Análise de sistemas não-lineares

Profa. Vilma A. Oliveira José Ricardo Rosolen

Março 2011

1 Introdução
A abordagem de controle de sistemas não-lineares via aproximações lineares em torno de
pontos de equilíbrio pode não ser eficiente para sistemas com dinâmica de alta velocidade
e/ou de grande alcance. Existem duas categorias de controle: problema de estabilização
(regulação) e o problema de seguimento de trajetória (tracking). Como exemplos do
primeiro caso pode-se citar o controle de posição de robôs manipuladores, controle de
atitude de aviões, e para o segundo caso o controle de avião para seguir um certo caminho
específico, controle de manipulador robótico para desenhar linhas ou círculos. Nestas notas
apresentam-se exemplos do uso de controle não linear para motivação, técnicas de análise
de estabilidade de sistemas não lineares e finalmente, conceitos de mapas de Poincaré e
bifurcações.
Os livros utilizados na elaboração destas notas no tema análise de estabilidade foram
[1, 2] e no tema mapas de poincaré e bifurcações [3, 4].

1.1 Alguns exemplos

Seja
.
x = θx3 + u
y = x

com θ = 1. Obter uma lei e controle para levar a saída para zero. Inicialmente obtém-se
uma lei de controle do tipo u = −kx, considerando o sistema linearização em x = 0
.
x = u
y = x

O sistema a malha fechada é dado por

.
x = θx3 − kx = x(x2 − k/θ)
y = x

1
 p
que apresenta os seguintes
P pontos de equilíbrio x = 0 e x = ± k/θ. O ponto x = 0
é estável e x = ± k/θ é instável. Portanto, não importa o valor de k, não se obtém
estabilidade global asimptótica. Suponha agora a lei de controle não linear
u = −θx3 − kx
para k > 0. Com esta lei de controle obtém-se estabilidade global asimptótica.
Seja a equação de fluxo de um sistema de controle de nível de um tanque
. 1
h = (Qi − Qo )
AT
y = h
√
onde Qo = h é a vazão de saída, Qi é a vazão de entrada e AT é a área da seção do
tanque. A lei de controle u = AT kp e + Qo com e = hd − h fornece a equação do erro
.
e + kp e = 0 que estabiliza o sistema para algum k > 0. A lei de controle fornece a equação
do erro que estabiliza o sistema para algum k > 0.

2 Análise de sistemas não-lineares

Os métodos mais conhecidos de análise de sistemas não-lineares são o Plano de Fase
que é um método gráfico de análise de sistemas não-lineares de 2a. ordem a partir da
solução do sistema não-linear do sistema em torno dos pontos de equilíbrio e a Teoria de
Lyapunov. Na teoria de Lyapunov existem o método direto (generalização do conceito de
energia associada a sistemas mecânicos) e método indireto (método de linearização). No
método direto a idéia é construir funções escalares do tipo energia (função de Lyapunov)
para o sistema e analisar se a energia decresce.
Tratam-se nestas aulas da análise de sistemas dinâmicos utilizando [1, 2], incluindo de-
finições de estabilidade e bifurcacão para sistemas contínuos e, e da construção de mapas de
Poincaré utilizando [3, 4]. Os conceitos básicos de estabilidade de sistemas dinâmicos, in-
cluindo linearização de sistemas e classificação de pontos fixos, tanto de sistemas contínuos
no tempo quanto de mapas [4], [3] são revistos. Apresenta-se o método direto de Lypunov
que é também conhecido como 2o. método de Lyapunov. Finalmente, estabelece-se uma
relação entre os pontos fixos dos mapas de Poincaré e as órbitas periódicas dos sistemas
contínuos correspondentes. Um estudo aprofundado do oscilador de Duffing para ajudar
no entendimento dos mapas de Poincaré é incluído, destacando-se como a topologia do
sistema se altera conforme alteram-se os valores de parâmetros do sistema. Finalmente,

3 Linearização e Estabilidade Local

3.1 Sistemas contínuos no tempo
Considere um sistema da forma
ẋ = F (x; u) (1)
em que u é o vetor das variáveis de controle.

2
Definição 1 Um estado x0 é um estado de equilíbrio ou ponto de equilíbrio do sistema ou
ponto fixo se uma vez igual x(t) igual a x0 , x(t) permanece em x0 para todo tempo futuro.

Definição 2 Diz-se que x0 é um ponto fixo para u = u0 , se F (x0 , u0 ) = 0

Definição 3 O estado de equilíbrio x = 0 é estável se para R > 0 existe r > 0 tal que
kx(0)k < r, então kx(t)k < R para todo t ≥ 0. Senão o equilíbrio é instável.

Sejam Br : região esférica definida por kxk < r e SR : região esférica definida por
kxk = R. Tem-se ∀R > 0, ∃r > 0, kx(0)k < r implica ∀t ≥ 0, kx(t)k < R ou
∀R > 0, ∃r > 0, x(0) ∈ Br < r implica ∀t ≥ 0, x(t) ∈ BR .

Definição 4 Um ponto de equilíbrio x = 0 é assintoticamente se for estável e se em

adição existe algum r > 0 tal que kx(0)k < r implica x(t) → 0 quando t→ ∞.

3.1.1 Plano de fase

ẋ1 = F1 (x1 , x2 )
ẋ2 = F2 (x1 , x2 )

com x = [x, x2 ]T a solução do sistema acima para x0 = [x10 , x20 ]T ,i.e. x0 = x(0). O lugar
no plano x1 − x2 da solução x(t) para t ≥ 0 é uma curva que passa pelo ponto x0 . Esta
curva é chamada de trajetória ou órbita do sistema a partir de x0 . O plano x1 − x2 é
chamado plano de fase.

