Bøger i Mathematiques et Applications serien

De nombreux systèmes physiques, mécaniques, financiers et économiques peuvent être décrits par des modèles mathématiques qui visent à optimiser des fonctions, trouver des équilibres et effectuer des arbitrages. Souvent, la convexité des ensembles et des fonctions ainsi que les conditions de monotonie sur les systèmes d'inéquations qui régissent ces systèmes se présentent naturellement dans les modèles. C'est dans cet esprit que nous avons conçu ce livre en mettant l'accent sur une approche géométrique qui privilégie l'intuition par rapport à une approche plus analytique. Les démonstrations des résultats classiques ont été revues dans cette optique et simplifiées. De nombreux exemples d'applications sont étudiés et des exercices sont proposés.Ce livre s'adresse aux étudiants en master de mathématiques appliquées, ainsi qu'aux doctorants, chercheurs et ingénieurs souhaitant comprendre les fondements de l'analyse convexe et de la théorie des inéquations variationnelles monotones.

This monograph presents the Gradient Discretisation Method (GDM), which is a unified convergence analysis framework for numerical methods for elliptic and parabolic partial differential equations. The results obtained by the GDM cover both stationary and transient models; error estimates are provided for linear (and some non-linear) equations, and convergence is established for a wide range of fully non-linear models (e.g. Leray-Lions equations and degenerate parabolic equations such as the Stefan or Richards models). The GDM applies to a diverse range of methods, both classical (conforming, non-conforming, mixed finite elements, discontinuous Galerkin) and modern (mimetic finite differences, hybrid and mixed finite volume, MPFA-O finite volume), some of which can be built on very general meshes.

This book introduces the basic ideas to build discontinuous Galerkin methods and, at the same time, incorporates several recent mathematical developments. The material covers a wide range of model problems, both steady and unsteady, elaborating from advection-reaction and diffusion problems up to the Navier-Stokes equations and Friedrichs' systems.

Two chapters concern the existence of global solutions or estimates of the lifespan for solutions of nonlinear perturbations of the wave or Klein-Gordon equation with small initial data.

Ce tome présente des modèles aléatoires élémentaires (chaînes de Markov à temps discret et continu, lois de valeurs extrêmes) et certaines de leurs applications courantes : algorithmes d'optimisation, gestion des approvisionnements, dimensionnement de files d'attente, fiabilité et dimensionnement d'ouvrages. Des problématiques plus récentes sont également abordées: recherche de séquences exceptionnelles et de zones homogènes de l'ADN, estimation du taux de mutation de l'ADN, phénomènes de coagulation de molécules de polymères ou d'aérosols.Ce tome s'adresse à un public très large d'étudiants et d'enseignants. Le prérequis pour sa lecture est la maîtrise du contenu d'un cours d'initiation aux probabilités.

Cet ouvrage décrit une méthodologie et un savoir-faire pour la construction effective de modèles en analyse d'images. Les tâches d'imagerie y sont le plus souvent formalisées comme des problèmes inverses solutionnés dans un cadre Bayesien. Ce livre est organisé en 3 parties. Les 2 premières décrivent les bases nécessaires aux modèles développés dans la troisième partie sous la forme d' énergie. Ces bases sont les splines et les champs aléatoires. La plupart des modèles sont issus de projets industriels auxquels l'auteur a participé en radiographie et en contrôle non déstructif: suivi de lignes 3D, traitement de dégradation en radiographie, reconstruction 3D et tomographie, mise en correspondance, apprentissage de déformations. De nombreuses illustrations graphiques accompagnent le texte montrant les performances des modèles proposés.

Le but de ce livre est de présenter les développements récents du contrôle géométrique orienté vers la commande (notamment optimale) des véhicules spatiaux. Il est principalement destiné aux étudiants de 3e cycle et aux chercheurs, et son contenu a servi de base à une série de cours de contrôle et d'automatique enseignés à des étudiants de 3e cycle. Il s'appuie sur des projets de recherche avec l'ESTEC et le CNES, sur le contrôle d'attitude d'un satellite, le problème de transfert orbital en temps minimal, et le problème de rentrée atmosphérique d'une navette spatiale. Une première partie est consacrée à une introduction à la mécanique céleste, et la seconde au contrôle des véhicules spatiaux. Un dernier chapitre concerne les méthodes numériques dites indirectes, développées à partir des études des auteurs: méthode de tir et algorithmes de calcul des points conjugués.

