Escolar Documentos
Profissional Documentos
Cultura Documentos
Referencia: “Chi-Tsong Chen, Linear System Theory and Design, 3rd Edition
Oxford University Press, 1999
Matrizes e Linearidade
1. Revisão Matrizes
1.1. Traço, Simetria, Determinante
1.2. Inversa
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Operações com Matrizes
A teoria clássica de controle é baseada na transformada de Laplace e
tranformada z (TL e Tz)
- também chamada domínio da frequencia
Matriz n×m :
Produto de uma matriz 1×n por n×1 matriz é um escalar. Produto de uma
matriz n×1 e uma matriz 1×n é uma matriz n×n
Em geral, A B ≠ B A
• Você não pode multiplicar quaisquer duas matrizes. Elas
têm que ser compatível: p/ conseguir AB, o número de colunas de A deve ser
igual ao número de linhas de B, p.ex., A: k×n, B: n×m.
Seja A matriz 3×4, B matriz 4×2
Como fica BA? Não é definido em tudo para este caso.
então
Exemplo:
Produto de blocos de matrizes particionados: Suponha que A e B são
particionados compatível como,
Então
a11 a12 ··· a1n x1
a21
a22 ··· a2n
x2
Am×n = . .. .. ; x= .
.. . . ..
am1 am2 ··· amn xn
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Matrizes e Vetores
à Transposição:
2 3
a11 a21 ··· a m1
6 7
6 a
6 12 a22 ··· a m2 7
7 h i
0 0
A =6
6 .. .. ..
7
7 ; x = x1 x2 ··· xn
6 . . . 7
4 5
a1n a2n ··· a mn
(A + B)0 = A0 + B 0 ; (AB)0 = B 0 A0
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Matrizes
1 −3 + 3j 0
à Matriz conjugada transposta A =
∗
1−j −j −4j
0 −1 + 5j 1−j
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Matrizes
1 1
A = X + jY ; X= (A + A∗ ) ; Y = (A − A∗ )
2 2j
X, Y : hermitianas
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Determinantes
à det(A) é o determinante da matriz quadrada An×n , função escalar que
pode ser computada a partir de uma linha arbitrária k da matriz
n
X
det(A) = akj Ckj
j=1
h i
A= a11 ⇒ det(A) = a11
2 3
a11 a12
A=4 5 ⇒ det(A) = a11 a22 − a 12 a21
a21 a22
2 3
a11 a12 a13
6 7
A=6
4 a21 a22 a23 7 ⇒
5 det(A) = a11 a22 a33 + a12 a23 a31 + a13 a21 a32
a31 a32 a33 −a 13 a22 a31 − a 12 a21 a33 − a 11 a32 a23
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Propriedade dos Determinantes
A B A 0
à det = det = det(A) det(D)
0 D C D
UFC
Laurinda Reis Sistemas Lineares - Aula 1
+ sobre Matrizes
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Inversa de Matrizes
1
à A inversa de uma matriz é dada por A−1 = Adj (A), sendo
det(A)
Adj (A) a matriz adjunta da matriz A, definida como Adj (A) = [Co (A)]0 e
Co (A) é a matriz cofatora de A, composta pelos cofatores Cij da matriz A
à Relembrando, Cofator:
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Inversa de Matrizes
2 3 2 3 2 3
A1 h i A1 B1 A1 B2 C1 C2
4 5 B1 B2 =4 5=4 5
A2 A2 B1 A2 B2 C3 C4
2 32 3 2 3 2 3
A1 A2 B1 A1 B1 + A2 B2 C1
4 54 5=4 5=4 5
A3 A4 B2 A3 B1 + A4 B2 C2
2 32 3 2 3 2 3
A1 A2 B1 B2 A1 B1 + A2 B3 A1 B2 + A2 B4 C1 C2
4 54 5=4 5=4 5
A3 A4 B3 B4 A3 B1 + A4 B3 A3 B2 + A4 B4 C3 C4
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Inversa de Matrizes
A−1 = A0
A−1 = A∗
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Fórmulas para Matrizes Invertı́veis
A11 A12
Para uma matriz quadrada A = com A11 e A22 quadradas
A21 A22
à Se A11 é não-singular
A11 A12 I 0 A11 0 I A−1
11 A12
=
A21 A22 A21 A−1
11 I 0 ∆ 0 I
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Fórmulas para Matrizes Invertı́veis
à Se A22 é não-singular
A11 A12 I A12 A−1
22
ˆ
∆ 0 I 0
=
A21 A22 0 I 0 A22 A−1
22 A21 I
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Fórmulas para Matrizes Invertı́veis
à Se A é não singular
−1
A11 A12 A−1
11 + A −1
11 A 12 ∆ −1
A 21 A −1
11 −A−1
11 A12 ∆
−1
=
A21 A22 −∆−1 A21 A−1 11 ∆−1
−1
A11 A12 ˆ −1
∆ −∆ˆ −1 A12 A−1
22
=
A21 A22 −A−1 ˆ −1
22 A21 ∆ A−1
22 + A−1 ˆ −1 A12 A−1
22 A21 ∆ 22
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Fórmulas para Matrizes Invertı́veis
à Para A bloco-triangular
−1
A11 0 A−1
11 0
=
A21 A22 −A−1
22 A 21 A −1
11 A−1
22
−1
A11 A12 A−1
11 −A−1 −1
11 A12 A22
=
0 A22 0 A−1
22
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Fórmulas para Matrizes Invertı́veis
à Se A11 é não-singular
à Se A22 é não-singular
à Para quaisquer x, y ∈ Cn
det(In + xy ∗ ) = 1 + y ∗ x
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Sistema de Equações Lineares
y1 = a11 x1 + a12 x2 + · · · + a 1n xn
y2 = a21 x1 + a22 x2 + · · · + a 2n xn
..
