다음과 같은 선형 시불변(LTI) 시스템이 있다.
여기서 는 상태변수, 는 제어입력이다. 이 시스템의 제어가능한 부분공간(controllable subspace) 는 제어가능성 행렬(controllability matrix)의 레인지(range, 치역)로 정의한다.
여기서 제어가능성 행렬 는 다음과 같이 정의한 바 있다 (https://pasus.tistory.com/336).
만약 상태벡터가 제어가능한 부분공간 어느 지점에서 시작하면 제어입력에 관계없이 상태벡터는 항상 제어가능한 부분공간에 머물러 있다. 즉, 제어입력은 제어가능한 부분공간 밖으로, 또는 제어불가능한 부분공간으로 상태를 이동시킬 수 없다.
증명은 다음과 같다.
방정식 (1)의 해는 다음과 같다.
여기서 케일리-해밀톤 정리(https://pasus.tistory.com/335)에 의하면
로 놓을 수 있으므로, 시스템의 해 (4)는 다음과 같이 된다.
여기서 이다. 위 식에 의하면 가 안에 있으면 도 안에 머물러 있다. 만약 이라면 차원 상태공간 전체가 제어가능한 공간이 되지만 이라면 차원 제어가능한 부분공간과 차원의 제어불가능한 부분공간으로 분할할 수 있다.
증명은 다음과 같다.
변환행렬 를 이용하여 상태변수 를 상태변수 로 변환한다.
그러면 식 (1)은 다음과 같이 변환할 수 있다.
여기서 이다. 와 는 상사관계이므로 고유값은 서로 같다. 또한 시스템 (1)과 변환된 시스템 (8)의 제어가능성 특성은 동일하다. 확인해 보기 위해서 시스템 (8)의 제어가능성 행렬을 보면,
이므로 이어서 제어가능성 특성이 동일하다.
식 (7)에서 변환행렬 는 제어가능한 부분공간 에서 개의 기저 벡터를 선택하고 나머지 개의 기저 벡터는 변환행렬 가 직각행렬(orthogonal matrix, )이 되도록 선택하여 구성한다.
이러한 특징을 가진 변환행렬은 를 QR분해하거나 특이값 분해(singular value decomposition)해서 얻을 수 있는데 여기서는 특이값 분해(https://pasus.tistory.com/15)를 이용한다.
여기서 , , , , , , 이다.
특이값 분해는 , 인 특징이 있으므로 로 선택한다. 그러면 식 (8)을 다음과 같이 분해할 수 있다.
여기서 이다.
식 (10)에 의하면 이므로 다음 식이 성립한다.
여기서 이다. 또한 식 (10)에 의하면 이다. 따라서
이다. 식 (12)를 이용하여 식 (13)의 각 항을 전개하면 다음과 같다.
식 (14)에 의하면 이므로 이다. 따라서 식 (11)은 다음과 같은 형식이 된다.
여기서 , 이다. 식 (15)에 의하면,
이므로 상태변수 는 제어입력의 영향을 전혀 받지 않기 때문에 제어불가능한 부분공간의 상태변수가 된다. 한편 식 (15)의 특성다항식은 다음과 같다.
따라서 시스템 (1)의 고유값 또는 의 고유값은 의 고유값과 의 고유값의 합집합이라는 것을 알 수 있다. 여기서 의 고유값을 제어불가능한 고유값(uncontrollable eigenvalue)이라고 하고 그에 관련된 운동모드를 제어불가능한 모드라고 한다.
한편 제어불가능한 고유값이 모두 안정하다면 시스템 (1)을 또는 를 안정화가능(stabilizable)한 시스템이라고 말한다. 달리 말하면 불안정한 고유값이 모두 제어가능하다면 안정화가능하다고 한다.
따라서 시스템이 제어가능하다면 안정화가능하다. 하지만 시스템이 안정화가능하다고 하여 제어가능한 것은 아니다.
한편 식 (15)에서 다음 일부 시스템을 제어가능 서브시스템(controllable subsystem)이라고 한다.
왜냐하면 는 제어가능하기 떄문이다. 증명은 다음과 같다.
시스템 (15)의 제어가능성 행렬 의 랭크는 이므로 다음과 같이 전개할 수 있다.
따라서 서브 시스템 (18)은 제어가능하다.