EXAMPLE OF NONLINEAR

COURSE

Soheil Mehranfar
TELEGRAM CHANNEL automation2022
Example 26/01/2023:

1
VERE:
b. "The system is time-invariant"
Un sistema è time-invariant se le sue equazioni non dipendono esplicitamente dal tempo t. Nel
sistema dato, tutte le equazioni dipendono solo dalle variabili di stato (x1x2​) e dall'ingresso (u), senza
termini come t.
Conclusione: Il sistema è effettivamente time-invariant.
f. "The system is nonlinear"
Un sistema è non lineare se contiene termini non lineari rispetto alle variabili di stato o all'ingresso.
Qui, xdot2​ha termini come 20x2^2 e 3x1^2​, che sono chiaramente non lineari.
Conclusione: Il sistema è non lineare.
j. "The system is of the second order"
L'ordine di un sistema è determinato dal numero di derivate di stato indipendenti. Qui, ci sono due
equazioni differenziali di primo ordine (x1dot, x2dot​), quindi l'ordine del sistema è 2.
Conclusione: Il sistema è di secondo ordine.

FALSE:
a. "The system is LTI"
Un sistema è lineare tempo-invariante (LTI) se è sia lineare che time-invariant. Abbiamo già stabilito
che il sistema è time-invariant, ma non è lineare (contiene x1^2 & x2^2​).
Conclusione: Il sistema non è LTI.
c. "None of the replies"
Questa è chiaramente falsa perché alcune delle affermazioni sono vere (come discusso sopra).
Conclusione: Falso.
e. "The system is MIMO"
Un sistema è multi-input, multi-output (MIMO) se ha più ingressi o più uscite. In questo caso, il sistema
ha un solo ingresso (u) e due variabili di stato (x1,x2​), ma nessuna di queste è una "uscita".
Conclusione: Il sistema non è MIMO, ma SISO.
g. "The system is time-varying"
Come già spiegato, il sistema non dipende esplicitamente dal tempo t, quindi è time-invariant.
Conclusione: Falso.
h. "The system is SISO"
Un sistema è single-input, single-output (SISO) se ha un solo ingresso e una sola uscita. Qui il sistema
ha un solo ingresso (u), ma non specifica alcuna uscita, quindi non può essere considerato SISO nel
senso stretto.
Conclusione: Falso.
i. "The system is autonomous"
Un sistema è autonomo se non dipende da ingressi esterni. In questo caso, il sistema dipende da u,
quindi non è autonomo.
Conclusione: Falso.

1
2
Definizione di stabilità secondo Lyapunov:
Secondo Lyapunov, un sistema è stabile se per ogni ϵ>0, esiste un δ>0 tale che, se x(0)∈Bδ(0) (cioè, lo stato
iniziale è sufficientemente vicino all'origine), allora x(t)∈Bϵ(0) per tutti i tempit≥0.
In altre parole: Se inizi vicino all'origine (nel raggio δ), il sistema rimane vicino all'origine (nel raggio ϵ).

VERE:
g. "Is stable"
Corretto. La definizione fornita corrisponde alla stabilità secondo Lyapunov: lo stato rimane vicino
all'origine per tutti i tempi t≥0, dato che il sistema inizia vicino all'origine.

FALSE:
a. "Is a limit cycle"
Falso. Un limit cycle è una traiettoria periodica isolata in un sistema dinamico, mentre la definizione di
Lyapunov riguarda la stabilità di un punto di equilibrio, non di una traiettoria periodica.
b. "Is globally stable"
Falso. La definizione fornita nella domanda indica stabilità locale (per x(0)∈Bδ(0)), non globale. Per
globalità, la stabilità dovrebbe valere per qualsiasi stato iniziale, non solo per quelli vicini all'origine.
c. "Does not exist"
Falso. L'equilibrio esiste ed è analizzato nella domanda, quindi questa opzione non è valida.
d. "Is globally exponentially stable"
Falso. La stabilità esponenziale (sia locale che globale) implica che lo stato converga all'origine in
modo esponenziale, ma nella definizione data non è menzionata alcuna condizione sulla velocità di
convergenza.
e. "Is unstable"
Falso. La definizione data conferma che il sistema rimane vicino all'origine per tutti i tempi, il che
contraddice l'instabilità.
f. "Is asymptotically stable"
Falso. La stabilità asintotica richiede che il sistema non solo rimanga vicino all'origine, ma anche che
converga all'origine quando t→∞. Nella definizione fornita, manca questa garanzia di convergenza.
h. "Is exponentially stable"
Falso. La stabilità esponenziale richiede che la convergenza all'origine sia più rapida e segua una legge
esponenziale, cosa non specificata nella definizione fornita.

2
3
Il teorema di LaSalle in breve:
Il teorema di LaSalle afferma che, dato un sistema dinamico con una funzione candidata di Lyapunov V(x), il
sottoinsieme Ω={x:V(x)≤c}, dove c>0 è una costante, è invariato positivamente. Questo significa che una
traiettoria che inizia in Ω rimane in Ω e tende verso il sottoinsieme più piccolo all’interno di Ωin cui
Vdot(x)=0. Questo fornisce condizioni sufficienti per la stabilità asintotica.

VERE:
f. "Provides sufficient conditions for a certain set ΩI={x:V(x)<l} to be a region of attraction for a
certain invariant set" ->Questa è la risposta corretta, perché il teorema di LaSalle stabilisce che il set Ω
delimitato dalla funzione candidata di Lyapunov è una regione di attrazione. Questo significa che le
traiettorie che iniziano dentro Ω si avvicinano al sottoinsieme più piccolo che soddisfa Vdot(x)=0, ovvero
l'insieme invariante.

FALSE:
a. "Proves the existence of limit cycles" ->Falso. Il teorema di LaSalle si concentra sulla stabilità
asintotica e sull'attrazione verso un insieme invariante. Non affronta direttamente l'esistenza di limit
cycles (orbite periodiche).
b. "Proves the instability of a dynamical system" ->Falso. LaSalle è un teorema per dimostrare la
Aggiungi corpo del testo
stabilità (non l'instabilità) asintotica di un sistema dinamico.
c. "Provides sufficient conditions for the existence of closed orbits" ->Falso. Sebbene i sistemi
dinamici possano avere orbite chiuse, il teorema di LaSalle non si applica alla loro esistenza, ma alla
stabilità e attrattività di insiemi invarianti.
d. "Proves that the set Ωi={x:V(x)<l} is a positively invariant set"-> Falso. perché il teorema di LaSalle
non garantisce che l'intero insieme Ωi sia positivamente invariante.

3
4
Cosa afferma la domanda?
Il sistema xdot˙=Ax può essere associato alla forma di Jordan J = diag(lamda1,lamda2), dove:

Questa forma è valida se e solo se:

1. Gli autovalori della matrice A (λ1, λ2​) sono reali.
2. La matrice A ha un numero sufficiente di autovettori linearmente indipendenti per costruire la base
completa dello spazio di stato.

Perché è VERA?
La forma diagonale della matrice di Jordan si verifica solo in condizioni specifiche. Esaminiamo i dettagli:
Autovalori reali: Se A ha autovalori complessi (ad esempio, λ1=a+bi e lambda_2 = a - bi), la forma di
Jordan non è diagonale, ma assume un blocco 2x2 associato agli autovalori complessi. Per avere una
matrice diagonale, gli autovalori devono essere reali.
Autovettori linearmente indipendenti: La matrice A deve avere tanti autovettori indipendenti quanti
sono gli autovalori (λ&λ2​). Se non ci sono abbastanza autovettori indipendenti (ad esempio, in presenza di
autovalori con molteplicità algebraica maggiore della molteplicità geometrica), la forma canonica di
Jordan contiene blocchi non diagonali (blocchi generalizzati).
Forma canonica di Jordan: La forma di Jordan è la rappresentazione più semplice per una matrice A
dopo una trasformazione di similarità. Quando gli autovalori sono reali e ci sono autovettori indipendenti,
la forma di Jordan è semplicemente diagonale, con gli autovalori λ1&λ2​sulla diagonale.

Conclusione:
La risposta è "Vero" perché:
La forma diagonale di Jordan (J=diag(λ1,λ2)) esiste solo quando A ha autovalori reali (λ1​,λ2​) e autovettori
linearmente indipendenti.
Questa è la condizione necessaria e sufficiente per la rappresentazione diagonale.

4
5
Risposte VERE:
b. "Limit cycles"
I sistemi lineari non possono generare limit cycles (orbite periodiche isolate). I limit cycles sono una
caratteristica esclusiva dei sistemi non lineari e si manifestano come soluzioni periodiche stabili o
instabili. Nei sistemi lineari, le soluzioni oscillano solo se ci sono autovalori complessi con parte reale
nulla, ma queste oscillazioni non sono isolate: ogni stato iniziale conduce a un'oscillazione diversa.
c. "Subharmonics"
I subarmonici (oscillazioni con frequenze che sono multipli frazionari di una frequenza fondamentale)
sono anch'essi un fenomeno esclusivo dei sistemi non lineari. I sistemi lineari producono solo risposte
armoniche proporzionali alla frequenza di ingresso.
e. "Isolated multiple equilibrium states"
I sistemi lineari possono avere al massimo un solo equilibrio (se la matrice di stato ha rango completo)
o infiniti equilibri (se la matrice ha rango ridotto). Non possono avere equilibri multipli isolati, che sono
una caratteristica tipica dei sistemi non lineari.

Risposte FALSE:
a. "None of the replies"
Questa è chiaramente falsa, perché alcune risposte (come spiegato sopra) sono corrette.
d. "One or infinite equilibrium states"
Questo è vero per i sistemi lineari, quindi non è un comportamento escluso. I sistemi lineari possono
avere:
Un equilibrio unico (se il sistema è completamente controllabile e osservabile).
Infiniti equilibri (se la matrice A ha un autovalore pari a zero).
f. "Unstable equilibrium states"
I sistemi lineari possono rappresentare stati di equilibrio instabili, come nel caso in cui uno o più
autovalori della matrice di stato A abbiano parte reale positiva.
g. "Closed orbits"
Sebbene i sistemi lineari non abbiano limit cycles, possono avere orbite chiuse quando ci sono
autovalori complessi con parte reale nulla. Tuttavia, queste orbite non sono isolate (non sono limit
cycles), ma dipendono dalle condizioni iniziali.
h. "A stable or unstable improper node"
I sistemi lineari possono rappresentare nodi stabili o instabili. Questi corrispondono a soluzioni in cui
gli autovalori della matrice A sono reali, distinti e tutti positivi (nodo instabile) o tutti negativi (nodo
stabile).

5
6
Definizione di insieme positivamente invariante:
Un insieme S è positivamente invariante per un sistema dinamico xdot=f(x) se, per ogni stato iniziale x(0)∈S,
la traiettoria del sistema rimane in S per tutti i tempi futuri (t≥0).

Analisi del problema:

Il sistema dinamico xdot=f(x) ha un punto di equilibrio xbar, cioè un punto in cui f(xbar)=0.
L'insieme S={xbar} è costituito dal solo punto di equilibrio xbar

Perché S è positivamente invariante?

Se il sistema parte da x(0)=xbar, allora la dinamica rimane ferma in xbar perché f(xbar)=0. Questo è il
comportamento naturale di un punto di equilibrio.
Non esistono forze o dinamiche nel sistema che possano "spingere" lo stato x(t) fuori da xbar, perché
xbar è un punto di riposo.
Pertanto, una volta che il sistema si trova in S={xbar}, non può lasciarlo, rendendo S positivamente
invariante.

Conclusione:
La risposta è corretta perché il punto di equilibrio xˉ\bar{x}xˉ forma un insieme positivamente invariante
per il sistema dinamico. Questo concetto è valido indipendentemente dalla stabilità o instabilità del punto di
equilibrio.

6
7
Situazione illustrata:
Il sistema dinamico ha un punto di equilibrio xbar = 0, indicato come AS (Asymptotically Stable). Questo
implica che:
1. Le traiettorie del sistema che partono vicine a xbar = 0 si avvicinano asintoticamente a xbar quando t→∞.
2. L'equilibrio è attrattivo, cioè esiste una regione intorno a xbar nella quale tutte le traiettorie convergono a
xbar.
Il cerchio Bγ(xbar) rappresenta una palla (o un insieme) di raggio γ centrata nell'origine (xbar).

Definizione di regione di attrazione:

Una regione di attrazione è un insieme nello spazio di stato da cui, se il sistema parte, le traiettorie
convergeranno verso il punto di equilibrio.
Nel caso di Bγ(xbar), se ogni traiettoria che inizia dentro Bγ(xbar) (ovvero x(0)∈Bγ(xbar)) converge a xbar,
allora Bγ(xbar) è una regione di attrazione.

Perché la risposta è VERA?

Il sistema è asintoticamente stabile (AS): La stabilità asintotica implica che esiste una palla Bγ(xbar) tale
che tutte le traiettorie partenti da x(0)∈Bγ(xbar) convergono a xbar. Questa è una proprietà garantita
dalla definizione di stabilità asintotica.
Traiettorie che restano in Bγ(xbar): L'illustrazione mostra chiaramente che tutte le traiettorie iniziali
rimangono in Bγ(xbar) e si dirigono verso xbar. Questo rende Bγ(xbar) una regione di attrazione valida.

Conclusione:
Il sistema è asintoticamente stabile, e quindi esiste una palla Bγ(xbar) abbastanza piccola in cui tutte le
traiettorie che iniziano in Bγ(xbar) rimangono dentro e convergono al punto di equilibrio xbar. Per questo
motivo, è corretto affermare che Bγ(xbar) è una regione di attrazione.

7
8
Perché è FALSO? ->La stabilità asintotica di un sistema LTI è determinata dalla posizione degli autovalori della
matrice A (nel sistema xdot=Ax) rispetto al piano complesso. Le condizioni corrette sono:

1. Stabilità asintotica:
Un sistema è asintoticamente stabile se tutti gli autovalori di A hanno parte reale strettamente
negativa (Re(λ)<0).
Questo implica che le traiettorie del sistema si avvicinano asintoticamente al punto di equilibrio
xbar=0 nel tempo.
2. Parte reale positiva (Re(λ)>0):
Se anche solo un autovalore ha parte reale positiva (Re(λ)>0), il sistema è instabile, perché alcune
traiettorie divergeranno da xbar.
3. Parte reale nulla (Re(λ)=0):
Se un autovalore ha parte reale nulla e non è associato a blocchi generalizzati nella matrice di Jordan,
il sistema potrebbe essere neutrale (stabile, ma non asintoticamente stabile). Tuttavia, se sono
presenti blocchi generalizzati, il sistema è instabile.

Conclusione:
La condizione indicata nella domanda (Re(λ)>0) non rappresenta la stabilità asintotica, bensì l'instabilità. La
stabilità asintotica richiede che Re(λ)<0 per tutti gli autovalori.
Pertanto, la risposta è falsa.

8
9
VERE:
c. "It is discontinuous on the sliding manifold"
Motivo: La legge di controllo data presenta una discontinuità sulla sliding manifold (σi(x)=0), poiché
ui(t) cambia bruscamente tra due valori ui1e ui2​quando σi(x) attraversa lo zero. Questo è una
caratteristica tipica dei controlli in modalità sliding per garantire il mantenimento dello stato sullo
sliding manifold.
Conclusione: Vero.
g. "It is called relay control law"
Motivo: Questa legge di controllo viene spesso definita relay control perché il controllo commuta
bruscamente tra due valori discreti (simile a un interruttore). Questo tipo di comportamento è
comune nei sistemi a sliding mode.
Conclusione: Vero.
FALSE:
a. "It is a LTI control law"
Motivo: Una legge di controllo LTI (Lineare Tempo-Invariante) è caratterizzata da una relazione lineare
tra ingresso e uscita, con coefficienti costanti nel tempo. La legge di controllo data è non lineare e
discontinua (a causa della dipendenza dalla funzione segno di σi(x), quindi non può essere
considerata LTI.
Conclusione: Falso.
b. "It may allow to enforce a sliding mode only for t→∞"
Motivo: La legge di controllo data è progettata per portare lo stato del sistema sulla sliding manifold
in tempo finito, non per t→∞. Questa è una delle proprietà chiave del controllo sliding mode.
Conclusione: Falso.
d. "It is called unit vector control law"
Motivo: Il controllo dato non è chiamato unit vector control law. Quest'ultimo è un tipo di controllo
continuo che utilizza un vettore unitario per dirigere il controllo, mentre qui abbiamo un controllo
discontinuo basato su σi(x).
Conclusione: Falso.
e. "None of the replies"
Motivo: Sono già state identificate risposte corrette (c, g), quindi questa affermazione è falsa.
Conclusione: Falso.
f. "It can be designed only if mmm is different from 1"
Motivo: Non c'è alcuna condizione che richieda m≠1 per progettare questa legge di controllo. La
dimensione mmm indica il numero di sliding manifolds, ma non influisce sul funzionamento generale
del controllo.
Conclusione: Falso.

9
10
Forma di controllabilità
La forma canonica di controllabilità di un sistema dinamico è una rappresentazione matriciale che rende
esplicita la relazione tra gli stati e l'ingresso per garantire che il sistema sia controllabile. Questa forma è
scritta generalmente come:
xdot=Ax+Bu
dove la matrice A è costruita in modo da evidenziare la controllabilità del sistema.
Quando un sistema è trasformato nella forma di controllabilità, la sliding manifold è progettata per garantire
che il sistema raggiunga e rimanga sulla superficie definita da σ(x)=0. Tuttavia, la progettazione della sliding
manifold in questa forma richiede una relazione specifica che tiene conto delle dinamiche del sistema e della
trasformazione nella forma di controllabilità.

