Dispensa TDS

Note di teoria dei sistemi
di Augusto Ferrante
con contributi di Giacomo Baggio
Indice
1 Modelli di stato 3
1.1 Premessa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Classi di sistemi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Costruzione di un modello di stato . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.1 Scelta delle variabili di stato . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4 Punti di equilibrio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.5 Linearizzazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2 Analisi dei sistemi lineari e invarianti nel tempo 13

2.1 Evoluzione dello stato e dell’uscita . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.1.1 Teorema di sovrapposizione degli e↵etti . . . . . . . . . . . . . . . . . . . . . 14
2.1.2 Evoluzione libera ed evoluzione forzata . . . . . . . . . . . . . . . . . . . . . . 14
2.2 Funzione di trasferimento e risposta impulsiva . . . . . . . . . . . . . . . . . . . . . . 17
2.2.1 Realizzazione di stato . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3 La stabilità 21
3.1 Definizioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.2 Stabilità nei sistemi lineari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.2.1 Condizioni di stabilità per i sistemi lineari . . . . . . . . . . . . . . . . . . . . 22
3.2.2 Condizioni di stabilità per i punti di equilibrio di sistemi non lineari . . . . . 24
3.3 Stabilità BIBO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
A Esponenziale di matrici 25
A.1 Definizione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
A.2 Proprietà dell’esponenziale di matrice . . . . . . . . . . . . . . . . . . . . . . . . . . 25
A.3 Calcolo dell’esponenziale di una matrice . . . . . . . . . . . . . . . . . . . . . . . . . 27
A.3.1 Caso di matrici diagonalizzabili . . . . . . . . . . . . . . . . . . . . . . . . . . 27
A.3.2 Caso di matrici non diagonalizzabili . . . . . . . . . . . . . . . . . . . . . . . 30
1
2 INDICE
Capitolo 1
Modelli di stato
1.1 Premessa
Una classe molto generale di sistemi è quella dei cosiddetti modelli di stato in cui il legame fra
ingresso u(t) 2 Rm e uscita y(t) 2 Rp è espresso da una coppia di equazioni del tipo:
(
ẋ(t) = f (x(t), u(t), t),
(1.1.1)
y(t) = h(x(t), u(t), t),
dove il segnale vettoriale 2 3

x1 (t)
6 7
6 x2 (t) 7
x(t) = 6
6 .. 72
7 Rn
4 . 5
xn (t)
è detto stato del sistema. Il numero n di componenti dello stato x(t) è detto ordine del sistema.
Le funzioni f : Rn ⇥ Rm ⇥ R ! Rn , e h : Rn ⇥ Rm ⇥ R ! Rp sono continue con le loro derivate
prime.1 La prima delle (1.1.1), detta equazione dinamica, è un’equazione di↵erenziale del primo
ordine per il vettore x.
Si dice evoluzione dello stato del sistema (1.1.1) corrispondente allo stato iniziale x(t0 ) = x0 e
all’ingresso ū(t), t t0 , la soluzione x̄(t) della prima delle (1.1.1) con condizione iniziale x(t0 ) = x0
e con u(t) = ū(t).2 La corrispondente ȳ(t) = h(x̄(t), ū(t), t) per t t0 si dice evoluzione dell’uscita.
Date due traiettorie di ingresso, stato e uscita
(u0 (t), x0 (t), y 0 (t)) e (u00 (t), x00 (t), y 00 (t))
(definite, per esempio, su tutto l’asse reale), se
x0 (t0 ) = x00 (t0 ) e u0 (t) = u00 (t) 8 t t0 ,
allora, per l’unicità della soluzione dell’equazione di↵erenziale con condizione iniziale fissata, si ha
x0 (t) = x00 (t) e y 0 (t) = y 00 (t) 8 t t0 .
Si noti che potrebbe benissimo accadere che, per t < t0 , si abbia u0 (t) 6= u00 (t), x0 (t) 6= x00 (t) e y 0 (t) 6=
y 00 (t). Questo fatto si presta alla seguente importante interpretazione: di tutta l’informazione legata
1
Si indicherà con fi , i = 1, 2, . . . , n, hi , i = 1, 2, . . . , p, la i-esima componente di f , h, rispettivamente, cosicché
la equazioni in (1.1.1) si possono scrivere, componente per componente, nella forma ẋi (t) = fi (x(t), u(t), t), i =
1, 2, . . . , n e yi (t) = hi (x(t), u(t), t), i = 1, 2, . . . , p, rispettivamente.
2
Si noti che, con le ipotesi di regolarità fatte sulla f , si può dimostrare che la soluzione x̄(t) esiste ed è unica
almeno in un intorno destro di t0 .
3
4 CAPITOLO 1. MODELLI DI STATO
all’andamento delle traiettorie del sistema per t  t0 (andamento passato), la parte necessaria e
sufficiente per calcolare l’andamento delle traiettorie di stato e uscita del sistema per t t0 , nota
la traiettoria dell’ingresso per t t0 , è contenuta nel valore del vettore di stato all’istante t0 . In
altre parole, nel vettore x(t0 ) è riassunta la parte del passato del sistema che serve per calcolarne
l’evoluzione futura. Questa proprietà si dice proprietà di separazione dello stato.
1.2 Classi di sistemi

Si consideri un sistema del tipo (1.1.1).
Definizione 1.2.1 Il sistema (1.1.1) si dice invariante nel tempo o tempo-invariante se le funzioni
f e h non dipendono esplicitamente da t. In caso contrario il sistema si dice variante nel tempo o
tempo-variante.
Per esempio, il seguente sistema (il cui stato, ingresso e uscita sono scalari) è tempo-invariante:
(
ẋ(t) = sin(x(t) + u(t)),
(1.2.1)
y(t) = x(t)2 u(t).
Al contrario, il sistema
(
ẋ(t) = sin(x(t) + u(t)) + t,
(1.2.2)
y(t) = x(t)2 u(t).
è tempo-variante.
Definizione 1.2.2 Il sistema (1.1.1) si dice lineare se f e h sono funzioni lineari di x(t) e u(t).
In caso contrario il sistema si dice non lineare.
Si ricorda che f (x(t), u(t), t) è funzione lineare di x(t) e u(t) se e solo se esistono matrici
F (t) 2 Rn⇥n e G(t) 2 Rn⇥m tali che3 f (x(t), u(t), t) = F (t)x(t) + G(t)u(t). Analogamente dicasi
per h(t). Pertanto i sistemi lineari sono tutti e soli quelli rappresentabili con le equazioni
(
ẋ(t) = F (t)x(t) + G(t)u(t),
(1.2.3)
y(t) = H(t)x(t) + J(t)u(t),
dove F (t) è una matrice quadrata di ordine n (matrice di stato), G(t) è un matrice n ⇥ m (matrice
degli ingressi), H(t) è una matrice p ⇥ n (matrice delle uscite) e J(t) è una matrice p ⇥ m (matrice
di feed-forward).
Se F (t), G(t), H(t) e J(t) sono costanti (indipendenti da t), allora il sistema, oltre che lineare,
è pure tempo-invariante. Pertanto i sistemi lineari e tempo-invarianti, noti anche con l’acronimo
di sistemi LTI, sono tutti e soli quelli che possono essere rappresentati da una coppia di equazioni
del tipo
(
ẋ(t) = F x(t) + Gu(t),
(1.2.4)
y(t) = Hx(t) + Ju(t),
dove F 2 Rn⇥n , G 2 Rn⇥m , H 2 Rp⇥n e J 2 Rp⇥m .

3
Gli elementi di F (t) e G(t) sono funzioni, non necessariamente lineari, di t.
1.3. COSTRUZIONE DI UN MODELLO DI STATO 5
1.3 Costruzione di un modello di stato

La costruzione di un modello matematico a partire da un sistema fisico, è un processo molto delicato
che deve tenere conto delle due esigenze, di solito contrastanti, di avere un modello sia semplice sia
accurato.
Se si desidera un modello di stato bisogna fissare, oltre alle variabili che si considerano di ingresso
e di uscita, anche un insieme di variabili di stato. Questa scelta in generale non è immediata
e, comunque, non è mai univoca: da una buona scelta delle variabili di stato può dipendere la
semplicità, e quindi la trattabilità, del modello cui si perviene. Non esistono regole generali per la
scelta delle variabili di stato. Tuttavia, nel seguito si illustreranno alcuni esempi da cui si potranno
trarre alcune utili indicazioni.
Esempio 1.3.1 Si consideri il circuito elettrico rappresentato in Figura 1.1. Considerando la
+ b b
R1 R2
+
u(t) C1 C2 y(t)
b b
Figura 1.1: Rappresentazione di un doppio bipolo elettrico con due condensatori e due resistori.
tensione u(t) applicata come ingresso, e la tensione y(t) (a morsetti di uscita aperti) come uscita,
si vuole descrivere il circuito con un modello di stato. Si scelgano
" come
# variabili
" di# stato le tensioni
x1 (t) v1 (t)
v1 (t) e v2 (t) ai capi dei due condensatori C1 e C2 : x(t) = = . Indicando con
x2 (t) v2 (t)
ik (t) la corrente nel condensatore di capacità Ck , k = 1, 2, si hanno le due relazioni
1
ẋk (t) = ik (t), k = 1, 2. (1.3.1)
Ck
Si osservi anche che
x1 (t) x2 (t) u(t) x1 (t)
i2 (t) = , i1 (t) = i2 (t). (1.3.2)
R2 R1
Sostituendo queste relazioni nelle (1.3.1) e tenendo conto che y(t) = x2 (t), si ottiene il seguente
modello di stato. 8 " # " #
> R +R 1 2 1 1
< ẋ(t) = R1 R 2 C 1 R2 C1 x(t) + R1 C 1 u(t),
1 1
R2 C 2 R2 C 2 0 (1.3.3)
>
:
y(t) = [0 | 1]x(t).
Il modello cosı̀ ottenuto è lineare e del secondo ordine. Le matrici corrispondenti sono chiaramente
" # " #
R1 +R2 1 1
F = R1 R2 C1 R2 C 1 , G= R1 C 1 , H = [0 1], J = 0. (1.3.4)
1 1
R2 C2 R2 C2 0
Si noti che il modello è stato ricavato supponendo che i parametri Ck siano costanti (se non lo fossero
il modello cambierebbe). Se anche i parametri Rk , k = 1, 2, si possono considerare costanti nel
tempo allora anche F , G, H, e J lo sono e il sistema è tempo-invariante; se invece le variazioni nel
tempo di Rk (dovute per esempio ad invecchiamento dei componenti) non possono essere trascurate
allora il modello (1.3.3) è tempo-variante.
La scelta delle variabili di stato è, in questo caso, suggerita da considerazioni sulla fisica del
sistema: è chiaro che la coppia di tensioni ai capi dei due condensatori gode della proprietà di
separazione. D’altro canto, è pure ovvio che una qualunque coppia di variabili (x01 (t), x02 (t)), legate
alla coppia (x1 (t), x2 (t)) da una mappa invertibile, gode della stessa proprietà. Per esempio si
potrebbero benissimo scegliere le variabili x01 (t) = x1 (t) + x2 (t) = v1 (t) + v2 (t) e x02 (t) = x1 (t)
x2 (t) = v1 (t) v2 (t) che sono chiaramente legate alla coppia (x1 (t), x2 (t)) da una mappa invertibile.
Si verifichi che anche in tal caso si ottiene un modello lineare le cui matrici sono
" #
1 2 1 1
1 R1 C1 R2 C 2 R2 C1 RP C1
F = 1 2 1 1 ,
2 R1 C1 R2 C2 R2 C 1 RP C 1
" # 
1
R1 C 1 1 1
G= 1 , H= , J = 0, (1.3.5)
R1 C 1 2 2
R1 R2
dove si è posto RP = R1 +R2
Una scelta alternativa è x01 (t) = x31 (t) e x02 (t) = x32 (t), infatti le coppie (x01 (t), x02 (t)) e
(x1 (t), x2 (t)) sono chiaramente legate da una mappa invertibile" e quindi # contengono la stessa
x10
informazione. Si verifichi che, con questa scelta e definendo x0 := , il modello risulta
x02
8 2 q q 3
>
> 3 RR11R+R 2
x0 (t) + 3 3
(x01 (t))2 x02 (t) + 3 3
(x01 (t))2 u(t)
>
< ẋ0 (t) = 4 2 C1 1 R2 C 1 q R1 C 1 5
3 0 3
R2 C2 x2 (t) + R2 C 2
3
(x02 (t))2 x01 (t) (1.3.6)
>
> q
>
: y(t) = 3 x0 (t).
2
Questo sistema è chiaramente non lineare ed è molto più complesso da trattare del modello lineare
(1.3.3) che pure rappresenta lo stesso legame tra ingresso e uscita.
Infine si consideri la scelta x01 (t) = (t2 + 1)x1 (t), x02 (t) = (t2 + 1)x2 (t). Queste variabili,
prive di un’interpretazione fisica immediata, sono pur sempre variabili di stato; si verifichi che il
corrispondente modello risulta del tipo (1.2.3) con
" #
2t R1 +R2 1
F (t) = t2 +1 R1 R2 C 1 R2 C 1 , (1.3.7)
1 2t 1
R2 C2 t2 +1 R2 C 2
" # 
t2 +1 1
G(t) = R1 C1 , H(t) = 0 , J(t) = 0. (1.3.8)
0 t2 +1
Con questa scelta delle variabili di stato, si è ottenuto un sistema tempo-variante pur considerando
costanti nel tempo i valori dei parametri Ri e Ci , i = 1, 2.
Sulla scorta degli esempi precedenti non è difficile scegliere le variabili di stato in modo da
ottenere un sistema non lineare e tempo-variante.
Esempio 1.3.2 Si consideri il sistema elettrico rappresentato in Figura 1.2 e si voglia determinarne
un modello di stato considerando come ingresso la di↵erenza di potenziale u(t) = v1 (t) e come uscita
la di↵erenza di potenziale y(t) = v2 (t) ai capi della resistenza (a morsetti di uscita aperti).
Si scelga come unica variabile di stato la corrente che circola in L: x(t) = i(t). Si hanno allora
le relazioni u(t) = Lẋ(t) + Rx(t) e y(t) = Rx(t) che si possono scrivere nella forma
(
ẋ(t) = R 1
L x(t) + L u(t), (1.3.9)
y(t) = Rx(t).
⌥⌥⌅
⌥⌅⌥⌅⌅
+a ⇥⇥⇥ a+
L
v1 (t) v2 (t)
a a
R
Figura 1.2: Rappresentazione di un doppio bipolo elettrico RL.
Il modello cosı̀ ottenuto è lineare e del primo ordine. Tale modello è stato ottenuto assumendo L
come parametro costante. Se anche il parametro R si può considerare costante nel tempo, il sistema
è anche tempo-invariante; se invece le variazioni nel tempo di R non possono essere trascurate allora
il sistema è tempo-variante.
Se, come uscita del sistema, invece che la tensione v2 , si considera la potenza dissipata nella
resistenza, si ha y(t) = i(t)v2 (t) = Rx(t)2 . Le equazioni del sistema sono
(
ẋ(t) = R 1
L x(t) + L u(t), (1.3.10)
y(t) = Rx(t)2 .
In questo caso il sistema è non-lineare perché tale è la seconda delle (1.3.10). Tuttavia, l’equazione
dinamica (ossia la prima delle (1.3.10)) che è la più difficile da trattare è lineare e quindi il modello
è ancora sufficientemente semplice.
Esempio 1.3.3 Si consideri ora un forno elettrico schematizzato come in Figura 1.3.
⌥⌥⌅
⌥⌅⌥⌅⌅
+a ⇥⇥⇥
L
v(t)
a
R
Figura 1.3: Rappresentazione di un forno elettrico.
Siano RT e CT la resistenza termica delle pareti del forno e la capacità termica del forno. Siano
inoltre T (t) la temperatura all’interno del forno e Te la temperatura esterna. Si vuole determinare
un modello di stato considerando come ingresso la di↵erenza di potenziale u(t) = v(t) e come uscita
la temperatura del forno y(t) = T (t). Si scelgano
" come# variabili di stato la corrente che circola in L
i(t)
e la temperatura all’interno del forno: x(t) = . Analogamente a quanto visto nell’esempio
T (t)
precedente, per la variabile x1 (t) si ha la relazione
R 1
ẋ1 (t) = x1 (t) + u(t). (1.3.11)
L L
Per quanto riguarda la variabile x2 , la variazione Q della quantità di calore contenuta nel forno
è pari a CT x2 . Pertanto,

