Criterio de Estabilidad de Lyapunov

Criterio de Estabilidad de Lyapunov
Una forma genérica para analizar la estabilidad de sistemas es a través de la teoría de estabilidad
de Lyapunov, donde dicho análisis es determinado de forma indirecta. Porque no se usa
directamente la dinámica del sistema si no que por el contrario se analiza como el sistema se está
comportando.
Esta idea surgió en el siglo 19 donde todo se basa en energía, en aquella época solo existían
sistemas mecánicos, entonces si la energía de ese sistema mecánico va para cero al momento del
tiempo tender a infinito, se podría caracterizar un sistema como estable.
Se sabe que la energia siempre es una función escalar construida a partir de la dinámica del
sistema.
Las expresiones para definir la energía son infinitas, dependiendo del tipo de aplicación con la cual
se desee trabajar (energia potencial, cinetica,…)
Básicamente se asocia al sistema una función escalar de tal forma que capture la energía
asociada a la trayectoria del sistema y voy a analizar si dicha función va para cero en el
transcurrir del tiempo.
Esta función escalar asocia la norma de los estados del sistema.
Energia de una Señal (Para el análisis de Lyapunov)
Si para nuestro análisis comenzamos recordando cual es la energia de una señal en el tiempo
(Teorema de Lyapunov):
Ahí se analiza si esa función va para cero a lo largo del tiempo. Una característica de esa definición
de energía es que ella siempre es positiva:
Para la integral poder ir para cero, se analiza que la característica de la gráfica es siempre positiva
y que la derivada es siempre negativa, porque ella siempre decrece. Y si se cumplen esas dos
características, ese sistema siempre va ir para cero.
Entonces se verifica que un sistema es internamente estable si la energía es

Ahora si se tiene más de un estado, o sea que no es solo un escalar, se puede usar la definición de
producto interno
El único problema es que si por ejemplo mi función de energía no tiene una derivada que sea
siempre negativa
Dicha función es estable porque va para cero, pero no cumple con las dos propiedades, entonces
yo no consigo capturar la dinámica de esa energía. El problema de esa abordaje, es que la función
que se vaya a utilizar debe ser monotonicamente decreciente. Para conseguir eso se coloca una
matriz P en los estados y se intenta hallar la matriz tal que la función sea monotonicamente
decreciente
En conclusión, para determinar la estabilidad por Lyapunov, consiste en poder determinar una
función que presente un comportamiento de energía monótono para decir que el sistema es
estable, de lo contrario si no se consigue determinar esta función, en términos generales no quiere
decir que el sistema sea inestable.
Propiedades de Matrices Simétricas para el método de Lyapunov
Para entender como analizar el criterio de estabilidad de Lyapunov, es necesario rever algunas
propiedades de las matrices simétricas:
Si M es una matriz cuadrada (m m)
Si se dice que es una matriz Simetrica.

Si se dice que es una matriz Antisimetrica.
1. Cualquier matriz cuadrada equivale a la suma de una matriz simetrica y una matriz antisimetrica
2. La función cuadrática asociada a una matriz antisimetrica es siempre CERO.
Luego, la función con M simétrica o no, es igual a una función cuadrática con matriz
simétrica.
Matrices definidas positivas:
Una matriz cuadrada (m m) es definida positiva si
Lo que quiere decir que la Matriz M es definida positiva si la funcion es definida positiva.
Estabilidad de Lyapunov Aplicado a Sistemas Lineales
Si tenemos un sistema lineal y probamos con la función de

Lyapunov
Primero derivamos la función de Lyapunov
La derivada tiene que ser menor que cero
Como es una forma cuadrática si yo tomo ese resultado que va a ser una matriz
que es Simetrica basta con analizar los autovalores de esa matriz, si todos los autovalores son
negativos, la matriz es definida negativa lo que indica que la derivada de Lyapunov siempre dará
negativa.
Por otro lado si en la ecuación cuadratica ( ) si M tiene todos los autovalores positivos,
esa ecuación siempre va a dar positivo garantizando la estabilidad.
Ahora esto solo vale si yo conozco la matriz M,si yo no conozco dicha matriz tendria que encontrar
una Matriz M simetrica con todos los autovalores positivos de forma que tenga
todos los autovalores negativos
Para poder resolver ese problema analíticamente, en lugar de trabajar con esa desigualdad, se
puede transformar esa expresión en una ecuación lineal.
Si tengo esta ecuación:

