Sie sind auf Seite 1von 329

Linearidade em Sinais e Sistemas

Ivanil S. Bonatti
Amauri Lopes
Pedro L. D. Peres
Faculdade de Engenharia El etrica e de Computac ao,
Universidade Estadual de Campinas, UNICAMP, Brasil
Fevereiro de 2008
Deve-se escrever da mesma maneira como as lavadeiras l a de Alagoas
fazem seu ofcio. Elas come cam com uma primeira lavada, molham a
roupa suja na beira da lagoa ou do riacho, torcem o pano, molham-no
novamente, voltam a torcer. Colocam o anil, ensaboam e torcem uma,
duas vezes. Depois enx aguam, dao mais uma molhada, agora jogando a
agua com a m ao. Batem o pano na laje ou na pedra limpa, e dao mais
uma torcida e mais outra, torcem ate nao pingar do pano uma s o gota.
Somente depois de feito tudo isso e que elas dependuram a roupa lavada
na corda ou no varal, para secar. Pois quem se mete a escrever devia
fazer a mesma coisa. A palavra nao foi feita para enfeitar, brilhar como
ouro falso; a palavra foi feita para dizer.
Graciliano Ramos, em entrevista concedida em 1948
http://www.graciliano.com.br/
Sumario
I SISTEMAS DISCRETOS 1
1 Sinais Discretos e Convolu cao 2
2 Transformada Z 14
3 Transformada Z Aplicada a Probabilidade 30
4 Serie de Fourier de Sinais Discretos 40
5 Equa c oes a Diferen cas 60
II SISTEMAS CONT

INUOS 83
6 Sinais Contnuos e Convolu cao 84
7 Serie de Fourier de Sinais Contnuos 104
8 Transformada de Fourier de Sinais Contnuos 126
9 Amostragem de Sinais Contnuos 146
10 Ortogonaliza cao 156
11 Resposta em Freq uencia 166
12 Transformada de Laplace 188
13 Resolu cao de equa c oes diferenciais por transformada de Laplace 199
14 Resolu cao de Equa c oes Diferenciais por Coecientes a Determinar 212
15 Variaveis de Estado 224
16 Resolu cao de Equa c oes de Estado 245
17 Observabilidade e Controlabilidade SISO 269
18 Introdu cao `a Realimenta cao 286
19 Estabilidade 291
19.1 BIBO Estabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
19.2 Estabilidade do Estado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299
i
ii SUM

ARIO
III Apendices 305
A Nota cao 306
B Fundamentos 311
C Propriedades de Matrizes 315
Bibliograa 324
Bonatti, Lopes & Peres
Parte I
SISTEMAS DISCRETOS
1
Captulo 1
Sinais Discretos e Convolu cao
Deni cao: Sinais Discretos
Um sinal discreto, denotado x[n], e uma fun c ao (real ou complexa) cujo domnio e o conjunto dos
inteiros Z = {0, 1, 2, . . .}, como por exemplo o sinal x[n] = sen(n) mostrado na Figura 1.1. Si-
nais discretos tambem podem ser interpretados como seq uencias enumeraveis de escalares reais ou
complexos.
0 2 4 6 8 10 12 14 16 18 20
1
0.8
0.6
0.4
0.2
0
0.2
0.4
0.6
0.8
1
n
Figura 1.1: Sinal x[n] = sen(n) mostrado (comando stem do Matlab) no intervalo n [0, 20].
Deni cao: Degrau Unitario
Considere n Z. O sinal discreto u[n] (degrau unit ario) e denido como
u[n] =
_
0 para n = , . . . , 2, 1
1 para n = 0, 1, 2, . . . , +
Para a R nao inteiro, u[a] = 0. Assim, x[n] = u[n/2], n Z, e a seq uencia que vale 1 para
n = 0, 2, 4, 6, . . . e zero para os demais inteiros (negativos e positivos mpares).
Deni cao: Impulso
Considere n Z. O sinal discreto [n] (impulso unit ario) e denido como
2
3
[n] =
_
1 , n = 0
0 , n = 0
Note que [n + 3] = 1 para n = 3 e [n + 3] = 0 para n = 3. Para a R nao inteiro, [a] = 0.
Assim, [2n + 3] = 0 para todo n, pois nao existe n Z tal que 2n + 3 = 0.
Exemplo 1.1
O impulso unit ario pode ser escrito em termos da diferen ca de dois degraus
[n] = u[n] u[n 1]
e o degrau unit ario pode ser escrito como uma soma innita de impulsos
u[n] =
n

k=
[k]
P
Exemplo 1.2
Dado
x[n] = [n + 2] +[n 2]
tem-se
y[n] = x[2n] = [2n + 2] +[2n 2] = [n + 1] +[n 1]
Observe que trata-se de uma compress ao.
P
Exemplo 1.3
O sinal
x[n] = u[n 1] u[n] + (2 n)
_
u[n 1] u[n 2]
_
pode ser representado como uma soma de impulsos
x[n] = [n] +[n 1]
A partir de x[n], tem-se
x[n 1] = [n 1] +[n 2]
que e um deslocamento para a direita.
Note que
x[2n + 1] = [2n + 1] +[2n] = [n]
P
Sistemas Discretos
Sao sistemas cujas entradas e sadas s ao seq uencias enumeraveis de escalares reais ou complexos.
Nota cao: y[n] = G{x[n]}, sendo x[n] a entrada e y[n] a sada.
Bonatti, Lopes & Peres
4 Captulo 1. Sinais Discretos e Convolu c ao
Exemplo 1.4
Filtro passa-alta
y[n] =
x[n] x[n 1]
2
, n Z
Para x[n] = (1)
n
, a sada e y[n] = (1)
n
. Para x[n] = 1
n
, tem-se y[n] = 0.
P
Exemplo 1.5
Filtro passa-baixa
y[n] =
x[n] +x[n 1]
2
, n Z
Para x[n] = (1)
n
, a sada e y[n] = 0. Para x[n] = 1
n
, tem-se y[n] = 1
n
.
P
Exemplo 1.6
A popula c ao anual de peixes em um lago (em termos percentuais) pode ser descrita de maneira
aproximada por
y[n + 1] ay[n](1 y[n]) = 0 , 0 y[0] 1
sendo a um par ametro real que representa as condi c oes ambientais do lago. Observe que um sistema
pode ser descrito por uma equa c ao a diferen cas sem envolver explicitamente a entrada x[n].
P
Sistemas Lineares
Um sistema e linear se satisfaz o princpio da superposi c ao, isto e,
G{a
1
x
1
[n] +a
2
x
2
[n]} = a
1
G{x
1
[n]} +a
2
G{x
2
[n]}
Observe que, para sistemas lineares, G{0} = 0. Os exemplos 1.4 e 1.5 s ao sistemas lineares e o
Exemplo 1.6 e um sistema nao-linear, que pode apresentar comportamento caotico para alguns valores
de a.
Deni cao: Invariante no tempo
Um sistema e invariante no tempo se um deslocamento da entrada produzir igual deslocamento na
sada, isto e,
y[n m] = G{x[n m]}
para qualquer m Z.
Os exemplos 1.4, 1.5 e 1.6 s ao sistemas invariantes no tempo.
Exemplo 1.7
y[n] = sen(x[n])
e um sistema n ao linear, pois
sen(x
1
[n] +x
2
[n]) = sen(x
1
[n]) + sen(x
2
[n])
Bonatti, Lopes & Peres
5
e e invariante no tempo, pois
y
1
[n] = sen(x
1
[n])
x
2
[n] = x
1
[n k] y
2
[n] = sen(x
2
[n]) = sen(x
1
[n k]) = y
1
[n k]
P
Exemplo 1.8
y[n] = nx[n]
e um sistema linear, pois
y
1
[n] = nx
1
[n] , y
2
[n] = nx
2
[n] n(ax
1
[n] +bx
2
[n]) = ay
1
[n] +by
2
[n]
e n ao e invariante no tempo, pois
x
2
[n] = x
1
[n k] y
2
[n] = nx
2
[n] = nx
1
[n k] = y
1
[n k] = (n k)x
1
[n k]
P
Deni cao: Sistema sem Mem oria
Um sistema e sem mem oria se a sada no instante n depende apenas do sinal de entrada no instante n.
Exemplo 1.9
O somador (ou acumulador)
y[n] =
n

k=
x[k]
e um sistema discreto com mem oria, que pode ser descrito pela equa c ao a diferen cas y[n]y[n1] =
x[n].
P
Deni cao: Sistema Causal
Um sistema e causal ou nao antecipativo quando a sada nao depende de valores futuros da entrada.
Exemplo 1.10
O sistema
y[n] =
1
2M + 1
+M

k=M
x[n k] , M > 0
e n ao causal.
O somador do Exemplo 1.9 e causal.
P
Bonatti, Lopes & Peres
6 Captulo 1. Sinais Discretos e Convolu c ao
Deni cao: Sistema BIBO Estavel
Um sistema e BIBO est avel (Bounded-Input Bounded-Output) se a sada e limitada para toda entrada
limitada.
|x[n]| < b |y[n]| < +
Exemplo 1.11
y[n] = nx[n]
e um sistema causal n ao BIBO est avel.
y[n] = x[n]
e um sistema n ao causal e BIBO est avel.
P
Deni cao: Resposta ao Impulso
Resposta ao impulso e a sada do sistema quando a entrada e a fun c ao impulso e as condi c oes iniciais
s ao nulas (sistema em repouso), isto e
h[n] = G{[n]}
Exemplo 1.12
A resposta ao impulso do ltro passa-alta do Exemplo 1.4 e dada por
h[n] =
[n] [n 1]
2
e a resposta ao impulso do ltro passa-baixa do Exemplo 1.5 e dada por
h[n] =
[n] +[n 1]
2
P
Exemplo 1.13
Somador
y[n] =
n

k=
x[k]
A resposta ao impulso e
h[n] =
n

k=
[k] = u[n]
P
Bonatti, Lopes & Peres
7
Deni cao: Convolu cao
Convolu c ao e a opera c ao
x[n] = x
1
[n] x
2
[n] =
+

k=
x
1
[k]x
2
[n k]
Propriedade 1.1
Se
x
1
[n] = x
1
[n]u[n] e x
2
[n] = x
2
[n]u[n]
entao
x
1
[n] x
2
[n] = u[n]
n

k=0
x
1
[k]x
2
[n k]

Propriedade 1.2
O impulso e o elemento neutro da convolu c ao, pois
x[n] =
+

k=
x[k][n k]

Propriedade 1.3
A convolu c ao e comutativa, associativa e distributiva em rela c ao `a soma.

Propriedade 1.4
x[n] [n k] = x[n k]
pois
+

m=
x[m][n k m] = x[n k]

Teorema 1.1
A sada de um sistema linear invariante no tempo e a convolu c ao da resposta ao impulso com a entrada,
isto e
y[n] = G{x[n]} = x[n] h[n] , h[n] = G{[n]}
pois
G{x[n]} = G
_
+

k=
x[k][n k]
_
=
+

k=
x[k]G
_
[n k]
_
=
+

k=
x[k]h[n k]
y
Bonatti, Lopes & Peres
8 Captulo 1. Sinais Discretos e Convolu c ao
Exemplo 1.14
No Exemplo 1.13 (somador), a sada e a convolu c ao da entrada com o degrau
y[n] =
n

k=
x[k] = x[n] u[n]
pois
x[n] u[n] =
+

k=
x[k]u[n k] =
n

k=
x[k] u[n k]
. .
=1
+
+

k=n+1
x[k] u[n k]
. .
=0
P
Propriedade 1.5
Considere o sinal
x
2
[n] =

kI
a
k
[n b
k
] , I = {conjunto nito de ndices}
Entao,
x
1
[n] x
2
[n] =

kI
a
k
x
1
[n b
k
]

Exemplo 1.15
Dados
x
1
[n] = [n] +[n 1] +[n 2] , x
2
[n] = [n] +[n 1]
tem-se
x
1
[n] x
2
[n] = [n] [n 1] [n 2] +[n 1] +[n 2] +[n 3] = [n] +[n 3]
Observe que a largura do sinal resultante e igual `a soma das larguras dos sinais originais.
P
Propriedade 1.6
Sistemas lineares invariantes no tempo s ao causais se e somente se a resposta ao impulso e nula para
instantes negativos, ou seja
h[n] = 0 para n < 0 sistema causal
pois
y[n] = x[n] h[n] =
1

k=
x[n k]h[k] +
+

k=0
x[n k]h[k]
e, se h[k] = 0 para k < 0, a sada y[n] dependeria de valores futuros da entrada x[n].

Bonatti, Lopes & Peres


9
Exemplo 1.16
Observe que os ltros passa-alta e passa-baixa, cujas respostas ao impulso foram calculadas no
Exemplo 1.12, s ao sistemas causais.
O sistema linear invariante no tempo cuja resposta ao impulso e
h[n] = [n + 1]
e n ao causal, pois h[1] = 1. Note que y[n] = x[n] h[n] = x[n + 1].
P
Propriedade 1.7
Sistemas lineares invariantes no tempo s ao BIBO est aveis se e somente se a resposta impulso e abso-
lutamente som avel, isto e
+

n=
|h[n]| < + BIBO est avel
Prova:
Suciencia: se
+

n=
|h[n]| < +
entao
|y[n]|
+

k=
|x[n k]||h[k]| b
+

k=
|h[k]| < +
Necessidade: considere a entrada limitada
x[n] = sinal(h[n])
sendo a fun c ao sinal denida como
sinal(v) =
_
1 , v > 0
1 , v < 0
A sada y[n], para n = 0, e
y[0] =
+

k=
x[k]h[k] =
+

k=
sinal(h[k])h[k] =
+

k=
|h[k]| < +
pois a sada y[n] e limitada.

Deni cao: Auto-fun cao


Um sinal de entrada e denominado auto-fun c ao de um sistema se a sada correspondente for igual ao
sinal de entrada multiplicado por uma constante (em geral complexa).
Bonatti, Lopes & Peres
10 Captulo 1. Sinais Discretos e Convolu c ao
Propriedade 1.8
O sinal z
n
, z C, e uma auto-fun c ao para sistemas lineares discretos invariantes no tempo se a
somatoria
H(z) =
+

k=
h[k]z
k
for nita, ou seja, se z pertence ao domnio
h
de H(z), pois
y[n] = z
n
h[n] =
+

k=
h[k]z
nk
= H(z)z
n

H(z) e denominada transformada Z da resposta ao impulso do sistema, ou fun c ao de transferencia.


A rela c ao (temporal) entre sada e entrada em um sistema linear discreto invariante no tempo e dado
pelo ganho complexo H(z) quando x[n] = z
n
.
Deni cao: Resposta em freq uencia
Se z = exp(j) (crculo unit ario) pertence ao domnio da fun c ao de transferencia do sistema linear
invariante no tempo H(z), a resposta em freq uencia do sistema e o valor de H(z) computado para
z = exp(j).
A resposta em freq uencia escreve-se como
M() exp(j()) = H(z)

z=exp(j)
= H
_
exp(j)
_
sendo M() o m odulo e () a fase de H(z)

z=exp(j)
Em geral, e desenhada na forma de m odulo e fase (diagrama de Bode
1
) ou na forma polar, para
[, +]. Representa a resposta em regime permanente de sistemas lineares invariantes no tempo
est aveis para entradas senoidais.
Propriedade 1.9
Se h[n] e real, entao H
_
exp(j)
_

= H
_
exp(j)
_
, isto e M() e uma fun c ao par e () e uma
fun c ao mpar.
Prova:
H
_
exp(j)
_

=
+

k=
h[k] exp(jk) = H
_
exp(j)
_
H
_
exp(j)
_
= M() exp(j()) H
_
exp(j)
_

= M() exp(j())
Como
H
_
exp(j)
_
= M() exp(j())
entao M() = M() (fun c ao par) e () = () (fun c ao mpar).

1
Hendrik Wade Bode, engenheiro eletricista americano do seculo XX.
Bonatti, Lopes & Peres
11
Propriedade 1.10
A resposta em regime de um sistema linear invariante no tempo com fun c ao de transferencia H(z),
com h[n] real e z = exp(j)
h
, para a entrada x[n] = cos(n), e
y[n] = M() cos(n +())
Prova:
y[n] = G{cos(n)} =
1
2
G{exp(jn)} +
1
2
G{exp(jn)} =
=
1
2
H
_
exp(j)
_
exp(jn) +
1
2
H
_
exp(j)
_
exp(jn) =
=
1
2
M() exp(jn +j()) +
1
2
M() exp(jn j()) = M() cos(n +())
Para a entrada x[n] = sen(n), tem-se
y[n] = M()sen(n +())

Exemplo 1.17
Considere o Exemplo 1.4 (ltro passa-alta), dado por
y[n] =
x[n] x[n 1]
2
, n Z
Para x[n] = z
n
tem-se y[n] = H(z)z
n
, resultando na fun c ao de transferencia
H(z) =
(1 z
1
)
2
Portanto, a resposta em freq uencia e
H(z)

z=exp(j)
=
1 exp(j)
2
=
= j exp(j/2)
_
exp(j/2) exp(j/2)
2j
_
= j exp(j/2)sen(/2)
Portanto, tem-se
M() = |sen(/2)|
() =

2
sinal()

2
M() e () s ao mostrados na Figura 1.2. Observe o crescimento de M() para de 0 a + (ltro
passa-alta) e a entrada z = (1)
n
corresponde `a freq uencia = 0 e que z = (1)
n
corresponde `a
freq uencia = +. Note tambem que, para > 0 ou para < 0, a fase varia linearmente com a
freq uencia.
P
Bonatti, Lopes & Peres
12 Captulo 1. Sinais Discretos e Convolu c ao
4 2 0 2 4
0.2
0
0.2
0.4
0.6
0.8
1
4 2 0 2 4
2
1.5
1
0.5
0
0.5
1
1.5
2

Figura 1.2: M() (m odulo) e () (fase) do ltro passa-alta do Exemplo 1.17.
Exemplo 1.18
No Exemplo 1.5 (ltro passa-baixa),
H(z) =
(1 +z
1
)
2
; H(z)

z=exp(j)
= exp(j/2) cos(/2)
implicando em
M() = | cos(/2)| ; () =

2
Neste caso, M() decresce quando varia de 0 a + (ltro passa-baixa), como mostrado na
Figura 1.3, juntamente com a fase (que tambem varia linearmente com a freq uencia).
4 2 0 2 4
0.2
0
0.2
0.4
0.6
0.8
1
4 2 0 2 4
2
1.5
1
0.5
0
0.5
1
1.5
2

Figura 1.3: M() (m odulo) e () (fase) do ltro passa-baixa do Exemplo 1.18.
Bonatti, Lopes & Peres
13
P
Exemplo 1.19
Considere o sistema descrito pela equa c ao a diferen cas de primeira ordem
y[n + 1] = y[n] +x[n + 1] (p )y[n] = px[n]
sendo p o operador deslocamento em n, ou seja, px[n] = x[n + 1], . . . , p
k
x[n] = x[n +k].
Para x[n] = z
n
, tem-se
(z )H(z) = z H(z) =
z
z
=
1
1 z
1
Supondo-se que z = exp(j)
h
, a resposta em freq uencia pode ser computada
H(z)

z=exp(j)
=
1
1 exp(j)
Para 0 < , trata-se de um ltro passa-baixa.
P
A equa c ao a diferen cas
D(p)y[n] = N(p)x[n] , D(p) =
m

k=0

k
p
k
; N(p) =

k=0

k
p
k
com
m
= 1,
k
e
k
coecientes constantes e condi c oes iniciais nulas descreve um sistema linear
invariante no tempo, cuja fun c ao de transferencia e
H(z) =
N(z)
D(z)
pois
D(p)H(z)z
n
= N(p)z
n
H(z)D(z) = N(z)
Exemplo 1.20
O sistema
y[n + 2] + 2y[n + 1] +
2
0
y[n] =
2
0
x[n]
pode ser escrito como
D(p)y[n] = N(p)x[n]
com
D(p) = p
2
+ 2p +
2
0
, N(p) =
2
0
que resulta na fun c ao de transferencia
H(z) =
N(z)
D(z)
=

2
0
z
2
+ 2z +
2
0
P
Bonatti, Lopes & Peres
Captulo 2
Transformada Z
Deni cao: Transformada Z
A transformada Z da seq uencia x[n] e dada por
X(z) = Z{x[n]} =
+

k=
x[k]z
k
para z
x
, isto e, conjunto dos z C (complexos) para os quais a soma e nita.
Propriedade 2.1
Transformada Z da fun cao impulso
Z
_
[n]
_
=
+

k=
[k]z
k
= 1 ,

= C

Exemplo 2.1
Z
_
[n m]
_
=
+

k=
[k m]z
k
= z
m
, m Z
+
sendo Z
+
o conjunto dos n umeros inteiros positivos. O domnio da transformada e o conjunto dos
complexos, com exce c ao de z = 0.
P
Exemplo 2.2
Z
_
[n +m]
_
=
+

k=
[k +m]z
k
= z
m
, m Z
+
e o domnio e o conjunto dos complexos, com exce c ao de |z| +.
P
14
15
Propriedade 2.2
Soma
Se o limite
lim
z1
Z{x[n]}
e nito e unico, entao
lim
z1
Z{x[n]} = lim
m+
m

k=
x[k]
Portanto, se
z = 1
x
entao
Z{x[n]}

z=1
=
+

k=
x[k]

Propriedade 2.3
Soma Geometrica
m

k=0
a
k
=
1 a
m+1
1 a
, a C
pois
m

k=0
a
k
a
m

k=0
a
k
= 1 a
m+1

k=0
a
k
=
1 a
m+1
1 a
|a| < 1
+

k=0
a
k
=
1
1 a

Propriedade 2.4
Transformada Z de x[n] = a
n
u[n]
X(z) = Z{x[n]} = Z{a
n
u[n]} =
1
1 az
1
= (1 az
1
)
1
=
z
z a
,
x
= {z C, |z| > |a|}
Note que o domnio de existencia
x
e o exterior do crculo de raio |a| centrado na origem e, portanto,
o polo (isto e, a raiz z = a do denominador) nao pertence ao domnio.

Bonatti, Lopes & Peres


16 Captulo 2. Transformada Z
Exemplo 2.3
Transformada Z do degrau
Z{u[n]} =
+

n=
z
n
u[n] =
1
1 z
1
=
z
z 1
,
u
= {z C : |z| > 1}
P
Exemplo 2.4
x[n] = exp(jn)u[n] =
_
exp(j)
_
n
u[n] , > 0
cuja transformada Z e dada por
X(z) =
z
z exp(j)
,
x
= {z C : |z| > 1}
P
Exemplo 2.5
x[n] = exp(jn)u[n] =
_
exp(j)
_
n
u[n] , > 0
cuja transformada Z e dada por
X(z) =
z
z exp(j)
,
x
= {z C : |z| > 1}
P
Propriedade 2.5
Z{x[n] = a
n
u[n 1]} =
+

n=
a
n
z
n
u[n 1] =
1

n=
(z/a)
n
=
+

n=1
(z/a)
n
=
(z/a)
1 (z/a)
=
z
z a

x
= {z C : |z| < |a|}
Observe que a expressao da transformada Z e a mesma da transformada apresentada na Proprie-
dade 2.4, porem o domnio de convergencia e o interior do crculo de raio |a| centrado na origem.

Exemplo 2.6
x[n] = a
n
_
u[n] u[n m]
_
, m Z
+
Z{x[n]} =
m1

k=0
a
k
z
k
=
1 (a/z)
m
1 (a/z)
=
1
z
m1
z
m
a
m
z a
Bonatti, Lopes & Peres
17
Observe (por exemplo, usando a regra de lH opital
1
) que a transformada e nita quando z a,
implicando que a n ao e um p olo de X(z). O domnio da transformada e o conjunto dos complexos
exceto z = 0.
P
Exemplo 2.7
x[n] = a
|n|
= a
n
u[n] +a
n
u[n 1]
Z{x[n]} =
1

k=
a
k
z
k
+
+

k=0
a
k
z
k
O segundo termo converge para
z
z a
, |z| > |a|
e o primeiro termo produz
(az)
1

k=
a
k1
z
k1
= (az)
0

k=
(az)
k
= (az)
+

k=0
(az)
k
=
az
1 az
, |z| < |1/a|
Para |a| > 1, n ao h a interse c ao entre as regi oes e portanto a transformada Z n ao existe. De fato, a
serie a
|n|
, para |a| > 1, diverge para n e para n +.
O domnio da transformada para |a| < 1 e o anel centrado na origem dado por
|a| < |z| <
1
|a|
P
Propriedade 2.6
Domnio da Transformada Z
O que determina o domnio da transformada Z de uma fun c ao x[n] e a convergencia da soma que
dene a transformada Z{x[n]}, isto e, o domnio e o conjunto de valores de z para os quais a soma e
nita.
Os polos (valores de z para os quais a fun c ao tende para innito; em geral, s ao as razes do denomi-
nador) nao pertencem ao domnio.
O domnio nao pode ser obtido apenas a partir da expressao da transformada X(z). Por exemplo,
a transformada Z do degrau e dada por
z
z 1
e existe para todo z = 1. No entanto, o domnio e a regi ao |z| > 1.
O domnio e denido por restri c oes sobre o m odulo de z.
Se x[n] tem dura c ao nita, o domnio
x
e todo o plano complexo, exceto (possivelmente) z = 0
e/ou |z| +.
1
Guillaume De lHopital, matematico frances do seculo XVII.
Bonatti, Lopes & Peres
18 Captulo 2. Transformada Z
Se x[n] = 0 para n < m, m Z (sinal `a direita), o domnio (se existir) e o exterior do menor crculo
que contem todos os polos.
Se x[n] = 0 para n > m, m Z (sinal `a esquerda), o domnio (se existir) e o interior do maior crculo
que nao contem nenhum polo.

Propriedade 2.7
Transformada Z de x[n] = a
n
X(z) = Z{x[n]} =
+

k=
a
k
z
k
=
+

k=0
(a/z)
k
+
1

k=
(a/z)
k
Para |z| |a|, o primeiro termo diverge e, para |z| |a|, o segundo termo diverge. Portanto, nao
existe a transformada Z de x[n] = a
n
(a soma diverge em todo z C).

Propriedade 2.8
Z{x[n] = ax
1
[n] +bx
2
[n]} = aZ{x
1
[n]} +bZ{x
2
[n]} ,
x
=
x
1

x
2
ou seja, a transformada Z e linear e o domnio de convergencia e (no mnimo) a interse c ao dos domnios.

Exemplo 2.8
x[n] = 2
n+1
cos(3n)u[n] =
_
2 exp(j3)
_
n
u[n] +
_
2 exp(j3)
_
n
u[n]
X(z) =
z
z 2 exp(j3)
+
z
z 2 exp(j3)
,
x
= {z C : |z| > 2}
P
Propriedade 2.9
Teorema da Convolu cao
A transformada Z da convolu c ao de dois sinais e o produto das transformadas, ou seja,
Z
_
x[n] = x
1
[n] x
2
[n]
_
= Z{x
1
[n]}Z{x
2
[n]} ,
x
=
x
1

x
2
Prova:
Z
_
x
1
[n] x
2
[n]
_
=
+

k=
_
+

n=
x
1
[n]x
2
[k n]
_
z
k
=
+

k=
+

n=
x
1
[n]z
n
x
2
[k n]z
(kn)
=
+

n=
x
1
[n]z
n
+

k=
x
2
[k n]z
(kn)
=
+

n=
x
1
[n]z
n
+

m=
x
2
[m]z
m
= X
1
(z)X
2
(z)

Bonatti, Lopes & Peres


19
Propriedade 2.10
Operador Derivada
Z{y[n] = nx[n]} =
_
z
d
dz
_
X(z) ,
y
=
x
pois
d
dz
Z{x[n]} =
d
dz
_
+

n=
x[n]z
n
_
= z
1
+

n=
nx[n]z
n
z
d
dz
Z{x[n]} = Z{nx[n]}
Z{y[n] = n
2
x[n]} =
_
z
d
dz
_
2
X(z) ,
y
=
x
pois
Z{n
2
x[n]} = Z{nv[n]} =
_
z
d
dz
_
V (z) =
_
z
d
dz
__
z
d
dz
_
X(z)
Generalizando,
Z{y[n] = n
m
x[n]} =
_
z
d
dz
_
m
X(z) ,
y
=
x

Exemplo 2.9
Considere a distribui c ao de probabilidade x[n] = (1 )
n
u[n], para 0 < < 1.
Note que x[n] e sempre maior ou igual a zero e a soma de x[n] para todo n e igual a 1 (veja a
Propriedade 2.3 da soma geometrica).
A media da vari avel aleat oria X e
E{X} =
+

n=
nx[n] = Z{nx[n]}

z=1
sendo E o operador esperan ca.
Como
X(z) = (1 )
z
z
= (1 )(1 z
1
)
1
, |z| >
tem-se
_
z
d
dz
_
X(z) = Z{nx[n]} = (1 )z
1
(1 z
1
)
2
Em z = 1,
E{X} =
+

n=
nx[n] =

1
O momento de segunda ordem da vari avel aleat oria X e dado por
Bonatti, Lopes & Peres
20 Captulo 2. Transformada Z
E{X
2
} =
+

n=
n
2
x[n]
_
z
d
dz
_
2
X(z) = Z{n
2
x[n]} = (1 )
_
z
1
(1 z
1
)
2
+ 2z
2
(1 z
1
)
3
_
Em z = 1,
E{X
2
} =
+
2
(1 )
2
A vari ancia de X e dada por
E{X
2
} E{X}
2
=

(1 )
2
P
Exemplo 2.10
Z{na
n
u[n]} =
_
z
d
dz
_
(1 az
1
)
1
=
az
1
(1 az
1
)
2
=
az
(z a)
2
, |z| > |a|
P
Exemplo 2.11
Z{n
2
a
n
u[n]} =
_
z
d
dz
_
(az
1
)(1 az
1
)
2
=
az
1
(1 az
1
)
2
+
2a
2
z
2
(1 az
1
)
3
=
=
az
1
(1 az
1
)
2
+
2a
2
z
2
(1 az
1
)
3
=
az
2
+a
2
z
(z a)
3
, |z| > |a|
P
Propriedade 2.11
Deslocamento `a Direita (atraso)
Z{y[n] = x[n m]u[n m]} = z
m
Z{x[n]u[n]} , m Z
+
,
y
=
x
pois
Z{x[n m]u[n m]} =
+

k=
x[k m]u[k m]z
k
=
+

k=m
x[k m]u[k m]z
k
=
=
+

k=
x[k]u[k]z
(k+m)
= z
m
Z{x[n]u[n]}

Bonatti, Lopes & Peres


21
Propriedade 2.12
Deslocamento Unitario `a Esquerda (avan co)
Z{x[n + 1]u[n]} = z
_
Z{x[n]u[n]} x[0]
_
pois
Z{x[n + 1]u[n]} =
+

n=
x[n + 1]u[n]z
n
= z
+

n=
x[n + 1]u[n]z
(n+1)
= z
+

n=
x[n]u[n 1]z
n
= z
_
+

n=
x[n]u[n]z
n
x[0]
_
Observe que, se x[0] = 0, multiplicar a transformada por z equivale a deslocar x[n] para x[n + 1]

Propriedade 2.13
Z{x[n + 2]u[n]} = z
2
_
Z{x[n]u[n]} x[0] z
1
x[1]
_
pois
y[n] = x[n + 1]u[n] y[0] = x[1] , y[n + 1] = x[n + 2]u[n + 1]
Z{x[n + 2]u[n]} = Z{y[n + 1]u[n]} = z
_
Z{y[n]u[n]} y[0]
_
=
= z
_
Z{x[n + 1]u[n]} x[1]
_
= z
_
z
_
Z{x[n]u[n]} x[0]
_
x[1]
_
Generalizando,
Z{x[n +m]u[n]} = z
m
_
Z{x[n]u[n]}
m1

k=0
x[k]z
k
_
, m Z
+

Exemplo 2.12
Z{(n + 1)a
n
u[n]} = z
_
Z
_
na
n1
u[n]
_
(na
n1
)

n=0
_
pela Propriedade 2.12 (avan co).
Utilizando a Propriedade 2.10 (operador derivada), tem-se
Z{na
n1
u[n]} =
_
z
d
dz
_
Z{a
n1
u[n]}
Como
Z{a
n1
u[n]} =
1
a
(1 az
1
)
1
Z{(n + 1)a
n
u[n]} = Z
__
n + 1
1
_
a
n
u[n]
_
= (1 az
1
)
2
, |z| > |a|
Bonatti, Lopes & Peres
22 Captulo 2. Transformada Z
sendo a combina c ao de n termos m a m dada por
_
n
m
_
=
n!
m!(n m)!
, 0 m n , m, n N = {0, 1, 2, . . .}
P
Exemplo 2.13
Z
__
n + 2
2
_
a
n
u[n]
_
= Z
_
(n + 2)(n + 1)
2
a
n
u[n]
_
= zZ
_
(n + 1)n
2
a
n1
u[n]
_
=
= z
_
z
d
dz
_
Z
_
(n + 1)
2
a
n1
u[n]
_
=
z
2a
_
z
d
dz
_
(1 az
1
)
2
pelo resultado do Exemplo 2.12. Portanto,
Z
__
n + 2
2
_
a
n
u[n]
_
= (1 az
1
)
3
, |z| > |a|
P
Propriedade 2.14
Combinatoria
Generalizando os exemplos 2.12 e 2.13, tem-se
Z
__
n +m
m
_
a
n
u[n]
_
= (1 az
1
)
(m+1)
, m N , |z| > |a|

Propriedade 2.15
Combinatoria com Deslocamento
Z
__
n
m
_
a
nm
u[n m]
_
=
z
(z a)
m+1
, |z| > |a| , m N
pois, aplicando a Propriedade 2.11 (atraso) na Propriedade 2.14 (combinat oria), tem-se
z
m
Z
__
n +m
m
_
a
n
u[n]
_
= Z
__
n
m
_
a
nm
u[n m]
_
=
z
m
(1 az
1
)
m+1
=
z
(z a)
m+1
Observe que a combina c ao de n elementos m a m nao estaria denida para n < m, mas, para n 0,
tem-se
_
n
m
_
=
1
m!
(n m+ 1) n
que e igual a zero para n < m. Assim,
Z
__
n
m
_
a
nm
u[n]
_
=
z
(z a)
m+1
, |z| > |a| , m N

Bonatti, Lopes & Peres


23
Propriedade 2.16
Valor Inicial
Considere x[n] um sinal `a direita de n = 0, isto e, x[n] = x[n]u[n] com x[0] nito, cuja transformada
X(z) possui domnio
x
nao vazio. Entao,
x[0] = lim
|z|+
X(z)
Prova:
Como x[n] = 0 para n < 0, o domnio
x
e o exterior de um crculo de raio limitado (para X(z)
racional, o domnio e o exterior do crculo de menor raio que contem os polos), e portanto |z| +
pertence a
x
.
X(z) =
+

n=
x[n]u[n]z
n
= x[0] +
+

n=1
x[n]z
n
lim
|z|+
X(z) = x[0]
Observe que se X(z) for racional (raz ao de dois polin omios em z), a ordem do numerador e necessa-
riamente menor ou igual `a do denominador para que o limite exista. Nesse caso, X(z) e denominada
fun c ao propria.

Propriedade 2.17
Valor Final
Considere X(z) com domnio |z| > , 0 < 1.
Se o limite
lim
z1
(z 1)X(z)
e nito, entao
lim
m+
x[m] = lim
z1
(z 1)X(z)
Prova:
Considere a seq uencia `a direita y[n] dada por
y[n] = x[n + 1]u[n] x[n]u[n]
m

k=
y[k] = x[m+ 1] x[0] , m 0
Pela Propriedade 2.2 (soma), tem-se
lim
z1
Y (z) = lim
m+
m

k=
y[k] = lim
m+
x[m] x[0]
Aplicando a transformada Z em y[n], tem-se
Y (z) = Z{x[n + 1]u[n]} Z{x[n]u[n]} = zX(z) zx[0] X(z) = (z 1)X(z) zx[0]
Bonatti, Lopes & Peres
24 Captulo 2. Transformada Z
Portanto,
lim
z1
Y (z) = lim
z1
(z 1)X(z) x[0] lim
z1
(z 1)X(z) = lim
m+
x[m]
Observe que, como (z 1)X(z) deve ser nito em z = 1, X(z) pode no m aximo ter um polo em z = 1.

Exemplo 2.14
Considere
X(z) =
z + 1
z + 1/3
, |z| > 1/3
Ent ao,
x[0] = lim
|z|+
X(z) = 1
+

k=
x[k] = lim
z1
X(z) = 3/2
lim
n+
x[n] = lim
z1
(z 1)X(z) = lim
z1
(z 1)(z + 1)
z + 1/3
= 0
P
Propriedade 2.18
Transformada Inversa
A transformada inversa da transformada Z de fun c oes racionais pode ser computada pelo algoritmo
de Briot-Runi
2
de divis ao de polin omios.
A transformada inversa da transformada Z cujo domnio e o exterior de um crculo e uma seq uencia
`a direita.
A transformada inversa da transformada Z cujo domnio e o interior de um crculo e uma seq uencia
`a esquerda.
A transformada inversa da transformada Z cujo domnio e um anel e uma seq uencia que existe `a
esquerda e `a direita do zero.
A transformada inversa da transformada Z cujo domnio e todo o plano complexo, exceto possivel-
mente ou z = 0, ou |z| + ou ambos, e dada por uma seq uencia de dura c ao nita.

Exemplo 2.15
Considere
X(z) =
z
z a
, |z| > |a|
2
Charles Auguste Briot, frances do seculo XIX e Paolo Runi, italiano do seculo XVIII.
Bonatti, Lopes & Peres
25
Ent ao
z z a
z a 1 +az
1
+a
2
z
2
+
a
a a
2
z
1
a
2
z
1
X(z) =
z
z a
= 1 +az
1
+a
2
z
2
+ x[n] = a
n
u[n]
pois, comparando X(z) com a deni c ao de transformada Z, obtem-se os termos x[n] (identidade de
polin omios).
Note que a serie converge apenas para |z| > |a|.
P
Exemplo 2.16
Considere
X(z) =
z
z a
, |z| < |a|
Ent ao
z a +z
z a
1
z
2
a
1
z a
2
z
2
+
a
1
z
2
a
1
z
2
a
2
z
3
a
2
z
3
X(z) =
z
z a
= a
1
z
_
1 +a
1
z +a
2
z
2
+
_
= a
1
z
+

k=0
a
k
z
k
=
+

k=0
a
k1
z
k+1
=
1

n=
a
n
z
n
=
+

n=
a
n
u[n 1]z
n
Comparando polin omios, trata-se da transformada Z de x[n] = a
n
u[n 1] (veja a Proprie-
dade 2.5). Note que a serie converge apenas para
|za
1
| < 1 |z| < |a|
P
Exemplo 2.17
Transformada inversa
X(z) =
2z
2
5z
(z 2)(z 3)
=
z
z 2
+
z
z 3
, |z| > 3
Para o domnio em quest ao, tem-se
x[n] = (2
n
+ 3
n
)u[n]
Bonatti, Lopes & Peres
26 Captulo 2. Transformada Z
Note que a Propriedade 2.2 (soma) n ao se aplica, pois z = 1 n ao pertence ao domnio. De fato,
X(1) = 3/2 e a soma diverge.
A Propriedade 2.16 (valor inicial) e vericada, pois
X(+) = 2 e x[0] = 2
Neste caso, tambem n ao se aplica a Propriedade 2.17 (valor nal), pois o domnio n ao verica a
hip otese |z| > com 1.
P
Exemplo 2.18
Transformada inversa
X(z) =
2z
2
5z
(z 2)(z 3)
=
z
z 2
+
z
z 3
, |z| < 2
Neste caso, e melhor escrever
X(z) = (z2
1
)
1
1 2
1
z
+ (z3
1
)
1
1 3
1
z
x[n] = (2
n
+ 3
n
)u[n 1]
A Propriedade 2.2 (soma) e vericada, pois z = 1 pertence ao domnio
X(1) = 3/2 e
+

n=
x[n] = 3/2
N ao se aplicam as propriedades 2.16 (valor inicial) e 2.17 (valor nal), pois z + n ao pertence
ao domnio e o domnio e o interior de um crculo (e, portanto, a fun c ao x[n] n ao e `a direita).
P
Exemplo 2.19
Transformada inversa
X(z) =
2z
2
5z
(z 2)(z 3)
=
z
z 2
+
z
z 3
, 2 < |z| < 3
X(z) =
z
z 2
+ (z3
1
)
1
1 3
1
z
x[n] = 2
n
u[n] 3
n
u[n 1]
N ao se aplicam as propriedades 2.2 (soma), 2.16 (valor inicial) e 2.17 (valor nal).
P
Bonatti, Lopes & Peres
27
Exemplo 2.20
Transformada inversa
X(z) =
1
z a
, |z| > |a|
e dada por (usando Briot-Runi)
X(z) =
1
z a
= z
1
+az
2
+a
2
z
3
+ x[n] = a
n1
u[n 1]
Observe que
X(z) = z
1
z
z a
= z
1
Z{a
n
u[n]} x[n] = a
n1
u[n 1]
pela Propriedade 2.11 (atraso).
P
A transformada Z inversa de fun c oes racionais proprias X(z) com domnio no exterior de um crculo
(series `a direita) pode ser obtida pela Propriedade 2.15 (combinat oria com deslocamento) por meio
da expans ao em fra c oes parciais de X(z)/z na vari avel z.
Exemplo 2.21
Polos distintos
Considere = 1 e Y (z) dado por
Y (z) =
z
2
(z )(z 1)
, |z| > max{||, 1}
Y (z)
z
=
z
(z )(z 1)
=
a
z
+
b
z 1
a =

1
, b =
1
1
Usando a Propriedade 2.15 (combinat oria com deslocamento), tem-se
y[n] = a
n
u[n] +bu[n] =
1
n+1
1
u[n]
P
Exemplo 2.22
Polos m ultiplos
Para a transformada X(z) dada por
X(z)
z
=
z
(z 1)
3
=
a
1
z 1
+
a
2
(z 1)
2
+
a
3
(z 1)
3
, |z| > 1
tem-se a
1
= 0, a
2
= 1 e a
3
= 1. Portanto,
x[n] =
_
n
1
_
u[n] +
_
n
2
_
u[n] =
n(n + 1)
2
u[n]
P
Bonatti, Lopes & Peres
28 Captulo 2. Transformada Z
Exemplo 2.23
Considere = 1 e a transformada Y (z) dada por
Y (z) =
z
2
(z 1)(z )
2
, |z| > max{||, 1}
Y (z)
z
=
z
(z 1)(z )
2
=
a
z 1
+
b
z
+
c
(z )
2
cujos coecientes s ao
a =

(1 )
2
, b =

(1 )
2
, c =

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

n1
u[n] =
=
_
a +b
n
+cn
n1
_
u[n] =

(1 )
2
_
1 (n + 1)
n
+n
n+1
_
u[n]
P
A transformada Z inversa de fun c oes racionais proprias com domnio no exterior de um crculo (series
`a direita) tambem pode ser obtida pela Propriedade 2.14 (combinat oria) por meio da expans ao em
fra c oes parciais na vari avel z
1
.
Exemplo 2.24
Retomando o Exemplo 2.21, com = 1 e Y (z) dado por
Y (z) =
z
2
(z )(z 1)
=
1
(1 z
1
)(1 z
1
)
=
a
1 z
1
+
b
1 z
1
, |z| > max{||, 1}
tem-se
a =
1
1 z
1

1z
1
=0
=

1
, b =
1
1 z
1

1z
1
=0
=
1
1
Usando a Propriedade 2.14 (combinat oria), obtem-se a seq uencia
y[n] = a
n
u[n] +bu[n] =
1
n+1
1
u[n]
Para = 1, tem-se
Y (z) =
1
(1 z
1
)
2
, |z| > 1
y[n] = Z
1
_
1
(1 z
1
)
2
_
= (n + 1)u[n] =
n

k=0
1
O mesmo resultado pode ser obtido aplicando a regra de lH opital
3
na express ao de y[n]
y[n] = lim
1
1
n+1
1
= lim
1
(n + 1)
n
1
= n + 1
P
3
Guillaume De lHopital, matematico frances do seculo XVII.
Bonatti, Lopes & Peres
29
Exemplo 2.25
Retomando o Exemplo 2.22, com a transformada Z
Y (z) =
z
2
(z 1)
3
=
z
1
(1 z
1
)
3
=
a
1 z
1
+
b
(1 z
1
)
2
+
c
(1 z
1
)
3
, |z| > 1
Os coecientes s ao: a = 0, b = 1 e c = 1. Portanto,
y[n] =
_
(1)
_
n + 1
1
_
+
_
n + 2
2
__
u[n] =
n(n + 1)
2
u[n]
P
Exemplo 2.26
O Exemplo 2.23, com = 1 e a transformada Y (z) dada por
Y (z) =
z
2
(z 1)(z )
2
=
z
1
(1 z
1
)(1 z
1
)
2
, |z| > max{||, 1}
Y (z) =
a
1 z
1
+
b
1 z
1
+
c
(1 z
1
)
2
cujos coecientes s ao
a =

(1 )
2
, b =

2
( 1)
2
, c =

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

(1 )
2
_
1 (n + 1)
n
+n
n+1
_
u[n]
P
Exemplo 2.27
Considere Y (z) dado por
Y (z) =
z
z
2
z 1
, |z| >
1
sendo
1
=
1 +

5
2
e
2
=
1

5
2
as razes do denominador.
Y (z) =
z
(z
1
)(z
2
)
=
z
1
(1
1
z
1
)(1
2
z
1
)
=
a
1
1
1
z
1
+
a
2
1
2
z
1
cujos coecientes s ao
a
1
=
1

2
=

5
5
, a
2
=
1

1
=

5
5
resultando em
y[n] = a
1

n
1
+a
2

n
2
a
1

n
1
para n grande, pois |
2
| < 1
P
Bonatti, Lopes & Peres
Captulo 3
Transformada Z Aplicada a
Probabilidade
A transformada Z e um operador matem atico eciente no tratamento de vari aveis aleat orias discretas,
como por exemplo nas distribui c oes de Bernoulli, Binomial, Geometrica, Poisson, Erlang, etc.
A Figura 3.1 ilustra a rela c ao entre algumas dessas distribui c oes.
30
31
Considere a seq uencia enumeravel p[k] de escalares reais (positivos ou nulos) tal que
+

k=
p[k] = 1
na qual, freq uentemente, p[k] = 0 para k = 1, 2, 3, . . .
Deni cao: Variavel Aleat oria Discreta

E uma fun c ao X `a qual est a associada uma distribui c ao de probabilidade


Pr{X = k} = p[k] 0 ;
+

k=
p[k] = 1
Deni cao: Esperan ca Matematica
Poisson
Axiom atico
Axiom atico
limite
Binomial
Bernoulli
transformada
Exponencial
Dual
Pr{X = 1} = p
_
n
k
_
p
k
(1 p)
(nk)

k
k!
exp()
p
T
(t) = exp(t)
Sem eventos simult aneos
Intervalos independentes
Contnua
Sem mem oria
Figura 3.1: Rela c oes entre distribui c oes de probabilidades discretas.
Bonatti, Lopes & Peres
32 Captulo 3. Transformada Z Aplicada a Probabilidade
E{f(X)} =

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

k
k
m
p[k] , m Z
+
Deni cao: Media
x = E{X} =

k
kp[k]
ou seja, a media e o momento de primeira ordem.
Deni cao: Variancia

2
X
=

k
(k x)
2
p[k]
Propriedade 3.1
A vari ancia da vari avel aleat oria X e igual ao momento de segunda ordem menos o momento de
primeira ordem ao quadrado, ou seja,

2
X
= E{X
2
} E{X}
2
pois

k
(k x)
2
p[k] =

k
k
2
p[k] 2 x

k
kp[k] + x
2

k
p[k] = E{X
2
} 2 x
2
+ x
2

Exemplo 3.1
Considere a equa c ao a diferen cas de primeira ordem com 0 < < 1 que descreve a cadeia marko-
viana da la M/M/1, dada por
p[n + 1] = p[n] , n N ; p[n] = 0 , n < 0 ,
+

n=
p[n] = 1
Por substitui c ao sistematica, tem-se
p[1] = p[0] ; p[2] = p[1] =
2
p[0] ; p[3] = p[2] =
3
p[0] ; . . . ; p[n] =
n
p[0]
Como
+

k=0

k
=
1
1
tem-se
p[n] = (1 )
n
u[n] (u[n] = fun c ao degrau)
que e a distribui c ao geometrica.
Observe que p[0] = 1 e a probabilidade do sistema estar vazio (servidor desocupado na teoria
de las).
P
Bonatti, Lopes & Peres
33
Exemplo 3.2
Bernoulli
Pr{X = 1} = p > 0 ; Pr{X = 0} = 1 p = q > 0
A vari avel aleat oria de Bernoulli
1
modela processos com duas possibilidades; por exemplo, proba-
bilidade de um servidor estar livre ou ocupado.
E{X} =

k
kp[k] = 1p + 0(1 p) = p ; E{X
2
} =

k
k
2
p[k] = 1p + 0(1 p) = p

2
X
= E{X
2
} E{X}
2
= p(1 p) = pq
P
Deni cao: Independencia
Duas vari aveis aleat orias discretas s ao independentes se a probabilidade conjunta for igual ao produto
das probabilidades, isto e,
Pr{X = x, Y = y} = Pr{X = x} Pr{Y = y}
Propriedade 3.2
Independencia
Pr{X = x, Y = y} = Pr{X = x} Pr{Y = y} E{f(X)g(Y)} = E{f(X)}E{g(Y)}
pois
E{f(X)g(Y)} =

m
f(k)g(m) Pr{X = k, Y = m} =
=

k
f(k) Pr{X = k}

m
g(m) Pr{Y = m}

Deni cao: Transformada Z


A transformada Z da serie p[n] e dada por
2
G
X
(z) = Z{p[n]} =
+

k=
p[k]z
k
Propriedade 3.3
Z{p[n]} = E{z
X
}
pois
f(X) = z
X
E{f(X)} =

k
f(k) Pr{X = k} =

k
z
k
p[k] = Z{p[n]}

1
Jacob (Jacques) Bernoulli, matematico suico 16541705.
2
Note que a transformada Z e denida com z
k
(e nao z
k
) para car de acordo com a maior parte dos livros de
probabilidade. Duas conseq uencias importantes disso sao: a regiao de convergencia para seq uencias `a direita e o interior
de um crculo (e nao o exterior), e na Propriedade do Operador Derivada nao aparece o sinal negativo.
Bonatti, Lopes & Peres
34 Captulo 3. Transformada Z Aplicada a Probabilidade
Exemplo 3.3
Seja X a vari avel aleat oria que descreve o n umero de elementos na la M/M/1 do Exemplo 3.1. A
distribui c ao de probabilidade e dada por
p[n] = (1 )
n
u[n] , 0 < < 1
A transformada Z de p[n] e dada por
G
X
(z) = (1 )
+

k=
(z)
k
u[k] =
1
1 z
, |z| <
1

Observe que a divisao dos polin omios da transformada Z produz a fun c ao inversa, isto e, a seq uencia
p[n].
G
X
(z) =
1
1 z
= (1 )(1 +z +
2
z
2
+ )
P
Propriedade 3.4
Soma
Z{p[n]}

z=1
= G
X
(1) =

k
p[k] = 1
Note que esta propriedade pode ser usada para testar eventuais erros nas expressoes das transformadas
Z das distribui c oes de probabilidade.

Propriedade 3.5
Operador Derivada
_
zd
dz
_
m
Z{p[n]} = Z{n
m
p[n]} , m Z
+
pois
z
d
dz
Z{p[n]} = z

k
kz
k1
p[k] =

k
kp[k]z
k
= Z{np[n]}
e a aplica c ao recorrente do operador
_
zd
dz
_
prova a propriedade.

Propriedade 3.6
Momentos
E{X
m
} =
_
zd
dz
_
m
Z{p[n]}

z=1
= Z{n
m
p[n]}

z=1
, m Z
+
Bonatti, Lopes & Peres
35
Esta propriedade pode ser usada para o c alculo dos momentos de ordem m.

Propriedade 3.7
Variancia

2
X
=
_
zd
dz
_
2
Z{p[n]}

z=1

__
zd
dz
_
Z{p[n]}

z=1
_
2

Propriedade 3.8
Serie de Taylor
Seq uencias p[n] `a direita do zero podem ser calculadas a partir da serie de Taylor
3
de G
X
(z) em z = 0,
pois
G
X
(z) =
+

n=0
1
n!
d
n
dz
n
G
X
(z)

z=0
z
n
p[n] =
G
(n)
X
(0)
n!

Exemplo 3.4
Considere novamente a vari avel aleat oria de Bernoulli do Exemplo 3.2, para a qual
Pr{X = 1} = p > 0 ; Pr{X = 0} = 1 p = q > 0 p[n] = q[n] +p[n 1]
No Exemplo 3.2, media e vari ancia foram obtidas pela deni c ao. Neste exemplo, a media e vari ancia
s ao determinadas pelas propriedades da transformada Z.
A transformada Z de p[n] e dada por
G
X
(z) =
+

k=
p[k]z
k
= (1 p) +zp = q +zp
O teste da soma e vericado, pois
G
X
(1) = q +p = 1
O momento de primeira ordem fornece
_
zd
dz
_
G
X
(z) = zp E{X} = p
e o momento de segunda ordem e dado por
3
Brook Taylor, matematico ingles (16851731).
Bonatti, Lopes & Peres
36 Captulo 3. Transformada Z Aplicada a Probabilidade
_
zd
dz
_
2
G
X
(z) = zp = E{X
2
} = p
A vari ancia e

2
X
= p p
2
= pq
A expans ao em serie de Taylor produz
G
X
(z) = q +zp p
0
= q , p
1
= p
que conrma a express ao da transformada.
P
Propriedade 3.9
Soma de Variaveis Aleat orias
Sejam X e Y vari aveis aleat orias discretas e independentes. Entao
G
X+Y
(z) = G
X
(z)G
Y
(z)
pois, denindo-se W= X +Y, tem-se
G
W
(z) = E{z
W
} = E{z
(X+Y)
} = E{z
X
}E{z
Y
} = G
X
(z)G
Y
(z)
ou seja, a transformada Z da soma de vari aveis aleat orias independentes e o produto das transformadas
Z.

A Propriedade 3.9 e uma vers ao em termos de vari aveis aleat orias da propriedade de que a transfor-
mada Z da convolu c ao e o produto das transformadas Z individuais.
A propriedade seguinte mostra que a distribui c ao de probabilidade associada ao produto de duas
transformadas Z e a convolu c ao das distribui c oes individuais.
Propriedade 3.10
Sejam
G
X
(z) =

k
x[k]z
k
, G
Y
(z) =

k
y[k]z
k
Entao,
G
X
(z)G
Y
(z) =

k
p[k]z
k
p[n] =

k
x[k]y[n k] = x[n] y[n]
pois
G
X
(z)G
Y
(z) =

k
x[k]z
k

m
y[m]z
m
=

m
x[k]y[m]z
k+m
=

k
x[k]y[n k]
. .
p[n]
z
n

Bonatti, Lopes & Peres


37
O resultado da Propriedade 3.9 permite uma abordagem alternativa (ao processo de contagem) para
a deni c ao da vari avel aleat oria binomial.
Exemplo 3.5
Variavel Aleat oria Binomial
Considere X
1
, X
2
, . . . X
n
vari aveis aleat orias de Bernoulli, independentes e com a mesma distribui c ao
de probabilidade
Pr{X
i
= 1} = p > 0 , Pr{X
i
= 0} = 1 p = q > 0 , i = 1, . . . , n
Seja
Y = X
1
+X
2
+ +X
n
Observe que Pr{Y = k} = p[k] e a probabilidade de ocorrerem k acertos em n testes.
Pela Propriedade 3.9, tem-se
G
Y
(z) = G
X
1
(z) G
X
n
(z) = (q +zp)
n
Expandindo o bin omio de Newton
4
, tem-se
G
Y
(z) = (q +zp)
n
=
n

k=0
_
n
k
_
(zp)
k
q
(nk)
=
n

k=0
z
k
n!
k!(n k)!
p
k
q
(nk)
. .
p[k]
Observe que a fra c ao na express ao indica o n umero de possibilidades de ocorrer k acertos em n
testes, e o produto p
k
q
nk
indica a probabilidade de haver k acertos e n k erros.
A media e a vari ancia podem ser calculadas a partir da transformada Z
G
Y
(z) = (q +zp)
n
G
Y
(1) = (q +p)
n
= 1
_
zd
dz
_
G
Y
(z) = zn(q +zp)
(n1)
p y = E{Y} = np
_
zd
dz
_
2
G
Y
(z) = z
_
np (q +zp)
(n1)
+npz(n 1) (q +zp)
(n2)
p
_
E{Y
2
} = n
2
p
2
+np(1 p)

2
Y
= n
2
p
2
+np(1 p) n
2
p
2
= npq
Este resultado conrma que a media da soma de vari aveis aleat orias e a soma das medias e que,
para vari aveis aleat orias independentes, a vari ancia da soma e a soma das vari ancias.
P
4
Sir Isaac Newton, ingles (16431727).
Bonatti, Lopes & Peres
38 Captulo 3. Transformada Z Aplicada a Probabilidade
A distribui c ao binomial (n, p) tende para a distribui c ao de Poisson
5
quando n tende para innito
mantendo-se constante o valor valor medio = np, isto e, considerando-se que p = /n decres ca de
maneira apropriada.
Propriedade 3.11
Poisson como limite da binomial
lim
n+ , p=/n
(q +zp)
n
= exp
_
(z 1)
_
pois
G
Y
(z) = lim
n+ , p=/n
(q +zp)
n
= lim
n+
_
1 +
(z 1)
n
_
n
= exp
_
(z 1)
_
pois
lim
n+
_
1 +
a
n
_
n
= exp(a)
Expandindo em serie de Taylor, tem-se
exp()
+

k=0
(z)
k
k!
p[k] = Pr{Y = k} =

k
k!
exp() , k N
Uma demonstra c ao alternativa pode ser feita diretamente da expressao da distribui c ao da binomial.
Assim,
p[k] = Pr{Y = k} =
n!
k!(n k)!
p
k
(1 p)
nk
=
n!
k!(n k)!

k
n
k
_
1

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

k
n
k
_
1

n
_
nk
=

k
k!
_
lim
n+
_
1

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

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

k
k!
exp() , k N

5
Simeon Denis Poisson, matematico frances (1781-1840).
Bonatti, Lopes & Peres
39
Exemplo 3.6
A media e a vari ancia da distribui c ao de Poisson podem ser calculadas a partir da transformada Z.
Para uma vari avel aleat oria de Poisson, tem-se
G
Y
(z) = exp() exp(z) G
Y
(1) = 1
_
zd
dz
_
G
Y
(z) = exp()z exp(z) y = E{Y} =
_
zd
dz
_
2
G
Y
(z) = z exp()
_
exp(z) +
2
z exp(z)
_
E{Y
2
} = +
2

2
Y
= +
2

2
=
Note que a media de uma vari avel aleat oria poissoniana e igual `a vari ancia.
P
Propriedade 3.12
A soma de vari aveis aleat orias poissonianas independentes e poissoniana pois, para Y = Y
1
+Y
2
G
Y
(z) = E{z
(Y
1
+Y
2
)
} = E{z
Y
1
} E{z
Y
2
} = G
Y
1
(z) G
Y
2
(z)
G
Y
(z) = exp
_

1
(z 1)
_
exp
_

2
(z 1)
_
= exp
_
(
1
+
2
)(z 1)
_
que trata-se de uma distribui c ao poissoniana com media
1
+
2
.

