[論文レビュー] Solving Generalized Lyapunov Equations with guarantees: application to the Model Reduction of Switched Linear Systems

Mattia Manucci, Benjamin Unger|arXiv (Cornell University)|Jan 19, 2026

Model Reduction and Neural Networks被引用数 0

ひとこと要約

要約: 本論文は、計算誤差保証付きで大規模な一般化リ Lyapunov 方程式を解く効率的で認証済みの手法を提示し、切替線形システムのモデル削減における逐次的 balanced reduction フレームワークを用いて適用する。

ABSTRACT

We present an efficient strategy to approximate the solutions of large-scale generalized Lyapunov equations (GLEs) with rigorous, computable error guarantees. This work is motivated by applications in model order reduction (MOR) of switched linear systems (SLS) in control form, where GLEs play a central role. We analyze how inaccuracies in the numerical solution of GLEs propagate through the MOR procedure and affect the accuracy and reliability of the reduced order model. Furthermore, the classical balanced-truncation error estimate for SLS is neither theoretically nor practically viable, as they rely on restrictive assumptions requiring several requiring several linear matrix inequalities (LMI) to be satisfied exactly by numerically computed solutions of the GLEs. To overcome these limitation, we propose a new MOR framework for SLS, called piecewise balanced reduction (PBR). The method is based on solving multiple GLEs and the construction of projection matrices that are piecewise constant in time to appropriately balance and subsequently reduce the SLS. We extend the standard balanced-truncation error bounds and demonstrate that the PBR formulation allows us to control the error arising from the inexact LMI. In addition, our new error bound accounts for the influence of the piecewise constant time-varying projection matrices. Altogether, this renders the PBR approach for SLS applicable to a broad and flexible class of SLS. Numerical experiments are provided to corroborate our theoretical results.

研究の動機と目的

• 切替線形システムの MOR における正確な GLE 解法の必要性を動機づける。
• GLE 解法の定常反復に対する計算可能な誤差保証を開発する。
• GLE 解の不確実性が MOR の精度と安定性に与える影響を分析する。
• LMI の違反と時変射影を扱うための PBR（Piecewise Balancing Reduction）フレームワークを導入する。
• 提案手法の理論的誤差境界と数値検証を提供する。

提案手法

• ベクトル化されたクロネッカー形式でGLEを定式化し、可解性を分析する。
• 連続的なリ Lyapunov 方程式の列を解く定常反復アルゴリズムを適用する（アルゴリズム 1）。
• GLE 解に対する計算可能な先験的誤差境界を導出する（定理 3.6）。
• 残差に基づく停止基準と効率的な低秩クライオフ（Krylov）ベースのリ Lyapunov ソルバーを提案する（セクション 3.2）。
• 不正確なGLE解に対して安定性を保つよう縮約モデルを摂動・認証する方法を説明する（定理 3.7）。
• LMI 要件を緩和し、時変射影行列を考慮するための PBR フレームワークを導入する（セクション 4）。

実験結果

リサーチクエスチョン

• RQ1 大規模設定で認証済み・保証付きの一般化リ Lyapunov 方程式解の近似をどのように計算できるか？
• RQ2 GLE解の数値誤差が切替線形システムの MOR にどのように伝播するか？
• RQ3 誤差認証付きGLE解は切替下で安定かつ正確な縮約モデルを可能にするか？
• RQ4 PBRアプローチは MOR における LMI 関連の制約を緩和し、頑健な誤差境界を提供できるか？
• RQ5 SLS MOR に対する提案 PBR フレームワークの理論的・実践的な利点は何か？

主な発見

• 効率的な定常反復戦略により、誤差保証を持つ認証済みGLE解を得られる（定理 3.6）。
• GLE解から切替線形システムの縮約モデルへの誤差伝搬を分析し、安定性を保つ摂動結果を提供する（定理 3.7）。
• 古典的なバランシングでのLMI境界は、LMIが満たされない場合や数値解で正確に満たされない場合に失敗する可能性があり、PBRアプローチを動機づける。
• 新しい PBR フレームワークは不正確なLMIと時変・区分的定常射影行列の誤差制御を可能にし、広い SLS クラスへ適用範囲を拡大する。
• 数値実験は合成データと PDE 離散化済みの切替系で理論結果を裏付ける（セクション 5）。