Universidade Federal de Minas Gerais

Departamento de Engenharia Eletrônica

ELT129 – Oficina de Modelagem e Simulação

Professor: Leonardo Mozelli – lamoz@[Link]

Tutorial 10 – Representação de Sistemas no Espaço de

Estados

1 Introdução
Neste tutorial serão apresentadas a representação de sistemas lineares utilizando espaço de
estados e a linearização de sistemas não lineares.
Será mostrado que, sob determinadas condições, sistemas não lineares podem ser linearizados
em torno de um ponto de equilı́brio (ou operação) com boa precisão, para isso exploraremos
Séries de Taylor em Matlab. Esse procedimento é frequente em análise e controle de sistemas
dinâmicos.

2 Representação no Espaço de Estados

Trata-se de um enfoque mais recente do que os métodos baseados em função de transferência
(também chamados de métodos frequenciais). A representação no espaço de estados é baseada
na Teoria de Variáveis de Estados, na qual os sistemas dinâmicos são descritos por meio de
equações diferenciais, possuindo o tempo como variável independente. Por esse motivo, essa
abordagem é dita ser no domı́nio do tempo.
Nesta representação, um modelo matemático descrito por uma equação diferencial de or-
dem n é substituı́do por um sistema de n equações diferenciais, todas de 1ª ordem. Se o modelo
matemático for descrito por m equações diferenciais de ordem n, então ele será substituı́do por
um sistema de m × n equações diferenciais de 1ª ordem. A representação no espaço de estados
é particularmente útil na análise e no projeto de sistemas de controle. Ela possui as seguintes
caracterı́sticas:
• usa o domı́nio do tempo;

• quaisquer condições iniciais;

• aplicabilidade mais ampla:
– sistemas lineares e não-lineares;
– sistemas invariantes no tempo e variantes no tempo;
– sistemas SISO (Single Input-Single Output) e MIMO (Multiple Input-Multiple Out-
put);
• interpretação fı́sica mais abstrata.

A seguir, apresentaremos os fundamentos do método a partir de exemplos simples.

Exemplo 1. Representação de um sistema mecânico de 2ª ordem (por exemplo, massa-mola-
amortecedor) com um grau de liberdade, sendo a entrada u(t) a força externa aplicada sobre a
massa m, e a saı́da y(t) o deslocamento medido a partir da posição de equilı́brio estático.

1
 O modelo matemático genérico desse tipo de sistema é dado pela EDO

mÿ + cẏ + ky = u(t)

com condições iniciais y(0) = y0 e ẏ(0) = ẏ0 .

Duas questões aparecem:
Q1 → Quantas variáveis de estado são necessárias?
A quantidade de variáveis de estado é igual à quantidade de condições iniciais. Como o
sistema é de 2ª ordem, ele possui duas condições iniciais, logo necessita de duas variáveis
de estado para descrever completamente a dinâmica do sistema.
Q2 → Quais são as variáveis de estado do problema?
São as correspondentes às condições iniciais do problema. No caso, as variáveis de estado
são o deslocamento y(t) e a velocidade ẏ(t)

Observação 1. É importante não confundir variável de estado (ente matemático) com variável
fı́sica. Por exemplo, consideremos um sistema dinâmico descrito pelo sistema de equações
diferenciais abaixo, no qual x1 , x2 e suas derivadas são variáveis fı́sicas:

ẍ1 + ẋ1 + x1 − x2 = 0
ẋ2 − 2x1 + x2 = 0

Nesse caso, existem 3 variáveis de estado: duas para a coordenada x1 e uma para a coor-
denada x2 , sendo x1 e x2 (variáveis de estado (matemática)) iguais a x1 e x2 (deslocamentos
(fı́sico)), respectivamente, e x3 (variável de estado (matemática)) igual a ẋ1 (velocidade (fı́sico)).
Voltando ao exemplo, as variáveis de estado serão x1 = y e x2 = ẏ. Derivando, obtemos:

ẋ1 = ẏ
1 1
ẋ2 = (−ky − cẏ) + u
m m
Vemos que a primeira equação não depende da dinâmica do sistema, enquanto que a segunda
depende. Em termos de variáveis de estado:

