Indice

1. Introducci
on a los sistemas no lineales
1.1. Conceptos b
asicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.1. SIMNON . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.2. Sistemas lineales de primer orden . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.3. Sistemas lineales de segundo orden . . . . . . . . . . . . . . . . . . . . . . . .
1.1.4. Definiciones de especificaciones de respuesta transitoria . . . . . . . . . . . .
1.1.5. Descomposici
on de funciones de transferencia . . . . . . . . . . . . . . . . . .
1.2. An
alisis y dise
no de sistemas no lineales . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.1. Comportamiento de sistemas no lineales . . . . . . . . . . . . . . . . . . . . .
1.3. An
alisis con el plano de fase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4. Sistemas no lineales de segundo orden . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4.1. Comportamiento de sistemas no lineales alrededor de los puntos singulares o
de equilibrio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4.2. An
alisis de las trayectorias de sistemas de segundo orden en las cercanas de
los puntos singulares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4.3. Ciclos lmites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

47
51

2. Fundamentos de la teora de Lyapunov

2.1. Preliminares matem
aticas . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.1. Simbologa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.2. Vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.3. Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.4. Valores propios, caractersticos o Eigenvalores . . . . . . . . . . . .
2.1.5. Norma espectral . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2. Puntos fijos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.1. Teorema de contracci
on de mapas . . . . . . . . . . . . . . . . . .
2.3. Estabilidad en el sentido de Lyapunov . . . . . . . . . . . . . . . . . . . .
2.3.1. Conceptos b
asicos de la teora de Lyapunov . . . . . . . . . . . . .
2.3.2. Comentarios relacionados con los conceptos de estabilidad . . . . .
2.3.3. Definici
on de funciones . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.4. Teoremas de estabilidad . . . . . . . . . . . . . . . . . . . . . . . .
2.3.5. An
alisis de estabilidad de sistemas lineales invariantes en el tiempo

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

58
58
58
58
60
64
66
67
69
70
71
77
77
81
85

3. Teora de estabilidad avanzada

3.1. Teorema de Krasovskii . . . . . . . . . .
3.1.1. Prueba de una funcion candidata
3.2. Caso de estudio: Pendulo . . . . . . . .
3.2.1. Pendulo simple . . . . . . . . . .
3.2.2. An
alisis de estabilidad . . . . . .
3.2.3. Pendulo con fricci
on viscosa . . .

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

87
87
88
89
90
92
92

4. Control Realimentado
4.0.4. Objetivo de regulaci
on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.0.5. Objetivo de seguimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

94
94
97

. . . . . . . .
de Lyapunov
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

7
7
12
14
17
26
27
31
31
32
46
46

5. Pasividad
99
5.1. Definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
5.2. Sistema pasivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
5.3. Funci
on descriptiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101

Indice de figuras
1.

Gr
afica de Plano de Fase que se ver
a m
as adelante . . . . . . . . . . . . . . . . . . .

13

Indice de cuadros

Control No Lineal

Descripci
on de la materia
Aportaci
on al perfil del egresado
1. Reconocer
a el comportamiento din
amico no lineal en sistemas reales
2. Analizar
a los sistemas no lineales
3. Aprender
a tecnicas de dise
no

Objetivos
1. Analizar el comporamiento din
amico de sistemas no lineales reales
2. Tecnicas de simulaci
on de controladores anal
ogicos y digitales
3. Analizar la estabilidad de dichos sistemas
4. Metodologa de dise
no de controladores de sistemas no lineales

Temario
1. Introducci
on a los sistemas no lineales
a) Concepto b
asico de control no lineal
b) Ejemplos de sistemas no lineales
c) An
alisis en el plano de fase
d) Sistemas no lineales de segundo orden
1)
2)
3)
4)

Comportamiento cualitativo
M
ultiples puntos de equilibrio
Comportamiento cualitativo del entorno de puntos de equilibrio
Ciclos lmites

2. Fundamentos de la teora de Lyapunov

a) Puntos de equilibrio
b) Concepto de estabilidad
c) Linealizaci
on y estabilidad local
d) Metodo directo de Lyapunov
5

e) Teoremas sobre puntos de equilibrio

f ) An
alisis de sistemas basados en el metodo directo de Lyapunov
3. Teora de estabilidad avanzada
a) Conceptos b
asicos
b) Conceptos de estabilidad para sistemas no aut
onomos
c) An
alisis de sistemas no aut
onomos
d) An
alisis utilizando el lema de Barbalat
e) Sistemas lineales positivos
f ) Sistemas pasivos
4. Control realimentado
a) El problema de control
b) Estabilizaci
on y seguimiento
c) Dise
no va linealizaci
on
d) Utilizaci
on de observadores
e) Realimentaci
on de estados con y sin integradores
f ) Ganancia programada
5. Linealizaci
on exacta va realimentaci
on
a) Conceptos b
asicos
b) Herramientas matem
aticas
c) Estabilizaci
on y seguimiento basado en la linealizaci
on exacta
d) Linealizaci
on de estados
e) Linealizaci
on de entrada-salida
6. An
alisis usando funciones descriptivas
a) Fundamentos del metodo
b) No linealidades comunes
c) An
alisis usando la funci
on descriptiva
d) Criterio de Nyquist
e) Existencia y estabilidad de ciclos lmites
f ) Confiabilidad del an
alisis

Aprendizajes requeridos
1. Ecuaciones diferenciales
2. An
alisis transitorio
3. Espacio de estados
4. Sistemas de control
6

Sugerencias did
acticas
1. B
usqueda de informaci
on
2. Dise
nar pr
acticas o simulaciones
3. Simuladores para la soluci
on de problemas
4. Soluci
on de problemas individualmente o en grupos
5. Trabajo final pr
actico

Evaluaci
on
Participaci
on en clase Puntos extra
Tareas y ejercicios (simulaciones) 45 %
Exposici
on de temas Puntos extras
Asistencia 15 %
Ex
amenes escritos 40 %
Desempe
no integral del alumno Puntos extras

Bibliografa
1. Khalil H. Non-linear systems. 3rd. Edition. Prentice Hall.
2. Slotine JJ, Li W. Applied non-linear control. Prentice Hall.
3. Shankar Sastry. Non-linear systems. Springer.
4. Kelly R, Santiba
nez V. Control de movimiento de robots manipuladores. Pearson.

Software
1. SIMNON
2. Matlab / Simulink

1.
1.1.

Introducci
on a los sistemas no lineales
Conceptos b
asicos

Repaso de sistemas lineales.

Para un sistema de control lineal todas las relaciones entre las variables son ecuaciones diferenciales
lineales con coeficientes constantes. La raz
on de que las ecuaciones sean diferenciales, en lugar de
ser ecuaciones algebraicas, es que los sistemas realimentados son funciones de variables que varan
en el tiempo.
Muchos sistemas din
amicos, ya sean mec
anicos, electricos, termicos, hidr
aulicos, econ
omicos, biol
ogicos; pueden ser caracterizados por leyes fsicas que gobiernan ese sistema en particular; por ejemplo,
las leyes de Newton para sistemas mec
anicos, las leyes de Kirchoff para sistemas electricos, entre
otras.
7

Modelo matem
atico.
Es la descripci
on matem
atica de las caractersticas din
amicas de un sistema.
Sistemas lineales.
Son aquellos en los que las ecuaciones del modelo son lineales.
Una ecuaci
on diferencial es lineal si los coeficientes son constantes o funciones u
nicamente de la variable independiente. Una propiedad importante de los sistemas lineales es que se les puede aplicar el
principio de superposici
on, el cual establece que la respuesta producida por la aplicaci
on simult
anea
de dos funciones excitadoras distintas es la suma de las dos respuestas individuales.
Sistemas invariantes en el tiempo.
Son aquellos que tienen coeficientes constantes (como un motor).
Sistemas variantes en el tiempo.
Son aquellos que tienen coeficientes variantes en el tiempo (como un vehculo espacial en el que vara
la gravedad y masa).
Ejemplos de ecuaciones lineales.
y = mx + b
dx(t)
dt = ax

Algebraica (donde m y b son constantes)

Diferencial (donde a es constante)

Ejemplo de ecuaciones diferenciales no lineales:

 2
d2 x
dx
+
+x =
dt2
dt
d2 x
dx
+ [x2 1]
+x =
dt2
dt
d2 x dx
+
+ x + x3 =
dt2
dt

A sen(t)
0
0

Sistemas no lineales. Son representados por ecuaciones no lineales. Una ecuaci

on diferencial
no lineal, recibe este nombre al no cumplir con una linealidad (tiene elementos no lineales en su
estructura).
y = sen(x)
y = x2

Trascendental
Algebraica

Muchos sistemas fsicos modelados linealmente, son en realidad sistemas no lineales en los cuales
se ha despreciado o ignorado sus elementos no lineales. Ejemplo:

Saturaci
on. Saturaciones existentes en motores,
v
alvulas, amplificadores, entre otros.

Zona muerta.

Alinealidad por potencias.

Funciones de transferencia para sistemas lineales.
La FDT para un sistema lineal invariante en el tiempo est
a definido como la relaci
on de la transformada de Laplace de la salida (funci
on respuesta) a la transformada de Laplace de la entrada
(funci
on entrada); bajo la suposici
on de que todas las condiciones iniciales son cero. Ejemplos:
Sistema mec
anico de traslaci
on
Sea un sistema compuesto por masa, resorte y amortiguador. Donde amortiguador es un dispositivo que provee fricci
on viscosa o amortiguamiento. Este dispositivo consiste en un pist
on
y un cilindro relleno de aceite. Cualquier movimiento relativo entre el eje del pist
on y el cilindro, encuentra una resistencia producida por el aceite, debido a que este debe fluir alrededor
del pist
on o atraves de orificios provistos por el pist
on. El amortiguador esencialmente absorbe/disipa energa, no almacena ni energa cinetica ni potencial. La fuerza de fricci
on viscosa
es proporcional a la velocidad.

K = constante de rigidez del resorte ( N

m)
m = masa (Kg)
N
b = coeficiente de fricci
on viscosa ( m/s
)
F = fuerza externa (N ) (entrada)
y = desplazamiento (m) (salida)

La ecuaci
on diferencial del sistema (basado en la ley de Newton)
f = fm + fb + fk
dy
d2 y
f = m 2 + b + ky
dt
dt

Este
es un sistema lineal, porque la ecuaci
on diferencial tiene coeficientes constantes.
Pasaremos este modelo al dominio de la variable compleja de Laplace, con condiciones iniciales
igual a cero:


d2 y
L m 2 = m(s2 y(s) sy(0) y(0))
dt


dy
= b(sy(s) y(0))
L b
dt
L {ky} = ky(s)
y(s)
1
G(s) =
=
f(s)
ms2 + bs + k
Circuito RLC
Seg
un la ley de Kirchoff:
eo (t)

z Z }| {
di(t)
1
ei (t) = L
+ Ri(t) +
i(t)dt
dt
C
Aplicando la transformada de Laplace, obtendremos la siguiente funci
on de transferencia
10

(FDT):


di(t)
L L
=
dt
ei (s)

eo (s)

L [si(s) i(0)]
eo (s)

z
1
Lsi(s) + Ri(s) +
C
11
i(s)
Cs

}| {
1
i(s)
s

Entrada = ei (s)
Salida = eo (s)
i(s)
LCs eo (s) + RCseo (s) + eo (s)
eo (s)
G(s) =
ei (s)
2

= Cseo (s)
= ei (s)
=

LCs2

1
+ RCs + 1

L = inductancia (H)
R = resistencia ()
C = capacitancia (F)
ei = voltaje de entrada (V)
eo = voltaje de salida (V)

Estudiando un caso particular en que L = 0 y Ei = 1 tenemos:

1
eo (s)
=
G(s) =
ei (s)
RCs + 1


1
1
RC
L
Eo (s) =
1 )
s(s + RC
1

eo (t) = 1 e RC t

Donde hemos usado una entrada escal

on.
Dado que R y C son valores conocidos, puedes obtener la respuesta en cualquier tiempo que
EN SISTEMAS NO LINEALES.
se sustituya. ESTO NO ES COMUN

11

1.1.1.

SIMNON

SIMNON es un programa de simulaci

on de sistemas no lineales, es u
til para obtener un entendimiento b
asico de los sistemas din
amicos. Se debe de estar familiarizado con los terminos Variables de estado, Variables de entrada y Variables de salida.
Para sistemas continuos, se tiene la siguiente forma generica, conocida como ecuaci
on diferencial:

dx
= f(x, u, t)
dt
Donde: u entrada, y salida, x estado

y = g(x, u, t)

En el programa, el sistema se especifica como: CONTINUOUS SYSTEM

Para sistemas discretos, se tiene la siguiente forma generica, conocida como ecuaci
on de diferencias:
)
x(tk+1 ) = f(x(tk ), u(tk ), tk )
Donde: tk : k={1,2,3. . .} tiempo de muestreo, x variable de estado
y(tk ) = g(x(tk ), u(tk ), tk )
En el programa, el sistema se especifica como: DISCRETE SYSTEM
Tambien se puede trabajar con sistemas m
as complejos, como interconexi
on de subsistemas, ya
sean continuos o discretos. En este caso se debe declarar como CONNECTING SYSTEM.
El comando de operaci
on SIMU tiene algunas variantes:
SIMU 0 20 Simular
a el sistema de 0 a 20 segundos
SIMU Repite la simulaci
on anterior
SIMU? Entrega los valores actuales de la simulaci
on.
Ejemplo: OSCILADOR DE VAN DER POL
Este oscilador se representa con la siguiente ecuaci
on diferencial:
d2 y
dy
+ a[y2 b]
+y = 0
dt
dt

12

Para correr este ejemplo en SIMNON, debemos expresar la ecuaci

on en variables de estado:
y + a[y2 b]y + y = 0

x1 = y

x1 = y = x2

x2 = y

x2 = y = a[b x21 ]x2 x1

El codigo en SIMNON para el sistema ser

a:
CONTINUOUS SYSTEM VDPOL
STATE X1 X2
DER DX1 DX2
DX1=X2
DX2=A*X2*(B-X1*X1)-X1
A:1
B:1
END
Mientras que el c
odigo para la simulaci
on es:
SYST VDPOL
AXES H -5 5 V -6 6
PLOT X1 X2
en este momento aparece la gr
afica
INIT X1:1
por default las condiciones iniciales son cero
SIMU 0 20
en este momento aparece el resultado de la simulaci
on
PAR B:2
cambia el valor del par
ametro B
SIMU
DISP
muestra los valores actuales de los estados
Para grabar una MACRO hacemos lo siguiente:

MACRO MVDPOL
SYST VDPOL
AXES H -5 5 V -6 6
PLOT X2(X1)
FOR i=-4 TO 4 STEP 2
INIT X2[VDPOL]:i
FOR j=-4 TO 4 STEP 0.2
INIT X1[VDPOL]:j
SIMU 0 7
NEXT j
NEXT i
END

13

Figura 1: Gr
afica de Plano de Fase que se ver
a m
as
adelante

1.1.2.

Sistemas lineales de primer orden

Recordando algunas propiedades logartmicas: 

ln( xy ) = ln(y) ln(x)

ln(exp) = 1
x
ln(exp) = x

ln(expln(x) ) = ln(x)
porque
ln(x) ln(exp) = ln(x)

ln(expx ) = x

ln(xy) = ln(x) + ln(y)

expln(x) = x

ln(xy ) = y ln(x)

Homogenea
x = ax

Ecuaci
on diferencial lineal escalar:

No homogenea
x = ax + bu

Soluci
on a la ecuaci
on diferencial homogenea: (por separaci
on de variables)
dx
= adt
x

x(t)

x(0)

dx
=a
x

x(t)
ln( x(0 )

exp

x(t)

dt ln x|x(0) = at|t0 ln x(t) ln x(0) = at ln

= expat

x(t)
= expat x(t) = eat x(0)
x(0

En un sistema lineal podemos obtener regularmente

la expresi
on analtica de su respuesta transitoria. En
contraste, en los sistemas no lineales, no es posible
encontrar una expresi
on analtica cerrada de su respuesta Otra caracterstica de sistemas lineales invariantes en el tiempo es que la respuesta temporal
a la derivada temporal de la entrada del sistema lineal se puede obtener derivando la salida del sistema
obtenido con la entrada original. Los sistemas lineales variantes en el tiempo y los sistemas no lineales
no poseen esta caracterstica.