Les équations polynomiales apparaissent dans de nombreux domaines, pour modéliser des contraintes géométriques, des relations entre des grandeurs physiques, ou encore des propriétés satisfaites par certaines inconnues. Cet ouvrage est une introduction aux méthodes algébriques permettant de résoudre ce type d'équations. Nous montrons comment la géométrie des variétés algébriques définies par ces équations, leur dimension, leur degré, ou leurs composantes peuvent se déduire des propriétés des algèbres quotients correspondantes. Nous abordons pour cela des méthodes de la géométrie algébrique effective, telles que les bases de Grobner, la résolution par valeurs et vecteurs propres, les résultants, les bezoutiens, la dualité, les algèbres de Gorenstein et les résidus algébriques. Ces méthodes sont accompagnées d'algorithmes, d'exemples et d'exercices, illustrant leurs applications.

L'objectif et l'originalité de ce livre est de présenter les différents aspects et méthodes utilisés dans la résolution des problèmes d'optimisation stochastique avec en vue des applications plus spécifiques à la finance: gestion de portefeuille, couverture d'options, investissement optimal. Nous avons inclus certains développements récents sur le sujet sans chercher a priori la plus grande généralité. Nous avons voulu une exposition graduelle des méthodes mathématiques en présentant d'abord les idées intuitives puis en énonçant précisément les résultats avec des démonstrations complètes et détaillées. Nous avons aussi pris soin d'illustrer chacune des méthodes de résolution sur de nombreux exemples issus de la finance. Nous espérons ainsi que ce livre puisse être utile aussi bien pour des étudiants que pour des chercheurs du monde académique ou professionnel intéressés par l'optimisation et le contrôle stochastique appliqués à la finance.

This book presents essential tools for modelling non-linear time series.

Ce livre est exclusivement consacré aux algorithmes numériques d'optimisation (quasi-Newton, faisceaux, programmation quadratique successive, points intérieurs); les bases théoriques (conditions d'optimalité, multiplicateurs de Lagrange) sont supposées connues.Son but est de familiariser le lecteur avec ces algorithmes, qui sont pour la plupart bien classiques. Leur description insiste sur leur implémentation numérique, ils peuvent être programmés directement par un lecteur expérimenté. Le côté théorique n'est pas pour autant négligé, avec démonstration de chaque théorème de convergence ou vitesse de convergence; souvent, ces démonstrations utilisent des hypothèses minimales.

Le but de ce livre est de donner une introduction aux méthodes de Monte-Carlo orientée vers la résolution des équations aux dérivées partielles. Après des rappels sur les techniques de simulation, de réduction de variance et de suites à discrépance faible, les auteurs traitent en détail le cas des équations de transport, de l'équation de Boltzmann et des équations paraboliques de diffusion. Dans chaque cas ils introduisent les processus aléatoires associés et discutent les techniques d'implémentation. Des exemples issus notamment de la neutronique et d'applications financières sont donnés. Ce livre est destiné à des étudiants de maîtrise et de D.E.A. ou à des élèves d'Ecole d'ingénieurs ayant de bonnes connaissances en probabilités.

Ce cours est une introduction à la modélisation mathématique et à l'analyse numérique pour la chimie moléculaire quantique, un champ peu connu des mathématiciens et pourtant riche en sujets d'investigation. Le point de vue choisi est celui du mathématicien appliqué. Le cours est construit de manière auto-consistante. Seules des notions de base en analyse fonctionnelle sont requises pour l'aborder. Les outils mathématiques plus élaborés sont introduits progressivement et les connaissances nécessaires en physique et en théorie spectrale sont regroupées dans des annexes. On présente d'abord les modèles les plus utilisés en pratique. Puis, on analyse ces modèles d'un point de vue mathématique (questions d'existence de solutions, d'unicité, ...). On introduit ensuite les différentes stratégies numériques employées pour la résolution pratique, et on fournit, quand ceci est possible, des éléments d'analyse numérique de ces méthodes. Les liens existants entre les modèles de la chimie moléculaire et des sujets connexes sont aussi explorés : modélisation de la phase liquide, physique de l'état cristallin, biologie, simulation des matériaux, ... Le cours peut aussi intéresser le chimiste ou le physicien curieux de comprendre les techniques mathématiques dont relèvent les modèles qu'il utilise, et de découvrir comment de telles techniques peuvent améliorer significativement l'efficacité et la qualité des simulations numériques.

