线性矩阵不等式的LMI工具箱求解

LMI：Linear Matrix Inequality，就是线性矩阵不等式。

在Matlab当中，我们可以采用图形界面的lmiedit命令，来调用GUI接口，但是我认为采用程序的方式更方便（也因为我不懂这个lmiedit的GUI）。

对于LMI Lab，其中有三种求解器（solver）：feasp，mincx和gevp。

每个求解器针对不同的问题：feasp：解决可行性问题（feasibility problem），例如：A(x)<B(x)。

mincx：在线性矩阵不等式的限制下解决最小化问题（Minimization of a linear objective under LMI constraints），例如最小化c'x，在限制条件A(x) < B(x)下。

gevp：解决广义特征值最小化问题。

例如：最小化lambda，在0<B(x),A(x)<lamba*B(x)限制条件下。

要解决一个LMI问题，首要的就是要把线性矩阵不等式表示出来。

对于以下类型的任意的LMI问题N' * L(X1, . . . , XK) * N < M' * R(X1, . . . , XK) * M其中X1, . . . , XK是结构已经事先确定的矩阵变量。

左侧和右侧的外部因子（outer factors）N和M是给定的具有相同维数的矩阵。

左侧和右侧的内部因子（inner factors）L(.)和R(.)是具有相同结构的对称块矩阵。

每一个块由X1, . . . , XK以及它们的转置组合而成形成的。

解决LMI问题的步骤有两个：1、定义维数以及每一个矩阵的结构，也就是定义X1, . . . , XK。

2、描述每一个LMI的每一项内容（Describe the term content of each LMI）此处介绍两个术语：矩阵变量（Matrix Variables）：例如你要求解X满足A(x)<B(x)，那么X就叫做矩阵变量。

一、线性矩阵不等式的LMI 工具箱求解（一）可行性问题（LMIP ）1、可行性问题描述系统状态方程：[]11223301000210-4014x x x x u x x ⎡⎤⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥=-+⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥-⎣⎦⎣⎦⎣⎦⎣⎦在判断系统的稳定性时，根据线性定常系统的李雅普诺夫稳定性判据，需要判断是否存在实对称矩阵P ，使得：T A P+PA=Q -成立，其中Q 为正定矩阵。

那么判断系统稳定性的问题，可以转化为下面不等式是否存在解的问题：T A P+PA<0这种不等式解是否存在的问题可以用MATLAB 的LMI 工具箱进行判断。

2、仿真所需要用到的命令setlmis([]) ：开始一个线性矩阵不等式系统的描述；X= lmivar(TYPE,STRUCT)：定义一个新的矩阵变量；lmiterm(TERMID,A,B,FLAG)：确定线性矩阵不等式的一个项的内容； LMISYS = getlmis ：结束一个线性矩阵不等式系统的描述，返回这个现行矩阵不等式系统的内部表示向量LMISYS ；X = dec2mat(LMISYS,DECV ARS,XID)：由给定的决策变量得到相应的矩阵变量值。

[tmin,xfeas]=feasp(lmisys)：可行性问题的求解器函数，tmin 大于0时，表明LMI 系统不可行，P 阵无解，系统不稳定，tmin 小于0时，便可以用dec2mat 函数求解出P矩阵。

3、仿真结果可以看到，仿真结果tmin＜0，因此P阵存在，系统是稳定的。

进一步用dec2mat函数求解出P矩阵。

得：（二）特征值问题(EVP)1、EVP 问题描述该问题对应矩阵工具箱中的LMI 约束的线性目标函数最小化优化问题。

一般采用mincx 求解器求解。

考虑这样一个优化问题：min ().. 0T T Trace X s t A X XA XBB X Q +++<其中： 5342154067; 3; 562.78314228A B Q -⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪===-- ⎪ ⎪ ⎪ ⎪ ⎪ ⎪---⎝⎭⎝⎭⎝⎭2、仿真用到的命令DECV ARS = mat2dec(LMISYS,X1,X2,X3,...) ：由给定的矩阵变量得到相应的决策变量值；[copt,xopt]=mincx(LMIs,c,options)：用于给定的特征值问题求解，copt 返回全局最优的决策变量,xopt 返回决策变量的最优解。