Bonatti, Lopes & Peres


Captulo 4
Serie de Fourier de Sinais Discretos
Deni cao: Sinal Peri odico
Um sinal x[n] e peri odico se existe um inteiro positivo N tal que x[n] = x[n + N] para n Z.
Nesse caso, N e um perodo e, se for o menor inteiro que satisfaz a rela c ao, e chamado de perodo
fundamental.
Sinais peri odicos representam uma classe importante de sinais de potencia, que podem ser represen-
tados por series de Fourier
1
.
Propriedade 4.1
A fun c ao
x[n] = exp(jn) , R , n Z
e peri odica se e somente se
= 2
p
q
, p, q Z
Se q = N e o menor inteiro positivo que satisfaz a rela c ao, entao N e o perodo fundamental.
Prova:
Se
= 2
p
q
, p, q Z
entao
exp
_
j(n +q)
_
= exp(jn) exp(jq) = exp(j2p) exp(jn) = exp(jn) periodica
Por outro lado, se x[n] = exp(jn) e peri odica, ou seja, se
x[n] = x[n +q] exp(jn) = exp
_
j(n +q)
_
entao
exp(jn) = exp(jn) exp(jq) exp(jq) = 1 q = 2p , p, q Z

1
Jean Baptiste Joseph Fourier, matematico frances (17681830).
40
41
Exemplo 4.1
Para que o sinal
x[n] = sen(an) =
1
2j
exp(jan)
1
2j
exp(jan)
seja peri odico, e necess ario que
a = 2
p
q
, p, q Z
P
Propriedade 4.2
Se x
1
[n] e x
2
[n] s ao peri odicos, entao a soma
x[n] = c
1
x
1
[n] +c
2
x
2
[n]
e peri odica e o perodo fundamental e (em geral) m ultiplo dos perodos individuais.

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

[n], de perodo N, e dado por


< g
k
[n]g

[n] >=

n

N
g
k
[n]g

[n]
sendo

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

n

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

n

N
g
k
[n]g

[n] = 0 , k = , k, Z
Bonatti, Lopes & Peres
42 Captulo 4. Serie de Fourier de Sinais Discretos
Exemplo 4.3
Considere os sinais
p[n] = [n 1] +[n + 1] , q[n] = [n 1] [n + 1]
e os sinais peri odicos, de periodo N > 2, N Z
+
, dados por
x[n] =
+

k=
p[n kN] , y[n] =
+

k=
q[n kN]
O produto escalar e dado por
< x[n]y

[n] >=< p[n]q

[n] >=

k

N
p[k]q[k] = 1 + 0 1 = 0
implicando que os sinais x e y s ao ortogonais.
As normas de x[n] e y[n] s ao dadas por
x[n] =
_
< x[n]x

[n] > =

1 + 1 =

2 , y[n] =
_
< y[n]y

[n] > =

1 + 1 =

2
P
Exemplo 4.4
Considere o sinal
p[n] = [n 1] +[n + 1]
e os sinais peri odicos
x[n] =
+

k=
p[n k6] , y[n] =
+

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

k
=

n

N
g
k
[n]g

[n] =

n

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

n

N
z
n
= z
n
1
N1

n=0
z
n
com z = exp
_
j(k )
2
N

e n
1
o menor inteiro pertencente ao conjunto

N.
Bonatti, Lopes & Peres
43
Portanto,

k
=
_

_
N, para k =
(z
n
1
)
1 z
N
1 z
= 0, para k =
implicando que os sinais g
k
[n] s ao ortogonais e tem norma

N, ou seja,
g
k
[n]
2
= exp
_
jk
2
N
n
_

2
= N , k

N
P
Deni cao: Sinais Linearmente Independentes
Um conjunto de sinais {g
k
[n], k = 1, . . . , m} e linearmente independente se e somente se
m

k=1
c
k
g
k
[n] = 0 , n Z c
k
= 0 , k = 1, . . . , m
Deni cao: Espa co Linear
A combina c ao linear de um conjunto de m sinais g
k
[n], isto e,
g[n] =
m

k=1
c
k
g
k
[n]
com escalares c
k
C gera um espa co linear, cuja dimens ao e dada pelo n umero r de sinais linearmente
independentes do conjunto (r m). Qualquer conjunto de r sinais que gere o mesmo espa co e uma
base para esse espa co.
Exemplo 4.6
Os sinais
x
1
[n] = 1 , x
2
[n] = n , x
3
[n] = n
2
, n Z
s ao linearmente independentes, pois
c
1
x
1
[n] +c
2
x
2
[n] +c
3
x
3
[n] = 0 c
1
= c
2
= c
3
= 0, pois det
_
_
1 0 0
1 1 1
1 2 4
_
_
= 2 = 0
P
Exemplo 4.7
Os sinais
y
1
[n] =
n
1
e y
2
[n] =
n
2
,
1
,
2
C
s ao linearmente independentes se e somente se
1
=
2
, pois a
1

n
1
+a
2

n
2
= 0 implica
a
1
+a
2
= 0
a
1

1
+a
2

2
= 0
_
a
1
= a
2
= 0
P
Bonatti, Lopes & Peres
44 Captulo 4. Serie de Fourier de Sinais Discretos
Propriedade 4.3
Sinais ortogonais s ao linearmente independentes.
Prova:

k
c
k
g
k
[n] = 0 n Z

k
c
k
g
k
[n]g

[n] = 0 n Z

k
c
k
g
k
[n]g

[n] = 0

k
c
k

n
g
k
[n]g

[n] = 0

k=
c
k

n
g
k
[n]g

[n]
. .
=0
+c

n
g

[n]g

[n]
. .
>0
= 0 c

= 0

Propriedade 4.4
Representa cao do Sinal em uma Base
Considere o sinal peri odico x[n], de perodo N, e uma base de dimens ao N de sinais periodicos g
k
[n]
ortogonais com perodo N.
A representa c ao do sinal x[n] na base g
k
[n] e dada por
x[n] =

k
c
k
g
k
[n] , n Z
sendo
c
k
=
< x[n]g

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

k
[n] >
pois

n

N
x[n]g

k
[n] =

n

N
g

[n]g

k
[n] = c
k

n

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

n

N
x[n]g

k
[n]

n

N
|g
k
[n]|
2

Propriedade 4.5
Teorema de Parseval
2
Considere o sinal peri odico x[n], de perodo N, e uma base de dimens ao N de sinais periodicos g
k
[n]
ortogonais com perodo N, tais que
x[n] =

k
c
k
g
k
[n]
Entao,
2
Marc-Antoine Parseval des Chenes, matematico frances (17551836).
Bonatti, Lopes & Peres
45

n

N
|x[n]|
2
=

k
|c
k
|
2

n

N
|g
k
[n]|
2
Prova:

n

N
|x[n]|
2
=

n

N
x[n]

k
c

k
g

k
[n] =

k
c

n

N
x[n]g

k
[n] =

k
c

k
c
k

n

N
|g
k
[n]|
2

Propriedade 4.6
Serie exponencial de Fourier para sinais discretos peri odicos
x[n] =

k

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

n

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

2
= N , k

N
exp
_
jk
2
N
n
_

= exp
_
jk
2
N
n
_
com coecientes peri odicos, de perodo (no m aximo) igual a N
c
k+N
= c
k
= c[k]
Nota cao:
F
S
{x[n]}
N
= {c
k
}
N
x[n] =

k

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

n

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

Propriedade 4.7
Linearidade
F
S
{
1
x
1
[n] +
2
x
2
[n]}
N
=
1
F
S
{x
1
[n]}
N
+
2
F
S
{x
2
[n]}
N

Bonatti, Lopes & Peres


46 Captulo 4. Serie de Fourier de Sinais Discretos
Propriedade 4.8
Soma
F
S
{x[n]}
N
= {c
k
}
N
c
0
=
1
N

n

N
x[n] , x[0] =

k

N
c
k

Propriedade 4.9
Teorema de Parseval para serie exponencial de Fourier
F
S
{x[n]}
N
= {c
k
}
N

1
N

n

N
|x[n]|
2
=

k

N
|c
k
|
2
(potencia media)

Exemplo 4.8
A serie exponencial de Fourier de x[n] dado por
x[n] = sen(
2
5
n)
pode ser obtida a partir do Teorema de Euler
x[n] = sen(
2
5
n) =
1
2j
exp(j
2
5
n) +
1
2j
exp(j
2
5
n)
N = 5 , c
1
=
1
2j
, c
1
=
1
2j
, c
0
= c
2
= c
3
= 0
c
4
= c
1
=
1
2j
x[n] =
1
2j
exp(j
2
5
n)
1
2j
exp(j4
2
5
n)
A potencia media e 1/4 + 1/4 = 1/2.
P
Exemplo 4.9
A serie exponencial de Fourier de x[n] dado por
x[n] = sen(
2
5
n) + cos(

5
n)
pode ser obtida a partir do Teorema de Euler
x[n] =
1
2j
exp(j
2
5
n) +
1
2j
exp(j
2
5
n) +
1
2
exp(j
2
10
n) +
1
2
exp(j
2
10
n)
=
1
2j
exp(j2
2
10
n) +
1
2j
exp(j2
2
10
n) +
1
2
exp(j
2
10
n) +
1
2
exp(j
2
10
n)
N = 10 , c
2
=
1
2j
, c
1
=
1
2
, c
1
=
1
2
, c
2
=
1
2j
c
8
= c
2
=
1
2j
, c
9
= c
1
=
1
2
, c
i
= 0 , i {0, 3, 4, 5, 6, 7}
Bonatti, Lopes & Peres
47
x[n] =
1
2j
exp(j8
2
10
n) +
1
2j
exp(j2
2
10
n) +
1
2
exp(j
2
10
n) +
1
2
exp(j9
2
10
n)
A potencia media e 1.
P
Exemplo 4.10
A serie exponencial de Fourier de x[n] dado por
x[n] = 2 cos(
2
5
n +

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

n=0
|x[n]|
2
_
P
Bonatti, Lopes & Peres
48 Captulo 4. Serie de Fourier de Sinais Discretos
Exemplo 4.12
Trem de impulsos
A serie de Fourier do trem peri odico de impulsos

N
[n] =
+

=
[n N]
e dada por
c
k
=
1
N

n

N
+

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

n

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

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

k=
[n kN] =
1
N

k

N
exp(jk
2
N
n)
Observe que os coecientes da serie s ao constantes (isto e, o perodo e 1 qualquer que seja N).
P
Exemplo 4.13
Considere o sinal peri odico, de perodo N = 10, dado por
x[n] =
+

k=
p[n kN] , p[n] = [n + 1] +[n] +[n 1]
Os coecientes da serie de Fourier s ao dados por
c
k
=
1
10
5

n=4
_
[n + 1] +[n] +[n 1]
_
exp(jk
2
10
n)
=
1
10
_
1 + exp(jk
2
10
) + exp(jk
2
10
)
_
=
1
10
_
1 + 2 cos(k

5
)
_
c
0
=
3
10
(valor medio) =
1
10
5

n=4
p[n]
c
k,k=0,...,9

_
0.30 0.26 0.16 0.04 0.06 0.10 0.06 0.04 0.16 0.26

Note que
9

k=0
c
k
= x[0] = 1 ,
1
10
9

n=0
|x[n]|
2
=
9

k=0
|c
k
|
2
= 0.3
P
Bonatti, Lopes & Peres
49
Propriedade 4.10
Complexo conjugado
F
S
{x[n]}
N
= {c
k
}
N
e y[n] = x

[n] F
S
{y[n]}
N
= {c

k
}
N
pois
y[n] = x

[n] =

k

N
c

k
exp
_
jk
2
N
n
_
=

k

N
c

k
exp
_
jk
2
N
n
_

Deni cao: Fun cao Par e Fun cao



Impar
x[n] = x[n] e par , x[n] = x[n] e mpar
Propriedade 4.11
Sinais Pares e

Impares
Combina c oes lineares de sinais pares produzem sinais pares;
Combina c oes lineares de sinais mpares produzem sinais mpares;
O produto de fun c ao par por fun c ao mpar e mpar;
O produto de fun c ao par por fun c ao par e par;
O produto de fun c ao mpar por fun c ao mpar e par;
x[n] par
+

n=
x[n] = x[0] + 2
+

n=1
x[n]
x[n] mpar
+

n=
x[n] = 0 , x[0] = 0
x
p
[n] =
1
2
_
x[n] +x[n]
_
e par
x
i
[n] =
1
2
_
x[n] x[n]
_
e mpar
x[n] = x
p
[n] +x
i
[n] x
p
[n] e a parte par e x
i
[n] e a parte mpar de x[n]

Exemplo 4.14
O sinal
x[n] = [n + 1] + 2[n 1] +[n 2]
pode ser escrito como
x[n] = x
p
[n] +x
i
[n]
Bonatti, Lopes & Peres
50 Captulo 4. Serie de Fourier de Sinais Discretos
com
2x
p
[n] = [n+2] +[n+1] +[n1] +[n2] , 2x
i
[n] = [n+2] 3[n+1] +3[n1] +[n2]
P
Propriedade 4.12
F
S
{x[n]}
N
= {c
k
}
N
e x[n] e real c

k
= c
k
Prova:
Se x[n] e real, entao
c

k
=
1
N

n

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

k
= c
k
, entao
x

[n] =

k

N
c
k
exp
_
jk
2
N
n
_
=

k

N
c
k
exp
_
jk
2
N
n
_
= x[n] x[n] e real
c

k
= c
k
|c
k
| = |c
k
| (par) , c

k
= c
k
(mpar)

Propriedade 4.13
Serie trigonometrica de Fourier para sinais discretos peri odicos
Considere
F
S
{x[n]}
N
= {c
k
}
N
, x[n] e real
Entao, para N mpar, N > 1, tem-se
x[n] = a
0
+
(N1)/2

k=1
a
k
cos
_
k
2
N
n
_
+
(N1)/2

k=1
b
k
sen
_
k
2
N
n
_
com
a
0
= c
0
, a
k
= c
k
+c
k
, b
k
= j(c
k
c
k
)
pois, pela Propriedade 4.12, c

k
= c
k
e
c
k
exp
_
jk
2
N
n
_
+c
k
exp
_
jk
2
N
n
_
= (c
k
+c
k
)
. .
a
k
cos
_
k
2
N
n
_
+j(c
k
c
k
)
. .
b
k
sen
_
k
2
N
n
_
Para N par, N > 1,
Bonatti, Lopes & Peres
51
x[n] = a
0
+a
N/2
(1)
n
+
N/21

k=1
a
k
cos
_
k
2
N
n
_
+
N/21

k=1
b
k
sen
_
k
2
N
n
_
com
a
0
= c
0
, a
N/2
= c
N/2
, a
k
= c
k
+c
k
, b
k
= j(c
k
c
k
)
pois, para k = 0, 1, . . . , N/2 1, vale o argumento do caso N mpar. O coeciente c
N/2
e real, pois o
termo
c
N/2
exp
_
j
N
2
2
N
n
_
. .
(1)
n
somado aos demais termos tem que reproduzir x[n] real.

Propriedade 4.14
F
S
{x[n]}
N
= {c
k
}
N
e x[n] e real e par c
k
= c

k
= c
k
(real e par)
Prova:
Se x[n] e real e par, entao
c

k
=
1
N

n

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

n

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

n

N
x[n] exp
_
jk
2
N
n
_
= c
k
Pela Propriedade 4.12,
c

k
= c
k
= c
k
Note que, neste caso, a serie trigonometrica nao possui termos em seno (b
k
= 0).

Exemplo 4.15
A serie exponencial de Fourier do sinal x[n], real e par, dado por
x[n] = 2 cos(

2
n) , N = 4
e dada por
c
1
= 1 , c
1
= c
3
= 1 , c
0
= c
2
= 0 coecientes reais
Outro sinal real e par e o do Exemplo 4.13.
P
Bonatti, Lopes & Peres
52 Captulo 4. Serie de Fourier de Sinais Discretos
Propriedade 4.15
F
S
{x[n]}
N
= {c
k
}
N
e x[n] e real e mpar c

k
= c
k
= c
k
(imagin ario puro e mpar)
Prova:
Se x[n] e real e mpar, entao
c

k
=
1
N

n

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

n

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

n

N
x[n] exp
_
jk
2
N
n
_
= c
k
Pela Propriedade 4.12,
c

k
= c
k
= c
k
Note que, neste caso, a serie trigonometrica nao possui termos em cosseno (a
k
= 0) e a
0
= 0.

Exemplo 4.16
Considere o sinal peri odico e mpar, de perodo N = 5, dado por
x[n] =
+

k=
p[n kN] , p[n] = [n + 1] +[n 1]
Os coecientes da serie de Fourier s ao dados por
c
k
=
1
5
2

n=2
_
[n + 1] +[n 1]
_
exp(jk
2
5
n)
=
1
5
_
exp(jk
2
5
) + exp(jk
2
5
)
_
=
2j
5
_
sen(k
2
5
)
_
c
0
= 0 (valor medio) =
1
5
2

n=2
p[n]
c
k,k=0,...,4

_
0 0.38j 0.24j 0.24j 0.38j

Note que os coecientes s ao imagin arios puros (pois o sinal e real e mpar), como no caso do
Exemplo 4.8, e tambem que
4

k=0
c
k
= x[0] = 0 ,
1
5
4

n=0
|x[n]|
2
=
4

k=0
|c
k
|
2
= 0.4
P
Bonatti, Lopes & Peres
53
Propriedade 4.16
Deslocamento no tempo
F
S
{x[n]}
N
= {c
k
}
N
, m Z F
S
{x[n m]} = {c
k
exp(jk
2
N
m)}
N
pois
x[n m] =

k

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

Propriedade 4.17
Diferen ca de primeira ordem
F
S
{x[n]}
N
= {c
k
}
N
e y[n] = x[n] x[n1] F
S
{x[n] x[n1]} =
__
1 exp
_
jk
2
N
_
_
c
k
_
N

Propriedade 4.18
Soma
F
S
{x[n]}
N
= {c
k
}
N
e c
0
= 0 F
S
{
n

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

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

k=
x[k] +

k

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

n

N
y[n]

Bonatti, Lopes & Peres


54 Captulo 4. Serie de Fourier de Sinais Discretos
Exemplo 4.17
A serie de Fourier dos sinais peri odicos, de perodo N = 10,
x[n] =
+

k=
p[n kN] , p[n] = [n + 2] +[n + 1] +[n 1] [n 2]
y[n] =
+

k=
q[n kN] , q[n] = [n + 2] +[n 1]
F
S
{x[n]}
N
= {c
k
}
N
, c
k
=
1
10
_
exp(jk2/5) exp(jk2/5) +exp(jk/5) +exp(jk/5)
_
c
k
=
1
5
_
cos(k/5) cos(k2/5)
_
x[n] real e par, c
k
real e par
c
k,k=0,...,9

_
0 0.10 0.22 0.10 0.22 0.40 0.22 0.10 0.22 0.10

c
0
= 0 ,
9

k=0
c
k
= x[0] = 0 ,
1
10
9

n=0
|x[n]|
2
=
9

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

_
0 0.05 0.15j 0.11 0.15j 0.05 0.04j 0.11 + 0.04j
0.20 0.11 0.04j 0.05 + 0.04j 0.11 + 0.15j 0.05 + 0.15j

d
0
= 0 ,
9

k=0
d
k
= y[0] = 0 ,
1
10
9

n=0
|y[n]|
2
=
9

k=0
|d
k
|
2
= 0.2
Observe que
y[n] =
n

k=
x[k] , q[n] =
n

k=
p[k]
e, pela Propriedade 4.18,
c
k
= d
k
_
1 exp(jk
2
N
)
_
P
Propriedade 4.19
Inversao no tempo
F
S
{x[n]}
N
= {c
k
}
N
e y[n] = x[n] F
S
{y[n]}
N
= {d
k
}
N
= {c
k
}
N
pois
d
k
=
1
N

n

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

n

N
x[n] exp
_
jk
2
N
n
_
=
Bonatti, Lopes & Peres
55
=
1
N

n

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

n

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

Propriedade 4.20
Expansao no tempo
F
S
{x[n]}
N
= {c
k
}
N
, m Z
+
e y[n] =
_
_
_
x[n/m] , n/m Z
0 , n/m Z
Entao,
F
S
{y[n]}
N
= {
1
m
c
k
}
mN
Prova:
O perodo de y[n] e mN, pois, para n/m Z tem-se
y[n +mN] = x[(n +mN)/m] = x[n/m+N] = x[n/m] = y[n]
e, para n/m nao inteiro, y[n +mN] = y[n] = 0.
Os coecientes d
k
, para k mN da serie de Fourier de y[n] s ao
d
k
=
1
mN

mN
y[] exp
_
jk
2
mN

_
=
1
mN

n

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

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

Exemplo 4.18
Considere o sinal peri odico de perodo N = 6, dado por
y[n] =
+

k=
p[n kN] , p[n] = 6[n] + 6[n 2]
Os coecientes da serie de Fourier s ao dados por
d
k
=
1
6
5

n=0
_
6[n] + 6[n 2]
_
exp(jk
2
6
n) = 1 + exp(jk
2
3
)
d
0
= 2 (valor medio) =
1
6
5

n=0
p[n]
Bonatti, Lopes & Peres
56 Captulo 4. Serie de Fourier de Sinais Discretos
d
k,k=0,...,5

_
2 0.50 j0.87 0.50 +j0.87 2 0.50 j0.87 0.50 +j0.87

k=0
d
k
= y[0] = 6 ,
1
6
5

n=0
|y[n]|
2
=
5

k=0
|d
k
|
2
= 12
Considere o sinal peri odico de perodo N = 3, dado por
x[n] =
+

k=
p[n kN] , p[n] = 6[n] + 6[n 1]
Os coecientes da serie de Fourier s ao dados por
c
k
=
1
3
2

n=0
_
6[n] + 6[n 1]
_
exp(jk
2
3
n) = 2 + 2 exp(jk
2
3
)
c
0
= 4 (valor medio) =
1
3
2

n=0
p[n]
c
k,k=0,...,2

_
4 1.00 j1.73 1.00 +j1.73

k=0
c
k
= x[0] = 6 ,
1
3
2

n=0
|x[n]|
2
=
2

k=0
|c
k
|
2
= 24
Note que y[n] e a expans ao do sinal x[n] para m = 2, sendo portanto o perodo de y[n] o dobro
do perodo de x[n]. Pela Propriedade 4.20, os coecientes da serie de y[n] s ao obtidos da repeti c ao
(duas vezes) dos coecientes da serie de x[n] divididos por 2.
P
Deni cao: Convolu cao Peri odica
A convolu c ao peri odica de x[n] e y[n] (sinais peri odicos de perodo N) e dada por
x[n] y[n] =

k

N
x[k]y[n k]
Exemplo 4.19
Considere os sinais peri odicos, com perodo N = 3
x[n] =
+

k=
p[n kN] , p[n] = [n + 1] +[n 1]
y[n] =
+

k=
q[n kN] , q[n] = [n + 1] +[n 1]
F
S
{x[n]}
N
= {c
k
}
N
, c
k
=
1
3
_
exp(jk2/3) + exp(jk2/3)
_
=
2
3
cos(k2/3)
Bonatti, Lopes & Peres
57
c
k,k=0,1,2
=
_
2/3 1/3 1/3

c
0
= 2/3 ,
2

k=0
c
k
= x[0] = 0 ,
1
3
2

n=0
|x[n]|
2
=
2

k=0
|c
k
|
2
= 2/3
F
S
{y[n]}
N
= {d
k
}
N
, d
k
=
1
3
_
exp(jk2/3) + exp(jk2/3)
_
=
2
3j
sen(k2/3)
d
k,k=0,1,2
=
_
0 j/

3 j/

d
0
= 0 ,
2

k=0
d
k
= y[0] = 0 ,
1
3
2

n=0
|y[n]|
2
=
2

k=0
|d
k
|
2
= 2/3
A convolu c ao peri odica v[n] = x[n] y[n] produz
v[n] = x[n] y[n] =
2

k=0
x[k]y[n k] = x[0]y[n] +x[1]y[n 1] +x[2]y[n 2] =
3
[n + 1]
3
[n 1]
cujos coecientes s ao dados por e
k
= d
k
, pois v[n] = y[n].
P
Propriedade 4.21
Convolu cao Peri odica
A convolu c ao peri odica produz fun c oes peri odicas, pois para
f[n] = x[n] y[n] f[n +N] =

k

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

k

N
x[k]y[n k] = f[n]
A convolu c ao peri odica e comutativa, associativa e distributiva em rela c ao `a soma;
O elemento neutro da convolu c ao peri odica de perodo N e o trem periodico de impulsos, dado por

N
[n] =
+

k=
[n kN]
Prova:
x[n]
N
[n] =

k

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

=
[n k N]

k

N
+

=
x[k][n k N] = x[n]
pois
[n k N] = 1 com n, k {0, . . . , N 1} n = k , = 0

Bonatti, Lopes & Peres


58 Captulo 4. Serie de Fourier de Sinais Discretos
Propriedade 4.22
Convolu cao Peri odica
F
S
{x[n]}
N
= {c
k
}
N
, F
S
{y[n]}
N
= {d
k
}
N
Entao,
F
S
{x[n] y[n]}
N
= {Nc
k
d
k
}
N
pois
1
N

n

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


N
x[]
1
N

n

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


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

m

N
y[m] exp(jk
2
N
m)
. .
d
k
= Nc
k
d
k

Exemplo 4.20
Retomando o Exemplo 4.19, com os coecientes
c
k,k=0,1,2
=
_
2/3 1/3 1/3

, d
k,k=0,1,2
=
_
0 j/

3 j/

tem-se
e
k
= Nc
k
d
k
= d
k
=
_
0 j/

3 j/

v[n] =
2

3
sen(2n/3) =
3
[n + 1]
3
[n 1]
Observe que
p[n] q[n] = [n + 2] +[n 2] = x[n] y[n]
P
Propriedade 4.23
Multiplica cao no Tempo
F
S
{x[n]}
N
= {c
k
}
N
, F
S
{y[n]}
N
= {d
k
}
N
Entao,
F
S
{x[n]y[n]}
N
= {c
k
d
k
}
N
Prova:
Denominando e
k
os coecientes da serie associada ao produto, tem-se
Bonatti, Lopes & Peres
59
e
k
=
1
N

n

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

n

N
x[n]


N
d

exp(jn
2
N
) exp(jk
2
N
n)
=


N
d

1
N

n

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


N
d

c
k
= c
k
d
k

Exemplo 4.21
Considere os sinais peri odicos do Exemplo 4.19, com perodo N = 3
x[n] =
+

k=
p[n kN] , p[n] = [n + 1] +[n 1]
y[n] =
+

k=
q[n kN] , q[n] = [n + 1] +[n 1]
F
S
{x[n]}
N
= {c
k
}
N
, c
k
=
2
3
cos(k2/3) , c
k,k=0,1,2
=
_
2/3 1/3 1/3

F
S
{y[n]}
N
= {d
k
}
N
, d
k
=
2
3j
sen(k2/3) , d
k,k=0,1,2
=
_
0 j/

3 j/

Seja
v[n] = x[n]y[n] = y[n] F
S
{v[n]}
N
= {e
k
}
N
, e
k
=
2
3j
sen(k2/3)
que e a convolu c ao peri odica de c[k] d[k].
P
Propriedade 4.24
Deslocamento na Freq uencia
F
S
{x[n]}
N
= {c
k
}
N
, m Z F
S
{y[n] = x[n] exp(jm
2
N
n)} = {c
km
}
N
pois
d
k
=
1
N

n

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

n

N
x[n] exp(jm
2
N
n) exp(jk
2
N
n) = c
km
O deslocamento na freq uencia provoca um deslocamento cclico nos coecientes da serie, e portanto
nao altera a potencia media do sinal.

Bonatti, Lopes & Peres


Captulo 5
Equa coes a Diferen cas
Deni cao: Equa c oes a Diferen cas
Equa c oes envolvendo seq uencias enumeraveis e seus deslocamentos s ao denominadas equa c oes a dife-
ren cas.
Exemplo 5.1
Filtro passa-alta
y[n] =
x[n] x[n 1]
2
, n Z
Para a entrada x[n] = (1)
n
, a sada e y[n] = (1)
n
. Para x[n] = 1
n
, tem-se y[n] = 0.
P
Exemplo 5.2
Filtro passa-baixa
y[n] =
x[n] +x[n 1]
2
, n Z
Para x[n] = (1)
n
, a sada e y[n] = 0. Para x[n] = 1
n
, tem-se y[n] = 1
n
.
P
Exemplo 5.3
Popula c ao anual de peixes em um lago (em termos percentuais)
y[n + 1] ay[n](1 y[n]) = x[n] , 0 y[0] 1
sendo a um par ametro real que representa as condi c oes ambientais do lago.
P
Equa c oes a diferen cas lineares descrevem sistemas lineares, isto e, sistemas para os quais vale o
princpio da superposi c ao. Os sistemas descritos nos exemplos 5.1 e 5.2 s ao lineares, enquanto que o
Exemplo 5.3 descreve um sistema nao-linear.
60
61
Equa c oes a diferen cas lineares com coecientes constantes e condi c oes iniciais nulas descrevem sistemas
lineares invariantes no tempo.
Exemplo 5.4
Somador
y[n] =
n

k=
x[k]
A resposta ao impulso e
h[n] =
n

k=
[k] = u[n] =
_
1 , n 0
0 , n < 0
sendo u[n] a fun c ao degrau. Note que o somador pode ser descrito pela equa c ao a diferen cas de
primeira ordem
y[n + 1] = y[n] +x[n + 1] , y[0] = y
0
condi c ao inicial
Utilizando o operador de deslocamento p, tem-se
(p 1)y[n] = px[n]
As equa c oes a diferen cas resultantes para x[n] =
n
, x[n] = n e x[n] = n
n
s ao tratadas nos
exemplos 5.10, 5.11 e 5.12.
P
Equa c oes a diferen cas lineares a coecientes constantes podem ser resolvidas por substitui c ao sis-
tematica, por meio da transformada Z ou pelo metodo dos coecientes a determinar.
Exemplo 5.5
A equa c ao homogenea a diferen cas de primeira ordem
y[n + 1] = y[n] , y[0] = 1, R
pode ser resolvida por substitui c ao sistematica, resultando em
y[n] =
n
e vale para todo n, de a +. Observe que a seq uencia y[n] n ao possui transformada Z, pois
Z{y[n]} =
+

k=
y[k]z
k
=
+

k=
(/z)
k
n ao converge para nenhum z.
O artifcio utilizado para resolver essa classe de equa c oes a diferen cas utilizando transformada Z
consiste em alterar o problema impondo que
y[n] = 0 para n < 0
Bonatti, Lopes & Peres
62 Captulo 5. Equa c oes a Diferen cas
e que y[n] satisfaz a equa c ao para n 0. Dessa forma, Z{y[n]u[n]} existe e e dada por
Z{y[n]u[n]} =
+

k=
y[k]u[k]z
k
=
+

k=0
(/z)
k
=
z
z
, |z| > ||
P
Resolu cao de Equa c oes a Diferen cas por meio da Transformada Z
Tres propriedades da transformada Z s ao relevantes para a resolu c ao das equa c oes a diferen cas lineares
a coecientes constantes.
Propriedade 5.1
Deslocamento
Z{x[n +m]u[n]} = z
m
Z{x[n]u[n]}
m1

k=0
x[k]z
mk
, m Z
+

Exemplo 5.6
Para y[n] = y[n]u[n] e x[n] = x[n]u[n], tem-se
y[n + 2] +
1
y[n + 1] +
0
y[n] =
1
x[n + 1] +
0
x[n]
z
2
Y (z) z
2
y[0] zy[1] +
1
(zY (z) zy[0]) +
0
Y (z) =
1
(zX(z) zx[0]) +
0
X(z)
(z
2
+
1
z +
0
)Y (z) = (
1
z +
0
)X(z) + (z
2
+
1
z)y[0] +zy[1]
1
zx[0]
A fun c ao de transferencia H(z) e dada por (y[0] = y[1] = 0 e x[0] = 0)
H(z) =
Y (z)
X(z)
=

1
z +
0
z
2
+
1
z +
0
P
Propriedade 5.2
Combinatoria
Z
__
n +m
m
_
a
n
u[n]
_
=
z
(m+1)
(z a)
(m+1)
, m N , |z| > |a|

Exemplo 5.7
Z
_
na
n
u[n]
_
=
z
2
(z a)
2

z
z a
=
az
(z a)
2
, |z| > |a|
pois
Bonatti, Lopes & Peres
63
Z
__
n
0
_
a
n
u[n]
_
= Z {a
n
u[n]} =
z
z a
Z
__
n + 1
1
_
a
n
u[n]
_
= Z {(n + 1)a
n
u[n]} =
z
2
(z a)
2
P
Exemplo 5.8
Z
_
n
2
a
n
u[n]
_
=
az
2
+a
2
z
(z a)
3
, |z| > |a|
pois
Z
__
n + 2
2
_
a
n
u[n]
_
= Z
_
(n + 2)(n + 1)
2
a
n
u[n]
_
=
z
3
(z a)
3
P
Propriedade 5.3
Combinatoria com Deslocamento
Z
__
n
m
_
a
nm
u[n]
_
=
z
(z a)
m+1
, m N , |z| > |a|
O resultado pode ser demonstrado pela aplica c ao da propriedade de deslocamento de m `a direita na
Propriedade 5.2, que implica na multiplica c ao por z
m
. Observe que
_
n
m
_
u[n m] =
n(n 1) (n m+ 1)
m!
u[n m] =
_
n
m
_
u[n]
A propriedade e utilizada no c alculo de transformada Z inversa a partir de fra c oes parciais.

Exemplo 5.9
Progressao geometrica
y[n + 1] = y[n] , y[0] = 1 , > 0
Aplicando a transformada Z, tem-se
Z{y[n + 1]u[n]} = Z{y[n]u[n]} Y (z) =
z
z
O domnio e = {z C, |z| > } (serie `a direita).
Fazendo a divisao de polin omios (algoritmo de Briot-Runi
1
), obtem-se a serie
1
Charles Auguste Briot, frances do seculo XIX e Paolo Runi, italiano do seculo XVIII.
Bonatti, Lopes & Peres
64 Captulo 5. Equa c oes a Diferen cas
z
z
= 1 +z
1
+
2
z
2
+
Comparando-se com a deni c ao da transformada Z de
n
u[n], obtem-se a transformada inversa
y[n] = Z
1
_
z
z
_
=
n
u[n]
O mesmo resultado poderia ser obtido pela aplica c ao da Propriedade 5.3 (combinat oria com deslo-
camento) para m = 0.
P
Exemplo 5.10
Soma geometrica
A soma geometrica
y[n] =
n

k=0

k
pode ser obtida pela resolu c ao da equa c ao a diferen cas
y[n + 1] y[n] =
n+1
, y[0] = 1
zY (z) zy[0] Y (z) =
z
z
Portanto, para = 1, tem-se
Y (z) =
z
2
(z )(z 1)
, |z| > max{||, 1}
Y (z)
z
=
z
(z )(z 1)
=
a
z
+
b
z 1
a =

1
, b =
1
1
Usando a Propriedade 5.3 (combinat oria com deslocamento), tem-se
y[n] = a
n
u[n] +bu[n] =
1
n+1
1
u[n]
Esse resultado tambem pode ser obtido da deni c ao de y[n], observando-se que
y[n] y[n] =
n

k=0

k=0

k
= 1
n+1
y[n] =
1
n+1
1
Para = 1, tem-se
Bonatti, Lopes & Peres
65
Y (z) =
z
2
(z 1)
2
Y (z)
z
=
z
(z 1)
2
=
a
(z 1)
+
b
(z 1)
2
a = 1 , b = 1
y[n] = (1 +n)u[n] =
n

k=0
1
O mesmo resultado pode ser obtido aplicando a regra de lH opital
2
na express ao de y[n]
y[n] = lim
1
1
n+1
1
= lim
1
(n + 1)
n
1
= n + 1
P
Exemplo 5.11
Soma aritmetica
A soma aritmetica
y[n] =
n

k=0
k
pode ser obtida pela resolu c ao da equa c ao a diferen cas
y[n + 1] y[n] = n + 1 , y[0] = 0
Aplicando transformada Z e a Propriedade 5.2 com m = 1, tem-se
zY (z) zy[0] Y (z) = Z{(n + 1)u[n]} =
z
2
(z 1)
2
Y (z)
z
=
z
(z 1)
3
=
a
1
z 1
+
a
2
(z 1)
2
+
a
3
(z 1)
3
a
1
= 0, a
2
= 1, a
3
= 1
E, pela Propriedade 5.3,
y[n] =
_
n
1
_
u[n] +
_
n
2
_
u[n] =
n(n + 1)
2
u[n]
Observe que esse resultado pode ser obtido somando-se membro a membro a seq uencia 0, 1, 2, . . . , n
nos sentidos direto e reverso e constatando-se que a soma consiste de n+1 termos de valor constante
n. Portanto a soma total produz 2y[n] = n(n + 1).
P
2
Guillaume De lHopital, matematico frances do seculo XVII.
Bonatti, Lopes & Peres
66 Captulo 5. Equa c oes a Diferen cas
Exemplo 5.12
Soma aritmetica-geometrica
A soma aritmetica-geometrica
y[n] =
n

k=0
k
k
pode ser obtida pela resolu c ao da equa c ao a diferen cas
y[n + 1] y[n] = (n + 1)
n+1
, y[0] = 0
zY (z) zy[0] Y (z) =
z
2
(z )
2
Portanto, para = 1, tem-se
Y (z) =
z
2
(z 1)(z )
2
, |z| > max{||, 1}
Y (z)
z
=
z
(z 1)(z )
2
=
a
z 1
+
b
z
+
c
(z )
2
cujos coecientes s ao
a =

(1 )
2
, b =

(1 )
2
, c =

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

n1
u[n] =
=
_
a +b
n
+cn
n1
_
u[n] =

(1 )
2
_
1 (n + 1)
n
+n
n+1
_
u[n]
Para = 1, o problema se reduz ao de soma aritmetica.
P
Exemplo 5.13
Seq uencia de Fibonacci
A seq uencia de Fibonacci
3
e uma seq uencia de n umeros inteiros em que cada elemento e obtido pela
soma dos dois anteriores. A equa c ao descreve uma popula c ao de casais de coelhos, composta de
casais adultos e lhotes. Cada casal adulto gera um casal de lhotes todo mes, e o casal de lhotes
torna-se fertil (adulto) com dois meses de vida. No mes n, a[n] e o n umero de casais adultos e f[n]
e o n umero de casais de lhotes com um mes de vida. Supondo que n ao ocorram mortes, tem-se
a[n + 1] = a[n] +f[n] , f[n + 1] = a[n]
Denominando y[n] qualquer uma das vari aveis de estado, obtem-se a equa c ao a diferen cas
3
Leonardo Pisano Fibonacci, matematico italiano do seculo XII.
Bonatti, Lopes & Peres
67
y[n + 2] = y[n + 1] +y[n] , y[0] = 0, y[1] = 1
Usando o operador p, tem-se
D(p)y[n] = (p
2
p 1)y[n] = 0
sendo D(p) o polin omio caracterstico da equa c ao a diferen cas. Aplicando a transformada Z, tem-se
z
2
(Y (z) y[0] y[1]z
1
) = z(Y (z) y[0]) +Y (z) Y (z) =
z
z
2
z 1
As razes do denominador (ou seja, razes de D(p) = 0) s ao

1
=
1 +

5
2
1.618 ,
2
=
1

5
2
0.618
Y (z)
z
=
1
(z
1
)(z
2
)
=
a
1
z
1
+
a
2
z
2
cujos coecientes s ao
a
1
=
1

2
=

5
5
0.447 , a
2
=
1

1
=

5
5
resultando em
y[n] =
_
a
1

n
1
+a
2

n
2
_
u[n] a
1

n
1
u[n] para n grande, pois |
2
| < 1
P
Curiosidades sobre a seq uencia de Fibonacci
A raiz caracterstica
=
1 +

5
2
1.618
chamada na literatura de razao aurea, possui v arias interpreta c oes interessantes, algumas de valor
estetico. A Figura 5.1, composta por ret angulos, foi construda a partir do ret angulo do canto superior
esquerdo, de base 1 e altura . Copiando, rodando de 90 graus a direita, colocando ao lado do primeiro
e completando, tem-se um ret angulo de base 1 + e altura . Observe que e preservada a rela c ao

1
=
1 +


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

1
O processo pode ser repetido indenidamente.
Bonatti, Lopes & Peres
68 Captulo 5. Equa c oes a Diferen cas
1

Figura 5.1: Rela c oes aureas em ret angulos.


Note que pode ser escrito nas formas
=

1 +
_
1 +
_
1 +

1 + = 1 +
1
1 +
1
1 +
1
1 +
pois
=
_
1 + = 1 +
1

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

, a
2
=

Portanto,
4
Richard Price, ingles do seculo XVIII.
Bonatti, Lopes & Peres
69
y[n] = (a
1
(1 +)
n
+a
2
) u[n]
Observe que a dvida permanece igual a M se apenas os juros forem pagos todo mes, ou seja,
M = (situa c ao ideal para o credor). Obviamente, a situa c ao ideal para o devedor seria M = 0.
A solu c ao do problema, isto e, o valor de que produz y[m] = 0, e
=
M(1 +)
m
(1 +)
m
1
Para = 0, por lH opital, obtem-se = M/m.
P
Exemplo 5.15
Considere a equa c ao a diferen cas
y[n + 2] 3y[n + 1] + 2y[n] = 1 y[0] = 0, y[1] = 0
Y (z)
z
=
1
(z 1)
2
(z 2)
=
1
z 2

1
z 1

1
(z 1)
2
y[n] = (2
n
1 n)u[n]
P
Exemplo 5.16
Fila M/M/1
Considere uma la com buer innito, com chegadas poissonianas de taxa media e servidor
exponencial de taxa , sendo y[n] a probabilidade de haver n elementos no sistema. O equilbrio
estatstico imp oe
y[n] = y[n + 1] , n [0, +)
com a condi c ao de contorno
+

n=0
y[n] = 1.
Para resolver, sup oe-se a condi c ao inicial y[0] conhecida e aplica-se a transformada Z.
Z
_
y[n + 1] y[n] = 0
_
, = / Y (z)(z ) = zy[0] Y (z) =
z
z
y[0]
y[n] = y[0]
n
u[n]
Substituindo na condi c ao de contorno, obtem-se
y[0]
+

n=0

n
= 1
que s o possui solu c ao se < 1 (taxa de servi co maior do que a taxa de chegada ). Nesse caso,
Bonatti, Lopes & Peres
70 Captulo 5. Equa c oes a Diferen cas
+

n=0

n
=
1
1
y[0] = 1
e, portanto,
y[n] = (1 )
n
u[n]
Observe que, como y[0] e a probabilidade do sistema estar vazio, e a probabilidade do sistema
estar ocupado.
Observe ainda que
Y (z) =
z
z
(1 ) Y (z)

z=1
=
+

k=0
y[k] = 1
o que ocorre sempre que y[n] representa uma distribu c ao de probabilidade.
O c alculo do n umero medio de elementos na la pode ser feito por meio da transformada Z de y[n].
E{Y} =
+

n=0
ny[n] =
_
z
d
dz
_
Y (z)

z=1
que resulta em
E{Y} =

1
indicando que o n umero medio de elementos na la tende para innito quando tende para 1.
P
Freq uentemente, equa c oes a diferen cas de primeira ordem podem (e devem) ser resolvidas por substi-
tui c ao sistem atica, como no caso dos exemplos 5.9 (progress ao geometrica) e 5.16 (la M/M/1).
Exemplo 5.17
Fila com desestmulo (sistema variante no tempo)
Considere uma la M/M/1, como no Exemplo 5.16, mas com taxa media de chegada que diminui
com o tamanho da la. Em particular, considere a taxa de chegada /(n + 1). O equilbrio
estatstico imp oe
y[n + 1] =

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

com a condi c ao de contorno


+

n=0
y[n] = 1.
Observe que trata-se de uma equa c ao a diferen cas com coecientes que variam com n, e que portanto
n ao pode ser resolvida atraves da transformada Z. No entanto, pode ser resolvida por substitui c ao
sistematica.
y[1] = y[0] , y[2] =

2
y[1] =

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

n
n!
y[0]
Portanto, da condi c ao de contorno
Bonatti, Lopes & Peres
71
y[0]
+

n=0

n
n!
= y[0] exp() = 1 y[0] = exp()
Assim, a solu c ao e a distribui c ao de Poisson
5
y[n] =

n
n!
exp()u[n]
Observe que a la atinge o equilbrio estatstico mesmo para valores de maiores do que um. O
n umero medio de elementos na la pode ser obtido pela transformada Z de y[n].
E{Y} =
+

n=0
ny[n] =
_
z
d
dz
_
Y (z)

z=1
Y (z) =
+

n=0

n
n!
exp()z
n
= exp
_
(z
1
1)
_
E{Y} =
Observe que, diferentemente do Exemplo 5.16 (la M/M/1), o n umero medio de elementos na la
e sempre nito e igual a . Para valores pequenos de , os n umeros medios das duas las s ao
proximos.
P
Exemplo 5.18
Resposta ao impulso
A resposta ao impulso do sistema (pressupoe condi c oes iniciais nulas)
y[n + 1] y[n] = [n] (p )y[n] = [n] , y[0] = 0
pode ser obtida pela transformada Z, isto e,
Y (z) =
1
z

Y (z)
z
=
1
z(z )
=
1/
z
+
1/
z
e, portanto,
y[n] = (1/)[n] + (1/)
n
u[n] =
n1
u[n 1]
P
Exemplo 5.19
Resposta ao degrau
A resposta ao degrau do sistema, para = 1, (pressupoe condi c oes iniciais nulas)
y[n + 1] y[n] = u[n] (p )y[n] = u[n] , y[0] = 0
pode ser obtida pela transformada Z, isto e,
Y (z) =
z
(z )(z 1)

Y (z)
z
=
1
(z )(z 1)
=
a
(z )
+
b
z 1
5
Simeon Denis Poisson, matematico frances do seculo XIX.
Bonatti, Lopes & Peres
72 Captulo 5. Equa c oes a Diferen cas
a = b =
1
1
e, portanto,
y[n] =
1
n
1
Note que, como
u[n] =
n

k=
[k]
tem-se que a solu c ao y[n] e a soma ate n da resposta ao impulso do Exerccio 5.18, isto e,
y[n] =
_
n

k=

k1
u[k 1]
_
u[n] =
_
n1

=0

_
=
1
n
1
Alem disso, como
[n] = u[n] u[n 1]
tem-se que a solu c ao do Exerccio 5.18 pode ser escrita como
y[n] y[n 1] =
n1
u[n 1]
P
Resolu cao de Equa c oes a Diferen cas pelo Metodo dos Coecientes a Determinar
Equa c oes a diferen cas lineares com coecientes constantes podem ser resolvidas pelo metodo dos
coecientes a determinar.
Considere a equa c ao a diferen cas homogenea
D(p)y[n] = 0 , D(p) =
m

k=0

k
p
k
(5.1)
com
m
= 1 e condi c oes iniciais conhecidas, que descreve um sistema linear autonomo.
Observe que a equa c ao e uma restri c ao linear (combinac ao linear das fun c oes y[n], y[n + 1], . . . ,
y[n +m]) e portanto a solu c ao y[n] deve necessariamente estar em um espa co de dimens ao m.
Deni cao: Independencia Linear
Um conjunto de sinais {y
k
[n], k = 1, . . . , m} e linearmente independente se e somente se
m

k=1
c
k
y
k
[n] = 0 , n c
k
= 0 , k = 1, . . . , m
Deni cao: Base
Bonatti, Lopes & Peres
73
A combina c ao linear de um conjunto de m sinais y
k
[n], isto e,
y[n] =
m

k=1
c
k
y
k
[n]
com escalares c
k
C gera um espa co linear, cuja dimens ao e dada pelo n umero r m de sinais
linearmente independentes. Qualquer conjunto de r sinais que gere o mesmo espa co e uma base para
esse espa co.
Exemplo 5.20
Os sinais
y
1
[n] = 1, y
2
[n] = n, y
3
[n] = n
2
s ao linearmente independentes.
c
1
y
1
[n] +c
2
y
2
[n] +c
3
y
3
[n] = 0 c
1
= c
2
= c
3
= 0, pois det
_
_
1 0 0
1 1 1
1 2 4
_
_
= 2 = 0
P
Propriedade 5.4
Independencia Linear
y
1
[n] =
n
1
, y
2
[n] =
n
2
s ao linearmente independentes se e somente se

1
=
2
pois a
1

n
1
+a
2

n
2
= 0 implica
a
1
+a
2
= 0
a
1

1
+a
2

2
= 0
_
a
1
= a
2
= 0

Propriedade 5.5
As fun c oes
y
1
[n] =
n
, y
2
[n] = y
1
[n +k]
s ao linearmente dependentes, pois
y
2
[n] =
k

Bonatti, Lopes & Peres


74 Captulo 5. Equa c oes a Diferen cas
Propriedade 5.6
A seq uencia y[n] =
n
e solu c ao da equa c ao (5.1) se e raiz de D() = 0 (equa c ao caracterstica),
pois
D(p)
n
= D()
n
= 0
Observe que a solu c ao e v alida para todo n Z.

Exemplo 5.21
Para D(p) = p
2
p 1, tem-se
D(p)
n
= (p
2
p 1)
n
=
n+2

n+1

n
= (
2
1)
n
P
Propriedade 5.7
Se as m razes
k
de D() = 0 forem distintas, entao
y[n] =
m

k=1
a
k

n
k
e solu c ao da equa c ao (5.1) pois
k
satisfaz D(
k
) = 0, k = 1, . . . , m e os modos proprios
n
k
, k =
1, . . . , m s ao linearmente independentes.

Propriedade 5.8
Raiz Dupla
Se e raiz dupla da equa c ao caracterstica D() = 0, entao
n
e n
n
s ao modos proprios da equa c ao
(5.1).
Prova:
D(p)(n
n
) =
m

k=0

k
p
k
(n
n
) =
m

k=0

k
(n +k)
n+k
=
= n
n
m

k=0

k
+
n+1
m

k=0

k
k
k1
= n
n
D() +
n+1
d
dp
D(p)

p=
= 0
pois D() = 0 e
d
dp
D(p)

p=
= 0 quando e raiz dupla de D().

Exemplo 5.22
Para D(p) = (p )
2
, tem-se
(p )
2

n
= 0
e, alem disso,
Bonatti, Lopes & Peres
75
(p )
2
n
n
= (p
2
2p +
2
)n
n
= (n + 2)
n+2
2(n + 1)
n+1
+
2
n
n
=
=
_

2
2
2
+
2
_
n
n
+ 2( )
n+1
= 0
P
Propriedade 5.9
Raiz M ultipla
Se e raiz de multiplicidade r de D(), entao
n
, n
n
, . . . , n
r1

n
s ao modos proprios da equa c ao
(5.1).

Propriedade 5.10
A solu c ao da equa c ao homogenea (5.1) de ordem m e dada pela combina c ao linear dos seus m modos
proprios, considerando as eventuais multiplicidades das razes caractersticas.

Exemplo 5.23
Considere a equa c ao a diferen cas do Exemplo 5.9
D(p)y[n] = (p )y[n] = 0 , y[0] = 1
A raiz da equa c ao caracterstica e = , e portanto
y[n] = a
n
sendo a o coeciente a determinar. Das condi c oes iniciais, a = y[0] = 1.
P
Exemplo 5.24
Considere a equa c ao a diferen cas do Exemplo 5.13 (Fibonacci)
D(p)y[n] = (p
2
p 1)y[n] = 0 = (p
1
)(p
2
)y[n] = 0 , y[0] = 0 , y[1] = 1

1
=
1 +

5
2
,
2
=
1

5
2
A equa c ao caracterstica e D() = (
1
)(
2
) = 0. A solu c ao e dada por
y[n] = a
1

n
1
+a
2

n
2
Das condi c oes iniciais, a
1
=

5
5
, a
2
=

5
5
P
Bonatti, Lopes & Peres
76 Captulo 5. Equa c oes a Diferen cas
Exemplo 5.25
Considere a equa c ao a diferen cas, com = 1,
D(p)y[n] = (p 1)(p )y[n] = 0 , y[0] = 1 , y[1] = 1 +
A solu c ao e
y[n] = a
1
(1)
n
+a
2

n
=
1
n+1
1
P
Exemplo 5.26
Considere a equa c ao a diferen cas
D(p)y[n] = (p 1)
3
y[n] = 0 , y[0] = 0 , y[1] = 1 , y[2] = 3
com = 1 raiz tripla da equa c ao caracterstica. A solu c ao e
y[n] = a
1
(1)
n
+a
2
n(1)
n
+a
3
n
2
(1)
n
=
n(n + 1)
2
P
Exemplo 5.27
Considere a equa c ao a diferen cas, com = 1,
D(p)y[n] = (p 1)(p )
2
y[n] = 0 , y[0] = 0 , y[1] = , y[2] = + 2
2
A solu c ao e
y[n] = a
1
(1)
n
+a
2

n
+a
3
n
n
=

(1 )
2
(1
n
)

1
n
n
P
Exemplo 5.28
Considere a equa c ao a diferen cas, com = 0,
D(p)y[n] = (p 1)(p (1 +))y[n] = 0 , y[0] = M , y[1] = M(1 +)
A solu c ao e
y[n] = a
1
(1)
n
+a
2
(1 +)
n
=

+
_
M

_
(1 +)
n
P
Bonatti, Lopes & Peres
77
Exemplo 5.29
Considere o sistema modal descrito pelas equa c oes a diferen cas
v
1
[n + 1] = v
1
[n] v
2
[n] , v
2
[n + 1] = v
2
[n] +v
1
[n] , > 0 , > 0
O polin omio caracterstico de segunda ordem (associado a v
1
[n] ou a v
2
[n]) e
D(p) = p
2
2p +
2
+
2

2
=
1
= exp(j) = +j , > 0
e a solu c ao e dada por
a
1

n
1
+a
2

n
2
, a

2
= a
1
=
A
2
exp(j)
com a
1
, a
2
(ou A e ) determinados pela condi c ao iniciais.
Note que a solu c ao pode ser reescrita como
A
n
cos(n +)
e, portanto, diverge para > 1 (comportamento inst avel). Pode ser tambem observado que, mesmo
para < 1 (subsistemas desacoplados est aveis), o valor de pode instabilizar o sistema.
P
Considere a equa c ao a diferen cas nao homogenea
D(p)y[n] = N(p)x[n] , D(p) =
m

k=0

k
p
k
, N(p) =

k=0

k
p
k
(5.2)
com
m
= 1 e condi c oes iniciais conhecidas, que descreve um sistema linear nao autonomo.
A equa c ao (5.2) pode ser resolvida pelo metodo dos coecientes a determinar sempre que x[n] for
solu c ao de uma equa c ao diferencial homogenea dada por

D(p)x[n] = 0
O polin omio

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

D(p), tem-se a equa c ao homogenea

D(p)D(p)y[n] = N(p)

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

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

D(p), obtidas por substitui c ao sistem atica na equa c ao (5.2).
Exemplo 5.30
Considere a equa c ao a diferen cas tratada no Exemplo 5.10 (soma geometrica)
y[n + 1] y[n] =
n+1
, y[0] = 1
Neste caso
Bonatti, Lopes & Peres
78 Captulo 5. Equa c oes a Diferen cas
D(p) = p 1 e

D(p) = p , y[0] = 1 , y[1] = 1 +
pois a entrada x[n] =
n
est a no espa co de dimens ao 1 descrito por um modo proprio associado `a
raiz . A condi c ao y[1] = 1 + foi obtida substituindo-se y[0] na equa c ao original.
A equa c ao homogenea resultante foi resolvida no Exemplo 5.25.
P
Exemplo 5.31
Considere a equa c ao a diferen cas tratada no Exemplo 5.11 (soma aritmetica)
y[n + 1] y[n] = n + 1 , y[0] = 0
Neste caso
D(p) = (p 1) e

D(p) = (p 1)
2
, y[0] = 0 , y[1] = 1 , y[2] = 3
pois a entrada x[n] = n + 1 est a no espa co de dimens ao 2 descrito pelos modos proprios associado
`a raiz 1 com multiplicidade 2. As condi c oes iniciais y[1] e y[2] foram obtidas da equa c ao original
por substitui c ao.
A equa c ao homogenea resultante foi resolvida no Exemplo 5.26.
P
Exemplo 5.32
Considere a equa c ao a diferen cas tratada no Exemplo 5.12 (soma aritmetica-geometrica)
y[n + 1] y[n] = (n + 1)
n+1
, y[0] = 0
Neste caso
D(p) = (p 1) e

D(p) = (p )
2
, y[0] = 0 , y[1] = , y[2] = + 2
2
pois a entrada x[n] = (n + 1)
n+1
est a no espa co de dimens ao 2 descrito pelos modos proprios
associado `a raiz com multiplicidade 2. As condi c oes iniciais y[1] e y[2] foram obtidas da equa c ao
original por substitui c ao.
A equa c ao homogenea resultante foi resolvida no Exemplo 5.27.
P
Exemplo 5.33
Considere a equa c ao a diferen cas tratada no Exemplo 5.14 (tabela Price)
y[n + 1] (1 +)y[n] = , y[0] = M
Neste caso
D(p) = (p (1 +)) e

D(p) = (p 1) , y[0] = M , y[1] = M(1 +)
Bonatti, Lopes & Peres
79
pois a entrada x[n] = est a no espa co de dimens ao 1 descrito por um modo proprio associado `a
raiz 1. A condi c ao inicial y[1] foi obtida da equa c ao original por substitui c ao.
A equa c ao homogenea resultante foi resolvida no Exemplo 5.28.
P
Propriedade 5.11
Solu cao for cada
O metodo dos coecientes a determinar pode ser aplicado diretamente `a equa c ao a diferen cas nao
homogenea (5.2). Para isso, identicam-se as parcelas homogenea e for cada (devido `a entrada) da
solu c ao.
y[n] = y
h
[n] +y
f
[n] D(p)
_
y
h
[n] +y
f
[n]
_
= N(p)x[n]
D(p)y
f
[n] = N(p)x[n] (5.3)
pois
D(p)y
h
[n] = 0
As parcelas homogenea e for cada s ao dadas por
y
h
(t) =
m

k=1
a
k
p
k
[n] , y
f
[n] =
m

k=1
b
k
q
k
[n]
sendo p
k
[n] os m modos proprios associados a D() = 0 e q
k
[n] os m modos for cados associados a

D() = 0, considerando-se as possveis multiplicidades com as razes .


Os coecientes b
k
s ao obtidos da equa c ao (5.3) e, em seguida, os coecientes a
k
s ao obtidos a partir
das condi c oes iniciais.

