Sistemas Dinmicos a em Espao de Estados c (Teoria)

1 0.5 0 3 0.5 1 3 2 1 0 1 2 3 3 2 1 0 1 2

Miguel J. S. Baro a 6 de Novembro de 2000

Conte do u
I Sistemas Dinmicos a
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

5
7 7 7 7 7 8 8 8 9 9 9 11 13 15 15 16

1 Introduo ca 1.1 Exemplos de sistemas dinmicos . . . . . . . . . . . . . . . a 1.2 Classicao de sistemas . . . . . . . . . . . . . . . . . . . . ca 1.2.1 Sistemas em tempo cont nuo e tempo discreto . . . . 1.2.2 Sistemas de parmetros distribu a dos e concentrados 1.2.3 Sistemas determin sticos e estocsticos . . . . . . . . a 1.2.4 Sistemas variantes e invariantes no tempo . . . . . . 1.3 Espao de estados . . . . . . . . . . . . . . . . . . . . . . . c

2 Linearizao local de sistemas no lineares ca a 2.1 Pontos de Equil brio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2 Linearizao em torno de pontos de equil ca brio . . . . . . . . . . . . . . . . . . . . . . . . . 2.3 Linearizao local fora dos pontos de equil ca brio . . . . . . . . . . . . . . . . . . . . . . . . 3 Estabilidade 4 Controlabilidade e observabilidade 4.1 Controlabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Observabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

II

Controlo e Estimao ca
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

19
21 21 21 22 23 25 26 28 28 28 31 31 31 35 37 37 37 38 40 41 42

5 Reguladores e observadores de estado 5.1 Introduo . . . . . . . . . . . . . . . . ca 5.2 Regulador . . . . . . . . . . . . . . . . 5.3 Observador . . . . . . . . . . . . . . . 5.4 Conjunto regulador-observador . . . . 5.5 Introduo de um sinal de referncia . ca e 5.6 Observador de ordem reduzida . . . . 5.7 Formas cannicas . . . . . . . . . . . . o 5.7.1 Forma cannica do Controlador o 5.7.2 Forma cannica do Observador o

6 Controlo robusto 6.1 Controlo Robusto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.1.1 Representao da incerteza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ca 7 Filtro de Kalman A Matrizes A.1 Matrizes . . . . . . . . . . A.2 Operaes sobre matrizes co A.3 Matrizes e propriedades . A.4 Clculo de determinantes a A.5 Valores prprios e vectores o A.6 Clculo de eAt . . . . . . a

. . . . . . . . . . . . . . . . . . . . . . . . prprios . o . . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

CONTEUDO

Parte I

Sistemas Dinmicos a

Cap tulo 1

Introduo ca
Nesta seco mostram-se intuitivamente e atravs de exemplos, vrios tipos de sistemas dinmicos que se ca e a a encontram em problemas prticos. Com base nesses exemplos, tenta-se caracterizar o sistema em termos a de algumas das suas propriedades. Esta classicao permite denir que tipo de ferramentas tericas que ca o sero necessrias utilizar para estudar um dado problema. a a

1.1

Exemplos de sistemas dinmicos a

De forma intuitiva um sistema dinmico um sistema que possui um estado em cada instante de tempo. a e O estado uma varivel, ou conjunto de variveis, interna ao sistema e que varia ao longo do tempo. e a a Como exemplos de sistemas dinmicos temos: a 1. Um depsito de gua, em que o n (ou o volume) de gua no interior do depsito o estado do o a vel a o e sistema; 2. Um circuito elctrico, em que o estado dado por um conjunto de variveis: correntes elctricas nos e e a e enrolamentos e tenses nos condensadores; o 3. Um forno, em que o estado a temperatuda no seu interior; e 4. Um avio, em que o seu estado dado por um grande conjunto de variveis (ex.: altitude, angulo a e a de ataque, velocidade, angulos de roll, pitch e yaw, etc.); 5. Um paciente sujeito a anestesia, em que o estado o seu n actividade neuromuscular; e vel 6. A economia de um pa em que o estado uma quantidade enorme de variveis econmicas; s, e a o

1.2
1.2.1

Classicao de sistemas ca
Sistemas em tempo cont nuo e tempo discreto

Os sistemas em tempo cont nuo (ou sistemas cont nuos) so os sistemas dinmicos para os quais o tempo a a sucede de forma cont nua, ou seja, o tempo toma valores reais. Por exemplo, num tanque de gua, o n a vel varia cont nuamente ao longo do tempo. O estado ento uma funo do tempo x(t) R com t R. e a ca Os sistemas em tempo discreto (ou sistemas discretos) so sistemas em que o tempo toma valores a inteiros. Por exemplo, num computador digital, em que as variveis na memria, so actualizadas de a o a forma sincronizada com o relgio interno e a uma dada frequncia. Neste caso, sendo o estado o valor o e dessas variveis, ele evolui como uma sucesso, ou seja, x(k) com k N. a a

1.2.2

Sistemas de parmetros distribu a dos e concentrados

Um sistema diz-se que de parmetros concentrados quando tem um nmero nito de variveis de estado. e a u a Por exemplo, o volume de gua no interior de um tanque apenas uma varivel, portanto o tanque a e a um sistema de parmetros concentrados. Um circuito elctrico tambm um sistema de parmetros e a e e e a concentrados, pois tem um nmero nito de condensadores e bobines. u 7

CAP ITULO 1. INTRODUCAO

Um sistema de parmetros distribu a dos um sistema em que o estado no pode ser descrito por um e a numero nito de variveis de estado. Por exemplo, a temperatura no interior dum forno, no sendo hoa a mognea, no pode ser descrita por uma unica varivel nem por um conjunto de variveis. O estado, neste e a a a caso, vai ser uma funo do espao e do tempo dada por T (x, y, z, t), em que (x, y, z) so as coordenadas ca c a de um ponto no interior do forno e t o tempo. e

1.2.3

Sistemas determin sticos e estocsticos a

Um sistema determin stico um sistema em que o estado toma valores reais. Num sistema estocstico, o e a estado uma varivel aleatria e descrita por uma funo de densidade de probabilidade. Um exemplo e a o e ca de um sistema estocstico um sistema em que os sensores introduzem uma quantidade considervel a e a de ru nas medies. Assim, passa a haver incerteza na medio e usa-se uma funo de densidade do co ca ca de probabilidade para descrever as variveis. Outro exemplo em que conveniente considerar variveis a e a estocsticas, quando existem perturbaes no sistema que so imprevis a e co a veis: Um avio est sujeito a a a ventos imprevis veis e que perturbam a sua trajectria. o

1.2.4

Sistemas variantes e invariantes no tempo

Um sistema variante no tempo (ou no autnomo) um sistema cuja descrio varia ao longo do tempo. a o e ca Um painel solar um sistema variante no tempo, pois a acumulao de p diminui o seu rendimento. Um e ca o automvel tambm um sistema variante no tempo, pois a massa total do ve o e e culo varia (com o consumo do combust vel). Tambm a suspenso do automovel est sujeita a desgaste pelo que o seu comportamento e a a varia e, portanto, um sistema variante no tempo. e Um sistema invariante no tempo (ou autnomo) um sistema cuja descrio no varia ao longo do o e ca a tempo. Um sistema de controlo implementado num computador digital invariante no tempo. e