MATLAB（Matrix Laboratory）是一款广泛应用于科学计算和工程领域的专业软件，其功能强大、灵活性高，并且具有丰富的工具箱支持。

LMI（Linear Matrix Inequality）工具箱是MATLAB中的一种工具箱，用于解决线性矩阵不等式相关的问题。

本文将介绍LMI工具箱的基本使用方法，并结合具体实例进行详细讲解。

一、LMI工具箱的安装1.确保已经安装了MATLAB软件，并且软件版本是R2015b及以上版本。

只有在这些版本中，LMI工具箱才会被自动安装。

2.在MATLAB的命令行中输入“ver”，可以查看当前安装的工具箱列表，确认LMI工具箱是否已经成功安装。

二、LMI工具箱的基本功能1. LMI工具箱主要用于解决线性矩阵不等式问题，例如矩阵的稳定性分析、最优控制问题等。

2. LMI工具箱提供了一系列的函数和工具，能够方便地构建和求解线性矩阵不等式问题，同时也包括了一些经典的稳定性分析方法和控制器设计方法。

三、LMI工具箱的基本使用方法1. 定义变量：在使用LMI工具箱时，首先需要定义相关的变量。

可以使用“sdpvar”函数来定义实数变量，使用“sdpvar”函数和“size”函数可以定义矩阵变量。

2. 构建约束：在定义变量之后，需要构建线性矩阵不等式的约束条件。

可以使用“sdpvar”变量的线性组合来构建约束条件，使用“>=”来表示大于等于关系。

3. 求解问题：构建好约束条件之后，即可使用“optimize”函数来求解线性矩阵不等式问题。

在求解问题时，可以指定优化的目标函数和一些额外的约束条件。

四、LMI工具箱的实例应用下面我们通过一个具体的实例来演示LMI工具箱的使用方法。

假设有一个线性时不变系统，其状态方程可以表示为：$\dot{x} = Ax + Bu$其中，A和B分别为系统的状态矩阵和输入矩阵。

我们希望设计一个状态反馈控制器K，使得系统在闭环下能够保持稳定。

一、线性矩阵不等式的LMI 工具箱求解 （一）可行性问题（LMIP ）1、可行性问题描述系统状态方程：[]1122331000210-414x x x x u x x ⎡⎤⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥=-+⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥-⎣⎦⎣⎦⎣⎦⎣⎦在判断系统的稳定性时，根据线性定常系统的李雅普诺夫稳定性判据，需要判断是否存在实对称矩阵P ，使得：TA P +P A =Q -成立，其中Q 为正定矩阵。

那么判断系统稳定性的问题，可以转化为下面不等式是否存在解的问题：TA P +P A <0这种不等式解是否存在的问题可以用MATLAB 的LMI 工具箱进行判断。

2、仿真所需要用到的命令setlmis([]) ：开始一个线性矩阵不等式系统的描述； X= lmivar(TYPE,STRUCT)：定义一个新的矩阵变量；lmiterm(TERMID,A,B,FLAG)：确定线性矩阵不等式的一个项的内容； LMISYS = getlmis ：结束一个线性矩阵不等式系统的描述，返回这个现行矩阵不等式系统的内部表示向量LMISYS ；X = dec2mat(LMISYS,DECV ARS,XID)：由给定的决策变量得到相应的矩阵变量值。

[tmin,xfeas]=feasp(lmisys)：可行性问题的求解器函数，tmin 大于0时，表明LMI 系统不可行，P 阵无解，系统不稳定，tmin 小于0时，便可以用dec2mat 函数求解出P矩阵。

3、仿真结果可以看到，仿真结果tmin＜0，因此P阵存在，系统是稳定的。

进一步用dec2mat函数求解出P矩阵。

得：（二）特征值问题(EVP)1、EVP 问题描述该问题对应矩阵工具箱中的LMI 约束的线性目标函数最小化优化问题。

一般采用mincx 求解器求解。

考虑这样一个优化问题：m in ().. 0TTT ra c e X s t A X X A X B B X Q +++<其中：5342154067; 3; 562.78314228A B Q -⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪===-- ⎪ ⎪⎪ ⎪ ⎪ ⎪---⎝⎭⎝⎭⎝⎭2、仿真用到的命令DECV ARS = mat2dec(LMISYS,X1,X2,X3,...) ：由给定的矩阵变量得到相应的决策变量值；[copt,xopt]=mincx(LMIs,c,options)：用于给定的特征值问题求解，copt 返回全局最优的决策变量,xopt 返回决策变量的最优解。

