第11课控制系统的状态空间分析.pdfVIP

麻省理工学院 电气工程与计算机科学系 6.241：动态系统－2003 年秋 复习 5 约当分解 在这次复习中，回顾一下将 维矩阵A 分解成约当形式。然后，矩阵指数 被推广到 A 不可对角化时的情况。 目标 矩阵指数函数 正如我们在讲义中看到的，矩阵指数函数 （其中 是 的）是用状 态空间表达的 系统的状态转移矩阵。矩阵函数定义如下： 当 矩阵 可对角化时， 就会很容易算出来。让我们回顾一下，如果 是可对 角化的，那么存在（非奇异）相似变换 满足 ，其中 是对角阵， 。 这 样 ， 其 中 。所以，代入 的级数展开式中， 由函数 的幂级数形式的定义，有： 我们得到 可对角化矩阵 在复习2 中，当且仅当存在（非奇异）相似变换 ，使得 时， 1 我们说 是可对角化的，其中 是一个对角阵， 。 可对角 化的必要条件是 有 个线性独立的特征向量。 可对角化的充分条件是 有 个不同的 特征值，因为当 有 个不同的特征值时，它们对应的特征向量就是线性独立的。我们可 以用 的特征值的代数重度和几何重度来重述 的对角化条件。 维 矩 阵 的 特 征 值 是 它 的 特 征 多 项 式 的根，其中 。 特征值 的重数 就是 的代数重度，表示为 。和特征值 相对应的线 性无关的特征向量的个数就是 的几何重度，记为 。证明 即 的零空间的维数。此外，再证明通常条件下 。 现在我们叙述 的对角化条件如下：当且仅当 对 的每个不同的特征值 都成立， 才是可对角化的。换句话说，对每个重复 次的特征值，我们可以找到 个 线性独立的特征向量与该特征值对应。 例 1 ： 考虑矩阵 由它的特征多项式 得出 的特征值是 ， ，其中 。与 对应的特征向量位于以下的零空间中： 注意，该空间中有两个线性独立的特征向量，例如， 和 。 这样 。最后， 是和特征值 对应的特征向量。令 ， 验证 。 约当型 当找不到 的 个线性独立的特征向量的时候， 就不能被对角化。但是存在相似变换 将 转换到 ， ，使得 最大限度的接近对角形式。 就是约当阵，且 每个 值对应一个 （除了分块阵）： 2 因此 是分块对角化的，且 是具有下面结构的方阵： 叫做约当块，在本例中 是和 相对应的约当块。