Sei sulla pagina 1di 32

Sistemi Lineari

Mattia Natali
29 giugno 2011
Indice
1 Sistema dinamico 3
1.1 Matrice
_
A, b, c
T
, d

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Tempo continuo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2 Tempo discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Metodo empirico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1 Modello ARMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.2 Funzione di trasferimento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 Esempi con loperatore p 4
2.1 Integratore . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 Caso Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3 Esempio Ritardatore . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.4 Serbatoio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3 Aggregati di sottoinsiemi 5
3.1 Tipologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.2 Formula di Mason . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.2.1 Esempio sul lucido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.2.2 Esempio studenti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
4 Cambiamento di coordinate 8
4.1 Esempio: rotazione di indici . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4.2 Sistemi equivalenti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
5 Movimento e traiettoria 9
5.1 Ciclo e equilibrio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
5.2 Come calcolare lequilibrio di un sistema di sistema lineare . . . . . . . . . . . . . . 9
5.2.1 Tempo continuo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
5.2.2 Tempo discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
6 Calcolo del guadagno 10
6.1 Matrice
_
A, b, c
T
, d
_
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
6.2 Modello ARMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
6.3 Funzione di trasferimento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
7 Formula di Lagrange 11
7.1 Signicato degli elementi nella matrice di transizione . . . . . . . . . . . . . . . . . 12
7.2 Esempio: formula ammortamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
7.3 Principio di sovrapposizione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1
Sistemi Lineari Fondamenti di Automatica Mattia Natali
8 Reversibilit 13
8.1 Memoria nita . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
9 Stabilit 13
9.1 Osservazioni: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
9.2 Metodi per lanalisi della stabilit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
9.2.1 Metodo delle simulazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
9.2.2 Metodo degli autovalori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
10Geometria del movimento libero 16
10.1Autovalori complessi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
10.2Sistemi del III ordine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
10.3In generale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
10.3.1Sistemi: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
11Test di asintotica stabilit 17
11.1Test Veloce . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
11.1.1Tempo continuo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
11.1.2Tempo discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
11.2Asintotica stabilit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
11.3Criterio di Hurwitz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
11.3.1Sistemi del II ordine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
11.3.2Sistemi del III ordine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
12Costante di tempo dominante 19
13Stabilit degli aggregati 20
13.1Regola delle tre costanti di tempo (o di Rinaldi) . . . . . . . . . . . . . . . . . . . . . 20
14Raggiungibilit 20
14.1Legge di Controllo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
14.2Osservazione e ricostruzione dello stato . . . . . . . . . . . . . . . . . . . . . . . . . 21
14.2.1Esempio (matrice di osservabilit) . . . . . . . . . . . . . . . . . . . . . . . . . 22
14.3Dualit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
14.4Teoria del regolatore . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
15Scomposizione in parti 23
15.1Scomposizione e autovalori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
15.1.1Scomposizione e modello ARMA . . . . . . . . . . . . . . . . . . . . . . . . . . 24
15.2Poli e Zeri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
16Stabilit esterna 25
16.1Sfasamento minimo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
16.2Ricostruzione degli ingressi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
16.3Algoritmo di ricostruzione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
17Risposte canoniche del sistema 26
17.1Risposta allimpulso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
17.1.1La formula di g () . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
17.2Integrale di convoluzione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
17.3Trasformata di Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
17.4Trasformata Zeta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
17.5Risposta allimpulso, funzione di Trasferimento . . . . . . . . . . . . . . . . . . . . . 28
2
Sistemi Lineari Fondamenti di Automatica Mattia Natali
17.6Poli e zeri reali: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
18Regime periodico 29
18.1Serie di Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
18.2Risposta in frequenza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
18.3Teorema della risposta in frequenza . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
18.3.1Decibel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
19Diagrammi Polari 30
19.1Nyquist . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
19.1.1Diagramma di Nyquist . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
19.1.2Regola di Nyquist . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
19.1.3Criterio di stabilit di Nyquist . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
20Margine di Fase e Guadagno 32
1 Sistema dinamico
Abbiamo un componente con un ingresso u(t) e un uscita y(t).
1.1 Matrice
_
A, b, c
T
, d

A
_

_
. . . .
. . . .
. . . .
. . . .
_

_
b
_

_
.
.
.
.
_

_
c
T
_
. . . .

d [.]
1.1.1 Tempo continuo
x = Ax +bu (1)
y = c
T
x +du
Noto x(0) e lingresso u(t) nel tempo con t [0, T), la soluzione di questa equazione esiste ed
unica (soluzione di Cauchy). Con la seconda equazione possiamo calcolare luscita, mentre la
prima equazione determiniamo le equazioni di stato. Grazie a questa matrice possiamo sapere
la dinamica del sistema t [0, T).
Quando il sistema pensato cos nel rettangolo del componente si scrive A, b, c
T
, d.
1.1.2 Tempo discreto
In questo caso non avremo la derivata perch il tempo non continuo, quindi il sistema cambia.
x(t + 1) = Ax(t) +bu(t)
y (t) = c
T
x(t) +du(t)
Questo metodo discrivere i sistemi si chiama, modello dogmatico. Perch partiamo dal pre-
supposto che dentro il nostro componente esistano proprio le variabili di stato che descrivono
levoluzione delluscita.
3
Sistemi Lineari Fondamenti di Automatica Mattia Natali
1.2 Metodo empirico
Questo modello coinvolge solamente lingresso ed uscita senza sapere nulla delle variabili di
stato x
n
.
1.2.1 Modello ARMA
Si guarda il componente dallesterno e, controllando lingresso e guardando le evoluzioni del-
luscita, si cerca di individuare la legge. Questo atteggiamento porta spontaneamente ad una
descrizione di tipo ARMA (Auto-Regressive Moving Average)
Nu(t) = Dy (t)
con N signica numeratore e D denominatore. Utiliziamo anche loperatore p che nel caso
continuo diventa operatore s, mentre nel caso discreto si chiama operatore z.
Esempio nel caso continuo:
pu =
_
1 +p
2
_
y u = y + y
Se un componente viene modellizzato cos viene scritto N, D.
1.2.2 Funzione di trasferimento
un caso particolare del modello ARMA. Esso non altro che il rapporto di N e D ossia
G(p) =
N (p)
D(p)
= f.d.t.
Bisogna dire che N, D devono essere coprimi, ossia non hanno zeri in comune. Se si semplica
qualcosa perch hanno zeri in comune perdiamo informazioni rispetto al modello ARMA.
2 Esempi con loperatore p
2.1 Integratore
y (t) =

T
0
u(s) ds
questo signica che
y =
1
s
u
sy = u
con D = s e N = 1
G =
1
s
4
Sistemi Lineari Fondamenti di Automatica Mattia Natali
2.2 Caso Newton
Esso afferma che F = ma, ma laccelerazione la derivata della velocit che la derivata della
posizione ossia
F = m y
u = ms
2
y
Ricordiamo che il coefciente di u il nostro numeratore N, quindi
G =
1
ms
2
2.3 Esempio Ritardatore
Il ritardatore restituisce il segnale in ingresso con un certo ritardo .
Ora dimostriamo che
y (t) = u(t ) y (t) = e
s
u(t)
Dimostrazione. Faccio lo sviluppo di Taylor di y(t) = u(t ):
y(t) = u(t) u(t) + u(t)

2
2!
+. . .
lo riscriviamo come siamo soliti fare con loperatore s
y(t) = u su +
s
2

