Teoria de Estabilidad Dinamica

Capı́tulo 7
Estabilidad
7.1. Introducción y definiciones

A diferencia de los capı́tulos anteriores, los conceptos de este capı́tulo pueden
ser aplicados a sistemas más generales que los sistemas lineales.
Consideraremos pues un sistema (en general no lineal) de ecuaciones difer-
enciales de primer orden
ẋ = f (x, t) , (7.1)
siendo x(t) = (x1 (t), . . . , xn (t)) ∈ Rn el vector de estados y
f (x, t) = (f1 (x, t), . . . , fn (x, t)) ∈ Rn
Copyright © 2005. Edicions de la Universitat de Lleida. All rights reserved.
satisfaciendo las condiciones del teorema de existencia y unicidad del problema

de Cauchy asociado para una condición inicial x(t0 ) = x0 dada. En particular,
si fi y ∂fi /∂xj son funciones continuas en un entorno del punto (t0 , x0 ) ∈ Rn+1
se verifican dichas condiciones. El sistema (7.1) se llama autónomo si f no
depende explı́citamente del tiempo, es decir, son sistemas del tipo ẋ = f (x). En
caso contrario se llaman no autónomos. Si la función f es lineal y autónoma,
entonces se recuperan los sistemas lineales ẋ = Ax estudiados anteriormente.
Definición 44. El estado x∗ ∈ Rn se llama punto crı́tico o punto singular o
estado estacionario del sistema (7.1) si verifica f (x∗ , t) ≡ 0 para todo t.
Siempre supondremos que los puntos crı́ticos son aislados, lo que significa
que no hay otros puntos crı́ticos de (7.1) en un entorno de x∗ .
Nota 45. Supongamos que x∗ es un punto crı́tico del sistema (7.1). Entonces,
si x(t0 ) = x∗ , utilizando la ecuación (7.1) se deduce que x(t) = x∗ para todo
t ≥ t0 . El hecho de que las soluciones de (7.1) que comiencen en x∗ permanezcan
en x∗ da el nombre de estado estacionario a x∗ .
Nota 46. Sin pérdida de generalidad siempre se puede suponer que el punto
crı́tico x∗ es el origen, es decir x∗ = 0 ∈ Rn . En caso de que que no lo sea, se
realiza el cambio de variables (traslación) z = x − x∗ que lleva el punto x∗ al
origen.
García, I. (2005). Teoría de estabilidad y control. Retrieved from http://ebookcentral.proquest.com
Created from unadsp on 2019-10-13 14:03:54. 53
54 Estabilidad
Intuitivamente, la estabilidad de un punto crı́tico x∗ de (7.1) medirá si las

soluciones x(t) de (7.1) que comiencen “cerca”de x∗ permanecerán o no “cer-
ca”para t > t0 . No existe una única definición de estabilidad. Nosotros utilizare-
mos la siguiente definición dada por Liapunov.
Definición 47. Sea x∗ = 0 ∈ Rn punto crı́tico del sistema (7.1). Entonces:
(i) 0 es estable si para todo > 0 existe un δ > 0 tal que x(t0 ) < δ implica
x(t) < para todo t ≥ t0 .
(ii) 0 es asintóticamente estable si es estable y además lı́mt→∞ x(t) = 0.
(i) 0 es inestable si no es estable, es decir, existe un > 0 tal que para todo
δ > 0 existe un x(t0 ) verificando x(t0 ) < δ y x(t1 ) ≥ para algún
t1 > t0 . Si además esto sucede para todo x(t0 ) con x(t0 ) < δ entonces 0
se llama completamente inestable.
Si se conoce la expresión explı́cita de la solución general x(t) del sistema

(7.1) para cualquier condición inicial x(t0 ) = x0 entonces también se conoce la
estabilidad de sus puntos crı́ticos. Por ejemplo, el sistema lineal ẋ = Ax, siendo

2 −3
A= ,
2 −1
con la condición inicial x(0) = (x1 (0), x2 (0)) tiene por solución general (uti-
lizando los métodos anteriormente estudiados)
√ " √ "
t 15 3 15
x1 (t) = x1 (0) exp cos t + √ sin t −
2 2 15 2
√ "
6 t 15
√ x2 (0) exp sin t ,
15 2 2
con una expresión similar para x2 (t). Obviamente, debido al término exponen-
cial, lı́mt→∞ x1 (t) = ∞ para cualquier valor inicial x(0) de modo que el origen
del sistema lineal es inestable.
Sin embargo, excepto para sistemas lineales y algún otro tipo simple, no se
conocerá a priori la solución general x(t) del sistema de modo que este método
no es de gran aplicación.
7.2. Estabilidad en sistemas lineales

Consideremos otra vez el sistema lineal
ẋ = Ax , (7.2)
Created from unadsp on 2019-10-13 14:03:54.
7.2 Estabilidad en sistemas lineales 55
con x ∈ Rn y A ∈ Mn (R). Suponiendo que A sea no singular, es claro que

el único punto crı́tico del sistema (7.2) es el origen, de modo que tiene senti-
do hablar de la estabilidad del sistema lineal (7.2) aunque nos refiramos a la
estabilidad del origen de (7.2).
Definición 48. Sean λk ∈ C, con k = 1, . . . , n, los valores propios de la matriz
A ∈ Mn (R). Denotemos por (λk ) a la parte real de λk . Entonces A se llama
matriz de estabilidad o bien de Hurwitz si (λk ) < 0 para todo k = 1, . . . , n.
Teorema 49. Sean λk , con k = 1, . . . , n, los valores propios de la matriz A. El
sistema (7.2) es:
(i) asintóticamente estable si y sólo si A es una matriz de estabilidad.
(ii) inestable si existe algún k tal que (λk ) > 0.
(iii) completamente inestable si (λk ) > 0 para todo k = 1, . . . , n.
Demostración de (i). Sólo probaremos la condición suficiente de (i) en el caso

de que todos los valores propios de A sean diferentes. La solución del sistema
(7.2) con la condición inicial x(0) = x0 viene dada por
x(t) = exp(At)x0 .
Utilizando las propiedades de las normas matriciales se tiene
x(t) ≤ exp(At) x0 . (7.3)
Realizaremos la demostración sólo para el caso en que todos los valores
propios λk de A son distintos. Entonces se puede aplicar la fórmula de Sylvester
(3.14), es decir,
n
exp(At) = Zk exp(λk t) ,
k=1
siendo Zk matrices constantes que sólo dependen de A y de sus valores propios.
Tomando normas se tiene
n
exp(At) ≤ Zk | exp(λk t)| .
k=1
√
Como λk = (λk ) + i (λk ), siendo i = −1, se tiene que
exp(λk t) = exp((λk )t) exp(i (λk )t) ,
de modo que el módulo | exp(λk t)| = exp((λk )t). Se tiene pues que
n

exp(At) ≤ Zk exp((λk )t) . (7.4)
k=1
Supongamos que (λk ) < 0 para todo k. Entonces, de (7.4) se deduce que
exp(At) → 0 cuando t → ∞. Finalmente, teniendo en cuenta (7.3), se con-
cluye que x(t) → 0 cuando t → ∞ y por lo tanto el sistema (7.2) es asintótica-
mente estable.
56 Estabilidad
Nota 50. Observar que tras el Teorema 49, los casos difı́ciles en el estudio de
la estabilidad del sistema (7.2) son aquellos en los que algún valor propio λj de
A sea o bien nulo o bien imaginario puro, es decir, (λj ) = 0.
Es fácil demostrar el siguiente resultado de gran utilidad en aplicaciones.
Proposición 51. Sea el polinomio k(λ) = λ3 + aλ2 + bλ + c ∈ R3 [λ]. Todas
las raı́ces de k(λ) tienen parte real negativa si y sólo si a > 0, b > 0, c > 0 y
ab > c.
7.3. Teorı́a de Liapunov de la estabilidad

