Apuntenolin

Sistemas No Lineales
Notas de Clase
Por Mar Marta Seron a Laboratorio de Sistemas Dinmicos y a Procesamiento de Se ales (LSD) n Universidad Nacional de Rosario Primer Cuatrimestre 2000 Revisadas y ampliadas por Julio H. Braslavsky Automatizacin y Control Industrial o Universidad Nacional de Quilmes Primer Cuatrimestre 2001 Basadas en Khalil, H. Nonlinear Systems. Segunda edicin. Prentice Hall, NJ, 1996. o
Indice General
I Anlisis a 1
3 29 49 77 97
1 Introduccin o 2 Propiedades Fundamentales 3 Estabilidad Seg n Lyapunov. Sistemas Estacionarios u 4 Estabilidad Seg n Lyapunov. Sistemas Inestacionarios u 5 Estabilidad de Sistemas Perturbados
II
Control
113
115 137 161
6 Control en Realimentacin o 7 Linealizacin Exacta por Realimentacin o o 8 Dise os Basados en Lyapunov n
Parte I Anlisis a
Cap tulo 1 Introduccin o

1.1
1.1.1
Introduccin o
Sistemas No Lineales de Control
La teor de sistemas de control se ocupa del anlisis y el diseo de componentes interactuantes a a n de un sistema en una conguracin que brinde un comportamiento deseado. La conguracin o o esencial usada en teor de sistemas de control se basa en el concepto fundamental de realia mentacin, que consiste en el proceso de medir las variables de inters en el sistema y usar esa o e informacin para controlar su comportamiento. La teor y la prctica del control tienen un o a a amplio rango de aplicaciones en los campos de la ingenier aeronutica, qu a a mica, mecnica, a ambiental, civil y elctrica, as como en muchas otras disciplinas no ingenieriles. Las ventajas e del control eciente en la industria son inmensas, e incluyen mejoras en la calidad de los productos, reduccin en el consumo de energ minimizacin de los material de desecho, mayores o a, o niveles de seguridad y reduccin de la contaminacin. o o El punto de partida en el anlisis de un sistema de control es su representacin por un a o modelo matemtico, generalmente como un operador entre entradas y salidas del sistema, a o como un conjunto de ecuaciones diferencia y/o diferenciales. La mayor de los modelos a matemticos usados tradicionalmente por tericos y prcticos del control son lineales. De a o a hecho, los modelos lineales son mucho ms manejables que los no lineales, y pueden representar a en forma precisa el comportamiento de sistemas reales en muchos casos utiles. Sin embargo, los avances tecnolgicos actuales han generado una enorme variedad de nuevos o problemas y aplicaciones que son no lineales en esencia. Por ejemplo, fenmenos no lineales o tales como equilibrios mltiples, ciclos l u mite, bifurcaciones, corrimiento de frecuencias y caos, se observan comnmente en aplicaciones modernas importantes en ingenier tales como sisu a, temas de comando de vuelo, manipuladores robot, sistemas de autopistas automatizadas, estructuras de ala de avin, y sistemas de inyeccin de combustible de alto rendimiento. Tales o o fenmenos no lineales no se pueden describir mediante dinmica de modelos lineales una o a razn ineludible para el uso de modelos no lineales y el desarrollo de conceptos y herramientas o de sistemas no lineales de control. Alentada por la sosticacin de la tecnolog actual, la teor de sistemas no lineales de o a a control ha experimentado en la dcada pasada una vigorosa expansin, reejada por un nmero e o u rpidamente creciente de monograf y libros de texto cient a as cos de sistemas no lineales de control [Isidori, 1995, Krsti et al., 1995, Khalil, 1996, Sepulchre et al., 1997, Isidori, 1999, c Sastry, 1999, van der Schaft, 2000]. Una caracter stica dominante de esta expansin ha sido la o aparicin de conceptos importantes, tales como los de pasivacin por realimentacin [van der o o o
Introduccin o
Schaft, 2000] y estabilidad entrada-estado [Sontag, 1989], y procedimientos sistemticos de a diseo, tales como backstepping y forwarding [Krsti et al., 1995, Sepulchre et al., 1997]. n c La importancia de estos procedimientos sistemticos de diseo es que, aunque restringidos a a n sistemas con estructura especial, incluyen sistemas de importancia prctica, tales como barcos, a motores a reaccin, motores turbo-diesel y motores elctricos de induccin. o e o
1.1.2
El Curso
Este curso brinda una introduccin rigurosa y en profundidad a los conceptos fundamentales o de la teor de sistemas no lineales y a tcnicas modernas de anlisis y diseo de sistemas de a e a n control no lineal. Vamos a trabajar en general con sistemas dinmicos modelados por un nmero nito de a u ecuaciones diferenciales ordinarias de primer orden acopladas entre s que representaremos en , forma compacta con la ecuacin diferencial vectorial de primer orden o x = f (x, u) , (1.1)
donde x Rn es el vector de estado y u Rp es el vector de entradas (de control). A veces vamos a considerar tambin una ecuacin de salida e o y = h(x, u) , (1.2)
donde y Rm es un vector de variables de inters, por ejemplo variables f e sicamente medibles o variables que deseamos se comporten de alguna forma especial. u f (x, u) x x h(x, u)
(x) Figura 1.1: Sistema no lineal
Muchas veces la entrada u no aparece expl citamente en (1.1), ya sea porque la entrada es cero o porque fue especicada como una funcin del estado u = (x) control por o realimentacin. En este caso la ecuacin de estado es la ecuacin no forzada o o o x = f (x) . (1.3)
Vamos a trabajar, en general, con sistemas estacionarios o invariantes en el tiempo, es decir que su comportamiento es invariante al corrimiento del origen temporal. Cuando el sistema es inestacionario o variante en el tiempo, el lado derecho de (1.3) es una funcin expl o cita del tiempo. Un concepto importante relacionado con la ecuacin de estado (1.3) es el de puntos de o equilibrio.
1.2 Ejemplos
Denicin 1.1 (Puntos de Equilibrio). Un punto x = x en el espacio de estado es un o punto de equilibrio (PE) de (1.3) si tiene la propiedad de que cuando el estado inicial del sistema es x , el estado permanece en x en todo tiempo futuro. Los PE de (1.3) son las ra de la ecuacin ces o f (x) = 0 . Un PE puede ser aislado, es decir no tiene otros PE en la vecindad, o puede existir un continuo de PE. Cuando el sistema es lineal, (1.3) tiene la forma conocida x = Ax + Bu , y el unico PE aislado posible (tomando u = 0) es x = 0. Como las tcnicas de anlisis y control lineales son bien conocidas, siempre es conveniente, e a al analizar un sistema no lineal, comenzar linealizando el sistema alrededor de algn punto u de equilibrio y estudiar el sistema lineal resultante. Sin embargo esto no es suciente debido bsicamente a dos razones: a (i) la linealizacin slo predice el comportamiento local, no sirve para estudiar el comporo o tamiento lejos del punto de operacin; o (ii) la dinmica de un sistema no lineal es mucho ms rica que la de un sistema lineal debido a a a la presencia de fenmenos no lineales como: escape en tiempo nito, mltiples PE o u aislados, ciclos l mite, oscilaciones sub-armnicas, armnicas o casi-peridicas, caos, etc. o o o En el transcurso del curso slo vamos a encontrar los fenmenos de escape en tiempo nito, o o mltiples equilibrios y ciclos l u mite. Ver por ejemplo Guckenheimer and Holmes [1983] para ms referencia sobre caos, bifurcaciones y oscilaciones. a
1.2
1.2.1
Ejemplos
Ecuacin del Pndulo o e
Uno de los problemas ms simples en robtica es el de controlar la posicin de una junta de a o o robot usando un motor ubicado en el punto de giro. Matemticamente esto no es ms que un a a pndulo, representado en la Figura 1.2. e
mg
Figura 1.2: Pndulo e
Introduccin o
Usando la segunda ley de Newton podemos escribir la ecuacin de movimiento en la direco cin tangencial: o ml = mg sen kl , donde m es la masa de la bola, l es la longitud del brazo, es el ngulo entre la vertical y el a brazo, g es la aceleracin de la gravedad, y k es el coeciente de friccin. o o podemos escribir las ecuaciones de Tomando como variables de estado x1 = y x2 = estado x1 = x2 , g k x2 = sen x1 x2 . l m (1.4)
Los PE son (haciendo x1 = x2 = 0) (n, 0), n = 0, 1, 2, . . .. Obviamente slo los PE (0, 0) o y (, 0) son no triviales ya que el resto son repeticiones de los mismos. F sicamente podemos ver que el PE en (0, 0) es estable mientras que el PE en (, 0) es inestable, como ya vamos a estudiar en ms detalle. a Otra versin de la ecuacin del pndulo consiste en agregarle una entrada de control, por o o e ejemplo aplicando una cupla T : x1 = x2 , g k 1 x2 = sen x1 x2 + 2 T . l m ml (1.5)
Varios sistemas f sicos pueden describirse con ecuaciones similares a las del pndulo, e.g., un e generador sincrnico conectado a un bus innito [Khalil, 1996, Ejercicio 1.7], el circuito de una o juntura Josephson [Khalil, 1996, Ejercicio 1.8], un lazo de PLL (phase locked loop) [Khalil, 1996, Ejercicio 1.10].
1.2.2
Circuito con Diodo T nel u

L + vL iR iC
+
i mA
iL
i = h(v) 0.5
+ vC
+ vR
0 0 0.5 1 vV
Figura 1.3: Diodo Tnel u
La Figura 1.3 muestra un circuito con diodo tnel, donde la relacin constitutiva del diodo u o es iR = k(vR ). Usando las leyes de Kirchho y tomando como variables de estado x1 = vC
1.2 Ejemplos
(tensin en el capacitor) y x2 = iL (corriente en la inductancia), el circuito puede describirse o con las siguientes ecuaciones de estado x1 = 1 [h(x1 ) + x2 ] , C 1 x2 = [x1 Rx2 + u] , L
(1.6)
donde u = E e i = h(v) es la caracter stica v i del diodo tnel. Los PE son las ra de la u ces ecuacin o h(x1 ) = E 1 x1 . R R
Segn el valor de E/R puede haber uno o tres PE, como se ve el la Figura 1.4. u
1 iR Q1 Q2 0.5
Q3 0 0 0.5 1 vR
Figura 1.4: Puntos de equilibrio del circuito de diodo tnel u
1.2.3
Sistema Masa-Resorte
Consideramos el sistema masa-resorte de la Figura 1.5. Usando la ley de Newton: m + Ff + Fr = F , y donde Ff es una fuerza resistiva de friccin, Fr es la fuerza de recuperacin del resorte, y F es o o una fuerza externa a nuestra disposicin. Asumimos que Fr es slo funcin del desplazamiento o o o y, es decir Fr = g(y), g(0) = 0. Para desplazamientos pequeos, Fr puede modelarse como la relacin lineal g(y) = ky. n o Para grandes desplazamientos, la fuerza de recuperacin puede depender no linealmente de y. o Por ejemplo, hay resortes suaves donde g(y) = k(1 a2 y 2 )y, o resortes duros donde g(y) = k(1 + a2 y 2 )y . |ay| < 1 ,
Introduccin o
Un ejemplo de fuerza de friccin es la fuerza viscosa o amortiguamiento del aire, que suele o modelarse como una funcin no lineal de la velocidad Fv = h(y), h(0) = 0. Para velocidades o pequeas podemos asumir Fv = cy. Combinando un resorte duro con amortiguamiento lineal n y una fuerza externa peridica F = A cos t obtenemos la ecuacin de Dung o o m + cy + ky + ka2 y 3 = A cos t y (1.7)
que es un ejemplo clsico en el estudio de excitacin peridica de sistemas no lineales. a o o Otro ejemplo de fuerza de friccin es la friccin esttica o de Coulomb. Este tipo de o o a amortiguamiento aparece cuando la masa se desliza sobre una supercie seca. Cuando la masa est en reposo, existe una fuerza de friccin esttica Fs que acta paralela a la supercie a o a u y est limitada por los valores s mg, donde 0 < s < 1 es el coeciente de friccin esttica. a o a Esta fuerza toma cualquier valor, dentro de sus l mites, para mantener la masa en reposo. Para que haya movimiento, debe ejercerse una fuerza en la masa que venza a la fuerza de friccin. En ausencia de la fuerza exterior, F = 0, la fuerza de friccin esttica compensa la o o a fuerza de recuperacin del resorte y mantiene el equilibrio si |g(y)| s mg. Una vez que la o masa entra en movimiento, aparece una fuerza de friccin de deslizamiento de magnitud k mg o que se opone al movimiento, donde k es el coeciente de friccin cintica, que asumimos o e constante. Un modelo ideal de la fuerza de friccin es o k mg , for y < 0 Fd = Fs , for y = 0 k mg , for y > 0 Combinando un resorte lineal con amortiguamiento viscoso, friccin esttica y fuerza externa o a nula tenemos m + ky + cy + (y, y) = 0 y donde k mg sign(y) , (y, y) = ky , s mg sign(y) , for |y| > 0 for y = 0 and |y| s mg/k for y = 0 and |y| > s mg/k
El valor de (y, y) para y = 0 y |y| s mg/k resulta de la condicin de equilibrio y = y = 0. o Tomando x1 = y y x2 = y, la ecuacin de estado es o x1 = x2 x2 = c 1 k x1 x2 (x1 , x2 ) m m m (1.8)

Ff Fr y
Figura 1.5: Sistema masa-resorte
1.2 Ejemplos Dos caracter sticas de esta ecuacin son: o (i) tiene un conjunto de equilibrio en lugar de PE aislados; (ii) la funcin del lado derecho es una funcin discontinua del estado. o o
Considerando x2 > 0 o x2 < 0 se obtienen dos modelos lineales diferentes. El comportamiento del sistema no lineal puede estudiarse en cada regin v anlisis lineal. Este es un ejemplo o a a de anlisis seccionalmente lineal. a
1.2.4
Oscilador de Resistencia Negativa
La gura 1.6 muestra la estructura bsica de una importante clase de osciladores electrnicos. a o Asumimos L > 0, C > 0, y que el elemento resistivo tiene una caracter stica i = h(v) como se muestra en la Figura 1.6.
i + i C iC L v iL
Figura 1.6: Oscilador de resistencia negativa Escribiendo la ley de Kirchho de corriente y derivando con respecto a t, obtenemos CL d2 v dv + v + Lh (v) = 0 2 dt dt
Haciendo el cambio de escala de tiempos = t/ CL tenemos (denotando v = dv/d ) v + h (v)v + v = 0 donde = L/C. Esta ecuacin es un caso particular de la ecuacin de Lienard o o (1.9)
v + f (v)v + g(v) = 0 Cuando 1 h(v) = v + v 3 3 la ecuacin toma la forma de la ecuacin de Van der Pol o o v (1 v 2 )v + v = 0
(1.10)
Esta ecuacin tiene una solucin peridica que atrae toda otra solucin excepto la trivial o o o o correspondiente al unico PE v = v = 0. Tomando x1 = v y x2 = v llegamos al modelo de estado x1 = x2 x2 = x1 h (x1 )x2 (1.11)
10
Introduccin o
1.2.5
Control Adaptable
Sea la planta y = ay + ku donde u es la entrada de control e y es la salida medida. Supongamos que se quiere obtener un sistema a lazo cerrado cuyo comportamiento entradasalida sea el del modelo de referencia y m = am y m + k m r donde r es la entrada de referencia y el modelo se eligi de forma que ym (t) represente la salida o deseada para el sistema a lazo cerrado. Este objetivo puede alcanzarse mediante el control en realimentacin o
u(t) = 1 r(t) + 2 y(t)
siempre que los parmetros de la planta a y k sean conocidos, k = 0, y los parmetros del a a control se elijan como
1 =
km k
1 =
am a . k
Cuando a y k son desconocidos, podemos considerar el control u(t) = 1 (t)r(t) + 2 (t)y(t) donde las ganancias variables 1 (t) y 2 (t) van a ser ajustadas on-line usando los datos disponibles: r( ), ym ( ), y( ) y u( ) con < t. La adaptacin debe ser tal que 1 (t) y o 2 (t) evolucionen hacia sus valores nominales 1 y 2 . La regla de adaptacin se elige en base o a consideraciones de estabilidad, por ejemplo, el algoritmo del gradiente [Khalil, 199613.4]: 1 = (y ym )r 2 = (y ym )y donde es una constante positiva que determina la velocidad de adaptacin. Para escribir o un modelo de estado, es conveniente denir los errores: de salida e = y ym y paramtricos e 1 = 1 1 y 2 = 2 2 . Con un poco de manipulacin algebraica (ejercicio) se llega al o lazo cerrado descripto por la ecuacin de estado no lineal, no autnoma o o e(t) = am e(t) + k1 (t)r(t) + k2 (t)(e(t) + ym (t)) 1 (t) = e(t)r(t) 2 (t) = e(t)(e(t) + ym (t)) (1.12)
donde las seales r(t) e ym (t) son entradas externas. n Un modelo ms simple se obtiene cuando se conoce k. En este caso se puede tomar 1 = 1 a y slo 2 debe ajustarse on line. Ejercicio: escribir el modelo en este caso y hallar los PE o cuando r(t) 0.
1.3 Sistemas de Segundo Orden
11
1.3
1.3.1
Sistemas de Segundo Orden

Sistemas Lineales
Es util repasar el retrato de fase de sistemas lineales de segundo orden como herramienta para estudiar el comportamiento local del sistema no lineal alrededor de un PE. Consideremos el sistema de segundo orden x = Ax La solucin para un estado inicial x0 est dada por o a x(t) = M eJr t M 1 x0 donde Jr es la forma real de Jordan de A y M es una matriz real no singular tal que M 1 AM = Jr . Dependiendo de los autovalores de A, la forma real de Jordan toma alguna de las siguientes tres formas 1 0 0 2 k 0 (1.13)
donde k es 0 o 1. La primera forma corresponde al caso en que los autovalores 1 y 2 son reales y distintos, la segunda corresponde al caso en que los autovalores son reales e iguales, y la tercera corresponde al caso de autovalores complejos 1,2 = j. En el caso de autovalores reales, hay que separar el caso en que al menos uno de los autovalores es cero. En este caso, el origen no es un PE aislado y el comportamiento cualitativo del sistema es distinto de los otros casos. Autovalores Reales 1 = 2 = 0 En este caso M = [v1 , v2 ], donde v1 y v2 son los autovectores asociados con 1 y 2 . El retrato de fase es el de un: nodo estable si ambos autovalores son negativos. Las trayectorias en el plano de fase son parbolas que se hacen tangentes al autovector lento (correspondiente al mayor a autovalor) cuando se acercan al origen, y paralelas al autovector rpido (correspondiente a al menor autovalor) lejos del origen. nodo inestable si ambos autovalores son positivos. Las trayectorias en el plano de fase son parbolas con formas similares a la del nodo estable pero con sentido invertido. a ensilladura si los autovalores tienen distinto signo. Las trayectorias en el plano de fase (excepto las correspondientes a los autovectores, que son rectas) son hiprbolas e que comienzantangentes al autovector estable (correspondiente al autovalor estable) en innito, y terminantangentes al autovector inestable (correspondiente al autovalor inestable), tambin en innito. e Autovalores Complejos 1,2 = j En coordenadas polares r y el modelo de estado se desacopla, tomando la forma r = r =
12
Introduccin o
v1
v2
x2
x1
Figura 1.7: Retrato de fase de un nodo estable.
x2
v2
.
x1
v1
Figura 1.8: Retrato de fase de una ensilladura.
13
de forma que el radio es una funcin exponencial de la parte real de los autovalores, , y el o a ngulo crece linealmente con la parte imaginaria . El retrato de fase es el de un foco estable si es negativa. Las trayectorias en el plano de fase son espirales logar tmicas que convergen al origen.
x2
x1
Figura 1.9: Retrato de fase de un foco estable
foco inestable si es positiva. Las trayectorias en el plano de fase son espirales logar tmicas que divergen del origen. centro si = 0. Las trayectorias en el plano de fase son elipses centradas en el origen.
x2
x1
Figura 1.10: Retrato de fase de centro
Autovalores M ltiples No Nulos 1 = 2 = 0 u El retrato de fase en este caso se asemeja al de un nodo (estable o inestable segn sea negativo u o positivo. Las trayectorias no tienen en este caso el comportamiento asinttico rpidolento o a como en el caso de autovalores distintos.
14
x2
Introduccin o
x1
Figura 1.11: Retrato de fase del caso de autovalores mltiples no nulos u
Nota 1.1 (Resumen del caso en que el origen es un PE aislado). El sistema puede tener 6 retratos de fase diferentes asociados con diferentes tipos de equilibrio: nodo estable, nodo inestable, ensilladura, foco estable, foco inestable y centro. El tipo de equilibrio est complea tamente especicado por la ubicacin de los autovalores de A. El comportamiento global del o sistema (en todo el plano de fase) est cualitativamente determinado por el tipo de equilibrio. a Uno o Ambos Autovalores Es Cero En este caso A tiene un kernel o espacio nulo no trivial, es decir existe un subespacio no trivial del espacio de estado cuyos elementos son mapeados al cero bajo la transformacin o lineal denida por A. Todo vector en el kernel de A es un punto de equilibrio del sistema. La dimensin del kernel puede ser uno o dos; si es dos, entonces A es la matriz nula y todo o punto en el espacio de estado es un punto de equilibrio. Cuando la dimensin del kernel de A o es uno, la forma de Jordan de A depender de la multiplicidad del cero como autovalor. a Cuando la multiplicidad del cero como autovalor es uno, el autovector correspondiente dene el conjunto o subespacio de equilibrio del sistema. Todas las trayectorias en el plano de fase convergen al subespacio de equilibrio cuando el autovalor no nulo es negativo, y divergen cuando es positivo; el caso mostrado en la Figura 1.12. Cuando la multiplicidad del cero como autovalor es dos, el autovector v1 , donde M = [v1 , v2 ] es la transformacin que lleva a la forma de Jordan, es el conjunto o subespacio de o equilibrio del sistema. Las trayectorias que comienzan fuera del subespacio de equilibrio se mueven paralelas a l, como se ve en la Figura 1.13. e Nota 1.2 (Persistencia del Tipo de Equilibrio Frente a Perturbaciones). Veamos el caso de perturbaciones lineales. Supongamos que A tiene autovalores distintos y consideremos la matriz A + A, donde A es una matriz real de 2 2 cuyos elementos son arbitrariamente pequeos. n Por la teor de perturbaciones de matrices (ver por ejemplo Golub and van Loan 19967) a sabemos que los autovalores de una matriz dependen continuamente de sus parmetros. Es a decir, dado > 0, existe > 0 tal que si la magnitud de la perturbacin de cada elemento de o A es menor que , los autovalores de la matriz perturbada A + A estarn en una bola de a radio centrada en los autovalores de A. En consecuencia, todo autovalor de A que est en e el semiplano derecho (o izquierdo) abierto, permanecer en ese semiplano frente a perturbaa ciones arbitrariamente pequeas. Por otro lado, los autovalores sobre el eje imaginario pueden n moverse hacia cualquiera de los semiplanos frente a perturbaciones por ms pequeo que sea . a n
15
x2
v2
v1
.
x1
Figura 1.12: Retrato de fase para 1 = 0, 2 > 0
x2
x1
Figura 1.13: Retrato de fase para 1 = 0 = 2
16
Introduccin o
Por lo tanto, podemos concluir que si el PE x = 0 de x = A x es un nodo, foco o ensilladura, entonces el PE x = 0 de x = (A + A) x ser del mismo tipo frente a perturbaciones su a cientemente pequeas. La situacin es muy distinta si el PE es un centro. Consideremos la n o siguiente perturbacin de la forma real de Jordan correspondiente a un centro o 1 1 donde es el parmetro de perturbacin. Cuando es positivo, el PE del sistema perturbado a o es un foco inestable; cuando es negativo es un foco estable. Esto pasa para cualquier valor de = 0. Dado que el retrato de fase de un foco es cualitativamente distinto del de un centro, vemos que un centro no persiste frente a perturbaciones. El nodo, foco y ensilladura se dicen estructuralmente estables porque mantienen su comportamiento cualitativo frente a perturbaciones innitsimamente pequeas, mientras que el centro no es estructuralmente e n estable. La diferencia entre ambos casos es debida a la ubicacin de los autovalores de A, o siendo los autovalores sobre el eje imaginario vulnerables a perturbaciones. Esto lleva a la denicin de PE hiperblico. El origen x = 0 es un PE hiperblico de x = A x si A no tiene o o o autovalores con parte real nula. Cuando A tiene autovalores reales mltiples, perturbaciones innitsimamente pequeas u e n pueden transformarlos en autovalores complejos. Es decir que un nodo puede permanecer como nodo o transformarse en un foco. Cuando A tiene autovalores nulos, existe una diferencia importante entre los casos en que uno o los dos (A = 0) autovalores sean cero. En el primer caso, una perturbacin del autovalor o en cero resulta en un autovalor 1 = donde puede ser positivo o negativo. Como el otro autovalor 2 es distinto de cero, la perturbacin lo mantiene fuera del cero. Es decir que o resultan dos autovalores reales distintos y el PE del sistema perturbado es un nodo o una ensilladura, dependiendo de los signos de 2 y . Sin embargo, como la perturbacin es muy pequea, de forma que |1 | << |2 |, la forma o n de las trayectorias mantienen cierta similitud con las del caso en que un autovalor es nulo (comparar los retratos de fase en la Figura 1.14 con las Figuras 1.7 y 1.8). El comportamiento de este sistema es el de un sistema singularmente perturbado [Khalil, 1996, Cap tulo 9].
x2 x2
x1
x1
Figura 1.14: Retrato de fase de un sistema perturbado cuando 1 = 0 y 2 < 0 con < 0 (izquierda) y > 0 (derecha) Cuando ambos autovalores de A son nulos, el efecto de una perturbacin es ms dramtico. o a a
1.3 Sistemas de Segundo Orden Consideremos las siguientes posibles perturbaciones de la forma de Jordan 0 1 2 0 1 2 1 0 1 0
17
donde puede ser positivo o negativo. Es fcil de ver que el PE en cada uno de estos cuatro a casos puede ser un centro, un foco, un nodo o una ensilladura, respectivamente.
1.3.2
Equilibrios M ltiples u
Un sistema lineal tiene un PE aislado en x = 0 si det A = 0, y un continuo de PE o subespacio de equilibrio cuando det A = 0. Un sistema no lineal, en cambio, puede tener mltiples PE u aislados. Ejemplo 1.1 (Diodo T nel). Consideremos otra vez el modelo del diodo tnel (1.6), con u u parmetros u = 1.2V , R = 1.5k, C = 2pF , L = 5H. Midiendo tiempo en nanosegundos y a corrientes en mA, el modelo de estado resulta x1 = 0.5 [h(x1 ) + x2 ] x2 = 0.2 (x1 1.5 x2 + 1.2) Supongamos que h es h(x1 ) = 17.76 x1 103.79 x2 + 229.62 x3 226.31 x4 + 83.72 x5 1 1 1 1 El retrato de fase obtenido por simulacin en computadora puede verse en la Figura 1.15. Hay o tres PE aislados Q1 , Q2 y Q3 ; todas las trayectorias en el plano de fase tienden hacia Q1 o Q3 , excepto dos unicas trayectorias que tienden hacia Q2 y que denen la curva separatriz que divide el plano de fase en 2 mitades, en cada una de las cuales las trayectorias tienden hacia Q1 o Q3 , respectivamente. Ejemplo 1.2 (Pndulo). Consideremos el modelo de estado del pndulo (1.4) con k/l = 1 e e y k/m = 0.5. El retrato de fase obtenido por simulacin en computadora puede verse en la o Figura 1.16. Puede verse que es peridico con un per o odo de 2 , por lo cual el comportamiento puede estudiarse en la franja x1 . Salvo dos trayectorias especiales que terminan en el PE inestable (, 0), toda otra trayectoria converge al PE estable (0, 0).
1.3.3
Comportamiento Cualitativo Cerca de un PE
Salvo en casos especiales, el comportamiento de un sistema no lineal en la vecindad de un PE puede determinarse v la linealizacin alrededor de ese punto. a o Sea p = (p1 , p2 ) un PE del sistema no lineal x1 = f1 (x1 , x2 ) x2 = f2 (x1 , x2 ) (1.14)
y supongamos que las funciones f1 y f2 son continuamente diferenciables (derivables con derivada continua). Expandiendo el lado derecho de (1.14) en series de Taylor alrededor de (p1 , p2 ) obtenemos x1 = f1 (p1 , p2 ) + a11 (x1 p1 ) + a12 (x2 p2 ) + T.O.S x2 = f2 (p1 , p2 ) + a21 (x1 p1 ) + a22 (x2 p2 ) + T.O.S
18
Introduccin o
x2
Q1
Q2
Q3
.
x1
Figura 1.15: Retrato de fase del circuito con diodo tnel u
x2
x1
.
Figura 1.16: Retrato de fase de la ecuacin del pndulo o e
19
donde aij es la derivada parcial de fi respecto de xj evaluada en x1 = p1 , x2 = p2 , y T.O.S son trminos de orden superior, es decir de la forma (x1 p1 )2 , (x2 p2 )2 , (x1 p1 )(x2 p2 ) e y potencias superiores de los mismos. Como (p1 , p2 ) es un PE tenemos que f1 (p1 , p2 ) = f2 (p1 , p2 ) = 0 Como nos interesa el comportamiento cerca de (p1 , p2 ), denimos y1 = x1 p1 , y2 = x2 p2
con lo cual el sistema toma la forma y1 = a11 y1 + a12 y2 + T.O.S y2 = a21 y1 + a22 y2 + T.O.S o ms concisamente, y despreciando los T.O.S., a y = Ay = La matriz A= f x =
x=p
f x
y
x=p
a11 a12 a21 a22
es la matriz Jacobiana de f (x) = [f1 (x), f2 (x)]t evaluada en el PE p. Analizando los autovalores de la matriz Jacobiana podemos determinar las propiedades del PE en el origen del sistema linealizado. Si el origen del sistema linealizado es un nodo estable (inestable) con autovalores distintos, un foco estable (inestable) o una ensilladura, entonces en un entorno del PE las trayectorias del sistema no lineal se comportan como las de un nodo estable (inestable), un foco estable (inestable) o una ensilladura, respectivamente. En estos casos el PE del sistema no lineal tambin se llama, por extensin, nodo, foco o ensilladura. e o Esta propiedad de la linealizacin de un sistema no lineal alrededor de un PE slo vale si el o o equilibrio del sistema linealizado es hiperblico. En este caso decimos que el correspondiente o PE del sistema no lineal es hiperblico si la matriz Jacobiana evaluada en el PE no tiene o autovalores en el eje imaginario. Ejercicio: estudiar los PE del modelo del diodo tnel y el pndulo. u e Cuando el PE no es hiperblico nada puede inferirse acerca del comportamiento de las o trayectorias del sistema no lineal a partir de las del sistema lineal. Por ejemplo, el sistema x1 = x2 x1 (x2 + x2 ) 2 1 2 2 x2 = x1 x2 (x1 + x2 ) tiene un PE en el origen; la linealizacin del sistema alrededor del origen tiene autovalores j, o es decir que el origen es un centro para el sistema linealizado. Transformando a coordenadas polares x1 = r cos , x2 = r sen se obtiene r = r3 =1 Se ve claramente que las trayectorias del sistema no lineal se asemejan a las de un foco (estable si > 0 e inestable si < 0).
20
Introduccin o
1.4
Ciclos L mites
x(t + T ) = x(t) , t0
Un sistema oscila cuando tiene una solucin peridica no trivial 1 o o
para algn T > 0. La imagen de una solucin peridica en el retrato de fase es la de una u o o o rbita peridica o una rbita cerrada. o o Un sistema lineal con autovalores en el eje imaginario es un oscilador armnico ya que como o el PE en el origen es un centro, las trayectorias son rbitas cerradas cuya amplitud depende de o la condicin inicial. Sin embargo, un oscilador lineal no es robusto (estructuralmente estable) o ya que cualquier perturbacin (como ya vimos en la Nota 1.2), destruye la oscilacin porque o o el PE deja de ser un centro. Con sistemas no lineales es posible construir osciladores tales que sean estructuralmente estables; la amplitud de la oscilacin (en rgimen permanente) no dependa de la condicin inicial. o e o Un ejemplo de oscilador no lineal es el oscilador de resistencia negativa de la seccin 1.2.4, o con modelo de estado (1.11). El origen es un PE inestable debido a la resistencia negativa del elemento resistivo cerca del origen, lo que signica que el elemento resistivo es activoy entrega energ Esto se puede ver escribiendo la expresin anal a. o tica de la tasa de intercambio de energ La energ total almacenada en el capacitor y la inductancia para cada tiempo t a. a es 1 1 1 2 E = vC + Li2 = C x2 + [h(x1 ) + x2 ]2 L 1 2 2 2 La tasa de intercambio de energ es a E = Cx1 h(x1 ) Esta expresin conrma que cerca del origen la trayectoria gana energ ya que para |x1 | o a pequeo el trmino x1 h(x1 ) es negativo. Tambin se ve que hay una regin a x1 b tal n e e o que la trayectoria gana energ dentro de la franja y pierde energ fuera de ella, como se ve en a a la Figura 1.17. Una oscilacin estacionaria va a tener lugar si, a lo largo de una trayectoria, o el intercambio neto de energ durante el ciclo es cero. Tal trayectoria es una rbita cerrada. a o
x1 a b
Figura 1.17: Esbozo de h(x1 ) (l nea continua) y x1 h(x1 ) (l nea de trazos) El oscilador de resistencia negativa tiene una rbita cerrada aislada, como vemos en el o ejemplo del oscilador de Van der Pol siguiente.
1
Es decir, excluyendo soluciones constantes correspondientes a PE.
1.4 Ciclos L mites
21
Ejemplo 1.3 (Oscilador de Van der Pol). Las Figuras 1.18 y 1.19 muestran los retratos de fase de la ecuacin de Van der Pol o x1 = x2 x2 = x1 + (1 x2 )x2 1 (1.15)
para tres valores distintos del parmetro : un valor pequeo de 0.2, mediano de 1, y grande a n de 5. En todos los casos las guras muestran que existe una unica rbita cerrada que atrae o todas las trayectorias que comienzan fuera de la rbita. Para = 0.2 la rbita cerrada es suave o o y cercana a un c rculo de radio 2, lo cual es t pico para valores < 0.3. Para el caso medio de = 1 la forma circular se ha distorsionado a lo que se ve a la derecha en la Figura 1.18. Para el valor grande = 5 la rbita cerrada est severamente distorsionada, como se ve en la o a Figura 1.19 (izquierda). Un retrato de fase ms ilustrativo en el caso de = 5 puede obtenerse mediante el cambio a de variables z1 = iL y z2 = vC , que resulta en la ecuacin de estado o 1 z1 = z2 1 3 z1 = (z1 z2 + z2 ) 3 El retrato de fase en el plano z1 z2 se muestra en la Figura 1.19 (derecha). La rbita cerrada o 1 3 est muy cerca de la curva z1 = z2 3 z2 excepto en las esquinas, donde es prcticamente a a vertical. Este tramo vertical en la rbita cerrada puede verse como si la rbita cerrada saltara o o de una rama a otra de la curva cuando llega a una esquina. Oscilaciones donde ocurre este fenmeno de salto se llaman usualmente oscilaciones de relajacin. El retrato de fase es t o o pico para valores grandes de > 3.
x2 x2
x1
x1
Figura 1.18: Retratos de fase del oscilador de Van der Pol, con = 0.2 (izquierda) y con = 1 (derecha)
La rbita cerrada del oscilador de Van der Pol es diferente de las del oscilador lineal o armnico. En el primer caso, la rbita cerrada es aislada mientras que en el segundo, hay un o o continuo de rbitas cerradas. Una rbita peridica aislada se denomina ciclo lmite. Si todas o o o las trayectorias en la vecindad del ciclo l mite tienden a (se alejan de) l cuando t se e dice que el ciclo l mite es estable (inestable).
22
x2 z2
Introduccin o
x1
z1
Figura 1.19: Retratos de fase del oscilador de Van der Pol, con = 0.5; en el plano x1 x2 (izquierda) y en el plano z1 z2 (derecha)
1.5
Construccin Numrica de Retratos de Fase o e
No es dif hoy en d conseguir programas de computacin que resuelvan ecuaciones difercil a o enciales ordinarias. Estos programas pueden usarse en forma efectiva para construir retratos de fase para sistemas de segundo orden. En esta seccin damos algunas ayudas que pueden o resultar utiles. El primer paso en la construccin de un retrato de fase es encontrar todos lo puntos de o equilibrio del sistema y determinar el tipo de aquellos que son aislados mediante linealizacin. o El dibujo de las trayectorias involucra tres tareas:2 (i) Seleccionar una ventana del espacio de estados donde se van a dibujar las trayectorias. La ventana toma la forma x1 min x1 x1 max , x2 min x2 x2 max .
(ii) Seleccionar las condiciones inciales dentro de la ventana. (iii) Calcular las trayectorias. Veamos cmo calcular las trayectorias. Para encontrar la trayectoria pasante por un punto o x0 , resolvemos la ecuacin o x = f (x), x(0) = x0
hacia adelante en el tiempo (con t positivo) y en tiempo invertido (con t negativo). La solucin o en tiempo invertido es equivalente a resolver hacia adelante en el tiempo la ecuacin o x = f (x),
2
x(0) = x0 ,
Cuatro si inclu mos agregar las echas de direccin de las trayectorias, que para nuestros propsitos pueden o o hacerse a mano.
1.6 Ejercicios
23
puesto que el cambio de variable = t cambia el signo del lado derecho de la ecuacin. La o solucin en tiempo invertido facilita dibujar bien las trayectorias cerca de equilibrios inestables. o La ventana debe elegirse de forma que todas las caracter sticas esenciales se vean, por ejemplo todos lo puntos de equilibrio. Si esta informacin no es disponible al comenzar habr o a que iterar. Algunos programas permiten dibujar la distribucin del campo vectorial f (x) para o una grilla en la ventana seleccionada. Este grco es muy util para tener idea somera de la a distribucin de las trayectorias antes de dibujarlas. Esto es posible por ejemplo con Scilab,3 o usando la funcin portrait que dibuja retratos de fase de sistemas de segundo orden. o Una buena forma de elegir las condiciones iniciales es distribuirlas en una grilla regular en la ventana elegida. Una forma mejor es ir eligindolas en forma interactiva a medida que se e van viendo las trayectorias (que se puede hacer con el portrait de Scilab). Para una ensilladura es conveniente usar linealizacin para calcular las trayectorias estables o e inestables correspondientes a los autovectores de la matriz Jacobiana. La conveniencia viene de que estas trayectorias son separatrices en el plano de fase.
1.6
Ejercicios
Ejercicio 1.1 Un modelo matemtico usado frecuentemente para describir sistemas no lineales es la ecuacin a o diferencial de orden n dn y dn1 y = g t, y, y, . . . , n1 , u , dtn dt donde u e y son variables escalares. Tomando u como entrada e y como salida, obtener un modelo en ecuaciones de estado. Ejercicio 1.2 Tomando las variables escalares u e y como entrada y salida respectivamente, obtener un modelo en ecuaciones de estado del sistema descripto por la ecuacin diferencial de orden n o dn y dn1 y dn2 y = g1 t, y, y, . . . , n1 , u + g2 t, y, y, . . . , n2 u, dtn dt dt donde g2 es una funcin diferenciable en todos sus argumentos. o Ayuda: Tomar xn = Ejercicio 1.3 Las ecuaciones dinmicas no lineales de un robot de m juntas tiene la forma a M (q) + C(q, q)q + g(q) = u, q donde q Rm representa la posicin de las juntas, u Rm representa las entradas de torque, o y M (q) es una matriz simtrica (de inercia) denida positiva para todo valor de q. El trmino e e
Scilab es un programa gratuito http://www-rocq.inria.fr/scilab/
3
dn1 y dtn1
y g2 (t, y, y, . . . , d n1 )u. dt
n1
similar
Matlab
desarrollado
por
el
INRIA
24
Introduccin o
C(q, q)q representa el efecto de fuerzas centr fugas y de Coriolis. El trmino g(q) representa e el efecto de la gravedad. Elegir variables de estado para el sistema y escribir las ecuaciones de estado. Ejercicio 1.4 La Figura muestra una conexin en realimentacin de un sistema lineal estacionario (represeno o tado por su funcin transferencia G(s)) y un elemento no lineal inestacionario. Las variables o r, u, e y son vectores de la misma dimensin, y (t, y) es a valores vectoriales. Encontrar o un modelo en espacio de estados del sistema realimentado tomando r como entrada e y como salida.
r + u Sistema Lineal G(s) = C(sI A)1 B y
(t, y)
Elemento No Lineal
Ejercicio 1.5 Un generador sincrnico conectado a un bus innito puede representarse por las ecuaciones o M = P D 1 Eq sen , Eq = 2 Eq + 3 cos + E, donde es un ngulo en radianes, Eq es tensin, P es potencia mecnica, E es tensin de a o a o entrada, D es un coeciente de amortiguamiento, M es un coeciente de inercia, es una constante de tiempo, y 1 , 2 , 3 son parmetros constantes. a (a) Usando , y Eq como variables de estado obtener las ecuaciones de estado. (b) Encontrar todos los puntos de equilibrio corrrespondientes a los valores P = 0.815 3 = 1.7 E = 1.22 = 6.6 1 = 2 M = 0.0147 2 = 2.7 D/M = 4
(c) Suponiendo que es sucientemente grande como para tomar Eq 0, mostrar que el modelo del sistema se reduce a la ecuacin del pndulo. o e Ejercicio 1.6 Un PLL (phase-locked loop) es un dispositivo en realimentacin que genera una oscilacin o o cuya fase sigue a una seal de referencia (til para generar seales moduladas en fase). Puede n u n representarse con el diagrama de bloques de la Figura 1.20. Sea (A, B, C) una realizacin o m nima de la funcin transferencia de orden m, escalar y estrictamente propia, G(s). Asumir o que todos los autovalores de A tiene parte real negativa, G(0) = 0, y i es constante. Si z es el estado de la realizacin (A, B, C), o
1.6 Ejercicios
i + e sen() u G(s) y
25
1 s
Figura 1.20: PLL
(i) Mostrar que el sistema a lazo cerrado puede representarse por la ecuacin o z = Az + B sen e e = Cz. (ii) Encontrar todos los PE del sistema y determinar su tipo. (iii) Mostrar que cuando G(s) = 1/( s + 1) el lazo cerrado coincide con el modelo de la ecuacin de un pndulo. o e Ejercicio 1.7 Para cada uno de los siguientes sistemas encontrar todos los PE y determinar el tipo de cada PE aislado. x1 = x2 x2 = x1 + x3 1 x2 6
x1 = x1 + x2 x2 = 0.1x1 2x2 x2 0.1x3 1 1 x1 = (1 x1 )x1 x2 = 2 2x1 x2 1 + x1
x2 x2 1 + x1
x1 = x2 x2 = x1 + x2 (1 3x2 2x2 ) 1 2 Ejercicio 1.8 Encontrar todos los PE del sistema x1 = ax1 x1 x2 x2 = bx2 cx2 1 para todos los valores positivos de a, b, c y determinar el tipo de cada equilibrio.
26 Ejercicio 1.9 El sistema x1 = x1 x2 = x2 + x2 log log x2 + x2 1 2 x1 x2 + x2 1 2
Introduccin o
tiene un PE enn el origen. (i) Linealizar el sistema alrededor del origen y encontrar el tipo del origen como PE. (ii) Obtener el retrato de fase del sistema no lineal cerca del origen y mostrar que se asemeja al de un foco estable. Ayuda: transformar las ecuaciones a coordenadas polares. (iii) Explicar la discrepancia entre (v) y (vi). Ejercicio 1.10 Para el sistema x1 = (x1 x2 ) + 1 x1 x2 1 x2 = (x2 x2 ) + 1 x1 x2 2 (i) Encontrar todos los PE y determinar su tipo. (ii) Obtener el retrato de fase, preferentemente usando simulacin en computadora, y discutir o el comportamiento cualitativo del sistema.
Ejercicio 1.11 Los retratos de fase de los siguientes sistemas se muestran en la Figura 1.21. Identicar qu e sistema corresponde a qu retrato de fase, marcar los sentidos de las trayectorias, y discutir e el comportamiento cualitativo de cada sistema. x1 = x2 x2 = x1 /2 x3 1 x1 = x2 x2 = x2 /2 2x1 x2 1 x1 = x2 x2 = x1 x2 (1 x2 + x4 /10) 1 1 x1 = x2 x2 = x1 + x2 3 arctan(x1 + x2 )
1.6 Ejercicios
27
5 4 3 2 1 0 -1 -2 -3 -4 -5 -5 10 8 6 4 2 0 -2 -4 -6 -8 -10 -10 -8 -6 -4 -2 -4 -3 -2 -1 0
.
x2
10 8 6 4 2 0
.
x2
x1
-2 -4 -6 -8 -10 1 2 3 4 5 5 4 3 2 1
.
x1
-10
-8
-6
-4
-2
10
x2
x2
x1
-1 -2 -3 -4 -5 0 2 4 6 8 10 -5 -4 -3 -2 -1 0 1 2 3 4
x1
Figura 1.21: Retratos de fase
28 Ejercicio 1.12
Introduccin o
Para cada uno de los siguientes sistemas contruir el retrato de fase y discutir el comportamiento cualitativo del sistema. x1 = x2 x2 = x1 2 arctan(x1 + x2 ) x1 = x2 x2 = x1 + x2 1 3x2 2x2 1 2 x1 = 2x1 x1 x2 x2 = 2x2 x2 1 x1 = x1 + x2 x1 (|x1 | + |x2 |) x2 = 2x1 + x2 x2 (|x1 | + |x2 |).
Cap tulo 2 Propiedades Fundamentales

