T opicos em Teoria de Controle

1
A. Leit ao
Departamento de Matem atica
Universidade Federal de Santa Catarina (UFSC)
G.N. Silva
Departamento de Computa c ao e Estatstica
Universidade Estadual Paulista (UNESP)
1
Manuscrito atualizado em: 04 Outubro 2004
Conte udo
1 Sistemas Lineares 1
1.1 Introdu c ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Sistemas N ao-Aut onomos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Sistemas Aut onomos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2 Controlabilidade 17
2.1 Controlabilidade Para Sistemas Lineares . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2 A Matriz de Controlabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.3 Conjunto dos Estados Atingveis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.4 Controles Redundantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.5 Considera c oes Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3 Estabilidade 37
3.1 Conceito e Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.2 Estabilidade de Sistemas Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.3 Criterio de RouthHurwitz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.4 Perturba c ao de Sistemas Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.5 Metodo de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.6 Equa c ao Matricial de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.7 Estabilidade de Sistemas Lineares Discretos . . . . . . . . . . . . . . . . . . . . . . . 55
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4 Estabiliza cao 59
4.1 Sistemas Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.2 Coloca c ao de P olos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4.3 Observador Din amico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.4 Estabiliza c ao por Realimenta c ao de Sada . . . . . . . . . . . . . . . . . . . . . . . . 68
4.5 Pontos de Opera c ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
5 Princpio do Maximo 73
5.1 Problemas com Horizonte Finito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
5.2 Problemas com Horizonte Innito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.3 Aplica c oes do Princpio do M aximo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
Bibliograa 93
i
ii
Captulo 1
Sistemas Lineares
Neste captulo vamos apresentar a teoria b asica de sistemas equa c oes diferenciais ordin arias lineares
que ser a util para o estudo de sistemas de controle lineares.
O material relacionado a sistemas lineares contido neste captulo pode ser encontrado citeso-
tomayor. O teorema da contra c ao e assunto b asico dos cursos de matem atica. O material que aqui
aparece foi retirado de [Hon].
1.1 Introdu cao
Sistemas Lineares s ao aqueles que tem a forma:
_

_
x

1
= a
11
(t)x
1
+. . . +a
1n
(t)x
n
+b
1
(t)
x

2
= a
21
(t)x
1
+. . . +a
2n
(t)x
n
+b
2
(t)
.
.
.
x

n
= a
n1
(t)x
1
+. . . +a
nn
(t)x
n
+b
n
(t)
(1.1)
onde os a
ij
, b
i
s ao fun c oes contnuas em um intervalo I, aberto com i,j=1,2,. . . ,n.
Equivalentemente podemos escrever
x

i
=
n

j=1
[a
ij
(t)x
j
(t) +b
i
(t)], i = 1, 2, ..., n.
Se um conjunto de solu c oes
1
,
2
,...,
n
de classe C
1
em I
0
I satisfaz
d
dt

i
(t) =
n

j=1
[a
ij
(t)
j
(t) +b
i
(t)], i = 1, 2, ..., n.
ent ao tal conjunto e solu c ao do sistema (1.1) em I
0
para todo t I
0
.
Considerando agora A(t) a matriz cujos elementos s ao as fun c oes a
ij
e b(t) o vetor cujos elementos
s ao as fun c oes b
i
(t), temos a equa c ao matricial:
x

= A(t)x +b(t). (1.2)

Assim, se um conjunto
1
,
2
,...,
n
e solu c ao de (1.1) em I
0
ent ao a aplica c ao =(
1
,
2
,...,
n
)
e solu c ao para (1.2) em I
0
, isto e,

= A(t)(t) +b(t), t I
0
.
1
Antes de prosseguirmos, vamos apresentar algumas no c oes de espa c oes metricos necess arios ao
desenvolvimento deste captulo.
Deni cao 1.1.1 Um espa co metrico e um par (X,d) onde X e um conjunto e d e uma fun c ao,
d : X X R
(x, y) d(x, y),
chamada dist ancia de x a y, que satisfaz:
(a) d(x,x) = 0
(b) x ,= y d(x, y) > 0
(c) d(x,y) = d(y,x)
(d) d(x,y) d(x,z)+d(z,y) - (desigualdade triangular)
Deni cao 1.1.2 Seja X um espa co metrico com a metrica d. Dizemos que uma aplica c ao T : X
X e uma contra c ao se existe c R, 0 c < 1 tal que x
1
, x
2
X temos que d(T(x
1
), T(x
2
))
cd(x
1
, x
2
), onde c e a chamada de constante de contra c ao de T.
Nota cao: Seja T : X X, denotaremos T
2
= T T, T
3
= T T
2
, ou seja T
n
= T T
n1
.
Lema 1.1.3 Sejam 0 c < 1 e m > n 1. Ent ao 1 +c +c
2
+... +c
mn1
(1 c)
1
.
Demonstra cao: Exerccio.
Deni cao 1.1.4 Dada uma sequencia (x
n
) em (X, d) e um ponto x X, dizemos que (x
n
) converge
a x se a sequencia de n umeros reais d(x
n
, x) converge a zero.
Deni cao 1.1.5 Uma sequencia (x
n
) de X e chamada de sequencia de Cauchy se dado > 0, existe
n
0
N tal que
d(x
n
, x
m
) < para todo n, m > n
0
.
Dizemos que um espa co metrico e completo se toda sequencia de Cauchy neste espa co for con-
vergente.
Teorema 1.1.6 (Teorema do ponto xo de Banach para contra c oes)
Sejam X um espa co metrico e T : X X uma contra c ao. Ent ao:
(i) ! x : T(x) = x;
(ii) x
1
, a seq uencia (x
n
)
nN
, onde x
n+1
= T
n
(x
1
), converge a x;
(iii) n temos d(x
n
, x)
c
n1
1 c
d(x
n
, x).
2
Demonstra cao: (i) Mostremos primeiramente a existencia. Seja x
1
X qualquer e x
n+1
= T(x
n
),
n = 1, 2, ...
Vamos demonstrar que (x
n
)
nN
e uma sequencia de Cauchy.
Para n > 1, temos
d(x
n
, x
n+1
) = d(Tx
n1
, Tx
n
) cd(x
n1
, x
n
)
e, por indu c ao sobre n, vem que
d(x
n
, x
n+1
) c
n1
d(x
1
, x
2
).
Ent ao, para 1 n m, temos
d(x
n
, x
m
) d(x
n
, x
n+1
) +... +d(x
m1
, x
m
)
c
n1
d(x
1
, x
2
) +... +c
m2
d(x
1
, x
2
)
= c
n1
d(x
1
, x
2
)
_
1 +c +... +c
mn1
_

c
n1
1 c
d(x
1
, x
2
) ( Lema (1.1.3)).
e, como c
n
0, segue que (x
n
) e uma sequencia de Cauchy. Como X e um espa co metrico completo,
temos que existe x X tal que x
n
x.
Mostremos agora que T x = x. Assim sendo
d(T x, x
n+1
) = d(T x, Tx
n
) cd( x, x
n
)
e, como d( x, x
n
) 0, segue que x
n
T x. Pelo teorema de unicidade do limite, temos ent ao que
T x = x.
Mostremos agora a unicidade. Sejam x, y X, x ,= y, com T x = x, T y = y. Ent ao
0 < d( x, y) = d(T x, T y) cd( x, y)
e, portanto, c 1, o que contradiz a hip otese.
(ii) Observe que a sequencia denida em i) tambem pode ser escrita da seguinte forma
x
n+1
= T
n
x1
Sabemos que esta sequencia converge a um ponto xo, mas pela unicidade do ponto xo temos que
ela converge a x.
(iii) Da demonstra c ao de i) resulta que para 1 n m,
d(x
n
, x) d(x
n
, x
m
) +d(x
m
, x)
c
n1
1 c
d(x
1
, x
2
) +d(x
m
, x)
Como d(x
m
, x) 0, segue a arma c ao (iii).
Corolario 1.1.7 Seja T : X X tal que, para algum m, T
m
e uma contra c ao. Ent ao T tem
um e somente um ponto xo e, para qualquer que seja x
1
X, a seq uencia (T
n
x
1
)
nN
converge ao
ponto xo.
3
Demonstra cao: Como T
m
e uma contra c ao, seja x seu unico ponto xo, ou seja T
m
x = x. Ent ao:
T
m
(Tx) = T(T
m
x) = Tx
Logo Tx e ponto xo de T
m
. Mas como x e o unico ponto xo de T
m
, temos que x = Tx
(existencia), ou seja x e ponto xo de T.
Para provar que x e unico, tomemos x como um outro ponto xo de T. Assim,
T
m
( x) = T
m1
(T x) = T
m1
( x) = T
m2
(T x) = ... = T x = x
Logo x e ponto xo de T
m
, e portanto x = x.
Provemos ent ao a segunda parte do corol ario.
Seja x
1
X. Tome y
k
= (T
m
)
k
y
1
, onde y
1
= T
r
x
1
, com r N xo e k N. Pelo Teorema do
ponto xo de Banach para contra c oes, y
k
x. Ent ao, para n > m, temos que r N

, 1 r < m,
tal que n = km+r. Assim,
T
n
x
1
= T
mk+r
x
1
= T
mk
(T
r
x
1
) = (T
m
)
k
y
1
= y
k
Como y
k
x, temos que T
n
x
1
x.
Consideraremos C(I
0
, E) := x : I
0
E o espa co das fun c oes contnuas com a metrica
d(x, y) = max
t I0
[x(t) y(t)[ =| x y |

.
Observa cao: Denotaremos por E os espa cos R
n
ou C
n
.
Teorema 1.1.8 Se as fun c oes a
ij
e b
i
, i,j=1,2,...,n, s ao contnuas em I, ent ao existe uma unica
solu c ao (t) (denida em I) da equa c ao
x

= A(t)x +b(t),
que satisfaz a condi c ao inicial
(t
0
) = x
0
, t
0
I,
onde x
0
E e um valor arbitr ario.
Demonstra cao: Seja T : C C denida por T(t) := x
0
+
_
t
t0
[A(s)(s) + b(s)]ds. Assim T
est a bem denida. Provemos que T possui um unico ponto xo em C, o que implica no resultado
desejado. Dados u, v C, temos
[Tu(t) Tv(t)[ = [
_
t
t0
[A(s)(u(s) v(s))]ds[
_
t
t0
| A(s) || u v |

ds
K | u v |

[t t
0
[,
onde K := sup
sI0
| A(s) | . Tambem temos:
[T
2
u(t) T
2
v(t)[ = [T(Tu)(t) T(Tv)(t)[
_
t
t0
| A(s)(Tu(s) Tv(s)) | ds
K
_
t
t0
[Tu(s) Tv(s)[ds
K
2
| u v |

_
t
t0
[s t
0
[ds = K
2
| u v |

(t t
0
)
2
2!
4
Por indu c ao, provamos que
[T
n
u(t) T
n
v(t)[
K
n
n!
| u v |

[t t
0
[
n
Suponhamos que a desigualdade acima seja verdadeira para n N. Ent ao
[T
n+1
u(t) T
n+1
v(t)[ = [T(T
n
u)(t) T(T
n
v)(t)[ = [
_
t
t0
A(s)(T
n
u(s) T
n
v(s))ds[
K
_
t
t0
K
n
n!
| u v |

[s t
0
[
n
ds
K
n+1
(n + 1)!
| u v |

[t t
0
[
n+1
.
Sendo I
0
= [a, b] com a < b, segue que
[T
n
u(t) T
n
v(t)[
K
n
(b a)
n
n!
| u v |

, n N.
Logo, para algum m N sucientemente grande, podemos armar que T
m
e uma contra c ao. Do
Corol ario (1.1.7) segue que T possui um unico ponto xo C, tal que
T = ,
isto e,
(t) = x
0
+
_
t
t0
[A(s)(s) +b(s)]ds (1.3)
o que demonstra o teorema da existencia e unicidade em quest ao.
Consideremos a equa c ao diferencial
x
(n)
= p
1
(t)x
(n1)
+p
2
(t)x
(n2)
+. . . +p
n1
(t)x

+p
n
(t)x +g(t), (1.4)
onde as fun c oes p
1
, p
2
, . . . , p
n
e g s ao contnuas num intervalo I. Podemos transformar a equa c ao
(1.4) num sistema de n equa c oes de primeira ordem, assim:
_

_
z
1
= x
z

1
= x

= z
2
z

2
= x

= z
3
z

3
= x

= z
4
.
.
.
z

n1
= x
(n1)
= z
n
z

n
= x
(n)
= p
1
(t)x
(n1)
+. . . +p
n
(t)x +g(t) = p
1
(t)z
n
+. . . +p
n
(t)z
1
+g(t)
(1.5)
Com tal mudan ca facilitaremos os c alculos a serem feitos, j a que precisaremos apenas de achar a
solu c ao de equa c oes diferenciais de primeira ordem.
O sistema (1.5) e equivalente na forma matricial ` a
z

= A(t)z +b(t),
5
onde
z =
_

_
z
1
z
2
.
.
.
z
n1
z
n
_

_
, A(t) =
_

_
0 1 0 0
0 0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1
p
n
(t) p
n1
(t) p
n2
(t) p
1
(t)
_

_
e b(t) =
_

_
0
0
.
.
.
0
g(t)
_

_
.
Assim, como pelo Teorema 1.1.8 a equa c ao diferencial acima tem unica solu c ao, conseq uentemente,
a equa c ao (1.4) tambem tem solu c ao unica.
Exemplo 1.1.9 Transforme a equa c ao
ax

+bx +c = 0
onde a, b e c s ao constantes, num sistema de equa c oes lineares.
Solu cao: O sistema dado e equivalente ` a x

+
b
a
x

+
c
a
= 0. Fa camos x
1
= x; ent ao x

1
= x

.
Fa camos agora, x
2
= x

; ent ao x

2
= x

=
b
a
x

c
a
=
b
a
x
1

c
a
.
Assim, obtemos o sistema
_
x

1
= x
2
x

2
=
b
a
x
1

c
a
que e equivalente a
_
x

1
x

2
_
=
_
0 1
b
a
0
_ _
x
1
x
2
_
+
_
0
c
a
_
.
Se a matriz A(t) do sistema de equa c oes
x

= A(t)x +b(t),
e constante, isto e, os elementos a
ij
s ao constantes, dizemos que o sistema associado e um sistema
aut onomo. Caso contr ario, chamamos o sistema de sistema nao-aut onomo. Trataremos agora
do caso mais geral, onde o sistema e n ao-aut onomo.
1.2 Sistemas Nao-Aut onomos
Estudaremos equa c oes da forma
x

= A(t)x +b(t), (1.6)

onde todos os elementos da matriz A(t) e do vetor b(t) s ao fun c oes contnuas num intervalo I. Como
j a visto, a equa c ao (1.6) possui unica solu c ao.
Corolario 1.2.1 Sejam , solu c oes da equa c ao homogenea
x

= A(t)x. (1.7)
(a) Se a e b s ao constantes arbitr arias, ent ao = a +b e solu c ao da equa c ao (1.7);
6
(b) Se (s) = 0 para algum s I ent ao (t) = 0, t I.
Demonstra cao: (a) Se e s ao solu c oes da equa c ao (1.7), ent ao satisfazem

= A(t) e

= A(t).
Logo,

(t) = a

(t) +b

(t)
= aA(t)(t) +bA(t)(t)
= A(t)[a(t) +b(t)]
= A(t)(t).
(b) A fun c ao nula e solu c ao da equa c ao (1.7) e satisfaz a condi c ao inicial (s) = 0. Pelo Teorema
1.1.8 esta solu c ao e unica. Ent ao
(t) = 0, t I.
Teorema 1.2.2 O conjunto / de todas as solu c oes da equa c ao (1.7) e um subespa co do espa co
vetorial das fun c oes contnuas : I E, de dimens ao n, e para cada s I, a aplica c ao que a
cada x
0
E associa a solu c ao (t) satisfazendo (s) = x
0
e um isomorsmo de E sobre /.
Demonstra cao: A primeira parte e conseq uencia imediata do Corol ario 1.2.1,Provemos a segunda
parte. Representemos por
s
a aplica c ao de / em E, dada por

s
() = (s), s I.
Observemos que
s
e linear:

s
(a
1
+
2
) = (a
1
+
2
)(s)
= a
1
(s) +
2
(s)
= a
s
(
1
) +
s
(
2
),
onde
1
e
2
s ao solu c oes da equa c ao (1.7). Pelo Teorema 1.1.8, temos que para x
0
E,
i
/
tal que
s
() = (s) = x
0
, ou seja,
s
e sobrejetora. Agora
ker
s
= / :
s
() = 0.
Mas pela parte (b) do Corol ario 1.2.1, a unica solu c ao que satisfaz (s) = 0 e a solu c ao nula. Logo
ker
s
= 0, ou seja,
s
e injetora. Portanto
s
e bijetora, e existe
1
s
(tambem bijetora),

1
s
(x
0
) = (t), com (s) = x
0
.
Assim obtemos uma aplica c ao de E em /, bijetora. Logo esta e isomorsmo de E sobre / e portanto
dim/ = dimE.
Notemos que como / e um subespa co vetorial, tambem e um espa co vetorial. Particularmente
se v
1
, v
2
, . . . , v
n
formam uma base de E, ent ao
1
(t),
2
(t), . . . ,
n
(t) com
1
(s) = v
1
,
2
(s) =
v
2
, . . . ,
n
(s) = v
n
formam uma base de /.
7
Consideremos agora as equa c oes matriciais lineares
X

= A(t)X, (1.8)
onde X e uma matriz quadrada de ordem n. (t) e solu c ao da equa c ao (1.8) se, e somente se, para
todo 1 j n, a j-esima coluna
j
(t) de (t) e solu c ao da equa c ao homogenea x

= A(t)x.
Denimos a matriz fundamental da equa c ao (1.7) como sendo uma matriz quadrada (t) de
ordem n cujas colunas formam uma base do espa co de solu c oes de (1.7).
Como as colunas de uma matriz fundamental formam uma base do espa co / de solu c oes de
(1.7), estas s ao linearmente independentes. Temos que a dimens ao de / e n; logo temos n colunas
linearmente independentes, e assim a matriz fundamental e n ao-singular
1
.
Pelo Teorema 1.1.8, dado t
0
I, e M
0
uma matriz n ao-singular, existe uma unica matriz funda-
mental tal que (t
0
) = M
0
.
Seja C uma matriz constante, nn. Ent ao se (t) e uma solu c ao da equa c ao (1.8), (t) = (t)C
e tambem solu c ao de (1.8), pois

(t) =

(t)C = A(t)(t)C = A(t)(t).

Proposi cao 1.2.3 Sejam (t) e (t) solu c oes da equa c ao
X

= A(t)X,
sendo fundamental. Ent ao existe uma unica matriz C, n n, tal que
(t) = (t)C, t I.
C e n ao singular se e somente se (t) e fundamental.
Demonstra cao: Como e fundamental, e n ao singular para todo t I. Ent ao temos
[
1
(t)(t)]

= [
1
(t)]

(t) +
1
(t)

(t). (1.9)
Mas
1
(t) =
1
(t)(t)
1
(t). Logo
[
1
(t)]

= [
1
(t)(t)
1
(t)]

= [
1
(t)]

(t)
1
(t) +
1
(t)

(t)
1
(t) +
1
(t)(t)[
1
(t)]

= [
1
(t)]

+
1
(t)

(t)
1
(t) + [
1
(t)]

.
Assim obtemos [
1
(t)]

= 2[
1
(t)]

+
1
(t)

(t)
1
(t), ou seja,
[
1
(t)]

=
1
(t)

(t)
1
(t)
=
1
(t)A(t)(t)
1
(t)
=
1
(t)A(t), (1.10)
e substituindo em (1.9), obtemos
[
1
(t)(t)]

=
1
(t)A(t)(t) +
1
(t)A(t)(t) = 0.
Portanto

1
(t)(t) = C = (t) = (t)C.
Desta forma, temos que
det
1
(t) det (t) = det[
1
(t)(t)] = det C.
Assim, det C ,= 0, isto e, C e n ao singular se e somente se det (t) ,= 0, ou seja, se e somente se (t)
e fundamental.
1
det[(t)] = 0, ou seja, e inversvel.
8
Teorema 1.2.4 Se (t) e uma matriz fundamental da equa c ao
x

= A(t)x,
ent ao a solu c ao (t), com (t
0
) = x
0
, da equa c ao
x

= A(t)x +b(t),
e dada por
(t) = (t)
_

1
(t
0
)x
0
+
_
t
t0

1
(s)b(s)ds
_
. (1.11)
Demonstra cao: Por causa do Teorema 1.1.8 basta vericar que (t) dada em (1.11) satisfaz a
condi c ao inicial (t
0
) = x
0
(o que pode ser feito por inspe c ao) e a equa c ao (1.6). Veriquemos que
(t) satisfaz (1.6). De fato

(t) =

(t)[
1
(t
0
)x
0
+
_
t
t0

1
(s)b(s)ds] +(t)[
1
(t
0
)x
0
+
_
t
t0

1
(s)b(s)ds]

=
A(t)(t)[
1
(t
0
)x
0
+
_
t
t0

1
(s)b(s)ds] +(t)
1
(t)b(t) = A(t) +b(t).
A ttulo de ilustra c ao vamos mostrar como deduzir a carade usando o metodo de varia c ao
de par ametros. Seja C(t) tal que
(t) = (t)C(t), (t
0
) = x
0
. (1.12)
Como (t) e fundamental, e n ao singular. Ent ao
C(t
0
) =
1
(t
0
)(t
0
) =
1
(t
0
)x
0
.
Desde que (t) e solu c ao, satisfaz

(t) = A(t)(t) +b(t). (1.13)

Mas de (1.12), temos

(t) =

(t)C(t) +(t)C

(t)
= A(t)(t)C(t) +(t)C

(t)
= A(t)(t) +(t)C

(t). (1.14)
De (1.13) e (1.14) segue que
A(t)(t) +b(t) = A(t)(t) +(t)C

(t) b(t) = (t)C

(t) C

(t) =
1
(t)b(t).
Assim
C(t) =
_
t
t0

1
(s)b(s)ds +k,
9
onde k e um vetor constante arbitr ario. Podemos determin a-lo utilizando a condi c ao inicial C(t
0
) =

1
(t
0
)x
0
. Deste modo
C(t) =
1
(t
0
)x
0
+
_
t
t0

1
(s)b(s)ds,
e portanto
(t) = (t)C(t) = (t)
_

1
(t
0
)x
0
+
_
t
t0

1
(s)b(s)ds
_
.
Observemos que para a caso homogeneo,
x

= A(t)x,
a solu c ao e dada por
(t) = (t)
1
(t
0
)x
0
.
Exemplo 1.2.5 Ache a solu c ao da equa c ao
x

= A(t)x,
com
x =
_
x
1
x
2
_
e A =
_
0 1
k
2
0
_
.
Solu cao: Uma matriz fundamental para esta equa c ao e dada por (na pr oxima se c ao veremos como
encontr a-la):
(t) =
_
sen kt cos kt
k cos kt k sen kt
_
.
Efetuando os c alculos, temos que
1
(t) e dada por

1
(t) =
_
sen kt
1
k
cos kt
cos kt
1
k
sen kt
_
.
Vimos que a solu c ao e dada por
(t) = (t)
1
(t
0
)x
0
.
Assim temos que
(t) =
_
x
01
cos k(t t
0
) +x
02
(1/k) senk(t t
0
)
x
01
k senk(t t
0
) +x
02
cos k(t t
0
)
_
,
onde x
01
e x
02
s ao as componentes do vetor x
0
, isto e, x
0
=
_
x
01
x
02
_
.
Um problema importante e o caso associado com o sistema adjunto ao sistema (1.7). Denimos
o sistema adjunto como sendo o sistema
y

= [A(t)]
t
y.
Seja (t) uma matriz fundamental para a equa c ao (1.7). Segue de (1.10) que [
1
(t)]
t
e uma
matriz fundamental do sistema adjunto. Se A(t) = [A(t)]
t
, o sistema e chamado auto-adjunto.
Neste caso [
1
(t)]
t
= (t).
10
1.3 Sistemas Aut onomos
Estudaremos equa c oes da forma
x

= Ax +b(t), (1.15)
onde A e uma matriz n n constante.
Consideremos primeiro o caso homogeneo
x

= Ax. (1.16)
Seja (t) a matriz fundamental da equa c ao (1.16), com (0) = I
d
.
Proposi cao 1.3.1 (a)

(t) = A(t), (0) = I

d
;
(b) (t +s) = (t)(s), t, s R;
(c)
1
(t) = (t);
(d) a serie

k=0
t
k
A
k
k!
(1.17)
converge para (t) em R, uniformemente em cada intervalo compacto.
Demonstra cao: (a) Como (t) e a matriz fundamental,

(t) = A(t), (0) = I

d
.
(b) Fixemos s. Consideremos a equa c ao matricial
X

= AX, (1.18)
e as matrizes
(t) = (t +s), (t) = (t)(s).
Para a primeira matriz, temos

(t) =

(t +s) = A(t +s) = A(t).