Problema con l'affermazione

L'equazione fornita:
σ(x)=[C1 C2][x1x2]^T=0
non include alcuna informazione sulle dinamiche del sistema trasformato nella forma di controllabilità, né è
specificamente correlata alla progettazione della sliding manifold in tale forma. Essa potrebbe rappresentare
una manifold generica, ma non è direttamente legata alla controllability form.

Condizioni corrette per la sliding manifold

Nella progettazione della sliding manifold, in caso di sistemi nella forma di controllabilità, è necessario
considerare:
1. Le dinamiche del sistema (A e B).
2. La struttura della trasformazione che porta il sistema nella forma di controllabilità.
3. I coefficienti della sliding manifold sono progettati per garantire le proprietà desiderate, come stabilità
asintotica e raggiungimento in tempo finito.

Conclusione
L'equazione fornita è troppo generica per rappresentare il design della sliding manifold in un sistema nella
forma di controllabilità. La risposta è quindi falsa perché l'affermazione non collega correttamente
l'espressione della manifold alla forma di controllabilità.

10
Exam 21/12/2021

11
VERE:
1. f. "The system is nonlinear"
Motivo: L'equazione contiene termini non lineari, come x_1^3 e x_2^3​. Inoltre, questi termini non
rispettano il principio di sovrapposizione, che è un requisito per la linearità.
Conclusione: Corretta.
2. d. "The system is of the second order"
Motivo: Il sistema è di secondo ordine perché include due equazioni differenziali di primo ordine,
ovvero due stati (x_1 e x_2​).
Conclusione: Corretta.
3. a. "The system is time-varying"
Motivo: L'equazione per x_2dot include il termine 3e^(t−2)x1​, che dipende esplicitamente dal tempo t.
Questo rende il sistema tempo-variabile (time-varying).
Conclusione: Corretta.

FALSE:
1. b. "The system is autonomous"
Motivo: Un sistema è autonomo quando non dipende esplicitamente dal tempo t. In questo caso, il
termine 3e^(t−2)x_1​dipende dal tempo, quindi il sistema non è autonomo.
Conclusione: Errata.
2. c. "The system is MIMO"
Motivo: Un sistema è MIMO (Multi-Input, Multi-Output) se ha più ingressi o più uscite. Questo sistema
ha un solo ingresso (u) e non specifica più di una uscita, quindi è SISO (Single-Input, Single-Output).
Conclusione: Errata.
3. e. "The system is of the first order"
Motivo: Il sistema è di secondo ordine, come discusso sopra, quindi questa affermazione è errata.
Conclusione: Errata.
4. g. "The system is time-invariant"
Motivo: Il termine 3e^(t−2)x_1​rende il sistema tempo-variabile (time-varying), come discusso sopra.
Conclusione: Errata.
5. h. "The system is SISO"
Motivo: Sebbene il sistema sembri essere SISO (Single-Input, Single-Output), l'affermazione è
considerata errata perché non viene esplicitamente specificata un'unica uscita.
Conclusione: Errata.

11
12
VERE:
c. A~=TAT^−1
Corretto: Questa è la regola standard per trasformare la matrice dello stato A quando si esegue un
cambio di coordinate con una matrice di trasformazione T.
f. "Given an input signal and initial conditions x~0=Tx0​, the state trajectories satisfy x~(t)=Tx(t)"
Corretto: Se lo stato iniziale è trasformato usando T, allora le traiettorie degli stati si trasformano
linearmente allo stesso modo. Questa è una proprietà fondamentale della trasformazione degli stati.
h. "If A has two real identical eigenvalues and linearly dependent eigenvectors, then A is not
diagonalizable"
Corretto: Se A ha autovalori identici ma autovettori linearmente dipendenti, non è diagonalizzabile.
Questo è un criterio standard per la diagonalizzabilità.
i. "Their matrices A and A~ have the same eigenvalues"
Corretto: Le trasformazioni di similarità (A~=TAT^−1) non cambiano gli autovalori di una matrice.
Questa è una proprietà fondamentale degli autovalori.
k. A~=TAT^−1
Corretto: Come spiegato sopra, questa è la definizione di trasformazione di similarità usata nei
sistemi LTI.
e. C~=CT^-1 -> - Corretto : Questo deriva dalla trasformazione delle matrici nello spazio di stato.
Quando trasformiamo un sistema LTI attraverso una matrice di trasformazione T, la matrice C(associata
alle uscite) si trasforma come segue sopra, Ciò accade perché la trasformazione T\mathbf{T}T è applicata
agli stati del sistema, e le uscite dipendono dagli stati trasformati. Pertanto, questa affermazione è
corretta.

FALSE:
a. C=TC
Falso: L'uguaglianza C=TC non è valida perché non tiene conto della trasformazione necessaria per
mantenere l'equivalenza dei sistemi. La matrice C non cambia semplicemente in questo modo.
b. A=T^−1AT
Falso: La formula corretta per la trasformazione delle matrici nello spazio di stato è A~=TAT^−1, non
l'inversa come indicato.
d. "None of the replies"
Falso: Alcune delle risposte sono corrette (ad esempio, la A~ corretta sopra), quindi questa non è
valida.
g. D~=DT^−1
Falso: La matrice D nei sistemi LTI descrive il guadagno diretto tra ingresso e uscita ed è invariata
rispetto alla trasformazione delle coordinate. Non è trasformata come indicato.
j. "If A has two complex conjugate eigenvalues, then A~ is diagonalizable"
Falso: La diagonalizzabilità dipende dalla presenza di un numero sufficiente di autovettori
linearmente indipendenti, non solo dalla natura degli autovalori (complessi o reali).

12
A is true

13
Domanda: Che cos'è lo sliding mode e in quali condizioni è raggiunto?
Lo sliding mode è una modalità di funzionamento in cui lo stato di un sistema dinamico si muove lungo una
superficie di scorrimento (sliding manifold) definita nel suo spazio di stato. Questo è ottenuto utilizzando un
controllo discontrollo che forza il sistema verso questa superficie in tempo finito e garantisce che rimanga su
di essa.

VERE:
b. "In a finite time"
Una delle proprietà fondamentali dello sliding mode control è che lo stato del sistema viene portato
sulla sliding manifold in tempo finito, grazie alla discontinuità del controllo. Questo è un requisito
essenziale dello sliding mode.
c. "On a subspace of the system state space called sliding manifold"
Il concetto centrale dello sliding mode è che il sistema viene forzato a muoversi lungo una superficie
specifica nello spazio di stato, detta sliding manifold. Una volta raggiunta, la dinamica del sistema è
governata da questa manifold.

FALSE:
a. "Only when the open loop system is affected by an uncertain term"
Lo sliding mode è particolarmente utile per gestire incertezze e disturbi, ma non è una condizione
necessaria. Può essere applicato anche in sistemi senza incertezze.

d. "Only when the open loop system is unstable"

Lo sliding mode può essere applicato a sistemi sia stabili che instabili. Non è una condizione limitata
all'instabilità del sistema in anello aperto.
e. "Only when the closed loop system is a second order system"
Lo sliding mode può essere applicato a sistemi di ordine arbitrario, non è limitato ai sistemi di
secondo ordine.
f. "Only when the open loop system is nonlinear"
Sebbene lo sliding mode sia spesso usato per sistemi non lineari, non è esclusivo di questi. Può
essere applicato anche a sistemi lineari.
g. "Only when the open loop system is of the second order"
Lo sliding mode non è limitato ai sistemi di secondo ordine. Può essere utilizzato in sistemi di
qualsiasi ordine.
h. "Asymptotically"
Lo stato del sistema raggiunge la superficie di scorrimento in tempo finito, non asintoticamente. La
proprietà del tempo finito è una caratteristica distintiva dello sliding mode.

13
Il Teorema locale di LaSalle:
Il Teorema di LaSalle fornisce condizioni sufficienti per la stabilità asintotica di un sistema dinamico.
Affermando che se esiste una funzione di Lyapunov V(x) decrescente lungo le traiettorie del sistema, le
traiettorie si avvicineranno a un insieme invariante contenuto nel sottoinsieme dove Vdot(x)=0

VERE:
a. "Provides sufficient conditions for a certain set Ωi={x:V(x)<l} to be a region of attraction for a
certain invariant set"
Vera.
Il Teorema di LaSalle stabilisce che, per una funzione V(x), il sottoinsieme Ωi delimitato da V(x)<l è una
regione di attrazione per un insieme invariante. Questo è uno degli obiettivi principali del Teorema di
LaSalle: determinare regioni in cui il sistema converge verso un insieme invariante.

FALSE:
b. "Proves the instability of a dynamical system"
Falsa.
Il Teorema di LaSalle è usato per dimostrare stabilità (specialmente asintotica), non instabilità.
L’instabilità richiede altre analisi, ad esempio con funzioni di Lyapunov non decrescenti.
c. "Proves that the set ΩI={x:V(x)<l} is a positively invariant set"
Falsa.
Il Teorema di LaSalle non garantisce che tutto ΩI​sia positivamente invariante. Garantisce solo che un
sottoinsieme di Ωi​, dove Vdot(x)=0, è invariante. Pertanto, non si può affermare che Ωi​nel suo
complesso sia positivamente invariante.
d. "Proves the existence of limit cycles"
Falsa.
Il Teorema di LaSalle non si applica per dimostrare l’esistenza di cicli limite. Questo richiede tecniche
diverse, come l'uso del criterio di Poincaré-Bendixson.
e. "Provides sufficient conditions for the existence of closed orbits"
Falsa.
Simile alla d, il Teorema di LaSalle non si occupa dell’esistenza di orbite chiuse (closed orbits). È invece
focalizzato su stabilità e regioni di attrazione.

13
14
VERE:
f. "Isolated multiple equilibrium states"
I sistemi lineari hanno al massimo un unico equilibrio (nel caso di sistemi asintoticamente stabili) o un
insieme infinito di equilibri (quando la matrice del sistema ha autovalori nulli).
Non possono mai avere più punti di equilibrio isolati, una caratteristica invece tipica dei sistemi non
lineari (es. un pendolo con più posizioni di equilibrio: stabile e instabile).
Conclusione: Questo comportamento non può essere rappresentato da sistemi lineari.
g. "Limit cycles"
I sistemi lineari non possono generare cicli limite (oscillazioni periodiche isolate). Se un sistema
lineare ha oscillazioni, queste non sono isolate, ma formano un continuo nello spazio di stato.
I cicli limite sono un comportamento esclusivo dei sistemi non lineari, dove si verifica un'oscillazione
periodica stabile indipendentemente dalle condizioni iniziali.
Conclusione: Questo comportamento non può essere catturato dai sistemi lineari.
c. "Subharmonics"
I subarmonici (oscillazioni con frequenze multiple di una fondamentale) emergono in sistemi non
lineari. Nei sistemi lineari, le frequenze delle oscillazioni sono completamente determinate dagli
autovalori e non generano sottoprodotti armonici.
Conclusione: I sistemi lineari non possono rappresentare comportamenti subarmonici.

FALSE:
a. "A stable or unstable improper node"
I sistemi lineari possono rappresentare nodi impropri, sia stabili che instabili, a seconda degli
autovalori del sistema. Questo comportamento è tipico dei sistemi lineari.
b. "One or infinite equilibrium states"
I sistemi lineari possono avere un unico equilibrio (stabile o instabile) o un insieme infinito di equilibri
(quando il sistema è mal condizionato). Questo è un comportamento rappresentabile nei sistemi
lineari.
d. "Unstable equilibrium states"
I sistemi lineari possono avere equilibri instabili, come quando uno o più autovalori hanno parte reale
positiva.
e. "Closed orbits"
Sebbene i sistemi lineari non possano avere cicli limite isolati, possono avere orbite chiuse
(oscillazioni armoniche) nel caso di autovalori puramente immaginari. Quindi, questa affermazione è
falsa.
h. "None of the replies"
Poiché alcune affermazioni sono corrette (f, g, c), questa non è valida.

14
15
Descrizione del grafico
Il grafico rappresenta una spirale che converge verso l'origine nel tempo. Questo comportamento è
caratteristico di un fuoco stabile, il che significa che il sistema converge all'origine con un comportamento
oscillatorio smorzato.

VERE:
d. "The pattern is a stable focus."
Come descritto in precedenza, il sistema converge verso l'origine in modo oscillatorio smorzato.
Questo è il comportamento tipico di un fuoco stabile, il che rende questa affermazione corretta.
e. "This pattern can be found when a LTI system has a matrix A with eigenvalues with negative
real part."
Autovalori complessi con parte reale negativa producono oscillazioni smorzate, che portano al
comportamento mostrato nel grafico. Questo è esattamente il caso rappresentato qui.

FALSE:
a. "This pattern can be found when a LTI system has a matrix A with real eigenvalues."
I valori propri reali producono traiettorie che si avvicinano o si allontanano dall'origine in modo
puramente esponenziale, senza oscillazioni. Il comportamento oscillatorio mostrato nel grafico
richiede autovalori complessi con parte reale negativa.
b. "The pattern is an unstable focus."
Un fuoco instabile avrebbe traiettorie che spiraleggiano verso l'esterno, allontanandosi dall'origine.
Qui invece le traiettorie spiraleggiano verso l'interno, indicando un fuoco stabile.
c. "This pattern can be found when a LTI system has a matrix AAA with real positive eigenvalues."
Autovalori reali e positivi causano una divergenza esponenziale diretta, senza oscillazioni. Il
comportamento oscillatorio smorzato richiede autovalori complessi con parte reale negativa.
f. "This pattern can be found when a LTI system has a matrix A with eigenvalues with positive real
part."
Autovalori con parte reale positiva causerebbero divergenza dal punto di equilibrio (instabilità). Il
grafico mostra invece un comportamento convergente.
g. "None of the replies."
Le affermazioni d ed e sono corrette, quindi questa non può essere valida.

15
16
1. Teorema di Hartman-Grobman
Il teorema afferma che:
Un sistema non lineare può essere approssimato dal suo sistema linearizzato vicino a un punto di
equilibrio, se il sistema linearizzato non ha autovalori con parte reale pari a zero.
Se tutti gli autovalori del sistema linearizzato hanno parte reale negativa, l'equilibrio è un fuoco stabile
(stable focus).

2. Dati del problema

Sistema linearizzato:
δdotx1=δx2,
δdotx2=δx1−3x12δx1−δx2
Il punto di equilibrio è linearizzato attorno a p1=[−1,0]^Te p3=[1,0]^T
Matrice Jacobiana (Dxf):

Autovalori:
Gli autovalori di Dxf sono:
λ=−1/2±jrad3/2

Interpretazione degli autovalori

Gli autovalori sono complessi con parte reale negativa (−1/2​).
Questo indica che il sistema ha un comportamento oscillatorio smorzato attorno al punto di equilibrio.
In altre parole, il sistema linearizzato produce un fuoco stabile (stable focus).

4. Conclusione
Poiché il sistema soddisfa le condizioni del Teorema di Hartman-Grobman (parte reale negativa degli
autovalori, nessuna parte reale pari a zero), possiamo concludere che:
Gli equilibri p1e p3​sono fuochi stabili nel sistema non lineare.
Risposta corretta:
True

16
Definizione di stabilità secondo Lyapunov
Un punto di equilibrio xbar=0 è stabile se per ogni ϵ>0 esiste un δ>0 tale che:
x(0)∈Bδ(0) ⟹ x(t)∈Bϵ(0),∀t≥0
Questo significa che:
Se lo stato iniziale x(0) parte sufficientemente vicino all'equilibrio (Bδ(0)), allora la traiettoria del sistema
rimarrà sempre vicina all'equilibrio (Bϵ(0)) per ogni istante futuro.
Questa è la stabilità semplice (o di Lyapunov). Non implica che il sistema converga all'equilibrio, ma solo che
non si allontani.

VERE:
e. "Is stable"
Vera. La definizione fornita corrisponde esattamente alla stabilità semplice di Lyapunov: le traiettorie
rimangono vicine all'equilibrio quando iniziano abbastanza vicino.

FALSE:
a. "Does not exist"
Falsa. La definizione di stabilità secondo Lyapunov presuppone che l'equilibrio esista.
b. "Is a limit cycle"
Falsa. Un ciclo limite è un comportamento periodico specifico dei sistemi non lineari, mentre qui si
parla di stabilità di un punto di equilibrio.
c. "Is exponentially stable"
Falsa. La stabilità esponenziale richiede una velocità specifica di convergenza all'equilibrio, non
menzionata nella definizione fornita.
d. "Is globally exponentially stable"
Falsa. La stabilità globale esponenziale implica che il sistema sia stabile in tutto lo spazio di stato e che
converga esponenzialmente ovunque, il che non è garantito dalla definizione di stabilità di Lyapunov.
f. "Is globally stable"
Falsa. La stabilità globale richiede che la definizione valga per qualsiasi punto iniziale, non solo per
quelli vicini all'equilibrio.
g. "Is unstable"
Falsa. La definizione di Lyapunov descrive la stabilità, non l'instabilità.
h. "Is asymptotically stable"
Falsa. La stabilità asintotica richiede che le traiettorie convergano all'equilibrio, il che non è implicito
nella stabilità semplice descritta qui.

