Controle II

Márcio J. Lacerda

Departamento de Engenharia Elétrica

Universidade Federal de São João del-Rei

1o Semestre 2018

M. J. Lacerda Bloco 12 1/26

Solução da equação não homogênea

Considere as equações de estado e de saı́da do sistema

ẋ(t) = Ax(t) + Bu(t), x(0) = x0

(1)
y (t) = Cx(t) + Du(t)

Aplicando a transformada de Laplace tem-se:

L {ẋ(t)} = AL {x(t)} + BL {u(t)}

sX (s) − x0 = AX (s) + BU(s)
(2)
(sI − A) X (s) = x0 + BU(s)
X (s) = (sI − A)−1 x0 + (sI − A)−1 BU(s)

M. J. Lacerda Bloco 12 2/26

Solução da equação não homogênea

A transformada de Laplace da saı́da pode ser escrita como

L {y (t)} = C L {x(t)} + DL {u(t)}

(3)
Y (s) = CX (s) + DU(s)

Usando X (s) obtido anteriormente tem-se

 
Y (s) = C (sI − A)−1 x0 + (sI − A)−1 BU(s) + DU(s)

ou ainda  
Y (s) = C (sI − A)−1 x0 + C (sI − A)−1 B + D U(s)
A F.T. é computada para x0 = 0. Nessa situação tem-se
Y (s)
H(s) = = C (sI − A)−1 B + D
U(s)

M. J. Lacerda Bloco 12 3/26

Exemplo

As equações dinâmicas de um sistema são dadas por

     
0 1 0 1
ẋ = x+ u, x(0) =
−2 −3 1 0

com saı́da  
y= 1 0 x
Compute a saı́da do sistema para uma entrada do tipo degrau.

M. J. Lacerda Bloco 12 4/26

Equação caracterı́stica da matriz A

Dizemos que um escalar λ ∈ C é um autovalor de uma matriz A de ordem n, se

existir um vetor não nulo x tal que

Ax = λ x (4)

Neste caso x ∈ Rn×1 é um autovetor da matriz A associado ao autovalor λ . A

equação (4) pode ser reescrita como

(λ I − A) x = 0

Para que x seja uma solução não-nula devemos impor que a matriz (λ I − A) de
ordem n seja singular, isto é:

det (λ I − A) = 0

O determinande de (λ I − A) define o polinômio caracterı́stico da matriz A.

∆(λ ) = det (λ I − A)

Qualquer λ raiz da equação caracterı́stica é um autovalor da matriz A.

M. J. Lacerda Bloco 12 5/26

Teorema de Cayley Hamilton

Toda matriz A satisfaz sua equação caracterı́stica, isto é,

det (λ I − A) = ∆(λ ) = 0 ⇒ ∆(A) = 0

Exemplo
   
0 1 λ −1
A= , λI −A =
0 −1 0 λ +1
O polinômio caracterı́stico é dado por

∆(λ ) = det (λ I − A) = λ (λ + 1) = 0

Logo, ∆(A) deve ser satisfeito, ou seja

     
0 1 0 1 1 0
∆(A) = A (A + I ) = +
0 −1 0 −1 0 1
    
0 1 1 1 0 0
= =
0 −1 0 0 0 0

M. J. Lacerda Bloco 12 6/26

A propriedade de que toda matriz A satisfaz sua equação caracterı́stica, pode ser
explorada para computar determinadas funções polinomiais da matriz A.

Exemplo
Considere a matriz  
0 1
A=
−1 2.5
Compute A−1 usando a equação caracterı́stica de A.

M. J. Lacerda Bloco 12 7/26

Se uma matriz satisfaz seu polinômio caracterı́stico

∆(λ ) = det(λ I − A) = λ n + α1 λ n−1 + . . . + αn−1 λ + αn

então podemos escrever

∆(A) = An + α1 An−1 + . . . + αn−1 A + αn I

Multiplicando a equação anterior por A temos

An+1 + α1 An + . . . + αn−1 A2 + αn A = 0A = 0

o que implica que An+1 pode ser escrita como uma combinação de

A, A2 , . . . , An . Note ainda que An pode ser escrita como uma combinação de

I , A, . . . , An−1 . É possı́vel concluir que, para qualquer polinômio f (λ ), não
importa quão grande seja sua ordem, f (A) sempre pode ser expresso como

f (A) = β0 I + β1 A + . . . + βn−1 An−1

para determinados valores de βi .