Ejemplo de un sistema de primer orden

F DT

1
1
1
C(s)
= Ts 1 =
= T
R(s)
Ts + 1
1 + Ts
s+

1
T

14

x(t)
= at
x(0)

1. Respuesta al impulso unitario [(t)]

Algunas propiedades de la transformada de Laplace:
L {af(t)}
= af(s)
n
o
L 1

1
s+a

= expat

(
1; t = 0
r(t) =
0; t 6= 0

C(s) =

c(t) =

1
T

s+

R(s) = 1

L 1

1
T

1 c(t) =

1 1t
e T
T

1 1t
e T
T

2. Respuesta al escal
on unitario
(
1; t 0
r(t) =
0; t < 0

C(s) =

R(s) =

1
T

s+

1
T

1
A
B
+
=
1
s
s
s+ T

A=
B=
C(s) =

1
1

s s+

L 1

1
T

1
s

1
T

|s= T1 = 1
1
T

s+

|
1 s=0
T

=1
1

c(t) = 1 e T t

15

c(t) = 1 e T t

3. Respuesta a la rampa unitaria

r(t) =

 1
d
T
ds s +

1
T

C(s)

B1


1 2 
s 
s2
s=0
B2

=
=
=

C(s)

1
T

s+

1
T

1
T
|
1
s2 s= T

t; t 0
0; t < 0

R(s) =

1
s2

A
B2
1
B1
=
+ 2 +
s2
s
s
s + T1
=T

1
T

|s=0 = 1
s + T1






d
A 2 
d B2 2 
d B1 2 
s 
+
s 
+
s 
ds s + T1
ds s2
ds s
s=0
s=0
s=0
 1

h 1 i

d
d
1
T
T
s2 
=
|s=0 = T
ds s + T1 s2
ds s + T1
s=0






d


s + T1 2s s2 ds
s + T1 
d
d


B
B
A
+
+
s
= B2


1
2 
2

ds
ds
s + T1
s=0
s=0
s=0
T
1
T L 1
1
c(t) = T e T t + t T
1 + s2 s
s+ T

Derivadas
dv
v du
d u
dx u dx
dx v =
v2
Comprobar la relaci
on de las salidas derivando las entradas:


d
r(t) = 1 Escal
on
dt

r(t) = t Rampa
16

c(t) = T e T t + t T

Si derivamos con respecto al tiempo la respuesta del sistema a la rampa obtenemos la respuesta al
escalon unitario:
 

1
1
1
d  1t
T e T + t T = T
e T t + 1 = 1 e T t
dt
T

d
u(t) = (t) Impulso
dt

u(t) = 1 Escal
on

Si derivamos con respecto al tiempo la respuesta del sistema al escal

on obtenemos la respuesta al
impulso unitario:


d
1 
1
1
1
1
1 e T t =
e T t = e T t
dt
T
T
1.1.3.

Sistemas lineales de segundo orden

Modelo de un servomecanismo que utiliza un motor de cd

r =referencia de posici
on angular
ia
Ra
La

=corriente de armadura
=resistencia armadura
=inductancia armadura
=posici
on del eje del motor

=par ejercido por el motor

c =posici
on a la salida del tren de engranajes,
posici
on rotacional de la carga
k1 =ganancia del amplificador
ei =se
nal de error = r c
Modelo el
ectrico

17

Donde:

dia
+ ia Ra + fcm
dt
dia
d
k1 ei = La
+ ia Ra + k3
dt
dt
Modelo mec
anico
k1 ei = La

d
dt
k3 = constante de la fcm

fcm = fuerza contraelectromotriz = k3

Donde:
Jo = momento de inercia del motor,
engranes y carga referido al eje del motor
fo = coeficiente de fricci
on viscosa

d2
d
+ fo
=
dt
dt
d2
d
Jo
+ fo
= k2 ia
dt
dt
Jo

K2 = constante del par

d2
Jo
= fuerza para acelerar el cuerpo
dt
d
fo
= fuerza para vencer fricci
on
dt
De los dos modelos, obtenemos ahora la funci
on de transferencia:
1. Obtener L {} con condiciones iniciales iguales a cero de los dos modelos:
La sIa (s) + RaIa (s) + K3 s(s) = K1 ei (s)

(1)

Jo s (s) + fo s(s) = K2 ia (s)

2. La idea es obtener

(s)
E(s) ,

(2)

por lo que hay que despejar Ia (s) de 1 y sustituirla en 2:

Ia (s)[La s + Ra ] + K3 s(s) = K1 E(s)

K1 E(s) K3 s(s)
Ia (s) =
La s + Ra
h K E(s) K s(s) i
1
3
Jo s2 (s) + fo s(s) = K2
La s + Ra
 2

Jo s (s) + fo s(s) (La s + Ra) = K1 K2 E(s) K2 K3 s(s)


(s) (Jo s2 + fo s)(La s + Ra ) + K2 K3 s = K1 K2 E(s)
(s)
K1 K2
=
E(s)
s(Jo s + fo )(La s + Ra) + K2 K3 s

3. Se supone que la relaci

on de engranajes es tal que C(s) = n(s), donde n es la relaci
on de
engranajes. Y como E(s) = R(s) C(s), donde R(s) es la referencia de posici
on y C(s) es la
posici
on a la salida del tren de engranajes.
El diagrama a bloques del sistema en lazo cerrado del servomecanismo de posici
on resulta:
4. Como se puede observar, resulta un sistema de tercer orden, pero, debido a que regularmente
el valor de la inductancia es peque
no, se despreciar
a:
K K n

1 2
C(s)
K1 K2 n
K1 K2 n
Ra
i=
h
= h
=
2 +R f s+K K s
E(s)
R
J
s
2
a
o
a
o
2
3
s Ra(Jo s + fo ) + K2 K3
Jo s + fo +

18

K2 K3
Ra

5. Definimos ahora:
J=
f =

K2 K3
Ra
n2

fo +

K=

Jo
Momento de inercia referido al eje de salida
n2
coeficiente de fricci
on viscosa referido al eje de salida

K1 K2
ganancia equivalente referido al eje de salida
nRa

De tal manera que la FDT podr

a ser expresada como:

C(s)
K
K
=
=
2
E(s)
Js + fs
s(Js + f)

subamor

6. La FDT del sistema en lazo cerrado es:

K

C(s)
K
K
s(Js+f)
=
=
=
K
R(s)
s(Js + f) + K
Js2 + fs + K
1 + s(Js+f)
Es conveniente para el an
alisis temporal de los sistemas de segundo orden, expresar la FDT
de lazo cerrado en la siguiente forma:
C(s)
n2
= 2
R(s)
s + 2n s + n2
Donde n es la frecuencia natural no amortiguada y es el factor de amortiguamiento. Estos

19

valores se encuentran igualando las dos ecuaciones:

K
C(s)
J
=
R(s)
s2 + Jf +

n2
K
s2 + 2n s + n2
J
r
K
K
2
n =
n =
J
J
=

2n =
=

(3)

(4)

f
J

f 1
f 1
q
=
J 2n
J2 K
J

Para obtener la respuesta transitoria, obtendremos las races caractersticas del sistema de segundo orden:

s1,2 =

2n

s1,2

s2 + 2n s + n2 = 0
2

(2n ) 4n2

1
= n
2

4(n ) 4n2
p
p
1
= n 2n 2 1 = n n (1)(1 2 )
2
p
s1,2 = n jn 1 2
2

Por tanto se puede expresar la FDT de la siguiente manera:

C(s)
n2
p
p
=
R(s)
(s + n jn 1 2 )(s + n + jn 1 2 )

(5)

Estudiaremos cuatro casos dependiendo del valor del factor de amortiguamiento:

1. 0 < < 1
Los polos son complejos conjugados y est
an colocados en el semiplano izquierdo de s. Se dice que el
sistema es subamortiguado y la respuesta transitoria presentar
a varias oscilaciones ante una entrada
escalon.

Respuesta transitoria ante una entrada escal

on
Para 0 < < 1
La ecuaci
on (5) puede ser expresada como:
C(s)
n2
=
R(s)
(s + n jd )(s + n + jd )
20

(6)

2. = 1
En este caso se dice que el sistema tiene amortiguamiento crtico. Los polos son reales e iguales
(s= s2 = n )

3. > 1
Se dice que el sistema es sobreamortiguado, es
decir, no presenta oscilaciones ante una entrada escal
on.

4. = 0
La respuesta ante una entrada escal
on oscilar
a permanentemente, cuya frecuencia ser
a n . Se le conoce
como sistema no amortiguado.
s2 = n2

s1,2 = jn

Donde d es la frecuencia natural amortiguada y se expresa como: d = n

Para el caso de un escal
on unitario (R(s) = s1 ) tenemos pues:
C(s) =

n2
1

(s + n jd )(s + n + jd ) s

Recurrimos a la tecnica de fracciones parciales:

C(s) =

3
1 s + 2
+
(s + n jd )(s + n + jd )
s

21

p
1 2.

Donde 1 , 2 , 3 son constantes por calcular.

C(s)



n2
1
(s + n jd )(s + n + jd )
(s + n jd )(s + n + jd ) s
s=n jd


1 s + 2
(s + n jd )(s + n + jd )
(s + n jd )(s + n + jd )

=
=

s=n jd

=0

}|
{ 
z
3
(s + n jd ) (s + n + jd ) 
s
s=n jd



1 s + 2 

+

n2 
s s=n jd
n2

n jd

s=n jd

(n jd )1 + 2

Multiplicar por el complejo conjugado para igualar las partes real e imaginaria:
n2
n jd
n3 + jn2 d

=
n jd n jd
2 n2 + d2
jn2 d
n3
+
= (n 1 + 2 ) jd 1
2 n2 + d2
2 n2 + d2
Igualar los coeficientes de la parte real e imaginaria y encontrar los valores de las tres constantes:
n3
2 n2 + d2

= n 1 + 2

n2 d
2 n2 + d2

= d 1

Por tanto:

jn2 d
= jd 1
2 n2 + d2

n2
n2
=

= 1
2 n2 + d2
2 n2 + n2 (1 2 )

n3
n3
n3
n =
n = 2n
2 + n (1) = 2 2
2
2
+ d
n + n (1 )
n2


n2
2
n2

= 2 2n 2 = 2 2
= 1

(s + n jd )(s + n + jd ) s=0
n + d
n + n2 (1 2 )
2 n2

C(s) =

1
s + 2n

s (s + n jd )(s + n + jd )

Para utilizar las tablas de transformaci

on inversa de Laplace, es conveniente expresar C(s) como:
C(s) =

1
s + n
n

2
2
s (s + n ) + d
(s + n )2 + d2

22

Las tablas que vamos a utilizar, utilizando el teorema de traslaci

on, son:




s + n
s
L 1
= en t L 1 2
= en t cos(d t)
(s + n )2 + d2
s + d2




d
d
n t
1
L 1
=
e
L
= en t sin(d t)
(s + n )2 + d2
s2 + d2
1
s + n
n

2
2
s (s + n ) + d
(s + n )2 + d2


n n t
n t
e
sin(d t)
c(t) = 1 e
cos(d t)
d



n t
c(t) = 1 e
cos(d t) + p
sin(d t)
1 2


en t p
2
p
c(t) = 1
1 cos(d t) + sin(d t)
1 2
C(s) =

(7)
(8)
(9)
(10)

c(t) tambien puede ser expresado como:

Donde = tan1

en t
c(t) = 1 p
sin(d t + )
1 2


1 2

Demostraci
on: Si de un tri
angulo rect
angulo obtenemos las siguientes
relaciones
p
sin = 1 2
cos =
p
1 2
tan =

Podemos expresar entonces c(t):



en t
c(t) = 1 p
sin cos(d t) + cos sin(d t)
1 2

Y utilizando la identidad:

sin(a) cos(b) + cos(a) sin(b) = sin(a + b)

Simplificamos:

en t
c(t) = 1 p
sin(d t + )
1 2

Se puede ver que la frecuencia de oscilaci

on del transitorio es d (frecuencia
p natural amortiguada). La frecuencia d vara con la relaci
on de amortiguaci
on ya que d = n 1 2 .
23

La se
nal de error resulta ser:
en t
e(t) = r(t) c(t) = 1 1 + p
sin(d t + )
1 2

El error presenta una oscilaci

on sinusoidal amortiguada:

t , e(t) 0
Para = 0
Relaci
on de amortiguamiento nula. La respuesta es no amortiguada y presenta oscilaci
on sostenida.
Reemplazando = 0 en (9):
p
c(t) = 1 cos(d t) = 1 cos(n 1 2 t)
Resultando finalmente:

c(t) = 1 cos(n t)
n representa la frecuencia de oscilaci
on no amortiguada, frecuencia a la que oscilar
a el sistema si el
amortiguamiento se reduce a cero.

Para = 1
p
La frecuencia natural amortiguada d = n 1 2 es menor que la frecuencia natural no amortiguada. Un incremento en reduce la frecuencia natural amortiguada. Si > 1, la respuesta es
sobreamortiguada, no produce oscilaci
on de (5), con = 1, tenemos:
n2
n2
C(s)
=
=
R(s)
(s + n )2
(s + n )2

24

Para una entrada escal

on unitario tenemos:
C(s) =
1

n2
(s + n )2

n2 
s s=n

1
1
3
1
=
+
+
2
s
(s + n )
s + n
s

2

n
n
=
= 
n
=1

1 = n


 
n2 
n2
1 
d n2 
=
=
=
ds s s=n
s2 s=n
2 n2
2 =1
2 = 1




n2
n2
1 

=
=
s + n )2 s=0
2 n2
2 =1
3 = 1

C(s) =

n
1
1

+
(s + n )2
s + n
s

Las tablas que vamos a utilizar son:


 

1
1
n t
1
=
e
L
= ten t
L 1
2
(s + n )
s2


1
1
L
= en t
s + n
Por tanto,
c(t) = 1 n ten t en t
como = 1
c(t) = 1 en t (1 + n t)
n representa la frecuencia de oscilaci
on no amortiguada, frecuencia a la que oscilar
a el sistema si el
amortiguamiento se reduce a cero.

Para > 1
La respuesta es sobreamortiguada ya que los polos son negativos, reales y distintos. Otra forma de
expresar la FDT:
C(s)
n2
p
p
=
(11)
R(s)
(s + n + n 2 1)(s + n n 2 1)

25

Ante una entrada escal

on tenemos:
C(s)

C(s)

=
=

=
=

n2

1
(s + n + n 2 1)(s + n n 2 1) s
2
3
1
p
p
+
+
2
2
s
s + n + n 1 s + n n 1


1
n2
2

p
pn
p
=


(s + n n 2 1)s s=n n 2 1
2n 2 1 n n 2 1
p

2n2

n2

1+

2n2 ( 2

1
p
p
2
2 1( + 2 1)

1)


1
n2

p
p
p
=

2

2
2
(s + n + n 1)s s=n +n 1
2n 1 n + n 2 1
n2

1
1
p
p
p
= p
2 2 1( + 2 1)
2 2 1( 2 1)


n2
n2

p
p
= 2 2
= 1

n n2 ( 2 1)
(s + n + n 2 1)(s + n n 2 1) s=0

Aplicando la transformada de Laplace tenemos:

+ 2 1 n t

2 1 n t

e
e
p
p
c(t) = 1 + p
p
2
2
2 1( + 1) 2 2 1( 2 1)

1.1.4.

Definiciones de especificaciones de respuesta transitoria

1. Tiempo de retardo (td ) [Time delay]. Es el tiempo

que tarda la respuesta en alcanzar por primera vez
la mitad del valor final.

26

2. Tiempo de crecimiento (tr ) [Rise time]. Es el tiempo

requerido para que la respuesta crezca:
del 10 al 90 %
del 5 al 95 %
del 0 al 100 %

3. Tiempo pico (tp )[Peak time]. Es el tiempo requerido por la respuesta para alcanzar el primer pico del
sobreimpulso.

4. Sobreimpulso m
aximo (Mp )[Overshoot]. Es el valor
pico m
aximo de la respuesta medido desde la unidad.
El maximo sobreimpulso porcentual lo obtenemos:
Mp =

c(tp ) c()
c()

5. Tiempo de establecimiento (ts )[Setting time]. Es el

tiempo requerido por la respuesta para alcanzar y
mantenerse dentro de determinado rango y alrededor
del valor final (5 %)

1.1.5.

