Sei sulla pagina 1di 6

Compito di SISTEMI E MODELLI

25 Gennaio 2016

` vietato luso di libri o quaderni. Le risposte vanno giustificate. Saranno rilevanti per la valutazione anche
E
lordine e la chiarezza espositiva. Consegnare SOLO la bella copia, con le risposte riportate nel giusto ordine.

Ex 1 [5 pt.]. Leconomia di una famiglia `e basata sulle seguenti regole

Il tempo e rappresentato dal flusso dei mesi. Quindi t rappresenta una variabile intera (che indica il
mese che si sta considerando)
Le entrate mensili (basate su stipendi) rappresentano lingresso u1 (t)
Le uscite sono le spese pianificate e quelle impreviste. Quelle impreviste rappresentano lingresso u2 (t)
La famiglia ha un conto corrente e due forme di investimento. Siano x1 (t), x2 (t), x3 (t) rispettivamente
limporto sul conto e sui due investimenti, e sia y(t) (luscita del sistema) il totale importo posseduto.
Entrate e spese agiscono sempre e solo su x1 (t)
Le spese pianificate sono (direttamente) proporzionali a y(t) secondo la costante a = 0.5
Linvestimento n.1 ha rendimento proporzionale secondo la costante b = 0.01, rendimento che alimenta
interamente linvestimento n.2 (a sua volta con rendimento proporzionale, secondo la costante c = 0.02)
Il conto corrente e linvestimento n.1 si scambiano denaro proporzionalmente alla differenza tra i loro
importi (dal prodotto con maggior denaro verso quello con minor denaro), secondo la costante d = 0.3

Si scriva un modello lineare (matrici F, G, H, J) che descriva levolvere delleconomia familiare.


Ex 2 [5 pt.]. Dato il sistema non lineare discreto dipendente da due parametri reali a, b

x 1 (t) = ax1 (t) x31 (t)


x 2 (t) = bx2 (t)

Si determini la matrice F del sistema linearizzato (nellintorno del punto di equilibrio nullo)
Si studi la stabilit`
a del sistema linearizzato con lanalisi degli autovalori
Si studi (quando possibile) la stabilit` a del sistema linearizzato con Lyapunov (scegliendo Q = I e
determinandone tutte le soluzioni)
a di x = 0 nel sistema non lineare, ricorrendo nei casi critici a V (x1 , x2 ) = x21 + x42
Si studi la stabilit`

Ex 3 [4 pt.]. Dato il sistema compartimentale definito dalla matrice

2 1

0 0 0 0
1 2 0 0 0 0

0 1 1 1 0 0
K=
0 0 1 1 1 0
0 0 0 0 1 0
0 0 0 0 0 0

Disegnare il grafo corrispondente


Determinare tutti gli eventuali sottosistemi chiusi, evidenziando il massimale ed i minimali
Determinare se = 0 `e o meno autovalore di K, la sua molteplicit`a, e tutti i punti di equilibrio
Determinare x(+) sapendo che x(0) = [ 0 0 2 2 2 1 ]T

1
Ex 4 [4 pt.]. Dato il sistema continuo

2 3 0 0
3 4 0 0
x = F x, F =
0

0 0 1
0 0 0 0

Ricavare la forma di Jordan di F riportando anche la matrice T di cambio di base.


Elencare i modi del sistema e studiare la stabilita del sistema.
Trovare tutte le condizioni iniziali tali che levoluzione libera xl (t) converga al vettore [0 0 1 0]T .

Ex 5 [4 pt.]. Dato il seguente sistema a tempo continuo in forma di stato

x 1 (t) = k1 x1 (t) + k3 x3 (t)


x 2 (t) = k1 x1 (t)
x 3 (t) = (k2 + k3 )x3 (t) + (t)
y(t) = x1 (t)

dove k1 , k2 , k3 sono parametri incogniti. Si studi lidentificabilita a priori del sistema a partire da condizioni
iniziali nulle

Ex 6 [5 pti]. Si consideri il seguente modello di misura:


p
yi = axi 2 xi bxi + ei

dove ei sono gli errori di misura assunti indipendenti con ei N (0, 52 ). Sono disponibili le seguenti misure:

(x1 , y1 ) = (1, 1), (x2 , y2 ) = (4, 4)

Si stimi il valore dei parametri a e b tramite minimi quadrati pesati.


Si calcoli la precisione di stima del parametro a esprimendola come intervallo di confidenza a 3 SD.

Si calcoli il MSE dello stimatore ai minimi quadrati pesati dei parametri a e b.

Ex 7 [6 pt.]. Si considerino n variabili aleatorie indipendenti e Gaussiane yi N (, 1i ) (e.g. y3 ha media


e varianza 1/3).

