proporciona el plano tangente dado por la formula de Taylor
F(x1 , x2 ) F(a, b) +
donde
(a, b).

F
(a, b)
x1

F
(a, b)
x2

F
F
(a, b)(x1 a) +
(a, b)(x2 b),
x1
x2

son las derivadas parciales de F evaluadas en el punto

Si se toma el punto (a, b) como (0, 0), se puede escribir (2.8) en la forma
x1 = F(0, 0) +

F
F
(0, 0)x1 +
(0, 0)x2 + f (x1 , x2 )
x1
x2

G
G
(0, 0)x1 +
(0, 0)x2 + g(x1 , x2 ).
x1
x2
Como el punto de equilibrio es (0, 0), se tiene que, F(0, 0) = G(0, 0) = 0,
entonces el sistema queda
x2 = G(0, 0) +

x1 = ax1 + bx2 + f (x1 , x2 )

x2 = cx1 + dx2 + g(x1 , x2 ),
donde
a=

F
G
G
F
(0, 0), b =
(0, 0), c =
yd=
(0, 0),
x1
x2
x1
x2

y se cumple que
lm

(x1 ,x2 )(0,0)

f (x1 , x2 )
g(x1 , x2 )
= lm
=0
q
q
(x1 ,x2 )(0,0)
2
2
2
2
x1 + x2
x1 + x2

La ecuacion anterior afirma que en las proximidades del origen f y g son

pequenos en comparacion con la distancia del punto (x, y) al origen.

2. TEORIA DE ESTABILIDAD

16

Con este hecho, el sistema asociado en torno al punto de equilibrio es:

x1 = ax1 + bx2
x2 = cx1 + dx2

(2.9)

!
a
b
o x = Ax con x = ( x1 , x2 )t , x = (x1 , x2 )t y A =
, esta u ltima igualdad
c d
es el Jacobiano del sistema no lineal evaluado en el origen, en general en un punto
de equilibrio.
De esta manera el comportamiento local del sistema no lineal, puede ser estudiado por medio de su sistema lineal asociado, del cual es mucho mas facil
estudiar la estabilidad.
Este proceso se puede generalizar para un sistema n-dimensional de manera
analoga y nos conduce al resultado que se conoce como primer metodo de Lyapunov o metodo indirecto de Lyapunov.
Teorema 2.2 (Primer Metodo de Lyapunov) Sea x = 0 un punto de equilibrio
del sistema autonomo no lineal x = f (x) donde f : E Rn es una funcion
continuamente diferenciable y E Rn es un entorno del origen.
Sea entonces:

f1 f1 f1
f1 

x1 x2 x3 x

n 
f2 f2 f2


f2
x1 x2 x3 xn 


f (x) 
f3 f3 f3
f3 

A=
= x1 x2 x3 xn 
x x =0 .
..
.. . .
. 
..
. .. 
.
.
fn fn fn

fn


x1
x2
x3
xn
x =0

i) El origen es asintoticamente estable, si todos los eigenvalores de A tienen

parte real negativa.
ii) El origen es inestable, si al menos un eigenvalor de A tiene parte real positiva.
Este teorema nos muestra el comportamiento local de los sistemas no lineales
alrededor de un punto de equilibrio que tenga valor propio con parte real distinta
de 0, pero se puede tener el caso de que el punto de equilibrio sea solamente

2. TEORIA DE ESTABILIDAD

17

estable, es decir un centro, entonces se procedera a estudiar la estabilidad en una

cierta region, para conocer el comportamiento en dicha region se necesitan otro
tipo de tecnicas, tal es el caso de las funciones de Lyapunov.

