西爾維斯特方程計算器

作者: Henrick Yau
- July 19, 2026
| |

西爾維斯特方程計算器

解西爾維斯特方程 AX + XB = C 求矩陣 X，其中 A、B、C 為給定矩陣。此基本矩陣方程出現在控制理論、信號處理和數值線性代數中。

注意： 西爾維斯特方程有唯一解的充要條件是 A 與 -B 沒有共同特徵值。矩陣維度必須相容：A (m×m)、X (m×n)、B (n×n)、C (m×n)。

矩陣維度

方陣 A 的大小，以及 X 和 C 的行數
方陣 B 的大小，以及 X 和 C 的列數

求解選項

結果中的小數位數

理解西爾維斯特方程

西爾維斯特方程 AX + XB = C 是基本矩陣方程，常見於控制理論、信號處理和數值線性代數。它將簡單線性方程 ax + xb = c 推廣到矩陣形式。

數學基礎

標準形式： AX + XB = C

向量化形式： (I ⊗ A + BT ⊗ I)vec(X) = vec(C)

可解性條件： λi(A) + λj(-B) ≠ 0 對所有 i,j

解法
  • 直接法： 利用克羅內克積轉換為線性系統
  • 迭代法： 定點迭代與梯度方法
  • 舒爾分解： 轉換為上三角形式以高效求解
  • 巴特爾斯-史都華演算法： 大型矩陣最有效的方法
應用
  • 控制理論： 極點配置與觀測器設計
  • 訊號處理： 濾波器設計與系統識別
  • 模型降階： 平衡截斷與投影法
  • 數值分析： 矩陣指數與矩陣函數
  • 最佳控制： Riccati 方程式與 LQR 問題
特殊情況與變體
  • Lyapunov 方程式： AX + XAT = C（當 B = -AT)
  • Stein 方程式： AXB - X = C（離散時間版本）
  • 廣義 Sylvester： AXB + CXD = E
  • 耦合 Sylvester： 多個 Sylvester 方程式的系統
計算複雜度
  • 直接法： 使用克羅內克積為 O(m³n³)
  • 舒爾法： O(m³ + n³ + m²n) 次運算
  • 迭代法： 每次迭代 O(kmn)，其中 k 取決於收斂速度
  • 記憶體需求： O(mn) 用於解，O(m² + n²) 用於分解

數學免責聲明： 此計算器提供 Sylvester 方程的數值解，僅供教育與研究用途。結果受浮點數精度限制。對於大型矩陣或病態問題，可能需要使用專業數值軟體。請務必獨立驗證關鍵結果。

西爾維斯特方程： \( AX + XB = C \)

向量化形式： \( (I \otimes A + B^T \otimes I) \cdot \text{vec}(X) = \text{vec}(C) \)

可解性條件： 若要存在唯一解，A 和 -B 的特徵值之和不得為零：對於所有 i, j，\( \lambda_i(A) + \lambda_j(-B) \ne 0 \)

什麼是西爾維斯特方程計算機？

西爾維斯特方程計算機用於求解形如 \( AX + XB = C \) 的方程，其中 A、B 和 C 為已知矩陣，X 為待求的未知矩陣。此類方程廣泛應用於控制系統、信號處理和數值線性代數領域。

此工具提供引導式輸入矩陣、選擇求解方法，並輸出詳細結果，包括逐步解說、驗證過程及矩陣性質。對於處理進階矩陣方程的學生、工程師和研究人員來說，尤其實用。

如何使用計算機

請依照以下步驟找出解矩陣 X：

  • 使用提供的欄位輸入矩陣 A 和 B 的維度。
  • 點擊生成矩陣輸入欄位，建立矩陣 A、B 和 C 的輸入框。
  • 手動輸入矩陣數值，或點擊載入範例自動填入範例資料。
  • 選擇求解方法：直接法（克羅內克積）、迭代法或舒爾分解法。
  • 設定所需的小數位數，並可選勾選步驟與驗證的核取方塊。
  • 點擊求解西爾維斯特方程以計算解。

您將獲得什麼

求解後，計算機會顯示：

  • 求解狀態：指示是否找到唯一解。
  • 解矩陣 X：滿足 \( AX + XB = C \) 的矩陣。
  • 求解步驟：清晰分解所使用的求解方法。
  • 驗證：將解代回原始方程以確認結果。
  • 特徵值分析：顯示 A 和 -B 是否滿足可解性條件。
  • 矩陣性質：包含相關矩陣的行列式值和弗羅貝尼烏斯範數。

為什麼這個計算機很實用

手動求解西爾維斯特方程既耗時又容易出錯。此工具能自動化流程並確保準確性。當您使用以下矩陣方法時，它特別有幫助：

  • LU 矩陣分解 – 用於求解線性系統和計算矩陣逆
  • 矩陣逆工具 – 在操作方程以分離 X 時使用
  • 高斯-約當法 – 作為求解方程向量化形式的一部分
  • 矩陣特徵值分析 – 用於檢查可解性條件

此計算機也與矩陣分解、矩陣指數和線性系統求解器等更廣泛的概念相關聯，使其成為其他工具（如對角化矩陣計算機、QR 分解工具和矩陣秩查找器）的絕佳輔助。

常見問題 (FAQ)

  • 西爾維斯特方程有什麼用途？
    它出現在控制理論、信號處理和模型降階中，這些領域需要高效求解矩陣方程。
  • 存在唯一解需要滿足什麼條件？
    矩陣 A 和 -B 不得共享任何特徵值。如果共享，方程可能沒有唯一解。
  • 我應該選擇哪種方法？
    直接法最適合小型矩陣。若想實驗，可使用迭代法；若想了解理論替代方案，則使用舒爾法（在此工具中映射為直接法）。
  • 我可以驗證我的解嗎？
    可以，工具會透過計算 \( AX + XB \) 並與 C 比較，來檢查計算出的 X 是否滿足方程。
  • 如果出現錯誤怎麼辦？
    請檢查矩陣維度，並確保所有欄位都已填入有效數字。同時確認可解性條件已滿足。

結論

西爾維斯特方程計算機是求解形如 \( AX + XB = C \) 的矩陣方程快速且有效的方法。憑藉多種求解方法、逐步引導和求解驗證等功能，它讓進階矩陣代數變得更加易於使用且實用。無論您是在探索矩陣特徵值過程，還是應用 LU 分解步驟，此計算機都能以可靠的結果支援您的工作。