Teoría de Sistemas y Control Automático

Estabilidad en represantación interna

Dr. Antonio Ferramosca - e-mail: [email protected]

Ing. Ivan Talijancic - e-mail: [email protected]

4o y 5o Ing. Electromecánica
UTN - Facultad Regional Reconquista

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 1 / 37

Estabilidad: introducción
La teoría de estabilidad juega un rol central en teoría de sistemas e ingeniería.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 2 / 37

Estabilidad: introducción
La teoría de estabilidad juega un rol central en teoría de sistemas e ingeniería.
En sistemas dinámicos existen distintos tipos de problemas de estabilidad:
I estabilidad de puntos de equilibrio (y conjunto invariantes)
I estabilidad entrada-estado
I estabilidad entrada-salida.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 2 / 37

Estabilidad: introducción
La teoría de estabilidad juega un rol central en teoría de sistemas e ingeniería.
En sistemas dinámicos existen distintos tipos de problemas de estabilidad:
I estabilidad de puntos de equilibrio (y conjunto invariantes)
I estabilidad entrada-estado
I estabilidad entrada-salida.
La estabilidad de puntos de equilibrio generalmente se caracteriza en el sentido
de Lyapunov un matemático e ingeniero ruso que estableció las bases de la
teoría que hoy lleva su nombre.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 2 / 37

Estabilidad: introducción
La teoría de estabilidad juega un rol central en teoría de sistemas e ingeniería.
En sistemas dinámicos existen distintos tipos de problemas de estabilidad:
I estabilidad de puntos de equilibrio (y conjunto invariantes)
I estabilidad entrada-estado
I estabilidad entrada-salida.
La estabilidad de puntos de equilibrio generalmente se caracteriza en el sentido
de Lyapunov un matemático e ingeniero ruso que estableció las bases de la
teoría que hoy lleva su nombre.
Un punto de equilibrio se dice estable si todas las soluciones que se inicien en
las cercanías del punto de equilibrio permanecen en las cercanías del punto de
equilibrio; de otro modo el punto de equilibrio es inestable.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 2 / 37

Estabilidad: introducción
La teoría de estabilidad juega un rol central en teoría de sistemas e ingeniería.
En sistemas dinámicos existen distintos tipos de problemas de estabilidad:
I estabilidad de puntos de equilibrio (y conjunto invariantes)
I estabilidad entrada-estado
I estabilidad entrada-salida.
La estabilidad de puntos de equilibrio generalmente se caracteriza en el sentido
de Lyapunov un matemático e ingeniero ruso que estableció las bases de la
teoría que hoy lleva su nombre.
Un punto de equilibrio se dice estable si todas las soluciones que se inicien en
las cercanías del punto de equilibrio permanecen en las cercanías del punto de
equilibrio; de otro modo el punto de equilibrio es inestable.
Un punto de equilibrio se dice asintóticamente estable si todas las soluciones
que se inicien en las cercanías del punto de equilibrio no sólo permanecen en las
cercanías del punto de equilibrio, sino que además tienden hacia el equilibrio a
medida que el tiempo se aproxima a infinito.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 2 / 37

Estabilidad: definiciones

Consideramos el sistema estacionario

ẋ = f (x)
Supongamos que x̄ es un PE: es decir f (x̄) = 0. (Desde ahora por conveniencia se supondrá que x̄ = 0).

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 3 / 37

Estabilidad: definiciones

Consideramos el sistema estacionario

ẋ = f (x)
Supongamos que x̄ es un PE: es decir f (x̄) = 0. (Desde ahora por conveniencia se supondrá que x̄ = 0).

Estabilidad local
El PE x = 0 es localmente estable si, para todo  ≥ 0 existe un δ > 0 tal que kx(0)k < δ implica
kx(t)k < , para todo t ≥ 0.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 3 / 37

Estabilidad: definiciones

Consideramos el sistema estacionario

ẋ = f (x)
Supongamos que x̄ es un PE: es decir f (x̄) = 0. (Desde ahora por conveniencia se supondrá que x̄ = 0).

Estabilidad local
El PE x = 0 es localmente estable si, para todo  ≥ 0 existe un δ > 0 tal que kx(0)k < δ implica
kx(t)k < , para todo t ≥ 0.

x = 0 es inestable si no es estable.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 3 / 37

Estabilidad: definiciones

Consideramos el sistema estacionario

ẋ = f (x)
Supongamos que x̄ es un PE: es decir f (x̄) = 0. (Desde ahora por conveniencia se supondrá que x̄ = 0).

Estabilidad local
El PE x = 0 es localmente estable si, para todo  ≥ 0 existe un δ > 0 tal que kx(0)k < δ implica
kx(t)k < , para todo t ≥ 0.

x = 0 es inestable si no es estable.

Convergencia (atractividad)
El PE x = 0 es atractivo si limt→∞ x(t) = 0.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 3 / 37

Estabilidad: definiciones

Consideramos el sistema estacionario

ẋ = f (x)
Supongamos que x̄ es un PE: es decir f (x̄) = 0. (Desde ahora por conveniencia se supondrá que x̄ = 0).

Estabilidad local
El PE x = 0 es localmente estable si, para todo  ≥ 0 existe un δ > 0 tal que kx(0)k < δ implica
kx(t)k < , para todo t ≥ 0.

x = 0 es inestable si no es estable.

Convergencia (atractividad)
El PE x = 0 es atractivo si limt→∞ x(t) = 0.

Estabilidad Asintótica
El PE x = 0 es asintoticamente estable si es localmente estable y atractivo.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 3 / 37

Estabilidad de x = 0

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 4 / 37

Ejemplo: péndulo

Los tres tipos de estabilidad pueden ejemplificarse con la ecuación de péndulo (con y sin fricción).

ẋ1 = x2
g k
ẋ2 = − sin(x1 ) − x2
l m

donde x1 = θ y x2 = θ̇.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 5 / 37

Ejemplo: péndulo

Los tres tipos de estabilidad pueden ejemplificarse con la ecuación de péndulo (con y sin fricción).

ẋ1 = x2
g k
ẋ2 = − sin(x1 ) − x2
l m

donde x1 = θ y x2 = θ̇.

Los PE (cuando ẋ1,2 = 0) son: (0, 0) y (π, 0).

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 5 / 37

Ejemplo: péndulo

Los tres tipos de estabilidad pueden ejemplificarse con la ecuación de péndulo (con y sin fricción).

ẋ1 = x2
g k
ẋ2 = − sin(x1 ) − x2
l m

donde x1 = θ y x2 = θ̇.

Los PE (cuando ẋ1,2 = 0) son: (0, 0) y (π, 0).

Si no hay fricción (k = 0), las trayectorias entorno a (0, 0) son órbitas cerradas: empezando
suficientemente cerca del PE (kx(0)k < δ), las trayectorias van a permanecer cerca del PE.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 5 / 37

Ejemplo: péndulo

Los tres tipos de estabilidad pueden ejemplificarse con la ecuación de péndulo (con y sin fricción).

ẋ1 = x2
g k
ẋ2 = − sin(x1 ) − x2
l m

donde x1 = θ y x2 = θ̇.

Los PE (cuando ẋ1,2 = 0) son: (0, 0) y (π, 0).

Si no hay fricción (k = 0), las trayectorias entorno a (0, 0) son órbitas cerradas: empezando
suficientemente cerca del PE (kx(0)k < δ), las trayectorias van a permanecer cerca del PE.
El PE es estable.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 5 / 37

Ejemplo: péndulo

Los tres tipos de estabilidad pueden ejemplificarse con la ecuación de péndulo (con y sin fricción).

ẋ1 = x2
g k
ẋ2 = − sin(x1 ) − x2
l m

donde x1 = θ y x2 = θ̇.

Los PE (cuando ẋ1,2 = 0) son: (0, 0) y (π, 0).

Si no hay fricción (k = 0), las trayectorias entorno a (0, 0) son órbitas cerradas: empezando
suficientemente cerca del PE (kx(0)k < δ), las trayectorias van a permanecer cerca del PE.
El PE es estable.
No es Asintóticamente Estable (AE), porque las trayectorias que comienzan fuera del PE nunca
tienden a él.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 5 / 37

Ejemplo: Péndulo

2.5

1.5

0.5
y2

-0.5

-1

-1.5

-2
-2 -1 0 1 2 3 4 5 6 7 8
y1

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 6 / 37

Ejemplo: péndulo

Los tres tipos de estabilidad pueden ejemplificarse con la ecuación de péndulo (con y sin fricción).