Descomposici
on de funciones de transferencia

Descomposici
on directa. Metodo u
til para derivadas en el numerador de la FDT.
Suponga:
C(s)
a0 s2 + a1 s + a2
=
R(s)
b0 s2 + b1 s + b2
27

El objetivo es obtener la ecuaci

on de estado:
1. Exprese la FDT en potencias negativas de s:
C(s)
s2 [a0 s2 + a1 s + a2 ]
a0 + a1 s1 + a2 s2
= 2
=
R(s)
s [b0 s2 + b1 s + b2 ]
b0 + b1 s1 + b2 s2
2. Multiplicar numerador y denominador por una variable auxiliar X(s):
a0 + a1 s1 + a2 s2 X(s)
C(s)
=

R(s)
b0 + b1 s1 + b2 s2 X(s)
3. Igualar los numeradores y denominadores respectivamente:
C(s) = a0 X(s) + a1 s1 X(s) + a2 s2 X(s)
R(s) = b0 X(s) + b1 s1 X(s) + b2 s2 X(s)
4. Exprese X(s) a partir de la ecuaci
on de entrada:
X(s) =

1
b1
b2
R(s) s1 X(s) s2 X(s)
b0
b0
b0

5. Dibuje el diagrama de estado. Como es usual, la salida de los integradores definen a las variables
de estado:
Ayud
andonos de:
C(s) = a0


b1
b2
1
r(s) s1 X(s) s2 X(s) + a1 s1 X(s) + a2 s2 X(s)
b0
b0
b0

la ecuaci
on de estado ser
a:
dX1
= X 1 = X2
dt
dX2
1
b2
b1
= X 2 = r(t) x1 (t) x2 (t)
dt
b
b0
b


0

 0
a0 b 2
a0 b 1
a0
c(t) = a2
X1 + a1
X2 +
r(t)
b0
b0
b0
Sumar todas las ganancias desde los estados.
Simulaci
on del sistema de segundo orden.
C(s)
n2
= 2
R(s)
s + 2n s + n2
C(s)
n2 s2
X(s)
=

R(s)
1 + 2n s1 + n2 s2 X(s)
1

R(s) = X(s) + 2n s

C(s) = n2 s2 X(s)
X(s) + n2 s2 X(s)

X(s) = R(s) 2n s1 X(s) n2 s2 X(s)

28

(12)


dX1

dt = X1 = X2
2
2

Ecuaciones de estado dX
dt = X2 = R(t) 2n x2 (t) n x1 (t)

2
c(t) = n X1 (t)

Otra forma de expresar en variables de estado la ecuaci

on (12) es:
[s2 + 2n s + n2 ]C(s) = n2 R(s)

s2 C(s) + 2n sC(S) + n2 C(s) = n2 R(s)

En el tiempo:

d2
d
c(t) + 2n c(t) + n2 c(t) = n2 r(t)
dt2
dt
d
Definir c(t) = X1 y X2 = X 1 = dt
c(t). Por lo tanto:
X 1 = X2
2

X2 = n r(t) 2n X2 n2 X1
c(t) = X1
El codigo en SIMNON para el sistema ser
a:
CONTINUOUS SYSTEM SEGORDEN
Inputs & Outputs
OUTPUT C
States derivatives & time
STATE X1 X2
DER DX1 DX2
TIME t
Equations
DX1=X2
DX2=-(WN*WN*X1)-(2*ZETA*WN*X2)+(WN*WN*R)
C=X1
Parameter values
WN:1
ZETA:1
R:1
END

29

Ejemplo del comportamiento de un sistema no lineal

Modelo simplificado de un modelo submarino:

v + |v|v = u
Donde: v: velocidad del vehculo, u: entrada de control (combustible inyectado)
Aqu intuitivamente, cuando u = 1, implica que la respuesta en estado estacionario (Vss ):
0 + |Vss |Vss = 1 Vss = 1
Ahora, si u = 10:
0 + |Vss |Vss = 10 Vss =
Sistema en simulaci
on:

CONTINUOUS SYSTEM PRIORDEN

Inputs & Outputs
OUTPUT Y
States derivatives & time
STATE X1
DER DX1
TIME t
Equations
DX1=U-ABS(X1)*X1
Y=X1
Parameter values
Y:IF t5 THEN 1 ELSE 0
END

30

10 = 3,2

1.2.

An
alisis y dise
no de sistemas no lineales

El problema de dise
no de un controlador para un sistema consiste en construir un controlador
tal que un sistema en lazo cerrado presente ciertas caractersticas de comportamiento deseadas y
especificadas previamente.
Mientras que el problema de an
alisis radica en que dado un sistema la tarea es encontrar sus caractersticas de comportamiento.
Por lo tanto, los problemas de an
alisis y dise
no de los sistemas de control est
an intrnsecamente
relacionados.
Por qu
e el control no lineal?
La razon de estudiar sistemas de control no lineales estriba en el hecho de que en la realidad la
mayora de los sistemas son NO lineales.
Un amplia area de aplicaci
on son: control de robots, control de procesos, control de sistemas mecatr
onicos, control de sistemas biol
ogicos, control espacial, etc.
Razones de inter
es para estudiar los sistemas no lineales
1. Mejoramiento de sistemas de control existentes.
A diferencia de los metodos de control lineal que trabajan en peque
nos rangos de operaci
on,
los controladores no lineales pueden manejar no linealidades en grandes rangos de operaci
on.
2. An
alisis de no linealidades duras.
Como fricci
on de Coulomb, histeresis, saturaci
on, zonas muertas, backlash (juego mec
anico).
3. Tratan con incertidumbres en el modelo.
Los controladores lineales suponen que conocen todos los par
ametros de un modelo; sin embargo, sabemos que existen modelos que cambian sus par
ametros durante su operaci
on normal.
Por ejemplo: la masa de una nave aerea (el combustible consumido afecta la masa inicial),
masa en el elemento terminal de manipuladores rob
oticos (cambia el objeto manipulado, desde
peque
nas piezas hasta un motor por ejemplo), etc. Para estos casos son recomendables sistemas
de control no lineal como control robusto y control adaptable.
4. Simplicidad en el dise
no.
Existen sistemas no lineales en los cuales es m
as intuitivo y sencillo usar la din
amica propia
no lineal del sistema para modificar su comportamiento a uno no deseado. Por ejemplo: el
pendulo simple.
1.2.1.

Comportamiento de sistemas no lineales

Los sistemas no lineales son descritos por ecuaciones diferenciales no lineales, donde podemos
tener no linealidades inherentes (fuerzas centrpetas, fuerzas centrfugas en movimientos de rotaci
on,
fricci
on de Coulomb entre superficies de contacto, saturaciones de par en los motores, etc). Sea un
sistema lineal descrito por:

x = Ax
Donde: x Rn : vector de estado, A Rnn : matriz

Si A es no singular [det(A) 6= 0], el sistema tiene un u

nico punto de equilibrio xe : x = Axe = 0
t 0).
El punto de equilibrio es estable si los valores caractersticos de A tienen parte real negativa y es
independiente de las condiciones iniciales. La soluci
on del sistema puede ser calculada en la forma

31

analtica.
En presencia de entrada externa, i.e.
x = Ax + Bu

donde: B Rnm u Rm1

Se satisface el principio de superposici

on
La estabilidad en presencia de u del sistema x = Ax implica que a entradas acotadas tendremos
salidas acotadas (limitadas).
El comportamiento de sistemas no lineales es m
as complejo:
1. La respuesta de un sistema no lineal no obedece al principio de superposici
on de las entradas.
2. A diferentes magnitudes en la entrada, la salida tendr
a comportamiento diferente.
3. Algunos presentan m
ultiples puntos de equilibrio. Ejemplo:
x = x + x2
Igualando x = 0
x(x 1) = 0
x=0
x=1

4. Presencia de entradas externas acotadas , la estabilidad puede depender del valor de la entrada.
Por ejemplo, sea el sistema bilineal x = xu, si la entrada u = 1:
x = x y x(t) 0
o si u = 1:
x = x y x(t)
5. La presencia de ciclos lmites, es decir, oscilaciones aisladas de magnitud fija y periodo fijo sin
entrada externa. Por ejemplo: la ecuaci
on de Van der Pol
m
x + 2c(x2 1)x + kx = 0
Esta ecuaci
on puede ser considerada como un sistema masa-resorte-amortiguador. El sistema
responde de la siguiente manera:
6. Un sistema no lineal puede presentar el fen
omeno de bifurcaci
on, lo cual significa que, si los
par
ametros cambian tambien puede cambiar el n
umero de puntos de equilibrio.
7. Un sistema no lineal puede tambien presentar el fen
omenos de caos o respuestas ca
oticas, lo
cual significa que la salida es extremadamente sensible a las condiciones iniciales. Ejemplo:
x
+ 0,05x + x3 = 7,5u(t)

1.3.

An
alisis con el plano de fase

Sea un sistema de segundo orden:

x + f(x, x)
=0
Se puede presentar la soluci
on de (13) en forma temporal:
32

(13)

Diferentes respuestas con condiciones iniciales

similares.

Otra manera de representar las soluciones es tomar x y x como coordenadas, donde a cada estado
del sistema corresponde un punto en el plano x,x.
Esta curva se denomina trayectoria y a este tipo
de representaci
on se le denomina en plano de fase.
M
etodo del plano de fase (introducido por Henry Poincar
e)
Usado para obtener gr
aficamente la soluci
on de dos ecuaciones diferenciales de primer orden aut
ono-

33

mas o invariantes en el tiempo:

dx1
= f1 (x1 , x2 )
dt
dx2
= f2 (x1 , x2 )
dt

(14)
(15)

 
donde: f1 y f2 pueden ser lineales o no lineales, y x = xx12 .
El plano con coordenadas rectangulares x1 y x2 se le denomina plano de fase o plano de estado.
Frecuentemente (14) y (15) toman la forma siguiente:
dx1
= x2
dt
dx2
= f(x1 , x2 )
dt
Una ecuaci
on de estado bien definida se representa por la primera derivada temporal de los estados
en el lado izquierdo de la ecuaci
on, mientras que en el lado derecho de la ecuaci
on tendremos a los
estados y las entradas.
Puntos singulares
Del teorema fundamental de unicidad de soluci
on de ecuaciones diferenciales simult
aneas se sabe
que la soluci
on de las ecuaciones (14) y (15) para una condici
on inicial dada es u
nica, siempre y
cuando f1 (x1 , x2 ) y f2 (x1 , x2 ) sean analticas:
dx1
= f1 (x1 , x2 )
dt
dx2
= f2 (x1 , x2 )
dt
34

Una funci
on es analtica en un punto dado si es posible obtener un desarrollo en serie de Taylor
alrededor del punto dado. Este resultado no se aplica a los puntos en los que simult
aneamente
f1 (x1 , x2 ) = 0 y f2 (x1 , x2 ) = 0. Estos puntos se denominan puntos singulares. Los puntos son puntos
de equilibrio.
Obtenci
on de ecuaciones diferenciales de primer orden para sistemas de segundo orden
De (14) y (15) podemos obtener:
dx2
f2 (x1 , x2 )
=
(16)
dx1
f1 (x1 , x2 )
la cual es una ecuaci
on diferencial de primer orden que relaciona x1 y x2 . Esta ecuaci
on da la
pendiente de la tangente a la trayectoria que pasa por el punto x1 ,x2 . La soluci
on de (16) es:
x2 = (x1 )

(17)

la cual representa una curva en el plano de fase y se le denomina trayectoria.

Diagramas de plano de fase
Una familia de trayectorias se denomina diagrama de plano de fase. Importante:
Como hay una y s
olo una trayectoria que pasa por cualquier punto ordinario en el plano de
fase, las trayectorias generadas por diversas condiciones iniciales, no se cruzan entre s, excepto
en los puntos singulares.
2
umero infinito de trayectorias pueden
En los puntos singulares, dx
dx1 es indeterminado, un n
aproximarse o abandonar un punto singular.

Ejemplo: sea el sistema

x
+ x + x = 0

(18)

Definimos
x1 = x
dx1
= x2
dt
dx2
= x2 x1
dt
La ecuaci
on (18) da:
dx2
dt
dx1
dt

x2 x1
dx2
=
dx1
x2

Los puntos de equilibrio se encuentran de x2 = 0 y x1 x2 = 0, despejando entonces obtenemos

un s
olo punto de equilibrio en el origen del plano de fase:
   
x1
0
=
x2
0
M
etodos para construir trayectorias: analtico y gr
afico
Los metodos analticos son u
tiles para los sistemas cuyas ecuaciones diferenciales son simples y
segmento-lineales.
Los metodos gr
aficos son u
tiles cuando es tedioso, difcil o incluso imposible resolver la ecuaci
on
diferencial dada analticamente. Se emplea tanto para ecuaciones lineales y no lineales. Estos metodos dan directamente diagramas de trayectorias en el plano de fase. No muy exacto si se hacen
manualmente.
M
etodos analticos para trazar trayectorias
35

1. Integrar la ecuaci
on (16) para obtener (17) (aplica s
olo si la ecuaci
on es integrable).
2. Obtener x1 y x2 como funciones del tiempo y luego eliminar el tiempo de esas ecuaciones
(aplica s
olo si es f
acil el procedimiento de eliminar el tiempo).
Ejemplo: sea el sistema de segundo orden
x + 2 x = 0

(19)

Antes de resolver la ecuaci

on, n
otese que x
puede ser expresada como: x
=
tanto (19) puede ser expresada como:
x

x
+ 2 x =
dx Z

x(t)

+ 2 x(t)

xdx

x2 x(t)
|
2 x(0)


2
x(0)2
2 x(t)

2
2
2

=
=

x(0)

+ 2 x(0)

x(t)

2
+ x(t)
2

x/dt

o x
= x ddx/dt
. Por

xd
x =

x 2 x(t)

|
2 x(0)
x(t)
2
x(0)
2

2
2

dx
dt

x(0)

2
+ x(0)
2
Recordando la ecuaci
on del crculo: x2 + y2 = r 2

x(t)

2
+ x(t) = A2
2
donde A = constante determinada por las condiciones iniciales
r
x(0)
2
+ x(0)2
A=
2
Tambien puede ser resulta por el segundo m
etodo analtico:


L x + 2 x = 0
= s2 x(s) sx(0) x(0)

+ 2 x(s) = 0
x(s)[s2 + 2 ] =

Aplicando: L 1

as + b
s2 + 2

x(s)

x(s)

L 1

sx(0) + x(0)

sx(0) + x(0)

2
s + 2
s
x(0)

x(0) 2
+
s + 2
s2 + 2

2
s + 2

36

= sen(t) L 1

s
2
s + 2

= cos(t)

x(t) =
x(t) =

Para esto definimos:

x(0)

sin t

A cos(t) + B sin(t)

A = x(0)

con: B = x(0)

C = A2 + B 2
x(0) cos(t) +

cos() =

A
B
, sen() =
C
C

luego tenemos:
tan() =

sen()
B/C
B
=
=
cos()
A/C
A

por tanto:
= tan1 (

B
)
A

Luego, podemos expresar:

x(t)

= A cos(t) + B sen(t)
= C cos() cos(t) + C sen() sen(t)


= C cos() cos(t) + sen() sen(t)

x(t)

Aplicando identidades podemos expresar:

= C cos(t )

donde usamos la identidad (f

ormula de adici
on)
cos() cos(t) + sen() sen(t) = cos(t )
Donde C y son constantes a determinar por las condiciones iniciales. Entonces obtendremos los
siguientes valores:
x(t)

x(t)

2
2
x(t)

= C sin(t )
= C 2 sin2 (t )
= C 2 cos2 (t + )

Por tanto, aplicando la identidad cos2 + sin2 = 1 para eliminar el tiempo:

x 2
+ x2 = C 2
2
Recuerde que la ecuaci
on de una circunferencia de radio R con centro en x0 , y0 es
(x x0 )2 + (y y0 )2 = R2
37

Ejemplo: sea la siguiente ecuaci

on diferencial de segundo orden:
x = M

(20)

donde M es constante y las condiciones iniciales son: x(0) = X0 y x(0)

= 0. La ecuaci
on se puede
escribir como:
x
Z

dx
dx

xd
x =

x 2 x(t)

|
=
2 0
x 2 (t)
=
2
x 2 (t) =

dx
x(t)

M x|0

M [x(t) x0 ]
2M [x0 x(t)]

N
otese que la ecuaci
on de una par
abola con eje paralelo al eje x es
(y y0 )2 = 4a[x x0 ]

Para M = 1
N
otese como para x positivas las lneas van hacia la
derecha
mientras que para x las lneas van hacia la izquierda.

Para M = 1
N
otese como para x positivas las lneas van hacia la
derecha
mientras que para x las lneas van hacia la izquierda.

38

Tambien pueden obtenerse las trayectorias eliminando el tiempo en las respuestas temporales de
los estados:


L x
= M

= s2 x(s) sx(0) x(0)

M
s

comox(0)

=0

x(s)
Aplicar L

1
sn

M/s + sx(0)
M
x(0)
= 3 +
s2
s
s

tn
(n 1)!
x(t) =

M t2
+ X0
2

De aqu obtenemos
x(t)

= M t

x 2 (t) = M 2 t2
x 2 (t)
t2 =
M2

Procedemos ahora a eliminar el tiempo sustituyendo este valor en (21):

x 2 (t)
+ X0
2M
x 2 (t) = 2M (X0 x(t))
x(t) =

M
etodos gr
aficos para el trazado de trayectorias
Puede haber simetra en los diagramas de plano de fase:

39

(21)

Simetra con respecto al eje x

Sea:
x
+ f(x, x)
=0
dx
x
= f(x, x)

dx
f(x, x)

dx
=
dx
x
Para que las trayectorias sean simetricas con respecto al eje x, la pendiente
de signo contrario en x > 0 y x < 0:

dx
f(x, x)

Para x > 0
=
dx
x


f(x, x)

dx

=
Para x < 0
dx
x

Por tanto,


f(x, x)

f(x, x)

x
x
f(x, x)
= f(x, x)

40

dx
dx

debe ser igual pero

Ejemplo: Sea el sistema

x
+ a|x|
+x
x
+ f(x, x)

f(x, x)

f(x, x)

=
=
=
=
=

0
0
a|x|
+x
a| x|
+x
a|x|
+x

luego:
f(x, x)
= f(x, x)

es decir, es simetrico respecto al eje x.

