Apostila Sistemas Lineares

Capítulo 1
Introdução
A área de controle de processos industriais teve um grande desenvolvimento nos últimos 100
anos e hoje em dia os sistemas automáticos de controle estão presentes em quase todas as máquinas
e equipamentos utilizados pelo homem, inclusive na vida doméstica. Este desenvolvimento somente
foi possível graças à utilização de ferramentas matemáticas de modelagem, análise e projeto de
sistemas de controle. Dentro desta área, a teoria de sistemas lineares teve e ainda tem um papel
fundamental, pois uma grande quantidade de problemas reais podem ser analisados e resolvidos
com a sua utilização.
Duas perguntas podem ajudar a esclarecer estas idéias:
a) O que é, como funciona, e para que serve um sistema de controle?
b) Qual a relação entre estes problemas e a teoria de sistemas?
Analisaremos as respostas utilizando um exemplo: Suponhamos un sistema de armazenamento

de grãos onde deve-se manter constante a temperatura do ar dentro do silo. O primeiro a fazer é
dotar o silo de um sistema de aquecimento-esfriamento e de um sistema de medição de temperatura.
Após instalado o sistema de atuação e medição, a planta é colocada para funcionar simplesmente
com uma regulagem manual da entrada de calor-frio até atingir o ponto de equilíbrio de temperatura
T0 desejado. Mas quem assegura que isto se manterá ao longo do tempo? Se a temperatura ambiente
variar, o sistema não vai manter as condições ideais, pois não existe nenhum dispositivo que avise
ao gerador de calor-frio que a situação mudou. A solução mais simples consiste em colocar um
operador para atuar no sistema de aquecimento-esfriamento para corrigir as possíveis variações de
T . Este procedimento denomina-se controle manual e mostra-se na figura 1.1.
É claro que neste sistema de controle o termo manual significa que a operação de controle é
realizada no cérebro do operador, que possui o conhecimento da dinâmica do sistema, compara os
valores medidos com os necessários e atua seguindo a diferença.
Uma forma mais interessante de realizar esta operação é mediante um mecanismo ou sistema
automático capaz de substituir o operador. Este sistema é chamado de controlador automático,
ou simplesmente controlador. Este controlador possui uma lei de atuação interna que lhe permite
1
2 CAPÍTULO 1. INTRODUÇÃO
Termometro
SILO
Operador Aquecedor
Figura 1.1: Controle manual de temperatura dentro do silo.
ajustar os valores de potência de aquecimento-esfriamento de acordo com a variação de T , como

mostra-se na figura 1.2.
Termometro
SILO
sistema de
controle
automatico
Aquecedor
Figura 1.2: Controle automático de temperatura do silo.
De forma geral, os resultados deste exemplo podem extender-se a todos os sistemas de controle,
que compõem-se de três elementos básicos: MEDIÇÃO, CONTROLE e ATUAÇÃO, como pode ser
visto no esquema da figura 1.3.
ATUADOR SISTEMA MEDIDOR
CONTROLE
Figura 1.3: Esquema geral do controle automático de processos.
Os problemas relativos à medição e atuação serão estudados em outras disciplinas específicas.

Neste curso, o objetivo é aprender como definir e implementar a lei de controle que mantém o
sistema operando como desejado.
Para poder projetar adequadamente o controle, devemos conhecer as características dos sistemas
1.1. DEFINIÇÕES BÁSICAS 3
envolvidos: atuadores, processo e medidores. Para poder analisar o seu comportamento sem neces-
sidade de operar o próprio sistema, devemos gerar modelos que representem adequadamente este
comportamento. Estes modelos matemáticos permitirão, através da teoria de sistemas, definir leis
de controle específicas para cada aplicação.
Pode-se dizer que em geral a análise de um sistema divide-se em três etapas básicas:
• Desenvolvimento de um modelo matemático para o sistema físico e montagem das equações

correspondentes;
• Obtenção da solução das equações;
• Interpretação dos resultados em termos do sistema real.
Assim, nesta disciplina estudaremos os elementos básicos da teoria de sistemas de controle, que
dizem respeito à análise dos sistemas e seus sinais. Todos os resultados que estudaremos serão a
base para as disciplinas seguintes.
1.1 Definições Básicas
Definição 1 Sinal é uma descrição quantitativa de um determinado fenômeno, associado a um

dado meio.
Exemplos de sinais são os sinais sonoros, elétricos, visuais, etc...
Definição 2 Sistema é uma parte do meio que cria sinais próprios e que permite que ele se relacione
com o restante do meio ambiente.
Exemplos de sistemas são os circuitos elétricos (associados a sinais elétricos), hidráulicos, mecâni-
cos, etc...
Definição 3 Entradas e Saídas de um Sistema. Os sinais que relacionam ou comunicam o sistema

com o meio são os sinais de entrada e sinais de saída. O meio atua sobre o sistema através dos
sinais de entrada e o sistema atua sobre o meio através dos sinais de saída.
A figura 1.4 mostra esta relação.
É claro que em geral não existe uma relação única entre entrada e saída. Quando a relação
é única, isto é, para cada entrada a saída é determinada de forma única, diz-se que o sistema é
Sistema Entrada-Saída Mapeado (sesm, pois existe um mapeamento entre a entrada e a saída e o
mapa é chamado mapa do sistema.
4 CAPÍTULO 1. INTRODUÇÃO
Entrada Saida
Sistema
Figura 1.4: Sinais de entrada e saída.
Esta não é a única maneira de representar sistemas, porém é a mais utilizada na maioria das
aplicações. Uma outra forma de representar um sistema é através de sua descrição de estados. Esta
forma será analisada no capítulo 5.
1.2 Sinais Contínuos e Discretos
Na maioria dos sistemas que são estudados em sistemas de controle e automação industrial, o
tempo é uma variável importante, e os sinais relacionados com este são funções do tempo. Estas
funções do tempo podem ser discretas ou contínuas, isto é, podem estar definidas para um número
contável de pontos no eixo dos tempos ou para intervalos com infinitos pontos.
Exemplo: O índice da bolsa do RJ (média dos índices de cotação das diferentes ações da bolsa)
é um sinal discreto. Para cada dia tem-se um índice.
I(k) = {8.3, 7.2, 5.0, . . .}
Exemplo: Temperatura de um forno medida com termopar.
Para cada instante t ε [0, ∞) tem-se um dado valor de temperatura.
Os sistemas associados a sinais discretos são chamados de Sistemas Discretos e os associados

a sinais contínuos de Sistemas Contínuos. As características particulares destas duas classes de
sistemas são apresentadas no próximo capítulo.
Capítulo 2
Estudo de Sinais
Na maioria das aplicações de controle e automação industrial o estudo do comportamento de sis-

temas é realizado considerando a evolução no tempo dos sinais associados ao sistema. Assim, os
sinais passam a ser representados como funções do tempo e tabelados ou plotados para a sua poste-
rior análise. Em alguns casos, também pode interessar o estudo de sinais no domínio da freqüência,
como por exemplo nas aplicações de engenharia elétrica. Neste capítulo formalizaremos as idéias
associadas à representação de sinais e estudaremos algumas das suas propriedades.
2.1 Sinais e funções
Ao considerar que o sinal pode ser representado por uma função é possível utilizar os conceitos de
domínio e imagem. Para sinais reais o domínio do sinal será um subconjunto T do eixo real que
será chamado de eixo do sinal (T ). Já o conjunto de valores que o sinal pode assumir será chamado
de imagem do sinal (A). A figura 2.1 mostra este tipo de representação.
Imagem (A)
Sinal X
X: T--> A
Eixo (T)
Figura 2.1: Representação do sinal.
Definição 4 Seja A um conjunto e T um subconjunto do eixo real R. Logo toda função x : T → A

é chamada de sinal com eixo de sinal T e imagem A.
5
6 CAPÍTULO 2. ESTUDO DE SINAIS
2.1.1 Exemplos
Exemplo 1
Sinal elétrico: A tensão num capacitor C de um dado circuito RC definido a partir de um dado
tempo t0 . Assim T = [t0 , ∞) e A = <, pois a tensão pode assumir valores reais quaisquer.
Exemplo 2
Sinal econômico: Indicador do índice médio da bolsa de valores. Para este sinal T = Z+ =
{0, 1, 2, . . .} e A = <.
Exemplo 3
Sinal no domínio da freqüência: Espectro em freqüência de um sinal onde medem-se as amplitudes

das componentes do sinal em cada freqüência. Neste caso T = [0, ∞) e A = <, pois a amplitude
pode assumir valores reais quaisquer e a freqüência é sempre positiva.
2.2 Sinais no domínio do tempo
Quando os sinais que interessam para nosso estudo são aqueles que se representam como funções
do tempo, o domínio do sinal será chamado de eixo dos tempos do sinal (T ). Neste caso, os sinais
podem ser classificados em dois grandes grupos dependendo se o eixo dos tempos é denso ou não.
2.2.1 Sinais Contínuos e Discretos
Para classificar os sinais no tempo como contínuos ou discretos utiliza-se a seguinte definição:
Definição 5
• O eixo dos tempos T ε < é contínuo se consiste num intervalo de < (finito ou infinito). Um
sinal que tem eixo contínuo é chamado sinal contínuo no tempo.
• O eixo dos tempos T ε < é discreto se consiste num conjunto finito ou contável de instantes
de tempo. Um sinal que tem eixo discreto é chamado sinal discreto no tempo.
Os sinais também poderiam ser classificados de acordo com a sua imagem. Em geral, a ima-
gem dos sinais utilizados em sistemas de controle e automação será um subconjunto dos reais ou
complexos e os sinais serão chamados de reais ou complexos respectivamente.
2.2. SINAIS NO DOMÍNIO DO TEMPO 7
Exemplos:
(a) Sinal real discreto. Temperatura dos dias 1 ao 10 do mês de julho às 18:00 horas na cidade de
Fpolis.
T(Celsius)
T: Z --> R
15
13
tempo(dias)
1 2 3 10
Figura 2.2: Representação do sinal de temperatura.
(b) Sinal complexo contínuo. A função:
x(t) = ej2πt = cos 2πt + j sin 2πt t ε T com x : [0, 1] → C
Seqüências no tempo
Quando estudam-se os sinais no tempo, o ordenamento dos valores das imagens utilizando tempos
crescentes é muito importante para a interpretação dos resultados. No caso de sinais discretos este
ordenamento gera o que se denomina de uma seqüência no tempo.
Suponhamos um sinal discreto x : T → A onde:
T = {t0 , t1 , t2 , . . .} t0 < t1 < t2 < . . .
Ordenaremos sempre os valores do sinal x(t) como
x(t0 ), x(t1 ), x(t2 ), . . . x(ti ) ε A ∀ i ε Z +

de forma seqüencial, isto é, formando uma seqüência.
Assim um sinal discreto pode ser visto como uma seqüência de valores dentro do conjunto
imagem A do sinal. Também é possível relacionar o eixo dos tempos T com os números inteiros
positivos e escrever a seqüência como:
x(0), x(1), x(2), . . .
Esta forma de representar os sinais discretos simplifica a análise e, a partir de agora, nesta
apostila, sempre usaremos o conjunto Z+ como eixo de tempos dos sinais discretos a menos que se
explicite o contrário.
Dentro do conjunto de sinais discretos podemos encontrar dois subconjuntos: o formado pelos
sinais eminentemente discretos (aqueles que fisicamente existem somente nos valores discretos de T )
e aqueles gerados por amostragem a partir de sinais que existem para um eixo de tempos contínuo.
Sinais Amostrados
Muitas vezes na prática, sobretudo nos sistemas de controle, trabalha-se com combinação de sinais
e/ou sistemas contínuos e discretos. Então, para poder analisar matematicamente estas combi-
nações, faz-se necessário amostrar os sinais contínuos de forma tal a construir seqüências que os
representem. Este processo é realizado colhendo amostras do sinal contínuo em determinados in-
stantes.
O sinal obtido é dito sinal amostrado. Em geral, este processo é feito usando um intervalo
constante T entre amostras. Este valor é chamado de período de amostragem e sua inversa T1 ,
freqüência de amostragem. O procedimento de amostragem se mostra na figura 2.3.
X(t)
Amostragem do sinal X(t)
x(n)
x(4) x(5)
x(1) x(3) X(t)

x(0) x(2)
t0 t1 t2 t3 t4 t5
tempo
Figura 2.3: Amostragem de um sinal.
Quando o processo de amostragem é feito para obter uma representação discreta de um sinal
contínuo, deve-se considerar a quantidade de informação do sinal que é “perdida” nesse processo.
De forma intuitiva, pode-se afirmar que quanto mais próximas no tempo sejam as amostras, uma
quantidade menor de informação será perdida. Porém na prática, devido ao ruído e à velocidade
de processamento disponível, o valor de T não pode ser muito pequeno. Estes problemas serão
discutidos ao longo desta apostila com maiores detalhes.
A importância da amostragem é ilustrada a seguir, num exemplo de controle digital de um

processo contínuo. Imaginemos que para controlar um dado processo é necessário implementar uma
série de cálculos matemáticos complexos em pouco tempo. Para realizar estes cálculos utiliza-se um
computador digital. Assim, a saída do processo é lida, convertida em sinal discreto e enviada para
o computador. Este faz os cálculos e envia um outro sinal discreto, posteriormente convertido em
contínuo, para ser aplicado ao processo como mostrado na figura 2.4.
u(t) y(t) m(t)

Atuador Processo Medidor
u(t)
u(kt) Computador m(kt)

Filtro D/A
Digital Amostragem
Referencia
Figura 2.4: Diagrama de controle discreto de um processo contínuo.
A figura 2.5 mostra um exemplo prático da aplicação desta estrutura ao controle de nível de um
tanque.
f1
Medidor de
nivel
H Sinal eletrico
continuo
f2
h(t)
Atuador
Eletromecanico
Filtro Computador
Amostragem
Digital
Referencia de nivel
Figura 2.5: Controle por computador do nível do tanque.
Sinais particulares
Nesta seção estudaremos alguns sinais particulares que são úteis na teoria de sinais e sistemas.
(a) Pulso unitário: É a seqüência ∆ definida por:

(
1 para n = 0
∆(n) =
0 para n 6= 0
onde n ε T e T pode ser qualquer eixo de tempos discreto. O sinal ∆, mostrado na figura 2.6, é a
unidade de representação de todos os sinais discretos já que quaisquer sinal pode ser representado
como uma soma de pulsos de diferentes amplitudes em diferentes instantes de tempo.
(b) Pulsos retangular e triangular: Sinais contínuos definidos como:

(
1 −1/2 ≤ t ≤ 1/2 t ε <
rect(t) =
0 ∀ t 6∈ [−1/2, 1/2]
pulso unitario
0
n
-1 0 1 2
Figura 2.6: Sinal pulso unitário.
(
1− | t | ∀ | t |< 1 t ε <
trian(t) =
0 ∀ | t |≥ 1
rectangulo traingulo
1 1
0 0
-1/2 1/2 -1 0 1
tempo tempo
Figura 2.7: Sinais pulso retangular e triangular.
(c) Degrau unitário e Rampa unitária: Estes sinais, mostrados na figura 2.8, existem para tempo
contínuo ou discreto. Assim como os sinais pulso da figura 2.7, estes sinais representam bem alguns
fenômenos práticos como as operações liga-desliga de equipamentos e as variações lentas de algumas
grandezas físicas como por exemplo a temperatura.
(
0 ∀t<0
1(t) =
1 ∀t≥0
(
0 t<0
ramp(t) =
t t≥0
T pode ser qualquer dos eixos dos tempos infinitos Z, <.
degrau rampa
1 1
0 0
0 tempo 0 1
tempo
Figura 2.8: Sinais degrau e rampa unitários.

Sinais Periódicos
Em muitas aplicações reais os sistemas trabalham com excitações do tipo periódica. Um exem-
plo de sinais periódicos são os sinais senoidais utilizados para transmissão de energia elétrica. A
periodicidade pode ser definida de forma geral como segue.
Definição 6
a) Um sinal x : T → A com T = Z ou R é dito periódico se existe P ε T, P > 0 tal que:
x(t + P ) = x(t) ∀tεT
b) O período do sinal periódico é o real P se ele é o menor número positivo tal que:
x(t + P ) = x(t) ∀tεT
Observação: a parte (b) da definição 6 permite definir o período de forma única, dado que x(t+qP ) =
x(t) sempre que q ε Z + .
Exemplo: O sinal da figura 2.9 é um sinal periódico definido no domínio do tempo.
x(t)
P t
Figura 2.9: Sinal periódico.
Sinais Harmônicos
Os sinais harmônicos são outro conjunto de sinais importantes nas aplicações de engenharia pois
permitem descrever matematicamente uma serie de fenômenos físicos bastante comuns.
Este tipo de sinal pode ser contínuo ou discreto e é definido por uma função complexa ηf :
ηf = aej2πf t
, onde a é um complexo que representa a amplitude do sinal, f é a freqüência do sinal e é real

(f ε R) e o tempo t pode ser inteiro ou real. Geralmente define-se ω = 2πf como a freqüência
angular do sinal harmônico.
Considerando que a = αejΦ , tem-se:
ηf = αej(2πf t+Φ) = α [cos(2πf t + Φ) + j sin(2πf t + Φ)]
c(t) = Re (ηf ) = α cos(2πf t + Φ)
Onde c(t) é chamado de sinal harmônico real com freqüência f , amplitude α e fase Φ e o
complexo a = αejΦ é chamado fasor do sinal harmônico real c(t).
Como se observa da definição do sinal harmônico, ele pode ser considerado tanto um sinal no
domínio do tempo como no domínio da freqüência. A periodicidade destes sinais é analisada a
seguir.
Para analisar a periodicidade do sinal harmônico contínuo no domínio do tempo utiliza-se a

definição:
ej2πf t = ej2πf (t+P ) = ej2πf t ej2πf P
, que vale para todo P múltiplo de 1/f . Desta forma ηf definido no eixo de tempos real R com
6 0 é periódico de período P = f1 independente do valor de f . No caso particular de f = 0, o
f =
sinal ηf é igual a 1 e portanto também obtém-se um sinal periódico.
Para o caso discreto, esta propriedade nem sempre é válida. Se repetirmos o procedimento
anterior com n inteiro:
ej2πf n = ej2πf (n+P ) = ej2πf n ej2πf P
Para que esta igualdade seja válida, P f deve ser inteiro. Como P também deve ser inteiro, a
condição de periodicidade não é válida para todas as freqüências, mas apenas para as freqüências
inteiras.
No caso de sinais amostrados, estas propriedades dependem da escolha de T , já que para obter
um sinal periódico, é necessário uma relação de multiplicidade entre a freqüência do sinal harmônico
contínuo e o período de amostragem.
Se consideramos um sinal amostrado com período de amostragem T , o sinal ηf definido em Z(T )

é periódico SSE f é um múltiplo racional de 1/T . Além disso, se |f | = p/qT com p ε Z e q ε Z
coprimos, o sinal harmônico terá período qT .
Para demonstrar esta propriedade utiliza-se novamente a condição:
ηf (t) = ηf (t + P ) ⇒ ej2πf (t+P ) = ej2πf t ej2πf P
Para ej2πf P = 1 ⇒ |f P | = p ε Z
Mas como o sinal é discreto no eixo Z(T ), o período deve ser múltiplo inteiro de T ⇒ P = qT
p 1
Logo, |f qT | = p ⇒ |f | = qT
para obter o menor múltiplo racional de T é necessário escolher p coprimo de q.
Vejamos agora como estudar estes sinais no domínio da freqüência.
2.2.2 Sinais no domínio da freqüência
Os sinais harmônicos podem ser analisados como funções da freqüência f . Nesta situação, as
propriedades com relação à periodicidade do sinal harmônico contínuo e discreto são diferentes das
analisadas para o domínio do tempo.
Consideremos inicialmente um sinal harmônico contínuo.
ej2π(f +P )t = ej2πf t ej2πP t = ej2πf t
Para que a relação anterior seja verdadeira, P t deveria ser inteiro. Assim, para P real e t real
esta relação não será necessariamente válida.
Por outro lado, se o tempo for discreto a propriedade será válida e o período será a inversa do
período de amostragem.
Dois sinais harmônicos no eixo Z(T ) ηf e ηf + k são idênticos para todo k ε Z, já que:
T
k 2πk
ηf + k (t) = ej2π(f + T )t = ej2πf t ej T
t
= ej2πf t
T
kt
pois T é inteiro ∀ t ε Z(T ) e ej2πn = 1 ∀ n ε Z
Logo para estudar estes tipos de sinais basta considerar a freqüência no intervalo [0, 1/T ) ou
[−1/2T, 1/2T ).
Esta propriedade mostra que, se as amostras forem adequadamente escolhidas, dois sinais har-
mônicos contínuos de freqüência diferentes podem ser transformados num mesmo sinal discreto pelo
processo de amostragem. Um exemplo deste procedimento está mostrado na figura 2.10.
1.5
frequência 1/4
1
0.5
−0.5
−1
frequência 5/4
−1.5
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Figura 2.10: Amostragem de um sinal harmônico.
2.3 Operações elementares com e entre sinais
Neste ítem estudaremos operações que modificam sinais. As operações unitárias envolvem trans-
formações de um único sinal. As binárias envolvem dois sinais. Estudaremos as operações unitárias:
transformação de domínio e imagem, amostragem e interpolação; e as binárias: adição, subtração,
multiplicação e divisão.
2.3.1 Transformação de Imagem
A transformação de imagem de um sinal pode ser definida como segue.
Definição 7 Seja x(t) : T → A e o mapa ρ : A → A0 . Logo o sinal x ε A é transformado em

x0 ε A0 definido por:
x0 (t) = ρ (x(t)) t ε T
Esta é uma composição pela esquerda:
x0 = ρ ◦ x
Exemplo: Imaginemos um sinal de atuação numa válvula eletromecânica. A saída da válvula está
restrita ao intervalo [0, 1] o que implica que a imagem do sinal somente será positiva. Considerando
por exemplo o sinal x(t) = sin ωt, a saída é um sinal retificado como o mostrado na figura 2.11.
2.3. OPERAÇÕES ELEMENTARES COM E ENTRE SINAIS 15
0.8
0.6
0.4
0.2
saída
0
−0.2
−0.4
−0.6
entrada
−0.8
−1
0 0.5 1 1.5 2 2.5
Figura 2.11: Sinal senoidal aplicado a uma válvula.
Uma transformação de imagem de sinal muito importante é a denominada Quantização que

está presente em todo equipamento digital, dado que estes somente podem trabalhar com sinais de
imagem finita.
Definição 8 Quantização. Toda transformação ρ : A → A0 tal que A0 é um conjunto finito, é

chamado de quantização.
Exemplo: Quantização uniforme.
Suponha ρ : R → A0 = N (H) = {(0, H, 2H, . . . , (N − 1)H})
onde:

 0
 ∀x < 0
x

ρ(x) = H.inteiro H para 0 ≤ x < (N − 1)H
 (N − 1)H

∀ x ≥ (N − 1)H
onde a função inteiro(x) calcula o inteiro menor ou igual mais próximo de x, N ε N e H > 0 é o
intervalo de quantização.
2.3.2 Transformação do domínio de um sinal
A transformação do domínio de um sinal pode ser definida como segue:
Definição 9 Seja A a imagem de um sinal e T o domínio. Seja σ : T → T 0 um mapa bijetivo e T 0

um outro domínio. Então a transformação do domínio do sinal x : T → A através de σ resulta no

sinal x0 : T 0 → A dado por:

x0 (t) = x σ −1 (t) ∀ t ε T0
Esta transformação é uma composição de mapas pela direita:
x0 = x ◦ σ −1
Um diagrama desta transformação pode ser visto na figura 2.12.
T x
−1
σ σ A
T’ x’
Figura 2.12: Transformação de domínio.
Um exemplo muito importante de transformação de domínio é o modelo que representa um

atraso de transporte. Na prática existem muitos sistemas onde os sinais devem propagar-se pelo
meio. Nestes sistemas, como por exemplo no transporte de água quente por um tubo termicamente
isolado, o sinal de saída (no exemplo a temperatura de saída) pode ser considerado como o sinal de
entrada atrasado no tempo (a temperatura de entrada um certo tempo depois). Assim, a operação
de translação no tempo pode representar bem este fenômeno real.
Exemplo: Translação no tempo.
Considera-se a operação:
σ2 (t) = t + θ t ε T
σ2−1 (t) = t − θ t ε T 0
onde θ ε R é uma constante. Se aplicamos esta transformação ao sinal x(t), obtemos o sinal atrasado
x0 (t) dado por:
x0 (t) = x(t − θ) t ε T 0
Dois exemplos muito importantes de transformação de domínio de sinais são a amostragem e a

interpolação, que permitem a interconexão de sistemas discretos e contínuos.
Amostragem e interpolação de sinais

Definição 10 Seja A a imagem de um sinal, Tcont o eixo contínuo desse sinal e Tdisc ⊂ Tcon um
eixo discreto. Assim amostragem do sinal contínuo x : Tcont → A no eixo discreto Tdisc , resulta no
sinal amostrado x∗ : Tdisc → A definido por:
x∗ (t) = x(t) ∀ t ε Tdisc
O sistema que faz esta operação é chamado de amostrador e a sua representação mostra-se na
figura 2.13.
x x*
Figura 2.13: Amostrador.
Já mencionamos a utilidade do amostrador quando deseja-se utilizar um sistema digital (por ex.
computador), conectado a um sistema contínuo (por ex. forno), para realizar uma dada tarefa.
Também foi colocado que neste procedimento é necessário transformar, de maneira inversa,
o sinal discreto x∗ resultante do computador, num sinal contínuo x a aplicar no processo. Esta
operação pode ser realizada com a interpolação dos valores do sinal x∗ .
Existem outras metodologias para se fazer isto, porém uma das mais utilizadas na prática é a
interpolação por degraus, também conhecida como “sustentador de ordem zero”. Neste caso o valor
do sinal contínuo é mantido constante e igual ao valor discreto x∗ (T ) durante o intervalo (T, T + 1).
Desta forma sempre x∗ = x ∀ T ε Z(T ) como mostra-se na figura 2.14.
sinal
tempo
T 2T 3T
Figura 2.14: Interpolação por degraus.
Definição 11 Interpolação
Supõe-se a imagem do sinal A, Tdisc o eixo discreto e Tcont ⊃ Tdisc o eixo contínuo do tempo.
Seja x∗ : Tdisc → A um sinal discreto. Então todo sinal contínuo x : Tcont → A é chamado uma
interpolação de x∗ em Tcont se:
x(t) = x∗ (t) ∀ t ε Tdisc
Outro tipo de interpolação bastante usado é o chamado de interpolador linear, onde x é obtido
unindo os valores de x∗ para cada tempo de Tdisc , como mostra-se na figura 2.15.
sinal
tempo
T 2T 3T
Figura 2.15: Interpolação por rampas.
De forma geral, o sinal x(t) pode ser calculado utilizando funções de interpolação. Nesse caso,
a expressão geral para o sinal interpolado é:
t − nT

x∗ (nT )i
X
x(t) = tεR
nεZ
T
onde i(·) é a função de interpolação.
Para o caso do degrau vale:
(
1 0≤t<1
iDEG =
0 para outro t
Assim para 0 ≤ t < T
t t−T t − 2T

x(t) = x∗ (0) i +x∗ (T ) i +x∗ (2T ) i +···
T T T
| {z } | {z } | {z }
1 0 0
x(t) = x∗ (0)
para T ≤ t < 2T
t t−T t − 2T

∗ ∗ ∗
x(t) = x (0) i +x (T ) i +x (2T ) i +···
T T T
| {z } | {z } | {z }
0 1 0
logo se x(t) = x∗ (T ) ∀ T ≤ t < 2T
E assim sucessivamente:
x(t) = x∗ (nT ) ∀ nT ≤ t < (n + 1)T n ε Z+

Importante: Apesar da amostragem e interpolação serem operações que visam objetivos opostos,
elas não são transformações inversas.
Se um sinal discreto é passado através de um interpolador de degraus e sua saída amostrada, o

sinal obtido é exatamente o sinal original. Porém o mesmo não acontece com o procedimento inverso.
Assim amostragem é operação inversa da interpolação, mas interpolação não é da amostragem. A
figura 2.16 ilustra esta situação.
Amostrador Interpolador
Interpolador Amostrador
Figura 2.16: Amostragem e interpolação.
Exemplo: Conversores A/D e D/A
No processo de transformação do sinal contínuo para um sinal possível de se ingressar num

computador, é necessário realizar duas das operações estudadas. Primeiro o sinal deve ser amostrado
e logo quantizado para mantê-lo dentro dos limites do computador. Esta operação é chamada de
conversão analógica-digital(A/D).
A operação inversa (D/A), conversão digital-analógica, é composta pela interpolação e a pas-

sagem do sinal quantizado para o sinal real. Quando é usado o interpolador por degraus, a operação
é chamada de “sustentador de ordem zero” e é a mais utilizada na prática. O estudo detalhado destas
operações se realiza no capítulo 7.
2.3.3 Operações Binárias Ponto a Ponto
Para finalizar o estudo de operações com sinais estudaremos aqui as operações binárias básicas entre
dois sinais.
Definição 12 Operações Binárias
Sejam x e y são sinais complexos com eixo dos tempos T . Sua soma x + y e diferença x − y são
ainda sinais complexos no eixo T dadas por:
(x + y)(t) = x(t) + y(t) t ε T
(x − y)(t) = x(t) − y(t) t ε T
o produto xy é o sinal complexo:

(xy)(t) = x(t)y(t) t ε T
e se y(t) 6= 0 define-se a divisão ou quociente :
(x/y)(t) = x(t)/y(t) t ε T
Estas operações são ponto a ponto pois dependem unicamente do valor dos sinais no instante t
da operação.
2.4 Amplitude, energia e ação de sinais.
Em muitas aplicações é necessário ter uma medida do tamanho de um sinal. A norma permite
realizar esta medida. A norma k x k de um elemento x de um espaço linear X, é um número real
não negativo e que vale zero SSE o vetor é o vetor nulo do espaço X. Além disto a norma verifica:
(a) k ax k = | a | k x k ∀ a escalar
(b) k x + y k ≤ k x k + k y k ∀ x, y ε X
Para um vetor a norma define-se como segue. Seja p um número real e 1 ≤ p ≤ ∞, xεX
x = (x1 , x2 , . . . , xN ). A norma p do vetor x é definida como:
 1/p
 PN p
k x kp = i=1 | xi | para 1 ≤ p < ∞
1≤i≤N | xi | para p = ∞
 max
As normas mais usadas na prática são para p = 1, 2 e ∞.
No caso de sinais contínuos e discretos as normas definem-se como:
( P 1/p
∞
n=−∞ | x(n) |p se 1 ≤ p < ∞
k x kp =
supn ∈ Z | x(n) | se p = ∞
 1/p
 R∞ p
k x kp = −∞ | x(t) | dt se 1 ≤ p < ∞
t ∈ < | x(t) | se p = ∞
 sup
2.5. SINAIS GENERALIZADOS 21
, onde sup(·) indica superior e é o menor número real α tq | x |≤ α se existe. (se não é infinito)
Em geral:
k x k∞ dá a amplitude máxima do sinal.
k x k2 dá a energia do sinal. (sentido físico)
k x k1 dá a ação do sinal.
2.5 Sinais Generalizados
Os sinais normalmente encontrados na prática são funções reais ou complexas de uma variável real.
Estes são sinais regulares. Existem outro tipo de sinais que não são funções (estritamente falando),
porém são de grande utilidade na teoria de sinais e sistemas. Estes são chamados de sinais singulares.
O conjunto de todos os sinais passa a chamar-se então sinais generalizados. O sinal singular que
estudaremos (pela grande utilidade) é o sinal “Delta de Dirac”, normalmente definido por δ(t)
2.5.1 Necessidade da função δ(t)
Suponhamos um circuito de carga de um capacitor idealizado como o da figura 2.17.
vc
i
V C
Figura 2.17: Circuito RC ideal.
A resistência do circuito é suposta nula e supõe-se que i = 0 antes de fechar a chave. Como
R = 0 a carga do capacitor é instantânea quando a chave se fecha. Após o fechamento, a tensão no
capacitor igualou à da bateria e a corrente volta a ser nula (i = 0). Realmente como R 6= 0 acontece
uma curva de carga como a figura 2.18.
Se fazemos R → 0 então o pico da corrente tende a ∞ e o ∆t → 0 de forma que a corrente pode

ser descrita por:
(
∞ t=0
i(t) =
6 0
0 t=
Porém nessas condições se consideramos i(t) como função:
a) i(t) não é uma função, pois i(0) = ∞

R∞
b) como i(t) = 0 ∀ t 6= 0 −∞ i(t)dt =0
mas isto não é verdade, pois ao carregar-se, o capacitor com carga Q = CV vale:
Z ∞
i(t)dt = Q = CV 6= 0
−∞
Assim para incluir este fenômeno na formalização de nossa teoria, definimos a função δ(t) como:
(
δ(t)
R∞
=0 ∀ t 6= 0
−∞ δ(t) = 1
que permite formalizar o resultado do circuito ideal.
vc
Figura 2.18: Tensão e corrente no circuito RC ideal.
Exemplo: Um exemplo mecânico da aplicação de δ(t) é o de uma raquete batendo uma bola de
tênis. O impacto é de curtíssima duração e muito grande, porém de potência finita:
Z ∞
P = F (t)dt
−∞
onde F (t) é a força aplicada. A função F (t) pode ser aproximada por:
F (t) = P δ(t) T ε <

Exemplo: Aproximação da função δ(t).
Consideramos o circuito da figura 2.19.

R
vc
i
V C
Figura 2.19: Circuito RC real.
Calculando a corrente i(t) temos:
Z t
V = Ri + vc = Ri + 1/C i(τ )dτ
0
dq 1
V =R + q(t) q(t) : carga
dt C
Equação de primeira ordem com solução (para q(0) = 0)
q(t) = V C(1 − e−t/RC ) t ≥ 0
Como
dq 1 V
i(t) = → i(t) = − V C(−e−t/RC ) = e−t/RC
dt RC R
Logo:
(
0 ∀t<0
i(t) = V −t/RC
Re t≥0
Observa-se, ver figura 2.20 que quando R → 0 o valor de i(0) tende a ∞ e o tempo de queda de
i(t) tende a zero.
(
0 ∀ t 6= 0
lim i(t)
R→0 ∞ para t = 0
∞
R
porém sempre −∞ i(t)dt = CV que é a carga do capacitor em regime permanente. Desta forma
a função exponencial estudada pode servir como uma aproximação de δ(t).
i(t)
V/R
t
Figura 2.20: Resposta do circuito RC real.
Definição 13 Função Delta A função δ(t) é uma função singular tal que:
Z ∞
φ(t)δ(t) = φ(0) t ε <
−∞
para toda função φ(t) contínua em t = 0
2.5.2 Propriedades da função delta ou funções singulares
Dentre as propriedades das funções singulares, existem duas que são muito importantes na teoria
de sistemas:
• Multiplicação por uma função

Z ∞ Z ∞
(f (t)δ(t)) φ(t)dt = δ(t) (f (t)φ(t)) dt = f (0)φ(0)
−∞ −∞
onde as funções f (t) e φ(t) são contínuas em t = 0. Assim:
f (t)δ(t) = f (0)δ(t) t ε <
• Diferenciação
Para uma função regular temos:
Z ∞ df
Z ∞
dφ
Z ∞ dφ
φdt = f φ |∞
−∞ − f dt = − f dt
−∞ dt | {z } −∞ dt −∞ dt
0
se a integral existe e f (∞)φ(∞) = f (−∞)φ(∞) = 0.

No caso de função δ(t) isto é sempre válido e a integral
Z ∞ dφ dφ
− δ(t) dt = − (0)
−∞ dt dt
Pode-se definir então a derivada de δ(t) como:

Z ∞
δ (1) (t)φ(t)dt = −φ(1) (0)
−∞
para todo φ(t) contínua e diferenciável em t = 0. O resultado é válido para as outras derivadas.
2.5.3 Relação entre a função δ(t) e o degrau unitário
Uma forma de estudar a função delta é considerá-la como a derivada da função degrau unitário da
figura 2.21. É claro que no sentido normal a função degrau não tem derivada em t = 0. (nota-se
que a derivada é nula para todo t 6= 0 e é ∞ em t = 0.)
1(t)
t
0
Figura 2.21: Degrau unitário.
Supondo que ela existisse, pode-se calcular para φ(t) regular.

Z ∞ d1(t)
Z ∞ dφ(t)
φ(t)dt = 1(t)φ(t) |∞
−∞ − 1(t) dt =
−∞ dt −∞ dt
Z ∞ dφ(t)
φ(∞) − dt = φ(∞) − φ(∞) + φ(0) = φ(0)
0 dt
R∞
mas φ(0) = −∞ δ(t)φ(t)dt
d1(t)
Desta forma pode-se colocar que δ(t) = dt
Com esta generalização das derivadas de funções não diferenciáveis na forma regular, pode-se
trabalhar mais facilmente em muitas aplicações de engenharia.
Exemplo: Qual será a força que deve-se aplicar a uma massa m para que ela descreva um movimento
tal que seu deslocamento x(t) seja:
(
0 t<0
x(t) =
t t≥0
Observa-se que a velocidade é:

(
dx(t) 0 t<0
v(t) = =
dt 1 t≥0
dv(t)
Logo v(t) = 1(t) e a(t) = dt = δ(t).
Como ma(t) = F (t) ⇒ F (t) = mδ(t) (Força impulsiva)
2.5.4 Aproximações da função delta
Quando deseja-se implementar algum sistema real para alguma aplicação da teoria de sinais e
sistemas, pode ser necessário utilizar a função δ(t). Como ela não é uma função regular deve-se
aproximá-la por alguma. Existem várias aproximações feitas com seqüências ou sinais contínuos:
a) Pulso de altura n (ver figura 2.22).