ẋ1 = x2
g k
ẋ2 = − sin(x1 ) − x2
l m

donde x1 = θ y x2 = θ̇.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 7 / 37

Ejemplo: péndulo

Los tres tipos de estabilidad pueden ejemplificarse con la ecuación de péndulo (con y sin fricción).

ẋ1 = x2
g k
ẋ2 = − sin(x1 ) − x2
l m

donde x1 = θ y x2 = θ̇.

El PE (π, 0) es inestable.
En el retrato de fase las trayectorias se alejan del PE.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 7 / 37

Ejemplo: péndulo

Los tres tipos de estabilidad pueden ejemplificarse con la ecuación de péndulo (con y sin fricción).

ẋ1 = x2
g k
ẋ2 = − sin(x1 ) − x2
l m

donde x1 = θ y x2 = θ̇.

El PE (π, 0) es inestable.
En el retrato de fase las trayectorias se alejan del PE.
Aún cuando la condición inicial sea suficientemente cercana a él, las trayectorias se alejan del PE.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 7 / 37

Ejemplo: péndulo

Los tres tipos de estabilidad pueden ejemplificarse con la ecuación de péndulo (con y sin fricción).

ẋ1 = x2
g k
ẋ2 = − sin(x1 ) − x2
l m

donde x1 = θ y x2 = θ̇.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 8 / 37

Ejemplo: péndulo

Los tres tipos de estabilidad pueden ejemplificarse con la ecuación de péndulo (con y sin fricción).

ẋ1 = x2
g k
ẋ2 = − sin(x1 ) − x2
l m

donde x1 = θ y x2 = θ̇.

Supongamos que haya fricción: k > 0.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 8 / 37

Ejemplo: péndulo

Los tres tipos de estabilidad pueden ejemplificarse con la ecuación de péndulo (con y sin fricción).

ẋ1 = x2
g k
ẋ2 = − sin(x1 ) − x2
l m

donde x1 = θ y x2 = θ̇.

Supongamos que haya fricción: k > 0.

El PE (0, 0) es un foco estable: empezando suficientemente cerca del PE (kx(0)k < δ), las
trayectorias van a permanecer cerca del PE; además tienden asintoticamente a él.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 8 / 37

Ejemplo: péndulo

Los tres tipos de estabilidad pueden ejemplificarse con la ecuación de péndulo (con y sin fricción).

ẋ1 = x2
g k
ẋ2 = − sin(x1 ) − x2
l m

donde x1 = θ y x2 = θ̇.

Supongamos que haya fricción: k > 0.

El PE (0, 0) es un foco estable: empezando suficientemente cerca del PE (kx(0)k < δ), las
trayectorias van a permanecer cerca del PE; además tienden asintoticamente a él.
El PE Asintóticamente Estable.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 8 / 37

Ejemplo: péndulo

Los tres tipos de estabilidad pueden ejemplificarse con la ecuación de péndulo (con y sin fricción).

ẋ1 = x2
g k
ẋ2 = − sin(x1 ) − x2
l m

donde x1 = θ y x2 = θ̇.

Supongamos que haya fricción: k > 0.

El PE (0, 0) es un foco estable: empezando suficientemente cerca del PE (kx(0)k < δ), las
trayectorias van a permanecer cerca del PE; además tienden asintoticamente a él.
El PE Asintóticamente Estable.
El PE (π, 0) es inestable.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 8 / 37

Ejemplo: Péndulo

1.5

0.5
y2

-0.5

-1

-1.5

-2
-2 -1 0 1 2 3 4 5 6 7 8
y1

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 9 / 37

Sistemas lineales
Es útil repasar el retrato de fase de sistemas lineales de segundo orden como herramienta para estudiar el
comportamiento local de sistemas lineales y no lineales alrededor de un PE.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 10 / 37

Sistemas lineales
Es útil repasar el retrato de fase de sistemas lineales de segundo orden como herramienta para estudiar el
comportamiento local de sistemas lineales y no lineales alrededor de un PE.
Consideremos el sistema de segundo orden

ẋ = Ax.

cuyo único punto de equilibrio es x = 0.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 10 / 37

Sistemas lineales
Es útil repasar el retrato de fase de sistemas lineales de segundo orden como herramienta para estudiar el
comportamiento local de sistemas lineales y no lineales alrededor de un PE.
Consideremos el sistema de segundo orden

ẋ = Ax.

cuyo único punto de equilibrio es x = 0. La solución para un estado inicial x0 está dada por

x(t) = eAt x0 ,

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 10 / 37

Sistemas lineales
Es útil repasar el retrato de fase de sistemas lineales de segundo orden como herramienta para estudiar el
comportamiento local de sistemas lineales y no lineales alrededor de un PE.
Consideremos el sistema de segundo orden

ẋ = Ax.

cuyo único punto de equilibrio es x = 0. La solución para un estado inicial x0 está dada por

x(t) = eAt x0 ,

Un análisis cualitativo del sistema se puede hacer estudiando A. Dependiendo de los autovalores de A,
tenemos 3 casos:
1. Los autovalores λ1 y λ2 son reales y distintos,

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 10 / 37

Sistemas lineales
Es útil repasar el retrato de fase de sistemas lineales de segundo orden como herramienta para estudiar el
comportamiento local de sistemas lineales y no lineales alrededor de un PE.
Consideremos el sistema de segundo orden

ẋ = Ax.

cuyo único punto de equilibrio es x = 0. La solución para un estado inicial x0 está dada por

x(t) = eAt x0 ,

Un análisis cualitativo del sistema se puede hacer estudiando A. Dependiendo de los autovalores de A,
tenemos 3 casos:
1. Los autovalores λ1 y λ2 son reales y distintos,
2. Los autovalores son reales e iguales, λ1 = λ2 .

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 10 / 37

Sistemas lineales
Es útil repasar el retrato de fase de sistemas lineales de segundo orden como herramienta para estudiar el
comportamiento local de sistemas lineales y no lineales alrededor de un PE.
Consideremos el sistema de segundo orden

ẋ = Ax.

cuyo único punto de equilibrio es x = 0. La solución para un estado inicial x0 está dada por

x(t) = eAt x0 ,

Un análisis cualitativo del sistema se puede hacer estudiando A. Dependiendo de los autovalores de A,
tenemos 3 casos:
1. Los autovalores λ1 y λ2 son reales y distintos,
2. Los autovalores son reales e iguales, λ1 = λ2 .
3. Los autovalores son complejos λ1,2 = α ± jβ.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 10 / 37

Sistemas lineales
Es útil repasar el retrato de fase de sistemas lineales de segundo orden como herramienta para estudiar el
comportamiento local de sistemas lineales y no lineales alrededor de un PE.
Consideremos el sistema de segundo orden

ẋ = Ax.

cuyo único punto de equilibrio es x = 0. La solución para un estado inicial x0 está dada por

x(t) = eAt x0 ,

Un análisis cualitativo del sistema se puede hacer estudiando A. Dependiendo de los autovalores de A,
tenemos 3 casos:
1. Los autovalores λ1 y λ2 son reales y distintos,
2. Los autovalores son reales e iguales, λ1 = λ2 .
3. Los autovalores son complejos λ1,2 = α ± jβ.

Comentario
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.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 10 / 37

Repaso: Autovalores y Autovectores

Definición
Los autovectores de un operador lineal (matriz) son los vectores no nulos que, cuando son transformados
por el operador, dan lugar a un múltiplo escalar de sí mismos, con lo que no cambian su dirección.
Este escalar λ recibe el nombre autovalor.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 11 / 37

Repaso: Autovalores y Autovectores

Definición
Los autovectores de un operador lineal (matriz) son los vectores no nulos que, cuando son transformados
por el operador, dan lugar a un múltiplo escalar de sí mismos, con lo que no cambian su dirección.
Este escalar λ recibe el nombre autovalor.

