Optimal And Robust Control Advanced Topics With

Matlab 2nd Edition 2nd Edition Fortuna download

https://ebookbell.com/product/optimal-and-robust-control-
advanced-topics-with-matlab-2nd-edition-2nd-edition-
fortuna-35085744

Explore and download more ebooks at ebookbell.com

Here are some recommended products that we believe you will be
interested in. You can click the link to download.

Optimal And Robust Control Advanced Topics With Matlab Frasca

https://ebookbell.com/product/optimal-and-robust-control-advanced-
topics-with-matlab-frasca-5145358

Solutions Manual For Optimal And Robust Control Advanced Topics With
Matlab Luigi Fortuna

https://ebookbell.com/product/solutions-manual-for-optimal-and-robust-
control-advanced-topics-with-matlab-luigi-fortuna-56831866

Linear Systems Optimal And Robust Control Alok Sinha

https://ebookbell.com/product/linear-systems-optimal-and-robust-
control-alok-sinha-2475394

Stabilization Optimal And Robust Control Theory And Applications In

Biological And Physical Sciences 1st Edition Aziz Belmiloudi Auth

https://ebookbell.com/product/stabilization-optimal-and-robust-
control-theory-and-applications-in-biological-and-physical-
sciences-1st-edition-aziz-belmiloudi-auth-2019630
Optimal And Robust Scheduling For Networked Control Systems Stefano
Longo

https://ebookbell.com/product/optimal-and-robust-scheduling-for-
networked-control-systems-stefano-longo-4180368

Optimal And Robust Estimation With An Introduction To Stochastic

Control Theory Second Edition 2nd Frank L Lewis

https://ebookbell.com/product/optimal-and-robust-estimation-with-an-
introduction-to-stochastic-control-theory-second-edition-2nd-frank-l-
lewis-2388190

Cooperative Control Of Multiagent Systems An Optimal And Robust

Perspective Jianan Wang

https://ebookbell.com/product/cooperative-control-of-multiagent-
systems-an-optimal-and-robust-perspective-jianan-wang-11025628

Robust And Optimal Control A Twoport Framework Approach 1st Edition

Miching Tsai

https://ebookbell.com/product/robust-and-optimal-control-a-twoport-
framework-approach-1st-edition-miching-tsai-4634722

Optimal And Robust State Estimation Finite Impulse Response Fir And
Kalman Approaches 1st Edition Yuriy S Shmaliy

https://ebookbell.com/product/optimal-and-robust-state-estimation-
finite-impulse-response-fir-and-kalman-approaches-1st-edition-yuriy-s-
shmaliy-51980664
Optimal and Robust
Control
 Optimal and Robust
Control
Advanced Topics with MATLAB®
Second Edition

Luigi Fortuna
Mattia Frasca
Arturo Buscarino
MATLAB® is a trademark of The MathWorks, Inc. and is used with permission. The MathWorks
does not warrant the accuracy of the text or exercises in this book. This book’s use or discussion of
MATLAB® software or related products does not constitute endorsement or sponsorship by The
MathWorks of a particular pedagogical approach or particular use of the MATLAB® software.

Second edition published 2022

by CRC Press
6000 Broken Sound Parkway NW, Suite 300, Boca Raton, FL 33487-2742

and by CRC Press

2 Park Square, Milton Park, Abingdon, Oxon, OX14 4RN

© 2022 Taylor & Francis Group, LLC

First edition published by CRC Press 2012

CRC Press is an imprint of Taylor & Francis Group, LLC

Reasonable efforts have been made to publish reliable data and information, but the author and pub-
lisher cannot assume responsibility for the validity of all materials or the consequences of their use.
The authors and publishers have attempted to trace the copyright holders of all material reproduced
in this publication and apologize to copyright holders if permission to publish in this form has not
been obtained. If any copyright material has not been acknowledged please write and let us know so
we may rectify in any future reprint.

Except as permitted under U.S. Copyright Law, no part of this book may be reprinted, reproduced,
transmitted, or utilized in any form by any electronic, mechanical, or other means, now known or
hereafter invented, including photocopying, microfilming, and recording, or in any information stor-
age or retrieval system, without written permission from the publishers.

For permission to photocopy or use material electronically from this work, access www.copyright.
com or contact the Copyright Clearance Center, Inc. (CCC), 222 Rosewood Drive, Danvers, MA
01923, 978-750-8400. For works that are not available on CCC please contact mpkbookspermis-
[email protected]

Trademark notice: Product or corporate names may be trademarks or registered trademarks and are
used only for identification and explanation without intent to infringe.

Library of Congress Cataloging‑in‑Publication Data

ISBN: 978-1-032-05300-4 (hbk)

ISBN: 978-1-032-05301-1 (pbk)
ISBN: 978-1-003-19692-1 (ebk)
ISBN: 978-1-032-15155-7 (ebk+)

DOI: 10.1201/9781003196921

Publisher’s note: This book has been prepared from camera-ready copy provided by the authors.

Access the Support Material: https://www.routledge.com/Optimal-and-Robust-Control-Advanced-

Topics-with-MATLAB/Fortuna-Frasca/p/book/9781032053004

eResources are available for this title at: https://www.crcpress.com/9781032053004

Dedicated to our wives
Contents

Preface xiii

Symbol List xv

1 Modelling of Uncertain Systems and the Robust Control

Problem 1

1.1 Uncertainty and Robust Control . . . . . . . . . . . . . . . 1

1.2 The Essential Chronology of Major Findings in Robust Con-
trol . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

2 Fundamentals of Stability 11

2.1 Lyapunov Criteria . . . . . . . . . . . . . . . . . . . . . . . 11

2.2 Positive Definite Matrices . . . . . . . . . . . . . . . . . . . 13
2.3 Lyapunov Theory for Linear Time-Invariant Systems . . . . 16
2.4 Lyapunov Equations . . . . . . . . . . . . . . . . . . . . . . 20
2.5 Stability with Uncertainty . . . . . . . . . . . . . . . . . . . 23
2.6 Further Results on the Lyapunov Theory . . . . . . . . . . 26
2.6.1 Hystorical Notes . . . . . . . . . . . . . . . . . . . . . 26
2.6.2 Lyapunov Stability . . . . . . . . . . . . . . . . . . . 27
2.7 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

3 Kalman Canonical Decomposition 35

3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.2 Controllability Canonical Partition . . . . . . . . . . . . . . 37
3.3 Observability Canonical Partition . . . . . . . . . . . . . . . 39
3.4 General Partition . . . . . . . . . . . . . . . . . . . . . . . . 40
3.5 Remarks on Kalman Decomposition . . . . . . . . . . . . . 47
3.6 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

4 Singular Value Decomposition 51

4.1 Singular Values of a Matrix . . . . . . . . . . . . . . . . . . 51

4.2 Spectral Norm and Condition Number of a Matrix . . . . . 53
4.3 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58

vii
viii Contents

5 Open-loop Balanced Realization 59

5.1 Controllability and Observability Gramians . . . . . . . . . 59

5.2 Principal Component Analysis . . . . . . . . . . . . . . . . 63
5.3 Principal Component Analysis Applied to Linear Systems . 64
5.4 State Transformations of Gramians . . . . . . . . . . . . . . 66
5.5 Singular Values of Linear Time-invariant Systems . . . . . . 68
5.6 Computing the Open-loop Balanced Realization . . . . . . 69
5.7 Balanced Realization for Discrete-time Linear Systems . . . 73
5.8 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75

6 Reduced Order Models and Symmetric Systems 77

6.1 Reduced Order Models Based on the Open-loop Balanced Re-

alization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
6.1.1 Direct Truncation Method . . . . . . . . . . . . . . . 79
6.1.2 Singular Perturbation Method . . . . . . . . . . . . . 81
6.2 Reduced Order Model Exercises . . . . . . . . . . . . . . . . 82
6.3 Symmetric Systems . . . . . . . . . . . . . . . . . . . . . . . 86
6.3.1 Reduced Order Models for SISO Systems . . . . . . . 86
6.3.2 Properties of Symmetric Systems . . . . . . . . . . . 88
6.3.3 The Cross-gramian Matrix . . . . . . . . . . . . . . . 90
6.3.4 Relations Between Wc2 , Wo2 and Wco . . . . . . . . . 90
6.3.5 Open-loop Parameterization . . . . . . . . . . . . . . 96
6.3.6 Relation Between the Cauchy Index and the Hankel
Matrix . . . . . . . . . . . . . . . . . . . . . . . . . . 98
6.3.7 Singular Values for a FIR Filter . . . . . . . . . . . . 99
6.3.8 Singular Values of All-pass Systems . . . . . . . . . . 102
6.4 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103

7 Variational Calculus and Linear Quadratic Optimal Control 107

7.1 Variational Calculus: An Introduction . . . . . . . . . . . . 108

7.2 The Lagrange Method . . . . . . . . . . . . . . . . . . . . . 110
7.3 Towards Optimal Control . . . . . . . . . . . . . . . . . . . 112
7.4 LQR Optimal Control . . . . . . . . . . . . . . . . . . . . . 117
7.5 Hamiltonian Matrices . . . . . . . . . . . . . . . . . . . . . 124
7.6 Solving the Riccati Equation via the Hamiltonian Matrix . 127
7.7 The Control Algebraic Riccati Equation . . . . . . . . . . . 127
7.8 Optimal Control for SISO Systems . . . . . . . . . . . . . . 129
7.9 Linear Quadratic Regulator with Cross-weighted Cost . . . 134
7.10 Finite-horizon Linear Quadratic Regulator . . . . . . . . . . 135
7.11 Optimal Control for Discrete-time Linear Systems . . . . . 136
7.12 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
Contents ix

8 Closed-loop Balanced Realization 139

8.1 Synthesis of a Compensator for High-Order Systems . . . . 139

8.2 Filtering Algebraic Riccati Equation . . . . . . . . . . . . . 140
8.3 Computing the Closed-loop Balanced Realization . . . . . . 142
8.4 Procedure for Closed-loop Balanced Realization . . . . . . . 144
8.5 Reduced Order Models Based on Closed-loop Balanced Real-
ization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
8.6 Closed-loop Balanced Realization for Symmetric Systems . 149
8.7 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150

9 Positive-real, Bounded-real and Negative-imaginary Systems 153

9.1 Passive Systems . . . . . . . . . . . . . . . . . . . . . . . . 154

9.1.1 Passivity in the Frequency Domain . . . . . . . . . . 154
9.1.2 Passivity in the Time Domain . . . . . . . . . . . . . 159
9.1.3 Factorizing Positive-real Functions . . . . . . . . . . 160
9.1.4 Passive Reduced Order Models . . . . . . . . . . . . 161
9.1.5 Energy Considerations Connected to the Positive-real
Lemma . . . . . . . . . . . . . . . . . . . . . . . . . . 161
9.1.6 Closed-loop Stability and Positive-real Systems . . . 162
9.1.7 Optimal Gain for Loss-less Systems . . . . . . . . . . 163
9.2 Circuit Implementation of Positive-real Systems . . . . . . . 165
9.3 Bounded-real Systems . . . . . . . . . . . . . . . . . . . . . 166
9.3.1 Properties of Bounded-real Systems . . . . . . . . . . 169
9.3.2 Bounded-real Reduced Order Models . . . . . . . . . 170
9.4 Relationship Between Passive and Bounded-real Systems . . 170
9.5 Negative-imaginary Systems . . . . . . . . . . . . . . . . . . 171
9.5.1 Characterization of Negative-imaginary Systems in the
Frequency Domain . . . . . . . . . . . . . . . . . . . 171
9.5.2 Characterization of Negative-imaginary Systems in the
Time Domain . . . . . . . . . . . . . . . . . . . . . . 175
9.5.3 Closed-loop Stability and Negative-imaginary Systems 176
9.6 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178

10 Enforcing the Positive-real or the Negative-imaginary

Property in a Linear Model 181

10.1 Why to Enforce the Positive-real and Negative-Imaginary

Property in a Linear Model . . . . . . . . . . . . . . . . . . 181
10.2 Passification . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
10.3 Forward Action to make a System Negative-Imaginary . . . 187
10.3.1 The SISO Case . . . . . . . . . . . . . . . . . . . . . 187
10.3.2 The MIMO Case . . . . . . . . . . . . . . . . . . . . 191
10.4 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
x Contents

11 H∞ Linear Control 195

11.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 195

11.2 Solution of the H∞ Linear Control Problem . . . . . . . . . 197
11.3 The H∞ Linear Control and the Uncertainty Problem . . . 205
11.4 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208

12 Linear Matrix Inequalities for Optimal and Robust Control 209

12.1 Definition and Properties of LMI . . . . . . . . . . . . . . . 210

12.2 LMI Problems . . . . . . . . . . . . . . . . . . . . . . . . . 211
12.2.1 Feasibility Problem . . . . . . . . . . . . . . . . . . . 211
12.2.2 Linear Objective Minimization Problem . . . . . . . 212
12.2.3 Generalized Eigenvalue Minimization Problem . . . . 212
12.3 Formulation of Control Problems in LMI Terms . . . . . . . 213
12.3.1 Stability . . . . . . . . . . . . . . . . . . . . . . . . . 213
12.3.2 Closed-loop Stability . . . . . . . . . . . . . . . . . . 213
12.3.3 Simultaneous Stabilizability . . . . . . . . . . . . . . 214
12.3.4 Positive-real Lemma . . . . . . . . . . . . . . . . . . 214
12.3.5 Bounded-real Lemma . . . . . . . . . . . . . . . . . . 214
12.3.6 Calculating the H∞ Norm Through LMI . . . . . . . 215
12.4 Solving a LMI Problem . . . . . . . . . . . . . . . . . . . . 215
12.5 LMI Problem for Simultaneous Stabilizability . . . . . . . . 218
12.6 Solving Algebraic Riccati Equations Through LMI . . . . . 221
12.7 Computation of Gramians Through LMI . . . . . . . . . . . 223
12.8 Computation of the Hankel Norm Through LMI . . . . . . 224
12.9 H∞ Control . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
12.10 Multiobjective Control . . . . . . . . . . . . . . . . . . . . . 228
12.11 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235

13 The Class of Stabilizing Controllers 237

13.1 Parameterization of Stabilizing Controllers for Stable

Processes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
13.2 Parameterization of Stabilizing Controllers for Unstable
Processes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
13.3 Parameterization of Stable Controllers . . . . . . . . . . . . 242
13.4 Simultaneous Stabilizability of Two Systems . . . . . . . . . 245
13.5 Coprime Factorizations for MIMO Systems and Unitary
Factorization . . . . . . . . . . . . . . . . . . . . . . . . . . 245
13.6 Parameterization in Presence of Uncertainty . . . . . . . . . 247
13.7 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
Contents xi

14 Formulation and Solution of Matrix Algebraic Problems

through Optimization Problems 253

14.1 Solutions of Matrix Algebra Problems Using Dynamical Sys-

tems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
14.1.1 Problem 1: Inverse of a Matrix . . . . . . . . . . . . 254
14.1.2 Problem 2: Eigenvalues of a Matrix . . . . . . . . . . 256
14.1.3 Problem 3: Eigenvectors of a Symmetric Positive Def-
inite Matrix . . . . . . . . . . . . . . . . . . . . . . . 258
14.1.4 Problem 4: Observability and Controllability Gramian 259
14.2 Computation of the Open-loop Balanced Representation via
the Dynamical System Approach . . . . . . . . . . . . . . . 260
14.3 Concluding Remarks . . . . . . . . . . . . . . . . . . . . . . 263
14.4 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264

15 Time-delay Systems 265

15.1 Modeling Systems with Time-delays . . . . . . . . . . . . . 265

15.2 Basic Principles of Time-delay Systems . . . . . . . . . . . 266
15.3 Stability of Time-delay Systems . . . . . . . . . . . . . . . . 269
15.4 Stability of Time-delay Systems with q = 1 . . . . . . . . . 270
15.5 Direct Method . . . . . . . . . . . . . . . . . . . . . . . . . 275
15.6 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281

Recommended Essential References 283

Appendix A. Norms 291

Appendix B. Algebraic Riccati Equations 295

Appendix C. Invariance Under Frequency Transformations 299

Index 303
Preface

The main aim of this book is to provide for undergraduate and graduate
students, as well as researchers, who already possess the main concepts of
automatic control and system analysis, a self-contained resource collecting
advanced techniques for linear system theory and control design. Selected
theoretical backgrounds are also presented in the book, together with many
numerical exercises and MATLABr examples.
We intend to offer a complete and easy-to-read handbook of advanced
topics in automatic control, including techniques such as the Linear Quadratic
Regulator (LQR) and H∞ control. Large emphasis is also given to Linear
Matrix Inequalities (LMIs) with the purpose of demonstrating their use as a
unifying tool for system analysis and control design.
In presenting the different approaches to control design, the books explic-
itly takes into account the problem of the robustness of the obtained closed-
loop control. Robustness, in fact, represents the capability of a control system
to guarantee the stability in the presence of uncertainty, due to the model itself
or to the use of approximated models, and as such is deemed as particularly
important in view of the practical implementation of the control techniques.
Many books on LQR control and H∞ control have been proposed since
1980. The LMI technique has become well-known in the control community,
and MATLABr toolboxes to solve advanced control problems have been de-
veloped. However, these subjects are often presented for a specialist audience
in materials that are excellent resources for researchers and PhD students.
This book, on the contrary, is oriented to illustrate these topics in an easy
and concise way, using a language suitable for students, yet maintaining the
necessary mathematical rigor.
This book is, therefore, a compendium of many ordered subjects. For spe-
cific proofs, the reader is often referred to the proposed literature. Many ex-
amples and MATLABr based exercises are included here to assist the reader
in understanding the proposed methods. The book can be considered as a
palimpsest of advanced modern topics in automatic control, including an ad-
vanced set of analytical examples and MATLABr exercises. The topics in-
cluded in the book are mainly illustrated with reference to continuous-time
linear systems, even if some results for discrete-time systems are briefly re-
called.
The book is organized into chapters structured as follows. The first chapter
is an introduction to advanced control, the second discusses some fundamental
concepts on stability and provides the tools for studying uncertain systems.

xiii
xiv Preface

The third presents the Kalman decomposition. The fourth chapter is on sin-
gular value decomposition of a matrix, given the importance of numerical
techniques for systems analysis. The fifth and sixth chapters are on open-loop
balanced realization and reduced order models. The seventh chapter presents
the essential aspects of variational calculus and optimal control and the eighth
illustrates closed-loop balancing. The properties of positive-real, bounded-real
and negative-imaginary systems are the subject of the ninth and tenth chap-
ter. In the eleventh and twelfth chapter, the essential aspects of H∞ control
and LMI techniques commonly used in control systems design are dealt with.
The thirteenth chapter is devoted to discuss the class of stabilizing controllers.
The fourteenth chapter reviews some of the problems already discussed in the
book by introducing an approach based on the steady-state solution of a non-
linear dynamical system. Finally, the fifteenth chapter briefly discusses some
fundamental aspects of time-delay systems. The book also includes numerous
examples and exercises, considered indispensable for learning the methodology
of the topics dealt with, and a list of essential references.
This book is targeted at electrical, electronic, computer science, space and
automation engineers interested in advanced topics on automatic control. Me-
chanical engineers as well as engineers from other fields may also be inter-
ested in the topics of the book. The contents of the book can be learned
autonomously by the reader in less than a semester.

