第11章 线性系统的多项式矩阵描述分解

合集下载

第11章线性系统的多项式矩阵描述解析

第11章线性系统的多项式矩阵描述解析

强调:广义状态变量必须是独立的。对于方程中的 某个储能参数若多次引用,必须给予恰当处理。
例如若将电容C2两端短路,则
(L1s
1 C1s
)1
(s)
1 C1s
1
(s)
(
1 C1s
1 C1s L2s
2 (s) R1)2
U(s) (s)
0
仍按上面整理得:
3s2 1 1
6s2
1 3s
1 (s)
R(s)P1 (s)Q(s) W(s) C(sI A)1 B E
注意PMD的实现具有强不唯一性,结果不唯一,实 现的维数也不唯一。
二.构造PMD的实现方法
构造PMD的实现是基于矩阵分式描述MFD的规范 形,能控形,能观测类实现而建立的。含义是指 PMD的传递函数矩阵G(s)中包含的一个MFD的实 现,称为PMD实现的内核。
n degdetP(s)
4.由(Ao , Bo , Co )导 出PMD的 实 现(A, B, C, E) 直接取定 A Ao,B Bo
1
2
(s)
3s
0
U(s)
degdetP(s)=4,产生系统升级错误的原因是化 简过程中电容C1进行了两次通分运算。
若 将(1)式 改 写为
1 C1s
1
(s)
1 C1s
2
(s)
U(s)
L1s1
(s)
代 入(2)得
- U(s) L1s1(s) (L2s R1)2 (s) 0
3s2 1 1
3.对Pr-1(s)Qr (s)构 造 观 测 器 形 实 现(A o , Bo , Co ) 对 严 真Pr-1 (s)Qr (s),Pr (s)行 既 约 , 构 造 观 测 器 形实 现(A o , Bo , Co )

第 11 讲 矩阵分解 (1)

第 11 讲 矩阵分解 (1)

(2) ������������������������ = ቊ���0���������
������ ������
= ≠
������ ������
,
������,
������
=
1,2,

,
������
CQU
19
方阵的谱分解
(3) σ������������=1 ������������ = ������������; (4) ������������������ = ������������������ = ������������������������, ������ = 1,2, … , ������; (5) rank(������������)=������������, ������ = 1,2, … , ������; (6) 满足以上性质的������1, ������2, … , ������������是唯一的。称������1, ������2, … , ������������
������1 =
������21 ⋮
1 ⋮
⋯ ⋱
0 ⋮

������������1 0 ⋯ 1
Step r:若������������ ≠ 0(���������(���������������−1) ≠ 0),将第行−���������(���������������−1)ൗ���������(���������������−1)(记������������r =
⋯0
⋯0
⋯ ⋯
0
0 ,实施行变,得
⋱⋮
⋯1
������101 ⋮
������(������) = ������−������ 1������(������−1) =

第11章线性时不变系统的多项式矩阵描述

第11章线性时不变系统的多项式矩阵描述
整体思路sirank内蒙古工业大学电力学院自动化系第11章线性时不变系统的多项式矩阵描述113pmd的互质性和状态空间描述的能控性和能观测性不妨假设观测器形实现lr考虑到的任意性lr内蒙古工业大学电力学院自动化系第11章线性时不变系统的多项式矩阵描述113pmd的互质性和状态空间描述的能控性和能观测性右互质存在多项式矩阵12111211内蒙古工业大学电力学院自动化系第11章线性时不变系统的多项式矩阵描述113pmd的互质性和状态空间描述的能控性和能观测性1212111211单模阵单模阵1111111211单模阵内蒙古工业大学电力学院自动化系第11章线性时不变系统的多项式矩阵描述113pmd的互质性和状态空间描述的能控性和能观测性1212111211内蒙古工业大学电力学院自动化系第11章线性时不变系统的多项式矩阵描述113pmd的互质性和状态空间描述的能控性和能观测性12121112111212111211内蒙古工业大学电力学院自动化系第11章线性时不变系统的多项式矩阵描述113pmd的互质性和状态空间描述的能控性和能观测性1212111211ranksirankranksi内蒙古工业大学电力学院自动化系第11章线性时不变系统的多项式矩阵描述113pmd的互质性和状态空间描述的能控性和能观测性121211121112111211内蒙古工业大学电力学院自动化系第11章线性时不变系统的多项式矩阵描述113pmd的互质性和状态空间描述的能控性和能观测性12111211ranksi内蒙古工业大学电力学院自动化系第11章线性时不变系统的多项式矩阵描述114传输零点和解耦零点pmd的极点零点分析将有助于更深刻地揭示极点零点与系统结构特性之间的关系
~ F (s) gcrd P(s), R(s) P(s) P ( s ) F ( s)
~ P ( s) F ( s ) ( s) Q( s )U ( s ) ~ Y ( s ) R ( s) F ( s ) ( s) W ( s)U ( s) ~ 令 F (s) (s) (s) ~ ~ P ( s ) ( s ) Q( s )U ( s ) ~ ~ Y ( s ) R ( s ) ( s ) W ( s )U ( s )

