En mathématiques, un espace localement convexe est un espace vectoriel topologique dont la topologie peut être définie à l'aide d'une famille de semi-normes. C'est une généralisation de la notion d'espace normé.
Un espace vectoriel topologique E est dit localement convexe s'il vérifie l'une des deux propriétés équivalentes suivantes :
il existe une famille de semi-normes telle que la topologie de E est initiale pour l'ensemble d'applications ;
le vecteur nul possède une base de voisinages formée de convexes.
Dans ce cas, la famille de semi-normes peut toujours être choisie filtrante.
démonstration|titre=Démonstration de l'équivalence des deux définitions|contenu=
(1) ⇒ (2)En effet toute semi-norme p sur E est une fonction convexe et donc pour tout R > 0, l'ensemble des x de E vérifiant p(x) < R est convexe.
(2) ⇒ (1)Soient T la topologie de E, supposée vérifier (2), et T ' celle, moins fine, définie par la famille de toutes les semi-normes sur E continues pour T.Il s'agit de prouver qu'inversement, T ⊂ T '. Il suffit pour cela de montrer que tout T-voisinage V de 0 contient un T '-voisinage de 0.Or pour un tel V, par continuité de l'application (λ, v) ↦ λv, il existe un réel α > 0 et un T-voisinage W de 0, que l'on peut supposer convexe d'après (2), tels queV contient alors l'ensemble Ω défini parDe plus, Ω est voisinage de 0 (donc absorbant), convexe, et équilibré. sa jauge est donc une semi-norme continue sur E, dont la boule de centre 0 et de rayon est par conséquent un T '''-voisinage de 0. Or cette boule est incluse dans Ω, donc dans V.
Tout espace vectoriel normé est localement convexe (topologie définie par une seule semi-norme : la norme).
La topologie faible d'un espace vectoriel topologique est localement convexe. On utilise les formes linéaires continues en module comme famille de semi-normes.
Sur son dual topologique, les topologies forte et faible-* sont, elles aussi, définies chacune par une famille de semi-normes.
Pour , les espaces métriques de suites et les espaces métriques de fonctions ne sont pas des espaces localement convexes.
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.
We introduce locally convex vector spaces. As an example we treat the space of test functions and the space of distributions. In the second part of the course, we discuss differential calculus in Bana
This course provides an overview of key advances in continuous optimization and statistical analysis for machine learning. We review recent learning formulations and models as well as their guarantees
En analyse fonctionnelle et dans des domaines mathématiques reliés, une partie d'un espace vectoriel topologique est dite bornée (au sens de von Neumann) si tout voisinage du vecteur nul peut être dilaté de manière à contenir cette partie. Ce concept a été introduit par John von Neumann et Andreï Kolmogorov en 1935. Les parties bornées sont un moyen naturel de définir les (localement convexes) sur les deux espaces vectoriels d'une paire duale.
In functional analysis, an F-space is a vector space over the real or complex numbers together with a metric such that Scalar multiplication in is continuous with respect to and the standard metric on or Addition in is continuous with respect to The metric is translation-invariant; that is, for all The metric space is complete. The operation is called an F-norm, although in general an F-norm is not required to be homogeneous. By translation-invariance, the metric is recoverable from the F-norm.
Un espace de Fréchet est une structure mathématique d'espace vectoriel topologique satisfaisant certains théorèmes relatifs aux espaces de Banach même en l'absence d'une norme. Cette dénomination fait référence à Maurice Fréchet, mathématicien français ayant participé notamment à la fondation de la topologie et à ses applications en analyse fonctionnelle. C'est dans ce dernier domaine que la structure des espaces de Fréchet se révèle particulièrement utile, notamment en fournissant une topologie naturelle aux espaces de fonctions infiniment dérivables et aux espaces de distributions.
Learn to optimize on smooth, nonlinear spaces: Join us to build your foundations (starting at "what is a manifold?") and confidently implement your first algorithm (Riemannian gradient descent).
Couvre les conditions KKT pour l'optimisation avec des contraintes, essentielles pour résoudre efficacement les problèmes d'optimisation.
Explore les fonctions méromorphes, les pôles, les résidus, les ordres, les diviseurs et le théorème de Riemann-Roch.
Couvre les distributions, les dérivés, la convergence et les critères de continuité dans les espaces de fonctions.
Chaos sets a fundamental limit to quantum-information processing schemes. We study the onset of chaos in spatially extended quantum many-body systems that are relevant to quantum optical devices. We consider an extended version of the Tavis-Cummings model ...
Bristol2024
, ,
Given a sequence of functions f1,…,fn with fi:D↦R, finite-sum minimization seeks a point x⋆∈D minimizing ∑j=1nfj(x)/n. In this work, we propose a key twist into the finite-sum minimizat ...
The multiflavor Mott insulators, whose local Hilbert space consists of multiple degrees of freedom, occur widely in both quantum materials and ultracold atom systems. This Comment recommends the review article by Chen and Wu that is, to the author's knowle ...