8.5.3 线性连续定常系统的能观性

一、核心考点与理论精要

1. 能观性的定义与物理本质

💡 【定义与概念】 状态能观性（Observability / 可观性）

考虑线性连续定常系统：

$$\begin{cases} \dot{x}(t) = Ax(t) + Bu(t) \\ y(t) = Cx(t) + Du(t) \end{cases}$$

其中 $x(t) \in \mathbb{R}^n$ 为状态向量，$u(t) \in \mathbb{R}^p$ 为控制输入向量，$y(t) \in \mathbb{R}^q$ 为测量输出向量，$A, B, C, D$ 为相应维数的实常数矩阵（考研常规情形中 $D = 0$）。

定义： 若对任意给定的容许输入 $u(t)$，在有限观测时间区间 $[t_0, t_f]$（$t_f > t_0$）内，能够根据测量得到的输出响应 $y(t)$ 及已知输入 $u(t)$，唯一地确定系统在初始时刻的状态向量 $x(t_0)$，则称该初始状态 $x(t_0)$ 是能观的（可观的）。 若系统的每一个初始状态都是能观的，则称此系统是状态完全能观的（简称系统是能观的）。

💡 【技巧与方法】 能观性的物理本质与三大核心定理

1. 物理本质（传感器可测性与状态重构）：
   • 能观性表征了能否通过外部传感器测量到的输出量 $y(t)$ 完整推辨/逆解系统内部所有状态变量 $x_i(t)$。
   • 若某个内部状态发生剧烈改变，但该变化在输出端产生不了任何波动与感应（如上图右侧仿真所示），则外部观测者对该状态彻底“失明”，系统必然不能观。
2. 零输入等价性（与输入 $u$ 和矩阵 $B$ 彻底无关）：
   • 根据线性系统微分方程的完全响应公式： $$y(t) = \underbrace{C e^{A(t-t_0)} x(t_0)}_{\text{零输入自由响应 } y_{zi}(t)} + \underbrace{\int_{t_0}^t C e^{A(t-\tau)} B u(\tau) \, d\tau + D u(t)}_{\text{零状态强迫响应 } y_{zs}(t)}$$
   • 由于控制输入 $u(t)$ 是完全已知的确知信号，其引起的零状态响应项可以通过计算直接从实测输出 $y(t)$ 中减去消除！
   • 因此，初态 $x(t_0)$ 能否被唯一反解，仅取决于自由响应 $y_{zi}(t) = C e^{A(t-t_0)} x(t_0)$，与输入控制量 $u(t)$、控制矩阵 $B$ 以及直接传递矩阵 $D$ 彻底无关！
   • 结论：系统的状态能观性仅由矩阵对 $(A, C)$ 唯一决定。
3. 观测时间区间 $[t_0, t_f]$ 的任意性：
   • 只要系统在某一时间区间 $[t_0, t_f]$ 内能观，则在任意给定的有限时间区间（无论观测时间跨度多短，只要 $t_f > t_0$）内均完全能观。时间长短只影响观测数据的信噪比与数值调节灵敏度，不影响代数能观性本质。

---

2. 状态能控性与能观性对偶对比表

为了帮助大家建立系统化的空间对偶直觉，牢记二者在形式与计算上的对称美感：

核心维度	状态能控性（Controllability）	状态能观性（Observability）
决定矩阵对	状态矩阵与输入矩阵 $(A, B)$	状态矩阵与输出矩阵 $(A, C)$
物理驱动方向	外部输入 $u(t) \to$ 内部状态 $x(t)$（外部驱动内部）	内部状态 $x(t) \to$ 外部输出 $y(t)$（内部反映至外部）
几何与代数目标	从任意初态转移到目标状态（或原点）	从外部实测输出唯一反解出初始状态 $x(0)$
Kalman 代数矩阵	$M = \begin{bmatrix} B & AB & \cdots & A^{n-1}B \end{bmatrix} \in \mathbb{R}^{n \times np}$	$Q_o = \begin{bmatrix} C \\ CA \\ \vdots \\ CA^{n-1} \end{bmatrix} \in \mathbb{R}^{nq \times n}$
矩阵拼接方式	横向水平拼接（列数扩张，检验满行秩 $\text{rank}=n$）	纵向垂直堆叠（行数扩张，检验满列秩 $\text{rank}=n$）
单输入/单输出	$p=1$ 方阵：$\det(M) \neq 0$	$q=1$ 方阵：$\det(Q_o) \neq 0$
PBH 特征值判据	$\text{rank} \begin{bmatrix} \lambda_i I - A & B \end{bmatrix} = n$（满行秩）	$\text{rank} \begin{bmatrix} C \\ \lambda_i I - A \end{bmatrix} = n$（满列秩）
约旦型模态法则	看末行（各约旦块最后一行非全零且线性无关）	看首列（各约旦块开头第一列非全零且线性无关）
重根单端死穴	单输入系统对重根对角阵必然不能控	单输出系统对重根对角阵必然不能观

