Compito di SISTEMI E MODELLI

3 Febbraio 2014
Non e ammessa la consultazione di libri o quaderni. Le risposte vanno giustificate. Saranno rilevanti per la valutazione anche lordine e la chiarezza di esposizione. Consegnare SOLO la bella
copia, con le risposte riportate nel giusto ordine (non consegnare testo e brutta copia).
Ex 1 [4 pti] Si vuole descrivere con un sistema dinamico a tempo continuo levoluzione nel tempo
della quantit
a di una proteina A. La produzione di tale proteina dipende dalla quantita di RNA
messaggero (mRNA), la cui dinamica e a sua volta controllata dalla quantita della proteina A e di
unaltra proteina B, che agiscono da fattore di trascrizione. Pi
u in dettaglio, definendo le seguenti
variabili (x1 , x2 variabili di stato, u ingresso, y uscita):
x1 = quantit
a di proteina A, x2 = quantita di mRNA
u = quantit
a di proteina B, y = misura dellattivita della proteina A
si hanno le seguenti regole:
il flusso di produzione della proteina A e proporzionale, secondo una costante di proporzionalit
a a, alla quantit
a di mRNA, mentre il flusso di degradazione della proteina A e proporzionale, secondo una costante di proporzionalita b, alla quantita di proteina stessa;
il flusso di produzione di mRNA e la somma di due termini, il primo proporzionale alla quantit
a di proteina A, con costante di proporzionalita c, il secondo proporzionale alla quantita
di proteina B, con costante di proporzionalita d, mentre il flusso di degradazione di mRNA
e proporzionale, secondo una costante di proporzionalita e, alla quantita di mRNA;
lattivit
a della proteina A e direttamente proporzionale, con costante di proporzionalita f ,
alla quantit
a di proteina A;
al tempo t = 0, la quantit
a di proteina A e pari a g, mentre la quantita di mRNA e pari a h.
Si scrivano le equazioni del sistema, e si calcoli il punto di equilibrio corrispondente ad una quantita
costante di proteina B pari ad i (per ogni t 0).
Ex 2 [4 pti] Si consideri il sistema a tempo continuo x(t)

= F x(t) dove

0 1 2

F = 0 0 1
0 0 0
0

0
0
0
a
0

0
0
0
1
a

con

aR

Si determini la forma di Jordan di F riportando anche la matrice di cambiamento di base.

Ex 3 [5 pti] Si consideri il seguente sistema a tempo continuo in forma di stato

x 1 (t) = ax1 (t) + bx2 (t) + u(t)

x (t) = cx (t) + bx (t)

2
2
3

(t)
=
cx
(t)
+
u(t)
3
3

y(t) = x1 (t)
dove u e lingresso, y luscita, mentre a, b, c sono parametri incogniti in R.
Sia u(t) = 0. Calcolare tutti i punti di equilibrio del sistema in funzione di a, b, c, assumendo
b 6= 0 e c 6= 0.
1

 Si studi lidentificabilit
a a priori del sistema usando come ingresso la delta di Dirac, u(t) = t .
Ex 4 [5 pti] Si consideri il sistema (dipendente da un parametro a R):
(
x 1 = ax1 + x2 + x31
x 2 = x1 + ax2 + x32
Studiare la stabilit
a di x = 0 ricorrendo, quando possibile, alla linearizzazione;
con riferimento al sistema linearizzato, risolvere lequazione di Lyapunov con Q = bI (b =
1, 0, +1), determinando quando esistono soluzioni (simmetriche) e quando essa e unica;
utilizzando una delle soluzioni delle equazioni di Lyapunov appena considerate (e costruendo
la corrispondente funzione V (x)), concludere sulla stabilita del sistema non lineare in x = 0
per ogni valore di a.
Ex 5 [5 pti] Si consideri il sistema compartimentale descritto dalle matrici

K=

0
0
0
0
0
0

1
2
1
0
0
0

0
0
1
0
1
0

0
0
1
1
0
0

0
0
0
1
1
0

0
0
0
1
0
2

, G =

1
0
0
0
0
0

, H = ( 1 1 1 1 1 1 )

tracciare il grafo corrispondente;

individuare tutti i sottosistemi chiusi e valutare la presenza o meno di = 0 e la corrispondente molteplicit
a;
T

valutare x(+) qualora la condizione iniziale sia x(0) = [1 0 1 2 3 0] e lingresso applicato

sia nullo;
calcolare la funzione di trasferimento (Suggerimento: si trova facilmente, senza conti
complicati, notando che . . . ).
Ex 6 [5 pti] Si consideri il seguente modello per monitorare la crescita di una popolazione di
vegetali in un arco limitato:

y(t) = 2 + t + v
t
dove v e una variabile aleatoria Gaussiana a componenti indipendenti con media nulla e varianza
1
2 . Sono disponibili le seguenti misure:
11
)
2
Si calcoli la stima a massima verosimiglianza per i parametri (, ).
(t1 , y1 ) = (1, 1),

(t2 , y2 ) = (2,

Si calcoli la varianza e la deviazione standard dellerrore di stima dei due parametri.

