Théorème de projection de Hilbert: Déverrouiller les dimensions dans la vision par ordinateur
Par Fouad Sabry
()
À propos de ce livre électronique
Qu'est-ce que le théorème de projection de Hilbert
En mathématiques, le théorème de projection de Hilbert est un résultat célèbre de l'analyse convexe qui dit que pour chaque vecteur dans un espace Hilbert et chaque convexe fermé non vide il existe un vecteur unique pour lequel est minimisé sur les vecteurs ; c'est-à-dire de telle sorte que pour chaque
Comment vous en bénéficierez
(I) Informations et validations sur les sujets suivants :
Chapitre 1 : Hilbert Théorème de projection
Chapitre 2 : Espace de Banach
Chapitre 3 : Espace produit interne
Chapitre 4 : Théorème de représentation de Riesz
Chapitre 5 : Opérateur auto-adjoint
Chapitre 6 : Classe Trace
Chapitre 7 : Opérateur (physique)
Chapitre 8 : Espace de Hilbert
Chapitre 9 : Norme (mathématiques)
Chapitre 10 : Analyse convexe
(II) Répondre aux principales questions du public sur le théorème de projection de Hilbert.
(III) Monde réel exemples d'utilisation du théorème de projection de Hilbert dans de nombreux domaines.
À qui s'adresse ce livre
Professionnels, étudiants de premier cycle et des cycles supérieurs, passionnés, amateurs et ceux qui veulent aller au-delà des connaissances ou des informations de base pour tout type de théorème de projection de Hilbert.
En savoir plus sur Fouad Sabry
Technologies Émergentes dans les Choses Autonomes [French]
Lié à Théorème de projection de Hilbert
Titres dans cette série (100)
Histogramme d'image: Dévoilement d'informations visuelles, exploration des profondeurs des histogrammes d'images en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationBanque de filtres: Aperçu des techniques de banque de filtres de Computer Vision Évaluation : 0 sur 5 étoiles0 évaluationPeinture: Combler les lacunes de la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationFonction de correspondance des couleurs: Comprendre la sensibilité spectrale en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationRétinex: Dévoiler les secrets de la vision informatique avec Retinex Évaluation : 0 sur 5 étoiles0 évaluationVision par ordinateur: Explorer les profondeurs de la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationVision par ordinateur sous-marine: Explorer les profondeurs de la vision par ordinateur sous les vagues Évaluation : 0 sur 5 étoiles0 évaluationVision stéréo par ordinateur: Explorer la perception de la profondeur dans la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationSystème de gestion des couleurs: Optimiser la perception visuelle dans les environnements numériques Évaluation : 0 sur 5 étoiles0 évaluationDiffusion anisotrope: Améliorer l'analyse d'images grâce à la diffusion anisotrope Évaluation : 0 sur 5 étoiles0 évaluationÉgalisation d'histogramme: Amélioration du contraste de l'image pour une perception visuelle améliorée Évaluation : 0 sur 5 étoiles0 évaluationRéduction de bruit: Amélioration de la clarté et techniques avancées de réduction du bruit en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationGroupe mixte d'experts en photographie: Libérer la puissance des données visuelles avec la norme JPEG Évaluation : 0 sur 5 étoiles0 évaluationCartographie des tons: Cartographie des tons : perspectives éclairantes en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationCorrection gamma: Améliorer la clarté visuelle en vision par ordinateur : la technique de correction gamma Évaluation : 0 sur 5 étoiles0 évaluationHomographie: Homographie : transformations en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationTransformation affine: Libérer des perspectives visuelles : explorer la transformation affine en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationTransformation du radon: Dévoiler des modèles cachés dans les données visuelles Évaluation : 0 sur 5 étoiles0 évaluationMéthode d'ensemble de niveaux: Faire progresser la vision par ordinateur, explorer la méthode de jeu de niveaux Évaluation : 0 sur 5 étoiles0 évaluationFiltre adaptatif: Améliorer la vision par ordinateur grâce au filtrage adaptatif Évaluation : 0 sur 5 étoiles0 évaluationTransformation de Hough: Dévoiler la magie de la transformation de Hough en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationPerception visuelle: Aperçu du traitement visuel informatique Évaluation : 0 sur 5 étoiles0 évaluationModèle du système visuel humain: Comprendre la perception et le traitement Évaluation : 0 sur 5 étoiles0 évaluationCompression d'images: Techniques efficaces pour l'optimisation des données visuelles Évaluation : 0 sur 5 étoiles0 évaluationEspace colorimétrique: Explorer le spectre de la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationProfil de couleur: Explorer la perception et l'analyse visuelles en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationModèle d'apparence de couleur: Comprendre la perception et la représentation en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationTransformation Hadamard: Dévoilement de la puissance de la transformation Hadamard en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationMoindres carrés: Techniques d'optimisation pour la vision par ordinateur : méthodes des moindres carrés Évaluation : 0 sur 5 étoiles0 évaluationAjustement du forfait: Optimisation des données visuelles pour une reconstruction précise Évaluation : 0 sur 5 étoiles0 évaluation
Livres électroniques liés
Transformation de Hough: Dévoiler la magie de la transformation de Hough en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationMoindres carrés: Techniques d'optimisation pour la vision par ordinateur : méthodes des moindres carrés Évaluation : 0 sur 5 étoiles0 évaluationAnnales de Mathématiques, Baccalauréat C et E, Cameroun, 2008 - 2018: Sujets et Corrigés Évaluation : 4 sur 5 étoiles4/5Infographie bidimensionnelle: Explorer le domaine visuel : l'infographie bidimensionnelle en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationHachage géométrique: Algorithmes efficaces pour la reconnaissance et la correspondance d'images Évaluation : 0 sur 5 étoiles0 évaluationModèle géométrique bidimensionnel: Compréhension et applications en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationAppliquer le modèle de Rasch: Défis et pistes de solution Évaluation : 0 sur 5 étoiles0 évaluationTransformation du radon: Dévoiler des modèles cachés dans les données visuelles Évaluation : 0 sur 5 étoiles0 évaluationUne introduction à la biostatistique, 2e édition Évaluation : 0 sur 5 étoiles0 évaluationDavid Hilbert: Les Grands Articles d'Universalis Évaluation : 0 sur 5 étoiles0 évaluationAxe médial: Explorer le cœur de la vision par ordinateur : dévoiler l'axe médial Évaluation : 0 sur 5 étoiles0 évaluationDiffusion anisotrope: Améliorer l'analyse d'images grâce à la diffusion anisotrope Évaluation : 0 sur 5 étoiles0 évaluationModélisation et rendu basés sur l'image: Explorer le réalisme visuel : techniques de vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationLe Livre de Mathématique: Volume 3 Évaluation : 0 sur 5 étoiles0 évaluationGéométrie computationnelle: Explorer les informations géométriques pour la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationExercices de Calcul Physique : Évaluation : 0 sur 5 étoiles0 évaluationMéthode d'ensemble de niveaux: Faire progresser la vision par ordinateur, explorer la méthode de jeu de niveaux Évaluation : 0 sur 5 étoiles0 évaluationExercices de calcul intégral Évaluation : 0 sur 5 étoiles0 évaluationIntroduction à la modélisation d'équations structurelles: AMOS dans la recherche en gestion Évaluation : 0 sur 5 étoiles0 évaluationTransformation linéaire directe: Applications et techniques pratiques en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationAlgèbre linéaire: Les Grands Articles d'Universalis Évaluation : 0 sur 5 étoiles0 évaluationMéthodes qualitatives, quantitatives et mixtes: Dans la recherche en sciences humaines, sociales et de la santé Évaluation : 0 sur 5 étoiles0 évaluationTrois essais de méthodologie quantitative Évaluation : 0 sur 5 étoiles0 évaluationIntroduction au calcul vectoriel et matriciel Évaluation : 0 sur 5 étoiles0 évaluationAnalyse des données textuelles Évaluation : 0 sur 5 étoiles0 évaluationIntroduction à la Statistique Évaluation : 0 sur 5 étoiles0 évaluationLes tableaux croisés dynamiques avec Excel: Pour aller plus loin dans votre utilisation d'Excel Évaluation : 0 sur 5 étoiles0 évaluationIntroduction à l'optique Évaluation : 0 sur 5 étoiles0 évaluationModèle: Les Grands Articles d'Universalis Évaluation : 0 sur 5 étoiles0 évaluation
