Você está na página 1de 344

Teoria de Sistemas Lineares

Prof. Reinaldo Martinez Palhares


Contato: Sala 2605 (BLOCO 1) mailto: palhares@cpdee.ufmg.br
www.ppgee.ufmg.br/palhares/TeoriaSistemasLineares.html
Quintas-Feiras 07h30 a 09h10 09h25 a 11h05
Solucao em Espaco de Estado
1. Solu cao para Sistemas Lineares Invariantes Contnuo no Tempo
2. Discretiza cao
3. Solu cao para Sistemas Lineares Invariantes Discreto no Tempo
4. Sistemas Equivalentes e Formas Canonicas
5. Realiza coes
c Reinaldo M. Palhares
pag.1
Teoria de Sistemas Lineares Aula 10
Solucao em Espaco de Estado Tempo Contnuo
Para o sistema contnuo no tempo:
_
_
_
x(t) = Ax(t) +Bu(t)
y(t) = Cx(t) +Du(t)
A R
nn
, B R
np
, C R
qn
e D R
qp
Problema Encontrar a solu cao x(t) gerada por uma condi cao inicial x(0) e
uma entrada u(t)?
Solucao Pode ser obtida da fun cao exponecial de A...
c Reinaldo M. Palhares
pag.2
Teoria de Sistemas Lineares Aula 10
Solucao em Espaco de Estado Tempo Contnuo
Veja que ja demonstramos que:
d
dt
e
At
= Ae
At
= e
At
A
Pre-multiplicando a equa cao diferencial em x(t) por e
At
obtem-se:
e
At
x(t) = e
At
Ax(t) +e
At
Bu(t)
e
At
x(t) e
At
Ax(t) = e
At
Bu(t)
d
dt
_
e
At
x(t)

= e
At
Bu(t)
c Reinaldo M. Palhares
pag.3
Teoria de Sistemas Lineares Aula 10
Solucao em Espaco de Estado Tempo Contnuo
Integrando de 0 a t obtem-se
e
A
x()

t
=0
=
_
t
0
e
A
Bu()d

e
At
x(t) e
0
x(0) =
_
t
0
e
A
Bu()d
como e
0
= I e
_
e
At
_
1
= e
At
, entao
x(t) = e
At
x(0) +
_
t
0
e
A(t)
Bu()d
c Reinaldo M. Palhares
pag.4
Teoria de Sistemas Lineares Aula 10
Solucao em Espaco de Estado Tempo Contnuo
Pode-se vericar se a solu cao satisfaz a equa cao diferencial e se x(t) = x(0)
em t = 0...
Veja que em t = 0, x(0) = e
At
x(0) = Ix(0) = x(0)
E x(t) satisfaz a equa cao de x(t)? Compute x(t)
x(t) =
d
dt
_
e
At
x(0) +
_
t
0
e
A(t)
Bu()d
_
= Ae
At
x(0) +
_
t
0
Ae
A(t)
Bu()d +e
A(t)
Bu()

=t
= A
_
e
At
x(0) +
_
t
0
e
A(t)
Bu()d
_
+e
A0
Bu(t)
= Ax(t) +Bu(t)
c Reinaldo M. Palhares
pag.5
Teoria de Sistemas Lineares Aula 10
Solucao em Espaco de Estado Tempo Contnuo
Veja que foi usado o fato que:

t
_
t
t
0
f(t, )d =
_
t
t
0
_

t
f(t, )
_
d +f(t, )

=t
Ainda, substituindo x(t) na equa cao de sada obtem-se:
y(t) = Ce
At
x(0) +C
_
t
0
e
A(t)
Bu()d +Du(t)
c Reinaldo M. Palhares
pag.6
Teoria de Sistemas Lineares Aula 10
Solucao em Espaco de Estado Tempo Contnuo
Calculo de e
At
Metodo 1 Encontre os autovalores de A. Obtenha o polinomio h() de grau
n 1 igual a e
t
no espectro de A. Fa ca e
At
= h(A)
Metodo 2 Encontre a Forma Canonica de Jordan de A,

A. Entao
A = Q

AQ
1
e e
At
= Qe

At
Q
1
Metodo 3
e
At
=

k=0
t
k
A
k
k!
(computador, expm...)
c Reinaldo M. Palhares
pag.7
Teoria de Sistemas Lineares Aula 10
Solucao em Espaco de Estado Tempo Contnuo
Veja ainda que aplicando a transformada de Laplace no sistema inicial em x(t)
obtem-se:
X(s) = (sI A)
1
_
x(0) +BU(s)
_
Y (s) = C(sI A)
1
_
x(0) +BU(s)
_
+DU(s)
Metodo 4
L
_
e
At

= (sI A)
1
; e
At
= L
1
_
(sI A)
1

c Reinaldo M. Palhares
pag.8
Teoria de Sistemas Lineares Aula 10
Solucao em Espaco de Estado Tempo Contnuo
(sI A)
1
e uma fun cao de A que pode ser computada de varias formas:
diretamente pela inversa de (sI A); via metodo 1; via metodo 2 ou a forma em
serie de potencia discutida na se cao de

Algebra
Exemplo considere A =
_
_
0 1
1 2
_
_
. Obtenha (sI A)
1
C omputo direto:
(sI A)
1
=
_
_
s 1
1 s + 2
_
_
1
=
1
s
2
+ 2s + 1
_
_
s + 2 1
1 s
_
_
c Reinaldo M. Palhares
pag.9
Teoria de Sistemas Lineares Aula 10
Solucao em Espaco de Estado Tempo Contnuo
Metodo 1 Os autovalores de A sao 1 e 1. Fa ca h() =
0
+
1
. Se
f() = (s )
1
iguala os valores de h() no espectro de A, entao
f(1) = h(1) (s + 1)
1
=
0

1
f

(1) = h

(1) (s + 1)
2
=
1
Portanto obtendo
0
e
1
e substituindo em h():
h() =
_
(s + 1)
1
+ (s + 1)
2

+ (s + 1)
2

e
(sI A)
1
= h(A) =
_
(s + 1)
1
+ (s + 1)
2

I + (s + 1)
2
A
=
1
(s + 1)
2
_
_
s + 2 1
1 s
_
_
c Reinaldo M. Palhares
pag.10
Teoria de Sistemas Lineares Aula 10
Solucao em Espaco de Estado Tempo Contnuo
Veja se considerar a equa cao:
x(t) =
_
_
0 1
1 2
_
_
. .
A
x(t) +
_
_
0
1
_
_
. .
B
u(t)
a solu cao e dada por
x(t) = e
At
x(0) +
_
t
0
e
A(t)
Bu()d
e
At
?
c Reinaldo M. Palhares
pag.11
Teoria de Sistemas Lineares Aula 10
Solucao em Espaco de Estado Tempo Contnuo
e
At
= L
1
_
_
_
1
(s + 1)
2
_
_
s + 2 1
1 s
_
_
_
_
_
=
_
_
(1 +t)e
t
te
t
te
t
(1 t)e
t
_
_
e com B =
_
0 1
_
:
x(t) =
_
_
(1 +t)e
t
te
t
te
t
(1 t)e
t
_
_
x(0)
+
_

_
t
0
(t )e
(t)
u()d
_
t
0
[1 (t )]e
(t)
u()d
_

_
c Reinaldo M. Palhares
pag.12
Teoria de Sistemas Lineares Aula 10
Solucao em Espaco de Estado Tempo Contnuo
Propriedades Resposta `a entrada nula (u(t) 0) de e
At
x(0) com a forma de
Jordan dada por:
A =
2
6
6
6
6
6
6
6
6
4

1
1 0 0 0
0
1
1 0 0
0 0
1
0 0
0 0 0
1
0
0 0 0 0
2
3
7
7
7
7
7
7
7
7
5
(Chen, pg. 66 (3.48))
e
At
= Q
2
6
6
6
6
6
6
6
6
4
e

1
t
te

1
t
t
2
e

1
t
/2 0 0
0 e

1
t
te

1
t
0 0
0 0 e

1
t
0 0
0 0 0 e

1
t
0
0 0 0 0 e

2
t
3
7
7
7
7
7
7
7
7
5
Q
1
c Reinaldo M. Palhares
pag.13
Teoria de Sistemas Lineares Aula 10
Solucao em Espaco de Estado Tempo Contnuo
e combina cao linear de termos do tipo t
k
e
t
, determinados pelos autovalores
e seus ndices n
i
(maior ordem dos blocos de Jordan associados a
i
). Sao
analticos, ie, diferenciaveis para todo t
se todo autovalor tem parte real negativa, a resposta `a entrada nula tende
para zero quando t (segue direto de e
t
); se A possui algum autovalor
com parte real positiva, a resposta `a entrada nula cresce indenidamente...
um autovalor com parte real nula mas ndice 1 nao causa o crescimento
ilimitado; se o ndice for 2 ou superior, o crescimento ilimitado pode ocorrer. Por
exemplo, um autovalor igual a 0 com ndice 2 faz com que e
At
contenha os
termos {1, t}. O termo te
0t
, para t , implicara em crescimento ilimitado
para x(t)
c Reinaldo M. Palhares
pag.14
Teoria de Sistemas Lineares Aula 10
Discretizacao
Considere o sistema contnuo no tempo:
_
_
_
x(t) = Ax(t) +Bu(t)
y(t) = Cx(t) +Du(t)
Uma primeira ideia de possibilidade de aproxima cao discreta:
x(t) = lim
T0
x(t +T) x(t)
T

x(t +T) = x(t) +Ax(t)T


. .
(I+TA)x(t)
+Bu(t)T
c Reinaldo M. Palhares
pag.15
Teoria de Sistemas Lineares Aula 10
Discretizacao
Se os sinais contnuos sao computados em instantes discretos t = kT,
k = 0, 1, 2, . . . entao:
_
_
_
x((k + 1)T) = (I +TA)x(kT) +TBu(kT)
y(kT) = Cx(kT) +Du(kT)
e uma forma simples, porem a representa cao pode ser imprecisa...
Discretizacao Alternativa Considerando que o sinal u(t) e gerado em um
computador digital e que em seguida o sinal passa por um conversor
digital/anal ogico, tem-se um sinal linear por partes
c Reinaldo M. Palhares
pag.16
Teoria de Sistemas Lineares Aula 10
Discretizacao
Dene-se o sinal linear por partes, mudando a cada instante discreto k:
u(t) = u(kT) u(k) para kT t < (k + 1)T, k = 0, 1, 2, . . .
Para esta entrada u(t), a solu cao da equa cao diferencial, x(t), computada nos
instantes t = kT e t = (k + 1)T sao:
x(k) x(kT) = e
AkT
x(0) +
_
kT
0
e
A(kT)
Bu()d
e
x(k+1) x[(k + 1)T] = e
A(k+1)T
x(0)+
_
(k+1)T
0
e
A((k+1)T)
Bu()d
c Reinaldo M. Palhares
pag.17
Teoria de Sistemas Lineares Aula 10
Discretizacao
Veja que da ultima equa cao obtem-se
x(k + 1) = e
AT
_
e
AkT
x(0) +
_
kT
0
e
A(kT)
Bu()d
_
+
_
(k+1)T
kT
e
A(kT+T)
Bu()d
usando que u(t) = u(k) e denindo-se a mudan ca de variavel
= kT +T obtem-se:
x(k + 1) = e
AT
x(k) +
_
_
T
0
e
A
d
_
Bu(k)
c Reinaldo M. Palhares
pag.18
Teoria de Sistemas Lineares Aula 10
Discretizacao
Portanto o sistema descrito a equa coes `a diferen ca (equa cao de estado discreta no
tempo):
_
_
_
x(k + 1) = A
d
x(k) +B
d
u(k)
y(k) = C
d
x(k) +D
d
u(k)
sendo
A
d
= e
AT
; B
d
=
_
_
T
0
e
A
d
_
B; C
d
= C; D
d
= D
Nota Nao ha aproxima cao envolvida! A solu cao em t = kT e exata se a
entrada for mantida constante no intervalo
C omputo de B
d
?
c Reinaldo M. Palhares
pag.19
Teoria de Sistemas Lineares Aula 10
Discretizacao
Computo de B
d
Usando a descri cao em serie de potencia
Z
T
0

I +A +A
2

2
2!
+

d = TI +
T
2
2!
A +
T
3
3!
A
2
+
T
4
4!
A
3
+
Se A e nao singular, a serie pode ser reescrita (e ainda somando I I) da forma:
A
1
_
TA+
T
2
2!
A
2
+
T
3
3!
A
3
+ + I I
_
= A
1
(e
AT
I)
B
d
= A
1
_
e
AT
I
_
B se A
1
MATLAB c2d
c Reinaldo M. Palhares
pag.20
Teoria de Sistemas Lineares Aula 10
Solucao em Espaco de Estado Tempo Discreto
NOTA Sem perda de generalidade vamos utilizar a mesma nota cao de
matrizes A, B, etc. para sistemas a tempo contnuo ou discreto. A indica cao de
t ou k basta para entender o contexto
Considere o sistema discreto:
_
_
_
x(k + 1) = Ax(k) +Bu(k)
y(k) = Cx(k) +Du(k)
Forma geral da solu cao:
x(1) = Ax(0) +Bu(0)
x(2) = Ax(1) +Bu(1) = A
2
x(0) +ABu(0) +Bu(1)
.
.
.
c Reinaldo M. Palhares
pag.21
Teoria de Sistemas Lineares Aula 10
Solucao em Espaco de Estado Tempo Discreto
Assim, para k > 0
x(k) = A
k
x(0) +
k1

m=0
A
k1m
Bu(m)
e
y(k) = CA
k
x(0) +
k1

m=0
CA
k1m
Bu(m) +Du(k)
c Reinaldo M. Palhares
pag.22
Teoria de Sistemas Lineares Aula 10
Solucao em Espaco de Estado Tempo Discreto
Da mesma forma como no caso contnuo, a resposta `a entrada nula A
k
x(0)
apresenta algumas propriedades
Suponha que A tem o autovalor
1
com multiplicidade 4 e o autovalor
2
com multiplicidade 1
Suponha ainda que A possui a forma de Jordan tal que
A
k
= Q
_

k
1
k
k1
1
k(k 1)
k2
1
/2 0 0
0
k
1
k
k1
1
0 0
0 0
k
1
0 0
0 0 0
k
1
0
0 0 0 0
k
2
_

_
Q
1
ie,
1
tem ndice 3 e
2
tem ndice 1
c Reinaldo M. Palhares
pag.23
Teoria de Sistemas Lineares Aula 10
Solucao em Espaco de Estado Tempo Discreto
combina cao linear de termos do tipo
k
, k
k1
, k
2

k2
, determinados
pelos autovalores e seus ndices...
se todo autovalor tem magnitude menor que 1, a resposta `a entrada nula tende
para zero quando k (consequencia de
k
); se A possui algum autovalor
com magnitude maior que 1 a resposta `a entrada nula cresce indenidamente
um autovalor com magnitude igual a 1 e ndice 1 nao causa o crescimento
ilimitado; se o ndice for 2 ou superior, o crescimento ilimitado pode ocorrer. Por
exemplo, um autovalor igual a 1 com ndice 2 faz com que A
k
contenha os
termos {1, k}, ie, k
k1
, quando k
c Reinaldo M. Palhares
pag.24
Teoria de Sistemas Lineares Aula 10
Equacoes Dinamicas Equivalentes
Considere o sistema linear invariante no tempo
_
_
_
x(t) = Ax(t) +Bu(t)
y(t) = Cx(t) +Du(t)
Seja P R
nn
uma matriz nao-singular e x = Px. A equa cao dinamica
_
_
_

x(t) =

A x(t) +

Bu(t)
y(t) =

C x(t) +

Du(t)
sendo

A = PAP
1
,

B = PB,

C = CP
1
e

D = D e (algebricamente)
equivalente `a do sistema original, e P e a transforma cao de equivalencia
c Reinaldo M. Palhares
pag.25
Teoria de Sistemas Lineares Aula 10
Equacoes Dinamicas Equivalentes
Por outro lado... x = P
1
x e x = P
1
x tal que:

A = PAP
1
= Q
1
AQ Q

A = A
_
q
1
q
2
q
n
_
_
q
1
q
2
q
n
_

A =
_
Aq
1
Aq
2
Aq
n
_
i-esima coluna de

A : representa cao de Aq
i
na base {q
1
, q
2
, . . . , q
n
}. A e

A
sao similares e

A e simplesmente um representa cao diferente de A
c Reinaldo M. Palhares
pag.26
Teoria de Sistemas Lineares Aula 10
Equacoes Dinamicas Equivalentes
A e

A sao similares e tem os mesmos autovalores

() = det
_
I

A
_
= det
_
PP
1
P

AP
1
_
= det
_
P(I A)P
1

= det(P) det (I A) det P


1
= det (I A)
= ()
Veja que PP
1
= I e det(P) det(P
1
) = 1...
c Reinaldo M. Palhares
pag.27
Teoria de Sistemas Lineares Aula 10
Equacoes Dinamicas Equivalentes
Os sistemas tem a mesma fun cao de transferencia

G(s) =

C(sI

A)
1

B +

D
= CP
1
_
sPP
1
PAP
1

1
PB +D
= CP
1
_
P(sI A)P
1

1
PB +D
= CP
1
P (sI A)
1
P
1
PB +D
= C (sI A)
1
B +D
= G(s)
c Reinaldo M. Palhares
pag.28
Teoria de Sistemas Lineares Aula 10
Equacoes Dinamicas Equivalentes
Exemplo Circuito RLC
u
R
x
1
x
2
L
C
+
+

y
x
1
: corrente no indutor;
x
2
= y : tensao no capacitor
x
1
: corrente na malha 1;
x
2
: corrente na malha 2
c Reinaldo M. Palhares
pag.29
Teoria de Sistemas Lineares Aula 10
Equacoes Dinamicas Equivalentes
Escolhendo como variaveis de estado x
1
(corrente no indutor) e x
2
(tensao no
capacitor):
x
1
=
x
2
R
+C x
2
. .
corrente...
e L x
1
+x
2
. .
tensao...
= u
entao
_

_
_
_
x
1
x
2
_
_
=
_
_
0 1/L
1/C 1/RC
_
_
_
_
x
1
x
2
_
_
+
_
_
1/L
0
_
_
u
y =
_
0 1
_
_
_
x
1
x
2
_
_
c Reinaldo M. Palhares
pag.30
Teoria de Sistemas Lineares Aula 10
Equacoes Dinamicas Equivalentes
No entanto, se as correntes de malhas forem escolhidas como variaveis de estado:
u = L

x
1
+R( x
1
x
2
)
. .
tensao...


x
1
=
R
L
x
1
+
R
L
x
2
+
1
L
u
Veja que a corrente no capacitor e: x
2
= C v
C
= C(R(

x
1


x
2
)) ou

x
2
=

x
1

1
RC
x
2
ainda, v
L
= L

x
1
= u v
C
ou

x
1
=
1
L
(u R( x
1
x
2
)) entao

x
2
=
1
L
u
R
L
x
1
+
R
L
x
2

1
RC
x
2
c Reinaldo M. Palhares
pag.31
Teoria de Sistemas Lineares Aula 10
Equacoes Dinamicas Equivalentes
_

_
_
_

x
1

x
2
_
_
=
_
_
R/L R/L
R/L R/L 1/RC
_
_
_
_
x
1
x
2
_
_
+
_
_
1/L
1/L
_
_
u
y =
_
R R
_
_
_
x
1
x
2
_
_
Se R = 1 ; L = 1H ; C = 1F, entao
_
_
x
1
x
2
_
_
=
_
_
1 0
1 1
_
_
_
_
x
1
x
2
_
_
ou
_
_
x
1
x
2
_
_
=
_
_
1 0
1 1
_
_
_
_
x
1
x
2
_
_
; x = Px, P = P
1
. . .
c Reinaldo M. Palhares
pag.32
Teoria de Sistemas Lineares Aula 10
Equacoes Dinamicas Equivalentes
Dois sistemas sao equivalentes ao estado nulo se possuem a mesma matriz de
transferencia, ie:
C(sI A)
1
B +D =

C(sI

A)
1

B +

D
Veja que usando a expressao de serie de potencias para (sI A)
1
(Chen, (3.57))
D+CBs
1
+CABs
2
+CA
2
Bs
3
+ =

D+

C

Bs
1
+

C

A

Bs
2
+

C

A
2

Bs
3
+
Teorema Dois sistemas dinamicos descritos por equa coes de estado
{A, B, C, D} e {

A,

B,

C,

D} sao equivalentes ao estado nulo (tem a mesma
matriz de transferencia) se e somente se D =

D e
CA
m
B =

C

A
m

B ; m = 0, 1, 2, . . .
c Reinaldo M. Palhares
pag.33
Teoria de Sistemas Lineares Aula 10
Forma Canonica Companheira
Forma Companheira representa cao de A na base
Q =
_
b
1
Ab
1
A
n1
b
1
_
sendo b
1
a primeira coluna de B

A =
_

_
0 0 0
4
1 0 0
3
0 1 0
2
0 0 1
1
_

_
() =
4
+
1

3
+
2

2
+
3
+
4
MATLAB [sistemaCanonico,Q]=canon(sistema,type), forma
companheira se type=companion para sistema=ss(A,B,C,D) com Q sendo a
transforma cao
c Reinaldo M. Palhares
pag.34
Teoria de Sistemas Lineares Aula 10
Forma Canonica Modal
Considere A com dois autovalores reais e um par complexo conjugado (dados por

1
,
2
, +j e j). A representa cao na base formada pelos autovetores
(q
1
, q
2
, q
3
e q
4
, respectivamente, com q
3
e q
4
complexo conjugados) fornece
(sendo Q formada pelo autovetores obtidos diretamente de eig):

A =
_

1
0 0 0
0
2
0 0
0 0 +j 0
0 0 0 j
_

_
= Q
1
AQ (Jordan)


A pode ser transformada em uma matriz similar real?
c Reinaldo M. Palhares
pag.35
Teoria de Sistemas Lineares Aula 10
Forma Canonica Modal
Denem-se

Q =
_

_
1 0 0 0
0 1 0 0
0 0 0.5 0.5j
0 0 0.5 0.5j
_

_
;

Q
1
=
_

_
1 0 0 0
0 1 0 0
0 0 1 1
0 0 j j
_

A =

Q
1

Q =
_

1
0 0 0
0
2
0 0
0 0
0 0
_

_
Forma modal
As duas transforma c oes podem ser combinadas:

A =

Q
1
Q
1
AQ

Q
c Reinaldo M. Palhares
pag.36
Teoria de Sistemas Lineares Aula 10
Forma Canonica Modal
Note que as duas transforma coes podem ser combinadas em umas:
Q

Q P
1
=
_
q
1
q
2
q
3
q
4
_
_

_
1 0 0 0
0 1 0 0
0 0 0.5 0.5j
0 0 0.5 0.5j
_

_
=
_
q
1
q
2
Re (q
3
) Im (q
3
)
_
lembrando que q
3
e q
4
sao complexo conjugados
MATLAB [MODAL,P]=canon(sistema,type), forma modal se
type=modal para sistema=ss(A,B,C,D) com P sendo a transforma cao
c Reinaldo M. Palhares
pag.37
Teoria de Sistemas Lineares Aula 10
Forma Canonica Modal
Exemplo A =
2
6
6
6
6
6
4
0.4326 1.1465 0.3273 0.5883
1.6655 1.1909 0.1746 2.1832
0.1253 1.1892 0.1867 0.1364
0.2877 0.0376 0.7258 0.1139
3
7
7
7
7
7
5
Autovalores: 2.1559, 1.3857, 0.0423 j0.8071
Ac=jordan(A),
Ac =
-0.0423 - 0.8071i 0 0 0
0 -0.0423 + 0.8071i 0 0
0 0 -1.3857 0
0 0 0 2.1559
c Reinaldo M. Palhares
pag.38
Teoria de Sistemas Lineares Aula 10
Forma Canonica Modal
Qb=[1/2 -1/2*j 0 0;1/2 1/2*j 0 0;0 0 1 0;0 0 0 1],
Qb =
0.5000 0 - 0.5000i 0 0
0.5000 0 + 0.5000i 0 0
0 0 1.0000 0
0 0 0 1.0000
Qbi=inv(Qb),
Qbi =
1.0000 1.0000 0 0
0 + 1.0000i 0 - 1.0000i 0 0
0 0 1.0000 0
0 0 0 1.0000
c Reinaldo M. Palhares
pag.39
Teoria de Sistemas Lineares Aula 10
Forma Canonica Modal
Ab=Qbi*Ac*Qb,
Ab =
-0.0423 -0.8071 0 0
0.8071 -0.0423 0 0
0 0 -1.3857 0
0 0 0 2.1559
Veja ainda que de Jordan obtem-se:
Q =
0.0561 + 0.2040i 0.0561 - 0.2040i 0.7542 0.1336
-0.0504 - 0.2222i -0.0504 + 0.2222i 0.4315 -0.3308
0.3269 - 0.1177i 0.3269 + 0.1177i -0.4948 -0.1589
-0.0370 + 0.3091i -0.0370 - 0.3091i 0.1056 -0.0316
c Reinaldo M. Palhares
pag.40
Teoria de Sistemas Lineares Aula 10
Forma Canonica Modal
Ab=Qbi*inv(Q)*A*Q*Qb,
Ab =
-0.0423 -0.8071 + 0.0000i 0 - 0.0000i 0.0000 + 0.0000i
0.8071 + 0.0000i -0.0423 0.0000 - 0.0000i 0.0000 - 0.0000i
-0.0000 - 0.0000i 0.0000 + 0.0000i -1.3857 + 0.0000i -0.0000 + 0.0000i
0.0000 - 0.0000i -0.0000 - 0.0000i 0.0000 + 0.0000i 2.1559 + 0.0000i
e note que P
1
e formado de Q =
h
Re (q
1
) Im (q
1
) q
3
q
4
i
...
P_inversa=Q*Qb,
P_inversa =
0.0561 0.2040 0.7542 0.1336
-0.0504 -0.2222 0.4315 -0.3308
0.3269 -0.1177 -0.4948 -0.1589
-0.0370 0.3091 0.1056 -0.0316
c Reinaldo M. Palhares
pag.41
Teoria de Sistemas Lineares Aula 10
Forma Canonica Modal
Ab=inv(P_inversa)*A*P_inversa
Ab =
-0.0425 -0.8070 0.0001 -0.0002
0.8072 -0.0421 0.0000 0.0002
0.0000 -0.0001 -1.3857 -0.0000
-0.0002 0.0003 0.0004 2.1559
c Reinaldo M. Palhares
pag.42
Teoria de Sistemas Lineares Aula 10
CURIOSIDADE usando a funcao canon...
A;B=[0;0;0;0];C=[0 0 0 0];D=0; sys=ss(A,B,C,D);[sysc,P]=canon(sys,modal)
a =
x1 x2 x3 x4
x1 2.156 0 0 0
x2 0 -1.386 0 0
x3 0 0 -0.04232 0.8071
x4 0 0 -0.8071 -0.04232
b =
u1
x1 0
x2 0
x3 0
x4 0
c Reinaldo M. Palhares
pag.43
Teoria de Sistemas Lineares Aula 10
CURIOSIDADE usando a funcao canon...
c =
x1 x2 x3 x4
y1 0 0 0 0
d =
u1
y1 0
Continuous-time model.
p =
0.3956 -0.8017 -0.2992 -0.9511
1.0220 0.5127 -0.1369 -0.3580
-0.6708 0.1341 -0.8730 0.1519
-0.0337 -0.1357 0.0498 1.0286
c Reinaldo M. Palhares
pag.44
Teoria de Sistemas Lineares Aula 10
CURIOSIDADE usando a funcao canon...
A;B=[1;0;0;0];C=[1 0 0 0];D=0; sys=ss(A,B,C,D);[sysc,P]=canon(sys,modal)
a =
x1 x2 x3 x4
x1 2.156 0 0 0
x2 0 -1.386 0 0
x3 0 0 -0.04229 -0.8538
x4 0 0 0.7628 -0.04229
b =
u1
x1 -0.3919
x2 1.005
x3 -0.33
x4 0.7042
c Reinaldo M. Palhares
pag.45
Teoria de Sistemas Lineares Aula 10
CURIOSIDADE usando a funcao canon...
c =
x1 x2 x3 x4
y1 -0.341 0.7501 -0.5135 -0.08127
d =
u1
y1 0
Continuous-time model. P =
-0.3919 0.7940 0.2963 0.9420
1.0055 0.5044 -0.1348 -0.3522
-0.3300 0.2203 -0.5310 -1.0312
0.7042 -0.0672 0.8682 -0.6868
c Reinaldo M. Palhares
pag.46
Teoria de Sistemas Lineares Aula 10
Forma Canonica Modal
Exemplo Forma modal de uma matriz com autovalores
1
,
1
j
1
e