En esta sección estudiaremos la estabilidad de los puntos crı́ticos de un
sistema (7.1) no necesariamente lineal pero si autónomo. Sin pérdida de gener-
alidad se estudiará en muchas ocasiones la estabilidad del origen, ver la Nota
46. Por lo tanto, el ojetivo es estudiar la estabilidad del punto crı́tico x∗ en el
sistema
ẋ = f (x) , f (x∗ ) = 0 . (7.5)
La teorı́a de Liapunov de la estabilidad para este tipo de sistemas consiste en
generalizar el concepto de energı́a V que aparece en los sistemas conservativos
en mecánica, donde es bien sabido que un punto crı́tico es estable si la energı́a
tiene un mı́nimo en dicho punto.
Definición 52. Dada una función V : Rn → R de clase C 1 , se define la
derivada orbital V̇ de V respecto del sistema (7.5) como la siguiente derivada
direccional
n
dV ∂V
V̇ = = ẋi = ∇V.f .
dt i=1
∂xi
Nota 53. Nótese que, dada una solución x(t) del sistema (7.5), se tiene
dV (x(t))
V̇ (x(t)) = .
dt
Definición 54. La función V : D ⊂ Rn → R con x∗ = 0 ∈ D es una función
de Liapunov para el sistema (7.5) si verifica lo siguiente:
(i) V ∈ C 1 (D).
(ii) V es definida positiva, es decir, V (0) = 0 y V (x) > 0 para todo x ∈ D con
x = 0.
(iii) V̇ es semidefinida negativa, es decir, V̇ (0) = 0 y V̇ (x) ≤ 0 para todo
x ∈ D.
El siguiente resultado es básico en esta teorı́a y posee un fuerte caracter

geométrico.
7.3 Teorı́a de Liapunov de la estabilidad 57
Teorema 55 (Liapunov). (i) El punto crı́tico x∗ = 0 del sistema (7.5) es es-

table si existe una función de Liapunov definida en un entorno D ⊂ Rn
con 0 ∈ D.
(ii) El punto crı́tico x∗ = 0 del sistema (7.5) es asintóticamenete estable si
existe una función de Liapunov definida en un entorno D ⊂ Rn con 0 ∈ D
tal que V̇ es definida negativa, es decir, V̇ (0) = 0 y V̇ (x) < 0 para todo
x ∈ D con x = 0.
Demostración. Daremos una prueba sólo para el caso bidimensional, es decir
x = (x1 , x2 ) ∈ R2 .
En primer lugar exploremos algunos aspectos geométricos de las funciones
definidas positivas. Está claro que, si V : R2 → R es definida positiva en un
entorno D ⊂ R2 del origen, entonces V tiene un mı́nimo aislado en el origen.
Esto implica que las curvas de nivel
V −1 (c) = {x ∈ R2 | V (x) = c}
en el plano de fases x1 − x2 son curvas cerradas rodeando al origen para c ∈ R

positivo y pequen̄o.
En el siguiente paso, queremos determinar cómo cruzan las soluciones x(t)
del sistema ẋ = f (x) a las anteriores curvas de nivel de V . Para verlo, calculamos
la derivada orbital de V según el sistema ẋ = f (x), es decir,
∂V ∂V
V̇ (x(t)) = (x(t))ẋ1 + (x(t))ẋ2 .
∂x1 ∂x2
Por supuesto, esta expresión coincide con la del producto escalar del vector
gradiente ∇V (x) y del vector f (x) de modo que
V̇ (x) = f (x).∇V (x) = f (x) ∇V (x) cos θ ,
siendo θ el ángulo formado por los vectores ∇V (x) y f (x). Recordemos que el
vector ∇V (x) es perpendicular a la curva de nivel de V que pasa por x y con
el sentido de máxima variación de V . De este modo, si V̇ (x) < 0, entonces el
ángulo θ es obtuso con lo cual la órbita del sistema que pasa por x corta a la
curva de nivel desde la parte del plano no acotada (exterior de la curva de nivel)
hacia la parte acotada por la curva de nivel (interior de la curva de nivel). De
forma similar, si V̇ (x) > 0, la órbita del sistema que pasa por x corta a la curva
de nivel de V que pasa por x desde su interior hacia su exterior; si V̇ (x) = 0 la
órbita del sistema que pasa por x toca a la curva de nivel tangencialmente en
x.
Con todos estos preliminares vamos finalmente a demostrar el teorema.

(i) Sea > 0 suficientemente pequen̄o de manera que el entorno del origen
consistente en los puntos x con x ≤ esté contenido en D. Sea
m = mı́n {V (x)} > 0 .

x=
58 Estabilidad
Recordemos que m existe puesto que el subconjunto de R2 de puntos x con

x = es cerrado y acotado y por lo tanto compacto. Ahora tomemos un δ tal
que 0 < δ ≤ tal que V (x) < m para todo x con x ≤ δ. Dicho δ existe ya que
V es una función continua con V (0, 0) = 0.
Sea x(t) la solución del sistema que pasa por el punto x0 ∈ R2 para tiempo
t = 0. Si se toma x0 ≤ δ entonces x(t) ≤ para todo t ≥ 0 ya que
V̇ (x(t)) ≤ 0 implica V (x(t) ≤ V (x0 ) para todo t ≥ 0. Hemos probado pues la
estabilidad del origen.
(ii) Se demuestra de manera similar.
Por supuesto, una de las principales dificultades que uno se encuentra cuando
quiere utilizar la teorı́a de estabilidad de Liapunov consiste en buscar la fun-
ción de Liapunov. Una situación simple consiste en buscar formas cuadráticas
definidas positivas como funciones de Liapunov.
Lema 56. Una forma cuadrática V (x1 , x2 ) = ax21 + 2bx1 x2 + cx22 con a, b, c ∈ R
es definida positiva si y sólo si a > 0 y ac − b2 > 0.
Demostración. Probaremos sólo la necesidad (la suficiencia sigue razonamien-

tos análogos). Supongamos pues que V es definida positiva. Entonces, como
V (x1 , 0) > 0 para todo x1 = 0, se debe tener a > 0. Tomemos ahora un x̂2 = 0
fijo de modo que V (x1 , x̂2 ) > 0 para todo x1 . Ası́, el polinomio p(x1 ) = V (x1 , x̂2 )
no puede tener raı́ces reales. En consecuencia, su discriminante 4(b2 − ac) debe
ser negativo.
7.3.1. Aplicación a sistemas lineales

Consideremos de nuevo el sistema lineal
ẋ = Ax , (7.6)
con x ∈ Rn y A ∈ Mn (R). En esta sección mostraremos cómo se puede aplicar

a los sistemas lineales la teorı́a de Liapunov. Para ello ensayaremos la siguiente
“posible”función de Liapunov definida mediante una forma cuadrática
V = xT P x , (7.7)
siendo P ∈ Mn (R) simétrica. La derivada orbital V̇ de V respecto del sistema

lineal (7.6) viene dada por
V̇ = ẋT P x + xT P ẋ = xT AT P x + xT P Ax = xT (AT P + P A)x ,
de modo que, si definimos la matriz Q mediante la llamada ecuación matricial

de Liapunov
AT P + P A = −Q , (7.8)
se tiene que
V̇ = −xT Qx . (7.9)
7.3 Teorı́a de Liapunov de la estabilidad 59
Es fácil ver que Q es una matriz simétrica puesto que P lo es. Esto es debido a
que
QT = −(AT P + P A)T = −(P T A + AT P T ) = −(P A + AT P ) = Q .
Por lo tanto la expresión de V̇ dada en (7.9) es una forma cuadrática.