For MATLABr and Simulinkr product information, please contact:

The MathWorks, Inc.

3 Apple Hill Drive
Natick, MA 01760-2098 USA
Tel: 508-647-7000
Fax: 508-647-7001
Email: [email protected]
Web: www.mathworks.com
Symbol List

Symbol Description

R the set of real numbers square matrices, i.e.,

C the set of complex num- A ∗ B = {aij bij })
bers det (A) determinant of matrix
Rn real vectors of n compo- A
nents trace(A) trace of matrix A
Cn complex vectors of n P>0 (semi-defined) defined
components positive matrix
Rm×n real matrices of dimen- P≥0 semi-defined positive
sions m × n matrix
Cm×n complex matrices of di- P<0 (semi-defined) defined
mensions m × n negative matrix
<e (x) real part a of a complex P≤0 semi-defined negative
number x = a + jb matrix
=m (x) imaginary part b of a λi (A) i-th eigenvalue of ma-
complex number x = trix A
a + jb σi (A) i-th singular value of
|x| absolute value of a real matrix A
number or the modulus ρ(A) spectral radius (maxi-
of a complex number mum eigenvalue) of ma-
kxk norm of vector x trix A
aij coefficient of line i and S(A, B, C, D) linear dynamical sys-
column j of matrix A tem ẋ = Ax + Bu, y =
sup superior extreme of a Cx + Du
set Mc controllability matrix of
inf inferior extreme of a set a system
I identity matrix of op- Mo observability matrix of
portune dimensions a system
AT transpose of a matrix σi i-th singular value of a
A∗ conjugate transpose of system
A ∈ Cn×n µi i-th characteristic value
A⊗B Kronecker product of a system
A∗B Hadamard product RIC(H) Riccati equation solu-
(component by com- tion associated with
ponent product of two Hamiltonian matrix H

xv
xvi Symbol List

SISO single input single MIMO multi input multi

output system output system
1
Modelling of Uncertain Systems and the
Robust Control Problem

CONTENTS
1.1 Uncertainty and Robust Control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 The Essential Chronology of Major Findings in Robust Control 9

In this chapter the main concepts related to robust control are introduced.
In particular, the key notions of robustness and uncertainty are presented. In
the formalization of uncertainty, both the structured and unstructured cases
are dealt with. In this preliminary part, the representation of a linear time
invariant system in term of the realization matrix is also given. Some examples
of uncertainty generated with MATLAB examples are reported. The essential
chronology of the recent history of robust control is also outlined.

1.1 Uncertainty and Robust Control

In control system design, the primary requirement is the asymptotic stability
of controlled systems. In automatic control, this is guaranteed through the de-
sign of an appropriate controller based on the nominal model of the process.
However, in reality there may be several sources of uncertainty which make the
nominal model inaccurate. Robust control deals explicitly with system uncer-
tainties which account for the differences between the real model and nominal
model. Robust control guarantees controlled system performance (primarily,
asymptotic stability) when there are uncertainties.
The robust control issue can be summarized as: given a nominal process
with acceptable interval values for perturbances, a controller should provide
satisfactory performance in a closed-loop system for all the processes with the
“acceptable” perturbances.
As regards stability, the requisites of a robust control system should ensure:
1. Closed-loop stability under nominal conditions;
2. Closed-loop stability although there are uncertainties in the model.

DOI: 10.1201/9781003196921-1 1
2 Optimal and Robust Control: Advanced Topics with MATLAB r

FIGURE 1.1
Unitary feedback control scheme.

As clarified below, uncertainties come in various forms, but, notwithstand-

ing, an acceptable value range for possible uncertainties must be hypothesized
within which interval control system performance is guaranteed. This can also
provide a way to establish if one controller is more robust than another: the
greater the range of acceptable values for uncertainties, the more the controller
can be considered robust.
The automatic control theory refers to the feedback control model repre-
sented in Figure 1.1 (unitary feedback) or in Figure 1.2 (non-unitary feedback).
P represents the process and generally no assumptions are made about its lin-
earity, assuming only it is a time-invariant system. C indicates the controller
to be designed. The main issue is to design C, so the closed-loop system is
asymptotically stable. Furthermore, in addition to this basic specification, the
control system can be required to respond to other criteria. In the case of
robust control, another important factor must be accounted for: the process
model may have uncertainties.
For example, consider a linear process, described by transfer function
1
P (s) = s2 (s+1) . Who can say for sure that the pole of this system is ex-
actly −1? And, in the same way, on what basis could the system gain be
considered perfectly unitary? For this reason, in the theory of robust control,
g1
the system is indicated by P (s) = s2 (s+p 1)
, inputting parameters which ac-
count for system uncertainties. g1 = 1 and p1 = 1 should be considered the
nominal values of the parameters that, however, in practice may eventually
have different values, with a variation range that is usually known. This type
of uncertainty concerns parameter values which characterize the system and
so is defined parametric uncertainty or structured uncertainty. Examples of
parametric uncertainty can be seen in daily life. Think of any size measure-
ment (e.g., the length of a table): the measurement depends on the accuracy
of the measuring instrument.
There are also other causes of parametric uncertainty. Parameter values
may also vary depending on the operating conditions of the system. Think of
a resistor heated by the Joule effect: electrical resistivity increases, modifying
the value of that resistance. Or think of an airplane, as the fuel is consumed,
the plane total mass decreases.
Obviously, if parameter values change (even if in a predictable range),
control system performance drops off compared to a nominal one (in fact,
Modelling of Uncertain Systems and the Robust Control Problem 3

FIGURE 1.2
Feedback control scheme.

the design was related to nominal parameter values). The first goal of robust
control is to ensure that, even with changing parameter values, the system
asymptotic stability is guaranteed.
Above, there was an example of parametric uncertainty about the coeffi-
cients of the transfer function of a linear time-invariant system. Now consider
a nonlinear time-invariant system (with one input and output, for example),
described by the equations:

ẋ = f(x) + g(x)u
(1.1)
y = h(x)u
with x ∈ Rn (state variables), u ∈ R (system input) and y ∈ R (system
output), g : Rn → Rn , f : Rn → Rn and h : Rn → Rn . With robust control,
parametric uncertainty in the model is highlighted by using the parameters
α, β and γ:

ẋ = f(x, α) + g(x, β)u

(1.2)
y = h(x, γ)u
In this case, ᾱ, β̄ and γ̄ indicate the nominal values of the parameters
α, β and γ. Robust control for system (1.2) means designing C to guarantee
closed-loop asymptotic stability, given the variation spans of parameters α, β
and γ (generally, vectors of arbitrary size).
Similarly, one can consider linear systems in state-space form or other
nonlinear models. Especially, for a linear time-invariant system in state-space
form:

ẋ = Ax + Bu
(1.3)
y = Cx + Du
with x ∈ Rn , u ∈ Rm , y ∈ Rp , A ∈ Rn×n , B ∈ Rn×m , C ∈ Rp×n , D ∈ Rp×m ,
coefficients of A, B, C and D vary in certain intervals. What is required for
robust control, once the controller is designed for nominal parameter values,
is that asymptotic stability is guaranteed even when the parameters are not
nominal.
4 Optimal and Robust Control: Advanced Topics with MATLAB r

The linear time-invariant systems can also be described in a more compact

form with the realization matrix :
 
A B
R= (1.4)
C D
If the number of inputs equals the number of system outputs (p = m)
then matrix R is square (R ∈ R(n+m)×(n+m) ). The eigenvalues of this matrix
can easily be shown not to depend on the reference system. In fact, a state
transformation leads to:

R̃ = T−1 RT (1.5)
which is clearly a similarity relation.
To verify if a system is minimal, it is possible to calculate the eigenvalues of
matrix R which are represented by λ̄1 , λ̄2 , . . . , λ̄n+m , whereas the eigenvalues
of A by λ1 , λ2 , . . . , λn . These quantities are system invariants, that is, they do
not depend on the state-space representation. The system is minimal if none
of eigenvalues of A coincide with those of R.
There is another type of uncertainty which is more difficult to deal with
than parametric uncertainty. Called structural uncertainty or unstructured un-
certainty, it concerns the model structure. Consider again the example of the
1
process described by P = s2 (s+1) , structural uncertainty takes into account
the possibility that the modelling did not account perhaps for an additional
pole and an additional zero in the process transfer function:
( αs0 + 1)
P =
s2 (s + 1)( αs + 1)

So, structural uncertainty derives from incorrect modelling, which possibly

overlooked some dynamics of the real process. Neglecting some dynamics in
modelling is actually very common and can have consequences for closed-loop
stability.
Example 1.1
1
Consider system P (s) = (s+1)2
. The transfer function of the closed-loop system
Y (s) C(s)P (s)
(Fig. 1.1) is given by M (s) = R(s) = 1+C(s)P (s) . Using a simple proportional controller
k
C(s) = k, you obtain M (s) = (s+1) 2 +k and the closed-loop system is asymptotically
stable ∀k > 0.
For example, if C(s) = 100, notice that this controller is robust to parametric variations
of position of the pole of P (s) with double multiplicity. In fact, if instead of p = −1,
it was p = −α, the controller C(s) = 100 would continue to guarantee closed-loop
asymptotic stability to a large value of the parameter (α > 0).
In the case of structural uncertainty, the scenario is different. Suppose that there is an
1
uncertainty, say on system order, so that P (s) = (s+1) 3 . The characteristic closed-loop

equation is given by (s + 1)3 + k = 0, i.e., s3 + 3s2 + 3s + 1 + k = 0. Applying the Routh

criterion, we note that in this case the system is asymptotically stable if 0 < k < 8.
1
Controller C(s) = 100, designed for the nominal system P (s) = (s+1) 2 , no longer guar-
antees asymptotic stability because of the structural uncertainty of an additional pole
Modelling of Uncertain Systems and the Robust Control Problem 5

at −1. The conclusion is that the consequences of uncertainty on system order, having
overlooked some dynamics (which could also be a parasite dynamic which triggers in
certain conditions), can be very important.

Defining parametric uncertainty is done by expressing a parameter varia-

tion range. For example, given a linear time-invariant system described by its
transfer function
N (s) b0 sm + b1 sm−1 + . . . + bm−1 s + bm
P (s) = =
D(s) sn + a1 sn−1 + . . . + an−1 s + an

once the minimum and maximum values of the various coefficients are as-
signed, parametric uncertainty is completely characterized:

am
1 ≤ a1 ≤ a1
M

...
am
n ≤ an ≤ an
M
(1.6)
bm
0 ≤ b0 ≤ bM
0
...
bm
m ≤ bm ≤ bm
M

If there is structural uncertainty we assume P (s) = P0 (s) + ∆P (s), where

P0 (s) represents the nominal model and ∆P (s) represents uncertainty. This
structural uncertainty is additive. Structural uncertainty can also be multi-
plicative: P (s) = P0 (s)∆P (s). Structural uncertainty is measured by a norm
of the transfer function or of the transfer matrix. We will see how to define
such a norm in Chapter 9.
The greater the required robustness, the greater the precision required to
model the process. A particularly important role in robust control is test-
ing. The popularity of personal computers now makes it possible to perform
tests through numerical simulations even when the robust control problem
has no analytical solutions. Numerical simulations help verify operation and
controller performance in the variation interval indicated by the uncertainty.
The most critical issue is structural uncertainty. Suppose we consider a
horizontal beam fixed at one end and subject to a stimulus at the other. This
system has distributed parameters and could be modelled by an infinite series
of mass-spring systems. The free-end deflection has infinite
P∞ modes which can
be described with a transfer function of type G(s) = i=0 Gi (s), where Gi (s)
is the transfer function describing the mode associated with the n-th section.
However, this approach is not so easy to carry out and so an approximation
G(s) = G0 (s) + ∆G(s) is used which takes into account the most important
modes (modelled by G0 (s)). Approximation is necessary for the design of a
non-distributed controller (note too that additive uncertainty helps model
the high frequency dynamic neglected by the approximation). In these cases
only the dominant part is considered, but it is essential that the controller is
robust enough for any uncertainty in the dynamics not described in the model.
This introduces another very important issue treated below: how to figure out
6 Optimal and Robust Control: Advanced Topics with MATLAB r

reduced order models which can allow to deal with the control problem in a
simpler way. It seems clear that this operation introduces an error which can
be evaluated and taken into account in the robust controller design.
Now, let us turn to the case of the linear time-invariant systems described
by equations (1.3). In the next example, we will discuss parametric and struc-
tural uncertainty in the state matrix A and illustrate how the position of the
eigenvalues of this matrix is affected by this uncertainty.

MATLABr Exercise 1.1

Let us consider a linear time-invariant system with state matrix
 
0 1 0
A=  0 0 1  (1.7)
−1 + k1 −3 + k2 −3
It contains two parameters k1 and k2 which are uncertain. This system is therefore an
example of a system subject to parametric uncertainty. Note that for k1 = k2 = 0 the
system is asymptotically stable, being all eigenvalues of A equal and negative, namely,
λ1 = λ2 = λ3 = −1.
Now consider the case that k1 and k2 are random numbers drawn from a normal distri-
bution and calculate the eigenvalues repeating the computation for different instances
of the random process. To this aim, let us the following MATLAB commands:
for i=1:1000
k1=randn;
k2=randn;
A=[0 1 0;0 0 1;-1+k1 -3+k2 -3];
figure(1); plot(k1,k2,’k.’); hold on;
figure(2); plot(real(eig(A)),imag(eig(A)),’k.’); hold on;
end
The result is illustrated in Figure 1.3, which shows that in most of the cases the stability
is preserved, but in some cases eigenvalues with positive real part appear, yielding an
unstable system.
The exercise can be repeated considering a smaller uncertainty, for instance, using
k1=0.1*randn; and k2=0.1*randn; to obtain a system that with high probability re-
mains stable.
The effect of other distributions for k1 and k2 can also be studied. For instance, con-
sidering an uniform distribution in [−0.5, 0.5] with the commands k1=rand-0.5 and
k2=rand-0.5, we obtain the result shown in Figure 1.4. In this case, the system is
always stable.
The characteristic polynomial of A is given by p(λ) = λ3 + 3λ2 + (3 − k2 )λ + 1 − k1 as
one can also verify using symbolic calculus in MATLAB:
>> syms k1 k2 real positive
>> A=[0 1 0;0 0 1;-1+k1 -3+k2 -3];
>> p=charpoly(A)
Applying the Routh criterion for stability, one derives that the following conditions
need to be satisfied: k1 < 1, k2 < 3 and 8 − 3k2 + k1 > 0. This explains why, when
k1 and k2 are drawn from an uniform distribution in [−0.5, 0.5], one always obtains a
stable polynomial.
Let us now discuss an example of unstructured uncertainty, where the uncertainty is
no more located on some specific parameters of the state matrix A. In particular, let
us consider the following matrix:
 
0 1 0
A=  0 0 1  + ∆A (1.8)
−1 −3 −3
Modelling of Uncertain Systems and the Robust Control Problem 7

(a) (b)

FIGURE 1.3
Stability of linear systems in presence of parametric uncertainty: (a) distribu-
tion of the parameters k1 and k2 ; (b) eigenvalues of the state matrix A (1.7)
when k1 and k2 are drawn from a normal distribution.

where ∆A is the uncertainty. Note that, in absence of perturbation, i.e., ∆A = 0, the

same state matrix previously considered is recovered.
Suppose now that the coefficients of ∆A assume random values drawn from a normal
distribution with zero mean and unitary variance. The following MATLAB command
can be used to numerically study the problem:
A=[0 1 0; 0 0 1;-1 -3 -3]
for i=1:1000
DeltaA=1*randn(3);
A=A+DeltaA;
plot(real(eig(A)),imag(eig(A)),’.k’)
hold on
end
Figure 1.5 shows an example of the location of the eigenvalues of A.

