Corso Pratico Appunti ed

Esercizi Svolti di:

Teoria dei Sistemi

A cura di: Francesco di Dio

crididio@tin.it

Indice
1. Definizione di Sistemi e Teoria dei Sistemi .....................................................3
1.2 Contesto e Radici della Teoria dei sistemi ............................................................ 3
1.3 Il Modello e il Sistema Astratto............................................................................ 3
1.4 Tipi di Sistemi ..................................................................................................... 4
2. I sistemi allo studio ........................................................................................6
2.1 Le rappresentazioni con lo stato ........................................................................... 6
2.2 Le classi di rappresentazioni dei sistemi allo studio ................................................ 6
2.3 Sistemi a tempo continuo e a tempo discreto ........................................................ 8
3 Introduzione ai metodi di Analisi.....................................................................8
3.1 Analisi nel dominio del tempo............................................................................... 9
3.2 Analisi del comportamento in Frequenza............................................................. 11
3.3 Analisi qualitativa delle soluzioni......................................................................... 11
3.4 Sistemi interconnessi ......................................................................................... 11
4 Rappresentazioni Approssimate ....................................................................13
4.1 Tecnica per LApprossimazione Lineare ............................................................... 13
4.2 Campionamento e Tenuta per sistemi a tempo continuo...................................... 15
5 Analisi nel Tempo delle rappresentazioni Lineari...........................................17
5.1 Impulso di Dirac................................................................................................ 17
5.2 La Realizzazione Esplicita (nel tempo continuo) ................................................... 19
5.3 La realizzazione esplicita (nel tempo discreto) ..................................................... 25
6 La trasformata di Laplace ..............................................................................30
7 Analisi nel dominio complesso nel caso generale ..........................................31
7.1 Analisi nel Tempo Continuo................................................................................ 31
8 Forma e Diagrammi di Bode...........................................................................33
8.2 Diagrammi di Bode............................................................................................ 34
9 Propriet dello stato:.....................................................................................40
La Stabilit..........................................................................................................40
9.2 Tecniche per lo studio della Stabilit................................................................... 42
10 Propriet dello stato: ...................................................................................51
Raggiungibilit e Osservabilit ...............................................................................51
10.2 La scomposizione di Kalman............................................................................. 53
Appendice A .....................................................................................................56
Forma di Jordan ..................................................................................................56

1. Definizione di Sistemi e
Teoria dei Sistemi
Per Sistema intendiamo un aggregato di oggetti rispetto ad un
certo punto di vista, che possono essere trattati come se si
trattasse di un unico oggetto.
Punto di Vista
Sistema Arterioso, Sistema Venoso
Forma
Sistema Circolatorio,
Funzione

1.2 Contesto e Radici

della Teoria dei sistemi
Il contesto nel quale nasce la teoria dei sistemi quello del
novecento, caratterizzato da:
Spinta verso teorie unitarie;
Metodi di analisi descrittiva;
Nascita della teoria dellinformazione;
Questo favorisce la teorizzazione di unanalogia tra i processi
naturali, fisici, comportamentali, che costituisce la base sulla quale
si sviluppano i primi modelli matematici validi per diversi tipi di
sistemi.

1.3 Il Modello e il
Sistema Astratto
Il modello, una rappresentazione per analogia dell oggetto che
vogliamo rappresentare, pi in generale, il modello matematico
la rappresentazione pi astratta.
Per esempio, una popolazione di conigli pu essere rappresentata
matematicamente, dallespressione: p' (t ) cp (t ) ; dove p(t)
rappresenta il numero di conigli nel tempo, e c il tasso di
crescita.
Ma si visto che:
Fenomeni diversi possono essere rappresentati dallo stesso
Modello;
Lo stesso Fenomeno pu essere rappresentato da pi Modelli;
Per esempio:
Una resistenza ed una forza sono rappresentati dallo stesso modello:
Resistenza: V RI (t ) ;
Forza: F ma(t );

Questo ci porta a considerare che lo studio di un solo modello, con le

dovute interpretazioni, si pu applicare ai diversi contesti a cui pu
far riferimento.
La popolazione dei conigli pu essere modellizzata sia con
lequazione:
p' (t ) cp(t );
Ma anche con un equazione equivalente, dove per esempio p(t)
risulta:
p(t ) e c (t t0 ) p (t 0 ) ;
Ci suggerisce lidea che un modello non lequivalenza astratta del
fenomeno, ma una classe di equivalenza.

1.4 Tipi di Sistemi

Abbiamo diversi tipi di sistemi:
Sistema Astratto
Sistema Orientato
Sistema Autonomo
Sistema Dinamico
Sistema Causale
Sistema Stazionario
Sistema astratto:
Quando associamo ad un fenomeno fisico, non uno specifico modello
matematico,
ma
una
classe
dequivalenza
di
possibili
rappresentazioni (modelli matematici);
Sistema astratto Orientato:
Lo studio del fenomeno comprende le relazioni che intercorrono tra
le cause (input) e gli effetti (output), che ci consente di comprendere
come il fenomeno si comporta.
La scelta delle grandezza che ci interessa studiare, condiziona la
costruzione del corretto modello matematico associato.
Sistema Autonomo:
Gli input del fenomeno non sempre sono necessari allevoluzione
del sistema. Una popolazioni di conigli ad esempio si evolve a
prescindere se continuiamo ad immettere conigli nel sistema.
Sistema Dinamico:
Un sistema dinamico, quando la sua evoluzione e quindi la sua
uscita varia al variare dei parametri dingresso (t0) e allistante t1
continuo ad avere diverse possibili uscite.
La popolazione di conigli anchesso un sistema dinamico. Il suo
andamento sar diverso se allistante t0 ho una coppia di conigli o
dieci coppie, e allistante t1 avr diversi possibili scenari che

dipendono dalle condizioni di partenza. La resistenza invece non un

sistema dinamico, ad ogni entrata corrisponde unuscita.
Sistema causale:
Quando luscita dipende non solo dallingresso, ma anche
dallandamento del fenomeno fino allistante dinteresse (passato),
ma non dal futuro.
Sistema Stazionario:
Si tratta, come l'intuizione suggerisce, di sistemi in cui i possibili
comportamenti non dipendono dal tempo; in altre parole il risultato
di esperimenti sul sistema non dipende dall'istante in cui
l'esperimento inizia. I comportamenti sono dunque invarianti rispetto
alla traslazione temporale.
I sistemi allo studio sono del tipo: Lineari, Dinamici e
Stazionari.

2. I sistemi allo studio

2.1 Le rappresentazioni
con lo stato
Una rappresentazione di un sistema non fatta solo di variabili di
entrata e variabili duscita, ma il rapporto che intercorre tra loro
mette in gioco altre variabili che vengono chiamate di stato.
Queste variabili hanno lo scopo di mantenere tutte le
informazioni sul passato del sistema.
Esempio: Popolazioni di farfalle
BRUCOCRISALIDEFARFALLA
Con Xi identifichiamo il numero di individui nelle diverse fasi, e in
particolare:
X1= numero di Bruchi
X2=numero di Crisalidi
X3=numero di Farfalle
Xi(k) il numero di individui nella fase i;
Consideriamo come si sviluppa il sistema in un periodo finito,
supponiamo un mese.
Il numero di bruchi funzione del numero di farfalle che li
producono;
X 2 (k 1) s ( X 1 (k )); s 1 Il numero di crisalidi inferiore di un fattore s al numero di bruchi;
X 3 (k 1) n( X 2 (k ))
Il numero di farfalle proporzionale al numero di crisalidi;
g(k)=X3(k)
G(k) rappresenta luscita del sistema e cio il numero di farfalle;
X 1 (k 1) f ( X 3 (k ))

Come si vede, grazie alle variabili di stato (X1,X2), possibile per ogni
istante k del sistema avere tutte le informazioni sul passato del
sistema.
Quindi fissati gli ingressi, per ogni istante di tempo ho una sola uscita
che contiene tutte le informazioni sul sistema.

