Compito di SISTEMI E MODELLI 09/02/18: PARTE 1

Non è ammesso l’uso di libri, quaderni o calcolatrici programmabili. Le risposte vanno giustificate. Saranno
rilevanti per la valutazione anche l’ordine e la chiarezza di esposizione. Consegnare solo la bella copia.

LE SOLUZIONI DELLA PARTE 1 E QUELLE DELLA PARTE 2

VANNO CONSEGNATE SU FOGLI PROTOCOLLO DISTINTI

Ex.1. [5 pti] Un sistema di irrigazione è costituito dal terreno, un serbatoio di irrigazione ed un serbatoio di
recupero, ed è soggetto alle seguenti regole
• il serbatoio di recupero è alimentato da un flusso che proviene dal terreno, proporzionale alla quantità
di acqua nel terreno secondo un coefficiente a = 10, ed alimenta il serbatoio di irrigazione con un flusso
proporzionale alla quantità di acqua nel serbatoio di recupero secondo un coefficiente b = 1
• il serbatoio di irrigazione alimenta il terreno con un flusso proporzionale alla quantità di acqua nel serbatoio
stesso, secondo un coefficiente non costante, ma inversamente proporzionale alla quantità d’acqua nel terreno
secondo un coefficiente c = 1 (in pratica, un misuratore di umidità del terreno controlla il flusso entrante,
di modo che più il terreno è umido, meno acqua lo irrighi)
Si scriva un modello di stato (non-lineare) per tale sistema, evidenziando la sua struttura compartimentale, dove
l’uscita y rappresenta l’acqua totale presente nel sistema. Si determini infine il punto di equilibrio del sistema
corrispondente ad y(0) = 8.
Ex.2. [4 pti] Dato il sistema, dipendente da un parametro reale a seguente
 
a 0 a(a − 1)
ẋ =  0 a 0 x
0 a a
• determinare la forma di Jordan e la matrice di cambio da base, al variare di a
• si discuta la stabilità di F al variare di a

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

x1 (t + 1) = ax1 (t) + (a − 1)x31 (t), x2 (t + 1) = ax32 (t)

ed il suo linearizzato nell’intorno di xeq = 0, sia ΣLIN , si studi la stabilità di xeq = 0 al variare di a reale, quando
possibile, ricorrendo
• all’analisi degli autovalori (sia per Σ che per ΣLIN )
 
b 0
• all’equazione di Lyapunov (solo per ΣLIN ), utilizzando Q = con b scelto opportunamente
0 1
• nei casi critici (solo per Σ), alla funzione di Lyapunov V (x) = x21 + x22
Ex.4. [4 pti] Dato il compartimentale descritto dal grafo (fare figura corrispondente alle seguenti matrici), con
uscita y = x5    
−1 1 0 0 0 0
 1 −1 1 0 0  0
   
ẋ =  0
 0 −3 0 0 
 x +  1  u, y = [ 0
  0 0 0 1]
 0 0 1 −1 1  0
0 0 0 1 −1 0
• si determinino le matrici K, G, H
• si determino tutti i chiusi, in particolare il massimale ed i minimali
• si determinino tutti i punti di equilibrio
• sapendo che x(0− ) = 0 e che u(t) = δ(t), si determini y(+∞)

1
 Compito di SISTEMI E MODELLI 09/02/18: PARTE 2

Non è ammessa la consultazione di libri o quaderni e l’uso di calcolatrici programmabili. Le risposte vanno
giustificate. Saranno rilevanti per la valutazione anche l’ordine e la chiarezza di esposizione. Consegnare solo la
bella copia.

LE SOLUZIONI DELLA PARTE 1 E QUELLE DELLA PARTE 2

VANNO CONSEGNATE SU FOGLI PROTOCOLLO DISTINTI
CON LA PARTE 2 CONTENUTA IN NON PIU’ DI 4 FACCIATE

Ex.5. [4 pti] Dato il sistema compartimentale descritto dal grafo (fare figura corrispondente a matrici), suppo-
nendo che sia x(0− ) = 0 e u(t) = δ(t), si discuta la sua identificabilità a priori
   
−θ1 θ2 0 1
K =  θ1 −(θ2 + θ3 ) 0  , G =  0  , H = [ 0 1 0 ]
0 θ3 0 0

Ex.6. [5 pti] Si consideri il seguente modello che descrive la cinetica di eliminazione renale di un farmaco

2Ad2i − 2Adi + B
yi = + i di > 0
di
dove i sono variabili aleatorie Gaussiane con componenti indipendenti, a media nulla e varianza α. Sono disponibili
le seguenti misure:
1
(d1 , y1 ) = (1, 2); (d2 , y2 ) = ( , 1)
2
• si calcoli il valore di α per il quale la varianza della stima del parametro A pari a 5

• si calcoli la stima a massima verosimiglianza dei due parametri del modello con α fissato al valore trovato
al punto precedente

Ex.7. [6 pti] Si considerino le N variabili aleatorie discrete x1 , x2 , ..., xN indipendenti ed equidistribuite, con:

λx −λ
P rob(x1 = x|λ) = e
x!
Si sa che E[x] = V ar(x) = lambda.