ẋ1 = x2
k c 1
ẋ2 = − x1 − x2 + u
m m m
que são as equações de estado. Sob forma matricial:
  " 0 #
1 x 
" #
0
ẋ1 1
= k c + 1 u
ẋ2 − − x2
m m m
A equação de saı́da, assumindo a variável de saı́da y = x1 , pode ser escrita como
 
  x1
y = [y] = 1 0
x2

Essas duas últimas equações matriciais são, respectivamente, a equação de estado e a equa-
ção de saı́da. Em forma padrão:

ẋ = Ax + Bu
y = Cx + Du

2
sendo
   
x1 ẋ
x= , ẋ = 1 , u = [u(t)]
x2 ẋ2
" # " #
0 1 0  
A= k c , B= 1 , C= 1 0 , D = [0]
− −
m m m
Exemplo 2 (Representação de um sistema de 2ª ordem com dois graus de liberdade). Seja o
sistema mecânico da Figura 1.

x1 (t ) x2 (t )
k1 k2

m1 f1(t) m2 f2(t)

c1 c2
Figura 1: Sistema mecânico com 2 GDL.

Pedem-se:
a) as variáveis de estado e as equações de estado;

b) supondo que as entradas do sistema sejam f1 (t) e f2 (t) e que a saı́da seja x1 , obter a
equação da saı́da;
c) repetir o item b), porém agora as saı́das são x1 e ẋ1 .
Solução:
O modelo matemático é dado pelo sistema de EDOs:

m1 ẍ1 + (c1 + c2 )ẋ1 − c2 ẋ2 + (k1 + k2 )x1 − k2 x2 = f1 (t)

m2 ẍ2 − c2 ẋ1 + c2 ẋ2 − k2 x1 + k2 x2 = f2 (t)

a) Como cada equação diferencial é de 2ª ordem, existem quatro condições iniciais e,

portanto, quatro variáveis de estado:

x1 = x1 , x2 = x2 , x3 = ẋ1 , x4 = ẋ2 .

Derivando e usando as equações diferenciais do modelo matemático, obtemos, após ma-

nipulações algébricas:

ẋ1 = x3
ẋ2 = x4
k1 + k2 k2 c1 + c2 c2 1
ẋ3 = − x1 + x2 − x3 + x4 + f1 (t)
m1 m1 m1 m1 m1
k2 k2 c2 c2 1
ẋ4 = x1 − x2 + x3 − x4 + f2 (t)
m2 m2 m2 m2 m2

3
 Note que as duas primeiras equações não dependem da dinâmica do sistema, enquanto
que as duas últimas dependem. Reescrevendo o sistema de equações acima em forma
matricial, temos
      
ẋ1 0 0 1 0 x1 0 0  
ẋ2   0 0 0 1  x2   0 0 f1 (t)
  =  k1 +k2 k2
− c1m+c1 2 mc21 x4  x3  +  m11 0  f2 (t)
    
ẋ3  − m m1
1
ẋ4 k2
m2
− mk22 + mc22 − mc22 x4 0 m12

ou seja, ẋ = Ax + Bu, onde os vetores e matrizes podem ser facilmente identificados.

b) Considerando x1 como saı́da, isto é, y = x1 , a equação de saı́da é
 
x1  
  x2    f1 (t)
y= 1 0 0 0  x3  + 0 0 f2 (t)

x4
ou seja, y = Cx + Du, onde os vetores e matrizes podem ser facilmente identificados.
c) Considerando como saı́das x1 e ẋ1