1 dQ 1 x2 (t) Te
ẋ2 (t) = = Rx1 (t)2 (1.3.12)
CT dt CT RT
dove si è tenuto conto del fatto che la potenza termica netta entrante nel forno è pari alla di↵erenza
fra la potenza fornita dalla resistenza Rx1 (t)2 e quella dispersa attraverso le pareti del forno x2 (t)
RT
Te
.
In conclusione si ottiene il seguente modello del secondo ordine

8 " R 1
#
>
< ẋ(t) = L x1 (t) + L u(t)
,
C
R
x1 (t)2 x2R(t) C
Te
(1.3.13)
>
: T T T
y(t) = x2 (t).
Il modello è non lineare (e la non linearità è presente nell’equazione dinamica).
Esempio 1.3.4 Si consideri il sistema massa-molla schematizzato come in Figura 1.4.
k
F (t)
-
M
Figura 1.4: Sistema massa-molla.
La massa M è soggetta ad una forza esterna F (t) e alla forza esercitata da una molla di costante
elastica k. Sia il coefficiente di attrito (viscoso) della massa sul piano e y(t) la posizione della
massa in un sistema di riferimento in cui y(t) = 0 corrisponde alla posizione di molla scarica (né
compressa né estesa). Assumiamo che i parametri M , k, e si possano considerare costanti nel
tempo.
Si vuole determinare un modello di stato considerando come ingresso la forza u(t) = F (t) e
come uscita la posizione y(t). " #
y
Si scelgano come variabili di stato la posizione e la velocità della massa: x = . È ovvio
ẏ
che ẋ1 (t) = x2 (t). Per quanto riguarda la variabile x2 , dalla seconda legge della dinamica si ha:
M ẋ2 (t) = F (t) ky(t) ẏ(t) = kx1 (t) x2 (t) + u(t) (1.3.14)
Si ottiene cosı̀ il seguente modello del secondo ordine

8 " # " #
>
< ẋ(t) = 0 1 0
k x(t) + 1 u(t)
M M M (1.3.15)
>
:
y(t) = [1 0] x(t).
Il modello è lineare e tempo-invariante.
Esempio 1.3.5 Si consideri il pendolo rappresentato in Figura 1.5. Si vuole descrivere il sistema
r
A
A
A c(t)
A
A
A
# A
Az
A
Figura 1.5: Rappresentazione di un pendolo.
con un modello di stato considerando come ingresso la coppia applicata u(t) = c(t), e come uscita
la posizione angolare y(t) = #(t). Sia l la lunghezza dell’asta del pendolo e m la sua massa (che
si suppone concentrata all’estremità del pendolo). Il momento di inerzia del pendolo (rispetto al
centro di rotazione) risulta dunque J = ml2 . Sia k il coefficiente di attrito viscoso del pendolo.
Poiché il movimento della massa è vincolato a giacere lungo una circonferenza risulta conveniente
scegliere come variabili di stato la" posizione
# angolare
" ##(t) e la sua derivata (anziché la posizione e
x1 (t) #(t)
la velocità della massa): x(t) = = . Ricordando che la coppia totale è pari al
x2 (t) #̇(t)
momento di inerzia per l’accelerazione angolare, si ottiene facilmente il seguente modello di stato:
8 " #
>
< ẋ(t) = x2 (t)
g k 1
l sin(x1 (t)) x (t)
ml2 2
+ ml2
u(t) (1.3.16)
>
:
y(t) = x1 .
Si è ottenuto un modello del secondo ordine non lineare e, se i parametri g, l, k e m si possono

ritenere costanti nel tempo, tempo-invariante.
Si noti che se, invece di un modello generale, si desidera fare un modello che descrive il
pendolo solo nelle situazioni in cui l’angolo # è “piccolo” si può considerare l’approssimazione
sin(x1 (t)) ' x1 (t) ottenedo cosı̀ un modello lineare del tutto simile al modello massa-molla discusso
in precedenza.
1.3.1 Scelta delle variabili di stato

Come risulta evidente dall’Esempio 1.3.1 la scelta delle variabili di stato è cruciale al fine di ottenere
un modello semplice e quindi trattabile. Non esistono regole generali per tale scelta. Tuttavia si
possono fare alcune considerazioni che si rivelano utili in vari casi particolari ma di rilevante interesse
pratico.
In tutti gli esempi precedenti, il modello di stato è stato ottenuto scegliendo delle variabili legate
all’energia accumulata dal sistema: nell’esempio 1.3.1 la tensione ai capi di ciascun condensatore è
legata all’energia accumulata nel condensatore stesso: Ec = C2 v 2 (t). Similmente, nell’Esempio
1.3.2 la corrente scelta come variabile di stato è legata all’energia accumulata nell’induttore.
Nell’Esempio 1.3.3 la corrente (prima variabile di stato) è legata all’energia accumulata nell’induttore
e la temperatura (seconda variabile di stato) all’energia termica accumulata nel forno. Nell’Esempio
1.3.4, la posizione della massa (prima variabile di stato) è legata all’energia potenziale elastica e la
sua velocità (seconda variabile di stato) all’energia cinetica. Analoga è la situazione dell’Esempio
1.3.5 dove è risultato conveniente scegliere, come variabili di stato, posizione e velocità angolari. Si
invita il lettore a costruire il modello corrispondente a scegliere, come variabili di stato, la posizione
e la velocità della massa o, più precisamente, le loro componenti orizzontali e verticali, giacché sia
la posizione sia la velocità sono vettori nel piano sul quale giace il pendolo.
In generale, si può dire che, quando possibile, conviene scegliere come variabili di stato grandezze
legate all’energia accumulata dal sistema. In particolare:
Sistemi elettrici: Una scelta canonica che consente di ottenere modelli lineari di circuiti elettrici
RLC consiste nel selezionare come variabili di stato l’insieme di tutte le correnti che attraver-
sano le induttanze e di tutte le tensioni ai capi dei condensatori. Se il circuito è composto di
k induttanze e h capacità si otterrà cosı̀ un modello lineare di ordine h + k.
Sistemi meccanici: Una scelta canonica che consente di ottenere modelli di stato di sistemi mec-
canici consiste nel selezionare come variabili di stato l’insieme di tutte le posizioni e le velocità
delle masse in gioco o, nel caso di masse vincolate a un moto circolare, le posizioni angolari
e le velocità angolari.
Sistemi termici: Una scelta canonica che consente di ottenere modelli di stato di sistemi termici
consiste nel selezionare come variabili di stato l’insieme di tutte le temperature dei componenti
del sistema.
1.4 Punti di equilibrio

Si consideri un sistema tempo invariante
(
ẋ(t) = f (x(t), u(t)),
(1.4.1)
y(t) = h(x(t), u(t)),
e sia u(t) = ū un ingresso costante.
Definizione 1.4.1 Il vettore x̄ si dice punto di equilibrio per il sistema (1.4.1) relativamente
all’ingresso ū se l’evoluzione di stato corrispondente all’ingresso costante u(t) ⌘ ū, t 0 e allo
stato iniziale x(0) = x̄, è la costante x(t) ⌘ x̄, t 0.
Dato un punto di equilibrio x̄ relativo all’ingresso costante ū, la quantità ȳ = h(x̄, ū) si dice
uscita di equilibrio corrispondente a (x̄, ū).
In termini meno formali, si può dire che, uno stato x̄ è di equilibrio relativamente all’ingresso
costante u(t) ⌘ ū se, in corrispondenza a tale ingresso, lo stato del sistema rimane ancorato al
valore iniziale x̄.
Risulta immediato verificare che x̄ è un equilibrio relativamente a ū se e solo se risolve l’equazione
0 = f (x̄, ū). (1.4.2)
Pertanto, per determinare l’insieme degli stati di equilibrio corrispondenti a ū è sufficiente risolvere
la (1.4.2) che è un’equazione algebrica (non di↵erenziale). Si noti che, fissato ū, la (1.4.2) può non
ammettere soluzioni o ammetterne infinite. Per esempio si verifichi che il sistema
(
ẋ(t) = sin(x(t)) + u(t),
(1.4.3)
y(t) = h(x(t), u(t))
ammette infiniti stati di equilibrio corrispondenti ad un qualunque ingresso costante |ū|  1 e

nessuno stato di equilibrio in corrispondenza ad un qualunque ingresso costante |ū| > 1.
Nel caso di sistemi lineari (

ẋ(t) = F x(t) + Gu(t),
(1.4.4)
y(t) = Hx(t) + Ju(t),
fissato un ingresso costante ū, i corrispondenti stati di equilibrio sono tutte e sole le soluzioni della
F x + Gū = 0. (1.4.5)
Se la matrice F è invertibile, la (1.4.5) ammette un’unica soluzione

1
x̄ = F Gū.
Se, invece, la matrice F è singolare, ci sono due possibilità
1. se il vettore Gū appartiene allo spazio vettoriale generato dalle colonne di F o, in breve,
Gū 2 im F , la (1.4.5) ammette infinite soluzioni;
2. se Gū 62 im F la (1.4.5) non ammette soluzioni.

