UNICAMP Faculdade de Engenharia

Eletrica e de Computa cao

EA-619 Laborat orio de Analise Linear
Experiencia 2: Sistemas Descritos por Equacoes Diferenciais
Nao-Lineares
13 de marco de 2014
Sumario
1 Introdu cao 1
2 Considera c oes Gerais 2
2.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.1.1 Pendulo Simples . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.1.2 Problema Predador-Presa . . . . . . . . . . . . . . . . . . . . . . 4
2.1.3 Levitador Magnetico . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.1.4 Pendulo Invertido . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3 Sistemas Aut onomos e Pontos de Equilbrio 8
4 Sistemas de 2a. Ordem Aut onomos: Plano de Estado/Fase 9
5 Algumas No c oes de Estabilidade 9
6 Lineariza cao 12
7 Solu cao Peri odica e Ciclo Limite 13
7.1 Pendulo Simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
7.2 Problema Predador-Presa . . . . . . . . . . . . . . . . . . . . . . . . . . 16
Roteiro 19
1 Introdu cao
Sistemas dinamicos lineares sao aqueles descritos por equacoes diferenciais (ou a difer-
encas) lineares. O termo linear refere-se `a aplicabilidade do Princpio da Superposi c ao,
isto e, se o sinal de entrada u
1
(t) produz como solucao y
1
(t) e se o sinal de entrada u
2
(t)
Exp. 2 2
produz como solucao y
2
(t), entao o sinal de entrada !u
1
(t) +"u
2
(t) produzira a solucao
!y
1
(t) +"y
2
(t), quaisquer que sejam os sinais u
1
(t) e u
2
(t) e os reais ! e ". A analise e a
sntese de sistemas lineares sao extremamente facilitadas devido `a existencia de solucoes
analticas para equacoes diferenciais (ou a diferencas) lineares.
Entretanto, sistemas reais sao em geral nao-lineares, com comportamento mais com-
plexo que o exibido pelos sistemas lineares. Sistemas nao-lineares sao representados
por equacoes diferenciais (ou a diferencas) nao-lineares e nao satisfazem o Princpio da
Superposicao. Quase sempre estas equacoes nao possuem solucoes analticas e freq uen-
temente e possvel obter apenas estimativas ou solucoes aproximadas das verdadeiras
soluc oes.
Nesta experiencia, apresenta-se uma introducao ao estudo qualitativo de equacoes
diferenciais nao-lineares, comenfase na analise de caractersticas importantes das equacoes
de 2a. ordem.
2 Considera c oes Gerais
Um modelo matematico que descreve diversos sistemas nao-lineares e a equa c ao
n ao-linear de 2a. ordem, genericamente representada como
d
2
dt
2
y(t) = f (y(t), y(t), u(t)), t 0 (1)
onde t e o parametro tempo, u(t) e a funcao de entrada e y(t) e a solucao da equacao ou
funcao de sada. Denindo
x
1
(t) = y(t) (2)
x
2
(t) = y(t), (3)
a equa c ao de 2a. ordem (1) pode ser expressa como um sistema de duas equacoes de 1a.
ordem:
x
1
(t) = x
2
(t) (4)
x
2
(t) = f (x
1
(t), x
2
(t), u(t)), (5)
Denindo os vetores (()
T
signica transposto de ())
x(t) = [x
1
(t) x
2
(t)]
T
(6)
f(x(t), u(t)) = [x
2
(t) f (x
1
(t), x
2
(t), u(t))]
T
, (7)
Exp. 2 3
obtem-se a seguinte equacao diferencial vetorial
x(t) = f(x(t), u(t)), t 0 (8)
As variaveis x
1
(t) e x
2
(t) sao chamadas vari aveis de estado e o vetor x(t), constitui
o vetor de estados do sistema.
A equacao vetorial (8) pode ser generalizada da seguinte maneira:
x(t) = f(x(t), u(t)), t 0 (9)
onde f(t) = [ f
1
(t), f
2
(t), . . . , f
n
(t)]
T
e
x
i
(t) = f
i
(x
1
(t), x
2
(t), . . ., x
n
(t), u
1
(t), u
2
(t), . . . , u
m
(t)), i = 1, 2, . . . , n (10)
Note que a generalizacao (10) permite que cada variavel de estado x
i
(t) seja funcao do
vetor de variaveis de estado x(t) = [x
1
(t), x
2
(t), . . . , x
n
(t)]
T
e de um vetor de funcoes de
entrada u(t) = [u
1
(t), u
2
(t), . . . , u
m
(t)]
T
.
Este tipo de representacao ser a utilizada na seq uencia, no tratamento de sistemas
n ao-lineares, para obtencao do equivalente linearizado. Os estados podem estar associ-
ados diretamente a sada y(t) e suas derivadas, e neste caso cada elemento do vetor x(t)
tem interpretacao fsica como posicao, velocidade, etc.
2.1 Exemplos
2.1.1 Pendulo Simples
Considere o movimento de um pendulo sujeito a atrito, mostrado na Fig. 1. Seja M a
massa da esfera, o comprimento do o, g a aceleracao da gravidade e B o coeciente
de atrito. A equacao que descreve o movimento do pendulo e
M
2