Intelligence (IA) et sémantique pour vous
Le guide du hacker : le guide simplifié du débutant pour apprendre les bases du hacking avec Kali Linux Évaluation : 5 sur 5 étoiles5/5Résumé Chatgpt ia Revolution in 2023: Guide de la Technologie Chatgpt et de son Impact Social Évaluation : 0 sur 5 étoiles0 évaluationTravailler dans le Big Data - les 6 métiers vers lesquels s'orienter Évaluation : 5 sur 5 étoiles5/5Histoire et évolution de l'Intelligence Artificielle Évaluation : 5 sur 5 étoiles5/5Intelligence artificielle: la quatrième révolution industrielle Évaluation : 0 sur 5 étoiles0 évaluationMaîtriser ChatGPT : Libérez la puissance de l'IA pour améliorer la communication et les relations: French Évaluation : 0 sur 5 étoiles0 évaluationMaîtrisez ChatGPT : Du débutant à l'expert - Guide pratique pour exploiter la puissance de l'IA conversationnelle Évaluation : 0 sur 5 étoiles0 évaluationL'art de la création d'images avec l'IA : Techniques, applications et défis éthiques Évaluation : 0 sur 5 étoiles0 évaluationMonétisation ChatGPT : Exploitez la Puissance de l'IA: ChatGPT Évaluation : 0 sur 5 étoiles0 évaluationL’Empathie au Cœur de l’Intelligence Artificielle, Comment insérer de l’empathie dans les affaires et l’intelligence artificielle Évaluation : 0 sur 5 étoiles0 évaluationOsons l'IA à l'école: Préparons nos jeunes à la révolution de l'intelligence artificielle Évaluation : 0 sur 5 étoiles0 évaluationChat GPT : Comment ça fonctionne et comment gagner avec l'utilisation de la technologie d'Intelligence Artificielle Évaluation : 0 sur 5 étoiles0 évaluationL'intelligence mixte, vers une nouvelle forme d'intelligence Évaluation : 0 sur 5 étoiles0 évaluationIA dans les Affaires: Guide Pratique de l'Utilisation de l'Intelligence Artificielle dans Divers Secteurs Évaluation : 0 sur 5 étoiles0 évaluationLimites, dangers et menaces de l'Intelligence Artificielle: Un outil sans maîtrises Évaluation : 0 sur 5 étoiles0 évaluationComment Réussir sur Facebook en utilisant ChatGPT: Le pouvoir de ChatGPT : découvrez comment il peut transformer votre stratégie sur Facebook Évaluation : 0 sur 5 étoiles0 évaluationLa prophétie des anciens: Roman dystopique Évaluation : 0 sur 5 étoiles0 évaluationAI Limits, Dangers and Threats: A tool without Mastery Évaluation : 0 sur 5 étoiles0 évaluation
Avis sur Théorème de projection de Hilbert
0 notation0 avis
Aperçu du livre
Théorème de projection de Hilbert - Fouad Sabry
Théorème de projection de Hilbert
Déverrouiller les dimensions dans la vision par ordinateur
Fouad Sabry est l'ancien responsable régional du développement commercial pour les applications chez Hewlett Packard pour l'Europe du Sud, le Moyen-Orient et l'Afrique. Fouad est titulaire d'un baccalauréat ès sciences des systèmes informatiques et du contrôle automatique, d'une double maîtrise, d'une maîtrise en administration des affaires et d'une maîtrise en gestion des technologies de l'information, de l'Université de Melbourne en Australie. Fouad a plus de 25 ans d'expérience dans les technologies de l'information et de la communication, travaillant dans des entreprises locales, régionales et internationales, telles que Vodafone et des machines professionnelles internationales. Actuellement, Fouad est un entrepreneur, auteur, futuriste, axé sur les technologies émergentes et les solutions industrielles, et fondateur de l'initiative One Billion Knowledge.
Un milliard de connaissances
Théorème de projection de Hilbert
Déverrouiller les dimensions dans la vision par ordinateur
Fouad Sabry
Copyright
Théorème © de projection de Hilbert 2024 par Fouad Sabry. Tous droits réservés.
Aucune partie de ce livre ne peut être reproduite sous quelque forme que ce soit ou par quelque moyen électronique ou mécanique que ce soit, y compris les systèmes de stockage et de récupération d'informations, sans l'autorisation écrite de l'auteur. La seule exception est celle d'un critique, qui peut citer de courts extraits dans une critique.
Couverture dessinée par Fouad Sabry.
Bien que toutes les précautions aient été prises dans la préparation de ce livre, les auteurs et les éditeurs n'assument aucune responsabilité pour les erreurs ou omissions, ou pour les dommages résultant de l'utilisation des informations contenues dans le présent document.
