6245：多变量控制系统[ ]0,1.pdfVIP

麻省理工学院 电气工程与计算机科学系 6.245：多变量控制系统 * A. Megretski 凸最优化1 许多由线性时不变系统设计和分析产生的最优化目标并不适合 H2/ H- ∞最优化或者 Hankel 最优化模型降阶的框架，但是相对简单。在大多数情况下，这些目标的特征被归于 潜在约束的凸特征。本演讲将致力于认识和验证凸约束。 15.1 有限维凸分析的基本概念 本小节给出有限个决策参数的凸最优化基本概念。 15.1.1 凸集合 如果 cv +(1−c)v ∈Ω，无论何时v ,v ∈Ω，c ∈[0,1] ， 1 2 1 2 V Rn 的子集Ω称作凸的。换句话说，连接Ω任意两点的线段仍在Ω内时，集合就是凸的。 在许多应用中，Ω的元素不是向量而是其他数学对象，例如矩阵，多项式，等等。尽 管如此，无论是否Ω是集合V 的子集，相应的Rn 和V 之间对于一些n 都建立了一对一关系。 我们把V 作为一个（实数有限维）向量空间，而且对于一些n ，V 和Rn 一致。例如，因为 Sn 和Rn (n+1) / 2 之间的一对一对应关系，所有对称n ×n 矩阵的集合Sn 是一个向量空间。 直接使用这个定义，在某些情况下，检查给定集合是否是凸集很困难，下面是一个非常 有用的简单方法。 引理15.1 令K 是V Rn 上仿射函数的集合，也就是说，元素f ∈K 是函数f :V →R 使得 f (cv +(1−c)v ) cv +(1−c)v ，∀c ∈R,v ,v ∈V 1 2 1 2 1 2 Ω 则V 的子集 由 { ( ) } Ω v ∈V : f v ≥0 ∀f ∈K 定义，而且是凸的。 换句话说，任何由线性不等式定义的集合都是凸的。 [ ] ( ) ( ) 证明 令v ,v ∈Ω和c ∈0,1 。既然对于所有的f ∈K 有f v ≥0 ，f v ≥0 ，而且 1 2 1 2 c ≥0 和1−c ≥0 ，我们可以得出结论，对于所有的f ∈K 有 f (cv 1 +(1 −c )v 2 ) cf (v 1 ) =+(1 −c )f (v 2 ) ≥0 。 因此，cv1 +(1−c)v2 ∈K 。 下面是一个如何使用引理15.1 的例子。让我们证明，由所有正半定矩阵组成的对称n ×n 矩阵集合V Sn 的子集Ω Sn 是凸的。 + 注意使用正半定的“非负特征值”定义来证明是困难的。幸运的是，有另外一个定义： * C ○A Megretski,2004 1 2004 年4 月12 日版本 n ′ n n 当且仅当对于所有的x ∈C 有x Mx ≥0 ，则矩阵M ∈S+ 是正半定的。注意任意x ∈C 都按 照