M. J. Lacerda Bloco 12 8/26

Todo polinômio de uma matriz A ∈ Rn×n pode ser expresso como uma
combinação linear de n o
I , A, . . . , An−1

Uma forma de computar f (A) = β0 I + β1 A + . . . + βn−1 An−1 é usando a divisão

polinomial longa para expressar f (λ ) como

f (λ ) = q(λ )∆(λ ) + h(λ )

em que q(λ ) é o quociente da divisão e h(λ ) é o resto da divisão, que tem grau
menor que n. Dessa forma tem-se

f (A) = q(A)∆(A) + h(A)

Como a matriz A satisfaz seu polinômio caracterı́stico ∆(A) = 0

f (A) = q(A)0 + h(A) = h(A)

M. J. Lacerda Bloco 12 9/26

Exemplo

Compute A5 com  
0 1
A=
−1 −2
Em outras palavras, dado f (λ ) = λ 5 , compute f (A)

Encontrar o polinômio caracterı́stico ∆(λ ).

Efetuar a divisão longa de f (λ ) por ∆(λ ).
Encontrar f (λ ) = h(λ ) que é o resto da divisão.
Computar f (A) = h(A).

M. J. Lacerda Bloco 12 10/26

A divisão longa não é conveniente para ser aplicada se o grau de f (λ ) for muito
maior que o grau de ∆(λ ). Neste caso, pode-se resolver diretamente h(λ ). Defina

h(λ ) := β0 + β1 λ + . . . + βn−1 λ n−1

em que os coeficientes βi devem ser encontrados. Se todos n autovalores de A

são distintos, os valores de β podem ser encontrados resolvendo as equações:

f (λi ) = q(λi )∆(λi ) + h(λi ) = h(λi ), i = 1, 2, . . . , n.

Se A apresenta autovalores repetidos, deve-se usar as derivadas para garantir

equações adicionais.

M. J. Lacerda Bloco 12 11/26

Dada uma função f (λ ) e uma matriz A ∈ Rn×n com polinômio caracterı́stico
m
∆(λ ) = ∏ (λ − λi )ni
i=1

onde n = ∑m
i=1 ni . Defina

h(λ ) := β0 + β1 λ + . . . + βn−1 λ n−1

que é um polinômio de grau n − 1 com n coeficientes. Estes n coeficientes

desconhecidos serão encontrados a partir de um conjunto de n equações:

f (ℓ) (λi ) = h(ℓ) (λi ), ℓ = 0, 1, . . . , ni − 1, i = 1, 2, . . . , m

em que 
d ℓ f (λ ) 
f (ℓ) (λi ) :=
d λ ℓ λ =λi
e h(ℓ) (λi ) é definido de maneira similar. Dessa forma temos f (A) = h(A).

M. J. Lacerda Bloco 12 12/26

Exemplo

Compute A100 com  

0 1
A=
−1 −2
Em outras palavras, dado f (λ ) = λ 100 , compute f (A).

O polinômio caracterı́stico de A é

∆(λ ) = det (λ I − A) = λ 2 + 2λ + 1 = (λ + 1)2

possui duas raı́zes iguais a −1.

O polinômio h(λ ) tem grau n − 1. Como n = 2, nesse caso temos

h(λ ) = β0 + β1 λ

Para encontrar os dois coeficientes (β0 e β1 ) de h(λ ), precisamos de duas

equações. Para que h(λ ) represente f (λ ) devemos impor

f (λ ) = h(λ ), f (−1) = h(−1) ⇒ (−1)100 = β0 − β1

M. J. Lacerda Bloco 12 13/26

Como −1 é uma raiz dupla de ∆(λ ), a derivada é usada para obter uma segunda
equação
f ′ (λ ) = h′ (λ ) ⇒ 100λ 99 = β1
Como λ = −1 pode-se escrever

100(−1)99 = β1

Dessa forma tem-se β1 = −100. Da primeira restrição

β0 = 1 + β1 = −99

Assim
h(λ ) = β0 + β1 λ ⇒ h(λ ) = −99 − 100λ
Logo
     
−99 0 0 100 −99 −100
h(A) = −99I − 100A = − = = A100
0 −99 −100 −200 100 101

M. J. Lacerda Bloco 12 14/26

Exemplo

Seja  
0 0 −2
A = 0 1 0
1 0 3
Compute e At usando o Teorema de Cayley Hamilton. Ou de forma equivalente
f (λ ) = e λ t , como computar f (A)?