(
n para −1 1
2n ≤ t ≤ 2n
dn (t) =
0 em outro caso t ε <
rectangulo
t
-1/2n 1/2n
Figura 2.22: Aproximação retangular de delta.
b) Triângulo de altura n (ver figura 2.23).


 n(nt + 1)
 −1 ≤ nt < 0
dn (t) = n trian(nt) = n(−nt + 1) 0 ≤ nt < 1

 0 em outro caso
triangulo
t
-1/n 1/n
Figura 2.23: Aproximação triangular de delta.
Capítulo 3
Estudo de Sistemas
3.1 Importância do Estudo de Sistemas
O estudo da teoria de sinais e sistemas é de fundamental importância para a formação do engenheiro

de controle e automação industrial. Isto pois, para a resolução de problemas práticos nestas áreas,
é necessário realizar previamente uma análise teórica baseada num modelo matemático do sistema
a estudar.
Pode-se dizer que em geral a análise de um sistema divide-se em três etapas básicas:
• Desenvolvimento de um modelo matemático para o sistema físico e montagem das equações

correspondentes;
• Obtenção da solução das equações;
• Interpretação dos resultados em termos do sistema real.
A pergunta que se coloca de imediato é: Por que o estudo de sistemas lineares? Os sistemas
reais são lineares?
A maioria dos sistemas reais são não lineares e seu comportamento não pode ser descrito por
um sistema linear de forma global. Porém, a teoria de sistemas lineares é muito importante dado
que:
a) Praticamente todos os sistemas físicos podem ser modelados (pelo menos localmente e sob de-
terminadas condições), por sistemas lineares.
b) Existe uma teoria que permite analisar e resolver problemas de sistemas lineares de forma
universal. O mesmo não acontece com sistemas não lineares, que devem ser estudados caso a
caso.
Assim, como na maioria das aplicações os sistemas trabalham nas vizinhanças de um equilíbrio,
o comportamento do sistema se aproxima por um sistema linear.
29
30 CAPÍTULO 3. ESTUDO DE SISTEMAS
Neste curso, estudaremos as três etapas básicas da análise de um sistema linear mantendo sempre
uma característica multidisciplinar nas aplicações. Isto é, trabalharemos com sistemas químicos,
hidráulicos, térmicos, econômicos, etc... Desta forma mostraremos a universalidade da aplicação da
teoria de sinais e sistemas lineares.
3.2 Alguns Problemas com Sistemas - Motivação
Imaginemos que devemos resolver os seguintes problemas:
a) Uma certa pessoa decidiu comprar uma bicicleta que custa $150,00. Porém não tem dinheiro
suficiente para pagamento a vista. Decide então colocar todos os meses $10,00 na poupança.
Se os juros da poupança são de 10% ao mês, quantos meses serão necessários para que possa
comprar a bicicleta? E se comprar um carro que custa $5320,00?
b) Suponhamos o seguinte sistema de enchimento de garrafas de água mineral em uma certa in-
dústria.
h(nivel)
Figura 3.1: Sistema de enchimento de garrafas.
Deseja-se conhecer o modelo deste sistema, para estudar como manter o correto enchimento
das garrafas, para diferentes velocidades da fita transportadora.
c) A população de Santa Catarina é medida todo final de ano e chama-se Nt ao número de habitantes
do ano t (t = 0, 1, 2, · · ·). Sabe-se que a população se incrementa com uma taxa relativa de
2% ao ano. Interessa conhecer o modelo que permite calcular qual será a população no ano
2005.
Como deve ser montado o modelo matemático destes sistemas? Como se calcula a solução do
problema? Estas perguntas poderão ser respondidas a partir do desenvolvimento da teoria de sinais
e sistemas lineares. Ao longo do curso, estes e outros problemas-exemplos servirão para ilustrar a
utilidade da teoria.
3.3. REPRESENTAÇÃO DE SISTEMAS 31
3.3 Representação de Sistemas
Para trabalhar e estudar um sistema qualquer, é necessário obter uma representação matemática do
mesmo. Assim, após construído um modelo que representa a dinâmica do sistema, este modelo deve
ser traduzido para um conjunto de equações matemáticas. Estas equações poderão ser de diferentes
tipos, dependendo do tipo de sistema com o qual se está trabalhando.
Em geral, para qualquer sistema, as equações que o descrevem relacionam as entradas e saídas
do sistema, sendo estas funções do tempo (contínuo ou discreto). Para a montagem destas equações
é necessário conhecer as características do sistema em questão, assim como seus parâmetros.
Para um sistema contínuo, isto é, entrada e saída são variáveis contínuas no tempo, é possível
obter uma representação matemática dada por um conjunto de equações diferenciais. Exemplo disto
são os modelos matemáticos conhecidos de circuitos elétricos, mecânicos, etc...
Exemplo: Amortecedor.
K
b
F X
Figura 3.2: Modelo do amortecedor.
A força exercida pelo amortecedor quando aplicado um deslocamento no seu extremo móvel é:
dx
F =b
dt
dx
, sendo que dt representa a velocidade de deslocamento e b é um parâmetro do sistema.
Exemplo: Automóvel.
Figura 3.3: Modelo do automóvel.
Para o automóvel da figura, a equação que representa a dinâmica é:
dx d2 x
F =k +m 2
dt dt
Já para um sistema discreto, a representação matemática do sistema será dada por um conjunto
de equações a diferença, onde as variáveis de entrada e saída se relacionam através dos parâmetros
do sistema.
Equações a diferença: Em uma equação a diferenças, as variáveis envolvidas (entrada e saída)

se relacionam como:
F [y(k), y(k + 1), ..., y(k + n), u(k), u(k + 1), ..., u(k + m), k] = 0


 y(k) saída
 u(k) entrada



onde: k tempo discreto




 n, m inteiros
F uma função qualquer

F : C N +M +2 x T → C
Exemplo: População de Santa Catarina
N (k) = habitantes no ano k

N (k) = N (k − 1) + 0.02N (k − 1) = 1.02N (k − 1)
N (k + n) = (1.02)n N (k) k = 1992 n + k = 1998
N (1998) = (1.02)6 N (1992)
3.4. CLASSIFICAÇÃO DE SISTEMAS 33
3.4 Classificação de Sistemas
Na prática existem sistemas dos mais variados tipos, isto é, contínuos e discretos, lineares e não
lineares, invariantes no tempo ou não invariantes, etc... Neste item analisaremos a classificação
de sistemas segundo estas características e definiremos cada uma delas formalmente. Em todos os
pontos, o estudo de sistemas contínuos e discretos será levado paralelamente.
Sistemas Lineares e não Lineares
Quando um sistema é dito linear? Imaginemos um dado sistema que tem como variável de
entrada u e de saída y e tal que existe uma dada relação F entre ambas (é um sistema ESM).
y = Fu
3.4.1 Sistema Linear
Definição 14 Sistema linear. Diz-se que o sistema é linear se: Dadas duas entradas u1 e u2 que
geram as saídas correspondentes y1 e y2 (y1 = F u1 , y2 = F u2 ), então se aplicamos ao sistema uma
nova entrada u3 , gerada como combinação linear das anteriores, u3 = αu1 + βu2 , a saída y3 = F u3
poderá ser calculada como:
y3 = αy1 + βy2
Em qualquer outra situação o sistema é dito não linear.
Exemplo: Suponhamos que o modelo matemático do sistema S é dado por y = au + b onde a,b,u,y ∈
<. S é um sistema linear?
Vejamos:
u 1 → y1 y1 = au1 + b
u 2 → y2 y2 = au2 + b
αu1 + βu2 = u3 → y3 = a(αu1 + βu2 ) + b = αau1 + βau2 + b 6= α(au1 + b) + β(au2 + b)
pois em geral α + β 6= 1.
Observe que o sistema se representa por um gráfico:
Para entrada nula a saída é não nula (y = b). Esta

característica elimina a linearidade do sistema.
Para tornar o sistema linear basta fazer b = 0. Assim
S é representado por y = au, que é um sistema linear.
Exemplo: Seja o circuito elétrico:
V
i L
Figura 3.4: Circuito RL.
Aplicando equações de malha obtemos a equação que descreve o comportamento do sistema:
di
V = Ri + L (3.1)
dt
Para ver se é linear:

di1
V1 → i1 tq V1 = Ri1 + L (3.2)
dt
di2
V2 → i2 tq V2 = Ri2 + L (3.3)
dt
di3
V3 = V1 + V2 → i3 tq V3 = Ri3 + L (3.4)
dt
Devemos provar que: i3 = i2 + i1

di1 di2 di3
de 3.4 → Ri1 + L + Ri2 + L = Ri3 + L
dt dt dt
d(i1 + i2 ) di3
R(i1 + i2 ) + L = Ri3 + L
dt dt
Logo i3 = i1 + i2 .
Exemplo: Circuito digital
Atraso
u(k) y(k)
+
1/2
Figura 3.5: Sistema discreto.
1
y(k) = u(k) + u(k − 1) u(k) = 0∀k < 0
2
u1 → y1 y1 (k) = 12 u1 (k) + u1 (k − 1)
u2 → y2 y2 (k) = 21 u2 (k) + u2 (k − 1)
u1 + u2 → y3 y3 (k) = 21 (u1 (k) + u2 (k)) + (u1 (k − 1) + u2 (k − 1)) = y1 + y2
Definição 15 Um sistema é dito linear quando pode ser representado por um conjunto de equações
diferenciais ou a diferenças lineares.
Esta definição diz respeito à representação matemática do sistema. Prova-se que esta definição
é equivalente à definição 1.
3.4.2 Sistemas Invariantes no Tempo
O conceito de invariância no tempo esta associado à variação das características de um sistema no

tempo. Assim, se a saída de um sistema para uma dada entrada não varia com o tempo de aplicação
daquela entrada diz-se que o sistema é invariante no tempo. Para formalizar esta idéia definiremos
primeiro o operador de deslocamento no tempo.
Definição 16 Operador de Deslocamento no Tempo.

Seja x um sinal contínuo definido para o eixo dos tempos T . Seja θ um número real tal que t + θ ∈
T ∀ t ∈ T . Então o operador de deslocamento no tempo σ θ leva do sinal x ao sinal σ θ x, dado por:
(σ θ x)(t) = x(t + θ) t∈T (3.5)
Observação: dependendo da definição de T (todo o eixo dos tempos, somente tempos positivos, etc)
θ poderá tomar valores quaisquer ou somente dentro de um dado intervalo.
Nesta operação, se θ > 0 o operador adianta o sinal num valor θ, e se θ < 0 então o sinal é
atrasado.
Através deste conceito é possível formalizar a invariância no tempo. Dado um par (u, y) entrada-
saída (ES), se aplicamos o operador deslocamento, o par deve continuar sendo um par (ES).
Definição 17 Invariância no Tempo.

4 4
Considera-se um sistema entrada saída com o eixo dos tempos T = (−∞, ∞) ou T = [0, ∞). O
sistema é invariante no tempo se para qualquer par entrada saída (ES) (u, y) o par (σ θ u, σ θ y) é um
par ES com θ um valor possível.
Para sistemas mapeados (ESM), basta conhecer o mapa φ do sistema e colocar: φ(σ θ u) = σ θ φ(u)
o que equivale a comutação dos operadores σ θ e φ.
Todo o sistema que não verifique esta propriedade é dito variante no tempo.
Exemplo: Consideremos o sistema da figura:
To
PE
Figura 3.6: Sistema de aquecimento de líquidos.
A potência elétrica PE na resistência aquece o líquido à temperatura T (a temperatura ambiente

é T0 ), através do calor q. A equação que representa o fenômeno físico-térmico leva em conta a
capacidade de absorção de calor C do líquido e a transmissão ao meio ambiente pela resistência
calórica R.
Assim:
dT T (t) − T0 (t)
C = q(t) − t∈< (3.6)
dt}
| {z |{z} | R
{z }
calor acumulado calor que entra calor que sai
Chamando y = T − T0 à saída e q = u à entrada temos:
dy 1 1
= u(t) − y(t) t ∈ < (3.7)
dt C RC
Supondo R e C constantes temos um sistema linear e invariante no tempo. Para provar usamos:
u0 = σ θ u y 0 = σ θ y (3.8)
dy 0 d(σ θ y) dy(t + θ) dy 4 1 1
= = = (t + θ) = u(t + θ) − y(t + θ)
dt dt dt dt C RC
logo:
dy 0 1 1 0
(t) = u0 (t) − y (t)
dt C RC
3.4.3 Sistemas Com/Sem Memória
Quando um sistema é tal que a sua saída y(t) depende somente do valor da entrada no instante
t(u(t)) e não dos valores anteriores da entrada, diz-se que é um sistema sem memória. Quando a
saída depende de toda a entrada aplicada no tempo então ele tem memória.
Por exemplo, o sistema que consiste em uma resistência elétrica R com entrada V e saída I é
sem memória. Já o nível num tanque de água, e a temperatura de um ambiente, são variáveis de
sistemas com memória.
Definição 18 Sistema sem memória.

Dado um sistema ESM com eixo dos tempos T e entrada u(t) ε U , a saída y(t) ε Y é sem memória
se existe um mapa Φ : T X U → Y tal que se (u, y) é um par ES então y(t) = Φ(t, u(t)) t ε T
Na prática existem vários sistemas sem memória, porém a maioria dos sistemas possuem memória,
isto é, a saída y(t) depende não somente da entrada u(t) mas também das entradas anteriores.
3.4.4 Sistemas Não Antecipativos (ou Causais)
Uma característica muito importante dos sistemas físicos é que eles são não antecipativos, isto é, a
saída não depende de valores da entrada em tempos posteriores.
Para formalizar a definição deste tipo de sistemas usaremos entradas U = {u : T → U } e saídas

Y = {y : T → Y }.
Definição 19 Sistema não Antecipativo

Considera-se um sistema no eixo T . Seja (u1 , y1 ) um par ES e t ∈ T um tempo arbitrário. Seja
(u2 , y2 ) outro par ES tal que u1 (τ ) = u2 (τ ) para todo τ ≤ t, τ ∈ T . Então o sistema é dito não
antecipativo se y1 (τ ) = y2 (τ ) para todo τ ≤ t, τ ∈ T .
Exemplos:
a) Sistemas atraso e avanço puro.

Seja o sistemas definido por:
y(t) = u(t − θ), t ∈ T com θ ∈ T cte. (3.9)

Assim se θ > 0 a saída atrasa θ da entrada e se θ < 0 a saída adianta θ da entrada, pelo que
neste ultimo caso o sistema é antecipativo.
b) Calculador de valor médio



 t∈<
t+T2

T1 ≥ 0
Z 
1
y(t) = T1 +T2 u(τ )dτ
t−T1 
 T2 ≥ 0


T1 + T 2 ≥ 0
O sistema é não antecipativo sse T2 = 0 pois quando T2 > 0 a saída depende da entrada
futura.
A partir da classificação realizada podemos definir um conjunto de sistemas que verificam as

seguintes propriedades:
Lineares - Invariantes no Tempo - Não antecipativos ou Causais - Com/Sem Memória
Ao longo do curso nos ocuparemos do estudo dos sistemas com estas propriedades. Analisaremos
suas características e a importância da aplicação ao estudo de sistemas de controle.
A pergunta que surge ao optar pelo estudo destes sistemas é: Qual a relação entre estes sistemas
e os sistemas reais?
• Todo os sistemas reais são causais, a maioria invariantes no tempo, e podem ser com ou sem
memória.
• Entretanto a maioria deles possuem características não lineares.
Interessa então estudar como aplicar os resultados desta teoria à sistemas não lineares (sempre
que seja possível).
Para aplicar a teoria de sistemas lineares aos sistemas não lineares devemos linearizar estes
últimos nas proximidades de um ponto de funcionamento (ou ponto de equilíbrio do sistema).
Estudaremos isto em maiores detalhes a seguir.
3.5 Linearização de Sistemas
A propriedade de linearização de um dado sistema é uma extensão do conceito de aproximação

de uma curva nas vizinhanças de um dado ponto, através da tangente da mesma naquele ponto.
Devemos lembrar que uma dada função g(.) pode ser calculada num ponto x qualquer a partir do
valor da função e suas derivadas num outro ponto x0 próximo de x:
3.5. LINEARIZAÇÃO DE SISTEMAS 39
dg 1 d2 g
g(x) = g(x0 ) + ∆x + (∆x)2 + · · · ; ∆x = x − x0
dx x0 2! dx2 x
0
e na aproximação de 1a¯ ordem para ∆x suficientemente pequeno
dg
g(x) ∼
= g(x0 ) + ∆x
dx x0
Esta propriedade é válida também para funções de várias variáveis como por exemplo para
g(x, y, z) no ponto (x0 , y0 , z0 ):
δg δg δg
g(x, y, z) ∼
= g(x0 , y0 , z0 ) + ∆x + ∆y + ∆z
δx x0 , y0 , z0 δy x0 , y0 , z0 δz x0 , y0 , z0
Esta propriedade pode ser usada então para a linearização de uma equação diferencial de um
dado sistema dinâmico. É claro que o modelo equivalente obtido terá validade somente se:
- a linearização é feita num ponto de equilíbrio ou de operação do sistema.
- a aproximação é válida para o sistema funcionando nas vizinhanças daquele ponto.
- a aproximação será válida se o comportamento não linear do sistema nas vizinhanças do ponto
de equilíbrio é suave. É claro que sempre existe uma variação suficientemente pequena
∆x, ∆y, . . . , como para validar a aproximação, mas em alguns casos a aproximação pode
perder o sentido físico.
Exemplo: Movimento de um carro
(
v(t) = velocidade
M dv(t)
dt = Cu(t) − Bv 2 (t) t ≥ t0
u(t) = posição do acelerador
onde:
M = massa do carro;
C = coeficiente de atuação da posição do acelerador;
B = atrito do ar.
É simples notar que o sistema é descrito por uma equação diferencial não linear a coeficientes
constantes (B, M e C).
No equilíbrio, isto é, a velocidade constante v0 o sistema precisa de uma posição u0 fixa no

acelerador:
dv B 2
=0 =⇒ Cu0 = Bv02 =⇒ u0 = v
dt C 0
Supondo o carro funcionando a velocidades próximas de v0 pode-se colocar v(t) = v0 + ∆v e

u(t) = u0 + ∆u e:
d(v0 + ∆v)
M = C(u0 + ∆u) − B(v0 + ∆v)2
dt
∆v

Md = Cu0 + C∆u − Bv02 − 2Bv0 ∆v − B∆v 2
dt
desprezando termos de 2a¯ ordem ∆v 2 ' 0 e usando cu0 − Bv02 = 0 temos:
∆v

Md = C∆u − 2Bv0 ∆v t ≥ t0
dt
Definindo agora a entrada e saída do sistema como sendo ∆u e ∆v respectivamente, tem-se

um sistema linear que representa o sistema automóvel trabalhando próximo ao ponto de equilíbrio
(u0 , v0 ).
Neste exemplo, pode-se observar ainda que a função não linear Bv 2 foi substituída pela sua
aproximação linear de 1a¯ ordem:
δ(Bv 2 )
Bv 2 ∼
= Bv02 + ∆v ≡ Bv02 + (2Bv0 )∆v
δv v0
3.6 Mapas dos Sistemas Entrada Saída Mapeados (ESM)
Como já foi comentado, os modelos lineares e invariantes no tempo podem representar muito bem
a dinâmica de muitos sistemas físicos ESM. Assim é bastante importante encontrar uma forma de
representação do mapa que relacione os sinais de entrada e saída.
Para obter a forma deste mapa consideraremos primeiro o caso discreto. Um sinal de entrada
qualquer u(n) pode ser escrito como uma combinação linear de pulsos deslocados:
∞
X
u(n) = u(m)∆(n − m) nεZ
m=−∞
3.6. MAPAS DOS SISTEMAS ENTRADA SAÍDA MAPEADOS (ESM) 41
onde os valores u(m) representam a seqüência de entrada. E como o sistema é linear, y(n) poderá
ser escrito como:
∞
X
y(n) = k(n, m)u(m) nεZ
m=−∞
onde k(n, m) representa a saída em tempo n correspondente ao pulso ∆(n − m) aplicado no

tempo m. Assim, conhecendo k(n, m) é possível calcular a resposta para uma entrada qualquer.
O somatório anterior representa o mapa ES do sistema e k(n, m) uma função de duas variáveis
chamada Núcleo do Sistema.
Para o caso contínuo, a interpretação é similar. Usando as propriedades de δ(t) uma entrada
qualquer pode ser escrita como:
Z ∞
u(t) = u(τ )δ(t − τ )dτ
−∞
o que pode ser interpretado dizendo que u(t) é composta por uma combinação infinita de δ(·)
ponderados pelos valores u(τ ).
Logo chamando k(t, τ ) à resposta a uma entrada δ(t − τ ), t ε < e usando linearidade, a resposta
será: Z ∞
y(t) = k(t, τ )u(τ )dτ t ε <
−∞
Exemplo: Ache a função núcleo de uma fila (sistema atraso puro) que é representado por:
y(n) = u(n − θ) nεZ θ = atraso ou tamanho da fila
Consideramos a entrada pulso unitário deslocado ∆(n − m) e a saída correspondente: y(n) =

∆(n − θ − m). Por definição a função núcleo do sistema é:
(
1 se n = θ + m
k(n, m) = ∆(n − θ − m) =
0 outro ponto
Qual é a saída correspondente a uma entrada u(n) = sen(n)?
∞
X
y(n) = ∆(n − θ − m)sen(m) = sen(n − θ)
m=−∞
Observação: Os sistemas reais são não antecipativos, por tanto não podem ter uma resposta anterior
à aplicação da entrada. Assim a função núcleo deve ser nula para todo tempo anterior à aplicação
da entrada:
k(n, m) = 0 ∀n<m
k(t, τ ) = 0 ∀t<τ
Esta é uma CNeS para a representação de um sistema ESM causal
3.7 Sistemas Convolutivos
Consideremos um sistema ESM e seu mapa ES representado por:
∞
X
y(n) = k(n, m)u(m) nεZ (3.10)
−∞
Suponhamos que o sistema é invariante no tempo. Então para todo d ε Z a resposta em n + d para
uma entrada em m + d é igual à resposta em n para a mesma entrada em m:
k(n + d, m + d) = k(n, m) ∀ n, m, d ε Z
Isto implica que a função k(n, m) não é função de duas variáveis se não apenas da diferença de
ambas. Assim existe uma função h(·) tal que:
k(n, m) = h(n − m) ∀ n, m ε Z (3.11)
Isto implica que a resposta a um pulso em tempo m é função apenas do tempo transcorrido entre
a aplicação da entrada, m, e o tempo considerado, n. Desta forma, a equação do sistema é:
∞
X
y(n) = h(n − m)u(m) nεZ (3.12)
−∞
Portanto, a saída do sistema é obtida a partir de uma operação de Convolução entre h(·) e u(·)
y =h∗u (3.13)
Para o caso de sistemas contínuos invariantes no tempo, k(t, τ ) transforma-se em h(t − τ ) t, τ ε <.
Com isso, a resposta é:
3.7. SISTEMAS CONVOLUTIVOS 43
Z ∞
y(t) = h(t − τ )u(τ )dτ tε< (3.14)
−∞
operação chamada de convolução
y =h∗u (3.15)
Da mesma forma que provamos que todo sistema ESM invariante no tempo é um sistema convo-
lutivo, pode-se mostrar o contrário: um sistema ESM (contínuo ou discreto) com eixo dos tempos
em Z ou <, é invariante no tempo SSE é um sistema convolutivo.
3.7.1 Resposta Impulsiva
As funções h(·) (tanto no caso discreto como contínuo) são chamadas de resposta impulsiva do
sistema, pois o valor h(t) da função h(·) corresponde à saída do sistema no tempo t quando aplicada
uma entrada pulso unitário (caso discreto), ou função delta (caso contínuo), no tempo 0. Nota-se
que conhecer a resposta impulsiva é uma condição suficiente para calcular a resposta para qualquer
entrada no sistema.
Exemplos:
a) Suavizador Exponencial (filtro digital)

Suponhamos um sistema descrito pela equação:
y(n + 1) = ay(n) + (1 − a)u(n + 1) n ε Z a ε < a ε [0, 1]
Supondo que a condição inicial é y(n0 ) no tempo n0
y(n0 + 1) = ay(n0 ) + (1 − a)u(n0 + 1)

y(n0 + 2) = a2 y(n0 ) + (1 − a)au(n0 + 1) + (1 − a)u(n0 + 2)
y(n0 + 2) = a2 y(n0 ) + (1 − a)[au(n0 + 1) + u(n0 + 2)]
y(n0 + 3) = a3 y(n0 ) + (1 − a)[a2 u(n0 + 1) + au(n0 + 2) + u(n0 + 3)]
.. .
. = ..
n
X
y(n) = an−n0 y(n0 ) + (1 − a) an−m u(m) n ≥ n0
m=n0 +1
Supondo a condição particular n0 → −∞ e y(n0 ) = 0 temos:
n
X
y(n) = (1 − a) an−m u(m)
m=−∞
Para obter h(n) basta observar que:

∞
X n
X ∞
X
y(n) = h(n − m)u(m) = h(n − m)u(m) + h(n − m)u(m)
m=−∞ m=−∞ m=n+1
, e que o segundo termo é nulo pois h(n − m) = 0 se n < m (dado que o sistema é não
antecipativo).
Logo, se o somatório tem limite finito (converge) podemos definir que:
(
0 n<0 não antecipativo
h(n) =
(1 − a)an n ≥ 0
P∞
ou usando a função degrau 1(n), h(n) = (1 − a)an 1(n). Assim, y(n) = −∞ h(n − m)u(m)
Plotando a resposta impulsiva para a = 0.9:
h(n)
0.12
0.1
0.08
0.06
0.04
0.02
0
0 2 4 6 8 10 12 14
tempo
Figura 3.7: Resposta ao impulso.
b) Circuito RC (caso contínuo, filtro analógico)

R
V
i C
Figura 3.8: Circuito RC.
dy 1 1
(t) + y(t) = u(t) t ε <
dt RC RC
A solução desta equação diferencial de primeira ordem é (para CI y(t0 )):
−(t−t0 ) 1
Z t −(t−τ )
y(t) = e RC y(t0 ) + e RC u(τ )dτ
RC t0
e considerando y(t0 ) = 0 e t0 → −∞
1
Z t −(t−τ )
y(t) = e RC u(τ )dτ
RC −∞
3.7. SISTEMAS CONVOLUTIVOS 45
Supondo a integral convergente definimos:

(
0 t<0
h(t) = 1 RC−t
RC e t≥0
1 −t
h(t) = e RC 1(t)
RC
Z ∞
y(t) = h(t − τ )u(τ )dτ
−∞
h(t)
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 8 9 10
tempo
Figura 3.9: Resposta impulsiva do circuito RC.
É claro que estes dois sistemas físicos são não antecipativos (causais), e portanto, h(t) =
0, ∀ t < 0. Assim, de forma geral:
Definição 20 Sistemas Convolutivos não Antecipativos

São os sistemas com resposta impulsiva não antecipativa, isto é:
h(t) = 0 ∀t<0 (h(t − τ ) = 0 ∀ t < τ )
Resposta ao Degrau
Um sinal muito importante para a teoria de sinais e sistemas lineares é o degrau unitário,
representado por 1(t) ou 1(n). Sua importância se baseia em:
a) ele é muito utilizado na prática pois simula situações reais de operação em regime permanente;
b) a resposta ao degrau está intimamente relacionada com a resposta impulsiva que descreve o
sistema.
Assim:
∞
X ∞
X
s(n) = (h ∗ 1)(n) = h(n − m)1(m) = h(n − m) nε Z
m=−∞ m=0
usando n − m = k temos:
n
X
s(n) = h(k)
k=−∞
o que mostra que a resposta ao degrau é obtida como soma de respostas impulsivas fazendo “correr”
o tempo de aplicação dos impulsos. Observe ainda que:
s(n) − s(n − 1) = h(n) n ε Z
equação que permite calcular a resposta impulsiva a partir da resposta ao degrau.
Para o caso contínuo temos:
Z ∞
s(t) = h(t) ∗ 1(t) = h(t − τ )1(τ )dτ tε<
−∞
Z ∞
s(t) = h(t − τ )dτ tε<
0
t R
usando x = t − τ temos: s(t) = −∞ h(x)dx ou seja, que a resposta ao degrau é obtida integrando
de −∞ a t a resposta impulsiva aplicada, correndo o tempo. De forma inversa, a resposta impulsiva
é obtida como a derivada da resposta ao degrau:
ds(t)
h(t) =
dt
Exemplos:
a) Vejamos a resposta ao degrau do suavizador exponencial
n
X n
X n
X
s(n) = h(m) = (1 − a)am 1(n) = (1 − a) am
−∞ −∞ 0
(
0 ∀ n<0
s(n) =
1 − an+1 ∀ n ≥ 0
3.8. CONVOLUÇÃO 47
A resposta está mostrada na figura 3.10.

s(n)
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 5 10 15 20 25 30
tempo
Figura 3.10: Resposta ao degrau do filtro.
b) Circuito RC
1
Z t −τ 1
Z t −τ
s(t) = e RC 1(τ )dτ = e RC dτ
RC −∞ RC 0
−τ t −τ
s(t) = −e RC = 1 − e RC t ε < t ≥ 0
0
A resposta está mostrada na figura 3.11.

s(t)
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 8 9 10
tempo
Figura 3.11: Resposta ao degrau do circuito RC.
Observe que em ambos os casos, quando t → ∞ ou n → ∞, a resposta tende a 1 (regime perma-

nente).
Após ter interpretado fisicamente a convolução, e tê-la relacionado com o sistema e sua resposta,
estudaremos mais em detalhes alguns pontos.
3.8 Convolução
A convolução é uma operação binária entre dois sinais contínuos ou discretos que geram um outro
sinal. Está definida pelas equações:
∞
X
z(n) = (x ∗ y)(n) = x(n − m)y(m) nεZ
m=−∞
Z ∞
z(t) = (x ∗ y)(t) = x(t − τ )y(τ )dτ tε<
−∞
e para sistemas convolutivos: y = h ∗ u
Observa-se que a convolução não é uma operação puntual, ou seja, o resultado da operação
depende da total evolução do sinal no tempo e não apenas do instante considerado. Observando a
equação da convolução contínua, podemos distinguir os seguintes passos:
a) considera-se o sinal x em tempo reverso e deslocado t;
b) multiplica-se ponto a ponto o x resultante com y e integra-se o resultado para obter z(t)
Exemplo:
a) Caso discreto (suavizador exponencial). Suponhamos uma entrada degrau unitário
h(n)
n
u(n)
n
h(k-n)
n
y(n)
n
Figura 3.12: Convolução gráfica.
b) Caso contínuo (circuito RC já estudado) Suponhamos uma entrada pulso unitário de largura α
(
1 ∀0≤t<α
u(t) =
0 em outro caso
h(t)
1/RC
Resposta Impulsiva
0 t
u(t)
1
Pulso: Diferencade degraus deslocadosα
0 α t
y(t)
-t/RC
Carga: ate V= 1-e
-t/RC
Carga Descarga Descarga: ate 0, exponencial e
0 α t
Figura 3.13: Resposta do circuito RC.
Nota-se: o circuito RC também é um suavizador de sinais.
Propriedades da Convolução (válidas para o caso contínuo e discreto) A operação de convolução
definida por z = x ∗ y tem as seguintes propriedades:
a) Comutativa: Se x ∗ y existe então x ∗ y = y ∗ x
b) Associativa Se (x ∗ y) ∗ z existe então (x ∗ y) ∗ z = x ∗ (y ∗ z)
c) Distributiva Se x ∗ y e x ∗ z existem então x ∗ (y + z) = x ∗ y + x ∗ z
d) Comutativa de multiplicação por escalar e convolução Se x ∗ y existe então α(x ∗ y) = (αx) ∗ y =

x ∗ (αy) para todo αεC
e) Operação atraso (σ t : atrasa t) Se x ∗ y existe então σ t (x ∗ y) = (σ t (x) ∗ y = x ∗ (σ t y) para todo

t ε < ou t ε Z
f ) Propriedade da diferenciação (válida para o caso contínuo) Operador diferenciador D(·) (Dz(t) =
dz
dt ) Se x ∗ y existe e é diferenciável então:
D(x ∗ y) = (Dx) ∗ y se x é diferenciável
D(x ∗ y) = x ∗ (Dy) se y é diferenciável

Existência da convolução A existência da convolução de dois sinais está sujeita à convergência

do somatório ou integral que a definem. Para analisar isto em detalhe definimos:
• Suporte de um sinal x no eixo dos tempos (discreto ou contínuo).

suporte=t ε T tq x(t) 6= 0
– limitado (num intervalo finito)

– limitado à esquerda (intervalo ∞ com limite na esquerda
– limitado à direita (intervalo ∞ com limite na direita)
Rb
• Sinal localmente integrável se a |x(t)| dt existe e é finito para todo a, b finitos.
A partir destas definições podemos formalizar as condições de existência da convolução.
Condições Suficientes Para Existência da Convolução:

Sejam x, y seqüências no tempo localmente integráveis e contínuas em <.
a) Se x ou y tem suporte limitado, então x ∗ y existe. Se ambas têm suporte limitado, então x ∗ y
também tem suporte limitado.
b) Se x e y têm suporte limitado à esquerda ou à direita (ambas iguais), então x ∗ y existe e tem
suporte limitado à esquerda ou à direita, respectivamente.
c) Se ||x||2 e ||y||2 são finitas, então x ∗ y existe e ||x ∗ y||∞ é finita (porém ||x ∗ y||2 não é neces-
sariamente finita).
d) Se ||x||1 e ||y||∞ existem, então x ∗ y existe e ||x ∗ y||∞ é finita.
Prova: Provaremos só um caso (contínuo)
a)
Z ∞
z =x∗y = x(t − τ )y(τ )dτ
−∞
Supondo y(t) de suporte limitado no intervalo [a, b] tem-se

Z b
y(t) = 0 ∀ t 6 ε [a, b] ⇒ z(t) = x(t − τ )y(τ )dτ
a
e como x e y são contínuas e localmente integráveis em [a, b], então z(t) existe.
Se x e y são de suporte limitado ao intervalo [a, b] então
y(τ ) = 0 ∀ τ 6∈ [a, b]
(
t−τ <a t<a+τ
x(t − τ ) = 0 ∀ t − τ 6∈ [a, b] ⇒
t−τ >b t>b+τ
Graficamente:
y(t)
-b -a a b
x(t-b)
-b -a a b
z(t)
t<2a, Z(t)=0
2a<t<2b, Z(t)=0
t>2b, Z(t)=0
-b -a a 2a b 2b
Figura 3.14: Convolução com suporte limitado.
Logo z(t) tem suporte limitado no intervalo [2a, 2b].

A partir da integral pode-se ver que o produto deixa de ser nulo quando τ > a, mas para que
t − τ > a ⇒ t > 2a. Logo deixa de ser nulo quando τ > b, mas para que t − τ > b ⇒ t > 2b.
Logo o intervalo onde a convolução não é nula é [2a, 2b].
b) Prova-se da mesma forma que o anterior.

γ
a t
-a t t
Figura 3.15: Convolução com suporte limitado pela esquerda.
Logo z(t) será nula até que t = 2a ⇒ z(t) existe e é definida para t > 2a, ou seja, tem o
suporte limitado na mesma direção.
c) Supõe-se k x k2 e k y k2 são finitas e calcula-se:

Z ∞
z(t) = x(t − τ )y(τ )dτ
−∞
Z ∞ 1/2 Z ∞ 1/2
2 2
k x k2 = (x(τ )) dτ = (x(t − τ )) dτ
−∞ −∞
pois os sinais são invariantes no tempo

Z ∞ 1/2
2
k y k2 = (y(τ )) dτ
−∞
Usando Cauchy-Scwartz temos:
k x k2 k y k2 ≥ < x, y >
Z ∞ 1/2 Z ∞ 1/2 Z ∞
2 2
(y(t − τ )) dτ (y(τ )) dτ ≥ x(t − τ )y(τ )dτ = z(t)
−∞ −∞ −∞
como o termo da esquerda é acotado finito então

z(t) = x ∗ y existe e é finito, por tanto | z | < k para todo t e um dado k ε <, então k z k∞ é
finita. Porém
Z ∞ 1/2
2
k z k2 = (x(t − τ )y(τ )) dτ
−∞
não tem porque ser acotada pois a integral de uma função quadrática entre −∞ e ∞ pode ser
não acotada mesmo quando a função que a gerou é acotada.
d) Idem (a) e (b) pode se usar que:

Z ∞ Z ∞
z(t) = x(t − τ )y(τ )dτ ≤ | x(t − τ )y(τ ) | dτ ≤
−∞ −∞
Z ∞ Z ∞
| x(t − τ )ymax | dτ ≤ ymax | x(t − τ ) | dτ =k y k∞ k x k1 finito
−∞ −∞
∞ R
Logo z(t) existe e k z(t) k∞ = −∞ | x(t − τ )y(τ ) | dτ é finito. As condições obtidas nestas
demonstrações podem ser formalizadas de forma mais geral.
Proposição: Suporte de uma convolução Sejam x e y seqüências discretas ou sinais contínuos.

Supõe-se o suporte de x contido em [a, b] e o de y em [c, d] com a e c podendo valer −∞ e b e
d + ∞. Logo o suporte de x ∗ y é contido no intervalo [a + c, b + d].
Unidade da Operação Convolução
Os sinais pulso unitário e função δ são as unidades da operação convolução discreta e contínua,
respectivamente.
x ∗ ∆ = x tempo discreto
x ∗ δ = x tempo contínuo
3.9 Estabilidade de Sistemas Convolutivos
Estabilidade é um conceito muito importante na teoria de sistemas. Existem diversas formas de

definir estabilidade dependendo da abordagem utilizada para o estudo da dinâmica do sistema.
Neste curso somente trabalharemos com definições de estabilidade associadas aos sistema entrada-
saída.
Definição 21 Estabilidade ELSL (entrada limitada - saída limitada).

Um sistema convolutivo contínuo ou discreto é dito ELSL estável se a resposta y a toda entrada u
com amplitude finita tem amplitude finita. Isto é:
se k u k∞ < ∞ ⇒k y k∞ < ∞
A estabilidade ELSL pode ser estudada a partir da resposta impulsiva h, pois ela determina a
relação entre y e u.
Proposição:
a) Um sistema convolutivo com resposta impulsiva h é ELSL estável SSE k h k1 < ∞, isto é, h tem
ação finita.
b) Se o sistema convolutivo é ELSL estável então:
k y k∞ ≤ k h k1 k u k∞
para todo u de amplitude finita.
Nota: Esta propriedade também vale para sistemas amostrados convolutivos, lembrando que:
X
k h k1 = T | h(τ ) |
τ εZ(T )
Exemplo: Seja o sistema convolutivo discreto de primeira ordem (que pode representar, por exemplo,
uma caderneta de poupança ou um filtro digital):
y(n + 1) = ay(n) + bu(n)
com resposta impulsiva: (

0 ∀n<0
h(n) = n
ba ∀ n ≥ 0
Calculando
3.10. RESPOSTA DE SISTEMAS CONVOLUTIVOS A SINAIS HARMÔNICOS 55
∞
(
X
k | b | /1− | a | para | a |< 1
k h k1 = |b||a| =
∞ para | a |> 1 b 6= 0
k=0
Assim, o sistema é ELSL estável SSE | a |< 1. Por exemplo, se consideramos uma caderneta de
poupança com taxa de 1% teremos a = 1.01, que implica na instabilidade do sistema. Já para o
projeto de um filtro discreto, devemos garantir a estabilidade usando | a |< 1.
Exemplo: Consideremos um sistema integrador, que pode representar, por exemplo, a relação entre
a velocidade e posição de um veículo.
Z t
y(t) = u(τ )dτ
−∞
A resposta impulsiva vale h(t) = 1(t). Como
Z ∞
k h k1 = 1(t)dt = ∞ a ação é infinita
−∞
É um sistema ELSL-instável. Observe que a resposta ao degrau é uma rampa que não é um sinal
limitado em amplitude.
3.10 Resposta de Sistemas Convolutivos a Sinais Harmônicos
O estudo da resposta de sistemas convolutivos a sinais harmônicos é muito importante na teoria de

sistemas dado que:
(i) são sinais comumente usados em sistemas reais (ex: sistemas elétricos e mecânicos)
(ii) é possível decompor outros sinais como combinação de sinais harmônicos e achar a resposta de
cada um deles de forma simples. Após conhecida a resposta a cada sinal, usando linearidade
dos sistemas convolutivos, encontra-se a resposta global.
3.10.1 Entradas harmônicas
Um sinal harmônico de freqüência f ε < é dado por:
ηf (t) = ej2πf t tεT

Consideraremos o caso contínuo T ≡ <. A resposta y(t) é:
Z ∞ Z ∞
y(t) = h(t − τ )u(τ )dτ = h(t − τ )ej2πf τ dτ
−∞ −∞
Existindo a integral faz-se θ = t − τ
Z ∞ Z ∞
j2πf (t−θ) −j2πf θ
y(t) = h(θ)e dθ = h(θ)e dθ ej2πf t
−∞ −∞
Logo:
y(t) = ĥ(f )ej2πf t tε<
onde:
Z ∞
ĥ(f ) = h(θ)e−j2πf θ dθ f ε< (3.16)
−∞
, se a integral existe. Logo, se a resposta ao sinal harmônico ηf (t) existe, então será outro sinal
harmônico da forma:
y = ĥ(f )ηf (3.17)
A função ĥ(·) é chamada de resposta em freqüência do sistema convolutivo e é uma função

complexa. No caso discreto também vale a relação (2) e a função ĥ(f ) é dada pela expressão:
∞
h(n)e−j2πf n
X
ĥ(f ) = f ε<
n=−∞
, se a soma existe.
Analisaremos a existência destas expressões.
3.10.2 Existência da função resposta em freqüência
A função resposta em freqüência ĥ(f ) de um sistema convolutivo (contínuo ou discreto), com res-
posta impulsiva h, existe e é limitada se a resposta impulsiva tem ação finita, isto é, se k h k1 < ∞.
Demonstraremos esta propriedade no caso discreto:
∞ ∞
h(n)e−j2πf n ≤ |h(n)| e−j2πf n =
X X
ĥ(f ) =
−∞ n=−∞ | {z }
1
∞
X
= |h(n)| =k h(n) k1 < ∞
−∞
Logo ĥ(f ) é limitada o que implica que ĥ(f ) existe e é limitada ∀f . Para o caso contínuo a
demonstração é similar.
3.10.3 Periodicidade de ĥ(f )
No caso discreto:
∞
h(n)e−j2πf n
X
ĥ(f ) = f ε <,
−∞
e como e−j2πf n é periódica em f com período 1, ĥ(f ) também é periódica.
Assim, a resposta a uma entrada harmônica de freqüência f é igual a de uma com freqüência
f +m, com m ε Z. Os sinais são indistinguíveis e basta conhecer eles num período, pois a informação
se repete.
As respostas em freqüência de sistemas contínuos são em geral aperiódicas.
Exemplos:
a) Suavizador exponencial
A resposta impulsiva deste sistema é: h(n) = (1 − a)an 1(n) n ε Z
Usando |a| < 1 a resposta tem ação finita, logo existe ĥ(f ):
∞ ∞
h(n)e−j2πf n = (1 − a)an 1(n)e−j2πf n =
X X
ĥ(f ) =
−∞ −∞
∞
1−a
(ae−j2πf )n =
X
= (1 − a) f ε<
0
1 − ae−j2πf
Em geral, para representar ĥ(f ) utiliza-se gráficos de módulo e fase contra freqüência.
1−a 1−a
ĥ(f ) = −j2πf
=
1 − ae (1 − a cos 2πf ) + ja sin 2πf

pois e−j2πf = cos(2πf ) − j sin(2πf )
1−a
ĥ(f ) = [(1 − a cos 2πf ) − ja sin 2πf ]
(1 − a cos 2πf )2 + (a sin 2πf )2
1−a
| ĥ(f ) |= p
(1 − a cos 2πf )2 + (a sin 2πf )2
a sin 2πf

φĥ(f ) = − arctan
1 − a cos 2πf
A resposta em freqüência deste sistema pode ser vista na figura 3.16 onde aprecia-se a peri-
odicidade.
módulo módulo
1 1.5
0.9
1
0.8
0.7
0.5
0.6
0.5 0
0.4
−0.5
0.3
0.2
−1
0.1
0 −1.5
0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 2 2.5 3
frequencia frequencia
ˆ ).
Figura 3.16: Modulo e fase de h(f
b) Circuito RC
1 −t/RC
A resposta impulsiva deste sistema é h(t) = RC e 1(t), t ε < que tem ação finita para
todo RC > 0.
Z ∞ 1 −t/RC 1
Z ∞ 1
ĥ(f ) = e 1(t)e−j2πf t dt = e−(2πf j+ RC )t dt
−∞ RC RC 0
1/RC 1 ∞ 1
= e−(2πf j+ RC )t =
1/RC + 2πf j 0 1 + j2πRCf
1
Então ĥ(f ) =
1 + j2πRCf
1
ĥ(f ) = p
1 + (2πRCf )2
φĥ(f ) = − arctan(2πRCf )
módulo fase
1 0
0.9
−10
0.8
−20
0.7
−30
0.6
−40
0.5
−50
0.4
−60
0.3
−70
0.2
0.1 −80
0 −90
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6
frequencia frequencia
ˆ ) para o circuito RC.