Si esa matriz N tiene todos los autovalores positivos y colocamos un signo (-) alfrente de N, quiere
decir que esa matriz es Negativa. De esa forma consigo demostrar que el
termino es menor que cero resolviendo una simple ecuación. Esto es conocido
como la ECUACIÓN O FUNCIÓN DE LYAPUNOV.
De esa forma consigo por medio de un sistema de ecuaciones encontrar una matriz M. Solo que
cuando hallamos esa M, ademas de ser una matriz Simétrica ella debe tener todos los autovalores
Positivos.
Teorema 1
Si todos los autovalores de A tienen parte real negativa si y solo si para una matriz dada que sea
simétrica positiva N a la ecuación de Lyapunov se consigue una unica
solución simétrica y definida positiva M. Indicando que el sistema es Estable caso contrario es
Inestable (esto es solo valido para sistemas LTI), para No lineales o variantes en el tiempo,
simplemente no se puede concluir.
Teorema 2
Si todos los autovalores de A tienen parte real negativa entonces la ecuación de

Lyapunov tiene una unica solución para una dada matriz N simetrica y
definida positiva dada por:
Se define a como la ecuación de Lyapunov. Y la estabilidad asintotica del

sistema está asegurada si siendo P una matriz simetrica definida negativa, se puede encontrar Q
como una matriz simetrica definida positiva (Solución de la ecuación de Lyapunov)
Si los autovalores de A cumplen lo siguiente:
 Q es definida positiva si de A
 Q es definida negativa si de A
 Q es indefinida si y de A
Método de Lyapunov para Sistemas Discretos

Para el caso discreto la función de la energia de una señal viene dada por:
Para verificar si la función está decreciendo, siempre la diferencia entre un instante futuro con
relación a un instante actual debe dar negativo.
y [/latex]\Delta V(x[k])=V(x[k+1])-V(x[k])<0[/latex]
La ecuación de Lyapunov para el caso discreto viene dado por:
Si se tiene un sistema discreto
Y se utiliza la función de Lyapunov mas simple, conocida como función de Lyapunov

Cuadrada:
Y ya sabemos que como es una ecuación cuadrática, la matriz M tiene que tener todos los
autovalores positivos y también ser simétrica.
Se calcula entonces la variación de la función:
Y esta también es una forma cuadrática.

Para determinar si es estable basta con analizar si todos los autovalores de la
matriz son menosres que cero.
Para resolver analíticamente, se iguala la matriz a otra matriz negativa N, igual que en el caso
continuo
Si consigo determinar una matriz M definida positiva puedo decir que mi sistema dinámico
Lineal e invariante en el tiempo es estable, recordando que si no es definida positiva seria
inestable.
Para el caso de Lineal y Variante en el tiempo y No lineal en el caso de la matriz M ser

definida negativa, no se puede determinar nada, y se tendria que seguir buscando otra función
de Lyapunov.

Criterio de Estabilidad de Lyapunov

Cargado por

Copyright:

Formatos disponibles

Criterio de Estabilidad de Lyapunov

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Criterio de Estabilidad de Lyapunov

Cargado por

Copyright:

Formatos disponibles

Criterio de Estabilidad de Lyapunov

Esta función escalar asocia la norma de los estados del sistema.

Energia de una Señal (Para el análisis de Lyapunov)

Entonces se verifica que un sistema es internamente estable si la energía es

Propiedades de Matrices Simétricas para el método de Lyapunov

Si M es una matriz cuadrada (m m)

Si se dice que es una matriz Simetrica.

2. La función cuadrática asociada a una matriz antisimetrica es siempre CERO.

Matrices definidas positivas:

Una matriz cuadrada (m m) es definida positiva si

Estabilidad de Lyapunov Aplicado a Sistemas Lineales

Si tenemos un sistema lineal y probamos con la función de

Primero derivamos la función de Lyapunov

La derivada tiene que ser menor que cero

Si tengo esta ecuación:

Si todos los autovalores de A tienen parte real negativa entonces la ecuación de

Se define a como la ecuación de Lyapunov. Y la estabilidad asintotica del

Si los autovalores de A cumplen lo siguiente:

Método de Lyapunov para Sistemas Discretos

La ecuación de Lyapunov para el caso discreto viene dado por:

Si se tiene un sistema discreto

Y se utiliza la función de Lyapunov mas simple, conocida como función de Lyapunov

Se calcula entonces la variación de la función:

Y esta también es una forma cuadrática.

Para el caso de Lineal y Variante en el tiempo y No lineal en el caso de la matriz M ser

También podría gustarte