1.2.5

Sistemas lineares e no lineares a

Um sistema linear um sistema que verica o chamado princ e pio da sobreposio: A resposta do sistema ca a ` soma de dois sinais igual ` soma das respostas do sistema a cada sinal individualmente. Um sistema e a no linear um sistema que no verica o princ a e a pio da sobreposio. Na natureza no existem sistemas ca a lineares, no entanto usual considerar determinados sistemas como sendo lineares, uma vez que existe uma e teoria bem estabelecida para este tipo de sistemas. Por exemplo, comum considerar um sistema massae mola-atrito como sendo linear. De facto, o sistema no linear, pois existem limites ao enlongamento da e a mola, alm dos quais esta parte-se ou ca deformada. No entanto, se se zer enlongamentos reduzidos e e a baixa velocidade, ento o comportamento do sistema aproxima-se ao de um sistema linear. a

1.3

Espao de estados c

Tendo identicado quais so as variveis de estado de um sistema, e quais as gamas de valores que tomam, a a pode-se construir um conjunto formado por todos os estados poss veis. A este conjunto chama-se espao c de estados do sistema.

Cap tulo 2

Linearizao local de sistemas no ca a lineares

2.1 Pontos de Equil brio
x = f (x, u), x Rn e u Rm (2.1)

Considere-se um sistema no linear descrito por uma equao de estado do tipo a ca

Para cada entrada u = u0 constante, f (x, u0 ) dene um campo vectorial como se exemplica na gura 2.1. A cada estado x do espao de estados est associado um vector. Este vector indica a velocidade com c a que o estado varia em cada ponto do espao. E este facto que se representa na equao (2.1). c ca Se porventura existirem pontos no espao onde o vector f (x, u0 ) se anula, ento nesses pontos temos c a que x = f (x, u0 ) = 0, ou seja, o sistema no sai desse estado pois a sua velocidade zero (x = 0). a e Denio 2.1.1. Aos estados x para os quais f (x, u0 ) = 0 chamam-se pontos de equil ca brio ou estados de equil brio. Note-se que a determinao dos pontos de equil ca brio est dependente da escolha de uma entrada a constante u0 . E usual em muitos casos seleccionar-se u0 = 0, no entanto esta escolha no obrigatria e a e o pode mesmo nem ser poss para certos tipos de problemas. vel

2.2

Linearizao em torno de pontos de equil ca brio

Considere-se a equao de estado (2.1) e suponha-se que para uma dada entrada u = u0 , se determinam ca os vrios pontos de equil a brio do sistema. De entre os pontos determinados selecciona-se um ponto de equil brio particular x0 . Restringindo o espao de estados a uma vizinhana sucientemente pequena de c c x0 , ser poss encontrar uma descrio linear para o sistema nessa vizinhana? Em certas situaes isso a vel ca c co poss e vel, como se ir ver em seguida. a Se a funo f diferencivel no ponto de equil ca e a brio x0 , ento pode-se desenvolver em srie de Taylor a e at ` primeira ordem e desprezar os termos de ordem mais elevada, obtendo-se ea f (x, u) f (x0 , u0 ) + f x
x=x0 ,u=u0

(x x0 ) +

f u

x=x0 ,u=u0

(u u0 )

Como x0 um ponto de equil e brio do sistema, tem-se que f (x0 , u0 ) = 0. A equao anterior resume-se ca assim a f f f (x, u) (x x0 ) + (u u0 ) x x=x0 ,u=u0 u x=x0 ,u=u0
f em que f e u so as matrizes jacobianas de f em ordem a x e a u respectivamente. Naturalmente esta a x aproximao s vlida para x prximo de x0 . ca o e a o Denindo uma nova varivel a x = x x0

que representa o desvio do estado relativamente ao ponto de equil brio, obtm-se e x = x x0

=0

f x

x +
x=x0 ,u=u0

f u

u
x=x0 ,u=u0

10

CAP ITULO 2. LINEARIZACAO LOCAL DE SISTEMAS NAO LINEARES

x2

8 6

0 x1

Figura 2.1: Campo vectorial denido por f (x, u0 ).

Denindo as matrizes A= obtm-se nalmente que e x = Ax + Bu (2.2) f x e

x=x0 ,u=u0

B=

f u

x=x0 ,u=u0

A equao (2.2) representa o sistema (2.1) linearizado em torno do ponto de equil ca brio (x0 , u0 ). Esta aproximao vlida apenas quando o estado do sistema est sucientemente prximo de x0 . ca e a a o Exemplo 2.2.1. Considere o sistema representado na gura 2.2. Assumindo que M2 1. a equao de estado do sistema na forma x = f (x, u); ca 2. os pontos de equil brio do sistema (considere u0 = 0, isto , pretende-se determinar os pontos de e equil brio do sistema quando no se aplica fora ` massa M1 ); a c a 3. o sistema linearizado em torno dos pontos de equil brio determinados anteriormente. Aplicando a Lei de Newton ` massa M1 e desprezando a massa M2 obtm-se para o movimento a e horizontal da massa M1 a equao ca M1 y = u(t) ky y Para a dinmica do pndulo, a acelerao angular dada por a e ca e y g = cos() + sin() l l Substituindo y na equao (2.4) pela equao (2.3) obtm-se ca ca e M1 y = u(t) ky y = cos() (u(t) ky y) + lM1 (2.4) (2.3) M1 obtenha

g l

sin()

2.3. LINEARIZACAO LOCAL FORA DOS PONTOS DE EQUIL IBRIO

M2

11

k u(t) M1

Figura 2.2: Sistema massa-mola-atrito com pndulo invertido. e

Seleccionemos as veriveis de estado a y x1 x2 y x= x3 = x4

com estas variveis de estado obtm-se a seguinte equao de estado: a e ca x2 x1 k M1 x1 M1 x2 + u(t) d x2 M1 = x4 dt x3 x4 cos(x3 ) (u(t) kx1 x2 ) + g sin(x3 ) lM1 l

Fazendo u0 = 0, os pontos de equil brio deste sistema obtm-se resolvendo f (x0 , u0 ) = 0, obtendo-se neste e caso x0 = [0 0 0 0]T ou x0 = [0 0 180 0]T . O modelo linearizado em torno do primeiro ponto de equil brio e 0 1 0 0 k M 0 0 f 1 A= = M1 0 0 0 1 x x=x0 ,u=u0 g k 0 lM1 lM1 l f u 0
1 M1

B=

x=x0 ,u=u0

0 1 lM1

Assim temos que 0 x1 k d x2 M1 = dt x3 0 k x4 lM

1

1
M1 0 lM1

0 0 0
g l

0 x1 0 x2 1 x3 x4 0

0
1 M1

0
1 lM1

em que x = x x0 = x e u = u u0 = u. A linearizao em torno do segundo ponto de equil ca brio e efectuada de forma anloga. a