2.2 Le classi di
rappresentazioni dei
sistemi allo studio

I sistemi lineari a tempo continuo( t R ), e a tempo discreto( t Z )

che AMMETTONO rappresentazioni con lo stato, vengono tipicamente
descritte dal seguente sistema, se t R

x ' (t ) Ax (t ) Bu (t )
y (t ) Cx (t ) Du (t )
2.0.1 Tempo continuo

Dove:
u
y
x

vettore degli ingressi di dimensione Rn;

vettore che rappresenta le uscite del sistema di dimensione Rm;
vettore che rappresenta le variabili di stato di dimensione Rp;

A
B
C
D

matrice
matrice
matrice
matrice

pxp (x) (Matrice di Stato);

pxn (x n) (Matrice che forza lentrata;
mxp(y x) (Matrice delle uscite dello Stato);
mxn (y n) (Matrice delle uscite delle entrate;

Se per esempio abbiamo un sistema con 2 variabili dingresso,1

duscita e 2 di stato,
quindi abbiamo: n=2; m=1; p=2;
Il sistema che descrive ci :

a
a
x
b
b
u
1

11
12
12
1 11
1
a
21 a 22 x2 b21 b22 u 2
x2

x1

y c1 c 2
x

2
Lo schema sarebbe:
U1
S

U2
X1,2
Se invece il sistema a tempo discreto, lunico accorgimento da
attuare che la derivata delle variabili di stato rispetto al tempo
sostituita dalla variabile al tempo (t+1), quindi diventa:

x (t 1) Ax (t ) Bu (t )
y (t ) Cx (t ) Du (t )
1.2 Tempo discreto

Tutti i sistemi lineari:

Possono esseri descritti con questa rappresentazione (1.1 e 1.2);
Vettori duscita (y1yn ) e combinazioni lineari di essi sono ancora
soluzioni del sistema;
Possiamo fare diverse scelte sulle variabili di stato.


La corretta scelta delle variabili di stato pu semplificare il sistema,
per cui a partire da:
x(t) possiamo fissare un nuovo vettore z(t) legato ad x(t) dalla
relazione:
z(t)=T(x(t))
Con T matrice non singolare.
In questo caso avremo il sistema del tipo :

z (t ) TAT 1 x(t ) TBu (t )

y (t ) CT 1 x(t ) Du (t )
Nota che: Questa rappresentazione equivalente pu non essere
lineare.

2.3 Sistemi a tempo

continuo e a tempo
discreto
Alle rappresentazioni che abbiamo gi visto (1.1 e 1.2) implicite (in
quanto sono presenti le variabili di stato, associato uno schema di
realizzazione o di simulazione.

U(t)

x(t)

Integra

x(t)

Y(t)

Questo dispositivo simula il sistema in oggetto, per i sistemi a tempo

discreto, basta sostituire lintegratore con un elemento che genera
ritardo.

U(t)

+
x(t)

Ritardo
X(t+1)

x(t)

C
+

Y(t)

3 Introduzione ai metodi di
Analisi

Vediamo ora quali sono i metodi di analisi dei sistemi che

utilizzeremo nel corso:
Analisi nel dominio del tempo
Analisi nel dominio della frequenza
Analisi qualitativa delle soluzioni
Analisi dei sistemi interconnessi

3.1 Analisi nel dominio

del tempo

Effettuiamo ora lanalisi nel dominio del tempo di una popolazione di

studenti di un corso di studi di tre anni.
Indichiamo con Xi(t) Il numero di studenti iscritti nellanno di corso i
nel tempo (anno) t;
Indichiamo con ri il numero di studenti ripetenti nellanno di corso i;
Indichiamo con u il numero di iscritti allinizio dellanno;
Indichiamo con y(t) il numero di studenti che frequentano il corso di
studi al tempo t;
Le equazioni che descrivono il modello sono:
Tabella 3-1

x1 (t 1) r1 x1 (t ) u (t )

Il numero di studenti del primo anno dipende dal numero di

ripetenti del primo anno pi il numero di iscritti;

x 2 (t 1) (1 r1 ) x1 (t ) r2 x 2 (t ) Il numero di studenti del secondo anno dipende dal numero

di studenti che passano il primo pi quello degli studenti che
ripetono il secondo;
x3 (t 1) (1 r2 ) x 2 (t ) r3 x 2 (t ) Il numero di studenti del terzo anno dipende dal numero di
studenti che passano il secondo pi quello degli studenti che
ripetono il terzo;
y (t ) x1 (t ) x 2 (t ) x3 (t )
Il numero totale degli studenti al tempo t la somma degli
studenti di tutti e tre gli anni del corso;
Fissiamo i coefficienti dei ripetenti di ogni anno a:
r1= 0.3 (30%);
r2= 0.2 (20%);
r3= 0.1 (10%);
Questo un sistema lineare a tempo discreto (annuale) ed quindi
possibile esprimerlo attraverso la relazione:

x (t 1) Ax (t ) Bu (t )
y (t ) Cx (t ) Du (t )

Dove le matrici A,B,C,D sono cos definite:

0
0
0. 3
1

A 1 0.3
0.2
0 B 0
0
0
1 0.2 0.1

1 0 0

C 0 1 0
0 0 1

0

D 0
0

E il sistema prende cos la forma di:

x(t+1)=
1

y(t)= 0
0

0
0 x1 1
0. 3

A 1 0.3
0.2
0 x 2 + 0 1000
0
1 0.2 0.1 x 3 0

0 0 x1 0

1 0 x 2 + 0 1000
0 1 x 3 0

Che assolutamente equivalente a ci che abbiamo scritto nella

tabella 3.1;
E possibile visualizzare il grafico di questo sistema
utilizzando matlab.
Si definiscono le matrici A,B,C,D.
Si digita al prompt:
S=ss(A,B,C,D,1)
Ltiview(S);

Come si vede dal grafico, il numero di studenti si assesta dopo 5 /6

anni, ed il numero dato dalla somma degli studenti delle diverse
classi (X1,X2,X3);

3.2 Analisi del

comportamento in
Frequenza
Lo studio del comportamento in frequenza rappresenta un approccio
alternativo allanalisi dei sistemi dinamici. In particolare si studiano i
risultati a partire da sollecitazioni di tipo periodico alle variabili di
stato e alle variabili in ingresso che lo permettono.

3.3 Analisi qualitativa

delle soluzioni
Lanalisi qualitativa delle soluzioni consiste nello studio del sistema
grazie al quale possibile conoscere il comportamento generale del
sistema. A questo punto possibile fare delle considerazioni sullo
stesso senza dover calcolare la specifica soluzione.
Nel caso della popolazioni di studenti, dal grafico emerge che:
La numerosit della popolazione si stabilisce dopo un certo tempo t;
E possibile imporre che gli studenti in uscita dal corso siano un
determinato numero, e trarre delle conclusioni sul numero di studenti
che devono entrare per soddisfare questa condizione;
E possibile imporre il numero massimo di studenti presenti ai vari
anni e conoscere il numero di studenti che ogni anno escono dal
corso;
Queste considerazioni fanno parte dellanalisi qualitativa del sistema
che pi in generale prevede:
Analisi Qualitativa
Descrizione
Stabilit
Forma delle soluzioni nel punto dequilibrio;
Raggiungibilit
E possibile avere certi valori di in e out?
Osservabilit
Posso analizzare lo stato a partire dalle
equazioni di ingresso e di uscita?

3.4 Sistemi
interconnessi
I sistemi interconnessi sono generalmente tutti quei sistemi lo stato
dipende dalluscita e viceversa. Sistemi di questo genere sono per
esempio i controlli a retroazione; Nella forma pi generale si
presentano come in figura:

Un motore e il suo driver sono sistemi interconnessi in quanto la

velocit angolare in uscita dal sistema meccanico, deve essere
misurata dal driver per agire sulla corrente (o sulla tensione) in
ingresso al motore.