1.5. LINEARIZZAZIONE 11
Si noti che nel caso in cui ū 6= 0, la condizione Gū 2 im F è equivalente alla im G ✓ im F (ossia lo
spazio vettoriale generato dalle colonne di G appartiene allo spazio vettoriale generato dalle colonne
di F ). Se invece ū = 0 allora la condizione Gū = 0 2 im F è sempre verificata e tutte e sole le
soluzioni della (1.4.5) sono gli elementi di ker F (lo spazio nullo di F ).
In particolare, si può quindi conludere che, in corrispondenza dell’ingresso nullo ū = 0, qualunque
sistema lineare ammette il punto di equilibrio x̄ = 0.
Esempio 1.4.1 Si consideri il pendolo dell’Esempio 1.3.5 e il relativo modello (1.3.16). Fissato un
ingresso costante u(t) = ū, si vogliono calcolare i corrispondenti stati di equilibrio. La (1.4.2) si
particolarizza nella " # " #
x2 0
g k = (1.4.6)
l sin(x1 ) x + ml1 2 ū
ml2 2
0
Questa equazione ammette soluzioni se e solo se
|ū|  mgl (1.4.7)
e in tal caso le soluzioni, sono

" ⇣ ⌘ # " ⇣ ⌘ #
ū ū
arcsin mgl ⇡ arcsin mgl
x̄ = , x̄ = , (1.4.8)
0 0
(dove x̄1 è individuato a meno di multipli di 2 ⇡).

Si verifichi che:
1. se ū = 0 i due stati di equilibrio corrispondono al pendolo verticale (verso l’alto e verso il

basso), come si poteva facilmente intuire;
2. se ū = mgl vi è un unico stato di equilibrio (a meno di multipli di 2 ⇡) corrispondente al

pendolo in posizione orizzontale (a destra del suo asse di rotazione);
3. se ū = mgl vi è un unico stato di equilibrio (a meno di multipli di 2 ⇡) corrispondente al

pendolo in posizione orizzontale (a sinistra del suo asse di rotazione);
4. se |ū| > mgl non vi sono stati di equilibrio.
1.5 Linearizzazione
Si illustrerà ora come un sistema non lineare (ma tempo-invariante) può essere approssimato,
nell’intorno di un punto di equilibrio, da un modello lineare. Sia dunque dato il sistema (1.4.1) e
sia x̄ un suo punto di equilibrio relativo all’ingresso costante ū. Si definiscano i segnali
x (t) := x(t) x̄, u (t) := u(t) ū, y (t) := y(t) ȳ. (1.5.1)
Le (1.4.1) possono essere quindi riscritte nella forma

(
d( x (t)+x̄)
= ˙x (t) = f (x̄ + x (t), ū + u (t))
dt (1.5.2)
y (t) + ȳ = h(x̄ + x (t), ū + u (t)),
Si indichi con @f
@x la matrice quadrata di ordine n che ha per elemento di posizione i, j la derivata
di fi (la i-esima componente di f ) rispetto alla j-esima variabile di stato xj (detta anche matrice
Jacobiana di f ). Analogamente, si indichi con @f @u la matrice n ⇥ m le colonna che ha che ha per
elemento di posizione i, j la derivata di fi rispetto alla j-esima componente di ingresso uj , con @h
@x
@h
la matrice p ⇥ m che ha per elemento di posizione i, j la derivata di hi , rispetto a xj e con @u la
matrice p ⇥ m le colonna che ha che ha per elemento di posizione i, j la derivata di hi rispetto a
uj . Gli elementi di @f @f @h @h
@x , @u , @x e @u sono funzioni di x e u cosicché, valutandoli in corrispondenza
dello stato x̄ e dell’ingresso costante ū, si ottengono valori reali. Si ponga dunque
@f @f
F := x=x̄
2 Rn⇥n , G := x=x̄
2 Rn⇥m , (1.5.3a)
@x u=ū @u u=ū
@h @h
H := x=x̄
2 Rp⇥n , J := x=x̄
2 Rp⇥m . (1.5.3b)
@x u=ū @u u=ū
Ora, sviluppando le funzioni f e h attorno al punto di equilibrio, le (1.5.2) possono essere

riscritte nella forma
8
> ˙ @f @f
< x (t) = f (x̄, ū) + @x
> x=x̄ x (t) + @u x=x̄ u (t) + o( x , u ),
u=ū u=ū
(1.5.4)
> @h @h
: y (t) + ȳ = h(x̄, ū) + @x
> x=x̄ x (t) + @u x=x̄ u (t) + o( x , u)
u=ū u=ū
Ricordando che f (x̄, ū) = 0 e ȳ = h(x̄, ū), e tenendo conto delle definizioni (1.5.3), si ha
(
˙x (t) = F x (t) +G u (t) + o( x , u ),
(1.5.5)
y (t) = H x (t) +J u (t) + o( x , u)
che descrive la dinamica degli scostamenti x (t), u (t) e y (t).

Se i segnali x (t) e u (t) sono sufficientemente piccoli, i termini o( x , u) possono essere trascurati
e la (1.5.5) può essere approssimata dalla
(
˙x (t) = F x (t) + G u (t),
(1.5.6)
y (t) =H x (t) + J u (t)
In conclusione, fino a che il sistema si mantiene in un intorno del punto di equilibrio, la di-
namica degli scostamenti può essere approssimata da un sistema lineare. Questa possibilità è molto
importante perché:
1. I sistemi lineari sono molto più agevoli da trattare dei sistemi non lineari.
2. Nella pratica ingegneristica accade di frequente che ingresso e stato di un sistema non lineare
rimangano confinati in un intorno di un punto di equilibrio.
Esempio 1.5.1 Si consideri il pendolo

" dell’Esempio
⇣ ⌘ # 1.3.5 e il relativo modello (1.3.16). Fissato
ū
arcsin mgl
un punto di equilibrio x̄ con x̄ = (del tutto analogo sarebbe il caso di x̄ =
0
" ⇣ ⌘ #
ū
⇡arcsin mgl
), i parametri del sistema lineare (1.5.6) che descrive approssimatamente la
0
dinamica degli scostamenti attorno al punto di equilibrio sono
" # 2 3
0 1
F :=
@f
= h 0 ⇣ ⌘i 1
=4
r ⇣ ⌘2 5 , (1.5.7a)
g ū k g ū k
@x x=x̄
u=ū l cos arcsin mgl ml2 1
l mgl ml2
" #
@f 0 @h @h
G := x=x̄
= 1 , H := x=x̄
= [1 0], J := x=x̄
= 0. (1.5.7b)
@u u=ū m l2 @x u=ū @u u=ū
Capitolo 2
Analisi dei sistemi lineari e invarianti

nel tempo
In questo capitolo si analizza il comportamento dei sistemi per i quali il legame fra ingresso u(t) e
uscita y(t) è espresso da una coppia di equazioni lineari del tipo:
(
ẋ(t) = F x(t) + Gu(t),
(2.0.1)
y(t) = Hx(t) + Ju(t),
dove F 2 Rn⇥n , G 2 Rn⇥m , H 2 Rp⇥n e J 2 Rp⇥m .
2.1 Evoluzione dello stato e dell’uscita

Si consideri un modello del tipo (2.0.1) e si suppongano noti:
• lo stato all’istante (iniziale) t0 : x(t0 ) = x0 e
• l’andamento futuro dell’ingresso u(t), t t0 .
Il seguente risultato permette di calcolare l’evoluzione futura di stato e uscita:
Teorema 2.1.1 Fissato lo stato iniziale x(t0 ) = x0 e l’andamento futuro dell’ingresso u(t), t t0 ,
l’evoluzione dello stato per t t0 è data da
Z t
x(t) = eF (t t0 )
x0 + eF (t ⌧)
Gu(⌧ )d⌧. (2.1.1)
t0
L’evoluzione dell’uscita per t t0 è data da

Z t
F (t t0 )
y(t) = H e x0 + c eF (t ⌧)
Gu(⌧ )d⌧ + Ju(t). (2.1.2)
t0
Dimostrazione. Valutando ambo i membri della (2.1.1) in t = t0 si ottiene
x(t0 ) = eF 0 x0 = x0 . (2.1.3)
Derivando ambo i membri della (2.1.1) si ottiene

Z t
F (t t0 )
ẋ(t) = F e x0 + F eF (t ⌧)
Gu(⌧ )d⌧ + eF 0 Gu(t) = F x(t) + Gu(t). (2.1.4)
t0
13
14 CAPITOLO 2. ANALISI DEI SISTEMI LTI
Quindi x(t) dato dalla (2.1.1) soddisfa l’equazione di↵erenziale (formula (2.1.4)) con le prescritte
condizioni iniziali (formula (2.1.3)) e quindi è la traiettoria dello stato corrispondente a stato iniziale
dato da x0 e ad ingresso dato da u(t).
La dimostrazione della (2.1.2) è immediata: essa si ottiene infatti sostituendo l’espressione (2.1.1)
di x(t) nella seconda delle (2.0.1).
Nel seguito, senza perdita di generalità, si assumerà t0 = 0 cosicché la (2.1.1) che è nota come
Formula di Lagrange, si scriverà nella forma
Z t
x(t) = eF t x0 + eF (t ⌧)
Gu(⌧ )d⌧, (2.1.5)
0
e la (2.1.2) nella forma

Z t
y(t) = c eF t x0 + H eF (t ⌧)
Gu(⌧ )d⌧ + Ju(t). (2.1.6)
0
2.1.1 Teorema di sovrapposizione degli e↵etti

Poiché sia lo stato iniziale x0 sia l’andamento dell’ingresso u(t) compaiono linearmente nelle (2.1.5)
e (2.1.6) si ha il seguente importante risultato noto come Teorema di sovrapposizione degli e↵etti:
Teorema 2.1.2 Dato il sistema (2.0.1), siano x0 (t), t 0, l’evoluzione dello stato corrispondente
allo stato iniziale x00 e all’ingresso u0 (t) e x00 (t), t 0, l’evoluzione dello stato corrispondente
allo stato iniziale x000 e all’ingresso u00 (t). Siano, inoltre, y 0 (t) e y 00 (t), t 0, le evoluzioni delle
corrispondenti uscite. Allora, comunque fissate due costanti reali ↵ e , l’evoluzione dello stato
corrispondente allo stato iniziale x0 := ↵x00 + x000 e all’ingresso u(t) = ↵u0 (t) + u00 (t), è data da
x(t) = ↵x0 (t) + x00 (t); l’evoluzione della corrispondente uscita è data da y(t) = ↵y 0 (t) + y 00 (t).
Il precedente risultato si riassume dicendo che l’evoluzione di stato è funzione lineare della coppia
formata da stato iniziale e ingresso e può essere schematizzato come segue:
# " 9
x00 x0 (t) >
>
> # "
! >
=
u0 (t) y 0 (t) ↵x00 + x000 ↵x0 (t) + x00 (t)
# " ) ! (2.1.7)
x000 x00 (t) >
> ↵u0 (t) + u00 (t) ↵y 0 (t) + y 00 (t)
! >
>
00
u (t) y 00 (t) ;
2.1.2 Evoluzione libera ed evoluzione forzata