16
17
Sistema fornito
Il sistema è descritto come:
1. La dinamica della variabile ηdot=f0(η,ξ)
2. La dinamica della variabile ξdot=Acξ+Bc[Lgph(x)+LgLfp−1h(x)u],
3. L'uscita: y=Cξ.
In particolare, l'equazione di interesse è:
ηdot=f0(η,0)

Definizione di Zero Dynamics

Le zero dynamics sono la dinamica interna di un sistema che si osserva quando l'uscita del sistema è forzata
a zero. In termini formali:
Le zero dynamics sono le dinamiche residue che si verificano sul sottoinsieme in cui y=0 (uscita nulla).
Nel sistema dato, l'uscita dipende dalla variabile ξ. Quando ξ=0, l'uscita y=Cξ=0.
L'equazione ηdot=f0(η,0) rappresenta proprio la dinamica della variabile η\etaη quando ξ=0. Pertanto, questa
è la dinamica interna del sistema associata all'uscita nulla, ovvero le zero dynamics.

VERE:
d. Zero dynamics of the system ->perché ηdot=f0(η,0) descrive le dinamiche interne del sistema quando
l'uscita y=0, che è esattamente la definizione di zero dynamics.

FALSE:
a. Minimum phase system
Falsa: Un sistema è detto "minimum phase" se le sue zero dynamics sono stabili. Tuttavia, l'equazione
fornita non specifica se le zero dynamics siano stabili o meno, quindi non possiamo affermare che
rappresenti un sistema a fase minima.
b. Internal dynamics of the system
Falsa: Sebbene le zero dynamics facciano parte della dinamica interna, l'affermazione è troppo
generica. Le zero dynamics sono un caso particolare delle dinamiche interne quando y=0y = 0y=0.
c. Controller form
Falsa: La forma controller si riferisce a una rappresentazione specifica del sistema lineare nello spazio
di stato, ma qui non viene indicata alcuna trasformazione del sistema nella forma controller.
e. None of the replies
Falsa: La risposta corretta è stata identificata come zero dynamics.
f. Normal form
Falsa: La forma normale è una rappresentazione specifica del sistema per analizzare il controllo, ma
qui non viene menzionato nulla riguardo alla trasformazione in una forma normale.
g. Feedback linearizable part of the system
Falsa: La parte linearizzabile tramite retroazione si riferisce al sottoinsieme del sistema che può
essere reso lineare attraverso il controllo. L'equazione fornita descrive invece una dinamica non
linearizzata.
h. External dynamics of the system
Falsa: Le dinamiche esterne riguardano la parte del sistema che influenza direttamente l'uscita,
mentre qui stiamo analizzando la dinamica quando l'uscita è nulla

17
La risposta è falsa perché una funzione α(r)\alpha(r)α(r) per appartenere alla classe K\mathcal{K}K deve
soddisfare condizioni specifiche che non sono tutte rispettate dalla descrizione fornita.

Definizione di Classe K
Una funzione α(r)\alpha(r)α(r) appartiene alla classe K se soddisfa i seguenti requisiti:
1. α(r) è continua.
2. α(r)>0 per ogni r>0
3. α(0)=0
4. α(r) è strettamente crescente (non decrescente).
5.
Analisi della funzione descritta
La domanda afferma che:
α(r)è continua.
α(0)=0
α(r) è strettamente decrescente.

Questi punti non rispettano la definizione di classe K, perché:

Deve essere strettamente crescente, non decrescente.
Il requisito di crescita implica che, per r1<r2​, deve valere α(r1)<α(r2). Invece, qui è specificato che è
decrescente, cioè α(r1)>α(r2), violando il criterio.

Conclusione
La funzione α(r) descritta non appartiene alla classe K perché non è strettamente crescente, come richiesto
dalla definizione. Questo rende l'affermazione falsa.

17
Exam 24/02/2021

18
il sistema lo abbiamo gia visto due volte

Condizioni di equilibrio
Un punto (x1,x2) è un punto di equilibrio se entrambe le equazioni sono soddisfatte:
1. xdot1=x2=0,
2. xdot2=x12+x22+11x1−2x2=0.
3.
Passo 1: Risolvere xdot1=x2=0
Dal momento che xdot1=x2​, imponendo x2=0, la prima equazione è soddisfatta.

Passo 2: Sostituire x2=0 in xdot2​

Inserendo x2=0nella seconda equazione:
xdot2=x12+11x1=0
Questa è un'equazione quadratica in x1​:
x1(x1+11)=0

Passo 3: Risolvere l'equazione quadratica

x1=0 oppure x1=−11

Conclusione
I punti di equilibrio sono i punti (x1,x2) che soddisfano entrambe le equazioni. Da quanto calcolato:
(x1,x2)=(0,0)e(x1,x2)=(−11,0)

18
 GIA VISTA

19
20
Teorema di Hartman-Grobman
Il teorema afferma che vicino a un punto di equilibrio iperbolico, il comportamento di un sistema dinamico
non lineare può essere approssimato dal comportamento del sistema linearizzato. Ciò vale localmente e
descrive la topologia qualitativa delle traiettorie del sistema non lineare, ma non dimostra né implica nulla
sugli aspetti globali.
Un equilibrio iperbolico è un equilibrio in cui gli autovalori della matrice linearizzata non hanno parte reale
nulla.

VERE:
f. "None of the replies"
Corretta.
Nessuna delle affermazioni precedenti cattura ciò che il teorema di Hartman-Grobman effettivamente
dimostra.

FALSE:

a. "The existence of a continuous inverse of a homeomorphism"

Falsa.
Il teorema non riguarda la continuità di un'inversa né la struttura dei homeomorfismi globali.
b. "The absence of hyperbolic equilibria"
Falsa.
Il teorema di Hartman-Grobman si applica solo agli equilibri iperbolici e non prova la loro assenza.
c. "The presence of hyperbolic equilibria"
Falsa.
Il teorema presuppone che esistano equilibri iperbolici, ma non ne dimostra la presenza.
d. "The presence of closed orbits"
Falsa.
Le orbite chiuse (cicli limite) sono un fenomeno dinamico che non è direttamente analizzato dal teorema
di Hartman-Grobman, il quale si concentra esclusivamente su equilibri iperbolici.
e. "The absence of closed orbits"
Falsa.
Analogamente alla d, il teorema non si occupa della presenza o assenza di orbite chiuse.
g. "The existence of a simply connected set"
Falsa.
Il teorema non riguarda le proprietà topologiche come la connessione semplice.
h. "The asymptotic stability of hyperbolic equilibria"
Falsa.
Il teorema descrive la topologia qualitativa vicino agli equilibri iperbolici, ma non implica nulla sulla loro
stabilità asintotica.

Conclusione
Il Teorema di Hartman-Grobman non prova nessuna delle affermazioni elencate nella domanda. Esso si
limita a stabilire che, vicino a un punto di equilibrio iperbolico, la dinamica di un sistema non lineare è
topologicamente equivalente alla dinamica del sistema20linearizzato.
La risposta corretta è quindi:
f. None of the replies.
21
Analisi del grafico
Il grafico mostra un nodo instabile (unstable node) per un sistema lineare a tempo invariante (LTI).
In un nodo instabile, le traiettorie divergono dall'origine lungo direzioni specifiche, che corrispondono agli
autovettori della matrice A.
VERE:
D."This pattern can be found when a LTI system has a matrix AAA with real eigenvalues λ2/λ1>1."
Per un nodo instabile, è necessario che:
a. Entrambi gli autovalori siano reali e positivi (λ1>0 e λ2>0.
b. Il rapporto tra gli autovalori indichi una differenza tra le loro grandezze, determinando una diversa velocità di
divergenza lungo le direzioni degli autovettori associati.
Il grafico mostra un nodo instabile (le traiettorie divergono rettilineamente dall'origine senza spiraleggiare). Questo
è compatibile con il caso in cui λ2>λ1, quindi il rapporto λ2/λ1>1.
Conclusione: La risposta è vera perché λ2/λ1>1 riflette correttamente la dinamica mostrata, dove la divergenza è
più rapida lungo la direzione associata a λ2
H."The origin is called unstable node."
Spiegazione:
Il nodo instabile è caratterizzato da traiettorie che si allontanano dall'origine in modo divergente lungo le
direzioni degli autovettori della matrice AAA.
Questo comportamento conferma che l'origine è un nodo instabile, come indicato nella risposta.
I."This pattern can be found when a LTI system has a matrix A with real eigenvalues λ1,λ2≥0"
Spiegazione:
La condizione λ1,λ2≥0 implica che entrambi gli autovalori sono reali e non negativi.
Per un nodo instabile, gli autovalori devono essere positivi (λ1,λ2>0) per garantire che le traiettorie divergano
dall'origine. Tuttavia, la condizione λ1,λ2≥0 è sufficientemente generica da includere questa situazione.
FALSE:
A."This pattern can be found when a LTI system has a matrix A with real eigenvalues λ1/λ2>1."
Questa affermazione è simile alla risposta "D". La differenza è che non tiene conto della condizione che entrambi gli
autovalori debbano essere positivi per produrre un nodo instabile.
Per un nodo instabile, entrambi gli autovalori λ1 e λ2 devono essere positivi, non solo in un rapporto λ1/λ2>1.
B."The origin is called unstable focus."
Motivo per cui è falsa:
Un "unstable focus" (fuoco instabile) è associato a autovalori complessi con parte reale positiva, il che genera
traiettorie a spirale che divergono dall'origine.
Tuttavia, il grafico mostra un nodo instabile, non un focus. Le traiettorie non spiraleggiano, ma si allontanano
rettilineamente lungo le direzioni degli autovettori.
C."The origin is called stable node."
Motivo per cui è falsa:
Un nodo stabile è caratterizzato da traiettorie che convergono verso l'origine (cioè gli autovalori λ1,λ2​sono reali
e negativi).
Nel grafico, le traiettorie divergono dall'origine, indicando instabilità. Pertanto, l'origine non può essere un nodo
stabile.
E."This pattern can be found when a LTI system has a matrix A with real eigenvalues λ1/λ2<0"
Motivo per cui è falsa:
La condizione λ1/λ2<0 implica che uno degli autovalori è positivo e l'altro negativo, il che corrisponde a un sella
(saddle point), non a un nodo instabile.
Il grafico mostra chiaramente un nodo instabile, non un punto di sella.
G."The origin is called stable focus."
Motivo per cui è falsa:
Un focus stabile è caratterizzato da traiettorie a spirale che convergono verso l'origine, il che richiede autovalori
21
complessi con parte reale negativa.
Nel grafico, le traiettorie divergono dall'origine e non hanno un comportamento a spirale, quindi l'origine non
può essere un focus stabile.
22
Descrizione del grafico
Il grafico rappresenta un sistema dinamico nel piano di stato (x1,x2)). Le traiettorie convergono verso
l'origine, indicando che:
1. L'origine è un punto di equilibrio asintoticamente stabile.
2. Il set Bγ(0)B_\gamma(0)Bγ​(0) rappresenta una regione di attrazione, dove le traiettorie iniziali all'interno
del set convergono verso l'origine.

VERE:
a. "The set Bγ(0) is a region of attraction."
Vera.
Il set Bγ(0) contiene le traiettorie che iniziano al suo interno e convergono verso l'origine. Questo è
esattamente il concetto di "regione di attrazione".
b. "The origin of the state plane is an asymptotically stable equilibrium point."
Vera.
Dal comportamento delle traiettorie che convergono verso l'origine, possiamo affermare che l'origine
è un punto di equilibrio asintoticamente stabile.

FALSE:
f. "The origin of the state plane is a stable equilibrium point."
Vera in parte (ma non indicata come corretta).
La stabilità semplice implica che le traiettorie rimangono vicine all'origine, ma qui si tratta di stabilità
asintotica, che è più forte. Tuttavia, la risposta più precisa è b.
c. "The set Bγ(0) is the phase plane."
Falsa.
Il phase plane è l'intero spazio di stato (x1,x2), mentre Bγ(0) è solo una regione di questo spazio, limitata a
dove le traiettorie convergono verso l'origine.
d. "None of the replies."
Falsa.
Sia la risposta a che la risposta b sono corrette, quindi questa opzione non è valida.
e. "The origin of the state plane is an unstable equilibrium point."
Falsa.
L'origine non è instabile, perché tutte le traiettorie convergono verso di essa. Un punto instabile avrebbe
traiettorie che si allontanano.
g. "The set Bγ(0) is the maximal region of attraction."
Falsa.
Il set Bγ(0) è una regione di attrazione, ma non possiamo dire che sia la massima regione di attrazione
senza ulteriori informazioni.

22
23
Definizione di Sliding Mode
Lo sliding mode è una modalità di controllo in cui la traiettoria del sistema si muove lungo una sliding
manifold (varietà di scorrimento), che è una sotto-varietà dello spazio di stato. Durante questa modalità:
Il sistema segue le dinamiche indotte dalla superficie di sliding.
Lo sliding mode viene raggiunto in tempo finito attraverso un controllo adeguato.
VERE:
c. "In a finite time."
Vera.
Una caratteristica fondamentale dello sliding mode è che il sistema raggiunge la sliding manifold in
tempo finito, grazie al controllo disegnato appositamente (spesso di tipo discontinuo).
f. "On a subspace of the system state space called sliding manifold."
Vera.
Lo sliding mode si verifica su una sliding manifold, che è una sotto-varietà dello spazio di stato
definita dalle equazioni di sliding. Su questa manifold, il sistema segue una dinamica specifica.
FALSE:
a. "Only when the closed loop system is a second-order system."
Falsa.
Lo sliding mode non è limitato a sistemi del secondo ordine; può essere applicato a sistemi di
qualsiasi ordine, purché sia possibile definire una sliding manifold.
b. "Only when the open loop system is unstable."
Falsa.
Lo sliding mode può essere applicato sia a sistemi stabili che instabili in open loop. La stabilità
dell'open loop non è una condizione necessaria per lo sliding mode.
d. "Asymptotically."
Falsa.
Lo sliding mode non viene raggiunto asintoticamente (cioè in un tempo infinito), ma in un tempo
finito.
e. "Only when the open loop system is nonlinear."
Falsa.
Lo sliding mode non è limitato ai sistemi non lineari. Può essere utilizzato anche per sistemi lineari,
purché si definisca una sliding manifold appropriata.
g. "Only when the open loop system is of the second order."
Falsa.
Come già discusso per l'affermazione a, lo sliding mode può essere applicato a sistemi di qualsiasi
ordine, non solo di secondo ordine.
h. "Only when the open loop system is affected by an uncertain term."
Falsa.
Sebbene il controllo sliding mode sia spesso 23usato per sistemi con incertezze, non è una condizione
necessaria. Può essere applicato anche a sistemi senza termini incerti.
Teorema Locale di LaSalle
Il Teorema di LaSalle fornisce condizioni sufficienti per determinare la stabilità asintotica di un
sistema dinamico. Questo teorema afferma che:
1. Data una funzione scalare V(x), positiva definita, la derivata temporale V˙(x) è non positiva
(V˙(x)≤0) all'interno di un insieme Ω.
2. All'interno di Ω, tutte le traiettorie del sistema convergono all'insieme più grande M dove
V˙(x)=0.
In sintesi:
Ω è la regione di attrazione per il sistema.
Il sistema converge all'insieme M contenuto in Ω.

Analisi del grafico

Nel grafico, possiamo osservare:
1. Una superficie definita da Ω, dove V(x) è positiva definita e decresce lungo le traiettorie.
2. La derivata temporale V˙(x) è non positiva (V˙(x)≤0).
3. Le traiettorie convergono all'insieme M, che rappresenta la regione in cui V˙(x)=0.
Questo rispetta le condizioni sufficienti del Teorema di LaSalle per concludere che Ω è una
regione di attrazione per l'insieme M.

Perché l'affermazione è vera

L'affermazione afferma che il Teorema Locale di LaSalle fornisce condizioni sufficienti per
dimostrare che Ω è una regione di attrazione per l'insieme M. Questo è esattamente ciò che il
teorema stabilisce, considerando che:
Ω è una regione contenente tutte le traiettorie che convergono a M.
M è il sottoinsieme dove V˙(x)=0.
Pertanto, la risposta corretta è Vero.

23
Example 30/12/2020

24
La risposta è falsa perché l'affermazione data è incompleta o non completamente corretta nel
descrivere le condizioni per cui una mappa z=T(x) è un diffeomorfismo locale.

Definizione di Diffeomorfismo Locale

Una mappa z=T(x) è un diffeomorfismo locale in un punto x0 se soddisfa le seguenti
condizioni:
1. T(x) è continuamente differenziabile (dato nell'affermazione).
2. La matrice Jacobiana ∂T/∂x è non singolare (ovvero, ha determinante diverso da zero) nel
punto x0​.
3. L'invertibilità locale implica che ci sia una corrispondenza biunivoca (uno-a-uno e onto) tra
un intorno di x0​e un intorno dell'immagine T(x0).