Es habitual fijar V̇ , es decir, fijar Q y calcular V o equivalentemente calcular
una solución P de la ecuación matricial de Liapunov (7.8).
Los siguientes teoremas son una herramienta teórica con grandes aplicaciones
en la teorı́a de control óptimo como veremos en capı́tulos posteriores.
Teorema 57 (Liapunov). La ecuación matricial de Liapunov (7.8) verifica lo

siguiente:
(i) La ecuación (7.8) tiene una única solución P simétrica para cada Q simétri-
ca fijada si y sólo si para cada par de valores propios λi y λj de A se verifica
λi + λj = 0.
(ii) Si A es una matriz de estabilidad, para cada Q definida positiva existe una
única solución de (7.8) que es definida positiva y viene dada de forma
explı́cita por ∞
P = exp(AT t)Q exp(At) dt . (7.10)
0
Nota 58. La fórmula (7.10) tiene interés teórico puesto que en muchas oca-
siones es más simple resolver la ecuación matricial de Liapunov (7.8) direc-

tamenete que calcular mediante (7.10).
Teorema 59. La matriz A es una matriz de estabilidad si y sólo si para

cualquier matriz Q ∈ Mn (R) simétrica y definida positiva, la matriz P ∈
Mn (R) solución de la ecuación matricial de Liapunov (7.8) es también definida
positiva.
Demostración. Consta de dos partes:
Si P y Q son ambas definidas positivas, entonces la V dada en (7.7) es

una función de Liapunov y además V̇ es definida negativa de modo que,
por el Teorema 55, el origen del sistema (7.6) es asintóticamente estable.
Si Q es definida positiva y P es definida negativa o indefinida entonces en

ambos casos la V definida en (7.7) puede tomar valores negativos en un
entorno del origen. Entonces, el origen del sistema (7.6) es inestable.
7.3.2. Estabilidad mediante linearización

La teorı́a de estabilidad desarrollada para sistemas lineales puede ser aplica-
da en algunos casos a sistemas no lineales mediante el concepto de linearización.
60 Estabilidad
Consideremos de nuevo la ecuación no lineal (7.5) con el punto crı́tico x∗ ∈ Rn ,

es decir,
ẋ = f (x) , f (x∗ ) = 0 . (7.11)
Supongamos que f es suficientemente regular de modo que podemos realizar
el desarrollo de Taylor de f (x) en un entorno de x∗ , es decir, f (x) = Df (x∗ )(x−
x∗ )+g(x), siendo la función g(x) la que contiene a los términos de orden superior
a los lineales en el desarrollo efectuado y
⎛ ∂f ∂f1
⎞
∗ ∗
∂x1 (x ) · · ·
1
∂xn (x )
⎜ ∂f2 ∗ ∂f ⎟
⎜ ∂x1 (x ) · · · ∂xn2 (x∗ ) ⎟
∗
Df (x ) = ⎜⎜ ⎟ ∈ Mn (R) ,
.. .. .. ⎟
⎝ . . . ⎠
∂fn ∗ ∂fn ∗
∂x1 (x ) ··· ∂xn (x )
la matriz jacobiana de f calculada en el punto x∗ .
Definición 60. El sistema lineal
ẋ = Df (x∗ )x , (7.12)
se llama la linearización del sistema no lineal ẋ = f (x) en el punto singular x∗ .
Teorema 61 (Estabilidad por linearización). Si el sistema lineal ẋ = Df (x∗ )x

es asintóticamente estable o inestable, entonces el punto crı́tico x∗ del sistema
no lineal ẋ = f (x) con f (x∗ ) = 0 tiene la misma propiedad de estabilidad.
Demostración. Demostraremos sólo la primera parte del teorema relacionada

con la estabilidad asintótica. Supondremos además que x∗ = 0.
Consideremos la función V = xT P x donde la matriz P satisface la ecuación
matricial de Liapunov
Df T (0)P + P Df (0) = −Q ,
con Q una matriz arbitraria real simétrica y definida positiva.
Supongamos que el sistema linearizado ẋ = Df (0)x es asintóticamente es-

table. Entonces P es definida positiva por el Teorema 59. Además, la derivada
orbital de V respecto del sistema ẋ = f (x) = Df (0)x + g(x) es
V̇ = ẋT P x + xT P ẋ = [Df (0)x + g]T P x + xT P [Df (0)x + g]

= [xT Df T (0) + g T ]P x + xT P [Df (0)x + g]
= xT [Df T (0)P + P Df (0)]x + g T P x + xT P g
= −xT Qx + g T P x + xT P g .
Por otra parte

xT P g = (P g)T x = g T P T x = g T P x ,
7.4 Estabilidad y control 61
donde en el primer paso se ha utilizado la propiedad conmutativa del producto

escalar y en el último el hecho de que P es simétrica. De este modo se tiene que
V̇ = −xT Qx + 2g T P x .
Puesto que g comienza en términos de al menos grado 2, es claro que el segundo

término 2g T P x de V̇ comienza con términos de al menos grado 3. Entonces,
para x suficientemente cercano al origen domina el primer término −xT Qx en la
expresión de V̇ . Esto implica que, puesto que Q es una matriz definida positiva,
para todo x suficientemente cercano al origen se tiene V̇ < 0. Aplicando ahora
el Teorema 55, se concluye que el origen del sistema no lineal ẋ = f (x) es
asintóticamente estable.
Nota 62. Observar que el Teorema 61 no aporta ninguna información sobre
la estabilidad del punto crı́tico x∗ del sistema ẋ = f (x) cuando el sistema lin-
earizado ẋ = Df (x∗ )x es estable pero no es asintóticamente estable.
7.4. Estabilidad y control

Veamos alguna de las relaciones existentes entre los conceptos de estabilidad
y los de control. Consideremos de nuevo el sistema lineal controlado
ẋ = Ax + Bu , (7.13)
con A ∈ Mn (R) y B ∈ Mn×m (R) matrices constantes, x(t) ∈ Rn y u(t) ∈ Rm .