La (2.1.5), cosı̀ come la (2.1.1), può essere scritta nella forma
x(t) = xl (t) + xf (t) (2.1.8)
dove
xl (t) := eF t x0 , (2.1.9a)
Z t
xf (t) := eF (t ⌧)
Gu(⌧ )d⌧. (2.1.9b)
0
Analogamente la (2.1.6), cosı̀ come la (2.1.2), può essere scritta nella forma
y(t) = yl (t) + yf (t) (2.1.10)
dove
yl (t) := H eF t x0 , (2.1.11a)
Z t
yf (t) := H eF (t ⌧)
Gu(⌧ )d⌧ + Ju(t). (2.1.11b)
0
2.1. EVOLUZIONE DELLO STATO E DELL’USCITA 15
Si osservi che nella (2.1.8) l’evoluzione x(t) dello stato è decomposta additivamente in due termini:
il primo, xl (t), detto evoluzione libera dello stato del sistema, dipende solamente dallo stato iniziale
x0 e non dall’andamento dell’ingresso u(t); il secondo, xf (t), detto evoluzione forzata dello stato
del sistema, dipende solamente dall’ingresso u(t) e non dallo stato iniziale x0 . Analogamente, nella
(2.1.10) l’evoluzione y(t) dell’uscita è decomposta additivamente in due termini: il primo, yl (t),
detto evoluzione libera dell’uscita del sistema o risposta libera (del sistema) dipende solamente
dallo stato iniziale x0 e non dall’andamento dell’ingresso u(t); il secondo, yf (t), detto evoluzione
forzata dell’uscita del sistema o risposta forzata (del sistema) dipende solamente dall’ingresso u(t)
e non dallo stato iniziale x0 .
Si invita il lettore a verificare che questa decomposizione si può vedere come un caso particolare
del Teorema di sovrapposizione degli e↵etti. Essa corrisponde alla situazione in cui x00 = x0 ,
u0 (t) ⌘ 0, x000 = 0, u00 (t) = u(t) e ↵ = = 1.
Evoluzione libera dello stato

L’evoluzione libera dello stato a partire dallo stato iniziale x(0) = x0 è data dal prodotto dell’espo-
nenziale eF t per il vettore x0 (espressione (2.1.9a)). Si ricorda (cf. Proposizione A.3.1, nel caso
di matrici diagonalizzabili, e Proposizione A.3.4, nel caso di matrici non diagonalizzabili) che gli
elementi della matrice esponenziale eF t sono combinazioni lineari secondo coefficienti reali delle
funzioni dell’insieme (A.3.5) nel caso di matrici diagonalizzabili (o, nel caso di matrici non diago-
nalizzabili, dell’insieme (A.3.27)).
In particolare, dalla Proposizione A.3.4 segue immediatamente il seguente risultato.
Proposizione 2.1.1 Sia F 2 Rn⇥n e siano i , i = 1, 2, . . . , r i suoi autovalori reali e µi := i +j!i
e µ̄i := i j!i , i = 1, 2, . . . , c, quelli con parte immaginaria non nulla. Si consideri l’insieme di
funzioni linearmente indipendenti
M := MR [ MC (2.1.12)
con
it it
MR := {e , te , . . . , tI( i) 1
e it
: i = 1, 2, . . . , r} (2.1.13)
e
it it it it
MC := {e cos(!i t), e sin(!i t), te cos(!i t), te sin(!i t), . . . ,
I(µi ) 1 it I(µi ) 1 it
t e cos(!i t), t e sin(!i t) : i = 1, 2, . . . , c}.
(2.1.14)
Per ogni x0 2 Rn , ciascun elemento del vettore di stato xl (t) = eF t x0 è combinazione lineare
secondo coefficienti reali delle funzioni di M.
Inoltre, comunque data una funzione f (t) 2 M esistono condizioni iniziali x0 2 Rn tali che la
funzione f (t) compare con combinatore non nullo in almeno un elemento di xl (t).
Definizione 2.1.1 Le funzioni f (t) 2 M si dicono modi del sistema (2.0.1).
Si noti che i modi del sistema dipendono dalla sola matrice F e nel caso in cui F è diagonaliz-
zabile l’insieme dei modi ha una struttura molto semplice:
it it it
M := {e : i = 1, 2, . . . , r} [ {e cos(!i t), e sin(!i t) : i = 1, 2, . . . , c}. (2.1.15)
dove i i , i = 1, 2, . . . , r sono gli autovalori reali di F e i ± j!i , i = 1, 2, . . . , c sono gli autovalori

di F con parte immaginaria non nulla. In altre parole, se F è diagonalizzabile, i modi sono:
1. gli esponenziali degli autovalori reali di F e
2. le parti reali e immaginarie degli esponenziali degli autovalori complessi di F .
Evoluzione libera dell’uscita

L’evoluzione libera dell’uscita è combinazione lineare, secondo gli elementi della matrice H, degli
elementi di xl (t) (cf. (2.1.11a)). In particolare quindi
Proposizione 2.1.2 Per ogni x0 2 Rn , l’evoluzione libera dell’uscita yl (t) = HeF t x0 è combi-
nazione lineare secondo coefficienti reali dei modi del sistema.
Si noti che non è a↵ato detto che per ogni f (t) 2 M esistano condizioni iniziali x0 2 Rn tali
che la funzione f (t) compaia con combinatore non nullo in yl (t). In tal caso si dice che alcuni dei
modi del sistema non sono osservabili dall’uscita.
Evoluzione forzata dello stato

L’evoluzione forzata dello stato è data dalla (2.1.9b) che ha la forma di un integrale di convoluzione.
Risulta quindi conveniente analizzarne la trasformata di Laplace. A questo fine si trasformano ambo
i membri della prima delle (2.0.1) tenendo conto che l’evoluzione forzata è la soluzione dell’equazione
di↵erenziale corrispondente a condizioni iniziali nulle. Indicando con Xf (s) il vettore che ha per
componenti le trasformate di Laplace di xf (t) e con U (s) la trasformata di Laplace dell’ingresso
u(t), e ricordando la linearità della trasformata, si ottiene:
sXf (s) = F Xf (s) + GU (s) (2.1.16)
cosicché
1
Xf (s) = [(sI F) G]U (s) (2.1.17)
che evidenzia come Xf (s) sia il prodotto della quantità (sI F ) 1 G indipendente dall’ingresso
per la trasformata U (s) dell’ingresso. In particolare, l’i-esima colonna di (sI F ) 1 G è la trasfor-
mata dell’evoluzione forzata dello stato in corrispondenza dell’ingresso u(t) con i-esima compo-
nente impulsiva, ui (t) = (t)ei , dove ei indica l’i-esimo vettore canonico di Rm , definito come
ei = 1 e ej = 0 per j 6= i. Infatti, in corrispondenza di questo ingresso si ha Ui (s) = ei , cosicché
Xf, (s) = (sI F ) 1 GU (s) coincide proprio con l’i-esima colonna di (sI F ) 1 G. L’antitrasformata
di (sI F ) 1 G si ottiene facilmente sostituendo (t)ei a u(t) nell’espressione (2.1.9b):
xf, (t) = eF t Gei (2.1.18)
da cui consegue immediatamente che ciascuna componente del vettore dell’evoluzione forzata dello
stato corrispondente ad un ingresso con sole componenti impulsive è data da una combinazione
lineare dei modi del sistema.
Evoluzione forzata dell’uscita

La trasformata di Laplace Yf (s) dell’evoluzione forzata dell’uscita si ottiene facilmente trsaformando
ambo i membri della seconda delle (2.0.1):
Yf (s) = HXf (s) + JU (s). (2.1.19)
Sostituendo l’espressione (2.1.17) per Xf (s) nella (2.1.19) si ottiene:

1
Yf (s) = [H(sI F) G + J]U (s) = W (s)U (s) (2.1.20)
che mostra come anche l’evoluzione forzata dell’uscita sia prodotto di un termine
1
W (s) := H(sI F) G+J (2.1.21)
2.2. FUNZIONE DI TRASFERIMENTO E RISPOSTA IMPULSIVA 17
indipendente dall’ingresso, per la trasformata di Laplace dell’ingresso. Come per il caso precedente,
si verifica immediatamente che la i-esima colonna di W (s) è la trasformata dell’evoluzione forzata
dell’uscita in corrispondenza ad un ingresso impulsivo u(t) = (t)ei :
Yf, (s) = W (s)ei . (2.1.22)
La W (s) che gioca un ruolo fondamentale nella teoria del controllo si dice matrice di trasferimento
(nel caso di sistemi SISO funzione di trasferimento o trasferenza) del sistema (2.0.1). La sua
antitrasformata è una matrice che ha colonne coincidenti con l’evoluzione dell’uscita ottenute per
ingressi con componenti impulsive ed è chiamata matrice delle risposte impulsive (nel caso di sistemi
SISO risposta impulsiva) del sistema. Quest’ultima si ottiene facilmente dall’espressione (2.1.11b):
w(t) = HeF t G + J (t) (2.1.23)
da cui consegue immediatamente che l’evoluzione forzata dell’uscita corrispondente ad ingressi con
sole componente impulsivo è data da una combinazione lineare dei modi del sistema e da un impulso
scalato per la matrice J.
Si noti che la matrice delle risposte impulsive ha elementi che sono una pura combinazione
lineare dei modi del sistema (ossia è priva della componente impulsiva J (t)) se e solo se J = 0;
in tal caso il sistema si dice strettamente proprio. Come si vede, in un sistema strettamente
proprio l’ingresso non influenza l’uscita direttamente, ma solo indirettamente attraverso la sua
azione sull’equazione di stato. Questa è un’equazione di↵erenziale che ha un e↵etto regolarizzatore
(un impulso in ingresso significa che la derivata di x(t) ha una componente impulsiva cosicché x(t)
presenta una semplice discontinuità del secondo ordine).
Per questo motivo, nei sistemi strettamente propri, un impulso in ingresso dà luogo ad un’uscita
forzata priva di componenti impulsive.
Esempio 2.1.1 Si consideri il circuito dell’Esempio 1.3.1 e il relativo modello (1.3.3). Siano C1 =
C2 = C = 16 10 3 F, R1 = 2 000 Ohm e R2 = 3 000 Ohm. Si calcolino l’evoluzione dello stato e
dell’uscita in corrispondenza ad un ingresso a gradino unitario (u(t) ⌘ 1 Volt, t 0 e u(t) ⌘ 0
Volt, t < 0) e a un stato iniziale in cui le tensioni ai capi dei due condensatori C1 e C2 sono di 0 e
5 Volt, rispettivamente.
2.2 Funzione di trasferimento e risposta impulsiva

N.B. In questa sezione ci si restringe per semplicità al caso di sistemi SISO (single-input, single-
output), che comporta avere m = 1, p = 1 nel modello di stato (2.0.1).
Una funzione W (s) si dice razionale se è rappresentabile come un rapporto di polinomi in s:
N (s)
W (s) = ; (2.2.24)
D(s)
la funzione razionale (2.2.24) si dice propria se il grado del polinomio D(s) è maggiore o uguale a
quello di N (s); si dice strettamente propria se il grado del polinomio D(s) è maggiore di quello di
N (s). Nel seguito le funzioni razionali (2.2.24) e N (s)P (s)
D(s)P (s) dove P (s) è un qualunque polinomio non
identicamente nullo, verranno identificate. Il secondo membro della (2.2.24) si dice rappresentazione
coprima (o minima) di W (s) se i polinomi N (s) e D(s) sono coprimi ossia non hanno zeri in
comune. Gli zeri di una funzione razionale W (s) sono gli zeri del polinomio N (s) di una sua
rappresentazione coprima. I poli di una funzione razionale W (s) sono gli zeri del polinomio D(s)
di una sua rappresentazione coprima. Si dice grado relativo di W (s) la di↵erenza tra il grado del
polinomio D(s) e quello del polinomio N (s):
rel deg[W (s)] = deg[D(s)] deg[N (s)].
Si consideri ora la funzione di trasferimento (2.1.21). Si ha il seguente risultato.
Proposizione 2.2.1 Nel caso di sistemi SISO, la funzione W (s) data dall’espressione (2.1.21) è
una funzione razionale propria di s. Inoltre, W (s) è strettamente propria se e solo se J = 0.
Dimostrazione. Si ricorda che
1 1
(sI F) = adj(sI F ), (2.2.25)
det(sI F)
dove adj(sI F ) indica la matrice aggiunta di sI F ossia la matrice quadrata con le stesse
dimensioni di F il cui elemento di indice i, j è pari a
[adj(sI F )]i,j = ( 1)i+j det[(sI F )j ,i ] (2.2.26)
con (sI F )j ,i sottomatrice ottenuta da sI F eliminando la riga di ordine j e la colonna di

ordine i. Pertanto, ciascun elemento della matrice adj(sI F ) è un polinomio di grado minore o
uguale a n 1 e quindi anche H adj(sI F )G è un polinomio di grado minore o uguale a n 1
(dove si è indicato con n l’ordine della matrice F ). La conclusione è ora immediata osservando che
det(sI F ) è un polinomio in s di grado n.
Si osservi che i poli di W (s) sono un sottoinsieme degli zeri del polinomio det(sI F ) ossia
sono un sottoinsieme dell’insieme degli autovalori di F :
{poli(W (s))} ✓ { (F )}. (2.2.27)
Infatti, W (s) è data da