Errore nell'Affermazione
L'affermazione data è falsa perché dice che T(x) è un diffeomorfismo locale se la Jacobiana è
non singolare in qualsiasi x. Questo è falso, in quanto:
1. La condizione per essere un diffeomorfismo locale riguarda solo il punto specifico x0​, non
tutti i punti x.
2. Anche se la Jacobiana è non singolare in un punto x0​, ciò garantisce unicamente che T(x) è
localmente invertibile attorno a quel punto. Non implica che T(x) sia invertibile ovunque,
né che sia un diffeomorfismo globale.

Conclusione
L'affermazione è falsa perché richiede la non singolarità della Jacobiana in ogni x, mentre la
definizione di diffeomorfismo locale si applica solo in un intorno specifico di x0​.

24
Definizione fornita nel problema
La definizione dice che, data una funzione di Lyapunov V(x) con derivata:
V˙(t,x)≤−W(x), ∀t≥0, ∀∥x∥≥μ>0,
in un dominio D attorno all'origine, dove W(x) è definita positiva, allora la soluzione entra nel set:
Ωα={x∈R^n:V(x)≤α}
in tempo finito e rimane all'interno di Ωα​, con:
Bϵ⊆Ωα⊆D

VERE:
a. “Ultimate Boundedness”
La ultimate boundedness significa che le traiettorie del sistema, dopo un certo tempo finito, entrano in una
regione delimitata Ωα​e rimangono lì per sempre. Questa definizione corrisponde perfettamente a ciò che
viene descritto nel problema:
1. La funzione V(x) decresce fino a che x entra in Ωα​.
2. Una volta entrato in Ωα​, il sistema rimane in quella regione.
Pertanto, la risposta corretta è a. Ultimate boundedness.

FALSE:
1. b. Global stability
Falsa.
La stabilità globale implica che tutte le traiettorie del sistema convergano all'origine,
indipendentemente dalle condizioni iniziali. In questo caso, invece, il sistema converge solo a una
regione limitata Ωα​, non necessariamente all'origine.
2. c. Regional stability
Falsa.
La stabilità regionale si riferisce alla stabilità all'interno di un certo dominio D, ma implica che le
traiettorie convergano all'origine. Qui invece le traiettorie rimangono in Ωα​, che non coincide con
l'origine.
3. d. Asymptotic stability
Falsa.
La stabilità asintotica implica che le traiettorie convergano esattamente all'origine quando t→∞.
Qui, invece, le traiettorie rimangono in Ωα​, una regione limitata ma non necessariamente l'origine.
4. e. Input to state stability
Falsa.
La stabilità ingresso-stato (ISS) riguarda la relazione tra un ingresso u(t) e lo stato del sistema. In
questo caso, non si fa menzione di un ingresso u(t), quindi non si tratta di ISS.
5. f. State feedback stabilizability
Falsa.
La stabilizzabilità tramite retroazione riguarda la possibilità di progettare un controllo che renda il
sistema stabile. Qui, non si parla di controllo o retroazione, ma solo della dinamica naturale del
sistema.

Conclusione
La risposta corretta è a. Ultimate boundedness, perché descrive esattamente il comportamento delle
traiettorie che entrano in una regione delimitata Ωαe 24 rimangono lì per sempre.
Le altre risposte (b, c, d, e, f) non corrispondono alla definizione fornita nel problema.
25
26
Condizione per i punti di equilibrio
Un punto di equilibrio è un punto in cui x˙1=0e x˙2=0, ovvero:
x2=0
x1+x1^2−4x1x2^2−2x1=0

Passo 1: Sostituire x˙1=0

Dalla prima equazione:
x˙1=x2=0
Quindi, in tutti i punti di equilibrio, x2=0.

Passo 2: Risolvere x˙2=0

Con x2=0, la seconda equazione diventa:
x˙2=x1+x1^2−2x1=0
x1^2​−x1​=0
x1​(x1​−1)=0

Soluzioni
Le soluzioni per x1​sono:
x1=0 e x1=rad(2)
Combinando con x2=0, i punti di equilibrio sono:
1. (x1,x2)=(0,0)
2. (x1,x2)=(2,0)
27
VERE:
c. A~=T−1AT
Questa è la corretta definizione di trasformazione di similarità. La matrice A~è
equivalente a A e si ottiene applicando questa formula.
d. "Their matrices A and A~have the same eigenvalues."
Le matrici A e A~ sono simili, quindi condividono gli stessi autovalori, anche se
possono avere basi di autovettori diverse.
f. A~=T−1AT
È un duplicato della risposta c, che è corretta perché segue la definizione di
trasformazione di similarità.
g. "Given an input signal and initial conditions x~0=Tx0​, the state trajectories satisfy
the relationship x(t)=Tx~(t)"
Quando una trasformazione di similarità viene applicata, la relazione tra le variabili di
stato originali (x) e trasformate (x~) è mantenuta da questa formula.

FALSE:
a. A~=TA−1T−1
La trasformazione di similarità è definita come A~=TAT−1, non TA−1T−1. Questa forma
rappresenta un'errata applicazione delle trasformazioni di similarità.
b. "If A has 2 real identical eigenvalues, then A~ is diagonalizable."
Avere autovalori identici non implica necessariamente che la matrice sia
diagonalizzabile. La diagonalizzabilità dipende anche dalla molteplicità geometrica
degli autovalori (il numero di autovettori linearmente indipendenti). Se la molteplicità
geometrica non corrisponde a quella algebrica, la matrice non è diagonalizzabile.
e. "If A has 2 complex conjugate eigenvalues, then A~~ may have the real part of the
eigenvalues on its main diagonal."
Le trasformazioni di similarità non alterano la struttura degli autovalori. Gli autovalori
complessi coniugati di A rimangono invariati per A~ e non diventano "reali" nella
diagonale principale.
h. "Their outputs are identical."
Sebbene le matrici A e A~ siano simili e abbiano le stesse proprietà dinamiche, l'output
dipende anche dalla matrice C e non è garantito che l'output sia identico a meno che
non venga specificato che C è invariato.

27
28
Il Teorema di Poincaré-Bendixson è specifico per i sistemi dinamici planari (ossia sistemi a
due dimensioni) e fornisce informazioni sulle traiettorie del sistema in relazione ai cicli chiusi
o alle orbite limite.
Cosa afferma il Teorema di Poincaré-Bendixson?
Per un sistema dinamico planare:
Se una traiettoria rimane confinata in una regione compatta e priva di punti di equilibrio,
allora quella traiettoria deve convergere verso un'orbita chiusa (un limite ciclo).
Questo teorema fornisce una condizione per dimostrare l'esistenza di orbite chiuse, ma
non la loro assenza.

VERE:
e. "The presence of closed orbits."
Vera.
Il teorema di Poincaré-Bendixson dimostra esplicitamente l'esistenza di orbite chiuse
in un sistema planare sotto le condizioni descritte (traiettoria confinata in una regione
compatta e priva di punti di equilibrio).
FALSE:
a. "The absence of closed orbits."
Falsa.
Il teorema non può essere usato per provare l'assenza di orbite chiuse; è uno
strumento per dimostrarne l'esistenza in determinate condizioni.
b. "The presence of limit cycles."
Falsa.
Sebbene le orbite chiuse siano associate ai limiti ciclici, il teorema dimostra solo
l'esistenza di orbite chiuse, ma non direttamente dei limiti ciclici in senso generale.
c. "The fact that an invariant set does not contain equilibrium states or it contains a
single equilibrium state."
Falsa.
Questo non è un risultato diretto del teorema di Poincaré-Bendixson. Sebbene il
teorema si applichi alle regioni senza punti di equilibrio, questa non è la sua
formulazione principale.
d. "The absence of limit cycles."
Falsa.
Come per le orbite chiuse, il teorema non può essere usato per provare l'assenza di
limiti ciclici.
f. "The existence of a simply connected set."
Falsa.
Questo concetto non è correlato al teorema
28 di Poincaré-Bendixson.
29
La definizione data descrive la stabilità esponenziale (ESESES) come una proprietà di un sistema in cui le
traiettorie si avvicinano all'equilibrio con una velocità esponenziale. Vediamo perché le affermazioni A, C, e F
sono corrette, e le altre no.
VERE:
C: Stability does not imply exponential stability
Motivazione: La stabilità di un sistema significa che le soluzioni rimangono limitate e, in alcuni casi, si
avvicinano a un punto di equilibrio. Tuttavia, la stabilità esponenziale è una condizione più forte, poiché
richiede che il tasso di convergenza sia almeno esponenziale (cioè, proporzionale a e−λte^{-\lambda
t}e−λt per qualche λ>0 \lambda > 0λ>0).
Un sistema può essere stabile ma non esponenzialmente stabile (ad esempio, un sistema con
convergenza polinomiale anziché esponenziale).
Questa affermazione è quindi vera.
F: Asymptotic stability implies stability
Motivazione: La stabilità asintotica è una proprietà più forte della stabilità. Essa richiede che il sistema sia
stabile e che tutte le traiettorie che iniziano vicino al punto di equilibrio convergano asintoticamente al
punto di equilibrio.
Poiché la stabilità è una condizione inclusa nella stabilità asintotica, questa affermazione è vera.
I: Exponential stability implies asymptotic stability
Motivazione: La stabilità esponenziale è una proprietà ancora più forte della stabilità asintotica. Se un
sistema è esponenzialmente stabile, significa che è stabile asintoticamente e, in aggiunta, converge
esponenzialmente verso il punto di equilibrio.
Pertanto, ogni sistema esponenzialmente stabile è anche asintoticamente stabile, rendendo questa
affermazione vera.
FALSE:
A: Exponential stability implies global asymptotic stability
Motivazione: La stabilità esponenziale locale non implica necessariamente la stabilità asintotica globale.
La stabilità globale richiede che questa proprietà valga in tutto lo spazio, non solo in un intorno
dell'equilibrio.
Questa affermazione è quindi falsa.
B: Lack of exponential stability implies instability
Motivazione: La mancanza di stabilità esponenziale non significa necessariamente che il sistema sia
instabile. Potrebbe essere stabile ma non esponenzialmente stabile (ad esempio, stabile con convergenza
polinomiale).
Questa affermazione è falsa.
D: None of the replies
Motivazione: Ci sono affermazioni vere tra le risposte, quindi questa affermazione è falsa.
E: If there exists a ball Bδ(0)... then x=0 is globally exponentially stable
Motivazione: La stabilità esponenziale globale richiede che la proprietà valga per ogni stato iniziale
nell'intero spazio, non solo all'interno di una palla Bδ(0).
Poiché questa condizione è valida solo localmente, l'affermazione è falsa.
G: Asymptotic stability does not imply stability
Motivazione: Come detto sopra, la stabilità asintotica implica sempre stabilità, quindi questa
affermazione è falsa.

29
30
Sistema e contesto:
Il sistema descritto include una sliding manifold definita da σ(x)=x1+10x2=0. Questo implica che, una volta che il
sistema entra nella sliding mode, l'equazione del sistema cambia e il comportamento si riduce a un sistema
equivalente sulla sliding manifold.

VERE:
B: The solution to the associated "equivalent system" is exponentially vanishing
Il sistema equivalente nello sliding mode è progettato per garantire una dinamica stabile e veloce lungo il
manifold di sliding.
La dinamica è esponenzialmente stabile, il che significa che la soluzione si avvicina esponenzialmente al punto
di equilibrio.
Questo è confermato dall'espressione x1(t)=e^(10t)x1(0), che dimostra la convergenza esponenziale verso 0.
C: The associated "equivalent system" is asymptotically stable
La stabilità asintotica è una proprietà più debole rispetto alla stabilità esponenziale. Poiché il sistema è
esponenzialmente stabile (come dimostrato nella risposta B), esso è anche asintoticamente stabile.
La stabilità esponenziale implica sempre la stabilità asintotica, ma non viceversa.
J: The associated "equivalent system" is LTI
Un sistema è LTI (Linear Time-Invariant) se le sue equazioni sono lineari e non dipendono esplicitamente dal
tempo.
Nello sliding mode, il sistema equivalente è lineare e non dipendente dal tempo, poiché la dinamica lungo il
manifold è descritta da equazioni differenziali lineari costanti (tempo-invarianti).
K: The associated "equivalent system" is a first-order system
Nello sliding mode, il sistema equivalente riduce l'ordine del sistema originale.
Nel caso in questione, si tratta di un sistema di primo ordine perché la dinamica è ridotta lungo il manifold di
sliding, dove σ(x)=0.
FALSE:
A: The associated "equivalent system" has two equilibrium points
L'"equivalent system" nello sliding mode ha un solo punto di equilibrio, che corrisponde al manifold di sliding
σ(x)=0.
Quindi questa affermazione è falsa.
D: The solution to the associated "equivalent system" is exponentially diverging
La divergenza esponenziale si verifica solo per sistemi instabili. Poiché il sistema equivalente è
esponenzialmente stabile (vedi risposta B), questa affermazione è falsa.
E: The associated "equivalent system" is nonlinear
Nello sliding mode, il sistema equivalente è lineare lungo il manifold, quindi questa affermazione è falsa.
F: In sliding mode: x1(t)=e^(10t)x1(0)
L'equazione proposta descrive una divergenza esponenziale (e^10t), ma nel caso del sistema equivalente in
sliding mode, la dinamica converge esponenzialmente al manifold. Questa affermazione è quindi falsa.
G: The associated "equivalent system" is time-varying
Il sistema equivalente è tempo-invariante (LTI), quindi questa affermazione è falsa.
H: The associated "equivalent system" is nonlinear
Come spiegato nella risposta E, il sistema equivalente è lineare lungo il manifold di sliding, quindi questa
affermazione è falsa.
I: The associated "equivalent system" is a second-order system
Durante lo sliding mode, il sistema equivalente riduce il suo ordine. In questo caso, è un sistema di primo
ordine, quindi questa affermazione è falsa.
L: The associated "equivalent system" exhibits a limit cycle
Un limit cycle si verifica in sistemi non lineari con dinamiche periodiche. Poiché il sistema equivalente è lineare e
converge al manifold, non può esibire un limit cycle. Questa affermazione è falsa.
30
31
VERE:
e. In a time interval which can be upper bounded by a function of the sliding variable
initial condition
La sliding mode si verifica in un tempo finito e il tempo necessario per raggiungerla
dipende dalle condizioni iniziali della variabile di sliding. Esistono metodi per calcolare un
limite superiore di questo tempo come funzione della condizione iniziale, utilizzando la
dinamica del sistema e il controllo.
f. In a finite time
La sliding mode è progettata per essere raggiunta in tempo finito tramite l'azione del
controllo. Ciò significa che il sistema entra nello sliding manifold in un tempo definito,
non infinito.
FALSE:
a. Only when the closed loop system is a second order system
La sliding mode può essere applicata anche a sistemi di ordine diverso dal secondo. Non
è una condizione necessaria che il sistema sia di secondo ordine.
b. Only when the open loop system is unstable
La sliding mode può essere implementata anche in sistemi stabili, instabili o
marginalmente stabili, a condizione che il controllo sia progettato correttamente. La
stabilità del sistema open-loop non è un requisito per la sliding mode.
c. Only when the open loop system is of the second order
Simile alla risposta a, non è necessario che il sistema open-loop sia di secondo ordine. La
sliding mode si applica a sistemi di qualsiasi ordine.
d. Only when the open loop system is affected by an uncertain term
Sebbene la sliding mode sia spesso usata per gestire incertezze, non è un requisito. Può
essere applicata anche a sistemi senza incertezze.
g. Only when the open loop system is nonlinear
Anche i sistemi lineari possono essere controllati utilizzando sliding mode. La non
linearità non è una condizione necessaria.
h. Asymptotically
La sliding mode non è asintotica nel raggiungere la manifold; è progettata per
raggiungerla in tempo finito. La stabilità può essere asintotica, ma non il raggiungimento
della sliding mode.

Conclusione:
Le risposte corrette e e f riflettono il fatto che la sliding mode si verifica in tempo finito e che
questo tempo è legato alle condizioni iniziali della variabile di sliding. Le altre risposte errate
descrivono restrizioni o requisiti che non sono necessari per l'applicazione della sliding mode.
31
VERE:(ma sbagliate)
A: The players form coalitions if this gives them individually an advantage
Motivazione per cui è errata:
Nei giochi non cooperativi, i giocatori agiscono in modo indipendente senza formare coalizioni. La
definizione stessa di un gioco non cooperativo esclude la possibilità di cooperazione diretta tra i
giocatori, anche se un'alleanza temporanea potrebbe sembrare vantaggiosa. Questo contraddice la
natura del gioco non cooperativo.
D: The information structure specifies what each player knows after making each decision
Motivazione per cui è errata:
Nei giochi non cooperativi, la struttura informativa definisce ciò che i giocatori sanno prima di
prendere decisioni, non dopo. La formulazione dell'affermazione è quindi fuorviante. La conoscenza
post-decisione non è rilevante per stabilire le strategie nel contesto dei giochi non cooperativi.
E: The players agree on common strategies
Motivazione per cui è errata:
Nei giochi non cooperativi, i giocatori non si accordano sulle strategie. Ogni giocatore sceglie
autonomamente la strategia che ritiene ottimale per massimizzare il proprio guadagno. Anche se
possono emergere strategie equilibrate (come nel Nash Equilibrium), ciò non implica un accordo
esplicito tra i giocatori.
H: The Nash equilibrium is always unique
Motivazione per cui è errata:
L'equilibrio di Nash non è sempre unico. Nei giochi non cooperativi possono esistere più equilibri di
Nash, a seconda della configurazione delle strategie e delle funzioni di utilità. Pertanto, l'affermazione
è falsa, poiché non tutti i giochi garantiscono unicità.
FALSE:(ma vere)
B: The players always pursue their best interests to fulfill their objectives
Motivazione per cui è vera:
Nei giochi non cooperativi, i giocatori agiscono razionalmente per massimizzare il loro guadagno
personale in base alle informazioni disponibili. Questo è il principio fondamentale della teoria dei
giochi non cooperativi.
C: The players are the agents that make decisions
Motivazione per cui è vera:
Nei giochi non cooperativi, i giocatori sono considerati gli agenti decisionali che selezionano strategie
in base alle proprie preferenze e alla struttura del gioco. Questa affermazione descrive correttamente
il ruolo dei giocatori.
F: The players do not trust each other
Motivazione per cui è vera:
Nei giochi non cooperativi, la fiducia tra i giocatori non è un presupposto. Ogni giocatore agisce in
modo indipendente, spesso considerando che gli altri potrebbero agire contro il proprio interesse.
Questo riflette il comportamento tipico in giochi competitivi.
G: The players do not form coalitions
Motivazione per cui è vera:
Nei giochi non cooperativi, i giocatori agiscono in modo indipendente senza formare coalizioni.
Questo è coerente con la definizione stessa del gioco non cooperativo.
I: The objective specifies the goal of each player
Motivazione per cui è vera: 31
Ogni giocatore ha un obiettivo personale, definito dalla sua funzione di utilità. L'affermazione è
corretta poiché descrive il comportamento strategico dei giocatori nei giochi non cooperativi.
32
La risposta è vera perché, nei giochi a somma zero (zero-sum games), l'equilibrio di Nash
coincide con il concetto di punto di sella nella teoria delle funzioni.