2
j
2

A =
_

1
0 0 0 0
0
1

1
0 0
0
1

1
0 0
0 0 0
2

2
0 0 0
2

2
_

_
P
1
=
_
q
1
Re (q
2
) Im (q
2
) Re (q
4
) Im (q
4
)
_
sendo q
1
, q
2
e q
4
autovetores associados, respectivamente a
1
,
1
+j
1
e

2
+j
2
c Reinaldo M. Palhares
pag.47
Teoria de Sistemas Lineares Aula 10
Autovalores complexos com MA > 1
Considere uma matriz A R
44
com autovalores complexos
1
= +j
e
2
= j, ambos de multiplicidade algebrica igual a 2. A representa cao de
A na forma de Jordan e
_

1
1 0 0
0
1
0 0
0 0
2
1
0 0 0
2
_

_
A representa cao de A na forma can onica modal e
_

_
1 0
0 1
0 0
0 0
_

_
c Reinaldo M. Palhares
pag.48
Teoria de Sistemas Lineares Aula 10
Realizacoes
Considere um sistema linear invariante no tempo descrito por
_
_
_
x(t) = Ax(t) +Bu(t)
y(t) = Cx(t) +Du(t)
A descri cao entrada/sada (matriz de transferencia) pode ser obtida (de maneira
unica) a partir da equa cao de estado
G(s) = C(sI A)
1
B +D
e o contrario?
Realiza cao Dada uma matriz de transferencia G(s), encontrar uma descri cao
no espa co de estados
c Reinaldo M. Palhares
pag.49
Teoria de Sistemas Lineares Aula 10
Realizacoes
Uma matriz de transferencia e realizavel se existe um sistema de equa coes de
estado de dimensao nita que o representa. Ou, simplesmente, se existem
matrizes A, B, C e D tais que
G(s) = C(sI A)
1
B +D
{A, B, C, D} e uma realiza cao de G(s)
Nem toda G(s) admite uma realiza cao (por exemplo, sistema a parametros
distribudos). Se G(s) e realizavel, possui innitas realiza coes (sistemas
equivalentes)
c Reinaldo M. Palhares
pag.50
Teoria de Sistemas Lineares Aula 10
Realizacoes
Teorema Uma matriz de transferencia e realizavel se e somente se G(s) e uma
matriz racional pr opria
Demonstracao () Para uma matriz de transferencia:
C(sI A)
1
B =
1
det(sI A)
C[Adj (sI A)]B
Note que se A R
nn
, det(sI A) tem grau n. Todo elemento de
Adj (sI A) e um determinante de uma submatriz (n 1) (n 1) de
(sI A), e suas combina c oes lineares tem no maximo grau (n 1). Assim,
C(sI A)
1
B e uma matriz racional estritamente pr opria. Se D = 0,
C(sI A)
1
B +D e pr opria (G() = D). Como conclusao, se G(s) e
realizavel, G(s) e uma matriz racional pr opria
c Reinaldo M. Palhares
pag.51
Teoria de Sistemas Lineares Aula 10
Realizacoes
() Deseja-se agora mostrar se G(s) e uma matriz q p racional pr opria,
entao existe uma realiza cao...
Suponha que G(s) e decomposta na forma
G(s) = G
ep
(s) +G()
com G
ep
(s) correspondendo `a parte estritamente pr opria. Seja o polinomio
m onico (coeciente do termo de grau mais alto e 1)
d(s) = s
r
+
1
s
r1
+ +
r1
s +
r
o mnimo denominador comum de todos os elementos de G
ep
(s). Entao,
G
ep
(s) pode ser escrito na forma
G
ep
(s) =
1
d(s)
_
N(s)
_
=
1
d(s)
_
N
1
s
r1
+N
2
s
r2
+ +N
r1
s +N
r
_
sendo N
i
matrizes constantes q p
c Reinaldo M. Palhares
pag.52
Teoria de Sistemas Lineares Aula 10
Realizacoes
O conjunto de equa coes
8
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
<
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
:
x =
2
6
6
6
6
6
6
6
6
6
4

1
I
p

2
I
p

r1
I
p

r
I
p
I
p
0
p
0
p
0
p
0
p
0
p
I
p
0
p
0
p
0
p
.
.
.
.
.
.
.
.
.
.
.
.
0
p
0
p
0
p
I
p
0
p
3
7
7
7
7
7
7
7
7
7
5
x +
2
6
6
6
6
6
6
6
6
6
4
I
p
0
p
0
p
.
.
.
0
p
3
7
7
7
7
7
7
7
7
7
5
u
y =
h
N
1
N
2
N
r1
N
r
i
x +G()u
e uma realiza cao de G(s)
A(rp rp) esta na forma bloco-companheira, r linhas e r colunas de
matrizes p p; B(rp p), C(q rp) consiste de r matrizes N
i
, cada qual
q p. A realiza cao de dimensao rp e chamada forma canonica controlavel
c Reinaldo M. Palhares
pag.53
Teoria de Sistemas Lineares Aula 10
Realizacoes
Para mostrar que de fato esta e uma realiza cao de G(s), dene-se
Z =
_

_
Z
1
Z
2
.
.
.
Z
r
_

_
(sI A)
1
B
sendo que cada bloco Z
i
e p p e Z e rp p. Entao a matriz de transferencia
da realiza cao e
C(sI A)
1
B +G() = N
1
Z
1
+N
2
Z
2
+ +N
r
Z
r
+G()
Re-escrevendo a expressao de Z = (sI A)
1
B tem-se
(sI A)Z = B = sZ = AZ +B
c Reinaldo M. Palhares
pag.54
Teoria de Sistemas Lineares Aula 10
Realizacoes
Levando em conta a forma bloco companheira de A, do segundo ao ultimo bloco
da equa cao sZ = AZ +B tem-se (veja que x
2
= I
p
x
1
, . . .)
sZ
2
= Z
1
, sZ
3
= Z
2
, . . . , sZ
r
= Z
r1
e portanto
Z
2
=
1
s
Z
1
, Z
3
=
1
s
2
Z
1
, . . . , Z
r
=
1
s
r1
Z
1
que substitudo no primeiro bloco de sZ = AZ +B fornece
sZ
1
=
1
Z
1

2
Z
2

r
Z
r
+ I
p
=
_

1
+

2
s
+ +

r
s
r1
_
Z
1
+ I
p
c Reinaldo M. Palhares
pag.55
Teoria de Sistemas Lineares Aula 10
Realizacoes
Usando a deni cao do polin omio d(s), pode-se escrever
_
s +
1
+

2
s
+ +

r
s
r1
_
Z
1
=
d(s)
s
r1
Z
1
= I
p
Assim,
Z
1
=
s
r1
d(s)
I
p
, Z
2
=
s
r2
d(s)
I
p
, . . . , Z
r
=
1
d(s)
I
p
Finalmente, substituindo na expressao da fun cao de transferencia
C(sIA)
1
B+G() =
1
d(s)
h
N
1
s
r1
+N
2
s
r2
+ +N
r1
s +N
r
i
+G()
e portanto de fato a equa cao de estado e uma realiza cao de G(s)
c Reinaldo M. Palhares
pag.56
Teoria de Sistemas Lineares Aula 10
Realizacoes
Exemplo
G(s) =
_

_
4s 10
2s + 1
3
s + 2
1
(2s + 1)(s + 2)
s + 1
(s + 2)
2
_

_
=
_
_
2 0
0 0
_
_
+
_

_
12
2s + 1
3
s + 2
1
(2s + 1)(s + 2)
s + 1
(s + 2)
2
_

_
O polin omio m onico que e o mnimo denominador comum de G
ep
(s) e
d(s) = (s + 0.5)(s + 2)
2
= s
3
+ 4.5s
2
+ 6s + 2
c Reinaldo M. Palhares
pag.57
Teoria de Sistemas Lineares Aula 10
Realizacoes
Portanto
G
ep
(s) =
1
s
3
+ 4.5s
2
+ 6s + 2
_

_
6(s + 2)
2
3(s + 2)(s + 0.5)
0.5(s + 2) (s + 1)(s + 0.5)
_

_
=
1
d(s)
_
_
_
_
_
_
_
_
_
6 3
0 1
_
_
. .
N
1
s
2
+
_
_
24 7.5
0.5 1.5
_
_
. .
N
2
s +
_
_
24 3
1 0.5
_
_
. .
N
3
_
_
_
_
_
_
_
e uma realiza cao de G(s) (de dimensao 6) e...
c Reinaldo M. Palhares
pag.58
Teoria de Sistemas Lineares Aula 10
Realizacoes
e:
x =
_

_
4.5 0 6 0 2 0
0 4.5 0 6 0 2
1 0 0 0 0 0
0 1 0 0 0 0
0 0 1 0 0 0
0 0 0 1 0 0
_

_
x +
_

_
1 0
0 1
0 0
0 0
0 0
0 0
_

_
_
_
u
1
u
2
_
_
y =
_
_
6 3 24 7.5 24 3
0 1 0.5 1.5 1 0.5
_
_
x +
_
_
2 0
0 0
_
_
_
_
u
1
u
2
_
_
c Reinaldo M. Palhares
pag.59
Teoria de Sistemas Lineares Aula 10
Realizacoes
Exemplo Caso particular p = 1 (SIMO). Por simplicidade, assuma r = 4 e
q = 2 (se aplica para quaisquer outros valores de r e q...). Considere:
G(s) =
2
4
d
1
d
2
3
5
+
1
s
4
+
1
s
3
+
2
s
2
+
3
s +
4
2
4

11
s
3
+
12
s
2
+
13
s +
14

21
s
3
+
22
s
2
+
23
s +
24
3
5
A realiza cao e obtida aplicando-se o resultado anterior
x =
2
6
6
6
6
6
4

1

2

3

4
1 0 0 0
0 1 0 0
0 0 1 0
3
7
7
7
7
7
5
x +
2
6
6
6
6
6
4
1
0
0
0
3
7
7
7
7
7
5
u
y =
2
4

11

12

13

14

21

22

23

24
3
5
x +
2
4
d
1
d
2
3
5
u
c Reinaldo M. Palhares
pag.60
Teoria de Sistemas Lineares Aula 10
MATLAB
Numerador:
n={0.5*conv([4 -10],conv([1 2],[1 2])) 3*conv([1 2],[1 0.5]);
0.5*[1 2] conv([1 1],[1 0.5])}
Denominador: d=[1 4.5 6 2]
G=tf(n,d)
Transfer function from input 1 to output...
2 s^3 + 3 s^2 - 12 s - 20
#1: -------------------------
s^3 + 4.5 s^2 + 6 s + 2
0.5 s + 1
#2: -----------------------
s^3 + 4.5 s^2 + 6 s + 2
c Reinaldo M. Palhares
pag.61
Teoria de Sistemas Lineares Aula 10
Realizacoes
Transfer function from input 2 to output...
3 s^2 + 7.5 s + 3
#1: -----------------------
s^3 + 4.5 s^2 + 6 s + 2
s^2 + 1.5 s + 0.5
#2: -----------------------
s^3 + 4.5 s^2 + 6 s + 2
c Reinaldo M. Palhares
pag.62
Teoria de Sistemas Lineares Aula 10
Realizacoes
sys=ss(G)
a =
x1 x2 x3 x4 x5 x6
x1 -4.5 -3 -1 0 0 0
x2 2 0 0 0 0 0
x3 0 1 0 0 0 0
x4 0 0 0 -4.5 -3 -1
x5 0 0 0 2 0 0
x6 0 0 0 0 1 0
b =
u1 u2
x1 4 0
x2 0 0
x3 0 0
x4 0 2
x5 0 0
x6 0 0
c Reinaldo M. Palhares
pag.63
Teoria de Sistemas Lineares Aula 10
Realizacoes
c =
x1 x2 x3 x4 x5 x6
y1 -1.5 -3 -3 1.5 1.875 0.75
y2 0 0.0625 0.125 0.5 0.375 0.125
d =
u1 u2
y1 2 0
y2 0 0
c Reinaldo M. Palhares
pag.64
Teoria de Sistemas Lineares Aula 10
Realizacoes
t=tf(sys)
Transfer function from input 1 to output...
2 s^3 + 3 s^2 - 12 s - 20
#1: -------------------------
s^3 + 4.5 s^2 + 6 s + 2
0.5 s + 1
#2: -----------------------
s^3 + 4.5 s^2 + 6 s + 2
Transfer function from input 2 to output...
3 s^2 + 7.5 s + 3
#1: -----------------------
s^3 + 4.5 s^2 + 6 s + 2
s^2 + 1.5 s + 0.5
#2: -----------------------
s^3 + 4.5 s^2 + 6 s + 2
c Reinaldo M. Palhares
pag.65
Teoria de Sistemas Lineares Aula 10
Solucao em Espaco de Estado
1. Solu cao para Sistemas Lineares Variantes no Tempo (LVT)
2. Matriz Fundamental
3. Matriz de Transi cao de Estados
4. Solu cao de Sistemas LVT
5. Sistemas Discretos LVT
6. Equa coes Equivalentes para Sistemas LVT
7. Equa coes de Estados Peri odicas
8. Realiza coes de Sistemas LVT
c Reinaldo M. Palhares
pag.1
Teoria de Sistemas Lineares Aula 11
Solucao de Equacoes Lineares Variante no Tempo
Para o sistema linear e variante no tempo:
_
_
_
x(t) = A(t)x(t) +B(t)u(t) , x(t
0
) = x
0
y(t) = C(t)x(t) +D(t)u(t)
A
nn
(), B
np
(), C
qn
(), D
qp
() : fun coes contnuas do tempo
Por hip otese, a solu cao e unica para x
0
e u
[t
0
,)
dados (condi cao suciente
e A(t) ser fun cao contnua do tempo)
Solu c oes da Equa cao Homogenea: x(t) = A(t)x(t)
Teorema O conjunto de todas as solu coes de x(t) = A(t)x(t) forma um
espa co linear n-dimensional
c Reinaldo M. Palhares
pag.2
Teoria de Sistemas Lineares Aula 11
Solucao de Equacoes Lineares Variante no Tempo
Sejam
1
e
2
solu coes quaisquer de x(t) = A(t)x(t). Neste caso, para

1
,
2
R
d
dt
_

1
+
2

2
_
=
1
d
dt

1
+
2
d
dt

2
=
1
A(t)
1
+
2
A(t)
2
= A(t) (
1

1
+
2

2
)
(
1

1
+
2

2
)
: conjunto de todas as solu coes de x(t) = A(t)x(t)
c Reinaldo M. Palhares
pag.3
Teoria de Sistemas Lineares Aula 11
Matriz Fundamental
Considere o sistema homogeneo x(t) = A(t)x(t) de dimensao n
Para cada condi cao inicial x
i
(t
0
), existe uma solu cao unica
i
(t), para
i = 1, 2, . . . , n. Essas solu c oes podem ser arranjadas em uma matriz quadrada
de ordem n:
=
_

1

2

n
_

(t) = A(t)(t)
Se (t
0
) e nao singular, ie, as n condi coes iniciais sao linearmente
independentes, (t) e chamada Matriz Fundamental de x(t) = A(t)x(t)
Como as condi c oes iniciais sao arbitrarias, a matriz fundamental nao e unica...
Uma matriz fundamental (t) e nao singular para todo t
c Reinaldo M. Palhares
pag.4
Teoria de Sistemas Lineares Aula 11
Matriz Fundamental
Exemplo Considere x =
_
_
0 0
t 0
_
_
x
obtem-se:
x
1
(t) = 0 x
1
(t) = x
1
(t
0
)
e
x
2
(t) = tx
1
(t)
_
t
t
0
x
2
()d =
_
t
t
0
x
1
(t
0
)d

x
2
(t) x
2
(t
0
) =
1
2
t
2
x
1
(t
0
)
1
2
t
2
0
x
1
(t
0
)
ou
x
2
(t) =
1
2
t
2
x
1
(t
0
)
1
2
t
0
2
x
1
(t
0
) +x
2
(t
0
)
c Reinaldo M. Palhares
pag.5
Teoria de Sistemas Lineares Aula 11
Matriz Fundamental
Se t
0
= 0, e para condi c oes inicias dadas x
1
(0) = 1, x
2
(0) = 0 entao

1
=
_
_
1
1
2
t
2
_
_
Se t
0
= 0, e para condi c oes inicias dadas x
1
(0) = 1, x
2
(0) = 2 entao

2
=
_
_
1
1
2
t
2
+ 2
_
_
=
_

1

2
_
=
_
_
1 1
1
2
t
2
1
2
t
2
+ 2
_
_
: Matriz Fundamental
c Reinaldo M. Palhares
pag.6
Teoria de Sistemas Lineares Aula 11
Matriz Fundamental
Ou, se t
0
= 0, x
1
(0) = 0, x
2
(0) = 1 entao

1
=
_
_
0
1
_
_
Se t
0
= 0, x
1
(0) = 2, x
2
(0) = 0 entao

2
=
_
_
2
t
2
_
_
=
_

1

2
_
=
_
_
0 2
1 t
2
_
_
: Matriz Fundamental
c Reinaldo M. Palhares
pag.7
Teoria de Sistemas Lineares Aula 11
Matriz de Transicao de Estados
Denicao Seja qualquer matriz fundamental de x = A(t)x. Diz-se entao
que
(t, t
0
) (t)
1
(t
0
)
e a matriz de transi cao de estados de x = A(t)x
A matriz de transi cao de estados (t, t
0
) tambem e a solu cao unica de

t
(t, t
0
) = A(t)(t, t
0
)
com a condi cao inicial (t
0
, t
0
) = I
c Reinaldo M. Palhares
pag.8
Teoria de Sistemas Lineares Aula 11
Matriz de Transicao de Estados
Propriedades
(t, t) = I

1
(t, t
0
) =
_
(t)
1
(t
0
)

1
= (t
0
)
1
(t) = (t
0
, t)
(t
2
, t
0
) = (t
2
, t
1
)(t
1
, t
0
)
Exemplo
(t, t
0
) =
_
_
0 2
1 t
2
_
_
_
_
0 2
1 t
2
0
_
_
1
=
_
_
0 2
1 t
2
_
_
_
_

1
2
t
2
0
1
1
2
0
_
_
=
_
_
1 0
1
2
(t
2
t
2
0
) 1
_
_
c Reinaldo M. Palhares
pag.9
Teoria de Sistemas Lineares Aula 11
Matriz de Transicao de Estados
Propriedade A matriz de transi cao de estados (t, t
0
) e unicamente
determinada por A(t) e independe da matriz fundamental escolhida
Eg, considere
1
,
2
duas matrizes fundamentais diferentes de x = A(t)x
P :
2
=
1
P , P nao singular
a i-esima coluna de P = a representa cao da i-esima coluna de
2
na base
1
Entao
(t, t
0
) =
2
(t)
1
2
(t
0
) =
1
(t)PP
1

1
1
(t
0
) =
1
(t)
1
1
(t
0
)
= (t, t
0
) e unica
Difcil de se obter genericamente
c Reinaldo M. Palhares
pag.10
Teoria de Sistemas Lineares Aula 11
Matriz de Transicao de Estados
Se A(t) e triangular
2
4
x
1
(t)
x
2
(t)
3
5
=
2
4
a
11
(t) 0
a
21
(t) a
22
(t)
3
5
2
4
x
1
(t)
x
2
(t)
3
5
pode-se resolver a primeira equa cao em x
1
(t) e substituir na segunda, ie
x
1
(t) = a
11
(t)x
1
(t), e
x
2
(t) = a
21
(t)x
1
(t) +a
22
(t)x
2
(t)
que foi feito no exemplo da pg. 5 desta aula...
c Reinaldo M. Palhares
pag.11
Teoria de Sistemas Lineares Aula 11
Solucao de Sistemas LVT
Se A(t) diagonal ou A(t) = A, constante, entao a solu cao de

t
(t, t
0
) = A(t)(t, t
0
)
e:
(t, t
0
) = e

R
t
t
0
A()d

k=0
1
k!
_
_
t
t
0
A()d
_
k
Para A(t) = A, constante:
(t, t
0
) = e
A(tt
0
)
= (t t
0
) e (t) = e
At
c Reinaldo M. Palhares
pag.12
Teoria de Sistemas Lineares Aula 11
Solucao de Sistemas LVT
Solu cao para equa cao de estado
x = A(t)x +B(t)u , x(t
0
) = x
0
e da forma
x(t) = (t, t
0
)x
0
+
_
t
t
0
(t, )B()u()d
= (t, t
0
)x
0
+
_
t
t
0
(t, t
0
)(t
0
, )B()u()d
= (t, t
0
)
_
x
0
+
_
t
t
0
(t
0
, )B()u()d
_
sendo (t, ) a matriz de transi cao de estado de x = A(t)x
c Reinaldo M. Palhares
pag.13
Teoria de Sistemas Lineares Aula 11
Solucao de Sistemas LVT
A solu cao x(t) satisfaz a condi cao inicial em t = t
0
?
x(t
0
) = (t
0
, t
0
)x
0
+
_
t
0
t
0
(t
0
, )B()u()d = Ix
0
+ 0 = x
0

Por outro lado, a solu cao x(t) satisfaz x = A(t)x +B(t)u? Derivando,
d
dt
x(t) =

t
(t, t
0
)
. .
A(t)(t,t
0
)
x
0
+ (t, t)
. .
I
B(t)u(t) +
_
t
t
0

t
(t, )
. .
A(t)(t,)
B()u()d
= A(t)
_
(t, t
0
)x
0
+
_
t
t
0
(t, )B()u()d
_
+B(t)u(t)
= A(t)x(t) +B(t)u(t)
c Reinaldo M. Palhares
pag.14
Teoria de Sistemas Lineares Aula 11
Solucao de Sistemas LVT
Ainda considerando a solu cao
x(t) = (t, t
0
)x
0
+
_
t
t
0
(t, )B()u()d
Se a entrada e nula, u 0, entao
x(t) = (t, t
0
)x
0
Se a condi cao inicial e nula, x
0
= 0, entao
x(t) =
_
t
t
0
(t, )B()u()d
Ie, combina cao:
x(t) = Resposta `a Entrada Nula + Resposta ao Estado Nulo
c Reinaldo M. Palhares
pag.15
Teoria de Sistemas Lineares Aula 11
Solucao de Sistemas LVT
Sada do sistema
y(t) = C(t)(t, t
0
)x
0
+C(t)
_
t
t
0
(t, )
. .
(t,t
0
)(t
0
,)
B()u()d +D(t)u(t)
= C(t)(t, t
0
)
_
x
0
+
_
t
t
0
(t
0
, )B()u()d
_
+D(t)u(t)
Se x
0
= 0, a resposta ao estado nulo pode ser descrita como:
y(t) =
_
t
t
0
[C(t)(t, )B() +D(t )] u()d

_
t
t
0
G(t, )u()d
sendo G(t, ) a matriz de resposta ao impulso aplicado no instante
c Reinaldo M. Palhares
pag.16
Teoria de Sistemas Lineares Aula 11
Sistemas Discretos Variantes no Tempo
Considere o sistema discreto variante no tempo:
_
_
_
x(k + 1) = A(k)x(k) +B(k)u(k)
y(k) = C(k)x(k) +E(k)u(k)
Solu cao obtida recursivamente para x(k
0
) = x
0
e u(k), k k
0
, dados
A matriz de transi cao de estados discreta e a solu cao de
(k + 1, k
0
) = A(k)(k, k
0
) ; (k
0
, k
0
) = I
para k = k
0
, k
0
+ 1, . . .. A solu cao pode ser obtida diretamente para k > k
0
(k, k
0
) = A(k 1)A(k 2) A(k
0
) ; (k
0
, k
0
) = I
c Reinaldo M. Palhares
pag.17
Teoria de Sistemas Lineares Aula 11
Sistemas Discretos Variantes no Tempo
No caso contnuo, a matriz de transi cao de estados e nao singular t e
governa a propaga cao do estado no sentido direto e no sentido reverso do tempo.
No caso discreto, A pode ser singular e (k, k
0
) pode nao ser denida.
(k, k
0
) e denida apenas para k k
0
e governa a propaga cao do estado no
sentido direto. Portanto
(k, k
0
) = (k, k
1
)(k
1
, k
0
)
vale apenas para k k
1
k
0
. A solu cao do sistema para k > k
0
e dada por
x(k) = (k, k
0
)x
0
+
k1

m=k
0
(k, m+ 1)B(m)u(m)
y(k) = C(k)(k, k
0
)x
0
+C(k)
k1

m=k
0
(k, m+1)B(m)u(m)+D(k)u(k)
c Reinaldo M. Palhares
pag.18
Teoria de Sistemas Lineares Aula 11
Equacoes Equivalentes no caso Variante no Tempo
Para
_
_
_
x(t) = A(t)x(t) +B(t)u(t)
y(t) = C(t)x(t) +D(t)u(t)
Considere uma P(t) nn e assuma que P(t) e nao singular e que P(t) e

P(t)
possuem elementos contnuos para todo t. Denindo x = P(t)x, o sistema
_
_
_

x(t) =

A(t) x(t) +

B(t)u(t)
y(t) =

C(t) x(t) +

D(t)u(t)
com

A(t) =
_
P(t)A(t) +

P(t)
_
P
1
(t)

B(t) = P(t)B(t) ;

C(t) = C(t)P
1
(t) ;

D(t) = D(t)
e um sistema equivalente ao sistema anterior
c Reinaldo M. Palhares
pag.19
Teoria de Sistemas Lineares Aula 11
Equacoes Equivalentes no caso Variante no Tempo
Seja (t) uma matriz fundamental do sistema original. Entao,
(t) P(t)(t) e uma matriz fundamental do sistema equivalente
Por deni cao, (t) = A(t)(t) e (t) e nao singular t. Como o posto de uma
matriz nao se altera ao ser multiplicada por uma matriz nao singular P(t),
P(t)(t) tambem e nao singular t. Derivando
d
dt
[ P(t)(t)
. .
(t)
] =

P(t)(t) +P(t) (t)
=

P(t)(t) +P(t)A(t)(t)
=
_

P(t) +P(t)A(t)
_
_
P
1
(t)P(t)

(t)
=

A(t)[ P(t)(t)
. .
(t)
]
c Reinaldo M. Palhares
pag.20
Teoria de Sistemas Lineares Aula 11
Equacoes Equivalentes no caso Variante no Tempo
Teorema Seja A
0
uma matriz arbitraria constante. Entao existe uma
transforma cao de equivalencia P(t) que transforma o sistema original em um
sistema equivalente com

A(t) = A
0
Demonstracao Seja (t) uma matriz fundamental do sistema original. Note
que derivando
1
(t)(t) = I obtem-se:

1
(t)(t) +
1
(t) (t) = 0
ou

1
(t) =
1
(t)A(t)(t)
1
(t) =
1
(t)A(t)
c Reinaldo M. Palhares
pag.21
Teoria de Sistemas Lineares Aula 11
Equacoes Equivalentes no caso Variante no Tempo
Como

A(t) = A
0
, (t) = e
A
0
t
e uma matriz fundamental de

x =

A(t) x
= A
0
x. Como (t) = P(t)(t), P(t) pode ser obtido da forma
P(t) = (t)
1
(t) = e
A
0
t

1
(t)
Veja que

A(t) pode ser obtido da transforma cao de equivalencia:

A(t) =
_
P(t)A(t) +

P(t)
_
P
1
(t)
=
_
e
A
0
t

1
(t)A(t) +A
0
e
A
0
t

1
(t) +e
A
0
t

1
(t)
. .