Si ricavi lo stimatore
Pn a massima verosimiglianza (ML) M L di funzione delle yi . Sugg.: si ricordi
luguaglianza i=1 i = n(n + 1)/2.
Si calcoli la varianza di M L (esatta, senza utilizzare Fisher).

Si considerino ora le n variabili aleatorie indipendenti e Gaussiane yi N (0, 1 ).

Si ricavi lo stimatore a massima verosimiglianza (ML) M L di funzione delle yi .


Si calcoli un limite inferiore alla varianza di M L .

2
Soluzione EX 1. x1 (t + 1) tiene conto di x1 (t) (somma gi`a presente), si incrementa di u1 (t) e decrementa
di u2 (t) e di 0.5y(t) = 0.5[x1 (t)+x2 (t)+x3 (t)], inoltre si modifica anche di 0.3[x2 (t)x1 (t)] (il segno positivo
rende questo un incremento se e solo se il conto contiene meno dellinvestimento, come devessere). Quindi

x1 (t + 1) = x1 (t) + u1 (t) u2 (t) 0.5[x1 (t) + x2 (t) + x3 (t)] + 0.3[x2 (t) x1 (t)]

mentre x2 (t + 1) tiene conto di x2 (t) e si modifica di 0.3[x1 (t) x2 (t)] (opposto al termine analogo in
x1 (t + 1)), ed infine x3 (t + 1) tiene conto di x3 (t) e dei due incrementi pari a 0.01x2 (t) e 0.02x3 (t), quindi

x2 (t + 1) = 0.3x1 (t) + 0.7x2 (t), x3 (t + 1) = x3 (t) + 0.01x2 (t) + 0.02x3 (t)

oltre a y(t) = x1 (t) + x2 (t) + x3 (t), da cui



0.2 0.2 0.5 1 1
x(t + 1) = 0.3 0.7 0 x(t) + 0 0 u(t), y(t) = [ 1 1 1 ] x(t) + [ 0 ] u(t)
0 0.01 1.02 0 0

Soluzione EX 2. Linearizzando si ottiene


 
a 0
F = = a, b
0 b

da cui stabilit`a asintotica se a < 0, b < 0, solo semplice se a = 0, b 0 oppure a 0, b = 0 (compreso


il caso a = b = 0, vista la forma di Jordan diagonale), ed instabilit`a se a > 0 oppure b > 0. Lyapunov
F T P + P F = Q = I porge la soluzione
 1 
2a 0
P = 1 (se b 6= a)
0 2b

mentre se b = a abbiamo infinite o nessuna soluzione a seconda che sia a 6= 0 oppure a = 0


 1 
2a y
P = 1 , y R (se b = a 6= 0, mentre nessuna soluzione se a = b = 0)
y 2a

Il caso b = a impedisce quindi la stabilit`


a asintotica, mentre b 6= a rende P > 0 se e solo se a < 0 e b < 0.
Quindi solo in tal caso si pu`
o dedurre la stabilit`a asintotica, mentre negli altri casi (P non definita positiva,
infinite o nessuna soluzione) non si pu`
o discriminare tra eventuale stabilit`a semplice ed instabilit`a.
Le conclusioni con la linearizzazione per il non-lineare sono le stesse del caso lineare se uno almeno tra a, b
`e positivo, oppure se sono entrambi negativi. I casi critici sono quindi quelli che nel linearizzato conducono
a stabilit`a semplice, cio`e a = 0, b 0 oppure b = 0, a 0. Nei casi critici si ottiene

V (x1 , x2 ) = 2x21 (a + x21 ) + 4bx42

a asintotica), e solo semidefinita negativa se b = 0, a 0, con N


definita negativa se a = 0, b < 0 (stabilit`
coincidente con la retta x1 = 0, che sostituita nelle equazioni differenziali porge infinite soluzioni costanti
dentro N , pari a x1 = 0, x2 = costante qualsiasi. In tali casi la stabilit`a `e solo semplice per Krasowskii.
Soluzione EX 3. Il grafo `e in figura, ed evidenzia come il nodo 1 abbia un flusso verso lesterno ed il nodo
2 verso il nodo 1, mentre nessun altro nodo ha flussi verso 1, 2. Quindi (3, 4, 5, 6) `e il chiuso massimale.