H adj(sI F ) G + J det(sI F)
W (s) = , (2.2.28)
det(sI F )
ma non è a↵atto detto che numeratore e denominatore del secondo membro della (2.2.28) siano
polinomi coprimi. Si osserva infine che la (2.2.27) vale anche per sistemi MIMO (multi-input, multi-
ouput), dove in questo caso i poli della matrice di trasferimento W (s) (matrice p ⇥ m con elementi
che sono funzioni razionali proprie di s) sono definiti come l’unione dei poli degli elementi di W (s).
2.2.1 Realizzazione di stato

Nella sezione precedente si è visto che la funzione di trasferimento di un sistema SISO è una funzione
razionale propria. Sorgono perciò naturali le seguenti domande:
1. Come si caratterizza l’insieme delle funzioni razionali che sono funzioni di trasferimento di
un sistema del tipo (2.0.1)?
2. La funzione di trasferimento individua univocamente il sistema, ossia la quadrupla (F, G, H, J)?
3. Data una funzione di trasferimento W (s) come si calcola una quadrupla (F, G, H, J) tale che
valga la (2.1.21) ? Come si caratterizza l’insieme di tali quadruple?
Definizione 2.2.1 Si dice realizzazione di una funzione di trasferimento W (s) una quadrupla
(F, G, H, J) per la quale è soddisfatta la (2.1.21). Una realizzazione (F, G, H, J) di W (s) si dice
minima se non esiste alcuna altra realizzazione (F 0 , G0 , H 0 , J 0 ) di W (s) tale che l’ordine della ma-
trice F 0 sia minore dell’ordine della matrice F .
Teorema 2.2.1 Data una qualunque funzione razionale propria W (s) esiste una sua realizzazione
(F, G, H, J).
2.2. FUNZIONE DI TRASFERIMENTO E RISPOSTA IMPULSIVA 19
Dimostrazione. Si procederà in modo costruttivo a calcolare una realizzazione di una qualsiasi

funzione razionale W (s). Si consideri la funzione razionale strettamente propria Ws (s) := W (s)
W (1) e la si rappresenti in forma minima come Ws (s) = N (s)
D(s) . Sia N (s) = b0 + b1 s + . . . bn 1 s
n 1 e
D(s) = a0 +a1 s+. . . sn (senza perdita di generalità si è assunto D(s) monico). Si verifica facilmente
per ispezione che la quadrupla
2 3 2 3
0 1 0 ··· 0 0
6 0 0 1 ··· 0 7 6 0 7
6 7 6 7
6 .. .. .. .. 7 6 .. 7
F =6
6 . . . . 0
72
7 Rn⇥n G=6
6 .
72
7 Rn⇥1 (2.2.29)
6 7 6 7
4 0 0 ... 0 1 5 4 0 5
a0 a1 ... ... an 1 1
h i
H= b0 b1 . . . . . . bn 1 2 R1⇥n J = W (1) 2 R (2.2.30)
è una realizzazione di W (s).
Teorema 2.2.2 Si consideri una rappresentazione minima di una funzione razionale propria W (s) =
N (s)
D(s) e sia (F, G, H, J) una realizzazione di W (s). Le seguenti condizioni sono equivalenti:
1. (F, G, H, J) è una realizzazione minima di W (s).
2. L’ordine della matrice F è pari al grado del polinomio D(s).
3. Le matrici 2 3
H
6 HF 7
h i 6 7
6 7
R := G | F G | F 2 G | · · · | F n 1
G e O := 6 HF 2 7
6 7
6 .. 7
4 . 5
HF n 1
sono entrambe non singolari.
Inoltre date due realizzazioni minime (F, G, H, J) e (F 0 , G0 , H 0 , J 0 ) di W (s), esiste una matrice non
singolare T 2 Rn⇥n tale che
F0 = T 1
F T, G0 = T 1
G H 0 = HT, J 0 = J. (2.2.31)
Corollario 2.2.1 La realizzazione (2.2.29)-(2.2.30) è minima.

Capitolo 3
La stabilità
3.1 Definizioni
Si consideri il sistema (
ẋ(t) = f (x(t), u(t)),
(3.1.1)
y(t) = h(x(t), u(t)),
e sia (x̄, ū) un suo punto di equilibrio. Fissato uno stato iniziale x0 = x̄ + x, si indichi con x (t)
l’evoluzione dello stato in corrispondenza all’ingresso costante ū e alla condizione iniziale x0 .
Definizione 3.1.1 Il punto di equilibrio si dice semplicemente stabile se1
8" > 0, 9 > 0 : k xk < ) kx (t) x̄k < " 8t t0 (3.1.2)
In termini meno formali si può dire che un punto di equilibrio è semplicemente stabile se in
corrispondenza all’ingresso costante u(t) ⌘ ū, la traiettoria di stato del sistema rimane confinata
in un intorno arbitrariamente piccolo dello stato di equilibrio x̄, purché la condizione iniziale sia
sufficientemente prossima a tale stato.
Definizione 3.1.2 Il punto di equilibrio si dice asintoticamente stabile se è semplicemente stabile

e vale la
9 > 0 : k xk < ) lim kx (t) x̄k = 0 (3.1.3)
t!1
In termini meno formali si può dire che un punto di equilibrio è asintoticamente stabile se in
corrispondenza all’ingresso costante u(t) ⌘ ū, la traiettoria di stato rimane confinata in un intorno
arbitrariamente piccolo dello stato di equilibrio x̄ e tende a tale stato, purché la condizione iniziale
sia sufficientemente prossima a x̄.
Si noti che:
1. La stabilità e la stabilità asintotica sono proprietà del punto di equilibrio, non del sistema.
2. Esistono sistemi (necessariamente non lineari) che presentano punti di equilibrio non stabili
ma per i quali vale la (3.1.3). Tali punti di equilibrio si dicono attrattivi.
1
Si indica con kxk la norma euclidea del vettore x, ossia, dette xi , i = 1, 2, . . . , n, le componenti di x,
v
u n
uX 2
kxk := t xi .
i=1
21
22 CAPITOLO 3. LA STABILITÀ
3.2 Stabilità nei sistemi lineari

Come si è già osservato, un qualunque sistema lineare
(
ẋ(t) = F x(t) + Gu(t),
(3.2.1)
y(t) = Hx(t) + Ju(t),
ammette il punto di equilibrio x̄ = 0 in corrispondenza all’ingresso costante ū = 0. Si mostrerà ora

che dato un sistema lineare, le caratteristiche di stabilità e convergenza di un suo qualunque punto
di equilibrio sono le stesse di quelle del punto di equilibrio x̄ = 0.
Proposizione 3.2.1 Un qualunque punto di equilibrio x̄ relativo ad un qualunque ingresso costante

ū del sistema lineare (3.2.1) è (asintoticamente) stabile se e solo se lo è il punto di equilibrio x̄ = 0
relativo all’ingresso costante ū = 0.
Dimostrazione. L’evoluzione dello stato corrispondente a ingresso ū e stato iniziale x0 = x̄+ x è

Z t
x (t) = eF t (x̄ + x) + eF (t ⌧)
Gū d⌧. (3.2.2)
0
Ricordando che, per la proprietà dei punti di equilibrio, Gū = F x̄, si ha

Z t
Ft Ft Ft F⌧
x (t) = e x̄ + e x e e F d⌧ x̄
0
 Z t
d
= eF t I + (e F⌧
) d⌧ x̄ + eF t x = x̄ + eF t x. (3.2.3)
0 d⌧
Di conseguenza, lo scostamento dallo stato di equilibrio x̄ è
x (t) x̄ = eF t x. (3.2.4)
Osservando che il secondo membro della (3.2.4) è anche lo scostamento dallo stato nullo dell’evoluzio-
ne di stato corrispondente all’ingresso identicamente nullo e allo stato iniziale x0 = x, si ha subito
la conclusione.
Si è dunque dimostrato che, nei sistemi lineari, la stabilità e la stabilità asintotica non dipendono
dal punto di equilibrio in esame. Pertanto esse sono proprietà del sistema. Si può quindi dare la
seguente definizione.
Definizione 3.2.1 Un sistema lineare si dice asintoticamente/semplicemente stabile se tale è il

suo punto di equilibrio nell’origine (relativo all’ingresso nullo).
3.2.1 Condizioni di stabilità per i sistemi lineari

Un’immediata conseguenza della Proposizione 3.2.1 è che la stabilità semplice/asintotica di un si-
stema lineare è una proprietà dell’insieme delle evoluzioni libere del sistema in corrispondenza a con-
dizioni iniziali prossime all’origine: infatti, applicando la definizione di stabilità semplice/asintotica
al punto di equilibrio nell’origine si ottiene subito il seguente corollario:
Corollario 3.2.1 Un sistema lineare è semplicemente stabile se e solo se
8" > 0, 9 > 0 : k xk < ) keF t xk < " 8t t0 (3.2.5)
Un sistema lineare è asintoticamente stabile se e solo se è semplicemente stabile e vale la
9 >0: k xk < ) lim keF t xk = 0 (3.2.6)

t!1
3.2. STABILITÀ NEI SISTEMI LINEARI 23
Ora, impiegando nuovamente la linearità, è facile dimostrare il seguente importante corollario

che mostra che i sistemi lineari semplicemente/asintoticamente stabili lo sono globalmente (o “in
grande”).
Corollario 3.2.2 Un sistema lineare è semplicemente stabile se e solo se per ogni stato iniziale
x0 2 Rn , l’evoluzione libera dello stato rimane limitata. Equivalentemente, un sistema lineare è
semplicemente stabile se e solo se tutti gli elementi della matrice eF t hanno modulo limitato:
9K : |[eF t ]i,j | < K 8t 0, 8 i, j = 1, 2, . . . n, (3.2.7)
dove [eF t ]i,j indica l’elemento di riga i e colonna j della matrice eF t .

Un sistema lineare è asintoticamente stabile se e solo se per ogni stato iniziale x0 2 Rn ,
l’evoluzione libera dello stato tende, per t ! 1, allo stato nullo. Equivalentemente, un sistema
lineare è asintoticamente stabile se e solo se
lim eF t = 0. (3.2.8)
t!1
Osservando le formule (3.2.8) e (3.2.7) risulta evidente il seguente risultato.

