Sie sind auf Seite 1von 24
Estabilidad entrada-salida LTI En un sistema inestable cualquier perturbación, por pequeña que sea, llevará a
Estabilidad entrada-salida LTI En un sistema inestable cualquier perturbación, por pequeña que sea, llevará a

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.Estabilidad entrada-salida LTI La estabilidad es un requerimiento básico de los sistemas dinámicos destinados a realizar

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.o hasta que el sistema se queme, se desintegre o sature. Para un sistema LTI la

Para un sistema LTI la estabilidad puede analizarse en los dos tipos de respuesta usuales (estado y entrada cero).debe garantizarse en el diseño de un sistema de control. Estabilidad externa , o entrada-salida, se

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

nulas. Estabilidad interna , se refiere a la estabilidad del sistema autónomo (sin entradas). Estabilidad– p.
Estabilidad BIBO Una señal de entrada dada u ( t ) se dice acotada si
Estabilidad BIBO Una señal de entrada dada u ( t ) se dice acotada si

Estabilidad BIBO

Una señal de entrada dada u(t) se dice acotada si existe una constante positiva M u tal que |u(t)| ≤ M u t 0. Ejemplos de señales acotadas son u(t) = sin(ωt), u(t) = t 2 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

0

|g(τ )|M <

) , es decir, existe una constante M ≥ 0 tal que ∞ 0 | g
Estabilidad BIBO de sistemas SISO Notar que una función absolutamente integrable no necesariamente es acotada
Estabilidad BIBO de sistemas SISO Notar que una función absolutamente integrable no necesariamente es acotada

Estabilidad BIBO de sistemas SISO

Notar que una función absolutamente integrable no necesariamente es acotada y puede no ir a cero cuando t → ∞.

f (t n) =

n + (t n)n 4 n (t n)n 4

para

para

1 3 < t n n < t n +

n

n

1

n

3

n t 1/n 2 3 4 2/n 3
n
t
1/n
2
3
4
2/n 3

n N, n > 2

La estabilidad BIBO es la base del concepto clásico de estabilidad en régimen permanente (una vez extinguidos los transitorios).

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
Estabilidad BIBO de sistemas SISO Teorema 5.2 (Estabilidad BIBO y respuesta en régimen permanente). Si

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

y rp (t) = gˆ(0)a

2. La salida correspondiente a una entrada sinusoidal u(t) = sin ωt, para t 0, tiende a la sinusoide

y rp (t) = |gˆ(0 )| sin (ω 0 t + gˆ(0 ))

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.

se han extinguido los transitorios. El filtrado de señales se basa esencialmente en este teorema. Estabilidad–
s +1 s 2 + 1 5 s + 2 6 . Tiene polos en
s +1 s 2 + 1 5 s + 2 6 . Tiene polos en

s+1

s 2 +15s+26 . Tiene polos en

Estabilidad BIBO de sistemas SISO

Ejemplo. Considere la función de transferencia G(s) =

s = 13 y s = 2, demodo que es BIBO stable. El diagrama de Bode (Matlab:

bodeplot(G)) dibuja las ganancias y fases de G().

Bode Diagram

−20 Gain at ω=0 −25 Gain at ω=1rad/s −30 −35 −40 −45 Magnitude (dB)
−20
Gain at ω=0
−25
Gain at ω=1rad/s
−30
−35
−40
−45
Magnitude (dB)
45 Phase shift at ω=1 rad/s 0 −45 −90 10 0 10 1 10 2
45
Phase shift at ω=1 rad/s
0
−45
−90
10 0
10 1
10 2
Phase (deg)

Frequency (rad/sec)

45 Phase shift at ω=1 rad/s 0 −45 −90 10 0 10 1 10 2 Phase
Estabilidad BIBO de sistemas SISO Teorema (Estabilidad BIBO ). Un sistema LTI con matriz de
Estabilidad BIBO de sistemas SISO Teorema (Estabilidad BIBO ). Un sistema LTI con matriz de

Estabilidad BIBO de sistemas SISO

Teorema (Estabilidad BIBO ). Un sistema LTI con matriz de transferencia racional propia G(s) = [G ij (s)] es BIBO estable si y solo si cada polo de cada G ij (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,

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

+ D

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.

todos los polos de G ( s ) tendrán parte real negativa, y el sistema será
Estabilidad BIBO de sistemas SISO Note que no todo autovalor de A es un polo
Estabilidad BIBO de sistemas SISO Note que no todo autovalor de A es un polo

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

x(t)

=

y(t)

=

1

0

2

10 1 x(t) + 2 u(t)

0

3 x(t) 2u(t)

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

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

tiene un solo polo en s = 1.