Computar ∆(λ ), polinômio caracterı́stico de A.

Definir h(λ ) de ordem n − 1, ou seja h(λ ) = β0 + β1 λ + β2 λ 2
Encontrar os coeficientes de h(λ ) usando a relação h(λ ) = f (λ ) para
encontrar as equações quando os autovalores forem distintos. Quando ∆(λ )
possuir raı́zes repetidas, as derivadas devem ser usadas.
Resolver o sistema de equações lineares e encontrar

h(A) = β0 I + β1 A + β2 A2 = f (A)

M. J. Lacerda Bloco 12 15/26

Similaridade

Considere a equação de estado

ẋ = Ax, x(0) = x0 ∈ Rn

Definindo a mudança de variáveis x = T x̂ com T não singular e substituindo na

equação acima temos
T x̂˙ = AT x̂
Multiplicando por T −1 à esquerda

x̂˙ = T −1 AT x̂

ou ainda
x̂˙ = Âx̂, com  = T −1 AT
Note que a similaridade também pode ser usada para escrever

A = T ÂT −1

M. J. Lacerda Bloco 12 16/26

Similaridade e autovalores

Transformações de similaridade preservam autovalores, pois

   
det  − λ I = det T −1 AT − λ T −1 T
 
= det T −1 (A − λ I ) T
 
= det T −1 det (A − λ I ) det (T )
1
= det (A − λ I ) det (T )
det (T )
= det (A − λ I )

Escolhas apropriadas da matriz de transformação T podem levar a representações

 diagonal ou triangular, dependendo da estrutura de autovalores e autovetores
da matriz A.

M. J. Lacerda Bloco 12 17/26

Função de matriz similar

A = T ÂT −1 ⇒ f (A) = Tf (Â)T −1

pois pelo teorema de Cayley Hamilton,
n−1 n−1  k
f (A) = ∑ ρk A k = ∑ ρk T ÂT −1
k=0 k=0

Note que
 k     
T ÂT −1 = T ÂT −1 T ÂT −1 · · · T ÂT −1
| {z }
k vezes
ou seja !
n−1
f (A) = T ∑ ρk Âk T −1 = Tf (Â)T −1
k=0

M. J. Lacerda Bloco 12 18/26

Exponencial de transformação de similaridade

Para qualquer matriz quadrada T não singular tem-se

A = T ÂT −1 ⇒ exp(At) = T exp(Ât)T −1

Considere o sistema
v̇ = Av , v (0) = v0
A solução é dada por v = exp(At)v0 . A mudança de variáveis v = T v̂ aplicada ao
sistema original, produz

T v̂˙ = AT v̂ ⇒ v̂˙ = T −1 AT v̂ , v (0) = T v̂ (0)

ou ainda
v̂˙ = Âv̂ , Â = T −1 AT , v̂0 = T −1 v0
ˆ 0 , que pode ser reescrito como
com solução v̂ = exp(At)v̂
ˆ −1
v = T exp(At)T v0

M. J. Lacerda Bloco 12 19/26

Exponencial de matriz diagonal
 λ1 t
λ1
  
0 ··· 0 e 0 ··· 0
0
 λ2 ··· 0 
 0
 e λ2 t ··· 0 

Λ= . .. ..  ⇒ exp(Λt) =  . .. .. 
 .. 0 . .  .. 0 . . 
0 0 ··· λn 0 0 ··· e λn t
pois
v̇ = Λv ⇒ v̇k = λk vk , k = 1, . . . , n
dessa forma cada equação pode ser resolvida separadamente com solução
vk = e λk t vk (0). Reagrupando todas as soluções tem-se
 λ1 t 
e 0 ··· 0
 0
 e λ2 t ··· 0 

v (t) =  . .. ..  v (0)
 .. 0 . . 
0 0 ··· e λn t

Como a solução de v̇ = Λv é dada por v (t) = exp(Λt)v (0). Podemos comparar

com a equação anterior para obter
 
exp(Λt) = diag e λ1 t , e λ2 t , . . . , e λn t
M. J. Lacerda Bloco 12 20/26
Matrizes diagonalizáveis

