NOMBRES RELATIFS I vocabulaire
Définition. La distance à zéro d'un nombre relatif est le nombre sans son signe. Sur une droite graduée cela correspond à la distance entre l'origine et le
CHAPITRE : NOMBRES RELATIFS - REPERAGE I. Notion de
c) Distance à zéro : La distance d'un point à l'origine est appelée sa distance a) Définition : Un repère du plan est constitué de deux droites graduées ...
Distance-Based Image Classification: Generalizing to new classes
24 avr. 2013 To this end we consider two distance-based classifiers the k-nearest neighbor (k-NN) ... In WSABIE [3] fWSABIE is defined using bc = 0 and
math0300-integers-and-the-number-line.pdf
Math Symbols: Read As. Extended definition n > 0; n is greater than zero The distance from 0 to 3 on the number line is (3) three units.
Chapitre 1 - Espaces topologiques
Par définition ? est un ouvert. N. B. En principe r dépend de x. Exemple 7. Dans R muni de la distance usuelle
Limites et asymptotes
Définition 1 : Soit f une fonction définie au moins sur un intervalle du type [a points de même ordonnée et la distance PM tend vers zéro lorsque cette.
Measuring and testing dependence by correlation of distances
classical definition of correlation distance correlation is zero only if the random vectors are independent. The empirical distance depen-.
Contextual metrics. A mathematical definition for a comprehensive
24 sept. 2020 So if : × ? [0
RGE ALTI® Version 2.0 - Descriptif de contenu
Altitude : Distance verticale d'un point à une surface de référence. Distance D Définition. 0. Distance d'interpolation inférieure à 1 m.
Utiliser les distances algébriques en optique
A B est placée à 50 cm du centre optique O d'une lentille convergente avec 'A situé sur l'axe optique
2-1 Position Displacement and Distance
2-1 Position Displacement and Distance In describing an object’s motion we should first talk about position – where is the object? A position is a vector because it has both a magnitude and a direction: it is some distance from a zero point (the point we call the origin) in a particular direction With one-dimensional motion
MATH VOCABULARY TERMS - Lancaster High School
Absolute Value—the distance that a number is from zero on the number line (positive) Acute angle—an angle with a measure less than 90o Addends—any number being added Additive Identity Property of Zero—for any number n n+ 0 = n Additive Identity—the number zero Additive Inverse—a number whose sum with a given number is 0 Also called
TERM DEFINITION SOURCE EXAMPLE A number’s distance from zero
Absolute value A number’s distance from zero Distance is expressed as a positive value Adapted from Smarter Balanced Mathematics Glossary ?6? = 6 and ?-6?= 6 Acute angle An angle that measures less than 90° and more than 0° Smarter Balanced Mathematics Glossary
Searches related to distance a zero definition PDF
In R we can use the Euclidean distance to measure the length of the interval from 0 to 1 which has the length 1 Now let’s look at the length of what we have remaining in [01] at each step: Step n (k) Number of subintervals remaining Length of one subinterval Ink total length ? 2n k=1 Ink 0 1 1 1 1 2 1/3 2/3
Euclidean Distance
We start with the most common distance measure, namely Euclidean distance. It is a distance measure that best can be explained as the length of a segment connecting two points. The formula is rather straightforward as the distance is calculated from the cartesian coordinates of the points using the Pythagorean theorem.
Cosine Similarity
Cosine similarity has often been used as a way to counteract Euclidean distance’s problem with high dimensionality. The cosine similarity is simply the cosine of the angle between two vectors. It also has the same inner product of the vectors if they were normalized to both have length one. Two vectors with exactly the same orientation have a cosin...
Hamming Distance
Hamming distance is the number of values that are different between two vectors. It is typically used to compare two binary strings of equal length. It can also be used for strings to compare how similar they are to each other by calculating the number of characters that are different from each other.
Manhattan Distance
The Manhattan distance, often called Taxicab distance or City Block distance, calculates the distance between real-valued vectors. Imagine vectors that describe objects on a uniform grid such as a chessboard. Manhattan distance then refers to the distance between two vectors if they could only move right angles. There is no diagonal movement involv...