4 Rappresentazioni
Approssimate
Le rappresentazioni dei sistemi lineari non sempre sono fedeli al
100% al modello reale, le cause di ci possono essere molteplici:
Ipotesi Semplificative (ma non ce ne occuperemo)
Semplificazioni del modello:
1. Non Lineare Lineare;
2. Tempo continuoTempo discreto;
Quando ci troviamo di fronte ad un sistema non lineare, (vedi
Geometria) abbiamo una tecnica che ci permette di approssimarla ad
un sistema lineare, allo stesso modo di come la derivata di una
funzione in un punto approssima a quel punto,in un certo intervallo
I;
P(s)

s0

4.1 Tecnica per

LApprossimazione
Lineare
Ammettiamo di avere un sistema non lineare del tipo:

x f ( x, u )
y h ( x, u )
E supponiamo che i punti di equilibrio, cio i punti nei quali le
equazioni di stato f(x,u) si annullano, siano xe,ue. Avremo:
f(xe,ue) = 0;
h(xe,ue) = y(e);
Possiamo scrivere luguaglianza:

f ( x, u ) f ( xe , ue )

df
df
( x xe ) ( xe ,ue )
(u ue ) ( xe ,ue )
dx( xe )
du(ue )
Jacobiano

h( x, u ) h( xe , ue )

Jacobiano

dh
dh
( x xe ) ( xe ,ue )
(u ue ) ( xe ,ue )
dx
du

Jacobiano

Jacobiano

Da queste equazioni possiamo ricavarci le matrici che descrivono il

nostro sistema.
A=

df
( x xe )( xe ,ue ) ;
dx

Jacobiano

B=

df
(u ue )( xe ,ue ) ;
du

Jacobiano

C=

dh
( x xe )( xe ,ue ) ;
dx

Jacobiano

D=

dh
(u ue ) ( xe ,ue )
du

Jacobiano

Se poniamo:
x x x e
u u u e
y y y e

Avremo:

x Ax Bu
y Cx Du

La soluzione dei questo sistema coincide con lapprossimazione della

soluzione del sistema non lineare.
Esempio Preda-Predatore
Lesempio prevede due equazioni di stato non lineari, una per la
preda e laltra per il predatore.

x1 ax1 bx12 cx1 x 2

Preda:

Predatore: x 2 ex 2 c ' x1 x 2
Troviamo gli zeri delle equazioni che corrispondono ai punti
dequilibrio.
e
E1 X 2
x1 (a bx1 cx 2 ) 0
E1X 1 0
c'
ac'be
E1 X 2 0
x 2 (e c ' x1 ) 0
E2 X 2
cc'

La matrice Jacobiana delle equazioni vale:

f ( x1 )

x1
J( x 1 ; x 2 )=
f ( x 2 )

x 2
E quindi, calcolata

f ( x1 )

x1 x 2
f ( x 2 )

x 2
nello specifico avremo:

a 2bx1 cx 2
c' x 2

J( x 1 ; x 2 )=

cx1

e c ' x1

Da cui, calcolandola nei punti E1 ed E2:

a 0

J(0,0)( x 1 ; x 2 )=

be

c'

e ac 'be
J ,
( x 1 ; x 2 )= ac' be
c cc'

Queste due matrici rappresentano le approssimazioni lineari di stato

per il sistema preda predatore nei punti E1 ed E2, quindi otteniamo
due matrici A.

4.2 Campionamento e
Tenuta per sistemi a
tempo continuo
Per approssimare un sistema a tempo continuo in uno a tempo
discreto occorre fare il campionamento del sistema. Questo tipico
dei processi economici molti dei quali evolvono in modo continuo ma
una loro discretizzazione li semplifica enormemente. Landamento del
PIL in una nazione evolve in maniera continua, ma possiamo creare
un modello matematico che sfruttando delle opportune variabili di
stato gestisca il sistema con tempo unitario pari a un mese. Per far
ci occorre campionare il sistema, le variabili ecc..
Campionamento
E un processo di misurazione a tempo discreto. Ogni tot tempo
effettuo una misurazione. Il grafico risultante approssimer a quello
reale in modo inversamente proporzionale al tempo tra un
campionamento e laltro.

Sistema a tempo continuo

Sistema a tempo discreto (tc=1)

Sistema a tempo discreto (tc=1/2)

Come si vede dai grafici, maggiore il tempo di campionamento,

minore sar la precisione. Ma un altro parametro importante la
quantizzazione.
Quantizzazione
Il calcolatore non ha precisione infinita, quindi oltre alla limitazione
della discretizzazione del tempo, abbiamo anche il limite della misura
approssimata del valore della funzione nel tempo, dato che il
calcolatore non lavora con precisione infinita.
Se nellesempio precedente, fossimo limitati a soli tre valori della f(t),
il grafico, pur con tempo di campionamento (tc) uguale a 1,
risulterebbe molto poco accurato.

Sistema a tempo discreto (tc=1/2) Quantizzato

Inoltre nel calcolo della derivata in sistemi a tempo discreto, questa

approssima con lincremento della variabile tempo.
xkT T x (kT )
T
E quindi

x( k T )

x(t ) f x (t ), u (t )
x(k 1) f c x(k ), u (k )

5 Analisi nel Tempo delle

rappresentazioni Lineari
Esistono due tipi di rappresentazioni dei sistemi. Il modello implicito
e il modello esplicito.
La rappresentazione implicita, costituita dalle equazioni racchiuse
dal sistema del tipo:

x ' (t ) Ax (t ) Bu (t )
y (t ) Cx (t ) Du (t )
La rappresentazione esplicita invece quella che restituisce le
soluzioni del sistema differenziale visto in precedenza.
Possiamo individuare due casi:
CASO I
Sistemi con un solo ingresso, una sola uscita, un solo stato.
Praticamente, in questo caso le matrici A,B,C e D sono degli scalari. E
il sistema un semplice sistema differenziale le cui soluzioni sono la
somma della omogenea, pi la soluzione generale.

x' (t ) Ax (t ) Bu (t )

diventa:

x' (t ) ax (t )
La cui soluzione data: Omogenea: x(t0)=x0 + Soluzione generale;
Quindi:
t

x(t ) e

a ( t t0 )

x0 e a (t t0 ) bu (t ) dt
t0

Analogamente, per lequazione implicita:

y cx(t ) du (t )
la soluzione :
t

y (t ) c(e

a ( t t0 )

x0 ) e a ( t t0 ) (bu )dt Du (t )
t0

5.1 Impulso di Dirac

Per avere una rappresentazione pi sintetica della rappresentazione
esplicita utilizziamo la funzione:
(t ) Impulso di Dirac
Funzione che vale + nellistante in cui si annulla largomento.

Impulso

0 [ a, b]

( )d 1
a

In t0 abbiamo limpulso (t 0 ) , quindi:

b

f ( ) (t t

)d f (t 0 ) da cui possiamo scrivere:

u (t ) u ( ) (t )d
a

Sostituendo avremo:
t

y c(e

a ( t t0 )

x 0 ) (ce a ( t ) b d (t ))u ( )d
t0

CASO II
Abbiamo un sistema con pi ingressi, pi uscite e pi stati. In questo
caso i coefficienti delle nostre equazioni differenziali nel modello
implicito sono delle matrici. Il risultato non cambia.
E avremo:
t

x (t ) e

A ( t t0 )

x 0 e A( t ) Bu ( )d
t0

Evoluzione Libera dello stato

Q(t)

Evoluzione Forzata dello stato

H(t)

y (t ) C

A ( t t0 )

x0 (Ce A( t ) B )u ( )d
t0

Evoluzione libera della risposta

(t)

Q (t ) e At

Evoluzione forzata della risposta

W(t)

H (t ) e At B

 (t ) Ce At

W (t ) Ce At B

Quindi il calcolo del modello esplicito si riduce ad

eAt.

5.2 La Realizzazione
Esplicita (nel tempo
continuo)
Per calcolare ed analizzare esplicitamente il sistema, dobbiamo
studiare la matrice eAt. Lo studio di questa matrice porta ad
analizzare delle soluzione. Il tipo di queste soluzioni porta a
comprendere in che modo evolve il sistema. Abbiamo due casi di
studio nelle rappresentazioni lineari: a tempo continuo e a tempo
discreto.

Se poniamo D=TAT-1
E sappiamo calcolare eDt allora
-1 Dt
eAt= eT-1DTt= T e T
La matrice A nota ;
La matrice D funzione di A e di T, allora basta calcolare T.
La matrice T-1 la matrice degli autovettori di A.
Studieremo i casi in cui A SEMPLICE, cio gli autovettori di A sono
tutti distinti, o se la loro molteplicit uguale alla dimensione del
rispettivo autospazio. (vedi Geometria).