En este cap tulo repasamos elementos de anlisis matemtico que vamos a usar en el resto a a del curso, incluyendo las propiedades fundamentales de ecuaciones diferenciales ordinarias que hacen que x = f (t, x) sea un modelo apropiado para representar sistemas f sicos. Estas propiedades son esencialmente las de existencia y unicidad de solucin o dependencia continua respecto de parmetros y condiciones iniciales. a Vamos a presentar los resultados para sistemas autnomos (sin entrada), y en general no o estacionarios, es decir, representados por x = f (t, x).
2.1
Preliminares
x p = (|x1 |p + + |xn |p )1/p , x = max |xi |
i
Vamos a considerar frecuentemente las normas p en Rn , denidas como 1p<
Todas las normas p son equivalentes en el sentido de que si diferentes, existen constantes positivas c1 y c2 tales que c1 x
son dos normas p
c2 x
para todo x Rn . Un resultado clsico relativo a normas p es la desigualdad de Hlder a o 1 1 + =1 |xt y| x p y q , p q para todo x, y Rn . Una matriz A Rmn dene un mapeo lineal y = Ax de Rn en Rm . La norma p inducida de A est denida como a Ax p A p = sup = max Ax p x p =1 x p x=0 que para p = 1, 2, est dada por a
m m
= max
j i=1
|aij | ,
= [max (A A)]
1/2
= max
i j=1
|aij |
donde max (At A) es el mximo autovalor de At A. a
30
Propiedades Fundamentales
2.1.1
Desigualdad de Gronwall-Bellman
Lema 2.1 (Desigualdad de Gronwall-Bellman). Sea : [a, b] R una funcin continua o y : [a, b] R continua y nonegativa. Si una funcin continua y : [a, b] R satisface o
t
y(t) (t) +
a
(s)y(s) ds
para a t b, entonces en el mismo intervalo

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

t a
( )d
y si adems (t) es constante: a y(t) e(ta) Demostracin. Denamos z(t) = o diferenciable y

t a
(s)y(s) ds y v(t) = z(t) + (t) y(t) 0. Entonces z es
z = (t)y(t) = (t)z(t) + (t)(t) (t)v(t). Esta es una ecuacin de estado escalar cuya funcin de transicin de estados es o o o (t, s) = e
t s
( )d
Como z(a) = 0, entonces tenemos que

t
z(t) =
a
(t, s)((s)(s) (s)v(s))ds.

t a
El trmino e z(t)
(t, s)(s)v(s)ds es no negativo, por lo que

t
e
a
t s
( )d
(s)(s)ds,
que, usando el hecho que y(t) (t) + z(t), completa la prueba en el caso general. En el caso especial de (t) tenemos
t
(s)e
a
t s
t ( )d
ds =
a
d e ds
( )d
t s
t s
( )d s=t
ds
= e
t s
= 1 + e
s=a ( )d
que termina la prueba en el caso de constante. Por integracin se obtiene fcilmente el o a resultado en el caso de tambin constante. e
2.1 Preliminares
31
2.1.2
Mapeo Contractivo
Consideremos una ecuacin de la forma x = T (x). Una solucin x de esta ecuacin se o o o denomina punto jo del mapeo T porque T deja a x invariante. Vamos a enunciar el teorema del mapeo contractivo en el marco de espacios de Banach, para lo cual recordamos las siguientes deniciones. Denicin 2.1 (Espacio lineal normado). Un espacio lineal X es un espacio lineal normado o si, para cada vector x X , existe una funcin a valores reales, llamada norma y denotada o x , que satisface x 0 para todo x X , con x = 0 s x = 0. x + y x + y para todo x, y X . x = || x para todo R y x X . Si no estuviera claro del contexto si X para la norma de X . es una norma en X o en Rn , vamos a escribir
Denicin 2.2 (Convergencia). Una secuencia {xk } en X converge a un vector x X si o xk x 0 cuando k . Denicin 2.3 (Conjunto cerrado). Un conjunto S X es cerrado s toda secuencia o convergente con elementos en S tiene l mite en S. Denicin 2.4 (Secuencia de Cauchy). Una secuencia {xk } en X se dice secuencia de o Cauchy si xk xm 0 cuando k, m . Notar que toda secuencia convergente es Cauchy, pero no toda secuencia Cauchy es convergente. Denicin 2.5 (Espacio de Banach). Un espacio lineal normado X es completo si toda o secuencia de Cauchy converge a un vector en X . Un espacio lineal normado completo es un espacio de Banach. Ejemplo 2.1. Consideremos el conjunto de funciones continuas f : [a, b] Rn , al que denotamos como C[a, b]. Este conjunto es un espacio vectorial sobre R. La suma x + y se dene como (x+y)(t) = x(t)+y(t). La multiplicacin por un escalar se dene como (x)(t) = x(t). o El vector nulo es la funcin idnticamente nula en [a, b]. Denimos una norma como o e x
C
= max x(t)
t[a,b] C
donde la norma en el lado derecho es cualquier norma p en Rn . Claramente x cero s x es la funcin nula. La desigualdad triangular sigue de o max x(t) + y(t) max[ x(t) + y(t) ] max x(t) + max y(t) Adems a max x(t) = max || x(t) = || max x(t)
0 y es
32
donde los mximos se toman sobre [a, b]. Por lo tanto, C[a, b] junto con la norma C es a un espacio lineal normado. Vamos a probar que es tambin un espacio de Banach. Para e eso debemos probar que toda secuencia de Cauchy en C[a, b] converge a un vector en C[a, b]. Supongamos que {xk } es una secuencia de Cauchy en C[a, b]. Para cada t [a, b] jo, xk (t) xm (t) xk xm
C
0 cuando k, m
Por lo tanto {xk (t)} es una secuencia de Cauchy en Rn . Pero Rn con cualquier norma p es completo porque convergencia implica convergencia componente a componente y R es completo. Entonces existe un vector real x(t) al cual la secuencia converge: xk (t) x(t). Esto prueba convergencia puntual. Ahora probamos que la convergencia es uniforme en t [a, b]. Dado > 0 elegimos N tal que xk xm C < /2 para k, m > N . Entonces, para k > N , xk (t) x(t) xk (t) xm (t) + xm (t) x(t) xk xm C + xm (t) x(t) Eligiendo m sucientemente grande (lo cual puede depender de t), cada trmino en el lado e derecho puede hacerse menor que /2; entonces xk (t) x(t) < para k > N . Por lo tanto {xk } converge a x, uniformemente en t [a, b]. Para completar la prueba, debemos mostrar que x(t) es continua y que {xk } converge a x en la norma de C[a, b]. Para probar continuidad consideremos x(t + ) x(t) x(t + ) xk (t + ) + xk (t + ) xk (t) + xk (t) x(t) Como {xk } converge uniformemente a x, dado > 0, podemos elegir k lo sucientemente grande para hacer el primer y tercer trminos del lado derecho menores que /3. Como xk (t) e es continua, podemos elegir lo sucientemente pequeo para hacer el segundo trmino menor n e que /3. Por lo tanto x(t) es continua. La convergencia de {xk } a x en la norma de C[a, b] es una consecuencia directa de la convergencia uniforme. Teorema 2.2 (Mapeo Contractivo). Sea S un subconjunto cerrado de un espacio de Banach X y sea T un mapeo de S en S. Supongamos que T (x) T (y) x y , x, y S , 0 < 1.
Entonces T tiene un unico punto jo en S, es decir, existe un unico vector x S que satisface x = T (x ). Adems, x puede obtenerse por el mtodo de aproximaciones sucesivas a e comenzando de cualquier vector en S. Demostracin. Tomemos un vector arbitrario x1 S y denamos la secuencia {xk } por la o frmula xk+1 = T (xk ). Como T mapea S en S, xk S para todo k 1. El primer paso de la o prueba es mostrar que {xk } es una secuencia de Cauchy. Tenemos xk+1 xk = T (xk ) T (xk1 ) xk xk1 2 xk1 xk2 . . . k1 x2 x1 .
2.2 Existencia y Unicidad Sigue que xk+r xk xk+r xk+r1 + xk+r1 xk+r2 + + xk+1 xk k+r2 + k+r3 + + k1
33
x2 x1
k1
i=0 k1
i x 2 x 1
x2 x1 . 1
El lado derecho tiende a cero cuando k . Por lo tanto, la secuencia es Cauchy. Como X es un espacio de Banach, xk x X cuando k . Adems, como S es cerrado, en a particular x S. Ahora mostramos que x = T (x ). Para cualquier xk = T (xk1 ) tenemos que x T (x ) x xk + xk T (x ) x xk + xk1 x . Eligiendo k sucientemente grande, el lado derecho de la desigualdad puede hacerse arbitrariamente pequeo. As x T (x ) = 0; o sea que x = T (x ). Falta probar que x es el n , unico punto jo de T en S. Supongamos entonces que hay dos puntos jos x y y . Entonces x y = T (x ) T (y ) x y . Como < 1, necesariamente x = y .
2.2
Existencia y Unicidad
En esta seccin se dan condiciones sucientes para la existencia y unicidad de la solucin del o o problema de valor inicial x = f (t, x) , x(t0 ) = x0 . (2.1)
Entendemos por solucin en un intervalo [t0 , t1 ] a una funcin continua x : [t0 , t1 ] Rn tal que o o x est denida y x(t) = f (t, x(t)) para todo t [t0 , t1 ]. Vamos a asumir que f (t, x) es continua e en x pero slo seccionalmente continua en t (esto nos va a permitir considerar entradas con o saltos o escalones). Una ecuacin diferencial con una dada condicin inicial puede tener varias soluciones. Por o o ejemplo, la ecuacin escalar o x = x1/3 , x(0) = 0
tiene como soluciones tanto x(t) = (2t/3)3/2 como x(t) 0. Vemos que f (x) = x1/3 es una funcin continua de x, por lo tanto es claro que la condicin de continuidad de f (t, x) en o o sus argumentos no es suciente para asegurar unicidad de la solucin, aunque esta condicin o o asegura la existencia de al menos una solucin. En el Teorema 2.3 vamos a utilizar una o condicin que garantiza a la vez ambas propiedades. o
34
Teorema 2.3 (Existencia local y unicidad). Sea f (t, x) seccionalmente continua en t y supongamos que satisface la condicin de Lipschitz o f (t, x) f (t, y) L x y
n
(2.2)
x, y Br = {x R | x x0 r}, t [t0 , t1 ]. Entonces existe > 0 tal que (2.1) tiene una solucin unica en [t0 , t0 + ]. o Demostracin. Notar que si x(t) es una solucin de (2.1) entonces, integrando, tenemos o o
t
x(t) = x0 +
t0
f (s, x(s)) ds
(2.3)
Es decir, x(t) satisface (2.1) s satisface (2.3), por lo que el estudio de existencia y unicidad de la solucin de la ecuacin diferencial (2.1) es equivalente al estudio de existencia y unicidad de o o la solucin de la ecuacin integral (2.3). Vamos a considerar el lado derecho de (2.3) como un o o mapeo de la funcin continua x : [t0 , t1 ] Rn ; denotndolo como (P x)(t), podemos re-escribir o a (2.3) como x(t) = (P x)(t) (2.4) Notar que (P x)(t) es continua en x. Una solucin de (2.4) es un punto jo del mapeo P o que lleva x a P x. La existencia de un punto jo de (2.4) se puede probar usando el teorema del mapeo contractivo. Para eso necesitamos denir un espacio de Banach X y un conjunto cerrado S X tal que P mapee S en S y sea una contraccin en S. Denamos o X = C[t0 , t0 + ] , con norma
C
max
t[t0 ,t0 +]
x(t)
S = {x X | x x0
r}
donde r es el radio de la bola Br y es una constante positiva a elegir. Nos vamos a restringir a elegir tal que satisfaga t1 t0 de forma que [t0 , t0 + ] [t0 , t1 ]. Notar que x(t) es una norma en Rn mientras que x C es una norma en X ; de la misma forma Br es una bola en Rn mientras que S es una bola en X . Por denicin, P mapea X en X . Para probar que o mapea S en S escribimos
t t
(P x)(t) x0 =
t0
f (s, x(s)) ds =
t0
[f (s, x(s)) f (s, x0 ) + f (s, x0 )] ds
Como f es seccionalmente continua, sabemos que f (t, x0 ) es acotada en [t0 , t1 ]. Sea h = max
t[t0 ,t1 ]
f (t, x0 )
Usando la condicin Lipschitz (2.2) y el hecho de que para cada x S o x(t) x0 r , t [t0 , t0 + ] obtenemos
t
(P x)(t) x0
t0 t
[ f (s, x(s)) f (s, x0 ) + f (s, x0 ) ] ds [L x(s) x0 + h] ds

t0 t

t0
(Lr + h) ds
= (t t0 )(Lr + h) (Lr + h)
2.2 Existencia y Unicidad y tambin e P x x0

C
35
max
t[t0 ,t0 +]
(P x)(t) x0 (Lr + h) r ,
si elegimos r/(Lr + h). Entonces P mapea S en S. Ahora vamos a probar que P es una contraccin en S. Sean x e y S y consideremos o
t
(P x)(t) (P y)(t) =
t0 t
[f (s, x(s)) f (s, y(s))] ds f (s, x(s)) f (s, y(s)) ds

t0 t

t0
L x(s) y(s) ds
C
(t t0 ) L x y Entonces Px Py
C
L x y
xy
con
Eligiendo < 1 y /L aseguramos que P es un mapeo de contraccin en S. Por el teorema o del mapeo contractivo, si min t1 t0 , r , Lr + h L , <1 (2.5)
entonces (2.3) tiene una unica solucin en S. Nos falta probar que la solucin es unica en o o X . Para eso vamos a probar que toda solucin de (2.3) en X tiene que estar en S. Notemos o primero que, como x(t0 ) = x0 est en la bola Br , toda solucin continua x(t) debe permanecer a o en Br durante algn tiempo. Supongamos que x(t) deja la bola Br y sea t0 + el primer u instante en que x(t) intersecta la frontera de Br . Entonces x(t0 + ) x0 = r Por otro lado, para todo t t0 + ,
t
x(t) x0
t0 t
[ f (s, x(s)) f (s, x0 ) + f (s, x0 ) ] ds [L x(s) x0 + h] ds

t0 t

t0
(Lr + h) ds
Por lo tanto r = x(t0 + ) x0 (Lr + h) = r Lr + h
lo que signica que x(t) no puede dejar Br durante el intervalo [t0 , t0 +], es decir, toda solucin o en X debe estar en S. En consecuencia, unicidad de la solucin en S implica unicidad de la o solucin en X . o
36
Una funcin que satisface (2.2) se dice Lipschitz en x y L es la constante de Lipschitz. o Decimos que f (x) es localmente Lipschitz en un dominio (conjunto abierto y conexo) D Rn si cada punto de D tiene un entorno D0 tal que f satisface (2.2) con alguna constante de Lipschitz L0 . Decimos que f (x) es Lipschitz en un conjunto W si satisface (2.2) en todos los puntos de W , con la misma constante de Lipschitz L. Toda funcin localmente o Lipschitz en un dominio D es Lipschitz en todo subconjunto compacto (cerrado y acotado) de D. Decimos que f (x) es globalmente Lipschitz si es Lipschitz en Rn . Decimos que f (t, x) es localmente Lipschitz en x en [a, b] D R Rn si cada punto x D tiene un entorno D0 tal que f satisface (2.2) en [a, b] D0 con alguna constante de Lipschitz L0 . Decimos que f (t, x) es localmente Lipschitz en x en [t0 , ) D si es localmente Lipschitz en x en [a, b] D para todo intervalo compacto [a, b] [t0 , ). Decimos que f (t, x) es Lipschitz en [a, b] W si satisface (2.2) para todo t [a, b] y todo punto en W , con la misma constante de Lipschitz L. Para funciones escalares, la condicin de Lipschitz se puede escribir como o |f (y) f (x)| L |y x| lo que implica que la pendiente est siempre acotada por L, es decir toda funcin f (x) que a o tenga pendiente innita en un punto no puede ser localmente Lipschitz en ese punto. Por otro lado, si el valor absoluto de la derivada f est acotado por una constante k sobre un a intervalo de inters, entonces f es Lipschitz en ese intervalo con constante de Lipschitz L = k. e Lo mismo vale para funciones vectoriales, como lo probamos en el siguiente Lema. Lema 2.4 (La cota de la derivada es la constante de Lipschitz). Sea f : [a, b]D Rm una funcin continua, D un dominio en Rn . Supongamos que f /x existe y es continua en o [a, b] D. Si, para algn subconjunto convexo W D existe una constante L 0 tal que u f (t, x) L x en [a, b] W , entonces f (t, x) f (t, y) L x y t [a, b], x W , y W . Demostracin. Sea p , p [1, ] la norma utilizada, y calculemos q [1, ] mediante la o relacin 1/p + 1/q = 1. Fijamos t [a, b], x W e y W . Denamos (s) = (1 s) x + s y o para todo s R tal que (s) D. Como W D es convexo, (s) W para 0 s 1. Tomemos z Rn tal que z
q
= 1 y z t [f (t, y) f (t, x)] = f (t, y) f (t, x)
Denamos g(s) = z t f (t, (s)). Como g(s) es una funcin a valores reales continuamente o diferenciable en un intervalo abierto que contenga al [0, 1], concluimos mediante el teorema del valor medio que existe s1 (0, 1) tal que g(1) g(0) = g (s1 )
2.2 Existencia y Unicidad Evaluando g en s = 0, s = 1, y calculando g (s) usando la regla de la cadena, obtenemos z t [f (t, y) f (t, x)] = z t f (t, y) f (t, x)
p
37
f (t, (s1 ))(y x) x f yx z q (t, (s1 )) x p

q
L yx
donde usamos la desigualdad de Hlder |z t w| z o
w p.
La propiedad de Lipschitzidad es ms fuerte que la de continuidad. Si f (x) es Lipschitz a en W , entonces es uniformemente continua en W . La propiedad de Lipschitzidad es ms dbil a e que la de poseer derivada continua, como vemos en el siguiente Lema. Lema 2.5 (C 1 implica Lipschitz). Sea f : [a, b] D Rm una funcin continua, D un o n dominio en R . Si f /x existe y es continua en [a, b] D entonces f es localmente Lipschitz en x en [a, b] D. Demostracin. Dado x0 D, sea r tan pequeo que la bola D0 = {x Rn | x x0 r} o n est contenida en D. El conjunto D0 es convexo y compacto. Por continuidad, f /x est e a acotada en [a, b]D. Sea L0 una cota para f /x en [a, b]D. Por el Lema 2.4, f es Lipschitz en [a, b] D con constante de Lipschitz L0 . Lema 2.6 (Condiciones para Lipschitz global). Sea f : [a, b] Rn una funcin continua. o n Si f /x existe y es continua en [a, b] R , entonces f es globalmente Lipschitz en x en [a, b] Rn s f /x est uniformemente acotada en [a, b] Rn . a Ejemplo 2.2. La funcin o f (x) = x1 + x1 x2 x2 x1 x2
es continuamente diferenciable en R2 . Por lo tanto, es localmente Lipschitz en R2 . No es globalmente Lipschitz porque f 1 + x2 x1 = x2 1 x1 x (2.6)
no es uniformemente acotada en R2 . En cualquier subconjunto compacto de R2 , f es Lipschitz. Supongamos que queremos calcular una constante de Lipschitz sobre el conjunto convexo W = {x R2 | |x1 | a1 , |x2 | a2 } Usando en (2.6) para vectores en R2 y la norma matricial inducida para matrices, tenemos f = max{| 1 + x2 | + |x1 | , |x2 | + |1 x1 |} x Todo punto en W satisface | 1 + x2 | + |x1 | 1 + a2 + a1 |x2 | + |1 x1 | a2 + 1 + a1 Por lo tanto, f x 1 + a2 + a1
y una constante de Lipschitz es entonces L = 1 + a2 + a1 .
38
Notar que la eleccin de la norma en Rn no afecta la propiedad de Lipschitzidad de una o funcin pero si el valor de la constante de Lipschitz. o Teorema 2.3 es un resultado local porque slo garantiza existencia y unicidad sobre un o intervalo [t0 , t0 +], y no tenemos control sobre ; por lo tanto no podemos asegurar existencia y unicidad sobre un intervalo dado [t0 , t1 ]. Se puede tratar de extender el intervalo de existencia mediante la aplicacin repetida del teorema: usar t0 + como el nuevo instante inicial y o x(t0 +) como el nuevo estado inicial, y as sucesivamente. Sin embargo, en general, el intervalo de existencia de la solucin no puede extenderse indenidamente porque las condiciones del o teorema pueden dejar de valer. Hay un intervalo mximo [t0 , T ) donde la unica solucin que a o comienza en (t0 , x0 ) existe. En general, T puede ser menor que t1 , en cuyo caso, cuando t T la solucin deja cualquier conjunto compacto sobre el cual f es localmente Lipschitz en x. o Ejemplo 2.3. Consideremos el sistema escalar x = x2 , x(0) = 1
La funcin f (x) = x2 es localmente Lipschitz para todo x R. Por lo tanto, es Lipschitz en o todo subconjunto compacto de R. La solucin unica o x(t) = 1 t1
existe sobre [0, 1). Cuando t 1, x(t) deja cualquier conjunto compacto.
Una forma de garantizar que la solucin pueda extenderse indenidamente, es la de requerir o condiciones adicionales que aseguren que la solucin x(t) siempre est en un conjunto donde o e f (t, x) es uniformemente Lipschitz en x. Esto lo hacemos en el siguiente teorema donde pedimos que f sea globalmente Lipschitz. Teorema 2.7 (Existencia global y unicidad). Supongamos que f (t, x) es seccionalmente continua en t y satisface f (t, x) f (t, y) L x y f (t, x0 ) h x, y Rn , t [t0 , t1 ]. Entonces, la ecuacin (2.1) tiene una solucin unica en [t0 , t1 ]. o o Demostracin. La clave de la prueba es mostrar que la constante del Teorema 2.3 se puede o hacer independiente del estado inicial x0 . Vemos en (2.5) que la dependencia de del estado inicial es a travs de la constante h en el trmino r/(Lr + h). Como ahora la condicin de e e o Lipschitz es global, podemos elegir r arbitrariamente grande. Por lo tanto, para cada h nito, elegimos r tal que r/(Lr + h) > /L. Esto reduce (2.5) a min t1 t0 , L , <1
Si t1 t0 /L, podemos elegir = t1 t0 y probamos el resultado. De lo contrario, elegimos que satisfaga /L, dividimos [t0 , t1 ] en un nmero nito de subintervalos de longitud u y aplicamos repetidamente el Teorema 2.3.
2.2 Existencia y Unicidad Ejemplo 2.4. Consideremos el sistema lineal x = A(t)x + g(t) = f (t, x)
39
donde A() y g() son seccionalmente continuas. Sobre un intervalo nito [t0 , t1 ], los elementos de A(t) y g(t) son acotados, es decir A(t) a, y g(t) b, donde g puede ser cualquier norma en Rn y A es la norma matricial inducida. Las condiciones del Teorema 2.7 se satisfacen porque f (t, x) f (t, y) = A(t) (x y) A(t) (x y) a (x y) , x, y Rn , t [t0 , t1 ] y f (t, x0 ) = A(t) x0 + g(t) a x0 + b h , para todo x0 nito , t [t0 , t1 ] Por lo tanto, el Teorema 2.7 muestra que el sistema lineal tiene solucin unica en [t0 , t1 ]. o Como t1 puede ser arbitrariamente grande, concluimos que si A(t) y g(t) son seccionalmente continuas t t0 , entonces el sistema tiene una solucin unica t t0 . o Para un sistema lineal es razonable pedir Lipschitzidad global. Pero para sistemas no lineales esto es muy restrictivo. No as la condicin de Lipschitz local, que est garantizada si o a la funcin del lado derecho es continuamente diferenciable. o Ejemplo 2.5. Consideremos el sistema escalar x = x3 = f (x) (2.7)
La funcin f (x) no satisface la condicin de Lipschitz global porque el Jacobiano f /x = o o 2 3x no est globalmente acotado. Sin embargo, la ecuacin tiene la unica solucin a o o x(t) = sign x0 x2 0 2 1 + 2x0 (t t0 )
que est bien denida para todo x0 y para todo t t0 . a
Como la condicin de Lipschitz global es muy conservadora, es util disponer de otro resulo tado que, a expensas de pedir un mayor conocimiento acerca de la solucin del sistema, slo o o requiera que la funcin sea localmente Lipschitz. o Teorema 2.8 (Existencia global y unicidad de vuelta). Sea f (t, x) seccionalmente continua en t y localmente Lipschitz en x para todo t t0 y todo x en un dominio D Rn . Sea W un subconjunto compacto de D, x0 W , y supongamos que se sabe que toda solucin de o (2.1) permanece todo el tiempo en W . Entonces existe una solucin unica que est denida o a para todo t t0 . Demostracin. Por el Teorema 2.3, existe una solucin local unica en [t0 , t0 + ]. Sea [t0 , T ) el o o mximo intervalo de existencia. Si T es nito, entonces la solucin debe abandonar todo suba o conjunto compacto de D (Ejercicio 2.33). Como la solucin nunca deja el conjunto compacto o W , concluimos que debe ser T = .
40
El truco al aplicar el Teorema 2.8 es vericar que toda solucin permanezca en un conjunto o compacto sin resolver la ecuacin diferencial. Vamos a ver en el Cap o tulo 3 que el mtodo de e Lyapunov va a ser util para esto. Ejemplo 2.6. Consideremos nuevamente el sistema (2.7). La funcin f (x) es localmente o Lipschitz en R. Si en algn instante x(t) es positiva, la derivada x(t) va a ser negativa, y u viceversa. Por lo tanto, comenzando con una condicin inicial x(0) = a, la solucin no puede o o dejar el conjunto compacto {x R | |x| |a|}, y el Teorema 2.8 garantiza que (2.7) tiene una solucin unica para todo t t0 . o
2.3
Dependencia Continua Con Respecto a Condiciones Iniciales y Parmetros a
Para que la solucin de la ecuacin de estado (2.1) sea de algn inters, debe depender contino o u e uamente del instante inicial t0 , del estado inicial x0 , y de la funcin del lado derecho f (t, x). o La forma integral (2.3) muestra que la dependencia continua del instante inicial es obvia. Por dependencia continua de la condicin inicial entendemos lo siguiente: sea y(t) la soluo cin de (2.1) que comienza en y(t0 ) = y0 y est denida en el intervalo compacto [t0 , t1 ]; o a dado > 0, existe > 0 tal que para todo z0 en la bola {x Rn | x y0 < }, la ecuacin x = f (t, x) tiene una solucin unica z(t) denida en [t0 , t1 ], con z(t0 ) = z0 , y satiso o face z(t) y(t) < para todo t [t0 , t1 ]. Para denir dependencia continua de la funcin del lado derecho f , vamos a precisar en o qu forma f es perturbada. Vamos a asumir que f depende continuamente de un conjunto e de parmetros constantes, es decir, f = f (t, x, ), donde Rp . Sea x(t, 0 ) una solucin a o de x = f (t, x, 0 ) denida en [t0 , t1 ], con x(t0 , 0 ) = x0 . Se dice que la solucin depende o continuamente de si dado > 0, existe > 0 tal que para todo en la bola { Rp | 0 < }, la ecuacin x = f (t, x, ) tiene una solucin unica x(t, ) denida en [t0 , t1 ], o o con x(t0 , ) = x0 , y satisface x(t, ) x(t, 0 ) < para todo t [t0 , t1 ]. Antes de estudiar los dos tipos de continuidad recin denidos, necesitamos el siguiente e resultado. Teorema 2.9. Sea f (t, x) seccionalmente continua en t y Lipschitz en x en [t0 , t1 ] W , con constante de Lipschitz L, donde W Rn es un conjunto abierto y conexo. Sean y(t) y z(t) soluciones de y = f (t, y) , y z = f (t, z) + g(t, z) , z(t0 ) = z0 y(t0 ) = y0
tal que y(t), z(t) W para todo t [t0 , t1 ]. Supongamos que g(t, x) , para algn > 0, y u y0 z0 Entonces y(t) z(t) eL(tt0 ) + para todo t [t0 , t1 ]. L(tt0 ) [e 1] L (2.8) (t, x) [t0 , t1 ] W ,
2.3 Dependencia Continua Con Respecto a Condiciones Iniciales y Parmetros41 a Demostracin. Las soluciones y(t) y z(t) estn dadas por o a
t
y(t) = y0 +
t0 t
f (s, y(s)) ds [f (s, z(s)) + g(s, z(s))] ds

t0
z(t) = z0 +
Restando ambas ecuaciones y tomando normas obtenemos

t t
y(t) z(t) y0 z0 +
t0
f (s, y(s)) f (s, z(s)) ds +

t0 t
g(s, z(s)) ds
+ (t t0 ) +
t0
L y(s) z(s) ds
Aplicando la desigualdad de Gronwall-Bellman a la funcin y(t) z(t) resulta o

t
y(t) z(t) + (t t0 ) +
t0
L[ + (s t0 )]eL(st0 ) ds
Integrando el lado derecho por partes se obtiene (2.8). Tenemos entonces el siguiente teorema. Teorema 2.10 (Continuidad en condiciones iniciales y parmetros). Sea f (t, x, ) a continua en sus argumentos y localmente Lipschitz en x (uniformemente en t y ) en [t0 , t1 ] D { 0 c}, donde D Rn es un conjunto abierto y conexo. Sea y(t, 0 ) una solucin o de x = f (t, x, 0 ) con y(t0 , 0 ) = y0 D. Supongamos que y(t, 0 ) est denida y permanece a en D para todo t [t0 , t1 ]. Entonces, dado > 0, existe > 0 tal que si y0 z0 < y 0 < la ecuacin x = f (t, x, ) tiene una solucin unica z(t, ) denida en [t0 , t1 ], con z(t0 , ) = z0 , o o y satisface z(t, ) y(t, 0 ) < , t [t0 , t1 ]
Demostracin. Por continuidad de y(t, 0 ) en t y la compacidad de [t0 , t1 ], sabemos que y(t, 0 ) o est uniformemente acotada en [t0 , t1 ]. Denamos un tubo U alrededor de la solucin y(t, 0 ) a o de la siguiente manera U = {(t, x) [t0 , t1 ] Rn | x y(t, 0 ) }, como se ilustra en la Figura 2.1. Supongamos que se eligi lo sucientemente pequeo para que U [t0 , t1 ] D. El o n conjunto U es compacto; por lo tanto f (t, x, ) es Lipschitz en x en U con constante de Lipschitz L, digamos. Por continuidad de f en , para cada > 0, existe > 0 (con < c) tal que f (t, x, ) f (t, x, 0 ) < , (t, x) U , 0 <
Tomemos < y y0 z0 < . Por el teorema de existencia local y unicidad, existe una solucin unica z(t, ) en algn intervalo [t0 , t0 + ]. La solucin comienza dentro del tubo o u o
42
z(t)
z0 y0
y(t)
t t0
Figura 2.1: Tubo construido alrededor de la solucin y(t) o
t1
U y mientras permanezca en el tubo puede extenderse. Vamos a mostrar que, eligiendo lo sucientemente pequeo, la solucin permanece en el tubo U para todo t [t0 , t1 ]. En n o particular, sea el primer instante en que la solucin deja el tubo; vamos a probar que > t1 . o En el intervalo [t0 , ], todas las condiciones del Teorema 2.9 se satisfacen con = = . Por lo tanto z(t, ) y(t, 0 ) eL(tt0 ) + [eL(tt0 ) 1] L (1 + L) L(tt0 ) < e L Si elegimos LeL(t1 t0 ) /(1+L) aseguramos que la solucin z(t, ) no deja el tubo durante o [t0 , t1 ]. Por lo tanto z(t, ) est denida en [t0 , t1 ] y satisface z(t, )y(t, 0 ) < . La prueba a se completa tomando = min{, }.
2.4
Diferenciabilidad de la Solucin y Ecuaciones de o Sensibilidad
Supongamos que f (t, x, ) es continua en sus argumentos y tiene derivadas parciales continuas con respecto a x y para todo (t, x, ) [t0 , t1 ] Rn Rp . Sea 0 un valor nominal de y supongamos que la ecuacin de estado nominal o x = f (t, x, 0 ) , x(t0 ) = x0 (2.9)
tiene una solucin unica x(t, 0 ) en [t0 , t1 ]. Por el Teorema 2.10 sabemos que para todo o sucientemente cercano a 0 , la ecuacin de estado o x = f (t, x, ) , x(t0 ) = x0
tiene una solucin unica x(t, ) en [t0 , t1 ] que es cercana a la solucin nominal x(t, 0 ). Eso o cribamos esta solucin como o
t
x(t, ) = x0 +
t0
f (s, x(s, ), ) ds
2.5 Principio de Comparacin o y derivemos parcialmente con respecto a

t
43
x (t, ) =
t0
f f (s, x(s, ), ) x (s, ) + (s, x(s, ), ) ds x
donde x (t, ) = x(t, )/ y x0 / = 0 porque x0 es independiente de . Derivando ahora con respecto a t obtenemos x (t, ) = A(t, )x (t, ) + B(t, ) , t donde A(t, ) = f (t, x, ) x ,
x=x(t,)
x (t0 , ) = 0
(2.10)
B(t, ) =
f (t, x, )
x=x(t,)
Para sucientemente cercano a 0 las matrices A(t, ) y B(t, ) estn denidas en [t0 , t1 ], a por lo tanto x (t, ) est denida en el mismo intervalo. Para = 0 , el lado derecho de a (2.10) depende slo de la solucin nominal x(t, 0 ). Sea S(t) = x (t, 0 ); S(t) es la solucin o o o unica de S(t) = A(t, 0 )S(t) + B(t, 0 ) , S(t0 ) = 0 (2.11)
La funcin S(t) se denomina funcin de sensibilidad y (2.11) es la ecuacin de sensibilidad. o o o Las funciones de sensibilidad proporcionan estimas de primer orden del efecto de variaciones de los parmetros en las soluciones; tambin sirven para aproximar la solucin cuando 0 es a e o sucientemente pequeo: x(t, ) puede expandirse en serie de Taylor alrededor de la solucin n o nominal x(t, 0 ) y, despreciando trminos de orden superior, se obtiene e x(t, ) x(t, 0 ) + S(t)( 0 ) (2.12)
Una forma de calcular S(t) es resolver (en general numricamente) simultneamente (2.9) y e a (2.10) evaluando la solucin de (2.10) en = 0 . o
2.5
Principio de Comparacin o
Como la desigualdad de Gronwall-Bellman, el principio de comparacin sirve para obtener o cotas de la solucin de (2.1) sin necesidad de calcular la solucin misma. Se aplica a desigualo o dades diferenciales de la forma v f (t, v(t)) para todo t en un cierto intervalo. El principio de comparacin compara la solucin de la desigualdad diferencial v f (t, v(t)) con la de la o o ecuacin diferencial u = f (t, u). o Lema 2.11 (Principio de Comparacin). Consideremos la ecuacin diferencial escalar o o u = f (t, u) , u(t0 ) = u0
donde f (t, u) es continua en t y localmente Lipschitz en u, para todo t 0 y todo u J R. Sea [t0 , T ) (T puede ser innito) el mximo intervalo de existencia de la solucin u(t) y a o supongamos que u(t) J para todo t [t0 , T ). Sea v(t) una funcin diferenciable que o satisface la desigualdad diferencial v(t) f (t, v(t)) , v(t0 ) u0
44 con v(t) J para todo t [t0 , T ). Entonces v(t) u(t) para todo t [t0 , T ). Ejemplo 2.7. La ecuacin diferencial escalar o x = f (x) = (1 + x2 ) x , x(0) = a
tiene una solucin unica en [0, t1 ] para algn t1 > 0, porque f (x) es localmente Lipschitz. Sea o u 2 v(t) = [x(t)] . Su derivada es v(t) = 2x(t)x(t) = 2[x(t)]2 2[x(t)]4 2[x(t)]2 Por lo tanto v(t) satisface la desigualdad diferencial v(t) 2v(t) , v(0) = a2
Sea u(t) la solucin de la ecuacin diferencial o o u = 2u , u(0) = a2 = u(t) = a2 e2t
Por el principio de comparacin la solucin x(t) est denida para todo t 0 y satisface o o a |x(t)| = v(t) |a|et , t 0
2.6
Ejercicios
Ejercicio 2.1 Sea f (x) una funcin continuamente diferenciable. Mostrar que el punto de equilibrio x de o x = f (x) es aislado si la matriz Jacobiana [f /x](x ) es no singular. Ayuda: Usar el Teorema de la Funcin Impl o cita enunciado a continuacin. o Teorema 2.12 (Teorema de la Funcin Impl o cita). Sea f : Rn Rm Rn una funcin o continuamente diferenciable en cada punto (x, y) de un conjunto cerrado S Rn Rm . Sea (x0 , y0 ) un punto en S para el cual f (x0 , y0 ) = 0 y para el cual la matriz Jacobiana [f /x](x0 , y0 ) es no singular. Entonces existen entornos U Rn de x0 y V Rm de y0 tales que para cada y V la ecuacin f (x, y) = 0 tiene una solucin unica x U. Adems, esta o o a solucin puede expresarse como x = g(y), donde g es continuamente diferenciable en y = y0 . o Ejercicio 2.2 Sea y(t) una funcin escalar no negativa que satisface la desigualdad o
t
y(t) k1 e(tt0 ) +
t0
e(t ) [k2 y( ) + k3 ]d,
k1 , k2 , k3 0, > k2 .
Usando la desigualdad de Gronwall-Bellman mostrar que y(t) k1 e(k2 )(tt0 ) + k3 1 e(k2 )(tt0 ) . k2
2.6 Ejercicios Ayuda: Tomar z(t) = y(t)e(tt0 ) y encontrar la desigualdad que satisface z. Ejercicio 2.3
45
Usando el Teorema del Mapeo Contractivo mostrar que el sistema de ecuaciones no lineales 1+ x1 1 + x2 1 x1 + x2 = 1 x2 1 + x2 2 x2 = 2,
x1 + 1 +
donde < 1 , tiene una unica solucin real. o 2 Ejercicio 2.4 Sea f : Rn Rn localmente Lipschitz en un dominio D RN . Sea S D un conjunto compacto (cerrado y acotado). Mostrar que existe una constante L > 0 tal que f (x) f (y) L x y , x, y S.
Ayuda: Por ser compacto, el conjunto S puede cubrirse por un nmero nito de entornos: u S N (a1 , r1 ) N (a2 , r2 ) N (ak , rk ). Considerar los dos casos siguientes por separado: x, y S N (ai , ri ) para algn i [1, 2, . . . , k]. u x, y S N (ai , ri ) para ningn i [1, 2, . . . , k]; en este caso notar que x y mini ri / u y usar el hecho de que f (x) est uniformemente acotada en S. a Ejercicio 2.5 Recordar que una funcin f : S1 S2 se dice continua en un punto x S1 si dada una o constante > 0 existe alguna constante > 0 tal que x y < f (x) f (y) < . Una funcin f es continua en un conjunto S si es continua en todo punto de S, y es unio formemente continua en S si, dada > 0, existe > 0 dependiente slo de tal que la o desigualdad vale para todo x, y S. Mostrar que si f : Rn Rn es Lipschitz en W Rn , entonces f (x) es uniformemente continua en W . Ejercicio 2.6 Mostrar que si f : Rn Rn es Lipschitz en un dominio D = {x Rn : x < r} y f (0) = 0, entonces existe una constante k > 0 tal que f (x) k x para todo x D.
46 Ejercicio 2.7 Sea el problema de valor inicial x = f (t, x), x(t0 ) = x0 ,
(2.13)
y sea D Rn un dominio que contiene x = 0. Suponer que f (t, 0) = 0 y f (t, x) es Lipschitz en x sobre [t0 , ) D con constante de Lipschitz L en 2 , y que la solucin x(t) est denida o a para todo t t0 y pertenece a D. (i) Mostrar que d T x (t)x(t) dt (ii) Mostrar que x0 Ejercicio 2.8 Sea Dr = {x Rn : x < r}. Para cada uno de los siguientes sistemas representados como x = f (t, x) e introducidos en el Cap tulo 1 determinar si f es: (a) localmente Lipschitz en x Dr para r sucientemente pequeo; (b) localmente Lipschitz en x Dr para cualquier n r > 0 nito; (c) globalmente Lipschitz en x. (i) La ecuacin del pndulo con entrada de control. o e (ii) El circuito con diodo tnel. u (iii) El sistema de masa-resorte con resorte lineal, amortiguamiento viscoso, friccin esttica o a y fuerza externa nula. (iv) El oscilador de Van der Pol. (v) La ecuacin de estado a lazo cerrado de tercer orden del ejemplo de control adaptable. o (vi) El sistema x = Ax B(Cx), donde A Rnn , B Rn1 , C R1n son matrices constantes y () es una alinealidad de zona muerta, denida por y + d, (y) = 0, y d, para y < d para d y d para y > d
2
2L x(t) 2 . 2
eL(tt0 ) x(t)
x0
eL(tt0 )
(Este sistema representa un sistema lineal realimentado con alinealidad esttica, como a se ve en la gura, en particular con estacionaria y r = 0.)
2.6 Ejercicios
r + u y
47
Sistema Lineal G(s) = C(sI A)1 B
(t, y)
Elemento No Lineal
Ejercicio 2.9 Sea f (t, x) seccionalmente continua en t y localmente Lipschitz en x sobre [t0 , t1 ] D para algn dominio D Rn . Sea W un subconjunto compacto de D. Sea x(t) la solucin de u o x = f (t, x) con x(t0 ) = x0 W . Asumiendo que x(t) est denida y pertenece a W para todo a t [t0 , T ), T < t1 , mostrar que (i) x(t) es uniformemente continua sobre [t0 , T ), (ii) x(T ) est denida y pertenece a W , y que entonces x(t) es una solucin sobre [t0 , T ], a o (iii) existe > 0 tal que la solucin x(t) pueda extenderse sobre [t0 , T + ]. o
Ejercicio 2.10 Sea f (t, x) seccionalmente continua en t y localmente Lipschitz en x sobre [t0 , t1 ] D para algn dominio D Rn . Sea y(t) una solucin de (2.13) sobre un intervalo abierto mximo u o a [t0 , T ) [t0 , t1 ] con T < . Sea W cualquier conjunto compacto de D. Mostrar que existe algn t [t0 , T ) tal que y(t) W . u / Ayuda: Usar el ejercicio anterior.
Ejercicio 2.11 Sea f (t, x) seccionalmente continua en t, localmente Lipschitz en x, y f (t, x) k1 + k2 x , (t, x) [t0 , ) Rn .
(i) Mostrar que la solucin de (2.13) satisface o x(t) x0 ek2 (tt0 ) + k1 k2 (tt0 ) e 1 k2
para todo t t0 para el cual la solucin existe. o (ii) Puede haber escape en tiempo nito de la solucin? o
48 Ejercicio 2.12
Sean f (t, x) y su derivada parcial respecto de x continuas en (t, x) para todo (t, x) R Rn . Sea x(t, a, ) la solucin de x = f (t, x) que comienza en x(a) = y supongamos que x(t, a, ) o est denida en [a, t1 ]. Mostrar que x(t, a, ) es continuamente diferenciable con respecto de a a y . Sean xa (t) y x (t) las respectivas derivadas parciales. Mostrar que satisfacen xa (t) + x (t)f (a, ) 0 , t [a, t1 ]
Cap tulo 3 Estabilidad Seg n Lyapunov. Sistemas u Estacionarios