2.3

Linearizao local fora dos pontos de equil ca brio

Na seco anterior mostra-se como se pode efectuar a linearizao de um sistema em torno de um ponto ca ca de equil brio. Uma pergunta que surge naturalmente : ser poss linearizar um sistema no linear em e a vel a torno de um ponto que no seja de equil a brio? A resposta negativa. De facto, embora se possa efectuar e

12

CAP ITULO 2. LINEARIZACAO LOCAL DE SISTEMAS NAO LINEARES

um desenvolvimento em srie de Taylor tal como se fez anteriormente, a equao de estado obtida vai e ca apresentar uma estrutura do tipo x = Ax + Bu + C Esta equao de estado no linear, pois envolve um termo constante C. ca a e Exerc cio 2.3.1. Seja x = f (x, u) um sistema no linear. Considere um estado x0 e uma entrada u0 tal a que f (x0 , u0 ) = 0, isto , x0 no um ponto de equil e a e brio. Determine as matrizes A, B e C tal que a equao (2.5) seja uma aproximao da dinmica do sistema em torno do ponto x0 . ca ca a (2.5)

Cap tulo 3

Estabilidade

13

14

CAP ITULO 3. ESTABILIDADE

Cap tulo 4

Controlabilidade e observabilidade
A controlabilidade e a observabilidade so propriedades estruturais importantes dos sistemas dinmicos. a a Neste texto apresentam-se alguns resultados para sistemas lineares invariantes no tempo com uma entrada e uma sa (Single Input Single Output). da

4.1

Controlabilidade

Denio 4.1.1 (Controlabilidade). O sistema x = Ax+Bu controlvel se exstir um sinal de controlo ca e a u(t) tal que o estado do sistema pode ser transportado de qualquer estado inicial x0 para qualquer estado nal xf num intervalo de tempo nito. Teorema 4.1.1. Seja x = Ax + Bu com x Rn . Este sistema controlvel se e s se rank(C) = n em e a o que C = [B AB A2 B An1 B] a matriz de controlabilidade do sistema. e Demonstrao. A demonstrao de necessidade e sucincia efectuada separadamente. Vamos mostrar ca ca e e primeiro a necessidade da condio dada no teorema. Suponhamos que rank(C) < n. Ento existe um ca a vector v Rn no nulo tal que a vT C = 0 ou seja v T B = v T AB = = v T An1 B = 0 (4.2) (4.1)

Recordemos agora o teorema de Cayley-Hamilton que nos diz que qualquer matriz A Rnn verica a sua equao caracter ca stica, isto , se sn + a1 sn1 + + an1 s + an o polinmio caracter e e o stico da matriz A, ento A satisfaz a equao a ca An + a1 An1 + + an1 A + an I = 0 ou seja An = a1 An1 an1 A an I Usando este facto e a equao (4.2) obtem-se ca v T An B = a1 v T An1 B an1 v T AB an v T B = 0 e por induo , temos que ca v T Am B = 0, Assim, prova-se que v T eAt B = v T I + At + A2 t2 + B = 0 2! (4.3) m = 0, 1, 2, . . .

para todo t R+ . Considere-se agora as trajectrias do estado do sistema originadas a partir do estado inicial x(0) = 0. o Estas so dadas pela frmula de variao das constantes a o ca
t

x(t) =
0

eA(t ) Bu( )d 15

16

CAP ITULO 4. CONTROLABILIDADE E OBSERVABILIDADE

Figura 4.1: Subespao controlvel do espao de estados. c a c

multiplicando ` esquerda por v T e recordando a equao (4.3), obtem-se que a ca

t

v T x(t) =
0

v T eA(t ) Bu( )d = 0

para todo t R+ . Da equao (4.4) conclui-se que o estado x(t) ortogonal ao vector v, isto , todos os ca e e pontos ating veis no espao de estados com um controlo arbitrrio u(t) so perpendiculares ao vector v. c a a Logo, o espao ating est restrito a um hiperplano perpendicular a v, como se exemplica na gura 4.1. c vel a Como os estados ating veis no so o espao todo, conclui-se que o sistema no controlvel. a a c a e a Mostra-se agora a sucincia da condio do teorema. Suponha-se que o sistema no controlvel. e ca a e a Ento existe um tempo t R+ e um estado xf Rn tal que xf no ating a a e vel no intervalo [0, t] com nenhum controlo u(). Isto signica que
t

vT
0

eA(t ) Bu( )d = 0

o que implica que v T eA(t ) B = 0, [0, t] (4.5)

Fazendo = t verica-se que v T B = 0. Derivando sucessivamente a equao (4.5) obtm-se ca e v T B = v T AB = v T A2 B = = v T An1 B = 0 que se pode escrever de forma compacta como vT C = vT B o que corresponde a dizer que rank(C) < n. Da anlise das equaes (4.1) e (4.4) conclui-se que as trajectrias do estado esto contidas no subespao a co o a c gerado pelas colunas de C. Assim, a dimenso do subespao ating igual a rank(C). a c vel e AB A2 B An1 B = 0

4.2

Observabilidade

Denio 4.2.1 (Observabilidade). O sistema x = Ax, y = Cx observvel, se para qualquer esca e a tado inicial x(0), existir um intervalo de tempo nito [0, T ] tal que x(0) pode ser determinado a partir unicamente de y(t), com t [0, T ].

(4.4)

4.2. OBSERVABILIDADE Teorema 4.2.1. Seja x = Ax e y = Cx com x Rn e y R. Este sistema observvel se e s se e a o C CA 2 rank(O) = n, O = CA . . . CAn1

17

Demonstrao. Mostra-se primeiro que rank(O) = n condio necessria para que o sistema seja obca e ca a servvel. Suponha-se que rank(O) < n, ento existe um vector no nulo z Rn tal que a a a Oz = 0 ou seja Cz = CAz = CA2 z = = CAn1 z = 0 Prova-se por induo e usando o teorema de Cayley-Hamilton que ca CAm z = 0, e portanto A2 t2 + z = 0, para todo t R+ 2! Seja y(t) a resposta transitria do sistema com estado inicial x(0) = z. Segue-se que o CeAt z = C I + At + y(t) = CeAt x(0) = 0 Logo o sistema no observvel, cando assim demonstrado que a condio rank(O) = n uma condio a e a ca e ca necessria de observabilidade. Mostra-se em seguida que esta condio tambm suciente. a ca e e Suponha-se que o sistema no observvel. Isto signica que existe um estado x(0) = z Rn tal que a e a y(t) = CeAt x(0) = 0 para t 0. Seja t = 0, ento Cz = 0. Derivando CeAt x(0) e fazendo t 0+ obtm-se a e CAeAt z Derivando sucessivamente conclui-se que Cz = CAz = = CAn1 z = 0 que se pode escrever de forma mais compacta como Oz =
t0+

m0

= CAz = 0

C CA CA2 . . .