Exemplo 1 Considere o modelo espaço de estado de um circuito diodo túnel

1
ẋ1 = [−h(x1 ) + x2 ]
C
1
ẋ2 = [−x1 − Rx2 + u]
L
Adotando u = 1.2V, R = 1.5kΩ, C = 2pF, L = 5µH, t em nanosegundos e a corrente x2 e
h(x1 ) em mA tem-se
.
x1 = 0.5[−h(x1 ) + x2 ]
.
x2 = 0.2[−x1 − 1.5x2 + 1.2]

Suponha
h(x1 ) = 17.76x1 − 103.79x21 + 229.62x31 − 226.31x41 + 83.72x51
Os pontos de equilíbrio correspondem a h(x1 ) = Ru − R1 x1 e são dados por Q1 = (0.063, 0.758), Q2 =
(0.285, 0.61) e Q3 = (0.884, 0.21). A Figura 1 ilustra o comportamento do sistema na vi-
zinhança dos pontos de equilíbrio.

3
 1.4

1.2

0.8

0.6

0.4

0.2

-0.2

-0.4 -0.2 0 0.2 0.4 0.6 0.8 1 1.2 1.4

Figura 1: Plano de fase: pontos de equilíbrio Q1 = (0.063, 0.758), Q2 = (0.285, 0.61) e

Q3 = (0.884, 0.21)

Programa Matlab

% Plano de fase circuito diodo tunel

%Programa principal

clear all

close all

os autovetores $v$ associados aos autovalores do ponto de sela

$p+\alpha v$ com $p$ o ponto de equilíbrio [-3 0] podem ajudar a
construir o plano de fase próximo à sela.

t=[0:0.001:10];

%condi\c{c}\~{a}o inicial}
xi=[-0.4 1.6;-0.37 1.25;-0.4 1;-0.4 0.2;0.7 -0.35;0.8 -0.4;1.6 -0.3;1.6 0.8;
0.75 -0.3;0.4 0.2;0.28 0.6;0.286 0.64;0.284 0.60];

for i=1,12

% chama equação espa\c{c}o de estado

[tempo,x]=ode45(’diodo’,t,xi(i,:));

figure(1)

4
 plot(x(:,1),x(:,2));

hold on
end;
% chamar a função e plotar novamente a solu\c{c}\~{a}o para as
condi\c{c}ao iniciais

grid

% Fun\c{c}\~{a}o (equa\c{c}\~{a}o diferencial do circuito)

function [xdot]=diodo(t,x);

xdot=[.5*(-(17.76*x(1)-103.79*x(1)^2+229.62*x(1)^3-226.31*x(1)^4+
83.72*x(1)^5)+x(2)); .2*(-x(1)-1.5*x(2)+1.2)];

Exemplo 2 Considere as equações de um pêndulo simples:

ẋ1 = x2
ẋ2 = (−10/0.5) ∗ sin(x(1) − (0.5/1) ∗ x(2)

Plotar o plano de fase pêndulo simples usando campo de vetores.

Programa Matlab
Plano de fase

n = 100
% Escala das setas
escala = .5
% Definir Numero de Pontos em Cada Eixo
npont=20;

% área onde será plotado os vetores

xp = [-5 5;-10 10]; %para pendulo
%xp = [-2 2;-4 4];
x1min = xp(1,1);
x1max = xp(1,2);
x2min = xp(2,1);
x2max = xp(2,2);

deltx1=(x1max-x1min)/npont;
deltx2=(x2max-x2min)/npont;

5
compr=sqrt(deltx1^2+deltx2^2)/2;

%seleciona o quadro gráfico

figure (1)
% Fixar Janela de Grafico
hold off;
i=0;
j=0;
% Desenhar o Campo de Vetores
for x1=x1min:deltx1:x1max %varia de x1min a x1max com passo deltx1
i=i+1;
for x2=x2min:deltx2:x2max %varia de x2min a x2max com passo deltx2
x = [x1 x2]; t=0;
xponto = sistema(t,x); %calcula a xdot para t = 0 e x = [x1 x2]
m = xponto(2)/(xponto(1)+1e-8);
dx1 =compr/sqrt(1+m^2);
j=j+1;
dx2 = m*dx1;

if x2 < 0
dx2 = -dx2;
dx1 = -dx1;
end

dx(j,i) = dx1*.5;
dy(j,i) = dx2*.5;

hold on;
end
j=0;
end

% Mapa vetorial
[x,y] = meshgrid(x1min:deltx1:x1max,x2min:deltx2:x2max);
quiver(x,y,dx*.5,dy*.5,escala);

axis([x1min x1max x2min+deltx2 x2max+deltx2]);

% Tempo
t=linspace(0,10,n);

R = 1;
Naux = 10;
Maux = 10;

6
N = round(Naux);
M = round(Maux);

for I = 1:N+1,
for J = 1:M+1,
A(R,1) = x1min+((x1max-x1min)/N)*(I-1);
A(R,2) = x2min+((x2max-x2min)/M)*(J-1);
R=R+1;
end
end

xi = A;

% Obtem para a matriz de condiçoes iniciais xi as trajetórias de um pendulo

% simples

hold on;
for i = 1:(N*M),
[tempo,x] = ode45(’sistema’,t,xi(i,:));
plot(x(:,1),x(:,2));
end

3.1.2 Linearização na vizinhança de um ponto fixo (método indireto)

Pode-se estudar a estabilidade de (1) na vizinhança de um ponto fixo (também chamado
de ponto de equilíbrio) de um sistema não linear qualquer, fazendo uma linearização neste
ponto via o chamado método indireto ou primeiro método de Lyapunov). Suponha que
xe , ue seja um ponto fixo de (1). Para uma pequena perturbação y e v tem-se
x = xe + ζ, u = ue + v. (2)
Substituindo agora (2) em (1) obtém-se
ζ̇ = F (xe + ζ, ue + v) (3)
Assim, transforma-se o ponto fixo (xe , ue ) de (1) no ponto fixo (ζe , ve ) de (3). Supondo
F na classe C 2 , no mínimo, pode-se expandir (3) em uma série de Taylor em torno do
ponto (xe , ue ), e então
 
ζ̇ = F (xe , ue ) + [gradx F ]T xe ,ue ζ + [gradu F ]T xe ,ue v + (termos ordem superior )

onde [gradx F ]T = ∂F
∂x
e [gradu F ]T = ∂F ∂x
são as matrizes Jacobianas de F (x, u). em relação
a x e u, respectivamente. Dessa forma
 
ζ̇ ≈ [gradx F ]T xe ,ue ζ + [gradu F ]T xe ,ue v = Aζ + Bv (4)