Logo (t) e a solu c ao da equa c ao (1.18), com X(0) = (s). Para a segunda matriz, temos

(t) = [(t)(s)]

= (t)

(s) = A(t).
Logo (t) tambem e solu c ao da equa c ao (1.18), com X(0) = (s). Porem, pelo Teorema 1.1.8 a
solu c ao e unica. Da (t) = (t), ou seja,
(t +s) = (t)(s).
(c) Do item anterior, temos,
(t +s) = (t)(s) t, s R.
Pondo s = t, temos
(t t) = (t)(t) I
d
= (t)(t)
1
(t) = (t).
11
(d) Consideremos a sequencia de aplica c oes
k
dadas por
_

0
(t) = I
d

k+1
(t) = I
d
+
_
t
0
A
k
(s)ds.
Temos que

1
(t) = I
d
+
_
t
0
A
0
(s)ds = I
d
+
_
t
0
Ads = I
d
+tA,

2
(t) = I
d
+
_
t
0
A
1
(s)ds = I
d
+
_
t
0
A(I
d
+sA)ds = I
d
+tA+
t
2
2!
A
2
,

3
(t) = I
d
+
_
t
0
A
2
(s)ds = I
d
+
_
t
0
A(I
d
+sA+
s
2
2!
A
2
)ds
= I
d
+tA+
t
2
2!
A
2
+
t
3
3!
A
3
.
Tomemos por hip otese de indu c ao que

k1
(t) = I
d
+
_
t
0
A
_
_
k2

j=0
s
j
A
j
j!
_
_
ds =
k1

j=0
s
j
A
j
j!
.
Logo

k
(t) = I
d
+
_
t
0
A
k1
ds = I
d
+
_
t
0
A
_
_
k1

j=0
s
j
A
j
j!
_
_
ds
= I
d
+
_
t
0
A
_
I
d
+sA+
s
2
A
2
2!
+. . . +
s
k1
A
k1
(k 1)!
_
ds
= I
d
+tA+
t
2
2!
A
2
+. . . +
t
k
k!
A
k
=
k

j=0
t
j
A
j
j!
.
Portanto, por indu c ao temos

k
(t) =
k

j=0
t
j
A
j
j!
.
Procedendo como na demonstra c ao do Teorema 1.1.8, agora para a equa c ao linear homogenea
X

= AX, X(0) = I
d
,
temos que a sequencia
k
converge uniformemente para a solu c ao da equa c ao acima, em cada in-
tervalo compacto. Assim a serie (1.17) converge para (t) em R, uniformemente em cada intervalo
compacto.
Observemos que a aplica c ao t (t) tem propriedades an alogas ` a fun c ao exponencial. Deni-
mos a exponencial da matriz A como sendo a matriz e
A
denida por (1). Assim
e
A
=

j=0
A
j
j!
.
Logo, podemos reescrever a Proposi c ao 1.3.1.
12
Proposi cao 1.3.2 (a)
d
dt
(e
tA
) = Ae
tA
e e
0A
= I
d
;
(b) e
(t+s)A
= e
tA
e
sA
;
(c) (e
tA
)
1
= e
tA
;
(d) e
tA
=

k=0
t
k
A
k
k!
, sendo a convergencia da serie uniforme em cada intervalo compacto.
Consequentemente a solu c ao da equa c ao (1.16) e dada por
(t) = e
tA
e
t0A
x
0
.
E voltando ao caso n ao-homogeneo, com base no Teorema 1.2.4, a solu c ao da equa c ao (1.15) e
dada por
(t) = e
tA
_
e
t0A
x
0
+
_
t
t0
e
sA
b(s)ds
_
.
Na pr oxima se c ao trabalharemos com a condi c ao inicial x(0) = x
0
. Neste caso as solu c oes acima
tornam-se
(t) = e
tA
para o caso homogeneo,
(t) = e
tA
_
x
0
+
_
t
0
e
sA
b(s)ds
_
, para o caso n ao-homogeneo.
Exemplo 1.3.3 Calcule e
tA
, com
A =
_
0 1
1 0
_
Solu cao: Efetuando os c alculos, obtemos
A
2k
=
_
(1)
k
0
0 (1)
k
_
e
A
2k1
=
_
0 (1)
k+1
(1)
k
0
_
.
Portanto
e
tA
=

k=0
A
k
t
k
k!
=

k=0
A
2k
t
2k
(2k)!
+

k=1
A
2k1
t
2k1
(2k 1)!
=
_

k=0
(1)
k
t
2k
(2k)!
0
0

k=0
(1)
k
t
2k
(2k)!
_

_
+
_

_
0

k=1
(1)
k+1
t
2k1
(2k1)!

k=1
(1)
k
t
2k1
(2k1)!
0
_

_
=
_

k=0
(1)
k
t
2k
(2k)!

k=1
(1)
k+1
t
2k1
(2k1)!

k=1
(1)
k
t
2k1
(2k1)!

k=0
(1)
k
t
2k
(2k)!
_

_
=
_
cos t sen t
sen t cos t
_
.
13
Lema 1.3.4 Seja A uma matriz n n constante. Se e um auto-valor de A e v e um auto-vetor
correspondente, ent ao (t) = e
t
v e uma solu c ao da equa c ao
x

= Ax.
Demonstra cao: Temos Av = v. Logo

(t) = e
t
v = ve
t
= Ave
t
= A(t).
Proposi cao 1.3.5 Seja A uma matriz n n constante. Se A tem auto-valores
1
,
2
, . . . ,
n
e
v
1
, v
2
, . . . , v
n
s ao auto-vetores linearmente independentes, com Av
i
=
i
v
i
, ent ao a matriz V (t),
cuja i-esima coluna, i = 1, 2, . . . , n, e
i
(t) = e
it
v
i
, e uma matriz fundamental da equa c ao
x

= Ax.
Em particular e
tA
= V (t)V
1
(0).
Demonstra cao: Como os auto-valores v
i
s ao linearmente independentes, o resultado e imediato do
Lema (1.3.4). A particularidade
e
tA
= V (t)V
1
(0),
segue da unicidade da solu c ao da equa c ao
X

= AX, com X(0) = I

d
.
Quando os auto-valores da matriz A (real) s ao complexos conjugados, teremos uma solu c ao com-
plexa para a equa c ao (1.16). Mas podemos express a-la como solu c ao real. Sejam = + i um
auto-valor e v = v
1
+iv
2
um auto-vetor correspondente; assim = i tambem e um auto-valor
com auto-vetor correspondente v = v
1
iv
2
, pois Av = v Av = v Av = v.
Pela Proposi c ao (1.3.5), (t) = e
t
v e (t) = e
t
v s ao solu c oes linearmente independentes da
equa c ao (1.16). Deste modo

1
(t) =
1
2
[(t) +(t)] e
2
(t) =
1
2i
[(t) (t)]
s ao solu c oes reais de (1.16), com
1
(0) = v
1
,
2
(0) = v
2
. Veja:

1
(t) =
1
2
[

(t) +

(t)] =
1
2
[A(t) +A(t)] = A
1
2
[(t) + (t)] = A
1
(t),

2
(t) =
1
2i
[

(t)

(t)] =
1
2i
[A(t) A(t)] = A
1
2i
[(t) (t)] = A
2
(t),

1
(0) =
1
2
[(0) +(0)] =
1
2
[v +v] =
1
2
[2v
1
] = v
1
,

2
(0) =
1
2i
[(0) (0)] =
1
2i
[v v] =
1
2i
[2iv
2
] = v
2
.
Os vetores v
1
e v
2
s ao linearmente independentes, pois, caso contr ario teramos v
2
= cv
1
e assim
v = v
1
+iv
2
= v
1
+icv
1
= (1 +ic)v
1
e v = v
1
iv
2
= v
1
icv
1
= (1 ic)v
1
resultariam linearmente
dependentes, o que n ao e verdade. Ent ao as solu c oes
1
(t) e
2
(t) s ao linearmente independentes.
Agora,
(t) = e
(+i)t
v = e
t
(cos t +i sen t)(v
1
+iv
2
),
14
e
(t) = e
(i)t
v = e
t
(cos t i sen t)(v
1
iv
2
).
Logo

1
(t) =
1
2
[(t) +(t)] =
1
2
[e
t
(2v
1
cos t 2v
2
sen t)].
= e
t
[(v
1
cos t v
2
sen t)],

2
(t) =
1
2i
[(t) (t)] =
1
2i
[e
t
(2iv
1
sen t + 2iv
2
cos t)]
= e
t
[(v
1
sen t +v
2
cos t)].
Exemplo 1.3.6 Encontre uma matriz fundamental para a equa c ao
x

= Ax,
com
x =
_
x
1
x
2
_
e A =
_
0 1
k
2
0
_
.
Solu cao: Temos que ik e ik s ao auto-valores de A e
v =
_
i
k
_
=
_
0
k
_
+i
_
1
0
_
= v
1
+iv
2
e um auto-vetor correspondente ao auto-valor ik. Portanto

1
(t) = e
t
(v
1
cos t v
2
sen t)
=
_
0
k
_
cos kt
_
1
0
_
sen kt
=
_
sen kt
k cos kt
_
,
e

2
(t) = e
t
(v
1
sen t +v
2
cos t)
=
_
0
k
_
sen kt +
_
1
0
_
cos kt
=
_
cos kt
k sen kt
_
.
Consequentemente uma matriz fundamental para a equa c ao dada e
(t) =
_
sen kt cos kt
k cos kt k sen kt
_
.
Agora considerando a equa c ao n ao-homogenea (1.15), devemos ressaltar que o Teorema 1.2.4,
naturalmente, tambem e v alido para sistemas aut onomos; tanto e que j a o usamos na solu c ao do
Exemplo (1.2.5).
15
16
Captulo 2
Controlabilidade
Neste captulo vamos introduzir as no c oes b asicas de controle de sistemas lineares. Para isto vamos
estudar a controlabilidade ` a origem e as propriedades do conjunto de estados control aveis. Vamos
introduzir a matriz de controlabilidade e algumas propriedades desta que, em conjunto com outras
condi c oes, caracterizam a controlabilidade do sistema linear.
Tambem ser a objeto de estudo neste captulo as propriedades do conjunto dos estados atingveis
do sistema.
2.1 Controlabilidade Para Sistemas Lineares
Estudaremos sistemas aut onomos da forma
x

= Ax +Bu, (2.1)
onde A R
nn
e B R
nm
s ao matrizes constantes. Denominamos o vetor x (n-dimensional) de
vetor estado e u (m-dimensional) de variavel de controle.
Consideraremos primeiramente controlabilidade ` a origem; desta forma, o alvo e x = 0. Por
trabalharmos com sistemas aut onomos, podemos escolher o tempo inicial como sendo zero. Assim,
o estado inicial e dado por
x(0) = x
0
. (2.2)
As vari aveis de controle s ao fun c oes de t, integr aveis. Atribuiremos classes aos diferentes tipos
de vari aveis de controle; se as fun c oes s ao ilimitadas, dizemos que u |
u
; se s ao limitadas, isto e,
se [u
i
(t)[ 1, i = 1, 2, . . . , m, dizemos que u |
b
. Quando [u
i
(t)[ = 1, i = 1, 2, . . . , m, dizemos
que u |
bb
. Desta forma
|
bb
|
b
|
u
,
onde |
bb
, |
b
e |
u
s ao os conjuntos de controle.
Denimos o conjunto controlavel no tempo t
1
como sendo o conjunto de estados iniciais x
0
que podem ser levados ` a origem no tempo t
1
usando um controle admissvel, isto e, um controle
pertencente ao conjunto de controle escolhido. Denotaremos o conjunto denido acima por ((t
1
),
mas, podemos ser ainda mais exatos, denotando tal conjunto por ((t
1
, u, 0), onde t
1
e o tempo e
u | e o controle usado, e 0 (zero) e o alvo.
Denimos o conjunto control avel ( como sendo o conjunto de pontos que podem ser levados ` a
17
origem em qualquer tempo nito, ou seja,
( =
_
t10
((t
1
).
Temos que ( R
n
, porem e desej avel que ( = R
n
. Quando isto ocorre todos os estados iniciais s ao
control aveis ` a origem e dizemos que o sistema e completamente controlavel.
Proposi cao 2.1.1 Se x
0
( e se y e um ponto na trajet oria de x
0
` a 0, ent ao y (.
Demonstra cao: Suponhamos que x(t) seja a trajet oria, com controle u(t). Por hip otese x
0
(,
assim x(t
1
) = 0, para algum t
1
0. Tambem por hip otese, y e um ponto na trajet oria de x
0
` a 0,
ent ao para algum tempo , x() = y.
Tomemos o controle v(t) = u(t + ) (para come carmos a partir de y, ou seja, mudamos a origem).
Ent ao com x(0) = y, seguimos a mesma trajet oria de x
0
e alcan camos a origem no tempo t
1
.
Deste modo y ((t
1
) e portanto y (.
Com este resultado podemos armar que toda trajet oria de x
0
` a 0 ca totalmente no conjunto
control avel.
C
0
X
Y
0
Figura 2.1: Ilustra c ao referente ` a Proposi c ao 2.1.1
Apresentaremos a seguir, algumas deni c oes necess arias para pr oximas demonstra c oes.
Deni cao 2.1.2 Um caminho num espa co metrico X e uma aplica c ao contnua : I X onde
I = [0, 1] R. Os pontos x
1
= (0) e x
2
= (1) s ao chamados respectivamente, de ponto inicial e
ponto nal do caminho . Dizemos tambem que e um caminho ligando os pontos x
1
e x
2
.
Deni cao 2.1.3 (Conexidade por Caminhos) Um espa co metrico X e conexo por
caminhos, se para todo x
1
, x
2
X existe um caminho ligando x
1
e x
2
.
Proposi cao 2.1.4 ( e conexo por caminhos.
18
Demonstra cao: Sejam x
0
, y
0
(. Pela Proposi c ao 2.1.1, existe um caminho de cada ponto ` a
origem que ca totalmente em (. Assim existe um caminho em ( conectando x
0
e y
0
. De maneira
an aloga se mostra que ((t
1
) e conexo por caminhos. Portanto podemos observar que ( n ao e com-
posto de um n umero de partes disjuntas.
C
0
X
Y
0
Figura 2.2: Ilustra c ao referente ` a Proposi c ao 2.1.4
Proposi cao 2.1.5 Se t
1
< t
2
, ent ao ((t
1
) ((t
2
).
Demonstra cao: Seja x
0
um ponto qualquer de ((t
1
), com controle u(t). Consideremos o controle
v denido por
v(t) =
_
u(t) para 0 t t
1
,
0 para t
1
< t t
2
.
Apliquemos este controle em x
0
. Ent ao
_
x(t
1
) = 0 pois x
0
((t
1
),
x

= Ax para t
1
< t t
2
.
Logo x(t) = 0 para t
1
< t t
2
. Claramente o controle v e integr avel e assim e admissvel. Desta
forma x
0
e um ponto de ((t
2
) e assim mostramos que o conjunto control avel em qualquer tempo
contem o conjunto control avel em todos os tempos anteriores.
Obviamente 0 pertence a ((0). Logo 0 ((t
1
) para qualquer t
1
0 e ent ao 0 (.
Proposi cao 2.1.6 ( e aberto, se e somente se, 0 int (.
1
Demonstra cao:[] Vimos que 0 (. Mas quando ( e aberto, temos que ( = int (. Logo 0 int
(.
[] Se 0 int (, ent ao existe uma bola B(0, r) (. Seja u o controle que leva um ponto arbitr ario
x
0
` a 0 no tempo t
1
. Seja y(t) a solu c ao com y(0) = y
0
, onde y
0
B(x
0
, r
0
). Pela continuidade da
1
int C denota o interior de C
19
solu c ao do PVI, y(t
1
) = y
1
B(0, r) para r
0
sucientemente pequeno. Como B(0, r) (, podemos
encontrar um controle u que leva y
1
` a 0 no tempo t
2
. Tomemos o controle v denido por
v(t) =
_
u(t) para 0 t t
1
,
u(t t
1
) para t
1
< t t
2
.
Logo usando este controle, e possvel levar y
0
` a 0 no tempo t
1
+ t
2
. Deste modo y
0
((t
1
+ t
2
) e
B(x
0
, r
0
) (, x
0
(. Portanto ( e aberto se 0 int (.
C
X
Y
t
t
r
0
r
Y
0
0
0
1
1
1
(
(
)
)
t
2
(
)
Figura 2.3: Ilustra c ao referente ` a Proposi c ao 2.1.6
As equa c oes estado para o sistema linear aut onomo s ao dadas conforme j a vimos por x

=
Ax +Bu, da se c ao anterior temos que a solu c ao e dada por
x(t) = e
tA
_
x
0
+
_
t
0
e
sA
Bu(s)ds
_
. (2.3)
Temos que x
0
((t
1
) se e somente se existe um controle u |, tal que x(t
1
) = 0, ou seja,
0 = e
t1A
_
x
0
+
_
t1
0
e
sA
Bu(s)ds
_
,
e como a fun c ao exponencial nunca se anula,
x
0
=
_
t1
0
e
sA
Bu(s)ds. (2.4)
Precisamos agora saber sob que condi c oes o sistema e completamente control avel, isto e, ( R
n
.
Os conjuntos de controle que usaremos s ao integr aveis, com ou sem limite, ou seja, | pode ser |
u
ou |
b
. Provaremos agora alguns resultados sobre o conjunto control avel. Adimitimos que o conjunto
de controles admissveis | e convexo
Proposi cao 2.1.7 ((t
1
) e simetrico e convexo.
20
Demonstra cao: Primeiro provemos que ((t
1
) e simetrico. Seja x
0
((t
1
) com controle u(t). Da
equa c ao (2.4), segue que x
0
((t
1
) com controle u(t), e assim ((t
1
) e simetrico.
Agora provemos a convexidade. Temos que o conjunto | e convexo:
cu
1
+ (1 c)u
2
|, para 0 c 1, u
1
, u
2
|.
Suponhamos que os controles u
1
e u
2
levam os pontos x
1
e x
2
` a origem no tempo t
1
, respectivamente.
De (2.4), segue que
x
1
=
_
t1
0
e
sA
Bu
1
(s)ds e x
2
=
_
t1
0
e
sA
Bu
2
(s)ds.
Temos que
cx
1
+ (1 c)x
2
= c
_
t1
0
e
sA
Bu
1
(s)ds (1 c)
_
t1
0
e
sA
Bu
2
(s)ds
=
_
t1
0
e
sA
B[cu
1
(s) + (1 c)u
2
]ds, para 0 c 1.
Logo cx
1
+ (1 c)x
2
((t
1
) e portanto ((t
1
) e convexo.
Proposi cao 2.1.8 ( e simetrico e convexo.
Demonstra cao: Lembremos que ( =
t10
((t
1
). A simetria e obvia. Provemos que ( e convexo.
Sejam x
1
((t
1
) e x
2
((t
2
) com t
1
< t
2
. Desde que t
1
< t
2
, ((t
1
) ((t
2
), e da segue que
x
1
((t
2
). Pela Proposi c ao 2.1.7 ((t
2
) e convexo, ent ao
cx
1
+ (1 c)x
2
((t
2
), para 0 c 1.
Mas ((t
2
) (. Logo ( e convexo.
Exemplo 2.1.9 Consideremos um sistema inst avel com dois componentes, isto e, qualquer desvio
da origem, se o sistema for incontrol avel, levar a a um estado de desequilbrio. Para um sistema
control avel com estas caractersticas, podemos considerar as equa c oes estado
_
x

1
= x
1
+u
1
x

2
= x
2
+u
1
e u
1
|
b
, ou seja, [u
1
[ 1. Encontre ((t
1
) e (.
Solu cao: O sistema dado e equivalente a
x

= Ax +Bu,
com x =
_
x
1
x
2
_
, A =
_
1 0
0 1
_
e B =
_
1
1
_
. De (2.4) segue que x ((t
1
) se
(x
1
, x
2
)
t
=
_
t1
0
e
I
d
s
Bu
1
ds.
Mas
e
I
d
s
=

k=0
(s)
k
(I
d
)
k
k!
= I
d

k=0
(s)
k
k!
= I
d
e
s
.
21
Logo
x
1
= x
2
=
_
t1
0
e
s
u
1
ds.
Agora, como [u
1
[ 1 temos
[x
1
[ =

_
t1
0
e
s
u
1
ds

_
t1
0
[e
s
[[u
1
[ds

_
t1
0
e
s
ds = e
t1
+ 1.
Assim
((t
1
) = x
1
= x
2
: [x
1
[ 1 e
t1
,
e
( = x
1
= x
2
: [x
1
[ < 1.
Observemos que, como parte do R
2
, int (=. Da segue que ( n ao e aberto (Proposi c ao 2.1.6).
Com ( = x
1
= x
2
: [x
1
[ < 1 podemos concluir que para qualquer estado inicial fora do intervalo
1 < x
1
< 1, o sistema e incontrol avel. Porem a origem pertence a este intervalo e o sistema e
control avel a. O sistema continua control avel para qualquer desvio da origem menor que 1. Mas,
em geral, n ao e possvel controlar os dois componentes simultaneamente com o mesmo controle. Isto
s o e possvel se os desvios iniciais dos dois componentes forem iguais.
Geralmente s ao necess arias duas condi c oes para o sistema ser completamente control avel. O
conjunto control avel deve ser n-dimensional e ilimitado, mesmo quando os controles pertencem a |
b
.
C
-(1-e )
1-e
(t )
1
t
t
1
1
C
-1
1
Figura 2.4: Ilustra c ao referente ao Exemplo 2.1.9
22
2.2 A Matriz de Controlabilidade
Denimos a matriz de controlabilidade M, como sendo a matriz formada pela matriz B, n m,
e o seu produto com potencias da matriz A, n n, ou seja, a matriz
M = [B AB A
2
B A
n1
B],
que tem n linhas e nm colunas.
Exemplo 2.2.1 Ache a matriz de controlabilidade para o sistema do exemplo anterior, onde
A =
_
1 0
0 1
_
e B =
_
1
1
_
.
Solu cao: Temos que
AB =
_
1
1
_
Logo
M = [B AB] =
_
1 1
1 1
_
.
Provaremos agora, alguns resultados sobre a controlabilidade completa que dependem do posto
de M e dos auto-valores de A. Observemos por exemplo, que o posto da matriz de controlabilidade
no exemplo anterior e 1, e pelo Exemplo 2.1.9 existem pontos pr oximos ` a origem que n ao s ao
control aveis.
Proposi cao 2.2.2 0 int ( posto(M) = n.
Demostra cao:[] Temos que posto(M) n. Suponhamos que posto(M) < n. Ent ao n ao existem
n colunas de M linearmente independentes, e assim existe pelo menos um vetor y R
n
, com| y |= 1,
que e ortogonal a todas as colunas de M. Deste modo y tambem e ortogonal a cada coluna de B e
a cada coluna de A
k
B, k = 1, 2, ..., n 1, ou seja,
y
t
B = y
t
A
k
B = 0, k = 1, 2, ..., n 1.
Pelo Teorema de Cayley-Hamilton (Ver [Lim]) concluimos que
y
t
A
k
B = 0, k N. (2.5)
Da se c ao anterior sabemos que
e
sA
=

k=0
A
k
(s)
k
k!
, (2.6)
isto e, e
sA
e uma combina c ao linear de A
k
, onde k N. Portanto de (2.5) e (2.6), segue que
y
t
e
sA
B = 0.
De (2.4), temos que x
0
((t
1
) se
x
0
=
_
t1
0
e
sA
Bu(s)ds.
23
Ent ao, para todo x
0
((t
1
)
y
t
x
0
=
_
t1
0
y
t
e
sA
Bu(s)ds = 0.
Consequentemente ((t
1
) ca num hiperplano com normal y, para todo t
1
> 0. E o conjunto con-
trol avel ca no mesmo hiperplano, e ent ao qualquer bola B(0, r) , (, r. Portanto
0 , int (, o que contradiz a hip otese. Logo posto(M) = n.
[] Suponhamos que 0 , int (. Como ((t
1
) (, t
1
, temos que 0 , int ((t
1
), o que implica que
0 fr
2
((t
1
). Como j a vimos, ((t
1
) e convexo. Deste modo existe um hiperplano suporte ` a ((t
1
)
passando por 0, para todo t
1
. Seja b(t
1
) o normal a este hiperplano. Ent ao b
t
x
0
0, x
0
((t
1
).
De (2.4), temos que x
0
((t
1
) se
x
0
=
_
t1
0
e
sA
Bu(s)ds.
Assim,
_
t1
0
b
t
e
sA
Bu(s)ds = b
t
x
0
, x
0
((t
1
). (2.7)
Mas u | u |. Portanto
_
t1
0
b
t
e
sA
Bu(s)ds = b
t
x
0
0, x
0
((t
1
). (2.8)
Assim de (2.7) e (2.8) segue que
_
t1
0
b
t
e
sA
Bu(s)ds = 0,
o que implica que
b
t
e
sA
B = 0, para 0 s t
1
. (2.9)
Como (2.9) e v alida para qualquer s [0, t
1
], tomemos s = 0. Assim
b
t
B = 0.
Derivando (2.9) k vezes e tomando sempre s = 0, obtemos
b
t
A
k
B = 0.
Logo b e ortogonal a todas as colunas de M, e assim posto(M) < n, contradizendo a hip otese.
Portanto 0 int (.
Com este resultado temos uma rela c ao entre o posto da matriz de controlabilidade com a origem,
e consequentemente (de acordo com a Proposi c ao 2.1.6) com o conjunto ser aberto ou n ao. Se o
posto de M e menor que n, o sistema n ao e completamente control avel. Porem, se o posto de M e
igual a n, o sistema pode ou n ao ser completamente control avel, dependendo agora do conjunto de
controle.
Proposi cao 2.2.3 Se posto(M) = n, e u |
u
, ent ao ( = R
n
.
2
fronteira de C(t
1
)
24
Demonstra cao: Por hip otese posto(M) = n. Logo, pela proposi c ao anterior, 0 int (. Ent ao
existe uma bola B(0, r) (, para algum r > 0. Seja x
0
R
n
um ponto arbitr ario. Consideremos
y
0
= cx
0
, com c =
1
2
r
1
x0
. Temos que | y
0
|=| cx
0
|= c | x
0
|=
1
2
r. Logo y
0
B(0, r), e assim e
control avel com um controle v pertencente a |
u
. Portanto
y
0
=
_
t1
0
e
sA
Bv(s)ds.
Ent ao
cx
0
=
_
t1
0
e
sA
Bv(s)ds x
0
=
_
t1
0
e
sA
B
v(s)
c
ds =
_
t1
0
e
sA
Bu(s)ds,
onde
u(s) =
v(s)
c
|
u
.
Deste modo x
0
e control avel, e como x
0
foi tomado arbitrariamente temos que ( = R
n
. De maneira
an aloga podemos mostrar que ((t
1
) = R
n
, t
1
> 0.
A partir de agora consideraremos apenas o conjunto |
b
como sendo o conjunto de controle.
Proposi cao 2.2.4 Se posto(M) = n, e Re(
i
) < 0
3
para cada auto valor
i
de A, ent ao ( = R
n
.
Demonstra cao: Suponhamos a princpio que Ae diagonaliz avel. Seja x
0
R
n
um ponto arbitr ario.
Consideremos a equa c ao
x

= Ax, (2.10)
e fa camos a transforma c ao x = Py, onde P e a matriz formada pelos auto-vetores linearmente
independentes correspondentes aos auto-valores
i
de A. De x = Py, temos
x

= Py

(2.11)
Assim, das equa c oes (2.10) e (2.11) segue que
Py

= Ax = APy y

= P
1
APy = Dy,
onde D e a matriz
D =
_

1
0 . . . 0
0
2
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . .
n
_

_
.
A solu c ao da equa c ao diferencial acima e dada por
y(t) = e
Dt
y
0
,
onde y
0
= P
1
x
0
. Determinemos e
Dt
. Temos que
D
k
=
_

k
1
0 . . . 0
0
k
2
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . .
k
n
_

_
,
3
Re(
i
) representa a parte real de
i
25
logo,
e
Dt
=

k=0
D
k
t
k
k!
=
_

k=0

k
1
t
k
k!
0 . . . 0
0

k=0

k
2
t
k
k!
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . .

k=0

k
n
t
k
k!
_

_
=
_

_
e
1t
0 . . . 0
0 e
2t
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . e
nt
_

_
. (2.12)
Desde que Re(
i
) < 0, temos que e
it
0 e assim | y(t) | 0 quando t . De x = Py segue
que | x(t) |=| Py(t) || P || y(t) | 0, ou seja, | x(t
1
) |< para algum t
1
> 0 e > 0 e tomado
arbitrariamente pequeno. Por hip otese posto(M) = n, ent ao pela Proposi c ao 2.2.2 0 int (. Assim
existe uma bola B(0, ) (. Como | x(t
1
) |< , x(t
1
) pode ser levado ` a 0 em algum tempo t
2
por
um controle u, digamos, pertencente a |
b
. Consideremos o controle v denido por
v(t) =
_
0 para 0 t t
1
,
u para t
1
< t t
2
.
Usando o controle v, podemos levar x
0
` a 0 em algum tempo t
1
+ t
2
. Portanto
x
0
((t
1
+ t
2
) (. Como x
0
era um ponto arbitr ario em R
n
, temos que ( = R
n
. Se A n ao e
diagonaliz avel, a matriz D ter a alguns elementos n ao nulos acima da diagonal principal. Contudo,
ainda e verdade que | y(t) | 0 e assim este detalhe n ao invalida a demonstra c ao apresentada.
Em alguns casos onde temos auto-valores imagin arios puros o resultado anterior n ao e aplic avel.
Contudo, podemos provar um resultado similar para estes casos.
Proposi cao 2.2.5 Se posto(M) = n, e Re(
i
) 0 para cada auto-valor
i
de A, ent ao ( = R
n
.
Demonstra cao: Suponha por absurdo que ( ,= R
n
e que y , (. Deste modo existe um hiperplano
com normal b separando y e (, tal que
b
t
x
0
p, x
0
( e b
t
y > p.
Se mostramos que
b
t
x
0
=
_
t1
0
b
t
e
sA
Bu(s)ds > p
para t
1
sucientemente grande e para algum controle u |
b
, teremos uma contradi c ao. A igualdade
acima segue diretamente de (2.4). Ent ao vamos denir z
t
(s) = b
t
e
sA
B, assim z(t) ,= 0 para
0 t t
1
. Escolhendo u
i
(t) = sgn z
i
(t) temos
b
t
x
0
=
_
t1
0
[z(t)[dt.
Cada componente de z e uma combina c ao de termos da forma q(t)e
it
, onde q e um polin omio e

i
e um auto-valor de A.
26
Consideremos, a princpio, os auto-valores com parte real negativa. Assim q(t)e
it
quando
t . Os termos correspondentes aos auto-valores com parte real nula s ao polin omios em t ou s ao
termos peri odicos em t. Tanto os termos polinomiais como os termos peri odicos d ao uma contribui c ao
positiva ` a integral acima num intervalo n ao nulo. Portanto b
t
x
0
=
_
t1
0
[z(t)[dt e arbitrariamente
grande para t
1
sucientemente grande. Logo obtemos a contradi c ao requerida e ( = R
n
.
Como j a vimos, se posto(M) < n o sistema n ao e totalmente control avel, ou seja, ( ,= R
n
. Mas
mesmo com posto(M) = n o sistema ainda pode n ao ser totalmente control avel.
Proposi cao 2.2.6 Se posto(M) = n, e A tem um auto-valor com parte real positiva, ent ao ( ,= R
n
.
Demonstra cao: Sejam um auto-valor de A com Re() > 0 e y um auto-vetor ` a esquerda
correspondente.
Ent ao temos
y
t
A = y
t
.
Observemos que
y
t
AA = y
t
A y
t
A
2
= y
t
y
t
A
2
=
2
y
t
.
Suponhamos por indu c ao que
y
t
A
k1
=
k1
y
t
.
Mas
y
t
A
k1
A =
k1
y
t
A y
t
A
k
=
k1
y
t
y
t
A
k
=
k
y
t
.
Logo provamos que
y
t
A
k
=
k
y
t
. (2.13)
Das equa c oes (2.6) e (2.13) segue que
y
t
e
sA
= y
t
_

k=0
A
k
(s)
k
k!
_
= y
t
_
I
d
As +
A
2
s
2
2!