Chebyshev Distance
Chebyshev distance is defined as the greatest of difference between two vectors along any coordinate dimension. In other words, it is simply the maximum distance along one axis. Due to its nature, it is often referred to as Chessboard distance since the minimum number of moves needed by a king to go from one square to another is equal to Chebyshev ...
Minkowski
Minkowski distance is a bit more intricate measure than most. It is a metric used in Normed vector space (n-dimensional real space), which means that it can be used in a space where distances can be represented as a vector that has a length. This measure has three requirements: 1. Zero Vector — The zero vector has a length of zero whereas every oth...
Jaccard Index
The Jaccard index (or Intersection over Union) is a metric used to calculate the similarity and diversity of sample sets. It is the size of the intersection divided by the size of the union of the sample sets. In practice, it is the total number of similar entities between sets divided by the total number of entities. For example, if two sets have ...
Haversine
Haversine distance is the distance between two points on a sphere given their longitudes and latitudes. It is very similar to Euclidean distance in that it calculates the shortest line between two points. The main difference is that no straight line is possible since the assumption here is that the two points are on a sphere.
Sørensen-Dice Index
The Sørensen-Dice index is very similar to Jaccard index in that it measures the similarity and diversity of sample sets. Although they are calculated similarly the Sørensen-Dice index is a bit more intuitive because it can be seen as the percentage of overlap between two sets, which is a value between 0 and 1:
What is the total distance traveled?
The total distance traveled is the sum of the magnitudes of the individual displacements, 8 m + 3 m = 11 m. The net displacement (the vector sum of the individual displacements), however, is still 5 meters to the left: .
What is the measure zero theorem?
Measure Zero?: Definition?:Let X be a subset of ?R?, the real number line, X has ?measure zero?if and only if ? ? > 0 ? a set of open intervals, {I?1?,...,I?k?}, 1?k??, such that (?i?)X ??I?k? and (?ii?)|I?k?|. ? k=1 ? k=1 ? ? Theorem 1?:IIf X is a finite set, X a subset of ?R?, then X has measure zero.
What is the difference between a zero vector and a positive vector?
Zero Vector — The zero vector has a length of zero whereas every other vector has a positive length. For example, if we travel from one place to another, then that distance is always positive. However, if we travel from one place to itself, then that distance is zero.
What is an example of a set with measure zero?
This Cantor Set in 2D (which has infinitely many points) is another example of a set with measure zero. Figure 2?:MatLab output for n=0,...,4 In the long run the white part of the square will be so thin that it will not take up any area. There will be individual white strings in the carpet, but their area will equal 0.
Chapitre 1
Espaces topologiques
1.1 Notion de topologie, ouverts
Définition 1.On appelleespace topologiqueun couple(X,T)oùXest un ensemble etTune famille de parties deXvérifiant : (T1)∅ ? T,X? T, (T2) Une intersection finie d"éléments deTappartient àT, (T3) Une reunion quelconque d"éléments deTappartient àT.On appelleTla topologie surX.
Exemple 1.X=RnavecTla famille des ensembles ouverts deRn. Exemple 2.XavecT={∅,X}. On appelleTla topologie chaotique. Exemple 3.XavecT=P(X), la famille de toutes les parties deX. On appelleTla topologie discrete. On peut construire des topologies à l"aide dedistances. Définition 2.SoitXun ensemble non vide. Unedistance (métrique)surXest une application (x,y)?→d(x,y)deX×XdansR+telle que : (D1)d(x,y) = 0??x=y, (D2)d(x,y) =d(y,x),?x,y?X,Exemple 4.X=Rnavec
d(x,y) =? ???n i=1(xi-yi)2, x,y?Rn. C"est la distance Euclidienne surRn. 12CHAPITRE 1. ESPACES TOPOLOGIQUES
Exemple 5.Sur tout ensemble non videXon peut définir une distance. Par exemple, en posant d(x,y) =?0,six=y
1,six?=y.
C"est la distance "discrète" surX.