Corollario 3.2.3 La stabilità e la stabilità asintotica di un sistema lineare sono proprietà che
dipendono solo dalla matrice F .
Dal Corollario 3.2.2 e dalla Proposizione A.3.1 (o dalla Proposizione A.3.4, nel caso di matrici
non diagonalizzabili) consegue facilmente il seguente importantissimo teorema.
Teorema 3.2.1 Il sistema lineare (3.2.1):
1. è asintoticamente stabile se e solo se tutti gli autovalori della matrice F hanno parte reale
negativa;
2. è semplicemente stabile se e solo se tutti gli autovalori della matrice F hanno parte reale
negativa o nulla e tutti gli autovalori con parte reale nulla hanno molteplicità algebrica uguale
alla molteplicità geometrica.
In formule:
(3.2.1) Asintoticamente Stabile , Re[ ] < 0, 8 2 (F ) (3.2.9)
(
Re[ ]  0,
(3.2.1) Semplicemente Stabile , 8 2 (F ) (3.2.10)
Re[ ] = 0 ) ⌫( ) = g( ),
Ricordando che gli autovalori di F sono le radici del polinomio caratteristico di F , si ha il

seguente risultato.
Corollario 3.2.4 Il sistema lineare (3.2.1) è asintoticamente stabile se e solo se il polinomio
F ( ) := det( I F ) è hurwitziano, ossia tutte le sue radici hanno parte reale strettamente
negativa.
La condizione (3.2.10) per la semplice stabilità è meno immediata della condizione per la stabilità
asintotica. Tuttavia, nel caso di sistemi la cui matrice di stato è diagonalizzabile, la condizione può
essere semplificata come mostra il seguente corollario.
Corollario 3.2.5 Se la matrice F è diagonalizzabile, il sistema lineare (3.2.1) è semplicemente
stabile se e solo se tutti gli autovalori della matrice F hanno parte reale negativa o nulla. In
formule:
F diagonalizzabile ) {(3.2.1) Semplicemente Stabile , Re[ ]  0, 8 2 (F )} (3.2.11)

24 CAPITOLO 3. LA STABILITÀ
3.2.2 Condizioni di stabilità per i punti di equilibrio di sistemi non lineari

Le definizioni di stabilità e stabilità asintotica per punti di equilibrio di sistemi non lineari sono
di scarso interesse operativo. Infatti, verificare la stabilità di un punto di equilibrio di un sistema
non lineare in base alla diretta applicazione della definizione risulta, nella maggior parte dei casi,
impossibile. Tuttavia si può ricorrere al seguente risultato (enunciato senza dimostrazione).
Teorema 3.2.2 Sia x̄ un punto di equilibrio relativo all’ingresso costante ū del sistema (3.1.1) e
sia F la matrice di stato ottenuta linearizzando il sistema (3.1.1) attorno al punto di equilibrio x̄.
Allora
1. se tutti gli autovalori di F hanno parte reale negativa allora x̄ è un punto di equilibrio asin-
toticamente stabile per il sistema (3.1.1);
2. se almeno un autovalore di F ha parte reale positiva allora x̄ è un punto di equilibrio instabile
per il sistema (3.1.1).
Si noti che questo teorema non permette di concludere nulla nel caso in cui la matrice F abbia
uno o più autovalori a parte reale nulla e i rimanenti abbiano tutti parte reale negativa. In tal caso
è necessario ricorrere a criteri più sofisticati (criteri di stabilità basati su funzioni di Lyapunov).
Esempio 3.2.1 Si consideri il pendolo dell’Esempio 1.3.5 e il relativo"modello # (1.3.16).
" #Si consi-
0 ⇡
derino i due punti di equilibrio corrispondenti all’ingresso ū = 0: x̄0 = e x̄00 = .
0 0
Impiegando il Teorema 3.2.2, si verifichi che il secondo punto di equilibrio non è stabile mentre,
se il coefficiente di attrito k è positivo, il primo punto di equilibrio è asintoticamente stabile.
Se k = 0, si ricade nella condizione in cui il Teorema 3.2.2 non fornisce alcuna indicazione. " #
0 0
Tuttavia, impiegando la definizione, si può concludere che il punto di equilibrio x̄ = è
0
semplicemente stabile ma non asintoticamente stabile. A questo scopo si consideri la conservazione
dell’energia totale ET che è la somma di energia cinetica Ek e energia potenziale Ep del pendolo.
Per semplicità, si scelga lo zero dell’energia potenziale in corrispondenza al punto in cui il pendolo
è nella posizione più bassa possibile (verticale). Si esprima la somma ET = Ek + Ep in funzione
delle variabili di stato. Risulterà immediato constatare che ET tende a zero se e solo se kxk vi
tende. A questo punto non è difficile applicare la definizione e concludere che il punto di equilibrio
in questione è semplicemente (ma non asintoticamente) stabile.
3.3 Stabilità BIBO

La stabilità semplice e la stabilità asintotica riguardano il modo in cui variazioni dello stato ini-
ziale x0 influiscono sull’evoluzione dello stato del sistema. Una seconda importantissima forma di
stabilità riguarda invece il modo in cui variazioni dell’ingresso influiscono sull’evoluzione dell’uscita
del sistema. Introdurremo questa forma di stabilità solo per sistemi lineari.
Definizione 3.3.1 Si consideri un sistema lineare. Il sistema si dice BIBO stabile se per ogni
ingresso con componenti limitate la corrispondente uscita forzata ha componenti limitate.
Si può dimostrare che vale la seguente condizione necessaria e sufficiente.
Teorema 3.3.1 Si consideri un sistema lineare e sia W (s) la sua matrice di trasferimento ottenuta
dopo tutte le possibili cancellazioni zero/poli dei suoi elementi. Allora il sistema è BIBO stabile se
tutti i poli di W (s) hanno parte reale strettamente negativa.
Risulta dunque evidente che in un sistema lineare la stabilità asintotica implica sia la stabilità
semplice sia la stabilità BIBO mentre non valgono, in generale, le implicazioni inverse, né vale, in
generale, alcuna implicazione fra le due proprità di stabilità semplice e di stabilità BIBO.
Appendice A
Esponenziale di matrici
A.1 Definizione
Nel seguito si definirà l’esponenziale di una arbitraria matrice quadrata A 2 Rn⇥n e se ne illustreran-
no alcune proprietà. La definizione è fondata sul seguente risultato:
Proposizione A.1.1 Sia A 2 Rn⇥n . La serie

1
X Ak t k A2 t2 A3 t3
= I + At + + + ... (A.1.1)
k=0
k! 2! 3!
converge assolutamente1 per ogni t 2 R.
Sulla base di questo risultato si ha la seguente definizione.
Definizione A.1.1 Siano A 2 Rn⇥n e t 2 R. Si definisce esponenziale di A t e si indica con eAt

la matrice
X1
Ak t k
eAt = . (A.1.2)
k=0
k!
Si osservi che l’esponenziale di matrice è stato introdotto per analogia con il caso scalare; infatti
P Ak tk
per ogni A 2 R e t 2 R si ha eAt = 1 k=0 k! . Pertanto, quando A è scalare il suo esponenziale si
riduce a quello consueto.
A.2 Proprietà dell’esponenziale di matrice

Fissata la matrice A l’esponenziale eAt può essere visto come una matrice i cui elementi aij (t) =
[eAt ]i,j sono funzioni di t.
Proposizione A.2.1 Valgono le seguenti proprietà:
1. Per ogni i, j = 1, 2, . . . n, aij (t) è una funzione continua con tutte le sue derivate.
2. Per ogni A 2 Rn⇥n e t 2 R, eAt è una matrice invertibile e la sua inversa è e At .
3. Per ogni A 2 Rn⇥n ,

eA0 = I. (A.2.1)
1
Il primo membro della (A.1.1) è una serie di matrici, ossia, unaPmatrice in cui ciascun elemento è costituito da
1
una serie. Data la P successione di matrici Mk , la serie di matrici k=0
Mk si dice (assolutamente) convergente se
1
ciascuna delle serie k=0
[Mk ]ij è tale.
25
26 APPENDICE A. ESPONENZIALE DI MATRICI
4. Per ogni A 2 Rn⇥n e t1 , t2 2 R,
eA(t1 +t2 ) = eAt1 eAt2 (A.2.2)
5. Se A1 , A2 2 Rn⇥n commutano2 allora per ogni t 2 R,
e(A1 +A2 )t = eA1 t eA2 t . (A.2.3)
Viceversa, se per ogni t 2 R, vale la (A.2.3) allora A1 e A2 commutano.
6. Per ogni A 2 Rn⇥n e t 2 R si ha
d At
[e ] = AeAt = eAt A. (A.2.4)
dt
7. Se
2 3
J1 0 0 . . . 0
6 7
6 0 J2 0 . . . 0 7
A=6
6 .. .. .. .. .. 7
7
4 . . . . . 5
0 0 0 . . . Jl
è una matrice diagonale a blocchi allora eAt è anch’essa diagonale a blocchi e ciascuno dei
suoi blocchi diagonali è l’esponenziale del corrispondente blocco di A:
2 3
e J1 t 0 0 . . . 0
6 7
At
6 0 eJ 2 t 0 . . . 0 7
e =6
6 .. .. .. .. .. 7
7 (A.2.5)
4 . . . . . 5
0 0 0 . . . e lt
J
8. Se v 2 Cn è un autovettore di A 2 Rn⇥n e 2 C è il corrispondente autovalore, allora v è

anche autovettore di eAt per ogni t 2 R e il corrispondente autovalore è e t :
Av = v ) eAt v = e t v. (A.2.6)
9. Data A 2 Rn⇥n , sia T 2 Cn⇥n non singolare. Allora, per ogni t 2 R si ha3
1 )t
e(T AT = T eAt T 1
. (A.2.7)
Le proprietà 2-9 sono di immediata verifica a partire dalla definizone di esponenziale. La di-
mostrazione della proprietà 1 è meno immediata.
Si osservi che dalla proprietà 7 segue che l’esponenziale di una matrice diagonale ⇤ è, a sua volta,
una matrice diagonale i cui elementi diagonali sono gli esponenziali dei corrispondenti elementi di ⇤.
2
Si dice che due matrici A1 e A2 commutano se A1 A2 = A2 A1 .
Si noti che T AT 1 in generale non è una matrice reale in quanto T 2 C
3 n⇥n
. Per altro, la definizione di
esponenziale di matrici si estende in modo ovvio al caso complesso (la Proposizione A.1.1 continua a valere anche se
A2C
n⇥n
).
A.3. CALCOLO DELL’ESPONENZIALE DI UNA MATRICE 27
A.3 Calcolo dell’esponenziale di una matrice

A.3.1 Caso di matrici diagonalizzabili
Nel caso di matrici A diagonalizzabili, il calcolo dell’esponenziale risulta abbastanza agevole. Si
ricorda la seguente definizone.
Definizione A.3.1 Sia A 2 Rn⇥n . A si dice diagonalizzabile se esiste una matrice non singolare
T 2 Cn⇥n tale che D := T 1 AT è una matrice diagonale (eventualmente anche a valori complessi).
Data una matrice A 2 Rn⇥n diagonalizzabile sia T tale che

2 3
1 0 0 ... 0
6 7
1
6 0 2 0 ... 0 7
T AT = D = 6
6 .. .. .. .. .. 7.
7 (A.3.1)
4 . . . . . 5
0 0 0 ... n
Per calcolare l’esponenziale eAt è sufficiente osservare che

1 AT T 1 )t 1 AT )t
eAt = e(T T = T e(T T 1
= T eDt T 1
(A.3.2)
e quindi per la proprietà 7,

2 3
e 1t 0 0 ... 0
6 2t 7
At
6 0 e 0 ... 0 7
e =T6 .. .. .. .. .. 7T 1 (A.3.3)
6 7
4 . . . . . 5
0 0 0 . . . e nt
Si osservi che:
1. per calcolare l’eponenziale di una matrice diagonalizzabile A è sufficiente calcolare la matrice

T e la matrice diagonale D e poi eseguire i prodotti a secondo membro della (A.3.3);
2. se A è una matrice diagonalizzabile, le colonne della corrispondente matrice T sono autovettori

(linearmente indipendenti) di A; inoltre l’autovalore di A corrispondente alla i esima colonna
di T è l’i esimo elemento i sulla diagonale di D. Infatti, indicata con vi la i esima colonna
di T , si ha vi 6= 0 e dalla (A.3.1) consegue AT = T D che, considerata colonna per colonna, si
può scrivere come
Avi = i vi , i = 1, 2 . . . n. (A.3.4)
Per definizione quindi vi è autovettore di A e il corrispondente autovalore è i.
Viceversa, dati v1 , v2 , . . . , vn autovettori di A linearmente indipendenti, e detta T la matrice

(non singolare) le cui colonne sono questi autovettori, la matrice T diagonalizza A. Infatti,
vale la (A.3.4) da cui la AT = T D e la (A.3.1).
In conclusione, la matrice A è diagonalizzabile se e solo se ammette n autovettori linearmente
indipendenti e, in questo caso, una matrice che diagonalizza A si ottiene giustapponendo
questi n autovettori di A;
3. i i e gli elementi di T nella (A.3.3) non sono necessariamente reali; però, se A è una matrice a
elementi reali, eAt è una matrice i cui elementi sono funzioni a valori reali e quindi, eseguendo il
prodotto a secondo membro della (A.3.3), si deve necessariamente ottenere una matrice reale.
4. dalla (A.3.3) segue subito che gli elementi di eAt sono combinazioni lineari degli esponen-
ziali degli autovalori di A. Inoltre, se = + j! è un autovalore complesso di A si
può dimostrare che anche il suo complesso coniugato ¯ = j! è autovalore di A; nel
prodotto a secondo membro della (A.3.3), gli esponenziali e = e t [cos(!t) + j sin(!t)] e
t
¯
e t = e t [cos(!t) j sin(!t)] si combinano secondo coefficienti complessi coniugati in modo
che il loro contributo agli elementi dell’eponenziale eAt è costituito da combinazioni lineari
delle funzioni reali e t cos(!t) e e t sin(!t).
La precedente osservazione 4. è resa più precisa dalla seguente proposizione.
Proposizione A.3.1 Sia A 2 Rn⇥n diagonalizzabile e siano i , i = 1, 2, . . . , r, i suoi autovalori
reali e i ± j!i , i = 1, 2, . . . , c, quelli con parte immaginaria non nulla. Si consideri l’insieme di
it it it
M := {e : i = 1, 2, . . . , r} [ {e cos(!i t), e sin(!i t) : i = 1, 2, . . . , c}. (A.3.5)
Ciascun elemento di eAt è combinazione lineare secondo coefficienti reali delle funzioni di M.
Inoltre, comunque data una funzione f (t) 2 M, esiste almeno un elemento di eAt in cui la
funzione f (t) compare con combinatore non nullo.
Si ricordano ora alcuni concetti sulla teoria delle matrici utili per enunciare una condizione
necessaria e sufficiente per la diagonalizzabilità di una matrice.
Definizione A.3.2 Sia A 2 Rn⇥n . Il polinomio
A( ) = det[ I F] (A.3.6)
si dice polinomio caratteristico di A.
Il polinomio caratteristico è un polinomio monico di grado pari all’ordine della matrice.