Table des matières
Chapitre 1 : Théorème de projection de Hilbert
Chapitre 2 : Voir aussi Convexité en économie Sujet important en économie Non-convexité (économie) Violations des hypothèses de convexité de l'économie élémentaire Liste des sujets de convexité Werner Fenchel Mathématicien allemand Notes ^ a b Rockafellar, R. Tyrrell (1997) [1970]. Analyse convexe. Princeton, NJ : Princeton University Press. ISBN 978-0-691-01586-6. ^ a b c Rockafellar & Wets 2009, pp. 1 28. ^ a b Z ?linescu 2002, p. 75 79. ^ Borwein, Jonathan ; Lewis, Adrian (2006). Analyse convexe et optimisation non linéaire : théorie et exemples (2 éd.). Springer. p. 76 et 77. ISBN 978-0-387-29570-1. ^ a b Bo ?, Radu Ioan ; Wanka, Gert ; Grad, Sorin-Mihai (2009). Dualité dans l'optimisation vectorielle. Springer. ISBN 978-3-642-02885-4. ^ Z ?linescu 2002, p. 106 113. ^ Csetnek, Ern Robert (2010). Surmonter l'échec des conditions classiques de régularité généralisée du point intérieur dans l'optimisation convexe. Applications de la théorie de la dualité à l'agrandissement d'opérateurs monotones maximaux. Logos Verlag Berlin GmbH. ISBN 978-3-8325-2503-3. ^ Borwein, Jonathan ; Lewis, Adrian (2006). Analyse convexe et optimisation non linéaire : théorie et exemples (2 éd.). Springer. ISBN 978-0-387-29570-1. ^ Boyd, Stephen ; Vandenberghe, Lieven (2004). Optimisation convexe (PDF). Cambridge University Press. ISBN 978-0-521-83378-3. (consulté le 3 octobre 2011) ^ La conclusion est immédiate si {\displaystyle X=\{0\}} suppose le contraire. Correction de {\displaystyle x\in X.} En remplaçant f par la norme, on obtient {\displaystyle \partial f(x)=\left\{x^{*}\in X^{*}~ :~\left\langle x^{*},x\right\rangle -\|x\|\geq \left\langle x^{*},z\right\rangle -\|z\|{ \text{ pour tous }}z\in X\right\}.} Si {\displaystyle x^{*}\in \partial f(x)} et r \geq 0 est réel, alors l'utilisation de {\displaystyle z :=rx} donne {\displaystyle \left\langle x^{*},x\riht\rangle -\|x\|\geq \left\langle x^{*},rx\right\rangle -\|rx\|=r\left[\left\langle x^{*},x\right\rangle -\|x\|\right],} où en particulier, la prise de {\displaystyle r :=2} donne {\displaystyle x^{*}(x)\geq \|x\|} en prenant {\displaystyle r :={\frac {1}{2}}} donne {\displaystyle x^{*}(x)\leq \|x\|} et donc {\displaystyle x^{*}(x)=\|x\|} ; De plus, si en plus x\neq 0 alors parce que {\displaystyle x^{*}\left({\frac {x}{\|x\|}} \right)=1,} Il résulte de la définition de la norme duale que {\displaystyle \left\|x^{*}\right\|\geq 1.} Parce que {\displaystyle \partial f(x)\subseteq \left\{x^{*}\in X^{*}~ :~x^{*}(x)=\|x\|\right\},} qui est équivalent à {\displaystyle \partial f(x)=\partial f(x)\cap \left\{x^{*}\in X^{*}~ :~x^{*}(x)=\|x\|\right\},} il suit tat {\displaystyle \partial f(x)=\left\{x^{*}\in X^{*}~ :~x^{*}(x)=\|x\|{ \text{ et }}\|z\|\geq \left\langle x^{*},z\right\rangle {\text{ for all }}z\in X\right\},} ce qui implique {\displaystyle \left\|x^{*}\right\|\leq 1} pour tout {\displaystyle x^{*}\in \partial f(x).} À partir de ces faits, la conclusion peut maintenant être tirée. ? Références Bauschke, Heinz H. ; Combettes, Patrick L. (28 février 2017). Analyse convexe et théorie des opérateurs monotones dans les espaces de Hilbert. Livres CMS en mathématiques. Springer Science & Business Media. ISBN 978-3-319-48311-5. OCLC 1037059594. Boyd, Stephen ; Vandenberghe, Lieven (8 mars 2004). Optimisation convexe. Série Cambridge en mathématiques statistiques et probabilistes. Cambridge, Royaume-Uni New York : Cambridge University Press. ISBN 978-0-521-83378-3. OCLC 53331084. Hiriart-Urruty, J.