Définition 3.Unespace métriqueest un couple(X,d), oùdest une distance surX. Définition 4.Soit(X,d)un espace métrique. Pourx?Xetr >0, on définit : a) laboule ouvertede centrexet rayonr:B(x,r) ={y?X;d(y,x)< r}; Exemple 6.DansRmuni de la distance usuelle,B(1,1) =]0,2[.Définition 5.Soit(X,d)un espace métrique. Par définition, une partie non-videUdeXest unouvert
si, pour toutx?U, il existe unr >0tel queB(x,r)?U. Par définition∅est un ouvert.N. B.En principe,rdépend dex.
Exemple 7.DansRmuni de la distance usuelle,U=]0,1[est un ouvert. En effet, si on pose, pourx?U, r= min{x,1-x}, on vérifie aisément queB(x,r)?U.Proposition 1.Soit(X,d)un espace métrique.
1. Une intersection finie d"ouverts est ouverte.
2. Une reunion quelconque d"ouverts est ouverte.
Démonstration.1) Soitx?n?
i=1U i. On ax?Ui,i= 1,...,n. ChaqueUiétant ouvert, il existe unri>0 tel queB(x,ri)?Ui,i= 1,...,n. Soitr= min{r1,...,rn}. AlorsB(x,r)?B(x,ri),i= 1,...,n, et doncB(x,r)?Ui,i= 1,...,n. Il s"ensuit queB(x,r)?n? i=1U i.2) Soitx??
i?IU i. Il existe uni0?Itel quex?Ui0.Ui0étant ouvert, il existe unr >0tel queB(x,r)?Ui0. Pour ce mêmer, on aB(x,r)??
i?IU i.Définition 6.Soit(X,d)un espace métrique. Latopologie métriquede(X,d)estT={U?X;Uest un ouvert}.
Donc on peut voir un espace métrique comme un cas particulier d"un espace topologique. Terminologie.On appelle les éléments d"une topologieTaussi les ouverts de l"espace(X,T).1.1. NOTION DE TOPOLOGIE, OUVERTS3
Définition 7.Soit(X,T)un espace topologique. On dit queXest un espace deHausdorff, ou séparé,
si pour deux pointsx,ydistincts on trouve deux ouvertsU,V? T, t.q.x?U,y?VetU∩V=∅. Proposition 2.Un espace métrique est un espace de Hausdorff (pour la topologie métrique). Démonstration.Soit(X,d)un espace métrique. Soientx,y?X,x?=y. Alorsρ=d(x,y)2 >0. On pose U=B(x,ρ)etV=B(y,ρ). Supposons quez?U∩V. AlorsCeci est une contradiction. DoncU∩V=∅etXest Hausdorff.Exemple 8.On revient à l"exemple de la topologie chaotique,XavecT={∅,X}. Le seul ouvert qui
contient un point deXestXlui-même. Donc siXcontient deux points, ces deux points ne peuvent pas être dans deux ouverts différents. Alors siXcontient plus qu"un point il n"est pas Hausdorff. Définition 8.Soit(X,T)un espace topologique. Un ensembleF?Xestfermési son complémentaire F cest ouvert, c.-à.-d. siFc? T. Exemple 9.∅etXsont à la fois ouverts et fermés. Proposition 3.Dans un espace de HausdorffXtout ensemble fini est fermé. Démonstration.Il suffit de montrer que{x}est fermé, oùx?X. Soity? {x}c(on suppose queXa plus qu"un point.) Alors on peut choisir un ouvertVy?Xqui contientymais pasx. Il s"ensuit que {x}c=? y?{x}cVyqui est alors reunion des ouverts, donc ouvert.Proposition 4.Soit(X,d)un espace métrique.1. Pour toutx?Xet toutr >0,B(x,r)est un ouvert.
