现代控制理论深度理解：能控性分解本质、Rc构造机理与零块分布的几何内涵

---

一、 为什么判别矩阵 $M$ 里的每一项都是列向量？

很多初学者疑惑：为什么判别矩阵写成横向拼接的形式 $M = \begin{bmatrix} B & AB & A^2B & \cdots & A^{n-1}B \end{bmatrix}$？里面的每一项为什么都是列向量？

1. 维度与几何意义

在状态方程 $\dot{x} = Ax + Bu$ 中：

• 状态向量 $x \in \mathbb{R}^n$ 是拥有 $n$ 个物理量的列向量。
• 若控制输入 $u$ 为单输入（标量），为了使 $Bu$ 的维度与 $\dot{x}$ 匹配，$B$ 必须是一个 $n \times 1$ 的列向量。
• 方阵 $A(n \times n) \times$ 列向量 $B(n \times 1) =$ 列向量 $AB(n \times 1)$。
• 在 $n$ 维状态空间几何中，每一个列向量都代表一条具备具体朝向的空间直线（一个运动方向）。

2. 解析解揭示的根本秘密

假设系统从原点出发（$x(0) = 0$），在输入 $u(t)$ 作用下，其状态解析解为：

$$x(t) = \int_0^t e^{A(t-\tau)} B u(\tau) \, d\tau$$

根据矩阵指数函数的泰勒级数展开：

$$e^{At}B = B + (AB)t + (A^2B)\frac{t^2}{2!} + (A^3B)\frac{t^3}{3!} + \cdots$$

将其代回积分，状态 $x(t)$ 变为：

$$x(t) = B \cdot \underbrace{\int_0^t u(\tau) d\tau}_{c_0} + (AB) \cdot \underbrace{\int_0^t (t-\tau) u(\tau) d\tau}_{c_1} + (A^2B) \cdot \underbrace{\int_0^t \frac{(t-\tau)^2}{2!} u(\tau) d\tau}_{c_2} + \cdots$$

即：

$$x(t) = c_0 B + c_1 (AB) + c_2 (A^2B) + \cdots$$

---

二、 变换矩阵 $R_c$ 的构造机理：“斜面小车”与坐标轴对齐

flowchart LR
    subgraph 原自然坐标系 x
        X["各物理分量混杂\n既包含可控成分\n又包含不可控成分"]
    end
    subgraph 坐标变换 x = Rc x̂
        Rc["Rc = [ P1 | P2 ]\nP1 对齐能控平面\nP2 撑起立体空间"]
    end
    subgraph 新规范坐标系 x̂
        X1["x̂1: 纯能控状态 (完全受控)"]
        X2["x̂2: 纯不可控状态 (自生自灭)"]
    end
    X --> Rc --> X1
    Rc --> X2

1. “斜面小车”通俗比喻

• 设想一个小车处于 3 维房间中，但受限于机械结构，外部喷气装置只能把小车推在一个倾斜的 2 维桌面上滑行。
• 在原坐标 $(x, y, z)$ 下：桌面是斜的，小车一动，前后、左右、上下三个读数同时变化。你无法一眼看出“哪个维度受控、哪个维度不受控”。
• $R_c$ 做的事情：重新安放坐标系！
  • 找两个坐标轴 $P_1 = [R_1, R_2]$，平铺在桌面上；
  • 找第三个坐标轴 $P_2 = [R_3]$，垂直或离开桌面指向天花板。
• 换完基底后的坐标为 $\hat{x} = \begin{bmatrix} \hat{x}_1 \\ \hat{x}_2 \end{bmatrix}$：
  • $\hat{x}_1$（2 维）：小车在桌面上的精确位置 —— 完全受控；
  • $\hat{x}_2$（1 维）：小车偏离桌面的高度 —— 不可控（喷气只能沿桌面喷，无法改变高度）。

2. $R_c = [P_1 \mid P_2]$ 的构造规则

1. 前 $n_1$ 列 $P_1$：直接从 $M$ 中挑选 $n_1$ 个极大线性无关列，把能控子空间的基底完整确定下来。
2. 后 $n - n_1$ 列 $P_2$：任意补充与 $P_1$ 线性无关的向量（通常选自然基），目的是让方阵满秩（$\det(R_c) \neq 0$），保证坐标变换等价可逆。

---

三、 为什么相似变换后必定出现两个关键的“0”？

对原系统进行相似变换：

$$\hat{A} = R_c^{-1} A R_c = \begin{bmatrix} \hat{A}_{11} & \hat{A}_{12} \\ \mathbf{\hat{A}_{21}} & \hat{A}_{22} \end{bmatrix}, \quad \hat{B} = R_c^{-1} B = \begin{bmatrix} \hat{B}_1 \\ \mathbf{\hat{B}_2} \end{bmatrix}$$

1. 为什么 $\mathbf{\hat{B}_2 = 0}$？

展开 $B = R_c \hat{B} = P_1 \hat{B}_1 + P_2 \hat{B}_2$：

• $B$ 的每一列本来就是 $M$ 的首部列向量，天生完全落在由 $P_1$ 张成的能控子空间内。
• 既然 $B$ 已经在 $P_1$ 的空间内，它在空间之外的基底 $P_2$ 上的分量必然为零！
• 故 $\mathbf{\hat{B}_2 = 0}$。
• 物理含义：控制力 $u$ 的直接作用线完全处于能控平面内，对不可控方向 $\hat{x}_2$ 没有任何直接分力。

