Séminaire des doctorants (archives)

La théorie géométrique des groupes associe aux groupes infinis des invariants dits asymptotiques ; parmi ceux-ci, le cône asymptotique, qui correspond à "l'image que l'on observerait depuis une distance infinie". Si deux groupes $G$ et $G'$ ont des cônes asymptotiques liés par un homéomorphisme bilipschitzien, celui-ci est-il toujours induit par une application entre $G$ et $G'$ respectant (dans un sens approché) leur structure métrique ? On donnera un sens précis à cette question dans le langage de la géométrie sous-linéairement lipschitzienne à grande échelle récemment introduite par Yves de Cornulier, et on examinera spécifiquement les groupes de Lie réels hyperboliques, que l'on comparera au cas (très différent) des groupes nilpotents.

Le groupe de congruence est un groupe de matrices à coefficients entiers, bien connu des arithméticiens. Comme n'importe quel groupe, il est filtré par sa suite centrale descendante, et le gradué associé à cette filtration est un anneau de Lie (c'est-à-dire une algèbre de Lie sur $\mathbb Z$). En s'appuyant sur des travaux classiques de Bass, Milnor et Serre, on peut donner une description explicite de l'anneau de Lie du groupe de congruence, qui n'est autre qu'une algèbre de Lie de matrices à coefficients dans $\mathbb F_p[t]$. Le but de l'exposé sera de présenter ce calcul.

Dans cet exposé, on présentera quelques considérations sur certains problèmes inverses: peut-on entendre la densité d'une corde? En d'autres termes, peut-on, à partir du spectre de l'équation des cordes vibrantes inhomogènes,reconstruire la densité de la corde? Nous évoquerons également la question de Kac: peut-on entendre la forme d'un tambour? Tout sera fait de manière heuristique et/ou informelle.

On considère une fonction $u$ définie sur un ensemble $X$, muni d’une mesure de probabilité $\rho$. Le but est de construire l’approximation $u^*$ de cette fonction $u$ à partir d’observations de $u$ en certains points $(x_i)$, $i=1,…,n$, identiquement distribués selon la mesure $\rho$. Pour un espace d’approximation $V_m$ de dimension finie $m$, l’estimateur idéal de $u$ est donné par la projection orthogonale de $u$ sur $V_m$ au sens de la norme $L_2(X,\rho)$: $Pm(u)$. A cet estimateur idéal on associe l’erreur de meilleure approximation $em(u) = \| Pm(u) - u \|$.

Dans la pratique une méthode utilisée est l’estimation des moindres carrés pondérés, calculée à partir des $n$ échantillons. Cependant lorsque $n$ est trop proche de $m$, la dimension de l’espace d’approximation, la méthode des moindres carrés pondérés devient instable et inexacte pour certaines mesures de probabilité.

Pour un espace d’approximation $Vm$ donné et une mesure de probabilité $\rho$ donnée, comment choisir au mieux les $n$ échantillons dans l’espace d’approximation et les poids afin de s’assurer que l’erreur en norme $L2$, $\| u^* – u\|$, soit comparable à l’erreur de meilleure approximation $em(u)$ ?

La théorie du premier ordre d'un groupe G, notée Th(G), est l'ensemble des énoncés du premier ordre vrais dans G. Dans quelle mesure le groupe G est-il déterminé par Th(G) ? Plus précisément, si un groupe G' est indistinguable de G du point de vue de la logique (c'est-à-dire s'il vérifie Th(G)=Th(G')), G et G' partagent-ils certaines propriétés de nature algébrique ou géométrique ?

Le problème d'isotopie des tresses est un problème topologique. Pourtant grâce à plusieurs structures algébriques, nous exposerons la solution proposée par Dehornoy en 1995. Cette méthode, dite de réduction de poignée, résout complètement ce problème et peut être facilement implantée sur un ordinateur.

Cet exposé concerne le PageRank ou algorithme de Google, inventé à la fin des années 90 par Brin et Page pour mettre au point un moteur de recherche bien connu. Il attribuait un degré d'importance (indice alors appelé PageRank) à chaque page web, valeur dépendante du nombre de pages contenant un lien hypertexte pointant vers cette dernière ainsi que du PageRank de ces pages. On présentera les origines de l'algorithme puis son fonctionnement, basé sur de l'algèbre linéaire.

On sait depuis les travaux d'Alexander, dans les années 20, que toute variété de dimension 3 admet une décomposition en livre ouvert. Bien plus tard, E Giroux montra qu'une telle décomposition - topologique pour Alexander - correspond en réalité à une (unique) structure de contact sur la variété. Dans cet exposé on donnera quelques exemples explicites de livres ouverts en basse dimension, on expliquera comment construire une telle décomposition pour une 3-variété quelconque, et finalement on présentera le résultat de correspondance de Giroux.

Dans cet exposé, on étudiera le problème de Riemann pour un système d'E.D.P. barotrope, dit p-système, avec une loi de pression p contenant le comportement thermodynamique du fluide. Dans un premier temps , on détaillera la résolution dans le cas où la pression est une fonction du volume strictement convexe. Ensuite, on abordera le problème avec une loi de pression convexe admettant une zone constante et permettant la transition entre les états liquides et vapeurs. Notamment, dans ce cas on travaillera avec une loi issue de l'équation d'état de Van der Waals et avec la loi de Maxwell.

Nous étudions le modèle de régression linéaire dans le cas où les erreurs sont dépendantes entre elles, et forment donc un processus stationnaire. Le but est de retrouver des résultats similaires au cas classique et bien connu où les erreurs sont i.i.d. (indépendantes et identiquement distribuées). On utilise pour cela un résultat de Hannan (1973) qui a prouvé un Théorème Limite Central pour l'estimateur des moindres carrés usuel sous des conditions très souples sur le processus des erreurs et sur le design. Avec ce théorème, on montre que, pour une grande classe de designs, la matrice de covariance asymptotique est très similaire au cas i.i.d.. De ce fait, nous estimons cette matrice de covariance en utilisant un estimateur de la densité spectrale dont la consistance est prouvée sous de faibles conditions. Afin d'appliquer ces résultats, nous montrons comment modifier les tests de Fischer usuels dans ce contexte dépendant et nous illustrons la performance de cette procédure grâce à des simulations.