STATE x1 x2
DER dx1 dx2
x1:0
x2:0
dx1 = x2
dx2 = -a*abs(x2)-x1
a=1
Comandos: MACRO MSIM5
SYST SIM5
AXES H -130 20 V -70 70
PLOT x2(x1)
FOR i=0 TO 20 STEP 0.5
INIT x1[SIM5]:i
SIMU 0 8
NEXT i
END
MSIM5

41

Simetra con respecto al eje x

En este caso la pendiente ddxx debe ser igual pero de signo opuesto en x > 0 y x < 0:

f(x,x)

dx
para xi > 0
dx = h
x
f(x,x)
dx
dx = x para

x<0

f(x, x)
= f(x, x)

Simetra tanto al eje x como al eje x

En este caso se deben cumplir simult
aneamente las dos condiciones anteriores:
Para Caso 1, simetra con respecto a x

Para Caso 2, simetra con respecto a x

f(x, x)
= f(x, x)

f(x, x)
= f(x, x)

f(x, x)
= f(x, x)

M
etodo gr
aficos para el trazado de trayectorias. M
etodo de las isoclinas
Este metodo es u
til para trazar el plano de fase sin resolver las ecuaciones diferenciales y se aplica
a ecuaciones de primer orden de la siguiente forma:
f2 (x1 , x2 )
dx2
=
dx1
f1 (x1 , x2 )

(22)

donde f1 y f2 son analticas. Aqu la variable independiente es x1 y la dependiente es x2 . De la

ecuacion (22) podemos obtener el lugar de la pendiente constante de las trayectorias. Es decir, el
lugar donde
dx2
=
constante
(23)
dx1
De (22) y (23) tenemos que:
f2 (x1 , x2 )
=
f1 (x1 , x2 )
42

Ejemplo: Sea el sistema

x
+ 2 x =
x + f(x, x)

0
0

 Simetra con
respecto al
eje x
 Simetra con
f(x, x)
= 2 x
respecto al
f(x, x)
= 2 (x) = 2 x
eje x
f(x, x)
= 2 x
f(x, x)
= 2x

STATES x1 x2
DER dx1 dx2
x1:0
x2:0
dx1=x2
dx2=-omega*omega*x1
omega=1
Comandos:
MACRO MSIM4
SYST SIM4
AXES H -15 15 V -15 15
PLOT x2(x1)
FOR i=1 TO 10 STEP 1
INIT x1[SIM4]:i
FOR j=1 TO 10 STEP 1
INIT x2[SIM4]:j
SIMU 0 10
NEXT j
NEXT i
END
MSIM4

43

El lugar de los puntos en que las trayectorias tienen una pendiente dada se denomina una isoclina.
Su importancia radica en que si se trazan las isoclinas correspondientes a diversos valores de se
pueden obtener los campos de direcciones de las tangentes a las trayectorias.
Ejemplo de un caso tpico de un sistema de segundo orden
Sea la ecuaci
on diferencial
x + 2x + 2 x = 0
(24)
La cual se puede escribir como:
x
Defina ahora

dx
dx

dx
+ 2x + 2 x = 0
dx

= donde es una constante. Luego tendremos:

x + 2x + 2 x = 0
[ + 2]x = 2 x
x =

2
x
+ 2

(25)

Como , son constantes y es el par

ametro constante de interes; la ecuaci
on (25) representa una
ISOCLINA, y es, en este caso, la ecuaci
on de una recta.
Las isoclinas para ecuaciones diferenciales ordinarias lineales son lneas rectas que pasan a traves
del origen del plano de fase.
Tome por ejemplo = 1, = 0,5; en este caso:
x =

12
x
x=
+ 2(0,5)(1)
+1

Para = 1,2
x = 5x

44

Para = 1:
Pendiente infinita

1
x=
x =
1 + (2)(0,5)(1)

z}|{
1

Ahora para encontrar la pendiente entre dos trayectorias: Al unir A y B con una pendiente de -1.1

Para el punto A sabemos que = 1

Para el punto B sabemos que = 1,2
La pendiente de la trayectoria entre A y B ser
a:
1 1,2
A + B
=
= 1,1
2
2

y repetir el procedimiento con el resto de las isoclinas formamos la trayectoria mostrada. ENTRE
PUNTOS, MAS
EXACTO.
MAS
Otra manera es trazar las rectas isoclinas y luego encontrar (pendiente de la trayectoria en un
punto dado). Con este fin n
otese que (25) es equivalente a:
x
2
=
x
+ 2
Defina ahora

x
x

= tan , es decir la pendiente de la recta isoclina.

Por tanto:
tan()

( + 2) tan()

tan()

2
+ 2
2

2 2 tan()
1

[2 + 2 tan()
tan()

 2


=
+ 2
tan

45

Ejemplo:
Obtener el diagrama de plano de fase de la siguiente ecuaci
on usando metodo de las isoclinas:
x + a|x|
+x= 0
donde a > 0.
Especificamente en estos casos donde se involucran valores absolutos o no linealidades duras, es
recomendable construir el plano de fase por tramos:
Para x > 0 tenemos:
x
+ ax + x = 0
Para x < 0 tenemos:
x
ax + x = 0
Resulta que en el semiplano superior (x > 0), la ecuaci
on de la isoclina es:
x

dx
+ax + x
dx
|{z}

= 0

[ + a] x + x

= 0

1
x
a+
y en el semiplano inferior (x < 0), la ecuaci
on de la isoclina es:
x

dx
ax + x =
dx
|{z}

1.4.
1.4.1.

[ a] x + x =

x =

1
x
(a + )

Sistemas no lineales de segundo orden

Comportamiento de sistemas no lineales alrededor de los puntos singulares o
de equilibrio

Aproximaci
on de sistemas no lineales
Suponemos que las variables se desvan poco alrededor de un punto de operaci
on x. Sea y = f(x)
en las condiciones de operaci
on y, x.
46

Desarrollo de Series de Taylor


 
 

f
1 2f
2
y = f(x) = f(
x) +
|x=x [x x] +

|x=x [x x
] + t.o.s
x
2! x2
donde t.o.s son los terminos de orden superior.
Suponga ahora que y es funci
on de dos variables: y = f(x1 , x2 ), donde las condiciones de
operaci
on x1 , x2 son constantes. Su expansi
on en series de Taylor ser
a:


f
f
y = f(x1 , x2) = f(x1 , x2 ) +
|x ,x [x1 x1 ] +
|x ,x [x2 x2 ]
x1 1 2
x2 1 2
 2
1
f
2f
2
|

[x

]
+
2
|x ,x [x1 x1 ] [x2 x2 ]
+
x

,
x

1
1
2!
x21 1 2
x1 x2 1 2
 

2f
2
+
|

[x

]
+
t.o.s
x

,
x

2
2
x22 1 2
1.4.2.

An
alisis de las trayectorias de sistemas de segundo orden en las cercanas de
los puntos singulares

Conociendo:
dx1
= f1 (x1 , x2 )
(26)
dt
dx2
= f2 (x1 , x2 )
(27)
dt
Donde f1 y f2 son funciones analticas de x1 y x2 en las cercanas del punto de operaci
on.
Sup
ongase que el origen del plano de estado: xx12 = 00 es un punto de equilibrio o punto singular
del sistema conformado por (26) y (27).
Se procede ahora a desarrollar la serie de Taylor alrededor del punto x1 = 0, x2 = 0:
a1

b1

z }| {
z }| {

dx1
f1 
f1 
= f1 (x1 , x2 ) = f1 (0, 0) +
[x

0]
+
[x

0]
1
2
dt
x1 0,0
x2 0,0
a11

a12

z
}|  {
z 2 }| {
1
f1 
2 f1 
2
+
[x1 0] + 2
[x1 0] [x2 0]
2!
x21 0,0
x1 x2 0,0
a22

z }| {
 

2 f1 
2
+
[x

0]
+
t.o.s
2
x22 0,0

dx1
= f1 (x1 , x2 ) = a1 x1 + b1 x2 + [a11 x21 + a12 x1 x2 + a22 x22 ] + t.o.s
dt




dx2
f2 
f2 
= f2 (x1 , x2 ) = f2 (0, 0) +
[x1 0] +
[x2 0]
dt
x1 0,0
x2 0,0


 2
1
f2 
2 f2 
2
+

[x

0]
+
2
[x1 0] [x2 0]
1
2!
x21 0,0
x1 x2 0,0

 

2 f2 
2
+
[x2 0] + t.o.s
x22 0,0
47

(28)

dx2
= f2 (x1 , x2 ) = a2 x1 + b2 x2 + [b11 x21 + b12 x1 x2 + b22 x22 ] + t.o.s
(29)
dt
En el entorno del origen, en el que x1 y x2 son muy peque
nas, (28) y (29) pueden ser aproximadas
tomando s
olo en cuenta sus terminos lineales, simplific
andose a esta forma:
dx1
= a1 x 1 + b 1 x 2
dt
dx2
= a2 x 1 + b 2 x 2
dt

(30)
(31)

Es u
til encontrar las trayectorias soluci
on de (30) y (31) para mostrar su comportamiento en el
diagrama de fase.
Las ecuaciones (30) y (31) pueden ser expresadas como una ecuaci
on diferencial de segundo orden
que ya hemos estudiado:
x
+ bx + cx = 0
(32)
Donde: x = x1 , b = a1 b2 , c = a1 b2 a2 b1 .
Demostraci
on de como obtener (32) apartir de (30) y (31) (para esto usaremos el operador derivativo
d
).
p = dt

b 1 x2

a1 x1 + b1 x2 = px1
a2 x 1
a2 x1 + b2 x2 = px2 x2 (p b2 ) = a2 x1 x2 =
p b2

z }| {
a2 b 1 x 1
(p b2 )a1 x1 + a2 b1 x1
a1 px1 a1 b2 x1 + a2 b1 x1
px1 = a1 x1 +
=
=
p b2
p b2
p b2
2
p x1 pb2 x1 = a1 px1 a1 b2 x1 + a2 b1 x1

p2 x1 + (a1 b2 )px1 + (a1 b2 a2 b1 )x1 = 0

Igualando con (32) tenemos que:
x
= p2 x 1 ,
x = px1
b = a1 b2
c = a1 b 2 a2 b 1

Lo siguiente es encontrar el comportamiento de las trayectorias x(t), x(t)

cerca del punto de equilibrio

(en este caso el origen). Esto se ver
a analizando las races caractersticas de la ecuaci
on (32). Las
races caractersticas son:

1,2

2 + b + c = 0

b b2 4c
=
2

Suponemos que b y c son constantes diferentes de cero.

Tendremos varios casos:
1. 1 , 2 : Races complejas conjugadas en el semiplano izquierdo. FOCO ESTABLE.

48

2. 1 , 2 : Races complejas conjugadas en el semiplano derecho. FOCO INESTABLE.

3. 1 , 2 : Races reales en el semiplano izquierdo. NODO ESTABLE.

4. 1 , 2 : Races reales en el semiplano derecho. NODO INESTABLE.

49

5. 1 , 2 : Races complejas conjugadas en el eje j. CENTRAL.

6. 1 , 2 : Races reales una en el semiplano izquierdo y otra en el derecho. SILLA DE MONTAR.

50

1.4.3.

Ciclos lmites

Representa una oscilaci

on en estado permanente, a la cual o de la cual convergen o divergen
todas las trayectorias vecinas. Los ciclos lmites describen la amplitud y periodo de una oscilaci
on
autosostenida. NOTA: No todas las oscilaciones autosostenidas o curvas cerradas en un plano de
fase son ciclos lmites.
Por ejemplo, un sistema lineal conservativo en el cual no hay amortiguamiento para disipar energa,
no es ciclo lmite porque su diagrama en plano de fase representa una familia continua de curvas
cerradas, como lo es el caso de CENTRAL visto anteriormente.
Un ciclo lmite se presenta en sistemas no lineales y es una autooscilaci
on aislada (alrededor de ella
no hay otros ciclos).

Si tomamos una condici

on inicial cerca del ciclo va
hacia el, no forma una oscilaci
on dentro o fuera como en el caso de central

Un sistema dado puede tener m

as de un ciclo lmite. Los ciclos lmites son movimientos peri
odicos
presentados u
nicamente por sistemas no lineales conservativos (que mantienen la energa).
Si el sistema es disipativo, la perdida neta de energa a lo largo de cualquier trayectoria en el plano
de fase es positiva y no puede haber ciclo lmite; por tanto, el amortiguamiento debe ser cero para
que exista el ciclo lmite.
Ejemplos:
1. Ciclo lmite estable: no importa el punto inicial, siempre tiende al ciclo lmite
x 1
x 2

=
=

x2 x1 (x21 + x22 1)
x1 x2 (x21 + x22 1)

2. Ciclo lmite inestable: se mantiene mientras este en la frecuencia de oscilaci

on, al presentar
una mnima variaci
on tiende a cero o infinito
x 1
x 2

=
=

x2 + x1 (x21 + x22 1)
x1 + x2 (x21 + x22 1)

3. Ciclo lmite semiestable: si la condici

on inicial esta fuera del ciclo lmite tiende a el, pero si
est
a dentro del ciclo tiende a cero.
x 1

x 2

x2 x1 (x21 + x22 1)2

x1 x2 (x21 + x22 1)2

51

4. Ciclo lmite semiestable: pero ahora, si la condici

on inicial est
a fuera del ciclo lmite tiende a
infinito, pero si est
a dentro del ciclo tiende a el.
x 1

x 2

x2 + x1 (x21 + x22 1)2

x1 + x2 (x21 + x22 1)2

Un ciclo lmite aislado presenta una oscilaci

on autosostenida con una amplitud y frecuencia dadas,
independientemente de la condici
on inicial.
Ejemplo de construcci
on de un diagrama de fase por linealizaci
on en los puntos singulares
Obtener un diagrama de plano de fase del sistema:
x + 0,5x + 2x + x2 = 0

(33)

Las variables de estado:

x1 = x
x1 = x2 = x
x2 = x
= 0,5x2 2x1 x21
Para puntos singulares:

x21

x2 = 0 x 1 = 0
2x1 0,5x2 = 0 x 2 = 0
x1 (x1 + 2) = 0

x1 = 0

x1 = 2

x2 = 0

x2 = 0

Como se puede observa hay dos puntos singulares, por lo que el plano de fase queda de la siguiente
manera:

El punto (0, 0) es un foco estable y el punto (2, 0)

es un punto silla de montar.
En simulaci
on todo lo que est
a dentro de la lnea
verde (aquella que toca el punto (2, 0)) tiende al
foco estable, mientras que lo que est
a fuera tiende a
infinito y genera un error.

52

Obtengamos ahora el comportamiento del sistema cerca de los puntos singulares; linealizaremos
alrededor de cada punto de operaci
on.
1. En las vecindades del punto x1 = 0, x2 = 0 tenemos: (f
ormula de expansi
on de series de Taylor
alrededor del origen sin los terminos de segundo orden porque queremos linealizar)



 

f 
f 
y = f(x1 , x2 ) +

[x

]
+

[x

]
1
1
2
2
x1 x1 ,x2
x2 x1 ,x2

 

y = 0 + [2x1 2]0,0 [x1 0] + [0,5]0,0 [x2 0]
dx2
= 2x1 0,5x2
dt
Regresando a una ecuaci
on diferencial de segundo orden:
dx1
dt

px1 = x2

dx2
+ 2x1 + 0,5x2
dt
px2
(p + 0,5)x2

=
=

x2

px1

p2 x1 + 0,5px1 + 2x1

2x1 0,5x2
2x1
2x1
p + 0,5
2x1

p + 0,5
0

x + 0,5x + 2x =

Las races caractersticas ser

an:
1,2

p
0,52 4(2)
=
2
1 = 0,25 + j1,391
0,5

2 = 0,25 j1,391

Dado que son races complejas conjugadas en el semiplano izquierdo, el sistema se comportar
a como un FOCO ESTABLE alrededor del origen.
2. Ahora procedemos a evaluar la serie de Taylor pero en el punto x1 = 2, x2 = 0. Hacemos un
cambio de variables en la ecuaci
on (33), reescribiendola para trasladar el punto de equilibrio
al origen; para esto definimos: y = x x1 = x (2) = x + 2 . Por tanto:
x=y2
x = y

(34)
(35)

x
= y

(36)

Sustituyendo estos valores en (33):

y + 0,5y + 2(y 2) + (y 2)2 = 0
53

y + 0,5y 2y + y2 = 0

(37)

Ahora el punto de equilibrio estar

a en z1 = 0, z2 = 0, y definiremos z1 = y y z2 = y:

z2 + 0,5z2 2z1 + z12 = 0

Las variables de estado y la serie de Taylor:
dz1
dt
dz2
f=
dt
dz2
dt
dz2
dt
dz2
dt
z2 + 0,5z2 2z1
y + 0,5y 2y

z2

0,5z2 + 2z1 z12



f 
f 
f(z1 , z2 ) +

[z

]
+
[z2 z2 ]
1
1
z1 0,0
z2 0,0

 

0 + [2 2z1 ]0,0 [z1 0] + [0,5]0,0 [z2 0]

=
=
=

2z1 0,5z2

=
=

0
0

Las races caractersticas ser

an:
1,2

=
=

1
2

=
=
=

0,52 4(2)
2
0,5
0,25 + 8

2
2
0,25 1,436
1,18
1,68
0,5

Dado que son races reales, pero una en el semiplano izquierdo y otra en el semiplano derecho,
el sistema alrededor de los puntos x1 = 2, x2 = 0 presenta la forma SILLA DE MONTAR.
P
endulo simple

54

La ecuaci
on de este sistema es:
ml2 + mgl sin = 0
g
= sin
l

Obtener la ecuaci
on de la trayectoria y luego obtener un diagrama de fase:
g
d
= sin

d
l
Z
Z
= g sin d
d
l
g
1 2
= cos + K
2
l

1 2 g
cos = K
2
l
La ecuaci
on de la isoclina

d
d

Ecuaci
on de la trayectoria

= la obtenemos reescribiendo (38):

= 2

sin

p
donde = gl
luego la isoclina de (38) ser
a

g/l
sen()

= A sen() las isoclinas son curvas sinusoidales

2
=

donde = pendiente constante, y 2 = gl . Linealizando tenemos

g
+ sen() = 0
l
definimos
x1 =
x2 =

55

(38)

Aqu se presenta el plano de fase del pendulo simple

sin fricci
on

por tanto
dx1
dt
dx2
dt

x2
g
sen(x1 )
| l {z
}

f(x1 ,x2 )

Puntos de equilibrio en:




x1
x2
x1
x2




0
0

Linealizamos alrededor del punto x1 = 0, x2 = 0:

dx1
dt
dx2
dt

=
=

=
dx2
=
dt
|{z}

g
+
l
g
2
+
l
h
gi
2
+

l
1,2

x2


f 
f 
f(0, 0) +
[x1 0] +
[x2 0]
x1  x1 = 0
x2  x1 = 0
x2 = 0
x2 = 0
h g
i
0 + cos(x1 )
x
x1 = 0 1
l
x2 = 0
g
x1
l |{z}

r
g

l
56

Haciendo un cambio de variable tenemos alrededor de x1 = , x2 = 0

y

y =
y =
g
+ sen()
l

Con la variable cambiada tenemos:

y +

g
sen(y + )
l

definimos z1 = y, z2 = y,
z2 = y
z1

z2

z2 = f(z1 , z2 )

z2

z2

dz2
=
dt
|{z}
y

y =

g
y y
l
h
gi
2
y

l

z2

g
sen(z1 + )
l


f 
f 
f(0, 0) +
[z1 0] +
[z2 0]
z1  z1 = 0
z2  z1 = 0
z2 = 0
z2 = 0
h g
i
0 + cos(z1 + ) z = 0 [z1 ]
1
l
z2 = 0
g
g
cos()z1 = z1
l
l
g
z1
l |{z}
y

g
y
l

0
r

g
l
r
g

57

2.

