RESUMEN: En este trabajo se presenta un estudio de controladores adaptables aplicados a sistemas subactuados, En particular, se utilizan dos técnicas de control adaptable, el control adaptable basado en regresor y el control adaptable basado en redes neuronales. En particular, las técnicas adaptables se aplicaron a dos mecanismos subactuados, un giroscopio de dos grados de libertad y un robot manipulador con articulaciones flexibles. Como parte de esta investigación, se presenta el desarrollo de dos controladores adaptables para el giroscopio de dos grados de libertad subactuado. Se utiliza la técnica de linealización por retroalimentación de salida para desarrollar un controlador basado en modelo, el cual se robustece por medio de las técnicas adaptables: el control adaptable basado en el regresor y control neuronal adaptable. Los resultados demuestran que la compensación neuronal adaptable es la técnica que presenta el mejor desempeño. Otra parte de esta investigación presenta una nueva función de salida para la técnica de linealización por retroalimentación aplicada al giroscopio. Se desarrolla primero el controlador basado en el modelo con esta nueva función de salida y se presenta su versión neuronal adaptable. Esta nueva función proporciona la ventaja de no requerir la medición de aceleración, por lo que se hace más sencillo el desarrollo de la misma técnica. Adicionalmente se propone un controlador para el giroscopio, pero ahora se propone una nueva red neuronal adaptable, la cual adapta los parámetros de la función de activación, por lo que el error de aproximación de la red neuronal es más pequeño. De esta manera, se mejora el desempeño del controlador. Por otro lado, también se desarrolló un controlador basado en la técnica de linealización por retroalimentación de salida para un robot manipulador con articulaciones flexibles. Para este caso, se propone un controlador neuronal adaptable para estabilizar la dinámica de salida y un controlador adaptable basado en el regresor para estabilizar la dinámica interna. Por último, al considerar la constante de amortiguamiento de los resortes del robot manipulador con articulaciones flexibles, se vuelve a utilizar la técnica de linealización por retroalimentación de salida. Se utiliza una red neuronal adaptable para estabilizar la dinámica de salida y ahora se propone una red neuronal para estabilizar la dinámica interna. La ventaja de considerar la constante de amortiguamiento de los resortes en el modelo del robot es que la señal utilizada para estabilizar la dinámica interna se tiene que derivar sólo una vez, a diferencia del otro controlador propuesto que se tenía que derivar dos veces. En todos las investigaciones, se demuestra que el control neuronal adaptable es el que proporciona el mejor desempeño. ABSTRACT: In this work, a study of adaptive controllers applied to underactuated systems is presented. In particular, two adaptive techniques are used, regressor-based adaptive control and adaptive nural network control. In particular, the adaptive techniques were applied to two underactuated mechanism, two degrees of freedom control moment gyroscope and a flexible jint robot. As part of this research, the development of two adaptive controllers to the underactuated two degrees of freedom control momento gyroscope is presented. The input-output feedback linearization technique is employed to develop a model-based controller, which is robust by means of the two adaptive techniques: the regressor-based adaptive control and the adaptive neural network-based control. The results show that the adaptive neural network compensation is the technique with the best performance. Other part of this research presents a new output function for the feedback linearization technique used for the control momento gyroscope. First, a model-based controller with the new output function is developed together with the adaptive neural network version. The new output function has the advantage that the acceleration measurement is not required. Therefore, the implementation of the new technique is simpler. Aditionally, a controller is proposed for the underactuated two degerees of freedom control moment gyroscope. For this case, a new adaptive neural network is proposed, which adapts activation fuction parameters. Therefore, the approximation error of the neural network is smaller. Then the performance of the controller is improved. On the other hand, the input-output feedback linearization technique is used to develop a motion controller for the flexible link robot manipulator. In this cvase, an adaptive neural network is used to stabilize the output dynamics, and the regressor-based adaptive technique is used to stabilize the internal dynamics. Finally, the input-output feedback linearization technique is used again to develop a motion controller for the flexible joint robot, but this time the damping coefficients of the springs are considered. This time the adaptive neural networks are used to stabilize the internal and the external dynamics. The advantage of considering the damping coefficient of the springs in the tynamic model is that the signal used to stabilize the internal dynamics are derivative once instead of two times like the previous works. It is shown that the adaptive neural network controller is the technique that presents the best performance.