3
Funciones de Lyapunov
3.1.

Introduccion

Se ha analizado la estabilidad tanto de los sistemas lineales como de los no

lineales, para estos u ltimos se ha descrito el proceso de linealizacion, sin embargo, cuando el punto de equilibrio es un centro no se puede asegurar que tipo de
estabilidad se tiene, en estos casos se procede a estudiar la estabilidad de los sistemas no lineales en una region alrededor de este punto.
Una de las tecnicas para estudiar la estabilidad, es el uso de funciones de Lyapunov, pero e stas tienen cierta particularidad, no existe un metodo que garantice
que una funcion es de Lyapunov, ni algun metodo general para encontrarlas, mas
bien se requiere de habilidad para realizar su busqueda.
En este captulo se hablara acerca de estas funciones, as como de sus caractersticas para garantizar el tipo de estabilidad que tienen los sistemas, tambien se
daran algunos metodos para encontrar funciones candidatas a ser de Lyapunov.
Este material se encuentra en [2], [3], [4], [5], [7], [8], [10].

18

3. FUNCIONES DE LYAPUNOV

3.2.

19

Definicion

Sea V : D R un campo escalar continuamente diferenciable definido en un

dominio D Rn que contiene a x , entonces:
Definicion 3.1 :
V(x) es una funcion definida positiva si V(x ) = 0 y V(x) > 0 en D x .
V(x) es una funcion semidefinida positiva si V(x ) = 0 y V(x) 0 en D.
V(x) es una funcion definida negativa si V(x ) es definida positiva.
V(x) es una funcion semidefinida negativa si V(x ) es semidefinida positiva.

Definicion 3.2 Una funcion V(x) definida positiva con V(x)

semidefinida negati

va se le llama Funcion de Lyapunov para x ; si ademas se cumple que V(x)

es

definida negativa, se le llama Lyapunov estricta con relacion a x .

3.3.

Segundo Metodo de Lyapunov

Para estudiar la estabilidad de los sistemas no lineales en una determinada region a partir de las funciones de Lyapunov, se tiene el siguiente teorema, tambien
conocido como metodo directo de Lyapunov.

Teorema 3.1 (Segundo Metodo de Lyapunov) Si existe una funcion de Lyapunov

V(x) para el punto de equilibrio x del sistema (2.3), entonces x es estable.
Ademas , si esta funcion es Lyapunov estricta entonces el punto de equilibrio
es asintoticamente estable.
Demostracion:

3. FUNCIONES DE LYAPUNOV

20

Para el caso de un sistema bidimensional se tiene al sistema:

dx
dt
dy
dt

= F(x, t)
= G(x, t)

(3.1)

Sea c 0 una constante y V(x, y) = c la curva en el plano xy con V(0, 0) = 0.

Supongase que si 0 < c1 < c2 la curva V(x, y) = c1 esta dentro de v(x, y) = c2 .

Se sabe que V(x, y) es normal a la curva en c y apunta en direccion de V(x, y)

creciente, es decir V(x, y) crece hacia afuera del origen.
Se consideran las trayectorias x = (t), y = (t) del sistema y sea T (t) =

(t)i
+ (t) j la tangente en la trayectoria en cada punto.
Sea x1 = (t1 ), y1 = (t1 ) un punto de interseccion de la trayectoria y la curva
V(x, y) = c entonces:

y) = V x (x, y)(t
1 ) + Vy (x, y)(t1 ) = [V x (x, y)i + Vy (x, y) j] [(t
1 )i + (t1 ) j]
V(x,
= V(x, y) T (t1 ) = kV(x, y)kkT (t1 )k cos
y) es el producto escalar de V(x, y) y T (t), como V(x,
y) 0, se
De e sto V(x,
tiene que el coseno del a ngulo entre V(x, y) y T (t) tambien es menor o igual a

3. FUNCIONES DE LYAPUNOV

21

cero, entonces este a ngulo se encuentra en el intervalo [ 2 , 3

].
2
Por lo tanto el movimiento de la trayectoria es hacia adentro con respecto a c
o en el peor de los casos es tangente a la curva c.

Caso 1 Si la trayectoria se inicia dentro de la curva nunca podra salir de e sta. Se

puede tomar una bola de radio alrededor del origen y una curva con una
c suficientemente pequena para asegurar que la trayectoria no escapa de la
bola.