Una transformación lineal Ax produce ciertos efectos sobre el vector x. Dichos efectos dependen de
la forma de A.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 11 / 37

Repaso: Autovalores y Autovectores

Definición
Los autovectores de un operador lineal (matriz) son los vectores no nulos que, cuando son transformados
por el operador, dan lugar a un múltiplo escalar de sí mismos, con lo que no cambian su dirección.
Este escalar λ recibe el nombre autovalor.

Una transformación lineal Ax produce ciertos efectos sobre el vector x. Dichos efectos dependen de
la forma de A.
Los vectores pueden visualizarse como flechas de una cierta longitud apuntando en una dirección y
sentido determinados.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 11 / 37

Repaso: Autovalores y Autovectores

Definición
Los autovectores de un operador lineal (matriz) son los vectores no nulos que, cuando son transformados
por el operador, dan lugar a un múltiplo escalar de sí mismos, con lo que no cambian su dirección.
Este escalar λ recibe el nombre autovalor.

Una transformación lineal Ax produce ciertos efectos sobre el vector x. Dichos efectos dependen de
la forma de A.
Los vectores pueden visualizarse como flechas de una cierta longitud apuntando en una dirección y
sentido determinados.
Los autovectores son vectores que, o no son afectados por la transformación o sólo resultan
multiplicados por un escalar, y por tanto, no varían su dirección.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 11 / 37

Repaso: Autovalores y Autovectores

Definición
Los autovectores de un operador lineal (matriz) son los vectores no nulos que, cuando son transformados
por el operador, dan lugar a un múltiplo escalar de sí mismos, con lo que no cambian su dirección.
Este escalar λ recibe el nombre autovalor.

Una transformación lineal Ax produce ciertos efectos sobre el vector x. Dichos efectos dependen de
la forma de A.
Los vectores pueden visualizarse como flechas de una cierta longitud apuntando en una dirección y
sentido determinados.
Los autovectores son vectores que, o no son afectados por la transformación o sólo resultan
multiplicados por un escalar, y por tanto, no varían su dirección.
El autovalor de un autovector es el factor de escala por el que ha sido multiplicado.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 11 / 37

Repaso: Autovalores y Autovectores

Definición
Sea A una transformación lineal y v un vector no nulo. Si existe un escalar λ tal que

Av = λv

entonces v es un autovector de A, y su autovalor asociado es λ.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 12 / 37

Repaso: Autovalores y Autovectores

Definición
Sea A una transformación lineal y v un vector no nulo. Si existe un escalar λ tal que

Av = λv

entonces v es un autovector de A, y su autovalor asociado es λ.

Como se calculan los autovalores?

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 12 / 37

Repaso: Autovalores y Autovectores

Definición
Sea A una transformación lineal y v un vector no nulo. Si existe un escalar λ tal que

Av = λv

entonces v es un autovector de A, y su autovalor asociado es λ.

Como se calculan los autovalores? Basándonos en la definición

Av = λv ⇒ (A − λI)v = 0

por lo que los valores de λ se encuentran resolviendo

det(A − λI) = 0

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 12 / 37

Repaso: Autovalores y Autovectores

Definición
Sea A una transformación lineal y v un vector no nulo. Si existe un escalar λ tal que

Av = λv

entonces v es un autovector de A, y su autovalor asociado es λ.

Como se calculan los autovalores? Basándonos en la definición

Av = λv ⇒ (A − λI)v = 0

por lo que los valores de λ se encuentran resolviendo

det(A − λI) = 0

En Matlab se usa la función eig(A).

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 12 / 37

Repaso: Autovalores y Autovectores

Algunas transformaciones especiales en IR2 :

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 13 / 37

Repaso: Autovalores y Autovectores

Algunas transformaciones especiales en IR2 :

Rotación: ningún autovector de valores reales; existen en cambio pares (autovalor, autovector)
complejos.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 13 / 37

Repaso: Autovalores y Autovectores

Algunas transformaciones especiales en IR2 :

Rotación: ningún autovector de valores reales; existen en cambio pares (autovalor, autovector)
complejos.
Reflexión: los autovectores son perpendiculares y paralelos al eje de simetría; los autovalores son -1
y 1, respectivamente.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 13 / 37

Repaso: Autovalores y Autovectores

Algunas transformaciones especiales en IR2 :

Rotación: ningún autovector de valores reales; existen en cambio pares (autovalor, autovector)
complejos.
Reflexión: los autovectores son perpendiculares y paralelos al eje de simetría; los autovalores son -1
y 1, respectivamente.
Escalado uniforme: todos los vectores son autovectores, y el autovalor es el factor de escala.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 13 / 37

Repaso: Autovalores y Autovectores

Algunas transformaciones especiales en IR2 :

Rotación: ningún autovector de valores reales; existen en cambio pares (autovalor, autovector)
complejos.
Reflexión: los autovectores son perpendiculares y paralelos al eje de simetría; los autovalores son -1
y 1, respectivamente.
Escalado uniforme: todos los vectores son autovectores, y el autovalor es el factor de escala.
Proyección sobre una recta: los autovectores con autovalor 1 son paralelos a la recta, autovectores
con autovalor 0 son perpendiculares a la dirección de la proyección.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 13 / 37

Repaso: Autovalores y Autovectores

Algunas transformaciones especiales en IR2 :

Rotación: ningún autovector de valores reales; existen en cambio pares (autovalor, autovector)
complejos.
Reflexión: los autovectores son perpendiculares y paralelos al eje de simetría; los autovalores son -1
y 1, respectivamente.
Escalado uniforme: todos los vectores son autovectores, y el autovalor es el factor de escala.
Proyección sobre una recta: los autovectores con autovalor 1 son paralelos a la recta, autovectores
con autovalor 0 son perpendiculares a la dirección de la proyección.

Comentario (Ejemplo en 3D)

A medida que la Tierra rota, los vectores en el eje de rotación permanecen invariantes. Si se considera la
transformación lineal que sufre la Tierra tras una hora de rotación, una flecha que partiera del centro de
la Tierra al Polo Sur geográfico sería un autovector de esta transformación, pero una flecha que partiera
del centro a un punto del ecuador no sería un autovector.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 13 / 37

Autovalores reales, λ1 6= λ2 6= 0
Sean v1 y v2 los autovectores asociados con λ1 yλ2 .
El retrato de fase es el de un:
nodo estable si ambos autovalores son negativos. Las trayectorias en el plano de fase son parábolas
que se hacen tangentes al autovector lento (corresp. al mayor autovalor) cuando se acercan al
origen, y paralelas al autovector rápido (correspondiente. al menor autovalor) lejos del origen.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 14 / 37

Autovalores reales, λ1 6= λ2 6= 0
Sean v1 y v2 los autovectores asociados con λ1 yλ2 .
El retrato de fase es el de un:
nodo inestable si ambos autovalores son positivos. Las trayectorias en el plano de fase son
parábolas con formas similares a la del nodo estable pero con sentido invertido.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 15 / 37

Autovalores reales, λ1 6= λ2 6= 0
Sean v1 y v2 los autovectores asociados con λ1 yλ2 .
El retrato de fase es el de un:
ensilladura si los autovalores tienen distinto signo. Las trayectorias en el plano de fase (excepto las
correspondientes a los autovectores, que son rectas) son hipérbolas que comienzan tangentes al
autovector estable (correspondiente al autovalor estable) en infinito, y terminan tangentes al
autovector inestable (correspondiente al autovalor inestable), también en infinito.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 16 / 37

Autovalores complejos, λ1,2 = α ± jβ
En este caso conviene usar la descripción en coordenadas polares del sistema.

Definición
Las coordenadas polares o sistema de coordenadas polares son un sistema de coordenadas bidimensional
en el que cada punto del plano se determina por una distancia y un ángulo.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 17 / 37

Autovalores complejos, λ1,2 = α ± jβ
En este caso conviene usar la descripción en coordenadas polares del sistema.

Definición
Las coordenadas polares o sistema de coordenadas polares son un sistema de coordenadas bidimensional
en el que cada punto del plano se determina por una distancia y un ángulo.

Cada punto x = (x1 , x2 ) está definido por:

r: su distancia al origen
θ: el ángulo del vector de posición sobre el eje x1 .

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 17 / 37

Autovalores complejos, λ1,2 = α ± jβ
En este caso conviene usar la descripción en coordenadas polares del sistema.