Exemplo 5.34
Considere o Exemplo 5.10 cuja equa c ao a diferen cas e dada por
y[n + 1] y[n] =
n+1
, y[0] = 1 D(p) = p 1 ,

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

1
A solu c ao e
y[n] = b
n
+a
Da condi c ao inicial y[0] = 1, tem
1 = b +a a =
1
1
Para = 1, ocorre o fen omeno conhecido como resson ancia (modo proprio excitado pelo modo da
entrada). Neste caso, tem-se
Bonatti, Lopes & Peres
80 Captulo 5. Equa c oes a Diferen cas
= = 1 y
f
[n] = bn1
n
, b = 1
A solu c ao e (usando-se a condi c ao inicial)
y[n] = bn +a = n + 1
P
Exemplo 5.35
Soma aritmetica
A soma aritmetica, tratada no Exemplo 5.11, satisfaz a equa c ao a diferen cas
y[n + 1] y[n] = n + 1 , y[0] = 0 D(p) = p 1 ,

D(p) = (p 1)
2
Trata-se de uma resson ancia dupla, =
1
=
2
= 1. Portanto,
y
f
[n] = b
1
n
2
+b
2
n b
1
= b
2
= 0.5
A solu c ao e (usando-se a condi c ao inicial)
y[n] =
n
2
2
+
n
2
+a =
n(n + 1)
2
P
Exemplo 5.36
Soma aritmetica-geometrica
A soma aritmetica-geometrica, tratada no Exemplo 5.12, satisfaz a equa c ao a diferen cas
y[n + 1] y[n] = (n + 1)
n+1
, y[0] = 0 D(p) = p 1 ,

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

n
b
1
=

1
, b
2
=

( 1)
2
A solu c ao e (usando-se a condi c ao inicial)
y[n] = b
1
n
n
+b
2

n
+a a =

( 1)
2
P
Bonatti, Lopes & Peres
81
Exemplo 5.37
Considere a equa c ao a diferen cas do Exemplo 5.15
y[n + 2] 3y[n + 1] + 2y[n] = 1 y[0] = 0, y[1] = 0 D(p) = (p 1)(p 2) ,

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

Exemplo 5.38
Retomando o Exemplo 5.19, = 1, tem-se
(p )y[n] = u[n] , y[0] = 0 (p )f[n] = 1 ( = , = 1)
f[n] = b
1
+a
1

n
, b
1
b
1
= 1 b
1
=
1
1
, a
1
= b
1
y[n] =
1
n
1
u[n]
A resposta ao impulso e
Bonatti, Lopes & Peres
82 Captulo 5. Equa c oes a Diferen cas
y[n] y[n 1] =
n1
u[n 1]
P
Exemplo 5.39
Considere
(p 2)(p 3)y[n] = px[n] , x[n] = [n] , (condi c oes iniciais nulas)
(p 2)(p 3)f[n] = 1 f[n] = b
1
+a
1
2
n
+a
2
3
n
, b
1
= 0.5 , a
1
= 1 , a
2
= 0.5
A resposta ao degrau e dada por
pf[n]u[n] =
_
1
2
2
n+1
+
1
2
3
n+1
_
u[n + 1]
e a resposta ao impulso e
y[n] = pf[n]u[n] pf[n 1]u[n 1] = f[n + 1]u[n + 1] f[n]u[n] =
= (f[n + 1] f[n])u[n] = (2
n
+ 3
n
)u[n]
Note que as respostas ao degrau e ao impulso poderiam ser obtidas por transformada Z.
A resposta ao impulso e a transformada Z inversa de Y (z), ou seja
Y (z) =
z
(z 2)(z 3)

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

Y (z)
z
=
2
z 2
+
3/2
z 3
+
1/2
z 1
y[n] =
_
2(2
n
) +
3
2
(3
n
) +
1
2
_
u[n]
P
Bonatti, Lopes & Peres
Parte II
SISTEMAS CONT

INUOS
83
Captulo 6
Sinais Contnuos e Convolu cao
Deni cao: Sinais Contnuos
Um sinal contnuo, denotado x(t), e uma fun c ao (real ou complexa) cujo domnio e o conjunto dos
reais R.
Deni cao: Degrau Unitario
u

(t) =
_

_
0 , t 0
(1/)t , 0 < t
1 , t >
u(t) = lim
0
+
u

(t) =
_
_
_
u(t) = 0, t 0
u(t) = 1, t > 0
Note que
u(0) = 0 ; u(0
+
) = lim
t0
+
u(t) = 1
Deni cao: Impulso Unitario

(t) =
d
dt
u

(t) =
_

_
0 , t 0
1/ , 0 < t <
0 , t >
= (t) = lim
0
+

(t) = (t) =
d
dt
u(t)
Como conseq uencia, tem-se
u(t) =
_
t

()d
Note que o impulso ocorre em 0
+
e
(0) = 0
84
85
replacemen
t
t

(t)
u

(t)

1/
1
Figura 6.1: Sinais u

(t) e

(t).
Propriedade 6.1
Integral com Impulso
_
+

f(t)(t)dt = f(0) , f(t) contnua em t = 0


Prova:
I =
_
+

f(t)(t)dt = lim
0
+
_
+

f(t)

(t)dt = lim
0
+
_

0
1

f(t)dt
Pelo teorema do valor medio, tem-se
_
b
a
f(t)dt = f(c)(b a) , c (a, b)
e, portanto,
I = lim
0
+
1

f(y)(0) , y (0, )
I = lim
0
+
y (0, )
f(y) = f(0)

A fun c ao impulso nao pode ser calculada pontualmente. Apenas integrais envolvendo (t) podem ser
avaliadas. Como conseq uencia
f(t)(t) = f(0)(t)
pois ambas tem o mesmo valor da integral.
Propriedade 6.2
Integral com Impulso Deslocado
_
+

f(t)(t a)dt = f(a) , f(t) contnua em t = a

Bonatti, Lopes & Peres


86 Captulo 6. Sinais Contnuos e Convolu c ao
Propriedade 6.3
Integral com Impulso Escalonado
_
+

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

Exemplo 6.1
Usando as propriedades do impulso, tem-se:

_
+

(2t
2
+ 3)(t)dt = 3

_
+

(2t
2
+ 3)(t)dt = 3

_
+

(2t + 3)(t + 1)dt = 1

_
+

(2t)dt =
1
2
_
+

()d =
1
2

_
+

(2t
2
+ 3)(2t)dt =
3
2
P
Exemplo 6.2
A fun c ao u(t) (degrau unit ario) pode ser usada na deni c ao de outras fun c oes.
A fun c ao gate G
T
(t), T > 0, pode ser descrita como
G
T
(t) = u(t +T/2) u(t T/2) =
_

_
+1 , | t |<
T
2
0 , | t |>
T
2
Note que u(t +T/2) corresponde a deslocar para a esquerda a fun c ao u(t) de T/2.
P
Para esbo car x(at + b), primeiro desloque para a direita se b < 0 (ou para a esquerda, se b > 0) x(t)
de acordo com o valor de b, e depois fa ca o escalonamento no tempo de acordo com o valor de a. Se
|a| > 1, trata-se de compressao, e se |a| < 1, de expans ao. Ocorre uma revers ao se a < 0.
Assim:
Bonatti, Lopes & Peres
87
x(t 1) e um deslocamento de 1 unidade para a direita;
x(t + 1) e um deslocamento de 1 unidade para a esquerda,
x(t) e uma revers ao no tempo;
x(2t) e uma contra c ao no tempo;
x(t/2) e uma expans ao no tempo;
Exemplo 6.3
Os esbo cos do sinal
x(t) = (t + 1)
_
u(t + 1) u(t)
_
+
_
u(t) u(t 1)
_
e de x(t) =
d
dt
x(t) s ao mostrados na Figura 6.2.
x(t)
x(t)
t
t
1
1
1
1
1
1
1
Figura 6.2: Sinais x(t) e derivada x(t).
A express ao de x(t) e
x(t) = u(t + 1) u(t) + (t + 1)
_
(t + 1) (t)
_
+(t) (t 1) = u(t + 1) u(t) (t 1)
Para esbo car y(t) = x(1 t), e conveniente primeiramente esbo car f(t) = x(t + 1) (deslocamento
para a esquerda) e depois esbo car y(t) = f(t) (revers ao), conforme ilustrado na Figura 6.3.
f(t)
y(t)
t
t
1 1
1
1 2
2
Figura 6.3: Sinais f(t) = x(t + 1) e y(t) = x(1 t).
P
Bonatti, Lopes & Peres
88 Captulo 6. Sinais Contnuos e Convolu c ao
Deni cao: Sistemas Contnuos
Sao sistemas cujas entradas e sadas s ao fun c oes escalares (sinais reais ou complexos) contnuas no
tempo.
Nota cao: y(t) = G{x(t)}, sendo x(t) a entrada e y(t) a sada.
Exemplo 6.4
Integrador
A rela c ao entre uma entrada x(t) e a sada
y(t) =
_
t

x()d
dene um sistema contnuo (integrador), que pode tambem ser descrito pela equa c ao diferencial
y(t) = x(t)
A Figura 6.4 ilustra a rela c ao entre uma entrada x(t) e sua integral y(t).
x(t)
y(t)
t
t
1
1
1
1
1
1
Figura 6.4: Sinal x(t) e sua integral y(t).
P
Exemplo 6.5
Denotando a m-esima derivada de y(t) por y
(m)
, a equa c ao diferencial
y
(m)
+
m1
y
(m1)
+ +
1
y +
0
y =

x
()
+
1
x
(1)
+ +
1
x +
0
x
descreve um sistema contnuo de ordem m.
Denindo o operador simb olico p
p =
d
dt
, p
2
=
d
2
dt
2
, . . .
tem-se
D(p)y(t) = N(p)x(t) , D(p) =
m

k=0

k
p
k
; N(p) =

k=0

k
p
k
com
m
= 1. Neste caso, D(p) e um polin omio m onico.
P
Bonatti, Lopes & Peres
89
Deni cao: Sistemas Lineares
Um sistema e linear se satisfaz o princpio da superposi c ao, isto e,
G{a
1
x
1
(t) +a
2
x
2
(t)} = a
1
G{x
1
(t)} +a
2
G{x
2
(t)}
Note que G{0} = 0.
Exemplo 6.6
O integrador do Exemplo 6.4 e o sistema descrito pela equa c ao diferencial do Exemplo 6.5 s ao
sistemas lineares, pois a integral da soma e a soma das integrais e a derivada da soma e a soma das
derivadas.
P
Exemplo 6.7
Considere um pendulo composto por uma haste rgida sem peso, de comprimento , oscilando em
um plano vertical, sujeito ao atrito de fric c ao no engate e sustentando na extremidade livre uma
massa m. Denotando por y o angulo com a vertical (em repouso, y = 0), tem-se a equa c ao do
movimento angular
m y = mgsen(y) mb y
sendo g a acelera c ao da gravidade e b o coeciente de atrito. A for ca longitudinal na barra e dada
por mg cos(y).
Trata-se de um sistema n ao-linear, pois o seno da soma n ao e a soma dos senos.
Para pequenas varia c oes em torno do ponto de equilbrio y = 0, y = 0 tem-se sen(y) y, resultando
na equa c ao diferencial linear
m y = mgy mb y
P
Deni cao: Invariante no Tempo
Um sistema e invariante no tempo se um deslocamento da entrada produzir igual deslocamento na
sada, isto e,
y(t a) = G{x(t a)}
para qualquer a real.
Exemplo 6.8
O integrador do Exemplo 6.4 e o sistema descrito pela equa c ao diferencial do Exemplo 6.5 com
coecientes constantes s ao sistemas lineares invariantes no tempo, pois
y(t) =
_
t

x()d
_
t

x( a)d =
_
ta

x()d = y(t a)
e
D(p)y(t) = N(p)x(t) D(p)y(t a) = N(p)x(t a)
P
Bonatti, Lopes & Peres
90 Captulo 6. Sinais Contnuos e Convolu c ao
Exemplo 6.9
O sistema
y(t) = G{x(t)} = x(t
2
)
e linear, pois
G{a
1
x
1
(t) +a
2
x
2
(t)} = a
1
x
1
(t
2
) +a
2
x
2
(t
2
)
e e variante no tempo, pois
y
1
(t) = x
1
(t
2
) , y
2
(t) = x
2
(t
2
)
x
2
(t) = x
1
(t a) y
2
(t) = x
1
(t
2
a) = y
1
(t a) = x
1
_
(t a)
2
_
P
Deni cao: Sistema sem Mem oria
Um sistema e sem mem oria se a sada no instante t depende apenas do sinal de entrada no instante t.
Exemplo 6.10
O integrador do Exemplo 6.4 e o sistema do Exemplo 6.9 s ao sistemas com memoria.
P
Deni cao: Sistema Causal
Um sistema e causal ou nao antecipativo quando a sada nao depende de valores futuros da entrada.
Exemplo 6.11
O sistema descrito pela rela c ao
y(t) =
_
t+1
t1
x()d
e n ao causal.
P
Deni cao: Sistema BIBO Estavel
Um sistema e BIBO est avel (Bounded-Input Bounded-Output) se a sada e limitada para toda entrada
limitada.
|x(t)| < b |y(t)| < +
Exemplo 6.12
y(t) = tx(t)
e um sistema linear, sem mem oria, causal, variante no tempo e n ao BIBO est avel.
y(t) = exp(x(t))
e um sistema n ao linear, sem mem oria, causal, invariante no tempo e BIBO est avel.
Bonatti, Lopes & Peres
91
y(t) = x(t) cos(t + 1)
e um sistema linear, sem mem oria, causal, variante no tempo e BIBO est avel.
y(t) = x
2
(t)
e um sistema n ao-linear, sem mem oria, causal, invariante no tempo e BIBO est avel.
y(t) = G{x(t)} = x(t) +x

(t)
e um sistema sem mem oria, causal, invariante no tempo e BIBO est avel.

E n ao-linear, pois
G{jx(t)} = jy(t)
P
Deni cao: Resposta ao Impulso
Resposta ao impulso e a sada do sistema quando a entrada e a fun c ao impulso e as condi c oes iniciais
s ao nulas (sistema em repouso), isto e
h(t) = G{(t)}
Exemplo 6.13
A resposta ao impulso do integrador do Exemplo 6.4 e
y(t) = G{x(t)} =
_
t

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


_
t

()d = u(t)
e a resposta ao impulso do sistema do Exemplo 6.11 e
y(t) =
_
t+1
t1
x()d h(t) = u(t + 1) u(t 1) = G
2
(t)
A resposta ao impulso do sistema
y(t) =
_
t
tT
x()d , T > 0
e dada por
h(t) = u(t) u(t T)
A resposta ao impulso do sistema
y(t) =
_
t

x() exp
_
(t )
_
d
e dada por
h(t) = exp(t)u(t)
P
Bonatti, Lopes & Peres
92 Captulo 6. Sinais Contnuos e Convolu c ao
Deni cao: Convolu cao
Convolu c ao e a opera c ao
x
1
(t) x
2
(t) =
_

x
1
()x
2
(t )d
Propriedade 6.4
Se
x
1
(t) = x
1
(t)u(t) , x
2
(t) = x
2
(t)u(t)
entao
x
1
(t) x
2
(t) = u(t)
_
t
0
x
1
()x
2
(t )d

Propriedade 6.5
O impulso e o elemento neutro da convolu c ao.
Prova:
x(t) (t) =
_

x()(t )d =
_

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

Propriedade 6.6
Comutativa
x
1
(t) x
2
(t) = x
2
(t) x
1
(t)
Prova:
x
1
(t) x
2
(t) =
_
+

x
1
(t )x
2
()d =
_
+

x
1
()x
2
(t )d = x
2
(t) x
1
(t)

Propriedade 6.7
Associativa
x
1
(t) (x
2
(t) x
3
(t)) = (x
1
(t) x
2
(t)) x
3
(t)
Prova:
x
1
(t) (x
2
(t) x
3
(t)) = x
1
(t)
__
+

x
2
(t )x
3
()d
_
=
=
_
+

x
1
(t )
__
+

x
2
( )x
3
()d
_
d
Bonatti, Lopes & Peres
93
integrando primeiro em e depois em , e trocando por , tem-se
x
1
(t) (x
2
(t) x
3
(t)) =
_
+

x
3
()
__
+

x
1
((t ) ) x
2
()d
_
. .
x
1
(t) x
2
(t)

t
d = x
3
(t) (x
1
(t) x
2
(t))

Propriedade 6.8
Distributiva em rela cao `a soma
x
1
(t) (x
2
(t) +x
3
(t)) = x
1
(t) x
2
(t) +x
1
(t) x
3
(t)
Prova:
x
1
(t) (x
2
(t) +x
3
(t)) =
_
+

x
1
(t )(x
2
() +x
3
())d = x
1
(t) x
2
(t) +x
1
(t) x
3
(t)

Exemplo 6.14
A convolu c ao
x(t) = x
1
(t) x
2
(t) , x
1
(t) = exp(a
1
t)u(t) ; x
2
(t) = exp(a
2
t)u(t) , a
1
= a
2
calculada pela deni c ao produz
x(t) =
_
t
0
exp
_
a
1
(t )
_
exp(a
2
)d =
exp(a
1
t)
(a
2
a
1
)
_
(a
2
a
1
)t
0
exp()d =
exp(a
2
t) exp(a
1
t)
(a
2
a
1
)
u(t)
A Figura 6.5 mostra x(t) para os valores a
1
= 1, a
2
= 2, ou seja,
x(t) = (exp(t) exp(2t)) u(t)
Note que
a
2
0
+
x
2
u(t) x(t)
1
a
1
(1 exp(a
1
t))u(t) = u(t)
_
t
0
x
1
()d
Para analisar o caso a
2
= a
1
= a, pode-se fazer a
1
= a, a
2
= a + e 0, resultando em (por
LH opital)
x(t) = exp(at)
exp(t) 1

u(t) = t exp(at)u(t)
P
Bonatti, Lopes & Peres
94 Captulo 6. Sinais Contnuos e Convolu c ao
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
t (s)
x
x
1
x
2
Figura 6.5: x(t) =
_
exp(t) exp(2t)
_
u(t) obtido da convolu c ao de duas exponenciais x
1
(t) x
2
(t).
Propriedade 6.9
Deslocamento no tempo
x(t) (t a) = x(t a)
Prova:
_

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

Propriedade 6.10
Convoluir com degrau e integrar
x(t) u(t) = I
x
(t) =
_
t

x()d
Prova:
x(t) u(t) =
_
+

u(t )x()d =
_
t

u(t )x()d +
_
+
t
u(t )x()d
. .
= 0
=
_
t

x()d

Exemplo 6.15
Esboce
I
x
(t) =
_
t

x()d
para os sinais:
a) x(t) = u(t) u(t 1); b) x(t) = u(t) +2u(t 1) u(t 2) c) x(t) = t(u(t) u(t 1))
P
Bonatti, Lopes & Peres
95
Propriedade 6.11
x(t)

k
a
k
u(t b
k
) =

k
a
k
I
x
(t b
k
)

Exemplo 6.16
Considere x
1
(t) = u(t) u(t 1) e x
2
(t) = u(t + 1) u(t 1). A convolu c ao x
1
(t) x
2
(t) e dada
por
x
1
(t) x
2
(t) = I
x
1
(t + 1) I
x
1
(t 1) = I
x
2
(t) I
x
2
(t 1)
P
Exemplo 6.17
Determine as convolu c oes para os sinais x
1
(t) = u(t)u(t1) , x
2
(t) = u(t)+2u(t1)u(t2)
a) x
1
(t) x
1
(t) b) x
1
(t) x
2
(t) c) x
2
(t) x
2
(t) d) x
2
(t) x
1
(t)
Determine as convolu c oes entre x(t) = u(t) u(t 2) e:
a) x
1
(t) = t(u(t) u(t 1)) b) x
1
(t) = exp(t)u(t)
P
Teorema 6.1
A sada de um sistema linear invariante no tempo e a convolu c ao da resposta ao impulso com a entrada,
isto e
y(t) = G{x(t)} = h(t) x(t)
sendo h(t) = G{(t)} a resposta ao impulso do sistema.
Prova:
G{x(t)} = G{x(t) (t)} = G
__
+

x()(t )d
_
=
_
+

x() G {(t )}
. .
h(t )
d =
=
_
+

x()h(t )d = x(t) h(t)


y
Propriedade 6.12
Sistemas lineares invariantes no tempo s ao causais (ou nao antecipativos) se e somente se a resposta
ao impulso e nula para instantes negativos, ou seja
h(t) = 0 para t < 0
pois
y(t) =
_
0

x(t )h()d
. .
futuro
+
_
+
0
x(t )h()d

Bonatti, Lopes & Peres


96 Captulo 6. Sinais Contnuos e Convolu c ao
Exemplo 6.18
y(t) = G{x(t)} = x(t a) , a > 0 h(t) = (t a) causal
y(t) =
_
t+1
t1
x()d h(t) = G
2
(t) n ao causal
P
Propriedade 6.13
Um sistema linear invariante no tempo e BIBO est avel se e somente se a resposta ao impulso do
sistema for absolutamente integr avel.
Prova:
|y(t)|
_
+

|x(t )||h()|d B
_
+

|h()|d
Portanto, |h()| < =|y(t)| < (suciencia).
Por outro lado,
y(0) =
_
+

x()h()d
e, para x() = sinal(h()), sendo
sinal(t) = u(t) u(t) = 2u(t) 1
Portanto,
y(0) =
_
+

|h()|d
Como conclusao, y(t) e nao limitado se h(t) nao for absolutamente integr avel (necessidade).

Exemplo 6.19
O sistema descrito pela equa c ao
y(t) =
_
t+2

x()d =
_
+

x()u(t + 2 )d
tem resposta ao impulso dada por
h(t) = u(t + 2)
Note que
h(t) x(t) = y(t)
e portanto trata-se de um sistema linear invariante no tempo.
Como h(t) = 0 para t < 0, o sistema e n ao causal (e antecipativo). O sistema n ao e BIBO estavel,
pois a integral do valor absoluto de h(t) diverge.
P
Bonatti, Lopes & Peres
97
Exemplo 6.20
O sistema descrito pela equa c ao
y(t) =
_
+

x(t )d
tem resposta ao impulso dada por
h(t) =
1
t
Note que
h(t) x(t) = y(t)
e portanto trata-se de um sistema linear invariante no tempo.
Como h(t) = 0 para t < 0, o sistema e n ao causal (e antecipativo). O sistema n ao e BIBO estavel,
pois a integral do valor absoluto de h(t) diverge.
P
Exemplo 6.21
O sistema descrito pela equa c ao
y(t) = 2x(2t)
tem resposta ao impulso dada por
h(t) = 2(2t) = (t)
Note que
h(t) x(t) = x(t) = y(t)
e portanto esse sistema linear n ao e invariante no tempo. Esse sistema e BIBO est avel e n ao causal
pois y(1) = 2x(2).
P
Propriedade 6.14
I
xy
(t) = x(t) I
y
(t) = I
x
(t) y(t) = u(t) x(t) y(t)
pois
I
x
(t) = x(t) u(t)
e a convolu c ao e associativa e comutativa.

Bonatti, Lopes & Peres


98 Captulo 6. Sinais Contnuos e Convolu c ao
Exemplo 6.22
A convolu c ao x(t) y(t), com
x(t) = y(t) = u(t) u(t 1)
pode ser obtida a partir da derivada de y(t), dada por
v(t) = (t) (t 1) y(t) = I
v
(t)
Portanto
x(t) y(t) = x(t) I
v
(t) = I
xv
(t)
Como
x(t) v(t) = x(t) x(t 1) = u(t) 2u(t 1) +u(t 2)
tem-se
x(t) y(t) = t
_
u(t) u(t 1)
_
+ (2 t)
_
u(t 1) u(t 2)
_
P
Deni cao: Auto-fun cao
Um sinal de entrada e denominado auto-fun c ao de um sistema se a sada correspondente for igual ao
sinal de entrada multiplicado por uma constante (em geral complexa).
Propriedade 6.15
O sinal exp(st), s complexo pertencente ao domnio
h
, e uma auto-fun c ao para sistemas lineares
contnuos e invariantes no tempo.
Prova:
y(t) = exp(st) h(t) =
_
+

h() exp
_
s(t )
_
d = H(s) exp(st)
com
H(s) =
_
+

h() exp(s)d
H(s) = L{h(t)} e a transformada bilateral de Laplace da fun c ao h(t). O domnio
h
e o conjunto dos
valores de s complexos para os quais a integral e nita.

Propriedade 6.16
Deslocamento em t
L{y(t) = x(t )} = X(s) exp(s) ,
y
=
x
Prova:
L{x(t )} =
_
+

x(t ) exp(st)dt =
Bonatti, Lopes & Peres
99
=
_
+

x() exp
_
s( +)
_
d = exp(s)
_
+

x() exp(s)d = L{x(t)} exp(s)

Propriedade 6.17
L{x(t) = x
1
(t) x
2
(t)} = L{x
1
(t)}L{x
2
(t)} ,
x
=
x
1

x
2
Prova:
L{x
1
(t) x
2
(t)} = L
_
_
+

x
1
(t )x
2
()d
_
=
_
+

x
2
()
_
_
+

x
1
(t ) exp(st)dt
_
. .
X
1
(s) exp(s)
d
= X
1
(s)
_
+

x
2
() exp(s)d = X
1
(s)X
2
(s)

Propriedade 6.18
L{exp(at)u(t)} =
1
s +a
, s
_
s C, Re(s +a) > 0
_
pois
H(s) =
_
+

exp(at)u(t) exp(st)dt =
1
s +a
_
+
0
exp
_
(s +a)t
_
(s +a)dt =
=
1
s +a
para Re(s +a) > 0

Deni cao: Fun cao de Transferencia


A rela c ao (temporal) entre sada e entrada em um sistema linear invariante no tempo e dada pelo
ganho complexo H(s) quando x(t) = exp(st)
y(t) = h(t) x(t) ; H(s) =
_
+

h(t) exp(st)dt s
h
H(s), tambem denominada fun c ao de transferencia do sistema, e a rela c ao entre as transformadas de
Laplace da sada Y (s) e da entrada X(s) para qualquer x(t)
Y (s) = H(s)X(s)
Bonatti, Lopes & Peres
100 Captulo 6. Sinais Contnuos e Convolu c ao
x(t)
R
+
+

C
y(t)
Figura 6.6: Circuito RC.
Exemplo 6.23
Circuito RC
Considere o circuito RC descrito na Figura 6.6.
A entrada e a fonte de tensao x(t) e a sada y(t) e a tensao no capacitor. O circuito e descrito pela
equa c ao
y +
1

y =
1

x ; = RC
ou, usando o operador p =
d
dt
,
_
p +
1

_
y =
1

x
A fun c ao de transferencia e dada por
H(s) =
1
s + 1
=
1

1
s + 1/
Note que esta fun c ao de transferencia e a transformada de Laplace de
h(t) =
1

exp(t/)u(t)
P
Exemplo 6.24
Considere o circuito da Figura 6.7, com
1
= R
1
C
1
= 1 e
2
= R
2
C
2
= 0.01.
N
I
x(t)
R
1
R
2
+
+

C
1
C
2
y(t)
Figura 6.7: Circuito RC em cascata.
A fun c ao de transferencia e dada por
H(s) =
Y (s)
X(s)
=
_
1/
1
s + 1/
1
_
. .
H
1
(s)
_
1/
2
s + 1/
2
_
. .
H
2
(s)
=
100
s
2
+ 101s + 100
P
Bonatti, Lopes & Peres
101
Exemplo 6.25
Considere o circuito da Figura 6.8
PSfrag
x(t)
R
1
R
2
+
+
+


C
1
C
2
y(t) y
1
(t)
Figura 6.8: Circuito RC duplo.
x = R
1
(C
1
y
1
+C
2
y) +y
1
; y
1
= R
2
C
2
y +y
A fun c ao de transferencia e dada por
H(s) =
Y (s)
X(s)
=
1
R
1
C
1
R
2
C
2
s
2
+ (R
1
C
1
+R
2
C
2
+R
1
C
2
)s + 1
Para R
1
= C
1
= 1, R
2
= 1, C
2
= 0.01, tem-se
H(s) =
Y (s)
X(s)
=
100
s
2
+ 102s + 100
P
Deni cao: Resposta em freq uencia
Se s = j pertence ao domnio da fun c ao de transferencia do sistema linear invariante no tempo H(s),
a resposta em freq uencia do sistema e o valor de H(s) computado para s = j.
A resposta em freq uencia escreve-se como
M() exp(j()) = H(j)
sendo M() o m odulo e () a fase de H(j)
Em geral, e desenhada na forma de m odulo e fase (diagrama de Bode
1
) ou na forma polar, para
[0, +). Representa a resposta em regime permanente de sistemas lineares invariantes no tempo
est aveis para entradas senoidais.
Propriedade 6.19
Se h(t) e real, entao H

(j) = H(j), isto e M() e uma fun c ao par e () e uma fun c ao mpar.
Prova:
H

(j) =
_
+

h(t) exp(jt)dt = H(j)


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

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


1
Hendrik Wade Bode, engenheiro eletricista americano do seculo XX.
Bonatti, Lopes & Peres
102 Captulo 6. Sinais Contnuos e Convolu c ao
H(j) = M() exp(j())
Portanto, M() = M() e () = ().

Propriedade 6.20
A resposta em regime de um sistema linear invariante no tempo com fun c ao de transferencia H(s),
com h(t) real e j
h
, para a entrada x(t) = cos(t), e
y(t) = M() cos(t +())
Prova:
y(t) = G{cos(t)} =
1
2
G{exp(jt)} +
1
2
G{exp(jt)} =
=
1
2
H(j) exp(jt) +
1
2
H(j) exp(jt) =
=
1
2
M() exp(jt +j()) +
1
2
M() exp(jt j()) = M() cos(t +())

Exemplo 6.26
Considere a linha de transmiss ao bilar sem perdas descrita por
y(t) = x(t T)
tambem conhecida como linha de atraso. A fun c ao de transferencia e dada por
H(s) = exp(sT)
O m odulo da resposta em freq uencia H(j) e M() = 1 e a fase e () = T.
P
Propriedade 6.21
A equa c ao diferencial
D(p)y(t) = N(p)x(t) , D(p) =
m

k=0

k
p
k
; N(p) =

k=0

k
p
k
com
m
= 1,
k
e
k
coecientes constantes e condi c oes iniciais nulas descreve um sistema linear
invariante no tempo, cuja fun c ao de transferencia e
H(s) =
N(s)
D(s)
pois, para a entrada x(t) = exp(st) tem-se a sada y(t) = H(s) exp(st), e portanto
D(p)H(s) exp(st) = N(p) exp(st) H(s)D(s) = N(s)
Bonatti, Lopes & Peres
103
H(s) e uma fun c ao racional, ou seja, e dada pela razao de dois polin omios em s.

Deni cao: zeros


Os zeros de uma fun c ao H(s), s complexo, s ao os valores de s para os quais H(s) = 0. A multiplicidade
da raiz s e denominada de ordem do zero.
Deni cao: p olos
Os polos de uma fun c ao H(s), s complexo, s ao os valores de s para os quais 1/H(s) = 0. A multipli-
cidade da raiz e denominada de ordem do polo.
Em fun c oes racionais, os polos s ao as razes do denominador e os zeros s ao as razes do numerador.
Exemplo 6.27
Circuito RC
O circuito RC do Exemplo 6.23 e descrito pela fun c ao de transferencia
H(s) =
1/
s + 1/
A resposta em freq uencia e dada por
M() =
1
_
1 + ()
2
; () = arctan()
Note que trata-se de um ltro passa-baixas, com a fase variando de 0 a 90 graus quando a
freq uencia varia de zero a innito e (1/) = 45 graus. O ltro RC possui um p olo em s = 1/.
P
Exerccio 6.1
A resposta ao impulso de um sistema linear invariante no tempo e dada por
h(t) =
_
t
2
, |t| < 1
0 , |t| > 1
a) O sistema e causal?
b) O sistema e BIBO est avel?
0
Bonatti, Lopes & Peres
Captulo 7
Serie de Fourier de Sinais Contnuos
Deni cao: Produto Escalar
O produto escalar dos sinais x(t) e y(t) e dado por

x(t)y

(t)
_
=
_
+

x(t)y

(t)dt
O intervalo de integra c ao pode ser distinto, denido no contexto da opera c ao, estando associado ao
domnio das fun c oes.
Deni cao: Norma
x(t) =
_

x(t)x

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

|x(t)|
2
dt
Exemplo 7.1
Considere os sinais
x(t) = t
_
u(t) u(t 1)
_
= tG
1
(t 0.5) , g(t) = u(t) u(t 1) = G
1
(t 0.5)
O valor de para que g(t) melhor aproxime x(t) pode ser obtido como solu c ao de um problema
de otimiza c ao.
Usando-se a medida de dist ancia entre dois sinais, dada pela integral do quadrado da diferen ca,
tem-se
min

2
(t)
_
sendo o erro
(t) = x(t) g(t)
e

2
(t)
_
=
_
1
0

2
(t)dt
Portanto, a express ao do erro quadr atico e

2
(t)
_
=

g
2
(t)
_

2
2

x(t)g(t)
_
+

x
2
(t)
_
que e um polin omio de segundo grau em , convexo, com mnimo global satisfazendo
104
105
d
d

2
(t)
_
= 0 = =

x(t)g(t)
_

g
2
(t)
_ =
1
2
Observe que

(t)g(t)
_
= 0 e que esta condi c ao, imposta no problema, tambem permite a obten c ao
do valor otimo de .
P
Deni cao: Sinais Ortogonais
Os sinais x(t) e y(t) nao nulos s ao ortogonais se o produto escalar e nulo, isto e

x(t)y

(t)
_
= 0
Propriedade 7.1
Teorema de Pitagoras
1
Se x(t) e y(t) s ao ortogonais, entao
x(t) +y(t)
2
= x(t)
2
+y(t)
2
pois
x(t) +y(t)
2
=

(x(t) +y(t))(x

(t) +y

(t))
_
= x(t)
2
+y(t)
2
+

x(t)y

(t)
_
. .
= 0
+

y(t)x

(t)
_
. .
= 0

Propriedade 7.2
Desigualdade de Cauchy-Schwarz
2

x(t)y

(t) +y(t)x

(t)
_
2x(t)y(t)
pois, para R qualquer,
x(t) y(t)
2
min

x(t) y(t)
2
0
Portanto,

(x(t) y(t))(x

(t) y

(t))
_
= x(t)
2
+
2
y(t)
2

x(t)y

(t) +y(t)x

(t)
_
0
e o resultado e obtido substituindo-se o valor de que minimiza a norma, isto e,
=

x(t)y

(t) +y(t)x

(t)
_
2y(t)
2

1
Pitagoras, nasceu em Samos (569 AC - 475 AC).
2
Augustin Louis Cauchy, matematico frances (1789-1857) e Hermann Amandus Schwarz, matematico alemao (1843-
1921).
Bonatti, Lopes & Peres
106 Captulo 7. Serie de Fourier de Sinais Contnuos
Deni cao: Sinais Linearmente Independentes
Um conjunto de sinais {g
k
(t), k = 1, . . . , n} e linearmente independente se e somente se
n

k=1
c
k
g
k
(t) = 0 , t = c
k
= 0 , k = 1, . . . , n
Deni cao: Espa co Linear
A combina c ao linear de um conjunto de n sinais g
k
(t), isto e,
g(t) =
n

k=1
c
k
g
k
(t)
com escalares c
k
C gera um espa co linear, cuja dimens ao e dada pelo n umero r de sinais linearmente
independentes do conjunto (r n). Qualquer conjunto de r sinais que gere o mesmo espa co e uma
base para esse espa co.
Exemplo 7.2
Mostre que os sinais s ao linearmente independentes
x
1
(t) = 1 , x
2
(t) = t
P
Exemplo 7.3
Mostre que os sinais
x
1
(t) = exp(
1
t) , x
2
(t) = exp(
2
t)
s ao linearmente independentes se e somente se

1
=
2
P
Exemplo 7.4
Os sinais
x
1
(t) = 1 , x
2
(t) = t , x
3
(t) = 3t 5
s ao linearmente dependentes, pois
x
3
(t) = 3x
2
(t) 5x
1
(t)
P
Propriedade 7.3
Sinais ortogonais s ao linearmente independentes.
Prova:
Supondo que x(t) e y(t) s ao sinais ortogonais, tem-se

x(t)y

(t)
_
= 0 e

x(t)x

(t)
_
= 0,

y(t)y

(t)
_
= 0
Se c
1
x(t) +c
2
y(t) = 0 para todo t, entao multiplicando por x

(t) e integrando tem-se


c
1

x(t)x

(t)
_
+c
2

y(t)x

(t)
_
= c
1

x(t)x

(t)
_
= 0 = c
1
= 0
Similarmente, multiplicando-se por y

(t) mostra-se que c


2
= 0.

Bonatti, Lopes & Peres


107
Deni cao: Proje cao Ortogonal
Denomina-se proje c ao ortogonal a representa c ao do sinal x(t) no espa co gerado pela combina c ao linear
de uma base do espa co tal que o erro seja nulo ou ortogonal ao espa co, isto e,
x(t) =
n

k=1
c
k
g
k
(t) +(t)
com

(t)g

k
(t)
_
= 0 , k
sendo {g
k
(t), k = 1, . . . , n} um conjunto de sinais linearmente independentes (base de dimens ao n).
Propriedade 7.4
O erro da proje c ao ortogonal tem norma mnima.
Prova:
Seja (t) o erro da proje c ao ortogonal e v(t) o erro de uma proje c ao qualquer. Entao,
x(t) =

k
c
k
g
k
(t) +(t) =

k
d
k
g
k
(t) +v(t) v(t) = (t) +

k
(c
k
d
k
)g
k
(t)
. .
r(t)
O sinal r(t) pertence ao espa co gerado pelas fun c oes g
k
(t), e portanto e ortogonal a (t). Assim,
v(t)
2
= (t)
2
+r(t)
2
(t)
2

Exemplo 7.5
Considere os sinais ortogonais
x
1
(t) = G
2
(t) , x
2
(t) = tG
2
(t)
O sinal x(t) dado por
x(t) = t
2
G
2
(t)
pode ser aproximado por
x(t) a
1
x
1
(t) +a
2
x
2
(t) (t) = x(t) a
1
x
1
(t) a
2
x
2
(t)
Portanto,

2
(t)
_
=

x
2
(t)
_
+a
2
1

x
2
1
(t)
_
+a
2
2

x
2
2
(t)
_
2a
1

x
1
(t)x(t)
_
2a
2

x
2
(t)x(t)
_
+ 2a
1
a
2

x
1
(t)x
2
(t)
_
As condi c oes

a
1

2
(t)
_
= 0 ,

a
2

2
(t)
_
= 0
implicam
Bonatti, Lopes & Peres
108 Captulo 7. Serie de Fourier de Sinais Contnuos
_
x
2
1
(t)
_
x
1
(t)x
2
(t)
_

x
2
(t)x
1
(t)
_
x
2
2
(t)
_
_ _
a
1
a
2
_
=
_
x
1
(t)x(t)
_

x
2
(t)x(t)
_
_
Como x
1
(t) e x
2
(t) s ao ortogonais, tem-se

x
2
1
(t)
_
= 2 ,

x
2
2
(t)
_
=
2
3
,

x
1
(t)x(t)
_
=
2
3
,

x
2
(t)x(t)
_
= 0
a
1
=

x
1
(t)x(t)
_

x
2
1
(t)
_ =
1
3
, a
2
=

x
2
(t)x(t)
_

x
2
2
(t)
_ = 0
(t) =
_
t
2

1
3
_
G
2
(t)
Note que o erro (t) e ortogonal a x
1
(t) e x
2
(t).
P
Exemplo 7.6
Considere os sinais
x
1
(t) = G
1
(t 0.5) , x
2
(t) = tG
1
(t 0.5)
O sinal x(t) dado por
x(t) = t
2
G
1
(t 0.5)
pode ser aproximado por
x(t) a
1
x
1
(t) +a
2
x
2
(t) (t) = x(t) a
1
x
1
(t) a
2
x
2
(t)
As condi c oes de mnimo implicam
_
x
2
1
(t)
_
x
1
(t)x
2
(t)
_

x
2
(t)x
1
(t)
_
x
2
2
(t)
_
_ _
a
1
a
2
_
=
_
1 0.5
0.5 1/3
_ _
a
1
a
2
_
=
_
1/3
0.25
_
a
1
=
1
6
, a
2
= 1
Note que, por x
1
(t) e x
2
(t) n ao serem ortogonais, foi necess ario resolver numericamente um sistema
linear de equa c oes. O erro, ortogonal a x
1
(t) e x
2
(t), e dado por
(t) =
_
t
2
t +
1
6
_
G
1
(t 0.5)
A Figura 7.1 mostra os sinais x(t), x
1
(t), x
2
(t) e o erro (t). Observe que, como x
1
(t) e constante
no intervalo, a media de (t) e nula.
P
Bonatti, Lopes & Peres
109
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0.2
0
0.2
0.4
0.6
0.8
1
1.2
x(t)
x
1
(t)
t
x
2
(t)
(t)
Figura 7.1: Sinais x(t), x
1
(t), x
2
(t) e (t).
Proje cao de Sinais
Suponha que se deseja aproximar o sinal x(t) por uma combina c ao linear de sinais ortogonais g
k
(t)
x(t)

k
c
k
g
k
(t)
Denindo-se o erro (t)
(t) = x(t)

k
c
k
g
k
(t)
uma forma apropriada de obten c ao dos coecientes c
k
s e dada pela minimiza c ao do erro quadr atico
min
c
k

(t)

(t)
_
Impondo a condi c ao de ortogonalidade do erro em rela c ao ao espa co linear tem-se

(t)g

k
(t)
_
= 0, k

(t)g

k
(t)
_
=

x(t)g

k
(t)
_

(t)g

k
(t)
_
=

x(t)g

k
(t)
_
c
k

g
k
(t)g

k
(t)
_
= 0
= c
k
=

x(t)g

k
(t)
_

|g
k
(t)|
2
_ , k
Note que os coecientes c
k
podem ser calculados de maneira desacoplada pelo fato de os sinais g
k
(t)
serem ortogonais.
Teorema 7.1
Teorema de Parseval
Considere uma base ortogonal {g
k
(t)} e x(t), um sinal pertencente ao espa co, descrito por
x(t) =

k
c
k
g
k
(t)
Entao,
Bonatti, Lopes & Peres
110 Captulo 7. Serie de Fourier de Sinais Contnuos

x(t)x

(t)
_
=

|x(t)|
2
_
=

k
|c
k
|
2

|g
k
(t)|
2
_
Se as fun c oes g
k
(t) tem norma unit aria, ou seja, se

|g
k
(t)|
2
_
= 1, tem-se

|x(t)|
2
_
=

k
|c
k
|
2
.
Prova: Como
x

(t) =

k
c

k
g

k
(t)
tem-se

x(t)x

(t)
_
=

|x(t)|
2
_
=

k
|c
k
|
2

|g
k
(t)|
2
_
pois os g
k
(t)s s ao ortogonais.
y
Deni cao: Sinal Peri odico
Um sinal x(t) e peri odico se existe um T > 0 tal que x(t) = x(t +T) para t R. Nesse caso, T e um
perodo e, se for o menor real que satisfaz a rela c ao, e chamado de perodo fundamental.
Exemplo 7.7
O perodo T de
x(t) = sen(8t) + cos(12t) T
1
=

4
, T
2
=

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

2
P
Exemplo 7.8
O perodo T de
x(t) = sen(6t) + cos(8t) T
1
=
1
3
, T
2
=
1
4
e dado por
T = pT
1
= qT
2
= p
2
6
= q
2
8
p = 3, q = 4 e T = 1
P
Bonatti, Lopes & Peres
111
Propriedade 7.5
A soma de sinais peri odicos e peri odica se e somente se a rela c ao entre os perodos for racional, isto e,
x(t) = x(t +T
1
) , y(t) = y(t +T
2
)
x(t) +y(t) = x(t +T) +y(t +T) T = pT
1
= qT
2
, p, q Z
+

Exemplo 7.9
O sinal
x(t) = sen(2t) + cos(3t)
n ao e peri odico, pois n ao existem p, q inteiros que satisfazem
T = p1 = q
2
3
P
Propriedade 7.6
Os sinais peri odicos
g
k
(t) = exp(jk
0
t) , g

(t) = exp(j
0
t) k = inteiros
s ao ortogonais.
Alem disso

g
k
(t)g

k
(t)
_
=
_
T
g
k
(t)g

k
(t)dt = T
para T = 2/
0
.
Prova: T e o perodo fundamental de g
k
(t), k = 0 e

g
k
(t)g

(t)
_
=
_
T
exp
_
j(k )
0
t
_
dt = 0 , k =
pois a parte real e a parte imagin aria s ao sen oides que oscilam um n umero inteiro de vezes dentro do
perodo T.
Para k = ,

g
k
(t)g

k
(t)
_
=
_
T
dt = T

Deni cao: Serie Exponencial de Fourier

E a serie peri odica de perodo fundamental T = 2/


0
dada por
+

k=
c
k
exp(jk
0
t) c
k
=

x(t)g

k
(t)
_

g
k
(t)g

k
(t)
_ =
1
T
_
T
x(t) exp(jk
0
t)dt
Note que os coecientes c
k
foram obtidos por proje c ao ortogonal e, portanto, minimizam o erro
quadr atico.
Bonatti, Lopes & Peres
112 Captulo 7. Serie de Fourier de Sinais Contnuos
Observa cao: Para sinais contnuos, a minimiza c ao do erro quadr atico nao implica que o erro e nulo,
ou seja, a serie nao converge ponto a ponto para o sinal.
Mesmo para erro quadr atico nulo (eventualmente com um n umero innito de coecientes), nas des-
continuidades do sinal ocorre uma distor c ao (denominada fen omeno de Gibbs
3
)
Se o sinal x(t) for peri odico de perodo fundamental T, a serie representa o sinal para todo t.
Se o sinal x(t) nao for peri odico, a serie representa o sinal no intervalo T considerado.
x(t)
Serie

T
2 T
2
t
t
T
T
T
T
Se x(t) e peri odica, e conveniente determinar os coecientes da serie xando-se um intervalo de tempo
de valor igual ao do perodo. Dessa forma, a serie representa a fun c ao para todo t (e nao apenas para
o intervalo de T/2 a +T/2).
Propriedade 7.7
Condi c oes sucientes para convergencia da serie de Fourier
Considere o erro

N
(t) = x(t) x
N
(t) = x(t)
+N

k=N
c
k
exp(jk
0
t)
Quando N +, a serie converge quadraticamente se

|
N
(t)|
2
_
0, e converge pontualmente se

N
(t) 0 para todo t.
Sinais quadraticamente integr aveis (energia nita) no intervalo T, ou seja,
_
T
|x(t)|
2
dt < +
possuem serie de Fourier que converge quadraticamente, isto e, a energia do erro tende a zero.
3
Willard Gibbs, matematico norte-americano (1839-1903).
Bonatti, Lopes & Peres
113
A convergencia nao e necessariamente pontual, como por exemplo em sinais com descontinuidades.
Nesse caso,
x
N
(t
0
)
x(t
0+
) x(t
0
)
2
Uma condi c ao alternativa `a de energia nita e dada pelas condi c oes de Dirichlet
4
, que devem ser
simultaneamente satisfeitas:
Condi cao 1: x(t) e absolutamente integr avel, ou seja
_
T
|x(t)|dt < +
Por exemplo, o sinal peri odico
x(t) =
+

k=
p(t kT) , p(t) = 1/t , t (0, T]
nao e absolutamente integr avel e portanto nao possui serie de Fourier.
Condi cao 2: x(t) possui um n umero nito de m aximos e mnimos no intervalo T.
Os sinais peri odicos x
1
(t) e x
2
(t), de perodo T = 1, denidos a partir dos pulsos
p
1
(t) = sen(2/t) , t (0, 1]
p
2
(t) =
_
1 para t irracional
1 para t racional
, t (0, 1]
s ao absolutamente integr aveis, mas possuem um n umero innito de m aximos e mnimos no intervalo
(0, 1] e portanto nao tem serie de Fourier.
Condi cao 3: x(t) possui um n umero nito de descontinuidades nitas no intervalo.
Por exemplo, o sinal x
2
(t) tem um n umero innito de descontinuidades nitas no intervalo.

Nota cao:
F
S
{x(t)}
T
= {c
k
}

0
x(t) =
+

k=
c
k
exp(jk
0
t) , c
k
=
1
T
_
T
x(t) exp(jk
0
t)dt , T =
2

0
A nota c ao pressup oe que o sinal original x(t) foi descrito em um intervalo T, no qual s ao computados
os coecientes c
k
.
Por constru c ao, a serie de Fourier de x(t) e peri odica, de perodo T.
A partir deste ponto, considera-se que a convergencia da serie e pontual.
Escolhendo um intervalo T centrado em t = 0 e denindo
4
Johann Peter Gustav Lejeune Dirichlet, matematico frances (1805-1859).
Bonatti, Lopes & Peres
114 Captulo 7. Serie de Fourier de Sinais Contnuos
p(t) = x(t)G
T
(t)
tem-se
x(t) =
+

k=
p(t kT)
Propriedade 7.8
Linearidade
A serie de Fourier e linear, isto e,
F
S
{
1
x
1
(t) +
2
x
2
(t)}
T
=
1
F
S
{x
1
(t)}
T
+
2
F
S
{x
2
(t)}
T

Exemplo 7.10
2 cos(t) + 2 cos(2t) = exp(jt) + exp(jt) + exp(j2t) + exp(j2t)
Portanto, a serie de Fourier e dada por
F
S
{2 cos(t) + 2 cos(2t)}
T=2
= F
S
{2 cos(t)}
T=2
+F
S
{2 cos(2t)}
T=2
c
1
= c
1
= c
2
= c
2
= 1 , w
0
= 1
P
Exemplo 7.11
A soma dos sinais peri odicos
x(t) = 2 cos(t) + 2 cos(2t) = exp(jt) + exp(jt) + exp(j2t) + exp(j2t)
n ao e peri odica, e portanto n ao existe uma serie de Fourier para o sinal x(t).
Note entretanto que a serie de Fourier do sinal
y(t) = x(t)G
T
(t)
pode ser obtida, com T > 0 qualquer, para descrever o sinal peri odico
+

k=
y(t kT)
que e igual a y(t) entre T/2 e T/2.
P
Bonatti, Lopes & Peres
115
Exemplo 7.12
Os coecientes da serie de Fourier do sinal peri odico impulsivo
x(t) =
+

k=
p(t kT)
p(t) = (t +T/4) (t T/4)
s ao dados por
c
k
=
1
T
_
T
p(t) exp(jk
0
t)dt =
1
T
_
exp(jk
0
T/4) exp(jk
0
T/4)
_
c
k
=
1
T
_
exp(jk/2) exp(jk/2)
_
=
1
T
2jsen(k/2)
Note que p(t) e uma fun c ao mpar e que os coecientes s ao imagin arios.
P
Exemplo 7.13
Os coecientes da serie de Fourier do sinal peri odico impulsivo
x(t) =
+

k=
p(t kT)
p(t) = (t +T/4) +(t T/4)
s ao dados por
c
k
=
1
T
_
T
p(t) exp(jk
0
t)dt =
1
T
_
exp(jk
0
T/4) + exp(jk
0
T/4)
_
c
k
=
1
T
_
exp(jk/2) + exp(jk/2)
_
=
1
T
2 cos(k/2)
Note que p(t) e uma fun c ao par e que os coecientes s ao reais.
P
Propriedade 7.9
Trem de impulsos
F
S
_
+

k=
(t kT)
_
T
= {
1
T
}

0

+

k=
(t kT) =
1
T
+

k=
exp(jk
0
t)
pois
c
k
=
1
T
_
T
+

k=
(t kT) exp(jk
0
t)dt =
1
T
_
T
(t)dt =
1
T
para k = 0 os impulsos est ao fora do intervalo de integra c ao.

Bonatti, Lopes & Peres


116 Captulo 7. Serie de Fourier de Sinais Contnuos
Propriedade 7.10
Valor Medio
F
S
{x(t)}
T
= {c
k
}

0
c
0
=
1
T
_
T
x(t)dt (valor medio) , x(0) =
+

k=
c
k

Propriedade 7.11
Complexo conjugado
F
S
{x(t)}
T
= {c
k
}

0
F
S
{x

(t)}
T
= {c

k
}

0
pois, denominando d
k
os coecientes da serie associada a x

(t), tem-se
d
k
=
1
T
_
T
x

(t) exp(jk
0
t)dt =
_
1
T
_
T
x(t) exp(jk
0
t)dt
_

= c

Propriedade 7.12
F
S
{x(t)}
T
= {c
k
}

0
e x(t) e real c
k
= c

k
pois, pela Propriedade 7.11,
x

(t) = x(t) c
k
= c

Teorema 7.2
Teorema de Parseval para Serie Exponencial de Fourier
F
S
{x(t)}
T
= {c
k
}

0

1
T
_
T
|x(t)|
2
dt =
+

k=
|c
k
|
2
(potencia media)
pelo Teorema 7.1 e pela Propriedade 7.6.
y
Exemplo 7.14
Determine a serie exponencial de Fourier e a potencia media para
a) sen(10t) b) cos(5t) c) sen
2
(10t) d) cos
2
(5t)
P
Bonatti, Lopes & Peres
117
Propriedade 7.13
Deslocamento no Tempo
F
S
{x(t)}
T
= {c
k
}

0
, a real F
S
{x(t a)}
T
= {c
k
exp(jk
0
a)}

0
pois
x(t a) =
+

k=
c
k
exp(jk
0
a) exp(jk
0
t)

Exemplo 7.15
Considere o sinal x(t) dado por
x(t) =
+

k=1
a
k
cos(k
0
t) ; a
k
=
4
k
sen(k/2)
Determine os coecientes c
k
da serie exponencial de Fourier para
a) x(t) b) y(t) = x(t /(2
0
))
P
Propriedade 7.14
Deslocamento na Freq uencia
F
S
{x(t)}
T
= {c
k
}

0
, m Z F
S
{x(t) exp(jm
0
t)}
T
= {c
km
}

Propriedade 7.15
Inversao no Tempo
F
S
{x(t)}
T
= {c
k
}

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

Propriedade 7.16
Escalonamento no Tempo
F
S
{x(t)}
T
= {c
k
}

0
, > 0, R F
S
{x(t)}
T/
= {c
k
}

0
pois, como x(t) tem perodo T = 2/
0
, x(t) tem perodo T/ = 2/(
0
) e
d
k
=

T
_
T/
x(t) exp(jk
0
t)dt =
1
T
_
T
x(t) exp(jk
0
t)dt = c
k
Note que os coecientes s ao os mesmos, porem as series s ao diferentes (perodos distintos).

Bonatti, Lopes & Peres


118 Captulo 7. Serie de Fourier de Sinais Contnuos
Propriedade 7.17
Multiplica cao no tempo
F
S
{x(t)y(t)}
T
= F
S
{x(t)}
T
F
S
{y(t)}
T
= {c
k
d
k
}

0
pois, denominando e
k
os coecientes da serie associada ao produto, tem-se
e
k
=
1
T
_
T
x(t)y(t) exp(jk
0
t)dt =
1
T
_
T
+

m=
c
m
exp(jm
0
t)y(t) exp(jk
0
t)dt =
=
+

m=
c
m
1
T
_
T
y(t) exp[j(k m)
0
t]dt
. .
d
km
=
+

m=
c
m
d
km
= c
k
d
k

Deni cao: Convolu cao peri odica


A convolu c ao peri odica de x(t) e y(t), sinais peri odicos de perodo T, e denida por
x(t) y(t) =
_
T
x()y(t )d
Note que a convolu c ao peri odica produz um sinal peri odico.
Propriedade 7.18
F
S
{x(t) y(t)}
T
= {Tc
k
d
k
}

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

0
, F
S
{y(t)}
T
= {d
k
}

0
pois
1
T
_
T
(x(t) y(t)) exp(jk
0
t)dt =
1
T
_
T
x()
_
T
y(t ) exp(jk
0
t)dt d =
=
_
T
x() exp(jk
0
)
1
T
_
T
y() exp(jk
0
)d
. .
d
k
d = Td
k
1
T
_
T
x() exp(jk
0
) = Tc
k
d
k

Propriedade 7.19
Serie Trigonometrica de Fourier
Considere o sinal x(t) real e peri odico, de perodo T. Entao
x(t) = c
0
+
+

k=1
_
c
k
exp(jk
0
t) +c
k
exp(jk
0
t)
_
que pode ser escrito como
Bonatti, Lopes & Peres
119
x(t) = a
0
+
+

k=1
_
a
k
cos(k
0
t) +b
k
sen(k
0
t)
_
com
a
0
= c
0
=
1
T
_
T
x(t)dt (valor medio)
a
k
= (c
k
+c
k
) =
2
T
_
T
x(t) cos(k
0
t)dt ; b
k
= j(c
k
c
k
) =
2
T
_
T
x(t)sen(k
0
t)dt
Os coecientes a
k
e b
k
s ao reais.