---

3. 状态能观性三大判据体系（考研核心）

判据一：Kalman 秩判据（代数判据）

💡 【THEOREM】 Kalman 能观性秩判据

线性定常系统 $(A, C)$ 状态完全能观的充要条件是其能观性判别矩阵 $Q_o$（亦有讲义记为 $N$）满足满列秩条件（列秩等于系统状态维数 $n$）：

$$\text{rank}(Q_o) = \text{rank}(N) = \text{rank} \begin{bmatrix} C \\ CA \\ CA^2 \\ \vdots \\ CA^{n-1} \end{bmatrix} = n$$

其中：

• 系统状态阶数为 $n$，测量输出维数为 $q$；
• 能观性判别矩阵 $Q_o \in \mathbb{R}^{nq \times n}$ 为垂直纵向拼接矩阵；
• 对于单输出系统（$q=1, C=c$ 为 $1 \times n$ 行向量），$Q_o = \begin{bmatrix} c \\ cA \\ cA^2 \\ \vdots \\ cA^{n-1} \end{bmatrix} \in \mathbb{R}^{n \times n}$ 为方阵，满秩条件等价为行列式非零： $$\det(Q_o) \neq 0$$

💡 【PITFALL】 考场警示：Cayley-Hamilton 截断定理

根据 Cayley-Hamilton 定理，$A^n$ 及更高次幂均可由基矩阵 $I, A, A^2, \cdots, A^{n-1}$ 线性表出。 因此，能观性矩阵 $Q_o$ 只需精确计算到 $CA^{n-1}$ 即可停止，无需继续计算更高阶次。若阶数计算不足则无法准确判别，计算过多则不增加矩阵的秩。

---

判据二：PBH 特征值秩判据（Popov-Belevitch-Hautus 判据）

💡 【THEOREM】 PBH 能观性秩判据

线性定常系统 $(A, C)$ 状态完全能观的充要条件是：对于复数域上的所有复数 $s \in \mathbb{C}$（在考研实操中仅需代入系统矩阵 $A$ 的所有互异特征值 $\lambda_i, i=1,2,\cdots, m$），均有：

$$\text{rank} \begin{bmatrix} C \\ sI - A \end{bmatrix} = n \quad \iff \quad \text{rank} \begin{bmatrix} C \\ \lambda_i I - A \end{bmatrix} = n, \quad \forall i=1,2,\cdots, m$$

即矩阵 $\begin{bmatrix} C \\ \lambda_i I - A \end{bmatrix}$ 必须为满列秩（列秩等于 $n$）。

💡 【技巧与方法】 不可观模态（Unobservable Mode）定义

若存在某个特征值 $\lambda_k$ 使得 $\text{rank}\begin{bmatrix} C \\ \lambda_k I - A \end{bmatrix} < n$，则称 $\lambda_k$ 为系统的不可观模态。 PBH 判据最大的优势在于：对于高阶系统或已给出特征值的系统，免去了多次矩阵乘法 $CA^{n-1}$ 的庞大计算量，直接通过初等列/行变换即可快速判定系统是否存在盲区模态。

---

判据三：特殊矩阵直接判据（对角型与约旦型模态判据 / Gilbert 判据）

当系统状态矩阵 $A$ 已经化为对角型（$\Lambda$）或约旦标准型（$J$）时，无需构造繁琐的能观性矩阵 $Q_o$ 或进行特征值检验，可直接通过输出矩阵 $C$（或输出行向量 $c$）的各列元素分布特征进行快速秒杀。

---

（一）$A$ 阵为对角矩阵时的能观性判断

考虑对角标准型系统状态空间表达式：

$$\begin{cases} \dot{x} = \Lambda x + Bu \\ y = Cx \end{cases}$$

其中状态矩阵为对角阵，输出矩阵按列分块：

$$\Lambda = \begin{bmatrix} \lambda_1 & & & 0 \\ & \lambda_2 & & \\ & & \ddots & \\ 0 & & & \lambda_n \end{bmatrix}, \quad C = \begin{bmatrix} \mathbf{c}_1 & \mathbf{c}_2 & \cdots & \mathbf{c}_n \end{bmatrix} \quad (\mathbf{c}_j \in \mathbb{R}^{q \times 1})$$