1
(t)A(t)
_
(t)e
A
0
t
= A
0
e
A
0
t

1
(t)(t)e
A
0
t
= A
0

c Reinaldo M. Palhares
pag.22
Teoria de Sistemas Lineares Aula 11
Equacoes Equivalentes no caso Variante no Tempo
Se A
0
= 0, entao P(t) =
1
(t) e as matrizes do sistema equivalente sao
dadas por

A(t) = 0 ;

B(t) =
1
(t)B(t) ;

C(t) = C(t)(t) ;

D(t) = D(t)
Pode-se transformar qualquer sistema linear variante no tempo, conhecendo-se
a matriz fundamental
c Reinaldo M. Palhares
pag.23
Teoria de Sistemas Lineares Aula 11
Matriz Resposta ao Impulso
G(t, ) = C(t)(t, )B() +D(t)(t )
= C(t)(t)
1
()B() +D(t)(t )
Para o sistema equivalente

G(t, ) =

C(t) (t)
1
()

B() +

D(t)(t )
= C(t)P
1
P(t)(t)
1
()P
1
()P()B() +D(t)(t )
= C(t)(t)
1
()B() +D(t)(t )
= G(t, )
A matriz resposta ao impulso e preservada em uma transforma cao de
equivalencia
O mesmo nao acontece com a matriz A(t) (eg,

A(t) = 0)
No caso invariante no tempo, as transforma coes de equivalencia preservam
todas as propriedades da equa cao original
c Reinaldo M. Palhares
pag.24
Teoria de Sistemas Lineares Aula 11
Equacoes Equivalentes no caso Variante no Tempo
Denicao Transformacao de Lyapunov Uma matriz P(t) e denominada
transforma cao de Lyapunov se P(t) e nao singular, P(t) e

P(t) sao contnuas e
P(t) e P
1
(t) sao limitadas para todo t (obtem-se com esta transforma cao um
sistema Lyapunov equivalente)
Caso particular de transforma cao de Lyapunov: P(t) = P (sistemas
invariantes no tempo e um caso particular de transforma cao de Lyapunov)
Em geral, se P(t) e um tranforma cao de Lyapunov, o teorema anterior
(transforma cao de equivalencia com

A(t) = A
0
) pode nao valer. Uma exce cao
ocorre quando A(t) e peri odica
c Reinaldo M. Palhares
pag.25
Teoria de Sistemas Lineares Aula 11
Equacoes de Estado Periodicas
A(t) e periodica com perodo T se
A(t +T) = A(t), t, T > 0 e constante
Se (t) e uma matriz fundamental de x = A(t)x, ou seja, (t) = A(t)(t) com
(0) nao singular, tem-se
(t +T) = A(t +T)(t +T) = A(t)(t +T)
e portanto (t +T) tambem e uma matriz fundamental
Veja que (t +T) pode ser escrita da forma (t +T) = (t)
1
(0)(T), pois
(t +T) = A(t)(t +T)
(t)
1
(0)(T) = A(t)(t)
1
(0)(T)
(t) = A(t)(t)
c Reinaldo M. Palhares
pag.26
Teoria de Sistemas Lineares Aula 11
Equacoes de Estado Periodicas
Dena Q
1
(0)(T), uma matriz constante e nao singular. Existe uma matriz
constante

A tal que e

AT
= Q (Chen, Ex. 3.24, pg. 82), tal que (t +T) = (t)e

AT
Dena P(t) e

At

1
(t). Note que P(t) e periodica com perodo T, pois:
P(t +T) = e

A(t+T )

1
(t +T)
= e

At
e

AT
h
e


AT

1
(t)
i
= e

At

1
(t)
= P(t)
Teorema Seja (t) uma matriz fundamental do sistema periodico com perodo
T > 0 dado por x = A(t)x e

A uma matriz constante computada a partir de
e

AT
=
1
(0)(T). Com P(t) = e

At

1
(t), obtem-se o sistema Lyapunov
equivalente:

x(t) =

A x(t) +P(t)B(t)u(t)
y(t) = C(t)P
1
(t) x(t) +D(t)u(t)
c Reinaldo M. Palhares
pag.27
Teoria de Sistemas Lineares Aula 11
Equacoes de Estado Periodicas
Teoria de Floquet Solu cao homogenea do Teorema anteior:
Se x = A(t)x e A(t +T) = A(t) para todo t, entao uma matriz fundamental
e dada por P
1
(t)e

At
, sendo P
1
(t) uma fun cao peri odica. Alem disso, o
sistema

x =

A x e Lyapunov equivalente ao sistema x = A(t)x
c Reinaldo M. Palhares
pag.28
Teoria de Sistemas Lineares Aula 11
Realizacoes de Sistemas Variantes no Tempo
Todo sistema LVT pode ser descrito da forma entrada/sada
y(t) =
_
t
t
0
G(t, )u()d
Equa cao de Estado (se os parametros sao concentrados)
_
_
_
x(t) = A(t)x(t) +B(t)u(t) , x(t
0
) = x
0
y(t) = C(t)x(t) +D(t)u(t)
Conhecendo-se {A(t), B(t), C(t), D(t)}, a matriz resposta ao impulso pode
ser computada a partir de
G(t, ) = C(t)(t)
1
()B() +D(t)(t )
sendo (t) a matriz fundamental de x = A(t)x
c Reinaldo M. Palhares
pag.29
Teoria de Sistemas Lineares Aula 11
Realizacoes de Sistemas Variantes no Tempo
Uma matriz de resposta ao impulso G(t, ) e realizavel se existir
{A(t), B(t), C(t), D(t)} satisfazendo a expressao anterior
Teorema Uma matriz de resposta ao impulso e realizavel por uma equa cao
dinamica linear de dimensao nita se e somente se G(t, ) (de dimensao q p)
puder ser decomposta em
G(t, ) = M(t)N() +D(t)(t ) , t
M
qn
; N
np
contnuas em t
c Reinaldo M. Palhares
pag.30
Teoria de Sistemas Lineares Aula 11
Demonstracao
() (necessidade) Se {A, B, C, D} e uma realiza cao de G(t, )
G(t, ) = C(t)(t, )B() +D(t)(t )
= C(t)(t)
1
()B() +D(t)(t )
= M(t)N() +D(t)(t )
() (suciencia) Se G(t, ) = M(t)I I
1
N() +D(t)(t ), entao
uma realiza cao de G(t, ) e dada por
_
_
_
x(t) = N(t)u(t)
y(t) = M(t)x(t) +D(t)u(t)
Note que (t) = I e uma matriz fundamental de x = 0x
c Reinaldo M. Palhares
pag.31
Teoria de Sistemas Lineares Aula 11
Realizacoes de Sistemas Variantes no Tempo
Extensao para sistemas LIT?
Exemplo Considere g(t) = te
t
, ou g(t, ) = g(t ) = (t )e
(t)
,
que pode ser reescrita da forma:
g(t ) =
_
e
t
te
t
_
. .
M(t)
_
_
e

_
_
. .
N()
+ 0
Uma realiza cao de g(t) = te
t
(variante no tempo, difcil de implementar...)
8
>
>
>
>
>
>
<
>
>
>
>
>
>
:
2
4
x
1
(t)
x
2
(t)
3
5
=
2
4
0 0
0 0
3
5
2
4
x
1
(t)
x
2
(t)
3
5
+
2
4
te
t
e
t
3
5
u(t)
y(t) =
h
e
t
te
t
i
2
4
x
1
(t)
x
2
(t)
3
5
+ 0u(t)
c Reinaldo M. Palhares
pag.32
Teoria de Sistemas Lineares Aula 11
Realizacoes de Sistemas Variantes no Tempo
Outra realiza cao aplicando Laplace a respota ao impulso:
L[te
t
] =
1
(s )
2
=
1
s
2
2s +
2
Usando a forma companheira obtem-se a representa cao invariante no tempo
_

_
x(t) =
_
_
2
2
1 0
_
_
x(t) +
_
_
1
0
_
_
u(t)
y(t) =
_
0 1
_
x(t)
c Reinaldo M. Palhares
pag.33
Teoria de Sistemas Lineares Aula 11
Chen, Problema 4.17, pg. 120
Mostre que

t
(t
0
, t) = (t
0
, t)A(t) ?
Note que pode-se escrever

t
(t
0
, t) = (t
0
)

t

1
(t). Como obter

t

1
(t)?
Veja que:
d
dt

(t)
1
(t)
| {z }
I

= (t)
1
(t) +(t)
1
(t) = 0
ou
1
(t) =
1
(t) (t)
1
(t) =
1
(t)A(t)(t)
1
(t) =
1
(t)A(t)
Entao

t
(t
0
, t) = (t
0
)
1
(t)A(t)
= (t
0
, t)A(t)
c Reinaldo M. Palhares
pag.34
Teoria de Sistemas Lineares Aula 11
Estabilidade
1. Estabilidade Entrada-Sada Sistemas LIT
2. Estabilidade BIBO Sistemas LIT
3. Estabilidade BIBO de Equa coes Dinamicas Sistemas LIT
4. Sistemas Discretos LIT
5. Estabilidade BIBO Sistemas Discretos...
c Reinaldo M. Palhares
pag.1
Teoria de Sistemas Lineares Aula 12
Estabilidade Entrada-Sada
Considere o sistema SISO, LIT, causal e relaxado em t = 0, descrito por
y(t) =

t
0
g(t )u()d =

t
0
g()u(t )d
g(t) : resposta ao impulso do sistema, ou seja, a sada do sistema no tempo t
para um impulso aplicado na entrada no instante = 0
Uma entrada u(t) e limitada se
| u(t) | u
m
< para todo t 0
Denicao Um sistema relaxado e BIBO estavel (Bounded-Input
Bounded-Output) se para qualquer entrada limitada a sada tambem for limitada
c Reinaldo M. Palhares
pag.2
Teoria de Sistemas Lineares Aula 12
Estabilidade Entrada-Sada
Teorema Um sistema SISO, LIT, relaxado, descrito por
y(t) =

t
0
g()u(t )d
e BIBO-estavel se e somente se g(t) for absolutamente integravel no intervalo
[0, ), ie,


0
| g(t) | dt M <
para alguma constante M
c Reinaldo M. Palhares
pag.3
Teoria de Sistemas Lineares Aula 12
Estabilidade Entrada-Sada
Demonstracao () primeiramente, mostra-se que se g(t) e absolutamente
integravel, entao toda entrada limitada gera uma sada tambem limitada.
Considere u(t) arbitraria com | u(t) | u
m
< para todo t 0. Entao,
| y(t) | =

t
0
g()u(t )d

t
0
| g() | | u(t ) |d
u
m

t
0
| g() | d
u
m
M
e portanto a sada e limitada
() E se g(t) nao for absolutamente integravel?
c Reinaldo M. Palhares
pag.4
Teoria de Sistemas Lineares Aula 12
Estabilidade Entrada-Sada
Se g(t) nao for absolutamente integravel, entao o sistema nao e BIBO estavel ?
Se g(t) nao e absolutamente integravel, existe t
1
tal que

t
1
0
| g() | d =
Escolhendo uma entrada limitada
u(t
1
t) =

1 se g(t) 0
1 se g(t) < 0
tem-se, no entanto, uma sada ilimitada
y(t
1
) =

t
1
0
g()u(t )d =

t
1
0
| g() | d =
e portanto o sistema nao e BIBO estavel... (nao e uma demonstra cao rigorosa...)
c Reinaldo M. Palhares
pag.5
Teoria de Sistemas Lineares Aula 12
Estabilidade Entrada-Sada
Curiosidade Uma fun cao absolutamente integravel pode nao ser limitada ou
pode nao tender a 0 quando t
Exemplo Considere a fun cao
f(t n) =

n + (t n)n
4
para n 1/n
3
t n
n (t n)n
4
para n < t n + 1/n
3
denida para n = 2, 3, . . .
c Reinaldo M. Palhares
pag.6
Teoria de Sistemas Lineares Aula 12
Estabilidade Entrada-Sada
A area sob cada triangulo
n
n
2
n
3
e igual a 1/n
2
A integral do valor absoluto da fun cao e

n=2
1
n
2
<
A fun cao e absolutamente integravel mas nao e limitada nem tende a zero
quando t ...
c Reinaldo M. Palhares
pag.7
Teoria de Sistemas Lineares Aula 12
Estabilidade Entrada-Sada
Teorema Se um sistema com resposta ao impulso g(t) e BIBO estavel, entao,
quando t
1. A resposta a uma entrada u(t) = a, para t 0, tende para G(0)a
2. A resposta a uma entrada u(t) = sin(
0
t), para t 0, tende a
| G(j
0
) | sin(
0
t + ) ; G(j
0
)
sendo G(s) a transformada de Laplace de g(t), isto e
G(s) =


0
g()e
s
d
c Reinaldo M. Palhares
pag.8
Teoria de Sistemas Lineares Aula 12
Estabilidade Entrada-Sada
Se u(t) = a, t 0:
y(t) =

t
0
g()u(t )d
= a

t
0
g()d
o que implica que quando t
y(t) a


0
g()d
= a G(0) (para s = 0 em Laplace)
c Reinaldo M. Palhares
pag.9
Teoria de Sistemas Lineares Aula 12
Estabilidade Entrada-Sada
Se u(t) = sin(
0
t):
y(t) =

t
0
g()sin [
0
(t )] d
=

t
0
g() [sin(
0
t) cos(
0
) cos(
0
t) sin(
0
)] d
= sin(
0
t)

t
0
g() cos(
0
)d cos(
0
t)

t
0
g() sin(
0
)d
Quando t
y(t) sin(
0
t)


0
g() cos(
0
)d cos(
0
t)


0
g() sin(
0
)d
c Reinaldo M. Palhares
pag.10
Teoria de Sistemas Lineares Aula 12
Estabilidade Entrada-Sada
Por outro lado, em s = j, reescrevendo e
j
em Laplace usando Euler:
G(j) =


0
g()[cos() j sin()]d
Como assume-se implicitamente que g(t) (resposta ao impulso) e real, tem-se
Re {G(j)} =


0
g() cos()d , Im{G(j)} =


0
g() sin()d
Substituindo na expressao para y(t), tem-se
y(t) sin(
0
t)Re {G(j
0
)} + cos(
0
t)Im{G(j
0
)}
y(t) | G(j
0
) | sin(
0
t + )
G(j
0
) = tan
1

Im G(j
0
)/Re G(j
0
)

c Reinaldo M. Palhares
pag.11
Teoria de Sistemas Lineares Aula 12
Estabilidade Entrada-Sada
Teorema Um sistema SISO com fun cao de transferencia racional pr opria G(s)
e BIBO estavel se e somente se todos os p olos de G(s) tem parte real negativa
ou, equivalentemente, estao no semi-plano esquerdo do plano complexo
Veja que se G(s) tem um p olo p
i
com multiplicidade m
i
, a expansao em
fra coes parciais de G(s) tem fatores
1
s p
i
;
1
(s p
i
)
2
; ;
1
(s p
i
)
m
i
e portanto a transformada inversa de Laplace contem os fatores
e
p
i
t
; te
p
i
t
; . . . ; t
m
i
1
e
p
i
t
Como pode ser vericado, cada um desses termos e absolutamente integravel se e
somente se p
i
tem parte real negativa...
c Reinaldo M. Palhares
pag.12
Teoria de Sistemas Lineares Aula 12
Estabilidade Entrada-Sada
Teorema Um sistema MIMO com matriz resposta ao impulso G(t) = [g
ij
(t)]
e BIBO estavel se e somente se todo g
ij
(t) for absolutamente integravel em
[0, )
Teorema Um sistema MIMO com matriz de transferencia pr opria
G(s) = [G
ij
(s)] e BIBO estavel se e somente se todo p olo de G
ij
(s) tiver
parte real negativa
c Reinaldo M. Palhares
pag.13
Teoria de Sistemas Lineares Aula 12
Estabilidade BIBO de Equacoes Dinamicas
Considere o sistema LIT

x(t) = Ax(t) + Bu(t) , x(0) = 0


y(t) = Cx(t) + Du(t)
com matriz de transferencia descrita por:
G(s) = C(sI A)
1
B + D
A resposta ao estado nulo e BIBO estavel se e somente se todo p olo de G(s)
tiver parte real negativa (isto e, todos os p olos dos elementos G
ij
(s) da matriz
de transferencia)
Como G(s) =
1
det(sI A)
C[Adj (sI A)]B + D entao todo p olo de
G(s) e tambem um autovalor de A. Assim, se todo autovalor de A tem parte
real negativa, entao o sistema e BIBO estavel
c Reinaldo M. Palhares
pag.14
Teoria de Sistemas Lineares Aula 12
Estabilidade BIBO de Equacoes Dinamicas
Nota Nem todo autovalor de A e p olo de G(s) (pode haver cancelamentos)
Portanto, A pode ter autovalores nulos ou com parte real positiva e ainda
assim o sistema pode ser BIBO estavel
Exemplo Para:

x =

1 0
1 1

x +

0
1

u
y =

1 1

x
L G(s) =
1
s + 1
L
1
g(t) = e
t
(BIBO-estavel)
c Reinaldo M. Palhares
pag.15
Teoria de Sistemas Lineares Aula 12
Estabilidade BIBO de Equacoes Dinamicas
Exemplo Considere o circuito (com v
C
= x e i
v
C
= x polaridade trocada)
+
+

1
1
1 1
1 F
u
x
y
i

8
>
>
>
>
>
>
>
>
>
>
>
<
>
>
>
>
>
>
>
>
>
>
>
:
Tensao na malha superior:
(u i) 1 + x i 1 = 0
ou i =
1
2
(x + u) = y
Tensao na malha inferior:
x + (i x) 1 (u i + x) 1 = 0
ou 2 x = 2i + x u = 2x
Equa cao de estado: x = x ; y = 0.5x + 0.5u
FT: G(s) = 0.5(s 1)
1
0 + 0.5 = 0.5
(A) = 1 nao e um p olo da FT; a FT e igual a uma constante 0.5 (nao
existe p olo, e portanto nao ha condi cao a ser satisfeita)
No entanto o sistema e BIBO estavel...
c Reinaldo M. Palhares
pag.16
Teoria de Sistemas Lineares Aula 12
Sistemas Discretos
Considere o sistema discreto SISO descrito por
y(k) =
k

m=0
g(k m)u(m) =
k

m=0
g(m)u(k m)
sendo g(k) a resposta ao impulso, ou equivalentemente, a sada para uma
seq uencia impulsiva aplicada em k = 0
Uma seq uencia u(k) e limitada se u(k) nao cresce (ou descresce)
indenidamente, ou seja, se existe uma constante u
m
tal que
| u(k) | u
m
< para k = 0, 1, 2, . . .
Um sistema e BIBO estavel se toda seq uencia limitada aplicada na entrada
provocar uma seq uencia limitada na sada...
c Reinaldo M. Palhares
pag.17
Teoria de Sistemas Lineares Aula 12
Sistemas Discretos
Teorema Um sistema discreto SISO e BIBO-estavel se e somente se g(k) for
absolutamente somavel no intervalo [0, ), ie:

k=0
| g(k) | M <
sendo M uma constante
c Reinaldo M. Palhares
pag.18
Teoria de Sistemas Lineares Aula 12
Sistemas Discretos
Teorema Se um sistema discreto SISO com resposta ao impulso g(k) e BIBO
estavel, entao, quando k
1. A resposta a uma entrada u(k) = a, para k 0, tende a G(1)a
2. A resposta a uma entrada u(k) = sin(
0
k), para k 0, tende a
| G[e
j
0
] | sin(
0
t + ) ; G[e
j
0
]
sendo G(z) a transformada Z de g(k), isto e G(z) =

m=0
g(m)z
m
c Reinaldo M. Palhares
pag.19
Teoria de Sistemas Lineares Aula 12
Sistemas Discretos
Teorema Um sistema discreto SISO com fun cao de transferencia racional
pr opria G(z) e BIBO estavel se e somente se todos os p olos de G(z) tem
magnitude menor do que 1 ou, equivalentemente, estao no interior do crculo
unitario do plano complexo z.
Se G(z) tem um p olo p
i
com multiplicidade m
i
, a expansao em fra coes
parciais de G(z) contem fatores
1
z p
i
;
1
(z p
i
)
2
; ;
1
(z p
i
)
m
i
e portanto a transformada inversa Z contem os fatores
p
k
i
; kp
k
i
; . . . ; k
m
i
1
p
k
i
Como pode ser vericado, cada um desses termos e absolutamente somavel se e
somente se p
i
tem magnitude menor do que 1...
c Reinaldo M. Palhares
pag.20
Teoria de Sistemas Lineares Aula 12
Sistemas Discretos
No caso contnuo, uma fun cao absolutamente integravel nao necessariamente
e limitada nem tende a zero quando t
Para sistemas discretos, se g(k) e absolutamente somavel, entao g(k) e
limitada e tende a zero quando k . No entanto, o contrario pode nao ser
verdadeiro...
Exemplo Considere um sistema discreto invariante no tempo com a resposta ao
impulso dada pela seq uencia g(k) = 1/k, para k = 1, 2, . . . e g(0) = 0. Veja
que calculando a soma:
S

k=0
| g(k) |=

k=0
1
k
obtem-se...
c Reinaldo M. Palhares
pag.21
Teoria de Sistemas Lineares Aula 12
Sistemas Discretos
S = 1 +
1
2
+
1
3
+
1
4
+
= 1 +
1
2
+

1
3
+
1
4

1
5
+ +
1
8

1
9
+ +
1
16

+
Para cada termo dentro de parenteses, a soma e sempre maior que 1/2 e portanto
S > 1 +
1
2
+
1
2
+
1
2
+
1
2
+ =
o sistema nao e BIBO estavel
No entanto... Esta seq uencia resposta ao impulso e limitada e tende a zero
quando k
c Reinaldo M. Palhares
pag.22
Teoria de Sistemas Lineares Aula 12
Sistemas Discretos
Teorema Um sistema discreto MIMO com matriz resposta ao impulso
G(k) = [g
ij
(k)] e BIBO estavel se e somente se todo g
ij
(k) for absolutamente
somavel
Teorema Um sistema MIMO com matriz de transferencia pr opria
G(z) = [G
ij
(z)] e BIBO estavel se e somente se todo p olo de G
ij
(z) tiver
magnitude menor que 1
c Reinaldo M. Palhares
pag.23
Teoria de Sistemas Lineares Aula 12
Estabilidade BIBO de Equacoes Dinamicas Discretas
Considere o sistema:

x(k + 1) = Ax(k) + Bu(k), x(0) = 0


y(k) = Cx(k) + Du(k)
Matriz de transferencia: G(z) = C(zI A)
1
B + D
A resposta ao estado nulo e BIBO estavel se e somente se todo p olo de G(z)
tiver magnitude menor do que 1 (isto e, todos os p olos dos elementos G
ij
(z) da
matriz de transferencia)
Como G(z) =
1
det(zI A)
C[Adj (zI A)]B + D entao todo p olo de
G(z) e tambem um autovalor de A. Assim, se todo autovalor de A tem
magnitude menor do que 1, entao o sistema e BIBO estavel.
Como no caso contnuo, nem todo autovalor de A e p olo de G(z) (pode
haver cancelamentos)...
c Reinaldo M. Palhares
pag.24
Teoria de Sistemas Lineares Aula 12
Estabilidade Interna
1. Estabilidade Interna
2. Analise de Estabilidade Segundo Lyapunov
3. Teorema de Lyapunov
4. Teorema de Lyapunov Caso Discreto
c Reinaldo M. Palhares
pag.1
Teoria de Sistemas Lineares Aula 13
Estabilidade Interna
Veja que a BIBO estabilidade e denida para a resposta ao estado inicial nulo.
Para se estudar a resposta `a entrada nula, considere o sistema autonomo:
x(t) = Ax(t)
com uma condi cao inicial nao nula x
0
. A solu cao e dada por: x(t) = e
At
x
0
Um ponto de equilbrio e alcan cado quando x(t) 0
No caso contnuo, todas as derivadas nulas signicam que os estados nao
estao variando no tempo e portanto, sao indicados como estados ou ponto de
equilbrio, x
e
c Reinaldo M. Palhares
pag.2
Teoria de Sistemas Lineares Aula 13
Analise de Estabilidade Segundo Lyapunov
Estabilidade no sentido de Lyapunov Seja R() a regiao que consiste de
todos os pontos tais que
x
0
x
e
, > 0 x
0
= estado inicial
e seja R() a regiao que consiste de todos os pontos tais que
x(t) x
e
, > 0, > t > 0
Um estado de equilbrio, x
e
, do sistema autonomo e dito estavel no sentido
de Lyapunov se, correspondendo a cada R() houver um R() tal que toda
trajet oria iniciada em R() esta connada em R() `a medida que t cresce
c Reinaldo M. Palhares
pag.3
Teoria de Sistemas Lineares Aula 13
Analise de Estabilidade Segundo Lyapunov
Estabilidade Assint otica Um estado de equilbrio, x
e
, do sistema autonomo e
dito ser assintoticamente estavel se for estavel no sentido de Lyapunov e se
toda solu cao come cando em R() converge para x
e
, sem deixar R(), a medida
que t aumenta
Instabilidade Um estado de equilbrio do sistema autonomo e dito ser instavel
se, para algum escalar > 0, e todo escalar > 0, ha sempre um estado x
0
em
R() tal que a trajet oria iniciando neste estado deixa a regiao R()
c Reinaldo M. Palhares
pag.4
Teoria de Sistemas Lineares Aula 13
Ilustracao das denicoes
x
1
x
1
x
2
x
2
x
0
x
0
x
0
x
0
x
0
t

trajet oria assintoticamente estavel


trajet oria assintoticamente estavel
c Reinaldo M. Palhares
pag.5
Teoria de Sistemas Lineares Aula 13
Estabilidade Interna
Veja que a deni cao de estabilidade neste caso pode ser operacionalizada da
forma:
Teorema A equa cao x(t) = Ax(t) e marginalmente estavel se e somente se
todos os autovalores de A tem parte real igual a zero ou negativa e aqueles que
tem parte real igual a zero sao razes de multiplicidade 1 do polinomio mnimo
de A
Teorema A equa cao x(t) = Ax(t) e assintoticamente estavel se e somente se
todos os autovalores de A tem parte real negativa
c Reinaldo M. Palhares
pag.6
Teoria de Sistemas Lineares Aula 13
Estabilidade Interna
As transforma coes de equivalencia nao afetam a estabilidade de uma equa cao
de estado... Denindo x = Px, com P nao singular, x = Ax e equivalente a

x =

A x = PAP
1
x
Como P e nao singular, se x e limitado, entao x tambem o e; se x tende a
zero quando t , o mesmo ocorre com x
A estabilidade de A pode ser estudada atraves de