Fundamentos de la teora de Lyapunov

2.1.

Preliminares matem
aticas

2.1.1.

Simbologa

R
R+
|x|
2.1.2.

Para todo
Existe
Pertenece a
Implica
Si y s
olo si
Conjunto de n
umeros reales
Conjunto de n
umeros reales no negativos
Valor absoluto de x R

Vectores

Rn : espacio Euclidiano real de dimensi

on n (vectores de dimensi
on n)
Los vectores x est
an formados por n n
umeros reales en forma de columna:

x1
x2

x= .
donde: x1 , x2 . . . xn Rn
..
xn

Producto interno de dos vectores x, y Rn

xT y = x y = x1

x2

y1

y2
. . . xn . = x1 y1 + x2 y2 + . . . + xn yn
..
yn

x y=

n
X

xi yi

i=1

Propiedades del producto interno o producto punto

1. Conmutativa

xT y = y T x

x, y Rn

2. Distributiva
xT [y + z] = xT y + xT z

x, y, z Rn

Norma Euclidiana

||x||2 = xT x = x1

x2

x1

x2
. . . xn . = x21 + x22 + . . . + x2n
..
xn

58

v
u n
uX
||x|| = +t
x2i
i=1

Nota: La norma siempre es positiva y en el espacio R3 denota el radio de una esfera.

Propiedades
1.
2.
3.
4.
5.

||x|| = 0 x = 0 Rn
||x|| > 0 x Rn si x 6= 0 Rn
||x|| = ||||x|| R, x Rn
Desigualdad del tri
angulo: ||x|| ||y|| ||x + y|| ||x|| + ||y|| x, y Rn
Desigualdad de Schwarz: |xT y| ||x||||y|| x, y Rn

Desigualdad de Schwarz
|xT y| ||x||||y||

De la definici
on de producto punto tenemos:

xT y = ||x||||y|| cos

(39)

Obteniendo el valor absoluto en ambos lados de 38:

|xT y| = |||x||||y|| cos |
= ||x||||y||| cos |
||x||||y||max| cos |
= ||x||||y||
Por tanto:

|xT y| ||x||||y|| x, y Rn

Desigualdad del tri

angulo:
||x + y|| ||x|| + ||y|| x, y Rn

(40)

Elevamos al cuadrado el lado izquierdo de la desigualdad 39, usamos la definici

on de la norma
y la desigualdad de Schwarz:
||x + y||2 = [x + y]T [x + y]

= xT x + xT y + y T x + y T y
= xT x + 2xT y + yT y

= ||x||2 + 2xT y + ||y||2

||x||2 + |2xT y| + ||y||2

||x||2 + 2||x||||y|| + ||y||2

2
= ||x|| + ||y||

Ahora lo sustituimos en la original y extraemos la raz cuadrada de ambos lados de la expresi

on,
con ello comprobamos el lado derecho de la desigualdad del tri
angulo:

2
||x + y||2 ||x|| + ||y||
||x + y|| ||x|| + ||y||
59

Para probar el lado izquierdo de la desigualdad note que:

||x|| ||y|| ||x + y||
||x|| ||y||

2

= ||x||2 2||x||||y|| + ||y||2

2

||x + y|| = ||x|| + 2x y + ||y||

(41)
(42)

Y de aqu observamos que la ecuaci

on 40 es menor igual a la ecuaci
on 41, lo cual demuestra el
lado izquierdo de la desigualdad del tri
angulo:
2xT y | 2xT y|
|2xT y|

2||x||||y||

2x y 2||x||||y||
2.1.3.

Matrices

Se denotan por Rnm , el conjunto de matrices reales de dimensi

on n m (n renglones por m
columnas).

a11 a12 . . . a1m

a21 a22 . . . a2m

A = {aij } = .
..
..
.
.
.
.
.
.
.
an1 an2 . . . anm
La matriz transpuesta de A:

a11
a12

AT = {aji } = .
..

a1m

an1
an2

mn
.. R
.

a21
a22
..
.

...
...
..
.

a2m

. . . anm

Producto de matrices. Considere las matrices: A Rmp y B Rpn .

El producto de estas matrices C = AB Rmn se define como:

a11 a12 . . . a1p

b11 b12 . . . b1n
a21 a22 . . . a2p b21 b22 . . . b2n

C = AB = {cij } = .
..
.. ..
..
..
..
..
..

.
.
.
.
.
.
.
am1 am2 . . . amp
bp1 bp2 . . . bpn
Pp
Pk=1 a1k bk1
p a2k bk1
k=1
{cij } =
..

Pp .
k=1 amk bk1

Propiedades de matrices

Pp
a1k bk2
Pk=1
p
k=1 a2k bk2
..
Pp .
k=1 amk bk2

60

Pp
a1k bkn
Pk=1
p

k=1 a2k bkn

..

Pp .
...
a
b
k=1 mk kn
...
...
..
.

1. [AB]T = B T AT

A Rmp , B Rpn

2. En general AB 6= BA

3. A[B + C] = AB + AC
4. ABC = A[BC] = [AB]C

A Rmp , B, C Rpn

A Rmp , B Rpn , C Rnr

Matrices particulares
1. A es cuadrada si m = n
2. A Rnn es simetrica si A = AT

3. A es antisimetrica si A = AT (diagonal con ceros). Una propiedad de la matriz antisimetrica es que: xT Ax = 0x Rn :


 



 0 1 x1

 x2
= x1 x2
= x1 x2 + x2 x1 = 0
x1 x2
1 0
x2
x1
4. Matriz diagonal: A = {aij } Rnn donde aij = 0 i 6= j

a11 0 . . .
0 a22 . . .

diag{a11 , a12 , . . . , ann} = .

..
..
..
.
.
0

5. Matriz identidad

1 0
0 1

I = diag{1} = . .
.. ..
0 0

6. Matriz nula de dimensi

on n (matriz de ceros)

0
0
..
.

. . . ann

Rnn

... 0
. . . 0

..
..
. .
... 1

diag{0} Rnn
7. Matriz singular. Una matriz cuadrada A Rnn es singular si su determinantes es nulo:
det[A] = 0. Por tanto una matriz singular NO tiene inversa.
Una matriz cuadrada no necesariamente simetrica se dice que es definida positiva si: xT Ax > 0
x Rn con x 6= 0. Por ejemplo:


1 0
A=
0 1
Usamos la definici
on para saber si es definida positiva:

 
 

 1 0 x1

 x1
xT Ax = x1 x2
= x1 x2
= x21 + x22
0 1 x2
x2

61

Este resultado siempre es positivo para x 6= 0 R2 ,

por tanto, la matriz A es definida positiva y se
denota: A > 0

Pero como no siempre podemos graficas, necesitamos una demostraci

on o f
ormula general.
Otro ejemplo:


4
1
A=
10 3

 
 4

1 x1
xT Ax = x1 x2
= 4x21 + x1 x2 10x1 x2 + 3x22 = 4x21 9x1 x2 + 3x22
10 3 x2
 
1
Si x =
1
4x21 9x1 x2 + 3x22 = 4(1)2 9(1)(1) + 3(1) = 2
NO ES DEFINIDA POSITIVA.
Como decamos, no es conveniente asumir valores para x, por tanto usaremos el Teorema de
Sylvester. Sea A Rnn , defnase As como :
As = {aij } =

A + AT
2

El teorema de sylvester establece que la matriz A es definida positiva si y s

olo si:


a
as12
det[as11] > 0, det s11
> 0, . . . , det[As ] > 0
as21 as22
Continuemos con el ejemplo anterior para demostrar que A no es definida positiva:
"
 
# 

1
4
1
4 10
4 92
As =
+
=
1
3
92
3
2 10 3
det[as11] = 4 > 0, det[As ] = 12

81
<0
4

Por tanto A no es definida positiva.

El teorema de Sylvester se aplica a matrices cuadradas, no necesariamente simetricas, pero
s hay que obtener la parte simetrica de la matriz (As )

62

Una matriz cuadrada A se puede descomponer en su parte simetrica (As ) y antisimetrica (Aa ):
A = As + Aa =

A + AT
A AT
+
2
2

Como la definici
on de A definida positiva es que xT Ax > 0 x 6= 0 Rn , entonces es equivalente
escribir:
xT [As + Aa ]x > 0 = xT As x + xT Aa x = xT As x > 0
Por eso el teorema de Sylvester usa la matriz simetrica.
Notaci
on para A definida positiva:
A>0
Cualquier matriz A = AT > 0 (simetrica y definida positiva) es NO SINGULAR (s existe su
inversa).
A = AT > 0 A1 = (A1 )T > 0 (A es simetrica definida positiva, si y s
olo si, la inversa
de A es simetrica y definida positiva)
A > 0, B > 0 A + B > 0 (la suma de dos matrices definidas positivas tambien es definida
positiva)
A = AT > 0, B = B T > 0 ; AB = (AB)T y tampoco AB > 0 (el producto de dos matrices
simetricas definidas positivas no resulta en general simetrico ni definido positivo, sin embargo
la matriz resultante es no singular). Por ejemplo:
A=

4 1
1 3

>0

B
AB


2 1
=
>0
1 1


9 5
>0
5 4

Es definida positiva.
A=

5
2

2
1

>0
AB

ABs

=


2
1

1
1

>0

8
3
No es simetrica
3 1


8 0
Ni definida positiva
0 1

Una matriz cuadrada A Rnn no necesariamente simetrica es semidefinida positiva si

xT Ax 0 x Rn .
Ejemplo:

 

 1 1 x1
V (x) = x1 x2
= x21 2x1 x2 + x22 = (x1 x2 )2
1 1
x2
   
x
0
Podemos observar que V (x) = 0 cuando x = 1 =
, pero tambien cuando x1 = x2 R
x2
0
Una matriz A Rnn es definida negativa si A es definida positiva.
A Rnn es semidefinida negativa si A es semidefinida positiva.
63

2.1.4.

Valores propios, caractersticos o Eigenvalores

Para cada matriz cuadrada A Rnn existen n valores propios (en general n
umeros complejos)
denotados por 1 {A}, 2 {A}, . . . , n {A}, los cuales satisfacen:
det[i {A}I A] = 0
para i = 1, 2, . . . , n.
Si la matriz es simetrica (A = AT ) se tiene que 1 {A}, 2 {A}, . . . , n {A} son n
umeros reales.
Denotando los valores propios m
aximo y mnimo de A por max {A} y mn {A} respectivamente, el
teorema de Rayleigh establece que para todo x Rn se tiene que:
max {A}||x||2 xT Ax mn {A}||x||2

Ejemplo:


2
A=
0


0
1

max {A} = 1 {A} = 2

mn {A} = 2 {A} = 1

 


2 0 x1
xT Ax = x1 x2
= 2x21 + x22
0 1 x2
q
2
mn {A}||x||2 = 1 x21 + x22 = x21 + x22
2
q
max {A}||x||2 = 2 x21 + x22 = 2x21 + 2x22
2x21 + 2x22 2x21 + x22 x21 + x22

Una matriz cuadrada A Rnn es definida positiva, si y s

olo si, los valores propios de A + AT son
positivos:
A > 0 i {A + AT } > 0

para i = 1, 2, . . . , n.
Si A es simetrica entonces se cumple que:

A > 0 i {A} > 0

para i = 1, 2, . . . , n.

Repaso Valores Propios

x =
y
y(s)
sx(s)
[sI A] x(s)
x(s)
y(s)

Ax + bu

=
=
=
=

Cx
Cx(s)
Ax(s) + bu(s)
bu(s)

=
=

[sI A]1 bu(s)

C[sI A]1 b u(s)
|
{z
}
H(s)

64

0
Sea A = 0
6

1
0
0
1 R33
11 6

0
I A = 0
0 0

0
0
0 0

1
0

0
1 = 0
11 6
6

1
0

1
11 + 6

det[I A] = (2 + 6 + 11) + 1(6) + 0 = 3 + 62 + 11 + 6 = 0

3 + 62 + 11 + 6 = ( + 1)( + 2)( + 3)
Desde el punto de vista de variables de estado, la matriz A anterior est
a relacionada con la ecuaci
on
diferencial de tercer orden siguiente:
...
y + 6
y + 11y + 6y = 6u
Y entonces la ecuaci
on de estado sera:

0
x1
x2 = 0
6
x3

1
0
x1
0
0
1 x2 + 0 u
11 6 x3
6

Que representan los valores propios de A?

Representan las races de la ecuaci
on caracterstica, es decir, los polos del sistema.
Obtengamos ahora la funci
on de transferencia de la ecuaci
on diferencial de tercer orden:
s3 Y (s) + 6s2 Y (s) + 11sY (s) + 6Y (s) = 6U (s)
[s3 + 6s2 + 11s + 6]Y (s) = 6U (s)
Y (s)
6
= 3
U (s)
s + 6s2 + 11s + 6
La ecuaci
on caracterstica de la FDT es s3 + 6s2 + 11s + 6 y las races de ella son s1 = 1, s2 =
2, s3 = 3 que tambien son los polos del sistema o valores propios de la matriz A de variable de
estado PARA SISTEMAS LINEALES!

Otro ejemplo:
Sea un sistema homogeneo de segundo orden:
(
y + by + cy =

u con entrada
0 sin entrada

Las ecuaciones de estado:

"

 
x1
=
"
x2

1
b

#" # " #
x1
0
+
u con entrada
x2
1

1
b

#" # " #
x1
0
+
u sin entrada
x2
0
65

Los valores propios de la matriz A son los que cumplan:

"

det [I A] = det
0

det [I A] = 0
"
 
#
0
0
1

= det

c b
c

#
1
+b

det [I A] = 2 + b + c = 0

b b2 4c
1,2 =
2
Obtengamos ahora la respuesta temporal de y(t) tomando en cuenta las condiciones iniciales:
(
u con entrada
2
s Y (s) sy(0) y(0)

+ b[sY (s) y(0)] + cY (s) =

0 sin entrada
[s2 + bs + c]Y (s)

Y (s)

y(0)

+ sy(0) + by(0)
y(0)

+ sy(0) + by(0)
[s2 + bs + c]

Con C.I. = 0 y = constante = 0 :

y(s)

=
=
=

0
+ bs + c
k0
(s 1 )(s 2 )
k2
k1
+
s 1
s 2
s2

Suponga que 1 y 2 son reales negativos, entonces:

y(t) = k1 e1 t + k2 e2 t
donde k1 y k2 son constantes que dependen de las condiciones iniciales.

1 y 2 por tanto nos dan la forma de la respuesta transitoria de un sistema lineal

2.1.5.

Norma espectral

La norma espectral ||A|| de una matriz A Rnm se define como:

q
||A|| = + max {AT A}

donde max {AT A} denota el valor propio m

aximo de la matriz simetrica AT A Rnn
Para el caso particular de matrices simetricas A = AT Rnn se tiene que:
||A|| = miax|i {A}|
||A1 || =
66

mn| {A}|
i
i

Si A es simetrica A = AT Rnn y definida positiva:

||A|| = max {A}
||A1 || =

1
mn {A}

Propiedades
1. ||A|| = 0 A = 0 Rnn

2. ||A|| > 0 A Rnn {A 6= 0}

3. ||A + B|| ||A|| + ||B||

4. ||A|| = ||||A|| R y A Rnn

5. ||AT B|| ||A||||B|| A, B Rnn

2.2.