2
2!
u +. . .
= u
_
1 s +
(s)
2!
2
+. . .
_
Quindi siccome
e
x
=

i=1
x
i
i!
allora abbiamo che
y = e
s
Quindi alla ne il ritardatore un sistema lineare che ha una funzione di trasferimento:
y (t) = e
s
u(t)
2.4 Serbatoio
G =
1
1 +sT
3 Aggregati di sottoinsiemi
una regola per sommare le varie funzioni di trasferimento di vari modelli
5
Sistemi Lineari Fondamenti di Automatica Mattia Natali
3.1 Tipologie
Esistono tre tipi:
A cascata:
G = G
1
G
2
u
//
G
1
//
G
2
y
//
Parallelo:
G = G
1
+G
2
G
1
u
//
//
y
G
2
//
Retroazione: frequentemente usato nei problemi in cui si vuole far funzionare il si-
stema secondo certe regole, quindi molto usato in automatica per controllare luscita.
Abbiamo due formule:
Retroazione positiva: usando la regola di Mason spiegata sotto abbiamo
G =
G
1
1 G
1
G
2
G
1
//
oo
u
+
//

//
y
G
2
+
OO
Retroazione negativa: cambia solo un segno
G =
G
1
1 +G
1
G
2
3.2 Formula di Mason
Supponiamo di avere una rete in cui tutti i componenti hanno la loro funzione di trasferimento.
La formula che d la funzione di trasferimento del sistema
G =

k
C
k

(2)
con C
k
il k-esimo cammino diretto tra lingresso e uscita. Noi dobbiamo individuare tutti i
possibili cammini diretti per far si che il risultato sia giusto. In altre parole sono i vari cammini
con cui riusciamo a collegare lingresso e uscita.
Per denizione sappiamo che se i componenti sono a cascata la funzione di trasferimento
del cammino una serie di prodotti, quindi C
k
= G
1
G
3
. . .
6
Sistemi Lineari Fondamenti di Automatica Mattia Natali
il determinate del sistema che
= 1

i
L
i
+

j
L
i
L
j

h
L
i
L
j
L
h
+. . .
dove L
i
sono i vari loop semplici presenti sul cammino, ossia sono i cammini chiusi che tor-
nano indietro. La prima sommatoria estesa a tutti gli anelli, la seconda alle coppie di anelli
disgiunti (cio che non si toccano) e cos via... I segni della formula non interferiscono con i
singoli segni che L
i
ha.

k
il determinante ridotto in cui non ci sono pi i termini dei loop che vengono toccati
dal cammino k-esimo.
3.2.1 Esempio sul lucido
Figura 1: Sistema preso come esempio
Come possiamo vedere dalla Figura 1 ci sono 3 anelli: (1, 4) , (3, 5) , (1, 2, 3, 6), di cammini diretti
ce n solo uno (1, 2, 3).
Quindi della nostra formula (2) il denominatore sar
1 +G
1
G
4
G
3
G
5
G
1
G
2
G
3
G
6
G
1
G
4
G
3
G
5
perch (G
1
G
4
) , (G
3
G
5
) , (G
1
G
2
G
3
G
6
) sono i loop presenti nel sistema mentre G
1
G
4
G
3
G
5
lunica
coppia di loop presente che non si toccano. Dobbiamo stare bene attenti ai segni che assumono
i vari termini.
Il numeratore visto che abbiamo solo solo un cammino diretto tra lingresso e uscita uno
avremo
C
1
= G
1
G
2
G
3
mentre il valore di
k
= 1 perch il cammino diretto tocca tutti i loop che vi sono.
Quindi in denitiva la formula di trasferimento
G =
G
1
G
2
G
3
1 +G
1
G
4
G
3
G
5
G
1
G
2
G
3
G
6
G
1
G
4
G
3
G
5
3.2.2 Esempio studenti
In ingresso u abbiamo gli studenti che si iscrivono alla scuola mentre y sono gli studenti che
escono dalla scuola diplomati. Sicuramente ci sono dei bocciati che rifanno lanno, quindi
avremo dei loop.
i
il coefciente di bocciatura. Chi esce dalla prima media sono
1
1
7
Sistemi Lineari Fondamenti di Automatica Mattia Natali
Stesso discorso con le altre due classi. Alla ne avremo 3 loop collegati a cascata che alla ne
semplicando avremo tre componenti in cascata. Facciamo il prodotto e abbiamo la funzione
di trasferimento della scuola media.
4 Cambiamento di coordinate
Scegliamo un sistema di riferimento diverso per semplicare i conti. Per esempio effettuan-
do una translazione o una rotazione, oppure cambiare smplicemente lunit di misra. I punti
vengono rappresentati da un vettore. Per effettuare un cambio di coordinate da x a z faccio
z = Tx
I vettori colonna costituenti la matrice T sono i versori dello spazio X letti nello spazio Z.
4.1 Esempio: rotazione di indici
Per effettuare una rotazione usiamo la seguente matrice T. Le colonne della matrice T sono i
versori della nuova base.
T =

0 1
1 0

questo cambiamento z = Tx pu essere scritto a sistema in questo modo


z
1
= x
2
z
2
= x
1
In forma vettoriale
x =

z =

0 1
1 0

4.2 Sistemi equivalenti


Abbiamo
x = Ax +bu
y = c
T
x +du
utilizzando la trasformazione z = Tx che equivalente a x = T
1
z quindi avremo
z = T x = T (Ax +bu) = TAT
1
z +Tbu
y = c
T
x +du = c
T
T
1
z +du
siamo passati dalla classica quaterna A, b, c
T
, d alla quaterna
_
A, b, c
T
, d
_
T

_
TAT
1
, Tb, c
T
T
1
, d
_
d non risente il cambiamento delle variabili di stato perch lingresso che inuenza diretta-
mente luscita, quindi scavalca il cambiamento.
8
Sistemi Lineari Fondamenti di Automatica Mattia Natali
5 Movimento e traiettoria
Se ssiamo x(0) e abbiamo u(t) per t0 possiamo calcolare il movimento di x(t) ossia la sua
evoluzione nel tempo. Il movimento del I ordine se x uno scalare (x R); del II ordine se x
un vettore con n = 2. Il movimento una proiezione della linea rappresentatnte il movimento
nello spazio R
n
. Linsieme x(t) , t0 viene denito traiettoria o orbita.
5.1 Ciclo e equilibrio
Supponiamo che u sia periodica ossia
u(t) = u(t +T) t
e anche x sia periodico (dello stesso periodo T), allora anche luscita y periodica.
Quando lingresso e le variabili di stato sono periodiche dello stesso periodo T, in questo
caso si denisce il sistema in regime periodico (o ciclico). Lo stato si muove su una
traiettoria chiusa dove ricomincia il ciclo nei periodi kT. Questa traiettoria si chiama ciclo.
Certe volte si possono avere dei cicli anche con ingresso costante. Un esempio classico il
circuito LC (induttore e condensatore in serie) o il pendolo senza attrito.
Se invece lingresso costante come lo sono le variabili di stato (e quindi anche luscita) si
dice che il sistema in regime stazionario (o allequilibrio). La traiettoria solamente un
punto sso ( x) perch non varia nel tempo. In denitiva se un sistema in regime stazionario
avremo
u(t) = u x(t) = x y (t) = y t
5.2 Come calcolare lequilibrio di un sistema di sistema lineare
5.2.1 Tempo continuo
x = Ax +bu
y = c
T
x +du
per calcolare lequilibrio si pone x = 0 poich x = costante
A x = b u
y = C
T
x +d u
se il determinante di A sia detA ,= 0 allora avremo
x = A
1
b u
y =
_
d c
T
A
1
b
_
. .

u
Con guadagno. Per calcolare x non necessario usare per forza queste equazioni, perch
invertire la matrice A molto complesso. Se invece A una matrice singolare (detA = 0) allora
o non esistono soluzioni oppure ne esistono innite.
Per fare velocemente i conti utilizzate la regola della mamma (perch la regola solo una
come la mamma): risolvete la prima equazione rispetto a x
1
. Poi quello ottenuto lo sostituiamo
nella seconda equazione, poi risolviamo rispetto a x
2
e si sistutisce nella terza equazione e cos
via nch risolviamo rispetto a tutte le variabili x
i
.
9
Sistemi Lineari Fondamenti di Automatica Mattia Natali
5.2.2 Tempo discreto
x(t + 1) = Ax +bu
y = c
T
x +du
per calcolare lequilibrio si pone x = x(t + 1) = x(t)
(I A) x = b u
y = C
T
x +d u
se il determinante di (I A) sia det (I a) ,= 0 allora avremo
x = (I A)
1
b u
y =
_
d c
T
(I A)
1
b
_
. .

