矩阵方程的计算求解(Matlab实现)
一、Lyapunov方程的计算求解
1、连续Lyapunov方程
连续Lyapunov方程可以表示为:
AX + XA* = -C % 其中A*是A的转置
1
Lyapunov方程源于微分方程稳定性理论,其中要求-C为对称正定的nxn矩阵,从而可以证明解X亦为nxn对称矩阵。Lyapunov类的方程求解是很困难的,可以利用Matlab控制系统工具箱中提供的lyap函数求解,调用格式为
X = lyap(A, C)
1
matlab代码:
A = [1 2 3;4 5 6;7 8 0]; C = -[10 5 4;5 6 7;4 7 9];
X = lyap(A, C)
norm(A*X + X*A\' + C) % 验证解的情况
% 结果:
>> Matrix_equation
X =
-3.9444 3.8889 0.3889
3.8889 -2.7778 0.2222
0.3889 0.2222 -0.1111
ans =
2.3211e-14
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
2、Lyapunov方程的解析解
3、离散 Lyapunov方程
离散Lyapunov方程可以表示为:
AXA* - X + Q = 0 % 其中A*是A的转置矩阵
1
该方程可以由MATLAB控制系统工具箱的dlyap函数直接求解。该函数的调用格式为:
X = dlyap(A, Q)
1
matlab代码为:
A = [1 2 3;4 5 6;7 8 0]; Q = -[10 5 4;5 6 7;4 7 9];
X = dlyap(A, Q)
norm(A*X*A\'- X + Q) % 精度验证
% 结果:
X =
-2.8439 3.2500 -3.0501
3.2500 -3.3780 2.8107
-3.0501 2.8107 -0.5462
ans =
7.6172e-14
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
二、Sylvester方程的计算求解
Sylvester方程的一般形式为:
AX + XB = -C
1
其中,A为nxn矩阵,B为mxm矩阵,C和X均为nxm矩阵。该方程又称为广义的Lyapunov方程。仍然可以用Matlab中控制系统工具箱中的lyap函数直接求解该方程。函数的一般调用格式为:
X = lyap(A,B,C)
1
该函数采用的是Schur分解的数值解法求解方程。
matlab代码:
A = [1 2 3;2 4 1;4 6 1];
B = [2 3 5;2 7 5;5 4 3];
C = -[3 4 2;3 2 4;2 0 9];
X = lyap(A, B, C)
norm(A*X + X*B + C )
% 结果:
X =
-9.5651 10.3207 -4.3218
1.4515 -1.7102 1.3843
9.9199 -9.7210 4.2467
ans =
3.9005e-14
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
三、Riccati方程的计算求解
Riccati方程是一类很著名的二次型矩阵方程式,其一般形式为:
A*X + XA - XBX + C = 0 % A*是A的转置矩阵
1
由于含有未知矩阵X的二次项, 所以Riccati方程的求解数学上要比Lyapunov方程更难。Matlab的控制系统工具箱提供了现成函数are,调用形式如下:
X = are(A, B, C)
1
matlab代码:
A = [1 2 3;2 4 1;4 6 1];
B = [-2 3 5;2 7 5;5 4 3];
C = [3 4 2;3 2 4;2 0 9];
X = are(A, B, C)
norm(A\'*X + X*A - X*B*X + C)
% 结果:
X =
-0.1180 1.4662 -0.6059
0.4316 1.4014 0.0150
0.9982 -0.4684 2.0600
ans =
3.2899e-14
————————————————
版权声明:本文为CSDN博主「Alicewhale」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/yuanchengzhizuishuai/java/article/details/99547923
请发表评论