Dinâmica dos Sistemas Lineares

1. INTRODUÇÃO

Este curso tem por finalidade apresentar elementos da teoria dos sistemas lineares discretos
e contínuos para alunos do curso de Engenharia mecânica.

1.1 DEFINIÇÕES

Começamos por definir o que é um sistema.

Um sistema é um conjunto de subsistemas ou elementos interligados entre eles.

Cada subsistema é ele próprio um sistema. Cada subsistema transforma um conjunto de

funções de um espaço (espaço das entradas) para um conjunto de funções de outro espaço
(espaço das saídas).

As propriedades de um sistema não são as superposições das propriedades de cada

subsistema. As interconexões modificam as propriedades do conjunto.

Ex. 1.1 – Sistema mecânico vibratório:

 d2 x 
Massa F  m 2 
 dt 

 dx 
Amortecedor F  c 
 dt 

Mola F  kx

 d2 x   dx 
Sistema massa-mola-amortecedor: F  m   c   kx
2 
 dt   dt 

Ex. 1.2 – Sociologia:

Fazemos uma experiência. Queremos escrever um trabalho sobre a sociedade alemã.

Chamamos um homem alemão e lhe fazemos perguntas. Será que estamos fazendo um bom
trabalho? Não. Por quê? Porque um elemento da sociedade não possui as características de
toda a sociedade. Uma sociedade é um conjunto de pessoas com diferentes personalidades e
que interagem de várias formas, de modo que seu comportamento tem características novas
não presentes no indivíduo.

O tudo não é a superposição das partes.

1.2 NOMENCLATURA

Podemos classificar os sistemas pelo número de entradas e de saídas.

SISO  Single Input Single Output (Uma entrada Uma saída)

1
Prof. Jules G. Slama

MIMO  Multiple Input Multiple Output (Entradas Múltiplas Saídas Múltiplas)

No caso de sistemas contínuos, cada ponto do sistema pode ser uma entrada ou uma saída.

A um sistema contínuo podem corresponder uma infinidade de sistemas discretos MIMO.

1.3 SISTEMAS LINEARES

Um sistema linear é um sistema que transforma uma função, vetorial ou não, numa outra e
que possui as propriedades de linearidade.

1.3.1 PRINCÍPIO DA SUPERPOSIÇÃO LINEAR: (característica dos sistemas lineares)

Sejam x1 e x2 duas entradas correspondentes às saídas y1 e y2.

x 1  y1
x2  y2
a  x1  b  x 2  a  y1  b  y 2

Ex. 1.3: Equação de um sistema vibratório massa mola amortecedor excitado por uma força
F(t):

d2 x dx
m 2
c  kx  F(t)
dt dt

Sabemos que: F( t )  x ( t )
F1 ( t)  x1 (t)
F2 (t)  x 2 (t)

Cada x1 além de depender de F1 também depende das condições iniciais e de contorno.

Deve se verificar a seguinte relação:

  F1    F2    x1    x 2

Onde  e  são números complexos.

1.3.2 PRINCÍPIO DA SUPERPOSIÇÃO GENERALIZADO:

Este princípio de superposição generalizado nos diz que se uma função pode ser
representada por uma superposição infinita (séries de Fourier) ou contínua (transformada
inversa de Fourier) de funções do tempo.

Se soubermos qual é a resposta de um sistema linear para cada uma das funções da
superposição, então a resposta do sistema será a superposição das respostas com os
mesmos coeficientes.

2
 Dinâmica dos Sistemas Lineares

Ex. 1.4: Consideramos a expressão seguinte que apresenta a função F(t) como superposição
contínua de funções da forma  (,t):

F( t )   ( , t)  P()d


A resposta a cada função (,t), sendo R(,t), será:

( , t)  R ( , t)

Então, podemos escrever:


x (t)   R (, t)  P()d


1.4 EXEMPLOS INTRODUTÓRIOS

1.4.1 EQUAÇÃO NÃO-HOMOGÊNEA: (equações diferenciais ordinárias)

Ex. 1.5:

Este exemplo tem por objetivo apresentar a representação de estado que é a forma moderna
de representar um sistema de equações diferenciais ordinárias.

