第 66A 章 状态空间与系统实现¶
前置：线性方程组 (Ch01) · 特征值 (Ch06) · 矩阵函数 (Ch13) · 矩阵束 (Ch41A)
本章脉络：从外部描述到内部表示 \(\to\) 状态空间方程 (State-Space Equations) 的定义 \(\to\) 系统矩阵、输入阵、输出阵与直接传递阵 \(\to\) 系统解的结构：自由响应与强迫响应 \(\to\) 核心判据：可控性 (Controllability) 与可观测性 (Observability) \(\to\) Kalman 分解定理 \(\to\) 传递函数矩阵与系统的代数等价性 \(\to\) 系统实现：从传递函数到状态空间的映射 \(\to\) 最小实现 (Minimal Realization) \(\to\) 应用：多变量反馈控制、航空航天制导、电路系统的状态建模
延伸：状态空间法是现代控制理论的灵魂；它将系统的物理状态封装为向量，将因果律映射为矩阵算子，证明了复杂系统的演化不仅取决于输入，更取决于内部能量状态的几何演化，是连接线性代数与工程自动化的大动脉
在经典控制中，我们习惯于用传递函数描述输入与输出的关系。但这种“黑箱”视角无法揭示系统内部的变化。状态空间表示（State-Space Representation）通过引入“状态向量” \(\mathbf{x}(t)\)，将复杂的动力学过程转化为一组线性矩阵方程。它允许我们精确分析哪些内部状态是可以被外界操纵的（可控性），以及哪些是可以被探测到的（可观测性）。本章将介绍这一作为自动控制与系统科学核心的代数框架。
66A.1 状态空间方程¶
定义 66A.1 (线性时不变系统状态空间)
$\(\begin{cases} \dot{\mathbf{x}}(t) = A\mathbf{x}(t) + B\mathbf{u}(t) \\ \mathbf{y}(t) = C\mathbf{x}(t) + D\mathbf{u}(t) \end{cases}\)$ - \(A\)：系统矩阵（描述固有动力学）。 - \(B\)：输入矩阵（描述控制作用）。 - \(C\)：输出矩阵（描述观测方式）。 - \(D\)：直馈矩阵。
66A.2 可控性与可观测性¶
定理 66A.1 (Kalman 判据)
- 可控性：系统是完全可控的，当且仅当可控性矩阵 \(\mathcal{C} = [B, AB, A^2B, \ldots, A^{n-1}B]\) 满行秩。
- 可观测性：系统是完全可观测的，当且仅当可观测性矩阵 \(\mathcal{O} = [C^T, (CA)^T, \ldots, (CA^{n-1})^T]^T\) 满列秩。
66A.3 系统实现与传递函数¶
技术：传递函数矩阵
系统的输入输出特性可以用拉普拉斯变换下的传递函数矩阵 \(G(s)\) 表示： $\(G(s) = C(sI - A)^{-1}B + D\)$ 最小实现：一个实现 \((A, B, C, D)\) 是最小的（维数最低），当且仅当它是完全可控且完全可观测的。
练习题¶
1. [基础] 给定系统 \(A = \begin{pmatrix} 0 & 1 \\ -2 & -3 \end{pmatrix}, B = \begin{pmatrix} 0 \\ 1 \end{pmatrix}\)。计算其可控性矩阵 \(\mathcal{C}\)。
参考答案
计算步骤： 1. 计算 \(AB = \begin{pmatrix} 0 & 1 \\ -2 & -3 \end{pmatrix} \begin{pmatrix} 0 \\ 1 \end{pmatrix} = \begin{pmatrix} 1 \\ -3 \end{pmatrix}\)。 2. 构造矩阵 \(\mathcal{C} = [B, AB] = \begin{pmatrix} 0 & 1 \\ 1 & -3 \end{pmatrix}\)。 结论：\(\det(\mathcal{C}) = -1 \neq 0\)，故矩阵满秩。系统是完全可控的。
2. [可观测性] 若 \(C = \begin{pmatrix} 1 & 0 \end{pmatrix}\)，判定上述系统是否可观测。
参考答案