2. Pour toutx?Xet toutr >0,B(x,r)est un fermé.
Démonstration.1) Soity?B(x,r). On aρ=r-d(y,x)>0. On va prouver queB(y,ρ)?B(x,r). En effet,2) On doit montrer queB(x,r)cest un ouvert. Soity?B(x,r)c;ysatisfait doncd(y,x)> r. Soit
ρ=d(y,x)-r >0. On a
z?B(y,ρ) =?d(z,x)≥d(y,x)-d(z,y)> d(y,x)-ρ=r=?z?B(x,r)c; autrement dit, on aB(y,ρ)?B(x,r)c.Proposition 5.Soit(X,T)un espace topologique. Alors4CHAPITRE 1. ESPACES TOPOLOGIQUES
1. Une reunion finie de fermés est fermé.
2. Une intersection quelconque de fermés est fermé.
Démonstration.1) SoientFi,i= 1,...,ndes fermés. AlorsUi=Fcisont ouverts. On a n i=1F i=n? i=1X\Ui=X\n? i=1U i ce qui est fermé car par (T2) ?n i=1Uiest ouvert.2) SoientFi,i?Ides fermés etUi=Fci. On a
i?IF i=? i?IX\Ui=X\? i?IU i ce qui est fermé car par (T3) i?IUiest ouvert.1.2 Espaces normés Définition 9.SoitEun espace vectoriel réel. UnenormesurEest une applicationx?→ ?x?deEdans R += [0,∞[telle que : (N1)?x?= 0??x= 0; (N2)|λx?=|λ|?x?,?λ?R,?x?E;Exemple 10.On rappelle que, dansRn,?x?2=?
n? i=1x 2i? 1/2 est une norme (lanorme euclidienne standard); ici,x= (x1,...,xn). Exemple 11.On vérifie aisément que, dansRn, les formules?x?1=n? i=1|xi|et ?x?∞= max{|x1|,...,|xn|}définissent des normes. Exemple 12.Pour1< p <∞etx?Rn, on définit?x?p=? n? i=1|xi|p? 1/p (pourp= 2, on retrouve lecas particulier de la norme euclidienne).? ?pvérifie clairement (N1) et (N2). On peut montrer que? ?p
vérifie aussi (N3); c"est l"inégalité de Minkowski prouvée à la fin de ce chapitre. Par conséquent,? ?pest
une norme.SurR, toutes les normes définies ci-dessus coïncident avec l"applicationx?→ |x|. Cette norme est la
norme usuellesurR. Définition 10.Unespace norméest un couple(E,? ?), où? ?est une norme surE.1.3. INTÉRIEUR, ADHÉRENCE5
Proposition 6.Un espace normé(E,? ?)est un espace métrique pour la métriqued(x,y) =?x-y?, ?x,y?X. Démonstration.(D1) découle de (N1). Pour vérifier (D2), on note que d(y,x) =?y-x?=?(-1)(x-y)?=| -1|?x-y?=?x-y?=d(x,y). (D3) est une conséquence de (N3) :Définition 11.Soit(X,T)un espace topologique. PourA?X, on définit l"intérieur deA,◦A, par
◦A=?Uouvert, U?AU
et l"adhérence deA,A, parA=?Ffermé, F?AF.
Proposition 7.SoitAune partie d"un espace topologique. a)◦Aest un ouvert contenu dansA. b) SiUest un ouvert etU?A, alorsU?◦A.Autrement dit,
◦Aest le plus grand ouvert contenu dansA. a")Aest un fermé contenantA. b") SiFest un fermé etF?A, alorsF?A. Autrement dit,Aest le plus petit fermé contenantA.Démonstration.a)◦Aest une union d"ouverts contenus dansA, donc un ouvert contenu dansA. b) Par
définition! La preuve est identique pour a"), b").Exemple 13.On considère, dansRmuni de la distance usuelle,A= [0,1[. Alors◦A=]0,1[etA= [0,1].