线性系统的结构分解

线性系统的结构分解

xco y = CRO1 = (C1 , 0) xco
经过上述三步,便可以导出系统同时按 能控性和能观性进行分解的表达式:
⋅ % % x co A11 ⋅ % % x co = A21 ⋅ 0 % x co ⋅ 0 x co %
− 3 −1 ~ A= −2 0 ~ C = [0 1 1 0 ]
0 1 ~ 2 , B = 0 − 4 0
由3.2节知:x1,x2能控,x3,x4不能控 由3.3节知:x2,x3能观,x1,x4不能观
由3.2节知:x1,x2能控,x3,x4不能控 由3.3节知:x2,x3能观,x1,x4不能观 系统有: (1)能控能观 (2)能控不能观 (3)不能控能观 (4)不能控不能观 结构图:
% A11 % % = T −1 AT = A21 A 0 0
0 % A 0 0
22
% A13 % A23 % A
33
% A43
0 % A24 0 % A44
B1 % = T −1 B = B2 B 0 0
% B1 % % % B = TB = , C = CT −1 = C 1r 0 n−r
r
n−r
% C2
则系统得状态空间被分解成能控和不能控的 两部分:
⋅ ~ ~ ~ ~ ~ ~ x 1 = A11 x1 + A12 x2 + B1u , r维子系统 ~~ y1 = C1 x1 ⋅ ~ ~ ~ x 2 = A22 x2 , − r )维子系统 (n ~~ y 2 = C 2 x2
~ = R −1 AR ~ + R −1bu x 0 0x 0 1 0 0 1 − 1 − 2 0 ~ + − 1u x = 1 0 0 − 1 ~ = [1 0 0]~ y = CR0 x x

【线性系统课件】线性系统概论

【线性系统课件】线性系统概论

四. 系统矩阵描述
• 一般形式
后者不但适用于描述线性定常系统,也适用于线性时变系统。 微分算子描述。
学习过程
• 郑大钟《线性系统理论》1-4章自学; • 重点讲述第五章及以后的频域理论。 • 参考书目
– Chi-Tsong Chen, Linear system theory and design
• 状态空间:
状态向量取值的空间是有限维的实向量空间(Rn,R),称 为状态空间.
• 动态方程:
----描述输入输出和状态之间唯一关系的方程组. ----动态方程都是因果的.
x (t ) f ( x , u , t ) y (t ) g ( x , u , t )
.
x (t 0 ) x 0
定义时不变性: 松驰系统是时不 变的,当且仅当 成立,否则称为时变的。
) u (t )
对任意的
HQ u Q H u
,u

松驰、线性、时不变系统
Q g ( , ) Q H ( t ) HQ ( t ) H ( t ( )) g ( , ) t
对动力学系统,若初始状态未知,或 t1 之前的输入未知,则
u [ t1 , ) y [ t1 , ) 不一一对应,
这样对研究系统的关键性质无用。 假定:系统是初始松驰的,输出只由此后的输入唯一地确定 工程上,常假定系统在负无穷时间是松驰的 在松驰性的假定下,有
y Hu
H 为某一算子或函数 称在负无穷时初始松驰的系统为松驰系统。 线性: 因果性 松驰性 时不变性
t0
综上,线性、因果、
t0
时 松 驰 的 系 统 , 其 I/O 描 述 为

线性系统课件

线性系统课件
2 2
21
1 2 10 B1 , B2 , B3 3 9 27
则特解为:
1 2 2 10 rf ( t ) t t 3 9 27
可见,特解是由激励与系统方程共同决定的。 激励决定特解形式 系统方程决定系数
四、能控性和能观测性的概念
古典中:C(s)既是输出又是被控量
n 1
d r (t ) d r (t ) dr(t ) an n an 1 n1 a1 a0r (t ) dt dt dt m m 1 d e( t ) d e( t ) de(t ) bm m bm1 m1 b1 b0e(t ) dt dt dt
二、线性定常连续系统的能控性判据
二、线性系统判定方法
判断下述微分方程所对应的系统是否为线性系统?
d r (t ) 10r ( t ) 5 e( t ) ,t 0 dt
分析:根据线性系统的定义,证明此系统是否具有 齐次性和叠加性。可以证明:
系统不满足齐次性 系统不具有叠加性
此系统为非线性系统。 请看下面证明过程
证明齐次性
1.3 传递函数描述法的局限性
对于非零初始条件,这种描述不能应用。更为重要的是,输入输出描述不能揭示系统的内部行为。
例如:
从输入—输出关系来看,它们具有相同的传递函数:
1 G( s) s 1
但事实上这是两个不同的系统。这两个系统是不等价的 ,一个是能观不能控的,一个是能控不能观的。这表明 系统的内部特性比起由传递函数表达的外部特性要复杂 得多,输入—输出描述没有包含系统的全部信息,不能 完整的描述一个系统。
当e1 ( t ) e2 ( t ) 同时作用于系统时,若该系统为线性系统, 应有