2. 为什么 $\mathbf{\hat{A}_{21} = 0}$？（核心灵魂：$A$-不变子空间）

展开 $A P_1 = P_1 \hat{A}_{11} + P_2 \mathbf{\hat{A}_{21}}$：

• $P_1$ 是能控子空间的一组基，由 $\{B, AB, \dots\}$ 组成。
• 当系统矩阵 $A$ 乘以 $P_1$ 时，得到的是 $\{AB, A^2B, \dots, A^n B\}$。
• 依靠 Cayley-Hamilton 定理，$A^n B$ 能被低阶项线性表出。
• 这证明了能控子空间是 $A$-不变子空间：任何属于能控子空间的向量，经过系统内部演化 $A$ 之后，依然牢牢留在该子空间内部，绝不会溢出到空间外部！
• 既然 $A P_1$ 仍然完全落在 $P_1$ 的空间内，就不需要任何 $P_2$ 的参与，因此在 $P_2$ 上的投影系数 $\mathbf{\hat{A}_{21} = 0}$。
• 物理含义：受控状态在运动时，不会泄漏或激发任何不可控状态；能控部分对不可控部分不存在反向作用通道。

---

四、 核心疑惑突破：既然 $\hat{A}_{21} = 0$，为什么 $\hat{A}_{22} \neq 0$？

💡 【思考与设问】 深度思考

既然不可控状态与输入断开（$\hat{B}_2 = 0$），又不受可控状态影响（$\hat{A}_{21} = 0$），那为什么它内部的矩阵 $\hat{A}_{22}$ 不等于零？

1. 概念误区澄清：“不可控” $\neq$ “静止死机”

如果 $\hat{A}_{22} = 0$，子系统方程将退化为：

$$\dot{\hat{x}}_2 = \mathbf{0} \cdot \hat{x}_2 = 0 \implies \hat{x}_2(t) = \text{常数}$$

这意味着不可控状态像冻结的石头一样，永远僵死在初始值。但在真实物理世界中，不可控状态依然拥有自己的内在生命力与动力学规律：

• 典型实例 1（天体运转）： 我们手里的遥控器控制不了地球绕太阳的公转（地球轨道对人类输入 $u$ 而言完全不可控）。但地球绝不是定在空中不动（$\hat{A}_{22} \neq 0$），它依然严格按照万有引力与角动量守恒在自主演化。这个自主轨道运动规律就是 $\hat{A}_{22}$。
• 典型实例 2（内部自放电 / 阻尼衰减）： 若电路中的某储能电容与主控制线路断开（输入进不来，不可控），但它自身带有漏电阻，其电荷会以 $e^{-t/\tau}$ 自动衰减耗尽。这种自然衰减的固有速率正是由 $\hat{A}_{22}$ 的特征值决定的。

2. 数学代数层面的必然性

对比两组基底的相乘式：

$$A P_1 = P_1 \hat{A}_{11} + P_2 \cdot \mathbf{0} \quad (\text{因 } P_1 \text{ 具有不变子空间的特殊保护})$$ $$A P_2 = P_1 \hat{A}_{12} + P_2 \cdot \mathbf{\hat{A}_{22}} \quad (\text{因 } P_2 \text{ 是任意选取的普通向量})$$

• $P_2$ 是我们在全空间中随便抓来凑维度的基向量，它根本没有“$A$-不变性”。
• 当 $A$ 作用在 $P_2$ 上时，$A P_2$ 是全空间中的一个普遍向量，在 $P_1$ 方向和 $P_2$ 方向上都会有非零投影。
• 只有极其罕见的特殊病态矩阵才会让 $A P_2$ 恰好落在 $P_1$ 上；在绝大多数物理系统中，$\hat{A}_{22}$ 必然非零，它承载着不可控模态的固有极点。

---

五、 结构总结与性质速记表

分解后的状态方程具有典型的分块上三角特征：

$$\begin{cases} \dot{\hat{x}}_1 = \hat{A}_{11} \hat{x}_1 + \hat{A}_{12} \hat{x}_2 + \hat{B}_1 u \\ \dot{\hat{x}}_2 = \hat{A}_{22} \hat{x}_2 \end{cases}$$

矩阵分块	为什么是此结果？（代数根源）	物理与控制效应
$\mathbf{\hat{B}_2 = 0}$	$B$ 的列全部位于能控子空间 $\Sigma_c$ 内	控制输入 $u$ 无法直接激励不可控状态 $\hat{x}_2$
$\mathbf{\hat{A}_{21} = 0}$	能控子空间 $\Sigma_c$ 是关于 $A$ 的不变子空间	受控状态 $\hat{x}_1$ 无法间接激发不可控状态 $\hat{x}_2$
$\mathbf{\hat{A}_{22} \neq 0}$	$P_2$ 无不变子空间性质，保留了系统不可控模态固有物理演化	决定了不可控状态的自主演化极点（自发稳定/发散/等幅振荡）
$\mathbf{\hat{A}_{12} \neq 0}$	不可控状态经系统耦合单向注入能控回路	不可控状态作为“外生自治扰动”单向干扰能控状态

---

相关笔记链接

• 8.6.1 系统的能控性分解（基础定义与计算步骤）
• 理解：ABCD矩阵物理空间映射与能控性判据深度理解
• 00-第8章 现代控制-知识点索引与全景导航