Definición
Las coordenadas polares o sistema de coordenadas polares son un sistema de coordenadas bidimensional
en el que cada punto del plano se determina por una distancia y un ángulo.

Cada punto x = (x1 , x2 ) está definido por:

r: su distancia al origen
θ: el ángulo del vector de posición sobre el eje x1 .

Para pasar de coordenadas polares a cartesianas:

x1 = r cos(θ), x2 = r sin(θ)

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 17 / 37

Autovalores complejos, λ1,2 = α ± jβ
En este caso conviene usar la descripción en coordenadas polares del sistema.

Definición
Las coordenadas polares o sistema de coordenadas polares son un sistema de coordenadas bidimensional
en el que cada punto del plano se determina por una distancia y un ángulo.

Cada punto x = (x1 , x2 ) está definido por:

r: su distancia al origen
θ: el ángulo del vector de posición sobre el eje x1 .

Para pasar de coordenadas polares a cartesianas:

x1 = r cos(θ), x2 = r sin(θ)

Para pasar de coordenadas cartesianas a polares:

x2
q
r= x12 + x22 , θ = arctan( )
x1

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 17 / 37

Autovalores complejos, λ1,2 = α ± jβ

En coordenadas polares el modelo de estado toma la forma

ṙ = αr
θ̇ = β,

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 18 / 37

Autovalores complejos, λ1,2 = α ± jβ

En coordenadas polares el modelo de estado toma la forma

ṙ = αr
θ̇ = β,

de forma que el radio es una función exponencial de la parte real de los autovalores,
α, y el ángulo crece linealmente con la parte imaginaria β. El retrato de fase es el de
un

foco estable si α es negativa. Las trayectorias en el plano de fase son espirales

logarítmicas que convergen al origen.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 18 / 37

Autovalores complejos, λ1,2 = α ± jβ

En coordenadas polares el modelo de estado toma la forma

ṙ = αr
θ̇ = β,

de forma que el radio es una función exponencial de la parte real de los autovalores,
α, y el ángulo crece linealmente con la parte imaginaria β. El retrato de fase es el de
un

foco estable si α es negativa. Las trayectorias en el plano de fase son espirales

logarítmicas que convergen al origen.
foco inestable si α es positiva. Las trayectorias en el plano de fase son espirales
logarítmicas que divergen del origen.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 18 / 37

Autovalores complejos, λ1,2 = α ± jβ

En coordenadas polares el modelo de estado toma la forma

ṙ = αr
θ̇ = β,

de forma que el radio es una función exponencial de la parte real de los autovalores,
α, y el ángulo crece linealmente con la parte imaginaria β. El retrato de fase es el de
un

foco estable si α es negativa. Las trayectorias en el plano de fase son espirales

logarítmicas que convergen al origen.
foco inestable si α es positiva. Las trayectorias en el plano de fase son espirales
logarítmicas que divergen del origen.
centro si α = 0. Las trayectorias en el plano de fase son elipses centradas en el
origen.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 18 / 37

Foco estable

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 19 / 37

Centro

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 20 / 37

Autovalores Múltiples No Nulos, λ1 = λ2 6= 0

El retrato de fase en este caso se asemeja al de un nodo (estable o inestable según λ sea negativo o
positivo). Las trayectorias no tienen en este caso el comportamiento asintótico rápido-lento como en el
caso de autovalores distintos.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 21 / 37

Resumen del caso en que el origen es un PE aislado
Resumen
El sistema puede tener 6 retratos de fase diferentes asociados a diferentes tipos de
equilibrio:
1 nodo estable: autovalores reales negativos.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 22 / 37

Resumen del caso en que el origen es un PE aislado
Resumen
El sistema puede tener 6 retratos de fase diferentes asociados a diferentes tipos de
equilibrio:
1 nodo estable: autovalores reales negativos.
2 nodo inestable: autovalores reales positivos.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 22 / 37

Resumen del caso en que el origen es un PE aislado
Resumen
El sistema puede tener 6 retratos de fase diferentes asociados a diferentes tipos de
equilibrio:
1 nodo estable: autovalores reales negativos.
2 nodo inestable: autovalores reales positivos.
3 ensilladura: autovalores de distinto signo.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 22 / 37

Resumen del caso en que el origen es un PE aislado
Resumen
El sistema puede tener 6 retratos de fase diferentes asociados a diferentes tipos de
equilibrio:
1 nodo estable: autovalores reales negativos.
2 nodo inestable: autovalores reales positivos.
3 ensilladura: autovalores de distinto signo.
4 foco estable: autovalores complejos, con parte real negativa.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 22 / 37

Resumen del caso en que el origen es un PE aislado
Resumen
El sistema puede tener 6 retratos de fase diferentes asociados a diferentes tipos de
equilibrio:
1 nodo estable: autovalores reales negativos.
2 nodo inestable: autovalores reales positivos.
3 ensilladura: autovalores de distinto signo.
4 foco estable: autovalores complejos, con parte real negativa.
5 foco inestable: autovalores complejos, con parte real positiva.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 22 / 37

Resumen del caso en que el origen es un PE aislado
Resumen
El sistema puede tener 6 retratos de fase diferentes asociados a diferentes tipos de
equilibrio:
1 nodo estable: autovalores reales negativos.
2 nodo inestable: autovalores reales positivos.
3 ensilladura: autovalores de distinto signo.
4 foco estable: autovalores complejos, con parte real negativa.
5 foco inestable: autovalores complejos, con parte real positiva.
6 centro: autovalores complejos, con parte real nula.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 22 / 37

Resumen del caso en que el origen es un PE aislado
Resumen
El sistema puede tener 6 retratos de fase diferentes asociados a diferentes tipos de
equilibrio:
1 nodo estable: autovalores reales negativos.
2 nodo inestable: autovalores reales positivos.
3 ensilladura: autovalores de distinto signo.
4 foco estable: autovalores complejos, con parte real negativa.
5 foco inestable: autovalores complejos, con parte real positiva.
6 centro: autovalores complejos, con parte real nula.

El tipo de equilibrio está completamente especificado por la ubicación de los

autovalores de A.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 22 / 37

Resumen del caso en que el origen es un PE aislado
Resumen
El sistema puede tener 6 retratos de fase diferentes asociados a diferentes tipos de
equilibrio:
1 nodo estable: autovalores reales negativos.
2 nodo inestable: autovalores reales positivos.
3 ensilladura: autovalores de distinto signo.
4 foco estable: autovalores complejos, con parte real negativa.
5 foco inestable: autovalores complejos, con parte real positiva.
6 centro: autovalores complejos, con parte real nula.

El tipo de equilibrio está completamente especificado por la ubicación de los

autovalores de A.
El comportamiento global del sistema está cualitativamente determinado por el tipo
de equilibrio.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 22 / 37

Uno o ambos autovalores nulos
En este caso A tiene un kernel o espacio nulo no trivial.

Definición
Kernel: Un subespacio no trivial del espacio de estado cuyos elementos son mapeados al cero bajo la
transformación lineal definida por A: conjunto de vectores cuya imagen bajo A sea el vector nulo.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 23 / 37

Uno o ambos autovalores nulos
En este caso A tiene un kernel o espacio nulo no trivial.

Definición
Kernel: Un subespacio no trivial del espacio de estado cuyos elementos son mapeados al cero bajo la
transformación lineal definida por A: conjunto de vectores cuya imagen bajo A sea el vector nulo.

Dicho de otra forma: todo vector tal que Av = 0.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 23 / 37

Uno o ambos autovalores nulos
En este caso A tiene un kernel o espacio nulo no trivial.

Definición
Kernel: Un subespacio no trivial del espacio de estado cuyos elementos son mapeados al cero bajo la
transformación lineal definida por A: conjunto de vectores cuya imagen bajo A sea el vector nulo.

Dicho de otra forma: todo vector tal que Av = 0.

Se denota como M = null(A) y es tal que v = Mθ, donde θ es un escalar o un vector dependiendo
del tamaño de M.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 23 / 37

Uno o ambos autovalores nulos
En este caso A tiene un kernel o espacio nulo no trivial.

Definición
Kernel: Un subespacio no trivial del espacio de estado cuyos elementos son mapeados al cero bajo la
transformación lineal definida por A: conjunto de vectores cuya imagen bajo A sea el vector nulo.

