Escolar Documentos
Profissional Documentos
Cultura Documentos
Lembre da relação AT = TD, onde T é uma matriz cujas colunas são os autovalores
da matriz A, e D é uma matriz diagonal com zeros fora da diagonal cujos valores da
diagonais são os autovalores de A. Podemos realizar uma mudança de sistema de
coordenadas do vetor x, representando-o através do vetor z
x = Tz
Escolhendo trabalhar com a variável z facilita a solução da equação diferencial, pois
podemos escrever
∂
∂t
(x=Tz) x=Tz
⏜⏟⏟
⏝⏟⏟
⏞ ⏜⏟⏟⏟⏝⏟⏟⏟
⏞
x␒ = Tz␒ = Ax = ATz
⏠⏣⏣⏣⏣ ⏡⏣⏣⏣⏣
x␒ =Ax ⏢
AT = TD ⟺ D = T -1 AT
Tz␒ = ATz ⟺ z␒ = T -1 ATz = Dz
z␒ = Dz
Essa última equação pode ser reescrita na forma
e �1 t
e Dt = e �2 t
⋱
e �n t
Estabilidade:
O sistema só será estável se a componente real de todos os autovalores for negativa.
A prova fica de exercício para o leitor.
A prova fica de exercício para o leitor.
� Im
Estável Instável
Re
Discretização no tempo
Imagine que o nosso sistema não é um x(t) contínuo, mas um
x(0), x(∆t ), x (2∆t ),..., x (k∆t ),... .
Veja que se
x␒ = Ax
Então
x k+1 = Ãx k
Onde
à = e A∆t
Pois
⏜⏟⏟⏟
⏝⏟⏟⏟
At ⏞ ⏜⏟⏟⏟⏟
⏝⏟⏟⏟⏟
⏞ ⏜⏟⏟⏟⏟
⏝⏟⏟⏟⏟
⏞
x(t) = e x(0 ) ⟹ x(t) = e A(t-t0 ) x(t 0 ) ⟹ x(t + ∆t) = e A∆t x(t )
⏠⏣⏣⏣
⏡⏣⏣⏣
⏢ ⏠⏣⏣⏣⏣
⏡⏣⏣⏣⏣
⏢ ⏠⏣⏣⏣⏣
⏡⏣⏣⏣⏣
⏢
E dessa forma podemos computar x 0 , x 1,..., x N discretamente, pois
x 1 = Ãx 0
x 2 = Ãx 1 = Ã 2x 0
x 3 = Ãx 2 = Ã 3x 0
xk = Ã N x 0
E dessa forma, podemos ver que para analisar a estabilidade do sistema devemos
verificar como à N se comporta conforme N cresce.
à = T̃D̃T̃ -1 → à N = T̃D̃ N T̃ -1
˜
E agora estamos interessados em �˜ N . Assumindo que podemos representar �˜ por R̃e �i ,
a condição para que à N não "exploda" conforme N cresce é que R̃ < 1.
Im
�˜
Instável
Estável
Re
x␒ = f(x) ⟹ x␒ = Ax
1. Encontrar pontos fixos
x
⏨tal que x␒ = f(x⏨) = 0
2. Linearizar em torno de x
⏨
Jacobiano:
∂f 1 ∂f 1 ∂f 1
∂x 1 ∂x 2
… ∂x n
x1 f 1 (x1 , x 2 ,..., x n )
∂f 2 ∂f 2 ∂f 2
x f 2 (x1 , x 2 ,..., x n ) Df …
x= 2 f(x) = = ∂x 1 ∂x 2 ∂x n
⋮ ⋮ Dx ⋮ ⋮ ⋱ ⋮
xn f n (x 1 , x 2 ,..., x n ) ∂f n ∂f n ∂f n
∂x 1 ∂x 2
… ∂x n
Dica:
∂f 1 ∂f 1 ∂f 1 ∂f 1
Df ∂x 1 ∂x 2 ∆x 1 ∂x 1
∆x 1 + ∂x ∆x 2
∆x = = 2
dx ∂f 2 ∂f 2 ∆x 2 ∂f 2 ∂f 2
∆x 1 + ∂x ∆x 2
∂x 1 ∂x 2 ∂x 1 2
Df D2f [x - x 0 ] 2 D3f [x - x 0 ] 3
f(x) = f(x 0 ) + [x - x 0 ] + + + ...