u
Con ancora una volta denito guadagno.
6 Calcolo del guadagno
Il guadagno denito come il rapporto tra uscita e ingresso allequilibrio =
y
u
. Se ci che
entra esce senza perdite o crescite il guadagno unitario ( = 1).
Quando non abbiamo direttamente lingresso e luscita possiamo usare queste formule per
calcolare il guadagno
6.1 Matrice
_
A, b, c
T
, d
_
Tempo continuo: = d c
T
A
1
b
Tempo discreto: = d +c
T
(I A)
1
b
6.2 Modello ARMA
Per rircordarci il modello ARMA possiamo chiamarlo modello nudy ossia
Nu(t) = Dy (y)
con
N =
0
p
n
+
1
p
n1
+ +
n
D = p
n
+
1
p
n1
+ +
n
Tempo continuo:
=

n

n
(3)
tutti gli altri valori non ci sono perch se ci ricordiamo loperatore p sarebbero delle
derivate, e le derivate sono tutte costanti quindi p = 0.
Tempo discreto:
=

i
1 +

i
(4)
10
Sistemi Lineari Fondamenti di Automatica Mattia Natali
6.3 Funzione di trasferimento
G(p) =
N (p)
D(p)
Tempo continuo: = G(0)
Tempo discreto: = G(1)
Si noti che, indicata con G(s) la funzione di trasferimento di un sistema a tempo continuo, la (3)
equivalente a = G(0), per cui il guadagno uguale alla funzione di trasferimento valutata
per s = 0. Nel caso dei sistemi a tempo discreto con funzione di trasferimento G(z) dalla (4)
segue invece che = G(1), cio il guadagno uguale alla funzione di trasferimento valutata
per z = 1.
7 Formula di Lagrange
x(t + 1) = Ax(t) +bu(t)
Applicando in ogni istante di tempo t
x(0) x(1) = Ax(0) +bu(0)
x(2) = A
2
x(0) +Abu(0) +bu(1)
= . . .
x(t) = A
t
x(0) +
t1

i=0
A
ti1
bu(i)
mentre per il tempo continuo x(t) = Ax(t) +bu(t) avremo
x(t) = e
At
x(0) +

t
0
e
A(t)
bu() d
In conclusione notiamo che abbiamo due termini per entrambe le equazioni
x(t) = (t) x(0)
. .
movimento libero
+ (t) u(s)
. .
movimento forzato
s [0, t) (5)
(t) si chiama matrice di transizione
(t) =
_
A
t
per sistemi a tempo discreto
e
At
per sistemi a tempo continuo
ricordiamo che e
At
la matrice esponenziale che viene denita in questo modo:
e
At
=

i=0
(At)
i
i!
questa matrice esponenziale possibile calcolarla esplicitamente solo se molto semplice o in
casi molto particolari.
Possiamo notare dallequazione (5) che lo stato del sistema in ogni istante dato dal-
la somma di due contributi, il primo dipendente linearmente dallo stato iniziale e il secondo
dipendente linearmente dallingresso.
Il motivo di questa denominazione nella (5) il seguente: (t) x(0) rappresenta levolu-
zione del sistema "libero" cio del sistema a cui applicato ingresso nullo, mentre (t) u(s)
con s [0, t) rappresenta levoluzione del sistema inizialmente scarico (x(0) = 0) ma forzato
dallingresso u(s).
11
Sistemi Lineari Fondamenti di Automatica Mattia Natali
7.1 Signicato di
i,j
(t) (elemento (i, j) di )
x
j
(0) =

0
0
.
.
.
1
.
.
.
0

j
u = 0 x
i
(t) =

i,j
x
j
(0) =
i,j
Ponendo luscita u = 0, possiamo denotare lelemento (i, j) di ossia
i,j
(t) in questo modo:

i,j
(t) il valore che assumerebbe la variabile di stato x
i
se solo luscita x
j
fosse attiva. In altre
parole linuenza di j su i. Quindi x
i
(t) =

j

i,j
x
j
(0) signica che la variabile di stato x
i
(t)
pu essere vista come la somma di tutti i contributi delle variabili di stato che inuenzano x
i
moltiplicato per x(0).
7.2 Esempio: formula ammortamento
Abbiamo i seguenti dati:
x(t) = debito nellanno t.
x(0) = D debito iniziale: sono i soldi che ci ha dato la banca.
x(t + 1) = x(t) +x(t) A

con A

ammortamento annuo e fattore di interesse annuo.


Se vogliamo estinguere il debito in N anni imponiamo
x(N) = 0
perch dopo N anni vogliamo che il debito sia estinto.
Dalla formula di Lagrange e ponendo t = N e u(s) = A

abbiamo che
x(N) = (1 )
N
D A

N1

i=0
(1 )
Ni1
cio il debito da pagare di questanno quello dellanno scorso e un in pi. Il primo termine
il movimento libero
(t) x(0) = x(0) +
N
x = D +
N
D = (1 )
N
D
Imponendo x(N) = 0, pu essere risolto rispetto ad A