#+B

#+Mgsen# = 0 (11)
B

M
Mg
#
Mgsen#
Figura 1: Pendulo sujeito a atrito.
Exp. 2 4
e fazendo x
1
(t) =#(t) e x
2
(t) =

#(t), obtem-se entao de (11),
x
1
(t) = x
2
(t) (12)
x
2
(t) = bsenx
1
(t) ax
2
(t), (13)
onde b = g/ e a = B/(M).
2.1.2 Problema Predador-Presa
Numa determinada regiao e num dado instante de tempo t, existe uma populacao x
1
(t)
de coelhos (presas) que se alimenta da vegetacao e uma populacao x
2
(t) de raposas
(predadores) que se alimenta de coelhos. No intervalo de tempo $t, a populacao de
coelhos sofre um acrescimo na forma ax
1
(t)$t, a > 0, devido a nascimentos e mortes
naturais, e um decrescimo da forma cx
1
(t)x
2
(t)$t, c > 0, devido a mortes provocadas
por raposas, proporcional ao n umero de encontros entre coelhos e raposas. A variac ao
$x
1
(t) da populacao de coelhos e entao dada por
$x
1
(t) = ax
1
(t)$t cx
1
(t)x
2
(t)$t (14)
e no limite quando $t 0, obtem-se
x
1
(t) = ax
1
(t) cx
1
(t)x
2
(t) (15)
Assuma que, na ausencia de coelhos, a populacao de raposas e decrescente e que o
crescimento do n umero de raposas e proporcional ao n umero de encontros com coelhos.
A evoluc ao temporal da populacao de raposas pode entao ser descrita analogamente por
x
2
(t) =bx
2
(t) +dx
1
(t)x
2
(t) (16)
onde b > 0 e d > 0. As equa c oes (15) e (16) constituem o chamado Modelo de Volterra
para interacao entre especies. As constantes a, b, c e d dependem de fatores ambientais e
das caractersticas de reproducao de predadores e presas. A nao-linearidade do modelo
vem do produto x
1
(t)x
2
(t).
2.1.3 Levitador Magnetico
O levitador magnetico com dois mas permanentes e duas bobinas que se encontra
disponvel no laboratorio e mostrado esquematicamente na Fig. 2.
O sistema e composto de duas bobinas que, ao serem submetidas a correntes eletri-
cas, criam campos magneticos que vao interagir com os campos dos respectivos discos
magneticos permanentes. Surgem assim forcas mecanicas aplicadas sobre estes magne-
tos, que ir ao movimenta-los de acordo com a corrente eletrica que atravessa cada bobina.
O sentido da corrente em cada bobina, bem como a polaridade de cada magneto sao es-
tabelecidos de forma a criar uma forca mecanica resultante sobre cada disco magnetico
que seja:
Exp. 2 5
y
1
y
2
bobina 1
bobina 2
disco 1
disco 2
Figura 2: Levitador Magnetico
a) Repulsiva para o magneto inferior acionada pela bobina inferior,
b) Atrativa para o magneto superior acionado pela bobina superior.
Considere o movimento do disco magnetico inferior (magneto #1). Seja m
1
a massa
do disco, c
1
o coeciente de atrito e g a aceleracao da gravidade. A equacao que descreve
o movimento do disco e:
m
1
y
1
+c
1
y
1
+F
m
12
= F
u
11
F
u
21
mg (17)
onde
F
u
11
: forca de interacao magnetica entre a bobina #1 e o disco #1,
F
u
21
: forca de interacao magnetica entre a bobina #2 e o disco #1,
F
m
12
: forca de interacao magnetica entre os discos.
Por simplicidade iremos considerar que o magneto superior na Fig. 2 est a ausente,
e a corrente na bobina superior e nula, aplicando-se corrente somente na bobina inferior
(bobina #1). Nessa situacao tem-se que
F
m
12
F
u
21
0 (18)
donde teremos da equacao (17)
m
1
y
1
+c
1
y
1
= F
u
11
m
1
g (19)
Da natureza da interacao magnetica entre o disco e a bobina #1 tem-se a seguinte
relacao que expressa a forca em funcao da corrente
F
u
11
=
i
1
a(100y
1
+b)
4
(20)
Os parametros envolvidos no modelo sao apresentados na Tabela 1.
Exp. 2 6
Tabela 1: Parametros do Levitador Magnetico: Disco #1.
Parametro Descricao Valor
m
1
Massa do disco #1 0, 118 (kg)
c
1
Coeciente de atrito do disco #1 1, 45 (N.s/m)
a Coeciente da forca magnetica F
u
11
1, 6510
4
(Amp/N.cm
4
)
b Coeciente da forca magnetica F
u
11
6, 2 (cm)
i
1
Corrente aplicada `a bobina #1 3, 0 (A)
A equacao diferencial vetorial em (8) que estabelece a representacao de estados, pode
ser obtida escolhendo-se as variaveis do vetor como
x
1
= y
1
x
2
= y
1
e a representa c ao de estado ser a dada na forma
x
1
=f
1
(x, u) = x
2
x
2
=f
2
(x, u) =
c
1
m
1
x
2
+
1
am
1
(100y
1
+b)
4
ug
onde u = i
1
. A nao-linearidade do modelo e devida ao termo proporcional `a inversa da
quarta potencia de y
1
.
2.1.4 Pendulo Invertido
O pendulo invertido com contrapeso que se encontra disponvel no laboratorio e es-
quematizado na Fig. 3.
O sistema consiste de uma haste pendular principal que oscila livremente, e que
da suporte a uma haste deslizante. A haste deslizante e acionada por um sistema de
correia e polia. O ajuste do contrapeso permite deslocar o centro de massa do pendulo,
eventualmente localizando-o abaixo do pivot do pendulo. Quando o centro de massa
esta localizado acima do pivot a haste deslizante deve ser acionada de forma a manter o
equilbrio do sistema.
Os componentes do pendulo com as grandezas fsicas associadas estao descritos na
Tabela 2. O movimento do pendulo invertido e descrito pelas equacoes