计算步骤： 1. 计算 \(CA = \begin{pmatrix} 1 & 0 \end{pmatrix} \begin{pmatrix} 0 & 1 \\ -2 & -3 \end{pmatrix} = \begin{pmatrix} 0 & 1 \end{pmatrix}\)。 2. 构造矩阵 \(\mathcal{O} = \begin{pmatrix} C \\ CA \end{pmatrix} = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix}\)。 结论：\(\mathcal{O} = I\)，满秩。系统是完全可观测的。
3. [解的结构] 系统在零输入 \(\mathbf{u}(t)=0\) 下的解是什么？
参考答案
结论：\(\mathbf{x}(t) = e^{At}\mathbf{x}_0\)。 这被称为零输入响应或自由响应。它完全由系统矩阵 \(A\) 的特征值决定。
4. [传递函数] 证明：若 \(D=0, B=b, C=c^T\)（单入单出），传递函数是一个标量分式。
参考答案
证明： \(G(s) = c^T(sI - A)^{-1}b\)。 由于 \((sI-A)^{-1}\) 是一个矩阵，\(c^T\) 左乘、\(b\) 右乘后的结果是一个 \(1 \times 1\) 的标量。 根据伴随矩阵公式，它等于 \(\frac{c^T \operatorname{adj}(sI-A) b}{\det(sI-A)}\)，其分母正好是系统的特征多项式。
5. [PBH判据] 什么是可控性的 PBH 判据？
参考答案
描述： 系统 \((A, B)\) 是完全可控的，当且仅当对于 \(A\) 的所有特征值 \(\lambda\)，矩阵束 \([ \lambda I - A \ | \ B ]\) 始终保持满行秩。 意义：这说明控制作用 \(B\) 必须能够影响到每一个特征模态的方向。
6. [计算] 若系统 \(A = \operatorname{diag}(1, -1)\)，输入 \(B = \begin{pmatrix} 1 \\ 0 \end{pmatrix}\)。该系统可控吗？
参考答案
判定： 1. 计算 \(\mathcal{C} = [B, AB] = \begin{pmatrix} 1 & 1 \\ 0 & 0 \end{pmatrix}\)。 2. 秩为 1，小于系统维度 2。 结论：不可控。 直观理解：由于特征值 -1 对应的状态分量在 \(B\) 中权重为 0，且 \(A\) 是对角的（不耦合），外部输入永远无法影响第二个状态。
7. [实现] 判定：同一个传递函数 \(G(s)\) 是否对应唯一的状态空间实现？
参考答案
结论：不唯一。 理由：如果我们对状态进行坐标变换 \(\mathbf{z} = P\mathbf{x}\)，得到的新系统 \((P A P^{-1}, PB, CP^{-1}, D)\) 具有完全相同的传递函数。这意味着物理实现具有基变换的自由度。
8. [最小实现] 判定：若一个系统是最小实现，其维数 \(n\) 满足什么条件？
参考答案
结论：\(n\) 等于传递函数分母多项式的阶数。 最小实现意味着没有冗余的、不可控或不可观测的状态。
9. [对偶性] 简述可控性与可观测性的对偶关系。
参考答案
定理： 系统 \((A, B)\) 是可控的，当且仅当其对偶系统 \((A^T, C^T)\) 是可观测的。 这一对称性允许我们将控制器的设计问题转化为观测器（状态估计）的设计问题。
10. [应用] 为什么在航空航天制导中必须使用状态空间法而非传递函数？
参考答案
理由： 1. 多变量耦合：飞行器有 6 个自由度，输入输出高度耦合，传递函数矩阵过于复杂。 2. 时变性：飞行过程中质量（燃料消耗）和气动参数不断变化，状态空间法能轻易处理 \(A(t)\)。 3. 现代优化：状态空间法允许直接应用线性二次调节器 (LQR) 等基于特征值的最优控制算法，实现精准制导。
本章小结¶
状态空间与系统实现是线性代数向现代工程的“暴力输出”：
- 内部的透明化：它将复杂的动态演化拆解为状态向量在多维空间中的轨迹，证明了系统的可解性本质上是线性算子在时间维度上的积分。
- 能力的界限：可控性与可观测性判据确立了人类干预自然系统的代数极限，划定了“可知”与“可控”的数学疆域。
- 实现的灵活性：通过揭示传递函数与状态空间的多对一映射，该理论为工程设计提供了巨大的坐标自由度，支撑了从经典反馈到现代智能控制的跨越。