3
Al suo interno sono presenti altri 4 chiusi: (3, 4, 5) e (3, 4, 6) non minimali, e (3, 4) e (6) entrambi minimali,
da cui = 0 ha = 2. I punti di equilibrio relativi ai chiusi minimali sono xeq,1 = [ 0 0 1 1 0 0 ]T e
xeq,2 = [ 0 0 0 0 0 1 ]T , quindi

xeq = [ 0 0 a a 0 b ]T , a, b 0 e, lo vedremo tra un attimo, x(+) = [ 0 0 3 3 0 1 ]T

sono tutti i punti di equilibrio. Poich`e il chiuso minimale (6) `e sconnesso da altri nodi e vale x6 (0) = 1, per
ogni t 0 si ha x6 (t) = 1 e quindi anche x6 (+) = 1. Inoltre x1 (0) = x2 (0) = 0 garantisce che la somma
x3 (t) + x4 (t) + x5 (t) + x6 (t) rimanga costante e pari a 7 (il valore iniziale), ed il punto di equilibrio cui tende
il sistema deve avere b = 1 per quanto appena visto, da cui facilmente a = 3 per la condizione di somma
costante. Quindi x(+) `e proprio quello indicato sopra.
Soluzione EX 4. Riguardo al primo punto osserviamo che la matrice F e diagonale a blocchi

2 3 0 0  
3 4 0 0 F11 0
F = =
0 0 0 1 0 F22
0 0 0 0
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 e F22 .
Per quanto riguarda la sottomatrice F11 , il suo polinomio caratteristico `e s2 + 2s + 1 e quindi possiede lunico
autovalore 1 = 1 con molteplicita algebrica 1 = 2. Si ha
   
3 3 2 0 0
F11 + I = , (F11 + I) = .
3 3 0 0

Lautospazio associato a 1 `e generato da v1 = [1 1]T . Possiamo poi scegliere come autovettore generalizzato
v2 = [1 0]T e 1 = (F11 + I)v2 = [3 3]T . Di conseguenza la sottomatrice di cambio base per F11 risulta:
 
3 1
T11 = [ 1 v2 ] =
3 0
e F11 in forma di Jordan risulta:  
J 1 1 1
F11 = T11 F11 T11 =
0 1

4
Per quanto concerne F22 , essa risulta gi
a in forma di Jordan quindi T22 = I. La matrice di cambio base T
e la forma di Jordan risultano quindi:

3 1 0 0 1 1 0 0
3 0 0 0 0 1 0 0
FJ =

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

Per il secondo punto, calcoliamo lesponenziale della matrice modale in forma di Jordan:
t
tet 0 0

e
J 0 et 0 0
eF t =
0

0 1 t
0 0 0 1

Di conseguenza i modi del sistema risultano: {et , tet , 1, t} e il sistema `e instabile.


J
Riguardo al terzo punto, vista la struttura di eF t e T , `e facile concludere che le condizioni iniziali cercate
sono


x(0) = 1 ,

0
dove , variano in R.
Soluzione EX 5. Il modello lineare quindi si usa il metodo della funzione di trasferimento (Laplace):
1 1 k3
X1 (s) = k3 = 2
s + k2 + k3 s + k1 s + (k1 + k2 + k3 )s + (k2 + k3 )k1
da cui si ricava il seguente sommario esaustivo:
k3 = a
k1 + k2 + k3 = b
k1 (k2 + k3 ) = c
Risolvento si ottiene:
k3 = a
k1 = k2 a + b
k22 + (2a b)k2 + a2 ab = 0
Il parametro k2 ammette due soluzioni quindi il modello localmente (ma non globalmente) identificabile a
priori.
Soluzione EX 6. Per semplicit si consideri il modello in questa forma:
3/2
yi = axi 2 bxi + ei
5
       
1 1 1 1 40 1 25 0
utilizzando il simbolismo del libro = , = 5 , y= , = ,
16 8 2 40 4 0 25
quindi    
a

= (G 0 1
G) 1 0 1
G y =
1/2
,
b 3/2

5
per cui b = 9/4.
 
1625/64 3225/64
(G0 1 G)1 1
1625/64 1
p
Precisione di stima: = , da cui: a
= 2 3 = 2 15
3225/64 6425/64

MSE = (Bias)2 +Tr(G0 1 G)1 =0+4025/32


Soluzione EX 7. Considerando il primo tipo di variabili aleatorie, riguardo al primo punto la meno log
likelihood `e
n
X i( yi )2
` = + K,
2
i=1

dove K `e una costante che non dipende da . Da semplici calcoli si ottiene


n
` X
= ( yi )i,

i=1

da cui Pn
2 ni=1 iyi
P
ML i=1 iyi
= Pn = .
i=1 i n(n + 1)
La varianza di M L risulta
2 ni=1 iyi
P Pn 2 Pn
i=1 i V ar yi i 2
V ar =4 2 2
= 4 2 i=1 2 = .
n(n + 1) n (n + 1) n (n + 1) n(n + 1)

Considerando il secondo tipo di variabili aleatorie, riguardo al primo punto la meno log likelihood `e
n
X y 2 i n
` = log + K,
2 2
i=1

dove K `e una costante che non dipende da . Quindi

X y2 n
` i n
= ,
2 2
i=1

da cui
n
M L = Pn 2.
i=1 yi
Per rispondere allultimo punto, calcoliamo la matrice di Fisher:

2 ` n n
I() = E = E 2 = 2 .
2 2
Il bound inferiore risulta quindi (22 )/n.

Potrebbero piacerti anche