.
ym = am1 x1 + am2 x2 + · · · + a mn xn
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Equação Caracterı́stica
(λI − A)x = 0
λi xi = Axi ; i = 1, . . . , n
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Sub-matriz de uma matriz
3×3 sub-matrizes→ ?
2×2 sub-matrizes→ ?
1×1 sub-matrizes→ 12
Suponha que
• o número de sub-matrizes 3×3 com det não-nulo é N(3) • o número de
sub-matrizes 2×2 com det não-nulo é N(2) • o número de sub-matrizes 3×3
com det não-nulo é N(1)
Se N(3)≠0, então ρ(M)=3
Se N(3)=0 e N(2)≠0, ρ(M)=2
Se N(3)=N(2)=0 e N(1)≠0, ρ(M)=1 ρ(M)=0
somente se M=0
Exemplo 2:
todas as submatrizes 3×3 tem det 0. E existe pelo menos uma submatriz 2×2
não-singular → ρ(A)=2
Pode ser muito tedioso checar todas as sub-matrizes.
Rank = 2
• Suponha M é n×m. rank(M) ≤ min{m,n}
• Se M é multiplicada com uma matriz não-singular (quadrada
e tem determinante não-zero), o rank é preservado. Isto é porque operações
elementares preservam o rank.
Exemplo:
Trabalho No. #1:
à São polinômios que não possuem fator comum. Dados dois polinômios p0 e
p1 , com o grau de p1 menor ou igual ao grau de p0 , pode-se usar o algoritmo de
Euclides para determinar se p0 e p1 possuem ou não um fator comum
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Polinômios Coprimos
p0 = (s − 1) p1 + (2s − 2)
| {z } | {z }
q1 p2
p1 = (0.5s − 2) p2 + |{z}
0
| {z }
q2 p3
Exemplo: p0 = s3 + 4s2 − 2s + 1 e p1 = s2 + 2s − 1
p0 = (s + 2)p1 + (−5s + 3)
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Polinômios Coprimos
A matriz de Sylvester pode ser usada para se determinar se dois polinômios são ou
não coprimos. Considere, por exemplo, os polinômios
p(s) = p0 + p1 s + p2 s2 + p3 s3
q(s) = q0 + q1 s + q2 s2 + q3 s3
a(s) = a0 + a1 s + a2 s2 ; b(s) = b0 + b1 s + b2 s2
tais que
p(s) a(s)
= =⇒ p(s)b(s) + q(s)(−a(s)) = 0
q(s) b(s)
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Polinômios Coprimos
Agrupando as incógnitas (coeficientes de a(s) e b(s)) em um vetor da forma:
h i0
x = −a 0 b0 −a 1 b1 −a 2 b2
S é denominada matriz de Sylvester associada aos polinômios p(s) e q(s), podendo ser
construı́da de diversas maneiras equivalentes, dependendo do empilhamento escolhido
para o vetor x
à Os polinômios são coprimos sse det(S) 6= 0
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Função Linear
x+y
Uma função f : Rn → Rm é linear
y
se:
à f (x + y) = f (x) + f (y),
∀x, y ∈ Rn
à f (αx) = αf (x), ∀x ∈ R n , x
∀α ∈ R
ie, verifica-se o princı́pio da super- f (y)
posição
f (x) f (x + y)
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Funções
x x x
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Transformação Linear – Interpretação
n
X
y = Ax ⇒ yi = aij xj ; i = 1···m
j=1
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Exemplo – Circuito Linear
xj são as tensões das fontes independentes e yi as variáveis (tensão ou corrente):
x1
R3
+− y1 y2
R1
+ R2
+ y3 = 0
+ + y3
y1 R1 y2 R2
+ x2 Ã y 1 = x1 + y 2
− −
−
y 2 = R 3 y 3 + x2
2 32 3 2 3
1/R1 1/R2 1 y1 0
6 76 7 6 7
6
4 1 −1 0 7 6 y2 7 = 6 x1 7 =⇒
54 5 4 5 Solução?
