Sei sulla pagina 1di 5

Compito di SISTEMI E MODELLI 15/02/17: PARTE 1

Non `e ammessa la consultazione di libri o quaderni e luso di calcolatrici. Le risposte vanno giustificate. Saranno
rilevanti per la valutazione anche lordine e la chiarezza di esposizione. Consegnare solo la bella copia con le
risposte nel giusto ordine.
LE SOLUZIONI DELLA PARTE 1 E QUELLE DELLA PARTE 2
VANNO CONSEGNATE SU FOGLI PROTOCOLLO DISTINTI
Ex.1 [4 pti] Consideriamo una popolazione soggetta alla possibilit`a di uninfezione e sottoposta ad una strategia
di vaccinazione. Le regole per modellare il fenomeno (a tempo continuo) sono le seguenti:
se S(t) indica la numerosit` a delle persone sane ma non vaccinate, tale numero si decrementa nel tempo a
causa di due flussi uscenti: un primo flusso tiene conto di quelli che vengono vaccinati (flusso u(t), ingresso
del sistema), un secondo di quelli che vengono infettati, che risulta proporzionale al prodotto tra S(t) ed
I(t), secondo una costante di proporzionalit`a > 0, dove I(t) indica la numerosit`a delle persone infette
I(t) varia nel tempo a causa di due flussi: un primo flusso (entrante) tiene conto dei sani che si infettano
(flusso descritto poco fa), un secondo flusso (uscente) tiene conto degli infetti che muoiono, ed `e direttamente
proporzionale ad I(t) secondo la costante > 0
M (t) rappresenta la numerosit`
a delle persone decedute causa linfezione dallistante iniziale tI = 0 allistante
finale tF = t
Si scriva un modello di stato a tempo continuo con ingresso u(t), uscita y(t) = M (t) e stato x(t) scelto opportuna-
mente, completando il modello con le condizioni iniziali, supponendo che allistante iniziale ci sia una popolazione
di N persone, delle quali una percentuale gi`a infettata e nessun vaccinato.
Ex.2 [4 pti] Dato il sistema

1 0 2 0
x = F x + Gu, y = Hx + Ju, F = 0
1 0 , G = 0, H = [1
0 0], J = [1]
0 0 1 1
si calcoli la risposta impulsiva
Ricorrendo al procedimento basato sulla forma di Jordan per calcolare eF t
Ricorrendo alla trasformata di Laplace
Ex.3 [5 pti] Dato il sistema, con a 0 parametro reale non-negativo, e dato il punto di equilibrio xeq = 0
x1 (t + 1) = ax1 (t) + x2 (t) + (a 1)x21 x22
x2 (t + 1) = ax2 (t) + a(x2 (t) x1 (t))3
 
2 1
Sia poi P la matrice P = .
1 2

Studiare la stabilit`
a tramite il sistema linearizzato, quando possibile
Nei casi critici, utilizzando V (x) = xT P x, discutere la stabilit`a del sistema linearizzato
Nei casi critici, utilizzando V (x) = xT P x, discutere la stabilit`a del sistema non-lineare
Ex.4 [4 pti] Dato il sistema compartimentale descritto dal grafo in figura, `e richiesto di
Individuare le matrici K, G del modello x = Kx + Gu
Determinare i sottosistemi chiusi (in particolare i minimali ed il massimale), la molteplicit`a di = 0 ed i
punti di equilibrio
Determinare x(+) sapendo che x(0) = [ 2 0 2 2 ]T e che u(t) = 0
Rinumerare opportunamente i nodi del grafo, in modo che la matrice K assuma la classica forma triangolare
` richiesta sia la rinumerazione
a blocchi con un blocco semplicemente stabile ed uno asintoticamente stabile. E
dei nodi, sia la scrittura delle nuove matrici K, G partizionate a blocchi

1
Compito di SISTEMI E MODELLI 15/02/17: PARTE 2

Non `e ammessa la consultazione di libri o quaderni e luso di calcolatrici. Le risposte vanno giustificate. Saranno
rilevanti per la valutazione anche lordine e la chiarezza di esposizione. Consegnare solo la bella copia con le
risposte nel giusto ordine.

LE SOLUZIONI DELLA PARTE 1 E QUELLE DELLA PARTE 2


VANNO CONSEGNATE SU FOGLI PROTOCOLLO DISTINTI

Ex.5 [4 pti] Dato il sistema, con due parametri incogniti 1 , 2 , seguente

x 1 (t) = 1 x31 (t) + u(t), x 2 (t) = 2 x1 (t), y = x1 (t)x2 (t), x(0) = 0, u(t) = (t)

si discuta lidentificabilit`
a a priori del sistema.