Si calcoli la stima a massima verosimiglianza per i parametri trasformati a = 2, b = 3.
Ex 7 [5 pti] Si considerino N variabili aleatorie x1 , x2 , . . . , xN indipendenti e identicamente distribuite di densit
a:
 x 
1
i
f (xi ) = exp
, xi 0

e nulla altrove. Sapendo che E(x) = e var(x) = 2 , si risponda ai seguenti quesiti.

Ricavare lespressione dello stimatore a massima verosimiglianza di .
Discutere lefficienza dello stimatore.

Soluzione EX 1. Si ha facilmente

b
x = F x + Gu, y = Hx, con F =
c

a
e


, G=

0
d


, H=


, x0 =

g
h


,

Un unico punto di equilibrio si ottiene assumendo F invertibile (equivalentemente, be 6= ac) e vale



di
a
1
xeq = F Gu0 =
b
be ac
Soluzione EX 2. Sfruttiamo il fatto che
sono

1 0
A= 0 1
0 0

F e diagonale a blocchi. In particolare, i due blocchi



1
a 1
2 , B =
0 a
1

Si noti che B e gi
a in forma di Jordan. Studiamo ora la forma di Jordan associata ad A. Il
polinomo caratteristico di A e (s 1)3 . Gli autovalori di A sono quindi 1 = 2 = 3 = 1. Per
ricavare la forma di Jordan, e necessario calcolare il kernel della matrice A I. Dopo semplici
calcoli uno ottiene

1
0
0 0 1
ker(A I) = ker 0 0 2 =< 0 , 1 >
0
0
0 0 0
La molteplicit
a geometrica associata allautovalore e dunque 2, gia indicando la presenza di due
miniblocchi di Jordan associati ad A. Per completare la base possiamo scegliere il vettore (0 0 1)T
e calcolare


0
0 0 1
0
1
(A I) 0 = 0 0 2 0 = 2
1
0 0 0
1
0
Una matrice di cambiamento di base per A risulta

1 0
2 0
0 1

quindi

0
1
0

Dalla struttura diagonale a blocchi di F e ora immediato concludere che la matrice di cambiamento
di base T per F e la relativa forma di Jordan J sono

1 0 0 0 0
1 1 0 0 0
2 0 1 0 0
0 1 0 0 0

, J = 0 0 1 0 0 .
0
1
0
0
0
T =

0 0 0 1 0
0 0 0 a 1
0 0 0 0 1
0 0 0 0 a
Soluzione EX 3. Per il primo quesito, si noti che
descritto dalla relazione x = F x dove

a b
F = 0 c
0 0

levoluzione di stato del sistema autonomo e

0
b
c

Il kernel della matrice F si ricava risolvendo in x1 , x2 , x3 il sistema

ax1 + bx2 = 0
cx2 + bx3 = 0
cx3 = 0
3

Se b 6= 0 e c 6= 0, deve essere x2 = x3 = 0. Vi sono ora due casi da analizzare. Se anche a 6= 0, deve

essere x1 = 0: la matrice F ha rango pieno e il kernel si riduce allorigine 0. Se a = 0, il sistema e
soddisfatto per qualsiasi valore di x1 . Quindi, i punti di equilibrio sono costituiti dal sottospazio

1
< 0 >
0
Per il secondo quesito, a partire da condizioni iniziali nulle (x(0 ) = 0), applichiamo un ingresso
costituito da una Delta di Dirac (u(t) = t ). Sfruttando la trasformata di Laplace (si ricordi che
U (s) = 1), otteniamo le seguenti relazioni:
X1 (s)

X3 (s)

bX3 (s)
bX2 (s) + 1
, X2 (s) =
sa
sc
1
, Y (s) = X1 (s).
sc

Dopo una semplice sostituzione, si ha

X1 (s)

bX2 (s) + 1
,
sa

e infine
Y (s) =

X2 (s) =

b
,
s2 2cs + c2

Y (s) = X1 (s)

s2 2cs + b2 + c2
s3 (2c + a)s2 + (c2 + 2ca)s ac2

Dalla struttura del numeratore, otteniamo le relazioni

0

= b2 + c2

= 2c

che permettono di ricavare il valore di c e b2 in funzione dei valori noti 0 , 1 . Le relazioni

ricavabili dal denominatore permettono poi di ricavare a (in modo ridondante) ma non portano
alcuna informazione su b. Si conclude quindi che il sistema e localmente identificabile (vi sono due
possibili soluzioni per b poiche il segno di b rimane indefinito).
Soluzione EX 4. La linearizzazione conduce a


a 1
F =
,
1 a

=ai

da cui stabilit
a asintotica per a < 0 ed instabilita per a > 0. Nulla si puo dire nel caso critico
(a = 0). Con Q = 0, lequazione di Lyapunov porge lunica soluzione P = 0 se a 6= 0, mentre
1
I se
infinite soluzioni (P = bI, b R) se a = 0. Con Q = I, porge lunica soluzione P = 2a
a 6= 0, mentre nessuna soluzione se a = 0. Se a > 0, il ricorso a
V (x) =

