Sei sulla pagina 1di 8

Compito di SISTEMI E MODELLI

29 Giugno 2015

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.

Ex 1 [5 pti]. Con riferimento ad un generico anno tesimo, siano x1 (t), x2 (t), x3 (t) rispettivamente il
numero di studenti iscritti al primo, secondo e terzo anno della scuola A, e sia x4 (t) il numero di studenti
iscritto al primo anno della scuola B, mentre sia u(t) il numero di nuovi studenti della scuola A (cio`e quelli
che si iscrivono per entrare al primo anno nellanno successivo). Sia infine y(t) il numero di studenti totale
della scuola A. Le regole sono le seguenti:

il 10% di x1 (t) abbandona gli studi, il 15% viene bocciato e ripete lanno, il 20% viene bocciato e
decide di cambiare scuola (va nella scuola B), i rimanenti passano al secondo anno;

il 25% di x2 (t) viene bocciato e ripete lanno, tutti gli altri passano al terzo anno;

nella scuola B tutti sono promossi, e tornano nella scuola A, ovviamente al secondo anno;

il 30% di x3 (t) viene bocciato e ripete lanno, tutti gli altri acquisiscono la laurea.

Si scriva un modello di stato che descriva la dinamica di x(t), u(t), y(t). Quindi si discuta la stabilit
a
asintotica (o meno) del sistema.
` dato il sistema compartimentale individuato dalle matrici
Ex 2 [4 pti]. E

12 0 0 0

0 0 1
1
2 0 0 0 0

0

0 2 0 0 0 0 0

K= , G =
3
0 0 9 0 0

0

0 0 0 4 7 6 0
0 0 0 5 7 6 0

Tracciare il grafo corrispondente;

individuare tutti i sottosistemi chiusi (in particolare massimale e minimali) e la molteplicita di = 0;

in assenza di ingresso, calcolare x(+) sapendo che x(0) = [ 0 1 2 3 4 6 ]T ;

si calcoli la funzione di trasferimento dallingresso u alluscita x1 .


Ex 3 [5 pti]. Dato il sistema, dipendente da un parametro reale a

x1 (t + 1) = ax2 (t)[1 x22 (t)]


x2 (t + 1) = ax1 (t)[1 x21 (t)]

`e richiesto di

studiare la stabilit
a di xeq = 0 al variare di a, ricorrendo quando possibile alla linearizzazione;

a ricorrendo a V (x1 , x2 ) = x21 + x22 ;


nei casi critici, studiare la stabilit

1
se x(t + 1) = F (a)x(t) (la matrice F dipende da a) rappresenta il sistema linearizzato corrispondente,
studiare la stabilit
a asintotica di F (a) al variare di a, quando possibile, ricorrendo allequazione di
Lyapunov con Q = I.

Ex 4 [4 pti]. Dato il sistema continuo e autonomo



0 1 0
x = F x, y = Hx, F = 4 4 0 , , R
0 0

Trovare una matrice, T, di cambio base di Jordan per la matrice modale F .


Elencare i modi del sistema e studiare la stabilita al variare del parametro reale .
Discutere per quali valori di e del vettore delle condizioni iniziali, x(0), si ha unevoluzione libera,
xl (t), dello stato convergente a zero (xl (t) 0, t ).
Costruire una matrice H tale che luscita in evoluzione libera, yl (t), converga a zero (yl (t) 0 , t ),
per qualsiasi valore reale di .

Ex 5 [4 pt.]. Si consideri il modello compartimentale lineare


 
(k01 + k21 ) 0
x = Kx + Gu, x(0) = 0, K = , y = Hx .
k21 k02
Si studi lidentificabilit
a a priori del sistema, assumendo incogniti sia i parametri kij che i volumi Vi , nelle
seguenti configurazioni sperimentali
 
1
1 ingresso/1 uscita: G = , H = [ V11 0 ]
0
   1 
1 V 0
1 ingresso/2 uscite: G = , H= 1
1
0
  0 1 V2 
1 0 0
2 ingressi/2 uscite G = , H = V1 1
0 1 0 V2
Infine, si studi lidentificabilit
  a a priori con i parametri kij incogniti e i volumi Vi noti, assumendo:
1
1 ingresso/1 uscita: G = , H = [ 0 V12 ]
0
Ex 6 [5 pti] Si considerino le 2 variabili aleatorie:

y1 = 1 + 2 e1 + e2 , y2 = 2 + 2e3 ,

 nulla evarianza 1, ovvero ei N (0, 1). Viene poi assegnato


dove le ei sono Gaussiane, indipendenti, a media
2 2
il seguente stimatore per : = Ay, A = .
0 1

Calcolare lMSE associato a .