Ex.6 [6 pti] Sia {yi }ni=1 un insieme di n variabili aleatorie indipendenti ed equidistribuite, ciascuna con densit`
a
discreta
2yi 2
p (yi ) = e , yi = 1, 2, . . .
yi !
dove e un parametro incognito. Sapendo che V ar(yi ) = E[yi ] = 2 , si risponda ai seguenti due quesiti:

calcolare lMSE dello stimatore


n
X yi
= .
n
i=1

si assuma lesistenza di uno stimatore e efficiente per . Si calcolino, se esistono, tutti i valori di n per cui
lMSE di risulti inferiore allMSE di e quando = 1.

Ex.7 [6 pti] Si consideri il seguente modello di misura:

y(ti ) = 1 x(ti ) 4 x(ti )2 + 3 + vi

dove vi N (0, 1) sono gli errori di misura assunti indipendenti,

sapendo che 2 = 1 e che 4 = 1 e avendo a disposizione le seguenti misure: (y1 , x1 ) = (1, 1/2) e (y2 , x2 ) =
(2, 1/4), si calcoli la varianza della stima di 1 e la varianza della stima di 3 .

si assuma ora che 1 = 0, 3 = 0 e 4 = 1. Si calcoli il minimo della varianza della stima di 2 . Aiuto: se
f (z) = az , allora la sua derivata : f(z) = az log a

2
Soluzione Ex.1 La prima regola implica che S = SI u, mentre la seconda che I = SI I. La terza
implica che M (t) si ottiene integrando il flusso che esce da I(t), quindi M = I e y = M . Utilizzando lo stato
x(t) = [ S(t) I(t) M (t) ]T , si ha il modello non-lineare seguente

x 1 = x1 x2 u
x 2 = x1 x2 x2
x 3 = x2
y = x3

con condizione iniziale ovviamente pari a x(0) = [ N (1 ) N 0 ]T .


Soluzione Ex.2 Il polinomio caratteristico ha chiaramente = 1 con = 3. Calcolando ker(F I) si trovano
facilmente gli autovettori e1 , e2 , mentre anche senza fare nessun conto siamo sicuri che ker(F I)2 sar`
a lintero
spazio (cio`e (F I)2 = 0), che ci permette di scegliere come autovettore generalizzato ad esempio e3 . Tale scelta
implica la catena e3 (F I)e3 = 2e1 , per cui una base di Jordan `e ad esempio 2e1 , e3 , e2 , da cui
1
2 0 0 2 0 0 1 1 0 1 t 0
T = 0 0 1 T 1 = 0 0 1 FJ = T 1 F T = 0 1 0 , eFJ t = et 0 1 0
0 1 0 0 1 0 0 0 1 0 0 1

Si ha ora
eF t = T eFJ t T 1 , w(t) = HeF t G + J(t) = 2tet + (t), t 0
Ricorrendo invece a Laplace, si trova

s1 0 2
1 2
(sI F )1 = 0 s1 0 W (s) = H(sI F )1 G + J = +1
(s 1)2 (s 1)2
0 0 s1

da cui lo stesso risultato dopo unimmediata antitrasformazione.


Soluzione Ex.3 La matrice del sistema linearizzato
 
a 1
F =
0 a

permette di concludere (autovalori a, a) che se a > 1 c`e sicuramente instabilit`a, mentre se 0 a < 1 stabilit` a
asintotica. Il caso critico `e quindi a = 1, infatti gli autovalori a modulo unitario non permettono di concludere
nulla sul non-lineare. Per a = 1, valutando Q = P F T P F si vede che il risultato `e nullo, per cui per il sistema
linearizzato V (x) = 0 0 implica la stabilit`a almeno semplice, essendo V (x) > 0 per il test di Sylvester applicato
a P . Tuttavia la regione N consiste di tutto lo spazio di stato, per cui per Krasowskii la stabilit`a non pu` o che
essere solo semplice (e non asintotica), come daltronde confermato dallanalisi degli autovalori (due autovalori a
modulo unitario e molteplicit` a unitaria). Per il sistema non-lineare, invece, valutando

V (x) = V (x(t + 1)) V (x(t)) = 2(x1 x2 )4 [1 (x1 x2 )2 ]

si scopre che ancora V (x) 0 (in un intorno dellorigine), e la regione N vale ora N = span(e1 +e2 ). Sostituendo
x1 = x2 (condizione di appartenenza ad N ) nel sistema non-lineare valutato per a = 1, si arriva facilmente a
x1 (t + 1) = 2x1 (t), x1 (t + 1) = x1 (t), che implica ovviamente x1 (t) = 0, quindi anche x2 (t) = 0. Solo la
traiettoria x(t) = 0 giace completamente in N , ed allora Krasowskii implica la stabilit`a asintotica.
Soluzione Ex.4 Le matrici cercate sono