La teor de estabilidad juega un rol central en teor de sistemas e ingenier Existen distintos a a a. tipos de problemas de estabilidad en los sistemas dinmicos. En este cap a tulo vamos a tratar estabilidad de puntos de equilibrio; ms adelante en el curso veremos otros problemas de a estabilidad, como el de estabilidad entrada-salida. La estabilidad de puntos de equilibrio generalmente se caracteriza en el sentido de Lyapunov, un matemtico e ingeniero rua so que estableci las bases de la teor que hoy lleva su nombre. o a Un punto de equilibrio se dice estable si todas las soluciones que se inicien en las cercan del punto de equilibrio permanecen as en las cercan del punto de equilibrio; de otro modo el punas to de equilibrio es inestable. Un punto de equilibrio se dice asintticamente estable si todas las soluciones que se inicien en o las cercan del punto de equilibrio no slo permanecen en las as o cercan del punto de equilibrio, sino que adems tienden haas a Aleksandr Lyapunov cia el equilibrio a medida que el tiempo se aproxima a innito. 1857-1918 Vemos estas nociones en ms detalle en 3.1, donde presentaa mos tambin los teoremas bsicos de Lyapunov para sistemas e a estacionarios. En 3.2 damos una extensin de la teor bsica de Lyapunov que se debe a o a a LaSalle. En 3.3 analizamos regin de atraccin de un punto de equilibrio, y en 3.4 vemos o o cmo la estabilidad de un punto de equilibrio puede determinarse mediante linealizacin. o o Los teoremas de estabilidad de Lyapunov dan condiciones sucientes para estabilidad de puntos de equilibrio. Existen teoremas conversos que establecen que, al menos conceptualmente, en los teoremas de Lyapunov muchas de estas condiciones son tambin necesarias. e Trataremos estos teoremas conversos en el cap tulo siguiente, junto a extensiones de los resultados para sistemas inestacionarios.
3.1
El Teorema de Estabilidad de Lyapunov

x = f (x) (3.1)
Consideremos el sistema estacionario
donde f : D Rn es un mapa localmente Lipschitz desde un dominio D Rn en Rn . Supongamos que x D es un PE de (3.1), es decir f () = 0. Vamos a caracterizar y estudiar x
50
Estabilidad Seg n Lyapunov. Sistemas Estacionarios u
la estabilidad de x. Por conveniencia, vamos a asumir que x = 0 (esto no nos hace perder generalidad porque, si no es as denimos y = x x y trabajamos con la ecuacin y = g(y), , o donde g(y) f (y + x), que tiene un equilibrio en el origen.) Denicin 3.1. El PE x = 0 de (3.1) es o estable, si para cada > 0 existe = ( ) tal que x(0) < = x(t) < , t 0
inestable si no es estable. asintticamente estable (AE) si es estable y puede elegirse tal que o x(0) < = lim x(t) = 0
t
Los tres tipos de estabilidad se pueden ver en la ecuacin del pndulo (1.4) del Ejemo e plo 1.2.1. Los PE son (0, 0) y (, 0). Considerando que no hay friccin, o sea tomando k = 0, o las trayectorias en el entorno del primer PE son rbitas cerradas. Empezando sucientemente o cerca del PE se puede garantizar que las trayectorias van a permanecer en cualquier bola preespecicada alrededor del PE. Por lo tanto, el PE es estable. No es AE, sin embargo, porque las trayectorias que comienzan fuera del PE nunca tienden a l. e Si consideramos friccin (k > 0), el PE en el origen es un foco estable. La inspeccin del o o retrato de fase de un foco estable muestra que el requisito para estabilidad se satisface; ms an, las trayectorias que comienzan cerca del PE tienden a l cuando t tiende a . a u e El segundo PE en (, 0) es un punto de ensilladura. Es obvio que el requisito para estabilidad no se satisface porque, para cualquier > 0, siempre hay una trayectoria que deja la bola {x Rn | x x }, an cuando x(0) sea arbitrariamente cercano al PE. u La Denicin 3.1 tiene como condicin impl o o cita la existencia de la solucin para todo o t 0. Esta propiedad de existencia global (en el tiempo) de la solucin no est garantizada, o a como ya vimos, por la Lipschitzidad local de f . Vamos a ver, sin embargo, que las condiciones adicionales que requiere el Teorema de Lyapunov van a garantizar la existencia global (en el tiempo) de la solucin. o Recin vimos que para el ejemplo del pndulo se pueden determinar las propiedades de e e estabilidad analizando el retrato de fase. Este enfoque es dif de extender a sistemas de orden cil mayor que dos. Vamos a ver que las conclusiones a las que llegamos analizando el retrato de fase del pndulo se pueden obtener tambin usando conceptos de energ Denamos la energ e e a. a del pndulo E(x) como la suma de sus energ cintica y potencial, con referencia de energ e as e a potencial elegida tal que E(0) = 0, es decir,
x1
E(x) =
0
1 1 (g/l) sen y dy + x2 = (g/l)(1 cos x1 ) + x2 2 2 2 2
(3.2)
Cuando no hay friccin (k = 0), el sistema es conservativo, es decir, no hay disipacin de o o energ Por lo tanto, E = constante durante la evolucin del sistema, o sea, dE/dt = 0 sobre a. o las trayectorias del sistema. Como E(x) = c forma contornos cerrados alrededor de x = 0 para c pequeo, concluimos que x = 0 es un PE estable. Cuando consideramos friccin (k > 0), n o se disipa energ durante la evolucin del sistema, o sea, dE/dt 0 sobre las trayectorias del a o sistema. Es decir que la energ decrece hasta que llega a cero, mostrando que la trayectoria a tiende a x = 0 cuando t .
3.1 El Teorema de Estabilidad de Lyapunov
51
En 1892, Lyapunov mostr que algunas otras funciones, no slo la energ pueden usarse o o a, para determinar la estabilidad de un PE. Sea V : D R una funcin continuamente difeo renciable en un dominio D Rn que contiene el origen. La derivada de V a lo largo de las trayectorias de (3.1) est dada por a f1 (x) n n V V V V V f2 (x) V (x) = V xi = fi (x) = f (x) , , ..., . = xi xi x x1 x2 xn . . i=1 i=1 fn (x) Teorema 3.1 (Lyapunov). Sea el origen x = 0 un PE de (3.1) y sea D Rn un dominio que contiene el origen. Sea V : D R una funcin continuamente diferenciable tal que o V (0) = 0 y V (x) > 0 en D {0} V (x) 0 en D Entonces x = 0 es estable. Ms an, si a u V (x) < 0 en D {0} entonces x = 0 es AE. Demostracin. Dado > 0, elijamos r (0, ] tal que o Br = {x Rn | x r} D Sea = min
x =r
(3.3) (3.4)
(3.5)
V (x). Entonces > 0 por (3.3). Tomemos (0, ) y sea
= {x Br | V (x) } Entonces est en el interior de Br ; a

1
ver la Figura 3.1. El conjunto tiene la propiedad
D r 0 B Br
Figura 3.1: Representacin geomtrica de los conjuntos en la prueba del Teorema 3.1 o e de que toda trayectoria que comienza en en t = 0 permanece en para todo t 0. Esto sigue de (3.4) ya que V (x(t)) 0 = V (x(t)) V (x(0)) ,
1
t 0
Si no fuera as existir un punto p que se encuentra sobre la frontera de Br . En este punto, , a V (p) > , pero para todo x , V (x) , lo cual es una contradiccin. o
52
Como es un conjunto compacto (cerrado por denicin y acotado porque est contenido o a en Br ), concluimos por el Teorema 2.9 que (3.1) tiene una solucin unica denida para todo o t 0 cuando x(0) . Como V es continua y V (0) = 0, existe > 0 tal que x = V (x) < Entonces B Br y x(0) B = x(0) = x(t) = x(t) Br , Por lo tanto x(0) < = x(t) < r , t 0 t 0
lo que muestra que el PE en x = 0 es estable. Supongamos ahora que (3.5) tambin vale. Para mostrar EA debemos probar que x(t) 0 e cuando t . Como V es continua y V (0) = 0, es suciente mostrar que V (x(t)) 0 cuando t . Como V (x(t)) es monotnicamente decreciente y acotada inferiormente por cero, o V (x(t)) c 0 cuando t Mostramos que c = 0 por contradiccin. Supongamos que c > 0. Por continuidad de V (x), o existe d > 0 tal que Bd c . El l mite V (x(t)) c > 0 implica que la trayectoria x(t) permanece fuera de la bola Bd para todo t 0. Sea = maxd x r V (x), el cual existe porque la funcin continua V (x) alcanza un mximo sobre el conjunto compacto {d x o a r}. Sabemos que < 0 por (3.5). Integrando V (x) tenemos que
t
V (x(t)) = V (x(0)) +
0
V (x( )) d V (x(0)) t
Como el lado derecho se va a hacer negativo despus de un cierto tiempo, la desigualdad e contradice la suposicin de que c > 0. o Una funcin continuamente diferenciable que satisface (3.3) y (3.4) se denomina funcin o o de Lyapunov. La supercie V (x) = c se denomina supercie de Lyapunov o supercie de nivel. Usando supercies de Lyapunov, la Figura 3.2 da una interpretacin intuitiva del Teorema 3.1. o 0 implica que cuando la trayectoria cruza la supercie de Lyapunov V (x) = c La condicin V o se introduce en el conjunto c = {x Rn | V (x) c} y nunca puede salir de l. Cuando e < 0, la trayectoria se mueve de una supercie de Lyapunov a otra supercie de Lyapunov V interior con un c menor. A medida que c decrece, la supercie de Lyapunov V (x) = c se achica hasta transformarse en el origen, mostrando que la trayectoria tiende al origen cuando t . Si slo sabemos que V 0, no podemos asegurar que la trayectoria tienda al origen, o pero podemos concluir que el origen es estable porque la trayectoria puede ser encerrada en cualquier bola B slo con requerir que el estado inicial x(0) pertenezca a una supercie de o Lyapunov contenida en dicha bola. Una funcin V (x) que satisface (3.3) se dice denida positiva. Si satisface la condicin ms o o a dbil V (x) 0 para x = 0, se dice semidenida positiva. Una funcin se dice denida negativa e o
3.1 El Teorema de Estabilidad de Lyapunov c3 c2 V (x) = c1 c1 < c 2 < c 3
53
Figura 3.2: Curvas de nivel de una funcin de Lyapunov o
o semidenida negativa si V (x) es denida positiva o semidenida positiva, respectivamente. Si V (x) no tiene signo denido con respecto a alguno de estos cuatro casos se dice indenida. El teorema de Lyapunov se puede enunciar, usando esta nueva terminolog como: el origen a es estable si existe una funcin denida positiva y continuamente diferenciable tal que V (x) o es semidenida negativa, y es AE si V (x) es denida negativa. Ejemplo 3.1. Sea V la forma cuadrtica a V (x) = xt P x donde P es una matriz real y simtrica. V (x) es (semi)denida positiva s todos los autovalores e de P son (no negativos) positivos, lo que vale s todos los menores principales de P son (no negativos) positivos. Si V (x) = xt P x es (semi)denida positiva, decimos que la matriz P es (semi)denida positiva y escribimos (P 0) P > 0. Por ejemplo, si a 0 1 P = 0 a 2 1 2 a entonces V (x) es positiva denida si a > 5 y denida negativa si a < 5. Ejemplo 3.2. Consideremos la ecuacin diferencial de primer orden o x = g(x) donde g(x) es localmente Lipschitz en (a, a) y satisface g(0) = 0 ;
x
x g(x) > 0 ,
x = 0 , x (a, a)
Este sistema tiene un PE aislado en el origen. Consideremos la funcin o V (x) =

0
g(y) dy
En el dominio D = (a, a), V (x) es continuamente diferenciable, V (0) = 0 y V (x) > 0 para todo x = 0, es decir, es una candidata a funcin de Lyapunov vlida. Calculemos su derivada o a a lo largo de las trayectorias del sistema: V V (x) = [g(x)] = [g(x)]2 < 0 , x D {0} x Concluimos usando el Teorema 3.1 que el origen es AE.
54
Ejemplo 3.3 (Pndulo sin friccin). Consideremos la ecuacin del pndulo sin friccin e o o e o (ecuacin (1.4) con k = 0) con la funcin de energ (3.2) como funcin de Lyapunov. Tenemos o o a o que V (0) = 0 y V (x) es denida positiva en el dominio 2 x1 2. Adems a V (x) = (g/l)x1 sen x1 + x2 x2 = 0 Por lo tanto se satisfacen las condiciones (3.3) y (3.4) del Teorema 3.1 probando que el origen es estable. Como V (x) 0 podemos tambin concluir que el origen no es AE. e Ejemplo 3.4 (Pndulo con friccin). Consideremos la ecuacin del pndulo con friccin e o o e o (ecuacin (1.4) con k > 0) con la funcin de energ (3.2) como funcin de Lyapunov. Tenemos o o a o que V (x) = (g/l)x1 sen x1 + x2 x2 = (k/m) x2 2 V (x) es semidenida negativa pero no es denida negativa porque se anula sobre todo el eje x2 = 0. Por lo tanto slo podemos concluir que el origen es estable. Sin embargo ya sabemos, o analizando el retrato de fase, que en este caso el origen es AE, por lo tanto esta eleccin de o funcin de Lyapunov junto con el Teorema 3.1 no son concluyentes para probar las propiedades o de estabilidad del PE (vamos a ver ms adelante que el Teorema de invariancia de LaSalle nos a va a permitir probar AE usando la funcin de energ o a). Partiendo de la funcin de energ o a, a reemplacemos el trmino (1/2)x2 por la forma cuadrtica general (1/2)xt P x y tratemos de e 2 elegir los elementos de P tal que V (x) sea una funcin de Lyapunov vlida, o a 1 g V (x) = xT P x + (1 cos x1 ) 2 l 1 g p11 p12 x1 x1 x2 = + (1 cos x1 ). p12 p22 x2 2 l Para que la forma cuadrtica xT P x sea denida positiva los elementos de P deben satisfacer a p11 > 0; p11 p22 p2 > 0. 12 La derivada V (x) est dada por a g g V (x) = p11 x1 + p12 x2 + sen x1 x2 + (p12 x1 + p22 x2 ) sen x1 l l g g k = (1 p22 )x2 sen x1 p12 x1 sen x1 + p11 p12 x1 x2 l l m k + p12 p22 x2 2 m k m x2
Ahora queremos elegir p11 , p12 y p22 para que V (x) sea denida negativa. Como los trminos de e productos cruzados x2 sen x1 y x1 x2 son de signo indenido, los cancelamos tomando p22 = 1 y p11 = (k/m)p12 . Con esta eleccin p12 debe satisfacer o k m para que V (x) sea denida positiva. Una posible eleccin es p12 = 0.5(k/m), y as o 0 < p12 < gk 1 V (x) = x1 sen x1 x2 . 2lm 2 2 El trmino x1 sen x1 > 0 para todo x1 : 0 < |x1 | < . Tomando D = {x Rn : |x1 | < } e tenemos que V (x) es positiva denida y V (x) es denida negativa en D. Por el Teorema 3.1 concluimos que el origen es AE.
55
El ejemplo anterior muestra que las condiciones del Teorema 3.1 son slo sucientes. Si o una dada candidata a funcin de Lyapunov no alcanza para probar que el PE es AE, esto no o signica que no lo sea. En el Ejemplo 3.4 enfocamos el problema en una forma inversa. Investigamos una expresin o propuesta para V (x) y determinamos sus parmetros de forma que V (x) fuera denida positiva a y V (x) denida negativa. Esta idea es util para buscar funciones de Lyapunov, y se aprovecha en el procedimiento siguiente.
3.1.1
Mtodo del Gradiente Variable e
El mtodo del gradiente variable es un mtodo para construir funciones de Lyapunov. Sea e e V (x) una funcin escalar de x y g(x) = (V /x)t . Entonces o V V (x) = f (x) = g t (x)f (x) x La idea es tratar de encontrar g(x) tal que sea el gradiente de una funcin denida positiva o (x) sea denida negativa. Es fcil de probar que g(x) es el gradiente de una V (x) y tal que V a funcin escalar s la matriz Jacobiana [g/x] es simtrica, es decir o e gi gj = , xj xi i, j = 1, 2, . . . , n
Bajo esta restriccin, elegimos g(x) tal que g t (x)f (x) sea denida negativa. Luego V (x) se o computa mediante la integral
x x n
V (x) =
0
g (y)dy =
0 i=1
gi (y)dyi
Como la integral de un gradiente no depende del camino, podemos integrar a lo largo de los ejes:
x1 x2
V (x) =
0
g1 (y1 , 0, . . . , 0)dy1 +
0
g2 (x1 , y2 , . . . , 0)dy2
xn
+ +
0
gn (x1 , x2 , . . . , yn )dyn
Ejemplo 3.5. Consideremos el sistema x1 = x2 , x2 = h(x1 ) ax2 donde a > 0, h es localmente Lipschitz, h(0) = 0 y adems y h(y) > 0 para todo y = 0, a y (b, c) para ciertas constantes positivas b y c. La ecuacin del pndulo es un caso o e particular de este sistema. Queremos elegir un vector de dos componentes g(x) tal que g1 g2 = x2 x1 (x) = g1 (x)x2 g2 (x)[h(x1 ) + ax2 ] < 0 , V
x
(3.6) x=0
V (x) =
0
g t (y) dy > 0 ,
x=0
56 Probemos con g(x) = (x)x1 + (x)x2 (x)x1 + (x)x2
(3.7)
donde las funciones escalares , , y son a determinar. Empecemos calculando V (x): V (x) = (x)x1 x2 + (x)x2 a(x)x1 x2 a(x)x2 (x)x2 h(x1 ) (x)x1 h(x1 ) 2 2 y para cancelar los productos cruzados (que no tienen signo denido) elegimos (x)x1 a(x)x1 (x)h(x1 ) = 0 de forma que V (x) = [a(x) (x)]x2 (x)x1 h(x1 ) 2 Para simplicar elegimos (x) = constante, (x) = constante, y (x) = constante, por lo cual en (3.8) depende slo de x1 . La condicin de simetr (3.6) se reduce entonces a o o a = . La expresin de g(x) en (3.7) resulta o g(x) = ax1 + h(x1 ) + x2 x1 + x2 (3.8)
Integrando obtenemos
x1 x2
V (x) =
0
[ay1 + h(y1 )]dy1 +

0 x1 0
(x1 + y2 )dy2
1 = ax2 + 1 2 1 = xt P x + 2 donde P = a
1 h(y)dy + x1 x2 + x2 2 2 h(y)dy
x1 0
Eligiendo > 0 y 0 < < a aseguramos que V (x) es denida positiva y V (x) es denida negativa. Por ejemplo, tomando = ka con 0 < k < 1, obtenemos la funcin de Lyapunov o ka2 ka V (x) = xt x+ ka 1 2
x1
h(y)dy
0
(3.9)
que satisface las condiciones (3.3) y (3.4) del Teorema 3.1 en el dominio D = {x R2 | b < x1 < c}. Concluimos que el origen es AE.
57
3.1.2
Sobre la Regin de Atraccin. Estabilidad Asinttica Global o o o
Sea (t; x) la solucin de (3.1) que comienza en t = 0 y supongamos que el origen x = 0 o es un PE AE. Denimos como regin (dominio) de atraccin (RA) del PE al conjunto de o o todos los puntos x tal que limt (t; x) = 0. Es en general dif o imposible encontrar cil anal ticamente la RA. Sin embargo se pueden usar funciones de Lyapunov para estimarla con conjuntos contenidos en la RA. Por la prueba del Teorema 3.1 sabemos que si existe una funcin de Lyapunov que satisface las condiciones de estabilidad asinttica en un dominio D, o o y si c = {x Rn | V (x) c} est acotado y contenido en D, entonces toda trayectoria que a comienza en c permanece en c y tiende al origen cuando t . Por lo tanto c es una estima de la RA. Esta estima puede ser conservadora, es decir, puede ser mucho ms chica a que la RA real. Queremos saber bajo que condiciones la RA es todo el espacio Rn . Esto ser as si podemos a probar que para todo estado inicial x, la trayectoria (t; x) tiende al origen cuando t , sin importar cuan grande es x . Si un PE AE tiene esta propiedad se dice que es globalmente AE (GAE). Recordando otra vez la prueba del Teorema 3.1 vemos que se puede probar GAE si se puede asegurar que cada punto x Rn puede incluirse en el interior de un conjunto acotado c . Esto no siempre va a ser posible porque para valores grandes de c el conjunto c puede no ser acotado. Consideremos por ejemplo la funcin o V (x) = x2 1 + x2 2 1 + x2 1
cuyas supercies de nivel V (x) = c se ven gracadas en la Figura 3.3.

x2
x1
Figura 3.3: Supercies de Lyapunov de V (x) =
x2 1 1+x2 1
+ x2 2
Las supercies de nivel son cerradas slo para valores pequeos de c. En este caso, c es o n acotado porque puede incluirse en una bola cerrada Br para algn r > 0. A medida que c u crece, se llega a un valor a partir del cual la supercies de nivel V (x) = c es abierta y c no es acotado. Para que c est en el interior de una bola Br , c debe satisfacer c < inf x r V (x). e Si = lim inf V (x) <
r x r
58
entonces c ser acotado si c < . En el ejemplo anterior, a = lim min x2 x2 1 1 + x2 = lim =1 2 |x1 | 1 + x2 1 + x2 1 1
r x =r
Por lo tanto c ser acotado slo para c < 1. Una condicin adicional que asegura que c es a o o acotado para todo valor de c es V (x) cuando x
Una funcin que satisface esta condicin se dice radialmente no acotada. o o Teorema 3.2 (Barbashin-Krasovskii). Sea x = 0 un PE de (3.1). Sea V : Rn R una funcin continuamente diferenciable tal que o V (0) = 0 y V (x) > 0 x = 0 x = V (x) V (x) < 0 x = 0 entonces x = 0 es GAE. Demostracin. Dado cualquier punto p Rn , sea c = V (p). La condicin (3.11) implica que o o para cualquier c > 0, existe r > 0 tal que V (x) > c cuando x > r. Por lo tanto c Br , lo que implica que c es acotado. El resto de la prueba es similar a la del Teorema 3.1. Ejemplo 3.6. Consideremos otra vez el sistema del Ejemplo 3.5, pero supongamos que la condicin yh(y) > 0 vale y = 0. La funcin de Lyapunov (3.9) satisface (3.10) y (3.11) para o o todo x R2 . Su derivada V (x) = a(1 k)x2 akx1 h(x1 ) 2 es denida negativa para todo x R2 porque 0 < k < 1. Por lo tanto el origen es AE. Notemos que si el origen es GAE, entonces debe ser el unico PE del sistema. (3.10) (3.11) (3.12)
3.1.3
Inestabilidad
Vamos a ver un teorema que prueba que un PE es inestable. Sea V : D R una funcin o n continuamente diferenciable en un dominio D R que contiene al origen x = 0. Supongamos que V (0) = 0 y que hay un punto x0 arbitrariamente cercano al origen tal que V (x0 ) > 0. Elijamos r > 0 tal que la bola Br = {x Rn | x r} est contenida en D, y sea e U = {x Br | V (x) > 0} (3.13)
El conjunto U es no vac Su frontera est dada por la supercie V (x) = 0 y la esfera x = r. o. a Como V (0) = 0, el origen est sobre la frontera de U en el interior de Br . a Teorema 3.3 (Chetaev). Sea x = 0 un PE de (3.1). Sea V : D R una funcin contio nuamente diferenciable tal que V (0) = 0 y V (x0 ) > 0 para algn x0 con x0 arbitrariamente u pequea. Denamos el conjunto U como en (3.13) y supongamos que V (x) > 0 en U . Entonces n x = 0 es inestable.
59
Demostracin. El punto x0 est en el interior de U y V (x0 ) = a > 0. La trayectoria x(t) que o a comienza en x(0) = x0 debe dejar el conjunto U . Para probar esto, notemos que mientras x(t) permanezca en U , V (x(t)) a porque V (x) > 0 en U . Sea = min{V (x) | x U y V (x) a} que existe porque la funcin continua V (x) tiene un m o nimo en el conjunto compacto {x U y V (x) a} = {x Br | V (x) a}. Entonces > 0 y
t
V (x(t)) = V (x0 ) +
0
V (x(s))ds a + t
Esta desigualdad muestra que x(t) no se puede quedar indenidamente en U porque V (x) est acotada en U . Ahora, x(t) no puede dejar U a travs de la supercie V (x) = 0 porque a e V (x(t)) a. Por lo tanto debe dejar U a travs de la esfera x = r. Como esto pasa para e x0 arbitrariamente pequea, el origen es inestable. n Ejemplo 3.7. Consideremos el sistema de segundo orden x1 = x1 + g1 (x) x2 = x2 + g2 (x) donde g1 y g2 satisfacen |gi (x)| k x
2 2
en un entorno D del origen. Esta desigualdad implica que gi (0) = 0, por lo tanto el origen es un PE. Consideremos la funcin o 1 V (x) = (x2 x2 ). 2 2 1
Br
x2
x2 = x1
U x1
x2 = x1
1 Figura 3.4: El conjunto U para V (x) = 2 (x2 x2 ) 1 2
Sobre el eje x2 = 0, V (x) > 0 en puntos arbitrariamente cercanos al origen. El conjunto U est gracado en la Figura 3.4. La derivada de V (x) sobre las trayectorias del sistema es a V (x) = x2 + x2 + x1 g1 (x) x2 g2 (x) 1 2
60
La magnitud del trmino x1 g1 (x) x2 g2 (x) satisface e

2
|x1 g1 (x) x2 g2 (x)|

i=1
|xi ||gi (x)| 2k x
3 2
Por lo tanto, V (x) x

2 2
2k x
3 2
= x 2 (1 2k x 2 ) 2
Eligiendo r tal que Br D y r < 1/(2k), vemos que todas las condiciones del Teorema 3.3 se satisfacen. Entonces el origen es inestable.
3.2
El Principio de Invariancia
En el Ejemplo 3.4 vimos que la funcin de energ no era suciente para probar que el origen o a (x) = (k/m)x2 es slo semidenida negativa. Sin embargo V (x) es siempre es AE porque V o 2 negativa salvo en el eje x2 = 0, donde V (x) = 0. Para que el sistema pueda mantener la (x) = 0, la trayectoria debe quedar connada al eje x2 = 0. Pero esto es imposible condicin V o a menos que x1 = 0 porque x2 (t) 0 = x2 (t) 0 = sen x1 (t) 0 Por lo tanto, en el segmento < x1 < del eje x2 = 0, el sistema puede mantener la condicin V (x) = 0 slo en el origen. Es decir V (x(t)) debe decrecer a cero y en consecuencia o o x(t) 0 cuando t . Esta idea puede formalizarse en el principio de invariancia de LaSalle, que vamos a enunciar y demostrar luego de introducir algunos conceptos. Sea x(t) una solucin de (3.1). o Un punto p es un punto lmite positivo de x(t) si existe una secuencia {tn }, con tn cuando n , tal que x(tn ) p cuando n . El conjunto de todos los puntos l mites positivos de x(t) se denomina el conjunto l mite positivo de x(t). Un conjunto M es un conjunto invariante con respecto a (3.1) si x(0) M = x(t) M , t R
Un conjunto M es un conjunto invariante positivo si x(0) M = x(t) M , t 0 > 0 existe T > 0
Decimos que x(t) tiende a M cuando t tiende a innito si para cada tal que dist(x(t), M ) < , t > T
donde dist(p, M ) denota la distancia de un punto p a un conjunto M , es decir, dist(p, M ) = inf xM p x .
3.2 El Principio de Invariancia
61
Un PE AE es el conjunto l mite positivo de toda solucin que comience sucientemente o cerca del PE. Un ciclo l mite estable es conjunto l mite positivo de toda solucin que comience o sucientemente cerca del ciclo l mite. La solucin tiende al ciclo l o mite cuando t pero no necesariamente a algn punto espec u co del ciclo l mite, es decir el limt x(t) no necesariamente existe. El PE y el ciclo l mite son conjuntos invariantes porque toda solucin que o n comience sobre ellos se queda all para todo t R. El conjunto c = {x R | V (x) c} con (x) 0 para todo x c es un conjunto invariante positivo. V Lema 3.4. Si una solucin x(t) de (3.1) es acotada y permanece en D para todo t 0, entonces o su conjunto l mite positivo L+ es un conjunto invariante, no vac y compacto. Adems, o a x(t) L+ cuando t . Teorema 3.5 (LaSalle). Sea D un conjunto compacto que es invariante positivo con respecto a (3.1). Sea V : D R una funcin continuamente diferenciable tal que V (x) 0 o en . Sea E el conjunto de todos los puntos de donde V (x) = 0. Sea M el mayor conjunto invariante en E. Entonces toda solucin que comienza en tiende a M cuando t . o Demostracin. Sea x(t) una solucin de (3.1) que comienza en . Como V (x) 0 en , o o V (x(t)) es una funcin decreciente de t. Como V (x) es continua en el conjunto compacto o , est acotada inferiormente en , por lo tanto V (x(t)) tiene un l a mite a cuando t . Notemos tambin que el conjunto l e mite positivo L+ est en porque es un conjunto a cerrado. Para cada p L+ , existe una secuencia tn tal que tn y x(tn ) p cuando n . Por continuidad de V (x), V (p) = limn V (x(tn )) = a, lo que implica V (x) = a en L+ . Como L+ es un conjunto invariante (por Lema 3.4), V (x) = 0 en L+ . Por lo tanto, L+ M E Como x(t) es acotada, x(t) tiende a L+ cuando t (por Lema 3.4). Por lo tanto x(t) tiende a M cuando t . A diferencia del Teorema de Lyapunov, el Teorema 3.5 no requiere que V (x) sea denida positiva. Tampoco el conjunto est necesariamente ligado a la construccin de V (x). Sin a o embargo, en muchas aplicaciones, la construccin de V (x) en si misma va a garantizar la o existencia de un conjunto . En particular, si c = {x Rn | V (x) c} es acotado y V (x) 0 en c , entonces podemos tomar = c . Cuando V (x) es denida positiva, c es acotado para c > 0 sucientemente pequeo. Esto no es verdad en general si V (x) no es n denida positiva. Por ejemplo si V (x) = (x1 x2 )2 , el conjunto c no es acotado por ms a pequeo que sea c. Si V (x) es radialmente no acotada (o sea, verica (3.11)), el conjunto c n es acotado para todo valor de c, sea V (x) denida positiva o no. Cuando nuestro inters es el de mostrar que x(t) 0 cuando t , tenemos que probar e que el mximo conjunto invariante en E es el origen. Esto se hace mostrando que ninguna a solucin, excepto la trivial x(t) = 0, puede permanecer idnticamente en E. Especializando el o e Teorema 3.5 a este caso, obtenemos los siguientes corolarios, que extienden los Teoremas 3.1 y 3.2. Corolario 3.6. Sea x = 0 un PE de (3.1). Sea V : D R una funcin continuamente o diferenciable y denida positiva en un dominio D que contiene al origen x = 0, y tal que V (x) 0 en D. Sea S = {x D | V (x) = 0} y supongamos que ninguna solucin, excepto la o trivial x(t) = 0, puede permanecer idnticamente en S. Entonces el origen es AE. e
62
Corolario 3.7. Sea x = 0 un PE de (3.1). Sea V : Rn R una funcin continuamente o (x) 0 en Rn . Sea diferenciable, radialmente no acotada y denida positiva, y tal que V S = {x Rn | V (x) = 0} y supongamos que ninguna solucin, excepto la trivial x(t) = 0, o puede permanecer idnticamente en S. Entonces el origen es GAE. e Ejemplo 3.8. Consideremos el sistema x1 = x2 x2 = g(x1 ) h(x2 ) donde g y h son localmente Lipschitz y satisfacen g(0) = 0 , h(0) = 0 , yg(y) > 0 , yh(y) > 0 , y = 0 , y (a, a) y = 0 , y (a, a)
El sistema tiene un PE aislado en el origen. Dependiendo de las funciones g y h, podr tener a otros PE. La ecuacin de este sistema puede verse como una generalizacin de la del pndulo o o e con h(x2 ) como el trmino de friccin. Tomemos como candidata a funcin de Lyapunov la e o o funcin de energ o a
x1
V (x) =
0
1 g(y)dy + x2 2 2
(3.14)
Sea D = {x R2 | a < xi < a}. V (x) es denida positiva en D. La derivada de V (x) sobre las trayectorias del sistema es V (x) = g(x1 )x2 + x2 [g(x1 ) h(x2 )] = x2 h(x2 ) 0 Por lo tanto, V (x) es semidenida negativa. Para caracterizar el conjunto S = {x D | V (x) = 0}, notemos que V (x) = 0 = x2 h(x2 ) = 0 = x2 = 0 , ya que a < x2 < a Por lo tanto S = {x D | x2 = 0}. Supongamos que x(t) es una trayectoria que pertenece idnticamente a S. Entonces e x2 (t) 0 = x2 (t) 0 = g(x1 (t)) 0 = x1 (t) 0 Por lo tanto, la unica solucin que puede quedarse idnticamente en S es la trivial; concluimos o e que el origen es AE. Supongamos ahora que el parmetro a = y adems g satisface la condicin adicional a a o
y
g(z)dz cuando |y|

0
La funcin de Lyapunov (3.14) es radialmente no acotada. En forma similar a lo hecho arriba o se puede probar que V (x) 0 en R2 , y el conjunto S = {x R2 | V (x) = 0} = {x R2 | x2 = 0} contiene ninguna otra solucin salvo la trivial. Concluimos que en este caso el origen es GAE. o
3.2 El Principio de Invariancia
63
El teorema de LaSalle no slo relaja el requisito del teorema de Lyapunov de que la derivada o sea denida negativa, sino que lo extiende en tres direcciones: da una estima de la regin de atraccin que no es necesariamente de la forma c = {x o o n R | V (x) c}; se puede usar en casos donde exista un conjunto de equilibrio en lugar de un PE aislado; la funcin V (x) no tiene que ser denida positiva. o Ejemplo 3.9. Consideremos el sistema de primer orden (cf. 1.2.5) y = ay + u y la ley de control adaptable u = ky , k = y 2 , > 0
Tomando x1 = y y x2 = k, el sistema a lazo cerrado se representa como x1 = (x2 a)x1 x2 = x2 1 El eje x1 = 0 es un conjunto de equilibrio del sistema. Queremos probar que toda trayectoria del sistema tiende a este conjunto de equilibrio cuando t , lo que signica que el control adaptable logra regular y a cero. Consideremos la candidata a funcin de Lyapunov o 1 1 V (x) = x2 + (x2 b)2 1 2 2 donde b > a. La derivada de V (x) sobre las trayectorias del sistema est dada por a 1 V (x) = x1 x1 + (x2 b)x2 = x2 (x2 a) + x2 (x2 b) 1 1 2 = x1 (b a) 0 Como V (x) es radialmente no acotada, el conjunto c = {x R2 | V (x) c} es un conjunto invariante positivo compacto. Por lo tanto, tomando = c se cumplen todas las condiciones del Teorema 3.5. El conjunto E est dado por a E = {x c | x1 = 0} Como todo punto en el eje x1 = 0 es un PE, E es un conjunto invariante. Por lo tanto, en este ejemplo, M = E. Por el Teorema 3.5 concluimos que toda trayectoria que comienza en c tiende a E cuando t ; es decir, x1 0 cuando t . ms an, como V (x) es a u radialmente no acotada, esta conclusin es global. o Notemos que si no conocemos la constante a, o una cota de ella, la funcin de Lyapunov o del ejemplo anterior no se conoce, slo se sabe que existe. o
64
3.3
Regin de Atraccin o o
x = f (x) (3.15)
Sea el origen x = 0 un PE AE del sistema no lineal
donde f : D Rn es localmente Lipschitz y D Rn es un dominio que contiene el origen. Sea (t; x) la solucin de (3.15) con estado inicial x en t = 0. La regin de atraccin (RA) del o o o origen, RA , se dene como RA = {x D | (t; x) 0 cuando t } El siguiente Lema enuncia algunas propiedades de la RA. Lema 3.8. Si x = 0 es un PE AE de (3.15), entonces su RA RA es un conjunto conexo e invariante. ms an, la frontera de RA est formada por trayectorias. a u a Ejemplo 3.10. El sistema x1 = x2 x2 = x1 + (x2 1) x2 1 es la ecuacin de Van der Pol en tiempo invertido, es decir, reemplazando t por t. El sistema o tiene un PE en el origen y un ciclo l mite (CL) inestable (ver Figura 3.5). El retrato de fase
x2
x1
Figura 3.5: Retrato de fase para el Ejemplo 3.10
muestra que el origen es un foco estable, por lo tanto es AE. Esto se conrma linealizando, ya que obtenemos A= V x =
x=0
0 1 1 1
(3.16)
que tiene autovalores en 1/2j 3/2. La RA es acotada porque las trayectorias que comienzan afuera del CL no lo pueden cruzar para llegar al origen. Como no hay otro PE, la frontera de RA tiene que ser el CL.
3.3 Regin de Atraccin o o Ejemplo 3.11. Consideremos el sistema x1 = x2 1 x2 = x1 + x3 x2 3 1
65
(3.17)
que tiene tres PE aislados en (0, 0), ( 3, 0) y ( 3, 0). El retrato de fase, gracado en la Figura 3.6, muestra que el origen es un foco estable y los otros dos PE son ensilladuras. Por lo tanto, el origen es AE y los otros PE son inestables, lo que se puede conrmar linealizando. De la gura se puede ver que las trayectorias estables de la ensilladura forman dos separatrices que son la frontera de la RA, la cual es no acotada.
x2
x1
Figura 3.6: Retrato de fase para el Ejemplo 3.11
Ejemplo 3.12. El sistema x1 = x1 (1 x2 x2 ) 1 2 2 2 x2 = x2 (1 x1 x2 ) tiene un PE aislado en el origen y un continuo de PEs sobre el c rculo unitario: cada punto sobre el c rculo unitario es un PE. Es claro que RA debe estar connada al interior del c rculo unitario. Las trayectorias de este sistemas son los radios del c rculo unitario, lo que se puede ver transformando a coordenadas polares: x1 = cos , x2 = sen 2 = (1 ) Toda trayectoria que comienza con < 1 tiende al origen cuando t . Por lo tanto, RA es el interior del c rculo unitario. El mtodo de Lyapunov puede usarse para encontrar estimas de la RA. Por una estima de e la RA entendemos un conjunto RA tal que toda trayectoria que comienza en tienda al origen cuando t . Vamos primero a mostrar que el dominio D del Teorema 3.1 no es una estima de RA . Vimos en el Teorema 3.1 que si D es un dominio que contiene el origen, y si podemos encontrar una funcin de Lyapunov V (x) que es denida positiva en D y V (x) es o denida negativa en D, entonces el origen es AE. Se podr pensar que D es una estima de la a RA. Esto no es cierto, como lo demuestra el siguiente ejemplo.
66
Ejemplo 3.13. Consideremos otra vez el sistema (3.17), que es un caso especial del sistema del Ejemplo 3.5 con h(x1 ) = x1 1 x3 y a = 1. Por lo tanto, una funcin de Lyapunov es (3.9), o 3 1 donde tomamos, por ejemplo, = 1, k = 1/2: 1 V (x) = xt 2
1 2 1 2 1 2 x1
x+
0
1 (y y 3 )dy 3
1 3 1 1 = x2 x4 + x1 x2 + x2 1 1 4 12 2 2 2 Deniendo el dominio D como D = {x R2 | 3 < x1 < 3} vemos que V (x) > 0 en D y V (x) < 0 en D {0}. Sin embargo, se puede ver en el retrato de fase de la Figura 3.6 que D no est incluido en RA . a El ejemplo anterior muestra que el hecho de que V (x) < 0 en una regin no implica que o la regin sea una estima de la RA. Aunque una trayectoria que comienza en D se va a mover o de una supercie de nivel V (x) = c1 a otra interior V (x) = c2 con c2 < c1 , no hay garant de a que la trayectoria permanecer para siempre en D. Una vez que la trayectoria sale de D, no a hay garant de que V (x) sea negativa. Para que una regin sea una estima de la RA debe ser a o un conjunto invariante positivo, es decir, toda trayectoria que comienza en el conjunto debe permanecer dentro de l en todo tiempo futuro. La estima ms simple de la RA es el conjunto e a c = {x Rn | V (x) c} cuando c es acotado y est contenido en D. Esto sigue como corolario del Teorema 3.5. a Usando los resultados de linealizacin de 3.4, sabemos que si la matriz Jacobiana o A= f (x) x
x=0
es Hurwitz, entonces siempre podemos encontrar una funcin de Lyapunov cuadrtica V (x) = o a xt P x resolviendo la ecuacin de Lyapunov (3.20). Entonces, si A es Hurwitz, podemos siempre o estimar la RA del origen. Esto lo ilustramos en el ejemplo siguiente. Ejemplo 3.14. Consideremos nuevamente el sistema del Ejemplo 3.10. Vimos que el origen es AE. Tomando Q = I y A de (3.16), obtenemos como unica solucin de la ecuacin de o o t Lyapunov P A + A P = Q, la matriz denida positiva P = 1.5 0.5 0.5 1
La funcin cuadrtica V (x) = xt P x > 0 es una funcin de Lyapunov para el sistema en un o a o entorno del origen. Tenemos que determinar un dominio D alrededor del origen donde V (x) sea denida negativa y un conjunto c D que sea acotado. Nos va a interesar encontrar c lo ms grande posible, es decir, el mayor valor para la constante c, porque c ser nuestra a a estima de la RA. La derivada de V (x) sobre las trayectorias del sistema es V (x) = (x2 + x2 ) (x3 x2 2x2 x2 ) 1 2 1 1 2
3.4 Sistemas Lineales y Linealizacin o
67
El primer trmino del lado derecho es la contribucin de la parte lineal Ax, mientras que el e o segundo es la contribucin de la parte no lineal g(x) = f (x) Ax, que llamaremos el trmino o e de perturbacin. Como o g(x) 2 0 cuando x 2 x
2
sabemos que hay una bola abierta D = {x R2 | x 2 < r} en donde V (x) es denida negativa. Una vez que encontremos D, podemos encontrar c D eligiendo c < min V (x) = min (P )r2
x
2 =r
donde min () denota el m nimo autovalor de una matriz. Por lo tanto, para agrandar la RA tenemos que encontrar la bola ms grande para la cual V (x) es denida negativa. Tenemos a que 5 2 2 V (x) x 2 + |x1 ||x1 x2 ||x1 2x2 | x 2 + x 4 2 2 donde usamos |x1 | x 2 , |x1 x2 | 1 x 2 y |x1 2x2 | 5 x 2 . Por lo tanto, V (x) es 2 2 2 denida negativa en la bola D con radio dado por r = 2/ 5 = 0.8944. En este ejemplo se puede encontrar una estima menos conservadora trabajando en coordenadas polares. Tomando x1 = cos , tenemos V = 2 + 4 cos2 sen (2 sen cos ) 2 + 4 | cos2 sen ||2 sen cos | 2 + 4 0.3849 2.2361 2 + 0.8614 < 0 , para 2 < 1/0.861 Usando (3.18) junto con min (P ) 0.69, elegimos c = 0.8 < 0.69 0.861 x2 = sen
(3.18)
El conjunto c con c = 0.8 es una estima de la RA.
3.4
Sistemas Lineales y Linealizacin o

x = Ax (3.19)
El sistema lineal invariante
tiene un equilibrio en el origen, que es aislado s det A = 0. Si det A = 0, todo punto en el kernel o subespacio nulo de A es un PE. Un sistema lineal no puede tener mltiples PE u aislados, porque si x y z son dos PE de (3.19), entonces, por linealidad, todo punto en la recta que conecta a x y z es un PE. Las propiedades de estabilidad del origen pueden caracterizarse mediante la ubicacin de los autovalores de A. o
68
Teorema 3.9 (Estabilidad del Origen en Sistemas Lineales). El PE x = 0 de (3.19) es estable s todos los autovalores de A tienen parte real no positiva y cada autovalor con parte real nula tiene un bloque de Jordan asociado de orden 1. El PE x = 0 es GAE s todos los autovalores de A tienen parte real negativa. Cuando todos los los autovalores de A tienen parte real negativa, se dice que A es una matriz de estabilidad o matriz Hurwitz. La estabilidad del origen puede tambin investigarse e usando el mtodo de Lyapunov. Consideremos la candidata a funcin de Lyapunov e o V (x) = xt P x donde P es una matriz real simtrica denida positiva. La derivada de V (x) sobre las trayece torias del sistema est dada por a V (x) = xt P x + xt P x = xt (P A + At P )x = xt Qx donde Q es una matriz simtrica denida por e P A + At P = Q (3.20)
Si Q es denida positiva, podemos concluir por el Teorema 3.1 que el origen es AE. En el caso de sistemas lineales, es posible revertir los pasos del mtodo de Lyapunov. Supongamos e que comenzamos eligiendo Q como una matriz real simtrica denida positiva, y resolvemos e (3.20) para encontrar P . Si (3.20) tiene una solucin denida positiva, podemos nuevamente o concluir que el origen es AE. La ecuacin (3.20) se denomina ecuacin de Lyapunov. o o Teorema 3.10. Una matriz A es Hurwitz, o sea, todos sus autovalores tienen parte real negativa, s dada una matriz Q simtrica y denida positiva, existe una matriz P simtrica e e y denida positiva que satisface la ecuacin de Lyapunov (3.20). Ms an, si A es Hurwitz, o a u entonces P es la unica solucin de (3.20). o Demostracin. La suciencia sigue del Teorema 3.1 con la funcin de Lyapunov V (x) = xt P x, o o como ya mostramos. Para probar la necesidad, supongamos que todos los autovalores de A tienen parte real negativa y consideremos la siguiente matriz P
P =
0
eA t QeAt dt
(3.21)
El integrando es una suma de trminos de la forma tk1 ei t con Re i < 0. Por lo tanto, la e integral existe. La matriz P es simtrica. Para probar que es denida positiva, suponemos lo e contrario, es decir, que existe un vector x = 0 tal que xt P x = 0. Sin embargo,
x P x = 0 =
0 At
xt eA t QeAt xdt = 0
= e x 0 , t 0 = x = 0 porque eAt es nosingular para todo t. Esta contradiccin muestra que P es denida positiva. o Sustituyendo (3.21) en (3.20) se obtiene