💡 【THEOREM】 对角矩阵能观性充要条件

1. 互异特征值准则： 若矩阵 $\Lambda$ 的所有特征值 $\lambda_1, \lambda_2, \cdots, \lambda_n$ 互不相等，则系统完全能观 $\iff$ 输出矩阵 $C$ 的每一列都至少包含一个非零元素（即 $C$ 的各列元素均不能全为 $0$，$\mathbf{c}_j \neq \mathbf{0}, \forall j$）。
2. 重特征值准则（多重根法则）： 若存在重特征值（设特征值 $\lambda_k$ 的重数为 $r > 1$），则系统完全能观 $\iff$ 输出矩阵 $C$ 中对应于该重特征值的所有列向量组必须线性无关。

💡 【高频易错】 考场第一高频死穴：单输出系统对角重根必不可观！

若系统为单输出（$q=1$），$C = c = \begin{bmatrix} c_1 & c_2 & \cdots & c_n \end{bmatrix}$ 为一维行向量。 若系统具有重特征值（例如 $\lambda_1 = \lambda_2 = \lambda$），则对应于重根的两列在 $c$ 中仅为两个一维标量数值 $c_1, c_2$。一维标量之间必然线性相关！ 此时哪怕 $c_1 \neq 0, c_2 \neq 0$ 全部非零，对应列也绝不可能线性无关！ 【黄金定论】：单输出系统对于具有重特征值的对角矩阵，必然不完全能观！若要完全能观，输出传感器通道数必须不小于重特征值的最大重数（$q \ge r$）。

---

（二）$A$ 阵为约旦矩阵时的能观性判断

考虑约旦标准型系统状态方程：

$$\begin{cases} \dot{x} = Jx + Bu \\ y = Cx \end{cases}$$

其状态矩阵 $J$ 与输出矩阵 $C$ 的分块结构如下：

$$J = \left[\begin{array}{cccc|cccc|ccc} \lambda_1 & 1 & & 0 & & & & & & & \\ & \lambda_1 & \ddots & & & 0 & & & & 0 & \\ & & \ddots & 1 & & & & & & & \\ 0 & & & \lambda_1 & & & & & & & \\ \hline & & & & \lambda_m & 1 & & 0 & & & \\ & 0 & & & & \lambda_m & \ddots & & & 0 & \\ & & & & & & \ddots & 1 & & & \\ & & & & 0 & & & \lambda_m & & & \\ \hline & & & & & & & & \lambda_{m+1} & & 0 \\ & 0 & & & & 0 & & & & \ddots & \\ & & & & & & & & 0 & & \lambda_n \end{array}\right]$$ $$C = \left[\begin{array}{cccc|cccc|ccc} \mathbf{c}_1 & \mathbf{c}_2 & \cdots & \mathbf{c}_k & \mathbf{c}_{k+1} & \cdots & \mathbf{c}_l & \mathbf{c}_{l+1} & \cdots & \mathbf{c}_n \end{array}\right]$$

💡 【THEOREM】 约旦矩阵能观性三大充要准则（讲义黄金法则）

1. 互异特征值准则： 对于对应于互异特征值的约旦块，输出矩阵 $C$ 中与每个约旦块开头第一列（首列）相对应的一列元素没有全为 $0$ 的（首列向量非零）。
2. 同特征值单块准则： $C$ 中对应于相同特征值的约旦块部分，它与每个约旦块开头第一列相对应的一列元素没有全为 $0$ 的。
3. 同特征值多块线性无关准则（重根多约旦块核心）： 若相同特征值对应于多个不同的约旦块，则输出矩阵 $C$ 中与各个约旦块开头第一列元素所形成的列向量组必须线性无关。

💡 【技巧与方法】 核心解题口诀与约旦链物理传导机理

“能控看末行，能观才看首列；同根多块验无关，单出同根必完蛋！”

深度物理剖析：为什么能观性只看约旦块的“开头第一列”？ 考虑一个 $k$ 阶约旦块系统的状态微分方程组：

$$\begin{cases} \dot{x}_1 = \lambda x_1 + x_2 \\ \dot{x}_2 = \lambda x_2 + x_3 \\ \quad \vdots \\ \dot{x}_{k-1} = \lambda x_{k-1} + x_k \\ \dot{x}_k = \lambda x_k \end{cases}$$

从方程组可清晰看出：

1. 状态变量之间通过上副对角线的“$1$”构成了由后向前的单向导通内生激励链：$x_k \to x_{k-1} \to \cdots \to x_2 \to x_1$！
2. 后端状态 $x_2, x_3, \dots, x_k$ 的所有动态演化，都会依次向级联的前级传递，并最终全额汇聚反应在首端状态 $x_1$ 的导数与状态轨迹中！
3. 因此，只要外部传感器测到了首端状态 $x_1$（即对应第一列非零，$\mathbf{c}_1 \neq \mathbf{0}$），后级所有状态的信息就已经通过内部链式传导演化包含在 $x_1$ 及测量输出中，从而使得整个约旦块的所有状态均可观！
4. 反之，如果首端列为零（$\mathbf{c}_1 = \mathbf{0}$），即使后级有输出，前级状态 $x_1$ 也无法通过信号后传被观测到（单向传导不可逆），导致前级状态不可观！

