En optimización convexa , una desigualdad matricial lineal ( LMI ) es una expresión de la forma
dónde
- es un vector real,
- sonmatrices simétricas,
- es una desigualdad generalizada que significaes una matriz semidefinida positiva que pertenece al cono semidefinido positivoen el subespacio de matrices simétricas.
Esta desigualdad matricial lineal especifica una restricción convexa sobre .
Aplicaciones
Existen métodos numéricos eficientes para determinar la factibilidad de una LMI ( por ejemplo , si existe un vector y tal que LMI( y ) ≥ 0), o para resolver un problema de optimización convexa con restricciones LMI. Muchos problemas de optimización en teoría de control , identificación de sistemas y procesamiento de señales pueden formularse utilizando LMI. Además, las LMI encuentran aplicación en la suma de cuadrados de polinomios . El programa semidefinido primal y dual prototípico consiste en la minimización de una función lineal real sujeta, respectivamente, a los conos convexos primal y dual que rigen esta LMI.
Resolución de desigualdades matriciales lineales
Un avance fundamental en la optimización convexa fue la introducción de los métodos de punto interior . Estos métodos se desarrollaron en una serie de artículos y cobraron verdadero interés en el contexto de los problemas LMI en el trabajo de Yurii Nesterov y Arkadi Nemirovski .
Véase también
Referencias
- Y. Nesterov y A. Nemirovsky, Métodos polinomiales de punto interior en programación convexa. SIAM, 1994.
Enlaces externos
- S. Boyd, L. El Ghaoui, E. Feron y V. Balakrishnan, Desigualdades matriciales lineales en la teoría de sistemas y control (libro en formato PDF)
- C. Scherer y S. Weiland, Desigualdades matriciales lineales en el control
- Optimización convexa