Présentation
En anglaisRÉSUMÉ
Les problèmes inverses sont des situations grâce auxquelles on cherche à déterminer les causes d'un phénomène en fonction de l'observation de ses effets. La complexité de ce type de résolutions réside dans la difficulté à avoir une bonne connaissance du problème direct (principe consistant à déduire les effets d'un problème, les causes étant connues) ainsi que dans l'incertitude des paramètres du système. Certaines techniques, comme la régularisation des problèmes mal posés et la méthode des moindres carrés, ont été mises en place pour aider à la résolution de tels problèmes, qu'ils soient linéaires ou non.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleABSTRACT
Inverse problems are situation through which one tries to determine the causes of a phenomenon through observing its effects. The complexity of this type of resolutions lies in the difficulty to gain sound knowledge of the direct problem (a principle consisting in deducing the effects of a problem, its causes being known) as well as in the uncertainty of the parameters of the system. Certain techniques, such as regularizing ill-posed problems and the least squares method have been implemented in order to assist in solving such problems, be they linear or not.
Auteur(s)
-
Michel KERN : Chargé de recherche à l'INRIA, CRI Paris – Rocquencourt
INTRODUCTION
D’après Inverse problems de J. B. Keller, deux problèmes sont dits « inverses » l’un de l’autre si la formulation de l’un met l’autre en cause. Cette définition comporte une part d’arbitraire, et fait jouer un rôle symétrique aux deux problèmes considérés. Une définition plus opérationnelle est qu’un problème inverse consiste à déterminer des causes connaissant des effets. Ainsi, ce problème est l’inverse de celui appelé problème direct, consistant à déduire les effets, les causes étant connues.
Cette seconde définition montre que nous sommes plus habitués à étudier des problèmes « directs ». En effet, depuis Newton la notion de causalité est ancrée dans notre subconscient scientifique, et à un niveau plus prosaïque, nous avons appris à poser, puis à résoudre des problèmes pour lesquels les causes sont données, et l’on en cherche alors les effets. Cette définition montre aussi que les problèmes inverses risquent de poser des difficultés particulières. Nous verrons plus loin qu’il est possible de donner un contenu mathématique à la phrase « les mêmes causes produisent les mêmes effets », autrement dit, qu’il est raisonnable d’exiger que le problème direct soit « bien posé ». Par contre, il est facile d’imaginer, et nous en verrons de nombreux exemples, que les mêmes effets puissent provenir de causes différentes. Cette idée contient en germe la principale difficulté de l’étude des problèmes inverses : ils peuvent avoir plusieurs solutions, et il est nécessaire de disposer d’informations supplémentaires pour les discriminer.
La prédiction de l’état futur d’un système physique, connaissant son état actuel, est l’exemple type du problème direct. On peut envisager divers problèmes inverses : par exemple, reconstituer l’état passé du système connaissant son état actuel (si ce système est irréversible), ou la détermination de paramètres du système, connaissant (une partie de) son évolution. Ce dernier problème est celui de l’identification de paramètres, qui sera notre principale préoccupation dans la deuxième partie de l’article.
Une difficulté pratique de l’étude des problèmes inverses est qu’elle demande souvent une bonne connaissance du problème direct, ce qui se traduit par le recours à une grande variété de notions tant physiques que mathématiques. Le succès dans la résolution d’un problème inverse repose en général sur des éléments spécifiques à ce problème. Il existe toutefois quelques techniques qui possèdent un domaine d’applicabilité étendu, et cet article est une introduction aux principales d’entre elles : la régularisation des problèmes mal posés, et la méthode des moindres carrés, linéaires ou non linéaires.
La plus importante est la reformulation d’un problème inverse sous la forme de la minimisation d’une fonctionnelle d’erreur entre les mesures réelles et les « mesures synthétiques » (c’est-à-dire la solution du problème direct). Il sera commode de distinguer les problèmes linéaires des non linéaires. Précisons que la non-linéarité dont il s’agit ici fait référence au problème inverse lui-même, et non pas au problème direct (en considérant connus les paramètres).
