Estabilidad entrada-salida LTI

En un sistema inestable cualquier perturbación, por pequeña que sea, llevará

a estados y/o salidas a crecer sin límite o hasta que el sistema se queme, se
desintegre o sature.

La estabilidad es un requerimiento básico de los sistemas dinámicos

destinados a realizar operaciones o procesar señales, y es lo primero que
debe garantizarse en el diseño de un sistema de control.

Para un sistema LTI la estabilidad puede analizarse en los dos tipos de

respuesta usuales (estado y entrada cero).
Estabilidad externa , o entrada-salida, se refiere a la estabilidad del
sistema con condiciones iniciales nulas.
Estabilidad interna , se refiere a la estabilidad del sistema autónomo (sin
entradas).

Estabilidad– p. 1/24
 Estabilidad BIBO
Una señal de entrada dada u(t) se dice acotada si existe una constante positiva
Mu tal que |u(t)| ≤ Mu ∀t ≥ 0. Ejemplos de señales acotadas son
u(t) = sin(ωt), u(t) = t2 e−2t o u(t) = −2.
Un sistema se dice BIBO estable (entrada acotada/salida acotada) si toda
entrada acotada produce una salida acotada. Este tipo de estabilidad analiza solo
el comportamiento externo del sistema independientemente de lo que ocurra con
los estados .
Teorema 5.1 (Estabilidad BIBO de sistemas SISO). Un sistema SISO es estable
BIBO si y solo si su respuesta al impulso g(t) es absolutamente integrable en el
intervalo [0, ∞), es decir, existe una constante M ≥ 0 tal que
Z ∞
|g(τ )|dτ ≤ M < ∞
0

Estabilidad– p. 2/24
 Estabilidad BIBO de sistemas SISO
Notar que una función absolutamente integrable no necesariamente es acotada y
puede no ir a cero cuando t → ∞.

n + (t − n)n4 para n − n13 < t ≤ n
f (t − n) = ∀n ∈ N, n > 2
n − (t − n)n4 para n < t ≤ n + n13

t
1/n
2 3 4 2/n3

La estabilidad BIBO es la base del concepto clásico de estabilidad en régimen

permanente (una vez extinguidos los transitorios).

Estabilidad– p. 3/24
 Estabilidad BIBO de sistemas SISO
Teorema 5.2 (Estabilidad BIBO y respuesta en régimen permanente). Si un
sistema con respuesta al impulso g(t) es estable BIBO, entonces cuando t → ∞
1. La salida correspondiente a una entrada constante u(t) = a, para t ≥ 0,
tiende a la constante
yrp (t) = ĝ(0)a
2. La salida correspondiente a una entrada sinusoidal u(t) = sin ωt, para t ≥ 0,
tiende a la sinusoide

yrp (t) = |ĝ(jω0 )| sin (ω0 t + ∠ĝ(jω0 ))

Este es un resultado básico: especifica la respuesta de un sistema BIBO a

señales constantes y sinusoides una vez se han extinguido los transitorios. El
filtrado de señales se basa esencialmente en este teorema.

Estabilidad– p. 4/24
 Estabilidad BIBO de sistemas SISO
Ejemplo. Considere la función de transferencia G(s) = s2 +15s+26
s+1
. Tiene polos en
s = −13 y s = −2, demodo que es BIBO stable. El diagrama de Bode (Matlab:
bodeplot(G)) dibuja las ganancias y fases de G(jω).
Bode Diagram
−20

Gain at ω=0
−25
Magnitude (dB)

−30 Gain at ω=1rad/s

−35

−40

−45
45
Phase shift at ω=1 rad/s

0
Phase (deg)

−45

−90
0 1 2
10 10 10
Frequency (rad/sec)

Estabilidad– p. 5/24
 Estabilidad BIBO de sistemas SISO
Teorema (Estabilidad BIBO ). Un sistema LTI con matriz de transferencia racional
propia G(s) = [Gij (s)] es BIBO estable si y solo si cada polo de cada Gij (s) de
G(s) tiene parte real negativa.
Estabilidad entrada-salida desde ecuaciones de estado.
Cuando el sistema se representa por ecuaciones de estado,

x(t) = Ax(t) + Bu(t)

y(t) = Cx(t) + Du(t)

La estabilidad BIBO dependerá de los autovalores de la matriz A, ya que cada

polo de G(s) es un autovalor de A. De hecho,

Cadj(sI − A)B
G(s) = C(sI − A) −1
B+D= +D
det(sI − A)

Así, si todos los autovalores de A tienen parte real negativa, todos los polos de
G(s) tendrán parte real negativa, y el sistema será BIBO estable.

