[论文解读] Implicit Linear Algebra and its Applications

Hariharan Narayanan|arXiv (Cornell University)|Sep 22, 2016

Matrix Theory and Algorithms被引用 4

一句话总结

本文提出隐式线性代数作为建模动力系统（尤其是电路系统）的框架，通过解空间和线性关系而非显式矩阵或状态方程来实现。它建立了隐式逆定理与隐式对偶定理，使无需依赖传统状态空间表示即可实现计算高效且具有拓扑信息的控制理论。

ABSTRACT

Linear systems often involve, as a basic building block, solutions of equations of the form \begin{align*} A_Sx_S&+A_Px_P =0\\ A'_Sx_S & =0, \end{align*} where our primary interest might be in the vector variable $x_P.$ Usually, neither $x_S$ nor $x_P$ can be written as a function of the other but they are linked through the linear relationship, that of $(x_S,x_P) $ belonging to $\mathcal{V}_{SP},$ the solution space of the first of the two equations. If $\mathcal{V}_{S}$ is the solution space of the second equation, we may regard the final space of solutions $\mathcal{V}_{P}$ as derived from the other two spaces by an operation, say, `$\mathcal{V}_{P}=\mathcal{V}_{SP}\leftrightarrow \mathcal{V}_{S}.$' This operation, together with linear relationships, can be used to build a version of linear algebra which we call `implicit linear algebra'. There are two basic results - an `implicit inversion theorem' which describes when $\mathcal{V}_{S}$ can be obtained from $\mathcal{V}_{P}$ and $\mathcal{V}_{SP},$ and an `implicit duality theorem' which says $\mathcal{V}_{P}^{\bot}=\mathcal{V}_{SP}^{\bot}\leftrightarrow \mathcal{V}_{S}^{\bot}.$ These notions originally arose in the building of circuit simulators. They have been reinterpreted for the present purpose. Using them, we develop an algorithmic version of linear multivariable control theory, avoiding the computationally expensive idea of state equations. We replace them by `emulators', which are easy to build, but can achieve most of whatever can be done with state equations. We define the notions of generalized autonomous systems and generalized operators, and develop a primitive spectral theory for the latter. Using these ideas, we develop the usual controllability - observability duality, state and output feedback, pole placement etc.

研究动机与目标

• 开发一种基于解空间和线性关系而非矩阵或变换的线性代数版本，用于建模复杂动力系统。
• 通过用“模拟器”（隐式表示系统关系）替代状态方程，解决多变量控制中传统状态空间方法的计算低效问题。
• 建立隐式逆定理与隐式对偶定理等基础定理，实现在无显式状态变量的情况下进行对偶性与可控性分析。
• 在电气电路中展示该框架的实用性，其中拓扑约束（如基尔霍夫定律）自然产生适合隐式处理的解空间。
• 为广义算子构建初步谱理论，并定义广义自治系统，以在隐式框架下统一控制理论概念。

提出的方法

• 将系统行为表示为解空间 $\mathcal{V}_{SP}$, $\mathcal{V}_S$, 和 $\mathcal{V}_P$，其中 $x_P$ 为关注变量，通过线性约束关联。
• 引入一种新运算 $\mathcal{V}_P = \mathcal{V}_{SP} \leftrightarrow \mathcal{V}_S$，用于从 $\mathcal{V}_{SP}$ 和 $\mathcal{V}_S$ 推导 $\mathcal{V}_P$，替代矩阵求逆。
• 将“模拟器”定义为系统关系的隐式表示，其推广了状态方程，并允许连接变量数量不同的系统。
• 应用隐式对偶定理 $\mathcal{V}_P^\perp = \mathcal{V}_{SP}^\perp \leftrightarrow \mathcal{V}_S^\perp$，在解空间层面建立原系统与伴随系统之间的对偶性。
• 通过网络的拓扑分解（如多端口）定义连接空间，并推导电压、电流与通量/电荷变量之间的关系。
• 应用隐式逆定理，从 $\mathcal{V}_P$ 和 $\mathcal{V}_{SP}$ 恢复 $\mathcal{V}_S$，实现系统分析中的反向推理。

实验结果

研究问题

• RQ1 线性代数能否以解空间和线性关系为基础而非矩阵来重构，从而更好地建模互联系统？
• RQ2 能否仅通过解空间关系而非显式状态方程来分析可控性与可观测性？
• RQ3 拓扑结构（如基尔霍夫定律）在实现系统行为的隐式表示中起什么作用？
• RQ4 控制系统的对偶性能否完全基于解空间对偶性推导，而无需依赖伴随矩阵？
• RQ5 与传统状态空间模型相比，‘模拟器’在捕捉系统动态和实现反馈设计方面表现如何？

主要发现

• 隐式逆定理提供了在 $\mathcal{V}_S$ 可从 $\mathcal{V}_P$ 和 $\mathcal{V}_{SP}$ 重构的条件，从而实现对系统约束的反向分析。
• 隐式对偶定理 $\mathcal{V}_P^\perp = \mathcal{V}_{SP}^\perp \leftrightarrow \mathcal{V}_S^\perp$ 在解空间层面直接建立了原系统与伴随系统之间的对偶性。
• 对于对称正定元件（如电容、电感），伴随系统给出 $q_{P_C} = K_C^T q_C$ 和 $\psi_{P_L} = K_L^T \psi_L$，表明电荷与通量变量之间具有清晰的对偶性。
• 伴随系统的模拟器对应于原系统模拟器的伴随，证实了在不同表示之间对偶性的一致性。
• 伴随系统的解空间 $\mathcal{V}^{astat}$ 构造为 $\mathcal{V}^{astat} = (\mathcal{V}^i(\mathcal{G}^{\prime}{}^{\text{stat}})) \leftrightarrow (\mathcal{V}^v(\mathcal{G}^{\prime}{}^{\text{stat}})) \leftrightarrow \{-Ri'_R = v'_R\}$，明确地从多端口数据构建而成。
• 连接空间 $\mathcal{V}^1_{W'P'}$ 被导出为原系统连接空间的正交补，证实了原系统与伴随系统表示之间的一致性。