LSS

Linearidade em Sinais e Sistemas
Ivanil S. Bonatti
Amauri Lopes
Pedro L. D. Peres
Cristiano M. Agulhari
Faculdade de Engenharia El etrica e de Computac ao,
Universidade Estadual de Campinas, UNICAMP, Brasil
Fevereiro 2011
Pref acio
Este texto e resultado da experiencia dos autores lecionando disciplinas relacionadas com
sinais e sistemas lineares, ao longo de muitos anos, na Faculdade de Engenharia Eletrica e
de Computacao, UNICAMP. Alem dos in umeros livros e notas de aulas existentes, alguns
citados na bibliograa, muitos alunos, amigos e colegas docentes contriburam em diversos
aspectos com o material. Sinceros agradecimentos a todos.
Os autores agradecem tambem o apoio da UNICAMP e das agencias de pesquisa CNPq,
CAPES e FAPESP ao longo de suas vidas academicas. Especial mencao à FAPESP, que
os nanciou de Julho de 2004 a Maio de 2009 por meio do Projeto Tematico 2003/09858-6,
Linearidade em sinais, circuitos e sistemas.
O material que comp oe o livro e usado nas disciplinas de graduacao Analise de Sinais
e Analise Linear de Sistemas, ministradas para os cursos de Engenharia Eletrica e En-
genharia de Computacao, e Analise de Sinais e de Sistemas Lineares, oferecida regu-
larmente na pos-gradua cao em Engenharia Eletrica e tambem como eletiva para alunos
de graduacao. Sugere-se consultar as paginas da Internet dos docentes para informa coes
atualizadas sobre conte udo, cadencia, exerccios e provas de cada disciplina.
O livro esta estruturado em duas partes (Parte I: Sistemas Discretos e Parte II: Sistemas
Contnuos) e um apendice (com nota cao, decomposicao em fra coes parciais, propriedades
de variaveis complexas, matrizes e polin omios usadas ao longo do texto). Os temas aborda-
dos foram decompostos em captulos, visando enfatizar alguns aspectos mais relevantes e,
tambem, facilitar a montagem dos conte udos das disciplinas de sinais e sistemas em varias
ordens alternativas. Cada captulo e composto das deni coes dos conceitos relativos a um
determinado topico, das propriedades associadas às denicoes e de exemplos e exerccios
ilustrativos. Ao nal de cada captulo, exerccios compostos de questoes relacionadas aos
exemplos s ao propostos. Procurou-se demonstrar quase todas as propriedades, exceto as
consideradas pelos autores tao simples que provavelmente os leitores dispensariam as pro-
vas, ou as tao complexas que os proprios autores nao conseguiram formular ou encontrar
na literatura uma demonstra cao condizente com o restante do livro. Acredita-se que os
leitores nao ter ao diculdade em classicar as ausencias de demonstra cao ao longo do texto
em uma classe ou outra. O formalismo das apresenta coes e das demonstra coes foi objeto de
grande atencao por parte dos autores que, entretanto, nem sempre caram satisfeitos com
o resultado. Em particular, procurou-se evitar deixar no texto palavras que nao fossem
consideradas pelos autores como absolutamente necessarias. Quase nao ha interpreta coes,
frases de liga cao ou discurso sobre o que vem a seguir.
O leitor idealizado pelos autores deve ter algum conhecimento de calculo e de algebra linear,
como saber operar com n umeros complexos, conhecer o teorema de Euler, saber derivar
razoes de polin omios, saber integrar polin omios e exponenciais, saber esbo car curvas com-
postas por trechos de retas e de polin omios. Alem disso, deve saber multiplicar e inverter
3
matrizes, e ser capaz de resolver sistemas lineares de equa coes. Ainda no plano ideal, ap os
ler, entender e resolver os exerccios do livro, espera-se que esse leitor esteja preparado
para avan car no estudo de temas mais especializados, como princpios de comunica cao e
controle de sistemas lineares.
Como nao poderia deixar de ser, o texto contem muitas coisas que podem ser encontradas
em outros livros, mas tambem apresenta topicos e procedimentos nao usuais em seus
pares, como nos captulos de transformada Z aplicada a probabilidade, sistemas discretos
abordados por variaveis de estado, ortogonalizacao e na maneira sistematica proposta para
a resolu cao de equa coes diferenciais e a diferen cas n ao homogeneas, transformando-as em
equa coes homogeneas. Finalmente, admite-se que faltaram muitas coisas, porem a imensa
maioria pode ser encontrada nos demais livros e, de um jeito ou de outro, o livro precisava
ser terminado.
Acabada a parte dos autores, o papel agora e dos leitores.
Bonatti, Lopes, Peres & Agulhari
Deve-se escrever da mesma maneira como as lavadeiras l a de Alagoas
fazem seu ofcio. Elas comecam com uma primeira lavada, molham a
roupa suja na beira da lagoa ou do riacho, torcem o pano, molham-no
novamente, voltam a torcer. Colocam o anil, ensaboam e torcem uma,
duas vezes. Depois enx aguam, dao mais uma molhada, agora jogando a
agua com a m ao. Batem o pano na laje ou na pedra limpa, e dao mais
uma torcida e mais outra, torcem ate nao pingar do pano uma s o gota.
Somente depois de feito tudo isso e que elas dependuram a roupa lavada
na corda ou no varal, para secar. Pois quem se mete a escrever devia
fazer a mesma coisa. A palavra nao foi feita para enfeitar, brilhar como
ouro falso; a palavra foi feita para dizer.
Graciliano Ramos, em entrevista concedida em 1948
http://www.graciliano.com.br/
Sumario
I SISTEMAS DISCRETOS 1
1 Sinais Discretos e Convolu cao 2
1.1 Resposta em freq uencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2 Transformada Z 20
2.1 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3 Transformada Z Aplicada a Probabilidade 37
3.1 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4 Serie de Fourier de Sinais Discretos 49
4.1 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
5 Equa c oes a Diferen cas 67
5.1 Resolucao por Transformada Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
5.2 Resolucao pelo Metodo dos Coecientes a Determinar . . . . . . . . . . . . . . . . . . 78
5.2.1 Equacao homogenea . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
5.2.2 Equacao nao homogenea . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
5.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
6 Equa c oes de Estado de Sistemas Discretos 90
6.1 Variaveis de estado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
6.1.1 Funcao de transferencia e realizacoes . . . . . . . . . . . . . . . . . . . . . . . . 92
6.1.2 Solucao da equa cao homogenea . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
6.1.3 Solucao da equa cao nao homogenea . . . . . . . . . . . . . . . . . . . . . . . . 95
6.2 Observabilidade e controlabilidade SISO . . . . . . . . . . . . . . . . . . . . . . . . . . 97
6.3 Estabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
6.3.1 Estabilidade entrada-sada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
6.3.2 Transformacao bilinear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
6.3.3 Estabilidade do estado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
6.4 Discretizacao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
6.5 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
II SISTEMAS CONT
INUOS 109
7 Sinais Contnuos e Convolu cao 110
7.1 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
8 Ortogonaliza cao 136
8.1 Aproximacao por combinacao linear de funcoes . . . . . . . . . . . . . . . . . . . . . . 136
8.2 Proje cao ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
8.3 Ortogonaliza cao de Gram-Schmidt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
i
ii SUM
ARIO
8.4 Ortogonaliza cao de Gram-Schmidt como triangularizacao . . . . . . . . . . . . . . . . 142
8.5 Ortogonaliza cao uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
8.6 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
9 Serie de Fourier de Sinais Contnuos 150
9.1 Proje cao de sinais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
9.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
10 Transformada de Fourier de Sinais Contnuos 168
10.1 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
11 Amostragem de Sinais Contnuos 188
11.1 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
12 Transformada de Laplace 198
12.1 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
13 Filtros 209
13.1 Butterworth . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
13.2 Chebyshev . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
13.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
14 Resolucao de Equa c oes Diferenciais por Transformada de Laplace 221
14.1 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
15 Resolucao de Equa c oes Diferenciais por Coecientes a Determinar 238
15.1 Solucao da equa cao homogenea . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
15.2 Solucao da equa cao nao homogenea . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
15.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 248
16 Resposta em Freq uencia 251
16.1 Diagramas assintoticos de Bode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
16.2 Gr acos polares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266
16.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 270
17 Variaveis de Estado 275
17.1 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
18 Resolucao de Equa c oes de Estado 296
18.1 Solucao da equa cao homogenea . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296
18.1.1 Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297
18.1.2 Serie de potencias exp(At) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298
18.1.3 Cayley-Hamilton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300
18.1.4 Similaridade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304
18.2 Solucao da equa cao nao homogenea . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 318
18.2.1 Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 319
18.2.2 Convolucao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 320
18.2.3 Sistema homogeneo aumentado . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
18.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 322
19 Observabilidade e Controlabilidade SISO 329
19.1 Observabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329
19.2 Controlabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 336
19.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 349
SUM
ARIO iii
20 Estabilidade 352
20.1 BIBO estabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 352
20.2 Estabilidade do estado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 361
20.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 370
21 Introducao à Realimentacao 374
21.1 Congura coes tpicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 374
21.2 Lugar das razes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 378
21.2.1 Resumo das propriedades do lugar das razes . . . . . . . . . . . . . . . . . . . 389
21.3 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 393
III Apendices 396
A Nota cao 397
B Fra c oes Parciais 402
C Variaveis Complexas 404
D Matrizes 406
D.1 Matrizes quadradas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 408
D.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 416
E Polin omios 419
Bibliograa 420
iv SUM
ARIO
Parte I
SISTEMAS DISCRETOS
1
Captulo 1
Sinais Discretos e Convolu cao
Denicao 1.1: Sinais Discretos
Um sinal discreto, denotado x[n], e uma funcao (real ou complexa) cujo domnio e o conjunto dos
inteiros Z = {0, 1, 2, . . .}.
Como exemplo, a Figura 1.1 mostra o sinal x[n] = sen(n). Sinais discretos tambem podem ser
interpretados como seq uencias enumeraveis de escalares reais ou complexos.
0 2 4 6 8 10 12 14 16 18 20
1
0.8
0.6
0.4
0.2
0
0.2
0.4
0.6
0.8
1
n
Figura 1.1: Sinal x[n] = sen(n) mostrado (comando stem do Matlab) no intervalo n [0, 20].
Denicao 1.2: Degrau Unitario
Considere n Z. O sinal discreto u[n] (degrau unit ario) e denido como
u[n] =
_
0 para n = , . . . , 2, 1
1 para n = 0, 1, 2, . . . , +
Para a R nao inteiro, u[a] = 0. Assim, x[n] = u[n/2], n Z, e a seq uencia que vale 1 para
n = 0, 2, 4, 6, . . . e zero para os demais inteiros (negativos e positivos mpares).
Denicao 1.3: Impulso

Considere n Z. O sinal discreto [n] (impulso unit ario) e denido como
[n] =
_
1 , n = 0
0 , n = 0
2
3
Note que [n + 3] = 1 para n = 3 e [n + 3] = 0 para n = 3. Para a R nao inteiro, [a] = 0.
Assim, [2n + 3] = 0 para todo n, pois nao existe n Z tal que 2n + 3 = 0.
Exemplo 1.1: O impulso unitario pode ser escrito em termos da diferenca de dois degraus
[n] = u[n] u[n 1]
e o degrau unitario pode ser escrito como uma soma innita de impulsos
u[n] =
n
k=
[k]
P
Exemplo 1.2: Dado
x[n] = [n + 2] +[n 2]
tem-se
y[n] = x[2n] = [2n + 2] +[2n 2] = [n + 1] +[n 1]
Observe que trata-se de uma compress ao.
P
Exemplo 1.3: O sinal
x[n] = u[n 1] u[n] + (2 n)
_
u[n 1] u[n 2]
_
pode ser representado como uma soma de impulsos
x[n] = [n] +[n 1]
A partir de x[n], tem-se
x[n 1] = [n 1] +[n 2]
que e um deslocamento para a direita.
Note que
x[2n + 1] = [2n + 1] +[2n] = [n]
P
Denicao 1.4: Funcao Par e Funcao

Impar
x[n] = x[n] e par , x[n] = x[n] e mpar

4 Captulo 1. Sinais Discretos e Convolucao
Propriedade 1.1: Sinais Pares e

Impares
Combinacoes lineares de sinais pares produzem sinais pares;
Combinacoes lineares de sinais mpares produzem sinais mpares;
O produto de funcao par por funcao mpar e mpar;
O produto de funcao par por funcao par e par;
O produto de funcao mpar por funcao mpar e par;
x[n] par
+
n=
x[n] = x[0] + 2
+
n=1
x[n]
x[n] mpar
+
n=
x[n] = 0 , x[0] = 0
x
p
[n] =
1
2
_
x[n] +x[n]
_
e par
x
i
[n] =
1
2
_
x[n] x[n]
_
e mpar
x[n] = x
p
[n] +x
i
[n] x
p
[n] e a parte par e x
i
[n] e a parte mpar de x[n]

x[n] = [n + 1] + 2[n 1] +[n 2]
pode ser escrito como
x[n] = x
p
[n] +x
i
[n]
com
2x
p
[n] = [n+2] +[n+1] +[n1] +[n2] , 2x
i
[n] = [n+2] 3[n+1] +3[n1] +[n2]
P
Denicao 1.5: Sistemas Discretos
Sao sistemas cujas entradas e sadas s ao seq uencias enumeraveis de escalares reais ou complexos.
Nota cao: y[n] = G{x[n]}, sendo x[n] a entrada e y[n] a sada.
Exemplo 1.5 (Filtro passa-alta):

y[n] =
x[n] x[n 1]
2
, n Z
Para x[n] = (1)
n
, a sada e y[n] = (1)
n
. Para x[n] = 1
n
, tem-se y[n] = 0.
P
Exemplo 1.6 (Filtro passa-baixa):
y[n] =
x[n] +x[n 1]
2
, n Z
Para x[n] = (1)
n
, a sada e y[n] = 0. Para x[n] = 1
n
, tem-se y[n] = 1
n
.
P
5
Exemplo 1.7: A populacao anual de peixes em um lago (em termos percentuais) pode ser descrita
de maneira aproximada por
y[n + 1] ay[n](1 y[n]) = 0 , 0 y[0] 1
sendo a um par ametro real que representa as condi coes ambientais do lago. Observe que um sistema
pode ser descrito por uma equacao a diferencas sem envolver explicitamente a entrada x[n].
P
Denicao 1.6: Sistemas Lineares
Um sistema e linear se satisfaz o princpio da superposicao, isto e,
G{a
1
x
1
[n] +a
2
x
2
[n]} = a
1
G{x
1
[n]} +a
2
G{x
2
[n]}
Observe que, para sistemas lineares, G{0} = 0. Os exemplos 1.5 e 1.6 s ao sistemas lineares e o
Exemplo 1.7 e um sistema nao-linear, que pode apresentar comportamento caotico para alguns valores
de a.
Denicao 1.7: Invariante no tempo

Um sistema e invariante no tempo se um deslocamento da entrada produzir igual deslocamento na
sada, isto e,
y[n m] = G{x[n m]}
para qualquer m Z.
Os exemplos 1.5, 1.6 e 1.7 s ao sistemas invariantes no tempo.

Exemplo 1.8:
y[n] = sen(x[n])
e um sistema nao linear, pois
sen(x
1
[n] +x
2
[n]) = sen(x
1
[n]) + sen(x
2
[n])
e e invariante no tempo, pois
y
1
[n] = sen(x
1
[n])
x
2
[n] = x
1
[n k] y
2
[n] = sen(x
2
[n]) = sen(x
1
[n k]) = y
1
[n k]
P
Exemplo 1.9:
y[n] = nx[n]
e um sistema linear, pois
y
1
[n] = nx
1
[n] , y
2
[n] = nx
2
[n] n(ax
1
[n] +bx
2
[n]) = ay
1
[n] +by
2
[n]
e nao e invariante no tempo, pois
x
2
[n] = x
1
[n k] y
2
[n] = nx
2
[n] = nx
1
[n k] = y
1
[n k] = (n k)x
1
[n k]
P
Denicao 1.8: Sistema sem Mem oria
Um sistema e sem mem oria se a sada no instante n depende apenas do sinal de entrada no instante n.
Exemplo 1.10: O somador (ou acumulador)

y[n] =
n
k=
x[k]
e um sistema discreto com mem oria, que pode ser descrito pela equacao a diferencas y[n]y[n1] =
x[n].
P
Denicao 1.9: Sistema Causal
Um sistema e causal ou nao antecipativo quando a sada nao depende de valores futuros da entrada.
Exemplo 1.11: O sistema

y[n] =
1
2M + 1
+M
k=M
x[n k] , M > 0
e nao causal.
O somador do Exemplo 1.10 e causal.
P
Denicao 1.10: Sistema BIBO Estavel
Um sistema e BIBO estavel (Bounded-Input Bounded-Output) se a sada e limitada para toda entrada
limitada.
|x[n]| < b |y[n]| < +
Exemplo 1.12:
y[n] = nx[n]
e um sistema causal nao BIBO est avel.
y[n] = x[n]
e um sistema nao causal e BIBO est avel.
P
Denicao 1.11: Resposta ao Impulso
Resposta ao impulso e a sada do sistema quando a entrada e a funcao impulso e as condi coes iniciais
s ao nulas (sistema em repouso), isto e
h[n] = G{[n]}

7
Exemplo 1.13: A resposta ao impulso do ltro passa-alta do Exemplo 1.5 e dada por
h[n] =
[n] [n 1]
2
e a resposta ao impulso do ltro passa-baixa do Exemplo 1.6 e dada por
h[n] =
[n] +[n 1]
2
P
Exemplo 1.14 (Somador):
y[n] =
n
k=
x[k]
A resposta ao impulso e
h[n] =
n
k=
[k] = u[n]
P
Denicao 1.12: Convolu cao
Convolucao e a operacao
x[n] = x
1
[n] x
2
[n] =
+
k=
x
1
[k]x
2
[n k]
Propriedade 1.2:
Se
x
1
[n] = x
1
[n]u[n] e x
2
[n] = x
2
[n]u[n]
entao
x
1
[n] x
2
[n] = u[n]
n
k=0
x
1
[k]x
2
[n k]
Propriedade 1.3:
O impulso e o elemento neutro da convolucao, pois
x[n] =
+
k=
x[k][n k]

Propriedade 1.4:
A convolucao e comutativa, associativa e distributiva em rela cao à soma, isto e
x
1
[n] x
2
[n] = x
2
[n] x
1
[n]
x
1
[n]
_
x
2
[n] x
3
[n]
_
=
_
x
1
[n] x
2
[n]
_
x
3
[n] = x
1
[n] x
2
[n] x
3
[n]
x
1
[n]
_
x
2
[n] +x
3
[n]
_
= x
1
[n] x
2
[n] +x
1
[n] x
3
[n]
Propriedade 1.5:
x[n] [n m] = x[n m] , m Z
pois
+
k=
x[k][n k m] = x[n m]
Teorema 1.1: Convolu cao com a Resposta ao Impulso de um SLIT

A sada de um sistema linear invariante no tempo e a convolucao da resposta ao impulso com a entrada,
isto e
y[n] = G{x[n]} = x[n] h[n] , h[n] = G{[n]}
pois
G{x[n]} = G
_
+
k=
x[k][n k]
_
=
+
k=
x[k]G
_
[n k]
_
=
+
k=
x[k]h[n k]
y
Exemplo 1.15: No Exemplo 1.14 (somador), a sada e a convolucao da entrada com o degrau
y[n] =
n
k=
x[k] = x[n] u[n]
pois
x[n] u[n] =
+
k=
x[k]u[n k] =
n
k=
x[k] u[n k]
. .
=1
+
+
k=n+1
x[k] u[n k]
. .
=0
P
Propriedade 1.6:
Considere o sinal
x
2
[n] =
kI
a
k
[n b
k
] , I = {conjunto nito de ndices}
Entao,
x
1
[n] x
2
[n] =
kI
a
k
x
1
[n b
k
]

9
Exemplo 1.16: Dados
x
1
[n] = [n] +[n 1] +[n 2] , x
2
[n] = [n] +[n 1]
tem-se
x
1
[n] x
2
[n] = [n] [n 1] [n 2] +[n 1] +[n 2] +[n 3] = [n] +[n 3]
Observe que a largura do sinal resultante e igual à soma das larguras dos sinais originais.
P
Propriedade 1.7:
Sistemas lineares invariantes no tempo s ao causais se e somente se a resposta ao impulso e nula para
instantes negativos, ou seja
h[n] = 0 para n < 0 sistema causal
pois
y[n] = x[n] h[n] =
1
k=
x[n k]h[k] +
+
k=0
x[n k]h[k]
e, se h[k] = 0 para k < 0, a sada y[n] dependeria de valores futuros da entrada x[n].
Exemplo 1.17: Observe que os ltros passa-alta e passa-baixa, cujas respostas ao impulso foram
calculadas no Exemplo 1.13, s ao sistemas causais.
O sistema linear invariante no tempo cuja resposta ao impulso e
h[n] = [n + 1]
e nao causal, pois h[1] = 1. Note que y[n] = x[n] h[n] = x[n + 1].
P
Propriedade 1.8:
Sistemas lineares invariantes no tempo s ao BIBO estaveis se e somente se a resposta impulso e abso-
lutamente somavel, isto e
+
n=
|h[n]| < + BIBO estavel
Prova:
Suciencia: se
+
n=
|h[n]| < +
entao
|y[n]|
+
k=
|x[n k]||h[k]| b
+
k=
|h[k]| < +
Necessidade: considere a entrada limitada
x[n] = sinal(h[n])
sendo a funcao sinal denida como
sinal(v) =
_
1 , v > 0
1 , v < 0
A sada y[n], para n = 0, e
y[0] =
+
k=
x[k]h[k] =
+
k=
sinal(h[k])h[k] =
+
k=
|h[k]| < +
pois a sada y[n] e limitada.
Exemplo 1.18: Considere um sistema linear invariante no tempo cuja resposta ao impulso e dada
por
h[n] =
n
u[n], 0 < < 1
Trata-se de um sistema causal BIBO est avel, pois h[n] = 0 para n < 0 e
+
n=
|h[n]| =
+
n=0
n
=
1
1
P
Denicao 1.13: Auto-fun cao
Um sinal de entrada e denominado auto-fun cao de um sistema se a sada correspondente for igual ao
sinal de entrada multiplicado por uma constante (em geral complexa).
Propriedade 1.9:
O sinal z
n
, z C, e uma auto-fun cao para sistemas lineares discretos invariantes no tempo se a
somatoria
H(z) =
+
k=
h[k]z
k
for nita, ou seja, se z pertence ao domnio
h
de H(z), pois
y[n] = z
n
h[n] =
+
k=
h[k]z
nk
= H(z)z
n
A funcao H(z) e denominada transformada Z da resposta ao impulso do sistema, ou funcao de trans-

ferencia.
A transformada Z de uma seq uencia x[n] (veja a Denicao 2.1 no Captulo 2) e dada por
X(z) = Z{x[n]} =
+
k=
x[k]z
k
com domnio
x
, isto e, conjunto dos z C (complexos) para os quais a soma e nita.
A rela cao (temporal) entre sada e entrada em um sistema linear discreto invariante no tempo e dada
pelo ganho complexo H(z) quando x[n] = z
n
.
11
Exemplo 1.19: A transformada Z da funcao h[n] =
n
u[n], 0 < < 1 do Exemplo 1.18 e dada
por
H(z) =
+
k=
k
u[k]z
k
=
+
k=0
_
z
_
k
=
1
1 /z
=
z
z
, |/z| < 1
h
= {z C : |z| > }
Note que trata-se de um sistema causal (h[n] = 0 para n < 0,
h
e o exterior de um crculo) e
BIBO est avel (h[n] e absolutamente som avel, polo em z = < 1).
P
Exemplo 1.20: A funcao de transferencia H(z) de um sistema linear invariante no tempo y[n] =
G{x[n]} descrito por
y[n + 1] = v[n] +x[n] , v[n + 1] = 2v[n] 2y[n] + 2x[n + 1] x[n]
e dada por
(p
2
+ 2p + 2)y[n] = (3p + 1)x[n] H(z) =
3z + 1
z
2
+ 2z + 2
sendo p o operador deslocamento em n, ou seja, px[n] = x[n + 1], . . . , p
k
x[n] = x[n +k].
A sada y[n] do sistema para a entrada
x[n] = 2
n
+ (2j)
n
+ exp(2jn)
e dada por
y[n] = (0.7)2
n
+ 1.36 exp(j0.629)(2j)
n
+ 2.32 exp(j0.542) exp(j2n)
Note que s o e possvel calcular y[n] = H(z)z
n
quando H(z) e nito. Note ainda que a solu cao y[n],
as vezes denominada forcada ou de regime, e computada sem considerar condi coes iniciais.
P
Propriedade 1.10: Transformada da Convolu cao
A transformada Z da convolucao de dois sinais e o produto das transformadas, ou seja,
Z
_
x[n] = x
1
[n] x
2
[n]
_
= Z{x
1
[n]}Z{x
2
[n]} ,
x
=
x
1

x
2
Prova: veja o Teorema 2.1 (Convolucao) do Captulo 2.
Exemplo 1.21: A funcao de transferencia do sistema dado pela associa cao em cascata de dois
sistemas cujas respostas ao impulso s ao
h
1
[n] = (0.5)
n
u[n], h
2
[n] = (0.2)
n
u[n]
e dada por
H(z) = H
1
(z)H
2
(z) =
z
2
(z 0.5)(z 0.2)
, |z| > 0.5
pois
H
1
(z) =
z
z 0.5
, |z| > 0.5, H
2
(z) =
z
z 0.2
, |z| > 0.2
P
1.1 Resposta em freq uencia
Denicao 1.14: Resposta em freq uencia
Se z = exp(j) (crculo unit ario) pertence ao domnio da funcao de transferencia do sistema linear
invariante no tempo H(z), a resposta em freq uencia do sistema e o valor de H(z) computado para
z = exp(j).
A resposta em freq uencia escreve-se como
M() exp(j()) = H(z)
z=exp(j)
= H
_
exp(j)
_
sendo M() o m odulo e () a fase de H(z)
z=exp(j)
Em geral, e desenhada na forma de m odulo e fase (diagrama de Bode
1
) ou na forma polar, para
[, +]. Representa a resposta em regime permanente de sistemas lineares invariantes no tempo
estaveis para entradas senoidais.
Propriedade 1.11:
Se h[n] e real, entao H
_
exp(j)
_
= H
_
exp(j)
_
, isto e M() e uma funcao par e () e uma
funcao mpar.
Prova:
H
_
exp(j)
_
=
+
k=
h[k] exp(jk) = H
_
exp(j)
_
H
_
exp(j)
_
= M() exp(j()) H
_
exp(j)
_
= M() exp(j())
Como
H
_
exp(j)
_
= M() exp(j())
entao M() = M() (fun cao par) e () = () (fun cao mpar).
Exemplo 1.22: Considere o Exemplo 1.5 (ltro passa-alta), dado por

y[n] =
x[n] x[n 1]
2
, n Z
Para x[n] = z
n
tem-se y[n] = H(z)z
n
, resultando na funcao de transferencia
H(z) =
(1 z
1
)
2
Portanto, a resposta em freq uencia e
H(z)
z=exp(j)
=
1 exp(j)
2
=
= j exp(j/2)
_
exp(j/2) exp(j/2)
2j
_
= j exp(j/2)sen(/2)
1
Hendrik Wade Bode, engenheiro eletricista americano do seculo XX.
1.1. Resposta em freq uencia 13
Portanto, tem-se
M() = |sen(/2)|
() =

2
sinal()

2
M() e () s ao mostrados na Figura 1.2. Observe o crescimento de M() para de 0 a + (ltro
passa-alta) e a entrada z = (1)
n
corresponde à freq uencia = 0 e que z = (1)
n
corresponde à
freq uencia = +. Note tambem que, para > 0 ou para < 0, a fase varia linearmente com a
freq uencia.
4 2 0 2 4
0.2
0
0.2
0.4
0.6
0.8
1
4 2 0 2 4
2
1.5
1
0.5
0
0.5
1
1.5
2

Figura 1.2: M() (m odulo) e () (fase) do ltro passa-alta do Exemplo 1.22.
P
Exemplo 1.23: No Exemplo 1.6 (ltro passa-baixa),
H(z) =
(1 +z
1
)
2
; H(z)
z=exp(j)
= exp(j/2) cos(/2)
implicando em
M() = | cos(/2)| ; () =
2
Neste caso, M() decresce quando varia de 0 a + (ltro passa-baixa), como mostrado na
Figura 1.3, juntamente com a fase (que tambem varia linearmente com a freq uencia).
P
4 2 0 2 4
0.2
0
0.2
0.4
0.6
0.8
1
4 2 0 2 4
2
1.5
1
0.5
0
0.5
1
1.5
2

Figura 1.3: M() (m odulo) e () (fase) do ltro passa-baixa do Exemplo 1.23.
Exemplo 1.24: Considere o sistema descrito pela equacao a diferencas de primeira ordem
y[n + 1] = y[n] +x[n + 1] (p )y[n] = px[n]
Para x[n] = z
n
, tem-se
(z )H(z) = z H(z) =
z
z
=
1
1 z
1
Supondo-se que z = exp(j)
h
, a resposta em freq uencia pode ser computada
H(z)
z=exp(j)
=
1
1 exp(j)
Para 0 < , trata-se de um ltro passa-baixa.
P
Propriedade 1.12: Funcao de transferencia racional
A equa cao a diferen cas
D(p)y[n] = N(p)x[n] , D(p) =
m
k=0
k
p
k
; N(p) =
k=0
k
p
k
com
m
= 1,
k
e
k
coecientes constantes e condi coes iniciais nulas descreve um sistema linear
invariante no tempo, cuja funcao de transferencia e
H(z) =
N(z)
D(z)
pois
D(p)H(z)z
n
= N(p)z
n
H(z)D(z) = N(z)
Para sistemas causais, m e o domnio
h
de existencia de H(z) e o exterior do menor crculo que
contem todos os polos de H(z). Em funcoes racionais, polos s ao as razes do denominador e zeros s ao
as razes do numerador.
1.1. Resposta em freq uencia 15
Sistemas lineares invariantes no tempo causais descritos por funcoes de transferencia racionais s ao
BIBO estaveis se e somente se os polos estiverem no interior do crculo unit ario.

y[n + 2]
1
4
y[n] = x[n + 1]
D(p)y[n] = N(p)x[n]
com
D(p) = p
2
1
4
, N(p) = p
que resulta na funcao de transferencia
H(z) =
N(z)
D(z)
=
z
z
2
0.25
=
4z
(2z + 1)(2z 1)
Note que os polos s ao 0.5, indicando que trata-se de um sistema BIBO est avel. Alem disso, se o
domnio de existencia de H(z) for dado por
h
= {z C, |z| > 0.5}
tem-se que o sistema e causal. A resposta em freq uencia e mostrada na Figura 1.4.
4 2 0 2 4
0
0.2
0.4
0.6
0.8
1
1.2
4 2 0 2 4
4
3
2
1
0
1
2
3
4

Figura 1.4: M() (m odulo) e () (fase) do sistema do Exemplo 1.25.
P
Propriedade 1.13:
A resposta em regime de um sistema linear invariante no tempo estavel com funcao de transferencia
H(z), com h[n] real e z = exp(j)
h
, para a entrada x[n] = cos(n), e
y[n] = M() cos(n +())
e, para a entrada x[n] = sen(n), e
y[n] = M()sen(n +())
sendo M() o m odulo e () a fase de H(z)
z=exp(j)
Prova:
y[n] = G{cos(n)} =
1
2
G{exp(jn)} +
1
2
G{exp(jn)} =
=
1
2
H
_
exp(j)
_
exp(jn) +
1
2
H
_
exp(j)
_
exp(jn) =
=
1
2
M() exp(jn +j()) +
1
2
M() exp(jn j()) = M() cos(n +())
Exemplo 1.26: A funcao de transferencia H(z) e o seu domnio para o sistema linear invariante
no tempo cuja resposta ao impulso e a convolucao de (n2
n
u[n]) (2
n
u[n 1]) s ao dados por
Z{n2
n
u[n]} =
0.5z
(z 0.5)
2
, |z| > 0.5 , Z{2
n
u[n 1]} =
z
(z 2)
, |z| < 2
H(z) =
0.5z
2
(z 0.5)
2
(z 2)
, 0.5 < |z| < 2
A sada do sistema para x[n] = 10 cos(n/3) + 5 exp(jn/5) e
y[n] = 3.85 cos(n/3 0.524) + 4.27 exp(jn/5 j0.459)
pois
H(z)
z=exp(j/3)
= 0.385 exp(j0.524) , H(z)
z=exp(j/5)
= 0.854 exp(j0.459)
P
1.2 Exerccios
Exerccio 1.1: Considere x[n] e y[n] dados por
x[n] = [n + 1] [n] +u[n 1] u[n 2] , y[n] = x[4 2n]
Escreva y[n] na forma de soma de impulsos e impulsos deslocados, isto e, determine a
k
, b
k
tais que
y[n] =
k
a
k
[n b
k
] , b
k
Z , a
k
R
Exerccio 1.2: Determine
+
n=
(3n 1)
2
[2n + 3]
1.2. Exerccios 17
Exerccio 1.3: Considere o sistema y[n] = G{x[n]} descrito pela equacao a diferencas
y[n + 1] +
1
4
y[n] = x[n + 1] x[n 1]
a) Determine H(z)
H(z) =
+
k=
h[k]z
k
, h[n] = G{[n]}
b) Determine o modulo e a fase de H(z) em z = exp(j/3).
c) Determine a sada y[n] em regime para
x[n] = 3sen(2n) +
1
3
cos(n/2)
Exerccio 1.4: Esboce o modulo de H(z)
z=exp(j)
para (, +), sendo H(z) a transformada Z da
resposta ao impulso do sistema discreto descrito por
y[n] =
x[n + 1] 2x[n] +x[n 1]
4
Exerccio 1.5: Determine e esboce
x[n] = x
1
[n] x
2
[n]
para
x
1
[n] = u[n] u[n 1] u[n 2] +u[n 3] , x
2
[n] = u[n 1] u[n 2]
Exerccio 1.6: a) Determine a funcao de transferencia H(z) de um sistema linear invariante no tempo y[n] =
G{x[n]} descrito por
y[n + 1] = v[n] +x[n] , v[n + 1] = 2v[n] 2y[n] + 2x[n + 1] x[n]
b) Determine a sada forcada y[n] do sistema para a entrada x[n] = 10(2
n
) 25(3
n
)
Exerccio 1.7: Determine e esboce a convolucao de g[n] = [n + 1] [n 1] com a resposta ao impulso do
sistema
y[n] =
n
k=n2
x[k]
Exerccio 1.8: Considere o sistema y[n] = G{x[n]} descrito pela equacao a diferencas
y[n + 1]
1
2
y[n] =
1
2
x[n + 1]
1
2
x[n 1]
a) Determine H(z)
H(z) =
+
k=
h[k]z
k
, h[n] = G{[n]}
b) Determine o modulo e a fase em z = exp(j/5) de H(z).
c) Determine a sada y[n] em regime para
x[n] = 3sen(3n) +
1
3
cos(n/3)
Exerccio 1.9: Determine e esboce a convolucao de
g[n] = u[n + 1] u[n 2]
com a resposta ao impulso do sistema denido por
y[n] =
+
k=
x[k]h[n k] , h[n] = u[n] u[n 2]
Exerccio 1.10: Determine o modulo M() de H(z = exp(j)) para = /2, sendo H(z) a transformada Z
da resposta ao impulso do sistema discreto descrito por
y[n + 2] 4y[n + 1] + 4y[n] = x[n]
Exerccio 1.11: Considere o sistema discreto descrito por
y[n] =
1
2
x[n]
1
2
x[n 1]
a) Determine y[n] para x[n] = 1 e para x[n] = (1)
n
b) Esboce o modulo de H(z)
z=exp(j)
para entre e +, sendo H(z) a transformada Z da resposta ao
impulso do sistema.
Exerccio 1.12: a) Determine y[n] = x
1
[n] x
2
[n], para
x
1
[n] = u[n + 2] u[n] , x
2
[n] = [n + 1] +[n 2]
e escreva y[n] na forma de soma de impulsos e impulsos deslocados, isto e, determine a
k
, b
k
tais que
y[n] =
k
a
k
[n b
k
] , b
k
Z , a
k
R
b) Determine a expressao e esboce x[n] y[n] para
x[n] = [n + 1] + 2(u[n 1] u[n 3]) , y[n] = [n + 1] 2[n 1]
c) Determine e esboce x
1
[n] x
2
[n] para
x
1
[n] = [n] +[n 1] +[n + 1] , x
2
[n] = [n + 1] [n 1]
Exerccio 1.13: Considere o sistema descrito por
y[n] =
+
k=
x[k] exp(n k)u[n k]
a) O sistema e causal? b) O sistema e BIBO est avel?
Dica: calcule a resposta ao impulso do sistema.
Exerccio 1.14: Considere o sistema descrito por y[n] = x[n] (
(n1)
u[n 1]) , || < 1
a) O sistema e linear? b) O sistema e invariante no tempo? c) O sistema e causal?
d) O sistema e BIBO est avel?
Exerccio 1.15: a) Determine e esboce o modulo de H(z) para o sistema descrito pela equacao a diferencas
y[n] =
1
2
x[n + 1]
1
2
x[n 1]
sendo x[n] = z
n
e y[n] = H(z)z
n
, para z = exp(j), com entre e +.
b) Determine e esboce a fase de H(z) c) Determine y[n] para x[n] = sen(2n) + cos(3n)
Exerccio 1.16: a) Determine H(z) para o sistema y[n] = G{x[n]} descrito pela equacao a diferencas
y[n + 1] y[n] = x[n + 2] x[n 2] , || < 1
b) Determine o modulo e a fase em z = exp(j/5) de H(z) para o sistema y[n] = G{x[n]} descrito pela equacao
a diferencas
y[n + 1] 0.5y[n] = x[n + 2] x[n 2]
c) Determine a sada y[n] em regime do sistema do item b) para x[n] = 30sen(2n) + (1/3) cos(n/2)
Exerccio 1.17: a) Determine a resposta ao impulso do sistema descrito por
y[n] =
+
k=
(n k)x[k]u[n k]
b) Classique quanto à: linearidade, invariancia no tempo, causalidade e BIBO estabilidade.
Exerccio 1.18: a) Determine a resposta ao impulso do sistema descrito por
y[n] =
+
k=
(k 1)u[k 1]x[n k]
b) Classique o sistema quanto à: linearidade, invariancia no tempo, causalidade e BIBO estabilidade.
1.2. Exerccios 19
Exerccio 1.19: Classique os sistemas quanto à linearidade e invariancia no tempo
a) y[n] =
x[n] +x[n 1]
2
b) y[n] = 2
n
(x[n] +x[n 1])
Exerccio 1.20: Classique os sistemas quanto à linearidade e invariancia no tempo
a) y[n] =
n
k=n1
2
1
x[k] b) y[n] =
n
k=n1
2
k
x[k]
c) Esboce a convolucao de g[n] = [n] [n 1] com a resposta ao impulso do sistema denido no item a).
Exerccio 1.21: Determine H(z) = Y
3
(z)/X
1
(z) para o sistema composto por tres subsistemas em cascata
(isto e, a sada do primeiro e entrada do segundo, e a sada do segundo e entrada do terceiro), sendo o primeiro
um sistema linear invariante no tempo cuja resposta ao impulso e
h
1
[n] = n
n
u[n]
o segundo dado por
y
2
[n] =
+
k=
nk
u[n k]x
2
[k]
e o terceiro um sistema linear invariante no tempo descrito pela equacao a diferencas
y
3
[n + 1] y
3
[n] = x
3
[n]
Exerccio 1.22: Determine as convolucoes e as condi coes sobre o par ametro C para a existencia das
convolucoes, i.e. para que as convolucoes sejam nitas,
a) (
n
u[n]) (
n
u[n]) b) (
n
u[n]) (
n
u[n]) c) (
n
u[n]) (
n
u[n])
Captulo 2
Transformada Z
Denicao 2.1: Transformada Z
A transformada Z da seq uencia x[n] e dada por
X(z) = Z{x[n]} =
+
k=
x[k]z
k
para z
x
, isto e, conjunto dos z C (complexos) para os quais a soma e nita.
Alguns autores denem a transformada Z com a soma no intervalo k [0, +), por tratarem ex-
clusivamente de sinais à direita (isto e, sinais que s ao nulos para k < 0). Nesse contexto, as vezes e
tambem chamada de transformada Z unilateral.
Propriedade 2.1: Transformada Z da Funcao Impulso
Z
_
[n]
_
=
+
k=
[k]z
k
= 1 ,
= C
Exemplo 2.1:
Z
_
[n m]
_
=
+
k=
[k m]z
k
= z
m
, m Z
+
sendo Z
+
o conjunto dos n umeros inteiros positivos. O domnio da transformada e o conjunto dos
complexos, com exce cao de z = 0.
P
Exemplo 2.2:
Z
_
[n +m]
_
=
+
k=
[k +m]z
k
= z
m
, m Z
+
e o domnio e o conjunto dos complexos, com exce cao de |z| +.
P
Propriedade 2.2: Soma
Se o limite
lim
z1
Z{x[n]}
e nito e unico, entao
lim
z1
Z{x[n]} = lim
m+
m
k=
x[k]
20
21
Portanto, se
z = 1
x
entao
Z{x[n]}
z=1
=
+
k=
x[k]
Propriedade 2.3: Soma Geometrica

m
k=0
a
k
=
1 a
m+1
1 a
, a C ; se |a| < 1
+
k=0
a
k
=
1
1 a
pois
m
k=0
a
k
a
m
k=0
a
k
= 1 a
m+1
k=0
a
k
=
1 a
m+1
1 a
Propriedade 2.4: Transformada Z de x[n] = a

n
u[n]
X(z) = Z{x[n]} = Z{a
n
u[n]} =
+
k=0
(a/z)
k
=
1
1 az
1
=
z
z a
,
x
= {z C, |z| > |a|}
Note que o domnio de existencia
x
e o exterior do crculo de raio |a| centrado na origem e, portanto,
o polo (isto e, a raiz z = a do denominador) nao pertence ao domnio.
Exemplo 2.3 (Transformada Z do degrau):

Z{u[n]} =
+
n=
z
n
u[n] =
1
1 z
1
=
z
z 1
,
u
= {z C : |z| > 1}
P
Exemplo 2.4:
x[n] = exp(jn)u[n] =
_
exp(j)
_
n
u[n] , > 0
cuja transformada Z e dada por
X(z) =
z
z exp(j)
,
x
= {z C : |z| > 1}
P
Exemplo 2.5:
x[n] = exp(jn)u[n] =
_
exp(j)
_
n
u[n] , > 0
cuja transformada Z e dada por
X(z) =
z
z exp(j)
,
x
= {z C : |z| > 1}
P
22 Captulo 2. Transformada Z
Propriedade 2.5:
Z{x[n] = a
n
u[n 1]} =
+
n=
a
n
z
n
u[n 1] =
1
n=
(z/a)
n
=
+
n=1
(z/a)
n
=
(z/a)
1 (z/a)
=
z
z a
x
= {z C : |z| < |a|}
Observe que a expressao da transformada Z e a mesma da transformada apresentada na Proprie-
dade 2.4, porem o domnio de convergencia e o interior do crculo de raio |a| centrado na origem.
Propriedade 2.6: Linearidade

Z{x[n] = ax
1
[n] +bx
2
[n]} = aZ{x
1
[n]} +bZ{x
2
[n]} ,
x
=
x
1

x
2
ou seja, a transformada Z e linear e o domnio de convergencia e (no mnimo) a interse cao dos domnios.
Exemplo 2.6:
x[n] = a
n
_
u[n] u[n m]
_
, m Z
+
Z{x[n]} =
m1
k=0
a
k
z
k
=
1 (a/z)
m
1 (a/z)
=
1
z
m1
z
m
a
m
z a
Observe (por exemplo, usando a regra de lHopital
1
) que a transformada e nita quando z a,
implicando que a nao e um polo de X(z). O domnio da transformada e o conjunto dos complexos
exceto z = 0.
P
Exemplo 2.7:
x[n] = a
|n|
= a
n
u[n 1] +a
n
u[n]
Z{x[n]} =
1
k=
a
k
z
k
+
+
k=0
a
k
z
k
O segundo termo converge para
z
z a
, |z| > |a|
e o primeiro termo produz
(az)
1
k=
a
k1
z
k1
= (az)
0
k=
(az)
k
= (az)
+
k=0
(az)
k
=
az
1 az
, |z| < |1/a|
Para |a| > 1, nao ha interse cao entre as regi oes e portanto a transformada Z nao existe. De fato, a
serie a
|n|
, para |a| > 1, diverge para n e para n +.
Para |a| < 1, a transformada e dada por
1
Guillaume De lH opital, matematico frances do seculo XVII.
23
X(z) =
z
z a

z
z 1/a
e o domnio da transformada e a coroa circular centrada na origem dado por
|a| < |z| <
1
|a|
P
Propriedade 2.7: Domnio da Transformada Z
O que determina o domnio da transformada Z de uma funcao x[n] e a convergencia da soma que
dene a transformada Z{x[n]}, isto e, o domnio e o conjunto de valores de z para os quais a soma e
nita.
Os polos (valores de z para os quais a funcao tende para innito; em geral, s ao as razes do denomi-
nador) nao pertencem ao domnio.
O domnio nao pode ser obtido apenas a partir da expressao da transformada X(z). Por exemplo,
a transformada Z do degrau e dada por
z
z 1
e existe para todo z = 1. No entanto, o domnio e a regi ao |z| > 1.
O domnio e denido por restricoes sobre o m odulo de z.
Se x[n] tem dura cao nita, o domnio
x
e todo o plano complexo, exceto (possivelmente) z = 0
e/ou |z| +.
Se x[n] = 0 para n < m, m Z (sinal à direita), o domnio (se existir) e o exterior do menor crculo
que contem todos os polos.
Se x[n] = 0 para n > m, m Z (sinal à esquerda), o domnio (se existir) e o interior do maior crculo
que nao contem nenhum polo.
Propriedade 2.8: Transformada Z de x[n] = a

n
X(z) = Z{x[n]} =
+
k=
a
k
z
k
=
+
k=0
(a/z)
k
+
1
k=
(a/z)
k
Para |z| |a|, o primeiro termo diverge e, para |z| |a|, o segundo termo diverge. Portanto, nao
existe a transformada Z de x[n] = a
n
(a soma diverge em todo z C).
Exemplo 2.8:
x[n] = 2
n+1
cos(3n)u[n] =
_
2 exp(j3)
_
n
u[n] +
_
2 exp(j3)
_
n
u[n]
X(z) =
z
z 2 exp(j3)
+
z
z 2 exp(j3)
,
x
= {z C : |z| > 2}
P
Teorema 2.1: Teorema da Convolu cao
A transformada Z da convolucao de dois sinais e o produto das transformadas, ou seja,
Z
_
x[n] = x
1
[n] x
2
[n]
_
= Z{x
1
[n]}Z{x
2
[n]} ,
x
=
x
1

x
2
Prova:
Z
_
x
1
[n] x
2
[n]
_
=
+
k=
_
+
n=
x
1
[n]x
2
[k n]
_
z
k
=
+
k=
+
n=
x
1
[n]z
n
x
2
[k n]z
(kn)
=
+
n=
x
1
[n]z
n
+
k=
x
2
[k n]z
(kn)
=
+
n=
x
1
[n]z
n
+
m=
x
2
[m]z
m
= X
1
(z)X
2
(z)
y
Exemplo 2.9: A seq uencia denida pela convolucao
y[n] = x[n] x[n] , x[n] = [n 1] +[n + 1]
pode ser calculada pelo Teorema 2.1, resultando em
Y (z) = X(z)X(z) = (z
1
+z)(z
1
+z) = z
2
+ 2 +z
2
y[n] = [n 2] + 2[n] +[n + 2]
P
Propriedade 2.9: Operador Derivada
Z{y[n] = nx[n]} =
_
z
d
dz
_
X(z) ,
y
=
x
pois
d
dz
Z{x[n]} =
d
dz
_
+
n=
x[n]z
n
_
= z
1
+
n=
nx[n]z
n
z
d
dz
Z{x[n]} = Z{nx[n]}
Z{y[n] = n
2
x[n]} =
_
z
d
dz
_
2
X(z) ,
y
=
x
pois
Z{n
2
x[n]} = Z{nv[n]} =
_
z
d
dz
_
V (z) =
_
z
d
dz
__
z
d
dz
_
X(z)
Generalizando,
Z{y[n] = n
m
x[n]} =
_
z
d
dz
_
m
X(z) ,
y
=
x
Exemplo 2.10:
Z{na
n
u[n]} =
_
z
d
dz
_
(1 az
1
)
1
=
az
1
(1 az
1
)
2
=
az
(z a)
2
, |z| > |a|
P
25
Exemplo 2.11:
Z{n
2
a
n
u[n]} =
_
z
d
dz
_
(az
1
)(1 az
1
)
2
=
az
1
(1 az
1
)
2
+
2a
2
z
2
(1 az
1
)
3
=
=
az
1
(1 az
1
)
2
+
2a
2
z
2
(1 az
1
)
3
=
az
2
+a
2
z
(z a)
3
, |z| > |a|
P
Propriedade 2.10: Deslocamento à Direita (atraso)
Z{y[n] = x[n m]u[n m]} = z
m
Z{x[n]u[n]} , m Z
+
,
y
=
x
pois
Z{x[n m]u[n m]} =
+
k=
x[k m]u[k m]z
k
=
+
k=
x[k]u[k]z
(k+m)
= z
m
Z{x[n]u[n]}
Exemplo 2.12:
Z{(a)
n1
u[n 1]} = z
1
Z{(a)
n
u[n]} = z
1
z
z +a
=
1
z +a
, |z| > |a|
P
Propriedade 2.11: Deslocamento à Esquerda (avan co)
Z{x[n + 1]u[n]} = z
_
Z{x[n]u[n]} x[0]
_
pois
Z{x[n + 1]u[n]} =
+
n=
x[n + 1]u[n]z
n
= z
+
n=
x[n + 1]u[n]z
(n+1)
= z
+
n=
x[n]u[n 1]z
n
= z
_
+
n=
x[n]u[n]z
n
x[0]
_
Observe que, se x[0] = 0, multiplicar a transformada por z equivale a deslocar x[n] para x[n + 1]
Propriedade 2.12:
Z{x[n + 2]u[n]} = z
2
_
Z{x[n]u[n]} x[0] z
1
x[1]
_
pois
y[n] = x[n + 1]u[n] y[0] = x[1] , y[n + 1] = x[n + 2]u[n + 1]
Z{x[n + 2]u[n]} = Z{y[n + 1]u[n]} = z
_
Z{y[n]u[n]} y[0]
_
=
= z
_
Z{x[n + 1]u[n]} x[1]
_
= z
_
z
_
Z{x[n]u[n]} x[0]
_
x[1]
_
Generalizando,
Z{x[n +m]u[n]} = z
m
_
Z{x[n]u[n]}
m1
k=0
x[k]z
k
_
, m Z
+

Exemplo 2.13:
Z{(n + 1)a
n
u[n]} = z
_
Z
_
na
n1
u[n]
_
(na
n1
)
n=0
_
pela Propriedade 2.11 (avanco).
Utilizando a Propriedade 2.9 (operador derivada), tem-se
Z{na
n1
u[n]} =
_
z
d
dz
_
Z{a
n1
u[n]}
Como
Z{a
n1
u[n]} =
1
a
(1 az
1
)
1
Z{(n + 1)a
n
u[n]} = Z
__
n + 1
1
_
a
n
u[n]
_
= (1 az
1
)
2
, |z| > |a|
sendo a combinacao de n termos m a m dada por
_
n
m
_
=
n!
m!(n m)!
, 0 m n , m, n N = {0, 1, 2, . . .}
P
Exemplo 2.14:
Z
__
n + 2
2
_
a
n
u[n]
_
= Z
_
(n + 2)(n + 1)
2
a
n
u[n]
_
= zZ
_
(n + 1)n
2
a
n1
u[n]
_
=
= z
_
z
d
dz
_
Z
_
(n + 1)
2
a
n1
u[n]
_
=
z
2a
_
z
d
dz
_
(1 az
1
)
2
pelo resultado do Exemplo 2.13. Portanto,
Z
__
n + 2
2
_
a
n
u[n]
_
= (1 az
1
)
3
, |z| > |a|
P
Propriedade 2.13: Combinat oria
Generalizando os exemplos 2.13 e 2.14, tem-se
Z
__
n +m
m
_
a
n
u[n]
_
= (1 az
1
)
(m+1)
=
z
m+1
(z a)
m+1
, m N , |z| > |a|
Propriedade 2.14: Combinat oria com Deslocamento

Z
__
n
m
_
a
nm
u[n]
_
=
z
(z a)
m+1
, |z| > |a| , m N
pois, aplicando a Propriedade 2.10 (atraso) na Propriedade 2.13 (combinat oria), tem-se
z
m
Z
__
n +m
m
_
a
n
u[n]
_
= Z
__
n
m
_
a
nm
u[n m]
_
=
z
m
(1 az
1
)
m+1
=
z
(z a)
m+1
27
Observe que a combinacao de n elementos m a m nao estaria denida para n < m, mas, para n 0,
tem-se
_
n
m
_
=
1
m!
(n m+ 1) n
que e igual a zero para n < m. Assim,
Z
__
n
m
_
a
nm
u[n]
_
=
z
(z a)
m+1
, |z| > |a| , m N
Propriedade 2.15: Reversao no Tempo

y[n] = x[n] Y (z) = X(z
1
) ,
y
= {z
1

x
}
pois
X(z) =
+
k=
x[k]z
k
X(z
1
) =
+
k=
x[k]z
k
=
+
k=
x[k]z
k
= Z{y[n]}
Exemplo 2.15: A transformada Z de x[n] =

n
u[n] pode ser obtida denindo-se
y[n] = x[n] =
n
u[n] Y (z) =
z
z
1
, |z| >
1
implicando em
X(z) =
z
1
z
1
1
=

z
, |z| <
De fato, pela denicao de transformada Z tem-se
Z{x[n]} =
+
k=
k
u[k]z
k
=
+
k=0
(z/)
k
=
1
1 z/
, |z/| < 1
P
Propriedade 2.16: Valor Inicial
Considere x[n] um sinal à direita de n = 0, isto e, x[n] = x[n]u[n] com x[0] nito, cuja transformada
X(z) possui domnio
x
nao vazio. Entao,
x[0] = lim
|z|+
X(z)
Prova:
Como x[n] = 0 para n < 0, o domnio
x
e o exterior de um crculo de raio limitado (para X(z)
racional, o domnio e o exterior do crculo de menor raio que contem os polos), e portanto |z| +
pertence a
x
.
X(z) =
+
n=
x[n]u[n]z
n
= x[0] +
+
n=1
x[n]z
n
lim
|z|+
X(z) = x[0]
Observe que se X(z) for racional (razao de dois polin omios em z), a ordem do numerador e necessa-
riamente menor ou igual à do denominador para que o limite exista. Nesse caso, X(z) e denominada
funcao propria.

Propriedade 2.17: Valor Final
Considere X(z) com domnio |z| > , 0 < 1.
Se o limite
lim
z1
(z 1)X(z)
e nito, entao
lim
m+
x[m] = lim
z1
(z 1)X(z)
Prova:
Considere a seq uencia à direita y[n] dada por
y[n] = x[n + 1]u[n] x[n]u[n]
m
k=
y[k] = x[m+ 1] x[0] , m 0
Pela Propriedade 2.2 (soma), tem-se
lim
z1
Y (z) = lim
m+
m
k=
y[k] = lim
m+
x[m] x[0]
Aplicando a transformada Z em y[n], tem-se
Y (z) = Z{x[n + 1]u[n]} Z{x[n]u[n]} = zX(z) zx[0] X(z) = (z 1)X(z) zx[0]
Portanto,
lim
z1
Y (z) = lim
z1
(z 1)X(z) x[0] lim
z1
(z 1)X(z) = lim
m+
x[m]
Observe que, como (z 1)X(z) deve ser nito em z = 1, X(z) pode no m aximo ter um polo em z = 1.
Note tambem que z = 1 nao necessariamente precisa pertencer ao domnio.
Exemplo 2.16: Considere

X(z) =
z + 1
z + 1/3
, |z| > 1/3
Ent ao,
x[0] = lim
|z|+
X(z) = 1
+
k=
x[k] = lim
z1
X(z) = 3/2
lim
n+
x[n] = lim
z1
(z 1)X(z) = lim
z1
(z 1)(z + 1)
z + 1/3
= 0
P
29
Propriedade 2.18: Transformada Inversa
A transformada inversa da transformada Z de funcoes racionais pode ser computada pelo algoritmo
de Briot-Runi
2
de divisao de polin omios.
A transformada inversa da transformada Z cujo domnio e o exterior de um crculo e uma seq uencia
à direita.
A transformada inversa da transformada Z cujo domnio e o interior de um crculo e uma seq uencia
à esquerda.
A transformada inversa da transformada Z cujo domnio e uma coroa circular centrada na origem e
uma seq uencia que existe à esquerda e à direita do zero.
A transformada inversa da transformada Z cujo domnio e todo o plano complexo, exceto possivel-
mente ou z = 0, ou |z| + ou ambos, e dada por uma seq uencia de dura cao nita.

X(z) =
z
z a
, |z| > |a|
Ent ao
z z a
z a 1 +az
1
+a
2
z
2
+
a
a a
2
z
1
a
2
z
1
X(z) =
z
z a
= 1 +az
1
+a
2
z
2
+ x[n] = a
n
u[n]
pois, comparando X(z) com a denicao de transformada Z, obtem-se os termos x[n] (identidade de
polin omios).
Note que a serie converge apenas para |z| > |a|.
P
X(z) =
z
z a
, |z| < |a|
Ent ao
z a +z
z a
1
z
2
a
1
z a
2
z
2
+
a
1
z
2
a
1
z
2
a
2
z
3
a
2
z
3
X(z) =
z
z a
= a
1
z
_
1 +a
1
z +a
2
z
2
+
_
= a
1
z
+
k=0
a
k
z
k
=
+
k=0
a
k1
z
k+1
=
1
n=
a
n
z
n
=
+
n=
a
n
u[n 1]z
n
Comparando polin omios, trata-se da transformada Z de x[n] = a
n
u[n 1] (veja a Proprie-
dade 2.5). Note que a serie converge apenas para
2
Charles Auguste Briot, frances do seculo XIX e Paolo Runi, italiano do seculo XVIII.
|za
1
| < 1 |z| < |a|
P
Exemplo 2.19 (Transformada inversa):
X(z) =
2z
2
5z
(z 2)(z 3)
=
z
z 2
+
z
z 3
, |z| > 3
Para o domnio em quest ao, tem-se
x[n] = (2
n
+ 3
n
)u[n]
Note que a Propriedade 2.2 (soma) nao se aplica, pois z = 1 nao pertence ao domnio. De fato,
X(1) = 3/2 e a soma diverge.
A Propriedade 2.16 (valor inicial) e vericada, pois
X(+) = 2 e x[0] = 2
Neste caso, tambem nao se aplica a Propriedade 2.17 (valor nal), pois o domnio nao verica a
hip otese |z| > com 1.
P
X(z) =
2z
2
5z
(z 2)(z 3)
=
z
z 2
+
z
z 3
, |z| < 2
Para o domnio em quest ao, tem-se
x[n] = (2
n
+ 3
n
)u[n 1]
A Propriedade 2.2 (soma) e vericada, pois z = 1 pertence ao domnio
X(1) = 3/2 e
+
n=
x[n] = 3/2
N ao se aplicam as propriedades 2.16 (valor inicial) e 2.17 (valor nal), pois z + nao pertence
ao domnio e o domnio e o interior de um crculo (e, portanto, a funcao x[n] nao e à direita).
P
X(z) =
2z
2
5z
(z 2)(z 3)
=
z
z 2
+
z
z 3
, 2 < |z| < 3
x[n] = 2
n
u[n] 3
n
u[n 1]
N ao se aplicam as propriedades 2.2 (soma), 2.16 (valor inicial) e 2.17 (valor nal).
P
31
X(z) =
1
z a
, |z| > |a|
e dada por (usando Briot-Runi)
X(z) =
1
z a
= z
1
+az
2
+a
2
z
3
+ x[n] = a
n1
u[n 1]
Observe que
X(z) = z
1
z
z a
= z
1
Z{a
n
u[n]} x[n] = a
n1
u[n 1]
pela Propriedade 2.10 (atraso).
P
A transformada Z inversa de funcoes racionais proprias X(z) com domnio no exterior de um crculo
(series à direita) pode ser obtida pela Propriedade 2.14 (combinat oria com deslocamento) por meio
da expans ao em fracoes parciais de X(z)/z na variavel z.
Exemplo 2.23 (P olos distintos): Considere = 1 e Y (z) dado por
Y (z) =
z
2
(z )(z 1)
, |z| > max{||, 1}
Y (z)
z
=
z
(z )(z 1)
=
a
z
+
b
z 1
a =

1
, b =
1
1
Usando a Propriedade 2.14 (combinatoria com deslocamento), tem-se
y[n] = a
n
u[n] +bu[n] =
1
n+1
1
u[n]
P
Exemplo 2.24 (P olos m ultiplos): Para a transformada X(z) dada por
X(z)
z
=
z
(z 1)
3
=
a
1
z 1
+
a
2
(z 1)
2
+
a
3
(z 1)
3
, |z| > 1
tem-se a
1
= 0, a
2
= 1 e a
3
= 1. Portanto,
x[n] =
_
n
1
_
u[n] +
_
n
2
_
u[n] =
n(n + 1)
2
u[n]
P
Exemplo 2.25: Considere = 1 e a transformada Y (z) dada por
Y (z) =
z
2
(z 1)(z )
2
, |z| > max{||, 1}
Y (z)
z
=
z
(z 1)(z )
2
=
a
z 1
+
b
z
+
c
(z )
2
cujos coecientes s ao
a =

(1 )
2
, b =

(1 )
2
, c =

2
(1 )
Portanto,
y[n] = au[n] +b
n
u[n] +c
_
n
1
_
n1
u[n] =
=
_
a +b
n
+cn
n1
_
u[n] =

(1 )
2
_
1 (n + 1)
n
+n
n+1
_
u[n]
P
A transformada Z inversa de funcoes racionais proprias com domnio no exterior de um crculo (series
à direita) tambem pode ser obtida pela Propriedade 2.13 (combinat oria) por meio da expans ao em
fra coes parciais na variavel z
1
.
Exemplo 2.26: Retomando o Exemplo 2.23, com = 1 e Y (z) dado por
Y (z) =
z
2
(z )(z 1)
=
1
(1 z
1
)(1 z
1
)
=
a
1 z
1
+
b
1 z
1
, |z| > max{||, 1}
tem-se
a =
1
1 z
1
1z
1
=0
=

1
, b =
1
1 z
1
1z
1
=0
=
1
1
Usando a Propriedade 2.13 (combinatoria), obtem-se a seq uencia
y[n] = a
n
u[n] +bu[n] =
1
n+1
1
u[n]
Para = 1, tem-se
Y (z) =
1
(1 z
1
)
2
, |z| > 1
y[n] = Z
1
_
1
(1 z
1
)
2
_
= (n + 1)u[n] =
n
k=0
1
O mesmo resultado pode ser obtido aplicando a regra de lHopital na expressao de y[n]
y[n] = lim
1
1
n+1
1
= lim
1
(n + 1)
n
1
= n + 1
P
33
Exemplo 2.27: Retomando o Exemplo 2.24, com a transformada Z
Y (z) =
z
2
(z 1)
3
=
z
1
(1 z
1
)
3
=
a
1 z
1
+
b
(1 z
1
)
2
+
c
(1 z
1
)
3
, |z| > 1
Os coecientes s ao: a = 0, b = 1 e c = 1. Portanto,
y[n] =
_
(1)
_
n + 1
1
_
+
_
n + 2
2
__
u[n] =
n(n + 1)
2
u[n]
P
Exemplo 2.28: O Exemplo 2.25, com = 1 e a transformada Y (z) dada por
Y (z) =
z
2
(z 1)(z )
2
=
z
1
(1 z
1
)(1 z
1
)
2
, |z| > max{||, 1}
Y (z) =
a
1 z
1
+
b
1 z
1
+
c
(1 z
1
)
2
a =

(1 )
2
, b =

2
( 1)
2
, c =

( 1)
produz
y[n] = (a +b
n
+c(n + 1)
n
) u[n] =

(1 )
2
_
1 (n + 1)
n
+n
n+1
_
u[n]
P
Exemplo 2.29: Considere Y (z) dado por
Y (z) =
z
z
2
z 1
, |z| >
1
sendo
1
=
1 +
5
2
e
2
=
1
5
2
as razes do denominador.
Y (z) =
z
(z
1
)(z
2
)
=
z
1
(1
1
z
1
)(1
2
z
1
)
=
a
1
1
1
z
1
+
a
2
1
2
z
1
a
1
=
1
2
=
5
5
, a
2
=
1
1
=

5
5
resultando em
y[n] = a
1
n
1
+a
2
n
2
a
1
n
1
para n grande, pois |
2
| < 1
P
Exemplo 2.30: A transformada inversa x[n] de
X(z) =
z(z
2
3z + 3)
(z 1)(z 2)
2
=
z
z 1
+
z
(z 2)
2
, |z| < 1
pode ser obtida pela Propriedade 2.15 (reversao no tempo). Denindo y[n] = x[n], tem-se
Y (z) = X(z
1
) =
z
1
z
1
1
+
z
1
(z
1
2)
2
=
1
1 z
+
z
(1 2z)
2
=
1
z 1
+
1
4
z
(z 1/2)
2
, |z| > 1
implicando em
y[n] = u[n 1] +n2
(n+1)
u[n] x[n] = u[n 1] n2
n1
u[n]
P
2.1 Exerccios
Exerccio 2.1: Determine a sada y[n] de um sistema linear invariante no tempo cuja resposta ao impulso e
G{[n]} = [n + 1] u[n] +u[n 2]
para a entrada x[n] tal que Z{x[n]} = z z
2
, com z C {0}.
Exerccio 2.2: A seq uencia x[n] tem transformada Z dada por
X(z) =
4z
(2z 1)(1 + 2z)
, |z| > 0.5
Determine:
a)
+
k=
kx[k] b)
+
k=
x[k] c) x[1]
Exerccio 2.3: Determine x[0], x[1] e x[2] do sinal cuja transformada Z e dada por
X(z) =
+
n=
x[n]z
n
=
2z + 1
z
2
+ 4z + 3
; |z| > 3
Exerccio 2.4: Determine a transformada Z e o domnio
x
para x[n] dado por
Z{x[n]} =
+
k=
x[k]z
k
, x[n] = 3
n
cos
2
(2n)u[n]
Exerccio 2.5: Determine a seq uencia x[n] cuja transformada Z e domnio s ao dados por
a) X(z) =
+
k=
x[k]z
k
=
2z
(z 1)(z + 1)
, |z| < 1
b) X(z) =
+
k=
x[k]z
k
=
2z
(z 1)(z + 1)
, |z| > 1
Exerccio 2.6: Determine a transformada Z inversa (isto e, a seq uencia x[n]) de
X(z) =
2.5z
(z + 2)(z 0.5)
para os domnios:
a) |z| > 2 b) |z| < 0.5 c) 0.5 < |z| < 2
2.1. Exerccios 35
Exerccio 2.7: Determine, para o sistema descrito por
y[n + 1] = v[n] +x[n] , 2v[n + 1] + 2y[n + 1] +y[n] = x[n] , x[n] = n2
n
u[n]
a)
+
n=0
y[n] b)
+
n=0
ny[n]
X(z) =
z
2
z/4
(z + 0.5)(z 0.5)
, |z| > 0.5
Determine:
a)
+
k=
kx[k] b)
+
k=
x[k] c) x[1]
Exerccio 2.9: Mostre que u[n] u[n] = (n + 1)u[n]
a) pela denicao de convolucao (Deni cao 1.12) b) pelo Teorema 2.1
G{[n]} = 2[n 1] u[n] +u[n 2]
para a entrada x[n] tal que Z{x[n]} = z +z
1
, com z C {0}.
G{[n]} = [n + 1] +u[n] u[n 2]
para a entrada x[n] tal que Z{x[n]} = z z
1
G{[n]} = 2[n] [n 1] [n + 1] para a entrada x[n] tal que Z{x[n]} = z z
1
, z C {0}.
Exerccio 2.13: Determine a transformada inversa Z de
X(z) =
z + 1
z + 1/3
, |z| > 1/3
Solucao:
X(z) =
z
z + 1/3
+
1
z + 1/3
x[n] = (3)
n
u[n] + (3)
n+1
u[n 1]
ou, alternativamente,
X(z) = 1 + (2/3)
1
z + 1/3
x[n] = [n] + (2/3)(3)
n+1
u[n 1]
Exerccio 2.14: Determine Z{x[n] = 2
n
sen
2
(3n)u[n]} e o domnio
x
da transformada.
X(z) =
2.5z
(z 2)(z + 0.5)
para os domnios:
a) |z| > 2 b) |z| < 0.5 c) 0.5 < |z| < 2
Exerccio 2.16: Determine a seq uencia x[n] cuja transformada Z e dada por
a) X(z) =
2z
z
2
1
, |z| > 1 , b) X(z) =
2z
z
2
1
, |z| < 1
X(z) =
9
(z + 0.5)
3
(z 0.5)
2
, |z| > 0.5
Determine:
a) x[+] b) x[0] c)
+
k=
x[k]
X(z) =
z
3
z/4
(z + 0.5)(z 0.5)
, |z| > 0.5
Determine:
a)
+
k=
kx[k] b)
+
k=
x[k]
X(z) =
9
(z + 0.5)
2
(z 0.5)
2
, |z| > 0.5
Determine:
a) x[4] b) x[5]
Exerccio 2.20: a) Determine o modulo e a fase em z = exp(j/5) de H(z) para o sistema linear invariante
no tempo cuja resposta ao impulso e a convolucao de (n
n
u[n]) (n
n
u[n]), com = 0.5.
b) Determine a sada do sistema para a entrada x[n] = 3 cos(n/2) + 2sen(n/3)
X(z) =
16z
3
+ 10z
2
+ 2z
(z + 1/2)(z + 1/4)
2
, 1/4 < |z| < 1/2
X(z) =
16z
3
+ 10z
2
+ 2z
(z + 1/2)(z + 1/4)
2
, |z| > 0.5
Determine:
a) x[+] b) x[0] c)
+
k=
x[k] d)
+
k=
kx[k]
Exerccio 2.23: Determine a convolucao de n
n
u[n] com a seq uencia cuja transformada Z e dada por
2z
z
, |z| > ||
Captulo 3
Transformada Z Aplicada a
Probabilidade
A transformada Z e um operador matem atico eciente no tratamento de variaveis aleat orias discretas,
como por exemplo nas distribui coes de Bernoulli, binomial, geometrica, Poisson, Erlang, etc.
Considere a seq uencia enumeravel p[k] de escalares reais (positivos ou nulos) tal que
+
k=
p[k] = 1
na qual, freq uentemente, p[k] = 0 para k = 1, 2, 3, . . .
Denicao 3.1: Variavel Aleat oria Discreta
E uma funcao X à qual esta associada uma distribui cao de probabilidade

Pr{X = k} = p[k] 0 ;
+
k=
p[k] = 1
Denicao 3.2: Esperanca Matematica

E{f(X)} =
k
f(k)p[k]
Denicao 3.3: Momento de ordem m

E{X
m
} =
k
k
m
p[k] , m Z
+
Denicao 3.4: Media

x = E{X} =
k
kp[k]
ou seja, a media e o momento de primeira ordem.
Denicao 3.5: Variancia
2
X
=
k
(k x)
2
p[k]
37
38 Captulo 3. Transformada Z Aplicada a Probabilidade
Propriedade 3.1:
A variancia da variavel aleat oria X e igual ao momento de segunda ordem menos o momento de
primeira ordem ao quadrado, ou seja,
2
X
= E{X
2
} E{X}
2
pois
k
(k x)
2
p[k] =
k
k
2
p[k] 2 x
k
kp[k] + x
2
k
p[k] = E{X
2
} 2 x
2
+ x
2
Exemplo 3.1: Considere a equacao a diferencas de primeira ordem com 0 < < 1 que descreve
a cadeia markoviana da la M/M/1 (chegadas e servi cos com taxas independentes entre si que
dependem apenas do estado da cadeia, um servidor e la de espera nao limitada) dada por
p[n+1] = p[n] p[n+1] = p[n] , n N , = / ; p[n] = 0 , n < 0 ,
+
n=
p[n] = 1
Sendo a taxa de chegadas e a taxa de servi cos. Por substituicao sistematica, tem-se
p[1] = p[0] ; p[2] = p[1] =
2
p[0] ; p[3] = p[2] =
3
p[0] ; . . . ; p[n] =
n
p[0]
Como
+
k=0
k
=
1
1
tem-se
p[n] = (1 )
n
u[n] (u[n] = funcao degrau)
que e a distribuicao geometrica.
Observe que p[0] = 1 e a probabilidade do sistema estar vazio (servidor desocupado na teoria
de las).
P
Exemplo 3.2 (Bernoulli):
Pr{X = 1} = p > 0 , Pr{X = 0} = 1 p = q > 0
A variavel aleat oria de Bernoulli
1
modela processos com duas possibilidades; por exemplo, proba-
bilidade de um servidor estar livre ou ocupado.
E{X} =
k
kp[k] = 1p + 0(1 p) = p , E{X
2
} =
k
k
2
p[k] = 1p + 0(1 p) = p
2
X
= E{X
2
} E{X}
2
= p(1 p) = pq
P
1
Jacob (Jacques) Bernoulli, matematico sui co 16541705.
39
Denicao 3.6: Independencia
Duas variaveis aleat orias discretas s ao independentes se a probabilidade conjunta for igual ao produto
das probabilidades, isto e,
Pr{X = x, Y = y} = Pr{X = x} Pr{Y = y}
Propriedade 3.2: Independencia

Pr{X = x, Y = y} = Pr{X = x} Pr{Y = y} E{f(X)g(Y)} = E{f(X)}E{g(Y)}
pois
E{f(X)g(Y)} =
m
f(k)g(m) Pr{X = k, Y = m} =
=
k
f(k) Pr{X = k}
m
g(m) Pr{Y = m}
Denicao 3.7: Transformada Z

A transformada Z da serie p[n] e dada por
2
G
X
(z) = Z{p[n]} =
+
k=
p[k]z
k
Propriedade 3.3:
Z{p[n]} = E{z
X
}
pois
f(X) = z
X
E{f(X)} =
k
f(k) Pr{X = k} =
k
z
k
p[k] = Z{p[n]}
Exemplo 3.3: A transformada Z de uma variavel aleat oria constante igual a m, isto e,
Pr{X = m} = 1 , p[n] = [n m]
e dada por
G
X
(z) =
+
k=
[k m]z
k
= z
m
P
2
Note que a transformada Z e denida com z
k
(e nao z
k
) para car de acordo com a maior parte dos livros de
probabilidade. Duas conseq uencias importantes disso sao: a regi ao de convergencia para seq uencias à direita e o interior
de um crculo (e nao o exterior), e na Propriedade do Operador Derivada nao aparece o sinal negativo.
Exemplo 3.4: Seja X a variavel aleat oria que descreve o n umero de elementos na la M/M/1 do
Exemplo 3.1. A distribuicao de probabilidade e dada por
p[n] = (1 )
n
u[n] , 0 < < 1
A transformada Z de p[n] e dada por
G
X
(z) = (1 )
+
k=
(z)
k
u[k] =
1
1 z
, |z| <
1
Observe que a divisao dos polin omios da transformada Z produz a funcao inversa, isto e, a seq uencia
p[n].
G
X
(z) =
1
1 z
= (1 )(1 +z +
2
z
2
+ )
P
Z{p[n]}
z=1
= G
X
(1) =
k
p[k] = 1
Note que esta propriedade pode ser usada para testar eventuais erros nas expressoes das transformadas
Z das distribui coes de probabilidade.
Propriedade 3.5: Operador Derivada

_
zd
dz
_
m
Z{p[n]} = Z{n
m
p[n]} , m Z
+
pois
z
d
dz
Z{p[n]} = z
k
kz
k1
p[k] =
k
kp[k]z
k
= Z{np[n]}
e a aplicacao recorrente do operador
_
zd
dz
_
prova a propriedade.
Propriedade 3.6: Momentos

E{X
m
} =
_
zd
dz
_
m
Z{p[n]}
z=1
= Z{n
m
p[n]}
z=1
, m Z
+
Esta propriedade pode ser usada para o calculo dos momentos de ordem m.
Propriedade 3.7: Variancia
2
X
=
_
zd
dz
_
2
Z{p[n]}
z=1
__
zd
dz
_
Z{p[n]}
z=1
_
2

41
Propriedade 3.8: Serie de Taylor
Seq uencias p[n] à direita do zero podem ser calculadas a partir da serie de Taylor
3
de G
X
(z) em z = 0,
pois
G
X
(z) =
+
n=0
1
n!
d
n
dz
n
G
X
(z)
z=0
z
n
p[n] =
G
(n)
X
(0)
n!
Exemplo 3.5: Considere novamente a variavel aleat oria de Bernoulli do Exemplo 3.2, para a qual
Pr{X = 1} = p > 0 ; Pr{X = 0} = 1 p = q > 0 p[n] = q[n] +p[n 1]
No Exemplo 3.2, media e variancia foram obtidas pela denicao. Neste exemplo, a media e variancia
s ao determinadas pelas propriedades da transformada Z.
A transformada Z de p[n] e dada por
G
X
(z) =
+
k=
p[k]z
k
= (1 p) +zp = q +zp
O teste da soma e vericado, pois
G
X
(1) = q +p = 1
O momento de primeira ordem fornece
_
zd
dz
_
G
X
(z) = zp E{X} = p
e o momento de segunda ordem e dado por
_
zd
dz
_
2
G
X
(z) = zp = E{X
2
} = p
A variancia e
2
X
= p p
2
= pq
A expansao em serie de Taylor produz
G
X
(z) = q +zp p
0
= q , p
1
= p
que conrma a expressao da transformada.
P
Exemplo 3.6: Considere a distribuicao de probabilidade p[n] = (1 )
n
u[n], para 0 < < 1, do
Exemplo 3.4.
Note que p[n] e sempre maior ou igual a zero e a soma de p[n] para todo n e igual a 1 (veja a
Propriedade 2.3 da soma geometrica).
A media da variavel aleat oria X e
3
Brook Taylor, matematico ingles (16851731).
E{X} =
+
n=
nx[n] = Z{nx[n]}
z=1
Como
G
X
(z) = (1 )
1
1 z
= (1 )(1 z)
1
, |z| <
1
e 1
x
, tem-se
_
zd
dz
_
G
X
(z) = Z{nx[n]} = (1 )z(1 z)
2
Em z = 1,
E{X} =
+
n=
nx[n] =

1
O momento de segunda ordem da variavel aleat oria X e dado por
E{X
2
} =
+
n=
n
2
x[n]
_
zd
dz
_
2
G
X
(z) = Z{n
2
x[n]} = (1 )
_
z(1 z)
2
+ 2z
2
(1 z)
3
_
Em z = 1,
E{X
2
} =
+
2
(1 )
2
A variancia de X e dada por
E{X
2
} E{X}
2
=

(1 )
2
P
Propriedade 3.9: Somat oria de Variaveis Aleat orias
Se X
i
, i = 1, . . . , n s ao variaveis aleat orias discretas independentes e
W=
n
i=1
a
i
X
i
com a
i
, i = 1, . . . , n constantes, entao
G
W
(z) = E{z
W
} = E{z
n
i=1
a
i
X
i
} = G
X
1
(z
a
1
)G
X
2
(z
a
2
) G
X
n
(z
a
n
)
pois
E{z
n
i=1
a
i
X
i
} = E{z
a
1
X
1
} E{z
a
n
X
n
} = E{(z
a
1
)
X
1
} E{(z
a
n
)
X
n
} = G
X
1
(z
a
1
) G
X
n
(z
a
n
)

43
Exemplo 3.7 (Soma): Sejam X e Y variaveis aleat orias discretas e independentes. Ent ao
G
X+Y
(z) = G
X
(z)G
Y
(z)
ou seja, a transformada Z da soma de variaveis aleat orias independentes e o produto das transfor-
madas Z.
P
Exemplo 3.8 (Subtracao): Sejam X e Y variaveis aleat orias discretas e independentes. Ent ao
G
2XY
(z) = G
X
(z
2
)G
Y
(z
1
)
P
A propriedade seguinte mostra que a distribui cao de probabilidade associada ao produto de duas
transformadas Z e a convolucao das distribui coes individuais.
Propriedade 3.10:
Sejam
G
X
(z) =
k
x[k]z
k
, G
Y
(z) =
k
y[k]z
k
Entao,
G
X
(z)G
Y
(z) =
k
p[k]z
k
p[n] =
k
x[k]y[n k] = x[n] y[n]
pois
G
X
(z)G
Y
(z) =
k
x[k]z
k
m
y[m]z
m
=
m
x[k]y[m]z
k+m
=
k
x[k]y[n k]
. .
p[n]
z
n
O resultado da Propriedade 3.9 permite uma abordagem alternativa (ao processo de contagem) para
a denicao da variavel aleat oria binomial.
Exemplo 3.9 (Variavel aleat oria binomial): Considere X
1
, X
2
, . . . , X
n
variaveis aleat orias de Ber-
noulli, independentes e com a mesma distribuicao de probabilidade
Pr{X
i
= 1} = p > 0 , Pr{X
i
= 0} = 1 p = q > 0 , i = 1, . . . , n
Seja
Y = X
1
+X
2
+ +X
n
Observe que Pr{Y = k} = p[k] e a probabilidade de ocorrerem k acertos em n testes.
Pela Propriedade 3.9, tem-se
G
Y
(z) = G
X
1
(z) G
X
n
(z) = (q +zp)
n
Expandindo o bin omio de Newton
4
, tem-se
G
Y
(z) = (q +zp)
n
=
n
k=0
_
n
k
_
(zp)
k
q
(nk)
=
n
k=0
z
k
n!
k!(n k)!
p
k
q
(nk)
. .
p[k]
Observe que a fracao na expressao indica o n umero de possibilidades de ocorrer k acertos em n
testes, e o produto p
k
q
nk
indica a probabilidade de haver k acertos e n k erros.
A media e a variancia podem ser calculadas a partir da transformada Z
G
Y
(z) = (q +zp)
n
G
Y
(1) = (q +p)
n
= 1
_
zd
dz
_
G
Y
(z) = zn(q +zp)
(n1)
p y = E{Y} = np
_
zd
dz
_
2
G
Y
(z) = z
_
np (q +zp)
(n1)
+npz(n 1) (q +zp)
(n2)
p
_
E{Y
2
} = n
2
p
2
+np(1 p)
2
Y
= n
2
p
2
+np(1 p) n
2
p
2
= npq
Este resultado conrma que a media da soma de variaveis aleat orias e a soma das medias e que,
para variaveis aleat orias independentes, a variancia da soma e a soma das variancias.
P
A distribui cao binomial (n, p) tende para a distribui cao de Poisson
5
quando n tende para innito
mantendo-se constante o valor medio = np, isto e, considerando-se que p = /n decresca de maneira
apropriada.
Propriedade 3.11: Poisson como limite da binomial
lim
n+ , p=/n
(q +zp)
n
= exp
_
(z 1)
_
pois
G
Y
(z) = lim
n+ , p=/n
(q +zp)
n
= lim
n+
_
1 +
(z 1)
n
_
n
= exp
_
(z 1)
_
pois
lim
n+
_
1 +
a
n
_
n
= exp(a)
Expandindo G
Y
(z) em serie de Taylor, tem-se
G
Y
(z) = exp()
+
k=0
(z)
k
k!
p[k] = Pr{Y = k} =

k
k!
exp() , k N
4
Sir Isaac Newton, ingles (16431727).
5
Simeon Denis Poisson, matematico frances (17811840).
45
Uma demonstra cao alternativa pode ser feita diretamente da expressao da distribui cao da binomial.
Assim,
p[k] = Pr{Y = k} =
n!
k!(n k)!
p
k
(1 p)
nk
=
n!
k!(n k)!
k
n
k
_
1

n
_
nk
Portanto,
lim
n+
n!
k!(n k)!
k
n
k
_
1

n
_
nk
=

k
k!
_
lim
n+
_
1

n
_
nk
_
. .
exp()
_
lim
n+
n!
n
k
(n k)!
_
. .
1
pois
lim
n+
n!
(n k)!
1
n
k
= lim
n+
n
n
(n 1)
n

(n k + 1)
n
= 1
resultando em
p[k] = Pr{Y = k} =

k
k!
exp() , k N
Exemplo 3.10: A media e a variancia da distribuicao de Poisson podem ser calculadas a partir da
transformada Z.
Para uma variavel aleat oria de Poisson, tem-se
G
Y
(z) = exp() exp(z) G
Y
(1) = 1
_
zd
dz
_
G
Y
(z) = exp()z exp(z) y = E{Y} =
_
zd
dz
_
2
G
Y
(z) = z exp()
_
exp(z) +
2
z exp(z)
_
E{Y
2
} = +
2
2
Y
= +
2
2
=
Note que a media de uma variavel aleat oria poissoniana e igual à variancia.
P
Propriedade 3.12:
A soma de variaveis aleat orias poissonianas independentes e poissoniana pois, para Y = Y
1
+Y
2
G
Y
(z) = E{z
(Y
1
+Y
2
)
} = E{z
Y
1
} E{z
Y
2
} = G
Y
1
(z) G
Y
2
(z)
G
Y
(z) = exp
_
1
(z 1)
_
exp
_
2
(z 1)
_
= exp
_
(
1
+
2
)(z 1)
_
que trata-se de uma distribui cao poissoniana com media
1
+
2
.