Puntos fijos

Este concepto es u
til para determinar condiciones, existencia y unicidad de soluciones para una
clase particular de ecuaciones.
Considerese una funci
on continua f : Rn Rn (una funci
on vectorial f que tiene n elementos y cada
uno de ellos a la vez tiene n elementos). El vector x Rn es un punto fijo de f(x) si f(x ) = x .
Si x es un punto fijo de f(x) entonces obviamente x es soluci
on de f(x) x = 0 y x f(x) = 0
porque evaluado en x tenemos f(x ) x = 0 f(x ) = x
Algunas funciones tienen uno o m
as puntos fijos, pero tambien hay algunas que no tienen.
Por ejemplo:

f(x) = sin(x) tiene un u

nico punto fijo en x = 0.
Los puntos fijos pueden ser localizados gr
aficamente
donde se intersectan f(x) y x.

67

f(x) = x3 tiene tres puntos fijos en

x1 = 0
x2 = 1
x3 = 1

f(x) = ex no tiene puntos fijos

f(x) = k sin(x) donde k > 1

Debido a esta constante ahora tendr
a m
as puntos
fijos

Considerese ahora la siguiente funci

on continua
f : Rn Rn
Es decir:

 
x
f(x, )

donde se ve como un par

ametro, y siendo Rm .

n
Luego x R es un punto fijo de f(x, ) para cualquier si f(x , ) = x
Ejemplo: f(x, ) = k sin(x ) el punto fijo sera x si f(x , ) = k sin(x ) = x
68

2.2.1.

Teorema de contracci
on de mapas

De condiciones suficientes para unicidad de puntos fijos de una funci

on
Sea Rm , considerese la siguiente funci
on continua:
f : Rn Rn
 
x
f(x, )

Sup
ongase que existe una constante no negativa k tal que para todo x, y Rn y se tiene que:
||f(x, ) f(y, )|| k||x y||
Si la constante k es estrictamente menor que la unidad, entonces dando cualquier se tiene que
la funci
on f(x, ) posee un u
nico punto fijo, el cual sera x Rn
Una interpretaci
on importante del teorema de contracci
on de mapas es la siguiente:
Sup
ongase que la funci
on f(x, ) posee un u
nico punto fijo (satisface la condici
on del teorema de

contracci
on de mapas), entonces f(x, ) x = 0 tiene soluci
on en x y esta, ademas, es la UNICA.
Ejemplo:
Considerese la funci
on h(x, )
h(x, ) = kp x mgl sin( x)

donde: x R (variables de estado), kp R (constante), m R, g R, l R, (par

ametro constante
de interes). Encuentre condiciones sobre kp y mgl para que h(x, ) = 0 tenga una sola soluci
on.

SOLUCION:
El problema de encontrar condiciones sobre kp y mgl para que h(x, ) = 0 tenga una u
nica soluci
on,
es equivalente a encontrar condiciones kp y mgl para que
f(x, ) =

mgl
sin( x)
kp

tenga un u
nico punto fijo, es decir que
mgl
sin( x) = x
kp
Usaremos ahora el teorema de contracci
on de mapas:
|f(x, ) f(y, )| = |

mgl
mgl
sin( x)
sin( y)|
kp
kp

mgl
|| sin( x) sin( y)|
(43)
kp
Hacemos un peque
no parentesis para enunciar el teorema de valor medio que utilizaremos para
acotar | sin( x) sin( y)|:
Teorema del valor medio
Considerese la funci
on continua f : Rn R. Si f(z1 , z2 , . . . , zn ) tiene derivadas parciales continuas
entonces para dos vectores constantes x, y Rn tenemos que:
f(z1 ,z2 ,...,zn ) T
|f(x, ) f(y, )| = |

f(z1 ,z21,...,zn )

z2

f(x) f(y) =
..

.
f(z1 ,z2 ,...,zn )
zn

69

z=

[x y]

Donde es un vector convenientemente seleccionado en el segmento de lnea que une los vectores
x, y.
En nuestro caso, tenemos al aplicar el teorema del valor medio:
sin( x) sin( y) =

f(sin( z))
|z= [( x) ( y)]
z

Y obteniendo el valor absoluto en ambos lados de la igualdad tenemos:

| sin( x) sin( y)| |

f(sin( z))
|z= ||x + y|
z

OJO: f(sin(z))
= cos( z) pero cos() s
olo toma valores de 1 a -1 y en el valor absoluto |1| =
z
| 1| = 1, por lo tanto un valor m
aximo es 1. Entonces tenemos:
| sin( x) sin( y)| 1|x + y|

(44)

Ahora sustituimos (44) en (43) y tenemos:

|f(x, ) f(y, )|
Defnase k =

mgl
kp ,

mgl
|x y|
kp

luego si k < 1 tendremos un u

nico punto fijo o equivalentemente una u
nica

soluci
on de nuestra funci
on original; k ser
a menor que 1 si escogemos kp > mgl

2.3.

Estabilidad en el sentido de Lyapunov

La teora de la estabilidad de Lyapunov tiene como objetivo principal estudiar el comportamiento

de sistemas din
amicos descritos por ecuaciones diferenciales de la forma:
x(t)

= f(t, x(t))

(45)

x(0) Rn t 0

Donde x(t) representa el vector de estados del sistema y es un vector de Rn , x(0) es el vector de
estado inicial, f : R+ Rn Rn es una funci
on continua en t y x(t).
Se supone que f(t, x(t)) es tal que:
1. Tiene una u
nica soluci
on en el intevalo [0, ) correspondiente a cada condici
on inicial x(0)
2. Si x(t) es la soluci
on de 44 correspondiente a la condici
on inicial x(0), entonces x(t) depende
de manera continua del estado inicial.
Si la funci
on f no depende explcitamente del tiempo f(t, x(t)) = f(x(t)), se dice que 44 es aut
onoma.
Si la funci
on en el tiempo se puede expresar:
f(t, x(t)) = A(t)x(t) + u(t)
con A(t) Rnn , siento A(t) y u(t) funciones u
nicamente del tiempo o constantes, se dice que
x(t)

= f(t, x(t)) es lineal. En el caso contrario, ser

a no lineal.

70

2.3.1.

Conceptos b
asicos de la teora de Lyapunov

1. Equilibrio. Se define como un vector constante Xe Rn , este es un equilibrio o un estado de

equilibrio del sistema x(t)

= f(t, x(t)) si f(t, Xe ) = 0 t 0. Como consecuencia tenemos que

si la condici
on inicial es justamente el estado de equilibrio, entonces:
x(t) = Xe
x(t)

=0
La trayectoria permanece constante porque la derivada de una constante es cero.
Tradicionalmente el equilibrio Xe lo situamos en el origen del espacio de estado. Si ese no es
el caso recurrimos a un cambio de variables. Por ejemplo: y = x Xe .
Ejemplos.
Considerese la siguiente ecuaci
on diferencial lineal:
x(t)

= ax(t) + bu(t)
x(0) Rn , donde a 6= 0 y b 6= 0 son constantes reales y u(t) = R+ Rn es una funci
on
continua.
Si u(t) = 0 constante, la ecuaci
on diferencial es aut
onoma con un equilibrio en:
b
Xe = 0
a
Sea la ecuaci
on diferencial
x(t)

= ex(t)

x(0) R. Esta
no tienen puntos de equilibrio
Sean

x1 (t) = x2 (t)
x2 (t) = sin(x1 (t))

x1 (0) Rn , x2 (0) Rn . Este

sistema tiene un n
umero infinito de puntos de equilibrio
porque la condici
on x2 (0) = sin(x1 ) = 0 se cumple para n.
2. Estabilidad. El origen x = 0 Rn es un equilibrio estable en el sentido de Lyapunov de
x(t)

= f(t, x(t)), si para cada n

umero  > 0 se puede encontrar un n
umero > 0 tal que:

71

||x(0)|| < ||x(t)|| <  t 0

Ejemplos:
Sea el sistema:
x1 = x2
x2 = x1

Este
es un sistema lineal con un u
nico punto de equilibrio en el origen, donde las soluciones
son:
x1 (t) = x1 (0) cos(t) + x2 (0) sin(t)
x2 (t) = x1 (0) sin(t) + x2 (0) cos(t)
 
0
Es el equilibrio Xe =
estable?
0

S porque el punto de equilibrio es estable y as se

mantiene para todo  a
un cuando avanza el tiempo

Sea la ecuaci
on de Van der Pol, la cual representa una oscilaci
on lineal:
x1 = x2
x2 = x1 + (1 x1 )2 x2
Encuentre su punto de equilibrio y la estabilidad de dicho punto
)
 
0 = x2
0
X
=
e
0
0 = x1 + (1 x1 )2 x2
72

 
0
Es el equilibrio Xe =
estable?
0

No, porque no con todos los valores empieza dentro

de , y se mantiene dentro de  (como en el caso
mostrado)
OJO: CON LYAPUNOV SER INESTABLE NO
SIGNIFICA QUE SE VAYA A INFINITO

3. Estabilidad asint
otica. El origen x = 0 Rn es un equilibrio asint
oticamente estable de
x(t)

= f(t, x(t)) si:

El origen es estable
El origen es atractivo, es decir existe un n
umero > 0 tal que:
||x(0) < ||x(t)|| 0

La estabilidad del origen debe ser intepretada como dada una peque
na discrepancia de la
condici
on inicial x(0) con respecto al equilibrio (origen), la soluci
on x(t) correspondiente permanecer
a acotada evolucionando relativamente cerca del punto de equilibrio. Por ejemplo, el
punto de equilibrio del pendulo simple localizado en x1e = 0, x2e = 0 es estable porque si
partimos relativamente cerca de el, la soluci
on x(t) queda muy cerca del punto de equilibrio.
4. Estabilidad en el sentido de Lyapunov
Sistemas din
amicos.
x(t)

= f(t, x(t))

x(0) Rn

t 0

(46)

Suponemos:
Soluci
on u
nica correspondiente a una condici
on inicial x(0)
x(t) depende de una manera continua del estado inicial x(0)

Equilibrio. Xe es un vector constante donde f(t, x(t)) = 0 t 0. Si la condici

on inicial
x(0) = Xe Rn , entonces:
x(t) = Xe
x(t)

=0

t 0

Estabilidad de equilibrios. Si suponemos que x(0) = 0 Rn es un equilibrio estable de 45

si para cada  > 0 se puede encontrar un n
umero > 0, tal que :
||x(0)|| < ||x(t)|| <  t 0
5. Estabilidad asint
otica global. El origen x = 0 Rn es un equilibrio asint
oticamente estable
en forma global de la ecuaci
on 45 si:
73

El origen es estable
El origen es atractivo globalmente, es decir desde todo el espacio de estado:
||x(t)|| 0

x(0) Rn

6. Estabilidad exponencial. El origen x = 0 Rn es un equilibrio exponencialmente estable

en forma global de la ecuaci
on 45 si existen constantes positivas y tales que:
||x(t)|| < ||x(0)||et t 0 x(0) Rn

Esto es muy difcil de encontrar por eso se conforma

con estabilidad asint
otica.

7. Inestabilidad. El origen x = 0 Rn es un equilibrio inestable de 45 si NO es estable.

Ejemplos:
1. Sea la ecuaci
on de Van der Pol:
x1 = x2
x2 = x1 + (1 x1 )2 x2

Equilibrio:
0 = x2
0 = x1 + (1 x1 )2 x2

74

x1 (0) Rx2 (0) R

)

 
0
Xe =
0

Punto de equilibrio inestable (porque sale de ). Sin

embargo, n
otese que la soluci
on x(t) no crece hasta
infinito sino que permanece acotada. El decir que
un equilibrio es inestable no significa necesariamente
que la soluci
on tienda a infinito. Es difcil obtener la
ecuacion del ciclo lmite, por lo que se conforma con
obtener el dominio de atracci
on.

2. Considerese el siguiente sistema polar:

r = 0,5r(1 r)
 
= sin2
2
Equilibrio del sistema de interes:

0 = 0,5r(1 r)

 

0 = sin2

   
  

re
0
r
1
=
o tambien e =
e
0
e
2n

Graficando en coordenadas polares tenemos:

x1 (t) = r cos() x1 = r sin d + r cos
x2 (t) = r sin() x2 = r cos d + r sin

Este es el plano de fase en terminos de x1 , x2

Note que todas las trayectorias tienden al punto
(1, 0), lo cual podra hacernos pensar err
oneamente
que dicho punto es asint
oticamente estable (ya que
las trayectorias convergen a ese punto atractivo). Sin
embargo, el punto de equilibrio (1, 0) falla en el atributo de estabilidad (porque sale de  para llegar al
punto).
El equilibrio es inestable pero atractivo

3. Considere el siguiente sistema (oscilador lineal):

)
x1 = x2
x1 (0) Rx2 (0) R
x2 = x1
75

Equilibrio en:
0 = x2
0 = x1

 
0
Xe =
0

Punto de equilibrio estable (porque no sale de ).

4. Pendulo simple

La ecuaci
on de este sistema sin par es:
ml2 q + mgl sin(q) = 0
q(0), q R

Reescribiremos la ecuaci
on haciendo un cambio de variables x1 = q y x2 = q:

x1 = x2
g
x2 = sin(x1 )
l
Puntos de equilibrio:

0 = x2

g
0 = sin(x1 )
l

  
   
x1e
0
x1e
n
=
o tambien
=
x2e
0
x2e
0

76

Analizamos el origen: Es un equilibrio estable

(porque para cada  existe y no sale de ella)
Analizamoe el punto (n, ): Es un equilibrio inestable
(porque sale de )

2.3.2.

Comentarios relacionados con los conceptos de estabilidad

Estabilidad de un equilibrio puede interpretarse como, dada una peque

na discrepancia de
la condici
on inicial x(0) con respecto al equilibrio (origen) la soluci
on correspondiente permanecer
a acotada (o evolucionar
a relativamente cerca del equilibrio)
Estabilidad de un equilibrio no implica necesariamente que las soluciones x(t) permanezcan
acotadas para cualquier condici
on inicial (como en el caso del pendulo)
Inestabilidad de un equilibrio no implica necesariamente que las soluciones x(t) tiendas a
infinito, es decir, no implica que las soluciones esten desacotadas (como en el oscilador de Van
der Pol)
Un equilibrio atractivo no necesariamente implica que es asint
oticamente estable (como en el
sistema polar)
2.3.3.

Definici
on de funciones

Funci
on definida positiva localmente y funci
on definida positiva
W (x1 , x2 ) = x21 + x22
Una funci
on continua W : Rn R+ es definida positiva localmente si:
W (0) = 0

W (x) > 0 x 6= 0 y ||x|| 0

Una funci
on continua W : Rn R+ es definida positiva si:
W (0) = 0

W (x) > 0 x 6= 0 Rn

De acuerdo a la definici
on de una funci
on definida positiva y a la de una matriz definida
positiva, entonces una funci
on cuadr
atica f : Rn R de la forma:
f(x) = xT P x
con P Rnn , es definida positiva, si y s
olo si, P > 0.
Si W (x) es definida positiva, entonces W (x) es definida negativa.
77

Funci
on radialmente desacotada
Una funci
on continua W : Rn R es radialmente desacotada si:
W (x) cuando ||x||
Funci
on menguante
Una funci
on continua dependiente del tiempo y de los estados V : R+ Rn R es menguante
globalmente si existe una funci
on definida positiva W : Rn R+ tal que:
V (t, x) W (x) t 0 x Rn
Funci
on definida positiva dependiente del tiempo
Es aquella funci
on V : R+ Rn R+ tal que satisface:
V (t, x) W (x) t 0 x Rn
donde W (x) > 0.
Funci
on dependiente del tiempo radialmente desacotada
V (t, x) W (x) > 0
donde W (x) es radialmente desacotada. Ejemplos:

1. Definida positiva localmente, radialmente desacotada, no dependiente del tiempo

2. Definida positiva globalmente, radialmente desacotada, no dependiente del tiempo

78

3. Definida positiva globalmente, no es radialmente desacotada, no dependiente del tiempo

4. Definida positiva globalmente, radialmente desacotada, no dependiente del tiempo

5. W (x1 , x2) = x21 + x22


T
Definida positiva globalmente porque W (0, 0) = 0 y W (x1 , x2 ) > 0 x1 x2 6= 0
Radialmente desacotada porque W (x1 , x2 ) cuando ||x||2 = x21 + x22

6. V (t, x1, x2 ) = (t + a)(x21 + x22 )

Debe cumplir V (t, x) W (x) > 0, y ya comprobamos (en el ejemplo anterior) que
W (x1 , x2) = x21 + x22 > 0. Por tanto es una funci
on dependiente del tiempo definida
positiva globalmente radialmente desacotada. Ahora V (t, x1 , x2 ) no puede ser acotada
superiormente por una funci
on W (x1 , x2) para todo t 0 ni para todo valor de x,
MENGUANTE.
entonces NO ES FUNCION
7. V (t, x) = [k + sin2 (t)]x2 k 1
Para acotarla por abajo: [k + sin2 (t)]x2 x2 , porque este valor oscila entre k y k + 1; de
esta manera V (t, x) es definida positiva y radialmente desacotada.
Para acotarla por arriba: [k + sin2 (t)]x2 [k + 1]x2 donde W2 (x) = [k + 1]x2 y por
tanto: V (t, x) W2 (x) t 0 x Rn , es decir, V (t, x) es definida positiva, radialmente
desacotada y menguante.
8. W (x1 , x2) = (x1 + x2 )2
Hay valores como x2 = x1 en que W (x1 , x2 ) = 0 y con ello ya no cumple W (x1 , x2 ) > 0

T
x1 x2 6= 0; por tanto W (x1 , x2) es semidefinida positiva.

