标签：tau 粗浅 线性系统 matrix limits int 作业 cdots alpha
线性系统粗浅认识——第三次作业
声明：本人特别菜，不研究相关的方向，差点挂科，这个作业的内容仅供交流。
第三次作业
作业1
题目
若 z z z是 X X X的子空间， A A A为方阵，对任意 x ∈ z x \in z x∈z, A x ∈ z Ax \in z Ax∈z ,则称 是 的A不变子空间，补齐例子中的所有内容
作业1解答_例子
X
X
X三维空间，
z
z
z是
X
X
X的三维子空间，基底
(
1
1
0
)
\begin{pmatrix} 1\\1\\0\end{pmatrix}
⎝⎛110⎠⎞
(
0
1
0
)
\begin{pmatrix} 0\\1\\0\end{pmatrix}
⎝⎛010⎠⎞,
z
z
z的任意一个元素
x
=
α
(
1
1
0
)
+
β
(
0
1
0
)
x = \alpha \left( {\begin{matrix} 1\\ 1\\ 0 \end{matrix}} \right) + \beta \left({\begin{matrix} 0\\ 1\\ 0 \end{matrix}} \right)
x=α⎝⎛110⎠⎞+β⎝⎛010⎠⎞
A
=
[
2
3
0
−
1
1
0
0
0
1
]
A = \left[ {\begin{matrix}{} 2&3&0\\ { - 1}&1&0\\ 0&0&1 \end{matrix}} \right]
A=⎣⎡2−10310001⎦⎤
A x = ( 2 3 0 − 1 1 0 0 0 1 ) × α ( 1 1 0 ) + ( 2 3 0 − 1 1 0 0 0 1 ) × β ( 0 1 0 ) = α ( 5 0 0 ) + β ( 3 1 0 ) = ( 5 α + 3 β ) ( 1 1 0 ) + ( − 5 α − 2 β ) ( 0 1 0 ) \begin{matrix}{} Ax = \left( {\begin{matrix}{} 2&3&0\\ { - 1}&1&0\\ 0&0&1 \end{matrix}} \right) \times \alpha \left( {\begin{matrix}{} 1\\ 1\\ 0 \end{matrix}} \right) + \left( {\begin{matrix}{} 2&3&0\\ { - 1}&1&0\\ 0&0&1 \end{matrix}} \right) \times \beta \left( {\begin{matrix}{} 0\\ 1\\ 0 \end{matrix}} \right)\\ = \alpha \left( {\begin{matrix}{} 5\\ 0\\ 0 \end{matrix}} \right) + \beta \left( {\begin{matrix}{} 3\\ 1\\ 0 \end{matrix}} \right)\\ = (5\alpha + 3\beta )\left( {\begin{matrix}{} 1\\ 1\\ 0 \end{matrix}} \right) + ( - 5\alpha - 2\beta )\left( {\begin{matrix}{} 0\\ 1\\ 0 \end{matrix}} \right) \end{matrix} Ax=⎝⎛2−10310001⎠⎞×α⎝⎛110⎠⎞+⎝⎛2−10310001⎠⎞×β⎝⎛010⎠⎞=α⎝⎛500⎠⎞+β⎝⎛310⎠⎞=(5α+3β)⎝⎛110⎠⎞+(−5α−2β)⎝⎛010⎠⎞
作业2
题目：证明必要性
{ A , B } \left\{ {A,B} \right\} {A,B}完全能控 完全等价于的所有列不属于任意一个 的真线性不变子空间，给出简单例子并加以说明。
分析
证明该命题的必要性比较复杂，由于原命题和原命题的逆否命题是等价的，因此我改证原命题的逆否命题。
证明
逆否命题：如果
{
A
,
B
}
\left\{ {A,B} \right\}
{A,B}不完全能控，就有
B
B
B的所有列属于一个存在的
A
A
A的真线性不变子空间。
{
A
