INSA TOULOUSE Ann´ ee 2011-2012 D´ epartement STPI
3` eme ann´ee MIC
CORRECTION
UV Des donn´ ees aux mod` eles Partie - Probl` emes inverses
Mercredi 6 juin 2012 - 14 :00 ` a 15 :30
Le cours, les TD et les calculatrices sont autoris´ es. Le reste est interdit.
Le barˆ eme entre crochets est donn´ e ` a titre indicatif.
Dans tout l’examen, le produit scalaire canonique sur R
nest not´ e h·, ·i et la norme associ´ ee est not´ ee k · k. Les questions pr´ ec´ ed´ ees de *) sont plus compliqu´ ees et ne devraient ˆ etre r´ esolues que si vous avez une intuition de la marche ` a suivre. Le barˆ eme est donn´ e ` a titre indicatif et sera probablement relev´ e...
Exercice 1 - Probl` eme inverse bien et mal pos´ e (6,5 pts)
Soit A la matrice suivante :
A =
1 0 0 1 1 0
.
1. On consid` ere le probl` eme suivant :
Trouver x ∈ R
2tel que Ax = b avec b ∈ R
3. Est-ce que ce probl` eme est bien pos´ e ? D´ etaillez votre r´ eponse.
Ce probl` eme n’est pas bien pos´ e, car il peut ne pas exister de solution. Par exemple le vecteur [1, 1, 2]
Tn’appartient pas ` a l’image de A.
2. On consid` ere maintenant le probl` eme :
Trouver x ∈ R
2tel que Ax = b avec b ∈ E = vect
1 0 1
,
0 1 0
.
Est-ce que la solution de ce probl` eme existe ? Est unique ? Est stable pour des perturbations dans E de b ? Le fait de restreindre b ` a E (l’image de A) rend le probl` eme bien pos´ e. En effet pour tout b de la forme b = α[1, 0, 1]
T+ β[0, 1, 0]
T, la seule solution ` a ce probl` eme est x = [α, β]
T. Elle est stable. En effet, si on perturbe b en ˜ b = (α + δα)[1, 0, 1]
T+ (β + δβ)[0, 1, 0]
T, la solution perturb´ ee est ˜ x = [α + δα, β + δβ]
T. On peut donc ´ ecrire que :
k ˜ b − bk
2= k[δα, δβ, δα]k
2= 2(δα)
2+ (δβ)
2≥ (δα)
2+ (δβ)
2= k x ˜ − xk
2Donc k˜ x − xk ≤ k ˜ b − bk et on a bien k x ˜ − xk → 0 si k ˜ b − bk → 0.
3. De fa¸ con g´ en´ erale, consid´ erons un probl` eme du type :
Trouver x ∈ R
ntel que Ax = b avec b ∈ E
o` u A ∈ M
m,n( R ) et E est un sous-espace vectoriel de R
m. A quelle condition sur E et sur A ce probl` eme admet-il une solution ?
Il suffit que E ⊆ Im(A).
1
4. Proposez une d´ ecomposition en valeurs singuli` eres de A.
Une d´ ecomposition possible est :
A =
√1
2
0
√12
0 1 0
√1
2
0 −
√12
√ 2 0
0 1
0 0
1 0
0 1
(Utiliser le fait que Im(A) = vect(u
1, u
2) pour trouver U , compl´ eter la base avec un vecteur orthogonal aux deux autres, normaliser les colonnes, le reste suit).
Exercice 2 - Conditionnement et moindres carr´ es (10,5 pts)
Soit A ∈ R
m×nune matrice de rang n dont une SVD s’´ ecrit A = U ΣV
Tavec Σ = diag(σ
1, · · · , σ
n). Supposons que x minimise kAx − bk
2sur R
net soit r = Ax − b le r´ esidu correspondant. On perturbe la matrice A en A + δA et on note x + δx la nouvelle solution.
1. D´ eterminez les ´ equations satisfaites par x et par x + δx.
x satisfait
A
T(Ax − b) = 0.
(x + δx) satisfait
(A + δA
T)((A + δA)(x + δx) − b) = 0.
2. En utilisant la SVD de A, montrer que :
k(A
TA)
−1A
Tk = 1 σ
net que :
k(A
TA)
−1k = 1 σ
n2. On a
k(A
TA)
−1xk = kV (Σ
TΣ)
−1V
Txk
= k(Σ
TΣ)
−1V
Txk
y=VTx
= k(Σ
TΣ)
−1yk
Donc
k(A
TA)
−1k = sup
kxk=1
k(A
TA)
−1xk
= sup
kyk=1
k(Σ
TΣ)
−1yk
= 1 σ
2n. On proc` ede de mˆ eme pour k(A
TA)
−1A
Tk.
