Séance de cours

Consensus dans les systèmes de contrôle en réseau

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

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 traite du concept de consensus dans les systèmes de contrôle en réseau, en mettant l'accent sur les propriétés de convergence des trajectoires d'état sous des matrices primitives et stochastiques. Il couvre les conditions pour parvenir à un consensus, le rôle des matrices doublement stochastiques et le taux de convergence. La séance de cours explore également la normalisation des eigenvectors et le rayon spectral essentiel des matrices stochastiques. Des exemples de moyennes dans les réseaux de capteurs sans fil sont présentés pour illustrer les concepts théoriques discutés.

Enseignant·e

Giancarlo Ferrari Trecate

Expertise Automatic control, Dependable control, Neural-network Control, Machine learning, Microgrids, Hybrid systems Mission See the webpage of the DECODE (Dependable Control and Decision) group. Teaching & PhD PhD Students Laura Meroi, Julien Pallage, Nicolas Léo Pierre Kirsch, Simone Baratto, Daniele Martinelli, Riccardo Cescon, Jakob Nylöf, Sabri El Amrani Past EPFL PhD Students Pulkit Nahata, Mustafa Sahin Turan, Baiwei Guo, Jean-Sébastien Brouillon, Clara Galimberti, Andrea Martin, Muhammad Zakwan,

Source officielle

Concepts associés (27)

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.

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.

Rayon spectral

Soit un endomorphisme sur un espace de Banach complexe , on appelle rayon spectral de , et on note , le rayon de la plus petite boule fermée de centre 0 contenant toutes les valeurs spectrales de . Il est toujours inférieur ou égal à la norme d'opérateur de . En dimension finie, pour un endomorphisme de valeurs propres complexes , le rayon spectral est égal à . Par conséquent, pour toute norme matricielle N, c'est-à-dire toute norme d'algèbre sur (respectivement ) et pour toute matrice A dans (respectivement ), .

Matrice stochastique

En mathématiques, une matrice stochastique (aussi appelée matrice de Markov) est une matrice carrée (finie ou infinie) dont chaque élément est un réel positif et dont la somme des éléments de chaque ligne vaut 1. Cela correspond, en théorie des probabilités, à la matrice de transition d'une chaîne de Markov. Une matrice est dite stochastique si toutes ses entrées sont positives (ou nulles) et si, pour tout , on a c'est-à-dire que la somme des coordonnées de chaque ligne vaut 1.

Defective matrix

In linear algebra, a defective matrix is a square matrix that does not have a complete basis of eigenvectors, and is therefore not diagonalizable. In particular, an n × n matrix is defective if and only if it does not have n linearly independent eigenvectors. A complete basis is formed by augmenting the eigenvectors with generalized eigenvectors, which are necessary for solving defective systems of ordinary differential equations and other problems.

Afficher plus

Séances de cours associées (64)

Matrices symétriques, Eigenvalues, Eigenvectors, Spectral Theorem MOOC: Algèbre Linéaire (Partie 3)

Explore les matrices symétriques, les valeurs propres, les vecteurs propres et le théorème spectral dans l'algèbre linéaire.

Matrice de convergence des contiguïtés : propriétés spectrales et théorème de consensus

Explore la convergence des puissances de la matrice d'adjacence et du théorème de consensus pour les matrices primitives et stochastiques, en mettant l'accent sur les propriétés spectrales et les systèmes de contrôle en réseau.

Calcul de valeurs propres

Couvre le calcul des valeurs propres et des vecteurs propres, en mettant l'accent sur leur importance et leurs applications.

Valeurs propres et séquence de Fibonacci

Couvre les valeurs propres, les vecteurs propres et la séquence de Fibonacci, en explorant leurs propriétés mathématiques et leurs applications pratiques.

Sous-espaces, spectres et projections

Explore les sous-espaces, les spectres et les projections en algèbre linéaire, y compris les matrices symétriques et les projections orthogonales.

Afficher plus

Concepts associés (27)

Valeur propre, vecteur propre et espace propre

Generalized eigenvector