3.1 Exerccios
Exerccio 3.1: A transformada Z da distribuicao de probabilidade de uma variavel aleat oria discreta e
E{z
X
} =
k
z
k
Pr{X = k} =
2z +z
2
3(2 z)
3
, |z| < 2
Determine: a) Pr{X = 0} b) A media de X
Exerccio 3.2: Determine a media de uma distribuicao de probabilidade cuja transformada Z e dada por
E{z
X
} =
+
k=
z
k
Pr{X = k} =
z
(z 2)
2
, |z| < 2
E{z
X
} =
k
z
k
Pr{X = k} =
2z
2
+z
3
3(2 z)
3
, |z| < 2
Exerccio 3.4: Determine a media, a variancia, a probabilidade Pr{Y = 0} e a probabilidade Pr{Y = 1} da
variavel aleat oria cuja transformada Z e dada por
E{z
Y
} =
k
z
k
Pr{Y = k} =
1
2
E{z
X
}(z
1
+z) , Pr{X = n} =
1
2
[n 2] +
1
2
[n + 2]
E{z
X
} =
k
z
k
Pr{X = k} =
(1 )
2
(1 z)
2
, |z| < 1/ , 0 < < 1
Exerccio 3.6: Considere X e Y variaveis aleat orias independentes com distribuicao geometrica identicamente
distribudas, isto e,
Pr{X = n} = Pr{Y = n} = (1 )
n
u[n]
a) Determine a transformada Z da variavel aleat oria W= X +Y
b) Determine as probabilidades: Pr{W= 0} , Pr{W= 1}
E{z
X
} =
k
z
k
Pr{X = k} =
z(1 )
2
(1 z)
2
, |z| < 1/ , 0 < < 1
Exerccio 3.8: Considere X e Y variaveis aleat orias independentes identicamente distribudas com distribuicao
geometrica, isto e,
Pr{X = n} = Pr{Y = n} = (1 )
n
u[n]
a) Determine a transformada Z da variavel aleat oria W= 2X +Y
b) Determine as probabilidades: Pr{W= 0} , Pr{W= 2}
c) Determine a media de W
Exerccio 3.9: Considere X e Y variaveis aleat orias independentes, com
Pr{X = n} = 0.5[n] + 0.5[n 1] , Pr{Y = n} = 0.5[n] + 0.5[n + 1]
a) Determine a transformada Z da variavel aleat oria W= X Y
b) Determine a variancia de W
3.1. Exerccios 47
Exerccio 3.10: Considere X e Y variaveis aleat orias independentes, com
Pr{X = n} = (1 )
n
u[n] , 0 < < 1 , Pr{Y = n} = 0.5[n] + 0.5[n + 1]
a) Determine a transformada Z da variavel aleat oria W= X Y
2
b) Determine a variancia de W
Exerccio 3.11: A variavel aleat oria W e denida por W= X2Y, sendo X e Y variaveis aleat orias indepen-
dentes. A transformada Z da variavel aleat oria X e dada por
E{z
X
} =
+
k=
Pr{X = k}z
k
=
_
3
4
+z
1
4
_
2
e a distribuicao de probabilidade da variavel aleat oria Y e dada por
Pr{Y = n} =
2
4
[n] +
1
4
[n 1] +
1
4
[n + 1]
.
a) Determine a transformada Z da variavel aleat oria W
b) Determine a media e a variancia de W
c) Determine a probabilidade de W ser igual a 2
Exerccio 3.12: A variavel aleat oria discreta X, de distribuicao de probabilidade x[k], tem transformada Z
dada por
E{z
X
} =
+
k=
x[k]z
k
= (q +pz
2
)
m
; p +q = 1 , 0 < p < 1 , 1 < m Z
Determine a variancia de X
Exerccio 3.13: a) Determine a media da variavel aleat oria discreta X cuja transformada Z e dada por
E{z
X
} =
+
k=
Pr{X = k}z
k
= zp
_
1 (1 p)z
_
1
; 0 < p < 1 , |z| < (1 p)
1
b) Determine, tambem, a variancia de X e a probabilidade Pr{X = 1}
Exerccio 3.14: Considere X e Y variaveis aleat orias binomiais independentes com par ametros n Z, n > 0,
e p R, 0 < p < 1.
a) Determine a transformada Z da variavel aleat oria W= 2X Y
Usando E{z
W
}, determine b) a media de W c) a probabilidade de W ser igual a n
Exerccio 3.15: A funcao distribuicao de probabilidade da variavel aleat oria discreta X e dada por
p[n] = (1 p)
n1
pu[n 1] , 0 < p < 1
a) Determine a transformada Z da variavel aleat oria X. b) Determine a media e a variancia de X.
Exerccio 3.16: a) Determine a transformada Z da variavel aleat oria W dada por
W= X Y +n , E{z
W
} =
+
k=
z
k
Pr{W= k}
sendo X e Y variaveis aleat orias binomiais independentes com par ametros n Z, n > 0, e p R, 0 < p < 1.
b) Determine a media de W c) Determine Pr{W= 0} e Pr{W= 1}
Exerccio 3.17: Considere a equacao a diferencas de primeira ordem que descreve a cadeia markoviana de uma
la M/M/r/r (chegadas e servi cos com taxas independentes entre si que dependem apenas do estado da cadeia,
r servidores e no maximo r elementos na la) dada por
(n + 1)p[n + 1] = p[n] p[n + 1] =

n + 1
p[n] , = / ,
r
k=0
p[k] = 1
a) Mostre que a solu cao da equacao a diferencas e a distribuicao de Erlang
6
dada por
p[n] =

n
n!
p[0] , p[0] =
_
r
k=0
k
k!
_
1
Note que p[r] e a probabilidade de bloqueio (os r servidores ocupados), ou seja, de uma nova chegada nao ser
atendida.
b) Calcule a transformada Z da distribuicao
c) Mostre que o n umero medio de atendimentos e dado por (1 p[r])
Exerccio 3.18: Determine a media e a variancia da variavel aleat oria Y, que descreve o n umero de eventos
que ocorrem durante o intervalo X. O processo de chegadas e poissoniano com taxa e a variavel aleat oria X
tem densidade de probabilidade x(t) igual à resposta ao impulso da equacao diferencial
x + 2 x +x = (t)
A transformada Z da variavel aleat oria Y e dada por
Y (z) =
+
k=
z
k
Pr{Y = k} = X(s)
s=(1z)
sendo X(s) a transformada de Laplace de x(t)
6
Agner Krarup Erlang (18781929), engenheiro dinamarques.
Captulo 4
Serie de Fourier de Sinais Discretos
Denicao 4.1: Sinais Peri odicos
Um sinal x[n] e peri odico se existe um inteiro positivo N tal que x[n] = x[n + N] para n Z.
Nesse caso, N e um perodo e, se for o menor inteiro que satisfaz a rela c ao, e chamado de perodo
fundamental.
Sinais peri odicos s ao uma classe importante de sinais de potencia, que podem ser representados por
series de Fourier
1
.
Propriedade 4.1:
A funcao
x[n] = exp(jn) , R , n Z
e peri odica se e somente se
= 2
p
q
, p, q Z
Se q = N e o menor inteiro positivo que satisfaz a rela cao, entao N e o perodo fundamental.
Prova:
Se
= 2
p
q
, p, q Z
entao
exp
_
j(n +q)
_
= exp(jn) exp(jq) = exp(j2p) exp(jn) = exp(jn) periodica
Por outro lado, se x[n] = exp(jn) e peri odica, ou seja, se
x[n] = x[n +q] exp(jn) = exp
_
j(n +q)
_
entao
exp(jn) = exp(jn) exp(jq) exp(jq) = 1 q = 2p , p, q Z
1
Jean Baptiste Joseph Fourier, matematico frances (17681830).
49
50 Captulo 4. Serie de Fourier de Sinais Discretos
Exemplo 4.1: Para que o sinal
x[n] = sen(an) =
1
2j
exp(jan)
1
2j
exp(jan)
seja peri odico, e necessario que
a = 2
p
q
, p, q Z
P
Propriedade 4.2:
Se x
1
[n] e x
2
[n] s ao peri odicos, entao a soma
x[n] = c
1
x
1
[n] +c
2
x
2
[n]
e peri odica e o perodo fundamental e (em geral) m ultiplo dos perodos individuais.
Exemplo 4.2: O perodo fundamental (menor perodo) do sinal

x[n] = exp(j3n/5) exp(jn/2) = exp(j2
3
10
n) exp(j2
1
4
n)
e obtido a partir dos menores valores de m
1
e m
2
inteiros que vericam
N = 10m
1
= 4m
2
m
1
= 2, m
2
= 5 N = 20
sendo N
1
= 10 e N
2
= 4 os perodos das componentes.
P
Denicao 4.2: Produto Escalar de Sinais Peri odicos
O produto escalar dos sinais peri odicos g
k
[n] e g
[n], de perodo N, e dado por

< g
k
[n]g
[n] >=
n

N
g
k
[n]g
[n]
sendo
N = {0, 1, 2, . . . , N 1}
ou qualquer conjunto de N inteiros consecutivos.
Denicao 4.3: Ortogonalidade de Sinais Peri odicos
Os sinais peri odicos g
k
[n], de perodo N, s ao ortogonais se
n

N
|g
k
[n]|
2
> 0 e
n

N
g
k
[n]g
[n] = 0 , k = , k, Z
Exemplo 4.3: Considere os sinais

p[n] = [n 1] +[n + 1] , q[n] = [n 1] [n + 1]
e os sinais peri odicos, de periodo N > 2, N Z
+
, dados por
x[n] =
+
k=
p[n kN] , y[n] =
+
k=
q[n kN]
51
O produto escalar e dado por
< x[n]y
[n] >=< p[n]q
[n] >=
k

N
p[k]q[k] = 1 + 0 1 = 0
implicando que os sinais x e y s ao ortogonais.
As normas de x[n] e y[n] s ao dadas por
x[n] =
_
< x[n]x
[n] > =
1 + 1 =
2 , y[n] =
_
< y[n]y
[n] > =
1 + 1 =
2
P
Exemplo 4.4: Considere o sinal
p[n] = [n 1] +[n + 1]
e os sinais peri odicos
x[n] =
+
k=
p[n k6] , y[n] =
+
k=
p[n 3 k6]
Os sinais x[n] e y[n] s ao ortogonais. Note que, embora os perodos de x[n] e y[n] sejam ambos
iguais a 6, a soma x[n] +y[n] possui perodo fundamental igual a 3.
P
Exemplo 4.5: Considere os N sinais peri odicos
g
k
[n] = exp
_
jk
2
N
n
_
, n Z , N Z
+
, k {0, 1, . . . , N 1}
O produto escalar
k
e dado por
k
=
n

N
g
k
[n]g
[n] =
n

N
exp
_
j(k )
2
N
n
_
=
n

N
z
n
= z
n
1
N1
n=0
z
n
com z = exp
_
j(k )
2
N
_
e n
1
o menor inteiro pertencente ao conjunto

N.
Portanto,
k
=
_
_
N, para k =
(z
n
1
)
1 z
N
1 z
= 0, para k =
implicando que os sinais g
k
[n] s ao ortogonais e tem norma
N, ou seja,
g
k
[n]
2
= exp
_
jk
2
N
n
_
2
= N , k

N
P
Denicao 4.4: Sinais Linearmente Independentes
Um conjunto de sinais {g
k
[n], k = 1, . . . , m} e linearmente independente se e somente se
m
k=1
c
k
g
k
[n] = 0 , n Z c
k
= 0 , k = 1, . . . , m
Denicao 4.5: Espaco Linear

A combinacao linear de um conjunto de m sinais g
k
[n], isto e,
g[n] =
m
k=1
c
k
g
k
[n]
com escalares c
k
C gera um espaco linear, cuja dimens ao e dada pelo n umero r de sinais linearmente
independentes do conjunto (r m). Qualquer conjunto de r sinais que gere o mesmo espaco e uma
base para esse espaco.
Exemplo 4.6: Os sinais

x
1
[n] = 1 , x
2
[n] = n , x
3
[n] = n
2
, n Z
s ao linearmente independentes, pois
c
1
x
1
[n] +c
2
x
2
[n] +c
3
x
3
[n] = 0 c
1
= c
2
= c
3
= 0, pois det
_
_
1 0 0
1 1 1
1 2 4
_
_
= 2 = 0
P
y
1
[n] =
n
1
e y
2
[n] =
n
2
,
1
,
2
C
s ao linearmente independentes se e somente se
1
=
2
, pois a
1
n
1
+a
2
n
2
= 0 implica
a
1
+a
2
= 0
a
1
1
+a
2
2
= 0
_
a
1
= a
2
= 0
P
Propriedade 4.3:
Sinais ortogonais s ao linearmente independentes.
Prova:
k
c
k
g
k
[n] = 0 n Z
k
c
k
g
k
[n]g
[n] = 0 n Z
k
c
k
g
k
[n]g
[n] = 0
k
c
k
n
g
k
[n]g
[n] = 0
k=
c
k
n
g
k
[n]g
[n]
. .
=0
+c
n
g
[n]g
[n]
. .
>0
= 0 c
= 0

53
Propriedade 4.4: Representacao em uma Base
Considere o sinal peri odico x[n], de perodo N, e uma base de dimens ao N de sinais periodicos g
k
[n]
ortogonais com perodo N.
A representa cao do sinal x[n] na base g
k
[n] e dada por
x[n] =
k
c
k
g
k
[n] , n Z
sendo
c
k
=
< x[n]g
k
[n] >
< g
k
[n]g
k
[n] >
pois
n

N
x[n]g
k
[n] =
n

N
g
[n]g
k
[n] = c
k
n

N
|g
k
[n]|
2
c
k
=
n

N
x[n]g
k
[n]
n

N
|g
k
[n]|
2
Propriedade 4.5: Teorema de Parseval

2
Considere o sinal peri odico x[n], de perodo N, e uma base de dimens ao N de sinais periodicos g
k
[n]
ortogonais com perodo N, tais que
x[n] =
k
c
k
g
k
[n]
Entao,
n

N
|x[n]|
2
=
k
|c
k
|
2
n

N
|g
k
[n]|
2
Prova:
n

N
|x[n]|
2
=
n

N
x[n]
k
c
k
g
k
[n] =
k
c
n

N
x[n]g
k
[n] =
k
c
k
c
k
n

N
|g
k
[n]|
2
Propriedade 4.6: Serie Exponencial de Fourier para sinais discretos peri odicos
x[n] =
k

N
c
k
exp
_
jk
2
N
n
_
com
c
k
=
1
N
n

N
x[n] exp
_
jk
2
N
n
_
pois, como calculado no Exemplo 4.5,
exp
_
jk
2
N
n
_
2
= N , k

N
exp
_
jk
2
N
n
_
= exp
_
jk
2
N
n
_
com coecientes peri odicos, de perodo (no m aximo) igual a N
2
Marc-Antoine Parseval des Chenes, matematico frances (17551836).
c
k+N
= c
k
= c[k]
Nota cao:
F
S
{x[n]}
N
= {c
k
}
N
x[n] =
k

N
c
k
exp
_
jk
2
N
n
_
, c
k
=
1
N
n

N
x[n] exp
_
jk
2
N
n
_

F
S
{
1
x
1
[n] +
2
x
2
[n]}
N
=
1
F
S
{x
1
[n]}
N
+
2
F
S
{x
2
[n]}
N

F
S
{x[n]}
N
= {c
k
}
N
c
0
=
1
N
n

N
x[n] , x[0] =
k

N
c
k
Propriedade 4.9: Teorema de Parseval para Serie Exponencial de Fourier

F
S
{x[n]}
N
= {c
k
}
N

1
N
n

N
|x[n]|
2
=
k

N
|c
k
|
2
(potencia media)
Exemplo 4.8: A serie exponencial de Fourier de x[n] dado por

x[n] = sen(
2
5
n)
pode ser obtida a partir do Teorema de Euler
3
x[n] = sen(
2
5
n) =
1
2j
exp(j
2
5
n) +
1
2j
exp(j
2
5
n)
N = 5 , c
1
=
1
2j
, c
1
=
1
2j
, c
0
= c
2
= c
3
= 0
c
4
= c
1
=
1
2j
x[n] =
1
2j
exp(j
2
5
n)
1
2j
exp(j4
2
5
n)
A potencia media e 1/4 + 1/4 = 1/2.
P
x[n] = sen(
2
5
n) + cos(
5
n)
pode ser obtida a partir do Teorema de Euler
3
Leonhard Euler, matematico sui co (17071783).
55
x[n] =
1
2j
exp(j
2
5
n) +
1
2j
exp(j
2
5
n) +
1
2
exp(j
2
10
n) +
1
2
exp(j
2
10
n)
=
1
2j
exp(j2
2
10
n) +
1
2j
exp(j2
2
10
n) +
1
2
exp(j
2
10
n) +
1
2
exp(j
2
10
n)
N = 10 , c
2
=
1
2j
, c
1
=
1
2
, c
1
=
1
2
, c
2
=
1
2j
c
8
= c
2
=
1
2j
, c
9
= c
1
=
1
2
, c
i
= 0 , i {0, 3, 4, 5, 6, 7}
x[n] =
1
2j
exp(j8
2
10
n) +
1
2j
exp(j2
2
10
n) +
1
2
exp(j
2
10
n) +
1
2
exp(j9
2
10
n)
A potencia media e 1.
P
x[n] = 2 cos(
2
5
n +

4
)
pode ser obtida a partir do Teorema de Euler. Note que o perodo e N = 5 e os coecientes da
serie s ao
c
1
= exp(j/4) , c
1
= c
4
= exp(j/4) , c
0
= c
2
= c
3
= 0
A potencia media de x[n] e dada por
|c
1
|
2
+|c
4
|
2
= 2
P
Exemplo 4.11: Considere um sinal discreto x[n] peri odico, de perodo N = 5, cujos coecientes
da primeira e terceira harmonicas da serie exponencial de Fourier do sinal s ao, respectivamente, 1
e 4. Os demais coecientes s ao nulos.
Portanto,
x[n] = c
1
exp(j
2
5
n) +c
3
exp(j3
2
5
n) , c
1
= 1 , c
3
= 4
x[0] = x[5] = 5 peri odico, de perodo N = 5
x[1] 2.93 j1.40 , x[2] 0.43 +j4.39 , x[3] 0.43 j4.39 , x[4] 2.93 +j1.40
O Teorema de Parseval pode ser vericado numericamente, pois
1
2
+ 4
2
= 17 =
1
5
_
4
n=0
|x[n]|
2
_
P
Exemplo 4.12 (Trem de impulsos): A serie de Fourier do trem peri odico de impulsos
N
[n] =
+
=
[n N]
e dada por
c
k
=
1
N
n

N
+
=
[n N] exp(jk
2
N
n) =
1
N
n

N
[n] exp(jk
2
N
n) =
1
N
, k

N
Portanto,
F
S
{
N
[n]}
N
=
_
1
N
_
N
,
+
k=
[n kN] =
1
N
k

N
exp(jk
2
N
n)
Observe que os coecientes da serie s ao constantes (isto e, o perodo e 1 qualquer que seja N).
P
Exemplo 4.13 (Pulso mpar): Considere o sinal peri odico, de perodo N = 4, dado por
x[n] =
+
k=
p[n kN] , p[n] = [n + 1] +[n 1]
Os coecientes da serie de Fourier s ao dados por
c
k
=
1
4
2
n=1
_
[n + 1] +[n 1]
_
exp(jk
2
4
n)
=
1
4
_
exp(jk
2
) + exp(jk
2
)
_
=
j
2
sen(k
2
)
c
0
= 0 (valor medio) , c
1
= j/2 , c
2
= 0 , c
3
= +j/2 = c
1
Note que
3
k=0
c
k
= x[0] = 0 ,
1
4
3
n=0
|x[n]|
2
=
3
k=0
|c
k
|
2
= 0.5
e que
x[n] = c
1
exp
_
j
2
4
n
_
+c
1
exp
_
j
2
4
n
_
= sen
__
P
Exemplo 4.14 (Pulso par): Considere o sinal peri odico, de perodo N = 10, dado por
x[n] =
+
k=
p[n kN] , p[n] = [n + 1] +[n] +[n 1]
57
c
k
=
1
10
5
n=4
_
[n + 1] +[n] +[n 1]
_
exp(jk
2
10
n)
=
1
10
_
1 + exp(jk
2
10
) + exp(jk
2
10
)
_
=
1
10
_
1 + 2 cos(k
5
)
_
c
0
=
3
10
(valor medio) =
1
10
5
n=4
p[n]
c
k,k=0,...,9

_
0.30 0.26 0.16 0.04 0.06 0.10 0.06 0.04 0.16 0.26
Note que
9
k=0
c
k
= x[0] = 1 ,
1
10
9
n=0
|x[n]|
2
=
9
k=0
|c
k
|
2
= 0.3
P
Propriedade 4.10: Complexo Conjugado
F
S
{x[n]}
N
= {c
k
}
N
e y[n] = x
[n] F
S
{y[n]}
N
= {c
k
}
N
pois
y[n] = x
[n] =
k

N
c
k
exp
_
jk
2
N
n
_
=
k

N
c
k
exp
_
jk
2
N
n
_
Propriedade 4.11:
F
S
{x[n]}
N
= {c
k
}
N
e x[n] e real c
k
= c
k
Prova:
Se x[n] e real, entao
c
k
=
1
N
n

N
x[n] exp
_
jk
2
N
n
_
= c
k
Se c
k
= c
k
, entao
x
[n] =
k

N
c
k
exp
_
jk
2
N
n
_
=
k

N
c
k
exp
_
jk
2
N
n
_
= x[n] x[n] e real
c
k
= c
k
|c
k
| = |c
k
| (par) , c
k
= c
k
(mpar)
Propriedade 4.12: Serie Trigonometrica de Fourier para Sinais Discretos Peri odicos
Considere
F
S
{x[n]}
N
= {c
k
}
N
, x[n] e real
Entao, para N mpar, N > 1, tem-se
x[n] = a
0
+
(N1)/2
k=1
a
k
cos
_
k
2
N
n
_
+
(N1)/2
k=1
b
k
sen
_
k
2
N
n
_
com
a
0
= c
0
, a
k
= c
k
+c
k
, b
k
= j(c
k
c
k
)
pois, pela Propriedade 4.11, c
k
= c
k
e
c
k
exp
_
jk
2
N
n
_
+c
k
exp
_
jk
2
N
n
_
= (c
k
+c
k
)
. .
a
k
cos
_
k
2
N
n
_
+j(c
k
c
k
)
. .
b
k
sen
_
k
2
N
n
_
Para N par, N > 1,
x[n] = a
0
+a
N/2
(1)
n
+
N/21
k=1
a
k
cos
_
k
2
N
n
_
+
N/21
k=1
b
k
sen
_
k
2
N
n
_
com
a
0
= c
0
, a
N/2
= c
N/2
, a
k
= c
k
+c
k
, b
k
= j(c
k
c
k
)
pois, para k = 0, 1, . . . , N/2 1, vale o argumento do caso N mpar. O coeciente c
N/2
e real, pois o
termo
c
N/2
exp
_
j
N
2
2
N
n
_
. .
(1)
n
somado aos demais termos tem que reproduzir x[n] real.
Propriedade 4.13:
F
S
{x[n]}
N
= {c
k
}
N
e x[n] e real e par c
k
= c
k
= c
k
(real e par)
Prova:
Se x[n] e real e par, entao
c
k
=
1
N
n

N
x[n] exp
_
jk
2
N
n
_
=
1
N
n

N
x[n] exp
_
jk
2
N
n
_
=
=
1
N
n

N
x[n] exp
_
jk
2
N
n
_
= c
k
Pela Propriedade 4.11,
c
k
= c
k
= c
k
Note que, neste caso, a serie trigonometrica nao possui termos em seno (b
k
= 0).
Exemplo 4.15: A serie exponencial de Fourier do sinal x[n], real e par, dado por
x[n] = 2 cos(
2
n) , N = 4
e dada por
c
1
= 1 , c
1
= c
3
= 1 , c
0
= c
2
= 0 coecientes reais
Outro sinal real e par e o do Exemplo 4.14.
P
59
Propriedade 4.14:
F
S
{x[n]}
N
= {c
k
}
N
e x[n] e real e mpar c
k
= c
k
= c
k
(imaginario puro e mpar)
Prova:
Se x[n] e real e mpar, entao
c
k
=
1
N
n

N
x[n] exp
_
jk
2
N
n
_
=
1
N
n

N
x[n] exp
_
jk
2
N
n
_
=
=
1
N
n

N
x[n] exp
_
jk
2
N
n
_
= c
k
Pela Propriedade 4.11,
c
k
= c
k
= c
k
Note que, neste caso, a serie trigonometrica nao possui termos em cosseno (a
k
= 0) e a
0
= 0.
Exemplo 4.16: Considere o sinal peri odico e mpar, de perodo N = 5, dado por
x[n] =
+
k=
p[n kN] , p[n] = [n + 1] +[n 1]
c
k
=
1
5
2
n=2
_
[n + 1] +[n 1]
_
exp(jk
2
5
n)
=
1
5
_
exp(jk
2
5
) + exp(jk
2
5
)
_
=
2j
5
_
sen(k
2
5
)
_
c
0
= 0 (valor medio) =
1
5
2
n=2
p[n]
c
k,k=0,...,4

_
0 0.38j 0.24j 0.24j 0.38j
Note que os coecientes s ao imagin arios puros (pois o sinal e real e mpar), como no caso do
Exemplo 4.8, e tambem que
4
k=0
c
k
= x[0] = 0 ,
1
5
4
n=0
|x[n]|
2
=
4
k=0
|c
k
|
2
= 0.4
P
Propriedade 4.15: Deslocamento no Tempo
F
S
{x[n]}
N
= {c
k
}
N
, m Z F
S
{x[n m]} = {c
k
exp(jk
2
N
m)}
N
pois
x[n m] =
k

N
c
k
exp(jk
2
N
m) exp(jk
2
N
n)
O deslocamento no tempo altera a fase (e nao o m odulo) dos coecientes da serie de Fourier. Como
conseq uencia, nao altera a potencia media do sinal.

Propriedade 4.16: Diferen ca de Primeira Ordem
F
S
{x[n]}
N
= {c
k
}
N
e y[n] = x[n] x[n1] F
S
{x[n] x[n1]} =
__
1 exp
_
jk
2
N
_
_
c
k
_
N

F
S
{x[n]}
N
= {c
k
}
N
e c
0
= 0 F
S
{
n
k=
x[k]} =
_
c
k
1 exp(jk
2
N
)
, k = 0
_
N
Prova:
O sinal y[n] e peri odico, com perodo N, pois
y[n] =
n
k=
x[k] y[n +N] =
n
k=
x[k] +
k

N
x[k] = y[n]
Para k = 0, tem-se
F
S
{y[n]}
N
= {d
k
}
N
, x[n] = y[n] y[n 1] c
k
= d
k
_
1 exp
_
jk
2
N
_
_
d
k
=
c
k
1 exp(jk
2
N
)
Para k = 0,
d
0
=
1
N
n

N
y[n]
Exemplo 4.17: A serie de Fourier dos sinais peri odicos, de perodo N = 10,
x[n] =
+
k=
p[n kN] , p[n] = [n + 2] +[n + 1] +[n 1] [n 2]
y[n] =
+
k=
q[n kN] , q[n] = [n + 2] +[n 1]
F
S
{x[n]}
N
= {c
k
}
N
, c
k
=
1
10
_
exp(jk2/5) exp(jk2/5) +exp(jk/5) +exp(jk/5)
_
c
k
=
1
5
_
cos(k/5) cos(k2/5)
_
x[n] real e par, c
k
real e par
c
k,k=0,...,9

_
0 0.10 0.22 0.10 0.22 0.40 0.22 0.10 0.22 0.10
c
0
= 0 ,
9
k=0
c
k
= x[0] = 0 ,
1
10
9
n=0
|x[n]|
2
=
9
k=0
|c
k
|
2
= 0.4
F
S
{y[n]}
N
= {d
k
}
N
, d
k
=
1
10
_
exp(jk2/5) + exp(jk/5)
_
61
d
k,k=0,...,9

_
0 0.05 0.15j 0.11 0.15j 0.05 0.04j 0.11 + 0.04j
0.20 0.11 0.04j 0.05 + 0.04j 0.11 + 0.15j 0.05 + 0.15j
d
0
= 0 ,
9
k=0
d
k
= y[0] = 0 ,
1
10
9
n=0
|y[n]|
2
=
9
k=0
|d
k
|
2
= 0.2
Observe que
y[n] =
n
k=
x[k] , q[n] =
n
k=
p[k]
e, pela Propriedade 4.17,
c
k
= d
k
_
1 exp(jk
2
N
)
_
P
Propriedade 4.18: Inversao no Tempo
F
S
{x[n]}
N
= {c
k
}
N
e y[n] = x[n] F
S
{y[n]}
N
= {d
k
}
N
= {c
k
}
N
pois
d
k
=
1
N
n

N
y[n] exp
_
jk
2
N
n
_
=
1
N
n

N
x[n] exp
_
jk
2
N
n
_
=
=
1
N
n

N
x[n] exp
_
jk
2
N
n
_
=
1
N
n

N
x[n] exp
_
j(k)
2
N
n
_
= c
k
Propriedade 4.19: Expansao no Tempo

F
S
{x[n]}
N
= {c
k
}
N
, m Z
+
e y[n] =
_
_
_
x[n/m] , n/m Z
0 , n/m Z
Entao,
F
S
{y[n]}
N
= {
1
m
c
k
}
mN
Prova:
O perodo de y[n] e mN, pois, para n/m Z tem-se
y[n +mN] = x[(n +mN)/m] = x[n/m+N] = x[n/m] = y[n]
e, para n/m nao inteiro, y[n +mN] = y[n] = 0.
Os coecientes d
k
, para k mN da serie de Fourier de y[n] s ao
d
k
=
1
mN
mN
y[] exp
_
jk
2
mN
_
=
1
mN
n

N
x[n] exp
_
jk
2
N
n
_
=
1
m
c
k
pois y[] = 0 para
_

m
_
Z e y[ = nm] = x[n].
Observe que o perodo dos mN coecientes d
k
e N (igual ao perodo do sinal x[n]), ou seja, os
coecientes d
k
s ao obtidos por m repeticoes dos N coecientes c
k
.

Exemplo 4.18: Considere o sinal peri odico de perodo N = 6, dado por
y[n] =
+
k=
p[n kN] , p[n] = 6[n] + 6[n 2]
d
k
=
1
6
5
n=0
_
6[n] + 6[n 2]
_
exp(jk
2
6
n) = 1 + exp(jk
2
3
)
d
0
= 2 (valor medio) =
1
6
5
n=0
p[n]
d
k,k=0,...,5

_
2 0.50 j0.87 0.50 +j0.87 2 0.50 j0.87 0.50 +j0.87
k=0
d
k
= y[0] = 6 ,
1
6
5
n=0
|y[n]|
2
=
5
k=0
|d
k
|
2
= 12
Considere o sinal peri odico de perodo N = 3, dado por
x[n] =
+
k=
p[n kN] , p[n] = 6[n] + 6[n 1]
c
k
=
1
3
2
n=0
_
6[n] + 6[n 1]
_
exp(jk
2
3
n) = 2 + 2 exp(jk
2
3
)
c
0
= 4 (valor medio) =
1
3
2
n=0
p[n]
c
k,k=0,...,2

_
4 1.00 j1.73 1.00 +j1.73
k=0
c
k
= x[0] = 6 ,
1
3
2
n=0
|x[n]|
2
=
2
k=0
|c
k
|
2
= 24
Note que y[n] e a expansao do sinal x[n] para m = 2, sendo portanto o perodo de y[n] o dobro
do perodo de x[n]. Pela Propriedade 4.19, os coecientes da serie de y[n] s ao obtidos da repeti cao
(duas vezes) dos coecientes da serie de x[n] divididos por 2.
P
Denicao 4.6: Convolu cao Peri odica
A convolucao peri odica de x[n] e y[n] (sinais peri odicos de perodo N) e dada por
x[n] y[n] =
k

N
x[k]y[n k]

63
Exemplo 4.19: Considere os sinais peri odicos, com perodo N = 3
x[n] =
+
k=
p[n kN] , p[n] = [n + 1] +[n 1]
y[n] =
+
k=
q[n kN] , q[n] = [n + 1] +[n 1]
F
S
{x[n]}
N
= {c
k
}
N
, c
k
=
1
3
_
exp(jk2/3) + exp(jk2/3)
_
=
2
3
cos(k2/3)
c
k,k=0,1,2
=
_
2/3 1/3 1/3
c
0
= 2/3 ,
2
k=0
c
k
= x[0] = 0 ,
1
3
2
n=0
|x[n]|
2
=
2
k=0
|c
k
|
2
= 2/3
F
S
{y[n]}
N
= {d
k
}
N
, d
k
=
1
3
_
exp(jk2/3) + exp(jk2/3)
_
=
2
3j
sen(k2/3)
d
k,k=0,1,2
=
_
0 j/
3 j/
d
0
= 0 ,
2
k=0
d
k
= y[0] = 0 ,
1
3
2
n=0
|y[n]|
2
=
2
k=0
|d
k
|
2
= 2/3
A convolucao peri odica v[n] = x[n] y[n] produz
v[n] = x[n] y[n] =
2
k=0
x[k]y[n k] = x[0]y[n] +x[1]y[n 1] +x[2]y[n 2] =
3
[n + 1]
3
[n 1]
cujos coecientes s ao dados por e
k
= d
k
, pois v[n] = y[n].
P
Propriedade 4.20: Convolu cao Peri odica
A convolucao peri odica produz funcoes peri odicas, pois para
f[n] = x[n] y[n] f[n +N] =
k

N
x[k]y[n +N k] =
k

N
x[k]y[n k] = f[n]
A convolucao peri odica e comutativa, associativa e distributiva em rela cao à soma;
O elemento neutro da convolucao peri odica de perodo N e o trem periodico de impulsos, dado por
N
[n] =
+
k=
[n kN]
Prova:
x[n]
N
[n] =
k

N
x[k]
N
[n k] ,
N
[n k] =
+
=
[n k N]
k

N
+
=
x[k][n k N] = x[n]
pois
[n k N] = 1 com n, k {0, . . . , N 1} n = k , = 0
Propriedade 4.21: Convolu cao Peri odica

F
S
{x[n]}
N
= {c
k
}
N
, F
S
{y[n]}
N
= {d
k
}
N
Entao,
F
S
{x[n] y[n]}
N
= {Nc
k
d
k
}
N
pois
1
N
n

N
(x[n] y[n]) exp(jk
2
N
n) =

N
x[]
1
N
n

N
y[n ] exp(jk
2
N
n) =
=

N
x[] exp(jk
2
N
)
1
N
m

N
y[m] exp(jk
2
N
m)
. .
d
k
= Nc
k
d
k
Exemplo 4.20: Retomando o Exemplo 4.19, com os coecientes

c
k,k=0,1,2
=
_
2/3 1/3 1/3
, d
k,k=0,1,2
=
_
0 j/
3 j/
tem-se
e
k
= Nc
k
d
k
= d
k
=
_
0 j/
3 j/
v[n] =
2
3
sen(2n/3) =
3
[n + 1]
3
[n 1]
Observe que
p[n] q[n] = [n + 2] +[n 2] = x[n] y[n]
P
Propriedade 4.22: Multiplica cao no Tempo
F
S
{x[n]}
N
= {c
k
}
N
, F
S
{y[n]}
N
= {d
k
}
N
Entao,
F
S
{x[n]y[n]}
N
= {c
k
d
k
}
N
Prova:
Denominando e
k
os coecientes da serie associada ao produto, tem-se
e
k
=
1
N
n

N
x[n]y[n] exp(jk
2
N
n) =
1
N
n

N
x[n]

N
d
exp(jn
2
N
) exp(jk
2
N
n)
4.1. Exerccios 65
=

N
d
1
N
n

N
x[n] exp(j(k )
2
N
n)
. .
c
k
=

N
d
c
k
= c
k
d
k
Exemplo 4.21: Considere os sinais peri odicos do Exemplo 4.19, com perodo N = 3
x[n] =
+
k=
p[n kN] , p[n] = [n + 1] +[n 1]
y[n] =
+
k=
q[n kN] , q[n] = [n + 1] +[n 1]
F
S
{x[n]}
N
= {c
k
}
N
, c
k
=
2
3
cos(k2/3) , c
k,k=0,1,2
=
_
2/3 1/3 1/3
F
S
{y[n]}
N
= {d
k
}
N
, d
k
=
2
3j
sen(k2/3) , d
k,k=0,1,2
=
_
0 j/
3 j/
Seja
v[n] = x[n]y[n] = y[n] F
S
{v[n]}
N
= {e
k
}
N
, e
k
=
2
3j
sen(k2/3)
que e a convolucao peri odica de c[k] d[k].
P
Propriedade 4.23: Deslocamento na Freq uencia
F
S
{x[n]}
N
= {c
k
}
N
, m Z F
S
{y[n] = x[n] exp(jm
2
N
n)} = {c
km
}
N
pois
d
k
=
1
N
n

N
y[n] exp(jk
2
N
n) =
1
N
n

N
x[n] exp(jm
2
N
n) exp(jk
2
N
n) = c
km
O deslocamento na freq uencia provoca um deslocamento cclico nos coecientes da serie, e portanto
nao altera a potencia media do sinal.
4.1 Exerccios
Exerccio 4.1: Determine o perodo do sinal
x[n] = cos(n/2) + sen(3n/5)
Exerccio 4.2: Determine o perodo fundamental do sinal discreto
x[n] = cos(3n/7) + sen(n/6)
e determine a potencia media do sinal
x[n] = sen(n/5) cos
2
(n/3)
Exerccio 4.3: Determine o perodo fundamental e a potencia media de x[n] = sen(n/6) + cos(n/15)
Exerccio 4.4: Determine os coecientes c
0
e c
3
da serie exponencial de Fourier para o sinal peri odico discreto
dado por
x[n] =
+
k=
p[n k5] , p[n] = 0.5[n + 1] + 3[n] 0.5[n 1]
Exerccio 4.5: Escreva x
3
[n] = 3n 2 como combinacao linear de x
1
[n] = 2n 3 , x
2
[n] = n + 2
Exerccio 4.6: Determine os sinais y
1
[n] e y
2
[n] ortogonais entre si que geram o espaco gerado pelos sinais
discretos x
1
[n] =
3[n 1] +[n 3] e x
2
[n] = 0.5[n 2] +[n 3].
Exerccio 4.7: Considere o sinal x[n] = sen(n/3 +/6) + exp(jn/6)
a) Determine o perodo fundamental N de x[n]
b) Determine os coecientes da serie exponencial de Fourier de x[n]
Exerccio 4.8: a) Determine o perodo fundamental do sinal discreto x[n] = sen(3n/5) + cos(n/7)
b) Determine a potencia media do sinal discreto x[n] = 2 cos
2
(5n/13 +/3)
Exerccio 4.9: Considere
x[n] =
+
m=
p[n mN] , p[n] = [n + 1] + 2[n] [n 1] , N > 2
Determine os coecientes da serie discreta de Fourier para x[n], isto e, os valores c
k
tais que
x[n] =
k<N>
c
k
exp
_
jk
2
N
n
_
0
, c
1
e c
2
da serie exponencial de Fourier para o sinal peri odico
discreto dado por
x[n] =
+
k=
q[n k3] , q[n] = p[n] +p[n] , p[n] = [n + 1] +[n] 2[n 1]
Exerccio 4.11: Considere o sinal x[n] = cos
2
(n/5).
a) Determine a serie de Fourier para x[n]
b) Determine a potencia media de x[n]
Exerccio 4.12: Determine |x[0]|
2
+ |x[1]|
2
+ |x[2]|
2
para o sinal discreto peri odico de perodo N = 3 cujos
coecientes da serie exponencial de Fourier s ao dados por c
k
= 1 + cos(k2/3)
Exerccio 4.13: Considere o sinal x[n] = sen(2n/7 +/6) + exp(jn/5)
a) Determine o perodo fundamental N de x[n]
b) Determine os coecientes da serie exponencial de Fourier de x[n]
c) Determine a potencia media de x[n]
0
, c
1
e c
2
(com tres algarismos signicativos) da serie exponencial
de Fourier para o sinal peri odico discreto dado por
x[n] =
+
k=
q[n k3] , q[n] = p[n] p[n] , p[n] = 2[n + 1] [n] +[n 1]
Captulo 5
Equacoes a Diferencas
Denicao 5.1: Equa c oes a Diferen cas
Equacoes envolvendo seq uencias enumeraveis e seus deslocamentos s ao denominadas equa coes a dife-
ren cas.
Exemplo 5.1 (Filtro passa-alta):

y[n] =
x[n] x[n 1]
2
, n Z
Para a entrada x[n] = (1)
n
, a sada e y[n] = (1)
n
. Para x[n] = 1
n
, tem-se y[n] = 0.
P
Exemplo 5.2 (Filtro passa-baixa):
y[n] =
x[n] +x[n 1]
2
, n Z
Para x[n] = (1)
n
, a sada e y[n] = 0. Para x[n] = 1
n
, tem-se y[n] = 1
n
.
P
Exemplo 5.3: Populacao anual de peixes em um lago (em termos percentuais)
y[n + 1] ay[n](1 y[n]) = x[n] , 0 y[0] 1
sendo a um par ametro real que representa as condi coes ambientais do lago.
P
Equacoes a diferen cas lineares descrevem sistemas lineares, isto e, sistemas para os quais vale o
princpio da superposicao. Os sistemas descritos nos exemplos 5.1 e 5.2 s ao lineares, enquanto que o
Exemplo 5.3 descreve um sistema nao-linear.
Equacoes a diferen cas lineares com coecientes constantes e condi coes iniciais nulas descrevem sistemas
lineares invariantes no tempo.
67
68 Captulo 5. Equacoes a Diferen cas
Exemplo 5.4 (Somador):
y[n] =
n
k=
x[k]
h[n] =
n
k=
[k] = u[n] =
_
1 , n 0
0 , n < 0
sendo u[n] a funcao degrau. Note que o somador pode ser descrito pela equacao a diferencas de
primeira ordem
y[n + 1] = y[n] +x[n + 1] , y[0] = y
0
condi cao inicial
Utilizando o operador de deslocamento p, tem-se
(p 1)y[n] = px[n]
As equacoes a diferencas resultantes para x[n] =
n
(soma geometrica), x[n] = n (soma aritmetica)
e x[n] = n
n
(soma aritmetica-geometrica) s ao tratadas nos exemplos 5.10, 5.11 e 5.12.
P
Equacoes a diferen cas lineares a coecientes constantes podem ser resolvidas por substituicao sis-
tematica, por meio da transformada Z ou pelo metodo dos coecientes a determinar.
Exemplo 5.5: A equacao homogenea a diferencas de primeira ordem
y[n + 1] = y[n] , y[0] = 1, R
pode ser resolvida por substituicao sistematica, resultando em
y[n] =
n
e vale para todo n, de a +. Observe que a seq uencia y[n] nao possui transformada Z, pois
Z{y[n]} =
+
k=
y[k]z
k
=
+
k=
(/z)
k
nao converge para nenhum z.
O artifcio utilizado para resolver essa classe de equacoes a diferencas utilizando transformada Z
consiste em alterar o problema impondo que
y[n] = 0 para n < 0
e que y[n] satisfaz a equacao para n 0. Dessa forma, Z{y[n]u[n]} existe e e dada por
Z{y[n]u[n]} =
+
k=
y[k]u[k]z
k
=
+
k=0
(/z)
k
=
z
z
, |z| > ||
P
5.1. Resolucao por Transformada Z 69
5.1 Resolucao por Transformada Z
Tres propriedades da transformada Z s ao relevantes para a resolu cao das equa coes a diferen cas lineares
a coecientes constantes.
Propriedade 5.1: Deslocamento à Esquerda (avan co)
Z{x[n +m]u[n]} = z
m
Z{x[n]u[n]}
m1
k=0
x[k]z
mk
, m Z
+
Exemplo 5.6: Para y[n] = y[n]u[n] e x[n] = x[n]u[n], tem-se

y[n + 2] +
1
y[n + 1] +
0
y[n] =
1
x[n + 1] +
0
x[n]
z
2
Y (z) z
2
y[0] zy[1] +
1
(zY (z) zy[0]) +
0
Y (z) =
1
(zX(z) zx[0]) +
0
X(z)
(z
2
+
1
z +
0
)Y (z) = (
1
z +
0
)X(z) + (z
2
+
1
z)y[0] +zy[1]
1
zx[0]
A funcao de transferencia H(z) e dada por (y[0] = y[1] = 0 e x[0] = 0)
H(z) =
Y (z)
X(z)
=

1
z +
0
z
2
+
1
z +
0
P
Propriedade 5.2: Combinat oria
Z
__
n +m
m
_
a
n
u[n]
_
=
z
m+1
(z a)
m+1
, m N , |z| > |a|
Exemplo 5.7:
Z
_
na
n
u[n]
_
=
z
2
(z a)
2

z
z a
=
az
(z a)
2
, |z| > |a|
pois
Z
__
n
0
_
a
n
u[n]
_
= Z {a
n
u[n]} =
z
z a
Z
__
n + 1
1
_
a
n
u[n]
_
= Z {(n + 1)a
n
u[n]} =
z
2
(z a)
2
P
Exemplo 5.8:
Z
_
n
2
a
n
u[n]
_
=
az
2
+a
2
z
(z a)
3
, |z| > |a|
pois
Z
__
n + 2
2
_
a
n
u[n]
_
= Z
_
(n + 2)(n + 1)
2
a
n
u[n]
_
=
z
3
(z a)
3
P
Propriedade 5.3: Combinat oria com Deslocamento
Z
__
n
m
_
a
nm
u[n]
_
=
z
(z a)
m+1
, m N , |z| > |a|
O resultado pode ser demonstrado pela aplicacao da propriedade de deslocamento de m à direita na
Propriedade 5.2, que implica na multiplica cao por z
m
. Observe que
_
n
m
_
u[n m] =
n(n 1) (n m+ 1)
m!
u[n m] =
_
n
m
_
u[n]
A propriedade e utilizada no calculo de transformada Z inversa a partir de fra coes parciais.
Exemplo 5.9 (Progressao geometrica):

y[n + 1] = y[n] , y[0] = 1 , > 0
Aplicando a transformada Z, tem-se
Z{y[n + 1]u[n]} = Z{y[n]u[n]} Y (z) =
z
z
O domnio e = {z C, |z| > } (serie à direita).
Fazendo a divisao de polin omios (algoritmo de Briot-Runi
1
), obtem-se a serie
z
z
= 1 +z
1
+
2
z
2
+
Comparando-se com a denicao da transformada Z de
n
u[n], obtem-se a transformada inversa
y[n] = Z
1
_
z
z
_
=
n
u[n]
O mesmo resultado poderia ser obtido pela aplica cao da Propriedade 5.3 (combinatoria com deslo-
camento) para m = 0.
P
Exemplo 5.10 (Soma geometrica): A soma geometrica
y[n] =
n
k=0
k
pode ser obtida pela resolucao da equacao a diferencas
y[n + 1] y[n] =
n+1
, y[0] = 1
zY (z) zy[0] Y (z) =
z
z
Portanto, para = 1, tem-se
1
Charles Auguste Briot, frances do seculo XIX e Paolo Runi, italiano do seculo XVIII.
Y (z) =
z
2
(z )(z 1)
, |z| > max{||, 1}
Y (z)
z
=
z
(z )(z 1)
=
a
z
+
b
z 1
a =

1
, b =
1
1
Usando a Propriedade 5.3 (combinatoria com deslocamento), tem-se
y[n] = a
n
u[n] +bu[n] =
1
n+1
1
u[n]
Esse resultado tambem pode ser obtido da denicao de y[n], observando-se que
y[n] y[n] =
n
k=0
k=0
k
= 1
n+1
y[n] =
1
n+1
1
Para = 1, tem-se
Y (z) =
z
2
(z 1)
2
Y (z)
z
=
z
(z 1)
2
=
a
(z 1)
+
b
(z 1)
2
a = 1 , b = 1
y[n] = (1 +n)u[n] =
n
k=0
1
O mesmo resultado pode ser obtido aplicando a regra de lHopital
2
na expressao de y[n]
y[n] = lim
1
1
n+1
1
= lim
1
(n + 1)
n
1
= n + 1
P
Exemplo 5.11 (Soma aritmetica): A soma aritmetica
y[n] =
n
k=0
k
y[n + 1] y[n] = n + 1 , y[0] = 0
Aplicando transformada Z e a Propriedade 5.2 com m = 1, tem-se
zY (z) zy[0] Y (z) = Z{(n + 1)u[n]} =
z
2
(z 1)
2
Y (z)
z
=
z
(z 1)
3
=
a
1
z 1
+
a
2
(z 1)
2
+
a
3
(z 1)
3
a
1
= 0, a
2
= 1, a
3
= 1
2
Guillaume De lH opital, matematico frances do seculo XVII.
E, pela Propriedade 5.3,
y[n] =
_
n
1
_
u[n] +
_
n
2
_
u[n] =
n(n + 1)
2
u[n]
Observe que esse resultado pode ser obtido somando-se membro a membro a seq uencia 0, 1, 2, . . . , n
nos sentidos direto e reverso e constatando-se que a soma consiste de n+1 termos de valor constante
n. Portanto a soma total produz 2y[n] = n(n + 1).
P
Exemplo 5.12 (Soma aritmetica-geometrica): A soma aritmetica-geometrica
y[n] =
n
k=0
k
k
y[n + 1] y[n] = (n + 1)
n+1
, y[0] = 0
zY (z) zy[0] Y (z) =
z
2
(z )
2
Portanto, para = 1, tem-se
Y (z) =
z
2
(z 1)(z )
2
, |z| > max{||, 1}
Y (z)
z
=
z
(z 1)(z )
2
=
a
z 1
+
b
z
+
c
(z )
2
a =

(1 )
2
, b =

(1 )
2
, c =

2
(1 )
Portanto,
y[n] = au[n] +b
n
u[n] +c
_
n
1
_
n1
u[n] =
=
_
a +b
n
+cn
n1
_
u[n] =

(1 )
2
_
1 (n + 1)
n
+n
n+1
_
u[n]
Para = 1, o problema se reduz ao de soma aritmetica.
P
Exemplo 5.13 (Seq uencia de Fibonacci): A seq uencia de Fibonacci
3
e uma seq uencia de n umeros
inteiros em que cada elemento e obtido pela soma dos dois anteriores. A equacao descreve uma
populacao de casais de coelhos, composta de casais adultos e lhotes. Cada casal adulto gera um
casal de lhotes todo mes, e o casal de lhotes torna-se fertil (adulto) com dois meses de vida. No
mes n, a[n] e o n umero de casais adultos e f[n] e o n umero de casais de lhotes com um mes de
vida. Supondo que nao ocorram mortes, tem-se
a[n + 1] = a[n] +f[n] , f[n + 1] = a[n]
3
Leonardo Pisano Fibonacci, matematico italiano do seculo XII.
Denominando y[n] qualquer uma das variaveis de estado, obtem-se a equacao a diferencas
y[n + 2] = y[n + 1] +y[n] , y[0] = 0, y[1] = 1
Usando o operador p, tem-se
D(p)y[n] = (p
2
p 1)y[n] = 0
sendo D(p) o polin omio caracterstico da equacao a diferencas. Aplicando a transformada Z, tem-se
z
2
(Y (z) y[0] y[1]z
1
) = z(Y (z) y[0]) +Y (z) Y (z) =
z
z
2
z 1
As razes do denominador (ou seja, razes de D(p) = 0) s ao
1
=
1 +
5
2
1.618 ,
2
=
1
5
2
0.618
Y (z)
z
=
1
(z
1
)(z
2
)
=
a
1
z
1
+
a
2
z
2
a
1
=
1
2
=
5
5
0.447 , a
2
=
1
1
=

5
5
resultando em
y[n] =
_
a
1
n
1
+a
2
n
2
_
u[n] a
1
n
1
u[n] para n grande, pois |
2
| < 1
P
Curiosidades sobre a seq uencia de Fibonacci
A raiz caracterstica
=
1 +
5
2
1.618
chamada na literatura de razao aurea, possui varias interpretacoes interessantes, algumas de valor
estetico. A Figura 5.1, composta por ret angulos, foi construda a partir do ret angulo do canto superior
esquerdo, de base 1 e altura . Copiando, rodando de 90 graus a direita, colocando ao lado do primeiro
e completando, tem-se um ret angulo de base 1 + e altura . Observe que e preservada a rela cao
1
=
1 +

2
= + 1
ou seja, satisfaz a equa cao caracterstica de Fibonacci.
Essa mesma rela cao aparece em varias construcoes arquitet onicas, como por exemplo na Grecia antiga.
A Figura 5.1 mostra mais uma itera cao, resultando no ret angulo de base 1 + e altura 1 + 2, que
preserva a rela cao, pois
1 + 2
1 +
=

1
O processo pode ser repetido indenidamente.
Note que pode ser escrito nas formas
1
Figura 5.1: Relacoes aureas em ret angulos.

=
1 +
_
1 +
_
1 +
1 + = 1 +
1
1 +
1
1 +
1
1 +
pois
=
_
1 + = 1 +
1
Exemplo 5.14 (Tabela Price): Determine o valor mensal da dvida y[n] de um emprestimo inicial
de valor M, com pagamento mensal constante igual a e juros mensais percentuais para que a
dvida seja liq uidada em m meses. Esse problema e conhecido como calculo da tabela Price.
4
y[n + 1] = y[n](1 +) , y[0] = M
zY (z) zM = Y (z)(1 +)
z
z 1
Y (z)
z
=
zM M
(z (1 +))(z 1)
=
a
1
z (1 +)
+
a
2
z 1
a
1
=
M
, a
2
=

Portanto,
y[n] = (a
1
(1 +)
n
+a
2
) u[n]
Observe que a dvida permanece igual a M se apenas os juros forem pagos todo mes, ou seja,
M = (situacao ideal para o credor). Obviamente, a situacao ideal para o devedor seria M = 0.
4
Richard Price, ingles do seculo XVIII.
A solu cao do problema, isto e, o valor de que produz y[m] = 0, e
=
M(1 +)
m
(1 +)
m
1
Para = 0, por lHopital, obtem-se = M/m.
P
Exemplo 5.15: Considere a equacao a diferencas
y[n + 2] 3y[n + 1] + 2y[n] = 1 y[0] = 0, y[1] = 0
Y (z)
z
=
1
(z 1)
2
(z 2)
=
1
z 2

1
z 1

1
(z 1)
2
y[n] = (2
n
1 n)u[n]
P
Exemplo 5.16 (Equa cao a diferencas com N(p) = 1): Considere a equacao a diferencas
y[n + 2] + 5y[n + 1] + 6y[n] = 3x[n + 1] +x[n] , y[0] = 1, y[1] = 2
Aplicando a transformada Z (para x[n] = x[n]u[n] e y[n] = y[n]u[n]), tem-se
(z
2
+ 5z + 6)Y (z) = (3z + 1)X(z) 3zx[0] + (z
2
+ 5z)y[0] +zy[1]
e, para x[n] = (2)
n
u[n], substituindo-se as condi coes iniciais, tem-se
(z
2
+ 5z + 6)Y (z) =
(3z + 1)z
z + 2
+z
2
+ 4z
(3z + 1)z
(z + 2)
2
(z + 3)
+
z
2
+ 4z
(z + 2)(z + 3)
Decompondo Y (z)/z em fracoes parciais, tem-se
Y (z) =
8z
z + 3
+
8z
z + 2

5z
(z + 2)
2

z
z + 3
+
2z
z + 2
e, aplicando a transformada Z inversa e agrupando,
y[n] =
_
9(3)
n
+ 10(2)
n
5n(2)
n1
_
u[n]
Note que a entrada x[n] poderia ser substituda na equacao original, levando ` a equacao a diferencas
y[n + 2] + 5y[n + 1] + 6y[n] = 5(2)
n
, y[0] = 1, y[1] = 2
Multiplicando por u[n] e aplicando a transformada Z, tem-se
(z
2
+ 5z + 6)Y (z) =
5z
z + 2
+z
2
+ 7z
Isolando Y (z) e decompondo Y (z)/z em fracoes parciais, chega-se ao mesmo resultado.
P
Exemplo 5.17 (Fila M/M/1): Considere uma la com buer innito, com chegadas poissonianas
de taxa media e servidor exponencial de taxa , sendo y[n] a probabilidade de haver n elementos
no sistema. O equilbrio estatstico impoe
y[n] = y[n + 1] , n [0, +)
com a condi cao de contorno
+
n=0
y[n] = 1.
Para resolver, supoe-se a condi cao inicial y[0] conhecida e aplica-se a transformada Z.
Z
_
y[n + 1] y[n] = 0
_
, = / Y (z)(z ) = zy[0] Y (z) =
z
z
y[0]
y[n] = y[0]
n
u[n]
Substituindo na condi cao de contorno, obtem-se
y[0]
+
n=0
n
= 1
que s o possui solu cao se < 1 (taxa de servi co maior do que a taxa de chegada ). Nesse caso,
+
n=0
n
=
1
1
y[0] = 1
e, portanto,
y[n] = (1 )
n
u[n]
Observe que, como y[0] e a probabilidade do sistema estar vazio, e a probabilidade do sistema
estar ocupado.
Observe ainda que
Y (z) =
z
z
(1 ) Y (z)
z=1
=
+
k=0
y[k] = 1
o que ocorre sempre que y[n] representa uma distribu cao de probabilidade.
O calculo do n umero medio de elementos na la pode ser feito por meio da transformada Z de y[n].
E{Y} =
+
n=0
ny[n] =
_
z
d
dz
_
Y (z)
z=1
que resulta em
E{Y} =

1
indicando que o n umero medio de elementos na la tende para innito quando tende para 1.
P
Freq uentemente, equa coes a diferen cas de primeira ordem podem (e devem) ser resolvidas por substi-
tui cao sistematica, como no caso dos exemplos 5.9 (progress ao geometrica) e 5.17 (la M/M/1).
Exemplo 5.18 (Fila com desestmulo sistema variante no tempo): Considere uma la M/M/1,
como no Exemplo 5.17, mas com taxa media de chegada que diminui com o tamanho da la. Em
particular, considere a taxa de chegada /(n + 1). O equilbrio estatstico impoe
y[n + 1] =

n + 1
y[n] (n + 1)y[n + 1] = y[n] , =

com a condi cao de contorno

+
n=0
y[n] = 1.
Observe que trata-se de uma equacao a diferencas com coecientes que variam com n, e que portanto
nao pode ser resolvida atraves da transformada Z. No entanto, pode ser resolvida por substituicao
sistematica.
y[1] = y[0] , y[2] =

2
y[1] =

2
2!
y[0] , . . . , y[n] =

n
n!
y[0]
Portanto, da condi cao de contorno
y[0]
+
n=0
n
n!
= y[0] exp() = 1 y[0] = exp()
Assim, a solu cao e a distribuicao de Poisson
5
y[n] =

n
n!
exp()u[n]
Observe que a la atinge o equilbrio estatstico mesmo para valores de maiores do que um. O
n umero medio de elementos na la pode ser obtido pela transformada Z de y[n].
E{Y} =
+
n=0
ny[n] =
_
z
d
dz
_
Y (z)
z=1
Y (z) =
+
n=0
n
n!
exp()z
n
= exp
_
(z
1
1)
_
E{Y} =
Observe que, diferentemente do Exemplo 5.17 (la M/M/1), o n umero medio de elementos na la
e sempre nito e igual a . Para valores pequenos de , os n umeros medios das duas las s ao
proximos.
P
Exemplo 5.19 (Resposta ao impulso): A resposta ao impulso do sistema (pressupoe condi coes
iniciais nulas)
y[n + 1] y[n] = [n] (p )y[n] = [n] , y[0] = 0
pode ser obtida pela transformada Z, isto e, obtem-se a funcao de transferencia
H(z) =
1
z

H(z)
z
=
1
z(z )
=
1/
z
+
1/
z
e a resposta ao impulso e dada pela transformada Z inversa de H(z)
h[n] = (1/)[n] + (1/)
n
u[n] =
n1
u[n 1]
P
5
Simeon Denis Poisson, matematico frances do seculo XIX.
Exemplo 5.20 (Resposta ao degrau): A resposta ao degrau do sistema, para = 1, (pressupoe
condi coes iniciais nulas)
y[n + 1] y[n] = u[n] (p )y[n] = u[n] , y[0] = 0
pode ser obtida pela transformada Z, isto e,
Y (z) =
z
(z )(z 1)

Y (z)
z
=
1
(z )(z 1)
=
a
(z )
+
b
z 1
a = b =
1
1
e, portanto,
y[n] =
1
n
1
Note que, como
u[n] =
n
k=
[k]
tem-se que a solu cao y[n] e a soma ate n da resposta ao impulso do Exerccio 5.19, isto e,
y[n] =
_
n
k=
k1
u[k 1]
_
u[n] =
_
n1
=0
_
=
1
n
1
Alem disso, como
[n] = u[n] u[n 1]
tem-se que a solu cao do Exerccio 5.19 pode ser escrita como
h[n] = y[n] y[n 1] =
n1
u[n 1]
P
5.2 Resolucao pelo Metodo dos Coecientes a Determinar
Equacoes a diferen cas lineares com coecientes constantes podem ser resolvidas pelo metodo dos
coecientes a determinar.
5.2.1 Equa cao homogenea
Considere a equa cao a diferen cas homogenea
D(p)y[n] = 0 , D(p) =
m
k=0
k
p
k
(5.1)
com
m
= 1 e condi coes iniciais conhecidas, que descreve um sistema linear autonomo.
Observe que a equa cao e uma restricao linear (combina cao linear das funcoes y[n], y[n + 1], . . . ,
y[n +m]) e portanto a solucao y[n] deve necessariamente estar em um espaco de dimens ao m.
5.2. Resolucao pelo Metodo dos Coecientes a Determinar 79
Denicao 5.2: Independencia Linear
Um conjunto de sinais {y
k
[n], k = 1, . . . , m} e linearmente independente se e somente se
m
k=1
c
k
y
k
[n] = 0 , n c
k
= 0 , k = 1, . . . , m
Denicao 5.3: Base

A combinacao linear de um conjunto de m sinais y
k
[n], isto e,
y[n] =
m
k=1
c
k
y
k
[n]
com escalares c
k
C gera um espaco linear, cuja dimens ao e dada pelo n umero r m de sinais
linearmente independentes. Qualquer conjunto de r sinais que gere o mesmo espaco e uma base para
esse espaco.

y
1
[n] = 1, y
2
[n] = n, y
3
[n] = n
2
s ao linearmente independentes.
c
1
y
1
[n] +c
2
y
2
[n] +c
3
y
3
[n] = 0 c
1
= c
2
= c
3
= 0, pois det
_
_
1 0 0
1 1 1
1 2 4
_
_
= 2 = 0
P
Propriedade 5.4: Independencia Linear
y
1
[n] =
n
1
, y
2
[n] =
n
2
1
=
2
pois a
1
n
1
+a
2
n
2
= 0 implica
a
1
+a
2
= 0
a
1
1
+a
2
2
= 0
_
a
1
= a
2
= 0
Propriedade 5.5: Deslocamento de auto-fun cao

As funcoes
y
1
[n] =
n
, y
2
[n] = y
1
[n +k]
s ao linearmente dependentes, pois
y
2
[n] =
k

Propriedade 5.6: Modo pr oprio
A seq uencia y[n] =
n
e solucao da equa cao (5.1) se e raiz de D() = 0 (equa cao caracterstica),
pois
D(p)
n
= D()
n
= 0
Observe que a solucao e valida para todo n Z.
Exemplo 5.22: Para D(p) = p

2
p 1, tem-se
D(p)
n
= (p
2
p 1)
n
=
n+2
n+1
n
= (
2
1)
n
P
Propriedade 5.7: Modos pr oprios
Se as m razes
k
de D() = 0 forem distintas, entao
y[n] =
m
k=1
a
k
n
k
e solucao da equa cao (5.1) pois
k
satisfaz D(
k
) = 0, k = 1, . . . , m e os modos proprios
n
k
, k =
1, . . . , m s ao linearmente independentes.
Propriedade 5.8: Raiz dupla

Se e raiz dupla da equa cao caracterstica D() = 0, entao
n
e n
n
s ao modos proprios da equa cao
(5.1).
Prova:
D(p)(n
n
) =
m
k=0
k
p
k
(n
n
) =
m
k=0
k
(n +k)
n+k
=
= n
n
m
k=0
k
+
n+1
m
k=0
k
k
k1
= n
n
D() +
n+1
d
dp
D(p)
p=
= 0
pois D() = 0 e
d
dp
D(p)
p=
= 0 quando e raiz dupla de D().
Exemplo 5.23: Para D(p) = (p )

2
, tem-se
(p )
2
n
= 0
e, alem disso,
(p )
2
n
n
= (p
2
2p +
2
)n
n
= (n + 2)
n+2
2(n + 1)
n+1
+
2
n
n
=
=
_
2
2
2
+
2
_
n
n
+ 2( )
n+1
= 0
P
Propriedade 5.9: Raiz m ultipla
Se e raiz de multiplicidade r de D(), entao
n
, n
n
, . . . , n
r1
n
s ao modos proprios da equa cao
(5.1).
Propriedade 5.10: Solu cao da Homogenea

A solucao da equa cao homogenea (5.1) de ordem m e dada pela combinacao linear dos seus m modos
proprios, considerando as eventuais multiplicidades das razes caractersticas.
Exemplo 5.24: Considere a equacao a diferencas do Exemplo 5.9

D(p)y[n] = (p )y[n] = 0 , y[0] = 1
A raiz da equacao caracterstica e = , e portanto
y[n] = a
n
sendo a o coeciente a determinar. Das condi coes iniciais, a = y[0] = 1.
P
Exemplo 5.25: Considere a equacao a diferencas do Exemplo 5.13 (Fibonacci)
D(p)y[n] = (p
2
p 1)y[n] = 0 = (p
1
)(p
2
)y[n] = 0 , y[0] = 0 , y[1] = 1
1
=
1 +
5
2
,
2
=
1
5
2
A equacao caracterstica e D() = (
1
)(
2
) = 0. A solu cao e dada por
y[n] = a
1
n
1
+a
2
n
2
Das condi coes iniciais, a
1
=
5
5
, a
2
=

5
5
P
Exemplo 5.26: Considere a equacao a diferencas, com = 1,
D(p)y[n] = (p 1)(p )y[n] = 0 , y[0] = 1 , y[1] = 1 +
A solu cao e
y[n] = a
1
(1)
n
+a
2
n
=
1
n+1
1
P
D(p)y[n] = (p 1)
3
y[n] = 0 , y[0] = 0 , y[1] = 1 , y[2] = 3
com = 1 raiz tripla da equacao caracterstica. A solu cao e
y[n] = a
1
(1)
n
+a
2
n(1)
n
+a
3
n
2
(1)
n
=
n(n + 1)
2
P
D(p)y[n] = (p 1)(p )
2
y[n] = 0 , y[0] = 0 , y[1] = , y[2] = + 2
2
A solu cao e
y[n] = a
1
(1)
n
+a
2
n
+a
3
n
n
=

(1 )
2
(1
n
)

1
n
n
P
D(p)y[n] = (p 1)(p (1 +))y[n] = 0 , y[0] = M , y[1] = M(1 +)
A solu cao e
y[n] = a
1
(1)
n
+a
2
(1 +)
n
=

+
_
M

_
(1 +)
n
P
Exemplo 5.30: Considere o sistema modal descrito pelas equacoes a diferencas
v
1
[n + 1] = v
1
[n] v
2
[n] , v
2
[n + 1] = v
2
[n] +v
1
[n] , > 0 , > 0
O polin omio caracterstico de segunda ordem (associado a v
1
[n] ou a v
2
[n]) e
D(p) = p
2
2p +
2
+
2

2
=
1
= exp(j) = +j , > 0
e a solu cao e dada por
a
1
n
1
+a
2
n
2
, a
2
= a
1
=
A
2
exp(j)
com a
1
, a
2
(ou A e ) determinados pelas condi coes iniciais.
Note que a solu cao pode ser reescrita como
A
n
cos(n +)
e, portanto, diverge para > 1 (comportamento instavel). Pode ser tambem observado que, mesmo
para < 1 (subsistemas desacoplados est aveis), o valor de pode instabilizar o sistema.
P
5.2.2 Equa cao nao homogenea
Considere a equa cao a diferen cas nao homogenea
D(p)y[n] = N(p)x[n] , D(p) =
m
k=0
k
p
k
, N(p) =
k=0
k
p
k
(5.2)
com
m
= 1 e condi coes iniciais conhecidas, que descreve um sistema linear nao autonomo.
A equa cao (5.2) pode ser resolvida pelo metodo dos coecientes a determinar sempre que x[n] for
solucao de uma equa cao diferencial homogenea dada por
D(p)x[n] = 0
O polin omio

D(p) dene os modos do espaco que contem x[n]. Portanto, multiplicando a equa cao (5.2)
dos dois lados por

D(p), tem-se a equa cao homogenea
D(p)D(p)y[n] = N(p)

D(p)x[n] = 0
que contem os modos proprios de D(p) e os modos for cados de

D(p).
As condi coes iniciais que permitem a solucao desse sistema aumentado s ao as originais acrescidas de
tantas quanto for o grau de

D(p), obtidas por substituicao sistematica na equa cao (5.2).
Exemplo 5.31: Considere a equacao a diferencas tratada no Exemplo 5.10 (soma geometrica)
y[n + 1] y[n] =
n+1
, y[0] = 1
Neste caso
D(p) = p 1 e

D(p) = p , y[0] = 1 , y[1] = 1 +
pois a entrada x[n] =
n
est a no espaco de dimensao 1 descrito por um modo proprio associado à
raiz . A condi cao y[1] = 1 + foi obtida substituindo-se y[0] na equacao original.
A equacao homogenea resultante foi resolvida no Exemplo 5.26.
P
Exemplo 5.32: Considere a equacao a diferencas tratada no Exemplo 5.11 (soma aritmetica)
y[n + 1] y[n] = n + 1 , y[0] = 0
Neste caso
D(p) = (p 1) e

D(p) = (p 1)
2
, y[0] = 0 , y[1] = 1 , y[2] = 3
pois a entrada x[n] = n +1 est a no espaco de dimensao 2 descrito pelos modos proprios associados
à raiz 1 com multiplicidade 2. As condi coes iniciais y[1] e y[2] foram obtidas da equacao original
por substituicao.
P
Exemplo 5.33: Considere a equacao a diferencas tratada no Exemplo 5.12 (soma aritmetica-
geometrica)
y[n + 1] y[n] = (n + 1)
n+1
, y[0] = 0
Neste caso
D(p) = (p 1) e

D(p) = (p )
2
, y[0] = 0 , y[1] = , y[2] = + 2
2
pois a entrada x[n] = (n + 1)
n+1
est a no espaco de dimensao 2 descrito pelos modos proprios
associados à raiz com multiplicidade 2. As condi coes iniciais y[1] e y[2] foram obtidas da equacao
original por substituicao.
P
Exemplo 5.34: Considere a equacao a diferencas tratada no Exemplo 5.14 (tabela Price)
y[n + 1] (1 +)y[n] = , y[0] = M
Neste caso
D(p) = (p (1 +)) e

D(p) = (p 1) , y[0] = M , y[1] = M(1 +)
pois a entrada x[n] = est a no espaco de dimensao 1 descrito por um modo proprio associado à
raiz 1. A condi cao inicial y[1] foi obtida da equacao original por substituicao.
P
Exemplo 5.35: Considere novamente a equacao a diferencas do Exemplo 5.16
(p
2
+ 5p + 6)y[n] = (3p + 1)x[n] , y[0] = 1, y[1] = 2 , x[n] = (2)
n
Portanto,

D(p) = (p + 2), y[2] = 3x[1] +x[0] 5y[1] 6y[0] = 21 e
y[n] = 2.5n(2)
n
+ 10(2)
n
9(3)
n
Note que a solu cao vale para todo n Z e coincide para n 0 com a solu cao obtida por transfor-
mada Z no Exemplo 5.16.
P
Propriedade 5.11: Solu cao Forcada
O metodo dos coecientes a determinar pode ser aplicado diretamente à equa cao a diferen cas nao
homogenea (5.2). Para isso, identicam-se as parcelas homogenea e for cada (devido à entrada) da
solucao.
y[n] = y
h
[n] +y
f
[n] D(p)
_
y
h
[n] +y
f
[n]
_
= N(p)x[n]
D(p)y
f
[n] = N(p)x[n] (5.3)
pois
D(p)y
h
[n] = 0
As parcelas homogenea e forcada s ao dadas por
y
h
[n] =
m
k=1
a
k
f
k
[n] , y
f
[n] =
m
k=1
b
k
g
k
[n]
sendo f
k
[n] os m modos proprios associados a D() = 0 e g
k
[n] os m modos for cados associados a
D() = 0, considerando-se as possveis multiplicidades com as razes .

Os coecientes b
k
s ao obtidos da equa cao (5.3) e, em seguida, os coecientes a
k
s ao obtidos a partir
das condi coes iniciais.
Exemplo 5.36: Considere o Exemplo 5.10 cuja equacao a diferencas e dada por
y[n + 1] y[n] =
n+1
, y[0] = 1 D(p) = p 1 ,

D(p) = (p )
Para = 1, tem-se = 1 e = (razes distintas). A solu cao forcada e
y
f
[n] = b
n
(b b)
n
=
n+1
, b =

1
A solu cao e
y[n] = b
n
+a
Da condi cao inicial y[0] = 1, tem
1 = b +a a =
1
1
Para = 1, ocorre o fenomeno conhecido como ressonancia (modo proprio excitado pelo modo da
entrada). Neste caso, tem-se
= = 1 y
f
[n] = bn1
n
, b = 1
A solu cao e (usando-se a condi cao inicial)
y[n] = bn +a = n + 1
P
Exemplo 5.37 (Soma aritmetica): A soma aritmetica, tratada no Exemplo 5.11, satisfaz a equacao
a diferencas
y[n + 1] y[n] = n + 1 , y[0] = 0 D(p) = p 1 ,

D(p) = (p 1)
2
Trata-se de uma ressonancia dupla, =
1
=
2
= 1. Portanto,
y
f
[n] = b
1
n
2
+b
2
n b
1
= b
2
= 0.5
y[n] =
n
2
2
+
n
2
+a =
n(n + 1)
2
P
Exemplo 5.38 (Soma aritmetica-geometrica): A soma aritmetica-geometrica, tratada no Exem-
plo 5.12, satisfaz a equacao a diferencas
y[n + 1] y[n] = (n + 1)
n+1
, y[0] = 0 D(p) = p 1 ,

D(p) = (p )
2
Para = 1, tem-se = 1 e
1
=
2
= (raiz dupla). Portanto,
y
f
[n] = b
1
n
n
+b
2
n
b
1
=

1
, b
2
=

( 1)
2
y[n] = b
1
n
n
+b
2
n
+a a =

( 1)
2
P
Exemplo 5.39: Considere a equacao a diferencas do Exemplo 5.15
y[n + 2] 3y[n + 1] + 2y[n] = 1 y[0] = 0, y[1] = 0 D(p) = (p 1)(p 2) ,

D(p) = p 1
Note que
1
= 1,
2
= 2 e = 1 (ressonancia). A solu cao forcada e
y
f
[n] = bn b = 1
A solu cao e (usando-se as condi coes iniciais)
y[n] = n +a
1
+a
2
2
n
a
1
= 1, a
2
= 1
P
Propriedade 5.12: Resposta ao Impulso
D(p)y[n] = N(p)x[n] , x[n] = [n] (condicoes iniciais nulas)
A priori, o metodo dos coecientes a determinar nao poderia ser utilizado para determinar y[n] pois
nao existe equa cao a diferen cas linear com coecientes constantes que produza como solucao a funcao
[n], isto e, [n +k] e linearmente independente de [n] qualquer que seja k = 0.
Entretanto, a resposta ao impulso pode ser calculada pelo metodo dos coecientes a determinar da
seguinte forma. Primeiramente, resolva
D(p)f[n] = 1 , (condicoes iniciais nulas)
Por linearidade, tem-se
y[n] = N(p)
_
f[n]u[n] f[n 1]u[n 1]
_
Note que a resposta ao degrau e dada por N(p)f[n]u[n]

Exemplo 5.40: Retomando o Exemplo 5.20, = 1, tem-se
(p )y[n] = u[n] , y[0] = 0 (p )f[n] = 1 ( = , = 1)
f[n] = b
1
+a
1
n
, b
1
b
1
= 1 b
1
=
1
1
, a
1
= b
1
y[n] =
1
n
1
u[n]
y[n] y[n 1] =
n1
u[n 1]
P
(p 2)(p 3)y[n] = px[n] , x[n] = [n] , (condi coes iniciais nulas)
(p 2)(p 3)f[n] = 1 f[n] = b
1
+a
1
2
n
+a
2
3
n
, b
1
= 0.5 , a
1
= 1 , a
2
= 0.5
A resposta ao degrau e dada por
pf[n]u[n] =
_
1
2
2
n+1
+
1
2
3
n+1
_
u[n + 1]
e a resposta ao impulso e
y[n] = pf[n]u[n] pf[n 1]u[n 1] = f[n + 1]u[n + 1] f[n]u[n] =
= (f[n + 1] f[n])u[n] = (2
n
+ 3
n
)u[n]
Note que as respostas ao degrau e ao impulso poderiam ser obtidas por transformada Z.
A resposta ao impulso e a transformada Z inversa de Y (z), ou seja
Y (z) =
z
(z 2)(z 3)

Y (z)
z
=
1
z 2
+
1
z 3
, y[n] = (2
n
+ 3
n
)u[n]
e a resposta ao degrau
Y (z) =
z
(z 2)(z 3)
z
(z 1)

Y (z)
z
=
2
z 2
+
3/2
z 3
+
1/2
z 1
y[n] =
_
2(2
n
) +
3
2
(3
n
) +
1
2
_
u[n]
P
5.3 Exerccios
Exerccio 5.1: Determine y[n] solu cao das equacoes:
y[n + 2] 9y[n] = 0, y[0] = 11, y[1] = 27
y[n + 2] 9y[n] = 18(3)
n
, y[0] = 2, y[1] = 3
y[n + 2] 9y[n] = 36n(3)
n
, y[0] = 3, y[1] = 6
y[n + 2] 4y[n] = 0, y[0] = 100, y[1] = 100
y[n + 2] + 4y[n + 1] + 4y[n] = 0, y[0] = 100, y[1] = 100
y[n + 2] + 4y[n + 1] + 4y[n] = 400(2)
n
, y[0] = 100, y[1] = 100
y[n + 2]
5
2
y[n + 1] +y[n] = 2
n
, y[0] = 0 , y[1] = 1
Exerccio 5.2: a) Determine as tres razes caractersticas da equacao a diferencas linear com coecientes
constantes, homogenea, cuja solu cao satisfaz a equac ao
(p 3)y[n] = cos
_
4
n +/3
_
, y[0] = 37
b) Determine a resposta ao impulso (condi coes iniciais nulas) de
(p 1)(p 2)y[n] = x[n]
Exerccio 5.3: Determine a solu cao de
y[n + 2]
5
2
y[n + 1] +y[n] = x[n] , y[0] = 1 , y[1] = 0
para a) x[n] = 0, b) x[n] = 2
n
Exerccio 5.4: Determine a transformada Y (z) = Z{y[n]} sendo
y[n] =
n
k=0
k
2
, para n 0
Exerccio 5.5: Determine y[n]
y[n + 2] 4y[n + 1] + 3y[n] = 3
n
u[n] , y[1] = y[0] = 0
Exerccio 5.6: Determine a resposta ao degrau do sistema
(p
2
+ 4p + 4)y[n] = (3p + 4)x[n]
Exerccio 5.7: Determine y[n] solu cao da equacao
y[n + 1] +y[n] = x[n] , y[0] = 1 , Z{x[n]u[n]} =
z
(z 2)
2
, |z| > 2
Exerccio 5.8: a) Determine a solu cao forcada de
y[n + 2]
5
2
y[n + 1] +y[n] = 2
n
b) Obtenha uma equacao a diferencas homogenea e as condi coes iniciais cuja solu cao seja solu cao da equacao
nao homogenea descrita no item a).
5.3. Exerccios 89
Exerccio 5.9: a) Resolva usando metodo dos coecientes a determinar
y[n + 2] 3y[n + 1] + 2y[n] = 1 , y[0] = y[1] = 0
b) Resolva usando transformada Z
y[n + 2] 3y[n + 1] + 2y[n] = 2
n
u[n] , y[0] = y[1] = 0
Exerccio 5.10: a) Resolva a equacao a diferencas usando o metodo dos coecientes a determinar.
y[n + 1] y[n] =
n+1
, y[0] = 1
b) Resolva usando transformada Z.
Exerccio 5.11: Determine a equacao a diferencas e as condi coes iniciais que produzem x[n] = n
n
como
solu cao.
Exerccio 5.12: a) Resolva usando metodo dos coecientes a determinar
y[n + 2] 2.5y[n + 1] +y[n] = 2
n
, y[0] = y[1] = 0
b) Resolva usando transformada Z
y[n + 2] 2.5y[n + 1] +y[n] = u[n] , y[0] = y[1] = 0
Exerccio 5.13: Considere uma populacao de casais de coelhos, composta de casais adultos, casais lhotes com
um mes e casais lhotes com dois meses de idade. Cada casal adulto gera um casal de lhotes todo mes, e o
casal de lhotes torna-se fertil (adulto) com tres meses de vida. No mes n, a[n] e o n umero de casais adultos,
f
1
[n] e o n umero de casais de lhotes com um mes de vida e f
2
[n] e o n umero de casais de lhotes com dois
meses de vida. N ao ocorrem mortes. Determine a equacao a diferencas homogenea em termos do n umero de
casais adultos a[n].
Exerccio 5.14: a) Determine a equacao homogenea e as condi coes iniciais que produzem a mesma solu cao que
a equacao
y[n + 2] 3y[n + 1] + 2y[n] = 2
n
u[n] , y[0] = 0 , y[1] = 1
b) Determine o valor da soma
y[n] =
n
k=0
k
2
Sugestao: escreva uma equacao a diferencas para y[n] e resolva pelo metodo dos coecientes a determinar.
Exerccio 5.15: a) Determine a solu cao y[n] da equacao
(p + 1)(p + 2)y[n] = x[n] , y[0] = y[1] = 0 , Z{x[n]} = z +
z
z 2
, |z| > 2
b) Determine y[n] solu cao da equacao
y[n + 1] +y[n] = x[n] , y[0] = 1 , Z{x[n]u[n]} =
z
(z 2)
2
, |z| > 2
Exerccio 5.16: a) Determine a equacao a diferencas de segunda ordem em y[n] para
v
1
[n + 1] = v
1
[n] + 2v
2
[n] +x[n] , v
2
[n + 1] = v
1
[n] v
2
[n] , y[n] = v
2
[n] 2v
1
[n]
utilizando operador deslocamento p, isto e, determine D(p) e N(p) tais que D(p)y[n] = N(p)x[n]
b) Determine y[n] para
v
1
[n + 1] = v
1
[n] + 2v
2
[n] +x[n] , v
2
[n + 1] = v
1
[n] , y[n] = v
2
[n] , x[n] = 1, v
1
[0] = 1, v
2
[0] = 0
Exerccio 5.17: Determine a solu cao forcada de
(p 1)(p 2)y[n] = x[n] , y[0] = 0 , y[1] = 1
para a) x[n] = 2(3
n
), b) x[n] = 3(2
n
)
Exerccio 5.18: Determine a resposta y[n] à entrada
x[n] =
1
3
[n 1]
da equacao a diferencas linear a coecientes constantes, homogenea, cuja resposta ao degrau e 6
_
1 2
n
_
u[n]
Captulo 6
Equacoes de Estado de Sistemas
Discretos
Sistemas din amicos discretos podem ser descritos por equa coes a diferen cas (envolvendo entrada e
sada) ou por equa coes de estado (modelo de variaveis de estado ou modelo interno).
6.1 Variaveis de estado
Denicao 6.1: Representacao can onica por variaveis de estado
Sistemas discretos no tempo com uma entrada escalar x[n] e uma sada escalar y[n] s ao chamados de
sistemas SISO (single-input single-output). Podem ser descritos por equa coes de primeira ordem nas
variaveis de estado
v[n + 1] = f(v[n], x[n], n) , y[n] = g(v[n], x[n], n) , n Z (6.1)
sendo v[n] R
m
o vetor de variaveis de estado.
As seq uencias v[n], solucoes de (6.1), s ao determinadas de maneira unica a partir da condi cao inicial
v[0] R
m
e da entrada x[n].
Exemplo 6.1: Um modelo (veja [24]) para a ocorrencia de um gene recessivo na gera cao n + 1 e
dado por
v[n + 1] =
v[n]
1 +v[n]
, n N
sendo v[n] a freq uencia de ocorrencia na gera cao n.
A partir de uma condi cao inicial v[0] = a, tem-se
v[1] =
a
1 +a
, v[2] =
v[1]
1 +v[1]
=
a
1 + 2a
v[n] =
1
1 +na
P
Exemplo 6.2: O montante de depositos em uma conta bancaria no ano n + 1 pode ser descrito
pela equacao
v[n + 1] = (1 +)v[n] +b
sendo b um deposito constante e o rendimento percentual pago pelo banco anualmente sobre o
valor v[n]. Considerando como condi cao inicial v[0] = 0, tem-se (veja Captulo 5)
v[n] =
_
(1 +)
n
1
_
b
P
90
6.1. Variaveis de estado 91
Denicao 6.2: Pontos de equilbrio ou pontos xos
Os vetores v solucao do sistema de equa coes invariante no tempo
v = f( v, x)
para x[n] = x constante s ao denominados pontos de equilbrio ou pontos xos do mapeamento.
Exemplo 6.3: Considere a equacao logstica [32] (semelhante à equacao a diferencas do Exem-
plo 5.3 para a populacao de peixes em um lago):
v[n + 1] = v[n](1 v[n]), > 0
Os pontos de equilbrio s ao
v = 0 , v =
1
Note que para condi coes iniciais v[0] [0, 1] e 0 4, a seq uencia v[n] permanece no intervalo.
A Figura 6.1 ilustra dois comportamentos para v[n], com = 2, a partir de 0.01 e de 0.95, em
direcao ao ponto xo v = 0.5. Dependendo do valor de , v[n] pode apresentar comportamento
oscilat orio ou mesmo caotico (veja [32] para maiores detalhes).
0 1 2 3 4 5 6 7 8 9 10
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
n
Figura 6.1: Evolucao de v[n] do Exemplo 6.3 ( = 2) a partir das condi coes iniciais v[0] = 0.01 e
v[0] = 0.95 em direcao ao ponto xo v = 0.5.
P
Assim como no caso contnuo, sistemas lineares invariantes no tempo SISO (single-input single-output)
podem ser representados por equa coes matriciais de primeira ordem nas variaveis de estado e equa coes
de sada
v[n + 1] = Av[n] +bx[n]
y[n] = cv[n] +dx[n]
O modelo (A, b, c, d) pode tambem ser obtido da linearizacao das equa coes (6.1), representando o
comportamento do sistema de maneira aproximada em torno dos pontos xos.
Um sistema linear com entrada x[n] = (constante) possui como ponto xo v tal que
v = A v +b (I A) v = b
Se det(I A) = 0, a solucao e unica, dada por
v = (I A)
1
b
92 Captulo 6. Equacoes de Estado de Sistemas Discretos
Se det(I A) = 0 e = 0, tem-se
(I A) v = 0
ou seja, os pontos xos estao no espaco nulo de (I A).
Exemplo 6.4: Considere o modelo discreto predador-presa (v
1
[n] representa as presas, v
2
[n] os
predadores)
v
1
[n + 1] = 2(1 v
1
[n])v
1
[n] v
1
[n]v
2
[n]
v
2
[n + 1] = 0.8v
2
[n] + 3v
1
[n]v
2
[n]
Os pontos xos s ao (0, 0), (0.5, 0) e (0.2/(3), (1 0.4/(3))/). O jacobiano do sistema e dado
por
_
f
i
v
j
_
=
_
2 4v
1
v
2
v
1
3v
2
0.8 + 3v
1
_
Por exemplo, para = 1/3, tem-se os comportamentos aproximados em torno dos pontos de
equilbrio dados por
(0, 0) ,
_
2 0
0 0.8
_
, autovalores 2 (modo instavel) e 0.8 (modo est avel)
(0.5, 0) ,
_
0 1/6
0 1.3
_
, autovalores 1.3 (modo instavel) e 0 (modo est avel)
(0.2, 1.8) ,
_
0.6 0.2/3
1.8 1
_
, autovalores |0.8 j0.2828| 0.8485 (modos est aveis oscilat orios)
P
6.1.1 Fun cao de transferencia e realizacoes
Usando a nota cao pv[n] = v[n + 1], pode-se obter a representa cao entrada-sada a partir da equa cao
de estado de maneira similar ao caso contnuo, ou seja,
y[n] =
_
c(pI A)
1
b +d
_
x[n] , H(z) =
N(p)
D(p)
p=z
= c(zI A)
1
b +d
Para construir uma realizacao a partir da equa cao a diferen cas D(p)y[n] = N(p)x[n], utilizam-se as
mesmas tecnicas do caso contnuo.
(p
3
+ 8p
2
+ 5p + 3)y[n] = (2p
3
+ 30p
2
+ 15p + 10)x[n]
Como N(p) = 2(p
3
+ 8p
2
+ 5p + 3) + 14p
2
+ 5p + 4, tem-se uma realizacao dada por
A =
_
_
0 1 0
0 0 1
3 5 8
_
_
, b =
_
_
0
0
1
_
_
, c =
_
4 5 14
, d =
_
2
(6.2)
De fato,
c(pI A)
1
b +d =
14p
2
+ 5p + 4
p
3
+ 8p
2
+ 5p + 3
+ 2 =
2p
3
+ 30p
2
+ 15p + 10
p
3
+ 8p
2
+ 5p + 3
A Figura 6.2 mostra a realizacao (6.2) com operadores avanco (i.e. p
1
v[n + 1] = v[n]).
P
+
+ +
+ + +
p
1
p
1
p
1
x
y
v
1
v
2
v
3
3 5 8
4 5 14 2
1
Figura 6.2: Realiza cao (A, b, c, d) dada por (6.2) da funcao de transferencia do Exemplo 6.1.
6.1.2 Solucao da equa cao homogenea
A equa cao de estado
v[n + 1] = Av[n] , v[0] = v
0
R
m
pode ser resolvida por substituicao direta, isto e,
v[1] = Av[0] , v[2] = Av[1] = A
2
v[0] v[n] = A
n
v[0]
O calculo de A
n
pode ser feito por qualquer uma das tecnicas do Captulo 17 para computo de funcao
de matriz quadrada.
Exemplo 6.6: Considere o sistema
v[n + 1] =
_
_
0 1 0
0 0 1
2 5 4
_
_
v[n] , v[0] =
_
_
1
0
0
_
_
,
1
=
2
= 1,
3
= 2
Pelo Teorema de Cayley-Hamilton (Propriedade 18.6), f(A) = A
n
pode ser calculada como um
polin omio de grau 2. Assim,
f() =
n
=
0
(n) +
1
(n) +
2
(n)
2

0
= 2n +2
n
,
1
= 2 +3n 2
n+1
,
2
= 1 n +2
n
e, portanto,
A
n
=
_
_
2n + 2
n
2 + 3n 2
n+1
1 n + 2
n
2 2n + 2
n+1
3n 2
n+2
+ 5 2 n + 2
n+1
4 2n + 2
n+2
8 + 3n 2
n+3
n + 2
n+2
3
_
_
A solu cao v[n] e dada por
v[n] = A
n
v[0] =
_
_
2n + 2
n
2 2n + 2
n+1
4 2n + 2
n+2
_
_
Note que, neste exemplo, det(I A) = 0 e, portanto, v =
_

, R, e um ponto xo do
sistema.
P
O sistema homogeneo pode ser resolvido por transformada Z, se multiplicados ambos os lados por
u[n]. Assim,
v[n + 1]u[n] = Av[n]u[n] , v[0] = v
0
V (z) = (zI A)
1
zv
0
e o domnio de existencia de V (z), para uma condi cao inicial v
0
qualquer, e o exterior do menor crculo
centrado na origem que contem todos os autovalores de A.
Propriedade 6.1:
Z{A
n
u[n]} = (zI A)
1
z , |z| > max
i
|
i
(A)|
pois a solucao do sistema para n 0 e dada por v[n] = A
n
u[n]v
0
para qualquer v
0
.

v[n + 1] =
_
0 1
6 5
_
v[n] , v[0] = v
0
=
_
1
1
_
Multiplicando por u[n] dos dois lados e aplicando a transformada Z, tem-se
V (z) = (zI A)
1
zv
0
=
1
z
2
5z + 6
_
z 5 1
6 z
_
zv
0
(zI A)
1
=
_
_
z 5
(z 2)(z 3)
1
(z 2)(z 3)
6
(z 2)(z 3)
z
(z 2)(z 3)
_
_
=
_
_
3
(z 2)
+
2
(z 3)
1
(z 2)
+
1
(z 3)
6
(z 2)
+
6
(z 3)
2
(z 2)
+
3
(z 3)
_
_
V (z) =
_
_
3z
(z 2)
+
2z
(z 3)
1z
(z 2)
+
1z
(z 3)
6z
(z 2)
+
6z
(z 3)
2z
(z 2)
+
3z
(z 3)
_
_
_
_
1
1
_
_
=
_
_
2z
(z 2)

z
(z 3)
4z
(z 2)

3z
(z 3)
_
_
v[n] =
_
2(2
n
) 3
n
4(2
n
) 3(3
n
)
_
u[n]
Note que a matriz A e diagonaliz avel (autovalores distintos), e que
AQ = Q

A ,
_
0 1
6 5
_ _
1 1
3 2
_
=
_
1 1
3 2
_ _
3 0
0 2
_
Portanto, a solu cao v[n] pode tambem ser obtida por transformacao de similaridade
v[n] = A
n
v
0
= Q

A
n
Q
1
v
0
=
_
1 1
3 2
_ _
3
n
0
0 2
n
_ _
2 1
3 1
_
v
0
=
_
3(2
n
) 2(3
n
) 2
n
+ 3
n
6(2
n
) 6(3
n
) 2(2
n
) + 3(3
n
)
_ _
1
1
_
=
_
2(2
n
) 3
n
4(2
n
) 3(3
n
)
_
Finalmente, note que
Z{v[n]u[n]} =
_
_
2z
z 2

z
z 3
4z
z 2

3z
z 3
_
_
P
v[n + 1] =
_
_
1 0
0 1
0 0
_
_
v[n] , v[0] = v
0
A partir do calculo de funcoes de matrizes na forma de Jordan (veja a Propriedade 18.17 no
Captulo 18), tem-se que a solu cao e dada por
v[n] =
_
_
n
n
n1
n(n 1)
n2
/2
0
n
n
n1
0 0
n
_
_
v
0
P
6.1.3 Solucao da equa cao nao homogenea
De maneira similar ao caso contnuo, a solucao pode ser obtida por transformada Z, por convolucao
ou pela denicao de um sistema homogeneo aumentado equivalente.
Considere o sistema
v[n + 1] = Av[n] +bx[n] , v[0] = v
0
, y[n] = cv[n] +dx[n] (6.3)
A resposta ao impulso pode ser obtida por substituicao sistematica, com x[n] = [n] e v[0] = 0,
v[1] = b , v[2] = Ab , v[n] = A
n1
b , n > 0
h[n] = (cA
n1
b)u[n 1] +d[n]
Note que a resposta ao impulso (Propriedade 6.1) tambem pode ser obtida como a transformada Z
inversa de H(z), isto e,
h[n] = Z
1
{c(zI A)
1
b +d} = Z
1
{z
1
_
c(zI A)
1
zb
_
+d} = cA
n1
bu[n 1] +d[n]
No domnio do tempo, a resposta a uma entrada qualquer x[n] para n 0 e dada por
v[n] = A
n
v
0
+
n1
k=0
A
n1k
bx[k] , y[n] = cA
n
v
0
+
n1
k=0
cA
n1k
bx[k] +dx[n]
ou, usando a denicao de convolucao discreta (Denic ao 1.12), por
v[n] = A
n
v
0
+ (A
n1
u[n 1]) (bx[n]u[n]) , y[n] = cA
n
v
0
+c(A
n1
u[n 1]) (bx[n]u[n]) +dx[n]
Equivalentemente, multiplicando as equa coes din amica e de sada dadas em (6.3) por u[n] e aplicando
a transformada Z, tem-se
V (z) = (zI A)
1
zv
0
+ (zI A)
1
bX(z) , Y (z) = c(zI A)
1
zv
0
+
_
c(zI A)
1
b +d
_
X(z)
Note que as parcelas devido à entrada nula e devido às condi coes iniciais nulas veem-se claramente.
Se a entrada x[n] e solucao do sistema homogeneo
v[n + 1] =

A v[n] , v[0] = v
0
, x[n] = c v[n]
a solucao v[n] do sistema original pode ser obtida a partir do sistema aumentado
_
v[n + 1]
v[n + 1]
_
=
_
A b c
0

A
_ _
v[n]
v[n]
_
,
_
v[0]
v[0]
_
, y =
_
c d c
_
v[n]
v[n]
_
v[n + 1] =
_
0 1
1 0
_
v[n] +
_
0
1
_
x[n] , v[0] =
_
0
1
_
, y[n] =
_
1 0
v[n] , x[n] = 2
n
Os autovalores de A s ao 1 e 1, e
A
n
=
0
(n)I +
1
(n)A
sendo
0
e
1
dados por
1 =
0
+
1
, (1)
n
=
0
1

0
=
1 + (1)
n
2
,
1
=
1 (1)
n
2
Assim, A
n
e a resposta à entrada nula s ao dados respectivamente por
A
n
=
1
2
_
1 + (1)
n
1 (1)
n
1 (1)
n
1 + (1)
n
_
y
en
[n] = cA
n
v
0
=
1 (1)
n
2
A parcela relativa às condi coes iniciais nulas e dada por
y
cin
[n] = c(A
n1
u[n 1]) (bx[n]u[n]) =
_
1
2
(1 (1)
n1
)u[n 1]
_
(2
n
u[n])
=
1
2
_
(1 + (1)
n
)u[n 1]
_
(2
n
u[n])
Computando as convolucoes, tem-se
y
cin
[n] =
1
2
+
k=
(1 + (1)
k
)u[k 1]2
nk
u[n k] = 2
n1
u[n 1]
n
k=1
(1 + (1)
k
)2
k
= 2
n1
u[n 1]
_
n
k=1
(1/2)
k
+
n
k=1
(1/2)
k
_
= 2
n1
_
1 2
n
+
1 + (2)
n
3
_
u[n 1]
=
_
1
2
+
1
3
2
n
+
1
6
(1)
n
_
u[n 1] =
_
1
2
+
1
3
2
n
+
1
6
(1)
n
_
u[n]
e, portanto, para n 0
y[n] =
_
1
2
+
1
2
(1)
n
1
2
+
1
3
2
n
+
1
6
(1)
n
_
u[n] =
_
1
3
2
n
1
3
(1)
n
_
u[n]
Igual resultado poderia ser obtido pela transformada Z, obtendo-se Y (z) e expandindo em fracoes
parciais
Y (z) =
z
(z 1)(z + 1)
+
z
(z 1)(z + 1)(z 2)
=
0.5z
(z 1)
+
0.5z
z + 1
+
0.5z
z 1
+
1
6
_
z
z + 1
_
+
1
3
_
z
z 2
_
P
Exemplo 6.10: Considere novamente o sistema do Exemplo 6.9. Note que a entrada x[n] = 2
n
pode ser obtida como solu cao do sistema
v[n + 1] = 2 v[n] , v[0] = 1 , y[n] = v[n]
O sistema aumentado dado por
A =
_
_
0 1 0
1 0 1
0 0 2
_
_
, v[0] =
_
_
0
1
1
_
_
, c =
_
1 0 0
produz como solu cao (utilizando a forma de Jordan, i.e. AQ = Q

A)
_
_
0 1 0
1 0 1
0 0 2
_
_
_
_
1 1 1
1 1 2
0 0 3
_
_
=
_
_
1 1 1
1 1 2
0 0 3
_
_
_
_
1 0 0
0 1 0
0 0 2
_
_
A
n
=
_
_
1 1 1
1 1 2
0 0 3
_
_
_
_
(1)
n
0 0
0 1
n
0
0 0 2
n
_
_
1
6
_
_
3 3 1
3 3 3
0 0 2
_
_
=
1
2
_
_
(1)
n
+ 1 (1)
n
+ 1 (1/3)(1)
n
1 + (2/3)2
n
(1)
n
+ 1 (1)
n
+ 1 (1/3)(1)
n
1 + (4/3)2
n
0 0 2
n
_
_
6.2. Observabilidade e controlabilidade SISO 97
e, portanto,
y[n] = c

A
n
v[0] =
1
3
2
n
+
1
3
(1)
n
P
6.2 Observabilidade e controlabilidade SISO
Denicao 6.3: Observabilidade
O sistema din amico linear discreto invariante no tempo, descrito por
v[n + 1] = Av[n] , v R
m
, y[n] = cv[n] R
e observ avel (ou, equivalentemente, o par (A, c) e observ avel) se existir k > 0 inteiro tal que o
conhecimento da sada y[n] para todo n [0, k] e suciente para determinar a condi cao inicial v[0].
As Propriedades 19.1 e 19.2 tambem aplicam-se a sistemas discretos, isto e, o par (A, c) e observ avel
se e somente se
det(Obsv(A, c)) = det
_
_
c
cA
.
.
.
cA
n1
_
_
= 0
ou se e somente se a matriz
_
AI
c
_
C
(m+1)m
tiver rank m.
Denicao 6.4: Controlabilidade
O sistema din amico linear discreto invariante no tempo, descrito por
v[n + 1] = Av[n] +bx[n] , v R
m
, x[n] R
e controlavel (ou, equivalentemente, o par (A, b) e controlavel) se para qualquer estado inicial v[0] e
um estado v[k] nal arbitr ario, existir uma entrada x[n], n [0, k], k > 1 nito que leve o sistema de
v[0] a v[k].
As Propriedades 19.4 e 19.5 tambem aplicam-se a sistemas discretos, isto e, o par (A, b) e controlavel
se e somente se
det(Ctrb(A, b)) = det
_
b Ab A
n1
b
= 0
ou se e somente se a matriz
_
AI b
C
m(m+1)
tiver rank m.
No caso contnuo, como exp(At) e nao singular para todo t, a controlabilidade de um estado arbitr ario
inicial a um estado nal, de um estado inicial à origem ou da origem a um estado nal arbitr ario
e a mesma coisa. No caso discreto, pode haver distincao entre controlabilidade para a origem e
controlabilidade a partir da origem ou acessibilidade (chamada em ingles de reachability) se a matriz
A for singular.
v[n + 1] =
_
_
0 1 0
0 0 1
0 0 0
_
_
v[n] +
_
_
0
0
0
_
_
x[n]
e nao controlavel (matriz de controlabilidade igual a zero), nao satisfaz a Denicao 6.4 de con-
trolabilidade nem pode atingir um ponto qualquer a partir da origem. No entanto, para qualquer
condi cao inicial e para qualquer entrada x[n],
v[3] = A
3
v[0] = 0
implicando que o sistema e controlavel para a origem.
P
v[n + 1] =
_
0 0
2 1
_
v[n] +
_
0
1
_
x[n]
e nao controlavel (matriz de controlabilidade tem rank igual a 1), e portanto nao pode atingir um
ponto qualquer a partir da origem. Entretanto, para qualquer condi cao inicial
v[0] =
_
v
10
v
20
_
a entrada x[0] = 2v
10
v
20
transfere o sistema para a origem, indicando que o sistema e controlavel
para a origem.
P
Propriedade 6.2:
Para sistemas controlaveis, existe R
m
tal que a entrada
x[n] = b
(A
)
n
, n [0, k] , k > 1 (6.4)
leva o sistema da condi cao inicial v[0] = 0 para v[k] arbitr ario.

v[n + 1] =
_
0 1
2 3
_
v[n] +
_
1
1
_
x[n]
controlavel, pois
_
1 1
1 5
_
= 0
A solu cao v[n] para condi coes iniciais nulas e dada por
v[n] =
n1
k=0
A
n1k
bx[k]
ou, multiplicando por u[n] e aplicando a transformada Z,
V (z) = (zI A)
1
bX(z)
A transformada Z de x[n]u[n] e dada por
Z{b
_
(A
)
1
_
n
u[n]} = b
_
zI (A
)
1
_
1
z
e, portanto,
V (z) = (zI A)
1
bb
_
zI (A
)
1
_
1
z
6.3. Estabilidade 99
Substituindo os valores, tem-se
V (z) = M(z) =
z
(z
2
+ 3z + 2)(2z
2
+ 3z + 1)
_
(z + 4)(2z 1) (z + 4)(2z + 5)
(z 2)(2z 1) (z 2)(2z + 5)
_
Note que det(M(z)) = 0 para todo z, pois det(bb
) = 0. Entretanto, a transformada inversa Z de

M(z), dada por
M(n) =
_
_
10
3
(2)
n
+ 6(1)
n
9(1)
n
n
28
3
_
1
2
_
n
20
3
(2)
n
+ 9(1)
n
n +
20
3
_
1
2
_
n
2
3
(2)
n
18(1)
n
+ 9(1)
n
n +
56
3
_
1
2
_
n
4
3
(2)
n
+ 12(1)
n
9(1)
n
n
40
3
_
1
2
_
n
_
_
e nao singular para todo n > 1. A entrada x[n], n [0, 1] que leva o sistema da origem para
v[2] =
_
1 3
e dada por (6.4) e, portanto,

= M(2)
1
_
1
3
_
=
1
9
_
1
5
_
x[n] =
1
9
_
1 1
_
0 2
1 3
_
n
_
1
5
_
=
1
9
_
1 1
_
1 2
1 1
_ _
(2)
n
0
0 (3)
n
_ _
1 2
1 1
_ _
1
5
_
=
1
9
_
18(2)
(n)
12(1)
(n)
_
= 2
_
1
2
_
n
4
3
(1)
n
De fato,
v[1] =
_
1
1
_
x[0] =
2
3
_
1
1
_
, v[2] = Av[1] +
_
1
1
_
x[1] =
2
3
_
1
5
_
+
1
3
_
1
1
_
=
_
1
3
_
P
6.3 Estabilidade
Assim como no caso contnuo, a estabilidade de sistemas discretos no tempo pode ser caracterizada em
termos da rela cao entrada-sada (BIBO estabilidade) ou em termos das variaveis de estado (estabilidade
dos pontos de equilbrio).
6.3.1 Estabilidade entrada-sada
Propriedade 6.3: Funcao de transferencia estavel
Se um sistema linear invariante no tempo descrito por uma funcao de transferencia H(z) for BIBO
estavel, entao z = exp(j) pertence ao domnio
h
, pois
|H(z = exp(j))| =
k=
h[k] exp(jk)
k=
|h[k]| < +
e a Propriedade 1.8 mostra que um sistema e BIBO estavel se e somente se a resposta ao impulso for
absolutamente somavel.
Propriedade 6.4: Funcao de transferencia racional causal estavel

Um sistema linear invariante no tempo causal descrito por uma funcao de transferencia racional
H(z) =
N(z)
D(z)
,
h
= {z C , |z| > ||} , = max
k
|
k
|
e BIBO estavel se e somente se todos os polos
k
(isto e, razes de D(z) = 0) tiverem valor absoluto
menor do que um.
Prova: autovalores com m odulo menor do que um garantem que a resposta causal ao impulso
h[n] =
m
k=1
a
k
g
k
[n] , g
k
[n] = k
r
k
n
k
u[n] , 0 r
k
m
e absolutamente somavel.
Observe que foi suposto que H(z) e estritamente proprio. Se H(z) for proprio, ocorre um impulso na
resposta ao impulso, o que nao invalida a demonstra cao.
Denicao 6.5: Polin omio Schur

Um polin omio D(p) que possui todas as razes com valor absoluto menor do que um e chamado de
polin omio Schur.
Assim como no caso de polin omios Hurwitz (isto e, polin omios cujas razes tem parte real negativa
veja Denicao 20.1), associados a sistemas contnuos no tempo, existem criterios numericos para
determinar se todas as razes de um polin omio estao no interior do crculo unit ario do plano complexo
sem computar explicitamente as razes.
Propriedade 6.5: Criterio de Jury
1
Considere um polin omio D
m
(z) de grau m dado por
m
z
m
+
m1
z
m1
+ +
1
z +
0
,
m
> 0
Construa a tabela (versao simplicada do criterio de Jury [17], [39]) com os coecientes do polin omio
na primeira linha (da potencia maior para a menor), com os coecientes
k
dados por
m1
=
m
k
0
0
,
m2
=
m1
k
0
1
, . . . ,
0
=
1
k
0
m1
, k
0
=

0
m
na segunda linha, com os coecientes
k
dados por
m2
=
m1
k
1
0
,
m3
=
m2
k
1
1
, . . . ,
0
=
1
k
1
m2
, k
1
=

0
m1
e assim por diante.
m

m1

m2

2

1

0
m1

m2

1

0
m2

m3

0

1

0
0
O polin omio D
m
(z) e Schur se e somente se todos os coecientes da primeira coluna da tabela forem
positivos. Alem disso, o n umero de elementos com coecientes negativos na primeira coluna indica o
n umero de razes fora do crculo unit ario.
Para casos de singularidade no computo da tabela, ver [39].
1
Eliahu I. Jury, engenheiro americano nascido em Bagda, Iraque.
Pela Propriedade E.2, o elemento associado ao grau zero de um polin omio e igual ao produto das
razes, implicando que uma condi cao necessaria para a estabilidade e que |
0
| <
m
.
Exemplo 6.14: A tabela de Jury associada ao polin omio
D
2
(z) = z
2
+
1
z +
0
e dada por
1
1

0
1

0
0
com
k
0
=
0
,
1
= 1
2
0
,
0
=
1
1
, k
1
=
(1
0
)
1
1
2
0
0
=
1
k
1
0
= 1
2
0
(1
0
)
1
1
2
0
(
1
1
) =
(1
2
0
)
2
((1
0
)
1
)
2
1
2
0
As condi coes necessarias e sucientes para que as razes estejam no interior do crculo unitario s ao
dadas por
1
> 0 |
0
| < 1 ,
0
> 0 |1
2
0
| > |(1
0
)
1
|
P
Exemplo 6.15: Considere o polin omio
D(z) = z
4
0.7z
3
0.075z
2
+ 0.05z + 0.05
e a tabela de Jury associada
k
0
= 0.05,
3
= 1 (0.05)(0.05) = 0.9975,
2
= 0.7 (0.05)(0.05) = 0.7025,
1
= 0.075 (0.05)(0.075) = 0.07125,
0
= 0.05 (0.05)(0.7) = 0.085
k
1
0.0852,
2
= 0.9975 (0.0852)(0.085) 0.9903,
1
= 0.7025 (0.0852)(0.07125) 0.6964,
0
= 0.07125 (0.0852)(0.7025) 0.0114
k
2
0.0115,
1
= 0.9903 (0.0115)(0.0114) 0.9901,
0
= 0.6964 (0.0115)(0.6964) 0.7044
k
3
0.7115,
0
= 0.9901 (0.7115)(0.7044) 0.4889
1 0.7 0.075 0.05 0.05
0.9975 0.7025 0.07125 0.085
0.9903 0.6964 0.0114
0.9901 0.7044
0.4889
Como os elementos da primeira coluna s ao todos positivos, pode-se concluir que todas as razes
est ao no interior do crculo unitario. De fato, as razes s ao 0.25 j0.25 e 0.6 j0.2.
P
D(z) = z
4
1.2z
3
+ 0.07z
2
+ 0.3z 0.08
1 1.2 0.07 0.3 0.08 k
0
= 0.08
0.9936 1.1760 0.0756 0.2040 k
1
= 0.2053
0.9517 1.1915 0.3170 k
2
= 0.3331
0.8461 0.7946 k
3
= 0.9391
0.0999
Como os elementos da primeira coluna s ao todos positivos, pode-se concluir que todas as razes
est ao no interior do crculo unitario. De fato, as razes s ao 0.5, 0.8, 0.5 e 0.4.
P
D(z) = z
3
1.3z
2
0.08z + 0.24
1 1.3 0.08 0.24 k
0
= 0.24
0.9424 1.2808 0.2320 k
1
= 0.2462
0.8853 0.9655 k
2
= 1.0906
0.1677
A presen ca de um sinal negativo na primeira coluna indica que uma das razes est a fora do crculo
unitario. De fato, as razes s ao 1.2, 0.5 e 0.4.
P
6.3.2 Transformacao bilinear
A transformacao bilinear denida por
z =
s + 1
s 1
mapeia o crculo unit ario |z| = 1 no semi-plano esquerdo do plano complexo Re(s) < 0. Assim, a
estabilidade Schur de um polin omio pode ser testada com os criterios de estabilidade relacionados com
polin omios Hurwitz, como por exemplo a tabela de Routh (Propriedade 20.6).
Exemplo 6.18: Considere o polin omio do Exemplo 6.16
D(z) = z
4
1.2z
3
+ 0.07z
2
+ 0.3z 0.08
que, com a transformacao bilinear, pode ser escrito em termos de s como
_
s + 1
s 1
_
4
1.2
_
s + 1
s 1
_
3
+ 0.07
_
s + 1
s 1
_
2
+ 0.3
_
s + 1
s 1
_
0.08
Multiplicando a equacao por (s 1)
4
e simplicando, tem-se
D(s) = 0.09s
4
+ 1.32s
3
+ 5.38s
2
+ 7.32s + 1.89
cuja tabela de Routh e dada por
s
4
0.09 5.38 1.89
s
3
1.32 7.32
s
2
4.8809 1.89
s 6.8089
1 1.89
Como todos os elementos s ao positivos, D(s) e Hurwitz, conrmando que D(z) e Schur.
P
6.3.3 Estabilidade do estado
Assim como no caso contnuo, o comportamento das trajet orias do vetor de estados para entrada
constante e condi coes iniciais proximas ao ponto de equilbrio dene a estabilidade local (est avel,
assintoticamente estavel ou inst avel).
Propriedade 6.6: Estabilidade assint otica de sistemas lineares
O sistema linear autonomo
v[n + 1] = Av[n]
e assintoticamente estavel se e somente se o valor absoluto de todos os autovalores de A for menor do
que um, pois a solucao do sistema linear e dada por
v[n] = A
n
v[0]
que e composta pelos modos proprios associados às razes de () = 0, ou seja, associados aos
autovalores da matriz A.
Se nenhum autovalor for nulo, a origem e o unico ponto de equilbrio do sistema e, portanto, se a
origem for assintoticamente estavel, o sistema e globalmente assintoticamente estavel.
As consideracoes da Propriedade 20.10 s ao validas tambem para o caso discreto, ou seja, a funcao de
transferencia e dada por
H(z) = c(zI A)
1
b +d
e, portanto, todo polo de H(z) e autovalor de A, mas nem todo autovalor e necessariamente polo (pode
haver cancelamentos devidos à nao controlabilidade ou à nao observabilidade). Assim, a estabilidade
assintotica implica na BIBO estabilidade, e a BIBO estabilidade s o implica na estabilidade assintotica
se o sistema for controlavel e observ avel.
Propriedade 6.7: Funcao de Lyapunov
Considere o sistema
v[n + 1] = f(v[n])
O ponto de equilbrio v = 0 e assintoticamente estavel se existir um domnio contendo a origem e
uma funcao escalar (v) contnua tal que
(0) = 0 , (v) > 0 v {0} e (v) = (v[n + 1]) (v[n]) < 0 v {0}
Assim como no caso contnuo, a condi cao acima e apenas suciente para a estabilidade assintotica, e
depende da construcao da funcao (v), que na maioria dos casos e dada por
(v) = v
Pv
com P R
mm
uma matriz simetrica denida positiva (veja Propriedade D.30 no Apendice D) a
determinar. Note que, com essa escolha de (v), a primeira diferen ca e dada por
(v) = f(v[n])
Pf(v[n]) v[n]
Pv[n]
e o teste da estabilidade assintotica consiste na an alise do sinal de (v).
Propriedade 6.8: Desigualdade de Lyapunov
v[n + 1] = Av[n]
e assintoticamente estavel se e somente se existir P = P
> 0 tal que

A
PAP < 0 (denida negativa)

Prova: a suciencia e conseq uencia da escolha da func ao de Lyapunov
(v) = v
Pv (v) = v[n + 1]
Pv[n + 1] v[n]
Pv[n] = v[n]
(A
PAP)v[n]
e, portanto,
(v) > 0 e (v) < 0 , v = 0 P > 0 , A
PAP < 0
Note que A
PAP e uma matriz simetrica.
A determinacao de uma matriz simetrica denida positiva P que satisfaz a desigualdade acima pode
ser feita pela solucao da equa cao de Lyapunov
A
PAP = Q
com Q = Q
> 0 arbitr aria, por exemplo, igual à matriz identidade.