CAn1

z = 0

ou nalmente como rank(O) < n

Exemplo 4.2.1. Pretende-se vericar se o sistema seguinte observvel. e a x = y Aplicando o teorema 4.2.1 resulta que rank(O) = rank Logo o sistema observvel. e a 1 0 0 1 =2 = 0 1 0 0 [1 0] x x+ 0 1 u

18

CAP ITULO 4. CONTROLABILIDADE E OBSERVABILIDADE

Parte II

Controlo e Estimao ca

19

Cap tulo 5

Reguladores e observadores de estado

5.1 Introduo ca

O projecto de um sistema de controlo em espao de estados usualmente efetuado em dois passos: o c e projecto de um regulador e de um observador. Na seco 5.2 denida a estrutura de um regulador e so ca e a descritas as suas propriedades. Na seco 5.3 apresentado o observador de estado. A juno do regulador ca e ca com o observador est descrita na seco 5.4. Nesta seco demonstrado o teorema da separao que a ca ca e ca se revela de grande importncia na prtica. Finalmente na seco 5.6 mostra-se como se pode obter um a a ca observador de ordem reduzida para um sistema em que alguns estados esto acess a veis para medida e onde no se justica implementar um observador de ordem completa. a

5.2

Regulador

Suponhamos que temos um sistema linear e invariante no tempo descrito em espao de estados pela c equao ca x = Ax + Bu (5.1)

em que o estado x do sistema se supe estar acess o vel. Em geral, esta suposio no realista, no entanto ca a e ela permite-nos obter uma estrutura de controlo de grande importncia a que se d o nome de regulador. a a Assumindo temporariamente que o sinal de comando nulo, r = 0, a lei de controlo denida pela e e combinao linear de todas as variveis de estado ca a x1 x2 u = Kx = [k1 k2 kn ] . (5.2) . . xn A gura 5.1 ilustra o regulador obtido. Para um sistema de ordem n, existem n ganhos k1 , . . . , kn na realimentao. ca Substituindo a lei de controlo (5.2) no sistema (5.1), obtem-se x = Ax BKx = (A BK)x A equao caracter ca stica deste sistema em malha fechada dada por e det[sI (A BK)] = 0 (5.3)

Esta uma equao polinomial de ordem n que contm nos seus coecientes os ganhos k1 , . . . , kn . See ca e leccionando de forma apropriada estes ganhos poss modicar as ra e vel zes de (5.3), ou seja, os valores prprios da matriz A BK. o Exemplo 5.2.1. Suponhamos que temos um oscilador no amortecido com frequncia 0 e uma descrio a e ca em espao de estados dada por c x1 x2 = 0 2 0 1 0 21 x1 x2 + 0 1 u

22

CAP ITULO 5. REGULADORES E OBSERVADORES DE ESTADO

x=Ax+Bu x

K
Figura 5.1: Estrutura do regulador.

e queremos colocar ambos os polos do sistema em malha fechada em 20 . O polinmio caracter o stico desejado ento dado por e a
2 c (s) = (s + 20 )(s + 20 ) = s2 + 40 s + 40

(5.4)

Por outro lado sabemos de (5.3) que o polinmio carater o stico do sistema em malha fechada e det[sI (A BK)] = det s 0 0 s 0 2 0 1 0 + 0 1 [k1 k2 ] (5.5)

2 = s2 + k2 s + 0 + k1

Igualando os coecientes dos polinmios (5.4) e (5.5) obtem-se o

2 0

k2 + k1

= =

40 2 40

ou seja k1 k2 A lei de controlo ento e a

2 u = [30

= =

2 30 40

40 ]x

A determinao dos ganhos do regulador para sistemas de ordem superior ` segunda pode ser bastante ca a mais complexa do que o exemplicado no exerc cio anterior. Nestes casos, necessrio recorrer a uma e a ca metodologia que descrita na seco 5.7.1 e que consiste em reescrever a equao de estado na forma e ca cannica do controlador. o O facto de se poder modicar os plos do sistema em malha fechada por uma realimentao linear do o ca estado de grande importncia. Este facto usualmente designado por colocao arbitrria dos valores e a e ca a prprios do regulador. No entanto, necessrio vericar se tal poss o e a e vel em geral. A resposta a esta questo sim se o sistema tiver uma propriedade chamada controlabilidade. a e

5.3

Observador

A lei de controlo usada na seco 5.2 assume que todo o estado do sistema est geralmente acess para ca a vel realimentao. Em muitos casos o estado no est totalmente acess para medida. O custo dos sensores ca a a vel pode ser demasiado elevado ou pode no ser poss sicamente medir algumas variveis. Nesta seco a vel a ca mostra-se como se pode reconstruir todo o estado do sistema a partir apenas de algumas medidas. Um mtodo ingenuo de estimar as variveis de estado de um sistema x = Ax + Bu construir um e a e modelo com uma dinmica idntica ` do sistema real, ou seja a e a x = A + Bu x (5.6)

5.4. CONJUNTO REGULADOR-OBSERVADOR

23

em que x a estimativa do estado x do sistema real. Se conhecermos exactamente as matrizes A e B e do sistema, se observarmos a entrada u(t) e conhecermos o estado inicial x(0), ento teoricamente seria a poss usar o modelo (5.6) para obter o estado do sistema. No entanto, o facto de no sermos capazes vel a de medir a totalidade do estado impede-nos de conhecer exactamente o estado inicial x(0), pelo que este mtodo no aplicvel na prtica. Outro facto que impede a utilizao prtica deste modelo que e a e a a ca a e qualquer perturbao no estado sistema real, iria afasta-lo do estado do modelo, uma vez que no existe ca a nenhum mecanismo de correcto. ca Uma forma de contornar este problema incluir na equao (5.6) a diferena entre a sa do sistema e ca c da (medida) e a sa estimada, de forma a corrigir o modelo com este sinal de erro. Resulta assim a equao da ca x = A + Bu + L(y y ) x (5.7)

em que L um vector coluna de dimenso apropriada. O vector L deve ser seleccionado de forma a que e a se obtenha um bom comportamento para o erro de estimao, isto , que o erro convergisse rapidamente ca e para zero. Dena-se o erro de estimao como sendo x = x x. A dinmica do erro de estimao dada por ca a ca e x = x x = Ax + Bu A + Bu + L(Cx C x) x donde se tira que x = (A LC) x A equao caracter ca stica do erro de estimao dada por ca e det[sI (A LC)] = 0 Se fr poss escolher um vector L tal que a matriz A LC tenha valores prprios estveis e rpidos, o vel o a a ento x vai convergir rapidamente para zero, independentemente da condio inicial x(0). a ca E importante compreender que a natureza do sistema e do estimador so bastante diferentes. O sistema a pode ser um processo qu mico, mecnico, etc. enquanto o estimador tipicamente um circuito elctrico a e e ou um algoritmo implementado num computador que simula a equao (5.7). ca A seleco dos ganhos L do estimador pode ser efectuada da seguinte forma: ca 1. Especicar a localizao desejada dos valores prprios {1 , . . . , n } do observador, ca o 2. A equao caracter ca stica desejada para o estimador ento o (s) = (s 1 )(s 2 ) (s n ) = 0, e a 3. Os ganhos de L so calculados igualando os coecientes da equao caracter a ca stica anterior com os coecientes da equao det(sI A + LC) = 0 que determina os valores prprios do estimador. ca o Este procedimento de certa forma anlogo ao que se fez para o regulador. A colocao arbitrria dos e a ca a valores prprios do observador s pode ser efectuada se o sistema observvel. o o e a Exemplo 5.3.1. (...) (5.8)