Por lo tanto el origen es un punto estable.

y) < 0 entonces las trayectorias siempre apuntan hacia adentro de
Caso 2 Si V(x,
), de esta
la curva, dado que el a ngulo se encuentra en el intervalo ( 2 , 3
2
manera la trayectoria no solo ira hacia dentro de la curva sino, ademas se
aproximara al origen.

Por lo tanto el origen es un punto de equilibrio asintoticamente estable.

3. FUNCIONES DE LYAPUNOV

22

3.4.

Metodos de busqueda de Funciones de Lyapunov

3.4.1.

Metodo de Krasovskii

Teorema 3.2 (Metodo de Krasovskii) Considere el sistema autonomo definido

en (2,2), con punto de equilibrio en el origen. Sea A(x) la matriz jacobiana del
sistema, es decir
f
A(x) =
x
Si la matriz F = A + AT es definida negativa en una vecindad , entonces el punto
de equilibrio en el origen es asintoticamente estable.
Una funcion de Lyapunov para este sistema es V(x) = f T (x) f (x)
Demostracion:
Primero se demostrara que si f (x) es definida negativa entonces la matriz jacobiana A(x) es invertible.
Se probara que si F es definida negativa, entonces f (x) , 0 para x , 0.
Supongase que A(x) no es invertible, es decir, que A(x) es singular, entonces
existe un vector y0 tal que A(x)y0 = 0.
Se multiplica F por la derecha con y0 y por la izquierda con yT0
yT0 Fy0 = yT0 (A + AT )y0 .
Como A + AT es una matriz simetrica, al efectuar la multiplicacion con yT0 y
y0 por la izquierda y por la derecha respectivamente, se tendra como resultado 2
veces la suma del escalar resultante de yT0 Ay0 , de esto se tiene que
yT0 Fy0 = 2yT0 Ay0 .
La singularidad de A implica que yT0 Ay0 = 0, esto es que yT0 Fy0 = 0, lo que
contradice que F sea una matriz definida negativa.
Como la matriz A es invertible y esta es el jacobiano de f (x), se puede garantizar que f (x) es u nicamente invertible, lo cual implica que el sistema tiene solo

3. FUNCIONES DE LYAPUNOV

23

un punto de equilibrio en , es decir que f (x) , 0 para x , 0.

Para mostrar que el origen es asintoticamente estable, se toma la funcion escalar V(x) = f T (x) f (x), que por construccion es definida positiva, dado que solo
se tienen sumas de funciones al cuadrado.
Se sabe que f = A f , entonces la derivada de V puede ser escrita como

V(x)
= f T f + fT f = f T A f + f T AT f = f T F f.
Como F es definida negativa se tiene que

V(x)
= f T F f < 0.
Esto es que V(x) es definida negativa.
Por lo tanto, de acuerdo al metodo directo de Lyapunov, el origen es asintoticamente estable.

Ejemplo
Considere el sistema no lineal
x1 = 6x1 + 2x2
x2 = 2x1 6x2 2x23 .
Se puede observar que el origen es un punto de equilibrio.
Como matriz jacobiana de este sistema se tiene
f
A=
=
x

6
2
2 6 6x22

y su transpuesta es la misma.
Se suman ambas matrices para obtener F
F=

12
4
4 12 12x22

3. FUNCIONES DE LYAPUNOV

24

Sea el vector (a, b)T R2

!
!
 12
4
a
a b
4 12 12x22
b

12a + 4b 4a 12b

12bx22

 a !
b

= 12a2 + 4ab + 4ab 12b2 12b2x22

= 12(a2 + b2 + b2 x22 ) + 8ab.
Solo falta comprobar que e ste resultado es menor que cero, se sabe que a2 +
b2 > 2ab y partir de e sto se tiene:
a2 + b2 + b2 x22 > 2ab + b2 x22 > 2ab a2 + b2 + b2 x22 > 2ab
3(a2 + b2 + b2 x22 ) > 6ab > 2ab 3(a2 + b2 + b2 x22 ) > 2ab
12(a2 + b2 + b2 x22 ) > 8ab 12(a2 + b2 + b2 x22 ) < 8ab
12(a2 + b2 + b2 x22 ) + 8ab < 0.
as, F es definida negativa, entonces una funcion de Lyapunov para el sistema
es:
V = (6x1 + 2x2 )2 + (2x1 6x2 2x23 )2 .
Por lo tanto el origen es asintoticamente estable.