Además, supondremos que la salida y(t) del sistema es
y = Cx , (7.14)
con C ∈ Mr×n (R).
7.4.1. Estabilidad entrada–salida

Cuando un sistema es controlado mediante una entrada, es decir un vector
de control u(t), es de gran utilidad práctica definir un nuevo tipo de estabilidad.
Definición 63. El sistema ẋ = Ax + Bu, y = Cx, se dice que es entrada
acotada–salida acotada estable (o bien b.i.b.o) si cualquiere control de entrada
u(t) acotado produce una salida y(t) acotada. En otras palabras, independien-
temente del estado inicial x(t0 ), si u(t) < c1 para todo t ≥ t0 con c1 una
constante entonces existe otra constante c2 tal que y(t) < c2 para todo t ≥ t0 .
Nota 64. Es habitual en la literatura encontrar a los sistems con entrada

acotada–salida acotada estables mediante el nombre b.i.b.o provenientes de la
abreviatura del inglés bounded input–bounded output.
Teorema 65. Si el sistema lineal ẋ = Ax es asintóticamente estable, entonces
el sistema ẋ = Ax + Bu, y = Cx es b.i.b.o. estable.
62 Estabilidad
Demostración. En primer lugar, recordemos que la solución del sistema ẋ =

Ax + Bu con condición inicial x(0) = x0 viene dada según (3.21) por la fórmula
de variación de constantes
t
x(t) = exp(At) x0 + exp(−Aτ )Bu(τ ) dτ .
0
Tomando normas en la ecuación y = Cx y utilizando sus propiedades se obtiene

y(t) ≤ C x(t)
t
≤ C exp(At)x0 + exp[A(t − τ )] Bu(τ ) dτ (7.15)
.
0
Por otra parte, si A es una matriz de estabilidad, entonces existen constantes

reales positivas K y α de modo que
exp(At) ≤ K exp(−αt) ≤ K , ∀ t ≥ 0 . (7.16)
Esta propiedad, para el caso particular en que todos los valores propios λk de
A son distintos, se deduce de tomar normas en la fórmula de Sylvester (3.14),
es decir,
# n #
# # n
# #
exp(At) = # Zk exp(λk t)# ≤ Zk exp(λk t)
# #
k=1 k=1
n n
≤ K̂ exp(λk t) = K̂ exp[(λk )t]
k=1 k=1
n
≤ K̂ exp[−αt] = nK̂ exp[−αt]

k=1
donde K̂ := máx1≤k≤n {Zk } y α := mı́n1≤k≤n {(λk )}. Tomando K = nK̂ se

deduce (7.16).
Teniendo en cuenta que la entrada de control está acotada, es decir u(t) <
c1 , de las ecuaciones (7.15) y (7.16) se deduce la siguiente cota
t
y(t) ≤ C Kx0 + c1 B exp[A(t − τ )] dτ
0
t
≤ C Kx0 + c1 BK exp[−α(t − τ )] dτ
0

1
= KC x0 + c1 B [1 − exp(−αt)]
α

1
≤ KC x0 + c1 B para todo t ≥ 0 .
α
En definitiva, y(t) está acotada y por lo tanto el sistema es b.i.b.o estable.

7.4 Estabilidad y control 63
El recı́proco del Teorema 65 no es cierto en general. Sin embargo se dispone

del siguiente resultado demostrado en la página 53 de [12].
Teorema 66. Si el sistema lineal ẋ = Ax + Bu, y = Cx es completamente

controlable, completamente observable y b.i.b.o. estable, entonces el sistema ẋ =
Ax es asintóticamente estable.
7.4.2. Estabilización por realimentación lineal

Supongamos que el sistema de lazo abierto ẋ = Ax es inestable. Dicho de
otro modo, existe al menos un valor propio de la matriz A con parte real posi-
tiva (ver Teorema 49). En estos casos, un problema de gran aplicación consiste
en averiguar si se puede aplicar algún control u(t) de forma que el sistema
ẋ = Ax + Bu se estabilice.
Sabemos que, si el sistema ẋ = Ax + Bu es completamente controlable,

entonces existe una realimentación lineal u = Kx de modo que el sistema de
lazo cerrado ẋ = (A + BK)x es asintóticamente estable, ver Teorema 36. De
hecho existen infinitas matrices de ganancia K diferentes que consiguen este
objetivo.
Sin embargo, cuando el sistema ẋ = Ax + Bu no es completamente contro-
lable, entonces podemos definir una propiedad más débil que esta. En concreto,
se dice que el sistema ẋ = Ax + Bu es estabilizable si existe una matriz real K
tal que el sistema de lazo cerrado ẋ = (A + BK)x es asintóticamente estable.
7.4.3. Linealización de sistemas de control no lineales

Consideremos un sistema de control no lineal
ẋ = f (x, u) , (7.17)
siendo x(t) ∈ Rn las variables de estado y u(t) ∈ Rm las variables de control.

Aquı́ no estamos suponiendo que la función vectorial f sea lineal. De hecho,
cuando se modeliza matemáticamente un sistema fı́sico de control, habitual-
mente estos son no lineales. Sin embargo, existen algunos sistemas que son o
bien débilmente no lineales o bien sus caracterı́sticas no lineales se dan bajo
ciertas restricciones de operación. El hecho de que podamos aproximar este tipo
de sistemas no lineales mediante sistemas lineales nos brinda poder atacar el
sistema con toda la artillerı́a de métodos analı́ticos y exactos propios de este
tipo de sistemas.
Suponiendo f ∈ C 1 , describiremos a continuación un proceso de linearización

del sistema (7.17) en un entorno de una solución x∗ (t) correspondiente al control
u∗ (t). Usualmente, x∗ es un punto singular del sistema (7.17) correspondiente
a un cierto control constante u∗ , es decir, f (x∗ , u∗ ) = 0 aunque no es necesario
que esto ocurra.
64 Estabilidad
Realizando una expansión de Taylor de la función
f (x, u) = (f1 (x, u), . . . , fn (x, u))
en un entorno del punto (x∗ , u∗ ) = (x∗1 , . . . , x∗n , u∗1 , . . . , u∗m ) y truncando a primer
orden se tiene
n m
∂fi ∗ ∗ ∂fi ∗ ∗
ẋi ≈ fi (x∗ , u∗ )+ (x , u )(xj −x∗j )+ (x , u )(uj −u∗j ) , i = 1, . . . , n .
j=1
∂xj j=1
∂u j
Puesto que se pretende estudiar el sistema en un entorno de (x∗ , u∗ ), definimos

las variables
∆xi = xi − x∗i , ∆ui = ui − u∗i . (7.18)
Como ∆ẋi = ẋi − ẋ∗i = ẋi − fi (x∗ , u∗ ), se tiene
n m
∂fi ∗ ∗ ∂fi ∗ ∗
∆ẋi = (x , u )∆xj + (x , u )∆uj , i = 1, . . . , n .
j=1
∂xj j=1
∂uj
Por supuesto, este sistema lineal se puede escribir en la forma matricial
∆ẋ = Â∆x + B̂∆u , (7.19)
siendo ∆x = (∆x1 , . . . , ∆xn )t ∈ Rn , ∆u = (∆u1 , . . . , ∆um )t ∈ Rm ,