5.4

Conjunto regulador-observador

Na seco 5.2, o regulador assume o conhecimento completo do estado em cada instante de tempo, o que ca requer na prtica que exista um sensor para cada varivel de estado, o que no vivel em muitas situaes a a a e a co prticas. Por outro lado, na seco 5.3 projecta-se um sistema que observando os sinais ` entrada e ` a ca a a sa do processo, consegue reconstruir o vector de estado. E portanto natural pensar que, se o estado da no est acess para medida, se pode usar um observador para estimar o estado, e usar esta estimativa a a vel no regulador. Isto signica que a lei de controlo u = Kx usada no regulador em (5.2), teria de ser substitu por u = K x, em que se passou a usar a estimativa x do estado em vez do estado real x. da Este racioc nio embora intuitivamente faa sentido, tem de ser rigorosamente estudado para vericar c se a substituio do estado por uma sua estimativa no introduz problemas adicionais. ca a A equao de estado do processo com a lei de controlo u = K x ca e x = Ax BK x que se pode escrever em termos do erro de estimao x = x x por ca x = Ax BK(x x) (5.9)

24

CAP ITULO 5. REGULADORES E OBSERVADORES DE ESTADO

u(t) Sistema

y(t)

Observador

^ x(t)

Figura 5.2: Utilizao de um observador para a estimao do estado de um sistema. ca ca

Figura 5.3: Diagrama de blocos do observador (errado!).

 5.5. INTRODUCAO DE UM SINAL DE REFERENCIA

25

Figura 5.4: O processo e o compensador obtido pela juno do regulador e do observador. ca

A dinmica total do sistema regulador mais observador obtida combinando a equao (5.9) com a equao a e ca ca do erro de estimao (5.8) resultando na equao de estado ca ca x A BK = 0 x BK A LC x x

Para vericar se este sistema estvel determinam-se as ra e a zes do polinmio caracter o stico, isto , e det sI A + BK 0 BK =0 sI A + LC

Uma vez que a matriz triangular por blocos, o seu determinante dado pelo produto dos determinantes e e dos blocos na diagonal principal det[sI A + BK] det[sI A + LC] = c (s) o (s) = 0 Ou seja, os plos do sistema combinado consistem na unio dos plos do regulador e do observador. Isto o a o tambm signica que o projecto do regulador e do observador podem ser efectuados separadamente, e que, e ao se juntarem, os plos mantm-se inalterados. Este facto conhecido como princ o e e pio da separao. ca O compensador obtido pela juno do regulador e do observador descrito por ca e x = (A BK LC) x + Ly,
matriz da dinmica a

u = K x
equao de sa ca da

A gura 5.4 ilustra a aplicao deste compensador ao processo. ca A funo de transferncia do compensador ca e e D(s) = Exemplo 5.4.1. (...) U (s) = K(sI A + BK + LC)1 L Y (s)

5.5

Introduo de um sinal de referncia ca e

No controlador obtido na seco ?? no usada nenhuma entrada de referncia. Isto signica que o ca a e e sistema desenvolvido essencialmente um regulador, isto , um sistema que tem um bom desempenho e e para a rejeio de perturbaes ca co

26

CAP ITULO 5. REGULADORES E OBSERVADORES DE ESTADO

5.6

Observador de ordem reduzida

O observador descrito na seco 5.3 reconstroi o estado completo do sistema usando apenas o valor de y. ca O observador obtido tem uma dimenso igual ` do sistema que se est a estudar. Suponhamos agora que a a a a sa do sistema multivarivel, isto , supomos que tem alguns estados acess da e a e veis, mas no todos. Nesta a situao poss diminuir a complexidade do observador como se mostra em seguida. A um observador ca e vel deste tipo d-se o nome de observador de ordem reduzida. a Seja x o estado do sistema. Particionemos o vector de estado em duas partes: uma parte mensurvel a directamente, xa , e outra parte xb . Assim, o vector de estado e x= xa xb

O sistema particionado descrito em espao de estador por e c xa xb y = = [I Aaa Aba 0] Aab Abb xa xb xa xb + Ba Bb u (5.10) (5.11)

A dinmica das variveis de estado no conhecidas so dadas por a a a a xb = Abb xb + Aba xa + Bb u

conhecido e

(5.12)

em os dois termos da direita so conhecidos e portanto podem ser considerados como entrada na dinmica a a de xb . Como xa = y, a dinmica de xa dada por a e xa = y = Aaa y + Aab xb + Ba u (5.13)

Reordenando a equao (5.13) de forma a ter os valores conhecidos do lado esquerdo da igualdade, obtem-se ca y Aaa y Ba u = Aab xb
conhecido

(5.14)

Repare-se agora nas equaes (5.12) e (5.14). Estas tm a forma de uma equao de estado e uma co e ca equao de sa respectivamente. Podemos ento substituir a entrada de (5.12) e a sa ca da a da de (5.14) na estrutura j nossa conhecida do observador. Isto equivalente a redenir o nosso sistema da seguinte a e forma: x A Bu y C xb Abb Aba y + Bb u y Aaa y Ba u Aab

Assim, as equaes do estimador de ordem reduzida so obtidas fazendo as substituies anteriores no co a co estimador de ordem completa. Obtem-se ento a xb = Abb xb + Aba y + Bb u +L(y Aaa y Ba u Aab xb )
entrada sa da

(5.15)

Se denirmos o erro de estimao como sendo ca xb = xb xb a dinmica do erro obtida subtraindo a eq. (5.15) da eq. (5.12): a e xb = (Abb LAab )b x A sua equao caracter ca stica dada por e det[sI Abb + LAab ] = 0 (5.16)

5.6. OBSERVADOR DE ORDEM REDUZIDA

27

Aba-LA aa u 1 s xc

L xb

Bb -LB a

Abb-LA ab
Figura 5.5: Estrutura de um observador de ordem reduzida.