3.4.2.

Metodo del Gradiente Variable

El metodo del gradiente variable es un camino formal para construir funciones

de Lyapunov, consiste en asumir una cierta forma para el gradiente de una funcion
de Lyapunov, y entonces encontrar la funcion de Lyapunov por la integracion del
gradiente. En sistemas de bajo orden, e ste metodo conduce a encontrar una funcion de Lyapunov, pero en sistemas de orden superior los calculos se vuelven muy
complicados.
La funcion escalar V(x) esta relaciona con su gradiente V por la integracion
Z x
V(x) =
Vdx
0

3. FUNCIONES DE LYAPUNOV
donde V =

V V
, ,
x1 x2

25

o
V T
, x
.
n

Con el fin de obtener una funcion u nica V del gradiente V, se procede a

obtener el jacobiano de e ste u ltimo

2 V
2V
2 V
2 V

2
x1 x
x
x
x
x
x
1
2
1
3
n

12
2
2
2
V
V
V

x2 x1
x2 x3
x2 xn
x2
2 V
2 V
2 V
2 V
x3 xn .
x3 x1 x3 x2
x32

.
..
..
..
...
..
.
.
.
2

V
2 V
2 V
2 V

xn x1
xn x2
xn x3
x2
n

Dado esto se puede ver que el jacobiano es una matriz simetrica, es decir
Vi V j
=
x j
xi
la i-esima componente Vi es solamente la derivada direccional

(3.2)
V
.
xi

Entonces para obtener una funcion gradiente u nica, e sta tiene que satisfacer la
condicion anterior.
Lo principal de este metodo es asumir una forma especfica para V, en lugar
de hacerlo para V.
Una manera simple es asumir que la funcion gradiente es de la forma
Vi =

n
X

ai j x j

(3.3)

j=1

donde los ai j son coeficientes por ser determinados.

Esto conduce al siguiente procedimiento para la busqueda de una funcion de
Lyapunov V.
Asumir que V esta dado por (3.3).

3. FUNCIONES DE LYAPUNOV

26

Resolver para los coeficientes ai j que satisfacen (3.2).

Restringir los coeficientes en (3.3) para que V sea semidefinida negativa (al
menos localmente).
Calcular V de la integral de V.
Verificar que V es definida positiva.

Ejemplo:
Considere el sistema no lineal
x1 = 2x1
x2 = 2x2 + 2x1 x22 .
Se puede observar que el origen es el punto de equilibrio.
Se asume que el gradiente de la funcion de Lyapunov esta dado por:
V1 = a11 x1 + a12 x2
V2 = a21 x1 + a22 x2 .
Se resuelven los coeficientes para que se satisfaga (3.2), para ello se toma:
a11 = a22 = 1; a12 = a21 = 0
quedando:
V1 = x1
V2 = x2
entonces:
V1 x1
=
x2
x2
V2 x2
=
x1
x1

3. FUNCIONES DE LYAPUNOV
de esto se satisface (3.2)

27

x1 x2
=
x2 x1

Ahora se procede a calcular V

V = V x = (V1 , V2 ) ( x1 , x2 ) = (x1 , x2 ) (2x x , 2x2 + 21 x22 )
= 2x12 2x22 + 2x1 x23 = 2x12 2x22 (1 + x1 x2 ).
Entonces V es definida negativa para (1 + x1 x2 ) > 0.
As, la funcion de Lyapunov es:
x12 x22 x12 + x22
+
=
.
V=
x1 dx1 +
x2 dx2 =
2
2
2
0
0
Por lo tanto el origen es asintoticamente estable para la region.
Z

3.4.3.