0 1 −R3 y3 x2
| {z }
M
2 3 2 3
y1 0
6 7 6 7
6 y2
4
7=
5 M −1 6 x1
4
7
5
| {z }
y3 transformação x2
| {z } | {z }
y x
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Exemplo – Circuito Linear
−1 1 1
M = Adj (M ) = R1 R2 +R1 R3 +R2 R3
Adj (M )
det(M ) R1 R2
2 (R 2 +R 3 )
3
R3 R2
1
6 7
∴ Adj (A) = 6
4 R3 −R R1
3
1 7
5
(R 1 +R 2 )
1 − R1 − R1R2
1
então...
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Exemplo – Circuito Linear
2 3 2 (R 2 +R 3 )
32 3
y1 R3 R2
1 0
6 7 1 6 76 7
6 y2
4
7=
5 R 1 R 2 +R 1 R 3 +R 2 R 3
6 R3
4 −R R1
3
1 7 6 x1
54
7
5
R1R2 (R 1 +R 2 )
y3 1 − R1 − R1R2
x2
1
| {z } | {z }
y x
ou, reduzindo...
2 3 2 3
y1 R1 (R2 + R3 ) R1 R2 2 3
6 7 1 6 7 x
6 y2 7= 6 −R2 R3 R1 R2 74 1 5
4 5 R1 R2 + R1 R3 + R2 R3 4 5
x2
y3 −R2 −(R1 + R2 ) | {z }
| {z } | {z } x
y A−transformação
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Linearização
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Sistemas Dinâmicos Lineares
1 2
condições iniciais: x1 (0) = ou x2 (0) =
1 2
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Sistemas Dinâmicos Lineares
0.8
0.6
1
x
0.4
0.2
0
0 0.5 1 1.5
time [sec]
0.8
0.6
2
x
0.4
0.2
0
0 0.5 1 1.5
time [sec]
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Sistemas Dinâmicos Lineares
1.5
1
1
x
0.5
0
0 0.5 1 1.5
time [sec]
1.5
2
1
x
0.5
0
0 0.5 1 1.5
time [sec]
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Sistemas Dinâmicos Lineares
−5
To: Out(1)
−10
−15
−20
Amplitude
−25
1
0.8
To: Out(2)
0.6
0.4
0.2
0
0 0.05 0.1 0.15
Time (sec)
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Sistemas Não-Lineares – PCCHUA
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Resistor não-linear g – Diodo de CHUA
acements
vC 1 (t) = x1 R vC 2 (t) = x2
id (t) = x3 −→
g
+ C1 + C2 L
u1 (t) u2 (t)
u3 (t) +
-
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Modelo?
½ ¾
dvC1 (t) 1 x2 (t) x1 (t)
= ẋ1 (t) = − − g(x1 (t))
dt C1 R R
½ ¾
dvC2 (t) 1 x1 (t) x2 (t)
= ẋ2 (t) = − + x3 (t)
dt C2 R R
did (t) x2 (t) R0
= ẋ3 (t) = − − x3 (t)
dt L L
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Sistemas Não-Lineares
h i0
à depende da condição inicial, x(0) = 0.1 0.1 0.1
−2
−4 1
−6 0
−1
−5 0 5
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Sistemas Não-Lineares
h i0
à Ainda com condição inicial: x(0) = 0.1 0.1 0.1
1 10
0
x
−10
0 2000 4000 6000 8000 10000
2
2
0
x
−2
0 2000 4000 6000 8000 10000
10
3
0
x
−10
0 2000 4000 6000 8000 10000
−2
Tempo(× 10 s)
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Sistemas Não-Lineares
h i0
à Outra condição inicial, x(0) = 0.3 0.2 0.3
4
2
0
−2 1
−4 0
−6
−1
−5
0
5
UFC
Laurinda Reis Sistemas Lineares - Aula 1
Sistemas Não-Lineares
h i0
à Ainda com a outra condição inicial, x(0) = 0.3 0.2 0.3
1 10
0
x
−10
0 2000 4000 6000 8000 10000
2
2
0
x
−2
0 2000 4000 6000 8000 10000
10
3
0
x
−10
0 2000 4000 6000 8000 10000
−2
Tempo(× 10 s)
UFC
Laurinda Reis Sistemas Lineares - Aula 1
O sistema pode “ser comandado”?
5
x1 (t)
−5
10 15 20 25 30 35 40 45 50
Tempo (s)
UFC
Laurinda Reis Sistemas Lineares - Aula 1
MATLAB
UFC
Laurinda Reis Sistemas Lineares - Aula 1
A seguir:
– Descrições Matemática de Sistemas
• Classificação de sistemas
• Sistemas linear
• Sistemas linear invariante no tempo
(Linear-time-invariant – LIT)
• Descrição em espaço de estado
• Linearização