Exemplo 7.16
A serie trigonometrica de Fourier para a fun c ao quadrada peri odica da Figura 7.2 e
x(t) =
4

_
cos(
0
t)
1

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

cos(7
0
t)
7

_
;
0
= 2/T
x(t)
1
t
T
Figura 7.2: Onda quadrada de perodo T.
Para o c alculo dos coecientes da serie, a
0
, a
k
e b
k
, dene-se a fun c ao no intervalo (T/2, +T/2):
x(t) =
_
_
_
1 t (T/2, T/4)
+1 t (T/4, +T/4)
1 t (+T/4, +T/2)
a
0
= 0 (valor medio nulo) ; a
k
=
2
T
_
+T/2
T/2
x(t) cos(k
0
t)dt
a
k
=
2
T
_
_
T/4
T/2
(1) cos(k
0
t)dt +
_
+T/4
T/4
(1) cos(k
0
t)dt +
_
+T/2
+T/4
(1) cos(k
0
t)dt
_
a
k
=
2
T
_
(1)
1
k
0
sen(k
0
t)

T/4
T/2
+ (1)
1
k
0
sen(k
0
t)

+T/4
T/4
+ (1)
1
k
0
sen(k
0
t)

+T/2
+T/4
_
Bonatti, Lopes & Peres
120 Captulo 7. Serie de Fourier de Sinais Contnuos
Como
0
= 2/T, portanto k
0
T/2 = k
a
k
=
1
k
_
(1)
_
sen(k

2
) sen(k)
_
+(1)
_
sen(k

2
) sen(k

2
)
_
+ (1)
_
sen(k) sen(k

2
)
_
_
a
k
=
4
k
sen(
k
2
)
sen(k) = sen(k) = 0 e sen(k

2
) = sen(k

2
) , k = 1, 2, . . .
sen(k

2
) =
_
_
_
1 , k = 3, 7, 11, . . .
0 , k = 2, 4, 6, 8, . . .
+1 , k = 1, 5, 9, 13, . . .
b
k
=
2
T
_
+T/2
T/2
x(t)sen(k
0
t)dt = 0 (pois o sinal e par)
Comprovando
b
k
=
2
T
_
_
T/4
T/2
(1)sen(k
0
t)dt +
_
+T/4
T/4
(1)sen(k
0
t)dt +
_
+T/2
+T/4
(1)sen(k
0
t)dt
_
b
k
=
2
T
_
(+1)
1
k
0
cos(k
0
t)

T/4
T/2
+ (1)
1
k
0
cos(k
0
t)

+T/4
T/4
+ (1)
1
k
0
cos(k
0
t)

+T/2
+T/4
_
b
k
=
1
k
_
(+1)
_
cos(k

2
) cos(k)
_
+ (1)
_
cos(k

2
) cos(k

2
)
_
+(1)
_
cos(k) cos(k

2
)
_
_
cos(k) = cos(k) =
_
+1 k par
1 k mpar
= b
k
=
1
k
_
cos(k) + cos(k)
_
= 0
A contribui c ao das harmonicas da serie de Fourier e ilustrada na Figura 7.3. Observe que a
serie passa pelos pontos intermedi arios nas discontinuidades e tem picos pr oximos `as transi c oes
(fenomeno de Gibbs).
A convergencia pontual, fora das discontinuidades, e relativamente lenta. No entanto, sistemas
lineares s ao em geral passa-baixas, isto e, a atenua c ao cresce com a freq uencia, de modo que
a sada pode ser bem aproximada por uma serie com um n umero menor de componentes que os
necess arios para representar a entrada.
P
Exemplo 7.17
Considere o circuito RC com RC = 1 e x(t) igual `a onda quadrada com T = 2, mostrados na
Figura 7.4.
O sinal x(t) e peri odico (existe para todo t), e portanto a solu c ao y(t) converge para a solu c ao
for cada.
Duas situa c oes ocorrem, como ilustrado na Figura 7.5.
Bonatti, Lopes & Peres
121
-10 -5 0 5 10
-2
-1
0
1
2
-10 -5 0 5 10
-2
-1
0
1
2
Harmonica 1
Harmonicas 1 e 3
-10 -5 0 5 10
-2
-1
0
1
2
-10 -5 0 5 10
-2
-1
0
1
2
Harmonicas 1, 3 e 5
Harmonicas 1, 3, 5 e 7
Figura 7.3: Serie de Fourier para a onda quadrada.
+

R
x(t)
C
+
y(t)

x(t)
1
t
T
Figura 7.4: Circuito RC e onda quadrada.
s
k
r
k
s
k+1
r
k+1
Figura 7.5: Carga e descarga do capacitor do circuito RC.
Para x(t) = 1, tem-se
y(t) =
_
1 exp(t/)
_
+y(0) exp(t/)
e portanto
x(t) = 1 r
k+1
=
_
1 exp()
_
+s
k
exp()
x(t) = 1 s
k+1
= r
k
exp()
_
1 exp()
_
Bonatti, Lopes & Peres
122 Captulo 7. Serie de Fourier de Sinais Contnuos
Os valores de s
k
e r
k
s ao as condi c oes iniciais para cada caso, e os pontos limites da recorrencia
s ao +0.9171 e 0.9171
O sinal y(t) tambem pode ser calculado aproximando-se x(t) pela serie de Fourier
x(t)
4

_
cos(t)
cos(3t)
3
+
cos(5t)
5

cos(7t)
7
+
_
=
+

k=1
mpar
1
2
4
k
_
exp(jkt) + exp(jkt)
_
A equa c ao diferencial do circuito e dada por
RC y +y = x H(s) =
1
1 +RCs
e as componentes y
k
(t) s ao dadas por
y
k
(t) =
_
1
2
_
4
k
_
H(jk) exp(jkt) +H(jk) exp(jkt)
_
As guras 7.6 e 7.7 mostram a resposta do circuito obtida pela integra c ao da equa c ao diferencial
e as aproxima c oes pela serie de Fourier. Note que, para um mesmo n umero de termos, a serie
de Fourier aproxima melhor y(t) que x(t). Isto se deve ao fato que o circuito e passa-baixas e
portanto atenua as altas freq uencias.
-10 -5 0 5 10
-2
-1
0
1
2
-10 -5 0 5 10
-2
-1
0
1
2
Onda Quadrada e Resposta do RC
Resposta do RC e Harmonica 1
Figura 7.6: Resposta do circuito RC.
A Tabela 7.1 apresenta as contribui c oes de cada elemento da serie de Fourier. Observe que a
contribui c ao da setima harmonica na entrada e 14% da fundamental, enquanto que na sada e 3%.
P
Bonatti, Lopes & Peres
123
-10 -5 0 5 10
-2
-1
0
1
2
-10 -5 0 5 10
-2
-1
0
1
2
Resposta do RC e Harmonicas 1 e 3
Resposta do RC e Harmonicas 1, 3 e 5
Figura 7.7: Resposta do circuito RC e serie de Fourier.
Entrada Sada
k | H(jk) | 4/(k) | H(jk) | 4/(k)
1 0.707 1.273 0.900
3 0.316 0.424 0.134
5 0.196 0.255 0.047
7 0.141 0.182 0.026
Tabela 7.1: M odulo da fun c ao de transferencia e contribui c oes dos elementos das serie de Fourier da
entrada e da sada do circuito RC.
Propriedade 7.20
Derivada
F
S
{x(t)}
T
= {c
k
}

0
F
S
_
d
dt
x(t)
_
T
= {jk
0
c
k
}

0
Prova: usando a propriedade (integra c ao por partes)
_
udv = uv
_
vdu
tem-se que os coecientes da serie de Fourier da derivada s ao dados por
1
T
_
T
_
d
dt
x(t)
_
exp(jk
0
t)dt =
1
T
_
T
exp(jk
0
t)dx(t) =
=
1
T
x(t) exp(jk
0
t)

T
0

1
T
_
T
x(t)(jk
0
) exp(jk
0
t)dt = jk
0
c
k

Bonatti, Lopes & Peres


124 Captulo 7. Serie de Fourier de Sinais Contnuos
Propriedade 7.21
Integral
F
S
{x(t)}
T
= {c
k
}

0
e c
0
= 0 F
S
_
_
t

x()d
_
T
=
_
1
jk
0
c
k
_

0
pois
F
S
_
x(t) =
d
dt
y(t)
_
T
= {c
k
}

0
= {jk
0
d
k
}

0
F
S
_
y(t) =
_
t

x()d
_
T
= {d
k
}

0
=
_
c
k
jk
0
_

0
Observe que, se o valor medio de x(t) for diferente de zero, y(t) diverge e nao e um sinal periodico.

Exemplo 7.18
Os coecientes da serie de Fourier da onda quadrada mostrada na Figura 7.2 foram calculados pela
deni c ao.
Alternativamente, a propriedade da integral pode ser utilizada para o c alculo. Note que a onda por
ser descrita como
x(t) =
+

k=
p(t kT)
p(t) = u(t +T/2) + 2u(t +T/4) 2u(t T/4) +u(t T/2)
Derivando x(t), obtem-se um sinal peri odico impulsivo, dado por
y(t) =
+

k=
q(t kT)
q(t) = (t +T/2) + 2(t +T/4) 2(t T/4) +(t T/2)
Os coecentes da serie de Fourier de y(t) s ao dados por
d
k
=
1
T
_
T
q(t) exp(jk
0
t)dt =
1
T
_
exp(jk
0
T/2)
+2 exp(jk
0
T/4) 2 exp(jk
0
T/4) + exp(jk
0
T/2)
_
d
k
=
1
T
_
exp(jk) + 2 exp(jk/2) 2 exp(jk/2) + exp(jk)
_
=
1
T
4jsen(k/2)
Portanto,
c
k
=
d
k
jk
0
=
2
k
sen(k/2)
P
Bonatti, Lopes & Peres
125
Exemplo 7.19
Considere os sinais
x(t) =
+

k=
p(t kT)
p(t) = u(t +T/2) + 2u(t +T/4) 2u(t T/4) +u(t T/2)
y(t) =
+

k=
q(t kT) , q(t) = I
p
(t) =
_
t

p()d
a) Esboce os sinais p(t), x(t), q(t) e y(t);
b) Determine os coecientes da serie exponencial de Fourier de y(t)
P
Resumo
Sinais peri odicos podem ser representados pela serie de Fourier
x(t) =
+

k=
c
k
exp(jk
0
t) c
k
=
1
T
_
T
x(t) exp(jk
0
t)dt
Sistemas lineares invariantes no tempo s ao caracterizados por sua resposta ao impulso h(t)
Os sinais exp(st) s ao auto-fun c oes dos sistemas lineares invariantes no tempo.
Portanto, a serie de Fourier da sada de um sistema linear invariante no tempo e igual a
y(t) =
+

k=
c
k
H(s)

s=jk
0
exp(jk
0
t)
com
H(s) =
_
+

h(t) exp(st)dt
igual `a transformada de Laplace da resposta ao impulso do sistema.
Bonatti, Lopes & Peres
Captulo 8
Transformada de Fourier de Sinais
Contnuos
A serie de Fourier e adequada para a descri c ao de um sinal em um intervalo de tempo T, ou para
sinais peri odicos de perodo T.
x(t) =
+

k=
c
k
exp(jk
0
t) , |t| <
T
2
e
0
=
2
T
; c
k
=
1
T
_
+T/2
T/2
x(t) exp(jk
0
t)dt
A transformada de Fourier descreve apropriadamente sinais peri odicos ou nao periodicos (pulsos),
como ilustrado na Figura 8.1.
x(t)
t
T
Figura 8.1: Sinal x(t) descrito em um intervalo (T/2, T/2).
Retomando a expressao para a serie exponencial de Fourier, com = 2/T e X
k
= Tc
k
, tem-se
x(t) =
1
T
+

k=
X
k
exp(jkt) ; | t |< T/2 , X
k
=
_
+T/2
T/2
x(t) exp(jkt)dt
Denindo a fun c ao X(), tal que X(k) = X
k
, tem-se
x(t) =
1
2
+

k=
X(k) exp(jkt) , X(k) =
_
+T/2
T/2
x(t) exp(jkt)dt
Fazendo T + 0, tem-se
126
127
x(t) =
1
2
_
+

X() exp(jt)d , X() =


_
+

x(t) exp(jt)dt
Deni cao: Transformada de Fourier
X() = F{x(t)} =
_
+

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

X() exp(jt)d
Propriedade 8.1
Condi c oes Sucientes para a Existencia da Transformada de Fourier
As condi c oes sucientes s ao as mesmas que as da serie de Fourier, estendidas para o intervalo innito
de integra c ao. Por exemplo, sinais de energia (isto e, sinais quadraticamente integr aveis).
Entretanto, a transformada de Fourier ser a tambem aplicada para sinais cujas integrais divergem de
forma impulsiva, incluindo assim os sinais de potencia, como por exemplo sinais senoidais.

Propriedade 8.2
A transformada de Fourier e linear, ou seja
F{a
1
x
1
(t) +a
2
x
2
(t)} = a
1
F{x
1
(t)} +a
2
F{x
2
(t)}

Propriedade 8.3
Valor na origem
F{x(t)} = X() X(0) =
_
+

x(t)dt , x(0) =
1
2
_
+

X()d
Observa c ao: se as fun c oes forem descontnuas em 0, as integrais produzem o valor medio.

Exemplo 8.1
Exponencial Complexa
A transformada de Fourier de
x(t) = exp(at)u(t) , Re(a) > 0
e dada por
Bonatti, Lopes & Peres
128 Captulo 8. Transformada de Fourier de Sinais Contnuos
F
_
exp(at)u(t)
_
=
1
j +a
pois
X() =
_
+

exp(at)u(t) exp(jt)dt =
_
+
0
exp
_
(j +a)t
_
dt =
=
1
j +a
exp
_
(j +a)t
_

+
0
Note que
L{exp(at)u(t)} =
1
s +a
, Re(s +a) > 0
ou seja, a transformada de Fourier tem a mesma forma da transformada de Laplace, trocando-se
s por j. Note ainda que, se Re(a) < 0, a transformada de Fourier n ao existe. Entretanto, a
transformada de Laplace existe com um domnio que n ao contem s = j
Note que (Propriedade 8.3)
X(0) =
_
+

x(t)dt =
_
+

exp(at)u(t)dt =
1
a
exp(at)

+
0
=
1
a
P
Propriedade 8.4
Para x(t) real, o m odulo de X() e uma fun c ao par e a fase e mpar, ou seja
| X() |=| X() |
X() = X()
_
_
_
X() = X

()
Prova:
X() =
_
+

x(t) exp(jt)dt = A() jB()


com
A() =
_
+

x(t) cos(t)dt (par) , B() =


_
+

x(t)sen(t)dt (mpar)
| X() |=
_
A
2
() +B
2
() =
_
A
2
() +B
2
() =| X() | (par)
X() = arctan
B()
A()
= arctan
B()
A()
= arctan
B()
A()
= X() (mpar)

Bonatti, Lopes & Peres


129
Exemplo 8.2
Exponencial Real
A transformada de Fourier de
x(t) = exp(at)u(t) , a > 0 a real
e dada por
F{exp(at)u(t)} =
1
j +a
=
1
_
(
2
+a
2
)
exp
_
j arctan(/a)
_
conrmando a Propriedade 8.4 (sinais reais tem m odulo par e fase mpar).
Note que x(t) = exp(at)u(t) e descontnua em t = 0 e o valor da transformada inversa em t = 0
e x(0) = 0.5 (valor medio na descontinuidade), pois
2x(0) =
_
+

1
j +a
d =
_
+
0
_
1
j +a
+
1
j +a
_
d =
_
+
0
2a

2
+a
2
d =
=
2
a
_
+
0
1
(/a)
2
+ 1
d = 2
_
+
0
1

2
+ 1
d = 2
_
+/2
0
d =
= tan()
d tan()
tan
2
() + 1
= d
P
Teorema 8.1
Parseval
Se x(t) e um sinal de energia, entao
_
+

| x(t)|
2
dt =
1
2
_
+

| X()|
2
d Energia
Prova:
2
_
+

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

x(t)x

(t)dt =
_
+

x(t)
_
+

() exp(jt)d
. .
2x

(t)
dt
=
_
+

()
_
+

x(t) exp(jt)dt
. .
X()
d =
_
+

()X()d =
_
+

| X()|
2
d
y
Deni cao: Densidade Espectral de Energia
A densidade espectral de um sinal de energia x(t) cuja transformada e X() = F{x(t)} e dada por
1
2
| X()|
2
Bonatti, Lopes & Peres
130 Captulo 8. Transformada de Fourier de Sinais Contnuos
Exemplo 8.3
Retomando o Exemplo 8.2, ilustrado na Figura 8.2 para a = 1, tem-se que x(t) e um sinal de
energia, pois
Energia =
_
+

|x(t)|
2
dt =
_
+

exp(2at)u(t)dt =
1
2a
exp(2at)

0
=
1
2a
-4 -2 0 2 4
-0.5
0
0.5
1
1.5
t
Figura 8.2: x(t) = exp(t)u(t).
A densidade espectral de energia e dada por
1
2
| X() |
2
=
1
2
_
1
a
2
+
2
_
ilustrada na Figura 8.3 para a = 1.
-10 -5 0 5 10
0
0.2
0.4
0.6
0.8
1
1.2

Figura 8.3: Densidade espectral de energia de x(t) = exp(t)u(t).


O Teorema de Parseval e vericado, pois
Energia =
1
2
_
+

_
1
a
2
+
2
_
d =
1
2a
arctan
_

a
_

=
1
2a
_

2

_

2
__
=
1
2a
Bonatti, Lopes & Peres
131
Uma avalia c ao da distribui c ao da area sob a curva da Figura 8.3 pode ser obtida a partir do ndice
I
k
=
area de k a +k
area total
I
5
= 0.87, I
10
= 0.94, I
40
= 0.98
P
Deni cao: Correla cao
A fun c ao denida pela integral
r
xy
() =
_
+

x(t)y

(t )dt =
_
+

x(t +)y

(t)dt , R
e chamada de correla c ao cruzada entre os sinais x(t) e y(t), e a fun c ao r
x
() = r
xx
() e denominada
de auto-correla c ao de x(t).
Note que a correla c ao r
xy
(0) e o numerador do coeciente de proje c ao do sinal x(t) no sinal y(t) dado
por
< x(t)y

(t) >
< |y(t)|
2
>
Propriedade 8.5
Correla cao
r
xy
() = x() y

()
r
xy
() = r

yx
()
pois
r
yx
() =
_
+

y(t)x

(t +)dt =
_
+

y(t )x

(t)dt
Portanto, para x(t) real, a fun c ao de auto-correla c ao e par
r
x
() = r
x
()
2r
x
(0) > |r
x
() +r
x
()| , = 0
pois
_
_
x(t) x(t )
__
x(t) x(t )
_

_
0
2r
x
(0)
_
r
x
() +r
x
()
_
> 0 2r
x
(0) > |r
x
() +r
x
()|
Para sinais reais,
r
x
(0) > |r
x
()| , = 0
Bonatti, Lopes & Peres
132 Captulo 8. Transformada de Fourier de Sinais Contnuos
F{r
xy
()} = F{x() y

()} = X()Y

()
pois F{x

(t)} = X

().
A transformada de Fourier da auto-correla c ao r
x
() e igual `a densidade espectral de x(t) (mul-
tiplicada por 2)
F{r
x
()} = |X()|
2

Propriedade 8.6
Reversao no Tempo
F{x(t)} = X()
pois
F{x(t)} =
_
+

x(t) exp(jt)dt =
_

+
x() exp(j)d
=
_
+

x() exp
_
j()
_
d =
_
+

x(t) exp
_
j()t
_
dt = X()

Exemplo 8.4
F{exp(at)u(t)} =
1
j +a
; Re(a) > 0 F{exp(at)u(t)} =
1
j +a
; Re(a) > 0
A Figura 8.4 mostra o sinal x(t) = exp(t)u(t).
A densidade espectral de energia e dada por
1
2
| X() |
2
=
1
2
_
1
a
2
+
2
_
que e tambem a densidade espectral de x(t) = exp(t)u(t), mostrada na Figura 8.3.
P
Propriedade 8.7
x(t) real e par
A transformada de Fourier de um sinal real e par x(t) e um sinal X() real e par, pois
_
+

x(t) exp(jt)dt =
_
+

x(t) cos(t)dt j
_
+

x(t)sen(t)dt
. .
= 0

Bonatti, Lopes & Peres


133
-4 -2 0 2 4
-0.5
0
0.5
1
1.5
t
Figura 8.4: x(t) = exp(t)u(t).
Exemplo 8.5
Considere o sinal x(t) dado por
x(t) = exp(a | t |) = exp(at)u(t) + exp(at)u(t) , a > 0
mostrado na Figura 8.5 para a = 1, cuja transformada de Fourier e
X() =
1
j +a
+
1
j +a
=
2a

2
+a
2
-4 -2 0 2 4
-0.5
0
0.5
1
1.5
t
Figura 8.5: x(t) = exp( | t |).
Note que X() e uma fun c ao real e par, pois x(t) e real e par.
A densidade espectral de energia, mostrada na Figura 8.6 para a = 1, e
1
2
| X()|
2
=
1
2
| 2a/(a
2
+
2
)|
2
Bonatti, Lopes & Peres
134 Captulo 8. Transformada de Fourier de Sinais Contnuos
-10 -5 0 5 10
-1
0
1
2
3
4
5

Figura 8.6: Espectro de energia do sinal x(t) = exp( | t |).


Observe que a densidade espectral cai com
4
, enquanto que nos exemplos 8.2 e 8.4 o decaimento
ocorre com
2
. Esse comportamento em freq uencia est a relacionado `a presen ca ou n ao de descon-
tinuidades nos sinais.
O espalhamento em freq uencia do espectro pode ser avaliado pelondice I
k
denido no Exemplo 8.2,
resultando neste caso em
I
5
= 0.99 ; I
10
= 1.00
conrmando que a energia est a mais concentrada do que nos caso dos sinais com descontinuidade.
A integral de x(t) e 2/a, o que e conrmado pelo valor de
X(0) =
_
+

x(t)dt =
2
a
e a integral de X() e igual a 2, o que e conrmado por
x(0) =
1
2
_
+

X()d = 1
P
Propriedade 8.8
Simetria
F{x(t)} = X() F{X(t)} = 2x()
pois
x(t) =
1
2
_
+

X() exp(jt)d 2x(t) =


_
+

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

X() exp(j)d 2x() =


_
+

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

Bonatti, Lopes & Peres


135
Exemplo 8.6
A transformada de Fourier de
x(t) =
1
1 +t
2
e dada por
X() = exp(||)
pois, pela Propriedade 8.8 (simetria), tem-se
F
_
1
2
exp(|t|)
_
=
1
1 +
2
F
_
1
1 +t
2
_
= exp(||)
Note que x(t) e X() s ao ambas fun c oes reais e pares
P
Exemplo 8.7
A transformada de Fourier da fun c ao gate
x(t) = G
T
(t) = u(t +T/2) u(t T/2)
mostrada na Figura 8.7, e dada por
F{G
T
(t)} = TSa(T/2) , Sa(T/2) =
sen(T/2)
T/2
G
T
(t)

T
2
T
2
t
1
Figura 8.7: Fun c ao gate G
T
(t).
pois
F{G
T
(t)} =
_
+

G
T
(t) exp(jt)dt =
_
+T/2
T/2
exp(jt)dt =
=
1
j
exp(jt)

+T/2
T/2
= T
_
sen(T/2)
T/2
_
= TSa(T/2)
Note que o primeiro cruzamento de Sa(/2) com o eixo das abscissas ocorre em 2/T. Portanto,
quanto mais estreito for o pulso no tempo, mais espalhado ser a seu espectro em e vice-versa.
A fun c ao Sa(/2) e mostrada na Figura 8.8, e a densidade espectral de energia (multiplicada por
2) e mostrada na Figura 8.9.
Bonatti, Lopes & Peres
136 Captulo 8. Transformada de Fourier de Sinais Contnuos
-30 -20 -10 0 10 20 30
-0.5
0
0.5
1
1.5

Figura 8.8: Fun c ao Sa(/2) (sampling).


-20 -15 -10 -5 0 5 10 15 20
-0.2
0
0.2
0.4
0.6
0.8
1
1.2

Figura 8.9: | X()|


2
= Sa
2
(/2).
Note que os ndices de espalhamento em freq uencia do espectro, neste caso, dados por
I
2
= 0.90 ; I
4
= 0.95 ; I
8
= 0.97
s ao similares aos do sinal do Exemplo 8.2, que tambem possui descontinuidade.
P
Exemplo 8.8
F{Sa(
0
t/2)} =
2

0
G

0
()
pois
F
_
1

(t)
_
= Sa(/2)
Bonatti, Lopes & Peres
137
e, pela Propriedade 8.8 (simetria),
F{Sa(t/2)} =
2

()
Note que a transformada de Fourier da fun c ao sampling, que n ao e limitada no tempo, e uma fun c ao
gate, ou seja, e limitada em freq uencia.
P
Propriedade 8.9
Transformada de Fourier da fun cao impulso (t)
F{(t)} =
_
+

(t) exp(jt)dt = 1
Observe que (t) nao e um sinal de energia e portanto o Teorema de Parseval nao se aplica.
Note tambem que a fun c ao impulso poderia ser calculada como a transformada inversa de 1, ou seja
(t) = F
1
{1} =
1
2
_
+

exp(jt)d

Deni cao: Sinais de Potencia


Um sinal x(t) e de potencia nita se
lim
T+
1
T
_
+T/2
T/2
|x(t)|
2
dt < +
Por exemplo, x
1
(t) = sen(t) e um sinal de potencia, e o sinal x(t) = G
2
(t) e um sinal de energia, pois
_
+

|x(t)|
2
dt =
_
1
1
dt = 2 < +
Exemplo 8.9
A transformada de Fourier do sinal
x(t) = 1
e dada por
F{1} = 2() = 2()
pela Propriedade 8.8 (simetria).
P
Exemplo 8.10
A transformada de Fourier de
sinal(t) =
_
_
_
+1 , t > 0
1 , t < 0
Bonatti, Lopes & Peres
138 Captulo 8. Transformada de Fourier de Sinais Contnuos
e dada por
F{sinal(t)} =
2
j
pois, escrevendo a fun c ao sinal(t) na forma
sinal(t) = lim
a0
+
_
exp(at)u(t) exp(at)u(t)
_
tem-se
F{sinal(t)} = lim
a0
+
_
1
a +j

1
a j
_
=
2
j
Note que a fun c ao sinal(t) possui a mesma potencia media que a fun c ao x(t) = 1, mas as transfor-
madas de Fourier s ao distintas, assim como os valores medios, 0 e 1, respectivamente.
A fun c ao sinal(t) pode ser interpretada como uma invers ao de polaridade numa alimenta c ao em
corrente contnua (acionamento de uma chave).
A transformada de Fourier da fun c ao sinal(t) ilustra o rudo (clic) que se ouve nos r adios a pilha
quando um interruptor da rede eletrica, proximo do r adio, e acionado.
P
Exemplo 8.11
A transformada de Fourier da fun c ao
x(t) = u(t)
e dada por
F{u(t)} = F
_
1
2
+
1
2
sinal(t)
_
= () +
1
j
P
Propriedade 8.10
Deslocamento no Tempo
F{x(t )} = X() exp(j)
pois
F{x(t )} =
_
+

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

x() exp(j) exp(j)d = exp(j)


_
+

x() exp(j)d
. .
X()

Exemplo 8.12
F{(t )} = exp(j)
P
Bonatti, Lopes & Peres
139
Propriedade 8.11
Deslocamento em Freq uencia
F{x(t) exp(j
0
t)} = X(
0
)
pois
F{x(t) exp(j
0
t)} =
_
+

x(t) exp(j
0
t)exp(jt)dt =
=
_
+

x(t) exp
_
j(
0
)t
_
dt = X(
0
)

Exemplo 8.13
F{exp(j
0
t)} = 2(
0
)
pois, aplicando-se a Propriedade 8.11 (deslocamento em freq uencia) para x(t) = 1, tem-se
F{1} = 2() F{exp(j
0
t)} = 2(
0
)
P
Exemplo 8.14
F{exp(j
0
t)} = 2( +
0
)
P
Exemplo 8.15
F{cos(
0
t)} = F
_
1
2
exp(j
0
t) +
1
2
exp(j
0
t)
_
= (
0
) +( +
0
)
P
Exemplo 8.16
F{sen(
0
t)} = F
_
1
2j
exp(j
0
t)
1
2j
exp(j
0
t)
_
=

j
(
0
)

j
( +
0
)
P
Propriedade 8.12
Transformada de Fourier de Sinal Peri odico
Considere o sinal peri odico
Bonatti, Lopes & Peres
140 Captulo 8. Transformada de Fourier de Sinais Contnuos
x(t) =
1
T
+

k=
X
k
exp(jk
0
t) , X
k
=
_
+T/2
T/2
x(t) exp(jk
0
t)dt
A transformada de Fourier de x(t) e dada pelo trem de impulsos modulado
X() =
0
+

k=
X
k
( k
0
) ,
0
=
2
T
pois
X() = F{x(t)} =
1
T
+

k=
X
k
F{exp(jk
0
t)} =
2
T
+

k=
X
k
( k
0
)

Exemplo 8.17
F
_
+

k=
(t kT)
_
=
0
+

k=
( k
0
)
P
Propriedade 8.13
Transformada de Fourier da Convolu cao
F
_
x(t) y(t)
_
= F
_
x(t)
_
F
_
y(t)
_
= X()Y ()
pois
F
_
x(t) y(t)
_
= F
_
_
+

x(t )y()d
_
=
_
+

y()
__
+

x(t )exp(jt)dt
_
. .
X() exp(j)
d
F
_
x(t) y(t)
_
= X()
_
+

y() exp(j)d = X()Y ()

Exemplo 8.18
A transformada de Fourier do sinal
Tri
2T
(t) = (t/T + 1)G
T
(t +T/2) + (1 t/T)G
T
(t T/2) =
1
T
G
T
(t) G
T
(t)
e dada por
F{Tri
2T
(t)} =
1
T
_
TSa
_
T
2
_
_
2
= TSa
2
_
T
2
_
P
Bonatti, Lopes & Peres
141
Exemplo 8.19
A transformada de Fourier do sinal Sa
2
_

0
t
2
_
e dada por (usando a Propriedade 8.8, de simetria)
F
_
Sa
2
_

0
t
2
__
=
2

0
Tri
2
0
() =
2

0
Tri
2
0
()
P
Propriedade 8.14
Transformada da Integral
F
_
I
x
(t) =
_
t

x()d
_
= F{x(t) u(t)} = X()
_
() +
1
j
_
Se X(0) = 0, isto e, se
_
+

x(t)dt = 0
entao
F
_
I
x
(t) =
_
t

x()d
_
=
1
j
X()

Exemplo 8.20
A transformada de Fourier do sinal x(t) = Tri
2
(t) mostrado na Figura 8.10 pode ser obtida a partir
das suas derivadas sucessivas.
1
1
1
x(t)
t
Figura 8.10: Sinal x(t) = Tri
2
(t).
A Figura 8.11 mostra o sinal x(t) derivado duas vezes. Observe que as areas sob as fun c oes x(t) e
x(t) s ao nulas.
A transformada de Fourier da derivada segunda e
F
_
d
2
x(t)
dt
2
_
= F{(t + 1) 2(t) +(t 1)} = exp(+j) 2 + exp(j)
F
_
d
2
x(t)
dt
2
_
= 2
_
1 cos()
_
= 4sen
2
_

2
_
Bonatti, Lopes & Peres
142 Captulo 8. Transformada de Fourier de Sinais Contnuos
1
1
1
1
1
1
1
1
dx
dt
t
t
2
d
2
x
dt
2
Figura 8.11: Derivadas do sinal x(t) = Tri
2
(t).
Como a derivada segunda de x(t) tem media nula, tem-se
F
_
d
dt
x(t)
_
=
1
(j)
_
4sen
2
_

2
__
Como a derivada primeira de x(t) tem media nula, tem-se
F{x(t)} = X() =
4
(j)(j)
sen
2
_

2
_
=
sen
2
_

2
_
_

2
_
2
= Sa
2
_

2
_
P
Propriedade 8.15
Transformada da Derivada
F
_
d
dt
x(t)
_
= (j)X()
pois
x(t) =
1
2
_
+

X()exp(jt)d
d
dt
x(t) =
1
2
_
+

X()
d
dt
exp(jt)d =
1
2
_
+

(j)X()exp(jt)d

Bonatti, Lopes & Peres


143
Propriedade 8.16
Transformada de Fourier do Produto
F{x(t)y(t)} =
1
2
F{x(t)} F{y(t)} =
1
2
X() Y ()
pois
F{x(t)y(t)} =
_
+

x(t)y(t)exp(jt)dt =
_
+

x(t)
_
1
2
_
+

Y () exp(jt)d
_
exp(jt)dt
=
1
2
_
+

Y ()
_
_
+

x(t) exp(jt( )dt


_
. .
X( )
d =
1
2
_
+

Y ()X( )d

Exemplo 8.21
Modula cao
F{x(t) cos(
0
t)} =
1
2
X()
_
(
0
) +( +
0
)
_
=
1
2
X(
0
) +
1
2
X( +
0
)
P
Exemplo 8.22
Recupera cao de um sinal modulado
Considere o sinal
y(t) = x(t) cos(
0
t)
com X() = 0 para || > 2B e 2B <
0
, B real positivo.
O sinal resultante da passagem de 2y(t) cos(
0
t) por um ltro passa-baixas ideal de freq uencia de
corte B e x(t), pois
2x(t) cos(
0
t) cos(
0
t) = x(t)
_
1 + cos(2
0
t)
_
O ltro rejeita a parcela que est a centrada em 2
0
, cando apenas o espectro de x(t).
P
Propriedade 8.17
Serie de Fourier a partir da Transformada de Fourier
Considere o sinal peri odico
x(t) =
+

k=
p(t kT) , p(t) = 0 para |t| > T/2
Bonatti, Lopes & Peres
144 Captulo 8. Transformada de Fourier de Sinais Contnuos
Usando-se serie exponencial de Fourier, x(t) pode ser escrito como
x(t) =
+

k=
c
k
exp(jk
0
t) ; c
k
=
1
T
_
T/2
T/2
x(t) exp(jk
0
t)dt
Como x(t) = p(t) para |t| < T/2, tem-se
P(k
0
) =
_
+

p(t) exp(jk
0
t)dt = Tc
k
; P() = F{p(t)}
Os coecientes da serie trigonometrica podem ser obtidos a partir de c
k
= P(k
0
)/T
x(t) = a
0
+
+

k=1
_
a
k
cos(k
0
t) +b
k
sen(k
0
t)
_
com valor medio dado por
a
0
= c
0
=
1
T
_
+T/2
T/2
x(t)dt =
1
T
P(0)
Os coecientes dos termos em cosseno s ao dados por
a
k
=
_
c
k
+c
k
_
=
2
T
_
+T/2
T/2
x(t) cos(k
0
t)dt
a
k
=
1
T
(P(k
0
) +P(k
0
)) =
2
T
Re {P(k
0
)}
Os coecientes dos termos em seno s ao dados por
b
k
= j
_
c
k
c
k
_
=
2
T
_
+T/2
T/2
x(t)sen(k
0
t)dt
b
k
=
j
T
_
P(k
0
) P(k
0
)
_
=
2
T
Im {P(k
0
)}

Exemplo 8.23
Considere o sinal
x(t) =
+

k=
p(t kT) , p(t) = Tri
T
(t)
P() = F{Tri
T
(t)} = F
_
2
T
G
T/2
(t) G
T/2
(t)
_
=
T
2
Sa
2
_
T
4
_
Para T = 2, tem-se
P() = Sa
2
_

2
_
Bonatti, Lopes & Peres
145
P(k
0
) = Sa
2
_
k
2
_
=
_

_
1 , k = 0
0 , k = 0 par
_
2
k
_
2
, k mpar
a
0
=
1
T
P(0) =
1
2
; a
k
=
4
k
2

2
, k mpar ; a
k
= 0 , k par ; b
k
= 0 pois P() e real
P
Bonatti, Lopes & Peres
Captulo 9
Amostragem de Sinais Contnuos
Teorema 9.1
Amostragem
Um sinal, limitado em freq uencia, pode ser representado com erro nulo por amostras igualmente
espa cadas de intervalo T < (2B)
1
, sendo B a m axima freq uencia da transformada de Fourier do
sinal.
y
Antes da demonstra c ao do teorema, alguns resultados preliminares s ao necessarios.
Propriedade 9.1
As fun c oes sampling s ao ortogonais.
Prova:
Considere as fun c oes sampling
k
(t) dadas por

k
(t) = Sa
_

0
2
(t kT)
_
, com
0
=
2
T
mostradas na Figura 9.1.
Como as fun c oes
k
(t) s ao reais, o produto escalar e dado por
I
k
=
_
+

k
(t)

(t)dt , k e inteiros
I
k
= F{
k
(t)

(t)}

= 0
=
1
2
F{
k
(t)} F{

(t)}

= 0
Note que
X() Y ()

= 0
=
_
+

X()Y ()d ,
k
() = F{
k
(t)} = TG

0
() exp(jkT)
pois
F
_
Sa
_

0
2
t
__
=
2

0
G

0
()
Portanto,
I
k
=
1
2
_
+

TG

0
() exp(jkT)
. .

k
()
TG

0
() exp(jT)
. .

()
d =
146
147
!l
-4 -2 0 2 4
-0.5
0
0.5
1
1.5
t/T
k = 3 k = 1 k = 1 k = 3
Figura 9.1: Fun c oes sampling Sa
_

0
(t kT)/2
_
para k = 3, 1, 1, 3.
=
1
2
T
2
_
+
0
/2

0
/2
exp
_
j(k )T
_
d
I
k
=
_
T ; k =
0 ; k =
Observe que as fun c oes
k
(t) s ao ortogonais e de mesma norma.

Teorema 9.2
Amostragem
Se x(t) e tal que
F{x(t)} = X() , X() = 0 , || > 2B e 0 < T <
1
2B
entao
x(t) =
+

k=
x(kT)Sa
_

0
2
(t kT)
_
,
0
=
2
T
Prova:
Considere a proje c ao de x(t) na base formada pelas fun c oes sampling
x(t) =
+

k=

k
(t) ;
k
(t) = Sa
_

0
2
(t kT)
_
, com
0
=
2
T
Como as fun c oes
k
(t) s ao ortogonais, os coecientes
k
s ao dados por
Bonatti, Lopes & Peres
148 Captulo 9. Amostragem de Sinais Contnuos

k
=
< x(t)
k
(t) >
<
2
k
(t) >
=
1
T
_
+

x(t)
k
(t)dt

k
=
1
T
1
2
X() F{
k
(t)}

= 0
=
1
T
1
2
_
+

X()TG

0
() exp(jkT)d

k
=
1
2
_
+
0
/2

0
/2
X() exp(jkT)d
Note que se X() = 0 para | | > 2B (limitado em freq uencia) e, supondo-se que o intervalo de
amostras e tal que
2B <

0
2
=

T
T <
1
2B
os limites de integra c ao podem ser estendidos para e +

k
=
1
2
_
+

X() exp(jkT)d = x(kT)


e, portanto,
x(t) =
+

k=
x(kT)Sa
_

0
2
(t kT)
_
Observe que
k
= x(kT), ou seja, os coecientes da expans ao em serie s ao os valores das amostras de
x(t) nos instantes kT, desde que x(t) tenha transformada limitada em freq uencia.
y
Exemplo 9.1
Considere o sinal x(t) = 1, limitado em freq uencia para qualquer B > 0.
Se o intervalo de amostragem for T = 1, ou seja,
0
= 2, as fun c oes Sa(t k) formam uma base
para qualquer sinal de faixa B < 0.5.
A Figura 9.2 mostra a aproxima c ao de x(t) por um n umero limitado de amostras, isto e, uma
e tres amostras, e a Figura 9.3 para cinco e sete amostras. Note que o intervalo de validade da
aproxima c ao aumenta (e que o erro dentro desse intervalo diminui) com o n umero de amostras.
P
Exemplo 9.2
Considere o sinal
x(t) = sen
_

2
t
_
com freq uencia
max
= 2B = 0.5 e portanto B = 0.25. Amostrando o sinal com intervalo de
amostragem T = 1, tem-se as amostras
sen
_
k

2
_
, k = 0, 1, 2, . . .
A Figura 9.4 mostra a aproxima c ao de x(t) por duas e quatro amostras e a Figura 9.5 mostra o
sinal e a aproxima c ao com seis termos.
P
Bonatti, Lopes & Peres
149
-10 -5 0 5 10
-0.5
0
0.5
1
1.5
-10 -5 0 5 10
-0.5
0
0.5
1
1.5
Figura 9.2: Sinal x(t) = 1 aproximado por um (acima) e tres (abaixo) termos de Sa
_
(t kT)
_
.
-10 -5 0 5 10
-0.5
0
0.5
1
1.5
-10 -5 0 5 10
-0.5
0
0.5
1
1.5
Figura 9.3: Sinal x(t) = 1 aproximado por cinco (acima) e sete (abaixo) termos de Sa
_
(t kT)
_
.
Teorema 9.3
Amostragem
Considere um sinal x(t) limitado em freq uencia, isto e
F{x(t)} = X() , X() = 0 , || > 2B e 0 < T <
1
2B
Entao, x(t) pode ser recuperado a partir do sinal x
a
(t) dado por
x
a
(t) =
+

k=
x(kT)(t kT)
por meio de um ltro linear passa-baixas ideal de faixa
0
dado por
Bonatti, Lopes & Peres
150 Captulo 9. Amostragem de Sinais Contnuos
-4 -2 0 2 4
-1
0
1
-4 -2 0 2 4
-1
0
1
Figura 9.4: Sinal sen(0.5t) aproximado por duas (acima) e quatro (abaixo) amostras.
-4 -2 0 2 4
-1
0
1
-4 -2 0 2 4
-1
0
1
Figura 9.5: Sinal sen(0.5t) (abaixo) e sua aproxima c ao por seis amostras (acima).
H(j) = TG

0
()
Prova:
O sinal x
a
(t) pode ser escrito como
x
a
(t) = x(t)
+

k=
(t kT)
chamado de amostragem ideal, resultando em X
a
() dado por
X
a
() = F{x
a
(t)} =
1
2
X() F
_
+

k=
(t kT)
_
=
Bonatti, Lopes & Peres
151
=
1
2
X()
2
T
+

k=
( k
0
) =
1
T
+

k=
X( k
0
)
A fun c ao X
a
() e mostrada na Figura 9.6 para
0
/2 > 2B (acima) e para
0
/2 < 2B (abaixo).
Note que se
0
/2 for menor do que a m axima freq uencia angular 2B da transformada de Fourier do
sinal x(t), ha superposi c ao (aliasing) dos espectros em X
a
().
X()
X
a
()

0
Figura 9.6: Fun c ao X
a
() para
0
/2 > 2B (acima) e para
0
/2 < 2B (abaixo).
Para X() limitado em freq uencia e
0
adequado (
0
/2 > 2B), o sinal x(t) pode ser recuperado
pela ltragem de X
a
(), isto e, multiplicando a expressao de X
a
() de ambos os lados por TG

0
(),
tem-se
X() = X
a
()TG

0
()
A correspondente expressao temporal e dada por
x(t) = x
a
(t) F
1
{TG

0
()} =
_
x(t)
+

k=
(t kT)
_
Sa
_

0
2
t
_
resultando em
x(t) =
+

k=
x(kT)Sa
_

0
2
(t kT)
_
Observe que, calculando x(t) nos pontos t = mT, m Z, tem-se
x(mT) =
+

k=
x(kT)Sa
_

0
2
(mk)T
_
; Sa
_

0
2
(mk)T
_
=
_
0 , m = k
1 , m = k
e portanto a contribui c ao das demais amostras no instante t = mT e sempre nula, pois trata-se de
uma interpola c ao.
y
Bonatti, Lopes & Peres
152 Captulo 9. Amostragem de Sinais Contnuos
Exemplo 9.3
Interpola cao Linear
Considere um conjunto de pontos x(kT) e a fun c ao sampling aproximada
Saa(

0
2
t) = Tri
2T
(t) ,
0
=
2
T
mostrada na Figura 9.7, junto com a fun c ao sampling, para T = 1.
-4 -2 0 2 4
-0.5
0
0.5
1
1.5
t
Figura 9.7: Sa(t) (tracejada) e Tri
2
(t) (contnua).
A interpola c ao
x
Tri
(t) =

k
x(kT)Saa
_

0
2
(t kT)
_
resulta na soma de segmentos de retas e requer um c alculo bem mais simples do que a interpola c ao
baseada no Teorema da amostragem, dada por
x
Sa
(t) =

k
x(kT)Sa
_

0
2
(t kT)
_
Observe que x
Tri
(t) corresponde `a uni ao dos pontos x(kT) por segmentos de reta (interpola c ao
linear).
A Figura 9.8 mostra a interpola c ao linear e a Figura 9.9 mostra a interpola c ao construda com
fun c oes sampling a partir das amostras com T = 0.25 da fun c ao
x(t) = sen(t) + sen(t) + sen(2t)
cuja m axima freq uencia e B = 1 Hz e, portanto, satisfazendo a condi c ao do teorema da amostragem
T < (2B)
1
. Na Figura 9.9, as maiores discrep ancias ocorrem nas bordas, devido `a n ao utiliza c ao
de amostras fora do intervalo mostrado.
P
Teorema 9.4
Amostragem
Bonatti, Lopes & Peres
153
0 0.5 1 1.5 2 2.5 3
-1
-0.5
0
0.5
1
1.5
2
2.5
3
t
Figura 9.8: sen(t) + sen(t) + sen(2t) (tracejada) e interpola c ao linear (contnua).
0 0.5 1 1.5 2 2.5 3
-1
-0.5
0
0.5
1
1.5
2
2.5
3
t
Figura 9.9: sen(t) +sen(t) +sen(2t) (tracejada) e interpola c ao com a fun c ao sampling (contnua).
Bonatti, Lopes & Peres
154 Captulo 9. Amostragem de Sinais Contnuos
Considere um sinal x(t) limitado em freq uencia, isto e
F{x(t)} = X() , X() = 0 , || > 2B e 0 < T <
1
2B
Entao, x(t) pode ser recuperado a partir do sinal x
a
(t) dado por
x
a
(t) =
+

k=
x(t)
1

(t kT) ; 0 < < T


por meio de um ltro linear passa-baixas ideal de faixa
0
dado por
H(j) = TG

0
()
Prova:
O sinal x
a
(t) pode ser escrito como
x
a
(t) = x(t)

k
1

(t) (t kT)
resultando em
X
a
() =
1
2
X() F
_

k
1

(t) (t kT)
_
F
_

k
1

(t) (t kT)
_
= F
_
1

(t)

k
(t kT)
_
=
= Sa
_

2

_

k
( k
0
) =
0

k
Sa
_

2
k
0
_
( k
0
)
X
a
() =
1
2
X()
0

k
Sa
_

2
k
0
_
( k
0
) =
1
T
X() +
1
T

k=0
Sa
_

2
k
0
_
X( k
0
)
e portanto
X() = TG

0
()X
a
()
y
Propriedade 9.2
Amostragem por Pulsos
Considere um sinal x(t) limitado em freq uencia, isto e
F{x(t)} = X() , X() = 0 , || > 2B e 0 < T <
1
2B
Entao, x(t) pode ser recuperado a partir do sinal x
p
(t) dado por
x
p
(t) =
+

k=
x(kT)p(t kT)
Bonatti, Lopes & Peres
155
sendo p(t) um pulso com transformada de Fourier P(), por meio de um ltro linear passa-baixas de
faixa
0
dado por
H(j) =
TG

0
()
P()
Prova:
O sinal x
p
(t) pode ser escrito como
x
p
(t) =
+

k=
x(kT)p(t) (t kT) = p(t) x
a
(t)
com
x
a
(t) =
+

k=
x(kT)(t kT)
resultando em
X
p
() = P()X
a
() , X
a
() =
1
T
+

k=
X( k
0
)
Portanto,
X() =
TG

0
()
P()
X
p
()

Bonatti, Lopes & Peres


Captulo 10
Ortogonalizacao
Suponha que se quer aproximar o sinal y(t) por uma combina c ao linear de fun c oes f
k
(t)
y(t)
n

k=1

k
f
k
(t)
A dimens ao do espa co S gerado pela combina c ao linear das fun c oes f
k
(t) e n se as fun c oes f
k
(t) forem
linearmente independentes entre si, isto e, a n fun c oes f
k
(t) formam uma base de representa c ao do
espa co S.
Assim, trata-se de encontrar os valores dos coecientes
k
que minimizem o erro
(t) = y(t)
n

k=1

k
f
k
(t) = y(t)

f(t)
sendo f(t) e o vetor coluna das fun c oes do tempo f
k
(t) e R
n
o vetor coluna de coecientes
O valor quadr atico do erro pode ser calculado por

2
(t) =
_
y(t)

f(t)
__
y(t)

f(t)
_
= y
2
(t) +

f(t)f(t)

_
f(t)y(t)
_
sendo f(t)f

(t) uma matriz no R


nn
na qual cada componente e uma fun c ao do tempo resultante do
produto dois a dois das fun c oes f
k
(t) e f(t)y(t) um vetor coluna no R
n
no qual cada componente e o
produto f
k
(t)y(t).
Calculando-se a media temporal no intervalo no qual deseja-se a aproxima c ao de y(t) pela serie tem-
poral, tem-se

2
(t)
_
=

y
2
(t)
_
+

f(t)f

(t)
_
2

f(t)y(t)
_
A matriz R =

f(t)f

(t)
_
R
nn
de correla c ao temporal das fun c oes f
k
(t) e computada como R =
_
r
k

sendo r
k
o produto escalar das fun c oes f
k
(t) e f

(t), isto e,
r
k
=

f
k
(t)f

(t)
_
=
_
+

f
k
(t)f

(t)dt , k, = 1, 2, . . . , n
Observe que R f

, sendo f

a matriz de discretiza c ao das fun c oes f(t) em um dado intervalo


(a, b) com incremento temporal .
Propriedade 10.1
Se as fun c oes f
k
(t) forem linearmente independentes entre si, a matriz R ser a, por constru c ao, uma
matriz denida positiva. R e portanto nao-singular, isto e, pode ser invertida, pois
156
157
v

f(t)f

(t)
_
v =

f(t)f

(t)v
_
=

(f

(t)v)

(f

(t)v)
_
=

2
(t)
_
com (t) = f

(t)v.
Como as fun c oes f
k
(t) s ao linearmente independentes, (t) = 0 se e somente se v = 0. Portanto,
v

f(t)f

(t)
_
v > 0 , v = 0

O erro medio quadr atico pode ser escrito

2
(t)
_
=

y
2
(t)
_
+

R 2

f(t)y(t)
_
cujo valor mnimo e obtido para solu c ao de
d
d

2
(t)
_
= 0 2R 2

f(t)y(t)
_
= 0 = R
1

f(t)y(t)
_
(10.1)
Exemplo 10.1
Considere os sinais linearmente independentes f
1
(t) e f
2
(t) dados por
f
1
(t) = 2G
1
(t 0.5) , f
2
(t) = (3t + 1)G
1
(t 0.5)
mostrados na Figura 10.1.
1 0.5 0 0.5 1 1.5 2
0
1
2
3
4
5
1 0.5 0 0.5 1 1.5 2
0
1
2
3
4
5
Figura 10.1: Fun c oes f
1
(t) = 2G
1
(t 0.5) (acima) e f
2
(t) = (3t + 1)G
1
(t 0.5) (abaixo).
A matriz de correla c ao R e dada por
R =

f(t)f(t)

_
=
_
4 5
5 7
_
R
1
=
1
3
_
7 5
5 4
_
Os sinais f
1
(t) e f
2
(t) foram usados para aproximar as fun c oes x
1
(t), x
2
(t) e x
3
(t) no intervalo
[0, 1], resultando em
x
1
(t) = 2 t
_
1.1667 0.3333

f(t)
Bonatti, Lopes & Peres
158 Captulo 10. Ortogonaliza c ao
x
2
(t) = sinh(t)
_
0.2102 0.3854

f(t)
x
3
(t) = cosh(t)
_
0.3651 0.1781

f(t)
A Figura 10.2 mostra os sinais originais (pontilhados) e as aproxima c oes. Observe que x
1
(t) e
linearmente dependente de f
1
(t) e f
2
(t) e portanto o erro na aproxima c ao e nulo. Os sinais sinh(t)
e cosh(t) n ao s ao linearmente dependentes das fun c oes f
1
(t) e f
2
(t), mas puderam ser aproximados
com erro pequeno no intervalo considerado.
1 0.5 0 0.5 1 1.5 2
0
1
2
3
1 0.5 0 0.5 1 1.5 2
0.5
0
0.5
1
1.5
1 0.5 0 0.5 1 1.5 2
0
0.5
1
1.5
2
x
1
(t)
x
2
(t)
x
3
(t)
Figura 10.2: Fun c oes x
1
(t) = 2 t, x
2
(t) = sinh(t) e x
3
(t) = cosh(t).
P
Os coecientes , obtidos pela expressao (10.1), determinam a aproxima c ao com erro quadr atico
mnimo do sinal y(t) por uma combina c ao linear das fun c oes linearmente independentes f
k
(t).
Se as fun c oes f
k
(t) forem ortogonais entre si, R ser a uma matriz diagonal, resultando no c alculo
desacoplado dos coecientes
k
.
Analisa-se a seguir a proje c ao de sinais em uma base ortogonal com dois prop ositos: explicitar o
desacoplamento no c alculo dos coecientes de proje c ao e apresentar o algoritmo de ortogonaliza c ao de
Gram-Schmidt.
1
Suponha que se quer aproximar o sinal y(t) por uma combina c ao linear de fun c oes ortogonais g
k
(t).
y(t)
n

k=1
c
k
g
k
(t)
O sinal erro e dado por
(t) = y(t)
n

k=1
c
k
g
k
(t)
1
Jorgen Pedersen Gram, dinamarques (1850-1916) e Erhard Schmidt, alemao (1876-1959).
Bonatti, Lopes & Peres
159
resultando em

2
(t)
_
=

y
2
(t)
_
+
n

k=1
c
2
k

g
2
k
(t)
_
2
n

k=1
c
k

y(t)g
k
(t)
_
+
n

k=1
n

l=1
. .
k=l
c
k
c

g
k
(t)g

(t)
_
. .
= 0, ortogonais
Note que

2
(t)
_
e uma fun c ao quadr atica estritamente convexa nos coecientes c
k
e, portanto, possui
um mnimo global.

c
k

2
(t)
_
= 0 = c
k
=

y(t)g
k
(t)
_

g
2
k
(t)
_ ; k = 1, 2, . . . , n
Observe que o c alculo de cada coeciente c
k
e desacoplado do c alculo dos demais coecientes, propri-
edade que deriva diretamente da hip otese de ortogonalidade das fun c oes g
k
(t) da base.
Um subproduto importante e que o erro (t) e ortogonal a todos os elementos da base.

(t)g
k
(t)
_
=

y(t)g
k
(t)
_

=1
c

(t)g
k
(t)
_
=

y(t)g
k
(t)
_
c
k

g
2
k
(t)
_
= 0
Note que, impondo

(t)g
k
(t)
_
= 0 a priori, obtem-se diretamente os coecientes c
k
.
Discute-se, a seguir, os procedimentos para se conseguir uma base ortogonal a partir de um conjunto
dado de sinais.
Propriedade 10.2
Ortogonaliza cao de Gram-Schmidt
Para se obter uma base ortogonal, g
k
(t), a partir de um conjunto de fun c oes, f
k
(t), usa-se a propriedade:
O erro de proje c ao e sempre ortogonal aos elementos da base.
g
1
(t) = f
1
(t) ; g
k
(t) = f
k
(t)
k1

=1

f
k
(t)g

(t)
_

g
2

(t)
_ g

(t) , k = 2, . . . , n
Note que g
2
(t) e o erro da proje c ao de f
2
(t) sobre g
1
(t), g
3
(t) e o erro da proje c ao de f
3
(t) sobre g
1
(t)
e g
2
(t) e assim por diante.
A dimens ao da base ser a igual ao n umero de fun c oes linearmente independentes do conjunto f
k
(t).

Exemplo 10.2
Considere as fun c oes f
1
(t), f
2
(t) e f
3
(t) mostradas na Figura 10.3. Observe que as fun c oes s ao
linearmente independentes, mas n ao s ao ortogonais, pois

f
1
(t)f
2
(t)
_
= 0 ,

f
2
(t)f
3
(t)
_
= 0
Realizando-se a ortogonaliza c ao de Gram-Schmidt, tem-se
g
1
(t) = f
1
(t)
g
2
(t) = f
2
(t)

f
2
(t)g
1
(t)
_

g
2
1
(t)
_ g
1
(t) = f
2
(t)
1
2
g
1
(t)
Bonatti, Lopes & Peres
160 Captulo 10. Ortogonaliza c ao
f
1
(t)
f
2
(t)
f
3
(t)
t
t
t
1
1
2 3
Figura 10.3: Fun c oes f
1
(t), f
2
(t) e f
3
(t).
g
3
(t) = f
3
(t)

f
3
(t)g
1
(t)
_

g
2
1
(t)
_ g
1
(t)

f
3
(t)g
2
(t)
_

g
2
2
(t)
_ g
2
(t) = f
3

1
2
g
1
(t)
1/2
1/2
g
2
(t)
As fun c oes g
1
(t), g
2
(t) e g
3
(t), ortogonais entre si, s ao mostradas na Figura 10.4.
g
1
(t)
g
2
(t)
g
3
(t)

1
2
1
2
t
t
t
1
1
1
2 3
Figura 10.4: Fun c oes ortogonais g
1
(t), g
2
(t) e g
3
(t).
P
Exemplo 10.3
Considere o sinal x(t), cuja energia e igual a 3, mostrado na Figura 10.5. O sinal x(t) pode ser
escrito na base g
1
(t), g
2
(t) e g
3
(t), resultando nos coecientes de proje c ao dados por
Bonatti, Lopes & Peres
161

x(t)g
1
(t)
_
= 2 ,

x(t)g
2
(t)
_
= 0 ,

x(t)g
3
(t)
_
= 1
x(t)
t
1
1
1
2 3
Figura 10.5: Sinal x(t) (energia igual a 3).
Portanto,
x(t) =
2
2
g
1
(t) +
0
1/2
g
2
(t) +
1
1
g
3
(t) x(t) = g
1
(t) g
3
(t)
Observe que o Teorema de Parseval e satisfeito, pois

x
2
(t)
_
=

g
2
1
(t)
_
+

g
2
3
(t)
_
= 2 + 1 = 3
P
Exemplo 10.4
Considere o conjunto de quatro sinais linearmente independentes f
1
(t), f
2
(t), f
3
(t) e f
4
(t), nulos
fora do intervalo [0, 1].
f
1
(t) = 2 , f
2
(t) = 3t + 1 , f
3
(t) = sen(2t) , f
4
(t) = cos(2t)
Aplicando-se o algoritmo de Gram-Schmidt obtem-se os sinais g
1
(t), g
2
(t), g
3
(t) e g
4
(t), mostrados
na Figura 10.6. Observe que, por constru c ao, g1(t) = f
1
(t), enquanto que g
2
(t) e alterado para
car ortogonal a g
1
(t). O sinal f
3
(t), que d a origem a g
3
(t), e alterado apenas por g
2
(t), pois j a era
ortogonal a g
1
(t). O sinal g
4
(t) e igual a f
4
(t), pois j a era ortogonal aos tres anteriores.
P
A enumera c ao das fun c oes originais f
k
(t) tem um efeito signicativo na forma das fun c oes g
k
(t)
resultante da aplica c ao do algoritmo de Gram-Schmidt, como pode ser observado no Exemplo 10.4.
O algoritmo de Gram-Schmidt pode ser formulado como o resultado de um problema de triangula-
riza c ao da matriz R =

f(t)f

(t)
_
de correla c ao temporal das fun c oes f
k
(t).
Um conjunto de fun c oes f
k
(t) gera, por combina c ao linear, um espa co S. Se as n fun c oes f
k
(t)
forem linearmente independentes, o espa co S tem dimens ao n e f(t) constitui uma base para S (n ao
necessariamente ortogonal).
Bonatti, Lopes & Peres
162 Captulo 10. Ortogonaliza c ao
1 0.5 0 0.5 1 1.5 2
0
1
2
1 0.5 0 0.5 1 1.5 2
2
0
2
4
1 0.5 0 0.5 1 1.5 2
1
0
1
1 0.5 0 0.5 1 1.5 2
1
0
1
g
1
(t)
g
2
(t)
g
3
(t)
g
4
(t)
Figura 10.6: Sinais g
1
(t), g
2
(t), g
3
(t) e g
4
(t) resultantes da ortogonaliza c ao de Gram-Schmidt (sinais
originais em pontilhado).
Transforma c oes lineares na forma
g(t) = Qf(t) , Q nao singular
preservam a representa c ao do espa co S, isto e, g(t) constitui uma nova base para S.
Assim, a ortogonaliza c ao pode ser denida em termos da escolha da matriz Q tal que

g(t)g

(t)
_
=

Qf(t)f

(t)Q

_
= QRQ

= I (10.2)
Note que

g(t)g

(t)
_
= I impoe uma ortonormaliza c ao, que corresponde a um sistema quadr atico de
equa c oes com n
2
vari aveis e n(n+1)/2 restri c oes, indicando que ha in umeras maneiras de ortonorma-
lizar um conjunto de fun c oes linearmente independentes.
A ortogonaliza c ao de Gram-Schmidt equivale a uma escolha apropriada de Q triangular inferior, pois
g
1
(t) = f
1
(t), g
2
(t) = af
1
(t) +bf
2
(t), g
3
(t) = af
1
(t) +bf
2
(t) +cf
3
(t) e assim por diante.
A transforma c ao de Cholesky
2
aplicada `a matriz R, simetrica e denida positiva, produz L triangular
inferior que satisfaz R = LL

. Assim,
QRQ

= (QL)(QL)

= I
Uma solu c ao trivial, induzida pela decomposi c ao de Cholesky, e dada por
Q = L
1
Observe que a inversa de uma matriz triangular inferior e, por constru c ao, uma matriz triangular
inferior. Assim, a transforma c ao de Cholesky permite obter de forma matricial a ortonormaliza c ao de
Gram-Schimdt.
2
Andre-Louis Cholesky, frances (1875-1918).
Bonatti, Lopes & Peres
163
Exemplo 10.5
Considere os sinais gerados pelo deslocamento de um pulso triangular dados por
f
k
(t) = Tri
T
(t kT) ; k = 1, 2, . . . , 5
Os pulsos f
k
(t) n ao s ao ortogonais, pois
r
k
=
_
+

Tri
T
(t kT)Tri
T
(t T)dt ; k, = 1, 2, . . . , 5
r
k
=
_
_
_
2T/3 ; k =
T/6 ; | k |= 1
0 fora
R =
T
6
_

_
4 1 0 0 0
1 4 1 0 0
0 1 4 1 0
0 0 1 4 1
0 0 0 1 4
_

_
Note que se as fun c oes f
k
(t) fossem ortogonais entre si, a matriz R correspondente seria diagonal.
A aplica c ao da decomposi c ao de Cholesky na matriz R para T = 1.5 dada por
R =
_

_
1 0.25 0 0 0
0.25 1 0.25 0 0
0 0.25 1 0.25 0
0 0 0.25 1 0.25
0 0 0 0.25 1
_

_
resulta na matriz Q
Q =
_

_
+1.000 0 0 0 0
0.258 +1.033 0 0 0
+0.069 0.276 +1.035 0 0
0.019 +0.074 0.277 +1.035 0
+0.005 0.019 +0.074 0.277 +1.035
_

_
A transforma c ao g = Qf produz os sinais mostrados na Figura 10.7. Note que o primeiro elemento
g
1
preservou a forma de f
1
, e os demais elementos foram sendo progressivamente alterados.
P
Exemplo 10.6
Uma permuta c ao na ordem das fun c oes f
k
(t) do exemplo anterior produz resultados distintos
(porem tambem ortogonais). Considere a seguinte ordem
f(t) =
_
f
1
(t) f
3
(t) f
5
(t) f
2
(t) f
4
(t)

que resulta em
R =
_

_
1 0 0 0.25 0
0 1 0 0.25 0.25
0 0 1 0 0.25
0.25 0.25 0 1 0
0 0.25 0.25 0 1
_

_
Q =
_

_
+1.000 0 0 0 0
0 +1.000 0 0 0
0 0 +1.000 0 0
0.267 0.267 0 +1.069 0
0.019 0.287 0.268 +0.077 +1.072
_

_
Bonatti, Lopes & Peres
164 Captulo 10. Ortogonaliza c ao
0 1 2 3 4 5 6 7 8 9
0
0.5
1
0 1 2 3 4 5 6 7 8 9
0
0.5
1
0 1 2 3 4 5 6 7 8 9
0
0.5
1
0 1 2 3 4 5 6 7 8 9
0
0.5
1
0 1 2 3 4 5 6 7 8 9
0
0.5
1
Figura 10.7: Sinais ortogonalizados por Gram-Schmidt.
0 1 2 3 4 5 6 7 8 9
0
0.5
1
0 1 2 3 4 5 6 7 8 9
0
0.5
1
0 1 2 3 4 5 6 7 8 9
0
0.5
1
0 1 2 3 4 5 6 7 8 9
0
0.5
1
0 1 2 3 4 5 6 7 8 9
0
0.5
1
Figura 10.8: Sinais {f
1
(t), f
3
(t), f
5
(t), f
2
(t), f
4
(t)} ortogonalizados por Gram-Schmidt.
A transforma c ao g = Qf, com Q = L
1
e R = LL

, produz os sinais mostrados na Figura 10.8.