Un système dynamique discret est un ensemble fini d'éléments, prenant chacun un nombre fini d'états, et evoluant, dans un temps discret, par interactions mutuelles. Ce livre est consacré a l'analyse de la dynamique temporelle de tels systèmes. Grâce à des outils de métrique discrète, on établit des résultats de convergence globale (contraction booléenne) convergence locale vers un point fixe ou vers un cycle, et ceci pour différents modes opératoires (parallèle, série, série-parallèle, chaotique). Le contenu de ce livre, où chaque résultat est illustré par un ou plusieurs exemples incluant de nombreux diagrammes, veut intéresser aussi bien des étudiants ingénieurs, chercheurs en mathématiques appliquées que des informaticiens connexionistes, des automaticiens et des physiciens.

This book is devoted to optimal syntheses in control theory and focuses on minimum time on 2-D manifolds.

Cet ouvrage introduit un certain nombre de techniques disponibles pour la reconnaissance de formes planes, en mettant l'accent sur l'importance de la prise en compte des deux notions essentielles que sont l'invariance et l'analyse des déformations. En conciliant autant qu'il se peut les aspects théoriques fondamentaux et les techniques algorithmiques réalistes, il revisite les différentes méthodes de représentation de formes, allant des représentations paramétriques invariantes aux axes médians, décrit, sous un éclairage original un certain nombre de techniques de détection de formes, et développe des résultats récents sur l'analyse des déformations et la mise en correspondance de formes et d'images. Il est susceptible de servir à la fois de référence pour le chercheur que d'ouvrage d'introduction à la théorie pour l'étudiant de troisième cycle.

Systèmes multi-échelles est une introduction à la problématique des systémes multi-échelles du point de vue du mathématicien appliqué. Il se compose d'une mosaique d'exemples de problèmes issus de la physique au sens large qui présentent pour leur modélisation et leur simulation cette difficulté essentielle de comporter en leur sein des échelles de temps ou d'espace très différentes.

UsingtheFourierdevelopmentofsolutionsandtechniquesofNonharmonic Fourier Analysis, we give spectral conditions that guarantee the observability property to hold in any time larger than twice the total length of the network in a suitable Hilbert space that can be characterized in terms of Fourier series by means of properly chosen weights.

La théorie des probabilités et des processus stochastiques est sans aucun doute l'un des plus importants outils mathématiques des sciences modernes. Le théorie des probabilité s'illustre dans de nombreux domaines issus de la biologie, de la physique, et des sciences de l'ingénieur : dynamique des populations, traitement du signal et de l'image, chimie moléculaire, économétrie, sciences actuarielles, mathématiques financières, ainsi qu'en analyse de risque. Le but de cet ouvrage est de parcourir les principaux modèles et méthodes stochastiques de cette théorie en pleine expansion. Ce voyage ne nécessite aucun bagage spécifique sur la théorie des processus stochastiques. Les outils d'analyses nécessaires à une bonne compréhension sont donnés au fur et à mesure de leur construction, révélant ainsi leur nécessité. La théorie des processus stochastiques est une extension naturelle de la théorie de systèmes dynamiques à des phénomènes aléatoires. Elle contient des formalisation d'évolutions de phénomènes aléatoires rencontrés en physique, en biologique, en économie, ou en sciences de l'ingénieur, mais aussi des algorithmes d'exploration stochastique d'espaces de solutions complexes pour résoudre des problèmes d'estimation, d'optimisation et d'apprentissage statistique. Des techniques de résolution avancées en statistique bayésienne, en traitement du signal, en analyse d¿événements rares, en combinatoire énumérative, en optimisation combinatoire, ainsi qu'en physique et chimie quantique sont exposées dans cet ouvrage. Probability theory and stochastic process theory are undoubtedly among the most important mathematic tools for the modern sciences. Probability theory has applications in several fields, such as biology, physics and the engineering sciences: population dynamics, signal and image processing, molecular chemistry,econometrics, actuarial science, financial mathematics, and risk analysis. This book provides an overview of stochastic models and methods for this very active field. Stochastic process theory is a natural extension of dynamic systems to random events. The book covers the modeling of random events in physics, biology, economics and the engineering sciences, while also introducing advanced problem-solving techniques in Bayesian statistics, signal processing and rare event analysis. No scientific background in stochastic process theory is needed.