7
com A e B calculadas em (xe , ue )
 ∂F1 ∂F1 ∂F1
  ∂F1 ∂F1 ∂F1

∂x1 ∂x2
· · · ∂x n ∂u1 ∂u2
··· ∂um
 ∂F2 ∂F2 · · · ∂F2   ∂F2 ∂F2
··· ∂F2 
 ∂x1 ∂x2 ∂xn   ∂u1 ∂u2 ∂um 
A= ..  B= .. 
 ··· ··· . ···   ··· ··· . ··· 
∂Fn ∂Fn ∂Fn ∂Fn ∂Fn ∂Fn
∂x1 ∂x2
··· ∂xn x=xe ,u=ue ∂u1 ∂u2
··· ∂um x=xe ,u=ue

Classificação de pontos fixos (pontos de equilíbrio) O ponto fixo agora é classifi-

cado analisando-se a natureza dos auto-valores da matriz A correspondente. Se todos os
autovalores tiverem parte real não nula, então dizemos que o ponto fixo xe é um ponto fixo
hiperbólico, caso contrário, dizemos que xe é um ponto fixo não hiperbólico.

Para haver estabilidade da origem requer-se que o ângulo entre o vetor x e vetor
velocidade ẋ seja maior do que 90o quando uma componente do vetor velocidade aponta
para a origem (a outra é ortornormal ao vetor x) [7], isto é:

xT ẋ
= cos(α) < 0. (5)
|x||ẋ|
De fato, uma vez que ẋ = Ax, tem-se que xT Ax < 0, o que implica real(λ(A)) < 0.
–Pontos fixos hiperbólicos

Definição 5 Se todos os autovalores de A tem parte real negativa, diz-se que x0 é as-
sintoticamente estável, pois x → xe quando t → ∞, e então o ponto fixo é chamado de
sumidouro (sink).

Há dois tipos de sumidouro: se todos os autovalores tiverem parte imaginária nula um

nó estável, caso contrário, tem-se um o foco estável.

Definição 6 Se todos os autovalores de A têm parte real positiva, então x se afasta de xe

quando t → ∞, então xe é um ponto fixo instável e é chamado de fonte (source).

Da mesma maneira que no caso do sumidouro, tem-se dois tipos de fontes: o foco ins-
tável, se algum autovalor tiver parte imaginária não nula; e o nó instável, no caso contrário.

Definição 7 Se alguns dos autovalores, mas não todos, têm parte real positiva, enquanto
o resto tem parte real negativa, xe é chamado de ponto de sela. Como a sela tem alguns
autovalores positivos, é também é instável.

Definição 8 Um ponto fixo é instável se um ou mais autovalores de A tiver parte real

positiva.

8
 –Pontos fixos não hiperbólicos

Definição 9 Se um ou mais autovalores de A tiver parte real negativa enquanto os outros

tiverem parte real nula, então xe é um ponto fixo marginalmente estável.

Definição 10 Se todos os autovalores de A são puramente imaginários, o ponto fixo é

então chamado de centro.

A Figura 2 mostra um resumo de todos os casos que podem acontecer a um sistema

no ℜ2 e a Figura 3 as respostas no tempo para pontos de equilibrío do tipo foco, nó e
sela. Os autovalores das matrizes Jacobianas nos pontos de equilíbrios do Exemplo 1 são
−3.57, −0.33, 1.77, −0.25, −1.33, −0.4. Assim, Q1 é um nó estável, Q2 um ponto de sela
e Q3 um nó estável (colocar as setas no plano de fase).

Figura 2: Pontos fixos de sistemas no plano [4].

Teorema 1 (Método de Linearização de Lyapunov) Se o sistema linearizado é as-

sintoticamente estável então o ponto de equilíbrio do sistema não-linear é assintoticamente
estável. Se o sistema linearizado é instável então o ponto de equilíbrio do sistema não-
linear é instável.

9
 Nó estável Nó instável

x2

x1

x2

x1
x1 Tempo [s] x1 Tempo [s]
Foco estável Foco instável
x2

x1

x2

x1
x1 Tempo [s] x1 Tempo [s]
Centro Ponto Sela
x1

x2

x1
x2

x1 Tempo [s] x1 Tempo [s]

Figura 3: Trajetórias no plano de fase e trajetórias no tempo [7]. (figequil.m)

Assim, pode ser feita uma relação direta entre a estabilidade local de um ponto fixo
de um sistema não-linear com a estabilidade de seu correspondente sistema linear. Por
exemplo, se a correspondente linearização de um sistema apresentar um ponto fixo assinto-
ticamente estável, então pode-se concluir que o ponto fixo correspondente do sistema não
linear também é estável. Assim, justifica-se o uso de técnicas lineares para o controle de
sistemas não-lineares na prática. Ressalta-se porém, que essa correspondência não é válida
para o caso do sistema linearizado apresentar um ponto fixo marginalmente estável ou um
centro, sendo nesse caso necessária uma análise mais profunda do sistema não-linear.

Definição 11 Um ponto de equilíbrio estável segundo Lyapunov o qual não é assintotica-

mente estável é dito ser marginalmente estável.

Exemplo 3 Considere as equações de um pêndulo simples:

.. .
M R2 θ + bθ + M gRsenθ = 0
.
definindo x1 = θ e x2 = θ, pode-se escrever
.
x1 = x2
. b g
x2 = − 2
x2 − senx1
MR L
Os pontos de equilíbrio são localizados em (nπ, 0), para n = 0, ±1, ±2, · · · . A partir da
descrição física do pêndulo, é claro que o pêndulo tem somente duas posições de equilíbrio
correspondente à posição vertical abaixo (0, 0) e à posição vertical acima (π, 0). Os outros

10
pontos de equilíbrio são repetições destas duas posições a quais correspondem ao número de
giros compltos do pêndulo antes de parar em.. um dos .dois pontos de equilíbrio. O sistema
linearizado em torno de (π, 0) é dado por θe + MbR2 θe − Rg θe = 0 (usa-se a aproximação
senθ = sen(θe + π) = senθe cos π + senπ cos(θ) e = −sen(θ) e ≈ −θe com θe := θ − π (foi
feita uma mudança de variável uma vez que o ponto de equilíbrio é diferente da origem).
Observe que o sistema linearizado é instável e o sistema não-linear também é.