 
    x1   
x1 1 0 0 0 x 2
 0 0 f 1 (t)
y= =  +
x3 0 0 1 0 x3  0 0 f2 (t)
x4

2.1 Formalização do Método

2.1.1 Definições
• Estado de um sistema dinâmico: menor conjunto de variáveis (denominadas variáveis
de estado) independentes tal que o conhecimento dessas variáveis no instante t = t0 ,
juntamente com o conhecimento da entrada para t ≥ t0 , determina completamente o
comportamento do sistema para t ≥ t0 . Portanto, o estado para t ≥ t0 não depende
do estado e da entrada para t < t0 . No caso de sistemas lineares invariantes no tempo,
usualmente escolhemos t0 = 0.
• Variáveis de estado de um sistema dinâmico: são as n variáveis que compõem o
menor conjunto de variáveis que determina o estado do sistema. É importante notar que
essas variáveis não representam necessariamente quantidades fı́sicas e que o conjunto de
variáveis de estado de um determinado sistema dinâmico não é único. Tendo em vista que
as variáveis de estado são independentes, uma variável de estado não pode ser expressa
como função algébrica de outra(s) variável(eis) de estado.
• Vetor de estado de um sistema dinâmico: é o vetor x(t) cujas componentes são as n
variáveis de estado. Um vetor de estado x(t) determina univocamente o estado do sistema
para qualquer instante t ≥ t0 , uma vez que o estado em t = t0 seja dado e a entrada u(t)
para qualquer instante t ≥ t0 seja especificada.
• Espaço de estado: é o espaço n-dimensional cujos eixos coordenados são as variáveis de
estado x1 , x2 , . . . , xn . Portanto, qualquer estado pode ser representado por um ponto no
espaço de estado. Assim, no sistema do Exemplo 1, temos as variáveis de estado x1 = y e
x2 = ẏ, logo o espaço de estados é bidimensional, podendo ser localizado num plano com
eixos x1 e x2 .

4
2.1.2 Equações do espaço de estados
Três tipos de variáveis aparecem na modelagem de sistemas dinâmicos por espaço de estados:
• variáveis de entrada;

• variáveis de saı́da;
• variáveis de estado.
Seja o sistema dinâmico da Figura 2, o qual possui

• r variáveis de entrada: u1 (t), u2 (t), . . . , ur (t)

• m variáveis de saı́da: y1 (t), y2 (t), . . . , ym (t)
• n variáveis de estado: x1 (t), x2 (t), . . . , xn (t)

u1 y1
u2 x1 , x2 ,, xn y2
ur   ym
Figura 2: Sistema com r entradas e m saı́das.

Então, o sistema pode ser descrito por n equações diferenciais de 1ª ordem, que são as
equações de estado:

ẋ1 (t) = f1 (x1 , x2 , · · · , xn ; u1 , u2 , . . . , ur , t)

ẋ2 (t) = f2 (x1 , x2 , · · · , xn ; u1 , u2 , . . . , ur , t)
..
.
ẋn (t) = fn (x1 , x2 , · · · , xn ; u1 , u2 , . . . , ur , t)

onde f1 , f2 , . . . , fn são não lineares, em geral. Por outro lado, as saı́das do sistema são funções
das variáveis de entrada, das variáveis de estado e do tempo, constituindo as equações de saı́da:

y1 (t) = g1 (x1 , x2 , · · · , xn ; u1 , u2 , . . . , ur , t)
y2 (t) = g2 (x1 , x2 , · · · , xn ; u1 , u2 , . . . , ur , t)
..
.
ym (t) = gm (x1 , x2 , · · · , xn ; u1 , u2 , . . . , ur , t)

onde g1 , g2 , . . . , gm são não lineares, em geral.

5
 Definindo
x1
 
 x2 
x=
 ... 
 ⇒ vetor de estado
xn
u1
 
u2 
u=
 ... 
 ⇒ vetor de entrada
ur
y1
 
 y2 
y=
 ... 
 ⇒ vetor de saı́da
ym

as equações de estado e de saı́da podem ser escritas sob forma matricial compacta como

ẋ(t) = f (x, u, t)
y(t) = g(x, u, t)

Se as funções vetoriais f (·) e g(·) envolvem o tempo t explicitamente, então o sistema é dito
variante no tempo. Um caso particular ocorre quando o sistema é variante no tempo e linear.
Neste caso,

ẋ(t) = A(t)x(t) + B(t)u(t)

y(t) = C(t)x(t) + D(t)u(t)

onde A(t) ∈ Rn×n é a matriz de estado (ou matriz dinâmica), B(t) ∈ Rn×r é a matriz de
entrada, C(t) ∈ Rm×n é a matriz de saı́da e D(t) ∈ Rm×r é a matriz de transmissão direta.
Se o sistema é variante no tempo e não-linear, as equações de estado e de saı́da, em certos
casos, podem ser linearizadas em torno de um ponto de operação, de modo a permitir o uso
das equações de estado e de saı́da para um sistema linear.
Por outro lado, se as funções vetoriais f (·) e g(·) não envolvem o tempo t explicitamente,
então o sistema é dito invariante no tempo e, nesse caso, as equações de estado e de saı́da
podem ser simplificadas para
ẋ(t) = Ax(t) + Bu(t)
(1)
y(t) = Cx(t) + Du(t)
onde A, B, C e D são matrizes constantes.