线性系统理论Chapter多项式矩阵理论PPT学习教案

线性系统理论Chapter多项式矩阵理论PPT学习教案

又因为
R(s) = U11(s)D(s) +U12(s)N(s)
推出 R(s) = [U11(s)D1(s) +U12(s)N1(s)]R1(s) = W(s)R1(s)
表明R1(s)为R(s)的右乘因子。所以原 题得证 。
综上,多项式矩阵D(s)和N(s)的一个gcrd R(s)可通过对矩阵[DT(s),NT(s)]T行初等变换得到,而相 应于各 初等运 算的初 等矩阵 按逆顺 序的乘 积阵则 为所找 的单模 阵U(s) 。
互质性的常用判据互质性的常用判据结论结论718718贝佐特等式判据贝佐特等式判据pppp和和qqpp的多项的多项式矩阵式矩阵ddss和和n在在pppp和和ppqq的多项式矩阵的多项式矩阵xxss和和yyss使成立使成立以下的贝佐特以下的贝佐特bezoutbezout等式等式xxssddssiipp第20页共45页22结论720秩判据给定pp和qp的多项式矩阵ds和nsrank结论722右互质判据给定pp和qp的多项式矩阵dsdetdegdetdeg左互质性判据左互质性判据与右互质性判据对偶第21页共45页23最大公因子构造关系式性质的进一步讨论最大公因子构造关系式性质的进一步讨论推论
结T(s论)为7.任9 A一(sn)维为单n维模非阵奇,异则多A(项s)式和矩阵A~,具(s有) 相A~同(s)的行T埃(s尔)A米(s) 特形。
返回
第13页/共45页
14
7.8 公因子和最大公因子
公因子和最大公因子定义
方多项式矩阵R(s)为具有相同列数N (的s) 两D个(s多) 项式矩N阵(s)N(Ns)(和s)RD((ss)),的一D(个s) 右 D公(s因)R子(s),如果存 在方多项式矩和阵Q(s)为,具使有相同行数的两个多项式矩阵B(s)

线性时不变系统的多项式矩阵描述PPT课件

线性时不变系统的多项式矩阵描述PPT课件

-总之
Co (sI Ao )1 Bou(s) Y (s)u(s)
y(s) R(s) (s) W (s)u(s)
R(s)Co (sI Ao )1 Bou(s) [R(s)Y (s) W (s)]u(s)
X (s)(sI Ao )C
C(sI Ao )1 Bou(s) [ X (s)Bo R(s)Y (s) W (s)]u(s)
2020/12/29
7
(3)前两种情况的组合
P(s),Q(s)非左互质,消去其gcld H(s), 得
H 1(s)P(s) (s) H 1(s)Q(s)u(s)
y(s)
R(s)
(s)
W
(s)u(s)
再消去H 1(s)P(s)和R(s)的gcrd F (s) ,即做代换
(s) F (s) (s)
的实现。 • 步骤:
– 先把 P1(s)Q化(s)成满足左MFD求实现的条件,即 P(s)化为行既约, Pr1(s)严Qr (格s) 真;
(s) P1(s)Q(s)u(s) [M (s)P(s)]1 [M (s)Q(s)]u(s)
Pr (s)
Qr (s)
Pr1(s)Qr (s)u(s) [Y (s) Pr1(s)Qr (s)]u(s)
P(s)F (s) (s) Q(s)u(s)
y(s)
R
(s)F
(s)
(设 (s) F (s) (s),则
P(s) (s) Q(s)u(s)
y(s) R(s) (s) W (s)u(s)
不可简约
rank P(s) Q(s) rank P(s) Q(s) ,故P(s),Q(s)左互质.
右互质
不可简约PMD不唯一
{P(s),Q(s),R(s),W(s)}不可简约

多项式矩阵理论

多项式矩阵理论

6.1 多项式及其互质性
1 多项式及其性质
以复数 s 为自变量的实系数多项式 d(s)
d (s) dnsn dn1sn1 d1s d0 , s C, di R, i 0,1,2,n
❖ d(s) 的次数
:n = deg d(s);
❖ d(s)为n 次多项式 :最高次幂系数dn ≠ 0;
可化简有理函数:倘若g(s) = n(s)/d(s)中, n(s)和d(s)不互质。
6.2 多项式矩阵及其属性
1 多项式矩阵
多项式矩阵:以多项式为元素的矩阵。
以aij(s)为元素的m×n多项式矩阵A(s)记为
a11(s) a1n (s)
A(s)
am1(s) amn (s)
【例6-3】一个2×3的多项式矩阵
最大公因式:如果 r(s) 是 d(s) 和 n(s) 的公因式,而且可被 d(s) 和 n(s) 的每个 公因式整除,则称 r(s) 是 d(s) 和 n(s) 的最大公因式。
注:若r(s) 最大公因式,c为常数,则cr(s)也是最大公因式,若限定r(s) 为首一多项式,则最大公因式具有唯一性。
互质多项式:如果 d(s) 和 n(s) 的最大公因式是(与 s 无关的)非零常数,则称 d(s) 和 n(s) 为互质多项式,简称 d(s) 和 n(s) 互质。
第六章
多项式矩阵理论 (数学基础部分)
引言(经典控制理论、现代控制理论、多项式矩阵理论的应用)
50年代以前,以控制理论和电路理论为两大支柱的线性系统理论已经发展成为相当成熟的 “经典线性系统理论”。
经典线性系统理论的主要特征: 研究对象 → 线性定常单变量系统; 数学工具 → 复变函数(特别是傅里叶变换和拉普拉斯变换); 研究方法 → 频率响应法; 理论优点 → 输入、输出和反馈信号的物理概念清晰、易于测量; 理论缺点 → ⑴ 只能反映系统的外部特性和行为,是一种外部描述法; ⑵ 设计自由度小、指标模糊,需要反复试凑才能完成任务。