Para ilustrar quando o comportamento de um sistema não linear não corresponde ao do

linearizado em torno do equilíbrio, apresenta-se a seguir um exemplo de um sistema cujas
equações do sistema linearizado apresentam um ponto de equilíbrio não hiperbólico.
Exemplo 4 Considere o sistema

ẋ1 = −x2 − µx1 (x21 + x22 )

ẋ2 = x1 − µx2 (x21 + x22 ).

Este sistema apresenta um ponto de equilíbrio na origem. O sistema linearizado possui

autovalores ±j o que corresponde a um centro. O comportanto do sistema não linear pode
ser analizado a partir da sua representação polar
x2
x1 = rcosθ, x2 = rsenθ, θ = tan−1 ( ) (6)
x1
fornecendo
ṙ = −µr3 , θ̇ = 1 (7)
A partir destas equações pode-se ver que a solução do sistema não linear lembra um foco
estável para µ > 0 e um foco instável para µ < 0. Portanto, o comportamento qualitativo
descrito pela sua linearização no ponto de equilíbrio não corresponde ao comportamento
do sistema não linear na vizinhança deste ponto.

3.1.3 Ciclo Limite

Oscilação é um importante fenômeno de sistemas dinâmicos. A solução de um sistema
períodico ou oscilador é do tipo

x(t + T ) = x(t) ∀t > 0, T > 0 (8)

Seja o sistema linear

ẋ = Ax, A ∈ ℜ2×2 (9)

Suponha que A tenha autovalores λ1 = jβ, λ2 = −jβ e portanto o ponto de equilíbrio
(origem) é um centro. A partir de uma transformação linear z = T x pode-se obter a forma
de Jordan real para o sistema
 
0 −β
ż = z. (10)
β 0

11
Utilizando coordenadas polares definidas por z1 = rcosθ e z2 = rsenθ, pode-se reescrever
o sistema (10) da seguinte forma

ṙ = 0
(11)
θ̇ = β

A solução é portanto do tipo

z1 (t) = r0 cos(βt + θ0 )
(12)
z2 (t) = r0 sen(βt + θ0 )
p (0)
com r0 = z12 (0) + z12 (0) e θ0 = tan−1 zz12 (0) . Portanto, este sistema possui uma oscilação
mantida de amplitude r0 e é referenciado como um oscilador harmônico. Observe que
a amplitude da oscilação depende das condições iniciais e também que esta oscilação
mantida pode ser destruída com uma pequena perturbação nos aulovalores complexos
puros da matriz A que os transforme em aulovalores complexos com parte real positiva.
O que significa que este osilador linear não é estruturalmente estável.
Observação 1 A matriz de transformação T para gerar a forma de Jordan é da forma
T = Q−1 com Q = [q1 q2 ... qn ], n a dimensão de x e qi , i = 1, · · · , n os autovetores da
matriz A. Para obter a forma real de Jordan (conhecida como forma modal) a matriz de
transformação é, p. exemplo, para n = 2 é
 
0.5 −0.5j
Q = [q1 q2 ] . (13)
0.5 0.5j

Assim, a matriz da forma modal do sistema denotada Am pode ser obtida a partir da
transformação Am = Q−1 AQ.

Exercício 1 (Oscilador não linear) Considere o oscilador de Van Der Pol

ẋ1 = x2
ẋ2 = −x1 + ǫ(1 − x21 )x2 .

Verificar que este oscilador possui apenas a origem como ponto de equilíbrio e caracterizar
a existência de um ciclo limite estável para ǫ positivo e instável para ǫ negativo utilizando
as seguintes funções de energia
1 1
V (x) = x21 + x22 ;
2 2
3
1 x
V (x) = {x21 + [ǫ( 1 − x1 ) + x2 ]2 }.
2 3
Teorema 2 (Poincare) Se um ciclo limite existir em um sistema autônomo de segunda
ordem então N = S + 1 com N número de nós, centros e focos contidos dentro do ciclo
limite e S o número de selas também contidas dentro do ciclo limite

12
Teorema 3 (Poincare-Bendixson) Se uma trajetória de um sistema autônomo de se-
gunda ordem permanecer em uma região finita Ω do plano de fase, então uma das seguintes
situações ocorrem

1. a trajetória vai para o ponto de equilibro

2. a trajetória tende assintoticamente para um ciclo limite estável

3. a trajetória é um ciclo limite

. O seguinte teorema estabelece uma condição suficiente para a não-existência de um ciclo

limite.

Teorema 4 (Bendixson) Para o sistema não linear (15), nenhum ciclo limite pode exis-
tir em uma região Ω do plano de fase na qual
∂F1 ∂F2
+ (14)
∂x1 ∂x2
não se anula e não troca de sinal.

Exemplo 5 Verificar que o sistema abaixo não apresenta ciclo limite:

ẋ1 = g(x2 ) + 4x1 x22

ẋ2 = h(x1 ) + 4x21 x2 .

4 Segundo Método de Lyapunov

Considere o sistema
.
x = f (x), f (0) = 0. (15)
A idéia básica do 2o. Método de Lyapunov refere-se à energia total do sistema. Se um
sistema possue um estado de equilíbrio estável xe , então a energia total armazenada no
sistema decresce com o tempo até a energia total atingir o seu valor mínimo no estado de
equilíbrio xe . A estabilidade é analisada via uma função escalar especial chamada função
de Lyapunov.

Definição 12 A função de Lyapunov V (x) satisfaz as seguintes condições para todo t1 >
t0 e para todo x na vizinhança de x = 0, com x = 0 um ponto de equilíbrio do sistema
.
x = f (x):

1. V (x) e suas derivadas parciais são definidas e são contínuas.

2. V (0) = 0

13
 1

0.5

0 V(x)=c

−0.5

−1

−1.5 f(x)
θ
gradV(x)
−2

−2.5
−2 −1.5 −1 −0.5 0 0.5 1 1.5

hGradx V f (x)i
Figura 4: Sistema estável: cosθ = kGradx kkf (x)k
< 0.