Teorema 6.1: Lyapunov
Para qualquer matriz Q = Q
> 0, a solucao da equa cao de Lyapunov

A
PAP = Q
e unica, simetrica e denida positiva se e somente se todos os autovalores da matriz A tiverem valor
absoluto menor do que um (isto e, se A for assintoticamente estavel).
Prova: se os autovalores de A (iguais aos de A
) s ao, em m odulo, menores do que um, pela Proprie-

dade D.33, P e solucao unica da equa cao pois nao existem dois autovalores cujo produto seja igual a
um.
Alem disso, para Q = Q
> 0 qualquer, a solucao (como |

i
(A)| < 1, i = 1, . . . , m, a soma converge) e
dada por
P =
+
k=0
(A
)
k
QA
k
Substituindo na equa cao, tem-se
A
k=0
(A
)
k
QA
k
A
+
k=0
(A
)
k
QA
k
=
+
k=1
(A
)
k
QA
k
_
Q+
+
k=1
(A
)
k
QA
k
_
= Q
o que conrma que P acima e solucao. Como Q e simetrica e denida positiva, P tambem o e, o que
completa a necessidade. Para mostrar a suciencia, considere um autovalor de A com o autovetor
associado v, isto e, Av = v. Entao,
(v
Qv = (v
Pv (v
PAv = (v
Pv
(v
Pv = (1 ||
2
)(v
Pv
e, como (v
Qv e (v
Pv s ao reais e positivos, tem-se ||

2
< 1.
y
v[n + 1] =
_
1 0.5
1 0
_
v[n]
Pela solu cao da equacao de Lyapunov discreta,
A
PAP = I
6.4. Discretizacao 105
tem-se
_
1 0.5
1 0
_
_
p
1
p
2
p
2
p
3
_ _
1 0.5
1 0
_
_
p
1
p
2
p
2
p
3
_
=
_
1 0
0 1
_
_
2p
2
+p
3
0.5p
1
1.5p
2
0.5p
1
1.5p
2
0.25p
1
p
3
_
=
_
1 0
0 1
_
P =
1
5
_
24 8
8 11
_
Como P e denida positiva (menores principais lderes positivos), o sistema e assintoticamente
est avel.
P
v[n + 1] =
_
0 1
5 6
_
v[n]
Pela solu cao da equacao de Lyapunov discreta,
A
PAP = I
tem-se
_
0 1
5 6
_
_
p
1
p
2
p
2
p
3
_ _
0 1
5 6
_
_
p
1
p
2
p
2
p
3
_
=
_
1 0
0 1
_
_
25p
3
p
1
6p
2
+ 30p
3
6p
2
+ 30p
3
p
1
12p
2
+ 35p
3
_
=
_
1 0
0 1
_

_
_
1 0 25
0 6 30
1 12 35
_
_
_
_
p
1
p
2
p
3
_
_
=
_
_
1
0
1
_
_
Como o determinante da matriz acima e nulo, a solu cao p
1
, p
2
e p
3
nao existe ou nao e unica,
indicando que o sistema nao e assintoticamente est avel. De fato, as equacoes acima nao possuem
solu cao, pois o vetor
_
1 0 1
nao est a no range da matriz.

P
Propriedade 6.9:
v[n + 1] = Av[n]
e estavel se e somente se o valor absoluto de todos os autovalores de A for menor ou igual a um, e
os blocos de Jordan associados aos autovalores com m odulo igual a um forem de ordem igual a um.
Note que, nesse caso, a seq uencia v[n] e sempre limitada para qualquer condi cao inicial. Alguns livros
(como por exemplo, [11] e o captulo sobre estabilidade de [2]) utilizam os termos estabilidade no
sentido de Lyapunov ou sistema marginalmente estavel.
Caso contrario, isto e, se houver algum autovalor com valor absoluto maior do que um ou blocos de
Jordan de ordem maior que um associados aos autovalores de m odulo igual a um, o sistema e inst avel.
6.4 Discretizacao
Modelos discretos que descrevem de maneira aproximada sistemas din amicos contnuos no tempo
podem ser obtidos de diversas maneiras em funcao do tempo de amostragem T (por exemplo, veja o
comando c2d do Matlab).
Considere o sistema linear contnuo no tempo dado por
v(t) = Av(t) +bx(t)
y(t) = cv(t) +dx(t)
Levando em conta que
v(t) = lim
T0
v(t +T) v(t)
T
pode-se aproximar o modelo acima por
v(t +T) = v(t) +Av(t)T +bx(t)T
e, computando v(t) e x(t) apenas nos instantes t = nT, n = 0, 1, . . . tem-se
v((n + 1)T) = (I +TA)v(nT) +Tbx(nT)
y(nT) = cv(nT) +dx(nT)
A discretizacao acima (aproximacao de primeira ordem de Euler), embora melhore quanto menor for
o valor de T, pode ser bastante imprecisa.
Se a entrada x(t) e obtida de um sinal digital que passa por um conversor digital-analogico, do tipo
segurador de ordem zero (em ingles, zero order hold), tem-se
x(t) = x(nT) = x[n] , para nT t < (n + 1)T , n = 0, 1, . . .
Para essa entrada que muda apenas com os instantes discretos de tempo n, a solucao do sistema
din amico contnuo e dada por
v(t) = exp(At)v(0) +
_
t
0
exp(A(t ))bx()d
que, computada em t = (n + 1)T fornece
v((n + 1)T) = exp(A(n + 1)T)v(0) +
_
(n+1)T
0
exp(A(n + 1)T )bx()d
= exp(AT)
_
exp(AnT)v(0) +
_
nT
0
exp(A(nT ))bx()d
_
+
_
(n+1)T
nT
exp(A(nT +T ))bx()d
Portanto, como x() = x(nT) e constante, tem-se
v((n + 1)T) = exp(AT)v(nT) +
_
_
T
0
exp(A)d
_
bx(nT)
e o modelo discreto e dado por
v[n + 1] = A
d
v[n] +b
d
x[n]
y[n] = c
d
v[n] +dx[n]
com
A
d
= exp(AT) , b
d
=
_
_
T
0
exp(A)d
_
b , c
d
= c , d
d
= d
Note que nao foi feita nenhuma aproximacao no modelo e, portanto, a equa cao discreta fornece a
solucao exata do sistema contnuo em t = nT se a entrada for mantida constante entre dois instantes.
Note ainda que
A
1
(A
d
I)b
_
T
0
exp(A)d =
_
T
0
(I +A +A
2
2
2
+ )d = TI +
T
2
2!
A+
T
3
3!
A
2
+
e, se A e nao singular, tem-se
A
1
_
TA+
T
2
2!
A
2
+
T
3
3!
A
3
+ + I I
_
= A
1
_
exp(AT) I
_
e nesse caso
b
d
= A
1
_
exp(AT) I
_
b = A
1
(A
d
I)b
6.5. Exerccios 107
v =
_
0 1
2 2
_
v +
_
1
1
_
x , y =
_
1 1
v
cuja funcao de transferencia e dada por
H(s) =
2s + 1
s
2
+ 2s + 2
O sistema discretizado com T = 1 e dado por
A
d
= exp(A) =
_
0.5083 0.3096
0.6191 0.1108
_
, b
d
= A
1
(A
d
I)b =
_
1.0471
0.1821
_
, y =
_
1 1
v
A Figura 6.3 mostra as respostas ao degrau contnua y
u
(t) e discreta y
u
[n], tendendo ao valor
H(0) = 0.5. Note que os pontos da seq uencia discreta y[n] coincidem com y
u
(t) nos instantes
t = kT.
0 1 2 3 4 5 6 7 8 9 10
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
n
Figura 6.3: Respostas ao degrau do sistema do Exemplo 6.21, contnua y(t) () e discretizada y[n]
().
P
6.5 Exerccios
Exerccio 6.1: Considere o sistema
v[n + 1] =
_
0 1
2 3
_
v[n] +
_
0
1
_
x[n] , v[0] = 0 , y[n] =
_
1 0
v[n]
a) Determine a resposta ao impulso
b) Determine a resposta à entrada x[n] = 3
n
u[n] usando transformada Z
c) Determine a resposta à entrada x[n] = 3
n
u[n] usando convolucao
d) Determine um sistema autonomo aumentado (

A, c) e as condi coes iniciais v(0) que produzem a mesma solu cao
Solucao:
h[n] =
1
2
[n] + (2
n1
1)u[n] = (2
n1
1)u[n 1] , y[n] = (0.5 2
n
+ 0.5(3
n
))u[n]
A =
_
_
0 1 0
2 3 1
0 0 3
_
_
, v[0] =
_
_
0
0
1
_
_
, c =
_
1 0 0

Exerccio 6.2: Considere o sistema
v[n + 1] =
_
_
6 11 6
1 0 0
0 1 0
_
_
v[n] +
_
_
1
0
0
_
_
x[n] , v[0] =
_
_
1
2
3
_
_
, y[n] =
_
1 0 0
v[n] +x[n]
a) Determine a solu cao para x[n] = 2
n
u[n], evidenciando a resposta à entrada nula e a resposta às condi coes
iniciais nulas
b) Determine um sistema autonomo aumentado (

A, c) e as condi coes iniciais v(0) que produzem a mesma solu cao
do sistema original
Exerccio 6.3: Monte a tabela de Jury simplicada para o polin omio
D(z) = z
4
0.2z
3
3.98z
2
+ 0.8z 0.08
e conclua sobre a estabilidade Schur.
Solucao:
1 0.2 3.98 0.8 0.08 k
0
= 0.08
0.9936 0.136 4.2984 0.7840 k
1
0.7891
0.3750 3.2557 4.1912 k
2
11.1767
46.4675 39.6431 k
3
0.8531
12.6466
indicando que o polin omio nao e Schur e que duas razes est ao fora do crculo unitario. De fato, as razes s ao
2, 0.1 j0.1.
Exerccio 6.4: Usando a transformacao bilinear z = (s + 1)(s 1)
1
, conclua sobre a estabilidade Schur do
polin omio
D(z) = z
3
+ 0.1z
2
0.05z 0.125
Solucao:
D(s) = 0.9250s
3
+ 3.5250s
2
+ 2.5750s + 0.9750
s
3
0.9250 2.5750
s
2
3.5250 0.9750
s 2.3191
1 0.9750
e, portanto, D(z) e Schur est avel.
Parte II
SISTEMAS CONT
INUOS
109
Captulo 7
Sinais Contnuos e Convolu cao
Denicao 7.1: Sinais Contnuos
Um sinal contnuo, denotado x(t), e uma funcao (real ou complexa) cujo domnio e o conjunto dos
reais R.
Denicao 7.2: Degrau Unitario

u
(t) =
_
_
0 , t 0
(1/)t , 0 < t
1 , t >
u(t) = lim
0
+
u
(t) =
_
_
_
u(t) = 0, t 0
u(t) = 1, t > 0
Note que
u(0) = 0 ; u(0
+
) = lim
t0
+
u(t) = 1
Denicao 7.3: Impulso Unitario
(t) =
d
dt
u
(t) =
_
_
0 , t 0
1/ , 0 < t <
0 , t >
= (t) = lim
0
+
(t) = (t) =
d
dt
u(t)
Como conseq uencia, tem-se
u(t) =
_
t
()d
Note que o impulso ocorre em 0
+
e
(0) = 0
Os sinais u
(t) e
(t) s ao mostrados na Figura 7.1.

Propriedade 7.1: Integral com Impulso
_
+
f(t)(t)dt = f(0) , f(t) contnua em t = 0

110
111
replacemen
t
t
(t)
u
(t)

1/
1
Figura 7.1: Sinais u
(t) e
(t).
Prova:
I =
_
+
f(t)(t)dt = lim
0
+
_
+
f(t)
(t)dt = lim
0
+
_

0
1
f(t)dt
Pelo teorema do valor medio, tem-se
_
b
a
f(t)dt = f(c)(b a) , c (a, b)
e, portanto,
I = lim
0
+
1
f(y)(0) , y (0, )
I = lim
0
+
y (0, )
f(y) = f(0)
A funcao impulso nao pode ser calculada pontualmente. Apenas integrais envolvendo (t) podem ser
avaliadas. Como conseq uencia
f(t)(t) = f(0)(t)
pois ambas tem o mesmo valor da integral.
Propriedade 7.2: Integral com Impulso Deslocado
_
+
f(t)(t a)dt = f(a) , f(t) contnua em t = a
Propriedade 7.3: Integral com Impulso Escalonado

_
+
f(t)(at)dt =
1
|a|
f(0) , a = 0, a R e f(t) contnua em t = 0
Note que o impulso pode ser considerado uma funcao par, ou seja, (t) = (t).

112 Captulo 7. Sinais Contnuos e Convolucao
Exemplo 7.1: Usando as propriedades do impulso, tem-se:
_
+
(2t
2
+ 3)(t)dt = 3
_
+
(2t
2
+ 3)(t)dt = 3
_
+
(2t + 3)(t + 1)dt = 1
_
+
(2t)dt =
1
2
_
+
()d =
1
2
_
+
(2t
2
+ 3)(2t)dt =
3
2
P
Exemplo 7.2: A funcao u(t) (degrau unitario) pode ser usada na denicao de outras funcoes.
A funcao gate G
T
(t), T > 0, pode ser descrita como
G
T
(t) = u(t +T/2) u(t T/2) =
_
_
+1 , | t |<
T
2
0 , | t |>
T
2
Note que u(t +T/2) corresponde a deslocar para a esquerda a funcao u(t) de T/2.
P
Para esbo car x(at + b), primeiro desloque x(t) para a direita se b < 0 (ou para a esquerda, se b > 0)
de acordo com o valor de b, e depois fa ca o escalonamento no tempo de acordo com o valor de a. Se
|a| > 1, trata-se de compressao, e se |a| < 1, de expans ao. Ocorre uma reversao se a < 0.
Assim:
x(t 1) e um deslocamento de 1 unidade para a direita;
x(t + 1) e um deslocamento de 1 unidade para a esquerda,
x(t) e uma reversao no tempo;
x(2t) e uma contra cao no tempo;
x(t/2) e uma expans ao no tempo;
Note que
y(t) = x(t +b) , w(t) = y(at) w(t) = x(at +b)
mas
y(t) = x(at) , w(t) = y(t +b) w(t) = x(at +ab)
113
x(t)
x(t)
t
t
1
1
1
1
1
1
1
Figura 7.2: Sinais x(t) e derivada x(t).
Exemplo 7.3: Os esbo cos do sinal
x(t) = (t + 1)
_
u(t + 1) u(t)
_
+
_
u(t) u(t 1)
_
e de x(t) =
d
dt
x(t) s ao mostrados na Figura 7.2.
A expressao de x(t) e
x(t) = u(t + 1) u(t) + (t + 1)
_
(t + 1) (t)
_
+(t) (t 1) = u(t + 1) u(t) (t 1)
Para esbo car y(t) = x(1 t), e conveniente primeiramente esbo car f(t) = x(t + 1) (deslocamento
para a esquerda) e depois esbo car y(t) = f(t) (reversao), conforme ilustrado na Figura 7.3.
f(t)
y(t)
t
t
1 1
1
1 2
2
Figura 7.3: Sinais f(t) = x(t + 1) e y(t) = x(1 t).
P
Denicao 7.4: Funcao Par e Funcao

Impar
x(t) = x(t) e par , x(t) = x(t) e mpar
Exemplo 7.4: As funcoes cos(t), sen

2
(t) s ao pares e as funcoes sen(t), cos(t)sen(t) s ao mpares.
Note que qualquer funcao x(t) pode ser decomposta em parcelas x
p
(t) par e x
i
(t) mpar, isto e
x(t) = x
p
(t) +x
i
(t) , x
p
(t) =
1
2
_
x(t) +x(t)
_
, x
i
(t) =
1
2
_
x(t) x(t)
_
P
Denicao 7.5: Sistemas Contnuos
Sao sistemas cujas entradas e sadas s ao funcoes escalares (sinais reais ou complexos) contnuas no
tempo.
Nota cao: y(t) = G{x(t)}, sendo x(t) a entrada e y(t) a sada.
Exemplo 7.5 (Integrador): A rela cao entre uma entrada x(t) e a sada
y(t) =
_
t
x()d
dene um sistema contnuo (integrador), que pode tambem ser descrito pela equacao diferencial
y(t) = x(t)
A Figura 7.4 ilustra a rela cao entre uma entrada x(t) e sua integral y(t).
x(t)
y(t)
t
t
1
1
1
1
1
1
Figura 7.4: Sinal x(t) e sua integral y(t).
P
Exemplo 7.6: Denotando a m-esima derivada de y(t) por y
(m)
, a equacao diferencial
y
(m)
+
m1
y
(m1)
+ +
1
y +
0
y =
x
()
+
1
x
(1)
+ +
1
x +
0
x
descreve um sistema contnuo de ordem m.
Denindo o operador simbolico p
p =
d
dt
, p
2
=
d
2
dt
2
, . . .
tem-se
D(p)y(t) = N(p)x(t) , D(p) =
m
k=0
k
p
k
; N(p) =
k=0
k
p
k
com
m
= 1. Neste caso, D(p) e um polin omio monico.
P
Denicao 7.6: Sistemas Lineares
Um sistema e linear se satisfaz o princpio da superposicao, isto e,
G{a
1
x
1
(t) +a
2
x
2
(t)} = a
1
G{x
1
(t)} +a
2
G{x
2
(t)}
Note que G{0} = 0.

115
Exemplo 7.7: O integrador do Exemplo 7.5 e o sistema descrito pela equacao diferencial do Exem-
plo 7.6 s ao sistemas lineares, pois a integral da soma e a soma das integrais e a derivada da soma
e a soma das derivadas.
P
Exemplo 7.8: Considere um pendulo composto por uma haste rgida sem peso, de comprimento ,
oscilando em um plano vertical, sujeito ao atrito de friccao no engate e sustentando na extremidade
livre uma massa m. Denotando por y o angulo com a vertical (em repouso, y = 0), tem-se a
equacao do movimento angular
m y = mgsen(y) mb y
sendo g a aceleracao da gravidade e b o coeciente de atrito. A forca longitudinal na barra e dada
por mg cos(y).
Trata-se de um sistema nao-linear, pois o seno da soma nao e a soma dos senos.
Para pequenas variacoes em torno do ponto de equilbrio y = 0, y = 0 tem-se sen(y) y, resultando
na equacao diferencial linear
m y = mgy mb y
P
Denicao 7.7: Invariante no Tempo
Um sistema e invariante no tempo se um deslocamento da entrada produzir igual deslocamento na
sada, isto e,
y(t a) = G{x(t a)}
para qualquer a real.
Exemplo 7.9: O integrador do Exemplo 7.5 e o sistema descrito pela equacao diferencial do Exem-
plo 7.6 com coecientes constantes s ao sistemas lineares invariantes no tempo, pois
y(t) =
_
t
x()d
_
t
x( a)d =
_
ta
x()d = y(t a)
e
D(p)y(t) = N(p)x(t) D(p)y(t a) = N(p)x(t a)
P
y(t) = G{x(t)} = x(t
2
)
e linear, pois
G{a
1
x
1
(t) +a
2
x
2
(t)} = a
1
x
1
(t
2
) +a
2
x
2
(t
2
)
e e variante no tempo, pois
y
1
(t) = x
1
(t
2
) , y
2
(t) = x
2
(t
2
)
x
2
(t) = x
1
(t a) y
2
(t) = x
1
(t
2
a) = y
1
(t a) = x
1
_
(t a)
2
_
P
Denicao 7.8: Sistema sem Mem oria
Um sistema e sem mem oria se a sada no instante t depende apenas do sinal de entrada no instante t.
Exemplo 7.11: O integrador do Exemplo 7.5 e o sistema do Exemplo 7.10 s ao sistemas com
mem oria.
P
Denicao 7.9: Sistema Causal
Um sistema e causal ou nao antecipativo quando a sada nao depende de valores futuros da entrada.
Exemplo 7.12: O sistema descrito pela rela cao

y(t) =
_
t+1
t1
x()d
e nao causal, pois e preciso conhecer a entrada ate o instante t +1 para determinar-se a sada y(t).
P
Denicao 7.10: Sistema BIBO Estavel
Um sistema e BIBO estavel (Bounded-Input Bounded-Output) se a sada e limitada para toda entrada
limitada.
|x(t)| < b |y(t)| < +
Exemplo 7.13:
y(t) = tx(t)
e um sistema linear, sem mem oria, causal, variante no tempo e nao BIBO est avel.
y(t) = exp(x(t))
e um sistema nao linear, sem mem oria, causal, invariante no tempo e BIBO est avel.
y(t) = x(t) cos(t + 1)
e um sistema linear, sem mem oria, causal, variante no tempo e BIBO est avel.
y(t) = x
2
(t)
e um sistema nao-linear, sem mem oria, causal, invariante no tempo e BIBO est avel.
117
y(t) = G{x(t)} = x(t) +x
(t)
e um sistema sem mem oria, causal, invariante no tempo e BIBO est avel.

E nao-linear, pois
G{jx(t)} = jy(t)
P
Denicao 7.11: Resposta ao Impulso
Resposta ao impulso e a sada do sistema quando a entrada e a funcao impulso e as condi coes iniciais
s ao nulas (sistema em repouso), isto e
h(t) = G{(t)}
Exemplo 7.14: A resposta ao impulso do integrador do Exemplo 7.5 e

y(t) = G{x(t)} =
_
t
x()d h(t) = G{(t)} =

_
t
()d = u(t)
e a resposta ao impulso do sistema do Exemplo 7.12 e
y(t) =
_
t+1
t1
x()d h(t) = u(t + 1) u(t 1) = G
2
(t)
A resposta ao impulso do sistema
y(t) =
_
t
tT
x()d , T > 0
e dada por
h(t) = u(t) u(t T)
A resposta ao impulso do sistema
y(t) =
_
t
x() exp
_
(t )
_
d
e dada por
h(t) = exp(t)u(t)
P
Denicao 7.12: Convolu cao
Convolucao e a operacao
x
1
(t) x
2
(t) =
_

x
1
()x
2
(t )d
Note que nem sempre a integral de convolucao existe, como por exemplo, para x
1
(t) = x
2
(t) = 1,
x
1
(t) x
2
(t) nao existe.

Propriedade 7.4:
Se
x
1
(t) = x
1
(t)u(t) , x
2
(t) = x
2
(t)u(t)
entao
x
1
(t) x
2
(t) = u(t)
_
t
0
x
1
()x
2
(t )d
Propriedade 7.5:
O impulso e o elemento neutro da convolucao.
Prova:
x(t) (t) =
_

x()(t )d =
_

x(t )()d = x(t)
Propriedade 7.6: Comutativa

x
1
(t) x
2
(t) = x
2
(t) x
1
(t)
Prova:
x
1
(t) x
2
(t) =
_
+
x
1
(t )x
2
()d =
_
+
x
1
()x
2
(t )d = x
2
(t) x
1
(t)
Propriedade 7.7: Associativa

x
1
(t) (x
2
(t) x
3
(t)) = (x
1
(t) x
2
(t)) x
3
(t)
Prova:
x
1
(t) (x
2
(t) x
3
(t)) = x
1
(t)
__
+
x
2
(t )x
3
()d
_
=
=
_
+
x
1
(t )
__
+
x
2
( )x
3
()d
_
d
integrando primeiro em e depois em , e trocando por , tem-se
x
1
(t) (x
2
(t) x
3
(t)) =
_
+
x
3
()
__
+
x
1
((t ) ) x
2
()d
_
. .
x
1
(t) x
2
(t)
t
d = x
3
(t) (x
1
(t) x
2
(t))
Propriedade 7.8: Distributiva em rela cao à soma

x
1
(t) (x
2
(t) +x
3
(t)) = x
1
(t) x
2
(t) +x
1
(t) x
3
(t)
Prova:
x
1
(t) (x
2
(t) +x
3
(t)) =
_
+
x
1
(t )(x
2
() +x
3
())d = x
1
(t) x
2
(t) +x
1
(t) x
3
(t)

119
Exemplo 7.15: A convolucao
x(t) = x
1
(t) x
2
(t) , x
1
(t) = exp(a
1
t)u(t) ; x
2
(t) = exp(a
2
t)u(t) , a
1
= a
2
calculada pela denicao produz
x(t) =
_
t
0
exp
_
a
1
(t )
_
exp(a
2
)d =
exp(a
1
t)
(a
2
a
1
)
_
(a
2
a
1
)t
0
exp()d =
exp(a
2
t) exp(a
1
t)
(a
2
a
1
)
u(t)
A Figura 7.5 mostra x(t) para os valores a
1
= 1, a
2
= 2, ou seja,
x(t) = (exp(t) exp(2t)) u(t)
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
t (s)
x
x
1
x
2
Figura 7.5: x(t) =
_
exp(t) exp(2t)
_
u(t) obtido da convolucao de duas exponenciais x
1
(t) x
2
(t).
Note que
a
2
0
+
x
2
u(t) x(t)
1
a
1
(1 exp(a
1
t))u(t) = u(t)
_
t
0
x
1
()d
Para analisar o caso a
2
= a
1
= a, pode-se fazer a
1
= a, a
2
= a + e 0, resultando em (por
LH opital)
x(t) = exp(at)
exp(t) 1
u(t) = t exp(at)u(t)
P
Propriedade 7.9: Deslocamento no tempo
x(t) (t a) = x(t a)
Prova:
_

x()(t a )d = x(t a)

Propriedade 7.10: Convoluir com degrau e integrar
x(t) u(t) = I
x
(t) =
_
t
x()d
Prova:
x(t) u(t) =
_
+
u(t )x()d =
_
t
u(t )x()d +
_
+
t
u(t )x()d
. .
= 0
=
_
t
x()d
Exemplo 7.16: Esboce

I
x
(t) =
_
t
x()d
para os sinais
a) x(t) = u(t) u(t 1); b) x(t) = u(t) +2u(t 1) u(t 2) c) x(t) = t(u(t) u(t 1))
P
Propriedade 7.11:
x(t)
k
a
k
u(t b
k
) =
k
a
k
I
x
(t b
k
)
Exemplo 7.17: Considere x

1
(t) = u(t) u(t 1) e x
2
(t) = u(t + 1) u(t 1). A convolucao
x
1
(t) x
2
(t) e dada por
x
1
(t) x
2
(t) = I
x
1
(t + 1) I
x
1
(t 1) = I
x
2
(t) I
x
2
(t 1)
P
Exemplo 7.18: a) Determine as convolucoes para os sinais
x
1
(t) = u(t) u(t 1) , x
2
(t) = u(t) + 2u(t 1) u(t 2)
a.1) x
1
(t) x
1
(t) a.2) x
1
(t) x
2
(t) a.3) x
2
(t) x
2
(t) a.4) x
2
(t) x
1
(t)
b) Determine as convolucoes entre x(t) = u(t) u(t 2) e:
b.1) x
1
(t) = t(u(t) u(t 1)) b.2) x
1
(t) = exp(t)u(t)
P
Teorema 7.1: Convolu cao com a Resposta ao Impulso de um SLIT
A sada de um sistema linear invariante no tempo e a convolucao da resposta ao impulso com a entrada,
isto e
y(t) = G{x(t)} = h(t) x(t)
sendo h(t) = G{(t)} a resposta ao impulso do sistema.
121
Prova:
G{x(t)} = G{x(t) (t)} = G
__
+
x()(t )d
_
=
_
+
x() G {(t )}
. .
h(t )
d =
=
_
+
x()h(t )d = x(t) h(t)

y
Propriedade 7.12:
Sistemas lineares invariantes no tempo s ao causais (ou nao antecipativos) se e somente se a resposta
ao impulso e nula para instantes negativos, ou seja
h(t) = 0 para t < 0
pois
y(t) =
_
0
x(t )h()d
. .
futuro
+
_
+
0
x(t )h()d
Exemplo 7.19:
y(t) = G{x(t)} = x(t a) , a > 0 h(t) = (t a) causal
y(t) =
_
t+1
t1
x()d h(t) = G
2
(t) nao causal
P
Propriedade 7.13:
Um sistema linear invariante no tempo e BIBO estavel se e somente se a resposta ao impulso do
sistema for absolutamente integravel.
Prova:
|y(t)|
_
+
|x(t )||h()|d B
_
+
|h()|d
Portanto, |h()| < =|y(t)| < (suciencia).
Por outro lado,
y(0) =
_
+
x()h()d
e, para x() = sinal(h()), sendo
sinal(t) = u(t) u(t) = 2u(t) 1
Portanto,
y(0) =
_
+
|h()|d
Como conclusao, y(t) e nao limitado se h(t) nao for absolutamente integravel (necessidade).

Exemplo 7.20: O sistema descrito pela equacao
y(t) =
_
t+2
x()d =
_
+
x()u(t + 2 )d
tem resposta ao impulso dada por
h(t) = u(t + 2)
Note que
h(t) x(t) = y(t)
e portanto trata-se de um sistema linear invariante no tempo.
Como h(t) = 0 para t < 0, o sistema e nao causal (e antecipativo). O sistema nao e BIBO est avel,
pois a integral do valor absoluto de h(t) diverge.
P
y(t) =
_
+
x(t )d
h(t) =
1
t
Note que
h(t) x(t) = y(t)
e portanto trata-se de um sistema linear invariante no tempo.
Como h(t) = 0 para t < 0, o sistema e nao causal (e antecipativo). O sistema nao e BIBO est avel,
pois a integral do valor absoluto de h(t) diverge.
P
y(t) = 2x(2t)
h(t) = 2(2t) = (t)
Note que
h(t) x(t) = x(t) = y(t)
e portanto esse sistema linear nao e invariante no tempo. Esse sistema e BIBO est avel e nao causal
pois y(1) = 2x(2).
P
123
Propriedade 7.14:
I
xy
(t) = x(t) I
y
(t) = I
x
(t) y(t) = u(t) x(t) y(t)
pois
I
x
(t) = x(t) u(t)
e a convolucao e associativa e comutativa.
Exemplo 7.23: A convolucao x(t) y(t), com

x(t) = y(t) = u(t) u(t 1)
pode ser obtida a partir da derivada de y(t), dada por
v(t) = (t) (t 1) y(t) = I
v
(t)
Portanto
x(t) y(t) = x(t) I
v
(t) = I
xv
(t)
Como
x(t) v(t) = x(t) x(t 1) = u(t) 2u(t 1) +u(t 2)
tem-se
x(t) y(t) = t
_
u(t) u(t 1)
_
+ (2 t)
_
u(t 1) u(t 2)
_
P
Propriedade 7.15:
d
dt
_
x(t) y(t)
_
= x(t) y(t) = x(t) y(t)
pois
d
dt
_
+
x()y(t )d =
d
dt
_
+
y()x(t )d =
_
+
x() y(t )d =
_
+
y() x(t )d
Denicao 7.13: Auto-fun cao

Um sinal de entrada e denominado auto-fun cao de um sistema se a sada correspondente for igual ao
sinal de entrada multiplicado por uma constante (em geral complexa).
Propriedade 7.16: Auto-fun cao

O sinal exp(st), s complexo pertencente ao domnio
h
, e uma auto-fun cao para sistemas lineares
contnuos e invariantes no tempo.
Prova:
y(t) = exp(st) h(t) =
_
+
h() exp
_
s(t )
_
d = H(s) exp(st)
com
H(s) =
_
+
h() exp(s)d
O domnio
h
e o conjunto dos valores de s complexos para os quais a integral e nita.
A funcao H(s) = L{h(t)} e a transformada bilateral de Laplace

1
da resposta ao impulso h(t), com
domnio
h
.
A transformada bilateral de Laplace de um sinal x(t) (veja a Denicao 12.1 no Captulo 12) e dada
por
X(s) = L{x(t)} =
_
+
x() exp(s)d
com domnio
x
, isto e, conjunto dos s C (complexos) para os quais a integral e nita.
Propriedade 7.17:
L{exp(at)u(t)} =
1
s +a
, s
_
s C, Re(s +a) > 0
_
pois
_
+
exp(at)u(t) exp(st)dt =
1
s +a
_
+
0
exp
_
(s +a)t
_
(s +a)dt =
=
1
s +a
para Re(s +a) > 0
Exemplo 7.24: A resposta ao impulso e a funcao de transferencia do sistema descrito por

y(t) =
_
+
exp()u()x(t )d
s ao dadas por
h(t) = exp(t)u(t) , H(s) =
1
s + 1
, Re(s + 1) > 0
Note que o sistema e linear invariante no tempo (a resposta y(t) e dada pela convolucao da entrada
x(t) com a resposta ao impulso h(t)), causal (h(t) = 0, t < 0) e BIBO est avel (h(t) e absolutamente
integr avel).
A resposta à entrada x(t) = exp(jt) + exp(2t) + 3
t
e dada por
y(t) = H(j) exp(jt) +H(2) exp(2t) +H(ln 3)3
t
= 0.707 exp
_
j(t 0.785)
_
+0.333 exp(2t) +0.4773
t
pois 3
t
= exp(t ln 3). Note que s o foi possvel calcular a solu cao y(t) (chamada de forcada ou de
regime, sem levar em conta condi coes iniciais) porque os termos da entrada exp(st) produziram
H(s) nitos.
P
1
Pierre-Simon Laplace, matematico frances (17491827).
125
Propriedade 7.18: Deslocamento em t
L{y(t) = x(t )} = X(s) exp(s) ,
y
=
x
Prova:
L{x(t )} =
_
+
x(t ) exp(st)dt =
=
_
+
x() exp
_
s( +)
_
d = exp(s)
_
+
x() exp(s)d = L{x(t)} exp(s)
Exemplo 7.25: A transformada de Laplace da funcao degrau e dada por

L{u(t)} =
_
+
u() exp(s)d =
_
+
0
exp(s)d =
1
s
, Re(s) > 0
e a transformada de Laplace da funcao degrau deslocada u(t ) e dada por
L{u(t)} =
1
s
exp(s), Re(s) > 0
P
Propriedade 7.19: Transformada da Convolu cao
L{x(t) = x
1
(t) x
2
(t)} = L{x
1
(t)}L{x
2
(t)} ,
x
=
x
1

x
2
Prova:
L{x
1
(t) x
2
(t)} = L
_
_
+
x
1
(t )x
2
()d
_
=
_
+
x
2
()
_
_
+
x
1
(t ) exp(st)dt
_
. .
X
1
(s) exp(s)
d
= X
1
(s)
_
+
x
2
() exp(s)d = X
1
(s)X
2
(s)
Denicao 7.14: Funcao de Transferencia

A rela cao (temporal) entre sada e entrada em um sistema linear invariante no tempo e dada pelo
ganho complexo H(s) quando x(t) = exp(st)
y(t) = h(t) x(t) ; H(s) =
_
+
h(t) exp(st)dt, s
h
H(s), tambem denominada funcao de transferencia do sistema, e a rela cao entre as transformadas de
Laplace da sada Y (s) e da entrada X(s) para qualquer x(t)
Y (s) = H(s)X(s)
Para sistemas causais, m (isto e, o grau do numerador e menor ou igual ao grau do denominador)
e o domnio
h
de existencia de H(s) e o semi-plano à direita do polo mais à direita da func ao.
Sistemas lineares invariantes no tempo causais descritos por funcoes de transferencia racionais s ao
BIBO estaveis se e somente se os polos estiverem no interior do semi-plano esquerdo do plano complexo
(isto e, polos com parte real negativa).

x(t)
R
+
+
C
y(t)
Figura 7.6: Circuito RC.
Exemplo 7.26 (Circuito RC): Considere o circuito RC descrito na Figura 7.6.
A entrada e a fonte de tensao x(t) e a sada y(t) e a tensao no capacitor. O circuito e descrito pela
equacao
y +
1
y =
1
x ; = RC
ou, usando o operador p =
d
dt
,
_
p +
1
_
y =
1
x
A funcao de transferencia e dada por
H(s) =
1
s + 1
=
1
1
s + 1/
Note que esta funcao de transferencia e a transformada de Laplace de
h(t) =
1
exp(t/)u(t)
P
Exemplo 7.27: Considere o circuito da Figura 7.7, com
1
= R
1
C
1
= 1 e
2
= R
2
C
2
= 0.01.
N
I
x(t)
R
1
R
2
+
+
C
1
C
2
y(t)
Figura 7.7: Circuito RC em cascata.
H(s) =
Y (s)
X(s)
=
_
1/
1
s + 1/
1
_
. .
H
1
(s)
_
1/
2
s + 1/
2
_
. .
H
2
(s)
=
100
s
2
+ 101s + 100
P
127
x(t)
R
1
R
2
+
+
+

C
1
C
2
y(t) y
1
(t)
Figura 7.8: Circuito RC duplo.
Exemplo 7.28: Considere o circuito da Figura 7.8
x = R
1
(C
1
y
1
+C
2
y) +y
1
; y
1
= R
2
C
2
y +y
H(s) =
Y (s)
X(s)
=
1
R
1
C
1
R
2
C
2
s
2
+ (R
1
C
1
+R
2
C
2
+R
1
C
2
)s + 1
Para R
1
= C
1
= 1, R
2
= 1, C
2
= 0.01, tem-se
H(s) =
Y (s)
X(s)
=
100
s
2
+ 102s + 100
P
Denicao 7.15: Resposta em freq uencia
Se s = j pertence ao domnio da funcao de transferencia do sistema linear invariante no tempo H(s),
a resposta em freq uencia do sistema e o valor de H(s) computado para s = j.
A resposta em freq uencia escreve-se como
M() exp(j()) = H(j)
sendo M() o m odulo e () a fase de H(j)
Em geral, e desenhada na forma de m odulo e fase (diagrama de Bode
2
) ou na forma polar, para
[0, +). Representa a resposta em regime permanente de sistemas lineares invariantes no tempo
estaveis para entradas senoidais.
Propriedade 7.20:
Se h(t) e real, entao H
(j) = H(j), isto e M() e uma funcao par e () e uma funcao mpar.
Prova:
H
(j) =
_
+
h(t) exp(jt)dt = H(j)

H(j) = M() exp(j()) H
(j) = M() exp(j())

H(j) = M() exp(j())
Portanto, M() = M() e () = ().
2
Hendrik Wade Bode, engenheiro eletricista americano do seculo XX.
Exemplo 7.29: Considere a linha de transmissao bilar sem perdas descrita por
y(t) = x(t T)
tambem conhecida como linha de atraso. A funcao de transferencia e dada por
H(s) = exp(sT)
O modulo da resposta em freq uencia H(j) e M() = 1 e a fase e () = T.
P
Propriedade 7.21: Funcao de transferencia racional
A equa cao diferencial
D(p)y(t) = N(p)x(t) , D(p) =
m
k=0
k
p
k
; N(p) =
k=0
k
p
k
com
m
= 1,
k
e
k
coecientes constantes e condi coes iniciais nulas descreve um sistema linear
invariante no tempo, cuja funcao de transferencia e
H(s) =
N(s)
D(s)
pois, para a entrada x(t) = exp(st) tem-se a sada y(t) = H(s) exp(st), e portanto
D(p)H(s) exp(st) = N(p) exp(st) H(s)D(s) = N(s)
H(s) e uma funcao racional, ou seja, e dada pela razao de dois polin omios em s.
Denicao 7.16: Zeros

Os zeros de uma funcao H(s), s complexo, s ao os valores de s para os quais H(s) = 0. A multiplicidade
da raiz s e denominada de ordem do zero.
Denicao 7.17: P olos

Os polos de uma funcao H(s), s complexo, s ao os valores de s para os quais 1/H(s) = 0. A multipli-
cidade da raiz e denominada de ordem do polo.
Em funcoes racionais, os polos s ao as razes do denominador e os zeros s ao as razes do numerador.
Exemplo 7.30 (Circuito RC): O circuito RC do Exemplo 7.26 e descrito pela funcao de trans-
ferencia
H(s) =
1/
s + 1/
A resposta em freq uencia e dada por
M() =
1
_
1 + ()
2
; () = arctan()
Note que trata-se de um ltro passa-baixas, com a fase variando de 0 a 90 graus quando a
freq uencia varia de zero a innito e (1/) = 45 graus. O ltro RC possui um polo em s = 1/.
P
129
Propriedade 7.22:
A resposta em regime de um sistema linear invariante no tempo estavel com funcao de transferencia
H(s), com h(t) real e j
h
, para a entrada x(t) = cos(t), e
y(t) = M() cos(t +())
e, para a entrada x(t) = sen(t), e
y(t) = M()sen(t +())
Prova:
y(t) = G{cos(t)} =
1
2
G{exp(jt)} +
1
2
G{exp(jt)} =
=
1
2
H(j) exp(jt) +
1
2
H(j) exp(jt) =
=
1
2
M() exp(jt +j()) +
1
2
M() exp(jt j()) = M() cos(t +())
Exemplo 7.31: A resposta ao impulso do sistema

y(t) =
_
t+1
t1
x()d
e dada por
h(t) = u(t + 1) u(t 1)
e a funcao de transferencia H(s) por
H(s) =
exp(s)
s

exp(s)
s
H(j) = 2
sen()
Note que o sistema e linear, invariante no tempo, nao-causal e BIBO-est avel. A resposta em regime
(for cada) para x(t) = cos(3t) + sen(2t) e dada por
y
f
(t) = 0.0941 cos(3t) + 0.909sen(2t)
pois
H(j3) = 2
sen(3)
3
= 0.0941 , H(j2) = 2
sen(2)
2
= 0.909
P
7.1 Exerccios
Exerccio 7.1: Classique quanto à BIBO estabilidade e a causalidade o sistema linear invariante no tempo
cuja resposta ao impulso e dada por
a) h(t) = t
2
G
2
(t) b) h(t) = exp(|t|) c) h(t) = G
2
(t)
d)
h(t)
1
2
2
1
2
2
t
Exerccio 7.2: Classique quanto à BIBO estabilidade, causalidade e invariancia no tempo o sistema descrito
por
a) y(t) =
_
+
x() exp(t +)u(t )d b) y(t) =

_
t+2
x()d
c) y(t) =
_
+
u()x(t )d d) y(t) =
_
t
t1
x()d
Exerccio 7.3: Esboce a sada de um sistema linear e invariante no tempo cuja resposta ao impulso e
h(t) = u(t + 1) 2u(t) +u(t 1)
para a entrada:
a) x(t) = u(t)
b) x(t) = u(t) + 2u(t 1) u(t 2)
Exerccio 7.4: Determine a sada y(t) do sistema linear e invariante no tempo cuja resposta ao impulso e
G{(t)} = 900(exp(3t)u(t)) (exp(3t)u(t))
para a entrada
x(t) = 4sen(2t) cos(3t)
Exerccio 7.5: Esboce x(2t + 2) e x(t) para
x(t) = t
_
u(t + 2) u(t)
_
+
_
u(t) u(t 2)
_
Exerccio 7.6: Classique (y e a sada e x e a entrada) quanto a linearidade, BIBO estabilidade, invariancia
com o tempo, e causalidade, o sistema descrito por
y(t) =
_
+
x(t )d
Exerccio 7.7: Esboce x(t) = x
1
(t) x
2
(t) para
x
1
(t) = x
2
(t) = u(t + 1) + 3u(t) 2u(t 2)
Exerccio 7.8: Determine H(s) (transformada de Laplace da resposta ao impulso y) do sistema descrito por
v
1
+v
2
= x ; v
2
+v
1
= 2 x ; y = 2x +v
1
+v
2
e a sada para a entrada x(t) = 200 cos
2
(t).
7.1. Exerccios 131
Exerccio 7.9: a) Esboce o sinal p(t) descrito por
p(t) = G
1
(t 0.5) + (t 1)G
1
(t 1.5) + (3 t)G
1
(t 2.5) G
1
(t 3.5)
b) Esboce q(t) = p(4 t) c) Descreva q(t) usando degraus e polin omios em t d) Esboce
d
dt
p(t)
Exerccio 7.10: Determine e esboce M() (m odulo da resposta em freq uencia) para || < 2/T do sistema
linear invariante no tempo
G{x(t)} =
2x(t) +x(t +T) +x(t T)
2
, T > 0
Exerccio 7.11: Considere o sistema SISO (Single-Input Single-Output)
y(t) = G{x(t)} =
_
t+1
t1
(t )x()d
a) Determine e esboce a resposta ao impulso
b) O sistema e linear?

E invariante no tempo?

E causal?
c) Determine a sada y(t) para
x(t) = (t) (t 1)
d) Determine a sada y(t) para
x(t) = u(t) u(t 1)
Exerccio 7.12: Esboce x
1
(t) x
3
(t) e x
2
(t) x
3
(t) para
x
1
(t) = (t + 1) (t 1) , x
2
(t) = u(t + 1) u(t 1) , x
3
(t) = u(t + 1) + 2u(t) u(t 1)
Exerccio 7.13: Determine a sada y(t) do sistema cuja resposta ao impulso e dada por
G{(t)} = (exp(t)u(t)) (exp(2t)u(t))
para
Exerccio 7.14: Determine as amplitudes das componentes da resposta y(t) do sistema linear invariante no
tempo cuja resposta ao impulso e dada por
h(t) = exp(2t) cos(3t)u(t)
para a entrada
Exerccio 7.15: a) Esboce x
2
(t) = I
x
1
(t) =
_
t
x
1
()d , x
1
(t) = (t + 1) + 2(t) (t 1)
b) Expresse x
2
(t) como soma ponderada de degraus deslocados.
c) Esboce a convolucao x
1
(t) x
2
(t).
Exerccio 7.16: a) Determine y(t) em regime permanente para a entrada
x(t) = 2 cos
2
(t)
do sistema descrito pela equacao diferencial
y + 3 y + 2y = x
Exerccio 7.17: Determine y
f
(t) (resposta forcada) do circuito descrito por
(p
2
+p + 1)y(t) = x(t) , x(t) = 6sen
2
(0.5t)
Exerccio 7.18: Para o sinal f(t) dado por
f(t) = 2(t + 1)G
1
(t + 0.5) +G
1
(t 0.5)
esboce
a) f(t + 2) , b) f(2t + 2) , c)
d
dt
f(t)
Exerccio 7.19: Esboce a resposta ao impulso do sistema y(t) =
_
+
x() exp(t +)u(t )d

Exerccio 7.20: Determine o valor das integrais
a)
_
+
(3t 1)
2
(t + 1)dt , b)
_
+
(3t 1)
2
(2t + 2)dt
Exerccio 7.21: Esboce, para x(t) = 2G
1
(t 0.5) G
2
(t 2)
a) I
x
(t) =
_
t
x()d b) x(t) x(t)

Exerccio 7.22: Classique o sistema y(t) = x(t) (exp(t)u(t +1)) (y(t) e a sada e x(t) e a entrada) quanto
à BIBO (Bounded-Input, Bounded-Output) estabilidade e causalidade (nao antecipativo).
Exerccio 7.23: Esboce x
1
(t) x
2
(t) para x
1
(t) = u(t + 1) u(t 1) , x
2
(t) = u(t + 1) + 2u(t) u(t 1)
Exerccio 7.24: a) Determine e esboce M() (m odulo da resposta em freq uencia) para || < 2/T para o
sistema linear invariante no tempo
G{x(t)} =
2x(t) x(t +T) x(t T)
4
, T > 0
b) Determine a sada y(t) em regime do sistema para a entrada x(t) = 1 + 2 cos(
t
T
) + 3 cos(
2t
T
)
Exerccio 7.25: a) Determine a funcao de transferencia H(s) do sistema linear invariante no tempo y(t) =
G{x(t)} descrito por
y(t) = v(t) +x(t), v(t) = 2v(t) 2y(t) + 2 x(t) x(t)
b) Determine a sada forcada y(t) do sistema para a entrada x(t) = 3 cos(2t) 2sen(3t)
Exerccio 7.26: Determine a sada y(t) do sistema abaixo para a entrada x(t) = 5sen(30t +/4)
X(s)
Y (s)
1
s + 100
s + 10
100
s
+
Exerccio 7.27: a) Esboce y(t) = x(2t + 4) para x(t) mostrado na gura abaixo.
b) Determine (expressao usando degraus e impulsos) e esboce z(t) =
dx
dt
t
1
1
2
x(t)
3
4
5
6
1
Exerccio 7.28: a) Esboce q(t) = p(1 t/2) para
p(t) = (t 1)
_
u(t + 1) u(t)
_
+ (1 t)
_
u(t) u(t 1)
_
+
_
u(t 2) u(t 1)
_
b) Esboce a derivada de p(t).
Exerccio 7.29: Esboce a sada y(t) = G{x(t)} do sistema linear invariante no tempo cuja resposta ao impulso
e h(t) = u(t) +(t 1) u(t + 1) para a entrada x(t) = u(t + 1) + 2u(t) u(t 1)
Exerccio 7.30: Esboce x(t) = x
1
(t) x
2
(t) para x
1
(t) = u(t + 2) + 2u(t) u(t 1) , x
2
(t) = x
1
(t)
7.1. Exerccios 133
Exerccio 7.31: Considere a associa cao em cascata de tres sistemas lineares invariantes no tempo (isto e, a
sada do primeiro e a entrada do segundo e a sada do segundo e a entrada do terceiro), sendo que o primeiro
sistema e descrito pela rela cao entrada-sada
y
1
(t) =
_
t
x
1
()d
o segundo possui funcao de transferencia dada por
H
2
(s) =
Y
2
(s)
X
2
(s)
=
s
s + 3
e a resposta ao impulso do terceiro e h
3
(t) = exp(2t)u(t)
Determine a sada y
3
(t) para a entrada x
1
(t) = 1 + sen(t)
Exerccio 7.32: a) Determine e esboce a resposta ao impulso do sistema SISO (Single-Input Single-Output)
y(t) = G{x(t)} =
_
t+1
t1
(t )x()d
b) O sistema e linear? c) O sistema e invariante no tempo? d) O sistema e causal?
e) O sistema e BIBO est avel?
Exerccio 7.33: a) Obtenha a equacao diferencial para o circuito abaixo na forma D(p)y
1
= N(p)x, sendo p o
operador derivada.
b) Para R = 1 , L = 1 H e C = 1 F, obtenha as razes da equacao caracterstica.
x(t)
R
R
R
+
+
C
L
y
1
y
2
Exerccio 7.34: Determine a resposta em regime y(t) do circuito abaixo para x(t) = 2sen(t) + 4 cos(t), consi-
derando RC = 1.
R
R
C
+
+
x(t)
y(t)
Exerccio 7.35: Obtenha a equacao diferencial para o circuito abaixo na forma D(p)y = N(p)x, com o coe-
ciente do termo de maior grau de D(p) igual a 1 (forma monica), sendo p o operador derivada.
x(t)
R 2R
+
C
L
y
Exerccio 7.36: Determine H(s) (transformada de Laplace da resposta ao impulso em y(t)) para o circuito
abaixo:
x
R
R
+
C
L
y
Exerccio 7.37: Determine a resposta em regime y(t) do circuito abaixo para x(t) = 2 cos(2t), com RC = 1.
x
y
R
R
+
+
C
Exerccio 7.38: Determine a funcao de transferencia H(s) = Y (s)/X(s) para o circuito abaixo, com R = C =
L = 1
+
+
x
y
L
C
4R R
Exerccio 7.39: Determine a funcao de transferencia H(s) = Y (s)/X(s) para o circuito abaixo, com R = L =
C = 1
+
x
y
L
C
R R
Exerccio 7.40: Determine a resposta em regime permanente para x(t) = cos
2
(t) do sistema linear descrito
pela equacao y (1/2)y = x
Exerccio 7.41: a) Determine a transformada de Laplace H(s) da resposta ao impulso do sistema y(t) =
G{x(t)} descrito pelas equacoes
v
1
= v
2
, v
2
+v
1
+v
2
= x , y = v
1
+v
2
+x
b) Determine a sada forcada y(t) do sistema para x(t) = 100sen(2t) + 200 cos(t)
Exerccio 7.42: Considere o sinal x(t) descrito na gura abaixo.
x(t)
t
1
1
1
2
3
4
a) Determine a expressao analtica de x(t), usando degraus para denir os diferentes intervalos.
b) Esboce x(t)
_
+
(3t 1)
2
(2t 2)dt
Exerccio 7.44: Determine a sada y(t) do sistema linear invariante no tempo cuja resposta ao impulso e dada
por
G{(t)} =
_
exp(t)u(t)
_
_
exp(t)u(t)
_
para x(t) = 100sen(2t) cos(5t)
Exerccio 7.45: a) Esboce I
x
1
(t) =
_
t
x
1
()d para x
1
(t) mostrado na gura abaixo.
b) Expresse x
2
(t) como soma ponderada de degraus deslocados
c) Esboce a convolucao x
1
(t) x
2
(t)
7.1. Exerccios 135
t t 1
1
1
1
2
2 2
2
x
1
(t) x
2
(t)
3
3
1 1
3
2
Exerccio 7.46: Considere o sistema descrito pela rela cao (y(t) e a sada e x(t) e a entrada):
y(t) =
_
+
x() exp(t +)u(t )d

a) Esboce a resposta ao impulso do sistema.
b) Classique o sistema quanto a: linearidade, BIBO, invariancia com o tempo, causalidade, com mem oria.
Exerccio 7.47: a) Determine a transformada de Laplace da resposta ao impulso do sistema (pressupoe
condi coes iniciais nulas) descrito pela equacao diferencial y + y +y = x +x (x e a entrada e y e a sada).
b) Determine y(t) em regime permanente para x(t) = 2 cos(t)
Exerccio 7.48: Determine as integrais
_
+
Sa(4t)(2(t 4))dt,
_
+
Sa(2t)(t 2)dt,
_
+
Sa(3t)(2(t 2))dt
Exerccio 7.49: a) Determine a integral
_
+
f(t)
(t)dt
sendo f(t) uma funcao contnua com derivada contnua para todo t.
Dica:
d
dt
(x(t) y(t)) = x(t) y(t) = x(t) y(t)
b) Determine o valor da integral para f(t) = 3t 5.
c) Usando o resultado do item (a), mostre que t
(t) pode ser substitudo por (t)

Captulo 8
Ortogonalizacao
8.1 Aproxima cao por combina cao linear de funcoes
Suponha que se quer aproximar o sinal y(t) por uma combinacao linear de funcoes f
k
(t)
y(t)
n
k=1
k
f
k
(t)
A dimens ao do espaco S gerado pela combinacao linear das funcoes f
k
(t) e n se as funcoes f
k
(t) forem
linearmente independentes entre si, isto e, as n funcoes f
k
(t) formam uma base de representa cao do
espaco S.
Assim, trata-se de encontrar os valores dos coecientes
k
que minimizem o erro
(t) = y(t)
n
k=1
k
f
k
(t) = y(t)
f(t)
sendo f(t) o vetor coluna das funcoes do tempo f
k
(t) e R
n
o vetor coluna de coecientes
O valor quadratico do erro pode ser calculado por
2
(t) =
_
y(t)
f(t)
__
y(t)
f(t)
_
= y
2
(t) +
f(t)f(t)
_
f(t)y(t)
_
sendo f(t)f(t)
uma matriz no R
nn
na qual cada componente e uma funcao do tempo resultante do
produto dois a dois das funcoes f
k
(t) e f(t)y(t) um vetor coluna no R
n
com elementos dados pelos
produtos f
k
(t)y(t).
Calculando-se a media temporal no intervalo no qual deseja-se a aproximacao de y(t) pela serie tem-
poral, tem-se
2
(t)
_
=
y
2
(t)
_
+
f(t)f(t)
_
2
f(t)y(t)
_
A matriz R =
f(t)f(t)
_
R
nn
de correla cao temporal das funcoes f
k
(t) e computada como R =
_
r
k
sendo r
k
o produto escalar das funcoes f
k
(t) e f
(t), isto e,
r
k
=
f
k
(t)f
(t)
_
=
_
+
f
k
(t)f
(t)dt , k, = 1, 2, . . . , n
Observe que R f
, sendo f
a matriz de discretizacao das funcoes f(t) em um dado intervalo

(a, b) com incremento temporal .
Propriedade 8.1: Criterio de Gram
1
Se as funcoes f
k
(t) forem linearmente independentes entre si, a matriz R sera, por construcao, uma
matriz denida
2
positiva. R e portanto nao-singular, isto e, pode ser invertida, pois
1
Jorgen Pedersen Gram, dinamarques (1850-1916).
2
Veja a Propriedade D.30.
136
8.1. Aproximacao por combinacao linear de funcoes 137
v
f(t)f(t)
_
v =
f(t)f(t)
v
_
=
(f(t)
v)
(f(t)
v)
_
=
2
(t)
_
com (t) = f(t)
v.
Como as funcoes f
k
(t) s ao linearmente independentes, (t) = 0 se e somente se v = 0. Portanto,
v
f(t)f(t)
_
v > 0 , v = 0
Propriedade 8.2: Erro medio quadratico

O erro medio quadratico pode ser escrito como
2
(t)
_
=
y
2
(t)
_
+
R 2
f(t)y(t)
_
cujo valor mnimo e obtido para solucao de
d
d
2
(t)
_
= 0 2R 2
f(t)y(t)
_
= 0 = R
1
f(t)y(t)
_
(8.1)
Exemplo 8.1: Considere os sinais linearmente independentes f

1
(t) e f
2
(t) (mostrados na Fi-
gura 8.1) dados por
f
1
(t) = 2G
1
(t 0.5) , f
2
(t) = (3t + 1)G
1
(t 0.5)
1 0.5 0 0.5 1 1.5 2
0
1
2
3
4
5
1 0.5 0 0.5 1 1.5 2
0
1
2
3
4
5
Figura 8.1: Funcoes f
1
(t) = 2G
1
(t 0.5) (acima) e f
2
(t) = (3t + 1)G
1
(t 0.5) (abaixo).
A matriz de correlacao R e dada por
R =
f(t)f(t)
_
=
_
4 5
5 7
_
R
1
=
1
3
_
7 5
5 4
_
Os sinais f
1
(t) e f
2
(t) podem ser usados para aproximar funcoes no intervalo [0, 1]. Por exemplo,
as funcoes x
1
(t), x
2
(t) e x
3
(t) e suas aproximacoes s ao dadas por
x
1
(t) = 2 t
_
1.1667 0.3333
f(t)
x
2
(t) = senh(t)
_
0.2102 0.3854
f(t)
x
3
(t) = cosh(t)
_
0.3651 0.1781
f(t)
138 Captulo 8. Ortogonaliza cao
A Figura 8.2 mostra os sinais originais (pontilhados) e as aproximacoes. Observe que x
1
(t) e
linearmente dependente de f
1
(t) e f
2
(t) e portanto o erro na aproximacao e nulo. Os sinais senh(t)
e cosh(t) nao s ao linearmente dependentes das funcoes f
1
(t) e f
2
(t), mas puderam ser aproximados
com erro pequeno no intervalo considerado.
1 0.5 0 0.5 1 1.5 2
0
1
2
3
1 0.5 0 0.5 1 1.5 2
0.5
0
0.5
1
1.5
1 0.5 0 0.5 1 1.5 2
0
0.5
1
1.5
2
x
1
(t)
x
2
(t)
x
3
(t)
Figura 8.2: Funcoes x
1
(t) = 2 t, x
2
(t) = senh(t) e x
3
(t) = cosh(t).
P
Os coecientes , obtidos pela expressao (8.1), determinam a aproximacao com erro quadratico mnimo
do sinal y(t) por uma combinacao linear das funcoes linearmente independentes f
k
(t).
Se as funcoes f
k
(t) forem ortogonais entre si, R sera uma matriz diagonal, resultando no calculo
desacoplado dos coecientes
k
.
Analisa-se a seguir a proje cao de sinais em uma base ortogonal com dois prop ositos: explicitar o
desacoplamento no calculo dos coecientes de proje cao e apresentar o algoritmo de ortogonalizacao de
Gram-Schmidt.
3
8.2 Projecao ortogonal
Suponha que se quer aproximar o sinal y(t) por uma combinacao linear de funcoes ortogonais g
k
(t).
y(t)
n
k=1
c
k
g
k
(t)
O sinal erro e dado por
(t) = y(t)
n
k=1
c
k
g
k
(t)
resultando em
2
(t)
_
=
y
2
(t)
_
+
n
k=1
c
2
k
g
2
k
(t)
_
2
n
k=1
c
k
y(t)g
k
(t)
_
+
n
k=1
n
=1
. .
k=
c
k
c
g
k
(t)g
(t)
_
. .
= 0, ortogonais
Note que
2
(t)
_
e uma funcao quadratica estritamente convexa nos coecientes c
k
e, portanto, possui
um mnimo global.
3
Erhard Schmidt, alem ao (1876-1959).
8.2. Proje cao ortogonal 139
c
k
2
(t)
_
= 0 = c
k
=
y(t)g
k
(t)
_
g
2
k
(t)
_ ; k = 1, 2, . . . , n
Observe que o calculo de cada coeciente c
k
e desacoplado do calculo dos demais coecientes, propri-
edade que deriva diretamente da hip otese de ortogonalidade das funcoes g
k
(t) da base.
Um subproduto importante e que o erro (t) e ortogonal a todos os elementos da base.
(t)g
k
(t)
_
=
y(t)g
k
(t)
_
=1
c
(t)g
k
(t)
_
=
y(t)g
k
(t)
_
c
k
g
2
k
(t)
_
= 0
Note que, impondo
(t)g
k
(t)
_
= 0 a priori, obtem-se diretamente os coecientes c
k
.
Exemplo 8.2: Considere os sinais ortogonais
x
1
(t) = G
2
(t) , x
2
(t) = tG
2
(t)
O sinal x(t) dado por
x(t) = t
2
G
2
(t)
pode ser aproximado por
x(t) a
1
x
1
(t) +a
2
x
2
(t) (t) = x(t) a
1
x
1
(t) a
2
x
2
(t)
Portanto,
2
(t)
_
=
x
2
(t)
_
+a
2
1
x
2
1
(t)
_
+a
2
2
x
2
2
(t)
_
2a
1
x
1
(t)x(t)
_
2a
2
x
2
(t)x(t)
_
+ 2a
1
a
2
x
1
(t)x
2
(t)
_
As condi coes
a
1
2
(t)
_
= 0 ,

a
2
2
(t)
_
= 0
implicam
_
x
2
1
(t)
_
x
1
(t)x
2
(t)
_
x
2
(t)x
1
(t)
_
x
2
2
(t)
_
_ _
a
1
a
2
_
=
_
x
1
(t)x(t)
_
x
2
(t)x(t)
_
_
Como x
1
(t) e x
2
(t) s ao ortogonais, tem-se
x
2
1
(t)
_
= 2 ,
x
2
2
(t)
_
=
2
3
,
x
1
(t)x(t)
_
=
2
3
,
x
2
(t)x(t)
_
= 0
a
1
=
x
1
(t)x(t)
_
x
2
1
(t)
_ =
1
3
, a
2
=
x
2
(t)x(t)
_
x
2
2
(t)
_ = 0
(t) =
_
t
2
1
3
_
G
2
(t)
Note que o erro (t) e ortogonal a x
1
(t) e x
2
(t).
P
x
1
(t) = G
1
(t 0.5) , x
2
(t) = tG
1
(t 0.5)
O sinal x(t) dado por
x(t) = t
2
G
1
(t 0.5)
pode ser aproximado por
x(t) a
1
x
1
(t) +a
2
x
2
(t) (t) = x(t) a
1
x
1
(t) a
2
x
2
(t)
As condi coes de mnimo implicam
_
x
2
1
(t)
_
x
1
(t)x
2
(t)
_
x
2
(t)x
1
(t)
_
x
2
2
(t)
_
_ _
a
1
a
2
_
=
_
1 0.5
0.5 1/3
_ _
a
1
a
2
_
=
_
1/3
0.25
_
a
1
=
1
6
, a
2
= 1
Note que, por x
1
(t) e x
2
(t) nao serem ortogonais, foi necessario resolver numericamente um sistema
linear de equacoes. O erro, ortogonal a x
1
(t) e x
2
(t), e dado por
(t) =
_
t
2
t +
1
6
_
G
1
(t 0.5)
A Figura 8.3 mostra os sinais x(t), x
1
(t), x
2
(t) e o erro (t). Observe que, como x
1
(t) e constante
no intervalo, a media de (t) e nula.
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0.2
0
0.2
0.4
0.6
0.8
1
1.2
x(t)
x
1
(t)
t
x
2
(t)
(t)
Figura 8.3: Sinais x(t), x
1
(t), x
2
(t) e (t).
P
8.3 Ortogonalizacao de Gram-Schmidt
Discutem-se, a seguir, os procedimentos para se conseguir uma base ortogonal a partir de um conjunto
dado de sinais.
Propriedade 8.3: Ortogonaliza cao de Gram-Schmidt
Uma base ortogonal g
k
(t) pode ser obtida a partir de um conjunto de funcoes f
k
(t) pelo procedimento
a seguir, explorando o fato de o erro de proje cao ser sempre ortogonal aos elementos da base.
8.3. Ortogonaliza cao de Gram-Schmidt 141
g
1
(t) = f
1
(t) ; g
k
(t) = f
k
(t)
k1
=1
f
k
(t)g
(t)
_
g
2
(t)
_ g
(t) , k = 2, . . . , n
Note que g
2
(t) e o erro da proje cao de f
2
(t) sobre g
1
(t), g
3
(t) e o erro da proje cao de f
3
(t) sobre g
1
(t)
e g
2
(t) e assim por diante.
A dimens ao da base sera igual ao n umero de funcoes linearmente independentes do conjunto f
k
(t).
Exemplo 8.4: Considere as funcoes f

1
(t), f
2
(t) e f
3
(t) mostradas na Figura 8.4. Observe que as
funcoes s ao linearmente independentes, mas nao s ao ortogonais, pois
f
1
(t)f
2
(t)
_
= 0 ,
f
2
(t)f
3
(t)
_
= 0
f
1
(t)
f
2
(t)
f
3
(t)
t
t
t
1
1
2 3
Figura 8.4: Funcoes f
1
(t), f
2
(t) e f
3
(t).
Realizando-se a ortogonaliza cao de Gram-Schmidt, tem-se
g
1
(t) = f
1
(t)
g
2
(t) = f
2
(t)
f
2
(t)g
1
(t)
_
g
2
1
(t)
_ g
1
(t) = f
2
(t)
1
2
g
1
(t)
g
3
(t) = f
3
(t)
f
3
(t)g
1
(t)
_
g
2
1
(t)
_ g
1
(t)
f
3
(t)g
2
(t)
_
g
2
2
(t)
_ g
2
(t) = f
3
1
2
g
1
(t)
1/2
1/2
g
2
(t)
As funcoes g
1
(t), g
2
(t) e g
3
(t), ortogonais entre si, s ao mostradas na Figura 8.5.
P
Exemplo 8.5: Considere o sinal x(t) mostrado na Figura 8.6, cuja energia (isto e, o valor da
integral do modulo do sinal ao quadrado) e igual a 3. O sinal x(t) pode ser escrito na base g
1
(t),
g
2
(t) e g
3
(t), resultando nos coecientes de proje cao dados por
x(t)g
1
(t)
_
= 2 ,
x(t)g
2
(t)
_
= 0 ,
x(t)g
3
(t)
_
= 1
Portanto,
x(t) =
2
2
g
1
(t) +
0
1/2
g
2
(t) +
1
1
g
3
(t) x(t) = g
1
(t) g
3
(t)
P
g
1
(t)
g
2
(t)
g
3
(t)
1
2
1
2
t
t
t
1
1
1
2 3
Figura 8.5: Funcoes ortogonais g
1
(t), g
2
(t) e g
3
(t).
x(t)
t
1
1
1
2 3
Figura 8.6: Sinal x(t) (energia igual a 3).
Exemplo 8.6: Considere o conjunto de quatro sinais linearmente independentes f
1
(t), f
2
(t), f
3
(t)
e f
4
(t), nulos fora do intervalo [0, 1].
f
1
(t) = 2 , f
2
(t) = 3t + 1 , f
3
(t) = sen(2t) , f
4
(t) = cos(2t)
Aplicando-se o algoritmo de Gram-Schmidt obtem-se os sinais g
1
(t), g
2
(t), g
3
(t) e g
4
(t), mostrados
na Figura 8.7. Observe que, por construcao, g
1
(t) = f
1
(t), enquanto que g
2
(t) e alterado para car
ortogonal a g
1
(t). O sinal f
3
(t), que da origem a g
3
(t), e alterado apenas por g
2
(t), pois ja era
ortogonal a g
1
(t). O sinal g
4
(t) e igual a f
4
(t), pois ja era ortogonal aos tres anteriores.
P
8.4 Ortogonalizacao de Gram-Schmidt como triangularizacao
O algoritmo de Gram-Schmidt pode ser formulado como o resultado de um problema de triangula-
riza cao da matriz R =
f(t)f(t)
_
de correla cao temporal das funcoes f
k
(t).
Um conjunto de funcoes f
k
(t) gera, por combinacao linear, um espaco S. Se as n funcoes f
k
(t)
forem linearmente independentes, o espaco S tem dimens ao n e f(t) constitui uma base para S (nao
necessariamente ortogonal).
Transformacoes lineares na forma
g(t) = Qf(t) , Q nao singular
preservam a representa cao do espaco S, isto e, g(t) constitui uma nova base para S.
Assim, a ortogonalizacao pode ser denida em termos da escolha da matriz Q tal que
g(t)g(t)
_
=
Qf(t)f(t)
_
= QRQ
= I (8.2)
8.4. Ortogonaliza cao de Gram-Schmidt como triangularizacao 143
1 0.5 0 0.5 1 1.5 2
0
1
2
1 0.5 0 0.5 1 1.5 2
2
0
2
4
1 0.5 0 0.5 1 1.5 2
1
0
1
1 0.5 0 0.5 1 1.5 2
1
0
1
g
1
(t)
g
2
(t)
g
3
(t)
g
4
(t)
Figura 8.7: Sinais g
1
(t), g
2
(t), g
3
(t) e g
4
(t) resultantes da ortogonalizacao de Gram-Schmidt (sinais
originais em pontilhado).
Note que
g(t)g(t)
_
= I impoe uma ortonormalizacao, que corresponde a um sistema quadratico de
equa coes com n
2
variaveis e n(n+1)/2 restricoes, indicando que ha in umeras maneiras de ortonorma-
lizar um conjunto de funcoes linearmente independentes.
A ortogonalizacao de Gram-Schmidt equivale a uma escolha apropriada de Q triangular inferior, pois
g
1
(t) = f
1
(t), g
2
(t) = af
1
(t) +bf
2
(t), g
3
(t) = af
1
(t) +bf
2
(t) +cf
3
(t) e assim por diante.
A transformacao de Cholesky
4
aplicada à matriz R, simetrica e denida positiva, produz L triangular
inferior que satisfaz R = LL
. Assim,
QRQ
= (QL)(QL)
= I
Uma solucao trivial, induzida pela decomposicao de Cholesky, e dada por
Q = L
1
Observe que a inversa de uma matriz triangular inferior e, por construcao, uma matriz triangular
inferior. Assim, a transformacao de Cholesky permite obter de forma matricial a ortonormalizacao de
Gram-Schimdt.
A fatoriza cao de Schur
5
aplicada à matriz R produz uma matriz unit aria V e uma matriz diagonal
composta pelos autovalores de R tais que R = V V
, sugerindo como solucao

Q = V
0.5
V
R
0.5
Exemplo 8.7: Considere os sinais gerados pelo deslocamento de um pulso triangular dados por
f
k
(t) = Tri
2T
(t kT) ; k = 1, 2, . . . , 5
A funcao Tri
2T
(t) e mostrada na Figura 8.8. Os pulsos f
k
(t) nao s ao ortogonais, pois
r
k
=
_
+
Tri
2T
(t kT)Tri
2T
(t T)dt ; k, = 1, 2, . . . , 5
4
Andre-Louis Cholesky, frances (1875-1918).
5
Issai Schur, matematico russo (18751941) com atuac ao na Alemanha.
r
k
=
_
_
_
2T/3 ; k =
T/6 ; | k |= 1
0 fora
R =
T
6
_
_
4 1 0 0 0
1 4 1 0 0
0 1 4 1 0
0 0 1 4 1
0 0 0 1 4
_
_
1
t
Tri
2T
(t)
T T
Figura 8.8: Funcao Tri
2T
(t).
Note que se as funcoes f
k
(t) fossem ortogonais entre si, a matriz R correspondente seria diagonal.
A aplica cao da decomposicao de Cholesky na matriz R para T = 1.5 dada por
R =
_
_
1 0.25 0 0 0
0.25 1 0.25 0 0
0 0.25 1 0.25 0
0 0 0.25 1 0.25
0 0 0 0.25 1
_
_
resulta na matriz Q
Q =
_
_
+1.000 0 0 0 0
0.258 +1.033 0 0 0
+0.069 0.276 +1.035 0 0
0.019 +0.074 0.277 +1.035 0
+0.005 0.019 +0.074 0.277 +1.035
_
_
A transformacao g = Qf produz os sinais mostrados na Figura 8.9. Note que o primeiro elemento
g
1
preservou a forma de f
1
, e os demais elementos foram sendo progressivamente alterados.
0 1 2 3 4 5 6 7 8 9
0
0.5
1
0 1 2 3 4 5 6 7 8 9
0
0.5
1
0 1 2 3 4 5 6 7 8 9
0
0.5
1
0 1 2 3 4 5 6 7 8 9
0
0.5
1
0 1 2 3 4 5 6 7 8 9
0
0.5
1
Figura 8.9: Sinais ortogonalizados por Gram-Schmidt.
P
8.5. Ortogonaliza cao uniforme 145
Exemplo 8.8: Uma permutacao na ordem das funcoes f
k
(t) do exemplo anterior produz resultados
distintos (porem tambem ortogonais). Considere a seguinte ordem
f(t) =
_
f
1
(t) f
3
(t) f
5
(t) f
2
(t) f
4
(t)
que resulta em
R =
_
_
1 0 0 0.25 0
0 1 0 0.25 0.25
0 0 1 0 0.25
0.25 0.25 0 1 0
0 0.25 0.25 0 1
_
_
Q =
_
_
+1.000 0 0 0 0
0 +1.000 0 0 0
0 0 +1.000 0 0
0.267 0.267 0 +1.069 0
0.019 0.287 0.268 +0.077 +1.072
_
_
A transformacao g = Qf, com Q = L
1
e R = LL
, produz os sinais mostrados na Figura 8.10.

