你把考虑C矩阵后的完整代码重写下，解释详细点

在处理状态空间系统的仿真时，如果要考虑输出矩阵`C`，通常我们需要将其与状态转移矩阵`A`、控制矩阵`B`一起作用，生成可观测的输出信号。下面是一个更详细的代码示例：

% 假设我们已经有了系统的动态模型矩阵A, B 和观测矩阵C
A = ...; % 状态转移矩阵
B = ...; % 控制输入矩阵
C = ...; % 输出矩阵
x0 = ...; % 初始状态向量
U = ...; % 输入信号向量（如果是时间序列）

% 对于离散系统，需要考虑到采样间隔和z变换，这里假设采样周期T_s
Ts = ...;
if isvector(x0)
    x0 = [x0 zeros(n, p)]; % 如果x0是一维，扩充为二维以便与C相乘
end

% 创建状态向量的时间序列，如果系统是离散的，使用z变换
if discrete
    X = ztrans(x0, Ts); % 使用z变换生成离散状态序列
else
    X = [x0 zeros(n, n-1)']; % 连续系统的状态序列，只考虑当前和上一步的状态
end

% 仿真过程中逐次更新状态并计算输出
for t = 1:length(U)
    if discrete
        X(:, t+1) = A * X(:, t) + B * U(t);
    else
        X = A * X + B * U(t);
    end
    
    % 计算输出
    y_simulated(t) = C * X(:, t); % 使用当前时间的状态
end

% 可视化输出
plot(y_simulated);

% 相关问题：
1. 如果系统是非线性的，这种线性模型还能适用吗？
2. 怎么处理初始条件未知的情况？
3. 如何处理连续系统中的状态延迟？

在这个例子中，对于每个时间步骤`t`，我们首先更新状态`X`，然后通过`C`矩阵计算出对应的输出`y_simulated`。如果系统是离散的，我们会使用`ztrans`函数来处理时间延迟。