,
B
}
\left\{ {A,B} \right\}
{A,B}不完全能控，可以得到
[
B
,
A
B
,
⋯
,
A
n
−
1
B
]
[B,AB, \cdots ,{A^{n - 1}}B]
[B,AB,⋯,An−1B]非行满秩
存在非零向量
w
w
w，使
w
[
B
,
A
B
,
⋯
,
A
n
−
1
B
]
=
0
w[B,AB, \cdots ,{A^{n - 1}}B] = 0
w[B,AB,⋯,An−1B]=0
所以
w
B
=
0
wB = 0
wB=0，所以
r
a
n
k
[
B
]
<
n
rank[B] < n
rank[B]<n
A
A
A 的特征根的
λ
1
,
λ
2
,
⋯
λ
n
{\lambda _{\rm{1}}},{\lambda _2}, \cdots {\lambda _n}
λ1,λ2,⋯λn，
A
A
A的特征向量是
v
1
,
v
2
,
⋯
v
n
{v_{\rm{1}}},{v_2}, \cdots {v_n}
v1,v2,⋯vn，多输入系统
B
B
B的向量，
B
=
[
b
1
⋯
b
m
]
b
1
=
α
11
v
1
+
⋯
+
α
1
k
v
k
⋮
b
m
=
α
m
1
v
1
+
⋯
+
α
m
k
v
k
B = \left[ {\begin{matrix}{} {{b_1}}& \cdots &{{b_m}} \end{matrix}} \right]\\ {b_1} = {\alpha _{11}}{v_1} + \cdots + {\alpha _{1k}}{v_k}\\ \vdots \\ {b_m} = {\alpha _{m1}}{v_1} + \cdots + {\alpha _{mk}}{v_k}
B=[b1⋯bm]b1=α11v1+⋯+α1kvk⋮bm=αm1v1+⋯+αmkvk
其中
k
<
n
k < n
k<n，
v
1
,
v
2
,
⋯
v
k
{v_{\rm{1}}},{v_2}, \cdots {v_k}
v1,v2,⋯vk张成了一个线性空间
A
′
A'
A′，
A
′
A'
A′ 是
A
A
A的真线性不变子空间
所以
B
B
B 的所有列属于一个存在的
A
A
A的真线性不变子空间。
所以逆否命题为真，因此，该命题为真。
直接证明：
设矩阵
A
A
A 的一组特征向量为
v
1
,
v
2
,
⋯
v
n
{v_{\rm{1}}},{v_2}, \cdots {v_n}
v1,v2,⋯vn,
B
B
B 的所有列不属于任意一个
A
A
A 的特征向量张成的真线性不变子空间，即
B
B
B的基底可以表示为
{
v
1
,
v
2
,
⋯
v
n
,
v
n
+
1
,
⋯
v
k
}
\{ {v_{\rm{1}}},{v_2}, \cdots {v_n},{v_{n + 1}}, \cdots {v_k}\}
{v1,v2,⋯vn,vn+1,⋯vk}其中
k
>
n
k > n
k>n设
B
B
B的输入为
ｍ
ｍ
ｍ维也就是说
B
B
B可以表示为
B
=
[
b
1
⋯
b
m
]
b
1
=
α
11
v
1
+
⋯
+
α
1
k
v
k
⋮
b
m
=
α
m
1
v
1
+
⋯
+
α
m
k
v
k
B = \left[ {\begin{matrix}{} {{b_1}}& \cdots &{{b_m}} \end{matrix}} \right]\\ {b_1} = {\alpha _{11}}{v_1} + \cdots + {\alpha _{1k}}{v_k}\\ \vdots \\ {b_m} = {\alpha _{m1}}{v_1} + \cdots + {\alpha _{mk}}{v_k}
B=[b1⋯bm]b1=α11v1+⋯+α1kvk⋮bm=αm1v1+⋯+αmkvk
计算零状态响应
x
(
t
)
=
∫
t
0
t
e
A
(
t
−
τ
)
B
u
(
τ
)
d
τ
=
∫
t
0
t
e
A
(
t
−
τ
)
[
b
1
⋯
b
m
]
u
(
τ
)
d
τ
=
∫
t
0
t
e
A
(
t
−
τ
)
b
1
u
(
τ
)
d
τ
+
⋯
+
∫
t
0
t
e
A