Dx x0 Dx 2 x0 2! Dx 3 x0 3!
␒ ≡ f(x), ⏨
Usando ∆x␒ ≡ x␒ - x
⏨ x = x0 , ∆x = x - ⏨
x
Df D2f ∆x 2 D3f ∆x 3
␒ = f(x
x␒ - x
⏨ ⏨) + ∆x + + + ...
Dx x
⏨ Dx 2 x
⏨ 2! Dx 3 x
⏨ 3!
E como escolhemos x
⏨tal que f(x
⏨) = 0, na região próxima de x⏨onde ∆x é muito
pequeno cancelaremos os termos de alta ordem da série de Taylor, obtendo a expressão
Df
∆x␒ = ∆x
Dx x
⏨
Exemplo: Pêndulo
Aplicaremos as abordagens obtidas para um sistema não linear que é o do pêndulo.
Não passaremos pela física do problema, mas uma boa abordagem para fazer o
modelo matemático seria uma análise Lagrangiana do problema.
␒␒ = - g sin(�) - ��␒
� L
x1 �
Um estado útil para analisarmos é x = = , portanto
x2 �␒
d x1 x2
= g
dt x 2 - L sin(x 1 ) - �x 2
Que está na forma x␒ = f(x), que é o que havíamos proposto anteriormente.
Façamos uma pausa para apreciar a aleatoriedade de propor x␒ = f(x). Inicialmente
realmente parecia um exemplo bastante específico e sem muitas aplicações. Mas
analisando as proximidades de um ponto fixo de um sistema não linear pudemos
aproveitar a análise representando o nosso sistema dessa forma.
Df 0 1 Df 0 1
= g = g
Dx x
⏨1
- L -� Dx x
⏨2 L
-�
⏨1 = (0, 0)
x x
⏨2 = (�, 0)
2 2
� � g � � g
� 1,2 = - ± 2 2
- L
� 1,2 = - ± 2 2
+L
-Kx
u = -Kx
Portanto
x␒ = Ax - BKx = (A - BK)x
E veja que de certa forma estamos modificando os autovalores da matriz que multiplica x.
A forma que teremos de testar se um sistema é controlável dados A e B será usando uma
matriz de controlabilidade
C = B AB A 2 B ... A n-1 B
C ∈ R n×nq
E o critério de controlabilidade é que se e somente se a ordem (rank) da matriz de
controlabilidade C for igual a n, então o sistema é controlável
iff rank(C) = n, then sys is ctrb
Uma forma de entender seria interpretar em um sistema discreto
x k+1 = Ã x k + B̃ u k
Que é análogo discreto do sistema
x␒ = Ax + Bu
Veja que se provocarmos uma perturbação u 0 = 1 e u k = 0, k > 0, e sujeitarmos o
sistema à condição inicial homogênea x = 0 , teremos a seguinte série
k 0 1 2 3 4 … m
uk 1 0 0 0 0 … 0
x k 0 B̃ ÃB̃ Ã 2 B̃ Ã 3 B̃ … Ã m-1 B̃
O que nos dá pelo menos alguma intuição sobre a origem da matriz de controlabilidade,
que vem do subespaço vetorial gerado por um impulso inicial no sistema.
0
Os maiores autovalores da matriz gramiana possuem os autovalores com mais fácil
controlabilidade, ou seja, que demandam menos energia para atuar sobre o sistema. Para
sistemas discretos pode ser aproximada por W t ≈ CC T
(A - �I)x = 0
1 2 3 x1 0
1 3 5 x2 = 0
4 2 4 x3 0