Résumé
Un objet géométrique est dit convexe lorsque, chaque fois qu'on y prend deux points et , le segment qui les joint y est entièrement contenu. Ainsi un cube plein, un disque ou une boule sont convexes, mais un objet creux ou bosselé ne l'est pas. On suppose travailler dans un contexte où le segment reliant deux points quelconques et a un sens (par exemple dans un espace affine sur R — en particulier dans un espace affine sur C — ou dans un ). Sauf précision explicite, tout ce qui suit concerne le seul contexte des convexes dans des espaces affines (ou vectoriels), pour lesquels la notion de segment est défini comme ci-dessus. On appellera dimension d'un convexe non vide la dimension du sous-espace affine engendré par . Les demi-espaces ouverts ou fermés délimités par un hyperplan d'un R-espace vectoriel — ou plus généralement : affine — sont convexes. Les sous-ensembles convexes de l'espace R des nombres réels sont les intervalles de R. Dans un espace affine, tout sous-espace affine est convexe ; c'est en particulier le cas des sous-espaces vectoriels d'un espace vectoriel. Dans un espace vectoriel normé réel, toute boule (ouverte ou fermée) est convexe. Soit des points d'un espace vectoriel réel V. Soit E l'ensemble de toutes les combinaisons linéaires avec pour tout et . L'ensemble E est convexe. L'intersection de deux convexes (et même d'une famille quelconque de convexes) est elle-même convexe (et ce très généralement, dès lors qu'on peut définir la convexité). La définition de la convexité repose, après le choix de deux points quelconques et , sur la considération des points du segment , autrement dit des barycentres à coefficients positifs de ces deux points. En utilisant le théorème d'associativité des barycentres, on peut étendre aux barycentres à coefficients positifs d'un nombre quelconque de points : Enveloppe convexe Étant donné une partie quelconque de l'espace ambiant (espace affine ou contexte plus général), il existe au moins un sous-ensemble convexe de contenant , à savoir lui-même ; ceci autorise à considérer l'intersection de tous les sous-ensembles convexes de contenant .
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.
Publications associées (25)
Concepts associés (109)
Enveloppe convexe
L'enveloppe convexe d'un objet ou d'un regroupement d'objets géométriques est l'ensemble convexe le plus petit parmi ceux qui le contiennent. Dans un plan, l'enveloppe convexe peut être comparée à la région limitée par un élastique qui englobe tous les points qu'on relâche jusqu'à ce qu'il se contracte au maximum. L'idée serait la même dans l'espace avec un ballon qui se dégonflerait jusqu'à être en contact avec tous les points qui sont à la surface de l'enveloppe convexe.
Ensemble convexe
Un objet géométrique est dit convexe lorsque, chaque fois qu'on y prend deux points et , le segment qui les joint y est entièrement contenu. Ainsi un cube plein, un disque ou une boule sont convexes, mais un objet creux ou bosselé ne l'est pas. On suppose travailler dans un contexte où le segment reliant deux points quelconques et a un sens (par exemple dans un espace affine sur R — en particulier dans un espace affine sur C — ou dans un ).
Espace vectoriel topologique
En mathématiques, les espaces vectoriels topologiques sont une des structures de base de l'analyse fonctionnelle. Ce sont des espaces munis d'une structure topologique associée à une structure d'espace vectoriel, avec des relations de compatibilité entre les deux structures. Les exemples les plus simples d'espaces vectoriels topologiques sont les espaces vectoriels normés, parmi lesquels figurent les espaces de Banach, en particulier les espaces de Hilbert. Un espace vectoriel topologique (« e.v.t.
Afficher plus
Cours associés (42)
MGT-418: Convex optimization
This course introduces the theory and application of modern convex optimization from an engineering perspective.
MATH-476: Optimal transport
The first part is devoted to Monge and Kantorovitch problems, discussing the existence and the properties of the optimal plan. The second part introduces the Wasserstein distance on measures and devel
EE-556: Mathematics of data: from theory to computation
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
Afficher plus
MOOCs associés (1)
Introduction to optimization on smooth manifolds: first order methods
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).