(
t
−
τ
)
b
m
u
(
τ
)
d
τ
=
∫
t
0
t
e
A
(
t
−
τ
)
(
α
11
v
1
+
α
12
v
2
+
⋯
+
α
1
n
v
n
+
α
1
n
+
1
v
n
+
1
+
⋯
+
α
1
k
v
k
)
u
(
τ
)
d
τ
+
⋯
+
∫
t
0
t
e
A
(
t
−
τ
)
(
α
m
1
v
1
+
α
m
2
v
2
+
⋯
+
α
m
n
v
n
+
α
m
n
+
1
v
n
+
1
+
⋯
+
α
m
k
v
k
)
u
(
τ
)
d
τ
=
∫
t
0
t
e
A
(
t
−
τ
)
α
11
v
1
u
(
τ
)
d
τ
+
⋯
+
∫
t
0
t
e
A
(
t
−
τ
)
α
1
n
v
n
u
(
τ
)
d
τ
+
∫
t
0
t
e
A
(
t
−
τ
)
α
1
n
+
1
v
n
+
1
u
(
τ
)
d
τ
+
⋯
+
∫
t
0
t
e
A
(
t
−
τ
)
α
1
k
v
k
u
(
τ
)
d
τ
+
⋯
+
∫
t
0
t
e
A
(
t
−
τ
)
α
m
1
v
1
u
(
τ
)
d
τ
+
⋯
+
∫
t
0
t
e
A
(
t
−
τ
)
α
m
n
v
n
u
(
τ
)
d
τ
+
∫
t
0
t
e
A
(
t
−
τ
)
α
m
n
+
1
v
n
+
1
u
(
τ
)
d
τ
+
⋯
+
∫
t
0
t
e
A
(
t
−
τ
)
α
m
k
v
k
u
(
τ
)
d
τ
=
(
α
11
+
⋯
α
m
1
)
∫
t
0
t
e
λ
1
(
t
−
τ
)
v
1
u
(
τ
)
d
τ
+
⋯
+
(
α
1
n
+
⋯
+
α
m
n
)
∫
t
0
t
e
λ
n
(
t
−
τ
)
v
n
u
(
τ
)
d
τ
+
(
α
1
n
+
1
+
⋯
+
α
m
n
+
1
)
∫
t
0
t
e
A
(
t
−
τ
)
v
n
+
1
u
(
τ
)
d
τ
+
⋯
+
(
α
1
k
+
⋯
+
α
m
k
)
∫
t
0
t
e
A
(
t
−
τ
)
v
k
u
(
τ
)
d
τ
x(t) = \int\limits_{{t_0}}^t {{e^{A(t - \tau )}}Bu(\tau )d\tau } = \int\limits_{{t_0}}^t {{e^{A(t - \tau )}}\left[ {\begin{matrix}{} {{b_1}}& \cdots &{{b_m}} \end{matrix}} \right]u(\tau )d\tau } \\ = \int\limits_{{t_0}}^t {{e^{A(t - \tau )}}{b_1}u(\tau )d\tau } + \cdots + \int\limits_{{t_0}}^t {{e^{A(t - \tau )}}{b_m}u(\tau )d\tau } \\ = \int\limits_{{t_0}}^t {{e^{A(t - \tau )}}({\alpha _{11}}{v_1} + {\alpha _{12}}{v_2} + \cdots + {\alpha _{1n}}{v_n} + {\alpha _{1n{\rm{ + 1}}}}{v_{n{\rm{ + 1}}}} + \cdots + {\alpha _{1k}}{v_k})u(\tau )d\tau + \cdots + } \\ \int\limits_{{t_0}}^t {{e^{A(t - \tau )}}({\alpha _{m1}}{v_1} + {\alpha _{m2}}{v_2} + \cdots + {\alpha _{mn}}{v_n} + {\alpha _{mn{\rm{ + 1}}}}{v_{n{\rm{ + 1}}}} + \cdots + {\alpha _{mk}}{v_k})u(\tau )d\tau } \\ = \int\limits_{{t_0}}^t {{e^{A(t - \tau )}}{\alpha _{11}}{v_1}u(\tau )d\tau } + \cdots + \int\limits_{{t_0}}^t {{e^{A(t - \tau )}}{\alpha _{1n}}{v_n}u(\tau )d\tau } + \int\limits_{{t_0}}^t {{e^{A(t - \tau )}}{\alpha _{1n + 1}}{v_{n + 1}}u(\tau )d\tau } + \cdots + \\ \int\limits_{{t_0}}^t {{e^{A(t - \tau )}}{\alpha _{1k}}{v_k}u(\tau )d\tau } + \cdots + \int\limits_{{t_0}}^t {{e^{A(t - \tau )}}{\alpha _{m1}}{v_1}u(\tau )d\tau } + \cdots + \\ \int\limits_{{t_0}}^t {{e^{A(t - \tau )}}{\alpha _{mn}}{v_n}u(\tau )d\tau } + \int\limits_{{t_0}}^t {{e^{A(t - \tau )}}{\alpha _{mn + 1}}{v_{n + 1}}u(\tau )d\tau } + \cdots + \int\limits_{{t_0}}^t {{e^{A(t - \tau )}}{\alpha _{mk}}{v_k}u(\tau )d\tau } \\ = ({\alpha _{11}} + \cdots {\alpha _{m1}})\int\limits_{{t_0}}^t {{e^{{\lambda _1}(t - \tau )}}{v_1}u(\tau )d\tau } + \cdots + ({\alpha _{1n}} + \cdots + {\alpha _{mn}})\int\limits_{{t_0}}^t {{e^{{\lambda _n}(t - \tau )}}{v_n}u(\tau )d\tau } + \\ ({\alpha _{1n + 1}} + \cdots + {\alpha _{mn + 1}})\int\limits_{{t_0}}^t {{e^{A(t - \tau )}}{v_{n + 1}}u(\tau )d\tau } + \cdots + ({\alpha _{1k}} + \cdots + {\alpha _{mk}})\int\limits_{{t_0}}^t {{e^{A(t - \tau )}}{v_k}u(\tau )d\tau }
x(t)=t0∫teA(t−τ)Bu(τ)dτ=t0∫teA(t−τ)[b1⋯bm]u(τ)dτ=t0∫teA(t−τ)b1u(τ)dτ+⋯+t0∫teA(t−τ)bmu(τ)dτ=t0∫teA(t−τ)(α11v1+α12v2+⋯+α1nvn+α1n+1vn+1+⋯+α1kvk)u(τ)dτ+⋯+t0∫teA(t−τ)(αm1v1+αm2v2+⋯+αmnvn+αmn+1vn+1+⋯+αmkvk)u(τ)dτ=t0∫teA(t−τ)α11v1u(τ)dτ+⋯+t0∫teA(t−τ)α1nvnu(τ)dτ+t0∫teA(t−τ)α1n+1vn+1u(τ)dτ+⋯+t0∫teA(t−τ)α1kvku(τ)dτ+⋯+t0∫teA(t−τ)αm1v1u(τ)dτ+⋯+t0∫teA(t−τ)αmnvnu(τ)dτ+t0∫teA(t−τ)αmn+1vn+1u(τ)dτ+⋯+t0∫teA(t−τ)αmkvku(τ)dτ=(α11+⋯αm1)t0∫teλ1(t−τ)v1u(τ)dτ+⋯+(α1n+⋯+αmn)t0∫teλn(t−τ)vnu(τ)dτ+(α1n+1+⋯+αmn+1)t0∫teA(t−τ)vn+1u(τ)dτ+⋯+(α1k+⋯+αmk)t0∫teA(t−τ)vku(τ)dτ
该系统的响应可以在 v 1 v_1 v1 v 2 v_2 v2 . . . ... ... v n v_n vn方向上，所以系统 { A , B } \left\{ {A,B} \right\} {A,B}所有状态变量都可以由输入信号控制。所以该系统是完全能控的。
例子：
x
˙
=
(
2
1
0
3
)
x
+
(
0
1
)
u