Calcolare, se esistono, i valori di per cui batte lo stimatore efficiente di .

Ex 7 [6 pti] Sono date le n variabili aleatorie

yi = a + ei per i = 1, . . . , n

dove `e il parametro incognito, le ei sono Gaussiane, indipendenti, a media nulla e varianza 2 (ei N (0, 2)).

2
Si assuma a uno scalare noto (a R). Ricavare lo stimatore M L a massima verosimiglianza (ML) di
in funzione delle yi (e parametrizzato da a). Si discuta lefficienza di M L e si ricavi anche lMSE.
Si assuma che a sia una variabile aleatoria discreta, indipendente dalle ei , non osservabile e che pu o
a 0.5. Calcolare la densita p ({yi }ni=1 |) e scrivere (senza ottenere
assumere valore 1 o 2 con probabilit
un risultato esplicito, semplicemente scrivendo il problema di ottimizzazione) lo stimatore M L a
massima verosimiglianza (ML) di in funzione delle yi .

3
Soluzione EX 1. x1 (t + 1) = 0.15x1 (t) + u(t) (i bocciati che ripetono lanno piu i nuovi iscritti),
x2 (t + 1) = 0.55x1 (t) + 0.25x2 (t) + x4 (t) (quelli che vengono dal primo anno pi u i bocciati che ripetono
pi
u i promossi - tutti - dalla scuola B), x3 (t + 1) = 0.75x2 (t) + 0.3x3 (t) (quelli che vengono dal secondo
anno pi u i bocciati che ripetono), x4 (t + 1) = 0.2x1 (t) (quelli che dalla scuola A passano alla scuola B),
y(t) = x1 (t) + x2 (t) + x3 (t) `e infine evidente, da cui

0.15 0 0 0 1
0.55 0.25 0 1 0
x(t + 1) = 0
x(t) + u(t), y(t) = [ 1 1 1 0 ] x(t)
0.75 0.3 0 0
0.2 0 0 0 0

Partizionando la matrice F in 4 blocchi (il primo, F11 , sulla diagonale 1 1, il secondo, F22 , sulla diagonale
3 3), F `e triangolare a blocchi, quindi gli autovalori sono quelli di F11 e quelli di F22 . Ma F22 partiziona a
sua volta con struttura triangolare a blocchi scegliendo 2 2 e 1 1 come dimensioni dei blocchi diagonali,
ed il blocco 2 2 `e triangolare inferiore, per cui in definitiva gli autovalori si leggono sulla diagonale e sono
0, 0.15, 0.25, 0.3, tutti con modulo minore di 1, da cui la stabilita asintotica.
Soluzione EX 2. Il grafo `e in figura

ed `e evidente come (2, 3, 4, 5, 6) sia il chiuso massimale. Al suo interno troviamo molti chiusi, alcuni non
minimali
(2, 3, 5, 6), (3, 4, 5, 6), (3, 5, 6), (4, 5, 6), (2, 3)
oltre ai due minimali (5, 6) e (3). Quindi = 2. Gli autovettori relativi ai due minimali sono [ 0 0 1 0 0 0 ]T
e [ 0 0 0 0 6 7 ]T , e la struttura di x(0) implica che sia x2 (t)+x3 (t) che x4 (t)+x5 (t)+x6 (t) rimangano
costanti nel tempo (e pari rispettivamente a 3 ed a 13), da cui x(+) = [ 0 0 3 0 6 7 ]T . Infine, as-
sumendo H = GT (uscita x1 ) si ha che dalla struttura triangolare a blocchi di K e dalla struttura di G, H
la funzione di trasferimento dipende solo dai primi blocchi di dimensione 1, e risulta
1
W (s) =
s + 12

Soluzione EX 3. Linearizzando si ottiene


 
0 1
F (a) = a
1 0

4
che ha autovalori = a con modulo |a|. Quindi stabilita asintotica per |a| < 1, ed instabilita per |a| > 1.
I casi critici sono a = 1, ed un calcolo di V (x1 , x2 ) porge, in entrambi i casi