1
3 2
d ( ) 2 5 4 1
Esempio: A
2 4
1 2
Sostituendo questi valori alla matrice

3 k
1

A I

2 k

ottengo una matrice, i cui vettori linearmente indipendenti saranno

gli autovettori (u,u1,uk), dellautospazio k .
1
2
In questo caso sostituendo 1 ottengo u1= e con 2=
1
1
Avremo che:
1 2
1 2
3 2

T 1
T
A
1 1
1 1
1 2
E che:
1 0 1 0


T 1 AT
0 2 0 4
Dato che:

 1 2 e t

eAt=T-1etT=
1 1 0

e t 2e 4t
t
e e 4t

0 1 2

=
4t
e 1 1

2e t 2e 4t

t
4t
2 e e

A questo punto siamo in grado di calcolare esplicitamente

levoluzione generale del sistema.

e t 2e 4 t 2e t 2e 4 t
x
Q (t ) t
4t
t
4t 0

e
2
e

t
4t
t
e 2e
2e 2e 4 t

B
H (t ) t
4t
t
4t

e
2
e

e t 2e 4t 2et 2e 4t
x
(t ) C t
4t
t
4t 0

e
2
e

t
4t
t
4t
e 2e
2e 2e
B D
W (t ) C t
4t
t
4t

e
2
e

Se gli autovalori non appartengono tutti ai reali, ma

abbiamo coppie di complessi coniugati, la soluzione esplicita
ha una forma diversa.
Poniamo il caso che n(A)=3.

d ( ) 3 a 2 2 a1 a
Con :
1
j

Reale
Complessi Coniugati

Adesso associamo gli autovettori agli autovalori in questo

modo.
1u (come abbiamo fatto prima)

Ua=[;]
(Dividendoli in parte reale (ua) ed immaginaria(ub));
Ub=[;-]

Gli autovettori associati ai complessi coniugati, (per essere trovati

esplicitamente)devono soddisfare:
a c a c
a
c

u a ; u b
A
b d b d
b
d
Risolto il sistema, possiamo trovarci le matrici di trasformazione T e
T-1:

u ua

E TAT-1= 0
0

ub

T va
v
b

ma et...

cos( t )
e t
sin( t )

sin( t )

cos( t )

Quindi

e t

et= 0
0

cos(t ) sin( t )
sin( t ) cos(t )
0

infine:

At
e = u ua

ub

e t

0
0

cos(t ) sin( t ) v a
sin( t ) cos(t ) vb
0

Le cui soluzioni sono:

eAt=
et
et

et u v +
ua ( vacost + vb sin t ) +
ub ( vbcost va sin t )

Conclusioni
Se moltiplichiamo quanto abbiamo ottenuto per x0 (eAtx0)
siamo in grado di calcolare levoluzione libera dello stato del
sistema.
Tuttavia possiamo ancora applicare qualche sostituzione per
semplificare i calcoli:
Posto:

v' x 0 c v' a x0 c a

v' b x0 cb

(rappresentano le componenti di x0 nella nuova base u ua

ub)
E:

m c a2 cb2

sin

ca
m

cos

cb
m

Troviamo che levoluzione libera vale:

ce t u me t sin(t )u a cos(t )u b
Evoluzione Libera

E Inoltre:

Calcolo Esplicito delle Soluzioni

(a tempo continuo)
Evoluzione Libera
Evoluzione Forzata

eAtx0

eAtB

Risposta Libera

Risposta Forzata

At

CeAtB+D

Ce x0

I modi naturali ci indicano ,attraverso le soluzioni che abbiamo

trovato con lo studio di eAt, il modo in cui evolve il sistema. Questa
evoluzione (legge di moto) nel tempo dipende dagli autovalori
della matrice A. In corrispondenza degli autovalori reali abbiamo un
modo aperiodico, in corrispondenza di autovalori complessi abbiamo
un modo pseudo-periodico.

Nel caso generale (n dimensione) avremo:

+ autovalori reali;
+ autovalori complessi;
Ma abbiamo sempre due modi:

 Uno dato dalla somma degli autovalori reali: aperiodico;

Uno dato dalla somme degli autovalori complessi: pseudoperiodico;
La combinazione lineare di queste due leggi di moto, ci d
landamento del sistema in funzione del tempo.
MODO APERIODICO
E il modo associato agli autovalori reali nello spazio nella direzione
dei corrispondenti autovettori che formano la nuova base sulla quale
il sistema evolve.
E definito dalla legge di moto:

e t u
Legge di moto esponenziale nella direzione del vettore (autovettore)
u.
Il verso stabilito da .
>0 Si muove in direzione u verso infinito;
=0 Il moto zero sul vettore (componente) u;
<0 Si muove verso lo zero in direzione u man mano che
il sistema evolve;

MODO PSEUDO-PERIODICO
E associato alle coppie di autovalori complessi coniugati. Essendo
leggi di moto definite lungo le direzioni associate a questi autovalori
con funzioni di tipo seno e coseno, hanno un andamento di tipo
elicoidale.
In particolare se abbiamo:

ju
Se
a=0 Il moto rappresentato da un ellisse;
a<0 Il moto di tipo a spirale che si chiude, (tende a
zero);
a>0 Il moto di tipo a spirale che tende a infinito,
come in figura;

Le leggi di moto nel dominio del tempo saranno delle oscillazioni

smorzate, amplificate o costanti dipendentemente dal valore del
parametro alfa;
In generale quando il sistema A semplice la sua evoluzione nel
tempo sar la combinazione lineare dei due modi; Se abbiamo per
esempio un modo aperiodico che tende a zero, e alfa uguale a zero
ci aspetteremo che il sistema evolva ad elica che si schiaccia in
prossimit dello zero. Come in figura.
Aperiodico:
Pseudo Periodico:

<0;
=0

5.3 La realizzazione
esplicita (nel tempo
discreto)
La rappresentazione con lo stato nel caso discreto, non cambia
rispetto al dominio nel tempo continuo.

x(k 1) Ax(k ) Bu (t )
y (k ) Cx(k ) Du(t )
x(k 0 ) x0
La realizzazione esplicita, molto semplice da calcolare, basta
semplicemente sviluppare i calcoli:

x( k 0 1) Ax 0 Bu ( k 0 )
x( k 0 2) Ax (k 0 1) Bu ( k 0 1)
A( Ax 0 Bu (k 0 )) Bu (k 0 1)
A 2 x0 ABu ( k 0 ) Bu ( k 0 1)
x( k 0 3) A 3 x0 A 2 Bu (k 0 ) ABu ( k 0 1) Bu (k 0 2)

E quindi la rappresentazione esplicita possiamo sintetizzarla con:

k 1

x(k ) A

k k0

x0

k 1

Bu ( )

k0

k 1

y ( k ) CA

k k0

x0

CA

k 1

Bu ( ) Du ( k )

k0

Sintetizzando Avremo:

(k ) A k
(k ) CA k

H (k ) A k 1 B
CA k 1 B; k 0
W (k )
D; k 0

Rappresentazione Esplicita
Matrice di Transizione

Matrice delle risposte Impulsive

Trasferimento in Uscita

W Matrice delle risposte Impulsive in Uscita

Similmente al caso a t continuo, il calcolo delle soluzioni passa per il

calcolo di Ak.
La differenza sta nel fatto che, per una semplicit di calcolo, nel
caso di autovalori complessi utilizziamo la forma di rappresentazione
esponenziale:

a ij (cos isen ) e ij
Esempio:
n=3
Abbiamo 3 autovalori:

ij

e ij

Calcoliamo gli autovettori nel modo che abbiamo gi visto in 5.2.1

Otteniamo:

T 1 u u a

TAT

ub

0
0

A k u u a

v'

T v a'
v'
b
0

cos
sin

sin
cos

u b 0 cos
0 sin

v'

sin v a'
cos vb'

Facendo i calcoli otteniamo:

A k k uv ' k u a cos kv a' sin kv 'b k u b cos kv ' b sin kv ' b

Evoluzione Libera
Per il calcolo dellevoluzione libera dobbiamo calcolare Akx0, ma
dobbiamo calcolare x0, nella nuova base, u, ua, ub:

v' x0 c

v' a x0 c a
v' x c
b
b 0

Se poi, poniamo:

m c a2 cb2
c
sen a
m
c
cos b
m

A k x0 ck u m k sin(k )u a cos(k )ub

In generale, in corrispondenza di autovalori reali abbiamo
sommatorie del tipo cku.
In corrispondenza di autovalori complessi coniugati, abbiamo una
sommatoria del tipo: m k sin(k )u a cos(k )u b .

