11

2. DESIGUALDADES MATRICIAIS LINEARES

Neste captulo, introduziremos alguns conceitos bsicos relacionados s Desigualdades

Matriciais Lineares. Na seo 2.1, apresentamos uma introduo s LMIs; na seo 2.2, as
chamadas regies LMI so definidas e modeladas e, na seo 2.3, abordada a modelagem de
incertezas atravs de politopos.

2.1. INTRODUO

Desigualdades Matriciais Lineares (ou Linear Matrix Inequalities, ou ainda LMIs) so

ferramentas matemticas amplamente aplicadas em teoria de controle. Seu surgimento
provavelmente ocorreu h mais de cem anos atrs, com os trabalhos de Lyapunov. Contudo,
at recentemente havia poucos algoritmos para soluo numrica das LMI's. Durante os
ltimos 20 anos, o desenvolvimento de sofisticados algoritmos numricos tornou possvel a
soluo de LMI's de um modo eficiente (so os chamados algoritmos de pontos interiores).
Esses algoritmos exploram a convexidade dos problemas LMI para obter resultados
numricos confiveis (Skogestad e Postlethwaite, 2005).
Uma das principais vantagens das LMI's que elas podem ser usadas para resolver problemas
que envolvem muitas variveis matriciais e, alm disso, diversas estruturas podem ser
impostas a essas variveis. Outra vantagem das LMI's que elas constituem um mtodo
flexvel para resolver problemas relacionados engenharia de controle, sendo relativamente
direto transformar diversos problemas de controle em problemas LMI. Em muitos casos, o
uso das LMI's pode eliminar restries associadas aos mtodos convencionais, e ainda
auxiliar na generalizao de alguns tipos de problemas. Freqentemente os mtodos
associados s LMI's podem ser aplicados em casos nos quais os mtodos convencionais
falham ou no conseguem encontrar uma soluo (Skogestad e Postlethwaite, 2005).
Atravs das LMI's, tambm pode-se juntar muitos resultados numa estrutura comum. Alguns
problemas importantes na rea de controle, que podem ser resolvidos utilizando LMI's, so:

12

projeto de controladores H , projeto de controladores H2 , projeto misto de controladores

timos H2/H , alocao de plos de sistemas no plano complexo, projeto de controladores
robustos atravs de sntese , etc.
Uma definio importante para o entendimento das LMI's o conceito de matrizes positivas
definidas. Assim, uma matriz quadrada e real P dita positiva definida se:

x T .P. x > 0

x 0

P R nxn

x Rn

comum utilizarmos a notao P > 0 para indicar que P positiva definida.

Uma LMI uma desigualdade da forma (Boyd et al., 1994):
n

F ( x ) = F 0 + x i . Fi > 0

(2.1)

i =1

Na equao acima, x R n a varivel vetorial (suas componentes so xi , i = 1, ..., n), e as

matrizes simtricas Fi = FiT Rmxm , i = 0, 1, ..., n, so conhecidas (Boyd et al., 1994). A
LMI (2.1) uma restrio convexa em x, ou seja, o conjunto {x / F(x) > 0} convexo. A
desigualdade (2.1) pode representar uma ampla variedade de restries convexas em x, tais
como desigualdades lineares, desigualdades quadrticas, desigualdades de norma matricial e
restries utilizadas em teoria de controle, como a desigualdade de Lyapunov e outras
desigualdades matriciais.
Contudo, as LMIs normalmente so escritas de outro modo, no qual as variveis so
matrizes:

R + M 1T .P1 . N 1 + N 1T .P1 .M 1 + ... + M nT .Pn . N n + N nT .Pn .M n < 0 ,

(2.2)

onde Mi, Ni e R, i = 1, 2, ..., n, so as matrizes fixas, e Pi , i = 1, 2, ..., n, so as matrizes

variveis. Um exemplo de LMI com varivel matricial a desigualdade de Lyapunov (Boyd
et al., 1994):

13

AT .P + P. A < 0 ,
onde A R nxn uma matriz dada, e P = PT a varivel. A LMI (2.2) pode ser posta na forma
da LMI (2.1) ver (Boyd et al., 1994).
Transformaes de desigualdades matriciais quadrticas em LMIs so muito teis em
aplicaes de controle robusto, conforme veremos mais adiante. Uma propriedade importante
das LMIs a possibilidade de transformao da desigualdade quadrtica (2.3) na
desigualdade linear (2.4) atravs do complemento de Schur (Boyd et al., 1994):

R > 0 , Q S.R-1.ST > 0 ,

Q
ST

S
> 0,
R

(2.3)

(2.4)

onde Q e R so matrizes simtricas, e S uma varivel matricial. Como exemplo, a restrio

da norma matricial (ou valor singular mximo) Z < 1 , onde Z R pxq e varivel matricial,
pode ser escrita como a LMI (2.5), uma vez que Z < 1 equivalente a I Z.ZT > 0.