Perché è così:
1. Definizione di gioco a somma zero:
In un gioco a somma zero, la somma dei guadagni e delle perdite di tutti i giocatori è
sempre uguale a zero. Se un giocatore guadagna, l'altro perde esattamente la stessa
quantità.
2. Equilibrio di Nash:
Un equilibrio di Nash è una configurazione in cui nessun giocatore può migliorare il
proprio payoff unilaterale cambiando strategia, dato che gli altri giocatori mantengono
la loro strategia invariata.
3. Punto di sella:
Un punto di sella è un punto in cui una funzione raggiunge il suo minimo in una
direzione (per il giocatore 1) e il suo massimo in un'altra direzione (per il giocatore 2).
Nel contesto dei giochi a somma zero, il payoff del giocatore 1 può essere visto come
una funzione a due variabili, e il punto di sella rappresenta l'equilibrio ottimale in cui
entrambi i giocatori ottengono il massimo risultato possibile, dato che l'altro gioca in
modo ottimale.
4. Relazione tra Nash ed equilibrio di sella:
Nei giochi a somma zero, il concetto di punto di sella coincide con l'equilibrio di Nash
perché entrambi rappresentano uno stato in cui i giocatori scelgono strategie che
bilanciano le proprie azioni per massimizzare i risultati rispetto all'avversario.

Conclusione:
Il punto di sella nei giochi a somma zero rappresenta esattamente il concetto di equilibrio di
Nash, il che rende la risposta vera.

32
VERE
C: Finding Nash equilibria can be computationally easy for some special classes of games
Trovare l'equilibrio di Nash in generale può essere computazionalmente difficile. Tuttavia, per
alcune classi di giochi (ad esempio giochi con payoff lineari o simmetrici), il calcolo
dell'equilibrio di Nash può essere semplificato, rendendolo computazionalmente più facile.
D: Multiple Nash equilibria may exist
Nei giochi non a somma zero, è possibile avere più equilibri di Nash. Ad esempio, nei giochi
con payoff multipli o nei giochi strategici, i giocatori possono avere diverse configurazioni di
strategie che soddisfano i criteri dell'equilibrio di Nash.
H: Policies that guarantee a given level of performance (security policies) do not take into
account opponents' objectives
Le "security policies" garantiscono un livello minimo di prestazione per un giocatore
indipendentemente dalle azioni degli avversari. Queste politiche sono progettate per
proteggere gli interessi del giocatore e non considerano direttamente gli obiettivi degli altri
giocatori.
J: Finding Nash equilibrium policies can be computationally hard
In generale, il calcolo di un equilibrio di Nash è un problema computazionalmente complesso,
specialmente in giochi di grandi dimensioni o con payoff non lineari. Questo è stato
dimostrato essere un problema nella classe PPAD-completo, che è considerata
computazionalmente difficile.
FALSE:
A: None of the replies
Questa risposta è errata perché alcune affermazioni (C, D, H, J) sono corrette. Quindi non è
vero che nessuna delle risposte sia corretta.
B: Security policies do not exist
Questa affermazione è falsa perché le security policies esistono. Sono strategie progettate
per garantire un livello minimo di prestazioni indipendentemente dalle azioni degli avversari.
E: Potential games always have at least a Nash equilibrium
Sebbene questa affermazione sembri plausibile, non è stata selezionata come corretta nel
contesto della domanda. Tuttavia, i giochi potenziali in realtà garantiscono almeno un
equilibrio di Nash (secondo il teorema degli equilibri di Nash).
F: Policies that guarantee a given level of performance (security policies) take into account
opponents' objectives
Questa affermazione è falsa perché le security policies non tengono conto degli obiettivi degli
avversari. Sono progettate per proteggere un giocatore indipendentemente da ciò che fanno
gli altri.
G: Security policies never lead to regret
Questa affermazione è falsa perché le security policies possono portare a rimpianti (regret) se
un'altra strategia avrebbe potuto portare a un payoff migliore a posteriori.
I: Nash equilibrium policies do not exist
Questa affermazione è falsa perché gli equilibri di Nash esistono in molti giochi (ad esempio,
32
nei giochi finiti). Il teorema di Nash garantisce l'esistenza di almeno un equilibrio in giochi con
payoff continui e strategie miste.
Homework1

33
VERE(FALSE):
A: The system associated with that image is a second-order system with two different
real positive eigenvalues
Falsa: Se gli autovalori fossero entrambi reali e positivi, l'origine sarebbe un nodo
instabile, ma l'immagine mostra un sistema con traiettorie che convergono all'origine (un
focus stabile). Gli autovalori sono complessi con parte reale negativa.
B: The image is obtained on the phase plane using the normal coordinates
Falsa: L'immagine rappresenta il sistema nel piano delle coordinate originali, non in
coordinate trasformate. Pertanto, questa affermazione è falsa.
D: The origin of the state space of the considered system is a stable node
Falsa: L'immagine rappresenta un focus stabile, non un nodo stabile. Un nodo stabile
richiede autovalori reali negativi distinti.
G: The system associated with that image is a second-order system with two different
real negative eigenvalues
Falsa: Se gli autovalori fossero entrambi reali e negativi, l'origine sarebbe un nodo stabile,
non un focus stabile. Gli autovalori del sistema sono complessi con parte reale negativa.

FALSE(VERE):
C: The system associated with that image is asymptotically stable
Vera: Le traiettorie convergono verso l'origine nel tempo. Questo comportamento è tipico
di un sistema asintoticamente stabile.
E: The image is obtained on the phase plane using the original coordinates
Vera: Il grafico rappresenta chiaramente le coordinate originali del sistema, non
coordinate trasformate.
F: The origin of the state space of the considered system is a stable focus
Vera: L'immagine mostra chiaramente un focus stabile (le traiettorie spiraleggiano verso
l'origine).

33
Questa domanda riguarda l'interpretazione di un sistema dinamico rappresentato nella figura fornita.
Analizziamo le affermazioni corrette e spieghiamo perché sono tali:

VERE:
1. "The trajectory can also be expressed as ϕ(t,t0,x0,u), that is in terms of the transition map."
Spiegazione: La traiettoria di un sistema dinamico può essere descritta dalla mappa di transizione ϕ,
che definisce come uno stato iniziale x0​evolverà nel tempo t, considerando eventualmente un input
u. Questo è un concetto standard nella teoria dei sistemi dinamici.
2. "The plane is the phase plane, [x1,x2]."
Spiegazione: Il piano delle fasi è una rappresentazione delle variabili di stato [x1,x2] del sistema. La
figura mostra chiaramente che il comportamento dinamico viene analizzato nel contesto del piano
delle fasi.
3. "The image is the projection on the phase plane of the system trajectory."
Spiegazione: La "immagine" rappresentata nella figura è il risultato della proiezione della traiettoria
tridimensionale (che include x1​,x2 e possibilmente x3 o il tempo) sul piano delle fasi, il quale
considera solo le variabili [x1,x2].

FALSE:
1. "The system producing such an image is a third order system."
Spiegazione: Non ci sono informazioni sufficienti nella figura per affermare che il sistema sia del terzo
ordine. La rappresentazione potrebbe riferirsi a un sistema del secondo ordine o di ordine superiore,
ma l'immagine si concentra solo su due variabili di stato.
2. "The image describes the behavior on the phase plane of a time-invariant system."
Spiegazione: Anche se il sistema potrebbe essere tempo-invariante, questa affermazione non può
essere confermata senza ulteriori dettagli sul sistema dinamico sottostante.
3. "The depicted trajectory is that of a second order linear time-varying system."
Spiegazione: Non c'è evidenza che il sistema sia lineare o che sia a tempo variabile. Potrebbe essere
lineare o non lineare, a seconda delle dinamiche del sistema non mostrate nella domanda.
4. "The analytic expression of the image can be found using the Lagrange formula and eliminating
time."
Spiegazione: Sebbene sia possibile eliminare il tempo per ottenere una relazione tra [x1,x2], l'uso
della formula di Lagrange non è una metodologia standard per questa operazione, e l'affermazione è
quindi fuorviante.

Conclusione:
Le affermazioni corrette si basano su concetti ben noti nella teoria dei sistemi dinamici e sulla descrizione
grafica della traiettoria e del piano delle fasi. Le affermazioni errate mancano di sufficienti dettagli o fanno
supposizioni non giustificate sulla natura del sistema.

33
34
L'affermazione è falsa perché i sistemi lineari non possono presentare comportamenti
complessi come:
1. Equilibri multipli isolati: I sistemi lineari possono avere solo un punto di equilibrio (se
esiste), e questo dipende dalla natura della matrice del sistema. Gli equilibri multipli sono
una caratteristica dei sistemi non lineari.
2. Sottomodulazioni (subharmonics): Questo tipo di comportamento periodico complesso
si osserva nei sistemi non lineari, non nei sistemi lineari.
3. Orbite chiuse: Nei sistemi lineari le traiettorie non formano orbite chiuse se non in
situazioni specifiche, come nel caso di sistemi marginalmente stabili (autovalori
immaginari puri). Tuttavia, queste non rappresentano il comportamento generale dei
sistemi lineari.
4. Comportamenti caotici: Il caos è esclusivo dei sistemi non lineari e implica sensibilità
alle condizioni iniziali e dinamiche altamente irregolari, che non possono essere descritte
dai sistemi lineari.
I sistemi lineari, per loro natura, sono descritti da equazioni differenziali lineari e presentano
solo dinamiche semplici (es. convergenza, divergenza o oscillazioni armoniche). I fenomeni
citati nell'affermazione richiedono non linearità per manifestarsi.

34
Questa domanda richiede di determinare quale valore di xˉ1​consente di concludere che lo
stato di equilibrio (xˉ1,0) è una sella.

Approccio per determinare la risposta:

1. Sistema dato:
Le equazioni del sistema sono: δx˙1=δx2 , δx˙2=δx1−3xˉ1^2δx1−δx2
2. Equilibrio:
Lo stato di equilibrio (xˉ1,0) significa che δx1=xˉ1e δx2=0.
Questo implica che la stabilità dipende dalla linearizzazione attorno a questo punto di
equilibrio.
3. Linearizzazione:
Linearizzando il sistema attorno a (xˉ1,0), si ottiene la matrice Jacobiana:
J=[0 1
1−6xˉ1^2 −1]
Gli autovalori di JJJ determinano la natura dell'equilibrio.
1. Calcolo degli autovalori:
La caratteristica del sistema si ottiene risolvendo: λ2+λ+(6xˉ1^2−1)=0
Gli autovalori sono: λ=(−1±rad(1−4(6xˉ1^2−1))/2
Per avere una sella, gli autovalori devono avere segni opposti. Ciò avviene quando il
discriminante della radice quadrata è positivo, ossia: 1−4(6xˉ12−1)>0
1−24xˉ12+4>0 5−24xˉ12>0 x_1^2<5/24
2. Determinazione della risposta:
Tra i valori forniti, solo xˉ1=0 soddisfa questa condizione, rendendo il punto di
equilibrio una sella.

Conclusione:
La risposta corretta è xˉ1=0 perché è l'unico valore che soddisfa la condizione necessaria per
avere autovalori di segni opposti, caratteristica di uno stato di equilibrio a sella.

34
35
[Link]à del sistema
1. Nonlinearità:
f(x(t),u(t),t)e g(x(t),u(t),t) dipendono non linearmente da x(t)e u(t)(ad esempio,
attraverso funzioni quadrate, esponenziali o altre).
Senza ulteriori informazioni, il sistema potrebbe essere nonlineare.
2. Time-varying:
Poiché f e g dipendono esplicitamente dal tempo t, il sistema è time-varying.
3. Autonomia:
Un sistema è autonomo se non dipende esplicitamente dal tempo ttt.
Poiché f e g dipendono da t, non è autonomo.
4. MIMO (Multi-Input Multi-Output):
MIMO significa che ci sono più ingressi (u(t)∈Rm, con m>1) e più uscite (y(t)∈R^p, con
p>1).
Dalla formulazione, non possiamo concludere che m>1 e p>1, quindi non è garantito
che sia un sistema MIMO.

Conclusione
La risposta corretta è False perché il sistema:
Non è autonomo.
Non è garantito che sia MIMO.

35
[Link]
La condizione data:

indica che per qualsiasi punto iniziale x(0) appartenente al sottoinsieme X, la traiettoria del
sistema converge al punto di equilibrio xˉ quando t→∞

Spiegazione
Regione di attrazione: Il sottoinsieme X rappresenta il luogo geometrico (o insieme) dei
punti iniziali tali che il sistema converge asintoticamente a xˉ. Questo è esattamente ciò
che si definisce come regione di attrazione.
Equilibrio asintoticamente stabile: La stabilità asintotica implica che le traiettorie non
solo rimangono stabili, ma convergono al punto di equilibrio. La regione di attrazione è
definita solo per punti di equilibrio asintoticamente stabili
VERE:
Risposta A: "A region of attraction of an asymptotically stable equilibrium point":
Questa è la definizione corretta. L'insieme X descritto nella domanda è precisamente la
regione di attrazione di xˉ.

FALSE:
1. B: "A ball centered at the equilibrium state xˉ":
La regione di attrazione non è necessariamente una palla centrata su xˉ. Può avere
forme arbitrarie.
2. C: "The region of attraction of a stable equilibrium point":
La stabilità semplice (senza asintotica) non implica che le traiettorie convergano a xˉ,
mentre la definizione fornita richiede esplicitamente convergenza.
3. D: "The region of attraction of an asymptotically stable equilibrium point":
Questa risposta è corretta nella sostanza, ma non è inclusa come opzione valida nella
domanda mostrata.

35
[Link] Form e Autovalori
La forma di Jordan di una matrice A è una rappresentazione che si ottiene diagonalizzando A
quando possibile, oppure riducendola a una forma più semplice (blocchi di Jordan) quando
non è diagonalizzabile.

La forma specificata:

indica che la matrice A è diagonalizzabile e ha autovalori reali distinti (λ1​e λ2​).

Condizione: Autovalori Reali e Autovettori Indipendenti

Per ottenere questa forma diagonale, A deve soddisfare due condizioni:
1. Autovalori reali distinti: Gli autovalori (λ1e λ2) devono essere reali per evitare blocchi
complessi nella rappresentazione di Jordan.
2. Autovettori indipendenti: Gli autovettori associati agli autovalori di A devono essere
linearmente indipendenti. Questo assicura che A sia diagonalizzabile e non abbia blocchi
di Jordan più complessi

Se una di queste condizioni non è soddisfatta:

Se gli autovalori non sono distinti o non sono reali, la forma di Jordan includerebbe
blocchi non diagonali.
Se gli autovettori non sono indipendenti, la matrice non può essere diagonalizzata e si
avrebbero blocchi di Jordan.

Conclusione
La matrice A ha la forma di Jordan specificata (diagonale) solo se ha:
Autovalori reali.
Autovettori linearmente indipendenti.
Pertanto, l'affermazione è vera.

35
36
[Link] del Sistema
L'immagine mostra una traiettoria dello stato di un sistema non lineare. Per l'affermazione
dichiarata, il sistema dovrebbe avere:
1. Un punto di equilibrio instabile.
2. Un ciclo limite stabile.

Un punto di equilibrio instabile significa che le traiettorie vicine al punto si allontanano da

esso nel tempo.
Un ciclo limite stabile significa che esiste una traiettoria chiusa (il ciclo) attorno al punto di
equilibrio, e le traiettorie si avvicinano a questa curva chiusa con il passare del tempo.
Cosa mostra la figura

Osservando il grafico:
Le traiettorie non sembrano avvicinarsi a un ciclo chiuso stabile (che sarebbe visibile
come un'orbita chiusa attrattiva attorno a un punto di equilibrio instabile).
È probabile che il comportamento rappresentato nel grafico non soddisfi entrambe le
condizioni necessarie per dichiarare l'affermazione vera.