For linear time-invariant systems described by equations (1.3), under

opportune hypotheses, a controller can be designed using a control law which
operates on state variables (the linear state regulator u = −kx). Remem-
ber, should not all the state variables be accessible, they would have to be
reconstructed through an asymptotic state observer. This common technique
usually includes the design of a linear regulator and an asymptotic observer
which together constitute the compensator.
When designing a linear state
 regulator, the system must be completely
controllable (i.e., matrix Mc = B AB A2 B . . . An−1 B has maximum
rank), whereas designing an asymptotic observer needs the system to be com-
T
pletely observable (i.e., matrix Mo = C CA CA2 . . . CAn−1

has
maximum rank).
Furthermore, note that, since the observer is a dynamical system (linear
and time-invariant) of order n, then the compensator obtained is a dynam-
ical system of order n. High-order systems require the design of high-order
8 Optimal and Robust Control: Advanced Topics with MATLAB r

(a) (b)

FIGURE 1.4
Stability of linear systems in presence of parametric uncertainty: (a) distribu-
tion of the parameters k1 and k2 ; (b) eigenvalues of the state matrix A (1.7)
when k1 and k2 are drawn from an uniform distribution in [−0.5, 0.5].

compensators. So, now, the problem of formulating a lower-order model also

includes the design of a compensator. To do this, there are two different tech-
niques. The first is to design a compensator and then build the lower-order
model. The second is to design the compensator directly on the lower-order
model (e.g., considering P0 (s) and neglecting ∆P (s)).
It is important to remark that the uncertainties regard the process P and
not the controller C. This is so, as it is supposed that the controller is the re-
sult of a design, so any uncertainties about its parameters are minimal. More
recently, it has been discovered that compensators designed with the theory of
robust control are fragile, that is, that compared to the compensator param-
eters, robustness is poor, so even minimal uncertainties about compensator
coefficients can lead to system de-stabilization. At the heart of the compen-
sator issue is that when it is designed to be robust against the uncertainties
in the model of process P , it remains fragile with respect to the uncertainties
in the model of controller C. Fragility means that a small perturbation in the
controller parameters can even destabilize the closed-loop system.
This chapter has briefly described the main robust control issues to be dealt
with in subsequent chapters. Before that, certain subjects will be briefly pre-
sented which are the pillars of systems theory (e.g., stability). This approach
was decided on for two reasons: first, is the importance of these subjects to
robust control, and, second, is that undergraduate courses are organized on
two levels. The course which this book is part of is a Master course for stu-
dents who have likely dealt with automation previously. So, this makes a brief
discourse on systems theory necessary.
Modelling of Uncertain Systems and the Robust Control Problem 9

FIGURE 1.5
Stability of linear systems in presence of unstructured uncertainty as in equa-
tion (1.8): eigenvalues of the state matrix A.

1.2 The Essential Chronology of Major Findings in Ro-

bust Control
Parameterization of stabilizing controllers (Youla, 1976).
Poor robustness of LQG controllers (Doyle, 1978).
Formulating H∞ problems for SISO systems (Zames, 1981).
Balanced realizations (Moore, 1981).
Definition of µ (Doyle, 1982).
Definition of multivariable stability margins (Safonov, 1982).
H∞ synthesis algorithms for systems in state-space form: high order control
(Doyle, 1984).
First book on robust control (Francis, 1987).
H∞ synthesis algorithms for systems in state-space form: low order control
(Doyle, Glover, Khargonekar, Francis, 1988).
2
Fundamentals of Stability

CONTENTS
2.1 Lyapunov Criteria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Positive Definite Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.3 Lyapunov Theory for Linear Time-Invariant Systems . . . . . . . . . . . 16
2.4 Lyapunov Equations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.5 Stability with Uncertainty . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.6 Further Results on the Lyapunov Theory . . . . . . . . . . . . . . . . . . . . . . . 26
2.6.1 Hystorical Notes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.6.2 Lyapunov Stability . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.7 Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

This chapter deals with the problem of stability, the main requirement of a
control system. In going over some basics in system analysis, the emphasis
is on some advanced mathematical tools (e.g., Lyapunov equations), which
will be useful below. Particular attention is given to Lyapunov theory for the
case of linear time-invariant systems. The Lyapunov linear matrix equation
is introduced in detail and the concept of positive definite matrix is also dis-
cussed. Some criteria to verify this property are reported and the solution
of Lyapunov equations via vectorization is presented with numerical exam-
ples. The Kharitonov criterion to test the stability of uncertain system is also
introduced. At the end of the chapter, several worked examples are included.

2.1 Lyapunov Criteria

The equilibrium points of an autonomous dynamical system ẋ = f (x) with
 T  T
x = x1 x2 . . . xn and f (x) = f1 (x) f2 (x) . . . fn (x) can
be calculated by ẋ = 0 (i.e., solving the systems of equations f (x) = 0). Gener-
ally, the equations are nonlinear and may have one or more solutions, whereas
for autonomous linear systems, the equilibrium points can be calculated by
Ax = 0, which has only one solution (x = 0) if det(A) 6= 0.

DOI: 10.1201/9781003196921-2 11
12 Optimal and Robust Control: Advanced Topics with MATLAB r

So, nonlinear systems may have more than one equilibrium point. In
addition, each of these equilibrium points has its own stability characteristics.
For example, think of a pendulum. It has two equilibrium points as shown in
Figure 2.1. Only the second of the two equilibrium points is stable. If the pen-
dulum were to start from a position near equilibrium point (a), it would not
return to its equilibrium position, differently from what happens at point (b).
For this reason, in nonlinear systems, stability is a property of equilibrium
points, and not of the whole system. The stability of an equilibrium point
can be studied through the criteria introduced by the Russian mathematician
Aleksandr Mikhailovich Lyapunov (1857–1918).

FIGURE 2.1
Equilibrium points of a pendulum.

The first of Lyapunov’s criteria defines stability of an equilibrium point.

It says that if a system starts from initial conditions very close to a stable
equilibrium point, the state evolution is confined to the neighborhood of that
equilibrium point. If the initial conditions x(0) = x0 are close to equilibrium,
the response obtained by x0 , i.e., the perturbed response, is sufficiently close to
equilibrium point x̄ (the nominal response, i.e., the motion obtained starting
exactly from x̄, is in fact constant over time and equal to the equilibrium
point). To measure the distance between perturbed and nominal motion in
finite space, any vector norm can be used. The criterion is formally expressed
by:
Definition 1 (Lyapunov I criterion) The equilibrium point x̄ of the dy-
namical system ẋ = f (x) (f (x̄) = 0) is defined as stable when:
∀ε > 0, ∃δ > 0 such that ∀x0 with k x0 − x̄ k< δ one has
k x(t) − x̄ k< ε for ∀t > 0
Stability is said to be asymptotic, if this additional condition applies:

lim x(t) = x̄ (2.1)

t→+∞
In this case, the perturbed motion not only stays in the neighborhood of
the equilibrium point, but asymptotically tends to it.
Fundamentals of Stability 13

Definition 2 (Asymptotically stable equilibrium point) The equilibrium

point x̄ of the dynamical system ẋ = f (x) (f (x̄) = 0) is defined as asymptot-
ically stable if it is stable and furthermore condition (2.1) holds.

Before discussing Lyapunov’s second criterion, some preliminary notions

need to be discussed.
Note first that, without loss of generality, it is possible to consider x̄ = 0,
since it is always possible to shift the generic equilibrium point x̄ back to 0
by variable translation.
Now, the concept of positive definite functions needs to be introduced. Let
us consider a neighborhood Ω ⊆ Rn of point x̄ = 0.

Definition 3 (Positive definite function) Function V (x) : Rn → R is

positive definite in x̄ = 0 if the following hold:

1. V (0) = 0
2. V (x) > 0 ∀x ∈ Ω, x 6= 0

A function is positive semi-definite if V (0) = 0 and if V (x) ≥ 0 ∀x ∈ Ω,

x 6= 0. A function is negative definite if V (0) = 0 and if V (x) < 0 ∀x ∈ Ω,
x 6= 0. Finally, a function is negative semi-definite if V (0) = 0 and if V (x) ≤ 0
∀x ∈ Ω, x 6= 0.

Theorem 1 (Lyapunov II criterion) The equilibrium x̄ = 0 of the dy-

namical system ẋ = f (x) is stable if there is a scalar function of the state, the
so-called Lyapunov function, which has the following properties:

1. V (x) is positive definite for x̄ = 0

dV (x)
2. V̇ (x) = dt is negative semi-definite for x̄ = 0
The stability is asymptotic if V̇ (x) is negative definite.

From a physical point of view, the Lyapunov function represents system

energy. If the energy grows over time, it means that the state variables grow
(thus diverge). Conversely, if the energy tends to zero, the system is dissipating
energy.
Note that many Lyapunov functions satisfy the first condition of Lyapunov
II criterion; the difficulty lies in verifying the second condition.

2.2 Positive Definite Matrices

For linear systems, a Lyapunov function allowing to assess system stability is
easily found. In fact, for nonlinear systems, there is no general procedure for
14 Optimal and Robust Control: Advanced Topics with MATLAB r

finding Lyapunov functions, while for linear systems there is. Effectively, Lya-
punov second criterion for linear systems can be simplified. Before introducing
the criterion, firstly, positive definite matrices are defined.
Given matrix P ∈ Rn×n , a quadratic form can be associated to it: V (x) =
x Px, which is clearly a scalar function of vector x ∈ Rn .
T

Definition 4 A matrix P is positive definite if the quadratic form associated

to it is positive definite.
Likewise, it is possible to define negative definite, positive semi-definite
and negative semi-definite matrices.
Now, we discuss how to determine if a matrix is positive definite. It turns
out that this depends only on the so-called symmetric part of the matrix.
In fact, matrix P can always be written as the sum of two matrices, one
symmetric and one asymmetric, named symmetric part Ps and antisymmetric
part Pas of matrix:

P = Ps + Pas
where the symmetric part is
1
Ps = (P + PT )
2
and the antisymmetric part is
1
(P − PT ).
Pas =
2
Clearly, only the symmetric part of a matrix determines if a matrix is
positive definite as:

V (x) = xT Px = xT Ps x
In fact, the asymmetric part does not contribute. This can be seen consid-
ering that:

V (x) = xT Px = p11 x21 + . . . + pnn x2n + (p12 + p21 )x1 x2 + (p13 + p31 )x1 x3 + . . .
. . . + (pn−1,n + pn,n−1 )xn−1 xn
On the other hand, from the definition of Ps one has:
p21 +p12
. . . pn1 +p
 
p11 2 2
1n

p +p
 21 12 p22 pn2 +p2n
2 ... 2

Ps = 
 
.. .. .. 
 . . . 
p1n +pn1 pn2 +p2n
2 2 . . . p nn

from which it follows that V (x) = xT Ps x.

Let us recall some properties of symmetric matrices that will be useful
below.
Fundamentals of Stability 15

• The eigenvalues of a symmetric matrix are real.

• A symmetric matrix is always diagonalizable. This means that there is al-
ways a set of linear independent and orthogonal eigenvectors, such that
VjT Vi = 0 if i 6= j. For symmetric matrices it is always possible to find a set
of orthonormal eigenvectors such that if
 
V = V1 V2 . . . Vn then:

VT V = I

VT = V−1

and

P = VΛVT

From this, we obtain a significant finding for positive definite matrices.

Consider the quadratic form V (x) of P, which equals:

V (x) = xT Ps x = xT VΛVT x
Consider the state transformation x̃ = VT x, then:

V (x̃) = x̃T Λx̃ (2.2)

Clearly, V (x) and V (x̃) have the same properties, but understanding if
V (x̃) is positive definite is much simpler. In fact, if all the eigenvalues of Ps
are positive, then V (x̃) is positive definite. This result can be summarized in
the theorem below.
Theorem 2 A symmetric matrix P is positive definite if all its eigenvalues
are positive.
The matrix is positive semi-definite if all its eigenvalues are non-negative
and there is at least one null eigenvalue. Moreover, P is negative definite if all
its eigenvalues are negative and negative semi-definite if all its eigenvalues are
non-positive and at least one of them is null. If the matrix is not symmetric, the
same conditions apply except that the eigenvalues are those of the symmetric
part of the matrix.
The following theorem is useful for determining if a symmetric matrix is
positive or not without calculating the eigenvalues.
Theorem 3 (Sylvester test) A symmetric matrix P is positive definite if
and only if all of its n principal minors D1 , D2 , . . . , Dn are positive, i.e.:

 
p11 p12
D1 = p11 > 0; D2 = det > 0; . . . ; Dn = det P > 0 (2.3)
p21 p22
16 Optimal and Robust Control: Advanced Topics with MATLAB r

MATLABr Exercise

2.1 
1 2 5
Consider P =  2 5 −1 . Since the matrix is symmetric, the Sylvester test can
5 −1 0
be applied to determine if it is positive definite or not.
Let us first define matrix P in MATLAB with the command:
>> P=[1 2 5; 2 5 -1; 5 -1 0]
and then compute D1 , D2 and D3 as follows:
>> D1=det(P(1,1))
>> D2=det(P(1:2,1:2))
>> D3=det(P)
One obtains: D1 = 1, D2 = 1 and D3 = −146. Since D3 < 0, P is not positive definite.

2.3 Lyapunov Theory for Linear Time-Invariant Systems

The Lyapunov second criterion for linear time-invariant systems concerns the
system stability. In fact, in linear systems, since all the equilibrium points
have the same stability properties, it is possible to refer to the stability of the
system. The criterion is expressed by the following theorem.

Theorem 4 (Lyapunov II criterion for linear time-invariant sys-

tems) A linear time-invariant system ẋ = Ax is asymptotically stable if and
only if for any positive definite matrix Q there exists a unique positive defi-
nite matrix P, which satisfies the following equation (the so-called Lyapunov
equation):
AT P + PA = −Q (2.4)

Equation (2.4) is a linear matrix equation, because the unknown P appears

with a maximum degree equal to 1.
For simplicity, usually symmetric Q is chosen. Here also P is symmetric:

(AT P + PA)T = −QT ⇒ PT A + AT PT = −QT

⇒ PT A + AT PT = −Q ⇒ PT = P
One way of solving a Lyapunov equation is by vectorization.
Example 2.1
Consider an example with n = 2:
 
−2 0
A=
0 −5
Since the Lyapunov criterion states that equation (2.4) should hold for any positive
definite Q, then let us choose Q = I (indeed, it suffices to prove it for one Q matrix, to
show that it holds for any).
Consider matrix P made up of three unknowns p11 , p12 and p22 :
Fundamentals of Stability 17

 
p11 p12
P= .
p12 p22
Solving the Lyapunov equation means solving a system of three equations with three
unknowns. By substituting in equation (2.4), we get:
       
−2 0 p11 p12 p11 p12 −2 0 −1 0
+ =
0 −5 p12 p22 p12 p22 0 −5 0 −1

 4p11 = 1
⇒ 7p12 = 0
10p22 = 1


The three equations with three unknowns can be rewritten in matrix form:
    
4 0 0 p11 1
 0 7 0   p12  =  0 
0 0 10 p22 1
 1 
4
0
This leads to: P = 1 . Matrix P is positive definite, so the system is asymp-
0 10
totically stable.

Notice that, since in Example 2.1 matrix A is diagonal, concluding that

the system is stable is immediate from the inspection of the eigenvalues of A
which are all in the open left half plane. Generally, testing system stability via
the Lyapunov second criterion is not numerically very efficient, since the first
Lyapunov equation has to be solved and then the positive definiteness of the
solution has to be verified. Tests on the eigenvalues of A or criteria such as
the Routh criterion are more direct and efficient. If A is known, the Lyapunov
second criterion is not the most efficient method to test the stability of the
linear system. However, it turns out that the Lyapunov second criterion is a
powerful theoretical tool for proving system stability.
Generally, if Q is not symmetric the vectorization is:
   
p11 q11
 p21   q21 
   
 p31 
M  = −  q31 
 
 ..   .. 
 .   . 
pnn qnn
2
×n2
where M ∈ Rn .

Proof (Proof of sufficiency of the second criterion of Lyapunov for linear

time-invariant systems). This proves the sufficient part of the Lyapunov cri-
terion for linear time-invariant systems, so if ∀ Q that is positive definite,
there exists a matrix P satisfying Lyapunov equation (2.4), then the system is
asymptotically stable.
Consider the Lyapunov quadratic function V (x) = xT Px. Since P is a
positive definite matrix, V (x) is a positive definite function. The derivative
against time of this function is:
18 Optimal and Robust Control: Advanced Topics with MATLAB r

V̇ (x) = ẋT Px + xT Pẋ

Since ẋ = Ax, then:

V̇ (x) = xT AT Px + xT PAx =

= xT (AT P + PA)x = −xT Qx

Since Q is a positive definite matrix, V̇ (x) is a negative definite func-
tion. Function V (x) = xT Px satisfies the hypotheses of Lyapunov II criterion
for dynamical systems and thus the equilibrium point (and so the system) is
asymptotically stable.

Before proving the necessary part of the theorem, an important property

of positive definite matrices should be highlighted.

Theorem 5 If Q ∈ Rn×n is a positive definite matrix and M ∈ Rn×n is a

full rank matrix, then also MT QM is a positive definite matrix.