En effet,]0,1[est un ouvert contenu dansA,[0,1]est un fermé contenantA, et donc]0,1[?◦A?A?A?[0,1]. On a donc soit◦A=A, soit◦A=]0,1[. Pour éliminer la première possibilité, on montre queAn"est
pas un ouvert. Par l"absurde : sinon, il existe unr >0tel queB(0,r) =]-r,r[?A. Or,-r/2?B(0,r), mais-r/2??A. Contradiction. PourA, il y a aussi deux possibilités :A= [0,1]ouA=A. On n"est pasdans le deuxième cas, carAn"est pas fermé. Ceci revient à montrer queAc=]- ∞,0[?[1,+∞[n"est pas
un ouvert et se démontre par l"absurde (il n"y a pas der >0tel queB(1,r)?Ac).6CHAPITRE 1. ESPACES TOPOLOGIQUES
Proposition 8.SoientAetBdeux parties d"un espace topologique.1. On aA?B=?◦A?◦BetA?B.
2. ◦A=X\A cetA=X\◦Ac.Démonstration.1. Evident.
2. On prouve la première égalité, qui revient, après passage au complémentaire, àX\◦A=A
c. (En l"appliquant àAcon obtient la seconde égalité.) On a ◦A=?Uouvert, U?AU=?X\◦A=?
Uouvert, U?AU
c=?Ffermé, F?AcF=A
c.Proposition 9.Dans un espace topologique,1.Uouvert??U=◦U.
2.Ffermé??F=F.
Démonstration.1. "?=" est claire, car◦Uest un ouvert. Réciproquement, siUest ouvert, alors le point
b) de la proposition précédente impliqueU?◦U. Par ailleurs, on a toujoursU?◦U, d"où l"égalité
voulue.2. Par passage au complémentaire de a) :Ffermé??Fcouvert??Fc=◦Fc=X\F??F=F.Proposition 10.Dans un espace topologique
1.A?B=A?B.
2.A∩B?A∩B. En général, l"inclusion est stricte.
3. ◦A∩B=◦A∩◦B. 4. ◦A?B?◦A?◦B. En général, l"inclusion est stricte. Démonstration.1.A?A?B=?A?A?B; de même,B?A?Bet par conséquentA?B?A?B. Par ailleurs,A?Best un fermé contenantA?Bet doncA?B?A?B.2. CommeA∩B?A, on aA∩B?A; de même,A∩B?B, d"oùA∩B?A∩B.
Un exemple d"inclusion stricte : dansRmuni de la distance usuelle, on prendA= [0,1[,B=]1,2]. Ona vu queA= [0,1]; par le même raisonnement,B= [1,2]. AlorsA∩B=∅=∅, maisA∩B={1}.
3. Comme dans 2, on a
◦A∩B?◦A∩◦B. Par ailleurs,◦A∩◦Best un ouvert contenu dansA∩Bet donc
◦A∩◦B?◦A∩B.4. L"inclusion se montre comme dans 1. Un exemple d"inclusion stricte : on prendA,Bcomme dans
2. Alors (pourquoi?)◦A?B=]0,2[et◦A?◦B=]0,2[\{1}.
1.4. VOISINAGE D"UN POINT7
1.4 Voisinage d"un point
Définition 12.Soit(X,T)un espace topologique. On appelle voisinage dex?Xtoute ensembleV?X qui contient un ouvertUqui contientx. Un poseVxla famille des voisinages dex. Proposition 11.SoitAune partie d"un espace topologique.1.x?◦Asi et seulement siAcontient un voisinage dex.
2.x?Asi et seulement siAintersecte tout voisinage dex.
Démonstration.1. Soitx?◦A. Alors◦Aest un voisinage dexqui est contenu dansA. On suppose queAcontient un voisinage dex. Alors il existe un ouvertUt.q.x?U?A. Donc par definition de l"interieurx?U?◦A.2.x?Assix /?A
c=◦AcssiAcne contient pas de voisinage dexssiAintersecte tout voisinage dex.1.5 SuitesSi(xn)est une suite, on notera une suite extraite (=sous-suite) soit par(xnk), soit parx?(n). Dans le
premier cas,n0,n1,...,est une suite strictement croissante d"entiers; dans le second,?:N→Nest une
application strictement croissante.Par abus de notation, si tous les termes d"une suite(xn)appartiennent à un ensembleX, on écrit(xn)?X.