A
c Reinaldo M. Palhares
pag.7
Teoria de Sistemas Lineares Aula 13
Estabilidade Interna
A solu cao de

x =

A x para x(0) e dada por x(t) = e

At
x(0). Se

A esta na
forma de Jordan, pode-se mostrar que:
Se um autovalor tem parte real negativa, cada elemento do bloco de Jordan
associado e limitado e tende a zero quando t
Se um autovalor tem parte real igual a zero e nenhum bloco de Jordan de
ordem 2 ou maior, entao o elemento correspondente e constante ou senoidal para
todo t e portanto limitado
Se um autovalor tem parte real positiva, cada elemento do bloco de Jordan
associado cresce indenidamente; se um autovalor tem parte real igual a zero e
algum bloco de Jordan de ordem 2 ou maior, entao pelo menos um elemento
cresce indenidamente
Para ser assintoticamente estavel, todo elemento tem que tender a zero quando
t , e assim, nenhum autovalor com parte real 0 ou positiva e permitido
c Reinaldo M. Palhares
pag.8
Teoria de Sistemas Lineares Aula 13
Estabilidade Interna
Exemplo x =
_

_
0 0 0
0 0 0
0 0 1
_

_
x. Veja que () =
2
( + 1)
Lembre-se que o polin omio mnimo de A e denido como o polinomio monico
() de menor grau tal que (A) = 0...
Note que A*(A+eye(3)) e uma matriz nula... Portanto o polinomio mnimo e
dado por () = ( +1) e portanto = 0 e uma raiz simples (multiplicidade
1) do polin omio mnimo. Os autovalores da matriz A sao 0, 0 e 1 e a equa cao
e marginalmente estavel...
c Reinaldo M. Palhares
pag.9
Teoria de Sistemas Lineares Aula 13
Estabilidade Interna
Por outro lado, para o sistema
x =
_

_
0 1 0
0 0 0
0 0 1
_

_
x
veja que A*(A+eye(3)) nao e uma matriz nula. No entanto A^2*(A+eye(3)) e
um matriz nula, ie, () =
2
( + 1) e o polinomio mnimo e = 0 nao e
uma raiz simples do polin omio mnimo, portanto o sistema nao e marginalmente
estavel
c Reinaldo M. Palhares
pag.10
Teoria de Sistemas Lineares Aula 13
Estabilidade Interna
Como ja discutido, todo p olo da matriz de transferencia
G(s) = C(sI A)
1
B +D
e tambem um autovalor de A. Assim, a estabilidade assint otica implica na BIBO
estabilidade
Porem a BIBO estabilidade nao implica, em geral, na estabilidade assint otica
No geral o interesse e por sistemas que apresentem estabilidade assint otica ou
BIBO estabilidade (eventualmente com condi coes adicionais). Para osciladores
pode-se considerar questoes associadas a estabilidade marginal
c Reinaldo M. Palhares
pag.11
Teoria de Sistemas Lineares Aula 13
Estabilidade Interna de Sistemas Discretos
Para o sistema aut onomo x(k + 1) = Ax(k), a solu cao para x(0) = x
0
e
dada por x(k) = A
k
x
0
O sistema e marginalmente estavel ou estavel no sentido de Lyapunov se toda
condi cao inicial nita x
0
implicar em uma resposta limitada.

E assintoticamente
estavel se, alem disso, a resposta tende a zero quando k
Teorema A equa cao x(k +1) = Ax(k) e marginalmente estavel se e somente
se todos os autovalores de A tem magnitudes menores ou iguais a 1 e aqueles que
tiverem magnitudes iguais a 1 forem razes simples do polinomio mnimo de A
Teorema A equa cao x(k + 1) = Ax(k) e assintoticamente estavel se e
somente se todos os autovalores de A tem magnitudes menores do que 1
As transforma coes equivalentes nao afetam a estabilidade do sistema, e as
formas de Jordan podem ser usadas no estudo da estabilidade. A estabilidade
assint otica implica em BIBO estabilidade mas o contrario nao e verdadeiro
c Reinaldo M. Palhares
pag.12
Teoria de Sistemas Lineares Aula 13
Teorema de Lyapunov
Todos os autovalores de A tem parte real negativa se e somente se para qualquer
matriz simetrica denida positiva N (ie, N = N

> 0) a equa cao de Lyapunov


A

M +MA = N
tem uma unica solu cao simetrica M e M e denida positiva (ie, M = M

> 0)
MATLAB relembrando: M=lyap(A,N). Um simples script:
A=rand(3), N=eye(3), M=lyap(A,N)
if all(real(eig(M)))>0
display(M>0, Sistema estavel)
else display(Sistema instavel)
end
c Reinaldo M. Palhares
pag.13
Teoria de Sistemas Lineares Aula 13
Teorema de Lyapunov
Corolario Todos os autovalores de uma matriz A n n tem parte real negativa
se e somente se para qualquer matriz

N mn com m < n tal que
rank
_

NA
.
.
.

NA
n1
_

_
nmn
= n (rank completo de colunas)
a equa cao de Lyapunov A

M +MA =


N N, tem uma unica
solu cao simetrica M e M e denida positiva
Para qualquer

N, a matriz N =

N


N e semidenida positiva...
O teorema e seu corolario sao validos para qualquer escolha de N
c Reinaldo M. Palhares
pag.14
Teoria de Sistemas Lineares Aula 13
Teorema de Lyapunov
Demonstracao () (Necessidade) A equa cao de Lyapunov e um caso
especial da equa cao de Sylvester. Como A e A

tem os mesmos autovalores, se


A for assintoticamente estavel (autovalores com parte real negativa), nao existem
dois autovalores tais que

i
+
j
= 0
e portanto a equa cao de Lyapunov e nao singular e possui uma unica solu cao M
(como concluimos do estudo da equa cao de Sylvester)
Dene-se
M =
_

0
e
A

t
Ne
At
dt
Substituindo na equa cao de Lyapunov...
c Reinaldo M. Palhares
pag.15
Teoria de Sistemas Lineares Aula 13
Teorema de Lyapunov
obtem-se:
A

M +MA =
_

0
A

e
A

t
Ne
At
dt +
_

0
e
A

t
Ne
At
Adt
=
_

0
d
dt
_
e
A

t
Ne
At
_
dt
= e
A

t
Ne
At

t=0
= 0 N = N
pois e
At
= 0 para t se A tem autovalores com parte real negativa. Com
isso, prova-se que M dada acima e solu cao da equa cao. Veja que se N for
simetrica, M tambem e
c Reinaldo M. Palhares
pag.16
Teoria de Sistemas Lineares Aula 13
Teorema de Lyapunov
Como N e nao singular, pode-se fatora-la na forma N =

N


N com

N nao
singular. Portanto,
x

Mx =
_

0
x

e
A

Ne
At
xdt =
_

0

Ne
At
x
2
2
dt
que e positiva para qualquer x = 0 (

N e e
At
sao nao singulares), o que mostra
que M e denida positiva...
c Reinaldo M. Palhares
pag.17
Teoria de Sistemas Lineares Aula 13
Teorema de Lyapunov
() (Suciencia) Agora, mostra-se que se N e M sao denidas positivas,
entao A e estavel. Considere um autovalor de A associado ao autovetor v.
Entao, Av = v. Pre e p os multiplicando a equa cao de Lyapunov por v

e v,
respectivamente, tem-se
v

Nv = v

Mv +v

MAv
= (

+)v

Mv
= 2Re ()v

Mv
Como v

Nv e v

Mv sao reais positivos = Re () =


v

Nv
2v

Mv
< 0...
c Reinaldo M. Palhares
pag.18
Teoria de Sistemas Lineares Aula 13
Teorema de Lyapunov
Demonstracao do Corolario (Necessidade) Segue os mesmos passos da prova
do teorema. Note que

N e uma matriz mn, com m < n, e que portanto
N =

N


N e semidenida positiva. Ainda assim, M pode ser denida positiva
se o integrando

Ne
At
x nao for identicamente nulo para todo t
Por absurdo, suponha que

Ne
At
x 0 para todo t. Derivando em rela cao
ao tempo, tem-se

NAe
At
x 0; fazendo a derivada n 1 vezes:
2
6
6
6
6
6
6
4

NA
.
.
.

NA
n1
3
7
7
7
7
7
7
5
e
At
x = 0
Como por hip otese o rank da matriz acima e n e e
At
e nao singular para todo t,
o unico x solu cao seria x = 0. Assim, o integrando

Ne
At
x nao pode ser
identicamente nulo para nenhum x = 0 e M e denida positiva
c Reinaldo M. Palhares
pag.19
Teoria de Sistemas Lineares Aula 13
Teorema de Lyapunov
(Suciencia) Considere agora Av = v. Note que A
2
v = Av =
2
v, . . . ,
A
n1
v =
n1
v. Assim,
2
6
6
6
6
6
6
4

NA
.
.
.

NA
n1
3
7
7
7
7
7
7
5
v =
2
6
6
6
6
6
6
4

Nv

NAv
.
.
.

NA
n1
v
3
7
7
7
7
7
7
5
=
2
6
6
6
6
6
6
4

Nv


Nv
.
.
.

n1

Nv
3
7
7
7
7
7
7
5
Com a hipotese de rank completo de colunas, o vetor da esquerda e nao nulo para v = 0
e portanto

Nv (que compoe o vetor da direita) e um vetor nao nulo. Como

Nv = 0,
entao de 2Re ()v

Mv = v

Nv =

Nv
2
2
, implica que Re () < 0
Na demonstracao do teorema de Lyapunov e do colorario, usou-se a expressao:
M =
R

0
e
A

t
Ne
At
dt. Esse resultado e estabelecido como teorema, e usado para
mostrar a unicidade da solucao da equacao de Lyapunov
c Reinaldo M. Palhares
pag.20
Teoria de Sistemas Lineares Aula 13
Teorema de Lyapunov
Teorema Se todos os autovalores de A tem parte real negativa, entao a
equa cao de Lyapunov
A

M +MA = N
tem uma unica solu cao para todo N dada por
M =
_

0
e
A

t
Ne
At
dt
Demonstracao de Unicidade Suponha que M
1
e M
2
sao solu coes. Entao
A

(M
1
M
2
) + (M
1
M
2
)A = 0

e
A

t
[A

(M
1
M
2
) + (M
1
M
2
)A] e
At
=
d
dt
_
e
A

t
(M
1
M
2
)e
At
_
= 0
Integrando de 0 a ...
c Reinaldo M. Palhares
pag.21
Teoria de Sistemas Lineares Aula 13
Teorema de Lyapunov
Integrando de 0 a
_
e
A

t
(M
1
M
2
)e
At
_

0
= 0

0 (M
1
M
2
) = 0

M
1
= M
2

Mesmo para A nao estavel, uma solu cao unica existe se
i
+
j
= 0, mas
nao da forma M acima. Se A for singular (pelo menos um autovalor nulo), a
equa cao de Lyapunov e singular e solu coes podem ou nao existir (dependendo se
N esta ou nao no range da equa cao)
c Reinaldo M. Palhares
pag.22
Teoria de Sistemas Lineares Aula 13
Teorema de Lyapunov Caso Discreto
Equa cao discreta
M AMB = C
sendo A R
nn
, B R
mm
e C R
nm
. Como no caso contnuo, pode
ser expressa na forma (conjunto de equa coes lineares)
Y m = c ; Y R
nmnm
, m, c R
nm1
Seja
k
um autovalor de Y . Nesse caso,

k
= 1
i

j
para i = 1, 2, . . . , n ; j = 1, 2, . . . , m
com
i
e
j
autovalores de A e B respectivamente
c Reinaldo M. Palhares
pag.23
Teoria de Sistemas Lineares Aula 13
Teorema de Lyapunov Caso Discreto
Para vericar esse fato, dena S(M) M AMB. A equa cao pode entao
ser escrita S(M) = C e um escalar e um autovalor de S(M) se
S(M) = M. Considere u um autovetor `a direita de A associado ao autovalor

i
e v um autovetor `a esquerda de B associado ao autovalor
j
Au =
i
u ; vB =
j
v
Assim, aplicando S a matrix n m, uv, obtem-se
S(uv) = uv AuvB = (1
i

j
)
. .

uv
Se nao existir i e j tais que
i

j
= 1, a equa cao e nao singular e para cada
C a solu cao M e unica
Se
i

j
= 1 para algum i e j, para C dado, a solu cao pode ou nao existir
c Reinaldo M. Palhares
pag.24
Teoria de Sistemas Lineares Aula 13
Teorema de Lyapunov Caso Discreto
Teorema |(A)| < 1 se e somente se para qualquer N > 0 ou para
N =

N


N, com

N uma matriz mn com m < n, tal que
rank
_

NA
.
.
.

NA
n1
_

_
nmn
= n (rank completo de colunas)
a equa cao discreta de Lyapunov
M A

MA = N
tem uma solu cao unica M e M e denida positiva
c Reinaldo M. Palhares
pag.25
Teoria de Sistemas Lineares Aula 13
Teorema de Lyapunov Caso Discreto
Linhas gerais de uma demonstracao (Necessidade) Para N > 0, se todos os
autovalores de A (iguais aos de A

) tem magnitude menor que 1, |


i

j
| < 1
para todo i, j, a equa cao e nao singular e uma unica solu cao existe. Considere
M =

m=0
(A

)
m
NA
m
Como |
i
|< 1 para todo i, esta serie innita converge. Substituindo

m=0
(A

)
m
NA
m
A

m=0
(A

)
m
NA
m
_
A =
=

m=0
(A

)
m
NA
m

m=0
(A

)
(m+1)
NA
(m+1)
_
dene-se k = m+ 1 e...
c Reinaldo M. Palhares
pag.26
Teoria de Sistemas Lineares Aula 13
Teorema de Lyapunov Caso Discreto
Re-ordenasse o somat orio

m=0
(A

)
m
NA
m

k=1
(A

)
k
NA
k
_
=
= N+

m=1
(A

)
m
NA
m

k=1
(A

)
k
NA
k
= N
e se N for simetrica, M tambem e...
c Reinaldo M. Palhares
pag.27
Teoria de Sistemas Lineares Aula 13
Teorema de Lyapunov Caso Discreto
(Suciencia) Considere um autovalor de A associado ao autovetor v = 0
(Av = v). Assim,
v

Nv = v

Mv v

MAv
= v

Mv

Mv
= (1 | |
2
)v

Mv
Como os dois lados da equa cao sao n umeros reais e positivos, conclui-se que
(1 | |
2
) > 0 ou | |
2
< 1. Isso estabelece o resultado para N > 0. O caso
N 0 pode ser mostrado de maneira similar
c Reinaldo M. Palhares
pag.28
Teoria de Sistemas Lineares Aula 13
Teorema de Lyapunov Caso Discreto
Teorema Se todos os autovalores de A tem magnitude menor do que 1, entao
a equa cao discreta de Lyapunov
M A

MA = N
tem uma unica solu cao para todo N dada por
M =

m=0
(A

)
m
NA
m
Se A tem um ou mais autovalores com magnitude maior do que 1, uma
solu cao unica ainda existe se
i

j
= 1 para todo i, j, mas nao pode ser
computada pela serie acima
c Reinaldo M. Palhares
pag.29
Teoria de Sistemas Lineares Aula 13
Relacao entre os Casos Contnuo e Discreto
A condi cao de estabilidade do caso contnuo requer que todos os autovalores
estejam no semi-plano esquerdo aberto do plano complexo s. A correspondente
condi cao no caso discreto e que todos os autovalores estejam contidos no interior
do crculo unitario do plano complexo z. Essas condi coes se relacionam pela
transforma cao bilinear
s =
z 1
z + 1
; z =
1 +s
1 s
que dene um mapeamento do semi-plano esquerdo aberto para o interior do
crculo unitario e vice-versa
Escrevendo as equa c oes de Lyapunov (o subescrito d designa o caso discreto)
A

M +MA = N ; M
d
A

d
M
d
A
d
= N
d
c Reinaldo M. Palhares
pag.30
Teoria de Sistemas Lineares Aula 13
Relacao entre os Casos Contnuo e Discreto
Usando a transforma cao bilinear
A = (A
d
+ I)
1
(A
d
I) ; A
d
= (I +A)(I A)
1
Substituindo A
d
na Lyapunov discreta, obtem-se
M
d

_
(I +A)(I A)
1

M
d
_
(I +A)(I A)
1

= N
d
multiplicando a esquerda por (I A

) e a direita por (I A) obtem-se:


(I A

) M
d
(I A) (I +A

)M
d
(I +A) = (I A

) N
d
(I A)
A

M
d
+M
d
A = 0.5(I A

)N
d
(I A)
que, comparada com a equa cao de Lyapunov do caso contnuo, fornece
A = (A
d
+ I)
1
(A
d
I) ; M = M
d
; N = 0.5(I A

)N
d
(I A)
MATLAB dlyap (leia ohelp!)
c Reinaldo M. Palhares
pag.31
Teoria de Sistemas Lineares Aula 13
Estabilidade para Sistemas LVT
1. Estabilidade de Sistemas Variante no Tempo
2. Estabilidade da Resposta `a Entrada Nula
c Reinaldo M. Palhares
pag.1
Teoria de Sistemas Lineares Aula 14
Estabilidade de Sistemas Variante no Tempo
Considere um sistema SISO LVT descrito por y(t) =

t
t
0
g(t, )u()d
Este sistema e BIBO estavel se toda entrada limitada causa uma sada
tambem limitada...
O sistema acima e BIBO estavel se e somente se existir uma constante M tal
que

t
t
0
| g(t, ) | d M < , t, t
0
, com t t
0
Caso multivariavel y(t) =

t
t
0
G(t, )u()d
A condi cao para BIBO estabilidade e que cada elemento de G(t, ) satisfa ca a
rela cao acima. Essa condi cao pode ser expressa em termos de normas
c Reinaldo M. Palhares
pag.2
Teoria de Sistemas Lineares Aula 14
Estabilidade de Sistemas Variante no Tempo
Reformulando... A condi cao necessaria e suciente para que um sistema
multivariavel seja BIBO estavel e que exista uma constante M tal que

t
t
0
G(t, )d M <
para todo t, t
0
com t t
0
(com denotando algum norma...)
Considerando uma descri cao por equa coes de estado

x = A(t)x +B(t)u
y = C(t)x +D(t)u
tem-se que a matriz resposta ao impulso e dada por
G(t, ) = C(t)(t, )B() +D(t)(t )
c Reinaldo M. Palhares
pag.3
Teoria de Sistemas Lineares Aula 14
Estabilidade de Sistemas Variante no Tempo
e a resposta ao estado inicial nulo e
y(t) =

t
t
0
C(t)(t, )B()u()d +D(t)u(t)
Portanto, a resposta ao estado inicial nulo da equa cao dinamica e BIBO estavel se
e somente se existirem constantes M
1
e M
2
tais que
D(t) M
1
<

t
t
0
C(t)(t, )B()d M
2
<
para todo t, t
0
com t t
0
c Reinaldo M. Palhares
pag.4
Teoria de Sistemas Lineares Aula 14
Estabilidade da Resposta `a Entrada Nula
A resposta `a entrada nula ou a equa cao autonoma x = A(t)x e
marginalmente estavel se toda condi cao inicial nita provoca uma resposta
limitada. Como a solu cao e governada por
x(t) = (t, t
0
)x(t
0
)
tem-se que a resposta `a entrada nula e marginalmente estavel se e somente se
existir uma constante M tal que
(t, t
0
) M < para todo t
0
e t t
0
A equa cao x = A(t)x e assintoticamente estavel se a resposta a toda
condi cao inicial nita for limitada e tender a zero quando t , isto e
(t, t
0
) 0 para t
c Reinaldo M. Palhares
pag.5
Teoria de Sistemas Lineares Aula 14
Estabilidade da Resposta `a Entrada Nula
No caso invariante no tempo, x = Ax e assintoticamente estavel se todos os
autovalores de A tem parte real negativa. Isso nao e verdade no caso variante no
tempo... Eg, considere (Problema 4.16, pg. 120, Chen)
x = A(t)x =

1 e
2t
0 1

x
Polin omio caracterstico: () = ( + 1)
2
; Autovalores: 1 e 1 (parte real
negativa...)
(t, 0) =

e
t
0.5(e
t
e
t
)
0 e
t

O elemento (1, 2) cresce indenidamente (o sistema nao e estavel)...


c Reinaldo M. Palhares
pag.6
Teoria de Sistemas Lineares Aula 14
Estabilidade da Resposta `a Entrada Nula
Todas as propriedades de estabilidade de um sistema invariante no tempo se
preservam sob transforma coes de equivalencia
No caso variante no tempo a BIBO estabilidade se preserva pois a matriz
resposta ao impulso nao se altera com uma transforma cao de equivalencia
Como entretanto e possvel transformar x = A(t)x em

x = A
0
x com A
0
constante (Teorema 4.3, pag. 112, Chen), a estabilidade marginal e a assint otica
nao se preservam sob qualquer transforma cao de equivalencia...
Teorema As estabilidades marginal e assint otica de x = A(t)x se preservam
sob qualquer transforma cao de Lyapunov equivalente
c Reinaldo M. Palhares
pag.7
Teoria de Sistemas Lineares Aula 14
Estabilidade da Resposta `a Entrada Nula
Como P(t) e

P(t) sao contnuas, e P(t) e nao singular para todo t, entao
x = P(t)x e uma transforma cao algebrica. Se, alem disso, P(t) e P
1
(t) sao
limitadas para todo t, x = P(t)x e uma transforma cao de Lyapunov. As
matrizes fundamentais de x = A(t)x e

x =

A(t) x se relacionam por
(t) = P(t)(t)
e portanto

(t, ) = (t)
1
() = P(t)(t)
1
()P
1
() = P(t)(t, )P
1
()
Como P(t) e P
1
(t) sao limitadas, se (t, ) e limitada,

(t, ) tambem
o e; se (t, ) 0 quando t , o mesmo ocorre com

(t, )...
c Reinaldo M. Palhares
pag.8
Teoria de Sistemas Lineares Aula 14
Estabilidade da Resposta `a Entrada Nula
Em sistemas invariantes no tempo, a estabilidade assint otica da resposta `a
entrada nula implica na BIBO estabilidade da resposta ao estado inicial nulo
Nao necessariamente e verdade para sistemas variantes no tempo...
Veja, a estabilidade assint otica ocorre se (t, ) 0, quando t , t,
t
0
com t t
0
, e...
A BIBO estabilidade ocorre se

t
t
0
C(t)(t, )B()d < , t, t
0
com
t t
0
No entanto, uma fun cao que tende a zero pode nao ser absolutamente
integravel
Se (t, ) tende a zero rapidamente e se B(t) e C(t) sao limitadas, a
estabilidade assint otica implica na BIBO estabilidade
c Reinaldo M. Palhares
pag.9
Teoria de Sistemas Lineares Aula 14
Estabilidade da Resposta `a Entrada Nula
Problema 5.23, pag. 142, Chen Cheque a estabilidade do sistema autonomo:
x =

1 0
e
3t
0

x, , para t
0
0
Veja que x
1
(t) = x
1
(t) entao x
1
(t) = e
R
t
0
1dt
x
1
(0) = e
t
x
1
(0)
E, x
2
(t) = e
3t
x
1
(t) = e
4t
x
1
(0), que integrando:

t
0
x
2
(t)dt =

t
0
e
4t
x
1
(0)dt
x
2
(t) x
2
(0) =
1
4
e
4t

t
0
x
1
(0)
x
2
(t) =
1
4
e
4t
x
1
(0)
1
4
x
1
(0) +x
2
(0)
c Reinaldo M. Palhares
pag.10
Teoria de Sistemas Lineares Aula 14
Estabilidade da Resposta `a Entrada Nula
Por exemplo, para x
1
(0) = 1 e x
2
(0) = 0 tem-se:

1
(t) =

e
t
1
4

e
4t
1

e para x
1
(0) = 0 e x
2
(0) = 1 tem-se:

2
(t) =

0
1

portanto uma matriz fundamental e:


(t) =

e
t
0
1
4

e
4t
1

e
1
(t) =

e
t
0
1
4

e
t
e
3t

c Reinaldo M. Palhares
pag.11
Teoria de Sistemas Lineares Aula 14
Estabilidade da Resposta `a Entrada Nula
A matriz de transi cao e dada por:
(t, t
0
) = (t)
1
(t
0
) =

e
(tt
0
)
0
1
4

e
4t
1

e
t
0
+
1
4

e
t
0
e
3t
0

e
(tt
0
)
0
1
4

e
(4tt
0
)
e
3t
0

Note que para t


0
0 e t t
0
todos os elementos de (t, t
0
) sao limitados...
o que ja indica que o sistema e no mnimo marginalmente estavel. A pergunta e:
o sistema e assintoticamente estavel, ie, (t, t
0
) 0, quando t ?