=
(1 )
N

N1
i=0
(1 )
Ni1
D =

1 (1 )
N
D
. .
formula nota agli economisti
7.3 Principio di sovrapposizione
Siccome sono sistemi lineari possiamo applicare questo principio. Sommando le cause si
sommano gli effetti.
12
Sistemi Lineari Fondamenti di Automatica Mattia Natali
8 Reversibilit
possibile assegnando lo stato iniziale e lingresso in un intervallo di tempo [0, T), determinare
il passato del sistema? Se questo possibile il sistema si denisce reversibile.
Ricordando la formula di Lagrange
x(t) = (t) x(0) + (t) u(s)
il sistema reversibile se e solo se la matrice di transizione (t) invertibile.
sempre vero per i sistemi a tempo continuo perch (t) = e
At
sempre invertibile.
Per i sistemi a tempo discreto (t) = A
t
invertibile se e solo se det A ,= 0, in altre parole
la matrice A deve essere non singolare.
8.1 Memoria nita
Il sistema a memoria nita se dopo un certo intervallo T (t) nullo ossia matematicamente
(t) x(0) = 0 t > T, x(0)
in altre parole i sistemi a memoria nita sono quelli in cui lo stato iniziale inuenza levoluzione
del sistema soltanto per un periodo di tempo nito.
I sistemi a tempo continuo non possono essere a memoria nita.
Nei sistemi a tempo discreto sappiamo dalla formula di Lagrange che
(t) x(0) = A
t
x(0)
afnch il sistema sia a memoria nita imponiamo che
A
t
x(0) = 0 t > T, x(0) A
t
= 0
Osservazione: i sistemi a memoria nita sono non reversibili.
Per vericare che una matrice abbia memoria nita bisogna dimostrare che tutti i suoi au-
tovalori siano nulli. Ricordiamo che per le matrici triangolari gli autovalori si trovano sulla
diagonale principale (esempio shift sui lucidi).
9 Stabilit
La stabilit la caratteristica pi importante dei sistemi dinamici. Ci sono numerose denizioni,
facendo riferimento a (t) x(0):
Un sistema denito asintoticamente stabile se e solo se lim
t
(t) = 0 e quindi tende
a zero per t x(0). I sistemi a memoria nita sono asintoticamente stabili.
Un sistema semplicemente stabile se (t) x(0) rimane limitato t ma non tende a zero
per qualche x(0).
instabile se (t) x(0) illimitato per qualche x(0).
Linstabilit a sua volta si suddivide in:
Instabilit debole se una instabilit di tipo polinomiale (formula di Newton).
Instabilit forte se di tipo esponenziale (conigli di Fibonacci).
13
Sistemi Lineari Fondamenti di Automatica Mattia Natali
9.1 Osservazioni:
La stabilit dipende solo dalla matrice A.
Lasintotica stabilit si chiama generalmente stabilit, quindi perdiamo linformazione se
semplice o asintotica, ma quella semplice un evento molto raro.
Un sistema asintoticamente stabile dimentica il proprio passato, quindi lo stato iniziale
diventa evanescente col passare del tempo.
I sistemi instabili sono esplosivi, ossia qualche sua varibile tende prima o poi allinnito.
La stabilit non sempre una buona caratteristica, per esempio pu signicare che una
data popolazione si sta estinguendo.
Un sistema asintoticamente stabile se e solo se per ogni ingresso u(t) = u (costan-
te) esiste un solo stato di eqilibrio corrispondente verso cui tende lo stato del sistema
per qualsiasi x(0). Ossia se gli do un ingresso costante il sistema tende sempre ad un
particolare valore indipendentemente dal valore costante dellingresso.
Dimostrazione. Ultimo punto
Asintotica stabilit signica che
x(t) = e
At
x(0) 0 x(0)
Noi abbiamo un sistema di questo tipo, applicando un ingresso costante u abbiamo
x = Ax +b u
se esso tente allequilibrio signica che tender ad un x costante. Noi possiamo cambiare
le variabili in
z = x(t) x x(t) = z + x
ossia abbiamo le coordinate x(t) misurate dellequilibrio x e non pi dallorigine. Quindi
avremo
z = x = Ax +b u = A(z + x) +b u = Az +
= x=0
..
A x +b u
con A x + b u = 0 perch la derivata di una costante nulla. Quindi possiamo vedere che z
indipendente dallingresso u.
z = Az
9.2 Metodi per lanalisi della stabilit
Metodo intuitivo: prima di fare calcoli meglio ragionare e vedere se un sistema per forza
stabile per ovvi motivi.
Metodo delle simulazioni.
Metodo degli autovalori.
Metodi tabellari: permette di sapere se un sistema asintoticamente stabile e niente di
pi, quelli pi noti si chiamano di Rauth e di Hurwitz.
Metodo di Liapunov
14
Sistemi Lineari Fondamenti di Automatica Mattia Natali
9.2.1 Metodo delle simulazioni
x = Ax
x(t + 1) = Ax(t)
_
x(t) = (t) x(0)
Noi verichiamo che un sistema asintoticamente stabile se e solo se lim
t
(t) = 0. Il metodo
consiste nelleffettuare, al pi, n simulazioni. In pratica si pongono diversi stati iniziali
x(0) =

1
0
0
.
.
.
0

poi =

0
1
0
.
.
.
0

e cos via...
cos facendo x(t) risultante coincide con la I colonna di (t), poi con la II colonna e cos via (vedi
sezione 7.1). Se x(t) non tende a 0 per qualche simulazione ci si pu fermare e concludere che
il sistema non asintoticamente stabile.
9.2.2 Metodo degli autovalori
Sappiamo dalla formula di Lagrange che la soluzione con ingresso nullo e tempo continuo
x(t) = e
At
x(0)
allora sappiamo che
_
_
_
A < 0 Asintoticamente stabile
A = 0 Stabilit semplice
A > 0 Instabile
questo vale se x uno scalare.
Per il tempo discreto abbiamo
x(t + 1) = A(t) x(t) = A
t
x(0)
avremo che
_

_
A < 1 Instabile
A = 1 Semplicemente stabile
1 < A < 0 Asintoticamente stabile
A = 0 Asintoticamente stabile (memoria nita)
0 < A < 1 Asintoticamente stabile
A = 1 Semplicemente stabile
A > 1 Instabile
In conclusione:
Asintoticamente stabile [A[ < 1.
Instabile [A[ > 1.
Ora passiamo nel caso di ordine maggiore del primo (utilizziamo i vettori e matrici). Abbiamo
a che fare con gli autovalori che si calcolano in questo modo

A
() = det (I A) =
n
+
1

n1
+ +
n
gli autovalori sono i
i
.
15
Sistemi Lineari Fondamenti di Automatica Mattia Natali
A asintoticamente stabile se e solo se
_
Re(
i
) < 0 i Tempo continuo
[
i
[ < 1 i tempo discreto
o detto in modo complementare avremo A instabile se e solo se
_
i [ Re(
i
) > 0 Tempo continuo
i [ [
i
[ > 1 Tempo discreto
Un metodo veloce di scrivere i risultati sul piano di Gauss. Nel tempo continuo se troviamo
almeno un risultato nel semipiano positivo dei numeri reali signica che instabile, nel tempo
discreto invece giungiamo alla stessa conclusione se abbiamo un risultato esterno dal cerchio
unitario centrato sullorigine.
10 Geometria del movimento libero
Ad ogni autovalore reale associato un autovettore
Ax
(i)
=
i
x
(i)
x
(i)
,= 0
Poich x = Ax e x il vettore tangente alla traiettoria segue che la traiettoria che parte da
x(0) = x
(i)
una retta per lorigine. Se
i
< 0 allora x opposto a x, cio la traiettoria tende
verso lorigine. Viceversa, se
i
> 0 la traiettoria percorsa dallorigine verso linnito.
Pi un autovalore [
i
[ grande pi il movimento veloce, ossia ci si allontana o ci si avvicina
allorigine pi velocemente rispettivamente se
i
0 o
i
0.
Lorigine in cui partono o entrano le frecce della traiettoria si chiamano nodi.
Se abbiamo tutti gli autovalori negativi abbiamo un nodo stabile. Tutte le frecce conver-
gono nellorigine.
Autovalori discordi abbiamo una sella. Alcune frecce escono, altre entrono nella nostra
origine.
Autovalori tutti positivi abbiamo un nodo instabile. Tutte le frecce della traiettoria
escono.
Possiamo avere dei casi particolari in cui un autovalore nullo
i
= 0, in questo caso abbiamo
una retta composta da innite sorgenti o pozzi (utilizzando il gergo di Analisi 2). Sorgen-
te un punto in cui escono le frecce, pozzo vi entrano. Se invece abbiamo due autovalori
nulli
i
=
j
= 0 abbiamo un piano formato da pozzi e sorgenti. Se alla ne abbiamo tut-
ti gli autovalori nulli signica che non si muove niente: tutto lo spazio formato da punti di
equilibrio.
10.1 Autovalori complessi
Abbiamo delle traiettorie che non sono pi rettilinee. Abbiamo delle traiettorie che girano,
che possono allontanarsi o avvicinarsi dallorigine. Matematicamente avremo:

1,2
= a ib
e
1
= e
(a+ib)t
= e
at
e
ibt
= e
at
(cos bt +i sin bt)
e
1
= e
(aib)t
= e
at
e
ibt
= e
at
(cos bt i sin bt)
16
Sistemi Lineari Fondamenti di Automatica Mattia Natali
Possiamo avere delle oscillazioni modulati in frequenza (sia amplicati con a > 0 sia smorzati
con a < 0). Possiamo avere delle spirali che si avvicinano o si allontanano dallorigine rispetti-
vamente se sono stabili o instabili. In ultima analisi possiamo avere dei cerchi concentrici se
gli autovalori sono immaginari senza parte reale.
10.2 Sistemi del III ordine
Prendiamo il caso in cui abbiamo un autovalore reale negativo e due complessi coniugati con
parte reale positiva. Siccome lunico autovalore reale negativo signica che ci avviciniamo
verso lorigine su una traiettoria. Associato alla coppia degli autovalori complessi coniugati ab-
biamo un piano in cui abbiamo delle spirali che sia allontanano dallorigine perch la loro parte
reale positiva. Le varie possibili traiettorie saranno quindi lunione di queste due tipologie di
traiettorie.
10.3 In generale
Possiamo suddividere in tre tipologie di autovalori:
n