PA + A P =
0
At t
Qe Adt +
0
At
At eA t QeAt dt
d At t At = e Qe dt 0 t = eA t QeAt 0 = Q
3.4 Sistemas Lineales y Linealizacin o
69
lo que muestra que P es una solucin de (3.20). Para mostrar que es la unica solucin, o o = P . Entonces, supongamos que existe otra solucin P o (P P )A + At (P P ) = 0 Premultiplicando por eA t y postmultiplicando por eAt , obtenemos 0= d At t e (P P )eAt dt
t
Por lo tanto,
t eA t (P P )eAt constante t
Evaluando en t = 0 y t = obtenemos P = P . La resolucin de la ecuacin de Lyapunov (3.20) no es numricamente ms ventajosa que o o e a calcular los autovalores de A. La ventaja de este mtodo es que nos provee de una funcin de e o Lyapunov cuando A es Hurwitz. Esto nos va a servir para sacar conclusiones sobre el sistema cuando el lado derecho Ax est perturbado. e Volvamos al sistema no lineal (3.1) x = f (x) donde f : D Rn es una funcin continuamente diferenciable desde un dominio D Rn en o Rn . Supongamos que el origen x = 0 est en el interior de D y es un PE del sistema; es decir a f (0) = 0. Por el teorema del valor medio fi (x) = fi (0) + fi (zi )x x (3.22)
donde zi es un punto sobre el segmento de l nea que conecta x al origen. La igualdad (3.22) vale para todo punto x D tal que el segmento de l nea que conecta x al origen est totalmente e contenido en D. Como f (0) = 0, podemos escribir fi (x) como fi (x) = Por lo tanto f (x) = Ax + g(x) donde A= f (0) , x gi (x) = fi fi (zi ) (0) x x x fi fi fi fi (zi )x = (0)x + (zi ) (0) x x x x x
La funcin gi (x) satisface o |gi (x)| fi fi (zi ) (0) x x x
Por continuidad de f /x vemos que g(x) 0 cuando x x 0
70
Esto sugiere que en un entorno pequeo del origen podemos aproximar al sistema no lineal n (3.1) por su linealizacin alrededor del origen o x = Ax donde A = f (0) x
El siguiente teorema, conocido como el mtodo indirecto de Lyapunov, da condiciones para e determinar la estabilidad del origen del sistema no lineal, a travs del estudio de la estabilidad e del sistema linealizado. Teorema 3.11 (Mtodo Indirecto de Lyapunov). Sea x = 0 un PE del sistema no lineal e x = f (x) donde f : D Rn es una funcin continuamente diferenciable y D Rn es un entorno del o origen. Sea A= Entonces (i) El origen es AE si todos los autovalores de A tienen parte real negativa. (ii) El origen es inestable si uno o ms autovalores de A tiene parte real positiva. a Demostracin. Para probar la primera parte, asumamos que A es Hurwitz. Por el Teoreo ma 3.10 sabemos que dada cualquier Q > 0 simtrica, la solucin P de (3.20) es denida e o positiva. Usamos V (x) = xt P x como candidata a funcin de Lyapunov para el sistema no lineal. La derivada de V (x) sobre o las trayectorias del sistema est dada por a V (x) = xt P f (x) + [f (x)]t P x = xt P [Ax + g(x)] + [xt At + g t (x)]P x = xt (P A + At P )x + 2xt P g(x) = xt Qx + 2xt P g(x) El primer trmino en el lado derecho es denido negativo, mientras que el segundo es, en e general, indenido. La funcin g(x) satisface o g(x) 2 0 cuando x 2 x
2
f (x) x
x=0
Por lo tanto, dado > 0 existe r > 0 tal que g(x) Entonces V (x) < xt Qx + 2 P
2 2
< x
<r
2 2
<r
3.4 Sistemas Lineales y Linealizacin o pero xt Qx min (Q) x

2 2
71
Notar que min (Q) es real y positivo porque Q es simtrica y denida positiva. Por lo tanto e V (x) < [min (Q) 2 P
2]
2 2
<r
Eligiendo < min (Q)/(2 P 2 ) aseguramos que V (x) es negativa denida. Por el Teorema 3.1, el origen es AE. Para probar la segunda parte, consideremos primero el caso en que A no tiene autovalores en el eje imaginario, es decir A tiene un grupo de autovalores en el semiplano derecho abierto y otro grupo en el semiplano izquierdo abierto. Entonces existe una matriz no singular T tal que T AT 1 = A1 0 0 A2
donde A1 y A2 son matrices Hurwitz. Sea z = Tx = z1 z2
donde la particin de z es compatible con las dimensiones de A1 y A2 . El cambio de variables o z = T x transforma el sistema original x = f (x) = Ax + g(x) a la forma z1 = A1 z1 + g1 (z) z2 = A2 z2 + g2 (z) (3.23)
donde las funciones gi (z) tienen la propiedad de que para todo > 0 existe r > 0 tal que gi (z)
2
< z
r , i = 1, 2
(3.24)
El origen z = 0 es un PE para el sistema en las coordenadas z. Notemos que toda propiedad de estabilidad de z = 0 se aplica directamente al PE x = 0 en las coordenadas originales ya que T es no singular. Para mostrar que el origen es inestable, vamos a usar el Teorema 3.3. La funcin V (z) del teorema se va a construir como en el Ejemplo 3.7, slo que ahora trabajamos o o con vectores en lugar de escalares. Sean Q1 y Q2 matrices simtricas, denidas positivas, con e las mismas dimensiones que A1 y A2 , respectivamente. Como A1 y A2 son Hurwitz, sabemos por el Teorema 3.10 que las ecuaciones de Lyapunov Pi Ai + At Pit = Qi , i i = 1, 2 (3.25)
tienen soluciones unicas denidas positivas P1 y P2 . Sea

t t V (z) = z1 P1 z1 z2 P2 z2 = z t
P1 0 z 0 P2
72
En el subespacio z2 = 0, V (z) > 0 en puntos arbitrariamente cercanos al origen. Sea U = {z Rn | z

2
y V (z) > 0}
En U , usando (3.23), (3.24) y (3.25), tenemos

t t t t V = z1 (P1 A1 + At P1 )z1 + 2z1 P1 g1 (z) z2 (P2 A2 + At P2 )z2 2z2 P2 g2 (z) 2 1 t t = z1 Q1 z1 + z2 Q2 z2 + 2z t
P1 g1 (z) P2 g2 (z)
2 2
min (Q1 ) z1 2 + min (Q2 ) z2 2 > ( 2 2) z 2 2
2 z
P1
2 2
g1 (z)
2 2
+ P2
2 2
g2 (z)
2 2
donde = min{min (Q1 ), min (Q2 )} y = max{ P1 2 , P2 2 }. Eligiendo < /(2 2) nos aseguramos que V > 0 en U . Por lo tanto, el origen es inestable por el Teorema 3.3. Notar que deniendo las matrices P = Tt P1 0 T, 0 P2 Q = Tt Q1 0 T 0 Q2
que satisfacen la ecuacin o P A + At P = Q > 0 se puede probar el resultado aplicando el Teorema 3.3 en las coordenadas originales, usando el hecho de que la funcin V (x) = xt P x es positiva en puntos arbitrariamente cercanos al o origen. Supongamos ahora que A tiene adems autovalores sobre el eje imaginario. El truco para a tratar este caso es trasladar el eje imaginario. Supongamos que todos los autovalores de A en el semiplano derecho abierto tienen parte real mayor que > 0. Entonces la matriz A (/2)I tiene el mismo nmero que A de autovalores en el semiplano derecho abierto, y u ningn autovalor sobre el eje imaginario. Usando argumentos similares a los utilizados recin u e podemos calcular matrices P = P t y Q = Qt > 0 tales que P [A (/2)I] + [A (/2)I]t P = Q y adems V (x) = xt P x es positiva en puntos arbitrariamente cercanos al origen. La derivada a de V (x) sobre las trayectorias del sistema satisface V (x) = xt (P A + At P )x + 2xt P g(x) = xt [P [A (/2)I] + [A (/2)I]t P ] x + xt P x + 2xt P g(x) = xt Qx + V (x) + 2xt P g(x) En el conjunto {x Rn | x
2
y V (x) > 0}
2
donde r se elige tal que g(x) V (x) min (Q) x

2 2
< x 2, x
2
2 2
r, V (x) satisface
2)
2 P
g(x)
2 ).
(min (Q) 2 P
2 2
que es positiva para < min (Q)/(2 P origen es inestable.
Aplicando el Teorema 3.3, concluimos que el
3.5 Ejercicios Ejemplo 3.15. Consideremos el sistema escalar x = ax3 Linealizando alrededor del origen obtenemos A= f (x) x = 3ax2
x=0 x=0
73
=0
El autovalor est sobre el eje imaginario, por lo que no podemos decir nada acerca de la a estabilidad del origen como PE del sistema no lineal usando el sistema linealizado. Esta conclusin es genuina ya que el origen puede ser AE, estable o inestable dependiendo del o valor del parmetro a. Si a < 0, el origen es AE como puede probarse usando la funcin de a o 4 Lyapunov V (x) = x . Si a = 0, el sistema es lineal y el origen es estable. Si a > 0, el origen es inestable, como puede concluirse usando el Teorema 3.3 y la funcin V (x) = x4 , cuya derivada o sobre las trayectorias del sistema es V (x) = 4ax6 > 0 si a > 0.
3.5
Ejercicios
Ejercicio 3.1 Sea el sistema escalar x = axp + g(x), donde p es un entero positivo y g(x) satisface |g(x)| p+1 k|x| en algn entorno del origen x = 0. u (i) Mostrar que el origen es AS si p es impar y a < 0. (ii) Mostrar que el origen es inestable si p es impar y a > 0 o p es par y a = 0. Ejercicio 3.2 Para cada uno de los siguientes sistemas usar una candidata a funcin de Lyapunov cuadrtica o a para mostrar que el origen es AS. Luego investigar si el origen es GAE. x1 = x1 + x2 2 x2 = x2 x1 = (x1 x2 )(x2 + x2 1) 1 2 2 2 x2 = (x1 + x2 )(x1 + x2 1) x1 = x1 + x2 x2 1 x2 = x1 x2 x1 = x1 x2 x2 = x1 x3 2 Ejercicio 3.3 Usando V (x) = x2 + x2 estudiar la estabilidad del origen del sistema 1 2 x1 = x1 (k 2 x2 x2 ) + x2 (x2 + x2 + k 2 ) 1 2 1 2 2 2 2 2 x2 = x1 (k + x1 + x2 ) + x2 (k x2 x2 ) 1 2 (a)
(b)
(c)
(d)
74 (i) Cuando k = 0. (ii) Cuando k = 0. Ejercicio 3.4
Usando el mtodo del gradiente variable, encontrar una funcin de Lyapunov V (x) para e o mostrar estabilidad asinttica del origen del sistema o x1 = x2 x2 = (x1 + x2 ) sen(x1 + x2 ). Ejercicio 3.5 Sea V (x) = x2 /(1 + x2 ) + x2 y sea el sistema de segundo orden 1 1 2 6x1 + 2x2 (1 + x2 )2 1 2(x1 + x2 ) x2 = (1 + x2 )2 1 x1 = (i) Mostrar que V (x) > 0 y V (x) < 0 para todo x R2 {0}. (ii) Sea la hiprbola x2 = 2/(x1 2). Mostrar, investigando el campo vectorial sobre la e frontera de esta hiprbola, que las trayectorias a la derecha de la rama en el primer e cuadrante no pueden cruzar esa rama. (iii) Mostrar que el origen no es globalmente asintticamente estable. o Ayuda: En la parte (ii) mostrar que x2 /x1 = 1/(1 + 2 2x1 + 2x2 ) sobre la hiprbola, y e 1 comparar con la pendiente de las tangentes a la hiprbola. e Ejercicio 3.6 Sea el sistema x1 = x2 x2 = x1 sat(2x1 + x2 ). (i) Mostrar que el origen es asintticamente estable. o (ii) Mostrar que todas las trayectorias que comienzan a la derecha de la curva x1 x2 = c (con c > 0 sucientemente grande) no pueden alcanzar el origen. (iii) Mostrar que el origen no es GAE. Ayuda: En la parte (ii) considerar V (x) = x1 x2 ; calcular V (x) y mostrar que sobre la curva (x) > 0 cuando c es sucientemente grande. V (x) = c la derivada V
3.5 Ejercicios Ejercicio 3.7
75
Mtodo de Krasovskii. Sea el sistema x = f (x) con f (0) = 0, con f (x) continuamente e diferenciable y tal que el Jacobiano [f /x] satisface P f f (x) + (x) x x
T
P I,
x Rn ,
donde P = P T > 0. mostrar que
(i) Usando la representacin f (x) = o
1 f (x)x d, 0 x
xT P f (x) + f T (x)P x xT x,
x Rn .
(ii) Mostrar que V (x) = f T (x)P f (x) es denida positiva para todo x Rn . (iii) Mostrar que V (x) es radialmente no acotada. (iv) Usando V (x) como candidata a funcin de Lyapunov, mostrar que el origen es GAE. o Ejercicio 3.8 Mostrar que el origen del sistema x1 = x1 + x6 2 x2 = x3 + x6 2 1 es inestable. Ejercicio 3.9 Mostrar que el origen del sistema x1 = x3 + x2 1 6 x2 = x1 x3 2 es inestable. o Ayuda: Mostrar que el conjunto = {0 x1 1} {x2 x3 } {x2 x2 } es no vac y 1 1 positivamente invariante. Luego investigar el comportamiento de las trayectorias dentro de . Ejercicio 3.10 Dado el sistema x1 = x2 x2 = x1 x2 sat(x2 x2 ) 2 3 2 2 x3 = x3 sat(x2 x3 ) donde sat() es la funcin saturacin, mostrar que el origen es el unico PE y usar V (x) = xT x o o para mostrar que es GAE.
76 Ejercicio 3.11 Para el sistema
x1 = (x1 x2 1)x3 + (x1 x2 1 + x2 )x1 1 2 x2 = x2 (i) Mostrar que x = 0 es el unico punto de equilibrio. (ii) Mostrar, por linealizacin, que x = 0 es AE. o (iii) Mostrar que = {x R2 : x1 x2 2} es positivamente invariante en el primer cuadrante. (iv) Es el equilibrio GAE? Justicar la respuesta. Ejercicio 3.12 Mostrar que el origen de x1 = x2 x2 = x1 + x3 x2 1 es AE y estimar la regin de atraccin. o o Ejercicio 3.13 Para cada uno de los siguientes sistemas usar linealizacin para mostrar que el origen es AE. o Luego mostrar que el origen es GAE. x1 x2 = x1 + x2 = (x1 + x2 ) sen x1 3x2 x1 x2 = x3 + x2 1 = ax1 bx2 ,
a, b > 0.
Ejercicio 3.14 Mostrar que el sistema x1 = x1 + 2 x2 = 2x2 + x1 (3 x1 x2 ) tiene un equilibrio GAE. Ayuda: Encuentre el equilibrio y haga un cambio de coordenadas (x1 , x2 ) (y1 , y2 ) para correrlo al origen. Luego use una funcin de la forma o V (y1 , y2 ) = k1
2 y1 y2 y4 + k2 2 + k3 1 2 2 4
para mostrar que el origen es GAE en las coordenadas (y1 , y2 ).
Cap tulo 4 Estabilidad Seg n Lyapunov. Sistemas u Inestacionarios

Este cap tulo extiende el mtodo de Lyapunov a sistemas no lineales inestacionarios. Denimos e los conceptos de estabilidad uniforme, estabilidad asinttica uniforme, y estabilidad exponeno cial de un punto de equilibrio, y damos sus teoremas correspondientes. Presentamos adems a teoremas conversos, que establecen la existencia de funciones de Lyapunov para clases de sistemas no lineales. Finalmente, extendemos el principio de invariancia de LaSalle a sistemas inestacionarios.
4.1
El Teorema de Estabilidad de Lyapunov

x = f (t, x) (4.1)
Consideremos el sistema inestacionario
donde f : [0, ) D Rn es seccionalmente continua en t y localmente Lipschitz en x en [0, ) D, y D Rn es un dominio que contiene al origen x = 0. El origen es un PE de (4.1) para t = 0 si f (t, 0) = 0 , t 0
Un equilibrio en el origen puede ser la translacin de un PE que no est en cero o, ms o a a generalmente, la translacin de una solucin no nula del sistema. Para ver este ultimo punto, o o supongamos que y ( ) es una solucin del sistema o dy = g(, y) d denida para todo a. El cambio de variables x = y y ( ) ; t= a
transforma al sistema en la forma x = g(t + a, x + y (t + a)) y (t + a) Como y (t + a) = g(t + a, y (t + a)) , t 0 f (t, x)
78
Estabilidad Seg n Lyapunov. Sistemas Inestacionarios u
el origen x = 0 es un PE del sistema transformado para t = 0. Por lo tanto, examinando la estabilidad del origen como un PE del sistema transformado, determinamos la estabilidad de la solucin y ( ) del sistema original. Notar que si y ( ) no es constante, el sistema transformado o es inestacionario aunque el sistema original sea estacionario. Por lo tanto, el estudio de estabilidad de soluciones en el sentido de Lyapunov slo puede hacerse mediante el estudio de o la estabilidad de equilibrios de sistemas inestacionarios. Antes de denir estabilidad para el sistema (4.1), veamos un par de ejemplos. Ejemplo 4.1 (Estabilidad no uniforme en t). El sistema lineal de primer orden x = (6t sen t 2t)x tiene como solucin o
t
x(t) = x(t0 ) exp

t0
(6t sen 2 )d
= x(t0 ) exp 6 sen t 6t cos t t2 6 sen t0 + 6t0 cos t0 + t2 0 Para cualquier t0 , el trmino t2 va a dominar, lo que muestra que la exponencial est acotada e a para todo t t0 por una constante c(t0 ) dependiente de t0 . Por lo tanto |x(t)| < |x(t0 )|c(t0 ) , t t0
Para cualquier > 0, la eleccin = /c(t0 ) muestra que el origen es estable. Supongamos o ahora que t0 toma sucesivamente los valores t0 = 2n con n = 0, 1, . . . , y supongamos que x(t) es evaluada segundos ms tarde en cada caso. Tenemos a x(t0 + ) = x(t0 ) exp[(4n + 1)(6 )] Esto implica que, para x(t0 ) = 0, x(t0 + ) cuando n x(t0 ) Por lo tanto, dado > 0, no existe independiente de t0 tal que la propiedad de estabilidad valga uniformemente en t0 . Ejemplo 4.2 (Estabilidad asinttica no uniforme). El sistema lineal de primer orden o x x= 1+t tiene como solucin o
t
x(t) = x(t0 ) exp

t0
1 d 1+
1 + t0 = x(t0 ) 1+t Como |x(t)| |x(t0 )| para todo t t0 , el origen es estable; es ms, dado > 0 podemos elegir a independiente de t0 . Tambin es claro que e x(t) 0 cuando t Es decir, dado > 0, existe T ( , t0 ) tal que |x(t)| < para todo t t0 + T . Por lo tanto, de acuerdo a la Denicin 3.1, el origen es AE. Notemos, sin embargo, que la convergencia o de x(t) al origen no es uniforme con respecto a t0 porque T no puede elegirse independiente de t0 .
79
Nos va a interesar entonces denir estabilidad del origen como una propiedad uniforme con respecto al instante inicial. Denicin 4.1 (Estabilidad Uniforme). El PE x = 0 de (4.1) es o estable, si para cada > 0 existe = ( , t0 ) > 0 tal que x(t0 ) < = x(t) < , t t0 (4.2)
uniformemente estable, si para cada que (4.2) se satisface. inestable, si no es estable.
> 0 existe = ( ) > 0, independiente de t0 , tal
asintticamente estable, si es estable y existe c = c(t0 ) tal que x(t) 0 cuando t , o para todo x(t0 ) < c. uniformemente asintticamente estable, si es uniformemente estable y existe c > 0 indeo pendiente de t0 tal que para todo x(t0 ) < c, x(t) 0 cuando t , uniformemente en t0 ; es decir, para cada > 0 existe T = T ( ) tal que x(t) < , t t0 + T ( ) , x(t0 ) < c
globalmente uniformemente asintticamente estable, si es uniformemente estable y para o cada par de nmeros positivos y c, existe T = T ( , c) tal que u x(t) < , t t0 + T ( , c) , x(t0 ) < c Podemos caracterizar las propiedades introducidas en Denicin 4.1 en trminos de un tipo o e especial de funciones escalares, conocidas como funciones clase K y clase KL. Denicin 4.2 (Funcin de Clase K). Una funcin continua : [0, a) [0, ) pertenece o o o a la clase K si es estrictamente creciente y (0) = 0. Se dice que pertenece a la clase K si a = y (r) cuando r . Denicin 4.3 (Funcin de Clase KL). Una funcin continua : [0, a) [0, ) [0, ) o o o pertenece a la clase KL si, para cada s jo, el mapeo (r, s) es clase K con respecto a r, y, para cada r jo, el mapeo (r, s) es decreciente con respecto a s y (r, s) 0 cuando s . Ejemplo 4.3 (Funciones clase K y KL). (r) = arctan r es clase K pero no K .
(r) = rc con c cualquier nmero real positivo, es clase K . u (r, s) = r/(ksr + 1), con k cualquier nmero real positivo, es clase KL. u (r, s) = rc es , con c cualquier nmero real positivo, es clase KL. u Lema 4.1. [Propiedades de funciones clase K y KL] Sean 1 () y 2 () funciones clase K en 1 [0, a), 3 () y 4 () funciones clase K , y (, ) una funcin clase KL. Denotemos i () a la o inversa de i (). Entonces
80

1 1 est denida en [0, 1 (a)) y es clase K. a 1 3 est denida en [0, ) y es clase K . a
1 2 es clase K. 3 4 es clase K . (r, s) = 1 ((2 (r), s)) es clase KL. El siguiente lema da deniciones equivalentes para estabilidad uniforme y EA uniforme usando funciones clase K y KL. Lema 4.2 (Estabilidad uniforme y funciones clase K y KL). El PE x = 0 de (4.1) es uniformemente estable s existe una funcin () clase K y una constante positiva c, o independiente de t0 , tal que x(t) ( x(t0 ) ) , t t0 0 , x(t0 ) < c (4.3)
uniformemente asintticamente estable s existe una funcin (, ) clase KL y una o o constante positiva c, independiente de t0 , tal que x(t) ( x(t0 ) , t t0 ) , t t0 0 , x(t0 ) < c (4.4)
globalmente uniformemente asintticamente estable s (4.4) se satisface para cualquier o estado inicial x(t0 ). Para sistemas estacionarios, estabilidad y EA segn la Denicin 3.1 implican la existenu o cia de funciones clase K y KL que satisfacen (4.3) y (4.4). Esto es porque para sistemas estacionarios, la estabilidad y EA del origen son uniformes con respecto al instante inicial. Un caso especial de estabilidad asinttica uniforme ocurre cuando la funcin en (4.4) o o s tiene la forma (r, s) = kre . Denicin 4.4 (Estabilidad Exponencial). El PE x = 0 de (4.1) es exponencialmente o estable si la desigualdad (4.4) se satisface con (r, s) = kres , k > 0, > 0
y es globalmente exponencialmente estable si esta condicin se satisface para cualquier estado o inicial. Una funcin denida positiva puede acotarse con funciones clase K, como lo muestra el o siguiente lema. Lema 4.3 (Signo denido y funciones clase K). Sea V (x) : D R una funcin continua o n denida positiva, denida en un dominio D R que contiene al origen. Sea Br D para algn r > 0. Entonces existen 1 y 2 , funciones clase K denidas en [0, r), tal que u 1 ( x ) V (x) 2 ( x ) para todo x Br . Ms an, si D = Rn y V (x) es radialmente no acotada, entonces 1 y 2 a u pueden elegirse clase K y la desigualdad anterior vale para todo x Rn .
4.1 El Teorema de Estabilidad de Lyapunov Demostracin. Denamos (s) como o (s) =

s x r
81
inf
V (x) para 0 s r
La funcin (s) es continua, denida positiva, y creciente. Ms an, V (x) ( x ) para o a u 0 x r. Como () no es necesariamente estrictamente creciente, denimos una funcin o 1 (s) clase K tal que 1 (s) k(s) con 0 < k < 1. Entonces, V (x) ( x ) 1 ( x ) para Por otro lado, denamos (s) como (s) = sup V (x) para 0 s r
x s
x r
La funcin (s) es continua, denida positiva, y creciente (no necesariamente estrictamente o creciente). Ms an, V (x) ( x ) para x r. Sea 2 (s) una funcin clase K tal que a u o 2 (s) k(s) con k > 1. Entonces, V (x) ( x ) 2 ( x ) para x r
Si V (x) es radialmente no acotada, entonces existen constantes positivas c y r1 tales que V (x) c para todo x > r1 . Las deniciones de (s) y (s) son ahora (s) = inf V (x) ,
x s
(s) = sup V (x) ,

x s
para s 0
Estas funciones son continuas, denidas positivas, crecientes, y tienden a innito cuando s . Por lo tanto, las funciones 1 y 2 pueden elegirse clase K . Si V (x) = xt P x es una funcin denida positiva cuadrtica, el lema anterior sigue de las o a desigualdades min (P ) x
2 2
xt P x max (P ) x
2 2
Vamos a ver ahora el mtodo de Lyapunov para demostrar estabilidad asinttica uniforme e o para sistemas inestacionarios. Este mtodo da condiciones sucientes para que la desigualdad e (4.4) se satisfaga. La funcin (, ) de clase KL en dicha desigualdad resultar de la solucin de o a o una ecuacin diferencial escalar autnoma, cuyas propiedades se dan en el siguiente resultado. o o Lema 4.4. Consideremos la ecuacin diferencial escalar o y = (y) , y(t0 ) = y0
donde () es una funcin localmente Lipschitz y clase K denida en [0, a). Para toda 0 o y0 < a, esta ecuacin tiene una unica solucin y(t) denida para todo t t0 . Ms an, o o a u y(t) = (y0 , t t0 ) donde (r, s) es una funcin clase KL denida en [0, a) [0, ). o Dos simples ejemplos del Lema 4.4 son:
82
(i) y = k y, k > 0, cuya solucin es o y(t) = y0 ek(tt0 ) = (r, s) = reks
(ii) y = k y 2 , k > 0, cuya solucin es o y(t) = y0 ky0 (t t0 ) + 1 = (r, s) = r krs + 1
El siguiente es el teorema principal de esta seccin. o Teorema 4.5 (Estabilidad Asinttica Uniforme). Sea x = 0 un PE de (4.1) y sea D Rn o un dominio que contiene al origen. Sea V : [0, ) D R una funcin continuamente o diferenciable tal que W1 (x) V (t, x) W2 (x) V V + f (t, x) W3 (x) t x (4.5) (4.6)
t 0, x D, donde Wi (x) son funciones continuas denidas positivas en D. Entonces x = 0 es uniformemente AE. Demostracin. La derivada de V sobre las trayectorias de (4.1) satisface o V V + f (t, x) W3 (x) V (t, x) = t x Elijamos r > 0 y > 0 tales que Br D y < min x =r W1 (x). Entonces el conjunto {x Br | W1 (x) } est en el interior de Br . Denamos el conjunto variante en el tiempo a t, = {x Br | V (t, x) } El conjunto t, contiene al conjunto {x Br | W2 (x) } ya que W2 (x) = V (t, x) Por otro lado, t, es un subconjunto de {x Br | W1 (x) } ya que V (t, x) = W1 (x) Por lo tanto {x Br | W2 (x) } t, {x Br | W1 (x) } Br D para todo t 0. Para cualquier t0 0 y cualquier x0 t0 , , la solucin que comienza en o (t, x) es negativa en D {0} (t0 , x0 ) permanece en t, para todo t t0 . Esto es porque V y por lo tanto V (t, x) es decreciente. Entonces la solucin que comienza en (t0 , x0 ) est o a denida para todo t t0 y x(t) Br . En el resto de la demostracin vamos a asumir que o x0 {x Br | W2 (x) }. Por el Lema 4.3, existen funciones 1 , 2 y 3 clase K, denidas en [0, r], tales que W1 (x) 1 ( x ) , W2 (x) 2 ( x ) , W3 (x) 3 ( x )
4.1 El Teorema de Estabilidad de Lyapunov Por lo tanto, V y V satisfacen las desigualdades 1 ( x ) V (t, x) 2 ( x ) V (t, x) 3 ( x ) Entonces
1 V 3 ( x ) 3 (2 (V ))
83
(V )
La funcin () es clase K denida en [0, r] (ver Lema 4.1). Supongamos (sin prdida de o e generalidad) que () es localmente Lipschitz. Sea y(t) la solucin de la ecuacin diferencial o o y = (y) , y(t0 ) = V (t0 , x(t0 )) 0
Por el Lema 2.11 (principio de comparacin) o V (t, x(t)) y(t) , t t0
Por el Lema 4.4, existe una funcin (r, s) de clase KL denida en [0, r) [0, ) tal que o V (t, x(t)) (V (t0 , x(t0 )), t t0 ) V (t0 , x(t0 )) [0, ]
Por lo tanto, toda solucin que comienza en t0 , , satisface la desigualdad o

1 1 x(t) 1 (V (t, x(t))) 1 ((V (t0 , x(t0 )), t t0 )) 1 1 ((2 ( x(t0 ) ), t t0 ))
( x(t0 ) , t t0 )
Por el Lema 4.1, la funcin (, ) es clase KL. Por lo tanto, la desigualdad (4.4) se satisface o para toda x(t0 ) {x Br | W2 (x) }, lo que implica que x = 0 es uniformemente asintticamente estable. o Una funcin V (t, x) que satisface la desigualdad (4.5) se denomina denida positiva; una o funcin V (t, x) que satisface la desigualdad (4.6) se denomina decreciente. Una funcin V (t, x) o o que satisface (4.5) y (4.6) se denomina funcin de Lyapunov. o En la prueba del Teorema 4.5 se da una estima de la regin de atraccin del origen a travs o o e del conjunto {x Br | W2 (x) } Esta estima nos permite obtener una versin global del Teorema 4.5. o Corolario 4.6 (Estabilidad Asinttica Uniforme Global). Supongamos que las condio ciones del Teorema 4.5 se satisfacen para todo x Rn y W1 (x) es radialmente no acotada. Entonces x = 0 es globalmente uniformemente AE. El siguiente corolario da la versin para estabilidad exponencial. o Corolario 4.7 (Estabilidad Exponencial Uniforme). Supongamos que las condiciones del Teorema 4.5 se satisfacen con W1 (x) k1 x
c
W2 (x) k2 x
W3 (x) k3 x
para ciertas constantes positivas k1 , k2 , k3 y c. Entonces x = 0 es exponencialmente estable. Ms an, si las condiciones valen globalmente, entonces x = 0 es globalmente exponenciala u mente estable.
84
Demostracin. V y V satisfacen las desigualdades o V (t, x) k2 x c , k3 V (t, x) k3 x c V (t, x) . k2 k1 x Por el principio de comparacin (Lema 2.11), o V (t, x(t)) V (t0 , x(t0 ))e(k3 /k2 )(tt0 ) Por lo tanto, V (t, x(t)) x(t) k1
1/c c
V (t0 , x(t0 ))e(k3 /k2 )(tt0 ) k1

1/c
1/c
k2 x(t0 ) c e(k3 /k2 )(tt0 ) k1
k2 k1
1/c
x(t0 ) e(k3 /k2 )(tt0 )
La cota de arriba muestra que el origen es exponencialmente estable. Si todas las hiptesis o valen globalmente, la desigualdad vale para todo x(t0 ) Rn . Ejemplo 4.4 (Sistema globalmente exponencialmente estable). Consideremos el sistema x1 = x1 g(t) x2 x2 = x1 x2 donde g(t) es continuamente diferenciable y satisface 0 g(t) k , g(t) g(t) , t 0
Tomemos V (t, x) = x2 + [1 + g(t)] x2 como candidata a funcin de Lyapunov. Es fcil de ver o a 1 2 que x2 + x2 V (t, x) x2 + (1 + k) x2 , x R2 1 2 1 2 Por lo tanto, V (t, x) es denida positiva, decreciente, y radialmente no acotada. La derivada de V sobre las trayectorias del sistema est dada por a V (t, x) = 2x2 + 2x1 x2 [2 + 2g(t) g(t)]x2 1 2 Usando la desigualdad 2 + 2g(t) g(t) 2 + 2g(t) g(t) 2 obtenemos x V (t, x) 2x2 + 2x1 x2 2x2 = 1 1 2 x2
t
2 1 1 2
x1 x2
xt Qx
donde Q es denida positiva; por lo tanto V (t, x) es denida negativa. Todas las condiciones del Teorema 4.5 se satisfacen globalmente con funciones cuadrticas W1 , W2 y W3 denidas a positivas. Por el Corolario 4.7, concluimos que el origen es globalmente exponencialmente estable.
4.1 El Teorema de Estabilidad de Lyapunov Ejemplo 4.5 (Sistema lineal inestacionario). El sistema lineal no estacionario x = A(t)x
85
(4.7)
tiene un PE en x = 0. Sea A(t) continua para todo t 0. Supongamos que existe una matriz P (t) simtrica, , acotada y denida positiva, es decir, e 0 c1 I P (t) c2 I , t 0
Supongamos adems que P (t) es continuamente diferenciable y satisface la ecuacin diferencial a o matricial P (t) = P (t)A(t) + At (t)P (t) + Q(t) donde Q(t) es continua, simtrica y denida positiva; es decir, e Q(t) c3 I > 0 , t 0 (4.8)
Consideremos la candidata a funcin de Lyapunov o V (t, x) = xt P (t)x La funcin V (t, x) es denida positiva, decreciente y radialmente no acotada, ya que o c1 x
2 2
V (t, x) c2 x
2 2
La derivada de V sobre las trayectorias del sistema (4.7) est dada por a V (t, x) = xt P (t)x + xt P (t)x + xt P (t)x = xt [P (t) + P (t)A(t) + At (t)P (t)]x = xt Q(t)x c3 x 2 2 Por lo tanto, V (t, x) es denida negativa. Todas las condiciones del Corolario 4.7 se satisfacen globalmente con c=2. Concluimos que el origen es globalmente exponencialmente estable. Si la matriz Q(t) se elige tambin acotada, adems de denida positiva, es decir e a 0 < c3 I Q(t) c4 I , t 0
y si A(t) es continua y acotada, entonces puede probarse que cuando el origen es uniformemente asintticamente estable, existe una solucin de (4.8) con las propiedades requeridas, como lo o o muestra el siguiente resultado. Teorema 4.8. Sea x = 0 un PE uniformemente asintticamente estable de (4.7). Supongamos o que A(t) es continua y acotada. Sea Q(t) una matriz continua, acotada, simtrica y denida e positiva. Entonces, existe una matriz P (t) continuamente diferenciable, simtrica, acotada y e t denida positiva, que satisface (4.8), y V (t, x) = x P (t)x es una funcin de Lyapunov para el o sistema (4.7) que satisface las condiciones del Teorema 4.5.
86
4.2
Teoremas Conversos
El Teorema 4.5 y sus corolarios establecen estabilidad asinttica uniforme (o estabilidad expoo nencial) del origen requiriendo la existencia de una funcin de Lyapunov que satisfaga ciertas o condiciones. Aqu cabe preguntarnos: existe una funcin que satisfaga las condiciones del o teorema?, cmo la encontramos si existe? Los teoremas conversos dan una respuesta armao tiva a la primera pregunta. Para responder a la segunda pregunta vamos a ver ms adelante a que ser necesario especializar el anlisis a ciertas clases de sistemas no lineales. a a Teorema 4.9. Sea x = 0 un PE del sistema no lineal x = f (t, x) donde f : [0, ) D Rn es continuamente diferenciable, D = {x Rn | x < r}, y la matriz Jacobiana f /x es acotada en D, uniformemente en t. Sean k, y r0 constantes positivas con r0 < r/k. Sea D0 = {x Rn | x < r0 }. Supongamos que las trayectorias del sistema satisfacen x(t) k x(t0 ) e(tt0 ) , x(t0 ) D0 , t t0 0
Entonces existe una funcin V : [0, ) D0 R que satisface las desigualdades o c1 x 2 V (t, x) c2 x 2 V V + f (t, x) c3 x t x V c4 x x (4.9)
2
(4.10) (4.11)
para ciertas constantes positivas c1 , c2 , c3 y c4 . Ms an, si r = y el origen es globalmente a u exponencialmente estable, entonces V (t, x) est denida y satisface las desigualdades de arriba a en todo Rn . Si el sistema es estacionario, V puede elegirse independiente de t. Demostracin. Debido a la equivalencia de normas, es suciente probar el teorema para la o norma 2. Sea (, t, x) la solucin del sistema que comienza en (t, x); es decir, (t, t, x) = x. o Para todo x D0 , (, t, x) D para todo t. Sea
t+T
V (t, x) =
t
t (, t, x)(, t, x)d
donde T es una constante positiva que se va a elegir despus. Dada la cota exponencial e decreciente de las trayectorias, tenemos
t+T
V (t, x) =
t t+T
(, t, x) 2 d 2 k 2 e2( t) d x
t 2 2
k2 (1 e2T ) x 2
2 2
(4.12)
Por otro lado, la matriz Jacobiana f /x es acotada en D. Sea f (t, x) x L,

2
xD
(4.13)
4.2 Teoremas Conversos
87
La funcin f (t, x) es Lipschitz en D con constante de Lipschitz L. Por lo tanto, la solucin o o (, t, x) tiene la cota inferior (ver Ejercicio 2.7) (, t, x) Entonces,
t+T 2 2
x 2 e2L( t) 2
V (t, x)
t
e2L( t) d x
2 2
1 (1 e2LT ) x 2L
2 2
(4.14)
Combinando (4.12) y (4.14) vemos que V (t, x) satisface (4.9) con c1 = 1 e2LT 2L y c2 = k 2 (1 e2T ) 2
Para calcular la derivada de V sobre las trayectorias del sistema, denamos las funciones de sensibilidad t (, t, x) = Entonces, V V + f (t, x) =t (t + T, t, x)(t + T, t, x) t (t, t, x)(t, t, x) t x
t+T t+T
(, t, x) ; t
x (, t, x) =
(, t, x) ; x
+
t t
2 (, t, x)t (, t, x)d +
t 2 2 t+T
2t (, t, x)x (, t, x)d f (t, x)
= (t + T, t, x)(t + T, t, x) x +
t
2t (, t, x)[t (, t, x) + x (, t, x) f (t, x)]d
Es fcil de probar (ver Ejercicio 2.12) que a t (, t, x) + x (, t, x) f (t, x) 0 , Por lo tanto V V + f (t, x) = t (t + T, t, x)(t + T, t, x) x t x (1 k 2 e2T ) x 2 2
2 2
Eligiendo T = ln(2k 2 )/(2), la desigualdad (4.10) se satisface con c3 = 1/2. Para probar la desigualdad (4.11), notemos que x (, t, x) satisface la ecuacin de sensibilidad o f x = (, (, t, x))x , x x (t, t, x) = I
Por la condicin (4.13), x satisface la cota (ver Ejercicio 2.7) o x (, t, x)