矩阵的分解——精选推荐

矩阵的分解——精选推荐

矩阵的分解§9. 矩阵的分解矩阵分解是将⼀个矩阵分解为⽐较简单的或具有某种特性的若⼲矩阵的和或乘积,这是矩阵理论及其应⽤中常见的⽅法。

由于矩阵的这些特殊的分解形式,⼀⽅⾯反映了原矩阵的某些数值特性,如矩阵的秩、特征值、奇异值等;另⼀⽅⾯矩阵分解⽅法与过程往往为某些有效的数值计算⽅法和理论分析提供了重要的依据,因⽽使其对分解矩阵的讨论和计算带来极⼤的⽅便,这在矩阵理论研究及其应⽤中都有⾮常重要的理论意义和应⽤价值。

这⾥我们主要研究矩阵的三⾓分解、谱分解、奇异值分解、满秩分解及特殊矩阵的分解等。

⼀、矩阵的三⾓分解——是矩阵的⼀种有效⽽应⽤⼴泛的分解法。

将⼀个矩阵分解为⾣矩阵(或正交矩阵)与⼀个三⾓矩阵的乘积或者三⾓矩阵与三⾓矩阵的乘积,这对讨论矩阵的特征、性质与应⽤必将带来极⼤的⽅便。

⾸先我们从满秩⽅阵的三⾓分解⼊⼿,进⽽讨论任意矩阵的三⾓分解。

定义1 如果(1,2,,)ii a i n = 均为正实数,()(,1,2,1;∈<=- ij a C R i j i n1,2,),=++ j i i n 则上三⾓矩阵1112122200=n nnn a a a a a R a 称为正线上三⾓复(实)矩阵,特别当1(1,2,,)ii a i n == 时,R 称为单位上三⾓复(实)矩阵。

定义2如果(1,2,,)ii a i n = 均为正实数,()(,1,2,1;∈>=- ij a C R i j i n1,2,),=++ j i i n 则下三⾓矩阵11212212000?? ?=n n nn a a a L a a a称为正线下三⾓复(实)矩阵,特别当1(1,2,,)ii a i n == 时,L 称为单位下三⾓复(实)矩阵。

定理1设,?∈n n n A C 则A 可唯⼀地分解为1=A U R其中1U 是⾣矩阵,R 是正线上三⾓复矩阵;或者A 可唯⼀地分解为2=A LU其中2U 是⾣矩阵,L 是正线下三⾓复矩阵。

第9章 线性定常系统的多项式矩阵描述

第9章 线性定常系统的多项式矩阵描述

( sI A) ( s) Bu( s) y( s) C ( s) D( s)u ( s)
(9 14)
其中, ξ(s) = x(s)为n×1广义状态,PMD的各个系数矩阵为
P( s) ( sI A), Q( s) B W ( s ) D( s ) R( s ) C , (9 15)
P( s) Dl (s), Q(s) N l ( s) W ( s) E (s) R( s ) I ,
(9 18)
其中, ξ(s) = Dr-1(s)Nl(s)u(s)为q×1广义状态,PMD的各个系数矩阵为
(9 19)
证 对Nr(s)Dr-1(s)+E(s),可以导出 y(s) = [Nr(s)Dr-1(s)+E(s)]u(s) = Nr(s)Dr-1(s)I u(s) +E(s)u(s) (9-20) 将上式与PMD的传递函数矩阵(9-12)相比较,就可导出系数矩阵关系式(9-17) 。基于此,令ξ(s) = Dr-1(s)Iu(s),可得式(9-16)。 类似地,可以证明式(9-18)。证毕。
Ax Bu x y Cx D( p)u (9 39)
的传递函数阵与式(9-38)所示PMD的传递函数阵相等,即 R(s)P-1(s)Q(s) + W(s) = C(sI - A)-1B + D(s) (9-40) 则,称式(9-39)为式(9-38)给出的PMD的一个实现。其中,D(s) = D(p)|p=s。 2 构造PMD实现的方法 对线性定常系统的PMD (P(s), Q(s), R(s), W(s)),表P-1(s)Q(s) = Pl-1(s)Ql(s) 1 1 P ,其中Pl(s)为行既约, l (s)Ql (s) P l (s)Ql (s) Y (s) ,而(Ao, Bo, Co)为严格真 Pl 1 (s)Ql (s) 的观测器型实现,则PMD的一个实现(A, B, C, D(p))为 A Ao , B Bo (9 58) C [ R( s)Co ]s A D( p ) D ( s ) | s p

(完整word版)矩阵分解及其简单应用

(完整word版)矩阵分解及其简单应用

(完整word版)矩阵分解及其简单应用对矩阵分解及其应用矩阵分解是指将一个矩阵表示为结构简单或具有特殊性质若干矩阵之积或之和,大体分为三角分解、QR分解、满秩分解和奇异值分解。