E
facil notar que esta condi cao nao e satisfeita... Eg., mesmo para t
0
= 0, o termo
(2,2) e sempre 1...
c Reinaldo M. Palhares
pag.12
Teoria de Sistemas Lineares Aula 14
Exerccio
Problema 5.21, pag. 142, Chen Considere a equa cao variante no tempo
x = 2tx +u, y = e
t
2
x
Cheque se e BIBO estavel, marginalmente estavel ou assintoticamente estavel?
C ompute amatrizde transi cao (t, t
0
) (note que e escalar...)
C ompute a resposta ao impulso g(t, )
Aplique os testes...
c Reinaldo M. Palhares
pag.13
Teoria de Sistemas Lineares Aula 14
Controlabiliadade
1. Controlabilidade de Sistemas LIT
c Reinaldo M. Palhares
pag.1
Teoria de Sistemas Lineares Aula 15
Controlabilidade
Um estado pode ser controlado(modicado) a partir da entrada?
u
R
1 R
2
R
3
C
1
C
2
y

+
Denem-se as variaveis de estado como v
C
1
e v
C
2
Note que a tensao no capacitor C
2
nao pode ser controlada pela entrada u (ja
que o circuito esta aberto em y)
Mas a tensao no capacitor C
1
pode...
Ainda, a sada y tem alguma inuencia ?
c Reinaldo M. Palhares
pag.2
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
Considere a equa cao dinamica de dimensao n com p entradas
x = Ax +Bu, x(0) = x
0
sendo A R
nn
e B R
np
A equa cao de sada nao inuencia a controlabilidade
Denicao A equa cao de estado acima ou o par (A, B) e controlavel se para
qualquer estado inicial x(0) = x
0
e para qualquer estado nal x
1
existir uma
entrada u(t) que transfere o estado de x
0
para x
1
em tempo nito
A deni cao requer apenas que se possa mover qualquer estado inicial no
espa co de estados para qualquer estado nal em tempo nito. Nao ha restri coes
quanto `a trajet oria a ser seguida nem quanto `a magnitude da entrada
c Reinaldo M. Palhares
pag.3
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
Exemplo
+
+
+
1
1
1 1
C
u
x
y
i
A variavel de estado x e a tensao no capacitor. Devido a simetria do circuito, se
x(0) = 0, entao x(t) = 0, para todo t 0 independentemente da entrada u
que for aplicada, e o sistema nao e controlavel
c Reinaldo M. Palhares
pag.4
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
Exemplo
+ +
+

1
1
1 F 1 F
u
x
1
x
2
_

_
u = x
1
+i
C
R = x
1
+ x
1
u = x
2
+i
C
R = x
2
+ x
2
x =
_
_
1 0
0 1
_
_
x +
_
_
1
1
_
_
u
Atraves da entrada u(t), pode-se levar x
1
(t) ou x
2
(t) a qualquer estado
arbitrario
No entanto, nao e possvel levar x
1
e x
2
a qualquer estado. Por exemplo, se
x
1
(0) = x
2
(0) = 0, independentemente da entrada u que for aplicada tem-se
x
1
(t) = x
2
(t) para todo t 0
O circuito e nao controlavel
c Reinaldo M. Palhares
pag.5
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
Exemplo E se for mais complicado?
u
u
k
1
k
2
b
1
b
2
x
1
x
2
Controlavel ou nao controlavel?
Precisamos de uma forma sistematica de verica cao...
c Reinaldo M. Palhares
pag.6
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
Teorema As arma coes a seguir sao equivalentes:
1. O par (A, B) e controlavel
2. A matriz n n
W
c
(t)
_
t
0
e
A
BB

e
A

d =
_
t
0
e
A(t)
BB

e
A

(t)
d
e nao-singular t > 0
3. A matriz de controlabilidade n np
C =
_
B AB A
2
B A
n1
B
_
tem rank n (posto completo de linhas)
c Reinaldo M. Palhares
pag.7
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
4. Para todo autovalor de A (e conseq uentemente, para todo C), a
matriz complexa n (n +p)
_
I A B
_
tem rank n (posto completo de linhas)
5. Se todos os autovalores de A tem parte real negativa, a solu cao unica de
AW
c
+W
c
A

= BB

e denida positiva. Essa solu cao e denominada Gramiano de controlabilidade


e pode ser expressa da forma:
W
c
=
_

0
e
A
BB

e
A

d
c Reinaldo M. Palhares
pag.8
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
Demonstracao (1) (2). Primeiro a equivalencia entre as duas formas
integrais que aparecem em (2) pode ser demonstrada fazendo-se a mudan ca de
variavel = t . O integrando garante que a matriz W
c
(t) e sempre
semidenida positiva; sera denida positiva se e somente se for nao singular
Se W
c
(t) for nao singular, entao (A, B) e controlavel?
Veja que a resposta no instante t
1
e dada por
x(t
1
) = e
At
1
x(0) +
_
t
1
0
e
A(t
1
)
Bu()d
Para qualquer x(0) = x
0
e qualquer x(t
1
) = x
1
, especicamente a entrada
u(t) = B

e
A

(t
1
t)
W
1
c
(t
1
)
_
e
At
1
x
0
x
1

leva o estado de x
0
a x
1
no tempo t
1
c Reinaldo M. Palhares
pag.9
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
De fato, substituindo u(t) em x(t
1
)
x(t
1
) = e
At
1
x(0)
_
_
t
1
0
e
A(t
1
)
BB

e
A

(t
1
)
d
_
W
1
c
(t
1
)
_
e
At
1
x
0
x
1

= e
At
1
x(0) W
c
(t
1
)W
1
c
(t
1
)
_
e
At
1
x
0
x
1

= x
1
o que mostra que se W
c
e nao singular entao (A, B) e controlavel
c Reinaldo M. Palhares
pag.10
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
Para mostrar o inverso, sup oe-se por absurdo que o par (A, B) e controlavel mas
W
c
(t
1
) nao e denida positiva para algum t
1
. Nesse caso, existe v = 0 tal que
v

W
c
(t
1
)v =
_
t
1
0
v

e
A(t
1
)
BB

e
A

(t
1
)
vd
=
_
t
1
0
B

e
A

(t
1
)
v
2
d
= 0
= B

e
A

(t
1
)
v 0 ou v

e
A(t
1
)
B 0
para todo [0, t
1
]... Mas veja, o sistema por hip otese e controlavel?
c Reinaldo M. Palhares
pag.11
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
Se o sistema e controlavel, existe uma entrada que transfere o estado inicial de
x(0) = e
At
1
v para x(t
1
) = 0. Utilizando a expressao geral de x(t) para esse
caso tem-se (veja v = e
At
x(0)...)
x(t
1
) = 0 = v +
_
t
1
0
e
A(t
1
)
Bu()d
Pre-multiplicando por v

0 = v

v +
_
t
1
0
v

e
A(t
1
)
Bu()d = v
2
+ 0
o que contradiz a hip otese v = 0. A equivalencia entre (1) (2) esta
estabelecida
c Reinaldo M. Palhares
pag.12
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
(2) (3) Como todo elemento de e
At
B e uma fun cao analtica em t, se
W
c
(t) for nao singular para algum t entao e nao singular para todo t. Como as
duas formas integrais em (2) sao equivalentes, W
c
(t) e nao singular se e somente
se nao existe v = 0 tal que
v

e
At
B = 0 t
Primeiramente mostra-se que se W
c
(t) e nao singular, entao a matriz de
controlabilidade C tem posto completo de linhas
c Reinaldo M. Palhares
pag.13
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
Se W
c
(t) e nao singular, entao a matriz de controlabilidade C tem posto
completo de linhas?
Suponha que C nao tem posto completo, entao existe v = 0 tal que
v

C = 0
ou equivalentemente
v

A
k
B = 0 para k = 0, 1, 2, . . . , n 1
Note que e
At
B pode ser expressa como uma combina cao linear de
{B, AB, . . . , A
n1
B} (Teorema 3.5, pag. 64, Chen) e portanto v

e
At
B = 0,
o que contradiz a hip otese da nao singularidade de W
c
(t). (2) implica (3)
c Reinaldo M. Palhares
pag.14
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
Para mostrar o inverso, supoe-se que C tem posto completo de linhas mas
W
c
(t) e singular. Nesse caso, existe v = 0 tal que
v

e
At
B = 0 t
Escolhendo t = 0, tem-se v

B = 0. Diferenciando e novamente calculando em


t = 0, tem-se v

AB = 0; fazendo essa opera cao sucessivamente, obtem-se


v

A
k
B = 0 para k = 0, 1, 2, . . . ou
v

_
B AB A
2
B A
n1
B
_
= v

C = 0
o que contradiz a hip otese de que C tem posto completo de linhas e mostra a
equivalencia entre (2) e (3)
c Reinaldo M. Palhares
pag.15
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
(3) (4)
Se C tem posto completo de linhas, entao
_
I A B
_
tem posto
completo de linhas para todo autovalor de A? Se nao, existe um autovalor
1
de A e um vetor q = 0 tais que
q
_

1
I A B
_
= 0
e portanto qA =
1
q e qB = 0 (implicando que q e um autovetor `a esquerda
de A). Manipulando
qA
2
= (qA)A = (
1
q)A =
2
1
q
e assim sucessivamente, obtem-se qA
k
=
k
1
q, e portanto
q
_
B AB A
n1
B
_
=
_
qB
1
qB
n1
1
qB
_
= 0
o que contradiz a hip otese de que C tem posto completo de linhas...
c Reinaldo M. Palhares
pag.16
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
(C) < n =
_
I A B
_
< n para algum
1
autovalor de A?
Para mostra-lo, dois resultados sao necessarios (que serao formalmente
apresentados mais a frente):
A controlabilidade e invariante sob qualquer transforma cao de equivalencia;
Se (C) = n m para algum m 1, entao existe uma matriz P nao
singular tal que

A = PAP
1
=
_
_

A
c

A
12
0

A
c
_
_
;

B = PB =
_
_

B
c
0
_
_
com

A
c
R
mm
c Reinaldo M. Palhares
pag.17
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
Seja
1
um autovalor de

A
c
associado a q
1
R
1m
autovetor `a esquerda, ou
seja, q
1

A
c
=
1
q
1
. Portanto, q
1
(

A
c

1
I) = 0
Construindo o vetor q R
1n
q
_
0 q
1
_
, tem-se
q
_

1
I

A

B
_
=
_
0 q
1
_
_
_

1
I

A
c


A
12

B
c
0
1
I

A
c
0
_
_
= 0
o que implica

_
I

A

B
_
< n =
_
I A B
_
< n
para algum autovalor de A (note que para qualquer outro valor de , a matriz
I A e nao singular).
Com isso, a equivalencia (3) (4) esta demonstrada
c Reinaldo M. Palhares
pag.18
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
(2) (5)
Se A e estavel, a unica solu cao de AW
c
+W
c
A

= BB

pode ser
expressa como
W
c
=
_

0
e
A
BB

e
A

d
O Gramiano W
c
e sempre semidenido positivo, e sera denido positivo se e
somente se for nao singular
Isto demonstra a equivalencia (2) (5)
c Reinaldo M. Palhares
pag.19
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
Exemplo Considere o problema do carro com o pendulo invertido, descrito (para
pequenas varia c oes em torno do ponto de equilbrio e para valores escolhidos dos
parametros) por
_

_
x =
_

_
0 1 0 0
0 0 1 0
0 0 0 1
0 0 5 0
_

_
x +
_

_
0
1
0
2
_

_
u
y =
_
1 0 0 0
_
x
Matriz de Controlabilidade: C =
_
B AB A
2
B A
3
B
_
c Reinaldo M. Palhares
pag.20
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
C =
_

_
0 1 0 2
1 0 2 0
0 2 0 10
2 0 10 0
_

_
, rank (C) = 4 = Sistema controlavel
Matlab C=ctrb(A,B) retorna a matriz de controlabilidade C e o comando gram
retorna o Gramiano de controlabilidade. Um c odigo:
A=[0 1 0 0;0 0 -1 0;0 0 0 1;0 0 5 0]; B=[0 1 0 -2];
if rank(ctrb(A,B)) == size(A,1)
disp(Sistema Controlavel)
else (Sistema n~ao Controlavel)
end
c Reinaldo M. Palhares
pag.21
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
Voltando ao Exemplo
+ +
+

1
1
1 F 1 F
u
x
1
x
2
_

_
u = x
1
+i
C
R = x
1
+ x
1
u = x
2
+i
C
R = x
2
+ x
2
x =
_
_
1 0
0 1
_
_
x +
_
_
1
1
_
_
u
C =
_
B AB
_
=
_
_
1 1
1 1
_
_
, rank(C) = 1 . . .


E nao controlavel
c Reinaldo M. Palhares
pag.22
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
Exemplo
u
u
k
1
k
2
b
1
b
2
x
1
x
2
Newton: k
1
x
1
+b
1
x
1
= u ; k
2
x
2
+b
2
x
2
= u
c Reinaldo M. Palhares
pag.23
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
Entao:
_
_
x
1
x
2
_
_
=
_
_
k
1
/b
1
0
0 k
2
/b
2
_
_
_
_
x
1
x
2
_
_
+
_
_
1/b
1
1/b
2
_
_
u
com
x
1
(0) = x
10
, x
2
(0) = x
20
e

__
B AB
__
=
_
_
_
_
1/b
1
k
1
/b
2
1
1/b
2
k
2
/b
2
2
_
_
_
_
= n = 2 se k
1
b
2
= k
2
b
1
E.g., o sistema e nao controlavel se k
1
= k
2
e b
1
= b
2
c Reinaldo M. Palhares
pag.24
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
Complicando um pouco mais... Considere k
1
= k
2
= 1, b
1
= 2 e b
2
= 1.
Dados x
1
(0) = 10, x
2
(0) = 1, encontre u(t) que leva a plataforma para a
posi cao de repouso em t = 2 segundos
Calculando W
c
(2)
W
c
(2) =
_
2
0
_
_
e
0.5
0
0 e

_
_
_
_
0.5
1
_
_
_
0.5 1
_
_
_
e
0.5
0
0 e

_
_
d
=
_
2
0
_
_
e
0.5
0
0 e

_
_
_
_
0.25 0.5
0.5 1
_
_
_
_
e
0.5
0
0 e

_
_
d
=
_
2
0
_
_
e
0.5
0
0 e

_
_
_
_
0.25e
0.5
0.5e

0.5e
0.5
e

_
_
d
c Reinaldo M. Palhares
pag.25
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
W
c
(2) =
_
2
0
_
_
0.25e
0.
0.5e
1.5
0.5e
1.5
e
2
_
_
dt
=
_
_
0.25e
2
+ 0.25
e
3
3
+
1
3

e
3
3
+
1
3
0.5e
4
+ 0.5
_
_
=
_
_
0.2162 0.3167
0.3167 0.4908
_
_
e u(t) que leva a plataforma ao repouso em 2s?
c Reinaldo M. Palhares
pag.26
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
u(t) =
_
0.5 1
_
_
_
e
0.5(2t)
0
0 e
(2t)
_
_
W
1
c
(2)
_
_
10
1
_
_
= 58.82e
0.5t
+ 27.96e
t
, t [0, 2]
O esfor co de controle aumenta com a diminui cao do tempo de deslocamento
de um estado para outro
Se alguma restri cao for imposta sobre u, entao pode nao ser possvel transferir
o sistema num intervalo de tempo arbitrariamente pequeno
Para levar em 4 segundos:
u(t) = 3.81e
0.5t
+ 0.688e
t
, t [0, 4]
c Reinaldo M. Palhares
pag.27
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
MATLAB Simulando com lsim
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
40
20
0
20
40
60
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
20
15
10
5
0
5
10
tempo (s)
tempo (s)
Esfor co de controle [0, 2]
Evolu cao de x
1
(contnuo) e x
2
(tracejado)
c Reinaldo M. Palhares
pag.28
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
0 0.5 1 1.5 2 2.5 3 3.5 4
10
5
0
5
10
0 0.5 1 1.5 2 2.5 3 3.5 4
5
0
5
10
tempo (s)
tempo (s)
Esfor co de controle [0, 4]
Evolu cao de x
1
(contnuo) e x
2
(tracejado)
c Reinaldo M. Palhares
pag.29
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
Comparando os esfor cos de controle
0 0.5 1 1.5 2 2.5 3 3.5 4
40
30
20
10
0
10
20
30
40
50
60
tempo (s)
Esfor co de controle u
[0,2]
(contnuo) e u
[0,4]
(tracejado)
c Reinaldo M. Palhares
pag.30
Teoria de Sistemas Lineares Aula 15
Controlabilidade Sistemas LIT
A entrada u(t) como denida
u(t) = B

e
A

(t
1
t)]
W
1
c
(t
1
)[e
At
1
x
0
x
1
]
e chamada de controle de mnima energia pois para qualquer outro u(t) que
realiza a mesma tarefa tem-se
_
t
1
0
u

(t) u(t)dt
_
t
1
0
u

(t)u(t)dt
c Reinaldo M. Palhares
pag.31
Teoria de Sistemas Lineares Aula 15

Indices de Controlabilidade
Considere A R
nn
e B R
np
com B de posto completo de colunas (se
nao for o caso, alguma coluna redundante pode ser eliminada)
Se (A, B) for controlavel, a matriz de controlabilidade C tem posto n e,
conseq uentemente, n colunas linearmente independentes (de um total de np
colunas)
Seja b
i
a i-esima coluna de B, e portanto
C =
_
b
1
b
p
Ab
1
Ab
p
A
n1
b
1
A
n1
b
p
_
Note que se A
i
b
m
depende das colunas `a esquerda em C, entao A
i+1
b
m
tambem depende. Portanto, se uma coluna associada a b
m
torna-se linearmente
dependente, todas as demais tambem o serao
c Reinaldo M. Palhares
pag.32
Teoria de Sistemas Lineares Aula 15

Indices de Controlabilidade
Seja
m
o n umero de colunas LI associadas a b
m
em C. Ou seja, as colunas
b
m
, Ab
m
, . . . , A

m
1
b
m
sao LI e A

m
+i
b
m
, i = 0, 1, 2, . . . sao LD. Assim, se C tem posto n,

1
+
2
+ +
p
= n
{
1
,
2
, . . . ,
p
} sao chamados ndices de controlabilidade e
= max {
1
,
2
, . . . ,
p
}
e o ndice de controlabilidade de (A, B)
c Reinaldo M. Palhares
pag.33
Teoria de Sistemas Lineares Aula 15

Indices de Controlabilidade
Equivalentemente, se (A, B) e controlavel, o ndice de controlabilidade e o
menor inteiro tal que (C

) =
__
B AB A
1
B
__
= n
Calculo de um intervalo para
Se todos os ndices de controlabilidade sao iguais (
1
=
2
= =
p
),
n/p . Se todos, exceto um, sao iguais a 1, = n (p 1) (maior valor
possvel)
Seja n o grau do polin omio mnimo de A. Entao, por deni cao, existem
i
s tais
que
A
n
=
1
A
n1
+
2
A
n2
+ +
n
I
e A
n
B pode ser escrito como combina cao linear de {B, AB, . . . , A
n1
B}.
Como conclusao
n/p min ( n, n p + 1) e p = rank (B)
c Reinaldo M. Palhares
pag.34
Teoria de Sistemas Lineares Aula 15

Indices de Controlabilidade
Como o grau do polin omio mnimo em geral nao e conhecido, e o posto de B
pode ser computado facilmente, usa-se o corolario a seguir
Corolario O par (A, B) com A R
nn
e (B) = p e controlavel se e
somente se a matriz
C
np+1

_
B AB A
np
B
_
tiver posto n
c Reinaldo M. Palhares
pag.35
Teoria de Sistemas Lineares Aula 15

Indices de Controlabilidade
Exemplo Considere o modelo de satelite (desacoplado) cujas equa coes
linearizadas sao dadas por (veja (2.29), pag.24-25, Chen):
_

_
x =
_

_
0 1 0 0
3 0 0 2
0 0 0 1
0 2 0 0
_

_
x +
_

_
0 0
1 0
0 0
0 1
_

_
u
y =
_
_
1 0 0 0
0 0 1 0
_
_
x
Matriz de controlabilidade C R
nnp
e 4 8
c Reinaldo M. Palhares
pag.36
Teoria de Sistemas Lineares Aula 15

Indices de Controlabilidade
Usando o resultado do corolario anterior, pode-se vericar a controlabilidade
atraves do posto da matriz
_
B AB A
2
B
_
=
_

_
0 0 1 0 0 2
1 0 0 2 1 0
0 0 0 1 2 0
0 1 2 0 0 4
_

_
O posto e 4 o que implica que e controlavel

Indices de controlabilidade:
1
= 2,
2
= 2

Indice de controlabilidade do par (A, B): = 2


c Reinaldo M. Palhares
pag.37
Teoria de Sistemas Lineares Aula 15
Controlabilidade
Teorema A controlabilidade e invariante sob qualquer transforma cao de
equivalencia
Demonstracao Considere o par (A, B) e a matriz de controlabilidade
C =
_
B AB A
2
B A
n1
B
_
O par equivalente (

A,

B) com

A = PAP
1
e

B = PB e P uma matriz nao
singular qualquer possui a matriz de controlabilidade

C =
_

B

A

B

A
2

B

A
n1

B
_
=
_
PB PAP
1
PB PA
n1
P
1
PB
_
= P
_
B AB A
2
B A
n1
B
_
= PC
Como P e nao singular, (C) = (

C)
c Reinaldo M. Palhares
pag.38
Teoria de Sistemas Lineares Aula 15
Controlabilidade
Teorema O conjunto de ndices de controlabilidade do par (A, B) e invariante
sob qualquer transforma cao de equivalencia e para qualquer re-ordenamento das
colunas de B
Demonstracao Do teorema anterior, denindo
C
k
=
_
B AB A
2
B A
k1
B
_
tem-se (C
k
) = (

C
k
) para k = 1, 2, . . .. Qualquer re-arranjamento das
colunas pode ser denido como

B = BM com M R
pp
uma matriz nao
singular de permuta cao. Assim,

C
k

_

B A

B A
k1

B
_
= C
k
diag (M, . . . , M)
Como diag (M, . . . , M) e nao singular, (

C
k
) = (C
k
)
c Reinaldo M. Palhares
pag.39
Teoria de Sistemas Lineares Aula 15
Observabilidade, Decomposicao Canonica
1. Observabilidade de Sistemas LIT
2. Dualidade
3.

Indices de Observabilidade
4. Decomposi cao Canonica
c Reinaldo M. Palhares
pag.1
Teoria de Sistemas Lineares Aula 16
Observabilidade Sistemas LIT
Um estado pode ser observado(acessado) a partir sada?
u
R
1 R
2
R
3
C
1
C
2
y

+
Denem-se as variaveis de estado como v
C
1
e v
C
2
Note que a corrente atraves de R
3
iguala-se a entrada u (o circuito esta
aberto em y), portanto a resposta gerada pelo estado inicial v
C
1
(0) nao aparece
na sada y. Entao o estado inicial v
C
1
(0) nao pode ser observado a partir da
sada
c Reinaldo M. Palhares
pag.2
Teoria de Sistemas Lineares Aula 16
Observabilidade Sistemas LIT
Conceito dual `a controlabilidade
Considere a equa cao dinamica de dimensao n, p entradas e q sadas
_
_
_
x = Ax + Bu
y = Cx + Du
com A R
nn
, B R
np
, C R
qn
e D R
qp
A equa cao de estado acima ou o par (A, C) e observavel se, para qualquer
estado inicial x(0), existir um tempo nito t
1
tal que o conhecimento da entrada
u e da sada y no intervalo [0, t
1
] seja suciente para se determinar de maneira
unica o estado inicial x(0)
c Reinaldo M. Palhares
pag.3
Teoria de Sistemas Lineares Aula 16
Observabilidade Sistemas LIT
Exemplo
+
+
+

1
1
1 1
C
u
x
y
i
Se a entrada e nula, a sada y e sempre nula independentemente da tensao inicial
no capacitor (simetria do circuito). Conhece-se a entrada e a sada, porem nao
pode-se determinar unicamente o estado inicial
O sistema e nao observavel...
c Reinaldo M. Palhares
pag.4
Teoria de Sistemas Lineares Aula 16
Observabilidade Sistemas LIT
Exemplo
+
+

R
1
R
2
C
L
u
y
x
1
x
2
Variaveis de estado: corrente no indutor x
1
e tensao no capacitor x
2
Se u = 0, x
1
(0) = x
10
= 0 e x
2
(0) = 0, a sada y = x
2
e igual a zero.
Qualquer condi cao inicial x(0) = [ a 0 ]

com u = 0 produz a mesma sada


y = 0
Nao e possvel determinar o estado inicial (nao observavel)
c Reinaldo M. Palhares
pag.5
Teoria de Sistemas Lineares Aula 16
Observabilidade Sistemas LIT
A sada do sistema para uma condi cao inicial x(0) e uma entrada u(t) e dada por
y(t) = Ce
At
x(0) + C
_
t
0
e
A(t)
Bu()d + Du(t)
Assumindo y e u conhecidos, a unica inc ognita e x(0). Entao
Ce
At
x(0) = y
y y(t) C
_
t
t
0
e
A(t)
Bu()d Du(t)
c Reinaldo M. Palhares
pag.6
Teoria de Sistemas Lineares Aula 16
Observabilidade Sistemas LIT
Estudar a observabilidade se reduz a obter x(0) a partir de u(t) e y(t). Se
u 0, a sada y(t) reduz-se a resposta `a entrada nula
y(t) = Ce
At
x(0)
Um sistema e observavel se e somente se o estado inicial x(0) pode ser
determinado de maneira unica a partir da resposta `a entrada nula durante um
intervalo de tempo
Note que para um t xo, com q < n, a matriz Ce
At
tem posto no maximo
igual a q e, conseq uentemente, nulidade n q ou maior, e as solu coes nao sao
unicas
c Reinaldo M. Palhares
pag.7
Teoria de Sistemas Lineares Aula 16
Observabilidade Sistemas LIT
Teorema O sistema e observavel se e somente se a matriz n n
W
o
(t) =
_
t
0
e
A