A
3
s
3
3!
+...
_
= y
t
I
d
y
t
As +
y
t
A
2
s
2
2!

y
t
A
3
s
3
3!
+...
= y
t
y
t
s +

2
y
t
s
2
2!


3
y
t
s
3
3!
+...
=
_
1 s +

2
s
2
2!


3
s
3
3!
+...
_
y
t
=
_

k=0

k
(s)
k
k!
_
y
t
= e
s
y
t
.
Deste modo
y
t
e
sA
= e
s
y
t
. (2.14)
Seja x
0
(. Logo x
0
((t
1
), para algum t
1
> 0. Assim
x
0
=
_
t1
0
e
sA
Bu(s)ds,
27
e da equa c ao (2.14) segue que
y
t
x
0
=
_
t1
0
y
t
e
sA
Bu(s)ds =
_
t1
0
e
s
y
t
Bu(s)ds. (2.15)
Quando t
1
, e
s
0 pois Re() > 0, e assim e
s
e limitado. Desde que y
t
B e um termo
constante e u(s) pertence ao conjunto |
b
(u(s) e limitado), temos que e
s
y
t
Bu(s) e limitado, o que
implica que

_
t1
0
e
s
y
t
Bu(s)ds < p, para algum p.
De (2.15) segue que
y
t
x
0
< p,
e assim existe um hiperplano separando ( e com normal y, e o conjunto control avel ca em um dos
semi-espa cos denidos pelo hiperplano. Portanto ( ,= R
n
.
Exemplo 2.2.7 Verique a controlabilidade do sistema x

= Ax +Bu com:
(a)A =
_
0 1
0 1
_
, B =
_
1 1
0 0
_
;
(b)A =
_
0 0
1 1
_
, B =
_
1 1
0 0
_
;
(c)A =
_
_
p 1 0
0 p 1
0 0 p
_
_
, B =
_
_
q
r
s
_
_
, onde p, q, r e s s ao n umeros reais.
Solu cao: (a) Temos que
M = [B AB] =
__
1 1
0 0
_ _
0 1
0 1
__
1 1
0 0
__
=
_
1 1 0 0
0 0 0 0
_
.
Neste caso posto(M) = 1 ,= n = 2. Assim o sistema n ao e completamente control avel.
(b) Temos que
M = [B AB] =
__
1 1
0 0
_ _
0 0
1 1
__
1 1
0 0
__
=
_
1 1 0 0
0 0 1 1
_
.
Neste caso posto(M) = 2 = n. Logo se u |
u
, o sistema e completamente control avel. Agora se
u |
b
, devemos analisar os auto-valores de A. Temos que 0 e 1 s ao os auto-valores de A. Como
Re(1) > 0, o sistema n ao e completamente control avel.
(c) Temos que
M = [B AB AB
2
] =
_
_
_
_
q
r
s
_
_
_
_
p 1 0
0 p 1
0 0 p
_
_
_
_
q
r
s
_
_
_
_
p 1 0
0 p 1
0 0 p
_
_
_
_
p 1 0
0 p 1
0 0 p
_
_
_
_
q
r
s
_
_
_
_
28
=
_
_
q pq +r p
2
q + 2pr +s
r pr +s p
2
r + 2ps
s ps p
2
s
_
_
.
Neste caso posto(M) = 3 = n. Portanto se u |
u
, o sistema e completamente control avel. Porem
se u |
b
e Re(p) 0 (note que p e o unico auto-valor de A) o sistema e completamente control avel.
2.3 Conjunto dos Estados Atingveis
Ate ent ao consideramos controlabilidade ` a origem. Mas, de maneira semelhante, podemos denir
a controlabilidade a um ponto x
1
. Denimos ((t
1
, x
1
) como sendo o conjunto dos pontos control aveis
a x
1
no tempo t
1
. Temos que x
0
((t
1
, x
1
) se e somente se existe controle u |, tal que x(t
1
) = x
1
,
ou seja,
x
1
= e
t1A
_
x
0
+
_
t1
0
e
sA
Bu(s)ds
_
.
Logo,
x
0
= e
t1A
x
1

_
t1
0
e
sA
Bu(s)ds. (2.16)
O resultado acima segue diretamente de (2.3). Muitos resultados que provamos anteriormente
para ((t
1
) tambem s ao v alidos para ((t
1
, x
1
), por exemplo a convexidade. Por outro lado alguns
resultados n ao s ao v alidos, por exemplo se n ao existe controle u tal que Ax
1
+Bu = 0 n ao podemos
armar que ((t
1
, x
1
) ((t
2
, x
1
) para t
2
> t
1
.
Agora vamos denir o conjunto dos estados atingveis. Denimos (t
1
, x
0
) como sendo o
conjunto dos pontos que s ao atingveis a partir de um ponto inicial x
0
no tempo t
1
. De (2.3) segue
que x
1
(t
1
, x
0
) se
x
1
= e
t1A
_
x
0
+
_
t1
0
e
sA
Bu(s)ds
_
, (2.17)
para algum u |.
Podemos observar claramente uma reciprocidade entre os dois conjuntos: x
1
(t
1
, x
0
), ent ao
x
0
((t
1
, x
1
). Tambem, podemos denir o sistema tempo-inverso. Denimos este sistema como
sendo o sistema com a seguinte equa c ao estado
x

= Ax Bu. (2.18)
Agora determinemos quando x
0
pertence aos conjuntos ((t
1
, x
0
) e (t
1
, x
0
) para o sistema tempo-
inverso. Da se c ao anterior, temos que a solu c ao de (2.18) e dada por
x(t) = e
tA
_
x
0

_
t
0
e
sA
Bu(s)ds
_
.
Logo, x
0
((t
1
, x
1
) se
x
0
= e
t1A
x
1
+
_
t1
0
e
sA
Bu(s)ds, (2.19)
e x
1
(t
1
, x
0
) se
x
1
= e
t1A
_
x
0

_
t1
0
e
sA
Bu(s)ds
_
. (2.20)
29
Existe uma rela c ao entre o sistema tempo-inverso (2.18) e o original (2.1). Se zermos a mudan ca
de vari avel s = t
1
em (2.19), teremos ds = d e
_
= t
1
se s = 0
= 0 se s = t
1
. Assim,
x
0
= e
t1A
x
1
+
_
0
t1
e
t1A
e
A
Bu(t
1
)(d)
= e
t1A
x
1
+e
t1A
_
t1
0
e
A
Bu(t
1
)d
= e
t1A
_
x
1
+
_
t1
0
e
A
B u()d
_
, (2.21)
onde pomos u() = u(t
1
). Portanto comparando (2.17) e (2.21) podemos concluir que o conjunto
control avel para o sistema tempo-inverso e igual ao conjunto dos estados atingveis para o sistema
original. Conseq uentemente as propriedades gerais do conjunto control avel tambem ser ao v alidas
para o conjunto dos estados atingveis.
Exemplo 2.3.1 Encontre o conjunto control avel e o conjunto dos estados atingveis para o sistema
unidimensional
_
_
_
x

= x +u;
x
0
=
1
2
, [u[ 1.
Solu cao: De (2.17) temos que x
1
(t
1
,
1
2
) se
x
1
= e
t1
_
1
2
+
_
t1
0
e
s
u(s)ds
_
=
1
2
e
t1
+e
t1
_
t1
0
e
s
u(s)ds.
Mas como [u[ 1, temos

x
1

1
2
e
t1

e
t1
_
t1
0
e
s
ds
= e
t1
(e
t1
+ 1) = e
t1
1.
Portanto
1 e
t1
x
1

1
2
e
t1
e
t1
1,
e assim,
(t
1
,
1
2
) =
_
1
1
2
e
t1
,
3
2
e
t1
1
_
.
De (2.20) temos que os pontos pertencentes ao conjunto dos estados atingveis para o sistema
tempo-inverso s ao dados por
x
1
= e
t1
_
1
2

_
t1
0
e
s
u(s)ds
_
=
1
2
e
t1
e
t1
_
t1
0
e
s
u(s)ds.
30
Considerando que [u[ 1, temos

x
1

1
2
e
t1

e
t1
_
t1
0
e
s
ds
= e
t1
(e
t1
1) = 1 e
t1
.
Assim,
e
t1
1 x
1

1
2
e
t1
1 e
t1
,
e o conjunto procurado e o intervalo fechado
_
3
2
e
t1
1, 1
1
2
e
t1
_
,
que pelo que vimos anteriormente e o conjunto control avel ao ponto
1
2
para o sistema em quest ao.
Notemos que todos os pontos em R s ao atingveis por
1
2
num tempo nito, mas somente os pontos no
intervalo (1, 1) s ao control aveis a
1
2
(isto pode se facilmente observado tomando t
1
arbitrariamente
grande).
0.5 1 1.5 2
t
-2
2
4
6
8
10
Figura 2.5: A linha vertical representa o conjunto (t
1
, 1/2)
Proposi cao 2.3.2 Os conjuntos dos estados atingveis e control avel s ao contnuos em t
1
.
Demonstra cao: Para mostrar que isto e uma propriedade geral, vamos considerar, por simplicidade,
que o conjunto dos estados atingveis pela origem com controles limitados, o qual denotaremos por
(t). Logo de (2.19) segue que x (t) quando
x =
_
t
0
e
sA
Bu(s)ds.
Mostremos que (t
1
) e contnua, ou seja, se dado > 0, () > 0 tal que [t
2
t
1
[ < (),
ent ao d
H
((t
2
), (t
1
)) < , que e equivalente ` a max(H
12
, H
21
) < para t
2
(t
1
, t
1
+ ), onde
H
12
= sup d(y, (t
1
))
yR(t2)
e H
21
= sup d(x, (t
2
))
xR(t1)
.
31
0.5 1 1.5 2
t
-0.75
-0.5
-0.25
0.25
0.5
0.75
Figura 2.6: A linha vertical representa o conjunto ((t
1
, 1/2)
Tomemos M = max | e
sA
B |
t1,t2[0,T]
.
Seja x (t
1
) com controle u. Temos que mostrar que d( x, (t
2
)) < .
Tomemos t
3
= min(t
1
, t
2
) e consideremos o controle v denido por
v(t) =
_
u(t), para 0 t t
3
,
u(t), para t
3
t T.
(2.22)
onde u |
b
.
Se
y =
_
t2
0
e
sA
Bv(s)ds, (2.23)
ent ao y (t
2
).
Suponhamos t
3
= t
1
e de (2.22) e (2.23) temos
d( x, y) =| x y | =

_
t2
0
e
sA
Bv(s)ds
_
t1
0
e
sA
Bu(s)ds

_
t1
0
e
sA
Bv(s)ds +
_
t2
t1
e
sA
Bv(s)ds
_
t1
0
e
sA
Bu(s)ds

Da,
| x y | =

_
t2
t3
e
sA
Bv(s)ds

_
t2
t3
| e
sA
Bv(s)ds |
M[t
2
t
3
[.
Assim, se <

M
temos
| x y |< M[t
2
t
3
[ < M

M
= .
O caso t
3
= t
2
tambem se verica analogamente. Logo, | x y |< , x (t
1
). Portanto,
d( x, (t
2
)) < e assim H
21
< .
Da mesma forma, mostra-se que H
12
< . Portanto, maxH
12
, H
21
< .
32
Para a pr oxima proposi c ao precisamos das seguintes nota c oes e conceitos. Considere o espa co
vetorial de fun c oes reais
L
2
([0, t
1
], R) := f : [0, t
1
] R : f possui quadrado integr avel.
A este espa co associamos a norma usual, | . |
2
, dada por
| f(t) |:=
__
t1
0
[f(s)[
2
ds
_
1/2
, f L
2
([0, t
1
], R).

E conhecido que L
2
([0, t
1
], R) e um espa co de Hilbert e que bolas fechadas s ao fracamente compactas.
Relembremos a no c ao de convergencia fraca para esse espa co. Diz-se que uma sequencia (f
k
)
L
2
([0, t
1
], R), k, converge fracamente a uma fun c ao f L
2
([0, t
1
], R) se
_
t1
0
v(s)f
k
(s)ds
_
t1
0
v(s)f(s)ds, v L
2
([0, t
1
], R).
Proposi cao 2.3.3 O conjunto dos estados atingveis e compacto.
Demonstra cao: De (2.17) temos que x
1
(t
1
, x
0
) quando
x
1
= e
t1A
_
x
0
+
_
t1
0
e
sA
Bu(s)ds
_
. (2.24)
Assim, se considerarmos u |
b
, claramente (t
1
, x
0
) e limitado. Agora temos que provar que
(t
1
, x
0
) e fechado. Para isto, devemos mostrar que toda sequencia convergente de pontos em
(t
1
, x
0
) possui limite em (t
1
, x
0
).
Seja
x
(k)
1
= e
t1A
_
x
0
+
_
t1
0
e
sA
Bu
(k)
(s)ds
_
uma sequencia de pontos em (t
1
, x
0
), onde u
k
|
b
e a sequencia de controles correspondentes.
Denotemos por
i
, i = 1, 2, . . . , m, a i-esima coluna de e
sA
B. Ent ao
x
(k)
1
= e
t1A
_
x
0
+
__
t1
0

1
(s)u
(k)
1
(s)ds + +
_
t1
0

m
(s)u
(k)
m
(s)ds
_
t
_
, (2.25)
onde
u
(k)
(s) =
_

_
u
(k)
1
(s)
.
.
.
u
(k)
m
(s)
_

_
.
Suponhamos que x
(k)
1
x
1
, quando k , para algum x
1
R. Mostremos que x
1
(t
1
, x
0
),
isto e, x
1
e da forma (2.24), para algum u |
b
. A demonstra c ao deste fato estar a concluida, uma
vez que mostrarmos que u |
b
tal que
_
t1
0

i
(s)u
(kj)
i
(s)ds
_
t1
0

i
(s) u
i
(s)ds, i = 1, 2, . . . , m,
para alguma subsequencia u
(kj)
i
de u
(k)
i
, devido a (2.25) e ` a unicidade do limite de sequencias em
R
n
.
33
Estamos considerando u
(k)
|
b
. Logo
| u
(k)
i
(t) |
2
=
__
t1
0

u
(k)
i
(s)

2
ds
_
1/2

__
t1
0
ds
_
1/2
= (t
1
)
1/2
. (2.26)
De (2.26) vemos que a sequencia u
(k)
i
e limitada em L
2
[0, t
1
]. Portanto possui subsequencia
_
u
(kj)
i
_
fracamente convergente para algum u
i
L
2
[0, t
1
], isto e,
_
t1
0
f(s)u
(kj)
i
(s)ds
_
t1
0
f(s) u
i
(s)ds, f L
2
[0, t
1
]. (2.27)
Agora suponhamos que u
i
> 1 num subconjunto H [0, t
1
] com medida h > 0. Seja
f(s) =
_
1 se s H,
0 se s , H.
Ent ao
_
t1
0
f(s) u
i
(s)ds =
_
H
u
i
ds > h.
Mas,
_
t1
0
f(s)u
(kj)
i
(s)ds =
_
H
u
(kj)
i
ds h.
Portanto temos uma contradi c ao. Se tomarmos u
i
< 1, analogamente teremos outra contradi c ao.
Deste modo, 1 u
i
1, ou seja, [u
i
[ 1. Desde que os pontos no conjunto dos estados atingveis
s ao denidos em termos de integrais da forma (2.26) para fun c oes especcas f(t), o conjunto dos
estados atingveis e fechado e consequentemente e compacto.
No desenvolvimento da teoria n ao zemos restri c oes no n umero de controles usados, isto e, na
dimens ao do vetor u. Ocasionalmente, pode haver uma redund ancia entre estes controles. Podemos
remover esta redund ancia, sem perdermos algo de import ancia pr atica nas aplica c oes da teoria.
2.4 Controles Redundantes
Na equa c ao (2.1) vemos que os controles s ao dados pelo termo Bu, onde B e uma matriz
n m e u e um vetor m-dimensional. A solu c ao desta equa c ao por um dado ponto inicial e unica.
Deste modo, se a matriz B tem m colunas linearmente independentes, diferentes controles levam a
diferentes trajet orias, isto e, Bu = Bv implica que u = v. Se m > n, obviamente isto n ao e verdade,
pois e impossvel B ter m colunas linearmente independentes. Ent ao podemos reduzir o n umero
de controles independentes. Suponhamos que B tenha m colunas linearmente independentes. Se
m < n, atraves de opera c oes com as colunas, podemos encontrar uma matriz P de modo que
u = P u e BP =

B, (2.28)
onde

B, n m, e a matriz formada pelas m colunas linearmente independentes de B, e as m
m colunas restantes s ao nulas. Sempre podemos colocar as m colunas linearmente independentes
ocupando as m primeiras posi c oes. De (2.28) temos que
Bu = BP u =

B u
34
Vamos denir a matriz C, n m, como sendo a matriz formada pelas colunas n ao nulas de B; e
o vetor v, m-dimensional, como sendo o vetor formado pelos primeiros m componentes de u. Deste
modo
Cv =

B u = Bu
e obtemos um sistema com m controles independentes.
Exemplo 2.4.1 Verique a redund ancia entre os controles do sistema
x

= Ax +Bu
com B =
_
1 2 3
1 2 3
_
e u
t
= [ u
1
u
2
u
3
].
Solu cao: Neste caso temos m = 3 e n = 2. Consideremos a matriz elementar P
_
_
1 2 3
0 1 0
0 0 1
_
_
.
Ent ao
BP =
_
1 2 3
1 2 3
_
_
_
1 2 3
0 1 0
0 0 1
_
_
=
_
1 0 0
1 0 0
_
=

B,
Bu =
_
1 2 3
1 2 3
_
_
_
u
1
u
2
u
3
_
_
=
_
u
1
+ 2u
2
+ 3u
3
u
1
+ 2u
2
+ 3u
3
_
=

B u.
Logo,
C =
_
1
1
_
e v = u
1
+ 2u
2
+ 3u
3
.
Qualquer escolha dos controles originais tal que u
1
+ 2u
2
+u
3
= v n ao afeta a trajet oria. Assim
o sistema original possui uma dupla redund ancia.
2.5 Considera c oes Finais
Neste captulo de Controlabilidade provamos v arios resultados sobre o conjunto control avel e para
facilitar o entendimento procuramos fazer diversas ilustra c oes e exemplos. Foram discutidas tambem
as condi c oes sobre a total controlabilidade do sistema; vimos que tais condi c oes est ao associadas ao
posto da matriz de controlabilidade M e dos auto-vetores de A.
Fizemos um breve estudo tambem sobre o conjunto dos estados atingveis onde vimos que de
maneira semelhante ao que zemos em controlabilidade ` a origem, o alvo pode ser um ponto qualquer.
E por ultimo em controles reduntantes vimos que quando a matriz B, n m, tem m colunas
linearmente independentes, diferentes controles levam ` a diferentes trajet orias, mas quando isto n ao
ocorre podemos reduzir o n umero de controles independentes.
35
36
Captulo 3
Estabilidade
Estudamos neste captulo o comportamento em perodos longos de tempo das solu c oes de sistemas
aut onomos de equa c oes diferenciais ordin arias (EDOs). O principal interesse est a em determinar
se uma solu c ao (trajet oria) permanece ou n ao limitada e, em caso armativo, se esta converge
assintoticamente para algum ponto de equilbrio.
Na Sec c ao 3.1 e denido o conceito de estabilidade de um ponto de equilbrio. Na Sec c ao 3.2 s ao
discutidas condi c oes necess arias e sucientes para estabilidade de sistemas lineares aut onomos. A
Sec c ao 3.3 se destina a analisar um criterio algebrico (teorema de Hurwitz) para garantir estabilidade
de matrizes. Na Sec c ao 3.4 consideramos sistemas obtidos por perturba c oes de sistemas lineares
est aveis. As Sec c oes 3.5 e 3.6 tratam do criterio de estabilidade formulado por Lyapunov. Na
Sec c ao 3.7 aplicamos o criterio de Lyapunov a sistemas lineares discretos.
3.1 Conceito e Exemplos
Considere a equa c ao diferencial ordin aria
z

= f(z), (3.1)
em que o campo vetorial f satisfaz as seguintes condi c oes:
f : D IR
n
, D IR
n
aberto; (3.2)
D, f() = ; (3.3)
f e continuamente diferenci avel em D. (3.4)
Como o sistema e aut onomo, i.e. o campo vetorial f n ao depende explicitamente do tempo, podemos
sem perda de generalidade estudar as solu c oes a partir do instante de tempo t
0
= 0. A hip otese (3.4)
garante, para toda condi c ao inicial z
0
IR
n
, a existencia de uma solu c ao local para o problema de
valor inicial (PVI):
z

= f(z), z(0) = z
0
. (3.5)
Essa solu c ao pode ser prolongada a um intervalo m aximo de existencia, o qual e aqui representado
por
1
J(z
0
) = [0, (z
0
)).
1
Estamos interessados apenas no futuro.
37
Nesse intervalo a solu c ao e unicamente determinada. Este resultado e conseq uencia do teorema de
PicardLindel o.
2
A chave para esse resultado e considerar a equa c ao integral associada ao PVI
(3.5)
z(t) = z
0
+
_
t
0
f(z(s)) ds, t [0, ],
no espa co C([0, ]; IR
n
), onde > 0 e escolhido de forma adequada. Representamos esta solu c ao
maximal por z(, z
0
).
A condi c ao (3.3) garante que e um ponto de equilbrio do sistema, pois o PVI com condi c ao
inicial z
0
= possui apenas a solu c ao z(, z
0
) (repouso). Note que a escolha de como ponto de
equilbrio n ao e restritiva, uma vez que e sempre possvel (atraves de transla c oes) alterar um campo
vetorial de forma a atingir esta congura c ao, desde que o campo possua apenas um zero.
3
Deni cao 3.1.1 O ponto de equilbrio z = do sistema (3.1) e denominado est avel quando:
> 0 > 0 tq z
0
B

( z) = J(z
0
) = [0, ) e z(t, z
0
) B

t 0 ;
e denominado atrativo quando:
> 0 tq z
0
B

( z) = J(z
0
) = [0, ) e lim
t
z(t, z
0
) = ;
e denominado assintoticamente est avel quando e simultaneamente est avel e atrativo. 2 2 2
Exemplo 3.1.2 Considere o problema do pendulo n ao linear modelado pela equa c ao diferencial
x + sin x = 0.
O sistema correspondente e:
z

= f(z) com f(z) :=

_
z
2
sinz
1
_
,
cujo campo vetorial e mostrado na Figura 3.1.

E de simples verica c ao o fato dos pontos

_
0
0
_
e
_
k
0
_
, k IN.
serem pontos de equilbrio do sistema. Atraves de uma transla c ao, o ponto de equilbrio (, 0) pode
ser levado na origem e ent ao analisado no sentido da Deni c ao 3.1.1.

E intuitivamente claro que os
pontos de equilbrio (0, 0) e (, 0) s ao de natureza diferente. Sem entrar em detalhes, comentamos
por hora que (0, 0) e um ponto de equilbrio est avel, enquanto que (, 0) n ao o e. 2 2 2
Exemplo 3.1.3 Consideremos agora o conhecido sistema n ao linear de Lorenz:
z

= f(z) com f(z) =

_
_
s(z
2
z
1
)
rz
1
z
2
z
1
z
3
z
1
z
2
bz
3
_
_
, (3.6)
2
Maiores detalhes na literatura especializada em EDO; por exemplo [Sot] ou [Wa2].
3
Na deni c ao a seguir e no resto do texto adotamos a seguinte nota c ao: Para r 0, temos
Br(x) = {v IR
n
| |x v| < r},

Br(x) = {v IR
n
| |x v| r}, Br = Br(),

Br =

Br().
38
-4
-2
0
2
4
y
-10 -5 0 5 10
x
Figura 3.1: Campo vetorial de x

+ sin x = 0
onde s, r e b s ao constantes positivas. Este sistema foi utilizado por Lorenz como modelo de dimens ao
nita para um fen omeno fsico (a convec c ao de RayleighBenard).
Em particular, a escolha dos par ametros s = 10, r = 28 e b = 8/3 gera um atrator es-
tranho, que foi observado numericamente e tem sido objeto intensivo de estudo de v arios grupos
de pesquisadores.
4
Para r > 1, o sistema possui tres pontos de equilbrio:
z =
_
_
0
0
0
_
_
, z =
_
_
_
b(r 1)
_
b(r 1)
r 1
_
_
e z =
_
_

_
b(r 1)

_
b(r 1)
r 1
_
_
.
A estabilidade destes 3 pontos de equilbrio pode ser analisada quando conhecemos um pouco melhor
a aproxima c ao linear do campo vetorial.