矩阵的分解是很重要的一部分内容,在线性代数中时常用来解决各种复杂的问题,在各个不同的专业领域也有重要的作用。

秩亏网平差是测量数据处理中的一个难点,不仅表现在原理方面,更表现在计算方面,而应用矩阵分解来得到未知数的估计数大大简化了求解过程和难度。

1.矩阵的三角分解如果方阵A可表示为一个下三角矩阵L和一个上三角矩阵U之积,即A=LU,则称A可作三角分解。

矩阵三角分解是以Gauss消去法为根据导出的,因此矩阵可以进行三角分解的条件也与之相同,即矩阵A的前n-1个顺序主子式都不为0,即?k≠0.所以在对矩阵A进行三角分解的着手的第一步应该是判断是否满足这个前提条件,否则怎么分解都没有意义。

矩阵的三角分解不是唯一的,但是在一定的前提下,A=LDU的分解可以是唯一的,其中D是对角矩阵。

矩阵还有其他不同的三角分解,比如Doolittle分解和Crout分解,它们用待定系数法来解求A 的三角分解,当矩阵阶数较大的时候有其各自的优点,使算法更加简单方便。

矩阵的三角分解可以用来解线性方程组Ax=b。

由于A=LU,所以Ax=b可以变换成LU x=b,即有如下方程组:{Ly=b Ux=y先由Ly=b依次递推求得y1, y2,......,y n,再由方程Ux=y依次递推求得x n,x n?1, (x1)必须指出的是,当可逆矩阵A不满足?k≠0时,应该用置换矩阵P 左乘A以便使PA的n个顺序主子式全不为零,此时有:{Ly=pb Ux=y这样,应用矩阵的三角分解,线性方程组的解求就可以简单很多了。

2.矩阵的QR分解矩阵的QR分解是指,如果实非奇异矩阵A可以表示为A=QR,其中Q为正交矩阵,R为实非奇异上三角矩阵。

QR分解的实际算法各种各样,有Schmidt正交方法、Givens方法和Householder方法,而且各有优点和不足。

《矩阵的分解》课件

《矩阵的分解》课件
矩阵分解的算法实 现
高斯消元法
基本思想:通过行变换将矩阵 化为上三角矩阵或对角矩阵
步骤:选择主元素、消元、回 代
应用:求解线性方程组、求逆 矩阵、求特征值和特征向量
优点:计算量小,易于实现, 适用于稀疏矩阵和带状矩阵
迭代法
迭代法的基本思想:通过不断迭代, 逐步逼近目标解
迭代法的应用:在矩阵分解、数值 优化、图像处理等领域有广泛应用
U:上三角矩阵,对角线以上元素为0
LDU分解的应用:求解线性方程组、计算矩阵的逆矩阵等
平方根分解
平方根分解的定义:将矩阵分解为 两个矩阵的乘积,其中一个矩阵是 单位矩阵,另一个矩阵是矩阵的平 方根。
平方根分解的应用:平方根分解在 数值计算、线性代数、优化等领域 有着广泛的应用。
添加标题
添加标题
添加标题
添加标题
添加标题
添加标题
迭代法的步骤:设定初始值,计算 迭代函数,更新迭代值,直到满足 停止条件
迭代法的优缺点:优点是简单易实 现,缺点是收敛速度慢,容易陷入 局部最优解
共轭梯度法
共轭梯度法是一种求解线性方程组的迭代方法 共轭梯度法的基本思想是利用共轭梯度方向进行迭代 共轭梯度法的优点是收敛速度快,稳定性好 共轭梯度法的缺点是计算量大,需要存储大量的中间结果
a. 选取一组向量 b. 计算向量组的内积 c. 计算向量组的正交化向量 d. 重复步骤b和c,直到所有向量都正交
优点: a. 简单易行 b. 适用于任意维数的向量组
a. 简单易行 b. 适用于任意维数的向量组
应用: a. 矩阵的正交分解 b. 线性代数的其他领域
a. 矩阵的正交分解 b. 线性代数的其他领域
添加标题
添加标题

矩阵分解及应用

矩阵分解及应用

引言数学是人类历史中发展最早,也是发展最为庞大的基础学科。

许多人说数学是万理之源,因为许多学科的研究都是以数学做为基础,有了数学的夯实基础,人类才铸就起了众多学科的高楼大厦,所以数学的研究和发展一直在不断的发展壮大。

在数学中有一支耀眼的分支,那就是矩阵。

在古今矩阵的研究发展长河中产生了许多闪耀星河的大家。

英国数学大家詹姆斯·约瑟夫·西尔维斯特,一个数学狂人,正是他的孜孜不倦的研究使得矩阵理论正式被确立并开启了矩阵发展的快速发展通道。

凯莱和西尔维斯特是非常要好的朋友,他也是一位非常伟大的数学大师,正是他们伟大的友谊,加上两人的齐心协力最后他们共同发展了行列式和矩阵的理论。

后来高斯在矩阵方面的研究取得重要的成就,尤其是高斯消去法的确立,加速了矩阵理论的完善和发展。

而在我国,矩阵的概念古已有之。

从最早的数学大家刘徽开始我们古代数学大家都已或多或少的研究了矩阵。

尤其在数学大家刘徽写的《九章算术》中,它最早提出了矩阵的类似定义。

而且是将矩阵的类似定义用在了解决遍乘直除问题里了。

这已经开始孕育出了最早的矩阵形式。

随着时间转移,矩阵的理论不断的完善,在对于那些大型矩阵的计算中如果用基本方法显得过于繁重,于是发展出了矩阵的分解,随着对矩阵分解的不断研究完善,矩阵分解方法和理论也日趋成熟矩阵经常被当做是数学工具,因为在数学问题中要经常用上矩阵的知识。