Dicho de otra forma: todo vector tal que Av = 0.

Se denota como M = null(A) y es tal que v = Mθ, donde θ es un escalar o un vector dependiendo
del tamaño de M.
Todo vector en el kernel de A, es decir todo v = Mθ, es un punto de equilibrio del sistema.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 23 / 37

Uno o ambos autovalores nulos
En este caso A tiene un kernel o espacio nulo no trivial.

Definición
Kernel: Un subespacio no trivial del espacio de estado cuyos elementos son mapeados al cero bajo la
transformación lineal definida por A: conjunto de vectores cuya imagen bajo A sea el vector nulo.

Dicho de otra forma: todo vector tal que Av = 0.

Se denota como M = null(A) y es tal que v = Mθ, donde θ es un escalar o un vector dependiendo
del tamaño de M.
Todo vector en el kernel de A, es decir todo v = Mθ, es un punto de equilibrio del sistema.
Ejemplo:      
1 4 1 −0.97
A= , λ= , M = null(A) =
0 0 0 0.24

Cualquier v = Mθ, θ ∈ R, es tal que Av = 0.

      
−2.91 1 4 −2.91 0
v=M∗3= , Av = =
0.73 0 0 0.73 0

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 23 / 37

Uno o ambos autovalores nulos
En este caso A tiene un kernel o espacio nulo no trivial.

Definición
Kernel: Un subespacio no trivial del espacio de estado cuyos elementos son mapeados al cero bajo la
transformación lineal definida por A: conjunto de vectores cuya imagen bajo A sea el vector nulo.

Dicho de otra forma: todo vector tal que Av = 0.

Se denota como M = null(A) y es tal que v = Mθ, donde θ es un escalar o un vector dependiendo
del tamaño de M.
Todo vector en el kernel de A, es decir todo v = Mθ, es un punto de equilibrio del sistema.
Ejemplo:      
1 4 1 −0.97
A= , λ= , M = null(A) =
0 0 0 0.24

Cualquier v = Mθ, θ ∈ R, es tal que Av = 0.

      
−2.91 1 4 −2.91 0
v=M∗3= , Av = =
0.73 0 0 0.73 0

La dimensión del kernel puede ser uno o dos.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 23 / 37

Uno o ambos autovalores nulos
En este caso A tiene un kernel o espacio nulo no trivial.

Definición
Kernel: Un subespacio no trivial del espacio de estado cuyos elementos son mapeados al cero bajo la
transformación lineal definida por A: conjunto de vectores cuya imagen bajo A sea el vector nulo.

Dicho de otra forma: todo vector tal que Av = 0.

Se denota como M = null(A) y es tal que v = Mθ, donde θ es un escalar o un vector dependiendo
del tamaño de M.
Todo vector en el kernel de A, es decir todo v = Mθ, es un punto de equilibrio del sistema.
Ejemplo:      
1 4 1 −0.97
A= , λ= , M = null(A) =
0 0 0 0.24

Cualquier v = Mθ, θ ∈ R, es tal que Av = 0.

      
−2.91 1 4 −2.91 0
v=M∗3= , Av = =
0.73 0 0 0.73 0

La dimensión del kernel puede ser uno o dos.

Si es dos, A es la matriz nula y todo punto en el espacio de estado es un punto de equilibrio.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 23 / 37

Uno o ambos autovalores nulos
Si la dimensión del kernel es uno, se mira la multiplicidad del cero como autovalor.
I Si esta multiplicidad es uno, el autovector correspondiente (notar que hay otro autovector que
corresponde a un autovalor 6= 0) define (genera) el conjunto o subespacio de equilibrio del
sistema.

Todas las trayectorias convergen al subespacio de equilibrio cuando el autovalor no nulo es

negativo, y divergen cuando es positivo (como en la figura).

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 24 / 37

Uno o ambos autovalores nulos
Si la dimensión del kernel es uno, se mira la multiplicidad del cero como autovalor.
I Si la multiplicidad es dos, el único autovector v genera el conjunto o subespacio de equilibrio
del sistema.

Las trayectorias que comienzan fuera del subespacio de equilibrio se mueven paralelas a él.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 25 / 37

 Teoría de estabilidad de Lyapunov

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 26 / 37

Teoría de estabilidad de Lyapunov

Desde el punto de vista del control, lo que nos interesa es garantizar que el PE donde queremos controlar el
sistema, sea un PE asint. estable.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 27 / 37

Teoría de estabilidad de Lyapunov

Desde el punto de vista del control, lo que nos interesa es garantizar que el PE donde queremos controlar el
sistema, sea un PE asint. estable.

Recién vimos que para el ejemplo del péndulo se pueden determinar las propiedades de estabilidad
analizando el retrato de fase. Este enfoque es difícil de extender a sistemas de orden mayor que dos.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 27 / 37

Teoría de estabilidad de Lyapunov

Desde el punto de vista del control, lo que nos interesa es garantizar que el PE donde queremos controlar el
sistema, sea un PE asint. estable.

Recién vimos que para el ejemplo del péndulo se pueden determinar las propiedades de estabilidad
analizando el retrato de fase. Este enfoque es difícil de extender a sistemas de orden mayor que dos.

Como podemos garantizar el cumplimento de esta propiedad?

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 27 / 37

Teoría de estabilidad de Lyapunov

Desde el punto de vista del control, lo que nos interesa es garantizar que el PE donde queremos controlar el
sistema, sea un PE asint. estable.

Recién vimos que para el ejemplo del péndulo se pueden determinar las propiedades de estabilidad
analizando el retrato de fase. Este enfoque es difícil de extender a sistemas de orden mayor que dos.

Como podemos garantizar el cumplimento de esta propiedad?

Por lo general, se recurre a la teoría de estabilidad de Lyapunov.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 27 / 37

Teoría de estabilidad de Lyapunov

Desde el punto de vista del control, lo que nos interesa es garantizar que el PE donde queremos controlar el
sistema, sea un PE asint. estable.

Recién vimos que para el ejemplo del péndulo se pueden determinar las propiedades de estabilidad
analizando el retrato de fase. Este enfoque es difícil de extender a sistemas de orden mayor que dos.

Como podemos garantizar el cumplimento de esta propiedad?

Por lo general, se recurre a la teoría de estabilidad de Lyapunov.

Esta teoría es una generalización matemática de una observación física: si un sistema físico disipa energía
mecánica, entonces este sistema terminará estabilizándose en un punto de equilibrio.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 27 / 37

Teoría de estabilidad de Lyapunov

Desde el punto de vista del control, lo que nos interesa es garantizar que el PE donde queremos controlar el
sistema, sea un PE asint. estable.

Recién vimos que para el ejemplo del péndulo se pueden determinar las propiedades de estabilidad
analizando el retrato de fase. Este enfoque es difícil de extender a sistemas de orden mayor que dos.

Como podemos garantizar el cumplimento de esta propiedad?

Por lo general, se recurre a la teoría de estabilidad de Lyapunov.

Esta teoría es una generalización matemática de una observación física: si un sistema físico disipa energía
mecánica, entonces este sistema terminará estabilizándose en un punto de equilibrio.

Vamos a estudiar el caso del péndulo.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 27 / 37

Ejemplo: Péndulo

Estudiemos la energía total del péndulo.

La energía total es la suma de Energía Potencial (Ep ) y
Energía Cinética (Ec ).
La Ep es máxima cuando Ec = 0.
Ep = 0 cuando Ec es máxima.

1 2 1 1
Ec = mv = ml2 θ̇2 = ml2 x22
2 2 2
Ep = mgl(1 − cos(θ)) = mgl(1 − cos(x1 ))
E(x) = Ec + Ep
1 2 2
= ml x2 + mgl(1 − cos(x1 ))
2

En el punto de equilibrio E(0) = 0.