• si calcoli la stima a massima verosimiglianza di λ (λM L )

• si verifichi che lo stimatore λM L efficiente.

2
Soluzione Ex.1. Indicando con x1 , x2 , x3 l’acqua rispettivamente nel terreno, nel serbatoio di irrigazione ed in
quello di recupero, le equazioni sono del tipo
1 1
ẋ1 = x2 − x1 , ẋ2 = − x2 + x3 , ẋ3 = x1 − x3 , y = x1 + x2 + x3
x1 x1
che possono essere riscritte in forma pseudo-lineare (nel senso che la matrice F dipende da x) come
−1 x11
 
0
ẋ =  0 − x1 1  x, y = [ 1 1 1 ] x
1
1 0 −1
che evidentemente corrisponde ad un compartimentale chiuso (anche se non-lineare), e si ha facilmente ẏ = 0 che
implica y(t) = y(0) = 8 (rimane costante nel tempo). La ricerca dei punti di equilibrio conduce facilmente a

x2 = x21 , x3 = x1 , x1 = qualsiasi

dei quali l’unico compatibile con y(t) = 8 si ottiene risolvendo x21 + 2x1 − 8 = 0, che conduce alle soluzioni x1 = −4
(priva di senso) ed x1 = 2, da cui
xeq = [ 2 4 2 ]T

Soluzione Ex.2. La matrice è triangolare a blocchi con sulla diagonale un blocco 1 × 1 pari ad [ a ] ed un altro
blocco a sua volta triangolare con a sulla diagonale, per cui ha λ = a con ν = 3. Se a = 0, la matrice è nulla
ed è quindi già in Forma di Jordan (3 miniblocchi con λ = 0) e quindi FJ = F, T = I. Se invece a 6= 0, si ha
che ker(F − aI) è generato dall’unico vettore e1 se a 6= 1, mentre se a = 1 è generato da e1 , e3 . Nel primo caso
abbiamo necessariamente un’unica catena di autovettori generalizzati lunga 3, mentre nel secondo una lunga 2 ed
una lunga 1. Valutando (F − aI)2 ed il suo ker, si scopre che esso è generato da e1 , e3 nel primo caso, mentre
ovviamente esso consiste di tutto lo spazio di stato se a = 1. Quindi le catene sono, ad esempio

e2 → ae3 → a2 (a − 1)e1 (se a 6= 0, 1), e2 → e3 , e1 (se a = 1)

da cui facilmente
a2 (a − 1) 0 0
   
a 1 0
T = 0 0 1  ⇒ FJ = T −1 F T =  0 a 1  (se a 6= 0, 1)
0 a 0 0 0 a
   
1 0 0 1 0 0
T = 0 0 1  ⇒ FJ = T −1 F T =  0 1 1  (se a = 1), T = I, F = FJ = 0 (se a = 0)
0 1 0 0 0 1
Ora, se a > 0 c’è instabilità (autovalori positivi), se a < 0 stabilità asintotica (autovalori negativi), se a = 0
l’autovalore nullo ha molteplicità unitaria nel polinomio minimo, quindi c’è stabilità semplice ma non asintotica.
Soluzione Ex.3. Il linearizzato è caratterizzato da
 
a 0
F = ⇒ λ = 0, a
0 0

per cui stabilità asintotica per |a| < 1 ed instabilità per |a| > 1 (per entrambi i sistemi). Nei casi a = ±1 si
conclude per la stabilità semplice del lineare, e nulla si può dire per il non-lineare (caso critico). Risolvendo
Lyapunov (per ΣLIN ) si ottiene
   
F b 0 x y
P − F P F = Q, Q = , P = ⇒ x(1 − a2 ) = b, y = 0, z = 1
0 1 y z

Nel caso |a| < 1 basta scegliere b = 1 per ottenere P, Q > 0 e quindi la stabilità asintotica. Nel caso |a| > 1 nulla
si può dire, comunque si scelga b, ma nel caso |a| = 1 si riesce ad ottenere almeno una soluzione (in realtà infinite)
se e solo se b = 0. Infatti in tal caso (|a| = 1 e b = 0)
 
x 0
P = , x = qualsiasi
0 1

3
Ma la scelta x > 0 (ad esempio x = 1) rende P > 0, Q ≥ 0, da cui la stabilità almeno semplice e per Krasowskii
solo semplice, in quanto N = ker(Q) = span(e1 ), ed è facile vedere che ci sono infinite traiettorie (x1 (t) = x0 se
a = 1, x1 (t) = (−1)t x0 se a = −1, per ogni x0 , ed x2 (t) = 0) dentro N . Usando la V (x) proposta nei casi critici
(a = ±1) si ottiene