Matlab中的LMI工具箱的研究与使用Matlab中的LMI工具箱的研究与使用摘要：由于内点算法可以利用计算机求解高阶矩阵不等式，使得线性矩阵不等式（LMI）在控制理论得以应用，因而线性矩阵不等式在控制系统分析、设计中扮演着越来越重的角色。

在毕业设计中，我学习了LMI理论，Matlab中LMI工具箱的使用，研究了常见的控制问题与LMI关系以及其表达式，并研究了基于LMI方法的鲁棒控制器设计问题，推导了如何将鲁棒控制器设计问题转化为LMI形式，给出了通过求解LMI方程构造控制率的算法。

LMI是一种较新的方法，可以在控制系统的许多领域得以应用，如鲁棒控制、非线性控制预测控制等有着巨大的潜力。

关键词：线性矩阵不等式；LMI工具箱；控制系统The research and use of the Matlba LMI toolboxStudent majoring in Automation SUN Peng-kunTutorAbstract：Due to the interior point algorithm can use computer to solve high order matrix inequality,It makes the linear matrix inequality (LMI) in the control theory to application and linear matrix inequality (LMI) played more and more heavy role in the control system analysis and design. At the graduation design, I studied the LMI theory, in the use of Matlab LMI toolbox, and studies the problem of common control with LMI relations and its expression,and I studied the problem of the robust contoeller design that based on lmi method, how totransform the robust controller design problem into the LMI form, and given by solving the LMI equation of tectonic control algorithm. LMI is a new method, it can be used in many control system fields, such as robust control, nonlinear control predictive control, and it has great potential.Key words: linear matrix inequality; LMI toolbox; control system;robust control引言线性矩阵不等式（LMI）工具箱是求解一般线性矩阵不等式问题的一个高性能软件包。

LMI：Linear Matrix Inequality，就是线性矩阵不等式。

在Matlab当中，我们可以采用图形界面的lmiedit命令，来调用GUI接口，但是我认为采用程序的方式更方便（也因为我不懂这个lmiedit的GUI）。

对于LMI Lab，其中有三种求解器（solver）： feasp，mincx和gevp。

每个求解器针对不同的问题：feasp：解决可行性问题（feasibility problem），例如：A(x)<B(x)。

mincx：在线性矩阵不等式的限制下解决最小化问题（Minimization of a linear objective under LMI constraints），例如最小化c'x，在限制条件A(x) < B(x)下。

gevp：解决广义特征值最小化问题。

例如：最小化lambda，在0<B(x),A(x)<lamba*B(x)限制条件下。

要解决一个LMI问题，首要的就是要把线性矩阵不等式表示出来。

对于以下类型的任意的LMI问题N' * L(X1, . . . , XK) * N < M' * R(X1, . . . , XK) * M其中X1, . . . , XK是结构已经事先确定的矩阵变量。

左侧和右侧的外部因子（outer factors）N和M是给定的具有相同维数的矩阵。

左侧和右侧的内部因子（inner factors）L(.)和R(.)是具有相同结构的对称块矩阵。

每一个块由X1, . . . , XK以及它们的转置组合而成形成的。

解决LMI问题的步骤有两个：1、定义维数以及每一个矩阵的结构，也就是定义X1, . . . , XK。

2、描述每一个LMI的每一项内容（Describe the term content of each LMI）此处介绍两个术语：矩阵变量（Matrix Variables）：例如你要求解X满足A(x)<B(x)，那么X就叫做矩阵变量。