Quindi, anche in questo caso possiamo stabilire landamento

dellevoluzione libera, nelle diverse direzioni (u,ua,ub) guardando gli
autovalori della matrice A.
I modi naturali nel tempo discreto sono 3:
reale

Aperiodico
Alternante

1 APERIODICO R 0
Il sistema evolve nella direzione di u ( k u )
Ma distinguiamo due casi:

0<l<1

l>1

2 ALTERNANTE R
Ricordandoci che per:
k

1 decrescente Alternante

K parik>0
K dispari k<0

1 crescente Alternante

3 PSEUDO PERIODICO

E il modo associato agli autovalori complessi coniugati, da quello che

abbiamo visto nel calcolo delle soluzioni, la legge di moto associata a
questi tipi di autovalori sono descritte da equazioni del tipo:

m k sin(k )u a cos(k )u b
Per cui se:

0<<1 Nel piano complesso generato da ua ub abbiamo un elicoide che

converge nellorigine, mentre nel dominio del tempo avremo un moto
sinusoidale che tender a smorzarsi nel tempo.

r>1

Nel piano complesso generato da ua ub abbiamo un elicoide che

diverge dallorigine, nel dominio del tempo, invece avremo una
sinusoide che tender ad amplificarsi nel tempo.

6 La trasformata di Laplace
La trasformata di Laplace risulta essere fondamentale per passare
dal dominio della variabile complessa, a quello della variabile reale
(del tempo,).
Indicando con L( f (t )) loperazione di trasformazione della funzione
f(t), valgono le seguenti propriet:
1) Linearit:
2) Derivazione:

Lf (t ) g (t ) F ( s ) G (s )
L f(t ) sF ( s ) f (0)

Ricordando che (quasi) sempre possibile scomporre la nostra f(t) in

somma di funzione pi semplici, vediamo alcune semplici
trasformate-antitrasformate.
F(s)

F(t)

Descrizione

(t )

Funzione Impulsiva

1
s

2
s 2
s
2
s 2
b
sa
F(s-)

1 (t )

Funzione Gradino
Unitario

F(s) e

sT

sin(t )1 (t )
cos(t )1 (t )

be at

L et f (t )

Lf (t T )

Cambio di variabile
Teorema della
Traslazione

7 Analisi nel dominio

complesso nel caso generale
7.1 Analisi nel Tempo
Continuo
Nel caso in cui la matrice A non sia semplice, ovvero che la
molteplicit geometrica degli autovalori sia diversa da uno, il
procedimento per il calcolo delle soluzioni risulta essere pi
complesso.
Possiamo immediatamente verificare la semplicit di A, andando a
trasformarla nel dominio complesso:

sI A1

E ( s)
;
m( s )

m( s) ( s 1 )1 ( s 2 )1 ...(s n )1
Se tutti i fattori di m(s) sono elevati 1, allora A semplice. In caso
contrario non lo .
Se A non semplice bisogna riscrivere (s) in frazioni parziali:
m

( s)
i 1

Ri , k *
s i

*: k la potenza con la quale appare il fattore che contiene i

Quindi nel caso di fattori con molteplicit mi 1, avremo k=mi
frazioni parziali di quel fattore:
Esempio:

s 2 3s 5
p( s )
( s 1)( s 2) 2 (s 1)( s 3) 3
p(s)

b
d
a
b1
c
d1
d2

2
3
2
( s 1) ( s 2)
( s 2) ( s 1) ( s 3)
( s 3)
( s 3)

Chiarito che:
kh= esponente del binomio a denominatore del resto h;
mh= molteplicit dellautovalore h;
In b:
k=2; m=2;
In b1:
k=1; m=2;
La formula generale per trovare i resti b1 e b2, d1, d2,ecc :
mh k

bh

1
d
mh
*
p
(
s
)

h
h
(mh k )! ds mh k

*:calcolata nel punto h

Nel caso specifico:

b p( s)s 2 s 2
2

2
1 dp( s )(s 2)
b1
s 2

ds
2 1

A questo punto per calcolare la (t ) basta antitrasformare la (s) , il

che molto semplice in quanto gi espressa in frazioni parziali.

8 Forma e Diagrammi di Bode

Lanalisi della risposta armonica della funzione di trasferimento della

variabile complessa s(j,) restituisce gli andamenti di modulo M()
e fase () della risposta armonica in frequenza.
Questi due valori sono importanti in quanto riescono a descrivere la
risposta del sistema nel suo complesso, in quanto:
M(),()W(s)W(t)
Per ottenere la W(s) del sistema a partire dalla rappresentazione con
lo stato, basta eseguire la seguente operazione.
W(s)=C(sI-A)-1+D
Questa operazione restituisce una funzione in s razionale, del tipo:

num(s ) bm s m ... b0

den(s )
an s n ...s n
(Con m n)

Questa rappresentazione della funzione di trasferimento non la sola

disponibile. E anche possibile esprimerla in forma di poli e zeri.
Infatti essendo dei polinomi a comporla, sia il numeratore che il
denominatore pu essere espresso attraverso gli zeri del polinomio
stesso, come produttoria dei binomi espressi come differenza tra la
variabile complessa s e gli zeri del polinomio.
m

(s z )
i

W ( s) k

i
n

(s p )
i

zi= ZERI (zeri del numeratore)

pi= POLI (zeri del denominatori)
k= GUADAGNO (costante di guadagno)
La funzione tende a k quando lingresso tende al gradino
unitario, infatti si dimostra in questo caso che la funzione razionale
tende ad 1 e di conseguenza W(s) tende a k.


Nel caso in cui uno o pi degli zeri della funzione una coppia di
complessi coniugati, a questo particolare zero (autovalore) del
polinomio al numeratore o al denominatore non sar pi associato un
binomio (s-) ma un trinomio di secondo grado: (s2+as+b).
Dividendo le produttoria tra binomi e trinomi avremo la funzione di
trasferimento espressa come di seguito:

( s z ) ( s
W ( s) k
( s p) (s

as b)
a ' s b' )

Ricordandoci che:
(s2+as+b) il risultato di ( s + (+j) ) (s + (-j))
E che :

2 2

Pulsazione Naturale=

k=

Smorzamento=

E Ponendo
1

p
1
'
z

Sostituendo otteniamo la Forma di Bode, in grado di esprimere la

funzione di trasferimento al pi utilizzando costanti,monomi,binomi e
trinomi.
Forma di Bode:

s2
(1 s ' )1 2 s w 2
k
k
W (s) k
'
s2
r
s (1 s ) (1 2
s 2
k '
k '

8.2 Diagrammi di Bode

I diagrammi di Bode non fanno altro che rappresentare limpulso
M() e la fase () nel dominio delle frequenze di omega.

Per fare ci utilizza una scala logaritmica per rappresentare il

dominio delle frequenze, allo scopo di comprimere i dati compresi tra
uno e infinito ed espandere quelli compresi tra 0 e 1.
Inoltre il modulo vero e proprio M(), viene rappresentato in decibel,
quindi:
M()=20log10 M()
Questo per fare in modo che il prodotto di due moduli che escono
fuori da elementi diversi della W(s) (che stanno in relazione tra loro
come fattori), sia definito da una somma (vedi propriet dei
logaritmi).
In questo modo il diagramma di una generica W(s) dato dalle
somme dei diversi diagrammi ottenuti a partire dalle combinazione
delle 4 componenti elementari che individuano la forma di bode di
quella funzione di trasferimento.
Conoscendo il comportamento del modulo e della fase di ogni singolo
elemento (costanti, monomi binomi e trinomi) , il grafico risultante
sar la somma dei singoli contributi.

1 K
2 J
3 1+j

j 2
4 1+ 2 j 2
k
k

Costante
Monomio
Binomio

K
s
1+as

Trinomio

1+as+bs2

Diagrammi di Bode (Analisi Degli elementi)

K>0
Esempio k=20
Il grafico del modulo costante e si attesta sul valore 20log1020=26
Il grafico della fase costantemente 0 o , essendo sempre reale
positivo. Quindi:

K<0
Il modulo resta sempre lo stesso, mentre la fase cambia, a 180 o
, in quanto sempre un valore reale (asse delle y) ma negativo
(nel piano complesso), quindi:

Il modulo y del monomio s, segue landamento di una retta del tipo

y=20x
Cio una retta che interseca M()=0 nel punto 1, con pendenza 20
decibel per decade.