Gli zeri del polinomio caratteristico di A sono gli autovalori di A. L’insieme degli autovalori di
A è detto spettro di A e indicato con (A).
Definizione A.3.3 Sia A 2 Rn⇥n e i 2 (F ). La molteplicità di i come zero del polinomio

caratteristico A ( ) è detta molteplicità algebrica di come autovalore di A e si indica con ⌫( i ).
La dimensione dello spazio vettoriale4
ker[ i I A] (A.3.7)
è detta molteplicità geometrica di i come autovalore di A e si indica con g( i ).
È ovvio che dato i 2 (F ), si ha ⌫( i ) 1 e g( i ) 1. Inoltre, è facile dimostrare che

⌫( i ) g( i ).
Proposizione A.3.2 Sia A 2 Rn⇥n . Condizione necessaria e sufficiente perché A sia diagonaliz-
zabile è che per ogni i 2 (F ) si abbia
⌫( i ) = g( i ). (A.3.8)
In tal caso la matrice A ammette n autovettori linearmente indipendenti v1 , v2 , . . . , vn e la matrice

T 2 Cn⇥n le cui colonne sono i vettori vi diagonalizza A, ossia T 1 AT è una matrice diagonale.
Data una matrice L 2 R
4 p⇥q
, si indica con ker L l’insieme di vettori
ker L := {v 2 R : Lv = 0}.
q
Tale insieme è un sottospazio vettoriale di Rq e viene anche detto nucleo o spazio nullo di L.
Dalla precedente proposizione, ricordando che ⌫( i ) g( i ) 1 consegue il seguente corollario

che fornisce una condizione sufficiente per la diagonalizzabilità.
Corollario A.3.1 Sia A 2 Rn⇥n . Se A ha n autovalori distinti allora è diagonalizzabile.
Esempio A.3.1 Si vuole calcolare l’esponenziale della matrice

" #
3 10
A= . (A.3.9)
3 8
Si calcoli anzitutto il polinomio caratteristico:

" #
+3 10 2
det( I A) = det = 5 + 6, (A.3.10)
3 8
le cui radici (autovalori di A) sono 1 =2e

= 3. La matrice A ha dimensione 2 e ha
2 " 2 autovalori
#
2
distinti perciò è diagonalizzabile. Ponendo Av = 2v si ottiene l’autovettore v1 = relativo
1
" #
5
all’autovalore 2. Analogamente, ponendo Av = 3v si ottiene l’autovettore v2 = relativo
3
" # " #
2 5 1 AT 2 0
all’autovalore 3. Dunque T = eT = . E infine
1 3 0 3
" #" #" # " #
2 5 e2t 0 3 5 6e2t 5e3t 10e3t 10e2t
eAt = = (A.3.11)
1 3 0 e3t 1 2 3e2t 3e3t 6e3t 5e2t
| {z } | {z }
T T 1

2 3
5 7 10
6 7
A=4 11 12 15 5 . (A.3.12)
5 5 6

2 3
+5 7 10
6 7 3 2
det( I A) = det 4 11 12 15 5 = + 2, (A.3.13)
5 5 +6
le cui radici (autovalori di A) sono 1 = 1 e 2/3 = 1 ± j. La matrice A ha dimensione 3 e ha 3

autovalori distinti perciò è diagonalizzabile.
2 3 2 3 2 3
1 4 ± j3 1 4 j3 4 + j3
6 7 6 7 6 7
Gli autovettori di A sono v1 = 4 2 5 e v2/3 = 4 11 ± j2 5, cosicché T = 4 2 11 j2 11 + j2 5
1 5 1 5 5
2 3
1 0 0
6 7
e T 1 AT = 4 0 1 + j 0 5. E infine la matrice esponenziale eAt è data da
0 0 1 j
1 AT )t
T e(T T 1
=
" t
#
2e et cos(t) 2et sin(t) 3et cos(t) + et sin(t) 3e t 5e t 5et cos(t)
4e t 4et cos(t) 3et sin(t) 7et cos(t) et sin(t) 6e t 10e t 10et cos(t) + 5et sin(t)
2e t 2et cos(t) et sin(t) 3et cos(t) et sin(t) 3e t 5e t 4et cos(t) + 3et sin(t)

2 3
1 1 1
6 7
A=4 4 6 4 5. (A.3.14)
2 2 0

3 2
det( I A) = 7 + 16 12 (A.3.15)
le cui radici (autovalori di A) sono 1 = 3 e 2 = 2. In questo caso, la matrice A ha dimensione 3

ma ha solo 2 autovalori distinti; per discuterne la diagonalizzabilità si devono calcolare molteplicità
algebrica e geometrica dei due autovalori. L’autovalore 1 = 3 ha molteplità algebrica pari a 1 e
quindi tale è pure la sua molteplicità geometrica. L’autovalore 2 = 2 ha molteplità algebrica pari
a 2 e quindi si deve determinarne la molteplità geometrica ossia si deve determinare la dimensione
dello spazio vettoriale ker(2I A). Ricordando che la dimensione del nucleo di una matrice quadrata
(come è 2I A) di ordine n è pari ad n meno il rango della matrice stessa, si ha
2 3
1 1 1
6 7
dim ker(2I A) = 3 rank 4 4 4 4 5=3 1 = 2, (A.3.16)
2 2 2
e quindi anche la molteplicità geometrica dell’autovalore = 2 è pari a 2. In conclusione,

2 3 2 A
1
6 7
è diagonalizzabile. Risolvendo l’equazione Av = 3v si ottiene l’autovettore v1 = 4 4 5 relativo
2
all’autovalore 3. Risolvendo
2 3 l’equazione
2 3 Av = 2v si ottengono due autovettori linearmente
2 3in-
1 0 1 1 0
6 7 6 7 6 7
dipendenti: v21 = 4 1 5 e v22 = 4 1 5 relativi all’autovalore 2. Quindi, T = 4 4 1 1 5 e
0 1 2 0 1
2 3
3 0 0
6 7
T 1 AT = 4 0 2 0 5. E infine la matrice esponenziale eAt è data da
0 0 2
2 3
2e2t e3t e3t e2t e2t e3t
1 AT )t 6 7
eAt = T e(T T 1
= 4 4e2t 4e 3t 4e 3t 3e 2t 4e2t 4e3t 5 . (A.3.17)
2e2t 2e3t 2e3t 2e2t 3e2t 2e3t
A.3.2 Caso di matrici non diagonalizzabili

Il calcolo dell’esponenziale di una matrice non diagonalizzabile è più complicato perchè richiede
una trasformazione T che porta la matrice in una forma canonica detta forma di Jordan. Si ha il
seguente risultato.
Proposizione A.3.3 Siano A 2 Rn⇥n e 1 , 2 , . . . , l , l  n, gli autovalori di A. Esiste una

matrice invertibile T tale che T 1 AT è una matrice diagonale a blocchi con tanti blocchi quanti
sono gli autovalori di A: 2 3
J1 0 0 . . . 0
6 7
6 0 J2 0 . . . 0 7
T 1 AT = 66 .. .. .. .. .. 7
7. (A.3.18)
4 . . . . . 5
0 0 0 . . . Jl
Ciascun blocco Ji ha ordine pari alla molteplicità aglebrica di i come autovalore di A. Inoltre,
ciascun Ji ha il solo autovalore i e ha anch’esso struttura diagonale a blocchi:
2 3
Ji1 0 0 . . . 0
6 7
6 0 Ji2 0 . . . 0 7
Ji = 6
6 .. .. .. .. .. 7.
7 (A.3.19)
4 . . . . . 5
0 0 0 . . . Jiki
Il numero di blocchi ki di Ji è pari alla molteplicità geometrica di i come autovalore di A. Detto
mi,j l’ordine del blocco Jij si ha mi,j mi,j+1 (i blocchi Jij hanno ordine decrescente). Infine,
ciascun blocco Jij ha la struttura bidiagonale
2 3
i 1 0 ... 0
6 0 1 ... 0 7
6 i 7
6 .. .. .. ..7
Jij = 6
6 . . . .
7 = i I + N.
7 (A.3.20)
6 7
4 0 0 0 i 1 5
0 0 0 ... i
dove N è una matrice che ha solo la prima sopradiagonale non nulla e precisamente con tutti gli
elementi pari a 1.
Le matrici Ji si dicono blocchi di Jordan di A; le matrici Jij si dicono miniblocchi di Jordan di

A. L’ordine mi,1 del primo miniblocco di Jordan relativo all’autovalore i (ossia del miniblocco di
ordine massimo tra quelli relativi all’autovalore i ) si dice indice di i come autovalore di A e si
indica con I( i ).
Si può dimostrare che
dim ker[( i I A)q ] < ⌫( i ), 8 q < I( i ) (A.3.21a)
q
dim ker[( i I A) ] = ⌫( i ), 8q I( i ). (A.3.21b)
Queste relazioni permettono di calcolare l’indice I( i ), infatti esso è il primo intero q per cui vale
la (A.3.21b).
È chiaro che, nota la matrice T che riduce la matrice A in forma di Jordan, il calcolo del-
l’esponenziale di A richiede solo il calcolo dell’esponenziale di matrici con struttura di miniblocchi
di Jordan. Infatti, per calcolare eAt è sufficiente ridurre A in forma di Jordan e operare come nel
caso di matrici diagonalizzabili.
Si illustrerà ora il calcolo dell’esponenziale di matrici con struttura di miniblocchi di Jordan.
Sia J un miniblocco di Jordan di ordine m:
J = I + N 2 Rm⇥m . (A.3.22)
Si osservi che
1. le matrici I e N commutano;
2. Per i < m, la matrice N i ha tutti gli elementi nulli eccetto quelli della i-esima sopradiagonale
che sono tutti pari a 1. Per i m, la matrice N i ha tutti gli elementi nulli:
2 3 2 3
0 0 1 0 ... 0 0 0 0 1
... 0
6 6 .. 7
6 0 0 0 1 ... 0 7 7 6 0 0 0 0 . 0 7
6 6 7
6 .. .. . . . . . . .. 7 6 .. .. 7
2
N =6 . . . . . . 7
7, 3 6
N =6 . .
.. .. ..
. . . 1 7
7
6 7 6 7
6 0 0 0 ... 0 1 7 6 0 0 0 ... 0 0 7
6 7 6 7
4 0 0 0 ... 0 0 5 4 0 0 0 ... 0 0 5
0 0 0 ... 0 0 0 0 0 ... 0 0
2 3
0 0 ... 0 1
6 0 0 ... 0 0 7
6 7
m 1
6 .. .. .. .. .. 7
..., N =6
6 . . .
7
. . 7, Nq = 0 8 q m
6 7
4 0 0 ... 0 0 5
0 0 ... 0 0
Dalla commutatività consegue che