---

4. 能观性的直观机理与模拟结构图对比

为了将上述代数结论转化为一目了然的工程直觉，我们对比分析二阶系统的模拟结构图：

（1）能观状态的结构模型

考虑二阶对角解耦系统：

$$\dot{x}_1 = -2x_1 + u, \quad \dot{x}_2 = -3x_2 + u, \quad y = x_1 + x_2$$

💡 【技巧与方法】 信号通路完整性

从结构图可直观看到：状态变量 $x_1$ 和 $x_2$ 均拥有直接通向输出加法器的独立信号路径（$c_1=1 \neq 0, c_2=1 \neq 0$）。因此，输出测量量 $y(t) = x_1(t) + x_2(t)$ 完整囊括了系统内部所有维度的运动特征，系统状态完全能观。

（2）不能观状态的结构模型

若外部输出测量仅接入状态 $x_1$（输出矩阵 $c = \begin{bmatrix} 4 & 0 \end{bmatrix}$）：

$$\dot{x}_1 = -2x_1 + u, \quad \dot{x}_2 = -3x_2 + u, \quad y = 4x_1$$

💡 【PITFALL】 信号悬空断路导致“测量盲区”

从模拟结构图中清晰可见：状态 $x_2$ 的积分器输出端完全悬空断路，没有任何物理线路与输出端 $y$ 相连（$c_2 = 0$）！ 此时无论 $x_2(t)$ 处于何种初始状态、发生多么剧烈的振荡或偏离，实测输出 $y(t) = 4x_1(t)$ 均对其一无所知。传感器产生观测盲区，状态 $x_2$ 无法被外部反解，系统不完全能观。

---

二、标准解题模型与计算步骤

graph TD
    Start["给定线性定常系统 (A, C)"] --> Step1{"第一步：观察状态矩阵 A 的结构"}
    Step1 -- "A 为能观标准型" --> Ans1["直接秒杀：系统天然完全能观"]
    Step1 -- "A 为对角阵或约旦型" --> Step2["第二步：应用 Gilbert 模态判据"]
    Step2 -- "互异对角根" --> Cond1{"检查 C 各列"}
    Cond1 -- "各列均非零" --> Ans2["完全能观"]
    Cond1 -- "存在全零列" --> Ans3["不完全能观"]
    Step2 -- "约旦块/重根" --> Cond2{"提取各约旦块首列"}
    Cond2 -- "首列均非零且同根多块线性无关" --> Ans2
    Cond2 -- "首列全零 或 同根多块线性相关" --> Ans3
    Step1 -- "A 为一般非对称矩阵" --> Step3{"第三步：选择代数判据"}
    Step3 -- "阶数 n ≤ 3" --> Step4["构造 Kalman 能观性矩阵 Qo = [C; CA; ...; CA^(n-1)]"]
    Step4 -- "单输出 q=1" --> DetCalc["计算行列式 det(Qo)"]
    DetCalc -- "det(Qo) ≠ 0" --> Ans2
    DetCalc -- "det(Qo) = 0" --> Ans3
    Step4 -- "多输出 q > 1" --> RankCalc["初等行变换求 rank(Qo)"]
    RankCalc -- "rank = n" --> Ans2
    RankCalc -- "rank < n" --> Ans3
    Step3 -- "高阶系统或特征值已知" --> Step5["应用 PBH 判据：验证 rank[C; λi I - A] == n"]

---

三、经典例题与真题精析

例题 1：二阶单输出对角型系统能观性判别（基础真题）

💡 【PROBLEM】

考察如下系统，试判别其状态能观性：

$$A = \begin{bmatrix} -2 & 0 \\ 0 & -1 \end{bmatrix}, \quad b = \begin{bmatrix} 3 \\ 1 \end{bmatrix}, \quad c = \begin{bmatrix} 1 & 0 \end{bmatrix}$$

💡 【SOLUTION】 规范解答

解：

方法一：模态判据（秒杀法）

1. 状态矩阵 $A = \text{diag}(-2, -1)$ 为互异特征值对角矩阵，特征值为 $\lambda_1 = -2, \lambda_2 = -1$。
2. 输出矩阵 $c = \begin{bmatrix} 1 & 0 \end{bmatrix}$ 为一维行向量。
3. 提取对应各特征值的列元素：
   • 对应 $\lambda_1 = -2$ 的第 1 列元素为 $c_1 = 1 \neq 0$；
   • 对应 $\lambda_2 = -1$ 的第 2 列元素为 $c_2 = 0$！
4. 根据对角矩阵模态判据，第 2 列元素全为 $0$，对应模态 $\lambda_2 = -1$ 不可观。