J x J

#
2
2m
1

o
x x

#+(m
2

J)gsen#+m
1

o
gxcos# =
J

m
1
F (21)

J

#+2m
1
x x

#+m
1

o
x

#
2
m
2

c
gsen#m
1
gxcos# =
o
F (22)
e os parametros presentes nas equacoes (21) e (22) s ao expressos em termos dos par a-
Exp. 2 7
x
#
P
e
s
o
P
e
s
o
Cremalheira
Haste Deslizante
C
o
n
t
r
a
p
e
s
o
Figura 3: Pendulo Invertido
Tabela 2: Componentes do Pendulo
Parametro Descricao Valor
m
w2
Massa do Contrapeso 1 (kg)

w2
Distancia com sinal do centro de massa Ajustavel:
do Contrapeso ao Pivot -10,5 a -14 (cm)
m
2o
Massa da Haste Principal 0,785 (kg)

co
Distancia com sinal do centro de massa
da Haste Principal ao Pivot 0,071 (m)
m
1o
Massa da Haste Deslizante 0,103 (kg)
m
w1
Massa dos Pesos na Haste Deslizante 0,131 (kg)

o
Distancia com sinal da
Haste Deslizante ao Pivot 0,330 (m)
J

0
Momento de Inercia do Pendulo
(sem haste deslizante e contrapeso) 0,0246 (kg-m
2
)
metros na Tabela 2 como
m
1
= m
1o
+m
w1
(23)
m
2
= m
2o
+m
w2
(24)

c
= (m
w2

w2
+m
2o

co
)
_
m
2
(25)

J = J

0
+m
w2
(
w2
)
2
(26)
J

= J

0
+m
1

2
o
+m
w2
(
w2
)
2
(27)
Exp. 2 8
A equacao diferencial vetorial em (8) pode ser obtida, escolhendo-se para as variaveis
do vetor de estado x as variaveis #,

#, x e x em ordem arbitraria. Por exemplo, adotando-se
x
1
=#
x
2
=

#
x
3
= x
x
4
= x
as equacoes diferenciais (21) e (22) estabelecem a representacao na forma de estado
x(t) = f(x(t), u(t)) com
x
1
= f
1
(x, u) =x
2
x
2
= f
2
(x, u) =
1

