yalmip一共有三种方式创建决策变量，分别为:
sdpvar-创建实数型决策变量
intbar-创建整数型决策变量
binvar-创建0/1型决策变量
sdpvar:定义象征变量。
语法：
x=sdpvar(n)
x=sdpvar(n,m)
x=sdpvar(n,m,'type')
x=sdpvar(n,m,'type','field')
x=sdpvar(dim1,dim2,dim3,...,dimn,'type','field')
sdpvar x
例子：
定义正方形的实数对阵矩阵如下：
P=sdpvar(n,n)% SYMMETRIC!
若是需要定义一个对阵矩阵或是标量，上面的命令也可以通过一个参数进行简化定义：
P=sdpvar(n)% SYMMETRIC!
通过使用详细的注释也可定义同样的矩阵：
P=sdpvar(n,n,'symmetric')
定义全参数矩阵（非必须对阵）需要给定第三个参数：
P=sdpvar(n,n,'full')
定义一个正方形复数全参数矩阵：
P=sdpvar(n,n,'full','complex')
第三个和第四个参数可以简化为如下形式：
P=sdpvar(n,n,'sy','co')
很多用户在一开始很简单的事情上，比如定义一个对角变量，遇到困难。请记住在使用yalmip时几乎所有matlab操作符都适用于sdpvar对象。今后，用如下命令定义对角变量：
sdpvar x y z(1,1) u(2,2) v(2,3,'full','complex')
或是 汉克矩阵：
X=hankel(sdpvar(n,1));
特定情况下需要几个相同变量，通常的方式市使用循环语句实现：
fori=1:100;
X{i}=sdpvar(5,5);
end
更方便的方式是使用维度赋值了的向量（不会翻译：vector valued dimensions）
X=sdpvar(5*ones(1,100),5*ones(1,100));
定义一个3维变量，其中每一个面的2个维度都是对称的：
X=sdpvar(3,3,3)
X(:,:,1)
Linear matrix variable 3x3 (symmetric,real,6 variables)
定义一个4维变量，其中第一个2维的每个面都是全参数化。
X=sdpvar(3,3,3,3,'full')
X(:,:,1,1)
Linear matrix variable 3x3 (full,real,9 variables)