∆V (x) = −x22 (1 − x42 ) ≤ 0 se a = 1, ∆V (x) = −4x41 (1 − x21 ) − x22 < 0

Quindi nel secondo caso (definita negativa in un intorno di x = 0) si ha la stabilità asintotica, nel primo almeno
quella semplice, ma anche in questo caso Krasowskii porta facilmente a concludere per la stabilità solo semplice.
Soluzione Ex.4. La matrici sono facilmente le seguenti
   
−1 1 0 0 0 0
 1 −1 1 0 0  0
   
K=  0 0 −3 0 0 
, G = 1, H = [0
  0 0 0 1]
 0 0 1 −1 1  0
0 0 0 1 −1 0

Il chiuso massimale è facilmente (1, 2, 4, 5), quelli minimali (1, 2) e (3, 4), e non ci sono altri chiusi. I punti
di equilibrio sono combinazioni lineari a coefficienti non-negativi dei punti di equilibrio corrispondenti ai chiusi
minimali, vale a dire
v1 = [ 1 1 0 0 0 ]T , v2 = [ 0 0 0 1 1 ]T
L’effetto dell’impulso è di rendere x(0+ ) = [ 0 0 1 0 0 ]T , dopodichè il nodo 3 si svuota, ed il suo contenuto
viene equamente distribuito tra esterno, chiuso minimale 1 e chiuso minimale 2, vista l’uguaglianza dei relativi
coefficienti di flusso. Pertanto 31 è il contenuto asintotico di ciascun chiuso minimale, e quindi

1 1
x(+∞) = [1 1 0 1 1 ]T ⇒ y(+∞) =
6 6
Soluzione Ex.5. K è triangolare a blocchi, e dalla struttura di G, H solo il primo blocco 2 × 2 viene coinvolto
nel calcolo della funzione di trasferimento, che risulta pertanto
 −1  
s + θ1 −θ2 1 θ1
W (s) = [ 0 1] = 2
−θ1 s + (θ2 + θ3 ) 0 s + s(θ1 + θ2 + θ3 ) + θ1 θ3

da cui il sommario esaustivo θ1 , θ1 + θ2 + θ3 , θ1 θ3 . Dalla prima abbiamo il valore di θ1 , ed ora dalla terza anche
quello di θ3 , ma questi due valori permettono il calcolo univoco anche di θ2 dalla seconda. Quindi il sistema è
globalmente identificabile a priori.
Soluzione Ex.6. Possiamo riformulare il problema come una regressione lineare in quanto il modello pu essere
riscritto nel seguente modo:
1
yi = A(2di − 2) + B + i
di
       
0 1 A 2 α 0
da cui semplice ricavare: Θ = ,θ = ,y = ,Σ = . La matrice della covarianza
−1 2 B 1 0 α
dell’errore di stima é data da:  
T −1 −1 5α 2α
(Θ Σ Θ) =
2α 1α
Da cui si ottiene: α = 1. Quindi Σ = I. La stima a massima verosimiglianza dei due parametri si ottiene
risolvendo:    
 T −1 −1 T −1 3
θ̂ = = (Θ Σ Θ) Θ Σ y =
B̂ 2

Soluzione Ex.7 La verosimiglianza risulta:

QN λxi −λ
L(λ|x) = i=1 xi ! e , xi > 0

4
Da cui:
N N N
X λ xi X X 1
lλ = − log( ) + N λ = −log(λ) xi − log( ) + N λ
xi ! xi !
i=1 i=1 i=1

la derivata é:
N
∂lk 1X
=− xi + N
∂λ λ
i=1

ponendola uguale a zero: PN

i=1 xi
λ̂ =
N
2
che effettivamente punto di minimo visto che la derivata seconda é> 0: ∂∂λl2k = λ12 N
P
i=1 xi Per verificare l’efficienza
dello stimatore calcoliamo sia la varianza che l’inversa della matrice di informazione di Fisher:
PN
xi λ
V ar( i=1 ) =
N N
Per Fisher:
N
∂L(λ|x) 2 1 X N
E[( ) ] = E[ 2 xi ] =
∂λ λ λ
i=1

Poiché la varianza della stima coincide con l’inversa della matrice di Fisher, lo stimatore é effciente.