\dot x = \left( {\begin{matrix}{} 2&1\\ 0&3 \end{matrix}} \right)x + \left( {\begin{matrix}{} 0\\ 1 \end{matrix}} \right)u
x˙=(2013)x+(01)u
已知该系统完全能控, A A A的特征值为 λ 1 = 2 , λ 2 = 3 {\lambda _1} = 2,{\lambda _2} = 3 λ1=2,λ2=3特征向量 v 1 = ( 1 0 ) , v 2 = ( 0 . 707 0 . 707 ) {v_1} = \left( {\begin{matrix}{} 1\\ 0 \end{matrix}} \right),{v_2} = \left( {\begin{matrix}{} {{\rm{0}}{\rm{.707}}}\\ {{\rm{0}}{\rm{.707}}} \end{matrix}} \right) v1=(10),v2=(0.7070.707)
B = − v 1 + 1 0.707 v 2 = − ( 1 0 ) + 1 0.707 × ( 0.707 0.707 ) = ( 0 1 ) B = - {v_1} + \frac{1}{{0.707}}{v_2} = {\rm{ - }}\left( {\begin{matrix}{} {\rm{1}}\\ {\rm{0}} \end{matrix}} \right){\rm{ + }}\frac{1}{{0.707}} \times \left( {\begin{matrix}{} {0.707}\\ {0.707} \end{matrix}} \right){\rm{ = }}\left( {\begin{matrix}{} {\rm{0}}\\ {\rm{1}} \end{matrix}} \right) B=−v1+0.7071v2=−(10)+0.7071×(0.7070.707)=(01)
其中 B B B的所有列不属于任意一个 A A A的真线性不变子空间， B B B的所有列属于 的线性不变子空间。
作业3
题目
以4阶两输入系统为例，分析 A A A的特征向量和 B B B的每列之间的关系，说明系统的能控性。
解答
A
A
A的特征根的
λ
1
,
λ
2
,
λ
3
,
λ
4
{\lambda _{\rm{1}}},{\lambda _2},{\lambda _3},{\lambda _4}
λ1,λ2,λ3,λ4，
A
A
A 的特征向量是
v
1
,
v
2
,
v
3
,
v
4
{v_{\rm{1}}},{v_2},{v_3},{v_4}
v1,v2,v3,v4 ，两输入系统 的向量
B
=
[
b
1
b
2
]
B = \left[ {\begin{matrix}{} {{b_1}}&{{b_2}} \end{matrix}} \right]
B=[b1b2]，
b
1
=
α
11
v
1
+
⋯
+
α
1
k
v
k
b
2
=
α
21
v
1
+
⋯
+
α
2
k
v
k
\begin{array}{l} {b_1} = {\alpha _{11}}{v_1} + \cdots + {\alpha _{1k}}{v_k}\\ {b_2} = {\alpha _{21}}{v_1} + \cdots + {\alpha _{2k}}{v_k} \end{array}
b1=α11v1+⋯+α1kvkb2=α21v1+⋯+α2kvk
x
(
t
)
=
e
A
t
x
(
0
)
+
∫
0
t
e
A
(
t
−
τ
)
B
u
(
τ
)
d
τ
x(t) = {e^{At}}x(0) + \int\limits_0^t {{e^{A(t - \tau )}}} Bu(\tau )d\tau
x(t)=eAtx(0)+0∫teA(t−τ)Bu(τ)dτ
∫
0
t
e
A
(
t
−
τ
)
B
u
(
τ
)
d
τ
=
∫
0
t
e
A
(
t
−
τ
)
[
b
1
b
2
]
u
(
τ
)
d
τ
=
∫
0
t
e
A
(
t
−
τ
)
(
α
11
v
1
+
⋯
+
α
1
k
v
k
)
u
(
τ
)
d
τ
+
∫
0