: autovalori con parte reale negativa (stabili).


n
+
: autovalori con parte reale positiva (instabili).
n
0
: autovalori con parte reale nulla.
Ovviamente n = n

+n
+
+n
0
con n numero di autovalori. Ai vari autovalori deniti in precedenza
associamo rispettivamente:
X

: variet stabile. In questo iperpiano abbiamo le traiettorie che tendono verso


lorigine.
X
+
: variet instabile. In questo iperpiano abbiamo le traiettorie che si allontanano
dallorigine.
X
0
: variet centro. Le traiettorie non convergono e non divergono. Oppure divergono
ma lentamente, ossia con legge polinomiale e non esponenziale (esempio Newton).
10.3.1 Sistemi:
I sistemi quindi si suddividono in:
Iperbolici: non esiste il sottospazio X
0
. Esso si suddivide a sua volta:
_

_
attrattori n

= n
_
n
+
= n
0
= 0
_
repulsori n
+
= n
_
n

= n
0
= 0
_
selle n
0
= 0, n
+
= n

,= 0
Non iperbolici: esiste il sottospazio X
0
.
11 Test di asintotica stabilit
Ora introdurremo alcuni metodi per vericare se un sistema asintoticamente stabile.
17
Sistemi Lineari Fondamenti di Automatica Mattia Natali
11.1 Test Veloce
11.1.1 Tempo continuo
x = Ax
con
A =
_

_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
_

_
calcolo la traccia (ossia sommo la diagonale maggiore). Se la matrice fosse diagonale o trian-
golare sulla diagonale avremmo la somma degli autovalori. Ma la traccia sempre la somma
degli autovalori, anche se una matrice normale.
Se trA > 0 allora esiste
i
> 0 quindi il sistema instabile.
Se invece trA < 0 non possiamo concludere nulla.
11.1.2 Tempo discreto
Se [trA[ > n con n numero di variabili di stato signica che esiste un autovalore [
i
[ > 1
quindi il sistema instabile.
Se [trA[ < n non possiamo concludere nulla.
11.2 Asintotica stabilit
Questo criterio vale solo per i sistemi 2 2. Se abbiamo trA < 0 e detA > 0 abbiamo asintotica
stabilit. Per il sistema a tempo discreto un po pi complicato (vedi libro).
11.3 Criterio di Hurwitz
Vale solo per i sistemi a tempo continuo. un criterio necessario e sufciente per lasintotica
stabilit. Calcoliamo il polinomio caratteristico di A ossia

n
() = det (I A) =
n
+
1

n1
+ +
n
calcoliamo la matrice nn che chiameremo H, dove la prima colonna sono i coefcienti dispari
del polinomio caratteristico, quando niamo gli
n
da inserire nella matrice metteremo
n+i
= 0
con i > 0. La seconda colonna saranno gli pari (il primo
0
= 1). Spostandoci alla colonna di
destra trasliamo il tutto il nostro vettore pi basso di 1 ricominciando con gli dispari, e cos via
nch avremo una matrice nn. Ora calcoliamo i vari determinanti delle matrici di nord-ovest,
ossia
D
1
=
1
D
2
= det

1
1

3

2

D
3
= det

1
1 0

3

2

1

5

4

3

quindi alla ne
D
i
> 0
i
asintotica stabilit
18
Sistemi Lineari Fondamenti di Automatica Mattia Natali
11.3.1 Sistemi del II ordine
Poich
3
= 0 la condizione di asintotica stabilit

1
> 0
2
> 0 Regola di Cartesio
11.3.2 Sistemi del III ordine

1
> 0

2
>
3

3
D
2
> 0
_
_
_

1
> 0
3
> 0
1

2
>
3
12 Costante di tempo dominante

i
_
a e
at
= e

t
/T
a +ib e
at
sin (bt +) = e

t
/T
sin (bt +)
T =
1
a
la costante di tempo la sottotangente come si pu vedere dalla Figura 2.
Figura 2: Graco nel tempo di x
i
(t)
Il movimento libero di uscita dato da
y
lib
(t) =

i
a
i
e
it
a
i
dipendono dallo stato iniziale (per particolarissimi stati iniziali alcuni a
i
possono essere nulli),
per sui tempi lunghi una delle esponenziali domina le altre, quindi tutti gli altri sono trascu-
rabili. Quella che muore per ultima lesponenziale con il tempo pi lungo, la
sottotangente meno ripida. Guardando i graci con gli autovalori dobbiamo prendere in con-
siderazione quelli pi vicini allorigine per quanto riguarda gli autovalori negativi, quello pi
lontano dallorigine per quanto riguarda gli autovalori positivi.
In conlusione la costante di tempo dominante T
d
quello associato allautovalore mag-
giore
d
, quello pi a destra nel graco, ossia nei tempi continui

d
=
i
con Re(
i
) = max
nei sistemi a tempo discreto

d
=
i
con [
i
[ = max
Per quanto riguarda la costante di tempo avremo:
19
Sistemi Lineari Fondamenti di Automatica Mattia Natali
Tempo continuo: T
d
=
1
Re(
d
)
.
Tempo discreto: T
d
=
1
log|
d
|
perch e

t
T
d
= [
d
[
t


t
T
d
=

t log [
d
[ T
d
=
1
log|
d
|
.
Il tempo di dimezzamento T1
/2
= (log 2) T, la formula deriva imponendo e

T
1
/2
T
=
1
2
.
13 Stabilit degli aggregati
Spettro (): insieme degli autovalori. Lo spettro risultante, se gli aggregati sono in cascata o
in serie =
1

2
. Laggregato risultante asintoticamente stabile se e solo se sono tali tutti
i sottosistemi. Con la retroazione non vale questo discorso. Anzi potrebbe crearsi linstabilit
anche se abbiamo degli aggregati stabili
13.1 Regola delle tre costanti di tempo (o di Rinaldi)
Figura 3: Sistema di riferimento per la regola di Rinaldi
Il guadagno dellanello (G(0)) per denizione
1

3
deve essere inferiore ad un guadagno
critico

anello
=
1

3
<
critico
= (T
1
+T
2
+T
3
)
_
1
T
1
+
1
T
2
+
1
T
3
_
1
La formula funziona solo per la Figura 3, possiamo avere anche tre componenti tutti sulla pri-
ma linea, o tutti nella retroazione: limportante avere tre componenti nellanello. Per la
dimostrazione guardare il lucido.
14 Raggiungibilit
Ora cominciamo a considerare il movimento forzato della funzione di Lagrange, vediamo di
determinare gli stati raggiungibili dallorigine (ossia x(0) = 0) in tempo nito.
x(t) = (t) x(0) + (t) u(s)
. .
movimento forzato
s [0, t)
Denizione: un sistema completamente raggiungibile se X
r
= R
n
, cio se possibile
raggiungere in tempo nito qualsiasi stato. X
r
denito in questo modo
X
r
= x(t) = (t) u(s) s [0, t), t nito
20
Sistemi Lineari Fondamenti di Automatica Mattia Natali
Propriet: il sistema completamente raggiungibile se e solo se questi n vettori
_
b, Ab, A
2
b, . . . , A
n1
b
_
rappresentano una base (vettori linearmente indipendenti). In altre parole dobbiamo vericare
che questi n vettori sono linearmente indipendenti, essi si chiamano vettori di raggiungibi-
lit. Un altro metodo ancora scrivere la matrice
R =
_
b Ab A
2
b A
n1
b

e vericare che det R ,= 0.