Figura 3.17: Modulo e fase de h(f
3.10.4 Resposta em freqüência de sistemas reais
Na prática os sistemas representam-se por sistemas convolutivos reais. Assim a resposta impulsiva
é uma função real. Apesar disto, a função resposta em freqüência ĥ(f ), é em geral uma função
complexa. Mas ela possui um certo número de propriedades de simetria:
ĥ(−f ) = ĥ(f ) ∀ f ε <
, ou de forma equivalente, o módulo é uma função par e a fase ímpar:
| ĥ(−f ) |=| ĥ(f ) |
ϕĥ(−f ) = −ϕĥ(f )
Prova: Z ∞ Z ∞
−j2πf t
ĥ(f ) = h(t)e dt = h(t)(cos(2πf t) − jsen(2πf t))dt = IR − jII
−∞ −∞
Z ∞ Z ∞
j2πf t
ĥ(−f ) = h(t)e dt = h(t)(cos(2πf t) + jsen(2πf t))dt = IR + jII
−∞ −∞
onde IR e II são as partes real e imaginária de ĥ(f ).
Logo ĥ(−f ) = ĥ(f ) o que implica nas condições de módulo e fase colocadas.
Este resultado mostra que para os sistemas reais basta estudar a função resposta em freqüência
para f ≥ 0 no caso contínuo e no intervalo [0, 1/2] no caso discreto.
3.10.5 Resposta de sistemas convolutivos reais a sinais reais
Seja um sistema real convolutivo com função resposta em freqüência ĥ. Seja a entrada real:
u(t) = αu cos(2πf t + φu ) = Re[au ej2πf t ]
com αu ≥ 0 e φu ∈ < au = αu ejφu . Assim a saída correspondente é:
y(t) = αy cos(2πf t + φy ) = Re[ay ej2πf t ]
onde ay = ĥ(f )au e a amplitude e fase da saída verificam:
αy =| ĥ(f ) | αu φy = φu + φĥ(f )
Para provar este resultado decompõem-se o sinal de entrada em harmônicos complexos e logo
aplica-se superposição.
u = Re(au ηf ) = 1/2(au ηf + au ηf ) = 1/2(au ηf + au η−f )
Usando linearidade para os sinais ηf e η−f temos:
h i
y = 1/2 ĥ(f )au ηf + ĥ(−f )au η−f
como ĥ é real ⇒ ĥ(−f ) = ĥ(f )
h i
y = 1/2 ĥ(f )au ηf + ĥ(f )au ηf = Re(ĥ(f )au ηf )
Assim a saída também é um sinal harmônico real com amplitude ay = ĥ(f )au
O módulo da saída é:
αy =| ay |=| ĥ(f )au |=| ĥ(f ) | | au |=| ĥ(f ) | αu

φy = ϕay = ϕĥ(f ) + ϕau = ϕĥ(f ) + φu
Esta demonstração coloca a importância de se conhecer o módulo e fase de ĥ(f ) pois assim
pode-se conhecer a amplificação-atenuação da amplitude dos sinais e a defasagem resultante entre
u e y. Do ponto de vista físico, esta interpretação é o resultado mais importante.
Vejamos a aplicação deste conceito em um circuito RC. Já calculamos num exemplo anterior:
1
| ĥ(f ) |= p ϕĥ(f ) = − arctan(2πRCf )
1 + (RC2πf )2
1
Imaginemos uma entrada u(t) = cos(2πf0 t) com f0 = 2RCπ . Então
1
| ĥ(f ) |= √ ϕĥ(f ) = − arctan(1) = −π/4
2
√ √
Logo: y(t) = 1/ 2 cos(2πf0 t − π/4). Assim a amplitude é atenuada em 1/ 2 e a fase atrasada em
π/4.
3.10.6 Importância da resposta em freqüência na engenharia
O estudo do comportamento dos sistemas frente a sinais do tipo senoidal é bastante importante
na engenharia. A maioria dos sistemas reais modifica a amplitude e a fase do sinal de entrada.
Alguns sistemas permitem melhor a passagem dos sinais de baixa freqüência, como por exemplo as
válvulas de controle e os sistemas térmicos. Já outros, como por exemplo a atmosfera, são sistemas
que atenuam os sinais de baixas freqüências e deixam passar melhor os de alta freqüência. Nota-se
que a maioria dos sistemas físicos estudados na teoria de controle (processos químicos, elétricos,
mecânicos, etc) são do tipo passa baixa.
Estas propriedades fazem com que ss sistemas convolutivos sejam tratados muitas vezes como
filtros. Os filtros modificam os sinais harmônicos em algumas freqüências. Assim, se um filtro
atenua as baixas freqüências deixando passar as altas, diz-se “filtro passa altas”. No caso oposto
é dito “passa baixas”. No caso que atenua as freqüências fora de uma certa banda, diz-se “passa
banda” e no caso oposto “atenua banda”. Na figura 3.18 mostram se os diagramas típicos ideais
deste tipo de filtros.
Modulo Modulo
Passa Baixos Passa Altos
freq freq
Modulo Modulo
Passa Banda
Rejeita Banda
freq freq
ˆ ) para diferentes filtros.

Figura 3.18: Modulo de h(f
Na prática são muitas vezes utilizados os diagramas logarítmicos para representar as funções de
resposta em freqüência pois podem ser mais facilmente desenhados a mão. Também é comum usar
a variável ω = 2πf e não f .
Capítulo 4
Sistemas Diferenciais e à Diferenças
4.1 Introdução
A maioria dos sistemas entrada-saída estudados na teoria de controle, são sistemas diferenciais e à
diferenças. Isto significa que a relação entrada-saída pode ser colocada na forma de uma equação
diferencial ou à diferenças respectivamente.
Esta relação pode ser estabelecida a partir do estudo das leis físicas que regem o comportamento
do sistema no tempo. A complexidade do sistema é refletido na ordem da equação diferencial ou à
diferenças obtida. Vários dos exemplos já estudados nos capítulos anteriores, foram representados
por equações diferenciais ou à diferenças.
Neste capítulo estudaremos formalmente este tipo de representação, suas propriedades e a

solução destas equações.
Definição 22 Um sistema à diferenças (diferencial) é um sistema ES com eixo T infinito ou semi-

infinito direito, tal que qualquer par (u, y) verifica uma equação à diferenças (diferencial) da forma:
F1 [y(n), y(n + 1), . . . , y(n + N ), u(n), u(n + 1), . . . , u(n + M )] = 0 (4.1)
" #
dy(t) dN y(t) du(t) dM u(t)
F2 y(t), ,..., , u(t), . . . , =0 (4.2)
dt dtN dt dtM
para n ε T (t ε T ), N, M inteiros não negativos e F1 , F2 mapas.
F1 : C N +M +2 x T ε C, F2 : C N +M +2 x T ε C
63
64 CAPÍTULO 4. SISTEMAS DIFERENCIAIS E À DIFERENÇAS
Estas equações são ditas de ordem N . Em geral para uma dada entrada existem várias soluções,
porém pode-se provar que fixando as condições iniciais é possível obter uma única solução. No que
segue, consideraremos a solução para todo n ε T ou t ε T será y(n + N ) no caso discreto e y N (t)
no caso contínuo.
Definição 23 Sistemas amostrados à diferença
Sistemas amostrados à diferença são sistemas amostrados definidos em T = (t0 , t0+T , . . .) com
t0 ε Z(T ), no eixo infinito T = Z(T ). São descritos por equações da forma:
F [y(t), y(t + T ), . . . , y(t + N T ), u(t), u(t + T ), . . . , u(t + M T )] = 0
Consideraremos que ele tem solução única y(t + N T ) e N é a ordem da equação à diferenças.
Exemplos:
a) Caderneta de poupança.
y(n + 1) − y(n)(1 + α) − u(n + 1) = 0 n = 0, 1, . . .
Equação de primeira ordem em y(n)
b) Equação do movimento de um carro.
dv(t)
M + Bv 2 (t) − Cu(t) = 0 t ε [t0 , ∞ )
dt
onde M : massa, B: coef. atrito, C: coef. força aceleradora, v(t): velocidade, u(t): posição
do acelerador
dx
Equação de primeira ordem em v(t). Usando x: deslocamento do carro, v = dt
2
d2 x(t) dx(t)

M 2
+B − Cu(t) = 0
dt dt
Equação de segunda ordem em x(t).
c) Calculador de valor médio em uma janela (discreto).
N
1 X
y(n) − u(n + m) = 0
N + M + 1 m=−M
n ε Z, M ≥ 0, N ≥ 0
Com M > 0 esta equação não fica na forma padrão pois aparecem termos u(n − K) com
K > 0. Para padronizá-la usamos n = n0 + M .
4.2. CONCEITOS BÁSICOS DE EQUAÇÕES DIFERENCIAIS E À DIFERENÇAS 65
N
1
y(n0 + M ) = u(n0 + M + m) = 0 n0 ε Z
X
N + M + 1 m=−M
ou
1
y(n0 + M ) − u(n0 ) + u(n0 + 1) + · · · + u(n0 + N + M ) = 0

N +M +1
que tem ordem M .
d) Circuito RLC.
vR vC
R C
vL
u L
i
Figura 4.1: Circuito RLC.
1
Z t di
V = vR + vC + vL = Ri + idt + L
C 0 dt
Usando V = u, i = y temos:
1
Z t dy
u = Ry + ydt + L
C 0 dt
e derivando para padronizar:
du dy 1 d2 y
= R + y(t) + L 2
dt dt C dt
d2 y dy 1 du
L 2
+ R + y(t) − =0
dt dt C dt
Equação diferencial de segunda ordem em y(t) = i(t).
4.2 Conceitos básicos de equações diferenciais e à diferenças
Solução das equações
Como foi colocado no item anterior, a equação à diferenças ou diferencial, representa um sistema
ES de forma tal que a relação entre u e y é dada pela própria equação. Assim para calcular a saída
do sistema, aplica-se a lei dada pela equação diferencial ou à diferenças.
Da teoria de equações diferenciais é sabido que para determinar completamente a solução da

equação, é necessário conhecer a entrada u(t) e as condições iniciais:
y(t0 ), y 1 (t0 ), . . . , y N −1 (t0 )
supondo N ordem da equação e t0 instante inicial.
Mais ainda, é sabido que para cada conjunto de condições iniciais e uma entrada u(t), a saída é
univocamente determinada.
No caso dos sistemas discretos, as condições são similares e dadas as características algébricas
da equação, é possível obter a solução por operações sucessivas. Seja a equação:
F [y(n), y(n + 1), . . . , y(n + N ), u(n), u(n + 1), . . . , u(n + M ), n] = 0
e supõe-se que y(n + N ) é a solução única, isto é:
y(n + N ) = G [y(n), y(n + 1), . . . , y(n + N − 1), u(n), u(n + 1), . . . , u(n + M ), n]
onde T = (n0 , n0 + 1, . . .).
Usando a equação no tempo n0 temos:
y(n0 + N ) = G [y(n0 ), y(n0 + 1), . . . , y(n0 + N − 1), u(n0 ), u(n0 + 1), . . . , u(n0 + M ), n0 ]
ou seja, que y(n0 +N ) será determinada a partir da entrada e do conhecimento de y(n0 ),y(n0 +1)
até y(n0 + N − 1), ou seja, a saída nos N − 1 instantes anteriores. Conhecida y(n0 + N ) será possível
calcular y(n0 + N + 1) a partir do valor de y(n0 + N ) e assim sucessivamente.
Desta forma, para o caso de conhecer a condição inicial, a saída é única para uma dada entrada
e o sistema é dito ESM.
Proposição: Sistemas diferenciais ou à diferenças são sistemas ES e se transformam em sistemas

ESM quando são dadas as condições iniciais.
Causalidade: Dado um sistema ESM representado por uma equação diferencial do tipo:
" #
dN y(t) dy du dM u
= G y, , . . . , u(t), , . . . , ,t
dtN dt dt dtM
ele é sempre causal, pois a solução y(t) depende somente das condições iniciais e a entrada no
tempo t.
Já para o caso da equação à diferenças, existe uma condição a colocar para garantir a causalidade.
Assim a equação:
y(n + N ) = G [y(n), y(n + 1), . . . , y(n + N − 1), u(n), u(n + 1), . . . , u(n + M ), n]
representa o sistema causal se N ≥ M .
Observe que se M > N e G depende de maneira não trivial de
u(n + N + 1), u(n + N + 2), . . . , u(n + M )
então a saída solução no instante y(n + N ) dependerá da entrada em instantes posteriores a N .
Exemplo: Já vimos o exemplo do calculador de valor médio discreto.
Invariância no tempo
A invariância no tempo de um sistema representado por uma equação diferencial ou à diferenças,

pode ser detectada a partir da dependência direta com o tempo. Assim, se:
" #
dy(t1 ) dN y(t1 ) du(t1 ) dM u(t1 )
F y(t1 ), ,..., , u(t 1 ), . . . , , t1 =
dt dtN dt dtM
" #
dy(t2 ) dN y(t2 ) du(t2 ) dM u(t2 )
F y(t2 ), ,..., , u(t 2 ), . . . , , t2
dt dtN dt dtM
com:
(
y i (t1 ) = y i (t2 ) ∀ i = 0, 1, . . . , N
ui (t1 ) = ui (t2 ) ∀ i = 0, 1, . . . , M
t1 , t2 ε T , o sistema é invariante no tempo.
Da mesma forma para o caso discreto se n1 , n2 ε T e:
F (y0 , y1 , . . . , yN , u0 , u1 , . . . , uM , n1 ) = F (y0 , y1 , . . . , yN , u0 , u1 , . . . , uM , n2 )
Exemplo:
(1) Sistema variante no tempo representado por equações à diferenças: Caderneta de poupança
com taxa variável.
Sistema invariante: mesma caderneta com taxa constante.
(2) Sistema diferencial variante no tempo.

vR
R
u C vC
i
Figura 4.2: Circuito RC variante no tempo.
R é uma função do tempo, pois varia com a temperatura ambiente.
V = R(t)i(t) + vC (t)
1 Rt
e vC (t) = C 0 idt. Assim:
dvC (t)
V = R(t)C + vC (t)
dt
se vC = y e V = u, temos
dy(t) 1 1
= u(t) − y(t) t ε <
dt R(t)C R(t)C
Equação diferencial com coeficientes variáveis no tempo.
Linearidade
A linearidade de um sistema diferencial ou à diferenças, pode ser analisada através da linearidade

da própria equação. Para isso basta provar que a combinação linear de dois pares ES é também um
par ES do sistema.
Conclui-se que a representação destes sistemas é dada por equações diferenciais ou à diferenças
lineares.
Resumindo: No nosso curso trabalharemos basicamente com sistemas lineares, causais e invari-
antes no tempo e estes terão por representação, equações diferenciais ou à diferenças lineares e a
coeficientes constantes, além de N ≥ M .
Estas equações serão do tipo:
q0 y(n) + q1 y(n + 1) + · · · + qN y(n + N ) = p0 u(n) + p1 u(n + 1) + · · · + pN u(n + M )

dy dN y du dM u
q0 y(t), q1 + · · · + qN N = p0 u(t), p1 + · · · + pN M
dt dt dt dt
onde pi , qi são escalares constantes e t ε T ou n ε T .
Se definimos os polinômios:
Q(λ) = q0 + q1 λ + q2 λ2 + · · · + qN λN
P (λ) = p0 + p1 λ + p2 λ2 + · · · + pM λM
As equações podem ser escritas como:
Q(σ)y = P (σ)u σ = operador atraso
Q(D)y = P (D)u D = operador diferencial
isto é:
(
σy(n) = y(n + 1) n ε T
Dy(t) = dy
dt tεT
Sistemas Inicialmente em Repouso
Como já discutimos, a saída de um sistema diferencial/diferenças, depende da entrada aplicada

e das condições iniciais. Quando um sistema é tal que sua saída para uma entrada nula é nula,
diz-se que o sistema estava inicialmente em repouso.
Neste caso, como a condição inicial é nula, a relação entrada-saída será única, isto é, existe uma
única solução da equação diferencial ou à diferenças para cada entrada u.
Com isto o sistema é um sistema ESM e é chamado de sistema inicialmente em repouso. Ana-
lisaremos isto com detalhes no caso dos sistemas discretos (caso contínuo é conhecido de equações
diferenciais).
Seja a equação:
y(n + N ) = G [y(n), y(n + 1), . . . , u(n), u(n + 1), . . . , u(n + M ), n]

se o par (0, 0) é um par entrada-saída ES temos:
0 = G [0, 0, . . . , 0, n] ∀nεZ
porém será que 0 é a única resposta a uma entrada 0 ?
Considerando então a condição inicial nula:
y(n0 − N ) = y(n0 − N + 1) = · · · = y(n0 − 1) = 0
u(n0 − N ) = u(n0 − N + 1) = · · · = u(n0 − 1) = 0
para n0 ε Z e uma entrada u(n) = 0 para todo n ≥ n0 , por simples substituição na equação à
diferenças resulta y(n) = 0 ∀ n ≥ n0 .
Mais ainda, se algum u(n) 6= 0 para n ≥ n0 , então a saída será única e calculada pela relação
da equação.
Exemplo: Seja o sistema de primeira ordem (N = 1):
y(n + 1) = ay(n) + (1 − a)u(n + 1) n ε Z
Logo a condição inicial para o sistema no repouso em n0 :
y(n0 − 1) = 0 u(n0 − 1) = 0
Assim:
y(n0 ) = (1 − a)u(n0 )
y(n0 + 1) = a(1 − a)u(n0 ) + (1 − a)u(n0 + 1)
nX
0 +N
y(n0 + N ) = (1 − a) an0 +N −m u(m)
m=n0
que fica univocamente determinada conhecendo-se u(m) com m = n0 · · · n0 + N .
Proposição: Todo sistema inicialmente em repouso descrito por uma equação diferencial ou à dife-
renças linear com coeficientes constantes, é um sistema convolutivo.
Isto é claro pois sob estas condições o sistema é:

4.3. RESPOSTA NO TEMPO DE SISTEMAS A DIFERENÇA E DIFERENCIAIS INVARIANTES NO TEMP
(a) linear pelo fato de admitir representação por equação diferencial/à diferenças linear;
(b) invariante no tempo (pelos coeficientes constantes)
(c) ESM pois a relação entre entrada e saída é única.
Sistemas Amostrados
Estes sistemas representados por equações à diferenças podem ser analisados de igual forma que
os sistemas discretos usando como eixo dos tempos T = Z(T ).
No caso de sistemas invariantes no tempo, lineares, a equação é:
q0 y(t) + · · · + qN y(t + N T ) = p0 u(t) + · · · + pM u(t + M T ) t ε T
e usando os polinômios:
Q(λ) = q0 + q1 λ + · · · + qN λN
P (λ) = p0 + p1 λ + · · · + pM λM
temos:
Q(σ T )y = P (σ T )u σ op. atraso
Um sistema amostrado inicialmente em repouso define-se igual que no caso discreto e resulta
num sistema amostrado convolutivo.
4.3 Resposta No Tempo De Sistemas a Diferença e Diferenciais

Invariantes no Tempo e Lineares
Os sistemas que estudaremos serão representados por equações:
Q(σ)y = P (σ)u caso discreto
Q(D)y = P (D)u caso contínuo

e supõe-se que os coeficientes pM e qN não são nulos.
Considera-se o eixo dos tempos infinito ou semi-infinito direito, tanto para sistemas contínuos
como discretos.
Observa-se que para um dado sinal u aplicado a um sistema diferencial ou à diferenças, podemos
ter várias saídas y dependendo das condições iniciais. Isto implica que estes sistemas são ES mas
não ESM. Para conseguir esta condição deve ser fixado uma única condição inicial. Estudaremos
isto mais em detalhe.
Solução da Equação Homogênea
A equação homogênea do sistema é:
Q(σ)y = 0 ou Q(D)y = 0
e sua solução pode ser totalmente determinada a partir do cálculo das raízes características da
equação. Para o caso contínuo a solução é bem conhecida e ela é valida para eixo dos tempos finito
ou semi-infinito. Já no caso discreto é um pouco diferente.
Proposição:
(a) No eixo dos tempos semi-infinito direito, a equação homogênea Q(σ)y = 0 ou Q(D) = 0 tem
N soluções linearmente independentes y1 , . . . , yN chamadas de base de soluções. No caso
contínuo isto também vale para o eixo infinito.
Porém no eixo dos tempos infinito (T = Z), a equação homogênea Q(σ)y = 0 tem N0 soluções
linearmente independentes y1 , . . . , yN0 onde N0 é o números de raízes não nulas de Q(σ).
(b) Toda solução de Q(σ)y = 0 ou Q(D)y = 0 é uma combinação linear da base.
Uma forma de gerar a base de soluções é:
Caso contínuo: Montar
ti eλt , t ε Tcont , i = 0, 1, . . . , m − 1 para cada λ
onde λ é raiz de multiplicidade m de Q(D) = 0.
Caso discreto: Montar
ni λn , n ε Tdisc , i = 0, 1, . . . , m − 1 para cada λ
para cada λ 6= 0 raiz de multiplicidade m de Q(σ) = 0.

Para o caso Tdisc = {n0 , n0 + 1, . . .} = T + , devem acrescentar-se N − N0 soluções dadas por:
∆(n − n0 − i) i = 0, 1, . . . N − N0 − 1
onde (N − N0 ) é o número de soluções nulas de Q(σ) = 0
Observar:
(a) Estas bases não são únicas. Podem ser escolhidas de outra forma.
(b) no caso discreto aparecem soluções pulso unitário deslocados, se o eixo é semi-infinito. No caso
do eixo infinito elas se deslocam para o −∞ e não aparecem na solução.
(c) O conjunto de todas as soluções de eq. homogêneas reduz-se a:

( )
X
Y0 = y/y = αi yi ; αi ε C ∀ i
i
Exemplos:
(a) Suavizador exponencial.
y(n + 1) − ay(n) = (1 − a)u(n + 1) n ε T
Vamos supor que T = Z + e n0 = 0. Seja o polinômio Q(σ) = λ − a

Se a 6= 0 ⇒ única raiz λ = a ⇒ m = 1
Base de soluções: y = n0 λn = an
Solução geral yhom = αan
Comprovando:

αan+1 − a(αan ) = α an+1 − an+1 = 0
Se a = 0 ⇒ única raiz λ = 0 e m = 1
Base é: y = ∆(n − 0) = ∆(n)
Solução geral yhom = α∆(n)
Comprovando: y(n + 1) = α∆(n + 1) ∀ n ≥ 0
(b) Sistema de segunda ordem
y(n + 2) − y(n + 1) + ay(n) = bu(n) n ε Z +
Q(σ) = σ 2 − σ + a = 0
caso a = 0: σ 2 − σ = 0 ⇒ raízes λ = 0 e λ = 1
Base: λ = 1 → y1 = n0 λn = 1n = 1
λ = 0 → y2 = ∆(n)
Solução geral: yhom = α + β∆(n)
Comprovando:
α + β∆(n + 2) − α − β∆(n + 1) = 0
β [∆(n + 2) − ∆(n + 1)] = 0
válido para todo n ≥ 0 pois para que ∆(n + 2) 6= 0 ⇒ n = −2 e ∆(n + 1) 6= 0 ⇒ n = −1 está

fora do domínio considerado.
Caso a 6= 0 σ2 − σ + a = 0
(i) Pode ter raízes λ1 e λ2 diferentes (reais ou complexas conjugadas):
yhom = αλn1 + βλn2
(ii) Pode ter raízes reais e iguais λ1 = λ2 = λ = 0.5 e nesse caso a = 0.25.
yhom = αλn1 + βnλn1 = λn1 (α + βn)
Comprovando:
(i)
αλn+2
1 + βλn+2
2 − αλn+1
1 − βλn+1
2 + aαλn1 + aβλn2 = 0
   
αλn1 λ21 − λ1 + a + βλn2 λ22 − λ2 + a = 0

   
| {z } | {z }
0 0
(ii)
αλn+2
1 + β(n + 2)λn+2
1 − αλn+1
1 − β(n + 1)λn+1
1 + aαλn1 + aβnλn1 = 0
   

αλn1 λ21 − λ1 + a + βnλn1 λ21 − λ1 + a + βλn1 2λ21 − λ1  = 0
   
| {z } | {z }
0 =0
Para trabalhar com uma base de soluções reais quando Q(D) ou Q(σ) tem raízes complexas
conjugadas pode-se usar a seguinte proposição:
Proposição: Base de soluções reais
Se o polinômio Q(D) ou Q(σ) tem um par de raízes complexas conjugadas λ e λ com multipli-
cidade m, a equação homogênea terá 2m soluções reais dadas por:
Caso discreto
ni ρn cos(ψn) e ni ρn sin(ψn)
para i = 0, 1, . . . , m − 1 e ρ =| λ | e ψ = arg(λ)
Caso contínuo
ti eσt cos(ωt) e ti eσt sin(ωt)
para i = 0, 1, . . . , m − 1 e σ = Real [λ] e ω = Imag [λ]
Exemplo: Suponha um circuito RLC que tem uma equação diferencial de segunda ordem ⇒ Q(D) =
0 tem duas raízes que podem ser
(a) reais e diferentes
(b) reais e iguais
(c) complexas conjugadas
As soluções podem ser plotadas no tempo e têm a forma:

γ1 γ2
e λ1t e λ2t
t t
γ1 γ2
t e λ1t
e λ1t
t t
γ1 γ2
e τt cos(ωt) e τt sen(ωt)
t t
Figura 4.3: Base de soluções do sistema de segunda ordem.
Solução Particular
A solução particular da equação diferencial ou à diferenças é calculada como qualquer saída y

que verifique a equação para uma dada entrada.
y = ypart se dado u
(
Q(D)ypart = P (D)u
Q(σ)ypart = P (σ)u
As soluções particulares são achadas por cálculo direto e em geral para os casos mais comuns é
simples achá-las.
Exemplo: Solução particular para entrada constante.
dy
+ y = 2u u = 2 ∀ t
dt
dy0
Propomos saída constante y = y0 , então dt = 0; assim y0 = 2u0
Solução Geral A solução geral da equação é y = yhom + ypart . De forma geral, lembrando como
calcular yhom tem-se que a solução geral para uma entrada u é:
( )
X
Yu = y/y = ypart + αi yi αi ε C ∀i
i
Em geral os parâmetros αi são escolhidos para satisfazer N condições de contorno (condições

iniciais por exemplo).
Exemplo: Suavizador exponencial
Suponhamos uma entrada constante
u = 1 n = 0, 1, 2, . . .
Dada a equação:
y(n + 1) − ay(n) = (1 − a)u(n + 1) a 6= 0
usaremos solução particular y = y0 constante.
y0 − ay0 = 1 − a ⇒ y0 = 1
logo a sol. geral é:
y = yhom + 1 = αan + 1 n = 0, 1, . . .
Colocando como condição inicial y(0) = 0 temos:
y(0) = αa0 + 1 = 0 ⇒ α = −1
Logo a solução é: y(n) = 1 − an n = 0, 1, . . .
Solução de equações a diferença de Sistemas Amostrados

Da mesma forma que no caso discreto,

a solução é diferente se o eixo dos tempos é finito ou
T
infinito. A equação homogênea Q σ y = 0 com grau de Q = N terá uma base de N soluções se
o eixo
T = T+ = {t0 , t0 + T, . . .}

e de N0 soluções se o eixo T = T∞ = Z(T ). (com N0 número de raízes não nulas de Q σ T = 0)
Para as raízes não nulas com multiplicidade m as soluções são:
(t/T )i λt/T t ε T i = 0, 1, . . . , m − 1
No eixo T+ temos ainda as soluções correspondentes a λ = 0
1
∆(t − t0 − iT ) t ε T+ i = 0, 1, . . . , N − N0 − 1
T
A solução geral é: y = yhom + ypart e a ypart é calculada como nos outros casos.
4.4 Sistemas a diferença ou diferenciais, invariantes no tempo e

inicialmente em repouso
Como já vimos, neste caso os sistemas são convolutivos e vale que y = h ∗ u onde h é a resposta
impulsiva.
Vejamos como relacionar h com o conjunto de soluções da equação. Pela definição, h é a saída para
entrada ∆ ou δ. Se a entrada é não nula somente em t = 0, então como o sistema está inicialmente
em repouso, y(t) = 0 ∀ t < 0.
Além disso, como para n > 0, ∆(n) = 0 (t > 0, δ(t) = 0) a saída y(t) será somente a solução
homogênea. Assim pode-se provar que:
N
X −N
MX
h(n) = αi yi (n − 1)1(n − 1) + βi ∆(n + i)
i=1 i=0
XN −N
MX
h(t) = αi yi (t)1(t) + βi δ (i) (t)
i=1 i=0
onde yi são os elementos da base de soluções da equação homogênea e os sinais ∆ e δ aparecem no

caso onde N ≤ M .
4.4. SISTEMAS A DIFERENÇA OU DIFERENCIAIS, INVARIANTES NO TEMPO E INICIALMENTE EM R
Observa-se que no caso de N ≤ M as saídas solução dependerão das derivadas da entrada δ(t)
ou dos deslocamentos dos ∆(n). No caso N > M estas respostas desaparecem.
Nas aplicações reais os sistemas físicos sempre têm N > M e portanto não há componentes impul-
sivas na resposta ao impulso h.
Exemplo 1: Sistema de Primeira Ordem
y(n + 1) + 0.5y(n) = 3u(n)
Dado que M = 0 e N = 1 temos a expressão de h(n):
1
X
h(n) = αi yi (n − 1)1(n − 1) = α1 y1 (n − 1)1(n − 1)
i=1
onde y1 (n) = (−1/2)n . Assim h(n) = α1 (−1/2)n−1 . Logo, usando uma entrada pulso no sistema
teremos como saída a própria h(n), que verifica:
h(n + 1) + 0.5h(n) = 3∆(n)
resolvendo a igualdade para n = −1 e n = 0 temos:
h(0) = 0 e h(1) = 3.
Assim obtemos o valor de α1 = 3.
Exemplo 2: Sistema de Segunda Ordem
1 5
y(1n) − y(n + 1) + y(n + 2) = u(n + 3)
6 6
1
onde Q(λ) = 6 − 56 λ + λ2 e P (λ) = λ3 ou seja, N = 2 e M = 3
Inicialmente calcularemos a base da homogênea para obter a forma de h(n) e logo usando u = ∆
encontraremos para diferentes valores de n as relações necessárias para achar seus parâmetros.
A solução da homogênea é:
y(n) = α1 (1/2)n + α2 (1/3)n

Assim:
h(n) = α1 (1/2)n−1 1(n − 1) + α2 (1/3)n−1 1(n − 1) + β0 ∆(n) + β1 ∆(n + 1)
Para determinar os valores de α e β consideramos a igualdade:
5 1
h(n + 2) − h(n + 1) + h(n) = ∆(n + 3)
6 6
e a resolvemos para os valores n = −3, −2, −1, 0, encontrando um sistema de equações nas variáveis
desejadas. Assim: β1 = 1 e β0 = 5/6
por outro lado: α1 + α2 = 19/36 e 3α1 + 2α2 = 65/36
Resolvendo o sistema anterior obtém-se h(n):
h i
h(n) = (3/4)(1/2)n−1 − (2/9)(1/3)n−1 1(n − 1) + 5/6∆(n) + ∆(n + 1)
Exemplo: Caso contínuo. Circuito RLC com entrada, V , e saída, a tensão da bobina:
y
R
u i
C
Figura 4.4: Circuito RLC com saída na bobina.
d2 y R dy 1 d2 u
+ + y =
dt2 L dt LC dt2
h(t) é a resposta ao impulso δ(t) com o sistema em repouso. Logo h(t) = 0 ∀ t < 0. Além disso:
d2 y R dy 1
2
+ + y = δ 2 (t)
dt L dt LC
Como M − N = 0 temos a seguinte forma de h(t):
h(t) = h0 (t)1(t) + βδ(t)

onde h0 (t) é a solução da homogênea e β uma constante.
Calculando
dh dh0 (t)
= 1(t) + h0 (t)δ(t) +βδ (1) (t)
dt dt | {z }
h0 (0)δ(t)
d2 h d 2 h0 dh0
2
= 2
1(t) + (t)δ(t) +h0 (0)δ (1) (t) + βδ (2) (t)
dt dt | dt {z }
dh0
dt
(0)δ(t)
Substituindo na equação obtemos:
d 2 h0 dh0
2
1+ (0)δ(t) + h0 (0)δ (1) (t) + βδ 2 (t)+
dt dt
R dh0 1

1 + h0 (0)δ(t) + βδ (1) + [h0 1(t) + βδ(t)] = δ (2) (t)
L dt LC
Igualando em δ, δ 1 , δ 2 e 1 temos:
dh0 (0) R 1
Em δ: dt + L h0 (0) + LC β =0
Em δ (1) : h0 (0) + β R
L =0
Em δ (2) : β = 1
d2 h0 R dh0 1
Em 1(t): dt2
+ L dt + LC h0 = 0 que é a própria equação homogênea.
Assim, obtemos:

 β
 =1
h0 (0) = −RL
dh0 (0) 1 R2 C
= − LC 1−


dt L
Com isto obtivemos as condições iniciais para o cálculo final de h0 (t) como combinação de
soluções da base. Vamos supor por exemplo que L = 1, R = 2, C = 1.
dh0 (0)
Assim, β = 1; h0 = −2; dt =3
A solução de Q(λ) = 0 ⇒ λ2 + 2λ + 1 = 0 λ = −1 raíz dupla
h0 (t) = α1 e−t + α2 te−t

h0 (0) = α1 = −2
dh0
(0) = −α1 + α2 = 3 ⇒ α2 = 1
dt
Logo h(t) = (t − 2)e−t 1(t) + δ(t)
Solução particular. Relação com a resposta impulsiva
Conhecida a resposta impulsiva do sistema é possível calcular as soluções particulares da equação

de forma geral, tanto para sistemas contínuos como discretos, representados por equações a coefi-
cientes constantes.
Proposição
Seja h a resposta impulsiva e Q(D)y = P (D)u, Q(σ)y = P (σ)u as equações a coeficientes

constantes. Assim:
a) No eixo de tempos infinito Z ou < a solução particular é
ypart = h ∗ u se existe
b) No eixo de tempos semi-infinito T+ n ≥ n0 ou t ≥ t0 a solução particular coincide com
ypart = h ∗ u+ se existe
onde
(
u t ≥ t0 , n ≥ n 0 n ε Z
u+ =
0 t < t 0 , n < n0 t ε <
c) Se a convolução não existe calcula-se:
!
X
ypart = h+ αi yi ∗ u (ou u+ )
i
onde yi é a base de soluções.

Prova: Provaremos o caso (c) com tempo discreto e semi-infinito. Os outros casos são similares.
Provaremos que ypart definida como em (c) é solução da equação:
! !
X X
Q(σ)ypart = Q(σ) h + αi yi ∗ u+ = Q(σ)h + Q(σ) αi yi ∗ u+
i i
Como yi são soluções da homogênea Q(σ)yi = 0 ∀ i e então
Q(σ)ypart = (Q(σ)h) ∗ u+
Como h é a resposta impulsiva Q(σ)h = P (σ)∆ e assim
Q(σ)ypart = (P (σ)∆) ∗ u+ = P (σ) (∆ ∗ u+ ) = P (σ)u+
o que indica que ypart é solução para entrada u+ .
Solução geral: A solução geral é
y = ypart + yhom
e então y = h ∗ u + yhom e como h ∗ u corresponde à resposta do sistema inicialmente em repouso,

yhom corresponde a resposta do sistema para entrada zero
y = yinic. em repouso + yentrada zero
Exemplo: Vejamos um sistema que permita analisar os diferentes casos da proposição.
Seja o suavizador exponencial
y(n + 1) = ay(n) + (1 − a)u(n + 1) a 6= 0
Lembremos que a base de soluções é y1 = an e que
h(n) = (1 − a)an 1(n) n ε Z
Interessa calcular uma solução particular para entrada

u(n) = 1 ∀ n ε Z
e estudar o problema quando varia a e o suporte dos sinais.
a) Suporte semi-infinito: T = T+ = {n0 , n0 + 1, . . .}

Assim
(
1 ∀ n ≥ n0
u+ =
0 ∀ n < n0
∞
X
ypart (n) = h(n) ∗ u+ = h(n − m)u+ (m)
m=−∞
∞
X
= (1 − a)an−m 1(n − m)u+ (m)
m=−∞
∞
X
ypart = (1 − a) an−m 1(n − m)
m=n0
se n ≥ n0
n
X
ypart = (1 − a) an−m = 1 − an−n0 +1
m=n0
e se n < n0
n − m < 0 ∀ m ⇒ 1(n − m) = 0
Logo a solução total da equação é:
y = 1 − an−n0 +1 + αan−n0 α cte n ≥ n0
b) Se T = Z e | a |< 1
∞
X
ypart (n) = (1 − a)an−m 1(n − m) = lim 1 − an−n0 +1 = 1
n0 → −∞
m=−∞
logo y = 1 − αan nεZ

4.5. ESTABILIDADE DE SISTEMAS DIFERENCIAIS/À DIFERENÇAS 85
c) Se T = Z e | a |≥ 1 a convolução não existe e temos que usar o item (c) da proposição.