2
eL( t)
88 Por lo tanto, V (t, x) x

t+T
=
2 t t+T
2t (, t, x)x (, t, x)d
2
t t+T
2 t (, t, x)
x (, t, x) 2 d
2
2ke( t) eL( t) d x 2k [1 e(L)T ) ] x L

2
Vemos que la desigualdad (4.11) se satisface con c4 = 2k[1 e(L)T ) ]/( L). Si todas las hiptesis valen globalmente, entonces r0 puede tomarse arbitrariamente grande. o Si el sistema es autnomo, (, t, x) depende slo de t; es decir (, t, x) = ( t, x). o o Entonces
t+T T
V (t, x) =
t
t ( t, x)( t, x)d =
0
t (s, x)(s, x)ds
que es independiente de t. El siguiente teorema vincula la estabilidad exponencial del origen del sistema no lineal con la estabilidad exponencial de su linealizacin alrededor del origen. o Teorema 4.10. Sea x = 0 un PE del sistema no lineal x = f (t, x) donde f : [0, ) D Rn es continuamente diferenciable, D = {x Rn | x matriz Jacobiana f /x es acotada y Lipschitz en D, uniformemente en t. Sea A(t) = f (t, x) x
2
< r}, y la
x=0
Entonces el origen es un PE exponencialmente estable del sistema no lineal s es un PE exponencialmente estable para el sistema lineal x = A(t)x Demostracin. Como la matriz Jacobiana f /x es acotada y Lipschitz en D, uniformemente o en t, tenemos que fi fi (t, x1 ) (t, x2 ) x x L1 x 1 x 2
2 2
x1 , x 2 D , t 0
para todo 1 i n. Por el teorema del valor medio fi (t, x) = fi (t, 0) + fi (t, zi )x x
donde zi es un punto en el segmento que conecta x al origen. Como f (t, 0) = 0 (porque el origen es un PE), podemos escribir fi (t, x) = fi fi fi fi (t, zi )x = (t, 0)x + (t, zi ) (t, 0) x x x x x
4.2 Teoremas Conversos Por lo tanto f (t, x) = A(t)x + g(t, x) donde A(t) = f (t, 0) x y gi (t, x) = fi fi (t, zi ) (t, 0) x x x
89
La funcin g(t, x) satisface o

n
g(t, x)
i=1
fi fi (t, zi ) (t, 0) x x
2 2
1/2
L x
2 2
donde L = nL1 . Ahora supongamos que el origen es un PE exponencialmente estable del sistema lineal y A(t) es continua y acotada. Entonces el Teorema 4.8 garantiza la existencia de una matriz P (t) continuamente diferenciable, simtrica, acotada y denida positiva, que satisface (4.8), donde e Q(t) es continua, acotada, simtrica y denida positiva. Vamos a usar V (t, x) = xt P (t)x como e candidata a funcin de Lyapunov para el sistema no lineal. La derivada de V (t, x) sobre las o trayectorias del sistema satisface V (t, x) = xt P (t)f (t, x) + f t (t, x)P (t)x + xt P (t)x = xt [P (t)A(t) + At (t)P (t) + P (t)]x + 2xt P (t)g(t, x) = xt Q(t)x + 2xt P (t)g(t, x) c3 x 2 + 2c2 L x 3 2 2 x (c3 2c2 L) x 2 , 2
<
Eligiendo < min{r, c3 /(2c2 L)} nos aseguramos que V (t, x) es denida negativa en x 2 < . Vemos que todas las condiciones del Corolario 4.7 se satisfacen en x 2 < , por lo tanto el origen es exponencialmente estable. Supongamos ahora que el origen es un PE exponencialmente estable del sistema no lineal. Entonces existen constantes k, y c tales que x(t)
2
k x(0)
e(tt0 ) ,
t t0 0 ,
x(0)
<c
Eligiendo r0 < min{c, r/k}, todas las condiciones del Teorema 4.9 se satisfacen. Sea V (t, x) la funcin de Lyapunov dada por el Teorema 4.9, la que tomamos como candidata a funcin o o de Lyapunov para el sistema lineal x = A(t)x = f (t, x) [f (t, x) A(t)x] = f (t, x) g(t, x) Entonces V V V V V + A(t)x = + f (t, x) g(t, x) t x t x x c3 x 2 + c4 L x 3 2 2 (c3 c4 L) x 2 , x 2 < 2 Eligiendo < min{r0 , c3 /(c4 L)}, resulta V (t, x) denida negativa en x 2 < . Entonces todas las condiciones del Corolario 4.7 se satisfacen en x 2 < , por lo tanto el origen es un PE exponencialmente estable para el sistema lineal.
90
Ejemplo 4.6. Consideremos el sistema de primer orden x = x3 Vimos en el Ejemplo 3.15 que el origen es AE, pero la linealizacin alrededor del origen es o x = 0 cuya matriz A no es Hurwitz. Usando el Teorema 4.10, concluimos que el origen no es exponencialmente estable. El siguiente teorema es un teorema converso para estabilidad asinttica uniforme. o Teorema 4.11. Sea x = 0 un PE del sistema no lineal x = f (t, x) donde f : [0, ) D Rn es continuamente diferenciable, D = {x Rn | x < r}, y la matriz Jacobiana f /x es acotada en D, uniformemente en t. Sea (, ) una funcin o clase KL y r0 una constante positiva tal que (r0 , 0) < r. Sea D0 = {x Rn | x < r0 }. Supongamos que las trayectorias del sistema satisfacen x(t) ( x(t0 ) , t t0 ) , x(t0 ) D0 , t t0 0
Entonces existe una funcin V : [0, ) D0 R que satisface las desigualdades o 1 ( x ) V (t, x) 2 ( x ) V V + f (t, x) 3 ( x ) t x V 4 ( x ) x
(4.15)
donde 1 (), 2 (), 3 () y 4 () son funciones clase K denidas en [0, r0 ]. Si el sistema es estacionario, V puede elegirse independiente de t.
4.3
Teoremas de Invariancia
Para sistemas estacionarios, el teorema de invariancia de LaSalle muestra que las trayectorias del sistema tienden al mximo conjunto invariante contenido en el conjunto E = {x : a V (x) = 0}. En el caso de sistemas inestacionarios, no est claro, en principio, como denir a (t, x) es funcin tanto del tiempo como del estado. La situacin se el conjunto E, ya que V o o simplica si se puede probar que V (t, x) W (x) 0 porque entonces E puede denirse como el conjunto de puntos donde W (x) = 0. Ser de a esperar que las trayectorias del sistema tiendan a E cuando t tiende a innito. Ese es precisamente el resultado del siguiente teorema, que enunciamos despus de un Lema preliminar. e Lema 4.12 (Lema de Barbalat). Sea : R R una funcin uniformemente continua en o t [0, ). Supongamos que limt 0 ( ) d existe y es nito. Entonces (t) 0 , cuando t
4.3 Teoremas de Invariancia
91
Demostracin. Supongamos que no es cierto, entonces existe una constante positiva k1 tal que o para todo T > 0 se puede encontrar T1 T tal que |(T1 )| k1 . Como (t) es uniformemente continua, existe una constante positiva k2 tal que |(t + ) (t)| < k1 /2 para todo t 0 y todo 0 k2 . Entonces |(t)| = |(t) (T1 ) + (T1 )| |(T1 )| + |(t) (T1 )| > k1 k1 /2 = k1 /2 , t [T1 , T1 + k2 ] Por lo tanto
T1 +k2 T1 +k2
(t) dt =
T1 T1
|(t)| dt > k1 k2 /2
donde la igualdad es vlida porque (t) conserva el signo para t [T1 , T1 + k2 ]. Por lo tanto la a t integral 0 ( ) d no puede tener un l mite nito cuando t , lo cual es una contradiccin. o Teorema 4.13 (Principio de invariancia para sistemas inestacionarios). Sea D = {x Rn | x < r} y supongamos que f (t, x) es seccionalmente continua en t y localmente Lipschitz en x, uniformemente en t, en [0, ) D. Sea V : [0, ) D R una funcin o continuamente diferenciable tal que W1 (x) V (t, x) W2 (x) V V + f (t, x) W (x) V (t, x) = t x
(4.16)
t 0, x D, donde W1 (x) y W2 (x) son funciones continuas denidas positivas y W (x) es una funcin continua y semidenida positiva en D. Sea < min x =r W1 (x). Entonces todas o las soluciones de x = f (t, x) con x(t0 ) {x Br | W2 (x) } son acotadas y satisfacen W (x(t)) 0 , cuando t
Ms an, si todas las hiptesis valen globalmente y W1 (x) es radialmente no acotada, el a u o resultado vale para toda x(t0 ) Rn . Demostracin. Como en la demostracin del Teorema 4.5, se puede probar que o o x(t0 ) {x Br | W2 (x) } = x(t) t, , t t0
ya que V (t, x) 0. Por lo tanto, x(t) < r para todo t t0 . Como V (t, x(t)) es monotnicamente no creciente y acotada por abajo por cero, tiene l o mite nito cuando t . De (4.16) tenemos
t t
W (x( ))d
t0 t t0
V (, x( ))d = V (t0 , x(t0 )) V (t, x(t))
Por lo tanto, limt t0 W (x( ))d existe y es nito. Como x(t) < r para todo t t0 y f (t, x) es localmente Lipschitz en x, uniformemente en t, concluimos que x(t) es uniformemente continua en t en [t0 , ). En consecuencia, W (x(t)) es uniformemente continua en t en [t0 , ) ya que W (x) es uniformemente continua en x en el conjunto compacto Br . Por el Lema de Barbalat concluimos que W (x(t)) 0 cuando t . Si todas las hiptesis valen o globalmente y W1 (x) es radialmente no acotada, entonces para cada x(t0 ) podemos elegir lo sucientemente grande tal que x(t0 ) {x Rn | W2 (x) }.
92
Estabilidad Seg n Lyapunov. Sistemas Inestacionarios u El l mite W (x(t)) 0 implica que x(t) tiende a E cuando t , donde E = {x D | W (x) = 0}
Por lo tanto, el conjunto l mite positivo de x(t) es un subconjunto de E. Esta conclusin o (de que x(t) tiende a E) es mucho ms dbil que el principio de invariancia de LaSalle para a e sistemas estacionarios, que concluye que x(t) tiende al mayor conjunto invariante contenido en E. Esta conclusin ms fuerte para sistemas estacionarios es consecuencia de la propiedad o a de estos sistemas enunciada en el Lema 3.4, que dice que el conjunto l mite positivo es un conjunto invariante. Existen algunos casos especiales de sistemas inestacionarios para los cuales el conjunto l mite positivo tiene una cierta propiedad de invariancia. Sin embargo, para un sistema inestacionario genrico, el conjunto l e mite positivo no es invariante. El hecho de que, para sistemas estacionarios, x(t) tiende al mayor conjunto invariante contenido en E, nos permiti llegar al Corolario 3.6, que prueba estabilidad asinttica del origen mostrando que o o el conjunto E no contiene ninguna trayectoria completa del sistema salvo la solucin trivial. o Para sistemas inestacionarios no existe una extensin del Corolario 3.6 que permita demostrar o estabilidad asinttica. o Sin embargo, si adems de satisfacer V (t, x) 0, la integral de V (t, x) satisface cierta a desigualdad, se puede concluir estabilidad asinttica, como establece el siguiente teorema. o Teorema 4.14 (Estabilidad asinttica con V (t, x) semidenida positiva). Sea D = o n {x R : x < r} y supongamos que f (t, x) es seccionalmente continua en t y localmente Lipschitz en x sobre [0, ) D. Sea x = 0 un punto de equilibrio de x = f (t, x) en t = 0. Sea V : [0, ) D R una funcin continuamente diferenciable que satisface o W1 (x) V (t, x) W2 (x) V V V (t, x) = + f (t, x) 0 t x
t+
V (, (, t, x)) d V (t, x),

t
0<<1
para todo t 0 y x D para algn > 0, donde W1 (x) y W2 (x) son funciones denidas u positivas en D, y (, t, x) es la solucin del sistema que comienza en (t, x). o Entonces, el origen es uniformemente asintticamente estable. Si todas las condiciones o valen globalmente y W1 (x) es radialmente no acotada, entonces el origen es globalmente uniformemente asintticamente estable. o Si W1 (x) k1 x c , W2 (x) k2 x c , k1 > 0, k2 > 0, c > 0,
entonces el origen es exponencialmente estable. Demostracin. Como en la demostracin del Teorema 4.5, se puede probar que o o x(t0 ) {x Br | W2 (x) } donde < min
x =r
x(t) t, ,
t t0
W1 (x), ya que V (t, x) 0. Adems, para todo t t0 , tenemos a

t+
V (t + , x(t + )) = V (t, x(t)) +

t
V (, (, t, x)) d
(1 )V (t, x(t))
4.3 Teoremas de Invariancia Ms an, como V (t, x) 0 a u V (, x( )) V (t, x(t)) , [t, t + ]
93
Para cualquier t t0 , sea N el menor nmero natural tal que t t0 + N . Dividamos el u intervalo [t0 , t0 + (N 1)] en N 1 subintervalos iguales de longitud . Entonces, V (t, x(t)) V (t0 + (N 1), x(t0 + (N 1))) (1 )V (t0 + (N 2), x(t0 + (N 2))) . . . (1 )N 1 V (t0 , x(t0 )) 1 (1 )(tt0 )/ V (t0 , x(t0 )) 1 1 b(tt0 ) = e V (t0 , x(t0 )) 1 donde b = (1/) ln(1/(1 )). Tomando (r, s) = r bs e 1
puede verse fcilmente que (r, s) es una funcin clase KL y que V (t, x(t)) satisface a o V (t, x(t)) (V (t0 , x(t0 )), t t0 ) , V (t0 , x(t0 )) [0, ]
Desde aqu la prueba es idntica a la del Teorema 4.5 y sus corolarios. e Ejemplo 4.7 (Sistema lineal inestacionario revisitado). Sea el sistema x = A(t)x donde A(t) es continua t 0. Supongamos que existe una matriz simtrica P (t) que satisface e 0 < c1 I P (t) c2 I, t 0
y la ecuacin diferencial matricial o P (t) = P (t)A(t) + AT (t)P (t) + C T (t)C(t) donde C(t) es continua. La derivada de la funcin cuadrtica o a V (t, x) = xT P (t)x a lo largo de las trayectorias del sistema es V (t, x) = xT P (t) + P (t)A(t) + AT (t)P (t) x = xT C T (t)C(t)x 0. De la teor de sistemas lineales inestacionarios sabemos que las trayectorias del sistema que a comienzan en el punto x estn dadas por a (, t, x) = (, t)x,
94
donde (, t) es la matriz de transicin de estados. Entonces, o

t+ t+
V (, (, t, x)) d = xT
t T t
T (, t)C T ( )C( )(, t) d x
= x W (t, t + )x, donde

t+
W (t, t + ) =
t
T (, t)C T ( )C( )(, t) d.
Supongamos que existe una constante k < c2 tal que W (t, t + ) kI, Entonces
t+
t 0.
V (, (, t, x)) d k x
t
2 2
k V (t, x). c2
As todas las hiptesis del Teorema 4.14 se satisfacen globalmente y concluimos que el origen , o es globalmente exponencialmente estable. Los lectores familiares con la teor de sistemas lineales reconocern que la matriz W (t, t+) a a es el Gramiano de observabilidad del par (A(t), C(t)) y que la desigualdad W (t, t + ) kI est garantizada si el par (A(t), C(t)) es uniformemente observable. a Comparando este ejemplo con el Ejemplo 4.5 vemos que el Teorema 4.14 permite relajar el requerimiento de que la matriz Q(t) en (4.8) sea denida positiva a pedir que Q(t) = C T (t)C(t) con el par (A(t), C(t)) sea uniformemente observable.
4.4
Ejercicios
Ejercicio 4.1 Dado el sistema x1 = x2 x2 = 2x1 x2 + 3t + 2 3x1 2(t + 1)x2 (i) Vericar que x1 (t) = t, x2 (t) = 1 es una solucin. o
t (ii) Mostrar que si x(0) est sucientemente cerca de [ 0 ] entonces x(t) se aproxima a [ 1 ] a a 1 medida que t .
Ejercicio 4.2 Considerar el sistema x1 = 2x1 + g(t)x2 x2 = g(t)x1 2x2 donde g(t) es continuamente diferenciable y |g(t)| 1 para todo t 0. Mostrar que el origen es uniformemente asintticamente estable. Es el origen globalmente uniformemente o asintticamente estable? o
4.4 Ejercicios Ejercicio 4.3 Sea el sistema x1 = x2 g(t)x1 (x2 + x2 ) 1 2 x2 = x1 g(t)x2 (x2 + x2 ) 1 2
95
donde g(t) es una funcin continuamente diferenciable, acotada, y g(t) k > 0 para todo o t 0. Es el origen uniformemente asintticamente estable?Es exponencialmente estable? o Ejercicio 4.4 Considerar el sistema x1 = x1 + (x2 + x2 ) sen t 1 2 2 x2 = x2 + (x1 + x2 ) cos t. 2 Mostrar que el origen es exponencialmente estable y estimar la regin de atraccin. o o
Cap tulo 5 Estabilidad de Sistemas Perturbados

Consideremos el sistema x = f (t, x) + g(t, x) (5.1)
donde f : [0, ) D Rn y g : [0, ) D Rn son seccionalmente continuas en t y localmente Lipschitz en x en [0, ) D y D Rn es un dominio que contiene el origen x = 0. Pensamos a (5.1) como una perturbacin del sistema nominal o x = f (t, x). (5.2)
El trmino de perturbacin g(t, x) puede provenir de errores de modelado, envejecimiento, e o incertidumbres, etc. T picamente no conocemos el trmino g(t, x) pero tenemos alguna infore macin sobre l, como por ejemplo una cota superior de g(t, x) . La representacin aditiva o e o de la perturbacin en (5.1) modela, por ejemplo, perturbaciones que no modican el orden del o sistema. Supongamos que el sistema nominal (5.2) tiene un PE uniformemente AE en el origen. Qu podemos decir acerca de la estabilidad del sistema perturbado (5.1)? Una forma natural e de encarar esta cuestin es la de usar una funcin de Lyapunov del sistema nominal como o o candidata a funcin de Lyapunov para el sistema perturbado. Esto es lo que hicimos con el o anlisis de la linealizacin en la seccin 3.4. El elemento nuevo que introducimos ahora es a o o que el trmino de perturbacin puede ser mucho ms general que en el caso de linealizacin. e o a o En las primeras dos secciones, vamos a analizar el caso en que el trmino de perturbacin e o se anula en el origen, es decir g(t, 0) = 0, de forma que el origen x = 0 sigue siendo un PE del sistema perturbado. El caso g(t, 0) = 0 se tratar en la seccin 5.3. Un caso particular a o de perturbacin que no necesariamente se anula en el origen nos servir para introducir el o a concepto de estabilidad entrada-estado (ISS) en la seccin 5.4. o
5.1
Perturbacin de un PE Exponencialmente Estable o
Supongamos entonces que g(t, 0) = 0 y que x = 0 es un PE exponencialmente estable del sistema nominal (5.2). Sea V (t, x) una funcin de Lyapunov que satisface o c1 x 2 V (t, x) c2 x 2 V V + f (t, x) c3 x t x V c4 x x (5.3)
2
(5.4) (5.5)
98
Estabilidad de Sistemas Perturbados
para todo (t, x) [0, ) D y para ciertas constantes positivas c1 , c2 , c3 y c4 . La existencia de una funcin de Lyapunov que satisface (5.3)-(5.5) est garantizada por el Teorema 4.9, o a con algunas hiptesis adicionales. Supongamos adems que el trmino de perturbacin g(t, x) o a e o satisface la cota de crecimiento lineal g(t, x) x , t 0 , x D (5.6)
donde es una constante no negativa. La propiedad (5.6) es natural dadas las hiptesis que o hicimos sobre g(t, x). Como g(t, x) se anula en el origen y es localmente Lipschitz en un entorno acotado del origen, entonces es fcil de probar que satisface (5.6) en dicho entorno. Usamos a V como candidata a funcin de Lyapunov para el sistema perturbado (5.1). Planteamos o V V V V (t, x) = + f (t, x) + g(t, x). t x x Usando (5.4)-(5.6), acotamos V de la siguiente manera V (t, x) c3 x
2
V x
g(t, x) c3 x
+ c4 x 2 .
Si es lo sucientemente pequea tal que satisface la cota n < entonces V (t, x) (c3 c4 ) x
2
c3 c4
(5.7)
< 0,
x D {0}.
Por lo tanto, usando el Corolario 4.7, podemos probar el siguiente lema. Lema 5.1 (Estabilidad exponencial robusta). Sea x = 0 un PE exponencialmente estable del sistema nominal (5.2). Sea V (t, x) una funcin de Lyapunov del sistema nominal o que satisface (5.3)-(5.5) en [0, ) D. Supongamos que el trmino de perturbacin g(t, x) e o satisface (5.6)-(5.7). Entonces el origen es un PE exponencialmente estable del sistema perturbado (5.1). Ms an, si las hiptesis valen globalmente, entonces el origen es globalmente a u o exponencialmente estable. Este lema es conceptualmente importante porque muestra que la estabilidad exponencial del origen es robusta con respecto a una clase de perturbaciones que satisface (5.6)-(5.7). Para poder enunciar esta propiedad de robustez no es necesario conocer V (t, x) expl citamente, slo hace falta saber que el origen es un PE exponencialmente estable del sistema nominal, o porque entonces, usando el Teorema 4.9 (asumiendo adems que la matriz Jacobiana f /x a es acotada), podemos garantizar la existencia de una V (t, x) que satisface (5.3)-(5.5). Sin embargo, si no conocemos a V (t, x) expl citamente, entonces no podemos calcular la cota (5.7), en cuyo caso slo podemos decir que el origen es exponencialmente estable para toda o perturbacin que satisface (5.6) con sucientemente pequea. o n Ejemplo 5.1. Consideremos el sistema x = Ax + g(t, x) donde A es Hurwitz y g(t, x) satisface (5.6) con D = Rn . Sea Q = Qt > 0 y calculemos la solucin P de la ecuacin de Lyapunov P A + At P = Q. Por el Teorema 3.10 sabemos o o
5.1 Perturbacin de un PE Exponencialmente Estable o
99
que hay una unica solucin P = P t > 0. La funcin de Lyapunov cuadrtica V (x) = xt P x o o a satisface (5.3)-(5.5). En particular, min (P ) x 2 xt P x max (P ) x 2 2 2 V Ax = xt Qx min (Q) x x V x = 2xt P
2 2
2 2
2 P
= 2max (P ) x 2 .
La derivada de V (x) sobre las trayectorias del sistema satisface V (x) min (Q) x
2 2
+ 2max (P ) x 2 . 2
Por lo tanto el origen es globalmente exponencialmente estable si < min (Q) 2max (P ) (5.8)
Esta cota depende de la eleccin de Q, sin embargo el mximo del lado derecho de (5.8) se o a obtiene para Q = I (ver el Ejercicio 5.1). Ejemplo 5.2. Consideremos el sistema x1 = x2 x2 = 4x1 2x2 + x3 2 donde la constante 0 es desconocida. Este sistema tiene la forma (5.1) con f (x) = Ax = 0 1 4 2 x1 , x2 g(x) = 0 x3 . 2
Los autovalores de A son 1 j 3, por lo tanto A es Hurwitz. La solucin de la ecuacin o o de Lyapunov P A + At P = I es P = 3/2 1/8 1/8 5/16 (5.9)
La funcin de Lyapunov V (x) = xt P x satisface (5.4)-(5.5) con c3 = 1 y o c4 = 2max (P ) = 3.026 El trmino de perturbacin g(x) satisface e o g(x)
2 2 2 = |x2 |3 k2 |x2 | k2 x 2
para todo |x2 | k2 , donde k2 es una constante que vamos a determinar despus, porque a e esta altura no sabemos una cota para x2 (t), aunque s sabemos que estar acotada cuando la a trayectoria x(t) se mueva dentro de un conjunto compacto. Usando V (x) como candidata a funcin de Lyapunov para el sistema perturbado, obtenemos o V (x) x
2 2 2 + 3.026 k2 x 2 2
100 Por lo tanto, V (x) es denida negativa si < 1 2 3.026 k2
(5.10)
Para estimar una cota de k2 , sea c = {x R2 | V (x) c}. Para cualquier constante positiva c, el conjunto c es cerrado y acotado. La frontera de c es la supercie de nivel 1 3 5 V (x) = x2 + x1 x2 + x2 = c 1 2 4 16 2 El mayor valor de |x2 | sobre la supercie V (x) = c se puede determinar derivando la ecuacin o de la supercie con respecto a x1 e igualando a cero. Esto da 1 3x1 + x2 = 0 4 Por lo tanto, los valores extremos de x2 se obtienen en la interseccin de la recta x1 = x2 /12 o con la supercie de nivel. Haciendo esto da un mximo para x2 de 96 c/29. Por lo tanto, todos a 2 los puntos en el interior de c satisfacen la cota 96 c 2 |x2 | k2 donde k2 = 29 Entonces, usando (5.10), si < 29 0.1 96 c 3.026 c (5.11)
V (x) ser denida negativa en c y podemos concluir que el origen x = 0 es exponencialmente a estable, siendo c una estima de la RA. Vamos a aprovechar este ejemplo para mostrar que la cota (5.7) puede ser muy conservadora. Usando esa cota, llegamos a la desigualdad (5.10). Esta desigualdad permite al trmino de perturbacin g(t, x) ser cualquier vector de dos componentes que satisfaga e o 2 g(t, x) 2 k2 x 2 . Esta clase de perturbaciones es ms general que la perturbacin esa o pec ca que tenemos en este problema. Aqu tenemos una perturbacin estructurada en el o sentido de que la primera componente de g es siempre cero, mientras que nuestro anlisis a permit perturbaciones no estructuradas donde el vector g puede cambiar en todas las dia recciones. No tener en cuenta la estructura de la perturbacin lleva en general a resultados o conservadores. Repitamos el anlisis, esta vez teniendo en cuenta la estructura de la perturbacin. Volvea o mos a calcular la derivada de V (x) sobre las trayectorias del sistema: V (x) = x 2 + 2xt P g(x) 2 1 5 + 2x2 ( x1 x2 + x2 ) 2 8 16 2 1 5 x 2 + 2x2 ( x 2+ x 2) 2 2 2 2 16 16 3 2 x 2 + k2 x 2 2 2 4 2 Por lo tanto, V (x) es denida negativa si < 4/(3k2 ). Usando otra vez el hecho de que para 96 c 2 2 todo x c , |x2 | k2 = 29 , llegamos a la cota = x
2 2
0.4 c que es cuatro veces mayor que (5.11). <
5.2 Perturbacin de un PE Uniformemente AE o
101
5.2
Perturbacin de un PE Uniformemente AE o
Cuando el origen del sistema nominal (5.2) no es exponencialmente estable sino slo uniformeo mente AE, el anlisis se hace ms complicado. Supongamos que el sistema nominal tiene una a a funcin de Lyapunov denida positiva y decreciente V (t, x) que satisface o V V + f (t, x) W3 (x) t x para todo (t, x) [0, ) D, donde W3 (x) es denida positiva y continua. La derivada de V (t, x) sobre las trayectorias del sistema (5.1) satisface V V V V + f (t, x) + g(t, x) W3 (x) + g(t, x) V (t, x) = t x x x Para lograr que V (t, x) sea denida negativa necesitamos probar que V g(t, x) < W3 (x) x para todo (t, x) [0, ) D. Es claro que esto requiere que pongamos una cota a g(t, x) que va a depender de la naturaleza de la funcin de Lyapunov del sistema nominal. Una o clase de funciones de Lyapunov para las cuales el anlisis es tan simple como para el caso de a estabilidad exponencial es el caso en que V (t, x) es denida positiva, decreciente, y satisface V V + f (t, x) c3 2 (x) t x V c4 (x) x (5.12) (5.13)
para todo (t, x) [0, ) D, para ciertas constantes positivas c3 y c4 , y donde : Rn R es denida positiva y continua. Una funcin de Lyapunov que satisface (5.12)-(5.13) se denomina o tipo-cuadrtica. Es claro que una funcin de Lyapunov que satisface (5.3)-(5.5) es de tipo a o cuadrtica, pero una funcin de Lyapunov tipo cuadrtica puede existir aunque el origen no a o a sea exponencialmente estable (ver Ejemplo 5.3 ms abajo). a Si el sistema nominal (5.2) tiene una funcin de Lyapunov tipo cuadrtica, entonces su o a derivada sobre las trayectorias del sistema (5.1) satisface V (t, x) c3 2 (x) + c4 (x) g(t, x) Supongamos ahora que el trmino de perturbacin satisface la cota e o g(t, x) (x) , Entonces V (t, x) (c3 c4 )2 (x) lo que muestra que V (t, x) es denida negativa. < c3 c4
102 Ejemplo 5.3. Consideremos el sistema escalar x = x3 + g(t, x)
El sistema nominal x = x3 tiene un PE globalmente AE en el origen, pero como vimos en el Ejemplo 4.6, el origen no es exponencialmente estable. Por lo tanto no existe una funcin de o Lyapunov que satisfaga (5.3)-(5.5). La funcin de Lyapunov V (x) = x4 satisface (5.12)-(5.13) o con (x) = |x|3 y c3 = c4 = 4. Supongamos que el trmino de perturbacin satisface la cota e o 3 |g(t, x)| |x| para todo x, con < 1. Entonces la derivada de V (t, x) sobre las trayectorias del sistema perturbado satisface V (t, x) 4(1 )x2 Por lo tanto, el origen es un PE globalmente uniformemente AE del sistema perturbado.
En contraste con el caso de estabilidad exponencial, es importante remarcar que un sistema nominal con un PE en el origen uniformemente AE, pero no exponencialmente estable, no es robusto a perturbaciones con cotas de crecimiento lineal arbitrariamente pequeas del tipo n (5.6). Vemos esto con un ejemplo. Ejemplo 5.4. Consideremos el sistema del ejemplo anterior con g(x) = x, > 0, es decir x = x3 + x Se puede ver fcilmente, mediante linealizacin, que para cualquier > 0, sin importar cuan a o chica sea, el origen es inestable.
5.3
Perturbacin No Evanescente o
Veamos ahora el caso ms general en que no sabemos si g(t, 0) = 0. En este caso, el origen x = 0 a puede no ser un PE del sistema perturbado (5.1); no podemos entonces estudiar estabilidad del origen como PE o asumir que la solucin del sistema perturbado tiende a cero cuando o t . Lo ms que podemos esperar es que si el trmino de perturbacin g(t, x) es chico en a e o algn sentido, entonces la trayectoria x(t) est nalmente acotada por una cota pequea, es u e n decir, que x(t) sea pequea para t sucientemente grande. n Denicin 5.1 (Solucin nalmente acotada). Las soluciones de x = f (t, x) se dicen o o uniformemente nalmente acotadas si existen constantes positivas b y c, y para cada (0, c) existe una constante positiva T = T () tales que x(t0 ) < = x(t) b , t t0 + T (5.14)
Se dicen globalmente uniformemente nalmente acotadas si (5.14) vale para arbitrariamente grande. La constante b en (5.14) se denomina cota nal. En el caso de sistemas autnomos no o necesitamos usar el trmino uniforme ya que la solucin depende slo de t t0 . El siguiente e o o teorema estilo Lyapunov es muy util para probar cota nal.
5.3 Perturbacin No Evanescente o
103
Teorema 5.2 (Solucin nalmente acotada). Sea D Rn un dominio que contiene al o origen y sea f : [0, ) D Rn seccionalmente continua en t y localmente Lipschitz en x. Sea V : [0, ) D R una funcin continuamente diferenciable tal que o W1 (x) V (t, x) W2 (x) V V + f (t, x) W3 (x) , t x (5.15) x >0 (5.16)
t 0, x D, donde Wi (x) son funciones continuas denidas positivas en D. Tomemos r > 0 tal que Br D y supongamos que es lo sucientemente pequea tal que n max W2 (x) < min W1 (x)
x x =r
(5.17)
Tomemos tal que < < min x =r W1 (x). Entonces existe un tiempo nito t1 (dependiente de x(t0 ) y ) y una funcin (, ) de clase KL tales que x(t0 ) {x Br | W2 (x) }, las o soluciones de x = f (t, x) satisfacen x(t) ( x(t0 ) , t t0 ) , t0 t < t1 x(t) {x Br | W1 (x) } , t t1 (5.18) (5.19)
Ms an, si D = Rn y W1 (x) es radialmente no acotada, entonces (5.18) y (5.19) valen para a u todo estado inicial x(t0 ) y todo . Demostracin. La prueba tiene mucho en comn con la prueba del Teorema 4.5, por lo tanto o u vamos a usar ideas y terminolog de dicha prueba a medida que necesitemos. Denamos el a conjunto variante en el tiempo t, = {x Br | V (t, x) }. Entonces, B {x Br | W2 (x) } t, {x Br | W1 (x) } {x Br | W1 (x) } t, t, {x Br | W1 (x) } Br D Los conjuntos t, y t, tienen la propiedad de que una solucin que comience en cualquiera o de ellos no sale del conjunto ya que V (t, x) es negativa en la frontera. Por lo tanto, si x(t0 ) {x Br | W2 (x) }, la solucin x(t) quedar en t, para todo t t0 . Para una solucin o a o que comienza en t, , la relacin (5.19) vale para todo t t0 . Para una solucin que comienza o o dentro de t, pero fuera de t, , sea t1 el primer instante en que entra a t, (que podr a ser si la solucin nunca entra en dicho conjunto). Para todo t [t0 , t1 ), las desigualdades o (5.15) y (5.16) valen. Por lo tanto, de manera similar a la prueba del Teorema 4.5, existe una funcin () clase K tal que V (V ). En consecuencia, existe una funcin (, ) de clase o o KL que satisface (5.18). Como ( x(t0 ) , t t0 ) 0 cuando t , existe un tiempo nito a partir del cual ( x(t0 ) , t t0 ) < para todo t. Por lo tanto, t1 debe ser nito, es decir, la solucin debe entrar en t, en tiempo nito. Una vez dentro del conjunto, la solucin se o o queda ah para todo t t1 . Entonces tambin x(t) {x Br | W1 (x) } para todo t t1 . e Si D = Rn y W1 (x) es radialmente no acotada, entonces para cualquier estado inicial x(t0 ) y cualquier , podemos elegir r y lo sucientemente grandes para que (5.17) se satisfaga y x(t0 ) {x Br | W2 (x) }. Corolario 5.3 (Cota Final). Bajo las hiptesis del Teorema 5.2, sean 1 () y 2 () funciones o clase K denidas en [0, r] tales que 1 ( x ) W1 (x) and W2 (x) 2 ( x ) , x D
1 1 Supongamos que < 2 (1 (r)) y x(t0 < 2 (1 (r)). Entonces las soluciones de x = f (t, x) 1 estn uniformemente nalmente acotadas con cota nal 1 (2 ()). a
104
Corolario 5.4. Bajo las hiptesis del Corolario 5.3, las soluciones de x = f (t, x) satisfacen o
1 x(t) ( x(t0 ) , t t0 ) + 1 (2 ())
(5.20)
Corolario 5.5. Supongamos que las hiptesis del Teorema 5.2 se satisfacen con o W1 (x) k1 x
c
W2 (x) k2 x
W3 (x) k3 x
para ciertas constantes positivas ki y c. Supongamos adems que < r(k1 /k2 )1/c y x(t0 < a 1/c r(k1 /k2 ) . Entonces (5.18) y (5.19) toman la forma x(t) k x(t0 ) e(tt0 ) , x(t) k , t t1 t0 t < t1 (5.21) (5.22)
donde k = (k2 /k1 )1/c y = k3 /(k2 c).
Es importante notar que la cota nal obtenida en el Corolario 5.3 es una funcin clase K o de , porque cuanto ms chico sea , ms chica va a ser la cota nal. Cuando 0, la cota a a nal tambin tiende a cero. e Ejemplo 5.5. Consideremos el sistema x1 = x2 x2 = 4x1 2x2 + x3 + d(t) 2 donde la constante 0 es desconocida y d(t) es una perturbacin uniformemente acotada o que satisface |d(t)| para todo t 0. Este sistema ya fue analizado en el Ejemplo 5.2, slo o que ahora le agregamos el trmino de perturbacin d(t). Nuevamente el sistema puede pensarse e o como una perturbacin de un sistema lineal nominal con funcin de Lyapunov V (x) = xt P x, o o con P dada en (5.9). Usamos V (x) como candidata a funcin del Lyapunov para el sistema o perturbado, pero tratamos los trminos x3 y d(t) en forma diferente ya que el primero se e 2 anula en el origen mientras que el segundo no. La derivada de V (x) sobre las trayectorias del sistema satisface V (t, x) = x x
2 2 2 2
+ 2x2 (x1 x2 /8 + 5x2 /16) + 2d(t)(x1 /8 + 5x2 /16) 2 2 2 2 + 3k2 x 2 + 29 x 2 /8
donde usamos la desigualdad |2x1 + 5x2 | x 2 4 + 25, y k2 es una cota superior de |x2 |. 2 Supongamos que 4(1 )/(3k2 ), donde 0 < < 1. Entonces V (t, x) = x 2 + 29 x 2 /8 2 (5.23) (1 ) x 2 , x 2 = 29/(8) 2 donde 0 < < 1. Como vimos en el Ejemplo 5.2, |x2 |2 est acotado en c = {x R2 | V (x) a 2 c} por k2 = 96c/29. Por lo tanto, si < 0.4(1 )/c y es tan pequea que 2 max (P ) < c, n entonces B c y todas las trayectorias que comienzan dentro de c permanecen dentro de c para todo tiempo futuro (ya que, por (5.23), V (x) decrece afuera de B y c es una supercie de nivel de V (x)). Ms an, las condiciones del Teorema 5.2 (y Corolario 5.5) se a u
5.4 Estabilidad Entrada-Estado
105
satisfacen en c . Por lo tanto, las soluciones del sistema perturbado estn uniformemente a nalmente acotadas con cota nal 29 max (P ) b= min (P ) 8 Veamos ahora cmo se puede usar el Teorema 5.2 para analizar la estabilidad del sistema o perturbado (5.1) cuando el origen del sistema nominal es UAE. Lema 5.6. Sea x = 0 un PE UAE del sistema nominal (5.2). Sea V (t, x) una funcin de o Lyapunov del sistema nominal que satisface las desigualdades (4.15) en [0, ) D, donde D = {x Rn | x < r} y i , i = 1, 2, 3, 4 son funciones clase K 1 . Supongamos que el trmino de perturbacin g(t, x) satisface la cota uniforme e o
1 3 (2 (1 (r))) g(t, x) < 4 (r)
(5.24)
para todo t 0, todo x D y cierta constante positiva < 1. Entonces, para todo x(t0 ) < 1 2 (1 (r)), la solucin x(t) del sistema perturbado (5.1) satisface o x(t) ( x(t0 ) , t t0 ) , x(t) () , t t1 t0 t < t1
para cierta funcin (, ) de clase KL y cierto tiempo nito t1 , donde () es una funcin clase o o K denida por
1 1 2 3 () = 1
4 (r)
Demostracin. Usamos V (t, x) como candidata a funcin de Lyapunov para el sistema pero o turbado (5.1). La derivada de V (t, x) sobre las trayectorias de (5.1) satisface V V (t, x) 3 ( x ) + g(t, x) x 3 ( x ) + 4 ( x ) (1 )3 ( x ) 3 ( x ) + 4 (r) , 0 < < 1 4 (r) 1 (1 )3 ( x ) , x 3 La prueba se completa usando el Teorema 5.2 y el Corolario 5.3.
5.4
Estabilidad Entrada-Estado
x = f (t, x, u) (5.25)
Consideremos ahora el sistema con entrada
El Teorema 4.11 da condiciones para la existencia de dicha funcin. o
106
donde f : [0, ) D Du Rn es seccionalmente continua en t y localmente Lipschitz en x y u, D Rn es un dominio que contiene a x = 0, y Du Rm es un dominio que contiene a u = 0. La entrada u(t) es una funcin acotada y seccionalmente continua de t para todo o t 0. Supongamos que el sistema x = f (t, x, 0) (5.26)
tiene un PE UAE en el origen x = 0. Una forma de analizar el comportamiento entradaestado del sistema forzado (5.25), es considerar a (5.25) como una perturbacin del sistema o no forzado (5.26), y aplicar las tcnicas de la seccin anterior. Por ejemplo, si el sistema no e o forzado satisface las hiptesis del Lema 5.6 y el trmino de perturbacin satisface la cota o e o f (t, x, u) f (t, x, 0) L u L0
para todo t 0 y todo (x, u) en algn entorno de (0, 0), entonces el Lema 5.6 garantiza que u para x(t0 ) y suptt0 u(t) sucientemente pequeos, la solucin de (5.25) satisface n o x(t) ( x(t0 ) , t t0 ) + L sup u( )
t0
t t0
Esto motiva la siguiente denicin de la propiedad de estabilidad entrada-estado (Input to o State Stability, ISS). Denicin 5.2 (Estabilidad Entrada-Estado, ISS). El sistema (5.25) es localmente eso table entrada-estado si existen una funcin de clase KL, una funcin de clase K, y cono o stantes positivas k1 y k2 tales que, para cualquier estado inicial x(t0 ) con x(t0 ) < k1 y cualquier entrada u(t) con suptt0 u(t) < k2 , la solucin x(t) existe y satisface o x(t) ( x(t0 ) , t t0 ) + sup
t0 t
u( )
(5.27)
para todo t t0 0. Es estable entrada-estado si D = Rn , Du = Rm , y la desigualdad (5.27) se satisface para cualquier estado inicial x(t0 ) y cualquier entrada acotada u(t). La desigualdad (5.27) garantiza que para cualquier entrada acotada u(t), el estado x(t) se va a mantener acotado. Ms an, cuando t aumenta, el estado x(t) va a tener una cota a u nal que es una funcin clase K de suptt0 u(t) . Puede probarse que si u(t) converge a cero o cuando t , tambin lo hace x(t). Notar que, con u(t) 0, (5.27) se reduce a e x(t) ( x(t0 ) , t t0 ) Por lo tanto, ISS local implica que el origen del sistema no forzado es UAE, mientras que ISS implica que es GUAE. El siguiente teorema tipo Lyapunov da una condicin suciente para ISS.2 o Teorema 5.7. Sea D = {x Rn | x < r}, Du = {u Rm | u < ru }, y f : [0, ) D Du Rn seccionalmente continua en t y localmente Lipschitz en x y u. Sea V : [0, )D R una funcin continuamente diferenciable tal que o 1 ( x ) V (t, x) 2 ( x ) V V + f (t, x, u) 3 ( x ) , t x
2
x ( u ) > 0
Para sistemas estacionarios se ha mostrado que las condiciones del Teorema 5.7 son tambin necesarias e [Sontag and Wang, 1995].
5.4 Estabilidad Entrada-Estado
107
(t, x, u) [0, ) D Du , donde 1 , 2 , 3 y son funciones clase K. Entonces el sistema 1 1 (5.25) es localmente ISS con = 1 2 , k1 = 2 (1 (r)), y k2 = 1 (min{k1 , (ru )}). 1 Ms an, si D = Rn , Du = Rm , y 1 es clase K , entonces (5.25) es ISS con = 1 2 . a u Demostracin. Usando el Teorema 5.2 y sus Corolarios 5.3 y 5.4, sabemos que para x(t0 ) y o u(t) tales que
1 x(t0 ) < 2 (1 (r)) ,
sup u(t)
tt0
1 < min{2 (1 (r)), (ru )}
(5.28)
la solucin x(t) existe y satisface o x(t) ( x(t0 ) , t t0 ) + sup u( )