14.1 Legge di Controllo
Se noi poniamo una legge di controllo del tipo u(t) = k
T
x(t) + v (t) ossia controlliamo luscita
attraverso un componente (controllore) per poi regolare lentrata attraverso una retroazione,
gracamente parlando
v(t) +
// //
A, b
x(t)
//
oo
k
T
k
T
x(t)
+
OO
notiamo che andiamo a modicare la matrice A
x = Ax +b
_
k
T
x +v
_
=
_
A+bk
T
_
x +bv
e quindi applichiamo formalmente la seguente trasformazione
(A, b)
_
A+bk
T
, b
_
Propriet fondamentale (ssabilit degli autovalori): Gli autovalori del sistema con-
trollato
_
A+bk
T
, b
_
possono essere ssati ad arbitrio (per mezzo di un controllore k
T
) se e solo
se il sistema (A, b) completamente raggiungibile.
14.2 Osservazione e ricostruzione dello stato
Se un sistema osservabile signica che possibile calcolare lo stato iniziale x(0) conoscendo
lingresso o uscita nellintervallo di tempo [0, T). Se si riesce a osservare lo stato, allora si
riesce certamente a ricostruirlo, ossia determinare lo stato nale x(t) perch x(0) +u() x(t).
Denizione. Un sistema completamente osservabile se per T sufcientemente elevato
possibile determinare x(0) dalla coppia (u() , y ())
[0,T)
. Questo implica che non esistono degli
stati diversi tra loro che, avendo lo stesso ingresso, generano la stessa uscita. Ma vericare
se un sistema completamente osservabile seguendo la denizione molto difcile, bisogna
trovare una funzione tale che x(0) = F (u() , y ()).
Osservando gli stati y (t) avremo un sistema a n equazioni con n incognite (vettore x(0)):
_

_
y (0) = c
T
x(0) +du(0)
y (1) = c
T
x(1) +du(1) = c
T
Ax(0) +c
T
bu(0) +du(1) sapendo che: x(1) = Ax(0) +bu(0)
y (2) = c
T
A
2
x(0) +c
T
Abu(0) +c
T
bu(1) +du(2)
.
.
.
y (n 1) = c
T
A
n1
x(0) +c
T
A
n2
bu(0) + +du(n 1)
21
Sistemi Lineari Fondamenti di Automatica Mattia Natali
Ora prendiamo la matrice dei coefcienti di x(0):
=
_

_
c
T
c
T
A
c
T
A
2
.
.
.
c
T
A
n1
_

_
= matrice (n n)di osservabilit
Afnch il sistema sia completamente osservabile, i vettori di osservabilit (gli elementi
della matrice di osservabilit) devono essere linearmente indipendenti. Questo accade se e
solo se det ,= 0.
Teorema. Un sistema completamente osservabile se luscita libera (movimento libero di
uscita) y
lib
(t) = c
T
(t) x(0) ,= 0 x(0) ,= 0, in altre parole se il sistema ha un uscita nulla noi
dobbiamo avere lo stato iniziale nullo.
Infatti formalmente notiamo che
x = Ax +bu
x = Ax formula Lagrange x(t) = e
At
x(0)
y (t) = c
T
x(t) +
u=0
..

du = c
T
e
At
x(0)
per vedere luscita nulla dobbiamo per forza avere x(0) = 0, altrimenti non completamente
osservabile.
14.2.1 Esempio (matrice di osservabilit)
Le scuole medie hanno queste matrici:
A =
_
_

1
0 0
(1
1
)
2
0
0 (1
2
)
3
_
_
b =
_
_
1
0
0
_
_
c
T
=
_
0 0 (1
3
)

Ora verichiamo se completamente osservabile vedendo se


det = det
_
_
0 0 (1
3
)
0 (1
2
) (1
3
) (1
3
)
3

(1
i
)
_
_
,= 0
Ma si vede che la matrice non singolare perch i tre vettori sulle righe (vettori di osservabilit)
sono linearmente indipendenti (det ,= 0). Quindi il sistema completamente osservabile.
14.3 Dualit
Possiamo immaginare il sistema

come lo specchio di e viene denito come


=
_
A, b, c
T
, d
_

=
_
A
T
, c, b
T
, d
_
e il principio di dualit afferma che
completamente raggiungibile se e solo se

completamente osservabile.
completamente osservabile se e solo se

completamente raggiungibile.
22
Sistemi Lineari Fondamenti di Automatica Mattia Natali
14.4 Teoria del regolatore
La variabile u la pensiamo come uno scalare per semplicit. Bisogna dalluscita y ricostruire
lo stato attraverso il ricostruttore, poi avendo x si determina u. La macchina completa che
ricostrusce e controlla lentrata si chiama regolatore. Il ricostruttore ha il parametro di progetto
l. Nel gergo molte volte si chiama controllore anche il regolatore. Il risultato interessante del
regolatore questo: siccome x e x hanno le stesse variabili di stato avremo 2n variabili di stato.
Le variabili che vogliamo avere sono x e x x e non x e x. Cos avremo che:

reg
() =
A+bk
T ()
A+lc
T ()
avevamo studiato che questi due polinomi, il primo poteva essere ssato ad arbitrio (scelto
opportunamente il parametro k) se e solo se il sistema (A, b) completamente raggiungibile.
Laltro uguale se completamente osservabile. Quindi dediciamo che se un sistema com-
pletamente raggiungibile e osservabile allora possiamo pressare a piacere nostro questi due
polinomi caratteristici, quindi possiamo ssare a piacere gli autovalori e di conseguenza abbia-
mo il sistema del regolatore sotto il nostro completo controllo. In realt non possiamo avere
una coppia di autovalori complessi coniugati quando abbiamo solo uno scalare. Quindi non
proprio possibile mettere gli autovalori a piacere. Se la dimensione del sistema dispari non
possiamo ssare a piacere tutti gli autovalori.
15 Scomposizione in parti
Tutti i sistemi lineari possono essere scomposti al massimo in 4 parti (a, b, c, d). Non detto che
tutte le 4 parti siano presenti.
(a) Parte completamente raggiungibile ma non osservabile (r, no = Raggiungibile, Non Osser-
vabile).
(b) Parte completamente raggiugibile e osservabile (r, o = Raggiungibile, Osservabile).
(c) Parte n completamente raggiungibile n osservabile (nr, no).
(d) Parte non completamente raggiungibile ma osservabile (nr, o).
Questa scomposizione molto utile perch possiamo determinare la parte b che lunica che
effettivamente trasmette il segnale alluscita ed manipolabile da noi tramite il controllo del-
lentrata. Non tutti i collegamenti tra le varie parti sono possibili, per esempio i collegamenti
dallalto verso il basso non sono possibili, manca anche il collegamento tra c b (si perderebbe
losservabilit).
In modo pi analitico possiamo affermare che:
Raggiungibile si collega a raggiungibile.
Non raggiungibile pu collegarsi sia con raggiungibile che non.
Osservabile si collega con tutto.
Non osservabile solo con non osservabile.
Se un blocco non si connette per una delle precedenti regole non si connette. Esempio:
il blocco c non si collega a b anche se non raggiungibile (e quindi in teoria si dovrebbe
collegare con qualsiasi cosa) perch non osservabile.
23
Sistemi Lineari Fondamenti di Automatica Mattia Natali
Figura 4: Scomposizione in parte dei sistemi (caso semplice, caso completo)
15.1 Scomposizione e autovalori
Possiamo notare che i vari collegamenti non sono retroazionati. Quindi noi sappiamo che gli
autovalori del sistema complessivo sono il prodotto dei vari autovalori delle parti, ossia il po-
linomio caratteristico dellintero sistema in realt il prodotto dei 4 polinomi caratteristici di
a, b, c, d:
() =
a
()
b
()
c
()
d
()
15.1.1 Scomposizione e modello ARMA
Luscita come abbiamo detto prima dipende soltanto da quello che accade nelle parti b, d.
u
//
b
z
b
//
c
T
b
y
b
&&
+
+ y
//
d
z
d
//
OO
c
T
d
y
d
88
Se z
d
(0) = 0 y
d
(t) = 0

b
y
b
= N
b
u

b
y = N
b
u
, se z
d
(t) = 0 il sistema completamente raggiun-
gibile.
Se invece z
d
(0) ,= 0
b