矩阵是一个表格,要掌握其运算法则,作为表格的运算与数的运算既有联系又有差别,在所有矩阵的运算方法中,矩阵的分解是他们中一种最重要并且也是应用最广泛。

矩阵分解主要是对高斯消去法的延续和拓展。

在一些大型的矩阵计算中,其计算量大,化简繁杂,使得计算非常复杂。

如果运用矩阵的分解,将那些大型矩阵分解成简单的矩阵的乘积形式,则可大大降低计算的难度以及计算量。

这就是矩阵分解的主要目的。

而且对于矩阵的秩的问题,特征值的问题,行列式的问题等等,通过矩阵的分解后都可以清楚明晰的反应出来。

线性系统-(4)

线性系统-(4)

三、线性相关和线性无关 当且仅当存在一组多项式 1 s, 2 s,, p s 若 1 s 2 s p s 0 时,上式成立,则为线性无关。
p 个多项式向量 q1 s, q2 s,, qp s 为线性相关
1 sq1 s 2 sq2 s p sqp s 0
则称R为两个多项式矩阵的一个右公因子。
Rs W s R1 s
则称R为最大右公因子,记gcrd。
定理( gcrd构造定理):对给定的N,D, 如果存在单模阵 U,满足 Ds Rs
U(s) 0 N s
则称R为N,D的一个最大右公因子。
任 意 多 项 式 阵 推论6: Qsmr , R(s)r p 为
sRs minrankQs, rankRs rankQ
五、单模矩阵
Qs 为单模阵,当且仅当其行列式是独立于s的非零常数。
推论1: Qs 为单模阵,当且仅当其逆是一多项式阵 推论2: Qs 为单模阵,则 Qs 是非奇异,反之未必 推论3: 两个单模阵的乘积也是单模阵
七、 Hermite 定理和 Smith 定理(埃尔米特、史密斯)
Hermite 定理 设 Qs为多项式矩阵,并且第一行(列)不恒为零,其
秩为k,则必存在一个下(或上)三角形多项式矩阵 Qs与 Qs 列(或行)等价,并且 Qs具有如下性质:
(1)若 k r ,则的最后r-k列全为零; (2)若1 j k ,则第j行第j列上元素是首1多项式,并且 其是该行中的行次最高的; (3)若 1 j k ,则第j行第j列上元素为1时,该行中的其 它元素全为零。
s minm,r 推论3: Qs 满秩,当且仅当 rankQ 推论4: Qs 为 m m方阵,Qs 非奇异等价于 rankQs m

第十一章-线性系统的多项式矩阵描述

第十一章-线性系统的多项式矩阵描述

第十一章 线性时不变系统的多项式矩阵描述多项式矩阵描述方法是20世纪60年代中期由英国学者(H. H. Rosonbrock)提出来的。

首先多项式矩阵描述是对系统描述方法的一个丰富;其次多项式矩阵描述是对线性时不变系统更为普遍的一种描述;再者多项式矩阵描述为将来研究广义系统奠定了基础。

11.1 多项式矩阵描述多项式矩阵描述(Polynomial Matrix Descriptions ,PMD )是除了线性系统的三种原有的描述方式:状态空间描述、传递函数矩阵描述和矩阵分式描述以外,一种新的描述方法。

例如:下图所示的系统:我们取两个回路电流12, i i 作为描述系统的变量;以最右边的电感两端的电压作为系统的输出ui i dt didti d 369211212=-++ 0436222221=+++-i dt didt i d i (11.1)2()2di y t dt= 引入微分算子:222()()(), ()dx t d x t dx t d x t dt dt将式(11.1)表示如下: 21221212(961)()()3()()(634)()0()0()2()0()d d i t i t du t i t d d i t y t i t di t u t ++-=-+++==++ (11.2)将上式写成矩阵形式:[][]212212()39611()()01634()()020()()i t d d d u t i t d d i t y t d u t i t ⎡⎤++-⎡⎤⎡⎤=⎢⎥⎢⎥⎢⎥-++⎣⎦⎣⎦⎣⎦⎡⎤=+⎢⎥⎣⎦ (11.3)一般地我们有:()()()()P d t Q d u t ζ=()()()()()y t R d t W d u t ζ=+ (11.4)(),(),()()P Q R W ⋅⋅⋅⋅和分别为, , , m m m p q m q p ⨯⨯⨯⨯的微分算子多项式矩阵。

线性系统非奇异线性变换及系统的规范分解

线性系统非奇异线性变换及系统的规范分解

8.5 线性系统非奇异线性变换及系统的规范分解为了便于揭示系统的固有特性,经常需要对系统进行非奇异线性变换,例如,将A 矩阵对角化、约当化;将系统化为可控标准型、可观测标准型也需要进行线性变换。

