AnnalesÉcoles d'ingénieurs
Centrale-Supélec MP 2018 — Maths 1
Le sujet démontre le théorème de Johnson-Lindenstrauss : points de peuvent être envoyés linéairement dans avec en préservant les distances à un facteur près. Après des préliminaires (projection sur un convexe fermé, inégalité de Hölder pour l'espérance, espérance conditionnelle, variables à queue sous-gaussienne), il établit par récurrence sur la dimension l'inégalité de concentration de Talagrand pour un vecteur de variables de Rademacher, puis l'applique à la norme d'une matrice aléatoire de Rademacher via une médiane, et conclut par une borne de réunion.
Le sujet, partie par partie
Notations et Partie I — Préliminaires p. 1–3
Ensembles convexes · Inégalités de Hölder et de Minkowski · Espérance, variance, moments · Inégalités de concentration · Probabilités totales et formule de Bayes · Compacité · Espaces préhilbertiens et euclidiens — identité du parallélogramme, projection sur un convexe fermé, inégalité de Young, inégalité de Hölder, espérance conditionnelle, variable sous-gaussienne
Partie II — L'inégalité de concentration de Talagrand p. 3–5
Inégalités de concentration · Ensembles convexes · Espérance, variance, moments · Lois de Bernoulli et binomiale · Inégalités de Hölder et de Minkowski · Probabilités totales et formule de Bayes · Fonctions convexes — inégalité de Talagrand, variables de Rademacher, distance à un convexe, récurrence sur la dimension, espérance conditionnelle
Partie III — Démonstration du théorème de Johnson-Lindenstrauss p. 5–6
Inégalités de concentration · Matrices et graphes aléatoires · Espérance, variance, moments · Espaces préhilbertiens et euclidiens · Ensembles convexes · Espaces probabilisés — théorème de Johnson-Lindenstrauss, matrice aléatoire de Rademacher, médiane, norme de Frobenius, réduction de dimension, borne de la réunion