J
_
2m
1
x
2
x
3
x
4
+m
1

o
x
2
2
x
3
m
2

c
gsenx
1
m
1
gx
3
cosx
1
+
o
u
_
x
3
= f
3
(x, u) =x
4
x
4
= f
4
(x, u) =
1

J
_
J

x
2
2
x
3
+2m
1

o
x
2
x
3
x
4
(m
2

J)gsenx
1
m
1

o
gx
3
cosx
1
+
J

m
1
u
_
onde u = F.
3 Sistemas Aut onomos e Pontos de Equilbrio
Considere um sistema dinamico aut onomo descrito por um conjunto de equacoes
diferenciais do tipo
x(t) = f(x(t)), x(t) R
n
(28)
Note que para um vetor de entrada u(t) R
m
dado, a equacao (9) ca com a forma
da equacao (28).
Denicao 1 (Ponto de Equilbrio) Diz-se que um vetor x
e
R
n
e um ponto de equilbrio
do sistema dinamico autonomo
x(t) = f(x(t)), x(t) R
n
(29)
se f(x
e
) = 0.
Da Denicao 1 conclui-se que se x
e
e um ponto de equilbrio de (29) e x(t) e uma
soluc ao qualquer do sistema autonomo, entao x(t
0
) = x
e
em algum instante t
0
implica
que x(t) = x
e
, t t
0
. Com relacao aos Exemplos 1 e 2, observe que
Exp. 2 9
1. Os pontos de equilbrio do movimento do pendulo sao dados por (n%, 0), onde
n = 0, 1, 2, . . . ;
2. Os pontos de equilbrio do Modelo de Volterra sao (0, 0) e (
b
d
,
a
c
).
4 Sistemas de 2a. Ordem Aut onomos: Plano de Es-
tado/Fase
Um sistema de 2a. ordem autonomo e representado por duas equacoes diferenciais
x
1
(t) = f
1
(x
1
(t), x
2
(t)) (30)
x
2
(t) = f
2
(x
1
(t), x
2
(t)) (31)
O Plano de Estado e o plano bidimensional com eixo horizontal x
1
e eixo vertical x
2
.
Suponha que [x
1
(t) x
2
(t)]
T
, t 0 e uma solucao do sistema. O graco de x
1
(t) versus x
2
(t)
para t 0 e chamado de trajetoria no plano de estado do sistema. No caso particular
em que o sistema de 2a. ordem e representado pelas equacoes
x
1
(t) = x
2
(t) (32)
x
2
(t) = f (x
1
(t), x
2
(t)) (33)
o plano x
1
x
2
e chamado de Plano de Fase. A Fig. 4 mostra uma trajetoria no plano
de estado comecando no estado (x
10
, x
20
) em t = t
0
e passando por (x
1f
, x
2f
) em t = t
f
.
x
1
x
2
(x
10
, x
20
)
(x
1f
, x
2f
)
0
Figura 4: Trajetoria no Plano de Fase.
5 Algumas No c oes de Estabilidade
A teoria de controle indica que a estabilidade e uma das mais importantes propriedades
de um sistema dinamico. Considere um sistema que se encontra num ponto de equi-
lbrio e suponha que ocorra um desvio do sistema em relacao `a posicao de equilbrio,
provavelmente devido a uma perturbacao.
Exp. 2 10
O ponto de equilbrio e estavel se o sistema nao se afasta muito deste ponto para pe-
quenos desvios ocorridos em determinado instante de tempo t
0
. Alem disso, e necessario
que os desvios para t t
0
sejam arbitrariamente pequenos, ao se fazer com que o desvio
em t =t
0
seja arbitrariamente pequeno. Este conceito e ilustrado atraves do movimento
de uma massa esferica S sobre uma determinada superfcie, quando S esta sujeita apenas
`a acao da gravidade. As tres conguracoes da Fig. 5 mostram a esfera em diversas
posicoes de equilbrio.
No caso da situacao (a), a massa oscilara permanentemente em torno de sua posicao
de equilbrio se for deslocada desta posicao e nao houver atrito. A amplitude da os-
cilacao dependera do deslocamento inicial e pode ser feita arbitrariamente pequena se
o deslocamento inicial for tambem arbitrariamente pequeno. Na situacao (b), a massa
se encontra sobre um plano horizontal. Se a massa for deslocada, a nova posicao sera
tambem um ponto de equilbrio e a massa permanecera nesta nova posicao. Nas situ-
acoes (a) e (b), os pontos de equilbrio correspondentes sao est aveis. O comportamento
do sistema referente `a situacao (c) e inteiramente diferente. Por menor que seja o deslo-
camento realizado, a esfera S se movera para longe do ponto de equilbrio. Diz-se neste
caso que o ponto de equilbrio e instavel.
(a) (b)
(c)
S
S
S
Figura 5: (a) Sistema Estavel; (b) Sistema Estavel; (c) Sistema Instavel
Considere agora a existencia de atrito. Se na situacao (a) a massa sofre um pequeno
deslocamento de seu ponto de equilbrio, entao obtem-se uma oscilacao amortecida e a
esfera retorna `a sua posicao de equilbrio. Diz-se neste caso que o ponto de equilbrio e
assintoticamente est avel. Na situac ao (b), a massa nao retorna `a sua posicao de equilbrio
ao ser deslocada e, portanto, o ponto de equilbrio nao e assintoticamente estavel. Em
aplicacoes de controle de sistemas, estabilidade assintotica e quase sempre requerida.
Ao se introduzir os conceitos de estabilidade e de estabilidade assintotica, supoe-se
que existe uma pequena regiao em torno do ponto de equilbrio na qual estes conceitos
sao validos. Considere por exemplo as situacoes mostradas na Fig. 6.
O ponto de equilbrio da massa S e estavel nos tres casos (e assintoticamente estavel,
Exp. 2 11
(a)
(b)
(c)
S
S
S
Figura 6: Domnios de Estabilidade
se existir atrito). No entanto, o deslocamento inicial permitido de forma a obter-se um
movimento convergente para a posicao de equilbrio e muito menor na situacao (a) do
que na situacao (b). Na situacao (c), o movimento e convergente qualquer que seja o
deslocamento inicial.
A discussao acima ilustra o conceito de domnio de estabilidade. Este conceito e
fundamental em aplicacoes, pois nao basta vericar se um ponto de equilbrio e estavel
no sentido descrito anteriormente.