Définition 13.Soit(X,T)un espace topologique. Si(xn)?Xetx?X, alors, par définition,xn→x ((xn)convergeversx) si et seulement si tout voisinage dexcontient presque tout point de la suite, c.-à.-d. ?V? Vx?,NV?Nt.q.?n≥NV:xn?V.Une suite(xn)est convergente s"il existe unx?Xtel quexn→x. On écrit alorsx= limn→∞xn.
Il est évident, à partir de la définition, que si(xn)→xet si(xnk)est une sous-suite, alorsxnk→x.
Exemple 14.(X,T)avecT={∅,X}. Alors le seul voisinage d"un point estX. Il s"ensuit que chaque point deXest limite de chaque suite deX! Exemple 15.(X,T)avecT=P(X). Alors{x}est un ouvert donc un voisinage. Il s"ensuit qu"une suite (xn)converge versxsi et seulement si?N?n≥N:xn=x. Proposition 12.Soit(X,T)un espace de Hausdorff. Alors une suite converge vers au plus un point de X.8CHAPITRE 1. ESPACES TOPOLOGIQUES
Démonstration.Supposons quexetysont limite d"une suite(xn). Six?=yil existe deux ouverts disjoints,
UetV,x?U,y?V. MaisU∩Vest un voisinage dexet contient donc presque tout point de la suite.Contradiction!Proposition 13.Soit(X,d)un espace métrique. Alors(xn)converge versxsi et seulement sid(xn,x)→
0où encore
?? >0?N??Nt.q.?n≥N?:d(xn,x)< ?. Démonstration.x= limnxnsi et seulement si tout voisinage dexcontient presque tout point de(xn).Ceci est équivalent à dire que tout ouvert contenantxcontient presque tout point de(xn). Ceci est
équivalent à dire que toute boule ouverte de centrexcontient presque tout point de(xn).1.6 Caractérisation des ensembles à l"aide des suites
Pour cette section on demande que(X,d)soit un espace métrique. Proposition 14.Soit(X,d)un espace métrique etF?X. AlorsF={x?X;?(xn)?Ftelle quexn→x}.Démonstration."?" On considère unxappartenant à l"ensemble de droite. Soitr >0. Il existen0tel
qued(xn,x)< r,n≥n0. En particulier,xn0?B(x,r)∩F, et doncB(x,r)∩F?=∅, d"oùx?F. "?" Soitx?F. Pourn?N, on considère unxn?F∩B(x,1/(n+1)). Alors(xn)?F,d(xn,x)<1/(n+1)et doncxn→x.Corollaire 1.Fest un fermé??pour toute suite convergente(xn)?Fon alimn→∞xn?F.
Démonstration."=?" Sixest tel qu"il existe une suite(xn)?Ftelle quexn→x, alorsx?F=F. "?=" Six?F, il existe une suite(xn)?Ftelle quexn→x. Par conséquent,x?F, et doncF?F.Comme on a toujoursF?F, on trouveF=F, et doncFest fermé.1.7 Comparaison des topologies sur un même espace
Définition 14.SoitXun ensemble etT1,T2deux topologies surX. On dit que la topologieT1est plus grossière queT2(ouT2est plus fine queT1) siT1? T2. Remarque 1.Si une suite(xn)converge versxpour la topologieT2(qui est plus fine queT1) alors elle converge aussi versxpour la topologieT1. Définition 15.SoitEun espace vectoriel. Deux normes? ?1,? ?2surEsontéquivalentes??1.8. CONSTRUCTION DES ESPACES TOPOLOGIQUES9
Définition 16.SoitXun ensemble non vide. Deux distancesd1,d2surXsontéquivalentes??Il est facile de vérifier que l"équivalence des normes ou distances est, comme son nom l"indique, une
relation d"équivalence.Le résultat suivant est évident :
Proposition 15.Soit? ?1,? ?2deux normes équivalentes surE. Alors les distances associées à? ?1,
2sont équivalentes.
