σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyFeuilles de routeParcours
Ctrl K
AO
+1,2 k apprenants
ConnexionRejoindre ↗
Feuilles de routeParcours
AO
+1,2 k apprenants
Connexion
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyFeuilles de routeParcours
Ctrl K
AO
+1,2 k apprenants
ConnexionRejoindre ↗
Feuilles de routeParcours
AO
+1,2 k apprenants
Connexion
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Parcours Linear Algebra›Module 2 · Résoudre des systèmes linéaires›Sujet 2.3·~50 minIntermédiaire

Inverse et conditionnement

Position dans le parcoursModule 2 sur 4 · Sujet 3 sur 3
2.3 Inverse et conditionnement
—Score du lab— / 100XP total—Série—

Défaire une application

Une matrice carrée AAA a un inverse A−1A^{-1}A−1, avec A−1A=AA−1=IA^{-1}A=AA^{-1}=IA−1A=AA−1=I, exactement quand son application ne perd aucune information : des entrées différentes donnent des sorties différentes. Le déterminant mesure la façon dont AAA change les volumes (avec un signe pour les retournements) : AAA est donc inversible exactement quand det⁡A≠0\det A\neq0detA=0. Pour une matrice 2×22\times22×2, A−1=1ad−bc(d−b−ca)A^{-1}=\frac{1}{ad-bc}\begin{pmatrix}d&-b\\-c&a\end{pmatrix}A−1=ad−bc1​(d−c​−ba​). Règles utiles : det⁡(AB)=det⁡A det⁡B\det(AB)=\det A\,\det Bdet(AB)=detAdetB et det⁡(A−1)=1/det⁡A\det(A^{-1})=1/\det Adet(A−1)=1/detA.

κ(A)=∥A∥ ∥A−1∥=σmax⁡σmin⁡,∥δx∥∥x∥≲κ(A) ∥δb∥∥b∥\kappa(A)=\|A\|\,\|A^{-1}\|=\frac{\sigma_{\max}}{\sigma_{\min}},\qquad \frac{\|\delta\mathbf{x}\|}{\|\mathbf{x}\|}\lesssim\kappa(A)\,\frac{\|\delta\mathbf{b}\|}{\|\mathbf{b}\|}κ(A)=∥A∥∥A−1∥=σmin​σmax​​,∥x∥∥δx∥​≲κ(A)∥b∥∥δb∥​(1)

Inversible ne veut pas dire sûr. Le conditionnement κ(A)\kappa(A)κ(A) indique de combien une petite erreur relative sur b\mathbf{b}b (ou sur les entrées de AAA) peut être amplifiée dans la solution x\mathbf{x}x. Règle empirique : on perd environ log⁡10κ\log_{10}\kappalog10​κ des quelque 16 chiffres de la double précision. Un petit déterminant ne prouve rien à lui seul, car il dépend de l'échelle : 0,001 I0{,}001\,I0,001I a un déterminant minuscule mais κ=1\kappa=1κ=1. Ce sont des colonnes presque colinéaires qui rendent κ\kappaκ énorme.

Un inverse et un quasi-échecPour A=(4726)A=\begin{pmatrix}4&7\\2&6\end{pmatrix}A=(42​76​) : det⁡A=24−14=10\det A=24-14=10detA=24−14=10, donc A−1=110(6−7−24)A^{-1}=\frac{1}{10}\begin{pmatrix}6&-7\\-2&4\end{pmatrix}A−1=101​(6−2​−74​). Comparez maintenant B=(1111,0001)B=\begin{pmatrix}1&1\\1&1{,}0001\end{pmatrix}B=(11​11,0001​) : ses colonnes sont presque égales, det⁡B=0,0001\det B=0{,}0001detB=0,0001 et κ(B)\kappa(B)κ(B) vaut environ 4×1044\times10^{4}4×104 ; une erreur relative de 10−610^{-6}10−6 sur les données peut donc devenir une erreur d'environ 4 %4\,\%4% sur la solution.
  • Inversible : carrée avec det⁡A≠0\det A\neq0detA=0 ; aucune information n'est perdue.
  • Conditionnement : de combien les erreurs sur les données sont amplifiées ; un grand conditionnement signifie une résolution fragile.
  • Ne formez jamais A−1A^{-1}A−1 pour résoudre : une résolution par factorisation est plus rapide et plus précise.
Des actifs colinéaires cassent les matrices de covarianceDeux ETF qui suivent presque le même indice donnent une matrice de covariance aux lignes presque égales. Son κ\kappaκ est énorme : un optimiseur de variance minimale fondé sur son inverse varie fortement pour de minuscules changements des données. Vérifiez κ\kappaκ (ou supprimez ou fusionnez les quasi-doublons) avant de faire confiance aux poids.

Lab : ce qui est noté

  • L'inverse d'une matrice 2 sur 220 pts
  • Un déterminant 3 sur 310 pts
  • Trouver la matrice singulière15 pts
  • Chiffres fiables15 pts
  • Bonnes pratiques numériques15 pts
  • Règles du déterminant10 pts
  • Pourquoi ne pas inverser15 pts
0/ 7 traités
Exercices
1Matrice · vecteur20 ptsSans réponse

Remplissez A−1A^{-1}A−1 pour A=(4726)A=\begin{pmatrix}4&7\\2&6\end{pmatrix}A=(42​76​) (les décimaux sont acceptés).

A−1=A^{-1} =A−1=
2Réponse numérique10 ptsSans réponse

Calculez det⁡(201132014)\det\begin{pmatrix}2&0&1\\1&3&2\\0&1&4\end{pmatrix}det​210​031​124​​.

det⁡=\det =det=accepté : ± 0.001
3Choix15 ptsSans réponse

Laquelle de ces matrices est singulière (sans inverse) ?

4Réponse numérique15 ptsSans réponse

Un système a κ(A)=106\kappa(A)=10^{6}κ(A)=106 et vous le résolvez en double précision (environ 16 chiffres). Combien de chiffres corrects la solution a-t-elle à peu près ?

[objectObject]=[object Object] =[objectObject]=accepté : ± 1
5Choix15 ptsSans réponse

Sélectionnez toutes les bonnes pratiques.

6Compléter les blancs10 ptsSans réponse

Supposons det⁡A=4\det A=4detA=4 et det⁡B=3\det B=3detB=3. Complétez.

det⁡(AB)=,det⁡(A−1)=\displaystyle \det(AB)=\htmlData{blank=p}{\phantom{\rule[-0.35em]{2.4em}{1.35em}}},\qquad \det(A^{-1})=\htmlData{blank=q}{\phantom{\rule[-0.35em]{2.4em}{1.35em}}}det(AB)=,det(A−1)=
7Expliquer avec des mots15 ptsSans réponse

En deux phrases, dites pourquoi le code doit appeler solve(A, b) plutôt que inv(A) @ b.

Mode mathsSaisie au clavier ou en LaTeXExercice 1 sur 7 · Ctrl ⏎ pour vérifier

Connectez-vous pour exécuter votre code.

Tous les cours sont gratuits à lire. Créez un compte ou connectez-vous pour exécuter du code, lancer les tests et soumettre ce lab.

  • IDE dans le navigateur avec terminal bash — rien à installer
  • Correction instantanée, XP et votre place dans le parcours
Créer un compteSe connecter
OU
Continuer avec GitHub