E possvel assim, vericar de forma clara a natureza inst avel
do sistema. 2 2 2
Observa cao 3.1.4

E importante observar que a atratividade n ao implica, em geral, na estabilidade
assint otica. Um exemplo e encontrado no sistema n ao linear
_
x

= (x
2
(y x) +y
5
) / (x
2
+y
2
)(1 + (x
2
+y
2
)
2
)
y

= y
2
(y 2x) / (x
2
+y
2
)(1 + (x
2
+y
2
)
2
)
cuja din amica e ilustrada na Figura 3.2. Entretanto, para sistemas aut onomos, as deni c oes de
atratividade e estabilidade assint otica s ao equivalentes. Tal fato e analisado na pr oxima sec c ao.
Sistemas est aveis mas n ao atrativos s ao mais f aceis de ser encontrados. Considere, por exemplo,
4
Maiores detalhes por exemplo em [Je].
39
-1.5
-1
-0.5
0
0.5
1
1.5
y
-1 -0.5 0.5 1
x
Figura 3.2: A origem e um ponto de equilbrio atrativo, porem n ao e est avel
40
f(z) = Az, onde A corresponde ` a matriz de rota c ao pelo angulo de /2. 2 2 2
3.2 Estabilidade de Sistemas Lineares
Analisamos nesta sec c ao o importante caso particular do sistema (3.1) em que a din amica do sistema
e descrita pela equa c ao
z

= A z, (3.7)
onde A IR
n,n
. O objetivo principal e esclarecer a quest ao da estabilidade do ponto de equilbrio
z = . Neste caso e usual referir-mo-nos ao sistema (3.7) como sistema est avel.
Teorema 3.2.1 Seja o sistema (3.7). S ao equivalentes as seguintes arma c oes:
a) O ponto de equilbrio z = e assintoticamente est avel;
b) O ponto de equilbrio z = e atrativo;
c) maxRe() [ e autovalor de A < 0.
Demonstra c ao: a) = b) Segue imediatamente da Deni c ao 3.1.1.
b) = c) Suponha que A possui um autovalor = + i com 0. Se v e um autovetor
correspondente, denimos atraves de
z(s) := Re (e
s
v), s 0
uma solu c ao que claramente n ao satisfaz lim
t
z(t) = .
c) = a) Temos que
|e
At
| ce
t
, t 0,
com constantes c 0 e > 0. Observando que a solu c ao do sistema e z(t, z
0
) = e
At
z
0
, conclumos
que z = e assintoticamente est avel.
Observa cao 3.2.2 Se o ponto de equilbrio z = e assintoticamente est avel, podemos concluir do
Teorema 3.2.1 que todas as solu c oes de (3.7) convergem exponencialmente para quando t .
Esta propriedade e denominada estabilidade exponencial. Fica claro, portanto, que os conceitos de
estabilidade assint otica e exponencial s ao equivalentes no caso dos sistemas lineares aut onomos.
2 2 2
Observa cao 3.2.3 Caso o ponto de equilbrio z = do sistema (3.7) seja assintoticamente est avel,
ent ao o sistema
z

= A z + b(t), t 0, (3.8)
e BIBOest avel (Bounded-Input Bounded-Output). Isto e, se b L

([0, ); IR
n
), ent ao toda solu c ao
de (3.8) est a tambem em L

([0, ); IR
n
). Este fato segue imediatamente da representa c ao da so-
lu c ao para o problema n ao homogeneo. Tal propriedade e entretanto perdida quando o ponto de
equilbrio z = e somente est avel (veja o pr oximo exemplo). 2 2 2
Exemplo 3.2.4 Considere o oscilador harm onico modelado pela equa c ao diferencial
x + a
2
x = b(t)
e o respectivo sistema
_
z
1

z
2

_
=
_
0 1
a
2
0
__
z
1
z
2
_
+
_
0
b(t)
_
.
41
Note que z = e um ponto de equilbrio do sistema
_
z
1

z
2

_
=
_
0 1
a
2
0
__
z
1
z
2
_
.
Como uma matriz fundamental para esse sistema e dada por
_
sin at cos at
a cos at a sinat
_
, t 0,
podemos concluir que o ponto de equilbrio e est avel.
Considere agora como inomogeniedade (entrada) a fun c ao limitada b(t) := cos t. A solu c ao
correspondente e dada por
x(t) =
_
t
2
sin t , para = a
1
a
2

2
(cos t cos at) , para ,= a
A interpreta c ao da solu c ao obtida e a seguinte:
Para ,= a, a solu c ao e formada pela composi c ao de duas vibra c oes com frequencias respectiva-
mente a/2 (frequencia da energia do sistema) e /2 (frequencia da for ca externa).
No caso a = , observamos o fen omeno de resson ancia: com o tempo o sistema ganha cada vez
mais energia e a solu c ao se torna ilimitada. Na pr atica, o sistema acaba sendo destrudo, devido ` a
sobrecarga de energia acumulada. 2 2 2
Observa cao 3.2.5 Suponha que no sistema (3.7) tenhamos max Re()[ e autovalor de A = 0.
Nesse caso o ponto z = ser a est avel exatamente quando todos os blocos de Jordan relativos aos
autovalores com Re() = 0 tiverem forma diagonal (por que?). 2 2 2
Deni cao 3.2.6 Uma matriz M IR
n,n
que satisfaz
max Re() [ e autovalor de M < 0.
e denominada matriz est avel. 2 2 2
3.3 Criterio de RouthHurwitz
Como sabemos, os autovalores da matriz A IR
n,n
do sistema (3.7) s ao as razes do polin omio
caracterstico de A (aqui denominado p
A
). Suponha que p
A
e da forma
p
A
(r) = r
n
+
n

i=1
a
i
r
ni
.
Pela Deni c ao 3.2.6 a matriz A e est avel quando todas as razes de p
a
estiverem no semi-plano
esquerdo do plano complexo. Discutimos nesta sec c ao uma condi c ao necess aria (criterio de Routh
Hurwitz) para a estabilidade de uma matriz.
Lema 3.3.1 Se A e uma matriz est avel, ent ao todos os coecientes a
1
, . . . , a
n
de p
A
s ao positivos.
Demonstra c ao: Denotando por
k
os autovalores reais de A e por
j
os autovalores com parte
imagin aria n ao nula, temos que
p
A
(r) =

k
(r
k
)

j
(r
2
2Re(
j
)r +[
j
[
2
).
42
A hip otese da estabilidade de A implica em

k
> 0, 2Re(
j
) > 0.
Provando assim que os coecientes de p
A
s ao positivos.
Uma desvantagem obvia da aplica c ao deste criterio e a necessidade do conhecimento do polin omio
caracterstico p
A
. O exemplo a seguir mostra que o criterio n ao e suciente para garantir a estabili-
dade de A.
Exemplo 3.3.2 Considere a equa c ao diferencial
x
(3)
+ x
(2)
+ x
(1)
+ x = 0.
O polin omio caracterstico do sistema correspondente e
p(r) = r
3
+ r
2
+ r + 1
e possui razes 1, i. Portanto, o ponto de equilbrio z = do sistema correspondente e est avel,
mas n ao e assintoticamente est avel. 2 2 2
Observa cao 3.3.3 No caso dos polin omios de grau menor ou igual a 4, e possvel encontrar condi c oes
sucientes para garantir a estabilidade da matriz A a partir da aplica c ao do teorema fundamental
da algebra (veja [Gon]). De fato, os polin omios
i) r +a
ii) r
2
+ar +b
iii) r
3
+ar
2
+br +c
iv) r
4
+ar
3
+br
2
+cr +d
com coecientes reais possuem apenas razes com parte real negativa se e somente se as seguintes
condi c oes s ao respectivamente satisfeitas:
i

) a > 0
ii

) a > 0, b > 0
iii

) a > 0, b > 0, c > 0 e ab > c

iv

) a > 0, b > 0, c > 0, d > 0 e abc > c

2
+a
2
d.
2 2 2
Exemplo 3.3.4 Considere um circuito com um resistor (de resistencia R), dois indutores (cada um
com indut ancia L) e um capacitor (de capacit ancia C), onde as constantes R, L e C s ao positivas.
O problema e modelado pela equa c ao diferencial escalar
L
2
Cx
(3)
+ RLCx
(2)
+ 2Lx
(1)
+ Rx = 0.
A fun c ao x representa a diferen ca de potencial (DDP). Da Observa c ao 3.3.3 segue a estabilidade
assint otica do circuito (veja ainda a Observa c ao 3.2.2). 2 2 2
O pr oximo passo e a obten c ao de uma condi c ao suciente para o caso geral de (3.7). O criterio
apresentado a seguir foi descoberto por Routh em 1877. Seja
p(r) = r
n
+
n

i=1
a
i
r
ni
43
um polin omio com coecientes reais positivos. Dena os polin omios U e V (com coecientes tambem
reais positivos) de modo que
U(r) + iV (r) = p(ir), r IR.
Temos ent ao:
Grau de U = n e grau de V = n 1, se n for par;
Grau de U = n 1 e grau de V = n, se n for mpar.
Denimos a partir de U e V os seguintes polin omios:
q
1
:= U, q
2
:= V, se n e par;
q
1
:= V, q
2
:= U, se n e mpar.
q
3
, . . . , q
m
s ao obtidos a partir do algoritmo de divis ao de Euclides aplicado ao par q
1
, q
2
.
Temos assim:
5
q
k1
=
k
q
k
q
k+1
, k = 2, . . . , m1 e q
m1
=
m
q
m
.
Ap os esta constru c ao estamos prontos para enunciar o teorema de Routh.
Teorema 3.3.5 Sejam U, V , q
1
, . . . , q
m
denidos como acima. As seguintes arma c oes s ao equiv-
alentes:
a) O polin omio p possui apenas razes com Re() < 0;
b) m = n + 1 e os sinais dos coecientes de maior grau de q
1
, . . . , q
n+1
alternam.
A demonstra c ao deste resultado foge aos nossos objetivos e n ao e apresentada. O leitor interes-
sado pode encontrar em [Gan] uma demonstra c ao baseada em um teorema de resduos da an alise
complexa.
3.4 Perturba cao de Sistemas Lineares
Consideramos nesta sec c ao sistemas da forma
z

= A z + g(z), (3.9)
onde A IR
n,n
e g : IR
n
IR
n
. Supomos ainda que as hip oteses em (3.3) e (3.4) sejam satisfeitas
pela fun c ao
f(z) := Az + g(z), z D := IR
n
.
O teorema a seguir nos fornece uma condi c ao suciente para garantir a estabilidade do ponto de
equilbrio do sistema (3.9).
Teorema 3.4.1 Seja A uma matriz est avel e g : IR
n
IR
n
uma aplica c ao satisfazendo lim
|z|0
[g(z)[/[z[ =
0. Ent ao o ponto de equilbrio z = do sistema (3.9) e assintoticamente est avel.
Demonstra c ao: Das hip oteses temos que
c 0, > 0 tq (|e
At
| ce
2t
), t 0,
> 0 tq ([g(y)[ c
1
[y[), y B

.
5
Note que qm e (a menos de uma constante) o maior divisor comum de q
1
, q
2
.
44
Seja z : [0, T) IR
n
uma solu c ao local do sistema
z

= A z + g(z).
(A existencia desta solu c ao e garantida pela hip otese (3.4).) Temos ent ao
z(t) = e
At
z(0) +
_
t
0
e
A(ts)
g(z(s)) ds,
[z(t)[ |e
At
| [z(0)[ +
_
t
0
|e
A(ts)
| [g(z(s))[ ds
c e
2t
[z(0)[ +
_
t
0
e
2(ts)
[z(s)[ ds, t [0, T).
Denindo w(t) := e
2t
[z(t)[ para t [0, T), obtemos a estimativa
w(t) c [z(0)[ +
_
t
0
w(s) ds, t [0, T).
Temos agora como resultado do lema de Gronwall que
w(t) c [z(0)[ e
t
, t [0, T),
de onde segue
z(t) c [z(0)[ e
t
, t [0, T). (3.10)
Podemos ent ao concluir que a solu c ao local z pode ser prolongada ao intervalo [0, ). Logo, a
estimativa (3.10) vale para T = e o teorema ca provado.
Observa cao 3.4.2 A import ancia do Teorema 3.4.1 e a forma pela qual ele pode ser aplicado na
an alise da estabilidade dos pontos de equilbrio dos sistemas de controle em (3.9):
Expanda o campo vetorial f no ponto de equilbrio z = . O sistema resultante e da forma
(3.9), onde A = df() e g(z) = f(z) df()g. (A hip otese de g estar denida em todo IR
n
n ao
e restritiva, pois na demonstra c ao necessitamos de g somente em uma vizinhan ca de z = .)
Verique se A = df() e uma matriz est avel.
A hip otese lim
|z|0
[g(z)[/[z[ = 0 e trivialmente satisfeita, pois f e suposta continuamente
diferenci avel.
Note, entretanto, que este metodo de lineariza c ao fornece apenas uma condi c ao suciente para a
estabilidade. Tal condi c ao e por demasiado restritiva e est a longe de ser necess aria (veja o Exem-
plo 3.5.1). 2 2 2
Exemplo 3.4.3 Aplicamos o metodo de lineariza c ao ao oscilador n ao linear com amortecimento
a > 0, que e descrito pela equa c ao diferencial
x + 2a x + sin x = 0.
O sistema correspondente e:
z

= f(z) com f(z

1
, z
2
) =
_
z
2
2az
2
sin z
1
_
(3.11)
45
e a lineariza c ao do sistema no ponto de equilbrio z = nos fornece a matriz
A = df() =
_
0 1
1 2a
_
.

E f acil vericar que os autovalores da matriz A s ao:

= a
_
a
2
1.
A matriz A e portanto est avel e o ponto de equilbrio z = e assintoticamente est avel. O sistema
(3.11) possui ainda outro ponto de equilbrio, a saber: z = (, 0). A lineariza c ao neste ponto gera
a matriz

A = df( z) =
_
0 1
1 2a
_
,
que possui um autovalor com Re() > 0. O Teorema 3.4.1 n ao se aplica, entretanto o ponto de
equilbrio z n ao e est avel. Nas Figuras 3.3 e 3.4 e mostrado o campo em vizinhan cas dos pontos
z = e z = (, 0), respectivamente. 2 2 2
Exemplo 3.4.4 Consideremos novamente o sistema de Lorenz (veja Exemplo 3.1.3), descrito pela
equa c ao diferencial
z

= f(z) com f(z) =

_
_
s(z
2
z
1
)
rz
1
z
2
z
1
z
3
z
1
z
2
bz
3
_
_
, (3.12)
onde s, r e b s ao constantes positivas.

E f acil vericar que, para r > 1, existem tres pontos de
equilbrio:
z =
_
_
0
0
0
_
_
, z =
_
_
_
b(r 1)
_
b(r 1)
r 1
_
_
e z =
_
_

_
b(r 1)

_
b(r 1)
r 1
_
_
.
Linearizando o sistema nestes pontos, obtemos respectivamente as matrizes:

A = df( z) =
_
_
s s 0
r 1 0
0 0 b
_
_
,

A = df( z) =
_
_
s s 0
1 1
_
b(r 1)
_
b(r 1)
_
b(r 1) b
_
_
,
e

A = df( z) =
_
_
s s 0
1 1
_
b(r 1)

_
b(r 1)
_
b(r 1) b
_
_
.
Para o ponto de equilbrio z obtemos o polin omio caracterstico
p() = ( + b) (
2
+ (s + 1) s(r 1)),
o qual possui duas razes negativas e uma positiva. Portanto, a estabilidade numa vizinhan ca de z
e improv avel.
46
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
y
-1 -0.5 0.5 1
x
Figura 3.3: Campo vetorial de x

+ 2ax

+ sin x = 0 (para a = 1) em uma vizinhan ca do ponto

z = .
47
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
y
2 2.5 3 3.5 4
x
Figura 3.4: Campo vetorial de x

+ 2ax

+ sin x = 0 (para a = 1) em uma vizinhan ca do ponto

z = (, 0).
48
0
10
20
30
40
-20
-10
0
10
20
-15
-10
-5
0
5
10
15
20
Figura 3.5:

Orbita do atrator de Lorenz (3.12) para os par ametros s = 10, r = 28 e b = 8/3; condi c ao
inicial: z(0) = (0.1, 0.1, 0.1).
Os pontos de equilbrio z e z est ao associados ao mesmo polin omio caracterstico:
p() =
3
+ (s + 1 +b)
2
+b(s +r) + 2bs(r 1).
O criterio de RouthHurwitz e aplic avel quando
6
(s + 1 +b)b(s +r) 2bs(r 1) > 0
Este e o caso se
s > b + 1 , r < r
c
:= s
s + 3 +b
s b 1
,
quando ent ao podemos concluir que os pontos de equilbrio z e z s ao assintoticamente est aveis. Para
os valores especiais s = 10, r = 28 e b = 8/3, temos r > r
c
24.74 e os tres pontos de equilbrio
n ao mais s ao est aveis. Entretanto, os polin omios caractersticos de z e z ainda possuem uma raiz
negativa, fato que contribui para o comportamento mpar das orbitas do sistema (veja Figura 3.5).
2 2 2
3.5 Metodo de Lyapunov
Um metodo eciente de se vericar a estabilidade e o desenvolvido por A.M. Lyapunov (1893). O
metodo trata de sistemas n ao lineares da forma (3.1) e se baseia na an alise de autovalores. Analisamos
a seguir um exemplo que serve de motiva c ao para o metodo apresentado nesta sec c ao.
6
Veja Observa c ao 3.3.3.
49
Exemplo 3.5.1 Considere o sistema
z

= f(z) com f(z

1
, z
2
) =
_
3z
2
z
1
5
2z
2
+z
1
5
_
. (3.13)
Os autovalores da matriz A = df() s ao 0 e 2. Logo, A n ao e uma matriz est avel e a quest ao da
estabilidade do ponto de equilbrio permanece em aberto.
Dena V (z
1
, z
2
) := z
1
6
+ 9z
2
2
e seja z = (z
1
, z
2
) IR
2
uma solu c ao do sistema (3.13). Temos
ent ao
d
dt
V (z
1
(t), z
2
(t)) = 6z
1
(t)
10
36z
2
(t)
2
0,
de onde segue
0 V (z
1
(t), z
2
(t)) = V (z
1
(0), z
2
(0))
_
t
0
(6z
1
(s)
10
+ 36z
2
(s)
2
) ds, t 0.
A estabilidade do ponto de equilbrio e agora uma conseq uencia direta desta desigualdade. Alem
disto, temos ainda que lim
t
z(t) = . De fato, como a fun c ao t V (z
1
(t), z
2
(t)) e mon otona n ao
crescente, existe o limite a := lim
t
V (z
1
(t), z
2
(t)).
Como V (z
1
, z
2
) = 0 se e somente se (z
1
, z
2
) = , basta vericar que a = 0. Suponha por contradi c ao
que a > 0. Temos ent ao que
0 < a V (z
1
(t), z
2
(t)) V (z
1
(0), z
2
(0)), t 0.
Dena m := inf6z
1
10
+36z
2
2
[ (z
1
, z
2
) IR
2
; a V (z
1
, z
2
) V (z
1
(0), z
2
(0)). Como V e contnua,
temos que m > 0. Para t 0 temos agora
0 V (z
1
(t), z
2
(t)) V (z
1
(0), z
2
(0)) m
_
t
0
dt = V (z
1
(0), z
2
(0)) mt.
Como o lado direito da ultima express ao se torna negativo para t sucientemente grande, chegamos
` a desejada contradi c ao. 2 2 2
Deni cao 3.5.2 Uma fun c ao V : U IR, onde U e uma vizinhan ca qualquer de z = , e denomi-
nada fun c ao de Lyapunov para o sistema z

= f(z) quando satisfaz:

i) V e contnua em Ue continuamente diferenci avel em U;
ii) V () = 0, V (x) > 0 para todo x U, x ,= ;
iii) V (x), f(x)) 0 para todo x U.
V e denominada fun c ao de Lyapunov estrita quando, ao inves da condi c ao iii), satiszer:
iii

) V (x), f(x)) < 0 para todo x U.

2 2 2
Teorema 3.5.3 Seja U uma vizinhan ca qualquer de z = e V : U IR uma fun c ao de Lyapunov
para o sistema z

= f(z). S ao verdadeiras as armativas:

a) z = e um ponto de equilbrio est avel ;
b) z = e um ponto de equilbrio atrativo se e somente se existe vizinhan ca W
de de modo que a solu c ao estacion aria seja a unica solu c ao
z : [0, ) U de z

= f(z) com z(0) W e

d
dt
V (z(t)) = 0, t [0, ).
Demonstra c ao: Provamos primeiro o item a). Seja r > 0 tal que B
2r
U. Dena :=
50
minV (x) [ [x[ = r e U

:= x U [ V (x) <

B
r
B
r
. Ent ao > 0 e a continuidade
de V implica que U

,= e que U

e uma vizinhan ca de . Seja z uma solu c ao de

z

= f(z), z(0) = z
0
U

.
Temos ent ao V (z(0)) < e
d
dt
V (z(t)) = V (z(t)), z

(t)) = V (z(t)), f(z)) 0, t [0, (z

0
)), (3.14)
onde (z
0
) e o maior real que satisfaz z(t)

B
r
, t [0, (z
0
)]. Se existisse t
1
(0, (z
0
)] tal que
[z(t
1
)[ = r, teramos
V (z(0)) < V (z(t
1
))
pela deni c ao de e
V (z(t
1
)) V (z(0))
como conseq uencia de (3.14), nos levando a uma contradi c ao. Portanto, temos necessariamente
z(t) B
r
, para todo t [0, (z
0
)]. Isto porem contradiz a maximalidade do intervalo [0, (z
0
)],
provando assim que (z
0
) = e z(t) B
r
para todo t [0, ). Fica assim provado que z = e
um ponto de equilbrio est avel.
Provamos agora b). Dena inicialmente W := U

.
(=) Como z e atrativo, existe > 0 tal que, para todo z
0
B

, a solu c ao correspondente z(, z

0
)
converge para z quando t . Caso W , B

, redena W := U

. Seja z : [0, ) U uma

solu c ao de z

= f(z); z(0) = z
0
W satisfazendo
d
dt
V (z(t)) = 0, t [0, ). Temos ent ao
V (z(0)) = lim
t
V (z(t)) = V ( lim
t
z(t)) = V () = 0.
Logo, z(0) = e de V (z(t)) = V (z(0)), t, conclumos que z(t) = , t [0, ).
(=) Seja z uma solu c ao de z

= f(z) com z(0) W. Do item a) temos que z : [0, )

B
r
. Logo, para toda seq uencia (t
n
)
nIN
com lim
n
t
n
= , a seq uencia (z(t
n
))
nIN
possui uma
subseq uencia convergente. Para provar que e um ponto de equilbrio atrativo, basta vericarmos
que o limite lim
n
z(t
n
) e sempre . Suponhamos por contradi c ao que existe uma seq uencia (t
n
)
nN
com limt
n
= e lim
n
z(t
n
) = z ,= . Se [ z[ = r chegaramos (como em a)) ` a contradi c ao:
V (z(0)) < V ( z) e V ( z) V (z(0)). Logo z B
r
. Note ainda que a hip otese V ( z) = implica
na mesma contradi c ao acima. Logo V ( z) < e portanto z U

= x U [ V (x) <

B
r
.
Considere agora a solu c ao z do sistema
z

= f( z), z(0) = z.
Do item a) temos que
z : [0, ) B
r
,
Como z ,= e V ( z(t)) e mon otona n ao crescente, ent ao V ( z(t)) V ( z(0)) = V ( z), t. Caso a
igualdade sempre se vericasse, a hip otese em b) implicaria em z(t) e z = . Portanto, existe
um > 0 com V ( z()) < V ( z).
A equa c ao diferencial e aut onoma, logo as fun c oes z
n
: [0, ) IR
n
denidas por z
n
(t) :=
z(t
n
+ t) s ao solu c oes respectivamente de z

n
= f(z
n
), z
n
(0) = z(t
n
). Como lim
n
z(t
n
) = z, segue
que
lim
n
[z
n
(t) z(t)[ = lim
n
[z(t
n
+t) z(t)[ = 0, t [0, ].
Isto e, lim
n
z
n
(t) = z(t), t [0, ]. Temos, portanto,
lim
n
V (z(t
n
+)) = V ( z()) < V ( z).
Isto porem e um absurdo, pois sendo V (z(t)) mon otona n ao crescente, e possvel encontrar, para
todo n IN, um m IN tal que V (z(t
n
+)) V (z(t
m
)) V ( z) = lim
n
V (z(t
n
)).
51
Corolario 3.5.4 (Lyapunov) Seja V uma fun c ao de Lyapunov estrita em U, uma vizinhan ca de
, para o sistema z

= f(z). Ent ao, o ponto de equilbrio z = e assintoticamente est avel.