⎛ ∂f ∂f1
⎞
∗ ∗ ∗ ∗
∂x1 (x , u ) · · ·
1
∂xn (x , u )
⎜ ∂f2 ∗ ∗ ⎟
∂f
⎜ ∂x1 (x , u ) · · · ∂xn2 (x∗ , u∗ ) ⎟
Â = ⎜⎜ .. .. .. ⎟ ∈ Mn (R) ,
⎟
⎝ . . . ⎠
∂fn ∗ ∗ ∂fn ∗ ∗
∂x (x , u ) · · · ∂xn (x , u )
⎛ ∂f 1 ∂f1
⎞
∗ ∗ ∗ ∗
∂u1
1
(x , u ) · · · ∂um (x , u )
⎜ ∂f2 ∗ ∗ ∂f2 ⎟
⎜ ∂u1 (x , u ) · · · ∂um (x∗ , u∗ ) ⎟
B̂ = ⎜⎜ ⎟ ∈ Mn×m (R) .
.. .. .. ⎟
⎝ . . . ⎠
∂fn ∗ ∗ ∂fn ∗ ∗
∂u1 (x , u ) ··· ∂um (x , u )
7.5. Problemas resueltos

1. Consideremos un péndulo de longitud inmerso en un fluido que le pro-
porciona un rozamiento proporcional a la velocidad. Es fácil ver que la
ecuación del movimiento del péndulo viene dada por
θ̈ + 2cθ̇ + Ω2 sin θ = 0 ,
donde c > 0 es un coeficiente de rozamiento y Ω2 = /g con g la gravedad

supuesta constante. Estudiar la estabilidad de sus puntos singulares.
7.5 Problemas resueltos 65
Solución. Usando el cambio de variables habitual θ̇ = w se tiene el sistema
θ̇ = w , ẇ = −Ω2 sin θ − 2cw . (7.20)
Los puntos singulares del sistema en el plano de fases son (θ, w) = (nπ, 0),
con n ∈ Z.
Estudiemos a continuación la estabilidad del origen del sistema (7.20) por

linearización. La matriz Jacobiana de (7.20) es

0 1
Df (θ, w) = ,
−Ω2 cos θ −2c
de modo que, calculada en el origen es

0 1
Df (0, 0) = .
−Ω2 −2c
√
Los valores propios asociados a Df (0, 0) son λ± = −c ± c2 − Ω2 . Debido
a que c > 0 y Ω > 0 se tiene que (λ± ) < 0 (independientemente de si
c ≥ Ω o no). Por lo tanto, utilizando una combinación del Teorema 49 y
del Teorema 61 se concluye que el origen (θ, w) = (0, 0) es asintóticamente
estable para el sistema (7.20).
Es fácil demostrar que si n es par, las ecuaciones que se obtienen del estudio
de la estabilidad por linearización de los puntos singulares (θ, w) = (nπ, 0)
son las mismas que para el origen. De este modo, el análisis realizado para
el origen se aplica de igual forma aquı́. En definitiva se tiene que los puntos
singulares (θ, w) = (nπ, 0) son asintóticamente estables para el sistema
(7.20).
Por el contrario, si calculamos la matriz Jacobiana de (7.20) en los puntos
singulares (θ, w) = (nπ, 0) con n impar se obtiene

0 1
Df (nπ, 0) = .
Ω2 −2c
√ valores propios asociados a Df (nπ, 0) con n impar son λ± = −c ±

Los
c2 + Ω2 . Se tiene ahora que (λ+ ) > 0 y (λ− ) < 0. Aplicando de
nuevo el Teorema 49 y el Teorema 61 se concluye que los puntos singulares
(θ, w) = (nπ, 0) con n impar son inestable para el sistema (7.20).
2. Consideremos el sistema no lineal siguiente obtenido mediante una per-
turbación de un oscilador armónico
ẋ = y + αx(x2 + y 2 ) , ẏ = −x + αy(x2 + y 2 ) ,
con α ∈ R\{0} un parámetro.

(i) ¿Es posible estudiar la estabilidad del origen del sistema por linearización?
66 Estabilidad
(ii) Sea (x(t), y(t)) una solución del sistema. Utilizar la función (x(t), y(t)2
para estudiar la estabilidad del origen del sistema.
Solución. (i) La matriz Jacobiana asociada al sistema y calculada en el

origen es

0 1
Df (0, 0) = .
−1 0
Los valores propios asociados a Df (0, 0) son λ± = ±i y por lo tanto ima-
ginarios puros. Puesto que (λ± ) = 0, no se puede aplicar el Teorema 61
y por lo tanto la linearización no es suficiente para analizar la estabilidad
del origen del sistema.
(ii) Sea V (t) = (x(t), y(t)2 = x2 (t) + y 2 (t). Calculamos la derivada

orbital de V y obtenemos
V̇ = 2xẋ+2y ẏ = 2x[y+αx(x2 +y 2 )]+2y[−x+αy(x2 +y 2 )] = 2α(x2 +y 2 )2 .
Está claro que, excepto en el origen, el signo de V̇ coincide con el de α.

De este modo, teniendo en cuenta el significado geométrico de la función
V , concluimos que
Si α < 0 entonces (x(t), y(t)) → (0, 0) cuando t → ∞ de manera

monótona. En particular, el origen del sistema es asintóticamente
estable. Notar que, aplicando el apartado (ii) del Teorema 55, se
puede deducir el resultado teniendo en cuenta que V es una función
de Liapunov y V̇ es definida negativa.

Si α > 0 entonces todas las soluciones (x(t), y(t)) del sistema, excepto
el origen, escapan hacia el infinito cuando t → ∞. En particular, el
origen del sistema es inestable.
3. Consideremos un péndulo de longitud y masa m. Se sabe que, despre-

ciando los efectos del rozamiento y tomando la gravedad g constante, la
ecuación del movimiento viene dada por
g
θ̈ + sin θ = 0 ,

siendo θ el ángulo que forma el péndulo con la vertical.
(i) ¿Es posible estudiar la estabilidad del origen (θ, θ̇) = (0, 0) del sistema
por linearización?
(ii) ¿Es posible utilizar la función V (θ, θ̇) = θ2 + θ̇2 como función de
Liapunov en un entorno del origen?
(iii) ¿Es posible utilizar la función energı́a E(θ, θ̇) = 12 m2 θ̇2 + mg(1 −
cos θ) como función de Liapunov en un entorno del origen?
Solución.
(i) Usando el cambio de variables habitual θ̇ = w se tiene el sistema
g
θ̇ = w , ẇ = − sin θ .

Los puntos singulares del sistema en el plano de fases son (θ, w) = (nπ, 0),
con n ∈ Z.
La matriz Jacobiana del sistema es

0 1
Df (θ, w) = ,
− g cos θ
de modo que, calculada en el origen es

0 1
Df (0, 0) = .
− g 0
Los valores propios λ± asociados a Df (0, 0) son imaginarios puros, de mo-

do que (λ± ) = 0 y no se puede concluir nada sobre la estabilidad del
origen por el método de linearización.
(ii) Sea V (θ, w) = θ2 + w2 . La derivada orbital de V a lo largo de las

órbitas del sistema es
g !
V̇ = 2w θ − sin θ .

Observemos que V̇ (θ, w) no tiene signo definido en ningún entorno del
origen. Una forma de verlo es la siguiente. El desarrollo de Taylor de sin θ
entorno del origen es sin θ = θ + O(θ3 ), de modo que
$ g% !
V̇ (θ, w) = 2w θ 1 − + O(θ3 ) .