x1

x2

Funcion de Lyapunov de Forma Cuadratica

Teorema 3.3 La funcion

V(x, y) = ax2 + bxy + cy2
es definida positiva si y solo si
a > 0 y 4ac b2 > 0,
y es definida negativa si y solo si
a < 0 y 4ac b2 > 0.
Ejemplo:
Considere el sistema no lineal
x = x3 + xy2
y = 2x2 y y3 .
Se puede observar que el origen es el punto de equilibrio.
Supongase V como una funcion cuadratica:
V(x, y) = ax2 + bxy + cy2

3. FUNCIONES DE LYAPUNOV

28

cuya derivada es
y) = V x x + Vy y = (2ax + bx) x + (by + 2cy)y
V(x,
= (2ax + bx)(x3 + xy2 ) + (by + 2cy)(2x2 y y3 )
= 2ax4 + 2ax2 y2 bx4 + bx2 y2 2bx2 y2 by4 4cx2 y2 2cy4
= (2a + b)x4 + (2a b 4c)x2 y2 (b + 2c)y4
Para que V sea definida positiva a > 0 y 4ac b2 > 0. Ahora, si se toma b = 0
se tiene que c > 0 y
V = 2ax4 (4c 2a)x2 y2 2cy4
solo falta hallar los valores de a y c para que V 0 < 0, esto se cumple para
4c 2a > 0
4c > 2a
2c > a,
entonces se toma a = 1 y c = 1.
As, la funcion de Lyapunov para el sistema es
V = x2 + y2
y el origen es asintoticamente estable.

4
Aplicaciones
4.1.

Introduccion

Un campo muy amplio en el que puede ser de mucha utilidad el analisis

de Lyapunov es en cuestiones fsicas, ya sea desde aplicaciones simples de la
mecanica o complejas en el caso de la robotica. En algunos fenomenos no es facil
obtener la funcion de Lyapunov, ya que el sistema asociado al fenomeno puede
ser demasiado complejo, sin embargo, suelen utilizarse los metodos mostrados en
este trabajo o usar una busqueda mediante ensayo y error.
En este captulo se trataran dos fenomenos que ejemplifican lo dicho anteriormente, el primero de ellos el movimiento de un pendulo simple y el segundo es
el movimiento de un manipulador robotico. Se vera que, para ambos fenomenos,
puede ser de utilidad la misma ecuacion aunque adecuada para cada caso.
El material se puede hallar en [1], [4], [9], [16].

4.2.

Pendulo simple no amortiguado

4.2.1.

Modelo

Considerese una partcula de masa m que esta suspendida de un punto fijo O

mediante un cable de longitud L cuya masa es despreciable.

29

4. APLICACIONES

30

La siguiente figura muestra el esquema de fuerzas que intervienen en el pendulo despues de desplazar la partcula de la posicion de equilibrio hasta que el cable
forme un a ngulo con la vertical (C), despues se deja caer y, por el efecto de la
gravedad se forma un movimiento oscilatorio.

En la figura el a ngulo es el a ngulo que indica la posicion del pendulo, A y

A0 delimitan la amplitud maxima del pendulo, de esto el diagrama de fuerzas para
una posicion queda expresado de la forma siguiente:

De acuerdo a los datos de la figura y la segunda ley de Newton, la ecuacion

que representa el movimiento de la partcula es
mat = mg sin

4. APLICACIONES

31

siendo at la aceleracion tangencial, el segundo termino de la ecuacion es negati si se sustituye en la

vo ya que se opone al movimiento. Por otro lado at = L,
ecuacion e sta queda expresada como
mL = mg sin .
Si se toma u = y se reordenan los terminos, la ecuacion queda expresada
como
g
u + sin u = 0.
L

Se escribe la ecuacion como un sistema de ecuaciones de primer orden, donde

x1 = u
x1 = x2
x2 = Lg sin x1
con punto de equilibrio en (0, 0).
Para estudiar la estabilidad del sistema se procedera a buscar una funcion de
Lyapunov con los metodos estudiados en el captulo anterior.

4.2.2.

Metodo de Krasovskii

Considere el sistema
x1 = x2
x2 = Lg sin x1 .
Se obtiene la matriz A =

f
:
x

A=

!
0
1
,
Lg cos x1 0

A =

0 Lg cos x1
1
0

y por consiguiente
T

!
.