A ) − 1 B + D = 2 ( 1 ( s + − 1)
Estabilidad interna de sistemas LTI El concepto de estabilidad interna se refiere a la estabilidad
Estabilidad interna de sistemas LTI El concepto de estabilidad interna se refiere a la estabilidad

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

x˙ (t) = Ax(t)

con

x(0) = x 0

Ya que la solución de esta ecuación está dada por

x(t) = e At x 0

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.

0 cuanto t → 1 . La definición de estabilidad interna puede hacerse de forma más
Estabilidad interna de sistemas LTI Estabilidad de Lyapunov . El sistema x ( t )
Estabilidad interna de sistemas LTI Estabilidad de Lyapunov . El sistema x ( t )

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 x 0 excita una respuesta limitada x(t). Estabilidad Asintótica. El sistema x(t) = Ax(t) es asintóticamente estable si cada estado inicial finito x 0 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.

sistema x ( t ) = Ax ( t ) es inestable si no estable. L

Lyapunov Stability

estable. L y a p u n o v S t a b i l i

Asymptotic Stability

a p u n o v S t a b i l i t y Asymptotic

Instability

a p u n o v S t a b i l i t y Asymptotic
Estabilidad interna de sistemas LTI Teorema (Estabilidad interna). La ecuación x ( t ) =
Estabilidad interna de sistemas LTI Teorema (Estabilidad interna). La ecuación x ( t ) =

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  x˙ (t) =  0 0
0
x˙ (t) = 
0
0
 0 0  0 0  x(t) 0 −1
0
0
0
0
 x(t)
0
−1

La matriz A tiene autovalores λ 0 = 0 con multiplicidad 2, y λ 1 = 1 con multiplicidad 1. El autovalor λ 0 = 0 está asociado con bloques de Jordande orden 1, así que la ecuación es estable en sentido de Lyapunov.

con bloques de Jordande orden 1 , así que la ecuación es estable en sentido de
Estabilidad interna de sistemas LTI Como se discutió antes, cada polo de la matriz de
Estabilidad interna de sistemas LTI Como se discutió antes, cada polo de la matriz de

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

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

Sistemas de tiempo discreto Los conceptos de estabilidad BIBO y estabilidad interna se extienden a sistemas

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 g ij [k] es absolutamente sumable, esto es, si

k=0

|g[k]| ≤ M para alguna constante finita M 0

Teorema (Estabilidad de tiempo discreto). Un sistema LTI de tiempo discreto con función de transferencia racional propia G(z) = [G ij (z)] es BIBO estable si y solo si cada polo de cada G ij (z) tiene magnitud menor que 1.

es BIBO estable si y solo si cada polo de cada G i j ( z
Sistemas de tiempo discreto Teorema (estabilidad interna de tiempo discreto). El sistema x [ k

Sistemas de tiempo discreto

Sistemas de tiempo discreto Teorema (estabilidad interna de tiempo discreto). El sistema x [ k +

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 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 . A tienen magnitud menor que 1.

Estable asintóticamente si y solo si todos los autovalores de A tienen magnitud menor que 1
Métodos de Lyapunov El método de Lyapunov analiza la estabilidad de un sistema (L. o

Métodos de Lyapunov

Métodos de Lyapunov El método de Lyapunov analiza la estabilidad de un sistema (L. o N.L.),

El método de Lyapunov analiza la estabilidad de un sistema (L. o N.L.), sin resolver las ecuaciones diferenciales.Métodos de Lyapunov Se basa en las propiedades de una función V ( x ) (

Se basa en las propiedades de una función V ( x ) ( función de Lyapunov ) de los estados del sistema. 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) cumple ciertas condiciones es válida como función de Lyapunov.