结论： 系统不完全能观（状态 $x_2$ 不可观）。

---

方法二：Kalman 秩判据（标准步骤）

1. 系统阶数 $n = 2$。计算矩阵乘积 $cA$： $$cA = \begin{bmatrix} 1 & 0 \end{bmatrix} \begin{bmatrix} -2 & 0 \\ 0 & -1 \end{bmatrix} = \begin{bmatrix} -2 & 0 \end{bmatrix}$$
2. 构造能观性判别矩阵 $Q_o$： $$Q_o = \begin{bmatrix} c \\ cA \end{bmatrix} = \begin{bmatrix} 1 & 0 \\ -2 & 0 \end{bmatrix}$$
3. 计算方阵 $Q_o$ 的行列式： $$\det(Q_o) = 1 \times 0 - 0 \times (-2) = 0$$
4. 故能观性矩阵秩为： $$\text{rank}(Q_o) = 1 < n = 2$$

结论： 系统不完全能观。

---

例题 2：二阶多输出系统能观性判别（初等变换求秩）

💡 【PROBLEM】

试判别下列双输出系统的状态能观性：

$$A = \begin{bmatrix} 1 & -1 \\ 1 & 1 \end{bmatrix}, \quad B = \begin{bmatrix} 2 & -1 \\ 1 & 0 \end{bmatrix}, \quad C = \begin{bmatrix} 1 & 0 \\ -1 & 1 \end{bmatrix}$$

💡 【SOLUTION】 规范解答

解：

1. 系统参数分析： 系统状态维数 $n = 2$，输出维数 $q = 2$。
2. 计算 $CA$： $$CA = \begin{bmatrix} 1 & 0 \\ -1 & 1 \end{bmatrix} \begin{bmatrix} 1 & -1 \\ 1 & 1 \end{bmatrix} = \begin{bmatrix} 1 \times 1 + 0 \times 1 & 1 \times (-1) + 0 \times 1 \\ (-1) \times 1 + 1 \times 1 & (-1) \times (-1) + 1 \times 1 \end{bmatrix} = \begin{bmatrix} 1 & -1 \\ 0 & 2 \end{bmatrix}$$
3. 构造纵向拼接能观性矩阵 $Q_o \in \mathbb{R}^{4 \times 2}$： $$Q_o = \begin{bmatrix} C \\ CA \end{bmatrix} = \begin{bmatrix} 1 & 0 \\ -1 & 1 \\ 1 & -1 \\ 0 & 2 \end{bmatrix}$$
4. 求矩阵的列秩： 直接选取 $Q_o$ 的前两行（即输出矩阵 $C$ 本身）构成的 $2 \times 2$ 子矩阵： $$\det(C) = \det \begin{bmatrix} 1 & 0 \\ -1 & 1 \end{bmatrix} = 1 \times 1 - 0 \times (-1) = 1 \neq 0$$ 该子矩阵满秩非奇异，说明 $Q_o$ 存在 2 阶非零子式，从而： $$\text{rank}(Q_o) = 2 = n$$

结论： 该系统状态完全能观。

---

例题 3：对角型系统模态秒杀与高频重根死穴反例对比

💡 【PROBLEM】

试判断下列三个系统的状态能观性，并分析其机理：

(1) 系统 ①：$\dot{x} = \begin{bmatrix} 8 & 0 & 0 \\ 0 & -1 & 0 \\ 0 & 0 & 2 \end{bmatrix} x, \quad y = \begin{bmatrix} 1 & 0 & 0 \\ 0 & 2 & 3 \end{bmatrix} x$

(2) 系统 ②：$\dot{x}(t) = \begin{bmatrix} -7 & & \\ & -5 & \\ & & -1 \end{bmatrix} x(t), \quad y(t) = \begin{bmatrix} 0 & 4 & 5 \end{bmatrix} x(t)$

(3) 系统 ③（讲义高频死穴反例）：$\dot{x} = \begin{bmatrix} -4 & 0 \\ 0 & -4 \end{bmatrix} x + \begin{bmatrix} 1 \\ 2 \end{bmatrix} u, \quad y = \begin{bmatrix} 1 & -5 \end{bmatrix} x$

