1

Facultad de Ingeniería – Departamento de

Ingeniería Eléctrica
IE-515 Teoría de Sistemas Lineales 1100

Daniel Alejandro Flores Pérez

Máster Oficial en Ingeniería Electrónica
Ingeniero Electricista Industrial

Tegucigalpa, Honduras, 2018. 2

Considere un espacio n-dimensional denotado por Rn.
 x1 
x 
x   2
 
 
 xn 
Se dice que los vectores x1, x2, …, xn en Rm son
linealmente independientes si existen números reales
α1, α2,…, αm, distintos de cero tales que:
1 x1   2 x2    m xm  0
3
La dimensión de un espacio lineal puede ser definida
como el número máximo de vectores linealmente
independientes en el espacio.

Un conjunto de vectores linealmente independientes es

llamado base si cada vector en Rn puede ser expresado
como una única combinación lineal del conjunto.

4
Ejemplo 3.1 (Chen)

1  3 2
x  q1    q2   
 3 1 2

1  1 3 2   1

x      q1 q2        
 3  2  1 2   2 

5
Norma de vectores

Norma: generalización de longitud o magnitud.

1. ||x||≥0 para cada x. ||x|| =0 solo si x=0.
2. || α x||= |α| ||x|| para cada real α.
3. || x1 + x2 || ≤ ||x1||+||x2|| para cada x1 y x2

n 1/2
x   xi  n
2
x  x ' x    xi  x  max i xi
i 1  i 1 
6
Ortonormalización

Un vector x es normalizable si x´x=1.

Dos vectores son ortogonales si x1´x2= x2´x1=0
Un conjunto de vectores son ortonormales si

0 si i  j
xi ´x j  
1 si i  j

7
Ortonormalización

Procedimiento de ortonormalización de Schmidt

u1:=e1 q1:=u1/ ||u1||

u2:=e2-(q1’e2)q1 q2:=u2/||u2||
.
.
.
m 1
um  em    qk ' em  qk qm  um um
k 1
8
Ortonormalización

Sea A=[a1 a2 … am] una matriz m ≤ n e Im una matriz

identidad de orden m. Si todas las columnas de A son
ortonormales, entonces:
 a1 '  1 0 0
 a ' 0 
A´ A   2   a1 a2 am      Im
   
   
 am ' 0 1

9
Ecuaciones algebraicas lineales

Dado A, una solución x existe en Ax=y para cada y, si y solo si

A tiene rango m.

A(mxn) y y (mx1), sea xp una solución de Ax=y y k:=n-ρ(A) la

nulidad de A.

Una solución x(nx1) existe en Ax=y si y solo sí y está en el

rango espacial de A
  A   A y 
.
mxn mx(n  1)
10
Ecuaciones algebraicas lineales

Si A tiene rango n o k=0, entonces la solución xp es única.

Si k> 0 entonces:
x  x p  1n1    k nk

Es solución para Ax=y, donde n,…, nk es base del espacio nulo

de A. Cada α es una solución.
k
A  x p    i  A  ni  A  x p  0  y
. i 1

11
Ecuaciones algebraicas lineales

Dejando x una solución para A  x  y

.
A x  xp   0

Implica que x  x p está en el espacio nulo

12
Ecuaciones algebraicas lineales

Ejemplo 3.3 (Chen)

Se obtiene la siguiente expresión:

0 1 1 2  4 
   
Ax  1 2 3 4  x   8  y
 2 0 2 0   0 
a) Encuentre el rango de la matriz A.
b) Encuentre la base ortonormal de los vectores linealmente
independientes de A y compruebe la ortonormalidad.
c) Encuentre x tal que dé solución a la ecuación.
13
Ecuaciones algebraicas lineales

a) Encuentre el rango de la matriz A.

0 1 1 2
A  1 2 3 4 
.
 2 0 2 0 

  A  2

14
 Ecuaciones algebraicas lineales

a) Encuentre el rango de la matriz A.

Eliminación de Gauss-Jordan
0 1 1 2 4   0 1 1 2 4  0 1 1 2 4 
1 2 3 4 8   1 0 1 0 0   1 0 1 0 0 
 .
 2 0 2 0 0   2 0 2v 0 0  0 0 0 0 0 

15
Ecuaciones algebraicas lineales

a) Encuentre el rango de la matriz A.