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

Ejemplo:(Sistema amortiguador)

x

Resorte no lineal

Masa

Amortiguador

viscoso

mx

2

mx¨ + bx˙ + kx

mx˙ dx dx˙ + bx˙ + kx

dx

2

dx

1

+ bx 2 + kx 1

=

=

=

0

0

0

x ˙ + k x mx ˙ d x dx ˙ + bx ˙ + kx
Métodos de Lyapunov Resolviendo se obtiene la ecuación que define las trayectorias del sistema en

Métodos de Lyapunov

Métodos de Lyapunov Resolviendo se obtiene la ecuación que define las trayectorias del sistema en el

Resolviendo se obtiene la ecuación que define las trayectorias del sistema en el plano de fases, donde el punto de equilibrio es (0, 0).

m x 2

2

2

+ k x 2

1

2

= C bx 2 x 1

Donde C es una constante dependiente de las condiciones iniciales.

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

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

¿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) = C 1 x 2 + C 2 x 2

1

2

Energía = Energía cinética + Energía potencial. E ( x ) = C 1 x 2
Métodos de Lyapunov Para valores constantes de E ( x ) se obtienen curvas de

Métodos de Lyapunov

Métodos de Lyapunov Para valores constantes de E ( x ) se obtienen curvas de equi-energía

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 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).en un único nivel de energía (vértice en el origen). x 2 =v E3 E2 E1

hasta llegar al punto de equilibrio (foco en el origen). x 2 =v E3 E2 E1
x 2 =v E3 E2 E1 x 1 =x
x 2 =v
E3
E2
E1
x
1 =x

E3>E2>E1

E E x 2 x 2 x 2 x 1 x 1 x 1
E
E
x 2
x
2
x 2
x 1
x 1
x 1
Métodos de Lyapunov Generalizando, Las funciones de Lyapunov corresponden a hiper-esferas de radio V (

Métodos de Lyapunov

Métodos de Lyapunov Generalizando, Las funciones de Lyapunov corresponden a hiper-esferas de radio V ( x

Generalizando,

Las funciones de Lyapunov corresponden a hiper-esferas de radio V ( x ) , de contornos cerrados, todas diferentes, centradas en el origen y 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.diferentes, centradas en el origen y que no se intersectan. Esto significa un decrecimiento monótono de

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

xn M x1 V=C 1 V=C 2
xn
M
x1
V=C 1 V=C 2

x2

un decrecimiento monótono de V ( x ) a lo largo de la trayectoria. xn M
Funciones escalares Para V ( x ) una función escalar invariante en el tiempo, y
Funciones escalares Para V ( x ) una función escalar invariante en el tiempo, y

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.

2. ∂V (x)

∂x i

i = 1,

3. V(0) = 0.

4. Para x

= 0

n y son continuas en S.

V(x) > 0 V(x) >= 0 V(x) <= 0 V(x) < 0 V(x) V(x) V(x)
V(x) > 0
V(x) >= 0
V(x) <= 0
V(x) < 0
V(x)
V(x)
V(x)
V(x)
x
x
x 2
x 2
2
2
x
x
1
1
x
x 1
1
V(x)
V(x)
V(x)
V(x)

DEFINIDA

SEMI-DEFINIDA

SEMI-DEFINIDA

DEFINIDA

POSITIVA

POSITIVA

NEGATIVA

NEGATIVA

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 x

Teoremas de Lyapunov

Teoremas de Lyapunov Teorema 2a: El punto de equilibrio x = 0 del sistema x ˙

Teorema 2a: El punto de equilibrio x = 0 del sistema x˙ = f (x) (1), es estable en la región S al rededor del origen si:

V ( x ) definida positiva en S . (x) definida positiva en S.

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

˙

V

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 .

V (x) definida positiva en S.

˙

˙

V

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

  ˙
 

˙

T2b es más restrictivo que T2a: V (x) = 0 no se permite en x

= 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

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

global .

global .

Si S es todo el espacio se dice que la estabilidad es asintótica en sentido global
Comentarios a los T. Lyapunov Los T. de Lyapunov solo dan condiciones suficientes de estabilidad

Comentarios a los T. Lyapunov

Comentarios a los T. Lyapunov Los T. de Lyapunov solo dan condiciones suficientes de estabilidad y

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 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). esto no prueba la inestabilidad (las funciones probadas son inconcluyentes).