-B. ; Lemar chal, C. (2001). Principes fondamentaux de l'analyse convexe. Berlin : Springer-Verlag. ISBN 978-3-540-42205-1. Kusraev, A.G. ; Kutateladze, Semen Samsonovich (1995). Sous-différentiels : théorie et applications. Dordrecht : Kluwer Academic Publishers. ISBN 978-94-011-0265-0. Rockafellar, R. Tyrrell ; Wets, Roger J.-B. (26 juin 2009). Analyse variationnelle. Grundlehren der mathematischen Wissenschaften. Vol. 317. Berlin, New York : Springer Science & Business Media. ISBN 9783642024313. OCLC 883392544. Rudin, Walter (1991). Analyse fonctionnelle. Série internationale en mathématiques pures et appliquées. Vol. 8 (deuxième éd.). New York, NY : McGraw-Hill Science/Engineering/Math. ISBN 978-0-07-054236-5. OCLC 21163277. Singer, Ivan (1997). Analyse convexe abstraite. Série de monographies et de textes avancés de la Société mathématique du Canada. New York : John Wiley & Sons, Inc. pp. xxii+491. ISBN 0-471-16015-6. M. 1461544. Stoer, J. ; Witzgall, C. (1970). Convexité et optimisation en dimensions finies. Vol. 1. Berlin : Springer. ISBN 978-0-387-04835-2. Z ?linescu, Constantin (30 juillet 2002). Analyse convexe dans les espaces vectoriels généraux. River Edge, N.J. Londres : World Scientific Publishing. ISBN 978-981-4488-15-0. M. 1921556. OCLC 285163112 � via Internet Archive. Médias liés à l'analyse convexe sur Wikimedia Commons
Chapitre 3 : Espace intérieur du produit
Chapitre 4 : Voir aussi Forme bilinéaire Fonction bilinéaire à valeurs scalaires Système biorthogonal Espace double En mathématiques, espace vectoriel des formes linéaires Espace énergétique Sous-espace d'un espace de Hilbert réel donné équipé d'un nouveau produit interne « énergétique » L-produit semi-intérieur Généralisation des produits internes qui s'applique à tous les espaces normés Distance de Minkowski Métrique mathématique dans l'espace vectoriel normé Base orthogonale Complément orthogonal Base orthonormée Base linéaire spécifique (mathématiques) Variété riemannienne Notes ^ En combinant le linéaire de la propriété du premier argument avec la propriété de symétrie conjuguée, vous obtenez le conjugué-linéaire dans le deuxième argument : {\textstyle \langle x,by\rangle =\langle x,y\rangle {\overline {b}}} . C'est ainsi que le produit interne a été défini à l'origine et est utilisé dans la plupart des contextes mathématiques. Une convention différente a été adoptée en physique théorique et en mécanique quantique, issue de la notation bra-ket de Paul Dirac, où le produit interne est considéré comme linéaire dans le deuxième argument et conjugué-linéaire dans le premier argument ; Cette convention est utilisée dans de nombreux autres domaines tels que l'ingénierie et l'informatique. Références ^ a b c Tr ves 2006, p. 112 125. ^ Schaefer & Wolff 1999, pp. 40 45. ^ Moore, Gregory H. (1995). « L'axiomatisation de l'algèbre linéaire : 1875-1940 ». Historia Mathematica. 