Proposition 16.Soitd1,d2deux distances équivalentes sur l"ensembleX. Alors les topologies ils defi-
nissent sont les mêmes. Plus précisement : b) les fermés de(X,d1)et de(X,d2)coïncident; c) les ouverts de(X,d1)et de(X,d2)coïncident.Démonstration.a) Exercice! b) C"est une conséquence de a) et de la caractérisation des fermés à l"aide
des suites. c) Par passage au complémentaire de b).On montrera plus tard le résultat fondamental suivant :
Théorème 1.SoitEun espace vectoriel réelde dimension finie. Alors toutes les normes surEsont
équivalentes.
Il s"ensuit que, pour ce qui concerne les ouverts, fermés, suites convergentes, le choix de la norme sur
un tel espace est immatériel. En particulier, on ne précisera pas la norme surE. Par exemple, "DansRn,
..." sous-entend "DansRnmuni d"une norme (et de la distance associée), ...".1.8 Construction des espaces topologiques
1.8.1 Base et sous-base d"une topologie
SoitXun ensemble etSune collection de parties deX. On poseB={intersections finies d"éléments deS }etT={réunions d"éléments deB} ? {∅} ? {X}.
Proposition 17.Test une topologie surX. Plus précisément,Test la plus petite topologie contenantS.
Démonstration.(T1) et (T3) étant immédiats, il suffit de vérifier que, si U 1=? i 1?I1B i1,1, ... ,Un=? i n?InB in,n,10CHAPITRE 1. ESPACES TOPOLOGIQUES
est une collection finie d"élements deT, oùBi1,1, ... , Bin,n? B, alorsU1∩ ··· ∩Un? T. En effet,
U1∩ ··· ∩Un=?
i1?I1,...in?InB
i1,1∩ ··· ∩Bin,n.MaisBi1,1∩···∩Bin,nest une intersection finie d"éléments deS, et doncU1∩···∩Un? T. Il s"ensuit queT
est une topologie. De plus,T ? B ? S. Réciproquement, toute topologie surXcontenantScontientB (d"après (T2)) etT, d"après (T1) et (T3).On appelleBetSlabaseet lasous-basede la topologieT. Exemple 16.DansR, on poseSla collection de tous les intervalles de la forme]a,b[. On a alors B={∅} ? Set la topologieTengendré coïncide avec la topologie usuelle.1.8.2 Sous-espace
Définition 17.SoitA?Xune partie d"un espace topologique(X,T). On pose TA={U∩A|U? T }
et l"appelle la topologieinduitesurA(ou la topologierelativesurA).Lemme 1.TAest une topologie surA.
Démonstration.(T1)∅=∅ ∩AetX=X∩Adonc∅,X? TA. (T2) SoitIfini alors? i?I(Ui∩A) = (? i?IUi)∩A. Alors une intersection finie d"ensembles de la formeUi∩A,Uiouvert, est ouverte pour la topologie induite. (T3) SoitIquelconque alors? i?I(Ui∩A) = (? i?IUi)∩A. Alors une reunion quelconque d"ensemblesde la formeUi∩A,Uiouvert, est ouverte pour la topologie induite.Proposition 18.SoitA?Xune partie d"un espace topologique(X,T)etx?A. AlorsVest un voisinage
dexpour la topologieTAsi et seulement s"il existe un voisinageW?Xpourx(pour la topologieT), tel queV=W∩A. Démonstration.SoitVun voisinage dexpour la topologieTA. Alors il existeU? TAt.q.x?U?V. Alors il existe˜U? Tt.q.U=˜U∩A. PoseW=˜U?V. AlorsWest voisinage dexpour la topologieT etV=W∩A. SoitWvoisinage dexpour la topologieT. Alors il existe˜U? Tt.q.x?˜U?W. PoseV=W∩A. AlorsU=˜U∩Aest un ouvert deTAqui contientxet est contenu dansV. DoncVest voisinage dexpour la topologieTA.Proposition 19.SoitA?Xune partie d"un espace métrique(X,d). SoitdAla restriction dedsur
A×A. Alors(A,dA)est un espace métrique etTAest la topologie métrique dedA. Démonstration.On utilise queBdA(x,r) =Bd(x,r)∩A.1.8. CONSTRUCTION DES ESPACES TOPOLOGIQUES11
1.8.3 Produit d"espaces
Cartesien. La topologieproduitest la familleTde parties deXqui sont reunion quelconque d"ensembles de la forme U1× ··· ×Un. Uk? Tk.