d
y = N
b

d
u in questo caso vediamo che
d
parte comune, era
il discriminante tra il modello ARMA e la funzione di trasferimento.
15.2 Poli e Zeri
Il modello ARMA formato da due polinomi N, D, mentre la funzione di trasferimento il rappor-
to tra i due G =
N
D
=
N
b

d

b

d
=
N
b

b
: i poli e gli zeri della f.d.t. sono determinati soltanto dalla parte
b. Quindi possiamo notare che i poli sono gli zeri del polinomio caratteristico della parte b, ossia
della parte completamente raggiungibile e osservabile. Allora possiamo affermare che deter-
minare gli autovalori di un sistema completamente raggiungibile e osservabile equivalente a
determinare i poli della funzione di trasferimento.
24
Sistemi Lineari Fondamenti di Automatica Mattia Natali
16 Stabilit esterna
In inglese viene denito BIBO (Bounded Input Bounded Output). Per vericare la stabilit ester-
na perturbo lingresso e verico che luscita rimanga limitata. Il sistema esternamente
stabile se e solo se luscita forzata rimane limitata per ogni ingresso limitato.
Teorema. Il sistema esternamente stabile se e solo se i poli del sistema sono asintoticamente
stabili (se un sistema continuo la parte reale dei poli < 0, altrimenti il modulo del polo deve
essere minore di 1).
La stabilit esterna interessa solo la parte b del sistema ossia quello completamente
osservabile e raggiungibile.
16.1 Sfasamento minimo
Un sistema a sfasamento minimo se e solo se non ha zeri oppure, se li ha, sono stabili (per
stabilit si intende quella asintotica).
Un sistema ha un ingresso nascosto se ha ingressi diversi da 0 in qualche istante che,
con stati iniziali opportuni, danno luscita identicamente nulla. Come esempio immaginiamo
due carrelli collegati da una molla e al secondo viene applicata una forza u(t), il primo carrello
non lo possiamo vedere. Se noi vediamo il secondo carrello fermo nella posizione 0, possiamo
immaginare che esiste un ingresso nascosto di tipo sinusoidale che compensa la forza impressa
dal primo carrello che oscilla a causa della molla.
Lingresso, per essere nascosto, deve soddisfare la seguente equazione:
Nu = 0 con u ,= 0
questa formula deriva da Nu = Dy con y = 0.
Gli ingressi nascosti esistono se e solo se esistono zeri, quindi nei sistemi a sfasamento
minimo gli ingressi nascosti non esistono (se non esistono zeri) o sono evanescenti perch
man mano che il tempo passa tendono a zero.
16.2 Ricostruzione degli ingressi
Il problema ricostruire u(t) utilizzando un algoritmo che lavora su y (t). Occhio a non fare
confusione con la ricostruzione dello stato, son due cose completamente diverse. Chiamiamo
u il nostro ingresso ricostruito. y (t) lo conosciamo istante per istante, Nu(t) non lo conosciamo.
Quindi abbiamo
N u = Dy
Nu = Dy
perch entrambe le u, u soddisfano lo stesso sistema, per differenza otteniamo
N ( u u) = 0
quindi notiamo che qualsiasi u ricostruita sono diverse da quella vera, per la differenza tra
lingresso ricostruito e lingresso vero un ingresso nascosto per come labbiamo denito in
precedenza. Quindi in conclusione abbiamo
u
vero
= u +u
nasc
Inoltre in un sistema a sfasamento minimo, nel quale u
nasc
= 0 oppure u
nasc
0 avremo che
con il passare del tempo u
vero
u (perch, siccome non abbiamo zeri o sono asintoticamente
stabili, in Nu = Dy, y = 0 u = 0 e quindi non possiamo avere ingressi nascosti).
25
Sistemi Lineari Fondamenti di Automatica Mattia Natali
16.3 Algoritmo di ricostruzione
Lingresso pu essere ricostruito nei tempi discreti solo con un ritardo di r intervalli di tempo
elementari, e se non ci sono zeri nel sistema la ricostruzione esatta dopo un ritardo pari
allordine del sistema, r = num poli num zeri.
17 Risposte canoniche del sistema
Le risposte canoniche del sistema le abbiamo quando abbiamo degli ingressi particolari detti
anchessi canonici, gli ingressi canonici sono:
Impulso: un segnale di tipo rettangolare che rimane alto per un t 0. Molte volte
limpulso si scrive imp t.
Scalino (o gradino): si indica con sca t. La derivata dello scalino limpulso.
Rampa: si indica con ramp t. La derivata della rampa lo scalino.
Sinusoide.
Le prime tre sono le risposte di un sistema che inizialmente scarico (x(0) = 0). Essi sono molto
importanti perch:
1. Nella realt abbiamo molte volte degli ingressi canonici.
2. Dalle risposte canoniche, che possono essere rilevate sperimentalmente, si possono otte-
nenere delle informazioni sugli zeri e sui poli del sistema.
3. Nota la risposta canonica si possono calcolare le risposte del sistema a ingressi non
canonici.
Noi quando imponiamo un ingresso canonico non ci interessa lingresso precedente.
17.1 Risposta allimpulso
molto importante avere inizialmente lo stato del sistema nullo x(0) = 0. Se x(0) ,= 0 la risposta
del sistema non la risposta allimpulso. La risposta allimpulso la chiameremo g (t).
Fare un esempio (o due) di risposta allimpulso sica diversa da quelle discusse a lezione
(tipica domanda desame).
17.1.1 La formula di g ()
Queste formule si possono ottenere dalla formula di Lagrange:
g (t) =
_
_
_
c
T
e
At
b +dimp (t) tempo continuo
_
d per t = 0
c
T
A
t1
b per t 1
tempo discreto
La dimostrazione sulle dispense.
26
Sistemi Lineari Fondamenti di Automatica Mattia Natali
17.2 Integrale di convoluzione
Lo stato iniziale ancora nullo x(0) = 0. Ora invece di immettere un ingresso canonico ne
mettiamo uno qualsiasi abbiamo che
y (t) = c
T
x(t) +du(t)
= c
T
_

:
0
e
At
x(0) +

t
0
e
A(t)
bu() d ()
_
+du(t)
=

t
0
_
_
c
T
e
A(t)
b
. .
g(t)dimp(t)
_
_
u() d +du(t)
=

t
0
[g (t ) dimp (t )] u() d +du(t)
=

t
0
g (t ) u() d


t
t
dimp (t ) u() d +

du(t)
y (t) =

t
0
g (t ) u() d
Questo si chiama integrale di convoluzione ossia luscita del sistema equivale allintegrale del
prodotto tra la risposta allimpulso per lingresso.
17.3 Trasformata di Laplace
F (s) =


0
e
st
f (t) dt
una trasformazione lineare da funzioni reali con variabili reali a funzioni complesse con
variabili complesse.
Alcuni esempi di trasformate di Laplace:
f (t) = impt F (s) = 1.
f (t) = scat F (s) =
1
s
.
f (t) = rampt F (s) =
1
s
2
.
f (t) = e
at

t
k1
(k1)!
F (s) =
1
(sa)
k
.
Alcune propriet della trasformata:
L
_

t
0
f () d
_
=
1
s
F (s). Intregrare signica dividere per s.
L
_
df()
dt
_
= sF (s) f (0). Derivare signica moltiplicare per s.
L[f (t )] = e
s
F (s). Ritardare signica moltiplicare per e
s
.
L
_

t
0
g (t ) u() d
_
= F (s) G(s). La convoluzione il prodotto tra le due funzioni.
27
Sistemi Lineari Fondamenti di Automatica Mattia Natali
17.4 Trasformata Zeta
Data una funzione reale di variabile intera
f () = f (0) , f (1) , f (2) , . . .
la sua trasformata zeta una funzione complessa di variabile complessa denita in questo
modo
F (z) = f (0) +f (1) z
1
+f (2) z
2
+. . . =

t=0
f (t) z
t
Alcuni esempi di trasformate zeta:
f (t) = impt F (z) = 1.
f (t) = scat F (z) =
z
z1
.
f (t) = rampt
z
(z1)
2
.
f (t) = e
at
F (z) =
z
za
.
La funzione f () ritardata di un passo sar denita come
f