💡 【SOLUTION】 规范解答

解：

1. 系统 ① 判别：
   • 状态矩阵 $A = \text{diag}(8, -1, 2)$ 为三阶互异特征值对角矩阵；
   • 输出矩阵 $C = \begin{bmatrix} 1 & 0 & 0 \\ 0 & 2 & 3 \end{bmatrix}$，按列检查：
     • 第 1 列 $\mathbf{c}_1 = \begin{bmatrix} 1 \\ 0 \end{bmatrix} \neq \mathbf{0}$；
     • 第 2 列 $\mathbf{c}_2 = \begin{bmatrix} 0 \\ 2 \end{bmatrix} \neq \mathbf{0}$；
     • 第 3 列 $\mathbf{c}_3 = \begin{bmatrix} 0 \\ 3 \end{bmatrix} \neq \mathbf{0}$；
   • 各列均至少含有一个非零元素，满足互异对角阵模态条件。
   • 结论：系统 ① 状态完全能观。
2. 系统 ② 判别：
   • 状态矩阵 $A = \text{diag}(-7, -5, -1)$ 为三阶互异特征值对角矩阵；
   • 输出矩阵 $c = \begin{bmatrix} 0 & 4 & 5 \end{bmatrix}$ 为单输出行向量：
     • 对应特征值 $\lambda_1 = -7$ 的第 1 列元素为 $0$（$c_1 = 0$）；
   • 违反“各列非零”准则，对应模态 $-7$ 无法通过输出测量反解。
   • 结论：系统 ② 不完全能观（状态 $x_1$ 不可观）。
3. 系统 ③ 深度反例剖析（考场死穴）：
   • 错误直觉误区：部分考生误认为“输出向量 $c = \begin{bmatrix} 1 & -5 \end{bmatrix}$ 的两个元素都不为 $0$，所以系统完全能观”。这是极其严重的错误！
   • 严谨正解分析：
     • 状态矩阵 $A = \begin{bmatrix} -4 & 0 \\ 0 & -4 \end{bmatrix} = -4 I_2$ 具有二重重特征值 $\lambda_{1,2} = -4$；
     • 根据重特征值对角阵模态判据：$C$ 中对应于重特征值的所有列向量必须线性无关；
     • 但由于系统为单输出（$q=1$），$C$ 中对应的两个列向量为一维标量数值 $\mathbf{c}_1 = [1]$ 和 $\mathbf{c}_2 = [-5]$；
     • 标量之间显然线性相关（$\mathbf{c}_2 = -5 \mathbf{c}_1$），无法张成二维观测空间！
   • 用 Kalman 判据严格验算核对： $$cA = \begin{bmatrix} 1 & -5 \end{bmatrix} \begin{bmatrix} -4 & 0 \\ 0 & -4 \end{bmatrix} = \begin{bmatrix} -4 & 20 \end{bmatrix} = -4 c$$ $$Q_o = \begin{bmatrix} c \\ cA \end{bmatrix} = \begin{bmatrix} 1 & -5 \\ -4 & 20 \end{bmatrix} \implies \det(Q_o) = 1 \times 20 - (-5) \times (-4) = 20 - 20 = 0$$ $$\text{rank}(Q_o) = 1 < n = 2$$
   • 结论：系统 ③ 不完全能观。

---

例题 4：八阶多约旦块系统模态判据（讲义压轴经典真题）

💡 【PROBLEM】

试判别如下八阶多约旦块复杂线性定常系统的状态能观性：

$$\dot{x} = \begin{bmatrix} -1 & 1 & & & & & & 0 \\ 0 & -1 & \ddots & & & & & \\ & & \ddots & 1 & & & & \\ & & & -1 & & & & \\ & & & & 2 & 1 & & \\ & & & & 0 & 2 & & \\ & & & & & & 2 & \\ 0 & & & & & & & 5 \end{bmatrix} x, \quad y = \begin{bmatrix} 2 & 0 & 0 & 0 & 1 & 0 & 0 & 0 \\ 0 & 0 & 1 & 0 & 2 & 4 & 0 & 7 \\ 0 & 0 & 0 & 3 & 3 & 0 & 1 & 0 \end{bmatrix} x$$

💡 【SOLUTION】 规范解答

解：

第一步：系统约旦结构拓扑剖析 系统状态阶数 $n = 8$，输出通道数 $q = 3$。系统状态矩阵 $J$ 由 4 个约旦块分块构成：

1. 约旦块 1（$J_1(-1)$）：4 阶约旦块，对应特征值 $\lambda_1 = -1$，占据第 1、2、3、4 行与第 1、2、3、4 列；
2. 约旦块 2（$J_2(2)$）：2 阶约旦块，对应特征值 $\lambda_2 = 2$，占据第 5、6 行与第 5、6 列；
3. 约旦块 3（$J_3(2)$）：1 阶约旦块，对应特征值 $\lambda_3 = 2$，占据第 7 行与第 7 列；
4. 约旦块 4（$J_4(5)$）：1 阶约旦块，对应特征值 $\lambda_4 = 5$，占据第 8 行与第 8 列。