1 1 0 1 0
0 2 0 0
0
K= , G=
0 0 1 0 0
1 0 1 1 1

Dallanalisi del grafo solo il nodo 2 comunica verso lesterno, quindi (1, 3, 4) `e il chiuso massimale, al cui interno `e
presente un altro chiuso (minimale), pari a (1, 4). Quindi = 1 (essendoci un unico chiuso minimale), ed i punti
di equilibrio sono facilmente xeq = a [ 1 0 0 1 ]T , a 0. Infine, poich`e lo stato iniziale ha componenti nulle al

3
di fuori del chiuso massimale (la seconda componente), ci`o garantisce che x(+) abbia somma delle componenti
pari a 6, la somma delle componenti di x(0). Dovendo x(t) convergere ad un punto di equilibrio, necessariamente
si ha quindi x(+) = [ 3 0 0 3 ]T . I nodi vanno rinumerati mettendo prima i nodi del chiuso massimale, e
tra questi prima quelli del chiuso minimale, quindi (1, 4, 3, 2) `e una possibile rinumerazione, cui corrispondono le
matrici
1 1 | |

0 1 0
1 1 | 1 | 0 1

+ +
K= , G=
0 0 | 1 | 0
0

+ +
0 0 | 0 | 2 0
Soluzione Ex.5 Leffetto dellimpulso `e quello di portare lo stato iniziale istantaneamente da x(0) = 0 a
x(0+) = [ 1 0 ]T . Calcolando le prime derivate di y si ha

y = x1 x2 ,
y = x 1 x2 + x1 x2 = 1 x31 x2 + x2 u + 2 x21 ,
y = x 1 (31 x21 x2 + 22 x1 ) + x 2 (1 x31 + u) + ux
2 = (1 x31 + u)(31 x21 x2 + 22 x1 ) + 2 x1 (1 x31 + u) + ux
2

che valutate in t = 0+ porgono (x1 (0+) = 1, x2 (0+) = u(0+) = u(0+)


= 0)

y(0+) = 0, y(0+)
= 2 , y(0+) = 31 2

e da queste si pu`o ovviamente risalire in modo univoco ai valori di 1 , 2 . Quindi il modello e globalmente identi-
ficabile.

Soluzione Ex.6. Riguardo al primo punto, si ha


n
X yi
E = E = 2 ,
n
i=1

che porta a una componente di bias al quadrato pari a ( 2 )2 . La varianza poi risulta
n
X yi 2
V ar = V ar = ,
n n
i=1

e quindi
2 n+1
M SE = ( 2 )2 += 4 23 + 2 .
n n
Riguardo al secondo punto, la verosimiglianza risulta
N
Y 2yi 2
L() = e .
yi !
i=1

da cui
n
X n
X
2
` = log L() = n 2 log() yi + log(yi !).
i=1 i=1
Si ha dunque
n
2 ` 2 X
= 2n + yi
2 2
i=1
e
2 `
E = 4n
2
che corrisponde allinverso del limite di Cramer-Rao. Deve essere quindi
1
M SEe = .
4n

4
Quando = 1 si ha
1
M SEe(1) =
4n
mentre
1
M SE(1) = .
n

Non vi sono quindi valori di n per cui convenga utilizzare .

Soluzione Ex.7. Riguardo al primo punto, si ha

y(ti ) + x1 (ti ) = 1 x(ti ) + 3 + vi

sostituendo le due misure:


1 + 2 = 1 1/2 + 3
2 + 4 = 1 1/4 + 3
     
1/2 1 1 0
che porta a una modello lineare con = , = , = 1 .
1/4 1 0 1 3
Per calcolare la precisione di stima di 1 e 3 , ricaviamo linversa della matrice di Fisher:
 
32 12
(T 1 )1 =
12 5

Quindi la var(1 ) = 32 e var(3 ) = 5.

Riguardo al secondo punto, si ha


y(ti ) = x(ti )2 + vi
ossia yi N (x
i
2
, 1) e la verosimiglianza risulta
N
Y 1 1 2 2
L() = e 2 (yi xi ) .
i=1
2

da cui
n
1X
` = log L() = K + (yi x
i
2 2
) .
2
i=1

dove K non dipende dal parametro 2 . Differenziando rispetto a 2 si ha:


n
d`
(yi x )x
X
2 2
= i i log xi
d
i=1

n
d2 `
x 2 2
xi (log xi )2 (yi x )x
X
2
= i i
2
i
2
(log xi )2
d
i=1

Si ha:
n n
d2 ` 2 2 2 2 2
xi22 (log xi )2 ,
X X
2 2
E = x i x i (log x i ) (x i x i )x i (log x i ) =
d2
i=1 i=1

Deve essere quindi


1
var(2 ) = Pn 22
.
i=1 xi (log xi )2