Conclusione
L'affermazione è falsa perché il grafico non conferma l'esistenza di un ciclo limite stabile che
soddisfi il comportamento descritto. Potrebbe mostrare un'altra configurazione del sistema,
come un ciclo limite instabile o un diverso comportamento non lineare.

36
37
[Link] risposta corretta è False perché il comportamento indicato nel grafico non corrisponde a
ciò che ci si aspetterebbe da un sistema lineare e invariante nel tempo (LTI) sottoposto a un
ingresso puramente sinusoidale.
Motivo
1. Sistema LTI e risposta sinusoidale:
Quando un sistema LTI riceve un segnale sinusoidale puro in ingresso, l'uscita sarà
anch'essa un segnale sinusoidale alla stessa frequenza dell'ingresso, ma
potenzialmente con un'ampiezza diversa e uno sfasamento.
Il grafico mostrato indica un comportamento non sinusoidale: ci sono discontinuità,
brusche variazioni e un'oscillazione che non è armonica.
2. Comportamento osservato:
Il grafico sembra rappresentare un segnale più complesso, che potrebbe essere
generato da un sistema non lineare o da un sistema LTI con un ingresso più
complesso (non un semplice seno).

Conclusione:
Il comportamento mostrato non può essere prodotto da un sistema LTI sottoposto a
un ingresso puramente sinusoidale, il che rende l'affermazione falsa.

6. La risposta è True perché:

1. Caos nei sistemi non lineari:
Il caos è una caratteristica comune di molti sistemi dinamici non lineari. Esso si
manifesta quando un sistema mostra un comportamento apparentemente casuale e
imprevedibile, anche se il sistema è deterministico (ossia, governato da equazioni
precise).
2. Sensibilità alle condizioni iniziali:
Una proprietà fondamentale del caos è la sensibilità estrema alle condizioni iniziali.
Piccole variazioni nello stato iniziale possono portare a risultati drasticamente diversi
nel tempo. Questo è noto anche come "effetto farfalla".
3. Esempi di sistemi caotici:
Il pendolo doppio.
Il sistema di Lorenz.
Molti modelli meteorologici.

Conclusione:
La dichiarazione è corretta perché il caos è una caratteristica osservabile nei sistemi
non lineari e deriva principalmente dalla loro sensibilità alle condizioni iniziali.
37
Homework2

38
39
40
41
42
43
44
45
46
La risposta E è corretta perché si basa su un risultato teorico che collega la divergenza di un
campo vettoriale alla presenza o assenza di orbite chiuse in un dominio semplicemente
connesso.
Spiegazione
1. Ipotesi del problema: Si considera un campo vettoriale f definito su un insieme
semplicemente connesso D in R^2. La divergenza di f, div(f), è data da:
div(f)=∂f1/∂x1+∂f2/∂x2
2. Se la divergenza non è identicamente nulla e non cambia segno in D, il teorema di
Bendixson-Dulac afferma che non possono esistere orbite chiuse all'interno del dominio
D.
3. Cosa implica "non identicamente zero e non cambia segno"?
Se div(f)>0 o div(f)<0 su tutto il dominio, il flusso del campo vettoriale non può formare
cicli chiusi. Questo perché una divergenza costante positiva o negativa implica che il
flusso è in espansione o contrazione uniforme, il che rende impossibile la presenza di
un comportamento ciclico.
4. Perché altre opzioni sono sbagliate?
Opzioni A, B, C, G: Parlano di orbite chiuse o cicli limite, che contraddicono il teorema
quando la divergenza ha le caratteristiche indicate (non identicamente zero e segno
costante).
Opzione D: Contraddice il fatto che la divergenza non cambia segno e quindi non può
implicare orbite chiuse.
Opzione E (corretta): Questa segue direttamente dal teorema e specifica che se la
divergenza non cambia segno e non è identicamente zero, non ci sono orbite chiuse in
D.

Conclusione
Il teorema di Bendixson-Dulac vieta la presenza di orbite chiuse in D quando la divergenza
div(f) non cambia segno e non è identicamente zero. Questo giustifica perché la risposta
corretta è E.

46
47
48
49
VERE:
1. i. "The system in sliding mode is a first order system satisfying the constraint x2=−10x1​":
Quando il sistema è in sliding mode, il movimento è confinato sulla sliding manifold definita da
σ(t)=x2+10x1=0.
Questo vincolo impone una relazione tra x1​e x2​, riducendo effettivamente il sistema a una dinamica
di primo ordine.
Quindi, il sistema è un sistema di primo ordine sulla sliding manifold.
2. h. "The system in sliding mode is LTI":
Dopo che la sliding mode è stata stabilita, la dinamica sulla sliding manifold segue un comportamento
lineare e tempo-invariante (LTI), poiché è governata da equazioni differenziali lineari e i parametri non
cambiano con il tempo.
3. f. "The sliding mode is enforced ∀t≥tr​, con tr≤σ(t0)/η, dove t0 è l'istante iniziale, a condizione che
σ˙σ≤−η∣σ∣":
Questa affermazione descrive la condizione necessaria per garantire che la sliding mode sia raggiunta
in tempo finito e mantenuta.
La condizione σ˙σ≤−η∣σ∣ è una proprietà di attrattività della sliding manifold, che garantisce che la
dinamica converge verso σ=0 entro un tempo finito tr​.

Questi risultati sono legati alle proprietà del controllo in sliding mode, che utilizza una legge di controllo per
forzare il sistema sulla sliding manifold e mantenere il movimento confinato su di essa.

FALSE:
1. a. "The system in sliding mode is a first order system satisfying the constraint x1=−10x2":
Questa affermazione inverte erroneamente la relazione corretta tra x1​e x2​. La sliding manifold è
definita da σ(t)=x2+10x1=0, quindi la relazione corretta è x2=−10x1​, non x1=−10x2​.
2. b. "None of the replies":
Questa affermazione è falsa perché alcune delle altre risposte (ad esempio, i, h, f) sono corrette.
3. c. "The sliding mode is enforced ∀t≥tr​, con tr≥σ(t0)/η:
Questa affermazione inverte il vincolo corretto sul tempo tr​. La condizione corretta è tr≤σ(t0)/η, che
garantisce che il sistema raggiunga la sliding mode in tempo finito. La disuguaglianza data in questa
affermazione è errata.
4. d. "The system in sliding mode is unstable":
Una volta che il sistema è in sliding mode, la dinamica sulla sliding manifold è stabile. L'affermazione
è quindi falsa perché il sistema in sliding mode è progettato per essere stabile.
5. e. "The system in sliding mode, if linearized around (0,0), produces a plot on the phase plane which
can be classified as a saddle":
Questa affermazione è falsa perché la dinamica in sliding mode è progettata per essere stabile e
quindi il sistema linearizzato intorno al punto di equilibrio non rappresenta un comportamento di tipo
"sella" (instabile in alcune direzioni e stabile in altre).
6. g. "The system in sliding mode is nonlinear":
Una volta che il sistema è in sliding mode, la dinamica sulla sliding manifold diventa lineare e tempo-
invariante (LTI), contrariamente a quanto affermato qui.
Queste affermazioni sono errate o contraddicono i principi del controllo sliding mode e la sua dinamica
confinata sulla sliding manifold.
49
50
51
La risposta corretta è "Falso" perché la condizione fornita nel testo non è sufficiente a
garantire che la trasformazione z=T(x) sia un diffeomorfismo locale.
Spiegazione
Un diffeomorfismo locale è una funzione differenziabile T(x) che ha un'inversa differenziabile
in un intorno del punto considerato. Affinché T(x)sia un diffeomorfismo locale, devono essere
soddisfatte le seguenti condizioni:
1. La matrice Jacobiana ∂/T∂x deve essere non singolare (ossia deve avere determinante
diverso da zero) nel punto specifico x0​.
2. Questa condizione deve essere verificata solo localmente (nel punto x0​), non
necessariamente su tutto lo spazio x

Motivo dell'errore nella formulazione

La domanda afferma che T(x) è un diffeomorfismo locale se la matrice Jacobiana è non
singolare per ogni x. Questo è falso, perché:
Per essere un diffeomorfismo locale, non è necessario che la Jacobiana sia non singolare
in ogni punto di x, ma solo localmente attorno al punto x0​.
In sintesi:
La non singolarità della Jacobiana è una condizione locale per il diffeomorfismo locale,
non una condizione globale.

51
52
La risposta corretta è Ultimate boundedness perché la definizione fornita descrive un sistema
in cui le traiettorie entrano in una regione delimitata (Ωa​) in un tempo finito e rimangono lì,
senza necessariamente convergere a un punto di equilibrio.
Dettagli sulla definizione
La definizione fornisce le seguenti condizioni:
1. La derivata di Lyapunov, V˙(t,x), è negativa definita (V˙≤−W(x)) per tutte le x tali che
∥x∥≥μ>0
2. W(x) è positiva definita.
3. Esiste un insieme Ωa={x∈Rn:V(x)≤a} tale che tutte le traiettorie del sistema entrano in Ωa​
in un tempo finito.
Interpretazione
Questa situazione descrive ultimate boundedness, cioè:
Le traiettorie del sistema sono limitate nel tempo e si stabiliscono in una regione
delimitata (Ωa​).
Non garantisce che il sistema converga a un punto specifico (ad esempio, non garantisce
la stabilità asintotica).

Perché le altre risposte sono sbagliate

1. State feedback stabilizability (a):
Si riferisce alla capacità di progettare un controllo a retroazione dello stato per
rendere il sistema stabile, ma non è collegato alla definizione.
2. Global stability (b):
Indica stabilità globale, che implica che tutte le traiettorie convergano a un equilibrio
stabile. Tuttavia, qui si parla solo di limitatezza, non di convergenza.
3. Input to state stability (c):
Riguarda la relazione tra ingressi e lo stato del sistema. Non è pertinente poiché qui
non ci sono ingressi.
4. Regional stability (d):
Implica stabilità in una regione specifica. Anche se correlata, questa definizione non
descrive direttamente una "boundedness" finale.
5. Asymptotic stability (f):
Implica che le traiettorie convergono asintoticamente a un punto (ad esempio, un
equilibrio). Questa definizione non garantisce tale convergenza, solo che le traiettorie
rimangono limitate.

Conclusione
La definizione descrive la ultimate boundedness perché garantisce che, dopo un certo tempo,
le traiettorie rimangono confinate in una regione
52 delimitata senza necessariamente
convergere a un punto specifico.
L'affermazione è falsa perché il teorema di LaSalle non fornisce condizioni sufficienti per
l'esistenza di orbite chiuse. Il teorema di LaSalle si utilizza per dimostrare la stabilità asintotica
di un sistema dinamico, affermando che:
Se esiste una funzione di Lyapunov V(x) definita positiva e con derivata lungo le traiettorie
del sistema V˙(x)≤0, allora le traiettorie del sistema convergono al più grande insieme
invariante contenuto nel sottoinsieme in cui V˙(x)=0.
Nel caso specifico dell'immagine, il teorema non garantisce che i punti sul bordo del set RRR
formino un'orbita chiusa. Questo richiede ulteriori condizioni o teoremi specifici (es. il
teorema di Poincaré-Bendixson per sistemi nel piano).
In sintesi:
Il teorema di LaSalle si occupa di stabilità e non della caratterizzazione di orbite chiuse.
Per determinare la presenza di orbite chiuse, è necessario utilizzare altri strumenti
matematici che non sono coperti dal teorema di LaSalle.
L'affermazione è falsa perché la condizione fornita, σσ˙≤−γ/rad(2)∣σ∣, non garantisce
necessariamente che la variabile di scorrimento σ\sigmaσ converga a 0 per t→+∞.
Ecco i motivi:
1. Condizione di raggiungimento:
La condizione σσ˙≤−γ/rad(2)∣σ∣ descrive il comportamento della dinamica della
variabile di scorrimento σ\sigmaσ, indicando che σ\sigmaσ si muove verso lo zero.
Tuttavia, questa condizione da sola non garantisce che σ\sigmaσ arrivi effettivamente
a zero.
2. Richiesta di convergenza globale:
Per garantire che σ→0 come t→+∞, sono necessarie condizioni più forti, ad esempio la
stabilità asintotica globale del sistema in modalità di scorrimento. Questo richiede che
l'energia associata alla variabile σ\sigmaσ diminuisca in modo tale da raggiungere
zero.
3. Insufficienza della disuguaglianza:
La disuguaglianza σσ˙≤−γ/rad(2)∣σ∣ implica una diminuzione della norma di
σ\sigmaσ lungo il tempo, ma non garantisce che σ\sigmaσ raggiunga esattamente 000.
Potrebbe esserci un comportamento in cui σ\sigmaσ si avvicina asintoticamente a un
valore non nullo oppure oscilla senza convergere.
Conclusione
L'affermazione è falsa perché la condizione fornita è necessaria ma non sufficiente per
garantire che σ→0 per t→+∞.
VERE:
F. The system x˙=Ax+Bu is reachable if and only if the matrix has maximal rank.
La raggiungibilità di un sistema lineare è determinata dal rango della matrice di controllabilità:
Mr=[B AB A2B … An−1B]
Se questa matrice ha rango massimo (uguale alla dimensione dello spazio di stato n), allora
il sistema è raggiungibile.
La raggiungibilità implica che è possibile portare il sistema da qualsiasi stato iniziale a
qualsiasi stato finale in un tempo finito utilizzando un input adeguato.
G. The Eigenvalue Assignment problem for the system x˙=Ax+Bu can be solved if and only if
the matrix has maximal rank.
Per poter assegnare gli autovalori desiderati al sistema (problema di assegnazione degli
autovalori), è necessario che il sistema sia completamente controllabile.
La controllabilità si verifica quando la matrice Mr ha rango massimo.
Quindi, il problema di assegnazione degli autovalori è risolvibile solo se Mr​ha rango max
FALSE:
A. If (A;B) is the canonical controllability form of system x˙=Ax+Bu, then the matrix has
minimal rank by construction.
Questo è falso perché, nella forma canonica di controllabilità, il sistema è costruito in modo che
sia completamente controllabile, e quindi Mr​deve avere rango massimo, non minimo.
B. None of the replies.
Questa è falsa perché alcune risposte (come F e G) sono corrette.
C. If (A;B) is the canonical controllability form of system x˙=Ax+Bu, then the matrix is the
identity matrix.
Questa è falsa perché, nella forma canonica di controllabilità, la matrice Mr​non è
necessariamente la matrice identità.
D. The pair (A;B) is observable.
La osservabilità è un concetto diverso dalla raggiungibilità. Si riferisce alla possibilità di dedurre
lo stato interno del sistema dagli output osservati. Qui si parla di raggiungibilità, non di
osservabilità.
E. The system x˙=Ax+Bu is reachable if and only if the matrix has minimum rank.
Questa è falsa perché, come spiegato sopra, la raggiungibilità richiede che la matrice Mr​abbia
rango massimo, non minimo.
H. The Eigenvalue Assignment problem for the system x˙=Ax+Bu can be solved if and only if
the matrix has minimal rank.
Questa è falsa per lo stesso motivo della risposta E. Per assegnare gli autovalori, il sistema deve
essere controllabile, quindi Mr​deve avere rango massimo.
Conclusione:
Le risposte F e G sono corrette perché descrivono correttamente le condizioni per la raggiungibilità
e per la risolvibilità del problema di assegnazione degli autovalori, che dipendono dal rango
massimo della matrice di controllabilità Mr​. Le altre risposte sono errate perché confondono
concetti o fanno assunzioni sbagliate.
Motivazione:
L'affermazione implica che l'immagine rappresenti l'unica traiettoria dello stato che può
essere osservata nel piano di fase per un sistema LTI (lineare a tempo invariante) di ordine 2,
autonomo, con autovalori aventi parte reale non nulla, dato che è selezionata una particolare
condizione iniziale.

Osservazioni sul sistema LTI descritto:

1. Autovalori con parte reale non nulla:
Se gli autovalori hanno parte reale positiva, le traiettorie divergeranno dal punto di
equilibrio (instabilità).
Se gli autovalori hanno parte reale negativa, le traiettorie convergeranno verso il
punto di equilibrio (stabilità).
Autovalori complessi con parte reale negativa o positiva determinano traiettorie a
spirale (convergenza o divergenza).
2. L'unicità della traiettoria:
Un sistema LTI autonomo di ordine 2 con autovalori complessi genera traiettorie
diverse sul piano di fase in base alle diverse condizioni iniziali.
L'immagine mostrata rappresenta una specifica traiettoria che dipende dalla
condizione iniziale fornita, ma non rappresenta l'unica traiettoria possibile.
Cambiando la condizione iniziale, si otterrebbero traiettorie diverse (sempre spirali,
ma con differenti posizioni iniziali).
3. Proprietà del piano di fase:
Nel caso di un sistema con autovalori complessi con parte reale negativa, tutte le
traiettorie convergono verso il punto di equilibrio (stabilità spirale).
Se gli autovalori hanno parte reale positiva, tutte le traiettorie divergerebbero dal
punto di equilibrio (instabilità spirale).