Demonstra c ao: O Teorema 3.5.3 a) garante estabilidade de z em alguma vizinhan ca B
r
U.
Note agora que, para toda solu c ao de z

= f(z) que permanece em B

r
para t 0, a aplica c ao
t V (z(t)) e mon otona estritamente decrescente. Portanto, a unica dentre essas solu c oes que
satisfaz
d
dt
V (z(t)) = 0, t 0 e a solu c ao estacion aria z(t) . Do Teorema 3.5.3 b) segue que z e
atrativo.
Exemplo 3.5.5 Considere novamente o sistema n ao linear
z

= f(z) com f(z

1
, z
2
) =
_
3z
2
z
1
5
2z
2
+z
1
5
_
.
No Exemplo 3.5.1 introduzimos a fun c ao de Lyapunov estrita
V (z
1
, z
2
) := z
1
6
+ 9z
2
2
, (z
1
, z
2
) IR
2
a m de analisar este sistema. Podemos agora concluir diretamente do Corol ario 3.5.4 que o ponto
de equilbrio z = e assintoticamente est avel. 2 2 2
Exemplo 3.5.6 Considere a equa c ao diferencial para o circuito eletrico RLC:
CL x + RC x +x = 0,
cujo sistema associado e
z

= f(z) com f(z

1
, z
2
) =
_
0 1
[LC]
1
RL
1
_ _
z
1
z
2
_
,
onde R, L e C s ao constantes positivas. Uma fun c ao de Lyapunov para este sistema e
V (z
1
, z
2
) := Lz
2
2
+ C
1
z
1
2
, (z
1
, z
2
) IR
2
,
de onde calculamos
V (z
1
, z
2
), f(z
1
, z
2
)) = 2Rz
2
2
, (z
1
, z
2
) IR
2
.
Logo, V n ao e uma fun c ao de Lyapunov estrita e o Teorema 3.5.3 a) garante que z = e est avel.
Note porem que a condi c ao 2Rz
2
(t)
2
= 0, para todo t 0, implica em z
2
(t) = z

2
(t) = 0, t 0.
Da equa c ao diferencial temos ent ao z
1
(t) = 0, t 0. Assim sendo, o Teorema 3.5.3 b) garante que
z = e tambem atrativo e, portanto, assintoticamente est avel. 2 2 2
Exemplo 3.5.7 Considere agora o sistema
z

= f(z) com f(z

1
, z
2
) =
_
0 1
1 0
_ _
z
1
z
2
_
.
Uma fun c ao de Lyapunov e dada por V (z
1
, z
2
) = z
1
2
+ z
2
2
. O Teorema 3.5.3 garante que z = e
um ponto de equilbrio est avel mas n ao atrativo (verique!). 2 2 2
52
3.6 Equa cao Matricial de Lyapunov
Iniciamos esta sec c ao recordando alguns importantes conceitos da algebra linear, relacionados com
os autovalores de uma matriz.
Deni cao 3.6.1 Uma matriz simetrica M IR
n,n
e denominada
Positiva denida quando x, Mx) > 0, para todo x IR
n
, x ,= ;
Positiva semi-denida quando x, Mx) 0, para todo x IR
n
;
Negativa denida quando M e positiva denida. 2 2 2
No lema a seguir apresentamos a solu c ao de uma equa c ao matricial que e fundamental para a
formula c ao do criterio de Lyapunov.
Lema 3.6.2 Sejam U IR
n,n
, V IR
m,m
e W IR
n,m
. Se U e V s ao matrizes est aveis, ent ao a
solu c ao unica da equa c ao matricial
UX + XV + W = (X IR
n,m
)
e a matriz est avel X denida por
X :=
_

0
e
tU
We
tV
dt.
Demonstra c ao: Da hip otese, temos que existem constantes c 0 e > 0 tais que
|e
tU
| ce
t
, |e
tV
| ce
t
, t 0.
Note que para T > 0, temos
e
TU
We
TV
W =
_
T
0
d
dt
(e
tU
We
tV
) dt
=
_
T
0
(Ue
tU
We
tV
+e
tU
WV e
tV
) dt
=
_
T
0
(Ue
tU
We
tV
+e
tU
We
tV
V ) dt.
Tomando o limite quando T , temos que
X =
_

0
e
tU
We
tV
dt
e solu c ao da equa c ao matricial W = UX + XV , cando assim provada a existencia de solu c oes.
Para provar unicidade, suponha que X
1
, X
2
s ao ambas solu c oes de UX + XV + W = e dena

X := X
1
X
2
. Logo,

X IR
n,m
e solu c ao de
U

X +

XV = .
Temos ent ao
d
dt
(e
tU

Xe
tV
) = e
tU
(U

X +

XV )e
tV
=
e portanto,
e
tU

Xe
tV
= e
0U

Xe
0V
=

X.
Tomando o limite quando t , obtemos

X = .
53
No teorema a seguir e apresentada uma equa c ao matricial, que fornece uma forma equivalente
de denir a estabilidade de uma matriz.
Teorema 3.6.3 Dada uma matriz A IR
n,n
, s ao equivalentes as as seguintes arma c oes:
a) A e uma matriz est avel;
b) Existe uma matriz positiva denida P IR
n,n
tal que
A

P + PA = I. (3.15)
Demonstra c ao: Se a matriz A e est avel, a existencia de P segue do Lema 3.6.2 com U = A

, V = A
e X = P. Reciprocamente, se P satisfaz a equa c ao (3.15), dena
V (x) := x, Px), x IR
n
.
Logo, a fun c ao diferenci avel V satisfaz V (0) = 0, V (x) > 0, x ,= e ainda
V (x), Ax) = Px +P

x, Ax)
= A

Px, x) + x, PAx)
= (A

P +PA)x, x)
= x, x).
Isto e, V e uma fun c ao de Lyapunov estrita. O Corol ario 3.5.4 implica que o ponto de equilbrio
z = e assintoticamente est avel. O Teorema 3.2.1 garante por m que os autovalores de A possuem
parte real estritamente negativa.
Observa cao 3.6.4 No Teorema 3.6.3, a equa c ao (3.15) pode ser substituda pela exigencia de A

P+
PA ser negativa denida. 2 2 2
Teorema 3.6.5 Sejam A, X, W IR
n,n
e C IR
l,n
matrizes satisfazendo
A

X +XA = W;
W C

C e positiva semi-denida;
(A, , C) e observ avel.
Ent ao a matriz A e est avel sse X for positiva denida.
Demonstra c ao: (=) Seja A uma matriz est avel. Do Lema 3.6.2 temos que X =
_

0
e
tA

We
tA
dt.
Logo, para x IR
n
temos
x, Xx) =
_

0
e
tA
x, We
tA
x) dt

_

0
e
tA
x, C

Ce
tA
x) dt
=
_

0
[Ce
tA
x[
2
dt.
Como (A, , C) e observ avel, conclumos que Ce
tA
x = , t 0 sse x = .
(=) Suponha X positiva denida. Dena como na demonstra c ao do Teorema 3.6.3 a fun c ao
V (x) := x, Xx), x IR
n
.
54
Como WC

C e positiva semi-denida, ent ao W tambem o e. Logo, V e uma fun c ao de Lyapunov,

pois V (z(t)), Az(t)) = z, Wz) (veja Observa c ao 3.6.4). Seja agora z uma solu c ao de z

= Az
com
d
dt
V (z(t)) = 0, t 0. Temos ent ao
0 =
d
dt
V (z(t)) = z(t), Wz(t)).
Logo,
0 z(t), (W C

C)z(t)) = Cz(t), Cz(t)), t 0.

Portanto, Cz(t) = , t 0, e da observabilidade de (A, , C) temos z(0) = . O Teorema 3.5.3 b)
garante que o ponto de equilbrio z = e assintoticamente est avel e do Teorema 3.2.1 segue a
estabilidade da matriz A.
A equa c ao matricial (3.15) e denominada equa c ao matricial de Lyapunov. Igualmente interessante
na an alise da estabilidade de sistemas n ao lineares e o criterio de Popow, que fornece condi c oes
sucientes para garantir a estabilidade absoluta de sistemas de loop fechado. Para detalhes sobre o
conceito de estabilidade absoluta e sobre o criterio de Popow veja [F o3].
3.7 Estabilidade de Sistemas Lineares Discretos
Uma an alise de estabilidade semelhante ` a realizada na Sec c ao 3.2 para problemas contnuos pode
ser estendida para sistemas de evolu c ao discretos da forma
x
k+1
= Ax
k
, k = 0, 1, . . . (3.16)
onde A IR
n,n
e x
k
IR
n
, k 0.
Deni cao 3.7.1 O ponto de equilbrio x = do sistema (3.16) e denominado:
est avel quando: dado > 0, para todo x
0
B

, temos x
k
B

, k = 1, 2, . . .
atrativo quando: para todo x
0
IR
n
, temos lim
k
x
k
= . 2 2 2
Como nos sistemas contnuos aut onomos, a atratividade implica na estabilidade. A an asise da
estabilidade de tais sistemas e bastante simples e e esclarecida com os seguintes lemas:
Lema 3.7.2 Dado um sistema linear discreto da forma (3.16), s ao equivalentes as arma c oes:
a) O ponto de equilbrio x = e atrativo;
b) O operador A considerado como elemento do espa co L(IR
n
, IR
n
) e contrativo, i.e.
|A| := sup
xIR
n
\{}
|Ax|
|x|
< 1.
Demonstra c ao: a) = b) Seja um autovalor de A e x
0
o respectivo autovetor. Logo, x
k
=
A
k
x
0
=
k
x
0
. Da hip otese temos agora
lim
k
[[
k
|x
0
| = 0,
o que implica em < 1. Como e arbitr ario, b) ca provado.
b) = a) Dado x
0
IR
n
, temos da hip otese
lim
k
|x
k
| |x
0
| lim
k
|A|
k
= 0
e o teorema ca provado.
55
No que se refere ` a verica c ao da estabilidade do ponto de equilbrio de (3.16) temos o lema a
seguir, que por sua semelhan ca com o Lema 3.7.2 e deixado para o leitor como exerccio.
Lema 3.7.3 Dado o sistema linear discreto (3.16), s ao equivalentes as arma c oes:
a) O ponto de equilbrio x = e est avel;
b) O operador A considerado como elemento do espa co L(IR
n
, IR
n
) e n ao expansivo, i.e.
|A| := sup
xIR
n
\{}
|Ax|
|x|
1.
O criterio de Lyapunov tambem se aplica a sistemas discretos, com a nalidade de estabelecer
condi c oes sucientes para estabilidade.
Deni cao 3.7.4 Uma fun c ao V : IR
n
IR e denominada fun c ao de Lyapunov quadr atica para o
sistema x
k+1
= Ax
k
quando satisfaz:
i) V e da forma: V (x) = x, Px), com P positiva denida;
ii) V (Ax) < V (x) para todo x IR
n
.
2 2 2
Lema 3.7.5 Seja V uma fun c ao de Lyapunov quadr atica para o sistema (3.16). Ent ao o ponto de
equilbrio x = e atrativo.
Demonstra c ao: Seja um autovalor de A e x o respectivo autovetor. Por hip otese temos
[[
2
x, Px) = Ax, PAx) < x, Px),
provando assim que [[ < 1. Como e arbitr ario, o lema ca provado.
Do Lema 3.7.5, obtemos para sistemas discretos um resultado an alogo ao Teorema 3.6.3.
Lema 3.7.6 O ponto de equilbrio x = do sistema x
k+1
= Ax
k
e atrativo se e somente se existe
matriz denida positiva P tal que A

PAP e negativa denida.

Demonstra c ao: (=) Como |A| < 1, e f acil vericar que P = I (a matriz identidade) e tal que
A

PA P e negativa denida. (Na verdade para qualquer matriz positiva denida P a express ao
acima e negativa denida.)
(=) Basta observar que V (x) := x, Px) dene uma fun c ao de Lyapunov quadr atica para o
sistema.
A equa c ao A

PAP = I e denominada equa c ao matricial discreta de Lyapunov.

Corolario 3.7.7 Se o ponto de equilbrio x = do sistema x
k+1
= Ax
k
e atrativo, ent ao existe
uma fun c ao de Lyapunov quadr atica para o sistema.
Demonstra c ao: Segue imediatamente do Lema 3.7.6.
Exerccios
3.1 Verique que o ponto de equilbrio do sistema no Exemplo 3.5.7 e est avel mas n ao atrativo.
56
3.2 Considere o sistema do oscilador n ao linear amortecido (veja Exemplo 3.4.3)
x
1
= x
2
, x
2
= x
2
sin(x
1
),
onde > 0 e > 0 s ao constantes.
a) Mostre que V (x
1
, x
2
) := 2
1
x
2
2
cos x
1
e uma fun c ao de Lyapunov para o sistema;
b) Verique que todas as solu c oes do sistema possuem intervalo de existencia [0, );
c) Prove que toda solu c ao (x
1
, x
2
) do sistema satisfaz
lim
t
(x
1
(t), x
2
(t)) = (2k, 0),
onde k IN depende da condi c ao inicial (x
1
(0), x
2
(0)).
3.3 Encontre para o sistema
x
1
= x
2
, x
2
= x
1
+ 2x
3
1
x
2
uma fun c ao de Lyapunov da forma
V (x
1
, x
2
) = a
11
x
2
1
+ 2a
12
x
1
x
2
+a
22
x
2
2
,
provando assim que a origem e um ponto de equilbrio assintoticamente est avel.
3.4 Encontre para o sistema
x
1
= x
1
+ 2x
1
x
2
, x
2
= x
2
+x
3
, x
3
= x
2
4x
3
uma fun c ao de Lyapunov da forma
V (x
1
, x
2
, x
3
) = a
11
x
2
1
+a
22
x
2
2
+a
33
x
2
3
+ 2a
12
x
1
x
2
+ 2a
23
x
2
x
3
+ 2a
13
x
1
x
3
.
3.5 Complete os detalhes da demonstra c ao do Lema 3.7.3.
3.6 Para sistemas n ao aut onomos, o metodo de lineariza c ao n ao pode, via de regra, ser utilizado na
an alise de estabilidade. Tal fato se torna claro mesmo para sistemas lineares. Considere o sistema
z

= A(t) z, com
A(t) =
_
1 2 cos 4t 2 + 2 sin4t
2 + 2 sin4t 1 + 2 cos 4t
_
.
a) Calcule os autovalores de A(t);
b) Mostre que a origem e um ponto de equilbrio inst avel;
(Dica: Observe que a equa c ao diferencial possui uma solu c ao da forma: e
t+it
.)
3.7 O que se pode armar, a partir do metodo de lineariza c ao, sobre a estabilidade do ponto de
equilbrio (0, 0, 0) do sistema no Exerccio 3.4?
3.8 Considere novamente o oscilador harm oninco ( > 0, > 0)
x +F

( x) +x = 0, com F

(s) :=
_
, s > 0
, s < 0
a) Fa ca um esbo co da famlia de solu c oes no plano (x, x);
b) Encontre os pontos de equilbrio (x, x) do sistema.
57
3.9 Considere o sistema ( > 0, b > 0)
x = U(t), com U(t) :=
_
b, t > 0
b, t < 0
a) Fa ca um esbo co da famlia de solu c oes no plano (x, x);
b) Mostre que existem solu c oes peri odicas e calcule o perodo da orbita.
3.10 Mostre que a matriz
A =
_
_
1 1 1
1 1 1
1 1 0
_
_
e positiva indenida, i.e. n ao e nem positiva denida nem negativa denida.
3.11 Considere o sistema
x
1
= 3x
2
, x
2
= x
1
+ 4x
2
.
a) Mostre que o ponto de equilbrio (0, 0) e assintoticamente est avel;
b) Prove que V (x
1
, x
2
) :=
5
3
x
2
1
+ 2x
1
x
2
+x
2
2
e uma fun c ao de Lyapunov estrita;
c) Considere a solu c ao correspondente ` a condi c ao inicial x
1
(0) = 0, x
2
(0) = 2. Estime o tempo
t
s
> 0 em que a solu c ao (x
1
, x
2
) alcan ca a regi ao x
2
1
+x
2
2
0.02.
(Dica: Encontre a > 0 com

V (x) aV (x).)
3.12 Prove que o polin omio p(t) = t
3
+6r
2
+12r +9 possui somente raizes com parte real negativa.
3.13 Seja A IR
n,n
e IR. Prove a equivalencia das arma c oes abaixo:
a) max Re() [ e autovalor de A < ;
b) Para cada matriz positiva denida W IR
n,n
, a equa c ao matricial
A

W +XA+ 2X = W
possui uma unica solu c ao positiva denida X.
58
Captulo 4
Estabiliza cao
Neste captulo utilizamos o conceito de estabilidade introduzido no Captulo 3 e analisamos a seguinte
quest ao: Como e quando e possvel tornar est avel um sistema de controle. Tal tarefa, denominada
de estabiliza c ao, tem se mostrado nos ultimos anos como uma das aplica c oes mais importantes da
teoria de controle em problemas de engenharia e tecnologia. A forma cl assica de realiz a-la e obter
a entrada (ou controle) a partir do estado ou da sada do sistema. Falamos ent ao de realimenta c ao
de estado ou de sada. A quest ao da estabiliza c ao permite abordagens tanto qualitativas quanto
quantitativas, ambas aqui discutidas.
Na Sec c ao 4.1, denimos os sistemas lineares estabiliz aveis e discutimos um resultado sobre
estabiliza c ao de sistemas aut onomos control aveis. A seguir e analisada uma condi c ao necess aria
e suciente para estabiliza c ao de sistemas aut onomos. Na Sec c ao 4.2, consideramos o problema
quantitativo relacionado ` a estabiliza c ao. O metodo de coloca c ao de p olos nos fornece uma estratetiga
de estabiliza c ao, na qual e possvel escolher o grau de estabilidade do sistema estabilizado. Na
Sec c ao 4.3 e apresentada a estrategia de Luenberger (observador din amico), atraves da qual o estado
de um sistema paralelo e utilizado para estabilizar o sistema dado. Na Sec c ao 4.4 e discutido
um metodo de estabiliza c ao que combina o observador din amico com a realimenta c ao de sada. Na
Sec c ao 4.5 consideramos o problema de estabilizar o ponto de opera c ao (desconhecido) de um sistema
linear.
4.1 Sistemas Lineares
Em aplica c oes s ao utilizadas essencialmente estrategias de realimenta c ao de sada e de realimenta c ao
de estado, com o objetivo de alterar a din amica do sistema livre (sem controle) obtendo determinadas
propriedades, que podem ser:
BIBOestabilidade; (qualitativo)
Estabilidade assint otica; (qualitativo)
Acelera c ao do retorno ao ponto de equilbrio. (quantitativo)
No caso dos sistemas de controle lineares aut onomos, as propriedades acima est ao intrinsecamente
relacionadas com os autovalores da matriz do sistema. Dadas A IR
n,n
e B IR
n,m
, considere o
sistema de controle
z

= Az + Bu. (4.1)
59
Supondo que o controle u e obtido a partir do estado z por uma lei linear, escrevemos
u = F z,
onde F IR
m,n
. Substituindo em (4.1), obtemos
z

= (A+BF) z. (4.2)
A m de tornar o ponto de equilbrio z = assintoticamente est avel, devemos escolher F de modo
que A+BF seja uma matriz est avel (veja Deni c ao 3.2.6).
Deni cao 4.1.1 O sistema de controle (A, B) e denominado estabiliz avel quando existe F IR
m,n
tal que a matriz A+BF IR
n,n
e est avel. 2 2 2
O sistema (4.1), quando escrito com o controle de malha fechada, toma a forma (A+BF, B). A
controlabilidade de (A, B) implica na controlabilidade de (A+BF, B). Este argumento nos leva ao
seguinte teorema:
Teorema 4.1.2 Seja (A, B) e um sistema aut onomo control avel. Ent ao (A, B) e estabiliz avel pela
matriz de realimenta c ao
F := B

W
1
T
,
onde
W
T
:=
_
T
0
e
tA
BB

e
tA

dt, T > 0.
Demonstra c ao: A ideia e uilizar o Teorema 3.6.5 com
(A, , C) = ((A +BF)

, , B

) e X = W
T
.
Para garantir a estabilidade de (A+BF) ou equivalentemente de (A+BF)

basta vericar que:

(1) W
T
e positiva denida;
(2) ((A+BF)

, , B

) e observ avel;
(3) W := (A+BF)W
T
W
T
(A+BF)

e tal que
W BB

e positiva semi-denida.
(1) Por constru c ao, W
T
e positiva semi-denida. Logo, W
T
e n ao singular para T > 0 e, portanto,
W
T
e positiva denida.
(2) Como (A, B) e control avel, (A, B) tambem o e. Dasegue a controlabilidade de ((A+BF), B).
Por m, segue a observabilidade de ((A+BF)

, , B

).
(3) Observe que
(A+BF)W
T
+W
T
(A+ BF)

= AW
T
BB

+W
T
A

BB

=
_
T
0
d
dt
(e
tA
BB

e
tA

) dt 2BB

= e
TA
BB

e
TA

+BB

2BB

= e
TA
BB

e
TA

BB

.
Chegamos assim ` a identidade
W = e
TA
BB

e
TA

+BB

,
a qual nos permite concluir que W BB

e positiva semi-denida.
60
Observa cao 4.1.3 O Teorema 4.1.2 garante que sistemas aut onomos control aveis s ao estabiliz aveis
por realimenta c ao de estado. A recproca entretanto n ao e verdadeira, conforme podemos vericar
no seguinte exemplo trivial:
_
A matriz est avel, B =
z

= Az + Bu
2 2 2
A m de esclarecer a quest ao levantada na Observa c ao 4.1.3, investigamos condi c oes sucientes
para garantir a controlabilidade de sistemas estabiliz aveis. Este e o objetivo do teorema
Teorema 4.1.4 Seja (A, B) um sistema aut onomo de controle. Ent ao (A, B) e control avel se e
somente se (A, B) e (A, B) s ao ambos estabiliz aveis.
Demonstra c ao: Seja (A, B) control avel. Ent ao (A, B) e control avel e a estabilidade de (A, B)
e (A, B) segue do Teorema 4.1.2. Reciprocamente, sejam (A, B) e (A, B) estabiliz aveis.

E
possvel escrever os sistemas (A, B) na forma normal
_
x
1

x
2

_
=
_
A
11
A
12
A
22
_

_
B
1

_
u,
onde (A
11
, B
1
) e control avel. O sistema
__
A
11
A
12
A
22
_
,
_
B
1

__
e estabiliz avel quando existe uma matriz F = (F
1
, F
2
) tal que

_
A
11
+B
1
F
1
A
12
+B
1
F
2
A
22
_
e uma matriz est avel. Conclumos da que os blocos A
22
possuem somente autovalores com parte
real estritamente menor que zero. Como essa condi c ao n ao pode ser satisfeita simulteneamente para
A
22
e A
22
, temos que o bloco A
22
n ao pode existir na forma normal. Temos ent ao que
A = P
1
A
11
P, B = P
1
B
1
,
onde P e n ao singular. A controlabilidade de (A, B) segue agora da controlabilidade de (A
11
, B
1
).
Exemplo 4.1.5 Considere novamente o problema do equilbrio de um bast ao vertical. A equa c ao
diferencial e

g = u(t),
que se escreve na forma do sistema
z

= Az +Bu com A =
_
0 1
g 0
_
, B =
_
0
1
_
.
O sistema (A, B) e control avel devido ` a condi c ao de posto. Logo, o Teorema 4.1.4 garante sua
estabilidade. O Teorema 4.1.2 nos permite ainda calcular a matriz de ganho F, isto porem exige
algumas contas longas. 2 2 2
O problema da estabiliza c ao de sistemas n ao lineares e discutido em [Is]. Em particular os
sistemas Single-Input Single-Output (SISO) n ao lineares s ao tratados no Captulo 4, onde e possvel
identicar semelhan cas com a abordagem aqui apresentada para sistemas lineares. Uma tecnica
baseada na utiliza c ao de series de Fourier (equilbrio harm onico) pode ser encontrada em [F o1,
Captulo 2].
61
4.2 Coloca cao de P olos
Uma vez esclarecida a quest ao de que todo sistema control avel pode ser estabilizado por uma es-
trategia de controle de realimenta c ao do tipo u = Fz, concentra-mo-nos no problema de escolher a
posi c ao no plano complexo dos autovalores da matriz do sistema
z

= (A+BF)z.
Esta tarefa e equivalente ` a de escolher os p olos de uma fun c ao racional coloca c ao de p olos. Tratamos
nesta sec c ao apenas de sistemas com controle escalar (m = 1), isto e, da forma
z

= Az +bu com A IR
n,n
, b IR
n
.
Investigamos a princpio um resultado do tipo formanormal.
Lema 4.2.1 Seja A IR
n,n
e b IR
n
. S ao equivalentes as arma c oes:
a) (A, b) e control avel;
b) Existe P IR
n,n
inversvel tal que o sistema (A, b) nas coordenadas x = Pz tenha a forma
x

=

Ax +

bu com

A =
_
_
_
_
_
_
_
_
_
0 1 0 0 0
0 0 1 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1 0
0 0 0 0 1
a
0
a
1
a
2
a
n2
a
n1
_
_
_
_
_
_
_
_
_
,

b =
_
_
_
_
_
_
_
_
_
0
0
.
.
.
0
0
1
_
_
_
_
_
_
_
_
_
.
Os n umeros a
0
, . . . , a
n1
s ao os coecientes do polin omio caracterstico p de A: p(r) = r
n
+

n1
i=0
a
i
r
i
.
Demonstra c ao: a) = b) Basta encontrar uma base w
1
, . . . , w
n
para IR
n
, de modo que a matriz
P IR
n,n
denida pelas equa c oes
Pw
k
= e
k
, 1 k n,
satisfa ca
(i) Pb = e
n
, (ii) PAP
1
e
1
= a
0
e
n
, (iii) PAP
1
e
k+1
= e
k
a
k
e
n
, 1 k < n.
Denimos w
k
recursivamente por
w
n
= b, w
k
= Aw
k+1
+a
k
b, 1 k < n.
Temos ent ao
w
k
= A
nk
b +
nk

j=1
a
nj
A
nkj
b, 1 k n. (4.3)
Como b, Ab, . . ., A
n1
b s ao linearmente independentes (devido ` a controlabilidade de (A, b)), temos
de (4.3) que w
1
, . . . , w
n
tambem o s ao. Do teorema de CaleyHamilton, temos que p(A) = . Logo,
Pb = Pw
n
= e
n
(provando (i)) ;
Aw
1
= A
n
b +
n1

j=1
a
nj
A
nj
b a
0
b = p(A)b a
0
b = a
0
b
= a
0
w
n
(provando (ii)) ;
Aw
k+1
= w
k
a
k
e
n
, 1 k n (provando (iii)).
62
b) = a) Seja agora o sistema (

A,

b) satisfazendo as hip oteses do item b). O criterio do posto nos

garante que esse sistema e control avel. Logo, (A, b) e tambem control avel.
O teorema a seguir esclarece o resultado principal sobre a coloca c ao de razes dos polin omios
caractersticos de sistemas de controle.
Teorema 4.2.2 Seja (A, b) um sistema control avel e
1
, . . .,
r
IR,
r+1
,

r+1
, . . .,
s
,

s

CIR n umeros complexos dados, com r + 2(s r) = n. Ent ao existe f IR
n
tal que o polin omio
caracterstico de A+bf possui como razes
1
, . . .,
r
,
r+1
,

r+1
, . . .,
s
,

s
.
Demonstra c ao: Seja f um vetor com componentes f
0
, . . . , f
n1
. O Lema 4.2.1 nos permite escrever
o sistema A+bf (a menos de uma mudan ca de vari aveis) na forma
A+bf =
_
_
_
_
_
_
_
_
_
0 1 0 0 0
0 0 1 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1 0
0 0 0 0 1
f
0
a
0
f
1
a
1
f
2
a
2
f
n2
a
n2
f
n1
a
n1
_
_
_
_
_
_
_
_
_
,
onde a
0
, . . . , a
n1
, 1 s ao os coecientes do polin omio caracterstico de A. Logo, o polin omio carac-
terstico p de A+bf satisfaz
p(r) = r
n
+
n1

i=0
(f
i
a
i
)r
i
.
Como os coecientes f
i
a
i
, i = 0, . . . , n 1 s ao determinados pelas razes do polin omio, podemos
determinar f
0
, . . . , f
n1
(observe que e preciso resolver um sistema n ao linear com n vari aveis e n
equa c oes).
Exemplo 4.2.3 Considere novamente o sistema linear (veja Exemplo 4.1.5)
A =
_
0 1
g 0
_
, b =
_
0
1
_
.
A estabiliza c ao com f =
_
f0
f1
_
IR
2
nos leva ` a matriz
A+bf =
_
0 1
g f
0
f
1
_
,
cujo polin omio caracterstico e:
2
+f
1
+(f
0
g). Se escolhemos os autovalores

= 1, obtemos
os coecientes f
0
= g + 1, f
1
= 2. 2 2 2
Observa cao 4.2.4

E possvel obter um resultado semelhante ao apresentado no Teorema 4.2.2 para
sistemas genericos (A, B) com m 1. Neste caso, a demonstra c ao baseia-se na forma normal.
Discutimos aqui o caso geral na forma de algoritmo.
Seja o sistema de controle
z

= Az +Bu, com A IR
n,n
, B IR
n,m
.
Procuramos uma matriz F IR
m,n
tal que os autovalores de A+BF sejam os n umeros
1
, . . . ,
n
C
dados (note que os autovalores complexos aparecem com seus conjulgados).
Os autovetores de A+BF devem ser encontrados satisfazendo:
(A+BF) v
i
=
i
v
i
, 1 i n.
63
Denindo q
i
:= Fv
i
, 1 i n, obtemos
(A
i
I)v
i
+Bq
i
= , 1 i n.
Portanto,
_
v
i
q
i
_
Ke(A
i
I[B), 1 i n, F = (q
1
[ [q
n
)(v
1
[ [v
n
)
1
,
caso det(v
1
[ [v
n
) ,= 0. Essa ultima condi c ao e satisfeita quando A + BF e diagonalis avel, o que
por sua vez pode ser garantido pela escolha dos autovalores
1
, . . . ,
n
C. 2 2 2
Exemplo 4.2.5 Considere o sistema de controle com matrizes
A =
_
_
0 1 0
0 0 1
4 4 1
_
_
, B =
_
_
1 0
0 0
0 1
_
_
.
Os autovalores do sistema livre (u = 0) s ao 1, 2, 2. Escolhemos para novos autovalores os valores:

1
= 2,
2
= 3,
3
= 4. Calculamos a seguir o n ucleo de (A
i
I [ B) i = 1, 2, 3, onde
(A
i
I [ B) =
_
_

i
1 0 1 0
0
i
1 0 0
4 4
i
1 0 1
_
_
.
Um simples c alculo nos permite obter Ke(A
i
I [ B), sendo estes para i = 1, 2, 3 respectivamente
span(1, 2, 4, 0, 0)

, (1, 0, 0, 2, 4)

, span(3, 2, 6, 5, 0)

, (2, 3, 9, 0, 26)

,
span(2, 1, 4, 9, 0)

, (2, 4, 16, 0, 36)

.
Podemos escolher ent ao:
v
1
=
_
_
0
1
2
_
_
, q
1
=
_
1
2
_
, v
2
=
_
_
1
0
0
_
_
, q
2
=
_
3
52
5
_
,
v
3
=
_
_
0
1
4
_
_
, q
3
=
_
1
8
_
.
Obtemos assim a matriz de ganho
F =
_
3 1 0
52
5
12 5
_
,
e a matriz do sistema de malha fechada e
A+BF =
_
_
3 0 0
0 0 1
72
5
8 6
_
_
.
2 2 2
Uma interessante aplica c ao da coloca c ao de p olos para um modelo de um reator qumico e
discutida em [KnKw] (ver exemplo 5.5). Neste problema a vari avel de estado (z IR
5
) corresponde
` a temperatura em diferentes partes do reator, enquanto que o controle (u IR
3
) corresponde ` a
abertura de tres v alvulas de refrigera c ao disponveis.
64
4.3 Observador Dinamico
Dadas A IR
n,n
, B IR
n,m
, C IR
l,n
considere o sistema de controle (A, B, C). Na Sec c ao 4.1,
vimos que para estabilizar um sistema utilizando uma estrategia de realimenta c ao de estado da
forma u = Fz temos que encontrar F de modo a tornar a matriz (A+ BF) est avel.
Fazemos agora o desenvolvimento equivalente para o problema de realimenta c ao de sada, quando
procuramos controladores da forma u = Fy. Note que
u = Fy = FCz, F IR
m,l
.
O objetivo e ent ao encontrar F de modo que o ponto de equilbrio z = do sistema z

= (A+BFC)z
seja assintoticamente est avel. Tal abordagem encontra serios obst aculos ` a sua realiza c ao, pois mesmo
as hip oteses
(A, B) control avel, (A, , C) observ avel
n ao s ao sucientes para garantir a estabilidade da matriz (A+BFC). Tal fato pode ser comprovado
no simples exemplo a seguir.
Exemplo 4.3.1 Considere o problema de controle descrito por
x +x = u, y = x.
Na forma de sistema temos
_
z

=
_
0 1
1 0
_
z +
_
0
1
_
u
y = (1 0)
_
z1
z2
_

E f acil vericar que os sistemas (A, B) e (A, , C) s ao respectivamente control avel e observ avel. Es-
colhendo agora uma estrategia de controle linear de realimenta c ao de sada, temos
u := fy, com f IR
1,1
.
Obtemos assim a equa c ao x + (1 f)x = 0, que corresponde ao sistema z

= (A+BfC)z, com
(A+BfC) =
_
0 1
f 1 0
_
.
Calculando o polin omio caracterstico deste novo sistema, obtemos p(r) = r
2
+ (1 f) = 0, que
possui razes:

=
_
f 1.
Obviamente e impossvel encontrar f IR que satisfa ca Re(
+
) < 0 e Re(

) < 0 ao mesmo tempo.