0 1 2 3 4 5 6 7 8 9
0
0.5
1
0 1 2 3 4 5 6 7 8 9
0
0.5
1
0 1 2 3 4 5 6 7 8 9
0
0.5
1
0 1 2 3 4 5 6 7 8 9
0
0.5
1
0 1 2 3 4 5 6 7 8 9
0
0.5
1
Figura 8.10: Sinais {f
1
(t), f
3
(t), f
5
(t), f
2
(t), f
4
(t)} ortogonalizados por Gram-Schmidt.
Observe que esse ordenamento implicou na alteracao da forma das funcoes f
2
(t) e f
4
(t) e na
preserva cao das funcoes f
1
(t), f
3
(t) e f
5
(t).
P
8.5 Ortogonalizacao uniforme
Considere as matrizes formadas a partir das funcoes linearmente independentes f
k
(t), k = 1, . . . , n e
da solucao do problema de ortonormalizacao que fornece as funcoes g
k
(t), k = 1, . . . , n, isto e,
F
_
_
f
1
(t)
.
.
.
f
n
(t)
_
_
, G
_
_
g
1
(t)
.
.
.
g
n
(t)
_
_
, G = QF
A matriz F pode ser construda a partir da discretizacao das func oes em um intervalo de tempo,
tornando-se uma matriz de vetores linha. O objetivo da ortogonalizacao uniforme
6
e encontrar G
6
Para maiores detalhes sobre o assunto, veja [36, 6].
solucao do problema
min Tr (F G)(F G)
sujeito a GG
= I
que equivale a minimizar a norma (ao quadrado) de f
k
g
k
, k = 1, . . . , n. Com isso, busca-se uma
transformacao que tente preservar o m aximo possvel os vetores originais. Re-escrevendo em termos
de Q
min Tr (F QF)(F QF)
sujeito a QFF
= I
e desenvolvendo os termos que comp oem a funcao objetivo, tem-se
min Tr(FF
+QFF
QFF
FF
)
sujeito a QFF
= I
Substituindo a restricao e lembrando que os termos constantes na funcao objetivo nao inuenciam na
solucao Q, tem-se
min Tr (QFF
FF
) = max Tr (2FF
)
sujeito a QFF
= I
Procedimentos cl assicos para resolver problemas de otimiza cao com restri coes podem ser usados. Es-
crevendo a funcao lagrangeana
7
L (Q, ) ( e a variavel dual simetrica associada à restri cao original
do problema)
L (Q, ) = Tr
_
2FF
+ (QFF
I)
_
As condi coes de estacionariedade s ao dadas por
L
Q
= 2(FF
+ QFF
) = 2(I + Q)FF
= 0
L
= (QFF
I) = 0
Resolvendo em termos de Q e de , tem-se
Q =
1
(
1
)FF
(
1
) = I FF
=
2
=
_
+(FF
)
0.5
(FF
)
0.5
Q =
_
(FF
)
0.5
+(FF
)
0.5
A funcao objetivo original e dada por
min Tr (2FF
) = max Tr (2FF
)
e o otimo e obtido para Q = (FF
)
0.5
. Note que a solucao Q = (FF
)
0.5
fornece a mesma base
ortonormalizada G (apenas trocando o sinal dos vetores) e pode ser interpretada como a transformacao
Q que maximiza a diferen ca entre as normas (ao quadrado) dos vetores de cada base. A solucao otima
deste problema de otimiza cao e a mesma obtida pela decomposicao de Schur.
7
Joseph-Louis Lagrange, matematico frances (17361813).
8.5. Ortogonaliza cao uniforme 147
Exemplo 8.9: Considere novamente o Exemplo 8.7, para T = 1.5. A decomposicao de Schur
aplicada à matriz R fornece
g
ufo
= R
0.5
f =
_
_
1.0259 0.1362 0.0272 0.0060 0.0013
0.1362 1.0531 0.1422 0.0286 0.0060
0.0272 0.1422 1.0545 0.1422 0.0272
0.0060 0.0286 0.1422 1.0531 0.1362
0.0013 0.0060 0.0272 0.1362 1.0259
_
_
f
Os sinais resultantes s ao mostrados na Figura 8.11. Note que, a menos do efeito de borda, todos
tem praticamente a mesma aparencia.
0 1 2 3 4 5 6 7 8 9
0
0.5
1
0 1 2 3 4 5 6 7 8 9
0
0.5
1
0 1 2 3 4 5 6 7 8 9
0
0.5
1
0 1 2 3 4 5 6 7 8 9
0
0.5
1
0 1 2 3 4 5 6 7 8 9
0
0.5
1
Figura 8.11: Sinais {f
1
(t), f
3
(t), f
5
(t), f
2
(t), f
4
(t)} do Exemplo 8.7 ortogonalizados uniformemente.
P
Exemplo 8.10: Considere os vetores linearmente independentes {f
1
, f
2
, f
3
}
f
1
=
_
_
1
1
1
_
_
, f
2
=
_
_
1
2
3
_
_
, f
3
=
_
_
0
1
1
_
_
; F
_
_
f
1
f
2
f
3
_
_
Iterativo:
g
1
= f
1
; g
1
=
g
1
g
1
=
1
3
_
_
1
1
1
_
_
=
_
_
0.5774
0.5774
0.5774
_
_
g
2
= f
2
(f
2
g
1
)g
1
; g
2
=
g
2
g
2
=
_
_
0.7071
0.0000
0.7071
_
_
g
3
= f
3
(f
3
g
2
)g
2
(f
3
g
1
)g
1
; g
3
=
g
3
g
3
=
_
_
0.4082
0.8165
0.4082
_
_
Usando Cholesky na matriz R = FF
:
L = chol(R) =
_
_
1.7321 0 0
3.4641 1.4142 0
0 0.7071 1.2247
_
_
, LL
= R
G = L
1
F =
_
_
g
1
g
2
g
3
_
_
, GG
= I
_
_
_
[Q
, L
] = qr(F
)
(decomposicao triangular
ortonormal)
Usando Schur: [V, ] = schur(R) , R
0.5
= V
0.5
V
G
U
= R
0.5
F =
_
_
0.9908 0.1348 0.0130
0.0890 0.5758 0.8127
0.1021 0.8064 0.5825
_
_
, G
U
G
U
= I
P
Exemplo 8.11: Considere os vetores linearmente independentes no plano {f
1
, f
2
}
F =
_
f
1
f
2
_
=
_
1 3
2 0.5
_
O resultado das ortonormaliza coes (mostrado na Figura 8.12) e
Schmidt: G =
_
g
1
g
2
_
=
_
0.32 0.95
0.95 0.32
_
, Schur: G
U
=
_
g
u1
g
u2
_
=
_
0.1 1
1 0.1
_
f
1
f
2
g
1
g
2
g
u1
g
u2
g
u1
g
u2
Figura 8.12: Vetores ortonormalizados do Exemplo 8.11.
P
8.6 Exerccios
Exerccio 8.1: Determine uma base ortogonal para os sinais, nulos fora do intervalo (0, 1),
f
1
(t) = t 1, f
2
(t) = 1 2t , f
3
(t) = 2t + 1
Exerccio 8.2: Determine a e b para que x
3
(t) seja ortogonal a x
1
(t) e a x
2
(t) sendo
x
1
(t) = G
1
(t 0.5) , x
2
(t) = tG
1
(t 0.5) , x
3
(t) =
_
at
2
+bt
1
6
_
G
1
(t 0.5)
Exerccio 8.3: Determine uma base ortogonal que represente o espaco de sinais gerado por c
1
x
1
(t) +c
2
x
2
(t) +
c
3
x
3
(t) com
x
1
(t) = (1 +t)G
2
(t 1) , x
2
(t) = (1 t)G
2
(t 1) , x
3
(t) = (2t + 1)G
2
(t 1)
Exerccio 8.4: Determine a para que x
1
(t) e x
2
(t) sejam ortogonais entre si, sendo
x
1
(t) = G
2
(t) , x
2
(t) =
_
3
2
t
2
a
_
G
2
(t)
8.6. Exerccios 149
Exerccio 8.5: Determine a para que x
1
(t) e x
2
(t) sejam ortogonais entre si, sendo
x
1
(t) = (1 t)G
1
(t 0.5) , x
2
(t) = (at + 1)G
1
(t 0.5)
Exerccio 8.6: Determine uma base ortogonal para o espaco linear gerado pelos sinais
x
1
(t) = G
1
(t 0.5) G
1
(t 1.5) , x
2
(t) = G
1
(t 1.5) G
1
(t 2.5) , x
3
(t) = G
3
(t 1.5)
Exerccio 8.7: Determine uma base ortogonal para o espaco gerado pelos sinais
x
1
(t) = G
1
(t 0.5) , x
2
(t) = 2G
1
(t 0.5) +G
1
(t 2.5)
Exerccio 8.8: Determine a proje cao de erro quadr atico mnimo do sinal x(t) na base formada pelos sinais
f
1
(t) e f
2
(t), isto e, determine e tais que
x(t) = (2 t)G
2
(t 1) = f
1
(t) +f
2
(t) +(t) , f
1
(t) = G
1
(t 0.5) , f
2
(t) = G
2
(t 1)
sendo (t) o erro de proje cao.
Exerccio 8.9: Determine o erro (t) da proje cao de erro quadr atico mnimo do sinal x(t) na base formada
pelos sinais f
1
(t) e f
2
(t)
x(t) = G
3
(t 1.5) +G
2
(t 2) , f
1
(t) = G
2
(t 1) , f
2
(t) = f
1
(t 1)
Exerccio 8.10: Considere os sinais
x
1
(t) =
3G
1
(t 0.5) +G
1
(t 2.5) , x
2
(t) = 0.5G
1
(t 1.5) +G
1
(t 2.5)
a) Determine a matriz R =< x(t)x(t)
> de correlacao temporal dos sinais e sua decomposicao de Cholesky, ou

seja, determine uma matriz L triangular inferior tal que R = LL
b) Encontre os sinais y
1
(t) e y
2
(t) resultado da ortogonaliza cao induzida pela transformacao de Cholesky.
Exerccio 8.11: Esboce os sinais x
1
(t) =
3t e x
2
(t) = 1 denidos para t [0, 1] (os sinais s ao nulos fora do
intervalo). A matriz R de correlacao temporal dos sinais e sua decomposicao de Cholesky s ao dadas por:
R =
_
1
3/2
3/2 1
_
=
_
1 0
3/2 1/2
_ _
1
3/2
0 1/2
_
A decomposicao de Schur da matriz R e dada por
R =
2
2
_
1 +1
1 1
_ _
1 +
3/2 0
0 1
3/2
_
2
2
_
1 1
+1 1
_
a) Determine e esboce, usando a decomposicao de Cholesky, os sinais y
1
(t) e y
2
(t) que constituem uma base
ortonormal para o espaco gerado pela combinacao linear de x
1
(t) e x
2
(t).
b) Determine e esboce, usando a decomposicao de Schur os sinais y
1
(t) e y
2
(t) que constituem uma base
ortonormal para o espaco gerado pela combinacao linear de x
1
(t) e x
2
(t).
Exerccio 8.12: Considere que os m sinais reais x
k
(t) s ao ortogonais entre si no intervalo (0, T) e nulos fora
dele com
_
T
0
x
2
k
(t)dt = T , k = 1, 2, . . . , m
Determine a sada do ltro y(T) cuja resposta ao impulso e h(t) = x
1
(T t) para a entrada
x(t) =
m
k=1
k
x
k
(t)
Exerccio 8.13: Considere m sinais reais ortonormais tais que
x
k
(t) = x
k
(t)G
1
(t 0.5), k = 1, 2, . . . , m
Determine a sada y(1) do ltro cuja resposta ao impulso e h(t) = x
m
(1 t) para a entrada
x(t) =
m
k=1
2
k
x
k
(t)
Captulo 9
Serie de Fourier de Sinais Contnuos
Denicao 9.1: Produto escalar
O produto escalar dos sinais x(t) e y(t) e dado por
x(t)y
(t)
_
=
_
+
x(t)y
(t)dt
O intervalo de integracao pode ser distinto, denido no contexto da operacao, estando associado ao
domnio das funcoes.
Denicao 9.2: Norma

x(t) =
_
x(t)x
(t)
_
x(t)
2
=
_
+
|x(t)|
2
dt

x(t) = t
_
u(t) u(t 1)
_
= tG
1
(t 0.5) , g(t) = u(t) u(t 1) = G
1
(t 0.5)
O valor de para que g(t) melhor aproxime x(t) pode ser obtido como solu cao de um problema
de otimizacao.
Usando-se a medida de distancia entre dois sinais, dada pela integral do quadrado da diferenca,
tem-se
min
2
(t)
_
sendo o erro
(t) = x(t) g(t)
e
2
(t)
_
=
_
1
0
2
(t)dt
Portanto, a expressao do erro quadr atico e
2
(t)
_
=
g
2
(t)
_
2
2
x(t)g(t)
_
+
x
2
(t)
_
que e um polin omio de segundo grau em , convexo, com mnimo global satisfazendo
d
d
2
(t)
_
= 0 = =
x(t)g(t)
_
g
2
(t)
_ =
1
2
150
151
Observe que
(t)g(t)
_
= 0 e que esta condi cao, imposta no problema, tambem permite a obten cao
do valor otimo de .
P
Denicao 9.3: Sinais ortogonais
Os sinais x(t) e y(t) nao nulos s ao ortogonais se o produto escalar e nulo, isto e
x(t)y
(t)
_
= 0
Propriedade 9.1: Teorema de Pitagoras

1
Se x(t) e y(t) s ao ortogonais, entao
x(t) +y(t)
2
= x(t)
2
+y(t)
2
pois
x(t) +y(t)
2
=
(x(t) +y(t))(x
(t) +y
(t))
_
= x(t)
2
+y(t)
2
+
x(t)y
(t)
_
. .
= 0
+
y(t)x
(t)
_
. .
= 0
Propriedade 9.2: Desigualdade de Cauchy-Schwarz

2
x(t)y
(t) +y(t)x
(t)
_
2x(t)y(t)
pois, para R qualquer,
x(t) y(t)
2
min
x(t) y(t)
2
0
Portanto,
(x(t) y(t))(x
(t) y
(t))
_
= x(t)
2
+
2
y(t)
2
x(t)y
(t) +y(t)x
(t)
_
0
e o resultado e obtido substituindo-se o valor de que minimiza a norma, isto e,
=
x(t)y
(t) +y(t)x
(t)
_
2y(t)
2
Denicao 9.4: Sinais linearmente independentes

Um conjunto de sinais {g
k
(t), k = 1, . . . , n} e linearmente independente se e somente se
n
k=1
c
k
g
k
(t) = 0 , t = c
k
= 0 , k = 1, . . . , n
1
Pit agoras, nasceu em Samos (569 AC - 475 AC).
2
Augustin Louis Cauchy, matematico frances (1789-1857) e Hermann Amandus Schwarz, matematico alem ao (1843-
1921).
152 Captulo 9. Serie de Fourier de Sinais Contnuos
Denicao 9.5: Espaco linear
A combinacao linear de um conjunto de n sinais g
k
(t), isto e,
g(t) =
n
k=1
c
k
g
k
(t)
com escalares c
k
C gera um espaco linear, cuja dimens ao e dada pelo n umero r de sinais linearmente
independentes do conjunto (r n). Qualquer conjunto de r sinais que gere o mesmo espaco e uma
base para esse espaco.
Exemplo 9.2: Os sinais s ao linearmente independentes

x
1
(t) = 1 , x
2
(t) = t
P
x
1
(t) = exp(
1
t) , x
2
(t) = exp(
2
t)
1
=
2
P
x
1
(t) = 1 , x
2
(t) = t , x
3
(t) = 3t 5
s ao linearmente dependentes, pois
x
3
(t) = 3x
2
(t) 5x
1
(t)
P
Propriedade 9.3:
Sinais ortogonais s ao linearmente independentes.
Prova:
Supondo que x(t) e y(t) s ao sinais ortogonais, tem-se
x(t)y
(t)
_
= 0 e
x(t)x
(t)
_
= 0,
y(t)y
(t)
_
= 0
Se c
1
x(t) +c
2
y(t) = 0 para todo t, entao multiplicando por x
(t) e integrando tem-se

c
1
x(t)x
(t)
_
+c
2
y(t)x
(t)
_
= c
1
x(t)x
(t)
_
= 0 = c
1
= 0
Similarmente, multiplicando-se por y
(t) mostra-se que c

2
= 0.
Denicao 9.6: Projecao ortogonal

Denomina-se proje cao ortogonal a representa cao do sinal x(t) no espaco gerado pela combinacao linear
de uma base do espaco tal que o erro seja nulo ou ortogonal ao espaco, isto e,
x(t) =
n
k=1
c
k
g
k
(t) +(t)
9.1. Proje cao de sinais 153
com
(t)g
k
(t)
_
= 0 , k
sendo {g
k
(t), k = 1, . . . , n} um conjunto de sinais linearmente independentes (base de dimens ao n).
Propriedade 9.4:
O erro da proje cao ortogonal tem norma mnima.
Prova:
Seja (t) o erro da proje cao ortogonal e v(t) o erro de uma proje cao qualquer. Entao,
x(t) =
k
c
k
g
k
(t) +(t) =
k
d
k
g
k
(t) +v(t) v(t) = (t) +
k
(c
k
d
k
)g
k
(t)
. .
r(t)
O sinal r(t) pertence ao espaco gerado pelas funcoes g
k
(t), e portanto e ortogonal a (t). Assim,
v(t)
2
= (t)
2
+r(t)
2
(t)
2
9.1 Projecao de sinais

Suponha que se deseja aproximar o sinal x(t) por uma combinacao linear de sinais ortogonais g
k
(t)
x(t)
k
c
k
g
k
(t)
Denindo-se o erro (t)
(t) = x(t)
k
c
k
g
k
(t)
uma forma apropriada de obten cao dos coecientes c
k
s e dada pela minimiza cao do erro quadratico
min
c
k
(t)
(t)
_
Impondo a condi cao de ortogonalidade do erro em rela cao ao espaco linear tem-se
(t)g
k
(t)
_
= 0, k
(t)g
k
(t)
_
=
x(t)g
k
(t)
_
(t)g
k
(t)
_
=
x(t)g
k
(t)
_
c
k
g
k
(t)g
k
(t)
_
= 0
= c
k
=
x(t)g
k
(t)
_
|g
k
(t)|
2
_ , k
Note que os coecientes c
k
podem ser calculados de maneira desacoplada pelo fato de os sinais g
k
(t)
serem ortogonais.
Teorema 9.1: Teorema de Parseval
Considere uma base ortogonal {g
k
(t)} e x(t), um sinal pertencente ao espaco, descrito por
x(t) =
k
c
k
g
k
(t)
Entao,
x(t)x
(t)
_
=
|x(t)|
2
_
=
k
|c
k
|
2
|g
k
(t)|
2
_
Se as funcoes g
k
(t) tem norma unit aria, ou seja, se
|g
k
(t)|
2
_
= 1, tem-se
|x(t)|
2
_
=
k
|c
k
|
2
.
Prova: Como
x
(t) =
k
c
k
g
k
(t)
tem-se
x(t)x
(t)
_
=
|x(t)|
2
_
=
k
|c
k
|
2
|g
k
(t)|
2
_
pois os g
k
(t)s s ao ortogonais.
y
Denicao 9.7: Sinal peri odico
Um sinal x(t) e peri odico se existe um T > 0 tal que x(t) = x(t +T) para t R. Nesse caso, T e um
perodo e, se for o menor real que satisfaz a rela cao, e chamado de perodo fundamental.
Exemplo 9.5: O perodo T de

x(t) = sen(8t) + cos(12t) T
1
=

4
, T
2
=

6
e dado por
T = pT
1
= qT
2
= p
2
8
= q
2
12
p = 2, q = 3 e T =

2
P
Exemplo 9.6: O perodo T de
x(t) = sen(6t) + cos(8t) T
1
=
1
3
, T
2
=
1
4
e dado por
T = pT
1
= qT
2
= p
2
6
= q
2
8
p = 3, q = 4 e T = 1
P
Propriedade 9.5:
A soma de sinais peri odicos e peri odica se e somente se a rela cao entre os perodos for racional, isto e,
x(t) = x(t +T
1
) , y(t) = y(t +T
2
)
x(t) +y(t) = x(t +T) +y(t +T) T = pT
1
= qT
2
, p, q Z
+

x(t) = sen(2t) + cos(3t)
nao e peri odico, pois nao existem p, q inteiros que satisfazem
T = p1 = q
2
3
P
Propriedade 9.6:
Os sinais peri odicos de perodo T = 2/
0
g
k
(t) = exp(jk
0
t) , g
(t) = exp(j
0
t) k = inteiros
s ao ortogonais.
Alem disso
g
k
(t)g
k
(t)
_
=
_
T
g
k
(t)g
k
(t)dt = T
Prova: T e o perodo fundamental de g
k
(t), k = 0 e
g
k
(t)g
(t)
_
=
_
T
exp
_
j(k )
0
t
_
dt = 0 , k =
pois a parte real e a parte imaginaria s ao senoides que oscilam um n umero inteiro de vezes dentro do
perodo T.
Para k = ,
g
k
(t)g
k
(t)
_
=
_
T
dt = T
Denicao 9.8: Serie exponencial de Fourier
E a serie peri odica de perodo fundamental T = 2/

0
dada por
+
k=
c
k
exp(jk
0
t) c
k
=
x(t)g
k
(t)
_
g
k
(t)g
k
(t)
_ =
1
T
_
T
x(t) exp(jk
0
t)dt
Note que os coecientes c

k
foram obtidos por proje cao ortogonal e, portanto, minimizam o erro
quadratico.
Observa cao: Para sinais contnuos, a minimizacao do erro quadratico nao implica que o erro e nulo,
ou seja, a serie nao converge ponto a ponto para o sinal.
Mesmo para erro quadratico nulo (eventualmente com um n umero innito de coecientes), nas des-
continuidades do sinal ocorre uma distorcao (denominada fen omeno de Gibbs
3
)
Se o sinal x(t) for peri odico de perodo fundamental T, a serie representa o sinal para todo t.
Se o sinal x(t) nao for peri odico, a serie representa o sinal no intervalo T considerado, como ilustrado
na Figura 9.1.
Se x(t) e peri odica, e conveniente determinar os coecientes da serie xando-se um intervalo de tempo
de valor igual ao do perodo. Dessa forma, a serie representa a funcao para todo t (e nao apenas para
o intervalo de T/2 a +T/2).
3
Willard Gibbs, matematico norte-americano (1839-1903).
x(t)
Serie
T
2
T
2
t
t
T
T
T
T
Figura 9.1: Serie de Fourier do sinal x(t) representado no intervalo (T/2, T/2).
Propriedade 9.7: Condic oes sucientes para convergencia da serie de Fourier
Considere o erro
N
(t) = x(t) x
N
(t) = x(t)
+N
k=N
c
k
exp(jk
0
t)
Quando N +, a serie converge quadraticamente se
|
N
(t)|
2
_
0, e converge pontualmente se
N
(t) 0 para todo t.
Sinais quadraticamente integraveis (energia nita) no intervalo T, ou seja,
_
T
|x(t)|
2
dt < +
possuem serie de Fourier que converge quadraticamente, isto e, a energia do erro tende a zero.
A convergencia nao e necessariamente pontual, como por exemplo em sinais com descontinuidades.
Nesse caso,
x
N
(t
0
)
x(t
0+
) x(t
0
)
2
Uma condi cao alternativa à de energia nita e dada pelas condi coes de Dirichlet
4
, que devem ser
simultaneamente satisfeitas:
Condicao 1: x(t) e absolutamente integravel, ou seja
_
T
|x(t)|dt < +
Por exemplo, o sinal peri odico
x(t) =
+
k=
p(t kT) , p(t) = 1/t , t (0, T]
nao e absolutamente integravel e portanto nao possui serie de Fourier.
4
Johann Peter Gustav Lejeune Dirichlet, matematico frances (1805-1859).
Condicao 2: x(t) possui um n umero nito de m aximos e mnimos no intervalo T.
Os sinais peri odicos x
1
(t) e x
2
(t), de perodo T = 1, denidos a partir dos pulsos
p
1
(t) = sen(2/t) , t (0, 1]
p
2
(t) =
_
1 para t irracional
1 para t racional
, t (0, 1]
s ao absolutamente integraveis, mas possuem um n umero innito de m aximos e mnimos no intervalo
(0, 1] e portanto nao tem serie de Fourier.
Condicao 3: x(t) possui um n umero nito de descontinuidades nitas no intervalo.
Por exemplo, o sinal x
2
(t) tem um n umero innito de descontinuidades nitas no intervalo.
Nota cao:
F
S
{x(t)}
T
= {c
k
}
0
x(t) =
+
k=
c
k
exp(jk
0
t) , c
k
=
1
T
_
T
x(t) exp(jk
0
t)dt , T =
2
0
A nota cao pressupoe que o sinal original x(t) foi descrito em um intervalo T, no qual s ao computados
os coecientes c
k
.
Por construcao, a serie de Fourier de x(t) e peri odica, de perodo T.
A partir deste ponto, considera-se que a convergencia da serie e pontual.
Escolhendo um intervalo T centrado em t = 0 e denindo
p(t) = x(t)G
T
(t)
tem-se
x(t) =
+
k=
p(t kT)
A serie de Fourier e linear, isto e,
F
S
{
1
x
1
(t) +
2
x
2
(t)}
T
=
1
F
S
{x
1
(t)}
T
+
2
F
S
{x
2
(t)}
T
Exemplo 9.8:
2 cos(t) + 2 cos(2t) = exp(jt) + exp(jt) + exp(j2t) + exp(j2t)
Portanto, a serie de Fourier e dada por
F
S
{2 cos(t) + 2 cos(2t)}
T=2
= F
S
{2 cos(t)}
T=2
+F
S
{2 cos(2t)}
T=2
c
1
= c
1
= c
2
= c
2
= 1 , w
0
= 1
P
Exemplo 9.9: A soma dos sinais peri odicos
x(t) = 2 cos(t) + 2 cos(2t) = exp(jt) + exp(jt) + exp(j2t) + exp(j2t)
nao e peri odica, e portanto nao existe uma serie de Fourier para o sinal x(t).
Note entretanto que a serie de Fourier do sinal
y(t) = x(t)G
T
(t)
pode ser obtida, com T > 0 qualquer, para descrever o sinal peri odico
+
k=
y(t kT)
que e igual a y(t) entre T/2 e T/2.
P
Exemplo 9.10: Os coecientes da serie de Fourier do sinal peri odico impulsivo
x(t) =
+
k=
p(t kT)
p(t) = (t +T/4) (t T/4)
s ao dados por
c
k
=
1
T
_
T
p(t) exp(jk
0
t)dt =
1
T
_
exp(jk
0
T/4) exp(jk
0
T/4)
_
c
k
=
1
T
_
exp(jk/2) exp(jk/2)
_
=
1
T
2jsen(k/2)
Note que p(t) e uma funcao mpar e que os coecientes s ao imagin arios.
P
Exemplo 9.11: Os coecientes da serie de Fourier do sinal peri odico impulsivo
x(t) =
+
k=
p(t kT)
p(t) = (t +T/4) +(t T/4)
s ao dados por
c
k
=
1
T
_
T
p(t) exp(jk
0
t)dt =
1
T
_
exp(jk
0
T/4) + exp(jk
0
T/4)
_
c
k
=
1
T
_
exp(jk/2) + exp(jk/2)
_
=
1
T
2 cos(k/2)
Note que p(t) e uma funcao par e que os coecientes s ao reais.
P
Propriedade 9.9: Trem de impulsos
F
S
_
+
k=
(t kT)
_
T
= {
1
T
}
0

+
k=
(t kT) =
1
T
+
k=
exp(jk
0
t)
pois
c
k
=
1
T
_
T
+
k=
(t kT) exp(jk
0
t)dt =
1
T
_
T
(t)dt =
1
T
para k = 0 os impulsos estao fora do intervalo de integracao.
Propriedade 9.10: Valor medio

F
S
{x(t)}
T
= {c
k
}
0
c
0
=
1
T
_
T
x(t)dt (valor medio) , x(0) =
+
k=
c
k
Propriedade 9.11: Complexo conjugado

F
S
{x(t)}
T
= {c
k
}
0
F
S
{x
(t)}
T
= {c
k
}
0
pois, denominando d
k
os coecientes da serie associada a x
(t), tem-se
d
k
=
1
T
_
T
x
(t) exp(jk
0
t)dt =
_
1
T
_
T
x(t) exp(jk
0
t)dt
_
= c
Propriedade 9.12:
F
S
{x(t)}
T
= {c
k
}
0
e x(t) e real c
k
= c
k
pois, pela Propriedade 9.11,
x
(t) = x(t) c
k
= c
Teorema 9.2: Teorema de Parseval para Serie Exponencial de Fourier

F
S
{x(t)}
T
= {c
k
}
0

1
T
_
T
|x(t)|
2
dt =
+
k=
|c
k
|
2
(potencia media)
pelo Teorema 9.1 e pela Propriedade 9.6.
y
Exemplo 9.12: Determine a serie exponencial de Fourier e a potencia media para
a) sen(10t) b) cos(5t) c) sen
2
(10t) d) cos
2
(5t)
P
F
S
{x(t)}
T
= {c
k
}
0
, a real F
S
{x(t a)}
T
= {c
k
exp(jk
0
a)}
0
pois
x(t a) =
+
k=
c
k
exp(jk
0
a) exp(jk
0
t)
Exemplo 9.13: Considere o sinal x(t) dado por

x(t) =
+
k=1
a
k
cos(k
0
t) ; a
k
=
4
k
sen(k/2)
Determine os coecientes c
k
da serie exponencial de Fourier para
a) x(t) b) y(t) = x(t /(2
0
))
P
Propriedade 9.14: Deslocamento na freq uencia
F
S
{x(t)}
T
= {c
k
}
0
, m Z F
S
{x(t) exp(jm
0
t)}
T
= {c
km
}
Propriedade 9.15: Inversao no tempo

F
S
{x(t)}
T
= {c
k
}
0
F
S
{x(t)}
T
= {c
k
}
Propriedade 9.16: Escalonamento no tempo

F
S
{x(t)}
T
= {c
k
}
0
, > 0, R F
S
{x(t)}
T/
= {c
k
}
0
pois, como x(t) tem perodo T = 2/
0
, x(t) tem perodo T/ = 2/(
0
) e
d
k
=

T
_
T/
x(t) exp(jk
0
t)dt =
1
T
_
T
x(t) exp(jk
0
t)dt = c
k
Note que os coecientes s ao os mesmos, porem as series s ao diferentes (perodos distintos).
Propriedade 9.17: Multiplica cao no tempo

F
S
{x(t)y(t)}
T
= F
S
{x(t)}
T
F
S
{y(t)}
T
= {c
k
d
k
}
0
pois, denominando e
k
os coecientes da serie associada ao produto, tem-se
e
k
=
1
T
_
T
x(t)y(t) exp(jk
0
t)dt =
1
T
_
T
+
m=
c
m
exp(jm
0
t)y(t) exp(jk
0
t)dt =
=
+
m=
c
m
1
T
_
T
y(t) exp
_
j(k m)
0
t
_
dt
. .
d
km
=
+
m=
c
m
d
km
= c
k
d
k

Denicao 9.9: Convolu cao peri odica
A convolucao peri odica de x(t) e y(t), sinais peri odicos de perodo T, e denida por
x(t) y(t) =
_
T
x()y(t )d
Note que a convolucao peri odica produz um sinal peri odico.

Propriedade 9.18:
F
S
{x(t) y(t)}
T
= {Tc
k
d
k
}
0
sendo
F
S
{x(t)}
T
= {c
k
}
0
, F
S
{y(t)}
T
= {d
k
}
0
pois
1
T
_
T
(x(t) y(t)) exp(jk
0
t)dt =
1
T
_
T
x()
_
T
y(t ) exp(jk
0
t)dt d =
=
_
T
x() exp(jk
0
)
1
T
_
T
y() exp(jk
0
)d
. .
d
k
d = Td
k
1
T
_
T
x() exp(jk
0
) = Tc
k
d
k
Propriedade 9.19: Serie trigonometrica de Fourier

Considere o sinal x(t) real e peri odico, de perodo T. Entao
x(t) = c
0
+
+
k=1
_
c
k
exp(jk
0
t) +c
k
exp(jk
0
t)
_
que pode ser escrito como
x(t) = a
0
+
+
k=1
_
a
k
cos(k
0
t) +b
k
sen(k
0
t)
_
com
a
0
= c
0
=
1
T
_
T
x(t)dt (valor medio)
a
k
= (c
k
+c
k
) =
2
T
_
T
x(t) cos(k
0
t)dt ; b
k
= j(c
k
c
k
) =
2
T
_
T
x(t)sen(k
0
t)dt
Os coecientes a
k
e b
k
s ao reais.
Exemplo 9.14: A serie trigonometrica de Fourier para a funcao quadrada peri odica da Figura 9.2
e
x(t) =
4
_
cos(
0
t)
1

cos(3
0
t)
3
+
cos(5
0
t)
5

cos(7
0
t)
7

_
;
0
= 2/T
Para o calculo dos coecientes da serie, a
0
, a
k
e b
k
, dene-se a funcao no intervalo (T/2, +T/2):
x(t)
1
t
T
Figura 9.2: Onda quadrada de perodo T.
x(t) =
_
_
_
1 t (T/2, T/4)
+1 t (T/4, +T/4)
1 t (+T/4, +T/2)
a
0
= 0 (valor medio nulo) ; a
k
=
2
T
_
+T/2
T/2
x(t) cos(k
0
t)dt
a
k
=
2
T
_
_
T/4
T/2
(1) cos(k
0
t)dt +
_
+T/4
T/4
(1) cos(k
0
t)dt +
_
+T/2
+T/4
(1) cos(k
0
t)dt
_
a
k
=
2
T
_
(1)
1
k
0
sen(k
0
t)
T/4
T/2
+ (1)
1
k
0
sen(k
0
t)
+T/4
T/4
+ (1)
1
k
0
sen(k
0
t)
+T/2
+T/4
_
Como
0
= 2/T, portanto k
0
T/2 = k
a
k
=
1
k
_
(1)
_
sen(k
2
) sen(k)
_
+(1)
_
sen(k
2
) sen(k
2
)
_
+ (1)
_
sen(k) sen(k
2
)
_
_
a
k
=
4
k
sen(
k
2
)
sen(k) = sen(k) = 0 e sen(k
2
) = sen(k
2
) , k = 1, 2, . . .
sen(k
2
) =
_
_
_
1 , k = 3, 7, 11, . . .
0 , k = 2, 4, 6, 8, . . .
+1 , k = 1, 5, 9, 13, . . .
b
k
=
2
T
_
+T/2
T/2
x(t)sen(k
0
t)dt = 0 (pois o sinal e par)
Comprovando
b
k
=
2
T
_
_
T/4
T/2
(1)sen(k
0
t)dt +
_
+T/4
T/4
(1)sen(k
0
t)dt +
_
+T/2
+T/4
(1)sen(k
0
t)dt
_
b
k
=
2
T
_
(+1)
1
k
0
cos(k
0
t)
T/4
T/2
+ (1)
1
k
0
cos(k
0
t)
+T/4
T/4
+ (1)
1
k
0
cos(k
0
t)
+T/2
+T/4
_
b
k
=
1
k
_
(+1)
_
cos(k
2
) cos(k)
_
+ (1)
_
cos(k
2
) cos(k
2
)
_
+(1)
_
cos(k) cos(k
2
)
_
_
cos(k) = cos(k) =
_
+1 k par
1 k mpar
= b
k
=
1
k
_
cos(k) + cos(k)
_
= 0
A contribui cao das harmonicas da serie de Fourier e ilustrada na Figura 9.3. Observe que a
serie passa pelos pontos intermediarios nas discontinuidades e tem picos proximos às transicoes
(fenomeno de Gibbs).
A convergencia pontual, fora das discontinuidades, e relativamente lenta. No entanto, sistemas
lineares s ao em geral passa-baixas, isto e, a atenuac ao cresce com a freq uencia, de modo que
a sada pode ser bem aproximada por uma serie com um n umero menor de componentes que os
necessarios para representar a entrada.
-10 -5 0 5 10
-2
-1
0
1
2
-10 -5 0 5 10
-2
-1
0
1
2
Harm onica 1
Harm onicas 1 e 3
-10 -5 0 5 10
-2
-1
0
1
2
-10 -5 0 5 10
-2
-1
0
1
2
Harm onicas 1, 3 e 5
Harm onicas 1, 3, 5 e 7
Figura 9.3: Serie de Fourier para a onda quadrada.
P
Exemplo 9.15: Considere o circuito RC com RC = 1 e x(t) igual à onda quadrada com T = 2,
mostrados na Figura 9.4.
+
R
x(t)
C
+
y(t)
x(t)
1
t
T
Figura 9.4: Circuito RC e onda quadrada.
O sinal x(t) e peri odico (existe para todo t), e portanto a solu cao y(t) converge para a solu cao
forcada.
Duas situacoes ocorrem, como ilustrado na Figura 9.5.
Para x(t) = 1, tem-se
y(t) =
_
1 exp(t/)
_
+y(0) exp(t/)
e portanto
s
k
r
k
s
k+1
r
k+1
Figura 9.5: Carga e descarga do capacitor do circuito RC.
x(t) = 1 r
k+1
=
_
1 exp()
_
+s
k
exp()
x(t) = 1 s
k+1
= r
k
exp()
_
1 exp()
_
Os valores de s
k
e r
k
s ao as condi coes iniciais para cada caso, e os pontos limites da recorrencia
s ao +0.9171 e 0.9171
O sinal y(t) tambem pode ser calculado aproximando-se x(t) pela serie de Fourier
x(t)
4
_
cos(t)
cos(3t)
3
+
cos(5t)
5

cos(7t)
7
+
_
=
+
k=1
mpar
1
2
4
k
_
exp(jkt) + exp(jkt)
_
A equacao diferencial do circuito e dada por
RC y +y = x H(s) =
1
1 +RCs
e as componentes y
k
(t) s ao dadas por
y
k
(t) =
_
1
2
_
4
k
_
H(jk) exp(jkt) +H(jk) exp(jkt)
_
As guras 9.6 e 9.7 mostram a resposta do circuito obtida pela integra cao da equacao diferencial
e as aproximacoes pela serie de Fourier. Note que, para um mesmo n umero de termos, a serie
de Fourier aproxima melhor y(t) que x(t). Isto se deve ao fato que o circuito e passa-baixas e
portanto atenua as altas freq uencias.
-10 -5 0 5 10
-2
-1
0
1
2
-10 -5 0 5 10
-2
-1
0
1
2
Onda Quadrada e Resposta do RC
Resposta do RC e Harm onica 1
Figura 9.6: Resposta do circuito RC.
A Tabela 9.1 apresenta as contribui coes de cada elemento da serie de Fourier. Observe que a
contribui cao da setima harmonica na entrada e 14% da fundamental, enquanto que na sada e 3%.
P
-10 -5 0 5 10
-2
-1
0
1
2
-10 -5 0 5 10
-2
-1
0
1
2
Resposta do RC e Harm onicas 1 e 3
Resposta do RC e Harm onicas 1, 3 e 5
Figura 9.7: Resposta do circuito RC e serie de Fourier.
Entrada Sada
k | H(jk) | 4/(k) | H(jk) | 4/(k)
1 0.707 1.273 0.900
3 0.316 0.424 0.134
5 0.196 0.255 0.047
7 0.141 0.182 0.026
Tabela 9.1: M odulo da funcao de transferencia e contribuicoes dos elementos das serie de Fourier da
entrada e da sada do circuito RC.
Propriedade 9.20: Derivada
F
S
{x(t)}
T
= {c
k
}
0
F
S
_
d
dt
x(t)
_
T
= {jk
0
c
k
}
0
Prova: usando a propriedade (integracao por partes)
_
udv = uv
_
vdu
tem-se que os coecientes da serie de Fourier da derivada s ao dados por
1
T
_
T
_
d
dt
x(t)
_
exp(jk
0
t)dt =
1
T
_
T
exp(jk
0
t)dx(t) =
=
1
T
x(t) exp(jk
0
t)
T
0
1
T
_
T
x(t)(jk
0
) exp(jk
0
t)dt = jk
0
c
k
Propriedade 9.21: Integral

F
S
{x(t)}
T
= {c
k
}
0
e c
0
= 0 F
S
_
_
t
x()d
_
T
=
_
1
jk
0
c
k
_
0
pois
F
S
_
x(t) =
d
dt
y(t)
_
T
= {c
k
}
0
= {jk
0
d
k
}
0
F
S
_
y(t) =
_
t
x()d
_
T
= {d
k
}
0
=
_
c
k
jk
0
_
0
Observe que, se o valor medio de x(t) for diferente de zero, y(t) diverge e nao e um sinal periodico.
Exemplo 9.16: Os coecientes da serie de Fourier da onda quadrada mostrada na Figura 9.2 foram
calculados pela denicao.
Alternativamente, a propriedade da integral pode ser utilizada para o calculo. Note que a onda por
ser descrita como
x(t) =
+
k=
p(t kT)
p(t) = u(t +T/2) + 2u(t +T/4) 2u(t T/4) +u(t T/2)
Derivando x(t), obtem-se um sinal peri odico impulsivo, dado por
y(t) =
+
k=
q(t kT)
q(t) = (t +T/2) + 2(t +T/4) 2(t T/4) +(t T/2)
Os coecentes da serie de Fourier de y(t) s ao dados por
d
k
=
1
T
_
T
q(t) exp(jk
0
t)dt =
1
T
_
exp(jk
0
T/2)
+2 exp(jk
0
T/4) 2 exp(jk
0
T/4) + exp(jk
0
T/2)
_
d
k
=
1
T
_
exp(jk) + 2 exp(jk/2) 2 exp(jk/2) + exp(jk)
_
=
1
T
4jsen(k/2)
Portanto,
c
k
=
d
k
jk
0
=
2
k
sen(k/2)
P
x(t) =
+
k=
p(t kT)
p(t) = u(t +T/2) + 2u(t +T/4) 2u(t T/4) +u(t T/2)
y(t) =
+
k=
q(t kT) , q(t) = I
p
(t) =
_
t
p()d
a) Esboce os sinais p(t), x(t), q(t) e y(t);
b) Determine os coecientes da serie exponencial de Fourier de y(t)
P
9.2. Exerccios 167
9.2 Exerccios
k
da serie exponencial de Fourier de
x(t) =
+
k=
q(t k5) =
+
k=
c
k
exp(jk2t/5)
para
q(t) = u(t + 1) 2u(t) +u(t 1)
0
e os coecientes das series exponenciais de Fourier dos sinais x(t) e y(t)
x(t) =
+
k=
h(t k8) =
+
k=
c
k
exp(jk
0
t) , h(t) =
(t + 1) +(t 1)
2
y(t) =
+
k=
G
2
(t k8) =
+
k=
d
k
exp(jk
0
t)
Exerccio 9.3: Calcule os termos c
0
, c
1
e c
1
da serie de exponenciais complexas de Fourier, e os termos a
0
,
a
1
e b
1
da serie trigonometrica de Fourier, do sinal x(t)
x(t) =
+
k=
p(t 4 k) =
+
k=
c
k
exp(jk
0
t) = a
0
+
+
k=1
a
k
cos(k
0
t) +b
k
sen(k
0
t) ,
0
=

2
sendo
p(t) = (t 1)G
1
(t + 0.5) + (t + 1)G
1
(t 0.5)
Exerccio 9.4: Determine o perodo fundamental e a potencia media de x(t) = sen(6t) + cos(15t)
k
da serie exponencial de Fourier do sinal
x(t) =
+
k=
h(t k8) =
+
k=
c
k
exp(jk
0
t)
sendo h(t) o sinal mostrado na gura abaixo e
0
= 2/8.
h(t)
1
2
2
1
2
2
t
Exerccio 9.6: Expresse em serie de exponenciais complexas de Fourier a sada y(t) do sistema linear invariante
no tempo cuja resposta ao impulso e
h(t) = exp(2t)u(t)
para a entrada x(t) = sen(t) cos(2t)
Exerccio 9.7: Determine os coecientes da serie exponencial de Fourier dos sinais
a) x(t) =
+
k=
p(t k8) , p(t) = (t + 1) (t 1)
b) y(t) =
+
k=
G
2
(t k8)
Captulo 10
Transformada de Fourier de Sinais
Contnuos
A serie de Fourier e adequada para a descricao de um sinal em um intervalo de tempo T, ou para
sinais peri odicos de perodo T.
x(t) =
+
k=
c
k
exp(jk
0
t) , |t| <
T
2
e
0
=
2
T
; c
k
=
1
T
_
+T/2
T/2
x(t) exp(jk
0
t)dt
A transformada de Fourier descreve apropriadamente sinais peri odicos ou nao periodicos (pulsos),
como ilustrado na Figura 10.1.
x(t)
t
T
Figura 10.1: Sinal x(t) descrito em um intervalo (T/2, T/2).
Retomando a expressao para a serie exponencial de Fourier, com = 2/T e X
k
= Tc
k
, tem-se
x(t) =
1
T
+
k=
X
k
exp(jkt) ; | t |< T/2 , X
k
=
_
+T/2
T/2
x(t) exp(jkt)dt
Denindo a funcao X(), tal que X(k) = X
k
, tem-se
x(t) =
1
2
+
k=
X(k) exp(jkt) , X(k) =
_
+T/2
T/2
x(t) exp(jkt)dt
Fazendo T + 0, tem-se
x(t) =
1
2
_
+
X() exp(jt)d , X() =

_
+
x(t) exp(jt)dt
Denicao 10.1: Transformada de Fourier
X() = F{x(t)} =
_
+
x(t) exp(jt)dt
168
169
x(t) = F
1
{X()} =
1
2
_
+
X() exp(jt)d
Propriedade 10.1: Condic oes sucientes para a existencia da transformada de Fourier

As condi coes sucientes s ao as mesmas que as da serie de Fourier, estendidas para o intervalo innito
de integracao. Por exemplo, sinais de energia (isto e, sinais quadraticamente integraveis).
Entretanto, a transformada de Fourier sera tambem aplicada para sinais cujas integrais divergem de
forma impulsiva, incluindo assim os sinais de potencia, como por exemplo sinais senoidais.
Propriedade 10.2:
A transformada de Fourier e linear, ou seja
F{a
1
x
1
(t) +a
2
x
2
(t)} = a
1
F{x
1
(t)} +a
2
F{x
2
(t)}
Propriedade 10.3: Valor na origem

F{x(t)} = X() X(0) =
_
+
x(t)dt , x(0) =
1
2
_
+
X()d
Observa cao: se as funcoes forem descontnuas em 0, as integrais produzem o valor medio.
Exemplo 10.1 (Exponencial Complexa): A transformada de Fourier de

x(t) = exp(at)u(t) , Re(a) > 0
e dada por
F
_
exp(at)u(t)
_
=
1
j +a
pois
X() =
_
+
exp(at)u(t) exp(jt)dt =
_
+
0
exp
_
(j +a)t
_
dt =
=
1
j +a
exp
_
(j +a)t
_
+
0
Note que, da denicao de transformada
1
de Laplace, tem-se
L{exp(at)u(t)} =
1
s +a
, Re(s +a) > 0
ou seja, a transformada de Fourier de x(t) = exp(at)u(t) tem a mesma forma da transformada
de Laplace, trocando-se s por j. Note ainda que, se Re(a) < 0, a transformada de Fourier nao
existe. Entretanto, a transformada de Laplace existe com um domnio que nao contem s = j
Pela Propriedade 10.3, tem-se
X(0) =
_
+
x(t)dt =
_
+
exp(at)u(t)dt =
1
a
exp(at)
+
0
=
1
a
P
1
Veja Propriedade 7.17.
170 Captulo 10. Transformada de Fourier de Sinais Contnuos
Propriedade 10.4:
Para x(t) real, o m odulo de X() e uma funcao par e a fase e mpar, ou seja
| X() |=| X() |
X() = X()
_
_
_
X() = X
()
Prova:
X() =
_
+
x(t) exp(jt)dt = A() jB()

com
A() =
_
+
x(t) cos(t)dt (par) , B() =

_
+
x(t)sen(t)dt (mpar)
| X() |=
_
A
2
() +B
2
() =
_
A
2
() +B
2
() =| X() | (par)
X() = arctan
B()
A()
= arctan
B()
A()
= arctan
B()
A()
= X() (mpar)
Exemplo 10.2 (Exponencial real): A transformada de Fourier de

x(t) = exp(at)u(t) , a > 0 a real
e dada por
F{exp(at)u(t)} =
1
j +a
=
1
_
(
2
+a
2
)
exp
_
j arctan(/a)
_
conrmando a Propriedade 10.4 (sinais reais tem modulo par e fase mpar).
Note que x(t) = exp(at)u(t) e descontnua em t = 0 e o valor da transformada inversa em t = 0
e x(0) = 0.5 (valor medio na descontinuidade), pois
2x(0) =
_
+
1
j +a
d =
_
+
0
_
1
j +a
+
1
j +a
_
d =
_
+
0
2a
2
+a
2
d =
=
2
a
_
+
0
1
(/a)
2
+ 1
d = 2
_
+
0
1
2
+ 1
d = 2
_
+/2
0
d =
= tan()
d tan()
tan
2
() + 1
= d
P
Teorema 10.1: Parseval
Se x(t) e um sinal de energia, entao
_
+
| x(t)|
2
dt =
1
2
_
+
| X()|
2
d Energia
Prova:
171
2
_
+
| x(t)|
2
dt = 2
_
+
x(t)x
(t)dt =
_
+
x(t)
_
+
() exp(jt)d
. .
2x
(t)
dt
=
_
+
()
_
+
x(t) exp(jt)dt
. .
X()
d =
_
+
()X()d =
_
+
| X()|
2
d
y
Denicao 10.2: Densidade espectral de energia
A densidade espectral de um sinal de energia x(t) cuja transformada e X() = F{x(t)} e dada por
1
2
| X()|
2
Exemplo 10.3: Retomando o Exemplo 10.2, ilustrado na Figura 10.2 para a = 1, tem-se que x(t)
e um sinal de energia, pois
Energia =
_
+
|x(t)|
2
dt =
_
+
exp(2at)u(t)dt =
1
2a
exp(2at)
0
=
1
2a
-4 -2 0 2 4
-0.5
0
0.5
1
1.5
t
Figura 10.2: Sinal x(t) = exp(t)u(t).
A densidade espectral de energia e dada por
1
2
| X() |
2
=
1
2
_
1
a
2
+
2
_
ilustrada na Figura 10.3 para a = 1.
O Teorema de Parseval e vericado, pois
Energia =
1
2
_
+
_
1
a
2
+
2
_
d =
1
2a
arctan
_
a
_
=
1
2a
_
2

_
2
__
=
1
2a
Uma avaliacao da distribuicao da area sob a curva da Figura 10.3 pode ser obtida a partir do ndice
I
k
=
area de k a +k
area total
I
5
= 0.87, I
10
= 0.94, I
40
= 0.98
P
-10 -5 0 5 10
0
0.2
0.4
0.6
0.8
1
1.2
Figura 10.3: Densidade espectral de energia de x(t) = exp(t)u(t).

Propriedade 10.5: Reversao no tempo
F{x(t)} = X()
pois
F{x(t)} =
_
+
x(t) exp(jt)dt =
_

+
x() exp(j)d
=
_
+
x() exp
_
j()
_
d =
_
+
x(t) exp
_
j()t
_
dt = X()
Exemplo 10.4:
F{exp(at)u(t)} =
1
j +a
; Re(a) > 0 F{exp(at)u(t)} =
1
j +a
; Re(a) > 0
A Figura 10.4 mostra o sinal x(t) = exp(t)u(t).
A densidade espectral de energia e dada por
1
2
| X() |
2
=
1
2
_
1
a
2
+
2
_
que e tambem a densidade espectral de x(t) = exp(t)u(t), mostrada na Figura 10.3.
P
Propriedade 10.6: Funcao real e par
A transformada de Fourier de um sinal real e par x(t) e um sinal X() real e par, pois
_
+
x(t) exp(jt)dt =
_
+
x(t) cos(t)dt j
_
+
x(t)sen(t)dt
. .
= 0

173
-4 -2 0 2 4
-0.5
0
0.5
1
1.5
t
Figura 10.4: Sinal x(t) = exp(t)u(t).
Exemplo 10.5: Considere o sinal x(t) dado por
x(t) = exp(a | t |) = exp(at)u(t) + exp(at)u(t) , a > 0
mostrado na Figura 10.5 para a = 1, cuja transformada de Fourier e
X() =
1
j +a
+
1
j +a
=
2a
2
+a
2
-4 -2 0 2 4
-0.5
0
0.5
1
1.5
t
Figura 10.5: Sinal x(t) = exp(|t|).
Note que X() e uma funcao real e par, pois x(t) e real e par.
A densidade espectral de energia, mostrada na Figura 10.6 para a = 1, e
1
2
| X()|
2
=
1
2
| 2a/(a
2
+
2
)|
2
Observe que a densidade espectral cai com
4
, enquanto que nos exemplos 10.2 e 10.4 o decai-
mento ocorre com
2
. Esse comportamento em freq uencia est a relacionado à presen ca ou nao de
descontinuidades nos sinais.
-10 -5 0 5 10
-1
0
1
2
3
4
5
Figura 10.6: Espectro de energia do sinal x(t) = exp(|t|).

O espalhamento em freq uencia do espectro pode ser avaliado pelo ndice I
k
denido no Exem-
plo 10.2, resultando neste caso em
I
5
= 0.99 ; I
10
= 1.00
conrmando que a energia est a mais concentrada do que nos caso dos sinais com descontinuidade.
A integral de x(t) e 2/a, o que e conrmado pelo valor de
X(0) =
_
+
x(t)dt =
2
a
e a integral de X() e igual a 2, o que e conrmado por
x(0) =
1
2
_
+
X()d = 1
P
Propriedade 10.7: Simetria
F{x(t)} = X() F{X(t)} = 2x()
pois
x(t) =
1
2
_
+
X() exp(jt)d 2x(t) =

_
+
X() exp(jt)d
2x() =
_
+
X() exp(j)d 2x() =

_
+
X(t) exp(jt)dt = F{X(t)}

175
Exemplo 10.6: A transformada de Fourier de
x(t) =
1
1 +t
2
e dada por
X() = exp(||)
pois, pela Propriedade 10.7 (simetria), tem-se
F
_
1
2
exp(|t|)
_
=
1
1 +
2
F
_
1
1 +t
2
_
= exp(||)
Note que x(t) e X() s ao ambas funcoes reais e pares
P
Exemplo 10.7: A transformada de Fourier da funcao gate
x(t) = G
T
(t) = u(t +T/2) u(t T/2)
mostrada na Figura 10.7, e dada por
F{G
T
(t)} = TSa(T/2) , Sa(T/2) =
sen(T/2)
T/2
G
T
(t)
T
2
T
2
t
1
Figura 10.7: Funcao gate G
T
(t).
pois
F{G
T
(t)} =
_
+
G
T
(t) exp(jt)dt =
_
+T/2
T/2
exp(jt)dt =
=
1
j
exp(jt)
+T/2
T/2
= T
_
sen(T/2)
T/2
_
= TSa(T/2)
Note que o primeiro cruzamento de Sa(/2) com o eixo das abscissas ocorre em 2/T. Portanto,
quanto mais estreito for o pulso no tempo, mais espalhado sera seu espectro em e vice-versa.
A funcao Sa(/2) e mostrada na Figura 10.8, e a densidade espectral de energia (multiplicada por
2) e mostrada na Figura 10.9.
Note que os ndices de espalhamento em freq uencia do espectro, neste caso, dados por
I
2
= 0.90 ; I
4
= 0.95 ; I
8
= 0.97
s ao similares aos do sinal do Exemplo 10.2, que tambem possui descontinuidade.
P
-30 -20 -10 0 10 20 30
-0.5
0
0.5
1
1.5
Figura 10.8: Funcao Sa(/2) (sampling).

-20 -15 -10 -5 0 5 10 15 20
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
Figura 10.9: |X()|

2
= Sa
2
(/2).
Exemplo 10.8:
F{Sa(
0
t/2)} =
2
0
G
0
()
pois
F
_
1
(t)
_
= Sa(/2)
e, pela Propriedade 10.7 (simetria),
F{Sa(t/2)} =
2
()
Note que a transformada de Fourier da funcao sampling, que nao e limitada no tempo, e uma funcao
gate, ou seja, e limitada em freq uencia.
P
177
Propriedade 10.8: Transformada de Fourier da funcao impulso
F{(t)} =
_
+
(t) exp(jt)dt = 1
Observe que (t) nao e um sinal de energia e portanto o Teorema de Parseval nao se aplica.
Note tambem que a funcao impulso poderia ser calculada como a transformada inversa de 1, ou seja
(t) = F
1
{1} =
1
2
_
+
exp(jt)d
Denicao 10.3: Sinais de potencia

Um sinal x(t) e de potencia nita se
lim
T+
1
T
_
+T/2
T/2
|x(t)|
2
dt < +
Por exemplo, x
1
(t) = sen(t) e um sinal de potencia, e o sinal x(t) = G
2
(t) e um sinal de energia, pois
_
+
|x(t)|
2
dt =
_
1
1
dt = 2 < +
Exemplo 10.9: A transformada de Fourier do sinal
x(t) = 1
e dada por
F{1} = 2() = 2()
pela Propriedade 10.7 (simetria).
P
Exemplo 10.10: A transformada de Fourier de
sinal(t) =
_
_
_
+1 , t > 0
1 , t < 0
e dada por
F{sinal(t)} =
2
j
pois, escrevendo a funcao sinal(t) na forma
sinal(t) = lim
a0
+
_
exp(at)u(t) exp(at)u(t)
_
tem-se
F{sinal(t)} = lim
a0
+
_
1
a +j

1
a j
_
=
2
j
Note que a funcao sinal(t) possui a mesma potencia media que a funcao x(t) = 1, mas as transfor-
madas de Fourier s ao distintas, assim como os valores medios, 0 e 1, respectivamente.
A funcao sinal(t) pode ser interpretada como uma inversao de polaridade numa alimenta cao em
corrente contnua (acionamento de uma chave).
A transformada de Fourier da funcao sinal(t) ilustra o rudo (clic) que se ouve nos r adios a pilha
quando um interruptor da rede eletrica, proximo do r adio, e acionado.
P
Exemplo 10.11: A transformada de Fourier da funcao
x(t) = u(t)
e dada por
F{u(t)} = F
_
1
2
+
1
2
sinal(t)
_
= () +
1
j
P
F{x(t )} = X() exp(j)
pois
F{x(t )} =
_
+
x(t )exp(jt)dt
F{x(t )} =
_
+
x() exp(j) exp(j)d = exp(j)

_
+
x() exp(j)d
. .
X()
Exemplo 10.12:
F{(t )} = exp(j)
P
Propriedade 10.10: Deslocamento em freq uencia
F{x(t) exp(j
0
t)} = X(
0
)
pois
F{x(t) exp(j
0
t)} =
_
+
x(t) exp(j
0
t)exp(jt)dt =
=
_
+
x(t) exp
_
j(
0
)t
_
dt = X(
0
)
Exemplo 10.13:
F{exp(j
0
t)} = 2(
0
)
pois, aplicando-se a Propriedade 10.10 (deslocamento em freq uencia) para x(t) = 1, tem-se
F{1} = 2() F{exp(j
0
t)} = 2(
0
)
P
179
Exemplo 10.14:
F{exp(j
0
t)} = 2( +
0
)
P
Exemplo 10.15:
F{cos(
0
t)} = F
_
1
2
exp(j
0
t) +
1
2
exp(j
0
t)
_
= (
0
) +( +
0
)
P
Exemplo 10.16:
F{sen(
0
t)} = F
_
1
2j
exp(j
0
t)
1
2j
exp(j
0
t)
_
=

j
(
0
)

j
( +
0
)
P
Propriedade 10.11: Transformada de Fourier de sinal peri odico
Considere o sinal peri odico
x(t) =
1
T
+
k=
X
k
exp(jk
0
t) , X
k
=
_
+T/2
T/2
x(t) exp(jk
0
t)dt
A transformada de Fourier de x(t) e dada pelo trem de impulsos modulado
X() =
0
+
k=
X
k
( k
0
) ,
0
=
2
T
pois
X() = F{x(t)} =
1
T
+
k=
X
k
F{exp(jk
0
t)} =
2
T
+
k=
X
k
( k
0
)
Exemplo 10.17:
F
_
+
k=
(t kT)
_
=
0
+
k=
( k
0
)
P
Propriedade 10.12: Transformada de Fourier da convolu cao
F
_
x(t) y(t)
_
= F
_
x(t)
_
F
_
y(t)
_
= X()Y ()
pois
F
_
x(t) y(t)
_
= F
_
_
+
x(t )y()d
_
=
_
+
y()
__
+
x(t )exp(jt)dt
_
. .
X() exp(j)
d
F
_
x(t) y(t)
_
= X()
_
+
y() exp(j)d = X()Y ()

Exemplo 10.18: A transformada de Fourier do sinal
Tri
2T
(t) = (t/T + 1)G
T
(t +T/2) + (1 t/T)G
T
(t T/2) =
1
T
G
T
(t) G
T
(t)
e dada por
F{Tri
2T
(t)} =
1
T
_
TSa
_
T
2
_
_
2
= TSa
2
_
T
2
_
P
Exemplo 10.19: A transformada de Fourier do sinal Sa
2
_
0
t
2
_
e dada por (usando a Proprie-
dade 10.7, de simetria)
F
_
Sa
2
_
0
t
2
__
=
2
0
Tri
2
0
() =
2
0
Tri
2
0
()
P
Propriedade 10.13: Transformada da integral
F
_
I
x
(t) =
_
t
x()d
_
= F{x(t) u(t)} = X()
_
() +
1
j
_
Se X(0) = 0, isto e, se
_
+
x(t)dt = 0
entao
F
_
I
x
(t) =
_
t
x()d
_
=
1
j
X()
Exemplo 10.20: A transformada de Fourier do sinal x(t) = Tri

2
(t) mostrado na Figura 10.10
pode ser obtida a partir das suas derivadas sucessivas.
1
1
1
x(t)
t
Figura 10.10: Sinal x(t) = Tri
2
(t).
A Figura 10.11 mostra o sinal x(t) derivado duas vezes. Observe que as areas sob as funcoes x(t)
e x(t) s ao nulas.
A transformada de Fourier da derivada segunda e
181
1
1
1
1
1
1
1
1
dx
dt
t
t
2
d
2
x
dt
2
Figura 10.11: Derivadas do sinal x(t) = Tri
2
(t).
F
_
d
2
x(t)
dt
2
_
= F{(t + 1) 2(t) +(t 1)} = exp(+j) 2 + exp(j)
F
_
d
2
x(t)
dt
2
_
= 2
_
1 cos()
_
= 4sen
2
_
2
_
Como a derivada segunda de x(t) tem media nula, tem-se
F
_
d
dt
x(t)
_
=
1
(j)
_
4sen
2
_
2
__
Como a derivada primeira de x(t) tem media nula, tem-se
F{x(t)} = X() =
4
(j)(j)
sen
2
_
2
_
=
sen
2
_
2
_
_
2
_
2
= Sa
2
_
2
_
P
Propriedade 10.14: Transformada da derivada
F
_
d
dt
x(t)
_
= (j)X()
pois
x(t) =
1
2
_
+
X()exp(jt)d
d
dt
x(t) =
1
2
_
+
X()
d
dt
exp(jt)d =
1
2
_
+
(j)X()exp(jt)d
Propriedade 10.15: Transformada de Fourier do produto

F{x(t)y(t)} =
1
2
F{x(t)} F{y(t)} =
1
2
X() Y ()
pois
F{x(t)y(t)} =
_
+
x(t)y(t)exp(jt)dt =
_
+
x(t)
_
1
2
_
+
Y () exp(jt)d
_
exp(jt)dt
=
1
2
_
+
Y ()
_
_
+
x(t) exp(jt( )dt

_
. .
X( )
d =
1
2
_
+
Y ()X( )d
Exemplo 10.21 (Modulacao):

F{x(t) cos(
0
t)} =
1
2
X()
_
(
0
) +( +
0
)
_
=
1
2
X(
0
) +
1
2
X( +
0
)
P
Exemplo 10.22 (Recupera cao de um sinal modulado): Considere o sinal
y(t) = x(t) cos(
0
t)
com X() = 0 para || > 2B e 2B <
0
, B real positivo.
O sinal resultante da passagem de 2y(t) cos(
0
t) por um ltro passa-baixas ideal de freq uencia de
corte B e x(t), pois
2x(t) cos(
0
t) cos(
0
t) = x(t)
_
1 + cos(2
0
t)
_
O ltro rejeita a parcela que est a centrada em 2
0
, cando apenas o espectro de x(t).
P
Propriedade 10.16: Serie de Fourier a partir da Transformada de Fourier
Considere o sinal peri odico
x(t) =
+
k=
p(t kT) , p(t) = 0 para |t| > T/2
Usando-se serie exponencial de Fourier, x(t) pode ser escrito como
x(t) =
+
k=
c
k
exp(jk
0
t) ; c
k
=
1
T
_
T/2
T/2
x(t) exp(jk
0
t)dt
Como x(t) = p(t) para |t| < T/2, tem-se
P(k
0
) =
_
+
p(t) exp(jk
0
t)dt = Tc
k
; P() = F{p(t)}
Os coecientes da serie trigonometrica podem ser obtidos a partir de c
k
= P(k
0
)/T
x(t) = a
0
+
+
k=1
_
a
k
cos(k
0
t) +b
k
sen(k
0
t)
_
com valor medio dado por
183
a
0
= c
0
=
1
T
_
+T/2
T/2
x(t)dt =
1
T
P(0)
Os coecientes dos termos em cosseno s ao dados por
a
k
=
_
c
k
+c
k
_
=
2
T
_
+T/2
T/2
x(t) cos(k
0
t)dt
a
k
=
1
T
(P(k
0
) +P(k
0
)) =
2
T
Re {P(k
0
)}
Os coecientes dos termos em seno s ao dados por
b
k
= j
_
c
k
c
k
_
=
2
T
_
+T/2
T/2
x(t)sen(k
0
t)dt
b
k
=
j
T
_
P(k
0
) P(k
0
)
_
=
2
T
Im {P(k
0
)}

x(t) =
+
k=
p(t kT) , p(t) = Tri
T
(t)
P() = F{Tri
T
(t)} = F
_
2
T
G
T/2
(t) G
T/2
(t)
_
=
T
2
Sa
2
_
T
4
_
Para T = 2, tem-se
P() = Sa
2
_
2
_
P(k
0
) = Sa
2
_
k
2
_
=
_
_
1 , k = 0
0 , k = 0 par
_
2
k
_
2
, k mpar
a
0
=
1
T
P(0) =
1
2
; a
k
=
4
k
2
2
, k mpar ; a
k
= 0 , k par ; b
k
= 0 pois P() e real
P
Propriedade 10.17: Momento
F{t
m
x(t)} = j
m
d
m
d
m
X()

x(t) = exp(t)u(t) , > 0
As integrais (momentos da funcao x(t)) s ao
_
+
x(t)dt = X()
=0
=

j +
=0
= 1
_
+
tx(t)dt = j
d
d
X()
=0
=

(j +)
2
=0
=
1
_
+
t
2
x(t)dt = j
2
d
2
d
2
X()
=0
=
2
(j +)
3
=0
=
2
2
P
Denicao 10.4: Correla cao
A funcao denida pela integral
r
xy
() =
_
+
x(t)y
(t )dt =
_
+
x(t +)y
(t)dt , R
e chamada de correla cao cruzada entre os sinais x(t) e y(t), e a funcao r
x
() = r
xx
() e denominada
de auto-correla cao de x(t).
Note que a correla cao r

xy
(0) e o numerador do coeciente de proje cao do sinal x(t) no sinal y(t) dado
por
< x(t)y
(t) >
< |y(t)|
2
>
Propriedade 10.18: Correla cao
A funcao correla cao tem as seguintes propriedades (relacionadas com convolucao e com transformada
de Fourier)
r
xy
() = x() y
()
r
xy
() = r
yx
()
pois
r
yx
() =
_
+
y(t)x
(t +)dt =
_
+
y(t )x
(t)dt
Portanto, para x(t) real, a funcao de auto-correla cao e par
r
x
() = r
x
()
2r
x
(0) > |r
x
() +r
x
()| , = 0
pois
_
_
x(t) x(t )
__
x(t) x(t )
_
_
0
2r
x
(0)
_
r
x
() +r
x
()
_
> 0 2r
x
(0) > |r
x
() +r
x
()|
10.1. Exerccios 185
Para sinais reais,
r
x
(0) > |r
x
()| , = 0
F{r
xy
()} = F{x() y
()} = X()Y
()
pois F{x
(t)} = X
().
A transformada de Fourier da auto-correla cao r
x
() e igual à densidade espectral de x(t) (mul-
tiplicada por 2)
F{r
x
()} = |X()|
2
10.1 Exerccios
Exerccio 10.1: Determine as transformadas de Fourier dos sinais
f(t) = t exp(|t|), f(t) =
1
jt
f(t) = t
2
exp
_
|t|
_
Exerccio 10.2: Determine y(0) sendo
y(t) = x(t) x(t) , x(t) real ,
_
+
|X()|
2
d = 1
Exerccio 10.3: Determine a transformada de Fourier de p(t)
p(t) = tG
1
(t 0.5) + (2 t)G
2
(t 2) + (t 4)G
1
(t 3.5)
e determine os coecientes c
0
e c
1
da serie de Fourier de
x(t) =
+
k=
p(t 4k)
y(t) =
1
t
Sa(t)
Exerccio 10.5: Determine a transformada inversa de Fourier do sinal X() dado por
X() = G
1
( 0.5) + (2 )G
2
( 2) + ( 4)G
1
( 3.5)
_
+
|y(t)|
2
dt , y(t) =
1
t
Sa(t)
Exerccio 10.7: Considere o sistema linear invariante no tempo cuja transformada da resposta ao impulso h(t)
e
H(j) =
exp(j)
2
+ 1
Determine as integrais
I
0
=
_
+
h(t)dt , I
1
=
_
+
th(t)dt
Determine, tambem, h(t).
Exerccio 10.8: Calcule tres termos da serie de exponenciais complexas de Fourier, do sinal x(t)
x(t) =
+
k=
p(t 4 k) , p(t) = 2(t + 1)(u(t + 1) u(t)) (u(t) u(t 1))
_
+
Sa(t)dt,
_
+
Sa
2
(t)dt,
_
+
Sa
3
(t)dt,
_
+
Sa
4
(t)dt,
_
+
Sa
5
(t)dt,
_
+
Sa
2
(2t)dt
Exerccio 10.10: a) Esboce o sinal
x(t) = (t 1)(u(t + 1) u(t)) + (t + 1)(u(t) u(t 1))
e calcule sua transformada de Fourier F{x(t)}.
b) Esboce
P() = ( 1)(u( + 1) u()) + ( + 1)(u() u( 1))
e calcule sua transformada inversa de Fourier F
1
{P()}.
Exerccio 10.11: a) Esboce o sinal
p(t) = (t + 1)(u(t + 1) u(t)) (u(t) u(t 1))
b) Calcule a transformada de Fourier F{p(t)}.
c) Calcule a serie de exponenciais complexas de Fourier de
x(t) =
+
k=
p(t 4k)
Exerccio 10.12: Calcule a serie de exponenciais complexas de Fourier de
x(t) =
+
k=
p(t 3k) , p(t) = G
0.25
(t) G
0.25
(t)
Exerccio 10.13: Determine a transformada de Fourier de h(t) mostrado na gura abaixo.
h(t)
1
2
2
1
2
2
t
0
e c
1
da serie exponencial de Fourier do sinal
x(t) =
+
k=
p(t k6) =
+
k=
c
k
exp(jk
0
t) ,
0
=

3
, p(t) = G
2
(t)
Exerccio 10.15: a) Determine
0
, c
0
e c
k
x(t) =
+
k=
p(t k
4
5
) =
+
k=
c
k
exp(jk
0
t) , p(t) = tG
1
(t + 0.5) +tG
1
(t 0.5)
b) Determine
0
e os coecientes d
k
x(t) =
+
k=
q(t k2) =
+
k=
d
k
exp(jk
0
t) , q(t) = 100
_
(t + 1)G
1
(t + 0.5) + (1 t)G
1
(t 0.5)
_
10.1. Exerccios 187
c) Determine o sinal y(t), sada do sistema linear invariante no tempo y(t) = G{x(t)} cuja resposta em freq uencia
e dada por
H(s)
s=j
= G
3
()
para a entrada x(t) descrita no item (b).
d) Determine a potencia media do sinal x(t) descrita no item (b).
e) Determine a potencia media do sinal y(t) do item (c).
Exerccio 10.16: a) Determine o sinal y(t), sada do sistema linear invariante no tempo y(t) = G{x(t)} cuja
resposta em freq uencia e dada por
H(s)
s=j
= G
1
( + 10) +G
1
( 10) para a entrada x(t) = 10 + 20sen(3t) cos(7t)
b) Determine a potencia media dos sinais x(t) e y(t)
Exerccio 10.17: a) Determine a transformada de Fourier de
x(t) = t exp(|t|)sen(2t)
b) Determine o valor da integral
_
+
t exp(|t|)sen(2t)dt
Exerccio 10.18: a) Determine a transformada de Fourier de
x(t) = exp(|t|)G
2
(t)
b) Determine a transformada inversa de Fourier do sinal
X() = 2 exp(||)G
2
()
_
+
|x(t)|
2
dt
sendo x(t) a transformada inversa de Fourier de
X() = j
_
2u() u( + 1) u( 1)
b) Determine x(t)
_
+
x(t)dt ,
_
+
x
2
(t)dt , x(t) =
d
dt
Sa(t)
Exerccio 10.21: Determine y(0) sendo y(t) = x(t) x(t) , F{x(t)} = G
()
Exerccio 10.22: Determine a integral
I =
_
+
|y(t)|
2
dt , y(t) =
_
+
x(t )d ,
_
+
|X()|
2
d = 2
Captulo 11
Amostragem de Sinais Contnuos
Teorema 11.1: Amostragem
Um sinal, limitado em freq uencia, pode ser representado com erro nulo por amostras igualmente
espacadas de intervalo T < (2B)
1
, sendo B a m axima freq uencia da transformada de Fourier do
sinal.
y
Antes da demonstra cao do teorema, alguns resultados preliminares s ao necessarios.
Propriedade 11.1:
As funcoes sampling s ao ortogonais.
Prova:
Considere as funcoes sampling
k
(t) dadas por
k
(t) = Sa
_
0
2
(t kT)
_
, com
0
=
2
T
mostradas na Figura 11.1.
-4 -2 0 2 4
-0.5
0
0.5
1
1.5
t/T
k = 3 k = 1 k = 1 k = 3
Figura 11.1: Funcoes sampling Sa
_
0
(t kT)/2
_
para k = 3, 1, 1, 3.
Como as funcoes
k
(t) s ao reais, o produto escalar e dado por
I
k
=
_
+
k
(t)
(t)dt , k e inteiros
188
189
I
k
= F{
k
(t)
(t)}
= 0
=
1
2
F{
k
(t)} F{
(t)}
= 0
Note que
X() Y ()
= 0
=
_
+
X()Y ()d ,
k
() = F{
k
(t)} = TG
0
() exp(jkT)
pois
F
_
Sa
_
0
2
t
__
=
2
0
G
0
()
Portanto,
I
k
=
1
2
_
+
TG
0
() exp(jkT)
. .
k
()
TG
0
() exp(jT)
. .
()
d =
=
1
2
T
2
_
+
0
/2
0
/2
exp
_
j(k )T
_
d
I
k
=
_
T ; k =
0 ; k =
Observe que as funcoes
k
(t) s ao ortogonais e de mesma norma.
Teorema 11.2: Amostragem (interpola cao)

Se x(t) e tal que
F{x(t)} = X() , X() = 0 , || > 2B e 0 < T <
1
2B
entao
x(t) =
+
k=
x(kT)Sa
_
0
2
(t kT)
_
,
0
=
2
T
Prova:
Considere a proje cao de x(t) na base formada pelas funcoes sampling
x(t) =
+
k=
k
(t) ;
k
(t) = Sa
_
0
2
(t kT)
_
, com
0
=
2
T
Como as funcoes
k
(t) s ao ortogonais, os coecientes
k
s ao dados por
k
=
< x(t)
k
(t) >
<
2
k
(t) >
=
1
T
_
+
x(t)
k
(t)dt
k
=
1
T
1
2
X() F{
k
(t)}
= 0
=
1
T
1
2
_
+
X()TG
0
() exp(jkT)d
k
=
1
2
_
+
0
/2
0
/2
X() exp(jkT)d
Note que se X() = 0 para | | > 2B (limitado em freq uencia) e, supondo-se que o intervalo de
amostras e tal que
190 Captulo 11. Amostragem de Sinais Contnuos
2B <

0
2
=

T
T <
1
2B
os limites de integracao podem ser estendidos para e +
k
=
1
2
_
+
X() exp(jkT)d = x(kT)

e, portanto,
x(t) =
+
k=
x(kT)Sa
_
0
2
(t kT)
_
Observe que
k
= x(kT), ou seja, os coecientes da expans ao em serie s ao os valores das amostras de
x(t) nos instantes kT, desde que x(t) tenha transformada limitada em freq uencia.
y
Exemplo 11.1: Considere o sinal x(t) = 1, limitado em freq uencia para qualquer B > 0.
Se o intervalo de amostragem for T = 1, ou seja,
0
= 2, as funcoes Sa(t k) formam uma base
para qualquer sinal de faixa B < 0.5.
A Figura 11.2 mostra a aproximacao de x(t) por um n umero limitado de amostras, isto e, uma
e tres amostras, e a Figura 11.3 para cinco e sete amostras. Note que o intervalo de validade da
aproximacao aumenta (e que o erro dentro desse intervalo diminui) com o n umero de amostras.
-10 -5 0 5 10
-0.5
0
0.5
1
1.5
-10 -5 0 5 10
-0.5
0
0.5
1
1.5
Figura 11.2: Sinal x(t) = 1 aproximado por um (acima) e tres (abaixo) termos de Sa
_
(t kT)
_
.
P
x(t) = sen
_
2
t
_
com freq uencia
max
= 2B = 0.5 e portanto B = 0.25. Amostrando o sinal com intervalo de
amostragem T = 1, tem-se as amostras
191
-10 -5 0 5 10
-0.5
0
0.5
1
1.5
-10 -5 0 5 10
-0.5
0
0.5
1
1.5
Figura 11.3: Sinal x(t) = 1 aproximado por cinco (acima) e sete (abaixo) termos de Sa
_
(t kT)
_
.
sen
_
k
2
_
, k = 0, 1, 2, . . .
A Figura 11.4 mostra a aproximacao de x(t) por duas e quatro amostras e a Figura 11.5 mostra o
sinal e a aproximacao com seis termos.
-4 -2 0 2 4
-1
0
1
-4 -2 0 2 4
-1
0
1
Figura 11.4: Sinal sen(0.5t) aproximado por duas (acima) e quatro (abaixo) amostras.
P
Teorema 11.3: Amostragem (por impulsos)
Considere um sinal x(t) limitado em freq uencia, isto e
F{x(t)} = X() , X() = 0 , || > 2B e 0 < T <
1
2B
-4 -2 0 2 4
-1
0
1
-4 -2 0 2 4
-1
0
1
Figura 11.5: Sinal sen(0.5t) (abaixo) e sua aproximacao por seis amostras (acima).
Entao, x(t) pode ser recuperado a partir do sinal x
a
(t) dado por
x
a
(t) =
+
k=
x(kT)(t kT)
por meio de um ltro linear passa-baixas ideal de faixa
0
dado por
H(j) = TG
0
()
Prova:
O sinal x
a
(t) pode ser escrito como
x
a
(t) = x(t)
+
k=
(t kT)
chamado de amostragem ideal, resultando em X
a
() dado por
X
a
() = F{x
a
(t)} =
1
2
X() F
_
+
k=
(t kT)
_
=
=
1
2
X()
2
T
+
k=
( k
0
) =
1
T
+
k=
X( k
0
)
A funcao X
a
() e mostrada na Figura 11.6 para
0
/2 > 2B (acima) e para
0
/2 < 2B (abaixo).
Note que se
0
/2 for menor do que a m axima freq uencia angular 2B da transformada de Fourier do
sinal x(t), ha superposicao (aliasing) dos espectros em X
a
().
Para X() limitado em freq uencia e
0
adequado (
0
/2 > 2B), o sinal x(t) pode ser recuperado
pela ltragem de X
a
(), isto e, multiplicando a expressao de X
a
() de ambos os lados por TG
0
(),
tem-se
X() = X
a
()TG
0
()
A correspondente expressao temporal e dada por
193
X()
X
a
()
0
Figura 11.6: Funcao X
a
() para
0
/2 > 2B (acima) e para
0
/2 < 2B (abaixo).
x(t) = x
a
(t) F
1
{TG
0
()} =
_
x(t)
+
k=
(t kT)
_
Sa
_
0
2
t
_
resultando em
x(t) =
+
k=
x(kT)Sa
_
0
2
(t kT)
_
Observe que, calculando x(t) nos pontos t = mT, m Z, tem-se
x(mT) =
+
k=
x(kT)Sa
_
0
2
(mk)T
_
; Sa
_
0
2
(mk)T
_
=
_
0 , m = k
1 , m = k
e portanto a contribuicao das demais amostras no instante t = mT e sempre nula, pois trata-se de
uma interpolacao.
y
Exemplo 11.3 (Interpolacao Linear): Considere um conjunto de pontos x(kT) e a funcao sampling
aproximada
Saa(
0
2
t) = Tri
2T
(t) ,
0
=
2
T
mostrada na Figura 11.7, junto com a funcao sampling, para T = 1.
A interpolacao
x
Tri
(t) =
k
x(kT)Saa
_
0
2
(t kT)
_
resulta na soma de segmentos de retas e requer um calculo bem mais simples do que a interpolacao
baseada no Teorema da amostragem, dada por
x
Sa
(t) =
k
x(kT)Sa
_
0
2
(t kT)
_
-4 -2 0 2 4
-0.5
0
0.5
1
1.5
t
Figura 11.7: Sa(t) (tracejada) e Tri
2
(t) (contnua).
Observe que x
Tri
(t) corresponde à uni ao dos pontos x(kT) por segmentos de reta (interpolacao
linear).
A Figura 11.8 mostra a interpolacao linear e a Figura 11.9 mostra a interpolacao construda com
funcoes sampling a partir das amostras com T = 0.25 da funcao
x(t) = sen(t) + sen(t) + sen(2t)
cuja maxima freq uencia e B = 1 Hz e, portanto, satisfazendo a condi cao do teorema da amostragem
T < (2B)
1
. Na Figura 11.9, as maiores discrepancias ocorrem nas bordas, devido à nao utiliza cao
de amostras fora do intervalo mostrado.
0 0.5 1 1.5 2 2.5 3
-1
-0.5
0
0.5
1
1.5
2
2.5
3
t
Figura 11.8: sen(t) + sen(t) + sen(2t) (tracejada) e interpolacao linear (contnua).
Veja [33] para mais detalhes sobre interpolacao linear, e veja tambem [37] para aproximacoes da
funcao sampling por polin omios de Lagrange.
P
Teorema 11.4: Amostragem (por impulsos aproximados)
F{x(t)} = X() , X() = 0 , || > 2B e 0 < T <
1
2B
195
0 0.5 1 1.5 2 2.5 3
-1
-0.5
0
0.5
1
1.5
2
2.5
3
t
Figura 11.9: sen(t) +sen(t) +sen(2t) (tracejada) e interpolacao com a funcao sampling (contnua).
a
(t) dado por
x
a
(t) =
+
k=
x(t)
1
(t kT) ; 0 < < T

por meio de um ltro linear passa-baixas ideal de faixa
0
dado por
H(j) = TG
0
()
Prova:
O sinal x
a
x
a
(t) = x(t)
k
1
(t) (t kT)
resultando em
X
a
() =
1
2
X() F
_
k
1
(t) (t kT)
_
F
_
k
1
(t) (t kT)
_
= F
_
1
(t)
k
(t kT)
_
=
= Sa
_
2

_
k
( k
0
) =
0
k
Sa
_
2
k
0
_
( k
0
)
X
a
() =
1
2
X()
0
k
Sa
_
2
k
0
_
( k
0
) =
1
T
X() +
1
T
k=0
Sa
_
2
k
0
_
X( k
0
)
e portanto
X() = TG
0
()X
a
()
y
Propriedade 11.2: Amostragem (por pulsos)
F{x(t)} = X() , X() = 0 , || > 2B e 0 < T <
1
2B
p
(t) dado por
x
p
(t) =
+
k=
x(kT)p(t kT)
sendo p(t) um pulso com transformada de Fourier P(), por meio de um ltro linear passa-baixas de
faixa
0
dado por
H(j) =
TG
0
()
P()
Prova:
O sinal x
p
x
p
(t) =
+
k=
x(kT)p(t) (t kT) = p(t) x
a
(t)
com
x
a
(t) =
+
k=
x(kT)(t kT)
resultando em
X
p
() = P()X
a
() , X
a
() =
1
T
+
k=
X( k
0
)
Portanto,
X() =
TG
0
()
P()
X
p
()
11.1 Exerccios
Exerccio 11.1: Determine o valor maximo do intervalo entre as amostras para que a sada y(t) do circuito,
descrito pela funcao de transferencia e entrada dados por
H(s) =
Y (s)
X(s)
=
s + 1
(s + 2)(s + 3)
, x(t) = 100 cos
2
(3t)
seja recuperada sem erro a partir do sinal amostrado.
Exerccio 11.2: Qual e o limitante da taxa de amostragem (em Hz) que permite a recupera cao da resposta
y(t), sem distor cao a partir das amostras, do sistema linear invariante no tempo cuja resposta ao impulso e
dada por
h(t) = exp(2t) cos(3t)u(t)
para a entrada
11.1. Exerccios 197
Exerccio 11.3: Determine o valor maximo do intervalo entre as amostras para o sinal x(t) seja recuperado
sem erro a partir da ltragem passa-baixas ideal de
+
k=
x(kT)(t kT)
sendo x(t) = Tri
4
(t)Sa(Wt), Tri
2T
(t) = (t/T +1)G
T
(t+T/2)+(t/T +1)G
T
(tT/2) e W a menor freq uencia
em radianos para a qual o espectro de Tri
4
(t) se anula.
Exerccio 11.4: Considere f(t) um sinal limitado em freq uencia cuja freq uencia maxima e B Hertz.
Sabendo-se que T < (2B)
1
, determine a expressao da transformada de Fourier do ltro que recupera o sinal
f(t) sem distor cao a partir de
f
p
(t) =
+
k=
p(t kT)f(kT)
sendo p(t) um sinal de energia com transformada de Fourier P().
Exerccio 11.5: Considere x(t) um sinal limitado em freq uencia cuja maxima freq uencia e
M
radianos.
Sabendo-se que
0
= 2/T > 2
M
, determine a expressao da transformada de Fourier do ltro que recu-
pera o sinal x(t) sem distor cao a partir de
x
a
(t) =
+
k=
x(kT)Sa
2
_
0
2
(t kT)
_
Exerccio 11.6: a) Esboce o sinal f
a
(t)
f
a
(t) =
+
k=
1
a
G
a
(t kT)f(t) , 0 < a < T
b) Considere f(t) um sinal limitado em freq uencia cuja maxima freq uencia e B Hertz.
Sabendo-se que T < (2B)
1
, determine a expressao da transformada de Fourier do ltro que recupera o sinal
f(t) sem distor cao a partir de f
a
(t).
Exerccio 11.7: Determine a expressao da transformada de Fourier do ltro que recupera o sinal x(t) sem
distor cao a partir de x
a
(t) dado por
x
a
(t) =
+
k=
x(k) exp(|t k|) para x(t) = Sa(
2
t)
Exerccio 11.8: Considere x(t) um sinal limitado em freq uencia cuja maxima freq uencia e
M
radianos.
Sabendo-se que
0
= 2/T > 2
M
, determine a expressao da transformada de Fourier do ltro que recu-
pera o sinal x(t) sem distor cao a partir de x
a
(t), sendo que x
a
(t) e a interpolacao linear de x(t) a partir dos
pontos x(kT), k = 0, 1, 2, . . ..
Captulo 12
Transformada de Laplace
A transformada de Laplace decorre da denicao de auto-fun cao para sistemas lineares contnuos inva-
riantes no tempo (veja Denicao 7.13 e Propriedade 7.16, Captulo 7), pois
h(t) exp(st) = H(s) exp(st) , H(s) =
_
+
h(t) exp(st)dt , s
h
Tambem no Captulo 7 foram apresentadas as propriedades 7.18 (deslocamento no tempo) e 7.19
(transformada de Laplace da convolucao),
L{y(t) = x(t )} = X(s) exp(s) ,
y
=
x
L{x(t) = x
1
(t) x
2
(t)} = L{x
1
(t)}L{x
2
(t)} ,
x
=
x
1

x
2
Denicao 12.1: Transformada bilateral de Laplace
A transformada bilateral de Laplace da funcao x(t) e dada por
X(s) = L{x(t)} =
_
+
x(t) exp(st)dt , s
x
O domnio
x
e o conjunto dos valores de s C para os quais a integral e nita.
Propriedade 12.1:

Area de uma funcao
A area sob a curva da funcao x(t) pode ser computada por meio da transformada de Laplace X(s) se
s = 0
x
.
_
+
x(t)dt = X(s)
s=0
Propriedade 12.2: Transformada do impulso

L{(t)} = 1 , s C
pois
L{(t)} =
_
+
(t) exp(st)dt = 1
198
199
Propriedade 12.3: Transformada do degrau
L{u(t)} =
1
s
, s
u
=
_
s C, Re(s) > 0
_
pois
L{u(t)} =
_
+
u(t) exp(st)dt =
_
+
0
exp(st)dt =
1
s
exp(st)
t=+
t=0
=
1
s
, Re(s) > 0
Note que, diferentemente ao que ocorre com a transformada de Fourier

F{(t)} = 1 F{1} = 2()
a transformada de Laplace L{1} nao existe. De fato,
L{1} =
_
+
exp(st)dt =
1
s
exp(st)
t=+
t=
que diverge qualquer que seja s C.
Propriedade 12.4: Transformada da exponencial
L{exp(t)u(t)} =
1
s
, s
_
s C, Re(s ) > 0
_
pois
L{exp(t)u(t)} =
_
+
u(t) exp
_
( s)t
_
dt =
_
+
0
exp
_
( s)t
_
dt =
=
1
s
exp
_
( s)t
_
t=+
t=0
=
1
s
, Re(s ) > 0
Note que o domno da transformada e relevante na descricao do sinal, e que sinais distintos podem ter
a mesma expressao para a transformada, porem com domnios diferentes. De fato,
L{exp(t)u(t)} =
1
s
, s
_
s C, Re(s ) < 0
_
pois
L{exp(t)u(t)} =
_
0
exp
_
( s)t
_
dt =
1
s
exp
_
( s)t
_
t=0
t=
=
1
s
, Re(s ) < 0
Exemplo 12.1: Para > 0, tem-se

L{exp(jt)u(t)} =
1
s j
, Re(s) > 0
L{exp(jt)u(t)} =
1
s +j
, Re(s) > 0
P
200 Captulo 12. Transformada de Laplace
L{x(t) +y(t)} = L{x(t)} +L{y(t)} ,
x+y

x

y

L{cos(t)u(t)} =
1
2
L{exp(jt)u(t)} +
1
2
L{exp(jt)u(t)} =
=
1
2
_
1
s j
+
1
s +j
_
=
s
s
2
+
2
, Re(s) > 0
P
L{sen(t)u(t)} =
1
2j
L{exp(jt)u(t)}
1
2j
L{exp(jt)u(t)} =
=
1
2j
_
1
s j

1
s +j
_
=

s
2
+
2
, Re(s) > 0
P
Propriedade 12.6: Transformada da integral
L
_
y(t) =
_
t
x()u()d = x(t) u(t)

_
=
1
s
L{x(t)} ,
y
contem
x
{s C : Re(s) > 0}
Exemplo 12.4: A transformada de Laplace de

y(t) =
_
t
x()d , X(s) =
s
s + 1
, Re(s) > 1
e dada por
Y (s) =
1
s
_
s
s + 1
_
=
1
s + 1
,
y
contem Re(s) > 0
De fato,
X(s) =
s
s + 1
= 1
1
s + 1
x(t) = (t) exp(t)u(t)
y(t) =
_
t
x()d = u(t)
_
1 exp(t)
_
u(t) = exp(t)u(t)
Y (s) =
1
s + 1
, Re(s) > 1
Note que o domnio
y
resultante e maior do que a interse cao
x
Re(s) > 0. Observe tambem
que a area de x(t) e X(0) = 0 e a area de y(t) e Y (0) = 1.
P
201
Exemplo 12.5:
x(t) = 2(t) exp(t)u(t) y(t) =
_
t
x()d =
_
1 + exp(t)
_
u(t)
X(s) = 2
1
s + 1
=
2s + 1
s + 1
, Re(s) > 1
Y (s) =
1
s
+
1
s + 1
=
1
s
_
2s + 1
s + 1
_
=
1
s
X(s) , Re(s) > 0
Note que
y
e igual à interse cao de
x
com Re(s) > 0. Note ainda que a area de x(t) e igual a
X(0) = 1, y(t) tem area nao nita e s = 0
y
.
P
Exemplo 12.6:
L{(t)} = 1 , s C
L{u(t)} =
1
s
, Re(s) > 0 pois u(t) = I
(t) =
_
t
()d
L{tu(t)} =
1
s
2
, Re(s) > 0 pois tu(t) = I
u
(t)
L
_
t
2
2
u(t)
_
=
1
s
3
, Re(s) > 0
L
_
t
m
m!
u(t)
_
=
1
s
m+1
, Re(s) > 0 , m N
P
Propriedade 12.7: Reversao no tempo
L{x(t)} = X(s) , s
x
pois
L{x(t)} =
_
+
x(t) exp(st)dt =
_

+
x(t) exp(st)dt =
=
_
+
x(t) exp
_
(s)t
_
dt = X(s)
Exemplo 12.7:
L{u(t)} =
1
s
, s {Re(s) > 0} s {Re(s) < 0}
P
Exemplo 12.8:
L{exp(t)u(t)} =
1
s + 1
, s {Re(s + 1) > 0} Re(s) < 1
De fato,
L{exp(t)u(t)} =
_
0
exp(t) exp(st)dt =
1
s 1
exp
_
(s 1)t
_
+
0
que e nita se Re(s 1) < 0, resultando em
L{exp(t)u(t)} =
1
s + 1
, Re(s) < 1
P
Exemplo 12.9:
L{x(t) = exp(|t|)} =
1
s + 1
+
1
s + 1
=
2
1 s
2
,
x
= {Re(s) < 1} {Re(s) > 1} {1 < Re(s) < 1}
Note que a area de x(t) e X(0) = 2, pois s = 0
x
. Note tambem que
F{x(t)} = L{x(t)}
s=j
=
2
1 +
2
pois j
x
.
P
Propriedade 12.8: Deslocamento em s
L{y(t) = exp(at)x(t)} = X(s +a) ;
y
= (s +a)
x
pois
L{exp(at)x(t)} =
_
+
exp(at)x(t) exp(st)dt =
_
+
x(t) exp
_
(s +a)t
_
dt
Exemplo 12.10:
L{cos(t) exp(at)u(t)} =
s +a
(s +a)
2
+
2
, Re(s +a) > 0
P
Exemplo 12.11:
L{sen(t) exp(at)u(t)} =

(s +a)
2
+
2
, Re(s +a) > 0
P
203
Propriedade 12.9: Derivada em s
L{y(t) = t
m
x(t)} = (1)
m
d
m
X(s)
ds
m
;
y
=
x
, m N
pois
X(s) = L{x(t)} =
_
+
x(t) exp(st)dt =
d
m
X(s)
ds
m
= (1)
m
_
+
t
m
x(t) exp(st)dt
Exemplo 12.12:
L{t
m
u(t)} =
m!
s
m+1
, Re(s) > 0
que decorre das derivadas sucessivas em s aplicadas à transformada de Laplace do degrau. Apli-
cando tambem a Propriedade 12.8 (deslocamento em s), tem-se
L
_
t
m
m!
exp(at)u(t)
_
=
1
(s +a)
m+1
, Re(s +a) > 0 , m N
P
Exemplo 12.13: A integral da funcao x(t)
x(t) = t
2
exp(3t)u(t)
pode ser computada por meio da transformada de Laplace X(s) se s = 0
x
.
Usando a Propriedade 12.9 (derivada em s), tem-se
L{exp(3t)u(t)} =
1
s + 3
L{t
2
exp(3t)u(t)} =
d
2
ds
2
(s + 3)
1
= 2(s + 3)
3
Portanto,
_
+
t
2
exp(3t)u(t)dt = 2(s + 3)
3
s=0
=
2
27
Note que esse mesmo resultado pode ser obtido de
L{t
2
u(t)} =
2
s
3
s=3
=
2
27
P
Exemplo 12.14 (Tempo de propaga cao): Para o circuito RLC da Figura 12.1, com R = 2 ,
L = 4 H, C = 1 F e funcao de transferencia
H(s) =
1
4s
2
+ 2s + 1
o tempo de propaga cao
1
e dado por
t
p
=
_
+
th(t)dt
_
+
h(t)dt
=
d
ds
H(s)
s=0
H(0)
= 2
P
1
Veja [7] para maiores comentarios sobre velocidade de propaga c ao em linhas de transmiss ao.
R
+
+
C
L
x y
y
1
Figura 12.1: Circuito RLC.
Propriedade 12.10: Transformada inversa de Laplace
A transformada bilateral de Laplace e dada por
X(s) =
_
+
x(t) exp(st)dt ; s
x
Para s = +j, tem-se
X(s) =
_
+
_
x(t) exp(t)
_
exp(jt)dt = F{x(t) exp(t)}
sendo F{x(t)} a transformada de Fourier de x(t). Portanto,
x(t) exp(t) =
1
2
_
+
X(s) exp(jt)d
x(t) =
1
2j
_
+
X(s) exp(st)jd =
1
2j
_
+j
j
X(s) exp(st)ds
Para constante, ds = jd. A integral em s e uma integral de contorno, denido pela reta que passa
em , que contem o semiplano à direita de .
Exemplo 12.15: A transformada inversa de Laplace de

X(s) =
1
s +a
, Re(s) > a , a R
pode ser computada por meio da transformada de Fourier associada, considerando-se s = + j
para um conveniente. Como
X(s)
s=+j
= F{x(t) exp(t)}
tem-se, pela transformada inversa de Fourier,
x(t) exp(t) =
1
2
_
+
X( +j) exp(jt)d
O lado direito da expressao produz
F
1
{X( +j)} = F
1
_
1
j + ( +a)
_
= exp
_
( +a)t
_
u(t) , +a > 0
Portanto,
x(t) = exp(at)u(t) , +a > 0 Re(s +a) > 0
P
205
Exemplo 12.16: A transformada inversa de
X(s) =
s 1
s
2
(s + 2)
=
a
s
2
+
b
s
+
c
s + 2
=
1
4
_
2
s
2
+
3
s
+
3
s + 2
_
, Re(s) > 0
e dada pela funcao à direita
x(t) =
1
4
_
2t + 3 3 exp(2t)
_
u(t)
As constantes a, b e c podem ser obtidas pelo comando residue do matlab.
Note que o domnio
x
x
= {Re(s) > 0 Re(s + 2) > 0}
evidenciando que o domnio e a regi ao à direita do polo mais à direita de X(s).
Para o domnio
x
à esquerda do polo mais à esquerda, isto e, Re(s + 2) < 0, a transformada
inversa pode ser obtida pela Propriedade 12.7 (reversao no tempo).
Denindo y(t) = x(t), tem-se
Y (s) = X(s) =
1
4
_
2
s
2
+
3
s
+
3
s 2
_
e
y
= {s
x
} = Re(s + 2) < 0 = Re(s 2) > 0
Novamente, o domnio
y
e a regi ao à direita do polo mais à direita de Y (s), resultando em
y(t) =
1
4
_
2t 3 + 3 exp(2t)
_
u(t) x(t) =
1
4
_
2t 3 + 3 exp(2t)
_
u(t)
Note que x(t) ocorre no intervalo (, 0] (sinal à esquerda do zero).
Finalmente, para
x
= {2 < Re(s) < 0}
tem-se
x(t) =
1
4
(2t 3)u(t) 3 exp(2t)u(t)
P
Propriedade 12.11: Transformada da derivada
L{ x(t)} = sX(s) ,
x

x
pois, da expressao da transformada inversa
x(t) =
1
2j
_
+j
j
X(s) exp(st)ds
tem-se
d
dt
x(t) =
d
dt
_
1
2j
_
+j
j
X(s) exp(st)ds
_
=
1
2j
_
+j
j
sX(s) exp(st)ds

Exemplo 12.17:
L{(t) = u(t)} = s
1
s
= 1 ,
= C ,
u
= Re(s) > 0
Note que o domnio da transformada da derivada contem estritamente o domnio
u
, devido ao
cancelamento entre polo e zero.
L{
(t)} = s ,
= C
P
12.1 Exerccios
Exerccio 12.1: Determine a resposta do sistema linear invariante no tempo cuja resposta ao impulso e dada
por
h(t) = 100t exp(t) cos(2t)u(t)
para a entrada
x(t) = sen(2t)
Exerccio 12.2: Considere o sistema linear invariante no tempo cuja resposta ao impulso e
h(t) = t exp(2t)u(t)
Determine a sada y(t) do sistema, sendo a entrada x(t) dada por
x(t) = 1 + 2 cos(t) + 3 cos(2t)
Exerccio 12.3: Determine H(s) = Y (s)/X(s) para o circuito da gura abaixo.
R
+
+
C
L x y
Exerccio 12.4: a) Escreva na forma polar (fase em radianos) H(s) = L{h(t)} para s = j5, sendo h(t) a
resposta ao impulso de um sistema linear invariante no tempo dada por h(t) = 100t exp(t) cos(2t)u(t).
b) Determine a amplitude da componente de mais baixa freq uencia da resposta forcada do sistema para a
entrada x(t) = sen(2t) cos(3t)
Exerccio 12.5: Determine a funcao de transferencia (isto e, a transformada de Laplace da resposta ao impulso)
do sistema
y(t) = G{x(t)} =
_
1
1
(1
2
)x(t )d
Exerccio 12.6: Determine y(t) = x(t) h(t) sendo x(t) = 1 + cos(3t) , h(t) = t exp(t)u(t)
_
+
0
t
2
exp(3t) cos(2t)u(t)dt,
_
+
0
1000t exp(3t) cos(5t)dt,
_
+
0
t
2
exp(3t)sen(4t)dt
Exerccio 12.8: Determine a transformada inversa de Laplace de
X(s) =
s 1
s
2
(s + 2)
para as regi oes
Re(s) > 0, Re(s) < 2, 2 < Re(s) < 0
12.1. Exerccios 207
Exerccio 12.9: Determine a transformada inversa de Laplace de
X(s) =
s 2
s
2
(s + 4)
para as regi oes
Re(s) > 0, Re(s) < 4, 4 < Re(s) < 0
Exerccio 12.10: Determine a resposta ao impulso h(t) do sistema linear invariante no tempo cuja transformada
de Laplace H(s) e correspondente domnio
h
s ao dados por
H(s) =
7s + 1
(s + 1)(s 1)
,
h
= {Re(s + 1) > 0} {Re(s 1) < 0}
Exerccio 12.11: Sendo h(t) a resposta ao impulso do circuito descrito por (p
2
+p + 1)y(t) = x(t), determine
o tempo de propaga cao t
p
dado por
t
p
=
_
+
th(t)dt
_
+
h(t)dt
sendo
Exerccio 12.12: Sendo h(t) = G{(t)} a resposta ao impulso do sistema
y + 2y = 3 v + 4v 6x , 7 y + 8y = 9 v + 10v + 6x
determine
_
+
h(t) exp(t)dt
Exerccio 12.13: a) A densidade de probabilidade da soma de variaveis aleat orias independentes e a convolucao
das densidades de probabilidades individuais. Use a transformada de Laplace para determinar a variancia
da variavel aleat oria T = T
1
+ T
2
, com T
1
e T
2
independentes e com densidades de probabilidades dadas
respectivamente por
p
1
(t) = exp(t)u(t), p
2
= 2 exp(2t)u(t)
Variancia =
_
+
t
2
p(t)dt
__
+
tp(t)dt
_
2
sendo p(t) a densidade de probabilidade da variavel aleat oria T.
b) Determine p(t).
Exerccio 12.14: a) Determine a transformada de Laplace da resposta ao impulso h(t) do sistema abaixo
+
+
+
_
_
x
y
2 3
3 4
1
b) Determine o tempo de propaga cao t
p
dado por
t
p
=
_
+
th(t)dt
_
+
h(t)dt
Exerccio 12.15: Determine o valor do ganho k de realimenta cao para que o sistema em malha fechada, mos-
trado na gura abaixo, possua polos puramente imagin arios (isto e, parte real nula). A funcao de transferencia
do sistema em malha aberta e H(s), racional, com polos p
1
= 2 j e p
2
= 2 +j, zero z
1
= 1 e ganho DC (isto
e, ganho na freq uencia = 0) igual a 1
X(s)
Y (s)
H(s)
k
+
Exerccio 12.16: Determine a sada y(t) do sistema abaixo
x(t) y(t)
atraso
avanco
_
+
para a entrada x(t) cuja transformada de Laplace e dada por
X(s) =
1
s + 1
, Re(s + 1) > 0
As funcoes h
1
(t) e h
2
(t), dadas por h
1
(t) = (t 1), h
2
(t) = (t + 1), s ao as respostas ao impulso dos sistemas
lineares invariantes no tempo atraso e avanco, respectivamente.
Exerccio 12.17: Determine a transformada de Laplace de x(t) = sinal(t)
Sugestao:
sinal(t) = lim
a0
+
exp(at)u(t) exp(at)u(t)
Captulo 13
Filtros
O ltro passa-baixas ideal de freq uencia de corte
0
/2, isto e, de faixa de passagem
0
, e descrito pela
funcao de transferencia H(s) dada por
H(s = j) = G
0
()
cuja resposta ao impulso e h(t) dado por
h(t) =
1
T
Sa
_
0
2
t
_
, T =
2
0
Note que trata-se de um ltro nao-causal, isto e, h(t) e diferente de zero para t < 0 e, portanto,
nao implementavel sicamente, pois a resposta ao impulso antecede o instante de aplicacao. A nao
viabilidade de implementa cao tambem pode ser inferida da resposta em freq uencia do ltro passa-
baixas, pois a atenua cao das componentes do sinal de entrada superiores à freq uencia de corte nos
ltros realiz aveis e sempre nita.
A resposta ao impulso g(t) = h(t T) tem o principal l obulo da funcao Sampling à direita de t =
0 e, portanto, tem menos energia para t < 0 e, de maneira nao formal, pode-se dizer que g(t) e
menos nao implementavel que h(t). Alem disso, atrasos s ao inerentes no processamento de sinais e
em telecomunica coes e introduzir atrasos nos componentes faz parte das tecnicas de processamento
de sinal. Atraso no tempo implica em introducao de fase linear na resposta em freq uencia pois
L{(t T)} = exp(sT) tem m odulo 1 e fase T quando s = j.
Exemplo 13.1: Considere o ltro passa-baixas de segunda ordem mostrado na Figura 13.1 cuja
funcao de transferencia e
H(s) =
_
1/
s + 1/
_
2
,
1
=

0
2
h(t) =
1
2
t exp(t/)u(t)
N
I
x(t)
R
R
+
+
C
C
y(t)
Figura 13.1: Filtro duplo RC em cascata.
A Figura 13.2 mostra as respostas ao impulso dos ltros duplo RC e triplo RC ( = 1) e da Sampling
deslocada e ceifada para que seja causal e a Figura 13.3 mostra as respostas em freq uencia dos ltros
duplo RC e triplo RC ( = 1) em escala linear.
P
209
210 Captulo 13. Filtros
5 0 5 10 15 20
0.1
0.05
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
t
h
(
t
)
5 0 5 10 15 20
0.1
0.05
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
t
h
(
t
)
Figura 13.2: Sampling ceifada (
0
= 2) e resposta ao impulso do ltro duplo RC para = 1 (esquerda).
Sampling ceifada (
0
= 2) e resposta ao impulso do ltro triplo RC para = 1 (direita).
0 0.5 1 1.5 2 2.5 3 3.5 4
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
w
M
(
)
duplo
triplo
Figura 13.3: Respostas em freq uencia do m odulo do ltro duplo RC e do ltro triplo RC ( = 1).
Propriedade 13.1: Filtros racionais
Filtros descritos por equa coes diferenciais a coecientes constantes tem funcao de transferencia racio-
nal, pois
D(p)y(t) = N(p)x(t) H(s) =
N(s)
D(s)
Impor a condi cao de causalidade corresponde a denir o domnio de H(s) à direita do polo mais à
direita e, alem disso, impor a BIBO-estabilidade corresponde a impor que todos os polos tenham parte
real negativa e, portanto, que s = j pertenca ao domnio da funcao.
Exemplo 13.2: A resposta ao impulso h(t) do ltro H(s) dado por

H(s) =
1
(s + 1)(s + 2)
=
1
s + 1

1
s + 2
e
h(t) = (exp(t) exp(2t))u(t)
Note que trata-se de um sistema causal e BIBO-est avel. De fato, esse resultado tem como pressu-
posto que o domnio da funcao H(s) e a intersec cao de Re(s + 1) > 0 com Re(s + 2) > 0, ou seja,
e o semi-plano à direita do polo mais à direita da funcao, isto e, 1.
A resposta h(t) do ltro H(s) para o domnio
h
= {Re(s + 1) < 0} {Re(s + 2) < 0}
211
ou seja, o semi-plano à esquerda do polo mais à esquerda, pode ser obtida denindo-se
g(t) = h(t) G(s) = H(s) , s
h
Portanto,
G(s) =
1
s 2
1
s 1
,
g
= {Re(s+1) < 0}{Re(s+2) < 0} = {Re(s1) > 0}{Re(s2) > 0}
ou seja, o domnio e o semi-plano à direita do polo mais à direita da funcao, isto e, 2, resultando
em
g(t) = (exp(2t) exp(t))u(t) h(t) = (exp(2t) exp(t))u(t)
Note que trata-se de um sistema nao-causal (antecipativo) e BIBO-inst avel e, portanto, esse ltro
nao e realiz avel.
A terceira possibilidade de domnio e a regi ao entre os dois semi-planos, isto e,
h
= {Re(s + 1) < 0} {Re(s + 2) > 0}
Denindo-se G
1
(s) e G
2
(s) como
G
1
(s) =
1
s + 1
,
g
1
= {Re(s + 1) < 0}
G
2
(s) =
1
s + 2
,
g
2
= {Re(s + 2) > 0} h(t) = g
1
(t) g
2
(t)
Portanto,
g
1
(t) = exp(t)u(t) , g
2
(t) = exp(2t)u(t) h(t) = (exp(t)u(t) + exp(2t)u(t))
Note que trata-se de um sistema nao-causal e BIBO-inst avel.
P
Exemplo 13.3: Existem diversas implementa coes de ltros racionais para aproximar o ltro passa-
baixas ideal. A Figura 13.4 mostra um ltro passa-baixas de terceira ordem e a Figura 13.5 mostra
um de quarta ordem composto de dois LC em cascata.
+
x(t)
R
S L
1
C
2
L
3
R
L
Figura 13.4: Filtro passa-baixas de terceira ordem.
+
x(t)
R
S
L
1
C
2
L
3
R
L
C
4
Figura 13.5: Filtro passa-baixas de quarta ordem.
De fato, para sinais de baixa freq uencia capacitores comportam-se aproximadamente como circuitos
abertos e indutores como curto-circuitos. Para altas freq uencias indutores comportam-se aproxi-
madamente como circuitos abertos e capacitores como curto-circuitos. Nas topologias dos ltros
os indutores est ao em serie com a fonte e a carga e os capacitores est ao em paralelo, portanto os
sinais de baixa freq uencia passam pelos ltros e os de alta freq uencia nao passam, isto e, s ao ltros
passa-baixas.
P
A Figura 13.6 ilustra especica coes tpicas de um ltro passa-baixas:
A resposta em freq uencia do ltro na faixa de passagem [0,
p
] deve apresentar um ganho
mnimo e uma variacao m axima (ripple);
A resposta em freq uencia do ltro na faixa de rejei cao >
r
deve apresentar uma atenua cao
mnima;
O intervalo [
p
,
r
], denominado de faixa de transicao, e para viabilizar a realizacao dos ltros.
Note que no ltro passa-baixas ideal
p
=
r
=
c
;
A freq uencia de corte
c
e tipicamente denida como a freq uencia na qual o ganho e igual a
|H(0)|/2.
0
0
p
r
M()
Figura 13.6: Especica cao tpica de um ltro passa-baixas.
13.1 Butterworth
Denicao 13.1: Filtro de Butterworth
1
O ltro passa-baixas de Butterworth de ordem m > 0, m Z satisfaz
|H(j)|
2
=
1
1 +
_

c
_
2m
Propriedade 13.2: Ganho de Butterworth

O ganho do ltro de Butterworth apresenta as seguintes propriedades:
O ganho DC e 1 e o ganho tende a 0 para +;
Na freq uencia =
c
o ganho e 1/
2 do ganho DC;
O ganho tende a 1 para <
c
e o ganho tende a 0 para >
c
quando m +.
A funcao |H(j)|
2
diminui monotonicamente com o aumento de , isto e, nao apresenta on-
dulacoes. Alem disso, tem (2m1) derivadas nulas em = 0, pois
d|H(j)|
2
d
=
2m(/
c
)
2m1
c
(1 + (/
c
)
2m
)
2
A ordem do ltro aumenta quanto maior for a diferen ca entre os ganhos especicados na faixa
de passagem e na faixa de rejei cao e quanto mais estreita for a faixa de transicao.
1
Stephen Butterworth, engenheiro eletricista ingles (18851958).
13.1. Butterworth 213
Exemplo 13.4: Considere o ltro de Butterworth projetado com

c
= 2
p
=
r
/2. O quadrado
do ganho em
p
(uma oitava abaixo da freq uencia de corte) para o ltro de Butterworth de ordem
m = 2 e
|H(j)|
2
=
1
1 +
_
c
_
4
=
1
1 +
1
16
=
16
17
|H(j)| = 0.970
e o quadrado do ganho em
r
(uma oitava acima da freq uencia de corte) e
|H(j)|
2
=
1
1 +
_
c
_
4
=
1
17
|H(j)| = 0.242
O valor do quadrado do ganho em
p
para o ltro de Butterworth de ordem m = 3 e
|H(j)|
2
=
1
1 +
_
c
_
6
=
32
33
|H(j)| = 0.985
e o quadrado do ganho em
r
e
|H(j)|
2
=
1
1 +
_
c
_
6
=
1
33
|H(j)| = 0.174
Note que a atenuacao ao nal da faixa de passagem diminui e a diferenca da atenuacao entre a
faixa de passagem e a faixa de rejeicao aumenta com o aumento da ordem do ltro.
P
Exemplo 13.5: Considere as seguintes especica coes para um ltro de Butterworth:
Ganho DC igual a 1;
Freq uencia de corte
c
= 1000;
Faixa de transi cao:
p
= 250 e
r
= 2000;
Variacao do ganho igual a |H()| na faixa de passagem menor que = 0.01;
Atenuacao mnima na faixa de rejeicao igual a a = 100.
Portanto,
1
_
1 +
_
c
_
2m
< 1 m >
1
2
log((1 )
2
1)
log(
p
/
c
)
m > 1.41
1
_
1 +
_
c
_
2m
<
1
a
m >
1
2
log(a
2
1)
log(
r
/
c
)
m > 6.64
ou seja, m = 7 satisfaz as especica coes.
Considere as seguintes alteracoes na especica cao e as conseq uentes mudancas na ordem do ltro:
a = 100,
r
= 1500 m > 11.36;
a = 1000,
r
= 2000 m > 9.97.
Tais alteracoes conrmam algumas das propriedades enunciadas do ltro de Butterworth.
P
Propriedade 13.3: Funcao de transferencia do ltro de Butterworth
Considerando que a resposta ao impulso do ltro de Butterworth e real (h(t) R), a funcao |H(j)|
2
pode ser escrita em termos da funcao de transferencia H(s) como
|H(j)|
2
= H(j)H
(j) = H(j)H(j) = H(s)H(s)
s=j
Denindo G(s) por
G(s) = H(s)H(s) =
1
1 + (1)
m
_
s
c
_
2m
tem-se que os polos p
k
=
c
k
da funcao G(s) s ao as razes da equa cao
(1)
m
2m
+ 1 = 0
2m
= (1)
m1
= exp(j(m+ 2k 1))
dadas por
k
= exp
_
j
m+ 2k 1
2m

_
, k = 1, 2, . . . , 2m
Note que os polos de G(s) estao uniformemente distribudos na circunferencia de raio
c
no plano
complexo.
Considerando que o ltro de Butterworth e um sistema causal e BIBO-estavel, os polos de H(s) devem
ter parte real negativa. Assim, k deve satisfazer as restricoes
j
2k +m1
2m
> j
2
, j
2k +m1
2m
< j
3
2
Portanto,
k >
1
2
, k < m+
1
2
k = 1, . . . , m
Dessa forma, os polos de H(s) (parte real negativa) s ao
p
k
=
c
exp
_
j(2k +m1)
2m
_
, k = 1, 2, . . . , m H(s) =
m
k=1
c
s p
k
H(0) = 1
A expressao polinomial do denominador da funcao H(s) satisfaz [12]
D() =
m
k=0
k
,

k
k1
=
cos((k 1)/2m)
sen(k/2m)
,
k
=
mk
, k = 1, . . . , m ,
0
=
m
= 1
sendo
H(s) =
1
D()
, =
s
c
Os polin omios D() de primeira, segunda, terceira e quarta ordem s ao
+ 1 ,
2
+
2 + 1 ,
3
+ 2
2
+ 2 + 1 ,
4
+ 2.613
3
+ 3.414
2
+ 2.613 + 1
Note que os polin omios D() s ao simetricos, isto e,
D() =
m
D(1/)
A Figura 13.7 mostra o m odulo da resposta em freq uencia e a resposta ao impulso do ltro de But-
terworth de terceira ordem com freq uencia de corte
c
= 1, comparadas com a resposta em freq uencia
do ltro RC de terceira ordem ( = 1) e com a Sampling ceifada (
0
= 2).
Exemplo 13.6: O ltro mostrado na Figura 13.8 e uma realizacao do ltro de Butterworth de
segunda ordem (m = 2).
A funcao de transferencia deste ltro e dada por
H(s) =
1
L
1
C
2
s
2
+
L
1
R
s + 1
=
1
2
+
1
R
_
L
1
C
2
+ 1
13.2. Chebyshev 215
0 0.5 1 1.5 2 2.5 3 3.5 4
0
0.2
0.4
0.6
0.8
1
|
H
(
j
)
|
Butterworth
triplo
5 0 5 10 15 20
0.1
0
0.1
0.2
0.3
0.4
t
h
(
t
)
Figura 13.7: M odulo da resposta em freq uencia do ltro triplo RC (com = 1) e do ltro de But-
terworth de terceira ordem com
c
= 1 (esquerda). Sampling ceifada (
0
= 2) e resposta ao impulso
do ltro de Butterworth de terceira ordem com
c
= 1 (direita).
+
x(t)
L
1
C
2
R
Figura 13.8: Filtro passa-baixas de segunda ordem.
sendo = s/
c
com
c
dado por
c
=
1
L
1
C
2
Para que o ltro seja um ltro de Butterworth (de ordem m = 2), H(s) deve satisfazer a condi cao
H(s) =
1
D()
, D() =
2
+
2 + 1
e, portanto,
1
R
_
L
1
C
2
=
2
L
1
C
2
= 2R
2
Assim os par ametros L
1
e C
2
do ltro de Butterworth cam denidos uma vez estabelecidos o valor
da carga R e da freq uencia de corte
c
.
Os ltros mostrados nas guras 13.4 e 13.5 s ao exemplos de realizacoes dos ltros de Butterworth
de terceira e quarta ordem respectivamente quando os correspondentes polin omios D() forem
devidamente ajustados aos polin omios de Butterworth.
P
13.2 Chebyshev
Denicao 13.2: Filtro de Chebyshev
2
O ltro passa-baixas de Chebyshev de ordem m > 0, m Z, satisfaz
|H(j)|
2
=
1
1 +
2
c
2
m
(/
c
)
sendo c
m
() o polin omio real de ordem m denominado de polin omio de Chebyshev. O par ametro
> 0 serve para controlar a oscila cao do ganho na faixa de passagem e, em geral, (0, 1).
2
Pafnuty Lvovich Chebyshev, matematico russo (18211894).
Propriedade 13.4: Chebyshev
Os polin omios de Chebyshev satisfazem a equa cao a diferen cas [12]
c
m+1
() = 2c
m
() c
m1
() , c
0
() = 1 , c
1
() =
Note que, para cada valor do par ametro , trata-se de uma equa cao a diferen cas linear de segunda
ordem com coecientes constantes. Note tambem que os coecientes dos polin omios em s ao n umeros
inteiros e que o coeciente de
m
e 2
m1
, para m > 0.
Os polin omios de Chebyshev de ordem zero a ordem dez, organizados em vetor coluna, s ao mostrados
a seguir como resultado de um produto matricial. Note que os termos da anti-diagonal principal s ao
potencias de 2.
c() =
_
_
0 0 0 0 0 0 0 0 0 0 1
0 0 0 0 0 0 0 0 0 1 0
0 0 0 0 0 0 0 0 2 0 1
0 0 0 0 0 0 0 4 0 3 0
0 0 0 0 0 0 8 0 8 0 1
0 0 0 0 0 16 0 20 0 5 0
0 0 0 0 32 0 48 0 18 0 1
0 0 0 64 0 112 0 56 0 7 0
0 0 128 0 256 0 160 0 32 0 1
0 256 0 576 0 432 0 120 0 9 0
512 0 1280 0 1120 0 400 0 50 0 1
_
_
_
10
1
_
Propriedade 13.5: Polin omios de Chebyshev

Os polin omios de Chebyshev c
m
() satisfazem as seguintes propriedades:
c
m
() = cos(mcos
1
())
pois, ( > 1 z C)
c
m
= cos(mz) , = cos(z) , z C
c
m
= cos((m1)z +z) = cos((m1)z) cos(z) sen((m1)z)sen(z) =
c
m1
1
2
cos((m1)zz)+
1
2
cos((m1)z+z) = c
m1
1
2
c
m2
+
1
2
c
m
c
m
= 2c
m1
c
m2
0 1 0 z /2 1 c
m
1
isto e, o polin omio c
m
() oscila entre os valores 1 e 1 para m > 1.