Conclusione:
L'immagine fornita è solo una delle molte traiettorie possibili che si possono osservare nel
piano di fase per il sistema dato, e dipende dalla condizione iniziale selezionata. Quindi,
l'affermazione è falsa poiché l'immagine non rappresenta l'unica traiettoria possibile.
1. Proprietà della funzione rappresentata:
La funzione V(x1,x2) è una paraboloide centrata nell'origine (x1=0,x2=0).
V(x1,x2) è positiva definita in una certa regione (una "palla" centrata nell'origine). Questo significa
che:
V(x)>0 per tutti i x≠0 in quella regione.
V(x)=0 solo nell'origine (x=0).
Tuttavia, non si può garantire che V(x) sia positiva definita globalmente perché non abbiamo
informazioni sufficienti al di fuori di quella regione.
Spiegazione delle singole risposte:
(A) A globally negative definite function
Falsa.
Una funzione definita negativa soddisfa V(x)<0 per tutti i x≠0 e V(x)=0 solo nell'origine.
La funzione V(x1,x2) nel grafico è chiaramente positiva (mai negativa), quindi non può essere
definita negativa.
(B) A globally positive definite function
Falsa.
Per essere globalmente definita positiva, V(x)>0 deve valere per tutti i punti nello spazio
tranne l'origine.
Il grafico mostra che V(x1,x2) è positiva solo in una regione attorno all'origine (una palla
centrata), ma non ci sono informazioni sufficienti per dichiararla positiva ovunque.
(C) A negative semidefinite function in some ball centered at the origin
Falsa.
Una funzione semidefinita negativa soddisfa V(x)≤0 (mai positiva), ma può essere zero in
alcuni punti diversi dall'origine.
La funzione nel grafico è positiva, quindi non può essere semidefinita negativa.
(D) None of the replies
Falsa.
La risposta E è corretta, quindi "None of the replies" non può essere vera.
(E) A positive definite function in some ball centered at the origin
Vera.
La funzione soddisfa V(x)>0 per x≠0 e V(0)=0 in una regione limitata (una palla centrata
nell'origine).
Questa è la definizione di funzione definita positiva in una palla.
(F) A negative definite function in some ball centered at the origin
Falsa.
Una funzione definita negativa in una palla soddisfa V(x)<0 per tutti i x≠0 e V(x)=0 solo
nell'origine.
La funzione V(x1,x2) è positiva, quindi non può essere definita negativa.

Conclusione:
La risposta E è vera perché la funzione V(x1,x2) è definita positiva in una regione limitata (una palla)
attorno all'origine. Tutte le altre risposte non descrivono correttamente le proprietà della funzione.
2). La risposta è vera perché la stabilità esponenziale implica necessariamente la stabilità
asintotica, che a sua volta implica la stabilità semplice. Ecco la spiegazione:
1. Definizione di stabilità esponenziale
Un sistema dinamico x˙=f(x) è detto esponenzialmente stabile se esistono due costanti
positive c>0 e λ>0 tali che la soluzione del sistema soddisfa:
∥x(t)∥≤ce^(−λt)∥x(0)∥,∀t≥0.
Questo significa che:
Il sistema è asintoticamente stabile perché ∥x(t)∥→0 quando t→∞
Il decadimento della soluzione è esponenziale, quindi avviene più velocemente
rispetto ad altre forme di decadimento (ad esempio polinomiale).
2. Stabilità implica solo un decadimento limitato
Un sistema è stabile nel senso di Lyapunov se, per ogni ε>0, esiste un δ>0 tale che:
∥x(0)∥<δ ⟹ ∥x(t)∥<ε,∀t≥0.
La stabilità non garantisce necessariamente che ∥x(t)∥→0, ma solo che le traiettorie
restano limitate.
3. Relazione tra stabilità esponenziale e stabilità
Se un sistema è esponenzialmente stabile, allora:
È anche asintoticamente stabile, perché ∥x(t)∥→0 per t→∞.
È stabile, perché il decadimento esponenziale implica che le traiettorie rimangono
limitate e convergono rapidamente.

Conclusione
La stabilità esponenziale è una forma più forte di stabilità, poiché include sia la stabilità
semplice sia la convergenza asintotica delle traiettorie a zero con un tasso di decadimento
esponenziale. Pertanto, è corretto affermare che "Exponential stability implies stability".
3). VERE:
1. B: λ is an estimate of the exponential convergence rate
La formula fornita: ∥x(t)∥≤ce^(−λt)∥x(0)∥ mostra chiaramente che il parametro λ>0
rappresenta il tasso di decadimento esponenziale del sistema. Più alto è il valore di λ,
più rapidamente il sistema converge verso l'origine. Questo rende corretta
l'affermazione che λ sia una stima del tasso di convergenza esponenziale.
2. C: The origin of the system state space is exponentially stable
La disuguaglianza data implica che ∥x(t)∥→0 esponenzialmente quando t→∞.
Questo soddisfa la definizione di stabilità esponenziale dell'origine, il che rende vera
l'affermazione.
FALSE:
1. A: The system is exponentially stable
Anche se l'origine è esponenzialmente stabile, ciò non garantisce che l'intero sistema
sia globalmente stabile. L'affermazione è troppo generica e quindi falsa.
2. D: x(0) is exponentially stable
x(0) è il valore iniziale dello stato, non un punto di equilibrio. La stabilità esponenziale
si riferisce a un punto di equilibrio, non a uno stato iniziale specifico. Pertanto, questa
affermazione è priva di significato.
3. E: None of the replies
Poiché almeno due affermazioni (B e C) sono vere, questa opzione è falsa.
4. F: x(t) is exponentially stable
Simile a D, questa affermazione confonde lo stato x(t) con un punto di equilibrio. La
stabilità esponenziale riguarda l'origine, non x(t) stesso.
5. G: λ must be negative
Questa affermazione è chiaramente falsa poiché λ>0 per definizione di decadimento
esponenziale.
6. H: α is an estimate of the exponential convergence rate
Nella formula fornita, α rappresenta una costante di scala, non il tasso di convergenza.
Quindi questa affermazione è falsa.
7. I: The origin of the system state space is globally exponentially stable
La definizione data non specifica la stabilità globale ma solo la stabilità locale, valida
per x(0)∈Bδ(0). Pertanto, questa affermazione è falsa.
VERE:
1. C: The system state reaches the sliding manifold in finite time
Motivazione: Una delle principali caratteristiche dello sliding mode control è che lo stato del
sistema raggiunge la "sliding manifold" in un tempo finito, grazie alla legge di controllo
discontinua progettata per garantire questa proprietà.
2. D: The image of the state trajectory on the state plane can be subdivided into two phases:
the reaching phase and the sliding mode
Motivazione: Nel controllo sliding mode, il comportamento del sistema può essere diviso in
due fasi:
La reaching phase: il sistema converge verso la sliding manifold.
La sliding mode phase: il sistema evolve lungo la manifold stessa. Questa è una proprietà
fondamentale del controllo sliding mode.
3. H: The equivalent system may be made LTI and asymptotically stable by suitably designing
the sliding manifold
Motivazione: Il sistema equivalente, cioè quello che descrive la dinamica sulla sliding
manifold, può essere progettato per essere lineare tempo-invariante (LTI) e asintoticamente
stabile, a condizione che la manifold sia progettata in modo adeguato.
FALSE:
1. A: The sliding manifold is reached asymptotically by the state
Motivazione: La sliding manifold non è raggiunta asintoticamente, ma in tempo finito, come
specificato dalla legge di controllo sliding mode.
2. B: None of the replies
Motivazione: Almeno tre risposte sono corrette (C, D, H), quindi questa opzione è falsa.
3. E: The equivalent system is LTI and asymptotically stable
Motivazione: Questa affermazione non è vera in generale. Perché l'equivalente sia LTI e
asintoticamente stabile, è necessaria una progettazione adeguata della sliding manifold, cosa
che non è garantita automaticamente.
4. F: The image of the state trajectory on the state plane can be subdivided into two phases:
the reaching phase and the steady state
Motivazione: La seconda fase del controllo sliding mode non è definita come "steady state"
ma come "sliding mode phase", che è una differenza concettuale.
5. G: The origin is reached in finite time by the state trajectory
Motivazione: Lo stato del sistema non necessariamente raggiunge l'origine in tempo finito; ciò
dipende dalle condizioni del sistema e dalla progettazione della sliding manifold. Solitamente
l'origine è raggiunta asintoticamente, non in tempo finito.
6. I: The origin is reached in finite time by the state trajectory
Motivazione: Simile alla motivazione per G, l'origine non è garantita essere raggiunta in
tempo finito, a meno di particolari condizioni non indicate nella descrizione.
Conclusione
Le risposte corrette sono:
C: Il sistema raggiunge la sliding manifold in tempo finito.
D: La traiettoria sul piano degli stati è suddivisa in due fasi (reaching phase e sliding mode).
H: Il sistema equivalente può essere progettato per essere LTI e asintoticamente stabile.
Analisi del Sistema
Il sistema dato è:
x˙1=x2, x˙2=−x
Questo è un sistema lineare tempo-invariante che descrive un'oscillazione armonica
semplice.
La funzione V(x)=x12+x2^(2)V(x)​è un candidato Lyapunov e rappresenta una funzione
energia, ossia il sistema conserva l'energia totale. V(x) è costante lungo le traiettorie del
sistema.

Significato di M
L'insieme MMM è definito come:
M={x:1≤V(x)≤3/2}
Ciò rappresenta un anello nello spazio di stato, delimitato da:
V(x)=1, che è una circonferenza di raggio rad1=1.
V(x)=3/2, che è una circonferenza di raggio rad3/2​​.

Presenza di Orbite Chiuse

Nel sistema dato, le traiettorie sono orbite chiuse concentriche attorno all'origine. Ciò si
verifica perché il sistema rappresenta un'oscillazione armonica senza smorzamento né
eccitazione, e il valore di V(x) rimane costante lungo ogni traiettoria.
All'interno dell'insieme M, poiché V(x) è compreso tra 1 e 3/2​, tutte le traiettorie
corrispondono a orbite chiuse. Quindi, non è corretto affermare che "non ci sono orbite
chiuse in M".

Conclusione
L'affermazione è falsa perché, dato il sistema e la definizione di M, esistono orbite chiuse
all'interno dell'insieme M, essendo il sistema un oscillatore armonico con traiettorie chiuse
corrispondenti ai livelli di energia definiti da V(x).
L'affermazione corretta è la E perché il polinomio caratteristico del sistema ad anello chiuso è
effettivamente pD(λ), come viene spiegato di seguito:
Contesto
Abbiamo un sistema LTI con una coppia (A,B) raggiungibile e un polinomio caratteristico
desiderato pD(λ) per il sistema in anello chiuso. Il controllo di stato è dato da:

dove Mr è la matrice di controllabilità del sistema.

Polinomio Caratteristico del Sistema a Ciclo Chiuso
Il polinomio caratteristico di un sistema a ciclo chiuso è definito come:
det(λI−(A+BK))
dove K è il guadagno di stato calcolato per soddisfare esattamente il polinomio desiderato
pD(λ). Questo avviene perché il guadagno K è scelto in modo che il polinomio caratteristico
del sistema chiuso sia uguale a pD(λ).
Quindi, l'affermazione corretta è:
Il polinomio caratteristico del sistema a ciclo chiuso eˋ esattamente pD(λ)
Perché le altre affermazioni sono false
A. "Il polinomio caratteristico ad anello chiuso è il determinante di Mr−1:
Falso, Mr−​è coinvolta nel calcolo del guadagno K, ma il determinante di Mr−1​non
rappresenta il polinomio caratteristico.
B. "Il polinomio caratteristico ad anello chiuso è pD(A)":
Falso, pD(A) è il polinomio desiderato, ma il polinomio caratteristico riguarda la matrice
A+BK
C. "Il polinomio caratteristico ad anello chiuso è A+KB":
Falso, A+BK è la matrice del sistema a ciclo chiuso, non il polinomio caratteristico.
D. "Il polinomio caratteristico ad anello chiuso è il determinante di Mr​":
Falso, Mr​è la matrice di controllabilità, il suo determinante non è legato al polinomio
caratteristico.
F. "Il polinomio caratteristico ad anello chiuso è A+BK":
Simile alla C, confonde la matrice del sistema chiuso con il polinomio caratteristico.
G. "Nessuna delle risposte":
Falso, perché la risposta E è corretta.

Conclusione
La E è corretta perché il controllo di stato è progettato per garantire che il polinomio
caratteristico del sistema ad anello chiuso sia esattamente pD(λ), il polinomio desiderato. Le
altre risposte confondono il ruolo del polinomio desiderato, del guadagno K o della matrice di
controllabilità.
Risposta E (vera):
La definizione di equivalenza tra due sistemi dinamici (lineari tempo-invarianti) richiede che,
per lo stesso ingresso u(t), con due stati iniziali correlati x^0=Tx0 (dove T è una matrice
invertibile che rappresenta una trasformazione di coordinate), i sistemi producano le stesse
traiettorie degli stati e degli output. La relazione afferma che:
Lo stato trasformato x^(t) segue la dinamica del sistema trasformato.
Gli output y(t) e y^(t) devono coincidere.
Questa affermazione è corretta perché descrive precisamente la condizione di equivalenza
per due sistemi lineari tempo-invarianti.

Le altre risposte (false):

A (falsa): Questa affermazione è simile alla E, ma non include il fatto che anche gli output
y(t) e y^(t) devono essere identici per garantire l'equivalenza tra i sistemi. Questo dettaglio
mancante rende l'affermazione incompleta e quindi falsa.
B (falsa): Avere lo stesso rango per le matrici A e A^non è sufficiente per garantire
l'equivalenza tra i sistemi. L'equivalenza dipende dalla relazione tra gli stati (tramite una
trasformazione T) e non solo dal rango delle matrici.
C (falsa): L'affermazione è errata perché menziona una trasformazione inversa T−1x(t),
che non rappresenta correttamente la relazione tra gli stati nei due sistemi. La
trasformazione corretta dovrebbe essere diretta (x^(t)=Tx(t)).
D (falsa): Avere gli stessi autovalori tra A e A^ non implica automaticamente l'equivalenza
dei sistemi. Gli autovalori descrivono le proprietà dinamiche dei sistemi, ma non
garantiscono che gli output siano identici per lo stesso ingresso.
F (falsa): La dimensione delle matrici A e A^ non è sufficiente per determinare
l'equivalenza dei sistemi. Sistemi con matrici delle stesse dimensioni possono avere
dinamiche e comportamenti completamente diversi.
G (falsa): Questa affermazione è un'uscita generica e non descrive correttamente alcuna
condizione di equivalenza tra sistemi.

Conclusione:
La risposta E è l'unica corretta perché soddisfa pienamente le condizioni necessarie per
l'equivalenza tra due sistemi LTI: uguaglianza delle traiettorie degli stati e identicità degli
output sotto la stessa trasformazione T.
La risposta è vera perché:
1. Sistema in forma canonica normale: La descrizione del sistema implica che è espresso
nella forma canonica normale, che separa esplicitamente le dinamiche zero (η) dalle altre
variabili del sistema. In questa rappresentazione, la dinamica zero è fondamentale per
determinare la stabilità del sistema sotto controllo.
2. Equilibrio asintoticamente stabile della dinamica zero (η=0): La condizione data
(η˙=γ(0,η)) specifica che la dinamica zero è asintoticamente stabile quando η=0. Questa
proprietà garantisce che, progettando un controllo appropriato, è possibile stabilizzare le
variabili di stato rimanenti.
3. Scelta delle variabili di sliding (σi​): Le componenti della variabile di sliding sono definite
come σi=ciTzi, dove:
zi rappresenta lo stato del sottosistema ridotto.
I coefficienti ci sono progettati per assegnare gli autovalori desiderati al sistema
ridotto. Questo processo è noto come assegnazione degli autovalori, che consente di
garantire stabilità o altre proprietà dinamiche desiderate per il sottosistema ridotto.
4. Progettazione per il controllo tramite sliding mode: Il controllo tramite sliding mode
sfrutta le variabili di sliding per garantire che il sistema operi lungo un "manifold" (varietà)
in cui il comportamento dinamico è ridotto e stabilizzato. Il risultato è che il sottosistema
ridotto (zi​) può essere controllato in modo da rispettare i criteri di stabilità o prestazione
desiderati.
5. Compatibilità con la descrizione del problema: La formulazione proposta è coerente
con i principi del controllo a sliding mode e con l'idea che i coefficienti ci possano essere
scelti per garantire che il sistema abbia un comportamento dinamico desiderato. Inoltre,
la separazione tra dinamiche zero e variabili esterne (zi,j) permette di trattare il sistema in
modo modulare.