∞
X
(1 − a)an−m 1(n − m) + βan−m

ypart (n) =
m=−∞
pois u(n) = 1 ∀ n ε Z. Para que este somatório exista, temos que eliminar o termo an .
Escolhendo β = a − 1 temos:
n
X ∞
X ∞
X
ypart = (1 − a)an−m − (1 − a)an−m = (a − 1)an−m
m=−∞ m=−∞ m=n+1
fazendo k = n − m
−1
ak = lim 1 − a−n = 1
X
ypart = (a − 1)
n→∞
k=−∞
Logo ypart = 1 ⇒ y = 1 − αan
Observar: A equação tem solução particular yp = 1 ∀ a pois
y(n + 1) − ay(n) = yp (1 − a) = (1 − a)u = 1 − a ⇒ yp = 1
Sistemas à diferenças amostrados - Resposta impulsiva e solução particular
Para completar este item colocaremos a relação entre solução particular e resposta impulsiva
para sistemas amostrados no eixo Z(T ), inicialmente em repouso e com equação:

Q σT y = P σT u
vale que:
N −N
MX
t + iT
X
h(t) = αi yi (t − T )1(t − T ) + βi ∆
i=1 i=0
T
onde yi é a base de soluções e αi , βi constantes.
4.5 Estabilidade de Sistemas Diferenciais/à diferenças
Neste ítem estudaremos a estabilidade dos sistemas representados por equações diferenciais ou à
diferenças relacionando esta propriedade com as características das equações.
Definição 24 Pólos e Zeros
Considera-se um sistema diferencial ou à diferenças com coeficientes constantes.
Q(σ)y = P (σ)u ou Q(D)y = P (D)u
As raízes do polinômio Q(λ) são chamadas de raízes características do sistema. Se agora P e Q

não são coprimos, existem P 0 e Q0 coprimos entre si e resultado do cancelamento de raízes comuns
a P e Q. Logo, pólos do sistema são as raízes de Q0 e zeros do sistema as raízes de P 0 .
Nota-se: H = P/Q = P 0 /Q0 é uma função racional que representa ao sistema (veremos no
capítulo 6 como função de transferência).
H → ∞ nos pólos do sistema H → 0 nos zeros do sistema
Equação diferencial do sistema motor:
d2 ω dω
+ − 2ω = 3u
dt2 dt
Q(λ) = λ2 + λ − 2 P (λ) = 3
Pólos: λ = 1, λ = −2
Zeros: não tem
Qual é a relação dos pólos e zeros com a estabilidade?
Estabilidade ELSL
Como já estudamos nos ítens anteriores, a solução de um sistema linear invariante no tempo é
calculada como:
y = yinic. em repouso + yentrada zero
Vejamos como cada uma destas partes se relacionam com os pólos e zeros do sistema.
Sistemas inicialmente em repouso

Proposição: Estabilidade - ELSL. Repouso inicial.
Considera-se o sistema representado por:
DISC: Q(σ)y = P (σ)u
CONT: Q(D)y = P (D)u
então ele é ELSL estável sse:
DISC: Todos os pólos têm módulo < 1.
CONT:
• Todos os pólos têm parte real negativa
• o grau (P ) ≤ grau (Q)
Nota: A resposta impulsiva do sistema nestas condições é:
DISC:
N
X −N
MX
h(n) = αi yi (n − 1)1(n − 1) + βi ∆(n + i)
i=1 i=0
onde yi (n) = λni e λi é raiz de Q(λ). Logo se os | λi |< 1 → a resposta impulsiva terá ação finita
e o sistema é ELSL-estável. Pode-se provar ainda que os λi que aparecem em h(n) são apenas os
pólos e não todas as raízes de Q(λ).
No caso contínuo, a condição é colocada na parte real do polo, pois é esta que determina se a
exponencial é crescente ou decrescente. Já a condição na ordem dos polinômios P e Q, deve-se a
aparição de derivadas de funções delta na h(t) dada por:
N
X −N
MX
h(t) = αi yi (t)1(t) + βi δ (i) (t)
i=1 i=0
que fazem a ação de h(t) → ∞.
Caso contínuo:
y (2) (t) + y (1) (t) − 2y(t) = u(2) (t) + 2u(1) (t) − 3u(t)
Para comprovar se o sistema é estável, basta calcular:

Q(D) = λ2 + λ − 2 → λ1 = 1 λ2 = −2
P (D) = λ2 + 2λ − 3 → λ1 = 1 λ2 = −3
Logo Pólos: {−2} e Zeros: {−3}
Como M = N e os pólos tem parte real negativa, o sistema é ELSL-estável. Observa-se que
λ1 = 1 raiz da equação característica Q(D) não aparece como pólo e a pesar de ter parte real
positiva, a estabilidade não é comprometida. De fato e+t não aparece na resposta impulsiva do
sistema que vale:
h(t) = δ(t) + e−2t 1(t) t ε <
Provaremos que et não aparece em h(t) (calculando-a):
2
X 0
X
h(t) = αi yi (t)1(t) + βi δ (i) (t) = α1 y1 (t)1(t) + α2 y2 (t)1(t) + β0 δ(t)
i=1 i=0
e onde y1 (t) = et e y2 (t) = e−2t
α1 , α2 e β0 devem ser calculados.
Chamando h(t) = h0 1(t) + β0 δ(t) temos:
dh dh0
= 1(t) + h0 δ(t) +β0 δ (1) (t)
dt dt | {z }
h0 (0)δ(t)
d2 h d2 h 0 dh0
= 1(t) + δ(t) +h0 (0)δ (1) (t) + β0 δ (2) (t)
dt2 dt2 dt
| {z }
dh0 (0)
dt
δ(t)
Substituindo e igualando nos termos 1, δ, δ (1) e δ (2) :
d2 h0 dh0
+ − 2h0 = 0 em 1(t)
dt2 dt
dh0
2 (0) + h0 (0) − 2β0 = −3 em δ(t)
dt
h0 (0) + β0 = 2 em δ (1) (t)
β0 = 1 em δ (2) (t)
dh0
h0 (0) = 1 (0) = −2
dt
Com estas condições:
h0 (t) = α1 et + α2 e−2t
h0 (0) = α1 + α2 = 1 α1 = 1 − α2
dh0
(0) = α1 e0 − 2α2 e0 = α1 − 2α2 = −2
dt
Logo α1 = 0, α2 = 1 e h(t) resulta
h(t) = e−2t 1(t) + δ(t)
Resposta à entrada zero
Neste caso preocupa-nos somente a solução da equação homogênea.
Proposição: Limitação e convergência da resposta a entrada zero.
• As condições necessárias e suficientes para que o sistema homogêneo Q(σ)y = 0 (Q(D)y = 0)

tenha solução limitada para todo tempo maior que um dado instante t0 :
1. Todas as raízes da equação característica devem ter módulo < 1 (parte real negativa)
2. Toda raiz com módulo 1 (parte real nula) deve ter multiplicidade 1
• As condições necessárias e suficientes para que toda solução do sistema homogêneo Q(σ)y = 0
(Q(D)y = 0) convirja para zero quando o tempo vai para infinito limt→∞ y = 0 é que todas
as raízes tenham módulo menor do que 1 (parte real negativa)
Prova: Como a solução da homogênea é:
N
X
yhom = αi yi
i=1
e cada yi = ni λn i = 1 . . . k − 1 (disc) ou yi = ti eλt i = 1 . . . k − 1 (cont) então para que y seja

limitado, cada yi deve ser limitada.
| λ |≤ 1 se k = 1 ou | λ |< 1 se k > 1 (disc)
Re(λ) ≤ 0 sek = 1 ou Re(λ) < 0 se k > 1 (cont)
e para convergência a zero:
lim yi = 0 ⇒| λ |< 1 ou Re(λ) < 0

t→∞
Exemplo: Para a equação
y (2) + y (1) − 2y = u(2) + 2u(1) − 3u
vimos que a solução homogênea é:
y(t) = α1 et + α2 e−2t
com isso como Re(1) > 0 ⇒ limt→∞ y(t) = ∞ e a saída não é convergente.
A partir destes dois resultados podemos analisar a estabilidade ELSL de um sistema ES. Veremos
que para estes sistemas a definição da estabilidade ELSL difere do caso de sistemas convolutivos.
Definição 25 Estabilidade ELSL para sistemas ES
Um sistema ES (monovariável) definido para t ε T é estável ELSL se para todo par entrada-saída
(u,y):
|| u ||∞ < ∞ ⇔ || yθ ||∞ < ∞ ∀ θ ε T

onde
(
y(t) ∀ t ≥ θ
yθ (t) =
0 em outro caso
Nota-se: A solução homogênea diferencia o sistema convolutivo do ES e por tanto dela depende
esta definição. Observe que eλt → ∞ se t → −∞ para Re(λ) < 0.
Exemplo: Suavizador exponencial.
y(n + 1) = ay(n) + (1 − a)u(n + 1) nεZ
Lembrando que h(n) = (1 − a)an 1(n) podemos colocar para | a |< 1 que:
y(n) = yp + yh = h(n) ∗ u(n) + αan
que tem yp limitada e αan limitada para n ≥ n0 .
Porém se n → −∞ ⇒ αan → ∞.
A partir destes resultados podemos então estabelecer as condições necessárias e suficientes para
estabilidade ELSL de sistemas ES diferenciais ou à diferenças com coeficientes constantes.
Proposição: As condições N e S para que um sistema ES descrito por
Q(σ)y = P (σ)u (Q(D)y = P (D)u)
seja ELSL-estável são:
• Todos os pólos tem módulo < 1 (parte real negativa)
• Não existe cancelamento de raízes com módulo > 1 (parte real positiva) de Q e P
• Toda raiz cancelada com módulo 1 (parte real nula) deve ter multiplicidade 1
• No caso contínuo deve valer N ≥ M
Exemplo: O exemplo da equação diferencial:
y (2) + y (1) − 2y = u(2) + 2u(1) − 3u

que era ELSL-estável quando inicialmente em repouso (pois h(t) = δ(t) + e−2t 1(t) tem ação finita)
não é ELSL-estável considerando a solução completa:
y(t) = h ∗ u + α1 et + α2 e−2t
pois o termo α1 et → ∞ quando t → ∞
Aplicando a proposição, vemos que existe uma raiz (λ = 1) cancelada com parte real positiva.
ESTABILIDADE-Entrada Convergente - Saída Convergente (ECSC)
Como já comentamos, existem diversas definições diferentes de estabilidade. Uma definição mais
restrita é a de estabilidade ECSC que exige que quando a entrada u(t)t→∞ → 0 a saída y(t)t→∞ → 0
Definição 26 Estabilidade ECSC

Sejam (u1 , y1 ) e (u2 , y2 ) dois pares ES do sistema definidos em T e tais que k u1 − u2 k∞ < ∞. Logo
o sistema é estável ECSC se:
k (y1 − y2 )θ k∞ < ∞ ∀ θ ε T
e
| u1 (t) − u2 (t) |t→∞ → 0 ⇒ | y1 (t) − y2 (t) |t→∞ → 0
Sinal
u1
u2
Sinal y1
y2
t
Figura 4.5: Estabilidade ECSC.
Por que é uma definição mais restrita?
Observa-se que um sistema ELSL estável não precisa ter saída y(t)t→∞ → 0 quando u(t)t→∞ → 0
pois basta que || y(t) ||∞ < ∞. De forma inversa, todo sistema ECSC estável será ELSL estável
pois basta usar u2 = 0 na definição. Porém no caso de sistemas convolutivos isto é verdade, pois a
relação única entre entrada e saída garante que | y1 − y2 |t→∞ → 0 se | u1 − u2 |t→∞ → 0.
Proposição: Sistemas convolutivos estáveis.
Um sistema convolutivo (cont. ou disc.) é ELSL-estável SSE é ECSC-estável.
Para sistemas diferenciais ou à diferenças com coeficientes constantes e com resposta impulsiva
de ação limitada h temos:
• entradas u1 e u2 geram y1 e y2
• y1 − y2 = h ∗ (u1 − u2 ) +
P
i αi yi
Para (u1 − u2 )t→∞ → 0 , h ∗ (u1 − u2 )t→∞ → 0, e para que (y1 − y2 )t→∞ → 0, é necessário que
X
αi yi → 0 para t → ∞
i
Para isso, todas as raízes da equação característica do sistema devem ter parte real negativa
(cont) ou módulo menor que 1 (disc). Formalizaremos o resultado:
Proposição: Estabilidade ECSC de sistemas diferenciais.
As CNeS para que o sistema ES descrito pela equação
Q(σ)y = P (σ)u (Q(D)y = P (D)u)
seja ECSC-estável são:
• Que as raízes de Q(λ) tenham módulo < 1 (parte real negativa)
• No caso contínuo, grau P ≤ grau Q
Observações:
• as condições da proposição são as mesmas que as obtidas para que a resposta de sistemas a
entrada zero seja convergente. Isto pois, a solução particular converge a zero quando a entrada
o faz.
• o diagrama da figura 4.6 explica as relações entre as diferentes condições de estabilidade e a

posição das raízes no plano complexo.
DISCRETO CONTINUO
ECSC
estavel
ELSL
estavel
- Polos ELSL estavel

inicialmente em repouso
- Zeros
Imaginario
Circulo unitario
Real
Figura 4.6: Diagrama pólo-zero para estudo da estabilidade.

4.6. RESPOSTA EM FREQÜÊNCIA DE SISTEMAS DIFERENCIAIS/À DIFERENÇAS 95
4.6 Resposta Em Freqüência De Sistemas Diferenciais/à diferenças
Como já estudamos no capítulo 3, a resposta em freqüência de um sistema convolutivo é obtida

através da aplicação de entradas harmônicas. Lembrando que se h tem ação finita, então calcula-se:
∞
h(n)e−j2πf n
X
ĥ(f ) = f ε<
n=−∞
Z ∞
ĥ(f ) = h(t)e−j2πf t dt f ε <
−∞
Por outro lado os pares entrada-saída se relacionam por:
u(n) = ej2πf n y(n) = ĥ(f )ej2πf n nεZ
u(t) = ej2πf n y(t) = ĥ(f )ej2πf t tε<
Veremos agora como para sistemas diferenciais ou à diferenças inicialmente em repouso, a função
ĥ(f ) pode ser calculada diretamente das equações Qy = P u.
Proposição: Sistemas inicialmente em repouso - Resposta ĥ(f ).
A resposta em frequência ĥ(f ) do sistema Qy = P u inicialmente em repouso, existe SSE os

pólos do sistema tem parte real negativa (ou módulo menor que 1) e é dada pelas expressões:
caso discreto

P ej2πf
ĥ(f ) = f ε<
Q (ej2πf )
caso contínuo
P (j2πf )
ĥ(f ) = f ε<
Q (j2πf )
Prova: caso contínuo (caso discreto é igual)
a) Existência:
Lembrando que
N
X −M
NX
h(t) = αi yi 1(t) + βi δ (i)
i=1 i=0
onde as soluções yi da base são
yi = tki eλi t tε<
e os λi são apenas os pólos do sistema.

Necessidade: ĥ(f ) existe → pólos com parte real negativa.
∞
R
Supondo que existe ĥ(f ) e algum pólo tem parte real positiva. Então a integral −∞ h(t)dt
será não convergente e portanto ĥ(f ) não pode existir (no sentido estrito da palavra).
Suficiência: pólos com parte real negativa → ĥ(f ) existe.
R∞
Se os Re(λi ) < 0 → −∞ h(t)dt converge e ĥ(f ) existe.
b) Cálculo:
Sabemos que se
u = ej2πf t → y = y0 ej2πf t
onde y0 = ĥ(f ). Se substituímos na equação Qy = P u e lembramos:

dn j2πf t
e = (j2πf )n ej2πf t ∀ n = 0, . . . , M
dtn
a equação transforma-se em:
Q(j2πf )y0 ej2πf t = P (j2πf )ej2πf t tε<
e isto implica
P (j2πf )
y0 = ĥ(f ) =
Q(j2πf )
Exemplos:
a) Lembremos da equação do sistema de aquecimento de água

dT
+ αT = βP α > 0, β > 0
dt
onde α e β são constantes, T a temperatura e P a potência elétrica.
Assim P (λ) = β, Q(λ) = λ + α e o pólo é −α < 0. Logo
β
ĥ(f ) =
j2πf + α
que é a mesma função achada no exemplo do capítulo 3.
b) Suavizador exponencial
y(n + 1) − ay(n) = (1 − a)u(n + 1) n ε Z
Assim P (λ) = (1 − a)λ, Q(λ) = λ − a e o pólo é a, | a |< 1 para existência.
(1 − a)ej2πf 1−a
ĥ(f ) = =
e j2πf −a 1 − ae−j2πf
Idem exemplo capítulo 3.
Pólos fora do círculo unitário - parte real positiva
É claro que quando os pólos tem módulo maior ou igual a 1 (parte real positiva ou nula),
a função ĥ(f ) não existe no sentido generalizado. Para conseguir calcular esta função é preciso
aplicar o método generalizado de ĥ(f ). Veremos isto nos próximos capítulos.
Resposta em regime permanente e transitório a entradas harmônicas
Proposição: A saída de um sistema ECSC estável a coeficientes constantes e resposta em fre-

qüência ĥ(f ) para uma entrada:
a) harmônica complexa
u(t) = u0 ej2πf t tεT
b) harmônica real
u(t) = u0 cos(2πf t + φ) t ε T
tem a forma y(t) = yregime permanente + ytransitoria
A saída em regime permanente vale:
a) yreg. perm. (t) = ĥ(f )u0 ej2πf t no caso complexo.
b) yreg. perm. (t) =| ĥ(f ) | u0 cos (2πf t + φ + ψ(f )) no caso real. ψ(f ) é a fase de ĥ(f )
e ytransitoria é a solução da equação homogênea que tem a propriedade ytransitoria → 0 quando t →

∞.
Prova: Provaremos para o caso complexo.
A solução y(t) estará composta pela solução da homogênea mais uma particular. Como o sistema
é estável ECSC, sabe-se que yhom → 0 quando t → ∞. A solução particular pode ser calculada
usando uma função de mesma freqüência da entrada. Usando então:
yreg. perm. (t) = ĥ(f )u0 ej2πf t
tem-se
Q(D)yreg. perm. = Q(D)ĥ(f )u0 ej2πf t = ĥ(f )u0 Q(D)ej2πf t
Logo
ĥ(f )u0 Q(D)ej2πf t = u0 P (D)ej2πf t
P (D)ej2πf t P (j2πf )
ĥ(f ) = =
Q(D)ej2πf t Q(j2πf )
Comentários:
A saída do sistema a uma entrada senoidal real, por exemplo, será então, no regime permanente,
a mesma senóide defasada e amplificada. Para atingir este regime permanente, a resposta passa por
um transitório de senóides deformadas e que tendem assintóticamente à senóide final.
Exemplo: Circuito RC
vR
R
v~ C vC
i
Se Vc = y e V = u temos:
dy 1 1
+ y= u
dt RC RC
Lembrando
1
ĥ(f ) = f ε<
1 + j2πRCf
Supondo u(t) = u0 cos 2πf0 t t ≥ 0 f0 > 0 temos:
1
ĥ(f0 ) = q
4π 2 f02 R2 C 2 + 1
ψ0 = − arctan(2πf0 RC)
−t/RC
y(t) = ĥ(f0 ) u0 cos (2πf0 t + ψ0 ) + αe
| {z }
| {z } transitorio
permanente
α depende das condições iniciais.
-1
Regime transitorio "quase" permanente
Figura 4.8: Resposta do sistema ao seno.
Resposta em freqüência de sistemas amostrados
A resposta em freqüência do sistema dado por Q(σ T )y = P (σ T )u para t ε Z(T ), existe SSE
todos os pólos do sistema tem módulo menor que 1. Esta função ĥ(f ) é dada por:

P ej2πf t
ĥ(f ) = f ε<
Q (ej2πf t )
Exemplo: Suponha o seguinte sistema de controle de temperatura de um forno.
Como se deseja aplicar uma lei de controle através de um computador, os sinais de entrada P
e de saída Te são amostrados com período T . Desta forma é necessário conhecer as equações à
P Te
Figura 4.9: Controle de temperatura de um forno.
diferenças amostrada do sistema. Deseja-se ainda conhecer a resposta em freqüência do sistema.

Lembrando o modelo contínuo
dTe
+ αTe = βP
dt
ou seja (D + α)Te = βP . Assim
Q(λ) = λ + α P (λ) = β
Achando o modelo amostrado temos:

Q σ T y(t) = P σ T u(t)
com Q(λ) = λ − e−αT e P (λ) = λβ.
Observação: o sistema tem acoplado o sustentador de ordem 0. Veremos isto nos capítulos finais.
Logo:

P ej2πf T βej2πf T
ĥ(f ) = =
Q (ej2πf T ) ej2πf T − e−αT
P(kT) Sustentador de P(t) Te(t) Te (kT)

Forno
ordem 0
Figura 4.10: Diagrama do forno com amostrador.

Capítulo 5
Sistemas Descritos por Equações de

Estado
5.1 Introdução
Nos capítulos anteriores, estudamos sistemas através de sua representação entrada-saída, isto é,
conhecíamos apenas uma relação entre variáveis u e y do diagrama de blocos:
u y
SISTEMA
Figura 5.1: Representacao entrada saida.
Este tipo de representação pode ser obtido a partir do conhecimento da dinâmica do sistema
(equações diferenciais ou a diferenças), mas também a partir de ensaios práticos no domínio do
tempo ou da frequência.
Quando interessa representar o sistema através de equações que mostrem a sua "dinâmica
interna"deve-se utilizar uma outra representação chamada de representação de estados. Assim
um sistema contínuo será representado pelas suas equações diferenciais de estados e um sistema
discreto pelas suas equações a diferenças de estado.
Neste capítulo estudaremos as propriedades deste tipo de representação e consideraremos sempre

sistemas monovariáveis.
5.2 Representação de Estados
Noção de estado: A representação entrada-saída de um sistema está dada por uma lei que
relaciona estes dois sinais. Sabemos, a partir do estudo nos capítulos 3 e 4, que para conhecer a
saída y(t) para todo tempo t ≥ t0 , precisávamos conhecer a entrada u(t) ∀ t. Isto pois a entrada
101
102 CAPÍTULO 5. SISTEMAS DESCRITOS POR EQUAÇÕES DE ESTADO
u(t), ∀ t < t0 permitirá determinar as condições iniciais do sistema. Assim se não conhecemos a
condição inicial e a entrada, não podemos encontrar y(t) para t > t0 . O conhecimento do sistema
num dado instante é chamado de estado do sistema. Assim, conhecendo o "estado"em que o sistema
se encontra em t = t0 e a entrada aplicada para t ≥ t0 , é possível determinar y(t) ∀ t > t0 .
Na prática este conceito surge do próprio estado físico de um sistema. Vejamos , por exemplo,
o caso de um automóvel.
Exemplo: Automóvel linearizado.
Equação dinâmica:
dv
M + Bv = CF
dt
Então se o objetivo é conhecer a velocidade do automóvel para todo t ≥ t0 sendo que se aplica
uma forca F (t) ∀ t ≥ t0 . É dado que devemos conhecer o valor de v(t0 ). Este valor de v(t0 ) é o
estado inicial.
Já se interessa também conhecer a posição do automóvel no tempo, então acrescentamos v = de dt

ao nosso sistema de equações. Agora para conhecer e(t) ∀ t ≥ t0 é necessário conhecer F (t) ∀ t ≥ t0
e o estado inicial do automóvel dado por e(t0 ), v(t0 ).
Observa-se então que nosso sistema tem duas equações dinâmicas que podem ser colocadas como:
(
de
dt = v
dv B
dt = −M v + CF/M
com t ≥ t0 ou vetorialmente:
" # " #" # " #

d e 0 1 e 0
dt = + F
v 0 −B/M v C/M
Esta equação é chamada de equação diferencial de estado do sistema. Isto pois, ela é uma
equação diferencial vetorial no estado do sistema:
" #
e
ESTADO = =X
v
É claro que conhecendo
" #
e(t0 )
v(t0 )
5.2. REPRESENTAÇÃO DE ESTADOS 103
e F (t) ∀ t ≥ t0 é possível calcular
" #
e(t)
v(t)
para todo t ≥ t0 . Se apenas interessa conhecer como saída do sistema a variável e(t) (por exemplo),
então acrescentamos ao nosso sistema a equação de saída:
" #
h i e
y(t) = 1 0 = e(t)
v
De forma geral, todo sistema linear contínuo pode ser expresso como um sistema diferencial de
estados dado por:
(
Ẋ = AX + Bu
y = CX + Du
onde X(t) é o vetor de estados, y(t) é a saída e u(t) a entrada. No caso discreto a análise é igual.
Vejamos um exemplo.
Exemplo: Caderneta de poupança
s(n + 1) = s(n)(1 + α) + a(n + 1)
onde s é o saldo e a é aplicação.
O "estado da conta"a cada mês é o próprio estado do sistema. É claro que se eu conheço o
estado no mês n0 e as aplicações ∀ n ≥ n0 posso ter y(n) para todo n ≥ n0 . Tendo um único
estado, a equação é escalar e neste caso a saída coincide com o estado.
X = estado = saldo = saída = y entrada = aplicação = u
(
X(n + 1) = (1 + α)X(n) + u(n + 1)
y(n) = X(n)
A = 1 + α, B = 1, C = 1 e D = 0
Estes exemplos são todos de sistemas lineares ou linearizados, porém a noção de estado e a definição
das equações podem ser aplicadas a sistemas não lineares. Neste caso a equação de estados resulta:
(
Ẋ(t) = f (X(t), u(t), t)
caso cont
y(t) = g (X(t), u(t), t)
(
X(n + 1) = f (X(n), u(n), n)
caso disc
y(n) = g (X(n), u(n), n)
Exemplo: automóvel real
(
M dv
dt = −Bv 2 + CF
de
dt = v
" #
e
Assim usando estado e saída y = e temos:
v
" # " #" # " # " #" # " #

d e 0 1 e 0 h i 0 0 e 0
dt = + e v + F
v 0 0 v 1 0 −B/M v C/M
" #
h i e
y = 1 0
v
que se chamamos o estado de X, resulta em:
(
dX
dt = sX + X 0 RX + V u = f (X, u, t)
y = CX = g (X, u, t)
Uma pergunta que surge ao analisar a forma das equações de estado é a seguinte: É sempre
possível representar um sistema físico através de uma equação diferencial ou a diferenças vetorial e
de primeira ordem ?
A resposta é afirmativa e veremos como pode ser provado este resultado. Usaremos o caso
contínuo:
Imaginemos a equação diferencial de um dado sistema dada por:
qn y (n) + qn−1 y (n−1) + · · · + q1 y (1) + q0 y = f (y, u, t)
onde qi são funções do tempo e f uma função não linear em y: saídas, u: entrada e o tempo t. Esta
equação pode ser reescrita através da definição de um conjunto de n variáveis auxiliares X1 , . . . , Xn .
Assim define-se:


 y = X1
 (1)

y = X2
 y (2)
 = X3
 (n−1)

y = Xn
dX1 dy
= = X2
dt dt
dX2 d2 y
= = X3
dt dt2
dXn−1 dy n−2 d(n−1) y
= = = Xn
dt dtn−2 dtn−1
dXn dn y qn−1 (n−1) q0
= n
=− y − · · · − y + f (y, u, t)
dt dt qn q
n
qn−1 q0

= − Xn + · · · + X1 + f (X1 , u, t)
qn qn
Logo ordenando:
 dX1

 dt = X2
dX2
= X3


dt
dXn−1

 dt = Xn
qn−1
dXn
− qqn0 X1 − · · · −

= qn X n + f (X1 , u, t)

dt
ou matricialmente: X = (X1 X2 . . . Xn )t
X˙ 1
     
0 1 0 ... 0 0

 X2 


 0 0 1 ... 0 


 0 


X3
 
 = Ẋ =  .. .. .. .. ..  
X +  0

 f (X1 , u, t)
 . . . . .

..    
.. 
. 0 0 0 ... 1 .
     
     
−q0 −q1 −q2 −qn−1
Xn qn qn qn ... qn 1
E para a equação de saída temos que y = X1 .
Logo y = [1 0 0 . . . 0]X
No caso de sistemas lineares e invariantes no tempo (como estamos estudando) tem-se:
qi (t)
= ai = cte e f (u, X1 , t) = f (u) = βu
qm (t)
onde β é cte. Logo o sistema resulta

    

 0 1 0 ... 0 0
0 0 1 ... 0 0

    

    
.. .. .. .. ..

0

 Ẋ    
=  . . . . .
X +  u
  
.. 
0 0 0 ... 1 .
    

    




 −a0 −a1 −a2 . . . −an β
y = [1 0 0 . . . 0]X

Exemplo: Seja o sistema diferencial contínuo dado por:
më + bė + ke = F (t)
F e
Figura 5.2: Sistema mola amortecedor.
Escolhendo como variáveis de estado X1 = e e X2 = ė temos:
(
Ẋ1 = X2
b k F (t)
Ẋ2 = ë = − m ė − me + m
Assim:
(
Ẋ1 = X2
k b 1
Ẋ2 = − m X1 − m X2 + m F (t)
Se a saída é o deslocamento e(t) temos y = X1
˙ #
 " " #" # " #
 X 1 0 1 X1 0
= + F (t)



 X 2 −k/m −b/m X2 1/m
" #
h i X
1

 y = 1 0



X2
Caso Discreto: No caso discreto procede-se de igual forma que no caso contínuo. As variáveis
de estado são definidas como
X1 = y(n); X2 = y(n + 1); . . . ; XN +1 = y(n + N );
e a equação matricial monta-se de forma análoga ao caso contínuo.
Exemplo: O modelo matemático do crescimento de uma população de coelhos pode ser colocado
como:
y(n) = y(n − 1) + y(n − 2) + u(n − 2) ou
y(n + 2) = y(n + 1) + y(n) + u(n)
onde y(n) é o número de coelhos existentes e u(n) é o número de coelhos nascidos. Para obter as
equações de estado definimos:
(
X1 (n) = y(n)
X2 (n) = y(n + 1)
Assim:
X1 (n + 1) = y(n + 1) = X2 (n)
X2 (n + 1) = y(n + 2) = y(n + 1) + y(n) + u(n) = X2 (n) + X1 (n) + u(n)
Assim:
" # " #" # " #

X1 (n + 1) 0 1 X1 (n) 0
= + u(n)
X2 (n + 1) 1 1 X2 (n) 1
E a saída y(n) = X1 (n), por tanto:
" #
h i X1 (n)
y(n) = 1 0
X2 (n)
Caso Geral: No caso mais geral onde o sistema linear ou linearizado invariante no tempo tem
equação do tipo
Q(D)y = P (D)u ou Q(σ)y = P (σ)u
e grau de P ≥ 1 as equações de estado devem ser obtidas de forma diferente. Isto pois no segundo
membro da equação de estados não podem aparecer derivadas (diferenças) da entrada. Rearanjando
a equação do sistema para ter coeficiente unitário em y (N ) , temos para o caso contínuo:
y (N ) + · · · + q1 y (1) + q0 y = pN u(N ) + pN −1 u(N −1) + · · · + p0 u
(Como em sistemas físicos grau P ≤ grau Q, temos que qualquer dos pi i = 0, . . . , N podem ser
nulos.)
Nestas condições os estados são escolhidos como:
X1 = y(t) − pN u
X2 = dX
dt − α1 u
1
dXN −1
XN = dt − αN −1 u
onde:
α1 = pN −1 − qN −1 pN
α2 = (pN −2 − qN −2 pN ) − qN −1 α1
α3 = (pN −3 − qN −3 pN ) − qN −2 α1 − qN −1 α2
..
.
αN = (p0 − q0 pN ) − q1 α1 − q2 α2 − · · · − qN −1 αN −1
que leva as equações de estado seguintes:


 Ẋ1 = X2 + α1 u

 Ẋ2 = X3 + α2 u



.. .





 ẊN −1 = XN + αN −1 u
ẊN = −q0 X1 − q1 X2 − . . . − qN −1 XN + αN u

e se a saída for o próprio y(t) temos:
y(t) = X1 + pN u
Logo o sistema matricial:

    

 0 1 0 0 ... 0 α1
0 0 1 0 ... 0 α2

    

    
.. .. .. .. .. ..

α3
    
 Ẋ =  . . . . . .
X +  u
  
.. 
0 0 0 0 ... 1 .
    

    




 −q0 −q1 −q2 −q3 . . . −qn−1 αN
y = [1 0 0 . . . 0]X + pN u

Exemplo: Contínuo - Circuito RLC
vR vC
R C
u vL
i L
Figura 5.3: Circuito RLC.
d2 y dy d2 u
+ 2 + y =
dt2 dt dt2
Obtemos:
(
p 2 = 1 p1 = 0 p 0 = 0
q2 = 1 q1 = 2 q0 = 1
e N = 2. Assim:
(
Ẋ1 = X2 + α1 u
Ẋ2 = −X1 − 2X2 + α2 u
com
(
X1 = y − u
X2 = dX
dt − α1 u
1
α1 = p1 − q1 p2 = 0 − 2.1 = −2
α2 = (p0 − q0 p2 ) − q1 α1 = (0 − 1) − 2(−2) = 3
Substituindo valores temos:


 Ẋ1
 = X2 − 2u
Ẋ2 = −X1 − 2X2 + 3u

 y = X1 + u
 " # " #

 Ẋ 0 1 −2
= X+ u
−1 −2 3

y = [1 0]X + u

Exemplo: Discreto
y(n + 2) + y(n + 1) + 2y(n) = u(n + 1)
(
p 2 = 0 p1 = 1 p 0 = 0
q2 = 1 q1 = 1 q0 = 2
e N = 2. Escolhendo:
(
X1 (n) = y(n) − p2 u = y(n)
X2 (n) = X1 (n + 1) − α1 u
onde
(
α1 = 1 − 1.0 = 1
α2 = −1.1 = −1
X1 (n + 1) = X2 (n) + u(n)
X2 (n + 1) = −2X1 (n) − X2 (n) − u(n)
y(n) = X1 (n)
resultando:
 " # " #" # " #

 X 1 (n + 1) 0 1 X1 (n) 1
= + u(n)


X2 (n + 1) −2 −1 X (n) −1


" # 2
 X1 (n)
 y(n) = [1 0]


X2 (n)

Exemplos de sistemas e de definição dos estados: (1) No exemplo do circuito RLC temos que os
sinais do sistema são:
• entrada u ε <
• saída y ε <
• estado x ε <2
O espaço de estados do sistema é <2 .
(2) No exemplo do sistema mecânico massa-mola-amortecedor temos também que x ε <2 . Espaço
de estados é <2 .
Definição 27 Sistemas de Estado Diferenciais ou a Diferenças
São os sistemas onde o espaço de estados tem dimensão finita e são representados pelas equações
abaixo:
(
ẋ(t) = f (x(t), u(t), t)
caso cont:
y(t) = g (x(t), u(t), t)
(
x(n + 1) = f (x(n), u(n), n)
caso disc:
y(n) = g (x(n), u(n), n)

 u
 = entrada do sistema
e onde: y = saída do sistema

 x = vetor de estados do sistema
Mapa de Transição de Estados
Como já mencionamos anteriormente, conhecido o estado num dado t = t0 e a entrada u(t)

∀ t ≥ t0 a evolução x(t) ∀ t ≥ t0 fica determinado de forma única. Isto implica na existência de
um mapa que relaciona x(t0 ), t0 e u(t) com o estado x(t):
x(t) = S (t, t0 , x(t0 ), u)
Este mapa é chamado de mapa de transição de estados do sistema, pois determina por onde transita
o estado x(t).
Exemplo: Calcularemos o mapa de transição de estados de um circuito RC.
1
Usando a equação de malha ⇒ u = Ri + y, considerando q = carga no capacitor, temos: y = C q.
Logo u = Rq̇ + C1 q é a equação diferencial. Usando estado x = q
R
u C y
i
(
1 1
ẋ = − RC + Ru
1
y = Cx
A solução da equação diferencial de estados para condições iniciais nulas em t = t0 dadas por x(t0 ):
−(t−t0 ) 1
Z t −(t−τ
x(t) = e RC x(t0 ) + e RC u(τ )dτ
R t0
que representa o mapa S (t, t0 , x(t0 ), u) do sistema.
Classificação de Sistemas Representados por Equações de Estado
Já discutimos informalmente que os sistemas lineares, invariantes no tempo e causais seriam

representados por uma equação diferencial ou a diferenças matricial e a coeficientes constantes.
Veremos como formalizar estas propriedades a partir das definições 5.1 e 5.2.
Linearidade:
Definição 28 O sistema representado por equações de estado com regra R, R ⊂ uXyXx é linear
se são lineares os espaços x,u,y .
Já para a representação coloca-se:
Proposição 5.1: O sistema de estados diferencial ou a diferenças representado por:
(
ẋ(t) = A(t)x(t) + B(t)u(t)
cont:
y(t) = C(t)x(t) + D(t)u(t)
(
x(n + 1) = A(n)x(n) + B(n)u(n)
disc:
y(n) = C(n)x(n) + D(n)u(n)
com A, B, C e D matrizes de elementos complexos ou reais, é linear. No caso contínuo A(t), B(t),
C(t) e D(t) devem ser funções contínuas e limitadas ∀ t ε <.
Invariância no Tempo
Definição 29 O sistema representado por equações de estado com regra R ⊂ uXyXx é invariante
no tempo se R verifica:

se (u,y,x) ε R então σ θ u, σ θ y, σ θ x ε R ∀ θ ε T.
Proposição 5.2: O sistema descrito pelas equações de estado:
(
ẋ(t) = f (x(t), u(t))
cont:
y(t) = g (x(t), u(t))
(
x(n + 1) = f (x(n), u(n))
disc:
y(n) = g (x(n), u(n))
é um sistema invariante no tempo.
Lineares e Invariantes No Tempo
Proposição 5.3: O sistema de estados diferencial ou a diferenças representado por:
(
ẋ(t) = A(t)x(t) + B(t)u(t)
cont:
y(t) = C(t)x(t) + D(t)u(t)
(
x(n + 1) = A(n)x(n) + B(n)u(n)
disc:
y(n) = C(n)x(n) + D(n)u(n)
com A, B, C e D matrizes constantes, é linear e invariante no tempo.
Proposição 5.4: Sistemas Amostrados: Os sistemas amostrados lineares e invariantes no tempo

terão representação por variáveis de estado dada por:
(
x(t + T ) = Ax(t) + Bu(t)
t ε Z(T )
y(t) = Cx(t) + Du(t)
com A, B, C e D matrizes constantes.

5.3 Realização de Sistemas Diferenciais/a Diferenças Como Sis-

temas de Equações de Estado
No item anterior introduzimos o conceito de estado representando sistemas diferenciais ou a

diferenças, por equações de estado. A forma como pode se obter a representação matricial dada
por (A, B, C, D) depende, claramente, da forma como os estados são escolhidos. Observa-se ainda
que do ponto de vista da algebra linear, existirá uma base no espaço de estados X onde o vetor
de estados x estará representado. Assim dependendo da escolha desta base, teremos diferentes
representações e por tanto diferentes conjuntos de matrizes (A, B, C, D) para nosso sistema.
Não é objetivo deste curso aprofundar nestes assuntos. Veremos então como é possível obter
de forma sistemática uma equação de estados a partir da equação diferencial ou a diferenças do
sistema. Veremos também como estas equações poderiam ser implementadas usando blocos básicos
a nível de hardware ou software para simulação.
Exemplo: Circuito RC.
Considera-se o mesmo cicuito RC da figura 5.4. Escolhendo x = q ja obtivemos a seguinte

equação de estados:
(
1 1
ẋ = − RC x+ Ru
1
y = Cx
1
então as "matrizes"são A = − RC , B = R1 , C = C1 , D = 0. Se tivessemos escolhido como estado a
tensão no capacitor vC = x teríamos como equações:
u = Ri + vC = Rq̇ + vC = RC v̇C + vC
(
1 1
ẋ = − RC x+ RC u
Assim:
y = x
1 1
onde A = − RC ,B= RC , C = 1, D = 0 e obtivemos outra quadrupla de matrizes.
5.3. REALIZAÇÃO DE SISTEMAS DIFERENCIAIS/A DIFERENÇAS COMO SISTEMAS DE EQUAÇÕES D
Vejamos como implementar a simulação analógica deste sistema usando integradores, ganhos e
somadores:
x0
.x Integrador com condicao

x inicial zero
x gx Ganho g
g
u2
u1
+ Soma algebrica
u1+u2−u3
+
−
u3
Figura 5.5: Blocos basicos.
Assim para o caso 1

x0
u + .x x y
1/R 1/C
−
1/RC
Figura 5.6: Circuito RC com estado x = q.
Para o caso 2
x0
u + .x x y
1/RC 1
−
1/RC
Figura 5.7: Circuito RC com estado x = vc .
Que permite uma implementação analógica da dinâmica do sistema. Antes de ver um exemplo
discreto, formalizaremos a idéia:
Proposição 5.5: Realização de sistemas diferenciais ou a diferenças.
O sistema descrito pela equação Q(σ)y = P (σ)u ou Q(D)y = P (D)u com
(
P (λ) = p0 + p1 λ + · · · + pN λN
Q(λ) = q0 + q1 λ + · · · + qN λN
e qN = 1 tem a seguinte realização por variáveis de estado:
(
ẋ(t) = Ax(t) + Bu(t)
cont:
(
x(n + 1) = Ax(n) + Bu(n)
disc:
y(n) = Cx(n) + Du(n)
onde:
   
−qN −1 1 0 · · · 0 pN −1 − qN −1 pN

 −qN −2 0 1 · · · 0 


 pN −2 − qN −2 pN 


A= .. .. .. .. 
B= .. 
. . . ··· . .
 
   
−q1 0 0 ··· 1  p1 − q 1 p N
   
  
−q0 0 0 ··· 0 p0 − q 0 p N
h i
C= 1 0 ··· 0 D = pN
Usando blocos integrador e ganhos no caso contínuo e blocos atraso e ganhos no caso discreto,
pode-se representar o sistema como:
Caso contínuo:
Ganho Ganho Ganho Ganho

p0 p1 p(n−1) p(n)
+ .x n + + + y
xn x n−1 x1
+ + +
− − −
Ganho Ganho Ganho

q0 q1 q(n−1)
Figura 5.8: Circuito geral para representar sistemas continuos.
Caso discreto:
u
Ganho Ganho Ganho Ganho

p0 p1 p(n−1) p(n)
+ + + + y
σ xn Atraso xn Atraso x n−1 Atraso x1
+ + +
− − −
Ganho Ganho Ganho

q0 q1 q(n−1)
Figura 5.9: Circuito geral para representar sistemas discretos.
Observações:
(1) Para construir os diagramas basta observar que das equações
(
ẋi = −qN −i x1 + xi+1 + (pN −i − qN −i pN ) u
y = x1 + pN u
5.3. REALIZAÇÃO DE SISTEMAS DIFERENCIAIS/A DIFERENÇAS COMO SISTEMAS DE EQUAÇÕES D
obtém-se:
ẋi = −qN −i (x1 + pN u) + xi+1 + pN −i u

ẋi = −qN −i y + pN −i u + xi+1
que resulta em
u
p(n−i) x0i
x(i+1)
+ .x xi
+ i
−
q(n−i)
Figura 5.10: Elemento basico para representar sistemas continuos.
e permite montar todo o diagrama. No caso discreto é igual.
(2) Esta não é a única forma de obter uma realização. Como foi visto no item 5.2, pode-se obter
para o sistema Qy = P u, as matrizes (A, B, C, D) seguintes:
   
0 1 0 ··· 0 α1

 0 0 1 ··· 0 


 α2 


A= .. .. .. ..  
B= α3

. . . ··· .
 
  
.. 
0 0 0 ··· 1 .
   
