From 877044fff0e912a7fe590e61c19f8a0011684e58 Mon Sep 17 00:00:00 2001
From: Alexis BAYLET <alexisbaylet6@gmail.com>
Date: Fri, 27 Mar 2026 14:53:17 +0100
Subject: [PATCH] Refactor RKHS document for improved structure and clarity,
 including detailed kernel definitions and examples.

---
 RKHS.md | 60 ++++++++++++++++++++++++++++++++++++---------------------
 1 file changed, 38 insertions(+), 22 deletions(-)

diff --git a/RKHS.md b/RKHS.md
index 1bd989d..7e020e2 100644
--- a/RKHS.md
+++ b/RKHS.md
@@ -1,42 +1,58 @@
-# RKHS
+Voici une version claire et structurée de vos notes au format Markdown. J'ai utilisé le rendu LaTeX pour les formules mathématiques afin de les rendre plus lisibles.
 
-## Kernel definition
+---
 
-Let `X` be a non empty set. Let $k: \mathbb{X} \times \mathbb{X} \to \mathbb{R}$ symetric and positive definite. 
+# Reproducing Kernel Hilbert Space (RKHS)
 
+## 1. Définition du Noyau (Kernel)
 
-$\forall (x_{1}, ..., x_{n}) \in \mathbb{X}^{n}, \forall c \in \mathbb{R}^{n}, \sum_{i=1}^{n} \sum_{j=1}^{n} c_{i} c_{j} k(x_{i}, x_{j}) \geq 0$
+Soit $\mathcal{X}$ un ensemble non vide. Un noyau est une fonction $k: \mathcal{X} \times \mathcal{X} \to \mathbb{R}$ qui doit être **symétrique** et **définie positive** (PDS).
 
-$ K_{i, j} = k(x_{i}, x_{j}) $
+### Propriété Définie Positive (PDS)
+Un noyau $k$ est dit défini positif si :
+$$\forall (x_{1}, \dots, x_{n}) \in \mathcal{X}^{n}, \forall c \in \mathbb{R}^{n}, \sum_{i=1}^{n} \sum_{j=1}^{n} c_{i} c_{j} k(x_{i}, x_{j}) \geq 0$$
 
-### 1.2 Reproducing Kernel
+> **Matrice de Gram :** Pour un ensemble de points donnés, on définit la matrice $K$ par ses éléments $K_{i, j} = k(x_{i}, x_{j})$. La condition ci-dessus revient à dire que la matrice $K$ est semi-définie positive.
 
-Let `H` be a Hilbert space of functions of real value functions $ f: \mathbb{X} \to \mathbb{R} $ endowed with the inner product $ \langle ., . \rangle_{H} $ k is a reproducing kernel if :
+---
 
-- $ \forall x \in \mathbb{X}, k(., x) \in H $
-- $ \forall f \in H, \forall x \in \mathbb{X}, f(x) = \langle f, k(., x) \rangle_{H} $
+## 2. Noyau Reproduisant
 
-`H` is called the Reproducing Kernel Hilbert Space (RKHS) associated to `k`.
+Soit $H$ un espace de Hilbert composé de fonctions à valeurs réelles $f: \mathcal{X} \to \mathbb{R}$, doté du produit scalaire $\langle \cdot, \cdot \rangle_{H}$. La fonction $k$ est un **noyau reproduisant** si elle vérifie les deux conditions suivantes :
 
+1.  **Appartenance :** $\forall x \in \mathcal{X}, k(\cdot, x) \in H$
+2.  **Propriété de reproduction :** $\forall f \in H, \forall x \in \mathcal{X}, f(x) = \langle f, k(\cdot, x) \rangle_{H}$
 
-**remark:** $ f = K(., x), k(x, x') = \langle k(., x'), k(., x) \rangle_{H} $
+L'espace $H$ est alors appelé l'**Espace de Hilbert à Noyau Reproduisant (RKHS)** associé à $k$.
 
-**Examples of kernels:**
+> **Remarque :** En appliquant la propriété de reproduction à la fonction $f = k(\cdot, x')$, on obtient :
+> $$k(x, x') = \langle k(\cdot, x), k(\cdot, x') \rangle_{H}$$
 
-### kernel PDS
+---
 
-- $k(x, x') = \exp(-\gamma \|x - x'\|^2) $ with $ x, x' \in \mathbb{X} $
-- $k(x, x') = (1 + \langle x, x' \rangle)^{p} $ with $ x, x' \in \mathbb{X} $
+## 3. Exemples de Noyaux PDS
 
-## Moore Aronszajn Theorem (1943)
+Voici deux exemples classiques de noyaux utilisés en apprentissage automatique :
 
-Let `k` be a PDS kernel over $ \mathbb{X} $.
+* **Noyau Gaussien (RBF) :**
+    $$k(x, x') = \exp(-\gamma \|x - x'\|^2) \quad \text{avec } \gamma > 0$$
+* **Noyau Polynomial :**
+    $$k(x, x') = (1 + \langle x, x' \rangle)^{p} \quad \text{avec } p \in \mathbb{N}$$
 
-There exists a Hilbert space `H` and a map $ \Phi: \mathbb{X} \to H $ such that $ \forall x, x' \in \mathbb{X}, k(x, x') = \langle \Phi(x), \Phi(x') \rangle_{H} $
+---
 
-Moreover, there is a unique Hilbert space such that k is a reproducing kernel of `H`.
+## 4. Théorème de Moore-Aronszajn (1943)
 
-Let's call `H` : `H_{k}`
+Ce théorème fondamental établit la relation entre les noyaux PDS et les espaces de Hilbert.
 
-- $ \forall x \in \mathbb{X}, k(., x) \in H $
-- $ \forall f \in H, \forall x \in \mathbb{X}, f(x) = \langle f, k(., x) \rangle_{H} $
\ No newline at end of file
+Soit $k$ un noyau défini positif sur $\mathcal{X}$.
+
+1.  **Existence :** Il existe un espace de Hilbert $H$ et une application (feature map) $\Phi: \mathcal{X} \to H$ tels que :
+    $$\forall x, x' \in \mathcal{X}, k(x, x') = \langle \Phi(x), \Phi(x') \rangle_{H}$$
+2.  **Unicité :** Il existe un unique espace de Hilbert $H_k$ tel que $k$ soit son noyau reproduisant. Cet espace possède les propriétés :
+    * $\forall x \in \mathcal{X}, k(\cdot, x) \in H_k$
+    * $\forall f \in H_k, \forall x \in \mathcal{X}, f(x) = \langle f, k(\cdot, x) \rangle_{H_k}$
+
+---
+
+Souhaitez-vous que je développe davantage une partie spécifique, comme l'application de ces noyaux dans les SVM ou la preuve du théorème ?
\ No newline at end of file