Observe que esse ordenamento implicou na altera c ao da forma das fun c oes f
2
(t) e f
4
(t) e na
preserva c ao das fun c oes f
1
(t), f
3
(t) e f
5
(t).
Bonatti, Lopes & Peres
165
P
Bonatti, Lopes & Peres
Captulo 11
Resposta em Freq uencia
Sistemas contnuos relacionam entradas e sadas que s ao fun c oes contnuas no tempo e, se satisfazem
o princpio da superposi c ao, s ao sistemas lineares.
Nota cao: y(t) = G{x(t)}, sendo x(t) a entrada e y(t) a sada.
Um sistema linear invariante no tempo, isto e,
G{x(t a)} = y(t a)
satisfaz o teorema da convolu c ao
y(t) = G{x(t)} = h(t) x(t) , h(t) = G{(t)}
e possui como auto-fun c ao a entrada
x(t) = exp(st) y(t) = H(s) exp(st)
sendo H(s) a transformada bilateral de Laplace
1
da fun c ao h(t), dada por
H(s) =
_
+

h() exp(s)d = L{h(t)}


O domnio
h
e o conjunto dos valores de s complexos para os quais a integral e nita.
A fun c ao H(s) e tambem denominada fun c ao de transferencia do sistema, pois estabelece uma rela c ao
entre a transformada de Laplace da entrada e a da sada
Y (s) = H(s)X(s)
Para H(s) racional, as razes do denominador de H(s) s ao denominadas polos e as razes do numerador
s ao denominadas zeros.
O c omputo de H(s) para s = j denomina-se resposta em freq uencia do sistema, escrita na forma
H(j) = M() exp(j())
sendo M() o m odulo e () a fase de H(j)
1
Pierre-Simon Laplace, matematico frances (17491827).
166
167
Exemplo 11.1
Circuito RC
Considere o circuito RC descrito na Figura 11.1.
x(t)
R
+
+

C
y(t)
Figura 11.1: Circuito RC do Exemplo 11.1.
A entrada e a fonte de tensao x(t) e a sada y(t) e a tensao no capacitor. O circuito e descrito pela
equa c ao
y +
1

y =
1

x ; = RC
ou, usando o operador p =
d
dt
,
_
p +
1

_
y =
1

x
A fun c ao de transferencia e dada por
H(s) =
1
s + 1
=
1/
s + 1/
Note que esta fun c ao de transferencia e a transformada de Laplace de
h(t) =
1

exp(t/)u(t)
A resposta em freq uencia e obtida fazendo-se s = j, resultando em
H(j) =
1
1 +j
= M() exp(j())
M() =
1
_
1 + ()
2
; () = arctan()
As guras 11.2 e 11.3 mostram respectivamente o m odulo e a fase da resposta em freq uencia para
RC = 1.
Note que trata-se de um ltro passa-baixas, com a fase variando de 0 a 90 graus quando a
freq uencia varia de zero a innito e (1/) = 45 graus. O ltro RC possui um p olo em s = 1/.
O m odulo varia de 1 (freq uencia = 0) a 0 (para freq uencia +), passando por

2/2 na
freq uencia 1/.
P
Bonatti, Lopes & Peres
168 Captulo 11. Resposta em Freq uencia
0 1 2 3 4 5 6 7 8 9 10
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1

M
(

)
Figura 11.2: M odulo da resposta em freq uencia do circuito RC do Exemplo 11.1 com RC = 1.
0 1 2 3 4 5 6 7 8 9 10
90
80
70
60
50
40
30
20
10
0

)
Figura 11.3: Fase da resposta em freq uencia do circuito RC do Exemplo 11.1 com RC = 1.
Diagramas assint oticos de Bode
Utilizando uma escala logartmica para a freq uencia , os gr acos de m odulo (em logaritmo) e fase
(em graus ou radianos) da resposta em freq uencia de um sistema linear podem ser desenhados de
maneira aproximada por retas (assntotas).
Deni cao: dB
M
dB
() = 20 log M()
sendo log o logaritmo na base 10.
A deni c ao de dB (decibeis) e, classicamente, 10 vezes o logaritmo da rela c ao. O fator 20 e devido `a
interpreta c ao de que a potencia e proporcional ao quadrado da tens ao.
As assntotas s ao denidas para baixa freq uencia e para alta freq uencia. A freq uencia na qual ocorre
o encontro das assntotas e denominada freq uencia de corte
c
.
Bonatti, Lopes & Peres
169
Exemplo 11.2
Polo real negativo
Considere, com
c
> 0, a fun c ao de transferencia
H(s) =

c
s +
c
A resposta em freq uencia e dada por
H(j) =
1
1 +j/
c
, M() = (1 + (/
c
)
2
)
0.5
M
dB
() = 20 log M() = 10 log
_
1 + (/
c
)
2
_
Note que no Exemplo 15.4 (circuito RC), tem-se
c
= 1/.
As assntotas s ao denidas para
c
(baixa freq uencia) e para
c
(alta freq uencia).
No exemplo, tem-se M
dB
0 para baixas freq uencias e M
dB
20 log + 20 log
c
para altas
freq uencias, correspondendo a uma queda de 20 dB por decada (aproximadamente 6 dB por oitava
2
).
O encontro das assntotas ocorre em
c
(freq uencia de corte). Na freq uencia de corte tem-se
M
dB
= 10 log 2 3 dB.
A fase () e dada por
() = arctan(/
c
)
que vai de 0 a 90 graus, com (
c
) = 45 graus. As assntotas s ao 0 para freq uencias abaixo de
uma decada da freq uencia de corte
c
, 90 graus para freq uencias acima de uma decada de
c
e a
reta unindo as duas assntotas em 0.1
c
e 10
c
.
As guras 11.4 e 11.5 mostram os diagramas de Bode do sistema.
10
2
10
1
10
0
10
1
10
2
60
50
40
30
20
10
0
10
20

M
d
B
(

)
Figura 11.4: M odulo (em dB) da resposta em freq uencia (escala logartmica) do Exemplo 11.2 com

c
= 1.
Medidas experimentais da resposta em freq uencia permitem obter a freq uencia de corte e com isso
identicar um modelo de primeira ordem para o sistema.
2
O termo oitava, que corresponde ao dobro da freq uencia, deriva do fato de que, nos pianos, a cada oito teclas dobra-se
a freq uencia.
Bonatti, Lopes & Peres
170 Captulo 11. Resposta em Freq uencia
10
2
10
1
10
0
10
1
10
2
120
100
80
60
40
20
0
20
40

)
Figura 11.5: Fase da resposta em freq uencia (escala logartmica) do Exemplo 11.2 com
c
= 1.
P
Propriedade 11.1
Considere
H(s) = H
1
(s)H
2
(s) H(j) = M
1
()M
2
() exp
_
j
1
() +j
2
()
_
Entao,
M
dB
() = M
1dB
() +M
2dB
() ; () =
1
() +
2
()
pois o m odulo do produto e o produto dos m odulos (soma em logaritmo) e o produto de exponenciais
e a exponencial da soma dos argumentos.

Exemplo 11.3
Ganho constante positivo
Considere H(s) = k > 0 (constante).
Portanto,
M
dB
() = 20 log k ; () = 0
P
Exemplo 11.4
Ganho constante negativo
Considere H(s) = k, k > 0 constante.
Portanto,
H(s) = k exp(j) M
dB
() = 20 log k ; () = 180 graus
P
Bonatti, Lopes & Peres
171
Exemplo 11.5
Zero na origem
Considere, para k > 0,
H(s) = ks
Portanto,
M
dB
() = 20 log + 20 log k ; () = 90 graus
Observe que M
dB
() e uma reta que cruza o ponto 0 dB em = 1/k.
P
Exemplo 11.6
Polo na origem
Considere, para k > 0,
H(s) =
k
s
Portanto,
M
dB
() = 20 log + 20 log k ; () = 90 graus
Observe que M
dB
() e uma reta que cruza o ponto 0 dB em = k.
P
Exemplo 11.7
Zero de ordem m na origem
Considere H(s) = s
m
, com m > 0 inteiro.
Portanto,
M
dB
() = 20mlog ; () = m90 graus
P
Exemplo 11.8
Polo de ordem m na origem
Considere H(s) =
1
s
m
, com m > 0 inteiro.
Portanto,
M
dB
() = 20mlog ; () = m90 graus
P
Bonatti, Lopes & Peres
172 Captulo 11. Resposta em Freq uencia
Exemplo 11.9
Zero real negativo
Considere, com
c
> 0, a fun c ao de transferencia
H(s) = 1 +
s

c
Portanto,
M() =
_
1 + (/
c
)
2
; () = arctan(/
c
) graus
As assntotas do m odulo s ao M
dB
0 para baixas freq uencias e M
dB
20 log 20 log
c
para
altas freq uencias. Na freq uencia de corte
c
, tem-se M
dB
= 10 log 2 3 dB.
As assntotas da fase s ao 0 para freq uencias abaixo de uma decada da freq uencia de corte
c
, 90
graus para freq uencias acima de uma decada de
c
e a reta unindo as duas assntotas em 0.1
c
e
10
c
.
P
Exemplo 11.10
Zero real positivo
Considere, com
c
> 0, a fun c ao de transferencia
H(s) =
s

c
1
A resposta em freq uencia e dada por
M() =
_
1 + (/
c
)
2
; () = 180 arctan(/
c
) graus
As assntotas do m odulo s ao M
dB
0 para baixas freq uencias e M
dB
20 log 20 log
c
para
altas freq uencias. Na freq uencia de corte
c
, tem-se M
dB
= 10 log 2 3 dB.
As assntotas da fase s ao 180 para freq uencias abaixo de uma decada da freq uencia de corte
c
, 90
graus para freq uencias acima de uma decada de
c
e a reta de inclina c ao negativa unindo as duas
assntotas em 0.1
c
e 10
c
.
P
Observe que a resposta em freq uencia do sistema com zero real positivo disting ue-se da resposta do
sistema com zero real negativo apenas pela fase.
Deni cao: Sistemas de fase mnima
Sao sistemas que possuem polos e zeros com parte real negativa.
O sistema do Exemplo 11.10 e de fase nao mnima.
Exemplo 11.11
Considere a fun c ao de transferencia
Bonatti, Lopes & Peres
173
H(s) =
N(s)
D(s)
=

k=0

k
s
k
m

k=0

k
s
k
com
m
= 1,
0
= 0 e m > .
A assntota de baixa freq uencia (s = j, 0), e
M
dB
20 log

0

0
e a assntota de alta freq uencia ( +) e
M
dB
20 log

(m)
= 20(m) log + 20 log

Portanto, a freq uencia de corte e dada por

(m)
c
=

0

0

c
=
_

0
_
1/(m)
No exemplo do circuito RC, tem-se m = 1, = 0,
0
=

= 1/ e
0
= 1/, resultando em

c
= 1/.
As assntotas de fase de baixas e altas freq uencias s ao, respectivamente,
() 0 ; () (m)90 graus
Entre 0.1
c
e 10
c
, as assntotas s ao unidas por uma reta.
P
Exemplo 11.12
Circuito RC em cascata
Considere o circuito da Figura 11.6, com
1
= R
1
C
1
= 1 e
2
= R
2
C
2
= 0.01.
N
I
x(t)
R
1
R
2
+
+

C
1
C
2
y(t)
Figura 11.6: Circuito RC em cascata do Exemplo 11.12.
A fun c ao de transferencia e dada por
H(s) =
Y (s)
X(s)
= H
1
(s)H
2
(s) =
_
1/
1
s + 1/
1
__
1/
2
s + 1/
2
_
=
100
s
2
+ 101s + 100
Bonatti, Lopes & Peres
174 Captulo 11. Resposta em Freq uencia
e, portanto, = 0,
0
=

= 100, m = 2 e
0
= 100, resultando em
c
= 10.
As assntotas de baixas e altas freq uencias s ao, respectivamente,
M
dB
0 ; M
dB
20 log
100

2
= 40 log + 40
A aproxima c ao por assntotas pode ser melhorada considerando H(s) = H
1
(s)H
2
(s) com
H(s) =
100
s
2
+ 101s + 100
=
_
1
s + 1
__
100
s + 100
_
e somando as assntotas. A Figura 11.7 mostra as assntotas do m odulo dos dois sistemas de primeira
ordem, a soma, as assntotas do sistema de segunda ordem e M() (em dB) versus [10
2
, 10
4
]
(em escala logartmica).
10
2
10
1
10
0
10
1
10
2
10
3
10
4
120
100
80
60
40
20
0
20

M
d
B
(

)
Figura 11.7: M odulo da resposta em freq uencia do circuito do Exemplo 11.12.
A primeira aproxima c ao para a fase e dada pelas assntotas
() 0 ; () 180 graus
ligadas de 0.1
c
= 1 a 10
c
= 100 por uma reta.
Considerando dois sistemas de primeira ordem em cascata, tem-se as assntotas

1
() 0 ;
1
() 90 graus
ligadas de 0.1 a 10 por uma reta somadas com

2
() 0 ;
2
() 90 graus
ligadas de 10 a 1000 por uma reta. As aproxima c oes e o c omputo feito usando Matlab para a fase
s ao mostrados na Figura 11.8.
P
Sistemas lineares com polos e zeros reais podem ser tratados como um conjunto de sistemas de primeira
ordem em cascata.
Bonatti, Lopes & Peres
175
10
2
10
1
10
0
10
1
10
2
10
3
10
4
200
180
160
140
120
100
80
60
40
20
0
20

)
Figura 11.8: Fase da resposta em freq uencia do circuito do Exemplo 11.12.
Exemplo 11.13
Circuito passa-alta
Considere o circuito RC do Exemplo 15.4 com a sada y(t) igual `a tensao no resistor, cuja equa c ao
diferencial e
(p + 1)y(t) = px(t) H(s) = s
1/
s + 1/
As assntotas de m odulo s ao mostradas na Figura 11.9 e as de fase na Figura 11.10 para = 0.1.
10
1
10
0
10
1
10
2
10
3
50
40
30
20
10
0
10

M
d
B
(

)
Figura 11.9: M odulo da resposta em freq uencia do circuito RC passa-alta do Exemplo 11.13.
P
Exemplo 11.14
Polos e zeros reais
Considere o sistema descrito pela fun c ao de transferencia
H(s) =
10(s + 100)
(s + 1)(s + 1000)
=
_
1
s + 1
__
s
100
+ 1
__
1
s/1000 + 1
_
Bonatti, Lopes & Peres
176 Captulo 11. Resposta em Freq uencia
10
1
10
0
10
1
10
2
10
3
100
80
60
40
20
0
20
40
60
80
100

)
Figura 11.10: Fase da resposta em freq uencia do circuito RC passa-alta do Exemplo 11.13.
As assntotas do m odulo e M() s ao mostrados na Figura 11.11, e as assntotas da fase e () na
Figura 11.12.
10
2
10
1
10
0
10
1
10
2
10
3
10
4
10
5
100
80
60
40
20
0
20
40

M
d
B
(

)
Figura 11.11: M odulo da resposta em freq uencia do Exemplo 11.14.
P
Em sistemas lineares, polos e zeros complexos aparecem sempre em pares conjugados, justicando o
tratamento de m odulos de sistemas de segunda ordem com razes complexas conjugadas.
Exemplo 11.15
Polos complexos
Considere a fun c ao de transferencia de segunda ordem com razes complexas
1
e
2
=

1
dada
por
H(s) =

1

2
(s
1
)(s
2
)
=

2
n
s
2
+ 2
n
s +
2
n
com
Bonatti, Lopes & Peres
177
10
2
10
1
10
0
10
1
10
2
10
3
10
4
10
5
100
80
60
40
20
0
20
40
60
80
100

)
Figura 11.12: Fase da resposta em freq uencia do Exemplo 11.14.

2
n
=
1

2
; 2
n
= (
1
+
2
)
As assntotas de m odulo de baixas e altas freq uencias s ao, respectivamente,
M
dB
() 0 ; M
dB
() 40 log + 40 log
n
e, portanto, a freq uencia de corte e
c
=
n
.
As assntotas de fase de baixas e altas freq uencias s ao, respectivamente,
() 0 ; () 180 graus
As guras 11.13 e 11.14 mostram o diagrama de Bode para = 0.1 e = 0.9.
10
1
10
0
10
1
40
30
20
10
0
10
20
= 0.1
= 0.9
/
n
M
d
B
(

)
Figura 11.13: M odulo da resposta em freq uencia do Exemplo 11.15 para = 0.1 e = 0.9.
Note que a inuencia do e determinante na transi c ao de uma assntota `a outra. As razes,
computadas em fun c ao de e
n
, s ao dadas por
Bonatti, Lopes & Peres
178 Captulo 11. Resposta em Freq uencia
10
1
10
0
10
1
200
180
160
140
120
100
80
60
40
20
0
20
= 0.1
= 0.9
/
n

)
Figura 11.14: Fase da resposta em freq uencia do Exemplo 11.15 para = 0.1 e = 0.9.

2
=
1
=
n
+j
n
_
1
2
As razes s ao complexas conjugadas com parte real negativa para 0 < < 1. Para 1, as
assntotas de fase poderiam ser unidas por uma reta passando pelos pontos 0.1
n
e 10
n
. A
aproxima c ao mais utilizada considera a transi c ao abrupta de 0 a 180 graus na freq uencia de corte

c
=
n
. Note que, para =
n
, a fase e igual a 90 graus.
A ocorrencia ou n ao do pico de M() depende do par ametro .
H(j) =

2
n

2
n

2
+j2
n

M
2
() =

4
n
(
2
n

2
)
2
+ 4
2

2
n

2
O m aximo de M() ocorre na freq uencia
r
na qual o denominador passa por um mnimo. Deri-
vando e igualando a zero, tem-se

r
=
n
_
1 2
2
; M(
r
) =
1
2
_
1
2
Note que o pico existe apenas para < 1/

2 0.707 e, neste caso, o sistema e denominado


sub-amortecido. Para valores de tendendo a zero, M(
r
) tende a innito.
Por meio de medidas experimentais de resposta em freq uencia e possvel determinar os valores de

r
e M(
r
) e com isso identicar os par ametros e
n
do sistema de segunda ordem. Observe
ainda que, neste caso, M(0) = 1 (0 dB).
P
Exemplo 11.16
Medidas experimentais
Considere as medidas experimentais da resposta em freq uencia de um sistema suposto de segunda
ordem, mostradas nas guras 11.15 e 11.16.
Por inspe c ao do m odulo, observa-se que o sistema e sub-amortecido. Observe tambem que a
assntota de alta freq uencia diminui 40 dB por decada, conrmando as caractersticas de um sistema
de segunda ordem com um par de p olos complexos conjugados e nenhum zero. Essa caracterstica
e conrmada pela resposta de fase, que vai de 0 a 180 graus.
Bonatti, Lopes & Peres
179
10
0
10
1
10
2
40
30
20
10
0
10
20

M
d
B
(

)
Figura 11.15: M odulo da resposta em freq uencia do Exemplo 11.16.
10
0
10
1
10
2
180
160
140
120
100
80
60
40
20
0

)
Figura 11.16: Fase da resposta em freq uencia do Exemplo 11.16.
Do diagrama de m odulo, obtem-se o ganho DC (ganho para baixas freq uencias) de 6 dB (aproxi-
madamente igual a 2). O pico atinge 12 dB, implicando em um ganho de 6 dB em rela c ao ao ganho
DC, isto e, duas vezes o ganho DC.
Da equa c ao
M(
r
) =
1
2
_
1
2
obtem-se 0.26.
Do diagrama de fase, obtem-se o valor
n
= 8, freq uencia na qual a fase e 90 graus.
A fun c ao de transferencia do sistema e dada por
H(s) = 2
64
s
2
+ 4.16s + 64
P
Bonatti, Lopes & Peres
180 Captulo 11. Resposta em Freq uencia
Exemplo 11.17
Considere
H(s) =
s
2
+ 10s + 100
(s + 1)(s + 100)
=
s
2
+ 2
n
s +
2
n
(s + 1)(s + 100)
, = 0.5,
n
= 10
10
2
10
1
10
0
10
1
10
2
10
3
10
4
40
30
20
10
0
10
20
30
40

M
d
B
(

)
Figura 11.17: M odulo da resposta em freq uencia do Exemplo 11.17.
10
2
10
1
10
0
10
1
10
2
10
3
10
4
200
150
100
50
0
50
100
150
200

)
Figura 11.18: Fase da resposta em freq uencia do Exemplo 11.17.
P
Exemplo 11.18
Compensador avan co (lead)
Considere o diagrama assint otico de m odulo de um sistema de fase mnima mostrado na Fi-
gura 11.19.
A fun c ao de transferencia H(s) pode ser obtida notando-se que o sistema possui ganho DC igual a
20 dB (0.1), um zero em = 1 e um p olo em = 10, resultando em
H(s) =
s + 1
s + 10
=
1
10
_
s + 1
1
__
10
s + 10
_
Bonatti, Lopes & Peres
181
10
2
10
1
10
0
10
1
10
2
10
3
30
25
20
15
10
5
0
5
10

M
(

)
Figura 11.19: Diagrama de m odulo do Exemplo 11.18.
O diagrama assint otico de fase e mostrado na Figura 11.20. Esse sistema, denominado compensador
avan co, e utilizado em cascata com uma planta para aumentar a fase do conjunto em uma faixa de
freq uencia.
10
2
10
1
10
0
10
1
10
2
10
3
100
80
60
40
20
0
20
40
60
80
100

)
Figura 11.20: Diagrama de fase do Exemplo 11.18.
P
Exemplo 11.19
Compensador atraso (lag)
Considere o diagrama assint otico de fase de um sistema mostrado na Figura 11.21, cujo ganho DC
e 0 dB (1).
O diagrama de m odulo pode ser obtido notando-se que o sistema possui um p olo em = 1 e um
zero em = 10, resultando em
H(s) = 0.1
s + 10
s + 1
=
_
1
s + 1
__
s + 10
10
_
Bonatti, Lopes & Peres
182 Captulo 11. Resposta em Freq uencia
10
2
10
1
10
0
10
1
10
2
10
3
100
80
60
40
20
0
20
40
60
80
100

)
Figura 11.21: Diagrama de fase do Exemplo 11.19.
O diagrama assint otico de m odulo e mostrado na Figura 11.22. Esse sistema, denominado com-
pensador atraso, e utilizado em cascata com uma planta para diminuir a fase do conjunto em uma
faixa de freq uencia.
10
2
10
1
10
0
10
1
10
2
10
3
30
25
20
15
10
5
0
5
10

M
(

)
Figura 11.22: Diagrama de m odulo do Exemplo 11.19.
P
Exemplo 11.20
A rela c ao sinal-rudo e denida como
_
S
N
_
dB
= 20 log |a/b|
sendo a a amplitude do sinal e b a amplitude do rudo.
Aplicando o sinal x(t) = 100sen(t) contaminado pelo rudo aditivo w(t) = sen(10t) aos sistemas dos
exemplos 11.18 e 11.19, as rela c oes sinal-rudo nas sadas dos sistemas (baseadas nas assntotas)
s ao 20 dB e 60 dB, respectivamente.
P
Bonatti, Lopes & Peres
183
Gracos polares
A resposta em freq uencia H(j) de sistemas lineares pode ser representada no plano complexo por
coordenadas polares, isto e, m odulo e fase parametrizados na freq uencia .

Angulos positivos s ao
representados no sentido anti-hor ario.
Freq uentemente, e mais conveniente determinar as expressoes da parte real e da parte imagin aria da
fun c ao de transferencia para obter o lugar geometrico (gr aco polar) no plano complexo.
Gr acos polares do sistema em malha aberta podem ser utilizados para estudar a estabilidade do
sistema em malha fechada (criterio de Nyquist
3
).
Exemplo 11.21
Zero na origem
Para k > 0, tem-se
H(s) = ks

s=j
= k exp(j/2)
que e o eixo imagin ario positivo, isto e, para = 0 o m odulo e zero, e para + o m odulo
tende para innito, sempre com fase igual a +90 graus.
P
Exemplo 11.22
Polo na origem
Para k > 0, tem-se
H(s) =
k
s

s=j
=
k

exp(j/2)
que e o eixo imagin ario negativo, isto e, para 0 o m odulo tende a innito, e para + o
m odulo tende a zero, sempre com fase igual a 90 graus.
P
Propriedade 11.2
Para sistemas lineares invariantes no tempo com resposta ao impulso, o lugar geometrico do diagrama
polar de H(s), s = j, (, +) e simetrico em rela c ao ao eixo real, isto e,
H(j) = H(j)

= M() exp
_
j()
_

A Figura 11.23 mostra os lugares geometricos do zero e do polo na origem para (, +).
3
Harry Nyquist, engenheiro sueco naturalizado americano (1889-1976).
Bonatti, Lopes & Peres
184 Captulo 11. Resposta em Freq uencia
Im Im
Re Re
0
0
0
0
Figura 11.23: Gr aco polar para zero e polo na origem.
Exemplo 11.23
Zero real negativo
H(s) = 1 +
s

s=j
= 1 +j

c
O lugar geometrico e uma reta de inclina c ao igual a 90 graus partindo do ponto 1 +j0.
P
Exemplo 11.24
Polo real negativo
H(s) =

c
s +
c

s=j
=
1
1 +j/
c
= M() exp
_
j()
_
Para = 0, o m odulo vale 1 e a fase 0. Para +, o m odulo tende a 0 e a fase a 90 graus.
Em =
c
, tem=se
1
1 +j
=
1

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

c
s +
c
e uma circunferencia de raio k/2 centrada em k/2 +j0.
P
Bonatti, Lopes & Peres
185
Exemplo 11.25
Polos complexos
Considerando 0 < < 1 (p olos complexos), tem-se
H(s) =

2
n
s
2
+ 2
n
s +
2
n
H(j0) = 1 , H(+j) = 0 , H(j
n
) =
1
j2
=
1
2
/2
A Figura 11.24 mostra o gr aco polar do Exemplo 11.25 para = 0.1 e = 0.9. Observe que o
cruzamento com o eixo imagin ario ocorre em 1/(2). Para sistemas sub-amortecidos <

2/2, o
maior valor de M() ocorre em
r
(veja Exemplo 11.15), com

r
=
n
_
1 2
2
; M(
r
) =
1
2
_
1
2

=0.1
5
3 2 1 0 1 2 3
6
4
2
0
2
4
6
Re
I
m
= 0.1
= 0.9
Figura 11.24: Gr aco polar do Exemplo 11.25 para = 0.1 e = 0.9.
P
Exemplo 11.26
Considere o sistema do tipo 1, isto e, um p olo em 0
H(s) =
a
s(s +a)
, a > 0 H(j) =
a
a
2
+
2
j
a
2
(a
2
+
2
)
Fazendo a an alise para 0, tem-se
a H(j)
1
a
j
1

que dene uma assntota paralela ao eixo imagin ario cruzando o eixo real em 1/a.
Para +, H(j) 0.
No ponto = a, tem-se
Bonatti, Lopes & Peres
186 Captulo 11. Resposta em Freq uencia
H(ja) =
1
2a
j
1
2a
=

2
2a
135 graus
O diagrama polar poderia ser obtido a partir do diagrama de Bode, fazendo-se primeiro o diagrama
de fase e depois calculando os m odulos para valores relevantes de fase.
No exemplo, H(s) possui um p olo em 0 e um p olo em a, indicando que a fase parte de 90 graus
e vai ate 180 graus, passando em 135 graus na freq uencia = a. Os m odulos correspondentes
s ao +, 0 e

2/2a. A Figura 11.25 mostra o diagrama polar para a = 1/2.


4 3 2 1 0 1 2
5
4
3
2
1
0
1
2
3
4
5
Re
I
m
+
0
Figura 11.25: Gr aco polar do Exemplo 11.26 para a = 1/2.
P
Bonatti, Lopes & Peres
187
Exemplo 11.27
Considere o sistema
H(s) = k
_
a
s +a
__
b
s +b
__
c
s +c
_
, k, a, b, c positivos
O diagrama polar come ca (para = 0) no ponto (k, 0) e termina na origem, com fase 270 graus.
A Figura 11.26 mostra o diagrama polar para k = 1, a = 1, b = 2 e c = 3. Observe que o ganho e
aproximadamente 0.1 na fase 180 graus e 0.6 na fase 90 graus.
0.5 0 0.5 1 1.5
1
0.8
0.6
0.4
0.2
0
0.2
0.4
0.6
0.8
1
Re
I
m
Figura 11.26: Gr aco polar do Exemplo 11.27 para k = 1, a = 1, b = 2 e c = 3.
P
Bonatti, Lopes & Peres
Captulo 12
Transformada de Laplace
Transformada bilateral de Laplace
A transformada bilateral de Laplace da fun c ao x(t) e dada por
X(s) = L{x(t)} =
_
+

x(t) exp(st)dt , s
x
Propriedade 12.1

Area de uma fun cao


A area sob a curva da fun c ao x(t) pode ser computada por meio da transformada de Laplace X(s) se
s = 0
x
.
_
+

x(t)dt = X(s)

s=0

Propriedade 12.2
Transformada do impulso
L{(t)} = 1 , s C
pois
L{(t)} =
_
+

(t) exp(st)dt = 1

Propriedade 12.3
Transformada do degrau
L{u(t)} =
1
s
, s
u
=
_
s C, Re(s) > 0
_
pois
188
189
L{u(t)} =
_
+

u(t) exp(st)dt =
_
+
0
exp(st)dt =
1
s
exp(st)

t=+
t=0
=
1
s
, Re(s) > 0

Propriedade 12.4
Transformada da exponencial
L{exp(t)u(t)} =
1
s
, s
_
s C, Re(s ) > 0
_
pois
L{exp(t)u(t)} =
_
+

u(t) exp
_
( s)t
_
dt =
_
+
0
exp
_
( s)t
_
dt =
=
1
s
exp
_
( s)t
_

t=+
t=0
=
1
s
, Re(s ) > 0

Exemplo 12.1
Para > 0, tem-se
L{exp(jt)u(t)} =
1
s j
, Re(s) > 0
L{exp(jt)u(t)} =
1
s +j
, Re(s) > 0
P
Exemplo 12.2
Para > 0, tem-se
L{cos(t)u(t)} =
1
2
L{exp(jt)u(t)} +
1
2
L{exp(jt)u(t)} =
=
1
2
_
1
s j
+
1
s +j
_
=
s
s
2
+
2
, Re(s) > 0
P
Exemplo 12.3
Para > 0, tem-se
L{sen(t)u(t)} =
1
2j
L{exp(jt)u(t)}
1
2j
L{exp(jt)u(t)} =
=
1
2j
_
1
s j

1
s +j
_
=

s
2
+
2
, Re(s) > 0
P
Bonatti, Lopes & Peres
190 Captulo 12. Transformada de Laplace
Propriedade 12.5
Transformada da integral
L
_
y(t) =
_
t

x()u()d = x(t) u(t)


_
=
1
s
L{x(t)} ,

y
contem
x
{s C : Re(s) > 0}

Exemplo 12.4
A transformada de Laplace de
y(t) =
_
t

x()d , X(s) =
s
s + 1
, Re(s) > 1
e dada por
Y (s) =
1
s
_
s
s + 1
_
=
1
s + 1
,
y
contem Re(s) > 0
De fato,
X(s) =
s
s + 1
= 1
1
s + 1
x(t) = (t) exp(t)u(t)
y(t) =
_
t

x()d = u(t)
_
1 exp(t)
_
u(t) = exp(t)u(t)
Y (s) =
1
s + 1
, Re(s) > 1
Note que o domnio
y
resultante e maior do que a interse c ao
x
Re(s) > 0. Observe tambem
que a area de x(t) e X(0) = 0 e a area de y(t) e Y (0) = 1.
P
Exemplo 12.5
x(t) = 2(t) exp(t)u(t) y(t) =
_
t

x()d =
_
1 + exp(t)
_
u(t)
X(s) = 2
1
s + 1
=
2s + 1
s + 1
, Re(s) > 1
Y (s) =
1
s
+
1
s + 1
=
1
s
_
2s + 1
s + 1
_
=
1
s
X(s) , Re(s) > 0
Note que
y
e igual `a interse c ao de
x
com Re(s) > 0. Note ainda que a area de x(t) e igual a
X(0) = 1, y(t) tem area n ao nita e s = 0
y
.
P
Bonatti, Lopes & Peres
191
Exemplo 12.6
L{(t)} = 1 , s C
L{u(t)} =
1
s
, Re(s) > 0 pois u(t) = I

(t) =
_
t

()d
L{tu(t)} =
1
s
2
, Re(s) > 0 pois tu(t) = I
u
(t)
L
_
t
2
2
u(t)
_
=
1
s
3
, Re(s) > 0
L
_
t
m
m!
u(t)
_
=
1
s
m+1
, Re(s) > 0 , m N
P
Propriedade 12.6
Reversao no tempo
L{x(t)} = X(s) , s
x
pois
L{x(t)} =
_
+

x(t) exp(st)dt =
_

+
x(t) exp(st)dt =
=
_
+

x(t) exp
_
(s)t
_
dt = X(s)

Exemplo 12.7
L{u(t)} =
1
s
, s {Re(s) > 0} Re(s) < 0
P
Exemplo 12.8
L{exp(t)u(t)} =
1
s + 1
, s {Re(s + 1) > 0} Re(s) < 1
De fato,
L{exp(t)u(t)} =
_
0

exp(t) exp(st)dt =
1
s 1
exp
_
(s 1)t
_

+
0
que e nita se Re(s 1) < 0, resultando em
L{exp(t)u(t)} =
1
s + 1
, Re(s) < 1
P
Bonatti, Lopes & Peres
192 Captulo 12. Transformada de Laplace
Exemplo 12.9
L{x(t) = exp(|t|)} =
1
s + 1
+
1
s + 1
=
2
1 s
2
,

x
= {Re(s) < 1} {Re(s) > 1} {1 < Re(s) < 1}
Note que a area de x(t) e X(0) = 2, pois s = 0
x
. Note tambem que
F{x(t)} = L{x(t)}

s=j
=
2
1 +
2
pois j
x
.
P
Propriedade 12.7
Deslocamento em s
L{y(t) = exp(at)x(t)} = X(s +a) ;
y
=
x
deslocado para a esquerda de Re(a)
pois
L{exp(at)x(t)} =
_
+

exp(at)x(t) exp(st)dt =
_
+

x(t) exp
_
(s +a)t
_
dt

Exemplo 12.10
L
_
t
m
m!
exp(at)u(t)
_
=
1
(s +a)
m+1
, Re(s +a) > 0 , m N
P
Exemplo 12.11
L{cos(t) exp(at)u(t)} =
s +a
(s +a)
2
+
2
, Re(s +a) > 0
P
Exemplo 12.12
L{sen(t) exp(at)u(t)} =

(s +a)
2
+
2
, Re(s +a) > 0
P
Bonatti, Lopes & Peres
193
Propriedade 12.8
Derivada em s
L{y(t) = t
m
x(t)} = (1)
m
d
m
X(s)
ds
m
;
y
=
x
, m N
pois
X(s) = L{x(t)} =
_
+

x(t) exp(st)dt =
d
m
X(s)
ds
m
= (1)
m
_
+

t
m
x(t) exp(st)dt

Exemplo 12.13
A integral da fun c ao x(t)
x(t) = t
2
exp(3t)u(t)
pode ser computada por meio da transformada de Laplace X(s) se s = 0
x
.
Usando a Propriedade 12.8 (derivada em s), tem-se
L{exp(3t)u(t)} =
1
s + 3
L{t
2
exp(3t)u(t)} =
d
2
ds
2
(s + 3)
1
= 2(s + 3)
3
Portanto,
_
+

t
2
exp(3t)u(t)dt = 2(s + 3)
3

s=0
=
2
27
Note que esse mesmo resultado pode ser obtido de
L{t
2
u(t)} =
2
s
3

s=3
=
2
27
P
Exemplo 12.14
Tempo de propaga cao
Para o circuito RLC da Figura 12.1, com R = 2 , L = 4 H, C = 1 F e fun c ao de transferencia
H(s) =
1
4s
2
+ 2s + 1
o tempo de propaga c ao e dado por
t
p
=
_
+

th(t)dt
_
+

h(t)dt
=

d
ds
H(s)

s=0
H(0)
= 2
P
Bonatti, Lopes & Peres
194 Captulo 12. Transformada de Laplace
R
+
+

C
L
x y
y
1
Figura 12.1: Circuito RLC.
Exemplo 12.15
Considere a equa c ao diferencial
y +y = 0 , y(0) = 1
Portanto
dy
y
= dt y(t) = y(0) exp(t) = exp(t)
Note que a transformada de Laplace de y(t) n ao e nita para nenhum s e, portanto, a transformada
de Laplace n ao seria um instrumento util para a resolu c ao de equa c oes diferenciais, mesmo as muito
simples.
Essa diculdade pode ser superada considerando-se que apenas os valores de y(t) para t 0 s ao
de interesse, uma vez que a condi c ao inicial e conhecida.
A fun c ao
y(t) = exp(t)u(t)
tem transformada de Laplace e coincide com a solu c ao para t 0.
P
Transformada unilateral de Laplace
Considere a classe de sinais `a direita, isto e, x(t) tais que x(t) = 0, t < 0, podendo ou nao apresentar
descontinuidade em t = 0.
Por exemplo, os sinais (t), u(t) e exp(t)u(t) pertencem a esta classe de sinais, com (0

) = 0,
u(0

) = 0 e exp(0

)u(0

) = 0, sendo x(0

) o limite `a esquerda de x(t) em t = 0. Por simplicidade,


x(0

) ser a denotado neste texto por x(0), e o limite `a direita por x(0
+
).
Portanto, para fun c oes contnuas tem-se x(0

) = x(0) = x(0
+
) e, para fun c oes descontnuas, x(0

) =
x(0) = x(0
+
).
Exemplo 12.16
x
1
(t) = exp(t)u(t) , x
1
(0) = 0
Em t = 0, x
1
(t) tem descontinuidade nita, pois x
1
(0
+
) = 1.
A fun c ao
Bonatti, Lopes & Peres
195
y
1
(t) =
_
t

x
1
()d =
_
1 exp(t)
_
u(t)
e contnua e pertence `a classe de fun c oes `a direita.
y
1
(t) = exp(t)u(t) +
_
1 exp(t)
_
(t) = exp(t)u(t) = x
1
(t)
P
Exemplo 12.17
x
2
(t) = exp(t)u(t) + 3(t) , x
2
(0) = 0
Em t = 0, x
2
(t) tem descontinuidade innita.
A fun c ao
y
2
(t) =
_
t

x
2
()d =
_
4 exp(t)
_
u(t)
n ao e contnua, pois y
2
(0) = 0 e y
2
(0
+
) = 3 (descontinuidade nita). Tambem pertence `a classe de
fun c oes `a direita.
y
2
(t) = exp(t)u(t) +
_
4 exp(t)
_
(t) = exp(t)u(t) + 3(t) = x
2
(t)
P
Para essa classe de fun c oes, a transformada de Laplace e dada por
L{x(t)} =
_
+

x(t) exp(st)dt =
_
+
0
x(t) exp(st)dt
e e denominada transformada unilateral de Laplace.
Note que
L
uni
{(t)} = L
bi
{(t)} = 1
para as transformadas bilateral e unilateral, pois a integral que dene a transformada unilateral de
Laplace inicia-se em 0 = 0

.
Note ainda que
L
uni
{1} = L
bi
{u(t)} =
1
s
No caso da transformada Z, nao foi necessaria a deni c ao de transformada unilateral, pois nao ha
ambig uidade no c alculo da transformada da fun c ao impulso, ou seja,
[n]u[n] = [n]
No caso contnuo, a fun c ao (t)u(t) nao est a denida (descontinuidade de u(t) em t = 0).
No texto a seguir, o smbolo L e usado indistintamente para as transformadas unilateral e bilateral de
Laplace.
Bonatti, Lopes & Peres
196 Captulo 12. Transformada de Laplace
Propriedade 12.9
Transformada unilateral de Laplace da derivada
L{ x(t)} = sL{x(t)} x(0) , s
x
Prova:
L{ x(t)} =
_
+
0
dx
dt
exp(st)dt =
_
+
0
exp(st)dx
Integrando por partes:
L
_
dx
dt
_
= x(t) exp(st)

+
0

_
+
0
x(t)(s) exp(st)dt
Como L{x(t)} e nita para s
x
, tem-se lim
t
x(t) exp(st) = 0
L{ x(t)} = s
_
+
0
x(t) exp(st)dt
. .
X(s)
x(0) = sX(s) x(0)
O domnio de L{ x(t)} e no mnimo igual a
x
.

Exemplo 12.18
L
_
d
dt
u(t) = (t)
_
= 1
pois
sL{u(t)} u(0) = s
1
s
0 = 1
Note que
u
= Re(s) > 0 e

= C, isto e, o domnio da derivada contem o domnio da fun c ao.


Assim,
L
_

(t) =
d
dt
(t)
_
= s (0) = s
pois
(0) = lim
0

() (limite `a esquerda de 0)
L
_
d
m
dt
m
(t)
_
= s
m
P
Bonatti, Lopes & Peres
197
Propriedade 12.10
Transformada unilateral de Laplace da derivada segunda
L{ x(t)} = s
2
L{x(t)} sx(0) x(0)
pois
L{ x(t)} = L{ y(t)} = sL{y(t)} y(0) = sL{ x(t)} x(0) = s
2
L{x(t)} sx(0) x(0)
Genericamente:
L
_
x
(m)
(t) =
d
m
x(t)
dt
m
_
= s
m
L{x(t)}
m1

k=0
s
mk1
x
(k)
(0)

Propriedade 12.11
Transformada inversa de Laplace
A transformada bilateral de Laplace e dada por
X(s) =
_
+

x(t) exp(st)dt ; s
x
Para s = +j, tem-se
X(s) =
_
+

_
x(t) exp(t)
_
exp(jt)dt = F{x(t) exp(t)}
sendo F{x(t)} a transformada de Fourier de x(t). Portanto,
x(t) exp(t) =
1
2
_
+

X(s) exp(jt)d
x(t) =
1
2j
_
+

X(s) exp(st)jd =
1
2j
_
+j
j
X(s) exp(st)ds
Para constante, ds = jd. A integral em s e uma integral de contorno, denido pela reta que passa
em , que contem o semiplano `a direita de .

Exemplo 12.19
A transformada inversa de Laplace de
X(s) =
1
s +a
, Re(s) > a , a R
pode ser computada por meio da transformada de Fourier associada, considerando-se s = + j
para um conveniente. Como
X(s)

s=+j
= F{x(t) exp(t)}
tem-se, pela transformada inversa de Fourier,
Bonatti, Lopes & Peres
198 Captulo 12. Transformada de Laplace
x(t) exp(t) =
1
2
_
+

X( +j) exp(jt)d
O lado direito da express ao produz
F
1
{X( +j)} = exp
_
( +a)t
_
u(t) , +a > 0
Portanto,
x(t) = exp(at)u(t) , +a > 0 Re(s +a) > 0
P
Propriedade 12.12
Transformada inversa de Laplace (unilateral)
X(s) =
_
+
0
x(t) exp(st)dt ; s
x
Se x(t) = 0, t < 0, a transformada unilateral de Laplace e igual `a transformada bilateral de Laplace
de x(t) e a transformada inversa e unica.

A transformada inversa de Laplace e uma integral complexa que pode ser calculada usando-se tecnicas
de resduo. Entretanto, no caso de fun c oes X(s) racionais, o c omputo pode ser feito por decomposi c ao
em fra c oes parciais.
Bonatti, Lopes & Peres
Captulo 13
Resolu cao de equacoes diferenciais por
transformada de Laplace
Equa c oes diferenciais lineares a coecientes constantes podem ser resolvidas, para t 0, pela trans-
formada de Laplace.
Duas propriedades de transformada de Laplace s ao relevantes para a resolu c ao dessas equa c oes.
Propriedade 13.1
Transformada unilateral de Laplace da derivada
L
_
x
(m)
(t) =
d
m
x(t)
dt
m
_
= s
m
L{x(t)}
m1

k=0
s
mk1
x
(k)
(0) , m Z
+
O domnio e no mnimo
x
.
Para primeira ordem, tem-se
L{ x(t)} = sL{x(t)} x(0)
e, para segunda ordem,
L{ x(t)} = s
2
L{x(t)} sx(0) x(0)

A transformada inversa de Laplace e uma integral complexa que pode ser calculada usando-se tecnicas
de resduo. Entretanto, no caso de fun c oes X(s) racionais, o c omputo pode ser feito por decomposi c ao
em fra c oes parciais, usando a propriedade a seguir.
Propriedade 13.2
L
_
t
m
m!
exp(at)u(t)
_
=
1
(s +a)
m+1
, m N
L{cos(t) exp(at)u(t)} =
s +a
(s +a)
2
+
2
199
200 Captulo 13. Resolu c ao de equa c oes diferenciais por transformada de Laplace
L{sen(t) exp(at)u(t)} =

(s +a)
2
+
2
O domnio e dado por Re(s +a) > 0.

Exemplo 13.1
Sistema autonomo de primeira ordem
Considere a equa c ao diferencial
y +ay = 0 , y(0)
Aplicando Laplace, tem-se
sY (s) y(0) +aY (s) = 0 Y (s) =
y(0)
s +a
cuja transformada inversa e
y(t) = y(0) exp(at)u(t)
Note que esse exemplo modela um circuito RC autonomo, sendo y(t) a tensao no capacitor e
a = 1/(RC).
P
Exemplo 13.2
Resposta ao impulso do circuito RC
Considere o circuito RC descrito na Figura 13.1, com = RC.
x(t)
R
+
+

C
y(t)
Figura 13.1: Circuito RC.
cuja equa c ao diferencial e dada por
RC y +y = x
A resposta ao impulso pressup oe condi c oes iniciais nulas. Para x(t) = (t), tem-se X(s) = 1 e,
nesse caso, a sada Y (s) e igual a H(s) (fun c ao de transferencia do circuito).
A fun c ao de transferencia e a resposta ao impulso s ao dados por
Bonatti, Lopes & Peres
201
H(s) =
1/
s + 1/
h(t) =
1

exp(t/)u(t)
Note que, neste caso, a resposta ao impulso corresponde `a solu c ao do circuito autonomo com a
condi c ao inicial y(0) = 1/.
A fun c ao de transferencia da tensao medida no resistor e a correspondente resposta ao impulso s ao
dadas por
H
R
(s) =
s
s + 1/
= 1
1/
s + 1/
h(t) = (t)
1

exp(t/)u(t)
Observe que a resposta ao impulso pode conter impulsos, associados ao fato do grau do denominador
ser igual ao grau do numerador na fun c ao de transferencia.
P
A transformada de Laplace tambem pode ser utilizada para fornecer valores iniciais e nais das solu c oes
de equa c oes diferenciais, por meio das propriedades do valor inicial e do valor nal.
Propriedade 13.3
Valor inicial
Para X(s) tal que
x
= {s C : Re(s) > a} com a real, e x(0
+
) x(0) nito:
x(0
+
) = lim
t0
+
x(t) = lim
s+
sX(s)
Obs.: s + deve ser entendido como s = +j, com qualquer e +.
pois
sX(s) x(0) = L
_
dx
dt
_
=
_
+
0
dx
dt
exp(st)dt =
_
0
+
0
dx
dt
exp(st)dt +
_
+
0
+
dx
dt
exp(st)dt
sX(s) x(0) =
_
0
+
0
dx
dt
dt +
_
+
0
+
dx
dt
exp(st)dt = x(0
+
) x(0) +
_
+
0
+
dx
dt
exp(st)dt
Para s +, a integral
_
+
0
+
dx
dt
exp(st)dt vai a zero devido `a existencia da transformada da
derivada. Portanto,
lim
s+
sX(s) x(0) = x(0
+
) x(0) = lim
s+
sX(s) = lim
t0
+
x(t)

Propriedade 13.4
Valor nal
Considere x(t) tal que lim
t+
x(t) existe (ou seja, e nito), o que implica que X(s) possui no m aximo
um polo em s = 0 e todos os demais com parte real negativa. Entao
Bonatti, Lopes & Peres
202 Captulo 13. Resolu c ao de equa c oes diferenciais por transformada de Laplace
lim
t+
x(t) = lim
s0
sX(s)
pois
sX(s) x(0) = L
_
dx
dt
_
=
_
+
0
dx
dt
exp(st)dt
lim
s0
sX(s) x(0) =
_
+
0
dx
dt
dt = lim
t+
x(t) x(0)

Exemplo 13.3
Resposta ao degrau
1
do circuito RC
Considere o circuito RC descrito na Figura 13.1, com = RC e fun c ao de transferencia dada por
H(s) =
1/
s + 1/
Para a entrada x(t) = u(t),
Y (s) = H(s)
1
s
=
1/
s(s + 1/)
Expandindo em fra c oes parciais, tem-se
Y (s) =
1/
s(s + 1/)
=
1
s

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

e essa aproxima c ao e usada experimentalmente para a medida da constante de tempo de sistemas


de primeira ordem.
A solu c ao de regime e dada por
lim
t+
y(t) = 1
pois o ganho DC e unit ario. Note que, pelo teorema do valor nal (Propriedade 13.4), tem-se
lim
t+
y(t) = lim
s0
sY (s) = H(0) = 1
1
Resposta ao degrau pressupoe condicoes iniciais nulas.
Bonatti, Lopes & Peres
203
A resposta ao degrau para a fun c ao de transferencia da tensao medida no resistor e dada por
Y
R
(s) =
1
s + 1/
y
R
(t) = exp(t/)u(t)
e, em regime, y
R
(t) 0.
Resumindo, tem-se
sY (s) =
1/
s + 1/
=
_
0 inicial s +
1 nal s 0
sY
R
(s) =
s
s + 1/
=
_
1 inicial s +
0 nal s 0
P
Exemplo 13.4
Circuito RC excitado por exponencial
Considere o circuito RC da Figura 13.1 com = RC, excitado pela entrada x(t) = exp(t)u(t) e
condi c ao inicial nula.
Para = 1, tem-se
Y (s) =
_
1/
s + 1/
__
1
s + 1
_
=
a
s + 1/
+
b
s + 1
b = a =
1
1
e, portanto,
y(t) =
1
1
_
exp(t/) exp(t)
_
u(t)
Para = 1, tem-se
Y (s) =
_
1
s + 1
__
1
s + 1
_
=
1
(s + 1)
2
y(t) = t exp(t)u(t)
que poderia tambem ser obtido por lH opital
y(t) = lim
1
exp(t/)t
2
1
u(t) = t exp(t)u(t)
P
Bonatti, Lopes & Peres
204 Captulo 13. Resolu c ao de equa c oes diferenciais por transformada de Laplace
Exemplo 13.5
Resposta ao impulso (sistema instavel)
A transformada de Laplace da resposta ao impulso do sistema descrito pela equa cao diferencial
y y 2y = 3x , (p + 1)(p 2)y = 3x
e dada por
H(s) =
3
(s + 1)(s 2)
=
1
s + 1

1
s 2
Portanto,
h(t) =
_
exp(t) exp(2t)
_
u(t)
Note que lim
s0
sH(s) = 0 n ao corresponde ao valor h(+) pois uma das razes da equa c ao
caracterstica e positiva (sistema inst avel). No entanto, o valor inicial h(0
+
) pode ser calculado por
lim
s+
sH(s) = 0.
P
Exemplo 13.6
Resposta `a rampa
2
do circuito RC
Considere o circuito RC descrito na Figura 13.1, com = RC e fun c ao de transferencia dada por
H(s) =
1/
s + 1/
Para entrada a x(t) = tu(t),
Y (s) = H(s)
1
s
2
=
1/
s
2
(s + 1/)
Expandindo em fra c oes parciais, tem-se
Y (s) =
1/
s
2
(s + 1/)
=
1
s
2


s


s + 1/
resultando na resposta `a rampa dada por
y(t) =
_
t exp(t/)
_
u(t)
Para t sucientemente grande (resposta em regime) tem-se
y(t) t
indicando que o sistema de primeira ordem apresenta sada em regime deslocada em rela cao `a
entrada. Note que para sistemas com ganho DC diferente de 1, a inclina c ao da rampa de sada e
distinta da inclina c ao da rampa de entrada.
P
2
Resposta `a rampa pressupoe condicoes iniciais nulas.
Bonatti, Lopes & Peres
205
Exemplo 13.7
Sistema autonomo de segunda ordem
Considere o sistema dado por
(p
2
+ 2
n
p +
2
n
)y(t) = 0 , y(0) = a > 0 , y(0) = 0
com
n
> 0 e 0 < < 1 (razes complexas conjugadas). A transformada de Laplace L{y(t)} = Y (s)
e dada por
Y (s) =
2a
n
+as
s
2
+ 2
n
s +
2
n
Completando o quadrado e colocando na forma padr ao para transformada inversa de seno e cosseno,
tem-se
Y (s) =
s +
n
(s +
n
)
2
+
2
d
+

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

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

_
1
2
sen(
d
t)
_
u(t)
Note que, para = 0 (sistema sem amortecimento), a resposta e dada por y(t) = a cos(
d
t).
Note tambem que a envolt oria da solu c ao comporta-se como um sistema de primeira ordem cuja
constante de tempo e
=
1

n
P
Exemplo 13.8
Pendulo linearizado
A equa c ao diferencial linear que descreve o movimento do pendulo em torno de y(t) = 0 e dada por
m y = mgseny mb y
Linearizando, tem-se
_
p
2
+
b

p +
g

_
y(t) = 0
Portanto,

n
=
_
g

, 2
n
=
b

=
b
2

g
Observe que, se b = 0 (pendulo n ao amortecido), o perodo de oscila c ao e dado por
Bonatti, Lopes & Peres
206 Captulo 13. Resolu c ao de equa c oes diferenciais por transformada de Laplace
T = 2

g
Essa express ao foi obtida experimentalmente por Galileo Galilei
3
.
P
Exemplo 13.9
Circuito RLC
Considere o circuito RLC da Figura 13.2 para x(t) = 0 (circuito autonomo). A equa c ao diferencial
e dada por
_
p
2
+
1
RC
p +
1
LC
_
y(t) = 0
Portanto,

n
=
1

LC
, 2
n
=
1
RC
=
1
2R
_
L
C
R
+
+

C
L
x y
y
1
Figura 13.2: Circuito RLC.
Observe que, para R (circuito sem perdas), tem-se
T = 2

LC
Note tambem que a constante de tempo da envolt oria e = 2RC.
P
Exemplo 13.10
Resposta ao impulso de sistema de segunda ordem subamortecido
Considere o sistema dado por
H(s) =

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

n
_
1
2
_

d
(s +
n
)
2
+
2
d
3
Galileo Galilei, matematico italiano do seculo XVI.
Bonatti, Lopes & Peres
207
com a freq uencia de oscila c ao
d
dada por

d
=
n
_
1
2
resultando em
h(t) =
_

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

2
=
1
=
n
+j
d
, a

2
= a
1
= j

2
n
2
d
resultando em
h(t) =
_

2
n

d
_
exp(
n
t)sen(
d
t)u(t)
A identica c ao dos par ametros de um sistema de segunda ordem subamortecido pode ser feita a
partir da resposta ao impulso.
O perodo T = 2/
d
da sen oide e obtido pelo c omputo do intervalo de tempo entre dois cruza-
mentos consecutivos com zero.
O par ametro e obtido da rela c ao entre dois picos consecutivos da sen oide, chamada de decremento
logartmico, pois
exp
_

n
kT
_
exp
_

n
(k + 1)T
_ = exp(
n
T)
Observe que

n
T =
2
_
1
2
P
Exemplo 13.11
Resposta ao degrau de sistema de segunda ordem subamortecido
Considere o sistema dado por
H(s) =

2
n
s
2
+ 2
n
s +
2
n
com 0 < < 1.
Bonatti, Lopes & Peres
208 Captulo 13. Resolu c ao de equa c oes diferenciais por transformada de Laplace
Para x(t) = u(t), tem-se
Y (s) =
_

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

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

s +
n
(s +
n
)
2
+
2
d

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

_
1
2
sen(
d
t)
_
_
u(t)
A resposta ao degrau passa por um primeiro pico (sobre-eleva c ao) que pode ser determinado da
equa c ao y(t) = 0, resultando em
t
pico
= /
d
, y
pico
= 1 + exp(
n
/
d
)
Esses par ametros podem ser utilizados para a identica c ao de sistemas de segunda ordem.
Note que o valor de regime (t ) e igual ao valor da amplitude do degrau de entrada pois o
ganho DC do sistema e unit ario (H(0) = 1).
P
Propriedade 13.5
Resposta `a entrada nula e resposta `as condi c oes iniciais nulas
A resposta de um sistema linear invariante no tempo pode ser decomposta em resposta `a entrada nula
e resposta `as condi c oes iniciais nulas, pois
D(p)y(t) = N(p)x(t) ; y(0), y(0), . . . , y
(m1)
(0)
resulta em
Y (s) = H(s)X(s) + I(s)
sendo I(s) a parcela devida `as condi c oes iniciais.