Ce
A
d
for nao singular para qualquer t > 0
Demonstracao Pre-multiplicando Ce
At
x(0) = y(t) por e
A

t
C

e integrando
no intervalo [0, t
1
] tem-se
_
_
t
1
0
e
A

t
C

Ce
At
dt
_
x(0) =
_
t
1
0
e
A

t
C

y(t)dt
Se W
o
(t
1
) e nao singular, x(0) e unico e dado por
x(0) = W
1
o
(t
1
)
_
t
1
0
e
A

t
C

y(t)dt
Isso mostra que se W
o
(t) e nao singular para qualquer t > 0 entao o sistema e
observavel
c Reinaldo M. Palhares
pag.8
Teoria de Sistemas Lineares Aula 16
Observabilidade Sistemas LIT
Agora, mostra-se que se W
o
(t
1
) e singular (ou, equivalentemente, semidenda
positiva) para todo t
1
> 0, entao o sistema e nao observavel
Se W
o
(t
1
) e semidenda positiva, existe v R
n1
nao nulo tal que
v

W
o
(t
1
)v =
_
t
1
0
v

e
A

t
C

Ce
At
vdt
=
_
t
1
0
Ce
At
v
2
dt = 0
o que implica Ce
At
v 0 para todo t [0, t
1
]. Se u 0, as condi coes iniciais
x
1
(0) = v = 0 e x
2
(0) = 0 produzem a mesma sada
y(t) = Ce
At
x
1
(0) = Ce
At
x
2
(0) 0
e portanto o sistema e nao observavel
c Reinaldo M. Palhares
pag.9
Teoria de Sistemas Lineares Aula 16
Observabilidade Sistemas LIT
Teorema (Dualidade) O par (A, B) e controlavel se e somente se o par
(A

, B

) for observavel
Demonstracao (A, B) controlavel se e somente se
W
c
(t) =
_
t
0
e
A
BB

e
A

d
for nao singular para qualquer t > 0. O par (A

, B

) e observavel se e somente
se, trocando A por A

e C por B

W
o
(t) =
_
t
0
e
A
BB

e
A

d
for nao singular para qualquer t > 0
c Reinaldo M. Palhares
pag.10
Teoria de Sistemas Lineares Aula 16
Observabilidade Sistemas LIT
Observabilidade: depende apenas de (A, C)
Teorema As arma coes abaixo sao equivalentes:
1. O par (A, C) e observavel
2. A matriz n n
W
o
(t) =
_
t
0
e
A

Ce
A
d
e nao-singular t > 0
3. A matriz de observabilidade nq n (comando obsv no Matlab)
O =
_

_
C
CA
.
.
.
CA
n1
_

_
tem posto n (posto completo de colunas)
c Reinaldo M. Palhares
pag.11
Teoria de Sistemas Lineares Aula 16
Observabilidade Sistemas LIT
4. A matriz (n + q) n
_
_
I A
C
_
_
tem posto n (posto completo de colunas) para todo autovalor de A
5. Se todos os autovalores de A tem parte real negativa, a solu cao unica de
A

W
o
+ W
o
A = C

C
e denida positiva. Essa solu cao e chamada de Gramiano de observabilidade e
pode ser expressa como
W
o
=
_

0
e
A

Ce
A
d
c Reinaldo M. Palhares
pag.12
Teoria de Sistemas Lineares Aula 16

Indices de Observabilidade
Considere A R
nn
e C R
qn
com C de posto completo de linhas (se
nao for o caso, alguma linha redundante pode ser eliminada)
Se (A, C) for observavel, a matriz de observabilidade O tem rank n e,
conseq uentemente, n linhas linearmente independentes (de um total de nq linhas)
Seja c
i
a i-esima linha de C. De maneira dual `a controlabilidade, se uma
linha associada a c
m
torna-se LD, todas as demais linhas subseq uentes tambem o
serao. Seja
m
o n umero de linhas LI associadas a c
m
. Se O tem rank n,

1
+
2
+ +
q
= n
{
1
,
2
, . . . ,
p
} sao ndices de observabilidade e
= max {
1
,
2
, . . . ,
p
}
e o ndice de observabilidade de (A, C)
c Reinaldo M. Palhares
pag.13
Teoria de Sistemas Lineares Aula 16

Indices de Observabilidade
Se (A, C) e observavel, o ndice de observabilidade e o menor inteiro tal que
(O

) =
_
_
_
_
_
_
_
_

_
C
CA
.
.
.
CA
1
_

_
_
_
_
_
_
_
_
= n
O intervalo para e dado por
n/q min ( n, n q + 1) q = rank (C)
sendo n o grau do polin omio mnimo de A
c Reinaldo M. Palhares
pag.14
Teoria de Sistemas Lineares Aula 16

Indices de Observabilidade
Corolario O par (A, C) com A R
nn
e (C) = q e observavel se e
somente se a matriz
O
nq+1
=
_

_
C
CA
.
.
.
CA
nq
_

_
tiver posto n
Teorema A observabilidade e invariante sob qualquer transforma cao de
equivalencia
Teorema O conjunto de ndices de observabilidade do par (A, C) e invariante
sob qualquer transforma cao de equivalencia e para qualquer re-ordenamento das
linhas de C
c Reinaldo M. Palhares
pag.15
Teoria de Sistemas Lineares Aula 16

Indices de Observabilidade
Diferenciando Ce
At
x(0) = y(t) e tomando t = 0, tem-se
_

_
C
CA
.
.
.
CA
1
_

_
x(0) = O

x(0) = y(0)
_

_
y(0)

y(0)
.
.
.
y
(1)
(0)
_

_
Uma solu cao x(0) existe se y(0) estiver no range de O

. Se (A, C) e
observavel, O

tem rank completo de colunas e a solu cao e unica


x(0) = [O

O]
1
O

y(0)
Note que para a determina cao do vetor y(0) (contendo as derivadas) e necessario
o conhecimento de y(t) na vizinhan ca de t = 0
c Reinaldo M. Palhares
pag.16
Teoria de Sistemas Lineares Aula 16
Sistemas Equivalentes
Considere o sistema
_
_
_
x = Ax + Bu
y = Cx + Du
Seja x = Px com P nao singular. Entao
_
_
_

x =

A x +

Bu
y =

C x +

Du

A = PAP
1
;

B = PB ;

C = CP
1
;

D = D
e um sistema equivalente
(A, B) controlavel (

A,

B) controlavel
(A, C) observavel (

A,

C) observavel
c Reinaldo M. Palhares
pag.17
Teoria de Sistemas Lineares Aula 16
Sistemas Equivalentes
Todas as propriedades (estabilidade, controlabilidade e observabilidade) sao
preservadas pela transforma cao de equivalencia.
As matrizes de controlabilidade e de observabilidade se relacionam da seguinte
forma

C = PC ;

O = OP
1
c Reinaldo M. Palhares
pag.18
Teoria de Sistemas Lineares Aula 16
Decomposicao Canonica
Teorema Considere um sistema de dimensao n com
(C) =
__
B AB A
n1
B
__
= n
1
< n
e forme a matriz n n, P
1

_
q
1
q
n
1
q
n
_
, cujas primeiras
n
1
colunas sao quaisquer n
1
colunas LI de C e as demais sao escolhidas
arbitrariamente de modo que P seja nao singular
A transforma cao de equivalencia x = Px transforma o sistema em
_

_
_
_

x
c

x
c
_
_
=
_
_

A
c

A
12
0

A
c
_
_
_
_
x
c
x
c
_
_
+
_
_

B
c
0
_
_
u
y =
_

C
c

C
c
_
_
_
x
c
x
c
_
_
+ Du
com

A
c
R
n
1
n
1
e

A
c
R
(nn
1
)(nn
1
)
c Reinaldo M. Palhares
pag.19
Teoria de Sistemas Lineares Aula 16
Decomposicao Canonica
A sub-equa cao de dimensao n
1

x
c
=

A
c
x
c
+

B
c
u
y =

C
c
x
c
+ Du
e controlavel e tem a mesma matriz de transferencia do sistema original
c Reinaldo M. Palhares
pag.20
Teoria de Sistemas Lineares Aula 16
Decomposicao Canonica
Demonstracao A transforma cao x = P
1
x realiza uma mudan ca de
representa cao do estado da base ortonormal para a base
Q P
1
= {q
1
, . . . , q
n
1
, . . . , q
n
}. A i-esima coluna de

A e a representa cao
de Aq
i
na base {q
1
, . . . , q
n
1
, . . . , q
n
}. Para i = 1, . . . , n
1
, os vetores Aq
i
sao LD no conjunto {q
1
, . . . , q
n
1
} e sao LI em {q
n
1
+1
, . . . , q
n
}, o que explica
a forma da matriz

A
As colunas de

B sao a representa cao das colunas de B em rela cao `a base
{q
1
, . . . , q
n
1
, . . . , q
n
}. Mas as colunas de B dependem apenas de
{q
1
, . . . , q
n
1
}, o que explica a forma de

B. Note que se B R
np
tem rank p
e se suas colunas sao escolhidas como as primeiras p colunas de P
1
, entao a
parte superior de

B sera a matriz identidade de ordem p
c Reinaldo M. Palhares
pag.21
Teoria de Sistemas Lineares Aula 16
Decomposicao Canonica
Seja C a matriz de controlabilidade de (A, B). Entao, tem-se (C) = (

C) = n
1
e pode-se vericar que

C =
_
_

B
c

A
c

B
c


A
n
1
c

B
c


A
n1
c

B
c
0 0 0 0
_
_
=
_
_

C
c

A
n
1
c

B
c


A
n1
c

B
c
0 0 0
_
_
_
n
1
linhas
_
n n
1
linhas
sendo

C
c
a matriz de controlabilidade do par (

A
c
,

B
c
). Como as colunas de

A
k
c

B
c
, para k n
1
, sao LD das colunas de

C
c
, a condi cao (C) = n
1
implica
(

C) = n
1
e portanto a equa cao de dimensao n
1
e controlavel
Resta mostrar que a equa cao de dimensao n
1
tem a mesma fun cao de
transferencia do sistema original ?
c Reinaldo M. Palhares
pag.22
Teoria de Sistemas Lineares Aula 16
Decomposicao Canonica
A equa cao de dimensao n
1
tem a mesma FT do sistema original? Como a
transforma cao de equivalencia nao altera a FT, basta mostrar que a FT do
sistema de dimensao n
1
e igual `a do sistema transformado
Note que no sistema transformado tem-se:
_
_
sI

A
c


A
12
0 sI

A
c
_
_
1
=
_
_
_
sI

A
c
_
1
M
0
_
sI

A
c
_
1
_
_
com
M =
_
sI

A
c
_
1

A
12
_
sI

A
c
_
1
e portanto a matriz de transferencia do sistema transformado e...
c Reinaldo M. Palhares
pag.23
Teoria de Sistemas Lineares Aula 16
Decomposicao Canonica
Matriz de transferencia:
_

C
c

C
c
_
_
_
sI

A
c


A
12
0 sI

A
c
_
_
1
_
_

B
c
0
_
_
+ D =
_

C
c

C
c
_
_
_
_
sI

A
c
_
1
M
0
_
sI

A
c
_
1
_
_
_
_

B
c
0
_
_
+ D
=

C
c
_
sI

A
c
_
1

B
c
+ D
i.e., tem a mesma FT...
c Reinaldo M. Palhares
pag.24
Teoria de Sistemas Lineares Aula 16
Decomposicao Canonica
Na transforma cao de equivalencia x = Px, o espa co de estados e dividio em
dois subespa cos: um controlavel e outro nao controlavel
Decomposi cao do espa co de estados
nao-controlavel; dimensao n n
1

_
_
x
c
x
c
_
_
=
_
_
x
c
0
_
_
+
_
_
0
x
c
_
_

controlavel; dimensao n
1
c Reinaldo M. Palhares
pag.25
Teoria de Sistemas Lineares Aula 16
Decomposicao Canonica
Exemplo
x =
_

_
1 1 0
0 1 0
0 1 1
_

_
x +
_

_
0 1
1 0
0 1
_

_
u ; y =
_
1 1 1
_
x
rank(B) e 2 C
2
=
_
B AB
_
(C
2
) =
_

_
0 1 1 1
1 0 1 0
0 1 1 1
_

_
= 2 < 3
o sistema e nao controlavel...
c Reinaldo M. Palhares
pag.26
Teoria de Sistemas Lineares Aula 16
Decomposicao Canonica
Escolha:
P
1
= Q =
_

_
0 1 1
1 0 0
0 1 0
_

_
; x = Px
as duas primeiras colunas de Q sao as duas primeiras colunas LI de C
2
. Note

A = PAP
1
=
_

_
1 0 0
1 1 0
0 0 1
_

_
;

B = PB =
_

_
1 0
0 1
0 0
_

C = CP
1
=
_
1 2 1
_
c Reinaldo M. Palhares
pag.27
Teoria de Sistemas Lineares Aula 16
Decomposicao Canonica
Sistema de dimensao n
1
= 2

x
c
=
_
_
1 0
1 1
_
_
x
c
+
_
_
1 0
0 1
_
_
u ; y =
_
1 2
_
x
MATLAB A fun cao ctrbf transforma o sistema para a forma canonica
controlavel, mas com as colunas de P
1
na ordem inversa, resultando
_
_

A
c
0

A
21

A
c
_
_
;
_
_
0

B
c
_
_
c Reinaldo M. Palhares
pag.28
Teoria de Sistemas Lineares Aula 16
Decomposicao Canonica
Teorema (Decomposi cao Canonica Forma Dual) Considere um sistema de
dimensao n com
(O) =
_
_
_
_
_
_
_
_

_
C
CA
.
.
.
CA
n1
_

_
_
_
_
_
_
_
_
= n
2
< n
e forme a matriz n n P
_
p
1
. . . p
n
2
. . . p
n
_

cujas primeiras n
2
linhas sao quaisquer n
2
linhas LI de O e as demais sao escolhidas arbitrariamente
de modo que P seja nao singular. Entao...
c Reinaldo M. Palhares
pag.29
Teoria de Sistemas Lineares Aula 16
Decomposicao Canonica
Entao, x = Px transforma o sistema em
_

_
_
_

x
o

x
o
_
_
=
_
_

A
o
0

A
21

A
o
_
_
_
_
x
o
x
o
_
_
+
_
_

B
o

B
o
_
_
u
y =
_

C
o
0
_
_
_
x
o
x
o
_
_
+ Du

A
o
R
n
2
n
2
e

A
o
R
(nn
2
)(nn
2
)
. A sub-equa cao de dimensao n
2
_
_
_

x
o
=

A
o
x
o
+

B
o
u
y =

C
o
x
o
+ Du
e observavel e tem a mesma matriz de transferencia
MATLAB obsvf
c Reinaldo M. Palhares
pag.30
Teoria de Sistemas Lineares Aula 16
Decomposicao Canonica
Teorema (Decomposicao de Kalman) Toda equa cao de estado pode ser
transformada na forma canonica equivalente
_

_
_

x
co

x
c o

x
co

x
c o
_

_
=
_

A
co
0

A
13
0

A
21

A
c o

A
23

A
24
0 0

A
co
0
0 0

A
43

A
c o
_

_
_

_
x
co
x
c o
x
co
x
c o
_

_
+
_

B
co

B
c o
0
0
_

_
u
y =
_

C
co
0

C
co
0
_
x + Du
sendo, x
co
controlavel e observavel; x
c o
controlavel e nao observavel; x
co
nao
controlavel e observavel e x
c o
nao controlavel e nao observavel
c Reinaldo M. Palhares
pag.31
Teoria de Sistemas Lineares Aula 16
Decomposicao Canonica
O sistema e equivalente (para estado inicial nulo) `a equa cao de estado controlavel
e observavel
_

x
co
=

A
co
x
co
+

B
co
u
y =

C
co
x
co
+ Du
com a matriz de transferencia dada por:
G(s) =

C
co
(sI

A
co
)
1

B
co
+ D
c Reinaldo M. Palhares
pag.32
Teoria de Sistemas Lineares Aula 16
Decomposicao Canonica
Decomposi cao de Kalman
u
y
CO

CO

O
C

O
Descri cao por FT nao e necessariamente equivalente `a descri cao por equa coes
de estado
MATLAB minreal (realiza cao mnima, cancelando p olos e zeros)
c Reinaldo M. Palhares
pag.33
Teoria de Sistemas Lineares Aula 16
Decomposicao Canonica
Exemplo
u
1
1 1
1
1
x
1
x
2
x
3
x
4
2 F
2 F
1 H 1 H
y

+
+
+
Eliminando as variaveis de estado que sao nao controlaveis e/ou nao observaveis...
c Reinaldo M. Palhares
pag.34
Teoria de Sistemas Lineares Aula 16
Decomposicao Canonica
Eliminando as variaveis de estado que nao sao controlaveis (circuito com o R+L
do lado aberto em y) e e/ou nao sao observaveis (C+L em paralelo na malha da
fonte de corrente u) (note ainda que devido a simetria x
3
e nao controlavel e nao
observavel...):
u
1
1 1
1
y

+
Corrente em cada ramo: u/2 e sada y = u/2 + u/2 = u. Portanto FT:
y = u, i.e., G(s) = 1
c Reinaldo M. Palhares
pag.35
Teoria de Sistemas Lineares Aula 16
Decomposicao Canonica
Equa cao de estado do circuito original (forma canonica controlavel)
_

_
x =
_

_
0 0.5 0 0
1 0 0 0
0 0 0.5 0
0 0 0 1
_

_
x +
_

_
0.5
0
0
0
_

_
u
y =
_
0 0 0 1
_
x + u
Parte controlavel
_

_
x
c
=
_
_
0 0.5
1 0
_
_
x
c
+
_
_
0.5
0
_
_
u
y =
_
0 0
_
x
c
+ u y = u
c Reinaldo M. Palhares
pag.36
Teoria de Sistemas Lineares Aula 16
Controlabilidade e Observabilidade
1. Formas de Jordan
2. Sistemas a Tempo Discreto
3. Sistemas LVT
c Reinaldo M. Palhares
pag.1
Teoria de Sistemas Lineares Aula 17
Controlabilidade e Observabilidade: Formas de Jordan
Considere o sistema LIT
_
_
_
x = Jx + Bu
y = Cx
sendo J uma matriz na forma de Jordan
Suponha que J tem os autovalores distintos
1
e
2
J = diag (J
1
, J
2
)
J
1
: todos os blocos de Jordan associados com
1
J
2
: todos os blocos de Jordan associados com
2
Por exemplo, J
1
= diag (J
11
, J
12
, J
13
) ; J
2
= diag (J
21
, J
22
)
b
lij
: linha de B correspondendo `a ultima linha de J
ij
c
fij
: coluna de C correspondendo `a primeira coluna de J
ij
c Reinaldo M. Palhares
pag.2
Teoria de Sistemas Lineares Aula 17
Controlabilidade e Observabilidade: Formas de Jordan
Para a estrutura anterior de linhas b
lij
e colunas c
fij
para J
1
eJ
2
:
Teorema
O sistema e controlavel se e somente se os tres vetores linha {b
l11
, b
l12
, b
l13
}
sao LI e os dois vetores linha {b
l21
, b
l22
} sao LI
O sistema e observavel se e somente se os tres vetores coluna
{c
f11
, c
f12
, c
f13
} sao LI e os dois vetores coluna {c
f21
, c
f22
} sao LI
Demonstracao Analise do posto de
_
sI A B
_
nos autovalores de A. Ie,
eg, a controlabilidade das variaveis de estado associadas ao mesmo autovalor
depende apenas das linhas de B que corresponde as ultimas linhas de todos os
blocos de Jordan associados com o autovalor
c Reinaldo M. Palhares
pag.3
Teoria de Sistemas Lineares Aula 17
Controlabilidade e Observabilidade: Formas de Jordan
Exemplo
x =
_

1
1 0 0 0 0 0
0
1
0 0 0 0 0
0 0
1
0 0 0 0
0 0 0
1
0 0 0
0 0 0 0
2
1 0
0 0 0 0 0
2
1
0 0 0 0 0 0
2
_

_
x +
_

_
0 0 0
1 0 0
0 1 0
1 1 1
1 2 3
0 1 0
1 1 1
_

_
u
y =
_

_
1 1 2 0 0 2 1
1 0 1 2 0 1 1
1 0 2 3 0 2 0
_

_
x
3 blocos de Jordan associados ao autovalor
1
com ordens: 2, 1 e 1
c Reinaldo M. Palhares
pag.4
Teoria de Sistemas Lineares Aula 17
Controlabilidade e Observabilidade: Formas de Jordan
Linhas de B correspondentes `as ultimas linhas dos blocos
_
1 0 0
_
;
_
0 1 0
_
;
_
1 1 1
_
sao LI
1 bloco de Jordan de ordem 3 associado a
2
Linha de B associada `a ultima linha do bloco de Jordan
_
1 1 1
_
LI (nao nula) = sistema controlavel
Observabilidade: colunas associadas `a primeira coluna de cada bloco
_

_
1
1
1
_

_
;
_

_
2
1
2
_

_
;
_

_
0
2
3
_

_
sao LI ;
_

_
0
0
0
_

_
nao e LI = sistema nao observavel
c Reinaldo M. Palhares
pag.5
Teoria de Sistemas Lineares Aula 17
Controlabilidade e Observabilidade: Formas de Jordan
Sistemas SISO
Corolario Uma equa cao de estado mono-entrada na forma de Jordan e
controlavel se e somente se existir apenas um bloco de Jordan associado a cada
autovalor distinto e todo elemento de B correspondente `a ultima linha de cada
bloco de Jordan for nao nulo
Corolario Uma equa cao de estado mono-sada na forma de Jordan e observavel
se e somente se existir apenas um bloco de Jordan associado a cada autovalor
distinto e todo elemento de C correspondente `a primeira coluna de cada bloco de
Jordan for nao nulo
c Reinaldo M. Palhares
pag.6
Teoria de Sistemas Lineares Aula 17
Controlabilidade e Observabilidade: Formas de Jordan
Exemplo
_

_
x =
_

_
0 1 0 0
0 0 1 0
0 0 0 0
0 0 0 2
_

_
x +
_

_
10
9
0
1
_

_
u
y =
_
1 0 0 2
_
x
Ha dois blocos de Jordan, um de ordem 3 associado ao autovalor 0 e outro de
ordem 1 associado ao 2. O elemento de B correspondente `a ultima linha do
primeiro bloco e zero = nao controlavel
Os dois elementos de C correspondentes `a primeira coluna de cada um dos
blocos sao nao nulos = observavel
c Reinaldo M. Palhares
pag.7
Teoria de Sistemas Lineares Aula 17
Sistemas a Tempo Discreto
_
_
_
x(t + 1) = Ax(t) + Bu(t)
y(t) = Cx(t)
sendo A R
nn
, B R
np
, C R
qn
O sistema discreto (ou o par (A, B)) e controlavel se para qualquer condi cao
inicial x(0) = x
0
e qualquer estado nal x
1
existir uma seq uencia de entradas de
tamanho nito que transfere o sistema de x
0
para x
1
Teorema (Controlabilidade) Sao equivalentes:
1. (A, B) e controlavel
2. A matriz n n: W
dc
(n 1) =
n1

m=0
(A)
m
BB

(A

)
m
e nao-singular
c Reinaldo M. Palhares
pag.8
Teoria de Sistemas Lineares Aula 17
Sistemas a Tempo Discreto
3. A matriz de controlabilidade C
d
=
_
B AB A
n1
B
_
(n np)
tem posto n
4. A matriz n (n + p)
_
AI B
_
tem posto n em todo
5. Se todos os autovalores de A tem m odulo menor que 1, entao a solu cao
unica de
W
dc
AW
dc
A

= BB

e denida positiva (dgram: Gramiano discreto), ie:


W
dc
=

m=0
A
m
BB

(A

)
m
c Reinaldo M. Palhares
pag.9
Teoria de Sistemas Lineares Aula 17
Sistemas a Tempo Discreto
Solu cao do sistema em t = n e dada por
x(n) = A
n
x(0) +
n1

m=0
A
t1m
Bu(m)
e pode ser escrita
x(n) A
n
x(0) =
_
B AB A
n1
B
_
_

_
u(n 1)
u(n 2)
.
.
.
u(0)
_

_
Portanto, para quaisquer x(0) e x(n), existe uma seq uencia de entrada se e
somente se a matriz de controlabilidade tiver posto completo de linhas
c Reinaldo M. Palhares
pag.10
Teoria de Sistemas Lineares Aula 17
Sistemas a Tempo Discreto
A matriz W
dc
(n 1) pode ser escrita da forma:
W
dc
(n 1) =
_
B AB A
n1
B
_
_

_
B

.
.
.
B

(A

)
n1
_

_
Note que W
dc
(m) e sempre semidenida positiva. Se for nao singular (ou,
equivalentemente, denida positiva), o sistema e controlavel
c Reinaldo M. Palhares
pag.11
Teoria de Sistemas Lineares Aula 17
Sistemas a Tempo Discreto
O sistema discreto (ou o par (A, C)) e observavel se para qualquer condi cao
inicial desconhecida x(0) existir um inteiro nito t
1
> 0 tal que o conhecimento
da seq uencia de entrada u(t) e da seq uencia de sada de t = 0 ate t
1
seja
suciente para determinar de maneira unica o estado inicial x(0)
Teorema (Observabilidade) Sao equivalentes:
1. (A, C) e observavel
2. A matriz n n: W
do
(n 1) =

n1
m=0
(A

)
m
C

CA
m
e nao-singular
3. A matriz de observabilidade nq n
O
d
=
_

_
C
CA
.
.
.
CA
n1
_

_
tem posto n
c Reinaldo M. Palhares
pag.12
Teoria de Sistemas Lineares Aula 17
Sistemas a Tempo Discreto
4. A matriz (n + q) n
_
_
AI
C
_
_
tem posto n em todo
5. Se todos os autovalores de A tem m odulo menor que 1, entao a solu cao
unica de
W
do
A

W
do
A = C

C
e denida positiva
W
do
=

m=0
(A

)
m
C

CA
m
c Reinaldo M. Palhares
pag.13
Teoria de Sistemas Lineares Aula 17
Sistemas a Tempo Discreto
Curiosidade Se A for singular pode ser possvel levar o estado de qualquer
condi cao inicial para a origem sem que o sistema seja controlavel...
Exemplo
x(t + 1) =
_

_
0 1 0
0 0 1
0 0 0
_

_
x(t) +
_

_
0
0
0
_

_
u(t)
Sistema nao controlavel (rank (C
d
) = 0)
Note que A
k
= 0 para k 3. Assim,
x(3) = A
3
x(0) = 0
para qualquer estado inicial x(0) (e o sistema e controlavel para a origem)
c Reinaldo M. Palhares
pag.14
Teoria de Sistemas Lineares Aula 17
Sistemas LVT
Considere o sistema dinamico linear n-dimensional
_
_
_
x(t) = A(t)x(t) + B(t)u(t)
y(t) = C(t)x(t)
A equa cao de estado e controlavel em t
0
se existir t
1
> t
0
tal que para qualquer
condi cao inicial x(t
0
) = x
0
e qualquer x
1
, existir uma entrada que transfere x
0
para x
1
no instante t
1
No caso invariante no tempo, um sistema e controlavel independentemente do
t
0
escolhido
c Reinaldo M. Palhares
pag.15
Teoria de Sistemas Lineares Aula 17
Sistemas LVT
Teorema O sistema (ou o par (A(t), B(t))) e controlavel em t
0
se e somente
se existir t
1
> t
0
tal que a matriz n n
W
c
(t
0
, t
1
) =
_
t
1
t
0
(t
1
, )B()B