E necessario analisar se o domnio de estabilidade e
adequado `as condicoes de operacao do sistema.
Todos estes conceitos podem ser colocados matematicamente como segue. Seja x
e
um ponto de equilbrio do sistema
x(t) = f(x(t)), x(t) R
n
(34)
e seja ainda a norma de x(t), para t xo, denida como
x(t) =
_
x
2
1
(t) +x
2
2
(t) + +x
2
n
(t)
Denicao 2 (Estabilidade) Diz-se que o ponto de equilbrio x
e
e estavel se para cada
& > 0, existe '(&) > 0 tal que
x(t
0
) x
e
< '(&) x(t) x
e
< &, t t
0
Denicao 3 (Estabilidade Assintotica) Diz-se que o ponto de equilbrio x
e
e assintoti-
camente est avel se e est avel e
lim
t(
x(t) x
e
0
Exp. 2 12
Observe que se a norma da diferenca x(t) x
e
esta limitada por algum valor real
ou tende a 0 quando t (, entao o mesmo comportamento deve ser esperado de cada
componente do vetor de estados. A Fig. 7 ilustra os conceitos de estabilidade para
x
e
= 0. Observe que sempre e possvel considerar que o vetor 0 e um ponto de equilbrio
de (34) transladando-se as coordenadas do sistema original de tal forma que o ponto de
equilbrio x
e
torne-se o vetor 0 no novo sistema de coordenadas. Especicamente, se x
e
e um ponto de equilbrio de (34), entao fazendo
z(t) = x(t) x
e
onde x(t) e solucao de (34), obtem-se entao
z(t) = f(z(t) +x
e
) (35)
e portanto z = 0 e um ponto de equilbrio de (35).
(a)
(b)
(c)
0
(x
10
, x
20
)
x
1
x
2
'
&
Figura 7: (a) Assintoticamente Estavel; (b) Estavel; (c) Instavel
6 Lineariza cao
Esta secao trata da linearizacao de um sistema nao-linear em torno de seus pontos
de equilbrio. O objetivo basico desta linearizacao e analisar o comportamento das
trajet orias do sistema nao-linear atraves do estudo do sistema linear resultante. Este
metodo de analise e muito util e e v alido para uma grande classe de sistemas nao-lineares.
Seja entao o sistema autonomo de 2a. ordem
x
1
(t) = f
1
(x
1
(t), x
2
(t)) (36)
x
2
(t) = f
2
(x
1
(t), x
2
(t)) (37)
Exp. 2 13
Suponha que 0 = (0, 0) e um ponto de equilbrio deste sistema e que f
1
e f
2
sao
diferenciaveis numa vizinhanca de (0, 0). Seja
a
i j
=
) f
i
)x
j
, i, j = 1, 2
Atraves da Serie de Taylor e possvel expandir f
1
e f
2
da seguinte maneira
f
1
(x
1
(t), x
2
(t)) = f
1
(0, 0) +a
11
x
1
(t) +a
12
x
2
(t) +r
1
(x
1
(t), x
2
(t)) (38)
= a
11
x
1
(t) +a
12
x
2
(t) +r
1
(x
1
(t), x
2
(t)) (39)
f
2
(x
1
(t), x
2
(t)) = a
21
x
1
(t) +a
22
x
2
(t) +r
2
(x
1
(t), x
2
(t)) (40)
onde r
1
e r
2
sao os termos de ordem superior das respectivas series de Taylor. Associado
ao sistema original, dene-se o seguinte sistema linearizado
z
1
(t) = a
11
z
1
(t) +a
12
z
2
(t) (41)
z
2
(t) = a
21
z
1
(t) +a
22
z
2
(t) (42)
Note que (0, 0) tambem e um ponto de equilbrio do sistema linearizado, e as variaveis
z
1
e z
2
podem ser entendidas como variaveis de desvio, na forma z(t) = x(t) x
e
com
x
e
= (0, 0).
O metodo da linearizacao e baseado no fato de que, na maioria dos casos, as tra-
jet orias do sistema nao-linear possuem, em uma vizinhanca adequada do ponto de equi-
lbrio, as mesmas caractersticas qualitativas das trajetorias do sistema linearizado.
7 Solu cao Peri odica e Ciclo Limite
Alguns sistemas autonomos possuem solucoes periodicas. Considere, por exemplo, o
oscilador harmonico descrito pelas equacoes
x
1
(t) = x
2
(t), x
1
(0) = x
10
(43)
x
2
(t) = x
1
(t), x
2
(0) = x
20
(44)
A solucao deste sistema e dada por
x
1
(t) = *
0
cos(t ++
0
) (45)
x
2
(t) = *
0
sen(t ++
0
) (46)
onde
*
0
=
_
x
2
10
+x
2
20
e +
0
= arctan
x
20
x
10
Note que a solucao e periodica independentemente das condicoes iniciais. Observe
tambem que a partir da solucao obtida,
x
2
1
(t) +x
2
2
(t) = *
2
0
, t
Exp. 2 14
ou seja, as trajetorias no plano de estado sao circunferencias cujos raios dependem
da condicao inicial (x
10
, x
20
). O plano de fase esta inteiramente coberto por solucoes
peri odicas no sentido de que dado um ponto arbitrario (x
1
, x
2
), pode-se entao encontrar
uma solucao periodica passando por (x
1
, x
2
).
Considere agora o sistema de equacoes nao-lineares
x
1
(t) = x
2
(t) +!x
1
(t)("
2
x
2
1
(t) x
2
2
(t)) (47)
x
2
(t) = x
1
(t) +!x
2
(t)("
2
x
2
1
(t) x
2
2
(t)) (48)
Introduzindo coordenadas polares
* =
_
x
2
1
(t) +x
2
2
(t) e + = arctan
x
2
(t)
x
1
(t)
ent ao o sistema anterior transforma-se em
* = !*("
2
*
2
) (49)

