Beruflich Dokumente
Kultur Dokumente
4
Ejemplo 3.1 (Chen)
1 3 2
x q1 q2
3 1 2
5
Norma de vectores
n 1/2
x xi n
2
x x ' x xi x max i xi
i 1 i 1
6
Ortonormalización
0 si i j
xi ´x j
1 si i j
7
Ortonormalización
9
Ecuaciones algebraicas lineales
Si k> 0 entonces:
x x p 1n1 k nk
11
Ecuaciones algebraicas lineales
12
Ecuaciones algebraicas lineales
0 1 1 2
A 1 2 3 4
.
2 0 2 0
A 2
14
Ecuaciones algebraicas lineales
15
Ecuaciones algebraicas lineales
0 1 1 2 4 1 0 1 0 0
. 1 0 1 0 0 0 1 1 2 4
0 0 0 0 0 0 0 0 0 0
A 2
16
Ecuaciones algebraicas lineales
19
Ecuaciones algebraicas lineales
0 1 1 2
Ax 1 2 3 4 x
.
2 0 2 0
4
Ax a1 a2 a3 a4 x 8 y
0
24
Ecuaciones algebraicas lineales
0 1 1 2 4 1 0 1 0 0
. 1 0 1 0 0 0 1 1 2 4
0 0 0 0 0 0 0 0 0 0
A 2
25
Ecuaciones algebraicas lineales
a1 a2 a3 a4
.
1 0 1 0
0 1 1 2 a1 a3
a a 2a 4
0 0 0 0 2 3 4
26
Ecuaciones algebraicas lineales
a1 a2 a3 a4
.
1 0 1 0
0 1 1 2 a3 0 a1 0
a 0 a 4
0 0 0 0 4 2
27
Ecuaciones algebraicas lineales
a1 1 0
a1 a3 a 1 2
2 a3 a4
. a2 a3 2a4 a3 1 0
a4 0 1
0 1 0
4 1 2
x x p 1n1 2 n2 1 2
0 1 0
0 0 1
28
Ecuaciones algebraicas lineales
Ax x p 1n1 2 n2 y
.
0 1 0
0 1 1 2
1 2 3 4 4 1 2 y
0 1 1 2
0
2 0 2 0
0 0 1
29
Ecuaciones algebraicas lineales
30
Ecuaciones algebraicas lineales
32
Ecuaciones algebraicas lineales
7 15
1 2 3 7 2 4
2
2 4 3 5 9 53 4 y
4 1 8
1 6 5 4 2 8 0
0
1
36
Considere una matriz nxn. Se mapea Rn dentro de sí
misma. Si asociamos con Rn la base ortonormal {i1, i2, …,
in} la i-ésima columna de A es la representación de Aii
con respecto a la base ortonormal.
37
1 0 0
0 1 0
i1 0 i2 0 in 0
0 0 1
38
Considere a la ecuación:
AM MB C
Donde A y B son, respectivamente, nxn y mxm matrices.
En orden para que la ecuación tenga sentido, las
matrices M y C deben ser de orden nxm. La ecuación es
llamada la ecuación de Lyapunov.
39
40
41
Definamos A(M):= AM+MB. Entonces la ecuación de
Lyapunov puede ser escrita como A(M)=C. Mapea un
espacio nm-dimensional en sí mismo. Un escalar η es
llamado un valor propio de A si existe un M distinto de
cero tal que:
A M M
Porque A puede ser considerada como una matriz
cuadrada de orden nm, tiene nm valores propios ηk,
para k=1, 2, …, nm. Resulta que:
k i j para i 1, 2, , n; j 1, 2, , m
42
Donde los lambda son los valores propios de A y las mu
son los valores propios de B. En otras palabras, los
valores propios de A son todas las posibles sumas de los
valores propios de A y de B.
k i j para i 1, 2, , n; j 1, 2, , m
43
La ecuación:
AM MB C
En algunas referencias bibliográficas es llamada la
ecuación de Sylvester (J. J. Sylvester).
44
Las ecuaciones de Lyapunov son de utilidad en muchas
áreas de control, incluyendo teoría de la estabilidad y el
estudio del comportamiento RMS de sistemas.
1. AX XAT Q 0
Donde A y Q representan matrices cuadradas de
tamaño idéntico. Si Q es una matriz simétrica, la
solución X también es una matriz simétrica.
45
Las ecuaciones de Lyapunov son de utilidad en muchas
áreas de control, incluyendo teoría de la estabilidad y el
estudio del comportamiento RMS de sistemas.
2. AX XB C 0
Donde las matrices A, B y C deben tener dimensiones
compatibles pero no necesitan ser cuadradas.
46
Las ecuaciones de Lyapunov son de utilidad en muchas
áreas de control, incluyendo teoría de la estabilidad y el
estudio del comportamiento RMS de sistemas.
3. AXE T EXAT Q 0
Donde Q es una matriz simétrica. Esta es la llamada
ecuación de Lyapunov generalizada.