Consideramos a segunda lei de Newton

d2 x F
2

dt m

Ela corresponde a um sistema contínuo no tempo.

A equação acima também pode ser representada por um sistema de equações de estado, a
ser visto em detalhes neste curso. Fazendo a mudança de variáveis seguinte, temos:

dx1 dx
x1  x  
dt dt

dx1 d2 x F
x2   2 
dt dt m

Ou seja matricialmente:

 dx1 
  0 1  x  0 F
 dt       1     

 dx 2   0 0   x 2   1  m
 
 dt 

3
Prof. Jules G. Slama

x1 
 x   1 0    F
   0    
 x2  m

Neste tipo de representação, as equações assumem a forma:


dX  
 A  X B  U
dt

  
Y  C  X D  U


onde X é o vetor de estado

Y é o vetor de saída

Veremos durante este curso que com este método, qualquer equação diferencial linear
ordinária pode ser expressa numa forma matricial.

Ex. 1.6 – Exemplo de sistema discreto:

Equações de Recorrência obtidas por diferenças finitas.

Consideramos a seguinte equação (que pode representar a resposta de um termômetro a um

fluxo de temperatura):

dT
 T  ( t)
dt

Utilizando a técnica das diferenças finitas, podemos transformá-la numa equação de

diferenças finitas.

Fazendo as seguintes aproximações, temos:

dT Tn 1  Tn

dt 

Tn 1  Tn
T
2

E substituindo na equação diferencial, teremos:

Tn 1  Tn T  Tn
  n 1  (n)
 2

ou ainda:

1    1
    Tn 1      Tn  n
 2  2 
4
 Dinâmica dos Sistemas Lineares

onde T(n) = Tn
T[(n+1)] = Tn+1
 é o período de amostragem do sinal T

Associamos assim a um sistema contínuo um sistema discreto.

Como resultado final obtivemos uma equação de recorrência da primeira ordem.

  1
  
2  1
Tn 1   Tn   n
1   1  
     
 2  2

Elementos da teoria das equações de recorrência deverão ser apresentados no próximo

capítulo.

1.5 ANÁLISE, MODELAGEM E CONTROLE DE SISTEMAS:

Controle de sistemas é uma das áreas relacionada com a dinâmica de sistemas.

Em geral procura se introduzir modificações no sistema para que ele possa ter um tipo de
comportamento desejado.
Ra
Consideramos o sistema a seguir:

Rd: Entrada de dados conhecida Rd x(t)

Ra: Entrada de dados aleatória.

Neste caso queremos que o sistema tenha uma sensibilidade pequena com relação às
entradas aleatórias, que são as perturbações.

Ex.1.7: Turbulência numa asa de avião influindo no controle.

Sistema real  Simplificação  Modelo

1.5.1 MODELAGEM

Determinar as equações do sistema a partir das equações e das relações dos componentes.

O que se quer de um sistema? Que ele não seja sensível a entradas aleatórias ou que
realize uma determinada tarefa.

Sistema Isomorfo: quando dois ou mais sistemas têm uma estrutura matemática similar,
podem ser representados por um modelo.

Ex.1.8: Barra sob torsão e barra em compressão são matematicamente isomorfos.

5
Prof. Jules G. Slama

Ex.1.9 – Sistema de Primeira Ordem:

dy
 dy  0
dt

Multiplicando a equação por eat teremos:

e at
dy
dt
 e at dy  0 , ou então
dt

d at
e y 0 

Se T for pequeno, utilizaremos a seguinte aproximação: e  aT  1  aT  0 T 2 

A solução da equação contínua é obtida considerando-se que:

eat y(t) = constante = y(0) ou y(t) = y(0) e-at que é a solução contínua.

Utilizando a aproximação anterior teremos:

Y(nT) = y(0) e-anT = (e-aT)n y(0)

que é uma aproximação da solução discreta.

1.6 EXPONENCIAL DE MATRIZ

Encontraremos durante o curso um operador baseado no desenvolvimento em série da

exponencial de uma matriz quadrada.

Sendo A uma matriz quadrada, temos:

A2 A3 An
eA  1  A    
2! 3! n!

1 0 
Sendo A por exemplo: A   
 0 0,5 

 e1 0 
Logo: e A
  
0 e 0 ,5 