用Matlab LMI工具箱高效求解复杂矩阵不等式：从理论到实战
在控制理论和优化领域，矩阵不等式求解是许多核心问题的数学基础。传统手动推导方法不仅耗时费力，还容易在复杂的矩阵变换过程中引入错误。Matlab的LMI（Linear Matrix Inequality）工具箱提供了一种革命性的解决方案，让我们能够直接描述问题而非推导问题。
1. LMI工具箱的核心优势与应用场景
LMI工具箱之所以成为控制工程和优化研究的利器，关键在于它解决了三大痛点：
- 避免繁琐推导：传统方法需要手动将Riccati不等式等复杂形式转化为标准LMI，这一过程容易出错且消耗大量时间
- 直观问题描述：通过
lmivar和lmiterm函数，可以直接用数学语言描述问题，无需关注底层转换细节 - 高效求解验证：内置求解器能快速验证可行性并给出解决方案，大大缩短研发周期
以一个典型的倒立摆控制系统为例，其状态空间方程为：
A = [0 1 0 0; 0 0 -1 0; 0 0 0 1; 0 0 9.8 0]; B = [0; 1; 0; -1];我们需要求解的Riccati不等式通常形式为：
AᵀP + PA - PBBᵀP + Q < 0手动推导这个不等式到标准LMI形式可能需要数小时，而使用LMI工具箱只需几分钟。
2. LMI工具箱核心函数详解
2.1 变量定义与初始化
LMI求解过程始于变量定义。lmivar函数用于声明矩阵变量，支持三种类型：
| 类型 | 语法 | 适用场景 |
|---|---|---|
| 对称矩阵 | lmivar(1,[n 1]) | n×n对称矩阵 |
| 矩形矩阵 | lmivar(2,[m n]) | m×n一般矩阵 |
| 结构矩阵 | lmivar(3,s) | 特殊结构矩阵 |
初始化LMI系统使用setlmis([])，这会创建一个空的LMI框架：
setlmis([]); P = lmivar(1,[4 1]); % 定义4×4对称矩阵P2.2 构建不等式项
lmiterm是构建LMI的核心函数，其参数结构为：
lmiterm([termID row col var],A,B,flag)关键参数说明：
termID：不等式编号（正数表示左侧，负数表示右侧）row,col：在分块矩阵中的位置var：变量句柄A,B：系数矩阵flag：'s'表示对称项
对于倒立摆例子，构建Riccati不等式的代码为：
Q = eye(4); % 定义权重矩阵 lmiterm([1 1 1 P],1,A,'s'); % PA + AᵀP lmiterm([1 1 1 P],-1,B*B',1); % -PBBᵀP lmiterm([1 1 1 0],Q); % Q3. 实用技巧与调试方法
3.1 常见错误排查
初学者常遇到的几个典型问题：
- 变量类型不匹配：对称矩阵误定义为一般矩阵
- 不等式方向错误：termID符号使用不当
- 维度不一致：矩阵乘法维度不兼容
- 遗漏对称项：忘记使用's'标志
调试时可使用getlmis检查当前LMI系统：
lmisys = getlmis; [~,nterms] = lmiinfo(lmisys); disp(['当前系统包含' num2str(nterms) '个LMI项']);3.2 分块矩阵构建技巧
对于复杂问题，分块矩阵是常用方法。考虑以下扩展系统：
⎡AᵀP+PA+Q PB Cᵀ⎤ ⎢ BᵀP -γI 0 ⎥ < 0 ⎣ C 0 -γI⎦对应的构建代码：
gamma = 0.1; % 性能指标 C = [1 0 0 0]; % 输出矩阵 lmiterm([1 1 1 P],1,A,'s'); lmiterm([1 1 1 0],Q); lmiterm([1 1 2 P],1,B); lmiterm([1 2 1 P],B',1); lmiterm([1 1 3 0],C'); lmiterm([1 3 1 0],C); lmiterm([1 2 2 0],-gamma*eye(1)); lmiterm([1 3 3 0],-gamma*eye(1));4. 高级应用：无人机姿态控制案例
考虑六自由度无人机模型，其状态矩阵A为6×6，控制矩阵B为6×3。我们需要设计一个鲁棒控制器，要求同时满足：
- 稳定性条件：AᵀP + PA + Q - PBBᵀP < 0
- 输入约束：BᵀPB < ρI
- 输出约束：CPCᵀ < γI
A = [...]; % 6×6系统矩阵 B = [...]; % 6×3控制矩阵 C = [...]; % 输出矩阵 rho = 0.5; gamma = 0.1; setlmis([]); P = lmivar(1,[6 1]); % 稳定性条件 lmiterm([1 1 1 P],1,A,'s'); lmiterm([1 1 1 0],eye(6)); lmiterm([1 1 2 P],1,-B); lmiterm([1 2 1 P],-B',1); lmiterm([1 2 2 0],eye(3)); % 输入约束 lmiterm([-2 1 1 P],B',B); lmiterm([2 1 1 0],rho*eye(3)); % 输出约束 lmiterm([-3 1 1 P],C',C); lmiterm([3 1 1 0],gamma*eye(size(C,1))); lmisys = getlmis; [tmin,xfeas] = feasp(lmisys); if tmin < 0 P = dec2mat(lmisys,xfeas,P); K = inv(B'*P*B)*B'*P*A; % 控制器设计 end这个案例展示了LMI工具箱处理多约束条件的强大能力。通过合理构建LMI系统，我们可以一次性解决传统方法需要分步处理的复杂问题。