Portanto, o sistema n ao e estabiliz avel. 2 2 2
Na Sec c ao 4.4 e analisada uma alternativa para a estabiliza c ao por realimenta c ao de sada, que
consiste de duas etapas: inicialmente o estado e recontrudo a partir da sada; em um segundo passo
utiliza-se a aproxima c ao do estado na realimenta c ao.
A m de reconstruir dinamicamente o estado z a partir da observa c ao y, utilizamos a seguinte
ideia:
65
O sistema (A, B, C) e simulado por outro com a mesma estrutura;
Seja x o estado desse sistema paralelo e w = Cx sua sada;
O controle do sistema paralelo e constitudo pelo controle do sistema usual adicionado de
uma componente da forma L(w y), com L IR
n,l
;
Obtemos assim o sistema
x

= Ax +Bu +L(Cx y), w = Cx,

que e denominado observador din amico;
1
A diferen ca entre os estados do observador e do sistema original e denida por := z x
e satisfaz

= A L(Cx Cz) = (A+LC) ;

L e escolhido tal que (A+LC) seja est avel, garantindo assim lim
t
(t) = .
A an alise da estabilidade de (A + LC) nos leva ao conceito de detectabilidade. O teorema a
seguir estabelece a equivalencia entre a detectabilidade de um sistema (A, , C) e a estabilidade da
matriz do observador din amico (A+LC).
Teorema 4.3.2 Dadas A IR
n,n
e C IR
l,n
, s ao equivalentes as arma c oes:
a) (A, , C) e detect avel;
b) Se v C
n
e autovetor de A e seu autovalor satisfaz Re() 0, ent ao Cv ,= ;
c) (A

, C

) e estabiliz avel;
d) Existe L IR
n,l
tal que a matriz (A+LC) e est avel.
Demonstra c ao: a) =b) Sejam v e como em b). Considere as solu c oes especiais do problema de
valor inicial z

= Az, z(0) = v dadas por

z
r
(t) := Re(e
t
v), z
i
(t) := Im(e
t
v), t IR.
Note que, se Cv = , ent ao v pertence ao subespa co n ao observ avel de (A, , C). Neste caso,
lim
t
z
r
(t) ,= , contradizendo a detectabilidade de (A, , C).
b) = c) Note que e possvel escrever o sistema (A

, C

) na forma normal

A =
_
A
I

A
II
_
,

C =
_
C
I

_
,
com (A
I
, C
I
) control avel. Analisamos separadamente as duas possveis situa c oes:
Se o bloco A
II
n ao existir, temos (A

, C

) = (P
1
A
I
P, P
1
C
I
). Logo, (A

, C

) e control avel.
O item c) segue agora do Teorema 4.1.2.
Suponha que o bloco A
II
esteja presente na forma normal. Se e um autovalor de A

II
e w um
autovetor correspondente, temos para v =
_

w
_
que

v = v,

Cv = .
Da hip otese em b) segue que Re() < 0, provando assim que A

II
(e conseq uentemente A
II
) e uma
matriz est avel. Da controlabilidade de (A
I
, C
I
) segue sua estabilizabilidade, i.e. existe F
I
tal que
1
A escolha da letra L para o observador se deve a D.G. Luenberger, que introduziu esta ideia.
66
(A
I
+C
I
F
I
) e est avel. Temos ent ao que a matriz

A +

C (F
I
[ ) =
_
A
I
+C
I
F
I

A
II
_
e est avel. Como

F = (F
I
[) estabiliza (

A,

C) e (P
1

AP, P
1

C) = (A

, C

), ent ao F =

FP
estabiliza (A

, C

).
c) = d) Por hip otese, existe uma matriz D tal que a matriz A

+ (C

)(D) e est avel. Logo,

A+LC e est avel com a escolha L := D

.
d) = a) Dado z
0

n1
k=0
Ke(CA
k
) dena z(t) := e
tA
z
0
, t IR. Do teorema de CaleyHamilton
segue Cz(t) = , para t 0. Logo, z tambem e solu c ao de
z

= (A+LC) z.
Como os autovalores da matriz (A+LC) possuem parte real negativa, temos que lim
t
z(t) = .
Exemplo 4.3.3 Vamos aplicar a ideia do observador din amico ao sistema (A, B, C) com matrizes
A =
_
1 3
0 2
_
, B =
_
1
1
_
, C =
_
1 0
_
.

E f acil ver que (A, B) e control avel e (A, , C) observ avel, e portanto tambem detect avel. Os auto-
valores de A+LC com L =
_
l1
l2
_
s ao obtidos resolvendo-se a equa c ao
0 = det(I (A+LC)) =
2
+ (3 l
1
) + (2 2l
1
3l
2
). (4.4)
Escolhemos para a matriz A+LC os autovalores
1
= 9,
2
= 10. Resolvendo (4.4) para (l
1
, l
2
),
obtemos l
1
= 16, l
2
= 56/3. O observador din amico possui ent ao a seguinte estrutura:
x

=

Ax + Bu Ly,
com

A =
_
17 3
56/3 2
_
, B =
_
1
1
_
, L =
_
16 56/3
_
.
O observador din amico nos permite reconstruir a componente z
2
do estado note que a compo-
nente z
1
j a e observada. Suponha que temos a seguinte situa c ao:
u(t) 1, z(0) =
_
0

_
, x(0) =
_
0
0
_
,
com IR. O erro de reconstru c ao := z x satisfaz
_
_
_

= (A+LC)
(0) =
_
0

_
Os autovalores de A + LC s ao
1
= 9,
2
= 10 e os respectivos autovetores s ao v
1
=
_
1
8/3
_
e
v
2
=
_
1
7/3
_
. Temos ent ao
(t) =
_

1
(t)

2
(t)
_
=
_
3e
9t
3e
10t
8e
9t
7e
10t
_
.
Nos interessa saber o qu ao r apido
2
converge a zero. Para t = 0.5, temos e
2
(t) = 0.041 (aprox-
imadamente 4% do erro inicial) e para t = 0.9, temos e
2
(t) = 0.015 (i.e. 0.1% do erro inicial).
2 2 2
67

E possvel utilizar sistemas auxiliares observadores tambem para sistemas de controle n ao lineares.
Para maiores detelhes, consulte [KIF], [Is]. Ainda no contexto de sistems aut onomos, o leitor pode
encontrar em [KnKw] detalhes sobre o observador reduzido (semelhante ao observador discutido
nesta sec c ao).
4.4 Estabiliza cao por Realimenta cao de Sada
O Exemplo 4.3.1 nos mostra que a forma cl assica da estabiliza c ao por realimenta c ao de sada u =
Fy = FCx nem sempre e possvel. Uma alternativa e utilizar o observador din amico para encontrar
uma aproxima c ao para o estado, e, a partir desta aproxima c ao, escolher o controle.
O observador din amico e denido pelo sistema (veja Sec c ao 4.3)
_
x

= Ax +Bu +L(w y)
w = Cx
(4.5)
A partir do estado x escolhemos um controle de realimenta c ao da forma u = Fx. Substituindo esse
controlador no sistema (A, B), obtemos para (z, x) o sistema acoplado:
_
z

= Az +BFx
x

= (A+BF +LC)x LCz

(4.6)
que est a associado ` a matriz

A =
_
A BF
LC A+BF +LC
_
.
Se a matriz

A for est avel, conseguimos atingir o nosso objetivo inicial de estabilizar (A, B, C) atraves
do sistema acoplado (4.6) constitudo de processo mais observador. Note que esta abordagem nos
permite, alem de estabilizar o processo, reconstruir seu estado.
Dena agora w := z x. O sistema (4.6) se escreve nas novas vari aveis (z, w) como
_
z

= (A+BF)z +BFw
w

= (A+LC)w
(4.7)
Conclumos assim que a matriz

A e semelhante ` a matriz

A =
_
A+BF BF
A+LC
_
.
A tarefa de estabilizar

A e portanto equivalente ` a de estabilizar

A. Note, porem, que a estrutura de

A nos permite escrever

p

A
= p
(A+BF)
p
(A+LC)
,
onde p
M
representa o polin omio caracterstico da matriz M. Sendo assim, nossa tarefa se reduz a:
Determinar F tal que a matriz A+BF e est avel;
Determinar L tal que a matriz A+LC e est avel.
Conhecemos, entretanto, da Deni c ao 4.1.1 e do Teorema 4.3.2 condi c oes necess arias e sucientes
para que os objetivos acima possam ser alcan cados. S ao essas respectivamente:
(A, B) estabiliz avel,
(A, , C) detect avel.
68
Exemplo 4.4.1 Considere o sistema (A, B, C) do Exemplo 4.3.3 com matrizes:
A =
_
1 3
0 2
_
, B =
_
1
1
_
, C =
_
1 0
_
.
Vimos naquele exemplo que a matriz
L =
_
16
56/3
_
e tal que A+ LC possui autovalores 9 e 10. Se F =
_
f
1
f
2
_
, os autovalores de A + BF s ao
dados pelas razes do polin omio caracterstico
det(I (A+BF)) =
2
+ (3 f
1
f
2
) + (2 5f
1
f
2
).
Escolhendo para A+BF os autovalores
1
= 5,
2
= 6, obtemos para F os coecientes: f
1
= 5,
f
2
= 3. Portanto, a matriz do sistema (4.7) assume a forma

A =
_
_
_
_
6 0 5 3
5 5 5 3
0 0 17 3
0 0 56/3 2
_
_
_
_
.
2 2 2
A estabiliza c ao por realimenta c ao de sada para sistemas SISO n ao lineares especiais e considerada
em [KIF].
4.5 Pontos de Opera cao
Nesta sec c ao consideramos os problemas de determina c ao e estabiliza c ao de pontos de opera c ao.
Considere um sistema de controle (A, B), no qual a vari avel de controle u se decomp oe em uma
entrada xa u (desconhecida) e um sinal de controle v. O sistema se escreve ent ao como
z

= Az +B( u +v). (4.8)

O ponto de opera c ao z
o
do sistema (4.8) corresponde ao ponto de equilbrio do sistema livre (i.e.
v 0). Temos assim
z
o
= A
1
B u.
O problema abordado nesta sec c ao e o de encontrar uma estrategia de controle v que torne o ponto
de opera c ao assintoticamente est avel e que, se possvel, nos permita identic a-lo.
Note que se u e conhecido, recamos no problema de estabiliza c ao do sistema (A, B). De fato,
uma vez calculado z
o
, basta fazer a mudan ca de vari avel x = z z
o
para que o estado x satisfa ca a
din amica x

= Ax +Bv.
Utilizando uma abordagem semelhante ` a do observador din amico, e possvel n ao somente es-
tabilizar o ponto de opera c ao, como tambem determin a-lo. Vamos aproximar o estado z por x
satisfazendo a din amica:
x

= L(z x),
onde L IR
n,n
e n ao singular. Escolhemos agora para (4.8) um controle da forma
v = F(z x).
69
Fazendo a mudan ca de vari aveis z = z z
o
, x = x z
o
, obtemos
x

= L(z x) = L( z x)
e ainda
z

= z

= Az +B u +BF(z x) = A z +BF z BF x.
Temos ent ao, para o par ( z x), o sistema
_
z

_
=
_
A+BF BF
L L
_ _
z
x
_
. (4.9)
Portanto, basta encontrar matrizes F e L, tais que a matriz do sistema (4.9) seja est avel. Note que,
se A e est avel, uma escolha possvel e F = , L = I.
Exemplo 4.5.1 Considere o sistema de controle (A, B) com matrizes:
A =
_
1 3
0 2
_
, B =
_
1
1
_
.
Supomos F e L da forma:
F =
_
f
1
f
2
_
, L =
_
l
1
l
2
l
2
l
1
_
.
A m de torna a matriz A+BF est avel, escolhemos f
1
= f
2
= 3, obtendo assim:
A+BF =
_
2 0
3 5
_
.
Temos ent ao
_
A+BF BF
L L
_
=
_
_
_
_
2 0 3 3
3 5 3 3
l
1
l
2
l
1
l
2
l
2
l
1
l
2
l
1
_
_
_
_
,
cujo polin omio caracterstico e:
p() =
4
+ (7 + 2l
1
)
3
+ (10 + 8l
1
+l
2
1
l
2
2
6l
2
)
2
+ (8l
1
+l
2
1
l
2
2
12l
2
) + 2(l
2
2
l
2
1
).
A observ ancia do criterio de Hurwitz (veja Teorema 3.3.5) nos leva a escolher os coecientes l
1
= 1,
l
2
= 3. As razes obtidas s ao

1
=
2
= 2,
3
= 1,
4
= 4.
Logo, F =
_
3 3
_
e L =
_
1 3
3 1
_
estabilizam o ponto de opera c ao.
Para ns de c alculo, suponha u = 2. O ponto de opera c ao correspondente e z
o
= A
1
B u =
_
5
1
_
. Suponha as condi c oes iniciais: z(0) =
_
5
0
_
e x(0) = . Temos ent ao
_
z(0)
x(0)
_
=
_
_
_
_
0
1
5
1
_
_
_
_
e a solu c ao do sistema ( z

) e:
_
z(t)
x(t)
_
=
_
_
_
_
66e
t
+ 66e
2t
+ 48te
2t
33e
t
34e
2t
48te
2t
77e
t
+ 96te
2t
+ 12e
4t
+ 60e
2t
55e
t
44e
2t
96te
2t
12e
4t
_
_
_
_
.
2 2 2
70
Exerccios
4.1 Considere o sistema SISO (A, b) com
A =
_
_
1 6 1
1 1 1
2 2 0
_
_
, b =
_
_
1
1
1
_
_
.
Encontre a forma normal (

A,

b) do sistema (

b = (0, 0, 1)).
4.2 Considere o sistema SISO (A, b) com
A =
_
_
0 1 0
0 0 1
2 3 0
_
_
, b =
_
_
0
0
1
_
_
.
Encontre uma estrategia de realimenta c ao de estado u = fx, com f = (f
1
, f
2
, f
3
), tal que o sistema
de malha fechada A+bf possua autovalores 1 +i, 1 i, 4.
4.3 Considere o sistema (A, B) com
A =
_
_
1 1 0
1 0 1
0 0 1
_
_
, B =
_
_
0 1
1 0
0 1
_
_
.
a) Mostre que (A, B) e control avel;
b) Encontre uma estrategia de realimenta c ao de estado u = Fx, tal que o sistema de malha fechada
A+BF possua autovalores 4, 5, 6.
4.4 Construa um observador din amico para o sistema
A =
_
_
1 0 0
2 2 2
1 0 3
_
_
, C =
_
1 1 1
_
,
tal que A+LC possua autovalores 8, 9, 10.
4.5 Encontre uma estrategia de realimenta c ao F e um observador L para o sistema (A, B, C) com
A =
_
_
1 0 0
2 2 2
1 0 3
_
_
, B =
_
_
1
0
1
_
_
, C =
_
1 1 1
_
,
tal que A+BF possua autovalores 4, 5, 6 e A+LC possua autovalores 8, 9, 10.
71
72
Captulo 5
Princpio do Maximo
Neste captulo e analisado um conjunto de condi c oes necess arias para otimalidade de solu c oes de
problemas de controle otimo. Tal resultado e conhecido na literatura como princpio do m aximo
1
e
muito se assemelha a um teorema de multiplicadores de Lagrange, formulado em espa cos de dimens ao
innita.
Com hip oteses adicionais de convexidade, o princpio do m aximo pode ser demonstrado utilizando-
se argumentos elementares de an alise. Em particular, a condi c ao de m aximo e obtida a partir da
equa c ao de EulerLagrange. No caso geral (sem a hip otese de convexidade da Hamiltoniana), a
demonstra c ao da necessidade da condi c ao de m aximo e mais complicada e necessita de alguns resul-
tados oriundos da teoria de otimiza c ao em espa cos de dimens ao innita.
A autoria do princpio do m aximo e controversa. A maioria dos autores credita a condi c ao de
m aximo ao grupo liderado pelo matem atico russo L.S. Pontryagin (1956). Entretanto, tal condi c ao
pode ser encontrada em um texto anterior, porem pouco divulgado, de M.R. Hestenes (1950). Para
maiores detalhes consulte [Hes], [PBG], assim como o artigo de Hestenes
2
em [BaNe].
O captulo e organizado da seguinte forma: Na Sec c ao 5.1 apresentamos o princpio do m aximo
para problemas de controle otimo com horizonte nito. Algumas variantes do resultado, corre-
spondentes a diferentes condi c oes de contorno, s ao tambem analisadas nesta sec c ao. Na Sec c ao 5.2
consideramos o princpio do m aximo para problemas com horizonte innito. Na Sec c ao 5.3 s ao dis-
cutidas diversas aplica c oes, nas quais o princpio do m aximo e utilizado na identica c ao de processos
otimos.
5.1 Problemas com Horizonte Finito
Come camos por discutir uma formula c ao bastante geral para problemas de controle otimo com
horizonte nito. Considere o problema de controle
P(t
0
, z
0
)
_

_
Minimizar J(z, u) := L
1
(t
1
, z(t
1
)) +
_
t1
t0
L(t, z(t), u(t)) dt
sujeito a
t
1
t
0
; u L
1
([t
0
, t
1
]; IR
m
), u(t) q.s. em [t
0
, t
1
] ;
z(t) = z
0
+
_
t
t0
f(s, z(s), u(s)) ds, t [t
0
, t
1
] ; (t
1
, z(t
1
)) =
1
Tambem conhecido como princpio do mnimo, ou princpio de Pontryagin.
2
Hestenes, M.R., Variational theory and optimal control theory, 1 22
73
onde
L : [t
0
, ) IR
n
IR
m
IR, L
1
: [t
0
, ) IR
n
IR,
f : [t
0
, ) IR
n
IR
m
IR
n
, : [t
0
, ) IR
n
IR
p
e IR
m
. O tempo inicial t
0
e a condi c ao inicial z
0
s ao fornecidos, enquanto que o tempo nal t
1
e a condi c ao nal s ao, a princpio, desconhecidos.
Note que o fato da din amica do sistema ser descrita por uma equa c ao integral ao inves de
diferencial, permite-nos considerar traje orias admissveis menos regulares. O conjunto das estrategias
de controle admissveis e
|
ad
:= L
1
loc
([0, ); IR
m
).
Desta forma, as trajet orias correspondentes s ao fun c oes absolutamente contnuas em [t
0
, t
1
].
Deni cao 5.1.1 Sejam f, L as fun c oes denidas acima. A aplica c ao
H : [t
0
, ) IR
n
IR
n
IR
m
IR,
(t, z, , u) , f(t, z, u)) + L(t, z, u)
e denominada fun c ao de Hamilton (note que a origem da constante precisa ainda ser esclarecida).
2 2 2
No teorema a seguir apresentamos o princpio do m aximo. Por ser longa e tecnica, a demonstra c ao
n ao e apresentada nestas notas. A argumenta c ao utilizada na demontra c ao segue a linha das notas
de aula de M. Brokate (veja [Br]).
Como referencias auxiliares o leitor pode consultar [PBG], [Hes], [Ber], [Know], [MaSt], [Za],
entre outros. A obten c ao do princpio do m aximo para problemas com tempo nal xo (t
1
= T
conhecido) e mais simples, podendo ser encontrada em [FlRi, Captulo 2], [Ho, Captulo 9] ou [Tr,
Teorema 11.8].
Teorema 5.1.2 Suponha que L, f s ao aplica c oes C
2
e que L
1
, s ao C
1
. Se ( z, u,

t
1
) e uma solu c ao
do problema P(t
0
, z
0
), tal que

z
(

t
1
, z(

t
1
)) ,= e (L
1
)
z
(

t
1
, z(

t
1
)) ,= ,
ent ao existe uma fun c ao : [t
0
,

t
1
] IR
n
e constantes 0, IR
p
que satisfazem:
i) Equa c ao de estado
z(t) = z
0
+
_
t
t0
f(s, z(s), u(s)) ds, t [t
0
,

t
1
] ;
ii) Equa c ao adjunta
_

_
(t) =
1
+
_

t1
t
H
z
(s, z(s), (s), u(s)) ds, t [t
0
,

t
1
],

1
:=
L
1
z
(

t
1
, z(

t
1
))

z
(

t
1
, z(

t
1
))

;
iii) Equa c ao de evolu c ao da fun c ao de Hamilton
_

_
H(t, z(t), (t), u(t)) = H
1

_

t1
t
H
t
(s, z(s), (s), u(s)) ds, t [t
0
,

t
1
],
H
1
:=
L
1
t
(

t
1
, z(

t
1
)) +
_

t
(

t
1
, z(

t
1
)),
_
;
74
iv) Condi c ao de otimalidade
H(t, z(t), (t), u(t)) = min
u
H(t, z(t), (t), u), q.s. em [t
0
,

t
1
] ;
v) Condi c ao de n ao acoplamento +[[ ,= 0.
A demonstra c ao do Teorema 5.1.2 constitui-se na aplica c ao de um teorema de multiplicadores a
um problema auxiliar, obtido de P(t
0
, z
0
) por uma mudan ca de vari aveis denominada transforma c ao
no tempo e cuja solubilidade est a relacionada a de P(t
0
, z
0
). As constantes e surgem na demon-
stra c ao como componentes de um vetor normal a um hiperplano, que separa conjuntos de nvel
associados ` a fun c ao objetivo J e ` a condi c ao nal (t, z(t)) = .
Observa cao 5.1.3 A denomina c ao princpio do m aximo e motivada pelo item iv) do Teorema 5.1.2,
que, entretanto, refere-se ` a determina c ao de um mnimo. Note, porem, que a elementar substitui c ao
de J por J permite-nos trocar o problema de minimiza c ao por um de maximiza c ao, alterando assim
o min da condi c ao iv) para max. Sem d uvida, as condi c oes mais interessantes do Teorema 5.1.2 s ao

_
_
_
z

= H

(t, z, , u), z(t

0
) = z
0
, (t
1
, z(t
1
)) = 0,

= H
z
(t, z, , u), (t
1
) =
L
1
z
(t
1
, z(t
1
))

z
(t
1
, z(t
1
))

;
H(t, z, , u) = min
w
H(t, z(t), (t), w), q.s. em [t
0
, t
1
] .
Note que o par (z, ) e solu c ao de um sistema hamiltoniano para a fun c ao H. 2 2 2
Observa cao 5.1.4 Analogamente aos problemas variacionais, os problemas de controle otimo tambem
podem ser formulados com diferentes tipos de condi c oes de contorno. A cada um destes tipos corre-
sponde uma variante do Teorema 5.1.2, que se diferencia deste apenas pelas condi c oes de contorno
da vari avel adjunta e da fun c ao de Hamilton. Enunciamos a seguir algumas variantes do problema
P(t
0
, z
0
) que surgem com maior freq uencia nas aplica c oes. Apresentamos tambem as condi c oes
necess arias correspondentes para cada problema.
Considere o problema P(t
0
, z
0
) com t
1
xo (t
1
> t
0
) e L
1
.
Se a condi c ao nal e xada (z(t
1
) = z
1
), n ao h a nenhuma condi c ao para (t
1
) (corresponde ` a
escolha (t, z) := (t t
1
, z z
1
) IR
2
).
Se a condi c ao nal e livre (z(t
1
) qualquer), a vari avel adjunta satisfaz (t
1
) = (corresponde ` a
escolha (t, z) := t t
1
IR).
Se a condi c ao nal e da forma: z(t
1
) z
1
(no caso escalar), a vari avel adjunta satisfaz (t
1
) 0,
ocorrendo a igualdade quando z(t
1
) > z
1
.
Considere o problema P(t
0
, z
0
) com L
1
. Neste caso, as condi c oes para (t
1
) discutidas acima
n ao se alteram e, alem disso,
H(t
1
, z(t
1
), (t
1
), u(t
1
)) = 0 .
Esta equa c ao extra corresponde ` a vari avel adicional do problema, representada pelo tempo nal
desconhecido t
1
. 2 2 2
O princpio do m aximo pode, em alguns casos, ser utilizado para efetivamente determinar uma
solu c ao do problema P(t
0
, z
0
). Para tanto, aplica-se a seguinte estrategia: Inicialmente explicitamos
o controle u em fun c ao das vari aveis z e , obtendo assim
u() = U

(, z(), ()) .
75
1. Estime
0
:= (t
0
) e ;
2. Resolva o problema de valor inicial
_
_
_
z