()

(t
1
, )d
e nao-singular
(t, ) e a matriz de transi cao de estados de x = A(t)x
c Reinaldo M. Palhares
pag.16
Teoria de Sistemas Lineares Aula 17
Sistemas LVT
Demonstracao Primeiramente, mostra-se que se W
c
(t
0
, t
1
) e nao singular,
entao o sistema e controlavel. A solu cao em t
1
e dada por
x(t
1
) = (t
1
, t
0
)x
0
+
_
t
1
t
0
(t
1
, )B()u()d
A entrada u(t) = B

(t)

(t
1
, t)W
1
c
(t
0
, t
1
)
_
(t
1
, t
0
)x
0
x
1
_
, transfere
o estado x
0
para x
1
no instante t
1
. Substituindo,
x(t
1
) = (t
1
, t
0
)x
0

_
t
1
t
0
(t
1
, )B()B

()

(t
1
, )d
W
1
c
(t
0
, t
1
)
_
(t
1
, t
0
)x
0
x
1
_
= (t
1
, t
0
)x
0
W
c
(t
0
, t
1
)W
1
c
(t
0
, t
1
)
_
(t
1
, t
0
)x
0
x
1
_
= x
1
e portanto a equa cao e controlavel em t
0
...
c Reinaldo M. Palhares
pag.17
Teoria de Sistemas Lineares Aula 17
Sistemas LVT
O inverso e mostrado por contradi cao. Suponha que o sistema e controlavel mas
W
c
(t
0
, t
1
) e singular (ou semidenida positiva) para todo t
1
> t
0
. Neste caso,
existe um vetor n 1 v nao nulo tal que
v

W
c
(t
0
, t
1
)v =
_
t
1
t
0
v

(t
1
, )B()B

()

(t
1
, )vd
=
_
t
1
t
0
B

()

(t
1
, )v
2
d = 0
implicando B

()

(t
1
, )v 0 ou v

(t
1
, )B() 0 para todo
[t
0
, t
1
]
Se o sistema e controlavel, entao...
c Reinaldo M. Palhares
pag.18
Teoria de Sistemas Lineares Aula 17
Sistemas LVT
Se o sistema e controlavel, entao existe uma entrada que transfere o estado inicial
x
0
= (t
0
, t
1
)v para x(t
1
) = 0. Assim,
0 = (t
1
, t
0
)(t
0
, t
1
)v +
_
t
1
t
0
(t
1
, )B()u()d
Pre-multiplicando por v

tem-se
0 = v

v +
_
t
1
t
0
v

(t
1
, )B()u()d = v
2
+ 0
o que contradiz a hip otese de que v = 0. Assim, se (A(t), B(t)) e controlavel
em t
0
, entao W
c
(t
0
, t
1
) e nao singular para algum t
1
nito
c Reinaldo M. Palhares
pag.19
Teoria de Sistemas Lineares Aula 17
Sistemas LVT
Condi coes envolvem o conhecimento de (t, )
Seria desejavel se obtivessemos condi coes em termos de A(t) e B(t)...
Suponha que A(t) e B(t) sejam (n 1) vezes continuamente diferenciaveis,
dena
M
0
(t) = B(t)
M
m+1
(t) = A(t)M
m
(t) +
d
dt
M
m
(t) ; m = 0, 1, . . . , n 1
Portanto (t
2
, t)B(t) = (t
2
, t)M
0
(t) para qualquer t
2
. Usando o fato que

t
(t
2
, t) = (t
2
, t)A(t)
obtem-se...
c Reinaldo M. Palhares
pag.20
Teoria de Sistemas Lineares Aula 17
Sistemas LVT
obtem-se

t
_
(t
2
, t)B(t)
_
=

t
_
(t
2
, t)
_
B(t) + (t
2
, t)
d
dt
B(t)
= (t
2
, t)
_
A(t)M
0
(t) +
d
dt
M
0
(t)
_
= (t
2
, t)M
1
(t)
De maneira geral:

m
t
m
(t
2
, t)B(t) = (t
2
, t)M
m
(t) ; m = 0, 1, . . . , n 1
Teorema Sejam A(t) e B(t) n 1 vezes continuamente diferenciaveis. O par
(A(t), B(t)) e controlavel em t
0
se existir t
1
> t
0
tal que
posto
_
M
0
(t
1
) M
1
(t
1
) M
(n1)
(t
1
)
_
= n
c Reinaldo M. Palhares
pag.21
Teoria de Sistemas Lineares Aula 17
Sistemas LVT
Demonstracao Mostra-se que se o posto e n, entao W
c
(t
0
, t) e nao singular
para todo t t
1
. Suponha que W
c
(t
0
, t) e singular para algum t
2
t
1
. Neste
caso, existe um vetor n 1 nao nulo v tal que
v

W
c
(t
0
, t
2
)v =
_
t
2
t
0
v

(t
2
, )B()B()

(t
2
, )vd
=
_
t
2
t
0
B()

(t
2
, )v
2
d = 0
implicando B()

(t
2
, )v 0 ou v

(t
2
, )B() = 0 para todo
[t
0
, t
2
]. Diferenciando em rela cao a tem-se
v

(t
2
, )M
m
() 0
para m = 0, 1, 2, . . . , n 1 e todo [t
0
, t
2
] (em particular, em t
1
)
c Reinaldo M. Palhares
pag.22
Teoria de Sistemas Lineares Aula 17
Sistemas LVT
Rearranjando, a equa cao anterior pode ser escrita da forma
v

(t
2
, )
_
M
0
(t
1
) M
1
(t
1
) M
(n1)
(t
1
)
_
= 0
Como (t
2
, ) e nao singular, v

(t
2
, ) e diferente de zero e isso contradiz a
condi cao do teorema. Assim, a condi cao do teorema garante que W
c
(t
0
, t
2
) e
nao singular para todo t
2
t
1
e portanto (A(t), B(t)) e controlavel em t
0

Note que o teorema expressa uma condi cao suciente para o sistema ser
controlavel
c Reinaldo M. Palhares
pag.23
Teoria de Sistemas Lineares Aula 17
Sistemas LVT
Exemplo x =
2
6
6
4
t 1 0
0 t 0
0 0 t
2
3
7
7
5
x +
2
6
6
4
0
1
1
3
7
7
5
u
M
0
(t) =
2
6
6
4
0
1
1
3
7
7
5
; M
1
(t) = A(t)M
0
(t) +
d
dt
M
0
(t) =
2
6
6
4
1
t
t
2
3
7
7
5
M
2
(t) = A(t)M
1
(t) +
d
dt
M
1
(t) =
2
6
6
4
2t
t
2
1
t
4
2t
3
7
7
5

h
M
0
(t) M
1
(t) M
2
(t)
i
=
0
B
B
@
2
6
6
4
0 1 2t
1 t t
2
1
1 t
2
t
4
2t
3
7
7
5
1
C
C
A
= 3 , t
c Reinaldo M. Palhares
pag.24
Teoria de Sistemas Lineares Aula 17
Sistemas LVT
Teorema (Observabilidade) O sistema (ou o par (A(t), C(t))) e observavel
em t
0
se e somente se existir t
1
> t
0
tal que a matriz n n
W
o
(t
0
, t
1
) =
_
t
1
t
0
(, t
0
)

()C()(, t
0
)d e nao-singular
Teorema (Observabilidade) Sejam A(t) e C(t) n 1 vezes continuamente
diferenciaveis. O par (A(t), C(t)) e observavel em t
0
se existir t
1
> t
0
tal que
posto
_

_
N
0
(t
1
)
N
1
(t
1
)
.
.
.
N
(n1)
(t
1
)
_

_
= n
sendo N
0
= C(t) e
N
m+1
(t) = N
m
(t)A(t) +
d
dt
N
m
(t) ; m = 0, 1, . . . , n 1
c Reinaldo M. Palhares
pag.25
Teoria de Sistemas Lineares Aula 17
Realimentacao de Estado Sistemas SISO
1. Realimenta cao de Estado para Sistemas SISO
c Reinaldo M. Palhares
pag.1
Teoria de Sistemas Lineares Aula 18
Realimentacao de Estado Sistemas SISO
Considere o sistema n dimensional, SISO:
_
_
_
x = Ax + bu
y = cx
Na realimenta cao de estados, a entrada u e dada por
u = r kx = r
_
k
1
k
2
k
n
_
x
sendo r um sinal de referencia. Substituindo u
_
_
_
x = (Abk)x + br
y = cx
c Reinaldo M. Palhares
pag.2
Teoria de Sistemas Lineares Aula 18
Realimentacao de Estado Sistemas SISO
Esquematico
u
k
b
x
x
A
R
c
y
+
+
+

r
c Reinaldo M. Palhares
pag.3
Teoria de Sistemas Lineares Aula 18
Realimentacao de Estado Sistemas SISO
Teorema O par (Abk, b) e controlavel para qualquer vetor k R
1n
se e
somente se o par (A, b) tambem o for
Demonstracao Considere, eg, n = 4 e as matrizes de controlabilidade
C =
_
b Ab A
2
b A
3
b
_
C
f
=
_
b (Abk)b (Abk)
2
b (Abk)
3
b
_
Veja que
C
f
= C
_

_
1 kb k(Abk)b k(Abk)
2
b
0 1 kb k(Abk)b
0 0 1 kb
0 0 0 1
_

_
e a matriz `a direita e nao singular para qualquer k. Portanto, o posto de C
f
e
igual ao de C...
c Reinaldo M. Palhares
pag.4
Teoria de Sistemas Lineares Aula 18
Realimentacao de Estado Sistemas SISO
O resultado do teorema anterior pode tambem ser demonstrado utilizando a
deni cao de controlabilidade. Considere x
0
e x
1
arbitrarios. Se o sistema original
e controlavel, existe u
1
que leva de x
0
a x
1
em tempo nito. Se escolher uma
entrada da forma r
1
= u
1
+ kx, entao leva o sistema controlado de x
0
a x
1
(veja que x = (Abk)x + br)
Observe tambem que r nao controla o estado diretamente; r gera a entrada u
que e usada para controlar x. Portanto, se u nao controla o estado x, r tambem
nao controlara...
Controlabilidade: e invariante sob qualquer realimenta cao de estados
A propriedade de observabilidade nao e invariante...
c Reinaldo M. Palhares
pag.5
Teoria de Sistemas Lineares Aula 18
Realimentacao de Estado Sistemas SISO
Exemplo
_

_
x =
_
_
1 2
3 1
_
_
x +
_
_
0
1
_
_
u
y =
_
1 2
_
x
Pode-se veriicar que o par (A, B) e controlavel e o par (A, C) e observavel
Dene-se u = r
_
3 1
_
x, entao
_

_
x =
_
_
1 2
0 0
_
_
x +
_
_
0
1
_
_
r
y =
_
1 2
_
x
c Reinaldo M. Palhares
pag.6
Teoria de Sistemas Lineares Aula 18
Realimentacao de Estado Sistemas SISO
Veja que as matrizes de controlabilidade e observabilidade do sistema
realimentado sao tais que:
C
f
=
_
_
0 2
1 0
_
_
, posto = 2
O
f
=
_
_
1 2
1 2
_
_
, posto = 1
O sistema e controlavel e nao observavel
c Reinaldo M. Palhares
pag.7
Teoria de Sistemas Lineares Aula 18
Realimentacao de Estado Sistemas SISO
Exemplo x =
_
_
1 3
3 1
_
_
x +
_
_
1
0
_
_
u
Polin omio caracterstico: (s) = (s 4)(s + 2)
Realimenta cao de estados: u = r
_
k
1
k
2
_
x
x =
_
_
1 k
1
3 k
2
3 1
_
_
x +
_
_
1
0
_
_
r
Polin omio caracterstico:
f
(s) = s
2
+ (k
1
2)s + (3k
2
k
1
8)
A escolha de k
1
e k
2
pode alocar os autovalores do sistema em malha fechada
em qualquer posi cao arbitraria...
c Reinaldo M. Palhares
pag.8
Teoria de Sistemas Lineares Aula 18
Realimentacao de Estado Sistemas SISO
Teorema Considere o sistema
_
_
_
x = Ax + bu
y = cx
com n = 4 e o polin omio caracterstico
(s) = det(sI A) = s
4
+
1
s
3
+
2
s
2
+
3
s +
4
Se o sistema e controlavel, entao existe uma transforma cao x = Px com
Q = P
1
=
_
b Ab A
2
b A
3
b
_
_

_
1
1

2

3
0 1
1

2
0 0 1
1
0 0 0 1
_

_
que leva o sistema `a forma canonica controlavel a seguir
c Reinaldo M. Palhares
pag.9
Teoria de Sistemas Lineares Aula 18
Realimentacao de Estado Sistemas SISO
forma controlavel:

x =

A x +

bu =
_

1

2

3

4
1 0 0 0
0 1 0 0
0 0 1 0
_

_
x +
_

_
1
0
0
0
_

_
u
y = c x =
_

1

2

3

4
_
x
Alem disso, a fun cao de transferencia do sistema e dada por
G(s) =

1
s
3
+
2
s
2
+
3
s +
4
s
4
+
1
s
3
+
2
2
+
3
s +
4
c Reinaldo M. Palhares
pag.10
Teoria de Sistemas Lineares Aula 18
Realimentacao de Estado Sistemas SISO
Demonstracao: Sejam C e

C as matrizes de controlabilidade do sistema
original e do transformado, respectivamente. No caso SISO, ambas sao
quadradas. Se o sistema original e controlavel ou C e nao singular,

C tambem o e,
e as duas matrizes se relacionam na forma

C = PC. Assim,
P =

CC
1
ou Q = P
1
= C

C
1
A matriz de controlabilidade do sistema transformado e dada por

C =
_

_
1
1

2
1

2

3
1
+ 2
1

3
0 1
1

2
1

2
0 0 1
1
0 0 0 1
_

_
e sua inversa e dada por...
c Reinaldo M. Palhares
pag.11
Teoria de Sistemas Lineares Aula 18
Realimentacao de Estado Sistemas SISO

C
1
=
_

_
1
1

2

3
0 1
1

2
0 0 1
1
0 0 0 1
_

_
e substituindo-se em Q = C

C
1
obtem-se o resultado do teorema
Ainda, verica-se que a equa cao de estado transformada e uma realiza cao da
fun cao de transferencia G(s), que por sua vez e tambem a fun cao de
transferencia do sistema original
c Reinaldo M. Palhares
pag.12
Teoria de Sistemas Lineares Aula 18
Realimentacao de Estado Sistemas SISO
Teorema Se o sistema
_
_
_
x = Ax + bu
y = cx
e controlavel, entao com a realimenta cao de estados u = r kx pode-se alocar
arbitrariamente os autovalores de Abk (desde que autovalores complexos
apare cam em pares complexo conjugados)
Demonstracao Considerando n = 4, se o sistema e controlavel, entao pode ser
colocado na forma canonica controlavel, apresentada no Teorema anterior, ie
c Reinaldo M. Palhares
pag.13
Teoria de Sistemas Lineares Aula 18
Realimentacao de Estado Sistemas SISO

x =

A x +

bu =
_

1

2

3

4
1 0 0 0
0 1 0 0
0 0 1 0
_

_
x +
_

_
1
0
0
0
_

_
u
y = c x =
_

1

2

3

4
_
x
com

A = PAP
1
e

b = Pb. Substituindo x = Px na lei de controle, tem-se
u = r kx = r kP
1
x r

k x
com

k kP
1
. Como

A

k = P(Abk)P
1
, as matrizes (Abk) e
(

A

k) tem os mesmos autovalores...


c Reinaldo M. Palhares
pag.14
Teoria de Sistemas Lineares Aula 18
Realimentacao de Estado Sistemas SISO
Especicados os autovalores do sistema em malha fechada, pode-se formar o
polin omio caracterstico do sistema em malha fechada

f
(s) = s
4
+
1
s
3
+
2
s
2
+
3
s +
4
Se

k e escolhido como

k =
_

1

1

2

2

3

3

4

4
_
a equa cao dinamica em malha fechada e descrita por

x = (

A

k) x +

br =
_

_

1

2

3

4
1 0 0 0
0 1 0 0
0 0 1 0
_

_
x +
_

_
1
0
0
0
_

_
r
e o polin omio caracterstico de (Abk) e (

A

k) e dado por
f
(s)
c Reinaldo M. Palhares
pag.15
Teoria de Sistemas Lineares Aula 18
Realimentacao de Estado Sistemas SISO
O ganho de realimenta cao de estados k que faz a aloca cao desejada pode ser
computado
k =

kP =

k

CC
1
sendo
C =
_
b Ab A
2
b A
3
b
_
e

C
1
=
_

_
1
1

2

3
0 1
1

2
0 0 1
1
0 0 0 1
_

c Reinaldo M. Palhares
pag.16
Teoria de Sistemas Lineares Aula 18
Realimentacao de Estado Sistemas SISO
Outra maneira de computar

k

f
(s) = det(sI A + bk)
= det
_
(sI A)
_
I + (sI A)
1
bk
_
= det(sI A) det
_
I + (sI A)
1
bk

= (s)
_
1 + k(sI A)
1
b

onde se utilizou a propriedade det(I


m
+ AB) = det(I
n
+ BA), para A,
mn, e B, n m, sendo que no caso especco tem-se k R
1n
Portanto

f
(s) (s) = (s)k(sI A)
1
b = (s)

k(sI

A)
1

b
Seja

k =
_

k
1

k
2

k
3

k
4
_
c Reinaldo M. Palhares
pag.17
Teoria de Sistemas Lineares Aula 18
Realimentacao de Estado Sistemas SISO
Observando a congura cao de realimenta cao:
u
k

x
x

A
R
c
y
+
+
+

r
z
FT de u para y: c(sI

A)
1

b =

1
s
3
+
2
s
2
+
3
s +
4
(s)
FT de u para z:

k(sI

A)
1

b =

k
1
s
3
+

k
2
s
2
+

k
3
s +

k
4
(s)
c Reinaldo M. Palhares
pag.18
Teoria de Sistemas Lineares Aula 18
Realimentacao de Estado Sistemas SISO
Portanto fazendo as substitui coes da FT de u para z,

f
(s) = s
4
+
1
s
3
+
2
s
2
+
3
s +
4
e ainda
(s) = s
4
+
1
s
3
+
2
s
2
+
3
s +
4
na expressao

f
(s) (s) = (s)

k(sI

A)
1

b
obtem-se
(
1

1
)s
3
+(
2

2
)s
2
+(
3

3
)s+(
4

4
) =

k
1
s
3
+

k
2
s
2
+

k
3
s+

k
4
que recupera o ganho

k proposto quando se igualam-se as potencias...
c Reinaldo M. Palhares
pag.19
Teoria de Sistemas Lineares Aula 18
Realimentacao de Estado Sistemas SISO
Curiosidades Considere uma FT com n = 4:
G(s) = c(sI A)
1
b =

1
s
3
+
2
s
2
+
3
s +
4
s
4
+
1
s
3
+
2
s
2
+
3
s +
4
Fun cao de Transferencia em Malha Fechada (com u = r kx):
G
f
(s) = c(sI A + bk)
1
b =

1
s
3
+
2
s
2
+
3
s +
4
s
4
+
1
s
3
+
2
s
2
+
3
s +
4
A realimenta cao de estados pode alterar a localiza cao dos p olos, mas nao
afeta os zeros da fun cao de transferencia
Pode afetar a observabilidade: se um ou mais p olos sao deslocados de maneira
a coincidir com zeros, pode haver cancelamento
c Reinaldo M. Palhares
pag.20
Teoria de Sistemas Lineares Aula 18
Realimentacao de Estado Sistemas SISO
Exemplo Considere o pendulo invertido linearizado:
x =
_

_
0 1 0 0
0 0 1 0
0 0 0 1
0 0 5 0
_

_
x +
_

_
0
1
0
2
_

_
u
y =
_
1 0 0 0
_
x
O sistema e controlavel; o polin omio caracterstico e:
(s) = s
2
(s
2
5) = s
4
+ 0s
3
5s
2
+ 0s + 0
c Reinaldo M. Palhares
pag.21
Teoria de Sistemas Lineares Aula 18
Realimentacao de Estado Sistemas SISO
Colocando o sistema na forma canonica controlavel (P
1
= C

C
1
)
C =
_

_
0 1 0 2
1 0 2 0
0 2 0 10
2 0 10 0
_

_
;

C
1
=
_

_
1 0 5 0
0 1 0 5
0 0 1 0
0 0 0 1
_

_
P
1
=
_

_
0 1 0 3
1 0 3 0
0 2 0 0
2 0 0 0
_

_
; P =
_

_
0 0 0 1/2
0 0 1/2 0
0 1/3 0 1/6
1/3 0 1/6 0
_

_
Aloca cao desejada: 1.5 0.5j e 1 j
c Reinaldo M. Palhares
pag.22
Teoria de Sistemas Lineares Aula 18
Realimentacao de Estado Sistemas SISO
entao:

f
(s) = (s+1.5 0.5j)(s+1.5 + 0.5j)(s+1 j)(s+1 + j)
= s
4
+ 5s
3
+ 10.5s
2
+ 11s + 5

k =
_

3

3

2

2

1

1

0

0
_
=
_
(5 0) (10.5 + 5) (11 0) (5 0)
_
=
_
5 15.5 11 5
_
k =

kP =
_
5/3 11/3 103/12 13/3
_
MATLAB k=place(A,b,p)
c Reinaldo M. Palhares
pag.23
Teoria de Sistemas Lineares Aula 18
Formula de Ackermann Alocacao de Polos
Considere o sistema n dimensional, SISO:
_
_
_
x = Ax + bu
y = cx
Para n = 4, entao C =
_
b Ab A
2
b A
3
b
_
e a matriz de controlabilidade
e o sistema transformado x = Px com
Q = P
1
= C
_

_
1
1

2

3
0 1
1

2
0 0 1
1
0 0 0 1
_

_
c Reinaldo M. Palhares
pag.24
Teoria de Sistemas Lineares Aula 18
Formula de Ackermann Alocacao de Polos
e tem a forma canonica controlavel

x =
2
6
6
6
6
6
4

1

2

3

4
1 0 0 0
0 1 0 0
0 0 1 0
3
7
7
7
7
7
5
x +
2
6
6
6
6
6
4
1
0
0
0
3
7
7
7
7
7
5
u
y =
h

1

2

3

4
i
x
A rela cao entre a matriz de controlabilidade do sistema original e a do
transformado e dada por

C = PC, ou Q = P
1
= C

C
1
e

C =
2
6
6
6
6
6
4
1
1

2
1

2

3
1
+ 2
1

3
0 1
1

2
1

2
0 0 1
1
0 0 0 1
3
7
7
7
7
7
5
c Reinaldo M. Palhares
pag.25
Teoria de Sistemas Lineares Aula 18
Formula de Ackermann Alocacao de Polos
No caso geral, a ultima linha da matriz

C tem a forma
e

n

_
0 0 0 1
_
Para a aloca cao desejada, dene-se o polin omio caracterstico do sistema em
malha fechada
f
(s) = s
4
+
1
s
3
+
2
s
2
+
3
s +
4
, que deve ser
igualado com
det(sI

A+

k) = s
4
+(
1
+

k
1
)s
3
+(
2
+

k
2
)s
2
+(
3
+

k
3
)s+(
4
+

k
4
)
impondo

k =
_

1

1

2

2

3

3

4

4
_
Pelo Teorema de Cayley-Hamilton...
c Reinaldo M. Palhares
pag.26
Teoria de Sistemas Lineares Aula 18
Formula de Ackermann Alocacao de Polos
Teorema de Cayley-Hamilton Toda matriz dinamica satisfaz sua equa cao
caracterstica:

A
n
+
1

A
n1
+
2

A
n2
+ +
n1

A +
n
I = 0
Entao utilizando os coecientes do polinomio de malha fechada, pode-se formar o
polin omio

f
(

A)

A
n
+
1

A
n1
+
2

A
n2
+ +
n
I
Substituindo-se

A
n
obtido a partir da equa cao caracterstica, tem-se

f
(

A) = (
1

1
)

A
n1
+ (
2

2
)

A
n2
+ + (
n

n
)I
c Reinaldo M. Palhares
pag.27
Teoria de Sistemas Lineares Aula 18
Formula de Ackermann Alocacao de Polos
Levando em conta a estrutura particular de

A (na forma controlavel), nota-se que
e

A =
_
0 0 0 1 0
_
e

n1
e conseq uentemente
(e

A)

A = e

A
2
=
_
0 0 0 1 0
_

A
=
_
0 0 0 1 0 0
_
e

n2
implicando
e

A
n1
=
_
1 0 0 0
_
e

1
e...
c Reinaldo M. Palhares
pag.28
Teoria de Sistemas Lineares Aula 18
Formula de Ackermann Alocacao de Polos
Portanto, multiplicando
f
(