2.1.3 Não Unicidade das Variáveis de Estado

Podemos mostrar que o conjunto de variáveis de estado não é único, ou seja, podemos selecionar
um conjunto diferente de variáveis de tal modo que o modelo do sistema possa ser representado
por um conjunto de equações semelhante ao apresentado em (1).
Consideremos um sistema dinâmico para o qual um conjunto de n variáveis de estado

x(t) = [x1 x2 · · · xn ]T

foi escolhido adequadamente e para o qual a representação no espaço de estados é dada por (1).
Consideremos, também, um outro conjunto de variáveis

x∗ (t) = [x∗1 xa2 st · · · x∗n ]T

6
relacionado ao primeiro pela transformação matricial

x = P x∗ (2)

sendo P uma matriz n × n não singular (determinante não nulo), com elementos constantes.
Substituindo (2) em (1), temos

P ẋ∗ (t) = AP x∗ (t) + Bu(t)

y(t) = CP x∗ (t) + Du(t)

Pré-multiplicando a primeira equação por P −1 , obtemos

ẋ∗ (t) = P −1 AP x∗ (t) + P −1 Bu(t)

y(t) = CP x∗ (t) + Du(t)

e definindo

P −1 AP = A∗
P −1 B = B ∗
CP = C ∗

temos que

ẋ∗ (t) = A∗ x∗ (t) + B ∗ u(t)

y(t) = C ∗ x∗ (t) + Du(t)

que está precisamente na mesma forma da expressão (1), logo representa também o mesmo
sistema dinâmico, porém utilizando um outro conjunto de variáveis de estado, o que vem
demonstrar que o conjunto de variáveis de estado não é único.

2.1.4 Desacoplamento das Variáveis de Estados

Na maioria dos casos, as variáveis de estado estão acopladas, conforme ilustra o Exemplo 2, no
qual podemos ver que a matriz de estado A é uma matriz cheia (ou seja, não é uma matriz
diagonal ou triangular), o que indica a presença de uma variável de estado em mais de uma
equação. Tal fato se chama acoplamento e, matematicamente, significa que as equações não
podem ser tratadas separadamente, a não ser que consigamos desacoplá-las.
Para desacoplar as equações de estado, podemos usar a transformação matricial

x = P x∗

onde P é a matriz modal associada à matriz A, ou seja, P é a matriz cujas colunas são os
autovetores da matriz A. Da Álgebra Linear sabemos que

P −1 AP = Λ (3)

onde Λ é uma matriz diagonal cujos elementos da diagonal principal são os autovalores da
matriz A. Então, as equações de estado que utilizam um vetor de estados x∗ que satisfaça a
transformação (3) tomam a forma especial

ẋ∗ (t) = Λx∗ (t) + P −1 Bu(t)

(4)
y(t) = CP x∗ (t) + Du(t)

o que garante o desacoplamento das equações de estado, uma vez que a matriz Λ é diagonal.

7
Exemplo 3. Seja um sistema dinâmico cujo modelo matemático é descrito pela EDO

ẍ + 5ẋ + 4x = f (t)

sendo f (t) a entrada e x(t) a saı́da. Pedem-se:

a) a representação no espaço de estados;
b) desacoplar as equações de estado.
Solução:
a) Variáveis de estado:

x1 = x
x2 = ẋ

Derivando:

ẋ1 = ẋ = x2
ẋ2 = ẍ = −5ẋ − 4x + f (t)

e as equações de estado são

ẋ1 = x2
ẋ2 = −5x2 − 4x1 + f (t)

que podem ser colocadas na forma matricial ẋ(t) = Ax(t) + Bu(t):

      
ẋ1 0 1 x1 0
= + f (t)
ẋ2 −4 −5 x2 1

A equação da saı́da é y = x = x1 , que pode ser colocada na forma matricial y(t) =

Cx(t) + Du(t):
 
  x1  
y= 1 0 + 0 f (t)
x2

b) Os autovalores da matriz A podem ser determinados a partir da equação caracterı́stica

da matriz

∆(λ) = det(λI − A) = 0

e são tais que λ1 = −4 e λ2 = −1. Os autovetores, por sua vez, podem ser obtidos
determinando a solução não nula da equação

(A − λI)v = 0

para cada autovalor λi . Os autovetores associados aos autovalores λ1 e λ2 são, respecti-

vamente,
   
−1 1
v1 = , v2 =
4 −1

Alternativamente, pode-se utilizar o comando eig no Matlab para encontrar tanto os

autovalores quanto os autovetores de uma matriz.