+ = 1 (50)
Pode-se vericar que a solucao de (49)-(50) e dada por
* =
"
_
1+c
0
e
"
2
t
(51)
+ = +
0
t (52)
onde c
0
=("
2
/*
2
0
)1. Note que o sistema (49)-(50) tem somente uma solucao periodica,
quando *
0
= ". Alem disso, para *
0
= ", todas as solucoes aproximam-se da soluc ao
peri odica, quando t (. Este exemplo difere do exemplo do oscilador harmonico sim-
ples, na medida que a solucao peri odica no presente caso e isolada, isto e, existe uma
vizinhanca da mesma que nao contem solucoes periodicas.
Denicao 4 (Ciclo Limite) Um ciclo limite e qualquer solucao periodica de
x
1
(t) = f
1
(x
1
(t), x
2
(t)) (53)
x
2
(t) = f
2
(x
1
(t), x
2
(t)) (54)
Solucoes periodicas estao sempre associadas a trajetorias fechadas do plano de estado.
Alem de pontos de equilbrio e solucoes periodicas, sistemas dinamicos nao lineares po-
dem apresentar comportamentos ainda mais complexos, como solucoes quase-periodicas
e caos. Ademais, um mesmo sistema dinamico pode apresentar diferentes comporta-
mentos, dependendo da regiao do espaco de estados que se considera. Em contraste,
sistemas dinamicos lineares sao bem mais simples em termos de suas trajetorias no es-
paco de estados. Ou ele possui um unico ponto de equilbrio, ou ele possui uma unica
soluc ao periodica, ou ele e instavel, e todas as trajetorias vao para innito.
Exp. 2 15
7.1 Pendulo Simples
Estudaremos o pendulo simples com amortecimento devido ao atrito. O movimento
de um pendulo amortecido e descrito pelas equacoes (12)-(13), onde b = g/ e a =
B/(M). Os pontos de equilbrio de (12)-(13) s ao dados por (n%, 0), n = 0, 1, 2, . . . .
Linearizando em torno do ponto de equilbrio (0, 0), obtem-se o seguinte sistema linear
_
x
1
(t)
x
2
(t)
_
=
_
0 1
b a
__
x
1
(t)
x
2
(t)
_
Se x
1
= y ent ao x
2
= y e portanto o sistema linear pode ser reescrito na forma
y +a y +by = 0 (55)
A equacao caracterstica e
,
2
+a,+b = 0
Seja $ = a
2
4b. A natureza das razes da equacao caracterstica depende do valor
que $ assume (note que a > 0 e b > 0):
1. $ 0: razes reais negativas, com solucao na forma
y(t) = k
1
exp(,
1
t) +k
2
exp(,
2
t); (56)
2. $ < 0: razes complexas com parte real negativa, com solucao na forma
y(t) = exp(-t)[Acos.t +Bsen.t] (57)
Em qualquer dos casos o ponto de equilbrio sera assintoticamente estavel. De fato,
observe que x(t) 0 quando t (. Analogamente, e poss vel mostrar que os pontos
de equilbrio da forma (n%, 0), onde n e par, sao da mesma natureza de (0, 0). Considere
agora os pontos de equilbrio do tipo (n%, 0), n mpar. Fazendo a translacao
x
1
(t) = n%+z
1
(t) (58)
x
2
(t) = z
2
(t) (59)
obtem-se de (12)-(13),
z
1
(t) = z
2
(t) (60)
z
2
(t) = bsenz
1
(t) az
2
(t) (61)
e a linearizacao de (12)-(13) em torno de (0, 0) resulta em
_
z
1
(t)
z
2
(t)
_
=
_
0 1
b a
__
z
1
(t)
z
2
(t)
_
Para este sistema $ = a
2
+4b, o que implica que uma raiz da equacao caracterstica
ser a positiva. Portanto, em torno dos pontos de equilbrio do tipo (n%, 0), n mpar, a
conclusao e que o sistema (12)-(13) e instavel.
Exp. 2 16
7.2 Problema Predador-Presa
O modelo matematico que descreve este problema, apresentado na Secao 2, e descrito
por
x
1
(t) = ax
1
(t) cx
1
(t)x
2
(t) (62)
x
2
(t) = bx
2
(t) +dx
1
(t)x
2
(t) (63)
Considere o ponto de equilbrio (0, 0). Linearizando em torno deste ponto, obtem-se
_
x
1
(t)
x
2
(t)
_
=
_
a 0
0 b
__
x
1
(t)
x
2
(t)
_
Observe que surgem duas equacoes de 1a. ordem independentes:
x
1
(t) = ax
1
(t) (64)
x
2
(t) = bx
2
(t) (65)
o que implica que a equacao caracterstica associada tem como razes ,
1
= a > 0 e
,
2
=b < 0.