68 Estabilidad
De esta expresión se obtiene que el signo de V̇ viene dado por

sign [1 − g/] si w > 0, 0 < θ << 1 ,
sign [V̇ ] =
sign [−(1 − g/)] si w < 0, 0 < θ << 1 ,
Se concluye que no es posible tomar V como función de Liapunov en un
entorno del (θ, w) = (0, 0).
(iii) Observar que la función E(θ, θ̇) = 12 m2 θ̇2 +mg(1−cos θ) es definida
positiva en un entorno suficientemente pequen̄o del origen puesto que , m
y g son constantes positivas. Además, la derivada orbital Ė ≡ 0. Entonces,
E es una función de Liapunov para el sistema y, aplicando la parte (i) del
Teorema 55, el origen es estable.
4. Considerar un oscilador amortiguado, es decir, un sistema del tipo
mẍ + cẋ + kx = 0 ,
con c > 0 y k > 0 las constantes de rozamiento y elástica respectiva-
mente. Demostrar, utilizando la energı́a mecánica total como función de
Liapunov, que el punto crı́tico (x, ẋ) = (0, 0) es estable.
Solución. En primer lugar escribimos el sistema en el plano de fases

k c
x− y .
ẋ = y , ẏ = −
m m
La energı́a mecánica E del sistema es la suma de la energı́a potencial
elástica y de la energı́a cinética, es decir,
1 1
my 2 + kx2 .
E(x, y) =
2 2
Puesto que m y k son constantes positivas, es obvio que E(x, y) > 0 para
todo (x, y) = 0 y que E(0, 0) = 0 de modo que la función E es definida
positiva. Además, su derivada orbital es
∂E ∂E
Ė = ẋ + ẏ
∂x ∂y

k c
= kxy + my − x − y = −cy 2 ≤ 0 ,
m m
por lo tanto Ė es semidefinida positiva. En definitiva E(x, y) es una función

de Liapunov para el sistema en un entorno del punto singular (x, y) =
(0, 0). Aplicando el apartado (i) del Teorema 55 se concluye que el punto
singular (x, y) = (0, 0) es estable1 .
5. Estudiar la estabilidad de los puntos singulares del sistema
ẋ = −2xy , ẏ = x2 − y 3 ,
utilizando una función de Liapunov del tipo V (x, y) = ax2m + by 2n con

constantes adecuadas a, b, m, n.
Solución. Está claro que la única solución del sistema de ecuaciones
0 = −2xy , 0 = x2 − y 3 ,
es (x, y) = (0, 0). Por lo tanto el origen es el único punto singular del
sistema.
La derivada orbital de V es
∂V ∂V
V̇ = ẋ + ẏ = 2max2m−1 (−2xy) + 2nby 2n−1 (x2 − y 3 )
∂x ∂y
= [−4max2m y + 2nbx2 y 2n−1 ] − 2nby 2n+2 .
Elejimos los valores de los parámetros de manera que la expresión encerra-

da entre corchetes se anule. Por ejemplo, mediante simple inspección, una
elección es m = n = a = 1, b = 2. Se tiene entonces V (x, y) = x2 + 2y 2
que es definida positiva y V̇ (x, y) = −4y 4 que es semidefinida negativa.
Concluimos que V es una función de Liapunov para el sistema y, apli-

cando el apartado (i) del Teorema 55 se concluye que el punto singular
(x, y) = (0, 0) es estable.
6. Considerar el sistema lineal ẋ = Ax con x ∈ R2 y

−1 2
A= .
0 −3
(i) Demostrar que el sistema es asintóticamente estable.

(ii) Hallar una función de Liapunov cuadrática par el origen del sistema.
Solución. (i) Aplicando la parte (i) del Teorema 49 se concluye que el
sistema es asintóticamente estable puesto que los valores propios de la
matriz A son λ1 = −1 y λ2 = −3 y por lo tanto todos tienen parte real
negativa.
(ii) Consideremos la siguiente posible función de Liapunov cuadrática

V (x) = xT P x, siendo P ∈ M2 (R) una matriz simétrica. Sabemos que,
1 De hecho es fácil demostrar que el origen es asintóticamente estable aunque la función de
Liapunov E no nos permite detectarlo.

70 Estabilidad
si la derivada orbital de V respecto del sistema ẋ = Ax es V̇ = −xT Qx

entonces se verifica (7.8) que es la llamada ecuación matricial de Liapunov
AT P + P A = −Q .
Observar que la matriz A es una matriz de estabilidad, ver el apartado

anterior donde se comprueba que todos sus valores propios tienen parte
real negativa. Entonces, por el apartado (ii) del Teorema 57, se sabe que,
para cada Q definida positiva existe una única solución de la ecuación
matricial de Liapunov que es definida positiva. Sea pues

a 0
Q= ,
0 b
con a, b ∈ R+ \{0}. Obviamente Q es una matriz simétrica y definida pos-
itiva. Sea P = (pij ) ∈ M2 (R) simétrica. Entonces, la ecuación matricial
de Liapunov queda de la forma

−1 0 p11 p12 p11 p12 −1 2 a 0
+ =− .
2 −3 p12 p22 p12 p22 0 −3 0 b
De aquı́ se tiene el sistema lineal para las incógnitas pij siguiente
2p11 = a , p11 − 2p12 = 0 , 2p12 − 3p22 = −b ,
cuya solución es p11 = a/2, p12 = a/4 y p22 = (a + b)/6. En definitiva
obtenemos
1 a a/2
P = .
2 a/2 (a + b)/3
Nótese que P no sólo es simétrica, también es definida positiva como puede
comprobarse aplicando, por ejemplo, el criterio de Sylvester y comproban-

do que todos los determinantes menores principales de P son positivos.
Por supuesto existe otra forma de calcular P basada en la expresión (7.10),

es decir ∞
P = exp(AT t)Q exp(At) dt .
0
Un simple cálculo muestra que
∞
ae−2t ae−t [e−t − e−3t ]
P = dt
0 ae−t [e−t − e−3t ] be−6t + [e−t − e−3t ]2

1 a a/2
= .
2 a/2 (a + b)/3
En definitiva, obtenemos la siguiente familia biparamétrica de funciones

de Liapunov cuadráticas para el sistema

1 a a/2 x1
V (x) = xT P x = (x1 , x2 )
2 a/2 (a + b)/3 x2
1
= [3a(x21 + x1 x2 ) + (a + b)x22 ] ,
6
siendo a, b constantes reales positivas.
7. Considerar el sistema ẋ = Ax, con x ∈ R3 y

⎛ ⎞
−1 −1 0
A = ⎝ −1 −1 2a ⎠ .
b 0 −b
(i) Averiguar para qué valores de los parámetros reales a y b el sistema

