Groupe algébriqueEn géométrie algébrique, la notion de groupe algébrique est un équivalent des groupes de Lie en géométrie différentielle ou complexe. Un groupe algébrique est une variété algébrique munie d'une loi de groupe compatible avec sa structure de variété algébrique. Un groupe algébrique sur un corps (commutatif) K est une variété algébrique sur munie : d'un morphisme de K-variétés algébriques (appelé aussi multiplication) .
Structure algébriqueEn mathématiques, une structure algébrique est définie axiomatiquement par une ou plusieurs opérations sur un ensemble (dites internes), éventuellement muni d’autres opérations (externes) dépendant d’autres ensembles, toutes ces opérations satisfaisant certaines relations telles que l’associativité, la commutativité ou la distributivité. La structure de groupe qui émerge progressivement au , avec une seule opération interne et quelques propriétés se formalise au début du avec une kyrielle de structures d’algèbre générale moins restrictives (monoïde) ou au contraire enrichies par une seconde opération (anneau, corps, algèbre de Boole.
Caractère d'une représentation d'un groupe finiEn mathématiques le caractère d'une représentation d'un groupe fini est un outil utilisé pour analyser les représentations d'un groupe fini. Le caractère d'une représentation (V, ρ) d'un groupe G correspond à l'application de G dans le corps de l'espace de la représentation qui à un élément s associe la trace de l'image de s par ρ. Cette définition n'est pas compatible avec celle des caractères d'un groupe en général qui ne prend ses valeurs que dans l'ensemble des complexes non nuls.
Algèbre sur un corpsEn mathématiques, et plus précisément en algèbre générale, une algèbre sur un corps commutatif K, ou simplement une K-algèbre, est une structure algébrique (A, +, ·, ×) telle que : (A, +, ·) est un espace vectoriel sur K ; la loi × est définie de A × A dans A (loi de composition interne) ; la loi × est bilinéaire.
Physical neural networkA physical neural network is a type of artificial neural network in which an electrically adjustable material is used to emulate the function of a neural synapse or a higher-order (dendritic) neuron model. "Physical" neural network is used to emphasize the reliance on physical hardware used to emulate neurons as opposed to software-based approaches. More generally the term is applicable to other artificial neural networks in which a memristor or other electrically adjustable resistance material is used to emulate a neural synapse.
Linear algebraic groupIn mathematics, a linear algebraic group is a subgroup of the group of invertible matrices (under matrix multiplication) that is defined by polynomial equations. An example is the orthogonal group, defined by the relation where is the transpose of . Many Lie groups can be viewed as linear algebraic groups over the field of real or complex numbers. (For example, every compact Lie group can be regarded as a linear algebraic group over R (necessarily R-anisotropic and reductive), as can many noncompact groups such as the simple Lie group SL(n,R).
Produit matriciel de Hadamardvignette|Illustration du produit de Hadamard: il s'applique à deux matrices de mêmes dimensions et la matrice en resultant a les mêmes dimensions également. En mathématiques, le produit matriciel de Hadamard, nommé d'après le mathématicien français Jacques Hadamard et parfois désigné produit de Schur, est une opération binaire qui pour deux matrices de mêmes dimensions, associe une autre matrice, de même dimension, et où chaque coefficient est le produit terme à terme des deux matrices.
Formule des caractères de WeylEn théorie des représentations, la formule des caractères de Weyl est une description des caractères des représentations irréductibles des groupes de Lie compacts en fonction de leurs plus haut poids. Elle a été prouvée par Hermann Weyl. Il existe une formule étroitement liée pour le caractère d'une représentation irréductible d'une algèbre de Lie semi-simple. Dans l'approche de Weyl de la théorie des représentations des groupes de Lie compacts connexes, la preuve de la formule des caractères est une étape clé pour prouver que chaque élément entier dominant apparaît effectivement comme le plus haut poids d'une représentation irréductible.
Matrice inversibleEn mathématiques et plus particulièrement en algèbre linéaire, une matrice inversible (ou régulière ou encore non singulière) est une matrice carrée A pour laquelle il existe une matrice B de même taille n avec laquelle les produits AB et BA sont égaux à la matrice identité. Dans ce cas la matrice B est unique, appelée matrice inverse de A et notée B = A. Cette définition correspond à celle d’élément inversible pour la multiplication dans l’anneau des matrices carrées associé.
Rang (algèbre linéaire)En algèbre linéaire : le rang d'une famille de vecteurs est la dimension du sous-espace vectoriel engendré par cette famille. Par exemple, pour une famille de vecteurs linéairement indépendants, son rang est le nombre de vecteurs ; le rang d'une application linéaire de dans est la dimension de son , qui est un sous-espace vectoriel de . Le théorème du rang relie la dimension de , la dimension du noyau de et le rang de ; le rang d'une matrice est le rang de l'application linéaire qu'elle représente, ou encore le rang de la famille de ses vecteurs colonnes ; le rang d'un système d'équations linéaires est le nombre d'équations que compte tout système échelonné équivalent.
Géométrie algébriqueLa géométrie algébrique est un domaine des mathématiques qui, historiquement, s'est d'abord intéressé à des objets géométriques (courbes, surfaces...) composés des points dont les coordonnées vérifiaient des équations ne faisant intervenir que des sommes et des produits (par exemple le cercle unité dans le plan rapporté à un repère orthonormé admet pour équation ). La simplicité de cette définition fait qu'elle embrasse un grand nombre d'objets et qu'elle permet de développer une théorie riche.
Apprentissage automatiqueL'apprentissage automatique (en anglais : machine learning, « apprentissage machine »), apprentissage artificiel ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes.