---

第二步：根据“能观判首列”法则，提取各约旦块首列向量 输出矩阵 $C \in \mathbb{R}^{3 \times 8}$ 按列分块为 $C = \begin{bmatrix} \mathbf{c}_1 & \mathbf{c}_2 & \mathbf{c}_3 & \mathbf{c}_4 & \mathbf{c}_5 & \mathbf{c}_6 & \mathbf{c}_7 & \mathbf{c}_8 \end{bmatrix}$：

• 约旦块 $J_1(-1)$（第 1~4 列）的开头第一列为第 1 列： $$\mathbf{c}_1 = \begin{bmatrix} 2 \\ 0 \\ 0 \end{bmatrix}$$
• 约旦块 $J_2(2)$（第 5~6 列）的开头第一列为第 5 列： $$\mathbf{c}_5 = \begin{bmatrix} 1 \\ 2 \\ 3 \end{bmatrix}$$
• 约旦块 $J_3(2)$（第 7 列）的开头第一列为第 7 列： $$\mathbf{c}_7 = \begin{bmatrix} 0 \\ 0 \\ 1 \end{bmatrix}$$
• 约旦块 $J_4(5)$（第 8 列）的开头第一列为第 8 列： $$\mathbf{c}_8 = \begin{bmatrix} 0 \\ 7 \\ 0 \end{bmatrix}$$

---

第三步：逐项验证约旦型能观性三大准则

1. 单约旦块特征值首列非零检验：
   • 特征值 $-1$ 仅有一个约旦块 $J_1(-1)$，其首列 $\mathbf{c}_1 = \begin{bmatrix} 2 \\ 0 \\ 0 \end{bmatrix} \neq \mathbf{0}$，满足条件；
   • 特征值 $5$ 仅有一个约旦块 $J_4(5)$，其首列 $\mathbf{c}_8 = \begin{bmatrix} 0 \\ 7 \\ 0 \end{bmatrix} \neq \mathbf{0}$，满足条件。
2. 相同特征值多约旦块首列线性无关检验：
   • 特征值 $\lambda = 2$ 对应两个不同的约旦块：二阶块 $J_2(2)$ 和一阶块 $J_3(2)$；
   • 对应两个约旦块的首列向量分别为 $\mathbf{c}_5$ 与 $\mathbf{c}_7$；
   • 检验向量组 $\{\mathbf{c}_5, \mathbf{c}_7\}$ 的线性相关性： $$k_1 \mathbf{c}_5 + k_2 \mathbf{c}_7 = k_1 \begin{bmatrix} 1 \\ 2 \\ 3 \end{bmatrix} + k_2 \begin{bmatrix} 0 \\ 0 \\ 1 \end{bmatrix} = \begin{bmatrix} k_1 \\ 2k_1 \\ 3k_1 + k_2 \end{bmatrix} = \begin{bmatrix} 0 \\ 0 \\ 0 \end{bmatrix}$$ 由第 1 行直接得出 $k_1 = 0$；代入第 3 行立即得出 $k_2 = 0$。
   • 因此，列向量 $\mathbf{c}_5$ 与 $\mathbf{c}_7$ 严格线性无关（$\text{rank}[\mathbf{c}_5 \quad \mathbf{c}_7] = 2$）！

---

结论： 系统完全满足约旦矩阵状态能观性的全部充要条件，系统为完全能观的。

---

例题 5：三阶非对称系统能观性判别（讲义课堂练习真题）

💡 【PROBLEM】

考察如下线性定常系统的状态能观性：

$$A = \begin{bmatrix} -1 & -2 & -2 \\ 0 & -1 & 1 \\ 1 & 0 & -1 \end{bmatrix}, \quad c = \begin{bmatrix} 2 & 0 & 1 \end{bmatrix}$$

💡 【SOLUTION】 规范解答

解：

系统阶数 $n = 3$，为单输出系统（$q=1$）。采用 Kalman 秩判据：

第一步：计算 $cA$ 与 $cA^2$

$$cA = \begin{bmatrix} 2 & 0 & 1 \end{bmatrix} \begin{bmatrix} -1 & -2 & -2 \\ 0 & -1 & 1 \\ 1 & 0 & -1 \end{bmatrix}$$

逐分量展开相乘：

• 第 1 分量：$2 \times (-1) + 0 \times 0 + 1 \times 1 = -2 + 1 = -1$
• 第 2 分量：$2 \times (-2) + 0 \times (-1) + 1 \times 0 = -4$
• 第 3 分量：$2 \times (-2) + 0 \times 1 + 1 \times (-1) = -4 - 1 = -5$