Funci
on candidata de Lyapunov
Una funci
on V : R+ Rn R+ es una funci
on candidata de Lyapunov para el equilibrio
79

x = 0 Rn de la ecuaci
on x = f(t, x) si:
V (t, x) es una funci
on definida positiva al menos localmente

V (t,x)
t
V (t,x)
x

es una funci
on continua con respecto a t y x

es una funci
on continua con respecto a t y x (definida positiva, continuamente
diferencial)

Derivada de la funci
on candidata de Lyapunov
Sea V (t, x) una funci
on candidata de Lyapunov para x = f(t, x(t)).
La derivada de V (t, x) a lo largo de las trayectorias denotada por V (t, x) vendr
a dada por:
V (t, x) (V (t, x))T
d
+
f(t, x(t))
V (t, x) = V (t, x) =
dt
t
x
Cuando V no depende explcitamente del tiempo, es decir, es una funci
on u
nicamente del
estado V (x), su derivada ser
a:
(V (x))T
(V (x))T
V (x) =
x =
f(x)
x
x
Funci
on de Lyapunov
Una funci
on candidate de Lyapunov para x = f(t, x(t)) es una funci
on de Lyapunov si su
derivada a lo largo de las trayectorias satisface: V (t, x) 0 t 0 al menos para ||x|| peque
nas.
Ejemplo.
Sea:

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

.. =
= x = f(x) Rn
..
.

.
xn

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

Proponemos una funci

on candidata de Lyapunov [f.c.l ] (definida positiva y continuamente
diferencial):
1
1
1
V (x1 , x2, . . . , xn ) = x21 + x22 + . . . + x2n
2
2
2
Obtener la derivada temporal de f.c.l.
dV (x1 , x2 , . . . , xn )
V (x1 , x2 , . . . , xn )
=
x
dt
x
( 1 x21 )
( 1 x22 )
( 1 x2n )
= 2
x1 + 2
x2 + . . . + 2
xn
x1
x2
xn
= x1 [f1 (x1 , x2 , . . . , xn )] + x2 [f2 (x1 , x2 , . . . , xn )] + . . . + xn [fn (x1 , x2, . . . , xn )]

Esto es equivalente a obtener el gradiente de V :

"

V
V (x) =
x

80

#T

Obtengamos primero el vector gradiente:

(x1 , x2 , . . . , xn )
x1
x2
(x1 , x2 , . . . , xn )

= ..
..
.
.
xn
V (x1 , x2 , . . . , xn )

V
x1
V
x2

V (x1 , x2 , . . . , xn )
=
x

xn

Y lo sustituimos:
"

V
V (x) =
x

#T


x = x1

Y llegamos a lo mismo:

x2

x1


x2
. . . xn . = x1 x1 + x2 x2 + . . . + xn xn
..
xn

V (x) = x1 [f1 (x1 , x2 , . . . , xn )] + x2 [f2 (x1 , x2 , . . . , xn )] + . . . + xn [fn (x1 , x2 , . . . , xn)]

La derivada de un escalar con respecto a un vector resulta un vector conocido como vector gradiente
La derivada de un vector con respecto a otro resulta una matriz conocida como jacobiana
2.3.4.

Teoremas de estabilidad

Condiciones suficientes
El origen x = 0 Rn es un estado de equilibrio estable de la ecuaci
on x(t)

= f(t, x(t)) si existe

una funci
on candidata de Lyapunov V (t, x) tal que su derivada satisfaga al menos para ||x||
peque
nas:
V (t, x) 0 t 0
Teorema de estabilidad y acotamiento de soluciones
El origen x = 0 Rn es un estado de equilibrio estable y las soluciones x(t) est
an acotadas
para toda condici
on inicial X0 Rn , si existe una funci
on candidata de Lyapunov que sea
definida positiva globalmente, radialmente desacotada, tal que su derivada temporal satisfaga:
V (t, x) 0 t 0 x Rn
Ejemplo 1. Sea el sistema:
x1 = x2
x2 = x1
El equilibrio:
0 = x2
0 = x1

Proponemos una f.c.l:

V (x) =

81

 
0
Xe =
0
1 2 1 2
x + x
2 1 2 2

Inmediatamente se ve que es definida positiva porque V (0) = 0 y V (x) > 0 x 6= 0 R2 .

La derivada temporal de la f.c.l.:
d
V (x) = x1 x1 + x2 x2
dt
Evaluamos ahora en las trayectorias del sistema:
d
V (x) = x1 (x2 ) + x2 (x1 ) = 0
dt
Concluimos estabilidad del equilibrio y acotamiento de soluciones
Ejemplo 2. Sea el sistema:
x1 = x1 + kx2
x2 = kx1
donde k 6= 0.
El equilibrio:
0 = x1 + kx2
0 = kx1

Xe =

 
0
0

Proponemos una f.c.l:

1 2 1 2
x + x
2 1 2 2
Y ahora su derivada temporal evaluada en las trayectorias del sistema:
V (x) =

d
V (x) = x1 (x1 + kx2 ) + x2 (kx1 ) = x21 0
dt
V (x) es semidefinida negativa porque V (x) = 0 x1 = 0, x2 R2
Concluimos estabilidad y acotamiento de soluciones
Teorema de estabilidad asint
otica global
El origen x = 0 Rn es un estado de equilibrio asint
oticamente estable en forma global de
x(t)

= f(t, x) si existe una funci

on candidata de Lyapunov V (t, x) definida positiva globalmente, radialmente desacotada y menguante, tal que su derivada temporal satisfaga:
V (t, x) = 0 t 0
V (t, x) < 0 t 0 x Rn
La existencia de un u
nico estado de equilibrio es una condici
on necesaria para que este sea
asint
oticamente estable en forma global.
Ejemplo 1. Sea el sistema:
x = ax
El equilibrio:
ax = 0
x=0

82

Proponemos una f.c.l:

1 2
x
2
La derivada temporal de la f.c.l. evaluada en la trayectoria:
V (x) =

d
V (x) = x(ax) = ax2 < 0
dt
V (x) es definida negativa x 6= 0
Concluimos estabilidad asint
otica global del origen
Teorema de La Salle
Sup
ongase un sistema descrito por x = f(x) donde f(0) = 0 t 0. Si existe una funci
on
candidata de Lyapunov tal que:
V (x) >= 0 (f.c.l definida positiva)
V (x) 0 (derivada temporal de f.c.l. semidefinida negativa)
V ((x0 )) (la derivada temporal de f.c.l. no desaparece identicamente para cualquier xo 6=
0, donde (x0 ) indica la trayectoria soluci
on que comienza en x0 )
entonces el origen es asint
oticamente estable.
Ejemplo 1. Sea el sistema:
x1 = x1 + kx2
x2 = kx1
donde k 6= 0.
El equilibrio:
0 = x1 + kx2
0 = kx1

 
0
Xe =
R2
0

Proponemos una f.c.l:

1 2 1 2
x + x >0
2 1 2 2
Y ahora su derivada temporal evaluada en las trayectorias del sistema:
V (x) =

d
V (x) = x1 (x1 + kx2 ) + x2 (kx1 ) = x21 0
dt
Semidefinida negativa porque nada m
as depende explcitamente de x1 , por tanto V (x) = 0 en
valores diferentes del origen. Usando el teorema anterior habamos concluido hasta el momento
que el equilibrio es estable y las soluciones acotadas.
Ahora usaremos el Teorema de La Salle: para concluir estabilidad asint
otica global nos enfocaremos en el tercer punto del teorema. Si V (x) se ha de anular identicamente para todo t 0
porque V (x) = 0 t 0 es necesario y suficiente que x1 (t) = 0 t 0, lo cual implica que
x1 (t) = 0. Por lo tanto, de la ecuaci
on del sistema tenemos:
x1 = x1 + kx2
kx2 = 0
x2 = 0
x2 = 0
83

Por tanto V (x) se anula identicamente y u

nicamente en:
   
x1
0
=
x2
0
Por lo que de acuerdo al Teorema de La Salle, concluimos estabilidad asint
otica global

Ejemplo 2. Sea el sistema:

x1 = x2
x2 = x1 x2
Pruebe estabilidad asint
otica en el origen.
El equilibrio:
)
0 = x2
0 = x1 x2

Proponemos una f.c.l:

Xe =

 
0
R2
0

V (x) = x21 + x22 > 0

Y ahora su derivada temporal evaluada en las trayectorias del sistema:

d
V (x) = 2x1 x1 + 2x2 x2 = 2x1 (x2 ) + 2x2 (x1 x2 ) = 2x22 0
dt
Semidefinida negativa porque nada m
as depende explcitamente de x2
Checamos nuevamente el punto 3 del Teorema de La Salle:
V (x) = 0 t 0 x2 (t) = 0 t 0
x2 (t) = 0 x2 (t) = 0
Sustituimos en el sistema:
x2 = x1 x2

x1 = 0
x1 = 0

Por tanto V (x) se anula u

nica e identicamente en:
   
x1
0
=
x2
0
Concluimos estabilidad asint
otica global

84

2.3.5.

An
alisis de estabilidad de sistemas lineales invariantes en el tiempo

Sea el sistemas x = Ax; se supone que A no es singular, lo que implica que el u

nico equilibrio es
el origen, porque Ax = 0 x = 0.
Para probar estabilidad asint
otica del origen, propondremos la siguiente f.c.l.
V (x) = xT px
donde p es una matriz simetrica definida positiva y radialmente desacotada.
Derivada temporal de V (x) a lo largo de las trayectorias del sistema:
V (x) = x T px + xT px
= (Ax)T px + xT p(Ax)
= xT AT px + xT pAx
= xT (AT p + pA)x
Si definimos AT p + pA = Q (la llamaremos as porque p debe ser p > 0), rescribimos entonces la
derivada de f.c.l.
V (x) = xT Qx < 0

V (x) sera definida negativa si Q > 0. Si esto sucede concluimos ESTABILIDAD ASINTOTICA
GLOBAL.
Ejemplo. Sea el sistema:

 
x1
0
=
x2
1

1
1



x1
x2

Pruebe estabilidad asint

otica global usando el teorema de estabilidad de sistemas lineales.
Para proceder con el metodo, proponga Q como matriz definida positiva:


1 0
Q=
>0
0 1
De la definici
on de Q, vamos a encontrar p:

1
0

Q = AT p + pA
 

 


0
0 1 p11 p12
p
p12
0
1
=
+ 11
1
1 1 p12 p22
p12 p22 1 1

 

p12
p22
p12 p11 p12
=
+
p11 p12 p12 p22
p22 p12 p22


2p12
p11 p12 p22
=
p11 p12 p22
2p12 2p22

Igualando los terminos de las matrices podemos encontrar el valor de la matriz p:

3 1
p = 21 2 > 0
1
2
Verificar si p > 0:
det[p11 ] =
85

3
>0
2

det[p] =

3 1
5
= >0
2 4
4

Concluimos estabilidad asint

otica global.
La ventaja de este metodo comparado con el anterior es que no hay necesidad de usar el Teorema de La Salle, sino que llegamos a la conclusi
on simplemente con verificar que p > 0

86

3.

Teora de estabilidad avanzada

Anteriormente se vio una metodologa que da condiciones necesarias y suficientes para probar
que el equilibrio de un sistemas lineal x = Ax es asint
oticamente estable en forma global. Donde
dada cualquier matriz Q > 0 Rnn , si existe una matriz p = pT > 0 que satisface Q = AT p + pA
entonces el origen es un punto asint
oticamente estable globalmente.
Teorema 1. Estabilidad
1. V (x) > 0 (local o global)
2. V (x) 0
Teorema 2. Estabilidad y acotamiento de soluciones
1. V (x) > 0 (global)
2. V (x) cuando ||x||
3. V (x) 0
Teorema 3. Estabilidad asint
otica global
1. V (x) > 0 (local o global)
2. V (x) cuando ||x||
3. V (x) < 0
Teorema 4. Estabilidad asint
otica global (La Salle)
1. V (x) > 0 (local)
2. V (x) cuando ||x||
3. V (x) 0
4. V (x(t)) no desaparece identicamente en t 0
para cualquier x0 6= 0
Introduciremos ahora un metodo de an
alisis de estabilidad que da:
Condiciones necesarias y suficientes para sistemas lineales
Condiciones suficientes para sistemas no lineales

3.1.

Teorema de Krasovskii

Sea el sistema x
= f(x), donde X Rn y f : Rn Rn .
Suponga que f(0) = 0 (el origen es equilibrio) y que f (x) es derivable con respecto a x. La matriz

87

Jacobiana del sistema es:

f1 (x)

x1
f2 (x)
x1

F (x) =

Defnase:

..
.

fn (x)
x1

f1 (x)
x2
f2 (x)
x2

..
.

fn (x)
x2

...
...
..
.
...

f1 (x)
xn
f2 (x)
xn

..
.

fn (x)
xn

F (x) = F T (x) + F (x)

donde F (x) = F (x)T . Si la matriz simetrica F (x) es definida negativa, el estado de equilibrio x = 0
es asint
oticamente estable. Una funci
on de Lyapunov para ese sistema ser
a:
V (x) = f(x)T f(x)
Si ademas f(x)T f(x) cuando ||x|| , el equilibrio ser
a global y asint
oticamente estable.
3.1.1.

Prueba de una funcion candidata de Lyapunov

V (x) = f(x)T f(x)

1. Prueba de posibilidad de V (x).

Por hip
otesis tenemos que
F (x) < 0
det[F (x)] 6= 0 x 6= 0

det[F (x)] = 0 si x = 0
Por tanto tendremos u
nicamente un equilibrio en todo el espacio de estado, entonces:
(
V (0) = 0
T
V (x) = f(x) f(x)
V (x) 6= 0 x =
6 0
2. Prueba de negatividad definida de V (x).

V (x) = f(x)T f(x) + f(x)T f(x)

y como
f(x)

f(x)
=
x = F (x)x
x
Tendremos que:
V (x) = (F (x)x)
T f(x) + f(x)T (F (x)x)

= x T F (x)T f(x) + f(x)T F (x)x

Note tambien que x = f(x)
V (x) = f(x)T F (x)T f(x) + f(x)T F (x)f(x)
= f(x)T [F (x)T + F (x)]f(x)
= f(x)T F (x)f(x)
88

Si F (x) < 0, entonces:

V (x) < 0

Por tanto del teorema 3 visto anteriormente, concluimos estabilidad asint

otica global.
Ejemplo. Usando el teorema de Krasovskii determina la estabilidad del origen del sistema siguiente:
x1 = x1
x2 = x1 x2 x32
Donde:

 

 
f1 (x)
x1
x
f(x) =
=
y x= 1
f2 (x)
x1 x2 x32
x2


1
0
F (x) =
1 1 3x22


2
1
F (x) = F (x)T + F (x) =
1 2 6x22

Verificar si F (x) < 0:


2
1
1 2 + 6x22
det [F11(x)] = 2 > 0

F (x) =

det [F (x)] = 4 + 12x22 1 = 3 + 12x22

Por tanto F (x) < 0 y de acuerdo con Krasovskii, el origen es ASINTOTICAMENTE

ESTABLE EN
FORMA GLOBAL.

3.2.

Caso de estudio: P
endulo

Iniciaremos obteniendo el modelo din

amico de un pendulo ideal con el metodo de Lagrange (ecuaciones de movimiento de Lagrange)
L(q(t), q(t))

= K(q(t), q(t))

U (q(t))
Donde:
L(q(t), q(t))

R es el Lagrangiano,
K(q, q)
R es la energa cinetica,
U (q) R es la energa potencial,
L, K, U : Rn Rn R,
q Rn1 es la posici
on o coordenadas generalizadas (estados),
q Rn1 es la velocidad.

89

Ecuaciones de movimiento de Lagrange:

"
#
d L(q, q)

L(q, q)

=
dt
q
q
Donde Rn1 son los pares o fuerzas ejercidos, as como fuerzas no conservativas (fricci
on,
resistencia al movimiento de un objeto dentro de un fluido, y en general las que dependen del
tiempo o de la velocidad).
En el caso de un solo elemento qi R, tenemos:
"
#
d L(q, q)

L(q, q)

= i
dt
qi
qi
3.2.1.