t0
t t0
(5.29)
Como x(t) depende slo de u( ) para t0 t, el supremo en el lado derecho de (5.29) o 1 puede tomarse en [t0 , t], lo que prueba (5.27). En el caso global, la funcin 2 1 es clase o K . Entonces, para cualquier x(t0 ) y u(t) acotada, podemos elegir r y ru lo sucientemente grandes para que se cumplan las desigualdades (5.28). Los siguientes Lemas son consecuencia de los teoremas conversos de Lyapunov. Lema 5.8 (Estabilidad asinttica uniforme e ISS). Supongamos que en algn entorno o u de (x, u) = (0, 0), la funcin f (t, x, u) es continuamente diferenciable y las matrices Jacobianas o [f /x] y [f /u] estn acotadas, uniformemente en t. Si el sistema no forzado (5.26) tiene a un PE UAE en el origen x = 0, entonces el sistema (5.26) es localmente ISS. Demostracin. Por el Teorema 4.11 (converso de Lyapunov), el sistema no forzado (5.26) o tiene una funcin de Lyapunov V (t, x) que satisface las desigualdades (4.15) en algn entorno o u acotado de x = 0. Como [f /u] est acotada, el trmino de perturbacin satisface a e o f (t, x, u) f (t, x, 0) L u , L>0 (5.30)
para todo t t0 y todo (x, u) en algn entorno acotado de (x, u) = (0, 0). Puede vericarse que u V (t, x) satisface las condiciones del Teorema 5.7 en algn entorno acotado de (x, u) = (0, 0). u Para sistemas estacionarios, las hiptesis del Lema 5.8 de que los Jacobianos estn acotados o e se satisfacen trivialmente si f (x, u) es continuamente diferenciable. Por lo tanto, para sistemas estacionarios el Lema dice que si f (x, u) es continuamente diferenciable y el origen de (5.26) es AE, entonces (5.25) es localmente ISS. Lema 5.9 (Estabilidad exponencial e ISS). Supongamos que f (t, x, u) es continuamente diferenciable y globalmente Lipschitz en (x, u), uniformemente en t. Si el sistema no forzado (5.26) tiene un PE globalmente exponencialmente estable en el origen x = 0, entonces el sistema (5.25) es ISS. Demostracin. Por el Teorema 4.11 (converso de Lyapunov), el sistema no forzado (5.26) tiene o una funcin de Lyapunov V (t, x) que satisface las desigualdades (4.15) globalmente. Como o f es globalmente Lipschitz en (x, u), el trmino de perturbacin satisface (5.30) para todo e o t t0 y todo (x, u). Puede vericarse que V (t, x) satisface las condiciones del Teorema 5.7 globalmente.
108
Si el origen del sistema no forzado (5.26) es GUAE pero no globalmente exponencialmente estable, el sistema (5.25) no es necesariamente ISS incluso cuando f es globalmente Lipschitz en (x, u) (Ver el Ejercicio 5.5). Los siguientes ejemplos ilustran el uso del Teorema 5.7. Ejemplo 5.6. El sistema x = x3 + u tiene un PE GAE en el origen cuando u = 0. Tomando V = x2 /2, tenemos V = x4 + xu = (1 ) x4 x4 + xu (1 ) x4 , |x| |u|
1/3
donde es una constante tal que 0 < < 1. Probamos entonces que el sistema es ISS con (a) = (a/)1/3 . Ejemplo 5.7. El sistema x = f (x, u) = x 2x3 + (1 + x2 )u2 tiene un PE globalmente exponencialmente estable en el origen cuando u = 0, pero el Lema 5.9 no se aplica porque f no es globalmente Lipschitz en x. Sin embargo, tomando V = x2 /2 obtenemos V = x2 2x4 + x(1 + x2 )u2 x4 , Por lo tanto el sistema es ISS con (a) = a2 . Ejemplo 5.8. Consideremos el sistema x = f (x, u) = x + (1 + x2 )u Como en el ejemplo anterior, cuando u = 0 el origen es un PE exponencialmente estable, pero el Lema 5.9 no se aplica porque f no es globalmente Lipschitz en x. En este case puede verse que el sistema no es ISS tomando u(t) 1, ya que la solucin del sistema resultante o x = x + x2 que comienza en x(0) = 0 diverge a innito (notar que x 3/4 para todo x). De acuerdo al Lema 5.8, el sistema es localmente ISS. El Teorema 5.7 puede usarse para estimar las cotas del estado inicial y la entrada (las constantes k1 y k2 de la Denicin 5.2). Sea D = {|x| < r} o y Du = R. Con V (x) = x2 /2, tenemos V = x2 + x(1 + x2 )u (1 )x2 x2 + |x|(1 + r2 )|u| (1 + r2 )|u| |x| < r (1 )x2 , donde 0 < < 1. Por lo tanto, el sistema es localmente ISS con k1 = r, k2 = r/(1 + r2 ), y (a) = a(1 + r2 )/. |x| u2
5.5 Ejercicios
109
5.5
Ejercicios
Ejercicio 5.1 Sea la ecuacin de Lyapunov P A + AT P = Q, donde Q = QT > 0 y A es Hurwitz. Sea o (Q) = min (Q)/max (P ). (i) Mostrar que (kQ) = (Q) para cualquier nmero positivo k. u (ii) Sea Q = QT > 0 tal que min (Q) = 1. Mostrar que (I) (Q). (iii) Mostrar que (I) (Q) para toda Q = QT > 0. Ayuda: Para la parte ((ii)), si P1 y P2 son las soluciones de la ecuacin de Lyapunov para o respectivamente, mostrar que Q=I yQ=Q
P1 P 2 =
0
T eA t (I Q)eAt dt 0.
Ejercicio 5.2 Sea el sistema x = Ax + Bu y sea u = F x una realimentacin de estados estabilizante; es o decir, tal que la matriz (A + BF ) es Hurwitz. Supongamos que, debido a limitaciones f sicas, debemos usar un limitador para evitar que el valor de las componentes ui de u no superen en valor absoluto el mximo preestablecido L > 0, o sea que |ui (t)| L. a
E B
x E l E T
A '
Fx
'
F '
Figura 5.1: Realimentacin de estados saturada o
El sistema a lazo cerrado, ilustrado en la Figura 5.1, puede representarse por x = Ax + BLsat(F x/L), donde sat(v) es un vector cuya componente i-sima es la funcin saturacin e o o 1, para v1 < 1 sat(vi ) = vi , para |vi | 1 1, para vi > 1
110
Sumando y restando el trmino BF x, podemos reescribir el sistema lazo cerrado como e x = (A + BF )x + Bh(F x), donde h(v) = Lsat(v/L) v. As el efecto del limitador puede verse como una perturbacin , o del sistema nominal sin limitaciones en la entrada. (i) Mostrar que |hi (v)| /(1 + )|vi | si |vi | L(1 + ). (ii) Sea P la solucin de P (A + BF ) + (A + BF )T P = I. Mostrar que la derivada o T de V (x) = x P x a lo largo de las trayectorias del sistema a lazo cerrado es denida negativa en la regin {x : |(F x)i | L(1 + )} si /(1 + ) < 1/(2 P B 2 F 2 ). o (iii) Mostrar que el origen es asintticamente estable y discutir cmo puede estimarse la o o regin de atraccin. o o (iv) Aplicar los resultados anteriores al caso A= 1 1 , 1 1 B= 1 0 , 0 1 F = 0 1 , 1 1.9
y L = 1. Estimar la regin de atraccin del origen. o o Ejercicio 5.3 Sea el sistema x1 = x1 + (t)x2 x2 = (t)x1 x2 + h(t) cos x1 donde (t) y h(t) son funciones continuas, y |h(t)| H para todo t 0. Mostrar que las soluciones del sistema son globalmente uniformemente nalmente acotada y estimar la cota nal. Ejercicio 5.4 Sea el sistema
2
x1 =
sen x2
1 x1
x2 = bx1 (1 + b)x2 . (i) Con b = 0, mostrar que el origen es exponencialmente estable y globalmente asintticamente o estable. (ii) Con b = 0, mostrar que el origen es exponencialmente estable para |b| sucientemente pequeo, pero que no puede ser GAE por ms pequeo que sea |b|. n a n (iii) Discutir los resultados de las partes (i) y (ii) en relacin a los resultados de perturbacin o o de puntos de PE, y mostrar que cuando b = 0 el origen no es globalmente exponencialmente estable.
5.5 Ejercicios Ejercicio 5.5 Sea el sistema escalar x= x 1 + x2
111
y V (x) = x4 . (i) Mostrar que las desigualdades (4.15) se satisfacen con 1 (r) = 2 (r) = r4 , 3 (r) = 4r4 , 1 + r2 4 (r) = 4r3
(ii) Vericar que estas funciones son clase K . (iii) Mostrar que el lado derecho de (5.24) tiende a cero cuando r . (iv) Considerar el sistema perturbado x= x + 1 + x2
donde es una constante positiva. Mostrar que para toda > 1/2 la solucin x(t) escapa o a innito para cualquier condicion inicial x(0). Ejercicio 5.6 Investigar la estabilidad entrada-estado (ISS) de cada uno de los siguientes sistemas escalares x = (1 + u)x3 , x = x + x2 u, Ejercicio 5.7 Sea el sistema x1 = x1 sen x2 2
2
x = (1 + u)x3 x5 , x = x x3 + u.
x2 = x2 + u. (i) Con u = 0, mostrar que el origen es GAE. (ii) Mostrar que para cualquier entrada acotada u(t), el estado x(t) es acotado. (iii) Con u(t) 1, x1 (0) = a, y x2 (0) = 1, mostrar que la solucin es x1 (t) a,x2 (t) 1. o (iv) Es el sistema ISS?
Parte II Control
Cap tulo 6 Control en Realimentacin o

Los ultimos cap tulos tratan sobre el diseo de control en realimentacin. Introducimos varias n o herramientas de diseo, incluyendo linealizacin, tabulacin de ganancia, linealizacin exacta n o o o por realimentacin, control integral, etc. La mayor de las herramientas de anlisis que hemos o a a visto en los cap tulos anteriores entran en juego en estos ultimos cap tulos. En particular, en este cap tulo comenzamos con una seccin general sobre problemas de control a modo de o introduccin a los cap o tulos que siguen. Luego presentamos dos secciones sobre diseo v n a linealizacin, y diseo por tabulacin de ganancia (gain scheduling). o n o
6.1
Problemas de Control
Muchas tareas de control requieren el uso de control por realimentacin. En general, un o objetivo bsico de un sistema de control es hacer que alguna salida, digamos y, se comporte a de forma deseada mediante la manipulacin de alguna entrada, digamos u. El objetivo ms o a simple puede ser tratar de mantener y pequea (o cercana a algn punto de equilibrio) un n u problema de regulacin o estabilizacin o tratar de mantener la diferencia y r pequea, o o n donde r es una seal de entrada de referencia perteneciente a cierta clase de seales deseadas n n un problema de servomecanismo o seguimiento. Por ejemplo: En un avin comercial la aceleracin vertical debe mantenerse por debajo de cierto valor o o para garantizar comodidad a los pasajeros. En un amplicador de audio la potencia de seales de ruido en la salida debe ser sun cientemente pequea para obtener buena delidad. n En la fabricacin de papel el contenido de humedad debe mantenerse entre ciertos valores o especicados. Cada problema de control, a su vez, puede tener distintas versiones, dependiendo de los elementos disponibles para resolverlo. Por ejemplo, uno puede resolver un problema de regulacin por realimentacin de estados, si es que todos los estados necesarios son medibles, o o o bien, por realimentacin de salida. o En un problema de control t pico existen objetivos de diseo adicionales a los bsicos n a de regulacin o seguimiento. Por ejemplo, pueden existir requerimientos especiales sobre la o respuesta transitoria de y, o restricciones en los valores de la entrada de control u. Estos objetivos adicionales pueden no ser completamente compatibles entre s por lo que en muchos ,
116
Control en Realimentacin o
casos forzosamente se cae en soluciones de compromiso. El deseo de optimizar estas soluciones de compromiso da lugar a la formulacin de varios problemas de control ptimo. o o Un objetivo de control adicional particularmente importante es el de mantener los objetivos bsicos de diseo ante la presencia de incertidumbres en el modelo matemtico del a n a sistema. El diseo de control con tolerancia de incertidumbres de modelado lleva a la forn mulacin de problemas de control robusto, o bien problemas de control adaptable. En control o robusto, la incertidumbre de modelado se caracteriza como una perturbacin de un modelo o nominal. En control adaptable, por otro lado, la incertidumbre se caracteriza en trminos e de un conjunto de parmetros desconocidos, y se disea la realimentacin de forma que estos a n o parmetros puedan estimarse mientras el sistema se encuentra en operacin. Existen tambin a o e formulaciones mixtas, que combinan control robusto y adaptable. En este curso nos limitamos a describir los problemas bsicos de estabilizacin, seguimiento, a o y rechazo de perturbaciones. Comenzamos con el problema de estabilizacin, en sus versiones o de realimentacin de estados, y realimentacin de salida. o o
6.1.1
Estabilizacin o
Realimentacin de estados. El problema de estabilizacin para el sistema o o x = f (t, x, u) es el problema de disear una ley de control n u = (t, x) tal que el origen x = 0 sea un punto de equilibrio uniformemente asintticamente estable del o sistema a lazo cerrado x = f (t, x, (t, x)). Una vez que sabemos como resolver este problema, podemos estabilizar el sistema con respecto a un punto p arbitrario mediante traslacin del origen con el cambio de variables = x p. o Ms an, p no tiene que ser un punto de equilibrio del sistema a lazo abierto (basta que exista a u q tal que f (t, p, q) = 0, t). La ley de control en realimentacin u = (t, x) suele llamarse realimentacin esttica, o o a puesto que es una funcin esttica de x. Alternativamente, puede usarse una ley de control o a dinmica a u = (t, x, z) z = g(t, x, z), donde z es la solucin de un sistema dinmico cuya entrada es x. Un ejemplo t o a pico de realimentacin dinmica es el control con accin integral, que veremos ms adelante. o a o a Realimentacin de salida. El problema de estabilizacin por realimentacin de salida para o o o el sistema x = f (t, x, u) y = h(t, x, u)
6.1 Problemas de Control consiste en disear el control esttico n a u = (t, y)
117
o bien (mas comn en este caso ya que por lo general se necesita construir un observador para u estimar el estado x) el control dinmico a u = (t, y, z) z = g(t, y, z) tal que x = 0 (z = 0) sea un punto de equilibrio uniformemente asintticamente estable del o sistema a lazo cerrado x = f (t, x, ()). Sistemas lineales estacionarios. Naturalmente, el problema de estabilizacin por realio mentacin se simplica si el sistema es lineal y estacionario, o x = Ax + Bu y = Cx + Du El control u = Kx preserva la linealidad del sistema, y el origen del sistema a lazo cerrado x = (A + BK)x es exponencialmente estable sii A + BK es Hurwitz. La teor de sistemas lineales establece a que si el par (A, B) es controlable, se pueden asignar arbitrariamente todos los autovalores de A + BK mediante eleccin apropiada de F . Si (A, B) es estabilizable, slo pueden asignarse o o los autovalores controlables, pero los no controlables de A (a lazo abierto) deben tener parte real negativa. Cuando los estados no estn disponibles para realimentacin, se puede construir un obsera o vador, y se realimentan los estados estimados x, x = A + Bu + H(C x + Du y) x u = Kx En este caso, para asegurar que x(t) converge a x(t), la matriz A + HC debe ser Hurwitz. La teor de sistema lineales garantiza que si el par (A, C) es observable, se pueden asignar a arbitrariamente todos los autovalores de A + HC mediante eleccin apropiada de H. o Una propiedad importante de los sistemas lineales es el principio de separacin, que eso tablece que el problema de estabilizacin por realimentacin de salida puede resolverse como o binando las soluciones de (i) El problema de estabilizacin mediante realimentacin esttica de estados, u = Kx, o o a (ii) El problema de observacin de x a partir de la medicin de u e y. o o Si las matrices A + BK y A + HC son Hurwitz, el sistema a lazo cerrado realimentado v a observador es estable, y con los autovalores a lazo cerrado deseados. Esto puede comprobarse planteando la dinmica del sistema total planta/error de estimacin, x = x x, a o x A + BK BK = 0 A + HC x x x
118
Sistemas no lineales. Para sistemas no lineales generales el problema de estabilizacin es o ms dif y no hay una solucin unicada como en el caso lineal. La forma ms prctica de a cil o a a encararlo es recurrir a los resultados disponibles en el caso lineal, es decir, v linealizacin. a o Vamos a estudiar dos mtodos de este tipo: e (i) Diseo v linealizacin (Seccin 6.2): linealizamos el sistema alrededor del origen, y n a o o diseamos un control lineal estabilizante para la linealizacin. La estabilidad alcanzan o da en el sistema no lineal ser local, aunque podemos estimar la regin de atraccin. a o o La validez de esta idea est garantizada por el Mtodo Indirecto de Lyapunov (Teorea e ma 3.11). (ii) Control por ganancia tabulada (Seccin 6.3): linealizamos el sistema alrededor de una o familia de puntos de equilibrio deseados, diseamos un control lineal estabilizante para n cada linealizacin, y usamos algn mecanismo para conmutar de uno a otro. o u En el Cap tulo 7 veremos una idea de linealizacin distinta; trabajaremos con clases eso peciales de sistemas no lineales que pueden transformarse en sistemas lineales mediante realimentacin y (posiblemente) cambio de coordenadas. Luego de esta transformacin se puede o o disear un controlador lineal estabilizante para el sistema lineal obtenido. A diferencia de la n anterior, este tipo de linealizacin no involucra ninguna aproximacin; es exacta. Esta exactio o tud, sin embargo, asume conocimiento perfecto de las ecuaciones de estado del sistema y usa este conocimiento para cancelar en forma exacta las alinealidades del sistema. Como en la prctica es imposible el conocimiento exacto del modelo del sistema, este mtodo siempre rea e sulta en un sistema a lazo cerrado que es una perturbacin del sistema a lazo cerrado nominal. o La validez del mtodo, entonces, utiliza los resultados de teor de Lyapunov para sistemas e a perturbados vistos en el Cap tulo 5. Cuando un sistema lineal se estabiliza por realimentacin, el origen del sistema a lazo o cerrado es globalmente asintticamente estable. Para sistemas no lineales hay distintas posio bilidades de estabilizacin, que ilustramos sobre un ejemplo. o Ejemplo 6.1. Supongamos que deseamos estabilizar el origen del sistema escalar x = x2 + u usando realimentacin. o Estabilizacin Local: PE AE sin estima de la RA. o Linealizando sobre el PE x = 0 obtenemos el sistema x = u, para el cual calculamos un control lineal local u = k x, k > 0, obteniendo x = k x + x2 El PE x = 0 del sistema a lazo cerrado de arriba es AE, por lo tanto u = k x consigue estabilizacin local. o Estabilizacin Regional: PE AE con una RA garantizada. o Es fcil de ver que la RA de u = k x es {x R : x < k}, por lo tanto obtenemos a estabilizacin regional en {x R : x < k}. o
6.1 Problemas de Control Estabilizacin Semiglobal: PE AE con RA compacta arbitrariamente grande. o
119
Se puede disear el control tal que cualquier conjunto compacto (tan grande como se n quiera) est contenido en la RA. En el ejemplo, aumentando k agrandamos la RA; dado e cualquier conjunto compacto Br = {|x| r}, lo podemos incluir en la RA tomando k > r. Estabilizacin Global: PE GAE. o Para el ejemplo, u = k x no consigue estabilizacin global. Esto es fcil de ver ya que, o a dado r, elegimos k > r, pero una vez que k est ja, las condiciones iniciales en la regin a o {x > k} dan soluciones que divergen. Sin embargo, el control no lineal u = x2 k x consigue estabilizacin global, ya que el o sistema a lazo cerrado x = k x es GAE.
6.1.2
Seguimiento en Presencia de Perturbaciones
Pasemos ahora a describir un problema de control ms general; concretamente, el problema a de seguimiento en presencia de perturbaciones. En este caso el sistema est modelado por a x = f (t, x, u, w) y = h(t, x, u, w) ym = hm (t, x, u, w) donde x es el estado, u es la entrada de control, w es la seal de perturbacin, y es la salida n o a controlar, e ym es la salida medida. El objetivo de control bsico es disear la entrada de control de forma que la salida cona n trolada y siga una seal de referencia yR , por ejemplo, asintticamente: n o e(t) = y(t) yR (t) 0 cuando t . A veces esto es imposible para cierto tipo de seales de perturbacin w, entonces se puede n o pedir, alternativamente, que e(t) est nalmente acotada, es decir e e(t) < , t T
o, si w L2 , minimizar la ganancia L2 del operador a lazo cerrado entre w y e. Una clase importante de problemas de seguimiento se da cuando yR es una seal constante. n En este caso el problema se convierte en uno de regulacin, y se resuelve estabilizando el lazo o cerrado alrededor de un PE en donde y = yR . Las leyes de control por realimentacin para el problema de seguimiento se clasican de o la misma forma vista para el problema de estabilizacin. Hablamos de realimentacin de o o estados si x puede medirse; o sea, ym = x; de lo contrario hablamos de realimentacin de o salida. En forma anloga, la realimentacin puede ser esttica o dinmica, y puede alcanzar a o a a seguimiento local, regional, semiglobal o global. La diferencia en este caso es que la localidad o globalidad se reere no slo al tamao de las condiciones iniciales, sino tambin al tamao o n e n de las seales externas. Por ejemplo, en un problema t n pico, seguimiento local signica que se alcanza seguimiento para estados iniciales y seales externas sucientemente pequeas, n n mientras que seguimiento global signica que se alcanza seguimiento para cualquier estado inicial y cualquier (y, w) en una determinada clase de seales. n
120
6.2
Dise o V Linealizacin n a o
Ilustramos el diseo v linealizacin para los problemas de estabilizacin y regulacin. En n a o o o cada caso, comenzamos con el control por realimentacin de estados y luego presentamos el o control por realimentacin de salidas. o
6.2.1
Estabilizacin o
Realimentacin de estados o Consideramos el sistema x = f (x, u), x Rn , u Rp , (6.1)
donde f (0, 0) = 0, f (x, u) es continuamente diferenciable en un dominio que contiene el origen (x, u) = (0, 0). Linealizando alrededor de (x, u) = (0, 0) obtenemos el sistema lineal x = Ax + Bu donde A= f x B=
(x,u)=(0,0)
(6.2)
f u
.
(x,u)=(0,0)
(6.3)
De la teor de sistemas lineales, recordamos ahora algunas propiedades que vamos a usar en a adelante. Para ms detalles y demostraciones ver por ejemplo Chen [1999, Cap a tulos 6 y 8] o Bay [1999, Cap tulos 8 y 10]. Denicin 6.1 (Controlabilidad). La ecuacin de estados (6.2), o el par (A, B), se dice o o controlable si para cualquier estado inicial x(0) = x0 Rn y cualquier estado nal x1 Rn , existe una entrada u que transere el estado x de x0 a x1 en tiempo nito. En caso contrario, la ecuacin (6.2), o el par (A, B), se dice no controlable. o Proposicin 6.1 (Test de Controlabilidad). El par (A, B), A Rnn , B Rnp , es o controlable si y slo si la matriz de controlabilidad, o C = B AB A2 B An1 B , es de rango n (rango la pleno). C Rnnp ,
Proposicin 6.2 (Invariancia de la controlabilidad respecto a realimentacin). El o o pn par (A + BK, B), para cualquier matriz K , es controlable si y slo si el par (A, B) es o controlable. Proposicin 6.3 (Controlabilidad y asignabilidad de autovalores). Todos los autoo valores de (A + BK) pueden asignarse arbitrariamente (siempre y cuando los autovalores complejos conjugados se asignen en pares) eligiendo la matriz constante real K si y slo si o (A, B) es controlable. Asumiendo (A, B) controlable, calculamos K tal que A + BK sea Hurwitz, y aplicamos u = Kx al sistema no lineal, obteniendo el sistema a lazo cerrado x = f (x, Kx).
6.2 Diseo V Linealizacin n a o Obviamente x = 0 es un PE del sistema y la linealizacin es o x= f f (x, Kx) + (x, Kx) K x u = (A + BK)x.
x=0
121
Como A + BK es Hurwitz, el Teorema 3.11 garantiza que x = 0 es un PE exponencialmente estable del sistema no lineal. Como subproducto del enfoque de linealizacin, disponemos o adems de una funcin de Lyapunov para estimar la RA: a o V (x) = xt P x , donde P = P t > 0 se calcula de la ecuacin de Lyapunov o P (A + BK) + (A + BK)t P = I. Ejemplo 6.2 (Control del pndulo por linealizacin y realimentacin de estados). e o o Consideremos la ecuacin del pndulo o e = a sen b + c T donde a = g/l > 0, b = k/m 0, c = 1/(ml2 ) > 0, es el ngulo entre la cuerda y el eje a vertical, y T es el par aplicado al pndulo. Usando el par como entrada de control, queremos e estabilizar al pndulo en un ngulo = . Tomando como variables de estado x1 = y e a se obtiene el modelo de estado x2 = x1 = x2 , x2 = a sen(x1 + ) b x2 + c T (6.4)
Para que (6.4) tenga un PE en el origen, el par debe tener una componente esttica Tf que a satisfaga a sen + c Tf = 0 es decir Tf = a sen c (6.5)
Denimos la variable de control u = T Tf y reescribimos (6.4) como x1 = x2 , x2 = a [sen(x1 + ) sen ] b x2 + c u que est en la forma (6.1) con f (0, 0) = 0. Linealizando alrededor del origen obtenemos las a matrices A= 0 1 , a cos b B= 0 c (6.6)
El par (A, B) es controlable. Tomando K = [k1 k2 ], obtenemos A + BK = 0 1 , k1 c a cos k2 c b
122
cuyo polinomio caracter stico es () = 2 +(k1 ca cos )+(k2 cb). No es dif comprobar cil que A + BK es Hurwitz si k1 < a cos , c b k2 < . c
Usando (6.5), el par de control que consigue, localmente, estabilizar el ngulo en un valor es a T = a sen a sen +Kx= + k1 ( ) + k2 . c c Realimentacin de salida o Consideramos el sistema x = f (x, u) , y = h(x) donde f (0, 0) = 0, h(0) = 0, f y h son continuamente diferenciables en un dominio que contiene al origen (x, u) = (0, 0). Linealizando alrededor de (x, u) = (0, 0), obtenemos el sistema lineal x = Ax + Bu y = Cx donde A y B estn denidas en (6.3), y a C= h x .
x=0
(6.7)
De la teor de sistemas lineales, recordemos ahora los conceptos y resultados relativos a a observabilidad. Denicin 6.2 (Observabilidad). La ecuacin de estado (6.7) es observable si para cualquier o o estado inicial x(0) (desconocido), existe un tiempo nito t1 tal que el conocimiento de la entrada u y la salida y sobre el intervalo [0, t1 ] es suciente para determinar en forma unica el estado inicial x(0). En caso contrario el sistema no observable. Proposicin 6.4 (Dualidad entre controlabilidad y observabilidad). El par (A, C) es o observable si y slo si el par (AT , C T ) es controlable. o Si el sistema (6.7) es observable, entonces es posible estimar asintticamente el vector de o estados x(t) a partir del conocimiento de la entrada u(t) y la salida y(t) del sistema. La estima x(t) puede calcularse construyendo el observador x = A + Bu + H(C x y). x Si la matriz A + HC es Hurwitz, la estima x(t) se aproximar asintticamente a x(t) a medida a o que t crece, es decir, limt x(t) x(t) = 0. Si (A, C) es observable, es posible asignar arbitrariamente los autovalores de A + HC.
6.2 Diseo V Linealizacin n a o
123
Proposicin 6.5 (Asignacin de autovalores en observadores). Dado el par (A, C), o o todos los autovalores de (A + HC) pueden asignarse arbitrariamente seleccionando una matriz real H si y slo si (A, C) es observable. o Volviendo a nuestro sistema (6.7), asumimos (A, B) controlable, (A, C) observable, y diseamos el control dinmico n a z = F z + Gy u = Lz + M y tal que la matriz de lazo cerrado del sistema aumentado (6.7)(6.8), ALC = A + BM C BL , GC F (6.9) (6.8)
sea Hurwitz. Un ejemplo es el control basado en observador (la variable z corresponde entonces a la estima del estado x) x = A + Bu + H(C x y) x u = Kx donde K y H se calculan de forma tal que A + BK y A + HC sean Hurwitz, lo que resulta en ALC = A BK . HC A + BK + HC
Aplicando el control (6.8) al sistema no lineal obtenemos x = f (x, Lz + M h(x)) z = F z + Gh(x). Es claro que (x, z) = (0, 0) es un PE del sistema no lineal a lazo cerrado. Linealizando nos queda la matriz (6.9), por lo que el origen resulta un PE exponencialmente estable. Adems, a resolviendo una ecuacin de Lyapunov para la matriz (6.9), disponemos de una funcin de o o Lyapunov, para estimar la RA. Ejemplo 6.3 (Control del pndulo por linealizacin y realimentacin de salida). e o o Volvemos a considerar el pndulo del Ejemplo 6.2. Supongamos que el objetivo de control es e el mismo, pero ahora medimos el ngulo pero no medimos la velocidad angular . Tomamos a como variable de salida y = x1 = , y construimos un control dinmico de salida usando a el observador x = A + Bu + H(1 y) x x Tomando H = [h1 h2 ], puede vericarse que A + HC es Hurwitz si h1 < b , h2 < a cos b h1
El par de control es ahora T = a sen + K x. c
124
6.2.2
Regulacin V Control Integral o a
En el Ejemplo 6.2 consideramos el problema de regular el ngulo del pndulo a un valor a e constante , para lo cual redujimos el problema a uno de estabilizacin mediante corrimiento o del punto de equilibrio deseado al origen. Aunque este enfoque es adecuado cuando se conocen los parmetros del sistema con exactitud, puede no ser aceptable si existen perturbaciones de a los valores nominales de los parmetros del modelo. En esta seccin presentamos una mejora al a o esquema de realimentacin de estados, el agregado de accin integral, que permitir regulacin o o a o robusta frente a perturbaciones paramtricas. e La ley de control de par a la que arribamos en el Ejemplo 6.2, T = a sen + Kx, c
est formada por a (i) una componente esttica de rgimen estacionario Tf = (a/c) sen que da el valor de a e equilibrio de , digamos f , en el valor deseado de ngulo , y a (ii) una componente de realimentacin Kx que hace que A + BK sea Hurwitz. o Mientras el clculo de ambas componentes depende de los parmetros del sistema, la parte a a de realimentacin puede disearse para que sea robusta dentro de un rango de valores de los o n parmetros. Por otro lado, el clculo de Tf puede ser sensible a variaciones en los parmetros a a a del modelo respecto de sus valores nominales, lo cual cambiar el valor estacionario de del a valor deseado . El esquema que presentamos a continuacin permitir que el valor de regule o a al valor deseado tambin en forma robusta. e Consideramos el sistema x = f (x, u) y = h(x) donde x Rn , u Rp , f y h son funciones continuamente diferenciables en un dominio incluido en Rn Rp , y Rp es la salida a regular. Sea yR Rp una seal de referencia n constante. Queremos disear un control en realimentacin tal que n o y(t) yR cuando t
Asumimos que medimos la salida y. Vamos a estabilizar el sistema a lazo cerrado en un PE tal que y = yR . Es claro que, para que esto sea posible, deben existir valores xf y uf tales que 0 = f (xf , uf ) 0 = h(xf ) yR Asumimos que (6.10) tiene una solucin unica en el dominio de inters. o e Integramos el error de seguimiento e y yR : = e = y yR y aumentamos el sistema con el integrador x = f (x, u) = h(x) yR (6.10)
6.2 Diseo V Linealizacin n a o
125
El control se va a disear como una realimentacin de los estados x y y tal que el sistema a n o lazo cerrado tenga un PE en (, ) con x = xf . x Si linealizamos alrededor de (x, , u) = (xf , , uf ), obtenemos B A 0 = + v C 0 0 con = y donde A= f x B=
(x,u)=(xf ,uf )
A + Bv
x xf
v = u uf
f u
C=
(x,u)=(xf ,uf )
h x
x=xf
A Si (A, B) es controlable y el rango de [ C B ] es n+p, entonces (A, B) es controlable. Supongamos 0 que es as y calculemos K tal que A + BK sea Hurwitz. Partimos K como K = K1 K2 , donde K2 es p p y no singular (si fuera singular, puede mostrarse que A + BK ser singular, a lo que contradice el hecho de que es Hurwitz). El control es entonces
u = K1 (x xf ) + K2 ( ) + uf El control integral introduce un grado de libertad que puede usarse para asignar el valor de . Si elegimos
1 = K2 (uf K1 xf )
el control dinmico obtenido queda a = e = y yR u = K1 x + K2 con lo que ya no necesitamos incluir un trmino esttico en el control para obtener el valor e a de rgimen permanente deseado. La Figura 6.1 muestra un diagrama de bloques del sistema e controlado con este esquema de realimentacin de estados con accin integral. o o yR + u c E j E e E K2 E j +T +T x
E E
x
e E h(x)
f (x, u)
Ec
K1 '
Figura 6.1: Esquema de realimentacin de estados con accin integral. o o
126 El sistema no lineal a lazo cerrado es x = f (x, K1 x + K2 ) = h(x) yR
que tiene un PE en (xf , f ). Si linealizamos sobre este PE queda =

f x
f K u 1 h x
f K u 2
(x,)=(xf ,f )
= (A + BK), que es exponencialmente estable. Por lo tanto y(t) yR cuando t (para condiciones iniciales en la regin de atraccin). o o Ejemplo 6.4 (Control del pndulo por linealizacin y realimentacin de estados e o o con accin integral). Volvemos a considerar el pndulo del Ejemplo 6.2, donde el objetivo o e de control es estabilizar al pndulo en un ngulo = . Tomando x1 = , x2 = , y = x1 e a y u = T obtenemos el modelo de estado x1 = x2 , x2 = a sen(x1 + ) b x2 + c u y = x1 = e Tomando la referencia yR = 0 puede verse que el equilibrio deseado es xf = 0 , 0 uf = a sen c
Las matrices A y B estn dadas por (6.6), y C = [ 1 0 ]. Como (A, B) es controlable y el a A rango de [ C B ] es n + p = 3, entonces (A, B) es controlable. Tomando K = [k1 k2 k3 ], puede 0 vericarse usando el criterio de Routh-Hurwitz que A + BK es Hurwitz si b k2 c > 0 (b k2 c)(a cos k1 c) + k3 c > 0 k3 c > 0
Supongamos ahora que no conocemos los valores exactos de los parmetros a > 0, b 0, a c > 0, pero conocemos una cota superior 1 de a y una cota inferior 2 de c. Entonces, tomando k2 < 0 , k3 < 0 , k1 < 1 2 1+ k3 k 2 1
nos aseguramos que A+BK es Hurwitz para toda perturbacin de los parmetros que satisfaga o a las cotas a 1 y c 2 . La ley de control del par es T = k1 ( ) + k2 + k3 = que es un clsico control PID (proporcional-integral-derivativo). Comparando con el par de a control obtenido en el Ejemplo 6.2, podemos ver que no es necesario usar el par estacionario para mantener el equilibrio deseado.
6.3 Control por Ganancia Tabulada
127
La robustez del control integral puede explicarse intuitivamente de la siguiente manera. El control en realimentacin de estados crea un PE AE. Cuando el sistema est en este punto o a de equilibrio, todas las seales deben ser constantes. Para que el integrador = e tenga una n salida constante , su entrada e debe ser cero. Por lo tanto, el control integral fuerza que el error de seguimiento sea cero en equilibrio. Si hay variaciones paramtricas, el PE va a e cambiar en general, pero la condicin e = 0 en el equilibrio se mantiene. Por supuesto, como o el resultado de estabilizacin es local, esto va a valer para condiciones iniciales (x(0), (0)) lo o sucientemente cercanas al PE (xf , f ). Si no disponemos de los estados x pero medimos y, el control integral puede implementarse mediante un observador de la siguiente manera u = K1 x + K2 = e = y yR x = A + Bu + H(C x y), x representado en el esquema de la Figura 6.2. Notar que usamos el observador para estimar solamente x, ya que est siempre disponible para la realimentacin. a o yR +T
e E K 2
c E j E
E j
+ u +T
x
E E
x
e
f (x, u)
. E h(x)
Ec
Sistema a lazo abierto c
B x K1 '
E e '
+c ' j + T
H '
A + HC
Observador
Figura 6.2: Esquema de realimentacin de salida con accin integral. o o
6.3
Control por Ganancia Tabulada
La principal limitacin del control por linealizacin es que slo se puede garantizar que el o o o control cumple su objetivo localmente alrededor de un unico PE, o punto de operacin (PO). o Una forma de extender la validez del control por linealizacin a un conjunto de POs es usar o control por ganancia tabulada (gain scheduling). Este enfoque asume que se puede representar el sistema mediante un modelo parametrizado por ciertas variables, llamadas variables de tabulacin (scheduling variables), de modo que cuando estas variables asumen un valor o constante obtenemos un PO. En estos casos, se linealiza el sistema alrededor de distintos POs de inters, obtenindose una familia de modelos lineales para la cual diseamos una familia de e e n
128
controladores lineales. Luego, se implementa el esquema de control en un unico controlador cuyos parmetros son cambiados acorde a los valores que toman las variables de tabulacin, a o que debern monitorearse continuamente. a El concepto de control por ganancia tabulada se origina en sistemas de control de aeronaves. En estas aplicaciones, las ecuaciones no lineales de movimiento de la aeronave se linealizan alrededor de ciertos POs que capturan los modos principales de operacin de la aeronave a lo o largo del patrn de vuelo deseado. Se disean, entonces, controladores lineales para alcanzar la o n estabilidad y el desempeo deseados para cada una de las linealizaciones del sistema en cada n PO. Luego se interpolan los valores de los parmetros de los controladores como funciones a de las variables de tabulacin; t o picamente, presin, velocidad, altitud, etc. Finalmente, el o controlador por ganancia tabulada se implementa como un sistema no lineal. Vamos a presentar la idea de control por ganancia tabulada a travs de un ejemplo simple de e control de nivel. Ver Khalil [1996, pp.499506] para una formulacin general y ms referencias. o a Ejemplo 6.5 (Control de nivel). El sistema, representado en la Figura 6.3, puede modelarse por las ecuaciones d dt
h
(z)dz
0
= q c 2h,
donde h es el nivel del l quido en el tanque, q es el caudal de entrada y c es una constante positiva. Tomando x = h como variable de estado y u = q como entrada de control obtenemos el modelo de estado 1 (u c 2x) f (x, u) x= (x) El objetivo de control es que el nivel y = x siga a una referencia yR . Usamos yR como variable de tabulacin. Cuando yR = constante, y debe mantenerse igual a , para lo cual o necesitamos que u se mantenga en el valor u() = c 2.
i Ti i i i
cq
t t t
Figura 6.3: Control de nivel de un tanque. Linealizando alrededor del PO inducido por yR = constante, obtenemos el modelo lineal parametrizado por x = a() x + b() u , donde x = x , u = u u(), f a() = x b() = f u
x= u= u
c 2 , = 2() = 1 ()
x= u= u
6.3 Control por Ganancia Tabulada Consideremos el control PI (proporcional-integral) u = K1 e + K2 = y y R = x = x r , donde r = yR . El sistema lineal a lazo cerrado es x a() + b()K1 b()K2 = 1 0 cuyo polinomio caracter stico es s2 (a + bK1 )s bK2 . x b()K1 + r , 1
129
2 Si, por ejemplo, proponemos tener un polinomio caracter stico de la forma s2 +2n s+n , con determinados valores deseados de y , podemos lograrlo eligiendo las ganancias del control
K1 () =
2n + a() , b()
K2 () =
2 n b()
El control por ganancia tabulada se obtiene cuando reemplazamos por yR , con lo que las ganancias variarn directamente con la altura deseada. Antes de seguir, veamos primero una a reparametrizacin del controlador PI que simplicar la tarea de tabulacin. o a o Parametrizacin simplicada del control PI. A veces es posible simplicar la tarea de o monitoreo y tabulacin mediante una eleccin adecuada de los parmetros del controlador. o o a Por ejemplo, si reparametrizamos el controlador PI como u = K e + 1 , T K = K1 , T = K1 , K2
y suponiendo que |a()| 2n (o sea que la parte real deseada para los polos a lazo cerrado es mucho mayor que el polo a lazo abierto), entonces obtenemos K() = 2n + a() 2n , b() b() T () = 2n + a() 2 2 n n
Tomando K() = 2n /b() = 2n () y T = 2/n , vemos que slo hace falta tabular o una unica variable: K(). Con este control PI parametrizado en , la linealizacin del sistema o a lazo cerrado alrededor de (x, ) = (, ()), e y = , resulta x x = A () + B r y = C donde A () =
2 a() 2n n , 1 0
x ,
B =
2n , 1
C = 1 0 .
(6.11)
La funcin de transferencia a lazo cerrado correspondiente, de r a y = x , resulta o