Exemplo 13.12
Considere o circuito RC da Figura 13.1 com = RC = 1, excitado pela entrada x(t) = cos(t)u(t)
e condi c ao inicial y(0).
Y (s) =
1
s + 1
X(s) +
1
s + 1
y(0)
Portanto,
Y (s) =
s
(s + 1)(s
2
+ 1)
+
y(0)
s + 1
=
y(0) 1/2
s + 1
+
1
2
s + 1
s
2
+ 1
Bonatti, Lopes & Peres
209
y(t) =
_
(y(0) 1/2) exp(t) +
1
2
cos(t) +
1
2
sen(t)
_
u(t)
Note que a resposta y(t) contem termos transit orios devido `a entrada e devido `a condi c ao inicial
y(0).
Note ainda que, no exemplo, a condi c ao inicial y(0) = 1/2 anula o transit orio.
P
Propriedade 13.6
Resposta ao impulso de sistema estavel
A resposta ao impulso de um sistema linear invariante no tempo racional estritamente proprio (grau
do numerador menor que o do denominador) com polos de parte real negativa e fun c ao de transferencia
H(s) =
N(s)
D(s)
e transit oria, ou seja, esvanece com o tempo
lim
t+
h(t) = 0
Como s = 0 pertence a
h
(p olos de parte real negativa), tem-se
lim
t+
h(t) = lim
s0
sH(s) = 0
o que qualica o comportamento de h(t) como assintoticamente est avel.

Propriedade 13.7
Resposta ao degrau de sistema estavel
A resposta persistente (ou em regime) de um sistema linear invariante no tempo racional estritamente
proprio com polos de parte real negativa excitado por um degrau com fun c ao de transferencia
H(s) =
N(s)
D(s)
e dada por
y(t) = H(0)u(t)
. .
regime
+transit orio
pois
Y (s) =
H(s)
s
=
a
s
+
N
1
(s)
D(s)
, a = H(0)
Note que a sada em regime e tambem um degrau, com a mesma amplitude da entrada se H(0) = 1.

Bonatti, Lopes & Peres


210 Captulo 13. Resolu c ao de equa c oes diferenciais por transformada de Laplace
Propriedade 13.8
Resposta `a rampa de sistema estavel
A resposta persistente (ou em regime) de um sistema linear invariante no tempo racional estritamente
proprio com polos de parte real negativa excitado por uma rampa com fun c ao de transferencia
H(s) =
N(s)
D(s)
e dada por
y(t) = H(0)tu(t) +

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

s=0
resultando em
y(t) = H(0)tu(t) +

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

H(0) = 0.

Exemplo 13.13
Resposta ao degrau e `a rampa
Um sistema de primeira ordem dado por
H(s) =
a
s +a
com a > 0 segue uma entrada em degrau. Note que esse sistema n ao segue a entrada x(t) = tu(t)
em regime com erro nulo, pois H(0) = 1 mas

H(0) = 1/a = 0.
Um sistema de segunda ordem dado por
H(s) =
as +b
s
2
+as +b
com a > 0 e b > 0 segue as entradas degrau e rampa com erro de regime nulo.
P
Propriedade 13.9
Resposta `a parabola de sistema estavel
A resposta persistente (ou em regime) de um sistema linear invariante no tempo racional estritamente
proprio com polos de parte real negativa excitado por uma par abola com fun c ao de transferencia
Bonatti, Lopes & Peres
211
H(s) =
N(s)
D(s)
, x(t) =
t
2
2
u(t) X(s) =
1
s
3
e dada por
y(t) = H(0)
t
2
2
u(t) +

H(0)tu(t) +
1
2

H(0)u(t)
. .
regime
+transit orio
pois
Y (s) =
H(s)
s
3
=
a
s
3
+
b
s
2
+
c
s
+
N
2
(s)
D(s)
com
a = H(0) , b =
d
ds
H(s)

s=0
, c =
1
2
d
2
ds
2
H(s)

s=0

Exemplo 13.14
Resposta `a parabola
Um sistema de terceira ordem dado por
H(s) =
as
2
+bs +c
s
3
+as
2
+bs +c
com razes est aveis segue as entradas degrau, rampa e par abola com erro de regime nulo.
P
Bonatti, Lopes & Peres
Captulo 14
Resolu cao de Equa coes Diferenciais por
Coecientes a Determinar
Equa c oes diferenciais lineares com coecientes constantes podem ser resolvidas pelo metodo dos coe-
cientes a determinar.
Considere a equa c ao diferencial homogenea
D(p)y(t) =
m

k=0

k
p
k
y(t) = 0 , p =
d
dt
, p
k
=
d
k
dt
k
(14.1)
com
m
= 1 e condi c oes iniciais conhecidas, que descreve um sistema linear autonomo.
Observe que a equa c ao e uma restri c ao linear (combinac ao linear das fun c oes y(t), y(t), . . . , y
(m)
(t))
e portanto a solu c ao y(t) deve necessariamente estar em um espa co de dimens ao m.
Deni cao: Independencia Linear
Um conjunto de sinais {y
k
(t), k = 1, . . . , m} e linearmente independente se e somente se
m

k=1
c
k
y
k
(t) = 0 , t c
k
= 0 , k = 1, . . . , m
Exemplo 14.1
Linearmente independentes
Os sinais y
1
(t) = 1, y
2
(t) = t e y
3
(t) = t
2
s ao linearmente independentes.
c
1
y
1
(t) +c
2
y
2
(t) +c
3
y
3
(t) = 0 c
1
= c
2
= c
3
= 0, pois det
_
_
1 0 0
1 1 1
1 2 4
_
_
= 2 = 0
P
Deni cao: Base
A combina c ao linear de um conjunto de m sinais y
k
(t), isto e,
212
213
y(t) =
m

k=1
c
k
y
k
(t)
com escalares c
k
C gera um espa co linear, cuja dimens ao e dada pelo n umero r m de sinais
linearmente independentes. Qualquer conjunto de r sinais que gere o mesmo espa co e uma base para
esse espa co.
Propriedade 14.1
Independencia linear
y
1
(t) = exp(
1
t) e y
2
(t) = exp(
2
t) s ao linearmente independentes se e somente se
1
=
2
pois a
1
exp(
1
t) +a
2
exp(
2
t) = 0 implica
a
1
+a
2
= 0
a
1
exp(
1
) +a
2
exp(
2
) = 0
_
a
1
= a
2
= 0

Propriedade 14.2
Derivada de auto-fun cao
As fun c oes y
1
(t) = exp(t) e y
2
(t) = p
k
exp(t) s ao linearmente dependentes, pois
y
2
(t) =
k
exp(t)

Propriedade 14.3
Modo pr oprio
y(t) = exp(t) e solu c ao da equa c ao (14.1) se e raiz de D() = 0 (equa c ao caracterstica), pois
D(p) exp(t) = D() exp(t) = 0

Exemplo 14.2
Raiz simples
Considere o circuito RC autonomo, com condi c ao inicial (tens ao no capacitor) y(0) e RC = .
(p + 1)y = 0 , y(0)
cuja equa c ao caracterstica e
+ 1 = 0 =
1

Bonatti, Lopes & Peres


214 Captulo 14. Resolu c ao de Equa c oes Diferenciais por Coecientes a Determinar
A solu c ao e dada por
y(t) = a exp(t)
sendo a o coeciente a determinar. Usando a condi c ao inicial, tem-se
y(t) = y(0) exp(t)
P
Propriedade 14.4
Modos pr oprios
Se as m razes
k
de D() = 0 forem distintas, entao
y(t) =
m

k=1
a
k
exp(
k
t)
e solu c ao da equa c ao (14.1) pois
k
satisfaz D(
k
) = 0, k = 1, . . . , m e os modos proprios exp(
k
t),
k = 1, . . . , m s ao linearmente independentes.

Exemplo 14.3
Duas razes reais distintas
Considere o sistema descrito pela equa c ao diferencial
p(p + 1/)y = 0 , y(0) = 0 , y(0) = 1/
cuja equa c ao caracterstica e
( + 1/) = 0
1
= 0 ,
2
= 1/
A solu c ao e dada por
y(t) = a
1
+a
2
exp(t/)
Das condi c oes iniciais, tem-se
a
1
= 1 , a
2
= 1
P
Bonatti, Lopes & Peres
215
Exemplo 14.4
Duas razes complexas conjugadas
Considere o sistema descrito pela equa c ao diferencial
(p
2
+ 2

3p + 4)y = 0 , y(0) = 1 , y(0) = 0


cuja razes da equa c ao caracterstica s ao

1
=

3 +j ,
2
=

3 j
A solu c ao e dada por
y(t) = a
1
exp(
1
t) +a
2
exp(
2
t)
Das condi c oes iniciais, tem-se
a
1
=
1
2
j

3
2
, a
2
=
1
2
+j

3
2
De maneira equivalente, a combina c ao linear de modos proprios complexos conjugados pode ser
escrita como
y(t) = a exp(

3t) cos(t +) , = /3 , a = 2
P
Exemplo 14.5
Tres razes distintas
Considere o sistema descrito pela equa c ao diferencial
(p
2
+ 1)(p + 1) = 0 , y(0) = y
0
, y(0) = 1 y
0
, y(0) = y
0
1

1
= 1 ,
2
= j ,
3
= j
A solu c ao e dada por
y(t) = a
1
exp(t) +a
2
exp(jt) +a
3
exp(jt)
Das condi c oes iniciais, tem-se
a
1
= y
0
1/2 , a
2
= (1 j)/4 , (1 +j)/4
Portanto,
y(t) = (y
0
1/2) exp(t) +
1
4
(exp(jt) + exp(jt)) +
1
4j
(exp(jt) exp(jt))
= (y
0
1/2) exp(t) +
1
2
cos(t) +
1
2
sen(t)
P
Bonatti, Lopes & Peres
216 Captulo 14. Resolu c ao de Equa c oes Diferenciais por Coecientes a Determinar
Propriedade 14.5
Operador p do produto
Para n 0 inteiro, com p =
d
dt
e p
0
f(t) = f(t), tem-se
p
n
_
f(t)g(t)
_
=
n

k=0
_
n
k
_
p
k
f(t)p
nk
g(t)
pois
p
_
f(t)g(t)
_
= f(t)pg(t) +g(t)pf(t)
p
2
_
f(t)g(t)
_
= g(t)p
2
f(t) +f(t)p
2
g(t) + 2pf(t)pg(t) ,

Propriedade 14.6
Operador p do produto t exp(t)
D(p)
_
t exp(t)
_
= tD() exp(t) +
d
d
D() exp(t)
pois
D(p)
_
t exp(t)
_
= exp(t)
m

k=0

k
k

r=0

kr
_
k
r
_
p
r
t =
= exp(t)
_
t
m

k=0

k
+
m

k=1

k
k
k1
_
= exp(t)
_
tD() +
d
d
D()
_

Propriedade 14.7
Raiz dupla
Se e raiz dupla da equa c ao caracterstica D() = 0, entao exp(t) e t exp(t) s ao modos proprios
da equa c ao (14.1).
D(p)(t exp(t)) = exp(t)
_
tD() +
d
d
D()
_
= 0
pois D() = 0 e
d
dp
D(p)

p=
= 0 quando e raiz dupla de D().

Propriedade 14.8
Raiz m ultipla
Se e raiz de multiplicidade r de D(), entao exp(t), t exp(t), . . . , t
r1
exp(t) s ao modos proprios
da equa c ao (14.1).

Bonatti, Lopes & Peres


217
Propriedade 14.9
Solu cao da equa cao homogenea
A solu c ao da equa c ao (14.1) e dada pela combina c ao linear dos seus m modos proprios.

Exemplo 14.6
Duas razes iguais
Considere o sistema descrito pela equa c ao diferencial
(p + 1)
2
y = 0 , y(0) = 0 , y(0) = 1

1
=
2
= 1
A solu c ao e dada por
y(t) = a
1
exp(t) +a
2
t exp(t)
Das condi c oes iniciais, tem-se
a
1
= 0 , a
2
= 1
P
Exemplo 14.7
Duas razes iguais e uma distinta
Considere o sistema descrito pela equa c ao diferencial
p
2
(p + 1/)y = 0 , y(0) = 0 , y(0) = 0 , y(0) = 1/

1
=
2
= 0 ,
3
= 1/
A solu c ao e dada por
y(t) = a
1
+a
2
t +a
3
exp(t/)
Das condi c oes iniciais, tem-se
a
1
= , a
2
= 1 , a
3
=
P
Considere a equa c ao diferencial nao homogenea
D(p)y(t) = N(p)x(t) (14.2)
com
m
= 1 e condi c oes iniciais conhecidas, que descreve um sistema linear nao autonomo.
Bonatti, Lopes & Peres
218 Captulo 14. Resolu c ao de Equa c oes Diferenciais por Coecientes a Determinar
A equa c ao (14.2) pode ser resolvida pelo metodo dos coecientes a determinar sempre que x(t) for
solu c ao de uma equa c ao diferencial homogenea dada por

D(p)x(t) = 0
O polin omio

D(p) dene os modos do espa co que contem x(t). Portanto, multiplicando a equa c ao
(14.2) dos dois lados por

D(p), tem-se a equa c ao homogenea

D(p)D(p)y(t) = N(p)

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

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

D(p), obtidas por substitui c ao sistem atica na equa c ao (14.2).
Exemplo 14.8
Primeira ordem com entrada constante
Considere o sistema descrito pela equa c ao diferencial
(p + 1/)y = 1/ , y(0) = 0
Neste caso,

D(p) = p, pois a entrada x(t) = 1/ exp(0t) est a no espa co de dimens ao 1 descrito pelo
modo proprio associado `a raiz 0, resultando na equa c ao homogenea (resolvida no Exemplo 14.3)
p(p + 1/)y = 0 , y(0) = 0 , y(0) = 1/
A condi c ao y(0) foi obtida da equa c ao original.
P
Exemplo 14.9
Primeira ordem com entrada senoidal
Considere o sistema descrito pela equa c ao diferencial
(p + 1)y = cos(t) , y(0) = y
0
Neste caso,

D(p) = p
2
+ 1, pois a entrada x(t) = cos(t) est a no espa co de dimens ao 2 descrito
pelos modos proprios associados `as razes j e j, resultando na equa c ao homogenea (resolvida no
Exemplo 14.5)
(p
2
+ 1)(p + 1) = 0 , y(0) = y
0
, y(0) = 1 y
0
, y(0) = y
0
1
P
Exemplo 14.10
Primeira ordem com entrada exponencial (ressonancia)
Considere o sistema descrito pela equa c ao diferencial
Bonatti, Lopes & Peres
219
(p + 1)y = exp(t) , y(0) = 0
Neste caso,

D(p) = p+1, pois a entrada x(t) = exp(t) est a no espa co de dimens ao 1 descrito pelos
modo proprio associado `a raiz 1, resultando na equa c ao homogenea (resolvida no Exemplo 14.6)
(p + 1)
2
y = 0 , y(0) = 0 , y(0) = 1
Observe que a coincidencia do modo proprio da fun c ao excitadora com o modo proprio do sistema
produz uma solu c ao equivalente `a obtida para duas razes iguais.
P
Propriedade 14.10
Solu cao for cada
O metodo dos coecientes a determinar pode ser aplicado diretamente `a equa c ao diferencial nao
homogenea (14.2). Para isso, identicam-se as parcelas homogenea e for cada (devido `a entrada) da
solu c ao.
y(t) = y
h
(t) +y
f
(t) D(p)
_
y
h
(t) +y
f
(t)
_
= N(p)x(t)
D(p)y
f
(t) = N(p)x(t) (14.3)
pois D(p)y
h
(t) = 0.
As parcelas homogenea e for cada s ao dadas por
y
h
(t) =
m

k=1
a
k
p
k
(t) , y
f
(t) =
m

k=1
b
k
q
k
(t)
sendo p
k
(t) os m modos proprios associados a D() = 0 e q
k
os m modos for cados associados a

D() = 0, considerando-se as possveis multiplicidades com as razes .


Os coecientes b
k
s ao obtidos da equa c ao (14.3) e, em seguida, os coecientes a
k
s ao obtidos a partir
das condi c oes iniciais aplicadas na solu c ao y(t).

Exemplo 14.11
Solu cao for cada `a entrada senoidal
Considere o sistema descrito pela equa c ao diferencial
(p + 1)y = 10 cos(2t) , y(0) = 0
A raiz de D() = 0 e 1 e as razes de

D() = 0 s ao

1
= 2j ,
2
= 2j
e portanto n ao h a coincidencia de razes entre D() = 0 e

D() = 0. Assim,
y
f
(t) = b
1
exp(
1
t) +b
2
exp(
2
t)
Bonatti, Lopes & Peres
220 Captulo 14. Resolu c ao de Equa c oes Diferenciais por Coecientes a Determinar
Substituindo na equa c ao, tem-se

1
b
1
exp(
1
t) +
2
b
2
exp(
2
t) +b
1
exp(
1
t) +b
2
exp(
2
t) = 5 exp(
1
t) + 5 exp(
2
t)
resultando em
b
1
=
5

1
+ 1
= 1 j2 , b
2
=
5

2
+ 1
= 1 +j2
Assim,
y(t) = a exp(t) + (1 j2) exp(j2t) + (1 +j2) exp(j2t)
Das condi c oes iniciais, obtem-se a = 2.
Note que os modos for cados podem ser escritos em termos trigonometricos, ou seja,
y
f
(t) = b
c
cos(2t) +b
s
sen(2t)
Derivando e substituindo na equa c ao, obtem-se
b
c
= 2 , b
s
= 4
P
Exemplo 14.12
Solu cao for cada `a entrada exponencial
Considere o sistema dado por
(p + 1)y = 10 exp(t) , y(0) = 1
= 1 , = 1
Portanto, a parte for cada e dada por
y
f
(t) = bt exp(t) b = 10
A solu c ao e
y(t) = a exp(t) + 10t exp(t) a = 1
P
Bonatti, Lopes & Peres
221
Exemplo 14.13
Solu cao for cada `a entrada polinomial
Considere o sistema descrito pela equa c ao
(p
2
+ 2

3p + 4)y = 8t , y(0) = 1 , y(0) = 0

1
=

3 +j ,
2
=

3 j ,
1
= 0 ,
2
= 0
Portanto,
y
f
(t) = b
1
+b
2
t b
1
=

3 , b
2
= 2
y(t) = exp(

3t)
_
a
1
cos(t) +a
2
sen(t)
_

3 + 2t a
1
= a
2
= 1 +

3
P
Propriedade 14.11
Resposta ao impulso
D(p)y(t) = N(p)x(t) , x(t) = (t) (condi c oes iniciais nulas)
A priori, o metodo dos coecientes a determinar nao poderia ser utilizado para determinar y(t) pois
nao existe equa c ao diferencial linear com coecientes constantes que produza como solu c ao a fun c ao
(t).
Entretanto, a resposta ao impulso pode ser calculada pelo metodo dos coecientes a determinar da
seguinte forma. Primeiramente, resolva
D(p)f(t) = 1 , (condi c oes iniciais nulas)
A resposta ao degrau e dada por N(p)
_
f(t)u(t)
_
, usando o operador p aplicado ao produto (Proprie-
dade 14.5).
Por linearidade, a resposta ao impulso e dada pela derivada da resposta ao degrau, isto e,
h(t) = pN(p)
_
f(t)u(t)
_

Exemplo 14.14
Resposta ao impulso
Considere
(p + 2)(p 3)y(t) = px(t) , x(t) = (t) , (condi c oes iniciais nulas)
Bonatti, Lopes & Peres
222 Captulo 14. Resolu c ao de Equa c oes Diferenciais por Coecientes a Determinar
(p + 2)(p 3)f(t) = 1 f(t) = b +a
1
exp(2t) +a
2
exp(3t)
b =
1
6
, f(0) =

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

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

f(t)u(t)
_
=

f(t)u(t) +

f(0)(t) =

f(t)u(t) =
1
5
_
3 exp(3t) + 2 exp(2t)
_
u(t)
Note que as respostas ao degrau e ao impulso poderiam ser obtidas por transformada de Laplace.
A resposta ao impulso e a transformada inversa de H(s), ou seja
H(s) =
s
(s + 2)(s 3)
H(s) =
2/5
s + 2
+
3/5
s 3
, h(t) =
_
2
5
exp(2t) +
3
5
exp(3t)
_
u(t)
P
Exerccio 14.1
a) Determine a resposta ao degrau do sistema
(p + 1)
2
y = x
Solu c ao: fazendo x = 1 e y(0) = y(0) = 0, tem-se
y = b +a
1
exp(t) +a
2
t exp(t) b = 1
_
0 = b +a
1
0 = a
1
+a
2
a
1
= 1 , a
2
= 1
b) Determine a resposta do sistema para as condi c oes y(0) = 0, y(1) = 0
(p + 1)
2
y = 1
Solu c ao: denotando y(0) = a, tem-se
y = b +a
1
exp(t) +a
2
t exp(t) b = 1
_
0 = b +a
1
a = a
1
+a
2
a
1
= 1 , a
2
= a 1
Portanto,
y = 1 exp(t) + (a 1)t exp(t)
Bonatti, Lopes & Peres
223
Com a condi c ao de contorno y(1) = 0, tem-se
a = 2 exp(1)
A Figura 14.1 mostra a evolu c ao temporal das duas solu c oes. Observe que, no caso b), a imposi c ao
de y(1) = 0 alterou de maneira signicativa a derivada no instante t = 0.
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0.2
0
0.2
0.4
0.6
0.8
1
a)
b)
t
Figura 14.1: Respostas temporais do Exerccio 14.1.
0
Bonatti, Lopes & Peres
Captulo 15
Variaveis de Estado
Sistemas din amicos podem ser descritos por rela c oes de entrada-sada ou por vari aveis internas deno-
minadas vari aveis de estado.
Deni cao: representa cao can onica por variaveis de estado
Sistemas contnuos no tempo com uma entrada escalar x(t) e uma sada escalar y(t) s ao chamados de
sistemas SISO (single-input single-output). Podem ser descritos por sistemas de equa c oes de primeira
ordem nas vari aveis de estado. Assim,
v(t) = f(v(t), x(t), t) , y(t) = g(v(t), x(t), t) (15.1)
sendo v(t) R
m
o vetor de vari aveis de estado.
As trajet orias v(t), solu c oes da equa c ao (15.1), s ao univocamente determinadas a partir da condi c ao
inicial v(0) e da entrada x(t).
Exemplo 15.1
Lorenz
Em 1963, Lorenz
1
publicou o artigo Deterministic nonperiodic ow, no Journal of the Atmosphe-
ric Sciences, mostrando que equa c oes simples podem apresentar comportamentos imprevisveis,
denominados posteriormente de ca oticos.
v
1
= (v
2
v
1
)
v
2
= y
1
v
2
v
1
v
3
v
3
= v
1
v
2
v
3
As equa c oes representam comportamentos atmosfericos, sendo v
1
ligado `a velocidade das correntes
de ar e v
2
, v
3
associados `as temperaturas. As contantes positivas s ao o n umero de Rayleigh
2
, o
n umero de Prandtl
3
e uma raz ao [2].
P
Deni cao: pontos de equilbrio
Os vetores v solu c ao do sistema de equa c oes invariante no tempo
1
Edward N. Lorenz, meteorologista do MIT (Massachusetts Institute of Technology).
2
John William Strutt, Lord Rayleigh, fsico ingles (18421919).
3
Ludwig Prandtl, engenheiro mecanico alemao (18751953).
224
225
f( v, x) = 0
para x(t) = x constante s ao denominados pontos de equilbrio.
Sistemas lineares invariantes no tempo podem ser representados por equa c oes matriciais em termos
das vari aveis de estado, das entradas e sadas
v = Av +Bx (15.2)
y = Cv +Dx (15.3)
sendo v(t) R
m
o vetor de vari aveis de estado, x(t) o vetor de entradas e y(t) o vetor de sadas. A
equa c ao (15.2) e chamada de equa c ao din amica, sendo A a matriz din amica do sistema e B a matriz
de entradas, e a equa c ao (15.3) e chamada de equa c ao de sada, sendo C a matriz de sadas e D a
matriz de transmiss ao direta.
Deni cao: sistema linearizado
Uma aproxima c ao de primeira ordem pode representar o sistema em torno do ponto de equilbro.
Assim, utilizando o jacobiano
4
tem-se
A =
_
f
i
v
j
_

v, x
, B =
_
f
i
x
j
_

v, x
C =
_
g
i
v
j
_

v, x
, D =
_
g
i
x
j
_

v, x
Neste texto, apenas entradas e sadas escalares (sistemas SISO) s ao consideradas, implicando que
B = b (vetor coluna), C = c (vetor linha) e D = d (escalar).
Exemplo 15.2
Lotka-Volterra
O modelo de Lotka-Volterra
5
descreve, de maneira simplicada, a rela c ao entre quantidade de
predadores v
1
e de presas v
2
num h abitat com disponibilidade innita de alimento para as presas.
v
1
= f
1
(v
1
, v
2
) = av
1
+bv
1
v
2
, v
2
= f
2
(v
1
, v
2
) = cv
2
dv
1
v
2
Os par ametros a, b, c e d s ao positivos e representam: a e a taxa de morte do predador, por fome
e envelhecimento; b e o fator de ganho (para os predadores) quando do encontro com a presa; c e
a taxa de expans ao da popula c ao de presas (livres dos predadores); d e o fator de perda (para as
presas) quando do encontro com o predador.
Os pontos de equilbrio s ao (0, 0) (desaparecimento das popula c oes) e (c/d, a/b).
O jacobiano do sistema e dado por
_
f
i
v
j
_
=
_
a +bv
2
bv
1
dv
2
c dv
1
_
No ponto de equilbrio (0, 0), tem-se a representa c ao linearizada do sistema
4
Karl Gustav Jacob Jacobi, prussiano do seculo XIX.
5
Alfred James Lotka, austraco e Vito Volterra, italiano, ambos do nal do seculo XIX.
Bonatti, Lopes & Peres
226 Captulo 15. Vari aveis de Estado
_
v
1
v
2
_
=
_
a 0
0 c
_ _
v
1
v
2
_
que corresponde a dois sistemas de primeira ordem desacoplados, um que cresce exponencialmente
com c (presa) e outro que decresce exponencialmente com a (predador).
No ponto de equilbrio (c/d, a/b), tem-se a representa c ao linearizada do sistema
_
v
1
v
2
_
=
_
0 bc/d
ad/b 0
_ _
v
1
v
2
_
na qual as vari aveis representam os desvios em rela c ao ao ponto de equilbrio. Escrevendo a equa c ao
de segunda ordem em v
1
(predador), tem-se
v
1
+acv
1
= 0
que produz solu c oes puramente oscilat orias com freq uencia

ac (em radianos), indicando que o
n umero de predadores em torno de c/d alterna-se periodicamente com perodo T = 2/

ac.
A mesma equa c ao diferencial e obtida na vari avel v
2
(presa), indicando que o n umero de presas
alterna-se periodicamente em torno de a/b.
As Figuras 15.1 e 15.2 mostram a evolu c ao do sistema n ao-linear (a = b = c = d = 1) para as
condi c oes iniciais (0.1, 1), (0.9, 1.1) (esquerda) e (0.1, 0.1) (direita), respectivamente. As trajet orias
foram obtidas por simula c ao numerica, algoritmo de Runge-Kutta.
6
Note que o perodo das os-
cila c oes e aproximadamente igual a 8 na Figura 15.1 e 7 na Figura 15.1 (esquerda), enquanto que
o perodo do sistema linearizado e 2. O menor desvio no segundo caso decorre da proximidade da
condi c ao inicial com o ponto de lineariza c ao.
0 2 4 6 8 10 12 14 16 18 20
0
0.5
1
1.5
2
2.5
3
3.5
4
t
Figura 15.1: Predadores (curva contnua) e presas (tra co-e-ponto) para condi c ao inicial (0.1, 1).
P
Deni cao: espa co de fases

E a representa c ao espacial das trajet orias de um sistema din amico em coordenadas de vari aveis de
estado, tendo como vari avel implcita o tempo, chamada de plano de fase quando apenas duas das
vari aveis s ao representadas.
6
Carle David Tolme Runge (1856-1927) e Martin Wilhelm Kutta (1867-1944), matematicos alemaes.
Bonatti, Lopes & Peres
227
0 2 4 6 8 10 12 14 16 18 20
0
0.2
0.4
0.6
0.8
1
t
0 2 4 6 8 10 12 14 16 18 20
0
1
2
3
4
5
6
t
Figura 15.2: Predadores (curva contnua) e presas (tra co-e-ponto) para condi c ao inicial (0.9, 1.1)
(esquerda) e (0.1, 0.1) (direita).
Propriedade 15.1
Plano de Fase
N ao ha cruzamento de trajet orias no espa co de fases, pois o sistema nao pode evoluir diferentemente
a partir de um mesmo ponto.

Exemplo 15.3
Os planos de fase do Exemplo 15.2 (Lotka-Volterra) s ao mostrados na Figura 15.3.
0 1 2 3 4 5 6
0
1
2
3
4
5
6
v
1
v
2
Figura 15.3: Planos de fase para as condi c oes iniciais (0.1, 0.1) (curva pontilhada), (0.9, 1.1) (tracejada)
e (0.1, 1) (contnua) do modelo de Volterra.
P
Exemplo 15.4
Circuito RC
Considere o circuito RC descrito na Figura 15.4 com = RC.
Bonatti, Lopes & Peres
228 Captulo 15. Vari aveis de Estado
x(t)
R
+
+

C
v(t)
Figura 15.4: Circuito RC.
Considerando como sada a tensao y(t) no resistor, tem-se as equa c oes de estado e de sada
v =
1

v +
1

x , y = v +x
P
Exemplo 15.5
Circuito RLC
As equa c oes de estado do circuito da Figura 15.5 s ao
R
+
+

C
L
x v
1
v
2
Figura 15.5: Circuito RLC.
_
v
1
v
2
_
=
_
1/(RC) 1/C
1/L 0
_ _
v
1
v
2
_
+
_
0
1/L
_
x
y =
_
1/R 0

_
v
1
v
2
_
A equa c ao diferencial em y (corrente no resistor) e dada por
_
p
2
+
1
RC
p +
1
LC
_
y =
1
RLC
x
P
Exemplo 15.6
Circuito de terceira ordem
As equa c oes de estado do circuito da Figura 15.6 s ao
v(t) =
_

_
0 0
1
C
1
0
1
R
2
C
2

1
C
2

1
L
1
L

R
1
L
_

_
v(t) v =
_
_
v
1
v
2
v
3
_
_
Bonatti, Lopes & Peres
229
v
3
y
v
2
v
1
R
1
R
2
C
2
C
1
L
+
+
+

Figura 15.6: Circuito de terceira ordem.


y =
_
1 0 0

v
Esse circuito e usado para simular surtos de alta tensao (raios) em laborat orio. O capacitor C
2
,
inicialmente carregado, transfere a energia para o capacitor C
1
gerando um pulso cujo tempo
de subida e da ordem de 1s e que cai a 50% de seu valor em cerca de 50s. Valores tpicos:
C
2
= 0.6F, C
1
= 0.001F, R
1
= 350, R
2
= 115 e L = 200H (indut ancia parasita).
A equa c ao diferencial homogenea de terceira ordem em y e
_
p
3
+
_
R
1
L
+
1
R
2
C
2
_
p
2
+
_
1
LC
1
+
1
LC
2
_
1 +
R
1
R
2
__
p +
1
LC
1
R
2
C
2
_
y = 0
Supondo todos os par ametros iguais a 1, tem-se
v
1
= v
3
, v
2
= v
2
v
3
, v
3
= v
1
+v
2
v
3
, y = v
1
cuja implementa c ao usando integradores e mostrada na Figura 15.7.
+
+
+
_ _ _
1
1
1
1
v
3
v
2
v
1
y
Figura 15.7: Implementa c ao com integradores do circuito do Exemplo 15.5 (circuito de terceira ordem).
P
Muitos sistemas din amicos s ao descritos por equa c oes diferenciais que nao est ao na forma de vari aveis
de estado. Neste caso, e preciso denir vari aveis de estado internas de maneira conveniente.
Bonatti, Lopes & Peres
230 Captulo 15. Vari aveis de Estado
Exemplo 15.7
Pendulo simples
O pendulo simples de comprimento , oscilando em um plano vertical, sujeito ao atrito de fric c ao
no engate e sustentando na extremidade livre uma massa m e descrito pela equa c ao
m

= mgsen() mb

sendo o angulo com a vertical, g a acelera c ao da gravidade e b o coeciente de atrito.


Denindo-se
v
1
= , v
2
=

tem-se
v
1
= v
2
, v
2
=
g

sen(v
1
)
b

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

+
g

= 0
1,2
=
b
2

1
2

_
b

_
2

4g

implicando que as razes da equa c ao tem parte real negativa (sistema est avel). Note que para
b < 2

g, as razes s ao complexas conjugadas (oscila c ao). Alem disso, se b = 0, a freq uencia


angular da oscila c ao e
_
g/.
Linearizando o sistema em torno de (, 0), tem-se
_
v
1
v
2
_
=
_
0 1
g/ b/
_ _
v
1
v
2
_
cuja equa c ao caracterstica e
() =
2
+
b

= 0
1,2
=
b
2

1
2

_
b

_
2
+
4g

implicando que uma raiz da equa c ao tem parte real positiva (sistema inst avel).
A Figura 15.8 mostra o plano de fase do modelo n ao linear (contnuo) e do modelo linearizado
(tracejado) em torno do ponto (0, 0), para condi c ao inicial (/3, 0). Note que o n ao linear tem
atenua c ao maior do que o linear.
P
Bonatti, Lopes & Peres
231
6
4
2
0
2
4
6
v
1
v
2
/3 /6 /3 /6
Figura 15.8: Planos de fase do pendulo para a condi c ao inicial (/3, 0).
Exemplo 15.8
Van der Pol
Van der Pol
7
estudou osciladores a v alvula descritos pela seguinte equa c ao
y 2(1 y
2
) y +y = 0 , > 0
Denindo
v
1
= y , v
2
= y
tem-se
v
1
= v
2
, v
2
= v
1
+ 2(1 v
2
1
)v
2
O ponto de equilbrio e (v
1
, v
2
) = (0, 0) e o jacobiano e dado por
_
f
i
v
j
_
=
_
0 1
1 4v
1
v
2
2(1 v
2
1
)
_
O sistema linearizado e dado por
_
v
1
v
2
_
=
_
0 1
1 2
_ _
v
1
v
2
_
resultando na equa c ao de segunda ordem em v
2
(p
2
2p + 1)v
2
= 0
Para 0 < < 1, tem-se as razes da equa c ao caracterstica

1
=

2
= +j
_
1
2
tratando-se, portanto, de um sistema inst avel oscilat orio. A solu c ao v
2
(t) e dada por
v
2
(t) = a exp(t) cos
_
(
_
1
2
)t +
_
7
Balthasar Van der Pol, engenheiro eletricista holandes (18891959).
Bonatti, Lopes & Peres
232 Captulo 15. Vari aveis de Estado
com a e denidos pelas condi c oes iniciais.
Os planos de fase para = 0.5 s ao mostrados na Figura 15.9. Observe que o sistema n ao-linear
possui um ciclo-limite est avel e que o modelo linearizado em torno do ponto de equilbrio (0, 0)
apresenta o car ater oscilat orio inst avel da solu c ao.
2.5 2 1.5 1 0.5 0 0.5 1 1.5 2 2.5
3
2
1
0
1
2
3
v
1
v
2
Figura 15.9: Planos de fase para as condi c oes iniciais (0.01, 0), (2, 2) e (2, 2) do oscilador de Van
der Pol.
P
Exemplo 15.9
Considere a equa c ao diferencial
y + 2 y +y = x
Usando diferenciadores, pode-se implementar a equa c ao como mostrado na Figura 15.10. Note que
na entrada do diferenciador da esquerda, tem-se
y = x 2 y y
De maneira similar, a Figura 15.11 mostra uma implementa c ao com integradores. Na entrada do
integrador da esquerda, tem-se
y = x 2 y y
Apesar de ambas as implementa c oes representarem a mesma equa c ao diferencial (mesma fun c ao
de transferencia), e prefervel usar integradores pois diferenciadores amplicam rudos de alta
freq uencia.
Supondo um sinal x(t) sujeito ao rudo aditivo de alta freq uencia (t), ambos senoidais, aplicados
na entrada de um diferenciador, tem-se
x(t) +(t) = sen(
0
t) + sen(t) y(t) =
0
cos(
0
t) + cos(t)
cujas rela c oes sinal-rudo s ao
_
S
N
_
in
= 0 dB ;
_
S
N
_
out
= 20 log
0
/
Bonatti, Lopes & Peres
233
+
+
d/dt d/dt
1
2
y
y
x
y
Figura 15.10: Implementa c ao com diferenciadores de y + 2 y +y = x.
+
+
_ _
2 1
x
y
y
y
Figura 15.11: Implementa c ao com integradores de y + 2 y +y = x.
implicando que a rela c ao sinal-rudo da sada diminui com o aumento da freq uencia do rudo.
Por outro lado, na sada do integrador tem-se
y(t) =
1

0
cos(
0
t)
1

cos(t)
_
S
N
_
out
= 20 log /
0
e portanto a rela c ao sinal-rudo aumenta com a freq uencia.
P
Representa cao em variaveis de estado a partir da equa cao diferencial
Algumas representa c oes em vari aveis de estado, ditas can onicas, podem ser obtidas por inspe c ao direta
da equa c ao diferencial.
Propriedade 15.2
Caso N(p) =
0
(sem a derivada da entrada)
Considere a equa c ao diferencial
D(p)y(t) =
0
x(t) , D(p) =
m

k=0

k
p
k
com
m
= 1,
k
e
0
coecientes constantes.
Denindo as vari aveis de estado v R
m
Bonatti, Lopes & Peres
234 Captulo 15. Vari aveis de Estado
v
1
= y , v
2
= y , . . . , v
m
= y
(m1)
tem-se
v
m
= y
(m)
=
m1

k=0

k
v
k+1
+
0
x
Em nota c ao matricial,
v = Av +bx , y = cv +dx
com
v =
_

_
0 1 0 0
0 0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1

0

1

2

m1
_

_
v +
_

_
0
0
.
.
.
0

0
_

_
x
y =
_
1 0 0 0

v +
_
0

x
A matriz A acima est a na forma denominada companheira.
Note que, denindo-se novas vari aveis de estado v
k
v
k
/
0
, tem-se a representa c ao
v =
_

_
0 1 0 0
0 0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1

0

1

2

m1
_

_
v +
_

_
0
0
.
.
.
0
1
_

_
x
y =
_

0
0 0 0

v +
_
0

Exemplo 15.10
O circuito de terceira ordem do Exemplo 15.6 descrito pela equa c ao diferencial
_
p
3
+
_
R
1
L
+
1
R
2
C
2
_
p
2
+
_
1
LC
1
+
1
LC
2
_
1 +
R
1
R
2
__
p +
1
LC
1
R
2
C
2
_
y = 0
pode ser representado pela equa c ao de estado
v =
_
_
0 1 0
0 0 1

0

1

2
_
_
v

0
=
1
LC
1
R
2
C
2
,
1
=
_
1
LC
1
+
1
LC
2
_
1 +
R
1
R
2
_
_
,
2
=
_
R
1
L
+
1
R
2
C
2
_
y =
_
1 0 0

v
sendo v
1
= y, v
2
= y e v
3
= y. Note que essa escolha produz uma representa c ao por vari aveis de
estado sistematica e simples, diferente da obtida no Exemplo 15.6, e que ambas produzem a mesma
equa c ao diferencial em y. A Figura 15.12 mostra a implementa c ao com integradores.
P
Bonatti, Lopes & Peres
235
+ +
_ _ _
1
v
3
v
2
v
1

2
y
Figura 15.12: Implementa c ao com integradores do circuito do Exemplo 15.5 (circuito de terceira
ordem).
Exemplo 15.11
O circuito de segunda ordem do Exemplo 15.5 descrito pela equa c ao diferencial
_
p
2
+
1
RC
p +
1
LC
_
y =
1
RLC
x
pode ser representado na forma de vari aveis de estado por
v =
_
0 1

1
LC

1
RC
_
v +
_
0
1
RLC
_
x
y =
_
1 0

v
sendo v
1
= y e v
2
= y.
P
Propriedade 15.3
Caso estritamente pr oprio N(p) no vetor de sada
A equa c ao diferencial (estritamente propria)
D(p)y(t) = N(p)x(t) , D(p) =
m

k=0

k
p
k
, N(p) =
m1

k=0

k
p
k
com
m
= 1 e demais coecientes constantes pode ser representada pelas equa c oes de estado
v = Av +bx , y = cv +dx
Considere a escolha de vari aveis de estado v R
m
tal que
y =
m1

k=0

k
v
k+1
c =
_

0

1

2

m1

, d = 0
e
v
1
= v
2
, v
2
= v
3
, . . . , v
m1
= v
m
, v
m
=
Portanto,
Bonatti, Lopes & Peres
236 Captulo 15. Vari aveis de Estado
v
1
= p
m
, v
2
= p
m+1
, . . . , v
m
= p
1

Substituindo as vari aveis v na expressao de y, tem-se


y =
_
m1

k=0

k
p
km
_

Da equa c ao D(p)y = N(p)x, tem-se


y =
_
m1

k=0

k
p
km
_
x
m

k=0

k
p
km
Igualando as duas expressoes, tem-se
_
m

k=0

k
p
km
_
= x = v
m
=
_
m1

k=0

k
v
k+1
_
+x
resultando em
v =
_

_
0 1 0 0
0 0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1

0

1

2

m1
_

_
v +
_

_
0
0
.
.
.
0
1
_

_
x (15.4)
y =
_

0

1

2

m1

v +
_
0

x (15.5)

Exemplo 15.12
Considere o sistema (estritamente proprio)
D(p)y = N(p)x (p
3
+ 2p
2
+ 3p + 4)y = (p
2
+ 2p 1)x
Seja
y =
0
v
1
+
1
v
2
+
2
v
3
= v
1
+ 2v
2
+v
3
e as vari aveis de estado
v
1
= v
2
, v
2
= v
3
, v
3
= v
1
= p
3
, v
2
= p
2
, v
3
= p
1

que resultam em
y = v
1
+ 2v
2
+v
3
= p
3
+ 2p
2
+p
1
= (p
1
+ 2p
2
p
3
)
Da equa c ao D(p)y = N(p)x, tem-se
Bonatti, Lopes & Peres
237
y = (p
1
+ 2p
2
p
3
)
1
(1 + 2p
1
+ 3p
2
+ 4p
3
)
x
Portanto,
(1 + 2p
1
+ 3p
2
+ 4p
3
) = x = 2p
1
3p
2
4p
3
+x
= v
3
= 4v
1
3v
2
2v
3
+x
resultando em (veja a representa c ao com integradores na Figura 15.13)
v =
_
_
0 1 0
0 0 1
4 3 2
_
_
v +
_
_
0
0
1
_
_
x
y =
_
1 2 1

v
+ +
+ +
+
_ _ _
x
y
v
1
v
2
v
3

0
= 4
1
= 3
2
= 2

0
= 1
1
= 2
2
= 1
1
Figura 15.13: Realiza c ao da equa c ao do Exemplo 15.12 com N(p) no vetor de sada.
P
Propriedade 15.4
Caso pr oprio N(p) no vetor de sada
No caso proprio (grau de D(p) igual ao grau de N(p)), dividindo-se N(p)/D(p) tem-se
N(p) = D(p)
m
+

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

N(p)x
Bonatti, Lopes & Peres
238 Captulo 15. Vari aveis de Estado
com

N(p) =
m1

k=0

k
p
k
,

k
=
k

m

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

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

m1

, d =
_

m

Exemplo 15.13
Circuito RRLC
Considere o circuito descrito na Figura 15.14, cujas equa c oes s ao
L
R
2

2
+
2
= C
1
+
1
R
1

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

2
R
1
R
2
+
+

C
L
x
y

2
Figura 15.14: Circuito RRLC.
A equa c ao diferencial em y e
D(p)y = N(p)x , D(p) = p
2
+
_
1
R
1
C
+
1
R
2
C
_
p +
1
LC
, N(p) =
1
R
2
p
_
p +
1
R
1
C
_
A divisao N(p)/D(p) resulta em
2
= 1/R
2
e

N(p) =
1
R
2
2
C
p
1
R
2
LC
A representa c ao em equa c oes de estado na forma companheira (note que as vari aveis de estado v
1
e v
2
n ao mais correspondem `a tensao no capacitor
1
e `a corrente no indutor
2
) e dada por
Bonatti, Lopes & Peres
239
v =
_
_
0 1

1
LC

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

1
R
2
LC

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

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

0

1
v +
_
0
1
_
x , y =
_
1 1

. .

1
v +
_
1

..

2
x
e a equa c ao diferencial
(p
2
+ 2p + 1)y =
_
(p
2
+ 2p + 1)1 (p + 1)
_
x = p(p + 1)x
P
Exemplo 15.14
Considere um sistema proprio descrito pela equa c ao diferencial
(p
2
+ 2p + 1)y = (p
2
+ 1)x =
_
(p
2
+ 2p + 1) 2p
_
x
Portanto,

0
= 1 ,
1
= 2 ,

0
= 0 ,

1
= 2 ,
2
= 1
resultando em
v =
_
0 1
1 2
_
v +
_
0
1
_
x
y =
_
0 2

v +
_
1

x
P
Bonatti, Lopes & Peres
240 Captulo 15. Vari aveis de Estado
Propriedade 15.5
Equa cao diferencial a partir da representa cao de estado (sistema SISO)
Utilizando o operador p, a sada y do sistema SISO descrito na forma de representa c ao de estado
v = Av +bx
y = cv +dx
e dada por
y =
_
c(pI A)
1
b +d
_
x =
N(p)
D(p)
x
Note que trata-se de uma equa c ao diferencial de ordem m, pois det(pIA) e um polin omio de ordem m
em p. Eventualmente, a equa c ao diferencial pode ter ordem menor do que m se houver cancelamentos
entre zeros e polos.
O sistema e estritamente proprio se d = 0 e proprio para d = 0. Portanto, nao e possvel descrever na
forma de vari aveis de estado sistemas com grau de N(p) maior do que o grau de D(p).

Exemplo 15.15
Considere o sistema
v =
_
0 1
1 2
_
v +
_
0
1
_
x
y =
_
0 2

v +
_
1

x
(pI A)
1
=
_
p 1
1 p + 2
_
1
=
1
p(p + 2) + 1
_
p + 2 1
1 p
_
e portanto
N(p)
D(p)
= c(pI A)
1
b +d =
_
0 2

1
p
2
+ 2p + 1
_
p + 2 1
1 p
_ _
0
1
_
+ 1 =
=
2p
p
2
+ 2p + 1
+ 1 =
p
2
+ 1
p
2
+ 2p + 1
Note que foi obtida a mesma equa c ao diferencial que a do Exemplo 15.14.
P
Exemplo 15.16
Considere novamente o sistema do Exemplo 15.15
v =
_
0 1
1 2
_
v +
_
0
1
_
x
y =
_
0 2

v +
_
1

x
Utilizando o operador p, obtem-se um sistema linear de 3 equa c oes a 3 inc ognitas v
1
, v
2
e y:
Bonatti, Lopes & Peres
241
pv
1
= v
2
pv
2
= v
1
2v
2
+x
y = 2v
2
+x
Eliminando v
1
, tem-se
(p
2
+ 2p + 1)v
2
= px
y = 2v
2
+x
Eliminando v
2
, obtem-se
y = 2
px
p
2
+ 2p + 1
+x
que resulta na equa c ao diferencial
(p
2
+ 2p + 1)y = (p
2
+ 1)x
P
Propriedade 15.6
Caso estritamente pr oprio N(p) no vetor de entrada
Outras representa c oes matriciais podem ser obtidas com escolhas diferentes das vari aveis de estado.
Considere a equa c ao diferencial
(p
3
+
2
p
2
+
1
p +
0
)y = (
2
p
2
+
1
p +
0
)x
Denindo as vari aveis de estado
pv
1
=
0
v
3
+
0
x
pv
2
= v
1

1
v
3
+
1
x
pv
3
= v
2

2
v
3
+
2
x
verica-se que v
3
satisfaz a equa c ao diferencial satisfeita por y, ou seja, v
3
= y, pois
p
2
v
3
= (v
1

1
v
3
+
1
x)
2
pv
3
+
2
px
p
3
v
3
= (
0
v
3
+
0
x)
1
pv
3
+
1
px
2
p
2
v
3
+
2
p
2
x
(p
3
+
2
p
2
+
1
p +
0
)v
3
= (
2
p
2
+
1
p +
0
)x
Dessa forma, a representa c ao matricial (veja a implementa c ao na Figura 15.15) e dada por
v =
_
_
0 0
0
1 0
1
0 1
2
_
_
v +
_
_

2
_
_
x
Bonatti, Lopes & Peres
242 Captulo 15. Vari aveis de Estado
+ + +
_ _ _
x
y
v
1
v
2
v
3

0

1

2

0

1
2
1
Figura 15.15: Realiza c ao com N(p) no vetor de entrada.
y =
_
0 0 1

v
Generalizando, tem-se
v =
_

_
0 0
0
1 0
1
.
.
.
.
.
.
.
.
.
.
.
.
0 1
m1
_

_
v +
_

1
.
.
.

m1
_

_
x (15.6)
y =
_
0 1

v +
_
0

x (15.7)

Propriedade 15.7
Representa cao dual
A representa c ao de estado (A, b, c, d) produz a mesma equa c ao diferencial que a representa c ao dual de
estado (A

, c

, b

, d), pois
N(p)
D(p)
=
_
c(pI A)
1
b +d
_

=
_
b

(pI A

)
1
c

+d
_
Note que a representa c ao (15.6)-(15.7) e dual da representa c ao (15.4)-(15.5).

Exemplo 15.17
A representa c ao de estado
v =
_
0 1
1 2
_
v +
_
0
1
_
x , y =
_
1 1

v +
_
1

x
e sua representa c ao dual
=
_
0 1
1 2
_
+
_
1
1
_
x , y =
_
0 1

+
_
1

x
Bonatti, Lopes & Peres
243
resultam na mesma equa c ao diferencial
(p
2
+ 2p + 1)y = p(p + 1)x
P
Propriedade 15.8
Invariancia com transforma c oes lineares
Transforma c oes lineares biunvocas de vari aveis de estado, na forma
v = Tv
com T nao singular, nao alteram a equa c ao diferencial do sistema, pois
v = T
1
v

v = TAT
1
v +Tbx , y = cT
1
v +d
cT
1
(pI TAT
1
)
1
Tb +d = cT
1
(pTT
1
TAT
1
)
1
Tb +d =
= cT
1
_
T(pI A)T
1
_
1
Tb +d = cT
1
T(pI A)
1
T
1
Tb +d = c(pI A)
1
b +d =
N(p)
D(p)

Exerccio 15.1
Obtenha as equa c oes de estado para o circuito abaixo, na forma
v = Av +Bx ; y = cv +du ; v =
_
v
1
v
2
_
sendo v
1
a tensao no capacitor e v
2
a corrente no indutor. A sada y e a corrente no resistor (como
indicado), x
1
(t) e uma fonte de corrente e x
2
(t) e uma fonte de tensao.
x
1
(t)
x
2
(t)
R
R
+
+


C
L
y
v
1
v
2
0
Exerccio 15.2
Considere o sistema linear descrito pelas equa c oes
v =
_
0 1
6 5
_
v +
_
0
1
_
x
y =
_
1 1

v
a) Obtenha a fun c ao de transferencia H(s) =
Y (s)
X(s)
do sistema
Bonatti, Lopes & Peres
244 Captulo 15. Vari aveis de Estado
b) Determine a resposta `a entrada nula y
en
(t) para v(0) =
_
0 1

c) Determine a resposta ao impulso (condi c oes iniciais nulas)


d) Determine y(t) para a entrada x(t) = exp(2t), t > 0, com condi c oes iniciais nulas
0
Bonatti, Lopes & Peres
Captulo 16
Resolu cao de Equa coes de Estado
Solu cao da equa cao homogenea por transforma cao de similaridade
Considere a equa c ao de estado
v = Av , v(0) = v
0
R
n
(16.1)
Denindo a mudan ca de vari aveis (Q nao singular)
v = Q v Q

v = AQ v

v =

A v ;

A = Q
1
AQ , A = Q

AQ
1
Note que a transforma c ao de similaridade preserva os autovalores, ou seja,
det(

AI) = det(Q
1
AQQ
1
Q) = det(AI)
Escolhas da transforma c ao Q podem levar a representa c oes

A diagonal ou triangular, dependendo da
estrutura de autovalores e autovetores da matriz A.
Deni cao: Equa cao Caracterstica da matriz A
A equa c ao polinomial de grau n
() = det(I A) = 0
e denominada equa c ao caracterstica associada `a matriz A. As razes da equa c ao caracterstica s ao
tambem autovalores da matriz A, ou seja,
Av = v
sendo v = 0 autovetores da matriz A.
Propriedade 16.1
Autovetores linearmente independentes
Os autovetores associados a autovalores distintos de uma matriz A s ao linearmente independentes.

245
246 Captulo 16. Resolu c ao de Equa c oes de Estado
Propriedade 16.2
Matrizes diagonalizaveis
Se uma matriz A R
nn
possui n autovetores linearmente independentes, a transforma c ao Q cons-
truda com os autovetores (colunas) resulta em

A = Q
1
AQ = = diag(
1
, . . . ,
n
)
A
_
q
1
q
2
q
n

=
_
q
1
q
2
q
n

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

_
Note que os autovalores nao precisam necessariamente ser distintos.