E con fase pari a 90 o

(infatti nel piano complesso s rappresenta
2
la parte immaginaria).
Quindi il grafico avr un andamento del tipo:

1

s
Avr un andamento definito come y=-mx con m=20 decibel per
decade per il modulo;

Ed una fase pari a 270 (-90) o - , in questo modo:

2

1 j
In questo caso M(dB)= 20 log 10 1 2 2 .
Il comportamento asintotico di questa funzione M() :
1
Per 1 avremo che tender a zero e avremo

M(dB)=20log10(1) = 0;
Per >1 M (dB) 20 log 10 ( ) 2 20 log 10 20 log 10
Quindi avremo una retta avente per coefficiente angolare 20log10()
e per costante 20log10 ()
Per valori minori di

1
il modulo tender a zero:

Per

1
troviamo che M(dB)=20log10 2 3 ;

Per

1
abbiamo una retta che cresce di 20dB per decade;

Fase da 0 a

;
2

1 j
Facendo i calcoli arriviamo alle stesse soluzioni, cambiano solo i
segni, per cui avremo il coefficiente angolare negativo, e per
convenzione fase che va da 90 a 0.

Binomio

Binomio a denominatore

j
1 2

j
2

n
n

Nel caso del trinomio (che troviamo in corrispondenza di poli

complessi, il calcolo dellandamento del modulo un po pi
complesso.
Il modulo varr comunque:

M ( dB) 20 log10

2
(1 2
n

2
4
n

Come si vede, la quantit dominante

:
n

Per 0 , il radicando tender ad 1, e il modulo a zero:

M (dB) 20 log 10 1 0 ;
Per , per una nota propriet dei logaritmi possiamo scrivere:

M (dB) 20 log10 2 40 log10

n
n
40 log10 40 log10 n
Che non altro che lequazione di una retta, con coefficiente
angolare -40log10.
Per n vediamo che lunico valore che resta nellequazione : .
In quel punto il modulo varr:
M (dB ) 20 log 10 2
In questo punto si ha generalmente unamplificazione del modulo,
il valore n rappresenta in questo caso il modulo alla risonanza
del sistema.La fase di questo tipo di equazioni data

dallarcotangente di da 0 a ;
2

1 2
j

n
n2
2

Valgono le stesse regole del trinomio a denominatore, cambiano

soltanto i segni, e la fase che risulta opposta.

9 Propriet dello stato:

La Stabilit
La stabilit una propriet relativa alleffetto di perturbazioni al
sistema. Le perturbazioni possono avere natura diversa, a
seconda di dove agiscono:
Perturbazione
Sui Parametri
Sullo Stato
Sugli Ingressi

Stabilit
Strutturale
Interna
Esterna (In-Out)

Lunico tipo di stabilita che comunque studieremo la stabilit

interna.
Definiamo la Stabilit Interna:
Ammettiamo di avere:
x f x(t ), u (t )
Supponiamo che (xe,ue) sia una coppia di equilibrio, cio che
(xe,ue)=0
Che cosa accede se perturbiamo xe?
La definizione di stabilit interna ci dice che:
xe Stabile se:

x e

(t0 ) : x0 xe (t0 )

Cio, se fissiamo, un certo , noi vogliamo che preso un

levoluzione del sistema non si discosti pi di
xe Attrattivo se: al diminuire della distanza

x(t ) x il
e

sistema tende ad avvicinarsi a xe.

xe Asintoticamente Stabile se: xe stabile ed attrattivo
xe Globalmente Asintoticamente Stabile se: Se xe
stabile ed attrattivo anche se
xe Esponenzialmente Stabile se: xe stabile e tende ad
avvicinarsi nel punto dequilibrio con una legge di tipo
esponenziale del tipo:

e ( t t0 )

Affinch si abbia Stabilit Asintotica necessario che xe sia

un punto isolato, per qualsiasi intorno di xe non vi devono
essere altri punti dequilibrio.

Lo studio della stabilit si riduce allo studio della

stabilit del/i punto/i dequilibrio.
Nei sistemi lineari la stabilit di un qualsiasi moto si
riduce alla stabilit dellorigine del sistema.
Si osservi che in un qualsiasi sistema lineare, lorigine dello
stesso sempre un punto dequilibrio.
E facile,dunque, osservare che affinch il sistema sia stabile
necessario (e sufficiente) che gli autovalori del sistema
siano minori o uguali a 0. Infatti, in queste condizioni, tutte
le leggi di moto presenti nel sistema, tendono a zero,
garantendo la stabilit del sistema nei pressi dellorigine dello
stesso.

PERCHE:
Le leggi di moto
relative ad autovalori
con molteplicit
uguale ad 1 sono del
tipo:
cet
Le leggi di moto
relative ad autovalori
con molteplicit
maggiore di 1 sono
del tipo:
p(t)et

Xe stabile se:

xe 0
0 se m g' 1
Rei
0 se m g' 1
Con xe punto dequilibrio e mg molteplicit geometrica;
Xe asintoticamente stabile se:

Rei 0

Si verifica facilmente

Xe stabile se:

1 se m g' 1
i
1 se m g' 1

Xe asintoticamente stabile se:

i 1

Un sistema Stabile Esternamente quando ad una

perturbazione in entrata, corrisponde una perturbazione in
uscita dello stesso ordine di grandezza.
La condizione necessaria e sufficiente a verificare ci :
Per xe=0

Rei di W (t ) 0

(Poli di W(s) siano con parte reale

negativa)
Per xe 0 devo anche verificare che:

0 se mg' 1
Rei di (s)
0 se mg' 1
9.2 Tecniche per lo
studio della Stabilit
Abbiamo fin qui visto che la discriminante per verificare la
stabilit di un sistema data dallo studio della parte reale degli
autovalori del sistema, in particolare essa deve risultare almeno
negativa per tutti gli autovalori, per avere una qualche stabilit
nello stesso.
Il calcolo delle radici di un polinomio pu non sempre essere un
problema semplice, polinomi di grado superiori al quarto danno
gi abbastanza difficolt nel calcolo delle loro radici. Per questo
motivo esistono delle tecniche che permettono di studiare il
segno delle radici senza calcolarne il risultato.In particolare
abbiamo:
Stabilit
Condizione di stabilit
e stabilit asintotica
Condizione di stabilit
e stabilit asintotica
Studio della stabilit

Stabilit
lineari

nei

Sistema
Sistemi a tempo
continuo
Sistemi a tempo
discreto
Sistemi a tempo
continuo
e
discreto
sistemi Lineari discreti e
continui

Criterio
Criterio di ROUTH
Criterio di JURY
Mediante
APPROSSIMAZIONE
LINEARE
Mediante Tecnica
Rapida

Possiamo considerare il criterio di Routh come un estensione

del principio di Cartesio, il quale dimostra che in presenza di un
polinomio di secondo grado:
2

p( x) ax bx c

Considerando le coppie di coefficienti consecutive (a;b) (b;c)

Per ogni VARIAZIONE di segno

ABBIAMO
zero a parte reale POSITIVA;
Per ogni PERMANENZA di segno ABBIAMO
zero a parte reale NEGATIVA;

Il criterio consiste nella costruzione di una tabella e il relativo

studio che ne esce fuori che ci da la possibilit di stabilire:
1.
2.