2 2n s + n 2 s2 + [2n a()]s + n
130
Control PI de ganancia tabulada por yR . Dejemos por ahora este anlisis lineal y a consideremos el controlador PI de ganancia tabulada u = K(yR ) e + = e = y yR donde la ganancia K se tabula como una funcin de la seal de referencia yR , no necesariamente o n constante. Cuando se aplica este control a la ecuacin de estado no lineal, el sistema no lineal o a lazo cerrado resulta n 1 x= 2n (yR ) x yR + c 2x (x) 2 = x yR y = x. Cuando yR es una constante positiva, yR = , el sistema tiene un PE en c 2 x = , () , 2 n () y el valor de equilibrio de u correspondiente es u = c 2. Es decir, el control por ganancia tabulada logra el PO deseado. La linealizacin del sistema alrededor de este PO (x, ) = o (, ()), e yR = , resulta en la ecuacin lineal de lazo cerrado o = An () + Bn () r , y = Cn las matrices An (), Bn () y Cn () son An () =
2 a() 2n n , 1 0
1 T
= 2n (yR ) e +
n 2
(6.12)
donde =
x ()
Bn =
2n + () , 1
Cn = 1 0 ,
yR =
(6.13)
y la ganancia () = K () ()/(T ()) donde K () = K/yR transferencia a lazo cerrado de r a y = x resulta en este caso
2 [2n + ()]s + n 2 s2 + [2n a()]s + n
. La funcin de o
Comparando (6.11) con (6.13), vemos que los dos modelos lineales representados por (A , B , C ) y (An , Bn , Cn ) son distintos (en la matriz B): (A , B , C ) representa el modelo a lazo cerrado de la familia de modelos lineales parametrizados usados para el diseo del control; n (An , Bn , Cn ) representa la linealizacin alrededor del PO deseado del sistema no lineal a o lazo cerrado con el control por ganancia tabulada. Estos modelos linealizados dieren porque en (A , B , C ) la ganancia est ja en K(), y no a hay que derivar K(yR ) con respecto a yR y evaluarla en yR = . Ambos modelos dieren en la posicin del cero de la funcin transferencia de lazo cerrado, lo que puede dar respuestas o o transitorias muy diferentes. Idealmente quisiramos que ambos modelos sean iguales a n de e que se d el desempeo deseado en las vecindades de cada PO. Vamos a presentar dos trucos e n para que ambos modelos resulten iguales.
6.3 Control por Ganancia Tabulada Truco 1. No imponer la condicin o c 2 () = 2 n ()
131
(que evita el uso de trminos constantes en el control) y en cambio usar el grado de libertad e de asignar () arbitrariamente. El control entonces es u = K(yR ) e + = e = y yR y (yR ) arbitrario. El control (6.12) que usamos antes es un caso particular de (6.14) que surge de imponer la condicin o K(yR ) (yR ) = u(yR ). T El sistema a lazo cerrado puede escribirse como x = fc (x, yR ). Linealizando alrededor de (x, yR ) = (, ) obtenemos fc x donde () = K() () 1 u() + . T () () = a() 2n , fc yR = 2n + (), 1 ( (yR )) + u(yR ) , T u(yR ) = c 2yR (6.14)
x= yR =
x= yR =
Si elegimos () tal que () = 0, es decir tal que K() () u() = T conseguimos que Bn = B , y de esta forma los modelos (6.11) y (6.13) coinciden. Truco 2. Reemplazar el controlador u = K(yR ) e + =e por el controlador u = K(yR )e + z = K(yR )e que, para K constante, puede interpretarse como conmutar la ganancia K con el integrador. 1 z T 1 T
132
Resumen. En base al ejemplo, podemos resumir los pasos a seguir para disear un control n por ganancia tabulada de la siguiente manera. (i) Linealizar el modelo no lineal alrededor de una familia de POs parametrizada por las variables de tabulacin. o (ii) Disear una familia parametrizada de controladores lineales que consigan el desempeo n n deseado para la familia de modelos lineales en cada PO. (iii) Construir un control por ganancia tabulada tal que, en cada PO, el control genere un valor esttico que d error esttico nulo, a e a la linealizacin del sistema no lineal a lazo cerrado en cada PO sea la misma que la de o la conexin en realimentacin del modelo lineal parametrizado y el correspondiente o o control lineal. (iv) Vericar por simulacin el desempeo no local del control por ganancia tabulada para o n el modelo no lineal. El paso (ii) puede conseguirse resolviendo el problema de diseo para una familia de mon delos lineales parametrizados por variables de tabulacin, como hicimos en el ejemplo, o bien, o resolviendo el problema slo en un nmero nito de POs usando la misma estructura de o u control para todos ellos pero permitiendo que los parmetros del controlador cambien de un a PO a otro; luego los parmetros del controlador se interpolan para producir una familia de a controladores lineales. Este proceso de interpolacin se hace usualmente ad hoc, y se basa o en conocimiento del sistema f sico. Como vimos, la eleccin del controlador por ganancia tabulada no es unica. Poder satiso facer el requerimiento sobre los modelos linealizados enunciado en el paso (iii) depende de la estructura de control elegida. Adems, la decisin de hasta qu punto debe insistirse en que a o e las linealizaciones del modelo no lineal a lazo cerrado y del modelo lineal parametrizado a lazo cerrado coincidan depender de las especicaciones y objetivos de control. a Notar que el anlisis de lazo cerrado del controlador por ganancia tabulada slo considera el a o comportamiento local alrededor de un PO constante. Qu puede decirse del comportamiento e regional, o global? Qu sucede cuando la variable de tabulacin no es constante? En la e o prctica, la regla es que puede implementarse un controlador de este tipo siempre que las a variables de tabulacin var en forma sucientemente lenta. La estabilidad de sistemas o en inestacionarios lentos puede justicarse usando los resultados en Khalil [1996, Seccin 5.7]. o
6.4
Ejercicios
Ejercicio 6.1 La Figura 6.4 muestra un esquema de un sistema de suspensin magntica, en el que una o e bola de material metlico se suspende mediante un electroimn de corriente controlada por a a realimentacin a travs de una medicin ptica de la posicin de la bola. o e o o o Este sistema tiene los ingredientes bsicos de sistemas para levitacin de masas usados en a o girscopos, acelermetros y trenes de alta velocidad. o o Bsicamente, la ecuacin de movimiento de la bola es a o m = k y + mg + F (y, i) y
6.4 Ejercicios
133
donde m es la masa de la bola, y 0 es la posicin vertical (hacia abajo) de la bola medida o desde un punto de referencia (y = 0 cuando la bola est pegada al electroimn), k es el a a coeciente de friccin viscosa, g es la aceleracin de la gravedad, F (y, i) es la fuerza generada o o por el electroimn, e i es la corriente. La inductancia del electroimn depende de la posicin a a o de la bola, y puede modelarse como L(y) = L1 + L0 1 + y/a
donde L1 , L0 y a son constantes positivas. Este modelo representa el caso en el que la inductancia tiene su mximo valor cuando la bola est cerca del eleca a i troimn, y decrece a un valor constante a medida que la a + 1 bola se aleja a y = . Tomando E(y, i) = 2 L(y)i2 como v R, L(y) la energ almacenada en la bobina, la fuerza F (y, i) est a a y dada por
m mg v
F (y, i) =
E L 0 i2 = y 2a(1 + y/a)2
Figura 6.4: Sistema de suspensin magntica o e
Comandando el circuito de la bobina con una fuente de tensin v, la ley de tensiones de Kirchho da la relacin o o v = + Ri,
donde R es la resistencia del circuito y = L(y)i es el ujo magntico. e (i) Usando x1 = y, x2 = y y x3 = i como variables de estado, y u = v como entrada de control, mostrar que la ecuacin de estado del sistema est dada por o a x1 = x2 x2 = g k L0 ax2 3 x2 m 2m(a + x1 )2 1 L0 ax2 x3 x3 = Rx3 + +u L(x1 ) (a + x1 )2
(ii) Suponer que se desea equilibrar la bola en una posicin deseada yR > 0. Encontrar los o y v , de i y v respectivamente, necesarios para mantener valores de rgimen permanente i e el equilibrio. (iii) Mostrar que el punto de equilibrio obtenido tomando u = v es inestable. (iv) Usando linealizacin disear un control por realimentacin de estados para estabilizar o n o la bola en la posicin deseada; o sea, hacer el equilibrio asintticamente estable. o o (v) Ensayo de robustez: considerando los datos numricos nominales e m = 0.01kg L0 = 0.01H k = 0.001N/m/s L1 = 0.02H g = 9.81m/s2 R = 10 a = 0.05m yR = 0.05m
estudiar el desempeo del sistema a lazo cerrado mediante simulacin digital. En parn o ticular, estudiar el comportamiento transitorio y el efecto de una variacin del 20% en o todos los valores nominales de los parmetros del sistema. a
134
(vi) Estima de la regin de atraccin: con los mismos datos numricos del punto anterior, reo o e alizar el siguiente experimento: comenzando con la bola en el equilibrio, desplazarla una distancia pequea hacia arriba y luego soltarla. Repetir el experimento gradualmente n incrementando la distancia de desplazamiento inicial. Determinar mediante simulacin o digital el mximo rango de captura para el cual la bola vuelve al equilibrio deseado. a Repetir la experiencia para desplazamientos hacia abajo. (vii) Redisear el control por realimentacin de estados del punto (iv) para incluir accin n o o integral. Repetir los ensayos de los puntos (v) y (vi) y comparar el desempeo de este n diseo con el del punto (iv). n (viii) Asumiendo que slo puede medirse la posicin de la bola y y la corriente i, disear un o o n control lineal por realimentacin de salida, con accin integral, para estabilizar la bola o o en la posicin deseada yR . Repetir los ensayos de los puntos (v) y (vi) y comparar el o desempeo de este diseo con los de los puntos (iv) y (vii). n n (ix) Asumiendo que slo puede medirse la posicin de la bola y y la corriente i, disear un o o n control por ganancia tabulada con accin integral y por realimentacin de salida para que o o la posicin de la bola siga una posicin de referencia yR . Estudiar por simulacin digital o o o el desempeo del sistema a lazo cerrado y compararlo con el diseo via linealizacin del n n o punto anterior. Ejercicio 6.2 La Figura 6.5 representa un sistema de pndulo invertido. El pivote del pndulo est montado e e a sobre un carrito que puede moverse horizontalmente mediante la accin de una fuerza F . o Manipulando F como variable de control, el objetivo es estabilizar el pndulo en posicin e o vertical en una posicin deseada del carrito. o m Los parmetros del sistema, y sus valores nomia nales, son los siguientes,
mg
Figura 6.5: Pndulo invertido e y su comportamiento dinmico puede describirse por las ecuaciones diferenciales ordinarias a 1 m+M mL cos = y () mL cos I + mL2 donde () = (I + mL2 )(m + M ) m2 L2 cos2 (I + mL2 )M + m > 0. mgL sen F + mL2 sen k y
m = 0.1kg M = 1kg L = 0.5m I = 1/120kg m2 k = 0.1N/m/s g = 9.81m/s2 y
masa del pndulo, e masa del carrito, distancia pivote/centro de gravedad, momento de inercia del pndulo, e coeciente de friccin viscosa, o aceleracin de la gravedad, o desplazamiento del pivote, rotacin angular del pndulo, o e
L F M y
6.4 Ejercicios
135
(i) Usando x1 = , x2 = , x3 = y y x4 = y como variables de estado y u = F como entrada de control, escribir las ecuaciones de estado. (ii) Mostrar que el sistema tiene un conjunto de equilibrio. (iii) Se pretende estabilizar el pndulo en su posicin vertical, = 0. Determinar un punto e o de equilibrio a lazo abierto para el cual = 0 y mostrar que es inestable. (iv) Linealizar la ecuacin de estado alrededor del punto de equilibrio elegido y comprobar o que la ecuacin de estado linealizada es controlable. o (v) Usando linealizacin, disear un control por realimentacin de estados para estabilizar o n o el sistema alrededor del punto de equilibrio deseado. (vi) Ensayo de robustez: estudiar el desempeo del sistema a lazo cerrado mediante simun lacin digital. Estudiar en particular el efecto de variaciones de 10% en los valores o nominales de los parmetros del sistema sobre la respuesta transitoria. a (vii) Estima de la regin de atraccin: determinar, mediante simulacin digital, el rango o o o mximo de ngulo inicial que puede tener el pndulo, comenzando en reposo, para que a a e el control diseado pueda llevarlo al equilibrio = 0. n (viii) Asumiendo que slo puede medirse el ngulo y la posicin y del carrito, disear por o a o n linealizacin un control por realimentacin de salidas para estabilizar el pndulo en = 0. o o e Repetir los ensayos (vi) y (vii) y comparar el desempeo de este diseo con el obtenido n n con el control por realimentacin de estados del punto (v). o
Cap tulo 7 Linealizacin Exacta por o Realimentacin o

En este cap tulo introducimos elementos de la teor moderna de control geomtrico de sisa e temas no lineales de control. Esta teor se inici alrededor de los aos 70 con intentos de a o n extender resultados de la teor de sistemas lineales a sistemas no lineales; resultados tales a como los que se reeren a controlabilidad y observabilidad del sistema. Ms tarde, en 1981 a se mostr [Isidori et al., 1981] que no slo estas extensiones eran posibles, sino tambin gran o o e parte de la teor de control geomtrico de sistemas lineales al estilo Wonham [1985]. El a e art culo de Isidori et al. fue seguido durante los aos 80 por un gran nmero de resultados n u que generaron un fantstico juego de herramientas para sistemas no lineales [Isidori, 1995, a 1999]. Una herramienta central en este juego de herramientas es la linealizacin exacta por o realimentacin, que presentamos en este cap o tulo. Consideramos sistemas no lineales anes en la entrada de control, es decir, de la forma x = f (x) + g(x)u, y = h(x), y planteamos qu condiciones se necesitan para que exista una realimentacin de estados e o u = (x) + (x)v y un cambio de variables z = T (x) que transformen al sistema no lineal a una forma lineal equivalente. Esta linealizacin no se o reere a la linealizacin Jacobiana aproximada del sistema, vista en el Cap o tulo 6, sino que convierte exactamente al sistema en lineal. Comenzaremos con linealizacin entrada-estado, en la que la ecuacin de estado completa o o se linealiza exactamente. Luego introduciremos la linealizacin entrada-salida, en la que slo la o o respuesta entrada-salida se linealiza, mientras que una parte del sistema permanece no lineal. Finalmente, presentamos la estabilizacin de sistemas por medio de linealizacin exacta por o o realimentacin. o
7.1
Linealizacin Entrada-Estado o
Vamos a introducir la idea de linealizacin exacta por realimentacin a travs del Ejemplo 6.2 o o e de estabilizacin del pndulo. o e
138
Linealizacin Exacta por Realimentacin o o
Ejemplo 7.1 (Linealizacin exacta del pndulo). La inspeccin del modelo de estado del o e o pndulo e x1 = x2 , x2 = a [sen(x1 + ) sen ] b x2 + c u, muestra que podemos elegir u= v a [sen(x1 + ) sen ] + c c
para cancelar el trmino no lineal de la segunda ecuacin y obtener el sistema lineal e o x1 = x2 , x2 = b x2 + v. De esta manera, el problema de estabilizacin del sistema no lineal se transforma en el problema o de estabilizacin de un sistema lineal controlable. Podemos elegir, por ejemplo o v = k1 x 1 + k2 x 2 tal que los autovalores del sistema a lazo cerrado x1 = x2 , x2 = k1 x1 + (k2 b) x2 tengan parte real negativa. Finalmente, el control completo no lineal que convierte al sistema en lineal y estabiliza su equilibrio es entonces u= 1 a [sen(x1 + ) sen ] + k1 x1 + k2 x2 . c c Vamos a ver ahora cun general es este procedimiento. Es claro que no podemos esperar a cancelar alinealidades en cualquier sistema no lineal; debe haber ciertas propiedades estructurales que permiten tal cancelacin. Del ejemplo podemos ver que o para cancelar un trmino no lineal (x) por substraccin, el control u y el trmino (x) e o e siempre deben aparecer juntos en forma de suma u + (x); para cancelar un trmino no lineal (x) por divisin, el control u y el trmino (x) e o e siempre deben aparecer juntos en forma de producto (x)u; si (x) es no singular en el dominio de inters, puede cancelarse con u = (x) v, con (x) = 1 (x). e Es decir que la posibilidad de convertir una ecuacin de estado no lineal en una lineal o controlable cancelando alinealidades requiere que la ecuacin no lineal tenga la estructura o x = Ax + B (x)1 [u (x)] (7.1)
donde A Rnn , B Rnp , el par (A, B) es controlable, y las alinealidades : Rn Rp , : Rn Rpp , estn denidas en un dominio Dx Rn que contiene al origen. Asumimos a
7.1 Linealizacin Entrada-Estado o
139
que la matriz (x) es no singular x Dx . Si el sistema tiene la estructura (7.1), entonces podemos usar el control u = (x) + (x) v para obtener la ecuacin lineal o x = A x + B v. Ahora para estabilizar el sistema podemos simplemente calcular v = Kx tal que A + BK sea Hurwitz. El control estabilizante completo es no lineal y tiene la forma u = (x) + (x)Kx. Y si el sistema no tiene la estructura (7.1); quiere decir que no es posible linealizarlo por realimentacin? La respuesta es no. Recordemos que la representacin en espacio de estados o o de un sistema no es unica; depende de la eleccin de las variables de estado. An cuando el o u sistema no tenga inicialmente la estructura (7.1) es posible que un cambio de variables lo lleve a la forma (7.1) en otras coordenadas, como vemos en el siguiente ejemplo. Ejemplo 7.2 (Sistema exactamente linealizable despus de cambio de coordee nadas). Sea el sistema x1 = a sen x2 , x2 = x2 + u. 1 (7.2)
e o Si elegimos u = x2 + v para cancelar el trmino no lineal, la primera ecuacin sigue siendo no 1 lineal. Sin embargo, si hacemos el cambio de variables z1 = x1 z2 = a sen x2 = x1 obtenemos el sistema z1 = z2 z2 = a cos x2 (x2 + u) 1 que tiene la forma (7.1), vlida en la regin /2 < x2 < /2. Usando a o u = x2 + 1 1 v a cos x2 (7.3)
el sistema queda linealizado en las nuevas variables. La ecuacin de estados en las nuevas o variables se obtiene invirtiendo la transformacin (7.3), es decir, o x1 = z1 x2 = arcsen z2 a
que est bien denida para a < z2 < a. La ecuacin de estado transformada es a o z1 = z2 z2 = a cos arcsen z2 a
2 (z1 + u).
140
Denicin 7.1 (Difeomorsmo). Un difeomorsmo es un cambio de variables T tal que z = o T (x) est denido en un dominio Dx , su transformacin inversa x = T 1 (z) est denida en a o a Dz = T (Dx ), y ambos T y T 1 son continuamente diferenciables en Dx y Dz , respectivamente. Tenemos ya todos los elementos para hacer la siguiente denicin. o Denicin 7.2 (Sistema Linealizable Entrada-Estado). Un sistema no lineal o x = f (x) + g(x)u (7.4)
con f , g denidas en un dominio Dx Rn y sucientemente suaves (con derivadas continuas hasta el orden que sea necesario), es linealizable entrada-estado si existe un difeomorsmo T : Dx Rn tal que Dz = T (Dx ) contiene al origen y el cambio de variables z = T (x) transforma a (7.4) en z = Az + B (x)1 [u (x)] con (A, B) controlable y (x) no singular en Dx . (7.5)
Tomando 0 (z) = (T 1 (z)) , 0 (z) = (T 1 (z)) nos queda el sistema expresado en las nuevas coordenadas: z = Az + B0 (z)1 [u 0 (z)] Y cundo ser posible encontrar un difeomorsmo que pueda llevar un sistema dado a la a a forma (7.5)? Derivando la ecuacin z = T (x), es decir o z= T T x= [f (x) + g(x)u] x x
e igualndola a (7.5), concluimos que el difeomorsmo T debe satisfacer las condiciones a T f (x) = AT (x) B (x)1 (x) x T g(x) = B (x)1 . x En resumen: La existencia de T , , , A y B que satisfagan las ecuaciones en derivadas parciales (7.6) es una condicin necesaria y suciente para que x = f (x) + o g(x)u sea linealizable entrada-estado. As la determinacin de si un sistema no lineal dado es linealizable exactamente por , o realimentacin se reduce a la resolucin de las ecuaciones en derivadas parciales (7.6). La o o resolucin de estas ecuaciones puede simplicarse, como explicamos a continuacin. o o
(7.6)
141
7.1.1
Condiciones simplicadas para la linealizacin exacta por reo alimentacin o
Cuando un sistema es linealizable entrada-estado, la transformacin z = T (x) no es unica. o La forma ms simple de ver esto es aplicando la transformacin lineal = M z, con M no a o singular; as obtenemos = M AM 1 + M B(x)1 [u (x)] que tiene la misma estructura (7.5) pero con matrices A y B diferentes. Vamos a ver ahora que podemos aprovechar la no unicidad de T para simplicar las ecuaciones en derivadas parciales (7.6). Consideremos el caso p = 1 (una entrada). Dado cualquier par (A, B) controlable, existe M no singular que lo transforma a la forma cannica controlable, es decir, M AM 1 = o t Ac + Bc , M B = Bc , con 0 1 0 ... 0 0 1 0 0 1 . . . 0 0 2 Ac = . . . . . . , = . . Bc = . . . . . . . . . . . . . . 0 0 ... ... 0 1 n Es decir, = (Ac + Bc t ) + Bc (x)1 [u (x)] = Ac + Bc (x)1 [u (x)] donde (x) = (x) (x)t M T (x). Vemos que podemos, sin prdida de generalidad, consi e derar que A y B estn en la forma cannica controlable Ac y Bc . Ahora escribamos a o T1 (x) T2 (x) T (x) = . . . . Tn (x) Es fcil vericar que a Ac T (x) Bc (x)1 (x) = , Tn (x) (x)/(x) T2 (x) . . . y que Bc (x)1 = . 0 1/(x) 0 . . .
Usando estas expresiones en las ecuaciones en derivadas parciales (7.6) se obtiene el siguiente conjunto de ecuaciones T1 f (x) = T2 (x), x T2 f (x) = T3 (x), x . . . Tn1 f (x) = Tn (x), x Tn f (x) = (x)/(x), x T1 g(x) = 0, x T2 g(x) = 0, x . . . Tn1 g(x) = 0, x Tn g(x) = 1/(x). x
142
Las primeras n 1 ecuaciones de la izquierda muestran que las componentes T2 a Tn de T son funciones de la primera componente T1 . Combinando todas las ecuaciones, la bsqueda u se reduce a una funcin T1 (x) que satisfaga o Ti g(x) = 0 , x Tn g(x) = 0 x donde Ti+1 (x) = Ti f (x) , x i = 1, 2, . . . , n 1. i = 1, 2, . . . , n 1; (7.7)
Las funciones y estn dadas por a (x) = 1 , (Tn /x)g(x) (x) = (Tn /x)f (x) . (Tn /x)g(x) (7.8)
Finalmente, para simplicar los clculos en las nuevas variables, vamos a imponerle a T1 (x) a la condicin adicional de que T1 (x ) = 0, donde x es un PE del sistema a lazo abierto en las o coordenadas originales (f (x ) = 0) con respecto al cual queremos estabilizar al sistema. Ejemplo 7.3 (Clculo del difeomorsmo z = T (x)). Consideremos nuevamente el sistema a x= a sen x2 0 + u x2 1 1 f (x) + g u
que tiene un PE en x = 0. Buscamos T1 (x) tal que T1 (0) = 0 y T1 T1 g= x x1 T2 T2 g= x x1 donde T2 (x) = T1 T1 f (x) = x x1 T1 x2 a sen x2 . x2 1 (7.11) T1 x2 T2 x2 T1 0 = = 0, 1 x2 T2 0 = 0, = 1 x2 (7.9) (7.10)
Vemos de (7.9) que T1 (x) no depende de x2 . Usando este dato en (7.11) obtenemos T2 (x) = T1 a sen x2 . x1 (7.12)
Derivando (7.12) con respecto a x2 , y reemplazando el resultado en (7.10) tenemos que T2 T1 = a cos x2 = 0, x2 x1 que se satisface para cos x2 = 0 si tomamos, por ejemplo, T1 (x) = x1 . Reemplazando T1 /x1 = 1 en (7.12) obtenemos T2 (x) = a sen x2 , que junto con T1 (x) = x1 da el mismo cambio de variables propuesto en (7.3). Otras elecciones de T1 son posibles; por ejemplo, T1 (x1 ) = x1 + x3 dar otro cambio de variables que lleva al sistema a la forma (7.6). a 1
143
Ejemplo 7.4 (Generador sincrnico). Un generador sincrnico conectado a un bus innito o o puede representarse con el modelo x = f (x) + g u con x2 f (x) = a[(1 + x3 ) sen(x1 + ) sen ] bx2 , cx3 + d[cos(x1 + ) cos ] 0 0 , g= 1
donde a, b, c, d y son constantes positivas. El sistema tiene un PE en x = 0. Buscamos T1 (x) tal que T1 (0) = 0 y T1 T1 g= =0 x x3 T2 T2 g= =0 x x3 T3 T3 g= = 0, x x3 donde T2 (x) = T1 f (x) x T2 f (x). T3 (x) = x (7.16) (7.17) (7.13) (7.14) (7.15)
Usando (7.13) en (7.16) tenemos T2 (x) = T1 T1 x2 {a[(1 + x3 ) sen(x1 + ) sen ] bx2 }. x1 x2 (7.18)
Derivando (7.18) con respecto a x3 , y reemplazando el resultado en (7.14) tenemos que T2 T1 = a sen(x1 + ) = 0. x3 x2 Elegimos T1 independiente de x2 , y reemplazando T1 /x2 = 0 en (7.18) obtenemos T2 (x) = T1 x2 . x1 (7.19)
Usamos (7.19) (recordando que T1 es independiente de x2 y x3 ) en (7.17), T3 (x) = T1 T2 x2 {a[(1 + x3 ) sen(x1 + ) sen ] bx2 }. x1 x1 (7.20)
Derivando (7.20) con respecto a x3 , y reemplazando el resultado en (7.15) tenemos que T3 T1 = a sen(x1 + ) = 0, x3 x1
144
que se satisface en el dominio 0 < x1 + < eligiendo, por ejemplo, T1 (x) = x1 . Usando T1 (x) = x1 en (7.19) y (7.20), completamos el clculo del difeomorsmo z = T (x), dado por a z1 = T1 (x) = x1 z2 = T2 (x) = x2 z3 = T3 (x) = a[(1 + x3 ) sen(x1 + ) sen ] bx2 , cuya transformacin inversa o x1 = z1 x2 = z2 x3 = 1 z3 + b z2 a sen a sen(z1 + )
est denida en 0 < z1 + < . Las funciones y estn dadas por (7.8) (con n = 3), es a a decir 1 (x) = a sen(x1 + ) (T3 /x) f (x) (x) = a sen(x1 + ) El modelo de estado en las coordenadas z es entonces z1 = z2 z2 = z3 z3 = a sen(x1 + )[u (x)].
7.2
Linealizacin Entrada-Salida o
La linealizacin exacta de la ecuacin de estado que describimos en la seccin anterior no o o o necesariamente linealiza la ecuacin de salida. Consideremos otra vez el ejemplo (7.2). Si o tomamos como salida y = x2 , el cambio de variables y el control z1 = x1 , resultan en z1 = z2 z2 = v y = arcsen z2 a z2 = a sen x2 , u = x2 + 1 1 v a cos x2
que tiene un modelo de estado lineal con salida no lineal. Si, en cambio, tomamos u = x2 + v, 1 obtenemos el modelo x1 = a sen x2 x2 = u y = x2
7.2 Linealizacin Entrada-Salida o
145
que tiene una transformacin lineal entrada-salida (de u a y) y una dinmica (la de x1 ) que o a es inobservable a la salida, ya que y no depende de x1 . Si slo nos interesara la variable y, el o control v podr disearse usando tcnicas lineales para que y tenga el desempeo deseado. Sin a n e n embargo, no hay que descuidar la dinmica inobservable; por ejemplo, si y fuera estabilizada a en un valor constante yR = 0, la variable x1 tendr una evolucin x1 (t) = x1 (0) + t a sen yR , a o que crece con t! Veamos esta idea ms formalmente. Sea el sistema mono-entrada mono-salida a x = f (x) + g(x)u, y = h(x). El caso ms simple de sistema linealizable entrada-salida se da cuando es linealizable entradaa estado y la salida de inters es h(x) = T1 (x). En ese caso, el cambio de variables z = T (x) y e el control u = (x) + (x)v lo transforman en z = Ac z + Bc v y = Cc z = 1 0 . . . 0 z
donde (Ac , Bc , Cc ) son la forma cannica de una cadena de integradores. o Para una dada salida y = h(x) = 1 (x) no necesariamente igual a T1 (x) podemos vericar si satisface la condicin en derivadas parciales (7.7) directamente por substitucin, es o o decir i g(x) = 0 , x i = 1, 2, . . . , n 1; n g(x) = 0, x
donde i+1 (x) = (i /x)f (x) , i = 1, 2, . . . , n 1. Esta condicin es una restriccin en la o o forma en que las derivadas de y dependen de u. Esto es fcil de ver si calculamos las derivadas a temporales de la salida, y= 1 [f (x) + g(x)u] = x 2 [f (x) + g(x)u] = y= x 1 f (x) = 2 (x) x 2 f (x) = 3 (x) x
Si seguimos, vemos que u no aparece en las primeras n 1 derivadas de y, pero aparece en la derivada de orden n con un coeciente no nulo, y (n) = n n f (x) + g(x)u. x x
Es obvio que el control u= 1 n f (x) + v (n /x)g(x) x
da la transformacin entrada salida igual a una cadena de n integradores o y (n) = v. Qu pasar si u apareciera en una derivada de orden menor a n con coeciente no nulo? e a En este caso todav podr a amos linealizar la transformacin entrada-salida, pero nos quedar o a una cadena de menos integradores, y la ecuacin de estado tendr una parte no linealizada. o a Como en los sistemas lineales, el nmero de veces que hay que derivar la salida hasta que u aparezca la entrada con un coeciente no nulo dene el grado relativo del sistema.
146
Denicin 7.3 (Grado Relativo). El sistema o x = f (x) + g(x)u y = h(x), (7.21)
donde f , g y h, denidas en un dominio D Rn , son sucientemente suaves, tiene grado relativo r, con 1 r n, en una regin D0 D si o i g(x) = 0 , x i = 1, 2, . . . , r 1; r g(x) = 0 x i f (x) , i = 1, 2, . . . , r 1. x
para todo x D0 , donde 1 (x) = h(x) y i+1 (x) =
Si el sistema tiene grado relativo (GR) r, entonces es linealizable entradasalida; si tiene GR n, entonces es linealizable tanto entrada-salida como entrada-estado. Ejemplo 7.5 (Ecuacin de Van der Pol). Consideremos la ecuacin de Van der Pol o o controlada x1 = x2 x2 = x1 + (1 x2 ) x2 + u , 1
>0
con salida y = x1 . Calculemos las derivadas de la salida: y = x1 = x2 y = x2 = x1 + (1 x2 ) x2 + u 1 Por lo tanto el sistema tiene GR 2 en R2 . Si la salida es y = x2 , entonces y = x1 + (1 x2 ) x2 + u 1 y el sistema tiene GR 1 en R2 . Si la salida es y = x1 + x2 , entonces 2 y = x2 + x2 [x1 + (1 x2 ) x2 + u] 1 y el sistema tiene GR 1 en D0 = {x R2 | x2 = 0}. Ejemplo 7.6 (Sistema sin grado relativo bien denido). Consideremos el sistema x1 = x1 x2 = x2 + u y = x1 Las derivadas de la salida son y = x1 = x1 = y = y (n) = y = x1 , n 1 Vemos que en ninguna derivada de la salida aparece la entrada u. En este caso el sistema no tiene un GR bien denido porque la salida y(t) = x1 (t) = et x1 (0) es independiente de la entrada.
147
Ejemplo 7.7 (Motor de corriente continua controlado por campo). Un motor de corriente continua controlado por corriente de campo puede describirse por las ecuaciones x1 = ax1 + u x2 = bx2 + cx1 x3 x3 = x1 x2 donde x1 , x2 y x3 son respectivamente la corriente de campo, de armadura, y velocidad angular. Para problemas de control de velocidad elegimos como salida y = x3 . Las derivadas de la salida son y = x3 = x1 x2 y = x1 x2 + x1 x2 = () + x2 u, donde () contiene trminos que son funciones de x. El sistema tiene GR 2 en la regin e o D0 = {x R3 |x2 = 0}. Ejemplo 7.8 (Sistema lineal). Consideremos el sistema lineal representado por la funcin o transferencia H(s) = bm sm + bm1 sm1 + + b0 , sn + an1 sn1 + + a0 = 0. Un modelo de estado para este sistema es 0 1 0 ... 0 0 0 1 ... 0 B = . . . .. . , . . . . . . . . . a1 . . . . . . an1 1 bm 0 . . . 0 .
donde m < n y bm 0 0 A= . . . a0
C = b0 b1 . . .
Este sistema es un caso particular de (7.21) con f (x) = Ax, g(x) = B y h(x) = Cx. Veamos el GR del sistema calculando las derivadas de la salida. La primera derivada es y = CAx + CBu. Si m = n 1, entonces CB = bn1 = 0 y el sistema tiene GR 1. En caso contrario, CB = 0 y seguimos derivando. Notemos que CA es un vector la que se obtiene moviendo los elementos de C una posicin a la derecha, CA2 se obtiene moviendo los elementos de C dos posiciones o a la derecha, y as sucesivamente. Entonces vemos que CAi1 B = 0 , i = 1, 2, . . . , n m 1 CAnm1 B = bm = 0. Por lo tanto, u aparece por primera vez en la ecuacin de y (nm) , que est dada por o a y (nm) = CAnm x + CAnm1 Bu, y el GR del sistema es n m, o sea la diferencia entre el grado de los polinomios denominador y numerador de H(s).
148
7.2.1
Linealizacin Entrada-Salida y Estabilidad Interna. Forma o Normal
Vamos a introducir una forma cannica para sistemas no lineales en la que el grado relativo o del sistema es expl cito. Esta forma cannica se conoce como la forma normal, y permite o extender a sistemas no lineales el concepto de sistema de m nima fase (en un sistema lineal: sin ceros con parte real no negativa). Primero veamos cmo llevar un sistema lineal a una o realizacin en la que los ceros del sistema queden expl o citos. Caso lineal Empecemos escribiendo el sistema lineal de grado relativo r = n m como 1 N (s) Q(s) , = H(s) = 1 R(s) D(s) 1+ Q(s) N (s)
D(s) = Q(s)N (s) + R(s),
donde los grados de D, N y Q son n, m < n, y r, respectivamente. Entonces H puede representarse como una interconexin en realimentacin negativa con 1/Q(s) en la cadena o o directa y R(s)/N (s) en el camino de realimentacin (ver Figura 7.1). o
u
+ e E E T w
1 Q(s) R(s) N (s)
Ec
'
Figura 7.1: Representacin en realimentacin de H(s) o o La funcin transferencia 1/Q(s) no tiene ceros, y puede realizarse tomando el vector de o estados = y, y, . . . , y (r1)
t
Esto nos da el modelo de estados = (Ac + Bc t ) + Bc bm e y = Cc donde (Ac , Bc , Cc ) son la forma cannica de una cadena de r integradores, Rr y e es la o seal de salida del sumador (e = u [R(s)/N (s)]y). Sea (A0 , B0 , C0 ) una realizacin m n o nima de la funcin transferencia R(s)/N (s), con estado . o Notar que los autovalores de A0 son los ceros de N (s), o sea, de H(s). Entonces H(s) puede realizarse como = A0 + B0 Cc = Ac + Bc (t bm C0 + bm u) y = Cc
(7.22)
7.2 Linealizacin Entrada-Salida o Usando la estructura de (Ac , Bc , Cc ) es fcil vericar que a y (r) = t bm C0 + bm u El control (linealizante entrada-salida) u= 1 [t + bm C0 + v] bm
149
resulta en el sistema = A0 + B0 Cc = Ac + Bc v y = Cc cuya funcin transferencia de v a y es una cadena de r integradores, y cuyo subvector de o estado es inobservable desde y. Supongamos que queremos estabilizar al sistema con una realimentacin v = K tal que o Ac + Bc K sea Hurwitz. El correspondiente sistema a lazo cerrado es A0 B0 Cc = 0 Ac + Bc K (7.23)
Sabemos que para cualquier condicin inicial (0) tenemos que (t) 0 cuando t . o Notemos que los estados tienen como entrada la salida y = Cc . Para asegurar que (t) se mantenga acotada para toda evolucin acotada o de y(t) es necesario que A0 sea Hurwitz, es decir, los ceros de H(s) deben tener parte real negativa. Vemos que la matriz de evolucin en (7.23) tiene una forma triangular en bloques, y por lo o tanto los autovalores de todo el sistema son la unin de los autovalores de los bloques diagonales o A0 y Ac + Bc K. Es decir, este control diseado siguiendo el procedimiento de linealizacin n o entrada-salida ubica r autovalores del sistema a lazo cerrado como los autovalores de Ac +Bc K, y los restantes n r autovalores iguales a los ceros del sistema a lazo abierto. Caso no lineal Busquemos una versin no lineal del modelo (7.22). Las variables se toman igual que en o el caso lineal, ya que la transformacin de entrada-salida va a seguir siendo una cadena de o r integradores. Para elegir las variables , va a ser importante respetar la caracter stica fundamental del modelo (7.22), que es que la entrada u no aparece en la ecuacin de . o Tomamos entonces 1 (x) . . . (x) nr (x) z = T (x) = (7.24) (x 1 (x) . . . r (x)
150
donde 1 (x) = h(x) y i+1 (x) = i f (x) , i = 1, 2, . . . , r 1, y las i se eligen tales que T (x) x sea un difeomorsmo en un dominio Dx D0 y i g(x) = 0 , x 1 i n r , x Dx . (7.25)
Esto siempre es posible para sistemas mono-entrada con grado relativo r. La condicin (7.25) o asegura que = [f (x) + g(x)u] = f (x) no depende de u. x x En las nuevas variables el sistema queda en la forma normal = f0 (, ) = Ac + Bc (x)1 [u (x)] y = Cc donde Rr , Rnr , (Ac , Bc , Cc ) son la forma cannica de una cadena de r integradores y o f0 (, ) = (x) = f (x) x
(7.26)
x=T 1 (z)
1 (r /x)g(x)
(x) =
(r /x)f (x) (r /x)g(x)
(7.27)
Notar que (x) y (x) no dependen de la eleccin de . La estructura del sistema en forma o normal se representa (en coordenadas z) en el diagrama de bloques de la Figura 7.2. u
1
E e E j T T
r E ' ' . . ' . '
E r1 E
Ee
z
0 (z)1 '
0 (z) '
' f0 (, ) '
x = f (x, u), y = h(x) Figura 7.2: Sistema en forma normal
7.2.2
Dinmica de los Ceros a
La forma normal (7.26) tiene una parte externa, representada por las variables , y una parte interna, representada por las variables . El control u = (x) + (x)v linealiza la parte externa y hace inobservable la parte interna. Haciendo = 0 en la primera ecuacin o tenemos la dinmica de los ceros a = f0 (, 0) (7.28)
151
que es la contraparte no lineal de = A0 , donde los autovalores de A0 son los ceros de H(s). El sistema se dice de m nima fase si la dinmica de los ceros tiene un PE AE en el dominio a de inters. e La ecuacin (7.28) representa la dinmica de los ceros en las nuevas variables. Podemos o a tambin caracterizarla en las coordenadas originales. Notar que e y(t) 0 = (t) 0 = u(t) (x(t)). Entonces, mantener la salida idnticamente cero implica que la solucin de la ecuacin de e o o estados debe quedar connada al conjunto Z = {x D0 | 1 (x) = 2 (x) = = r (x) = 0}, y la entrada debe ser u = u (x) (x)|xZ .
La dinmica de los ceros es entonces la dinmica restringida a a x = f (x) = [f (x) + g(x)(x)]|xZ . Ejemplo 7.9 (Sistema de m nima fase). Consideremos el sistema x1 = x1 + 2 + x2 3 u 1 + x2 3
x2 = x3 x3 = x1 x3 + u y = x2 que tiene un PE en el origen. Las derivadas de la salida son y = x2 = x3 y = x3 = x1 x3 + u Por lo tanto el sistema tiene GR 2 en R3 . Las variables de la transformacin (7.24) son o 1 (x) = x2 y 2 (x) = x3 . Usando (7.27) obtenemos = 1, = x1 x3
Para caracterizar la dinmica de los ceros en las coordenadas originales, restringimos el estado a al conjunto Z = {x R3 | x2 = x3 = 0} y tomamos u = u (x) = 0. Esto da como resultado x1 = x1 lo que muestra que el sistema es de m nima fase. Para llevar al sistema a la forma normal tenemos que elegir la funcin (x) de la transformacin (7.24) tal que o o (0) = 0 , g(x) = 0 x
152
y tal que T (x) sea un difeomorsmo en algn dominio que contenga al origen. La ecuacin en u o derivadas parciales 2 + x2 3 + =0 2 x1 1 + x3 x3 puede resolverse por el mtodo de separacin de variables; esto da e o (x) = x1 + x3 + arctan x3 que satisface la condicin (0) = 0. La transformacin T (x) es un difeomorsmo global, ya o o 3 que para cualquier z R , la ecuacin T (x) = z tiene una solucin unica. Por lo tanto, la o o forma normal = ( 2 + arctan 2 ) 1 +
2 2 + 2 2 2 1 + 2
1 = 2 2 = ( 2 + arctan 2 ) 2 + u y = 1 est denida en forma global. a
7.3
7.3.1
Control por Realimentacin de Estados o

Estabilizacin o
Consideremos el sistema linealizable entrada-estado z = Az + B(x)1 [u (x)] , z = T (x)
donde T (x) es un difeomorsmo en un dominio Dx Rn , Dz = T (Dx ) contiene al origen, (A, B) es controlable, (x) es no singular para todo x Dx , y y son continuamente diferenciables. Diseamos K tal que A + BK es Hurwitz. El control n u = (x) + (x)KT (x) da el sistema lineal a lazo cerrado z = (A + BK)z (7.29)
Este resultado, sin embargo, est basado en la cancelacin exacta de trminos no lineales. a o e En general, debido a incertidumbre paramtrica y errores computacionales, el control va a e y T , que son aproximaciones de las ideales , implementar en la realidad funciones , y T . Es decir, el control real va a tener la forma u = (x) + (x)K T (x) El sistema a lazo cerrado con este control es entonces z = Az + B(x)1 [ (x) + (x)K T (x) (x)]
7.3 Control por Realimentacin de Estados o Sumando y restando el trmino BKz, podemos re-escribir la ecuacin anterior como e o z = (A + BK)z + B(z) donde (z) = (x)1 (x) (x) + [(x) (x)]KT (x) + (x)K[T (x) T (x)]
153
x=T 1 (z)
Vemos que el sistema a lazo cerrado es una perturbacin del sistema nominal (7.29). Sea o P = P t la solucin de la ecuacin de Lyapunov o o P (A + BK) + (A + BK)P t = I y supongamos que en un entorno del origen el trmino de error satisface e (z)
2
1 z
+ 2 ,
1 , 2 > 0
Usando V (z) = z t P z como candidata a funcin de Lyapunov para el sistema a lazo cerrado o tenemos V (z) = z 2 + 2z t P B(z) 2 z 2 + 2 P B 2 1 z 2 + 2 P B 2 2 z 2 2 2 2 = (1 2 P B 2 1 ) z 2 + 2 P B 2 2 z 2 Si 1 < 1 4 PB
tenemos que 1 V (z) z 2