= +
H

(t, z, , 1, U

(t, z, )), z(t

0
) = z
0
,

=
H
z
(t, z, , 1, U

(t, z, )), (t
0
) =
0
;
3. Aprimore a estimativa (p.ex. atrav es do m etodo de Newton)
com o objetivo de satisfazer as equa c~ oes
(t
1
, z(t
1
)) = 0, (t
1
) =
L
1
z
(t
1
, z(t
1
))

z
(t
1
, z(t
1
))

;
4. Retorne ao passo 2.
Figura 5.1: Algoritmo do metodo de shooting para sistema hamiltoniano
O pr oximo passo e substituir essa express ao no problema de valor de contorno da Observa c ao 5.1.3
(eliminando a vari avel u):
z

= H

(t, z, , U

), z(t
0
) = z
0
, (t
1
, z(t
1
)) = 0 ; (5.1)

= H
z
(t, z, , U

), (t
1
) =
L
1
z
(t
1
, z(t
1
))

z
(t
1
, z(t
1
))

; (5.2)
H

=
H
t
(t, z, , U

) , (5.3)
H(t
1
, z(t
1
), (t
1
), U

(t
1
)) =
L
1
t
(t
1
, z(t
1
)) +
_

t
(t
1
, z(t
1
)),
_
Este sistema e ent ao resolvido, com o intuito de obter um candidato ` a solu c ao do problema de
controle P(t
0
, z
0
). Entretanto, nem sempre e possvel obter a representa c ao U

(, z, ) e nesses casos
fala-se da existencia de uma estrategia de controle singular.
O sistema resultante de (5.1), (5.2), (5.3) pela substitui c ao u() = U

(, z, ) pode ser resolvido

por um metodo do tipo shooting, conforme mostra o esquema na Figura 5.1 (supomos = 1 no
Teorema 5.1.2).
Observa cao 5.1.5 O problema de valor de contorno (5.1), (5.2), (5.3) possui, tomando o controle u
xo, 2n+1 vari aveis (z, , H) e p+1 par ametros (, ). Temos assim 2n+p+2 graus de liberdade, os
quais est ao sujeitos a 2n+p+1 equa c oes. Aparentemente, temos um grau de liberdade a mais. Note,
porem, que a condi c ao de n ao acoplamento v) garante que e n ao s ao ambos nulos, sendo portanto
sempre possvel simplicar o sistema (5.1), (5.2), (5.3) em rela c ao a ou a uma das componentes
de . Sendo assim, o Teorema 5.1.2 pode ser formulado alternativamente como:
. . . existem : [t
0
,

t
1
] IR
n
, = 0 ou = 1, IR
p
que satisfazem i), . . . , v).
2 2 2
Observa cao 5.1.6

E simples vericar que a equa c ao de EulerLagrange do c alculo variacional
pode ser obtida do princpio do m aximo. De fato, o problema de minimiza c ao cl assico do c alculo
76
variacional pode ser interpretado como
_
_
_
Minimizar J(z, u) :=
_
b
a
L(t, z(t), u(t)) dt
sujeito a z

= u(t) .
Logo, a condi c ao de m aximo iv) do Teorema 5.1.2 implica em
0 =
H
u
(t, z,

, u) =

u
[

, u) + L(t, z, u)] =

+
L
u
(t, z, u)
e, portanto,

=
L
u
(t, z, u) . (5.4)
O sistema hamiltoniano para as vari aveis de estado e adjunta se escreve
_
_
_
d z
dt
= +
H

= u
d

dt
=
H
z
=
L
z
(t, z, u)
(5.5)
De (5.4) e (5.5), temos

L
z
(t, z, u) =
d
dt
_

L
u
(t, z, u)
_
ou
L
z
(t, z, ( z)

)
d
dt
_
L
z

(t, z, ( z)

)
_
= 0 .
2 2 2
5.2 Problemas com Horizonte Innito
Analisamos nesta sec c ao condi c oes necess arias para problemas de controle otimo com horizonte
innito. Os problemas de controle dessa natureza tem ganho import ancia nas ultimas decadas
devido aos modelos matem aticos oriundos das ciencias econ omicas e biol ogicas que os utilizam.
Os primeiros trabalhos a tratar de problemas de otimiza c ao com horizonte innito s ao devidos
aos economistas. Uma referencia cl assica e o artigo escrito em 1928 por F. Ramsey (veja [Ra]), que
trata de problemas do tipo consumo investimento (veja Aplica c ao 5.3.5). A primeira extens ao
do princpio do m aximo para problemas com horizonte innito foi apresentada por H. Halkin em
1964 (veja [Ha]). Um apanhado do desenvolvimento da teoria pode ser encontrado em [CaHa]. Na
abordagem aqui apresentada, seguimos os passos descritos em [Leit], que utiliza um conceito de
otimalidade diferente dos encontrados em [Ha] e [CaHa].
In umeros modelos econ omicos (de horizonte nito e innito) s ao tratados, sob a otica do controle
otimo e programa c ao din amica, em [SeSy]. Nesta referencia tambem s ao analisados problemas de
explora c ao de recursos naturais. O leitor interessado em aplica c oes desta natureza deve consultar
ainda [SeZh].
Aplica c oes a modelos biol ogicos podem ser encontradas em [Cl]. Um interessante problema
relacionado ` a explora c ao otima de recursos biorenov aveis (pescaria otima) e analisado em [CCM], e
[BaLe].
A seguir analisamos um caso particular do problema abordado na Sec c ao 5.1. Trata-se de prob-
lemas de controle otimo com tempo nal xo. A abordagem nesta sec c ao de tais problemas (de
horizonte nito) e justicada pelo fato das condi c oes necess arias para estes problemas serem uti-
lizadas na demonstra c ao do princpio do m aximo para os problemas com horizonte innito.
77
Suponha que no problema P(t
0
, z
0
) o tempo nal t
1
= T e o estado nal z
1
= z
T
s ao dados.
Temos assim o seguinte problema de controle otimo:
P
T
(z
0
)
_

_
Minimizar J(z, u) :=
_
T
0
L(t, z(t), u(t)) dt
sujeito a
z(t) = z
0
+
_
t
0
f(s, z(s), u(s)) ds, t [0, T], z(T) = z
T
;
u L
1
([0, T]; IR
m
), u(t) q.s. em [0, T] ;
Argumentando como na Observa c ao 5.1.4, obtemos um conjunto de condi c oes necess arias para oti-
malidade de uma solu c ao do problema P
T
(z
0
):
Corolario 5.2.1 Suponha que L, f s ao aplica c oes C
2
. Se ( z, u) e uma solu c ao do problema P
T
(z
0
),
ent ao existe uma fun c ao : [0, T] IR
n
e = 1 ou = 0 que satisfazem
i) Sistema hamiltoniano
_
_
_
( z)

(t) = H

(t, z, , u), q.s. em [0, T],

(t) = H
z
(t, z, , u), q.s. em [0, T],
z(t
0
) = z
0
, z(T) = z
T
;
ii) Condi c ao de otimalidade
H(t, z(t), (t), u(t)) = min
u
H(t, z(t), (t), u), q.s. em [0, T] ;
iii) Condi c ao de n ao acoplamento + ||

,= 0.
Demonstra c ao: Segue imediatamente do Teorema 5.1.2 e da Observa c ao 5.1.4.
Analisamos agora os problemas com horizonte innito. Considere o seguinte problema de controle
otimo:
P

(z
0
)
_

_
Minimizar J(z, u) :=
_

0
e
t
L(z(t), u(t)) dt
sujeito a
z(t) = z
0
+
_
t
0
f(z(s), u(s)) ds, t [0, ) ;
u L
1
loc
([0, ); IR
m
), u(t) q.s. em [0, ) ;
onde as fun c oes L : R
n
IR
n
IR, f : R
n
IR
n
IR
n
, o conjunto IR
m
e a constante > 0
s ao dados. Vericamos a seguir um resultado que fornece condi c oes necess arias para otimalidade de
uma solu c ao de P

(z
0
).
Teorema 5.2.2 Suponha que L, f s ao aplica c oes C
2
. Se ( z, u) e uma solu c ao de P

(z
0
), ent ao
existe uma aplica c ao : [0, ) IR
n
e constantes = 0 ou = 1,
0
IR
n
que satisfazem:
i) Equa c ao de estado
z(t) = z
0
+
_
t
0
f(s, z(s), u(s)) ds, t [0, ) ;
ii) Equa c ao adjunta
(t) =
0
+
_
t
0
H
z
(s, z(s), (s), u(s)) ds, t [0, ) ;
78
iii) Condi c ao de otimalidade
H(t, z(t), (t), u(t)) = min
u
H(t, z(t), (t), u), q.s. em [0, ) .
Demonstra c ao: Seja ( z, u) um processo otimo para P

(z
0
). Dado T > 0, as fun c oes e
t
L :
[0, T] IR
n
IR
m
e f : [0, T] IR
n
IR
m
satisfazem as condi c oes do Corol ario 5.2.1. Logo, este
corol ario nos fornece condi c oes necess arias para otimalidade de cada problema
P
T
k
(z
0
)
_

_
Minimizar J(z, u) :=
_
T
k
0
e
t
L(t, z(t), u(t)) dt
sujeito a
z(t) = z
0
+
_
t
0
f(s, z(s), u(s)) ds, t [0, T
k
], z(T
k
) = z
k
:= z(T
k
) ;
u L
1
([0, T
k
]; IR
m
), u(t) q.s. em [0, T
k
] ;
onde T
k
. Como consequencia do princpio de otimalidade de Bellman, temos que ( z, u)[
[0,T
k
]
e
uma solu c ao de P
T
k
(z
0
). Juntando os fatos, podemos garantir a existencia de
k
0,
k
: [0, T
k
]
IR
n
, tal que
|
k
|

+
k
> 0 ;
( z,
k
) e solu c ao do sistema Hamiltoniano
3
d z(t) = H

(t, z(t),
k
(t), u(t)) dt, t [0, T
k
]
d
k
(t) = H
x
(t, z(t),
k
(t), u(t)) dt, t [0, T
k
]
z(0) = z
0
, z(T
k
) = z
k
;
H(t, z(t),
k
(t), u(t)) = max
u
H(t, z(t),
k
(t), u), q.s. in [0, T
k
].
Considere agora a seq uencia
k
(0),
k

kIN
. Normalizando os multiplicadores de Lagrange, podemos
supor que [
k
(0)[ +
k
= 1, k IN. Tomando subseq uencias (se necess ario), podemos garantir a
existencia de
0
IR
n
e 0 satisfazendo
[
0
[ + = 1, lim
k

k
(0) =
0
, lim
k

k
= . (5.6)
Seja agora T > 0 xo. Logo T
k
> T, para k > k
0
e como o sistema Hamiltoniano desfruta da
propriedade de dependencia contnua das condi c oes iniciais, podemos garantir que existe : [0, T]
IR
n
, tal que
k
converge uniformemente para em [0, T]. Essa convergencia implica nas desejadas
condi c oes de otimalidade para o problema P

(x
0
), uma vez que T > 0 e arbitr ario.
Observa cao 5.2.3 Duas diferen cas b asicas devem ser observadas na formula c ao do Teorema 5.2.2
em rela c ao ao Teorema 5.1.2:
Falta uma condi c ao de contorno nal para a vari avel adjunta (eventualmente uma condi c ao de
decaimento do tipo lim
t
(t) = );
Falta a condi c ao de n ao acoplamento (neste caso +[
0
[ ,= 0). 2 2 2
Uma an alise para problemas do tipo linear-quadr atico com horizonte innito e tambem possvel
via programa c ao din amica. Atraves de um processo de limite, e possvel obter a fun c ao valor
resolvendo-se a equa c ao algebrica de Riccati (veja [So, Captulo 7]).
3
Note que H(t, z,
k
, u) =
k
, F(t, z, u) +
k
L(t, z, u).
79
5.3 Aplica c oes do Princpio do Maximo
Nesta sec c ao analisamos, ` a luz do princpio do m aximo, alguns problemas de controle otimo. Na
Aplica c ao 5.3.1 e discutido formalmente um problema de tempo mnimo. A Aplica c ao 5.3.2 e uma ex-
tens ao da primeira. Nela e analisada uma famlia maior de problemas, composta pelos denominados
problemas de tempo mnimo ate a origem.
Na Aplica c ao 5.3.3 o princpio do m aximo e utilizado para vericar que uma estrategia do tipo
bang-bang e a unica estrategia otima existente para um problema de alunissagem. Na Aplica c ao 5.3.4
consideramos um problema com controle singular.
Na Aplica c ao 5.3.5 consideramos um modelo econ omico cl assico, que foi formulado por F. Ram-
sey em 1928 (veja [Ra]). Utilizando a equa c ao de EulerLagrange, obtemos a poltica otima para
um problema de consumo investimento com horizonte innito.
Em [BMS] podem ser encontradas diversas aplica c oes do princpio do m aximo a problemas aeroes-
paciais, dentre as quais citamos: Desenho otimo de uma miss ao a Netuno; Ascenss ao otima de um
veculo espacial hipers onico; Alcance m aximo de v oo para uma asa delta atravessando uma termica.
Em [Ho] s ao discutidas (entre outras) as seguintes aplica c oes: Oscilador harm onico com custo de
combustvel; controle de epidemias; Pescaria otima; Contra c ao do ventrculo esquerdo do cora c ao;
Compra e venda de a c oes.
Aplica cao 5.3.1 (Tempo mnimo I) Considere a tarefa de encontrar uma estrategia u (acel-
era c ao e frenagem) que permita levar, no menor tempo possvel, um carro que se encontra na
origem e em repouso, ate uma parede distante de uma unidade. Ao chegar na parede o carro deve
ter novamente velocidade nula.
Supondo que o carro de massa unit aria e desprezando os atritos, temos o modelo:
x(t) = u(t), t [0,

t],
onde x(t) representa o deslocamento, x(t) a velocidade e x(t) a acelera c ao do veculo no tempo t.
As condi c oes de contorno s ao:
x(0) = 0, x(0) = 0 ;
x(

t) = 1, x(

t) = 0 .
Podemos ent ao escrever o problema na forma P(t
0
, z
0
) como
_

_
Minimizar
_
T
0
1 dt
sujeito a
z

=
_
0 1
0 0
_
z +
_
0
1
_
u, z(0) = ;
(T, z(T)) :=
_
1
0
_
z(T) =
onde T 0, u L
1
[0, T] e u(t) := [1, 1] q.s. em [0, T]. Como o sistema e aut onomo, a
aplica c ao U

= U

(z, ) n ao depende explicitamente do tempo. Do princpio do m aximo, obtemos

as seguintes condi c oes necess arias:
z

=
_
z
2
u
_
, z(0) = , z(T) =
_
1
0
_
;

=
_
0
1
_
, (T) =
_
1
2
_
;
H(t, z, , u) = z
2

1
+ u
2
+ ;
z
2

1
+ U

(z, )
2
+ = min
u[1,1]
z
2

1
+u
2
+, q.s. em [0, T] ;
+ [
1
[ + [
2
[ ,= 0 .
80
A condi c ao de optimalidade nos permite encontrar
U

(z, ) =
_
sign
2
,
2
,= 0
? ,
2
= 0
(5.7)
Calculando agora z(t), (t) para t [0, T], obtemos
4
z
2
(t) =
_
t
0
u(s) ds, z
1
(t) =
_
t
0
_
s
0
u(r) dr ds, t [0, T] ; (5.8)

1
(t) =
1
,
2
(t) = (T t)
1
+
2
, t [0, T] . (5.9)
Analisando (5.7), conclumos que basta identicar o sinal e os zeros da fun c ao
2
para obtermos a
estrategia otima de controle. Estudamos assim os seguintes casos:

2
n ao possui zeros: de (5.7), segue que u(t) 1 ou u(t) 1. Entretanto, essas estrategias
n ao s ao admissveis, pois as respectivas trajet orias n ao alcan cam o estado nal;

2
possui zeros em [0, T): de (5.9), temos que
2
e uma fun c ao linear em t. Logo,
2
possui
apenas um zero em [0, T), o qual denominamos .
Temos assim duas famlias de candidatos a controle otimo:
u(t) =
_
1, t <
1, t >
e u(t) =
_
1, t <
1, t >
.
Note que com os controles da segunda famlia n ao e possvel atingir o estado nal z(T) = (
1
0
) para
nenhum T > 0. Substituindo a express ao restante em (5.8), temos
z() =
_
1
2

_
; z(T) =
_

1
2
T
2
+ 2T
2
2 T
_
.
Da condi c ao de contono z(T) = (
1
0
), obtemos para o par (, T) o sistema n ao linear
_
1 =
1
2
T
2
+ 2T
2
0 = 2 T
cuja solu c ao e = 1, T = 2, como se verica facilmente. Portanto, a solu c ao do problema de controle
e

T = 2, u(t) =
_
1, 0 t < 1
1, 1 t 2
2 2 2
Aplica cao 5.3.2 (Tempo mnimo II) Consideramos agora uma variante da aplica c ao anterior.
Suponha que no tempo t = 0 nosso carro se encontra na posi c ao a IR com velocidade b IR. Nosso
objetivo e lev a-lo ate a origem no menor tempo possvel, de forma que ao chegar ao destino, o carro
tenha velocidade nula.
Temos agora o seguinte problema de controle
_

_
Minimizar
_
T
0
1 dt
sujeito a
z

=
_
0 1
0 0
_
z +
_
0
1
_
u, z(0) = (
a
b
) ;
(T, z(T)) := z(T) =
4
Note que e calculado para tr as no tempo.
81
z
2
z
1
(
u1
u1
a
b
Figura 5.2: Trajet orias correspondentes aos controles otimos u 1 ou u 1
onde T 0, u L
1
[0, T] e u(t) := [1, 1] q.s. em [0, T]. As condi c oes necess arias fornecidas
pelo princpio do m aximo s ao as mesmas, com excess ao das condi c oes de contorno para a vari avel
de estado
z

=
_
z
2
u
_
, z(0) =
_
a
b
_
, z(T) = .
U

(z, ) e novamente dada pela equa c ao (5.7) e os multiplicadores de Lagrange por (5.9). Portanto,

2
e linear e muda de sinal no m aximo uma vez em [0, T]. Sendo assim, basta estudar os seguintes
casos:
1
o
Caso: u n ao muda de sinal em [0, T].
Se u 1, temos
z
2
(t) = b +t, z
1
(t) = a +bt +
t
2
2
, t [0, T] .
Como z(T) = , tais estrategias s ao admissveis apenas para condi c oes iniciais do tipo (a, b) =
(T
2
/2, T), com T > 0.
Se u 1, temos
z
2
(t) = b t, z
1
(t) = a +bt
t
2
2
, t [0, T] .
Como z(T) = , tais estrategias s ao admissveis apenas para condi c oes iniciais do tipo (a, b) =
(T
2
/2, T), com T > 0.
A curva ( na Figura 5.2 e composta pelas condi c oes iniciais (a, b), para as quais as estrategias
u 1 ou u 1 s ao otimas. As respectivas trajet orias correspondem ` a parte da curva ( limitada
por (a, b) e pela origem.
2
o
Caso: u muda de sinal em (0, T).
No caso anterior vimos que, se u 1, ent ao z
2
(t)
2
= 2z
1
(t) + const; enquanto que u 1 implica
em z
2
(t)
2
= 2z
1
(t) +const. Portanto, as trajet orias correspondentes a tais controles s ao necessari-
amente paralelas a um dos arcos de par abola mostrados na Figura 5.3. De onde conclumos que a
trajet oria otima e necessariamente composta por dois arcos: cada um pertencente a uma das famlias
na Figura 5.3 (lembre que u muda de sinal uma unica vez no intervalo [0, T]).
Note que a parte nal da trajet oria otima e necessariamente como na Figura 5.2 (caso contr ario a
trajet oria n ao seria admissvel). Para determinar a parte inicial da trajet oria, observe que, dada uma
condi c ao inicial (a, b) IR
2
, existe uma unica curva pertencente ` as famlias mostradas na Figura 5.3,
que intercepta tanto o ponto (a, b) quanto a curva ( (o caso a > 0, b > 0 e mostrado na Figura 5.4).
O princpio do m aximo nos permite concluir que existe uma unica trajet oria associada a controles
do tipo
u(t) =
_
1, t <
1, t >
ou u(t) =
_
1, t <
1, t >
82
que e admissvel para a condi c ao inicial (a, b). Tal trajet oria e composta por dois arcos: um da
curva c limitado por (a, b) e pelo ponto P e outro da curva ( limitado por P e pela origem.
Para calcular (instante em que trocamos o controle de 1 para 1) n ao e necess ario calcular as
constantes
1
,
2
na equa c ao (5.9). No caso a > 0, b > 0, basta descobrir para qual > 0 a curva
(z
1
(t), z
2
(t)) = (a +bt t
2
/2, b t) satisfaz a condi c ao
z
2
() < 0, z
2
()
2
= 2z
1
() .
Um c alculo simples mostra que e dado por uma das razes b
_
b
2
/2 a. 2 2 2
Aplica cao 5.3.3 (Alunissagem) Considere o problema de controlar a descida de uma espa conave
na Lua, utilizando para isso a menor quantidade possvel de combustvel. Em um modelo simpli-
cado, temos
5
t : tempo;
h(t) : altura da espa conave;
v(t) : velocidade da espa conave;
m(t) : massa da espa conave + combustvel;
u(t) : empuxo dos motores da espa conave.
Seja M a massa da espa conave sem combustvel, F a quantidade inicial de combustvel, h
0
a altura
inicial, v
0
a velocidade inicial, u
max
o empuxo m aximo dos motores da nave (0 u(t) u
max
,
t 0), g a constante gravitacional da Lua (considerada constante) e k a constante de proporcionali-
dade entre o empuxo e a taxa de queima do combustvel. As vari aveis de estado (h, v, m) satisfazem
a seguinte din amica:
_
_
_
h

= v(t)
v

= g + u(t)/m(t)
m

= ku(t)
Denindo z(t) = (h(t), v(t), m(t)), temos o sistema n ao linear
_

_
z

=
_
_
z
2
g +u/z
3
ku
_
_
=: f(t, z, u)
z(0) = (h
0
, v
0
, M +F), z(T) = (0, 0, ?) .
(5.10)
A condi c ao nal segue da hip otese que um pouso suave ocorre quando h(T) = 0 e v(T) = 0, sendo
para m somente relevante que m(T) M. Como o custo a ser minimizado corresponde ao gasto de
5
Este modelo e tambem discutido em [FlRi], [Ho] e [Know].
z
2
z
1
z
2
z
1
Figura 5.3: Trajet orias correspondentes a controles constantes
83
z
2
z
1
(
u1
u1
a
b
c
P
Figura 5.4: Trajet oria otima para a condi c ao inicial z(0) = (a, b)
combust vel, temos que maximizar
m(T) = M + F k
_
T
0
u(t) dt .
O problema de controle otimo pode ser escrito como:
_

_
Minimizar J(T, z, u) =
_
T
0
u(t) dt
sujeito a
u L
1
[0, T] [ u(t) := [0, u
max
] q.s. em [0, T],
z

= f(z, u), z(0) = (h

0
v
0
M +F) IR
3
,
(T, z(T)) = (z
1
(T) z
2
(T)) = IR
2
A fun c ao de Hamilton e
H(t, z, , u) = , u) +L(t, z, u) =
1
z
2
+
2
(g +u/z
3
)
3
ku +u .
Minimizando a fun c ao de Hamilton em rela c ao a u obtemos
U

(z, ) =
_
_
_
0 , +
2
/z
3
k
3
> 0
? , +
2
/z
3
k
3
= 0
u
max
, +
2
/z
3
k
3
< 0
(5.11)
Tomamos por simplicidade u
max
= 1. A m de tornar o problema sicamente coerente, supomos
ainda
1 = empuxo m aximo > for ca gravitacional = (M +F)g,
isto e 1/(M + F) > g.