Conclusione:
La possibilità di progettare le variabili di sliding (σi​) per ottenere le dinamiche desiderate del
sottosistema ridotto è un aspetto fondamentale del controllo a sliding mode, e la descrizione
fornita nel quesito riflette precisamente questa metodologia. Pertanto, la risposta è corretta.
1. Forma canonica di Jordan e condizioni per ottenerla:
La forma canonica di Jordan è una rappresentazione specifica di una matrice che dipende
non solo dagli autovalori (λ1,λ2​) ma anche dalla struttura degli autospazi (spazi generati
dagli autovettori e dai vettori generalizzati).
Per trasformare una matrice A in una matrice di Jordan JJJ, è necessario che:
La matrice A abbia un insieme completo di autovettori indipendenti (nel caso di
autovalori distinti).
Se gli autovalori sono ripetuti, occorre considerare anche i vettori generalizzati, che
completano la base necessaria.
2. Formula fornita nel quesito:
La formula proposta [v ∣ u] si riferisce solo a una base costituita da due vettori (v e u)
legati agli autovalori λ1​e λ2​.
Tuttavia, questa base non garantisce che la matrice di trasformazione T=[v ∣ u] sia
effettivamente in grado di portare A nella forma canonica di Jordan, a meno che A non
soddisfi specifiche condizioni (ad esempio, che abbia solo autovettori indipendenti e non
siano necessari vettori generalizzati).
3. Motivo della falsità:
La formula fornita si limita a considerare autovettori (v,u), senza tener conto della
possibile necessità di includere vettori generalizzati per ottenere la forma di Jordan.
Se A ha autovalori ripetuti e non è diagonalizzabile (ad esempio, A è difettiva), il calcolo
basato su [v ∣ u] non porterà a una trasformazione corretta nella forma canonica di
Jordan.
Inoltre, la formula non include un controllo sulla indipendenza lineare dei vettori v e u,
che è essenziale per garantire che T sia invertibile.

4. Conclusione:
La formula proposta non è sufficiente per garantire che la matrice A possa essere trasformata
nella forma canonica di Jordan tramite T=[v ∣ u]. Per ottenere la forma di Jordan, è necessario
considerare una costruzione più generale che tenga conto della struttura completa degli
autospazi e dei vettori generalizzati.
Quindi, la risposta è falsa.
1. Sistema fornito e decomposizione:
Il sistema dato è: x˙=−2x+x2
Questo è un sistema non lineare. È stato scomposto in due componenti: x˙=(Ax+BK)x+g(x)
dove Ax+BK=−2 (componente lineare) e g(x)=x2 (componente non lineare).
2. Regione di attrazione (Ω​):
La regione di attrazione è definita come:
Ωl={x:14x2<l}
ed è contenuta nella sfera Br(0), con r=1.
Per un sistema non lineare, una regione di attrazione è l'insieme di punti iniziali da cui le
soluzioni del sistema convergono verso l'equilibrio. In questo caso, l'equilibrio è x=0.
3. Dinamica del sistema:
La componente lineare −2x agisce come un termine stabilizzante che fa convergere il
sistema verso x=0.
La componente non lineare x2 è positiva ma è dominata dalla componente lineare
nell'intervallo Ωl, poiché −2x fornisce una forza stabilizzante sufficiente per mantenere la
traiettoria confinata.
4. Contenimento nella regione Ωl:
Poiché il termine lineare −2x garantisce che le soluzioni siano attratte verso l'origine e
g(x)=x2 è confinato in un intervallo sufficientemente piccolo (dato da Ωl), ogni soluzione
che parte in Ω​rimane confinata in Ωl​e converge verso l'origine.
5. Conclusione:
La regione Ωl={x:14x2<l} contenuta in Br(0), con r=1, è correttamente identificata come
una regione di attrazione per il sistema dato.
Questo soddisfa la definizione di regione di attrazione per sistemi non lineari.
Pertanto, la risposta è vera.
La risposta è falsa perché, anche se l'espressione fornita potrebbe apparire come quella di un
sistema in forma canonica normale, ci sono delle discrepanze rispetto alla definizione formale
di tale rappresentazione.
Analisi dell'espressione fornita:
1. Struttura del sistema:
La forma canonica normale descrive sistemi con una separazione chiara tra variabili
interne (che determinano la dinamica interna del sistema) e variabili esterne (che
rappresentano la dinamica dei sottosistemi ridotti o dei comportamenti osservabili).
Nell'espressione fornita:
zi,j+1​descrive una relazione dinamica per le variabili interne.
L'ultima equazione, η=γ(z,η), implica un accoppiamento non lineare tra le variabili
interne (z) e quelle esterne (η).
2. Definizione formale della forma canonica normale:
Nella forma canonica normale, la rappresentazione deve:
Garantire che la dinamica delle variabili esterne (η) sia autonoma (non dipendente
dalle variabili interne z).
Permettere di progettare le variabili di controllo in modo che il sistema possa
essere stabilizzato o controllato indipendentemente dalle dinamiche interne.
3. Problema con l'espressione fornita:
L'equazione η=γ(z,η)introduce una dipendenza diretta delle variabili esterne (η) dalle
variabili interne (z), violando la separazione delle dinamiche richiesta nella forma
canonica normale.
In una corretta forma canonica normale, le variabili esterne dovrebbero essere
descritte da un'equazione autonoma o accoppiata solo attraverso i termini di
controllo.
Conclusione:
L'espressione fornita non soddisfa i criteri della forma canonica normale, poiché non c'è una
chiara separazione tra le dinamiche interne (z) e quelle esterne (η). Per questo motivo, la
risposta corretta è Falso.
Risposta A: La definizione di stabilità esponenziale per uno stato di equilibrio situato
all'origine...
Falsa perché la stabilità esponenziale implica una convergenza più forte rispetto alla
stabilità di Lyapunov. La stabilità esponenziale richiede che lo stato non solo rimanga
vicino all'origine, ma che la distanza diminuisca esponenzialmente nel tempo. Tuttavia, il
testo fornito non menziona questa proprietà.
Risposta B: La definizione di stabilità per un moto nominale generico...
Falsa perché il testo si riferisce specificamente alla stabilità di un equilibrio e non al moto
nominale di un sistema generico. Il moto nominale può includere traiettorie non associate
a un punto di equilibrio.
Risposta C: La definizione di stabilità per uno stato di equilibrio... secondo Lyapunov.
Vera perché la definizione fornita è coerente con la stabilità di Lyapunov: per ogni ε>0,
esiste un δ>0 tale che, se x(0)∈Bδ(0), allora x(t)∈Bε(0) per ogni t≥0. Questo garantisce che
lo stato iniziale vicino all'origine rimanga vicino all'origine per tutti i tempi.
Risposta D: La definizione di stabilità asintotica per uno stato di equilibrio...
Falsa perché la stabilità asintotica richiede che il sistema converga all'origine nel tempo
(cioè lim⁡t→∞x(t)=0), ma il testo non fa alcun riferimento alla convergenza asintotica, solo
alla permanenza in un intorno.
Risposta E: La definizione della più grande regione di attrazione per uno stato di
equilibrio...
Falsa perché la regione di attrazione descrive il dominio dei punti iniziali che convergono
all'equilibrio. Il testo fornito non parla di attrazione o di una regione massima, ma di
stabilità locale.
Risposta F: La definizione di un insieme invariato positivamente...
Falsa perché un insieme invariato positivamente è un concetto diverso: significa che se
una traiettoria inizia nell'insieme, rimane nell'insieme per tutti i tempi futuri. La
definizione data riguarda solo la stabilità locale di Lyapunov.
Risposta G: Nessuna delle risposte...
Falsa perché la risposta C è corretta.

Conclusione
La risposta C è l'unica vera perché descrive esattamente la stabilità secondo Lyapunov per un
equilibrio. Le altre risposte o si riferiscono a concetti diversi (es. stabilità esponenziale, regioni
di attrazione) o sono erronee rispetto al contesto.
La risposta è vera perché il teorema sulla trasformazione dei sistemi lineari tempo-invarianti
(LTI) garantisce che, dato un sistema con una coppia (A,B) raggiungibile, esiste sempre una
trasformazione lineare che permette di esprimere il sistema nella forma canonica di
controllabilità.
Spiegazione
1. Raggiungibilità e Forma Canonica di Controllabilità:
Un sistema (A,B) è detto raggiungibile se per ogni stato x, esiste un ingresso u(t)u(t)u(t)
che porta lo stato a zero in un tempo finito.
La forma canonica di controllabilità è una rappresentazione standard di un sistema
raggiungibile in cui le proprietà di controllabilità sono evidenti dalla struttura della
matrice A e B.
2. Trasformazione con Matrici M^r​e Mr​:
Per trasformare il sistema (A,B) in forma canonica di controllabilità, si utilizza una
matrice di trasformazione T=M^rMr−1​, dove:
Mr è la matrice di raggiungibilità del sistema originale.
M^r è una matrice specifica definita in modo che il sistema trasformato rispetti la
struttura della forma canonica.
3. Proprietà della Matrice T:
La matrice T è invertibile per garantire che la trasformazione preservi le proprietà del
sistema (es. dinamiche e controllabilità).
Il sistema trasformato (A~,B~), ottenuto attraverso il cambiamento di coordinate x′=Tx,
sarà equivalente al sistema originale ma nella forma canonica di controllabilità.
4. Conclusione:
Dato che ogni sistema raggiungibile può essere rappresentato nella forma canonica di
controllabilità tramite una matrice invertibile T, la risposta è corretta.
Questo processo è essenziale per analisi e progettazione dei sistemi di controllo, in
particolare per problemi come l'assegnazione dei poli.
La risposta è vera perché, nel caso dei sistemi lineari tempo-invarianti (LTI), la stabilità
asintotica (AS) e la stabilità esponenziale globale (GES) coincidono. Vediamo il motivo:
Definizioni
1. Stabilità Asintotica (AS):
Un sistema è asintoticamente stabile se, per qualsiasi stato iniziale, le traiettorie del
sistema tendono all'equilibrio (tipicamente lo stato x=0) per t→∞.
Questo implica che il sistema è stabile (le traiettorie rimangono vicine all'equilibrio per
perturbazioni iniziali) e che converge all'equilibrio.
2. Stabilità Esponenziale Globale (GES):
Un sistema è globalmente esponenzialmente stabile se non solo converge
all'equilibrio, ma lo fa con un tasso esponenziale, cioè esiste una costante λ>0 tale che:
∥x(t)∥≤Ce(−λt)∥x(0)∥ dove C>0 è una costante.

Perché coincidono nei sistemi LTI?

Nei sistemi LTI, la dinamica del sistema è governata dalla matrice A (per il sistema x˙=Ax), e il
comportamento delle traiettorie è determinato dagli autovalori di A:
1. Autovalori con parte reale negativa:
Se tutti gli autovalori di A hanno parte reale negativa, il sistema è asintoticamente
stabile e converge esponenzialmente.
Questo è dovuto alla forma delle soluzioni del sistema lineare, che dipendono
esponenzialmente dagli autovalori.
2. Linearità:
La linearità garantisce che il comportamento locale attorno all'origine è
rappresentativo del comportamento globale (non ci sono dinamiche non lineari che
possono deviare il comportamento).
3. Equivalenza AS e GES:
Per un sistema LTI, l'AS implica automaticamente che il sistema è GES, perché la
convergenza avviene con un tasso esponenziale dettato dagli autovalori.
Allo stesso modo, se un sistema è GES, è automaticamente AS, perché la convergenza
esponenziale implica la stabilità asintotica.
Conclusione
Per un sistema LTI, la stabilità asintotica (AS) e la stabilità esponenziale globale (GES) sono
equivalenti, quindi la risposta è corretta.
La risposta C (xˉ1=0) è corretta perché il sistema dato richiede l'analisi della natura
dell'equilibrio in corrispondenza di un determinato valore di xˉ1​per determinare se esso è
una sella.
Analisi del sistema
Il sistema è dato da:

1. Equilibrio:
Consideriamo un punto di equilibrio generico del sistema, (xˉ1,0).
Il sistema linearizzato attorno all'equilibrio sarà studiato per capire la natura (stabilità,
instabilità, o sella) del punto di equilibrio.
2. Linearizzazione:
Linearizziamo il sistema attorno all'equilibrio (xˉ1,0). Si calcola la matrice Jacobiana del
sistema:

Qui, xˉ1​influenza il valore della matrice Jacobiana e, quindi, gli autovalori.

1. Autovalori:
Gli autovalori della matrice Jacobiana JJJ sono dati dalla soluzione del polinomio
caratteristico: λ2+λ+(6xˉ12−1)=0
Le radici di questo polinomio sono: λ=−1±1−4(6xˉ12−1)2
Per avere un punto sella, gli autovalori devono essere reali e di segno opposto. Ciò
avviene se il discriminante è positivo:

1. Conclusione per xˉ1=0:

Per xˉ1=0, il discriminante è massimo: 5−24(0)2=5>0 Gli autovalori risultano reali e di
segno opposto, confermando che il punto (xˉ1=0,0) è una sella.

Perché le altre opzioni sono false?

Per altri valori di xˉ1 (ad esempio xˉ1=10,−1,0.5,…), il discriminante può diventare negativo o
il punto può perdere la proprietà di essere una sella.
La risposta corretta è B (invariant) perché il teorema descritto si riferisce al concetto di insiemi
invarianti nel contesto della teoria di Lyapunov e dell'analisi della stabilità.
Analisi del teorema
1. Definizione del teorema:
Il teorema afferma che se V:Rn→R è una funzione C1 (continua e con derivate
continue), e M={x:V(x)≤c} rappresenta un insieme definito dalla funzione V(x), allora
l'insieme MMM è invariante se: f(x)⋅DxV(x)≤0,∀x:V(x)=c
Questo significa che se un sistema dinamico x˙=f(x) ha traiettorie che iniziano in M, tali
traiettorie rimarranno in M.
2. Significato di "invariante":
Un insieme è invariante per un sistema dinamico se, una volta che una traiettoria del
sistema entra nell'insieme (o parte da esso), rimane nell'insieme per tutti i tempi
futuri.
La condizione f(x)⋅DxV(x)≤0 garantisce che la derivata di V(x) lungo le traiettorie del
sistema non aumenta, mantenendo quindi V(x)≤c.
Perché le altre opzioni sono errate
A (none of the replies):
Falso, perché esiste una risposta corretta ("invariant").
C (simply connected):
La proprietà di essere "simply connected" riguarda la topologia dell'insieme M (ossia,
l'assenza di buchi nell'insieme). Questo non è rilevante per l'invarianza di M.
D (closed):
L'insieme M potrebbe essere chiuso, ma la chiusura di M non è una condizione
sufficiente o necessaria per garantire l'invarianza. L'invarianza dipende dalla dinamica
del sistema e dalla condizione data dal teorema.
E (bounded):
L'insieme M può essere limitato o illimitato; la limitatezza non è una condizione
sufficiente o necessaria per l'invarianza.
F (empty):
L'insieme M non è vuoto, poiché è definito da {x:V(x)≤c}, il che implica che esistono
punti in M purché V(x) abbia un dominio non vuoto.
Conclusione
La condizione nel teorema stabilisce che M è invariante rispetto alla dinamica del sistema
x˙=f(x). Le altre proprietà menzionate (chiusura, limitatezza, connessione semplice) non sono
direttamente correlate alla condizione di invarianza nel contesto del teorema.
Analisi delle affermazioni e spiegazione delle risposte corrette
Condizioni iniziali
f∈C1: significa che f è una funzione continua con derivate parziali continue.
D⊆R2: è un insieme connesso semplicemente.
div(f)=∂f1∂x1+∂f2∂x2​​.
L'obiettivo è determinare le affermazioni corrette basandosi sulle proprietà della divergenza (div(f)) e
sull'insieme D.
VERE:
E: "The set D does not have 'holes'"
La proprietà di essere simply connected implica che D non ha "buchi" (es. D non è come un anello o un
toro).
La connessione semplice garantisce che ogni curva chiusa in D può essere contratta a un punto senza
uscire da D.
H: "If div(f) is not identically zero and does not change sign in D, one can conclude that there are no
closed orbits in D"
Teorema di Bendixson-Dulac: In un sistema dinamico nel piano, se la divergenza (div(f)) è continua, non
identicamente nulla e non cambia segno in un insieme semplicemente connesso D, allora non ci sono
orbite chiuse in D.
Poiché div(f) è continua e soddisfa le condizioni , possiamo escludere la presenza di orbite chiuse in D.
FALSE:
B: "If div(f) is identically zero and changes sign in D, one can conclude that there are no closed orbits
in D"
Se div(f) è identicamente zero, non può "cambiare segno" (essendo costantemente uguale a zero). Quindi
questa affermazione è logicamente contraddittoria.
C: "If div(f) is not identically zero and does not change sign in D, one can conclude that there are limit
cycles in D"
Il fatto che div(f) non cambi segno in D implica l'assenza di orbite chiuse (teorema di Bendixson-Dulac).
Quindi non possiamo concludere che ci siano cicli limite; questa affermazione è falsa.
D: "The set D may have 'holes'"
Essendo D semplicemente connesso, non può avere buchi. Questa affermazione è falsa.
F: "The set D is an invariant set"
Non ci sono informazioni che garantiscano che D sia un insieme invariante rispetto al sistema dinamico.
Pertanto, questa affermazione è falsa.
G: "If div(f) is identically zero and does not change sign in D, one can conclude that there are no closed
orbits in D"
Se div(f) è identicamente zero, allora il sistema è conservativo, e la condizione non è sufficiente per
escludere orbite chiuse. Questa affermazione è falsa.
I: "If div(f) is not identically zero and does not change sign in D, one can conclude that there are closed
orbits in D"
È l'opposto della H: se div(f) non cambia segno, il teorema di Bendixson-Dulac implica assenza di orbite
chiuse. Pertanto, questa affermazione è falsa.
Conclusione
Le risposte E e H sono corrette poiché:
D è semplicemente connesso e quindi non ha buchi.
Il teorema di Bendixson-Dulac esclude orbite chiuse in D se div(f) non cambia segno.