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

b) Encuentre la base ortonormal de los vectores

linealmente independientes de A y compruebe la
ortonormalidad.    5 
 0   
 5 
0 1   
q  5  5  2 5 
q1  1  q2   2   qˆ1   qˆ2   
1
5  5
q2  5    
. 2   0 
2 5   0 
 5   
 
17
Ecuaciones algebraicas lineales

b) Encuentre la base ortonormal de los vectores

linealmente independientes de A y compruebe la
ortonormalidad.  5 
 
 0   
 5 
 
 5  2 5  u v 2
qˆ1   ˆ2  
q   Cos     
5   5  uv 5
.  
2 5   0 
 5   
  18
Ecuaciones algebraicas lineales

b) Encuentre la base ortonormal de los vectores

linealmente independientes de A y compruebe la
ortonormalidad.
.
1  2 
Cos    66, 42º
5

19
Ecuaciones algebraicas lineales

b) Encuentre la base ortonormal de los vectores

linealmente independientes de A y compruebe la
ortonormalidad.
.
Proceso de ortonormalización Gram-Schmidt
0 1 
e1  1  e2   2 
 2   0 
20
Ecuaciones algebraicas lineales

b) Encuentre la base ortonormal de los vectores

linealmente independientes de A y compruebe la
ortonormalidad.
.    
 0   1 
   
u1  5   8 
qˆ1    u2  e2   qˆ1 ' e2  qˆ1 
u1 5  5 
   4
2 5   
 5   5 21
Ecuaciones algebraicas lineales

b) Encuentre la base ortonormal de los vectores

linealmente independientes de A y compruebe la
ortonormalidad.  5 
.  
 21 
u2 u2 8 5 
qˆ2    
u2 21  5 21 
5  4 5 
 
 5 21  22
 Ecuaciones algebraicas lineales

b) Encuentre la base ortonormal de los vectores

linealmente independientes de A y compruebe la
ortonormalidad.
   5 
.  
 0  21 
  
u1  5  u2  8 5 
x1  qˆ1    , x2  qˆ2     x1 ' x2  0
u1 5 u2  5 21 
 
2 5   4 5 
 5   
 5 21  23
Ecuaciones algebraicas lineales

c) Encuentre x tal que dé solución a la ecuación.

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

a) Encuentre el rango de la matriz A (anteriormente).

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

c) Encuentre x tal que dé solución a la ecuación.

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

c) Encuentre x tal que dé solución a la ecuación.

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

c) Encuentre x tal que dé solución a la ecuación.

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

Ejemplo para resolver en clase

Se obtiene la siguiente expresión:

 1 2 3 7 2
Ax   2 4 3 5  x   4   y
 1 6 5 4   0 
a) Encuentre x tal que dé solución a la ecuación.

30
Ecuaciones algebraicas lineales

Ejemplo para resolver en clase

 1 2 3 7   1 2 3 7  1 2 3 7
 2 4 3 5    2 4 3 5   0 8 9 
19 
    
 1 6 5 4   0 8 8 11 0 8 8 11
1 2 3 7
1 2 3 7  1 2 3 7  
0 8 9 19   0 8 9 19   0 9 19 
     1
8 8
0 8 8 11 0 0 1 8 
0 0 1 8  31
Ecuaciones algebraicas lineales

Ejemplo para resolver en clase

 3 9  3 9 
 1 0   1 0
 1 2 3 7  4 4 4 4 
     
0 1 9 19   0 1 9 19   0 1 0 
53 
 8 8  8 8  8
 0 0 1 8  0 0 1 8  0 0 1 8 

    
   

32
Ecuaciones algebraicas lineales

Ejemplo para resolver en clase

 3 9   15 
1 0 4   1 0 0  
4 4
   
0 1 0  53   0 1 0  53 
 8  8
   
0 0 1 8  0 0 1 8 
   
  A  3
33
Ecuaciones algebraicas lineales

Ejemplo para resolver en clase

n1
a1 a2 a3 a4
 15  15  15 
1 0 0  4  a1  a4
4 4
   
0 1 0  53   a  1  a  53 a   53 
 8
4 2
8
4 8
   
0 0 1 8 a   8 a  8 
  3 4
   1 
34
Ecuaciones algebraicas lineales

Ejemplo para resolver en clase

xp
a1 a2 a3 a4
 15 7  7 7
1 0 0  4 2  a1 
2 2
   
0 1 0  53 9   a  0  a  9   9 
 8 4
4 2
4 4
   2 
0 0 1 8 2  a3  2  
   0 
35
Ecuaciones algebraicas lineales

Ejemplo para resolver en clase

Ax  x p  1n1  y

 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.