LMI 工具箱介绍线性矩阵不等式（LMI ）工具箱是求解一般线性矩阵不等式问题的一个高性能软件包。

由于其面向结构的线性矩阵不等式表示方式，使得各种线性矩阵不等式能够以自然块矩阵的形式加以描述。

一个线性矩阵不等式问题一旦确定，就可以通过调用适当的线性矩阵不等式求解器来对这个问题进行数值求解。

LMI 工具箱提供了确定、处理和数值求解线性矩阵不等式的一些工具，它们主要用于：z 以自然块矩阵形式来直接描述线性矩阵不等式； z 获取关于现有的线性矩阵不等式系统的信息； z 修改现有的线性矩阵不等式系统； z 求解三个一般的线性矩阵不等式问题； z 验证结果。

本附录将详细介绍LMI 工具箱提供的用于解决以上各个问题的相关函数和命令。

A.1 线性矩阵不等式及相关术语一个线性矩阵不等式就是具有以下一般形式的一个矩阵不等式：0<+++=N N x x L L L x L "110)( (1)其中：是给定的对称常数矩阵，是未知变量，称为决策变量，N L L L ,,,10"N x x ,,1"∈=T 1],,[N x x "x N R 是由决策变量构成的向量，称为决策向量。

尽管表达式（1）是线性矩阵不等式的一个一般表示式，但在大多数实际应用中，线性矩阵不等式常常不是以一般表示式（1）的形式出现，而是具有以下形式：),,(),,(11n n X X R X X L ""<其中的和是矩阵变量的仿射函数，通过适当的代数运算，上式可以写成线性矩阵不等式的一般表示式（1）的形式。

例如，在系统稳定性问题中经常遇到的Lyapunov 矩阵不等式)(⋅L )(⋅R n X X ,,1"0<+XA X A T (2)也是一个线性矩阵不等式，其中的是一个矩阵变量。

我们以一个二阶矩阵为例，将矩阵不等式（2）写成一般表示式（1）的形式。

针对二阶矩阵不X ⎥⎦⎤⎢⎣⎡−−=2021A等式（2），对应的矩阵变量是一个二阶的对称矩阵，，不等式（2）中的决策变量是矩阵中的独立元。

线性矩阵不等式的MATLAB求解作者：张剑宇来源：《都市家教·上半月》2015年第02期【摘要】本文介绍了有关线性矩阵不等式的一些基本概念。

对用于求解线性矩阵不等式的MATLAB中的线性矩阵不等式工具箱作了简要说明。

为了更加说明线性矩阵不等式的求解过程。

文中还给出了相关的程序命令，以及示例。

【关键词】线性矩阵不等式；MATLAB求解线性矩阵不等式（LMI）在控制系统分析和设计方面得到了广泛的重视和应用，由它的优良性质以及解法的突破。

在现行矩阵不等式出现之前，绝大多数的控制问题都是通过Riccati 方程或其不等式的方法来解决的。

但是解Riccati 方程或其不等式时，有大量的参数和正定对称矩阵需要预先调整。

有时，即使问题本身是有解的，也找不出问题的解。

这给实际应用问题的解决带来极大不便，而线性矩阵不等式方法可以很好地弥补Riccati 方程方法的上述不足。

在解线性矩阵不等式时，不需要预先调整任何参数和正定对称矩阵。

这使得它在在控制系统分析和设计方面得到了广泛的重视和应用。

线性矩阵不等式以及线性矩阵不等式方法（技术）已是控制工程、系统辨识、结构设计等领域的一个强有力的设计工具。

1 线性矩阵不等式的介绍一个线性矩阵不等式具有如下形式：F（x）=F0+x1F1+x2F2+…+xmFm式中，x1，…， xm是m个实数变量，称为是线性矩阵不等式（1）的决策变量， x=（x1，…， xm）T∈Rm是由决策变量构成的向量，称为决策向量。

Fi=FiT∈Rm×m，i=0，1，…， m，是一组给定的实对称矩阵，式（1）中的“2 线性矩阵不等式常用的求解器LMI 工具箱提供了求解以下3 个问题的线性矩阵不等式求解器。