I
Z T

Z
>0
I

(2.5)

A restrio cT.P-1.c < 1, P > 0, onde c Rn e P Rnxn simtrica e varivel, pode ser
expressa pela seguinte LMI:

P c
cT 1 > 0

(2.6)

Um outro exemplo de aplicao do complemento de Schur a seguinte desigualdade

quadrtica, que pode ser transformada numa LMI:

14

A T . P + P . A + P . B . R 1 . B T . P + Q < 0

(2.7)

Na equao acima, A, B, Q (simtrica) e R (simtrica e positiva definida) so matrizes dadas,

e P (simtrica) a varivel. Essa desigualdade matricial quadrtica (cujo formato similar
equao de Riccati) pode ser escrita como uma desigualdade matricial linear da seguinte
forma (Boyd et al., 1994):

AT .P P.A Q P.B

>0
BT .P
R

(2.8)

Dada uma LMI ((2.2), por exemplo), o problema LMI associado consiste em calcular a
varivel matricial P tal que a desigualdade satisfeita, ou ento concluir que a LMI
infactvel. Esse um problema de viabilidade convexa (Boyd et al., 1994). Para resolver
problemas LMI, h algoritmos adequados feitos para trabalhar com otimizao convexa. Um
desses conjuntos de algoritmos o toolbox de LMI's do MATLAB (MATLAB 6.5, 2002).
Outro importante tipo de problema de otimizao convexa o problema dos autovalores; ele
consiste em minimizar o mximo autovalor de uma matriz, sujeito a restries na forma de
LMIs. O problema dos autovalores pode ser escrito do seguinte modo:

min
Sujeito a .I A > 0 , B > 0 , A = f(B) ,
onde A e B so matrizes simtricas variveis. Como exemplo de um problema de autovalores,
temos o seguinte (Boyd et al., 1994):

min
,P

AT .P P. A CT .C P.B
Sujeito a
>0 e P > 0 ,
.I
BT .P

15

onde as matrizes A R nxn , B R nxp , C R mxn so dadas, e P = PT Rnxn e R so as

variveis de otimizao. Esse problema pode ainda ser escrito na forma de uma desigualdade
matricial quadrtica (por complemento de Schur):

min
,P

Sujeito a ATP + PA + CTC + -1PBBTP < 0 e P > 0

A seguir, veremos como posicionar os plos de uma dada matriz A numa regio LMI do plano
complexo. O resultado a ser apresentado ser a base para o desenvolvimento de controladores
robustos para alocao de autovalores em regies pr-definidas do plano complexo.

2.2. REGIES LMI

Uma regio LMI qualquer subconjunto D do plano complexo que pode ser definido como
(Chilali, Gahinet e Apkarian, 1999):

D = { z C / L + z . M + z . M T < 0} ,

(2.9)

onde z um elemento qualquer do plano complexo, z o complexo conjugado de z, L e M

so matrizes reais quadradas, e LT = L. Algumas caractersticas fundamentais das regies LMI
so (Chilali, Gahinet e Apkarian, 1999):
1. Intersees de regies LMI so regies LMI;
2. Uma matriz real A D-estvel, isto , tem todos os seus autovalores na regio LMI D
se e somente se existir uma matriz simtrica Q tal que:

L Q + M ( A.Q ) + M T ( Q . A T ) < 0
Q>0

(2.10)

16

Na desigualdade (2.10), denota o produto de Kronecker. As principais regies LMI

utilizadas em aplicaes de controle para alocao de plos so as seguintes (Chilali, Gahinet
e Apkarian, 1999):
1. Semiplano Re(z) < :

L = 2. e M = 1;
2. Disco centrado na origem do plano complexo com raio r:

r
L=
0

0
0
M
=
e
0
r

1
;
0

3. Setor cnico com o pice na origem do plano complexo e ngulo interno de 2, situado
no semi-plano real negativo:

sin
L =0 e M =
cos

cos
sin

Posicionando-se os plos de um sistema na interseco das 3 regies acima mencionadas (o

que tambm uma regio LMI), pode-se garantir para a resposta transitria do sistema em
malha fechada uma taxa de decaimento mnima igual a , uma taxa de amortecimento mnima
igual a = cos , e uma freqncia natural amortecida mxima igual a d = r.sin , alm de
uma freqncia natural no amortecida n r. Isso, por sua vez, limita o sobressinal mximo,
a freqncia dos modos oscilatrios, o tempo de atraso, o tempo de subida e o tempo de
acomodao do sistema. Desse modo, alocar os plos do sistema em malha fechada nessa
regio assegura um desempenho de resposta transitria adequado para o sistema. A regio do
plano complexo citada acima pode ser vista na figura 2.1.

17

2.3. MODELAGEM DE INCERTEZAS ATRAVS DE POLITOPOS

Seja um sistema para o qual queremos definir um modelo contendo incertezas. Desse modo,
sua representao no espao de estados varia, podendo assumir m modelos diferentes. Assim,
(Ai , Bi , Ci) ser a representao do i-simo modelo dinmico de um sistema qualquer no
espao de estados; ento, as matrizes que definem o sistema no espao de estados podem
assumir qualquer valor dentro de um conjunto limitado e definido de matrizes.
Consideraremos aqui que h variaes apenas na matriz A do sistema nominal, sendo as
matrizes B e C sempre as mesmas (em outras palavras, as incertezas esto presentes apenas
em A); assim, a representao do i-simo modelo do sistema ser simplesmente (Ai , B , C).
Um politopo o conjunto definido abaixo (Boyd et al., 1994):

= { A / A R nxn , A =

i =1

i . A i , i 0 , i = 1} ,

(2.11)

i =1

onde n a dimenso das matrizes Ai e m o nmero de modelos do sistema. As matrizes Ai

so chamadas vrtices do politopo.

Figura 2.1 Regio do plano complexo para alocao de plos em malha fechada