47
Ejemplo: Resuelva la ecuación de Lyapunov
AX XAT Q 0
1 2 3 1
A Q
3 4 1 1
48
Ejemplo: Resuelva la ecuación de Lyapunov
49
Ejemplo: Resuelva la ecuación de Lyapunov
x11 2 x21 x12 2 x22 x11 2 x12 3x11 4 x12
3 x 4 x
11 21 3 x12 4 x22 x21 2 x22 3 x21 4 x22
3 1
Q
1 1
50
Ejemplo: Resuelva la ecuación de Lyapunov
0 0 1 2 11 1 0 0 4 13
3 6 3 6
0 1 0 2 11 0 1 0 2 11
R1 R1 R3
3 6 3 6
1 0 1 2 1 1 0 1 2 1
3 3 3 3
1 1
0 1 1 8 0 1 1 8
3 3 3 3 53
Ejemplo: Resuelva la ecuación de Lyapunov
1 0 0 4 13 1 0 0 4 13
3 6 3 6
0 1 0 2 11 0 1 0 2 11
3 6
R3 R1 R3
3 6
1 0 1 2 1 0 0 1 2 11
3 3 3 6
1 1
0 1 1 8 0 1 1 8
3 3 3 3
1 0 0 4 13 1 0 0 4 13
3 6 3 6
0 1 0 2 11 0 1 0 2 11
3 6
R4 R2 R3 R4
3 6
0 0 1 2 11 0 0 1 2 11
3 6 3 6
8 1 4
0 0 0
3 3 0 0 0
3
4
54
Ejemplo: Resuelva la ecuación de Lyapunov
1 0 0 4 13 1 0 0 4 13
3 6
3 6
0 1 0 2 11 0 11
6 1 0 2
R4 3 / 4 R4
3 3 6
0 0 1 2 11 0 11
6 0 1 2
3 3 6
0
0 0 0 4 4 0 0 1 3
3
1 0 0 4 13 1 0 0 0 37
3 6 6
0 1 0 2 11 0 1 0 0 23
3 6 6
0 0 1 2 11 0 0 1 0 23
3 6 6
0
0 0 1 3 0 0 0 1 3
55
Ejemplo: Resuelva la ecuación de Lyapunov
2 2 2 0 x11 3
3 3 0 2 x 1
12
3 0 3 2 x21 1
0 3 3 8 x22 1
1 0 0 0 37
6
23
0 1 0 0 23 x11 x12 6
37
6 6
x
0 x22 23 3
0 1 0 23 21 6
6
0 3
0 0 1
56
Ejemplo: Resuelva la ecuación de Lyapunov
AX XAT Q 0
1 2 3 1
A Q
3 4 1 1
37 23
X
6 6
23 3
6
57
Fórmulas útiles
• Como las filas de AB son combinaciones lineales de
B, entonces AB tiene hasta mucho la misma
cantidad de filas linealmente independientes que B.
Se hace la misma comparación con A.
AB min A , B
59
Forma cuadrática y definición positiva
62
Forma cuadrática y definición positiva
• Ejemplo:
• a) Deduzca la forma cuadrática de la matriz M.
• b) Verifica si la matriz es definida o semi-definida
positiva:
2 3 2
M 3 1 0
2 0 2
63
Forma cuadrática y definición positiva
• Ejemplo
2 3 2 2 3 2 x1
M M T 3 1 0 x'Mx x1 x2 x3 3 1 0 x2
2 0 2 2 0 2 x3
2 x1 3 x2 2 x3
x'Mx x1 x2 x3 3x1 x2
2 x1 2 x3
2 x12 3 x1 x2 2 x1 x3 3x1 x2 x22 2 x1 x3 2 x32
64
Forma cuadrática y definición positiva
• Ejemplo:
2 3 2
det I M 3 1 0
2 0 2
2 0 2 1 2 2 1 9
65
Forma cuadrática y definición positiva
• Ejemplo:
2 0 2 1 2 2 1 9
4 1 2 2 3 2 9
4 4 3 3 2 7 2 2 6 14
3 5 2 5 18
66
Forma cuadrática y definición positiva
• Ejemplo: 3 5 2 5 18 x 3 a1 x 2 a2 x a3
a1 5 a2 5 a3 18
3a2 a12 9a1a2 27 a3 2a13
Q R
9 54
S1 3 R Q 3 R 2 S2 3 R Q3 R 2
S1 S 2 a1 3
x1 S1 S 2
a1
x2, x3 i S1 S2
3 2 3 2
67
Forma cuadrática y definición positiva
• Ejemplo: 3 5 2 5 18 x 3 a1 x 2 a2 x a3
a1 5 a2 5 a3 18
3a2 a12 9a1a2 27 a3 2a13
Q R
9 54
68
Forma cuadrática y definición positiva
• Ejemplo: 3 5 2 5 18
1 5 5 18 2
1 2 14 18 2
1 7 9 0
b b 2 4ac 7 49 4 1 9 7 13
2a 2 1 2
7 13 7 13
1 2 2 3
2 2
69
Forma cuadrática y definición positiva
• Ejemplo:
7 13 7 13
1 2 2 3
2 2
Resultado Condición
Definida positiva λi > 0 i=1, …, n
Definida negativa λi < 0 i=1, …, n
Semi-definida positiva λi ≥ 0 i=1, …, n
Semi-definida negativa λi ≤ 0 i=1, …, n
Indefinida λi > 0 , λj < 0 i=1, …, n; j=1, …, n
70
71
72
73
74
Fin de la presentación
75