. .
3. V (x) > 0 para todo x 6= 0 e V (x) ≤ 0, onde V (x) é a derivada de V (x) em relação
às trajetórias de ẋ = f (x), i.e.
dV (x)
V̇ (x) = = [gradx V ]T ẋ
dt
∂V
= f (x)
∂x

Nota-se que a derivada de V (x) é o produto escalar de dois vetores. A função f (x) é um
vetor que aponta no sentido da tangente da trajetória x(t) do sistema naquele ponto, e
gradx V (x) é um vetor normal, no sentido de crescimento de V (x) em relação à uma curva
de nível V (x) = c, c > 0. A Figura 4 ilustra o caso em que a derivada de V (x) é negativa.

Teorema 5 Suponha que uma V (x) possa ser determinada para o sistema (15). Então,
o estado de equilíbrio x = 0 é assintoticamente estável se V̇ (x) for negativa definida e
estável no sentido de Lyapunov se V̇ (x) for negativa semi-definida.

Corolário 1 (Princípio de invariância de La Salle) Suponha x = 0 é um ponto de

equilíbrio de (15). Suponha V (x) : D → R é uma função definida positiva continuamente
diferenciável em D contendo a origem x = 0 tal que V̇ (x) ≤ 0 em D. Defina S = {x ∈
D : V̇ (x) = 0} e suponha que a única solução que não deixa S é a solução trivial. Então,
a origem x = 0 é assintoticamente estavel.

4.1 Caso sistemas lineares

.
Teorema 6 Considere o sistema linear x = Ax com det(A) 6= 0 e xe = 0. Considere
V (x) = xT P x, P = P T > 0. Então, V (x) é uma função de Lyapunov do sistema linear se
e só se para qualquer Q = QT > 0 existe P = P T > 0 tal que

AT P + P A = −Q.

14
 . .T . .
Prova. Para V (x) = xT P x tem-se V (x) = x P x + xT P x. Usando x = Ax pode-se
¯ . .
escrever V (x) = xT AT P x + xT P Ax. Então, V (x) = xT [AT P + P A]x = −xT Qx < 0, ∀x 6=
0.

Teorema 7 (Estabilidade local) Se em uma bola BR0 existe uma função escalar V (x) com
derivadas contínuas tal que
1. V (x) > 0 localmente
.
2. V (x) ≤ 0 localmente em BR0 .
.
Então o ponto de equilíbrio x = 0 é estável. Se V (x) < 0 em BR0 então a estabilidade
é assimptótica.

Exemplo 6 Seja o pêndulo simples com amortecimento viscoso

.. .
θ + θ + senθ = 0

fazendo x1 = θ, x2 = θ̇, considere a função de Lyapunov candidata dada pela função de

energia do pêndulo:
x2 2
V (x) = (1 − cos x1 ) +
2
em que o primeiro V (x) representa a energia potencial obtida por
Z x1
senzdz
0

e o segundo termo a energia cinética. Observe que V (x) > 0 localmente (V (x) = 0 para
x 6= 0 e não atende Definição 12 item 3)
.
V (x) = x2 senx1 + x2 (−x2 − senx1 )
= −x21 ≤ 0
.
o que implica x1 = 0 é estável uma vez que V (x) ≤ 0 (semidefinida negativa). Considere
.
x2
agora V (x) = 2(1−cos x1 )+ 22 + 12 (x2 +x1 ). Neste caso obtém-se V (x) = −x1 2 +x1 senx1 ≤ 0
.
e V (x) é definida negativa localmente e então pode-se afirmar que o ponto de equilíbrio é
assintoticamente estável localmente.

Teorema 8 (Estabilidade global) Suponha uma função escalar V (x) com derivadas con-
tínuas tal que
1. V (x) > 0
.
2. V (x) < 0
3. V (x) → ∞ quando kxk → ∞.
Então, o ponto de equilíbrio 0 é globalmente assimptóticamente estável.

15
4.2 Sistemas discretos no tempo: pontos fixos de mapas
Chama-se de mapas os sistemas dinâmicos que evoluem no tempo de uma forma discreta.
Considere o mapa
xk+1 = F (xk ; u(k)) (16)
onde k ∈ Z.
Definição 13 Diz-se que xe é um ponto fixo, para u = ue , se xe = F (xe ; ue ).
Da mesma forma que no caso dos sistemas contínuos no tempo, para estudar a estabi-
lidade de pontos fixos de mapas faz-se uma linearização na sua vizinhança. Assim, seja y
uma pequena perturbação feita em xe de tal forma que
xe + yk+1 = F (xe + yk ; ue ).
Expandindo F em série de Taylor em torno de xe

xe + yk+1 = F (xe , ue ) + [gradx F ]T xe ,ue yk + (termos de ordem superior )

e usando o fato de que xe = F( xe ; ue ) fica-se com


yk+1 = [gradx F ]T xe ,ue yk = Ayk ,

onde A = [gradx F ]T xe ,ue é, como no caso dos sistemas contínuos, a matriz das derivadas
parciais de F calculada em (xe ; ue ).
A classificação da estabilidade do ponto fixo é feita com base nos autovalores da matriz
A. Seja λ o vetor dos autovalores de A, diz-se que o ponto fixo xe é hiperbólico se |λi | 6= 1,
para todo i. Se pelo menos um dos autovalores tiver módulo igual a 1, diz-se que xe é um
ponto fixo não hiperbólico.
Definição 14 Se os módulos de alguns dos autovalores de A forem menor que 1, |λ| < 1,
enquanto os outros forem maior que 1, |λ| > 1, o ponto fixo xe é chamado de sela.
Definição 15 Se todos os autovalores de A tiverem módulo menor que 1, diz-se que o
ponto fixo é assintoticamente estável.
Definição 16 Se pelo menos um dos autovalores de A tiverem módulo maior que 1 o
ponto fixo é instável.
O estudo da estabilidade de um ponto fixo não hiperbólico é um pouco mais compli-
cado, precisa-se fazer uma análise dos termos de segunda de ordem da aproximação, que
despreza-se na linearização.