Se tutte le radici hanno parte reale negativa;

Quante eventuali radici a parte reale positive sono presenti;
Ammettiamo di avere un polinomio di grado n del tipo:

p ( ) a n n a n 1 n 1 ... a11 a 0
Per applicare il criterio di Routh ad un polinomio di questo tipo
di 5 grado costruiamo una tabella di n+1 righe (6), cos fatta:

n
n-1
n-2
n-3

an
an-1
bn-2
cn-3

an-2
an-3
bn-3
cn-4

an-4
an-5
0
0

I coefficienti bn-2 , bn-3, cn-3 , cn-4 si calcolano in questo modo:

bn-2
an an-2
an-1 an-3
bn-2
Prendendo questi coefficienti si calcola:

bn 2

an
a n 1

a n2
a n 3

a n 1

bn3

an an 4
a
a n 5
n1
an1

cn-3
an-1 an-3
bn-2 bn-3
cn-2
Esempio:

d ( ) 5 3 4 23 22 2 4

Otteniamo:
5
1

(0)

-2

(0)

8/3

2/3

-11/4

75/4

16

Il risultato non cambia se moltiplichiamo una riga per un

numero positivo; ci pu semplificare i calcoli per trovare i
coefficienti successivi!
Ammettendo di svolgere le seguenti operazioni:
R3=R3 x 1/3;
R2=R2 x 1/4;
R1=R1 x 1/4;
Otteniamo:
5

(0)

-2

(0)

-11

75

16

Ricordando che: Condizione necessaria e sufficiente

affinch tutte le radici abbiano parte reale negativa
che non vi siano variazioni di segno tra i coefficienti
della prima colonna;
Il numero delle variazioni di segno equivalente alle radici a
parte reale positiva.
Righe
R5 R4

Variazione
No
1 negativa

R4 R3

No

2 negativa

R3 R2

Si

4 positiva

R2 R1

Si

5 positiva

R1 R0

No

6 negativa

Casi Singolari
1 Se si annulla il primo elemento della riga;
2 Se si annulla tutta una riga;
1)
Esempio:

d ( ) 4 23 22 4 3
Con il criterio di Routh otteniamo la seguente tabella:
4

-3

In questo caso, esiste una tecnica che permette di sostituire la

riga con lo 0, con un'altra equivalente.
Basta sommare alla riga con lo 0 (nel nostro caso la riga
2), la riga 2 traslata di tante posizioni quanti sono gli
zeri (nel nostro caso 1).

Con un piccolo accorgimento:

Se il numero di traslazioni effettuate (numero di
zeri) dispari cambio di segno:
Nel nostro caso:

La nostra nuova
Riga sar:

0
-3
-3

3
0
3

+
=

2) Se unintera riga si annulla il procedimento da eseguire pi

complesso.
Ammettiamo di trovare la seguente situazione:
7

Si pu dimostrare in questo caso che il nostro polinomio si pu

scrivere come prodotto di polinomi:

d ( ) d1 ( ) d 2 ( )
d1 ( ) ha radici descritte dalla tabella di routh fino alla riga 7;
d 2 ( ) un polinomio avente come coefficienti gli elementi della
riga 6, elevati con le potenze pari:

d 2 ( ) 2 6 4 4 2 2 2

Si dimostra che: Il criterio di Routh resta valido se al

posto della riga nulla, sostituiamo i coefficienti della
derivata della d2() nel nostro caso: ( 12, 16, 4 ).
Quando accade ci possiamo affermare con sicurezza che gli
zeri di d2() hanno simmetria quadratale.
Ci vuol dire che sono simmetrici rispetto sia allasse
reale che a quello immaginario.

Il metodo di Jury pi semplice di quello di Routh. E si applica

ai sistemi a tempo discreto. Anchesso passa per la
costruzione di una tabella del tipo:

a0
an
B0
Bn-1
C0

T0

a1
an-1
B1
Bn-2
Cn-1

a2
an-2

Cn-2

T1

T2

..
an
..
a0
Bn-1
B0

Dove lelemento Bk si calcola come Routh, ma senza la

divisione.

Bk

a0

a k 1

an

a n k 1

Calcolata la tabella, le condizioni necessarie e sufficienti

per avere tutte le radici con modulo <1 (Ricorda che
siamo in presenza di un sistema a tempo discreto, e abbiamo
gi detto che per avere stabilit la condizione necessaria che
le radici abbiano modulo <1!) sono:

d (1) 0
(1) n d (1) 0

a n a0
B B
0
n 1

T0 T2

Il metodo di Lyapunov si basa su un concetto noto della fisica

meccanica che ha applicato ai sistemi di equazioni differenziali.
E noto infatti, prendendo come esempio le montagne russe,
che nel percorso sono presenti dei punti di equilibrio, in
corrispondenza dei massimi e dei minimi locali, che possono
essere instabili (massimi) o stabili (minimi).

Punto
Dequilibrio
Non Stabile

Punto
Dequilibrio
Stabile

Il metodo di Lyapunov, ci permette di avere in maniera diretta,

informazione sulla stabilit di sistemi lineari e non, a tempo
continuo o discreto.
Per poterlo applicare correttamente sono per indispensabili
alcuni concetti.

Funzioni Definite Positive;

Funzioni Quadratiche;
Criterio di Sylvester;
Derivata lungo il moto (Gradiente);

Funzioni Definite Positive

Supponiamo di avere:
.

x f ( x)
Con xe punto dequilibrio, cio:
f ( xe ) 0
Per avere stabilit asintotica in xe necessario che esso sia
isolato, cio: J f ( x e ) 0
Se adesso prendiamo un intorno sferico di S(xe,r),
La nostra nuova funzione (applicazione):
V : Rn R
definita positiva se:

V ( x e ) 0, e x S ( x e , r ),V ( x) 0
E semidefinita positiva se:

V ( xe ) 0, e x S ( xe , r ),V ( x ) 0
Funzioni Quadratiche
Sono funzioni del tipo: y ax 2 le quali sono sempre positive o
sempre negative, (in questo caso dipende unicamente dal

coefficiente a ), possono essere anche vettoriali, in particolare

(per quello che interessa questo specifico caso) del tipo:

V ( x) x x e Q x x e
T

1x n

nxn

n x1

Con Q matrice simmetrica definita positiva;

Criterio di Sylvester
La condizione necessaria e sufficiente affinch Q sia simmetrica
definita positiva, che tutti i suoi minori principali siano
positivi.
Ricorda:
I minori principali
sono i determinanti
delle sottomatrici
che condividono la
diagonale.

x x x ...

x x x ...
x x x ...

... ... ... ...

x x x ...

x
x

x
x

Derivata Lungo il Moto V (x)

E il prodotto del gradiente della V(x) (FdL) per la f(x).

.
V ( x ) .
V ( x)
x
x
Ricapitolando:
V(x) Funzione di Lyapunov se:
E semidefinita positiva ed contenuta in f(x)V(x)>0

La sua derivata lungo il moto e semidefinita negativa; V ( x) 0

V(x) FdL asintotica se:

V(x)>0 e V ( x) 0
Xe localmente stabile se V(x) FdL in S(xe,r)
Xe localmente e asintoticamente stabile se V(x)
asintotica
Xe globalmente asintoticamente stabile se rInf e

Lim V (x)
x

ESEMPIO

xR

x x3

xe 0

Costruiamo una funzione V(x) def. Positiva contenuta in f(x);

V ( x) x 2 0
Verifichiamo che la derivata lungo il moto sia def. Negativa;
.

V ( x ) 2 x x 2 x ( x 3 ) 2 x 4 0
Quindi: Il nostro punto dequilibrio localmente asintoticamente
stabile!


Per il calcolo rapido della stabilit asintotica nei sistemi lineari a
tempo continuo e a tempo discreto, esiste una tecnica che ci
permette di verificare immediatamente se abbiamo a che fare
con sistemi stabili o no, cio ci consente di verificare se tutti gli
autovalori del sistema siano a parte reale negativa.
Sistemi a tempo continuo
Si dimostra che comunque fissata una matrice P simmetrica
def. Positiva, vale lequazione:

A' Q QA P
Se Q esiste allora tutti gli autovalori di A sono a parte
reale negativa.
Sistemi a tempo discreto
Per i sistemi a tempo discreto, comunque fissiamo P simmetrica
e def. Positiva, se esiste Q soluzione dellequazione:

A' QA Q P
Allora, tutti gli autovalori di A sono a parte reale <1, che poi
la condizione di stabilit asintotica per sistemi a tempo discreto!

10 Propriet dello stato:

Raggiungibilit e Osservabilit
Definiamo la raggiungibilit, la possibilit del sistema di
passare da uno stato allaltro. Definiamo osservabilit la
capacit di identificare tutti gli ingressi osservando le uscite del
sistema.
Queste due caratteristiche del sistema fanno parte dellanalisi
qualitativa dello stesso, in quanto ne studiano le caratteristiche
senza calcolarne direttamente le soluzioni.