Exemplo 16.1
Autovalores distintos
Considere a matriz
A =
_
1 4
2 1
_
Os autovalores s ao obtidos da solu c ao da equa c ao caracterstica
() = det(I A) = det
_
+ 1 4
2 1
_
= ( + 1)( 1) 8 = 0
1
= 3 ,
2
= 3
e os autovetores podem ser determinados pelas equa c oes
_
2 4
2 4
_ _
q
11
q
21
_
= 0 q
1
=
_
q
11
q
21
_
=
_
2
1
_
_
4 4
2 2
_ _
q
12
q
22
_
= 0 q
2
=
_
q
12
q
22
_
=
_
1
1
_
Observe que os autovetores denem uma dire c ao no espa co (e n ao um comprimento nem um sentido)
e s ao linearmente independentes.
A transforma c ao de similaridade resulta em uma matriz diagonal

A = Q
1
AQ =
1
3
_
1 1
1 2
_ _
1 4
2 1
_ _
2 1
1 1
_
=
_
3 0
0 3
_
Considere a equa c ao de estado homogenea
v =
_
1 4
2 1
_
v , v(0) =
_
3
0
_
A matriz A e diagonaliz avel, com a transforma c ao v = Q v dada por
Bonatti, Lopes & Peres
247

v =

A v , v(0) = Q
1
v(0) =
_
1
1
_
com

A = Q
1
AQ =
1
3
_
1 1
1 2
_ _
1 4
2 1
_ _
2 1
1 1
_
=
_
3 0
0 3
_
Observe que a representa c ao na vari avel v e um sistema desacoplado com duas equa c oes de primeira
ordem. Resolvendo, tem-se
v(t) =
_
exp(3t)
exp(3t)
_
v(t) =
_
2 1
1 1
_
v =
_
2 exp(3t) + exp(3t)
exp(3t) + exp(3t)
_
O mesmo resultado poderia ser obtido a partir da equa c ao diferencial de segunda ordem em v
1
(ou
em v
2
)
(p
2
9)v
1
= 0 ; v
1
(0) = 3 , v
1
(0) = 3
P
Exemplo 16.2
Autovalores iguais e autovetores linearmente independentes
Considere a matriz
A =
_
_
1 0 1
0 1 2
0 0 3
_
_
Os autovalores s ao
1
=
2
= 1 e
3
= 3. Note que nas matrizes triangulares, isto e, todos os
elementos abaixo (ou acima) da diagonal principal s ao nulos, os autovalores s ao os elementos da
diagonal principal.
Para o autovalor igual a 1, tem-se a equa c ao que dene os autovetores
_
A(1)I
_
q =
_
_
0 0 1
0 0 2
0 0 4
_
_
_
_

_
_
= 0
Por exemplo, os autovetores associados a
1
=
2
= 1 s ao
q
1
=
_
_
1
0
0
_
_
, q
2
=
_
_
0
1
0
_
_
O autovetor associado a
3
= 3 e dado por
_
_
4 0 1
0 4 2
0 0 0
_
_
_
_
q
13
q
23
q
33
_
_
q
3
=
_
_
1
2
4
_
_
Bonatti, Lopes & Peres
248 Captulo 16. Resolu c ao de Equa c oes de Estado
Observe que a Propriedade 16.1 apresenta uma condi c ao suciente para a existencia de autovetores
linearmente independentes. Neste exemplo, o autovalor 1 possui multiplicidade algebrica igual a
dois e foi possvel determinar dois autovetores linearmente independentes associados. Portanto, a
multiplicidade geometrica do autovalor tambem e igual a dois.
Note que a multiplicidade geometrica do autovalor 1 e denida pela dimens ao do espa co nulo de
A(1)I, neste exemplo igual a dois.
Portanto, por constru c ao,

A = Q
1
AQ =
_
_
1 0 0
0 1 0
0 0 3
_
_
=
1
4
_
_
4 0 1
0 4 2
0 0 1
_
_
_
_
1 0 1
0 1 2
0 0 3
_
_
_
_
1 0 1
0 1 2
0 0 4
_
_
P
Equa c oes homogeneas com estrutura triangular podem ser resolvidas de forma recorrente, componente
a componente.
Exemplo 16.3
Sistema de segunda ordem em cascata
Considere a equa c ao diferencial
D(p) = p(p + 1)y = 0 ; y(0) = 0 , y(0) = 1
A escolha das vari aveis de estado v
1
= y, v
2
= y produz a representa c ao de estado na forma
matricial
v =
_
0 1
0 1
_
v , v(0) =
_
0
1
_
Note que trata-se de um sistema triangular, isto e, um sistema em cascata
v
1
= v
2
, v
2
= v
2
v
1
(0) = 0 , v
2
(0) = 1
cuja solu c ao e dada por
v
2
(t) = exp(t) , pv
1
= exp(t) v
1
(t) = exp(t) +a = 1 exp(t)
P
Propriedade 16.3
Bloco de Jordan
1
de segunda ordem
Considere o sistema descrito pelo bloco de Jordan (
1
=
2
= )
v = J
2
()v =
_
1
0
_
v ; v(0) =
_
v
1
(0)
v
2
(0)
_
v
2
(t) = exp(t)v
2
(0)
v
1
= v
1
+ exp(t)v
2
(0) v
1f
(t) = bt exp(t) b = v
2
(0)
1
Marie Ennemond Camille Jordan, matematico frances (18381922).
Bonatti, Lopes & Peres
249
v
1
(t) = a exp(t) +t exp(t)v
2
(0) a = v
1
(0)
Portanto,
v(t) = exp(t)
_
1 t
0 1
_ _
v
1
(0)
v
2
(0)
_

Propriedade 16.4
Bloco de Jordan de terceira ordem
Considere o sistema descrito pelo bloco de Jordan (
1
=
2
=
3
= )
v = J
3
()v =
_
_
1 0
0 1
0 0
_
_
v ; v(0) =
_
_
v
1
(0)
v
2
(0)
v
3
(0)
_
_
v
3
(t) = exp(t)v
3
(0) , v
2
(t) = exp(t)v
2
(0) +t exp(t)v
3
(0)
v
1
= v
1
+ exp(t)v
2
(0) +t exp(t)v
3
(0)
v
1
(t) = exp(t)v
1
(0) +t exp(t)v
2
(0) +
t
2
2
exp(t)v
3
(0)
Portanto,
v(t) = exp(t)
_
_
1 t
t
2
2
0 1 t
0 0 1
_
_
_
_
v
1
(0)
v
2
(0)
v
3
(0)
_
_

Propriedade 16.5
Bloco de Jordan de dimensao n
Considere o sistema descrito pelo bloco de Jordan com n autovalores iguais a , de multiplicidade
geometrica unit aria
v = J
n
()v =
_

_
1 0 0
0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0
.
.
.
1
0 0 0
_

_
v ; v(0) (16.2)
tem-se
v(t) = exp(t)
_

_
1 t
t
2
2

t
n1
(n1)!
0 1 t
t
n2
(n2)!
.
.
.
.
.
.
.
.
.
0 0 0
.
.
.
t
0 0 0 1
_

_
v(0)
Bonatti, Lopes & Peres
250 Captulo 16. Resolu c ao de Equa c oes de Estado

Propriedade 16.6
Autovetores generalizados e blocos de Jordan
Se a matriz A R
22
, com autovalores
1
=
2
= e q
1
e q
2
nao nulos, e tal que
AQ = QJ
2
() = A
_
q
1
q
2

=
_
q
1
q
2

_
1
0
_

_
Aq
1
= q
1
Aq
2
= q
1
+q
2
entao q
1
e q
2
s ao linearmente independentes e a matriz A e triangulariz avel. Note que
(AI)q
1
= 0 , (AI)q
2
= q
1
(AI)
2
q
2
= 0
e portanto q
1
e um autovetor associado ao autovalor e q
2
e um autovetor generalizado de grau 2.
Determinando q
1
e q
2
, a forma de Jordan pode ser obtida pela transforma c ao de similaridade
J
2
() = Q
1
AQ
Se A e uma matriz tal que (para q
k
s nao nulos)
Aq
1
= q
1
, Aq
2
= q
1
+q
2
, . . . , Aq
n
= q
n1
+q
n
entao {q
1
, . . . , q
n
} s ao autovetores generalizados linearmente independentes e
J
n
() = Q
1
AQ

Exemplo 16.4
Sistema de segunda ordem nao diagonalizavel
Considere a matriz A e seus autovalores
A =
_
3 4
1 1
_

1
=
2
= = 1
A matriz A tem apenas um autovetor associado ao autovalor 1, dado por
(AI)
_
q
11
q
21
_
=
_
2 4
1 2
_ _
q
11
q
21
_
= 0 q
11
= 2q
21
q
1
=
_
2

_
, = 0
Portanto, o autovalor 1 tem multiplicidade algebrica igual a dois e multiplicidade geometrica
unit aria, indicando que a matriz A n ao e diagonaliz avel. Entretanto, e possvel encontrar uma
transforma c ao que leva a matriz a uma forma triangular quase diagonal

A. Por constru c ao,
A
_
q
1
q
2

=
_
q
1
q
2


A
_
3 4
1 1
_ _
2 q
12
q
22
_
=
_
2 q
12
q
22
_ _
1 1
0 1
_
Bonatti, Lopes & Peres
251
que implica
q
12
+ 2q
22
= q
2
=
_
q
11
q
21
_
=
_
2

_
Note que os vetores
q
1
=
_
2

_
, q
2
=
_
2

_
s ao linearmente independentes pois
det
_
2 2

_
=
2
= 0
e o vetor q
2
e um autovetor generalizado associado ao autovalor 1.
P
Propriedade 16.7
Forma de Jordan
Uma matriz A R
nn
sempre pode ser colocada na forma de Jordan por meio de uma transforma c ao
de similaridade.
Se A possuir n autovetores linearmente independentes, a forma de Jordan e diagonal e a matriz de
transforma c ao Q e composta pelos autovetores.
Se A possui r < n autovetores linearmente independentes, a matriz de transforma c ao e composta por
autovetores e autovetores generalizados e produz uma forma triangular com r blocos de Jordan.
Em outras palavras, para A qualquer, existe Q nao singular tal que

A = Q
1
AQ = diag(J
k
1
, J
k
2
, . . . , J
k
r
)
com os blocos J
k
i
, i = 1, . . . , r na forma de Jordan (n ao necessariamente diagonais).

Exemplo 16.5
Considere um sistema cuja matriz A e a do Exemplo 16.4 e a condi c ao inicial v(0) dados por
v = Av =
_
3 4
1 1
_
v , v(0) =
_
1
1
_
Aplicando a transforma c ao v = Q v, com = 1 e = 0, tem-se
Q =
_
2 1
1 0
_
; Q
1
=
_
0 1
1 2
_

v = Q
1
AQ v =
_
1 1
0 1
_
v , v(0) = Q
1
v(0) =
_
1
3
_
Utilizando o resultado da Propriedade 16.3, tem-se
Bonatti, Lopes & Peres
252 Captulo 16. Resolu c ao de Equa c oes de Estado
v(t) = exp(t)
_
1 t
0 1
_ _
1
3
_
= exp(t)
_
1 + 3t
3
_
e portanto
v(t) = Q v(t) = exp(t)
_
1 + 6t
1 + 3t
_
O sistema poderia ser resolvido a partir da equa c ao diferencial de segunda ordem em v
1
(p + 1)
2
v
1
= 0 , v
1
(0) = 1 , v
1
(0) = 7
P
Solu cao da equa cao homogenea por exp(At)
Considere a equa c ao homogenea (16.1)
v = Av ; v(0) = v
0
Supondo que a solu c ao v(t) possa ser escrita em serie de potencias, tem-se
v(t) =
+

k=0

k
t
k
v =
+

k=0
k
k
t
k1
,
0
= v
0
sendo
k
R
n
os vetores da expans ao em serie (a determinar).
Substituindo na equa c ao (16.1) e igualando os termos da serie de potencia, tem-se

1
= A
0
, 2
2
= A
1

2
=
1
2
A
2

0
, 3
3
= A
2

3
=
1
3!
A
3

0
k
k
= A
k1

k
=
1
k!
A
k

0
e portanto
v(t) =
_
+

k=0
A
k
k!
t
k
_
v
0
sendo A
0
= I (por constru c ao).
A somatoria acima, com innitos termos, pode sempre ser computada com n termos (dimens ao da
matriz A), conforme ser a mostrado a seguir.
Como a serie de Taylor
2
da fun c ao exp(t) e dada por
exp(t) =
+

k=0

k
k!
t
k
dene-se (por analogia)
exp(At) =
+

k=0
A
k
k!
t
k
R
nn
2
Brook Taylor, matematico ingles (16851731).
Bonatti, Lopes & Peres
253
Portanto, a solu c ao da equa c ao homogenea (16.1) e dada por
v(t) = exp(At)v
0
(16.3)
Propriedade 16.8
d
dt
exp(At) = Aexp(At) = exp(At)A
pois
d
dt
_
+

k=0
A
k
k!
t
k
_
=
_
+

k=1
A
k
k!
kt
k1
_
= A
_
+

k=0
A
k
k!
t
k
_

Propriedade 16.9
exp
_
A(t
1
+t
2
)
_
= exp(At
1
) exp(At
2
) = exp(At
2
) exp(At
1
)
pois, por um lado
exp
_
A(t
1
+t
2
)
_
=
+

m=0
A
m
m!
(t
1
+t
2
)
m
=
+

m=0
A
m
m!
m

r=0
_
m
r
_
t
r
1
t
mr
2
e, por outro lado,
exp(At
1
) exp(At
2
) =
+

r=0
A
r
r!
t
r
1
+

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

k=0
+

r=0
A
k+r
t
r
1
r!
t
k
2
k!
Agrupando os termos cujos expoentes somam k +r = m, com m = 0, 1, . . . , tem-se
exp(At
1
) exp(At
2
) =
+

m=0
m

r=0
A
m
m!
t
r
1
r!
t
mr
2
(mr)!
m!
e, portanto,
exp(At
1
) exp(At
2
) =
+

m=0
A
m
m!
m

r=0
_
m
r
_
t
r
1
t
mr
2

Propriedade 16.10
(exp(At))
1
= exp(At)
pois, fazendo-se t
1
= t e t
2
= t, pela Propriedade 16.9 tem-se
exp(At) exp(At) = exp(A0) = I

Bonatti, Lopes & Peres


254 Captulo 16. Resolu c ao de Equa c oes de Estado
Propriedade 16.11
exp(At) exp(Bt) = exp(Bt) exp(At) = exp
_
(A+B)t
_
AB = BA
pois
(A+B)
2
= (A+B)(A+B) = A
2
+AB +BA+B
2
=
= A
2
+ 2AB +B
2
= A
2
+ 2BA+B
2
AB = BA
A expans ao binomial de Newton
3
aplica-se a matrizes apenas quando o produto das matrizes comuta,
o que normalmente nao ocorre.
AB = BA, por exemplo, quando B = exp(At) ou quando A e B s ao diagonais.

Calculo de exp(At)
Propriedade 16.12
Exponencial de matriz diagonal
Para uma matriz = diag(
1
, . . . ,
n
) (diagonal), tem-se
exp(t) = diag(exp(
1
t), . . . , exp(
n
t))
pois
v = v v
k
(t) = exp(
k
t)v
k
(0)
e
v(t) = diag(exp(
1
t), . . . , exp(
n
t))v(0)
Como a solu c ao de v = v e dada por
v(t) = exp(t)v(0)
tem-se
v(t) = exp(t)v(0) = diag(exp(
1
t), . . . , exp(
n
t))v(0) , v(0)

Propriedade 16.13
Exponencial de transforma cao de similaridade
Para qualquer matriz quadrada Q nao singular, tem-se
A = Q

AQ
1
exp(At) = Qexp(

At)Q
1
Se A e diagonalizavel, entao
exp(At) = Qdiag(exp(
1
t), . . . , exp(
n
t))Q
1
3
Sir Isaac Newton, ingles (16431727).
Bonatti, Lopes & Peres
255
Se

A estiver na forma de Jordan, tem-se
exp(At) = Qdiag(exp(J
k
1
t), exp(J
k
2
t), . . . , exp(J
k
r
t))Q
1
com os blocos J
k
i
, i = 1, . . . , r na forma de Jordan (n ao necessariamente diagonais). As exponenciais
dos blocos de Jordan podem ser computadas como descrito na Propriedade 16.5.
Prova: a mudan ca de vari aveis v = Q v aplicada ao sistema v = Av, resulta em
v = Q

v = AQ v

v =

A v ;

A = Q
1
AQ
v(t) = exp(At)v(0) = Q v = Qexp(

At)Q
1
v(0) , v(0)
A transforma c ao

A = Q
1
AQ e chamada de transforma c ao de similaridade, pois preserva os autova-
lores.

Exemplo 16.6
Retomando o Exemplo 16.1, dado por
v =
_
1 4
2 1
_
v , v(0) =
_
3
0
_
, Q =
_
2 1
1 1
_
obtem-se
v(t) = exp(At)v(0) = Qexp(

At)Q
1
v(0) =
=
_
2 1
1 1
_ _
exp(3t) 0
0 exp(3t)
_
1
3
_
1 1
1 2
_ _
3
0
_
=
1
3
_
2 exp(3t) + exp(3t) 2 exp(3t) + 2 exp(3t)
exp(3t) + exp(3t) exp(3t) + 2 exp(3t)
_ _
3
0
_
=
_
2 exp(3t) + exp(3t)
exp(3t) + exp(3t)
_
P
Exemplo 16.7
Retomando o Exemplo 16.2, tem-se
A = Q

AQ
1
=
_
_
1 0 1
0 1 2
0 0 3
_
_
=
_
_
1 0 1
0 1 2
0 0 4
_
_
_
_
1 0 0
0 1 0
0 0 3
_
_
1
4
_
_
4 0 1
0 4 2
0 0 1
_
_
v(t) = exp(At)v(0) = Qexp(

At)Q
1
v(0) =
=
_
_
exp(t) 0 0.25 exp(t) + 0.25 exp(3t)
0 exp(t) 0.5 exp(t) + 0.5 exp(3t)
0 0 exp(3t)
_
_
v(0)
P
Bonatti, Lopes & Peres
256 Captulo 16. Resolu c ao de Equa c oes de Estado
Propriedade 16.14
Se e raiz da equa c ao caracterstica () = 0, entao
exp(t) = r(, t) =
n1

k=0

k
(t)
k
(16.4)
pois, para um polin omio () de grau n, tem-se
exp(t) = q(, t)() +r(, t)
com r(, t) (polin omio resto) dado por
r(, t) =
n1

k=0

k
(t)
k
Note que exp(t) e polinomial, podendo ser obtida pela expans ao em serie de Taylor.
Alem disso, para raiz da equa c ao caracterstica () = 0, tem-se
exp(t) = r(, t) =
n1

k=0

k
(t)
k
As fun c oes
k
(t) podem ser obtidas pela resolu c ao de um sistema linear de equa c oes resultante da
aplica c ao da equa c ao (16.4) nas razes distintas de () = 0 e, no caso de razes com multiplicidade
maior do que 1, utilizando-se tambem as derivadas (em rela c ao a ) da equa c ao.

Propriedade 16.15
Teorema de Cayley-Hamilton
4
Toda matriz A satisfaz sua equa c ao caracterstica, isto e,
det(I A) = () = 0 (A) = 0
Prova:
Considere a matriz Adj (AI) (matriz adjunta formada pelos determinantes obtidos ao retirar-se de
(A I) uma linha e uma coluna), com elementos cuja maior potencia em e
n1
. Assim, pode-se
escrever
Adj (AI) = B
n1

n1
+B
n2

n2
+ +B
1
+B
0
sendo B
i
, i = 1, . . . , n 1 matrizes (n n) constantes (isto e, independentes de ) a determinar.
Usando a identidade
(AI)Adj (AI) = det(AI)I
e substituindo o lado esquerdo, tem-se
(AI)(B
n1

n1
+B
n2

n2
+ +B
1
+B
0
) = det(AI)I
B
n1

n
+(AB
n1
B
n2
)
n1
+(AB
n2
B
n3
)
n2
+ +(AB
1
B
0
) +AB
0
= det(AI)I
4
Arthur Cayley, ingles (18211895) e Sir William Rowan Hamilton, irlandes (18051865).
Bonatti, Lopes & Peres
257
e usando a equa c ao caracterstica do lado direito
B
n1

n
+ (AB
n1
B
n2
)
n1
+ (AB
n2
B
n3
)
n2
+ + (AB
1
B
0
) +AB
0
=
=
n
I +
n1

n1
I + +
1
I +
0
I
Igualando os coecientes de mesma potencia em
B
n1
= I
AB
n1
B
n2
=
n1
I
AB
n2
B
n3
=
n2
I
.
.
.
.
.
.
AB
1
B
0
=
1
I
AB
0
=
0
I
Multiplicando a primeira equa c ao por A
n
, a segunda por A
n1
, e assim por diante, e somando, do
lado direito tem-se (A). Assim,
(A
n
B
n1
+A
n
B
n1
) + (A
n1
B
n2
+A
n1
B
n2
) + (A
n2
B
n3
+A
n2
B
n3
) +
+(A
2
B
1
+A
2
B
1
) + (AB
0
+AB
0
) = 0
Como conclusao, (A) = 0.

Exemplo 16.8
Considere a matriz
A =
_
0 1
0 1
_
cujo polin omio caracterstico e dado por
() = det(I A) = ( + 1)
Computando o polin omio (matricial)
(A) = A(A+ I) =
_
0 1
0 1
_ __
0 1
0 1
_
+
_
1 0
0 1
__
=
_
0 0
0 0
_
observa-se que a matriz A satisfaz sua equa c ao caracterstica.
P
Exemplo 16.9
Considere a matriz
A =
_
0 1
1 2.5
_
cuja equa c ao caracterstica e
Bonatti, Lopes & Peres
258 Captulo 16. Resolu c ao de Equa c oes de Estado
() =
2
2.5 + 1 = 0
1
= 2.5
A matriz B dada por
B = 2.5I A =
_
2.5 1
1 0
_
e igual `a inversa de A, o que e uma conseq uencia de (A) = 0.
P
Propriedade 16.16
Fun cao de matriz quadrada
Seja f() uma fun c ao polinomial em . Entao,
f() = Q()() +
n1

k=0

k
e, pelo Teorema de Cayley-Hamilton,
f(A) =
n1

k=0

k
A
k
Note que, para matrizes bloco-diagonais com submatrizes quadradas,
A = diag(A
1
, . . . , A
n
) f(A) = diag(f(A
1
), . . . , f(A
n
))

Exemplo 16.10
A fun c ao A
10
, para
A =
_
1 2
0 1
_
,
1
=
2
= 1
pode ser computada pela Propriedade 16.16 a partir do Teorema de Cayley-Hamilton.
() = 0
10
=
0
+
1
, 10
9
=
1

0
= 9 ,
1
= 10 A
10
= 9I + 10A =
_
1 20
0 1
_
P
Bonatti, Lopes & Peres
259
Propriedade 16.17
Considere a matriz A R
nn
e sua equa c ao caracterstica (A) = 0. Entao
exp(At) = q(A, t)(A) +r(A, t) = r(A, t) =
n1

k=0

k
(t)A
k
pois, pelo Teorema de Cayley-Hamilton, (A) = 0.

Exemplo 16.11
Considere o Exemplo 16.3
v =
_
0 1
0 1
_
v , v(0) =
_
0
1
_
Usando a Propriedade 16.14, tem-se
exp(t) =
0
(t) +
1
(t)
para = 0 e = 1 (autovalores de A), resultando em
exp(0t) = 1 =
0
(t) +
1
(t)0 , exp(t) =
0
(t)
1
(t)
0
(t) = 1 ,
1
(t) = 1 exp(t)
Do Teorema de Cayley-Hamilton e da Propriedade 16.17, obtem-se
exp(At) =
0
(t)I +
1
(t)A =
=
_
1 0
0 1
_
+ (1 exp(t))
_
0 1
0 1
_
=
_
1 1 exp(t)
0 exp(t)
_
Impondo a condi c ao inicial, tem-se
v(t) = exp(At)v(0) =
_
1 exp(t)
exp(t)
_
P
Exemplo 16.12
Considere o Exemplo 16.1
A =
_
1 4
2 1
_
,
1
= 3 ,
2
= 3 , v(0) =
_
3
0
_
Os coecientes do polin omio r(, t) s ao obtidos das condi c oes
exp(3t) =
0
(t) 3
1
(t) , exp(3t) =
0
(t) + 3
1
(t)
resultando em

0
(t) =
1
2
(exp(3t) + exp(3t)) ,
1
(t) =
1
6
(exp(3t) exp(3t))
Portanto,
Bonatti, Lopes & Peres
260 Captulo 16. Resolu c ao de Equa c oes de Estado
v(t) = exp(At)v(0) =
_

0
(t)I +
1
(t)A
_
v(0)
v(t) =
1
3
_
exp(3t) + 2 exp(3t) 2 exp(3t) 2 exp(3t)
exp(3t) exp(3t) 2 exp(3t) + exp(3t)
_ _
3
0
_
=
=
_
exp(3t) + 2 exp(3t)
exp(3t) exp(3t)
_
P
Exemplo 16.13
O procedimento de c alculo de exp(At) baseado no Teorema de Cayley-Hamilton pode ser aplicado
aos blocos de Jordan, como o da Propriedade 16.3.
A = J
2
() =
_
1
0
_
,
1
=
2
=
exp(t) =
0
(t) +
1
(t) exp(t) =
0
(t) +
1
(t)
d
d
exp(t)

=
= t exp(t) =
1
(t)
0
(t) = exp(t)(1 t)
exp(At) =
0
(t)I +
1
(t)A = exp(t)
_
1 t
0 1
_
P
Propriedade 16.18
Calculo de exp(At) para blocos de Jordan
Considere
A = J
4
() =
_

_
1 0 0
0 1 0
0 0 1
0 0 0
_

_
Note que o polin omio caracterstico da matriz A e dado por
() = ( )
4
e que tambem e raiz das derivadas (ate a terceira ordem) de ().
Neste caso, e conveniente expressar o polin omio r(, t) na forma
r(, t) =
3

k=0

k
(t)( )
k
que resulta em

k
(t) =
d
k
d
k
exp(t)

=
=
t
k
k!
exp(t)
Bonatti, Lopes & Peres
261
Alem disso, utiliza-se o fato de que (AI)
k
e tal que
(AI) =
_

_
0 1 0 0
0 0 1 0
0 0 0 1
0 0 0 0
_

_
, (AI)
2
=
_

_
0 0 1 0
0 0 0 1
0 0 0 0
0 0 0 0
_

_
, (AI)
3
=
_

_
0 0 0 1
0 0 0 0
0 0 0 0
0 0 0 0
_

_
resultando em
exp(At) = exp(t)
_

_
1 t
t
2
2
t
3
3!
0 1 t
t
2
2!
0 0 1 t
0 0 0 1
_

Solu cao da equa cao nao homogenea


Considere a equa c ao de estado do sistema SISO
v = Av +bx , v(0) = v
0
(16.5)
Multiplicando ambos os lados por exp(At) e reagrupando, tem-se
exp(At) v exp(At)Av =
d
dt
_
exp(At)v
_
= exp(At)bx
Integrando de 0 a t, tem-se
exp(At)v(t) v
0
=
_
t
0
exp(A)bx()d =
_
+
0
exp(A)bx()u(t )d
Multiplicando por exp(At), tem-se
v(t) = exp(At)v
0
. .
v
en
(t)
+
_
exp(At)u(t)
_
(bx(t))
. .
v
cin
(t)
Observe as contribui c oes isoladas devido `a entrada e devido `a condi c ao inicial.
A equa c ao da sada e
y = cv +dx y(t) = c exp(At)v
0
+c
_
exp(At)u(t)
_
(bx(t)) +dx(t)
Exemplo 16.14
Considere o sistema
v =
_
0 1
2 3
_
v +
_
0
1
_
x , v(0) = v
0
=
_
1
0
_
y =
_
1 0

v
cujos autovalores s ao 1 e 2. Computando exp(At) por Cayley-Hamilton, tem-se
exp(At) =
0
(t)I +
1
(t)A
Bonatti, Lopes & Peres
262 Captulo 16. Resolu c ao de Equa c oes de Estado
com
0
(t) e
1
(t) obtidos das equa c oes
exp(t) =
0
(t)
1
(t) , exp(2t) =
0
(t) 2
1
(t)

0
(t) = 2 exp(t) exp(2t) ,
1
(t) = exp(t) exp(2t)
exp(At) =
_
2 exp(t) exp(2t) exp(t) exp(2t)
2 exp(t) + 2 exp(2t) exp(t) + 2 exp(2t)
_
A resposta `a entrada nula v
en
(t) e dada por
v
en
(t) = exp(At)v
0
=
_
2 exp(t) exp(2t)
2 exp(t) + 2 exp(2t)
_
e a resposta `a condi c ao inicial nula v
cin
(t) para x(t) = u(t) (degrau unit ario) e
v
cin
(t) = (exp(At)u(t)) (bu(t)) = (exp(At)bu(t)) u(t) =
=
__
exp(t) exp(2t)
exp(t) + 2 exp(2t)
_
u(t)
_
u(t) =
_
1
2
exp(t) +
1
2
exp(2t)
exp(t) exp(2t)
_
A solu c ao v(t) e dada por
v(t) = v
en
(t) +v
cin
(t) =
_
1
2
+ exp(t)
1
2
exp(2t)
exp(t) + exp(2t)
_
u(t)
Em termos da sada y(t), tem-se
y =
_
1
2
+ exp(t)
1
2
exp(2t)
_
u(t)
P
Solu cao da equa cao homogenea por Laplace
5
Aplicando a transformada de Laplace `a equa c ao homogenea (16.1), tem-se (a transformada de uma
matriz e a transformada de cada um dos seus elementos)
v = Av , v(0) = v
0
R
n
L{ v} = sL{v} v
0
= AL{v}
e, portanto,
V (s) = L{v} = (sI A)
1
v
0
C
n
Como a solu c ao v(t), para t 0, e dada por
v(t) = exp(At)v
0
u(t)
tem-se
L{exp(At)u(t)} = (sI A)
1
Portanto, exp(At)u(t) pode ser computada pela transformada inversa de Laplace de (sI A)
1
.
5
Pierre-Simon Laplace, matematico frances (17491827).
Bonatti, Lopes & Peres
263
Propriedade 16.19
L
1
{(sI A)
1
} = exp(At)u(t)
pois, para a fun c ao escalar f(), tem-se
f() = (s )
1
=
s
1
1 s
1
=
+

k=0

k
s
(k+1)
Portanto,
(sI A)
1
=
+

k=0
A
k
s
(k+1)
Como
L
_
t
k
k!
u(t)
_
= s
(k+1)
tem-se
L
1
_
(sI A)
1
_
=
+

k=0
A
k
t
k
k!
u(t) = exp(At)u(t)

Exemplo 16.15
Retomando o Exemplo 16.3
v =
_
0 1
0 1
_
v , v(0) = v
0
=
_
0
1
_
tem-se
(sI A)
1
=
_
s 1
0 s + 1
_
1
A inversa de uma matriz e igual `a matriz adjunta (transposta da cofatora) dividida pelo determi-
nante.
det(sI A) = s(s + 1) , Adj(sI A) =
_
s + 1 0
1 s
_

=
_
s + 1 1
0 s
_
(sI A)
1
=
1
s(s + 1)
_
s + 1 1
0 s
_
Portanto,
exp(At)u(t) = L
1
{(sI A)
1
} =
_
1 1 exp(t)
0 exp(t)
_
u(t)
v(t) =
_
v
1
(t)
v
2
(t)
_
=
_
1 exp(t)
exp(t)
_
u(t)
P
Bonatti, Lopes & Peres
264 Captulo 16. Resolu c ao de Equa c oes de Estado
Exemplo 16.16
Retomando o Exemplo 16.1
v =
_
1 4
2 1
_
v , v(0) =
_
3
0
_
tem-se
(sI A) =
_
s + 1 4
2 s 1
_
det(sI A) = (s + 3)(s 3) , (sI A)
1
=
1
(s + 3)(s 3)
_
s 1 4
2 s + 1
_
Usando a expans ao (matricial) em fra c oes parciais, tem-se
(sI A)
1
=
1
3
1
(s 3)
_
1 2
1 2
_
+
1
3
1
(s + 3)
_
2 2
1 1
_
Portanto,
v(t) =
_
2 exp(3t) + exp(3t)
exp(3t) + exp(3t)
_
u(t)
P
Solu cao da equa cao nao homogenea por Laplace
Considere as equa c oes de estado e de sada do sistema SISO
v = Av +bx , v(0) = v
0
; y = cv +dx
Aplicando a transformada de Laplace, tem-se
sV (s) v
0
= AV (s) +bX(s) , Y (s) = cV (s) +dX(s)
sendo V (s) = L{v(t)}, X(s) = L{x(t)} e Y (s) = L{y(t)}.
Portanto,
Y (s) = c(sI A)
1
v
0
+
_
c(sI A)
1
b +d
_
X(s)
A fun c ao de transferencia e dada por (v
0
= 0)
H(s) =
Y (s)
X(s)
= c(sI A)
1
b +d
Exemplo 16.17
Considere novamente o sistema do Exemplo 16.14, dado por
v =
_
0 1
2 3
_
v +
_
0
1
_
x , v(0) = v
0
=
_
1
0
_
y =
_
1 0

v
Computando (sI A)
1
por Cayley-Hamilton, tem-se
Bonatti, Lopes & Peres
265
(sI A)
1
=
0
(s)I +
1
(s)A
com
0
(s) e
1
(s) obtidos das equa c oes
(s + 1)
1
=
0
(s)
1
(s) , (s + 2)
1
=
0
(s) 2
1
(s)

0
(s) =
2
s + 1

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

1
s + 2
=
1
(s + 1)(s + 2)
(sI A)
1
=
1
(s + 1)(s + 2)
_
s + 3 1
2 s
_
Para a entrada X(s) = 1/s (degrau unit ario), tem-se
Y (s) = c(sI A)
1
[v
0
+bX(s)] =
_
1 0

(sI A)
1
_
1
1/s
_
=
s
2
+ 3s + 1
s(s + 1)(s + 2)
Y (s) =
1/2
s
+
1
s + 1
+
1/2
s + 2
P
Exerccio 16.1
Determine os autovetores (e eventuais autovetores generalizados) da matriz
A =
_
_
1 1 1
0 1 2
0 0 3
_
_
Solu c ao: por tratar-se de matriz triangular, os autovalores s ao os elementos da diagonal

1
=
2
= 1 ,
3
= 3
Da equa c ao Aq =
1
q, tem-se
(AI)q
1
=
_
_
0 1 1
0 0 2
0 0 2
_
_
_
_
q
11
q
21
q
31
_
_
= 0 q
1
=
_
_
1
0
0
_
_
A dimens ao de N(AI) (espa co nulo de AI) e 1, e portanto q
1
e o unico autovetor associado ao
autovalor 1. Um autovetor generalizado associado e obtido da equa c ao
Aq
2
= q
1
+
2
q
2
, (AI)q
2
= q
1

_
_
0 1 1
0 0 2
0 0 2
_
_
_
_
q
12
q
22
q
32
_
_
=
_
_
1
0
0
_
_
, q
2
=
_
_
1
1
0
_
_
Finalmente, da equa c ao Aq =
3
q, tem-se
(A3I)q
3
=
_
_
2 1 1
0 2 2
0 0 0
_
_
_
_
q
13
q
23
q
33
_
_
= 0 q
3
=
_
_
1
1
1
_
_
Note que
Bonatti, Lopes & Peres
266 Captulo 16. Resolu c ao de Equa c oes de Estado

A = Q
1
AQ =
_
_
1 1 0
0 1 1
0 0 1
_
_
_
_
1 1 1
0 1 2
0 0 3
_
_
_
_
1 1 1
0 1 1
0 0 1
_
_
=
_
_
1 1 0
0 1 0
0 0 3
_
_
e uma matriz na forma de Jordan, com um bloco de dimens ao 2 associado a
1
=
2
= 1 e um
bloco de dimens ao 1 associado a
3
= 3.
0
Exerccio 16.2
Determine exp(At) para
A =
_
_
1 1 1
0 1 2
0 0 3
_
_
Solu c ao:
A = Q

AQ
1
exp(At) = Qexp(

At)Q
1
, exp(

At) =
_
_
exp(t) t exp(t) 0
0 exp(t) 0
0 0 exp(3t)
_
_
sendo a matriz Q determinada no Exerccio 16.1.
0
Exerccio 16.3
Determine cos(A) para
A =
_
0 1
0 /2
_
,
1
= 0 ,
2
= /2
Solu c ao: utilizando Cayley-Hamilton,
cos() =
0
+
1

0
= 1 ,
1
= 2/
cos(A) = I +
2

A =
_
1 2/
0 0
_
A solu c ao tambem pode ser obtida a partir da diagonaliza c ao da matriz A:
A = Q

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

A)Q
1
=
_
2/ 2/
0 1
_ _
1 0
0 0
_ _
/2 1
0 1
_
=
_
1 2/
0 0
_
0
Bonatti, Lopes & Peres
267
Exerccio 16.4
Determine cos(A) para
A =
_
1 1
0 1
_
/4 ,
1
=
2
= /4
Solu c ao: neste caso, A n ao e diagonaliz avel. Por Cayley-Hamilton, tem-se
cos() =
0
+
1
, sen() =
1

1
=

2
2
,
0
=

2
2
_
1 +

4
_
cos(A) =
0
I +
1
A =
_

0
+
1
/4
1
/4
0
0
+
1
/4
_
=
_
1 /4
0 1
_
2
2
O resultado poderia tambem ser obtido por exponencial de matriz, usando o Teorema de Euler.
0
Exerccio 16.5
Determine f(A) para f() polinomial e
A =
_
1
0
_
Solu c ao:
f
__
1
0
__
=
_

0
+
1

1
0
0
+
1

_
=
_
f()
d
d
f()
0 f()
_
0
Exerccio 16.6
Determine a inversa da matriz A usando o teorema de Cayley-Hamilton.
_
_
1 1 1
0 1 1
0 0 1
_
_
Solu c ao:

1
=
0
+
1
+
2

2
1 =
0
+
1
+
2

2
=
1
+ 2
2
1 =
1
+ 2
2
2
3
= 2
2
1 =
2
,
0
= 3 ,
1
= 3
A
1
=
0
I +
1
A+
2
A
2
=
_
_
1 1 0
0 1 1
0 0 1
_
_
Note que
Co(A) =
_
_
1 0 0
1 1 0
0 1 1
_
_
Bonatti, Lopes & Peres
268 Captulo 16. Resolu c ao de Equa c oes de Estado
A inversa poderia ser obtida diretamente da equa c ao caracterstica
() =
3
3
2
+ 3 1 = 0
1
=
2
3 + 3
0
Exerccio 16.7
Determine
0
e
1
tais que
A
0.5
=
0
I +
1
A , A =
_
cos() sen()
sen() cos()
_
, > 0 , = 0
Solu c ao:
Os autovalores s ao
exp(j) , exp(j)
Portanto

0.5
exp(j/2) =
0
+
1
exp(j) ,
0.5
exp(j/2) =
0
+
1
exp(j)
que resultam em

1
=
0.5
sen(/2)
sen()
,
0
=
0.5
_
cos(/2)
sen(/2)
sen()
cos()
_
Para = 1 e = /2, tem-se
A =
_
0 1
1 0
_
, autovalores j, j
0
=
1
=

2
2
A
0.5
=

2
2
_
1 1
1 1
_
Note que a soma de 2 em n ao altera os autovalores, porem produz como solu c ao outra raiz
quadrada
A
0.5
=

2
2
_
1 1
1 1
_
0
Bonatti, Lopes & Peres
Captulo 17
Observabilidade e Controlabilidade
SISO
Deni cao: observabilidade
Um sistema contnuo autonomo descrito por
v(t) = f(v(t), t) , y(t) = g(v(t), t)
e observ avel em t
0
se existir > 0 tal que o conhecimento da sada y(t) para todo t [t
0
, t
0
+ ] e
suciente para determinar a condi c ao v(t
0
).
Para sistemas lineares invariantes no tempo com sada escalar, descritos por
v(t) = Av(t) , v R
m
; y(t) = cv(t) R
o sistema e observ avel se existir > 0 tal que o conhecimento da sada y(t) para todo t [0, ] e
suciente para determinar a condi c ao inicial v(0).
Propriedade 17.1
Matriz de observabilidade
O sistema linear invariante no tempo
v = Av , y = cv
com v R
m
e observ avel se e somente se o rank da matriz de observabilidade Obsv(A, c) for igual a
m
Obsv(A, c) =
_

_
c
cA
cA
2
.
.
.
cA
m1
_

_
R
mm
Ou seja, o sistema e observ avel se e somente se det(Obsv(A, c)) = 0.
Prova:
y(t) = c exp(At)v(0)
Derivando m1 vezes y(t) e computando em t = 0, tem-se
269
270 Captulo 17. Observabilidade e Controlabilidade SISO
Obsv(A, c)v(0) =
_

_
c
cA
cA
2
.
.
.
cA
m1
_

_
v(0) =
_

_
y(0)
y(0)
y(0)
.
.
.
y
(m1)
(0)
_

_
que tem solu c ao em v(0) sempre que o rank de Obsv(A, c) for igual a m. Note que e preciso conhecer
y(t) em uma vizinhan ca do zero para se determinar os valores das derivadas em t = 0.

Exemplo 17.1
Sistema nao observavel
O sistema
v =
_
0 1
2 3
_
v ; y =
_
1 1

v
n ao e observ avel, pois a matriz de observabilidade dada por
Obsv(A, c) =
_
c
cA
_
=
_
1 1
2 2
_
tem determinante igual a zero. Note que, para uma condi c ao inicial v(0) = v
0
, tem-se
Y (s) = c(sI A)
1
v
0
=
s + 1
(s + 1)(s + 2)
_
v
1
(0) +v
2
(0)
_
y(t) =
_
v
1
(0) +v
2
(0)
_
exp(2t)u(t)
e, portanto, o conhecimento de y(t) n ao permite determinar de maneira individual v
1
(0) e v
2
(0).
P
Exemplo 17.2
Sistema observavel
O sistema
v =
_
0 1
2 3
_
v ; y =
_
1 0

v
e observ avel, pois a matriz de observabilidade dada por
Obsv(A, c) =
_
c
cA
_
=
_
1 0
0 1
_
tem determinante diferente de zero. Para uma condi c ao inicial v(0) = v
0
, tem-se
Y (s) = c(sI A)
1
v
0
=
s + 3
(s + 1)(s + 2)
v
1
(0) +
1
(s + 1)(s + 2)
v
2
(0)
Bonatti, Lopes & Peres
271
y(t) =
_
2 exp(t) exp(2t)
_
v
1
(0)u(t) +
_
exp(t) exp(2t)
_
v
2
(0)u(t)
y(0) = v
1
(0) , y(0) = v
2
(0)
Neste caso, o conhecimento de y(t) permite determinar a condi c ao inicial.
P
Exemplo 17.3
Considere o circuito da Figura 17.1 com > 0 e as vari aveis de estado
1
(tens ao no capacitor) e

2
(corrente no indutor).
1
1
+
+

1
1/
x
y

2
Figura 17.1: Circuito RLC com R = C = 1 e L = 1/.

2
+
1


2
=
1
+
1
; x =
1


2
+
1
; y =
1


2
Colocando na forma matricial, tem-se
= A +bx , y = c +dx (17.1)
A =
_
2 1
0
_
, b =
_
1

_
, c =
_
1 0

, d =
_
1

(17.2)
A matriz de observabilidade e dada por
Obsv(A, c) =
_
1 0
2 1
_
cujo determinante e
det(Obsv(A, c)) = 1 = 0
indicando que o sistema (17.1)-(17.2) e observ avel independentemente de .
A equa c ao diferencial em y e
D(p)y = N(p)x , D(p) = p
2
+ 2p + , N(p) = p(p + 1)
Bonatti, Lopes & Peres
272 Captulo 17. Observabilidade e Controlabilidade SISO
Note que para = 1 (constantes de tempo das malhas indutiva e capacitiva identicas) ocorre um
cancelamento entre zero e p olo.
P
Exemplo 17.4
Considere novamente o circuito descrito na Figura 17.1, com > 0, cuja equa c ao diferencial em y
e
D(p)y = N(p)x , D(p) = p
2
+ 2p + , N(p) = p(p + 1)
N(p) = D(p) +

N(p)

N(p) = p
A representa c ao em equa c oes de estado na forma companheira (note que as vari aveis de estado v
1
e v
2
n ao mais correspondem `a tensao no capacitor
1
e `a corrente no indutor
2
) e dada por
v =
_
0 1
2
_
v +
_
0
1
_
x (17.3)
y =
_
1

v +
_
1

x (17.4)
A matriz de observabilidade para o sistema (17.3)-(17.4) e dada por
Obsv(A, c) =
_
c
cA
_
=
_
1
2
_
cujo determinante e
det(Obsv(A, c)) = ( 1)
Portanto, a realiza c ao (17.3)-(17.4) do sistema (vari aveis v
1
e v
2
) n ao e observ avel se = 1.
Note, portanto, que a observabilidade depende da representa c ao interna do sistema, isto e, da
escolha das vari aveis de estado.
P
Exemplo 17.5
Considere o circuito descrito na Figura 17.2, cujas equa c oes de estado e de sada sao

2
+
L
2
R
2
= C
1
+

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

2
Colocando na forma matricial, tem-se
= A +bx , y = c +dx (17.5)
Bonatti, Lopes & Peres
273
R
1
R
2
+
+

C
L
x
y

2
Figura 17.2: Circuito RLC.
A =
_

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

1
L
0
_

_
, b =
_

_
1
R
2
C
1
L
_

_
, c =
_

1
R
2
0
_
, d =
_
1
R
2
_
(17.6)
A matriz de observabilidade e dada por
Obsv(A, c) =
_

1
R
2
0
1
R
2
_
1
R
1
C
+
1
R
2
C
_

1
R
2
C
_

_
cujo determinante e
det(Obsv(A, c)) =
1
R
2
2
C
= 0
indicando que o sistema (17.5)-(17.6) e observ avel.
A equa c ao diferencial em y e
D(p)y = N(p)x , D(p) = p
2
+
_
1
R
1
C
+
1
R
2
C
_
p +
1
LC
, N(p) =
1
R
2
p
_
p +
1
R
1
C
_
A divisao N(p)/D(p) resulta em
2
= 1/R
2
e

N(p) =
1
R
2
2
C
p
1
R
2
LC
A representa c ao em equa c oes de estado na forma companheira (note que as vari aveis de estado v
1
e v
2
n ao mais correspondem `a tensao no capacitor
1
e `a corrente no indutor
2
) e dada por
v =

Av +

bx , y = cv +

dx (17.7)

A =
_
_
0 1

1
LC

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

b =
_
0
1
_
, c =
_

1
R
2
LC

1
R
2
2
C
_
,

d =
_
1
R
2
_
Bonatti, Lopes & Peres
274 Captulo 17. Observabilidade e Controlabilidade SISO
A matriz de observabilidade para o sistema (17.7) e dada por
Obsv(

A, c) =
1
R
2
LC
_

_
1
L
R
2
1
R
2
C
L
R
2
_
1
R
1
C
+
1
R
2
C
_
1
_

_
det(Obsv(

A, c)) =
1
R
2
2
L
2
C
2
_
1
L
R
1
R
2
C
_
Portanto, o sistema (17.7) (vari aveis v
1
e v
2
) n ao e observ avel se as constantes de tempo das malhas
LR
2
e R
1
C forem identicas, isto e, se
L
R
2
= R
1
C
P
Propriedade 17.2
Transforma c oes de similaridade nao alteram a observabilidade de um sistema linear invariante no
tempo.
Prova:
Os sistemas similares, com T nao singular, dados por
v = Av , v = Tv

v = T v = TAv = TAT
1
v

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

_
c
c

A
.
.
.
c

A
n1
_

_
= rank
_
_
_
_
_
_

_
c
cA
.
.
.
cA
n1
_

_
T
1
_
_
_
_
_
= rank
_

_
c
cA
.
.
.
cA
n1
_

Exemplo 17.6
Considere o sistema descrito por
v = Av , y = cv
A =
_
5 1
4 1
_
, c =
_
0 2

O sistema e observ avel, pois


Obsv(A, c) =
_
0 2
8 2
_
, det(Obsv(A, c)) = 16 = 0
Escolhendo
Bonatti, Lopes & Peres
275
T =
_
0 1
1 1
_
, T
1
=
_
1 1
1 0
_
e escrevendo as equa c oes em termos de v = Tv, tem-se

A = TAT
1
=
_
3 4
9 9
_
, c =
_
2 0

Obsv(

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

A, c)) = 16 = 0
P
Deni cao: controlabilidade
Um sistema contnuo descrito por
v(t) = f(v(t), x(t), t)
e control avel em t
0
se existir > 0 nito e uma entrada x(t), t [t
0
, t
0
+] que leve o sistema de um
estado inicial qualquer v(t
0
) para um estado arbitr ario v(t
0
+).
Para sistemas lineares invariantes no tempo com entrada escalar, descritos por
v(t) = Av(t) +bx(t) , v R
n
; x(t) R
o sistema e control avel se para qualquer estado inicial v(0) e um estado v() nal arbitr ario, existir
uma entrada x(t), t [0, ] que leve o sistema de v(0) a v() em tempo nito .
Propriedade 17.3
Matriz de controlabilidade
O sistema linear invariante no tempo
v = Av +bx
com v R
n
e control avel se e somente se o rank da matriz de controlabilidade Ctrb(A, b) for igual a n
Ctrb(A, b) =
_
b Ab A
2
b A
n1
b

R
nn
Ou seja, o sistema e control avel se e somente se det(Ctrb(A, b)) = 0.
Prova:
A solu c ao v(t), com condi c ao inicial v(0) conhecida e uma entrada x(t), e dada por
v(t) = exp(At)v(0) +
_
exp(At)u(t)
_
bx(t)
Por Cayley-Hamilton, tem-se
exp(At) =
n1

k=0

k
(t)A
k
e portanto
(t) =
_
n1

k=0

k
(t)A
k
u(t)
_
bx(t) =
n1

k=0
A
k
b
k
(t)
Bonatti, Lopes & Peres
276 Captulo 17. Observabilidade e Controlabilidade SISO
com
(t) = v(t) exp(At)v(0) ,
k
(t) =
_

k
(t)u(t)
_
x(t)
Para t = , tem-se
() =
_
b Ab A
2
b A
n1
b

0
()

1
()
.
.
.

n1
()
_

_
que possui solu c ao sempre que o rank de Ctrb(A, b) for igual a n.

Exemplo 17.7
Sistema nao controlavel
Considere o sistema
v =
_
0 1
2 3
_
v +
_
b
1
b
2
_
x
Analisando a controlabilidade, tem-se
det(Ctrb(A, b)) = det
_
b Ab

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

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

p + 1
_
1
2
_
x ,
Note que n ao e possvel controlar individualmente os dois estados e que, em cada uma das situa c oes,
um dos modos proprios n ao aparece na equa c ao diferencial.
P
Exemplo 17.8
Sistema controlavel
Considere o sistema
v =
_
0 1
2 3
_
v +
_
1
1
_
x
Bonatti, Lopes & Peres
277
O sistema e controlavel, pois
det(Ctrb(A, b)) = det
_
b Ab

= det
_
1 1
1 5
_
= 6
Aplicando a transformada de Laplace, tem-se
V (s) = (sI A)
1
bX(s) =
1
(s + 1)(s + 2)
_
s + 3 1
2 s
_ _
1
1
_
X(s) =
=
1
(s + 1)(s + 2)
_
s + 4
s 2
_
X(s)
Para X(s) igual a
X(s) =
s + 1
s + 4
+
s + 2
s 2
tem-se
V (s) =
_

_
1
s + 2
s + 4
(s + 1)(s 2)
s 2
(s + 2)(s + 4)
1
s + 1
_

_
_

_
e portanto
v(t) =
_
exp(2t) exp(t) + 2 exp(2t)
2 exp(2t) + 3 exp(4t) exp(t)
_ _

_
Note que o determinante da matriz que relaciona v(t) com os par ametros e e
(t) = 4 6 exp(2t) exp(3t) + 3 exp(5t) = 0 , t = 0
e, portanto, para qualquer (t, v(t)) e possvel encontrar e que levam o sistema de v(0) = 0 a
v(t) no intervalo [0, t], conrmando que o sistema e controlavel.
A solu c ao e dada por
_

_
=
1
(t)
_
exp(t) exp(t) 2 exp(2t)
2 exp(2t) 3 exp(4t) exp(2t)
_
P
Exemplo 17.9
Considere novamente o circuito da Figura 17.1, com > 0, descrito pela equa c ao diferencial
D(p)y = N(p)x , D(p) = p
2
+ 2p + , N(p) = p(p + 1)
com a representa c ao de estado do Exemplo 17.4
v =
_
0 1
2
_
v +
_
0
1
_
x , y =
_
1

v +
_
1

x
que n ao e observ avel para = 1. No entanto, e controlavel independentemente de , pois
Bonatti, Lopes & Peres
278 Captulo 17. Observabilidade e Controlabilidade SISO
det(Ctrb(A, b)) = det
_
b Ab

= det
_
0 1
1 2
_
= 1
Por outro lado, a representa c ao em equa c oes de estado na forma dual, dada por
A =
_
0
1 2
_
, b =
_

1
_
, c =
_
0 1

, d =
_
1

e observ avel independentemente de e n ao e controlavel para = 1, pois


det(Ctrb(A, b)) = det
_
b Ab

= det
_

1 2
_
= ( 1)
det(Obsv(A, c)) = det
_
c
cA
_
= det
_
0 1
1 2
_
= 1
P
Propriedade 17.4
Transforma c oes de similaridade nao alteram a controlabilidade de um sistema linear invariante no
tempo.
Prova:
Os sistemas similares, com T nao singular, dados por
v = Av +bx , v = Tv

v = T v = TAv +Tbx = TAT
1
v +Tbx


A = TAT
1
,

b = Tb
tem matrizes de controlabilidade que vericam
rank
_

b

A

b

A
n1

= rank
_
T
_
b Ab A
n1
b
_
= rank
_
b Ab A
n1
b

Exemplo 17.10
Considere o sistema descrito por
v = Av +bx
A =
_
5 4
1 1
_
, b =
_
0
2
_
O sistema e controlavel, pois
Ctrb(A, b) =
_
0 8
2 2
_
, det(Ctrb(A, b)) = 16 = 0
Escolhendo
Bonatti, Lopes & Peres
279
T =
_
1 1
1 0
_
, T
1
=
_
0 1
1 1
_
e escrevendo as equa c oes em termos de v = Tv, tem-se

A =
_
3 9
4 9
_
,

b =
_
2
0
_
Ctrb(

A,

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

A,

b)) = 16 = 0
P
Propriedade 17.5
O sistema (A, b, c, d) e control avel se e somente se o sistema dual (A

, c

, b

, d) e observ avel, e vice-versa,


isto e, o sistema (A, b, c, d) e observ avel se e somente se o sistema dual (A

, c

, b

, d) e control avel.
Prova:
Ctrb(A, b) =
_
Obsv(A

, b

)
_

, Obsv(A, c) =
_
Ctrb(A

, c

)
_

Propriedade 17.6
Forma can onica controlavel
A representa c ao
v = Av +bx , v =
_

_
0 1 0 0
0 0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1

0

1

2

m1
_

_
v +
_

_
0
0
.
.
.
0
1
_

_
x
e denominada de forma can onica control avel, pois det
_
Ctrb(A, b)
_
= 0 para quaisquer valores de
k
.
Prova: para n = 4, tem-se
Ctrb(A, b) =
_

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

2
+
2
3
1
3

2
+
2
3

1
+
2

3
(
2
+
2
3
)
_

_
cujo determinante e igual a 1. Para n qualquer, o determinante e 1 ou 1, pois
det
_
Ctrb(A, b)
_
= (1)
f[n]
, f[n] =
n+1

k=2
k =
(n + 3)n
2
Pode-se mostrar que inversa da matriz de controlabilidade e dada por
Bonatti, Lopes & Peres
280 Captulo 17. Observabilidade e Controlabilidade SISO
_
Ctrb(A, b)
_
1
=
_

1

2

3
1

2

3
1 0

3
1 0 0
1 0 0 0
_

Exemplo 17.11
O sistema
v =
_
_
0 1 0
0 0 1
6 11 6
_
_
v +
_
_
0
0
1
_
_
x
est a na forma can onica controlavel, sendo
Ctrb(A, b) =
_
_
0 0 1
0 1 6
1 6 25
_
_
, det(Ctrb(A, b)) = 1
P
Propriedade 17.7
Forma can onica observavel
A representa c ao de um sistema na forma
v = Av , y = cv , v =
_

_
0 0
0
1 0
1
.
.
.
.
.
.
.
.
.
.
.
.
0 1
m1
_

_
v , y =
_
0 1

v
e denominada de forma can onica observ avel, pois det
_
Obsv(A, c)
_
= 0 para quaisquer valores de
k
.
Por dualidade, essa propriedade e conseq uencia da Propriedade 17.5.

Propriedade 17.8
A realiza c ao mostrada na Figura 17.3 e a forma can onica control avel dada por (m = 3,
m
= 1)
v = Av +bx , y = cv +dx
A =
_
_
0 1 0
0 0 1

0

1

2
_
_
, b =
_
_
0
0
1
_
_
, c =
_

, d =
_

3

associada aos polin omios


D(p) =
m

k=0

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

N(p) ,

N(p) =
m1

k=0

k
p
k
Bonatti, Lopes & Peres
281
+ +
+ + +
+
_ _ _
x
y
v
1
v
2
v
3

3
1
Figura 17.3: Realiza c ao na forma can onica control avel.
Por constru c ao, a realiza c ao possui (A, b) control avel. Se (A, c) for observ avel, entao nao ha cancela-
mentos entre polos e zeros.
Por outro lado, se nao houver cancelamento entre as razes de N(p) e D(p) (isto e, entre polos e zeros),
a realiza c ao e observ avel. Portanto, essa realiza c ao e sempre control avel e a observabilidade depende
dos par ametros
k
,
k
.
Note que cancelamentos entre polos e zeros tambem implicam em cancelamentos entre

N(p) e D(p).

Exemplo 17.12
Considere a realiza c ao mostrada na Figura 17.3 com

3
= 0 ,
2
= 1 ,
1
= 3 ,
0
= 2 ,
2
= 8 ,
1
= 21 ,
0
= 18
implicando em
A =
_
_
0 1 0
0 0 1
18 21 8
_
_
, b =
_
_
0
0
1
_
_
, c =
_
2 3 1

, d =
_
0

A matriz de observabilidade e dada por


Obsv(A, c) =
_
_
2 3 1
18 19 5
90 87 21
_
_
, det
_
Obsv(A, c)
_
= 0
De fato, os polin omios
Bonatti, Lopes & Peres
282 Captulo 17. Observabilidade e Controlabilidade SISO
N(p) = p
2
+ 3p + 2 = (p + 1)(p + 2) , D(p) = p
3
+ 8p
2
+ 21p + 18 = (p + 3)
2
(p + 2)
possuem a raiz 2 em comum.
P
Propriedade 17.9
A realiza c ao mostrada na Figura 17.4 e a forma can onica observ avel dada por (m = 3,
m
= 1)
v = Av +bx , y = cv +dx
A =
_
_
0 0
0
1 0
1
0 1
2
_
_
, b =
_
_

2
_
_
, c =
_
0 0 1

, d =
_

3

associada aos polin omios


D(p) =
m

k=0

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

N(p) ,

N(p) =
m1

k=0

k
p
k
+ + + +
_ _ _
x
y
v
1
v
2
v
3

0

1

2

2

3
1
Figura 17.4: Realiza c ao na forma can onica observ avel.
Por constru c ao, a realiza c ao possui (A, c) observ avel. Se (A, b) for control avel, entao nao ha cancela-
mentos entre polos e zeros.
Por outro lado, se nao houver cancelamento entre as razes de N(p) e D(p) (isto e, entre polos e zeros),
a realiza c ao e control avel. Portanto, essa realiza cao e sempre observ avel e a controlabilidade depende
dos par ametros
k
,
k
.