V (x1 , x2 ) = [x41 (2 x21 ) + x42 (2 x22 )]

da cui V > 0, V < 0, in un intorno dellorigine, e quindi stabilita asintotica per |a| 1 ed instabilit
a per
|a| > 1. Infine, lequazione
P (a) F T (a)P (a)F (a) = I
porge lunica soluzione
1
P (a) = I
1 a2
se a 6= 1, mentre non ammette alcuna soluzione per a = 1. Si ha quindi P (a) > 0, Q > 0 se |a| < 1
(stabilita asintotica) mentre negli altri casi o P (a) non esiste, oppure P (a) < 0. In entrambi i casi non si
puo avere stabilita asintotica (in effetti si ha stabilita semplice per |a| = 1 ed instabilita per |a| 1).
Soluzione EX 4. Osserviamo innanzitutto che la matrice F `e diagonale a blocchi

0 1 0  
F11 0
F = 4 4 0 =

0 F22
0 0
La matrice F22 coincide con uno scalare e quindi con il suo autovalore (autovalore anche di F ). Per quanto
riguarda la sottomatrice F11 , ne studiamo il polinomio caratteristico per valutarne gli autovalori e la loro
molteplicita algebrica:
 
1
F11 () = det( I F11 ) = det = ( + 2)2
4 +4

quindi abbiamo un unico autovalore = 2 con molteplicita algebrica = 2. Calcoliamo il cambio di base.
Essendo la matrice diagonale a blocchi esistera quindi un cambio di base T in forma di Jordan, partizionato
in modo conforme ad F :    1 
T11 0 1 T11 0
T = , T = 1
0 T22 0 T22
tale che 1 J
   
J 1 T11 F11 T11 0 F11 0
F =T FT = 1 = J
0 T22 F22 T22 0 F22
Trattiamo quindi separatamente le sottomatrici F11 ed F22 .
Per quanto concerne F22 (in questo caso semplicemente uno scalare) possiamo notare che risulta gia in forma
di Jordan quindi la corrispondente sottomatrice di cambio base risulta semplicemente:
1
T22 = T22 =1

Per quanto riguarda F11 lautospazio risulta


 
1
ker(F11 I) =< >
2

avente una base B1 = v1 = [1 2] con v1 scelto nellautospazio. Notiamo che la molteplicita geometrica
g = dim(ker(F11 I)) = 1 < 2 = . E necessario quindi procedere al calcolo di ker(F11 I)2 = R2 .
Costruiamo quindi una base per il ker di potenza massima, estendendo la base B1 : B2 = B1 v2 , con
v2 ker(F22 I)2 ma linearmente indipendente da v1 . Scegliamo v2 = [1 0]. Ora ci possiamo fermare con

5
la catena di inclusione dei kernel, dato che la dimensione del kernel di potenza 2 coincide con la molteplicit
a
algebrica dellautovalore. Data la base, B2 , della catena di inclusione dei kernel, costruiamo la catena
generalizzata di Jordan. Notiamo che v2 ker(F11 I)2 v2 / ker(F11 I). Costruiamo dunque il
vettore generalizzato:  
2
1 , (F11 I) v2 = ker(F11 I)
4
La catena generalizzata di Jordan risulta quindi: {1 , v2 } (nellordine!). Di conseguenza la sottomatrice di
cambio base per F11 risulta:

0 14
   
2 1 1
T11 = [ 1 v2 ] = , T22 =
4 0 1 21

F11 in forma di Jordan risulta:  


J 1 2 1
F11 = T11 F11 T11 =
0 2
La matrice di cambio base T risulta quindi:

14

2 1 0 0 0
T = 4 0 0 , T 1 = 1 1
2 0
0 0 1 0 0 1

Per quanto concerne il secondo punto calcoliamo lesponenziale della matrice modale in forma di Jordan:
2t
t e2t 0

2 1 0 e
J
F J = 0 2 0 eF t = 0 e2t 0
0 0 0 0 et

Di conseguenza i modi del sistema risultano: {e2t , t e2t , et }.