P
endulo simple

m = masa concentrada del pendulo [kg]

lc = distancia al centro de masa [m]
I = momento de inercia del eslab
on con respecto al
eje que pasa atraves del centro de masa [kg m2 ]
q = posici
on articular [rad] o []

La energa cinetica del pendulo (o un eslab

on) se obtiene como la suma de:
1. El producto de la mitad de su masa por el cuadrado de la rapidez del centro de masa
2. El producto de la mitad de su momento de inercia (referido al centro de masa) por el cuadrado
de su velocidad angular (referido al centro de masa)
Obtenemos la energa cinetica del pendulo:
  

x
lc sin(q)
p= 1 =
y1
lc cos(q)
  

d
x1
lc cos(q)q
v= p=
=
y1
lc sin(q)q
dt
 

 x1
||v|| = vT v = x1 y1
= x1 2 + y1 2 = lc2 q 2
y1

Aplicando la formula de energa cinetica obtenemos:

K(q, q)
=

1 2 2 1 2
ml q + I q
2 c
2
90

Ahora la energa potencial; consideraremos el punto de referencia de energa potencial cero en y = 0:

U (q) = mglc cos(q)
Obtener el Lagrangiano:

1 2 2
ml q +
2 c
Obtener el modelo del pendulo con las ecuaciones
L(q, q)
=

1 2
I q + mglc cos(q)
2
de movimiento de Lagrange:

L(q, q)

= mlc2 q + I q
q
"
#
d L(q, q)

= mlc2 q + I q
dt
q
L(q, q)

= mglc sin(q)
q
La expresi
on para el modelo din
amico del pendulo simple:
[mlc2 + I]
q + mglc sin(q) =
La ecuaci
on de estado es:

 
q


d q

= 1
mglc sin(q)
dt q
ml2 +I
c

Los puntos de equilibrio:

 
q


0

= 1
0
ml2 +I mglc sin(q)
c

Equilibrio en:

  

q
q : mglc sin(q) = 0
=
q
0

Que pasa cuando > mglc ?

La ecuaci
on de equilibrio no tiene soluci
on, lo que significa que en ese caso no existe punto de
equilibrio.
Por tanto una condici
on necesaria para que existan puntos de equilibrio es:
mglc
Ahora para el caso cuando = 0, es decir, que depende s
olo de las condiciones iniciales, los equilibrios
son:
   
q
n
=
; nN
q
0
En forma particular analizaremos la estabilidad del equilibrio:
   
q
0
=
R2
q
0

91

3.2.2.

An
alisis de estabilidad

Proponemos una f.c.l.:

1
[mlc2 + I]q2 mglc cos(q)
2
Pero hay que verificar que sea definida positiva:
V (q, q)
=

V (q, q)|
0,0 = 0 + [mglc cos(0)]
Esto no es igual a cero, conviene sumar el termino mglc , y entonces la nueva f.c.l. es:
V (q, q)
=

1
[mlc2 + I]q 2 + [mglc cos(q)] + mglc
2

Definida localmente
V (q, q)
> 0 q [2, 2], q 6= 0

Veremos ahora la derivada temporal de V (q, q):

2
V (q, q)
= [mlc2 + I]qq + mglc sin(q)q + 0
2
Sustituyendo q de la ecuaci
on de lazo cerrado tenemos:



1
2

V (q, q)
= [mlc + I]q
mglc sin(q) + mglc sin(q)q
mlc2 + I
= mglc sin(q)q + mglc sin(q)q = 0
Concluimos estabilidad en el origen, de acuerdo al teorema 1
3.2.3.

P
endulo con fricci
on viscosa

El modelo din
amico del pendulo con fricci
on:
[mlc2 + I]
q + fv q + mglc sin(q) =
La ecuaci
on de lazo cerrado con = 0 es:

 
q


d q

= 1
dt q
ml2 +I fv q mglc sin(q)
c

92

El equilibrio:

   
q
n
=
q
0

Para an
alisis de estabilidad, proponemos f.c.l.:
V (q, q)
=

1
[mlc2 + I]q 2 + [mglc cos(q)] + mglc
2

Ya probamos que V (q, q)

> 0, y encontramos su derivada con respecto al tiempo, s
olo sustituimos q
de la nueva ecuaci
on de lazo cerrado:



1
V (q, q)
= [mlc2 + I]q
f
q

mgl
sin(q)
+ mglc sin(q)q
v
c
mlc2 + I
= q[mgl

+ mglc sin(q)q
c sin(q) + fv q]
= fv q 2
Entonces V (q, q)
0, por tanto, vamos a utilizar el teorema 4:V (q(t), q(t))

= 0 t 0, si y s
olo si,
q(t)
= 0 t 0
d
q(t)
= q(t) = 0 t 0.
Pero, para que q(t)
= 0 t 0, implica que dt
Luego, de la ecuaci
on del sistema:


1
q =
f
q

mgl
sin(q)
v
c
mlc2 + I


1
0=
mgl
sin(q)
c
mlc2 + I
Despejando implica que sin(q(t)) = 0 q(t) = 0 t 0 q (2, 2); concluyendo ESTABILI
DAD ASINTOTICA
LOCAL

93

4.

Control Realimentado
Objetivo de control:

1. Regulaci
on. El objetivo de control es encontrar una ley de control de tal manera que los
estados del sistema x tiendan a estados deseados constantes. (xd Rn ).
Encontrar una ley de control u(t) Rn , tal que:
lm x(t) = xd

O equivalentemente es:
Encontrar u(t) Rn , tal que:
lm x
(t) = 0

Donde x
(t) = xd x(t) representa el vector de estados
2. Seguimiento. El estado deseado xd depende del tiempo, no es constante. El objetivo de control de seguimiento es:
Encontrar una ley de control u(t) Rn , tal que:
lm x(t) = xd (t)

O equivalentemente es:
Encontrar u(t) Rn , tal que:
lm x
(t) = 0

Donde x(t) = xd x(t) representa el error de estados

4.0.4.

Objetivo de regulaci
on

Usaremos una vez m

as el pendulo como caso de estudio:

Modelo din
amico del pendulo simple:
[mlc2 + I]
q + mglc sin(q) =

94

Problema de control es encontrar de tal manera que:

lm q(t) = qd

Esto implica encontrar una ley de control que estabilice asint

oticamente el punto de equilibrio:

    
qd q
q
0
=
=
q
q
0
Ley de control propuesta tipo PD
La parte proporcional corrige el error de posici
on y la parte derivativa ofrece el termino de disipaci
on
de energa (equivalente a fricci
on viscosa):
= kp (qd q) kv q
La ecuaci
on de lazo cerrado queda ahora:

 
q


d q

= 1
dt q
ml2 +I kp (qd q) kv q mglc sin(q)
c

Para encontrar el equilibrio:

 
q


0

= 1
0
ml2 +I kp (qd q) kv q mglc sin(q)
c

Dado que es un pendulo simple, eliminamos el termino kv q,

y el equilibrio queda para toda q que
satisfaga la siguiente ecuaci
on:
  

q
q : kp (qd q) mglc sin(q) = 0
=
q
0
Nos interesa ver si q = 0, q = qd es punto de equilibrio:
kp (qd qd ) mglc sin(qd ) = 0 sin(qd ) = 0
Esto no satisface el objetivo de control ya que sin(qd ) = 0 s
olo si qd = n y nosotros necesitamos
que:
kp (qd qd ) mglc sin(qd ) = 0 t 0 q R
Entonces complementamos la ley de control con un termino m
as, de tal forma que eliminemos el
efecto de gravedad. Ahora la ley de control es:
= kp (qd q) kv q + mglc sin(q)
La ecuaci
on de lazo cerrado:

 
q


d q

= 1
kp (qd q) kv q
dt q
ml2c +I
95

El equilibrio:

(
 
q


0
q = 0
= 1
0
k
(q

q)

k
q

2
p
d
v
kp(qd q) = 0
ml +I
c

Ahora s q = 0, q = qd es punto de equilibrio t 0 qd R

Recorremos al origen el punto de equilibrio. Para esto usaremos un cambio de variable denotando el error de posici
on:
q = qd q
Luego la ecuaci
on de lazo cerrado en la nueva variable es: (q = q porque qd es constante)

 
 q

d q

= 1
kv q
dt q
ml2 +I kp q
c

Donde ahora el u
nico equilibrio es en el origen (cuando el error sea cero):
   
q
0
=
q
0
An
alisis de estabilidad del punto de equilibrio
Proponer f.c.l.:
V (q, q)
=K+U

pero esta ya no es suficiente porque el controlador suministra m

as energa. Entonces la nueva f.c.l.
eliminando terminos semejantes de V (q, q)
= K + U + EC:
V (
q , q)
=

1
1
(mlc2 + I)q2 + kp q2
2
2

donde V > 0 y radialmente desacotada.

Ahora hay que derivar:
V (
q , q)
= (mlc2 + I)qq + kp qq
Y sustituir de la ecuaci
on de lazo cerrado:



1
2

V (
q , q)
= (mlc + I)q
kp q kv q + kp q(q)
= kv q2
mlc2 + I
Dado que V (
q , q)
es semidefinida negativa, aplicamos el teorema 4: V (
q , q)
= 0 si y s
olo si q(t)
=0
t 0; esto implica que q(t) = 0 t 0, y en la ecuaci
on de lazo cerrado:
)
q(t) = 0
t 0
q(t)
=0

Por tanto V (
q , q)
= 0 t 0 y concluimos ESTABILIDAD ASINTOTICA
GLOBAL. Con lo cual
se satisface globalmente el objetivo de regulaci
on:
lm q(t) = 0

96

NOTAS:
Un contrapeso o compensaci
on de gravedad es el equivalente fsico de la constante que le sumamos
al pendulo simple, mientras que un resorte lo sera para la acci
on proporcional del controlador y un
amortiguador para la acci
on derivativa.
Si utilizaramos un control PID, no necesitaramos saber los par
ametros del pendulo lc y m, sino que
con la acci
on integral sera la compensaci
on de gravedad.
4.0.5.

Objetivo de seguimiento

Como ejemplo de ilustraci

on veamos el pendulo simple:
[mlc2 + I]
q + mglc sin(q) =
Para el ejemplo del pendulo propondremos un control linealizante por realimentaci
on tal que el
objetivo de seguimiento sea satisfecho. La linealizaci
on por seguimiento consiste en encontrar una
ley de control que adem
as de conseguir el objetivo de seguimiento convierta al sistema en lazo cerrado
en un sistema lineal, la llamaremos: Ley de control linealizante por realimentaci
on inversa
=

1
[mlc2 + I][qd + kv (qd q)
+ kp (qd q)] + mglc sin(q)
2

Definimos los objetivos de control de seguimiento:

Error de posici
on: q = qd q
Error de velocidad: q = qd q
Error de aceleraci
on: q
= qd q

97

La ecuaci
on de lazo cerrado:
1
1
(mlc2 + I)
q + mglc sin(q) = (mlc2 + I)[qd + kv q + kpq] + mglc sin(q)
2
2
1
1
(mlc2 + I)[qd + kv q + kp q] (mlc2 + I)
q=0
2
2
1
(mlc2 + I)[qd q + kv q + kp q] = 0
2
q
+ kv q + kp q] = 0

Esta
u
ltima es una ecuaci
on diferencial lineal de segundo orden aut
onoma.
La ecuaci
on en variables de estado:
  

d q
q
=
kv q kp q
dt q
El equilibrio ser
a en:

   
q
0
=
0
q

Para evaluar la estabilidad de dicho equilibrio, ya no ser

a la funci
on de energa porque la nueva
ecuacion de lazo cerrado ya es la diferencial. La nueva f.c.l.:
1
1
V (
q , q ) = q2 + kp q2
2
2
Su derivada temporal evaluada en las trayectorias del sistema:
V (
q , q ) = qq
+ kp qq
= q(kv q kp q) + kp qq
= kv q2

V (
q , q ) es semidefinida negativa, por lo que aplicaremos el teorema 4: V (
q , q)
desaparece identicamente s
olo en q = 0, q = 0 como lo comprobaremos enseguida:
V (
q , q)
= 0 t 0
Luego

q(t) = 0 t 0

q (t) = 0 t 0

q
(t) = 0 t 0

lo cual de la ecuaci
on de lazo cerrado:
q(t) = 0 t 0

kp q(t) = 0 t 0

lo cual a su vez implica que

q(t) = 0 t 0

Es decir, V (
q (t), q (t)) u
nicamente si q = 0, q = 0. Por lo cual concluimos estabilidad asint
otica global
del equilibrio, logrando el objetivo de seguimiento.

98

5.

Pasividad
Un sistema pasivo satisface la siguiente propiedad:
E(t1 ) = E(0) + Es (0, t1 ] El (0, t1 ]

donde: E(t1 ) es la energa en el instante de tiempo t = t1 , E(0) es la energa en el instante de tiempo

t = 0, Es (0, t1 ] es la energa externa suministrada en el intervalo de tiempo t = (0, t1 ] y El (0, t1 ] es
la energa perdida en el intervalo de tiempo t = (0, t1]
Elementos pasivos son aquellos elementos que no producen energa; por ejemplo: masas, inercias,
amortiguadores (en sistemas mec
anicos), resistencias, capacitores, inductores (en sistemas electricos). Un sistema pasivo contiene u
nicamente elementos pasivos.
Elementos activos son aquellos que pueden entregar energa externa; por ejemplo: elementos que entregan pares y fuerzas externas (en sistemas mec
anicos), elementos que entregan voltaje y corrientes
(en sistemas electricos).

5.1.

Definiciones
Trabajo. El trabajo realizado en un sistema mec
anico es el producto de la fuerza por la
distancia (o par multiplicado por el desplazamiento angular)
W = F Nm
Ejemplo:
Resorte traslacional con constante k, el trabajo hecho por un desplazamiento dx es dado por:
Z x
W =
F dx
0

Pero como la fuerza ejercida por un resorte es F = kx:

Z x
1
W =
kxdx = kx2 [N m]
2
0
Energa. Es la capacidad de realizar un trabajo. Sus unidades son las mismas que las de
trabajo (N m).
La energa potencial de un cuerpo de masa m en un campo gravitacional a una altura x = h
[m]
Z h
U=
mgdx = mgh
0

Energa en un resorte de constante k:

Z x
Z
U =
F dx =
0

kxdx =

1 2
kx
2

La energa cinetica es la que un cuerpo tiene como resultado de su velocidad

K=

99

1 2
mv
2

donde: m es la masa del cuerpo (kg), y v es la velocidad lineal del cuerpo ( m

s)
K=

1 2
J
2

donde: J es el momento de inercia (kgm2 ) y es la velocidad angular ( rad

s )
Energa disipada por un amortiguador de constante b de la posici
on x1 a la posici
on x2 :
Z x2
Z x2
Z t2
Z t2
dx
=
F dx =
bxdx
=b
x dt = b
x 2 dt
dt
x1
x1
t1
t1
Potencia. Es la tasa de tiempo para desarrollar un trabajo


dW
Nm
P =
= W att
dt
s
Potencia requerida para comprimir o estirar un resorte
dW
F dx
dU
=
= F x = kxx P =
dt
dt
dt
Potencia requerida para acelerar una masa m
P =

dW
F dx
dK
=
= m
xx = mvv
P =
dt
dt
dt
Potencia disipada en un amortiguador
P =

F dx
dW
=
= bx x = bx 2
dt
dt
SISTEMA INTERNACIONAL DE UNIDADES:
Joule
C
Nm
= W att = V A = V
=
s
s
s
En sistemas electricos, la energa se disipa en la resistencia y se almacena en el condensador y
la inductancia.
P =

5.2.

Sistema pasivo

Un sistema con entrada u y salida y donde u(t) Rn y y(t) Rn , es pasivo si existe una
constante tal que:
Z T
y(t)T u(t)dt T 0
0

Si u(t), y(t) R:

u(t)y(t)dt

Teorema. Suponga que existe una funci

on continua V (t) 0 tal que:
Z T
V (T ) V (0)
y(t)T u(t)dt T 0
0

Entonces el sistema con entrada u(t) y salida y(t) es pasivo.

Ejemplo:
Sea el pendulo simple, demostrar que el sistema es pasivo de a q

100

Propondremos una f.c.l. y obtenemos su derivada:

V (q, q)
=

1
[mlc2 + I]q2 + mglc [1 cos(q)] 0
2

V (q, q)
= [mlc2 + I]q q + mglc sin(q)q
La evaluamos en las trayectorias:
V (q, q)
= [mlc2 + I]q



1
mglc sin(q) + mglc sin(q)q
mlc2 + I

= q[
mglc sin(q) + mglc sin(q)]
= q

Si integramos ambos lados de la ecuaci

on:
Z

d
V (q(t), q(t))dt

=
dt

q(t)

(t)dt

Ojo! Hay que cambiar los lmites porque el diferencial es de V y la integral es en t:

Z

V (q(t),q(t))

dV (q(t), q(t))

V (q(0),q(0))

q(t)

(t)dt

V (q(t), q(t))

V (q(0), q(0))

q(t)

(t)dt

CONCLUIMOS POR TEOREMA QUE EL PENDULO

ES PASIVO Luego, como V (q(t), q(t))

0:
V (q(t), q(t))

V (q(0), q(0))

V (q(0), q(0))

entonces:
V (q(0), q(0))

q(t)

(t)dt

donde: V (q(0), q(0))

5.3.

Funci
on descriptiva

La funci
on descriptiva de un elemento no lineal, es la relaci
on compleja entre la componente
armonica fundamental de la salida con respecto a la entrada:
N =

y1
1
x

101

donde: N es la funci
on descriptiva, y1 es la amplitud de la componente arm
onica fundamental de la
salida, x es la amplitud de la sinusoide de entrada, 1 es el desplazamiento de fase de la arm
onica
fundamental de la salida.
Por ejemplo: no linealidad ON-OFF

(
M; x 0
y=
M ; x < 0

Entonces la no linealidad viene dada por:

N=

4M
x

102