A dinmica do observador de ordem reduzida projectada seleccionando um L tal que o polinmio a e o em (5.16) seja igual a um polinmio e (s) desejado (de ordem reduzida). o A equao (5.15) pode ser reescrita como ca xb = (Abb LAab )b + (Aba LAaa )y + (Bb LBa )u + Ly x (5.17)

O facto de em (5.17) aparecer uma derivada da sa cria um problema prtico. Se a sa y uma medida da a da e ruidosa, a derivada vai amplicar o ru do, o que inaceitvel. Para contornar esta questo, dene-se um e a a novo estado para o controlador como sendo xc = xb Ly Ento, em termos deste novo estado xc , a implementao do estimador de ordem reduzida dado por a ca e xc = (Abb LAab )b + (Aba LAaa )y + (Bb LBa )u x (5.18)

em que y j no aparece directamente. A gura 5.5 representa o diagrama de blocos de um observador de a a ordem reduzida. As condies para a existncia de um estimador de ordem reduzida so as mesmas que para um co e a estimador de ordem completa, isto , a observabilidade do par (A, C). e Exemplo 5.6.1. Consideremos novamente o oscilador do exemplo 5.2.1. x1 x2 = 0 2 0 1 0 x1 x2 + 0 1 u, y = [1 0] x1 x2

Suponhamos que queremos colocar a ra do estimador de ordem reduzida em 100 . As matrizes partiz cionadas so a Aaa Aab 0 1 Ba 0 = , = Aba Abb 0 0 Bb 1 O polinmio caracter o stico e det[sI Abb + LAab ] = s (0 L) O polinmio caracter o stico desejado e e (s) = s + 100 donde se tira que L = 100 . A equao do estimador ento ca e a
2 xc = 100 x2 0 y + u

e a estimativa do estado e x2 = xc + 100 y

28

CAP ITULO 5. REGULADORES E OBSERVADORES DE ESTADO

5.7
5.7.1 5.7.2

Formas cannicas o
Forma cannica do Controlador o Forma cannica do Observador o

Bibliograa
[1] G. F. Franklin, J. D. Powel, A. Emami-Naeini, Feedback Control of Dynamic Systems, AddinsonWesley.

29

30

BIBLIOGRAFIA

Cap tulo 6

Controlo robusto
6.1 Controlo Robusto

E usual, em muitas tcnicas de controlo, usar um modelo do processo para o projecto de um sistema de e controlo. No entanto, o modelo usado apenas uma aproximao ` dinmica real do sistema. Designa-se e ca a a por incerteza no modelo a diferena entre o sistema real e o modelo. c Se um controlador tiver um bom comportamento mesmo que o modelo tenha uma dinmica um pouco a diferente da do sistema real (isto , que exista incerteza no modelo), ento diz-se que o controlador e a e robusto. A utilizao da palavra comportamento no elucidativa do que se est a falar. E necessrio ca a e a a indicar o que se entende por comportamento. Normalmente, pretendido que o controlador estabilize o e processo tolerando um certo grau de incerteza no modelo. Neste caso, fala-se de estabilizao robusta. ca Pode-se ainda exigir mais do controlador, solicitando que ele garanta um certo n de desempenho alm vel e de garantir estabilidade. Neste caso fala-se de desempenho robusto, sendo este um problema de mais dif cil resoluo. ca Vamos ver agora algumas causas de incerteza nos modelos. Tipicamente as fontes de incerteza so: a Dinmica no modelada de alta frequncia (provocada por exemplo por vibraes de estruturas a a e co metlicas); a No linearidades que se desprezaram no modelo; a O facto de se usar deliberadamente modelos de ordem reduzida para simplicar o projecto; Alterao das caracter ca sticas do processo (ex.: temperatura, desgaste, etc.);

6.1.1

Representao da incerteza ca

A incerteza no modelo pode ser representada de forma aditiva ou multiplicativa (ver guras 6.1 e 6.2). Na incerteza aditiva, a dinmica real do processo dada por G(s) = G0 (s) + (s) em que G0 (s) o a e e modelo e (s) a incerteza. Na incerteza multiplicativa, a dinmica real do processo dada por a e G(s) = G0 (s)[1 + (s)] (6.1)

(Repare na semelhana com o clculo de percentagens!) Convm aqui distinguir dois tipos de incerteza: c a e Incerteza estruturada a incerteza para a qual se conhece a estrutura das equaes, mas no os e co a 1 parmetros. Por exemplo para G0 (s, ) = s+ em que um parmetro desconhecido da funo de a e a ca transferncia. e Incerteza no estruturada a incerteza que completamente desconhecida excepto a sua amplitude a e e em funo da frequncia: ca e |(s)| l0 () em que l0 () uma funo majorante da incerteza que conhecida. Pode-se imaginar este majorante e ca e como um raio de incerteza do sistema real G(s) em torno do modelo G0 (s) para cada frequncia (ver e gura 6.3).

31

32

CAP ITULO 6. CONTROLO ROBUSTO

Figura 6.1: Incerteza aditiva.

Figura 6.2: Incerteza multiplicativa.

Figura 6.3: Imagem representativa do raio de incerteza no plano complexo.

6.1. CONTROLO ROBUSTO

33

Figura 6.4: Amplitude da incerteza multiplicativa no estruturada em funo da frequncia. a ca e

Exemplo 6.1.1. Suponhamos que temos um motor CC (corrente-cont nua) para o qual se desenvolve um modelo aproximado de 1a ordem com o plo mecnico em s = 10 e um ganho esttico de 10, ou seja: o a a G0 (s) = 100 s + 10

A funo de transferncia real do motor G(s) e no se conhece exactamente. A incerteza multiplicativa ca e e a no estruturada dada neste caso, resolvendo a equao (6.1), por a e ca (s) = G(s) G0 (s) G0 (s)

Ento, faz-se um ensaio em laboratrio em que se introduzem sinusides de vrias frequncias no motor e a o o a e no modelo, obtendo-se respectivamente G(j) e G0 (j). A gura 6.4 mostra o grco de |(j)|. Repare a que para baixas frequncias a incerteza baixa (o modelo aproxima-se bem da dinmica real do processo). e e a Para altas frequncias a incerteza grande. e e

34

CAP ITULO 6. CONTROLO ROBUSTO

Cap tulo 7

Filtro de Kalman
...

35

36

CAP ITULO 7. FILTRO DE KALMAN

Apndice A e

Matrizes
A.1 Matrizes

Denio A.1.1 (Matriz). Chama-se matriz real m n a uma funo A denida no conjunto {(i, j) ca ca N2 : 1 i m, 1 j n} e com valores em R; designam-se as componentes ou elementos da matriz A por aij = A(i, j). Da mesma forma, chama-se matriz complexa a uma matriz cujas componentes so a complexas. Exemplo A.1.1. Uma matriz m n usualmente representada sob a forma de uma tabela. e A= 1 4 2 5 3 6 , B= 1 j 1+j 0

C = [1 2

3] ,

1 + 2j 0 D= 1

A matriz A uma matriz real de dimenso 2 3, a matriz B uma matriz complexa de dimenso 2 2, e a e a a matriz C uma matriz linha real de dimenso 1 3 e a matriz D uma matriz coluna complexa de e a e dimenso 3 1. a