得：

$$cA = \begin{bmatrix} -1 & -4 & -5 \end{bmatrix}$$

继续计算 $cA^2 = (cA)A$：

$$cA^2 = \begin{bmatrix} -1 & -4 & -5 \end{bmatrix} \begin{bmatrix} -1 & -2 & -2 \\ 0 & -1 & 1 \\ 1 & 0 & -1 \end{bmatrix}$$

逐分量展开相乘：

• 第 1 分量：$(-1) \times (-1) + (-4) \times 0 + (-5) \times 1 = 1 - 5 = -4$
• 第 2 分量：$(-1) \times (-2) + (-4) \times (-1) + (-5) \times 0 = 2 + 4 = 6$
• 第 3 分量：$(-1) \times (-2) + (-4) \times 1 + (-5) \times (-1) = 2 - 4 + 5 = 3$

得：

$$cA^2 = \begin{bmatrix} -4 & 6 & 3 \end{bmatrix}$$

---

第二步：构造能观性判别矩阵 $Q_o$ 将 $c, cA, cA^2$ 按行自上而下纵向堆叠：

$$Q_o = \begin{bmatrix} c \\ cA \\ cA^2 \end{bmatrix} = \begin{bmatrix} 2 & 0 & 1 \\ -1 & -4 & -5 \\ -4 & 6 & 3 \end{bmatrix}$$

---

第三步：计算行列式 $\det(Q_o)$ 按第 1 行进行拉普拉斯展开：

$$\det(Q_o) = 2 \times \det \begin{bmatrix} -4 & -5 \\ 6 & 3 \end{bmatrix} - 0 + 1 \times \det \begin{bmatrix} -1 & -4 \\ -4 & 6 \end{bmatrix}$$

计算 2 阶子式：

• $\det \begin{bmatrix} -4 & -5 \\ 6 & 3 \end{bmatrix} = (-4) \times 3 - (-5) \times 6 = -12 + 30 = 18$
• $\det \begin{bmatrix} -1 & -4 \\ -4 & 6 \end{bmatrix} = (-1) \times 6 - (-4) \times (-4) = -6 - 16 = -22$

代入展开式：

$$\det(Q_o) = 2 \times 18 + 1 \times (-22) = 36 - 22 = 14 \neq 0$$

矩阵满秩：

$$\text{rank}(Q_o) = 3 = n$$

结论： 系统状态完全能观。

---

四、易错陷阱与避坑指南

💡 【PITFALL】 考场高频失分死穴

1. “控末观首”口诀混淆（致命失误）：
   • 能控性看约旦块的最后一行（控制输入要从链末注入回传）；
   • 能观性看约旦块的第一列（首列）（输出测量要从链首引出测量）。
   • 考场切勿张冠李戴，一旦看错行/列，全题直接零分！
2. 判别矩阵堆叠拼接方向混淆：
   • 能控性矩阵 $M = \begin{bmatrix} B & AB & \cdots & A^{n-1}B \end{bmatrix}$ 是水平横向平铺（列数扩张，求行秩）；
   • 能观性矩阵 $Q_o = \begin{bmatrix} C \\ CA \\ \vdots \\ CA^{n-1} \end{bmatrix}$ 是垂直纵向堆叠（行数扩张，求列秩）。
3. 输入量 $u(t)$ 对能观性的干扰误判：
   • 考题若给出复杂的输入项 $Bu(t)$，切记：能观性只由 $(A, C)$ 决定，与系统是否有输入 $u$、矩阵 $B$ 是否为零没有任何关系！
4. 对角阵重特征值单输出必死陷阱：
   • 当对角矩阵出现重特征值时，若测量输出为单通道（$q=1$），无论输出向量中的数值多么诱人且全非零，该系统百分之百不完全能观！必须时刻保持警惕。
5. 坐标变换下的能观性严格不变性：
   • 若对状态进行非奇异线性变换 $x = P\bar{x}$（$\det P \neq 0$），新系统的状态矩阵与输出矩阵为 $\bar{A} = P^{-1}AP, \bar{C} = CP$；
   • 新能观性判别矩阵满足： $$\bar{Q}_o = \begin{bmatrix} \bar{C} \\ \bar{C}\bar{A} \\ \vdots \\ \bar{C}\bar{A}^{n-1} \end{bmatrix} = \begin{bmatrix} CP \\ CP(P^{-1}AP) \\ \vdots \\ CP(P^{-1}A^{n-1}P) \end{bmatrix} = \begin{bmatrix} C \\ CA \\ \vdots \\ CA^{n-1} \end{bmatrix} P = Q_o P$$
   • 由于变换矩阵 $P$ 满秩非奇异，故： $$\text{rank}(\bar{Q}_o) = \text{rank}(Q_o)$$
   • 【考场结论】：非奇异坐标变换不改变系统的能观性（与能控性一致，二者均为系统的结构不变性）。