E possvel mostrar que o polin omio de Chebyshev c
m
() satisfaz [12]
c
m
() = cosh(mcosh
1
())
Portanto para > 1, o polin omio cresce monotonicamente com .
c
m
() e uma funcao par para m par, isto e,
c
m
() = c
m
() , m par
c
m
() e uma funcao mpar para mmpar, isto e,
c
m
() = c
m
() , mmpar
c
2
m
(0) = 0 , mmpar ; c
2
m
(0) = 1 , m par ; c
2
m
(1) = 1
13.2. Chebyshev 217
Propriedade 13.6: Chebyshev

A oscila cao da funcao |H(j)|
2
e limitada na faixa de passagem por uma crista e um vale, dados por
1
1 +
2
|H(j)|
2
1
_
1
1 +
2
|H(j)| 1
Note que quanto maior maior e o ripple. Na freq uencia de corte =
c
o valor do ganho e o valor
do vale e na freq uencia = 0 o valor do ganho e o valor da crista para m mpar e e o valor do vale
para m par. Alem disso, o ganho tem m cristas no intervalo || <
c
.
Note que na freq uencia de corte
c
o ganho do ltro de Chebyshev e
|H(j
c
)| =
_
1
1 +
2
=
1
2
, 0 < < 1
O ltro de Butterworth e plano na faixa de passagem e e monotonicamente decrescente fora da faixa

de passagem. Para se conseguir uma atenua cao signicativa na faixa de rejei cao em geral necessita-se
de um ltro de ordem alta.
O ltro de Chebyshev tem um ripple controlavel na faixa de passagem e apresenta signicativa ate-
nua cao na faixa de rejei cao com ordens nao muito elevadas.
Exemplo 13.7 (Chebyshev): Considere as mesmas especica coes para o ltro utilizadas no Exem-
plo 13.5.
Ganho DC igual a 1;
Freq uencia de corte
c
= 1000;
Faixa de transi cao:
p
= 250 e
r
= 2000;
Variacao do ganho igual a |H(j)| na faixa de passagem menor que = 0.01;
Atenuacao mnima na faixa de rejeicao igual a a = 100.
Para atender à especica cao de variacao maxima de ganho na faixa de passagem, e necessario que
1
1 +
2
1 0.07
Para atender à especica cao de mnima atenuacao na faixa de rejeicao, deve-se ter
1
_
1 +
2
c
2
m
_
c
_
<
1
a
c
m
(2) > 1409 m 7
Note que c
6
(2) = 1351, c
7
(2) = 5042 e c
8
(2) = 18817.
Considere as seguintes mudancas na especica cao e as conseq uentes alteracoes na ordem do ltro:
a = 100,
r
= 1500 m 10;
a = 1000,
r
= 2000 m 7.
Note que a ordem do ltro de Chebyshev para atender as mesmas especicacoes e menor ou igual
que a ordem do ltro de Butterworth.
P
Propriedade 13.7: Funcao de transferencia do ltro de Chebyshev
Considerando que a resposta ao impulso do ltro de Chebyshev e real (h(t) R), a funcao |H(j)|
2
pode ser escrita em termos da funcao de transferencia H(s) como
|H(j)|
2
= H(j)H
(j) = H(j)H(j) = H(s)H(s)
s=j
Denindo G(s) por
G(s) = H(s)H(s) =
1
1 +
2
c
2
m
(s/(j
c
))
e fazendo = s/
c
, tem-se
G() =
1
1 +
2
c
2
m
(j)
= H()H() , H() =
1
2
m1
D()
com D() dado por
D() =
m
k=0
k
Determinar H(s) implica em obter os
k
, o que e em geral numericamente complexo. A estrategia
nesse caso sera obter explicitamente a expressao das razes de D() e, posteriormente, os coecientes a
partir das razes. O coeciente de normalizacao entre as funcoes H() e D() no caso de Chebyshev e
para produzir o coeciente de maior grau de D() igual a 1, isto e, tornar D() um polin omio m onico
pois, para
c
tem-se
|H(j)|
2
=
1
1 +
2
c
2
m
(/
c
)

1
2
2
m2
2m
, |H(j)|
2
=
1
2
m1
D(j)
2
2
m2
2
m
2m

m
= 1
E possvel mostrar que os polos de H(), isto e, as razes de D(), podem ser obtidos a partir dos
polos do ltro de Butterworth de mesma ordem da seguinte forma [12]:
A parte real dos polos de H() e senh() vezes a parte real dos polos do ltro de Butterworth;
A parte imaginaria dos polos de H() e cosh() vezes a parte imaginaria dos polos do ltro de
Butterworth, sendo
=
1
m
senh
1
_
1
_
Os polos de Butterworth s ao
exp
_
j
m+ 2k 1
2m

_
= sen
_
(2k 1)
2m
_
+j cos
_
(2k 1)
2m
_
, k = 1, 2, . . . , m
Portanto, os polos
k
s ao
k
= senh()sen
_
(2k 1)
2m
_
+j cosh() cos
_
(2k 1)
2m
_
, k = 1, 2, . . . , m
Como conclusao, os polos de G() = H()H() estao uniformemente distribudos na elipse com
centro em zero, semi-eixo maior igual a cosh() e semi-eixo menor igual a senh(). Note que a parte
real de
k
e negativa, pois senh() > 0 e o angulo (2k 1)/(2m) esta entre 0 e /2.
A Figura 13.9 mostra o m odulo da resposta em freq uencia e a resposta ao impulso do ltro de
Chebyshev de terceira ordem com freq uencia de corte
c
= 1 e ripple = 0.51 (obtido com o co-
mando [num,den]=cheby1(3,0.51,1,s) do Matlab, comparados com a resposta em freq uencia do
ltro de Butterworth de terceira ordem e com a Sampling ceifada (
0
= 2).
Exemplo 13.8: Considere o ltro mostrado na Figura 13.8 (Exemplo 13.6), cuja funcao de trans-
ferencia e dada por
H(s) =
1
L
1
C
2
s
2
+
L
1
R
s + 1
13.3. Exerccios 219
0 0.5 1 1.5 2 2.5 3 3.5 4
0
0.2
0.4
0.6
0.8
1
|
H
(
j
)
|
C
B
5 0 5 10 15 20
0.1
0
0.1
0.2
0.3
0.4
t
h
(
t
)
Figura 13.9: M odulo da resposta em freq uencia do ltro de Butterworth (B) e do ltro de Chebyshev
(C) de terceira ordem (esquerda). Sampling ceifada (
0
= 2) e resposta ao impulso do ltro de
Chebyshev de terceira ordem (direita).
As razes do polin omio de Butterworth de segunda ordem (m = 2) (D
b
() =
2
+
2 + 1) s ao
2
+j
1
2
,
1
2
j
1
2
Para = 0.15 (ripple de 11%), tem-se
=
1
m
senh
1
_
1
_
= 1.298 , cosh() = 1.967 , senh() = 1.694
As razes do polin omio de Chebyshev de segunda ordem D
c
() s ao dadas por
1
= 1.198 +j1.391 ,
2
= 1.198 j1.391
Note que a parte real dos e o produto da parte real das razes do polin omio de Butterworth por
senh() e a parte imagin aria dos e o produto da parte imagin aria das razes de Butterworth por
cosh().
A funcao de transferencia do ltro de Chebyshev e
H
c
(s) =
1
2
m1
D
c
()
=
1
2
m1
(
1
)(
2
)
=
1
0.3
2
+ 0.7188 + 1
e, portanto,
H
c
(s) =
1
0.3
_
s
c
_
2
+ 0.7188
s
c
+ 1
, H(s) =
1
L
1
C
2
s
2
+
L
1
R
s + 1
O ltro da Figura 13.8 e um ltro de Chebyshev se
L
1
C
2
=
0.3
2
c
, L
1
=
0.7188R
c
P
13.3 Exerccios
Exerccio 13.1: Determine L
1
e C
2
e L
3
para que o ltro mostrado na gura abaixo seja um ltro de But-
terworth de terceira ordem, isto e, satisfa ca a funcao de transferencia
H(s) =
1
D()
, D() =
3
+ 2
2
+ 2 + 1 , =
s
c
, R e
c
dados
+
+
x(t)
L
1
C
2
L
3
R y(t)
0
,
1
e para que o sistema abaixo seja um ltro de Butterworth de segunda
ordem, isto e, satisfa ca a funcao de transferencia
H(s) =
1
D()
, D() =
2
+
2 + 1 , =
s
c
,
c
dado
+
+
_
_
x
y
2
1
Exerccio 13.3: a) Determine os valores dos indutores e capacitores para que o ltro mostrado na gura abaixo
seja um ltro de Butterworth de terceira ordem com
c
= 1 M rad/s e R = 1 k.
b) Determine os valores dos indutores e capacitores para que o ltro mostrado na gura abaixo seja um ltro
de Chebyshev de terceira ordem com
c
= 1 M rad/s, R = 1 k e = 0.1.
+
x(t)
R
S
= 0 L
1
C
2
L
3
R
Captulo 14
Resolu cao de Equac oes Diferenciais por
Equacoes diferenciais lineares a coecientes constantes podem ser resolvidas, para t 0, pela trans-
formada de Laplace. De fato, pela chamada transformada unilateral de Laplace.
Exemplo 14.1 (Primeira ordem): Considere a equacao diferencial
y +y = 0 , y(0) = 1
Portanto
dy
y
= dt y(t) = y(0) exp(t) = exp(t)
Note que a transformada de Laplace de y(t) nao e nita para nenhum s e, portanto, a transformada
de Laplace nao seria um instrumento util para a resolucao de equacoes diferenciais, mesmo as muito
simples.
Essa diculdade pode ser superada considerando-se que apenas os valores de y(t) para t 0 s ao
de interesse, uma vez que a condi cao inicial e conhecida.
A funcao
y(t) = exp(t)u(t)
tem transformada de Laplace e coincide com a solu cao para t > 0.
P
Considere a classe de sinais à direita do zero, isto e, x(t) tais que x(t) = 0, t < 0, podendo ou nao
apresentar descontinuidade em t = 0. Por exemplo, os sinais (t), u(t) e exp(t)u(t) pertencem a esta
classe de sinais.
Em sinais contnuos, x(0
) = x(0) = x(0
+
) e em sinais descontnuos, x(0
) = x(0) = x(0
+
).
Por simplicidade, o limite à esquerda x(0
) sera denotado x(0), e o limite à direita por x(0

+
).
Exemplo 14.2 (Descontinuidade nita):
x
1
(t) = exp(t)u(t) , x
1
(0) = 0
Em t = 0, x
1
(t) tem descontinuidade nita, pois x
1
(0
+
) = 1.
A funcao
221
222 Captulo 14. Resolucao de Equacoes Diferenciais por Transformada de Laplace
y
1
(t) =
_
t
x
1
()d =
_
1 exp(t)
_
u(t)
e contnua e pertence à classe de funcoes à direita.
y
1
(t) = exp(t)u(t) +
_
1 exp(t)
_
(t) = exp(t)u(t) = x
1
(t)
P
Exemplo 14.3 (Descontinuidade innita):
x
2
(t) = exp(t)u(t) + 3(t) , x
2
(0) = 0
Em t = 0, x
2
(t) tem descontinuidade innita.
A funcao
y
2
(t) =
_
t
x
2
()d =
_
4 exp(t)
_
u(t)
nao e contnua, pois y
2
(0) = 0 e y
2
(0
+
) = 3 (descontinuidade nita). Tambem pertence à classe de
funcoes à direita.
y
2
(t) = exp(t)u(t) +
_
4 exp(t)
_
(t) = exp(t)u(t) + 3(t) = x
2
(t)
P
Denicao 14.1: Transformada unilateral de Laplace
Para a classe de funcoes à direita do zero, a transformada de Laplace e dada por
L{x(t)} =
_
+
x(t) exp(st)dt =
_
+
0
x(t) exp(st)dt
e e denominada transformada unilateral de Laplace.
Note que
L
uni
{(t)} = L
bi
{(t)} = 1
para as transformadas bilateral e unilateral, pois a integral que dene a transformada unilateral de
Laplace inicia-se em 0 = 0
.
Note ainda que
L
uni
{1} = L
bi
{u(t)} =
1
s
, Re(s) > 0
No caso da transformada Z, nao foi necessaria a denicao de transformada unilateral, pois nao ha
ambig uidade no calculo da transformada da funcao impulso, ou seja,
[n]u[n] = [n]
No caso contnuo, a funcao (t)u(t) nao esta denida (descontinuidade de u(t) em t = 0).
O smbolo L e usado indistintamente para as transformadas unilateral e bilateral de Laplace.
223
Propriedade 14.1: Transformada de Laplace da derivada
L{ x(t)} = sL{x(t)} x(0) , s
x
Prova:
L{ x(t)} =
_
+
0
dx
dt
exp(st)dt =
_
+
0
exp(st)dx
Integrando por partes:
L
_
dx
dt
_
= x(t) exp(st)
+
0
_
+
0
x(t)(s) exp(st)dt
Como L{x(t)} e nita para s
x
, tem-se lim
t
x(t) exp(st) = 0
L{ x(t)} = s
_
+
0
x(t) exp(st)dt
. .
X(s)
x(0) = sX(s) x(0)
O domnio de L{ x(t)} e no mnimo igual a
x
.
Exemplo 14.4:
L
_
d
dt
u(t) = (t)
_
= 1
pois
sL{u(t)} u(0) = s
1
s
0 = 1
Note que
u
= Re(s) > 0 e
= C, isto e, o domnio da derivada contem o domnio da funcao.

Assim,
L
_
(t) =
d
dt
(t)
_
= s (0) = s
pois
(0) = lim
0
() (limite à esquerda de 0)
L
_
d
m
dt
m
(t)
_
= s
m
P
Propriedade 14.2: Transformada de Laplace das derivadas
L{ x(t)} = s
2
L{x(t)} sx(0) x(0)
pois
L{ x(t)} = L{ y(t)} = sL{y(t)} y(0) = sL{ x(t)} x(0) = s
2
L{x(t)} sx(0) x(0)
Genericamente:
L
_
x
(m)
(t) =
d
m
x(t)
dt
m
_
= s
m
L{x(t)}
m1
k=0
s
mk1
x
(k)
(0)
Exemplo 14.5 (Sistema autonomo de primeira ordem): Considere a equacao diferencial

y +ay = 0 , y(0)
Aplicando Laplace, tem-se
sY (s) y(0) +aY (s) = 0 Y (s) =
y(0)
s +a
cuja transformada inversa e
y(t) = y(0) exp(at)u(t)
Note que esse exemplo modela um circuito RC autonomo, sendo y(t) a tensao no capacitor e
a = 1/(RC).
P
Exemplo 14.6 (Resposta ao impulso do circuito RC): Considere o circuito RC descrito na Fi-
gura 14.1, com = RC.
x(t)
R
+
+
C
y(t)
cuja equacao diferencial e dada por
RC y +y = x
A resposta ao impulso pressupoe condi coes iniciais nulas. Para x(t) = (t), tem-se X(s) = 1 e,
nesse caso, a sada Y (s) e igual a H(s) (funcao de transferencia do circuito).
A funcao de transferencia e a resposta ao impulso s ao dados por
H(s) =
1/
s + 1/
h(t) =
1
exp(t/)u(t)
Note que, neste caso, a resposta ao impulso corresponde à solu cao do circuito autonomo com a
condi cao inicial y(0) = 1/.
A funcao de transferencia da tensao medida no resistor e a correspondente resposta ao impulso s ao
dadas por
225
H
R
(s) =
s
s + 1/
= 1
1/
s + 1/
h(t) = (t)
1
exp(t/)u(t)
Observe que a resposta ao impulso pode conter impulsos, associados ao fato do grau do denominador
ser igual ao grau do numerador na funcao de transferencia.
P
A transformada de Laplace tambem pode ser utilizada para fornecer valores iniciais e nais das solucoes
de equa coes diferenciais, por meio das propriedades do valor inicial e do valor nal.
Propriedade 14.3: Valor inicial
Para X(s) tal que
x
= {s C : Re(s) > a} com a real, e x(0
+
) x(0) nito:
x(0
+
) = lim
t0
+
x(t) = lim
s+
sX(s)
Obs.: s + deve ser entendido como s = +j, com qualquer e +.
pois
sX(s) x(0) = L
_
dx
dt
_
=
_
+
0
dx
dt
exp(st)dt =
_
0
+
0
dx
dt
exp(st)dt +
_
+
0
+
dx
dt
exp(st)dt
sX(s) x(0) =
_
0
+
0
dx
dt
dt +
_
+
0
+
dx
dt
exp(st)dt = x(0
+
) x(0) +
_
+
0
+
dx
dt
exp(st)dt
Para s +, a integral
_
+
0
+
dx
dt
exp(st)dt vai a zero devido à existencia da transformada da
derivada. Portanto,
lim
s+
sX(s) x(0) = x(0
+
) x(0) = lim
s+
sX(s) = lim
t0
+
x(t)
Propriedade 14.4: Valor nal

Considere x(t) tal que lim
t+
x(t) existe (ou seja, e nito), o que implica que X(s) possui no m aximo
um polo em s = 0 e todos os demais com parte real negativa. Entao
lim
t+
x(t) = lim
s0
sX(s)
pois
sX(s) x(0) = L
_
dx
dt
_
=
_
+
0
dx
dt
exp(st)dt
lim
s0
sX(s) x(0) =
_
+
0
dx
dt
dt = lim
t+
x(t) x(0)
A transformada inversa de Laplace e uma integral complexa que pode ser calculada usando-se tecnicas
de resduo. Entretanto, no caso de funcoes X(s) racionais, o computo pode ser feito por decomposicao
em fra coes parciais.
Exemplo 14.7 (Resposta ao degrau
1
do circuito RC): Considere o circuito RC descrito na Fi-
gura 14.1, com = RC e funcao de transferencia dada por
H(s) =
1/
s + 1/
Para a entrada x(t) = u(t),
Y (s) = H(s)
1
s
=
1/
s(s + 1/)
Expandindo em fracoes parciais, tem-se
Y (s) =
1/
s(s + 1/)
=
1
s

1
s + 1/
resultando na resposta ao degrau dada por
y(t) =
_
1 exp(t/)
_
u(t)
Observe que y(t) atinge aproximadamente 63% do valor nal decorrido t = e 95% para t = 3,
sendo denominado constante de tempo do sistema.
Para t [0, ] tem-se
y(t)
t
e essa aproximacao e usada experimentalmente para a medida da constante de tempo de sistemas

de primeira ordem.
A solu cao de regime e dada por
lim
t+
y(t) = 1
pois o ganho DC e unitario. Note que, pelo teorema do valor nal (Propriedade 14.4), tem-se
lim
t+
y(t) = lim
s0
sY (s) = H(0) = 1
A resposta ao degrau para a funcao de transferencia da tensao medida no resistor e dada por
Y
R
(s) =
1
s + 1/
y
R
(t) = exp(t/)u(t)
e, em regime, y
R
(t) 0.
Resumindo, tem-se
sY (s) =
1/
s + 1/
=
_
0 inicial s +
1 nal s 0
sY
R
(s) =
s
s + 1/
=
_
1 inicial s +
0 nal s 0
P
1
Resposta ao degrau pressupoe condic oes iniciais nulas.
227
Exemplo 14.8 (Circuito RC excitado por exponencial): Considere o circuito RC da Figura 14.1
com = RC, excitado pela entrada x(t) = exp(t)u(t) e condi cao inicial nula.
Para = 1, tem-se
Y (s) =
_
1/
s + 1/
__
1
s + 1
_
=
a
s + 1/
+
b
s + 1
b = a =
1
1
e, portanto,
y(t) =
1
1
_
exp(t/) exp(t)
_
u(t)
Para = 1, tem-se
Y (s) =
_
1
s + 1
__
1
s + 1
_
=
1
(s + 1)
2
y(t) = t exp(t)u(t)
que poderia tambem ser obtido por lHopital
y(t) = lim
1
exp(t/)t
2
1
u(t) = t exp(t)u(t)
P
Exemplo 14.9 (Resposta ao impulso sistema instavel): A transformada de Laplace da resposta
ao impulso do sistema descrito pela equacao diferencial
y y 2y = 3x , (p + 1)(p 2)y = 3x
e dada por
H(s) =
3
(s + 1)(s 2)
=
1
s + 1

1
s 2
Portanto,
h(t) =
_
exp(t) exp(2t)
_
u(t)
Note que lim
s0
sH(s) = 0 nao corresponde ao valor h(+) pois uma das razes da equacao
caracterstica e positiva (sistema instavel). No entanto, o valor inicial h(0
+
) pode ser calculado por
lim
s+
sH(s) = 0.
P
Exemplo 14.10 (Resposta à rampa
2
do circuito RC): Considere o circuito RC descrito na Fi-
gura 14.1, com = RC e funcao de transferencia dada por
H(s) =
1/
s + 1/
2
Resposta à rampa pressupoe condic oes iniciais nulas.
Para entrada a x(t) = tu(t),
Y (s) = H(s)
1
s
2
=
1/
s
2
(s + 1/)
Expandindo em fracoes parciais, tem-se
Y (s) =
1/
s
2
(s + 1/)
=
1
s
2

s
+

s + 1/
resultando na resposta à rampa dada por
y(t) =
_
t + exp(t/)
_
u(t)
Para t sucientemente grande (resposta em regime) tem-se
y(t) t
indicando que o sistema de primeira ordem apresenta sada em regime deslocada em rela cao à
entrada. Note que para sistemas com ganho DC diferente de 1, a inclinacao da rampa de sada e
distinta da inclinacao da rampa de entrada.
P
Exemplo 14.11 (Sistema autonomo de segunda ordem): Considere o sistema dado por
(p
2
+ 2
n
p +
2
n
)y(t) = 0 , y(0) = a > 0 , y(0) = 0
com
n
> 0 e 0 < < 1 (razes complexas conjugadas). A transformada de Laplace L{y(t)} = Y (s)
e dada por
Y (s) =
2a
n
+as
s
2
+ 2
n
s +
2
n
Completando o quadrado e colocando na forma padrao para transformada inversa de seno e cosseno,
tem-se
Y (s) =
s +
n
(s +
n
)
2
+
2
d
+

d
(s +
n
)
2
+
2
d
com
= a , = a

_
1
2
,
d
=
n
_
1
2
resultando em
y(t) = a exp(
n
t)
_
cos(
d
t) +

_
1
2
sen(
d
t)
_
u(t)
Note que, para = 0 (sistema sem amortecimento), a resposta e dada por y(t) = a cos(
n
t).
Note tambem que a envoltoria da solu cao comporta-se como um sistema de primeira ordem cuja
constante de tempo e
=
1
n
P
229
Exemplo 14.12 (Pendulo linearizado): A equacao diferencial linear que descreve o movimento do
pendulo em torno de y(t) = 0 e dada por
m y = mgseny mb y
Linearizando, tem-se
_
p
2
+
b
p +
g
_
y(t) = 0
Portanto,
n
=
_
g
, 2
n
=
b
=
b
2
g
Observe que, se b = 0 (pendulo nao amortecido), o perodo de oscilacao e dado por
T = 2
g
Essa expressao foi obtida experimentalmente por Galileo Galilei
3
.
P
Exemplo 14.13 (Circuito RLC): Considere o circuito RLC da Figura 14.2 para x(t) = 0 (circuito
autonomo). A equacao diferencial e dada por
_
p
2
+
1
RC
p +
1
LC
_
y(t) = 0
Portanto,
n
=
1
LC
, 2
n
=
1
RC
=
1
2R
_
L
C
R
+
+
C
L
x y
y
1
Observe que, para R (circuito sem perdas), tem-se
T = 2
LC
Note tambem que a constante de tempo da envoltoria e = 2RC.
P
3
Galileo Galilei, matematico italiano do seculo XVI.
Exemplo 14.14 (Resposta ao impulso de sistema de segunda ordem subamortecido): Considere o
sistema dado por
H(s) =

2
n
s
2
+ 2
n
s +
2
n
com 0 < < 1. Completando-se o quadrado no denominador, tem-se
H(s) =
_

n
_
1
2
_

d
(s +
n
)
2
+
2
d
com a freq uencia de oscilacao
d
dada por
d
=
n
_
1
2
resultando em
h(t) =
_

n
_
1
2
_
exp(
n
t)sen(
d
t)u(t)
Esse resultado pode ser tambem obtido a partir da expansao em fracoes parciais de H(s), ou seja,
H(s) =
a
1
(s
1
)
+
a
2
(s
2
)
h(t) =
_
a
1
exp(
1
t) +a
2
exp(
2
t)
_
u(t)
com
2
=
1
=
n
+j
d
, a
2
= a
1
= j

2
n
2
d
resultando em
h(t) =
_
2
n
d
_
exp(
n
t)sen(
d
t)u(t)
A identicacao dos par ametros de um sistema de segunda ordem subamortecido pode ser feita a
partir da resposta ao impulso.
O perodo T = 2/
d
da senoide e obtido pelo computo do intervalo de tempo entre dois cruza-
mentos consecutivos com zero.
O par ametro e obtido da rela cao entre dois picos consecutivos da senoide, chamada de decremento
logartmico, pois
exp
_
n
kT
_
exp
_
n
(k + 1)T
_ = exp(
n
T)
Observe que
n
T =
2
_
1
2
P
231
Exemplo 14.15 (Resposta ao degrau de sistema de segunda ordem subamortecido): Considere o
sistema dado por
H(s) =

2
n
s
2
+ 2
n
s +
2
n
com 0 < < 1.
Para x(t) = u(t), tem-se
Y (s) =
_

2
n
s
2
+ 2
n
s +
2
n
_
1
s
=
1
s

s + 2
n
s
2
+ 2
n
s +
2
n
Completando-se os quadrados, tem-se
Y (s) =
1
s

s +
n
(s +
n
)
2
+
2
d
d
(s +
n
)
2
+
2
d
resultando em
y(t) =
_
1 exp(
n
t)
_
cos(
d
t) +

_
1
2
sen(
d
t)
_
_
u(t)
A resposta ao degrau passa por um primeiro pico (sobre-eleva cao) que pode ser determinado da
equacao y(t) = 0, resultando em
t
pico
= /
d
, y
pico
= 1 + exp(
n
/
d
)
Esses par ametros podem ser utilizados para a identicac ao de sistemas de segunda ordem.
Note que o valor de regime (t ) e igual ao valor da amplitude do degrau de entrada pois o
ganho DC do sistema e unitario (H(0) = 1).
P
Propriedade 14.5: Resposta à entrada nula e resposta às condi c oes iniciais nulas
A resposta de um sistema linear invariante no tempo descrito por
D(p)y(t) = x(t) ; y(0), y(0), . . . , y
(m1)
(0)
pode ser decomposta em resposta à entrada nula e resposta às condi coes iniciais nulas, pois
Y (s) = H(s)X(s) + I(s)
sendo I(s) a parcela devida às condi coes iniciais.
Note que as condi coes iniciais nao nulas em x(t) tambem devem ser consideradas no computo da
solucao sempre que N(p) for de grau maior ou igual a 1 e x(t) = 0.
Exemplo 14.16: Considere o circuito RC da Figura 14.1 com = RC = 1, excitado pela entrada
x(t) = cos(t)u(t) e condi cao inicial y(0).
Y (s) =
1
s + 1
. .
H(s)
X(s) +
1
s + 1
y(0)
Portanto,
Y (s) =
s
(s + 1)(s
2
+ 1)
+
y(0)
s + 1
=
y(0) 1/2
s + 1
+
1
2
s + 1
s
2
+ 1
y(t) =
_
(y(0) 1/2) exp(t) +
1
2
cos(t) +
1
2
sen(t)
_
u(t)
Note que a resposta y(t) contem termos transit orios devido à entrada e devido à condi cao ini-
cial y(0). Note ainda que, no exemplo, a condi cao inicial y(0) = 1/2 anula o transit orio. Nesse
caso, a solu cao e a propria resposta de regime permanente, dada por
y
reg
(t) =
_
1
2
cos(t) +
1
2
sen(t)
_
u(t)
que e igual à solu cao forcada para t > 0. De fato, para a entrada x(t) = cos(t) a solu cao forcada
poderia ser obtida diretamente pela Propriedade 7.22
y
f
(t) =
H(s)
s=j
cos(t +H(s)
s=j
) =
1
2
cos(t /4) =
1
2
cos(t) +
1
2
sen(t)
P
Exemplo 14.17 (Laplace com N(p) = 1): Considere a equacao diferencial
(p
2
+ 3p + 2)y = (p + 4)x , y(0) = 2 , y(0) = 1
para x(t) = exp(3t)u(t). Aplicando a transformada de Laplace, tem-se
(s
2
+ 3s + 2)Y (s) = (s + 3)y(0) + y(0) + (s + 4)X(s) x(0)
Substituindo as condi coes iniciais e a transformada de Laplace de exp(3t)u(t), tem-se
Y (s) =
2s + 7
s
2
+ 3s + 2
. .
Y
en
(s)
+
s + 4
(s
2
+ 3s + 2)(s + 3)
. .
Y
cin
(s)
+
1
s
2
+ 3s + 2
. .
Y
x(0)
(s)
com as parcelas, respectivamente, resposta à entrada nula, resposta às condi coes iniciais nulas e
contribui cao da condi cao inicial x(0). Decompondo em fracoes parciais, tem-se
Y (s) =
5
s + 1

3
s + 2
. .
Y
en
(s)
+
1.5
s + 1

2
s + 2
+
0.5
s + 3
. .
Y
cin
(s)
+
1
s + 1
+
1
s + 2
. .
Y
x(0)
(s)
que fornece, agrupando as parcelas,
y(t) =
_
5.5 exp(t) 4 exp(2t) + 0.5 exp(3t)
_
u(t)
Note que, para x(t) = exp(3t), tem-se (p+4) exp(3t) = exp(3t) e portanto a equacao diferencial
a ser resolvida e dada por
(p
2
+ 3p + 2)y = exp(3t) , y(0) = 2 , y(0) = 1
Nessa equacao, N(p) = 1 e a quest ao sobre a contribui cao de x(0) nao se coloca. Multiplicando
por u(t) e aplicando a transformada de Laplace, tem-se Y (s)
(s
2
+ 3s + 2)Y (s) = (s + 3)2 + 1 +
1
s + 3
Y (s) =
5
s + 1

3
s + 2
+
0.5
s + 1

1
s + 2
+
0.5
s + 3
que fornece o mesmo y(t).
P
233
Propriedade 14.6: Resposta ao impulso de sistema estavel
A resposta ao impulso de um sistema linear invariante no tempo racional estritamente proprio (grau
do numerador menor que o do denominador) com polos de parte real negativa e funcao de transferencia
H(s) =
N(s)
D(s)
e transit oria, ou seja, esvanece com o tempo
lim
t+
h(t) = 0
Como s = 0 pertence a
h
(polos de parte real negativa), tem-se
lim
t+
h(t) = lim
s0
sH(s) = 0
o que qualica o comportamento de h(t) como assintoticamente estavel.
Propriedade 14.7: Resposta ao degrau de sistema estavel

A resposta de um sistema linear invariante no tempo racional estritamente proprio com polos de parte
real negativa excitado por um degrau com funcao de transferencia
H(s) =
N(s)
D(s)
e dada por
y(t) = H(0)u(t)
. .
regime
+transit orio
pois
Y (s) =
H(s)
s
=
a
s
+
N
1
(s)
D(s)
, a = H(0)
Note que a sada em regime e tambem um degrau, com a mesma amplitude da entrada se H(0) = 1.
Propriedade 14.8: Resposta à rampa de sistema estavel

real negativa excitado por uma rampa com funcao de transferencia
H(s) =
N(s)
D(s)
e dada por
y(t) = H(0)tu(t) +

H(0)u(t)
. .
regime
+transit orio
A propriedade pode ser vericada notando-se que
Y (s) =
H(s)
s
2
=
a
s
2
+
b
s
+
N
1
(s)
D(s)
com
a = H(0) , b =
d
ds
H(s)
s=0
resultando em
y(t) = H(0)tu(t) +

H(0)u(t) + transit orio
Note que a sada em regime e tambem uma rampa, com a mesma inclina cao se H(0) = 1 e, alem disso,
de mesmo valor se

H(0) = 0.
Exemplo 14.18 (Resposta ao degrau e à rampa): Um sistema de primeira ordem dado por
H(s) =
a
s +a
com a > 0 segue uma entrada em degrau. Note que esse sistema nao segue a entrada x(t) = tu(t)
em regime com erro nulo, pois H(0) = 1 mas

H(0) = 1/a = 0.
Um sistema de segunda ordem dado por
H(s) =
as +b
s
2
+as +b
com a > 0 e b > 0 segue as entradas degrau e rampa com erro de regime nulo.
P
Propriedade 14.9: Resposta à parabola de sistema estavel
real negativa excitado por uma par abola com funcao de transferencia
H(s) =
N(s)
D(s)
, x(t) =
t
2
2
u(t) X(s) =
1
s
3
e dada por
y(t) = H(0)
t
2
2
u(t) +

H(0)tu(t) +
1
2
H(0)u(t)
. .
regime
+transit orio
pois
Y (s) =
H(s)
s
3
=
a
s
3
+
b
s
2
+
c
s
+
N
2
(s)
D(s)
com
a = H(0) , b =
d
ds
H(s)
s=0
, c =
1
2
d
2
ds
2
H(s)
s=0
Exemplo 14.19 (Resposta à par abola): Um sistema de terceira ordem dado por
H(s) =
as
2
+bs +c
s
3
+as
2
+bs +c
com razes est aveis segue as entradas degrau, rampa e parabola com erro de regime nulo.
P
14.1. Exerccios 235
14.1 Exerccios
Exerccio 14.1: Um sistema linear invariante no tempo causal e descrito pela funcao de transferencia
H(s) =
s + 3
s
2
+ 3s + 2
a) Obtenha a resposta ao impulso do sistema
b) Obtenha a resposta ao degrau do sistema
Exerccio 14.2: Determine a resposta causal ao impulso do sistema descrito pela funcao de transferencia H(s)
dada por
H(s) =
2s 4
s
2
+ 2s + 5
Solucao:
H(s) = 2
(s + 1)
(s + 1)
2
+ 4
3
2
(s + 1)
2
+ 4
h(t) =
_
2 exp(t) cos(2t) 3 exp(t)sen(2t)
_
u(t) =
_
(1 +j1.5) exp((1 +j2)t) +(1 j1.5) exp((1 j2)t)
_
u(t)
Exerccio 14.3: Determine a transformada de Laplace V
1
(s) = L{v
1
(t)u(t)} para
v
1
+ v
1
+ 2v
2
+ v
2
= 0 , v
1
v
2
v
2
= 0 , v
1
(0) = 100, v
2
(0) = 100
Exerccio 14.4: Determine a transformada de Laplace V
2
(s) = L{v
2
(t)u(t)} para o sistema
v
1
+ v
1
+ 4v
2
+ v
2
= 1000 , v
1
v
2
v
2
= 100 , v
1
(0) = 1000 , v
2
(0) = 0
Exerccio 14.5: Calcule y(t) para o sistema causal descrito por
v
1
= v
2
+v
2
, v
1
+ 2 v
2
+ 2v
2
= (t) , y = 3v
2
Exerccio 14.6: Determine Y (s) = L{y(t)u(t)} para a equacao diferencial
(p
2
+ 4p + 3)y = 0 , y(0) = a , y(0) = b
Solucao:
Y (s) =
b + (s + 4)a
s
2
+ 4s + 3
Exerccio 14.7: Considere o sistema causal descrito por
(p
2
+ 4p + 4)y = (p + 1)x , y(0) = 2 , y(0) = 3 , x(t) = exp(2t)u(t)
a) Determine Y (s) = L{y(t)u(t)} b) Determine y(t)
Solucao:
Y (s) =
s + 1
(s + 2)
3
+
2s + 10
(s + 2)
2
=
2s
2
+ 15s + 21
(s + 2)
3
, y(t) = (0.5t
2
+ 7t + 2) exp(2t)u(t)
Exerccio 14.8: Determine a resposta causal ao impulso do circuito de segunda ordem cuja equacao e
y + 2 y +y = 100(2 x +x)
Exerccio 14.9: a) Determine a resposta ao degrau (condi coes iniciais nulas) do sistema
(p
2
+ 4p + 4)y(t) = (3p + 4)x(t)
b) Determine a resposta causal ao impulso (condi coes iniciais nulas) do sistema
(p
2
+ 11p + 10)y(t) = 10x(t)
Exerccio 14.10: a) Determine a equacao diferencial em y (D(p)y = N(p)x) do sistema descrito por
v
1
= 2v
1
+ 5v
2
+x , v
2
= v
1
2v
2
, y = v
2
2v
1
b) Determine a resposta causal ao impulso x(t) = (t) (condi coes iniciais nulas)
Exerccio 14.11: Determine a resposta causal ao impulso do sistema descrito pelas equacoes
v
1
= v
2
, v
2
+ 13v
1
+ 6v
2
= x , y = 5v
1
+v
2
Solucao:
H(s) =
s + 5
s
2
+ 6s + 13
, h(t) = exp(3t) cos(2t) + exp(3t)sen(2t)
Exerccio 14.12: Considere um sistema causal cuja transformada da resposta ao degrau e dada por
Y (s) =
6s
4
+ 62s
3
+ 188s
2
+ 200s + 60
s(s + 1)(s + 2)(s + 3)(s + 5)
a) Determine y(0) b) Determine lim
t+
y(t)
Solucao:
y(0) = lim
s+
sY (s) = 6 , y(+) = lim
s0
sY (s) = 2
Exerccio 14.13: a) Determine y(t) para
Y (s) =
3s + 2
s(s
2
+ 2s + 5)
b) Determine a resposta à rampa x(t) = tu(t) (condi coes iniciais nulas) do sistema
(p
2
+ 11p + 10)y(t) = 10x(t)
Exerccio 14.14: A sada persistente (em regime) de um sistema descrito pela funcao de transferencia
H(s) =
s +a
s
2
+ 5s +b
para a entrada x(t) = (t 1)u(t) e dada por (5 t)u(t). Determine a e b.
Solucao:
a = 1.5 , b = 1.5
Exerccio 14.15: a) Determine a solu cao forcada (regime permanente) para a entrada x(t) = 100 cos(2t) do
sistema descrito pela funcao de transferencia
H(s) =
1
s
2
+ 5s + 6
b) Determine a solu cao para a entrada x(t) = 100 cos(2t)u(t) e condi coes iniciais nulas
Solucao:
y
f
(t) = 100|H(j2)| cos
_
2t +H(j2)
_
9.81 cos(2t 1.37) 1.92 cos(2t) + 9.62sen(2t)
Y (s) = H(s)X(s) =
100s
(s
2
+ 5s + 6)(s
2
+ 4)
, y(t)
_
23.1 exp(3t)25 exp(2t)+1.92 cos(2t) + 9.62sen(2t)
. .
y
f
(t)
_
u(t)
Exerccio 14.16: Determine a sada persistente (em regime) y(t) para a entrada x(t) = 0.5t
2
u(t) de um sistema
est avel (polos com parte real negativa) descrito por funcao de transferencia H(s) tal que
H(s)
s=0
= 10 ,
d
ds
H(s)
s=0
= 0 ,
d
2
ds
2
H(s)
s=0
= 1
14.1. Exerccios 237
Exerccio 14.17: Determine a equacao diferencial do sistema cuja resposta ao degrau e dada por
y
u
(t) =
_
3
2
exp(t)
5
6
exp(3t)
2
3
_
u(t)
Solucao:
H(s) =
s 2
(s + 1)(s + 3)
y + 4 y + 3y = x 2x
Exerccio 14.18: Determine a solu cao forcada y
f
(t), t > 0 do sistema linear invariante no tempo cuja equacao
diferencial e dada por
(p
3
+ 1)y(t) = (p + 10)x(t) , x(t) =
_
t
2
2
+ 1
_
u(t)
Solucao:
y
f
(t) = (5t
2
+t + 10)u(t)
Captulo 15
Resolu cao de Equac oes Diferenciais por
Coecientes a Determinar
Equacoes diferenciais lineares com coecientes constantes podem ser resolvidas pelo metodo dos coe-
cientes a determinar.
15.1 Solu cao da equacao homogenea
Considere a equa cao diferencial homogenea
D(p)y(t) =
m
k=0
k
p
k
y(t) = 0 , p =
d
dt
, p
k
=
d
k
dt
k
(15.1)
com
m
= 1 e condi coes iniciais conhecidas, que descreve um sistema linear autonomo.
Observe que a equa cao e uma restricao linear (combina cao linear das funcoes y(t), y(t), . . . , y
(m)
(t))
e portanto a solucao y(t) deve necessariamente estar em um espaco de dimens ao m.
Denicao 15.1: Independencia Linear
Um conjunto de sinais {y
k
(t), k = 1, . . . , m} e linearmente independente se e somente se
m
k=1
c
k
y
k
(t) = 0 , t c
k
= 0 , k = 1, . . . , m
Exemplo 15.1 (Linearmente independentes): Os sinais y

1
(t) = 1, y
2
(t) = t e y
3
(t) = t
2
s ao
linearmente independentes.
c
1
y
1
(t) +c
2
y
2
(t) +c
3
y
3
(t) = 0 c
1
= c
2
= c
3
= 0, pois det
_
_
1 0 0
1 1 1
1 2 4
_
_
= 2 = 0
P
Denicao 15.2: Base
A combinacao linear de um conjunto de m sinais y
k
(t), isto e,
y(t) =
m
k=1
c
k
y
k
(t)
com escalares c
k
C gera um espaco linear, cuja dimens ao e dada pelo n umero r m de sinais
linearmente independentes. Qualquer conjunto de r sinais que gere o mesmo espaco e uma base para
esse espaco.
238
15.1. Solucao da equa cao homogenea 239
Propriedade 15.1: Independencia linear
y
1
(t) = exp(
1
t) e y
2
(t) = exp(
2
t) s ao linearmente independentes se e somente se
1
=
2
pois a
1
exp(
1
t) +a
2
exp(
2
t) = 0 implica
a
1
+a
2
= 0
a
1
exp(
1
) +a
2
exp(
2
) = 0
_
a
1
= a
2
= 0
Propriedade 15.2: Derivada de auto-fun cao

As funcoes y
1
(t) = exp(t) e y
2
(t) = p
k
exp(t) s ao linearmente dependentes, pois
y
2
(t) =
k
exp(t)
Propriedade 15.3: Modo pr oprio

y(t) = exp(t) e solucao da equa cao (15.1) se e raiz de D() = 0 (equa cao caracterstica), pois
D(p) exp(t) = D() exp(t) = 0
Exemplo 15.2 (Raiz simples): Considere o circuito RC autonomo, com condi cao inicial (tens ao
no capacitor) y(0) e RC = .
(p + 1)y = 0 , y(0)
cuja equacao caracterstica e
+ 1 = 0 =
1
A solu cao e dada por

y(t) = a exp(t)
sendo a o coeciente a determinar. Usando a condi cao inicial, tem-se
y(t) = y(0) exp(t)
P
Propriedade 15.4: Modos pr oprios
Se as m razes
k
de D() = 0 forem distintas, entao
y(t) =
m
k=1
a
k
exp(
k
t)
e solucao da equa cao (15.1) pois
k
satisfaz D(
k
) = 0, k = 1, . . . , m e os modos proprios exp(
k
t),
k = 1, . . . , m s ao linearmente independentes.

240 Captulo 15. Resolucao de Equacoes Diferenciais por Coecientes a Determinar
Exemplo 15.3 (Duas razes reais distintas): Considere o sistema descrito pela equacao diferencial
p(p + 1/)y = 0 , y(0) = 0 , y(0) = 1/
( + 1/) = 0
1
= 0 ,
2
= 1/
y(t) = a
1
+a
2
exp(t/)
Das condi coes iniciais, tem-se
a
1
= 1 , a
2
= 1
P
Exemplo 15.4 (Duas razes complexas conjugadas): Considere o sistema descrito pela equacao
diferencial
(p
2
+ 2
3p + 4)y = 0 , y(0) = 1 , y(0) = 0

cuja razes da equacao caracterstica s ao
1
=
3 +j ,
2
=
3 j
y(t) = a
1
exp(
1
t) +a
2
exp(
2
t)
a
1
=
1
2
j
3
2
, a
2
=
1
2
+j
3
2
De maneira equivalente, a combinacao linear de modos proprios complexos conjugados pode ser
escrita como
y(t) = a exp(
3t) cos(t +) , = /3 , a = 2
P
Exemplo 15.5 (Tres razes distintas): Considere o sistema descrito pela equacao diferencial
(p
2
+ 1)(p + 1)y = 0 , y(0) = y
0
, y(0) = 1 y
0
, y(0) = y
0
1
1
= 1 ,
2
= j ,
3
= j
y(t) = a
1
exp(t) +a
2
exp(jt) +a
3
exp(jt)
a
1
= y
0
1/2 , a
2
= (1 j)/4 , (1 +j)/4
Portanto,
y(t) = (y
0
1/2) exp(t) +
1
4
(exp(jt) + exp(jt)) +
1
4j
(exp(jt) exp(jt))
= (y
0
1/2) exp(t) +
1
2
cos(t) +
1
2
sen(t)
P
Propriedade 15.5: Operador p do produto
Para n 0 inteiro, com p =
d
dt
e p
0
f(t) = f(t), tem-se
p
n
_
f(t)g(t)
_
=
n
k=0
_
n
k
_
p
k
f(t)p
nk
g(t)
pois
p
_
f(t)g(t)
_
= f(t)pg(t) +g(t)pf(t)
p
2
_
f(t)g(t)
_
= g(t)p
2
f(t) +f(t)p
2
g(t) + 2pf(t)pg(t) ,
Propriedade 15.6: Operador p do produto t exp(t)

D(p)
_
t exp(t)
_
= tD() exp(t) + exp(t)
d
d
D()
pois
D(p)
_
t exp(t)
_
= exp(t)
m
k=0
k
k
r=0
kr
_
k
r
_
p
r
t =
= exp(t)
_
t
m
k=0
k
+
m
k=1
k
k
k1
_
= exp(t)
_
tD() +
d
d
D()
_

Propriedade 15.7: Raiz dupla
Se e raiz dupla da equa cao caracterstica D() = 0, entao exp(t) e t exp(t) s ao modos proprios
da equa cao (15.1), ou seja,
D(p)(t exp(t)) = exp(t)
_
tD() +
d
d
D()
_
= 0
pois D() = 0 e
d
dp
D(p)
p=
= 0 quando e raiz dupla de D().
Propriedade 15.8: Raiz m ultipla

Se e raiz de multiplicidade r de D(), entao exp(t), t exp(t), . . . , t
r1
exp(t) s ao modos proprios
da equa cao (15.1).
Propriedade 15.9: Solu cao da equa cao homogenea

A solucao da equa cao (15.1) e dada pela combinacao linear dos seus m modos proprios.
Exemplo 15.6 (Duas razes iguais): Considere o sistema descrito pela equacao diferencial
(p + 1)
2
y = 0 , y(0) = 0 , y(0) = 1
1
=
2
= 1
y(t) = a
1
exp(t) +a
2
t exp(t)
a
1
= 0 , a
2
= 1
P
Exemplo 15.7 (Massa-mola com amortecedor): Considere um modelo simplicado do sistema
mola-amortecedor de um carro, com uma massa m sustentada por uma mola de constante k e um
amortecedor de constante b, descrito pela equacao diferencial
m y = ky b y (p
2
+ 2p +
2
)y = 0 , =
b
2m
,
2
=
k
m
sendo y o deslocamento vertical em rela cao ao ponto de equilbrio.
As razes da equacao caracterstica s ao
1
= +
_
2
,
2
=
_
2
e portanto sempre tem parte real negativa. Para que nao ocorram oscilacoes, o sistema deve ter
razes reais, isto e
2
>
2
b > 2
km
15.2. Solucao da equa cao nao homogenea 243
A situacao
2
=
2
e conhecida como amortecimento crtico. Nesse caso, a solu cao e dada por
y(t) = a
1
exp(t) +a
2
t exp(t) , a
1
= y(0) , a
2
= y(0) +y(0)
P
Exemplo 15.8 (Duas razes iguais e uma distinta): Considere o sistema descrito pela equacao
diferencial
p
2
(p + 1/)y = 0 , y(0) = 0 , y(0) = 0 , y(0) = 1/
1
=
2
= 0 ,
3
= 1/
y(t) = a
1
+a
2
t +a
3
exp(t/)
a
1
= , a
2
= 1 , a
3
=
P
15.2 Solu cao da equacao nao homogenea
Considere a equa cao diferencial nao homogenea
D(p)y(t) = N(p)x(t) (15.2)
com
m
= 1 e condi coes iniciais conhecidas, que descreve um sistema linear nao autonomo.
A equa cao (15.2) pode ser resolvida pelo metodo dos coecientes a determinar sempre que x(t) for
solucao de uma equa cao diferencial homogenea dada por
D(p)x(t) = 0
O polin omio

D(p) dene os modos do espaco que contem x(t). Portanto, multiplicando a equa cao
(15.2) dos dois lados por

D(p), tem-se a equa cao homogenea
D(p)D(p)y(t) = N(p)

D(p)x(t) = 0
que contem os modos proprios de D(p) e os modos for cados de

D(p).
As condi coes iniciais que permitem a solucao desse sistema aumentado s ao as originais acrescidas de
tantas quanto for o grau de

D(p), obtidas por substituicao sistematica na equa cao (15.2).
Exemplo 15.9 (Primeira ordem com entrada constante): Considere o sistema descrito pela equacao
diferencial
(p + 1/)y = 1/ , y(0) = 0
Neste caso,

D(p) = p, pois a entrada x(t) = (1/) exp(0t) est a no espaco de dimensao um descrito
pelo modo proprio associado à raiz 0, resultando na equacao homogenea (resolvida no Exemplo 15.3)
p(p + 1/)y = 0 , y(0) = 0 , y(0) = 1/
A condi cao y(0) foi obtida da equacao original.
P
Exemplo 15.10 (Primeira ordem com entrada senoidal): Considere o sistema descrito pela equacao
diferencial
(p + 1)y = cos(t) , y(0) = y
0
Neste caso,

D(p) = p
2
+ 1, pois a entrada x(t) = cos(t) est a no espaco de dimensao dois descrito
pelos modos proprios associados às razes j e j, resultando na equacao homogenea (resolvida no
Exemplo 15.5)
(p
2
+ 1)(p + 1) = 0 , y(0) = y
0
, y(0) = 1 y
0
, y(0) = y
0
1
P
Exemplo 15.11 (Primeira ordem com entrada exponencial: ressonancia): Considere o sistema
descrito pela equacao diferencial
(p + 1)y = exp(t) , y(0) = 0
Neste caso,

D(p) = p+1, pois a entrada x(t) = exp(t) est a no espaco de dimensao 1 descrito pelos
modo proprio associado à raiz 1, resultando na equacao homogenea (resolvida no Exemplo 15.6)
(p + 1)
2
y = 0 , y(0) = 0 , y(0) = 1
Observe que a coincidencia do modo proprio da funcao excitadora com o modo proprio do sistema
produz uma solu cao equivalente à obtida para duas razes iguais.
P
Exemplo 15.12: Considere novamente o Exemplo 14.17, cuja equacao diferencial e
(p
2
+ 3p + 2)y = (p + 4)x , y(0) = 2 , y(0) = 1
Com a entrada x(t) = exp(3t), tem-se
D(p) = (p + 3) (p + 1)(p + 2)(p + 3)y = (p + 4)(p + 3)x = 0

com a condi cao inicial
y(0) = 3 y(0) 2y(0) + x(0) + 4x(0) = 6
y(t) = 5.5 exp(t) 4 exp(2t) + 0.5 exp(3t)
Note que o polin omio N(p) = p + 4 s o interfere na condi cao inicial y(0), e tambem que a solu cao
obtida por Laplace no Exemplo 14.17 coincide com y(t) para t > 0,
P
Propriedade 15.10: Solu cao forcada
O metodo dos coecientes a determinar pode ser aplicado diretamente à equa cao diferencial nao
homogenea (15.2). Para isso, identicam-se as parcelas homogenea e for cada (devido à entrada) da
solucao.
y(t) = y
h
(t) +y
f
(t) D(p)
_
y
h
(t) +y
f
(t)
_
= N(p)x(t)
D(p)y
f
(t) = N(p)x(t) (15.3)
pois D(p)y
h
(t) = 0.
As parcelas homogenea e forcada s ao dadas por
y
h
(t) =
m
k=1
a
k
f
k
(t) , y
f
(t) =
m
k=1
b
k
g
k
(t)
sendo f
k
(t) os m modos proprios associados a D() = 0 e g
k
os m modos for cados associados a
D() = 0, considerando-se as possveis multiplicidades com as razes .

Os coecientes b
k
s ao obtidos da equa cao (15.3) e, em seguida, os coecientes a
k
s ao obtidos a partir
das condi coes iniciais aplicadas na solucao y(t).
Exemplo 15.13 (Solucao forcada à entrada senoidal): Considere o sistema descrito pela equacao
diferencial
(p + 1)y = 10 cos(2t) , y(0) = 0
A raiz de D() = 0 e 1 e as razes de

D() = 0 s ao
1
= 2j ,
2
= 2j
e portanto nao ha coincidencia de razes entre D() = 0 e

D() = 0. Assim,
y
f
(t) = b
1
exp(
1
t) +b
2
exp(
2
t)
Substituindo na equacao, tem-se
1
b
1
exp(
1
t) +
2
b
2
exp(
2
t) +b
1
exp(
1
t) +b
2
exp(
2
t) = 5 exp(
1
t) + 5 exp(
2
t)
resultando em
b
1
=
5
1
+ 1
= 1 j2 , b
2
=
5
2
+ 1
= 1 +j2
Assim,
y(t) = a exp(t) + (1 j2) exp(j2t) + (1 +j2) exp(j2t)
Das condi coes iniciais, obtem-se a = 2.
Note que os modos forcados podem ser escritos em termos trigonometricos, ou seja,
y
f
(t) = b
c
cos(2t) +b
s
sen(2t)
Derivando e substituindo na equacao, obtem-se
b
c
= 2 , b
s
= 4
ou, ainda, pela Propriedade 7.22,
y
f
(t) = 10
1
1 +j2
cos
_
2t +
1
1 +j2
_
4.47 cos(2t 1.11)
P
Exemplo 15.14 (Solucao forcada à entrada exponencial): Considere o sistema dado por
(p + 1)y = 10 exp(t) , y(0) = 1
= 1 , = 1
Portanto, a parte forcada e dada por
y
f
(t) = bt exp(t) b = 10
A solu cao e
y(t) = a exp(t) + 10t exp(t) a = 1
P
Exemplo 15.15 (Solucao forcada à entrada polinomial): Considere o sistema descrito pela equacao
(p
2
+ 2
3p + 4)y = 8t , y(0) = 1 , y(0) = 0
1
=
3 +j ,
2
=
3 j ,
1
= 0 ,
2
= 0
Portanto,
y
f
(t) = b
1
+b
2
t b
1
=
3 , b
2
= 2
y(t) = exp(
3t)
_
a
1
cos(t) +a
2
sen(t)
_
3 + 2t a
1
= a
2
= 1 +
3
P
Propriedade 15.11: Resposta ao impulso
D(p)y(t) = N(p)x(t) , x(t) = (t) (condicoes iniciais nulas)
A priori, o metodo dos coecientes a determinar nao poderia ser utilizado para determinar y(t) pois
nao existe equa cao diferencial linear com coecientes constantes que produza como solucao a funcao
(t).
Entretanto, a resposta ao impulso pode ser calculada pelo metodo dos coecientes a determinar da
seguinte forma. Primeiramente, resolva
D(p)f(t) = 1 , (condicoes iniciais nulas)
A resposta ao degrau e dada por N(p)
_
f(t)u(t)
_
, usando o operador p aplicado ao produto (Proprie-
dade 15.5).
Por linearidade, a resposta ao impulso e dada pela derivada da resposta ao degrau, isto e,
h(t) = pN(p)
_
f(t)u(t)
_
Exemplo 15.16 (Resposta ao impulso): Considere

(p + 2)(p 3)y(t) = px(t) , x(t) = (t) , (condi coes iniciais nulas)
(p + 2)(p 3)f(t) = 1 f(t) = b +a
1
exp(2t) +a
2
exp(3t)
b =
1
6
, f(0) =

f(0) = 0 a
1
=
1
10
, a
2
=
1
15
A resposta ao degrau e dada por
y
u
(t) = p
_
f(t)u(t)
_
=
_
pf(t)
_
u(t) +f(t)
_
pu(t)
_
=
_
pf(t)
_
u(t) +f(0)(t) =

f(t)u(t)
y
u
(t) =
_
2a
1
exp(2t) + 3a
2
exp(3t)
_
u(t) =
1
5
_
exp(3t) exp(2t)
_
u(t)
e a resposta ao impulso e dada por h(t) = py
u
(t)
h(t) = p
_

f(t)u(t)
_
=

f(t)u(t) +

f(0)(t) =

f(t)u(t) =
1
5
_
3 exp(3t) + 2 exp(2t)
_
u(t)
Note que as respostas ao degrau e ao impulso poderiam ser obtidas por transformada de Laplace.
A resposta ao impulso e a transformada inversa de H(s), ou seja
H(s) =
s
(s + 2)(s 3)
H(s) =
2/5
s + 2
+
3/5
s 3
, h(t) =
_
2
5
exp(2t) +
3
5
exp(3t)
_
u(t)
P
Exemplo 15.17: a) Determine a resposta ao degrau do sistema
(p + 1)
2
y = x
Solucao: fazendo x = 1 e y(0) = y(0) = 0, tem-se
y = b +a
1
exp(t) +a
2
t exp(t) b = 1
_
0 = b +a
1
0 = a
1
+a
2
a
1
= 1 , a
2
= 1
Portanto, a resposta ao degrau e dada por
y
u
(t) =
_
1 exp(t) t exp(t)
_
u(t)
b) Determine a resposta do sistema para x(t) = 1 e as condi coes iniciais y(0) = 0, y(1) = 0
(p + 1)
2
y = 1
Solucao: denotando y(0) = a, tem-se
y = b +a
1
exp(t) +a
2
t exp(t) b = 1
_
0 = b +a
1
a = a
1
+a
2
a
1
= 1 , a
2
= a 1
Portanto,
y(t) = 1 exp(t) + (a 1)t exp(t)
Com a condi cao de contorno y(1) = 0, tem-se
a = 2 exp(1)
A Figura 15.1 mostra a evolucao temporal das duas solu coes. Observe que, no caso b), a imposicao
de y(1) = 0 alterou de maneira signicativa a derivada no instante t = 0.
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0.2
0
0.2
0.4
0.6
0.8
1
a)
b)
t
Figura 15.1: Respostas temporais do Exemplo 15.17.
P
15.3 Exerccios
Exerccio 15.1: a) Resolva pelo metodo dos coecientes a determinar
(p + 1)
3
y = 0 ; y(0) = 1 , y(0) = 0 , y(0) = 1 ; p =
d
dt
b) Determine a equacao diferencial homogenea, ordinaria, linear, a coecientes constantes e as condi coes iniciais
que produzem a mesma solu cao y(t) que a equacao diferencial nao homogenea abaixo.
(p
2
+ 1)y = 2 cos(t) + 4sen(t) , y(0) = y(0) = 0
15.3. Exerccios 249
Exerccio 15.2: Determine y(t) para o circuito descrito pela equacao
y + 2 y + 5y = 0 , y(0) = 100 , y(0) = 0
Exerccio 15.3: a) Obtenha uma equacao diferencial linear ordinaria homogenea a coecientes constantes e as
correspondentes condi coes iniciais em t = 0, que tem como solu cao: 3t + 1
b) Qual e a equacao diferencial linear ordinaria homogenea a coecientes constantes e as correspondentes
condi coes iniciais em t = 0, que tem a mesma solu cao que
y + 2 y + 5y = 3t + 1 , y(0) = 100 , y(0) = 0
Exerccio 15.4: a) Obtenha a equacao diferencial linear ordinaria homogenea a coecientes constantes e as
condi coes iniciais em t = 0 que que tem t exp(2t) como solu cao.
b) Qual e a equacao diferencial linear ordinaria homogenea a coecientes constantes e as condi coes iniciais em
t = 0 que produzem a mesma solu cao que
y + 2 y + y = t exp(2t) , y(0) = 100 , y(0) = 0
Exerccio 15.5: Determine a resposta ao degrau do sistema
(p
2
+ 4p + 4)y = (3p + 4)x
Exerccio 15.6: Determine a solu cao forcada do sistema
(p
2
+ 4p + 4)y = (3p + 4)x , x(t) = 3 exp(2t)
Exerccio 15.7: Determine a equacao diferencial homogenea (e as condi coes iniciais) que tem a mesma solu cao
que a equacao
(p
2
+ 2p + 1)y = 3 cosh(t) + 2senh(t) , y(0) = y(0) = 0
Exerccio 15.8: Determine a solu cao y(t) das equacoes
y + 2 y +
3
4
y = 0 , y(0) = 100 , y(0) = 0
y + 2 y + y = 0 , y(0) = 100 , y(0) = 0
y + 2 y + y = 100 exp(t) , y(0) = 0 , y(0) = 0
(p
2
+ 1)y = 2 cos(t) + 4sen(t)
(p + 1)(p 3)y = (p 1)x
para: a) x(t) = 3 exp(2t), b) x(t) = 2 exp(3t)
...
y
(0), y(0) e a equacao diferencial linear homogenea ordinaria a coecientes cons-
tantes cuja solu cao e igual à solu cao de
(p 1)(p + 1)y = 5 exp(t) + 3 exp(2t) , y(0) = 1 , y(0) = 2
Exerccio 15.12: Determine as condi coes iniciais y(0) e y(0) que produzem como solu cao da equacao
(p + 3)(p + 2)y = 0
a mesma solu cao y(t) obtida com as condi coes de contorno y(0) = 1, y(1) = 2.
Solucao:
y(0) = 1 , y(0) =
2 3 exp(2) + 2 exp(3)
exp(2) exp(3)
19.8
Exerccio 15.13: Determine a solu cao y(t) da equacao diferencial
(p + 1)
2
y(t) = exp(t) , y(0) = y(0) = 1 , p =
d
dt
Solucao:
y(t) = a
1
exp(t) +a
2
t exp(t) +a
3
t
2
exp(t) , a
1
= 1 , a
2
= 2 , a
3
= 0.5
Exerccio 15.14: Determine a equacao diferencial homogenea, ordinaria, linear, a coecientes constantes e as
condi coes iniciais que produzem como solu cao a funcao y(t) = t
2
+ 2 exp(t) cos(2t)
Solucao:
p
3
(p
2
+ 2p + 5)y = (p
5
+ 2p
4
+ 5p
3
)y = 0 , y(0) = 2, y(0) = 2 , y(0) = 4 , y
(3)
(0) = 22 , y
(4)
(0) = 14
y(t) = 2t 2 exp(t) cos(2t) 4 exp(t)sen(2t) , y(t) = 2 6 exp(t) cos(2t) + 8 exp(t)sen(2t)
y
(3)
(t) = 22 exp(t) cos(2t) + 4 exp(t)sen(2t) , y
(4)
(t) = 14 exp(t) cos(2t) 48 exp(t)sen(2t)
Exerccio 15.15: Determine a entrada x(t) da equacao diferencial (p
2
+4p+8)y = x, com as condi coes iniciais
y(0) = y(0) = 0, que produz como solu cao
y(t) = 0.5 exp(2t) cos(2t) 1.5 exp(2t)sen(2t) + 0.5 cos(2t) + sen(2t)
Solucao:
x(t) = 10 cos(2t)
Captulo 16
Resposta em Freq uencia
Sistemas contnuos relacionam entradas e sadas que s ao funcoes contnuas no tempo e, se satisfazem
o princpio da superposicao, s ao sistemas lineares.
Nota cao: y(t) = G{x(t)}, sendo x(t) a entrada e y(t) a sada.
Um sistema linear invariante no tempo, isto e,
G{x(t a)} = y(t a)
satisfaz o teorema da convolucao
y(t) = G{x(t)} = h(t) x(t) , h(t) = G{(t)}
e possui como auto-funcao a entrada
x(t) = exp(st) y(t) = H(s) exp(st)
sendo H(s) a transformada bilateral de Laplace da funcao h(t), dada por
H(s) =
_
+
h() exp(s)d = L{h(t)}

O domnio
h
e o conjunto dos valores de s complexos para os quais a integral e nita.
A funcao H(s) e tambem denominada funcao de transferencia do sistema, pois estabelece uma rela cao
entre a transformada de Laplace da entrada e a da sada
Y (s) = H(s)X(s)
Para H(s) racional, as razes do denominador de H(s) s ao denominadas polos e as razes do numerador
s ao denominadas zeros.
O computo de H(s) para s = j denomina-se resposta em freq uencia do sistema, escrita na forma
H(j) = M() exp(j())
sendo M() o m odulo e () a fase de H(j)
Exemplo 16.1 (Circuito RC): Considere o circuito RC descrito na Figura 16.1.
A entrada e a fonte de tensao x(t) e a sada y(t) e a tensao no capacitor. O circuito e descrito pela
equacao
y +
1
y =
1
x ; = RC
ou, usando o operador p =
d
dt
,
251
252 Captulo 16. Resposta em Freq uencia
x(t)
R
+
+
C
y(t)
Figura 16.1: Circuito RC do Exemplo 16.1.
_
p +
1
_
y =
1
x
H(s) =
1
s + 1
=
1/
s + 1/
Note que esta funcao de transferencia e a transformada de Laplace de
h(t) =
1
exp(t/)u(t)
A resposta em freq uencia e obtida fazendo-se s = j, resultando em
H(j) =
1
1 +j
= M() exp(j())
M() =
1
_
1 + ()
2
; () = arctan()
As guras 16.2 e 16.3 mostram respectivamente o modulo e a fase da resposta em freq uencia para
RC = 1.
0 1 2 3 4 5 6 7 8 9 10
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
M
(
)
Figura 16.2: M odulo da resposta em freq uencia do circuito RC do Exemplo 16.1 com RC = 1.
Note que trata-se de um ltro passa-baixas, com a fase variando de 0 a 90 graus quando a
freq uencia varia de zero a innito e (1/) = 45 graus. O ltro RC possui um polo em s = 1/.
O modulo varia de 1 (freq uencia = 0) a 0 (para freq uencia +), passando por
2/2 na
freq uencia 1/.
P
16.1. Diagramas assintoticos de Bode 253
0 1 2 3 4 5 6 7 8 9 10
90
80
70
60
50
40
30
20
10
0
)
Figura 16.3: Fase da resposta em freq uencia do circuito RC do Exemplo 16.1 com RC = 1.
16.1 Diagramas assintoticos de Bode
Utilizando uma escala logartmica para a freq uencia , os gr acos de m odulo (em logaritmo) e fase
(em graus ou radianos) da resposta em freq uencia de um sistema linear podem ser desenhados de
maneira aproximada por retas (assntotas).
Denicao 16.1: Decibeis (dB)
M
dB
() = 20 log M()
sendo log o logaritmo na base 10.
A denicao de dB (decibeis) e, classicamente, 10 vezes o logaritmo da rela cao. O fator 20 e devido à

interpretacao de que a potencia e proporcional ao quadrado da tens ao.
As assntotas s ao denidas para baixa freq uencia e para alta freq uencia. A freq uencia na qual ocorre
o encontro das assntotas e denominada freq uencia de corte
c
.
Exemplo 16.2 (P olo real negativo): Considere, com
c
> 0, a funcao de transferencia
H(s) =

c
s +
c
H(j) =
1
1 +j/
c
, M() = (1 + (/
c
)
2
)
0.5
M
dB
() = 20 log M() = 10 log
_
1 + (/
c
)
2
_
Note que no Exemplo 17.4 (circuito RC), tem-se
c
= 1/.
As assntotas s ao denidas para
c
(baixa freq uencia) e para
c
(alta freq uencia).
No exemplo, tem-se M
dB
0 para baixas freq uencias e M
dB
20 log + 20 log
c
para altas
freq uencias, correspondendo a uma queda de 20 dB por decada (aproximadamente 6 dB por oitava
1
).
O encontro das assntotas ocorre em
c
(freq uencia de corte). Na freq uencia de corte tem-se
M
dB
= 10 log 2 3 dB.
A fase () e dada por
1
O termo oitava, que corresponde ao dobro da freq uencia, deriva do fato de que, nos pianos, a cada oito teclas dobra-se
a freq uencia.
() = arctan(/
c
)
que vai de 0 a 90 graus, com (
c
) = 45 graus. As assntotas s ao 0 para freq uencias abaixo de
uma decada da freq uencia de corte
c
, 90 graus para freq uencias acima de uma decada de
c
e a
reta unindo as duas assntotas em 0.1
c
e 10
c
.
As guras 16.4 e 16.5 mostram os diagramas de Bode do sistema para
c
= 1.
10
2
10
1
10
0
10
1
10
2
60
50
40
30
20
10
0
10
20
M
d
B
(
)
Figura 16.4: M odulo (em dB) da resposta em freq uencia (escala logartmica) do Exemplo 16.2 com
c
= 1.
10
2
10
1
10
0
10
1
10
2
120
100
80
60
40
20
0
20
40
)
Figura 16.5: Fase da resposta em freq uencia (escala logartmica) do Exemplo 16.2 com
c
= 1.
Medidas experimentais da resposta em freq uencia permitem obter a freq uencia de corte e com isso
identicar um modelo de primeira ordem para o sistema.
P
Propriedade 16.1:
Considere
H(s) = H
1
(s)H
2
(s) H(j) = M
1
()M
2
() exp
_
j
1
() +j
2
()
_
Entao,
M
dB
() = M
1dB
() +M
2dB
() ; () =
1
() +
2
()
pois o m odulo do produto e o produto dos m odulos (soma em logaritmo) e o produto de exponenciais
e a exponencial da soma dos argumentos.

Exemplo 16.3 (Ganho constante positivo): Considere H(s) = k > 0 constante real.
Portanto,
M
dB
() = 20 log k ; () = 0
P
Exemplo 16.4 (Ganho constante negativo): Considere H(s) = k, k > 0 constante.
Portanto,
H(s) = k exp(j) M
dB
() = 20 log k ; () = 180 graus
P
Exemplo 16.5 (Zero na origem): Considere, para k > 0,
H(s) = ks
Portanto,
M
dB
() = 20 log + 20 log k ; () = 90 graus
Observe que M
dB
() e uma reta que cruza o ponto 0 dB em = 1/k.
P
Exemplo 16.6 (P olo na origem): Considere, para k > 0,
H(s) =
k
s
Portanto,
M
dB
() = 20 log + 20 log k ; () = 90 graus
Observe que M
dB
() e uma reta que cruza o ponto 0 dB em = k.
P
Exemplo 16.7 (Zero de ordem m na origem): Considere H(s) = s
m
, com m Z
+
.
Portanto,
M
dB
() = 20mlog ; () = m90 graus
P
Exemplo 16.8 (P olo de ordem m na origem): Considere H(s) =
1
s
m
, com m Z
+
.
Portanto,
M
dB
() = 20mlog ; () = m90 graus
P
Exemplo 16.9 (Zero real negativo): Considere, com
c
H(s) =
s
c
+ 1
Portanto,
M() =
_
1 + (/
c
)
2
; () = arctan(/
c
) graus
As assntotas do modulo s ao M
dB
dB
20 log 20 log
c
para
altas freq uencias. Na freq uencia de corte
c
, tem-se M
dB
= 10 log 2 3 dB.
As assntotas da fase s ao 0 para freq uencias abaixo de uma decada da freq uencia de corte
c
, 90
graus para freq uencias acima de uma decada de
c
e a reta unindo as duas assntotas em 0.1
c
e
10
c
.
P
Exemplo 16.10 (Zero real positivo): Considere, com
c
H(s) =
s
c
1
M() =
_
1 + (/
c
)
2
; () = 180 arctan(/
c
) graus
As assntotas do modulo s ao M
dB
dB
20 log 20 log
c
para
altas freq uencias. Na freq uencia de corte
c
, tem-se M
dB
= 10 log 2 3 dB.
As assntotas da fase s ao 180 para freq uencias abaixo de uma decada da freq uencia de corte
c
, 90
graus para freq uencias acima de uma decada de
c
e a reta de inclinacao negativa unindo as duas
assntotas em 0.1
c
e 10
c
.
P
Observe que a resposta em freq uencia do sistema com zero real positivo disting ue-se da resposta do
sistema com zero real negativo apenas pela fase.
Denicao 16.2: Sistemas de fase mnima
Sao sistemas que possuem polos e zeros com parte real negativa. O termo de fase mnima vem do
fato de que, por exemplo, s +1 e s 1 possuem o mesmo diagrama de m odulo, porem o diagrama de
fase mais proximo de 0 grau e o do zero com parte real negativa.
O sistema do Exemplo 16.10 e de fase nao mnima.

Exemplo 16.11: Considere a funcao de transferencia
H(s) =
N(s)
D(s)
=
k=0
k
s
k
m
k=0
k
s
k
com
m
= 1,
0
= 0 e m > .
A assntota de baixa freq uencia (s = j, 0), e
M
dB
20 log

0
0
e a assntota de alta freq uencia ( +) e
M
dB
20 log
(m)
= 20(m) log + 20 log
Portanto, a freq uencia de corte e dada por
(m)
c
=

0
0

c
=
_
0
_
1/(m)
No exemplo do circuito RC, tem-se m = 1, = 0,
0
=
= 1/ e
0
= 1/, resultando em
c
= 1/.
As assntotas de fase de baixas e altas freq uencias s ao, respectivamente,
() 0 ; () (m)90 graus
Entre 0.1
c
e 10
c
, as assntotas s ao unidas por uma reta.
P
Exemplo 16.12 (Circuito RC em cascata): Considere o circuito da Figura 16.6, com
1
= R
1
C
1
=
1 e
2
= R
2
C
2
= 0.01.
N
I
x(t)
R
1
R
2
+
+
C
1
C
2
y(t)
Figura 16.6: Circuito RC em cascata do Exemplo 16.12.
H(s) =
Y (s)
X(s)
= H
1
(s)H
2
(s) =
_
1/
1
s + 1/
1
__
1/
2
s + 1/
2
_
=
100
s
2
+ 101s + 100
e, portanto, = 0,
0
=
= 100, m = 2 e
0
= 100, resultando em
c
= 10.
As assntotas de baixas e altas freq uencias s ao, respectivamente,
M
dB
0 ; M
dB
20 log
100
2
= 40 log + 40
A aproximacao por assntotas pode ser melhorada considerando H(s) = H
1
(s)H
2
(s) com
H(s) =
100
s
2
+ 101s + 100
=
_
1
s + 1
__
100
s + 100
_
e somando as assntotas. A Figura 16.7 mostra as assntotas do modulo dos dois sistemas de primeira
ordem, a soma, as assntotas do sistema de segunda ordem e M() (em dB) versus [10
2
, 10
4
]
(em escala logartmica).
10
2
10
1
10
0
10
1
10
2
10
3
10
4
120
100
80
60
40
20
0
20
M
d
B
(
)
Figura 16.7: M odulo da resposta em freq uencia do circuito do Exemplo 16.12.
A primeira aproximacao para a fase e dada pelas assntotas
() 0 ; () 180 graus
ligadas de 0.1
c
= 1 a 10
c
= 100 por uma reta.
Considerando dois sistemas de primeira ordem em cascata, tem-se as assntotas
1
() 0 ;
1
() 90 graus
ligadas de 0.1 a 10 por uma reta somadas com
2
() 0 ;
2
() 90 graus
ligadas de 10 a 1000 por uma reta. As aproximacoes e o computo feito usando Matlab para a fase
s ao mostrados na Figura 16.8.
P
Sistemas lineares com polos e zeros reais podem ser tratados como um conjunto de sistemas de primeira
ordem em cascata.
Exemplo 16.13 (Circuito passa-alta): Considere o circuito RC do Exemplo 17.4 com a sada y(t)
igual à tensao no resistor, cuja equacao diferencial e
(p + 1)y(t) = px(t) H(s) = s
1/
s + 1/
As assntotas de modulo s ao mostradas na Figura 16.9 e as de fase na Figura 16.10 para = 0.1.
P
10
2
10
1
10
0
10
1
10
2
10
3
10
4
200
180
160
140
120
100
80
60
40
20
0
20
)
Figura 16.8: Fase da resposta em freq uencia do circuito do Exemplo 16.12.
10
1
10
0
10
1
10
2
10
3
50
40
30
20
10
0
10
M
d
B
(
)
Figura 16.9: M odulo da resposta em freq uencia do circuito RC passa-alta do Exemplo 16.13.
10
1
10
0
10
1
10
2
10
3
100
80
60
40
20
0
20
40
60
80
100
)
Figura 16.10: Fase da resposta em freq uencia do circuito RC passa-alta do Exemplo 16.13.
Exemplo 16.14 (P olos e zeros reais): Considere o sistema descrito pela funcao de transferencia
H(s) =
10(s + 100)
(s + 1)(s + 1000)
=
_
1
s + 1
__
s
100
+ 1
__
1
s/1000 + 1
_
As assntotas do modulo e M() s ao mostrados na Figura 16.11, e as assntotas da fase e () na
Figura 16.12.
10
2
10
1
10
0
10
1
10
2
10
3
10
4
10
5
100
80
60
40
20
0
20
40
M
d
B
(
)
Figura 16.11: M odulo da resposta em freq uencia do Exemplo 16.14.
10
2
10
1
10
0
10
1
10
2
10
3
10
4
10
5
100
80
60
40
20
0
20
40
60
80
100
)
Figura 16.12: Fase da resposta em freq uencia do Exemplo 16.14.
P
Em sistemas lineares, polos e zeros complexos aparecem sempre em pares conjugados, justicando o
tratamento de m odulos de sistemas de segunda ordem com razes complexas conjugadas.
Exemplo 16.15 (P olos complexos: sistemas de segunda ordem subamortecidos): Considere a
funcao de transferencia de segunda ordem com razes complexas
1
e
2
=
1
dada por
H(s) =

1
2
(s
1
)(s
2
)
=

2
n
s
2
+ 2
n
s +
2
n
, 0 < 1
com
2
n
=
1
2
; 2
n
= (
1
+
2
)
As assntotas de modulo de baixas e altas freq uencias s ao, respectivamente,
M
dB
() 0 ; M
dB
() 40 log + 40 log
n
e, portanto, a freq uencia de corte e
c
=
n
.
As assntotas de fase de baixas e altas freq uencias s ao, respectivamente,
() 0 ; () 180 graus
As guras 16.13 e 16.14 mostram o diagrama de Bode para = 0.1 e = 0.9.
10
1
10
0
10
1
40
30
20
10
0
10
20
= 0.1
= 0.9
/
n
M
d
B
(
)
Figura 16.13: M odulo da resposta em freq uencia do Exemplo 16.15 para = 0.1 e = 0.9.
10
1
10
0
10
1
200
180
160
140
120
100
80
60
40
20
0
20
= 0.1
= 0.9
/
n
)
Figura 16.14: Fase da resposta em freq uencia do Exemplo 16.15 para = 0.1 e = 0.9.
Note que a inuencia do e determinante na transi cao de uma assntota à outra. As razes,
computadas em funcao de e
n
, s ao dadas por
2
=
1
=
n
+j
n
_
1
2
As razes s ao complexas conjugadas com parte real negativa para 0 < < 1. Para 1, as
assntotas de fase poderiam ser unidas por uma reta passando pelos pontos 0.1
n
e 10
n
. A
aproximacao mais utilizada considera a transi cao abrupta de 0 a 180 graus na freq uencia de corte
c
=
n
. Note que, para =
n
, a fase e igual a 90 graus.
A ocorrencia ou nao do pico de M() depende do par ametro .
H(j) =

2
n
2
n
2
+j2
n
M
2
() =

4
n
(
2
n
2
)
2
+ 4
2
2
n
2
O maximo de M() ocorre na freq uencia
r
na qual o denominador passa por um mnimo. Deri-
vando e igualando a zero, tem-se
r
=
n
_
1 2
2
; M(
r
) =
1
2
_
1
2
Note que o pico no diagrama de modulo existe apenas para < 1/
2 0.707. Para valores de

tendendo a zero, M(
r
) tende a innito. Note tambem no entanto que, no domnio do tempo,
a resposta ao degrau apresenta sobresinal para valores de entre 0 e 1, pois o sobresinal est a
associado às razes complexas.
Por meio de medidas experimentais de resposta em freq uencia e possvel determinar os valores de
r
e M(
r
) e com isso identicar os par ametros e
n
do sistema de segunda ordem. Observe
ainda que, neste caso, M(0) = 1 (0 dB).
P
Exemplo 16.16 (Medidas experimentais): Considere as medidas experimentais da resposta em
freq uencia de um sistema suposto de segunda ordem, mostradas nas guras 16.15 e 16.16.
10
0
10
1
10
2
40
30
20
10
0
10
20
M
d
B
(
)
10
0
10
1
10
2
180
160
140
120
100
80
60
40
20
0
)
Por inspecao do modulo, observa-se que o sistema e subamortecido. Observe tambem que a assntota
de alta freq uencia diminui 40 dB por decada, conrmando as caractersticas de um sistema de
segunda ordem com um par de polos complexos conjugados e nenhum zero. Essa caracterstica e
conrmada pela resposta de fase, que vai de 0 a 180 graus.
Do diagrama de modulo, obtem-se o ganho DC (ganho para baixas freq uencias) de 6 dB (aproxi-
madamente igual a 2). O pico atinge 12 dB, implicando em um ganho de 6 dB em rela cao ao ganho
DC, isto e, duas vezes o ganho DC.
Da equacao
M(
r
) =
1
2
_
1
2
obtem-se 0.26.
Do diagrama de fase, obtem-se o valor
n
= 8, freq uencia na qual a fase e 90 graus.
A funcao de transferencia do sistema e dada por
H(s) = 2
64
s
2
+ 4.16s + 64
P
H(s) =
s
2
+ 10s + 100
(s + 1)(s + 100)
=
s
2
+ 2
n
s +
2
n
(s + 1)(s + 100)
, = 0.5,
n
= 10
10
2
10
1
10
0
10
1
10
2
10
3
10
4
40
30
20
10
0
10
20
30
40
M
d
B
(
)
P
Exemplo 16.18 (Compensador avanco ou lead): Considere o diagrama assint otico de modulo de
um sistema de fase mnima mostrado na Figura 16.19.
A funcao de transferencia H(s) pode ser obtida notando-se que o sistema possui ganho DC igual a
20 dB (0.1), um zero em = 1 e um polo em = 10, resultando em
H(s) =
s + 1
s + 10
=
1
10
_
s + 1
1
__
10
s + 10
_
O diagrama assint otico de fase e mostrado na Figura 16.20. Esse sistema, denominado compensador
avanco, e utilizado em cascata com uma planta para aumentar a fase do conjunto em uma faixa de
freq uencia.
P
10
2
10
1
10
0
10
1
10
2
10
3
10
4
200
150
100
50
0
50
100
150
200
)
10
2
10
1
10
0
10
1
10
2
10
3
30
25
20
15
10
5
0
5
10
M
(
)
Figura 16.19: Diagrama de m odulo do Exemplo 16.18 (compensador avan co).
10
2
10
1
10
0
10
1
10
2
10
3
100
80
60
40
20
0
20
40
60
80
100
)
Figura 16.20: Diagrama de fase do Exemplo 16.18 (compensador avan co).
Exemplo 16.19 (Compensador atraso ou lag): Considere o diagrama assint otico de fase de um
sistema mostrado na Figura 16.21, cujo ganho DC e 0 dB (1).
O diagrama de modulo pode ser obtido notando-se que o sistema possui um polo em = 1 e um
zero em = 10, resultando em
10
2
10
1
10
0
10
1
10
2
10
3
100
80
60
40
20
0
20
40
60
80
100
)
Figura 16.21: Diagrama de fase do Exemplo 16.19 (compensador atraso).
H(s) = 0.1
s + 10
s + 1
=
_
1
s + 1
__
s + 10
10
_
O diagrama assint otico de modulo e mostrado na Figura 16.22. Esse sistema, denominado com-
pensador atraso, e utilizado em cascata com uma planta para diminuir a fase do conjunto em uma
faixa de freq uencia.
10
2
10
1
10
0
10
1
10
2
10
3
30
25
20
15
10
5
0
5
10
M
(
)
Figura 16.22: Diagrama de m odulo do Exemplo 16.19 (compensador atraso).
P
Exemplo 16.20 (Relacao sinal-rudo): A rela cao sinal-rudo e denida como
_
S
N
_
dB
= 20 log |a/b|
sendo a a amplitude do sinal e b a amplitude do rudo.
Aplicando o sinal x(t) = 100sen(t) contaminado pelo rudo aditivo w(t) = sen(10t) aos sistemas dos
exemplos 16.18 e 16.19, as rela coes sinal-rudo nas sadas dos sistemas (baseadas nas assntotas)
s ao 20 dB e 60 dB, respectivamente.
P
16.2 Gracos polares
A resposta em freq uencia H(j) de sistemas lineares pode ser representada no plano complexo por
coordenadas polares, isto e, m odulo e fase parametrizados na freq uencia .