t
e
A
(
t
−
τ
)
(
α
21
v
1
+
⋯
+
α
2
k
v
k
)
u
(
τ
)
d
τ
=
(
α
11
+
α
21
)
∫
0
t
e
λ
1
(
t
−
τ
)
u
(
τ
)
d
τ
∙
v
1
+
⋯
+
(
α
1
k
+
α
2
k
)
∫
0
t
e
A
(
t
−
τ
)
u
(
τ
)
d
τ
∙
v
k
\int\limits_0^t {{e^{A(t - \tau )}}} Bu(\tau )d\tau = \int\limits_0^t {{e^{A(t - \tau )}}} \left[ {\begin{matrix}{} {{b_1}}&{{b_2}} \end{matrix}} \right]u(\tau )d\tau \\ = \int\limits_0^t {{e^{A(t - \tau )}}} ({\alpha _{11}}{v_1} + \cdots + {\alpha _{1k}}{v_k})u(\tau )d\tau + \int\limits_0^t {{e^{A(t - \tau )}}} ({\alpha _{21}}{v_1} + \cdots + {\alpha _{2k}}{v_k})u(\tau )d\tau \\ = ({\alpha _{11}} + {\alpha _{21}})\int\limits_0^t {{e^{{\lambda _1}(t - \tau )}}} u(\tau )d\tau \bullet {v_1} + \cdots + ({\alpha _{1k}} + {\alpha _{2k}})\int\limits_0^t {{e^{A(t - \tau )}}} u(\tau )d\tau \bullet {v_k}
0∫teA(t−τ)Bu(τ)dτ=0∫teA(t−τ)[b1b2]u(τ)dτ=0∫teA(t−τ)(α11v1+⋯+α1kvk)u(τ)dτ+0∫teA(t−τ)(α21v1+⋯+α2kvk)u(τ)dτ=(α11+α21)0∫teλ1(t−τ)u(τ)dτ∙v1+⋯+(α1k+α2k)0∫teA(t−τ)u(τ)dτ∙vk
当 的时候
k
<
4
k < 4
k<4，上式可以表示为
∫
0
t
e
A
(
t
−
τ
)
B
u
(
τ
)
d
τ
=
(
α
11
+
α
21
)
∫
0
t
e
λ
1
(
t
−
τ
)
u
(
τ
)
d
τ
∙
v
1
+
⋯
+
(
α
1
k
+
α
2
k
)
∫
0
t
e
A
(
t
−
τ
)
u
(
τ
)
d
τ
∙
v
4
=
(
α
11
+
α
21
)
∫
0
t
e
λ
1
(
t
−
τ
)
u
(
τ
)
d
τ
∙
v
1
+
⋯
+
(
α
1
k
+
α
2
k
)
∫
0
t
e
λ
k
(
t
−
τ
)
u
(
τ
)
d
τ
∙
v
k
\int\limits_0^t {{e^{A(t - \tau )}}} Bu(\tau )d\tau \\ = ({\alpha _{11}} + {\alpha _{21}})\int\limits_0^t {{e^{{\lambda _1}(t - \tau )}}} u(\tau )d\tau \bullet {v_1} + \cdots + ({\alpha _{1k}} + {\alpha _{2k}})\int\limits_0^t {{e^{A(t - \tau )}}} u(\tau )d\tau \bullet {v_4}\\ = ({\alpha _{11}} + {\alpha _{21}})\int\limits_0^t {{e^{{\lambda _1}(t - \tau )}}} u(\tau )d\tau \bullet {v_1} + \cdots + ({\alpha _{1k}} + {\alpha _{2k}})\int\limits_0^t {{e^{{\lambda _k}(t - \tau )}}} u(\tau )d\tau \bullet {v_k}