E(x) 6= 0 en cualquier otro punto de la trayectoria del
sistema.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 28 / 37

Ejemplo: Péndulo
En ausencia de fricción: k = 0

1 2 2
E(x) = ml x2 + mgl(1 − cos(x1 ))
2

Vamos a estudiar la variación de energía:

2
X ∂E
Ė(x) = ẋi = mgl sin(x1 )ẋ1 + ml2 x2 ẋ2
i=1
∂xi

Teniendo en cuenta las ecuaciones diferenciales del

sistema sin fricciones:
g
ẋ1 = x2 , ẋ2 = − sin(x1 )
l

entonces

Ė(x) = mgl sin(x1 )ẋ1 + ml2 x2 ẋ2

= mgl sin(x1 )x2 − mgl sin(x1 )x2 = 0

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 29 / 37

Ejemplo: Péndulo
Ė(x) = 0 quiere decir que no hay variaciones de energía. La energía del sistema se mantiene
constante si no hay fricciones.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 30 / 37

Ejemplo: Péndulo
Ė(x) = 0 quiere decir que no hay variaciones de energía. La energía del sistema se mantiene
constante si no hay fricciones.
El sistema es conservativo, en el sentido que no hay disipación de energía.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 30 / 37

Ejemplo: Péndulo
Ė(x) = 0 quiere decir que no hay variaciones de energía. La energía del sistema se mantiene
constante si no hay fricciones.
El sistema es conservativo, en el sentido que no hay disipación de energía.
El PE x = 0 es estable pero no podemos decir nada más que eso.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 30 / 37

Ejemplo: Péndulo
Ė(x) = 0 quiere decir que no hay variaciones de energía. La energía del sistema se mantiene
constante si no hay fricciones.
El sistema es conservativo, en el sentido que no hay disipación de energía.
El PE x = 0 es estable pero no podemos decir nada más que eso.
Si consideramos fricciones, con k > 0, entonces

g k
ẋ1 = x2 , ẋ2 = − sin(x1 ) − x2
l m

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 30 / 37

Ejemplo: Péndulo
Ė(x) = 0 quiere decir que no hay variaciones de energía. La energía del sistema se mantiene
constante si no hay fricciones.
El sistema es conservativo, en el sentido que no hay disipación de energía.
El PE x = 0 es estable pero no podemos decir nada más que eso.
Si consideramos fricciones, con k > 0, entonces

g k
ẋ1 = x2 , ẋ2 = − sin(x1 ) − x2
l m

Por lo tanto, la variación de energía a lo largo de las trayectorias del sistema será:

Ė(x) = mgl sin(x1 )ẋ1 + ml2 x2 ẋ2

= mgl sin(x1 )x2 − mgl sin(x1 )x2 − kl2 x22 = −kl2 x22

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 30 / 37

Ejemplo: Péndulo
Ė(x) = 0 quiere decir que no hay variaciones de energía. La energía del sistema se mantiene
constante si no hay fricciones.
El sistema es conservativo, en el sentido que no hay disipación de energía.
El PE x = 0 es estable pero no podemos decir nada más que eso.
Si consideramos fricciones, con k > 0, entonces

g k
ẋ1 = x2 , ẋ2 = − sin(x1 ) − x2
l m

Por lo tanto, la variación de energía a lo largo de las trayectorias del sistema será:

Ė(x) = mgl sin(x1 )ẋ1 + ml2 x2 ẋ2

= mgl sin(x1 )x2 − mgl sin(x1 )x2 − kl2 x22 = −kl2 x22

Siendo k > 0, entonces Ė(x) < 0.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 30 / 37

Ejemplo: Péndulo
Ė(x) = 0 quiere decir que no hay variaciones de energía. La energía del sistema se mantiene
constante si no hay fricciones.
El sistema es conservativo, en el sentido que no hay disipación de energía.
El PE x = 0 es estable pero no podemos decir nada más que eso.
Si consideramos fricciones, con k > 0, entonces

g k
ẋ1 = x2 , ẋ2 = − sin(x1 ) − x2
l m

Por lo tanto, la variación de energía a lo largo de las trayectorias del sistema será:

Ė(x) = mgl sin(x1 )ẋ1 + ml2 x2 ẋ2

= mgl sin(x1 )x2 − mgl sin(x1 )x2 − kl2 x22 = −kl2 x22

Siendo k > 0, entonces Ė(x) < 0.

El sistema disipa energía a lo largo de su trayectoria, hasta converger a E(0) = 0.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 30 / 37

Ejemplo: Péndulo
Ė(x) = 0 quiere decir que no hay variaciones de energía. La energía del sistema se mantiene
constante si no hay fricciones.
El sistema es conservativo, en el sentido que no hay disipación de energía.
El PE x = 0 es estable pero no podemos decir nada más que eso.
Si consideramos fricciones, con k > 0, entonces

g k
ẋ1 = x2 , ẋ2 = − sin(x1 ) − x2
l m

Por lo tanto, la variación de energía a lo largo de las trayectorias del sistema será:

Ė(x) = mgl sin(x1 )ẋ1 + ml2 x2 ẋ2

= mgl sin(x1 )x2 − mgl sin(x1 )x2 − kl2 x22 = −kl2 x22

Siendo k > 0, entonces Ė(x) < 0.

El sistema disipa energía a lo largo de su trayectoria, hasta converger a E(0) = 0.
Por lo tanto el PE x = 0 es asintoticamente estable.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 30 / 37

Teorema de Lyapunov
Basándose en estas observaciones, en 1892 Lyapunov demostró que todas las funciones que, como la
función energía, cumplen las hipótesis del siguiente teorema, pueden ser utilizadas para demostrar la
estabilidad de un PE.

Teorema
Sea x = 0 un PE de ẋ = f (x), y sea D ⊂ Rn un dominio que contiene el origen. Sea V : D → R una
función continuamente diferenciable tal que

V(0) = 0, V(x) > 0, en D − {0}

V̇(x) ≤ 0, en D

entonces el PE x = 0 es estable. Más aun, si

V̇(x) < 0, en D − {0}

entonces el PE x = 0 es asintoticamente estable.

La primera condición equivale a decir que V(x) es definida positiva. La segunda condición equivale a decir
que V̇(x) es semi-definida negativa (caso PE estable) o definida negativa (caso PE asint. estable).

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 31 / 37

Teorema de Lyapunov
Basándose en estas observaciones, en 1892 Lyapunov demostró que todas las funciones que, como la
función energía, cumplen las hipótesis del siguiente teorema, pueden ser utilizadas para demostrar la
estabilidad de un PE.

Teorema
Sea x = 0 un PE de ẋ = f (x), y sea D ⊂ Rn un dominio que contiene el origen. Sea V : D → R una
función continuamente diferenciable tal que

V(0) = 0, V(x) > 0, en D − {0}

V̇(x) ≤ 0, en D

entonces el PE x = 0 es estable. Más aun, si

V̇(x) < 0, en D − {0}

entonces el PE x = 0 es asintoticamente estable.

La primera condición equivale a decir que V(x) es definida positiva. La segunda condición equivale a decir
que V̇(x) es semi-definida negativa (caso PE estable) o definida negativa (caso PE asint. estable).

Si V̇(x) > 0 el PE es inestable.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 31 / 37

Función de Lyapunov

Una función que cumple con lo establecido por el teorema anterior se define función de Lyapunov.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 32 / 37

Función de Lyapunov

Una función que cumple con lo establecido por el teorema anterior se define función de Lyapunov.
La superficie V(x) = c se denomina superficie de
Lyapunov o superficie de nivel.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 32 / 37

Función de Lyapunov

Una función que cumple con lo establecido por el teorema anterior se define función de Lyapunov.
La superficie V(x) = c se denomina superficie de
Lyapunov o superficie de nivel.

V̇(x) ≤ 0 implica que cuando la trayectoria cruza la

superficie de Lyapunov V(x) = c se introduce en el
conjunto Ωc = {x ∈ Rn | V(x) ≤ c} y nunca puede
salir de él.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 32 / 37

Función de Lyapunov

Una función que cumple con lo establecido por el teorema anterior se define función de Lyapunov.
La superficie V(x) = c se denomina superficie de
Lyapunov o superficie de nivel.

V̇(x) ≤ 0 implica que cuando la trayectoria cruza la

superficie de Lyapunov V(x) = c se introduce en el
conjunto Ωc = {x ∈ Rn | V(x) ≤ c} y nunca puede
salir de él.

Cuando V̇(x) < 0 la trayectoria se mueve de una

superficie de Lyapunov a otra interior con menor c.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 32 / 37

Función de Lyapunov

Una función que cumple con lo establecido por el teorema anterior se define función de Lyapunov.
La superficie V(x) = c se denomina superficie de
Lyapunov o superficie de nivel.