Proof The quadratic form associated to MT QM is

V (x) = xT MT QMx = xT MT VΛVT Mx

where V is the orthonormal vector matrix which diagonalizes matrix Q, i.e.,
Q = VΛVT .
Given the state transformation x̃ = VT Mx, then

V (x̃) = x̃T Λx̃

which shows that MT QM is positive definite.
Generalizations of Theorem 5. Notice that with a similar procedure,
if instead matrix M is not a full rank, matrix MT QM is positive semi-definite.
Finally, if matrix M is not square (M ∈ Rn×m ) it can be shown that matrix
MT QM is positive semi-definite. In both cases, in fact, the transformation
x̃ = VT Mx is no longer an invertible transformation (also if M ∈ Rn×m , then
x ∈ Rm ), so it can only be concluded that the product matrix is positive
semi-definite.

Proof (Proof of the necessary part of Lyapunov’s II criterion for linear sys-
tems). The proof of the necessary part of the theorem, that is if the system is
asymptotically stable, then for every positive definite matrix Q there is a posi-
tive definite matrix P which is the solution of the Lyapunov equation (2.4), is
a constructive demonstration introducing the integral solution of the Lyapunov
equation.
Fundamentals of Stability 19

Remember that, if a linear time-invariant system is asymptotically stable,

then the zero-input response tends to zero for any initial condition

lim x(t) = 0 ∀x0

t→+∞

and, since x(t) = eAt x(0), also matrix eAt tends to zero:

lim eAt = 0
t→+∞

Remember also that T

[eAt ]T = eA t

This property can be easily proved by considering the definition of an ex-

ponential matrix:

A2 t 2 A3 t 3
eAt = I + At + + + ··· ⇒
2! 3!

(A2 )T t2 (A3 )T t3
(eAt )T = I + AT t + + + ··· =
2! 3!

(AT )2 t2 (AT )3 t3 T
= I + AT t + + + · · · = eA t
2! 3!
R ∞ AT t At
The improper integral P = 0 e Qe dt is finite, since each term tends
to zero. Matrix P, because of the properties of Theorem 5, is the integral of a
positive definite matrix for each t and therefore is positive definite. Note that
matrix P is also symmetric (if Q is symmetric).
R∞ T
Given that P = 0 eA t QeAt dt is a positive definite symmetric matrix,
the solution of Lyapunov equation (2.4) can be verified.
By substituting P into the Lyapunov equation we obtain:
Z ∞ Z ∞
T T
AT eA t QeAt dt + eA t QeAt dtA =
0 0
Z ∞
T T
= (AT eA t QeAt + eA t QeAt A)dt =
0
Z ∞ i∞
d AT t At h T
= (e Qe )dt = eA t QeAt = −Q
0 dt 0

where we used the fact that

lim eAt = 0
t→+∞

and that eA0 = I.

20 Optimal and Robust Control: Advanced Topics with MATLAB r

R ∞ Note 1. The solution to Lyapunov equation AP + PAT = −Q is P =

At AT t
0
e Qe dt.
Note 2. To study the asymptotic stability of a linear time-invariant system
from its characteristic polynomial, besides the well-known Routh criterion, the
Hurwitz criterion can be used. It facilitates knowing when a given polynomial
is a Hurwitz polynomial (i.e., when it has only roots with negative real part).

Theorem 6 (Hurwitz criterion) Polynomial

a(λ) = an λn + an−1 λn−1 + . . . + a1 λ + a0

with an > 0 is Hurwitz if all the principal minors of the so-called Hurwitz
matrix are greater than zero:
 
an−1 an−3 an−5 ... 0 0
 an an−2 an−4 ... 0 0 
 
 0 an−1 an−3 ... 0 0 
 
H= 0 an an−2 ... 0 0
 

 .. .. .. .. .. .. 
 . . . . . . 
 
 0 0 ... ... a1 0 
0 0 ... ... a2 a0

MATLABr Exercise 2.2

Consider the following polynomial which is obviously not a Hurwitz polynomial:

a(λ) = λ4 + 2λ3 + 5λ2 − 10λ + 0.7

The Hurwitz matrix is given by:
 
2 −10 0 0
 1 5 0.7 0 
H=
 
0 2 −10 0 
0 1 5 0.7
Calculating the principal minors produces: H1 = 2; H2 = 20; H3 = −202.8 and H4 =
−141.96. As expected at least one of the minors is not positive (H3 < 0 and H4 < 0).

2.4 Lyapunov Equations

In the previous section, we saw that, if the linear time-invariant system is
asymptotically stable, the Lyapunov equation (2.4) has only one solution.
Let us consider now a generic Lyapunov equation:

AX + XB = −C (2.5)
Fundamentals of Stability 21

where A, B and C are matrices of Rn×n (in the most general case, they are
non-symmetric), and X is a n × n unknown matrix.
Even here, the equation can be vectorized:
   
x11 c11
 x21   c21 
   
 x31 
M  = −  c31 
 
 ..   .. 
 .   . 
xnn cnn
2 2
where M is a suitable matrix in Rn ×n (if B = AT and C is a symmetric
matrix, the number of variables reduces to k = n(n+1) 2 and M ∈ Rk×k ).
The existence of a solution is related to the invertibility of matrix M. This
matrix can be obtained with Kronecker algebra. Let us recall therefore some
of the definitions and properties of Kronecker algebra.
The Kronecker product of two matrices A and B of Rn×n is a matrix of
n2 ×n2
R defined by:
 
a11 B a12 B . . . a1n B
 a21 B a22 B . . . a2n B 
A⊗B= .
 
.. .. 
 .. . . 
an1 B an2 B . . . ann B
The matrix eigenvalues can be calculated from those of matrix A and B.
Let us indicate with λ1 , λ2 , . . . , λn the eigenvalues of A and with µ1 , µ2 , . . . , µn
the eigenvalues of B. Then, the n2 eigenvalues of A ⊗ B are:

λ1 µ1 , λ1 µ2 , . . . , λ1 µn , λ2 µ1 , . . . , λn µn
It can be shown that the vectorization matrix is given by:

M = I ⊗ A + BT ⊗ I
with I ∈ Rn×n .
Also the eigenvalues of matrix M are simply linked to those of matrices A
and B. The eigenvalues of M = I ⊗ A + BT ⊗ I are indeed given by all the
possible n2 combinations of sums between an eigenvalue from A and one from
B:

λ1 + µ1 , λ1 + µ2 , . . . , λ1 + µn , λ2 + µ1 , . . . , λn + µn
M is invertible when there are no null eigenvalues:

λi + µj 6= 0, ∀i, j
This leads to answer the question whether a Lyapunov equation has a solu-
tion or not. Formally, the condition above can be expressed with the following
theorem.
22 Optimal and Robust Control: Advanced Topics with MATLAB r

Theorem 7 The Lyapunov equation

AX + XB = −C
n×n n×n
with A ∈ R ,B∈R and C ∈ Rn×n has only one solution if and only if

λi + µj 6= 0, ∀i, j
where λ1 , . . . , λn are the eigenvalues of A and µ1 , . . . , µn are those of B.
An immediate consequence of this theorem is that the Lyapunov equation
AT P + PA = −Q has only one solution if A has no eigenvalues on the imagi-
nary axis and if there are no pairs of real eigenvalues with equal module and
opposite sign (for example, λ1 = −1 and λ2 = +1), all of which conditions
are verified by the hypothesis of asymptotic stability.
We have seen that vectorizing the Lyapunov equation requires inverting a
matrix of size n2 × n2 (or a matrix of size n(n+1)
2 × n(n+1)
2 ). Even for a system
of order n = 10 this yields a matrix of ten thousand coefficients. This method
is more laborious to calculate than other iterative methods used routinely for
solving Lyapunov equations. Below is the sketch of an algorithm based on a
Schur decomposition for solving Lyapunov equations of type AT P+PA = −Q.
A Schur decomposition able to obtain A = UĀUT with UT U = I and higher
triangular matrix Ā is considered. At this point, all the Lyapunov equation
terms are multiplied by UT left and U right. Thus, ĀT P̄ + P̄Ā = −Q̄ is
obtained with Q̄ = UT QU and P̄ = UT PU. Here, triangular matrix A can
be used to iteratively solve the equation and then to find the solution P from
P = UP̄UT .

MATLABr Exercise 2.3

The aim of this MATLAB exercise is to familiarize with some MATLAB commands for
resolving control issues. It is always advisable to refer to the “help” command to learn
about how each function works.
Let us consider a linear time-invariant system with state matrix
 
−1 0 1 0
 2 0 3 5 
A=  1

10 0.5 0 
−2 3 −5 −10
and then calculate matrix P of Lyapunov equation (2.4) with Q = I by vectorization.
To do this, matrix M = I ⊗ AT + AT ⊗ I with C = I is constructed.

1. Define matrix A:
>> A=[-1 0 1 0; 2 0 3 5; 1 10 0.5 0; -2 3 -5 -10];
and identity matrix:
>> MatriceI=eye(4);
c11
 
 c21 
 c
 
2. Construct the vector  31 

 . 
 .. 
cnn
Fundamentals of Stability 23

>> c=MatriceI(:)
3. Construct matrix M
>> M=kron(eye(4),A’)+kron(A’,eye(4))
4. Find the solution vector by inverting matrix M
>> Psol=-inv(M)*c;
and obtain matrix P with an appropriate size (4 × 4)
>> P=reshape(Psol,4,4)
 
0.4727 0.2383 −0.1661 0.1690
 0.2383 1.7516 −0.3188 0.8961 
One obtains P =  −0.1661 −0.3188 −0.0466 −0.1292
.

0.1690 0.8961 −0.1292 0.4980
5. Verify that matrix P solves the problem
>> A’*P+P*A
MATLAB can solve Lyapunov equations more efficiently with the lyap command. In
this case one can use:
>> P=lyap(A’,eye(4))
In conclusion, using command eig(P) to calculate the eigenvalues of P, it can be verified
that P is not a positive definite matrix and that the system is not asymptotically stable
which is the case after calculating the eigenvalues of A (λ1 = −13.0222, λ2 = 4.7681,
λ3 = −1.1229 + 0.8902i, λ4 = −1.1229 − 0.8902i).

2.5 Stability with Uncertainty

Here, we illustrate a brief digression on stability with uncertainty. We will
limit the discussion to presenting one key finding for the stability of systems
with parametric uncertainty.
Let D(s) be the characteristic polynomial of a linear time-invariant system.
Suppose the uncertainty of the system can be expressed in terms of variation
ranges of coefficients of polynomial D(s) = an sn + an−1 sn−1 + . . . + a1 s + a0 :

am M
0 ≤ a0 ≤ a0
... (2.6)
am
n ≤ a M
n ≤ an

So, the hypothesis is that parametric uncertainty can be characterized by

assigning maximum and minimum values that the various coefficients of D(s)
might assume. Under this hypothesis, stability with uncertainty can be studied
very effectively via the Kharitonov criterion.

Theorem 8 (Kharitonov criterion) Let D(s) = an sn + an−1 sn−1 +

an−2 sn−2 + an−3 sn−3 + . . . be the characteristic polynomial of a linear time-
invariant system with coefficients such that am M
i ≤ ai ≤ ai for i = 0, 1, . . . , n,
if and only if the four polynomials
24 Optimal and Robust Control: Advanced Topics with MATLAB r

D1 (s) = am n m
n s + an−1 s
n−1
+ aM
n−2 s
n−2
+ aM
n−3 s
n−3
+ ...
M n M n−1 m n−2
D2 (s) = an s + an−1 s + an−2 s + an−3 sn−3 + . . .
m
(2.7)
D3 (s) = am n M
n s + an−1 s
n−1
+ aM
n−2 s
n−2
+ am
n−3 s
n−3
+ ...
D4 (s) = aM
n sn
+ am
n−1 sn−1
+ am
n−2 s n−2
+ aM
n−3 s n−3
+ ...

are stable, then the polynomial D(s) is stable for any parameter in the given
ranges.

The Kharitonov criterion facilitates the study of stability in a parametric

polynomial (aided for example by the Routh criterion). Quite independently
of the order of the system and therefore of the number of parameters, this
criterion can determine the stability of an infinite number of systems provided
they have bounded polynomial coefficients.
Example 2.2
Let us consider a third-order system having the following characteristic polynomial

D(s) = a3 s3 + a2 s2 + a1 s + a0 (2.8)
with uncertain parameters:

1 = am
3 ≤ a3 ≤ aM
3 =3
2 = am
2 ≤ a2 ≤ aM
2 =4
2 = am
1 ≤ a1 ≤ aM
1 =5
1 = am
0 ≤ a0 ≤ aM
0 =2
and let us study the stability by the Kharitonov criterion.
First of all, we recall that, for a third-order system, the direct application of the Routh
criterion yields the conclusion that stability requires two conditions: 1) all the coefficients
are positive, i.e., a0 , a1 , a2 , a3 > 0; 2) a2 a1 > a3 a0 . Therefore, to apply the Kharitonov
criterion we need to consider the following polynomials

D1 (s) = am 3 m 2 M
3 s + a2 s + a1 s + a0
M

D2 (s) = aM 3 M 2 m
3 s + a2 s + a1 s + a0
m
(2.9)
D3 (s) = am
3 s 3 + aM s2 + aM s + am
2 1 0
D4 (s) = aM 3 m 2 m
3 s + a2 s + a1 s + a0
M

and ultimately check the conditions

am M m M
2 a1 > a3 a0
a2 a1 > a3 am
M m M
0 (2.10)
aM M m m
2 a1 > a3 a0
am m M M
2 a1 > a3 a0
Since am m M M
2 a1 < a3 a0 , we conclude that the system is not stable in the presence of the
considered parametric uncertainty.
Similarly, one can conclude that the system is stable for the following parametric un-
certainty

1 = am
3 ≤ a3 ≤ aM
3 =3
2 = am
2 ≤ a2 ≤ aM
2 =4
4 = am
1 ≤ a1 ≤ aM
1 =5
1 = am
0 ≤ a0 ≤ aM
0 =2
Fundamentals of Stability 25

MATLABr Exercise 2.4

Let us consider now a system with characteristic polynomial

D(s) = a5 s5 + a4 s4 + a3 s3 + a2 s2 + a1 s + a0 (2.11)
and uncertain parameters:

1 ≤ a5 ≤ 2
3 ≤ a4 ≤ 5
5 ≤ a3 ≤ 7
4
3
≤ a2 ≤ 52
1
2
≤ a1 ≤ 34
1 ≤ a0 ≤ 2
To apply the Kharitonov criterion the following characteristic polynomials have to be
considered:

D1 (s) = s5 + 3s4 + 7s3 + 52 s2 + 21 s + 1

D2 (s) = 2s5 + 5s4 + 5s3 + 34 s2 + 34 s + 2
(2.12)
D3 (s) = s5 + 5s4 + 7s3 + 34 s2 + 43 s + 2
D4 (s) = 2s5 + 3s4 + 5s3 + 25 s2 + 34 s + 1
These can be defined in MATLAB as follows
>> D1=[1 3 7 5/2 1/2 1]
>> D2=[2 5 5 4/3 3/4 2]
>> D3=[1 5 7 4/3 1/2 2]
>> D4=[2 3 5 5/2 3/4 1]
Their roots are then calculated:
>> roots(D1)
>> roots(D2)
>> roots(D3)
>> roots(D4)
obtaining the following solutions:
• D1 (s): s1,2 = −1.3073 ± j2.0671; s3 = −0.7059; s4,5 = 0.1603 ± j0.4595;
• D2 (s): s1,2 = −1.0224 ± j0.9384; s3 = −1.1541; s4,5 = 0.3494 ± j0.5726;
• D3 (s): s1,2 = −2.3261 ± j0.4235; s3 = −0.9566; s4,5 = 0.3044 ± j0.5304;
• D4 (s): s1,2 = −0.5107 ± j1.3009; s3 = −0.8031; s4,5 = 0.1623 ± j0.5408.
From the inspection of the roots of D1 (s), D2 (s), D3 (s), and D4 (s), it can be concluded
that the system with characteristic polynomial (2.11) is not stable in the whole range
of parameter variations.

MATLABr Exercise 2.5

Determine the locus of the closed-loop eigenvalues for k = 10, k = 30 and k = 120 for
the system P (s, q) = s(s2 +(8+q 1)s+(20+q )) with −2 ≤ q1 ≤ 2 and −4 ≤ q2 ≤ 4.
1 2

Solution
First, determine the characteristic closed-loop polynomial:

p(s, q, k) = s3 + (8 + q1 )s2 + (20 + q2 )s + k

This is a parametric polynomial that can be rewritten as:
p(s, q, k) = s3 + As2 + Bs + k
with A = 8 + q1 and B = 20 + q2 . The two parameters in the characteristic polynomial
vary in [6, 10] and in [16, 24], respectively. At this point, apply the Kharithonov crite-
rion to know if, by fixing k, the asymptotic stability is guaranteed in the parametric
26 Optimal and Robust Control: Advanced Topics with MATLAB r

uncertainty interval. Indicating Amin = 6, Amax = 10, Bmin = 16 and Bmax = 24, we
need to study the roots of the four polynomials:

p(s, q, k) = s3 + Amin s2 + Bmax s + k

p(s, q, k) = s3 + Amax s2 + Bmin s + k

p(s, q, k) = s3 + Amin s2 + Bmin s + k

p(s, q, k) = s3 + Amax s2 + Bmax s + k

To do this, the following commands in MATLAB are used:
>> k=12;
>> Amin=6; Amax=10; Bmin=16; Bmax=24;
>> A=Amin; B=Bmax; roots([1 A B k])
>> A=Amax; B=Bmin; roots([1 A B k])
>> A=Amin; B=Bmin; roots([1 A B k])
>> A=Amax; B=Bmax; roots([1 A B k])
While, for k = 10 and k = 30, we obtain polynomials having roots with negative real
part, for k = 120 the third polynomial has two roots with positive real part. After this
preliminary analysis, the locus can be built with a Monte Carlo simulation, assigning
the parameter values one by one, calculating their roots and plotting them on a graph.
By fixing k, we can use the following commands in MATLAB:
>> plot(0,0,’m.’); hold on;
>> for A=[Amin:0.1:Amax]
>> for B=[Bmin:0.1:Bmax]
>> p=roots([1 A B k]);
>> plot(real(p), imag(p),’x’)
>> end
>> end
Figure 2.2 shows the plots for four different values of k. Notice that for k = 120 some
roots lie on the right half plane.