Ahora si seleccionamos un diferente conjunto de bases

{q1, q2, …, qn}, entonces la matriz A tiene una diferente
representación A. Resulta que la i-ésima columna de A
es la representación de Aqi con respecto a la base {q1,
q2, …, qn}.

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.

Esta ecuación puede ser escrita como un conjunto de

ecuación lineales algebraicas.

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.

El determinante de una matriz cuadrada es el producto

de todos sus valores propios. Por tanto una matriz es no
singular (determinante igual a cero) si y solo no tiene
valor propio cero.

 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

1 2 1 3  x11 x12 

A  A 
T
 X  
 3 4   2 4   x21 x22 

 1 2   x11 x12   x11  2 x21 x12  2 x22 

AX       
 3 4   x21 x22   3x11  4 x21 3 x12  4 x22 

 x11 x12  1 3  x11  2 x12 3x11  4 x12 

XA  
T
 
 x21
 
x22   2 4   x21  2 x22 3x21  4 x22 

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

 x11  2 x21  x11  2 x12 x12  2 x22  3x11  4 x12   3 1

 3 x  4 x  x  2 x  
 11 21 21 22 3 x12  4 x22  3 x21  4 x22   1 1

50
 Ejemplo: Resuelva la ecuación de Lyapunov

 x11  2 x21  x11  2 x12 x12  2 x22  3x11  4 x12   3 1

 3 x  4 x  x  2 x   
 11 21 21 22 3 x 12  4 x22  3 x21  4 x22   1 1
 2 x11  2 x21  2 x12 2 x22  3 x11  3 x12   3 1
 3 x  3 x  2 x   
 11 21 22  3 x12  3 x21  8 x 22   1  1 
 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 51
 Ejemplo: Resuelva la ecuación de Lyapunov
2 2 2 0 3  0 0 1 2 11 
 3 3 0 2   3 6
 1  1 1  3 3 0 2 1 
R1  R1  R3  
 3 0 3 2 1  2 3 3 0 3 2 1 
  
 0 3 3 8 1  0 3 3 8 1 
0 1 2 11 
0 0 1 2 11  0
6  R2   1 R2  1 R3 
3 6
 3
0 1 1 0 0 
 3 3 0 2 1  3 3
 
  R3   1 3 R3 1 2 1
 3 0 3 1  3
2 0 1
3
     
 0 3 3 8 1  R 4 1 3 R 4
0 1 1 8 1 
 3 3 
52
Ejemplo: Resuelva la ecuación de Lyapunov
0 2 11  0 0 1 2 11 
0 1
 3 6  3 6
0 1 1 0 0  0 1 0 2 11 
  R2  R2  R1  3 6
2 1 1 
0 1 2
1 0 1 1 

3 3
  3 3
0 1 1 8 1   1 
 3  0 1 1 8
3 3 3 

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  

• Sea A una matriz mxn y B una matriz nxm. Entonces

tenemos que:
det  I m  AB   det  I n  AB 
58
Fórmulas útiles
• El rango de una matriz no cambia luego de
multiplicarse por una matriz no singular.
P : AC ;  A   P

59
Forma cuadrática y definición positiva

Se dice que una matriz real cuadrada es simétrica si su

transpuesta es igual a sí misma. La función escalar x’Mx es
llamada forma cuadrática, donde todos los valores propios
de la matriz simétrica son reales:
x'Mx donde M (n,n) , x (n,1) y M  M '
Como existe la posibilidad que los valores propios sean
complejos, entonces la función escalar que da una respuesta
real (M debe ser simétrica y x* es el complejo transpuesto
conjugado) es:
 x*Mx  * = x*M*x = x*M'x = x*Mx
60
Forma cuadrática y definición positiva

Para cada matriz real simétrica M, existe una matriz

ortogonal Q tal que:
M  QDQ' D  Q'MQ

Donde D es una matriz diagonal con los valores propios

de M, los cuales son reales, en la diagonal.
Donde Q es una matriz ortonormal que tiene la
propiedad Q’ = Q-1.
61
Forma cuadrática y definición positiva

Una matriz simétrica M, se dice que es positiva definida

si x’Mx > 0 para cada x distinto de cero.

Una matriz simétrica M, se dice que es positiva semi-

definida si x’Mx ≥ 0 para cada x distinto de cero.

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:

x'Mx   2 x12  x22  2 x32  6 x1 x2  4 x1 x3 

  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

 Una de las raíces es real y dos son complejas si D  0


D  Q 3  R 2 Todas las raíces son reales y al menos dos son iguales si D  0
 Todas las raíces son reales y distintas si D  0


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