2 2
+ 2 P B 2 2 z
< 0,
4 P B 2 2
lo que demuestra que las trayectorias del sistema perturbado son nalmente acotadas con cota nal proporcional a 2 .
7.3.2
Sistema Parcialmente Linealizable
Consideremos ahora el caso en que el sistema es linealizable slo parcialmente, es decir, la o ecuacin de estado tiene la forma o = f0 (, ) = A + B(x)1 [u (x)] donde z = T (x) = T1 (x) T2 (x) (7.30)
T (x) es un difeomorsmo en un dominio Dx Rn , Dz = T (Dx ) contiene al origen, (A, B) es controlable, (x) es no singular para todo x Dx , f0 (0, 0) = 0, y f0 (, ), (x) y (x) son continuamente diferenciables. La forma (7.30) est basada en la forma normal (7.26), a
154
pero en este caso no consideramos la salida porque no juega ningn papel en el problema de u estabilizacin. o El control u = (x) + (x)K = (x) + (x)KT2 (x) con K tal que A + BK es Hurwitz, lleva el sistema a la forma triangular = f0 (, ) = (A + BK) (7.32) (7.31)
donde el subsistema es tiene un PE GAE en = 0. Para analizar la estabilidad de todo el sistema (7.32) vamos a usar los resultados de la Seccin 5.4 del Cap o tulo 5. El sistema (7.32) va a tener un PE AE en el origen si el subsistema es (localmente) ISS cuando se considera su entrada. El Lema 5.8 garantiza que el subsistema de (7.32) es localmente ISS si el sistema no forzado = f0 (, 0) tiene un PE AE en = 0. Por lo tanto, un sistema linealizable entrada-salida que sea m nima fase es localmente estabilizado asintticamente por el control (7.31). o Para probar estabilizacin asinttica global debemos garantizar que el subsistema de o o (7.32) sea ISS (globalmente). Usando el Lema 5.9 vemos que esto es as por ejemplo, si , el origen de = f0 (, 0) es globalmente exponencialmente estable y f0 (, ) es globalmente Lipschitz en (, ), aunque estas condiciones son bastante exigentes. Si el origen de = f0 (, 0) es GAE, se podr pensar que el sistema triangular (7.32) se a estabilizar globalmente si los estados decaen a cero arbitrariamente rpido. Esto indicar a a a que la solucin de = f0 (, ) se aproxima rpidamente a la de = f0 (, 0), que tiende a o a cero. Vamos a ver en el ejemplo siguiente que esta no es necesariamente una buena estrategia debido al fenmeno de peaking. o Ejemplo 7.10 (Peaking). Consideremos el sistema 1 = (1 + 2 ) 3 2 1 = 2 1 = v. El control lineal v = 2 1 22 K
asigna los autovalores de A + BK en (, ). Para la condicin inicial (0) = 0 , 1 (0) = 1, 2 (0) = 0, el estado 2 tiene la evolucin o o 2 (t) = 2 tet
7.3 Control por Realimentacin de Estados o
155
cuyo valor absoluto alcanza un pico proporcional a antes de decaer a cero. Vamos a ver que este pico puede interferir con la estabilidad del sistema aunque tienda a cero rpidamente. a El estado satisface 1 = (1 2 tet ) 3 2 Durante el per odo de peaking, el coeciente de 3 es positivo, lo que hace que |(t)| crezca. En algn momento el coeciente de 3 se har negativo, pero esto puede que no suceda lo u a sucientemente rpido para evitar que el sistema tenga escape en tiempo nito. Para ver esto, a consideremos la variable = 1/ 2 , que satisface la ecuacin o = 1 [(1 + 2 ) 3 ] = 1 + 2 3
de la cual, integrando, obtenemos (t) = (0) + m(t) (0) + t + (1 + t)et 1
Por lo tanto, la variable 2 satisface 2 (t) = 1 = (t)

1 2 (0)
1 + m(t)
(7.33)
La funcin m(t) se hace negativa para algn t nito si es sucientemente grande. Esto quiere o u decir que, si es elegido sucientemente grande, siempre van a existir condiciones iniciales (0) tal que el denominador de (7.33) pase por cero, con lo cual la variable escapa a innito en tiempo nito. Vamos a volver al sistema triangular (7.30) en el Cap tulo 8, y vamos a ver cmo disear o n v como funcin no lineal de y para alcanzar estabilidad asinttica global, an cuando la o o u dinmica de los ceros no sea ISS. a Concluimos esta seccin discutiendo una limitacin de la linealizacin exacta por realio o o mentacin. Bsicamente, esta tcnica de linealizacin se basa en la cancelacin de los trminos o a e o o e no lineales del sistema. Sin embargo, no siempre es buena idea cancelar alinealidades, dado que puede haber alinealidades convenientes desde el punto de vista de desempeo del sistema. n Ilustramos la idea con un ejemplo. Ejemplo 7.11 (No siempre es bueno cancelar alinealidades). Consideremos el sistema escalar x = ax bx3 + u, donde a y b son constantes positivas. Podemos tomar el control linealizante y estabilizante u = ( + a)x + bx3 , > 0,
que resulta en el sistema a lazo cerrado x = x. Este control cancela el trmino bx3 , e que provee amortiguamiento no lineal al sistema. De hecho, este trmino garantiza que e las soluciones del sistema sean acotadas, sin ningn control, y a pesar de que el origen sea u inestable. Por qu cancelarlo entonces? Alternativamente, usando el control lineal e u = ( + a)x, > 0,
156 obtendr amos el sistema a lazo cerrado x = x bx3 ,
cuyo origen es globalmente asintticamente estable y sus trayectorias se aproximan al origen o ms rpido que las de x = x. Ms an, el control lineal es ms simple de implementar y a a a u a usa menos esfuerzo de control. La idea del ejemplo anterior es ilustrar que la teor de linealizacin por realimentacin a o o da una herramienta muy valiosa para representar al sistema en una forma en la que todos los trminos alineales entran a la ecuacin de estado en el mismo punto en que entra el control. En e o el prximo cap o tulo vamos a ver tcnicas que explotan esta estructura. La misma estructura e permite que se puedan cancelar las alinealidades por realimentacin, pero, no hay que perder o de vista, dado el ejemplo anterior, que sta no siempre es la alternativa ms adecuada. e a
7.3.3
Regulacin con Accin Integral o o
Usando el esquema de la seccin anterior linealizacin exacta por realimentacin ms diseo o o o a n de una ganancia de realimentacin de estados lineal podemos disear un sistema para o n regular la salida y a un valor constante de referencia yR , como se muestra en la Figura 7.3. La ganancia esttica N = [C(A + BK)1 B]1 sirve, como en el caso lineal, para compensar a el error esttico de seguimiento. a yc R u + +T T T + (x)
T
E N
E E j E j
x
E E
x
e E h(x)
f (x, u)
Ec
(x)
T
K '
T (x) '
Figura 7.3: Esquema de regulacin v linealizacin exacta o a o
Como en el caso lineal, tambin podemos agregar accin integral al esquema de la Figura 7.3 e o para lograr regulacin de la salida en forma robusta. Consideramos el sistema mono-entrada o mono-salida, linealizable entrada-salida, y representado en la forma normal (7.26) = f0 (, ) 1 = Ac + Bc [u (x)] (x) y = Cc . Sin prdida de generalidad, asumimos que f0 (0, 0) = 0. Pretendemos disear un control e n de forma que la salida y siga en forma asinttica una referencia constante yR usando accin o o integral para preservar regulacin an en presencia de incertidumbres paramtricas. o u e
7.3 Control por Realimentacin de Estados o
157
Adems de asumir que el vector de estados es medible, suponemos que la salida es tambin a e f sicamente medible no es suciente calcular y de x usando y = h(x), ya que si hubiera incertidumbres en h podr amos perder la regulacin. o Integramos entonces el error de seguimiento e = y yR aumentando el sistema con el integrador = e, obteniendo = f0 (, e + YR ) 1 a = Aa + B [u (x)], (x) donde Ac 0 , Cc 0 Bc , 0 yR 0 YR = . , e = YR , . . 0 r1 e .
A=
B=
y a =
Notar que el agregado de la ecuacin de no modica la estructura de la forma normal. El par o de matrices aumentadas (A, B) es controlable, como puede vericarse, y por lo tanto podemos calcular una matriz K tal que A + BK sea Hurwitz, procediendo en forma idntica a como e hicimos en la seccin anterior. Particionando K = [K1 K2 ], donde K1 R1r y K2 R, o armamos el control u = (x) + (x){K1 [T2 (x) YR ] + K2 }, que da el lazo cerrado = f0 (, e + YR ) a = (A + BK)a . El esquema de regulacin con accin integral se representa en la Figura 7.4. o o yR +T
e E K 2
c E j E
E j E j E +T T T +
u
E E
x f (x, u)
E e
x
E h(x)
Ec
(x)
T
(x)
T
+ ' K1 ' j T2 (x) ' T YR Figura 7.4: Regulador con accin integral v linealizacin por realimentacin o a o o Para sistemas de m nima fase, la ecuacin = f0 (, e + YR ) es localmente ISS y el control o calculado resuelve el problema de regulacin local. Una condicin suciente para obtener o o seguimiento global es pedir que el sistema = f0 (, e + YR ) sea ISS.
158
7.4
Ejercicios
Ejercicio 7.1 El mecanismo de control de una articulacin simple de robot puede modelarse mediante las o ecuaciones x1 = x2 M gL k x2 = sen x1 (x1 x3 ) I I x3 = x4 k x4 = (x1 x3 ) + u, J donde M, g, L, I y J son constantes positivas. Mostrar que el sistema es linealizable entradaestado.
Ejercicio 7.2 Para cada uno de los siguientes sistemas mostrar que el sistema es linealizable entrada-estado. Dar la transformacin que lleva al sistema a la forma z = Az + B 1 (x)[u (x)] y especicar o el domino sobre el cual es vlida. a x1 = ex2 u x2 = x1 + x2 + ex2 u 2 x3 = x1 x2 x1 = x3 (1 + x2 ) x2 = x1 + (1 + x2 )u x3 = x2 (1 + x1 ) x3 u Ayuda: Para (7.34) usar T1 = T1 (x3 ) y para (7.35) T1 = T1 (x1 ).
(7.34)
(7.35)
Ejercicio 7.3 Sea el sistema x1 = x1 + x2 x3 x2 = x1 x3 x2 + u x3 = x1 + u. (i) Es el sistema linealizable entrada-estado? (ii) Si s encontrar un control en realimentacin y un cambio de coordenadas que linealice , o la ecuacin de estados. o
7.4 Ejercicios Ejercicio 7.4 Sea el sistema x1 x2 x3 y = x1 + x2 x3 = x1 x3 x2 + u = x1 + u = x3 .
159
(i) Es el sistema linealizable entrada-salida? (ii) Si s transformarlo a la forma normal y especicar la regin sobre la cual la transforma, o cin es vlida. o a (iii) Es el sistema de m nima fase? Ejercicio 7.5 Un generador sincrnico conectado a una l o nea innita puede representarse por el modelo x = f (x) + gu donde x2 f (x) = a[(1 + x3 ) sen(x1 + ) sen ] bx2 , cx3 + d[cos(x1 + ) cos ] 0 0 , g= 1
donde a, b, c y d son constantes positivas. Considerar las siguientes dos posibles salidas, y1 = h1 (x) = x1 ; y2 = h2 (x) = x1 + x2 ,
= 0.
En cada caso, estudiar el grado relativo del sistema y transformarlo a la forma normal. Especicar la regin sobre la cual la transformacin es vlida. Si existe dinmica de ceros no o o a a trivial, determinar si el sistema es de m nima fase o no. Ejercicio 7.6 Considerar el sistema de pndulo invertido del Ejercicio 6.2. Suponiendo que la salida es y = , e es el sistema linealizable entrada-salida? Es de m nima fase? Ejercicio 7.7 Considerar el sistema x1 = tan x1 + x2 x2 = x1 + u y = x2 . Es el sistema linealizable entrada-salida? Es de m nima fase?
160 Ejercicio 7.8 Sea el sistema del pndulo e x1 = x2 x2 = a[sen(x1 + ) sen ] bx2 + cu,
donde x1 = , x2 = y u = T a sen . Para los valores a = 1 = c, b = 0 y = /4, disear n c un control estabilizante v linealizacin exacta por realimentacin de estados, ubicando los a o o autovalores del sistema a lazo cerrado en 1 j 3/2. Comparar el desempeo obtenido con n el del control v linealizacin aproximada. a o Ejercicio 7.9 Mostrar que el sistema x1 = a(x2 x1 ), a > 0, x2 = bx1 x2 x1 x3 + u, b > 0, x3 = x1 + x1 x2 2ax3 , es linealizable entrada-estado y disear un control por realimentacin de estados para estabin o lizar globalmente el origen. Ejercicio 7.10 Considerar el sistema de suspensin magntica del Ejercicio 6.1. o e (i) Mostrar que el sistema es linealizable entrada-estado. Ayuda: Probar con T1 (x) = T1 (x1 ). (ii) Usando linealizacin exacta por realimentacin, disear un control por realimentacin o o n o de estados para estabilizar la bola en una posicin deseada yR > 0. o (iii) Repetir los puntos (e) y (f) del Ejercicio 6.1. Comparar el desempeo obtenido con el n del controlador diseado en el punto (d) de ese ejercicio. n (iv) Usando linealizacin exacta por realimentacin, disear un control integral por realio o n mentacin de estados para estabilizar la bola en una posicin deseada yR > 0. o o (v) Repetir el punto (iii) anterior para el control diseado en (iv). Comparar el desempeo n n del control integral con el diseado en el punto (ii). n
Cap tulo 8 Dise os Basados en Lyapunov n

El mtodo de Lyapunov, originalmente utilizado como herramienta de anlisis de sistemas, e a es adems una herramienta util en el diseo de control por realimentacin. Existen muchos a n o mtodos basados en la idea de disear el control de forma que la derivada de una funcin de e n o Lyapunov tenga ciertas propiedades que garanticen estabilidad de las trayectorias del sistema a lazo cerrado con respecto a un punto o un conjunto de equilibrios. En este cap tulo presentamos dos mtodos de este tipo. El primero (8.1) es el mtodo de rediseo Lyapunov por e e n amortiguamiento no lineal (nonlinear damping), que permite robusticar un diseo dado n para que tolere cierto tipo de incertidumbres y errores de modelado que satisfacen la condicin o de apareamiento (matching condition) es decir, incertidumbre y errores que ocurren en el mismo punto del lazo donde se aplica el control. El segundo mtodo (8.2) es backstepping, e un poderoso mtodo recursivo que permite obtener diseos robustos frente a incertidumbres e n y errores que no necesariamente satisfagan la condicin de apareamiento. Referimos a Khalil o [1996, Cap tulo 13] para ver otras tcnicas basadas en Lyapunov, como rediseos Lyapunov, e n que generalizan la idea de amortiguamiento no lineal, y el control adaptable, que muestra una aplicacin prctica de los teoremas de invariancia vistos en 4.14. o a
8.1
Redise o Lyapunov para Robusticar por Amorn tiguamiento No Lineal

x = f (t, x) + g(t, x)[u + (t, x)(t, x, u)], (8.1)
Consideremos el sistema af en el control n
donde x Rn es el estado y u Rp la entrada de control. Las funciones f , g, y estn a p n denidas para (t, x, u) [0, ) D R , donde D R es un dominio que contiene el origen. Asumimos que f, g, y son seccionalmente continuas en t y localmente Lipschitz en x y u para todo (t, x, u) en el dominio de inters. e Asumimos que las funciones f, g y son conocidas, mientras que representa incertidumbres de modelado, y de la cual slo se sabe que es uniformemente acotada para todo (t, x, u). o Las incertidumbres representadas en tienen una estructura especial: satisfacen la condicin o de apareamiento vale decir que afectan a la ecuacin de estado en los mismos puntos que o lo hace la entrada de control. Suponiendo que se conoce un control por realimentacin de estados u = (t, x) que alcanza o estabilidad asinttica global del origen del sistema nominal o x = f (t, x) + g(t, x)u (8.2)
162
Dise os Basados en Lyapunov n
pretendemos redisear u de forma de robusticar el diseo nominal y hacer que el sistema a n n lazo cerrado preserve sus propiedades de estabilidad frente a las incertidumbres . Sea entonces (t, x) tal que el origen de x = f (t, x) + g(t, x)(t, x) (8.3)
es globalmente asintticamente estable, y sea V (t, x) una funcin de Lyapunov conocida que o o satisface 1 ( x ) V (t, x) 2 ( x ) V V + [f (t, x) + g(t, x)(t, x)] 3 ( x ) t x (8.4) (8.5)
para todo [t, x) [0, ) D, donde 1 , 2 y 3 son funciones clase K . Consideremos el sistema (8.1) y apliquemos el control u = (t, x) + v. El sistema a lazo cerrado obtenido, x = f (t, x) + g(t, x)(t, x) + g(t, x)[v + (t, x)(t, x, (t, x) + v))], (8.6)
es una perturbacin del sistema a lazo cerrado nominal (8.3). Calculemos la derivada de V a o lo largo de las trayectorias de (8.6),1 V V V V = + [f + g] + g[v + ] t x x V 3 + g[v + ]. x Introduzcamos la notacin wT o V 3 + wT v + wT . Tomando v = w 2 , 2 obtenemos V 3 w
2 2 V g, x
con la que la desigualdad anterior queda
> 0,
(8.7)
2 2
+ w
2 k,
donde k es una cota (desconocida pero nita) de . El trmino e w

2 2
2 2
+ w
k2 4
2k
2
alcanza un mximo a
en w
k . 2
Por lo tanto,
k2 V (x) 3 ( x ) + 4 Como 3 es clase K , V siempre ser negativa fuera de alguna bola, con lo que las soluciones a del sistema a lazo cerrado sern uniformemente acotadas. El rediseo de Lyapunov (8.7) se a n llama amortiguamiento no lineal. Resumimos nuestras conclusiones en el siguiente lema.
1
Para simplicar la notacin omitimos la dependencia de las variables t y x. o
8.2 Backstepping
163
Lema 8.1 (Amortiguamiento no lineal). Sea el sistema (8.1) y sea (t, x) un control por realimentacin estabilizante para el sistema nominal (8.2) con funcin de Lyapunov V (t, x) o o que satisface (8.4)(8.5) para todo t 0 y todo x Rn , con ciertas funciones 1 (), 2 () y 3 () clase K . Supongamos que el trmino de incertidumbres es uniformemente acotado e para (t, x, u) [0, ) Rn Rp . Sea v dada por (8.7) y u = (t, x) + v. Entonces, para cualquier x(t0 ) Rn la solucin del sistema a lazo cerrado es uniformemente acotada. o Ejemplo 8.1 (Robusticacin por amortiguamiento no lineal). Sea el sistema escalar o x = x3 + u + x(t) donde (t) es una funcin acotada de t. Con el control estabilizante (x) = x3 x, la funcin o o 2 2 de Lyapunov V (x) = x satisface (8.4)(8.5) globalmente con 1 (r) = 2 (r) = 3 (r) = r . La componente de amortiguamiento no lineal (8.7), con = 1, es v = 2x3 . El sistema a lazo cerrado x = x 2x3 + x(t) tiene soluciones acotadas independientemente de cuan grandes sean las perturbaciones , gracias al trmino de amortiguamiento no lineal 2x3 . e
8.2
Backstepping
Backstepping es un procedimiento recursivo que combina la eleccin de una funcin de Lyao o punov con el diseo de un control en realimentacin. Descompone el problema original en una n o secuencia de problemas de diseo para sistemas de orden reducido (que hasta pueden llegar n a ser escalares). Explotando la exibilidad adicional que existe con sistemas de bajo orden y escalares, backstepping a menudo puede resolver problemas de estabilizacin, seguimiento y o control robusto bajo condiciones menos restrictivas que las encontradas en otros mtodos. e
8.2.1
Backstepping de un integrador
Introducimos la tcnica de backstepping en el caso especial de backstepping de un integrador. e Consideremos el sistema = f () + g() =u (8.8) (8.9)
donde Rn , R son los estados y u R es la entrada de control. Las funciones f : D Rn y g : D Rn son suaves en un dominio D Rn que contiene a = 0, y f (0) = 0. Queremos disear un control por realimentacin de estados que estabilice el origen = 0, n o = 0. El sistema (8.8)(8.9) puede pensarse como la conexin en cascada de dos componentes, o como se ve en la Figura 8.1. La primera componente es (8.8), con como entrada, y la segunda es el integrador (8.9). Supongamos que sabemos que la componente (8.8) puede estabilizarse con un control suave = (), con (0) = 0, vale decir, el origen de = f () + g()()
164
E t t ( ( E g() T
E m T
t t ( (
Ed
f () f () '
Figura 8.1: Diagrama de bloques del sistema (8.8)(8.9)
es asintticamente estable. Ms an, supongamos que se conoce una funcin de Lyapunov o a u o V () (suave, denida positiva) que satisface V [f () + g()()] W () , D, (8.10)
donde W () es denida positiva. Sumando y restando g()() al lado derecho de (8.8), obtenemos la representacin equivalente o = [f () + g()()] + g() [ ()] = u, que se muestra en la Figura 8.2.
d
u
E
t E mE t g() ( ( T T d
E m T
t t ( (
Ed
f () + g()() '
Figura 8.2: Introduccin de () o
Con el cambio de variables z = () , obtenemos el sistema = [f () + g()()] + g() z z = v, (8.11) v = u ,
que se muestra en la Figura 8.3. Notar que, como f , g y son conocidas, podemos calcular la derivada usando la expresin o [f () + g()]. =
8.2 Backstepping
165
dE m E T
z
t t ( ( E g() T
E m T
t t ( (
Ed
f () + g()() '
Figura 8.3: Backstepping de () a travs del integrador e
El sistema (8.11) tiene la misma estructura que el sistema original, pero ahora la primera componente = [f () + g()()] + g() z tiene un punto de equilibrio asintticamente estable o en el origen cuando su entrada z es cero. Esta caracter stica va a ser explotada en el diseo n de un control v que estabilice todo el sistema. Consideremos como candidata a funcin de Lyapunov para (8.11) la funcin o o Va (, z) = V () + 1 z 2 2 cuya derivada a lo largo de las trayectorias de (8.11) satisface V V Va = [f () + g()()] + g() z + z v V W () + g() + v z. Eligiendo v= obtenemos Va W () k z 2 , que muestra que el origen = 0, z = 0 es asintticamente estable. Como (0) = 0, concluimos o que el origen = 0, = 0 es asintticamente estable. Substituyendo las expresiones de v, z y o obtenemos el control en realimentacin de estados , o u= V [f () + g()] g() k[ ()] (8.13) V g() k z , k>0 (8.12)
Si las hiptesis valen globalmente y V () es radialmente no acotada, concluimos que el origen o es globalmente asintticamente estable. Esta tcnica se denomina integrator backstepping 2 o e ya que el control virtual = () se corre un integrador para atrs para obtener el control a real u (ver la secuencia en las Figuras 8.1, 8.2 y 8.3). Resumimos el resultado en el siguiente lema.
2
De step back an integrator: retroceder un integrador.
166
Lema 8.2 (Backstepping de un integrador). Sea el sistema (8.8)(8.9). Sea () un control por realimentacin de estados estabilizante para (8.8) con (0) = 0 y sea V () una o funcin de Lyapunov que satisface (8.10) con alguna funcin denida positiva W (). Entonces, o o el control por realimentacin de estados (8.13) estabiliza el origen de (8.8)(8.9) con V () + o 1 [ ()]2 como funcin de Lyapunov. Adems, si todas las hiptesis valen globalmente y o a o 2 V () es radialmente no acotada, el origen ser globalmente asintticamente estable. a o Ejemplo 8.2. Consideremos el sistema x1 = x2 x3 + x2 1 1 x2 = u, que tiene la forma (8.8) con = x1 y = x2 . Empezamos con el sistema escalar x1 = x2 x3 + x2 , 1 1 tomando a x2 como entrada, y diseamos un control x2 = (x1 ) que estabilice el origen x1 = 0. n Tomamos, por ejemplo x2 = (x1 ) = x2 x1 1 y V (x1 ) = x2 /2, que satisfacen 1 V = x2 x4 x2 , 1 1 1 x1 R
El control por backstepping (8.13) para este ejemplo es u= 2 V (x1 x3 + x2 ) [x2 (x1 )] 1 x1 x1 = (2x1 + 1)(x2 x3 + x2 ) x1 (x2 + x2 + x1 ) 1 1 1
(8.14)
y la funcin de Lyapunov total (8.12) es o Va (x1 , x2 ) = 1 2 1 x + (x2 + x2 + x1 )2 1 2 1 2 (8.15) Para sistemas de mayor orden, se puede aplicar backstepping en forma recursiva, como ilustramos en el siguiente ejemplo. Ejemplo 8.3. El sistema de tercer orden x1 = x2 x3 + x2 1 1 x2 = x3 x3 = u est formado por el sistema de segundo orden del ejemplo anterior con un integrador adicional a a la entrada. Por el ejemplo anterior sabemos que el subsistema formado por las dos primeras ecuaciones puede estabilizarse con el control virtual (8.14), o sea x3 = (2x1 + 1)(x2 x3 + x2 ) x1 (x2 + x2 + x1 ) 1 1 1 1 (x1 , x2 )
8.2 Backstepping
167
y (8.15) es la funcin de Lyapunov correspondiente. Ahora podemos considerar al sistema de o tercer orden como un caso especial del sistema (8.8)(8.9) con = x1 , x2 = x3 f= x2 x3 + x2 1 1 , 0 g= 0 1
y aplicar nuevamente backstepping. El control u de la forma (8.13) es entonces u= 1 V1 1 2 (x1 x3 + x2 ) + x3 [x3 1 (x1 , x2 )] 1 x1 x2 x2 1 [x3 1 (x1 , x2 )] 2
donde V1 est dada por (8.15), y la funcin de Lyapunov total es a o V2 (x1 , x2 , x3 ) = V1 (x1 , x2 ) +
8.2.2
Backstepping de sistemas en realimentacin estricta o
Ms generalmente, backstepping de un integrador puede aplicarse al sistema a = f () + g() = fa (, ) + ga (, ) u (8.16)
donde fa , ga son suaves y ga (, ) = 0 en el dominio de inters. Notar que el segundo subsistema e de (8.16) no es un integrador puro sino un integrador perturbado por la presencia de las alinealidades fa y ga . Esta perturbacin es fcilmente manejable, sin embargo, mediante la o a transformacin de entrada o 1 [ua fa (, )], (8.17) u= ga (, ) que reduce al segundo subsistema de (8.16) al integrador puro = ua . Si conocemos, como antes, el par de funciones () y V () correspondientes a la estabilizacin del primer subsistema o de (8.16), podemos tomar ua igual al control (8.13), y combinndolo con (8.17) obtener el a control por backstepping para (8.16) u = a (, ) 1 ga (, ) V [f () + g()] g() k[ ()] fa (, ) , (8.18)
con k > 0. La correspondiente funcin de Lyapunov total es o 1 [ ()]2 . (8.19) 2 Aplicando recursivamente el control por backstepping de un integrador, pueden estabilizarse sistemas en forma de realimentacin estricta (strict feedback) o Va (, ) = V () + x = f0 (x) + g0 (x) 1 1 = f1 (x, 1 ) + g1 (x, 1 ) 2 2 = f2 (x, 1 , 2 ) + g2 (x, 1 , 2 ) 3 . . . n1 = fn1 (x, 1 , . . . , n1 ) + gn1 (x, 1 , . . . , n1 ) n n = fn (x, 1 , . . . , n ) + gn (x, 1 , . . . , n ) u (8.20)
168
donde x Rm , u, 1 , . . . , n R, y las funciones f0 , . . . , fn se anulan en el origen. Asumimos que gi (x, 1 , . . . , i ) = 0 en el dominio de inters, para i = 1, . . . , n. La razn por la cual e o llamamos a sistemas de este tipo en realimentacin estricta es que las funciones fi y gi en las n o ecuaciones de i dependen slo de x, 1 , . . . , i , es decir, slo de variables que son realimentadas. o o El procedimiento recursivo de backstepping comienza, como antes, con el sistema x = f0 (x) + g0 (x) 1 donde 1 se considera la entrada de control virtual. Asumimos que es posible encontrar un control 1 = 0 (x), con 0 (0) = 0, y una funcin de Lyapunov V0 (x) tal que o V0 [f0 (x) + g0 (x)0 (x)] W0 (x) x en el dominio de inters para alguna funcin W0 (x) denida positiva. e o El siguiente paso es considerar el sistema x = f0 (x) + g0 (x) 1 1 = f1 (x, 1 ) + g1 (x, 1 ) 2 que est en la forma (8.16) con = x, = 1 , u = 2 , f = f0 , g = g0 , fa = f1 y ga = g1 . a Usando (8.18) y (8.19), tenemos que 1 (x, 1 ) = V0 1 0 (f0 + g0 1 ) g0 k1 (1 0 ) f1 , g1 x x 1 V1 (x, 1 ) = V0 (x) + [1 0 (x)]2 2 k1 > 0
son el control estabilizante y la correspondiente funcin de Lyapunov para este sistema. o Luego consideramos el sistema x = f0 (x) + g0 (x) 1 1 = f1 (x, 1 ) + g1 (x, 1 ) 2 2 = f2 (x, 1 , 2 ) + g2 (x, 1 , 2 ) 3 como un caso particular de (8.16) para = x , 1 = 2 , f= f0 + g0 1 , f1 g= 0 , g1 fa = f2 , ga = g2 .
Usando (8.18) y (8.19), obtenemos el control estabilizante y la correspondiente funcin de o Lyapunov para este sistema 2 (x, 1 , 2 ) = 1 1 1 V1 (f0 + g0 1 ) + (f1 + g1 2 ) g1 k2 (2 1 ) f2 , g2 x 1 1 1 V2 (x, 1 , 2 ) = V1 (x, 1 ) + [2 1 (x, 1 )]2 2 k2 > 0
y as el procedimiento se repite n veces hasta obtener un control estabilizante u = n (x, 1 , . . . , n ) y la funcin de Lyapunov correspondiente Vn (x, 1 , . . . , n ) para el sistema completo. o
8.3 Ejercicios Ejemplo 8.4. El sistema monoentrada monosalida en la forma normal especial x = f0 (x) + g0 (x) 1 1 = 2 . . . r1 = r r = [u (x, 1 , . . . , r )]/(x, 1 , . . . , r ) y = 1
169
(8.21)
es un caso particular de la forma (8.20). Si el sistema es m nima fase, el origen de la dinmica a de los ceros x = f0 (x) es asintticamente estable, y en el primer paso de backstepping podemos o tomar simplemente 0 (x) = 0, y V0 (x) cualquier funcin de Lyapunov para la dinmica de los o a ceros. Si el sistema es nom nima fase, lo que vimos en este cap tulo muestra que backstepping puede estabilizar al sistema si podemos resolver el problema de estabilizacin de la dinmica o a de los ceros. Por ejemplo, si la primera ecuacin de (8.21) es o x = x + x2 1 el sistema es m nima fase ya que la dinmica de los ceros x = x es globalmente exponenciala mente estable. Entonces podemos iniciar el procedimiento de backstepping a travs de los r e 2 integradores con 0 (x) = 0 y V0 (x) = x /2, por ejemplo. Por otro lado, si la primera ecuacin de (8.21) es o x = x2 x 1 (8.22) el sistema es de no m nima fase ya que la dinmica de los ceros x = x2 es inestable. En este a caso tenemos que resolver primero el problema de estabilizacin del sistema (8.22) con entrada o 1 . Un posible par 0 , V0 para este sistema es 0 (x) = x + x2 y V0 (x) = x2 /2; luego se continua con el procedimiento de backstepping.
8.3
Ejercicios
Ejercicio 8.1 Para cada uno de los siguientes sistemas escalares, usar amortiguamiento no lineal para disear n un control por realimentacin de estados que garantice que el estado x(t) est siempre acotado o e y uniformemente nalmente acotado con cota nal . La funcin (t) es acotada para todo o t 0 aunque la cota es desconocida. (i) x = x + x2 [u + (t)] (ii) x = x2 [1 + (t)] xu Ejercicio 8.2 Usando backstepping, disear un control por realimentacin de estados que estabilice globaln o mente el origen del sistema x1 = x1 x2 x2 = x1 + u
170
Puede el origen estabilizarse globalmente mediante linealizacin exacta? o Ejercicio 8.3 Sea el sistema x1 = x2 3x2 /2 x3 /2 1 1 x2 = u (i) Usando backstepping, disear un control por realimentacin de estados lineal que estan o bilice globalmente el origen del sistema. Ayuda: No cancelar los trminos no lineales. e (ii) Disear control por realimentacin de estados que estabilice globalmente el origen del n o sistema usando realimentacin exacta. o (iii) Comparar ambos diseos. n Ejercicio 8.4 Sea el sistema x1 = x1 + x2 [x2 + (t)] 1 x2 = u donde (t) es acotada para todo t 0 aunque la cota es desconocida. Combinando backstepping y amortiguamiento no lineal disear un control por realimentacin de estados que n o 2 garantice que el estado x(t) est globalmente acotado para todo x(0) R . e Ejercicio 8.5 Considerar el sistema de suspensin magntica del Ejercicio 6.1. Usando backstepping, disear o e n un control por realimentacin de estados para la entrada de tensin u que estabilice la bola o o en la posicin deseada y = yR . o Ejercicio 8.6 Considerar el sistema del Ejercicio 7.9. (i) Comenzando con las dos primeras ecuaciones, usar backstepping para disear un control n por realimentacin de estados u = (x) tal que el origen (x1 , x2 ) = (0, 0) sea globalmente o exponencialmente estable. (ii) Mostrar que con el control del apartado anterior, el origen x = 0 del sistema completo es globalmente asintticamente estable. o (iii) Comparar este control con el que se dise en el Ejercicio 7.9. no
8.3 Ejercicios Ejercicio 8.7 Considerar el sistema x = + x2 = 3 + x =u
171
Sea xr (t) una seal de referencia suave (con derivadas continuas de todo orden). Se pide n disear el control u tal que n
t
lim [x(t) xr (t)] = 0
manteniendo todos los estados acotados para todo t. Justicar la respuesta. Ayuda: Considerar primero el subsistema (, x) con como la entrada de control, tomar una nueva variable z = x xr y calcular un control = (, z, xr , xr ) que consiga que z 0. Usar V1 (z) = 1 z 2 y la ley de control hallada en el punto anterior para calcular u 2 usando backstepping. Ejercicio 8.8 Considerar el modelo rotacional de una nave espacial r gida: = H() = J 1 S() J + J 1 u (8.23) (8.24)
donde R3 es la velocidad angular, R3 es la orientacin o posicin angular (en o o 3 coordenadas especiales, llamadas parmetros de CayleyRodrigues), u R es el torque de a entrada o control, J > 0 es la matriz de inercia. La matriz S(x), para x = [x1 , x2 , x3 ] es antisimtrica y dada por e 0 x3 x2 x1 S(x) = x3 0 x2 x1 0 y la matriz H() est denida como a H() = 1 [I S() + ] 2
Considerar como la entrada de control para la primera ecuacin (8.23) y calcular un o control = () que consiga estabilidad exponencial global del PE = 0 con respecto a la funcin de Lyapunov V1 () = 1 = 1 2 . o 2 2 Disear el control u usando backstepping para que el PE (, ) = (0, 0) del sistema n (8.23)(8.24) sea GAE.
Bibliograf a
John S. Bay. Fundamentals of Linear State Space Systems. WCB/McGraw-Hill, 1999. Chi-Tsong Chen. Linear System Theory and Design. Oxford University Press, 3rd edition, 1999. G.H. Golub and C.F. van Loan. Matrix computations. Johns Hopkins University Press, 3 edition, 1996. J. Guckenheimer and P. Holmes. Nonlinear oscillations, dynamical systems and bifurcations of vector elds. Springer, 1983. A. Isidori, A.J. Krener, C. Gori-Giorgi, and S. Monaco. Nonlinear decoupling via feedback: A dierential geometric approach. IEEE Trans. Automat. Contr., 26:331345, 1981. Alberto Isidori. Nonlinear control systems. Springer-Verlag, 3rd edition, 1995. Alberto Isidori. Nonlinear control systems II. Springer-Verlag, 1999. H. K. Khalil. Nonlinear systems. Prentice-Hall, 2nd edition, 1996. M. Krsti, I. Kanellakopoulos, and P. V. Kokotovi. Nonlinear and adaptive control design. c c John Wiley & Sons, 1995. Shankar Sastry. Nonlinear Systems: Analysis, Stability and Control. Interdisciplinary Applied Mathematics. Springer, 1999. R. Sepulchre, M. Jankovi, and P. V. Kokotovi. Constructive Nonlinear Control. CCES c c Series. Springer-Verlag, 1997. E. D. Sontag. Smooth stabilization implies coprime factorization. IEEE Trans. Automat. Contr., 34:435443, 1989. E.D. Sontag and Y. Wang. On characterizations of the input-to-state stability property. Systems and Control Letters, 24:351359, 1995. A. J. van der Schaft. L2 -gain and passivity techniques in nonlinear control. Springer-Verlag, 2000. W. M. Wonham. Linear Multivariable Control: A Geometric Approach. Third Edition. Springer-Verlag, 1985.
Indice de Materias
amortiguamiento no lineal, 161 backstepping, 163 de sistemas en realimentacin estricta, 167 o de un integrador, 163 Banach, vase espacio de Banach e Barbalat, vase lema de Barbalat e Barbashin-Krasovskii, vase teorema de Barbashine Krasovskii Cauchy, vase secuencia de Cauchy e centro, 13 Chetaev, vase teorema de Chetaev e ciclo l mite, 20 clausura, 31 condicin de apareamiento, 161 o condicin de Lipschitz, 33 o conjunto cerrado, 31 control adaptable, 10, 161 convergencia de secuencias, 31 Coulomb, vase friccin de Coulomb e o desigualdad de Gronwall-Bellman, 30 umlaut older, 29 difeomorsmo, 140 dinmica de los ceros, 150 a diodo tnel, 6, 17 u ecuacin de Lienard, 9 o ecuacin de sensibilidad, 43 o ecuacin de Van der Pol, 9, 21 o ensilladura, 11 equilibrios denicin, 4 o hiperblicos, 16 o mltiples, 17 u perturbacin, 14 o espacio de Banach, 31 espacio lineal normado, 31 estabilidad, 50 estabilidad asinttica global, 57 o estabilidad de sistemas perturbados, 97 estabilidad entrada-estado, 105 estabilidad estructural, 16 estabilidad exponencial, 80 robusta, 98 estabilidad uniforme, 79 foco, 13 forma de Jordan, 17 forma normal, 150 friccin de Coulomb, 8 o friccin esttica, 8 o a funcin de Lyapunov, 52 o funcin de sensibilidad, 43 o funcin denida positiva, 52 o funciones de clase K y KL, 79 grado relativo, 145 Gronwall-Bellman, vase desigualdad de Gronwalle Bellman inestabilidad, 50, 58 ISS, vase estabilidad entrada-estado e Jacobiana, 19 Jordan, vase forma de Jordan e LaSalle, vase teorema de LaSalle e lema de Barbalat, 90 Lienard, vase ecuacin de Lienard e o linealizacin o anlisis de puntos de equilibrio, 17 a y estabilidad, 67 Lipschitz, vase condicin de Lipschitz e o Lyapunov funcin, 52 o mtodo directo, 51 e mtodo indirecto, 70 e supercie, 52 teorema de estabilidad, 51, 77 teoremas conversos, 86 mtodo del gradiente variable, 55 e mtodo indirecto de Lyapunov, 70 e m nima fase, 151 mapeo contractivo, 31 matriz Jacobiana, 19
176
nodo, 11 norma, 31 oscilador armnico, 20 o de relajacin, 21 o de resistencia negativa, 9 de Van der Pol, vase ecuacin de Van der e o Pol pndulo, 5, 17 e perturbacin de equilibrios, 14 o principio de comparacin, 43 o principio de invariancia, 60 sistemas inestacionarios, 90 punto jo, 31 puntos de equilibrio, 4 tilde no Lyapunov, 161 regin de atraccin, 57, 64 o o retrato de fase, 11 construccin numrica, 22 o e secuencia convergente, 31 secuencia de Cauchy, 31 sensibilidad, 43 separatriz, 17 sistema en realimentacin estricta, 167 o sistema linealizable entrada-estado, 140 sistema masa-resorte, 7 supercie de Lyapunov, 52 teorema de Barbashin-Krasovskii, 58 teorema de Chetaev, 58 teorema de estabilidad de Lyapunov, 51 teorema de LaSalle, 61 teoremas conversos, vase Lyapunov e Van der Pol, vase ecuacin de Van der Pol e o
Indice de Materias

Apuntenolin

Загружено:

Сведения о документе

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

Apuntenolin

Загружено:

Авторское право:

Доступные форматы

Sistemas No Lineales

6 Control en Realimentacin o 7 Linealizacin Exacta por Realimentacin o o 8 Dise os Basados en Lyapunov n

Cap tulo 1 Introduccin o

(x) Figura 1.1: Sistema no lineal

Figura 1.2: Pndulo e

Circuito con Diodo T nel u

Figura 1.3: Diodo Tnel u

Figura 1.4: Puntos de equilibrio del circuito de diodo tnel u

Figura 1.5: Sistema masa-resorte

Oscilador de Resistencia Negativa

1.3 Sistemas de Segundo Orden

Sistemas de Segundo Orden

Figura 1.7: Retrato de fase de un nodo estable.

Figura 1.8: Retrato de fase de una ensilladura.

1.3 Sistemas de Segundo Orden

Figura 1.9: Retrato de fase de un foco estable

Figura 1.10: Retrato de fase de centro

Figura 1.11: Retrato de fase del caso de autovalores mltiples no nulos u

1.3 Sistemas de Segundo Orden

Figura 1.12: Retrato de fase para 1 = 0, 2 > 0

Figura 1.13: Retrato de fase para 1 = 0 = 2

Comportamiento Cualitativo Cerca de un PE

Figura 1.15: Retrato de fase del circuito con diodo tnel u

Figura 1.16: Retrato de fase de la ecuacin del pndulo o e

1.3 Sistemas de Segundo Orden

a11 a12 a21 a22

Un sistema oscila cuando tiene una solucin peridica no trivial 1 o o

Es decir, excluyendo soluciones constantes correspondientes a PE.

1.4 Ciclos L mites

Construccin Numrica de Retratos de Fase o e

Figura 1.20: PLL

x1 = x1 + x2 x2 = 0.1x1 2x2 x2 0.1x3 1 1 x1 = (1 x1 )x1 x2 = 2 2x1 x2 1 + x1

26 Ejercicio 1.9 El sistema x1 = x1 x2 = x2 + x2 log log x2 + x2 1 2 x1 x2 + x2 1 2

Figura 1.21: Retratos de fase

Cap tulo 2 Propiedades Fundamentales

Vamos a considerar frecuentemente las normas p en Rn , denidas como 1p<

son dos normas p

donde max (At A) es el mximo autovalor de At A. a

para a t b, entonces en el mismo intervalo

Si (t) es constante, entonces y(t) e

y si adems (t) es constante: a y(t) e(ta) Demostracin. Denamos z(t) = o diferenciable y

(s)y(s) ds y v(t) = z(t) + (t) y(t) 0. Entonces z es

Como z(a) = 0, entonces tenemos que

(t, s)((s)(s) (s)v(s))ds.

(t, s)(s)v(s)ds es no negativo, por lo que

[f (s, x(s)) f (s, x0 ) + f (s, x0 )] ds

[ f (s, x(s)) f (s, x0 ) + f (s, x0 ) ] ds [L x(s) x0 + h] ds

2.2 Existencia y Unicidad y tambin e P x x0

[f (s, x(s)) f (s, y(s))] ds f (s, x(s)) f (s, y(s)) ds

[ f (s, x(s)) f (s, x0 ) + f (s, x0 ) ] ds [L x(s) x0 + h] ds

Por lo tanto r = x(t0 + ) x0 (Lr + h) = r Lr + h

= 1 y z t [f (t, y) f (t, x)] = f (t, y) f (t, x)

f (t, (s1 ))(y x) x f yx z q (t, (s1 )) x p

donde usamos la desigualdad de Hlder |z t w| z o

y una constante de Lipschitz es entonces L = 1 + a2 + a1 .

que est bien denida para todo x0 y para todo t t0 . a

Dependencia Continua Con Respecto a Condiciones Iniciales y Parmetros a

f (s, y(s)) ds [f (s, z(s)) + g(s, z(s))] ds

Restando ambas ecuaciones y tomando normas obtenemos

f (s, y(s)) f (s, z(s)) ds +

Aplicando la desigualdad de Gronwall-Bellman a la funcin y(t) z(t) resulta o

Diferenciabilidad de la Solucin y Ecuaciones de o Sensibilidad

2.5 Principio de Comparacin o y derivemos parcialmente con respecto a

f f (s, x(s, ), ) x (s, ) + (s, x(s, ), ) ds x