3. 模型降阶的数学基础
模型降阶不是“把方程删几项”的经验操作，而是一套有严格数学定义的近似理论。要判断一个降阶模型是否可信，必须先回答四个问题：原系统用什么数学对象描述？降阶在哪个空间里发生？近似误差如何定义？误差能否被量化并给出界？本节围绕状态空间表示、传递函数、投影框架与误差度量四条主线展开，它们共同构成后续所有降阶算法（Krylov 子空间、平衡截断、矩匹配等）的共同语言。
一、状态空间表示：把物理系统写成标准形式
对于由有限元或有限差分离散得到的电磁场系统，其线性时不变（LTI）形式通常写作：
E ẋ(t) = A x(t) + B u(t)
y(t) = C x(t) + D u(t)其中 x∈ℝⁿ 是状态向量（例如节点电位、棱边磁矢位自由度），u∈ℝᵐ 是输入（端口电压/电流激励），y∈ℝᵖ 是输出（端口电流、场探针读数）。A∈ℝⁿˣⁿ 是系统矩阵，B、C 为输入输出耦合矩阵，D 为直通项。E 为质量或系数矩阵，当 E 非奇异时可化为 ẋ = E⁻¹A x + E⁻¹B u 的标准形式；在电磁场中 E 常为奇异（含代数约束），此时系统是描述子系统，需保留 E 的广义形式。
状态空间表示的核心价值在于：它把“场”的问题统一为“输入—状态—输出”的算子问题。降阶的目标就是寻找一个阶数 r≪n 的近似系统 (Aᵣ, Bᵣ, Cᵣ, Eᵣ)，使得在关心的频段和端口上，yᵣ(t) 与 y(t) 足够接近。这里必须强调：降阶不是对 A 做特征值截断那么简单，因为 B、C 决定了哪些状态“看得见、控得住”，脱离输入输出谈降阶没有意义。
二、传递函数：频域视角下的输入输出映射
对状态空间做拉普拉斯变换（零初值），得到传递函数：
H(s) = C (sE − A)⁻¹ B + DH(s) 是一个 p×m 的有理矩阵函数，其每个元素都是 s 的有理分式。对单输入单输出系统，H(s) = N(s)/D(s)，极点由 det(sE−A)=0 决定，零点由 N(s)=0 决定。传递函数把“系统”压缩成一个频域算子，降阶问题随之转化为：找一个低阶有理函数 Hᵣ(s)，使其在关注频段内逼近 H(s)。
工程上最常用的逼近判据是矩匹配：将 H(s) 在展开点 s₀ 处做泰勒展开，H(s)=Σ mₖ(s−s₀)ᵏ，其中 mₖ 称为第 k 阶矩。Krylov 子空间类降阶方法正是通过匹配前若干阶矩来构造 Hᵣ(s)。例如在 s₀=0 处匹配前 2r 阶矩，等价于让降阶系统与原系统在低频段具有相同的直流增益和低阶动态。展开点可以选在实轴（低频）或虚轴附近（谐振频段），这直接决定了降阶模型在哪个频段最准。
三、投影框架：降阶的统一几何解释
绝大多数降阶方法都可以写成同一个投影形式。设 V∈ℝⁿˣʳ 为右投影基（列满秩），W∈ℝⁿˣʳ 为左投影基，令 x ≈ V xᵣ，并施加 Petrov–Galerkin 条件 Wᵀ(E ẋ − Ax − Bu)=0，得到：
Eᵣ = Wᵀ E V, Aᵣ = Wᵀ A V
Bᵣ = Wᵀ B, Cᵣ = C V, Dᵣ = D这就是投影框架的全部内容：降阶系统是原系统在子空间 span(V) 上的限制，并通过 W 做残差正交化。当 W=V 时称为 Galerkin 投影（正交投影），当 W≠V 时称为 Petrov–Galerkin 投影。不同降阶算法的区别，本质上只是 V 和 W 的构造方式不同：
- Krylov 子空间法：V 由 (A⁻¹E)ᵏA⁻¹B 张成，W 由对偶系统的相应向量张成，实现矩匹配。
- 平衡截断：先求 Lyapunov 方程得到可控/可观 Gramian，再取 Hankel 奇异值大的方向构成 V=W，保证误差有界。
- 本征正交分解（POD）：V 由快照矩阵的奇异向量构成，W=V，适合参数化或时域数据驱动场景。
投影框架的实用意义在于：只要构造出 V、W，降阶系统的矩阵就可以通过三次矩阵乘法得到，无需重新离散原物理问题。但要注意，V、W 的列数 r 决定了降阶阶数，r 过小会丢失关键动态，r 过大则失去降阶意义，需要在误差与规模之间权衡。
四、误差度量：如何判断降阶模型“够不够好”
降阶必然引入误差，关键是把误差定义清楚并给出可计算的界。常用度量有三类：
| 度量类型 | 定义 | 适用场景 |
|---|---|---|
| H∞ 误差 | ‖H − Hᵣ‖∞ = sup_ω σ̄(H(jω) − Hᵣ(jω)) | 全频段最坏情况，鲁棒性要求高 |
| H₂ 误差 | ‖H − Hᵣ‖₂ = (1/2π ∫ ‖·‖²_F dω)^½ | 能量平均意义，适合宽带激励 |
| 时域相对误差 | max_t ‖y(t) − yᵣ(t)‖ / max_t ‖y(t)‖ | 瞬态响应、脉冲激励验证 |
对于平衡截断，存在著名的 H∞ 误差上界：‖H − Hᵣ‖∞ ≤ 2 Σ_{i=r+1}^{n} σᵢ，其中 σᵢ 为 Hankel 奇异值。这个不等式给出了一个可操作的判据：如果被截断的 Hankel 奇异值之和已经小于目标精度（例如 1% 的直流增益），就可以认为降阶阶数 r 足够。对于 Krylov 方法，矩匹配本身不直接给出全局误差界，通常需要在关注频段内扫频计算 ‖H(jω) − Hᵣ(jω)‖ 来验证。
五、四者关系与本节小结
状态空间是“原系统”的数学载体，传递函数是“输入输出行为”的频域投影，投影框架是“如何构造降阶系统”的统一工具，误差度量是“判断降阶是否成功”的标尺。四者构成一条完整的逻辑链：从物理离散得到 (E,A,B,C)，从传递函数确定关注频段和矩匹配目标，用投影框架构造 (Eᵣ,Aᵣ,Bᵣ,Cᵣ)，最后用误差度量验证是否达标。后续章节中的具体算法，都是这条链上不同环节的具体实现。
把上述四个概念串起来看，降阶的数学基础其实回答了一个非常具体的问题：给定一个 n 阶系统和一个精度要求，如何构造一个 r 阶系统，使得在指定频段和端口上误差可控。状态空间给出了“原系统是什么”，传递函数给出了“关心什么频段”，投影框架给出了“怎么构造”，误差度量给出了“怎么判断”。掌握这四件工具，后续无论是 Krylov 矩匹配、平衡截断还是 POD，都能在统一的框架下理解和实现。