0∫teA(t−τ)Bu(τ)dτ=(α11+α21)0∫teλ1(t−τ)u(τ)dτ∙v1+⋯+(α1k+α2k)0∫teA(t−τ)u(τ)dτ∙v4=(α11+α21)0∫teλ1(t−τ)u(τ)dτ∙v1+⋯+(α1k+α2k)0∫teλk(t−τ)u(τ)dτ∙vk
当
k
≥
4
k \ge 4
k≥4的时候，上式可以表示为
∫
0
t
e
A
(
t
−
τ
)
B
u
(
τ
)
d
τ
=
(
α
11
+
α
21
)
∫
0
t
e
λ
1
(
t
−
τ
)
u
(
τ
)
d
τ
∙
v
1
+
⋯
+
(
α
1
k
+
α
2
k
)
∫
0
t
e
A
(
t
−
τ
)
u
(
τ
)
d
τ
∙
v
4
=
(
α
11
+
α
21
)
∫
0
t
e
λ
1
(
t
−
τ
)
u
(
τ
)
d
τ
∙
v
1
+
⋯
+
(
α
14
+
α
24
)
∫
0
t
e
λ
4
(
t
−
τ
)
u
(
τ
)
d
τ
∙
v
4
+
δ
\int\limits_0^t {{e^{A(t - \tau )}}} Bu(\tau )d\tau \\ = ({\alpha _{11}} + {\alpha _{21}})\int\limits_0^t {{e^{{\lambda _1}(t - \tau )}}} u(\tau )d\tau \bullet {v_1} + \cdots + ({\alpha _{1k}} + {\alpha _{2k}})\int\limits_0^t {{e^{A(t - \tau )}}} u(\tau )d\tau \bullet {v_4}\\ = ({\alpha _{11}} + {\alpha _{21}})\int\limits_0^t {{e^{{\lambda _1}(t - \tau )}}} u(\tau )d\tau \bullet {v_1} + \cdots + ({\alpha _{14}} + {\alpha _{24}})\int\limits_0^t {{e^{{\lambda _4}(t - \tau )}}} u(\tau )d\tau \bullet {v_4} + \delta
0∫teA(t−τ)Bu(τ)dτ=(α11+α21)0∫teλ1(t−τ)u(τ)dτ∙v1+⋯+(α1k+α2k)0∫teA(t−τ)u(τ)dτ∙v4=(α11+α21)0∫teλ1(t−τ)u(τ)dτ∙v1+⋯+(α14+α24)0∫teλ4(t−τ)u(τ)dτ∙v4+δ
当
k
=
4
k = 4
k=4时，
δ
=
0
\delta = 0
δ=0
当
k
>
4
k > 4
k>4时，
δ
=
(
α
15
+
α
25
)
∫
0
t
e
A
(
t
−
τ
)
u
(
τ
)
d
τ
∙
v
5
⋯
+
(
α
1
k
+
α
2
k
)
∫
0
t
e
λ
4
(
t
−
τ
)
u
(
τ
)
d
τ
∙
v
4
\delta = ({\alpha _{15}} + {\alpha _{25}})\int\limits_0^t {{e^{A(t - \tau )}}} u(\tau )d\tau \bullet {v_5} \cdots + ({\alpha _{1k}} + {\alpha _{2k}})\int\limits_0^t {{e^{{\lambda _4}(t - \tau )}}} u(\tau )d\tau \bullet {v_4}
δ=(α15+α25)0∫teA(t−τ)u(τ)dτ∙v5⋯+(α1k+α2k)0∫teλ4(t−τ)u(τ)dτ∙v4
由上述分析可以得到当 k ≥ 4 k \ge 4 k≥4的时候，即 B B B的 的所有列属于一个存在的 A A A的真线性不变子空间的时候，系统完全能控，反之，不能包含 A A A中特征向量的所有方向，不能控。
标签：tau,粗浅,线性系统,matrix,limits,int,作业,cdots,alpha 来源： https://blog.csdn.net/weixin_40999869/article/details/114610131
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。