Um ponto xe do mapa (8) que satisfaz a condição

xe = F k (xe ; ue )
onde k ≥ 1, é chamado ponto periódico de ordem k do mapa F . Nota-se que xe pode
também ser dito um ponto fixo do mapa G = F k , que é formado por k iterações sucessivas
do mapa F .

16
4.3 Bifurcações
O comportamento de sistemas dinâmicos dependem, em geral, de um vetor de parâmetros
que é chamado de parâmetros de controle. Uma bifurcação é o que chama-se de uma
mudança qualitativa no plano de fase do sistema dinâmico. No espaço de controle, o
ponto onde essa mudança ocorre é chamado de ponto de bifurcação.
Do ponto de vista de estabilidade estrutural, o ponto de bifurcação é um ponto onde
o sistema perde sua estabilidade. Nesse ponto podem, por exemplo, surgir ou desaparecer
pontos fixos, ou pontos instáveis podem ser tornar estáveis e vice-versa. A seguir alguns
tipos comuns de bifurcações são descritos.

4.3.1 Tipos de bifurcações

1. Bifurcação sela-nó (ou dobra)

Seja o sistema de dimensão um

ẋ = fµ (x) = µ − x2
√ √
onde x, µ ∈ R e µ é o parâmetro de controle. Os pontos fixos são x = µ e x = − µ.
Para µ < 0 não tem-se pontos fixos. Portanto, pelos critérios vistos,
√ df √
– para x = µ, dx
= −2 µ < 0 → nó estável.
√ df √
– para x = − µ, dx
= 2 µ > 0 → nó instável.

O ponto de bifurcação é o ponto x = 0, onde os dois ramos referentes aos pontos fixos
instáveis e estáveis se unem, como visto na Figura 5. Na Figura 5, o equilíbrio estável é um
nó (ramo superior), o equilíbrio instável é uma sela (ramo inferior), por isso a bifurcação
associada é denominada sela-nó [6].

Figura 5: Bifurcação sela-nó [4].

17
 Seja o sistema de dimensão 2 dado por

ẋ1 = −x2 + x1 (µ − x1 2 − x2 2 ) = fµ (x1 , x2 )

ẋ2 = −x1 + x2 (µ − x1 2 − x2 2 ) = gµ (x1 , x2 ).
O único ponto de equilíbrio para todo µ é (x1 , x2 ) = (0, 0). Nesse ponto a matriz Jacobiana
é
 
µ −1
J=
1 µ
Portanto, os autovalores de J são λ1 = µ + i e λ2 = µ − i. Então, o equilíbrio é estável
para µ < 0 e instável para µ > 0. Concluí-se que no ponto µ = 0 tem-se uma perda
de estabilidade. A seguir, estuda-se o que ocorre na região µ > 0. Usando coordenadas
polares, definidas por x1 = rcosθ e x2 = rsenθ, pode-se reescrever o sistema da seguinte
forma

ṙcosθ − rθ̇senθ = −rsenθ + rcosθ(µ − r2 ),

ṙsenθ − rθ̇cosθ = rcosθ + rsenθ(µ − r2 ).
Multiplicando a primeira equação por cosθ, a segunda por senθ, e somando-as tem-se um
novo sistema

ṙ = r(µ − r2 ),
e
θ̇ = 1.
√
Verifica-se que existe uma órbita periódica para µ > 0. De fato, em r = µ tem-se ṙ = 0.
√ √
Além disso, a órbita é estável já que ṙ < 0 para r > µ, e ṙ > 0 para r < µ. Pode-se
ver claramente como isso ocorre na Figura 6.

x2

x1

Figura 6: Bifurcação de Hopf.

A bifurcação que ocorre em µ = 0, onde passa-se de um equilíbrio para uma osci-

lação periódica é chamada de bifurcacão de Hopf. Esse tipo de bifurcação apresenta a
interessante característica de ligar um equilíbrio a movimento periódico via variação de µ.

18
4.4 Mapas e seção de Poincaré
Uma das maneiras pela qual um sistema contínuo dá origem a um mapa discreto é pela
utilização de seções de Poincaré. A seção de Poincaré é uma maneira de reduzir o estudo
de um fluxo num espaço de fase com n dimensões a uma aplicação discreta num espaço
de fase com (n − 1) dimensões, chamada mapa de Poincaré.

4.4.1 Sistema não autônomo

Em sistemas não autônomos, o período associado às órbitas períodicas, geralmente, está
claramente explícito. Assim, o período de qualquer solução periódica que aparece no
sistema é sempre múltiplo de um período fundamental T .
Suponha que tem-se um sistema não autônomo representado por uma equação diferen-
cial da forma
ẍ + g(x, ẋ) = f (t),
ou ainda por
ẍ + a1 (t)ẋ + a2 (t)x = 0,
onde f (t), a1 (t) e a2 (t) são funções periódicas de período T . Sabe-se que seu retrato de
fase é portanto tridimensional, e cada estado é dado por (x, ẋ, t). Nesse caso, o mapa
de Poincaré pode ser obtido simplesmente considerando-se a interseção da trajetória com
plano (x, ẋ) a cada período T , como mostrado na Figura 7.

Figura 7: Construção do mapa de Poincaré para um sistema não

4.4.2 Sistema autônomo

Seja o sistema dinâmico autônomo n-dimensional, com soluções periódicas, dado por

ẋ = F (x).

Aqui F (x) representa um campo vetorial não linear. Seja φt (x) o fluxo gerado e φt (x0 )
uma órbita periódica de período T . Seja uma hipersuperfície Ω ⊂ Rn de dimensão (n − 1),
que contenha x0 , de tal maneira que o fluxo lhe seja transversal, ou seja, φt (x) · n(x) 6= 0,
onde n(x) é o vetor normal à hipersuperfície Ω. Seja ainda U ⊆ Ω uma vizinhança de x0 .

19
Definição 17 Chama-se de mapa de Poincaré a aplicação P : U → Ω definida para um
ponto x1 ∈ U da seguinte maneira

P (x1 ) = φ(x1 , τ )

onde τ = τ (x1 ) é o tempo necessário para que a órbita φt (x1 ) que parte de x1 retorne pela
primeira vez em Ω.