1 2
1
(x + x22 ) P =
I
2a 1
2a

conduce facilmente a V (x) = x21 + x22 + a1 x41 + a1 x42 = x21 (1 + a1 x21 ) + x22 (1 + a1 x22 ). Essendo
V, V entrambe definite positive, V (x) tende a crescere e quindi x(t) ad allontanarsi dallorigine,
confermando linstabilit
a, mentre se a < 0 il ricorso alla soluzione di segno opposto conduce a
V (x) =

1 2
1
1
1
1
(x1 + x22 ), V (x) = x21 x22 x41 x42 = x21 (1 + x21 ) x22 (1 + x22 )
2a
a
a
a
a

che, essendo V > 0 e V < 0, conferma la stabilita asintotica per Lyapunov. Infine, se a = 0 si ha
V (x) = x21 + x22 , V (x) = 2x41 + 2x42 , V, V > 0
4

che prova linstabilit

a anche per a = 0.
Soluzione EX 5. Il grafo e in figura, e si nota che il chiuso massimale e (1, 2, 3, 4, 5), tra i quali
al suo interno sono facilmente individuabili i due chiusi minimali (1) e (3, 4, 5), ma anche il chiuso
unione di questi due (1, 3, 4, 5).

1
1

1
6
1

La presenza di due minimali implica che = 0 ha = 2, e poiche la condizione iniziale ha nulle le

componenti al di fuori dei chiusi minimali, essi evolvono in modo indipendente (mantenendo inalT
terate le somme x1 (t) e x3 (t)+x4 (t)+x5 (t)) verso due punti di equilibrio, paralleli a [1 0 0 0 0 0]
T
T
ed a [0 0 1 1 1 0] , da cui facilmente x(+) = [1 0 2 2 2 0] . Infine, la FDT si valuta facilmente dal grafo (u(t) agisce solo sul chiuso minimale (1)) o dallosservazione che K e triangolare a
blocchi (con blocchi 1 1 e 5 5) e dalla struttura di G. In ogni caso si conclude che W (s) = 1s .
Soluzione EX 6. Il modello pu
o essere scritto come
v N (0, R)

z = Gp + v,
con


G=

1
41

1
2


,

R=

1
2

1
2


,

z=

11
2

da cui si ricava la stima

p=

= (G R

G)

G R


z=

2
3

Per quanto riguarda il secondo punto, la matrice di autocovarianza dellerrore



80 24
T 1
1
(G R G) =
/98
24 17
da cui le varianze degli errori 2 e 2 risultano
2 =

80
,
98

r
=

e
2

17
=
,
98

r
=

80
0.9
98

17
0.41
98

Per quanto riguarda lultimo punto, invocando il principio di invarianza (o, in alternativa,
valutando la funzione obiettivo) le stime (
a, b) di (a, b) risultano pari alle stime di (, ) moltiplicate
per 2 e 3, rispettivamente, ovvero a
= 4 e b = 9.
Soluzione EX 7. Riguardo al primo punto, la verosimiglianza, per valori di xi positivi, e data
da:
N
 x 
Y
1
i
L(x1 , x2 , . . . , xN ; ) =
exp
.

i=1
5

La meno log-verosimiglianza e dunque

log L(x1 , x2 , . . . , xN ; ) =

N
X

log() +

i=1

la cui derivata e

N
X
xi
i=1

N X xi

2
i=1
Uguagliando a zero tale espressione, si ottiene lo stimatore a massima verosimiglianza
=

PN

i=1

xi

A conferma di ci
o, si noti che la derivata seconda della meno log-verosimiglianza valutata a e
N

X xi
N
N
+2
=
>0
2
3

2
i=1

Per il punto due, lo stimatore e unbiased poiche

! P
PN
N
 
x
E(xi )
i
i=1
E = E
= i=1
=
N
N
Poiche lo stimatore e unbiased, sar
a anche efficiente se e solo se la sua varianza uguaglia linversa
della matrice di Fisher. La matrice di Fisher (in questo caso data da uno scalare) risulta
!
 2

N
N
X
X
log L
N
N
N
xi
E(xi )
E
=
E

+
2
=

+
2
= 2
3
2
3
2
2

i=1
i=1
Lo stesso risultato e ottenibile sfruttando la formulazione alternativa della matrice di Fisher:

!2
!2
!2
2 !

N
N
N
N
X
X
X
X
x
x
1
log L
N
1
N
i
i
=E
= E

=E

( xi ) = 2
E
2
2
2
4

i=1
i=1
i=1
i=1
Sfruttando lindipendenza delle xi , si ha anche
!
PN
N
1 X
N 2
2
i=1 xi

var() = var
= 2
var(xi ) =
=
N
N i=1
N2
N
e questo dimostra lefficienza.