E facil mostrar que neste caso o ponto de equilbrio (0, 0) e instavel.
Considere agora o ponto de equilbrio (
b
d
,
a
c
). Fazendo
x
1
(t) =
b
d
+z
1
(t) (66)
x
2
(t) =
a
c
+z
2
(t) (67)
obtem-se
z
1
(t) =
bc
d
z
2
(t) cz
1
(t)z
2
(t) (68)
z
2
(t) =
ad
c
z
1
(t) +dz
1
(t)z
2
(t) (69)
e a linearizacao de (68)-(69) em torno de (0, 0) resulta em
_
z
1
(t)
z
2
(t)
_
=
_

_
0
bc
d
ad
c
0
_

_
_
z
1
(t)
z
2
(t)
_
A equacao caracterstica associada a este sistema tem a forma
,
2
+ab = 0
Exp. 2 17
que tem como solucao ,
1,2
= j

ab. A parte real de , e portanto nula e representa o

caso limite entre estabilidade e instabilidade. Levando em conta que o sistema foi lin-
earizado, conclu-se que a decisao sobre a estabilidade ou instabilidade do ponto de equi-
lbrio depende dos termos desprezados pela linearizacao. Entretanto, para este problema
Predador-Presa, e possvel determinar a equacao das trajetorias. De (62)-(63), obtem-se
dx
2
dx
1
=
x
2
(b+dx
1
)
x
1
(acx
2
)
onde dx
2
e dx
1
sao os diferenciais de x
1
e x
2
, respectivamente. Separando as variaveis
acx
2
x
2
dx
2
=
b+dx
1
x
1
dx
1
e integrando, vem
alnx
2
cx
2
=blnx
1
+dx
1
+C (70)
onde C e uma constante de integracao. A equacao (70) nao pode ser resolvida explici-
tamente para x
1
como fun c ao de x
2
ou vice-versa. Entretanto, o matematico italiano
Volterra mostrou que para um valor xo de C, o graco de (70) e uma curva fechada (ci-
clo limite) que engloba o ponto de equilbrio (
b
d
,
a
c
) (Fig. 8). Deste modo, as populacoes
de predadores e presas tem variacoes cclicas em torno deste ponto.

x
1
x
2
0
(
b
d
,
a
c
)
Figura 8: Analise do ponto de equilbrio (b/d, a/c)
Referencias
[1] Jose C. Geromel,