2.6 Further Results on the Lyapunov Theory

In this section, some further results on the Lyapunov theory are discussed.
They can be skipped in basic courses and dealt with in more advanced ones.

2.6.1 Hystorical Notes

The book that is considered a fundamental reference for the study of
the Lyapunov theory is “Nonlinear Dynamical Systems and Control: A
Lyapunov-Based Approach” written by Wassim M. Haddad and VijaySekhar
Chellaboina. The cover represents a poster that was printed for a meeting cel-
ebrating Archimedes and held in April 1961 in Siracusa. The original painting
entitled “Archimedes” was realized by Niccoló Barbarino in 1860 and is kept
in the Museum Revoltella in Trieste.
Fundamentals of Stability 27

5
k=120
4
k=10 k=30
3
2
1
jω

0
−1
−2
−3
−4
−5
−10 −8 −6 −4 −2 0 2
σ

FIGURE 2.2
Locus of the closed-loop eigenvalues for Exercise 2.5.

The book reports a list of intriguing sentences regarding dynamical systems

and here summarized:
• Anything that has a beginning and an end cannot at the same time be
infinite and everlasting (Anassimander);
• Everything is in a state of flux and nothing is stationary (Eraclito);
• Man cannot step into the same river twice, because neither the man nor the
river are the same (Eraclito);
• Give me a place to stand and I’ll move the Earth (Archimedes).
Alexandr M. Lyapunov was a Russian mathematician who carried out
research in different areas such as hydraulics-hydrostatics, ellipsoidal form of
rotating fluids, stability, astronomical applications. About Lyapunov, Smirnov
wrote the following observation: “Here at first, the research activity of Lya-
punov was cut short. It was necessary to work out courses and put together
notes for students, which took up much time”.

2.6.2 Lyapunov Stability

In order to present a comprehensive discussion on this subject, let us now
go back to a few considerations illustrated in Section 2.1 and extend the
definitions there presented.
28 Optimal and Robust Control: Advanced Topics with MATLAB r

Let us then consider a general nonlinear autonomous dynamical system

defined by

ẋ = f (x) (2.13)
+
for t ∈ R and with initial conditions x(0) = x0 . Taking into account that
 T  T
x = x1 x2 . . . xn and f (x) = f1 (x) f2 (x) . . . fn (x) , these
equations may be rewritten as:

ẋ1 = f1 (x1 , x2 , . . . , xn )
ẋ2 = f2 (x1 , x2 , . . . , xn )
(2.14)
...
ẋn = fn (x1 , x2 , . . . , xn )
Since in general the solutions x(t) cannot be obtained in closed form, here
our interest is to provide some important information about the time evolution
of the state variables.
The equilibrium states are obtained by solving the algebraic nonlinear
system f (x) = 0. Suppose to indicate one of such states as x̄. The Lyapunov
theory provides a characterization of the behavior of the solution when a small
perturbation to the equilibrium state is applied.
Let us, first, recall (see Definition 1) that such an equilibrium is said to
be Lyapunov stable if ∀ε > 0 there exists δ = δ(ε) > 0 such that ∀x0 with
k x0 − x̄ k< δ one has that k x(t) − x̄ k< ε for ∀t > 0.
In addition, the stability is asymptotic if the equilibrium point is x̄ stable
and lim x(t) = x̄.
t→+∞
Here it is important to remark that the previous definitions represent local
properties. Let us now consider the case in which the property of asymptotic
stability holds globally, that is, it holds for any initial condition x0 , as formally
expressed by the following definition.

Definition 5 The equilibrium point x̄ is said to be globally asymptotically

stable if it is Lyapunov stable and if for any x0 ∈ Rn it holds that

lim x(t) = x̄ (2.15)

t→+∞

Another important property of stability is expressed by the following def-

inition.

Definition 6 An asymptotically locally stable equilibrium point x̄ is said to

be exponentially stable if there exist two constants α > 0 and β > 0 such that,
if k x0 − x̄ k< δ, then

k x(t) − x̄ k≤ α k x0 − x̄ k e−βt , ∀t ≥ 0 (2.16)

Finally, globally exponentially stability can also be considered, as formally

expressed by the following definition.
Fundamentals of Stability 29

Definition 7 The equilibrium point x̄ is said to be globally exponentially sta-

ble if there exist two constants α > 0 and β > 0 such that

k x(t) − x̄ k≤ α k x0 − x̄ k e−βt , ∀t ≥ 0, ∀x0 ∈ Rn (2.17)

Although often control engineering aims at providing a theoretical and

general approach for the solution of the problems under consideration, the
application of numerical methods to study the characteristics of the solution
x(t) is also useful, especially when closed-form solutions cannot be obtained.
The easiest way to obtain a numerical solution of a system of nonlinear dif-
ferential equations as in (2.13), starting from initial conditions x0 , is the Euler
method, which is based on the approximation ẋ ≈ x((k+1)TT)−x(kT ) , where T
represents the sampling interval/integration step size and k the discrete time
index. Using this approximation, the following recursive difference equation is
obtained:

x((k + 1)T ) = x(kT ) + T f (x(kT )) (2.18)

Another method, which, when the same integration step size T is used, is,
in general, more accurate than the previous one is the fourth-order Runge-
Kutta method. Let us consider a nonlinear system defined by ẋ = f (t, x)
and use the index k for the samples of x(t) at time t = tk and so on, with
tk+1 = tk + T . Then, according to the fourth-order Runge-Kutta method, the
next sample of the solution x(t) (with initial condition, fixed as usual, in x0 )
is calculated as:
1
x(k + 1) = x(k) + (k1 + 2k2 + 2k3 + k4 ) (2.19)
6
where

k1 = T f (tk , x(k))
k2 = T f (tk + T2 , x(k) + k21 )
(2.20)
k3 = T f (tk + T2 , x(k) + k22 )
k4 = T f (tk + T, x(k) + k3 )
This method can be extended to consider a recursive equation of the type:
m
X
x(k + 1) = x(k) + bi k i (2.21)
i=1

where the terms ki with i = 1, . . . , m generalize the terms k1 , k2 , . . . , k4

appearing in (2.20).
30 Optimal and Robust Control: Advanced Topics with MATLAB r

MATLABr Exercise 2.6

Let us consider the following nonlinear system

ẋ1 = −x1 + x32

(2.22)
ẋ2 = −x1 − x2
with initial conditions x1 (0) = 0.1 and x2 (0) = 0.2. The numerical solution x(t) starting
from these initial conditions can be obtained by using the MATLAB command ode45
as follows:
>> [t,x]=ode45(’nonlinsys1’,[0 10],[0.1 0.2])
Here, the vector [0 10] contains the initial and final time of integration, whereas the
vector [0.1 0.2] the initial conditions for the two variables. The function nonlinsys1
has to be properly defined (in the directory of current use or in one of the MATLAB
path) to represent the dynamical equations of the system. For the example under study,
we have:
function xdot=nonlinsys1(t,x)
xdot=[-x(1)+x(2)^3; -x(1)-x(2)];
end

Example 2.3
Consider the following nonlinear dynamical system representing a rigid spacecraft:

ẋ1 = I23 x2 x3
ẋ2 = I31 x1 x3 (2.23)
ẋ3 = I12 x1 x2
with
I2 −I3
I23 = I1
I3 −I1
I31 = I2 (2.24)
I1 −I2
I12 = I3
where I1 > I2 > I3 are the principal moments of inertia of the spacecraft. For the sake
of example we consider I1 = 3, I2 = 2 and I3 = 1, such that I12 = 1, I23 = 1/3,
I31 = −1.
Let us now analyse numerically the stability property of the equilibrium point x̄ = 0. In
particular, let us calculate the effect of a small perturbation of the equilibrium point.
To this aim, we use the command:
>> [t,x]=ode45(’nonlinsys2’,[0:0.01:100],[0.1 0.2 0.3])
where the function nonlinsys2 is defined as follows:
function xdot=nonlinsys2(t,x)
I23=1/3;
I31=-1;
I12=1;
xdot=[I23*x(2)*x(3);I31*x(3)*x(1);I12*x(1)*x(2)];
end
The solution shows an oscillatory behavior that yields the conclusion that the equilib-
rium state x̄ = 0 is stable, but not asymptotically. This can be appreciated by plotting
the obtained waveform:
>> figure, plot(t,x)
The result is shown in Figure 2.3.

Example 2.4
Consider the following nonlinear dynamical system:
−6x1
ẋ1 = (1+x2 2 + 2x2
1) (2.25)
2(x1 +x2 )
ẋ2 = − (1+x2 )2
1
Fundamentals of Stability 31

0.5

x(t)

x1 x2 x3
-0.5
0 50 100
t(s)

FIGURE 2.3
Time evolution of the state variables x(t) of system (2.24) in Example 2.3.

The system has an equilibrium state x̄ = 0. To numerically study its stability, we

integrate in MATLAB the system defined by:
function xdot=nonlinsys3(t,x)
xdot=[-6*x(1)/((1+x(1)^2)^2)+2*x(2);
-2*(x(1)+x(2))/((1+x(1)^2)*2)];
end
We find that trajectories starting from random arbitrary initial conditions converge the
equilibrium state x̄ = 0. However, it can be noticed that some initial conditions require
a long transitory before reaching the equilibrium state.

Example 2.5
Consider now again the nonlinear dynamical system in equation (2.22) discussed in the
MATLAB Exercise 2.6.
Repeating the procedure of the previous exampes, we can verify that in this case the
equilibrium state x̄ = 0 is globally asymptotically stable.

Example 2.6
Consider now the nonlinear dynamical system given by:

ẋ1 = x1 (x21 + x22 − 1) − x2

(2.26)
ẋ2 = x1 + x2 (x21 + x22 − 1)
The MATLAB function for its numerical study is given by:
function xdot=nonlinsys4(t,x)
xdot=[x(1)*(x(1)^2+x(2)^2-1)-x(2); x(1)+x(2)*(x(1)^2+x(2)^2-1)];
end
Integrating again the system for different initial conditions, we notice that, if the ini-
tial conditions are selected inside the unit circle, then the trajectory approaches the
32 Optimal and Robust Control: Advanced Topics with MATLAB r

equilibrium point x̄ = 0, otherwise it does not. This supports the conclusion that the
equilibrium point x̄ = 0 is locally asymptotically stable.

We have already seen that, to determine if an equilibrium point x̄ = 0

is asymptotically stable, we can use Theorem 1. Therefore, we can search
a function V (x) that is positive definite for x̄ = 0 and whose derivative is

T
negative definite in x̄ = 0, that is, V̇ (x) = dVdt(x) = ∂V
∂x ẋ < 0. If, on the
dV (x) ∂V T


contrary, V̇ (x) = dt = ∂x ẋ ≤ 0, then the stability is simple and not
asymptotic.
In addition, if there exist four constants α, β, γ and p such that

α k x kp < V (x) < β k x kp (2.27)

and
 T
∂V
f < −V (2.28)
∂x
then the equilibrium state x̄ = 0 is exponentially stable.
Example 2.7
Let us consider again system (2.23) and consider the function
1 1 1
V (x1 , x2 , x3 ) = α1 x21 + α2 x22 + α3 x23 (2.29)
2 2 2
with α1 , α2 , α3 > 0.
In this case, one gets:
 
 T I23 x2 x3
∂V
 
V̇ = ∂x
f = α 1 x1 α 2 x2 α 3 x3  I31 x1 x3  =
(2.30)
I12 x1 x2
= x1 x2 x3 (α1 I23 + α2 I31 + α3 I12 )
Due to the fact that I31 is negative, we select: α1 = 1, α2 = −3/2 and α3 = 1, such that
V̇ = 0 ∀x. This shows that the equilibrium state x̄ = 0 is stable, as also the numerical
simulations performed were indicating.

Notice that the theoretical calculations require the proper choice of a Lya-
punov function, which is a non-trivial step. The simulations are an empirical
method that often provides an immediate picture of the system behavior, but
not a rigorous proof.
Example 2.8
Let us now consider again system (2.25) and study the following Lyapunov function:

x21
V (x1 , x2 ) = + x22 (2.31)
1 + x21
In this case, one obtains:
6x1
 
 T h 2x1
i − (1+x 2 )2 + 2x2
∂V 2x2 1
V̇ = f = (1+x2 2  2(x1 +x2 )
=
∂x 1) − (1+x21)
2 (2.32)
12x2 4x2
= − (1+x21)4 − 2
(1+x2 2
1 1)
Fundamentals of Stability 33

Since V̇ < 0 ∀x, we conclude that the equilibrium point x̄ = 0 is globally asymptotically
stable.

2.7 Exercises
1. Apply the vectorization method to solve the Lyapunov equation:

AT P + PA = −I

with
 
0 1 −1
A= 2 −5 −1 
3 1 −2

2. Given the nonlinear system ẋ = x3 − 8x2 + 17x + u calculate the

equilibrium points for u = −10 and study their stability.
3. Given the nonlinear system

ẋ1 = −x1 + 2x2
ẋ2 = −2x1 − x2 + x32

analyze numerically the stability of the equilibrium point x̄ = 0.

4. Study the stability of system with transfer function

s2 + 2s + 2
G(s) =
s4 + a1 + a2 s2 + a3 s + a4
s3
with 1 ≤ a1 ≤ 3, 4 ≤ a2 ≤ 7, 1 ≤ a3 ≤ 2, 0.5 ≤ a4 ≤ 2.
5. Given the polynomial p(s, a) = s4 +5s3 + 8s2 + 8s + 3 with a =
3 8 8 5 , find p(s, b) with b = (b− + − +
 
0 , b0 ) . . . (b3 , b3 ) so
that the polynomial class p(s, b) is Hurwitz.
2
6. Study the stability of the system G(s) = s4 +q1 ss3 +5s
+3s+2
2 +q s+q
2 3
with
parameters q1 ∈ [1, 3], q2 ∈ [5, 10], q3 ∈ [2, 18].
Discovering Diverse Content Through
Random Scribd Documents
The Project Gutenberg eBook of Hellaassa
This ebook is for the use of anyone anywhere in the United States
and most other parts of the world at no cost and with almost no
restrictions whatsoever. You may copy it, give it away or re-use it
under the terms of the Project Gutenberg License included with this
ebook or online at www.gutenberg.org. If you are not located in the
United States, you will have to check the laws of the country where
you are located before using this eBook.

Title: Hellaassa

Author: Santeri Ivalo

Release date: January 5, 2013 [eBook #41780]

Language: Finnish

Credits: Produced by Tapio Riikonen

*** START OF THE PROJECT GUTENBERG EBOOK HELLAASSA ***

 Produced by Tapio Riikonen

HELLAASSA
Kirj.

Santeri Ivalo

Ensimmäisen kerran ilmestynyt

Otavan kustantamana Helsingissä 1890.
HELLAASSA.

Turpea ja kostea oli maa notkossa, ja aina väliin vilahti

vesilätäkkökin mättäiden kolossa. Kellahtava oli koivikko; alemmilta
oksilta varissut, mustunut lehti peitti paikoitellen jo paksulti
nuutuneen nurmikon. Samea oli ilma illan suussa. Oli se päivällä
paistanut, ja kirkkaastikin, mutta kolkoksi kävi, kun taivas pilveili.

»Kaikki harmajata, maa ja taivas», tuumi itsekseen Eljas, kun

pyssy olalla asteli niityn poikki, jossa joka askeleelta maa alla
notkahteli ja roiskutti vettä saapasvarsille. Viemärin syrjää oli
tanakampi kulkea, sinne kääntyi hän, sillä saattoihan siellä vielä joku
sorsakin piillä pensaan juurella, vaikka johan niitä sinä kesänä oli
useita ammuttu. Eikähän tuo enää jänistäkään näkynyt Jalo
löytävän.

— Jalo, Jalo, Jalo, Jalo! Eljas vihelti pitkään ja kimeästi. —

Kotiinpäin taidan painaa. — Oikealle hän kääntyi, vihelti taaskin
pitkään, nousi aidan yli ja alkoi astella ahon rinnettä. Oli siinä murros
muudan puolilaho, siihen istahti hetkeksi.