ẋ = Ax es asintóticamente estable.
(ii) Supongamos que a = 1 y b = 2. ¿Es b.i.b.o estable el sistema con-
trolado ẋ = Ax + Bu, y = Cx para cualquier matriz constante B, C
adecuadas y vector control u(t)?
(iii) Supongamos que a = 1, b = −3. Averiguar si el sistema ẋ = Ax+Bu,
y = Cx es b.i.b.o estable donde
⎛ ⎞
1 0
B = ⎝ 2 1 ⎠ , C = (1, 5, 2) .
7 3
Solución. (i) El polinomio caracterı́stico asociado a la matriz A es
k(λ) = det(A − λI3 ) = λ3 + (2 + b)λ + 2bλ + 2ab .
Teniendo en cuenta la Proposición 51, todas las raı́ces del polinomio k(λ)
tienen parte real negativa si y sólo si
b + 2 > 0 , b > 0 , a > 0 , b(2 + b) > ab ,
o, equivalentemente
b + 2 > 0 , b(b + 2 − a) > 0 , ab > 0 .
(ii) Según el apartado anterior, para los valores de los parámetros a = 1

y b = 2 se verifica que todos los valores propios de la matriz A tienen
parte real negativa, es decir el sistema ẋ = Ax es asintóticamente estable.
Entonces, por el Teorema 65, se concluye que el sistema ẋ = Ax + Bu,
y = Cx es b.i.b.o estable.
(iii) Con la nueva elección de parámetros a1, b = −3 el sistema ẋ = Ax no

es asintóticamente estable, ver apartado (i). En consecuencia no se puede
aplicar el Teorema 65 para estudiar si el sistema ẋ = Ax + Bu, y = Cx es
b.i.b.o estable.
Estudiemos la controlabilidad y la observabilidad del sistema ẋ = Ax+Bu,
y = Cx.
72 Estabilidad
La matriz de controlabilidad es
⎛ ⎞
1 0 −3 −1 7 3
U = [B, AB, A2 B] = ⎝ 2 1 11 5 18 9 ⎠ ∈ M3×6 (R)
7 3 28 14 63 30
y es fácil comprobar que su rango es 3 por ejemplo calculando el determi-

nante de orden tres formado por sus primeras tres columnas

1 0 −3

2 1 11 = −2 = 0 .

7 3 28
Puesto que rang U = 3 es maximal se tiene, aplicando el Teorema 4.2, que

el sistema es completamente controlable.
La matriz de observabilidad V es
⎡ ⎤ ⎛ ⎞
C 1 5 2
V = ⎣ CA ⎦ = ⎝ −2 −6 16 ⎠ .
CA2 −30 18 36
Como det V = −1536 = 0 se tiene que V tiene rango máximo, es de-

cir, rang V = 3. En conclusión, aplicando el Teorema 33, el sistema es
completamente observable.
Finalmente, puesto que el sistema ẋ = Ax + Bu, y = Cx es completa-
mente controlable y observable pero ẋ = Ax no es asintóticamete estable,

aplicando el Teorema 66, se concluye que el sistema ẋ = Ax + Bu, y = Cx
no es b.i.b.o estable.
8. Consideremos un péndulo de longitud sometido a una gravedad g con-

stante. Supongamos que se pretende controlar el péndulo aplicándole una
fuerza por unidad de masa u de modo que la ecuación del movimiento
es θ̈ = −g sin θ + u. Suponiendo un péndulo de pequen̄as oscilaciones de
modo que sin θ ≈ θ y que se utiliza una realimentación del tipo u = −kθ,
averiguar si es posible estabilizar θ a zero.
Solución. Puesto que sin θ ≈ θ se tiene que las ecuaciones del movimiento
son aproximadamente θ̈ = −gθ + u. En el plano de las fases θ − w, siendo
w = θ̇ la velocidad angular, las ecuaciones del movimiento se escriben de
la forma ẋ = Ax + bu, siendo x = (θ, w)T y

0 1 0
A= , b= .
−g 0 1
Puesto que la realimentación es del tipo u = −kθ, se puede escribir de la

forma u = Kx, siendo K = (−k, 0).
El sistema en lazo cerrado es ẋ = (A + bK)x, siendo la matriz del sistema

0 1 0 0 1
A + bK = + (−k, 0) = ,
−g 0 1 −g − k 0
√
que tiene valores propios λ± = ± −g − k. Para estabilizar θ a zero,
se tiene que elegir k de manera que el sistema lineal en lazo cerrado sea
asintóticamente estable. Dicho de otro modo, se deberı́a tomar cualquier
k tal que (λ± ) < 0. Por supuesto esto es imposible ya que si −g −
k > 0 entonces (λ+ ) > 0; si −g − k ≤ 0 entonces (λ± ) = 0. Hemos
demostrado pues que con una realimentación del tipo u = −kθ no es
posible estabilizar θ a zero en un péndulo de pequen̄as oscilaciones.
9. Consideremos un péndulo invertido montado en un carrito que se puede
desplazar sobre unos railes horizontalmente. El carro tiene masa M y
está sujeto a una pared por un muelle de constante elástica k2 . El péndulo
se ha montado sobre el carrito mediante un muelle de constante elástica
k1 . La longitud del péndulo es 2 y su masa total m se supone distribuida
de forma homogénea a lo largo de su varilla. Sea u la fuerza de control
horizontal que se puede ejercer sobre el carro. Denotemos por z(t) la coor-
denada del centro de gravedad del carro respecto de su posición de equilibrio
y sea θ(t) el ángulo formado por el péndulo y la vertical que es la variable
que puede ser medida. Aplicando las leyes de la mecánica clásica es fácil
ver que las ecuaciones del movimiento del sistema son:
(M + m)z̈ + k2 z + m cos θθ̈ = mθ̇2 sin θ + u ,

4
m cos θz̈ + m2 θ̈ = mg sin θ − k1 θ .

3
Supondremos por simplicidad que M = m = = 1.
(i) Reescribir las ecuaciones del movimiento en la forma ẋ = f (x, u),
siendo las variables de estado x = (z, ż, θ, θ̇)T .
(ii) Si no actúa ninguna fuerza exterior sobre el carro y éste está en reposo
en su posición natural con el péndulo también en reposo y en posición
vertical está el sistema en equilibrio?
(iii) Linealizar el sistema entorno del anterior punto crı́tico.
Solución. (i) Es fácil ver que, las ecuaciones del movimiento se reescriben
de la forma ẋ = f (x, u), siendo las variables de estado
x = (x1 , x2 , x3 , x4 ) = (z, ż, θ, θ̇)T ∈ R4 ,

y la función f (x, u) = (f1 (x, u), f2 (x, u), f3 (x, u), f4 (x, u))T definida por
⎛ ⎞
x2
⎜ Λ[4k2 x1 − 3k1 x3 cos x3 − 4x24 sin x3 + 3g cos x3 sin x3 − 4u] ⎟
f (x, u) = ⎜ ⎟ ,
⎝ x4 ⎠
Λ[−3k2 x1 cos x3 + 6k1 x3 − 6g sin x3 + 3x24 cos x3 sin x3 + 3u cos x3 ]
74 Estabilidad
siendo Λ = 1/[3 cos3 x3 − 8].
(ii) Bajo las condiciones del enunciado el sistema se encuentra en el punto

x∗ = (0, 0, 0, 0) con u∗ = 0. Notemos que f (x∗ , u∗ ) = (0, 0, 0, 0)T , de modo
que el sistema se encuentra en un estado de equilibrio, es decir un punto
crı́tico.
(iii) El sistema linealizado entorno del punto (x∗ , u∗ ) = (0, 0) ∈ R4 × R

