线性系统的状态空间描述.pptVIP

重特征值?i的所有线性独立特征向量vj及其对应的广义特征向量vj,k的个数等于其代数重数，否则就还存在其他特征向量或广义特征向量。 值得指出的是，并不是重特征值?i的任何一组线性独立的特征向量，都能求出所有的广义特征向量。 若?i的某一组特征向量vj及其相应广义特征向量vj,k的个数小于该特征值的代数重数，则应重新选取其他一组线性独立的特征向量并求取相应的广义特征向量。 重特征值?i的特征向量vj的广义特征向量vj,1,vj,2,…组成的向量链称为?i的特征向量vj对应的特征向量链。 第六十二页，共一百二十九页，2022年，8月28日 下面通过一个例子来简单介绍线性空间的特征子空间分解。 例,某5维线性空间, 存在一个3重特征值和一个2重特征值。 3重特征值有2个独立特征向量，2重特征值有1个独立特征向量。 则该线性空间可分解为如下3个独立的不变特征子空间。 第六十三页，共一百二十九页，2022年，8月28日 若该5维线性空间, 3重特征值有1个独立特征向量，2重特征值有2个独立特征向量。 则该线性空间可分解为如下3个独立的不变特征子空间。 第六十四页，共一百二十九页，2022年，8月28日 例2-7 求如下矩阵的特征向量和特征向量链 解 1. 由特征方程|?I-A|=0可求得系统的特征值为 ?1=?2=?3=-1 即-1为系统的三重特征值，其代数重数为3。 2. 计算对应于三重特征值-1的特征向量。 按定义有 (?1I-A)v1=0 即 第六十五页，共一百二十九页，2022年，8月28日 由于 n-rank(?1I-A)=2 因此，该特征值应有2个独立特征向量，故该重特征值的几何重数亦为2。 由于该重特征值的几何重数小于代数重数，因此存在广义特征向量。 解之得如下特征向量的通解式 v1=[v11 v12 -(v11+v12)/2]T 分别令两组独立的{v11 v12}即可求得三重特征值?1的两个线性独立的特征向量。 三重特征值-1只有两个独立特征向量，其几何重数为2。 因此，重特征值-1的两个独立特征向量中有一个一定存在广义特征向量。 下面通过求广义特征向量来辅助决定选取合适的v11和v12。 第六十六页，共一百二十九页，2022年，8月28日 3. 计算对应于特征向量的广义特征向量和特征向量链。 按定义式(2-51)，特征向量v1的广义特征向量v1,2满足 (?1I-A)v1,2=-v1 即 因此，根据方程的可解性，存在广义特征向量的特征向量v1中的v11和v12满足 v11=-3v12 3倍关系 此时的广义特征向量的解为 v1,2= [r1 r2 -(r1+r2-v12)/2]T 其中r1和r2为任意数。 第六十七页，共一百二十九页，2022年，8月28日 因此存在广义特征向量的特征向量v1为和其对应的广义特征向量可以分别取为 v1=[v11 v12 -(v11+v12)/2]T =[-3v12 v12 v12] T =[1 -1/3 -1/3] T v1,2=[r1 r2 -(r1+r2-v12)/2]T=[1 2/3 -1] T 另外一个不存在广义特征向量的三重特征值?1的特征向量为 v2=[v11 v12 -(v11+v12)/2]T=[1 0 -1/2] T 本例共求得3个特征向量和广义特征向量。 由于矩阵A的维数为3?3，因此对应于上述特征向量和广义特征向量，已不存在其他广义特征向量。 故特征值?1对应于特征向量v1的特征向量链为v1和v1,2。 第六十八页，共一百二十九页，2022年，8月28日 对于传递函数G(s)，其特征方程为 sn+a1sn-1+…+an=0 若其特征方程的n个特征根s1,s2,…,sn互异，则用部分分式法可将G(s)表示为如下并联分解 其中k1,k2,…,kn为待定系数,其计算公式为 自己推导 1. 传递函数中极点互异时的变换 极点互异 和 有重极点 两种情况讨论如何通过传递函数建立状态空间模型。 2.5 状态方程的约当规范形(补充） 第六十九页，共一百二十九页，2022年，8月28日 下面以k1计算式的推导过程为例说明的ki的计算式。 将G(s)的乘以s-s1,有 因此，由于特征根s1,s2,…,sn互异，有 第2项将s1代入为0 考虑到，输出y(t)和输入u(t)的拉氏变换满足 因此，若选择状态变量xi(t)使其拉氏变换满足 第七十页，共一百二十九页，2022年，8月28日 则，经反变换可得系统状态方程为 相应地，系统输出y(t)的