   
−q0 −q1 −q2 · · · −qN −1 αN
h i
C= 1 0 ··· 0 D = pN
com αi = pN −i − qN −i pN − qN −i αi−1
No diagrama temos:
αN α(N−1) α1 PN
−+ + + + xN−1 x2 + x1 + y
.x
N +
q(n−1)
q(n−2)
+
q1
q0
Figura 5.11: Representacao sistemas continuos.
Exemplo: Discreto (usando resultado da proposição 5.5)
Filtro digital de segunda ordem:
y(n + 2) − a1 y(n + 1) − a0 y(n) = b2 u(n + 2) + b1 u(n + 1)
Logo
P (λ) = b2 λ2 + b1 λ
Q(λ) = λ2 − a1 λ − a0
onde N = 2, e assim temos:
(
q2 = 1 q1 = −a1 q0 = −a0
p2 = b2 p1 = b1 p0 = 0
 " # " #

 x(n + 1) = a 1 1 b 1 + a1 b 2
x(n) + u(n)

a 0 a0 b2
 h 0 i
y(n) = 1 0 x(n) + b2 u(n)


5.4. SOLUÇÃO DAS EQUAÇÕES DE ESTADO LINEARES INVARIANTES NO TEMPO 119
u
b1 b2
τ x2 x2
+ τ x1 at x1 y
at
−
+a0 −a1
Figura 5.12: Representacao sistemas discretos.
5.4 Solução das Equações de Estado Lineares Invariantes no Tempo
Neste item estudaremos a solução das equações de estado dadas por:
( (
ẋ(t) = Ax(t) + Bu(t) x(n + 1) = Ax(n) + Bu(n)
y(t) = Cx(t) + Du(t) y(n) = Cx(n) + Du(n)
Para obter a evolução do estado no tempo, é necessário resolver uma equação diferencial ou a
diferenças de primeira ordem. Já para obter y, basta uma simples operação de soma de sinais.
Estudaremos então a solução da equação:
ẋ(t) = Ax(t) + Bu(t) ou x(n + 1) = Ax(n) + Bu(n)
No caso discreto a solução é muito simples e pode ser obtida por cálculos sucessivos a partir de
x(0) = x0 e u(n).
x(1) = Ax(0) + Bu(0)

x(2) = Ax(1) + Bu(1) = A2 x(0) + ABu(0) + Bu(1)
x(3) = Ax(2) + Bu(2) = A3 x(0) + A2 Bu(0) + ABu(1) + Bu(2)
x(n) = An x(0) + An−1 Bu(0) + · · · + ABu(n − 2) + Bu(n − 1)
n−1
X
n
x(n) = A x(0) + An−1−i Bu(i)
i=0
e se o instante inicial for n0 , temos:

n−n0 −1
An−n0 −1−m Bu(m)
X
x(n) = An−n0 x(n0 ) + ∀ n ≥ n0
m=0
Se comparamos esta solução com a obtida no capítulo 4 para um sistema a diferenças de primeira
ordem dado por:
X(n + 1) = aX(n) + bu(n)
onde a solução era:
n−n0 −1
an−n0 −1−m bu(m)
X
X(n) = an−n0 X(n0 ) +
i=0
observamos que ela tem igual forma.
Observa-se ainda que a solução possui dois termos: um primeiro dependente da solução da
homogênea (ou para entrada zero) e uma segunda solução da particular (ou para sistema inicialmente
em repouso).
Ainda pode-se observar que a função matricial An aparece, de igual forma que no caso escalar,
como a resposta impulsiva do sistema. Pode-se ver que existe um polinômio Q(λ) associado à
equação a diferenças vetorial:
X(n + 1) − AX(n) = 0 ⇒ Q(λ) = λ − A
e λ = A = raíz característica ⇒ base de soluções é An .
Esta função An ou An−n0 no caso mais geral, é chamada de matriz de transição de estados.
Normalmente é notada como φ(t, t0 ) no caso contínuo e φ(n, n0 ) no caso discreto. Para o caso
contínuo, o problema pode ser analisado de forma similar obtendo-se:
φ(t, t0 ) = eA(t−t0 )
Lembrando que a base de soluções para o caso contínuo era eλ(t−t0 ) para λ = raíz de Q(λ).
A matriz φ(t, t0 ) ou φ(n, n0 ) leva o nome de matriz de transição de estados, pois conhecendo
φ e o estado inicial X0 , é possível "transitar"pelo espaço de estados evoluindo com x(t) ou x(n).
Observa-se que a solução da homogênea é:
X(t) = eA(t−t0 ) X(t0 ) X(n) = An−n0 X(n0 )
X(t) = φ(t, t0 )X(t0 ) X(n) = φ(n, n0 )X(n0 )
Formalizaremos este resultado antes de analisar a solução particular da equação de estados.
Proposição 5.6: Matriz de Transição de Estados
O sistema de equações de estado homogênea dado por:
x(n + 1) = Ax(n) n ≥ n0 , ẋ(t) = Ax(t) t ≥ t0
tem por solução:
X(n) = An−n0 X(n0 ) ou X(t) = eA(t−t0 ) X(t0 )
onde An−n0 = φ(n, n0 ) e eA(t−t0 ) = φ(t, t0 ) e a função φ é chamada de matriz de transição de

estados do sistema.
Nota: (1) Para o cálculo de φ(t, t0 ) no caso contínuo, pode ser utilizada a relação:
1 2 1
eM = I + M + M + M3 + · · ·
2! 3!
que é uma série convergente e M uma matriz quadrada.
(2) Para o caso discreto o cálculo é direto.
Exemplo: Equação do carro. Aplica-se uma forca impulsiva F . Considera-se um atrito de-
sprezível.
d2 x
Assim m =F
dt2
Considerando o deslocamento x e a velocidade v como estados do sistema, temos: x = X1 e v = X2 .
 " # " #
(  0 1 0
Ẋ = X + F

Ẋ1 = X2 
0 0 1/m
F ⇒
Ẋ2 = m  h i
 y = 1 0 x

Considerando a equação homogênea Ẋ = AX temos:
φ(t, t0 ) = eA(t−t0 ) e aproximando pela série com
1 2
φ(t, t0 ) = I + A(t − t0 ) + A (t − t0 )2 + · · ·
2!
observando que A2 = 0 e Aj = 0 ∀ j > 2 temos:
" # " #
1 0 0 1
φ(t, t0 ) = I + A(t − t0 ) = + (t − t0 )
0 1 0 0
" #
1 t − t0
φ(t, t0 ) = t ≥ t0 t ε <
0 1
Supondo uma condição inicial qualquer
(
x(t0 ) = x0 = X10
v(t0 ) = v0 = X20
temos
" # " #" #

X1 (t) 1 t − t0 X10
=
X2 (t) 0 1 X20
(
X1 (t) = X10 + X20 (t − t0 ) ⇒ deslocamento crescente
X2 (t) = X20 ⇒ velocidade cte
d2 x dx
que é a solução que obteríamos resolvendo a equação original homogênea dt2
= 0 ⇒ dt = cte
= v0 = X20
x(t) = X20 t + c onde c = X10 para t = t0
x(t) = x10 + x20 (t − t0 )
Solução da Equação Não Homogênea

Se acrescentamos a solução particular do sistema à solução achada, obtemos a solução total.
Proposição 5.7: Solução Total
A solução completa da equação:
x(n + 1) = Ax(n) + Bu(n) ou ẋ(t) = Ax(t) + Bu(t)
é dada por:
n−1
X
x(n) = φ(n, n0 )x(n0 ) + φ(n, k + 1)Bu(k) se n0 ≤ n − 1
k=n0
Z t
x(t) = φ(t, t0 )x(t0 ) + φ(t, τ )Bu(τ )dτ cont
t0
Exemplo: Para o caso do automóvel e supondo F = cte = F0 temos para t0 = 0
" #
Z t x10
At A(t−τ )
x(t) = e x(0) + e BF (τ )dτ x(0) =
0 x20
" # Z t" #" #
1 t 1 t−τ 0
= x(0) + F0 dτ
0 1 0 0 1 1/m
" # Z t" #
1 t F0 t−τ
= x(0) + dτ
0 1 m 0 1
" # " #
1 t F0 t2 /2
= x(0) +
0 1 m t
(
F0 2
x1 (t) = x10 + x20 t + 2m t
x2 (t) = x20 + Fm0 t
d2 x F
que está de acordo com o movimento de um carro de aceleração constante dt2
= m.
Para finalizar este item, colocaremos a forma da solução para o caso de sistemas amostrados.
Sistemas Amostrados
(
x(t + T ) = Ax(t) + Bu(t)
tεT
t−t0
a matriz de transição de estados é φ(t, t0 ) = A T t ≥ t0 e a solução é:
X t ≥ t0
x(t) = φ(t, t0 )x(t0 ) + φ(t, τ + T )Bu(τ )
tεT
t0 ≤ τ < t
τ ε Z(T )
Cálculo das matrizes do sistema amostrado a partir do sistema contínuo
Suponhamos que o estado do sistema contínuo verifica a seguinte equação:
Z t
A(t−t0
x(t) = e x(t0 ) + eA(t−τ ) bu(τ )dτ
t0
ao amostrar consideramos que a entrada não varia no intervalo (KT, (K + 1)T ):
u(KT + τ ) = u(KT ) 0<τ <T

usando t0 = KT e t = (K + 1)T calculamos:
Z (K+1)T
x((K + 1)T ) = e AT
x(KT ) + eA((K+1)T −τ ) bu(KT )dτ
KT
"Z #
(K+1)T
AT A((K+1)T −τ )
=e x(KT ) + e dτ bu(KT )
KT
e definindo σ = τ − KT temos dτ = dσ que permite calcular:
"Z #
(T
AT A(T −σ)
x((K + 1)T ) = e x(KT ) + e dσ bu(KT )
0
que pode ser colocado como:
x((K + 1)T ) = Ad x(KT ) + bd u(KT )
R (T
onde: Ad = eAT e bd = 0 eA(T −σ) dσb
por outro lado a equação de saída se mantem igual ao caso contínuo, e com as mesmas matrizes:
y(KT ) = cx(KT ) = du(KT )
Para completar o cálculo do sistema amostrado resta encontrar fórmulas de calcular as

matrizes Ad e bd . Para isso basta lembrar que:
∞
(AT )2 X (AT )i
Ad = eAT = I + AT + + ... =
2 i=0
i
e sustituindo na equação de bd :
∞ ∞
T X (Ax)i Ai T i+1
Z X
bd = dx b = b
0 i=0
i! i=0
(i + 1)
Na implementação destes algoritmos calculam-se as expressões acima passo a passo ate que a difer-
ença entre um valor e o anterior seja menor que um dado erro.
Saída do Sistema
Em todos os casos a equação de saída é y = CX + Du. Com isso a saída pode ser calculada
como:
y = yentrada zero + yestado zero
onde
• yentrada zero depende da solução da homogênea (u = 0)
• yestado zero depende da entrada (com x(t0 ) = 0)
valendo para o caso contínuo
yent zero (t) = CeA(t−t0 ) X(t0 )

Z t
yestado zero (t) = C eA(t−τ ) Bu(τ )dτ + Du(t)
t0
e para o caso discreto

yent zero (n) = CA(n−n0 ) X(n0 )

n−1
X
yestado zero (n) = CAn−k−1 Bu(k) + Du(n)
k=n0
Para fazer analogia com o caso escalar podemos colocar que:
Z ∞
yestado zero (t) = h(t − τ )u(τ )dτ
t0
∞
X
yestado zero (n) = h(n − k)u(k)
k=n0
e onde a resposta impulsiva é dada por:
h(t) = CeAt B1(t) + Dδ(t) tε<

n−1
h(n) = CA B1(n − 1) + D∆(n) nεZ
Observação: No caso monovariável estudado h(t) e h(n) são funções escalares. Porém este
resultado é geral, isto é, aplica-se ao caso de sistemas multivariáveis e h denomina-se matriz resposta
impulsiva.
Exemplo: Filtro digital de segunda ordem.
 " # " #

 x(n + 1) = a1 1 b 1 + a1 b 2
x(n) + u(n)

a0 0 a0 b2
 h i
y(n) = 1 0 x(n) + b2 u(n)


Calcularemos h(n) do sistema para a1 = 1, a0 = 0, b1 = 1, b2 = 1.
h(n) = CAn−1 B1(n − 1) + D∆(n)
" # " # " #

1 1 1 1 1 1
A= A2 = · · · An−1 =
0 0 0 0 0 0
Assim temos:
" #" #
h i 1 1 2
h(n) = 1 0 1(n − 1) + ∆(n) = 21(n − 1) + ∆(n)
0 0 0
(1(n − 1) + ∆(n) = 1(n)) h(n) = 1(n) + 1(n − 1)
Exemplo: Para o exemplo do automóvel achamos
" # " #
At 1 t h i 0
e = C= 1 0 B= D=0
0 1 1/m
Assim temos:
" #" #
h i 1 t 0 1
h(t) = 1 0 1(t) = t1(t)
0 1 1/m m
t
h(t) = 1(t) tε<
m
Observamos que se usamos uma entrada Força tipo degrau 1(t)F0 , a saída para estado zero:
F0
Z ∞ F0
Z t
y = h(t) ∗ 1(t)F0 = (t − τ )1(t − τ )1(τ )dτ = (t − τ )dτ
m −∞ m 0
! t !
F0 τ2 F0 t2
2 F0 2
= tτ − = t − = t
m 2 0
m 2 2m
parábola como era esperado.
Resposta Impulsiva Para Sistemas Amostrados
No caso de sistemas amostrados temos a saída dada por:
t−t0
yent zero = CA T x(t0 )
X t−τ −T τ ε Z(T )
yest zero = CA T Bu(τ )
t ε Z(T )
t0 ≤ τ < t
τ ε Z(T )
e a resposta impulsiva resulta:
1

t−t0
h(t) = CA T B1(t − T ) + D∆(t) t ε Z(T )
T
5.5 Análise da Resposta de Sistemas Lineares Invariantes No Tempo
Como já vimos, a escolha do estado não é única. Em geral é possível, dentro do espaço de estados,
encontrar diferentes vetores que se relacionam por transformações não singulares. Formalmente para
dois vetores de estado x e x0 :
x = V x0 V = matriz não singular
geraram dois sistemas de equações de estado:
( (
ẋ = Ax + Bu ẋ0 = A0 x0 + B 0 u
y = Cx + Du y = C 0 x0 + D0 u
( (
x(n + 1) = Ax(n) + Bu(n) x0 (n + 1) = A0 x0 (n) + B 0 u(n)
y(n) = Cx(n) + Du(n) y(n) = C 0 x0 (n) + D0 u(n)
onde A0 = V −1 AV , B 0 = V −1 B, C 0 = CV e D0 = D.
Estas relações entre (A,B,C,D) e (A0 ,B 0 ,C 0 ,D0 ) são facilmente obtidas substituindo x = V x0
nas equações originais:
ẋ = V ẋ0 = AV x0 + Bu
ẋ0 = V −1 0
| {zAV} x + V
−1
| {z B}
A0 B0
CV x0 + |{z}
y = Cx + Du = |{z} D u
C0 D0
Desta forma altera-se o comportamento "interno"do sistema mantendo a relação entrada-saída

inalterada.
5.5. ANÁLISE DA RESPOSTA DE SISTEMAS LINEARES INVARIANTES NO TEMPO 129
u u
x y x’ y
Figura 5.13: Diferentes escolhas do estado.
Com isso é claro que a resposta impulsiva do sistema não se altera ao mudar o estado. Logica-
mente a matriz de transição de estados se altera e vale:
φ0 = V −1 φV
Para interpretar melhor a evolução dinâmica do sistema, pode-se escolher uma representação
de estados especial, onde a matriz do sistema A tenha forma diagonal. Para isso, calculam-se os
autovalores e autovetores da matriz A.
λ = autovalor se det(λI − A) = 0
v = autovetor associado a λ ⇒ Av = λv
Escolhe-se então uma matriz de transformação não singular V dada por:
V = [v1 v2 . . . vn ]
sendo que vi são os autovetores linearmente independentes. Calculando então A0 = V −1 AV obtemos

A0 diagonal.
 
λ1 0 0 0
 0 λ2 0 0 

A0 = 

.. 

 0 0 . 0 

0 0 0 λn
Esta representação é importante para analisar o sistema, pois a equação ẋ0 = A0 x0 , transforma-se
num conjunto de n equações ẋi 0 = λi x0 onde cada uma terá uma solução homogênea xi = eλi t xi (0)
associada ao autovalor λi . Além disso existem duas relações importantes na operação deste tipo de
matrizes:

eλ1
 
λi1 0

0 0 0 0 0
0  0

eλ2 0 0   0 λi2

0 0 
eA =  Ai = 
 
.. 
.. 

 0 0 . 0 
 
 0 0 . 0 

0 0 0 λ
e n 0 0 0 λin
( i
Ai = V −1 Ai V

0 −1
se A = V AV ⇒ 0
eA = V −1 eA V
o que permite analisar de maneira mais simples o comportamento do sistema linear. Para a matriz
de transição de estados tem-se:
φ(n, n0 ) = An−n0 = V (A0 )n−n0 V −1 n, n0 ε Z
0
φ(t, t0 ) = eA(t−t0 ) = V eA (t−t0 ) V −1 t, t0 ε <
Esta representacao serra usada para o estudo da estabilidade.
5.6 Estabilidade de Sistemas de Estados
Neste caso como o sistema está representado pela sua dinâmica interna, teremos que considerar
a estabilidade de forma diferente. Além de considerar as definições de estabilidade ELSL e ECSC,
devemos considerar:
ELEL-estabilidade: estabilidade Entrada Limitada Estado Limitado
ECEC-estabilidade: estabilidade Entrada Convergente Estado Convergente
Como já vimos, as soluções da equação de estados dependem dos autovalores da matriz e por
tanto coloca-se
Proposição 5.8: Estabilidade do estado para entrada zero.
• As CNeS para que toda solução da equação Ẋ = AX t ε < ou X(n + 1) = AX(n) n ε Z seja
limitada para todo tempo t ≥ t0 ou n ≥ n0 e para toda condição inicial são:
1. Todo autovalor de A tem parte real negativa ou nula (módulo menor ou igual a 1)
2. Se Re(λ) = 0 (| λ |= 1) e sua multiplicidade é m, deve ter m autovetores linearmente
independentes. (A diagonalizável)
• A CNeS para que toda solução de Ẋ = AX t ε < ou X(n+1) = AX(n) n ε Z seja convergente
à zero para t → ∞ (n → ∞) é que todo autovalor de A verifique:
Re(λ) < 0 (contínuo)
| λ |< 1 (discreto)
Já quando incluímos a entrada do sistema, a equação resulta (veremos só o caso discreto, o

contínuo é igual):
x(n + 1) = Ax(n) + Bu(n) n ≥ 0

5.6. ESTABILIDADE DE SISTEMAS DE ESTADOS 131
n
X
x(n) = An x(0) + h(n − k)u(k) n≥0
| {z }
k=0
homog | {z }
particular
Se | λ |< 1 a homogênea será convergente. Já para estudar a solução particular observa-se:
h(n) = An−1 B1(n − 1) n ≥ 0
ou seja, que a convergência dependerá de An−1 ou de seus autovalores, pois
λ1n−1
 
0 0 0
n−1
−1

0 λ 2 0 0 
An−1 = V
 
V
..

0 0 . 0
 
 
0 0 0 λnn−1
Assim se | λ |< 1 teremos estabilidade-ELEL e ECEC.
Esta condição é então suficiente para estabilidade ELEL e ECEC, e necessária e suficiente para
estabilidade-ECEC. Com autovalor de módulo 1 e multiplicidade 1 podemos ter estado limitado.
Veja por exemplo o sistema:
x(n + 1) = x(n)
Com entrada nula (limitada) a saída é x(n) = x(0) ∀ n ≥ 0 e o autovalor do sistema é λ = 1. Já

para a saída devemos considerar apenas a equação estática
y(n) = Cx(n) + Du(n)
Assim as condições para estabilidade ELSL e ECSC são as mesmas que para estabilidade ELEL e
ECEC respectivamente.
Proposição 5.9
Uma condição suficiente para que o sistema
( (
Ẋ = AX + Bu X(n + 1) = AX(n) + Bu(n)
y = CX + Du y(n) = CX(n) + Du(n)
seja ELSL-estável, ECSC-estável e ELEL-estável é que:
caso contínuo: Re(λ) < 0 ∀ λ de A
caso discreto: | λ |< 1 ∀ λ de A
Além disso esta condição é Necessária e Suficiente para estabilidade ECEC. (o resultado vale para
sistemas amostrados)
Exemplo: Seja o sistema digital de segunda ordem representado pela equação de estados:
(
X(n + 1) = AX(n) + Bu(n)
y(n) = CX(n)
" # " #
1/2 0 1 h i
A= B= C= 1 0
0 ρ 0
onde ρ pode variar.
Observamos que os autovalores de A são λ = 1/2 e λ = ρ, assim, se | ρ |> 1 as condições

suficientes do teorema não são válidas. Porém veremos que o sistema é ELSL-estável e ECSC-
estável.
A resposta a entrada zero é yent zero (n) = CAn x(0). Como
" #
(1/2)n 0 h i
An = e C= 1 0
0 ρn
yent zero (n) = (1/2)n x1 (0) n ε Z+
logo lim yent zero (n) → 0 ∀ x1 (0)

n ε ∞
Por outro lado a resposta impulsiva h(n) vale
h(n) = CAn−1 B1(n − 1) = (1/2)n−1 1(n − 1) ∀ n ε Z
Logo como
5.7. RESPOSTA EM FREQUÊNCIA DE SEE 133
∞
X
(1/2)m−1 1(m − 1)
m=−∞
é convergente → h(n) tem ação finita e o sistema é ELSL-estável e ECSC-estável.
A explicação disto está na estrutura desacoplada do sistema. Observa-se que X1 e X2 tem

dinâmicas independentes e que a saída apenas depende de X1 que é o estado estável. Isto mostra
que a condição da proposição 5.9 não é necessária para a estabilidade da saída (ECSC,ELSL). Já
para o estado temos que:
x2 (n) = ρn x2 (0)
e se | ρ |> 1 o sistema é ECEC-instável e ELEL-instável como a proposição preve. Se | ρ |= 1 ele é

ELEL-estável. Já se | ρ |< 1 as condições da proposição são válidas e o sistema é estável de todas
as formas.
5.7 Resposta em Frequência de SEE
Como a representação de estados não é outra coisa que uma equação diferencial matricial e de
primeira ordem, todas as conclusões obtidas no capítulo 4 para sistemas diferenciais, é válida aqui
considerando equações matriciais e não escalares. Também vale a mesma análise para sistemas
discretos. Assim:
Proposição 5.10: Seja um sistema
( ( !
Ẋ = AX + Bu X(n + 1) = AX(n) + Bu(n)
y = CX + Du y(n) = CX(n) + Du(n)
com autovaloresde A com Re(λ)< 0 (| λ |< 1). Assim o sistema tem resposta ao sinal harmônico
u(t) = u0 ej2πf t u(n) = u0 ej2πf n dado por y(t) = ĥ(f )u0 ej2πf t y(n) = ĥ(f )u0 ej2πf n e a matriz
resposta em frequência ĥ(f ) vale:
Z ∞
ĥ(f ) = h(t)e−j2πf t dt t, f ε <
−∞
∞
h(n)e−j2πf n
X
ĥ(f ) = n ε Z, f ε <
n=−∞
e vale que
ĥ(f ) = C(j2πf I − A)−1 B + D cont
−1
ĥ(f ) = C ej2πf I − A B+D disc
Observações:
1. Fala-se de matriz de resposta em frequência do sistema, pois em geral pode-se ter mais de
uma entrada e/ou mais de uma saída. (nestes casos u0 = vetor)
2. Para nosso curso, sempre u0 = escalar e por tanto ĥ(f ) coincide com a função resposta em
frequência calculada no capítulo 4 por outros métodos.
Exemplo: Circuito RLC da página 38.
" # " #
0 1 0 h i
A= B= C= −1 −2 D=1
−1 −2 1
" #−1 " #

h i j2πf −1 0
ĥ(f ) = −1 −2 +1
1 j2πf + 2 1
" #" #
h i 1 j2πf + 2 1 0
= −1 −2 +1
j2πf (j2πf + 2) + 1 −1 j2πf 1
1 h i
= −1 −4πf j + 1
1 + j2πf (2 + j2πf )
−4π 2 f 2
ĥ(f ) =
1 − 4π 2 f 2 + j4πf
Lembrando que a equação diferencial do sistema é:
d2 y R dy 1 d2 u
+ + y =
dt2 L dt LC dt2
com L = 1, C = 1 e R = 2
P (j2πf ) (j2πf )2 −4π 2 f 2

ĥ(f ) = = =
Q(j2πf ) (j2πf )2 + 2(j2πf ) + 1 1 − 4π 2 f 2 + j4πf
Capítulo 6
Transformadas de Laplace, Z e
Aplicações.
O estudo de sistemas através da sua resposta no tempo tendo como base as equações diferenciais
pode resultar muito útil em determinadas situações, sobre tudo quando os sistemas apresentam
caraterísticas não lineares. Porém, no caso de sistemas lineares e invariantes no tempo, o estudo
pode ser bastante simplificado transformando-se as equações diferenciais em equações algébricas
relacionando a entrada e a saída do sistema. Esta transformação pode ser obtida utilizando a
transformada de Laplace.
6.1 A transformada de Laplace
A transformada de Laplace do sinal contínuo x(t), t ∈ < é uma função da variável complexa
s = σ + jω definida por:
Z ∞
L (x(t)) = X(s) = x(t)e−st dt s∈E ⊂C (6.1)
0
onde E é o conjunto de números complexos para os quais a integral converge. Esta região E é
chamada de região de existência de X(s).
(
e2t t ≥ 0
Exemplo: x(t) =
0 t<0
135
136 CAPÍTULO 6. TRANSFORMADAS DE LAPLACE, Z E APLICAÇÕES.
Z ∞ Z ∞ 1 ∞
X(s) = x(t)e−st dt = e2−s dt = e2−s t
0 0 2−s 0
1
X(s) = ∀ s tal que Re{(s)} ≥ 2
s−2
X(s) não existe se Re(s) < 2 pois e(2−s)t → ∞ quando t → ∞
A região de existência da transformada de Laplace neste caso se ve na figura 6.1.

jw
σ
0 2
Figura 6.1: Existência da transformada de Laplace.
6.1.1 Existência de X(s)
Z ∞
De forma geral pode-se colocar que: X(s) existe se x(t)e−st dt é acotada.
0
Esta restrição poderia trazer problemas na hora de aplicar os conceitos á solução de sistemas
lineares. Porém existe um teorema de variável complexa que permite adotar a função X(s) como
transformada de x(t) para todo s. Este teorema é chamado de continuidade analítica. Esta gen-
eralização da transformada permite considerar a região de existência como todo o plano complexo
menos os pontos onde o denominador de X(s) é nulo.
Qual é a importância da transformada de Laplace?
Ela permite transformar equações diferenciais em equações algébricas e simplificar assim o estudo
de sistemas. Veremos as propriedades que permitem esta simplificação:
6.1.2 Propriedades da Transformada de Laplace
Linearidade:
L [αx1 (t) + βx2 (t)] = αL [x1 (t)] + βL [x2 (t)] (6.2)
que vale pela linearidade da integral que define L.

6.1. A TRANSFORMADA DE LAPLACE 137
Translado:
L [x(t − α)] = e−αs L [x(t)] (6.3)
Função Impulso:
L [δ(t)] = 1 (6.4)
Multiplicação por e−αt :
h i
L x(t)e−αt = X(s + α) onde X(s) = L [x(t)] (6.5)
Teorema da diferenciação:
dx(t)

L = sX(s) − x(0) onde X(s) = L [x(t)] (6.6)
dt
e generalizando
dn x(t) di x

L n
= sn X(s) − sn−1 x(0) − sn−2 x0 (0) − · · · − x(n−1) (0) onde xi (0) = i (6.7)
dt dt t=0
Teorema do Valor Final:
dx
Se x(t) e são transformáveis, segundo Laplace, se limt→∞ x(t) existe e se sX(s) é analítica
dt
no semi plano direito que inclui o eixo jω, exceto por uma raiz simples na origem (s = 0) , então:
limt→∞ x(t) = lims→0 sX(s) (6.8)
Teorema do Valor Inicial:

dx
Se x(t) e são transformáveis segundo Laplace e se lims→∞ sX(s) existe, então:
dt
x(0+ ) = lim sX(s) (6.9)

s→∞
Teorema da Integração:
X(s) 1
Z Z
L x(t)dt = + x(t)dt (6.10)
s s t=0
Importante: Sempre que a função x(t) inclua impulsos na origem δ(t) a transformada da função
Z 0+
será diferente para 0+ e 0− e deve-se distinguir o resultado. Observar que: x(t)e−st dt 6= 0 se
0−
x(t) possui δ(t).
6.1.3 Transformada Inversa
É a transformada que permite achar uma função x(t) a partir da sua expressão em variável
complexa X(s).
L−1 [X(s)] = x(t) (6.11)
e vale:
1
Z c+j∞
x(t) = X(s)est ds (t > 0) (6.12)
2πj c−j∞
c ∈ < é tal que c é maior que Re(pi ) ∀ pi = ponto singular de X(s)
Uso de Tabelas
O método prático para calcular transformadas e antitransformadas de Laplace é usando tabelas.

Para isto utilizamos a propriedade da Linearidade e tentamos expressar uma função x(t) como soma
de funções mais simples.
Na teoria de controle X(s) é geralmente da forma:

B(s)
X(s) =
A(s)
onde A(s) e B(s) são polinômios em s. Logo achando as raízes de A(s) é possível compor X(s) em
frações parciais onde aparecem três tipos de termos característicos:
(a) termos associados a raízes reais simples;

(b) termos associados a raízes reais múltiplas;
(c) termos associados a raízes complexas conjugadas.
B(s) αi
X(s) = = +
A(s) s + pi
| {z }
raiz simples
a1 s + b1
+
(s + p2 )(s + p∗2 )
| {z }
par complexo conjugado
cr cr−1 c1
r
+ r−1
+ ··· +
(s + p4 ) (s + p4 ) (s + p4 )
| {z }
raiz com multiplicide r
e os coeficientes são calculados como:
B(s)

αi = (s + pi )
A(s) s=−pi
a1 e b1 são obtidos igualando-se parte real e imaginária da equação:
B(s)

(a1 s + b1 )s=−p2 = (s + p2 )(s + p∗2 )
A(s) s=−p2
e os cr−i como:
" #
1 di B(s)

cr−i = (s + p4 )r i = 0, 1, . . . , r − 1
i! dsi A(s) s=−p4
Exemplo:
1
X(s) =
(s + 1)(s + j)(s − j)(s + 2)2
Logo
α1 as + b c2 c1
X(s) = + + +
s + 1 (s + j)(s − j) (s + 2)2 (s + 1)
1 1 1

α1 = (s + 1) = = =α
(s + 1)(s + j)(s − j)(s + 2)2 s=−1 (−1 + j)(−1 − j) 2
1 1

(as + b)|s=j = (s + j)(s − j) =
(s + 1)(s + j)(s − j)(s + 2)2 s=j (j + 1)(j + 2)2
(1 − j)(2 − j)2 1 1
aj + b = = (1 − j)(3 − 4j) = [(3 − 4) + j(−7)]
(2)5.5 50 50
−1 7 1 7
aj + b = − j a=− b=−
50 50 50 50
1 1 −1

c2 = c2−0 = (s + 2)2 =
0! (s + 1)(s + j)(s − j)(s + 2)2 s=−2 5
1 d 1

c1 = c2−1 =
1! ds (s + 1)(s + j)(s − j) s=−2
(s + j)(s − j) + (s + 1)(s − j) + (s + 1)(s + j)

=
[(s + 1)(s + j)(s − j)]2 s=−2
(−2 + j)(−2 − j) (−1)(−2 − j) (−1)(−2 + j) 1 4 5 1

c1 = + + = + = =
25 25 25 5 25 25 5
1 1
c1 = c2 = −
5 5
1 1 1 (s + 7) 1 1 1 1
X(s) = − + −
2 s + 1 50 (s + j)(s − j) 5 (s + 2) 5 (s + 2)2
6.1.4 Aplicação à Equações Diferenciais e Sistemas
Seja uma equação diferencial linear e a coeficientes constantes, representando um sistema físico
linear e invariante no tempo:
d
Q(D)y = P (D)u D= (.)
dt
onde
(
y(t) = saída
u(t) = entrada
Se calculamos L [y(t)] = Y (s) e L [u(t)] = U (s) e lembrando as propriedades da transformada

de Laplace temos:
L [Q(D)y] = L [P (D)u]
h i h i
L qn Dn y + qn−1 Dn−1 y + · · · + q1 Dy + q0 y = L pm Dm u + pm−1 Dm−1 u + · · · + p0 u
Supondo condições iniciais nulas obte-se:
qn sn Y (s) + qn−1 sn−1 Y (s) + · · · + q0 Y (s) = pm sm U (s) + pm−1 sm−1 U (s) + · · · + p0 U (s)
ou
Q(s)Y (s) = P (s)U (s)
que leva a equação algébrica que define Y (s):
P (s)
Y (s) = U (s)
Q(s)
Logo, conhecida u(t), calcula-se U (s) e enseguida Y (s) e utilizando a transformada inversa, y(t).
No caso de condições iniciais não nulas a solução estara composta por duas partes: uma que depende
de U (s) e outra das condições iniciais.
Ao aplicar L à equação obte-se:

n
X m
X
qi L(Di y) = pi L(Di u)
i=0 i=0
e aplicando as propriedade da derivada a cada termo e agrupando os termos que dependem de U (s)
e de Y (s) resta um termo dependente apenas das condições iniciais. Ilustraremos isto com alguns
exemplos.
6.1.5 Exemplos
Exemplo 1
Considera-se o sistema de controle de nivel que possue o modelo linearizado:

√
dh K1 K2 Ho as K2 Aso h
= ae − − √
dt S S 2S Ho
Aplicando Transformada de laplace obtemos:

√
L( ) = L( ae ) − L( ) − L( √ )
dt S S 2S Ho
pela linearidade e a propriedade da derivada:

K1 K2 K2 Aso
sh(s) − h(0) = ae (s) − √ as (s) − √ h(s)
S Ho 2S Ho
como neste caso a condição inicial é zero (lembrar que h é um valor incremental), temos:
√
K1 K2 Ho
S S
h(s) = K2√Aso
ae (s) + K2√Aso
as (s)
s+ 2S Ho
s + 2S Ho
definindo agora um valor para as entradas podemos calcular h(s) e h(t).
Exemplo 2
Para o sistema de controle de temperetura o modelo obtido:

dy 1 1
= u(t) − y(t) t ∈ < (6.13)
dt C RC
com R e C constantes é linear e invariante no tempo. Aplicando transformada de Laplace e supondo
condições inicias nulas podemos obter Y (s) como:
1 1
sY (s) = U (s) − Y (s)
C RC
6.2. A TRANSFORMADA Z E APLICAÇÕES. 143
ou seja:
1/C
Y (s) = U (s)
s + 1/RC
Exemplo 3
Sistema Motor DC.
Considera-se o modelo do motor DC da figura 6.2.
R
J
Tc
L
W B
V
Figura 6.2: Modelo do motor DC.
Equações diferenciais do motor:
d2 ω dω
J +B + Tc = Tm Tm = Kia
dt dt
dia
L + Ria + ea = V ea = Km ω
dt
Aplicando transformada de Laplace para CI nulas:
(Js + B)ω(s) = Tm (s) − Tc (s) = KIa (s) − Tc (s)
(Ls + R)Ia (s) = V (s) − Km ω(s)
Manipulando as equações anteriores obte-se:
Ls + R K

ω(s) = V (s) + Tc (s)
(Ls + R)(Js + B) + Km K Ls + R
6.2 A Transformada Z e Aplicações.
Da mesma forma que no caso contínuo, a análise de sistemas discretos pode ser feita atraves das
transformadas. Para transformar uma equação à diferenças nos sinais de entrada e saída dum
sistema numa equação algébrica é intoduzida a transformada Z.
6.2.1 Definição da Transformada Z
Definição 30 A transformada Z é o mapa que transforma o sinal x(n) na função complexa
X(z) = Z{x}
dada por:
∞
x(n)z −n
X
X(z) = z ε ζ1 ⊂ C
n=0
onde ζ1 é a região de convergência.
As regiões de existência são, para algum real ρ:
ζ1 = {z ε C, | z |> ρ}
Exemplos:
(
an n≥0
x(n) =
qualquer n < 0
∞
X z
X(z) = an z−n = | z |>| a |
0
z−a
Se a = 1 ⇒ x(n) = 1 n ≥ 0 e obtemos
z
X(z) = = Z {1(n)}
z−1
6.2.2 Propriedades da Transformada Z
(a) Linearidade
Se existem as transformadas de x e y numa região ζ, então vale:
Z {ax + by} = aX + bY
(b) Deslocamento
Seja x com transformada X em ζ. Seja σ o operador de deslocamento unitário e θ ε <. Assim

vale:
Z {σx} = zX(z) − zx(0)

n o
Z σ −1 x = z −1 X(z) + x(−1)
z ε ζ
(c) Multiplicação por exponencial
Se a transformada de x existe e vale X na região ζ, temos:
Z {an x(n)} = X(z/a)
com z/a ε ζ, n ε Z, a ε C e a 6= 0.
(d) Derivada da transformada X(z)
Se o sinal x tem transformada X (uni ou bilateral) e X é diferenciável em ζ, então vale que:
dX(z)
Z {−nx(n)} = z zεζ
dz
(h) Teorema do valor final para transformadas unilaterais
Seja x(n), tal que X(z) ∃ para | z |> 1. Logo se
lim x(n)
n→∞
existe, vale que:
lim x(n) = lim (z − 1)X(z)

n→∞ z→1
Nota: Este teorema é muito importante para teoria de controle, pois permite quando válidas
suas hipóteses, calcular valores de regime permanente de sinais.
Exemplo: Deve-se verificar sempre as hipóteses do teorema.

Seja x(n) = an a>1
lim an = ∞ ⇒ não vale o TM

t→∞
z
Porém X(z) = z−a
z
lim (z − 1)X(z) = = 1/(1 − a) 6= lim x(n)
z→1 z−a n→∞
(i) Teorema do valor inicial
Seja x(n) com transformada X(z). Logo vale que:
lim X(z) = x(0)

|z|→∞
Exemplo:
x(n) = n1(n) = − (−n1(n)). Usando propriedade (f) temos:
dX(z)
Z {−n1(n)} = z
dz
X(z) = Z {1(n)} | z |> 1
d z z

Z {n1(n)} = −z = | z |> 1
dz z−1 (z − 1)2
Transformada da rampa:
z
| z |> 1
(z − 1)2
6.2.3 Inversa da Transformada Z
Antes de continuar estudando as aplicações da transformada Z, discutiremos o problema da

inversão, ou seja, da obtenção do sinal x a partir da sua transformada X. Da mesma forma que na
tranformada de Laplace existem diversas maneiras de realizar esta inversão:
• usando a fórmula ou integral de inversão e
• usando redução da função a outras mais simples e com antitransformada conhecida
Na prática geralmente são usadas as técnicas de redução.
Redução
Para usar redução basta aplicar as propriedades das transformadas e o conhecimento de pares
transformados básicos usualmente em tabelas.
De forma geral, usando decomposição e frações elementares, é possível, aplicando linearidade,

obter a função x de forma simples. Também pode se usar o método de identificação da série de
potências em z.
Exemplo: Veremos frações parciais e séries de potência
1
X(z) = | z |> 1
z2 − 1
Veremos primeiro como decompor em frações parciais.
A B
X(z) = +
z−1 z+1
z−1 1 z+1 1
A= 2
|z=1 = B= 2
|z=−1 = −
z −1 2 z −1 2
Logo
1/2 1/2 1 z 1 z
X(z) = − = z −1 − z −1
z−1 z+1 2 z−1 2
| {z }
z+1
| {z }
(1)n 1(n) (−1)n 1(n)
Usando tabelas temos:
(
1 1 1 ∀ n par n≥2
x(n) = 1(n − 1) + (−1)n 1(n − 1) =
2 2 0 ∀ outro n
Usaremos agora a série (dividindo numerador e denominador)

1 z −2 1
= −2
= z −2
2
z −1 1−z 1 − z −2
Logo
1
= z −2 1 + z −2 + z −4 + · · · = z −2 + z −4 + · · ·
z −2−1
que é convergente para | z | > 1.
∞
1
x(n)z −n
X
=
z 2 − 1 n=−∞
onde
(
1 se n ≥ 2 e par
x(n) =
0 em outro caso
que é o resultado já obtido.
6.2.4 Aplicação à Equações à Diferenças e Sistemas
Seja uma equação à diferenças linear e a coeficientes constantes, representando um sistema linear
e invariante no tempo:
Q(σ)y = P (σ)u σ = operadoravanco
onde
(
y(k) = saída
u(k) = entrada
Se calculamos Z [y(k)] = Y (z) e Z [u(k)] = U (z) e lembrando as propriedades da transformada

Z temos:
Z [Q(σ)y] = Z [P (σ)u]
h i h i
Z qn σ n y + qn−1 σ n−1 y + · · · + q1 σy + q0 y = Z pm σ m u + pm−1 σ m−1 u + · · · + p0 u
Supondo condições iniciais nulas obte-se:
qn z n Y (z) + qn−1 z n−1 Y (z) + · · · + q0 Y (z) = pm z m U (z) + pm−1 z m−1 U (z) + · · · + p0 U (z)
ou
Q(z)Y (z) = P (z)U (z)
que leva a equação algébrica que define Y (z):
P (z)
Y (z) = U (z)
Q(z)
Logo, conhecida u(k), calcula-se U (z) e enseguida Y (z) e utilizando a transformada inversa, y(k).
No caso de condições iniciais não nulas a solução estara composta, da mesma forma que no caso
contínuo, por duas partes: uma que depende de U (z) e outra das condições iniciais. Ilustraremos
isto com alguns exemplos.
6.2.5 Exemplos
Exemplo 1
Considera-se um algoritmo de controle discreto onde a lei implementada pelo computador tem por
objetivo aplicar un sinal igual à integral do erro entre o sinal de referência e a saída:
e(k) = yr (k) − y(k)
O cálculo da integral do erro pode ser aproximada pela somatoria dos valores do erro multiplicados
pela largura do tempo entre k e k + 1, que para simplificar consideraremos igual a 1.
k
X
u(k) = e(i)
0
e para o passo anterior:

k−1
X
u(k − 1) = e(i)
0
o que pode ser colocado de forma recursiva como:

u(k) = u(k − 1) + e(k)
.
Desta forma a lei de controle resulta:
u(k) = u(k − 1) + yr (k) − y(k)

. Aplicando transformada Z nesta equação e usando as propriedades:
U (z) = U (z)z −1 + Yr (z) − Y (z)

