Résumé
En optimisation convexe, une inégalité matricielle linéaire (Linear matricial inequality ou LMI) est une expression de la forme où est un vecteur réel, sont dans l'ensemble des matrices symétriques, signifie que est une matrice semi-définie positive appartenant au sous-ensemble de l'ensemble des matrices symétriques . Cette inégalité matricielle linéaire caractérise un ensemble convexe selon y. Il existe des méthodes numériques de résolution des LMI performantes pour déterminer notamment leur faisabilité (ie, s'il existe au moins un vecteur tel que ), ou pour effectuer une optimisation convexe sous contrainte LMI. De nombreux problèmes d'optimisation en Théorie du contrôle, Identification de système et Traitement du signal peuvent être formulés grâce à des LMI. Un résultat important en optimisation convexe provient de l'introduction de la Méthode du point intérieur. Cette méthode et ses dérivées ont été développées dans une série de publications et sont devenues le centre de l'attention dans le contexte des problèmes LMI dans les travaux de Yurii Nesterov et Arkadii Nemirovskii. Y. Nesterov and A. Nemirovsky, Interior Point Polynomial Methods in Convex Programming. SIAM, 1994. S. Boyd, L. El Ghaoui, E. Feron, and V. Balakrishnan, Linear Matrix Inequalities in System and Control Theory (book in pdf) C. Scherer and S. Weiland, Course on Linear Matrix Inequalities in Control, Dutch Institute of Systems and Control (DISC). M. Barreau, Stabilité et stabilisation de systèmes linéaires à l’aide d’inégalités matricielles linéaires, LAAS - CNRS.
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.