Angulos positivos s ao
representados no sentido anti-horario.
Freq uentemente, e mais conveniente determinar as expressoes da parte real e da parte imaginaria da
funcao de transferencia para obter o lugar geometrico (gr aco polar) no plano complexo.
Gr acos polares do sistema em malha aberta podem ser utilizados para estudar a estabilidade do
sistema em malha fechada (criterio de Nyquist
2
).
Exemplo 16.21 (Zero na origem): Para k > 0, tem-se
H(s) = ks
s=j
= k exp(j/2)
que e o eixo imagin ario positivo, isto e, para = 0 o modulo e zero, e para + o modulo
tende para innito, sempre com fase igual a +90 graus.
P
Exemplo 16.22 (P olo na origem): Para k > 0, tem-se
H(s) =
k
s
s=j
=
k
exp(j/2)
que e o eixo imagin ario negativo, isto e, para 0 o modulo tende a innito, e para + o
modulo tende a zero, sempre com fase igual a 90 graus.
P
Propriedade 16.2:
Para sistemas lineares invariantes no tempo com resposta ao impulso real, o lugar geometrico do
diagrama polar de H(s), s = j, (, +) e simetrico em rela cao ao eixo real, isto e,
H(j) = H(j)
= M() exp
_
j()
_
A Figura 16.23 mostra os lugares geometricos do zero e do polo na origem para (, +).
Im Im
Re Re
0
0
0
0
Figura 16.23: Gr aco polar para zero e polo na origem.
2
Harry Nyquist, engenheiro sueco naturalizado americano (1889-1976).
16.2. Gr acos polares 267
Exemplo 16.23 (Zero real negativo):
H(s) = 1 +
s
s=j
= 1 +j

c
O lugar geometrico e uma reta de inclinacao igual a 90 graus partindo do ponto 1 +j0.
P
Exemplo 16.24 (P olo real negativo):
H(s) =

c
s +
c
s=j
=
1
1 +j/
c
= M() exp
_
j()
_
Para = 0, o modulo vale 1 e a fase 0. Para +, o modulo tende a 0 e a fase a 90 graus.
Em =
c
, tem-se
1
1 +j
=
1
2
exp(j/4) =
1
2
j
1
2
O lugar geometrico e uma semi-circunferencia de raio igual a 1/2, pois
(X()
1
2
)
2
+Y ()
2
= (
1
2
)
2
com
X() = Re
_
H(j)
_
=
1
1 + (/
c
)
2
, Y () = Im
_
H(j)
_
=
/
c
1 + (/
c
)
2
come cando em 1 + j0 e terminando na origem, quando [0, +). De maneira complementar,
para de ate zero, tem-se uma semi-circunferencia positiva de raio 1/2 indo de zero ate o
ponto 1 +j0.
Assim, para k > 0, o gr aco polar de
H(s) = k

c
s +
c
e uma circunferencia de raio k/2 centrada em k/2 +j0.
P
Exemplo 16.25 (P olos complexos): Considerando 0 < < 1 (polos complexos), tem-se
H(s) =

2
n
s
2
+ 2
n
s +
2
n
H(j0) = 1 , H(+j) = 0 , H(j
n
) =
1
j2
=
1
2
/2
A Figura 16.24 mostra o gr aco polar do Exemplo 16.25 para = 0.1 e = 0.9. Observe que o
cruzamento com o eixo imagin ario ocorre em 1/(2). Para sistemas subamortecidos <
2/2, o
maior valor de M() ocorre em
r
(veja Exemplo 16.15), com
r
=
n
_
1 2
2
; M(
r
) =
1
2
_
1
2
=0.1
5
P
3 2 1 0 1 2 3
6
4
2
0
2
4
6
Re
I
m
= 0.1
= 0.9
Figura 16.24: Gr aco polar do Exemplo 16.25 para = 0.1 e = 0.9.
Exemplo 16.26: Considere o sistema do tipo 1, isto e, um polo em 0
H(s) =
a
s(s +a)
, a > 0 H(j) =
a
a
2
+
2
j
a
2
(a
2
+
2
)
Fazendo a analise para 0, tem-se
a H(j)
1
a
j
1
que dene uma assntota paralela ao eixo imagin ario cruzando o eixo real em 1/a.
Para +, H(j) 0.
No ponto = a, tem-se
H(ja) =
1
2a
j
1
2a
=
2
2a
135 graus
O diagrama polar poderia ser obtido a partir do diagrama de Bode, fazendo-se primeiro o diagrama
de fase e depois calculando os modulos para valores relevantes de fase.
No exemplo, H(s) possui um polo em 0 e um polo em a, indicando que a fase parte de 90 graus
e vai ate 180 graus, passando em 135 graus na freq uencia = a. Os modulos correspondentes
s ao +, 0 e
2/2a. A Figura 16.25 mostra o diagrama polar para a = 1/2.

P
H(s) = k
_
a
s +a
__
b
s +b
__
c
s +c
_
, k, a, b, c positivos
O diagrama polar come ca (para = 0) no ponto (k, 0) e termina na origem, com fase 270 graus.
A Figura 16.26 mostra o diagrama polar para k = 1, a = 1, b = 2 e c = 3. Observe que o ganho e
aproximadamente 0.1 na fase 180 graus e 0.6 na fase 90 graus.
P
16.2. Gr acos polares 269
4 3 2 1 0 1 2
5
4
3
2
1
0
1
2
3
4
5
Re
I
m
+
0
Figura 16.25: Gr aco polar do Exemplo 16.26 para a = 1/2.
0.5 0 0.5 1 1.5
1
0.8
0.6
0.4
0.2
0
0.2
0.4
0.6
0.8
1
Re
I
m
Figura 16.26: Gr aco polar do Exemplo 16.27 para k = 1, a = 1, b = 2 e c = 3.
Exemplo 16.28 (P olo real positivo): O estudo da resposta em freq uencia por diagramas de Bode
(m odulo e fase) aplica-se a sistemas lineares est aveis, isto e, funcoes de transferencia com polos
com parte real negativa. No entanto, para o estudo da estabilidade de sistemas realimentados, as
vezes e necessario tracar diagramas polares de sistemas com polos instaveis (parte real positiva).
Considere o sistema cuja funcao de transferencia e dada por
H(s) =

c
s
c
,
c
> 0
Para s = j, o modulo e identico ao do sistema do Exemplo 16.2 (polo com parte real negativa),
porem a fase vai de 180 (baixa freq uencia,
c
) a 90 graus (alta freq uencia,
c
),
passando por 135 graus em =
c
.
Note que
X() = Re
_
H(j)
_
=
1
1 + (/
c
)
2
, Y () = Im
_
H(j)
_
=
/
c
1 + (/
c
)
2
e, portanto (veja o Exemplo 16.24) o gr aco polar e uma semi-circunferencia de raio 0.5 come cando
em 1+j0 e terminando na origem quando [0, +), com a correspondente parte complementar
quando (, 0].
P
16.3 Exerccios
Exerccio 16.1: Qual e a rela cao em dB das amplitudes de dois sinais senoidais de alta freq uencia (isto e,
freq uencia muito maior do que a freq uencia de corte) na sada de um ltro de primeira ordem se suas amplitudes
na entrada s ao iguais e a freq uencia do primeiro e o dobro da freq uencia do segundo.
Exerccio 16.2: a) Determine o modulo (em dB) e a fase (em graus) da funcao de transferencia em malha
fechada para s = j10
X(s)
Y (s)
1
s + 100
1
s
2
+
b) Esboce o diagrama de Bode (m odulo e fase) da funcao de transferencia em malha fechada do sistema.
Exerccio 16.3: a) Esboce o modulo (diagrama de Bode em escala logartmica) do sistema linear invariante no
tempo descrito pela funcao de transferencia racional, com polos p
1
= 5 +j5
3 e p
2
= 5 j5
3, zero z
1
= 1
e ganho DC (isto e, ganho na freq uencia = 0) igual a 20 dB.
b) Esboce a fase (diagrama de Bode em graus) do sistema.
Exerccio 16.4: Esboce as assntotas de fase para o sistema de fase mnima cuja resposta em freq uencia em
modulo e dada abaixo.
10
1
10
0
10
1
10
2
10
3
10
4
10
5
0
10
20
30
40
50
60
M
d
B
Exerccio 16.5: Determine a funcao de transferencia racional cujo ganho DC e 20 dB e a resposta de fase e
dada abaixo.
10
2
10
1
10
0
10
1
10
2
10
3
10
4
10
5
100
80
60
40
20
0
20
40
60
)
Exerccio 16.6: a) Esboce os diagramas assint oticos de Bode (m odulo e fase) do sistema
H(s) =
s
2
+ 0.2s + 1
(s + 1)(s + 10)
b) Determine a sada y do sistema para a entrada x = cos(20t)
Exerccio 16.7: Esboce os diagramas assint oticos de Bode (m odulo e fase) do sistema
H(s) =
(s + 1)
2
s(s + 10)(s + 100)
16.3. Exerccios 271
Solucao:
10
1
10
0
10
1
10
2
10
3
10
4
80
70
60
50
40
30
20
10
0
10
20
M
d
B
10
1
10
0
10
1
10
2
10
3
10
4
180
135
90
45
0
45
90
135
180
)
(
g
r
a
u
s
)
Exerccio 16.8: Esboce os diagramas assint oticos de Bode (m odulo e fase) do sistema
H(s) =
(s 1)(s + 100)
(s + 10)(s + 1000)
Exerccio 16.9: a) Esboce os diagramas assint oticos de Bode (m odulo e fase) do sistema G(s) = C(s)H(s)
com
C(s) =
1 +s
1 + 0.01s
e H(s) descrito pelos diagramas abaixo
10
1
10
0
10
1
10
2
10
3
120
100
80
60
40
20
0
20
40
60
M
d
B
10
1
10
0
10
1
10
2
10
3
180
135
90
45
0
45
90
135
180
)
b) Determine a sada y(t) do sistema abaixo, para a entrada x(t) = cos(10t)
X(s)
Y (s)
1
H(s) C(s)
+
Exerccio 16.10: a) Esboce os diagramas assint oticos de Bode (m odulo e fase) para
H(s) =
s + 10
s(s + 100)
b) Usando os diagramas assint oticos de Bode, determine a sada y(t) do sistema para a entrada
x(t) = 100sen(30t) + 10
4
cos(10
3
t)
Exerccio 16.11: a) Determine a defasagem da sada y(t) do sistema linear invariante no tempo de fase mnima,
cujo diagrama de fase e dado abaixo, para a entrada x(t) = cos(3.77 10
3
t)
10
1
10
0
10
1
10
2
10
3
10
4
10
5
10
6
90
45
0
)
(
g
r
a
u
s
)
b) Sabendo que o ganho DC do sistema e igual a 10 dB, determine a funcao de transferencia H(s)
Solucao:
45 graus , H(s) = 20 10
0.5
(s + 1000)
(s + 2)(s + 10000)
Exerccio 16.12: a) Sabendo que o valor DC e 40 dB, esboce as assntotas de modulo (em decibeis) do
sistema linear invariante no tempo cujo diagrama assint otico de fase (em graus) e mostrado abaixo.
16.3. Exerccios 273
10
1
10
0
10
1
10
2
10
3
10
4
10
5
10
6
45
0
45
90
135
180
)
g
r
a
u
s
Solucao:
10
1
10
0
10
1
10
2
10
3
10
4
10
5
10
6
80
60
40
20
0
20
40
60
80
M
d
B
b) A partir do diagrama de modulo, determine a rela cao sinal-rudo (S/N)
dB
na sada do sistema para a entrada
x(t) = 100 cos(3t)
. .
sinal
+sen(10
5
t)
. .
rudo
Solucao: 60 dB
Exerccio 16.13: Esboce as assntotas de fase do sistema linear invariante no tempo (polos e zeros com parte
real negativa ou igual a zero) cujo diagrama assint otico de modulo (em decibeis) e mostrado abaixo.
10
3
10
2
10
1
10
0
10
1
10
2
10
3
10
4
60
50
40
30
20
10
0
10
20
30
40
M
d
B
Solucao:
10
3
10
2
10
1
10
0
10
1
10
2
10
3
10
4
180
135
90
0
45
45
90
135
180
)
g
r
a
u
s
Exerccio 16.14: Esboce os diagramas assint oticos de Bode (m odulo e fase) do sistema linear invariante no
tempo descrito pela funcao de transferencia
H(s) =
100(10s 1)
s(s + 10)(s + 100)
Solucao:
10
3
10
2
10
1
10
0
10
1
10
2
10
3
10
4
80
60
40
20
0
20
40
M
d
B
10
3
10
2
10
1
10
0
10
1
10
2
10
3
10
4
180
45
180
135
90
0
45
90
135
)
(
g
r
a
u
s
)
Captulo 17
Variaveis de Estado
Sistemas din amicos podem ser descritos por rela coes de entrada-sada ou por variaveis internas deno-
minadas variaveis de estado.
Denicao 17.1: Representacao can onica por variaveis de estado
Sistemas contnuos no tempo com uma entrada escalar x(t) e uma sada escalar y(t) s ao chamados de
sistemas SISO (single-input single-output). Podem ser descritos por sistemas de equa coes de primeira
ordem nas variaveis de estado. Assim,
v(t) = f(v(t), x(t), t) , y(t) = g(v(t), x(t), t) , t R (17.1)
sendo v(t) R
m
o vetor de variaveis de estado.
As trajet orias v(t), solucoes da equa cao (17.1), s ao univocamente determinadas a partir da condi cao
inicial v(0) e da entrada x(t).
Exemplo 17.1 (Lorenz

1
): Em 1963, Lorenz publicou o artigo Deterministic nonperiodic ow,
no Journal of the Atmospheric Sciences, mostrando que equacoes simples podem apresentar com-
portamentos imprevisveis, denominados posteriormente
2
de caoticos.
v
1
= (v
2
v
1
)
v
2
= v
1
v
2
v
1
v
3
v
3
= v
1
v
2
v
3
As equacoes representam comportamentos atmosfericos, sendo v
1
ligado à velocidade das correntes
de ar e v
2
, v
3
associados às temperaturas. As constantes positivas s ao o n umero de Rayleigh
3
, o
n umero de Prandtl
4
e uma raz ao [40].
P
Denicao 17.2: Pontos de equilbrio
Os vetores v solucao do sistema de equa coes invariante no tempo
f( v, x) = 0
para x(t) = x constante s ao denominados pontos de equilbrio.
1
Edward N. Lorenz, meteorologista do MIT (Massachusetts Institute of Technology).
2
Um exemplo de sistema linear de segunda ordem com rele que apresenta comportamento caotico pode ser encontrado
em [28].
3
John William Strutt, Lord Rayleigh, fsico ingles (18421919).
4
Ludwig Prandtl, engenheiro mecanico alem ao (18751953).
275
276 Captulo 17. Variaveis de Estado
Sistemas lineares invariantes no tempo podem ser representados por equa coes matriciais em termos
das variaveis de estado, das entradas e sadas
v = Av +Bx (17.2)
y = Cv +Dx (17.3)
sendo v(t) R
m
o vetor de variaveis de estado, x(t) o vetor de entradas e y(t) o vetor de sadas. A
equa cao (17.2) e chamada de equa cao din amica, sendo A a matriz din amica do sistema e B a matriz
de entradas, e a equa cao (17.3) e chamada de equa cao de sada, sendo C a matriz de sadas e D a
matriz de transmiss ao direta.
Denicao 17.3: Sistema linearizado
Uma aproximacao de primeira ordem pode representar o sistema em torno do ponto de equilbrio.
Assim, utilizando o jacobiano
5
tem-se
A =
_
f
i
v
j
_
v, x
, B =
_
f
i
x
j
_
v, x
C =
_
g
i
v
j
_
v, x
, D =
_
g
i
x
j
_
v, x
Neste texto, apenas entradas e sadas escalares (sistemas SISO) s ao consideradas, implicando que
B = b (vetor coluna), C = c (vetor linha) e D = d (escalar).
Exemplo 17.2 (Lotka-Volterra): O modelo de Lotka-Volterra

6
descreve, de maneira simplicada,
a rela cao entre quantidade de predadores v
1
e de presas v
2
num habitat com disponibilidade innita
de alimento para as presas.
v
1
= f
1
(v
1
, v
2
) = av
1
+bv
1
v
2
, v
2
= f
2
(v
1
, v
2
) = cv
2
dv
1
v
2
Os par ametros a, b, c e d s ao positivos e representam: a e a taxa de morte do predador, por fome
e envelhecimento; b e o fator de ganho (para os predadores) quando do encontro com a presa; c e
a taxa de expansao da populacao de presas (livres dos predadores); d e o fator de perda (para as
presas) quando do encontro com o predador.
Os pontos de equilbrio s ao (0, 0) (desaparecimento das populacoes) e (c/d, a/b).
O jacobiano do sistema e dado por
_
f
i
v
j
_
=
_
a +bv
2
bv
1
dv
2
c dv
1
_
No ponto de equilbrio (0, 0), tem-se a representa cao linearizada do sistema
_
v
1
v
2
_
=
_
a 0
0 c
_ _
v
1
v
2
_
que corresponde a dois sistemas de primeira ordem desacoplados, um que cresce exponencialmente
com c (presa) e outro que decresce exponencialmente com a (predador).
No ponto de equilbrio (c/d, a/b), tem-se a representa cao linearizada do sistema
_
v
1
v
2
_
=
_
0 bc/d
ad/b 0
_ _
v
1
v
2
_
5
Karl Gustav Jacob Jacobi, prussiano do seculo XIX.
6
Alfred James Lotka, austraco e Vito Volterra, italiano, ambos do nal do seculo XIX.
277
na qual as variaveis representam os desvios em rela cao ao ponto de equilbrio. Escrevendo a equacao
de segunda ordem em v
1
(predador), tem-se
v
1
+acv
1
= 0
que produz solu coes puramente oscilat orias com freq uencia

ac (em radianos), indicando que o
n umero de predadores em torno de c/d alterna-se periodicamente com perodo T = 2/
ac.
A mesma equacao diferencial e obtida na variavel v
2
(presa), indicando que o n umero de presas
alterna-se periodicamente em torno de a/b.
As Figuras 17.1 e 17.2 mostram a evolucao do sistema nao-linear (a = b = c = d = 1) para as
condi coes iniciais (0.1, 1) (Figura 17.1), (0.9, 1.1) (Figura 17.2, esquerda) e (0.1, 0.1) (Figura 17.2,
direita). As trajet orias foram obtidas por simulacao numerica, algoritmo de Runge-Kutta.
7
Note
que o perodo das oscilacoes e aproximadamente igual a 8 na Figura 17.1 e 7 na Figura 17.2
(esquerda), enquanto que o perodo do sistema linearizado e 2. O menor desvio no segundo caso
decorre da proximidade da condi cao inicial com o ponto de lineariza cao.
0 2 4 6 8 10 12 14 16 18 20
0
0.5
1
1.5
2
2.5
3
3.5
4
t
Figura 17.1: Predadores (curva contnua) e presas (traco-e-ponto) para condi cao inicial (0.1, 1).
0 2 4 6 8 10 12 14 16 18 20
0
0.2
0.4
0.6
0.8
1
t
0 2 4 6 8 10 12 14 16 18 20
0
1
2
3
4
5
6
t
Figura 17.2: Predadores (curva contnua) e presas (traco-e-ponto) para condi cao inicial (0.9, 1.1)
(esquerda) e (0.1, 0.1) (direita).
P
7
Carle David Tolme Runge (1856-1927) e Martin Wilhelm Kutta (1867-1944), matematicos alem aes.
Denicao 17.4: Espaco de fases
E a representa cao espacial das trajet orias de um sistema din amico em coordenadas de variaveis de
estado, tendo como variavel implcita o tempo, chamada de plano de fase quando apenas duas das
variaveis s ao representadas.
Propriedade 17.1: Plano de Fase

N ao ha cruzamento de trajet orias no espaco de fases, pois o sistema nao pode evoluir diferentemente
a partir de um mesmo ponto.
Exemplo 17.3: Os planos de fase do Exemplo 17.2 (Lotka-Volterra) s ao mostrados na Figura 17.3.
0 1 2 3 4 5 6
0
1
2
3
4
5
6
v
1
v
2
Figura 17.3: Planos de fase para as condi coes iniciais (0.1, 0.1) (curva pontilhada), (0.9, 1.1) (tracejada)
e (0.1, 1) (contnua) do modelo de Lotka-Volterra (a = b = c = d = 1).
P
Exemplo 17.4 (Circuito RC): Considere o circuito RC descrito na Figura 17.4 com = RC.
x(t)
R
+
+
C
v(t)
Considerando como sada a tensao y(t) no resistor, tem-se as equacoes de estado e de sada
v =
1
v +
1
x , y = v +x
P
279
R
+
+
C
L
x v
1
v
2
Exemplo 17.5 (Circuito RLC): As equacoes de estado do circuito da Figura 17.5 s ao
_
v
1
v
2
_
=
_
1/(RC) 1/C
1/L 0
_ _
v
1
v
2
_
+
_
0
1/L
_
x
y =
_
1/R 0
_
v
1
v
2
_
A equacao diferencial em y (corrente no resistor) e dada por
_
p
2
+
1
RC
p +
1
LC
_
y =
1
RLC
x
P
Exemplo 17.6 (Circuito de terceira ordem): As equacoes de estado do circuito da Figura 17.6 s ao
v
3
y
v
2
v
1
R
1
R
2 C
2
C
1
L
+
+
+
Figura 17.6: Circuito de terceira ordem.

v(t) =
_
_
0 0
1
C
1
0
1
R
2
C
2
1
C
2
1
L
1
L

R
1
L
_
_
v(t) v =
_
_
v
1
v
2
v
3
_
_
y =
_
1 0 0
v
Esse circuito e usado para simular surtos de alta tensao (raios) em laboratorio. O capacitor C
2
,
inicialmente carregado, transfere a energia para o capacitor C
1
gerando um pulso cujo tempo
de subida e da ordem de 1s e que cai a 50% de seu valor em cerca de 50s. Valores tpicos:
C
2
= 0.6F, C
1
= 0.001F, R
1
= 350, R
2
= 115 e L = 200H (indut ancia parasita).
A equacao diferencial homogenea de terceira ordem em y e
_
p
3
+
_
R
1
L
+
1
R
2
C
2
_
p
2
+
_
1
LC
1
+
1
LC
2
_
1 +
R
1
R
2
__
p +
1
LC
1
R
2
C
2
_
y = 0
Supondo todos os par ametros iguais a 1, tem-se
v
1
= v
3
, v
2
= v
2
v
3
, v
3
= v
1
+v
2
v
3
, y = v
1
cuja implementa cao usando integradores e mostrada na Figura 17.7.
+
+
+
_ _ _
1
1
1
1
v
3
v
2
v
1
y
Figura 17.7: Implementa cao com integradores do circuito do Exemplo 17.5 (circuito de terceira ordem).
P
Muitos sistemas din amicos s ao descritos por equa coes diferenciais que nao estao na forma de variaveis
de estado. Neste caso, e preciso denir variaveis de estado internas de maneira conveniente.
Exemplo 17.7 (Pendulo simples): O pendulo simples de comprimento , oscilando em um plano
vertical, sujeito ao atrito de friccao no engate e sustentando na extremidade livre uma massa m e
descrito pela equacao
m
= mgsen() mb
sendo o angulo com a vertical, g a aceleracao da gravidade e b o coeciente de atrito.

Denindo-se
v
1
= , v
2
=

tem-se
v
1
= v
2
, v
2
=
g
sen(v
1
)
b
v
2
Os pontos de equilbrio s ao (0, 0) e (, 0).
O jacobiano e dado por
_
f
i
v
j
_
=
_
0 1
(g/) cos(v
1
) b/
_
Linearizando o sistema em torno de (0, 0), tem-se
281
_
v
1
v
2
_
=
_
0 1
g/ b/
_ _
v
1
v
2
_
() =
2
+
b
+
g
= 0
1,2
=
b
2

1
2
_
b
_
2
4g
implicando que as razes da equacao tem parte real negativa (sistema est avel). Note que para
b < 2
g, as razes s ao complexas conjugadas (oscila cao). Alem disso, se b = 0, a freq uencia

angular da oscilacao e
_
g/.
Linearizando o sistema em torno de (, 0), tem-se
_
v
1
v
2
_
=
_
0 1
g/ b/
_ _
v
1
v
2
_
() =
2
+
b
= 0
1,2
=
b
2

1
2
_
b
_
2
+
4g
implicando que uma raiz da equacao tem parte real positiva (sistema instavel).
A Figura 17.8 mostra o plano de fase do modelo nao linear (contnuo) e do modelo linearizado
(tracejado) em torno do ponto (0, 0), para condi cao inicial (/3, 0). Note que o nao linear tem
atenuacao maior do que o linear.
6
4
2
0
2
4
6
v
1
v
2
/3 /6 /3 /6
Figura 17.8: Planos de fase do pendulo para a condi cao inicial (/3, 0).
P
Exemplo 17.8 (Van der Pol): Van der Pol
8
estudou osciladores a v alvula descritos pela seguinte
equacao
y 2(1 y
2
) y +y = 0 , > 0
Denindo
8
Balthasar Van der Pol, engenheiro eletricista holandes (18891959).
v
1
= y , v
2
= y
tem-se
v
1
= v
2
, v
2
= v
1
+ 2(1 v
2
1
)v
2
O ponto de equilbrio e (v
1
, v
2
) = (0, 0) e o jacobiano e dado por
_
f
i
v
j
_
=
_
0 1
1 4v
1
v
2
2(1 v
2
1
)
_
O sistema linearizado e dado por
_
v
1
v
2
_
=
_
0 1
1 2
_ _
v
1
v
2
_
resultando na equacao de segunda ordem em v
2
(p
2
2p + 1)v
2
= 0
Para 0 < < 1, tem-se as razes da equacao caracterstica
1
=
2
= +j
_
1
2
tratando-se, portanto, de um sistema instavel oscilat orio. A solu cao v
2
(t) e dada por
v
2
(t) = a exp(t) cos
_
(
_
1
2
)t +
_
com a e denidos pelas condi coes iniciais.
Os planos de fase para = 0.5 s ao mostrados na Figura 17.9. Observe que o sistema nao-linear
possui um ciclo-limite est avel e que o modelo linearizado em torno do ponto de equilbrio (0, 0)
apresenta o car ater oscilat orio instavel da solu cao.
2.5 2 1.5 1 0.5 0 0.5 1 1.5 2 2.5
3
2
1
0
1
2
3
v
1
v
2
Figura 17.9: Planos de fase para as condi coes iniciais (0.01, 0), (2, 2) e (2, 2) do oscilador de Van
der Pol.
P
283
Exemplo 17.9: Considere a equacao diferencial
y + 2 y +y = x
Usando diferenciadores, pode-se implementar a equacao como mostrado na Figura 17.10. Note que
na entrada do diferenciador da esquerda, tem-se
y = x 2 y y
De maneira similar, a Figura 17.11 mostra uma implementa cao com integradores. Na entrada do
integrador da esquerda, tem-se
y = x 2 y y
+
+
d/dt d/dt
1
2
y
y
x
y
Figura 17.10: Implementa cao com diferenciadores de y + 2 y +y = x.
+
+
_ _
2 1
x
y
y
y
Figura 17.11: Implementa cao com integradores de y + 2 y +y = x.
Apesar de ambas as implementa coes representarem a mesma equacao diferencial (mesma funcao
de transferencia), e prefervel usar integradores pois diferenciadores amplicam rudos de alta
freq uencia.
Supondo um sinal x(t) sujeito ao rudo aditivo de alta freq uencia (t), ambos senoidais, aplicados
na entrada de um diferenciador, tem-se
x(t) +(t) = sen(
0
t) + sen(t) y(t) =
0
cos(
0
t) + cos(t)
cujas rela coes sinal-rudo s ao
_
S
N
_
in
= 0 dB ;
_
S
N
_
out
= 20 log
0
/
implicando que a rela cao sinal-rudo da sada diminui com o aumento da freq uencia do rudo.
Por outro lado, na sada do integrador tem-se
y(t) =
1
0
cos(
0
t)
1
cos(t)
_
S
N
_
out
= 20 log /
0
e portanto a rela cao sinal-rudo aumenta com a freq uencia.
P
Representacao em variaveis de estado a partir da equa cao diferencial
Algumas representa coes em variaveis de estado, ditas canonicas, podem ser obtidas por inspecao direta
da equa cao diferencial.
Propriedade 17.2: Caso N(p) =
0
(sem a derivada da entrada)
Considere a equa cao diferencial
D(p)y(t) =
0
x(t) , D(p) =
m
k=0
k
p
k
com
m
= 1,
k
e
0
coecientes constantes.
Denindo as variaveis de estado v R
m
v
1
= y , v
2
= y , . . . , v
m
= y
(m1)
tem-se
v
m
= y
(m)
=
m1
k=0
k
v
k+1
+
0
x
Em nota cao matricial,
v = Av +bx , y = cv +dx
com
v =
_
_
0 1 0 0
0 0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1
0

1

2

m1
_
_
v +
_
_
0
0
.
.
.
0
0
_
_
x
y =
_
1 0 0 0
v +
_
0
x
A matriz A acima esta na forma denominada companheira.
Note que, denindo-se novas variaveis de estado v
k
v
k
/
0
, tem-se a representa cao
v =
_
_
0 1 0 0
0 0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1
0

1

2

m1
_
_
v +
_
_
0
0
.
.
.
0
1
_
_
x
y =
_

0
0 0 0
v +
_
0

285
Exemplo 17.10: O circuito de terceira ordem do Exemplo 17.6 descrito pela equacao diferencial
_
p
3
+
_
R
1
L
+
1
R
2
C
2
_
p
2
+
_
1
LC
1
+
1
LC
2
_
1 +
R
1
R
2
__
p +
1
LC
1
R
2
C
2
_
y = 0
pode ser representado pela equacao de estado
v =
_
_
0 1 0
0 0 1
0

1

2
_
_
v
0
=
1
LC
1
R
2
C
2
,
1
=
_
1
LC
1
+
1
LC
2
_
1 +
R
1
R
2
_
_
,
2
=
_
R
1
L
+
1
R
2
C
2
_
y =
_
1 0 0
v
sendo v
1
= y, v
2
= y e v
3
= y. Note que essa escolha produz uma representa cao por vari aveis de
estado sistematica e simples, diferente da obtida no Exemplo 17.6, e que ambas produzem a mesma
equacao diferencial em y. A Figura 17.12 mostra a implementa cao com integradores.
+ +
_ _ _
1
v
3
v
2
v
1
2
y
Figura 17.12: Implementa cao com integradores do circuito do Exemplo 17.5 (circuito de terceira
ordem).
P
Exemplo 17.11: O circuito de segunda ordem do Exemplo 17.5 descrito pela equacao diferencial
_
p
2
+
1
RC
p +
1
LC
_
y =
1
RLC
x
pode ser representado na forma de variaveis de estado por
v =
_
0 1
1
LC

1
RC
_
v +
_
0
1
RLC
_
x
y =
_
1 0
v
sendo v
1
= y e v
2
= y.
P
Propriedade 17.3: Caso estritamente pr oprio N(p) no vetor de sada
A equa cao diferencial (estritamente propria)
D(p)y(t) = N(p)x(t) , D(p) =
m
k=0
k
p
k
, N(p) =
m1
k=0
k
p
k
com
m
= 1 e demais coecientes constantes pode ser representada pelas equa coes de estado
Considere a escolha de variaveis de estado v R
m
tal que
y =
m1
k=0
k
v
k+1
c =
_

0

1

2

m1
, d = 0
e
v
1
= v
2
, v
2
= v
3
, . . . , v
m1
= v
m
, v
m
=
Portanto,
v
1
= p
m
, v
2
= p
m+1
, . . . , v
m
= p
1
Substituindo as variaveis v na expressao de y, tem-se

y =
_
m1
k=0
k
p
km
_
Da equa cao D(p)y = N(p)x, tem-se

y =
_
m1
k=0
k
p
km
_
x
m
k=0
k
p
km
Igualando as duas expressoes, tem-se
_
m
k=0
k
p
km
_
= x = v
m
=
_
m1
k=0
k
v
k+1
_
+x
resultando em
v =
_
_
0 1 0 0
0 0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1
0

1

2

m1
_
_
v +
_
_
0
0
.
.
.
0
1
_
_
x (17.4)
y =
_

0

1

2

m1
v +
_
0
x (17.5)

287
Exemplo 17.12: Considere o sistema (estritamente proprio)
D(p)y = N(p)x (p
3
+ 2p
2
+ 3p + 4)y = (p
2
+ 2p 1)x
Seja
y =
0
v
1
+
1
v
2
+
2
v
3
= v
1
+ 2v
2
+v
3
e as variaveis de estado
v
1
= v
2
, v
2
= v
3
, v
3
= v
1
= p
3
, v
2
= p
2
, v
3
= p
1
que resultam em
y = v
1
+ 2v
2
+v
3
= p
3
+ 2p
2
+p
1
= (p
1
+ 2p
2
p
3
)
Da equacao D(p)y = N(p)x, tem-se
y = (p
1
+ 2p
2
p
3
)
1
(1 + 2p
1
+ 3p
2
+ 4p
3
)
x
Portanto,
(1 + 2p
1
+ 3p
2
+ 4p
3
) = x = 2p
1
3p
2
4p
3
+x
= v
3
= 4v
1
3v
2
2v
3
+x
resultando em (veja a representa cao com integradores na Figura 17.13)
v =
_
_
0 1 0
0 0 1
4 3 2
_
_
v +
_
_
0
0
1
_
_
x
y =
_
1 2 1
v
P
Propriedade 17.4: Caso pr oprio N(p) no vetor de sada
No caso proprio (grau de D(p) igual ao grau de N(p)), dividindo-se N(p)/D(p) tem-se
N(p) = D(p)
m
+

N(p) D(p)y = N(p)x = D(p)
m
x +

N(p)x
com
N(p) =
m1
k=0
k
p
k
,

k
=
k
k
Denindo
y = y
1
+
m
x D(p)y
1
=

N(p)x
tem-se um sistema estritamente proprio em y
1
. A matriz A e o vetor b s ao portanto identicos ao caso
estritamente proprio e o vetor c e d s ao dados por
c =
_

m1
, d =
_

m

+
+ +
+ +
_ _ _
x
y
v
1
v
2
v
3
0
= 4
1
= 3
2
= 2
0
= 1
1
= 2
2
= 1
1
Figura 17.13: Realiza cao da equa cao do Exemplo 17.12 com N(p) no vetor de sada.
Exemplo 17.13 (Circuito RRLC): Considere o circuito descrito na Figura 17.14, cujas equacoes
s ao
L
R
2

2
+
2
= C
1
+
1
R
1
1
, x = L
2
+
1
, y =
L
R
2

2
R
1
R
2
+
+
C
L
x
y
2
Figura 17.14: Circuito RRLC.
A equacao diferencial em y e
D(p)y = N(p)x , D(p) = p
2
+
_
1
R
1
C
+
1
R
2
C
_
p +
1
LC
, N(p) =
1
R
2
p
_
p +
1
R
1
C
_
A divisao N(p)/D(p) resulta em
2
= 1/R
2
e
289
N(p) =
1
R
2
2
C
p
1
R
2
LC
A representa cao em equacoes de estado na forma companheira (note que as variaveis de estado v
1
e v
2
nao mais correspondem à tensao no capacitor
1
e à corrente no indutor
2
) e dada por
v =
_
_
0 1
1
LC

_
1
R
1
C
+
1
R
2
C
_
_
_
v +
_
0
1
_
x
y =
_

1
R
2
LC

1
R
2
2
C
_
v +
_
1
R
2
_
x
Observe que D(p) pode ser escrito como
D(p) =
_
p +
1
R
1
C
__
p +
1
R
2
C
_
+
_
1
LC

1
R
1
R
2
C
2
_
_
_
_
1
p +
1
R
1
C
_
_
_
Se as constantes de tempo associadas às malhas do circuito forem iguais, isto e, se
L
R
2
= R
1
C
tem-se
D(p) =
_
p +
1
R
1
C
__
p +
1
R
2
C
_
e a equacao diferencial em y (de primeira ordem) e dada por
_
p +
1
R
2
C
_
y =
1
R
2
px
Considerando R
1
= R
2
= C = L = 1, tem-se
v =
_
0 1
1 2
_
. .
0

1
v +
_
0
1
_
x , y =
_
1 1
. .
1
v +
_
1
..
2
x
e a equacao diferencial
(p
2
+ 2p + 1)y =
_
(p
2
+ 2p + 1)1 (p + 1)
_
x = p(p + 1)x
P
Exemplo 17.14: Considere um sistema proprio descrito pela equacao diferencial
(p
2
+ 2p + 1)y = (p
2
+ 1)x =
_
(p
2
+ 2p + 1) 2p
_
x
Portanto,
0
= 1 ,
1
= 2 ,

0
= 0 ,

1
= 2 ,
2
= 1
resultando em
v =
_
0 1
1 2
_
v +
_
0
1
_
x
y =
_
0 2
v +
_
1
x
P
Propriedade 17.5: Equa cao diferencial a partir da representacao de estado (sistema SISO)
Utilizando o operador p, a sada y do sistema SISO descrito na forma de representa cao de estado
v = Av +bx
y = cv +dx
e dada por
y =
_
c(pI A)
1
b +d
_
x =
N(p)
D(p)
x
Note que trata-se de uma equa cao diferencial de ordem m, pois det(pIA) e um polin omio de ordem m
em p. Eventualmente, a equa cao diferencial pode ter ordem menor do que m se houver cancelamentos
entre zeros e polos.
O sistema e estritamente proprio se d = 0 e proprio para d = 0. Portanto, nao e possvel descrever na
forma de variaveis de estado sistemas com grau de N(p) maior do que o grau de D(p).

v =
_
0 1
1 2
_
v +
_
0
1
_
x
y =
_
0 2
v +
_
1
x
(pI A)
1
=
_
p 1
1 p + 2
_
1
=
1
p(p + 2) + 1
_
p + 2 1
1 p
_
e portanto
N(p)
D(p)
= c(pI A)
1
b +d =
_
0 2
1
p
2
+ 2p + 1
_
p + 2 1
1 p
_ _
0
1
_
+ 1 =
=
2p
p
2
+ 2p + 1
+ 1 =
p
2
+ 1
p
2
+ 2p + 1
Note que foi obtida a mesma equacao diferencial que a do Exemplo 17.14.
P
291
Exemplo 17.16: Considere novamente o sistema do Exemplo 17.15
v =
_
0 1
1 2
_
v +
_
0
1
_
x
y =
_
0 2
v +
_
1
x
Utilizando o operador p, obtem-se um sistema linear de 3 equacoes a 3 incognitas v
1
, v
2
e y:
pv
1
= v
2
pv
2
= v
1
2v
2
+x
y = 2v
2
+x
Eliminando v
1
, tem-se
(p
2
+ 2p + 1)v
2
= px
y = 2v
2
+x
Eliminando v
2
, obtem-se
y = 2
px
p
2
+ 2p + 1
+x
que resulta na equacao diferencial
(p
2
+ 2p + 1)y = (p
2
+ 1)x
P
Propriedade 17.6: Caso estritamente pr oprio N(p) no vetor de entrada
Outras representa coes matriciais podem ser obtidas com escolhas diferentes das variaveis de estado.
Considere a equa cao diferencial
(p
3
+
2
p
2
+
1
p +
0
)y = (
2
p
2
+
1
p +
0
)x
Denindo as variaveis de estado
pv
1
=
0
v
3
+
0
x
pv
2
= v
1
1
v
3
+
1
x
pv
3
= v
2
2
v
3
+
2
x
verica-se que v
3
satisfaz a equa cao diferencial satisfeita por y, ou seja, v
3
= y, pois
p
2
v
3
= (v
1
1
v
3
+
1
x)
2
pv
3
+
2
px
p
3
v
3
= (
0
v
3
+
0
x)
1
pv
3
+
1
px
2
p
2
v
3
+
2
p
2
x
(p
3
+
2
p
2
+
1
p +
0
)v
3
= (
2
p
2
+
1
p +
0
)x
Dessa forma, a representa cao matricial (veja a implementa cao na Figura 17.15) e dada por
+ + +
_ _ _
x
y
v
1
v
2
v
3
0

1

2
0

1
2
1
Figura 17.15: Realiza cao com N(p) no vetor de entrada.
v =
_
_
0 0
0
1 0
1
0 1
2
_
_
v +
_
_
2
_
_
x
y =
_
0 0 1
v
Generalizando, tem-se
v =
_
_
0 0
0
1 0
1
.
.
.
.
.
.
.
.
.
.
.
.
0 1
m1
_
_
v +
_
1
.
.
.
m1
_
_
x (17.6)
y =
_
0 1
v +
_
0
x (17.7)
Propriedade 17.7: Representacao dual

A representa cao de estado (A, b, c, d) produz a mesma equa cao diferencial que a representa cao dual de
estado (A
, c
, b
, d), pois
N(p)
D(p)
=
_
c(pI A)
1
b +d
_
=
_
b
(pI A
)
1
c
+d
_
Note que a representa cao (17.6)-(17.7) e dual da representa cao (17.4)-(17.5).
Exemplo 17.17: A representa cao de estado

v =
_
0 1
1 2
_
v +
_
0
1
_
x , y =
_
1 1
v +
_
1
x
e sua representa cao dual
=
_
0 1
1 2
_
+
_
1
1
_
x , y =
_
0 1
+
_
1
x
17.1. Exerccios 293
resultam na mesma equacao diferencial
(p
2
+ 2p + 1)y = p(p + 1)x
P
Propriedade 17.8: Invariancia com transforma c oes lineares
Transformacoes lineares biunvocas de variaveis de estado, na forma
v = Tv
com T nao singular, nao alteram a equa cao diferencial do sistema, pois
v = T
1
v

v = TAT
1
v +Tbx , y = cT
1
v +d
cT
1
(pI TAT
1
)
1
Tb +d = cT
1
(pTT
1
TAT
1
)
1
Tb +d =
= cT
1
_
T(pI A)T
1
_
1
Tb +d = cT
1
T(pI A)
1
T
1
Tb +d = c(pI A)
1
b +d =
N(p)
D(p)
17.1 Exerccios
Exerccio 17.1: Considere o sistema linear descrito pelas equacoes
v =
_
0 1
6 5
_
v +
_
0
1
_
x
y =
_
1 1
v
a) Obtenha a funcao de transferencia H(s) =
Y (s)
X(s)
do sistema
b) Determine a resposta à entrada nula y
en
(t) para v(0) =
_
0 1
c) Determine a resposta ao impulso (condi coes iniciais nulas)

d) Determine y(t) para a entrada x(t) = exp(2t), t > 0, com condi coes iniciais nulas
Exerccio 17.2: Obtenha as equacoes de estado para o circuito abaixo, na forma
v = Av +bx ; y = cv +dx ; v =
_
v
1
v
2
_
sendo v
1
a tensao no capacitor e v
2
a corrente no indutor. A sada y e a tensao no resistor (como indicado) e
x(t) e a entrada (fonte de tensao).
x(t)
R
R
3R
+
+
+
C
L
y
v
1
v
2
Exerccio 17.3: a) Obtenha as equacoes de estado para o circuito abaixo, na forma
sendo a sada y a corrente no indutor.
x
R
3R
+
+
C
L
v
1
v
2
b) Obtenha a funcao de transferencia H(s) = Y (s)/X(s) para R = 1 , L = 2 H e C = 1 F.
Exerccio 17.4: Determine A, b, c e d da representa cao de estado (v
1
e a corrente no indutor L
1
, v
2
e a corrente
no indutor L
2
e a sada y e a tensao no resistor R
2
)
_
v = Av +bx
y = cv +dx
, v =
_
v
1
v
2
_
R
1
R
2
+
+
L
2
L
1
x
y
v
1
v
2
Exerccio 17.5: a) Considere o sistema abaixo operando em seu ponto de equilbrio. Determine a matriz
jacobiana e os seus autovalores em funcao de > 0 e se o sistema e est avel assintoticamente ou nao.
v
1
= 1 v
1
, v
2
= 1 v
2
0.5v
1
v
3
, v
3
= 0.5v
1
v
3
1
b) Determine a matriz jacobiana no ponto de equilbrio (para entrada x = 0) do sistema com > 0
v
1
= 1 +x v
1
, v
2
= 1 v
2
v
1
v
3
, v
3
= v
1
v
2
1
c) Determine o maior valor de para que o sistema autonomo linearizado nao tenha oscila cao em torno do
ponto de equilbrio.
v
1
= 1 +x v
1
, v
2
= 1 v
2
v
1
v
3
, v
3
= v
1
v
2
1
d) Determine os autovalores do jacobiano no ponto de equilbrio (0, 0, 0) do sistema
v
1
= v
2
v
1
, v
2
= v
1
v
2
v
1
v
3
, v
3
= v
1
v
2
v
3
Exerccio 17.6: a) Determine a funcao de transferencia H
1
(s) da realizacao mostrada abaixo e os valores do
modulo e da fase do sinal forcado de sada para a entrada x
1
(t) = 2sen(3t) cos(3t)
+ +
_
x
1
y
1
100
90
b) Determine a funcao de transferencia H
2
(s) da realizacao mostrada abaixo e os valores do modulo e da fase
do sinal forcado de sada para a entrada x
2
(t) = 2sen(3t) cos(3t)
17.1. Exerccios 295
+
+
+
_
_
x
2
y
2
1 1
10
1
c) Esboce o diagrama de Bode (m odulo e fase) da funcao de transferencia H(s) = H
1
(s)H
2
(s).
Exerccio 17.7: Um motor sncrono ligado a um barramento innito pode ser descrito pela equacao
y + y +
2sen(y) = x
sendo y o angulo eletrico do motor e x a potencia mec anica no eixo. Para o modelo nao-linear na forma de
variaveis de estado, com v
1
= y e v
2
= y:
a) Determine o ponto de equilbrio para 0 y /2 e x = 1.
b) Determine as razes caractersticas do modelo linearizado em torno do ponto de equilbrio.
Exerccio 17.8: Determine os dois modos proprios do sistema
+
+
_ _
3
5
2
x
y
1
Exerccio 17.9: a) Determine a equacao diferencial em y do sistema
v =
_
4 2
1 1
_
v +
_
3
0
_
x , y =
_
0 1
v
b) Determine a solu cao forcada para x = 5.
Exerccio 17.10: Determine uma realizacao (A, b, c, d) para
(p
2
+ 5p + 3)y = (2p
2
+ 4p + 7)x
Captulo 18
Resolu cao de Equac oes de Estado
18.1 Solu cao da equacao homogenea
Considere a equa cao de estado
v = Av , v(0) = v
0
R
n
(18.1)
Equacoes homogeneas com estrutura triangular podem ser resolvidas de forma recorrente, componente
a componente.
Exemplo 18.1 (Sistema de segunda ordem em cascata): Considere a equacao diferencial
D(p) = p(p + 1)y = 0 ; y(0) = 0 , y(0) = 1
A escolha das variaveis de estado v
1
= y, v
2
= y produz a representa cao de estado na forma
matricial
v =
_
0 1
0 1
_
v , v(0) =
_
0
1
_
Note que trata-se de um sistema triangular, isto e, um sistema em cascata
v
1
= v
2
, v
2
= v
2
v
1
(0) = 0 , v
2
(0) = 1
cuja solu cao e dada por
v
2
(t) = exp(t) , pv
1
= exp(t) v
1
(t) = exp(t) +a = 1 exp(t)
P
Denicao 18.1: Equa cao Caracterstica da matriz A
A equa cao polinomial de grau n
() = det(I A) = 0
e denominada equa cao caracterstica associada à matriz A. Qualquer raiz da equa cao caracterstica
e autovalor da matriz A, e portanto satisfaz
Av = v , v = 0
sendo v C
n
um autovetor da matriz A associado ao autovalor .
296
18.1.1 Laplace
Aplicando a transformada unilateral de Laplace à equa cao homogenea (18.1), tem-se (a transformada
de uma matriz e a transformada de cada um dos seus elementos)
v = Av , v(0) = v
0
R
n
L{ v} = sL{v} v
0
= AL{v}
e, portanto,
V (s) = L{v} = (sI A)
1
v
0
C
n
v(t) = L
1
{V (s)}
v =
_
0 1
0 1
_
v , v(0) =
_
0
1
_
Portanto,
(sI A)
1
=
_
s 1
0 s + 1
_
1
A inversa de uma matriz e igual à matriz adjunta (transposta da cofatora) dividida pelo determi-
nante.
det(sI A) = s(s + 1) , Adj(sI A) =
_
s + 1 0
1 s
_
=
_
s + 1 1
0 s
_
(sI A)
1
=
1
s(s + 1)
_
s + 1 1
0 s
_
Portanto,
L
1
{(sI A)
1
} =
_
1 1 exp(t)
0 exp(t)
_
u(t)
v(t) =
_
v
1
(t)
v
2
(t)
_
= L
1
{(sI A)
1
}v
0
=
_
1 exp(t)
exp(t)
_
u(t)
P
v =
_
1 4
2 1
_
v , v(0) =
_
3
0
_
Portanto,
(sI A) =
_
s + 1 4
2 s 1
_
det(sI A) = (s + 3)(s 3) , (sI A)
1
=
1
(s + 3)(s 3)
_
s 1 4
2 s + 1
_
Usando a expansao (matricial) em fracoes parciais, tem-se
(sI A)
1
=
1
3
1
(s 3)
_
1 2
1 2
_
+
1
3
1
(s + 3)
_
2 2
1 1
_
v(t) =
_
2 exp(3t) + exp(3t)
exp(3t) + exp(3t)
_
u(t)
P
298 Captulo 18. Resolu cao de Equacoes de Estado
18.1.2 Serie de potencias exp(At)
Considere a equa cao homogenea
v = Av , v(0) = v
0
R
n
Supondo que a solucao v(t) possa ser escrita em serie de potencias, tem-se
v(t) =
+
k=0
k
t
k
v =
+
k=0
k
k
t
k1
,
0
= v
0
sendo
k
R
n
os vetores da expans ao em serie (a determinar).
Substituindo na equa cao e igualando os termos da serie de potencia, tem-se
1
= A
0
, 2
2
= A
1

2
=
1
2
A
2
0
, 3
3
= A
2

3
=
1
3!
A
3
0
k
k
= A
k1

k
=
1
k!
A
k
0
e portanto
v(t) =
_
+
k=0
A
k
k!
t
k
_
v
0
sendo A
0
= I (por construcao).
Como a serie de Taylor
1
da funcao exp(t) e dada por
exp(t) =
+
k=0
k
k!
t
k
dene-se (por analogia)
exp(At) =
+
k=0
A
k
k!
t
k
R
nn
Portanto, a solucao da equa cao homogenea (18.1) e dada por
v(t) = exp(At)v
0
(18.2)
Propriedade 18.1:
exp(At)u(t) = L
1
{(sI A)
1
}
pois a solucao v(t), para t 0, e dada por
v(t) = exp(At)v
0
= L
1
{(sI A)
1
}v
0
para qualquer v
0
.
Propriedade 18.2: Derivada de exp(At)

d
dt
exp(At) = Aexp(At) = exp(At)A
pois
1
Brook Taylor, matematico ingles (16851731).
d
dt
_
+
k=0
A
k
k!
t
k
_
=
_
+
k=1
A
k
k!
kt
k1
_
= A
_
+
k=0
A
k
k!
t
k
_
Propriedade 18.3:
exp
_
A(t
1
+t
2
)
_
= exp(At
1
) exp(At
2
) = exp(At
2
) exp(At
1
)
pois, por um lado
exp
_
A(t
1
+t
2
)
_
=
+
m=0
A
m
m!
(t
1
+t
2
)
m
=
+
m=0
A
m
m!
m
r=0
_
m
r
_
t
r
1
t
mr
2
e, por outro lado,
exp(At
1
) exp(At
2
) =
+
r=0
A
r
r!
t
r
1
+
k=0
A
k
k!
t
k
2
=
+
k=0
+
r=0
A
k+r
t
r
1
r!
t
k
2
k!
Agrupando os termos cujos expoentes somam k +r = m, com m = 0, 1, . . . , tem-se
exp(At
1
) exp(At
2
) =
+
m=0
m
r=0
A
m
m!
t
r
1
r!
t
mr
2
(mr)!
m!
e, portanto,
exp(At
1
) exp(At
2
) =
+
m=0
A
m
m!
m
r=0
_
m
r
_
t
r
1
t
mr
2
Propriedade 18.4:
A matriz exp(At) e nao singular para qualquer matriz A e para todo t, com inversa dada por
(exp(At))
1
= exp(At)
pois, fazendo-se t
1
= t e t
2
= t, pela Propriedade 18.3 tem-se
exp(At) exp(At) = exp(A0) = I
Propriedade 18.5:
exp(At) exp(Bt) = exp(Bt) exp(At) = exp
_
(A+B)t
_
AB = BA
pois
(A+B)
2
= (A+B)(A+B) = A
2
+AB +BA+B
2
=
= A
2
+ 2AB +B
2
= A
2
+ 2BA+B
2
AB = BA
A expans ao binomial de Newton
2
aplica-se a matrizes apenas quando o produto das matrizes comuta,
o que normalmente nao ocorre.
AB = BA, por exemplo, quando B = exp(At) ou quando A e B s ao diagonais.
2
Sir Isaac Newton, ingles (16431727).
18.1.3 Cayley-Hamilton
Propriedade 18.6: Teorema de Cayley-Hamilton
3
Toda matriz A satisfaz sua equa cao caracterstica, isto e,
det(I A) = () = 0 (A) = 0
Prova:
Considere a matriz Adj(I A) (matriz adjunta formada pelos determinantes obtidos ao retirar-se de
(I A) uma linha e uma coluna), com elementos cuja maior potencia em e
n1
. Assim, pode-se
escrever
Adj(I A) = B
n1
n1
+B
n2
n2
+ +B
1
+B
0
sendo B
i
, i = 0, . . . , n 1 matrizes (n n) constantes (isto e, independentes de ) a determinar.
Usando a identidade
(I A)Adj(I A) = det(I A)I
e substituindo o lado esquerdo, tem-se
(I A)(B
n1
n1
+B
n2
n2
+ +B
1
+B
0
) = det(I A)I
B
n1
n
+ (B
n2
AB
n1
)
n1
+ (B
n3
AB
n2
)
n2
+ + (B
0
AB
1
) AB
0
= det(I A)I
Usando a equa cao caracterstica do lado direito, tem-se
B
n1
n
+ (B
n2
AB
n1
)
n1
+ (B
n3
AB
n2
)
n2
+ + (B
0
AB
1
) AB
0
=
=
n
I +
n1
n1
I + +
1
I +
0
I
Igualando os coecientes de mesma potencia em
B
n1
= I
B
n2
AB
n1
=
n1
I
B
n3
AB
n2
=
n2
I
.
.
.
.
.
.
B
0
AB
1
=
1
I
AB
0
=
0
I
Multiplicando a primeira equa cao por A
n
, a segunda por A
n1
, e assim por diante, e somando, do
lado direito tem-se (A). Assim,
(A
n
B
n1
A
n
B
n1
) + (A
n1
B
n2
A
n1
B
n2
) + (A
n2
B
n3
A
n2
B
n3
) +
+(A
2
B
1
A
2
B
1
) + (AB
0
AB
0
) = 0
Como conclusao, (A) = 0.
3
Arthur Cayley, ingles (18211895) e Sir William Rowan Hamilton, irlandes (18051865).
Exemplo 18.4: Considere a matriz
A =
_
0 1
0 1
_
cujo polin omio caracterstico e dado por
() = det(I A) = ( + 1)
Computando o polin omio (matricial)
(A) = A(A+ I) =
_
0 1
0 1
_ __
0 1
0 1
_
+
_
1 0
0 1
__
=
_
0 0
0 0
_
observa-se que a matriz A satisfaz sua equacao caracterstica.
P
A =
_
0 1
1 2.5
_
() =
2
2.5 + 1 = 0
1
= 2.5
A matriz B dada por
B = 2.5I A =
_
2.5 1
1 0
_
e igual à inversa de A, o que e uma conseq uencia de (A) = 0.PBL:98
P
Propriedade 18.7: Briot-Runi
Se e raiz da equa cao caracterstica () = 0, entao
exp(t) = r(, t) =
n1
k=0
k
(t)
k
(18.3)
pois, para um polin omio () de grau n, tem-se
exp(t) = q(, t)() +r(, t)
com r(, t) (polin omio resto) dado por
r(, t) =
n1
k=0
k
(t)
k
Note que exp(t) e polinomial, podendo ser obtida pela expans ao em serie de Taylor.
Alem disso, para raiz da equa cao caracterstica () = 0, tem-se
exp(t) = r(, t) =
n1
k=0
k
(t)
k
As funcoes
k
(t) podem ser obtidas pela resolu cao de um sistema linear de equa coes resultante da
aplicacao da equa cao (18.3) nas razes distintas de () = 0 e, no caso de razes com multiplicidade
maior do que 1, utilizando-se tambem as derivadas (em rela cao a ) da equa cao.
Propriedade 18.8: Funcao de matriz quadrada

Seja f() uma funcao polinomial e () um polin omio de grau n em . Entao,
f() = q()() +
n1
k=0
k
Para autovalor de A, () = 0 e, pelo Teorema de Cayley-Hamilton,
(A) = 0 f(A) =
n1
k=0
k
A
k
Note que, para matrizes bloco-diagonais com submatrizes quadradas,
A = diag(A
1
, . . . , A
) f(A) = diag(f(A
1
), . . . , f(A
))
Em [34], o Teorema de Cayley-Hamilton e utilizado para a obten cao do modelo de linhas de transmiss ao
a partir da associa cao em cascata de modelos de quadripolos do tipo ABCD. Veja tambem [35].
Exemplo 18.6: A funcao A
10
, para
A =
_
1 2
0 1
_
,
1
=
2
= 1
pode ser computada pela Propriedade 18.8 a partir do Teorema de Cayley-Hamilton.
() = 0
10
=
0
+
1
, 10
9
=
1
0
= 9 ,
1
= 10 A
10
= 9I + 10A =
_
1 20
0 1
_
P
Propriedade 18.9:
Considere a matriz A R
nn
e sua equa cao caracterstica (A) = 0. Entao
exp(At) = q(A, t)(A) +r(A, t) = r(A, t) =
n1
k=0
k
(t)A
k
pois, pelo Teorema de Cayley-Hamilton, (A) = 0.

v =
_
0 1
0 1
_
v , v(0) =
_
0
1
_
Usando a Propriedade 18.7 (Briot-Runi), tem-se
exp(t) =
0
(t) +
1
(t)
para = 0 e = 1 (autovalores de A), resultando em
exp(0t) = 1 =
0
(t) +
1
(t)0 , exp(t) =
0
(t)
1
(t)
0
(t) = 1 ,
1
(t) = 1 exp(t)
Do Teorema de Cayley-Hamilton e da Propriedade 18.9, obtem-se
exp(At) =
0
(t)I +
1
(t)A =
=
_
1 0
0 1
_
+ (1 exp(t))
_
0 1
0 1
_
=
_
1 1 exp(t)
0 exp(t)
_
Impondo a condi cao inicial, tem-se
v(t) = exp(At)v(0) =
_
1 exp(t)
exp(t)
_
P
A =
_
1 4
2 1
_
,
1
= 3 ,
2
= 3 , v(0) =
_
3
0
_
Os coecientes do polin omio r(, t) s ao obtidos das condi coes
exp(3t) =
0
(t) 3
1
(t) , exp(3t) =
0
(t) + 3
1
(t)
resultando em
0
(t) =
1
2
(exp(3t) + exp(3t)) ,
1
(t) =
1
6
(exp(3t) exp(3t))
Portanto,
v(t) = exp(At)v(0) =
_
0
(t)I +
1
(t)A
_
v(0)
v(t) =
1
3
_
exp(3t) + 2 exp(3t) 2 exp(3t) 2 exp(3t)
exp(3t) exp(3t) 2 exp(3t) + exp(3t)
_ _
3
0
_
=
=
_
exp(3t) + 2 exp(3t)
exp(3t) exp(3t)
_
P
Para uma discuss ao sobre aspectos numericos do calculo de exp(At), recomenda-se [26, 27].
18.1.4 Similaridade
Considere a equa cao de estado
v = Av , v(0) = v
0
R
n
Denindo a mudanca de variaveis (T nao singular)
v = T v T

v = AT v

v =

A v ;

A = T
1
AT , A = T

AT
1
Propriedade 18.10: Similaridade e autovalores
Transformacoes de similaridade preservam os autovalores, pois
det(

AI) = det(T
1
AT T
1
T) = det(AI)
Escolhas apropriadas da transformacao T podem levar a representa coes

A diagonal ou triangular,
dependendo da estrutura de autovalores e autovetores da matriz A.
Propriedade 18.11: Funcao de matriz similar
A = T

AT
1
f(A) = Tf(

A)T
1
pois, pelo Teorema de Cayley-Hamilton,
f(A) =
n1
k=0
k
A
k
=
n1
k=0
k
(T

AT
1
) (T

AT
1
)
. .
k vezes
= T
n1
k=0
k

A
k
T
1
= Tf(

A)T
1
Propriedade 18.12: Exponencial de transforma cao de similaridade

Para qualquer matriz quadrada T nao singular, tem-se
A = T

AT
1
exp(At) = T exp(

At)T
1
Prova: a mudanca de variaveis v = T v aplicada ao sistema v = Av, resulta em
v = T

v = AT v

v =

A v ;

A = T
1
AT
v(t) = exp(At)v(0) = T v = T exp(

At)T
1
v(0) , v(0)
Note que esta propriedade e um caso particular da Propriedade 18.11 para f(A) = exp(At).
Propriedade 18.13: Exponencial de matriz diagonal

Para uma matriz = diag(
1
, . . . ,
n
) (diagonal), tem-se
exp(t) = diag(exp(
1
t), . . . , exp(
n
t))
pois
v = v v
k
(t) = exp(
k
t)v
k
(0)
e
v(t) = diag(exp(
1
t), . . . , exp(
n
t))v(0)
Como a solucao de v = v e dada por
v(t) = exp(t)v(0)
tem-se
v(t) = exp(t)v(0) = diag(exp(
1
t), . . . , exp(
n
t))v(0) , v(0)
Propriedade 18.14: Matrizes diagonalizaveis

Se uma matriz A R
nn
possui n autovetores linearmente independentes, a transformacao Q cons-
truda com os autovetores (colunas) resulta em
AQ = Q

A

A = Q
1
AQ = = diag(
1
, . . . ,
n
)
sendo
i
, i = 1, . . . , n os autovalores de A, pois
A
_
q
1
q
2
q
n
=
_
q
1
q
2
q
n
1
0 0
0
2
0
.
.
.
.
.
.
.
.
.
.
.
.
0 0
n
_
_
Note que os autovalores nao precisam ser distintos.
Propriedade 18.15: Autovalores distintos

Os autovetores associados a autovalores distintos de uma matriz A s ao linearmente independentes.
Portanto, a matriz Q composta dos autovetores diagonaliza a matriz pela transformacao de similari-
dade Q
1
AQ.
Exemplo 18.9 (Autovalores distintos): Considere novamente a equacao de estado homogenea do

Exemplo 18.3
v = Av =
_
1 4
2 1
_
v , v(0) =
_
3
0
_
Os autovalores da matriz A s ao obtidos da solu cao da equacao caracterstica
() = det(I A) = det
_
+ 1 4
2 1
_
= ( + 1)( 1) 8 = 0
1
= 3 ,
2
= 3
e os autovetores podem ser determinados pela equacao
(A(3)I)q
1
= 0 ,
_
2 4
2 4
_ _
q
11
q
21
_
= 0 q
1
=
_
q
11
q
21
_
=
_
2
1
_
(A3I)q
2
= 0 ,
_
4 4
2 2
_ _
q
12
q
22
_
= 0 q
2
=
_
q
12
q
22
_
=
_
1
1
_
Observe que os autovetores denem uma direcao no espaco (e nao um comprimento nem um sentido)
e s ao linearmente independentes.
A transformacao de similaridade resulta em uma matriz diagonal
A = Q
1
AQ =
1
3
_
1 1
1 2
_ _
1 4
2 1
_ _
2 1
1 1
_
=
_
3 0
0 3
_
A matriz A e diagonaliz avel, com a transformacao v = Q v dada por
v =

A v , v(0) = Q
1
v(0) =
_
1
1
_
com
A = Q
1
AQ =
1
3
_
1 1
1 2
_ _
1 4
2 1
_ _
2 1
1 1
_
=
_
3 0
0 3
_
Observe que a representa cao na variavel v e um sistema desacoplado com duas equacoes de primeira
ordem. Resolvendo, tem-se
v(t) =
_
exp(3t)
exp(3t)
_
v(t) =
_
2 1
1 1
_
v =
_
2 exp(3t) + exp(3t)
exp(3t) + exp(3t)
_
O mesmo resultado poderia ser obtido a partir da equacao diferencial de segunda ordem em v
1
(ou
em v
2
)
(p
2
9)v
1
= 0 ; v
1
(0) = 3 , v
1
(0) = 3
P
Propriedade 18.16: Forma modal
As matrizes
_

_
R
22
,
_
j 0
0 +j
_
C
22
s ao similares, pois
det
_
I
_
j 0
0 +j
__
= det
_
I
_

__
= ( )
2
+
2
Exemplo 18.10: Os autovalores da matriz

_
_
1 1 0 0 0
1 1 0 0 0
0 0 2 2 0
0 0 2 2 0
0 0 0 0 3
_
_
s ao 1 j, 2 2j e 3, pois os autovalores de uma matriz diagonal por blocos s ao os autovalores de
cada bloco.
Note que a forma modal (bloco diagonal) e uma alternativa nas transformacoes de similaridade que
nao requer a manipula cao de n umeros complexos.
P
Denicao 18.2: Multiplicidade geometrica
A multiplicidade geometrica do autovalor e igual ao n umero de autovetores linearmente indepen-
dentes associados a , isto e, e igual à dimens ao do espaco nulo de AI.

Exemplo 18.11 (Autovalores iguais e autovetores linearmente independentes): Considere a matriz
A =
_
_
1 0 1
0 1 2
0 0 3
_
_
Os autovalores s ao
1
=
2
= 1 e
3
= 3. Note que nas matrizes triangulares, isto e, todos os
elementos abaixo (ou acima) da diagonal principal s ao nulos, os autovalores s ao os elementos da
diagonal principal.
Para o autovalor igual a 1, tem-se a equacao que dene os autovetores
_
A(1)I
_
q =
_
_
0 0 1
0 0 2
0 0 4
_
_
_
_
_
_
= 0 = 0
Note que null(A+ I) = 2. Por exemplo, os autovetores associados a
1
=
2
= 1 s ao
q
1
=
_
_
1
0
0
_
_
, q
2
=
_
_
0
1
0
_
_
O autovetor associado a
3
= 3 e dado por
_
_
4 0 1
0 4 2
0 0 0
_
_
_
_
q
13
q
23
q
33
_
_
q
3
=
_
_
1
2
4
_
_
Observe que a Propriedade 18.15 apresenta uma condi cao suciente para a existencia de autovetores
linearmente independentes. Neste exemplo, o autovalor 1 possui multiplicidade algebrica igual a
dois e foi possvel determinar dois autovetores linearmente independentes associados. Portanto, a
multiplicidade geometrica do autovalor tambem e igual a dois.
Note que a multiplicidade geometrica do autovalor 1 e denida pela dimensao do espaco nulo de
A(1)I, neste exemplo igual a dois.
Portanto, por constru cao,
A = Q
1
AQ =
_
_
1 0 0
0 1 0
0 0 3
_
_
=
1
4
_
_
4 0 1
0 4 2
0 0 1
_
_
_
_
1 0 1
0 1 2
0 0 3
_
_
_
_
1 0 1
0 1 2
0 0 4
_
_
O sistema v = Av, v(0) tem como solu cao
v(t) = exp(At)v(0) = Qexp(

At)Q
1
v(0)
=
_
_
exp(t) 0 0.25 exp(t) + 0.25 exp(3t)
0 exp(t) 0.5 exp(t) + 0.5 exp(3t)
0 0 exp(3t)
_
_
v(0)
P
Exemplo 18.12 (Sistema de segunda ordem nao diagonaliz avel): Considere a matriz A e seus
autovalores
A =
_
3 4
1 1
_

1
=
2
= 1
A matriz A tem apenas um autovetor associado ao autovalor 1, dado por
(A(1)I)v
1
=
_
2 4
1 2
_ _
_
= 0 = 2 , v
1
=
_
2
1
_
Portanto, o autovalor 1 tem multiplicidade algebrica igual a dois (pois e raiz dupla) e multiplici-
dade geometrica unitaria.
Assim, a matriz A nao e diagonaliz avel, porem e possvel encontrar uma transformacao que leva a
matriz a uma forma triangular quase diagonal

A.
P
Blocos de Jordan
Denicao 18.3: Bloco de Jordan
4
de ordem k
Um bloco de Jordan de ordem k e uma matriz quadrada (triangular superior) de dimens ao k, denotada
J
k
, com seu unico autovalor de multiplicidade k na diagonal, uns na primeira subdiagonal superior e
zeros nas demais.
Por exemplo,
J
1
() =
_
, J
2
() =
_
1
0
_
, J
3
() =
_
_
1 0
0 1
0 0
_
_
, J
4
() =
_
_
1 0 0
0 1 0
0 0 1
0 0 0
_
_
ou apenas J
1
, J
2
, J
3
e J
4
.
Exemplo 18.13 (C alculo de exp(J

2
t)): Considere o bloco de Jordan de segunda ordem
J
2
=
_
1
0
_
,
1
=
2
=
exp(t) =
0
(t) +
1
(t) exp(t) =
0
(t) +
1
(t)
d
d
exp(t)
=
= t exp(t) =
1
(t)
0
(t) = exp(t)(1 t)
exp(At) =
0
(t)I +
1
(t)A = exp(t)
_
1 t
0 1
_
P
Exemplo 18.14 (C alculo de exp(J
4
t)): Considere o bloco de Jordan de quarta ordem
J
4
=
_
_
1 0 0
0 1 0
0 0 1
0 0 0
_
_
Note que o polin omio caracterstico e dado por
() = ( )
4
4
Marie Ennemond Camille Jordan, matematico frances (18381922).
e que tambem e raiz das derivadas (ate a terceira ordem) de (). Portanto,
r(, t) =
3
k=0
k
(t)( )
k
que resulta em
k
(t) =
1
k!
d
k
d
k
exp(t)
=
=
t
k
k!
exp(t)
exp(At) = exp(t)
_
_
1 t t
2
/2 t
3
/3!
0 1 t t
2
/2
0 0 1 t
0 0 0 1
_
_
P
Propriedade 18.17: Funcao de bloco de Jordan
Considere um bloco de Jordan de ordem k e uma funcao f() diferenci avel k 1 vezes. Entao,
f(J
k
) =
_
_
f()

f()

f()/2! f
(k1)
()/(k 1)!
0 f()

f() f
(k2)
()/(k 2)!
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 f()
_
_
=
sendo o autovalor do bloco de Jordan.
Prova:
Pela Propriedade 18.7 (Briot-Runi)
f() =
k1
i=0
i
( )
i

i
=
1
i!
d
i
d
i
f()
=
Alem disso, utiliza-se o fato de que, por exemplo, para k = 4, tem-se
M = (J
4
I) =
_
_
0 1 0 0
0 0 1 0
0 0 0 1
0 0 0 0
_
_
, M
2
=
_
_
0 0 1 0
0 0 0 1
0 0 0 0
0 0 0 0
_
_
, M
3
=
_
_
0 0 0 1
0 0 0 0
0 0 0 0
0 0 0 0
_
_
,
Propriedade 18.18: Forma modal de Jordan

As matrizes
_
_
1 0
0 1
0 0
0 0
_
_
R
44
,
_
_
j 1 0 0
0 j 0 0
0 0 +j 1
0 0 0 +j
_
_
C
44
s ao similares, pois os autovalores de uma matriz bloco triangular s ao os autovalores dos blocos da
diagonal.
Note que a forma modal de Jordan e uma alternativa que nao requer a manipulacao de n umeros
complexos.

Exemplo 18.15: Considere a matriz A na forma modal de Jordan
A =
_
_
1 1 1 0
1 1 0 1
0 0 1 1
0 0 1 1
_
_
Ent ao,
exp(At) = exp(t)
_
_
cos(t) sen(t) t cos(t) tsen(t)
sen(t) cos(t) tsen(t) t cos(t)
0 0 cos(t) sen(t)
0 0 sen(t) cos(t)
_
_
P
Propriedade 18.19:
Considere a matriz de dimens ao k dada por
M = (J
k
I)
com autovalor de J
k
. Entao
O rank da matriz M e k 1, implicando que a dimens ao do espaco nulo de M e 1 e, portanto,
o autovalor tem multiplicidade geometrica igual a um e apenas um autovetor associado.
O rank da matriz M
i
e k i, i = 0, . . . , k. Portanto, a dimens ao do espaco nulo de M
i
aumenta
com i ate i = k, com M
k
= 0.
Propriedade 18.20: Forma de Jordan

Qualquer matriz A R
nn
pode ser colocada na forma de Jordan por meio de uma transformacao de
similaridade.
Se A possuir n autovetores linearmente independentes, a forma de Jordan e diagonal e a matriz de
transformacao Q e composta pelos autovetores.
Se A possui r < n autovetores linearmente independentes, sua forma de Jordan e diagonal por blocos
com r blocos de Jordan.
Em outras palavras, para A qualquer, existe Q nao singular tal que
A = Q
1
AQ = diag(J
k
1
, J
k
2
, . . . , J
k
r
)
com os blocos J
k
i
, i = 1, . . . , r na forma de Jordan (nao necessariamente diagonais).
A forma de Jordan de uma matriz A e unica (a menos de permutacoes dos blocos).
Por simplicidade, considere uma matriz A R
nn
com um autovalor de multiplicidade algebrica
igual a n. O procedimento para a obten cao da forma de Jordan segue os seguintes passos.
Compute
M = (AI)
e a dimens ao r do espaco nulo de M. O n umero de blocos de Jordan e igual a r e a soma dos
tamanhos de cada um dos blocos e igual a n. Note que r e a multiplicidade geometrica de , ou
seja, o n umero de autovetores linearmente independentes associados a .
A dimens ao do maior bloco e igual ao menor k tal que
M
k
= 0
O n umero de blocos de dimens ao i, 1 i k e igual a
rank(M
i1
) 2rank(M
i
) + rank(M
i+1
)
Exemplo 18.16 (Forma de Jordan diag(J

3
, J
1
)): Considere a matriz
A =
_
_
4 1 0 1
2 5 2 1
0 1 4 1
2 1 2 3
_
_
, det(I A) = ( 4)
4
Computando M
i
, tem-se
M = (A4I) =
_
_
0 1 0 1
2 1 2 1
0 1 0 1
2 1 2 1
_
_
, rank(M) = 2 , M
2
=
_
_
4 0 4 0
4 0 4 0
4 0 4 0
4 0 4 0
_
_
, rank(M
2
) = 1 , M
3
= 0
Portanto, a forma de Jordan possui 2 blocos (pois a dimensao do espaco nulo de M e dois) e o
maior bloco tem dimensao 3 (pois M
3
= 0 e M
2
= 0). Como conseq uencia, o outro bloco e de
tamanho 1. A forma de Jordan e dada por
A =
_
_
4 1 0 0
0 4 1 0
0 0 4 0
0 0 0 4
_
_
P
2
, J
1
, J
1
A =
_
_
5 1 0 1
0 4 0 0
0 0 4 0
1 1 0 3
_
_
, det(I A) = ( 4)
4
Computando M
i
, tem-se
M = (A4I) =
_
_
1 1 0 1
0 0 0 0
0 0 0 0
1 1 0 1
_
_
, rank(M) = 1 , M
2
= 0
Portanto, a forma de Jordan possui 3 blocos (pois a dimensao do espaco nulo de M e tres) sendo
um de tamanho dois e dois de tamanho um. De fato, M
2
= 0 comprova que o maior bloco e de
dimensao 2. A forma de Jordan e dada por
A =
_
_
4 1 0 0
0 4 0 0
0 0 4 0
0 0 0 4
_
_
P
2
, J
2
A =
_
_
5 1 2 1
0 4 2 0
0 0 4 0
1 1 0 3
_
_
, det(I A) = ( 4)
4
Computando M
i
, tem-se
M = (A4I) =
_
_
1 1 2 1
0 0 2 0
0 0 0 0
1 1 0 1
_
_
, rank(M) = 2 , M
2
= 0
Portanto, a forma de Jordan possui 2 blocos (pois a dimensao do espaco nulo de M e dois) sendo
o maior de tamanho dois e, como conseq uencia, o outro tambem tem tamanho dois. A forma de
Jordan e dada por
A =
_
_
4 1 0 0
0 4 0 0
0 0 4 1
0 0 0 4
_
_
P
4
A =
_
_
0 1 0 0
0 0 1 0
0 0 0 1
16 32 24 8
_
_
, det(I A) = ( 2)
4
Computando M
i
, tem-se
M = (A4I) =
_
_
2 1 0 0
0 2 1 0
0 0 2 1
16 32 24 6
_
_
, rank(M) = 3 , M
2
=
_
_
4 4 1 0
0 4 4 1
16 32 20 4
64 112 64 12
_
_
, rank(M
2
) = 2
M
3
=
_
_
8 12 6 1
16 24 12 2
32 48 24 4
64 96 48 8
_
_
, rank(M
3
) = 1 , M
4
= 0
A forma de Jordan, obtida no calculo de M, pois o espaco nulo tem dimensao um, e dada por
A = J
4
=
_
_
2 1 0 0
0 2 1 0
0 0 2 1
0 0 0 2
_
_
P
Propriedade 18.21: Forma de Jordan procedimento para autovalores distintos
Considere uma matriz A R
nn
. O procedimento para a obten cao da forma de Jordan, baseado na
dimens ao dos espacos nulos de M
= AI, denotado por

(M
) = n rank(M
)
segue os seguintes passos.
Para cada autovalor com multiplicidade algebrica n
, compute
M
= (AI)
e a dimens ao r
do espaco nulo de M
. O n umero de blocos de Jordan associados a e igual a

r
e a soma dos tamanhos de cada um dos blocos e igual a n
. Note que r
e a multiplicidade
geometrica de , ou seja, o n umero de autovetores linearmente independentes associados a ,
1 r
.
A dimens ao do maior bloco e igual ao menor k tal que
(M
k
) = n
que e denominado k
. Note que (M
k
) = n
para k k
.
O n umero de blocos de dimens ao i, 1 i k
, e determinado a partir da dimens ao do espaco nulo

das matrizes M
i
. Assim, o n umero de blocos de dimens ao i, 1 i k
pode ser determinado

por
2(M
i
) (M
i1
) (M
i+1
)
A forma de Jordan

A e a matriz bloco diagonal composta pelos blocos de Jordan de cada
autovalor.

A =
_
_
0 1 0 0
0 0 1 0
0 0 0 1
8 20 18 7
_
_
, det(I A) = ( 2)
3
( 1)
Para = 2 (que tem multiplicidade algebrica 3), tem-se
M
2
=
_
_
2 1 0 0
0 2 1 0
0 0 2 1
8 20 18 5
_
_
, (M
2
) = 4 3 = 1
Computando M
i
2
, tem-se
M
2
2
=
_
_
4 4 1 0
0 4 4 1
8 20 14 3
24 52 34 7
_
_
, (M
2
2
) = 42 = 2 , M
3
2
=
_
_
8 12 6 1
8 12 6 1
8 12 6 1
8 12 6 1
_
_
, (M
3
2
) = 41 = 3
Note que 3 e o maior valor possvel para a dimensao do espa co nulo de M
i
2
, isto e, a multiplicidade
geometrica de = 2 e no maximo igual à multiplicidade algebrica. De fato, (M
k
2
) = 3, k 3.
Como o valor de dimensao de espaco nulo igual a 3 foi atingido para i = 3, tem-se que ha apenas
um bloco de Jordan associado ao autovalor = 2. De fato,
i = 1 2(M
2
) (M
0
2
) (M
2
2
) = 2 0 2 = 0
i = 2 2(M
2
2
) (M
1
2
) (M
3
2
) = 4 1 3 = 0
i = 3 2(M
3
2
) (M
2
2
) (M
4
2
) = 6 2 3 = 1
ou seja, nao ha blocos de tamanhos 1 e 2 associados ao autovalor = 2.
Note que na expressao envolvendo os ranks deveria ser feita uma corre cao na formula devido à
presen ca de autovalores distintos.
Calculando M
1
, tem-se
M
1
=
_
_
1 1 0 0
0 1 1 0
0 0 1 1
8 20 18 6
_
_
, (M
1
) = 4 3 = 1
e portanto ha apenas um bloco de Jordan (de tamanho 1) associado ao autovalor = 1. De fato,
M
2
1
=
_
_
1 2 1 0
0 1 2 1
8 20 17 5
40 92 70 18
_
_
, (M
2
1
) = 4 3 = 1
A forma de Jordan e dada por
A = diag(J
3
(2), J
1
(1)) =
_
_
2 1 0 0
0 2 1 0
0 0 2 0
0 0 0 1
_
_
P
Propriedade 18.22: Transformacao de similaridade para a forma de Jordan
A transformacao de similaridade Q (nao singular) que produz a forma de Jordan pode ser obtida do
sistema linear de equa coes
AQ = Qdiag(J
k
1
, J
k
2
, . . . , J
k
r
)
Denicao 18.4: Cadeia de autovetores generalizados

A transformacao de similaridade que leva à forma de Jordan e composta, para cada bloco de Jordan
de ordem k, de uma cadeia de k vetores linearmente independentes, sendo o primeiro um autovetor e
os demais autovetores generalizados.
Por exemplo, para o primeiro bloco (tamanho k = 4, autovalor ), tem-se
A
_
v
1
v
2
v
3
v
4
=
_
v
1
v
2
v
3
v
4
J
4
=
_
v
1
v
2
v
3
v
4
_
1 0 0
0 1 0
0 0 1
0 0 0
_
_
Av
1
= v
1
, Av
2
= v
1
+v
2
, Av
3
= v
2
+v
3
, Av
4
= v
3
+v
4
com v
1
autovetor (ou autovetor generalizado de ordem 1). A cadeia de 4 autovetores generalizados e
dada por {v
1
, v
2
, v
3
, v
4
}, sendo v
2
um autovetor generalizado de ordem 2, v
3
um autovetor generalizado
de ordem 3 e v
4
um autovetor generalizado de ordem 4.
Note que um autovetor generalizado nao e invariante com a multiplica cao por escalar, mas a cadeia
de autovetores associada a um bloco de Jordan e invariante com a multiplica cao por escalar.
O calculo da matriz de transformacao de similaridade Q passa pela determinacao da forma de Jor-

dan, que pressupoe precisao na determinacao dos autovalores. Como conseq uencia, trata-se de um
metodo nao robusto numericamente. No Matlab, o comando [Q,Ah]=Jordan(A) retorna a matriz de
transformacao Q e a forma de Jordan

A.
Exemplo 18.21: A matriz de transformacao de similaridade Q do Exemplo 18.16 pode ser calcu-
lada pelo seguinte procedimento.
M = (A4I) =
_
_
0 1 0 1
2 1 2 1
0 1 0 1
2 1 2 1
_
_
, Mv
1
= M
_
_
a
b
c
d
_
_
= 0
_
_
b d = 0
2a +b 2c d = 0
b d = 0
2a +b + 2c d = 0
v
1
=
_
a b a b

Note que com a escolha de a e b pode-se determinar uma base (de dimensao 2) para o espaco nulo
de M, o que est a de acordo com o fato de que a forma de Jordan possui dois blocos. A escolha de
a e b e feita a partir das demais equacoes da cadeia de autovetores generalizados.
Assim, v
1
e v
2
devem satisfazer
Mv
2
= v
1
M
_
_
e
f
g
h
_
_
=
_
_
a
b
a
b
_
_
f h = a
2e +f 2g h = b
f h = a
2e +f + 2g h = b
Isto e, v
1
pertence ao espaco nulo e ao range de M. Para que exista v
2
, tem-se a = b e portanto
v
1
=
_
a a a a
, v
2
=
_
e f e f a
Note que, se a = b, nao existe v

2
, a cadeia associada tem tamanho 1 e o autovetor associado ao
bloco J
1
pode ser escolhido como
_
1 0 1 0
Os autovetores generalizados v
2
e v
3
devem satisfazer
Mv
3
= v
2
M
_
_
p
q
r
s
_
_
=
_
_
e
f
e
f a
_
_
q s = e
2p +q 2r s = f
q s = e
2p +q + 2r s = f a
Portanto,
v
1
=
_
a a a a
, v
2
=
_
e e +a/2 e e a/2
, v
3
=
_
p q p a/4 q e
Note que nao existe um v

4
tal que
Mv
4
= v
3
M
_
_
t
u
v
x
_
_
=
_
_
p
q
p a/4
q e
_
_
u x = p
2t +u 2v x = q
u x = p a/4
2t +u + 2v x = q e
pois a = 0. Assim, a cadeia e dada por
v
1
=
_
4 4 4 4
, v
2
=
_
0 2 0 2
, v
3
=
_
0 0 1 0
e a matriz Q e
Q =
_
_
4 0 0 1
4 2 0 0
4 0 1 1
4 2 0 0
_
_
P
Exemplo 18.22: Para o calculo da matriz de transformacao de similaridade Q do Exemplo 18.19,
tem-se
M = (A2I) =
_
_
2 1 0 0
0 2 1 0
0 0 2 1
16 32 24 6
_
_
, Mv
1
= M
_
_
a
b
c
d
_
_
= 0
_
_
b 2a = 0
c 2b = 0
d 2c = 0
16a + 32b 24c + 6d = 0
v
1
=
_
a 2a 4a 8a
Como a dimensao do espaco nulo de M e um, v

1
e o unico autovetor e a forma de Jordan tem um
unico bloco J
4
. Escolhendo a = 1,
v
1
=
_
1 2 4 8

tem-se
Mv
2
= v
1
M
_
_
e
f
g
h
_
_
=
_
_
1
2
4
8
_
_
, v
2
=
_
_
e
2e + 1
4e + 4
8e + 12
_
_
Escolhendo e = 0,
v
2
=
_
0 1 4 12
tem-se
Mv
3
= v
2
M
_
_
p
q
r
s
_
_
=
_
_
0
1
4
12
_
_
, v
2
=
_
_
p
2p
4p + 1
8p + 6
_
_
Escolhendo p = 0,
v
3
=
_
0 0 1 6
tem-se
Mv
4
= v
3
M
_
_
t
u
v
x
_
_
=
_
_
0
0
1
6
_
_
, v
4
=
_
_
t
2t
4t
8t + 1
_
_
Escolhendo t = 0,
v
4
=
_
0 0 0 1
Assim,
Q =
_
_
1 0 0 0
2 1 0 0
4 4 1 0
8 12 6 1
_
_
P
Exemplo 18.23: Para calcular a matriz Q do Exemplo 18.17, tem-se
M = (A4I) =
_
_
1 1 0 1
0 0 0 0
0 0 0 0
1 1 0 1
_
_
, Mv
1
= M
_
_
a
b
c
d
_
_
= 0 a +b d = 0
v
1
=
_
a b c a +b
Como a dimensao do espaco nulo de M e tres, s ao tres blocos de Jordan. Portanto um dos blocos e
de tamanho 2 e os outros dois s ao de tamanho 1. De fato, M
2
= 0. Assim, v
1
e v
2
devem satisfazer
Mv
2
= v
1
M
_
_
e
f
g
h
_
_
=
_
_
a
b
c
a +b
_
_
e +f h = a
0 = b
0 = c
e +f h = a +b
resultando em
v
1
=
_
a 0 0 a
, v
2
=
_
e f g e +f a
Assim, Q pode ser escolhido

Q =
_
_
1 0 0 0
0 0 1 0
0 0 0 1
1 1 1 0
_
_
P
Exemplo 18.24: Calculando Q do Exemplo 18.18, tem-se
M = (A4I) =
_
_
1 1 2 1
0 0 2 0
0 0 0 0
1 1 0 1
_
_
, Mv
1
= M
_
_
a
b
c
d
_
_
= 0
_
_
_
a +b + 2c d = 0
2c = 0
a +b d = 0
v
1
=
_
a b 0 a +b
Como a dimensao do espaco nulo de M e dois, s ao dois blocos de Jordan. Como M

2
= 0, s ao dois
blocos de tamanho dois. Assim, v
1
e v
2
devem satisfazer
Mv
2
= v
1
M
_
_
e
f
g
h
_
_
=
_
_
a
b
0
a +b
_
_
_
_
e +f + 2g h = a
2g = b
e +f h = a +b
resultando em
v
1
=
_
a b 0 a +b
, v
2
=
_
e f b/2 e +f a b
Assim, Q pode ser escolhido

Q =
_
_
1 0 0 0
0 0 2 0
0 0 0 1
1 1 2 2
_
_
P
Exemplo 18.25 (N ao robustez da forma de Jordan nao diagonal): Considere 0 < 1 e a matriz
A =
_
1
2
0 1
_
Note que A e praticamente diagonal, em funcao da precis ao numerica utilizada. Os autovalores s ao
1
=
2
= = 1 (matriz triangular) e
M = (AI) =
_
0
2
0 0
_
, M
2
= 0 , Mv
1
= 0 v
1
=
_
a
0
_
implicando que a forma de Jordan e do tipo J
2
(nao diagonal). Escolhendo
v
1
=
_
1
0
_
, Mv
2
= v
1
v
2
=
_
c
2
_
Escolhendo c = 0, tem-se
Q =
_
1 0
0
2
_
, Q
1
=
_
1 0
0
2
_
e, conferindo,
J
2
= Q
1
AQ =
_
1 0
0
2
_ _
1
2
0 1
_ _
1 0
0
2
_
=
_
1 1
0 1
_
P
Exemplo 18.26 (N ao robustez da forma de Jordan diagonal): Considere 0 < 1 e a matriz
A =
_
1 1
2
1
_
Note que A e praticamente nao diagonal, em funcao da precis ao numerica utilizada. Os autovalores
s ao
1
= 1 +,
2
= 1 e a forma de Jordan e diagonal. Assim,
M
1
= (A(1 +)I) =
_
1
_
, M
1
v
1
= 0 v
1
=
_
a
a
_
=
_
1
_
M
2
= (A(1 )I) =
_
1
_
, M
2
v
2
= 0 v
2
=
_
a
a
_
=
_
1
_
e, portanto,
Q =
_
1 1

_
, Q
1
= 0.5
_
1
1
1
1
_
Conferindo,
A = Q
1
AQ = 0.5
_
1
1
1
1
_ _
1 1
2
1
_ _
1 1

_
=
_
1 + 0
0 1
_
P
A forma de Jordan facilita a descricao de equa coes de estado que possuem modos proprios especicados.
Exemplo 18.27: Para escolher matrizes A, c e v
0
tais que o sistema
v = Av , y = cv , v(0) = v
0
produza a sada y(t) = 3t
2
exp(2t), pode-se utilizar a forma de Jordan. Necessariamente, a matriz
A deve possuir o autovalor 2 com multiplicidade algebrica 3 e multiplicidade geometrica 1, ou
seja, a forma de Jordan deve conter o bloco
J
3
=
_
_
2 1 0
0 2 1
0 0 2
_
_
exp(J
3
t) = exp(2t)
_
_
1 t t
2
/2
0 1 t
0 0 1
_
_
Portanto, uma possvel solu cao e dada por
A = J
3
, v
0
=
_
_
0
0
1
_
_
v(t) = exp(2t)
_
_
t
2
/2
t
1
_
_
c =
_
6 0 0
Note que outras matrizes, inclusive de dimensoes maiores, poderiam ser usadas para gerar o mesmo
sinal y(t). A opcao apresentada e a de menor dimensao.
P
Exemplo 18.28: A escolha de A, c e v
0
para que o sistema
v = Av , y = cv , v(0) = v
0
produza a sada y(t) = 5 exp(3t) + 8t exp(2t) implica em
A =
_
_
2 1 0
0 2 0
0 0 3
_
_
exp(At) =
_
_
exp(2t) t exp(2t) 0
0 exp(2t) 0
0 0 exp(3t)
_
_
c =
_
1 0 1
v
0
=
_
_
0
8
5
_
_
ou
v
0
=
_
_
0
1
1
_
_
c =
_
8 0 5
P
18.2 Solu cao da equacao nao homogenea
Considere as equa coes de estado e de sada do sistema SISO
v = Av +bx , v(0) = v
0
, y = cv +dx (18.4)
18.2.1 Laplace
Aplicando a transformada de Laplace, tem-se
sV (s) v
0
= AV (s) +bX(s) , Y (s) = cV (s) +dX(s)
sendo V (s) = L{v(t)}, X(s) = L{x(t)} e Y (s) = L{y(t)}.
Portanto,
Y (s) = c(sI A)
1
v
0
+
_
c(sI A)
1
b +d
_
X(s)
A funcao de transferencia e dada por (v
0
= 0)
H(s) =
Y (s)
X(s)
= c(sI A)
1
b +d
Exemplo 18.29: Considere o sistema dado por
v =
_
0 1
2 3
_
v +
_
0
1
_
x , v(0) =
_
1
0
_
y =
_
1 0
v
Computando (sI A)
1
por Cayley-Hamilton, tem-se
(sI A)
1
=
0
(s)I +
1
(s)A
com
0
(s) e
1
(s) obtidos das equacoes
(s + 1)
1
=
0
(s)
1
(s) , (s + 2)
1
=
0
(s) 2
1
(s)
0
(s) =
2
s + 1

1
s + 2
=
s + 3
(s + 1)(s + 2)
,
1
(s) =
1
s + 1

1
s + 2
=
1
(s + 1)(s + 2)
(sI A)
1
=
1
(s + 1)(s + 2)
_
s + 3 1
2 s
_
Para a entrada X(s) = 1/s (degrau unitario), tem-se
Y (s) = c(sI A)
1
(v
0
+bX(s)) =
_
1 0
(sI A)
1
_
1
1/s
_
=
s
2
+ 3s + 1
s(s + 1)(s + 2)
Y (s) =
1/2
s
+
1
s + 1
+
1/2
s + 2
P
18.2.2 Convolucao
Considere novamente o sistema SISO (18.4) cuja equa cao de estado e dada por
v = Av +bx , v(0) = v
0
Multiplicando ambos os lados por exp(At) e reagrupando, tem-se
exp(At) v exp(At)Av =
d
dt
_
exp(At)v
_
= exp(At)bx
Integrando de 0 a t, tem-se
exp(At)v(t) v
0
=
_
t
0
exp(A)bx()d =
_
+
0
exp(A)bx()u(t )d
Multiplicando por exp(At) e considerando x(t) = x(t)u(t), tem-se
v(t) = exp(At)v
0
. .
v
en
(t)
+
_
exp(At)u(t)
_
(bx(t)u(t))
. .
v
cin
(t)
Observe as contribuicoes isoladas devido à entrada e devido à condi cao inicial.
A equa cao da sada e
y = cv +dx y(t) = c exp(At)v
0
+c
_
exp(At)u(t)
_
(bx(t)) +dx(t)
v =
_
0 1
2 3
_
v +
_
0
1
_
x , v(0) = v
0
=
_
1
0
_
y =
_
1 0
v
cujos autovalores s ao 1 e 2. Computando exp(At) por Cayley-Hamilton, tem-se
exp(At) =
0
(t)I +
1
(t)A
com
0
(t) e
1
(t) obtidos das equacoes
exp(t) =
0
(t)
1
(t) , exp(2t) =
0
(t) 2
1
(t)

0
(t) = 2 exp(t) exp(2t) ,
1
(t) = exp(t) exp(2t)
exp(At) =
_
2 exp(t) exp(2t) exp(t) exp(2t)
2 exp(t) + 2 exp(2t) exp(t) + 2 exp(2t)
_
A resposta à entrada nula v
en
(t) e dada por
v
en
(t) = exp(At)v
0
=
_
2 exp(t) exp(2t)
2 exp(t) + 2 exp(2t)
_
e a resposta à condi cao inicial nula v
cin
(t) para x(t) = u(t) (degrau unitario) e
v
cin
(t) = (exp(At)u(t)) (bu(t)) = (exp(At)bu(t)) u(t) =
=
__
exp(t) exp(2t)
exp(t) + 2 exp(2t)
_
u(t)
_
u(t) =
_
0.5 exp(t) + 0.5 exp(2t)
exp(t) exp(2t)
_
A solu cao v(t) e dada por
v(t) = v
en
(t) +v
cin
(t) =
_
0.5 + exp(t) 0.5 exp(2t)
exp(t) + exp(2t)
_
u(t)
Em termos da sada y(t), tem-se
y =
_
0.5 + exp(t) 0.5 exp(2t)
_
u(t)
P
18.2.3 Sistema homogeneo aumentado
Considere novamente o sistema SISO cuja equa cao de estado e dada por
v = Av +bx , v(0) = v
0
, y = cv +dx
sendo x(t) solucao da equa cao de estado homogenea
v =

A v , v(0) = v
0
, x = c v
A solucao v(t) do sistema original nao homogeneo pode ser obtida a partir da solucao do sistema
homogeneo dado por
v =

A v , v(0) =
_
v
0
v
0
_
, y = c v
com
_
v
v
_
=
_
A b c
0

A
_ _
v
v
_
,
_
v(0)
v(0)
_
=
_
v
0
v
0
_
, y =
_
c d c
_
v
v
_
Exemplo 18.31: Considere o sistema dado por
v =
_
0 1
2 3
_
v +
_
0
1
_
x , v(0) =
_
1
0
_
y =
_
1 0
v
com a entrada x(t) = 1. Portanto,
v = 0 v , v(0) = 1 , x = c v = 1 v
Assim,
exp(

At) = exp
_
_
_
_
0 1 0
2 3 1
0 0 0
_
_
t
_
_
=
_
_
2 exp(t) exp(2t) exp(t) exp(2t) exp(t) + 0.5 exp(2t) + 0.5
2 exp(2t) 2 exp(t) exp(t) + 2 exp(2t) exp(t) exp(2t)
0 0 1
_
_
y(t) =
_
1 0 0
exp(

At)
_
_
1
0
1
_
_
= exp(t) 0.5 exp(2t) + 0.5
P
18.3 Exerccios
Exerccio 18.1: Determine a funcao de transferencia H(s) e o valor da integral
_
+
0
h(t) exp(2t)dt
sendo h(t) a resposta ao impulso do sistema para a realizacao (A, b, c, d) com
A =
_
3 5
1 0
_
, b =
_
1
0
_
, c =
_
9 12
, d =
_
1
Exerccio 18.2: a) Determine a forma de Jordan

A da matriz
A =
_
_
2 0 0
0 2 0
8 0 2
_
_
() = ( 2)
3
b) Determine a matriz Q tal que AQ = Q

A.
Solucao:
M =
_
_
0 0 0
0 0 0
8 0 0
_
_
rank(M) = 1 ,

A = diag(J
2
, J
1
)
pois a dimensao do espaco nulo de M e 2.
Mv
1
= M
_
_
a
b
c
_
_
= 0 v
1
=
_
_
0
b
c
_
_
, Mv
2
= M
_
_
d
e
f
_
_
= v
1
v
1
=
_
_
0
0
c
_
_
, v
2
=
_
_
c/8
e
f
_
_
Por exemplo,
v
3
=
_
_
0
1
0
_
_
e Q =
_
_
0 1 0
0 0 1
8 0 0
_
_
Exerccio 18.3: a) Determine a forma de Jordan

A da matriz
A =
_
_
2 1 0
0 2 0
8 12 2
_
_
() = ( 2)
3
b) Determine a matriz Q tal que AQ = Q

A.
Solucao:
M =
_
_
0 1 0
0 0 0
8 12 0
_
_
rank(M) = 2 ,

A = diag(J
3
)
pois a dimensao do espaco nulo de M e 1 (um unico autovetor, M
2
= 0 e M
3
= 0).
Mv
1
= M
_
_
a
b
c
_
_
= 0 v
1
=
_
_
0
0
c
_
_
, Mv
2
= M
_
_
d
e
f
_
_
= v
1
v
2
=
_
_
c/8
0
f
_
_
Por exemplo, escolhendo c = 8, tem-se
Mv
3
= M
_
_
r
s
t
_
_
= v
2
=
_
_
1
0
f
_
_
v
3
=
_
_
(12 +f)/8
1
t
_
_
que, com f = 4 e t = 0 fornece
Q =
_
_
0 1 2
0 0 1
8 4 0
_
_
18.3. Exerccios 323
Exerccio 18.4: Determine f(A) para f() polinomial e
A =
_
1
0
_
Solucao:
f
__
1
0
__
=
_
0
+
1

1
0
0
+
1
_
=
_
f()

f()
0 f()
_
Exerccio 18.5: Determine f(A) para:
a) f(1) = 1 , f(1) = 2 ,

f(1) = 3 ,

f(1) = 4
A =
_
_
1 1 0
0 1 0
2 1 1
_
_
= Qdiag(J
2
(1), J
1
(1))Q
1
, Q =
_
_
1 0 0
0 1 0
1 0 1
_
_
b) f(5) = 1 ,

f(5) = 2 ,

f(5) = 4
A =
_
_
5 1 0
1 5 1
0 1 5
_
_
= Qdiag(J
3
(5))Q
1
, Q =
_
_
1 0 0
0 1 0
1 0 1
_
_
Solucao:
a) f(A) =
_
_
1 3 0
0 1 0
1 3 2
_
_
, b) f(A) =
_
_
3 2 2
2 1 2
2 2 1
_
_
Exerccio 18.6: Determine os autovetores (e eventuais autovetores generalizados) da matriz
A =
_
_
1 1 1
0 1 2
0 0 3
_
_
Solucao: por tratar-se de matriz triangular, os autovalores s ao os elementos da diagonal
1
=
2
= 1 ,
3
= 3
Da equacao Aq =
1
q, tem-se
(AI)q
1
=
_
_
0 1 1
0 0 2
0 0 2
_
_
_
_
q
11
q
21
q
31
_
_
= 0 q
1
=
_
_
1
0
0
_
_
A dimensao do espaco nulo de A I e 1, e portanto q
1
e o unico autovetor associado ao autovalor 1. Um
autovetor generalizado associado e obtido da equacao
Aq
2
= q
1
+
2
q
2
, (AI)q
2
= q
1

_
_
0 1 1
0 0 2
0 0 2
_
_
_
_
q
12
q
22
q
32
_
_
=
_
_
1
0
0
_
_
, q
2
=
_
_
1
1
0
_
_
Finalmente, da equacao Aq =
3
q, tem-se
(A3I)q
3
=
_
_
2 1 1
0 2 2
0 0 0
_
_
_
_
q
13
q
23
q
33
_
_
= 0 q
3
=
_
_
1
1
1
_
_
Note que
A = Q
1
AQ =
_
_
1 1 0
0 1 1
0 0 1
_
_
_
_
1 1 1
0 1 2
0 0 3
_
_
_
_
1 1 1
0 1 1
0 0 1
_
_
=
_
_
1 1 0
0 1 0
0 0 3
_
_
e uma matriz na forma de Jordan, com um bloco de dimensao 2 associado a
1
=
2
= 1 e um bloco de dimensao
1 associado a
3
= 3.
Exerccio 18.7: Determine exp(At) para
A =
_
_
1 1 1
0 1 2
0 0 3
_
_
Solucao:
A = Q

AQ
1
exp(At) = Qexp(

At)Q
1
, exp(

At) =
_
_
exp(t) t exp(t) 0
0 exp(t) 0
0 0 exp(3t)
_
_
sendo a matriz Q dada por
Q =
_
_
1 1 1
0 1 1
0 0 1
_
_
Exerccio 18.8: Determine cos(A) para
A =
_
0 1
0 /2
_
,
1
= 0 ,
2
= /2
Solucao: utilizando Cayley-Hamilton,
cos() =
0
+
1

0
= 1 ,
1
= 2/
cos(A) = I +
2
A =
_
1 2/
0 0
_
A solu cao tambem pode ser obtida a partir da diagonaliza cao da matriz A:
A = Q

AQ
1
=
_
2/ 2/
0 1
_ _
0 0
0 /2
_ _
/2 1
0 1
_
Portanto,
cos(A) = Qcos(

A)Q
1
=
_
2/ 2/
0 1
_ _
1 0
0 0
_ _
/2 1
0 1
_
=
_
1 2/
0 0
_
Exerccio 18.9: Determine cos(A) para
A =
_
1 1
0 1
_
/4 ,
1
=
2
= /4
Solucao: Por Cayley-Hamilton (A nao e diagonaliz avel), tem-se
cos() =
0
+
1
, sen() =
1

1
=
2
2
,
0
=
2
2
_
1 +

4
_
cos(A) =
0
I +
1
A =
_
0
+
1
/4
1
/4
0
0
+
1
/4
_
=
_
1 /4
0 1
_
2
2
O resultado poderia tambem ser obtido por exponencial de matriz, usando o Teorema de Euler.
Exerccio 18.10: Determine a inversa da matriz A usando o teorema de Cayley-Hamilton.
_
_
1 1 1
0 1 1
0 0 1
_
_
Solucao:
1
=
0
+
1
+
2
2
1 =
0
+
1
+
2
18.3. Exerccios 325
2
=
1
+ 2
2
1 =
1
+ 2
2
2
3
= 2
2
1 =
2
,
0
= 3 ,
1
= 3
A
1
=
0
I +
1
A+
2
A
2
=
_
_
1 1 0
0 1 1
0 0 1
_
_
Note que
Co(A) =
_
_
1 0 0
1 1 0
0 1 1
_
_
A inversa poderia ser obtida diretamente da equacao caracterstica
() =
3
3
2
+ 3 1 = 0
1
=
2
3 + 3
0
e
1
tais que
A
0.5
=
0
I +
1
A , A =
_
cos() sen()
sen() cos()
_
, > 0 , = 0
Solucao:
Os autovalores s ao
exp(j) , exp(j)
Portanto
0.5
exp(j/2) =
0
+
1
exp(j) ,
0.5
exp(j/2) =
0
+
1
exp(j)
que resultam em
1
=
0.5
sen(/2)
sen()
,
0
=
0.5
_
cos(/2)
sen(/2)
sen()
cos()
_
Para = 1 e = /2, tem-se
A =
_
0 1
1 0
_
, autovalores j, j
0
=
1
=
2
2
A
0.5
=
2
2
_
1 1
1 1
_
Note que a soma de 2 em nao altera os autovalores, porem produz como solu cao outra raiz quadrada
A
0.5
=
2
2
_
1 1
1 1
_
Exerccio 18.12: a) Determine a solu cao de
v =
_
0 1
1 0
_
v , v(0)
b) Obtenha a equacao e a solu cao em y para
y =
_
1 0
v , v(0) =
_
a
0
_
Exerccio 18.13: Determine as funcoes
0
(t) e
1
(t) que satisfazem a equacao
exp(At) =
0
(t)I +
1
(t)A , A =
_
0 1
2 3
_
Exerccio 18.14: Determine cosh(A) com
A =
_
0 /4
/4 0
_
Obs.: cosh() =
1
2
(exp() + exp())
Exerccio 18.15: Considere o sistema linear descrito pelas equacoes de estado
v =
_
1 1
0 1
_
v +
_
1
1
_
x , y =
_
1 1
v
a) Determine a resposta à entrada nula y
en
(t) para v(0) =
_
1 1
b) Determine a resposta ao impulso (condi coes iniciais nulas)

c) Determine y(t) para a entrada x(t) = exp(t), t > 0, com condi coes iniciais nulas
0
(t) e
1
(t) tais que
exp(At) =
0
(t)I +
1
(t)A , A =
_
2 1
0 2
_
0
e
1
tais que
A
2
=
0
I +
1
A , A =
_
0 1
6 5
_
Exerccio 18.18: Considere o sistema linear descrito pelas equacoes de estado
v =
_
3 2
1 0
_
v +
_
0
1
_
x , y =
_
1 1
v
a) Determine a resposta à entrada nula y
en
(t) para v(0) =
_
0 1
b) Determine a resposta ao impulso (condi coes iniciais nulas)

c) Determine y(t) para a entrada x(t) = exp(t), t > 0, com condi coes iniciais nulas
0
,
1
e A
33
=
0
I +
1
A para
A =
_
0 1
1 2
_
0
,
1
e A
521
=
0
I +
1
A para
A =
_
1 0
2 1
_
Exerccio 18.21: O polin omio caracterstico de uma matriz A R
33
e dado por () =
3
2
2
+ 4 + 1.
Determine A
2
+A
1
em funcao de potencias da matriz A.
18.3. Exerccios 327
Exerccio 18.22: a) Determine uma transformacao Q que diagonalize a matriz
A =
_
_
1 1 1
0 2 1
0 0 3
_
_
b) Determine os autovalores e autovetores da matriz
A =
_
7 0
2 2
_
c) Determine Q (matriz de autovetores) e diagonal (com os autovalores de A na diagonal) tais que
A =
_
1 2
0 3
_
= QQ
1

A na forma de Jordan tal que AQ = Q

A, com Q nao singular.
A =
_
_
2 0 8
0 2 0
0 0 2
_
_
b) Determine Q
c) Repita para
A =
_
_
2 2 1
1 6 2
1 3 1
_
_
, () = ( 3)
3
Solucao: a) e b)
A = diag(J
2
(2), J
1
(2)) , Q =
_
_
8 0 0
0 1 1
0 1 0
_
_
c)
A = diag(J
3
(3)) , Q =
_
_
1 1 2
1 0 0
1 0 1
_
_
Note que a solu cao Qnao e unica, pois as colunas de Qassociadas a cada bloco de Jordan podem ser multiplicadas
por qualquer n umero diferente de zero sem alterar a igualdade AQ = Q

A.
0
e
1
tais que
A
0.5
=
0
I +
1
A , A =
_
1 1
0 1
_
b) Determine as funcoes
0
(t) e
1
(t) tais que
exp(At) =
0
(t)I +
1
(t)A , A =
_
1 2
0 3
_
c) Determine as funcoes
0
(s) e
1
(s) tais que
(sI A)
1
=
0
(s)I +
1
(s)A , A =
_
1 2
0 3
_
T v = WTv , v(0) =
_
1
2
_
, T =
_
1 4
0 2
_
para exp(Wt) =
_
1 t
0 1
_
exp(2t)
b) Determine v(t) solu cao de
v = Av , v(0) =
_
3
0
_
com AQ = Q

A , Q =
_
1 2
2 1
_
,

A =
_
1 0
0 2
_
v = Av , v(0) =
_
1
1
_
, A =
_
15 20
10 13
_
sabendo que, para autovalores de A,
exp(t) =
1
2
exp(t)
_
2 cos(2t) sen(2t)
_
+
1
2
exp(t)sen(2t)
b) Determine exp(At) para a matriz A (autovalores
1
= 2,
2
= 5)
A =
_
8 6
3 1
_
=
_
1 2
1 1
_ _
2 0
0 5
_ _
1 2
1 1
_
Exerccio 18.27: a) Determine a transformada de Laplace V (s) da solu cao de
v =
_
1 4
2 3
_
v , v(0) =
_
1
1
_
b) Determine v(t)
Exerccio 18.28: Determine a forma de Jordan de uma matriz A de dimensao 12, autovalor = 2 com
multiplicidade 12 e M = (AI) tem os seguintes ranks
rank(M) = 8 , rank(M
2
) = 4 , rank(M
3
) = 2 , rank(M
4
) = 0
Solucao: s ao quatro blocos de Jordan (pois o espaco nulo de M tem dimensao 4), o maior bloco de Jordan e de
tamanho 4 (pois M
4
= 0 e M
3
= 0). Sao dois blocos de tamanho 4 pois o rank de M
3
e 2. N ao ha blocos de
tamanho 3, pois
rank(M
2
) 2rank(M
3
) + rank(M
4
) = 4 2(2) + 0 = 0
e s ao dois blocos de tamanho 2, pois
rank(M) 2rank(M
2
) + rank(M
3
) = 8 2(4) + 2 = 2
Portanto, a forma de Jordan e composta de dois blocos de tamanho 4 e dois de tamanho 2. De fato, nao ha
bloco de tamanho 1, pois
rank(I) 2rank(M) + rank(M
2
) = 12 2(8) + 4 = 0
Exerccio 18.29: Determine os blocos de Jordan da forma de Jordan de uma matriz A de dimensao 9, autova-
lores = 2 com multiplicidade algebrica 7 e = 1 com multiplicidade algebrica 2 e M
2
= A 2I, M
1
= A I
com os seguintes ranks
rank(M
1
) = 8 , rank(M
2
1
) = 7 , rank(M
3
1
) = 7
rank(M
2
) = 6 , rank(M
2
2
) = 4 , rank(M
3
2
) = 2 , rank(M
4
2
) = 2
Solucao:
A = diag(J
3
(2), J
3
(2), J
1
(2), J
2
(1))
Exerccio 18.30: Determine um sistema autonomo descrito por variaveis de estado (

A, c) e a condi cao inicial
v(0) cuja sada e igual à do sistema
v =
_
0 1
2 3
_
v +
_
1
1
_
x , y =
_
1 1
v , x(t) = 5 exp(t) + 6 exp(2t) , v(0) =

_
7
8
_
b) Determine a forma de Jordan para

A
Solucao:
A =
_
_
0 1 1 1
2 3 1 1
0 0 1 0
0 0 0 2
_
_
, c =
_
1 1 0 0
, v
0
=
_
_
7
8
5
6
_
_
, diag(J
2
(1), J
2
(2))
Exerccio 18.31: Determine um sistema autonomo descrito por variaveis de estado (

A, c) e a condi cao inicial
v(0) cuja sada e igual à do sistema
v =
_
0 1
4 4
_
v +
_
1
1
_
x , y =
_
1 0
v , x = exp(2t) , v(0) =
_
2
5
_
Captulo 19
Observabilidade e Controlabilidade
SISO
19.1 Observabilidade
Denicao 19.1: Observabilidade
Um sistema contnuo autonomo descrito por
v(t) = f(v(t), t) , y(t) = g(v(t), t)
e observ avel em t
0
se existir > 0 tal que o conhecimento da sada y(t) para todo t [t
0
, t
0
+ ] e
suciente para determinar a condi cao v(t
0
).
Sistemas lineares invariantes no tempo com sada escalar, descritos por
v(t) = Av(t) , v R
n
; y(t) = cv(t) R
s ao observ aveis se existir > 0 tal que o conhecimento da sada y(t) para todo t [0, ] e suciente
para determinar a condi cao inicial v(0).
Propriedade 19.1: Matriz de observabilidade

O sistema linear invariante no tempo
v = Av , y = cv
com v R
n
e observ avel se e somente se o rank da matriz de observabilidade Obsv(A, c) for igual a n
Obsv(A, c) =
_
_
c
cA
cA
2
.
.
.
cA
n1
_
_
R
nn
Ou seja, o sistema e observ avel se e somente se det(Obsv(A, c)) = 0.
Prova:
y(t) = c exp(At)v(0)
Derivando n 1 vezes y(t) e computando em t = 0, tem-se
Obsv(A, c)v(0) =
_
_
c
cA
cA
2
.
.
.
cA
n1
_
_
v(0) =
_
_
y(0)
y(0)
y(0)
.
.
.
y
(n1)
(0)
_
_
329
330 Captulo 19. Observabilidade e Controlabilidade SISO
que tem solucao em v(0) sempre que o rank de Obsv(A, c) for igual a n. Note que e preciso conhecer
y(t) em uma vizinhan ca do zero para determinar os valores das derivadas em t = 0.
Propriedade 19.2: c e AI coprimos à direita

O sistema
v = Av , y = cv
e observ avel ou, equivalentemente, o par (A, c) e observ avel, se e somente se a matriz
_
AI
c
_
C
(n+1)n
tiver rank n (isto e, rank completo de colunas) para todo C. Como det(A I) = 0 para C
que nao e autovalor de A, basta testar o rank da matriz para os s autovalores de A.
Se a matriz acima tem rank n, diz-se que A I e c s ao coprimos à direita, isto e, que nao possuem
nenhum fator comum à direita.
Prova: o rank completo de colunas autovalor de A implica que nao existe um vetor v = 0 tal que
_
AI
c
_
v = 0
Se existirem
1
e v
1
= 0 tais que
_
A
1
I
c
_
v
1
= 0 Av
1
=
1
v
1
, cv
1
= 0
tem-se que v
1
e um autovetor associado ao autovalor
1
. Assim,
A
2
v
1
= A
1
v
1
=
2
1
v
1
, A
n1
v
1
=
n1
1
v
1
e, portanto,
_
_
c
cA
cA
2
.
.
.
cA
n1
_
_
v
1
=
_
_
c
1
c
2
1
c
.
.
.
n1
1
c
_
_
v
1
= 0
indicaria que rank
_
Obsv(A, c)
_
< n, ou seja, que o sistema e nao observ avel.
Exemplo 19.1 (Sistema nao observavel): O sistema

v =
_
0 1
2 3
_
v ; y =
_
1 1
v
nao e observavel, pois a matriz de observabilidade dada por
Obsv(A, c) =
_
c
cA
_
=
_
1 1
2 2
_
tem determinante igual a zero. Note que, para uma condi cao inicial v(0) = v
0
, tem-se
Y (s) = c(sI A)
1
v
0
=
s + 1
(s + 1)(s + 2)
_
v
1
(0) +v
2
(0)
_
y(t) =
_
v
1
(0) +v
2
(0)
_
exp(2t)u(t)
19.1. Observabilidade 331
e, portanto, o conhecimento de y(t) nao permite determinar de maneira individualizada v
1
(0) e
v
2
(0).
Note ainda que os autovalores de A s ao 1 e 2, e que embora
_
M
2
c
_
=
_
A(2)I
c
_
=
_
_
2 1
2 1
1 1
_
_
possua rank 2, indicando que M
2
e c s ao coprimos, para = 1 tem-se
rank
_
_
1 1
2 2
1 1
_
_
= 1
M
1
= A(1)I =
_
1 1
2 2
_
=
_
1
2
_
_
1 1
, c =
_
1
_
1 1
e, portanto, a matriz M
1
, que tem rank 1, possui um fator comum à direita com o vetor c (nao
s ao coprimos à direita), conrmando pela Propriedade 19.2 que o sistema nao e observavel.
P
Exemplo 19.2 (Sistema observavel): O sistema
v =
_
0 1
2 3
_
v ; y =
_
1 0
v
e observavel, pois a matriz de observabilidade dada por
Obsv(A, c) =
_
c
cA
_
=
_
1 0
0 1
_
tem determinante diferente de zero. Para uma condi cao inicial v(0) = v
0
, tem-se
Y (s) = c(sI A)
1
v
0
=
s + 3
(s + 1)(s + 2)
v
1
(0) +
1
(s + 1)(s + 2)
v
2
(0)
y(t) =
_
2 exp(t) exp(2t)
_
v
1
(0)u(t) +
_
exp(t) exp(2t)
_
v
2
(0)u(t)
y(0) = v
1
(0) , y(0) = v
2
(0)
Neste caso, o conhecimento de y(t) permite determinar a condi cao inicial.
Conrmando, pela Propriedade 19.2, tem-se
_
M
2
c
_
=
_
A(2)I
c
_
=
_
_
2 1
2 1
1 0
_
_
_
M
1
c
_
=
_
A(1)I
c
_
=
_
_
1 1
2 2
1 0
_
_
ambas com rank 2 (nao ha fator comum entre M
e c que possa ser colocado em evidencia à direita).

P
1
1
+
+
1
1/
x
y
2
Figura 19.1: Circuito RLC com R = C = 1 e L = 1/.
Exemplo 19.3: Considere o circuito da Figura 19.1 com > 0 e as variaveis de estado
1
(tens ao
no capacitor) e
2
(corrente no indutor).
2
+
1

2
=
1
+
1
; x =
1

2
+
1
; y =
1

2
Colocando na forma matricial, tem-se
= A +bx , y = c +dx (19.1)
A =
_
2 1
0
_
, b =
_
1
_
, c =
_
1 0
, d =
_
1
(19.2)
A matriz de observabilidade e dada por
Obsv(A, c) =
_
1 0
2 1
_
cujo determinante e
det(Obsv(A, c)) = 1 = 0
indicando que o sistema (19.1)-(19.2) e observavel independentemente de .
D(p)y = N(p)x , D(p) = p
2
+ 2p + , N(p) = p(p + 1)
Note que para = 1 (constantes de tempo das malhas indutiva e capacitiva identicas) ocorre um
cancelamento entre zero e polo.
P
Exemplo 19.4: Considere novamente o circuito descrito na Figura 19.1, com > 0, cuja equacao
diferencial em y e
D(p)y = N(p)x , D(p) = p
2
+ 2p + , N(p) = p(p + 1)
N(p) = D(p) +

N(p)

N(p) = p
1
e v
2
1
2
) e dada por
v =
_
0 1
2
_
v +
_
0
1
_
x (19.3)
y =
_
1
v +
_
1
x (19.4)
A matriz de observabilidade para o sistema (19.3)-(19.4) e dada por
Obsv(A, c) =
_
c
cA
_
=
_
1
2
_
cujo determinante e
det(Obsv(A, c)) = ( 1)
Portanto, a realizacao (19.3)-(19.4) do sistema (variaveis v
1
e v
2
) nao e observavel se = 1.
Note, portanto, que a observabilidade depende da representa cao interna do sistema, isto e, da
escolha das variaveis de estado.
P
Exemplo 19.5: Considere o circuito da Figura 19.2, cujas equacoes de estado e de sada s ao
2
+
L
2
R
2
= C
1
+

1
R
1
; x = L
2
+
1
y =
L
R
2

2
Colocando na forma matricial, tem-se
= A +bx , y = c +dx (19.5)
A =
_
_
1
R
1
C
+
1
R
2
C
_
1
C
1
L
0
_
_
, b =
_
_
1
R
2
C
1
L
_
_
, c =
_

1
R
2
0
_
, d =
_
1
R
2
_
(19.6)
Obsv(A, c) =
_
1
R
2
0
1
R
2
_
1
R
1
C
+
1
R
2
C
_

1
R
2
C
_
_
cujo determinante e
det(Obsv(A, c)) =
1
R
2
2
C
= 0
indicando que o sistema (19.5)-(19.6) e observavel.
R
1
R
2
+
+
C
L
x
y
2
D(p)y = N(p)x , D(p) = p
2
+
_
1
R
1
C
+
1
R
2
C
_
p +
1
LC
, N(p) =
1
R
2
p
_
p +
1
R
1
C
_
A divisao N(p)/D(p) resulta em
2
= 1/R
2
e
N(p) =
1
R
2
2
C
p
1
R
2
LC
1
e v
2
1
2
) e dada por
v =

Av +
bx , y = cv +

dx (19.7)
A =
_
_
0 1
1
LC

_
1
R
1
C
+
1
R
2
C
_
_
_
,

b =
_
0
1
_
, c =
_

1
R
2
LC

1
R
2
2
C
_
,

d =
_
1
R
2
_
A matriz de observabilidade para o sistema (19.7) e dada por
Obsv(

A, c) =
1
R
2
LC
_
_
1
L
R
2
1
R
2
C
L
R
2
_
1
R
1
C
+
1
R
2
C
_
1
_
_
det(Obsv(

A, c)) =
1
R
2
2
L
2
C
2
_
1
L
R
1
R
2
C
_
Portanto, o sistema (19.7) (variaveis v
1
e v
2
) nao e observavel se as constantes de tempo das malhas
LR
2
e R
1
C forem identicas, isto e, se
L
R
2
= R
1
C
P
Propriedade 19.3: Observabilidade de sistemas similares
Transformacoes de similaridade nao alteram a observabilidade de um sistema linear invariante no
tempo.
Prova:
Os sistemas similares, com T nao singular, dados por
v = Av , v = T v

v = T
1
v = T
1
Av = T
1
AT v

A = T
1
AT
y = cv = cT v c = cT
tem matrizes de observabilidade que vericam
rank
_
_
c
c

A
.
.
.
c

A
n1
_
_
= rank
_
_
_
c
cA
.
.
.
cA
n1
_
_
T
_
= rank
_
_
c
cA
.
.
.
cA
n1
_
Exemplo 19.6: Considere o sistema descrito por

v = Av , y = cv
A =
_
5 1
4 1
_
, c =
_
0 2
O sistema e observavel, pois

Obsv(A, c) =
_
0 2
8 2
_
, det(Obsv(A, c)) = 16 = 0
Escolhendo
T =
_
1 1
1 0
_
, T
1
=
_
0 1
1 1
_
e escrevendo as equacoes em termos de v = T v, tem-se
A = T
1
AT =
_
3 4
9 9
_
, c =
_
2 0
Obsv(

A, c) =
_
2 0
6 8
_
] , det(Obsv(

A, c)) = 16 = 0
P
19.2 Controlabilidade
Denicao 19.2: Controlabilidade
Um sistema contnuo descrito por
v(t) = f(v(t), x(t), t)
e controlavel em t
0
se existir > 0 nito e uma entrada x(t), t [t
0
, t
0
+] que leve o sistema de um
estado inicial qualquer v(t
0
) para um estado arbitr ario v(t
0
+).
Sistemas lineares invariantes no tempo com entrada escalar, descritos por
v(t) = Av(t) +bx(t) , v R
n
; x(t) R
s ao controlaveis se para qualquer estado inicial v(0) e um estado v() nal arbitr ario, existir uma
entrada x(t), t [0, ] que leve o sistema de v(0) a v() em tempo nito .
Propriedade 19.4: Matriz de controlabilidade

O sistema linear invariante no tempo
v = Av +bx
com v R
n
e controlavel se e somente se o rank da matriz de controlabilidade Ctrb(A, b) for igual a n
Ctrb(A, b) =
_
b Ab A
2
b A
n1
b
R
nn
Ou seja, o sistema e controlavel se e somente se det(Ctrb(A, b)) = 0.
Prova:
A solucao v(t), com condi cao inicial v(0) conhecida e uma entrada x(t), e dada por
v(t) = exp(At)v(0) +
_
exp(At)u(t)
_
bx(t)
Por Cayley-Hamilton, tem-se
exp(At) =
n1
k=0
k
(t)A
k
e portanto
(t) =
_
n1
k=0
k
(t)A
k
u(t)
_
bx(t) =
n1
k=0
A
k
b
k
(t)
com
(t) = v(t) exp(At)v(0) ,
k
(t) =
_
k
(t)u(t)
_
x(t)
Para t = , tem-se
() =
_
b Ab A
2
b A
n1
b
0
()
1
()
.
.
.
n1
()
_
_
que possui solucao sempre que o rank de Ctrb(A, b) for igual a n.

19.2. Controlabilidade 337
Propriedade 19.5: b e AI coprimos à esquerda
O sistema
v = Av +bx
e controlavel ou, equivalentemente, o par (A, b) e controlavel, se e somente se a matriz
_
AI b
C
n(n+1)
tiver rank n (isto e, rank completo de linhas) para todo C. Como det(AI) = 0 para C que
nao e autovalor de A, basta testar o rank da matriz para os s autovalores de A.
Se a matriz acima tem rank n, diz-se que AI e b s ao coprimos à esquerda, isto e, que nao possuem
nenhum fator comum à esquerda.
Prova: o rank completo de linhas autovalor de A implica que nao existe um vetor q = 0 tal que
q
_
AI b
= 0
Se existirem
1
e q
1
= 0 tais que
q
1
_
A
1
I b
= 0 q
1
A =
1
q
1
, q
1
b = 0
tem-se que q
1
e um autovetor à esquerda associado ao autovalor
1
, q
1
A
n1
= q
n1
1
e, portanto,
q
1
_
b Ab A
2
b A
n1
b
= q
1
_
1
b
2
1
b
n1
1
b
= 0
indicando que o sistema e nao controlavel.
Exemplo 19.7 (Sistema nao controlavel): Considere o sistema

v =
_
0 1
2 3
_
v +
_
b
1
b
2
_
x
Analisando a controlabilidade, tem-se
_
b Ab
= det
_
b
1
b
2
b
2
2b
1
3b
2
_
= (2b
2
1
+ 3b
1
b
2
+b
2
2
)
e portanto para b
2
= b
1
ou b
2
= 2b
1
, o sistema e nao controlavel (determinante igual a zero).
Utilizando o operador p, tem-se
v = (pI A)
1
bx =
1
D(p)
_
p + 3 1
2 p
_ _
b
1
b
2
_
x , D(p) = (p + 1)(p + 2)
As duas situacoes de nao controlabilidade implicam
b
1
= b
2
= v =

p + 1
_
1
1
_
x , b
2
= 2b
1
= 2 v =

p + 2
_
1
2
_
x
Note que nao e possvel controlar individualmente os dois estados e que, em cada uma das situacoes,
um dos modos proprios nao aparece na equacao diferencial.
Conrmando, pela Propriedade 19.5 tem-se
_
A(1)I b
=
_
1 1 b
1
2 2 b
2
_
que tem rank 1 se b
2
= 2b
1
e
_
A(2)I b
=
_
2 1 b
1
2 1 b
2
_
que tem rank 1 se b
1
= b
2
.
P
Exemplo 19.8 (Sistema controlavel): Considere o sistema
v =
_
0 1
2 3
_
v +
_
1
1
_
x , v(0) = 0
O sistema e controlavel, pois
_
b Ab
= det
_
1 1
1 5
_
= 6
Aplicando a transformada de Laplace, tem-se
V (s) = (sI A)
1
bX(s) =
1
(s + 1)(s + 2)
_
s + 3 1
2 s
_ _
1
1
_
X(s) =
1
(s + 1)(s + 2)
_
s + 4
s 2
_
X(s)
Para X(s) igual a
X(s) =
s + 1
s + 4
+
s + 2
s 2
tem-se
V (s) =
_
_
1
s + 2
s + 4
(s + 1)(s 2)
s 2
(s + 2)(s + 4)
1
s + 1
_
_
_
_
e portanto
v(t) =
_
exp(2t) exp(t) + 2 exp(2t)
2 exp(2t) + 3 exp(4t) exp(t)
_ _
_
Note que o determinante da matriz que relaciona v(t) com os par ametros e e
(t) = 4 6 exp(2t) exp(3t) + 3 exp(5t) = 0 , t = 0
e, portanto, para qualquer (t =

t, v(t) = v) e possvel encontrar e que levam o sistema de
v(0) = 0 a v no intervalo [0,
t], conrmando que o sistema e controlavel.

_
_
=
1
(
t)
_
exp(
t) exp(
t) 2 exp(2
t)
2 exp(2
t) 3 exp(4
t) exp(2
t)
_
v
P
Propriedade 19.6:
Para sistemas controlaveis, existe R
n
tal que a entrada
x(t) = b
exp(A
t)u(t) , t [0, ]
leva o sistema da condi cao inicial v(0) = 0 para v() arbitr ario.

Exemplo 19.9: Considere novamente o sistema controlavel do Exemplo 19.8 e a condi cao v(1)
dados por
v =
_
0 1
2 3
_
v +
_
1
1
_
x , v(0) = 0 , , v(1) =
_
1
3
_
x(t) = b
exp(A
t)u(t) X(s) = b
(sI +A
)
1
=
1
(s 1)(s 2)
_
s 4 s + 2
Como
V (s) = (sI A)
1
bX(s) =
1
(s + 1)(s + 2)
_
s + 4
s 2
_
X(s)
tem-se
V (s) = M(s) = (sI A)
1
bb
(sI +A
)
1
=
1
(s
2
1)(s
2
4)
_
s
2
16 (s + 2)(s + 4)
(s 2)(s 4) s
2
4
_
Note que o determinante da matriz M(s) e nulo para todo s, pois det(bb
) = 0. Entretanto,
M(t) = L
1
{M(s)} possui inversa para todo t > 0 (sistema controlavel), e e dada por
M(t) =
_
2.5 exp(t) exp(2t) 2.5 exp(t) + exp(2t) 2.5 exp(t) + 2 exp(2t) + 0.5 exp(t)
0.5 exp(t) + 2.5 exp(t) 2 exp(2t) senh(t)
_
Em t = 1, tem-se
M(1)
_
1.38 8.17
0.710 1.18
_
, M(1) = v(1) =
_
1
3
_

_
6.14
1.16
_
A Figura 19.3 mostra a simulacao numerica do sistema para a entrada
x(t) = b
exp(A
t)
_
3 exp(t) 2 exp(2t) 4 exp(2t) 3 exp(t)
_
6.14
1.16
_
0 0.5 1 1.5
4
2
0
2
4
6
8
x
v
1
v
2
t
Figura 19.3: Simulacao do sistema do Exemplo 19.9.
P
Propriedade 19.7: Controlabilidade de sistemas similares
Transformacoes de similaridade nao alteram a controlabilidade de um sistema linear invariante no
tempo.
Prova:
Os sistemas similares, com T nao singular, dados por
v = Av +bx , v = T v

v = T
1
v = T
1
Av +T
1
bx = T
1
AT v +T
1
bx

A = T
1
AT ,

b = T
1
b
tem matrizes de controlabilidade que vericam
rank
_
b

A
b

A
n1
= rank
_
T
1
_
b Ab A
n1
b
_
= rank
_
b Ab A
n1
b
Exemplo 19.10: Considere o sistema descrito por

v = Av +bx
A =
_
5 4
1 1
_
, b =
_
0
2
_
O sistema e controlavel, pois
Ctrb(A, b) =
_
0 8
2 2
_
, det(Ctrb(A, b)) = 16 = 0
Escolhendo
T =
_
0 1
1 1
_
, T
1
=
_
1 1
1 0
_
e escrevendo as equacoes em termos de v = T v, tem-se
A =
_
3 9
4 9
_
,

b =
_
2
0
_
Ctrb(

A,
b) =
_
2 6
0 8
_
, det(Ctrb(

A,
b)) = 16 = 0
P
Propriedade 19.8:
O sistema (A, b, c, d) e controlavel se e somente se o sistema dual (A
, c
, b
, d) e observ avel, e vice-versa,

isto e, o sistema (A, b, c, d) e observ avel se e somente se o sistema dual (A
, c
, b
, d) e controlavel.
Prova:
Ctrb(A, b) =
_
Obsv(A
, b
)
_
, Obsv(A, c) =
_
Ctrb(A
, c
)
_

Exemplo 19.11: Considere novamente o circuito da Figura 19.1, com > 0, descrito pela equacao
diferencial
D(p)y = N(p)x , D(p) = p
2
+ 2p + , N(p) = p(p + 1)
com a representa cao de estado do Exemplo 19.4
v =
_
0 1
2
_
v +
_
0
1
_
x , y =
_
1
v +
_
1
x
que nao e observavel para = 1. No entanto, o sistema e controlavel independentemente de ,
pois
_
b Ab
= det
_
0 1
1 2
_
= 1
Por outro lado, a representa cao em equacoes de estado na forma dual, dada por
A =
_
0
1 2
_
, b =
_
1
_
, c =
_
0 1
, d =
_
1
e observavel independentemente de e nao e controlavel para = 1, pois

_
b Ab
= det
_

1 2
_
= ( 1)
det(Obsv(A, c)) = det
_
c
cA
_
= det
_
0 1
1 2
_
= 1
P
Propriedade 19.9: Forma can onica controlavel
A representa cao
v = Av +bx , v =
_
_
0 1 0 0
0 0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1
0

1

2

m1
_
_
v +
_
_
0
0
.
.
.
0
1
_
_
x
e denominada de forma canonica controlavel, pois det
_
Ctrb(A, b)
_
= 0 para quaisquer valores de
k
.
Prova: para n = 4, tem-se
Ctrb(A, b) =
_
_
0 0 0 1
0 0 1
3
0 1
3

2
+
2
3
1
3

2
+
2
3

1
+
2
3
(
2
+
2
3
)
_
_
cujo determinante e igual a 1. Para n qualquer, o determinante e 1 ou 1, pois
det
_
Ctrb(A, b)
_
= (1)
f[n]
, f[n] =
n+1
k=2
k =
(n + 3)n
2
Pode-se mostrar que inversa da matriz de controlabilidade e dada por
_
Ctrb(A, b)
_
1
=
_
1

2

3
1
2

3
1 0
3
1 0 0
1 0 0 0
_

v =
_
_
0 1 0
0 0 1
6 11 6
_
_
v +
_
_
0
0
1
_
_
x
est a na forma can onica controlavel, sendo
Ctrb(A, b) =
_
_
0 0 1
0 1 6
1 6 25
_
_
, det(Ctrb(A, b)) = 1
P
Propriedade 19.10: Forma can onica observavel
A representa cao de um sistema na forma
v = Av , y = cv , v =
_
_
0 0
0
1 0
1
.
.
.
.
.
.
.
.
.
.
.
.
0 1
m1
_
_
v , y =
_
0 0 0 1
v
e denominada de forma canonica observ avel, pois det
_
Obsv(A, c)
_
= 0 para quaisquer valores de
k
.
Por dualidade, essa propriedade e conseq uencia da Propriedade 19.8.
Propriedade 19.11:
A realizacao mostrada na Figura 19.4 e a forma canonica controlavel dada por (m = 3,
m
= 1)
A =
_
_
0 1 0
0 0 1
0

1

2
_
_
, b =
_
_
0
0
1
_
_
, c =
_
, d =
_
associada aos polin omios

D(p) =
m
k=0
k
p
k
, N(p) =
3
D(p) +

N(p) ,

N(p) =
m1
k=0
k
p
k
Por construcao, a realizacao possui (A, b) controlavel. Se (A, c) for observ avel, entao nao ha cancela-
mentos entre polos e zeros.
Por outro lado, se nao houver cancelamento entre as razes de N(p) e D(p) (isto e, entre polos e zeros),
a realizacao e observ avel. Portanto, essa realizacao e sempre controlavel e a observabilidade depende
dos par ametros
k
,
k
.
Note que cancelamentos entre polos e zeros tambem implicam em cancelamentos entre

N(p) e D(p).

+
+ +
+ + +
_ _ _
x
y
v
1
v
2
v
3
3
1
Figura 19.4: Realiza cao na forma canonica controlavel.
Exemplo 19.13: Considere a realizacao mostrada na Figura 19.4 com
3
= 0 ,
2
= 1 ,
1
= 3 ,
0
= 2 ,
2
= 8 ,
1
= 21 ,
0
= 18
implicando em
A =
_
_
0 1 0
0 0 1
18 21 8
_
_
, b =
_
_
0
0
1
_
_
, c =
_
2 3 1
, d =
_
0

Obsv(A, c) =
_
_
2 3 1
18 19 5
90 87 21
_
_
, det
_
Obsv(A, c)
_
= 0
De fato, os polin omios
N(p) = p
2
+ 3p + 2 = (p + 1)(p + 2) , D(p) = p
3
+ 8p
2
+ 21p + 18 = (p + 3)
2
(p + 2)
possuem a raiz 2 em comum.
P
Propriedade 19.12:
A realizacao mostrada na Figura 19.5 e a forma canonica observ avel dada por (m = 3,
m
= 1)
A =
_
_
0 0
0
1 0
1
0 1
2
_
_
, b =
_
_
2
_
_
, c =
_
0 0 1
, d =
_

associada aos polin omios
D(p) =
m
k=0
k
p
k
, N(p) =
3
D(p) +

N(p) ,

N(p) =
m1
k=0
k
p
k
+ + + +
_ _ _
x
y
v
1
v
2
v
3
0

1

2
2

3
1
Figura 19.5: Realiza cao na forma canonica observ avel.
Por construcao, a realizacao possui (A, c) observ avel. Se (A, b) for controlavel, entao nao ha cancela-
mentos entre polos e zeros.
Por outro lado, se nao houver cancelamento entre as razes de N(p) e D(p) (isto e, entre polos e zeros),
a realizacao e controlavel. Portanto, essa realizacao e sempre observ avel e a controlabilidade depende
dos par ametros
k
,
k
.
Exemplo 19.14: Considere a realizacao mostrada na Figura 19.5 com
3
= 1 ,

2
= 1 ,

1
= 3 ,

0
= 2 ,
2
= 3 ,
1
= 1 ,
0
= 3
implicando em
A =
_
_
0 0 3
1 0 1
0 1 3
_
_
, b =
_
_
2
3
1
_
_
, c =
_
0 0 1
, d =
_
1
A matriz de controlabilidade e dada por

Ctrb(A, b) =
_
_
2 3 0
3 3 3
1 0 3
_
_
, det
_
Ctrb(A, b)
_
= 0
De fato, os polin omios
N(p) = p
2
+ 3p + 2 = (p + 1)(p + 2) , D(p) = p
3
+ 3p
2
p 3 = (p 1)(p + 1)(p + 3)
possuem a raiz 1 em comum.
P
Propriedade 19.13: Decomposi cao can onica (modos nao controlaveis)
Considere o sistema
e a transformacao de similaridade v = Pv, com P nao singular, que produz
v = P v = PAP
1
. .
A
v + Pb
..
b
x , y = cP
1
. .
c
v + d
..
d
x
Se a matriz de controlabilidade do sistema
Ctrb(A, b) =
_
b Ab A
n1
b
tem rank r < n, entao

P
1
=
_
q
1
q
r
q
n
construda com r colunas linearmente independentes de Ctrb(A, b) (e demais colunas arbitr arias, para
garantir a existencia de P
1
) leva o sistema para
_
v
c
v
c
_
=
_
A
c

A
12
0

A
c
_ _
v
c
v
c
_
+
_
b
c
0
_
x
y =
_
c
c
c
c
_
v
c
v
c
_
+

dx
O subsistema de ordem r
v
c
=

A
c
v
c
+
b
c
x
y = c
c
v
c
+

dx
e controlavel e produz a mesma funcao de transferencia que o sistema original. Os estados associados
aos modos controlaveis estao no vetor v
c
R
r
.
Note que
A
_
q
1
q
r
q
n
=
_
q
1
q
r
q
n
A
c

A
12
0

A
c
_
ou seja, os vetores Aq
i
, i = 1, . . . , r escrevem-se em funcao dos r primeiros vetores de P
1
(nao
dependem dos vetores extras {q
r+1
, . . . , q
n
}). De maneira similar,

b (representa cao de b na base
P
1
=
_
q
1
q
r
q
n
) nao depende dos vetores extras q

r+1
, . . . , q
n
. Alem disso,
Ctrb(

A,
b) =
_
b
c

A
c
b
c

A
n1
c

b
c
0 0 0
_
=
_
Ctrb(

A
c
,
b
c
)

A
r
c
b
c

A
n1
c

b
c
0 0 0
_
tem rank r (as colunas de r + 1 a n s ao linearmente dependentes), que e o rank de Ctrb(

A
c
,
b
c
),
indicando que o sistema de ordem r e controlavel.
Como
(sI

A)
1
=
_
(sI

A
c
)
A
12
0 (sI

A
c
)
_
1
=
_
(sI

A
c
)
1
(sI

A
c
)
1

A
12
(sI

A
c
)
1
0 (sI

A
c
)
1
_
tem-se que a funcao de transferencia e dada por
_
c
c
c
c
_
(sI

A
c
)
1
(sI

A
c
)
1

A
12
(sI

A
c
)
1
0 (sI

A
c
)
1
_ _
b
c
0
_
+

d = c
c
(sI

A
c
)
1
b
c
+

d
A decomposicao canonica que separa os modos controlaveis dos nao controlaveis e produzida pelo
comando ctrbf do Matlab.

Propriedade 19.14: Decomposi cao can onica (modos nao observaveis)
E o caso dual da Propriedade 19.13. Se

rank
_
Obsv(A, c)
_
= r < n
a transformacao de similaridade v = Pv, com P nao singular dada por
P =
_
_
p
1
.
.
.
p
r
.
.
.
p
n
_
_
construda com r linhas linearmente independentes de Obsv(A, c) (e demais linhas arbitr arias, para
garantir a existencia de P
1
) leva o sistema (com estados associados aos modos observ aveis no vetor
v
o
R
r
) para
_
v
o
v
o
_
=
_

A
o
0
A
21

A
o
_ _
v
o
v
o
_
+
_
b
o
b
o
_
x
y =
_
c
o
0
_
v
o
v
o
_
+

dx
O subsistema de ordem r
v
o
=

A
o
v
o
+
b
o
x
y = c
o
v
o
+

dx
e observ avel e produz a mesma funcao de transferencia que o sistema original.
A decomposicao canonica que separa os modos observ aveis dos nao observ aveis e produzida pelo
comando obsvf do Matlab.
Exemplo 19.15 (Modos nao observaveis): Considere o sistema descrito por

v = Av +bx , y = cv , A =
_
5 1
4 1
_
, c =
_
2 1
, b =
_
1
1
_
O sistema e nao observavel, pois
Obsv(A, c) =
_
2 1
6 3
_
, det(Obsv(A, c)) = 0
O rank de Obsv(A, c) e igual a 1. Para
P =
_
2 1
0 1
_
, P
1
=
_
0.5 0.5
0 1
_
,

A = PAP
1
=
_
3 0
2 3
_
, c =
_
1 0

b =
_
1
1
_
tem-se
Obsv(

A, c) =
_
1 0
3 0
_
, det(Obsv(

A, c)) = 0
Embora a matriz A tenha dois modos proprios
1
=
2
= 3, apenas um dos modos aparece na
funcao de transferencia
1
s + 3
P
Exemplo 19.16 (Modos nao controlaveis): Considere o sistema
v =
_
_
0 1 0
0 0 1
6 11 6
_
_
v +
_
_
1
3
9
_
_
x , y =
_
1 1 1
v
cujo polin omio caracterstico e
(p) = p
3
+ 6p
2
+ 11p + 6 = (p + 1)(p + 2)(p + 3)
O sistema nao e controlavel, pois
_
b Ab A
2
b
= det
_
_
1 3 9
3 9 27
9 27 81
_
_
= 0 , rank(Ctrb(A, b)) = 1
Utilizando o operador p, tem-se
v = (pI A)
1
bx =
1
p + 3
_
_
1
3
9
_
_
x
Note que nao e possvel controlar individualmente os estados e que dois modos proprios nao apa-
recem na equacao diferencial.
Denindo a transformacao
P
1
=
_
_
1 0 0
3 1 0
9 0 1
_
_
, P =
_
_
1 0 0
3 1 0
9 0 1
_
_
tem-se
A = PAP
1
=
_
_
3 1 0
0 3 1
0 20 6
_
_
,

b = Pb =
_
_
1
0
0
_
_
, c =
_
7 1 1
Note que, no sistema transformado, foram separadas as parcelas controlavel ( v

1
, autovalor 3)
e nao controlavel ( v
2
e v
3
, autovalores 1 e 2). Note tambem que os estados nao controlaveis
formam um sistema autonomo independente, e a variavel v
2
inuencia na equacao de v
1
.
A matriz de controlabilidade do sistema transformado e
Ctrb(

A,
b) =
_
_
1 3 9
0 0 0
0 0 0
_
_
, rank(Ctrb(

A,
b)) = 1
e a funcao de transferencia e
7
s + 3
P
v =
_
_
0 1 1 2
2 3 1 3
0 0 0 1
0 0 12 7
_
_
v +
_
_
0
1
0
0
_
_
x , y =
_
1 2 3 4
v
Os autovalores da matriz do sistema s ao 1, 2, 3 e 4 (matriz bloco triangular). Note que o
sistema est a na forma da decomposicao can onica controlavel, com os estados controlaveis v
1
e v
2
(associados aos autovalores 1 e 2) e os nao controlaveis v
3
e v
4
. Os modos nao controlaveis s ao
3 e 4, autovalores da submatriz
_
0 1
12 7
_
A matriz de controlabilidade (rank 2) e dada por
Ctrb(A, b) =
_
_
0 1 3 7
1 3 7 15
0 0 0 0
0 0 0 0
_
_
e a de observabilidade, de rank igual a 4, por
Obsv(A, c) =
_
_
1 2 3 4
4 5 49 39
10 11 467 201
22 23 2413 993
_
_
indicando que o sistema e observavel. A funcao de transferencia, que depende apenas da parte
controlavel e observavel, e
2s + 1
s
2
+ 3s + 2
P
Exemplo 19.18: Considere o sistema descrito pelas matrizes
A =
_
5 2
4 1
_
, b =
_
3
6
_
, c =
_
1 1
Trata-se de um sistema observavel e nao controlavel, pois

rank
_
Ctrb(A, b)
_
= rank
_
_
3 3
6 6
_
_
= 1 , rank
_
Obsv(A, c)
_
= rank
_
_
1 1
9 3
_
_
= 2
A transformacao de similaridade que evidencia os modos nao controlaveis e dada por
P
1
=
_
3 0
6 1
_
, P =
_
1/3 0
2 1
_
produzindo
A =
_
1 2/3
0 3
_
,

b =
_
1
0
_
, c =
_
9 1
cuja funcao de transferencia e dada por

9
s 1
P
Propriedade 19.15: Controlabilidade e Forma de Jordan
Um sistema linear invariante no tempo com uma unica entrada (A, b) e controlavel se e somente se
sua forma de Jordan possuir apenas um bloco de Jordan associado a cada autovalor e todo elemento
de b correspondente à ultima linha de cada bloco de Jordan for diferente de 0.

19.3. Exerccios 349
v =
_
0
0
_
v +
_
b
1
b
2
_
x
cuja matriz de controlabilidade e dada por
Ctrb(A, b) =
_
b
1
b
1
b
2
b
2
_
O sistema possui dois blocos de Jordan de tamanho 1 associados ao autovalor . Note que o sistema
e nao controlavel para quaisquer b
1
, b
2
e .
Por outro lado, o sistema
v =
_
1
0
_
v +
_
b
1
b
2
_
x
e tal que
Ctrb(A, b) =
_
b
1
b
1
+b
2
b
2
b
2
_
, det
_
Ctrb(A, b)
_
= b
2
2
indicando que o sistema e controlavel se e somente se b
2
= 0.
P
Propriedade 19.16: Observabilidade e Forma de Jordan
Um sistema linear invariante no tempo com uma unica sada (A, c) e observ avel se e somente se sua
forma de Jordan possuir apenas um bloco de Jordan associado a cada autovalor e todo elemento de c
correspondente à primeira coluna de cada bloco de Jordan for diferente de 0.
Exemplo 19.20: Retomando o Examplo 19.19, com a matriz de sada

c =
_
c
1
c
2
tem-se
A =
_
0
0
_
Obsv(A, c) =
_
c
1
c
2
c
1
c
2
_
, det
_
Obsv(A, c)
_
= 0
indicando que o sistema nao e observavel. Por outro lado,
A =
_
1
0
_
Obsv(A, c) =
_
c
1
c
2
c
1
c
1
+c
2
_
, det
_
Obsv(A, c)
_
= c
2
1
e observavel se e somente se c
1
= 0.
P
19.3 Exerccios
Exerccio 19.1: a) Determine c R
12
nao nulo para que o sistema com os modos proprios
g
1
(t) = exp(t) , g
2
(t) = exp(2t)
e a representa cao de estados
v =
_
0 1
0

1
_
v
nao seja observavel.
Solucao: a partir dos modos proprios, tem-se
D(p) = (p + 1)(p + 2) = p
2
+ 3p + 2
0
= 2 ,
1
= 3
Denindo c =
_
c
1
c
2
, tem-se
Obsv(A, c) =
_
c
cA
_
=
_
c
1
c
2
2c
2
c
1
3c
2
_
e, portanto,
det(Obsv(A, c)) = 0 c
1
= c
2
, c
1
= 2c
2
b) Para a solu cao do item a), determine y(t) em funcao de v(0) =
_
v
1
(0) v
2
(0)
Solucao:
y(t) = c exp(At)v(0)
exp(At) =
0
(t)I +
1
(t)A , exp(t) =
0
(t)
1
(t) , exp(2t) =
0
(t) 2
1
(t)
Para c
1
= c
2
= , tem-se
y(t) =
_
0
(t) 2
1
(t)
__
v
1
(0) +v
2
(0)
_
= exp(2t)
_
v
1
(0) +v
2
(0)
_
Para c
1
= 2c
2
= 2, tem-se
y(t) = 2
_
0
(t)
1
(t)
__
v
1
(0) +v
2
(0)
_
= exp(t)
_
v
1
(0) +v
2
(0)
_
Note que a nao observabilidade nao permite determinar individualmente v
1
(0) e v
2
(0). Alem disso, implica no
desaparecimento de um dos modos proprios na sada.
Exerccio 19.2: Considere
v = Av +bx , y = cv , A =
_
2 10
1 2
_
, b =
_
1
_
, c =
_
2
a) Determine os valores de para os quais o sistema e controlavel

b) Determine os valores de para os quais o sistema e observavel
Exerccio 19.3: Considere o sistema linear descrito por
v =
_
1 1
3 5
_
v +
_
1
_
x , y =
_
3 1
v
Determine os valores de R para os quais o sistema:
a) N ao e controlavel
b) N ao e observavel
c) N ao e controlavel nem observavel
Exerccio 19.4: Considere o sistema dado por
v =
_
5 4
4 5
_
v +
_
1
2
_
x , y =
_
1 2
v
a) O sistema e controlavel?
b) O sistema e estabilizavel?
Exerccio 19.5: Considere o sistema dado por
v =
_
2 4
11 5
_
v +
_
1
1
_
x , y =
_
1 1
v
a) O sistema e observavel?
b) Determine uma transformacao T que produza uma representa cao do sistema na forma can onica observavel
(evidenciando, se for o caso, os modos nao observaveis).
c) Obtenha a funcao de transferencia do sistema equivalente.
19.3. Exerccios 351
Exerccio 19.6: Determine as matrizes de controlabilidade e de observabilidade da realizacao abaixo e os
valores de que tornam o sistema nao observavel.
+
+ +
+
_ _
x
y
6 5
4 1
1
Exerccio 19.7: a) Determine as matrizes (A, b, c, d) da realizacao mostrada na gura.
+ +
_ _
x
y
1
1
1
1
b) Determine a descri cao entrada-sada (isto e, D(p)y = N(p)x) do sistema.
c) Determine para que o sistema nao seja controlavel.
d) Determine uma realizacao (A, b, c, d) que seja controlavel para todo e que produza a mesma descri cao
entrada-sada do item b).
Captulo 20
Estabilidade
A estabilidade de um sistema pode ser caracterizada em termos da rela cao entrada-sada (BIBO
estabilidade) ou em termos das variaveis de estado (pontos de equilbrio).
20.1 BIBO estabilidade
Conforme a Denicao 7.10, um sistema e BIBO estavel (Bounded-Input Bounded-Output) se a sada e
limitada para toda entrada limitada.
|x(t)| < b |y(t)| < +
Alem disso, um sistema linear invariante no tempo e BIBO estavel se e somente se a resposta ao
impulso do sistema for absolutamente integravel.
Propriedade 20.1: Funcao de transferencia estavel
Se um sistema linear invariante no tempo causal descrito por uma funcao de transferencia H(s) for
BIBO estavel, entao s = j pertence ao domnio
h
, pois
|H(s = j)| =
_
+
h(t) exp(jt)dt

_
+
|h(t)|dt < +
e a Propriedade 7.13 mostra que um sistema e BIBO estavel se e somente se a resposta ao impulso for
absolutamente integravel.
Propriedade 20.2: Funcao de transferencia racional causal estavel

Um sistema linear invariante no tempo causal descrito por uma funcao de transferencia racional
H(s) =
N(s)
D(s)
,
h
= {s C , Re(s) > } , = max
k
Re(
k
)
e BIBO estavel se e somente se todos os polos
k
(isto e, razes de D(s) = 0) tiverem parte real
negativa.
Prova: autovalores com parte real negativa garantem que a resposta causal ao impulso
h(t) =
m
k=1
a
k
g
k
(t) , g
k
(t) = t
r
k
exp(
k
t)u(t) , 0 r
k
m
e absolutamente integravel.
Observe que foi suposto que H(s) e estritamente proprio. Se H(s) for proprio, ocorre um impulso na
resposta ao impulso, o que nao invalida a demonstra cao.
352
20.1. BIBO estabilidade 353
Denicao 20.1: Polin omio Hurwitz
1
Um polin omio D(p) que possui todas as razes com parte real negativa e chamado de polin omio
Hurwitz.
Propriedade 20.3:
Uma condi cao necessaria para que um polin omio D(p) de grau m, com
m
> 0, seja Hurwitz, e que
todos os demais m coecientes sejam positivos.
Prova:
D(p) =
m
p
m
+
m1
p
m1
+
m2
p
m2
+ +
1
p +
0
, (
m
> 0)
D(p) =
m
k
(p +a
k
)
k
(p
2
+ 2b
k
p +b
2
k
+c
2
k
)
As razes reais s ao a
k
e as complexas s ao b
k
jc
k
. Portanto, se
a
k
> 0 , b
k
> 0
entao todos os coecientes do polin omio D(p) s ao positivos.
Exemplo 20.1: : A Propriedade 20.3 e uma condi cao apenas necessaria. Por exemplo, o polin omio
p
3
+p
2
+ 11p + 51 = (p + 3)(p 1 +j4)(p 1 j4) = (p + 3)(p
2
2p + 17)
possui todos os coecientes positivos, mas nao e Hurwitz.
P
Propriedade 20.4: Expansao de Stieltjes

2
O teste do sinal da parte real das razes de um polin omio pode ser feito por expans ao de Stieltjes
D
m
(p)
D
m1
(p)
=
1
p +
1
2
p +
1
3
p +
1
.
.
.
+
1
m1
p +
1
m
p
sendo D
m
(p) e D
m1
(p) polin omios obtidos a partir do polin omio D(p), dados por
D
m
(p) =
m
p
m
+
m2
p
m2
+ , D
m1
(p) =
m1
p
m1
+
m3
p
m3
+
Todas as razes de D(p) = 0 possuem parte real negativa se e somente se
k
> 0, k = 1, . . . , m.
1
Adolf Hurwitz, matematico alem ao (18591919).
2
Thomas Jan Stieltjes, matematico holandes (1856-1894).
354 Captulo 20. Estabilidade
D(p) = p
4
+p
3
+ 3p
2
+ 2p + 1
Note que a condi cao necessaria (todos os coecientes positivos) e satisfeita.
D
4
(p)
D
3
(p)
=
p
4
+ 3p
2
+ 1
p
3
+ 2p
= p +
r
2
(p) = p
2
+ 1
p
3
+ 2p
D
3
(p)
r
2
(p)
=
p
3
+ 2p
p
2
+ 1
= p +
r
1
(p) = p
p
2
+ 1
r
2
(p)
r
1
(p)
=
p
2
+ 1
p
= p +
r
0
(p) = 1
p
Portanto, colocando na forma da expansao de Stieltjes, tem-se
p
4
+ 3p
2
+ 1
p
3
+ 2p
= p +
1
p +
1
p +
1
p
e pode-se concluir que o polin omio possui todas as razes com parte real negativa. De fato, as razes
s ao aproximadamente (usando o comando roots([1 1 3 2 1]) do Matlab):
0.10 j1.55 , 0.40 j0.51
P
D(p) = 24p
4
+ 24p
3
+ 18p
2
+ 6p + 1
Note que a condi cao necessaria (todos os coecientes positivos) e satisfeita. Da expansao de Stieltjes,
D
4
(p)
D
3
(p)
=
24p
4
+ 18p
2
+ 1
24p
3
+ 6p
= p +
12p
2
+ 1
24p
3
+ 6p
= p +
1
2p +
4p
2p
2
+ 1
= p +
1
2p +
1
3p +
1
4p
conclui-se que o polin omio e Hurwitz. De fato, as razes s ao aproximadamente (usando Matlab):
0.25 j0.60 , 0.25 j0.21
P
D(p) = p
5
+ 2p
4
+ 2p
3
+p
2
+ 2p + 5
A expansao de Stieltjes fornece
p
5
+ 2p
3
+ 2p
2p
4
+p
2
+ 5
=
1
2
p +
1
4
3
p +
1
10
9
p +
1
1
3
p +
1
p
indicando que o polin omio possui razes com parte real positiva. De fato, as razes s ao aproxima-
damente (usando Matlab)
1.50 , 0.93 j1.27 , 0.69 j0.93
P
Exemplo 20.5: O polin omio D(p) = (p + 1)
4
= p
4
+ 4p
3
+ 6p
2
+ 4p + 1 e Hurwitz, pois
D(p) =
1
4
p +
1
4
5
p +
1
25
16
p +
1
16
5
p
P
O teste do sinal da parte real das razes pode tambem ser feito pelo calculo de determinantes de
matrizes associadas aos coecientes do polin omio.
Propriedade 20.5: Polin omios Hurwitz
O polin omio de grau m,
m
> 0 dado por
D(p) =
m
k=0
k
p
k
possui todas as razes com parte real negativa se e somente se os determinantes det(
k
) (menores
principais lderes de
m
) forem maiores que zero para k = 1, . . . , m, com
1
=
_
m1
,
2
=
_
m1

m
m3

m2
_
,
3
=
_
_
m1

m
0
m3

m2

m1
m5

m4

m3
_
_
m
=
_
m1

m
0 0 0
m3

m2

m1

m
0
m5

m4

m3

m2
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 0
0
_
_
Por exemplo, para m = 4, tem-se
4
=
_
3

4
0 0
1

2

3

4
0
0

1

2
0 0 0
0
_
_
Note que
1
,
2
e
3
s ao as submatrizes de dimens ao 1, 2 e 3 da diagonal principal comecando no
canto superior esquerdo. Note tambem que, se o determinante de
3
for maior do que zero, a condi cao
det(
4
) = det(
3
)
0
> 0 ocorre se e somente se
0
> 0.

Exemplo 20.6: Para m = 1, p +
0
possui raiz negativa se e somente se det(
1
) =
0
> 0.
Para m = 2, o polin omio
p
2
+
1
p +
0
,
2
=
_
1
1
0
0
_
possui razes com parte real negativa se e somente se
det(
1
) =
1
> 0 , det(
2
) =
1
0
> 0
0
> 0
p
3
+
2
p
2
+
1
p +
0
,
3
=
_
_
2
1 0
0

1

2
0 0
0
_
_
det(
1
) =
2
> 0 , det(
2
) =
2
0
> 0 ,
0
> 0
p
4
+
3
p
3
+
2
p
2
+
1
p +
0
,
4
=
_
3
1 0 0
1

2

3
1
0
0

1

2
0 0 0
0
_
_
det(
1
) =
3
> 0 , det(
2
) =
3
1
> 0 , det(
3
) > 0 ,
0
> 0
det(
3
) = det
_
_
3
1 0
1

2

3
0
0

1
_
_
=
3
2
1
2
3
0
> 0
P
Exemplo 20.7: Considere novamente o polin omio do Exemplo 20.3
D(p) = 24p
4
+ 24p
3
+ 18p
2
+ 6p + 1
A matriz
4
e dada por
4
=
_
_
24 24 0 0
6 18 24 24
0 1 6 18
0 0 0 1
_
_
e portanto
1
= 24 , det(
2
) = 288 , det(
3
) = 1152 , det(
4
) = 1152
indicam que o polin omio tem todas as razes com parte real negativa.
P
Exemplo 20.8: Retomando o polin omio do Exemplo 20.4
D(p) = p
5
+ 2p
4
+ 2p
3
+p
2
+ 2p + 5
tem-se
5
=
_
_
2 1 0 0 0
1 2 2 1 0
5 2 1 2 2
0 0 5 2 1
0 0 0 0 5
_
1
= 2 , det(
2
) = 3 , det(
3
) = 5 , det(
4
) = 25 , det(
5
) = 125
indicando que o polin omio nao e Hurwitz.
P
Exemplo 20.9: Considere novamente o polin omio do Exemplo 20.5, dado por D(p) = (p + 1)
4
=
p
4
+ 4p
3
+ 6p
2
+ 4p + 1, que e Hurwitz pois
4
=
_
_
4 1 0 0
4 6 4 1
0 1 4 6
0 0 0 1
_
_
det(
1
) = 4 , det(
2
) = 20 , det(
3
) = 64 , det(
4
) = 64
P
A tabela de Routh
3
sistematiza o teste de Hurwitz sem o calculo explcito dos determinantes, repre-
sentando uma alternativa à expans ao de Stieltjes.
Propriedade 20.6: Tabela de Routh
Considere o polin omio
5
p
5
+
4
p
4
+
3
p
3
+
2
p
2
+
1
p +
0
,
k
> 0 , k = 0, . . . , 5
Todas as razes possuem parte real negativa se e somente se todos os elementos da Tabela 20.1 forem
positivos ou, equivalentemente, se todos os elementos da primeira coluna forem positivos. A ocorrencia
de um zero ou de um n umero negativo implica que o polin omio nao e Hurwitz (ou seja, nao possui
todas as razes com parte real negativa).
O resultado (em termos do sinal da parte real das razes) nao se altera se uma linha da tabela for
multiplicada por um n umero positivo.
Note que o elemento da linha associada a p
0
e sempre igual a
0
Exemplo 20.10: O polin omio

p
5
+ 8p
4
+ 25p
3
+ 40p
2
+ 34p + 12
possui razes com parte real negativa, pois a tabela de Routh e dada por
3
Edward John Routh, matematico canadense 1831-1907.
p
5
5

3

1
p
4
4

2

0
p
3
3
=
(
3
5
)
1
=
(
1
5
)
4
p
2
2
=
(
2
4
)
0
=
0
p
1
1
=
(
1
3
)
2
p
0
0
=
0
Tabela 20.1: Tabela de Routh-Hurwitz.
p
5
1 25 34
p
4
8 40 12
p
3
20 65/2
p
2
27 12
p
1
1275/54
p
0
12
De fato, as razes de D(p) = 0 (obtidas pelo Matlab) s ao
1, 2, 3, 1 +j, 1 j
P
Exemplo 20.11: Considere novamente o polin omio do Exemplo 20.10, dado por
p
5
+ 8p
4
+ 25p
3
+ 40p
2
+ 34p + 12 D
5
(p) = p
5
+ 25p
3
+ 34p , D
4
(p) = 8p
4
+ 40p
2
+ 12
A expansao fornece
D
5
(p)
D
4
(p)
=
p
5
+ 25p
3
+ 34p
8p
4
+ 40p
2
+ 12
=
1
8
p +
r
3
(p) = 20p
3
+ (65/2)p
D
4
(p)
D
4
(p)
r
3
(p)
=
8p
4
+ 40p
2
+ 12
20p
3
+ (65/2)p
=
8
20
p +
r
2
(p) = 27p
2
+ 12
r
3
(p)
r
3
(p)
r
2
(p)
=
20p
3
+ (65/2)p
27p
2
+ 12
=
20
27
p +
r
1
(p) = (1275/54)p
r
2
(p)
r
2
(p)
r
1
(p)
=
27p
2
+ 12
(1275/54)p
=
1458
1275
p +
r
0
(p) = 12
r
1
(p)
r
1
(p)
r
0
(p)
=
(1275/54)p
12
=
1275
648
p
Colocando na forma nal da expansao, tem-se
D
5
(p)
D
4
(p)
=
1
8
p +
1
2
5
p +
1
20
27
p +
1
1458
1275
p +
1
1275
648
p
e portanto o polin omio tem razes com parte real negativa.

E interessante notar que os valores de
k
, k = 1, . . . , 5 tem rela cao com os valores da primeira coluna da tabela de Routh, isto e,
1
e o
elemento da linha 1 dividido pelo da linha 2,
2
e o da linha 2 pela linha 3, e assim sucessivamente.
Note tambem que os demais valores da tabela aparecem nos coecientes dos polin omios obtidos
como resto das divisoes.
P
Note que a segunda e a terceira linhas da Tabela 20.1 denem o polin omio de grau 4
4
p
4
+
3
p
3
+
2
p
2
+
1
p +
0
cuja tabela de Routh-Hurwitz reproduz a Tabela 20.1 (suprimida a primeira linha). Essa recorrencia
permite o enunciado da seguinte propriedade.
Propriedade 20.7: Teste de Routh-Hurwitz (G. Meinsma, 1995 [25])
O polin omio
D(p) =
m
k=0
k
p
k
,
k
> 0 , k = 0, . . . , m
e Hurwitz se e somente se o polin omio de grau m1
R
m1
(p) = D(p)

m
m1
pD
m1
(p)
for Hurwitz. Por recorrencia, dene-se um algoritmo para testar se um polin omio e Hurwitz.
Exemplo 20.12: Considere novamente o polin omio do Exemplo 20.5, dado por D(p) = (p +1)
4
=
p
4
+ 4p
3
+ 6p
2
+ 4p + 1, que e Hurwitz. De fato,
D(p) =
1
4
p
_
4p
3
+ 4p
_
+ 4p
3
+ 5p
2
+ 4p + 1
. .
R
3
(p)
R
3
(p) =
4
5
p
_
5p
2
+ 1
_
+ 5p
2
+ (16/5)p + 1
. .
R
2
(p)
R
2
(p) =
25
16
p
_
(16/5)p
_
+ (16/5)p + 1
. .
R
1
(p)
e, como R
1
(p) e Hurwitz, os polin omios R
2
(p), R
3
(p) e D(p) tambem o s ao. Observe que os
coecientes que multiplicam p s ao os mesmos da expansao de Stieltjes.
P
A tabela de Routh pode tambem informar o n umero de razes com parte real positiva.
Propriedade 20.8:
Se nao ocorrer nenhum zero na primeira coluna da tabela de Routh, o n umero de mudan cas de sinal
na primeira coluna e igual ao n umero de razes do polin omio com parte real positiva.
A ocorrencia de um zero
4
indica que o polin omio nao e Hurwitz e a tabela nao pode ser completada.
Nesses casos, duas tecnicas podem ser utilizadas (veja [13] para maiores detalhes):
i) trocar o zero por , completar a tabela e estudar o sinal dos coecientes quando 0
+
e 0
(n umero distinto de trocas de sinal para 0

+
e 0
indica raiz com parte real nula);

ii) estudar o polin omio D(1/p)p
m
(isto e, o polin omio denido pelos coecientes lidos na ordem
inversa), que possui o mesmo n umero de razes com parte real positiva que D(p), pois se
k
,
k = 1, . . . , m s ao as razes de D(p), tem-se
D(1/p)p
m
=
m
k=1
(1/p
k
)p =
m
k=1
(1
k
p)
cujas razes s ao 1/
k
. Note que se para razes complexas, por exemplo, = +j, tem-se
1
=
j
2
+
2
e portanto o sinal da parte real nao se altera.

D(p) = p
5
+p
4
+ 2p
3
+ 2p
2
+ 3p + 15
A tabela de Routh e dada por
p
5
1 2 3
p
4
1 2 15
p
3
12
p
2
(2 + 12)/ 15
p
1
12 15
2
/(2 + 12)
p
0
15
Quando 0
+
, os sinais da primeira coluna s ao +, +, +, +, e + e quando 0
, os sinais da
primeira coluna s ao +, +, , , e +. Nos dois casos, ocorrem duas trocas de sinal, indicando a
existencia de duas razes com parte real positiva. De fato, as razes s ao (aproximadamente)
1.70 , 0.68 j1.71 , 1.03 j1.24
O mesmo resultado pode ser obtido pela analise de p
m
D(1/p), dado por
15p
5
+ 3p
4
+ 2p
3
+ 2p
2
+p + 1
cuja tabela de Routh e
p
5
15 2 1
p
4
3 2 1
p
3
8 4
p
2
0.5 1
p
1
12
p
0
1
4
A ocorrencia de uma linha de zeros requer um tratamento especco [30], nao abordado neste texto.
20.2. Estabilidade do estado 361
P
D(p) = p
4
+ 3p
3
+ 3p
2
+ 3p + 2
A tabela de Routh e dada por
p
4
1 3 2
p
3
3 3
p
2
2 2
p
1
p
0
2
Neste caso, 0
+
nao implica em mudanca de sinal e 0
implica em duas trocas, indicando

a existencia de raiz com parte real nula. De fato, as razes s ao
1, 2, j
P
20.2 Estabilidade do estado
A estabilidade do estado (ou estabilidade interna) e denida pelo comportamento das trajet orias do
vetor de estados para entrada constante (em geral nula) e condi coes iniciais em torno do ponto de
equilbrio (estabilidade local).
Considere o sistema autonomo
v = f(v)
cujos pontos de equilbrio s ao dados por
f( v) = 0
Um ponto de equilbrio pode ser estavel (assintoticamente ou nao) ou inst avel.
Denicao 20.2: Estabilidade de um ponto de equilbrio
O ponto de equilbrio v e estavel se, para > 0, existir () > 0 tal que
v(0) v < () , v(0) v(t) v < , t 0
Denicao 20.3: Estabilidade assint otica de um ponto de equilbrio

O ponto de equilbrio v e assintoticamente estavel se for estavel e, alem disso, se existir > 0 tal que
v(0) v < , v(0) lim
t+
v(t) = v
Note que, pela denicao, existe sempre uma vizinhan ca em torno do ponto de equilbrio que e um
domnio de atra cao, ou seja, um domnio no espaco de estados para o qual toda trajet oria iniciada em
seu interior permanece connada e tende assintoticamente para o ponto de equilbrio.

Propriedade 20.9: Estabilidade assint otica de sistema linear
v = Av
e assintoticamente estavel se e somente se a parte real de todos os autovalores de A for negativa, pois
a solucao do sistema linear e dada por
v(t) = exp(At)v(0)
que e composta pelos modos proprios associados às razes de () = 0. As razes () = 0 s ao os
autovalores da matriz A.
Note que se nenhum autovalor e nulo, a origem e o unico ponto de equilbrio do sistema e, portanto,
se a origem e assintoticamente estavel, entao o sistema e globalmente assintoticamente estavel.
Propriedade 20.10: Relacao com BIBO estabilidade

Considere o sistema linear invariante no tempo SISO descrito por
Entao
H(s) = c(sI A)
1
b +d
Todo polo de H(s) e tambem autovalor de A e, portanto, a estabilidade assintotica implica em BIBO
estabilidade.
Nem sempre todos os autovalores de A s ao polos de H(s), pois pode haver cancelamentos de zeros
e polos (nao controlabilidade, nao observabilidade ou ambos). Portanto, a BIBO estabilidade nao
necessariamente implica em estabilidade assintotica do estado.
Para sistemas controlaveis e observ aveis, a BIBO estabilidade implica em estabilidade assintotica,
pois todos os autovalores de A s ao polos do sistema.
Propriedade 20.11: Lyapunov

5
Considere o sistema v = f(v). O ponto de equilbrio v = 0 e assintoticamente estavel se existir um
domnio contendo a origem e uma funcao escalar (v) diferenci avel tal que
(0) = 0 , (v) > 0 v {0} e

(v) =
d
dt
(v) < 0 v {0}
Exemplo 20.15: O sistema escalar

v = v
3
e assintoticamente est avel em = R (portanto e globalmente assintoticamente est avel), pois para
(v) = v
2
,
(0) = 0 , (v) > 0 v = 0 e

(v) = 2v v = 2v
4
< 0 v = 0
De fato, para v(0) > 0, tem-se
5
Aleksandr Mikhailovich Lyapunov, matematico russo (1857-1918).
dv
v
3
= dt
1
2
d(v
2
) = dt
e portanto
v(t) =
1
_
1 + 2tv
2
(0)
v(0)
P
Exemplo 20.16 (Domnio de atracao): Considere o sistema nao-linear [21, Exemplo 4.6] dado por
v
1
= v
2
(20.1)
v
2
= v
1
+
1
3
v
3
1
v
2
(20.2)
A funcao de Lyapunov
(v) =
3
4
v
2
1

1
12
v
4
1
+
1
2
v
1
v
2
+
1
2
v
2
2
=
1
4
v
2
1
(1
1
3
v
2
1
) +
1
2
v
2
1
+
1
2
v
1
v
2
+
1
2
v
2
2
=
1
4
v
2
1
(1
1
3
v
2
1
) +
_
v
1
v
2
_
_
0.5 0.25
0.25 0.5
_
. .
>0
_
v
1
v
2
_
(20.3)
tem derivada temporal
(v) =
1
2
v
2
1
(1
1
3
v
2
1
)
1
2
v
2
2
Pode ser vericado que (v) > 0 e

(v) < 0 para todo v
2
= 0 e para v
1
= 0 tal que 1
1
3
v
2
1
> 0,
ou seja, para v pertencente ao domnio
=
_
v R
2
:
3 < v
1
<
3
_
{0}
Portanto, pela Propriedade 20.11 (Lyapunov), a origem e um ponto de equilbrio assintoticamente
est avel e existe um domnio de atracao em torno de (0, 0).
Note, no entanto, que nao e um domnio de atracao. Como ilustrado no plano de fase da
Figura 20.1, existem trajet orias que, iniciadas dentro do domnio (e, portanto, com

(v) < 0),
acabam saindo. Fora do domnio , nao ha garantias de que a derivada da funcao de Lyapunov sera
negativa. Como conclus ao, nao e uma estimativa do domnio de atracao do ponto de equilbrio
v = 0.
O comportamento local do sistema pode ser estudado em torno dos pontos de equilbrio (0, 0),
(
3, 0) e (
3, 0), mostrados na Figura 20.1. O jacobiano do sistema e dado por

_
f
i
v
j
_
=
_
0 1
1 +v
2
1
1
_
resultando em representa coes linearizadas em torno dos pontos de equilbrio dadas por
(0, 0) , v =
_
0 1
1 1
_
v ,
1,2
= 0.5 j
3
2
, est avel
(
3, 0) e (
3, 0) , v =
_
0 1
2 1
_
v ,
1
= 1,
2
= 2 , instavel
Estimativas da regi ao de atracao podem ser obtidas por meio de conjuntos positivamente invarian-
tes, como por exemplo
D = {v R
n
: (v) c}
4 3 2 1 0 1 2 3 4
4
3
2
1
0
1
2
3
4
v
1
v
2
Figura 20.1: Plano de fase para o sistema (20.1)-(20.2). Em tra co mais grosso, uma trajet oria iniciada
no ponto v(0) = [1 2.7]
que sai do domnio e diverge.

quando D e limitado e est a contido em (domnio para o qual a derivada da funcao de Lyapunov
e negativa). Uma trajet oria iniciada no instante t
0
em D permanece dentro do conjunto para todo
t t
0
e, como D ,

(v) < 0 garante a convergencia assint otica para a origem.
Para a funcao de Lyapunov (20.3), pode-se procurar pelo maior valor de c tal que (v) c dentro
da regi ao , resultando em c 1.124. A Figura 20.2 mostra as regi oes no plano (v
1
, v
2
) para as
quais (v) = 1.124. Note que apenas a regi ao contida no intervalo
3 < v
1
<
3 pode ser usada

como uma estimativa do domnio de atracao D . O verdadeiro domnio de atracao pode ser
obtido por simulacoes exaustivas das equacoes diferenciais (20.1)-(20.2), resultando no conjunto de
condi coes iniciais mostrado na Figura 20.3.
4 3 2 1 0 1 2 3 4
4
3
2
1
0
1
2
3
4
v
1
v
2
Figura 20.2: Regioes no plano de fase do sistema (20.1)-(20.2) para as quais (v) = 1.124 com (v)
dada em (20.3). A estimativa da regi ao de atra cao esta no intervalo
3 < v
1
<
3.
P
Observe que a Propriedade 20.11 depende da escolha da funcao (v) e e apenas suciente para a
estabilidade assintotica. Freq uentemente, busca-se para (v) uma forma quadratica dada por
(v) = v
Pv
sendo P R
nn
uma matriz simetrica denida positiva, isto e, matriz com todos os autovalores reais
e positivos.
A derivada da funcao de Lyapunov e dada por
4 3 2 1 0 1 2 3 4
4
3
2
1
0
1
2
3
4
v
1
v
2
Figura 20.3: Domnio de atra cao para o sistema (20.1)-(20.2), isto e, conjunto das condi coes iniciais
que resultam em trajet orias estaveis.
(v) = v
Pv +v
P v = f(v)
Pv +v
Pf(v)
e o teste de estabilidade consiste na an alise do sinal de

(v), isto e, o sistema e assintoticamente
estavel se

(v) < 0, v = 0.
Exemplo 20.17 (Circuito RLC): Considere o circuito mostrado na Figura 20.4 cujas equacoes s ao
v
1
= C v
2
+
v
2
R
; x = L v
1
+v
2
R
+
+
C
L
x v
2
v
1
Para condi coes iniciais nulas, o sistema e linear e invariante no tempo. Os pontos de equilbrio
podem ser obtidos das equacoes de estado impondo-se que as derivadas das variaveis de estado s ao
nulas. Para a entrada x = 0 (sistema autonomo), tem-se como ponto de equilbrio v
1
= 0, v
2
= 0.
Observe que, para par ametros R, L e C positivos, a energia armazenada no circuito (magnetica e
eletrica) decresce assintoticamente.
=
1
2
Lv
2
1
+
1
2
Cv
2
2

= Lv
1
v
1
+Cv
2
v
2
A funcao energia (v
1
, v
2
) e uma funcao de Lyapunov do sistema, pois e positiva para (v
1
, v
2
) =
(0, 0). Alem disso, substituindo as derivadas, obtem-se
=
v
2
2
R
< 0 para v
2
= 0 e v
1
qualquer
indicando que o sistema e assintoticamente est avel (tende ao ponto de equilbrio v
1
= v
2
= 0).
Observe que a derivada da energia e a potencia dissipada no resistor.
Denindo y = v
2
e usando o operador derivada no tempo p =
d
dt
, tem-se a rela cao entrada-sada
_
p
2
+
1
RC
p +
1
LC
_
y =
1
LC
x
que e BIBO est avel.
P
Exemplo 20.18 (Pendulo): Considere um pendulo composto por uma haste rgida sem peso, de
comprimento , oscilando em um plano vertical, sujeito ao atrito de friccao no engate e sustentando
na extremidade livre uma massa m. Denotando por y o angulo com a vertical (em repouso, y = 0),
tem-se a equacao
m y = mgsen(y) mb y
sendo g a aceleracao da gravidade e b o coeciente de atrito. A forca longitudinal na barra e dada
por mg cos(y).
Denindo-se as variaveis de estado v
1
= y, v
2
= y, conclui-se que trata-se de um sistema nao-linear
est avel em rela cao ao ponto de equilbrio ( v
1
= 0, v
2
= 0), pois a energia (potencial mais cinetica),
dada por
(v) = mg( cos(v
1
)) +
1
2
m(v
2
)
2
possui derivada negativa para todo v = 0, dada por
= mbv
2
2
P
Exemplo 20.19 (Massa-mola com amortecedor): Considere novamente o sistema do Exemplo 15.7,
com uma massa m sustentada por uma mola de constante k e um amortecedor de constante b,
descrito pela equacao diferencial
m y = ky b y
sendo y o deslocamento vertical em rela cao ao ponto de equilbrio.
Trata-se de um sistema linear est avel em rela cao ao ponto de equilbrio (y = 0, y = 0), pois a
energia (potencial mais cinetica), dada por
(y, y) =
1
2
ky
2
+
1
2
m y
2
possui derivada negativa para todo y e y = 0, dada por
= b y
2
P
Propriedade 20.12: Desigualdade de Lyapunov
v = Av
e assintoticamente estavel se e somente se existir P = P
> 0 tal que

A
P +PA < 0 (denida negativa)

Prova: a suciencia e conseq uencia da escolha da func ao de Lyapunov
(v) = v
Pv

(v) = v
Pv +v
P v = v
(A
P +PA)v
e, portanto,
(v) > 0 e

(v) < 0 , v = 0 P > 0 , A
P +PA < 0
Note que A
P +PA e uma matriz simetrica.
A determinacao de uma matriz simetrica denida positiva P que satisfaz a desigualdade acima pode
ser feita pela solucao da equa cao de Lyapunov
A
P +PA = Q
com Q = Q
> 0 arbitr aria, por exemplo, igual à matriz identidade.

Teorema 20.1: Lyapunov
Para qualquer matriz Q = Q
> 0, a solucao da equa cao de Lyapunov

A
P +PA = Q
e unica, simetrica e denida positiva se e somente se todos os autovalores da matriz A tiverem parte
real negativa.
Prova:
Primeiramente, mostra-se que se A possui autovalores com parte real negativa, entao a solucao e unica,
simetrica e denida positiva.
Como A e A
possuem os mesmos autovalores e todos tem parte real negativa, nao existem dois
deles tais que a soma seja nula. Portanto, a solucao P e unica (veja Propriedade D.33 da equa cao de
Sylvester
6
).
A solucao pode ser expressa como
P =
_

0
exp(A
t)Qexp(At)dt
Substituindo na equa cao, tem-se
A
P +PA =
_
+
0
_
A
exp(A
t)Qexp(At) + exp(A
t)Qexp(At)A
_
dt =
=
_
+
0
d
dt
_
exp(A
t)Qexp(At)
_
dt = exp(A
t)Qexp(At)
+
t=0
= Q
pois, como A tem autovalores com parte real negativa, lim
t+
exp(At) = 0.
Como Q e simetrica, P tambem o e.
6
James Joseph Sylvester, matematico ingles (18141897).
Como Q e denida positiva, existe R nao singular tal que Q = R
R (veja Propriedade D.30). Entao,

P e denida positiva, pois
v
Pv =
_
+
0
v
exp(A
t)R
Rexp(At)v dt =
_
+
0
Rexp(At)v
2
dt > 0 , v = 0
Para completar a demonstra cao, prova-se que se P = P
> 0, entao A possui todos os autovalores com

parte real negativa.
Pre multiplicando a equa cao de Lyapunov por (v
e pos multiplicando por v, com v autovetor de A

associado ao autovalor , tem-se
(v
Pv + (v
PAv = (
+)(v
Pv = 2Re()(v
Pv = (v
Qv
Como (v
Pv e (v
Qv s ao reais positivos (veja Propriedade D.31), tem-se Re() < 0.

y
A propriedade a seguir fornece procedimentos para determinar se uma matriz e denida positiva.
Propriedade 20.13: Matriz denida positiva
Uma matriz simetrica P R
nn
e denida positiva se e somente se qualquer uma das condi c oes for
vericada.
v
Pv > 0, v R
n
, v = 0;
Todos os autovalores s ao positivos;
Todos os menores principais lderes s ao positivos;
Existe R R
nn
nao singular tal que P = R
R.
Note que uma condi cao necessaria para que uma matriz seja denida positiva e que todos os elementos
da diagonal sejam positivos.
Uma matriz simetrica Q R
nn
e denida negativa se Q for denida positiva.

v =
_
0 1
2 3
_
v
Pela solu cao da equacao de Lyapunov
A
P +PA = I
tem-se
_
0 1
2 3
_
_
p
1
p
2
p
2
p
3
_
+
_
p
1
p
2
p
2
p
3
_ _
0 1
2 3
_
=
_
1 0
0 1
_
_
4p
2
p
1
3p
2
2p
3
p
1
3p
2
2p
3
2p
2
6p
3
_
=
_
1 0
0 1
_
P =
1
4
_
5 1
1 1
_
Os menores principais lderes de P s ao 1.25 e 0.25, e portanto a matriz P e denida positiva,
indicando que o sistema e assintoticamente est avel.
P
v =
_
3 0
0 3
_
v
A
P +PA = 6I P =
_
1 p
2
p
2
1
_
Os menores principais lderes s ao 1 e 1 p
2
2
, indicando que o sistema nao e assintoticamente
est avel.
P
Propriedade 20.14: Estabilidade de sistema linear
v = Av
e estavel se e somente se a parte real de todos os autovalores de A for negativa ou nula, e os blocos de
Jordan associados aos autovalores com parte real nula forem de ordem igual a um. Note que, nesse
caso, a trajet oria v(t) e sempre limitada, qualquer que seja a condi cao inicial v(0). Alguns livros (como
por exemplo, [11] e o captulo sobre estabilidade de [2]) utilisam os termos estabilidade no sentido de
Lyapunov ou sistema marginalmente estavel.
Caso contrario, isto e, se houver algum autovalor com parte real positiva ou blocos de Jordan de ordem
maior que um associados aos autovalores de parte real nula, o sistema e inst avel.
Exemplo 20.22: Considere o sistema (oscilador senoidal ideal)

y +y = 0 , v
1
= y , v
2
= y v =
_
0 1
1 0
_
v
cuja forma de Jordan e diagonal (autovalores distintos), AQ = Q

A, dada por
A =
_
j 0
0 j
_
O sistema e est avel, pois os blocos de Jordan associados aos autovalores de parte real nula tem
tamanho um. De fato, a solu cao e dada por
v(t) =
_
cos(t) sen(t)
sen(t) cos(t)
_
v(0)
Note que o sistema nao e assintoticamente est avel.
P
v =
_
0 0
0 1
_
v
e est avel (mas nao assintoticamente), pois possui um autovalor igual a 1 e outro igual a 0 (por-
tanto, associado a um bloco de Jordan de tamanho um). De fato, a solu cao e
v
1
(t) = v
1
(0) , v
2
(t) = exp(t)v
2
(0)
P
v =
_
0 1
0 0
_
v
e instavel, pois possui um bloco de Jordan de ordem dois associado ao autovalor 0. De fato, a
solu cao e
v
1
(t) = v
1
(0) +tv
2
(0) , v
2
(t) = v
2
(0)
P
20.3 Exerccios
Exerccio 20.1: Determine se o polin omio D(p) possui ou nao todas as razes com parte real negativa.
D(p) = p
4
+ 2p
3
+ 6p
2
+ 4p + 1
Solucao:
Como a tabela de Routh e dada por
p
4
1 6 1
p
3
2 4
p
2
4 1
p
1
3.5
p
0
1
e todos os elementos s ao positivos, o polin omio possui todas as razes com parte real negativa.
O mesmo resultado pode ser obtido da Expans ao de Stieltjes
D
4
(p)
D
3
(p)
=
p
4
+ 6p
2
+ 1
2p
3
+ 4p
=
1
2
s +
1
1
2
p +
1
8
7
p +
1
7
2
p
1
=
1
2
;
2
=
1
2
;
3
=
8
7
;
4
=
7
2
Exerccio 20.2: Um sistema linear e descrito pela equacao diferencial
v =
_
_
0 0 0
0 0 0
0 0 0
_
_
v +
_
_
1
1
1
_
_
x
y =
_
1 1 1
v
a) O sistema e est avel (no sentido de Lyapunov)?
b) O sistema e assintoticamente est avel?
c) O sistema e BIBO-est avel?
Exerccio 20.3: Considere o sistema nao linear, com R, dado por
v
1
= ( v
2
2
2)v
1
v
2
= (v
2
2
v
2
2
v
2
1
)v
2
a) Determine os pontos de equilbrio
b) Determine a matriz jacobiana nos pontos de equilbrio e os autovalores associados
c) Determine o domnio , isto e, o conjunto no espaco de estados para o qual (v) = v
v garante a estabilidade
assint otica do ponto de equilbrio v = 0
20.3. Exerccios 371
Exerccio 20.4: Considere o sistema linear descrito pela equacao din amica
v =
_
_
1 0 0
0 0 3
0 0 0
_
_
v +
_
_
1
0
0
_
_
x ; y =
_
1 0 0
v
a) O sistema e assintoticamente est avel?
b) O sistema e est avel no sentido de Lyapunov?
c) O sistema e BIBO est avel?
Exerccio 20.5: Determine o intervalo do par ametro k para que o sistema descrito pela funcao de transferencia
H(s) seja BIBO-est avel.
H(s) =
1
3s
4
+ 5s
3
+ks
2
+s + 1
H(s) =
1
ks
3
+s
2
+ 2s +k + 1
H(s) =
1
4s
4
+ 8s
3
+ 12s
2
+ 4ks + 5
H(s) =
1
s
4
+s
3
+ 4s
2
+ks + 1
H(s) =
1
3s
3
+ (10 k)s
2
+ks + 3
Exerccio 20.6: Determine o intervalo para k tal que o sistema em malha fechada mostrado na gura seja
BIBO est avel
a) H(s) =
s
2
2s + 2
s
3
+ 3s
2
+ 4s + 2
, b) H(s) =
s
s
4
+s
3
+ 4s
2
+ 1
X(s) Y (s)
H(s)
k
+
Solucao:
a) 1 < k < 1.44, b) 0.27 < k < 3.74
Exerccio 20.7: Usando a funcao de Lyapunov (v) = v
2
, determine para que a origem do sistema abaixo
seja assintoticamente est avel.
v = (3 )v
3
Exerccio 20.8: Considere o sistema nao-linear e a candidata à funcao de Lyapunov (v) dados por
v = v
3
, > 0 , (v) =
1
4
v
4
Determine o domnio , isto e, o conjunto no espaco de estados para o qual (v) garante a estabilidade assint otica
do ponto de equilbrio v = 0
Exerccio 20.9: Considere o sistema linear descrito pela equacao din amica
v =
_
0 1
0 0
_
v +
_
0
0
_
x , y =
_
0 1
v
Exerccio 20.10: O sistema v = Av foi analisado a partir da funcao quadr atica de Lyapunov (v) = v
Pv tal
que (v) > 0, v = 0. O calculo da derivada

(v) resultou na forma quadr atica
(v) = v
_
2
5
_
v
Para quais valores de a estabilidade assint otica do sistema est a assegurada?
Exerccio 20.11: Considere o sistema linear invariante no tempo descrito por
v =
_
_
2 1 0
0 1 1
0 0 0
_
_
v +
_
_
0
1
0
_
_
x
y =
_
0 1 0
v
_
v
1
v
2
_
=
_
v
2
1
0
0 2v
2
2
_ _
v
1
v
2
_
Mostre que a funcao (v) = v
v e uma funcao de Lyapunov para o sistema que garante a estabilidade assint otica
da origem.
Exerccio 20.13: a) Mostre que o sistema
v =
_
1 0
1 1
_
v +
_
0
1
_
x , y =
_
1 1
v
tem funcao de transferencia e resposta ao impulso dadas por
H(s) =
1
s + 1
, g(t) = exp(t)u(t)
b) O sistema e BIBO-est avel?
v = v , y = v +x
Mostre que o sistema nao e est avel no sentido de Lyapunov mas e BIBO est avel, isto e, mostre que o autovalor
1 nao aparece como polo na funcao de transferencia.
Exerccio 20.15: Classique os sistemas lineares cujas matrizes din amicas s ao dadas abaixo quanto à estabili-
dade: assintoticamente est aveis, est aveis no sentido de Lyapunov ou instaveis.
A =
_
_
0 0 0
0 0 0
0 0 1
_
_
, A =
_
_
0 1 0
0 0 0
0 0 1
_
_
Exerccio 20.16: Determine o intervalo de k [0, +) para que o sistema em malha fechada seja est avel.
X(s) Y (s)
s + 1
s
2
+ 3s + 2
k
+
20.3. Exerccios 373
Exerccio 20.17: Construa a tabela de Routh e determine o n umero de razes com parte real positiva de
D(p) = 3p
7
+ 9p
6
+ 6p
5
+ 4p
4
+ 7p
3
+ 8p
2
+ 2p + 6
Exerccio 20.18: Determine o intervalo para k tal que o sistema em malha fechada mostrado na gura seja
BIBO est avel
H(s) =
2s
2
+s
s
3
+s
2
+ 1
X(s) Y (s)
H(s)
(1/k)
+
Exerccio 20.19: Considere o sistema nao-linear e a candidata à funcao de Lyapunov (v) dados por
v = v
3
v , > 0 , (v) =
1
2
v
2
Determine o domnio de estabilidade , isto e, o conjunto no espaco de estados para o qual (v) garante a
estabilidade assint otica do ponto de equilbrio v = 0
Exerccio 20.20: Determine os intervalos de > 0 e > 0 tais que o sistema em malha fechada mostrado na
gura seja BIBO est avel
X(s)
Y (s)
1
(s 2)(s + 3)
+

s
1
+
Captulo 21
Introducao à Realimenta cao
A realimenta cao pode ser usada para alterar o comportamento din amico de sistemas. Como introducao
ao tema, algumas conguracoes de realimenta cao de sada para sistemas SISO s ao apresentadas a
seguir.
21.1 Conguracoes tpicas
A estrutura mostrada na Figura 21.1 (chamada de realimenta cao unit aria), com um compensador na
malha direta, possui funcao de transferencia em malha fechada e erro dados por
G(s) =
Y (s)
X(s)
=
C(s)H(s)
1 +C(s)H(s)
E(s) = X(s) Y (s) =
1
1 +C(s)H(s)
X(s)
X(s)
Y (s)
H(s) C(s)
E(s)
1
+
Figura 21.1: Realimenta cao unit aria.
Se o sistema em malha fechada for estavel, o erro em regime para uma entrada degrau x(t) = u(t) e
dado por
lim
s0
sE(s) = lim
s0
s
_
1
1 +C(s)H(s)
_
1
s
=
1
1 +k
p
, k
p
= lim
s0
C(s)H(s)
Portanto, o erro de regime para entrada degrau e nulo se k
p
tender a innito, isto e, se a malha direta
C(s)H(s) possuir pelo menos um polo em s = 0. O par ametro k
p
e chamado de constante de posicao,
e uma funcao de transferencia com um polo na origem e chamada de funcao do tipo 1.
Similarmente, o erro de regime para entrada rampa x(t) = tu(t) e dado por
lim
s0
sE(s) = lim
s0
s
_
1
1 +C(s)H(s)
_
1
s
2
= lim
s0
1
s +sC(s)H(s)
=
1
k
v
, k
v
= lim
s0
sC(s)H(s)
sendo k
v
denominado constante de velocidade. Para que o erro de regime seja nulo, a funcao de
transferencia de malha direta deve possuir pelo menos dois polos na origem, isto e, ser pelo menos do
tipo 2.
374
21.1. Congura coes tpicas 375
Finalmente, o erro de regime para entrada par abola x(t) = 0.5t
2
u(t) e
lim
s0
sE(s) = lim
s0
s
_
1
1 +C(s)H(s)
_
1
s
3
= lim
s0
1
s
2
+s
2
C(s)H(s)
=
1
k
a
, k
a
= lim
s0
s
2
C(s)H(s)
e k
a
e a constante de aceleracao. Erros de regime nulos exigem pelo menos tres polos na origem, isto
e, ser pelo menos do tipo 3.
Exemplo 21.1 (Erro de regime): Considere o sistema
(p +)y = x , > 0 = sistema est avel
A solu cao persistente para entrada constante x = 1 e
y(t) = H(0) =
1
e, portanto, a sada nao acompanha a entrada (erro de regime).