— Pilveen meni taivas, puheli Eljas itsekseen. — Kirkas se olisi

muutoin vielä ilta ollut, ja hauskempi, kun taas viimeistä kertaa
kotiansa kulki… Niinpä niin! huomenna Helsinkiin päin. Ensi kertaa
sinne outoihin oloihin käsiksi… Äitimuori sitä jo oli sureskellut hänen
näin nuorena lähtöään tuohon Baabeliin, kuten sanoi, jossa jo niin
monta kunnon poikaa oli pilalle mennyt. — Hm… Ainahan niitä
vaaroja, varsinkin löyhille luonteille, jotka heittäytyvät arvelematta
virtaan. Pahempikin se henki on, joka siellä kuuluu vallitsevan,
mädännyt henki. Oli sitä jo koulukaupunkiin tuntunut jokunen
tuulahdus tuota ajan kuolettavaa myrkkyä, joka uhkaa tuhota
maailmasta kaiken aatteellisuuden, kaiken puhtauden, viedä
nuorisolta sen ihanteet ja jättää jäljelle tiesi minkälaisen
»todellisuuden», josta kerskailee. Oli sitä jo siksi kuulunut, että näki
mihin se viepi: sehän se juuri turmioon viepi monta kelpo poikaa,
väkisinkin se… — Katsos pahuus, kun koppelo tuosta juuri pörähti;
— sinne menköön, omille teilleen! — Tullevatko Iikka ja Antti
Helsinkiin? Heidän kanssaan sitä usein oli viime vuonna ollut
puhetta, mihin suhteeseen sitä pitäisi asettua tuohon ajan suuntaan,
mitenkä siihen taisteluun olisi ryhdyttävä. He olivat vakavasti
päättäneet sotia tuota ajan myrkkyä vastaan elämänsä läpi, ensin
ylioppilaina, sitten kansalaisina. Se neuvo oli ollut opettajienkin
lähtöeväs, noitten hyvää tarkoittavien, ja sitä oli poikain velvollisuus
seurata. — Vähänhän he, vähäväkiset, saavat aikaan, mutta kun itse
pysyvät puhtaina ajan tahrasta ja tekevät minkä voivat, niin turhaa
heidän työnsä ei ole. — Ei ole! Eljas hypähti pystyyn murrokseltaan.
— Meissä on tahtoa ja uskoa, ja missä on tarmoa ja luottamusta
asian oikeuteen, siellä kestävät ihanteetkin nuorisossa. — »Alaston
todellisuus», se ei ole muuta kuin omien heikkouksiensa huono
puolustus. Eljas viskasi hartioitaan halveksien.

— Mutta mihin se Jalo… Jalo, Jalo, Jalo, tule pois! Tainnut on jo

mennä kotiin.

Tikka nakutti siinä petäjän kyljessä, hyppi, kierteli runkoa ja iski

aina voimakkaasti ja tarkasti nokkansa koloon. Eljas päätti ampua
pyssynsä tyhjäksi. Eihän tuota otusta parempaakaan nyt näkynyt
saavan; myöhäiseksi jo kävi ja usva laskeusi. — Petäjän juurelle
putosi nakuttaja.
 Eljas katseli siinä raatoa.

— »Kirjava kuin tikan siipi», semmoiseksihan sitä tätä maailmaa

sanotaan. On siinä mustaa, mutta on siinä valkoistakin, ja pakkoko
on ryömiä mustia juovia myöten. Jos kukin koettaisi sitä valkaista,
niin se jalostuisi. Mutta kun ei muuta kuin heittäydytään vain —
antaa mennä, mihin vieneekin. Minäkin heittäydyn elämään ja sen
taisteluihin, mutta tiedän mitä teen.

Vielä vihelti Eljas kerran koiraa ja lähti sitten astelemaan ropsasti

rinnettä pitkin. Kostea oli sammal ja saappaat liukkaat, vaara oli siinä
kompastuakin. Mutta sitä tanakammin, sitä rivakkaammin polki hän
ja ajatteli: suoraan eteenpäin, kompastelematta! Kohta hän saapui
maantielle, laskeusi siitä kohastaan niityn poikki jokiahteelle, kerta
vielä kaunista kosken äyrästä pitkin kulkeakseen. Sieltä katsahti hän
vielä kerran taakseen, heittääkseen jäähyväiset tuttuun männikköön.
Sumu sulki näköalan, ja huurua liiteli koskiaaltojen pinnalla. — Mutta
vielä se siitä selkeneekin, arveli Eljas. Pilvet vain pois päivän edestä,
niin kirkkaana se paistaa!

Kotona olivat jo enimmät kamssut kokoon sälytettyinä. Äiti paistoi

eväspiirakkaa. Samassa ajoi Juhana serkku pihaan. Hän oli oleva
Eljaan matkatoveri ja Helsingissä huonekumppani, ja tuli nyt
kotoaan, naapuripitäjästä.

Aamulla oli lähdettävä.

I.

Hellas oli kapakka Helsingissä. Vaikka ei se juuri Helsingissäkään

ollut, olihan vain paraiksi sen verran ulkopuolella, että siellä vielä
aamupuoleenkin ja lauantai-iltoina saivat ulko-ovetkin olla auki ja
että siellä vieraat vapaammin ja äänekkäämmin voivat elellä, kuin jos
keskikaupungissa olisi ollut. — Eikä se Hellas oikeastaan ollut
kapakkakaan; huvila se oli, johon kesäkuumasta kaupungin tomusta
saattoi vapaasti tulla ruumistaan ja sieluaan vilvoittamaan, mutta
jossa tietysti ei kuivin suin tarvinnut istua. Ja sai sinne tulla
talvellakin, ja olikin varsin sopivata, kun ajeli ulos kaupungista,
pyöräyttää pieni mutka Hellaaseenkin päin, tai syksyisin ja keväisin
tehdä tuonne pieni kävelymatka, — hyvinhän se on terveellistä, — ja
vain sivumennen poiketa sisään lämpimikseen juomaan lasillisen
kuumaa totia… Isot oli suojat ja paljon väkeä mahtui.

Siis varsin mukava, oikein mainio talo tuo Hellas. Kummako siis jos
N.S:kin vietti vuosipäiväänsä tässä syrjäisessä, hauskassa paikassa.
— Mikäkö N.S. on? Niistä ei saa oikein selvää, kaikista noista
kirjaimista, joita ehtimiseen, milloin mihinkin kapakkaan Helsingissä
kutsutaan kokoon. Seura kai se oli jonkinlainen: Nouseva Sukupolvi,
Nuoret Suomalaiset, — mikä lie ollut. Ylioppilaita siihen vain kuului,
sen saattoi päättää eräänä syysiltana Hellaan etehisessä niistä
lyyryotsa-samettilakeista, joita siellä tungoksessa kipperästi riippui
täyteen ahdetuista naulapuista. Sillä siksi illaksi oli N.S. kutsuttu
kokoon Hellaaseen.

— Puoliska punssia, laupias neiti!

— Kaksi kuudenkymmenen pennin tuutinkia…

— Lisää olutta!

Semmoisia ääniä kuului tiheään alakerran isommasta salista. Pitkä

pöytä oli siellä keskellä lattiaa. Sen päällä oli asetteja, vesikannuja,
sokeriastioita, laseja, kuppeja, pikareita, sikaarin pätkiä ja paperossin
poroa kirjavassa epäjärjestyksessä; värinsä olivat muuttaneet ennen
valkoiset pöytäliinat. Ympärillä istui nelisenkymmenlukuinen
nuorukaisjoukko.

— Kulta Anni, vesi on kuivunut kannusta, virkkoi muudan pöydän

päästä, ojentaen kirkasta haarikkoa, ja muikeasti hymyili hän
neitoselle, sivellen tuskin näkyviä viiksiään.

— Kippis, pannaan pohjaan, törähti eräs paksu silmälasiniekka

vastapäätään istuvalle, ja siemasi lasista loput. — Kas niin, nyt uutta,
armas Annuskani.

— Anni, tule tänne, tänne näin, viereeni, minulla on salaisia

sanottavia, houkutteli toinen keikari ja yritti kierasta käsivartensa
neidon solakan vartalon ympäri; mutta sukkelasti pyörähti tämä
syrjään. Äänekkään naurun esineeksi joutui keikarin onnistumaton
yritys. —

Virallinen puoli N.S.:ssä oli lopussa, ainoastaan maininkeja siitä

vain enää tuntui kahdenkeskisissä keskusteluissa siellä täällä pöydän
kupeilla. Kysymyksenä oli ollut valmistava keskustelu erääseen
vaaliin, josta voittoa pidettiin hyvin epävarmana, elleivät kaikki sen
puolueen miehet yksimielisesti, yksimiehisesti käyneet asiaan käsiksi.
Ei ollut kysymystäkään, että kellään yksityisellä siinä seurassa olisi
saanut olla asiasta eri mielipidettä. Jos joku semmoisen toi esiin,
arveltiin hänen tahtovan loistaa itsenäiseksi tekeytymällä — eikä se
arvelu useinkaan sattunut harhaan. Sillä kysymys ei ollut henkilöistä
eikä yksityisasioista, vaan periaatteista. Ja sillä neuvoin ne asiat
saatiin jullilleen kulkemaan.

Agitationitoimikunta oli valittu ja sille määrätty kovat ohjesäännöt:

joka mies oli saatava valitsemaan, muuten… Niin, ja kehoitus
painettuihin vaalilippuihin oli laadittu: tietäköön jokainen, mitä hän
on velvollinen puolueelleen, tietäköön, että tästä vaalista ei riipu
ainoastaan sen hetken voitto, siitä tulee näkymään, mille kannalle
asiat kallistuvat yleensä ylioppilaspiireissä ja samalla koko maassa.
Niin laillista syytä ei ole, että se oikeuttaisi vaalitilaisuudesta
poissaolemaan.

Tämmöiseksi se kehoitus oli laadittu, ja tiedettiin, että vastapuolue

oli painattanut yhtä jyrkän — mutta keltaiselle paperille. Ja tuohan
se mieliä oli kiihoittanut. »Meidän täytyy voittaa!»

Mutta nyt oli se virallinen puoli jo lopussa, kaikki oli selväksi

suoritettu, puhevalta oli heitetty vapaaksi. Illan parempi puoli oli
alkanut. Jo oli maljoja esitetty, puheita pidetty seuran perustajille,
isänmaalle, tulevaisuudelle ja naisille, oli muokattu vanhoja
lauseparsia, huudettu »eläköön» julmasti ja kipattu tiheään. Ja
veljellinen innostus alkoi vallita.

Taas vaadittiin äänettömyyttä, ja kun se vihdoin pääsi vallalle

rähisevissä riveissä, kääntyivät kaikkien silmät pöydän alapäähän.
Siellä seisoi nuori, hoikkanen, punakkaposki poika lasi kädessä, heitti
taapäin silmille valahtaneen, ruskean kiharan ja alkoi puhua. Se oli
Eljas.

»Toverit, veljet», sanoi hän, ja vakavaksi muuttui alusta ujo

katseensa. — »Vaikka nuorimpia joukossamme, en epäile pyytää
hetkeksi huomiotanne esittäessäni maljan sille, mikä ei nuorison,
innokkaiden, raitisten, elinvoimasta uhkuvien nuorukaisten seurasta
koskaan voi eikä saa jäädä unhotuksiin…»

— Hentulleen kuuluu puhuvan keltanokka, huomautti hiljaa

vieruskumppanilleen pöydän toisessa päässä eräs vanhempi civis ja
ryyppäsi, pilkan hymy huulillaan.

— Olisiko niin järkevä. Minä pelkään, että sieltä tulee vielä

paksumpaa.

»Muistuttaakseni muutamin sanoin mieleemme ihanteitamme.

Ohdakkeiseksi sanotaan elämän tietä. Tosin ei täällä aina
kukkavainioita poljeta, usein on kuljettavana pudottavia suomaita,
usein kivikkokankaita, usein syviä nietoksia.»

— Mutta kun on sukset, ilveili joku.

— Ja hyvät saappaat, kuiskaili toinen.

»Toiveemme murtuvat tiheään, hankalat esteet katkaisevat usein

pyrintömme ja laihalta tuntuu väliin vaivaimme palkkio. Mutta tuosta
ei tarvis nuoren surra. Pankaamme ideaalimme korkeammas,
kaukaisena mutta kirkkaana tulena loistakoon se aina silmiemme
edessä, sitä kohden suorin tein kulkekaamme murtaen esteet kuin
kosken tulva tokeensa. Pitäkäämme ihanteemme puhtaina, kauniina,
suurina, antakaamme niitten aina elähdyttää mieliämme silloinkin,
kun paheen tahra niitä pyrkii lannistamaan, ja silloin eivät ohdakkeet
teillämme tunnu.»

— Puhuu syvästä elämänkokemuksesta.

— Milloin lie vieroitettu. Mutta hyvästi puhuu. Kun vain lopettaisi.

»Aatteiden palveluksessa jalostumme, puhdistumme. Antakaamme

toivon, uskon, rakkauden vienojen hengetärten aina puhaltaa
sieluihimme uutta virikettä, antakaamme tuoreet sydämemme täysin
innoin ihanteiden jalostettaviksi. Eläkööt meissä nämä ideaalit,
versokoot, kasvakoot jaloja hedelmiä vastaisten päiviemme iloksi
jälkeistenkin ihailtaviksi. Eläkööt nuorison ihanteet, eläkööt…»

Eläkööt, eläkööt, -kööt, -kööt, -kööt!

Hän oli puhunut, ja ääneen pääsi taas seura. Savun,

ummehtuneen ilman ja katkerain huuruin seassa virtasi salin seinäin
henkirei'istä ulos syksyn yöhön lasien kilinän ja terve-huutojen ääniä.

— Hei, veli Juhana, virkkoi Eljas istahtaen kilistysten jälkeen taas

serkkunsa viereen, siinä sinä istut vain ja mökötät. Mitä arvelet
puheestani?

— No niin, Eljas, johan sinä saarnaat kuin pappi kartoista.

— Entäpä sisältö?

— Näethän arvostelun, kun ympärillesi silmäilet.

Näkihän sen siitä. Toiset katsoivat sääliväisesti tuota nuorta, tulista

miestä, jota maailma ei vielä ollut kouluuttanut, toiset laskivat
puheesta puoliääneen pilkkasanoja, useat sille nauroivat, useimmat
sen olivat unohtaneet, jos olivat kuullakaan viitsineet.

— Monessako näet innostustasi, kysyi Juhana, yhä alas katsellen,

ja ahkerasti lasiaan hämmentäen.

— Mikä sitten? — Minä puhun vakaumuksestani, ja se ei voi…

— Laulua! Laulua! Laulamaan pojat! Eräs nykäisi Eljaankin

käsivarresta pois kesken lauseen.

Ja sitten sitä laulettiin. Ja aina väliin oli joku puhetta pitävinään,

mutta ei sitä moni enää viitsinyt kuunnella. Jo heti alusta huudettiin
eläköön, ja siihen sai puhuja tyytyä. Yhä useammin tyhjenivät lasit,
yhä sukkelammin sai Anni juosta niitä täyttämässä. Ja sitten sitä
syötiin ja syötyä taas laulettiin ja ryypättiin, ja ilta kului yöhön.

Pian olivat käsissä kahvin ja liköörin ja niitä seuraavien

»yhteisten» laulujen suotuisat hetket. Tuoli oli nostettu pöydälle,
siihen oli miesvoimin haalattu istumaan Aatu Kustavi, tuo iloinen
veitikka, joka osasi loppumattomin määrin hauskoja viisuja. Taajasti
tunkivat muut ympärille. Aatu Kustavi veteli, ja käheä kööri säesti.

Siitä laulun rähäkästä hetkeksi levähtääkseen oli Eljas joutunut

istumaan vähän syrjemmälle, pienen pöydän ääreen. Istui siinä jo
muitakin leikkiä laskien kapakkatytön kanssa, kun tämä aina ohi
viiletti juomiskuormaa kantaen, ja aina se hänkin siihen hetkeksi
pysähtyi pilan puhuntaan, kun milloin siksi sai henkilomaa.

— Hemmetin siro röökynä, ja vielä suomea puhuu, ihmetteli Lassi,

rikkaan lohiporvarin poika. — Annin olivat taas isoon pöytään
huutaneet.
 — Varsi hänellä on notkea kuin nurmiheinä. — Eljas se aina tapaili
runollisia vertauksia.

— Ja viisaannäköiset silmät, lisäsi Juhanakin, joka muuten ei

paljon ottanut naisväkeä katsellakseen.

— Katsoppas Juhanaakin, kun lämpiää. Älä sinä vain paljon katsele

niitä silmiä, muuten… Kuulkaas Anni, meillä tulee kaksintaistelu
tämän vakavan herran kanssa.

— Mitä vielä. Te nyt ette uskaltaisi. — Vähän se olikin aran

näköinen Lassi, kun myötään asetteli rillejään, jotka eivät ottaneet
nykerönenällä pysyäkseen, ja koetteli, oliko sileäksi suittu tukka
pysynyt sievänä.

— Mutta teidän takianne. Eihän silloin pelko pääse kysymykseen,

puuttui Eljas puheeseen.

— Niin, puhetta tekin uskallatte pitää.

— Mutta eikö hän puhunut koreasti äsken tuossa, kysyi Lassi.

— Ihan minun täytyi jäädä seisomaan ja kuuntelemaan, — ja

katsomaan, lisäsi tyttö vielä veitikkamaisen näköisenä. Eljas joutui
tuosta hiukan hämilleen, taisipa punastuakin, mutta huomasi
samassa itse, että kovinhan se oli lapsellista.

— Saakeli! Nyt minulle tulee kaksintaistelu hänenkin kanssaan!

— Tarpeetonta. Eihän tässä olla Saksassa, jossa kauniitkin kasvot

arvilla rumennetaan.

— Niin, jos te vain…

 — Ja näettehän, kuinka mies tuossa istuu ja muistelee kotoista
henttuaan.

— Minäkö? Mitä henttua? Eihän minulla ole, ennenkuin saan. —

Pitihän siihen Eljaankin taas jo jotakin tokaista.

— Eihän vain. Kuuluipa tuo puheesta äsken, kaikista noista

ideaaleista ja…

Mutta lähtö siitä tuli röökynälle. Paha metakka alkoi kuulua isosta
pöydästä.