A) por e

n
, tem-se
e

f
(

A) = (
1

1
)e

1
+ (
2

2
)e

2
+ + (
n

n
)e

n
=

k
1
e

1
+

k
2
e

2
+ +

k
n
e

n
=
_

k
1

k
2


k
n
_
=

k
Como k =

kP e P =

CC
1
, tem-se
k = e

f
(

A)P = e

f
(PAP
1
)P = e

n
P
f
(A) = e

CC
1

f
(A)
ou, como e

C = e

n
, chega-se a (F ormula de Ackermann): k = e

n
C
1

f
(A)
MATLAB k=acker(A,b,p)
c Reinaldo M. Palhares
pag.29
Teoria de Sistemas Lineares Aula 18
Equacao de Lyapunov Alocacao de Polos
Considere o par (A, b) controlavel, com A R
nn
e b R
n1
. Encontre k tal
que (Abk) tenha os autovalores desejados (desde que nao coincidam com
nenhum dos autovalores de A)
Procedimento
1. Escolha uma matriz F R
nn
com os autovalores desejados
2. Escolha

k arbitrario tal que (F,

k) seja observavel
3. Obtenha a solu cao unica T da equa cao de Lyapunov
AT TF = b

k
4. Compute o ganho de realimenta cao k =

kT
1
c Reinaldo M. Palhares
pag.30
Teoria de Sistemas Lineares Aula 18
Equacao de Lyapunov Alocacao de Polos
Se T e nao singular,

k = kT e AT TF = b

k implicam
(Abk)T = TF Abk = TFT
1
(Abk) e F sao similares (mesmos autovalores). Se A e F nao tem
autovalores comuns, existe uma unica solu cao T para qualquer

k. Caso A e F
tenham algum autovalor comum, a solu cao T pode existir ou nao (depende de b

k)
Para garantir que T e nao singular:
Teorema Se A e F nao tem autovalores em comum, entao a unica solu cao de
AT TF = b

k e nao-singular se e somente se (A, b) e controlavel e (F,

k) e
observavel
c Reinaldo M. Palhares
pag.31
Teoria de Sistemas Lineares Aula 18
Equacao de Lyapunov Alocacao de Polos
Demonstracao Considere n = 4 e o polinomio caracterstico de A dado por
(s) = s
4
+
1
s
3
+
2
s
2
+
3
s +
4
Cayley-Hamilton: (A) = A
4
+
1
A
3
+
2
A
2
+
3
A +
4
I = 0
Considere agora (F) = F
4
+
1
F
3
+
2
F
2
+
3
F +
4
I
Se

i
e um autovalor de F, entao (

i
) e autovalor de (F). Como A e F
nao tem autovalores em comum, (

i
) = 0 para todo autovalor de F
Como o determinante de uma matriz e igual ao produto de seus autovalores,
tem-se
det (F) =

i
(

i
) = 0
e portanto (F) e nao singular
c Reinaldo M. Palhares
pag.32
Teoria de Sistemas Lineares Aula 18
Equacao de Lyapunov Alocacao de Polos
Substituindo AT = TF + b

k em A
2
T TF
2
, tem-se
A
2
T TF
2
= A(TF + b

k) TF
2
= Ab

k + (AT TF)F
= Ab

k + b

kF
De maneira similar, obtem-se o conjunto de equa coes:
IT TI = 0
AT TF = b

k
A
2
T TF
2
= Ab

k + b

kF
A
3
T TF
3
= A
2
b

k + Ab

kF + b

kF
A
4
T TF
4
= A
3
b

k + A
2
b

kF + Ab

kF + b

kF
c Reinaldo M. Palhares
pag.33
Teoria de Sistemas Lineares Aula 18
Equacao de Lyapunov Alocacao de Polos
Multiplicando a primeira equa cao por
4
, a segunda por
3
, a terceira por
2
, a
quarta por
1
, a ultima por 1, e somando todas, tem-se (lembrando que
(A) = 0)
(A)T T(F) = T(F)
=
_
b Ab A
2
b A
3
b
_
_

3

2

1
1

2

1
1 0

1
1 0 0
1 0 0 0
_

_
_

kF

kF
2

kF
3
_

_
Se (A, b) e controlavel e (F,

k) e observavel, as matrizes acima sao


nao-singulares, e como (F) = 0, necessariamente T e nao singular
c Reinaldo M. Palhares
pag.34
Teoria de Sistemas Lineares Aula 18
Equacao de Lyapunov Alocacao de Polos
Escolha de F e

k: F companheira e

k =
_
1 0 0 0
_
ou, se autovalores
complexos, F modal e

k com ao menos um elemento diferente de zero associado
a cada bloco diagonal
Exemplo Pendulo invertido e aloca cao 1.5 0.5j e 1 j
F =
_

_
1 1 0 0
1 1 0 0
0 0 1.5 0.5
0 0 0.5 1.5
_

_
;

k =
_
1 0 1 0
_
MATLAB k =
_
1.6667 3.6667 8.5833 4.3333
_
O ganho e unico em sistemas SISO (usando place ou lyap)
c Reinaldo M. Palhares
pag.35
Teoria de Sistemas Lineares Aula 18
Equacao de Lyapunov Alocacao de Polos
Calculo direto dos valores do ganho k
x =
_

_
0 1 0 0
0 0 1 0
0 0 0 1
0 0 5 0
_

_
x +
_

_
0
1
0
2
_

_
u
y =
_
1 0 0 0
_
x
Aloca cao desejada: 1.5 0.5j e 1 j

f
(s) = (s + 1.5 0.5j)(s + 1.5 + 0.5j)(s + 1 j)(s + 1 + j)
= s
4
+ 5s
3
+ 10.5s
2
+ 11s + 5
c Reinaldo M. Palhares
pag.36
Teoria de Sistemas Lineares Aula 18
Equacao de Lyapunov Alocacao de Polos
Abk =
_

_
0 1 0 0
k
1
k
2
k
3
1 k
4
0 0 0 1
2k
1
2k
2
5 + 2k
3
2k
4
_

_
; k =
_
k
1
k
2
k
3
k
4
_
det
_
sI (Abk)
_
= s
4
+(k
2
2k
4
)s
3
+(k
1
2k
3
5)s
2
3k
2
s 3k
1
Entao
k
1
=
5
3
; k
2
=
11
3
; k
3
=
103
12
; k
4
=
13
3
c Reinaldo M. Palhares
pag.37
Teoria de Sistemas Lineares Aula 18
Estabilizacao
Considere um sistema nao controlavel, ie, nem todos os autovalores podem ser
arbitrariamente alocados, via realimenta cao. A equa cao de estado pode ser
transformada em
_
_

x
c

x
c
_
_
=
_
_

A
c

A
12
0

A
c
_
_
_
_
x
c
x
c
_
_
+
_
_

b
c
0
_
_
u
com (

A
c
,

b
c
) controlavel. Note que como a matriz

A e bloco diagonal, os
autovalores de A sao os autovalores das matrizes

A
c
e

A
c
Como ca a congura cao de realimenta cao de estado?
c Reinaldo M. Palhares
pag.38
Teoria de Sistemas Lineares Aula 18
Estabilizacao
A realimenta cao de estado
u = r

k x = r
_

k
1

k
2
_
_
_
x
c
x
c
_
_
produz o sistema em malha fechada
_
_

x
c

x
c
_
_
=
_
_

A
c

b
c

k
1

A
12

b
c

k
2
0

A
c
_
_
_
_
x
c
x
c
_
_
+
_
_

b
c
0
_
_
r
Autovalores de

A
c
nao sao afetados pela realimenta cao de estado. A
controlabilidade do par (A, b) e nao s o suciente mas tambem necessaria para se
alocar todos os autovalores de (Abk)...
Se

A
c
e estavel, o sistema e estabilizavel...
c Reinaldo M. Palhares
pag.39
Teoria de Sistemas Lineares Aula 18
Regulacao e Rastreamento
Para r = 0, o comportamento dinamico do sistema e governado pelas
condi coes iniciais. O problema do regulador e obter uma realimenta cao de estados
que leve a resposta para zero com uma certa taxa de decaimento:
y(t) = ce
(Abk)t
x(0) (Abk) estavel?
Para r = a (constante), o problema do rastreamento assint otico consiste na
determina cao de um ganho de realimenta cao de estados que leve y(t) r(t)
quando t ...
A lei de controle para o rastreamento deve incluir um ganho p feedforward:
u(t) = pr(t) kx
c Reinaldo M. Palhares
pag.40
Teoria de Sistemas Lineares Aula 18
Regulacao e Rastreamento
Por exemplo, para n = 4: G
f
(s) = p

1
s
3
+
2
s
2
+
3
s +
4
s
4
+
1
s
3
+
2
s
2
+
3
s +
4
(A, b) controlavel implica que os autovalores de (Abk) ou equivalentemente
os p olos de G
f
(s) podem ser arbitrariamente alocados. Para r(t) = a, alocando
p olos com parte real negativa, tem-se a sada:
y(t) aproxima-se de G
f
(0)a quando t
A m de se ter rastreamento assint otico, basta impor:
G
f
(0) = 1 = p

4

4
= p =

4

4
=
4
= 0, o que ocorre se e somente se G(s) nao tiver nenhum zero em
s = 0
c Reinaldo M. Palhares
pag.41
Teoria de Sistemas Lineares Aula 18
Rejeicao de Dist urbio
Considere o sistema com entrada de dist urbio constante, w:
_
_
_
x = Ax + bu + bw
y = cx
Como obter a realimenta cao de estado tal que y(t) r(t) com w = 0?
O fundamento desta estrategia e introduzir um integrador, compondo o
controlador, tal que o sinal de controleugaranta, ao mesmo tempo,
estabilidade, aloca cao de p olos em malha fechada e rastreamento frente a
dist urbios
c Reinaldo M. Palhares
pag.42
Teoria de Sistemas Lineares Aula 18
Rejeicao de Dist urbio
A estrutura do controle integral e apresentada abaixo quando se tem todas as
variaveis de estado disponveis para realimenta cao
lacem
Sistema
w
c
x
a x u
y
r
k
+
+
+
+
+
+
+

x
a
1
s
Integrador
k
a
0
c Reinaldo M. Palhares
pag.43
Teoria de Sistemas Lineares Aula 18
Rejeicao de Dist urbio
Dena um vetor de estado aumentado incluindo a sada do integrador x
a
, da
forma:
_
x

x
a
_

, entao a realimenta cao de estado pode ser:


u =
_
k k
a
_
_
_
x
x
a
_
_
Substituindo no sistema original obtem-se
_
_
x
x
a
_
_
=
_
_
A + bk bk
a
c 0
_
_
_
_
x
x
a
_
_
+
_
_
0
1
_
_
r +
_
_
b
0
_
_
w
y =
_
c 0
_
_
_
x
x
a
_
_
c Reinaldo M. Palhares
pag.44
Teoria de Sistemas Lineares Aula 18
Rejeicao de Dist urbio
Teorema Se (A, b) e controlavel e se G(s) = c (sI A)
1
b nao tem na
origem (s = 0), entao todos os autovalores da matriz A podem ser alocados
arbitrariamente selecionando o ganho
_
k k
a
_
Como calcular o ganho de controle
_
k k
a
_
? Simplesmente utilizando as
mesmas tecnicas obtidas anteriormente. Para isto, basta considerar as matrizes do
sistema aumentado, sendo que este tem agora n + 1 variaveis de estado. k
a
e
um valor escalar extrado de
_
k k
a
_
, fruto do projeto
c Reinaldo M. Palhares
pag.45
Teoria de Sistemas Lineares Aula 18
Estimadores ou Observadores de Estado
1. Estimadores ou Observadores de Estado: sistemas SISO
1. Extensoes para Sistemas a Tempo Discreto
c Reinaldo M. Palhares
pag.1
Teoria de Sistemas Lineares Aula 19
Estimadores ou Observadores de Estado: sistemas SISO
Veja, a realimenta cao pressup oe que todas as variaveis de estado compondo o
vetor de estado x estao disponveis, ie, sao mensuraveis
u = r kx
Alguns estados podem nao ser/estar acessveis
Limita cao quanto ao n umero de medidores
E a? Como realimentar?
c Reinaldo M. Palhares
pag.2
Teoria de Sistemas Lineares Aula 19
Estimadores ou Observadores de Estado
Estimador de Estado Malha Aberta Dados: A, b, c, u, y. Reconstruir x?
x = Ax + bu ; y = cx

x = A x + bu
u
b
b
x
x

x
x
A
A
Z
Z
c
y
+
+
+
+
Estimador
c Reinaldo M. Palhares
pag.3
Teoria de Sistemas Lineares Aula 19
Estimadores ou Observadores de Estado
Se x(0) = x(0), entao x(t) = x(t), t 0
(A, c) observavel x(0) pode ser determinado atraves de u e y
Desvantagens/Diculdades
computo de x(0)
e se A for instavel?
Note, a sada y(t) nao esta sendo usada. Ie, nao ha informa cao adicional sobre o
comportamento do sistema original. Reavaliar... Pode-se incluir uma compara cao
entre a sada do sistema original dada por cx(t) com a sada do sistema que se
prop oe a estimar: c x(t). Ponderada por um ganho constante l a ser ajustado
c Reinaldo M. Palhares
pag.4
Teoria de Sistemas Lineares Aula 19
Estimadores ou Observadores de Estado
u
b
b
x
x

x
x x
A
A
Z
Z
c
c
y
y
l
+
+
+
+
+

c Reinaldo M. Palhares
pag.5
Teoria de Sistemas Lineares Aula 19
Estimadores ou Observadores de Estado
Estimador assint otico ou emmalha fechada

x = A x + bu + l (y c x)
. .
inova cao
, l R
n1
= (Alc) x + bu + ly
Denindo-se o errode estimativa e(t) x(t) x(t)
e = Ax+bu (Alc) xbu l(cx)
= (Alc)(x x)
= (Alc)e
Boa nova: Se os autovalores de (Alc) puderem ser arbitrariamente
alocados, atua-se na forma como o erro e(t) tende a zero!!
c Reinaldo M. Palhares
pag.6
Teoria de Sistemas Lineares Aula 19
Estimadores ou Observadores de Estado
Se o estado estimado x(t) vai ser usado para a realimenta cao, os autovalores
do estimador devem ser mais rapidosdo que os autovalores em malha fechada
do sistema controlado (isto e, parte real mais negativa), no contexto que a
dinamica do sistema seja dominada pelos autovalores do projeto de controle
Teorema Os autovalores de (Alc) podem ser alocados arbitrariamente
atraves da escolha de um ganho l se e somente se o par (A, c) for observavel
Demonstracao Por dualidade, se (A

, c

) e controlavel, entao os autovalores


de (A

k) podem ser alocados arbitrariamente. Basta fazer l = k

...
c Reinaldo M. Palhares
pag.7
Teoria de Sistemas Lineares Aula 19
Observadores de Estado via Lyapunov
Projeto de estimador de ordem n para o sistema
_
_
_
x = Ax + bu
y = cx
via equa cao de Lyapunov (procedimento dual `a aloca cao de p olos)
1. Escolha uma matriz F R
nn
estavel com os autovalores desejados
(diferente de A)
2. Escolha l arbitrario tal que (F, l) seja controlavel
3. Obtenha a solu cao unica T da equa cao de Lyapunov
TAFT = lc
= condi coes duais para que T seja nao singular
c Reinaldo M. Palhares
pag.8
Teoria de Sistemas Lineares Aula 19
Observadores de Estado via Lyapunov
4. As equa coes
_
_
_
z = Fz + Tbu + ly
x = T
1
z
geram um estimador para x
Denindo-se e z Tx, entao
e = z T x
= Fz + Tbu + lcx TAx Tbu
e, como TA = FT + lc, tem-se
e = Fz + lcx (FT + lc)x
= F(z Tx) = Fe
Se F e estavel, e(t) 0 quando t , e z Tx, e portanto T
1
z e um
estimador para x
c Reinaldo M. Palhares
pag.9
Teoria de Sistemas Lineares Aula 19
Estimador de estado de ordem reduzida
_
_
_
x = Ax + bu
y = cx
Se o sistema e observavel, pode ser colocado na forma canonica observavel. Por
exemplo, para n = 4:
x =
_

1
1 0 0

2
0 1 0

3
0 0 1

4
0 0 0
_

_
x +
_

4
_

_
u
y =
_
1 0 0 0
_
x
Note que y(t) = x
1
(t) (primeira variavel de estado), e portanto pode-se
construir um estimador de estado apenas para as demais variaveis x
i
,
i = 2, 3, . . . , n
c Reinaldo M. Palhares
pag.10
Teoria de Sistemas Lineares Aula 19
Estimador de estado de ordem reduzida
Metodo por equa cao de Lyapunov
1. Escolha F R
(n1)(n1)
estavel com autovalores distintos de A
2. Escolha l arbitrario tal que (F, l) seja controlavel
3. Obtenha a solu cao unica T R
(n1)n
da equa cao de Lyapunov
TAFT = lc
4. A equa cao de estado (n 1)-dimensional estima x
z = Fz + Tbu + ly
x =
_
_
c
T
_
_
1
_
_
y
z
_
_
c Reinaldo M. Palhares
pag.11
Teoria de Sistemas Lineares Aula 19
Estimador de estado de ordem reduzida
Note que a equa cao
x =
_
_
c
T
_
_
1
_
_
y
z
_
_
pode ser escrita da forma
_
_
y
z
_
_
=
_
_
c
T
_
_
x
e portanto y = c x e z = T x. Entao, y e um estimador para cx e z para Tx,
pois e = z Tx e
e = z T x
= Fz + Tbu + lcx TAx Tbu
= Fe
e, novamente, se F e estavel, entao e(t) 0 quando t
c Reinaldo M. Palhares
pag.12
Teoria de Sistemas Lineares Aula 19
Estimador de estado de ordem reduzida
Teorema Se A e F nao tem autovalores em comum, entao a matriz quadrada
P
_
_
c
T
_
_
com T solu cao unica de TAFT = lc e nao singular se e somente se (A, c)
for observavel e (F, l) for controlavel
c Reinaldo M. Palhares
pag.13
Teoria de Sistemas Lineares Aula 19
Estimador de estado de ordem reduzida
Demonstracao Segue passos similares aos da demonstra cao para a
realimenta cao de estados. Considere n = 4 e
(s) = det(sI A) = s
4
+
1
s
3
+
2
s
2
+
3
s +
4
Pode-se mostrar que (dual a (8.22), Chen, pg. 252)
(F)T =
_
l Fl F
2
l F
3
l
_
. .
C
4
_

3

2

1
1

2

1
1 0

1
1 0 0
1 0 0 0
_

_
. .

_
c
cA
cA
2
cA
3
_

_
. .
O
e (F) e nao-singular se A e F nao tiverem autovalores em comum. Note que
F e 3 3 (ordem reduzida) e A e 4 4
c Reinaldo M. Palhares
pag.14
Teoria de Sistemas Lineares Aula 19
Estimador de estado de ordem reduzida
A matriz e sempre nao singular, O e a matriz de observabilidade de (A, c) e
C
4
e a matriz de controlabilidade de (F, l) acrescida da coluna F
3
l. Entao,
T =
1
(F)C
4
O e a matriz P pode ser escrita da forma:
P =
_
_
c
T
_
_
=
_
_
c

1
(F)C
4
O
_
_
=
_
_
1 0
0
1
(F)
_
_
_
_
c
C
4
O
_
_
Note que n = 4, P, O e sao 4 4; T e C
4
sao 3 4 e (F) e 3 3
Se (F, l) nao e controlavel, C
4
tem posto no maximo igual a 2, T tem posto no
maximo igual a 2 e P e singular. Se (A, c) nao e observavel, existe r R
41
tal que Or = 0, o que implica cr = 0 e Pr = 0, e portanto P e singular. Isto
conclui a necessidade
c Reinaldo M. Palhares
pag.15
Teoria de Sistemas Lineares Aula 19
Estimador de estado de ordem reduzida
Para mostrar a suciencia, por contradi cao, supoe-se P singular. Nesse caso,
existe r = 0 tal que Pr = 0, e
_
_
c
C
4
O
_
_
r =
_
_
cr
C
4
Or
_
_
= 0
Denindo a Or =
_
a
1
a
2
a
3
a
4
_

=
_
a a
4
_

, isto e
_

_
a
1
a
2
a
3
a
4
_

_
=
_

3

2

1
1

2

1
1 0

1
1 0 0
1 0 0 0
_

_
_

_
c
cA
cA
2
cA
3
_

_
r
Portanto, a
4
= cr e, da equa cao anterior, cr = 0. Substituindo a
4
= 0 em
C
4
Or tem-se...
c Reinaldo M. Palhares
pag.16
Teoria de Sistemas Lineares Aula 19
Estimador de estado de ordem reduzida
a
4
= 0 C
4
Or obtem-se (lembrando a Or = [
a a
4
]

)
C
4
Or = C
4
a = C a = 0
sendo C a matriz de controlabilidade de (F, l) e, se o par (F, l) e controlavel,
C a = 0 implica a = 0 e portanto a = 0
Considere agora Or = a = 0. A matriz e sempre nao singular. Se (A, c) e
observavel, O e nao singular e Or = 0 implica r = 0, o que contradiz a
hip otese inicial
Assim, se (A, c) e observavel e (F, l) e controlavel, P e nao singular
c Reinaldo M. Palhares
pag.17
Teoria de Sistemas Lineares Aula 19
Realimentacao a partir de Estados Estimados
_
_
_
x = Ax + bu
y = cx
Se (A, b) e controlavel, a realimenta cao de estados u = r kx pode alocar os
autovalores de (Abk) de forma arbitraria
Estados nao disponveis: observador de estados
Veja se (A, c) e observavel, entao um observador de estados de ordem completa
ou reduzida pode ser projetado com autovalores posicionados de forma arbitraria
c Reinaldo M. Palhares
pag.18
Teoria de Sistemas Lineares Aula 19
Realimentacao a partir de Estados Estimados
Estimador de ordem n (completa)

x = (Alc) x + bu + ly
A escolha de l (ou melhor, dos autovalores de (Alc)) determina a taxa com
que o estado estimado x aproxima-se do estado do sistema
Realimentando os estados estimados:
u = r k x
Os autovalores de (Abk) e de (Alc) se alteram devido a combina cao?
O estimador altera a FT de r para y?
c Reinaldo M. Palhares
pag.19
Teoria de Sistemas Lineares Aula 19
Realimentacao a partir de Estados Estimados
Combinando as equa c oes usando u = r k x
x = Ax bk x + br

x = (Alc) x + b(r k x) + lcx


tem-se o sistema aumentado de dimensao 2n
_
_
x

x
_
_
=
_
_
A bk
lc Alc bk
_
_
_
_
x
x
_
_
+
_
_
b
b
_
_
r
y =
_
c 0
_
_
_
x
x
_
_
c Reinaldo M. Palhares
pag.20
Teoria de Sistemas Lineares Aula 19
Realimentacao a partir de Estados Estimados
u
r
x
k
x = Ax +bu
y = cx
y
+

Estimador
c Reinaldo M. Palhares
pag.21
Teoria de Sistemas Lineares Aula 19
Realimentacao a partir de Estados Estimados
Transforma cao de equivalencia
_
_
x
e
_
_
=
_
_
x
x x
_
_
=
_
_
I 0
I I
_
_
_
_
x
x
_
_
P
_
_
I 0
I I
_
_
; P
1
= P
c Reinaldo M. Palhares
pag.22
Teoria de Sistemas Lineares Aula 19
Realimentacao a partir de Estados Estimados
Sistema equivalente para realimenta cao e erro de estima cao,
_
x e
_

:
_
_
I 0
I I
_
_
. .
P
_
_
A bk
lc Alc bk
_
_
_
_
I 0
I I
_
_
. .
P
1
=
_
_
Abk bk
0 Alc
_
_
_
_
I 0
I I
_
_
. .
P
_
_
b
b
_
_
=
_
_
b
0
_
_
_
c 0
_
_
_
I 0
I I
_
_
. .
P
1
=
_
c 0
_
c Reinaldo M. Palhares
pag.23
Teoria de Sistemas Lineares Aula 19
Realimentacao a partir de Estados Estimados
Sistema equivalente para realimenta cao e erro de estima cao:
_
_
x
e
_
_
=
_
_
Abk bk
0 Alc
_
_
_
_
x
e
_
_
+
_
_
b
0
_
_
r
y =
_
c 0
_
_
_
x
e
_
_
Autovalores da matriz dinamica sao a uniao dos autovalores de (Abk) e
(Alc); portanto o estimador nao altera os autovalores nem tem seus
autovalores modicados pela conexao e denominado Princpio da Separa cao
c Reinaldo M. Palhares
pag.24
Teoria de Sistemas Lineares Aula 19
Realimentacao a partir de Estados Estimados
Note que o sistema aumentado e nao controlavel (forma canonica), e que a FT
do sistema e igual `a da equa cao x = (Abk)x +br com y = cx, ie, dada por
G
f
(s) = c(sI A + bk)
1
b = nao aparece o estimador!
De fato, no computo de fun coes de transferencia, as condi coes iniciais sao
assumidas nulas: x(0) = x(0) = 0, entao
x(t) = x(t) t
FT de r para y nao e afetada pela presen ca ou nao do estimador...
c Reinaldo M. Palhares
pag.25
Teoria de Sistemas Lineares Aula 19
Sistemas a Tempo Discreto?
Os procedimentos de aloca cao de p olos sao os mesmos tanto para
realimenta cao quanto para o observador, lembrando apenas que o contexto de
estabilidade e o ponto que os difere

Plano-s Plano-z
c Reinaldo M. Palhares
pag.26
Teoria de Sistemas Lineares Aula 19
Controle Baseado no Observador
Fa ca [x(t)] representar x(t) ou x(k + 1)...
Regulador: Lei de Controle + Observador
_

_
[ x(t)] = (ABk l C)
. .
A
C
x(t) + l
..
B
C
y(t)
u(t) = k
..
C
C
x(t)
FT: =
U()
Y ()
= C
C
(I A
C
)
1
B
C
com representadosouz...
c Reinaldo M. Palhares
pag.27
Teoria de Sistemas Lineares Aula 19
Controle Baseado no Observador
Exemplo Considere o modelo simplicado de umsateliteda forma
G(s) = 1/s
2
, ie, y(t) = u(t), denindo-se
x
1
= y; x
2
= y
com
x
1
= x
2
e x
2
= y = u
entao
_

_
x(t) =
_
_
0 1
0 0
_
_
. .
A
x(t) +
_
_
0
1
_
_
..
B
u(t)
y(t) =
_
1 0
_
. .
C
x(t)
c Reinaldo M. Palhares
pag.28
Teoria de Sistemas Lineares Aula 19
Controle Baseado no Observador
Se alocar os p olos do controlador em
s
1,2
= 0.707 j0.707 ( = 0.707,
n
= 1rad/s)
obtem-se K =
_
1 1.4142
_
Se os p olos do estimador sao alocados em
n
= 5rad/s e = 0.5, obtem-se
L
p
=
_
_
5
25
_
_
FT do controlador baseado no observador:
D(s) =
40.4(s + 0.619)
(s + 3.21 + j4.77)(s + 3.21 j4.77)
c Reinaldo M. Palhares
pag.29
Teoria de Sistemas Lineares Aula 19
Controle Integral Sistemas Discretos
Modelo considerado:
_
_
_
x(k + 1)] = Ax(k) + Bu(k) + Bw(k)
y(k) = Cx(k)
Resultado esperado?
1. y(t) r(t) 1, t > t
0
2. rejeitar w = sinal constante, porem de magnitude desconhecida
O que fazer? Integrar o erro... De forma analoga ao caso contnuo (vide aula 18)
e(k) = y(t) r(t), e portanto
e(k) = x
I
(k + 1) x
I
(k) = Cx(k) r(k)
c Reinaldo M. Palhares
pag.30
Teoria de Sistemas Lineares Aula 19
Controle Integral
Denindo-se:
(k) =
_
x
I
(k) x(k)
_
T
Obtem-se o modelo aumentado:
_

_
(k + 1) =
_
_
1 C
0 A
_
_
(k) +
_
_
0
B
_
_
u(k) +
_
_
0
B
_
_
w(k)
_
_
1
0
_
_
r(k)
y(k) =
_
C 0
_
(k)
Controle ou Observador?
c Reinaldo M. Palhares
pag.31
Teoria de Sistemas Lineares Aula 19