viene dado por
ẋ = Âx + b̂u ,
siendo
⎛ ∂f1 ∂f1
⎞
∗ ∗
∂x1 (x , u ) · · · ∂x (x∗ , u∗ )
⎜ ∂f2 ∗ ∗
4
∂f2 ⎟
⎜ ∂x1 (x , u ) · · · ∂x4 (x∗ , u∗ ) ⎟
Â = ⎜
⎜ .. .. .. ⎟ ∈ M4 (R) ,
⎟
⎝ . . . ⎠
∂f4 ∗ ∗ ∂f4 ∗
∂x1 (x , u ) · · · ∂x4 (x , u∗ )
⎛ ∂f1 ∗ ∗
⎞
∂u (x , u )
⎜ ∂f2 ∗ ∗ ⎟
⎜ ∂u (x , u ) ⎟
b̂ = ⎜ .. ⎟ ∈ R4 .
⎝ . ⎠
∂f4 ∗ ∗
∂u (x , u )
En concreto se obtiene
⎛ ⎞
0 1 0 0
⎜
⎜ −4k2 /5 0 3(k1 − g)/5 0 ⎟⎟ ∈ M4 (R) ,
Â = ⎝ 0 0 0 1 ⎠
3k2 /5 0 6(g − k1 )/5 0
⎛ ⎞
0
⎜ 4/5 ⎟
b̂ = ⎜ ⎟ ∈ R4 .
⎝ 0 ⎠
−3/5


Teoria de Estabilidad Dinamica

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Teoria de Estabilidad Dinamica

Загружено:

Авторское право:

Доступные форматы

Capı́tulo 7

7.1. Introducción y deﬁniciones

satisfaciendo las condiciones del teorema de existencia y unicidad del problema

Intuitivamente, la estabilidad de un punto crı́tico x∗ de (7.1) medirá si las

Deﬁnición 47. Sea x∗ = 0 ∈ Rn punto crı́tico del sistema (7.1). Entonces:

(ii) 0 es asintóticamente estable si es estable y además lı́mt→∞ x(t) = 0.

Si se conoce la expresión explı́cita de la solución general x(t) del sistema

7.2. Estabilidad en sistemas lineales

con x ∈ Rn y A ∈ Mn (R). Suponiendo que A sea no singular, es claro que

Demostración de (i). Sólo probaremos la condición suﬁciente de (i) en el caso

7.3. Teorı́a de Liapunov de la estabilidad

El siguiente resultado es básico en esta teorı́a y posee un fuerte caracter

Teorema 55 (Liapunov). (i) El punto crı́tico x∗ = 0 del sistema (7.5) es es-

en el plano de fases x1 − x2 son curvas cerradas rodeando al origen para c ∈ R

gradiente ∇V (x) y del vector f (x) de modo que

V̇ (x) = f (x).∇V (x) = f (x) ∇V (x) cos θ ,

Con todos estos preliminares vamos ﬁnalmente a demostrar el teorema.

m = mı́n {V (x)} > 0 .

Recordemos que m existe puesto que el subconjunto de R2 de puntos x con

Demostración. Probaremos sólo la necesidad (la suﬁciencia sigue razonamien-

7.3.1. Aplicación a sistemas lineales

Consideremos de nuevo el sistema lineal

con x ∈ Rn y A ∈ Mn (R). En esta sección mostraremos cómo se puede aplicar

siendo P ∈ Mn (R) simétrica. La derivada orbital V̇ de V respecto del sistema

V̇ = ẋT P x + xT P ẋ = xT AT P x + xT P Ax = xT (AT P + P A)x ,

de modo que, si deﬁnimos la matriz Q mediante la llamada ecuación matricial

QT = −(AT P + P A)T = −(P T A + AT P T ) = −(P A + AT P ) = Q .

Por lo tanto la expresión de V̇ dada en (7.9) es una forma cuadrática.

Teorema 57 (Liapunov). La ecuación matricial de Liapunov (7.8) veriﬁca lo

siones es más simple resolver la ecuación matricial de Liapunov (7.8) direc-

Teorema 59. La matriz A es una matriz de estabilidad si y sólo si para

Demostración. Consta de dos partes:

Si P y Q son ambas deﬁnidas positivas, entonces la V dada en (7.7) es

Si Q es definida positiva y P es definida negativa o indefinida entonces en

7.3.2. Estabilidad mediante linearización

Consideremos de nuevo la ecuación no lineal (7.5) con el punto crı́tico x∗ ∈ Rn ,

la matriz jacobiana de f calculada en el punto x∗ .

Deﬁnición 60. El sistema lineal

se llama la linearización del sistema no lineal ẋ = f (x) en el punto singular x∗ .

Teorema 61 (Estabilidad por linearización). Si el sistema lineal ẋ = Df (x∗ )x

Demostración. Demostraremos sólo la primera parte del teorema relacionada

con Q una matriz arbitraria real simétrica y deﬁnida positiva.

Supongamos que el sistema linearizado ẋ = Df (0)x es asintóticamente es-

V̇ = ẋT P x + xT P ẋ = [Df (0)x + g]T P x + xT P [Df (0)x + g]

Por otra parte

donde en el primer paso se ha utilizado la propiedad conmutativa del producto

Puesto que g comienza en términos de al menos grado 2, es claro que el segundo

7.4. Estabilidad y control

con A ∈ Mn (R) y B ∈ Mn×m (R) matrices constantes, x(t) ∈ Rn y u(t) ∈ Rm .

con C ∈ Mr×n (R).

7.4.1. Estabilidad entrada–salida

Nota 64. Es habitual en la literatura encontrar a los sistems con entrada

Demostración. En primer lugar, recordemos que la solución del sistema ẋ =

Tomando normas en la ecuación y = Cx y utilizando sus propiedades se obtiene

Por otra parte, si A es una matriz de estabilidad, entonces existen constantes

≤ K̂ exp[−αt] = nK̂ exp[−αt]

donde K̂ := máx1≤k≤n {Zk } y α := mı́n1≤k≤n { (λk )}. Tomando K = nK̂ se

García, I. (2005). Teoría de estabilidad y control. Retrieved from http://ebookcentral.proquest.com

El recı́proco del Teorema 65 no es cierto en general. Sin embargo se dispone

Teorema 66. Si el sistema lineal ẋ = Ax + Bu, y = Cx es completamente

7.4.2. Estabilización por realimentación lineal

Sabemos que, si el sistema ẋ = Ax + Bu es completamente controlable,

7.4.3. Linealización de sistemas de control no lineales

V̇ (x) = f (x).∇V (x) = f (x) ∇V (x) cos θ ,

donde K̂ := máx1≤k≤n {Zk } y α := mı́n1≤k≤n {(λk )}. Tomando K = nK̂ se

donde c > 0 es un coeﬁciente de rozamiento y Ω2 = /g con g la gravedad

(ii) Sea V (t) = (x(t), y(t)2 = x2 (t) + y 2 (t). Calculamos la derivada

3. Consideremos un péndulo de longitud y masa m. Se sabe que, despre-

8. Consideremos un péndulo de longitud sometido a una gravedad g con-

(M + m)z̈ + k2 z + m cos θθ̈ = mθ̇2 sin θ + u ,

m cos θz̈ + m2 θ̈ = mg sin θ − k1 θ .