Exemplo 17.13
Considere a realiza c ao mostrada na Figura 17.4 com

3
= 1 ,

2
= 1 ,

1
= 3 ,

0
= 2 ,
2
= 3 ,
1
= 1 ,
0
= 3
Bonatti, Lopes & Peres
283
implicando em
A =
_
_
0 0 3
1 0 1
0 1 3
_
_
, b =
_
_
2
3
1
_
_
, c =
_
0 0 1

, d =
_
1

A matriz de controlabilidade e dada por


Ctrb(A, b) =
_
_
2 3 0
3 3 3
1 0 3
_
_
, det
_
Ctrb(A, b)
_
= 0
De fato, os polin omios

N(p) = p
2
+ 3p + 2 = (p + 1)(p + 2) , D(p) = p
3
+ 3p
2
p 3 = (p 1)(p + 1)(p + 3)
possuem a raiz 1 em comum.
P
Exemplo 17.14
Transforma cao de similaridade que separa modos nao observaveis
Considere o sistema descrito por
v = Av , y = cv , A =
_
5 1
4 1
_
, c =
_
2 1

O sistema e n ao observ avel, pois


Obsv(A, c) =
_
2 1
6 3
_
, det(Obsv(A, c)) = 0
Para
T =
_
2 1
0 1
_
, T
1
=
_
0.5 0.5
0 1
_
,

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

tem-se
Obsv(

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

A, c)) = 0
Note que apenas v
1
aparece na sada, e que v
1
e desacoplado de v
2
. Portanto, o estado v
1
e
observ avel e v
2
n ao.
P
Bonatti, Lopes & Peres
284 Captulo 17. Observabilidade e Controlabilidade SISO
Exemplo 17.15
Transforma cao de similaridade que separa os modos nao controlaveis
Considere o sistema
v =
_
_
0 1 0
0 0 1
6 11 6
_
_
v +
_
_
1
3
9
_
_
x
cujo polin omio caracterstico e
(p) = p
3
+ 6p
2
+ 11p + 6 = (p + 1)(p + 2)(p + 3)
O sistema n ao e controlavel, pois
det(Ctrb(A, b)) = det
_
b Ab A
2
b

= det
_
_
1 3 9
3 9 27
9 27 81
_
_
= 0 , rank(Ctrb(A, b)) = 1
Utilizando o operador p, tem-se
v = (pI A)
1
bx =
1
p + 3
_
_
1
3
9
_
_
x
Note que n ao e possvel controlar individualmente os estados e que dois modos proprios n ao apa-
recem na equa c ao diferencial.
Denindo a transforma c ao
T
1
=
_
_
1 0 0
3 1 0
9 0 1
_
_
, T =
_
_
1 0 0
3 1 0
9 0 1
_
_
tem-se

A = TAT
1
=
_
_
3 1 0
0 3 1
0 20 3
_
_
,

b = Tb =
_
_
1
0
0
_
_
Note que, no sistema transformado, foram separadas as parcelas controlavel ( v
1
) e n ao controlavel
( v
2
e v
3
). Note tambem estados n ao controlaveis formam um sistema autonomo independente, e a
vari avel v
2
inuencia na equa c ao de v
1
.
A matriz de controlabilidade do sistema transformado e
Ctrb(

A,

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

A,

b)) = 1
P
Bonatti, Lopes & Peres
285
Exerccio 17.1
a) Determine c R
12
n ao nulo para que o sistema com os modos proprios
g
1
(t) = exp(t) , g
2
(t) = exp(2t)
e a representa c ao de estados
v =
_
0 1

0

1
_
v
n ao seja observ avel.
Solu c ao: a partir dos modos proprios, tem-se
D(p) = (p + 1)(p + 2) = p
2
+ 3p + 2
0
= 2 ,
1
= 3
Denindo c =
_
c
1
c
2

, tem-se
Obsv(A, c) =
_
c
cA
_
=
_
c
1
c
2
2c
2
c
1
3c
2
_
e, portanto,
det(Obsv(A, c)) = 0 c
1
= c
2
, c
1
= 2c
2
b) Para a solu c ao do item a), determine y(t) em fun c ao de v(0) =
_
v
1
(0) v
2
(0)

Solu c ao:
y(t) = c exp(At)v(0)
exp(At) =
0
(t)I +
1
(t)A , exp(t) =
0
(t)
1
(t) , exp(2t) =
0
(t) 2
1
(t)
Para c
1
= c
2
= , tem-se
y(t) =
_

0
(t) 2
1
(t)
__
v
1
(0) +v
2
(0)
_
= exp(2t)
_
v
1
(0) +v
2
(0)
_
Para c
1
= 2c
2
= 2, tem-se
y(t) = 2
_

0
(t)
1
(t)
__
v
1
(0) +v
2
(0)
_
= exp(t)
_
v
1
(0) +v
2
(0)
_
Note que a n ao observabilidade n ao permite determinar individualmente v
1
(0) e v
2
(0). Alem disso,
implica no desaparecimento de um dos modos proprios na sada.
0
Bonatti, Lopes & Peres
Captulo 18
Introdu cao `a Realimenta cao
A realimenta c ao pode ser usada para alterar o comportamento din amico de sistemas.
Exemplo 18.1
Estabiliza cao
Considere o sistema descrito pela equa c ao diferencial
(p 1)y = x H(s) =
1
s 1
Trata-se de um sistema inst avel, pois o p olo tem parte real positiva. De fato, a solu c ao da equa c ao
homogenea diverge e e dada por
y(t) = y(0) exp(t)
O sistema pode ser estabilizado por meio da realimenta c ao do sinal de sada, como mostrado na
Figura 18.1.
X(s) Y (s)
H(s)
k
+
Figura 18.1: Realimenta c ao com ganho proporcional.
Denindo o sinal do erro (isto e, a diferen ca entre a entrada e a sada realimentada), tem-se
E(s) = X(s) kY (s) , Y (s) = H(s)E(s) Y (s) =
H(s)
1 +kH(s)
X(s)
A fun c ao de transferencia em malha fechada e
G(s) =
H(s)
1 +kH(s)
286
287
que, neste caso, e dada por
G(s) =
1
s 1 +k
com p olo 1 k. Portanto, para k > 1, o sistema em malha fechada e est avel.
P
A estrutura mostrada na Figura 18.2 (chamada de realimenta c ao unit aria), com um compensador na
malha direta, possui fun c ao de transferencia em malha fechada e erro dados por
G(s) =
Y (s)
X(s)
=
C(s)H(s)
1 +C(s)H(s)
E(s) = X(s) Y (s) =
1
1 +C(s)H(s)
X(s)
X(s)
Y (s)
H(s) C(s)
E(s)
1
+
Figura 18.2: Realimenta c ao unit aria.
Se o sistema em malha fechada for est avel, o erro em regime para uma entrada degrau x(t) = u(t) e
dado por
lim
s0
sE(s) = lim
s0
s
_
1
1 +C(s)H(s)
_
1
s
=
1
1 +k
p
, k
p
= lim
s0
C(s)H(s)
Portanto, o erro de regime para entrada degrau e nulo se k
p
tender a innito, isto e, se a malha direta
C(s)H(s) possuir pelo menos um polo em s = 0. O par ametro k
p
e chamado de constante de posi c ao,
e uma fun c ao de transferencia com um polo na origem e chamada de fun c ao do tipo 1.
Similarmente, o erro de regime para entrada rampa x(t) = tu(t) e dado por
lim
s0
sE(s) = lim
s0
s
_
1
1 +C(s)H(s)
_
1
s
2
= lim
s0
1
s +sC(s)H(s)
=
1
k
v
, k
v
= lim
s0
sC(s)H(s)
sendo k
v
denominado constante de velocidade. Para que o erro de regime seja nulo, a fun c ao de
transferencia de malha direta deve possuir pelo menos dois polos na origem, isto e, ser pelo menos do
tipo 2.
Finalmente, o erro de regime para entrada par abola x(t) = 0.5t
2
u(t) e
lim
s0
sE(s) = lim
s0
s
_
1
1 +C(s)H(s)
_
1
s
3
= lim
s0
1
s
2
+s
2
C(s)H(s)
=
1
k
a
, k
a
= lim
s0
s
2
C(s)H(s)
e k
a
e a constante de acelera c ao. Erros de regime nulos exigem pelo menos tres polos na origem, isto
e, ser pelo menos do tipo 3.
Bonatti, Lopes & Peres
288 Captulo 18. Introdu c ao `a Realimenta c ao
Exemplo 18.2
Erro de regime
Considere o sistema
(p +)y = x , > 0 = sistema est avel
A solu c ao persistente para entrada constante x = 1 e
y(t) = H(0) =
1

e, portanto, a sada n ao acompanha a entrada (erro de regime).


A estrutura mostrada na Figura 18.2 (chamada de realimenta c ao unit aria), com um integrador na
malha direta, possui a fun c ao de transferencia em malha fechada
G(s) =
H(s)
1
s
1 +H(s)
1
s
, H(s) =
1
s +
G(s) =
1
s
2
+s + 1
cujos p olos s ao

1,2
=

_

2
4
2
Como > 0, o sistema e est avel. Alem disso, G(0) = 1 e portanto o sistema n ao apresenta erro de
regime.
P
Deni cao: sensibilidade
A sensibilidade de uma fun c ao f(x, y) em rela c ao a uma de suas vari aveis (ou par ametros) e denida
por
f
x
x
f
=
f
f
x
x
Note que a sensibilidade e uma medida de varia c ao percentual.
Exemplo 18.3
Sensibilidade
Considere novamente o sistema do Exemplo 18.2, para o qual as fun c oes de transferencia de malha
aberta e de malha fechada s ao, respectivamente,
H(s) =
1
s +
, G(s) =
1
s
2
+s + 1
As sensibilidades de H(s) e de G(s) em rela c ao ao par ametro s ao dadas por
Bonatti, Lopes & Peres
289
H(s)

H(s)
=

s +
,
G(s)

G(s)
=
s
s
2
+s + 1
Note que o ganho DC apresenta sensibilidade de 100% em malha aberta e de 0 em malha fechada,
em rela c ao ao par ametro .
P
Exemplo 18.4
Produto ganho-faixa
A Figura 18.3 mostra um modelo de primeira ordem para um amplicador operacional (seguidor
de tensao de ganho k) realimentado. O ganho DC e dado por A e a freq uencia de corte e 1/. O
produto ganho-faixa BWG Bandwidth gain, dado por BWG=A/, caracteriza o amplicador
operacional. Por exemplo, o OpAmp 741 tem BWG=1 MHz.
X(s) Y (s)
A
1 +s
1/k
+
Figura 18.3: Produto ganho-faixa.
A fun c ao de transferencia em malha fechada e dada por
G(s) =
H(s)
1 +H(s)/k
=
A
1 +s +A/k
e, para A/k 1, tem-se
G(s)
A
s +A/k
=
k
1 +k/As
com ganho DC igual a k e freq uencia de corte A/(k). Portanto, o produto ganho-faixa permanece
inalterado BWG=A/. Note que k elevado implica em faixa pequena.
P
Exemplo 18.5
Rejei cao de dist urbio
Considere o sistema realimentado da Figura 18.4, na qual C(s) e o controlador e D(s) e uma entrada
de dist urbios.
A sada Y (s) pode ser modelada como a superposi c ao dos efeitos das duas entradas
Bonatti, Lopes & Peres
290 Captulo 18. Introdu c ao `a Realimenta c ao
X(s)
Y (s)
H(s)
D(s)
C(s)
1
+ +
Figura 18.4: Rejei c ao de dist urbios.
Y (s) =
C(s)H(s)
1 +C(s)H(s)
X(s)
. .
Y
X
(s)
+
H(s)
1 +C(s)H(s)
D(s)
. .
Y
D
(s)
O Exemplo 18.2 considerou uma estrutura semelhante com D(s) = 0 (sem dist urbio) e, para
C(s) =
1
s
, H(s) =
1
s +
, > 0
o sistema realimentado e est avel e n ao apresenta erro de regime. Alem disso, em regime, rejeita
dist urbios na forma de degraus com amplitude desconhecida a, pois
lim
t+
y
d
(t) = lim
s0
sY
D
(s) =
sH(s)
s +H(s)
a = 0
P
Bonatti, Lopes & Peres
Captulo 19
Estabilidade
A estabilidade de um sistema pode ser caracterizada em termos da rela c ao entrada-sada (BIBO
estabilidade) ou em termos das vari aveis de estado (pontos de equilbrio).
19.1 BIBO Estabilidade
Deni cao: Sistema BIBO Estavel
Conforme descrito anteriormente, um sistema e BIBO est avel (Bounded-Input Bounded-Output) se a
sada e limitada para toda entrada limitada.
|x(t)| < b |y(t)| < +
Alem disso, um sistema linear invariante no tempo e BIBO est avel se e somente se a resposta ao
impulso do sistema for absolutamente integr avel.
Propriedade 19.1
Necessidade
Um sistema linear invariante no tempo descrito por uma fun c ao de transferencia racional
H(s) =
N(s)
D(s)
e BIBO est avel se e somente se todos os polos (isto e, razes de D(s) = 0) tiverem parte real negativa.
Prova: autovalores com parte real negativa garantem que a resposta ao impulso
h(t) =
m

k=1
a
k
g
k
(t) , g
k
(t) = t
r
k
exp(
k
t) , 0 r
k
m
e absolutamente integr avel.
Observe que foi suposto que H(s) nao possui fatores comuns e que e estritamente proprio. Se H(s)
for proprio, ocorre um impulso na resposta ao impulso, o que nao invalida a demonstra c ao.

Deni cao: polin omio Hurwitz


1
Um polin omio D(p) que possui todas as razes com parte real negativa e chamado de polin omio
Hurwitz.
1
Adolf Hurwitz, matematico alemao (18591919).
291
292 Captulo 19. Estabilidade
Propriedade 19.2
Uma condi c ao necessaria para que um polin omio D(p) de grau m, com
m
> 0, seja Hurwitz, e que
todos os demais m coecientes sejam positivos.
Prova:
D(p) =
m
p
m
+
m1
p
m1
+
m2
p
m2
+ +
1
p +
0
, (
m
> 0)
D(p) =
m

k
(p +a
k
)

k
(p
2
+ 2b
k
p +b
2
k
+c
2
k
)
As razes reais s ao a
k
e as complexas s ao b
k
jc
k
. Portanto, se
a
k
> 0 , b
k
> 0
entao todos os coecientes do polin omio D(p) s ao positivos.
Exemplo 19.1
A Propriedade 19.2 e uma condi c ao apenas necess aria. Por exemplo, o polin omio
p
3
+p
2
+ 11p + 51 = (p + 3)(p 1 +j4)(p 1 j4) = (p + 3)(p
2
2p + 17)
possui todos os coecientes positivos, mas n ao e Hurwitz.
P

Propriedade 19.3
Expansao de Stieltjes
O teste do sinal da parte real das razes de um polin omio pode ser feito por expans ao de Stieltjes
2
D
m
(p)
D
m1
(p)
=
1
s +
1

2
s +
1

3
s +
1
.
.
.
+
1

m1
s +
1

m
s
sendo D
m
(p) e D
m1
(p) polin omios obtidos a partir do polin omio D(p), dados por
D
m
(p) =
m
p
m
+
m2
p
m2
+ , D
m1
(p) =
m1
p
m1
+
m3
p
m3
+
Todas as razes de D(p) = 0 possuem parte real negativa se e somente se
k
> 0, k = 1, . . . , m.

2
Thomas Jan Stieltjes, matematico holandes (1856-1894).
Bonatti, Lopes & Peres
19.1. BIBO Estabilidade 293
Exemplo 19.2
Considere o polin omio
D(p) = p
4
+p
3
+ 3p
2
+ 2p + 1
Note que a condi c ao necess aria (todos os coecientes positivos) e satisfeita.
D
4
(p)
D
3
(p)
=
p
4
+ 3p
2
+ 1
p
3
+ 2p
= p +
r
2
(p) = p
2
+ 1
p
3
+ 2p
D
3
(p)
r
2
(p)
=
p
3
+ 2p
p
2
+ 1
= p +
r
1
(p) = p
p
2
+ 1
r
2
(p)
r
1
(p)
=
p
2
+ 1
p
= p +
r
0
(p) = 1
p
Portanto, colocando na forma da expans ao de Stieltjes, tem-se
p
4
+ 3p
2
+ 1
p
3
+ 2p
= p +
1
p +
1
p +
1
p
e pode-se concluir que o polin omio possui todas as razes com parte real negativa. De fato, as razes
s ao aproximadamente (usando Matlab):
0.10 j1.55 , 0.40 j0.51
P
Exemplo 19.3
Considere o polin omio
D(p) = 24p
4
+ 24p
3
+ 18p
2
+ 6p + 1
Note que a condi c ao necess aria (todos os coecientes positivos) e satisfeita. Da expans ao de Stieltjes,
D
4
(p)
D
3
(p)
=
24p
4
+ 18p
2
+ 1
24p
3
+ 6p
= p +
12p
2
+ 1
24p
3
+ 6p
= p +
1
2p +
4p
2p
2
+ 1
= p +
1
2p +
1
3p +
1
4p
conclui-se que o polin omio e Hurwitz. De fato, as razes s ao aproximadamente (usando Matlab):
0.25 j0.60 , 0.25 j0.21
P
Exemplo 19.4
Considere o polin omio
D(p) = p
5
+ 2p
4
+ 2p
3
+p
2
+ 2p + 5
A expans ao de Stieltjes fornece
Bonatti, Lopes & Peres
294 Captulo 19. Estabilidade
p
5
+ 2p
3
+ 2p
2p
4
+p
2
+ 5
=
1
2
p +
1
4
3
p +
1
10
9
p +
1

1
3
p +
1
p
indicando que o polin omio possui razes com parte real positiva. De fato, as razes s ao aproxima-
damente (usando Matlab)
1.50 , 0.93 j1.27 , 0.69 j0.93
P
O teste do sinal da parte real das razes pode tambem ser feito pelo c alculo de determinantes de
matrizes associadas aos coecientes do polin omio.
Propriedade 19.4
Polin omios Hurwitz
O polin omio de grau m,
m
> 0 dado por
D(p) =
m

k=0

k
p
k
possui todas as razes com parte real negativa se e somente se os determinantes det(
k
) (menores
principais lderes de
m
) forem maiores que zero para k = 1, . . . , m, com

1
=
_

m1

,
2
=
_

m1

m

m3

m2
_
,
3
=
_
_

m1

m
0

m3

m2

m1

m5

m4

m3
_
_

m
=
_

m1

m
0 0 0

m3

m2

m1

m
0

m5

m4

m3

m2
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

m(2m1)

m(2m2)

m(2m3)

m(2m4)

0
_

_
Por exemplo, para m = 4, tem-se

4
=
_

3

4
0 0

1

2

3

4
0
0

1

2
0 0 0
0
_

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

Bonatti, Lopes & Peres


19.1. BIBO Estabilidade 295
Exemplo 19.5
Para m = 1, p +
0
possui raiz negativa se e somente se det(
1
) =
0
> 0.
Para m = 2, o polin omio
p
2
+
1
p +
0
,
2
=
_

1
1
0
0
_
possui razes com parte real negativa se e somente se
det(
1
) =
1
> 0 , det(
2
) =
1

0
> 0
0
> 0
Para m = 3, o polin omio
p
3
+
2
p
2
+
1
p +
0
,
3
=
_
_

2
1 0

0

1

2
0 0
0
_
_
possui razes com parte real negativa se e somente se
det(
1
) =
2
> 0 , det(
2
) =
2

0
> 0 ,
0
> 0
Para m = 4, o polin omio
p
4
+
3
p
3
+
2
p
2
+
1
p +
0
,
4
=
_

3
1 0 0

1

2

3
1
0
0

1

2
0 0 0
0
_

_
possui razes com parte real negativa se e somente se
det(
1
) =
3
> 0 , det(
2
) =
3

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

3
1 0

1

2

3
0
0

1
_
_
=
3

2
1

2
3

0
P
Exemplo 19.6
Considere novamente o polin omio do Exemplo 19.3
D(p) = 24p
4
+ 24p
3
+ 18p
2
+ 6p + 1
A matriz
4
e dada por

4
=
_

_
24 24 0 0
6 18 24 24
0 1 6 18
0 0 0 1
_

_
e portanto

1
= 24 , det(
2
) = 288 , det(
3
) = 1152 , det(
4
) = 1152
indicam que o polin omio tem todas as razes com parte real negativa.
P
Bonatti, Lopes & Peres
296 Captulo 19. Estabilidade
Exemplo 19.7
Retomando o polin omio do Exemplo 19.4
D(p) = p
5
+ 2p
4
+ 2p
3
+p
2
+ 2p + 5
tem-se

5
=
_

_
2 1 0 0 0
1 2 2 1 0
5 2 1 2 2
0 0 5 2 1
0 0 0 0 5
_

1
= 2 , det(
2
) = 3 , det(
3
) = 5 , det(
4
) = 25 , det(
5
) = 125
indicando que o polin omio n ao e Hurwitz.
P
A tabela de Routh
3
sistematiza o teste de Hurwitz sem o c alculo explcito dos determinantes, repre-
sentando uma alternativa `a expans ao de Stieltjes.
Propriedade 19.5
Tabela de Routh
Considere o polin omio

5
p
5
+
4
p
4
+
3
p
3
+
2
p
2
+
1
p +
0
,
k
> 0 , k = 0, . . . , 5
Todas as razes possuem parte real negativa se e somente se todos os elementos da Tabela 19.1 forem
positivos ou, equivalentemente, se todos os elementos da primeira coluna forem positivos. A ocorrencia
de um zero ou de um n umero negativo implica que o polin omio nao e Hurwitz (ou seja, nao possui
todas as razes com parte real negativa).
O resultado (em termos do sinal da parte real das razes) nao se altera se uma linha da tabela for
multiplicada por um n umero positivo.
p
5

5

3

1
p
4

4

2

0
p
3

3
=
(
3

5
)

1
=
(
1

5
)

4
p
2

2
=
(
2

4
)

0
=
0
p
1

1
=
(
0

2
)

2
p
0

0
=
0
Tabela 19.1: Tabela de Routh-Hurwitz.

3
Edward John Routh, matematico canadense 1831-1907.
Bonatti, Lopes & Peres
19.1. BIBO Estabilidade 297
Note que a segunda e a terceira linhas da Tabela 19.1 denem o polin omio de grau 4

4
p
4
+
3
p
3
+
2
p
2
+
1
p +
0
cuja tabela de Routh-Hurwitz reproduz a Tabela 19.1 (suprimida a primeira linha). Essa recorrencia
permite o enunciado da seguinte propriedade.
Propriedade 19.6
Teste de Routh-Hurwitz (G. Meinsma)
O polin omio
D(p) =
m

k=0

k
p
k
,
k
> 0 , k = 0, . . . , m
e Hurwitz se e somente se o polin omio de grau m1
D(p)

m

m1
_

m1
p
m
+
m3
p
m2
+
m5
p
m4
+
_
for Hurwitz (note que os coecientes das potencias m1, m3, . . . , s ao
m1
,
m3
, . . . , do polin omio
D(p)).

Exemplo 19.8
O polin omio
p
5
+ 8p
4
+ 25p
3
+ 40p
2
+ 34p + 12
possui razes com parte real negativa, pois a tabela de Routh e dada por
p
5
1 25 34
p
4
8 40 12
p
3
20 65/2
p
2
27 12
p
1
1275/54
p
0
12
De fato, as razes de D(p) = 0 (obtidas pelo Matlab) s ao
1, 2, 3, 1 +j, 1 j
P
Exemplo 19.9
Considere novamente o polin omio do Exemplo 19.8, dado por
p
5
+ 8p
4
+ 25p
3
+ 40p
2
+ 34p + 12 D
5
(p) = p
5
+ 25p
3
+ 34p , D
4
(p) = 8p
4
+ 40p
2
+ 12
A expans ao fornece
D
5
(p)
D
4
(p)
=
p
5
+ 25p
3
+ 34p
8p
4
+ 40p
2
+ 12
=
1
8
p +
r
3
(p) = 20p
3
+ (65/2)p
D
4
(p)
Bonatti, Lopes & Peres
298 Captulo 19. Estabilidade
D
4
(p)
r
3
(p)
=
8p
4
+ 40p
2
+ 12
20p
3
+ (65/2)p
=
8
20
p +
r
2
(p) = 27p
2
+ 12
r
3
(p)
r
3
(p)
r
2
(p)
=
20p
3
+ (65/2)p
27p
2
+ 12
=
20
27
p +
r
1
(p) = (1275/54)p
r
2
(p)
r
2
(p)
r
1
(p)
=
27p
2
+ 12
(1275/54)p
=
1458
1275
p +
r
0
(p) = 12
r
1
(p)
r
1
(p)
r
0
(p)
=
(1275/54)p
12
=
1275
648
p
Colocando na forma nal da expans ao, tem-se
D
5
(p)
D
4
(p)
=
1
8
p +
1
2
5
p +
1
20
27
p +
1
1458
1275
p +
1
1275
648
p
e portanto o polin omio tem razes com parte real negativa.

E interessante notar que os valores de

k
, k = 1, . . . , 5 tem rela c ao com os valores da primeira coluna da tabela de Routh, isto e,
1
e o
elemento da linha 1 dividido pelo da linha 2,
2
e o da linha 2 pela linha 3, e assim sucessivamente.
Note tambem que os demais valores da tabela aparecem nos coecientes dos polin omios obtidos
como resto das divisoes.
P
A tabela de Routh pode tambem informar o n umero de razes com parte real positiva.
Propriedade 19.7
Se nao ocorrer nenhum zero na primeira coluna da tabela de Routh, o n umero de mudan cas de sinal
e igual ao n umero de razes do polin omio com parte real positiva.
A ocorrencia de um zero indica que o polin omio nao e Hurwitz e a tabela nao pode ser completada.
Nesses casos, duas tecnicas podem ser utilizadas (veja [1] para maiores detalhes):
i) trocar o zero por , completar a tabela e estudar o sinal dos coecientes quando 0
+
;
ii) estudar o polin omio p
m
D(1/p) (isto e, o polin omio denido pelos coecientes lidos na ordem
inversa), que possui o mesmo n umero de razes com parte real positiva que D(p), pois se
k
,
k = 1, . . . , m s ao as razes de D(p), tem-se
p
m
D(1/p) =
m

k=1
(1/p
k
)p =
m

k=1
(1
k
p)
cujas razes s ao 1/
k
. Note que se para razes complexas, por exemplo, = +j, tem-se
1

=
j

2
+
2
e portanto o sinal da parte real nao se altera.
Exemplo 19.10
Considere o polin omio
D(p) = p
5
+p
4
+ 2p
3
+ 2p
2
+ 3p + 15
A tabela de Routh e dada por
Bonatti, Lopes & Peres
19.2. Estabilidade do Estado 299
p
5
1 2 3
p
4
1 2 15
p
3
-12
p
2
(2 + 12)/ 15
p
1
12 15
2
/(2 + 12)
p
0
15
Quando 0
+
, os sinais da primeira coluna s ao +, +, +, +, e +, indicando a existencia de
duas razes com parte real positiva. De fato, as razes s ao (aproximadamente)
1.70 , 0.68 j1.71 , 1.03 j1.24
O mesmo resultado pode ser obtido pela an alise de p
m
D(1/p), dado por
15p
5
+ 3p
4
+ 2p
3
+ 2p
2
+p + 1
cuja tabela de Routh e
p
5
15 2 1
p
4
3 2 1
p
3
-8 -4
p
2
0.5 1
p
1
12
p
0
1
P

19.2 Estabilidade do Estado


A estabilidade do estado (ou estabilidade interna) e denida pelo comportamento das trajet orias do
vetor de estados para entrada constante (em geral nula) e condi c oes iniciais em torno do ponto de
equilbrio (estabilidade local).
Considere o sistema autonomo
v = f(v)
cujos pontos de equilbrio s ao dados por
f( v) = 0
Um ponto de equilbrio pode ser est avel (assintoticamente ou nao) ou inst avel.
Deni cao: estabilidade de um ponto de equilbrio
O ponto de equilbrio v e est avel se, para > 0, existir () > 0 tal que
v(0) v < () v(t) v < , t 0
Deni cao: estabilidade assint otica de um ponto de equilbrio
Bonatti, Lopes & Peres
300 Captulo 19. Estabilidade
O ponto de equilbrio v e assintoticamente est avel se for est avel e, alem disso, se existir > 0 tal que
v(0) v < lim
t+
v(t) = v
Propriedade 19.8
O sistema linear autonomo
v = Av
e globalmente assintoticamente est avel se e somente se a parte real de todos os autovalores de A for
negativa, pois a solu c ao do sistema linear e dada por
v(t) = exp(At)v(0)
que e composta pelos modos proprios associados `as razes de () = 0. As razes () = 0 s ao os
autovalores da matriz A.

Propriedade 19.9
Lyapunov
O ponto de equilbrio v = 0 e assintoticamente est avel se existir um domnio contendo a origem e
uma fun c ao escalar (v) diferenci avel tal que
(0) = 0 , (v) > 0 v {0} e

(v) =
d
dt
(v) < 0 v {0}

Observe que a Propriedade 19.9 depende da escolha da fun c ao (v) e e apenas suciente para a
estabilidade assintotica. Freq uentemente, busca-se para (v) uma forma quadr atica dada por
(v) = v

Pv
sendo P R
nn
uma matriz simetrica denida positiva, isto e, matriz com todos os autovalores reais
e positivos.
A derivada da fun c ao de Lyapunov e dada por

(v) = v

Pv +v

P v = f(v)

Pv +v

Pf(v)
e o teste de estabilidade consiste na an alise do sinal de

(v), isto e, o sistema e assintoticamente
est avel se

(v) < 0, v = 0.
Exemplo 19.11
O sistema escalar
v = v
3
e assintoticamente est avel em = R (portanto e globalmente assintoticamente est avel), pois para
(v) = v
2
,
(0) = 0 , (v) > 0 v = 0 e

(v) = 2v v = 2v
4
< 0 v = 0
De fato, para v(0) > 0, tem-se
Bonatti, Lopes & Peres
19.2. Estabilidade do Estado 301
dv
v
3
= dt
1
2
dv
2
= dt
e portanto
v(t) =
1
_
1 + 2tv(0)
2
v(0)
P
Exemplo 19.12
Considere o circuito mostrado na Figura 19.1 cujas equa c oes s ao
v
1
= C v
2
+
v
2
R
; x = L v
1
+v
2
R
+
+

C
L
x v
2
v
1
Figura 19.1: Circuito RLC.
Denindo y = v
2
e usando o operador derivada no tempo p =
d
dt
, tem-se
_
p
2
+
1
RC
p +
1
LC
_
y =
1
LC
x
Para condi c oes iniciais nulas, o sistema e linear e invariante no tempo. Os pontos de equilbrio
podem ser obtidos das equa c oes de estado impondo-se que as derivadas das vari aveis de estado s ao
nulas. Para a entrada x = 0 (sistema autonomo), tem-se como ponto de equilbrio v
1
= 0, v
2
= 0.
Observe que, para par ametros R, L e C positivos, a energia armazenada no circuito (magnetica e
eletrica) decresce assintoticamente.
=
1
2
Lv
2
1
+
1
2
Cv
2
2


= Lv
1
v
1
+Cv
2
v
2
A fun c ao energia (v
1
, v
2
) e uma fun c ao de Lyapunov do sistema, pois e positiva para (v
1
, v
2
) =
(0, 0). Alem disso, substituindo as derivadas, obtem-se

=
v
2
2
R
< 0 para v
2
= 0 e v
1
qualquer
indicando que o sistema e assintoticamente est avel (tende ao ponto de equilbrio v
1
= v
2
= 0).
Observe que a derivada da energia e a potencia dissipada no resistor.
P
Bonatti, Lopes & Peres
302 Captulo 19. Estabilidade
Exemplo 19.13
Considere um pendulo composto por uma haste rgida sem peso, de comprimento , oscilando em
um plano vertical, sujeito ao atrito de fric c ao no engate e sustentando na extremidade livre uma
massa m. Denotando por y o angulo com a vertical (em repouso, y = 0), tem-se a equa c ao
m y = mgsen(y) mb y
sendo g a acelera c ao da gravidade e b o coeciente de atrito. A for ca longitudinal na barra e dada
por mg cos(y).
Trata-se de um sistema n ao-linear est avel em rela c ao ao ponto de equilbrio (y = 0, y = 0), pois a
energia (potencial mais cinetica), dada por
(y, y) = mg( cos(y)) +
1
2
m( y)
2
possui derivada negativa para todo y e y = 0, dada por

= mb y
2
P
Propriedade 19.10
Desigualdade de Lyapunov
O sistema linear autonomo
v = Av
e assintoticamente est avel se e somente se existir P = P

> 0 tal que


A

P +PA < 0 (denida negativa)


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

Pv

(v) = v

Pv +v

P v = v

(A

P +PA)v
e, portanto,
(v) > 0 e

(v) < 0 , v = 0 P > 0 , A

P +PA < 0
Note que A

P +PA e uma matriz simetrica.

A determina c ao de uma matriz simetrica denida positiva P que satisfaz a desigualdade acima pode
ser feita pela solu c ao da equa c ao de Lyapunov
A

P +PA = Q
com Q = Q

> 0 arbitr aria, por exemplo, igual `a matriz identidade.


Para qualquer matriz Q = Q

> 0, a solu c ao da equa c ao de Lyapunov e unica e denida positiva se e


somente se todos os autovalores da matriz A tiverem parte real negativa.
A propriedade a seguir fornece procedimentos para determinar se uma matriz e denida positiva.
Bonatti, Lopes & Peres
19.2. Estabilidade do Estado 303
Propriedade 19.11
Matriz denida positiva
Uma matriz simetrica P R
nn
e denida positiva se e somente se qualquer uma das condi c oes for
vericada.
v

Pv > 0, v R
n
, v = 0;
Todos os autovalores s ao positivos;
Todos os menores principais lderes s ao positivos;
Existe R R
nn
nao singular tal que P = R

R.
Note que uma condi c ao necessaria para que uma matriz seja denida positiva e que todos os elementos
da diagonal sejam positivos.
Uma matriz simetrica Q R
nn
e denida negativa se Q for denida positiva.

Exemplo 19.14
Considere o sistema
v =
_
0 1
2 3
_
v
Pela solu c ao da equa c ao de Lyapunov
A

P +PA = I
tem-se
_
0 1
2 3
_

_
p
1
p
2
p
2
p
3
_
+
_
p
1
p
2
p
2
p
3
_ _
0 1
2 3
_
=
_
1 0
0 1
_
_
4p
2
p
1
3p
2
+ 2p
3
p
1
3p
2
+ 2p
3
2p
2
6p
3
_
=
_
1 0
0 1
_
P =
1
4
_
5 1
1 1
_
Os menores principais lderes de P s ao 1.25 e 0.25, e portanto a matriz P e denida positiva,
indicando que o sistema e assintoticamente est avel.
P
Exemplo 19.15
Considere o sistema
v =
_
3 0
0 3
_
v
A

P +PA = 6I P =
_
1 p
2
p
2
1
_
Os menores principais lderes s ao 1 e 1 p
2
, indicando que o sistema n ao e assintoticamente
est avel.
P
Bonatti, Lopes & Peres
304 Captulo 19. Estabilidade
Propriedade 19.12
O sistema linear autonomo
v = Av
e globalmente est avel se e somente se a parte real de todos os autovalores de A for negativa ou nula,
e os blocos de Jordan associados aos autovalores com parte real nula forem de ordem 1.

Exerccio 19.1
Determine se o polin omio D(p) possui ou n ao todas as razes com parte real negativa.
D(p) = p
4
+ 2p
3
+ 6p
2
+ 4p + 1
Solu c ao:
Como a tabela de Routh e dada por
p
4
1 6 1
p
3
2 4
p
2
4 1
p
1
3.5
p
0
1
e todos os elementos s ao positivos, o polin omio possui todas as razes com parte real negativa.
O mesmo resultado pode ser obtido da Expans ao de Stieltjes
D
4
(p)
D
3
(p)
=
p
4
+ 6p
2
+ 1
2p
3
+ 4p
=
1
2
s +
1
1
2
p +
1
8
7
p +
1
7
2
p

1
=
1
2
;
2
=
1
2
;
3
=
8
7
;
4
=
7
2
0
Exerccio 19.2
Um sistema linear e descrito pela equa c ao diferencial
v =
_
_
0 0 0
0 0 0
0 0 0
_
_
v +
_
_
1
1
1
_
_
x
y =
_
1 1 1

v
a) O sistema e est avel (no sentido de Lyapunov)?
b) O sistema e assintoticamente est avel?
c) O sistema e BIBO-est avel?
0
Bonatti, Lopes & Peres
Parte III
Apendices
305
Apendice A
Nota cao
Escalares e vetores (reais ou complexos) s ao representados por letras latinas ou gregas min usculas
a, b, c, . . . , x, y, z, . . . , , , , . . . ,
Letras mai usculas latinas, em geral, representam matrizes
A, B, C, . . . , X, Y, Z
Exce c oes: N designa o perodo fundamental de um sinal discreto e T designa o perodo funda-
mental de um sinal contnuo
A matriz identidade e denotada por I (as dimens oes s ao inferidas pelo contexto).
Letras caligracas mai usculas representam conjuntos denidos no texto
A, B, C, . . . , X, Y, Z
Letras com tra co duplo (geradas pelo comando \mathbb do L
A
T
E
X) representam vari aveis aleat orias
X, Y, W, . . . ,
Algumas letras com tra co duplo denotam conjuntos de uso comum
R n umeros reais
C n umeros complexos
Z n umeros inteiros
N n umeros naturais (inteiros positivos e o zero)
Z
+
n umeros inteiros positivos
R
n
vetores reais de dimens ao n
Outros conjuntos especiais:

N = {0, 1, 2, . . . , N 1} ou qualquer conjunto de N inteiros consecutivos


Fun c oes com domnio em conjuntos contnuos apresentam a vari avel independente entre parenteses
f(t), x(t), X(z), H(s), . . .
Fun c oes com domnio em conjuntos discretos apresentam a vari avel independente entre colchetes
f[n], x[k], . . .
306
307
Coecientes das proje c oes e das series de Fourier s ao denotados por letras min usculas com
subscritos
a
k
, b
k
, c
k
. . . , k Z
e podem, eventualmente, ser escritos como
a[k], b[k], c[k] . . . , k Z
Domnios das fun c oes s ao representados pela letra subscrita pela letra que designa a fun c ao

x
,
x
1
, . . .
Operadores s ao representados por letras caligracas (geradas pelo comando \mathcal do L
A
T
E
X),
com operandos entre chaves
E{X} esperan ca matem atica de X
G{x(t)} sistema com entrada x(t)
F{x(t)} transformada de Fourier de x(t)
L{x(t)} transformada de Laplace de x(t)
Z{x[n]} transformada Z de x[n]
Z{p[n]} transformada Zeta de p[n]
F
S
{x[n]}
N
serie de Fourier de x[n] (perodo N)
A combina c ao de n termos m a m e denotada por
_
n
m
_
=
n!
m!(n m)!
, 0 m n , m, n N
A fun c ao degrau e denotada por u(t) e a fun c ao impulso por (t) para sinais contnuos, ou
respectivamente u[n] e [n]
u(t > 0) = 1, u(t 0) = 0 ; (t) =
d
dt
u(t)
u[n 0] = 1, u[n < 0] = 0 ; [n] = u[n + 1] u[n]
A fun c ao gate, denotada por G
T
(t), T > 0, e denida por
G
T
(t) = u(t +T/2) u(t T/2)
A fun c ao sinal e denida como
sinal(v) =
_
1 , v > 0
1 , v < 0
e pode ser denotada em termos da fun c ao degrau, isto e,
sinal(t) = u(t) u(t) = 2u(t) 1
A fun c ao Tri
T
(t), T > 0, e denida por
Tri
T
(t) = (2t/T + 1)G
T/2
(t +T/4) + (1 2t/T)G
T/2
(t T/4)
Bonatti, Lopes & Peres
308 Captulo A. Nota c ao
Probabilidades de vari aveis aleat orias discretas s ao denotadas por Pr{ } como, por exemplo,
Pr{X = 1} = p
a probabilidade da vari avel aleat oria X valer 1 e igual a p, 0 p 1.
Densidades de probabilidade de vari aveis aleat orias contnuas s ao denotadas como fun c oes com
subscrito indicando a vari avel aleat oria. Por exemplo, p
T
(t) e a densidade de probabilidade da
vari avel T computada no valor amostral t
Complexo conjugado
z = a +jb , a, b R , j =

1 z

= a jb
|z| =
_
a
2
+b
2
(m odulo) , z = arctan(b/a) [/2, /2] (fase)
As partes real e imagin aria de um n umero complexo s ao denotadas por
Re(z) =
z +z

2
, Im(z) =
z z

2j
O smbolo < > representa a soma no caso discreto e a integral no caso contnuo, cujos intervalos
s ao denidos no contexto.
O produto escalar dos vetores v C
n
e w C
n
e denotado por
< vw

>=
n

i=1
v
i
w

i
, < vw

> C
O produto escalar dos sinais v(t) C
n
e w(t) C
n
e denotado por
< vw

>=
_

v()w()

, < vw

> C
Sinais ou vetores ortogonais (o smbolo denota ortogonalidade) s ao denidos em termos do
produto escalar
v w < vw

>= 0
A norma quadr atica de um vetor v C
n
e representada por v, e dada por
v =

_
n

i=1
|v
i
|
2
sendo |v
i
| o m odulo da i-esima componente do vetor.
Observe que v
2
=< vv

>.
O determinante de uma matriz quadrada A C e denotado por det(A)
O operador denota convolu c ao entre dois sinais
x[n] = x
1
[n] x
2
[n] =
+

k=
x
1
[k]x
2
[n k] , x(t) = x
1
(t) x
2
(t) =
_
+

x
1
()x
2
(t )d
Bonatti, Lopes & Peres
309
O operador denota convolu c ao peri odica entre dois sinais peri odicos
x[n] = x
1
[n] x
2
[n] =

k

N
x
1
[k]x
2
[n k]
O trem peri odico de impulsos, de perodo N, e denotado por

N
[n] =
+

=
[n N]
O smbolo
_
T
indica que o intervalo de integra c ao e T e, no caso de sinais peri odicos de perodo fundamental
T, que o valor inicial da integra c ao e arbitr ario.
Fun c ao integral de uma fun c ao
I
x
(t) =
_
t

x()d
Fun c ao sampling
Sa() =
sen()

Note que
lim
0
Sa() = 1
A expressao
d
m
dx
m
f(x) , m N
denota a derivada de ordem m para m Z
+
e denota f(x) para m = 0.
O operador
_
z
d
dz
_
m
F(z)
consiste na aplica c ao, repetida m vezes, da opera c ao combinada de derivar F(z) em rela c ao a z
e multiplicar o resultado por z. Por exemplo, para m = 2,
_
z
d
dz
_
2
F(z) = z
d
dz
_
z
d
dz
F(z)
_
A derivada de ordem m em rela c ao ao tempo e denotada
x
(m)
(t) =
d
m
dt
m
x(t) = p
m
x(t) , m N
sendo p o operador derivada. Note que x
(0)
(t) = p
0
x(t) = x(t).
Bonatti, Lopes & Peres
310 Captulo A. Nota c ao
Deslocamento (avan co) de ordem k, k N em rela c ao ao tempo
p
k
x[n] = x[n +k]
sendo p o operador deslocamento.
Equa c ao caracterstica da matriz A
() = det(I A) = 0
sendo () o polin omio caracterstico de A.
Fun c ao de Lyapunov e uma fun c ao escalar associada ao estado v R
n
de um sistema, denotada
no Captulo 19 por
(v)
A matriz fundamental de um sistema linear variante no tempo v = A(t)v e dada por
(t) =
_

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



(t) = A(t)(t)
sendo
k
(t), k = 1, . . . , n fun c oes vetoriais linearmente independentes.
Bonatti, Lopes & Peres
Apendice B
Fundamentos
Expansao em Fra c oes Parciais
Seja a fun c ao racional em s descrita por
N(s)
D(s)
Caso 1: Grau de N(s) < Grau de D(s)
a) D(s) nao tem razes m ultiplas.
s + 1
s
3
+s
2
6s
=
s + 1
s(s 2)(s + 3)
=
a
s
+
b
s 2
+
c
s + 3
a = s
N(s)
D(s)

s = 0
=
1
6
; b = (s 2)
N(s)
D(s)

s = 2
=
3
10
; c = (s + 3)
N(s)
D(s)

s = 3
=
2
15
Alternativamente, e possvel usar identidade polinomial para o c alculo das constantes a determinar.
b) D(s) com razes m ultiplas.
s + 1
s(s 2)
3
=
a
s
+
b
(s 2)
+
c
(s 2)
2
+
d
(s 2)
3
a = s
N(s)
D(s)

s = 0
=
1
8
; d = (s 2)
3
N(s)
D(s)

s = 2
=
3
2
c =
d
ds
_
(s 2)
3
N(s)
D(s)
_

s = 2
=
d
ds
_
s + 1
s
_

s = 2
=
1
s
2

s = 2
=
1
4
pois
d
ds
_
a(s 2)
3
s
+b(s 2)
2
+c(s 2) +d
_

s = 2
= c
2b =
d
2
ds
2
_
(s 2)
3
N(s)
D(s)
_

s = 2
=
2
s
3

s = 2
=
1
4
pois
d
2
ds
2
_
a(s 2)
3
s
+b(s 2)
2
+c(s 2) +d
_

s = 2
= 2b
311
312 Captulo B. Fundamentos
Caso 2: Grau de N(s) Grau D(s)
Reduz-se ao caso anterior por meio da divis ao de polin omios.
(s + 2)
3
(s + 1)
=
s
3
+ 6s
2
+ 12s + 8
s + 1
s
3
+ 6s
2
+ 12s + 8 / s + 1
s
3
+ s
2
s
2
+ 5s + 7
5s
2
+ 12s + 8
5s
2
+ 5s
7s + 8
7s + 7
+ 1
(s + 2)
3
s + 1
= s
2
+ 5s + 7 +
1
s + 1
N umeros Complexos
Deni cao: Complexo Conjugado
z = a +jb , a, b R , j =

1 z

= a jb
Propriedade B.1
Para z C, z = a +jb
z +z

= 2a R , zz

= a
2
+b
2
= |z|
2
R

Propriedade B.2
z = z

z R ; z

= z Real(z) = 0

Propriedade B.3
Euler
1
exp(j) = cos() +jsen() , R , j =

1
cos() =
1
2
exp(j) +
1
2
exp(j) . sen() =
1
2j
exp(j)
1
2
exp(j)

1
Leonhard Euler, matematico suico (17071783).
Bonatti, Lopes & Peres
313
Deni cao: Crculo Trigonometrico Unitario
O lugar geometrico no plano dos complexos da fun c ao
exp(j) , (, ]
e denominado crculo trigonometrico unit ario.
Propriedade B.4
de Moivre
2
_
exp(j)
_

= exp(j)
_
cos() +jsen()
_

= cos() +jsen() , , R

Cholesky
A transforma c ao de Cholesky aplicada `a matriz R (simetrica denida positiva) produz L triangular
inferior que satisfaz R = LL

, com
i,i
> 0 ; i = 1, . . . , n
A equa c ao LL

= R resulta em
n

k=1

i,k

j,k
= r
i,j
; i, j = 1, 2, . . . , n
Como
j,k
= 0 para k > j (L e triangular inferior), tem-se:
j

k=1

i,k

j,k
= r
i,j
Para j = 1 tem-se
1,1

i,1
= r
i,1
=
i,1
=
r
i,1

r
1,1
e para i j 2 tem-se
j,j

i,j
= r
i,j

j1

k=1

i,k

j,k
Algoritmo: [L] = Cholesky(R)
n=size(R,1)
L=zeros(size(R));
for j = 1 : n
a(j : n, 1) = R(j : n, j)
for k = 1 : j 1
a(j : n, 1) = a(j : n, 1) L(j, k) L(j : n, k)
end
L(j : n, j) = a(j : n, 1)/
_
a(j, 1)
end
A inversa Q de uma matriz triangular inferior L e uma matriz triangular inferior.
O c alculo de Q se faz de maneira recorrente: q
i,i
=
1
i,i
e para j < i ;
i

k=1

i,k
q
k,j
= 0
2
Abraham de Moivre, matematico frances (16671754).
Bonatti, Lopes & Peres
314 Captulo B. Fundamentos
Exemplo B.1
Considere a matriz de correla c ao R dada por:
R =
_
4 5
5 7
_
= LL

L =
_
2 0
2.5 0.866
_
Q = L
1
=
_
0.500 0
1.443 1.155
_
P
Exemplo B.2
Considere a matriz de correla c ao R dada por:
R =
_
_
9 3 3
3 5 3
3 3 3
_
_
= LL

L =
_
_
3 0 0
1 2 0
1 1 1
_
_
Q = L
1
=
_
_
1/3 0 0
1/6 1/2 0
1/6 1/6 1
_
_
P
Bonatti, Lopes & Peres
Apendice C
Propriedades de Matrizes
Deni cao: Opera c oes com Matrizes
Considere A R
mn
, B R
mn
e C R
n
, com elementos a
ij
, b
ij
e c
ij
denotadas
A = [a
ij
] , B = [b
ij
] , C = [c
ij
]
A = [a
ij
] , A+B = [a
ij
+b
ij
] , A

= [a
ji
] R
nm
AC = [
n

k=1
a
ik
c
kj
] R
n
Propriedade C.1
Transposta do produto
Considere A R
mn
e B R
n
. Entao,
(AB)

= B

Deni cao: Conjunto Imagem ou Range da matriz A

E o conjunto de vetores y tais que Ax = y para todo x, denotado R(A)


R(A) =
_
y R
m
: y = Ax, x R
n
_
Deni cao: Posto ou Rank da matriz A

E o n umero de vetores linearmente independentes no R(A), denotado rank(A).


Propriedade C.2
Dada uma matriz A R
mn
, tem-se:
rank(A) e o n umero de colunas linearmente independentes de A.
rank(A) e o n umero de linhas linearmente independentes de A.
rank(A) min{m, n}.
315
316 Captulo C. Propriedades de Matrizes

Deni cao: matriz de rank completo


Uma matriz A e de rank completo quando rank(A) e igual `a menor das dimens oes de A.
Deni cao: Espa co nulo da matriz A

E o conjunto de vetores x tais que Ax = 0, denotado N(A)


N(A) =
_
x R
n
: Ax = 0
_
A dimens ao de N(A) (n umero de vetores linearmente independentes que satisfaz Ax = 0) e chamada
de nulidade de A.
Propriedade C.3
Dada uma matriz A R
mn
, a nulidade de A e dada por nrank(A) e, portanto, a nulidade e maior
ou igual a zero.

Propriedade C.4
O rank de uma matriz A R
mn
nao e alterado pela pre-multiplica c ao ou pos-multiplica c ao por
matriz nao singular, isto e,
rank(A) = rank(AQ) = rank(TA) , Q, T nao singulares

Deni cao: Sistema Linear de Equa c oes


O sistema
Ax = b
com x R
n
e b R
m
pode possuir uma unica, nenhuma ou innitas solu c oes.
Propriedade C.5
Sistema Consistente
Um sistema linear Ax = b possui solu c ao se e somente se b R(A), isto e,
rank(
_
A b

) = rank(A)
sendo
_
A b

a matriz de dimens ao R
m(n+1)
composta pela matriz A e pelo vetor coluna b.

Propriedade C.6
Considere um sistema linear consistente Ax = b, com A R
mn
se n = rank(A) (o espa co nulo e um conjunto vazio), o sistema possui uma unica solu c ao.
Bonatti, Lopes & Peres
317
se n > rank(A), o sistema possui innitas solu c oes.

Propriedade C.7
Um sistema linear consistente Ax = b com uma unica solu c ao pode ser resolvido pelo metodo de
elimina c ao de Gauss.
1

Matrizes Quadradas
Considere matrizes quadradas A R
nn
, B R
nn
Deni cao: autovalores e autovetores
O escalar C e um autovalor (ou valor proprio) da matriz quadrada A R
nn
se existir v = 0 tal
que
Av = v
Qualquer vetor v R
n
que satisfaz a equa c ao Av = v e chamado de autovetor (ou autovetor `a
direita) associado ao autovalor .
Qualquer vetor v R
n
que satisfaz a equa c ao v

A = v

e chamado de autovetor `a esquerda associado


ao autovalor .
Observe que os autovetores denem uma dire c ao no espa co (e nao um comprimento nem um sentido).
Propriedade C.8
Autovetores `a esquerda e `a direita
Para quaisquer dois autovalores distintos da matriz A, o autovetor `a esquerda associado a um dos
autovalores e ortogonal ao autovetor `a direita associado ao outro autovalor, isto e,
Av
d
=
1
v
d
; v

e
A =
2
v

e
;
1
=
2
v

e
v
d
= 0

Propriedade C.9
Expansao de Laplace para determinantes
Determinante no caso escalar n = 1
det([a
11
]) = a
11
Determinante no caso n > 1:
det(A) =
n

i=1
a
ij
Co
ij
(A) , j {1, 2, . . . , n}
sendo Co
ij
(A) o cofator de A associado `a posi c ao (i, j) dado por
1
Johann Carl Friedrich Gauss (17771855), matematico alemao.
Bonatti, Lopes & Peres
318 Captulo C. Propriedades de Matrizes
Co
ij
(A) = (1)
i+j
det(A
ij
)
e A
ij
e a matriz (n 1) (n 1) obtida da matriz A quando suprime-se a linha i e a coluna
j. A aplica c ao da propriedade de forma recorrente (expans ao de Laplace
2
) permite o c alculo do
determinante de qualquer matriz quadrada.
A matriz quadrada de dimens ao n formada pelos cofatores Co
ij
(A) e chamada matriz cofatora de A,
denotada Co(A). A transposta da matriz cofatora e a matriz adjunta de A, denotada Adj(A).
Adj(A) = Co(A)

O determinante de A pode tambem ser calculado como


det(A) =
n

j=1
a
ij
Co
ij
(A) , i {1, 2, . . . , n}

Propriedade C.10
Dada uma matriz quadrada A R
nn
, menor e o determinante de qualquer submatriz quadrada
extrada de A.
Um menor principal e o determinante de qualquer submatriz cuja diagonal est a contida na diagonal
da matriz A.
Um menor principal lder e o determinante da submatriz obtida pela remo c ao das k ultimas linhas e
k ultimas colunas de A, k {0, 1, . . . n 1}.

Propriedade C.11
det(aA) = a
n
det(A)

Deni cao
Se det(A) = 0, a matriz A e nao-singular e A
1
(inversa de A) e dada por
A
1
=
Adj(A)
det(A)
AA
1
= A
1
A = I
Propriedade C.12
Inversa de matriz 2 por 2
Para uma matriz nao singular A R
22
, tem-se
_
a b
c d
_
1
=
1
ad bc
_
d b
c a
_

2
Pierre-Simon Laplace, matematico frances (1749-1827).
Bonatti, Lopes & Peres
319
Propriedade C.13
Inversa do produto
Para A e B nao singulares,
(AB)
1
= B
1
A
1

Propriedade C.14
Determinante do produto
O determinante do produto de matrizes quadradas e o produto dos determinantes de cada uma das
matrizes
det(AB) = det(A) det(B)

Propriedade C.15
Determinante da inversa
O determinante da inversa da matriz A e o inverso do determinante de A
det(A
1
) =
1
det(A)

Propriedade C.16
Determinante de transforma cao de similaridade
Para qualquer matriz T nao-singular tem-se
det(B = T
1
AT) = det(A)
A transforma c ao B = T
1
AT e chamada de transforma c ao de similaridade, e diz-se que a matriz B e
similar `a matriz A.

Deni cao: Equa cao Caracterstica


A matriz A possui n autovalores, solu c oes da equa c ao
() = det(I A) = 0
denominada equa c ao caracterstica associada `a matriz A, pois
v Av = 0 (I A)v = 0
Para que exista solu c ao v nao nula o determinante de (I A) deve ser nulo.
O polin omio det(I A) e m onico (coeciente associado ao de maior ordem igual a 1) de grau n, e
e denominado polin omio caracterstico da matriz A.
Bonatti, Lopes & Peres
320 Captulo C. Propriedades de Matrizes
Propriedade C.17
Transforma c oes de similaridade nao alteram os autovalores de uma matriz pois
det(I T
1
AT) = det(T
1
) det(I A) det(T) = det(I A)

Propriedade C.18
Uma matriz com n autovalores distintos possui n autovetores linearmente independentes.

Propriedade C.19
Matrizes diagonalizaveis
Uma matriz com n autovetores linearmente independentes v
1
, . . . , v
n
e diagonalizavel pela trans-
forma c ao
T =
_
v
1
v
2
v
n

pois
A
_
v
1
v
2
v
n

=
_
v
1
v
2
v
n

diag{[
1
,
2
, . . . ,
n
]}
diag{[
1
,
2
, . . . ,
n
]} = T
1
AT
Se, alem disso, os autovetores forem ortonormais,
T

T = I T
1
= T

Propriedade C.20
Forma can onica de Jordan
3
Existe T nao-singular tal que
T
1
AT = diag{[J
k
1
(
1
), J
k
2
(
2
), . . . , J
k
r
(
r
)]}
sendo os blocos de Jordan dados por
J
k
() =
_

_
1 0 0
0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0
.
.
.
1
0 0 0
_

_
com k
1
+k
2
+ +k
r
= n e
i
, i = 1, . . . , r s ao os autovalores de A (n ao necessariamente distintos).
3
Marie Ennemond Camille Jordan, matematico frances (18381922).
Bonatti, Lopes & Peres
321
A multiplicidade geometrica de um autovalor e igual ao n umero de autovetores linearmente indepen-
dentes associados ao autovalor, ou seja, e a dimens ao do espa co nulo de (IA)v = 0. A multiplicidade
geometrica e sempre menor ou igual `a multiplicidade (algebrica) do autovalor.
A multiplicidade geometrica de um autovalor dene o n umero de blocos de Jordan J
k
() associados
a
Se, para todo autovalor de A as multiplicidades geometrica e aritmetica forem iguais, a forma de
Jordan e diagonal e a matriz T e formada pelos autovetores v
k
, k = 1, . . . , n.
T =
_
v
1
v
2
v
n

Se os n autovalores da matriz A s ao distintos, os n autovetores associados s ao linearmente indepen-


dentes e a forma de Jordan e diagonal.

Propriedade C.21
Matriz companheira
As razes do polin omio de grau m
D() =
m

k=0

k
s ao tambem autovalores da matriz companheira
_

_
0 1 0 0
0 0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1

0

1

2

m1
_

_
cuja equa c ao caracterstica e () = D() = 0.

Propriedade C.22
O determinante de uma matriz A R
nn
e o produto dos n autovalores de A
det(A) =
n

k=1

k
,
k
autovalores de A

Propriedade C.23
O determinante de uma matriz quadrada A e igual ao determinante da matriz transposta de A (de-
notada A

)
det(A) = det(A

Bonatti, Lopes & Peres


322 Captulo C. Propriedades de Matrizes
Propriedade C.24
Os autovalores de A s ao iguais aos autovalores de A

Propriedade C.25
Os autovalores de uma matriz triangular (superior ou inferior) s ao os elementos da diagonal principal
e, portanto, o determinante de uma matriz triangular e dado pelo produto dos elementos da diagonal
principal.
Observe que uma matriz diagonal e um caso particular de matriz triangular.

Deni cao: fun cao de matriz diagonal


Considere a fun c ao escalar f() : D C C e C
nn
uma matriz diagonal. Entao
f() = f(diag{[
1
, . . . ,
n
]}) = diag{[f(
1
), . . . , f(
n
)]}
A propriedade seguinte expande o c alculo de fun c ao de matrizes para matrizes diagonalizaveis.
Propriedade C.26
f(A) = f(T
1
T) = T
1
f()T
Esse resultado pode ser estendido para matrizes bloco-diagonais.
Para matrizes descritas por blocos de Jordan, a fun c ao para cada bloco pode ser computada de
maneira analtica, resultando em uma matriz bloco-triangular cujos elementos dependem da fun c ao e
das derivadas da fun c ao (veja Golub & Van Loan
4
)

Propriedade C.27
Teorema de Cayley-Hamilton
5
Toda matriz A satisfaz sua equa c ao caracterstica, isto e,
det(I A) = () = 0 (A) = 0

Propriedade C.28
Matrizes denidas positivas
Uma matriz simetrica A R
nn
e denida positiva se e somente se qualquer uma das condi c oes for
vericada.
v

Av > 0, v R
n
, v = 0;
Todos os autovalores s ao positivos;
4
Matrix Computations, G. H. Golub & C. F. Van Loan, Third Edition, The John Hopkins University Press, 1996.
5
Arthur Cayley, ingles (18211895) e Sir William Rowan Hamilton, irlandes (18051865).
Bonatti, Lopes & Peres
323
Todos os menores principais lderes s ao positivos;
Existe B R
nn
nao singular tal que A = B

B.

Bonatti, Lopes & Peres


Referencias Bibliogracas
[1] J. J. DAzzo and C. H. Houpis. Feedback Control System Analysis and Synthesis. McGraw-Hill,
Tokyo, Japan, 2nd edition, 1966.
[2] R. Seydel. Practical Bifurcations and Stability Analysis. Springer Verlag, New York, NY, 2nd
edition, 1994.
324

Indice Remissivo
degrau unitario, 84
Desigualdade de Lyapunov, 302
estabilidade assint otica de um ponto de equilbrio,
299
estabilidade de um ponto de equilbrio, 299
Expansao de Stieltjes, 292
Graciliano Ramos, 2
Lyapunov, 300
Matriz denida positiva, 303
polin omio Hurwitz, 291
Polin omios Hurwitz, 294
serie de Fourier, 126
Sistema BIBO Estavel, 291
Tabela de Routh, 296
Teorema de Parseval, 129
Teste de Routh-Hurwitz (G. Meinsma), 297
Transformada de Fourier, 127
325

Das könnte Ihnen auch gefallen