Alvaro G. B. Palhares, An alise Linear de Sistemas Din amicos:
Teoria, Ensaios Praticos e Exerccios, Ed. Edgar Bl ucher, 2004.
[2] M. Vidyasagar, Nonlinear Systems Analysis, Prentice-Hall, 1978.
Exp. 2 18
[3] W. E. Boyce, R. C. Diprima, Equa c oes Diferenciais Elementares e Problemas de
Valores de Contorno, Guanabara Dois, 1979.
Exp. 2 19
Roteiro
Parte A - Exerccios para o Pendulo Simples
A-1 Considere o movimento de um pendulo nao-amortecido descrito por

#(t) +asen#(t) = 0, a =
g

Mostre que em torno do ponto de equilbrio (0, 0) o sistema e estavel;

Mostre que em torno do ponto de equilbrio (%, 0) o sistema e instavel.
A-2 Considere o modelo do pendulo nao-amortecido. Simule o seu comportamento
nao-linear para g/ = 1 e as seguintes condicoes iniciais:
(a) (b) (c) (d)
#(0) 0 0 0 %

#(0)
%
10
10%
17

%
2
5
0
Por que no caso (d) o pendulo simulado mantem a condicao inicial, mesmo sendo
o ponto de equilbrio (%, 0) instavel? Aumente o tempo de simulacao e verique o
que ocorre.
A-3 Repita a simulacao da parte A-2 para o modelo linearizado do pendulo, con-
siderando nos itens a) e b) a linearizacao em torno do ponto (0, 0), e nos itens
c) e d) a linearizacao em torno do ponto (%, 0). Compare o comportamento dos
sistemas nao-linear e linearizado, medindo a frequencia de oscilacao. Discuta a
validade das linearizacoes.
A-4 Supondo agora que o pendulo esteja sujeito a um torque externo T aplicado ao
pendulo, a equacao do movimento do pendulo passa a ser:

#(t) +
g

sen#(t) = T(t)
Simule a situacao quando T e uma entrada impulsiva, supondo as condicoes iniciais
#(0) e

#(0) nulas, nos seguintes casos:
a) T
1
(t) =
%
10
'(t), b) T
2
(t) =
10%
17
'(t), c) T
3
(t) =
%
2
5
'(t).
Explique por que as respostas coincidem respectivamente, com as obtidas nos casos
a), b) e c) em A-2.
Observa c ao: No caso linear pode-se mostrar essa equivalencia analiticamente uti-
lizando a transformada de Laplace de uma funcao x(t)
L{
dx
n
d
n
t
} = s
n
L{x}s
n1
x(0)
dx
n1
d
n1
t

x(0)
Exp. 2 20
A-5 Utilizando as respostas temporais obtidas no item A-3, verique se o Princpio
de Superposicao
1
e valido para o pendulo. Conclua sobre a validade ou nao do
Princpio de Superposicao para sistemas nao-lineares.
Parte B - Exerccios para o Modelo Predador-Presa
B-1 Para pequenas variacoes em torno do ponto de equilbrio (
b
d
,
a
c
) para o Modelo de
Volterra, temos que a linearizacao indicada na Secao 7.2 e valida. Neste caso, as
populacoes x
1
(t) e x
2
(t) sao dadas por
x
1
(t) =
b
d
+z
1
(t) (71)
x
2
(t) =
a
c
+z
2
(t)
onde z
1
(t) e z
2
(t) sao dados por
z
1
(t) =
b
d
kcos(

ab t ++) (72)
z
2
(t) =

ab
c
ksen(

ab t ++)
e k e + sao funcoes das condi coes iniciais.
Para o modelo linearizado:
1. Este modelo permite tirar conclusoes sobre a estabilidade assintotica do
sistema nao-linear original? E sobre a estabilidade?
2. Qual o perodo de oscilacao das populacoes? Este perodo depende das
condicoes iniciais? E no sistema original, o perodo de oscilacao depende
das condicoes iniciais?
3. As amplitudes de oscilacao dependem das condicoes iniciais ?
C-2 Considere o Modelo de Volterra para o problema Predador-Presa. Para a = 1,
b = 1, 2, c = 0.025, d = 0.024, x
1
(0) = 20, x
2
(0) = 50, obtenha gracamente as
respostas x
1
(t) t, x
2
(t) t e x
1
(t) x
2
(t) para um perodo de 30 anos.
C-3 Varie as condicoes iniciais das duas populacoes, obtenha as respostas temporais
e descreva o comportamento resultante das curvas de populacao, comparando o
modelo de Volterra com o modelo linenarizado. Reveja a resposta dada na parte
B-1 item 2, em vista do comportamento observado. Conclua comentando sobre os
possveis limites da analise baseada na linearizacao de sistemas.
1
Vide o Roteiro da Experiencia 1.