Dans le cas des problèmes linéaires, le recours à l’algèbre linéaire et à l’analyse fonctionnelle permet d’obtenir des résultats précis, et des algorithmes efficaces. L’outil fondamental est ici la décomposition en valeurs singulières de l’opérateur considéré. Nous étudierons en détail la méthode de régularisation, qui consiste à « modifier » légèrement le problème étudié en un autre qui possède de « meilleures » propriétés. Ceci sera précisé au paragraphe 2.3.
Les problèmes non linéaires sont plus difficiles, et il existe moins de résultats généraux. Nous étudierons l’application des algorithmes d’optimisation aux problèmes obtenus par la reformulation évoquée plus haut. Un ingrédient technique essentiel (du point de vue numérique) est le calcul du gradient de la fonctionnelle à minimiser. Nous étudierons les méthodes de calcul de gradient au paragraphe 3.3. Nous verrons en particulier que la méthode de l’état adjoint permet ce calcul pour un coût qui est un (petit) multiple de celui de la résolution du problème direct.
DOI (Digital Object Identifier)
Cet article fait partie de l’offre
Mathématiques
(166 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
3. Problèmes non linéaires
Nous abordons maintenant les problèmes inverses non linéaires et nous nous concentrerons sur l’identification de paramètres dans les équations différentielles.
Dans la situation générale, nous serons en présence d’un phénomène physique dont la structure est connue, mais dont les paramètres précis de fonctionnement ne le sont pas. Il est possible de mesurer la réponse de ce système pour des entrées connues. Le système fonctionne comme une boîte noire et nous voudrions en connaître le contenu, sans « ouvrir » la boîte.
Nous avons vu des exemples au paragraphe 1. Reprenons l’exemple 3 : le chauffage d’une pièce obéit à l’équation de la chaleur , mais nous ne connaissons pas le coefficient a qui représente la conductivité thermique. Par contre, nous supposons que nous avons accès à une mesure de la température u, dans une partie du domaine. Avec ces informations, nous voulons déterminer le coefficient a qui permet de reproduire ces mesures.
La première différence avec le paragraphe précédent est que la correspondance entre le paramètre (a dans notre exemple) et la mesure est non seulement non-linéaire, mais est indirecte, puisqu’elle s’exprime par l’intermédiaire d’une équation comme (4) et la mesure est alors une « partie » de la solution de cette équation. Une équation jouant le rôle de ...
Cet article fait partie de l’offre
Mathématiques
(166 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Problèmes non linéaires
BIBLIOGRAPHIE
-
(1) - ARNOLD (V. I.) - Équations différentielles ordinaires - Éditions de Moscou (19xx).
-
(2) - AUBERT (G.), KORNPROBST (P.) - Mathematical Problems in Image Processing : Partial Differential Equations and the Calculus of Variations (second edition) - Applied Mathematical Sciences, 147, Springer-Verlag (2006).
-
(3) - BANKS (H. T.), KUNISCH (K.) - Estimation Techniques for Distributed Parameter Systems - Birkhäuser-Verlag, Zürich (1989).
-
(4) - BAUMEISTER (J.) - Stable Solution of Inverse Problems - Vieweg, Braunschweig (1987).
-
(5) - BJORCK (A.) - Numerical methods for least squares problems - Society for Industrial and Applied Mathematics (SIAM), Philadelphia, PA (1996).
-
(6) - BLEISTEIN (N.), COHEN (J. K.), STOCKWELL (J. J. W.) - Mathematics of Multidimensional Seismic Imaging, Migration and Inversion - Interdisciplinary...
DANS NOS BASES DOCUMENTAIRES
ANNEXES
Livres de Jon Claerbout
http://sepwww.stanford.edu/sep/prof
réseau IPNET
Université de Linz
http://www.indmath.uni-linz.ac.at
Université d'Alabama
Bibliothèque NUMERALGO de Netlib
http://www.netlib.org/numeralgo
Projet DAKOTA
http://www.cs.sandia.gov/DAKOTA
HAUT DE PAGECet article fait partie de l’offre
Mathématiques
(166 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive