控制中的 LMI / 頁面 / 用於矩陣範數最小化的 LMI

系統

{\begin{aligned}A(x)=A_{0}+A_{1}x_{1}+...+A_{n}x_{n}\end{aligned}}

注意 ${\begin{aligned}A_{i},\quad i=1,2,...,n\end{aligned}}$ 是對稱矩陣。

{\begin{aligned}A_{0},A_{1},...,A_{n}\quad {\text{are given matrices.}}\end{aligned}}

找到

${\begin{aligned}x=[x_{1}\quad x_{2}...x_{n}]\end{aligned}}$

最小化,

${\begin{aligned}J(x)=||A(x)||_{2}\end{aligned}}$

根據 [1] 第 11 頁引理 1.2，以下陳述是等價的

${\begin{aligned}A^{T}A-t^{2}I\leq 0\iff {\begin{bmatrix}-tI&A\\A^{T}&-tI\end{bmatrix}}\leq 0\\\end{aligned}}$

LMI 公式的數學描述

{\begin{aligned}{\text{min}}\;\quad t:&\\{\text{s.t.}}\quad {\begin{bmatrix}-tI&A(x)\\A(x)^{T}&-tI\end{bmatrix}}\leq 0\\\end{aligned}}

這個問題是對矩陣特徵值最小化問題的輕微推廣。

${\begin{aligned}x_{i},\quad i=1,2,...,n\quad {\text{and}}\quad t>0\end{aligned}}$ 是需要最佳化的引數。

該問題在 Github 倉庫中的 Matlab 程式碼連結

記錄和驗證 LMI 的參考文獻列表。