A hipersuperfície Ω é chamada de seção de Poincaré. Pode-se ver geometricamente a

construção de um mapa de Poincaré na Figura 8. Pela construção geométrica do mapa
de Poincaré fica explícito a relação entre as órbitas periódicas de um sistema e os pontos
fixos dos mapas de Poincaré. Se o mapa de Poincaré de um sistema apresenta um ponto
fixo, isso mostra que a trajetória sempre passa por aquele ponto conforme o tempo evolui,
indicando que o retrato de fase do sistema deve necessariamente apresentar uma órbita
periódica. Como a seção de Poincaré tem dimensão menor que o espaço de fase do sistema
correspondente, o mapa de Poincaré pode ser uma ferramenta útil no estudo das órbitas
periódicas de um sistema qualquer.

Figura 8: Significado geométrico.

Exemplo 7 (O oscilador de Duffing)

Seja o sistema massa mola simples do Exemplo 8, onde F = mg e Fel = x−x3 acrescido
de uma excitação periódica F (t) = γcos(ωt)e de uma força dissipativa Fd = −cẋ,como
mostrado na Figura 9. A freqüência da força externa é determinada pelo parâmetro γ e
a intensidade da for ça amortecedora por c. Esse sistema é conhecido como oscilador de
Duffing. Sua equação de movimento, para c = ǫ e considerando agora que x = 0 está na po-
sição de repouso do sistema, pode ser obtida pelo método visto na seção anterior,chegando
a
ẍ + ǫẋ − x + x3 − γcos(ωt) = 0.
Usando o aplicativo Matlab traça-se o retrato de fase x − ẋ e o mapa de poincaré corres-
pondente do oscilador para γ = −0.3, ω = 1, condição inicial igual a (0, 0) e diferentes
valores da constante de amortecimento ǫ. O programa desenvolvido para este exemplo
encontra-se descrito no Apêndice (Seção B). Para ǫ = 0, 22 as Figuras 10, 11 e 12 ilustram
os resultados obtidos.

20
 Figura 9: Oscilador de Duffing.

Figura 10: Retrato de fase para ǫ = 0, 22 e 0 ≤ t ≤ 1000.

Figura 11: Seção de Poincaré para ǫ = 0, 22 e t = 2kπ, k = 0, 1, ..., 1000.

Figura 12: Seção de Poincaré para ǫ = 0, 22 e t = 2kπ, k = 0, 1, ..., 1000 sem transiente.

21
 Observa-se que o mapa de poincaré (Figura 11) mostra claramante o que o retrato de
fase (Figura 10) parece esconder um pouco: a presença de três órbitas periódicas, que
ficam ainda mais visiveis quando elimina-se a parte do transiente do tempo e analisa-se o
sistema em regime (Figura 11).

–Para ǫ = 0, 25 as Figuras 13, 14 ilustram os resultados obtidos.

Figura 13: Retrato de fase para ǫ = 0, 25 e 0 ≤ t ≤ 1000.

Figura 14: Seção de Poincaré para ǫ = 0, 25 e t = 2kπ, k = 0, 1, ..., 1000 com transiente
(esquerda) e sem transiente para k = 100, 101, ..., 1000 (direita)

Observa-se que aumentando o valor de ǫ para 0, 25, o sistema deixa de apresentar as

soluções periódicas que tinha anteriormente, conforme pode-se comprovar observando os
mapa de poincaré obtidos, os quais agora possuem muitos pontos espalhados por todo o
plano x − ẋ, mesmo quanto retirado o tempo transiente. Esse espalhamento nos mostra
que dada uma condicão inicial, a trajetória que descreve o comportamento do sistema no
tempo dificilmente voltará a passar pelo mesmo ponto após um número inteiro do período
T característico do sistema. Esse tipo de comportamento é uma característica de sistemas
que apresentam caos.
Comparando as duas situações, pode-se concluir que provavelmente deve haver um
ponto de bifurcação no espaço de estado-controle onde o sistema perde a característica de
de comportamento periódico para assumir um comportamento caótico.

22
A Obtenção de Equações de Sistemas Dinâmicos via
Equações de Lagrange
A.1 Formulação Lagrangeana
A formulação Lagrangeana nos dá uma forma alternativa, em relação as equações de
Newton, para escrever as equações do movimento. Utiliza-se das expressões da energia de
um sistema, como se fizesse um balanceamento das energias.

A.1.1 Sistemas conservativos

A equação que representa o movimento de uma partícula é dada por
d
Fi = (mi ẋi ) (17)
dt
onde Fi são as componentes da força em relação a cada uma das cordenadas xi , e mi é a
massa da parícula. Sua energia cinética é definida como
X1
T = mi ẋi 2 .
i
2

Se derivar-se a energia cinética T em relação a xi , tem-se

∂T 1
= 2 (mi ẋi ) = mi ẋi .
∂ ẋi 2
Substituindo esta derivada na equação do movimento tem-se
 
∂ ∂T
Fi = . (18)
∂t ∂ ẋi
Da definição de sistema conservativo sabe-se que
∂V
Fi = − ∂x i
,
onde V = V (xi ) é a energia potencial do sistema considerado. Substituindo agora esta
equação em (18) tem-se  
∂ ∂T ∂V
=− . (19)
∂t ∂ ẋi ∂xi
Para simplificar, pode-se definir uma função L como

L=T −V

para obter  
∂ ∂(L + V ) ∂(T − L)
=−
∂t ∂ ẋi ∂xi
   
∂ ∂L ∂ ∂V ∂T ∂L
+ =− + .
∂t ∂ ẋi ∂t ∂ ẋi ∂xi ∂xi

23
 ∂V ∂T
Por definição ∂ ẋi
=0e ∂xi
= 0 e a equação se simplifica em
 
∂ ∂L ∂L
− = 0. (20)
∂t ∂ ẋi ∂xi

A função L é chamada de função Lagrangiana do sistema e a equação (20) é chamada

equação de Lagrange. Com a formulação Lagrangiana, representa-se a função L do sistema,
calculando sua energia potencial e cinética, e assim obtém-se a equação de Lagrange que
representa seu movimento.
Como uma aplicação da formulação Lagrangiana, veja o exemplo a seguir, que, apesar
de simples, mostra claramente que usando esta formula ção obtém-se os mesmos resultados
obtidos pelo método clássico de Newton.