— Ju-juuttaan holofernesta! Kun kaataa punssipikarinsa toisen

uusille housuille. Tuossa veli velkasi.

— Hitto! Mitä sinä sen mokoma minua oluellasi valelet? Perhanan

penikka, keltanokka, uutispottu, tulee tässä päissään holvailemaan.

— Mitä sinä sitten sen tuhannen tolvana, mätänokka, punssillasi

toisen vaatteita virutat? Suuhusikin tilkkasi tarvitsisit.

— Ja sinä et tarvitse muuta kuin korville hyvästi.

— Entä sinä…

— No mutta herrat! huusi Anni ja koetti riitaa ehkäistä. Mutta hyvä

ei ollut siihen enää mennä. Käsiksi olivat jo hyökänneet ja vaatteet
tippuen märkyydestä he lattialla kähisten kamppailivat. Tuolit
romahtelivat, pöydät heilahtelivat, pikarit sinkoilivat valaen sisältönsä
pitkin pöytäliinoja ja ympärillä istuvien vaatteita. Toisetkin
sekaantuivat vähitellen sovittelijoista asianomaisiksi ja tömisten
aaltoili mieskasa lattialla; Aatu Kustavi takoi tahtia särkyneellä
tuolinjalalla.
 Turhaan Anni kielteli, turhaan muutamat siivommat puhuivat
järkeä. Vasta kun kapakan isännän mahtavan leveä muoto ilmestyi
ovelle ja uupumus raukaisi voimat, tyyntyi meteli, ja hajaantui
joukko. Mutta armahda sitä siivoa ja hävitystä! Hiestä läähättäen,
tukat pöyryssä, silmät tuijollaan, kaulustat irti ja vaatteet auki olivat
sankarit vaipuneet mikä minnekin, katsellen lattiaa, jossa
kalvostimia, nappeja, huiveja, silmälasin puoliskoja ja kellon periä oli
omistajiaan vailla. Mutta ketterästi korjasi Anni pois pahimman
hävityksen, ja kun muutamia laseja taas oli saatu täyteen ja muudan
esittänyt, että sovitaan pois ne vanhat vihat, niin paiskattiin kättä ja
kipattiin sovintoryypyt. Helläksi se sentään tekee mielen tuo viina,
vaikka se nuorta verta vähän hurjistaakin. — Aatu Kustavi aloitti
hauskan laulun, ja käheä kööri säesti.

Kiire siinä oli Annilla tyydyttää kaikkien tarpeita. Taas kun hän
kantoi kaksin käsin lasikuormaa pöydälle rikkonaisten sijaan, niin
siinä ovella juuri hoiperteli eräs pitkä partaniekka häntä
hätyyttämään. Leuasta tarttui tyttöä kiinni ja suudella loiskautti.
Minkäs se teki tyttö siihen, kädet kun olivat kiinni. Mutta niin se
näytti hänen kasvoistaan päättäen, että itku oli herkässä
herahtamaan.

— Tuo on sikamaista, huusi Eljas kiukusta kuohuen. Niin oli

hävitöntä hänestä tuo vastuksettoman ahdistaminen. Oli siitä vähällä
syntyä uusi riita, ja vaivoin olisi Juhana saanut serkkunsa hillityksi,
ellei Annikin olisi katseellaan häntä kehoittanut tyyntymään.

— Sinä heittäyt naurettavaksi, Eljas, tuolla kiihkoisuudellasi.

— Puolustatko sinäkin, Juhana, moista hävittömyyttä?

— En puolusta, mutta mitä se sinuunkaan kuuluu?

 — Eihän tuo kuulukaan, ilettää vain ja suututtaa. Oikein minua
säälittää tuo tyttöparka. Millaista elämistä sillä on aamusta iltaan ja
yöhön myöhäiseen! Juoksua ja kuormia kuin kyytihevosella, ja sitten
vielä tuommoista kohtelua.

— Onhan tuo vähän surullista. Eikä tyttö näytä olevan vielä kuin
tuskin 17-vuotias.

— Tuskin 17, ja noin jo mierolle joutunut. Eikäpä taida parata

siitään hänen elämisensä vanhemmuutenkaan.

— Eihän se kehuttavaa ole kapakkatytön eläminen.

— Tupakan ja viinan katkussa saapi raukka viettää päivänsä.

Minkähänlaiseksi tuo ajatellee tulevaisuutensa.

— Toivoneeko tuon parempaa, jos ajattelee vähääkään. Tyytyy

siihen ehkä kernaastikin.

— Enpä usko. Tuoko muka miellyttäisi! Iätikö pitäisi sitten tuon

sorjan vartalon olla joka juopporentun syleiltävänä ja hänen
puhtaitten huuliensa kaikkien karvanaamojen nuoleskeltavina. Tyttö
polo!

— No älähän tuota itke. Minkä sille välttämättömyydelle mahtaa?

— Välttämättömyydelle!

— Niin. Miksi kerran rupesi kapakkaenkeliksi?

— Miksi lie ruvennut. Mutta säälittää hän minua kumminkin.

Mutta Anni juoksi pöydästä pöytään, mihin häntä milloinkin

huudettiin, ja sulatti ääneti kaikkia niitä kompia, joita yön kuluessa
yhä raaempina laskettiin. Hänen velvollisuutensa oli palvella ja
miellyttää. Hän oli näet se syötti, joka paljon veti vieraita Hellaaseen
ja suurensi siten kapakan tuloja, mutta sentähden häneen pitikin
kaikilla luonnollisesti olla yhtäläiset oikeudet. Toisinaan hän
kumminkin aina pyörähti ikäänkuin levähtämään Juhanan ja Eljaan
pöytään ja siinä haastettiin yhtä ja toista. Ja hellytti hän siinä niin
Eljaan nuoren sydämen, että tämä kohta ei enää tyttöä ainoastaan
säälinyt. Mutta kateellisina toiset tiheään komensivat Annia muualle,
ja ivaa ei säästetty enkelin pakopaikasta.

— Jokohan noustaan, sanoi Juhani katsellen kelloaan. Kahta se jo

kävi.
— Hennotko lähteä?

Tuntuihan se vähän vastenmieliseltä Eljaasta nyt näin lämpimiltään

paeta pois. Mutta kun muutamia muitakin jo nousi lähteäkseen,
ryyppäsi Eljaskin lasinsa pohjaan, heitti hyvästit ja ehätti toisten
jälkeen.

— Käykää pian taas, huusi tyttö silmää iskien.

Kun joukko pääsi raittiiseen ulkoilmaan, hengitettiin täysin

keuhkoin ja kaupunkiin alettiin astella leikkiä laskien.

— Pyörällepä taisi tyttö kiertää Eljaalta pään, ilveili vanhemmista

yksi.

— Niin, niin. Eljas on hyvissä kirjoissa Hellaassa. Kun sattuu matti

taskuun, niin lyöttäydytään vain Eljaan seuraan, kyllä lohkeaa
velaksikin jos mitä.
 — Ja kun se ei vielä ihastuksesta päihinsäkään päässyt. Aivan on
kuin olisi maitoa särpinyt koko illan.

— Se näettesen juontikin unohtui, kun siinä yksistä tuumin

sivupöydän ääressä lerkutettiin. Ja olihan siinä vakava Juhanakin.

— Mutta kolmantena miesnä, se nähtiin. Niinhän se oli siinä Eljaan

ja
Annin välissä kuin liika naula reen jalaksessa.

— Taisinpa olla, naureli Jussi. — Mutta varohan Eljas, ettet rupea

kovin usein sääliskelemään — kapakkatyttöjä.

Siten ilveili kävellessään ensi joukko, joka palasi N.S:n vuosipäivän

vietosta Hellaasta. Enemmistö siellä vielä jatkoi äänekästä iloaan.
Savun, kitkerän ilman ja lasien kilinän seassa tulvaili alakerran
isomman salin henkirei'istä ulos Aatu Kustavin laulu ja käheän köörin
säestys, ja etäälle taisi erottaa sanat:

Älä sinä tyttö vielä itke itke sinä sitten vasta, kun toisella
jalalla rukkia poljet ja toisella liekutat lasta.
II.

Yrjönkadun yläpäässä asuivat serkukset, Juhana ja Eljas. Kivimuurin

kolmannessa kerroksessa oli pihalle päin heidän kaksi-ikkunainen
huoneensa. Toisen edustaisella pöydällä oli auki Ruotsin valtakunnan
laki, vieressä ylen tuttu »Schrevelius» ja vielä kaikenlaisten kaarien
kopioituja luentovihkoja. Se pöytä oli Juhanan, juristin. Pöydällä
toisen ikkunan edessä oli sekaisin kaikenlaista: kreikan kielioppi ja
Shakespearin draamoja, Suomen kielen rakennus ja Johtavat
aatteet, Kantin kritiikki ja almanakka, Giftas ja rukouskirja. Oli siinä
vara valita.

Eljas viskasi sinne toisten joukkoon muutaman Suomi-kirjan, josta

oli iltahämärässä katsellut suomalaisten kansojen sukupuuta ja
haaroja, ja heittäysi takanojaan keinutuoliinsa. Hän oli suuren
Suomen sillan suuri intoilija.

— No on niitä noita suomalaisiakin kansoja jos minkä nimellisiä, ja

useimmat ne vielä elävät syvässä tiedottomuudessa, kolkossa
pimeydessä.

— Pimeyteen tästä taidamme jäädä kohta mekin, jos ei matami

tuo lamppuja, virkkoi hetkisen kuluttua Juhana ja nosti säärensäkin
sohvalle.

— Ja niin ne ovat hajallaankin, silvotut ja heitetyt kuin akanat

tuuleen. »Ei Aunus, Vepsä tunne, kusta Eestein kulkevi tie…»

— Mutta minä tunnen, että minun tieni kohta kulkee tupakan

hakuun, mistä häntä saaneekin näin pyhäpäivänä.

— Sinulla ne on aina nuo tupakkisi!

— Kuinkas muuten. Lähdetäänkö kävelemään?

— Kävelemään. Siinä lanttastessa se aika tärväypi.

— Aika se sultakin! Haaveiletko siinä sunnuntai-iltana Aunustasi

vai et, — ykskaikki! Ei se sinua kauas potkaise.

— Hyvä se on niitäkin tuntea, ja välttämätön.

— Välttämätönkö sinun on hapuilla sieltä täältä ja sotkea yhteen

tukkuun hebreat, virot, filosofiat ja Aunukset? Mikä niistä sitten
syntyy? Lue sinä Eljas kreikan kielioppiasi arkipäivinä, käännä
Homerosta ja mene tentteeraamaan. Hapuilee kuin sokea!

— Pitäähän toki ensin saada vähän yleissilmäystä, laajempaa

näköalaa.

— Näkö… Lukea poruuttele kurssejasi vain ja ota sitten

yleissilmäys.

— Kursseja! Siinäkö se sitten onkin koko ylioppilaan vapaa

tutkiminen, että muutamia kirjoja pannaan päähän ja tentteerataan?
Kurjaksipa sen sinä käsität.
 — Niin se pitää sinunkin käsittää, ja varo ettet sitä käsitä liian
myöhään.

— Ja sitenkö kehitän henkeni vapaaksi elämän taisteluihin

ryhtyäkseni?

— Kuule Eljas! Sinun pitää kehittää itseäsi ruunun rasvaista pullaa

eikä mitään muuta varten. Elämän taistelusi on siitä kilpailla ja
koettaa saada se niin pian kuin mahdollista ja niin suuri kuin suinkin.
Sitten vasta saat alkaa Aunuksia hourailemaan, kun tyytyväisenä voit
taputella paisuvaa vatsaasi ja odotella palkankorotuksia.

— Syö sinä rasvapullaasi. Minä katson elämäni kutsumusta vähän

ihanteellisemmalta kannalta, välipä tästä, jos vähän laihemmaksi
jäänkin.

— Sinä kuolet nälkään. Hampaasi kolahtavat pian naulaan, ja

haudallasi kiroilevat velkamiehet nimeäsi. Mies se, joka ensiksi
pääsee kirjansa loppukanteen ja saa tutkintonsa taakseen!

— Ja semmoinenko sinun elämäsi pyrintö on? Ei muuta kuin

iankaikkista kissanhännän vetoa.

— Justiin! Sillä erotuksella vain, että täällä kartun sijasta koetetaan

vetää puoleensa mikä mitäkin: kerjäläinen lihakkainta luupalaa,
talonpoika viljavinta peltotilkkua ja pienintä maantieosuutta,
virkamies vähintä työtä ja suurinta palkkaa… Mutta ota jo takki
päällesi, lähdetään.

— Kun tapaisin eheimmät kalossit vähimmällä vaivalla!

— Kavahda vilppiä, mutta pidä puolesi. — Ota avaimesi taskuun.

 Siitä laskeusivat serkukset väitellen keskikaupunkia kohden ja
hämmentyivät pian siihen ihmisvirtaan, joka siellä aina ja sunnuntai-
iltoina etenkin tulvailee.

Juhana oli serkkuaan paria vuotta vanhempi ja vuotta vanhempi

ylioppilaana. Yhdessä olivat he lapsuutensa ajat viettäneet, vuoroin
leikkineet kummankin kodissa, naapuripitäjissä kaukana pohjan
perillä, onkineet harria koskista ja saloilla ampuneet metsän viljaa.
Muokkautuneet sitten koulukaupungissa ja miehistyneet. Erilaiset
olivat heidän luonteensa, mutta hyvin he silti yhteen sopivat. Juhana
oli vakava, miettiväinen, hitaampi mies, joten oli aina ollut sieluna
leikissä ja todessa Eljaan tulisempi luonne ja elävämpi mielikuvitus.
Jospa toverit toisinaan pilkkasivatkin hidaskielisen, jäykän Juhon
juroutta, niin yhtä usein joutui Eljaan ajattelemattomuus saman
naurun alaiseksi.

Lahjakkaampi tosin ja vilkkaampi oli Eljas, puhua parpatti paljon,

puuta jos heinääkin, aikoi suuria ja haaveksi kaikenlaista, jota 18-
vuotiaaseen, toivorikkaaseen päähän mahtuu. Juhana taas kun
milloin sai sanoneeksi sanan, niin se sattui paikalleen.

Ja niin he astelivat nyt pitkin esplanaadia, jonne tunkeutumisen

halu aina on viekoitellut taajan joukon joutilaita. Siinä heidän
edellään luovivat juuri Lassi ja Antti, ja pian he nämä ehättivät.

Lassi, joka, vaikka ensivuotias hänkin, jo hyvin oli ottanut oloihin

perehtyäkseen, selitti juuri Antille, hiljaiselle miehelle, eilisiltaista
retkeään, asetellen ehtimiseen rillejään, jotka eivät tahtoneet
koskaan pysyä siinä nykerönenällä eikä suojella punoittavia silmiä.

— Kun minä eilen illalla palasin labbiksesta, tapasin aasiksen

kohdalla Supiksen, ja niin me laskeusimme tänne espikselle, jossa oli
mahoton hyvä piikis. Mutta me mentiin studikselle suoraan Hudista
tapaamaan ja jäimme sinne pariksi tunniksi, kunnes ajoimme
Kaisikseen…

— Mitä se Lassi valehtelee siinä? Eljas löi Lassia olalle, niin että
rillit taaskin tipahtivat.

— So! enkä valehtele. Ka terve, tekö siinä olette?

— Mihin ne serkukset semmoista kyytiä viiltää joukkojen halki?

kysyi
Antti.

— Tupakan ostoon vain. No, kääntykää tänne, kävelemään.

— En minä viitsi. Kotiin pitäisi jo joutua lukemaan, selitti Lassi.

— Hillitse sinäkin jo tuo lukuintosi, lähteehän se henki

vähemmälläkin. — Eljas otti häntä käsikynkästä, ja niin sitä mentiin.
— Eihän tässä katuakaan saa sulkea.

— Eipä sitä joutaisi. Tupakkaa sitä pitäisi sentään minunkin saada.

Mutta sitten me painamme kotiin suoraan Antin kanssa.

— Tietenkin, vakuutti tämä.

Hiukan tyhmänä olivat koulutoverit pitäneet Lassia, vaikka ei hän

itse sitä suinkaan uskonut. Sekavat ja omituiset olivat hänen
tuumansa aina olleet, ja hauska oli toisten usein ollut käyttää
hyväkseen hänen herkkätuntoisuuttaan ja helposti syttyvää
innostustaan. Mutta Helsingissä häntä olisi luullut ihan toiseksi
mieheksi, semmoisella varmuudella ja ainakin näennäisellä
itsenäisyydellä hän käyttäytyi. Rahaa oli hänellä paljon, ja se hänet
pian saattoi vanhempain tuttavuuteen, sillä ei se Lassista niin
tarkkaa ollut, vaikka hän joskus saikin maksaa muutaman markan
enemmän kuin toiset — hienossa seurassa. Olihan sitä, ja toista tuli.
Mutta seuraavana päivänä oli hän pennistä kitsas.

— Eipä sitä nyt tupakkaa taida saada muualta kuin

ylioppilashuoneelta, virkkoi Juhana, kun Aleksanterinkadulle
laskeuduttiin.

— Hiisi, siellä maksaa puntti kymmentä penniä enemmän kuin

muualla, valitti Lassi. Hän muisti eilistä iltaa.

Mutta kun tultiin siihen kadun käänteeseen, joka ikäänkuin väkisin

vetää mukaansa, niin pistäydyttiin »taloon».

— Hyvästi. Pitää lähteä kotiin lukemaan. — Lassi pysähtyi

portaille.

