Constructive Algorithm to Vectorize P ⊗ P Product for Symmetric Matrix P

Capa

Citar

Texto integral

Acesso aberto Acesso aberto
Acesso é fechado Acesso está concedido
Acesso é fechado Somente assinantes

Resumo

A constructive algorithm to compute elimination L and duplication D matrices for the operation of P ⊗ P vectorization when P = PT is proposed. The matrix L, obtained according to such algorithm, allows one to form a vector that contains only unique elements of the mentioned Kronecker product. In its turn, the matrix D is for the inverse transformation. A software implementation of the procedure to compute the matrices L and D is developed. On the basis of the mentioned results, a new operation vecu(.) is defined for P ⊗ P in case P = PT and its properties are studied. The difference and advantages of the developed operation in comparison with the known ones vec(.) and vech(.) vecd(.)) in case of vectorization of P ⊗ P when P = PT are demonstrated. Using parameterization of the algebraic Riccati equation as an example, the efficiency of the operation vecu (.) to reduce overparameterization of the unknown parameter identification problem is shown.

Sobre autores

A. Glushchenko

V.A. Trapeznikov Institute of Control Sciences of RAS

Email: aiglush@ipu.ru
117997, Moscow, Russia

K. Lastochkin

V.A. Trapeznikov Institute of Control Sciences of RAS

Autor responsável pela correspondência
Email: lastconst@ipu.ru
117997, Moscow, Russia

Bibliografia

  1. Magnus J.R., Neudecker H. The elimination matrix: some lemmas and applications // SIAM Journal on Algebraic Discrete Methods. 1980. V. 1 (4). P. 422–449.
  2. Nagakura D. On the relationship between the matrix operators, vech and vecd // Communications in Statistics-Theory and Methods. 2018. V. 47(13). P. 3252–3268.
  3. Sastry S., Bodson M. Adaptive control: stability, convergence and robustness. Courier Corporation, 2011.
  4. Lavretsky E., Wise K.A. Robust adaptive control // Robust and adaptive control. London: Springer, 2013.
  5. Ioannou P.A., Sun J. Robust adaptive control. Courier Corporation, 2012.
  6. Ortega R., Nikiforov V., Gerasimov D. On modified parameter estimators for identification and adaptive control. A unified framework and some new schemes // Annual Reviews in Control. 2020. V. 50. P. 278–293.
  7. Lion P.M. Rapid identification of linear and nonlinear systems // AIAA Journal. 1967. V. 5. P. 1835–1842.
  8. Kreisselmeier G. Adaptive observers with exponential rate of convergence // IEEE Transactions on Automatic Control. 1977. V. 22 (1). P. 2–8.
  9. Aranovskiy S. Parameter Estimation with Enhanced Performance. Habilitation. Rennes: Université de Rennes 1, 2021.
  10. Lewis F., Syrmos V. Optimal control. John Wiley & sons, INC., 2nd edition, 1995.
  11. Kalman R.E. et al. Contributions to the theory of optimal control // Bol. Soc. Mat. Mexicana. 1960. V. 5 (2). P. 102–119.
  12. Polyak B.T., Shcherbakov P.S. Hard Problems in Linear Control Theory: Possible Approaches to Solution // Automation and Remote Control. 2005. V. 66(5). P. 681–718.
  13. Jha S.K., Roy S.B., Bhasin S. Data-driven adaptive LQR for completely unknown LTI systems // IFAC-Pa-persOnLine. 2017. V. 50 (1). P. 4156–4161.
  14. Jiang Y., Jiang Z.P. Computational adaptive optimal control for continuous-time linear systems with completely unknown dynamics // Automatica. 2012. V. 48 (10). P. 2699–2704.

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
2.

Baixar (31KB)
3.

Baixar (24KB)
4.

Baixar (71KB)

Declaração de direitos autorais © А.И. Глущенко, К.А. Ласточкин, 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».