4. APLICACIONES

32

Ahora F = A + AT ,
F=

0
1 Lg cos x1
1 Lg cos x1
0

!
.

A continuacion se verifica si F es definida negativa.

Sea xT = (a b) R2 , luego
x Ax =
T

a b

bg
L

0
1 Lg cos x1
1 Lg cos x1
0
cos x1 a

ag
L

a
b

 a !
cos x1
b

abg
abg
cos x1 + ab
cos x1
L
L


2abg
g
= 2ab
cos x1 = 2ab 1 cos x1 .
L
L
Para que F sea definida negativa, se tiene que cumplir


g
2ab 1 cos x1 < 0
L
= ab

para cualquier (a, b)T R2 .

Esto no siempre se cumple, dado que el valor de cos x1 oscila entre 1 y 1 y
el de ab no tiene un signo definido debido a que a y b pueden ser tanto positivos
como negativos.
Por lo tanto, el metodo de Krasovskii no puede ser aplicado a este sistema.

4.2.3.

Metodo del Gradiente Variable

Considere el sistema
x1 = x2
x2 = Lg sin x1 .

4. APLICACIONES

33

De acuerdo al analisis hecho en el ejemplo de e ste metodo, es conveniente tomar

V = (x1 , x2 ).
As,


g
x2 g
V = V x = (x1 , x2 ) x2 , sin x1 = x1 x2
sin x1
L
L


g
= x2 x1 sin x1 .
L
Para que V sea una funcion de Lyapunov se tiene que cumplir que


g

V = x2 x1 sin x1 < 0.
L
Como se puede apreciar en las siguientes graficas la region que cumple con
e sto son dos cuadrantes que no contienen a los ejes y por lo tanto la region no
contiene al punto de equilibrio.

(a)

(b)



Figura 4.1: Grafica de x2 x1 Lg sin x1 : a) vista frontal, b) vista superior.
Por lo tanto, el metodo no puede ser aplicado al sistema.

4. APLICACIONES

4.2.4.

34

Funcion de Lyapunov

Dado que los metodos estudiados no conducen a una funcion de Lyapunov

para el sistema del pendulo, se procedera de una manera diferente.
Para ello se sabe que Lg sin u es la fuerza de restauracion y u es la velocidad del
pendulo, as, la energa potencial en el desplazamiento u del equilibrio es
Z
g u
g
sin d = (1 cos u)
L 0
L
y su energa cinetica es 21 (u)2 , entonces la energa total es
1 2 g
(u) + (1 cos u).
2
L

Se tomara a la energa total como una funcion de Lyapunov

1
g
V(x1 , x2 ) = (x2 )2 + (1 cos x1 ),
2
L
esta funcion es definida positiva, dado que el termino 1 cos x1 esta acotado por
0 y 2 y el otro termino es cuadratico.
Solo falta ver el comportamiento de V
 


1 , x2 ) = V(x1 , x2 ) (x1 , x2 ) = g sin x1 , x2 x2 , g sin x1
V(x
L
L
g
g
= x2 sin x1 x2 sin x1 = 0
L
L
Entonces V es semidefinida negativa y V es una funcion de Lyapunov.
Por lo tanto el sistema es estable en el origen.

4.3.

Controlador de Posicion Robotico

Una tarea fundamental en aplicaciones roboticas es un manipulador robotico

para transferir objetos de un punto a otro.

4. APLICACIONES

35

El sistema mecanico esta compuesto por diversas articulaciones, normalmente

se distingue entre el brazo y la parte terminal, que puede ser pinzas u otros dispositivos para tareas especficas. El brazo consiste en un numero de articulaciones
conectadas por enlaces de rotacion o traslacion.
El aumento en el numero de articulaciones proporciona mayor maniobrabilidad, pero dificulta el problema de control. Los ingenieros han utilizado tecnicas
para el control de brazos roboticos, pero no haba ninguna justificacion teorica
para la estabilidad de estas u ltimas, debido a que la dinamica de un robot es altamente no lineal, [1], [9].