U (z)(1 − z −1 ) = Yr (z) − Y (z)
Yr (z) − Y (z)
U (z) =
(1 − z −1 )
que permite calcular o sinal de controle se conhecemos a referência e a saída do sistema.
Exemplo 2
Qual à diferença com o exemplo anterior se o algoritmo é do tipo proporcional mais integral?
Usando as propriedades da transformada basta calcular a parte proporcional e somar ao resultado

do exemplo anterior.
u(k) = Ke(k)
U (k) = KE(z) = K(Yr (z) − Y (z))
Yr (z) − Y (z)
U (z) = K(Yr (z) − Y (z)) +
(1 − z −1 )
e finalmente:
1
U (z) = (K + ((Yr (z) − Y (z))
(1 − z −1 )
6.3 Solução de problemas com transformadas.
Baseada nas propriedades das transformadas Z e L, é possível relacionar entrada, saída e sistema,
através da seguinte expressão:
Y = H.U
onde
6.3. SOLUÇÃO DE PROBLEMAS COM TRANSFORMADAS. 151
• Y é a transformada de y (Z ou L)
• U é a transformada de u (Z ou L)
• H é definida como a função de transferência do sistema (no plano Z ou S)
Assim, a função de transferência é uma forma de representar as relações entre entrada e saída
de um sistema diferencial ou á diferenças linear, invariante no tempo e inicialmente em repouso
(sistema LIIR) no plano transformado S ou Z.
Para calcular H(s) ou H(z) de um sistema LIIR basta usar a linearidade e as propriedade de
diferenciação da transformada de Laplace e a de deslocamento no tempo da transformada Z. Assim:
Z {Q(σ)y(n)} = Z {P (σ)u(n)}
P (z)
Q(z)Y (z) = P (z)U (z) ⇒ Y (z) = U (z)
Q(z)
P (z)
H(z) =
Q(z)
E para o caso contínuo é análogo
P (s)
H(s) =
Q(s)
Ainda como pode existir cancelamento entre P e Q, a função de transferência do sistema pode ser
colocada como: QM
(λ − zi )
H(λ) = k QNi=1 (6.14)
k=1 (λ − pk )
onde os parâmetros são definidos como:
• zi zeros de H(λ)
• pi pólos de H(λ)
• λ ε C, e M ≤ N
• pi 6= zi ∀i
e usaremos λ = s para o caso contínuo e λ = z para o caso discreto. Consideramos aqui os

polinômios numerador e denominador de igual grau, pois os sistemas físicos tem funções de trans-
ferência próprias. No caso onde M < N , a FT será chamada estritamente própria.
Esta função de transferência (FT) será definida para todo complexo a menos das raizes do
denominador de H. Por outro lado, assim como é possível obter a função de transferência de um
sistema através das equações diferenciais ou a diferenças que o descrevam, também é possível obte-la
a partir de ensaios experimentais tipo causa-efeito. Dado um sistema S com entrada u e saída y,
se ele é LIIR será possível, pelo menos aproximadamente, estabelecer a função de transferência que
relaciona as transformadas Y e U . Estes ensaios são feitos com sinais padrão e as informações são
obtidas no domínio do tempo ou da frequência.
Neste tema discutiremos primeiro as características da FT e em temas seguintes veremos como

caracterizar a resposta de um sistema a partir da sua FT.
Para sistemas contínuos (λ = s), existem duas formas padronizadas de expressar a FT de um

sistema:
(a) Forma Mônica: os polinômios numerador e denominador de H(λ) são mônicos, isto é, com
coeficiente de maior grau unitário.
λM + pM −1 λM −1 + · · · + p1 λ + p0
H(λ) = km
λN + qN −1 λN −1 + · · · + q1 λ + q0
(b) Forma Padrão: os polinômios numerador e denominador de H(λ) tem coeficiente de termo
de menor grau unitário.
1 + a1 λ + a2 λ2 + · · · + aM λM
H(λ) = kp
1 + b1 λ + b2 λ 2 + · · · + bN λ N
Quando fatorizadas, estas formas permitem visualizar respectivamente:
• pólos e constantes de tempo do sistema no denominador;
• zeros e fatores no numerador.
6.3.1 Ganho Estático de um Sistema
Supomos um sistema linear representado pela sua FT H(λ). Consideremos uma entrada u(t) tal que
limt→∞ u(t) = U∞ = cte e que o sistema seja estável, isto é, a saída y(t) verificará limt→∞ y(t) =
Y∞ = cte. Assim o ganho estático de H(λ) é definido como:
Y∞
Ke = ganho estático = (6.15)
U∞
Se lembramos as propriedades das transformadas Z e L temos:

caso discreto:
U∞ = lim (z − 1)U (z) vale pois ∃ limn→∞ U (n)

z→1
Y∞ = lim (z − 1)Y (z) = lim (z − 1)H(z)U (z)

z→1 z→1
Como o sistema é estável → pólos com | λ |< 1 ⇒ limz→1 H(z) existe. Assim
Y∞ = lim (z − 1)U (z) lim H(z) = U∞ lim H(z)

z→1 z→1 z→1
Implicando:
Y∞
lim H(z) = = Ke (6.16)
z→1 U∞
válida se λi = pólo de H(z) | λi |< 1 ∀ i.
caso contínuo:
U∞ = lim sU (s)
s→0
Y∞ = lim sY (s) = lim sH(s)U (s) = U∞ lim H(s)

s→0 s→0 s→0
Y∞
lim H(s) = = Ke (6.17)
s→0 U∞
válida se λi = pólo de H(s) Re(s) < 0 ∀ i.
Exemplos: Sejam os sistemas representados pelas FT:
2 5(s + 1)
(1)H(s) = (2)H(s) =
1 + 3s s(s + 2)
z+1 z
(3)H(z) = (4)H(z) =
z + 0.5 z+2
Calcular o ganho estático de cada uma.
1. Como H(s) tem pólo p = −1/3, o sistema é ELSL-estável e então posso aplicar a relação (8.5)
e obter:
Ke = lim H(s) = 2
s→0
2. Como H(s) tem pólos p = −2 p = 0, o sistema é ELSL-instável. 6 ∃Ke .
3. Como H(z) tem pólo p = −0.5, o sistema é ELSL-estável
Ke = lim H(z) = 4/3

z→1
4. Como H(z) tem pólo p = −2, o sistema é ELSL-instável. 6 ∃Ke .
Exemplos:
(a) Calcule a função de transferência entre a potência (P) e a temperatura (T) do forno de
equação diferencial:
dT
+ αT = βP
dt
dT

L + αT = L {βP }
dt
(s + α)T (s) = βP (s)
T (s) β β/α
H(s) = = = s ε C, Re(s) > −α
P (s) s+α 1 + s/α
que tem pólo em s = −α e um ganho estático Ke = β/α.
(b) Filtro digital
y(n + 1) − ay(n) = (1 − a)u(n + 1) a 6= 0, a 6= 1
Z {y(n + 1) − ay(n)} = Z {(1 − a)u(n + 1)}

(z − a)Y (z) = (1 − a)zU (z)
Y (z) (1 − a)z
H(z) = = | z |>| a |
U (z) z−a
que tem pólo em z = a, um zero em z = 0 e ganho unitário.
6.3.2 Problemas com Condições Iniciais
As transformadas são apropriadas para o estudo dos sistemas lineares diferenciais ou à diferenças
com condições iniciais. Para aplicar L ou Z nestes sistemas basta lembrar as propriedades de
diferenciação ou atraso no caso de condições iniciais não nulas. O resultado será uma equação
algébrica em Y que permitirá calcular y(t) ou y(n) através da anti-transformada.
Exemplo: Seja a equação
y(n + 2) − y(n + 1) + y(n) = u(n)
e condições iniciais y(0) = 0, y(1) = 1. Lembrando:
Z {y(n + 1)} = Z {σy} = zY (z) − zy(0)
Z {y(n + 2)} = Z {σy(n + 1)} = z [zY (z) − zy(0)] − zy(1)
Logo substituindo:
z 2 Y (z) − z − zY (z) + Y (z) = U (z)
h i
Y (z)z z 2 − z + 1 = U (z) + z
1 z
Y (z) = U (z) +
z2
|
− z {z
+1 } |
2
z −{zz + 1}
termo devido a entrada termo devido as cond inic
Se fixamos agora uma entrada, é possível calcular y(n) = Z −1 {Y (z)}.

6.3.3 Diagrama de Blocos
Os diagramas de blocos são diagramas de fluxo de sinal que permitem representar sistemas
complexos que na prática possuem módulos fisicamente independentes e ou que por simplicidade
levam a uma melhor análise da dinâmica do sistema.
Então, se cada bloco pode ser representado por uma função de transferência, será possível,
usando operações com estes blocos, obter a função H(s) entre duas variáveis qualquer do diagrama.
As três representações básicas destes diagramas mostram-se na figura 6.3. O cálculo das trans-
ferências equivalentes são:
Série: H = H1 .H2
Paralelo: H = H1 + H2
H1
Realimentação: H =
1 + H1 H2
u1 y1 u2 y2
H1 H2
Serie
u1 y1
H1 +
u y
u2 y2 +
H2
Paralelo
r + u1 y1
H1 y
-
y2 u2
H2
Realimentacao
Figura 6.3: Regras de redução de diagramas.

Existem ainda algumas regras que permitem reduzir os diagramas usando translação do ponto de
soma, como mostra-se na figura 6.4.
+ y u + y
u G G
- -
w
1/G w
y
u +
G1
u + y
G -
w
- G2
+ u + + y
u + y
- + + -
v w v
w
Figura 6.4: Regras de redução de diagramas 2.
Exemplo: Calcular Y (s)/R(s) para a figura 6.5.
H5
R +
+ u + + Y
H1 H2 H3
- -
H4
H6
Figura 6.5: Sistema de controle.
Y (s) H1 H 2 H3
=
U (s) H2 H3 (H6 H1 − H5 ) + H1 H2 H4 + 1
Função de Transferência
6.3.4 Exemplos
Aplicaremos os conceitos analizados aqui nos sistemas de aquecimento de água, de controle de nível
e de aquecimento com fluxo variável.
Exemplo 1
Para o sistema de controle de nivel obteve-se o modelo linearizado:
√
= ae − − √
dt S S 2S Ho
Aplicando Transformada de laplace obtemos:
√
K1 K2 Ho
S S
h(s) = K2√Aso
ae (s) + K2√Aso
as (s)
s+ 2S Ho
s + 2S Ho
Exemplo 2:
Para o sistema de controle de temperetura o modelo obtido:

dy 1 1
= u(t) − y(t) t ∈ < (6.18)
dt C RC
com R e C constantes é linear e invariante no tempo. Aplicando transformada de Laplace e supondo
condições inicias nulas podemos obter a F.T. do sistema relcionando Y(s) e U(s).
1 1
sY (s) = U (s) − Y (s)
C RC
ou seja:
Y (s) 1/C
=
U (s) s + 1/RC
com s= variável complexa.
Exemplo 3:
Consideremos o motor DC analizado nos temas anteriores. Usando as equações em Laplace, é

possível desenhar o diagrama de blocos da figura 6.6.
Tc
V +
+ K 1 W
Ls + R + Js + B
-
Km
Figura 6.6: Modelo de blocos do motor DC.
E Aplicando Superposição e as regras vistas:

K 1
ω(s) Ls + R Js + B = K
=
V (s) Km K 1 (Ls + R)(Js + B) + Km K
1+
Ls + R Js + B
ω(s) Ls + R
=
Tc (s) (Ls + R)(Js + B) + Km K
Ls + R K

ω(s) = V (s) + Tc (s)
(Ls + R)(Js + B) + Km K Ls + R
Capítulo 7
Resposta no Tempo de Sistemas

Contínuos
As características dinâmicas de um sistema podem ser estudadas através da resposta no tempo

à sinais padronizados. Desta forma estabelece-se uma relação entre a resposta no tempo e a FT, de
forma tal que seja possível:
• estudar a resposta através de conhecer H(s)
• obter H(s) a partir do conhecimento da resposta
O sinal geralmente utilizado para estes fins é o degrau unitário.
7.1 Resposta de um Sistema estável ao Degrau Unitário
Consideremos um sistema com FT H(s) e com condições iniciais nulas. Aplicando um degrau
unitário, obtemos um sinal y(t) tal que limt→∞ y(t) = Y∞ = cte, pois ele é estável.
O transitório de y(t) dependerá das características de H(s), isto é, da posição no plano complexo
dos pólos e zeros da FT.
161
162 CAPÍTULO 7. RESPOSTA NO TEMPO DE SISTEMAS CONTÍNUOS
Nestas curvas são consideradas as seguintes características:
• valor de regime permanente Y∞ = Ke U∞
• tempo de estabelecimento da resposta de 5%, 1%: é o tempo que a resposta leva para atingir
95%, 99% do valor Y∞ , respectivamente. (Nota-se tr5% , tr1% )
• valor do pico máximo da curva (Mp ) e tempo para obtê-lo tp e np caso discreto.
Estas características permitem classificar como boa ou ruim uma resposta de um dado sistema.
Por exemplo, se estamos controlando a temperatura de um forno e não podemos permitir que ela
ultrapasse o valor Y∞ , então uma resposta com Mp > Y∞ será ruim. Da mesma forma a rapidez
com que o sistema se aproxima do valor de regime é outra característica importante.
O problema que se coloca a partir deste estudo é: Como relacionar a resposta y(t) com a função
H(s) ? Este relacionamento pode ser feito de maneira simples para sistemas de primeira e segunda
ordem sem zeros. Já para outros sistemas de ordem maior ou com zeros, a análise é um pouco mais
complexa e será estudada caso a caso. Além disso o estudo dos sistemas de primeira e segunda
ordem tem importância destacada por dois motivos:
1. Muitos sistemas reais podem ser aproximados com bons resultados por sistemas de de primeira
e segunda ordem
2. Todo sistema pode ser fatorado (usando frações parciais), como sistemas de primeira e segunda
ordem
7.2 Resposta no tempo de sistemas de primeira ordem
Sistema estável, p < 0
A resposta neste caso é y(t) = Z −1 {H(s)U (s)} onde H(s) = Ke

1+sτ e U (s) = 1
s degrau unitário,
τ > 0.

y(t) = Ke 1 − e−t/τ
com Ke = ganho estático, τ = cte de tempo e τ > 0. Na figura 7.1 mostra-se o gráfico caraterístico
de um sistema de primeira ordem.
7.2. RESPOSTA NO TEMPO DE SISTEMAS DE PRIMEIRA ORDEM 163
Ke
0.9
0.8
0.7
0.6 τ
saída
0.5
0.4
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 8
tempo
Figura 7.1: Resposta de Sistema de Primeira Ordem
Observando a curva temos:
dy Ke
= −Ke (−1/τ )e−t/τ =
dt t=0 t=0 τ
Assim a tangente na origem corta a reta y(t) = Y∞ = Ke no tempo t = τ . Por outro lado, o tempo
para atingir 95% ou 99% de Y∞ é dado por:

y(3τ ) = Ke 1 − e−3τ /τ = 1 − e−3 ' 0.95Ke = 0.95Y∞

y(5τ ) = Ke 1 − e−5τ /τ = 1 − e−5 ' 0.99Ke = 0.99Y∞
(
tr 5% = 3τ
Assim:
tr 1% = 5τ
Estas relações permitem também estimar os parâmetros de H(s) quando num ensaio de resposta
ao degrau obtemos uma curva como a da figura. Medindo o valor Y∞ e o tempo para atingir 95%
ou 99% de Y∞ é possível calcular Ke e τ .
Sistema instável (ELSL), p ≥ 0
Neste caso a exponencial de saída é crescente se p > 0 e será uma rampa se p = 0. Os gráficos se
mostram na figura 7.2.
p > 0 ⇒ lim y(t) = ∞

t→∞
p = 0 ⇒ y(t) = t
20
18
16 CASO p>0
14
12
saída
10
6 CASO INTEGRADOR
0
0 1 2 3 4 5 6 7 8
tempo
Figura 7.2: Resposta de Sistema de Primeira Ordem Instável
7.3 Resposta de sistemas de segunda ordem
São sistemas representados por uma função de transferência:
k kωn2
G(s) = 2ξ s2
=
1+ ωn s + 2
s2 + 2ξωn s + ωn2
ωn
onde os parâmetros ξ, ωn e k são chamados respectivamente de coeficiente de amortecimento,

frequência natural de oscilação e ganho estático.
Supondo que u(t) é um degrau unitário, u(t) = 1(t), calcula-se Y (s) da seguinte forma:
k 1
Y (s) = 2ξ s2
1+ ωn s + 2
s
ωn
Então para calcular y(t) = L−1 {Y (s)} devemos conhecer os pólos do sistema:
2ξ s2
1+ s+ 2 =0
ωn ωn
s
ω2 4ξ 2 1 q
s = −ξωn ± n − 4 = −ξω n ± ω 2
n ξ −1
2 ωn2 ωn2
7.3. RESPOSTA DE SISTEMAS DE SEGUNDA ORDEM 165
Logo a discussão do tipo de pólos depende do valor de ξ
p
• ξ > 1 → pólos reais e diferentes pois p1,2 = −ξωn ± ωn ξ 2 − 1
• ξ = 1 → pólos reais e iguais pois p1,2 = −ξωn

p
• 0 ≤ ξ < 1 → pólos complexos conjugados pois p1,2 = −ξωn ± jωn 1 − ξ 2
• ξ < 0 → pólos sempre com parte real positiva. Resposta sempre crescente (não limitada)
Interessa apenas estudar os casos com ξ ≥ 0 onde a resposta y(t) tende para um valor limitado.
Caso 1: 0 ≤ ξ < 1
" !#
e−ξωn t
p
q
1 − ξ2
y(t) = k 1 − p
2
sin ωn 1 − ξ 2 t + tan−1 (7.1)
1−ξ ξ
Sendo que se ξ = 0 resulta
y(t) = 1 − cos(ωn t) t ≥ 0
Caso 2: ξ = 1
h i
y(t) = k 1 − e−ωn t (1 + ωn t) t≥0
Caso 3: ξ > 1
Neste caso achamos
( p
p1 = −ξωn + ωn pξ 2 − 1
p2 = −ξωn − ωn ξ 2 − 1
kωn2
G(s) =
(s + p1 )(s + p2 )
" !#
ωn e−p1 t e−p2 t
y(t) = k 1 + p 2 − t≥0 (7.2)
2 ξ −1 p1 p2
Os tres tipos de resposta comparam-se na figura 7.3.

1.6
1.4 Xi<1
1.2
saída
0.8
Xi=1
0.6
Xi>1
0.4
0.2
0
0 5 10 15 20 25 30
tempo
Figura 7.3: Resposta de Sistema de Segunda Ordem Contínuo para diferentes valores de ξ
Estas respostas são conhecidas como:
• Sobreamortecida ξ > 1
• Subamortecida 0 ≤ ξ < 1
• Amortecida crítica ξ = 1
Observa-se que nos casos ξ = 1 e ξ > 1, a resposta não é oscilatória e sim exponencial como
a de primeira ordem. De fato nos casos onde ξ > 1 e p1 >> p2 , a resposta tende a parecer uma
de primeira ordem. Diz-se então que o sistema é dominante de primeira ordem. Observar que na
equação 7.3 se p1 >> p2 então
e−p1 t e−p2 t
<<
p1 p2
e com isso
!
ωn e−p2 t
y(t) ' k 1 − p 2
2 ξ − 1 p2
que é uma resposta como a de um sistema de primeira ordem.
Por outro lado no caso de 0 ≤ ξ < 1 sempre temos uma curva exponencial "envolvente"da
resposta. Esta envolvente é dada por e−ξωn t . Desta forma y(t) se mantem, aproximadamente, entre
as curvas:

y1 (t) = k 1 − e−ξωn t e y2 (t) = k 1 + e−ξωn t
7.3. RESPOSTA DE SISTEMAS DE SEGUNDA ORDEM 167
Esta convergência exponencial mostra-se na figura 7.4.

2
1.8
1.6 y1
1.4
1.2
saída
1
y
0.8
0.6
y2
0.4
0.2
0
0 5 10 15 20 25 30
tempo
Figura 7.4: Envoltória da resposta de um Sistema de Segunda Ordem Contínuo com 0 < ξ < 1
Ainda no caso oscilatório a forma de y(t) está relacionada com os parâmetros do sistema como se
mostra na figura 7.5.
1.6
pico máximo
1.4
1.2
tempo de 5%
saída
0.8
0.6
tempo de subida
0.4
0.2
tempo de pico
0
0 5 10 15 20 25 30
tempo
Figura 7.5: Relação entre os parâmetros do sistema e a forma da resposta
• ts : tempo de subida para ir de 10% a 90% do valor de regime
• tp : tempo do pico máximo

ymx
• S0 : valor do sobrepasso em relação ao valor de regime. S0 = yreg
• tr (5%): tempo de resposta de 5%
Para o caso de entrada u(t) = 1(t) sempre que ξ > 0 temos
yreg = lim y(t) = k = ganho estático

t→∞
Usando a curva envoltória, o tempo de resposta a 5% pode ser aproximado pelo de uma exponencial
e assim:
3
tr ' 3τequivalente =
ξωn
já que as envoltórias são do tipo e−ξωn t , como se observa na figura 7.4.
Para valores mais aproximados dos reais, existem ábacos que permitem calcular as relações entre a
resposta e os parâmetros do sistema. Além da utilização dos ábacos, é possível calcular as relações
dos parâmetros do sistema com a forma da curva para o caso 0 ≤ ξ < 1:

− √ ξπ
S0 = e 1−ξ2 função de ξ
p !
1 1 − ξ2
ts = p tan−1 função de ξ e ωn
ωn 1 − ξ 2 ξ
π
tp = p função de ξ e ωn
ωn 1 − ξ2
3
tr (5%) ∼
= função do produto ξωn
ξωn
Para este caso a posição dos pólos no plano complexo se mostra na figura 7.6.
1.5
Pólo
1 eixo jW
0.5 ω (1−ξ ) 2 parte imag

Imag Axis
eixo real
0
− ξω
parte real
−0.5
−1
−1.5
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1
Real Axis
Figura 7.6: Posição dos pólos do sistema no plano s para 0 < ξ < 1
Já para o caso ξ ≥ 1 os pólos são reais, portanto S0 = 0, tp não existe, ts não se utiliza na
prática. Já para tr temos:
7.4. RELAÇÃO DA RESPOSTA COM A POSIÇÃO DOS PÓLOS 169
∼ 3

 tr (5%)
 = √ para ξ >> 1
ωn (ξ− 2 −1)
ξ √ √
1 1,90 ξ 2 −1(ξ+ ξ 2 −1)
 tr (5%) =

p2 −p1 ln ωn
√ em outro caso
ξ− ξ 2 −1
7.4 Relação da Resposta com a Posição dos Pólos
Dada uma função de transferência G(s) e sua resposta ao degrau, é possível estabelecer relações
entre a forma da resposta e a posição dos pólos. Estas relações são obtidas para sistemas de primeira
e segunda ordem e aplicadas depois de forma aproximada para sistemas de ordem superior, quando
existe dominância de primeira ou segunda ordem.
Sistemas de primeira ordem - Resposta ao degrau
Características:
1. Resposta sempre sobreamortecida

2. Derivada não nula na origem
3. Tempo de resposta associado a τ = 1/p
k kp
G(s) = =
1 + sτ s+p
2
ganho 2
1.8
1.6
1.4
1.2
ganho 1
Tau=1
saída
0.8
0.6 Tau=2
0.4
0.2
0
0 5 10 15 20 25 30
tempo
Figura 7.7: Relação entre a posição do pólo do sistema e a resposta

A relação entre o pólo e a resposta do sistema se mostra na figura 7.7. Observa-se que quanto maior
τ mais lento o sistema e menor é o pólo em módulo. Já para variações de k apenas a amplitude da
resposta se modifica, mantendo-se inalterado o tempo de resposta.
Sistemas de segunda ordem - Resposta ao degrau
Características:
1. Resposta sub ou sobreamortecida dependendo do valor de ξ
2. Derivada nula na origem
3. Tempo de resposta associado a ξωn
4. Quando existe o pico, está relacionado a ξ
kωn2 kωn2
G(s) = =
s2 2
+ 2ξωn s + ωn (s + p1 )(s + p2 )
1.6 1.4
pico constante = Xi constante

1.4
1.2
envoltoria constante
1.2
1
1
0.8
saída
saída
0.8
0.6
0.6 ξω n constante
0.4
0.4
0.2
0.2
0 0
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
tempo tempo
Figura 7.8: Relação entre a posição dos pólos do sistema e a resposta
A relação entre a posição dos pólos e a resposta do sistema se mostra na figura 7.8. Observa-se que
o tempo de resposta é maior quanto menor for o produto ξωn . Podemos dizer, aproximadamente,
que a parte real dos pólos determina o tempo de resposta, e que sistemas com pólos dominantes
sobre uma reta paralela ao eixo jω terão igual tempo de resposta. Já para o pico da resposta,
quando existe, depende apenas do valor de ξ, e é equivalente a fixar o angulo que forma a reta
que une o pólo com a origem, com o eixo real. Desta forma sistemas com pólos complexos sobre
uma reta que passa pela origem terão igual pico na resposta transitória. Já para variações de k
apenas a amplitude da resposta se modifica (de igual modo que para sistemas de primeira ordem),
mantendo-se inalterado o tempo de resposta e o pico.
Resumindo: Para sistemas de primeira e segunda ordem pode se estabelecer que
1. que o tempo de resposta a 5% depende da parte real das raízes e que sistemas com tempo
3
de resposta constante tem seus pólos numa reta paralela ao eixo jω no valor σ0 = tr (5%)
(resultado aproximado)
7.4. RELAÇÃO DA RESPOSTA COM A POSIÇÃO DOS PÓLOS 171
2. que no caso de sistemas subamortecidos, a resposta terá um S0 definido pelo valor de amortec-
imento ξ. Neste caso, retas pela origem com ângulo β determinam sistemas de S0 constante.
Estes resultados podem ser usados com tabelas, ábacos e também programas que calculem
exatamente os valores de S0 , tr (5%), ξ ou ωn .
Para o caso geral de sistemas de ordem superior ou de sistemas com zeros, os resultados aqui
obtidos podem ser usados valendo algumas aproximações. Um estudo mais aprofundado da influên-
cia dos zeros na resposta no tempo será discutido em outras disciplinas.
Sistema com pólos dominantes
Na prática muitos sistemas de ordem superior tem respostas ao degrau similares aos sistemas de
primeira e segunda ordem aqui estudados. Isto acontece porque em geral dentro do conjunto de
pólos do sistema, existe um ou um par que é dominante a respeito do resto. Assim as dinâmicas
mais rápidas, geradas pelos pólos maiores, não aparecem de forma significativa na saída do sistema.
Sob estas condições é possível aplicar, com bons resultados, os conceitos vistos nesta seção para
sistemas de ordem superior. Porém devemos ter cuidados na hora de realimentar o sistema, pois as
partes desprezadas do sistema podem influenciar a resposta de malha fechada, mesmo quando não
afetam a resposta de malha aberta. Discutiremos isto no seguinte exemplo.
Exemplo: Supomos que através de um ensaio de resposta no tempo, queremos determinar a função
de transferência de um sistema. Assim aplicamos uma variação tipo degrau na entrada, como se
mostra na figura 7.9.
U1 =4
4
3
saída e entrada
Y1
2 U0=2
Tempo de 95%
1
0
Y0
−1
0 5 10 15 20 25 30
tempo
Figura 7.9: Ensaio de resposta ao degrau
Como a resposta obtida y(t) tem a forma de um sistema de primeira ordem, podemos calcular:
k
G(s) =
1 + sτ1
obtendo os parâmetros τ1 e k a partir do gráfico.
Para isto calcula-se:
∆y Y1 − Y0
k= =
∆u U1 − U0
t5%
τ1 =
3
Porém se o sistema fosse realmente de ordem superior e trabalhássemos com uma realimemtação,
teríamos:
k 1
G(s)real = com τ1 >> τ2
1 + sτ1 1 + sτ2
e realimentando com um controle proporcional C0 :
y C0 k
=
yr (1 + sτ1 )(1 + sτ2 ) + kC0
Assim, dependendo do valor de kC0 , o sistema em malha fechada pode ter pólos complexos conju-
gados e gerar uma y(t) oscilatória. A situação pode ser pior ainda se o sistema real fosse de terceira
ou maior ordem. Nesse caso existiriam valores de C0 que levariam o sistema a não ter uma resposta
limitada:
lim y(t) = ∞
t→∞
A pesar desta dificuldade, os métodos de obtenção de G(s) a partir da resposta ao degrau

mostram-se bastante úteis na prática. Para sistemas com resposta oscilatória, mede-se o tempo de
resposta a 5% e o pico ymx . Com isso calcula-se os valores de ξ e ωn (analiticamente ou por ábacos).
Já o valor de regime permanente permite achar o ganho k.
Capítulo 8
Resposta em freqüência
O comportamento dinâmico de um sistema LIIR também pode ser estudado pela reposta em fre-
qüência. A resposta em freqüência de um sistema define-se como a relação, em regime permanente,
entre a entrada e saída de um sistema quando ele é exitado por sinais harmônicos. Assim, a análise
no domínio da freqüência está dirigido aos sinais harmônicos dados por:
u(t) = uo ej2πf t = uo ejωt , ω = 2πf


jφ
 uo = complexo = |uo |e

onde f = freqüência do sinal

 ω = freqüência angular
que geram, em sistemas lineares e invariantes no tempo e para o regime permanente, uma resposta
y(t) também harmônica e de igual freqüência que a entrada. É claro que para que esta resposta
exista o sistema deve ser estável, pois em outro caso a saída não atinge o regime permanente. Assim:
y(t) = yo ejωt = G(jω)uo ejωt
e portanto a função G(jω) relaciona os sinais de entrada e saída em módulo e fase;
Fase y(t) = Fase u(t) + Fase G(jω)

Módulo y(t) = Módulo u(t) ∗ Módulo G(jω)
Desta forma, conhecendo G(jω) temos informação da resposta do sistema para cada freqüência.
Na prática, os sistemas são representados por equações com coeficientes reais, assim a função G é
simetrica e basta estudar apenas a resposta G(jω) para ω ≥ 0.
O conhecimento da resposta em freqüência permite também analisar e projetar sistemas de

controle. Para entender esta idéia basta lembrar que quaisquer sinal pode ser representado como
uma combinação de sinais harmônicos (utilizando a série ou transformada de Fourier) e portanto,
a resposta no tempo para aquele sinal pode ser analizada a partir da composição das respostas dos
sinais harmônicos que o compõem.
Do ponto de vista matemático G(jω) pode ser calculada utilizando a função de transferência
G(s) do sistema com s = jω.
173
174 CAPÍTULO 8. RESPOSTA EM FREQÜÊNCIA
Por uma questão de praticidade, é normal representar os diagramas de módulo e fase de G(jω) em
escala logaritmica. Assim, construimos dois gráficos separados: o módulo em função da freqüência
(gráfico log-log) e a fase em função da freqüência (gráfico do tipo semi-log)
Dois problemas serão discutidos nesta seção. Primeiro será mostrado como construir um dia-
granma de resposta em freqüência do sistema a partir do conhecimento do modelo matemático do
mesmo. Em segudo lugar será analizada a identificação do sistema no dominio da freqüência. Neste
segundo caso supõe-se conhecida a resposta do sistema a sinais harmônicos de diferentes freqüências
(o que geralmente é feito de forma experimental), e determina-se a função G(jω) (e, portanto, a
função de transferência G(s)) que representa o modelo matemático do sistema.
8.1 Cálculo de G(jω). Representação logarítimica.
Como comentado, a função G(jω) pode ser obtida diretamente da função de transferência do sistema,
impondo a relação s = jω:
G(jω) = G(s)|s=jω
Na prática, G(s) será o quociente de dois polinômios de coeficiêntes reais, assim, para uma dada
G(jω) = P (jω)/Q(jω) com P e Q polinômios, é sempre possível escrever P e Q como produto de
fatores básicos do tipo:
• a. ganho;
• b. fatores do tipo jω;
• c. fatores de 1a ordem (1 + jωT )

jω 2

2ξ
• d. fatores de 2a ordem 1 + ωn jω + ωn
|P (jω)|
Logo, como |G(jω| = |Q(jω)| e φG = φP − φQ , as expressões finais de |G| e φG serão compostas
pelos fatores do tipo (a) a (d) e potências inteiras deles. Além desta propriedade, se usarmos
diagramas logarítimicos para o módulo, temos:
log |G(jω)| = log |P (jω)| − log |Q(jω)|
Assim, X
log |G(jω)| = log |Fatores básicos| (Soma algébrica)
i
e o gráfico poderá ser simplesmente construído conhecendo-se os gráficos dos fatores básicos. Na
prática, usam-se muito a unidade dB (= decibel) para este tipo de gráfico (xdB = 20 log10 x).
Gráficos básicos
(a) ganho k (ver figura 8.1)

8.1. CÁLCULO DE G(Jω). REPRESENTAÇÃO LOGARÍTIMICA. 175
0.5
Gain dB
0
−0.5
−1 2 3 4
10 10 10
Frequency (rad/sec)
0.5
Phase deg
−0.5
−1 2 3 4
10 10 10
Frequency (rad/sec)
Figura 8.1: Diagrama do fator ganho.
Observa-se que se o ganho k é negativo então a fase é de −180o .
(b) Fator do tipo jω (

log |F (jω)| = log |ω|
F (jω) = jω
φF (jω) = 90o
100
50
Gain dB
−50 −1 0 1 2 3 4
10 10 10 10 10 10
Frequency (rad/sec)
91
90.5
Phase deg
90
89.5
89 −1 0 1 2 3 4
10 10 10 10 10 10
Frequency (rad/sec)
Figura 8.2: Diagrama do fator derivador.
Da figura 8.2 observa-se que:
• Se ω = 1 ⇒ 20 log |ω| = 0dB.

• φ é constante.
(c) Fator do tipo (1 + jωT ). Observamos que −1/T = pólo do fator 1 + sT que originou F (jω).
Analisaremos os pontos extremos:

 |F (jω)| → 1 qdo. ω → 0

lim F (jω) = lim (1 + jωT ) = 1 ⇒
ω→0 ω→0
F (jω) → 0 qdo. ω → 0

 φ


 |F (jω)| → ∞ (linearmente)
qdo. ω → ∞


lim F (jω) = lim (1 + jωT ) = lim jωT ⇒
ω→∞ ω→∞ ω→0 

φF (jω) → 90o qdo. ω → ∞


Por outro lado, se w = 1/T , então:

 √
 log |F (jω)| = log 2 = 1/2 log 2 = 3dB

F (jω) = 1 + j ⇒

 φ o
F (jω) = 45
O diagrama resultante é mostrado na figura 8.3. Na prática, estes diagramas são aproximados
60
40
Gain dB
20
0 −2 −1 0 1 2
10 10 10 10 10
Frequency (rad/sec)
90
Phase deg
60
30
0 −2 −1 0 1 2
10 10 10 10 10
Frequency (rad/sec)
Figura 8.3: Diagrama do fator de primeira ordem para T = 1.
por assíntotas. O erro máximo cometido num diagrama isolado é de 3dB no ponto de corte das
assíntotas e para freqüência ω = 1/T . No gráfico de fase, a parte central do traçado é substituída
por uma reta que passa pelo ponto (1/T, 45o ) e corta as assíntotas uma década acima e abaixo de
1/T .
2
2ξ
(d) Fator do tipo 1 + ωn jω + j ωωn com 0 ≤ ξ ≤ 1
Analisando novamente os pontos extremos, temos:


 log |F (jω)| → 0 qdo. ω → 0

lim F (jω) = 1 ⇒
ω→0
F (jω) → 0 qdo. ω → 0)

 φ


 log |F (jω)| → ∞
ω→∞


2
ω2

jω

lim F (jω) = lim = lim − ⇒ (quadraticamente)
ω→∞ ω→∞ ωn ω→∞ ωn2
φF (jω) → 180




ω→∞

Já se ω = ωn , temos:

 log |F (jω)| = log |2ξ|

F (jω) = 1 + 2ξj + j 2 = 2ξj ⇒

 φ o
F (jω) = 90
Assim, para sistemas com 0 ≤ ξ ≤ 1, devemos estudar os casos:
(i) ξ → 0 ⇒ log |F (jω)| → −∞ qdo. ξ → 0, ω = ωn
(ii) ξ → 1 ⇒ log |F (jω)| → log 2 qdo. ξ → 1, ω = ωn
Dado que o caso ξ = 1 é o extremo onde o fator quadrático transforma-se em produto de dois
fatores de primeira ordem, é coerente que o valor do logaritmo do seu módulo seja 6dB. Este valor
equivale à soma dos logaritmos dos módulos dos termos de 1a ordem iguais, cada qual valendo 3dB.
A forma do
gráfico neste caso pode ser parametrizada em ξ. Na figura 8.4, mostra-se o gráfico
2
2ξ
para o termo 1 + ωn jω + j ωωn .
100 180
160
80
140
60 120
fase (graus)
modulo (dB)
100
40
80
20 60
40
0
20
−20 −2 −1 0 1 2
0 −2 −1 0 1 2
10 10 10 10 10 10 10 10 10 10
frequencia (rad/seg) frequencia (rad/seg)
Figura 8.4: Diagrama do fator de segunda ordem.
Observações:
• Quanto mais próximo de zero estiver ξ, maior é o "pico"da curva de módulo e mais rápida é
a transição de fase no ponto ω = ωn .
• Neste caso, as curvas aproximadas usando assíntotas podem introduzir erros grandes quando
ξ for muito pequeno. Com 0.5 < ξ < 1, o erro máximo ocorre quando ξ = 1, com a diferença
entre a curva real e a assíntota valendo 6dB.
• O "pico"de resposta não ocorre

√ a uma freqüência fixa, porém depende de ξ. Este pico aparece
para valores de ξ tq 0 ≤ ξ = 2/2, e se verifica que:
√1
p
ωr = ωn 1 − 2ξ 2 Pr = |G(jωr )| =
2ξ 1−ξ 2
(freqüência de pico ou ressonância) (pico de ressonância)
√
Para ξ = 2/2, temos Pr = 1 ⇒ o pico desaparece.
Já a fase para o valor ωr obtém-se como:

ξ
φG(jωr ) = −90o + sin−1 p
1 − ξ2
Fatores com raízes no semiplano direito:
Se um fator de G(jω) tiver pólos ou zeros no semiplano direito, os diagramas de fase serão
invertidos com respeito aos sistemas simétricos. Assim, o fator G(jω) = (1 − jωT ) terá diagrama
de módulo igual ao de (1 + jωT ) e diagrama de fase simétrico com respeito ao eixo φ = 0. Para
comprovar isto, basta calcular:
φG(jω) = arctan(−ωT ) = − arctan(ωT ) = −φ(1 + jωT ). Isto pode ser apreciado na figura 8.5
onde mostra-se o diagrama para G(s) = 1 − s. Para se obter o diagrama final de uma dada função
60
40
Gain dB
20
0 −2 −1 0 1 2
10 10 10 10 10
Frequency (rad/sec)
−30
Phase deg
−60
−90
−2 −1 0 1 2
10 10 10 10 10
Frequency (rad/sec)
Figura 8.5: Diagrama do fator de primeira ordem com raiz positiva.
de transferência basta plotar os fatores básicos do numerador P (jω) e do denominador Q(jω) (que
são os inversos dos de P (jω)) e somar os traçados.
Atualmente a construção do diagrama é realizada com a ajuda de pacotes especiais para controle
(como por exemplo o MATLAB). Porém, é importante entender o procedimento de construção e
ao mesmo tempo saber interpretar os resultados expostos num gráfico deste tipo. Dos diagramas
de módulo e fase podem ser inferidas propriedades importantes do sistema como o valor do ganho
(estático ou de velocidade), observando o diagrama nas baixas freqüências, ou conhecer a banda

passante, observando o diagrama nas altas freqüências. Conhecendo estes parâmetros podem ser
inferida as propriedades de comportamento dinâmico e de regime permanente do sistema. Estes
pontos serão estudados nos capítulos seguintes.
8.1.1 Exemplos de construção do diagrama logarítmico
Exemplo 1
Considera-se o sistema representado por:
4(1 + j0, 5ω)

G(jω) =
jω(1 + j2ω) [1 + j0.05ω + (j0, 125ω)2 ]
O diagrama correspondente mostra-se na figura 8.6.
100
50
Gain dB
−50
−100 −2 −1 0 1 2
10 10 10 10 10
Frequency (rad/sec)
−90
Phase deg
−180
−270
−2 −1 0 1 2
10 10 10 10 10
Frequency (rad/sec)
Figura 8.6: Diagrama de G(s).
Exemplo 2
Considera-se o modelo da turbina hidráulica representado por:
1 + jTw ω
G(jω) =
1 + j0.5Tw ω
O diagrama correspondente mostra-se na figura 8.7 para Tw = 6 segundos, onde pode ser observado
o efeito do zero no semi-plano direito, que aumenta a fase do sistema levando-a a −180o . Como
veremos posteriormente, esta caraterística da turbina dificulta o controle do sistema em MF.
Gain dB
4
0 −2 −1 0 1 2
10 10 10 10 10
Frequency (rad/sec)
Phase deg 0
−90
−180
−2 −1 0 1 2
10 10 10 10 10
Frequency (rad/sec)
Figura 8.7: Diagrama de G(s).
8.2 Obtenção de G (s ) a partir da resposta frequencial
Um outro problema importante em controle é a identificação do modelo do sistema. Suponhamos que

a função G(s) dum dado sistema é desconhecida e que deseja-se calculá-la usando um experimento
de resposta em freqüência.
Assim para um conjunto de excitações senoidais do tipo:
u(t) = sin 2πfi t fi ∈ [f1 , f2 ]
Obtemos um conjunto de saídas:
y(t) = Ai sin(2πfi t + φi )
e será possível plotar, ponto a ponto, a resposta em freqüência do sistema, como se mostra na figura
8.8.
0
−50
Gain dB
−100
−150 −3 −2 −1 0 1 2
10 10 10 10 10 10
Frequency (rad/sec)
0
Phase deg
−90
−180
−3 −2 −1 0 1 2
10 10 10 10 10 10
Frequency (rad/sec)
Figura 8.8: Identificação no dominio da freqüência.