2.1可行性问题寻找一个x∈Rn，使得满足线性矩阵不等式系统：A（x）相应的求解器是feasp。

feasp 函数是在线性矩阵不等式A（x）2.2具有线性矩阵不等式约束的一个线性目标函数的最小化问题s.t. A（x）相应的求解器是mincx。

LMI：Linear Matrix Inequality，就是线性矩阵不等式。

在Matlab当中，我们可以采用图形界面的lmiedit命令，来调用GUI接口，但是我认为采用程序的方式更方便（也因为我不懂这个lmiedit的GUI）。

对于LMI Lab，其中有三种求解器（solver）：feasp，mincx和gevp。

每个求解器针对不同的问题：feasp：解决可行性问题（feasibility problem），例如：A(x)<B(x)。

mincx：在线性矩阵不等式的限制下解决最小化问题（Minimization of a linear objective under LMI constraints），例如最小化c'x，在限制条件A(x) < B(x)下。

gevp：解决广义特征值最小化问题。

例如：最小化lambda，在0<B(x),A(x)<lamba*B(x)限制条件下。

要解决一个LMI问题，首要的就是要把线性矩阵不等式表示出来。

对于以下类型的任意的LMI问题N' * L(X1, . . . , XK) * N < M' * R(X1, . . . , XK) * M其中X1, . . . , XK是结构已经事先确定的矩阵变量。

左侧和右侧的外部因子（outer factors）N和M是给定的具有相同维数的矩阵。

左侧和右侧的内部因子（inner factors）L(.)和R(.)是具有相同结构的对称块矩阵。

每一个块由X1, . . . , XK以及它们的转置组合而成形成的。

解决LMI问题的步骤有两个：1、定义维数以及每一个矩阵的结构，也就是定义X1, . . . , XK。

2、描述每一个LMI的每一项内容（Describe the term content of each LMI）此处介绍两个术语：矩阵变量（Matrix Variables）：例如你要求解X满足A(x)<B(x)，那么X就叫做矩阵变量。

一、线性矩阵不等式的LMI 工具箱求解 （一）可行性问题（LMIP ）1、可行性问题描述系统状态方程：[]11223301000210-414x x x x u x x ⎡⎤⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥=-+⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥-⎣⎦⎣⎦⎣⎦⎣⎦&&& 在判断系统的稳定性时，根据线性定常系统的李雅普诺夫稳定性判据，需要判断是否存在实对称矩阵P ，使得：T A P+PA=Q -成立，其中Q 为正定矩阵。

那么判断系统稳定性的问题，可以转化为下面不等式是否存在解的问题：T A P+PA<0这种不等式解是否存在的问题可以用MATLAB 的LMI 工具箱进行判断。

2、仿真所需要用到的命令setlmis([]) ：开始一个线性矩阵不等式系统的描述； X= lmivar(TYPE,STRUCT)：定义一个新的矩阵变量；lmiterm(TERMID,A,B,FLAG)：确定线性矩阵不等式的一个项的内容； LMISYS = getlmis ：结束一个线性矩阵不等式系统的描述，返回这个现行矩阵不等式系统的内部表示向量LMISYS ；X = dec2mat(LMISYS,DECVARS,XID)：由给定的决策变量得到相应的矩阵变量值。

[tmin,xfeas]=feasp(lmisys)：可行性问题的求解器函数，tmin大于0时，表明LMI系统不可行，P阵无解，系统不稳定，tmin小于0时，便可以用dec2mat 函数求解出P矩阵。

3、仿真结果可以看到，仿真结果tmin＜0，因此P阵存在，系统是稳定的。

进一步用dec2mat 函数求解出P 矩阵。

得：（二）特征值问题(EVP)1、EVP 问题描述该问题对应矩阵工具箱中的LMI 约束的线性目标函数最小化优化问题。

一般采用mincx 求解器求解。

考虑这样一个优化问题：min ().. 0TTTrace X s t A X XA XBB X Q +++<其中：5342154067; 3; 562.78314228A B Q -⎛⎫⎛⎫⎛⎫ ⎪ ⎪ ⎪===-- ⎪ ⎪ ⎪ ⎪ ⎪ ⎪---⎝⎭⎝⎭⎝⎭2、仿真用到的命令DECVARS = mat2dec(LMISYS,X1,X2,X3,...) ：由给定的矩阵变量得到相应的决策变量值；[copt,xopt]=mincx(LMIs,c,options)：用于给定的特征值问题求解，copt 返回全局最优的决策变量,xopt 返回决策变量的最优解。