为了便于分析与设计,需要对动态方程进行规范分解,往往也涉及线性变换。

如何变换?经过变换后,系统的固有特性是否会引起改变呢?这些问题必须加以研究解决。

8.5.t t 1 线性系统的非奇异线性变换及其性质1.非奇异线性变换设系统动态方程为 ⎧⎨⎩()()()()()()t t t t =+=+&x Ax Bu y Cx Du (8-134)令 =x P x (8-135) 式中,非奇异矩阵P (,有时以det 0≠P 1−P 形式出现)将状态变换为状态x x 。

设变换后的动态方程为⎧⎨⎩()()()())()t t t t =+=+&t t xAx Bu y Cx Du (8-136) 则有1−=x P x 1−=A P AP 1−=B P B =C CP =D D (8-137)上述过程就是对系统进行非奇异线性变换。

线性变换的目的在于使A 矩阵或系统规范化,以便于揭示系统特性,简化分析、计算与设计,在系统建模,可控性、可观测性、稳定性分析,系统综合设计方面特别有用。

非奇异线性变换不会改变系统的固有性质,所以是等价变换。

待计算出所需结果之后,再引入反变换1−=x P x ,将新系统变回原来的状态空间中去,获得最终结果。

2.非奇异线性变换的性质系统经过非奇异线性变换,系统的特征值、传递矩阵、可控性、可观测性等重要性质均保持不变性。

下面进行证明。

(1)变换后系统传递矩阵不变 证明 列出变换后系统传递矩阵G 为 111()s −−−=−+G CP I P AP P B D 1111()s −−−−=−CP P IP P AP P B D +++G 111[()]s −−−=−CP P I A P P B D 111()s −−−=−CPP I A PP B D1()s −=−+=I C A B D表明变换前后的系统传递矩阵相同。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

对PMD的说明:
(1)PMD的属性
多项式矩阵描述也是系统的一种内部描述,而且比
状态空间描述更为一般,引入广义状态(状态,伪
状态),对其并不要求按状态进行严格限定。
(2)系数矩阵的多项式矩阵属性
U(s) R
p1
, Y(s) R
q1
, R
m1
P(s) R mm , Q(s) R mp , R (s) R qm , W (s) R qp
matrix description)PMD。
11.1 多项式矩阵描述
一.多项式矩阵PMD的形式
回路电流 1, 2 作 为 广 义 状 态 变 量 , u为 输 入 , y为 输 出 1 1 ( L s ) ( s ) 2 (s) U(s) 1 1 C1s C1s 1 1 1 ( s ) ( L 2 s R 1 ) 2 (s) 0 1 C1s C 2 s C1s Y(s) L 2 s 2 (s) 3s2 1 1 (s) 3s 1 U (s) 2 6s 3s 4 2 (s) 0 1 1 (s) Y(s) 0 2s ( s ) 2
V(s) 0 U(s) 0 U(s), , , V(s)均 为 单 模 阵 I 0 I 0 有rank P (s) Q (s) rankP (s) Q(s), 左 互 质