Il sistema risulta asintoticamente stabile per < 0, semplicemente stabile per = 0 e instabile per > 0.
Ft
Dalla teoria `e noto che levoluzione di stato `e data da xl (t) = e x(0). Di conseguenza per 0 xl (t)
libera
1 0
converge a zero per x(0) < 0 , 1 >, dato che F11 `e asintoticamente stabile ma F22 `e instabile per
0 0
> 0 e semplicemente stabile (quindi stato costante) per = 0. Mentre per < 0, xl (t) converge a zero per
ogni x(0) R3 . Per rispondere allultimo punto si ricorda che yl (t) = Hxl (t) = HeF t x(0). Affinch`e luscita
in evoluzione libera converga a zero a prescindere da (quindi anche quando > 0 e si ha instabilit a) basta
scegliere la matrice H come segue:
H = [ 0], , R.

Soluzione EX 5. Il sistema risulta lineare quindi per ottenere il sommario esaustivo si puo applicare la
trasformata di Laplace per ottenere la matrice di trasferimento del sistema secondo la formula (nota dalla
teoria): W (s) = H(sI K)1 G.


1
V1
W (s) =
s + k01 + k21
Dal sommario esaustivo ricavato dalla precedente matrice di trasferimento risultano univocamente
identificabili: V1 , k01 + k21 . Il modello non e identificabile.

6
1
V1
s+k01 +k21
W (s) = k21

V2
(s+k01 +k21 )(s+k02 )
Dal sommario esaustivo ricavato dalla precedente matrice di trasferimento risultano univocamente
identificabili: V1 , k01 + k21 , k02 , kV212 . Il modello non e identificabile.
1
V1
s+k01 +k21 0
W (s) = k21 1

V2 V2
(s+k01 +k21 )(s+k02 ) s+k02
Dal sommario esaustivo ricavato dalla precedente matrice di trasferimento risultano univocamente
identificabili: V1 , k01 , k21 , k02 , V2 . Il modello e univocamente identificabile.

k21
W (s) =
(s + k01 + k21 )(s + k02 )
Dal sommario esaustivo ricavato dalla precedente funzione di trasferimento si evince che k21 risulta
univocamente identificabile. In particolare, essendo noto k21 , si hanno due soluzioni intercambiabili
per k02 e per k01 + k21 , quindi due soluzioni per k01 . Il sistema e identificabile ma non univocamente.

Soluzione EX 6. Il modello delle misure `e equivalente al modello lineare Gaussiano:


 
1 1
y = + v. = .
0 1
dove v N (0, ) con  
2 0
= .
0 4
Consideriamo ora le due componenti dello stimatore = Ay. Si ha
E 1 = E (2y1 2y2 ) = 21 , E 2 = E y2 = 2 .
Si noti quindi che non `e unbiased: la componente di bias `e dovuta a 1 e vale (1 21 )2 = 12 .
Riguardo alla varianza di , si ha
 
T 24 8
V ar () = AA = .
8 4
da cui  
= 2 + Trace V ar ()
M SE () = 2 + 28.
1 1

Riguardo al secondo punto, per Gauss-Markov, lo stimatore efficiente `e tale che


= Trace T 1 1
  
M SE ()
 
6 4
= Trace = 10.
4 4
< M SE (),
I valori di cercati sono quindi tali che M SE () che porta alla disuguaglianza 2 + 28 < 10
1
mai soddisfatta. Si conclude che, in termini di MSE, lo stimatore efficiente `e migliore di per ogni valore
di .
Soluzione EX 7. Riguardo al primo punto, distinguiamo i due casi

7
Caso a 6= 0. Utilizzando il teorema di Gauss-Markov, si ottiene immediatamente
Pn
ML yi
= i=1 .
an

Lo stimatore `e unbiased e il suo MSE coincide con la varianza di M L , ovvero


2
M SE = .
a2 n
Ancora per Gauss-Markov, si conclude che lo stimatore `e efficiente.

Caso a = 0. I dati perdono la dipendenza dal parametro incognito. Quindi, la meno log-verosimiglianza
non dipende da e lo stimatore M L risulta indefinito.

Riguardo al secondo punto, utilizzeremo il teorema delle probabilita totali. In particolare, la densit
a di
probabilita delle osservazioni risulta

p ({yi }ni=1 |) = 0.5p ({yi }ni=1 |, a = 1) + 0.5p ({yi }ni=1 |, a = 2) .

Lo stimatore a massima verosimiglianza risulta quindi

arg max 0.5p ({yi }ni=1 |, a = 1) + 0.5p ({yi }ni=1 |, a = 2)


dove
n
!
1 X (a yi )2
p ({yi }ni=1 |, a) = K exp
2 2
i=1

con K che non dipende da a e da .