Exemplo 8 Considere um sistema massa-mola simples, como na Figura 15, sem excita-
ção e sem atrito.

Figura 15: Sistema massa-mola.

A.1.2 –Pelas equações de Newton

:
F = mg,
Fel = −kx.
Analisando as forças no sistema tem-se

d2 x
F + Fel = m
dt2
d2 x
mg − kx = m 2
dt
d2 x
como dt2
= ẍ, a equação de movimento para o sistema é

k
ẍ + x−g =0
m

24
A.1.3 Pelo Lagrangiano

1
T = mẋ2
2
e
1
V = −mgx + kx2 .
2
Então
1 1
L = T − V = mẋ2 − (−mgx + kx2 )
2 2
e chega-se a
1 1
L = mẋ2 + mgx − kx2 .
2 2
A equação de Lagrange em relação a x é da forma
   
∂ ∂( 21 mẋ2 + mg − 12 kx2 ) ∂ 1 2 1 2
− mẋ + mgx − kx = 0.
∂t ∂ ẋ ∂x 2 2
Assim
∂(mẋ)
− (mg − kx) = 0
∂t
ou
k
ẍ + x−g =0
m
Obtendo-se, portanto, a mesma equação diferencial.

A.1.4 Sistemas não-conservativos

A formulação Lagrangeana também pode ser aplicada, de uma maneira muito simples, a
alguns casos de sistemas não-conservativos. Considera-se aqui o caso mais simples e mais
típico dentre as forças dissipativas, que é quando estas variam com a velocidade na forma
Fdis = −ki ẋi ,
onde ki é uma constante qualquer. Nesse caso define-se uma nova quantidade
1
R = ki ẋ2i
2
chamada função dissipação de Rayleigh [5]. Então,
∂R
Fdis = − .
∂ ẋi
Assim, a equação de Lagrange, incluindo a nova parcela referente às forças dissipativas, é
dada por  
d ∂L ∂L ∂R
− + = 0.
dt ∂ ẋi ∂xi ∂ ẋi

25
Exemplo 9 Considere um sistema semelhante ao do Exemplo 8, onde adiciona-se mais
uma força devido ao atrito, dada por

Fdis = −cẋ.

A.1.5 –Pelas equações de Newton

F + Fel + Fdis = mẍ

portanto
mg − kx − cẋ = mẍ
ou
k
ẍ + cẋ + x − mg = 0.
m

A.1.6 –Pelo Lagrangeano

1 1
L = T − V = mẋ2 + mgx − kx2
2 2
e
1
R = cẋ2 .
2
Aplicando a formulação para sistemas não-conservativos pode-se escrever
 
d ∂L ∂L ∂R
− + = 0.
dt ∂ ẋi ∂xi ∂ ẋi

Substituindo L e R na equação de Lagrange, tem-se

 
d ∂( 21 mẋ2 + mgx − 12 kx2 ) ∂( 1 mẋ2 + mgx − 21 kx2 ) ∂( 12 cẋ2 )
− 2 + =0
dt ∂ ẋi ∂xi ∂ ẋi

e chega-se a
d
(mẋ) − mg + kx + cẋ = 0
dt
ou
k
ẍ + cẋ + x − mg = 0.
m
Novamente, neste exemplo, obtém-se as mesmas equações obtidas pelo método clássico.

26
B Programas no Matlab do oscilador de Duffing
Programa desenvolvido para obtenção do retrato de fase e do mapa de Poincaré para o Oscilador de
Duffing utilizando o aplicativo Matlab
– Programa principal:

clear all (comandos de limpeza das variáveis)

close all
clc

t=[0:0.1:1000]; (Intervalo de tempo para obtenção do retrato de fase)

t1= [0:2*pi:2000*pi]; (Intervalo de tempo com período fixo para a obtenção do mapa
de Poincaré)

x1=[0 0]; (Condições iniciais)

[t,x]=ode45(’duf1’,t,x1); (Obtenção do vetor de estados do sistema o retrato de fase

utilizando a subrotina “duf1”)

[t,y]=ode45(’duf1’,t1,x1); (Obtenção do vetor de estados para o mapa de Poincaré

utilizando a subrotina “duf1”)

for i=1:1001, (Eliminação da parte transiente)

j=100+i;
if j < 1001,
z(i,1)=y(j,1);
z(i,2)=y(j,2);
end;
end;

figure
plot(x(:,1),x(:,2)) (Gráfico x(t) vs. x’(t) do retrato de fase)

figure
plot(y(:,1),y(:,2),’.’) (Gráfico x(t) vs. x’(t) do mapa de Poincaré (com transiente))

figure
plot(z(:,1),z(:,2),’.’) (Gráfico x(t) vs. x’(t) do mapa de Poincaré (sem transiente))

– Subrotina de declaração da equação diferencial do sistema (para ǫ = 0, 22)

function [xdot] = duf1c(t,x)

% [xdot]= naolinear(t,x)

27
 % Simula um sistema dinâmico não- linear %
epsilon=0.22; (Declara o valor da constante ǫ)
gama=-0.3; (Declara o valor da constante γ)
omega=1; (Declara o valor da constante ω)

xdot=[x(2);x(1)-x(1)∧ 3-epsilon*x(2)+gama*cos(omega*t)] (Equação diferencial do sis-

tema);

28
Referências
[1] Slotine, J.J.E. Applied Nonlinear Control, Prentice-Hall, 1991.

[2] Khalil, H. Nonlinear Systems, Prentice-Hall, 1996.

[3] Nayfeh, A. H. e Balachandram, B., Applied Nonlinear Dynamics: Analytical, Compu-

tational, and Experimental Methods, Wiley-Intersicence Publication, 1995.

[4] Fiedler-Ferrara, N. e Prado, C. P. C., Caos: Uma Introdução, Edgard Blücher, 1994.

[5] Leech, J. W., Mecânica Analítica, ed. Ao Livro Técnico EDUSP,1971.

[6] Argyris, J., Faust, C. e Haase, M., An Exploration of Chaos, North-Holland, 1994.

[7] Jantzen, J., Foundations of Fuzzy Control, Wiley, 2007.

29