8.2. OBTENÇÃO DE G (S ) A PARTIR DA RESPOSTA FREQUENCIAL 181
(
A(ω) = |G(j(ω)|
Com os gráficos de é possível calcular a função G(s) usando métodos
φ(ω) = φG(jω)
numéricos. Como G(s) é um quociente de polinômios, pode-se usar uma função do tipo:
b0 + b1 (jω) + · · · + bm (jω)m
G(jω) = , n≥m
a0 + a1 (jω) + · · · + an (jω)n
e usar uma minimização de critério quadrático para obter os coeficientes de G(jω). Existem também
outros métodos para obter esta identificação. Para aplicação prática, estes algoritmos devem ser
implementados em computador, pois a grande quantidade de cálculos inviabiliza aplicações manu-
ais. Existem varios algoritmos que fazem estes cálculos e apresentam resultados precisos com boa
convergência.
Também é possível, em se tratando de sistema simples, obter a função G(s) por inspeção e
poucos cálculos, sem necessidade de utilização de algoritmos de identificação.
8.2.1 Um exemplo simples de identificação
Seja a seguinte função de resposta em freqüência obtida experimentalmente: Podemos inferir:
20
0
Gain dB
−20
−40
−60 −3 −2 −1 0 1 2
10 10 10 10 10 10
Frequency (rad/sec)
−30
Phase deg
−60
−90
−120
−150 −3 −2 −1 0 1 2
10 10 10 10 10 10
Frequency (rad/sec)
Figura 8.9: Diagrama identificado.
(a) Como limω→0 A(ω) = k ⇒ sistema sem integradores nem derivadores e tem ganho estático
20dB ou 10 unidades.
(b) Como limω→∞ φ(ω) = −90o ⇒ grau numerador = grau do denominador - 1.
(c) Como a curva A(ω) tem três partes com diferente inclinação e a maior é de 40 dB por década
⇒ 2 pólos e 1 zero.
(d) Sabendo que G(jω) = [10(1 + jωT1 )]/[(1 + jωT2 )(1 + jωT3 )] resta determinar T1 , T2 , e T3 .
log Ke = K ⇒ Ke = 10K
T1 , T2 , e T3 podem ser calculados aproximadamente a partir dos pontos de quebra da curva. Neste
caso podemos aproximar T1 = 2,T2 = 10 e T3 = 50.
Capítulo 9
Interconexão de Sistemas Contínuos e

Discretos
Como já colocamos no início do curso, em muitas aplicações é necessário ou prático utilizar contro-
ladores discretos para controlar sistemas contínuos. Assim, do ponto de vista formal, é necessário
estudar uma forma de representar matematicamente estes sistemas híbridos.
As duas operações básicas para esta interconexão são a amostragem e a interpolação. Assim,
dado um sistema contínuo com entrada u(t) e saída y(t), geraremos o y(kT ) amostrando y(t) com
período T , k ε Z+ . Já se a saída de um sistema discreto deve ser conectada à entrada de um
sistema contínuo, usaremos um interpolador entre ambos, que transforma o sinal u(kT ) discreto no
u(t) contínuo. A figura 9.1 mostra estas operações.
u(kT) u(t)
y(t) y(kT)
Interpolador Processo Continuo Amostrador
Figura 9.1: Função do interpolador e amostrador
Como já discutimos, duas questões básicas devem ser colocadas:
1. O período de amostragem T deve ser escolhido de forma adequada para que o sinal amostrado
contenha toda a "informação"do sinal contínuo
2. O interpolador pode ser de vários tipos: por degraus, linear, etc. Na prática usaremos somente
o de degraus, também chamado sustentador de ordem zero (ZOH) e que representaremos por
uma transferência Bo(s).
Veremos então como representar matematicamente estas operações.
183
184 CAPÍTULO 9. INTERCONEXÃO DE SISTEMAS CONTÍNUOS E DISCRETOS
9.1 A amostragem
Supomos que temos um sistema contínuo representado por H(s) com entrada u(t) e saída y(t).
Como definir T para que o sistema amostrado represente adequadamente o sistema contínuo? Como
representar matematicamente esta transformação de sinais?
A operação de amostragem é bem simples de simular ou implementar, porém difícil de

analisar. Idealmente a saída u(kT ) do amostrador com entrada u(t), é uma sequência de valores
representando as amostras u(t). Na prática o sinal u(kT ) será um sinal tipo pulso contínuo de
largura ∆t e amplitude u(kT ), como se mostra na figura 9.2.
sinais
x(t)
x(kT)
Figura 9.2: Função real do amostrador
Dado que a largura do pulso é muito pequena, considera-se uma idealização onde os pulsos são
substituídos por impulsos de ação u(kT ). Assim definimos um sinal u∗ (t) dado por:
∞
u∗ (t) =
X
u(t)δ(t − kT )
k=0
que é o resultado da modulação do sinal u(t) com um trem de impulsos definido como:
∞
δ(t − kT ) ⇒ u∗ (t) = u(t)m(t)
X
m(t) =
k=0
Esta representação não é real, mas faz-se necessária para a análise matemática do problema e
os resultados obtidos pela teoria são condincentes com a prática. Calculando as transformadas de
Laplace de u∗ (t) temos:
Z ∞
U ∗ (s) = L{u∗ (t)} = e−st u∗ (t)dt
0
Z ∞ ∞ ∞ Z ∞
−st
e−st u(t)δ(t − kT )dt
X X
= e u(t) δ(t − kT )dt =
0 −∞ −∞ 0
9.1. A AMOSTRAGEM 185
∞ Z ∞ ∞
−st
e−skT u(kT )
X X
= e u(t)δ(t − kT )dt =
−∞ 0 −∞
pois u(t) = 0 ∀t < 0. Como
∞
∗
e−σkT u(kT )e−jωkT
X
s = σ + jω ⇒ U (s) =
−∞
que com ρ = eσT gera a transformada Z de u(kT ). Assim z = e(σ+jω)T = esT e
U ∗ (s) = Z{u(kT )} = U (z) (9.1)
1
z = esT ↔ s = ln z
T
Isto define uma relação entre o planos complexos s e z, que permite relacionar diversas questões de
sistemas continuos com seus pares amostrados.
Vejamos agora como escolher o valor de T . Para isto consideramos que um sinal contínuo u(t)
é amostrado e depois deve ser recuperado sem perda de informação. Considerando que o sinal u(t)
tem um espectro em frequência û(f ) calculado como:
Z ∞
û(f ) = u(t)e−j2πf t dt
−∞
com uma forma como a da figura 9.3.
u(f)
-fo fo f
Figura 9.3: Espectro em frequência û(f )
Já o simal amostrado terá:
Z ∞ k=∞
∗
u(t)δ(t − kT )e−j2πf t dt =
X
û (f ) =
−∞ k=−∞
k=∞ Z ∞ k=∞
u(t)δ(t − kT )e−j2πf t dt = u(kT )e−j2πf kT
X X
=
k=−∞ −∞ k=−∞
que é periódica de período 1/T .
Desta forma o espectro do sinal amostrado terá uma forma como a da figura 9.4. Desta forma,
Espectro em frequencia limitado a fo
u(f)
-fo fo f
-3/2T -1/2T 1/2T 3/2T
Figura 9.4: Espectro em frequência û∗ (f )
somente quando os espectros repetidos não estejam superpostos será possível recuperar o espectro
original do sinal u(t) utilizando um filtro passa baixas.
Esta condição está dada pelo teorema de amostragem ou teorema de Shannon.
Teorema de Shannon
Se a transformada de Fourier de um sinal contínuo u(t) é nula para todo f > f0 , isto é, û(f ) ≡ 0
∀ f > f0 , então u(t) pode ser determinada de forma única a partir de suas amostras u(kT ) se o
período de amostragem é escolhido verificando a relação:
1
T ≤
2f0
Observações
1. O teorema coloca que, amostrando um sinal x(t) com uma frequência pelo menos duas vezes
maior do que a maior das componentes em frequência do sinal, é possível recuperar toda a
informação contida em x(t) a partir de x(kT ). Isto fica bem claro a partir da análise gráfica
pois não há superposição de espectros.
2. Tecnicamente os sinais utilizados na prática tem espectro em frequência não limitado, isto é,
x̂(f ) 6= 0 ∀ f > 0 e assim o teorema indicaria usar T ≡ 0. Porém, como na prática os sinais
tem a maior parte da sua energia condensado em baixas frequências, é possível achar uma
frequência f0 para a qual x̂(f ) ' 0 ∀ f > f0 .
3. Devido ao solapamento do espectro do sinal original e a suas réplicas aparece um efeito de
distorsão conhecido como "aliasing"que impede a correta recuperação do sinal original.
Na figura 9.5 mostra-se um espectro em frequência de um sinal real com o aliassing.

9.2. ANÁLISE DA CONEXÃO INTERPOLADOR - SISTEMA CONTÍNUO 187
Espectro em frequencia sinal real
u(f)
aliassing
-3/2T -1/2T 1/2T 3/2T f
Figura 9.5: Espectro em frequência dum sinal real amostrado.
Além desta questão, na prática aparecem alguns outros problemas. Em geral o sinal que se deseja
amostrar vem acompanhado de ruídos que alteraram o espectro original. Assim, normalmente são
utilizados filtros analógicos passa baixa que eliminam boa parte do ruído e limitam o espectro do sinal
a ser amostrado a uma freqûência f0 . Este tipo de filtro é conhecido como "filtro anti-aliasing"pois
evitam a distorsão criada pela superposição do sinal e seus "alias".
9.2 Análise da conexão Interpolador - Sistema Contínuo
Estudaremos agora o problema de conectar um sistema discreto com um sistema contínuo a

través de um interpolador.
Usaremos o ZOH como interpolador. Para representar matematicamente este bloco ZOH utilizare-
mos novamente a amostragem ideal. Observa-se que a saída verifica:
∞
X
u(t) = u(kT ) [1(t − kT ) − 1 (t − (k + 1)T )] k ε Z+ (9.2)
k=0
com t ε [kT, (k + 1) T ].
Lembrando que:
(
1 ∀ t ε [kT, (k + 1) T ]
1(t − kT ) − 1[t − (k + 1)T ] =
0 outro caso
u(kT ) indica o valor do degrau
Se desejamos obter na saída do ZOH um sinal u(t) igual ao da figura 9.6, teremos que integrar os
pulsos, já que:
d1(t)
= δ(t)
dt
Como o valor u(kT ) deve ser mantido somente entre kT e (k + 1)T , devemos usar o próprio sinal
integrado atrasado de T . Graficamente isto é mostrado na figura 9.6.
sinal sinal
u(kT)
u(kT)
Bo(s)
t
kT t
kT (k+1)T
Figura 9.6: Transformação dos pulsos em degraus
Assim temos:
Z ∞ Z ∞
u(t) = v(t)dt − v(t − T )dt
0 0
Aplicando Laplace:
1 1
U (s) = V (s) − e−sT V (s)
s s
A função de transferência do ZOH é:
1
Bo(s) = 1 − e−sT
s
9.2.1 Função de transferência amostrada
Tendo como representar o ZOH, será possível estudar a função de transferência de um sistema
amostrado ligado a sistemas discretos. Como a parte discreta do sistema só tem validade para
t = kT com k ε Z+ , não será possível estudar o sistema completo em tempo contínuo, mas apenas
nos instantes de amostragem. Assim acharemos a função de transferência amostrada do sistema
ZOH + processo, como se mostra na figura 9.7.
u(kT) u(t) y(t) y(kT)

Bo(s) Processo Continuo
Figura 9.7: Sustentador em cascata com o processo
Y (z)
Calcularemos U (z) = H(z)
A função resposta impulsiva da cascata ZOH + processo é:
h(t) = g(t) ∗ b0 (t) e aplicando Laplace vale que:

9.3. EXEMPLOS 189
H(s) = G(s)Bo(s) = Bo(s)G(s)
Ao amostrar com período T criamos a função h(kT ) e logo usando transformada Z obtemos
H(z).
∞
Y (z)
h(kT )z −k
X
H(z) = = Z+ {h(kT )} = T
U (z) k=0
Como em geral conhecemos H(s) e não h(t), deveríamos fazer:
L−1 Amost Z
H(s) → h(t) → h(kT ) → H(z)
porém existe uma forma direta para passar de H(s) → H(z). Notaremos então que H(z) = Z{H(s)}
e calcularemos esta relação usando tabelas de transformadas. Aplicando esta ideia ao produto
Bo(s)G(s) tem-se:
( )
1 − e−sT G(s) G(s)

−sT
Z {ZOH.G(s)} = Z G(s) =Z −Z e
s s s
G(s) G(s) G(s)

−1 −1
= Z −z Z = 1−z Z = BoG(z)
s s s
G(s)

−1
BoG(z) = 1 − z Z
s
Que da uma forma geral para o cálculo da FT amostrada de um processo quaisquer.
9.3 Exemplos
Exemplo 1: Seja o processo contínuo
1
G(s) =
s+1
Calculando
1

−1
BoG(z) = 1 − z Z
s(s + 1)
para período T e usando tabelas temos:

z z

−1
BoG(z) = 1 − z −
z − 1 z − e−T
(1 − e−T )z
BoG(z) =
z − e−T
Exemplo 2: Seja o processo contínuo
3 1
G(s) = =
(s + 1)(s + 3) (1 + s)(1 + s/3)
Calculando
3

−1
BoG(z) = 1 − z Z
s(s + 1)(s + 3)
para período T e usando tabelas temos:
3 1
" #
z 2z 2z

−1
BoG(z) = 1 − z − +
z − 1 z − e−T z − e−3T
Deve-se observar aqui que na transformação o número de pólos é mantido e que logicamente estes
dependem do período de amostragem T . Já quanto aos zeros o número pode variar.

Y<@P<
> <SV<@<AS_U
^RmSCÙ hT< WPT^B@<V]V<fR
S B @SV<CB@
Q< jVS>Q< < TPRÂBC_^RQSQ<<C<>PSV<CB@
_SVS B S^jT>@f RCAB>A<R
Q<@<>fB^ <>PB PQB@B@ QSAS_UP<BVRS
P T^ B @ Q<_B@P<VRBV<@X
@R@P<CS@
C <@PTQSV<CB@ S^jT>@ @R@P<CS@ <@_<ARSR@ ABCB _BV <a<C_^B B@ W ABC SPVS@B
_VBA<@@B@
Q< PVS>@_BVP<X
yBCB { SU AB^BASCB@ >B AS_U P T^B kZ ><@P< ATV@B PVS`S^ n SV<CB@ ABC @R@P<CS@ V<_V<@<>PS?
QB@ASVSAP<VRcSV
_BV [T>\ATCS]B Q<@R@P<CS PVS>@[<VzQ<<>ARS W oimpX YB QR<>PS>PB
PVz<@ CS><RVS@ [<V<>P<@QBhT<_B>PB<@P]SBQ<WU>PRfR@CPSSC<>P< QS S>USV<^SARB>SQS@e
^R@< _BQ<CB@
d _<^S _VUB_VRS imZ hT< Q<=>< @<T@ _UB^B@ < c<VB@g
d _<^S @TS V<@_B@PS >B P<C_B S @R>SR@ _SQVB>RcSQB@ <
d _<^S @TS V<@_B@PS <C [V<h T<z>ARS j<><VS^RcSQSX
mBQS@
_BVPSC<>PB <@PS@ [BVCS@
QB _<VCR
@R@P<CSZ {T>PB
C <>AB>PVSV Q< R >
hTS^ [BVCS\
h T<V A B
] <@
TCS Ù S @R A
Q<^S@ S@ S@B`V<
_SVPRV B ABC?
QSo@p
BTPVSo@pX >P<>Q<V W
S V<^S\AS]B <>PV<>B B@_^S>BABC_BVPSC<>PB@ >SP<Z[V<hPS>PB
T<z>ARS>S <S>UBTS^R>B@< ABCB
P<C_B>S<
SnBVS^BAS^RcS\ A
S
] B
QB hT<_VB{<PBZ QS@ @R>jT^SVRQSQ<@
Q<=>RV <@PVSPU <jRS@@R@P<CS@
Q< S{T@P< ABC_^
_SVS < aB _<VCR
B@< QR_SVz@AV<PB@
SC<PVB@>S@QB@_VUBaRCS@AB>PVB^SQBV<@X @PSS
S>U S ^R@<Z @<VU S V<S^ R cSQS _SVS AB>PU
S@ `S@<@ _SVS S@ [<VVSC<>PS@ R>PVBQTcRQS@ >B@W AS_UWPT^B@ < @T`@<h T<>P<@X >TB@ #
@<\
A B
] <@

j<VSVU
"$#!( ' $ #&*$ "' + ' ( ' $ ) & !+ +!$ $# '
#!( ! +!$ $# ' !( +! * ! "'

<PVS`S^ b ASVSAP<VRcS\
U `S@PS>P< TPR ^ AS]B >SQ< R>QTCTU@R@PVRSZ
RcSQS @P<CSPS>PBSPVSfUS@@RC<@ QShT<V<@_B@PSB P<C_B
_SVS TCS @RB_<VSQBV
> SR@ _SQVB>R Q< cSQB@
_^S>PS
C<>PS^ n SV P<VCB@ ABCB P<C_B Q< <@PS`R ^ RcS\ A S
] BZ _RAB C SU aRCBZ <PAX @PB QS?
_VRBVRQCSQ<QB<>P<_VBA<@@B
Se oRp _SVS< oRRp<@PTQSV S V<@_B@PSAS]B >]QBSB @R@P<CS
<A<@@USQUVRS?@<>nTC @RAB>n<AR C@<C<>PBS

S><A<@@R S R>P<V_V<PS\
Q< T@SV [<VVSC<>PS@ CSP<C SUPRAS@X Q< CS><RVS C _^<@
k
k
[V<h T BV BTPVB ^SQBZ S V<_V<@<>PS\ A S

] B Q< @R @ P<CS@
<z>ARS PSCÙ<C P< TPR^RcSQS _<^B@ B_<VSQBV<@ Q< _^S>PSZ@B`V<PTQB <C @R@ P<CS@
[U
W @RAB@ SPVSfU < @ QS @TS V<@_B@PS <C
PBPR_ PR_B
B Q< C<Az
@R @ S>RAB oAB>PVB^
P<CS@ < <Û<PVRABX< Q<mVSQRC S
U ARB>S^C<Û<>P<Z
hTR>S@ < PVRAS@ZB@ @R@P<CS@
_VB{<PB@ Q<Q< @R@P<CS@ _BPz < >ARSZ Q<<PApAB>PVB^<
<VSC Q<@P<PB@
[<R
>B<C QBCU
<>@SRB@ W>RB Q<QSASC_B[V<h T<z>ARS S_^ R < B@ V<@T^@R>SRPSQB@@ @<>BR
AS>QB?@< <VSCQ SR@XAB>@PVTUWQ B@ S _SVPRV Q< CBQ<^B@ B`PRQB@
b_<@SV
AB>PVB^Q S@< _BV< C<^nBVSQS@Q< hT<
CTRPB@ S>B@Z@< [B@@<C<@P<@ CU < PBQB@
CTRPS@ TPR^QS@RcSQB@ _<VCR P RVSC
@B^T\AB]_VBA<QR S S>U
<@ RC _^<C<>PSQS@ S ^R @ < ?< Q<
P<>QR
`S@<SQB@ >B AB>n<ARC<>PB QS [T>\ A S
] B Q< PVS>@[<Vz < C
>ARS <>PB@
QB S>SÛ
@R@P<CSX P R A B@ CSR @
W b@@RC Z QB _B>PB Q<
fR@PS
V<AB>n<A<VSASQz<CR< S@@BARSV
ABZ R>P<V<@@S S@ V<^SARB@PRAS@
ASVSAP<VU >SV <@PS@Q< ASQS V<@_B@PS@
TCS ABC S V<@_B@PS@
Q<@PS@ im QB @R@P<CSZ ABC S@ R@PBQS <imX
UZ _BQ<V
;< [BVCS j<VS^ @]S B QBR@ B@ _VB`^ W <CS@ _VUSPRAB@ S@@BARSQB@ S S>US^R@< Q< @R@P<CS@ ^R><SV<@e
oSp AAB>n<ARQS
[T>\ S
] B V<@_B@PS S <Cim [V<hQ<P<VCRT > SV S V<@_B@PS >B P<C_B BT >S [V<h T<z>ARS < o`p AB>n<A<>QB S
<z>ARS BT AB>n<A<>QB S <>PVSQS S_^RA SQS < S @SUWQS ABVV<@_B>Q<>P<
>BT@SV<CB@Z
QBCR>RB_SVSQB P<C_BZ B@ <>@SRB@ Q<P<VCR
Q< > SV S [T>\
V<@_B@PS >B AP<C_BZ
S]B Q< PVS>@[<Vz
TC @R > <>ARSQ< <>PVSQS
S^ QB @R@P<CSX _SQV] SY<@PPS
@TC< <U_VBA<@@BX B [T>ARB>SC<>PB <C V<jR C < _<VCS><>P<
CTRPB TPR^RcSQB _<^B@ B_<VSQBV<@ Q< _^S>PS _SVS RQ <>PR= ASV S V<@_B@PS QS jVS>Q< CSRBVRS QB@
>B P<C_B
bC`B@ Q<
B@ _VB`^<CS@ AB^BASQB@ @]S B SC_^SC<>P< QR @ ATPRQB >S P<BVRS Q< @R@P<CS@ ^ R ><SV<@
AB>@R
SjR>S@Q <VS>QB
_UPVBQTcR QRC B@@ATPRc<VB@@R@P<CS@
V<CB@>S@ S@im_SQVB>RcSQB@
S^_SQVB>R
P<VS\AB]<@cSQS@ Q< _VRC<RV>SS < V<@_B@PS
_VBQTcRQS@ @<jT>QS Q<BVQ<CX <@P<@ b@@R C Z >S@hTS>QB
@R@P<CS@ _VUBaRCR>?S@
S^<@PTQSV<CB@
RcSV<CB@ B@BV<@T^ P SQB@ _SVS @R @ P<CS@ Q< Q<P<VA<RVS
_VRC<RVSBVQ<C< @<jT>QS < BVQ<>@ BVQ<CX
@T_<VRBV<@Xb_UB@ iR>S^C<>P<
R@PB j<><V?
ABC_BVPSC<>PB Q< @R@P<CS@ ABC SPVS@B Q< PVS>@_BVP<X
q-,-, ./012340 2 s8/32/84 58 23
S BVQ<C

@P<@ @R@P<CS@ @] S BZ _BV Q<=>R\ A S

]
<Z _BVPS>PBZ Pz<C TCS [T>\AS]B Q< PVS>@[<Vz<>ARS QB PR_Be BZ V<_V<@<>PSQB@ _BV TCS <hTS\ A S
] B QR [ <V<>ARS^ Q< k

$ op

okk p

okk p

;<@PS [BVCSZ
V<@_B@PS SB _BQ<CB@QB @R@P<CSX
Q<jVST V<^SARB>SV SVSB@ _SVz B SC<PVB@Q< @R@P<CS@
AS@B Z < <@PUABC S f<R @ S@Z hT<[BVCS@
QS
hT< R>P<V<@S QS
<@PTQSVZ B fS^BV Q< [BV><A< S V<^S\ A S] B <@PU S PRAS <>PVSQS?@SU QS ojS>nB <@PUS PR A Bp _SVS TCS

W

<>PVSQS hT< P<>Q< S TCS AB>@PS>P<X ;B jVUS=ABe

% %
@PS <a_V<@@]S B fS^< _SVS PBQB @R@P<CS @<C_V< hT< B@ fS^ B V<@ R>R A RSR@ < =>SR @ <@P<{SC
& &
Q<=>RQB@ < @<{SC =>RPB@X

S
U B _SVzS C<PVB R Q B ABCB AB>@PS>P< Q< P<C_B QB @R @ P<CS < Q<^< Q<_<>Q< S

[BVCS QS V<@_B@PS QS
@<jTR>P<@ <a_V<@@]B<@e =jTVS X k oSpX bÛ< C QR@@B @< V<^SAR B >S ABC S V<@_B@PS SPVSfU
< @ QS@
B>Q< < @]
S BZ V<@_<APR f SC<>P<Z B P<C_B hT jRV <
#

QB fS^BV =>S^X

iRo`pABC
jTV< c<VBXke <@_B@PS Q< @R@P<CS Q< _VRC<RVS BVQ<C _SVS <>PVSQS Q<jVSTZ oSp@<C c<VBZ
!
B @R@P<CSP<VA<R >]
<>P]SCBQR
VBB S_V<@<>PS
S _SVzSC<PVBPVS>@[<Vz
B B @R@P<CS
Q<=><<>ARSB fS^BV
P<C TCSQBV<@_B@PS
R> RARS^
QRV<PS <
R>@PS>PUS@ QS @SUWQSX @]l<SB ABCB >S<>P]=jTVS
V<@_B@PS@ SB QRc<CB@
S><SXhT<YS @<=jTVS XkBo`pfS^BVCB@PVS?@< X k oSpX hT<l<
ABCB@SUQ BS
fS^BV

Q< =
<>P< @ P<CSX
< hT< @<`@<VfS?@PS
R > RARS^QS
V<@_B@PS W
R>f<V@SX
@<V ASÂT^SQB S _SVPRV QB jVUS=AB Q< V<@_B@PS TPR^RcS>QB S <a_V<@@]SBe

% %
;B _B>PB Q< fR @ PS _U
B ^B?c<VB _BQ<?@< QRc<V hT S S V<@_B@PS hTS>QB B c<VB
% %
<>AB>PVS?@< S R>S <@hT<VQS

Tz<>ARS QBBQB<@ c<VB
A^SVBb@hT<C<@CS@AB>A^T@] _UB^B<U<PS>PB
hT< BCSRBV
c<VB QBCR
hTS>PB> S SCSRV<@_B@PS
@ _VU
B >B AS@B
aRCB QS AB>PVU
BVR j <CSVRBX<@PRf<VX<@T^PS
!

_BQ<C @<V B`PRQS@ S>S^ R cS>QB S [T>\A S

]
oiX X ip QB @R@P<CS Q< _VRC<RVS BVQ<CZ hT< _BQ< P<V S@ [BVCS@ hT< @< CB@PVSC >S =jTVSB Q< V<@_B@PS <C [V<h T
<z>ARS
!
;S S>US^R@< QB jVUS=AB _BQ<CB@ Q<QTcRV hT<e

k
iRo`pABC
jTV< c<VBX e <@_B@PS <C [V<h T<z>ARS Q< TC @R@P<CS Q< _VRC <RVS BVQ<Ce oSp@<C c<VBZ
!
d @<c<VBB <CfRA<?f<V@SXBUQT^B QS i @PBi [BVRC _^>T^BRAS >TCS

! _SVS [V<hV<@_B@PST<z>ARS@>BR>=>R
P<C_B P S@ <>P] S B B @R@P<CS >]S B P<C
Q<jS>nB_VRC<R<@PUVSSPRABBVQ<CS _SVPR_SQV]V QBSB
ABCB S QS =jTVS
CjVUBSUQT^=ABXB <CmSCÙ

X k X S X Y<@P<
`SR<Ca S@<U[V<h_B@@UT<zf>ARS@ AS@B
 SV
[V<h B T
<z>ARS Q< ABVP< QB C<@CB
Q< Q<[S@Sj<C RjTS^ S W <^X Q<P<VCR> SV B _UB^B S _SVPRV QB jVUS=AB Q< [S@< >B _B>PB

d @<_<^BB CfS^BVBUQTÂB>@PS>PQRQRASV
! S _V<@<>\
[<V<>P< Q<V<@_B@PS A S Q< TC
c<VB QBR>C@PS>Pz c<VBZ B hT<
BUQT^BS><SX<C S^PfS^BV _BQ< @<V
S@ [V<hQST@SU<z>ARS@Z Q<P<VCR>SQB
_BQ<CB@
S@@<jTVSV
c<VB @<VU S hT<
CSR BB V @R @
hT< P<CS B S_V<@<>PS
fS^ B V Q< V<jRC< _<VCS><>P< @B
i R>@PS>P<
>S@ S^ P S@
[V<h
U _B@@UT<z>ARS@
<V<@_B@PS [BV CSRBVhT<TC >S@S TC`SRaB@S@[V<h
fW <^<CV<^SARB>SV QR [ T<z>ARS@XjVUSyBCB
<V<>P<@ =AB@ BQ<AB>PVU SVRB PSCÙ
V<@_B@PS >B
!
<C ARSQ< QS@[BVCS=jTVS@
_VBA<Q<?@< @R C R ^ Xk SB< UXP<CX SVSS>P<VRQ<P<VCR
SV B V > SV BhT<fS^BBV CjS>nBZQB
T@S>QB B
U QT^ B Q< _US^BP^BS
<z>ARS ARS R>P<VC<QRUSVRSX

_BV[U@RABYSTC<U_VUAS_Sc
@RS@PRP<CS
AS @]SQ SzSCB@
CRAS QRhT<c<V_BQ< @<V><>nTC
V<_V<@<>PSQS
!

_VR C <RVS W hT< @R@P<CS

W@RC _^R= ASQB Q<Q< ABC_BVPSC<>PB S_V<@<>PSV TCS V<@_B@PS R>@PS>Pz S ><SZ_BVU < CZ<C S^jT>@ AS@B@ TC CBQ<^ B

Q<>S@j<VS\ A S
] B Q< <><VjRS <Û < PVRASZ _BV _BQ<<a<C_^BZ
@<V TUPR^B _SVS S S>US^R@< QBQ<_VB`^<CSX
ABC_BVPSC<>PB TCS PTV`R>S YB@nRQVU
@R@P<CS@
S T^ R AS
BVQ<CfRcRABC> nS>\TCAS@ c<VB QB _B>PB Q< B_<VS\AQRS]VB<R<UPBe>BVCS^C<>P< CBQ<^SQB _BV TCS im Q< _VRC <RVS
>B @<CR_^S>B
oo pp o p k k
$

B>Q< o p V<_V<@<>PS S@ fSVRS\ A B

] <@ Q< _BPz < >ARS C<Az S >R A S < o p S@ fSVRS\ A B
] <@ >S _B@R\ A S] B

QB QR@PVR`TRQBVX @P< CBQ<^BZ <C`BVS S_VBaRC SQBZ P< TPR^RcSQB _SVS B S{T@P<

QB@B ABC_BVPSC<>PB
@R@P<CS@ Q< AB>PVB^< Q< f<^ B ARQSQ< QS PTV`R>SX iR @ RASC<>P< <@P< CBQ<^ B V<_V<@<>PSVRS

fSVRS\ AS]B R>@PS>PU QS _V<@@]

S><S QS _B@R\ S B Q<>PVB QS PT`T^S\
ATS]CQTc
>jT^BS Q<_V<@@]S
SPShT< S
U jTSX lT_B>QB
QS@ _USQS@ QSPT`T^S\ TCS
PTV`RA>S]BS
>BP<VUS@<>PRQB Q< STC<>PSV B fB^ BAT_SQB S B Q<>PVB
<@_S\TCSAB ^R`<VSQBX
BV<AT_<VSV hT<QS PSCÙ
< SPR > jRV B
<C R>@PS>PU
b@@RCZ
>BfB S
_B>PB
S><S QSQBQS hT<PTV`R>SS SUjTSASR >BR>@PS>PS><SC<>P<
f<^BARQSQ<
Q< B_<VS\ A S
] BX
_BQ<VUS BAT_SV R_SVS C <QRSPSC<>P<
Q<_BR @ @<
SU hTS>QB
QRhT<> SzCRAS ^ < >PS AB>@RQ<VS?@<
ABC ARVATR P B <^SAB_^SC<>PB
B@ < PVzB >R A B@ Q< Q<QR>@R@P<CS@
S
z CRAS C<AzPBSCSR
CTR >RAB@@ VUBTS_RP<VCBQR>z
Q SZ BVCS^ B@ Q<
b@@R C<@P<@Z ABC`R>S>QB
TU^PRCB@ _B@@SC V<@R @ Pz< @<V `<C< AS_SAR
>ARS@ CBQ<^SQB@
P BV<@ @PVTRV @ P<CS@ R> @PS>PU
<^<PVz B >RAB@S><S@X
hT<
P<>nSC im Q< _VRC<R V S BVQ<C ABC c<VBX ;< [SPBZ<@PS W ASVSAP<VU W @PRAS S _VUS PRAS
_SVS
V<@R @ PRSfBAB>@PVTA]
AS_SAR PSRfBB Q<QS AB>PVB^SQBV<@
=jTVS X B>Q< BjRBA<?@<B@X hT<yB>@RQ<VS>QBZ
S>SÛ@T_] S ABVV<>P< _BVQ< ASVjS
<a<C_^QB < X

iRjTV< X e ;Rf R@BV V<@R@PRfB AS_SARPRfB

#
b@@RCZ
QRQ<> SzPVS>@[<Vz C<@CB
CRAS Q<<>ARSCS^nSQBS`<VPSZ hTPVBQTcS @<V AB>PVB^SQB
TC AB>PVB^SQBV >B _B@@TS
>B @R @ c<VB@
P<CS S >S
[T>\ @TS
A S
] B
[<>z B C<>B@ R > Q<@<{SQB@X @R@P<CS_VUB<CaRC B i<a<C_^B
P<VUS c<VB@R^T@PVShT<`<C_BQ<V]<@PSSBZhT<@P] <C SS^jT>@
B < CBPR AS@B@Z
f S B AST@SV
<@PTQB
QS _VUBaRCS @<\AS]BX
yB>@RQ<V< TC _VBA<@@B Q< ShT<AR C <>PB hT< V<@_B>Q< <C b ABCB <TCQB@R@P<CS Q< _VRCB<RVS>S^

BVQ<C
R>P<jVS^ ABC
o pim _SVS o p
hTPVB^
PR_B _VB_BVAR
hT<<C QS<VS?@<
QQS S@ fSVRS\
B]<@XAB]<@ QSQRSjVSCS
V<[<Vz<>ARSQ< `^BAB@
ABC TCSQB

$
QR@R@>P<CS
SUCRAS<@PUPVzS<@>Sf<c<@=jTVSCSR@X VUB>Q<

S_RQSAB>@R
bhT<@<CS imB@AR^S\
AQB AB>PVB^SQBV @RQ<VS>QB hT< S< AB>@PS>P< Q< P<C_B Q<hT< bX <UCSkZ @B^T\< AS]BQ<f<C @<VAB>@R
ASÂT^SQB@ _SVS P<V

(
i _U
B ^B@ V<SR@ ABC C BUQT^B CSR B V
@RC_^<@

@ P< <C <@AB^n<V
C_UB@RC_^
^B@ V<SR@<@ AUS<ÂT^B
RjTSR@Z_<VCR_SVSP< P<VB`P<VTCSB V<@_B@PS
_B^R>zBCRBQ<ASVSAP<VU
@<jT>QS@PRBVQ<C AVRPRASC<>P< SCBVP<ARQ SX
# "
" W A Be
ok p ok p
hT< Q<f< _B@@TRV TCSX b VSUV<@_B@PS Wc QT_^SQB<C@R@P<CS <CX iS{T@P< hT< _<VCR P < <@PS AB>QR\A S
] B ARS >S

referencia
r
9*[5/9 1]
controle
referencia s
Sum1 u
Controle PI
1
saída
s+1
Sum2 y
forno
perturbação
iRjTV< X e yB>PVB^< Q< TC @R@P<CS PU<VCRAB
saída controle
1.4 5
4.5
1.2 pico devido ao zero real dominante
1
3.5
0.8 3
resposta mais rápida que a do sistema sem zero 2.5

0.6
2
0.4
1.5
0.2
1
0 0.5
0 0.5 1 1.5 2 2.5 3
iRjTV< X e <@_B@PS ABC AB>PVB^< Q< TC @R@P<CS PU<VCRAB

0 0.5 1 1.5 2 2.5 3
tempo tempo
!

P<C_<VSPTVS CB@PVS?@< >S =jTVS X X `@<VfS?@< ABCB S V<@_B@PS P<C S f<^BAR Q SQ< CSRBV

hT< S Q<@<{SQSZ
>]ASÂT^SCB@
SB <@PUS >SSS^BAS\ >]S B B@AR^SZ CS@ S_V<@<>PS TC _RABX b <a_^RAS\ A S
] B Q<@P< ABC_BVPSC<>PB
im AiS]BQBQB@@R@_UP<CS

B^B@ P<CB@e
QS _B@R\AS]B QB c<VB R>PVBQTcRQ B _<^B X l<

o p okk p

hT< _B@@TR TC c<VB S^ B ASQB S QRV<R P S QB@ _U

B ^B@ >B <R a B V<S^X yBCB @< Q<CB>@PVS S
#
AB>PR>TS\
SA<^<VS\ A S
]ABS]B< <@P@RTCPBU<[<RVRBXPBb@@RC
QBCR>S>P _UTzB<^B@>ARS< AST@S
<@PTQB QB @RCT^_BQ<VU
c<VB PS><SC<>P<
S R>QRASV S
B
_VBA<QRC <>PB Q< S{T@P< QB X

q-,-q ./012340 2 02 6 4 58 23
>R_BVARSV<CB@

TCS B
<hTS\ A<@PTQB
S
] B QR [ Q<@P<@
<V<>ARS^ @R@P<CS@
Q< S AB>@R
BVQ<C < Q <VS>QB
_BVPS>PB hT< Pz
< C@]S BZ
TCS _BV Q<=>R\
[T>\A S
] B A
Q<S] BZ V<_V<@<>PSQB@
PVS>@[<Vz< >ARS QB
PR_ Be
ko p o p
$ o p

$ o p o p ABC o p QS [BVCS S>P<VRBV

$ $
yBC R@@BZ
o p o p o p o p

$

;S C<@CSZ hT<[BVCS hT< >BS_SV<A<AS@B QBQRV<PSC<>P<
@R@P<CS Q< _VR>S C@SU<RVSQ SXBVQ<C B AS@B
_VRC<RQRVcB?@<P<VCB R>QRASZ @<

P<C

PVS>@[<Vz
S
< <>PVSQS
>ARS QRV<PS X yBCB <@PSCB@ <@PTQS>QB Y<@P<
W B @R@P<CS _SVS <>PVSQS Q<jVST S hTS^ QS b@@RCZ
f<VPRAS^C<>P<X V<@_B@PS<@PTQSV<CB@
@<VUSZ ><@@<@S_<>S@ AS@B@ZS SV<@_B@PS
QB @<jT>QB _SVS C<C`VB o S_<>S@ PVS>@^SQSQS
S^< Q<@PSASV hT< <C
j<VS^
b im _SVS @R@P<CS@_BQ<[UW@RA@<VB@Z <@AVR PS pX>S [BVCS _SQVB>RcSQS ABCB @<jT<e
QB @R@P<CS

$ o p ok p k o p

B>Q< k P<e
QB @R@P<CSC <>PBZ@]SBe [V<h T<z>ARS >SPTVS^ Q< B@AR^S\AS]B < jS>nB <@PUSPRABX

k
_<^B hTQ< QB fS^BV Q< e

kk _U_UBB^B@^B@ V<SR@
V<SR@ << RjTSR@
QR[<V<>P<@

k
SVS k _U_UBB^B@^B@ ABC_^<aB@ AB>{TjSQB@ k

ABC _SVP< V<S^ _B@RPRfS V<_B@PS

@<C_V<

o>]SB?^RCRPSQSp

AV<@A<>P<

>P<V<@@S
C RPSQBXQ< lZS_<>S@
^R[BVCS b@@R@< C<^<@Z <@PTQSV
S [BV<C B@ _BQ<VU
AS@B@ SABC@<V B@AR^SPUBB>Q<
V<@_B@PSV<SR@X VRSZ
@<S B@V<_B@PS
_U
B ^ B @ o p P<>Q<
[BV<C _SVS TCBTfS^BV
ABC_^<aB@Z
%
ABC
QBc<VBc<VB>]SBQBCBQR
@R@P<CS b [BVCS =>S^ QS V<@_B@PS Q<_<>Q<VU S PSCÙ< C QS _B@R\A S
] B
= AS SABCB @< CB@PVS
ASVSAP<VUW @PRAS >B@ ^jVU
B@AR SB=AB@
SPU VRS BTQS>]=jTVS
S B X BS_<@SV
B@AR^SPU VRS QS Q<V<@_B@PSX
hT< S _V<@<>\AS QBB
TS>QB
iRjTV< X e <@_B@PS@ Q< @R@P<CS Q< @<jT>QS BVQ<C ABC < @<C c<VB
!
c<VB ]SB QBCRSU @<> S>P<ZR@PB

SS V<@_B@PSX <^< <@PU
S <UZ <@PUBS>SQBS <@hT<VQS
_B@RAR _VUB aRCB< QB@^B>j<_UBQB@^B@ QB_UB^@R@P<CS
B@ QB @R@P<CS
S[<PSVU hTS@<
S @<>@R >]fS<^BCS[<PS
<>P<
V<@_B@PSX
QBABC@R@SVSS@P<CSZ
B AS@BS V<@_B@PS
C<@CS@
Q< _UB^B@ P<VU
V<SR@S TChTS>QB
ASVSAP<VU @ PRAS@ _RAB
QS
TC< P<>Q<VU
V<@_B@PS
c<VB @<S SB_B@RfS^BV
@<C
ARB>SQ<S QRV<jRV<RCPS<QB_BV_UBfS^^B V<S^QBCR>S>P<
c<VBX S U hTS>QB B c<VB B
@<V<@ CSR
_B@RARB>S B V<@ <
S
<@hT<VQSC<>BV<@ QB _UB^B< PSCÙ W
V<S^ QBCR > S>P<S@ C<@CS@
QB @R@P<CSASVSAP<VUS V<@_B@PS P<>Q<VU S SB fS^@<CBV c<VBX
Q< V<jR@PBC <_BQ<_BV
fS^BV<@
@<VV<@_B@PS
B`@<VfSQB >S@ < C
V<@_B@PS@ ABC QS =jTVS X X C PBQB@@ PRAS@ QS V<@_B@PS
W B@ AS@B@ B>Q<jSPRfB S
<>P<>QR Q <
BU {CSR
S
U hT<@ VU
S
TC_RQS @<
P<VCB ABC_SVSQS
<C >B ABC
>TC<VSQBVS
QB @R@P<CS
R > PVBQTc @<C
TC c<VBX
<[<R P

B@PB _BQ<
Q<VR f SPR f@<V
BX [SAR
S
U >B^ C<>P<
AS@B
Q<mBQSc<VBS S>U _B@RS^RP@Rf<BQ<@Pf<V@SRcS>QBABCBB @R@P<CS
S>S^ >B AS@B Q<Q< _VRC<R BVQ<C VS ABCB
BVQ<CXS
AS@ASPS Q< TC @R@P<CS Q< k BVQ<C ABC c<VB < TC =^PVB _S@@S `SRa S@ Q< k BVQ<CX b@@RC Z