4.3.1.

Modelo

Un robot articulado puede describirse definiendo cuatro magnitudes asociadas

a cada articulacion. Una de estas magnitudes es la variable de la articulacion y las
restantes son parametros fijos para cada robot.
As, la variable de una articulacion i de rotacion se representara mediante
el a ngulo i y la de la prismatica mediante el desplazamiento di . Los otros dos
parametros de la articulacion son la distancia L entre el eje de la articulacion i 1
y el eje de la articulacion i, y el a ngulo i1 entre estos dos ejes.
El movimiento de un manipulador robotico se puede modelar mediante la
ecuacion de Lagrange:
#
"

d
L L=
dt q
q
donde el Lagrangiano (L) esta dado por la diferencia de energas, cinetica y potencial
L = Ec E p .

En el caso de un manipulador con una articulacion, la energa cinetica esta dada por
1
1
2 = 1 mL2 2
Ec = mv2t = m(L)
2
2
2

4. APLICACIONES

36

donde la inercia puede ser representada por mL2 = I, y la energa potencial es

E p = mgh = mg sin
luego
1
L = Ec E p = mL2 2 mg sin
2
se realizan las operaciones
L
= mg cos

L
= mL2

" #
d L
= mL2
dt
y al sustituir se tiene
= mL2 + mgL cos .

Al generalizar el caso de un manipulador con n articulaciones y tomar q =

se tiene
= Dq + H + g
(4.1)
donde
q Vector de coordenadas articulares.
Vector de fuerzas en cada articulacion.
D(q) Matriz de inercias, de dimension (nxn), cuyos elementos son funcion de
q.
H(q, q)
Matriz (nx1) de fuerzas coriolis, dependientes de q y q.

Se considera un controlador simple compuesto de un termino P.D. y un termino de compensacion de gravedad.

= KD q KP q + g
donde KD y KP son matrices constantes nxn definidas positivas.

(4.2)

4. APLICACIONES

4.3.2.

37

Funcion de Lyapunov

Resulta muy tedioso utilizar ensayo y error para hallar una funcion de Lyapunov para el sistema dado por 4.1 y 4.2. Sin embargo, una funcion de Lyapunov
puede ser encontrada de manera satisfactoria para tales sistemas roboticos complejos.
Desde puntos de vista fsicos se puede encontrar una funcion de Lyapunov
adecuada para el sistema:
1. Se puede ver que la matriz de inercias (D) es definida positiva para algun q,

ya que tomar velocidades negativas no tiene sentido para este fenomeno, solo se
pueden tomar valores positivos o nulos.
2. El termino P.D. de control se puede interpretar como una combinacion de amortiguadores y resortes (pendulo).
Esto sugiere que la funcion de Lyapunov puede ser
1
V = [q T Dq + qT KP q]
2
donde el primer termino representa la energa cinetica y el segundo la energa potencial artificial del sistema.
La ecuacion V es definida positiva puesto que las matrices D y K p tambien lo
son.
Para el calculo de la derivada se procedera por separado.
En el caso de la energa cinetica se puede usar un teorema de la energa en
mecanica, el cual establece que la velocidad de cambio de la energa cinetica
es igual a la potencia proporcionada por las fuerzas externas, de esta manera la
derivada puede ser expresada como
E c = q T ( g).

Para la energa potencial se procedera de manera normal:

1
E p = [qT KP q]
2

4. APLICACIONES

38

1
E p = [q T KP q + qT KP q]

2
pero q T KP q = qT KP q dado que KP es una matriz cuadrada, de esta manera la
derivada es
1
E p = [2q T KP q] = q T KP q.
2

Por lo tanto
V = q T ( g) + q T KP q.

Al sustituir la ecuacion (4.2) en la ecuacion anterior se tiene

V = q T (KD q KP q + g g) + q T KP q
= q T KD q qK
P q + q T KP q
= q T KD q
De esta manera V es definida negativa dado que KD es definida positiva y
q no puede ser negativo ni tampoco cero puesto que alguna articulacion esta en
movimiento.
La funcion V es una funcion de Lyapunov para el sistema (4.1-4.2), pero el
analisis no se hizo en un u nico punto de equilibrio, sino que fue de forma general.
Por lo tanto se dice que el sistema es globalmente asintoticamente estable.