A.2

Operaes sobre matrizes co

Denio A.2.1 (Inversa de uma matriz). A inversa de uma matriz n n A, designada por A1 , ca e a matriz que verica AA1 = A1 A = I. Denio A.2.2 (Caracter ca stica de uma matriz). A caracter stica de uma matriz A o nmero de e u linhas ou colunas linearmente independentes. E usual designar-se a caracter stica da matriz A por rank(A). Exemplo A.2.1. rank 1 2 1 2 =1

Denio A.2.3 (Trao de uma matriz). O trao de uma matriz A = [aij ] de dimenso n n desigca c c a nado por tra(A) a soma dos elementos na diagonal principal de A: e
n

tra(A) =
i=1

aii

Exemplo A.2.2. a11 tra a21 a31 a12 a22 a32 a13 a23 = a11 + a22 + a33 a33

37

38

APENDICE A. MATRIZES

Denio A.2.4 (Matriz transposta). A transposta de uma matriz A a matriz que se obtem por ca e troca das linhas com as colunas da matriz original e designa-se por AT . Exemplo A.2.3. se A = a11 a21 a12 a22 , ento AT = a a11 a12 a21 a22

Denio A.2.5 (Matriz transconjugada). A matriz transconjugada A de uma matriz A a transca e posta da matriz que se obtem de A substituindo cada componente pelo seu complexo conjugado. Exemplo A.2.4. se A = 1 3j 1+j 0 , ento A = a 1 1j 3j 0

Denio A.2.6 (Exponencial de uma matriz). Seja A uma matriz quadrada n n. A funo exca ca ponencial t eAt dene-se como sendo a funo que transforma nmeros reais em matrizes de modo a ca u que eAt x(0) soluo da equao diferencial x = Ax. e ca ca A funo exponencial de matrizes tem as seguintes propriedades: ca 1. e0 = I 2. eA(t+s) = eAt eAs = eAs eAt 3. eAt no singular e tem inversa eAt e a 4.
d At dt (e )

= AeAt = eAt A
1

5. se C uma matriz no singular, ento eC e a a

ACt

= C 1 eAt C

A.3

Matrizes e propriedades

Denio A.3.1 (Matriz identidade). Designa-se por matriz identidade n n a matriz I cujos eleca mentos so 1 ao longo da diagonal principal e 0 fora dela. a Exemplo A.3.1. I44 1 0 = 0 0 0 1 0 0 0 0 1 0 0 0 0 1

Propriedades: O produto de uma matriz qualquer A com a matriz identidade I d como resultado a a matriz original A: AI = IA = A Denio A.3.2 (Matriz nula). Existe uma unica matriz, a matriz nula 0, que somada a qualquer ca matriz A, d como resultado essa matriz: A + 0 = A. A matriz nula m n a matriz cujos elementos a e so todos nulos. a Exemplo A.3.2. 023 = 0 0 0 0 0 0

Denio A.3.3 (Matriz diagonal). Diz-se que uma matriz A diagonal se s tiver elementos no ca e o a nulos na diagonal principal. Exemplo A.3.3. 1 = 0 0 0 2 0 0 0 3

A.3. MATRIZES E PROPRIEDADES

39

Denio A.3.4 (Matriz tridiagonal). Diz-se que uma matriz A tridiagonal se s tiver elementos ca e o no nulos na diagonal principal e nas duas diagonais adjacentes. a Exemplo A.3.4. a11 A = a21 0 a12 a22 a32 0 a23 a33

Denio A.3.5 (Matriz triangular). Diz-se que uma matriz A triangular superior se todos os elca e ementos abaixo da diagonal principal so nulos. Da mesma forma, diz-se que uma matriz triangular a e inferior se todos os elementos acima da diagonal principal so nulos. a Denio A.3.6 (Matriz ortogonal). Diz-se que uma matriz A ortogonal sse AAT = I (note-se que ca e neste caso A1 = AT ). Denio A.3.7 (Matriz unitria). Diz-se que uma matriz A unitria sse A A = I (note-se que ca a e a neste caso A1 = A ). Denio A.3.8 (Matriz simtrica). Diz-se que uma matriz A simtrica sse A = AT . ca e e e Denio A.3.9 (Matriz anti-simtrica). Diz-se que uma matriz A anti-simtrica sse A = AT . ca e e e Denio A.3.10 (Matriz hermiteana). Diz-se que uma matriz A hermiteana sse A = A . ca e Denio A.3.11 (Matriz anti-hermiteana). Diz-se que uma matriz A anti-hermiteana sse A = ca e A . Denio A.3.12 (Matriz normal). Diz-se que uma matriz n n A normal se A A = AA . ca e Observao. As matrizes hermiteanas, anti-hermiteanas ou unitrias so normais. Se uma transformao ca a a ca linear tem uma representao matricial normal em relao a uma base ortonormal, ento a sua represenca ca a tao matricial em relao a qualquer outra base ortonormal tambm normal. ca ca e e Denio A.3.13 (Matriz dos cofactores). Chama-se matriz dos cofactores de uma matriz n n A ca a ` matriz n n, designada por cofA, cuja componente na linha i e coluna j o cofactor-ij de A dado por e (1)i+j det Aij . Exemplo A.3.5. 1 0 1 3 2 2 1 = 1 1 1 cof 2 2 0 1 1 2 3 2 Nota. Nalguma literatura mais antiga, a matriz dos cofactores designada por matriz adjunta. Este facto e pode introduzir alguma confuso, pois tambm usada essa designao para a transconjugada. a e e ca Denio A.3.14 (Matriz companheira). A uma matriz A da forma ca 0 1 0 .. .. 0 . . A= .. . 1 a0 an2 an1 chama-se matriz companheira do polinmio p() = n + an1 n1 + + a0 . o Denio A.3.15 (Matriz de Householder). Chama-se matriz de Householder a uma matriz da forca ma H = I 2uuT , onde u um vector coluna de norma 1. e

40

APENDICE A. MATRIZES

Denio A.3.16 (Matriz jacobiana). Chama-se matriz jacobiana de uma aplicao f : Rn Rm , ` ca ca a matriz denida por f1 f1 xn x1 f . . . = . . . x fm fm xn x1 Exemplo A.3.6. Considere-se a aplicao f : R3 R2 dada por ca f (x) = A matriz jacobiana de f e f = x 1 2x2 0 0 cos(x2 ) 0 x1 x2 2 sin(x2 )

A.4

Clculo de determinantes a

As principais propriedades de determinantes podem estar relacionadas com a noo de volume de parca alelip pedos, pois o valor absoluto do determinante de uma matriz n n d o volume n-dimensional do a paralelip pedo de dimenso n que denido pelos n vectores que constituem as linhas da matriz [1]. a e Seja A = [aij ] uma matriz n n de componentes escalares. O determinante da matriz A pode ser calculado das seguintes formas: 1. Frmula de Laplace: o
n

det(A) =
j=1

aij (1)i+j det(Aij )

onde Aij a matriz (n1)(n1) que se obtm de A suprimindo a linha i e a coluna j. Chama-se a e e Aij o menor-ij da matriz A e chama-se a (1)i+j det(Aij ) o cofactor-ij de A (ver denio A.3.13). ca 2. Se A no singular, ento e a a det(A) = (produto dos pivots) onde o sinal positivo ou negativo conforme o nmero de trocas de linhas no processo de eliminao e u ca de Gauss par ou e mpar. Exemplo A.4.1. Pretende-se calcular o determinante da a11 a12 A = a21 a22 a31 a32 Aplicando a frmula de Laplace obtm-se o e det(A) = a11 det a22 a32 a23 a33 a12 det a21 a31 a23 a33 + a13 det a21 a31 a22 a32 matriz a13 a23 = a33