8
 A matriz modal do sistema é, então, obtida concatenando os autovetores nas colunas, ou
seja,
 
  −1 1
P = v1 v2 =
4 −1

Aplicando o processo de diagonalização, tem-se

 −1     
−1 −1 1 0 1 −1 1 −4 0
Λ = P AP = =
4 −1 −4 −5 4 −1 0 −1

e substituindo em (4):
   −1  
∗ −4 0 ∗ −1 1 0
ẋ = x + f (t)
0 −1 4 −1 1
 
 −1 1
x∗

y= 1 0
4 −1

Finalmente,
   
∗ −4 0 ∗ 1/3
ẋ = x + f (t)
0 −1 1/3
y = −1 1 x∗
 

Verificamos, pois, que com a adoção das variáveis de estado x∗ as equações de estado se
tornam desacopladas.

3 Linearização de Sistemas
3.1 Série de Taylor
Sistemas lineares são ‘realmente’ lineares somente dentro de um intervalo limitado. Em geral,
sistemas fı́sicos, quı́micos, biológicos, ecológicos, etc. são não lineares, isto é, o princı́pio da
superposição não se aplica a esses sistemas.
A operação normal de um sistema não linear pode variar em um intervalo em torno de um
ponto de equilı́brio. Neste caso, o valor das variáveis envolvidas não varia significativamente.
Note que podem existir várias situações em que a afirmação anterior não é válida. Entretanto,
se um sistema não linear opera em torno de um ponto de equilı́brio, é possı́vel aproximar com
boa precisão o comportamento do sistema não linear usando um modelo linear.
Uma abordagem para linearização de uma função (sistema) não linear consiste em expandir
a função em uma Série de Taylor em torno de um ponto de equilı́brio e desprezar os termos de
ordem maior ou igual a dois. Se os termos de ordem superior à primeira forem suficientemente
pequenos teremos um modelo linear interessante.
Seja y = f (x). A expansão em série de Taylor de f (x) em torno do ponto x̄ é

∂f 1 ∂ 2f
y = f (x̄) + · (x − x̄) + · (x − x̄)2 + · · ·
∂x x=x̄ 2! ∂x2 x=x̄

∂f 2
onde as derivadas , 1 ∂f
∂x x=x̄ 2! ∂x2
, . . . são funções avaliadas em torno do ponto x̄, isto é,
x=x̄
medem a sensibilidade de (x − x̄). Se a variação de (x − x̄) for pequena, pode-se desprezar os

9
termos de ordem igual ou superior a dois, resultando no modelo linear dado por

y = f (x)
∂f
y = f (x̄) + ·(x − x̄)
∂x x=x̄
| {z }
K
y − ȳ = K(x − x̄)
∆y = K∆x

Dado um modelo não-linear cuja saı́da é função de duas variáveis

y = f (x, u) ,

a expansão em série de Taylor de f (x, u) em torno do ponto (x̄, ū) é

 
∂f ∂f
y =f (x̄, ū) +  · (x − x̄) + · (u − ū)
∂x x=x̄ ∂u x=x̄
u=ū u=ū
 
1 ∂ 2f ∂ 2f ∂ 2f
+  2 · (x − x̄)2 + 2 · (x − x̄)(u − ū) + · (u − ū)2  + · · ·
2! ∂x x=x̄ ∂x∂u x=x̄ ∂u2 x=x̄
u=ū u=ū u=ū

Desprezando os termos de ordem igual ou maior que dois e avaliando as derivadas parciais de
f (x, u) em x = x̄ e u = ū temos
∂f ∂f
rcly − ȳ = ·(x − x̄) + ·(u − ū)
∂x x=x̄ ∂u x=x̄
u=ū u=ū
| {z } | {z }
A B
y − ȳ = A(x − x̂) + B(u − û)
∆y = A∆x + B∆u

A relação anterior é a linearização de f (x, u) em torno de (x̄, ū).

Em Matlab, o comando taylor é usado para realizar as expansões acima.

