Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Propriétés spectrales des matrices non négatives

Dans cours

ME-427: Networked control systems

This course offers an introduction to control systems using communication networks for interfacing sensors, actuators, controllers, and processes. Challenges due to network non-idealities and opportunities offered by communication will be analyzed. ...

Description

Cette séance de cours couvre les propriétés spectrales des matrices non négatives, y compris les définitions des matrices primitives et irréductibles, le théorème de Perron-Frobenius, et l'interprétation des eigenvectors. Il traite également de la périodicité des graphiques et de leur relation avec les propriétés matricielles.

Enseignant·e

Giancarlo Ferrari Trecate

Source officielle

Proximité ontologique

Mathématiques

Algèbre: Algèbre linéaire

Concepts associés (32)

Valeur propre, vecteur propre et espace propre

En mathématiques, et plus particulièrement en algèbre linéaire, le concept de vecteur propre est une notion algébrique s'appliquant à une application linéaire d'un espace dans lui-même. Il correspond à l'étude des axes privilégiés, selon lesquels l'application se comporte comme une dilatation, multipliant les vecteurs par une même constante. Ce rapport de dilatation est appelé valeur propre, les vecteurs auxquels il s'applique s'appellent vecteurs propres, réunis en un espace propre.

Matrice (mathématiques)

thumb|upright=1.5 En mathématiques, les matrices sont des tableaux d'éléments (nombres, caractères) qui servent à interpréter en termes calculatoires, et donc opérationnels, les résultats théoriques de l'algèbre linéaire et même de l'algèbre bilinéaire. Toutes les disciplines étudiant des phénomènes linéaires utilisent les matrices. Quant aux phénomènes non linéaires, on en donne souvent des approximations linéaires, comme en optique géométrique avec les approximations de Gauss.

Generalized eigenvector

In linear algebra, a generalized eigenvector of an matrix is a vector which satisfies certain criteria which are more relaxed than those for an (ordinary) eigenvector. Let be an -dimensional vector space and let be the matrix representation of a linear map from to with respect to some ordered basis. There may not always exist a full set of linearly independent eigenvectors of that form a complete basis for . That is, the matrix may not be diagonalizable.

Definite matrix

In mathematics, a symmetric matrix with real entries is positive-definite if the real number is positive for every nonzero real column vector where is the transpose of . More generally, a Hermitian matrix (that is, a complex matrix equal to its conjugate transpose) is positive-definite if the real number is positive for every nonzero complex column vector where denotes the conjugate transpose of Positive semi-definite matrices are defined similarly, except that the scalars and are required to be positive or zero (that is, nonnegative).

Matrice à diagonale dominante

In mathematics, a square matrix is said to be diagonally dominant if, for every row of the matrix, the magnitude of the diagonal entry in a row is larger than or equal to the sum of the magnitudes of all the other (non-diagonal) entries in that row. More precisely, the matrix A is diagonally dominant if where aij denotes the entry in the ith row and jth column. This definition uses a weak inequality, and is therefore sometimes called weak diagonal dominance. If a strict inequality (>) is used, this is called strict diagonal dominance.

Afficher plus

Séances de cours associées (41)

Diagonalisation des transformations linéaires

Couvre la diagonalisation des transformations linéaires en R^3, explorant les propriétés et les exemples.

Récapitulation du théorème spectral

Revisite le théorème spectral pour les matrices symétriques, mettant l'accent sur les propriétés orthogonales diagonales et son équivalence avec les formes symétriques bilinéaires.

Matrices définies non négatives et matrices de covariance

Couvre les matrices définies non négatives, les matrices de covariance et l'analyse en composantes principales pour une réduction optimale des dimensions.

Calculs matriciels : valeurs propres et vecteurs propres

Explore la complexité des calculs matriciels, en mettant l'accent sur les valeurs propres et les vecteurs propres des matrices symétriques et les défis de leur calcul.

Polynômes caractéristiques et matrices similaires Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les polynômes caractéristiques, la similarité des matrices et les valeurs propres dans les transformations linéaires.

Afficher plus

Concepts associés (32)

Valeur propre, vecteur propre et espace propre

Matrice (mathématiques)

Generalized eigenvector

Definite matrix

Matrice à diagonale dominante

Afficher plus