E razo avel considerar que existe uma estrategia otima do tipo bangbang,
i.e. da forma
u(t) =
_
0 , t [0, )
1 , t [, T]
(5.12)
Calculamos inicialmente a trajet oria associada ` a estrategia u. Como u 1 em [, T], usamos o
sistema (5.10) e as condi c oes de contorno z
1
(T) = z
2
(T) = 0 e z
3
() = M +T a m de determinar
z no instante t = . Obtemos assim
_

_
z
1
() =
1
2
g(T )
2

M+F
k
2
ln
_
M+Fk(T)
M+F
_

T
k
z
2
() = g(T ) +
1
k
ln
_
M+Fk(T)
M+F
_
z
3
() = M +F
84
z
1
= h
z
2
= v
=TF/k
Figura 5.5: Condi c oes iniciais (h, v) que s ao levadas pelo controle u 1 ` a condi c ao nal (0, 0, m(T))
com m(T) M.
z
1
= h
z
2
= v
u=0
u=1
(v0,h0)
Figura 5.6: Trajet oria correspondente ` a estrategia bang-bang u.
Tra cando o gr aco de z
1
() por z
2
(), obtemos a curva da Figura 5.5, que e formada pelos estados
da forma z() = (h(), v(), M + F) que s ao levados pelo controle u(t) = 1, t [, T] no estado
nal z(T) = (0, 0, m(T)) com m(T) M. Note que o comprimento dessa curva e limitado pois,
como u 1, temos m

= k e o combustvel se esgotar a ap os F/k unidades de tempo. Temos assim

a limita c ao T F/k (alem de T 0, obviamente).
Como inicialmente u 0, a nave se encontra em queda livre durante o intervalo de tempo [0, ].
A trajet oria correspondente e
_

_
z
1
(t) =
1
2
gt
2
+v
0
t +h
0
z
2
(t) = gt +v
0
z
3
(t) = M +F
t [0, ] .
Explicitando z
1
(= h) em fun c ao de z
2
(= v), obtemos:
h(t) = h
0

1
2g
[v
2
(t) v
2
0
], t [0, ] .
A curva (v(t), h(t)) e uma par abola no plano de fase v h. Unindo os dois trechos da trajet oria
correspondente a u, obtemos a curva mostrada na Figura 5.6. Segundo essa trajet oria, a nave cai
em queda livre ate que o estado (v, h) alcance a curva da Figura 5.5. Nesse momento os motores s ao
acionados na potencia m axima ate um estado nal admissvel ser atingido ((T, z(T)) = ).
Observe que se a intersec c ao das duas curvas na Figura 5.6 ocorre em um ponto (v(), h()) com
< T F/k, a quantidade de combustivel n ao e suciente para realizar um pouso suave. Enquanto
85
que se a condi c ao inicial (v
0
, h
0
) se encontra abaixo da curva na Figura 5.5, mesmo empregando
empuxo m aximo u(t) = 1, t [0, T], o solo lunar e atingido com v(T) < 0.
Atraves do princpio do m aximo vericamos agora que a estrategia de controle denida em (5.12)
e um candidato a controle otimo. Suponha (0) = (l
1
l
2
l
3
). Substituindo na equa c ao adjunta
_
_
_

1
= 0

2
=
1

3
=
2
u/z
2
3
temos:

1
(t) = l
1
, t [0, T] ;
2
(t) = l
2
l
1
t, t [0, T] ;
3
(t) = l
3
, t [0, ] .
Como z
3
(t) = M +F k(t ), t [, T], podemos calcular
3
no intervalo nal de tempo, obtendo

3
(t) = l
3
+
_
t

l
2
l
1
s
[k( s) +M +F]
2
ds, t [, T] .
Dena agora r(t) := +
2
(t)/z
3
(t) k
3
(t), t [0, T]. De (5.11) sabemos que a escolha do controle
u no tempo t depende de sign(r(t)). Portanto, como a estrategia de controle u salta de 0 para 1 em
t = , temos obrigatoriamente
r() = +

2
()
z
3
()
k
3
() = 0 .
Escolhendo = 1 (que satisfaz condi c ao de transversalidade), reescrevemos a equa c ao acima como
1 +
l
2
l
1

M +F
k l
3
= 0 .
A escolha de u em (5.12) implica em r(t) > 0, t [0, ). Portanto, l
1
> 0, necessariamente.
O princpio do m aximo fornece-nos ainda uma condi c ao inicial para a equa c ao adjunta:
(T) =

z
(T, z(T))

=
_
1 0 0
0 1 0
_

_

1

2
_
=
_
_

2
0
_
_
,
de onde conclumos que
3
(T) = 0. Obtemos assim para l
1
, l
2
, l
3
o sistema sub-determinado de
equa c oes lineares
_

_
1 + (M +F)
1
(l
2
l
1
) k l
3
= 0
l
3
+
_
T

l
2
l
1
s
[k( s) +M +F]
2
ds = 0
Considerando
2
como par ametro, o sistema se reescreve como
_
(M +F)
1
l
1
+ k l
3
= 1 + l
2
(M +F)
1
T l
1
l
3
= Ql
2
onde T =
_
T

s[k( s) +M + F]
2
ds e Q =
_
T

[k( s) +M +F]
2
ds s ao constantes positivas.
Resolvendo o novo sistema obtemos:
_
l
1
l
3
_
=
_
[1 + ((M +F)
1
+kQ)l
2
] / [(M +F)
1
+ kT]
T[1 + ((M +F)
1
+kQ)l
2
] / [(M + F)
1
+kT] Ql
2
_
(5.13)
86
Note que para t [, T), temos
r(t) = 1 + (l
2
l
1
t)/z
3
(t) k
3
(t)
< 1 + l
2
/M k l
3
+ (T /(M +F))l
1
. (5.14)
Substituindo em (5.14) as express oes encontradas em (5.13) para l
1
e l
3
, obtemos uma restri c ao
linear para escolha de l
2
. Outra restri c ao (tambem linear) para l
2
e dada por l
1
> 0 e (5.13). Como
o problema assim colocado possui solu c ao n ao unica, e possvel encontrar uma condi c ao inicial
(l
1
, l
2
, l
3
), de forma que a fun c ao r satisfa ca
_
r(t) > 0, t [0, )
r(t) < 0, t (, T]
provando que u satisfaz as condi c oes do princpio do m aximo.
Vericamos agora que u e o unico candidato fornecido pelo princpio de Pontryagin. A fun c ao
r(t) obtida de (5.11) determina quando ocorrem saltos na estrategia de controle. Note ainda que,
como
1
l
1
, ent ao

2
l
1
e temos
r

(t) = (

2
z
3

2
z

3
)z
2
3
k

3
=

2
/z
3

2
(ku)z
2
3
k
2
uz
2
3
= l
1
/z
3
(t), t [0, T] .
Analisamos separadamente as situa c oes possveis:
l
1
,= 0: Como z
3
(t) = m(t) > 0, ent ao r e mon otona. Se l
1
> 0, obtemos um controle do tipo
u. Se l
1
< 0, obtemos uma estrategia oposta, i.e. inicialmente u = 1 e depois u = 0. Com essa
estrategia n ao e possvel obter um pouso suave. De fato, ou (v
0
, h
0
) se situa abaixo ou acima
do gr aco na Figura 5.5. No primeiro caso, j a vimos que v(T) < 0. No segundo caso, como u
e da forma
u(t) =
_
1 , t [0, )
0 , t [, T]
obtemos do sistema adjunto
v(T) v() =
_
T

(t) dt =
_
T

g dt = g(T ) .
Logo, uma condi c ao necess aria para v(T) = 0 e que T = v()/g + . Novamente do sistema
adjunto obtemos
h() = h(T) h() =
_
T

(t) dt =
_
T

v(t) dt
=
_
T

g(T t) dt =
g
2
(T )
2
,
isto e h() = v
2
()/2g < 0. Portanto, a transi c ao de 1 para 0 na estrategia de controle ocorre
abaixo da superfcie da Lua, e o pouso obviamente n ao e suave.
l
1
= 0: Neste caso, r

= 0 e r e constante. Se r ,= 0, os possveis candidatos s ao u 0 e u 1.

O primeiro controle obviamente n ao permite pouso suave. J a o segundo ser a otimo somente
se (v
0
, h
0
) pertence ` a curva na Figura 5.5, quando a estrategia se torna identica a u. Por m,
se r = 0, temos
1 + l
2
1
z
3
(t)
+ k
3
(t) = 0, t [0, T],
87
isto e, as fun c oes 1, z
1
3
,
3
s ao linearmente dependentes. Mas isto e uma contradi c ao pois
z
3
(t) = M +F k
_
t
0
u(s) ds,
3
(t) = l
2
_
t
T
u(s)z
3
(s)
2
ds .
Portanto, o unico controle admissvel que satisfaz as condi c oes do princpio do m aximo e u denido
em (5.12). 2 2 2
Aplica cao 5.3.4 (Controle singular) Considere o problema escalar de controle
_

_
Minimizar
1
2
_
3
0
z(t)
2
dt
sujeito a
u L
1
[0, 3], u(t) := [1, 1] q.s. em [0, 3],
z

= u, z(0) = z(3) = 1.
O tempo nal T = 3 e a condi c ao nal para a trajet oria z(T) = 1 s ao xados atraves da condi c ao:
(T, z(T)) =
_
1 z
T 3
_
= IR
2
.
Do princpio do m aximo, obtemos as condi c oes necess arias:
z

= u, z(0) = z(3) = 1 ;

= z,
1
=
1
;
H(t, z, , u) = u +
1
2
z
2
, H
1
=
2
;
+[
1
[ +[
2
[ ,= 0 .
A condi c ao de m aximo implica em U

(z, ) = sign. Note que = 0 n ao pode ocorrer, pois

implica em

= 0. Logo, u 1 ou u 1, mas ambas as estrategias n ao s ao admissveis. Suponha

ent ao = 1. Logo

(0) = 1. Supondo (0) 0, temos:

Se (0) 0 e (t) < 0, t [0, 3], ent ao u 1, o que implica em z(3) = 4 (contradizendo a
condi c ao de contorno nal).
Se (0) 0, (t
1
) = 0 para algum t
1
> 0 e (t) < 0, t (0, t
1
), ent ao

(t
1
) 0. Mas
u(t) 1, t (0, t
1
) z(t) > 0, t (0, t
1
]

(t) < 0, t (0, t

1
],
contradizendo a conclus ao

(t
1
) 0.
Conclumos assim que (0) > 0. De forma an aloga prova-se que (3) < 0. Portanto, a fun c ao
possui pelo menos um zero em (0, 3). Seja t
1
o menor e t
2
o maior zero de em (0, 3). Provamos
agora que t
1
= 1 e t
2
= 2:
Note que t
1
,= t
2
, pois se possui apenas um zero, ent ao z(t) =
_
1t, t[0,3/2]
t2, t[3/2,3]
, que obviamente
n ao e uma trajet oria otima;
Em [0, t
1
) temos: u(t) = 1, z(t) = 1 t, (t) = (0) t +
1
2
t
2
.
Como (t
1
) = 0, ent ao t
1
= 1
_
1 2(0). Se t
1
assume o valor da maior raiz, temos t
1
> 1
e a trajet oria associada a n ao e otima, pois z(t) :=
_
z(t), z(t)0
0 , z(t)<0
satisfaz
_
3
0
z(t)
2
dt <
_
3
0
z(t)
2
dt .
Logo, t
1
= 1
_
1 2(0) 1.
88
Se t
1
< 1, ent ao

(t
1
) = z(t
1
) < 0. Seja

t > 1, tal que (t) < 0, t (t
1
,

t) e (

t) = 0. Logo,

t) 0.
De (t) < 0, segue u(t) 1, t (t
1
,

t). Como z(t

1
) > 0 e z

(t) = u(t) = 1, t (t
1
,

t), temos
z(t) 1 t
1
> 0, t [0,

t]. Ent ao

t) = z(

t) < 0 (contradi c ao).

Conclumos assim que t
1
= 1. De modo an alogo, prova-se que t
2
= 2. Provamos agora que (t) =
0, t (t
1
, t
2
). De fato, se (t) > 0 (o caso < 0 e an alogo) para algum t (t
1
, t
2
), ent ao existem

t
1
,

t
2
[t
1
, t
2
] tais que (t) > 0, t (

t
1
,

t
2
) e (

t
1
) = (

t
2
) = 0. Logo, u(t) = 1, t (

t
1
,

t
2
) e
portanto

(t) = (z(t))

= u(t) = 1, t (

t
1
,

t
2
), o que e claramente uma contradi c ao. Portanto,
a estrategia otima de controle tem de ser
u(t) =
_
_
_
1 , t [0, 1]
0 , t (1, 2)
+1 , t [2, 3]
.
(Note que a trajet oria z 0 e um extremal singular do problema e a trajet oria otima z e do tipo:
bangsingularbang.) 2 2 2
Aplica cao 5.3.5 (Consumo Investimento) Tratamos a seguir um problema cl assico da econo-
mia, que foi um dos primeiros a ser considerado sob a otica do c alculo variacional. Consideramos
o seguinte problema macroecon omico: Como equacionar a rela c ao entre consumo e investimento, a
m de otimizar o desenvolvimento econ omico?
Suponha que a economia de uma na c ao e representada pelas vari aveis
K(t) : Capital no tempo t;
C(t) : Consumo;
Y (t) : Produ c ao (produto interno);
K

(t) : Investimento (varia c ao do Capital);

ao longo do intervalo de tempo t [0, ). Considere ainda o seguinte modelo simplicado:
i) Y = g(K), onde g

> 0 e g

0;
ii) C = Y K

(parte da produ c ao e consumida e o restante e reinvestido);

iii) K(0) = K
0
(o capital inicial e conhecido);
iv) U = U(C) e a utilidade do capital, onde U

> 0, U

< 0;
v) > 0 e o fator de desconto.
O objetivo e encontrar uma poltica otima de investimento para o problema:
_
_
_
Maximizar
_

0
e
t
U(C(t))dt
sujeito a K

= g(K) C, K(0) = K
0
.
Este problema foi originalmente formulado e resolvido por Ramsey em 1928 (veja [Ra]). A hip otese
C = g(K)K

permite-nos analisar este problema utilizando c alculo variacional. Note que a equa c ao
de EulerLagrange e dada por
K

(K)K

+
U

(g(K) K

)
U

(g(K) K

)
( g

(K)) = 0 .
89
No caso geral esta equa c ao n ao pode ser resolvida analiticamente. Fazemos aqui a hip otese simpli-
cadora:
U(r) =
1
1 q
r
1q
, g(r) = br,
onde b > 0, q (0, 1). Neste caso particular a equa c ao de EulerLagrange ca simplicada, na forma
de uma equa c ao que sabemos resolver:
qK

+ ( b qb)bK

+b(b )K = 0.
Calculando as razes do polin omio caracterstico, temos
1
= b,
2
= a := q
1
(b ). Portanto, as
solu c oes que satisfazem a condi c ao inicial K(0) = K
0
s ao da forma:

K(t) = (K
0
A)e
at
+Ae
bt
, t 0,
onde A e um par ametro livre. Suponha agora que b > a, i.e. > (1 q)b. Neste caso, as hip oteses
do modelo:
C(t) = g(K(t)) K

(t) > 0, t 0 e lim

t
K(t) 0
s ao satisfeitas respectivamente para A 0 e A < K
0
. Para determinar o par ametro A [0, K
0
) e
necess aria uma condi c ao de contorno para a equa c ao da din amica por exemplo K

(0) ou K().
Como tal condi c ao n ao e explicitamente fornecida, e preciso analisar a equa c ao de HamiltonJacobi
Bellman, que para este problema aut onomo se escreve como
V (x) + min
u
_

V
x
, g(x) u) +
1
1 q
u
1q
_
= 0, x IR
n
(note que = b qa).

E f acil vericar que V (x) := (1 q)/(b a)
q
x
1q
, x 0 e solu c ao da equa c ao
acima. Note ainda que se A = 0 a condi c ao
liminf
t
e
t
V (

K(t)) = 0
e satisfeita, pois a(1 q) < 0 por hip otese. Portanto, V (x) e a trajet oria

K(t) = K
0
e
at
satisfazem
as condi c oes do teorema , de onde conclumos que uma estrategia otima de consumo e dada por

C(t) = (b a)K
0
e
at
, t 0.
2 2 2
Exerccios
5.1 Considere o problema de Bolza
_

_
Minimizar
1
2
_
1
0
u(t)
2
dt +z
1
(1)
2
+z
2
(1)
2
sujeito a
u L
1
[0, 1], z

1
= z
2
, z

2
= u, z
1
(0) = z
2
(0) = 0.
a) Formule o princpio do m aximo para o problema acima.
b) Obtenha o processo otimo.
90
5.2 Considere o problema de controle otimo
_

_
Minimizar
_
T
0
_
z
1
(t)
2
+u(t)
2

dt
sujeito a
u L
1
[0, T], z

1
= z
2
, z

2
= z
2
+u, z
1
(0) = 1, z
2
(0) = 0.
a) Formule o princpio do m aximo para o problema acima.
b) Obtenha o processo otimo.
5.3 Considere o problema de controle otimo escalar
_

_
Minimizar
1
2
_
1
0
_
3z(t)
2
+u(t)
2

dt
sujeito a
u L
1
[0, 1], z

= z +u, z(0) = 1.
a) Formule o princpio do m aximo para o problema acima.
b) Obtenha o processo otimo.
5.4 (Problema de Investimento) Suponha que um determinado produto e fabricado com a taxa
z(t). No tempo t > 0 uma fra c ao u(t) da produ c ao e reinvestida para aumentar a produ c ao, sendo o
restante vendido para gera c ao de lucro. O objetivo e determinar uma poltica de investimento otima,
de forma a maximizar o lucro total no horizonte xo de tempo [0, T]. Temos assim o problema
_

_
Maximizar
_
T
0
(1 u(t))z(t)dt
sujeito a
z

= uz, z(0) = z
0
> 0, z(t) 0, u

C[0, T]
a) Reescreva o problema como um problema variacional com restri c oes lagrangeanas: y

(t) 0,
y

(t) y(t).
b) Obtenha condi c oes necess arias para o novo problema.
c) Encontre a taxa otima de produ c ao y.
5.5 (Problema do Cafe) Uma xcara cheia de cafe ` a temperatura de 100
o
C deve ser esfriada a
temperatura de 0
o
C por adi c ao de uma quantidade xa de creme de leite. Uma equa c ao aproximada
para evolu c ao da temperatura z da mistura e dada por
z

= z 25u uz/4.
As condi c oes de contorno s ao z(0) = 100, z(T) = 0.
a) Obtenha condi c oes necess arias para o problema de tempo otimo sujeito ` as restri c oes 0 u(t) 1,
t [0, T],
_
T
0
u(t)dt = 1, impostas ao uxo externo de lquido u.
b) Use o fato z

< 0 para obter um problema equivalente com intervalo de tempo xo. O que se
pode armar sobre a unicidade da solu c ao obtida no item a).
(Sugest ao: A nova vari avel livre e s = z.)
91
92
Bibliograa
[Al] Alt, W., Stabilit at mengenwertiger Abbildungen mit Anwendungen auf nichtlineare Opti-
mierungsprobleme, Bayreuther Mathematische Schriften, 3, 1979
[An] Anand, D.K., Introduction to Control Systems. 2nd ed., Pergamon Press, Oxford, 1984
[AtFa] Athans, M. e Falb, P.L., Optimal Control, McGraw-Hill Book Company, New York, 1966
[BaNe] Balakrishnan, A.V. e Neustadt, L.W., eds., Computing Methods in Optimization
Problems, Proceedings of a conference held at University of California, Los Angeles, January
1964, Academic Press, London, 1964
[BaCa] Bardi, M. e CapuzzoDolcetta, I., Optimal Control and Viscosity Solutions of
HamiltonJacobiBellman Equations, Birkh auser, Boston, 1997
[Bar] Barnett, S., Matrices in Control Theory with Applications to Linear Programming, Van
Nostrand Reinhold Company, London, 1971
[BaLe] Baumeister, J. e Leit ao, A., Optimal exploitation of renewable resource stocks: Neces-
sary conditions, Optimal Control Appl. Meth., a ser publicado
[BLS1] Baumeister, J., Leit ao, A. e Silva, G.N., Optimal control problems with innite hori-
zon whose control laws contain measures: Maximum principle, Proceedings of the 3rd In-
ternational Conference on Nonlinear Dynamics, Campos do Jord ao, Brazil, July 2000, a ser
publicado
[BLS2] Baumeister, J., Leit ao, A. e Silva, G.N., Value function for problems with innite
horizon, J. Math. Anal. Appl., a ser publicado
[Be] Bellman, R.E., Introduction to the Mathematical Theory of Control Process, Vol I: Linear
equations and quadratic criteria, Academic Press, New York, 1967
[BeDr] Bellman, R.E. e Dreyfus, S.E., Applied Dynamic Programming, Princeton University
Press, Princeton, 1962
[Ber] Berkovitz, L.D., Optimal Control Theory, Springer Verlag, New York, 1974
[Bo] Boltyanski, W.G., Mathematische Methoden der optimalen Steuerung, Carl Hanser Ver-
lag, M unchen, 1972
[Br] Brokate, M., Kontrolltheorie, Vorlesungskript, Universit at Hamburg, 1984
[Bro] Bronson, R., Moderna Introdu c ao ` as Equa c oes Diferenciais, Cole c ao Schaum, Editora Mc
Graw Hill
93
[BD] Boyce, E.A. e Diprima, R.C., Equa c oes Diferenciais Elementares e Problemas de Valores
de Contorno, Livros Tecnicos e Cientcos Editora, Rio de Janeiro, 1999
[BMS] Bulirsch, R., Miele, A., Stoer, J. e Well, K.H., eds., Optimal control: Calcu-
lus of Variations, Optimal Control Theory and Numerical Methods, International Series of
Numerical Mathematics, 111, Birkh auser, Basel, 1993
[CaHa] Carlson, D.A. e Haurie, A.B., Innite Horizon Optimal Control: Theory and Applica-
tions, Springer Verlag, Heidelberg, 1987
[Cl] Clark, C.W., Mathematical Bioeconomics: The Optimal Management of Renewable Re-
sources. 2nd ed., John Wiley and Sons, New York, 1990
[CCM] Clark, C.W., Clarke, F.H. e Munro, G.R. The optimal exploitation of renewable
resource stocks: Problems of irreversible investment, Econometrica, 47 (1979), 25 47
[CLSW] Clarke, F.H., Ledyaev, Yu.S., Stern, R.J. e Wolenski, P.R., Nonsmooth Analysis
and Control Theory, Springer Verlag, Berlin, 1998
[Cod] Coddington, E.A., An Introduction to Ordinary Dierential Equations, Englewood Clis,
N.J.: Prentice-Hall,1961; New York, Dover, 1989
[CrLi] Crandall, M.G. e Lions, P.L., Viscosity solutions of HamiltonJakobi Equations, Trans.
of the American Mathematical Society, 277 (1983), 1 42
[FlRi] Fleming, W.H. e Rishel, R.W., Deterministic and Stochastic Optimal Control, Springer
Verlag, Berlin, 1975
[FlSo] Fleming, W.H. e Soner, H.M., Controlled Markov Processes and Viscosity Solutions,
Springer Verlag, New York, 1993
[F o1] F ollinger, O., Nichtlineare Regelungen I: Grundlagen und harmonische Balance, Olden-
bourg Verlag, M unchen, 1969
[F o2] F ollinger, O., Nichtlineare Regelungen II: Anwendung der Zustandsebene, Oldenbourg
Verlag, M unchen, 1970
[F o3] F ollinger, O., Nichtlineare Regelungen III: Ljapunow-Theorie und Popow-Kriterium, Old-
enbourg Verlag, M unchen, 1970
[Gan] Gantmacher, F.R, Applications of the Theory of Matrices, Intersciences Publishers, New
York, 1959
[Gol] Goldenstine, H., A History of the Calculus of Variations, from 17th through the 19th
Century, Springer Verlag, New York, 1980
[Gon] Goncalves, A., Introdu c ao ` a

Algebra, Projeto Euclides, 7, Instituto de Matem atica Pura
e Aplicada, Rio de Janeiro, 1979
[Gr] Groetsch, C.W., Generalized Inverses of Linear Operators, Dekkeric, New York, 1977
[Ha] Halkin, H., Necessary conditions for optimal control problems with innite horizons,
Econometrica 42 (1974), 267 272
[Hes] Hestenes, M.R., Calculus of Variations and Optimal Control Theory, John Wiley and
Sons, London, 1966
94
[Heu] Heuser, H., Funktionalanalysis. 3. Au., B.G. Teubner, Stuttgart, 1992
[HeLa] Hermes, H.R. e LaSalle, J.P., Functional Analysis and Time-Optimal Control, Aca-
demic Press, New York, 1969
[Ho] Hocking, L.M., Optimal Control: An Introduction to the Theory with Applications, Claren-
don Press, Oxford, 1991
[Hon] Honig, C.S., Aplica c oes da Topologia ` a An alise, Projeto Euclides / IMPA, Rio de Janeiro,
1976
[Is] Isidori, A., Nonlinear Control Systems: An Introduction. 2nd ed., Springer Verlag, Berlin,
1989
[Je] Jetschke, G., Mathematik der Selbstorganisation: Qualitative Theorie nichtlinearer dy-
namischer Systeme und gleichgewichtsferner Strukturen in Physik, Chemie und Biologie,
Vieweg Verlag, Braunschweig, 1989
[KIF] Knobloch, H.W., Isidori, A. e Flockerzi, D., Topics in Control Theory, DMV Semi-
nar, 22, Birkh auser, Basel, 1993
[KnKw] Knobloch, H.W. e Kwakernaak, H., Lineare Kontrolltheorie, Springer Verlag, Berlin,
1985
[Know] Knowles, G., An Introduction to Applied Optimal Control, Academic Press, San Francisco,
1981
[Kra] Krabs, W., Einf uhrung in die Kontrolltheorie, Wissenschaftliche Buchgesellschaft, Darm-
stadt, 1978
[Kre] Kreyzig, R., Introductory Functional Analysis with Applications, John Wiley and Sons,
New York, 1978
[LeMa] Lee, E.B. e Markus, L., Foundations of Optimal Control Theory, John Wiley and Sons,
London, 1967
[Leig] Leigh, J.R., Functional Analysis and Linear Control Theory, Academic Press, London,
1980
[Leit] Leit ao, A., On optimal control problems with innite horizon, Proceedings of the 3rd
International Conference on Nonlinear Dynamics, Campos do Jord ao, Brazil, July 2000, a
ser publicado
[Lei] Leitmann, G., The Calculus of Variations and Optimal Control: An Introduction, Plenum
Press, London, 1981
[Lim] Lima, E.L.,

Algebra Linear, Associa c ao Instituto de Matem atica Pura e Aplicada, CNPq,
Rio de Janeiro, 2001
[Lio] Lions, J.L., Optimal Control of Systems Governed by Partial Dierential Equations,
Springer Verlag, Heidelberg 1971
[LiYo] Li, X. e Yong, J., Optimal control theory for innite dimensional systems, Birkh auser,
Basel, 1994
95
[MaSt] Macki, J. e Strauss, A., Introduction to Optimal Control Theory, Springer Verlag, Hei-
delberg, 1981
[Mo] Morgan, F., Geometric Measure Theory: A Beginners guide, Academic Press, Boston,
1988
[Mu] Murray, J.M., Existence theorems for optimal control and calculus of variations problems
where the state can jump, SIAM J. Control and Optimization, 24 (1986), 412 438
[Pi] Piehler, J., Einf uhrung in die dynamische Optimierung, B.G. Teubner, Leipzig, 1966
[Pin] Pinch, E.R., Optimal Control and the Calculus of Variations, Oxford University Press,
New York, 1997
[PBG] Pontryagin, L.S., Boltyanskij, V.G., Gamkrelidze, R.V. e Mishchenko, E.F.,
The Mathematical Theory of Optimal Processes, Interscience Publishers, New York, 1962
(edi c ao original em russo, 1961)
[Ra] Ramsey, F.P., A mathematical theory of saving, Economic Journal, 38 (1928), 543 549
[Ri] Rishel, R.W., An extended Pontryagin principle for control systems whose control laws
contain measures, SIAM J. Control, 3 (1965), 191 205
[Ru1] Rudin, W., Functional Analysis, McGrawHill, New York, 1973
[Ru2] Rudin, W., Real and Complex Analysis, McGrawHill, New York, 1966
[Sc] Scheck, F., Mechanics: From Newtons Laws to Deterministic Chaos. 3rd ed., Springer
Verlag, Berlin, 1999
[SeSy] Seierstad, A. e Sydster, K., Optimal Control Theory with Economic Applications,
North-Holland, Amsterdam, 1987
[SeZh] Sethi, S.P. e Thompson, G.L., Optimal Control Theory: Applications to Management
Science, Martinus Nijho Publishing, Boston, 1981
[SHB] Schmidt, W.H., Heier, K., Bittner, L. e Bulirsch, R., eds., Variational Calculus,
Optimal Control and Applications, Proceedings of the 12th International Conference in Hon-
our of L. Bittner and R. Kloetzler, Trassenheide, Germany, September, 1996, International
Series of Numerical Mathematics, 124, Birkh auser, Basel, 1998
[SFG] Skowronski, J.M., Flashner, H. e Guttalu, R.S., eds., Mechanics and control, Pro-
ceedings of the 3rd Workshop on Control Mechanics, in Honor of the 65th Birthday of George
Leitmann, January, 1990, Lecture Notes in Control and Information Sciences, 151, Springer
Verlag, Berlin, 1991
[SiVi] Silva, G.N. e Vinter, R.B., Necessary conditions for optimal impulsive control problems,
SIAM J. Control Optimization, 35 (1997), 1829 1846
[So] Sontag, E.D., Mathematical Control Theory: Deterministic Finite Dimensional Systems.
2nd ed., Springer Verlag, New York, 1998
[Sot] Sotomayor, J., Li c oes de Equa c oes Diferenciais Ordin arias, Projeto Euclides, 11, Insti-
tuto de Matem atica Pura e Aplicada, Rio de Janeiro, 1979
[Sn] Sniedovich, M., Dynamic Programming, Marcel Dekker, New York, 1992
96
[Tr] Troutman, J.L., Variational Calculus and Optimal Control: Optimization with Elemen-
tary Convexity. 2nd ed., Springer Verlag, New York, 1996
[ViPe] Vinter, R.B. e Pereira, F.M.F.L., A maximum principle for optimal processes with
discontinuous trajectories, SIAM J. Control and Optimization, 26 (1988), 205 229
[Wa1] Walter, W., Analysis II. 2. Au., Springer Verlag, Berlin, 1991
[Wa2] Walter, W., Gew ohnliche Dierentialgleichungen. 6. Au., Springer Verlag, Berlin, 1996
[We] Werner, J., Optimization: Theory and Applications, Vieweg Verlag, Wiesbaden, 1984
[Za] Zabczyk, J., Mathematical Control Theory: An Introduction, Birkh auser, Boston, 1992
[ZoKu] Zowe, J. e Kurcyusz, S., Regularity and stability for the mathematical programming
problem in Banach spaces, Appl. Math. Optimization, 5 (1979), 49 62
97