Estabilidad– p. 6/24
 Estabilidad BIBO de sistemas SISO
Note que no todo autovalor de A es un polo de G(s), ya que puede haber
cancelaciones polo-cero mientras se calcula G(s). Así, una ecuación de estado
puede ser BIBO estable aún cuando algunoa autovalores de A no tengan parte
real negativa.
Ejemplo. Aunque el sistema
   
−1 10 −2
x(t) = x(t) + u(t)
0 1 0
 
y(t) = −2 3 x(t) − 2u(t)

tiene un autovalor con parte real positiva λ = 1, es BIBO estable, ya que su

función de transferencia

2(1 − s)
G(s) = C(sI − A)−1 B + D =
(s + 1)

tiene un solo polo en s = −1.

Estabilidad– p. 7/24
 Estabilidad interna de sistemas LTI
El concepto de estabilidad interna se refiere a la estabilidad del sistema solo a
condiciones iniciales, asumiendo entradas cero. En otras palabras, ahora se
estudia la estabilidad de la respuesta de la ecuación de estado

ẋ(t) = Ax(t) con x(0) = x0

Ya que la solución de esta ecuación está dada por

x(t) = eAt x0

la estabilidad está determinada por los autovalores de A, como se discutió

cuando se estudió la respuesta a condiciones iniciales. En palabras, si los
autovalores de A tienen todos parte real negativa, la respuesta del sistema
decaerá a 0 cuanto t → 1.
La definición de estabilidad interna puede hacerse de forma más precisa.

Estabilidad– p. 8/24
 Estabilidad interna de sistemas LTI
Estabilidad de Lyapunov. El sistema x(t) = Ax(t) es estable en sentido de
Lyapunov , o marginalmente estable, o simplemente estable, si cada estado inicial
finito x0 excita una respuesta limitada x(t).
Estabilidad Asintótica. El sistema x(t) = Ax(t) es asintóticamente estable si
cada estado inicial finito x0 excita una respuesta limitada x(t) que se aproxima a 0
cuando t → ∞.
Inestabilidad. El sistema x(t) = Ax(t) es inestable si no estable.

Lyapunov Stability Asymptotic Stability Instability

Estabilidad– p. 9/24
 Estabilidad interna de sistemas LTI
Teorema (Estabilidad interna). La ecuación x(t) = Ax(t) is
1. Estable en sentido de Lyapunov, si y solo si todos los autovalores de A tienen
parte real cero o negativa, y aquellos con parte real cero están asociados
con un bloque de Jordan de orden 1
2. Asintóticamente estable si y solo si todos los autovalores de A tienen parte
real negativa.
Ejemplo. Considere
 
0 0 0
 
ẋ(t) =  0 0 0  x(t)
0 0 −1
La matriz A tiene autovalores λ0 = 0 con multiplicidad 2, y λ1 = −1 con
multiplicidad 1. El autovalor λ0 = 0 está asociado con bloques de Jordande orden
1, así que la ecuación es estable en sentido de Lyapunov.

Estabilidad– p. 10/24
 Estabilidad interna de sistemas LTI
Como se discutió antes, cada polo de la matriz de transferencia
G(s) = C(sI − A)−1 B + D es un autovalor de A. Así,

Estabilidad asintótica ⇒ Estabilidad BIBO

No obstante, no todos los autovalores de A necesariamente son polos de G(s),

luego,
Estabilidad BIBO ; Estabilidad asintótica

Estabilidad– p. 11/24
 Sistemas de tiempo discreto
Los conceptos de estabilidad BIBO y estabilidad interna se extienden a sistemas
de tiempo discreto. Resumiremos los principales resultados.
Teorema (Estabilidad BIBO de tiempo discreto y respuesta al impulso). Un
sistema de tiempo discreto con matriz de respuesta impulso g[k] = [g ij [k]] es
BIBO estable si y solo si cada gij [k] es absolutamente sumable, esto es, si

∞
X
|g[k]| ≤ M para alguna constante finita M ≥ 0
k=0

Teorema (Estabilidad de tiempo discreto). Un sistema LTI de tiempo discreto con

función de transferencia racional propia G(z) = [Gij (z)] es BIBO estable si y solo
si cada polo de cada Gij (z) tiene magnitud menor que 1.

Estabilidad– p. 12/24
 Sistemas de tiempo discreto
Teorema (estabilidad interna de tiempo discreto). El sistema x[k + 1] = Ax[k] es

Estable en sentido de Lyapunov si y solo si todos los autovalores de A tienen

magnitud no mayor que 1, y aquellos autovalores con magnitud igual a 1
están asociados a bloques de Jordan de orden 1.

Estable asintóticamente si y solo si todos los autovalores de A tienen

magnitud menor que 1.

Estabilidad– p. 13/24
 Métodos de Lyapunov
El método de Lyapunov analiza la estabilidad de un sistema (L. o N.L.), sin
resolver las ecuaciones diferenciales.
Se basa en las propiedades de una función V (x) ( función de Lyapunov ) de
los estados del sistema.
Solamente si la función V (x) cumple ciertas condiciones es válida como
función de Lyapunov.

V (x) en algunos casos se puede asimilar a un nivel de energía.

Ejemplo:(Sistema amortiguador)

mẍ + bẋ + kx = 0
Resorte no lineal
dẋ
Masa mẋ + bẋ + kx = 0
x
dx
Amortiguador dx2
viscoso mx2 + bx2 + kx1 = 0
dx1

Estabilidad– p. 14/24
 Métodos de Lyapunov
Resolviendo se obtiene la ecuación que define las trayectorias del sistema en el
plano de fases, donde el punto de equilibrio es (0, 0).

x22 x21
m +k = C − bx2 x1
2 2

Donde C es una constante dependiente de las condiciones iniciales.

Puede verse que las trayectorias son elípticas alrededor del punto de
equilibrio.

¿El punto de equilibrio es un vértice o es un foco?. En otras palabras, ¿las

trayectorias convergen al punto de equilibrio?.
Esta respuesta está ligada al concepto de energía. Para el sistema en cuestión:
Energía = Energía cinética + Energía potencial.

E(x) = C1 x21 + C2 x22

Estabilidad– p. 15/24
 Métodos de Lyapunov
Para valores constantes de E(x) se obtienen curvas de equi-energía
correspondientes a círculos concéntricos en el plano de fases.

Si no existiese amortiguamiento (b = 0), la energía aplicada en t = 0 se

conservaría en el sistema ya que no existiría disipación. En tal caso las
trayectorias del sistema se mantendrían en un único nivel de energía (vértice
en el origen).

Como consecuencia del amortiguamiento, existe energía que se disipa y las

trayectorias van pasando por curvas de equi-energía de menor nivel hasta
llegar al punto de equilibrio (foco en el origen).

x2=v E E x2

E3

E2

E1
x1=x x2 x2 x1

x1 x1

E3>E2>E1
Estabilidad– p. 16/24
 Métodos de Lyapunov
Generalizando,
Las funciones de Lyapunov corresponden a hiper-esferas de radio V (x), de
contornos cerrados, todas diferentes, centradas en el origen y que no se
intersectan.
Si una trayectoria cruza las hiper-esferas de fuera hacia dentro, la trayectoria
converge al origen.

Esto significa un decrecimiento monótono de V (x) a lo largo de la trayectoria.

xn
M

2
C
V=
1
C

V=

x2

x1

Estabilidad– p. 17/24
 Funciones escalares
Para V (x) una función escalar invariante en el tiempo, y S una región acotada y
cerrada en el espacio x que contiene al origen, si ∀x x ∈ S se cumple,
1. V (x) es continua en S.
∂V (x)
2. ∃ ∂xi i = 1, . . . n y son continuas en S.
3. V(0) = 0.
4. Para x 6= 0

V(x) > 0 V(x) >= 0 V(x) <= 0 V(x) < 0

V(x) V(x) V(x) V(x)

x2 x2 x2 x2

x1 x1 x1 x1
V(x) V(x) V(x) V(x)
DEFINIDA SEMI-DEFINIDA SEMI-DEFINIDA DEFINIDA
POSITIVA POSITIVA NEGATIVA NEGATIVA

Estabilidad– p. 18/24
 Teoremas de Lyapunov
Teorema 2a: El punto de equilibrio x = 0 del sistema ẋ = f (x) (1), es estable en
la región S al rededor del origen si:

∃ V (x) definida positiva en S.

V̇ (x) es semi definida negativa en S respecto a las soluciones de (1).

Teorema 2b: El punto de equilibrio x = 0 es asintóticamente estable en la región
S al rededor del origen si:

∃ V (x) definida positiva en S.

V̇ (x) es definida negativa en S respecto a las soluciones de (1).

T2b es más restrictivo que T2a: V̇ (x) = 0 no se permite en x 6= 0. Esto

implica que ninguna trayectoria puede quedar "pegada” en una
hiper-superficie V (x) = constante: toda trayectoria tiende al origen en
V (0) = 0.

Si S es todo el espacio se dice que la estabilidad es asintótica en sentido

global .
Estabilidad– p. 19/24
 Comentarios a los T. Lyapunov
Los T. de Lyapunov solo dan condiciones suficientes de estabilidad y no
condiciones necesarias.
Una determinada F. L. puede ser muy fuerte (más de lo necesario) para
determinar la estabilidad. Una F.L. será tanto más afinada cuanto más se
aproxime a la condición necesaria (en sistemas lineales es posible encontrar
F.L. que den condiciones necesarias pero no es así en SNL.).

Si no es posible encontrar, para un sistema, una F.L. esto no prueba la

inestabilidad (las funciones probadas son inconcluyentes).

Estabilidad– p. 20/24
 Propiedades de matrices
Siendo M una matriz cuadrada (m × m),

Si M = M T (∀i, j Mij = Mji ), se dice matriz simétrica.

Si M = −M T (∀i, j Mij = −Mji ), se dice matriz antisimétrica.

1. Cualquier matriz cuadrada equivale a la suma de una M.S. y una M.AS.

M + MT M − MT
M= +
| {z2 } | {z 2 }
M.S. M.AS.

2. La función cuadrática xT M x asociada a una M.AS. es siempre cero .

xT M x = −xT M T x = (−xT M T x)T (escalar)

= −xT M x → ∀ x, xT M x = 0

Luego, la función xT M x con M simétrica o no, es igual a una función

cuadrática con matriz simétrica.

Estabilidad– p. 21/24
 Propiedades de matrices
Matrices definidas positivas: Una matriz cuadrada (m × m) es D.P. si,

∀ x 6= 0 → xT M x > 0

La matriz M es D.P. si la función cuadrática xT M x es D.P.

T. de Sylvester:
Una C.N.S. para que M , simétrica, sea D.P. es:

Todos sus menores principales sean positivos

Equivalentemente, todos sus valores propios sean positivos

Matriz semi definida positiva: Una matriz cuadrada (m × m) es S.D.P. si,

∀x, xT M x ≥ 0

Estabilidad– p. 22/24
 Aplicación a sistemas lineales
Sea un sistema lineal ẋ = Ax, probemos como F.L. V (x) = xT Qx.

V̇ (x) = ẋT Qx + xT Qẋ = xT AT Qx + xT QAx

= xT {AT Q + QA}x = xT P x
| {z }
P

Se define a P = AT Q + QA como ecuación de Lyapunov. La estabilidad asintóti-

ca del sistema lineal está asegurada si siendo P una matriz simétrica definida
negativa , se puede encontrar Q una matriz simétrica definida positiva (solución
de la E.L). Este es un problema equivalente a resolver un sistema de m(m+1) 2
ecuaciones con m(m+1)2 incógnitas.
Teorema: Si λ1 , λ2 , . . . , λm son autovalores de A,
Q es definida positiva si Re{λi } < 0 ∀λi de A.

Q es definida negativa si Re{λi } > 0 ∀λi de A.

Q es indefinida si ∃ Re{λi } > 0 y ∃ Re{λj } < 0 de A.

Estabilidad– p. 23/24
 Aplicación a sistemas lineales
Teorema:
Q tiene solución única si y solo si λi + λj 6= 0 ∀i, j = 1, 2, . . . m
Ejemplo:
   
0 1 a b
Sea A = (λ1 = −2, λ2 = −1). Sea P = −I y Q =
−2 −3 b c

P = AT Q + QA
       
−1 0 0 −2 a b a b 0 1
= +
0 −1 1 −3 b c b c −2 −3

Obteniendo, a = 54 , b = 1
4 y a = 14 . La función de Lyapunov es entonces:

1 1
V (x) = {5x21 + 2x1 x2 + x22 } = {4x21 + (x1 + x2 )2 }
4 4

que es definida positiva. En MATLAB, la función Q = lyap(A,P), resuelve la

ecuación cuadrática de Lyapunov AT Q + QA = −P .

Estabilidad– p. 24/24