【现代控制】状态转移矩阵的四种求法

---

一、定义法

算法： 给定$n\times n$矩阵$A\text{A}A$,由泰勒展开式可得$$e^{At}=I\text{I}I+A\text{A}At+\frac{1}{2!}{A\text{A}A}^2{t}^2+...+\frac{1}{n!}{A\text{A}A}^n{t}^n+...$$

二、特征值法

算法1： 给定$n\times n$矩阵$A\text{A}A$，且其$n$个特征值${\lambda }_1,{\lambda }_2,...{\lambda }_n$两两互异，表由矩阵$A$的属于各个特征值的右特征向量组成的变换矩阵$P\text{P}P$为$$P\text{P}P=[p_1,p_2,...,p_n],$$则计算$e^{At}$的算式为$$e^{At}=P\text{P}P\left[\begin{array}{cccc}{e}^{{\lambda }_{1}t}& & & \\ & e^{{\lambda }_{2}t}& & \\ & & \ddots & \\ & & & e^{{\lambda }_{n}t}\end{array}\right]{P\text{P}P}^{-1}$$

算法2： 给定$n\times n$矩阵$A\text{A}A$,其特征值属于包含重值情况。为使符号不致过于复杂，设$n=5$,特征值${\lambda }_1$（代数重数${\sigma }_1=3$,几何重数${\alpha }_1=1$),${\lambda }_2({\sigma }_2=2,{\alpha }_2=1)$。再表由矩阵$A\text{A}A$的属于${\lambda }_1$和${\lambda }_2$的广义特征向量组组所构成的变换矩阵$P\text{P}P$,且基于约当规范形可把$A\text{A}A$化为如下形式：$$A\text{A}A=P\text{P}P\left[\begin{array}{ccccc}{\lambda }_1& 1& 0& 0& 0\\ 0& {\lambda }_1& 1& 0& 0\\ 0& 0& {\lambda }_1& 0& 0\\ 0& 0& 0& {\lambda }_2& 1\\ 0& 0& 0& 0& {\lambda }_2\end{array}\right]{P\text{P}P}^{-1}$$

三、有限项展开法

算法： ** 给定$n\times n$矩阵$A\text{A}A$,则计算$e^{At}$的算式为$$e^{At}={\alpha }_0(t)I+{\alpha }_1(t)A\text{A}A+...+{\alpha }_{n-1}(t){A\text{A}A}^{n-1}$$其中，对$A\text{A}A$的特征值${\lambda }_1,{\lambda }_2,...{\lambda }_n$两两互异的情况下，系数 { α 0 , α 1 , . . . , α n − 1 } \{\alpha_0,\alpha_1,...,\alpha_{n-1}\} {α0​,α1​,...,αn−1​}的计算关系式为$$\left[\begin{array}{c}{\alpha }_0\\ {\alpha }_1\\ ⋮\\ {\alpha }_{n-1}\end{array}\right]=\left[\begin{array}{ccccc}1& {\lambda }_1& {\lambda }_1^2& ...& {\lambda }_1^{n-1}\\ 1& {\lambda }_2& {\lambda }_2^2& ...& {\lambda }_2^{n-1}\\ ⋮& ⋮& ⋮& & ⋮\\ 1& {\lambda }_n& {\lambda }_n^2& ...& {\lambda }_n^{n-1}\end{array}\right]\left[\begin{array}{c}{e}^{{\lambda }_{1}t}\\ e^{{\lambda }_{2}t}\\ ⋮\\ e^{{\lambda }_{n}t}\end{array}\right]$$对$A\text{A}A$的特征值包含重值如特征值${\lambda }_1$（代数重数${\sigma }_1=3$,几何重数${\alpha }_1=1$),${\lambda }_2({\sigma }_2=2,{\alpha }_2=1),{\lambda }_3,...,{\lambda }_{n-3}$情形，系数 { α 0 , α 1 , . . . , α n − 1 } \{\alpha_0,\alpha_1,...,\alpha_{n-1}\} {α0​,α1​,...,αn−1​}的计算关系式为$$\left[\begin{array}{c}{\alpha }_0\\ {\alpha }_1\\ {\alpha }_2\\ {\alpha }_3\\ {\alpha }_4\\ {\alpha }_5\\ ⋮\\ {\alpha }_{n-1}\end{array}\right]=\left[\begin{array}{cccccc}0& 0& 1& 3{\lambda }_1& ...& \frac{(n-1)(n-2)}{1!}{\lambda }_1^{n-3}\\ 0& 1& 2{\lambda }_1& 3{\lambda }_1^2& ...& \frac{(n-1)}{1!}{\lambda }_1^{n-2}\\ 1& {\lambda }_1& {\lambda }_1^2& {\lambda }_1^3& ...& {\lambda }_1^{n-1}\\ 0& 1& 2{\lambda }_2& 3{\lambda }_2^2& ...& \frac{(n-1)}{1!}{\lambda }_2^{n-2}\\ 1& {\lambda }_2& {\lambda }_2^2& {\lambda }_2^3& ...& {\lambda }_2^{n-1}\\ 1& {\lambda }_3& {\lambda }_3^2& {\lambda }_3^3& ...& {\lambda }_3^{n-1}\\ ⋮& ⋮& ⋮& ⋮& & ⋮\\ 1& {\lambda }_{n-3}& {\lambda }_{n-3}^2& {\lambda }_{n-3}^3& ...& {\lambda }_{n-3}^{n-1}\end{array}\right]\left[\begin{array}{c}\frac{1}{2!}{t}^2{e}^{{\lambda }_{1}t}\\ \frac{1}{1!}t{e}^{{\lambda }_{1}t}\\ e^{{\lambda }_{1}t}\\ \frac{1}{1!}t{e}^{{\lambda }_{2}t}\\ e^{{\lambda }_{2}t}\\ e^{{\lambda }_{3}t}\\ ⋮\\ e^{{\lambda }_{n-3}t}\end{array}\right]$$

四、拉普拉斯反变换法

算法： 给定$n\times n$矩阵$A\text{A}A$,得到矩阵$(sI-A\text{A}A{)}^{-1}$，则计算$e^{At}$的算式为$$e^{At}={\mathcal{L}}^{-1}(sI-A\text{A}A{)}^{-1}$$

矩阵$(sI-A\text{A}A{)}^{-1}$通常的算法为先求出$|sI-A\text{A}A|$，再求$(sI-A\text{A}A{)}^{\ast }$,通过公式$$(sI-A\text{A}A{)}^{-1}=\frac{(sI-A\text{A}A{)}^{\ast }}{|sI-A\text{A}A|}$$计算出来。

参考文献

郑大钟.线性系统理论[M].北京:清华大学出版社,2002:91.