INSA TOULOUSE Ann´ ee 2015-2016 D´ epartement STPI
3` eme ann´ee MIC
Correction Examen
UV Des donn´ ees aux mod` eles Partie - Probl` emes inverses
I/ Exercices de chauffe
1. Rappelez au moins deux caract´ erisations des matrices sym´ etriques d´ efinies positives (SDP).
Correction : Les matrices SDP r´ eelles de taille n sont les matrices sym´ etriques A ∈ R
n×nqui satisfont une des quatres conditions suivantes :
– hAx, xi ≥ 0, ∀x ∈ R
n.
– Toutes les valeurs propres de A sont strictement positives.
– L’application (x, y) 7→ hAx, yi d´ efinit un produit scalaire.
– Il existe une matrice B ∈ R
n×ninversible (souvent not´ ee A
1/2ou √
A) telle que A = B
2. 2. Soit J (x) = hAx, xi o` u A ∈ R
n×nest une matrice arbitraire. D´ eterminez ∇J (x).
Correction : On a
J (x + h) = hA(x + h), (x + h)i
= hAx, xi + hAx, hi + hAh, xi + hAh, hi
= J(x) + hAx, hi + hh, A
∗xi + o(khk
22).
Par identification de la partie lin´ eaire en h, on obtient ∇J (x) = Ax + A
∗x.
3. Soit A ∈ R
m×nune matrice arbitraire. Calculez les valeurs singuli` eres de la matrice B suivante en fonction de celles de A.
B =
0
m,mA A
∗0
n,nCorrection : On a B
∗= B, d’o` u : B
∗B =
0 U ΣV
TV Σ
TU 0
0 UΣV
TV Σ
TU 0
=
U ΣΣ
TU
T0 0 V Σ
TΣV
T=
U 0
0 V
ΣΣ
T0 0 Σ
TΣ
U
T0 0 V
T.
La matrix W =
U 0 0 V
est une matrice orthogonale. Dans la derni` ere ´ egalit´ e, on a donc obtenu une diagonalisation de B
∗B. Les valeurs propres de B
∗B se lisent sur la matrice diagonale
ΣΣ
T0 0 Σ
TΣ.
Elles sont ´ egales ` a σ
2k, le carr´ e des valeurs singuli` eres de A. Les valeurs singuli` eres de B sont ´ egales ` a la racine des valeurs propres de B
∗B. Donc les valeurs propres de B ordonn´ ees sont donc : (σ
1, σ
1, σ
2, σ
2, . . . , σ
n≥ σ
n).
II/ Probl` eme inverse
On pose
A =
3 1 2 1 0 0 2 1 2 4 0 0
1
1. D´ eterminez l’image de A.
Correction : On a Im(A) = vect
3 1 2 4
,
1 0 1 0
.
2. D´ eterminez le rang de A.
Correction : On a rang(A) = dim(Im(A)) = 2, car les deux derni` eres colonnes sont lin´ eairement d´ ependantes.
3. On pose E = R
3et F = vect
3 1 2 4
,
1 0 1 0
. On consid` ere le probl` eme inverse suivant :
“Etant donn´ e b ∈ F , trouver x ∈ E tel que Ax = b”.
Est-ce que le probl` eme suivant est bien pos´ e pour des perturbations du second membre dans F ? Correction : Non. La solution n’est pas unique car deux colonnes sont lin´ eairement d´ ependantes.
4. Est-ce que le probl` eme suivant est bien pos´ e pour des perturbations du second membre dans R
4?
Correction : Le probl` eme n’est pas bien pos´ e car pour des perturbations dans R
4, la solution du probl` eme perturb´ e peut ne pas exister.
III/ Courant-Fischer
Le th´ eor` eme de Courant-Fischer est un r´ esultat fondamental qui caract´ erise les valeurs propres d’une matrice sym´ etrique. Soit A ∈ R
n×nune matrice sym´ etrique et soit S
kl’ensemble de tous les sous-espaces vectoriels de R
nde dimension k. Comme A est sym´ etrique, elle est diagonalisable et on note λ
1≥ λ
2≥ . . . ≥ λ
nses valeurs propres. Le th´ eor` eme de Courant-Fischer est le suivant :
∀k ∈ {1, . . . , n}, λ
k= sup
V∈Sk
inf
x∈V,kxk2=1
hAx, xi. (1)
L’´ equation (1) devient ainsi
λ
1= sup
V=vect(x),kxk2=1
hAx, xi. (2)
1. V´ erifiez la formule pour k = 1.
Correction : Si V est un sous-espace de dimension 1, il s’´ ecrit V = {αx, α ∈ R } pour un certain x 6= 0 de norme 1. Ainsi,
inf
x∈V,kxk2=1
hAx, xi = hAx, xi. (3)
et
sup
x∈Rn,kxk2=1
hAx, xi. (4)
qui est une caract´ erisation des valeurs propres.
2. Soit M ∈ R
m×nune matrice arbitraire dont la k-i` eme valeur singuli` ere est not´ ee σ
k. Montrez que : σ
k= sup
V∈Sk
inf
x∈Sk,kxk2=1
kM xk
2.
Correction : On pose
α
k= sup
V∈Sk
inf
x∈Sk,kxk2=1
kM xk
22sup
V∈Sk
inf
x∈Sk,kxk2=1
hM x, M xi sup
V∈Sk
x∈Sk