— Älähän nyt hätäile. Katsotaan, onko kirjeitä. Entä sinun

tupakkasi?

Ja ylös rappusia kapusi Lassikin. Eihän siellä ollut kirjeitä. Pari

miestä siellä seisoi etehisessä ja haukotteli, kädet housuntaskussa.
Tarkoin he tähystelivät kaikkia sisään tulijoita, tutkiskellakseen
tulisiko joku, jolla olisi jokunen viitonen liikaa matkassa. Kapakan
puolelle meni Juhana tupakkia ostamaan, ja Lassi seurasi. Mutta
sieltä ulos tullessaan oli heti kirous hänen huulillaan.

— No kehtaa ne nylkeä ihmisiä! Viisikymmentä penniä

tuommoisesta tyngästä. — Sikaari oli hänellä hampaissa, sen hän oli
muka säästääkseen ostanut. — Kokonaisen paperossipuntin olisi sillä
hinnalla saanut!
 — Mutta miksi sinä pyhä veli ostit niin kalliin?

— Viisi penniä luulin maksavan, eli kymmenen. Eivät sanoneet

edeltäkäsin, sitten vasta, kun jo oli suussa, eivätkä enää takaisin
huolineet.

— No onhan sillä Lassin ukolla varaa, vaikka ostaisi kuorman

tuommoisia, lohdutti Eljas. — Kolme taloa ja kasat arkun pohjalla.

— Kasat! Mutta mihin tästä nyt lähdetään?

— Onko se Eljas käynyt Hellaassa, tuttavuutta jatkamassa, kysyi

Antti.

— Eihän se vielä. Lyhyeenhän se sinun säälimisesi jäikin. Eikö

sinua enää huoletakaan tuon tyttöparan tulevaisuus, vaikka lie
ikäväänsä jo kuihtunut? — Juhana oli pitkin viikkoa tuolleen kiusaillut
Eljasta, kun tämä sanoi Hellaan Annin kohtaloa aina mielihaikealla
muistelevansa.

— Veistele sinä vain. Jospa olisin vähän toisessa asemassa, niin

näyttäisin, että todella säälin hänen synkkiä päiviään.

— Käyhän toki lohduttamassa, johan tuo lie onnettomuuteensa

kuollutkin.

— Tekisipä mieleni. Lähdetäänkö Hellaaseen päin kävelemään?

— En ainakaan minä. Minä tunnen sen kapakoissa juoksun. —

Lassi oli hyvin jäykkänä ja päättäväisenä.

— Eihän tästä nyt juomaan. Kävellään vain.

— Kyllä minä tiedän ne kävelyt. Tuletko Antti kotiin?

 — Entäpä jos sentään illallisen alle vähän kävelisimme. Ei siitä
työstä sitä ennen kumminkaan mitään tule.

— Voisihan sitä kävellä, mutta sisään en… Vai eikö se Juhana

tulekaan?

— Eihän se jouda. Se näet kulkee joka sunnuntai katselemassa

erästä laihaa kirjurimamsellia, minkä siitä hyötynee. Aiotko tänäänkin
mennä sinne arkkitehdille, Juhana?

— Enpä tuota tiedä. Käyn ensin täällä lukusalissa.

— Terveeksi sitten. Me menemme Hellaaseen.

Lukusalissa oli kamalan hiljaista. Parikymmentä miestä siellä istui

pitkin sohvia, millä kädessään mikin sanoma, jota ainakin oli
lukevinaan. Mutta vuoron päältä he haukottelivat. Pari himmeätä
kaasuliekkiä valaisi tuota isoa huonetta, jossa vain joku rykäisy tahi
käännetyn lehden kahina katkaisi äänettömyyden.

Juhana sieppasi sieltä pöydältä lehden käteensä ja alkoi lukea.

Mutta kuivilta ne tuntuivat nyt nuo Fliegende Blätterinkin
sukkeluudet, kuvat rumia, eikä hän viitsinyt seurata tekstiä, että
mistä siinä oikeastaan puhuttiin ja ilveiltiin. Hän sytytti tupakan,
veteli siitä sakeita haikuja ja tuumaili.

— Olisikohan pitänyt lähteä poikain kanssa Hellaaseen? Kovin tuo

on täälläkin kuivaa. Mutta joutavaa se on, jos sielläkin juonti tulee:
rahaa menee ja aikaa. Lähtisikö tästä teatteriin? Vai pitäisiköhän sitä
käydä tädin talossa; eihän siihen kyllä pakkoa ole, vaan saisihan
tuolla käydä, kun ne kumminkin odottavat. Siellä kai se on taas
Juliakin; sukuja miten lie isännälle, koska tuo siellä on aina
sunnuntaisin. — Laihaksi kirjurimamselliksi sitä Eljas sätti: mikäs se
onkaan muu! Mutta koreanlaiset sillä on silmät. — Kun sille olisi
koskaan mitä sanomista, — ja yhtä tuppisuuna se on hänkin. — Hiisi
kun haukotuttaa! Saisihan tuonne lähteä arkkitehdille, mitäpä
täälläkään viisastuu.

Kello kävi seitsemättä. Se alkoi olla jo sopiva aika lähteä, — jos

lähteä viitsisi. Juhana katseli vielä pöydälle, että olisiko tuolla ollut
jokin lehti, jota olisi kannattanut silmäillä. Eikä ollut. Vielä tähysteli
hän miehiä, jotka siinä loikoilivat lehtiään lukien, olisiko sattunut
tuttavaa, jonka seuraan lyöttäytyisi. Ei ollut. Kaikki olivat ne juron ja
pahantuulisen näköisiä, ja Juhana jo arveli, jotta ei niillä kaikilla toki
taida olla tätiäkään kaupungissa, eikä tädin luona kirjurimamsellia,
laihaakaan.

Juhana viskasi takin ylleen ja läksi. Kiireenlaisesti hän asteli,

suoraan tunki kansanvirran halki esplanaadille ja alkoi nousta
vastamaata Kasarminkadulle. — Se oli aika jo lähteä, jos ensinkään
mieli, — ja saattoihan tuolla käydä.

Arkkitehdissä oli eräitä muitakin vieraita, ja Juhana vetäytyi,

käteltyään kaikkia järjestään, nurkkaan istumaan. Täti häntä siinä
vähän puhutteli, kysyi oliko kirjettä tullut kotoa ja miten siellä
jaksettiin. Arkkitehti tarjosi tupakkaa, kehoitti ottamaan ja kääntyi
taas toisia vieraita puhuttelemaan. Poika, kuusivuotias, perheen
esikoinen, pinkeissä pöksyissä ja tukka silmille kammattuna,
komennettiin tervehtimään, ja komeasti hän jalalla raapasikin.

Siinä toisessa nurkassa se istui Julia, selaillen albumia, jota Juhana

oli ennen nähnyt hänen jo ainakin kymmenen kertaa selailevan. —
Eihän tuo nyt ollut niin hemmetin laiha. — Juhanasta oli hän
tavallisessa lihassa, ja minkä se sille osasi, että täytyi
kirjoittelemisella tienata, konttoristina olla, — köyhä tyttö.

Silleen olivat he arkkitehdissä jo useana pyhäiltana istuneet, — eri

nurkissa. Mutta nyt Juhanalle pisti päähän, että mitähän jos menisi
tyttöä kerran puhuttelemaan, kun hänkin noin yksin istui muista
erillään. Ei taida viitsiä, ajatteli hän toisakseen, mitäpä tuolle olisi
sanomistakaan. Mutta siinä mietittyään hyvän aikaa nousi hän äkkiä,
kulki poikki lattian pitkin askelin ja asettui tytön tuolin taakse. Siinä
se yhä albumista katseli kukkaiskortteja.

— Voisipa tuo olla niinkuin minunkin antamani, sanoi hän eräästä,

jota
Julia juuri piti kädessään.

— Miten se voisi olla, kun se on minun antamani?

— Ilman vain noista alkukirjaimista päättäen. J.K. kun on

näettesen.

— Ovatko teidänkin alkukirjaimenne J.K.?

Olivathan ne. Kovin se olikin hullusti sattunut. Ja siitä sitä

vähitellen puhetta punousi. Juhana löysi tuolinkin siitä lähitienoilta,
ja kun siihen teevettä kannettiin, niin oikein se hyvältä tuntui. Aina
hetken kuluttua toinen virkahti jotakin ja siihen taas toinen.
Syysloasta, teattereista, mistä lie puhuttu, mutta sen verran siinä
Juhana lämpesi, että olisi paikalla tahtonut Eljaalle todistaa, ettei
Julia ollut vähääkään liian laiha. Ja siltä se näytti kuin olisi tyttökin jo
hyvillä mielin silmäillyt Juhanan rehelliseen naamaan.
 Ilta kului paljoa pikemmin kuin tavallisesti. Kun poislähdön aika
tuli, tarjousi Juhana saattamaan Juliaa kotiin. Tuommoista ei ollut
koskaan ennen tapahtunut, ja oikein ihmeellä katseli arkkitehdin
rouva, että mikä nyt oli mennyt hänen sisarensa poikaan, kun
kohteliaaksi rupesi.

Ja hän saattoi Julian kotiin, Malminkadulle, ja siinä kättä

paiskattiin. Eikä nyt Juhanan tehnyt mieli yksin kotiin kävellä. Tuntui
niin keveältä, raitis oli ilmakin. Harmitti vain, ettei ollut ennen tullut
puhelluksi tuon tytön kanssa, olisi monesti ollut hauskempi tädin
luona. — Niin, mihinkä hän nyt astelisikaan. Ei Eljas tietenkään vielä
ole Hellaasta palannut, — mitenhän olisi, jos lähtisi noutamaan pojan
sieltä. — Ja sinnepäin kääntyi Juhana, se Malminkatu kun olikin
vähän tullin puolessa.

Siellä Hellaassa ne istuivat, Eljas, Antti ja aivan etupäässä Lassi,

joka ei ollut aikonut sisään mennä.

Iloiseksi oli mennyt Annin katse, kun heidän tulevan näki. Sydän
se näet on kapakkatytölläkin, nuorella varsinkin; Eljas oli pulska
poika, ja häntä oli Anni muistellut N.S:n vuosipäivästä asti. Heti
viivähtikin Anni sen pöydän tienoilla, johon vastatulijat olivat
istahtaneet, ja alkoi juttelun.

Mutta muitakin istui siinä Hellaan salissa, juomispuuhissa. Ja

kummakos, että istui. Useat näet juovat syyttäkin, mutta niitä on
paljon syitäkin juomiseen, ja tuskinpa mikään maailmassa on niin
monipuolista kuin viina. Iloinen juopi ilostaan, murheinen
unhottaakseen surujaan. Rikas juopi — onhan sillä, mistä juoda,
köyhä juopi osattomuutensa harmista. Terve juopi, koska jaksaa,
sairas juopi päästäkseen hetkeksi kivuistaan. Vanha juopi
nuortuakseen, nuori juopi — eihän hänkään ole Pekkoja pahempi. —
Niinpä niitä oli nytkin Hellaassa miehiä, ylioppilaita, jotka jo toista
vuorokautta joivat, ja aivan eri syistä. Toiset joivat, kun olivat
läpäisseet tutkinnossa, toiset, koska olivat saaneet reput: syytä oli
kumpaisillakin, ja yhtä reippaita olivat kaikki, sillä saman verta
kuohui heidän kallossaan. Sitä he vain eivät voineet yksikään
suvaita, että tyttö asettui tulokkaiden pöytään, ja riitaa he rupesivat
näiden kanssa rakentamaan. Mutta kun toisista, siivommista eivät
vastustaan löytäneet, pyöräyttivät toisaalle päin ja alkoivat heittäytyä
tutuiksi. Saman hengen lapsia olivat olevinaan, kohta jo veljenmaljaa
esittivät ja kuinka lie ollutkaan, — aiottuun puoleen olutpulloon ei
Lassiltakaan juonti jäänyt. Pian kippaili hän syvässä ystävyydessä
uusien veljien kanssa yksissä tuumin. Antti ei ollut sen luontoinen,
että vastaan olisi pannut, ja Eljaalla oli niin mahdottoman paljon
asioita tytön kanssa selvitettävinä, ettei joutanut toisten tuumiin
paljon puuttumaan; siinä pöydän nurkalla he puhua parpattivat
pitkin iltaa, ja kun Anni milloin toisaalle juoksuihinsa joudutti,
seurasivat Eljaan silmät mielihyvällä hänen keveää sipsutustaan,
kunnes tyttö taas tuli hänen tuolinsa viereen lirkuttamaan.

Tiheään toiset kilistelivät, ja yhäti se Eljaskin lämpeni. Jo oli tyttö

saanut kertoneeksi hänelle historiansa, mutkattoman, lyhyen.
Käsityöläisen tytär sanoi olevansa pienestä rantakaupungista.
Laivaan oli siellä joutunut pari vuotta sitten ja kesällä jäänyt
Helsinkiin, jossa oli ruvennut Hellaan kyökkiin ensiksi ja sitten tiskin
taakse. Ei sanonut kapakkaelämän miellyttävän, mutta minkäpä sille
teki. Ja oli se siinä Eljas näkevinään kyyneleenkin hänen kauniissa
silmässään, ja silloin alkoi hän hautoa mielessään erästä tuumaa.

Samassa tuli Juhana, astui reippaana ja iloisena serkkunsa luo

tämän huomaamatta.
 — Soo, Eljas, joko sinä kuinka pitkälle olet päässyt?

— Ka Juhana! Niin missä suhteessa pitkälle?

— Juonnissa ja säälisi suhteen. Missä tyttösi on?

— Vastahan tuo pääsi tästä pyörähtämään, selitti Antti, joka iltaa

suurimman osan oli äänetönnä itsekseen istunut ja kuunnellut
vuoroin Eljaan ja tytön pakinaa, vuoroin toisien porinata. — Eljashan
sitä on tuossa koko illan hakkaillut semmoisella innolla, että tuskin
on parin ryypyn vanhaksi ehtinyt päästä.

— No sittenhän se alkaa valmistua.

— Luulisipa kylläkin. Mutta mikä sinut tänne lennätti? Olitko tätisi

luona ja sen mamsellin kimpussa?

— Olinpa tietenkin ja nyt tulin teitä pois hakemaan. Mutta

Lassihan näyttää jo melko pitkälle päässeen.

Yhä useammin oli Lassi kilistellyt. Poskensa punoitti, ja vähän alkoi

jo kielensä sammaltaa, kun hän uusille veljilleen ystävyytensä
tunteita selitti. Ja hyvin osasivatkin nuo hänen tunteitaan virittää:
eipä arvellut Lassi enää rahalla sielua olevan.

— Kaunis röökynä, huusi hän muikeimmalla äänellään, kun Anni

taas sisälle tuli, — jos toisitte meille paraita sikaarejanne
kymmenkunnan, niin olisitte erinomaisen kil-kiltti.

— Näitäkö 50 pennin?

— Ei, rakas neiti, tule kysymykseen pennit eikä mar-markat,

kunhan te tuotte, noilla hienoilla käsillänne.
 Mutta kyllä siltä luistaa tuo tyttöjen mielistely, tuolta Lassiveljeltä!
mairittelivat toiset. — Semmoisen sen pitää olla gentlemannin…

— Ja jos vielä saisin vaivata — kaksi punssia lisää. Se on teidän

tuomananne kuin hunajaa.

— Alvanhan sinä panet tytön pyörälle. Kas kun punastuu. Sinulla

on täällä mainiot paperit, veli Lassi!

— Ja armaani, käskekää valmistaa vähän suu-suussa purtavaa.

Saanko ruokalistan.

— Älähän toki Lassi enää, johan tässä nyt kerraksi, esteli Antti,
joka sääliskeli huonetoverinsa huomispäivää.

— Enkö minä saa tilata mitä tahdon, veljet, omilla rahoillani?

— Sitä minä tahtoisin nähdä, joka voipi kieltää veli Lassia…

— Semmoiset holhoojat…! — Toiset pitivät näet Lassin puolta

hyvin ymmärrettävistä syistä.

— Niin, kulta Anni, kuudelle te-teirinpaistia.

Täytyihän Annin kantaa sinne, mitä tilattiin, mutta ei hän

näyttänyt paljon välittävän niistä Lassin mairittelusanoista.
Semmoisia sai hän vieraitten suista kuulla joka ilta ja yö, eikä niillä
hänelle ollut merkitystä. Toista oli hänen ohikulkiessaan aina
katsahtaa Eljaan silmään ja panna poika vähän punehtumaan, ja
omaa vertakin ne liikuttivat nuo kaksipuoliset katseet, hellänlaiset.
Nuori tuo oli tyttökin, eikä vielä pahasti paatunut. — Juhana, joka
janoihinsa oli jäänyt olutlasin juomaan, huomasi hyvin nuo väreet,
mutta ei hän ollut milläänkään siitä: antaapa pojan heitellä
Welcome to our website – the perfect destination for book lovers and
knowledge seekers. We believe that every book holds a new world,
offering opportunities for learning, discovery, and personal growth.
That’s why we are dedicated to bringing you a diverse collection of
books, ranging from classic literature and specialized publications to
self-development guides and children's books.

More than just a book-buying platform, we strive to be a bridge

connecting you with timeless cultural and intellectual values. With an
elegant, user-friendly interface and a smart search system, you can
quickly find the books that best suit your interests. Additionally,
our special promotions and home delivery services help you save time
and fully enjoy the joy of reading.

Join us on a journey of knowledge exploration, passion nurturing, and

personal growth every day!

ebookbell.com