P (s) P(s) rank ,右互质 rank R (s) R (s) 则{P (s), Q (s), R (s), W(s) }也 为 不 可 简 约 P MD。
为下列三种情形之一:
{P(s),Q(s)}非左互质,{P(s),R(s)}右互质
{P(s),Q(s)}左互质,{P(s),R(s)}非右互质 {P(s),Q(s)}非左互质,{P(s),R(s)}非右互质
对可简约PMD化为不可简约PMD的基本途径是引入
变换,将非互质化为互质。
(1) {P(s),R(s)}右互质,{P(s),Q(s)}非左互质
PMD和其它描述的关系
(1)多项式矩阵描述的传递函数矩阵
(s) P -1 (s)Q(s) U(s)
Y(s) R (s)P -1 (s)Q(s) U(s) W(s) U(s) G (s) R (s)P -1 (s)Q(s) W(s)
(2)状态空间描述的多项式矩阵描述
Ax Bu x y Cx E ( p) u ˆ(s) Bu (sI A ) ˆ (s) ˆ(s) E (s) u (s) ˆ (s) C y ˆ(s) x (s)为n维 广 义 状 态 , 系 数 矩 阵 P(s) sI A, Q(s) B, R (s) C, W (s) E (s)
(3)矩阵分式描述的多项式矩阵描述
对于给定 p q系 统 的 右 MFD N(s)D 1 (s) E(s) [N(s)D 1 (s) E(s)]U(s) Y(s) 令D 1 (s)IU(s) (s)得 D(s) (s) IU(s) Y(s) N(s) (s) E(s) U(s) P(s) D(s), Q(s) I, R (s) N(s), W (s) E(s)
(3)对PMD的假设
为保证PMD系统有唯一解,假定多项式矩阵P(s)为
非奇异。
(4)时间域PMD
对频率域PMD的系数矩阵中,若用微分算子 p d / dt
代替系数多项式中的复变量s,并将频率域变量替换
为时间域变量,得到时间域PMD为
P( p) (t ) Q( p) U( t ) Y( t ) R ( p) ( t ) W( p) U( t )
L1 1H
C1 1F
u(t)
1
C 2 3F
2
L 2 2H
y(t)
R 1 1
上式为描述系统的广义状态方程和输出方程,
且系数矩阵为多项式矩阵形式,称为多项式矩
阵描述PMD。
一般多输入/多输出线性时不变系统,定义
u1 1 u 2 输 入U , 广 义 状 态 2 , 输 出y u m p 那 么P MD描 述 P(s) (s) Q(s) U (s) Y(s) R (s) (s) W (s) U(s) P(s) R mm , Q(s) R mp , R (s) R qm , W (s) R qp y1 y 2 y q
对于给定 p q系 统 的 左 MFD D -1 L (s) N L (s) E (s)
1 [DL (s) N L (s) E (s)]U (s) Y (s) ~ -1 令D L (s) N L (s) U(s) (s)得 ~ D L (s) (s) N L (s) U(s) ~ Y(s) I (s) E(s) U(s) P(s) D L (s), Q(s) N L (s), R (s) I, W (s) E(s)
1 1
证明: {P (s),Q(s)} 非 左 互 质 , 有 最 大 公子 因H(s), 非 奇 异 , P(s) H(s) P (s), Q(s) H(s) Q (s) {P (s), Q(s)}左 互 质 , 代 入 ˆ(s) H(s) Q (s) U ˆ (s) H(s) P (s) ˆ(s) W (s) U ˆ (s) R (s) ˆ (s) Y ˆ(s) Q (s) U ˆ (s) P (s) ˆ(s) W (s) U ˆ (s) R (s) ˆ (s) Y 再由 {P (s),R (s)}右 互 质 , 其 右 公 因 子 单 为模 阵 , 而 P (s) H 1 (s)P(s)为P (s) 约 去H(s)得 结 果 , 所以 {P (s), R (s)}右 公 因 子 仍 为 单 模 阵 为 ,右 互 质
注意PMD的实现具有强不唯一性,结果不唯一,实 现的维数也不唯一。
二.构造PMD的实现方法 构造PMD的实现是基于矩阵分式描述MFD的规范 形,能控形,能观测类实现而建立的。含义是指 PMD的传递函数矩阵G(s)中包含的一个MFD的实
现,称为PMD实现的内核。
P MD的G(s) R (s)P 1 (s)Q(s) W (s)
(4)多项式矩阵描述的一般性 PMD是线性时不变系统的最一般描述,其它形式描述 均可认为是PMD的特殊形式。
三.不可简约PMD
定义:称(P(s),Q(s),R(s),W(s))为不可简约
PMD,当且仅当
{P(s),Q(s)}左互质,{P(s),R(s)}右互质
(P(s),Q(s),R(s),W(s))为可简约PMD,则只可能
证明:对 {P (s),Q(s), R (s), W (s)},引 入 变 换 (s) V 1 (s) (s) P(s)V(s) (s) Q(s) U(s) Y(s) R (s)V(s) (s) W (s) U(s) U(s)P(s)V(s) (s) U(s)Q(s) U(s) Y(s) R (s)V(s) (s) W (s) U(s) 令 P (s) U(s)P(s)V(s), Q (s) U(s)Q(s), R (s) R (s)V(s)得 Q (s) [ U(s)P(s)V(s)
degdetP(s)=4,产生系统升级错误的原因是化 简过程中电容C1进行了两次通分运算。
若 将(1)式 改 写 为 1 1 1 (s) 2 (s) U(s) L1s1 (s) 代 入(2)得 C1s C1s - U(s) L1s1 (s) (L 2 s R 1 ) 2 (s) 0 3s2 1 1 1 (s) 3s U(s) 2s 1 2 (s) 1 1 degdet P(s) 3 储 能 元 件 个 数
degdetP(s)=m=系统中具有储能元件个数。 强调:广义状态变量必须是独立的。对于方程中的 某个储能参数若多次引用,必须给予恰当处理。 例如若将电容C2两端短路,则
1 1 ( L s ) ( s ) 2 (s) U(s) 1 1 C1s C1s 1 1 1 (s) ( L 2 s R 1 ) 2 (s) 0 C1s C1s 仍按上面整理得: 3s2 1 1 (s) 3s 1 U(s) 2 6s 3s 1 2 (s) 0 1
第11章 线性时不变系统的多项式矩阵描述
状态空间描述给出了控制输入与系统内部状态
及输出的清晰关系,然而状态变量的选定是任意的,
不一定具有直接的物理含义;组成系统的各子系统
的性质也不能得到明显的反应。而传递函数具有直
观的物理含义,但它忽略了系统内部的重要结构信
息。罗森布罗克(H.H.Rosenbrock)提出一种新 的恰当的描述---多项式矩阵描述(poynomial
11.2 多项式矩阵PMD的状态空间实现 传递函数矩阵的最小实现是通过既约矩阵分式 MFD来进行,它给出了规范形矩阵分式与规范形 动态方程(A,B,C,E)之间的变换关系。而矩阵分式 描述MFD是一种特殊的多项式矩阵描述PMD,为 此,考虑多项式矩阵PMD到状态空间描述,即
PMD的实现。
一.PMD的实现
P(s) (s) Q(s) U(s) 多项式矩阵描述PMD Y(s) R (s) (s) W(s) U(s)
则称状态空间描述
Ax Bu x y C x Eu 为P MD{P (s), Q(s), R (s), W (s)}的 一 个 实 现 , 两 者 传 递 函 数 矩 阵 为等 相, 即 R (s)P 1 (s)Q(s) W (s) C(sI A) 1 B E
相关文档
最新文档