Lemme 2.Test une topologie surX.
Démonstration.(T1)∅=∅ × ··· × ∅etX=X1× ··· ×Xndonc∅,X? TA.
(T2) Un ouvert est de la forme? i=(i1,···,in)?IUi1× ··· ×UinoùIest une famille de multi-indices quelconque. Or i?IU i1× ··· ×Uin? j?JV j1× ··· ×Vjn) i?I;j?J((Ui1× ··· ×Uin)∩(Vj1× ··· ×Vjn)) (i,j)?I×J(Ui1∩Vj1)× ··· ×(Uin∩Vjn) etUik∩Vjksont des ouverts dansXk.X×X→R+donné par
D(x,y) = maxkdk(xk,yk).
Alors(X,D)est un espace métrique etTest la topologie métrique deD.Remarque 2.Dp(x,y) = (?
kdk(xk,yk)p)1p Démonstration.SoitU? Tetx?U. Il existe doncUi? Tit.q.x?U1×U2. CommeTiest métrique par rapport àdiil existerit.q.Bdi(xi,ri)?Ui. Soitr= min{r1,r2}. Alorsx= (x1,x2)?Bd1(x1,r)× B d1(x2,r). OrBd1(x1,r)×Bd1(x2,r) =BD(x,r)ce qui montre queUest ouvert pourD. Ceci montredu produit. Alors une suite(xn)n?Xconverge versxsi et seulement si toutes les suites données par les
Démonstration.Soit(xn)nune suite dansX. On suppose d"abord que la suite converge versxdansX. Alors dans tout voisinageV? Vxse trouve presque tout point de la suite. SoitViun voisinage de la composantexidansXi. AlorsVicontient un ouvertUiqui contientxi. CommeU1× ··· ×Unest un12CHAPITRE 1. ESPACES TOPOLOGIQUES
voisinage dexil contient presque tout point de la suite(xn)n. DoncVicontient presque tout point de la
suite(xni)n. Donc(xni)ntend versxi. Supposons maintenant que les(xni)ntend versxi. SoitVun voisinage dex. Or commeVcontient unouvert qui contientxil contient même un ouvert de la formeU1×···×Un,Ui? Ti, qui contientx.Uiest
un voisinage dexiet donc contient presque tout point de la suite(xni)n. Donc d"abordU1× ··· ×Unet
en conséquence aussiVcontient presque tout point de la suite(xn)n. Donc(xn)ntend versx.1.8.4 Espace quotient
Définition 19.Soit≂une relation d"équivalence sur un espace topologique(X,T). On pose˜X=X/≂
l"ensemble des classes d"équivalance de la relation et note[x]?˜Xla classe dex. Soitq:X→˜Xla
surjection canonique,q(x) = [x]. On pose T˜X={U?˜X|q-1(U)? T }
et l"appelle la topologiequotientsur˜X.Lemme 3.T˜Xest une topologie sur˜X.
(T2) Pour n"importe quelle application?:X→YetA,B?Xon a?-1(A∩B) =?-1(A)∩?-1(B).On applique celui à?=qetA,Bdeux ouverts deX.
quotesdbs_dbs22.pdfusesText_28[PDF] ecriture fractionnaire 6ème collège
[PDF] ecritures fractionnaires 6ème
[PDF] exemple décriture fractionnaire
[PDF] lecon ecriture fractionnaire 6eme
[PDF] abscisse ordonnée altitude 4eme
[PDF] se repérer dans un parallélépipède rectangle 4eme
[PDF] modele contrat de pret entre particulier gratuit quebec
[PDF] repérage dans un pavé droit exercice
[PDF] repérage dans l'espace 3eme exercices
[PDF] repérage dans un parallélépipède rectangle 3eme
[PDF] exercice repérage dans un parallélépipède rectangle 4ème
[PDF] se repérer dans lespace 4eme exercices
[PDF] justifier absence examen fac
[PDF] absence controle continu fac