4 Exercı́cios
...
1. Dada a equação diferencial de 3ª ordem x + ẍ + 2ẋ + x = 2f (t), represente-a no espaço de
estados e em função de transferência considerando a saı́da y = x. Dica: utilize o comando
ss2tf.
2. Dado o sistema mecânico rotacional da figura 3, cujo modelo matemático é dado pelo
sistema de equações diferenciais

J1 θ̈1 (t) + (k1 + k2 )θ1 − k2 θ2 = T

J2 θ̈2 (t) − k2 θ1 + (k2 + k3 )θ2 = 0

onde J1 = 1kg.m2 , J2 = 2kg.m2 , k1 = 1, k2 = 2 e k3 = 3.

Pedem-se:
a) a representação no espaço de estados e em função de transferência, sendo T (t) a
entrada e θ1 (t) a saı́da;

10
 1 (t ) 2 (t)

k1 k2 k3
J1 J2

T
Figura 3: Sistema Massa-Mola.

b) a representação no espaço de estados e matriz de transferência, sendo T (t) a entrada

e θ1 (t) e θ2 (t) as saı́das.

3. Linearize a equação não linear z = xy no intervalo 5 ≤ x ≤ 7 e 10 ≤ y ≤ 12. Encontre o

erro de aproximação quando x = 5 e y = 10.
4. Defina uma variável simbólica x. Encontre a expansão em série de Taylor de f (x) = ex
em torno do ponto 1.5. Construa apenas um gráfico contendo seis funções. São elas: a
função original f (x) e as séries de Taylor truncadas até os termos de 5ª, 4ª, ..., 1ª ordem.
Comente o ocorrido. PS.: Escolha a escala do eixo das abscissas entre −3 e 3 para uma
melhor visualização do gráfico.
5. Escolha uma função senoidal. Obtenha uma aproximação linear em torno de um ponto
qualquer usando série de Taylor. Faça as suposições necessárias. Mostre as funções
original e aproximada na janela de comando e em gráfico.
6. Dado o modelo não linear que descreve o comportamento cinemático de um robô móvel
diferencial apresentado na Figura 4:

ẋ = f (x, u)

ẋ = v · cos(θ)
ẏ = v · sen (θ)
θ̇ = ω

Obtenha o modelo linearizado em torno do ponto de equilı́brio (x0 , y0 , θ0 , v0 , ω0 ).

Comandos úteis: ss, ss2tf, tf2ss, zp2tf, zp2ss, ss2zp, taylor, eig

11
 UM robô móvel sobre rodas, normalmente, é composto de um chassi
montado sobre rodas, dentre as quais algumas são atuadas por motores por
meio de acoplamentos mecânicos e elétricos, realizando movimentos de ro-
lamento e de esterço [2]. Além disso, têm-se os sistemas de sensoriamento e
navegação, que englobam sistemas de comunicação, eletrônicos e computaci-
onais, cujas atribuições podem ser classificadas como percepção, tomada de
decisão e ação. Dentre essas funções, podem-se destacar o fornecimento de
informações de localização, ambiente e orientação do robô, geração de traje-
tórias, envio e recebimento de comandos e, ainda, gerência do funcionamento
do robô.
As características cinemáticas de um robô móvel sobre rodas são de-
finidas pela forma de atuação, disposição e tipo das rodas empregadas em
sua construção [2, 3]. De acordo com a estrutura do robô definida por meio
dessas características cinemáticas, esse sistema robótico pode ser sujeito a li-
mitações de movimento, conhecidas como restrições não holonômicas. Um
exemplo de um sistema não holonômico é o robô móvel sobre rodas dife-
rencial (RMRD), mostrado na Figura 1.1, composto de duas rodas simples
atuadas de maneira independente, cujo único movimento é de rolamento, e
outras duas rodas livres, cuja função é exclusivamente sustentação. Dessa
maneira, esse robô realiza apenas movimentos combinados de deslocamentos
longitudinais e rotacionais. Apesar disso, o robô pode atingir qualquer ponto
de seu ambiente.

yA

w
v

θ −w Roda atuada
y Roda livre
Vel. Longitudinal
Vel. Rotacional

−v

A x xA

Figura 4: Diagrama de1.1:

Figura umrepresentação
robô móvel comdoacionamento
planar RMRD. diferencial.

12