Se uma matriz A ∈ Rn×n possui n autovetores linearmente independentes, a

transformação Q construı́da com os autovetores (colunas da matriz Q) resulta em

AQ = Q Â ⇒ Â = Q −1 AQ = Λ = diag (λ1 , . . . , λn )

sendo λi , i = 1, . . . , n os autovalores de A pois cada par autovetor e autovalor

satisfaz a relação
Aqi = qi λi
logo pode-se escrever

λ1
 
0 ... 0
    0
 λ2 ... 0 
A q1 q2 ... qn = q1 q2 ... qn  . .. .. 
 .. 0 . .
0 0 ... λn

M. J. Lacerda Bloco 12 21/26

Autovalores distintos

Os autovetores associados a autovalores distintos de uma matriz A são

linearmente independentes. Portanto, a matriz Q composta dos autovetores
diagonaliza a matriz pela transformação de similaridade Q −1 AQ.

Exemplo
Seja o sistema com    
−1 4 3
v̇ = v, v (0) =
2 1 0
O primeiro passo é computar os autovalores do sistema, ou seja, as raı́zes da
equação caracterı́stica ∆(λ )
     
λ 0 −1 4 λ +1 −4
∆(λ ) = det(λ I − A) = det − = det
0 λ 2 1 −2 λ −1
ou
∆(λ ) = (λ + 1)(λ − 1) − (−4)(−2) = λ 2 − 9
As raı́zes de ∆(λ ), autovalores do sistema, são λ1 = −3 e λ2 = 3.

M. J. Lacerda Bloco 12 22/26

Os autovetores podem ser determinados pela equação

(A − λi I ) qi = 0

Para o autovalor −3 podemos escrever

   
−1 4 3 0
(A − (−3)I ) q1 = 0, ⇒ + q1 = 0
2 1 0 3

Ou ainda  
2 4
q =0 ⇒ q1 =?
2 4 1
Seguindo o mesmo procedimento para o autovalor 3 podemos escrever
   
−1 4 3 0
(A − 3I ) q2 = 0, ⇒ − q2 = 0
2 1 0 3

Ou ainda  
−4 4
q =0 ⇒ q2 =?
2 −2 2

M. J. Lacerda Bloco 12 23/26

Escolhendo    
2 1
q1 = , q2 =
−1 1
Podemos escrever  
  2 1
Q = q1 q2 =
−1 1
E assim podemos escrever a matriz na sua forma diagonal usando
 
−1 −3 0
 = Q AQ =
0 3

Usando a transformação de similaridade v = Q v̂ podemos reescrever o sistema

original v̇ = Av na forma
Q v̂˙ = AQ v̂
v̂˙ = Q −1 AQ v̂
v̂˙ = Âv̂
Usando a transformação de similaridade, a solução inicial pode ser escrita como
v (0) = Q v̂ (0) ou v̂ (0) = Q −1 v (0)

M. J. Lacerda Bloco 12 24/26

Um novo sistema foi definido:
   
−3 0 1
v̂˙ = v̂ , v̂ (0) =
0 3 1

Com solução
 −3t     −3t 
e 0 1 e
v̂ = exp(Ât)v̂ (0), v̂ = =
0 e 3t 1 e 3t

Para recuperar a solução do sistema original usamos a transformação de

similaridade definida inicialmente v = Q v̂ . Assim temos
    −3t 
2 1 e −3t 2e + e 3t
v= =
−1 1 e 3t −e −3t + e 3t

M. J. Lacerda Bloco 12 25/26

Exercicio

Seja o sistema com    

0 1 1
v̇ = v, v (0) =
−2 2 1

1 Encontre uma transformação que leve a matriz A para a forma diagonal.

2 Encontre a solução v̂ para o sistema transformado.
3 Encontre a solução para o sistema original a partir da solução do sistema
transformado.

M. J. Lacerda Bloco 12 26/26