() = 0, f (0) , f (1) , f (2) , . . .


quindi alcune propriet sono:
f
+
() = f (1) , f (2) , f (3) , . . . la funzione anticipata di un passo.
zf
+
() = zF (z) zf (0) per anticipare quindi basta moltiplicare per z.
17.5 Risposta allimpulso, funzione di Trasferimento
Ora possiamo capire che loperatore p era la trasformata di Laplace G(s) = L[g (t)] nel tempo
continuo e la trasformata Zeta nel tempo discreto G(z) = Z [g (t)].
La funzione di trasferimento sappiamo per Souriau che
G(s) = c
T
(sI A)
1
b +d
Facciamo un esempio di trasformazione:
L[g (t)] = L
_
c
T
e
At
b +dimpt

= c
T
L
_
e
At

b +d
= c
T
(sI A)
1
b +d
questo perch avevamo detto che L[impt] = 1 e L
_
e
At

= (sI A)
1
.
La trasformata delluscita il prodotto della funzione di trasferimento per la trasforma-
ta dellingresso (le trasformate solitamente si scrivono in maiuscolo). Quindi la funzione di
trasferimento g ():
u(t)
//
g ()
x(0) = 0
//
y (t) =

t
0
g (t ) u() d
si trasforma in:
U (s)
//
G(s)
//
Y (s) = G(s) U (s)
Ricorda per che in questi casi luscita quella forzata ossia abbiamo che x(0) = 0.
28
Sistemi Lineari Fondamenti di Automatica Mattia Natali
17.6 Poli e zeri reali:
Zeri superiori: sono gli zeri pi a destra del polo dominante sul piano di Gauss.
Zeri inferiori: sono gli zeri pi a sinistra del polo minore.
Zeri ben inquadrati: hanno un numero identico di zeri sia alla sua destra che alla sua
sinistra rispetto allintervallo creato dai poli che lo circonda.
Zeri mal inquadrati: il numero di zeri alla sua sinistra diverso alla sua destra rispetto
allintervallo creato dai poli che lo circonda.
Quindi deniamo anche:
m
s
= numero di zeri superiori.
= numero zeri mal inquadrati.
N = numero estremi (massimi e minimi) nella risposta allo scalino.
abbiamo che
m
s
N m
s
+
N dispari (pari) se m
s
dispari (pari).
Ricordiamo che tutto questo vale solo se tutti i poli sono reali.
18 Regime periodico
Il regime periodico non signica necessariamente regime sinusoidale.
Il sistema ha uno e un solo regime periodico se e solo se j:

j
,=
_
i
2k
T
tempo continuo
e
i
2k
T
tempo discreto
(6)
in altre parole se e solo se i suoi autovalori hanno parte reale non nulla. Se lingresso periodico e
lo stato iniziale generico, non detto che noi siamo nella soluzione in regime periodico. Ma
il sistema se asintoticamente stabile, tender ad andare in regime periodico dopo 5
dominante
.
Alcune osservazioni:
Se il sistema iperbolico, ossia non ha autovalori con parte reale nulla nel caso a tempo
continuo e con modulo unitario nel caso a tempo discreto, la (6) vericata.
La (6) certamente vericata se il sistema asintoticamente stabile.
18.1 Serie di Fourier
u
T
(t) = c +

k=1
a
k
sin
_
k
2
T
t
_
+

k=1
b
k
cos
_
k
2
T
t
_
con

2
T
= pulsazione fondamentale.
k = 1 armonica fondamentare (o prima armonica).
c =
1
T

T
/2

T
/2
u
T
() d
a
k
=
2
T

T
/2

T
/2
u
T
() sin
_
k
2
T

_
d
b
k
=
2
T

T
/2

T
/2
u
T
() cos
_
k
2
T

_
d
29
Sistemi Lineari Fondamenti di Automatica Mattia Natali
18.2 Risposta in frequenza
Da un sistema completamente raggiungibile e osservabile
_
A, b, c
T
, d
_
con modello ARMA:

A
(s) y (t) = N (s) u(t)
a ogni ingresso sinusoidale
u
T
(t) = U sin (t)
con =
2
T
, corrisponde ununica uscita sinusoidale
y
T
(t) = Y sin (t +)
se e solo se
A
(i) ,= 0. Inoltre, in tal caso
Y = R() U = ()
ossia se raddoppiamo lingresso, luscita il doppio, sono legati linearmente e lo sfasamento
dipende da . R 0 si chiama risposta in frequenza o guadagno, mentre < 0 signica
ritardo.
18.3 Teorema della risposta in frequenza
Dato un sistema completamente raggiungibile e osservabile in regime periodico
(U, )
//
G(s)
//
(Y, , )
nota la funzione di trasferimento abbiamo che
R() = [G(i)[ () = arg G(i)
cio G(i) = R() e
i()
. Ricordiamo che arg (a +ib) = arctan
b
a
e [a +ib[ =

a
2
+b
2
.
18.3.1 Decibel
La risposta in frequenza R si pu esprimere in dB (deciBel)
R
dB
= 20 log
10
R
Siccome in scala logaritmica moltiplicare (dividere) per 10 signica aggiungere (togliere)
20 dB:
R = R
1
R
2
R
dB
= (R
1
)
dB
+ (R
2
)
dB
19 Diagrammi Polari
La rapresentazione della funzione di trasferimento :
G(i) = [G(i)[ e
i(arg G(i))
= R() e
i()
in questo modo posso rappresentare sia il modulo che lo sfasamento in un unico diagramma.
Ma faremo ben poco a lezione sui diagrammi polari.
30
Sistemi Lineari Fondamenti di Automatica Mattia Natali
Figura 5: Esempio di Diagramma Polare
19.1 Nyquist
19.1.1 Diagramma di Nyquist
Abbiamo una funzione di trasferimento G(s) con 0 il diagramma di Nyquist il diagram-
ma polare della funzione di trasferimento pi il suo ribaltato, ossia aggiungiamo al diagramma
polare anche la funzione G(i) = G(i), disegnamo quindi il suo coniugato.
19.1.2 Regola di Nyquist
Abbiamo un sistema retrazionato
F =
G
1 +GH
la regola di Nyquist dice che
P
+
F
= P
+
GH

NGH
/1
con:
P
+
F
: num poli instabili ad anello chiuso;
P
+
GH
: num di poli instabili ad anello aperto;


NGH
/1
: num di giri in senso antiorario intorno al punto 1;
Il numero di poli positivi di F (quelli instabili) uguale alla differenza tra il numero di poli
positivi della funzione di trasferimento dellanello aperto (P
+
GH
) e il numero di giri del vettore
GH intorno al punto 1 reale lungo il diagramma di Nyquist . Se lanello aperto stabile
signica che P
+
GH
= 0.
19.1.3 Criterio di stabilit di Nyquist
Il sistema ad anello chiuso esternamente stabile se e solo se

NGH
/1
= P
+
GH
In parole laggregato esternamente stabile se e solo se il diagramma di Nyquist della funzione
di trasferimento danello G(s)H(s) non passa per il punto ( 1 + i0) del piano complesso e il
numero di giri che compie attorno a tale punto (contati positivamente in senso antiorario)
coincide con il numero di poli di G(s)H(s) che hanno parte reale positiva.
31
Sistemi Lineari Fondamenti di Automatica Mattia Natali
20 Margine di Fase e Guadagno
Il margine di guadagno si calcola
k
m
=

crit

La pulsazione di taglio il valore di pulsazione alla quale si taglia il diagramma di Bode a


0 dB, si chiama (
c
, Omega Cut). Invece il margine di fase si calcola

m
= 180 +
180

arg GH (i
c
)
32