V̇(x) ≤ 0 implica que cuando la trayectoria cruza la

superficie de Lyapunov V(x) = c se introduce en el
conjunto Ωc = {x ∈ Rn | V(x) ≤ c} y nunca puede
salir de él.

Cuando V̇(x) < 0 la trayectoria se mueve de una

superficie de Lyapunov a otra interior con menor c.

A medida que c decrece, la superficie de Lyapunov

V(x) = c se achica hasta transformarse en en el origen,
mostrando que la trayectoria tiende al origen cuando
t → ∞.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 32 / 37

Función de Lyapunov

Una función que cumple con lo establecido por el teorema anterior se define función de Lyapunov.
La superficie V(x) = c se denomina superficie de
Lyapunov o superficie de nivel.

V̇(x) ≤ 0 implica que cuando la trayectoria cruza la

superficie de Lyapunov V(x) = c se introduce en el
conjunto Ωc = {x ∈ Rn | V(x) ≤ c} y nunca puede
salir de él.

Cuando V̇(x) < 0 la trayectoria se mueve de una

superficie de Lyapunov a otra interior con menor c.

A medida que c decrece, la superficie de Lyapunov

V(x) = c se achica hasta transformarse en en el origen,
mostrando que la trayectoria tiende al origen cuando
t → ∞.

Ωc se define dominio de atracción del PE: todo x en este

conjunto tiende al PE para t → ∞.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 32 / 37

Ejemplo: Péndulo

En el caso del péndulo, tomando la energía como función de Lyapunov tenemos

V̇(x) = −kl2 x22

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 33 / 37

Ejemplo: Péndulo

En el caso del péndulo, tomando la energía como función de Lyapunov tenemos

V̇(x) = −kl2 x22

Esto quiere decir que V̇(x) es sólo semi-definida negativa.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 33 / 37

Ejemplo: Péndulo

En el caso del péndulo, tomando la energía como función de Lyapunov tenemos

V̇(x) = −kl2 x22

Esto quiere decir que V̇(x) es sólo semi-definida negativa.

En realidad V̇(x) es siempre negativa salvo en el eje x2 = 0, donde V̇(x) = 0.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 33 / 37

Ejemplo: Péndulo

En el caso del péndulo, tomando la energía como función de Lyapunov tenemos

V̇(x) = −kl2 x22

Esto quiere decir que V̇(x) es sólo semi-definida negativa.

En realidad V̇(x) es siempre negativa salvo en el eje x2 = 0, donde V̇(x) = 0.
Para que el sistema pueda mantener la condición V̇(x) = 0, la trayectoria debe quedar confinada al
eje x2 = 0, que quiere decir que la velocidad del sistema tiene que ser nula.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 33 / 37

Ejemplo: Péndulo

En el caso del péndulo, tomando la energía como función de Lyapunov tenemos

V̇(x) = −kl2 x22

Esto quiere decir que V̇(x) es sólo semi-definida negativa.

En realidad V̇(x) es siempre negativa salvo en el eje x2 = 0, donde V̇(x) = 0.
Para que el sistema pueda mantener la condición V̇(x) = 0, la trayectoria debe quedar confinada al
eje x2 = 0, que quiere decir que la velocidad del sistema tiene que ser nula.
Pero esto es imposible a no ser que x1 = 0 (recuerden el retrato de fase).

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 33 / 37

Ejemplo: Péndulo

En el caso del péndulo, tomando la energía como función de Lyapunov tenemos

V̇(x) = −kl2 x22

Esto quiere decir que V̇(x) es sólo semi-definida negativa.

En realidad V̇(x) es siempre negativa salvo en el eje x2 = 0, donde V̇(x) = 0.
Para que el sistema pueda mantener la condición V̇(x) = 0, la trayectoria debe quedar confinada al
eje x2 = 0, que quiere decir que la velocidad del sistema tiene que ser nula.
Pero esto es imposible a no ser que x1 = 0 (recuerden el retrato de fase).
Por lo tanto en −π < x1 < π del eje x2 = 0 el sistema puede mantener la condición V̇(x) = 0 sólo
en el PE (0, 0).

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 33 / 37

Como encontrar la función de Lyapunov???
Necesitamos encontrar una función que sea definida positiva, y cuya deriva respeto a la trayectoria
del sistema sea definida negativa.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 34 / 37

Como encontrar la función de Lyapunov???
Necesitamos encontrar una función que sea definida positiva, y cuya deriva respeto a la trayectoria
del sistema sea definida negativa.
Pero como? Vimos que una forma es tomar la función energía. Pero si no somos capaces de
encontrar esta función?

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 34 / 37

Como encontrar la función de Lyapunov???
Necesitamos encontrar una función que sea definida positiva, y cuya deriva respeto a la trayectoria
del sistema sea definida negativa.
Pero como? Vimos que una forma es tomar la función energía. Pero si no somos capaces de
encontrar esta función?
Recurrimos a la linealización: 
∂f 
ẋ = Ax, A=
∂x x=0

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 34 / 37

Como encontrar la función de Lyapunov???
Necesitamos encontrar una función que sea definida positiva, y cuya deriva respeto a la trayectoria
del sistema sea definida negativa.
Pero como? Vimos que una forma es tomar la función energía. Pero si no somos capaces de
encontrar esta función?
Recurrimos a la linealización: 
∂f 
ẋ = Ax, A=
∂x x=0

Si la matriz Jacobiana A tiene autovalores con parte real negativa, entonces el PE será
asintoticamente estable. A se define como matriz Hurwitz.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 34 / 37

Como encontrar la función de Lyapunov???
Necesitamos encontrar una función que sea definida positiva, y cuya deriva respeto a la trayectoria
del sistema sea definida negativa.
Pero como? Vimos que una forma es tomar la función energía. Pero si no somos capaces de
encontrar esta función?
Recurrimos a la linealización: 
∂f 
ẋ = Ax, A=
∂x x=0

Si la matriz Jacobiana A tiene autovalores con parte real negativa, entonces el PE será
asintoticamente estable. A se define como matriz Hurwitz.
Como estudiar la estabilidad del sistema linealizado con Lyapunov?

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 34 / 37

Como encontrar la función de Lyapunov???
Necesitamos encontrar una función que sea definida positiva, y cuya deriva respeto a la trayectoria
del sistema sea definida negativa.
Pero como? Vimos que una forma es tomar la función energía. Pero si no somos capaces de
encontrar esta función?
Recurrimos a la linealización: 
∂f 
ẋ = Ax, A=
∂x x=0

Si la matriz Jacobiana A tiene autovalores con parte real negativa, entonces el PE será
asintoticamente estable. A se define como matriz Hurwitz.
Como estudiar la estabilidad del sistema linealizado con Lyapunov?
Tomemos una función
V(x) = x0 Px

Para que esta función sea definida positiva podemos tomar P = P0 > 0 (simétrica y definida
positiva).

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 34 / 37

Como encontrar la función de Lyapunov???
Necesitamos encontrar una función que sea definida positiva, y cuya deriva respeto a la trayectoria
del sistema sea definida negativa.
Pero como? Vimos que una forma es tomar la función energía. Pero si no somos capaces de
encontrar esta función?
Recurrimos a la linealización: 
∂f 
ẋ = Ax, A=
∂x x=0

Si la matriz Jacobiana A tiene autovalores con parte real negativa, entonces el PE será
asintoticamente estable. A se define como matriz Hurwitz.
Como estudiar la estabilidad del sistema linealizado con Lyapunov?
Tomemos una función
V(x) = x0 Px

Para que esta función sea definida positiva podemos tomar P = P0 > 0 (simétrica y definida
positiva).
La derivada de V(x) sobre la trayectorias del sistema está dada por

V̇(x) = x0 Pẋ + ẋ0 Px = x0 (PA + A0 P)x = −x0 Qx

donde (PA + A0 P) = −Q.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 34 / 37

Como encontrar la función de Lyapunov???

Si Q es definida positiva, entonces V(x) será una función de Lyapunov, y podemos concluir que el
PE es asintoticamente estable.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 35 / 37

Como encontrar la función de Lyapunov???