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

Propiedades de matrices

Propiedades de matrices Siendo M una matriz cuadrada ( m × m ), Si M =

Siendo M una matriz cuadrada (m × m),

Si M = M T ( ∀ i, j M i j = M j

Si M = M T

(i, j M ij = M ji ), se dice matriz simétrica.

Si M = − M T ( ∀ i, j M i j = −

Si M = M T

(i, j M ij = M ji ), se dice matriz antisimétrica.

1. Cualquier matriz cuadrada equivale a la suma de una M.S. y una M.AS. M
1. Cualquier matriz cuadrada equivale a la suma de una M.S. y una M.AS.
M = M + M T + M − M T
2
2
M.S.
M.AS.

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

x T Mx

=

x T M T x = (x T M T x) T (escalar)

=

x T M x → ∀ x, x T Mx = 0

Luego, la función x T M x con M simétrica o no, es igual a una función cuadrática con matriz simétrica.

x T M x con M simétrica o no, es igual a una función cuadrática con
Propiedades de matrices Matrices definidas positivas: Una matriz cuadrada ( m × m ) es

Propiedades de matrices

Propiedades de matrices Matrices definidas positivas: Una matriz cuadrada ( m × m ) es D.P.

Matrices definidas positivas: Una matriz cuadrada (m × m) es D.P. si,

x

= 0

x T Mx > 0

La matriz M es D.P. si la función cuadrática x T 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 positivosSylvester: Una C.N.S. para que M , simétrica, sea D.P. es: Equivalentemente, todos sus valores propios

Equivalentemente, todos sus valores propios sean positivosT. de Sylvester: Una C.N.S. para que M , simétrica, sea D.P. es: Todos sus menores

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

x,

x T Mx 0

definida positiva: Una matriz cuadrada ( m × m ) es S.D.P. si, ∀ x, x
Aplicación a sistemas lineales Sea un sistema lineal x ˙ = Ax , probemos como

Aplicación a sistemas lineales

Aplicación a sistemas lineales Sea un sistema lineal x ˙ = Ax , probemos como F.L.

Sea un sistema lineal x˙ = Ax, probemos como F.L. V (x) = x T Qx.

˙

V (x)

=

=

x˙ T Qx + x T Qx˙ = x T A T Qx + x T QAx

x T {A T Q + QA }x = x T Px

x T QAx x T { A T Q + QA } x = x T

x T QAx x T { A T Q + QA } x = x T

P

Se define a P = A T 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)

ecuaciones con m(m+1) incógnitas.

Teorema: Si λ 1 , λ 2 ,

2

2

, λ m son autovalores de A,

es definida positiva si Re { λ i } < 0 ∀ λ i de A . Re{λ i } < 0 λ i de A.

Q

es definida positiva si Re { λ i } < 0 ∀ λ i de A
es definida negativa si Re { λ i } > 0 ∀ λ i de

es definida negativa si Re { λ i } > 0 ∀ λ i de A . Re{λ i } > 0 λ i de A.

Q

Qsi Re { λ i } > 0 ∀ λ i de A . Q es

es indefinida si Re{λ i } > 0 y Re{λ j } < 0 de A.

Q es indefinida si ∃ Re { λ i } > 0 y ∃ Re {
Aplicación a sistemas lineales m = − I y Q = a b b c

Aplicación a sistemas lineales

Aplicación a sistemas lineales m = − I y Q = a b b c Teorema:

m

= I y Q = a b

b

c

Teorema:

Q tiene solución única si y solo si λ i + λ j = 0 i, j = 1, 2, Ejemplo:

Sea A = 2 0

3 1 (λ 1 = 2, λ 2 = 1). Sea P

1

0

P =

1

0

=

A T Q + QA

0

1

2

3 a

b

c + a b

b

b

c

0

2

3

1

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

5

1

1

V (x) =

1

4 {5x 2

1

+ 2x 1 x 2 + x 2

2 } =

1

4 {4x 2

1

+

(x 1 + x 2 ) 2 }

que es definida positiva. En MATLAB, la función Q = lyap(A,P), resuelve la ecuación cuadrática de Lyapunov A T Q + QA = P .

Q = lyap(A,P) , resuelve la ecuación cuadrática de Lyapunov A T Q + QA =