A estrutura mostrada na Figura 21.1 (chamada de realimenta cao unitaria), com um integrador na
malha direta, possui a funcao de transferencia em malha fechada
G(s) =
H(s)
1
s
1 +H(s)
1
s
, H(s) =
1
s +
G(s) =
1
s
2
+s + 1
cujos polos s ao
1,2
=

_
2
4
2
Como > 0, o sistema e est avel. Alem disso, G(0) = 1 e portanto o sistema nao apresenta erro de
regime.
P
Exemplo 21.2 (Estabiliza cao): Considere o sistema descrito pela equacao diferencial
(p 1)y = x H(s) =
1
s 1
Trata-se de um sistema instavel, pois o polo tem parte real positiva. De fato, a solu cao da equacao
homogenea diverge e e dada por
y(t) = y(0) exp(t)
O sistema pode ser estabilizado por meio da realimenta cao do sinal de sada, como mostrado na
Figura 21.2.
Denindo o sinal do erro (isto e, a diferenca entre a entrada e a sada realimentada), tem-se
E(s) = X(s) kY (s) , Y (s) = H(s)E(s) Y (s) =
H(s)
1 +kH(s)
X(s)
A funcao de transferencia em malha fechada e
376 Captulo 21. Introducao à Realimenta cao
X(s) Y (s)
H(s)
k
+
Figura 21.2: Realimenta cao com ganho proporcional.
G(s) =
H(s)
1 +kH(s)
que, neste caso, e dada por
G(s) =
1
s 1 +k
com polo 1 k. Portanto, para k > 1, o sistema em malha fechada e est avel.
P
Exemplo 21.3 (Realimenta cao unitaria): Considere novamente a estrutura de realimenta cao unitaria,
com um controlador proporcional de ganho k colocado na malha direta, como ilustrado na Fi-
gura 21.3.
X(s)
Y (s)
H(s) k
1
+
Figura 21.3: Realimenta cao unit aria com controlador proporcional k.
A funcao de transferencia em malha fechada e dada por
G(s) =
kH(s)
1 +kH(s)
Note que os polos em malha fechada s ao os mesmos do sistema com ganho proporcional na malha
de realimenta cao (mostrado na Figura 21.2), dados pelas razes de
1 +kH(s) = 0
porem o ganho DC deste sistema e k vezes o ganho DC do sistema da Figura 21.2. Alem disso, o
ganho DC deste sistema e unitario se H(s) tiver pelo menos um polo em s = 0. Note ainda que
neste sistema a sada e comparada diretamente com a entrada, enquanto que no anterior a entrada
e comparada à k vezes a sada.
P
Denicao 21.1: Sensibilidade
A sensibilidade de uma funcao f(x, y) em rela cao a uma de suas variaveis (ou par ametros) e denida
por
21.1. Congura coes tpicas 377
f
x
x
f
=
f
f
x
x
Note que a sensibilidade e uma medida de variacao relativa.

Exemplo 21.4 (Sensibilidade): Considere novamente o sistema do Exemplo 21.1, para o qual as
funcoes de transferencia de malha aberta e de malha fechada s ao, respectivamente,
H(s) =
1
s +
, G(s) =
1
s
2
+s + 1
As sensibilidades de H(s) e de G(s) em rela cao ao par ametro s ao dadas por
H(s)
H(s)
=

s +
,
G(s)
G(s)
=
s
s
2
+s + 1
Note que o ganho DC apresenta sensibilidade de 100% em malha aberta e de 0 em malha fechada,
em rela cao ao par ametro .
P
Exemplo 21.5 (Produto ganho-faixa): A Figura 21.4 mostra um modelo de primeira ordem para
um amplicador operacional (seguidor de tensao de ganho k) realimentado. O ganho DC e dado
por A e a freq uencia de corte e 1/. O produto ganho-faixa BWG Bandwidth gain, dado por
BWG=A/, caracteriza o amplicador operacional. Por exemplo, o OpAmp 741 tem BWG=1
MHz.
X(s) Y (s)
A
1 +s
1/k
+
Figura 21.4: Produto ganho-faixa.
A funcao de transferencia em malha fechada e dada por
G(s) =
H(s)
1 +H(s)/k
=
A
1 +s +A/k
e, para A/k 1, tem-se
G(s)
A
s +A/k
=
k
1 +
_
k/A
_
s
com ganho DC igual a k e freq uencia de corte A/(k). Portanto, o produto ganho-faixa permanece
inalterado BWG=A/. Note que k elevado implica em faixa pequena.
P
X(s) Y (s)
H(s)
W(s)
C(s)
1
+ +
Figura 21.5: Rejei cao de dist urbios.
Exemplo 21.6 (Rejeicao de dist urbio): Considere o sistema realimentado da Figura 21.5, na qual
C(s) e o controlador e W(s) e uma entrada de dist urbios.
A sada Y (s) pode ser modelada como a superposicao dos efeitos das duas entradas
Y (s) =
C(s)H(s)
1 +C(s)H(s)
X(s)
. .
Y
X
(s)
+
H(s)
1 +C(s)H(s)
W(s)
. .
Y
W
(s)
O Exemplo 21.1 considerou uma estrutura semelhante com W(s) = 0 (sem dist urbio) e, para
C(s) =
1
s
, H(s) =
1
s +
, > 0
o sistema realimentado e est avel e nao apresenta erro de regime. Alem disso, em regime, rejeita
dist urbios na forma de degraus com amplitude desconhecida a, pois
lim
t+
y
w
(t) = lim
s0
sY
W
(s) =
sH(s)
s +H(s)
a = 0
P
21.2 Lugar das razes
A din amica de um sistema linear depende da localizacao dos polos no plano complexo. Em particular,
a parte real dos polos determina se o sistema e ou nao estavel. O diagrama gr aco com a localizacao
dos polos no plano complexo em funcao de um par ametro e denominado lugar das razes [30].
Os sistemas em malha fechada mostrados nas guras 21.2 e 21.3 tem a localizacao dos polos dependente
do valor do ganho k, isto e, os polos s ao razes da equa cao
1 +kH(s) = 0 (21.1)
Para H(s) racional, tem-se
H(s) =
N(s)
D(s)
D(s) +kN(s) = 0
com
D(s) =
m
r=0
r
s
r
,
m
= 1 , N(s) =
r=0
r
s
r
Em sistemas de primeira e segunda ordem, o computo dos polos em funcao do par ametro k pode ser
feito de maneira analtica.
21.2. Lugar das razes 379
Exemplo 21.7 (Sistema de segunda ordem): Considere o sistema descrito por
G(s) =
1
s
2
+ 2s +k
, k 0
cujos polos s ao
1
= 1 +
1 k ,
2
= 1
1 k
Para 0 k 1, os polos s ao reais e est ao no intervalo [2, 0], sendo que para k = 1 tem-se
1
=
2
= 1. Para k = 0, o sistema nao e BIBO est avel, pois tem um polo na origem. Para
0 < k 1, o sistema e superamortecido e para k > 1, o sistema e subamortecido com polos dados
por
1
= 1 +j
k 1 ,
2
= 1 j
k 1
O lugar das razes e ilustrado na Figura 21.6, com os pontos k = 0, k = 1 e k + indicados.
Escrevendo as partes real e imagin aria de
1
em termos de k, tem-se
Re(
1
) =
_
1 +
1 k , 0 k < 1
1 , k 1
, Im(
1
) =
_
0 , 0 k < 1
k 1 , k 1
e, portanto, o lugar da raiz
1
e dado por
0 k < 1 1 < Re(
1
) 0 , Im(
1
) = 0
k 1 Re(
1
) = 1 , 0 Im(
1
) < +
Note que, com exce cao de k = 0, todos os pontos do lugar das razes est ao no semi-plano à esquerda,
indicando que o sistema e BIBO est avel para k > 0.
3 2 1 0 1 2 3
10
8
6
4
2
0
2
4
6
8
10
Re
I
m
k = 1
k = 0 k = 0
+
+
Figura 21.6: Lugar das razes de s
2
+ 2s +k, k 0.
Note que o lugar das razes de s
2
+2s +k = 0 pode ser visto como um lugar das razes do sistema
em malha fechada mostrado na Figura 21.7, com
H(s) =
1
s(s + 2)
De fato, polin omios em s com coecientes ans em k podem ser colocados na forma D(s) +kN(s),
que corresponde ao denominador em malha fechada de um sistema H(s) realimentado com ganho
proporcional k.
P
Exemplo 21.8 (Sistema de segunda ordem subamortecido): Sistemas de segunda ordem com polos
complexos, descritos pela funcao de transferencia
H(s) =

2
n
s
2
+ 2
n
s +
2
n
, 0 < 1 ,
n
> 0
1
s(s + 2)
k
+
Figura 21.7: Sistema em malha fechada cujo lugar das razes e mostrado na Figura 21.6.
podem ter o lugar das razes analisado em termos dos par ametros e
n
.
As razes do denominador satisfazem
s
2
+ 2
n
s +
2
n
= (s +
n
)
2
+
2
n
(1
2
)
1,2
=
n
j
n
_
1
2
Note que
Re(
1,2
)
2
+ Im(
1,2
)
2
=
2
n
implicando que o lugar das razes, para
n
xo, e uma semi-circunferencia (do lado esquerdo) de
raio
n
centrada em 0, pois a parte real e negativa para qualquer ,
n
. Para = 0, as razes est ao
sobre o eixo imagin ario e para = 1 est ao sobre o eixo real. Note ainda que para > 1 as razes
s ao reais e tendem a 0 e a quando +.
Por outro lado, para xo e
n
variando, tem-se
1,2
=
n
( j
_
1
2
)
que s ao semi-retas partindo do 0 (em
n
= 0). Para =
2/2, s ao retas bissetrizes do segundo

e terceiro quadrante; para = 1, s ao o semi-eixo real negativo e para = 0 s ao os semi-eixos
imagin arios.
O lugar das razes pode ser computado numericamente, por exemplo, com o comando rlocus
do Matlab. O comando grid traca as semi-circunferencias de
n
constante e as semi-retas de
constante, como ilustrado na Figura 21.8 para o sistema
H(s) =
1
s
4
+ 3s
3
+ 3.25s
2
+ 2.5s
,
1
= 0 ,
2
= 2 ,
3,4
= 0.5 j
5 4 3 2 1 0 1 2
4
3
2
1
0
1
2
3
4
0.18 0.34 0.52 0.66 0.78
0.87
0.94
0.985
0.18 0.34 0.52 0.66 0.78
0.87
0.94
0.985
1 2 3 4 5
I
m
Re
Figura 21.8: Lugar das razes do Matlab rlocus(1,[1 3 3.25 2.5 0]), grid, polos em 2, 0,
0.5 j.
O comportamento de sistemas de segunda ordem subamortecidos foi estudado no domnio do tempo
no Exemplo 14.14, com a resposta ao impulso, determinando-se o perodo de oscilacao e o decre-
mento logartmico, e no Exemplo 14.15, que mostra a resposta ao degrau e o computo do valor de
pico, isto e, do sobresinal (que e uma caracterstica do sistema subamortecido 0 < 1).
O Exemplo 16.15 analisa os diagramas de Bode para H(s), que apresenta um pico (acima do valor
DC) em M(
r
),
M(
r
) =
1
2
_
1
2
,
r
=
n
_
1 2
2
para < 1/
2 0.707. Note que M() tende a innito quando 0.

P
Um esbo co do lugar das razes pode ser obtido manualmente por meio de regras simples, possibilitando
uma an alise qualitativa do comportamento do sistema em malha fechada. As regras para construcao
foram propostas por Walter R. Evans
1
em 1948 [15].
Propriedade 21.1: Simetria
O lugar das razes e simetrico em rela cao ao eixo real, pois para sistemas descritos pela razao de
polin omios com coecientes reais, se s = C e raiz, entao s =
tambem o e.
Propriedade 21.2: De p olos para zeros

Os ramos do lugar das razes da equa cao 1 +kH(s) = 0 partem dos polos de H(s) e chegam nos zeros
de H(s) quando k vai de 0 a +, pois
D(s) +kN(s) = 0
Para efeito desta propriedade, considera-se que H(s) tem tantos zeros no innito quanto for a
diferen ca entre o n umero de polos e de zeros nitos de H(s). Ou seja, para s muito grande, tem-se
H(s) =
N(s)
D(s)
=
r=0
r
s
r
m
r=0
r
s
r
, = m
Observe que a maior parte das propriedades do lugar das razes assume
> 0. Regras para
< 0
(resultando em realimenta cao positiva) podem ser desenvolvidas de maneira similar, como mostrado
em [41].
Exemplo 21.9 (Sensibilidade do lugar das razes à posicao do zero): Considere H

1
(s) dado por
H
1
(s) =
s 0.1
s(s 1)
D
1
(s) +kN
1
(s) = 0 s
2
s +k(s 0.1) = 0
e H
2
(s) dado por
H
2
(s) =
s + 0.1
s(s 1)
D
2
(s) +kN
2
(s) = 0 s
2
s +k(s + 0.1) = 0
realimentados por um ganho k. Os correspondentes lugares das razes, computados com o co-
mando rlocus do Matlab, s ao mostrados na Figura 21.9. No diagrama da esquerda, um ramo sai
1
Walter R. Evans, engenheiro americano (1920-1999).
do polo +1 e vai para o zero em 0.1, e o outro ramo sai do polo em 0 e vai para o zero em .
No da direita, os ramos saem dos polos, encontram-se aproximadamente em 0.2, seguem em arcos
ate encontrarem-se novamente em aproximadamente 0.4, prosseguindo um para a direita ate o
zero em 0.1 e o outro para a esquerda ate .
Note que uma pequena variacao no zero produz lugares das razes bastante distintos. Em particular,
o sistema em malha fechada da esquerda e sempre instavel para qualquer valor de k, enquanto que
no da direita existe um valor mnimo para k, acima do qual o sistema torna-se est avel.
Da equacao relativa a H
2
(s), isto e,
s
2
+ (k 1)s + 0.1k = 0
tem-se que as razes s ao puramente imagin arias (complexo conjugadas) se k = 1. As razes s ao
reais e iguais para
(k 1)
2
0.4k = 0 k 1.86 , k 0.537
1.5 1 0.5 0 0.5 1 1.5
0.5
0.4
0.3
0.2
0.1
0
0.1
0.2
0.3
0.4
0.5

Re
I
m
1.5 1 0.5 0 0.5 1 1.5
0.5
0.4
0.3
0.2
0.1
0
0.1
0.2
0.3
0.4
0.5

Re
I
m
Figura 21.9: Lugar das razes de H
1
(s) (esquerda) e de H
2
(s) (direita).
Ainda em rela cao ao lugar das razes de H
2
(s), escrevendo as partes real e imagin aria de
1
em
termos de k, tem-se
1
=
1 k +
k
2
+ 1 2.4k
2
e, portanto
0 k < 0.537 0.232 < Re(
1
) 1 , Im(
1
) = 0
k 1.86 0.432 < Re(
1
) 0.1 , Im(
1
) = 0
sendo que o valor 0.1 e obtido do limite
lim
k+
1 k +
k
2
+ 1 2.4k
2
Fazendo = 1/k, tem-se
lim
0
1 +
1 2.4
2
= lim
0
1 + 0.5(1 2.4)
0.5
(2.4)
2
= 0.1
e, nalmente,
0.537 k < 1.86 (Re(
1
) + 0.1)
2
+ Im(
1
)
2
= 0.11
pois
4Im(
1
)
2
= 2.4k 1 k
2
, (2Re(
1
) + 0.2)
2
= (1.2 k)
2
= k
2
+ 1.44 2.4k
Como conclus ao, a raiz
1
parte de 1, segue sobre o eixo real ate 0.232, sobe no arco de circunferencia
(raio
0.11 = 0.332, centro em 0.1), volta ao eixo real em 0.432 e segue ate 0.1.
P
Propriedade 21.3: Condicao de fase
A soma dos angulos dos vetores dos zeros ate um determinado ponto do lugar das razes menos a soma
dos angulos dos vetores dos polos ate o mesmo ponto e radianos, pois
1 +kH(s) = 0 k
N(s)
D(s)
= 1
k
N(s)
D(s)
= 1 , k
N(s)
D(s)
=
e, portanto,
N(s)
D(s)
=
r=1
r
(s)
m
r=1
r
(s) =
sendo
r
(s) = (s
r
) o angulo do vetor do polo
r
ate o ponto s do lugar das razes e
r
(s) = (s
r
)
o angulo do vetor do zero
r
ate o ponto s do lugar das razes.
Note que sempre existe um k > 0 nito que garante |kH(s)| = 1 e que a propriedade nao se aplica aos
polos e zeros de H(s) (que no entanto fazem parte do lugar das razes).
Alem disso, para efeito desta propriedade, soma de angulos que resulta em n umero mpar de s e
considerada igual a .
Propriedade 21.4: Condicao de m odulo

O valor do ganho k em um ponto s do lugar das razes e igual ao produto dos m odulos dos vetores
dos polos ate s dividido pelo produto dos m odulos dos vetores dos zeros ate s, pois
k
N(s)
D(s)
= 1 k =
m
r=1
|s
r
|
r=1
|s
r
|
Propriedade 21.5: Eixo real

O lugar das razes no eixo real pode ser determinado pelas regras:
Polos e zeros complexos nao contribuem para os trechos do lugar das razes no eixo real, pois
(Propriedade 21.3) a soma dos angulos de um par de polos ou zeros complexos e nula. Para
efeito desta propriedade, angulos m ultiplos pares de s ao considerados nulos.
O lugar das razes no eixo real esta sempre à esquerda de um n umero mpar de polos e zeros
reais, pois as contribuicoes nesse caso (Propriedade 21.3) somam .
A Figura 21.10 ilustra as duas situacoes. No gr aco da direita, p (que faz parte do lugar das razes)
e q (que nao faz parte) s ao pontos sobre o eixo real, desenhados um pouco deslocados de maneira a
real car os angulos dos vetores. Note que no ponto p os angulos somam e no ponto q a soma e zero.
Propriedade 21.6:

Angulo de partida dos p olos
O angulo de partida do lugar das razes saindo de um polo e igual a mais a soma dos angulos dos
vetores dos zeros ate o polo menos a soma dos angulos dos vetores dos demais polos ate o polo em
quest ao.
Prova: da Propriedade 21.3, escolhendo um ponto s do lugar das razes proximo do polo
i
, tem-se
i
(s)
s
i
= +
r=1
r
(s)
m
r=1,r=i
r
(s)

Re
Im
Re
Im
p
q
Figura 21.10: Contribuicoes sobre o eixo real: polos complexos (esquerda) e polos e zeros reais (direita).
Exemplo 21.10 (Lugar das razes com tres polos: angulos de partida): No lugar das razes
(s
1
)(s
2
)(s
3
) +k = 0 ,
1
= j ,
2
= j ,
3
= 1
os angulos de sada (em graus) dos polos s ao dados por
1
(s
1
) = 180
2
(s
1
)
3
(s
1
) = 180 (90) (45) = 45
2
(s
2
) = 180 90 45 = 45 ,
3
(s
3
) = 180 135 (135) = 180
como pode ser observado na Figura 21.13, à esquerda.
P
Exemplo 21.11 (Lugar das razes com tres polos e um zero: angulos de partida): No lugar das
razes
(s
1
)(s
2
)(s
3
) +k(s
1
) = 0 ,
1
= j ,
2
= j ,
3
= 1 ,
1
= 0.5
1
(s
1
) = 180 (90) (45) + (63.4) = 108.4
2
(s
2
) = 180 90 45 + 63.4 = 108.4 ,
3
(s
3
) = 180 135 (135) + 180 = 0
P
Exemplo 21.12 (Lugar das razes com tres polos e dois zeros: angulos de partida): No lugar das
razes
(s
1
)(s
2
)(s
3
)+k(s
1
)(s
2
) = 0 ,
1
= j ,
2
= j ,
3
= 1 ,
1
= 0.5+0.5j ,
2
= 0.50.5j
1
(s
1
) = 180 (90) (45) + (108.4) + (135) = 71.6
2
(s
2
) = 1809045+135+108.4 = 71.6 ,
3
(s
3
) = 180135(135)+(161.6)+161.6 = 180
como pode ser observado na Figura 21.11, à direita.
P
Exemplo 21.13 (Lugar das razes com tres polos e tres zeros: angulos de partida): No lugar das
razes
(s
1
)(s
2
)(s
3
) +k(s
1
)(s
2
)(s
3
)
1
= j ,
2
= j ,
3
= 1 ,
1
= 0.5 + 0.5j ,
2
= 0.5 0.5j ,
3
= 0.5
1
(s
1
) = 180 (90) (45) + (108.4) + (135) + (63.4) = 8.2
2
(s
2
) = 180 90 45 + 135 + 108.4 + 63.4 = 8.2
3
(s
3
) = 180 135 (135) + (161.6) + 161.6 + 180 = 0
P
Propriedade 21.7:

Angulo de chegada aos zeros
O angulo de chegada do lugar das razes entrando em um zero e igual à soma dos angulos dos vetores
dos polos ate o zero menos a soma dos angulos dos vetores dos demais zeros ate o zero em questao.
Prova: da Propriedade 21.3, escolhendo um ponto s do lugar das razes proximo do zero
i
, tem-se
i
(s)
s
i
= +
m
r=1
r
(s)
r=1,r=i
r
(s)
Como o interesse e no angulo de chegada, subtrai-se um angulo de radianos. Portanto,
i
(s)
s
i
=
m
r=1
r
(s)
r=1,r=i
r
(s)
Exemplo 21.14 (Lugar das razes com tres polos e um zero: angulo de chegada): No lugar das
razes
(s
1
)(s
2
)(s
3
) +k(s
1
) = 0 ,
1
= j ,
2
= j ,
3
= 1 ,
1
= 0.5
o angulo de entrada (em graus) do zero e dado por
1
(s
1
) = 116.6 116.6 + 0 = 0
P
Exemplo 21.15 (Lugar das razes com tres polos e dois zeros: angulos de chegada): No lugar das
razes
(s
1
)(s
2
)(s
3
)+k(s
1
)(s
2
) = 0 ,
1
= j ,
2
= j ,
3
= 1 ,
1
= 0.5+0.5j ,
2
= 0.50.5j
os angulos de chegada (em graus) dos zeros s ao dados por
1
(s
1
) = 71.6 45 + 18.4 90 = 45
2
(s
2
) = 45 71.6 18.4 (90) = 45
como pode ser observado na Figura 21.11, à direita.
P
Exemplo 21.16 (Lugar das razes com tres polos e tres zeros: angulos de chegada): No lugar das
razes
(s
1
)(s
2
)(s
3
) +k(s
1
)(s
2
)(s
3
)
1
= j ,
2
= j ,
3
= 1 ,
1
= 0.5 + 0.5j ,
2
= 0.5 0.5j ,
3
= 0.5
os angulos de chegada (em graus) dos zeros s ao dados por
1
(s
1
) = 71.6 45 + 18.4 90 26.6 = 71.6
2
(s
2
) = 45 71.6 18.4 (90) (26.6) = 71.6
3
(s
3
) = 116.6 116.6 + 0 (153) (153) = 0
P
Propriedade 21.8: Assntotas
O n umero de assntotas do lugar das razes e igual ao n umero de zeros no innito, ou seja, = m,
com angulos dados por
+r2
> 0 , r Z ,
r2
< 0 , r Z
pois, para s = exp(j), com grande, tem-se
D(s) +kN(s) s
m
+k
= 0 s
exp(j()) = k
Note que, para = m 3, sempre havera um k nito que instabiliza o sistema.
A Tabela 21.1 apresenta os angulos das assntotas do lugar das razes para os casos de 0, 1, 2, 3 e 4
assntotas. A Figura 21.11 mostra o lugar das razes para um sistema com tres polos (em 1, +j e
j, D(s) = s
3
+ s
2
+ s + 1), com tres zeros (em 0.5 0.5j e 0.5, à esquerda) e com dois zeros (em
0.5 0.5j, à direita). A Figura 21.12 mostra o lugar das razes para um sistema com tres polos (em
1, +j e j, D(s) = s
3
+s
2
+s +1) e um zero (em 0.5), à esquerda, e com quatro polos, em 1j,
à direita, com assntotas em /4 e 3/4.
Tabela 21.1:

Angulos das assntotas do lugar das razes.
m 0 1 2 3 4
> 0 /2 , /3 /4, 3/4
< 0 0 0, 0, 2/3 0, , /2
A Figura 21.13 mostra o lugar das razes de um sistema com tres polos, D(s) = s
3
+ s
2
+ s + 1 e
N(s) = 1 (à esquerda, com assntotas em /3 e ) e N(s) = 1 (à direita, assntotas em 0 e 2/3).
Propriedade 21.9: Encontro das assntotas
Todas as = m 2 assntotas encontram o eixo real no ponto
1
_
m
r=1
Re(
r
)
r=1
Re(
r
)
_
sendo
r
os polos e
r
os zeros de H(s).
Prova: o lugar das razes satisfaz
1 +k
N(s)
D(s)
= 0
D(s)
N(s)
= s
+
_
m1
1
_
s
1
+
1.5 1 0.5 0 0.5 1 1.5
1.5
1
0.5
0
0.5
1
1.5

Re
I
m
1.5 1 0.5 0 0.5 1 1.5
1.5
1
0.5
0
0.5
1
1.5

Re
I
m
Figura 21.11: Lugar das razes com tres polos e tres zeros (N(s) = s
3
0.5s
2
+ 0.25, sem assntotas,
à esquerda) e com tres polos e dois zeros (à direita, com assntota em , N(s) = s
2
s + 0.5).
1.5 1 0.5 0 0.5 1 1.5
4
3
2
1
0
1
2
3
4

Re
I
m
4 3 2 1 0 1 2 3 4
4
3
2
1
0
1
2
3
4

Re
I
m
Figura 21.12: Lugar das razes com tres polos e um zero (N(s) = s + 0.5, assntotas em /2, à
esquerda) e com com quatro polos em 1 j (à direita, assntotas em /4 e 3/4).
4 3 2 1 0 1 2 3 4
4
3
2
1
0
1
2
3
4

Re
I
m
4 3 2 1 0 1 2 3 4
4
3
2
1
0
1
2
3
4

Re
I
m
Figura 21.13: Lugar das razes com tres polos, D(s) = s
3
+ s
2
+ s + 1, N(s) = 1 (à esquerda, com
assntotas em /3 e ) e N(s) = 1 (à direita, assntotas em 0 e 2/3).
Portanto, para s grande,
1 +k
N(s)
D(s)
= 1 +
k
D(s)/

N(s)
= 1 +
k
as
1
+
com

N(s) = N(s)/
m onico e
a =

m1
a =
m
r=1
Re(
r
)
r=1
Re(
r
)
Nas assntotas, tanto k quanto o m odulo dos pontos s do lugar das razes s ao grandes, e o polin omio
s
as
1
+ pode ser aproximado por (sa/)
. De fato, os dois termos de maior grau coincidem.

Assim, nas assntotas, tem-se
1 +
k
_
s
a
= 0
_
s
a
= k
Note que o lugar das razes da equa cao

_
s
a
= k
e dado pelas assntotas do sistema original, com o cruzamento no eixo real ocorrendo em k = 0, ou
seja, em s = a/.
Exemplo 21.17: Considere a funcao de transferencia cujo lugar das razes e mostrado na Fi-
gura 21.12 (esquerda), com polos 1 e j e zero 0.5 ( = 2). O encontro das assntotas ocorre
em (1 (0.5))/2 = 0.25. No gr aco da direita, o encontro ocorre em 1 1 + 1 + 1 = 0.
Na Figura 21.13, o encontro ocorre em 1/3 (note que o encontro das assntotas nao depende do
sinal de
).
P
Propriedade 21.10: Cruzamento com o eixo real
Os pontos do lugar das razes de chegada ou partida do eixo real, quando existem, satisfazem a equa cao
N(s)

D(s) = D(s)

N(s)
pois um ponto s de chegada ou de partida no eixo real e (no mnimo) uma raiz dupla real. Assim, k
nesse ponto satisfaz as equa coes
D(s) +kN(s) = 0 ,

D(s) +k

N(s) = 0 N(s)

D(s) D(s)

N(s) = 0
Note que a aplicacao da propriedade requer a obten cao das razes de um polin omio e a identica cao
do ponto de interesse.
Exemplo 21.18: Considere (vide Exemplo 21.9)

H(s) =
s + 0.1
s(s 1)
N(s) = s + 0.1 , D(s) = s
2
s
cujo lugar das razes e mostrado na Figura 21.9, à direita. Portanto,
D(s) = 2s 1 ,

N(s) = 1 N(s)

D(s) D(s)

N(s) = 0
s
2
+ 0.2s 0.1 = 0 s
1
= 0.232 , s
2
= 0.432
sendo s
1
o ponto de sada e s
2
o de entrada.
Note que, pela Propriedade 21.4 (condi cao de modulo), os valores de ganho k
1
e k
2
dos pontos s
1
e s
2
s ao dados por
k
1
=
|0.232 0||0.232 1|
|0.232 + 0.1|
= 0.537 , k
2
=
| 0.432 0|| 0.432 1|
| 0.432 + 0.1|
= 1.86
conrmando os valores obtidos no Exemplo 21.9.
P
H(s) =
s + 0.5
(s
2
+ 1)(s + 1)
=
N(s)
D(s)
cujo lugar das razes e mostrado na Figura 21.12 (` a esquerda). Note que nao ha ponto de partida
nem de chegada no eixo real. No entanto, a Propriedade 21.10 fornece
D(s) = 3s
2
+ 2s + 1 ,

N(s) = 1 4s
3
+ 5s
2
+ 2s 1 = 0
cuja raiz real e s
1
= 0.273, que corresponde a um valor negativo de k, dado por
k =
D(s
1
)
N(s
1
)
= 1.77
P
Propriedade 21.11: Cruzamento com o eixo imaginario
Os cruzamentos com o eixo imaginario ocorrem em s = j, com 0, solucao da equa cao
D(s) +kN(s) = 0
Exemplo 21.20: Considere (vide Exemplo 21.9)

H(s) =
s + 0.1
s(s 1)
cujo lugar das razes e mostrado na Figura 21.9, à direita. Aplicando a Propriedade 21.11, tem-se
(j)(j 1) +k(j + 0.1) = 0 k = , 0.1k =
2
, 0
1
= 0 , k
1
= 0 ,
2
= 0.316 , k
2
= 1
Note que o primeiro ponto corresponde ao polo de malha aberta em s = 0.
P
21.2.1 Resumo das propriedades do lugar das razes
O lugar das razes do sistema de malha fechada mostrado na Figura 21.2 satisfaz
1 +kH(s) = 0 , H(s) =
N(s)
D(s)
, k 0
As propriedades do Lugar das Razes s ao:
Simetria em rela cao ao eixo real.
Os polos e os zeros (nitos) de malha aberta fazem parte do lugar das razes para, respectiva-
mente, k = 0 e k +.
Condicao de fase
r=1
r
(s)
m
r=1
r
(s) =
sendo
r
os zeros,
r
os polos de H(s),
r
(s) = (s
r
) o angulo do vetor do polo
r
ate o
ponto s do lugar das razes e
r
(s) = (s
r
) o angulo do vetor do zero
r
ate o ponto s do
lugar das razes.
Condicao de m odulo
k =
m
r=1
|s
r
|
r=1
|s
r
|
Eixo real
O lugar das razes no eixo real esta sempre à esquerda de um n umero mpar de polos e zeros
reais.

Angulo de partida dos polos
i
(s)
s
i
= +
r=1
r
(s)
m
r=1,r=i
r
(s)

Angulo de chegada aos zeros
i
(s)
s
i
=
m
r=1
r
(s)
r=1,r=i
r
(s)
O n umero de assntotas e igual ao n umero de zeros no innito, ou seja, m.

Angulos das assntotas
(1 + 2r)
m
,
> 0 , r Z
Encontro das assntotas
Todas as = m 2 assntotas encontram o eixo real no ponto
1
_
m
r=1
Re(
r
)
r=1
Re(
r
)
_
Cruzamento com o eixo real
Os pontos do lugar das razes de chegada ou partida do eixo real, quando existem, satisfazem a
equa cao
N(s)

D(s) = D(s)

N(s)
Cruzamento com o eixo imaginario
Os cruzamentos com o eixo imaginario ocorrem em s = j, com 0, solucao da equa cao
D(s) +kN(s) = 0
Exemplo 21.21: Considere o sistema em malha fechada descrito na Figura 21.2 com
H(s) =
1
(s + 1)(s
2
+ 2s + 2)
,
1
= 1 ,
2,3
= 1 j , = m = 3
Das propriedades do lugar das razes, tem-se que o sistema possui 3 assntotas (60
o
e 180
o
), com
encontro no eixo real em
1
3
(1 1 1) = 1
e no eixo real, o lugar das razes e dado por (, 1]. A Figura 21.14 mostra o lugar das razes
feito com o Matlab.
5 4 3 2 1 0 1
4
3
2
1
0
1
2
3
4
I
m
Re
Figura 21.14: Lugar das razes com o comando Matlab rlocus(1,[1 3 4 2]).
Os cruzamentos com o eixo imagin ario ocorrem em j2 (pela gura). O valor de k a partir do
qual o sistema em malha fechada ca instavel, chamado de Margem de Ganho, pode ser obtido do
Matlab, ou a partir da gura por
k = |j2 + 1||j2 + 1 j||j2 + 1 +j| =
10 = 10
Para k = 10, os cruzamentos com o eixo imagin ario satisfazem
D(j) +kN(j) = j
3
+ 4j 3
2
+ 12 = 0
2
= 4 , = 2
O diagrama de Bode de H(s), mostrado na Figura 21.15, conrma o valor da Margem de Ganho
igual a 10, pois a freq uencia na qual a fase e 180 e dada por = 2, correspondendo ao ganho de
20 dB, isto e, 0.1. Em termos da funcao de transferencia de malha fechada, tem-se
G(s) =
H(s)
1 +kH(s)
1 + 10H(j2) = 0
Note que o valor da Margem de Ganho poderia ser tambem obtido da Tabela de Routh-Hurwitz
(Propriedade 20.6), calculada para o polin omio
s
3
+ 3s
2
+ 4s + 2 +k
80
70
60
50
40
30
20
10
0
10
1
10
0
10
1
270
180
90
0
(rad/s)
)
(
g
r
a
u
s
)
M
(
)
(
d
B
)
Figura 21.15: Diagrama de Bode, obtido com o comando Matlab bode(1,[1 3 4 2]).
s
3
1 4
s
2
3 2 +k
s 10 k
1 2 +k
2 +k > 0 , 10 k > 0
que garante estabilidade para k < 10.
P
Exemplo 21.22: Considere a inclusao de um zero de fase nao mnima no Exemplo 21.21, resultando
em
H(s) =
s 1
(s + 1)(s
2
+ 2s + 2)
,
1
= 1 ,
2,3
= 1 j , = 1 , = m = 2
Das propriedades do lugar das razes, tem-se que o sistema possui 2 assntotas (90
o
), com encontro
no eixo real em
1
2
(1 1 1 1) = 2
e no eixo real, o lugar das razes e dado por [1, 1]. A Figura 21.16 mostra o lugar das razes feito
com o Matlab.
O cruzamento com o eixo imagin ario ocorre em 0 (pela gura). O valor de k a partir do qual o
sistema em malha fechada ca instavel, chamado de Margem de Ganho, pode ser obtido do Matlab,
ou a partir da gura por
k = |0 + 1||0 + 1 j||0 + 1 +j|/|0 1| =
2 = 2
Para k = 2, o cruzamento com o eixo imagin ario satisfaz
D(j) +kN(j) = j
3
+ 6j 3
2
= 0 = 0
O diagrama de Bode de H(s), mostrado na Figura 21.17, conrma o valor da Margem de Ganho
igual a 2, pois a freq uencia na qual a fase e 180 e dada por 0, correspondendo ao ganho de
6 dB, isto e, 0.5. Em termos da funcao de transferencia de malha fechada, tem-se
G(s) =
H(s)
1 +kH(s)
1 + 2H(j0) = 0
21.3. Exerccios 393
3 2.5 2 1.5 1 0.5 0 0.5 1 1.5 2
5
4
3
2
1
0
1
2
3
4
5
I
m
Re
Figura 21.16: Lugar das razes com o comando Matlab rlocus([1 -1],[1 3 4 2]).
80
70
60
50
40
30
20
10
0
10
2
10
1
10
0
10
1
10
2
180
90
0
90
180
(rad/s)
)
(
g
r
a
u
s
)
M
(
)
(
d
B
)
Figura 21.17: Diagrama de Bode, obtido com o comando Matlab bode([1 -1],[1 3 4 2]).
Note que o valor da Margem de Ganho poderia ser tambem obtido da Tabela de Routh-Hurwitz
(Propriedade 20.6), calculada para o polin omio
s
3
+ 3s
2
+ (4 +k)s + 2 k
s
3
1 4 +k
s
2
3 2 k
s 10 + 4k
1 2 k
10 + 4k > 0 , 2 k > 0
que garante estabilidade para k < 2.
P
21.3 Exerccios
Exerccio 21.1: Considere um sistema em malha aberta
H(s) =
1
s 5
Determine o limitante no valor de k na malha de realimenta cao para que o sistema em malha fechada seja
est avel.
Exerccio 21.2: a) Determine o ganho k para que o sistema em malha fechada possua polos puramente ima-
ginarios.
X(s) Y (s)
s + 1
s
2
s + 1
k
+
b) Determine a sensibilidade do ganho DC (s = 0) do sistema em malha fechada em funcao do par ametro k,
calculada para k = 2.
Exerccio 21.3: Determine a sensibilidade do ganho DC (s = 0) do sistema em malha fechada em funcao do
par ametro k, calculada para k = 10.
X(s) Y (s)
s + 2
s
2
2s + 1
k
+
Exerccio 21.4: Considere o sistema realimentado mostrado na gura
X(s) Y (s)
1
(s + 1)
4
k
+
a) Esboce o lugar das razes para o sistema realimentado.
b) Determine os pontos (no plano s) de cruzamento com o eixo imagin ario
c) Determine o intervalo de k 0 que garante a estabilidade do sistema
Exerccio 21.5: Considere o lugar das razes da gura abaixo relativo a um sistema H(s) realimentado nega-
tivamente com ganho k.
4 3 2 1 0 1 2 3
5
4
3
2
1
0
1
2
3
4
5
I
m
Re
a) Determine os polos e zeros de H(s) (malha aberta)
b) Determine o maximo valor de k para o qual o sistema permanece est avel
c) Inclua um novo polo em s = 0 e desenhe as assntotas do sistema modicado.
Exerccio 21.6: Determine a sensibilidade da funcao de transferencia do sistema em malha fechada em funcao
do par ametro k.
21.3. Exerccios 395
X(s) Y (s)
s + 2
s
2
2s + 1
k
+
Exerccio 21.7: Considere o sistema realimentado mostrado na gura com
H(s) =
s
2
+ 2s + 5
(s
2
+ 2s + 2)(s + 1)(s + 2)(s + 3)
X(s) Y (s)
H(s)
k
+
a) Esboce as assntotas do lugar das razes para o sistema realimentado.
b) Usando as assntotas, determine os pontos (no plano s) de cruzamento com o eixo imagin ario
c) Usando as assntotas, determine o intervalo de k que garante a estabilidade do sistema em malha fechada
Exerccio 21.8: Considere o lugar das razes da gura abaixo relativo a um sistema H(s) realimentado nega-
tivamente com ganho k.
3 2 1 0 1 2 3
1.5
1
0.5
0
0.5
1
1.5
I
m
Re
a) Determine o valor de k para que o sistema em malha fechada possua um polo em s = 0
b) Inclua um novo polo em s = 2 e desenhe as assntotas do sistema modicado.
Parte III
Apendices
396
Apendice A
Nota cao
Escalares e vetores (reais ou complexos) s ao representados por letras latinas ou gregas min usculas
a, b, c, . . . , x, y, z, . . . , , , , . . . ,
Letras mai usculas latinas, em geral, representam matrizes
A, B, C, . . . , X, Y, Z
Excecoes: N designa o perodo fundamental de um sinal discreto e T designa o perodo funda-
mental de um sinal contnuo
A matriz identidade e denotada por I (as dimens oes s ao inferidas pelo contexto).
Letras caligracas mai usculas representam conjuntos denidos no texto
A, B, C, . . . , X, Y, Z
Letras com tra co duplo (geradas pelo comando \mathbb do L
A
T
E
X) representam variaveis aleat orias
X, Y, W, . . . ,
Algumas letras com tra co duplo denotam conjuntos de uso comum
R n umeros reais
C n umeros complexos
Z n umeros inteiros
N n umeros naturais (inteiros positivos e o zero)
Z
+
n umeros inteiros positivos
R
n
vetores reais de dimens ao n
Outros conjuntos especiais:
N = {0, 1, 2, . . . , N 1} ou qualquer conjunto de N inteiros consecutivos

Funcoes com domnio em conjuntos contnuos apresentam a variavel independente entre parenteses
f(t), x(t), X(z), H(s), . . .
Funcoes com domnio em conjuntos discretos apresentam a variavel independente entre colchetes
f[n], x[k], . . .
397
398 Captulo A. Notacao
Coecientes das proje coes e das series de Fourier s ao denotados por letras min usculas com
subscritos
a
k
, b
k
, c
k
. . . , k Z
e podem, eventualmente, ser escritos como
a[k], b[k], c[k] . . . , k Z
Domnios das funcoes s ao representados pela letra subscrita pela letra que designa a funcao
x
,
x
1
, . . .
Operadores s ao representados por letras caligracas (geradas pelo comando \mathcal do L
A
T
E
X),
com operandos entre chaves
E{X} esperanca matem atica de X
G{x(t)} sistema com entrada x(t)
F{x(t)} transformada de Fourier de x(t)
L{x(t)} transformada de Laplace de x(t)
Z{x[n]} transformada Z de x[n]
F
S
{x[n]}
N
serie de Fourier de x[n] (perodo N)
A combinacao de n termos m a m e denotada por
_
n
m
_
=
n!
m!(n m)!
, 0 m n , m, n N
A funcao degrau e denotada por u(t) e a funcao impulso por (t) para sinais contnuos, ou
respectivamente u[n] e [n]
u(t > 0) = 1, u(t 0) = 0 ; (t) =
d
dt
u(t)
u[n 0] = 1, u[n < 0] = 0 ; [n] = u[n + 1] u[n]
A funcao gate, denotada por G
T
(t), T > 0, e denida por
G
T
(t) = u(t +T/2) u(t T/2)
A funcao sinal e denida como
sinal(v) =
_
1 , v > 0
1 , v < 0
e pode ser denotada em termos da funcao degrau, isto e,
sinal(t) = u(t) u(t) = 2u(t) 1
A funcao Tri
T
(t), T > 0, e denida por
Tri
T
(t) = (2t/T + 1)G
T/2
(t +T/4) + (1 2t/T)G
T/2
(t T/4)
399
Probabilidades de variaveis aleat orias discretas s ao denotadas por Pr{ } como, por exemplo,
Pr{X = 1} = p
a probabilidade da variavel aleat oria X valer 1 e igual a p, 0 p 1.
Densidades de probabilidade de variaveis aleat orias contnuas s ao denotadas como funcoes com
subscrito indicando a variavel aleat oria. Por exemplo, p
T
(t) e a densidade de probabilidade da
variavel T computada no valor amostral t
Complexo conjugado
z = a +jb , a, b R , j =
1 z
= a jb
|z| =
_
a
2
+b
2
(m odulo) , z = arctan(b/a) [/2, /2] (fase)
As partes real e imaginaria de um n umero complexo s ao denotadas por
Re(z) =
z +z
2
, Im(z) =
z z
2j
O smbolo < > representa a soma no caso discreto e a integral no caso contnuo, cujos intervalos
s ao denidos no contexto.
O produto escalar dos vetores v C
n
e w C
n
e denotado por
< vw
>=
n
i=1
v
i
w
i
, < vw
> C
O produto escalar dos sinais v(t) C
n
e w(t) C
n
e denotado por
< vw
>=
_
v()w()
, < vw
> C
Sinais ou vetores ortogonais (o smbolo denota ortogonalidade) s ao denidos em termos do
produto escalar
v w < vw
>= 0
A norma quadratica de um vetor v C
n
e representada por v, e dada por
v =
_
n
i=1
|v
i
|
2
sendo |v
i
| o m odulo da i-esima componente do vetor.
Observe que v
2
=< vv
>.
O determinante de uma matriz quadrada A C e denotado por det(A)
A
e a transposta da matriz A
R(A) denota o espaco range da matriz A
rank(A) denota o rank ou posto da matriz A
400 Captulo A. Notacao
N(A) denota o espaco nulo da matriz A
(A) denota a dimens ao do espaco nulo da matriz A
Denotando a matriz de cofatores de A por Co(A), tem-se que a matriz adjunta e dada por
Adj(A) = Co(A)
O operador denota convolucao entre dois sinais

x[n] = x
1
[n] x
2
[n] =
+
k=
x
1
[k]x
2
[n k] , x(t) = x
1
(t) x
2
(t) =
_
+
x
1
()x
2
(t )d
O operador denota convolucao peri odica entre dois sinais peri odicos
x[n] = x
1
[n] x
2
[n] =
k

N
x
1
[k]x
2
[n k]
O trem peri odico de impulsos, de perodo N, e denotado por
N
[n] =
+
=
[n N]
O smbolo
_
T
indica que o intervalo de integracao e T e, no caso de sinais peri odicos de perodo fundamental
T, que o valor inicial da integracao e arbitr ario.
Funcao integral de uma funcao
I
x
(t) =
_
t
x()d
Funcao sampling
Sa() =
sen()
Note que
lim
0
Sa() = 1
A expressao
d
m
dx
m
f(x) , m N
denota a derivada de ordem m para m Z
+
e denota f(x) para m = 0.
401
O operador
_
z
d
dz
_
m
F(z)
consiste na aplicacao, repetida m vezes, da operacao combinada de derivar F(z) em rela cao a z
e multiplicar o resultado por z. Por exemplo, para m = 2,
_
z
d
dz
_
2
F(z) = z
d
dz
_
z
d
dz
F(z)
_
A derivada de ordem m em rela cao ao tempo e denotada
x
(m)
(t) =
d
m
dt
m
x(t) = p
m
x(t) , m N
sendo p o operador derivada. Note que x
(0)
(t) = p
0
x(t) = x(t).
As derivadas primeira, segunda e terceira (em rela cao à variavel independente) s ao denotadas
alternativamente por
x(t) =
dx
dt
, x(t) =
d
2
x
dt
2
,
...
x(t) =
d
3
x
dt
3
H(s) =
dH
ds
,

H(s) =
d
2
H
ds
2
,
...
H
(s) =
d
3
H
ds
3
Deslocamento (avan co) de ordem k, k N em rela cao ao tempo
p
k
x[n] = x[n +k]
sendo p o operador deslocamento.
Equacao caracterstica da matriz A
() = det(I A) = 0
sendo () o polin omio caracterstico de A.
Funcao de Lyapunov e uma funcao escalar associada ao estado v R
n
de um sistema, denotada
no Captulo 20 por
(v)
A matriz fundamental de um sistema linear variante no tempo v = A(t)v e dada por
(t) =
_

1
(t)
2
(t)
n
(t)

(t) = A(t)(t)
sendo
k
(t), k = 1, . . . , n funcoes vetoriais linearmente independentes.
Cosseno e seno hiperb olico
2 cosh(z) = exp(z) + exp(z) , 2senh(z) = exp(z) exp(z)
Apendice B
Fracoes Parciais
Seja a funcao racional em s descrita por
N(s)
D(s)
Caso 1: Grau de N(s) < Grau de D(s)
a) D(s) nao tem razes m ultiplas.
s + 1
s
3
+s
2
6s
=
s + 1
s(s 2)(s + 3)
=
a
s
+
b
s 2
+
c
s + 3
a = s
N(s)
D(s)
s = 0
=
1
6
; b = (s 2)
N(s)
D(s)
s = 2
=
3
10
; c = (s + 3)
N(s)
D(s)
s = 3
=
2
15
Alternativamente, e possvel usar identidade polinomial para o calculo das constantes a determinar.
b) D(s) com razes m ultiplas.
s + 1
s(s 2)
3
=
a
s
+
b
(s 2)
+
c
(s 2)
2
+
d
(s 2)
3
a = s
N(s)
D(s)
s = 0
=
1
8
; d = (s 2)
3
N(s)
D(s)
s = 2
=
3
2
c =
d
ds
_
(s 2)
3
N(s)
D(s)
_
s = 2
=
d
ds
_
s + 1
s
_
s = 2
=
1
s
2
s = 2
=
1
4
pois
d
ds
_
a(s 2)
3
s
+b(s 2)
2
+c(s 2) +d
_
s = 2
= c
2b =
d
2
ds
2
_
(s 2)
3
N(s)
D(s)
_
s = 2
=
2
s
3
s = 2
=
1
4
pois
d
2
ds
2
_
a(s 2)
3
s
+b(s 2)
2
+c(s 2) +d
_
s = 2
= 2b
Caso 2: Grau de N(s) Grau D(s)
Reduz-se ao caso anterior por meio da divisao de polin omios.
(s + 2)
3
(s + 1)
=
s
3
+ 6s
2
+ 12s + 8
s + 1
402
403
s
3
+ 6s
2
+ 12s + 8 / s + 1
s
3
+ s
2
s
2
+ 5s + 7
5s
2
+ 12s + 8
5s
2
+ 5s
7s + 8
7s + 7
+ 1
(s + 2)
3
s + 1
= s
2
+ 5s + 7 +
1
s + 1
A decomposicao de polin omios racionais em fra coes parciais pode ser feita numericamente no Matlab
com o comando [c,p,d]=Residue(N,D), sendo c o vetor com os coecientes, p com os polos, d o
resultado da divisao N/D, N o numerador e D o denominador.
Por exemplo, para
s + 1
s
3
+s
2
6s
o comando [c,p,d]=residue([1 1],[1 1 -6 0]) fornece
c =
_
_
0.1333
0.3000
0.1667
_
_
, p =
_
_
3
2
0
_
_
, d = [ ]
e para
s
3
+ 6s
2
+ 12s + 8
s + 1
[c,p,d]=residue([1 6 12 8],[1 1]) fornece
c = 1 , p = 1 , d =
_
1 5 7

Apendice C
Variaveis Complexas
O n umero complexo z C pode ser denotado na forma cartesiana
1
z = a + jb, a, b R e j =
1,
ou na forma polar z = exp(j), 0 < R, R em radianos. A Figura C.1 mostra um n umero
complexo no primeiro quadrante. Note que o angulo e medido em sentido anti-horario a partir do
semi-eixo real positivo, e que somar ou subtrair m ultiplos inteiros de 2 nao altera o angulo. Valem
as rela coes
a = cos(), b = sen() , =
_
a
2
+b
2
, = arctan(b/a)
sendo a dist ancia euclidiana
2
do ponto z ate a origem. Note ainda que e importante identicar o
quadrante no calculo de a partir da representa cao cartesiana.
Re
Im
z
a
b
Figura C.1: N umero complexo z = a +jb = exp(j) no primeiro quadrante.

Denicao C.1: Complexo Conjugado
z = a +jb , a, b R , j =
1 z
= a jb
Propriedade C.1:
Para z C, z = a +jb
z +z
= 2a R , zz
= a
2
+b
2
= |z|
2
R
Propriedade C.2:
z = z
z R ; z
= z Re(z) = 0
1
Rene Descartes, l osofo e matematico frances (15961650).
2
Euclides de Alexandria, matematico ( 325265 AC).
404
405
Propriedade C.3: Euler
exp(j) = cos() +jsen() , R , j =
1
cos() =
1
2
exp(j) +
1
2
exp(j) . sen() =
1
2j
exp(j)
1
2
exp(j)
Denicao C.2: Crculo Trigonometrico Unitario

O lugar geometrico no plano dos complexos da funcao
exp(j) , (, ]
e denominado crculo trigonometrico unit ario.
Propriedade C.4: de Moivre
3
_
exp(j)
_
= exp(j)
_
cos() +jsen()
_
= cos() +jsen() , , R
Propriedade C.5:
Para R, tem-se
cosh(j) = cos() , senh(j) = jsen()
3
Abraham de Moivre, matematico frances (16671754).
Apendice D
Matrizes
Denicao D.1: Operac oes com Matrizes
Considere A R
mn
, B R
mn
e C R
n
, com elementos a
ij
, b
ij
e c
ij
denotadas
A = [a
ij
] , B = [b
ij
] , C = [c
ij
]
A = [a
ij
] , A+B = [a
ij
+b
ij
] , A
= [a
ji
] R
nm
AC = [
n
k=1
a
ik
c
kj
] R
n
Propriedade D.1: Transposta do produto

Considere A R
mn
e B R
n
. Entao,
(AB)
= B
Denicao D.2: Conjunto Imagem ou Range da matriz A
E o conjunto de vetores y tais que Ax = y para todo x, denotado R(A)

R(A) =
_
y R
m
: y = Ax, x R
n
_
Qualquer conjunto de colunas linearmente independentes de A forma uma base para o espaco Range
da matriz A.
Denicao D.3: Posto ou Rank da matriz A
E o n umero de vetores linearmente independentes no R(A), denotado rank(A) (tambem denominado

posto da matriz A).
Propriedade D.2:
Dada uma matriz A R
mn
, tem-se:
rank(A) e o n umero de colunas linearmente independentes de A.
rank(A) e o n umero de linhas linearmente independentes de A.
rank(A) min{m, n}.
406
407
Denicao D.4: Matriz de rank completo
Uma matriz A e de rank completo quando rank(A) e igual à menor das dimens oes de A.
Denicao D.5: Espaco nulo da matriz A
E o conjunto de vetores x tais que Ax = 0, denotado N(A)

N(A) =
_
x R
n
: Ax = 0
_
A dimens ao de N(A) (n umero de vetores linearmente independentes que satisfaz Ax = 0) e chamada de
nulidade de A, denotada (A). Qualquer conjunto de vetores linearmente independentes pertencentes
a N(A) formam uma base do espaco nulo de A.
Propriedade D.3:
Dada uma matriz A R
mn
, a nulidade de A e dada por nrank(A) e, portanto, a nulidade e maior
ou igual a zero.
Propriedade D.4:
O rank de uma matriz A R
mn
nao e alterado pela pre-multiplica cao ou pos-multiplica cao por
matriz nao singular, isto e,
rank(A) = rank(AQ) = rank(TA) , Q, T nao singulares
Propriedade D.5: Mudanca de base

A representa cao de um vetor, dada uma base, e unica, ou seja,
B =

B
sendo B uma matriz formada por vetores coluna que denem uma das bases e a representa cao do
vetor nessa base e, correspondentemente,

e a representa cao do vetor na base

B.
A mudanca de representa cao na base B para a base

B e dada pela transformacao
= T
sendo T a matriz formada por colunas que s ao a representa cao dos vetores de B na base

B, isto e,
B =

BT T =

B
1
B
A representa cao da transformacao linear y = Ax, A R
nn
na base B e dada por

A, sendo
AB = B

A

A = B
1
AB
Note que

A = A se B = I, e que

A
Denicao D.6: Transformacao de similaridade

A transformacao

A = T
1
AT e chamada de transformacao de similaridade, e diz-se que a matriz

A e
similar à matriz A.

408 Captulo D. Matrizes
Denicao D.7: Sistema Linear de Equa c oes
O sistema
Ax = b
com x R
n
e b R
m
pode possuir uma unica, nenhuma ou innitas solucoes.
Propriedade D.6: Sistema Consistente

Um sistema linear Ax = b possui solucao se e somente se b R(A), isto e,
rank(
_
A b
) = rank(A)
sendo
_
A b
a matriz de dimens ao R
m(n+1)
composta pela matriz A e pelo vetor coluna b.
Propriedade D.7:
Considere um sistema linear consistente Ax = b, com A R
mn
se n = rank(A) (o espaco nulo e um conjunto vazio), o sistema possui uma unica solucao.
se n > rank(A), o sistema possui innitas solucoes.
Propriedade D.8:
Um sistema linear consistente Ax = b com uma unica solucao pode ser resolvido pelo metodo de
eliminacao de Gauss.
1
D.1 Matrizes quadradas

Considere matrizes quadradas A R
nn
, B R
nn
Denicao D.8: Autovalores e autovetores
O escalar C e um autovalor (ou valor proprio) da matriz quadrada A R
nn
se existir v = 0 tal
que
Av = v
Qualquer vetor v R
n
que satisfaz a equa cao Av = v e chamado de autovetor (ou autovetor à
direita) associado ao autovalor .
Qualquer vetor v R
n
que satisfaz a equa cao v
A = v
e chamado de autovetor à esquerda associado

ao autovalor .
Observe que os autovetores denem uma direcao no espaco (e nao um comprimento nem um sentido).
Propriedade D.9: Autovetores à esquerda e à direita

Para quaisquer dois autovalores distintos da matriz A, o autovetor à esquerda associado a um dos
autovalores e ortogonal ao autovetor à direita associado ao outro autovalor, isto e,
Av
d
=
1
v
d
; v
e
A =
2
v
e
;
1
=
2
v
e
v
d
= 0
1
Johann Carl Friedrich Gauss (17771855), matematico alem ao.
D.1. Matrizes quadradas 409
Propriedade D.10: Expansao de Laplace para determinantes
Determinante no caso escalar n = 1
det([a
11
]) = a
11
Determinante no caso n > 1:
det(A) =
n
i=1
a
ij
Co
ij
(A) , j {1, 2, . . . , n}
sendo Co
ij
(A) o cofator de A associado à posicao (i, j) dado por
Co
ij
(A) = (1)
i+j
det(A
ij
)
e A
ij
e a matriz (n 1) (n 1) obtida da matriz A quando suprime-se a linha i e a coluna j. A
aplicacao da propriedade de forma recorrente (expans ao de Laplace) permite o calculo do determinante
de qualquer matriz quadrada.
A matriz quadrada de dimens ao n formada pelos cofatores Co
ij
(A) e chamada matriz cofatora de A,
denotada Co(A). A transposta da matriz cofatora e a matriz adjunta de A, denotada Adj(A).
Adj(A) = Co(A)
O determinante de A pode tambem ser calculado como

det(A) =
n
j=1
a
ij
Co
ij
(A) , i {1, 2, . . . , n}
Propriedade D.11:
Dada uma matriz quadrada A R
nn
, menor e o determinante de qualquer submatriz quadrada
extrada de A.
Um menor principal e o determinante de qualquer submatriz cuja diagonal esta contida na diagonal
da matriz A.
Um menor principal lder e o determinante da submatriz obtida pela remo cao das k ultimas linhas e
k ultimas colunas de A, k {0, 1, . . . n 1}.
Propriedade D.12:
det(aA) = a
n
det(A)
Denicao D.9: Inversa

Se det(A) = 0, a matriz A e nao-singular e A
1
(inversa de A) e dada por
A
1
=
Adj(A)
det(A)
AA
1
= A
1
A = I
Propriedade D.13: Inversa de matriz 2 por 2

Para uma matriz nao singular A R
22
, tem-se
_
a b
c d
_
1
=
1
ad bc
_
d b
c a
_

Propriedade D.14: Inversa do produto
Para A e B nao singulares,
(AB)
1
= B
1
A
1
Propriedade D.15: Determinante do produto

O determinante do produto de matrizes quadradas e o produto dos determinantes de cada uma das
matrizes
det(AB) = det(A) det(B)
Propriedade D.16: Determinante da inversa

O determinante da inversa da matriz A e o inverso do determinante de A
det(A
1
) =
1
det(A)
Propriedade D.17: Determinante de transforma cao de similaridade

Para qualquer matriz T nao-singular tem-se
det(T
1
AT) = det(T
1
) det(A) det(T) = det(A)
Denicao D.10: Equa cao Caracterstica

A matriz A possui n autovalores, solucoes da equa cao
() = det(I A) = 0
denominada equa cao caracterstica associada à matriz A, pois
v Av = 0 (I A)v = 0
Para que exista solucao v nao nula o determinante de (I A) deve ser nulo.
O polin omio det(I A) e m onico (coeciente associado ao de maior ordem igual a 1) de grau n, e
e denominado polin omio caracterstico da matriz A.
Propriedade D.18:
Transformacoes de similaridade nao alteram os autovalores de uma matriz pois
det(I T
1
AT) = det(T
1
) det(I A) det(T) = det(I A)
Propriedade D.19:
Uma matriz com n autovalores distintos possui n autovetores linearmente independentes.

Propriedade D.20: Matrizes diagonalizaveis
Uma matriz com n autovetores linearmente independentes v
1
, . . . , v
n
e diagonalizavel pela trans-
formacao
T =
_
v
1
v
2
v
n
pois
A
_
v
1
v
2
v
n
=
_
v
1
v
2
v
n
diag(
1
,
2
, . . . ,
n
)
diag(
1
,
2
, . . . ,
n
) = T
1
AT
Se, alem disso, os autovetores forem ortonormais,
T
T = I T
1
= T
Propriedade D.21: Forma can onica de Jordan

Existe T nao-singular tal que
T
1
AT = diag
_
J
k
1
(
1
), J
k
2
(
2
), . . . , J
k
r
(
r
)
_
sendo os blocos de Jordan dados por
J
k
() =
_
_
1 0 0
0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0
.
.
.
1
0 0 0
_
_
com k
1
+k
2
+ +k
r
= n e
i
, i = 1, . . . , r s ao os autovalores de A (nao necessariamente distintos).
A multiplicidade geometrica de um autovalor e igual ao n umero de autovetores linearmente indepen-
dentes associados ao autovalor, ou seja, e a dimens ao do espaco nulo de (IA)v = 0. A multiplicidade
geometrica e sempre menor ou igual à multiplicidade (algebrica) do autovalor.
A multiplicidade geometrica de um autovalor dene o n umero de blocos de Jordan J
k
() associados
a
Se, para todo autovalor de A as multiplicidades geometrica e aritmetica forem iguais, a forma de
Jordan e diagonal e a matriz T e formada pelos autovetores v
k
, k = 1, . . . , n.
T =
_
v
1
v
2
v
n
Se os n autovalores da matriz A s ao distintos, os n autovetores associados s ao linearmente indepen-

dentes e a forma de Jordan e diagonal.
Propriedade D.22: Matriz companheira

As razes do polin omio de grau m
D() =
m
k=0
k
s ao tambem autovalores da matriz companheira
_
_
0 1 0 0
0 0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1
0

1

2

m1
_
_
cuja equa cao caracterstica e () = D() = 0.
Propriedade D.23:
O determinante de uma matriz A R
nn
e o produto dos n autovalores de A
det(A) =
n
k=1
k
,
k
autovalores de A
Propriedade D.24:
O determinante de uma matriz quadrada A e igual ao determinante da matriz transposta de A (de-
notada A
)
det(A) = det(A
Propriedade D.25:
Os autovalores de A s ao iguais aos autovalores de A
Propriedade D.26:
Os autovalores de uma matriz triangular (superior ou inferior) s ao os elementos da diagonal principal
e, portanto, o determinante de uma matriz triangular e dado pelo produto dos elementos da diagonal
principal.
Observe que uma matriz diagonal e um caso particular de matriz triangular.
Denicao D.11: Tra co

Tra co e a soma dos elementos da diagonal de uma matriz quadrada
A
nn
Tr(A) =
n
i=1
a
ii
Propriedade D.27: Tra co

Tr(A+B) = Tr(A) + Tr(B)
Tr(A
B) =
n
i=1
n
j=1
a
ij
b
ij
Tr(AB) = Tr(BA)
Tr(A) =
n
i=1
i
sendo
i
, i = 1, . . . , n os autovalores de A.
Note que Tr(AX) e uma funcao linear dos elementos x
ij
da matriz X.
Denicao D.12: Funcao de matriz diagonal

Considere a funcao escalar f() : D C C e C
nn
uma matriz diagonal. Entao
f() = f(diag
_
1
, . . . ,
n
)
_
= diag
_
f(
1
), . . . , f(
n
)
_

A propriedade seguinte expande o calculo de funcao de matrizes para matrizes diagonalizaveis.
Propriedade D.28:
f(A) = f(T
1
T) = T
1
f()T
Esse resultado pode ser estendido para matrizes bloco-diagonais.
Para matrizes descritas por blocos de Jordan, a funcao para cada bloco pode ser computada de
maneira analtica, resultando em uma matriz bloco-triangular cujos elementos dependem da funcao e
das derivadas da funcao (veja [19]).
Propriedade D.29: Teorema de Cayley-Hamilton

Toda matriz A satisfaz sua equa cao caracterstica, isto e,
det(I A) = () = 0 (A) = 0
Propriedade D.30: Matrizes denidas positivas

Uma matriz simetrica A R
nn
e denida positiva se e somente se qualquer uma das condi coes for
vericada.
v
Av > 0, v R
n
, v = 0;
Todos os autovalores s ao positivos;
Todos os menores principais lderes s ao positivos;
Existe B R
nn
nao singular tal que A = B
B;
Propriedade D.31:
Se A R
nn
e denida positiva entao
(v
Av > 0 , v C
n
, v = 0
pois, para v = a +jb, a, b R
n
, tem-se
(a jb)
A(a +jb) = a
Aa +b
Ab > 0 , v C
n
, v = 0

Propriedade D.32: Cholesky
A transformacao de Cholesky aplicada à matriz R (simetrica denida positiva) produz L triangular
inferior que satisfaz R = LL
, com
i,i
> 0 ; i = 1, . . . , n
A equa cao LL
= R resulta em
n
k=1
i,k
j,k
= r
i,j
; i, j = 1, 2, . . . , n
Como
j,k
= 0 para k > j (L e triangular inferior), tem-se
j
k=1
i,k

j,k
= r
i,j
Para j = 1 tem-se
1,1

i,1
= r
i,1

i,1
=
r
i,1
r
1,1
e para i j 2 tem-se
j,j

i,j
= r
i,j

j1
k=1
i,k
j,k
O Algoritmo da decomposicao de Cholesky e ilustrado na Tabela D.1.
Tabela D.1: Algoritmo da decomposicao de Cholesky.
[L]=cholesky(R).
n=size(R,1);
L=zeros(size(R));
for j = 1 : n
a(j : n, 1) = R(j : n, j)
for k = 1 : j 1
a(j : n, 1) = a(j : n, 1) L(j, k) L(j : n, k)
end
L(j : n, j) = a(j : n, 1)/
_
a(j, 1)
end
A inversa Q de uma matriz triangular inferior L e uma matriz triangular inferior. O calculo de Q se
faz de maneira recorrente: q
i,i
=
1
i,i
e, para j < i
i
k=1
i,k
q
k,j
= 0
Exemplo D.1: Considere a matriz de correlacao R dada por:

R =
_
4 5
5 7
_
= LL
L =
_
2 0
2.5 0.866
_
Q = L
1
=
_
0.500 0
1.443 1.155
_
P
Exemplo D.2: Considere a matriz de correlacao R dada por:
R =
_
_
9 3 3
3 5 3
3 3 3
_
_
= LL
L =
_
_
3 0 0
1 2 0
1 1 1
_
_
Q = L
1
=
_
_
1/3 0 0
1/6 1/2 0
1/6 1/6 1
_
_
P
Propriedade D.33: Equa cao de Sylvester
Considere as matrizes A R
nn
, B R
mm
e C R
nm
, com
i
, i = 1, . . . , n autovalores de A e
j
,
j = 1, . . . , m autovalores de B
A equa cao linear matricial
AX +XB = C
tem solucao unica X R
nm
se e somente
i
+
j
= 0 , i = 1, . . . , n , j = 1, . . . , m
A equa cao linear matricial
X AXB = C
tem solucao unica X R
nm
se e somente
j
= 1 , i = 1, . . . , n , j = 1, . . . , m
Note que, nos dois casos, trata-se de um sistema linear de equa coes com nm equa coes e nm incognitas
(elementos da matrix X).
Propriedade D.34: Derivadas de funcao escalar de matrix

Seja X [x
ij
], X C
mn
e f(X) uma funcao escalar (real ou complexa) de X. Entao
X
f(X)
_

x
ij
f(X)
_
Algumas derivadas (A e B matrizes complexas):
X
Tr(AXB) = A
,

X
Tr(AX
B) = BA
X
Tr(AXBX) = A
+B
X
Tr(AXBX
) = A
XB
+AXB
X
Tr(AX
1
B) = (X
1
BAX
1
)
,

X
log det(X) = (X
)
1
Para A() C
mn
e C,
d
d
A()
_
da
ij
d
_
Entao,
d
d
A()B() =
dA()
d
B() +A()
dB()
d
,
d
d
A()
1
= A()
1
dA()
d
A()
1

D.2 Exerccios
Exerccio D.1: Determine o rank (posto), a dimensao do espaco nulo uma base para o range (conjunto imagem)
e uma base para o espaco nulo das matrizis
A =
_
1 2 3 0 5
1 2 3 0 5
_
, A =
_
1 0 2 3 0
2 0 4 6 0
_
, A =
_
_
1 0 2 3
2 0 4 6
0 1 1 0
_
_
Exerccio D.2: Determine R tal que o sistema linear abaixo possua solu cao
2v
1
3v
2
= 2 , 2v
1
+ 5v
2
= 3 , 2v
1
v
2
=
Exerccio D.3: Considere a transformacao linear descrita pela matriz A R
22
dada por
A =
_
1 1
1 1
_
a) Determine a representa cao da transformacao na base V = {v
1
, v
2
} com
v
1
=
_
1
1
_
, v
2
=
_
2
0
_
b) Determine a matriz de mudanca de base que leva de V para a base W = {w
1
, w
2
} dada por
w
1
=
_
2
0
_
, w
2
=
_
1
1
_
c) Determine as representa coes do vetor x
x =
_
3
3
_
nas bases V e W.
Exerccio D.4: Sabendo que a forma de Jordan de uma matriz A R
nn
e diagonal com autovalores positivos,
assinale V (verdadeiro) ou F (falso) para as arma coes abaixo:
a) A matriz A e necessariamente simetrica.
b) A matriz A e necessariamente denida positiva.
c) Os autovalores de A s ao necessariamente distintos.
d) Os autovalores de A possuem multiplicidade algebrica igual à multiplicidade geometrica.
e) O espaco nulo de (AI) possui dimensao n para todo autovalor de A.
f) Todos os autovetores de A s ao linearmente independentes.
Exerccio D.5: Para A R
nn
, mostre que:
a) Tr(AB) = Tr(BA)
b) O traco da matriz A e a soma dos autovalores de A
c) O determinante de A e o produto dos autovalores de A
Exerccio D.6: Considere a matriz A R
39
formada por
A =
_
X X 2X
, X R
33
, rank(X) = 2
a) Qual o rank (posto) de A?
b) Qual a dimensao do espaco nulo de A?
Exerccio D.7: Determine as solu coes do sistema de equacoes
_
_
1 0 1
2 1 1
1 1 0
_
_
x =
_
_
1
2
1
_
_
D.2. Exerccios 417
Exerccio D.8: Considere a base B para o espaco P
2
dos polin omios de grau menor ou igual a 2 formada pelos
vetores {1, t
2
, t}.
a) Determine a representa cao do vetor p(t) = 2t
2
+ 4t 1 na base B.
b) Determine a representa cao

do vetor p(t) = 2t
2
+ 4t 1 na base

B = {(t 1)
2
, t 1, 1}.
c) Determine a matriz de transformacao da base B para a base

B, isto e, P R
33
tal que

= P
Exerccio D.9: Determine a forma de Jordan

A e a transformacao Q tal que

A = Q
1
AQ para
A =
_
0 1
6 5
_
, A =
_
0 1
1 2
_
Exerccio D.10: A forma de Jordan de uma matriz A R
55
e dada por
A =
_
_
1 0 0 0 0
0 1 1 0 0
0 0 1 1 0
0 0 0 1 1
0 0 0 0 1
_
_
a) Determine o polin omio caracterstico de A
b) Determine a multiplicidade geometrica associada ao autovalor 1
Exerccio D.11: Determine para que a matriz A seja denida positiva
A =
_
5
5 5
_
, A =
_
_
2 0
3 1
0 1 2
_
_
Exerccio D.12: Considere uma matriz A R
mn
. Mostre que um vetor x R
n
pertencente ao espaco nulo
de A e ortogonal a um vetor y R
n
pertencente ao espaco range de A
, isto e,
x N(A) , y R(A
) x
y = 0
Exerccio D.13: Determine um sistema de equacoes Ax = b tal que
b =
_
_
2
2
2
_
_
, x =
_
_
1
0
1
_
_
+
_
_
0
1
0
_
_
+
_
_
3
2
1
_
_
, , R
Exerccio D.14: Considere a base B para o espaco P
3
dos polin omios de grau menor ou igual a 3 formada
pelos vetores {1, t 1, t
2
1, t
3
1}.
a) Determine a representa cao do vetor p(t) = 5t
2
3t + 1 na base B.
b) Determine a representa cao

do vetor p(t) = 5t
2
3t + 1 na base

B = {t
3
, t
2
, t, 1}.
c) Determine a representa cao A R
44
, na base B, da transformacao linear que leva um polin omio do espaco
P
3
para a sua derivada (no mesmo espaco).
Exerccio D.15: A forma de Jordan de A R
55
e dada por
A =
_
_
1 1 0 0 0
0 1 1 0 0
0 0 1 0 0
0 0 0 1 0
0 0 0 0 1
_
_
a) Determine o polin omio caracterstico de A
b) Quantos autovetores linearmente independentes possui a matriz A?
Exerccio D.16: O polin omio caracterstico de uma matriz A R
33
e dado por () = ( 1)
3
. Obtenha a
representa cao de A
1
na base {I, A, A
2
}
Exerccio D.17: Determine os valores de e para que a forma quadr atica f(x
1
, x
2
) = 10x
2
1
+2x
1
x
2
+x
2
2
seja denida positiva, ou seja,
f(x
1
, x
2
) > 0 , x
1
, x
2
, x
1
= 0, x
2
= 0
Exerccio D.18: Mostre que matrizes simetricas possuem autovalores reais.
Exerccio D.19: Mostre que a equacao caracterstica da matriz A R
22
e dada por
2
Tr (A) + det(A) = 0
Exerccio D.20: Considere o sistema de equacoes Ax = b com A e b dados por
A =
_
_
1 0 2 3
2 0 4 6
0 1 1 0
_
_
, b =
_
_
2
4
2
_
_
Obtenha uma expressao para a solu cao geral do sistema (combinacao linear de uma solu cao particular e de
vetores do espaco nulo de A).
Exerccio D.21: Considere a base B para polin omios de grau menor ou igual a 2 formada pelos vetores {1, t, t
2
}.
a) Encontre a representa cao do vetor p(t) = 4t
2
+ 2t + 3 na base B.
b) Encontre a matriz P que leva a representa cao de um vetor p(t) na base B para

na base

B = {1, 1+t, 1+
t +t
2
}.
Exerccio D.22: A matriz
A =
_
_
1 3 2
1 4 1
1 2 4
_
_
possui o polin omio caracterstico () = ( 3)
3
. Qual e a forma de Jordan

A da matriz? Determine a matriz
Q tal que AQ = Q

A.
Exerccio D.23: Determine os valores de e para que a matriz P seja denida positiva
P =
_
_
10 0
2 0
0 0
_
_
Exerccio D.24: Mostre que matrizes similares possuem o mesmo traco, isto e, mostre que
Tr(A) = Tr(T
1
AT) , T nao singular
Exerccio D.25: a) Determine os autovalores da matriz A dada por
A =
_

_
, , R
b) Mostre que
_
1
1
_
,
_
1
1
_
s ao autovetores de A independentes de e
Apendice E
Polinomios
Denicao E.1: Polin omios m onicos
D(s) =
m
k=0
k
s
k
,
m
= 1 ,
k
R , m N
Neste apendice, consideram-se apenas polin omios m onicos.

Propriedade E.1: Razes complexas conjugadas
Polin omios de grau m com coecientes reais tem m razes e, se C for raiz,
C tambem e. Em
outras palavras, razes complexas aparecem sempre em pares conjugados, pois
D
() = D(
) , D() = 0 D(
) = 0
Propriedade E.2: Produt oria

D(s) =
m
k=0
k
s
k
=
m
k=1
(s
k
)
m1
=
m
k=1
k
,
0
=
m
k=1
k
Note que
m1
=
m
k=1
k
=
m
k=1
Re(
k
)
Os demais coecientes s ao dados pela soma (com sinal alternado) dos produtos das razes duas a duas,
tres a tres e assim sucessivamente. Por exemplo,
(s
1
)(s
2
)(s
3
)(s
4
) = s
4
(
1
+
2
+
3
+
4
)s
3
+ (
1
2
+
1
3
+
1
4
+
2
3
+
2
4
+
3
4
)s
2
(
1
3
+
1
4
+
1
4
+
2
4
)s +
1
419
Bibliograa
[1] L. A. Aguirre. Introduc ao à Identicac ao de Sistemas: Tecnicas Lineares e N ao-lineares Aplicadas
a Sistemas Reais. Editora UFMG, Belo Horizonte, 2000.
[2] L. A. Aguirre, editor. Enciclopedia de Automatica: Controle e Automa c ao, volume 13. Editora
Edgard Bl ucher Ltda, Sao Paulo, 2007.
[3] P. J. Antsaklis and A. N. Michel. Linear Systems. Birkh auser, Boston, 2006.
[4] K. J.

Astr om and R. M. Murray. Feedback Systems. An Introduction for Scientists and Engineers.
Princeton University Press, Boston, 2008.
[5] A. S. Bazanella and J. M. Gomes da Silva Jr. Sistemas de Controle: Princpios e Metodos de
Projeto. Editora UFRGS, Porto Alegre, 2005.
[6] I. S. Bonatti, C. M. Agulhari, A. Lopes, and P. L. D. Peres. Proje cao em bases uniformes nao-
ortogonais. Revista TEMA Tendencias em Matem atica Aplicada e Computacional, 8(1):4352,
2007.
[7] I. S. Bonatti, P. L. D. Peres, and A. Lopes. Velocity of propagation in transmission lines. Inter-
national Journal of Electrical Engineering Education, 35(1):7986, January 1998.
[8] C. P. Bottura. An alise Linear de Sistemas. Editora Guanabara Dois, Rio de Janeiro, 1982.
[9] C. P. Bottura. Princpios de Controle e Servomecanismos. Editora Guanabara Dois, Rio de
Janeiro, 1982.
[10] W. L. Brogan. Modern Control Theory. Prentice Hall, Englewood Clis, 1991.
[11] C. T. Chen. Linear System Theory and Design. Oxford University Press, 3rd edition, 1999.
[12] W. K. Chen. Passive and Active Filters, volume 1. John Wiley & Sons, Inc., New York, 1986.
[13] J. J. DAzzo and C. H. Houpis. Feedback Control System Analysis and Synthesis. McGraw-Hill,
Tokyo, Japan, 2nd edition, 1966.
[14] J. J. DAzzo and C. H. Houpis. Linear Control Systems Analysis and Design: Conventional and
Modern. McGraw-Hill, New York, 4th edition, 1995.
[15] W. R. Evans. Graphical analysis of control systems. AIEE Transactions Part II, 67:547551,
1948.
[16] G. F. Franklin, J. D. Powell, and A. Emami-Naeini. Feedback Control of Dynamic Systems.
Addison-Wesley, Reading, 3rd edition, 1994.
[17] Z. Gajic. Linear Dynamic Systems and Signals. Prentice Hall, Upper Saddle River, NJ, USA,
2003.
[18] J. C. Geromel and A. G. B. Palhares. An alise Linear de Sistemas Dinamicos: Teoria, Ensaios
Pr aticos e Exerccios. Editora Edgard Bl ucher Ltda, Sao Paulo, 1st edition, 2004.
420
BIBLIOGRAFIA 421
[19] G. H. Golub and C. F. Van Loan. Matrix Computations. The John Hopkins University Press,
Baltimore, MD, USA, 3rd edition, 1996.
[20] S. Haykin and B. van Veem. Sinais e Sistemas. Bookman, Porto Alegre, 1.ed edition, 2001.
[21] H. K. Khalil. Nonlinear Systems. Prentice Hall, Upper Saddle River, NJ, second edition, 1996.
[22] B. P. Lathi. Sinais e Sistemas Lineares. Bookman, Porto Alegre, 2nd edition, 2007.
[23] E. A. Lee and P. Varaya. Structure and Interpretation of Signals and Systems. Addison Wesley,
Boston, 2003.
[24] D. G. Luenberger. Introduction to Dynamic Systems. Theory, Models & Apllications. John Wiley
& Sons, Inc., New York, NY, USA, 1979.
[25] G. Meinsma. Elementary proof of the Routh-Hurwitz test. Systems & Control Letters, 25(4):237
242, July 1995.
[26] C. Moler and C. Van Loan. Nineteen dubious ways to compute the exponential of a matrix. SIAM
Review, 20(4):801836, October 1978.
[27] C. Moler and C. Van Loan. Nineteen dubious ways to compute the exponential of a matrix,
twenty-ve years later. SIAM Review, 45(1):349, March 2003.
[28] U. F. Moreno, P. L. D. Peres, and I. S. Bonatti. Analysis of piecewise linear oscillators with
hysteresis. IEEE Transactions on Circuits and Systems - I, Fundamental Theory and Applications,
50(8):11201124, August 2003.
[29] K. Ogata. Discrete-Time Control Systems. Prentice Hall, Englewood Clis, 1987.
[30] K. Ogata. Engenharia de Controle Moderno. Prentice-Hall do Brasil Ltda, Rio de Janeiro, RJ,
1993.
[31] A. V. Oppenhein, A. S. Wiillsky, and H. Nawab. Sinais e Sistemas. Pearson, Sao Paulo, 2nd
edition, 2010.
[32] T. S. Parker and L. O. Chua. Practical Numerical Algorithms For Chaotic Systems. Springer-
Verlag, New York, NY, USA, 1989.
[33] P. L. D. Peres, I. S. Bonatti, and W. C. Borelli. The linear interpolation method: A sampling
theorem approach. SBA: Controle & Automa c ao, 14(4):439444, Out/Nov/Dez 2003.
[34] P. L. D. Peres, I. S. Bonatti, and A. Lopes. Transmission line modeling: A circuit theory approach.
SIAM Review, 40(2):347352, June 1998.
[35] P. L. D. Peres, C. R. de Souza, and I. S. Bonatti. ABCD matrix: A unique tool for linear
two-wire transmission line modeling. International Journal of Electrical Engineering Education,
40(3):220229, July 2003.
[36] P. L. D. Peres, A. Lopes, and I. S. Bonatti. An algorithm for uniform orthogonalization. In 13th
International Conference on Digital Signal Processing, pages 899902, Santorini, Greece, July
2007.
[37] P. Prandoni and M. Vitterli. From Lagrange to Shannon. . . and back: another look at sampling.
IEEE Signal Processing Magazine, 26(5):138144, September 2009.
[38] J. G. Proakis and D. G. Manolakis. Digital Signal Processing. Principles, Algorithms and Appli-
cations. Pearson Prentice Hall, Upper Saddle River, 4th edition, 2007.
[39] R. H. Raible. A simplication of Jurys tabular form. IEEE Transactions on Automatic Control,
19(3):248250, June 1974.
422 BIBLIOGRAFIA
[40] R. Seydel. Practical Bifurcations and Stability Analysis. Springer Verlag, New York, NY, 2nd
edition, 1994.
[41] M. C. M. Teixeira, E. Assun cao, and E. R. M. D. Machado. A method for plotting the comple-
mentary root locus using the root-locus (positive gain) rules. IEEE Transactions on Education,
47(3):405409, August 2004.
[42] L. A. Zadeh and C. A. Desoer. Linear System Theory. The State Space Approach. Krieger, New
York, 1979.
Indice Remissivo
Desigualdade de Lyapunov, 367
estabilidade assint otica de um ponto de equilbrio,
361
estabilidade de um ponto de equilbrio, 361
estabilidade no sentido de Lyapunov, 369
Expansao de Stieltjes, 353
Graciliano Ramos, 4
Lyapunov, 362
Matriz denida positiva, 368
polin omio Hurwitz, 353
Polin omios Hurwitz, 355
serie de Fourier, 168
Sistema assintoticamente estavel, 362
Sistema BIBO Estavel, 352
Sistemas Contnuos
Amostragem
Funcoes sampling, 188
Teorema, 188
Teorema (interpolacao), 189
Teorema (por impulsos aproximados), 194
Teorema (por impulsos), 191
Teorema (por pulsos), 196
Auto-fun cao, 123
Condicoes sucientes para convergencia da serie
de Fourier, 156
Convolucao, 117
Convolucao com a resposta ao impulso de um
SLIT, 120
Correlacao
Denicao, 184
Propriedades, 184
Degrau unit ario, 110
Derivada, 165
Desigualdade de Cauchy-Schwarz, 151
Espa co linear, 152
Filtros, 209
de Butterworth, 212
de Chebyshev, 215
Racionais, 210
Funcao par e funcao mpar, 113
Impulso, 110
Integral, 165
Integral com impulso, 110
Norma, 150
Ortogonaliza cao
Criterio de Gram, 136
Erro medio quadratico, 137
Proje cao ortogonal, 138
Ortogonaliza cao de Gram-Schmidt, 140
Ortogonaliza cao de Gram-Schmidt como tri-
angulariza cao, 142
Ortogonaliza cao uniforme, 145
Produto escalar, 150
Proje cao de sinais, 153
Proje cao ortogonal, 152
Resposta ao impulso, 117
Resposta em freq uencia, 127
Serie de Fourier
Complexo conjugado, 159
Convolucao periodica, 161
Deslocamento na freq uencia, 160
Deslocamento no tempo, 160
Escalonamento no tempo, 160
Inversao no tempo, 160
Linearidade, 157
Multiplicacao no tempo, 160
Teorema de Parseval, 159
Trem de impulsos, 159
Valor medio, 159
Serie exponencial de Fourier, 155
Serie trigonometrica de Fourier, 161
Sinais contnuos, 110
Sinais de potencia, 177
Sinais linearmente independentes, 151
Sinais ortogonais, 151
Sinal peri odico, 154
Sistemas
BIBO estaveis, 116
Causais, 116
Discretos (denicao), 114
Invariantes no tempo, 115
Lineares, 114
Sem mem oria, 116
Tempo de propagacao, 203
Teorema de Pit agoras, 151
423
424

INDICE REMISSIVO
Transformada da convolucao, 125
Transformada de Fourier, 168
Da convolucao, 179
Da derivada, 181
Da funcao degrau, 178
Da funcao impulso, 176
Da integral, 180
De sinal peri odico, 179
Densidade espectral de energia, 171
Deslocamento em freq uencia, 178
Deslocamento no tempo, 178
Do produto, 181
Funcao real e par, 172
Modulacao, 182
Momento, 183
Reversao no tempo, 172
Serie a partir da transformada, 182
Simetria, 174
Valor na origem, 169
Area de uma funcao, 198

Bilateral, 198
Da derivada, 205
Da exponencial, 199
Da integral, 200
Derivada em s, 203
Deslocamento em s, 202
Do degrau, 199
Do impulso, 198
Transformada inversa, 204
Sistemas Discretos
Auto-fun cao, 10
Controlabilidade, 97
Convolucao, 7
Convolucao com a resposta ao impulso de um
SLIT, 8
Criterio de Jury, 100
Degrau unit ario, 2
Desigualdade de Lyapunov, 103
Discretizacao, 105
Equacoes a diferen cas, 67
Equacao homogenea, 78
Equacao nao homogenea, 83
Fibonacci, 73
Modo proprio, 80
Raiz m ultipla, 81
Raz ao aurea, 73
Resolucao por coecientes a determinar, 78
Resolucao por transformada Z, 69
Seq uencia de Fibonacci, 72
Solucao da homogenea, 81
Solucao for cada, 84
Espa co linear, 52
Estabilidade assintotica, 103
Estabilidade do estado, 103
Estabilidade entrada-sada, 99
Funcao de Lyapunov, 103
Funcao de transferencia e realizacoes, 92
Funcao par e funcao mpar, 3
Impulso, 2
Observabilidade, 97
Polin omio Schur, 100
Pontos de equilbrio ou pontos xos, 91
Resposta em freq uencia, 12
Serie exponencial de Fourier
Complexo conjugado, 57
Linearidade, 54
Soma, 54
Sinais discretos, 2
Sinais linearmente independentes, 52
Sinais peri odicos, 49
Convolucao periodica, 62
Ortogonalidade, 50
Produto escalar, 50
Representa cao em uma base, 53
Serie exponencial de Fourier, 53
Serie trigonometrica de Fourier, 57
Sistemas
BIBO estaveis, 6
Causais, 6
Discretos (denicao), 4
Invariantes no tempo, 5
Lineares, 5
Sem mem oria, 6
Solucao da equa cao homogenea, 93
Solucao da equa cao nao homogenea, 95
Teorema de Lyapunov, 104
Transformacao bilinear, 102
Transformada da convolucao, 11
Transformada Z
Combinat oria, 26, 69
Combinat oria com deslocamento, 26, 70
Da funcao impulso, 20
De x[n] = a
n
u[n], 21
Deslocamento à direita (atraso), 25
Deslocamento à esquerda (avan co), 25, 69
Domnio, 23
Linearidade, 22
Operador derivada, 24
INDICE REMISSIVO 425

Teorema da convolucao, 23
Transformada inversa, 29
Transformada Z (denicao), 20
Valor nal, 28
Valor inicial, 27
Transformada Z & Probabilidade
Esperanca matem atica, 37
Momento de ordem m, 37
Momentos, 40
Operador derivada, 40
Poisson como limite da binomial, 44
Serie de Taylor, 41
Soma, 40
Somatoria de variaveis aleat orias, 42
Transformada Z (denicao), 39
Variavel aleat oria discreta, 37
Variancia, 37
Variaveis de estado, 90
Tabela de Routh, 357
Teorema de Lyapunov, 367
Teste de Routh-Hurwitz, 359
Transformada de Fourier, 168

LSS

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

LSS

Enviado por

Direitos autorais:

Formatos disponíveis

Linearidade em Sinais e Sistemas

Denicao 1.3: Impulso

Bonatti, Lopes, Peres & Agulhari

Exemplo 1.4: O sinal

Exemplo 1.5 (Filtro passa-alta):

Denicao 1.7: Invariante no tempo

Os exemplos 1.5, 1.6 e 1.7 s ao sistemas invariantes no tempo.

Exemplo 1.10: O somador (ou acumulador)

Exemplo 1.11: O sistema

Bonatti, Lopes, Peres & Agulhari

Bonatti, Lopes, Peres & Agulhari

Teorema 1.1: Convolu cao com a Resposta ao Impulso de um SLIT

Bonatti, Lopes, Peres & Agulhari

A funcao H(z) e denominada transformada Z da resposta ao impulso do sistema, ou funcao de trans-

Exemplo 1.22: Considere o Exemplo 1.5 (ltro passa-alta), dado por

Exemplo 1.25: O sistema

Propriedade 2.3: Soma Geometrica

Propriedade 2.4: Transformada Z de x[n] = a

Exemplo 2.3 (Transformada Z do degrau):

Propriedade 2.6: Linearidade

Propriedade 2.8: Transformada Z de x[n] = a

Bonatti, Lopes, Peres & Agulhari

Propriedade 2.14: Combinat oria com Deslocamento

Propriedade 2.15: Reversao no Tempo

Exemplo 2.15: A transformada Z de x[n] =

Bonatti, Lopes, Peres & Agulhari

Exemplo 2.16: Considere

Exemplo 2.17: Considere

E uma funcao X `a qual esta associada uma distribui cao de probabilidade

Denicao 3.2: Esperanca Matematica

Denicao 3.3: Momento de ordem m

Denicao 3.4: Media

Denicao 3.5: Variancia

Propriedade 3.2: Independencia

Denicao 3.7: Transformada Z

Propriedade 3.5: Operador Derivada

Propriedade 3.6: Momentos

Propriedade 3.7: Variancia

Bonatti, Lopes, Peres & Agulhari

Bonatti, Lopes, Peres & Agulhari

Bonatti, Lopes, Peres & Agulhari

Exemplo 4.2: O perodo fundamental (menor perodo) do sinal

[n], de perodo N, e dado por

Exemplo 4.3: Considere os sinais

[n] >=< p[n]q

Denicao 4.5: Espaco Linear

Exemplo 4.6: Os sinais

Bonatti, Lopes, Peres & Agulhari

Propriedade 4.5: Teorema de Parseval

Propriedade 4.7: Linearidade

Propriedade 4.8: Soma

Propriedade 4.9: Teorema de Parseval para Serie Exponencial de Fourier

Exemplo 4.8: A serie exponencial de Fourier de x[n] dado por

Bonatti, Lopes, Peres & Agulhari

Propriedade 4.17: Soma

Propriedade 4.19: Expansao no Tempo

Bonatti, Lopes, Peres & Agulhari

Bonatti, Lopes, Peres & Agulhari

Propriedade 4.21: Convolu cao Peri odica

Exemplo 4.20: Retomando o Exemplo 4.19, com os coecientes

Exemplo 5.1 (Filtro passa-alta):

Exemplo 5.6: Para y[n] = y[n]u[n] e x[n] = x[n]u[n], tem-se

Exemplo 5.9 (Progressao geometrica):

Figura 5.1: Relacoes aureas em ret angulos.