5
Conclusiones
Despues de realizar el analisis de sistemas dinamicos no lineales mediante el
uso de las funciones de Lyapunov, se observa que, se requiere de una gran habilidad para la obtencion de una funcion de Lyapunov, ya sea por medio de los
metodos estudiados en este trabajo (o por otros) o por inspeccion del sistema, ya
que e ste u ltimo depende de la naturaleza del fenomeno y de sus caractersticas
fsicas.
Se mostro el uso de la ecuacion de la energa como funcion de Lyapunov
en los fenomenos del pendulo y un manipulador robotico, aunque adecuando la
funcion para cada aplicacion, e sto permite ver como gracias a conocimientos del
fenomeno se puede llegar a una funcion de Lyapunov sin necesidad de hacer muchos calculos y, en el caso del pendulo, se observo como los metodos estudiados
no siempre llevan a encontrar una.
En el trabajo se ha mostrado en general el uso de las funciones de Lyapunov,
aunque fueron poco los ejemplos utilizados. Sin embargo, el tema es muy amplio
y existen diversas aplicaciones para estas.
El trabajo es una introduccion a un tema que no se aborda en alguna experiencia educativa oblgatoria de mi plan de estudios, as se puede ver como trabajo
a futuro desarrollar funciones para sistemas mas especializados, no solo sistemas
fsicos, sino tambien en ciencias en las que se pueda utilizar.

39

Bibliografa
[1] Barrientos, Antonio; Penin, Luis F.;Belaguer, Carlos; Aracil, Rafael; Fundamentos de Robotica. Segunda edicion,Mc Graw Hill, Madrid, 2007.
[2] Braun, Martin; Differential Equations and Their Aplications. Cuarta edicion,
Springer, New York, 1993.
[3] Brauner, F; Noher, J. A.; The Qualitative Theory of Ordinary Differential
Equarions. W.A. Benjamin, New York, 1996.
[4] E. Slotine, Jean Jacques; Applied Nonlinear Control. Primera Edicion, Prentice Hall, New Jersey, 1991.
[5] Edward Beltrami; Mathematics for Dynamic Modeling. Segunda Edicion,
Academic Press, USA, 1998.
[6] Henry Ricardo; Ecuaciones Diferenciales: Una Introduccion Moderna.
Primera Edicion, Reverte, Espana, 2008.
[7] Lawrence Perko; Differential Equations and Dynamical System. Tercera edicion, Springer, New York, 2001.
[8] Morris W. Hirsch, Stephen Smale, Robert L. Devaney; Differential Equations, Dynamical Systems & An Introduction to Chaos. Segunda edicion,
Elsevier, USA, 2004.
[9] Ollero Baturone, Anibal; Robotica, Manipuladores y Robots moviles.
Primera Edicion, Alfaomega-Marcombo, Mexico, 2007.
[10] William E. Boyce, Richard C. DiPrima;Ecuaciones diferenciales y problemas con valores en la frontera. Cuarta edicion,Limusa, Mexico, DF, 2007.

40

BIBLIOGRAFIA

41

[11] Yuri A. Kuznetsov; Elements of Applied Bifurcation Theory. Tercera edicion,

Springer-Verlag, New York, 2004.
[12] http://www.cds.caltech.edu/murray/courses/primer-f01/mls-lyap.pdf
(6/may/2013)
[13] http://www.dynamics.unam.edu/DinamicaNoLineal/CursosNotas/Estabilidad.pdf
(6/may/2013)
[14] http://www.fceia.unr.edu.ar/control/snl/Apunte.pdf (6/may/2013).
[15] http://www.fceia.unr.edu.ar/dsf/files/A EstSNL.PDF (6/may/2013)
[16] http://dctrl.fi-b.unam.mx/rafael/clases/dinamica/LagrangeKellyChap3Oct09.pdf
(6/may/2013)