22 (3) : 262 303. doi :10.1006/hmat.1995.1025. ^ Schaefer & Wolff 1999, pp. 36 72. ^ Jaïn, P. K. ; Ahmad, Khalil (1995). « 5.1 Définitions et propriétés de base des espaces produits internes et des espaces de Hilbert ». Analyse fonctionnelle (2e éd.). New Age International. , p. 203. ISBN 81-224-0801-X. ^ Prugove ?ki, Eduard (1981). « Définition 2.1 ». Mécanique quantique dans l'espace de Hilbert (2e éd.). Academic Press. pp. 18ff. ISBN 0-12-566060-X. ^ Schaefer 1999, p. 44. ^ Ouwehand, Peter (novembre 2010). « Espaces de variables aléatoires » (PDF). VISE. Archivé de l'original (PDF) le 2017-09-05 . (consulté le 2017-09-05) ^ Siegrist, Kyle (1997). « Espaces vectoriels de variables aléatoires ». Aléatoire : probabilités, statistiques mathématiques, processus stochastiques. (consulté le 2017-09-05) ^ Bigoni, Daniele (2015). « Annexe B : Théorie des probabilités et espaces fonctionnels » (PDF). Quantification de l'incertitude avec applications aux problèmes d'ingénierie (PhD). Université technique du Danemark. (consulté le 2017-09-05) ^ Apostol, Tom M. (1967). « L'inégalité de Ptolémée et la métrique des accords ». Magazine de mathématiques. 40 (5) : 233 235. doi :10.2307/2688275. JSTOR 2688275. ^ a b Rudin 1991, pp. 306 312. ^ Rudin 1991 Bibliographie Axler, Sheldon (1997). L'algèbre linéaire bien faite (2e éd.). Berlin, New York : Springer-Verlag. ISBN 978-0-387-98258-8. Dieudonn , Jean (1969). Traité d'analyse, Vol. I [Fondements de l'analyse moderne] (2e éd.). Academic Press. ISBN 978-1-4067-2791-3. Emch, Gerard G. (1972). Méthodes algébriques en mécanique statistique et théorie quantique des champs. Wiley-Interscience. ISBN 978-0-471-23900-0. Halmos, Paul R. (8 novembre 1982). Un livre sur les problèmes de l'espace de Hilbert. Textes de troisième cycle en mathématiques. Vol. 19 (2e éd.). New York : Springer-Verlag. ISBN 978-0-387-90685-0. OCLC 8169781. Lax, Peter D. (2002). Analyse fonctionnelle (PDF). Mathématiques pures et appliquées. New York : Wiley-Interscience. ISBN 978-0-471-55604-6. OCLC 47767143. (consulté le 22 juillet 2020) Rudin, Walter (1991). Analyse fonctionnelle. Série internationale en mathématiques pures et appliquées. Vol. 8 (deuxième éd.). New York, NY : McGraw-Hill Science/Engineering/Math. ISBN 978-0-07-054236-5. OCLC 21163277. Schaefer, Helmut H. ; Wolff, Manfred P. (1999). Espaces vectoriels topologiques. GTM. Vol. 8 (deuxième éd.). New York, NY : Springer New York Imprint Springer. ISBN 978-1-4612-7155-0. OCLC 840278135. Schechter, Eric (1996). Manuel d'analyse et ses fondements. San Diego, Californie : Academic Press. ISBN 978-0-12-622760-4. OCLC 175294365. Swartz, Charles (1992). Une introduction à l'analyse fonctionnelle. New York : M. Dekker. ISBN 978-0-8247-8643-4. OCLC 24909067. Tr ves, Fran ois (2006) [1967]. Espaces vectoriels topologiques, distributions et noyaux. Mineola, N.Y. : Dover Publications. ISBN 978-0-486-45352-1. OCLC 853623322. Young, Nicholas (1988). Une introduction à l'espace Hilbert. Cambridge University Press. ISBN 978-0-521-33717-5. Zamani, A. ; Moslehian, M.S. ; & Frank, M. (2015) « Angle Preserving Mappings », Journal of Analysis and Applications 34 : 485 à 500 doi :10.4171/ZAA/1551
Chapitre 5 : Opérateur auto-adjoint
Chapitre 6 : Classe Trace
Chapitre 7 : Opérateur (physique)
Chapitre 8 : L'espace de Hilbert
Chapitre 9 : Norme (mathématiques)
Chapitre 10 : Analyse convexe
Appendice
À propos de l'auteur
Chapitre 1 : Théorème de projection de Hilbert
En mathématiques, le théorème de projection de Hilbert est un résultat célèbre de l'analyse convexe qui dit que pour tout vecteur x dans un espace de Hilbert H et tout convexe fermé non vide, {\displaystyle C\subseteq H,} il existe un vecteur unique {\displaystyle m\in C} pour lequel {\displaystyle \|c-x\|} est minimisé sur les vecteurs c\in C ; c'est-à-dire tel que {\displaystyle \|m-x\|\leq \|c-x\|} pour tout {\displaystyle c\in C.}
En considérant la condition du premier ordre du problème d'optimisation, on