Exemplo A.4.2. Pretende-se calcular o seguinte determinante: 1 2 3 1 3 det 0 2 0 = 2 det 1 1 1 1 1 O determinante tem as seguintes propriedades: 1. O determinante anula-se se uma das linhas da matriz nula. e

= 4

2. O determinante muda de sinal com trocas entre pares de linhas. 3. O determinante anula-se se as linhas so linearmente dependentes (matriz singular). a 4. Se A e B so matrizes quadradas, ento det(AB) = det(A) det(B). a a 5. Se A uma matriz no-singular, ento det(A) = 0 e det(A1 ) = e a a 6. Se A uma matriz quadrada, ento det(AT ) = det(A). e a
1 det(A) .

 A.5. VALORES PROPRIOS E VECTORES PROPRIOS

41

T(c) c

T(a) b=T(b)

Figura A.1: Simetria em relao a uma recta. ca

A.5

Valores prprios e vectores prprios o o

Consideremos uma transformao linear T : V V . Vamos comear por determinar os subespaos ca c c invariantes da transformao T . Estes so os subespaos lineares S V tais que as imagens de vectores ca a c de S permanecem em S, isto , T (S) S. e Exemplo A.5.1. Seja T : R2 R2 a transformao que transforma cada ponto (x, y) no seu simtrico em ca e relao ` recta y = x (gura A.1). Neste caso temos os seguintes subespaos invariantes: ca a c 1. todo o espao R2 ; c 2. a origem; 3. o subespao que consiste na recta y = x; c 4. o subespao que consiste na recta y = x. c Subespaos particularmente uteis so os subespaos unidimensionais. A estes subespaoes d-se o c a c c a nome de rectas invariantes. Se v um vector de uma recta invariante, ento T (v) = v em que um e a e factor de expanso ou contraco do comprimento do vector (consoante o valor de ). Aos escalares a ca d-se o nome de valores prprios e aos vectores no nulos v d-se o nome de vectores prprios. a o a a o Exemplo A.5.2. Considere-se a transformao linear ca y = Tx = Os valores prprios obtm-se a partir das ra o e zes de det(I T ) = 0 Os vectores prprios associados a cada so os vectores x tal que o a T x = x Neste exemplo obtm-se 1 = 1 e 2 = 1, com os vectores prprios associados v1 = [1 0]T e v2 = e o 2 [1 1]T . A gura A.2 ilustra as rectas invariantes da transformao linear. ca Nota. Os vectores prprios obtidos no exemplo anterior no so unicos. Qualquer outro vector obtido a o a a partir destes por multiplicao de uma constante (no nula) igualmente vlido. Este facto verica-se ca a e a facilmente a partir da denio de vector prprio T v = v. ca o Em seguida do-se algumas propriedade importantes dos valores e vectores prprios. a o 1. Se T tem valores prpios distintos 1 , . . . , k , ento os vectores v1 , . . . , vk associados a cada um o a destes valores prprios so linearmente independentes. o a 1 2 0
3 2

42

APENDICE A. MATRIZES

Figura A.2: Rectas invariantes de uma transformao linear. ca

2. Seja T : V V uma transformao linear. A transformao T tem representao matricial diagonal ca ca ca em relao a uma base de V se e s se essa base formada por vectores prprios de V . Em ca o e o particular = C 1 AC onde C a matriz mudana de base que relaciona os vectores v1 , . . . , vn e c da base associada com a representao diagonal com os vectores u1 , . . . , un da base associada ca com a representao matricial A. Diz-se ento que C uma matriz diagonalizante de A, e que A ca a e e diagonalizvel. Se A representa a transformao linear em relao ` base dos vectores coordenados a ca ca a unitrios, ento a matriz mudana de base C tem por colunas os vectores v1 , . . . , vn que so os a a c a vectores prprios de A. o Denio A.5.1 (Polinmio caracter ca o stico). O polinmio caracter o stico de uma matriz nn A denese como sendo o polinmio o p() = det(I A) = n + cn1 n1 + + c1 + c0 Teorema A.5.1 (Cayley-Hamilton). Seja A uma matriz n n e seja p() = n + cn1 n1 + + c1 + c0 o seu polinmio caracter o stico. Ento p(A) = 0, isto , a matriz A satisfaz a equao a e ca An + cn1 An1 + + c1 A + c0 I = 0

A.6

Clculo de eAt a

O clculo da exponencial de uma matriz no em geral simples. Nesta seco apresentam-se vrios a a e ca a mtodos para o clculo de eAt para vrios casos especiais, e tambm o mtodo de Putzer que aplicvel e a a e e e a a qualquer matriz quadrada A. Teorema A.6.1. Se A uma matriz n n com todos os valores prprios iguais a , ento e o a
n1 k

eAt = et
k=0

t (A I)k k!

Teorema A.6.2. Se A uma matriz n n com todos os valores prprios diferentes 1 , . . . , n , ento e o a
n

eAt =
k=1

ek t Lk (A)

 A.6. CALCULO DE E AT em que Lk (A) um polinmio em A de grau n 1 dado pela frmula e o o

n

43

Lk (A) =
j=1,j=k

A j I , para k = 1, . . . , n k j

Teorema A.6.3 (Putzer). Sejam 1 , . . . , n os valores prprios uma matriz nn A, repetidos de acordo o com a sua multiplicidade algbrica. Ento e a
n1

eAt =
k=0

rk+1 (t)Pk (A)

em que
k

P0 (A) = I,

Pk (A) =
m=1

(A m I), para k = 1, . . . , n

e r1 (t), . . . , rn (t) so coecientes escalares que podem ser obtidos recursivamente resolvendo as seguintes a equaes diferenciais lineares: co r1 rk+1 = 1 r1 = k+1 rk+1 + rk ,

rk+1 (0) = 0,

k = 1, . . . , n 1

Alm dos mtodos anteriores existem ainda outras possibilidades para determinar eAt . Por exemplo, e e e a se a matriz A diagonalizvel, isto , se A = CC 1 em que uma matriz diagonal, ento e a e eAt = Cet C 1 onde a matriz et a matriz diagonal e et = exp(

1 .. 0 .

0 n

t) =

e1 t .. 0 .

0 en t

44

APENDICE A. MATRIZES

Bibliograa
[1] L. T. Magalhes, Algebra Linear como Introduo ` Matemtica Aplicada, Texto Editora. a ca a a [2] T. M. Apostol, Calculus, Wiley International Edition.

45