Uno stato raggiungibile al tempo t, se esiste una

coppia (t0,u0) che porta quello stato a un valore x al
tempo t.
Questa caratteristica la si osserva nellevoluzione forzata, e per
verificare la raggiungibilit di tutti gli stati nei sistemi lineari, si
calcola limmagine di una determinata matrice.

Q B AB ... A n 1 B

Nel caso di sistemi lineari con matrici 3x3, Q diventa:

Q=[B|AB|A2B]
A questo punto si calcola il rango dellimmagine di Q.
Se (Im( Q ))
controllabile.

n allora il sistema non completamente

E possibile trovare una realizzazione, trasformando le

coordinate con una matrice T, in modo da esplicitare i
sottosistemi.
La matrice T che permette di fare ci, e composta dai vettori
L.I. di Q, e da un completamento qualsiasi che rendono la
matrice T di Rango uguale alla matrice A originaria.

base di completamento

T 1

ESEMPIO

1
B
1

*.In questo caso

Il vettore (1,0) un
qualsiasi vettore L.I.
complemento di T-1

1 2
1 3 1
R Im( AB )

A
1 2
1 3 1
T

1 1

1 0

Se andiamo a realizzare la trasformazione, potremo vedere

facilmente quali sono i sottosistemi raggiungibili, dato che
questi sono caratterizzati da tutti e soli i modi eccitabili.
Inoltre la Risposta Impulsiva, coincide con quella del
sottosistema raggiungibile.

Uno stato x controllabile se esiste un particolare ingresso che

porta lo stato al valore zero nel tempo t.
Nei sistemi a t continuo controllabilit=osservabilit
Nei sistemi a t discreto controllabilit=osservabilit
(solo se A invertibile)

Uno stato detto osservabile se possibile al tempo t0

distinguere la sua evoluzione in uscita rispetto a un altro stato.
Poich analiticamente possibile calcolare linosservabilit
degli stati, calcoleremo questa.
Per calcolare linosservabilit occorre verificare il rango del
ker(f) di una determinata matrice Q cos fatta.

CA

Q
...
n 1
CA

Nel caso di una matrice a 3x3, la matrice Q diventa:

C

Q CA
CA 2

ESEMPIO

1 2

A
C 1 1
2
1

1
1

Q
3
3

x x 2 0 1
Ker Q 1

3
x

3
x

0
2
1
1
Poich la dimensione di Ker(Q) minore di 2 (in generale di n),
il sistema non completamente osservabile.
E, anche in questo caso, possibile trovare una realizzazione,
trasformando le coordinate con una matrice T, in modo da
esplicitare i sottosistemi.
La matrice T che permette di fare ci, e composta dai vettori
L.I. di Ker(Q), e da un completamento qualsiasi che rendono la
matrice T di Rango uguale alla matrice A originaria.

T 1 Completamento Ker(Q)
Anche in questo caso, la Risposta Impulsiva coincide con
quella del sottosistema osservabile (ottenibile attraverso la
trasformazione con T-1).
Il sottosistema osservabile caratterizzato da tutti e soli i modi
eccitabili.

10.2 La scomposizione
di Kalman
La scomposizione di Kalman ha lo scopo di trovare una matrice
di trasformazione T-1, in grado di esplicitare il sistema lineare in
un insieme di coordinate, che lo dividono in 4 sottosistemi (vedi
anche figura)

S1:
S2:
S3:
S4:

Sottosistema
Sottosistema
Sottosistema
Sottosistema

Controllabile e Non Osservabile;

Controllabile e Osservabile;
Non Controllabile e Non Osservabile;
Non Controllabile e Osservabile;

La matrice T-1 cos formata:

T 1 T1 T2 T3 T4
Ricordando che
1 0

Se A 1 0 lo spazio B ortogonale ad A si calcola:
01

a b c 1 0
0

a b c 0 0

ab 0
c0

B 1 1 0

Lintersezione tra Spazi vettoriali va calcolata in questo

modo:
Abbiamo due spazi vettoriali A e B:
A B a1

a3 b1

a2

b3

b2

Se ai (con i che va da 1 a n ) pu essere generato da un

qualunque vettore di B, allora ai fa parte dello spazio
intersezione.
A questo punto definiamo i vari spazi:
Xr : Sottospazio di Raggiungibilit: Colonne L.I. di Im(Q);
Xor : Sottospazio Ortogonale a Xr;
XI : Sottospazio di Non Osservabilit: Righe L.I. di Ker(Q);
XoI : Sottospazio Ortogonale a XI;

Adesso possiamo calcolare le colonne della matrice T-1 si

trovano in questo modo:

T1 X r X I
T2 X r ( X oR | X oI )
T3 X I ( X oR | X oI )
T4 X oR X oI
Fatto ci possiamo operare la trasformazione di base che ci
consentir di ottenere una realizzazione standard che esplicita i
sottospazi nel modo che abbiamo gi descritto.
A11
0

TAT 1
0
0
CT 1 0 C 2

A12
A22

A13
0

A33

0 C4

A14
A24

A34
A44

B1
B

TB 2
0
0

Il sistema, in queste coordinate si presenta:

S1

S2

S3

S4

Appendice A
Forma di Jordan
Nel caso in cui la matrice A della rappresentazione di stato non
sia diagonalizzabile, per potere effettuare lo studio della matrice
di transizione si utilizza la forma matriciale di Jordan che ci
consente di pseudo-diagonalizzare la matrice A.
La matrice A non diagonalizzabile se gli autospazi associati
agli autovalori hanno dimensione diversa alla molteplicit del
rispettivo autovalore.
Ricordando che:

dim v1 n ( A 1 I )
Se dimV1 (dimensione dellautospazio v1 relativo allautovalore
1 diversa dalla molteplicit di 1, e questo per ogni
autovalore, allora A non diagonalizzabile.
Ma pu essere diagonalizzata con la forma di Jordan.
Che ci dice che esiste una matrice T tale che:
T-1 AT=J
Dove J la matrice di Jordan, diagonale a blocchi.
Sulla diagonale andranno tutti gli autovalori della matrice, negli
elementi J(i,i+1) andranno degli uno in corrispondenza di quegli
autovalori che generano autospazi di dimensioni non uguali alla
loro molteplicit.
Esempio:
Se la matrice A(4x4) ha 3 autovalori:
1=4 1=2
2=2 2=1
3=1 3=1
E dim(v1)=1 anzich 2 = 1, allora
4 1 0 0

0 4 0 0
J ( A)
0 0 2 0

0 0 0 1

Se (per assurdo) anche dim(v2) 2, allora

4

0
J ( A)
0

1
4
0
0

0
1
2
0

0
0

Trovare le Matrici di Trasformazione di Jordan

Esempio (n=2):
2 1

A
1 4
Troviamo gli autovalori di A:
2
1
( 3) 2 0
( A I )
4
1
1 2 3 ; quindi molteplicit aritmetica 2;
Troviamo gli autovettori di A:
1 1

Costruiamo la matrice P=(A-3I)=

1
1
Lunico autovettore linearmente indipendente (si considerano le
1
colonne)
1
Lautospazio generato da questo vettore ha dimensione 1,
diversa dalla molteplicit dellautovalore.
Infatti: dim p1 2 ( A 3I ) 2 1 1
Quindi:
Forma di Jordan:
Scegliamo un vettore v2 tale che Pv2 0; ad esempio v2=(1,0);
Scegliamo un vettore v1=v2P=(-1,1);
Abbiamo costruito la matrice T!

3 1
1 1

J= T-1AT=
T=
0 3
1 0
Esempio (n=3)
8

Prendiamo la matrice A= 0
9

Troviamo gli autovalori:

1=2 1=3 ( molteplicit 3

6 4

2 0
9 4

Troviamo gli autovettori:

6 6 4

La matrice P=(A-2I)= 0 0 0
9 9 6

Il rango di questa matrice 1, quindi la dimensione

dellautospazio associato a 1=3-1=2 1 ;
Quindi forma di Jordan;

 Troviamo un autovettore v2 tale che Tv2 0 v2=(1 ,0, 0);

Troviamo v1 = Tv2 = (6, 0, 9);
Troviamo un terzo vettore v3 indipendente da v1 tale che
v3 ker T , per es. v3=(0, 2, 3);
6 1 0

Abbiamo trovato la matrice T= 0 0 2

9 0 3

2 1 0

La matrice J=T-1AT= 0 2 0
0 0 2