Si Q es definida positiva, entonces V(x) será una función de Lyapunov, y podemos concluir que el
PE es asintoticamente estable.
En la realidad, seguimos los pasos al revés: primero elegimos Q definida positiva; después
buscamos P solución de la ecuación de Lyapunov

(PA + A0 P) = −Q

y finalmente tomamos V(x) = x0 Px.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 35 / 37

Como encontrar la función de Lyapunov???

Si Q es definida positiva, entonces V(x) será una función de Lyapunov, y podemos concluir que el
PE es asintoticamente estable.
En la realidad, seguimos los pasos al revés: primero elegimos Q definida positiva; después
buscamos P solución de la ecuación de Lyapunov

(PA + A0 P) = −Q

y finalmente tomamos V(x) = x0 Px.

No hay diferencia entre mirar los autovalores de A o buscar una función de Lyapunov:

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 35 / 37

Como encontrar la función de Lyapunov???

Si Q es definida positiva, entonces V(x) será una función de Lyapunov, y podemos concluir que el
PE es asintoticamente estable.
En la realidad, seguimos los pasos al revés: primero elegimos Q definida positiva; después
buscamos P solución de la ecuación de Lyapunov

(PA + A0 P) = −Q

y finalmente tomamos V(x) = x0 Px.

No hay diferencia entre mirar los autovalores de A o buscar una función de Lyapunov:
I Una matriz A es Hurwitz si dada un matriz Q simétrica y definida positiva, existe una matriz
P simétrica y definida positiva que satisface la ecuación de Lyapunov.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 35 / 37

Como encontrar la función de Lyapunov???

Si Q es definida positiva, entonces V(x) será una función de Lyapunov, y podemos concluir que el
PE es asintoticamente estable.
En la realidad, seguimos los pasos al revés: primero elegimos Q definida positiva; después
buscamos P solución de la ecuación de Lyapunov

(PA + A0 P) = −Q

y finalmente tomamos V(x) = x0 Px.

No hay diferencia entre mirar los autovalores de A o buscar una función de Lyapunov:
I Una matriz A es Hurwitz si dada un matriz Q simétrica y definida positiva, existe una matriz
P simétrica y definida positiva que satisface la ecuación de Lyapunov.
I Si A es Hurwitz, entonces existe una única P solución de la ecuación de Lyapunov.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 35 / 37

Como encontrar la función de Lyapunov???

Si Q es definida positiva, entonces V(x) será una función de Lyapunov, y podemos concluir que el
PE es asintoticamente estable.
En la realidad, seguimos los pasos al revés: primero elegimos Q definida positiva; después
buscamos P solución de la ecuación de Lyapunov

(PA + A0 P) = −Q

y finalmente tomamos V(x) = x0 Px.

No hay diferencia entre mirar los autovalores de A o buscar una función de Lyapunov:
I Una matriz A es Hurwitz si dada un matriz Q simétrica y definida positiva, existe una matriz
P simétrica y definida positiva que satisface la ecuación de Lyapunov.
I Si A es Hurwitz, entonces existe una única P solución de la ecuación de Lyapunov.
I Cuando estudiamos la estabilidad de un PE de un sistema no lineal ẋ = f (x) a través del
estudio del sistema linealizado ẋ = Ax, se dice que estamos usando el método indirecto de
Lyapunov.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 35 / 37

Ejemplo: Péndulo
El sistema no lineal es:
g k
ẋ1 = x2 , ẋ2 = − sin(x1 ) − x2
l m

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 36 / 37

Ejemplo: Péndulo
El sistema no lineal es:
g k
ẋ1 = x2 , ẋ2 = − sin(x1 ) − x2
l m
Linealizando en el PE (0, 0):
=0
˙ 2 = − g cos( x̄1 ) δx1 − k δx2
z}|{
˙ 1 = δx2 ,
δx δx
l | {z } m
=1

donde x̄1 = 0, es el valor de x1 en el punto de equilibrio.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 36 / 37

Ejemplo: Péndulo
El sistema no lineal es:
g k
ẋ1 = x2 , ẋ2 = − sin(x1 ) − x2
l m
Linealizando en el PE (0, 0):
=0
˙ 2 = − g cos( x̄1 ) δx1 − k δx2
z}|{
˙ 1 = δx2 ,
δx δx
l | {z } m
=1

donde x̄1 = 0, es el valor de x1 en el punto de equilibrio.

Tomando para el ejemplo l = 1, m = 1 y k = 1:
˙ 1 = δx2 ,
δx ˙ 2 = −9.81δx1 − δx2
δx

Los autovalores de la matriz Jacobiana A son:

 
0 1
A= , λ1,2 = −0.5 ± 3.09i
−9.81 −1

Siendo la parta real negativa, entonces el PE es asint. estable.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 36 / 37

Ejemplo: Péndulo
El sistema no lineal es:
g k
ẋ1 = x2 , ẋ2 = − sin(x1 ) − x2
l m
Linealizando en el PE (0, 0):
=0
˙ 2 = − g cos( x̄1 ) δx1 − k δx2
z}|{
˙ 1 = δx2 ,
δx δx
l | {z } m
=1

donde x̄1 = 0, es el valor de x1 en el punto de equilibrio.

Tomando para el ejemplo l = 1, m = 1 y k = 1:
˙ 1 = δx2 ,
δx ˙ 2 = −9.81δx1 − δx2
δx

Los autovalores de la matriz Jacobiana A son:

 
0 1
A= , λ1,2 = −0.5 ± 3.09i
−9.81 −1

Siendo la parta real negativa, entonces el PE es asint. estable.

Tomando Q = I2 , la función de Lyapunov (usando la función lyap(A,Q) de Matlab) es:
 
0.602 −0.5
V(x) = x0 Px, P =
−0.5 5.405

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 36 / 37

Ejemplo: Péndulo

Si linealizamos en el PE (π, 0):

=π
˙ 2 = − g cos( x̄1 ) δx1 − k δx2
z}|{
˙ 1 = δx2 ,
δx δx
l | {z } m
=−1

donde x̄1 = π, es el valor de x1 en el punto de equilibrio.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 37 / 37

Ejemplo: Péndulo

Si linealizamos en el PE (π, 0):

=π
˙ 2 = − g cos( x̄1 ) δx1 − k δx2
z}|{
˙ 1 = δx2 ,
δx δx
l | {z } m
=−1

donde x̄1 = π, es el valor de x1 en el punto de equilibrio.

Tomando para el ejemplo l = 1, m = 1 y k = 1:

˙ 1 = δx2 ,
δx ˙ 2 = 9.81δx1 − δx2
δx

Los autovalores de la matriz Jacobiana A son:

 
0 1
A= , λ1,2 = (2.6718, −3.6718)
9.81 −1

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 37 / 37

Ejemplo: Péndulo

Si linealizamos en el PE (π, 0):

=π
˙ 2 = − g cos( x̄1 ) δx1 − k δx2
z}|{
˙ 1 = δx2 ,
δx δx
l | {z } m
=−1

donde x̄1 = π, es el valor de x1 en el punto de equilibrio.

Tomando para el ejemplo l = 1, m = 1 y k = 1:

˙ 1 = δx2 ,
δx ˙ 2 = 9.81δx1 − δx2
δx

Los autovalores de la matriz Jacobiana A son:

 
0 1
A= , λ1,2 = (2.6718, −3.6718)
9.81 −1

Siendo λ1 positivo, entonces el PE es inestable.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 37 / 37

Ejemplo: Péndulo

Si linealizamos en el PE (π, 0):

=π
˙ 2 = − g cos( x̄1 ) δx1 − k δx2
z}|{
˙ 1 = δx2 ,
δx δx
l | {z } m
=−1

donde x̄1 = π, es el valor de x1 en el punto de equilibrio.

Tomando para el ejemplo l = 1, m = 1 y k = 1:

˙ 1 = δx2 ,
δx ˙ 2 = 9.81δx1 − δx2
δx

Los autovalores de la matriz Jacobiana A son:

 
0 1
A= , λ1,2 = (2.6718, −3.6718)
9.81 −1

Siendo λ1 positivo, entonces el PE es inestable.

Siendo los autovalores reales pero con signo distinto, el PE es una ensilladura.

A. Ferramosca, I. Talijancic Teoría de Sistemas y Control Automático Reconquista, 13/09/2018 37 / 37