eJt = e t eN t ; (A.3.23)
e dalla definizione di esponenziale consegue che
2 3
t2 t3 tm 1
1 t 2! 3! ... (m 1)!
6 7
6 .. .. tm 2 7
6 0 1 t . . 7
6 (m 2)! 7
6 .. . . .. .. .. .. 7
Nt 6 . . . . . . 7
e =6 7. (A.3.24)
6 .. 7
6 . t t2 7
6 0 0 0 2! 7
6 7
4 0 0 0 ... 1 t 5
0 0 0 ... 0 1
In conclusione 2 3
t2 t3 tm 1
1 t 2! 3! ... (m 1)!
6 7
6 .. .. tm 2 7
6 0 1 t . . 7
6 (m 2)! 7
6 .. . . .. .. .. .. 7
6 . . . . . 7
eJt = e t 6 . 7. (A.3.25)
6 .. 7
6 . t t2 7
6 0 0 0 2! 7
6 7
4 0 0 0 ... 1 t 5
0 0 0 ... 0 1
Per calcolare l’esponenziale di una qualunque matrice A si può procedere cosı̀:
1. si calcola la matrice T che riduce A in forma di Jordan;
2. si calcola l’esponenziale di ciascuno dei miniblocchi;
3. si calcola
eAt = T diag{eJ11 t , eJ12 t , . . . eJlkl t } T 1
(A.3.26)
Se A ha autovalori complessi (con parte immaginaria non nulla), la matrice T e la forma

di Jordan T 1 AT hanno elementi complessi; in tal caso si può dimostrare che due autovalori
complessi coniugati hanno la stessa struttura di Jordan ossia hanno blocchi e miniblocchi delle
stesse dimensioni e in particolare hanno lo stesso indice. In modo analogo a come avviene nel
caso di matrici diagonalizzabili, nel prodotto a secondo membro della (A.3.26), gli esponenziali
¯
e t = e t [cos(!t) + j sin(!t)] e e t = e t [cos(!t) j sin(!t)] si combinano secondo coefficienti
complessi coniugati in modo che il loro contributo agli elementi dell’eponenziale eAt è costituito da
combinazioni lineari delle funzioni reali e t cos(!t) e e t sin(!t). Più precisamente vale la seguente
proposizione:
Proposizione A.3.4 Sia A 2 Rn⇥n e siano i , i = 1, 2, . . . , r i suoi autovalori reali e µi := i +j!i
e µ̄i := i j!i , i = 1, 2, . . . , c, quelli con parte immaginaria non nulla. Si consideri l’insieme di
M := MR [ MC (A.3.27)
con
it it
MR := {e , te , . . . , tI( i) 1
e it
: i = 1, 2, . . . , r} (A.3.28)
it it it it
MC := {e cos(!i t), e sin(!i t), te cos(!i t), te sin(!i t), . . . ,
I(µi ) 1 it I(µi ) 1 it
t e cos(!i t), t e sin(!i t) : i = 1, 2, . . . , c}.
(A.3.29)
Ciascun elemento di eAt è combinazione lineare secondo coefficienti reali delle funzioni di M.
Inoltre, comunque data una funzione f (t) 2 M esiste almeno un elemento di eAt in cui la
funzione f (t) compare con combinatore non nullo.

2 3
69 45 3 5
6 139 90 6 10 7
6 7
A=6 7. (A.3.30)
4 77 49 5 5 5
263 166 12 18
det( I A) = ( 2)4 , (A.3.31)
la cui unica radice (autovalore di A) è 1 = 2. Quindi, A ha il solo autovalore 2 e ⌫1 = 4. Si può

osservare che A non è diagonalizzabile anche senza calcolare g1 : infatti se A fosse diagonalizzabile,
esisterebbe T invertibile tale che T 1 AT = 2I4 (dove I4 indica l’identità di mensione 4) e quindi A =
T 2I4 T 1 = 2I4 , dove si è tenuto conto del fatto che l’identità commuta con qualunque matrice T .
La forma di Jordan di A può quindi essere solo una delle seguenti:
2 3
2 1 0 0
6 0 2 1 0 7
6 7
J =6 7 (A.3.32)
4 0 0 2 1 5
0 0 0 2
2 3
2 1 0 0
6 0 2 1 0 7
6 7
J =6 7 (A.3.33)
4 0 0 2 0 5
0 0 0 2
2 3
2 1 0 0
6 0 2 0 0 7
6 7
J =6 7 (A.3.34)
4 0 0 2 1 5
0 0 0 2
2 3
2 1 0 0
6 0 2 0 0 7
6 7
J =6 7 (A.3.35)
4 0 0 2 0 5
0 0 0 2
La (A.3.32) corrisponde alla presenza di un solo miniblocco di Jordan di ordine 4, la (A.3.33)
corrisponde alla presenza di un miniblocco di Jordan di ordine 3 e uno di ordine 1, la (A.3.34)
corrisponde alla presenza di due miniblocchi di Jordan di ordine 2 e la (A.3.35) corrisponde alla
presenza di un miniblocco di Jordan di ordine 2 e due di ordine 1.
Per stabilire quale di queste sia la forma di Jordan di A si calcoli la g1 . Si ha

2 3
71 45 3 5
6 139 88 6 10 7
6 7
2I A=6 7. (A.3.36)
4 77 49 3 5 5
263 166 12 20
il cui nucleo 82 3 2 39
>
> 2 0 >
>
>
<6 3 7 6 0 7>=
6 7 6 7
ker[2I A] = span 6 7 , 6 7 (A.3.37)
>
> 4 4 5 4 5 5>>
>
: >
;
1 3
ha dimensione 2. Quindi g1 = 2 e la forma di Jordan di A ha due miniblocchi e perciò può essere
la (A.3.33) oppure la (A.3.34). Per stabilire di quale di queste si tratti, si osservi che
2 3 2 3
130 82 6 10 0 0 0 0
6 195 123 9 15 7 6 0 0 0 0 7
6 7 6 7
[2I A]2 = 6 7, [2I A]3 = 6 7. (A.3.38)
4 260 164 12 20 5 4 0 0 0 0 5
65 41 3 5 0 0 0 0
Pertanto l’autovalore 2 ha l’indice pari a 3 e quindi la forma di Jordan di A è la (A.3.33). Nota

la forma di Jordan, la matrice T che riduce A in tale forma si puo calcolare imponendo
AT = T J (A.3.39)
che può essere considerata come un’equazione lineare in T . Una delle (infinite) soluzioni della
(A.3.39) è 2 3
2 1 0 0
6 3 2 0 0 7
6 7
T =6 7, (A.3.40)
4 4 1 2 5 5
1 4 1 3
da cui si calcola facilmente 2 3
2 1 0 0
6 3 2 0 0 7
1 6 7
T =6 7. (A.3.41)
4 65 41 3 5 5
25 16 1 2
In conclusione
2 3
t2 2t
e2t t e2t 2e 0
6 7
6 0 e2t t e2t 0 7
eAt = T eJt T 1
=T 6 7 T 1=
4 0 0 e2t 0 5
0 0 0 e2t
2 3
1 71 t 65 t2 45 t + 41 t2 3 t + 3 t2 5 t 5 t2
6 139 t 195 2 123 2 9 2
10 t 15 2 7
= e2t 6
6 2 t 1 + 88 t + 2 t 6t+ 2 t 2 t 7
7. (A.3.42)
4 77 t 130 t2 49 t + 82 t2 1 + 3 t + 6 t2 5 t 10 t2 5
65 2 41 2 3 2
263 t 2 t 166 t + 2 t 12 t + 2 t 1 20 t 52 t2

Dispensa TDS

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Dispensa TDS

Caricato da

Copyright:

Formati disponibili

Note di teoria dei sistemi

2 Analisi dei sistemi lineari e invarianti nel tempo 13

dove il segnale vettoriale 2 3

(u0 (t), x0 (t), y 0 (t)) e (u00 (t), x00 (t), y 00 (t))

(definite, per esempio, su tutto l’asse reale), se

x0 (t0 ) = x00 (t0 ) e u0 (t) = u00 (t) 8 t t0 ,

x0 (t) = x00 (t) e y 0 (t) = y 00 (t) 8 t t0 .

1.2 Classi di sistemi

dove F 2 Rn⇥n , G 2 Rn⇥m , H 2 Rp⇥n e J 2 Rp⇥m .

1.3 Costruzione di un modello di stato

Esempio 1.3.1 Si consideri il circuito elettrico rappresentato in Figura 1.1. Considerando la

Figura 1.2: Rappresentazione di un doppio bipolo elettrico RL.

Figura 1.3: Rappresentazione di un forno elettrico.

In conclusione si ottiene il seguente modello del secondo ordine

Il modello è non lineare (e la non linearità è presente nell’equazione dinamica).

Esempio 1.3.4 Si consideri il sistema massa-molla schematizzato come in Figura 1.4.

Figura 1.4: Sistema massa-molla.

Si ottiene cosı̀ il seguente modello del secondo ordine

Il modello è lineare e tempo-invariante.

Figura 1.5: Rappresentazione di un pendolo.

Si è ottenuto un modello del secondo ordine non lineare e, se i parametri g, l, k e m si possono

1.3.1 Scelta delle variabili di stato

1.4 Punti di equilibrio

e sia u(t) = ū un ingresso costante.

0 = f (x̄, ū). (1.4.2)

ammette infiniti stati di equilibrio corrispondenti ad un qualunque ingresso costante |ū|  1 e

Nel caso di sistemi lineari (

Se la matrice F è invertibile, la (1.4.5) ammette un’unica soluzione

Se, invece, la matrice F è singolare, ci sono due possibilità

2. se Gū 62 im F la (1.4.5) non ammette soluzioni.

|ū|  mgl (1.4.7)

e in tal caso le soluzioni, sono

(dove x̄1 è individuato a meno di multipli di 2 ⇡).

1. se ū = 0 i due stati di equilibrio corrispondono al pendolo verticale (verso l’alto e verso il

2. se ū = mgl vi è un unico stato di equilibrio (a meno di multipli di 2 ⇡) corrispondente al

3. se ū = mgl vi è un unico stato di equilibrio (a meno di multipli di 2 ⇡) corrispondente al

4. se |ū| > mgl non vi sono stati di equilibrio.

Le (1.4.1) possono essere quindi riscritte nella forma

Ora, sviluppando le funzioni f e h attorno al punto di equilibrio, le (1.5.2) possono essere

che descrive la dinamica degli scostamenti x (t), u (t) e y (t).

Esempio 1.5.1 Si consideri il pendolo

Analisi dei sistemi lineari e invarianti

dove F 2 Rn⇥n , G 2 Rn⇥m , H 2 Rp⇥n e J 2 Rp⇥m .

2.1 Evoluzione dello stato e dell’uscita

• lo stato all’istante (iniziale) t0 : x(t0 ) = x0 e

• l’andamento futuro dell’ingresso u(t), t t0 .

Il seguente risultato permette di calcolare l’evoluzione futura di stato e uscita:

L’evoluzione dell’uscita per t t0 è data da

Dimostrazione. Valutando ambo i membri della (2.1.1) in t = t0 si ottiene

Derivando ambo i membri della (2.1.1) si ottiene

e la (2.1.2) nella forma

2.1.1 Teorema di sovrapposizione degli e↵etti

2.1.2 Evoluzione libera ed evoluzione forzata

Evoluzione libera dello stato

Definizione 2.1.1 Le funzioni f (t) 2 M si dicono modi del sistema (2.0.1).

dove i i , i = 1, 2, . . . , r sono gli autovalori reali di F e i ± j!i , i = 1, 2, . . . , c sono gli autovalori

Evoluzione libera dell’uscita

Evoluzione forzata dello stato

sXf (s) = F Xf (s) + GU (s) (2.1.16)

xf, (t) = eF t Gei (2.1.18)

Evoluzione forzata dell’uscita

Yf (s) = HXf (s) + JU (s). (2.1.19)

Sostituendo l’espressione (2.1.17) per Xf (s) nella (2.1.19) si ottiene:

2.2 Funzione di trasferimento e risposta impulsiva