3. Montrez que kA
TAδxk ≥ σ
n2kδxk.
On proc` ede de la mˆ eme fa¸ con que la question pr´ ec´ edente :
kA
TAδxk = k(Σ
TΣ)V
Tδxk ≥ σ
2nkV
Tδxk = σ
2nkδxk.
2
4. *) On pose κ(A) =
σσ1n
(le conditionnement de A). D´ eduire des questions pr´ ec´ edentes la majoration : kδxk
kxk ≤
κ(A) + κ(A)
2krk kAkkxk
kδAk
kAk + O(kδAk
2) On a :
0 = (A + δA
T)((A + δA)(x + δx) − b)
= (A + δA)
T(A + δA)δx + (A + δA)
TδAx + (δA)
Tr.
Donc
k(A + δA)
T(A + δA)δxk = k(A + δA)
TδAx + (δA)
Trk.
Or k(A + δA)
T(A + δA)δxk = kA
TAδxk + O kδAk
2≥ σ
2nkδxk + O kδAk
2. De plus
k(A + δA)
TδAx + (δA)
Trk ≤ k(A + δA)
TδAxk + k(δA)
Trk
≤ kAkkδAkkxk + kδAkkrk + O(kδAk
2).
En regroupant ces deux in´ egalit´ es, on obtient : σ
n2kδxk + O kδAk
2≤ kAkkδAkkxk + kδAkkrk + O(kδAk
2)
= σ
1kδAkkxk + kδAkkrk + O(kδAk
2) Il suffit de diviser chaque cot´ e de l’in{egalit´ e par σ
2nkxk pour obtenir le r´ esultat attendu.
Il est clair qu’on n’attendait pas une r´ eponse compl` ete mais plutˆ ot une d´ emarche g´ en´ erale pour arriver ` a la solution.
5. Que se passe-t-il si A est carr´ ee et inversible ? On a r = 0. L’in´ egalit´ e se simplifie donc en :
kδxk
kxk ≤ κ(A) kδAk
kAk + O(kδAk
2).
Cette in´ egalit´ e justifie l’int´ erˆ et du conditionnement puisqu’elle donne l’erreur relative sur la solution pour une erreur relative donn´ ee sur la matrice.
Exercice 3 - Maximum A Posteriori (5,5 pts)
On consid` ere le probl` eme unidimensionnel suivant :
y = x + b.
Dans cette ´ equation x ∈ R est une quantit´ e qu’on souhaite connaˆıtre, y ∈ R est une quantit´ e mesur´ ee, et b ∈ R est un bruit de mesure. On suppose que x et b sont ind´ ependants. Le but de cet exercice est de retrouver x ` a partir de y par une technique de maximum a posteriori.
1. Si on n’a aucune connaissance a priori de la donn´ ee x et que b ∼ N (0, σ
2b), quelle est la solution la plus vraisemblable ?
La solution la plus vraisemblable est ˆ x = y.
2. On suppose que les densit´ es de probabilit´ e de b et x sont des gaussiennes de densit´ e respectives : p(b) ∝ exp
− b
22σ
b2et p(x) ∝ exp
− (x − a)
22σ
2x.
D´ eterminez l’estimation x ˆ au sens du maximum a posteriori de x, c’est-` a-dire : ˆ
x = arg max
x∈R
p(x|y).
3
En reprenant le d´ eveloppement propos´ e en cours, on a : ˆ
x = arg max
x∈R
p(x|y)
= arg min
x∈R
− log p(y|x) − log p(x).
On a p(y|x) = p(x + b|x) ∝ exp
−
(y−x)2σ22 b. Donc ˆ x est ˆ x = arg min
x∈R(y−x)2σ2 b+
(x2σa2)x
. Soit encore apr` es annulation de la d´ eriv´ ee ` a :
ˆ
x = 1
1 σ2x
+
σ12b
y σ
2b+ a
σ
x2.
3. Que se passe-t-il si σ
x→ +∞ ? Si σ
x→ 0 ?
Si σ
x→ +∞, on retrouve ˆ x = y. C’est normal, car dans ce cas l’a priori sur la donn´ ee est tr` es faible, et on pr´ ef` ere croire la mesure. Si σ
x→ 0, on trouve ˆ x = a. Dans ce cas, l’a priori qu’on met sur la donn´ ee est tr` es fort, et on pr´ ef` ere poser ˆ x = a, mˆ eme si la mesure semble dire que x = y.
4. On suppose maintenant que b est une loi uniforme sur [0, 1]. D´ eterminez l’estimation x ˆ au sens du maxi- mum a posteriori de x.
Dans ce cas, le probl` eme ` a r´ esoudre devient : arg min
0≤y−x≤1