V<@T^ P S @R C _^<@ S@@BARSV S@ V<@_B@PS@ QS =jTVS X ABC S@ B`PR Q S@ >S S>U S ^R @ < QB @R@P<CS

Q< _VRC<RVS BVQ<CX
c<VB <CTPVSQBR@[BVCS@R@P<CS@
Q< B`P<V@<C<@P<@c<VB@V<@TÂBCBPSQB@@< CB@PVS
@RQ<VS>QB
>S@ <hTS\SAB]Q<ABC_B@R\
<@ @<jTR>P<@eAS]B QB @R@P<CS ABC
o p ok p ok ok pok p p
$

BTe
o p o p ok p ok k p
$

k

o p

ok p
ok p
< ABC_BV< SC_^R S V<@_B@PS ABCB @BCS Q< QTS@ `<C AB>n<ARQS@ ABC QR[<V<>P<@ AB>@PS>P<@ Q<

P<C_B P TQ<X
@P<CSSVS _SVS
@RV<@_B@PS
B`P<VhT<S>S^SRPV<@_B@PS
RASC<>P<P<>nS S AB>QR\_RAABS]BBThT<V<@_B@PS
Q<f< @<VR>f<V@S
>B P<C_B B`@<VfS>QB hT< S C<@CS QB S V<@_B@PS QB @R@P<CS @<C c<VBe

%
op
%

o p
*

*
_BQ<?@< B`P<V S V<@_B@PS PBPS^ ABCB

op op op
% %
%
hT< V<@T^PSe

op
%

o k

*

k

p

*

ySÂT^S>QB S Q<VRfSQS Q<@PS V<@_B@PS < RjTS^S>QB S c<VBe

o p o ok p ok pp
%

*

*

Q<P<VCR > S?@< S AB>QR\A S

] B _SVS hT< <aR @ PS TC C SU aRCB BT CU W >RCB V<^SPR f BZ B hT< R>QRAS

V<@_<APRfSC<>P< S _V<@<>\AS Q< TC _RAB BT Q< TCS V<@_B@PS R>f<V@Se

* kk

*

b@@TCR>QB @<C _<VQS Q< j<><VS^ R QSQ< hT< S>P< o p S AB>QR\AS]B

_SVS hT< <aR@PS TC @B^T\AS]B QS <hTS\AS]B <Ue

k
BTS P<V@<{SjS>nB
hT< Bc<VBZc<VBP<C?@<
Q<f< @<VTCSQBCRV<@_B@PS
> S>P<X ABCaA^_RT R>QB B AS@B Q< hT< ^ < fSVRS S V<@_B@PS

AB >B AS@Be
k
< V<@_B@PS R>f<V@S >B AS@Be

k
iRSVS> S^C<>P@RQ<VS?@<
@<V Q<P<VCR>SQB ABCBQ<[T>\jS>nB
AS]B Q<T>R PSUVRB < < SX

[V<h

T fR @ TS^ R cSV B <[<R Q<@P< c<VB TC @R @ P<CS
<z>ARS ABC_^< aS >BVCS^Rc SQS ABC B fS^BV QB _UB^B QBCR>S>P<X ;< <@PS [BVCS _BQ<?@<

AB>@RQ <VSVe
k
ABC k < o kp >B AS@B Q< V<@_B@PS ABC _R A B < o p >B AS@B Q< V<@_B@PS

R>f<V@SXQ< jVU< S=ABfSVRS>QB

fS^BV<@

QS =jTVS>B R>P<VfS^

X CB@PVS
B o kpXS fSVRS\AS]B QB ^BjSVRPCB QB _RAB _SVS QRf<V@B@

log(pico)
2
10
1
10
0 p2=−6
10
pólo rápido normalizado

−1
10
p2=−2
−2
10
−3
10
−1 −0.9 −0.8 −0.7 −0.6 −0.5 −0.4 −0.3 −0.2 −0.1 0
iRjTV< X e RAB QS V<@_B@PS QB @R@P<CS Q< @<jT>QS BVQ<C ABC TC c<VBX

zero normalizado
YB AS@B QB @R@P<CS P<V _U

B ^B@ ABC_^<aB@ AB>{TjSQB@ TC c<VB ><jSPR f B @<C_V< [SVU
S hT< S
V<@_B@PS P<>nS fS^BV<@ CSRBV<@ QB _RABZ@<>QB hT< @BC<>P< <@PS QR[<V<>\AS @<VUS @Rj>R= ASPRfS

hTS>QB B c<VB <@PR f <V _VUB aRCB QB@ _U B ^B@X SVS S>S^ R @SV hTS>PR P SPR f SC<>P< <@P< V<@T^ P SQB

AB>@RQ <VS?@< S im QB @R@P<CS ABCB ABC_B@PS Q< QTS@ _SVP<e
$ o p ok k p k ok p

b@@R

@<C C Z AS^ A T^S>QB jVU S =ASC<>P< S V<@_B@PS

=>S^ ABCB ABC`R>S\

A S
] B QS V<@_B@PS QB @R@P<CS
QB c<VBc<VB>S< V<@_B@PSQS @TS Q<VRB@AR^SPUfSQSBVRSe_BQ<?@< AB>A^TRV hTS>QB _S@@S S @<V @Rj>R= ASPRfS S R> Tz<>ARS
o p o p ok p o p
B>Q< o p QS BVQ<C < o p o ok p pX b@@RC
% % %
_BQ< @< SAnSV TCS V<^S\A S

] B <>PV Tz<>ARS

% %

QBb@ c<VB BV hT< < @< k B _RAB o p _BQ< @<V SPU
< k CSR B V hTP<@
b@ V<@_B@PS@
QR[V<h[<V<>P<@

_SVS <@P<

AS@B#
CB@PVSC?@< %
>S =jTVS
V<@_B@PS@ S>S^R@SQS@ _BQ<C @<V V<^SARB>SQS@ ABC B@ jVUS=AB@ Q< V<? X X
%
@_B@PS <C T
<z>ARS QB @R@ P<CSX YS =jTVS X CB@PVSC?@< B@ @<R@ AS@B@ _B@@UWf <R@ _SVS B
C BUQT^B QSTS>QBi iB Q<_<>Q<>QB QS _B@R\AS]_UBB^QBB@ V<SR@
c<VB <CPS QRSjVSCS
TCS [SR S_V<@<>PS
a S Q< S^ P S [V<h T c<VB
<z>ARS ABC C BUQT^B CSRBV hTnB <@PUSPRA BX
[V<h T
<z>ARS@ B
@PB T@R<z>ARS@
[V<h j>R= AS< hT< S@ ABC_B><>P<@
_BVPS>PBZ S V<@_B@PS Q<@@S [SRa SS @<V]
S_V<@<>PSVU _R ASBB>BCSR@PVS>@RSC_^RPBUVR=BASQS@X @PB hT<AB>=VCS
S@ Q<B`SRV<@Tâ S@?
PSQB
<>PV< { S_UUBQR@ATPRQB
^B@p B ><@PS C<@CS
QRSjVSCS _S@@S @<\S ASP<>TSV
S]BX l< BCSR@ c<VB S@@< Q<@^BAS
S^ P S@ [V<h _SVST<z>ARS@
S@ S^<PS@B [V<h
_R

A BT<zQS>ARS@V<@_B@PS
oc<VB
Q<@S_SV<A<X
RjTS^ SQBQB@R@R@P<CS SU hTS>QB
@<Cc<VB@ B c<VB <@PR
c<VB@X_BR@CS SC`B@ f <V <> S^ P
AS@B@ S@ [V<h T<z>ARS@ S V<@_B@PS @<VUS _VSPRA SC<>P<
S V<@_B@PS P<CT<z>ARS@
TC PVS>@R PBUVRB_<^SCSR_V<@<>\
@ VUS_RQBAS
hTTS\ A S
] B <C S^ P S@ [V<h BV
yBCB< [BRZ C<@CB
AB>PVB^ AB^B ASQB@<>QB>B ><A<@@U
<a<C_^BSVRBQB_SVSAB>PVB^ < Q< BP<C_<VSPTVSZ
SA<^<VSV PVS>@R P BUVRBZ B c<VBj<VSV<@AB^TCSn RQBV<@_B@PS
_BQ< _SVS B
R>Q<@<{SQS
@R@P<CS Q< [V<>P<

AB>PVB^<S@ Q<CTQS>\ AS@ Q< V<[<Vz

P<C_<VSPTVS >B<<a<C_^
>ARSX BSCB@ S S>S^R@SV Q< [BVCS CSR@ ABC_^<PS B
hT< @<jT<X
yB>@RQ<VBfSC<>P<
QB AB>PVB^ PB
QS Q< im
V<[<Vz
< >ARS o p
< S@ X ;<@<{S?@< S>S^R @ SV
_<VPTV`S\ A B
] <@ Q< ASVjS$

'
)
b _SVPRV< QB QRSjVSCShT< Q<A^SVSC<>P<
% % '
`^BAB@ QBP<V]@R@SP<CS

QS =jTVS_UB^B@ _BQ<C
B B@ C<@CB@ @<V AS^c<VB@e
< QR[<V<>P<@ AT^SQS@ S@ im

o p oko p p )

#

o p o p
#

yBCB
BQ<jVSTX
hT< jSVS>P< P<C TC
TCS c<VB
@SU <C
QS c<VB
>T^S <CB @R @
V<jR P<CS
C < P<C jS>nB
_<VCS><>P< c<VB
BT _SVS
V<{<R\
A S
] S
B <>PVSQS
S@@R > PU
B PR Q<
A S _<VPTV`S\
Q< QB A
PR_BS
] B
W

bÛ
<C QR@S@B S V<@_B@PS
QBRfS^BV@ _UkB^B@<C RjTSR@ < jS>nB @<VU
k SX SbQ<VRV<@_B@PS
fSQS Q<QBTCS@R@P<CS
V<@_B@PS
<C QQS
_SVS TC BVQ<C ABCQ<
Q<jVST
'
CB@PVS?@< >S =jTVS XkX X `@<VfS?@< ABCB S V<@_B@PS @<jT< ABC B S{T@P< QB c<VB QB X ;< <@PS [BVCS B <[<R P B
tempo tempo
_BQ<VRS @<V @B^TARB>SQB_SVS@<TCSB@ c<VB@

QS@ V<@_B@PS@
Q< < Q<@[SfBVU
_TQ<@@<C @<VSf<^SV`R_SVS
P S BTPVSX @P< _VB`^<CS
VSQB@X

b @B^T\ A S
] B _SVS <@P< _VB`^<CS@ PVB^SQBV PVB^< Q< QBR@ jVST@ Q< ^R` <VQSQ< Q< TC @R@P<CS PU<VCRAB
perturbação
=^Q<PVB Q<X ;SV<[<Vz < >ARS BT

S>US^R@<^RCR>SVAB>PVB^SQBV Q< _V<?S^R
< V<S^RcSQSB _RAB><@PS< @<\B ACSR@
S]B Q<QTcR C <>PS\ A S
]
C B@ _B@@UB @R@ _UPBBU^VRSXB@ _SVS
)
b@@RC _B@< @<V Q<=>RQ B ABCBe _VU

B aRCB W V<@_B@PS )
o p kk

ABC < k X @AB^ n <>QB _BV <a<C_^ B k _BQ<?@< B`P<V TCS V<@_B@PS

ABCB XS yBCB
QS =jTVS@< B`@<VfSZ
XkX _SVSS @B^T\

TCAQ<jVST
#
S] B

<SR@Q< Q<fS^<>PVSQSX
BV k <C <C@P<
'
PR_ B Q< @B^T\AS]B @<VUS TPR^RcSQB < QR@ATPRQ B <C BTPVS@ _SVP<@ Q< <@P< QBATC<>PBX

saída
1 controle
1.5
0.9
seguimento
da referência
0.8 1
0.7
0.5
0.6
0.5
0
0.4
0.3 −0.5
rejeição da carga
0.2
−1
0.1
0
0 1 2 3 4 5 6 7 −1.5
0 1 2 3 4 5 6 7
SVS B AS@B Q< _UB ^B@ ABC_^<aB@ S S>U S ^R @ < ARS@ B _RA B QS i i STC<>PSVUS AB>@RQ <VSf<^C <>P< < _BVPS>PBZ S V<@_B@PS >B P<C_B
SfCSRBV

_RABC<QRS@o@B`V<_S@@BpZ<>PV<PS>PBZ@<C
!
S^P<VSV S [V<h T<z>ARS QS@ B@AR^S\AB]<@X lS@ BT S^ P
ATVfS Q<P<VUCS BUTCQT^B_RABABC@<C_V< S@ [V<h
CSRBV<@CSRBV T
<z>ARS@ B @<T <[<RP B QRCR>TRVUSX BVU<CZ @<C_V< P<V<CB@
fS^BV<@hT<hTR S QB Q@R@P<CS @<C_UB^B@Xc<VB@X@PS@PBQR[@Rj>R

=<AS_RAB@
hT<
STC<>PS S C<QRQ S hTARS@X B _<^ B @ <V<>\

A X
q-,- ./012340 2 128 u 2/84 58 23

V<@T^P@P<SQB@l<<@PTQB

B_BQ<C
@R @
_BQ<@<V @<VB`PRQB@
P<CS PR f <V
V<S^RcSQB
PVz< @ T@S>QB
_UB ^B@
PSCÙS
V<SR@
<C _SVSS`BVQSj<C
C<@CS
S V<@_B@PS
@R@P<CS@ Q<QB@P<VA<R@R@P<CS@
QB @R@P<CS @<C
VS BVQ<CQ< BVQ<C
c<VB@
ABC c<VB@X
P<VU S TCS R>[<VR B
[BVCS
@
VX
_SV<ARQS
c<VBZ S @TSABCR> STzQB<>ARS@R@P<CS@<VU S Q< @<jT>QS
Q<@_V<cU f <^ BVQ<C
@< <^< <@PRABCf<V_U>S@B^B@ S^V<SR@X
P S@ [V<hl<T<Bz>ARS@Z
@R@P<CS< _VBQTcRVU
PRf<V TCS
TC`SRaSTC<>PB >S f<^BAR
Q SQ< Q< @T`RQS W QB PVS>@RPBUVRB S C<QRQS hT< @< Q<@^BhT< _SVS S@

S@ [V<h <z>ARS@X b _SVPRV QB CBC<>PB hT< @<{S QBCR> S>P< [V<>P< SB@ _UB^B @ S V<@_B@PS
T
S_V<@<>PSVU
<@PS@ S TCS
AB>A^>BT @@]P<C_B _R A
B<@ _BQ<C B >B PVS>@R
B`@<VfSV?@BB @RQRSjVSCS SB CSRBV jS>nB <C S^ P S@ [V<h T
<z>ARS@X mBQS@
Q< C BUQT^BQBR@QSc<VB@i iS QS[BVCS=jTVSQS V<@_B@PS Xkk < >S
V<@_B@PS
>]c<VB@
SB @<@<V<C
S^P<VSZQ<PBQSfRSZ QS =jTVS X
B T<[<R<z>ARSX k X l<
PB PR
@ P<CS
PQSSPRV<@_B@PS S_V<@<>PS
fSC<>P< @<VU QR[S<V<>P<X
!
BV <a<C_^BCSRBV Z >B AS@BhT<QB@>B

AS@B Q<l<TCB T@RU>R@P<CS `SR a S [V<h
AB c<VBXPRf<VYS@TC=jTVS@ _RAB
X k < X k k B`@<VfSC?@< AB>@RQ<VSf<^C<>P<
PBQB@

B@ AS@B@ _B@@U f <R@X

_SV_<^Q{TjSQB@ S V<@_B@PS W
@<C c<VB@Xk
_BQ<VU S @<V QBCR>SQS _BV <^ < @ BT
< Xk X bB SAV<@A<>PSV B@ c<VB@ S V<@_B@PS @< CBQR= AS Q< [BVCS @RC R^SV SB AS@B Q< @<jT>QS S_V<@<>PS>QB S@ [BVCS@ QS@ =jTVS@ #
BVQ<CX l<C_V< S V<@_B@PS @<VU S CSR@ VU

S _R Q S < P<VU
QB @R@P<CS >S@ CU<QRS@ < S^PS@ [V<h T<z>ARS@ ABCB @< CB@PVS >B@ QRSjVSCS@ QS =jTVS Xk X S CSR @ _R A BZR @ PB _BR @ STC<>PS?@nB

iRjTV<oSpX_UeB^B@BUV<SR@Z
c<VBe QT^B QSo`pi_UB^B@i QBABC_^<aB@
! @R@P<CS Q<AB>{TjSQB@X
@<jT>QS BVQ<C _SVS QR[<V<>P<@ _B@R\AB]<@ QB
iRQB@jTV<c<VB@Xk< eABC<@_B@PS
! SB
_UB^B@ V<SR@Q<jVST QB @R@P<CS Q< P<VA<R V S BVQ<C _SVS QR [ <V<>P<@ _B@R\
A B
] <@

iRjTV<< ABCXkke _UB^BBUQT^B

c<VB@
@ V<SR@QS i i QB @R@P<CS Q< P<VA<RVS BVQ<C _SVS QR[<V<>P<@ _B@R\AB]<@ QB@
!
iRjTV< Xk e BUQT^B QS i i QB @R@P<CS Q< P<VA<RVS BVQ<C ABC _UB^B@ ABC_^<aB@

!
#
iRjTV< Xk e <@_B@PS SB Q<jVST QB @R@P<CS Q< P<VA<RVS BVQ<C _SVS _UB^B@ ABC_^<aB@
# !
b V<@_B@PS SB Q<jVST
b< >S_SVPRV[V<hQST<z>ARSZ><@P<@ AS@B@
S>US^R<@<SS>P<VR CB@PVS?@<
BV P<C?@< >S =jTVS
TCB _^S>B X k X
AB>{T>PB@ hT<Q< _<VCR
R>[BVCS\PRV]ASB]B<@B @B`V< S Q<V<@_B@PS >B
P<C_B
Q< AB>PVB^SVS< >B@<aP<>Q<V
_VUBaRCB@B@ V<@T^ @TS V<^S\
AS_UPWPSQB@ A S
] B ABC <@PTQB
T^B@XQ<@PS S>US^R@< SB AS@B QR@AV<PB `S@PS V<ABVV<V S V<^S\AS]B @R @ P<CS@
_^S>B @ ? _^S>B cX ;R@ATPRV<CB@ R@PB >S _VUBaRC S @<\AS]BX

"$#!( ' $ "$ +!#$ "' + ' ( ' $ ) & !+ +!$ $# '
#!( ! +!$ $# ' !( +! * ! "'

QB_B@RAS@BPSVSRfS AB>PU
<@PTQSV>TB S@< SASVSAP<VU
_SVS W <fR P SV V<^S\
S@ A S
] B W
V<@_B@PS@
@PRAS@ QBX yB>@RQ<VSV<CB@

ABC
AS@B QR@AV<PB _BQ<C
B@AR^S\ A S
] B Q< @R>S^ @R @
S
@<V ABC
P<CS@
ASQS
TPR^RcSQB@
_<VU _U
B
BQB ^ B
Q<@ B@Q< V<@T^
_SVP< PSQB@
SCB@PVSj<C V<S^
W

o[<>zyBCB
BC<>B>BAB>n<ARQB AS@B ABCB SVR>jR>j
QR@AV<PB QBCR>z SpX>ARS QB@ _UB^B@ @< QUS _<^S _VBaRCRQSQ< QB AUVAT^B
T>RQBCR>S>P<
PSUVRB _BQ<?@< AB>A^TRV hT< hTS>QB B c<VB QB @R @ P<CS <@PR f <V S QRV<R P S QB@ _UB ^B@W @<VUS
AB>@R Q <VS>QB < S[<PSVU
<@PS S AB>@R
V<^S\ A S
] BZQ <VSf<^
S@ C <>P< ASB]<@V<@_B@PS
AB>=jTVS\ QR@ATPRQS@QSQS_SVS_<^BB@RAS@B@P<CSAB>PU@<C>TBc<VB@X@]SB fUb@@RS^RQS@C Z
_SVS SVSB AS@BTC QR@R@@AV<PBX W
fS^BV
R>RARS^ >] S BP<CS
>T^ B Q<
hT< _VRC<R
_BQ<VU V S
S BVQ<C
@<V CSR ABC
B V TC
oC<>BVp c<VB hT<P<VU
BS S V<@_B@PS
fS^BV Q< V<jRC<SB Q<jVST
_<VCS><>P<P<VU S TC@<
BhT<c<VBTCpXV<S^ S<@PRU B f<[<R<V PSBQRQBV<Rc<VB
PS o<@hT<VQSp
>B C B
U QT^ BQBQS_UBV<@_B@PS
^B oAB>@RQ<VS>QB
<C [V<h T SC`B@ ABC C BUQT^B C<>BV
<z>ARS QB @R@P<CSZ hT< Q<f<
@<V@P<S>S^RfS^B@VSQS@<VU_SVS
S CSRBV [V<h T
<z>ARS@ <>PV< < Z CBQR= ASVUS B fS^BV QB C<@CB <C
hTB[V<hP<C_B
T<z>ARS< c<VB hTS>QB B c<VB [BV QBCR>S>P<X YS =jTVS X

XXk < CB@PVSC?@< S@ V<@_B@PS@ >S [V<h T
<z>ARS _SVS TC @R@ P<CS ABC _UB^B <C
V<@_B@PSSVSc<VBR@R@P<CS@
><Cf<V@SX_SVSQ< @<jT>QS
QR[<V<>P<@ fS^BV<@ Q< X `@<VfS?@< ABCB _SVS k B @R@P<CS P<C

@<QBCR>S>P S>P<X@<Cl<c<VB@ZV<@_B@PS SB Q<jVST
B c<VB_BVU<@PR<Cf<VABCS <@hT<VQSP<VU S TC _RAB
QB@T`R_UBQ^BS
@R @ P<CS
C<>BVX YS =jTVS@ Xk < Xk CB@PVSC?@< S@ V<_B@PS@ >B P<C_B < >S [V<h T<z>ARS S@@RC

P<C_B Q<

iR<>P<@jTV<_B@R\XkAB]e<@ _SVS
BUQT^BB@QSc<VB@i i QB @R@P<CS Q< P<VA<RVS BVQ<C ABC _UB^B@ ABC_^<aB@ < QR[<V?
!
iRQR[j<V<>P<@
TV< Xk_B@R\
e A<@_B@PS
! SB Q<jVST
B]<@ QB@ c<VB@ QB @R @ P<CS Q< P<VA<R V S BVQ<C _SVS _U
B ^ B @ ABC_^<aB@ <
#
módulo
1 saída
10
2.5
2
b=0.95
0 1.5
10 b=0.95
b= 0.8
b=0.8
1
0.5
−1 b=0.2 b=0.2
10
b=1.2
−0.5
−2
10
−3 −2 −1 0 1 −1
10 10 10 10 10 10 20 30 40 50 60 70 80 90 100
iRjTV< Xk e <@_B@PS <C [V<h T<z>ARS QB @R@P<CS QR@AV<PB Q< _VRC <RVS BVQ<C ABC TC c<VB
freqüência tempo
!
ABCB B QRSjVSCS _UB^B?c<VB _SVS TC AS@B ABC _UB^B@ <C < < c<VB V<S^ fSVRS>QBX
iRjTV< Xk e <@_B@PS ABC c<VB@ Q< @R@P<CS QR@AV<PB Q< @<jT>QS BVQ<C ABC _UB^B@ V<SR@
!
P<C`@<VfS?@<
TC
YB AS@B
ABCB >B AS@B QB c<VB QBCR>S>P< o pB C BUQT^B QS V<@_B@PS <C [V<h T<z>ARS
_RABX
Q< _U B ^B@ ABC_^ < aB@ AB>{TjSQB@ B

@R@P<CS

@<C_V< P<VU S B@AR ^ S\

A B
] <@ PSVU
<V_UCB^BBUQT^B CSR B SV hT<ABCB@S _U_V<@<>\
B ^B@X AS QB=jTVSc<VBXXk @P<CB@PVSC?@<
YS STC<>PB S@@<VU[BVCS@
S @Rj>RQ<= ASPRB>QSfB hTS>QB
< S _B@R\A<^S]B<
@T_<VRBV @SVSABCB < c<VB@>B _SVS <@P< AS@BX @PS S>US^R@<V<@T^_BQ<PSQB@@<V hTS^R
V<S^RcPSQSSPRfSC<>P<
_SVS @R@@RCR^SV<@X
P<CS@ Q< BVQ<C

ABC_^<PSVAS@B AB>PU
S S>US >TBZ
B`P<>QB?@<
W ^R@< Q< @R@P<CS@ <@PTQSV<CB@ ><@P< AS_UWPT^B S@ ASVSAP<VUW@PRAS@
Q< V<_B@PS >B P<C_B < >S [V<h T<z>ARS Q< @R@P<CS@ ABC SPVS@B Q< PVS>@_BVP<X

módulo
1
10
b=0.95
0
10
b=0.85
−1
10
b=0.2
−2
10
−3
10
−3 −2 −1 0 1
iRV<SR@jTV< Xk e <@_B@PS <C [V<h T<z>ARS QB @R@P<CS QR@AV<PB Q< @<jT>QS BVQ<C ABC _UB^B@
10 10 10 10 10
freqüência
!
_îR<jaB@TV< Xk e <@_B@PS ABC c<VB@ Q< @R@P<CS QR@AV<PB Q< @<jT>QS BVQ<C ABC _UB^B@ ABC?
!
#
"$#!( ' $ ( ' #+ ' $ ! #+ ' $ +#!
YS S>US ^R @ < Q< CTR P B@ _VBA<@@B@ R>QT@PVRSR @ <A<@@U
S VRB CBQ<^SV CSP<C SUPR A SC<>P< TC
ARTCSPVS@B >SABCPVS>@CR@@]
B>SQB@R@P<CS SB QS Q<R>[BVCS\
BQ< PVS>@_BVP<
ShT<ARC<>PB Q< S
U
AS]BBToP<C_B
<><VjRS
jTS Q<
ABC_B@PB
CBVPBpX
CS@@S >B
_BV TC
@P< SPVS@BCSjR><CB@Z
@R@P<CSX

P<VCBPS>hT<Z

<@PS j<VS^C<>P<
TCS _BV
PT`T^S\A
V<^S?
<a<C_^BZ
S
] B <
TCS fUS^f T^SZ ABCB CB@PVS S =jTVS X X
iRjTV< X e lR@P<CS Q< ShT<ARC<>PB Q< SUjTS

lT_]B <?@<
XbX SVSSVS<>AB>PVSV hT< S <>PVSQS
S [T>\ QB >B@@B
ARS]ASVB Q<TCPVS>@[<Vz @R@P<CS ARS<C QB <@R@P<CS < >ARS
_BQ<VU < S @SU
W QS S P<C_<VSPTVS
WSCB@ [Sc<V>S TC@SUWQ<>@SR B Q<

R@PBZ
hT<SUjTSShT<>P< `S@PS
PT`T^S\>SAS]BPBV><R S_^
<@PUS VR>RSXAb_U
RS^C<>P< Q<jVST
ABC SUjTS

[VRSZ C<QRV
QTVS>P< S P<C_<VSPTVS
TC A<VPB P<C_B >]S B SX ;SQB
P<V<CB@
V<jRC< _<VCS><>P<X YS =jTVS B@ R@XPBZk SCB@PVS?@<
P<C_<VSPTVSS QS SUjTSQBRV@R@P<CS
V<@_B@PS SU STC<>PS>QB
_SVS TC SPU<Q<jVST
SPR> jRV>BB
P<C_B X
iRjTV< X ke <@_B@PS SB Q<jVST QB P<VCBPS>hT<

!
#
C<>P@PS>P< <Z B`PRQS
hT< S_UCB@PVS
B @ hT<
<^S <fB^TRSPU<A<
l< AB>@R

Q _VSPR
<VSVCB@ A S?
B
@R> S^ o p o pZ
Z < ASÂT^SCB@ S im QB @R@P<CS o@T_B>QB hT< <aR@P<pe

o p o p o p o p
$

$
< ^<C`VS>QB hT< o p o p Z B`P<C?@<e

o p
op

o p o p

< <>P]SBe
oo pp o p

$

;<@PS>TB[BVCSZ
AB>PU >B P<CB@ ABCB
QBCR>RB QS [V<hV<_V<@<>PSV
T <
z >ARS B <[<RPB QB@PTQSV<CB@
ABC_^<aSX SPVS@B Q< S@PVS>@_BVP<
ASVSAP<VU <C TCQS@R@P<CS
@PRAS@ [T>\
A S
] B
W
V<@_B@PS <C [V<h T<z>ARS QB P<VCB oSPVS@B QB @R@P<CSpX

W
q- -, 20s5014 23 82 2 6 u /4 2 3 0/01234 u 53 418405

SVS <@PTQSV S V<@_B@PS QB

< ASÂT^S?@< o p Z X BVPS>PBZ P<C?@<e

$
@R@P<CS

ABC SPVS@B AB>@R Q

<VS?@< o p Z < Z
$

(
$o p k iS@< B^RUQT^> <SVB AB>@PS>P<

<C X _SVS PBQB X

;SQB hTR P SUVRB R>P<V<@@S S_<>S@ S>S^R @ SV B QRSjVSCS Q<

[S@<Z
QRSjVSCShT< <CQ< [S@<<@AS^SABC^BjSVU WPCRAQ<S Q<AV<@A<
Q<PS^n< fU S VR B @ <a_B><>ARS^C<>P<X
_B>PB@ < >S =jTVS X YSABCB=jTVSB STC<>PB
X CB@PVS?@<
QB fS^BV B
Q< AST@S TC ASRC <>PB CTRPB VUS_RQB QS [S@<X

#
iRjTV< X e ;RSjVSCS Q< [S@< QB SPVS@B

#
−100
−200
L=10 L=0
−300
fase
−400
L=1
−500
L=2
−600
−700
iRjTV< X e ;RSjVSCS Q< [S@< _SVS QR[<V<>P<@ fS^BV<@ QB SPVS@B o pX

−1 0 1 2
10 10 10 10
frequência
#
BVRj<CX SbU B[T>\QRSjVSCS

A S
] B o _B^SV
p QU
S QB SPVS@B
TCS fB^ P S <UR>P<RVS
TCS ARVAT>[<Vz
S ASQS <>ARS Q< VSRB T>RPSUVRB A<>PVSQB >S
VSQRS>B@X b =jTVS X CB@PVS B
QRSjVSCS _B^SV Q< X
$

iRjTV< X e ;RSjVSCS _B^SV QB SPVS@B

b>S^R@SV<CB@ S AB>PR>TS\AS]B B <[<RPB QB SPVS@B >B @R@P<CS Q< ShT<ARC<>PBX
a<C_^Be
QSQS lT_] B <?@< hTPB Q< SUjTS QS =jTVS X P<C TCS im
<@`B\ASV_BVS V<@_B@PS
o p >B P<C_BX >P<V<@S
_SVS TCSS>S^<>PVSQS
R@SV B QRSjVSCS
Q<jVST Q<^BjSVUWPXCRAB < _B^SV QB @R@P<CS <

$

;RSjVSCS ^BjSVUWPCRAB
o p k ko p $

o p
`@<VfS?@< ABCB B C B
U QT^B P<>Q< S c<VB < S [S@< S R > =>R P B hTS>QB S [V<h T
<z>ARS STC<>PS

< R@PB j<VS TCS ATVfS <C <@_RVSôQRSjVSCS _B^SVp ABCB @< CB@PVS >S =jTVS X X
#
iRjTV< X e ;RSjVSCS ^BjSVUWPCRAB < _B^SV QB P<VCB?PS>hT< ABC SPVS@B

#
q- -q s85 /34tu5v20 5 418405 046 5 s5:/6 53/50

>BB@yBCB_VB`^
[BR S>S^B hT<R@SQBZQR= AT^B SPVS@B
@R@P<CS < CS@ Q< AB>PVBÛ
hT<
Q<^R@<PVS>@_BVP<
S
<>fB^ QB
f @R
<C @ R>PVBQTc
P<CSX
SPVS@B@ b@@R C
T@S>QB
TCSPV<_V<@<>PS\
ZCTR
S_VBaRS@ f<c<@
C S\
A B
]S]P<V<@@S>P<
R B >]SB _B^R>U<@PTQSV
_B^R>U B CR A S@X
BCRAS
SVS
R@PBZ
QSQ<@P<@[SR`S@PS
a_B^S Q<R>zT@SV
[V<h TTCS S_VBaRC S\AS]B Q< @U<VR<@ Q< _BPz<>ARS QS [T>\AS]B X ;<_<>Q<>QB
<z>ARS@ Q< <@PTQBZ S S_VBaRCS\AS]B _BQ< <>fB^f <V CSRBV BT C<>BV BVQ<C

BCRB@X iBVCS^C<>P< _BQ< @< <@AV<f<Ve

k o p

o p

k o p o p

oo p o p
p o p

BVQ<C@PS`SRSVS[UBaVCT^S

_SVSQ<S_VBaR
STCS AUSÂT^B= ASVn<AR
@RC_^R AUS Q S ABCB Q< SQU<< < j<VS^C <>P< <^S PShT<eTCS PVS>@[<Vz<>ARS ABC TC _UB^B <C < TC c<VB <C X
kk k

bR@PBQRSjVSCS
S_VBaRCS\
<Ue A_B^SV
S
] B Q< V<@T^ PS VABCB
_VRC<R S >S =jTVS
BVQ<C ]SB @< S[S@P< CTRPB Q< Z
<>hTS>PB

hT< fS^< _SVS

k
BT S_VBaRC SQSC<>P<e

#
iRjTV< X e ;RSjVSCS _B^SV QS S_VBaRC S\AS]B Q< SQU< Q< _VRC <RVS BVQ<C

@PS [SRa S Q<P<VCR>S S V<jR]SB Q< S_VBaRCS\AS]B _SVS _VRC<RVS BVQ<C ABC TC <VVB X

SVS @<jT>QS BVQ<C P<CB@e

k

k

Y<@P<@ AS@B@ZP<CB@ QBR@ _U

B ^B@ ABC_^ < aB@
AB>{TjSQB@ <C X QRSjVSCS V<@T^PS ABCB >S =jTVS X X
(
AB>{TjSQB@ <C < QBR@ c<VB@ ABC_^<aB@ (
iRjTV< X e ;RSjVSCS _B^SV QS S_VBaRCS\AS]B Q< SQU< Q< @<jT>QS BVQ<C
Y<@P< AS@B S S_VBaRCS\AS]B BzCRBZ PBQB@ BVQ<CZ
A<>PVSQB@ S QR @ PVR`TR\
V<@_<R P B A S
]
QS B Q< _U
BVRj<CB ^B@
< < c<VB@
ABC C B
UAB>PR>TS
QT^B@ @<>QBe
AV<@A<>P<@Z c<VB@
ABC
(
<[<R P B SPVS@B
(
PSCÙSPU<<CSPR>jR
_BQ< V @<V hTS>QB

S>S^R @ S BVQ<C
SQB >S @TS P<>Q< S R>=>RAS]BPBX>B _^S>B cX TS>QB
V<_V<@<>PS\
PVS`S^
QB_VBA<@@Bn SCB@AB>PU
@R@P<CS ABC>TBX@R@P<CS@ yBCB Q<fRAB>PVB^<
C B@ >S QR@AV<PB
P<BVRS <A<@@U
Q< @R>SR@ S<VR@R@P<CS@
B V<_V<@<>PSV ^R > S imS imSCB@PVSQS
<SV<@ Q< TC
W
CSR@ @T@P<>PSQBV Q< BVQ<C c<VB ASÂT^SfS?@< ABCBe
$ o p ok p o p

l< <UBB_VBA<@@B o p P<C TC SPVS@B o p o p<a_ Z T@S>QB S V<^S\AS]B Z B>Q<

_<VRB QB Q< SCB@PVSj<CZ B`P<CB@e

$

l< > TUC<VB_BQ<?@< =>RPB Q<S_VBaR_UB^B@C SV>S BVRj<C_BVQSTCim> TUSCB@PVSQSX

C<VB R>P<RVBb@@R < S@@RCCP<C?@<e
B SPVS@B PVS>@[BVCS?@<

>TC
$ o p ok p o p

$
TS>QB >]S B @< f<VR = hT< S V<^S\A S

] B B fS^BV V<@RQTS^ QB SPVS@BZ hT< @<VUS C<>BV

hT< Z _BQ<VU{T>PB
QR@AV<PRcSQB S @<VSB`<CV<@PS>P< S_VBaRQSC SQBQR> Sz_BVCRASTCQB _VBA<@@BX

SQU<< Q< _VRC <RVS BVQ<CZ hT< Q<f<VUS @<V
)*$ !$

Y<@P<
<C@R@P<CSX AS_U W P T^B
[V<h T<z>ARS@ V<@T^ V<S^R
Q< @RPSQB@c SCB@ TCS V<fR@]
@P<CS@[BVSC^R><SV<@QR@ATPRQB@S B Q<
V<^SARB>S>QB AB>A<R P B@ Q< V<@_B@PS
<@PS@TC ABC_SVS^S<^[T>\ >B P<C_B <
AS]B Q@[<VzV<@_B@PS
<>ARS<QBaB
<@<VUS@S [T>QSC<>PS^
V<@_B@PS@ SB _SVS Q<jVSTB <@PTQB
< <C [V<hQB@T<zCU>ARSX [Sc<>QB
@PSQ< _VB{<PB B <>PV<
S>US^R@<Z hT<[<RPSQR@ATPRV<CB@ _^S>B ABC_^
_SVS @R@P<CS@>B@ABC_VUBaRc<VB@Z
AS_U P T^B@X BV BTPVB ^SQB B <@PTQB Q< < PBQB@
@R@P<CS@ ABC SPVS@B Q< PVS>@_BVP< @<VU

S C
`S@PS>P< B@
W
RC_BVPS>P< _SVS S S>US^R@< Q< @R@P<CS@ V<SR@ Z B>QP< ABCTCX

Apostila Sistemas Lineares

Enviado por

Dados do documento

Título original

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

Apostila Sistemas Lineares

Enviado por

Direitos autorais:

Formatos disponíveis

Capítulo 1

Duas perguntas podem ajudar a esclarecer estas idéias:

a) O que é, como funciona, e para que serve um sistema de controle?

b) Qual a relação entre estes problemas e a teoria de sistemas?

Analisaremos as respostas utilizando um exemplo: Suponhamos un sistema de armazenamento

Figura 1.1: Controle manual de temperatura dentro do silo.

ajustar os valores de potência de aquecimento-esfriamento de acordo com a variação de T , como

Figura 1.2: Controle automático de temperatura do silo.

ATUADOR SISTEMA MEDIDOR

Figura 1.3: Esquema geral do controle automático de processos.

Os problemas relativos à medição e atuação serão estudados em outras disciplinas específicas.

• Desenvolvimento de um modelo matemático para o sistema físico e montagem das equações

• Obtenção da solução das equações;

• Interpretação dos resultados em termos do sistema real.

1.1 Definições Básicas

Definição 1 Sinal é uma descrição quantitativa de um determinado fenômeno, associado a um

Exemplos de sinais são os sinais sonoros, elétricos, visuais, etc...

Definição 3 Entradas e Saídas de um Sistema. Os sinais que relacionam ou comunicam o sistema

A figura 1.4 mostra esta relação.

Figura 1.4: Sinais de entrada e saída.

1.2 Sinais Contínuos e Discretos

I(k) = {8.3, 7.2, 5.0, . . .}

Exemplo: Temperatura de um forno medida com termopar.

Para cada instante t ε [0, ∞) tem-se um dado valor de temperatura.

Os sistemas associados a sinais discretos são chamados de Sistemas Discretos e os associados

Na maioria das aplicações de controle e automação industrial o estudo do comportamento de sis-

2.1 Sinais e funções

Figura 2.1: Representação do sinal.

Definição 4 Seja A um conjunto e T um subconjunto do eixo real R. Logo toda função x : T → A

Sinal no domínio da freqüência: Espectro em freqüência de um sinal onde medem-se as amplitudes

2.2 Sinais no domínio do tempo

2.2.1 Sinais Contínuos e Discretos

Figura 2.2: Representação do sinal de temperatura.

(b) Sinal complexo contínuo. A função:

x(t) = ej2πt = cos 2πt + j sin 2πt t ε T com x : [0, 1] → C

Suponhamos um sinal discreto x : T → A onde:

T = {t0 , t1 , t2 , . . .} t0 < t1 < t2 < . . .

Ordenaremos sempre os valores do sinal x(t) como

x(t0 ), x(t1 ), x(t2 ), . . . x(ti ) ε A ∀ i ε Z +

x(0), x(1), x(2), . . .

x(1) x(3) X(t)

Figura 2.3: Amostragem de um sinal.

A importância da amostragem é ilustrada a seguir, num exemplo de controle digital de um

u(t) y(t) m(t)

u(kt) Computador m(kt)

Figura 2.4: Diagrama de controle discreto de um processo contínuo.

Figura 2.5: Controle por computador do nível do tanque.

(a) Pulso unitário: É a seqüência ∆ definida por:

(b) Pulsos retangular e triangular: Sinais contínuos definidos como:

Figura 2.6: Sinal pulso unitário.

Figura 2.7: Sinais pulso retangular e triangular.

T pode ser qualquer dos eixos dos tempos infinitos Z, <.

Figura 2.8: Sinais degrau e rampa unitários.

a) Um sinal x : T → A com T = Z ou R é dito periódico se existe P ε T, P > 0 tal que:

x(t + P ) = x(t) ∀tεT

x(t + P ) = x(t) ∀tεT

Exemplo: O sinal da figura 2.9 é um sinal periódico definido no domínio do tempo.

Figura 2.9: Sinal periódico.

, onde a é um complexo que representa a amplitude do sinal, f é a freqüência do sinal e é real

Considerando que a = αejΦ , tem-se:

ηf = αej(2πf t+Φ) = α [cos(2πf t + Φ) + j sin(2πf t + Φ)]

c(t) = Re (ηf ) = α cos(2πf t + Φ)

Para analisar a periodicidade do sinal harmônico contínuo no domínio do tempo utiliza-se a