Stabilité d une mesure invariante
|
|
- Achille Charpentier
- il y a 7 ans
- Total affichages :
Transcription
1 Stabilité d une mesure invariante Anne-Sophie de Suzzoni UCP 26 mars 2013
2 Mesures de Gibbs et équilibre En physique statistique, l équilibre thermodynamique correspond à maximiser l entropie d un système : S = p i log(p i ), où p i est la probabilité d être dans un état i et sous la contrainte pi E i fixée, ou à énergie et température fixées. La statistique satisfaisant l équilibre thermodynamique est donnée par la mesure de Gibbs : p i = de βe i avec E i l énergie de l état i et β l inverse de la température. Ces mesures sont invariantes par l équation d évolution du système.
3 Mesures invariantes Pour plusieurs problèmes, des mesures invariantes à valeurs dans des espaces de fonctions ont été construites : B-O [Tzvetkov - Visciglia, 12] DNLS [Nahmod - Oh - Rey-Bellet - Staffilani, 10] NLS avec potentiel quadratique [Burq - Thomann - Tzvetkov, 10] NLW [ds, 10] en s inspirant des travaux de Zhidkov, Lebowitz - Rose - Speers, et Bourgain. Elles sont construites en s inspirant de mesures analogues à celles de Gibbs de la forme e H(u) du.
4 Équilibre statistique Dans un papier de 67, Zakharov et Filonenko proposent une définition d un équilibre dit statistique, correspondant à l invariance en temps de certaines quantités liées au système. En décomposant l état du système considéré en ses modes de Fourier u = u n e inx on demande à ce que la valeur moyenne de u n (t) 2 ne dépende pas du temps. Les mesures invariantes, en général, ne sont pas des mesures de Gibbs, en revanche, ce sont des équilibres statistiques.
5 But Étudier la stabilité d une mesure invariante, en perturbant cette mesure puis en comparant la loi de la mesure perturbée puis transportée par le flot avec la loi initiale, via certaines distances entre mesures de probabilité sur des espaces de fonctions. Choix de BBM : l équation est hamiltonienne et présente un invariant quadratique, ce qui permet d obtenir une mesure invariante gaussienne dont le support est inclus dans un espace où l équation est globalement bien posée.
6 BBM : propriétés générales Mesure invariante : définition Invariance Modification de la donnée initiale Comparaison des mesures Cas gaussien
7 Définition ( ) t (1 2 x)u + x u + u2 = 0 u(t = 0) = u 0 sur le tore T 1. Alternative à KdV pour approcher les water waves dans le cas des grandes longueurs d onde et des faibles amplitudes. 2
8 Résultat : 1 Soit u 0 la variable aléatoire u 0 = c 0 h 0 + n 1 h n c n + l n s n 1 + n 2 où h n et l n sont des gaussiennes réelles standard indépendantes et c 0 = 1, c n = cos(nx) sin nx, s n =. 2π π π On note µ 0 la mesure sur H 1/2 induite par u 0 et µ t la mesure 0 transportée par le flot de BBM Ψ(t) : µ t 0 (A) = µ 0(Ψ(t) 1 A). Théorème Pour tout t et tout A borélien de H 1/2, µ 0 (A) = µ t 0 (A).
9 Métrique de Wasserstein Soit p 1 et s fixés. On note M p,s l ensemble des mesures µ sur la tribu borélienne de H s telles que la quantité x p H s dµ(x) soit finie. On appelle distance de Wasserstein (relativement à p et H s ) la distance définie par, pour tout couple (µ, ν) M p,s : µ ν p,s = inf γ Marg(µ,ν) ( ) 1/p x y p dγ(x, y) H s où Marg(µ, ν) décrit l ensemble des mesures sur la tribu borélienne de H s H s ayant µ et ν pour marginales.
10 Résultat : 2 On considère les mesures ν sur H 1/2 telles que pour tout s < 1/2, il existe deux constantes C s, c s > 0 (indépendantes de ν)telles que pour tout R ν( x H s R) C s e c sr 2. On note ν t la mesure transportée par le flot de BBM à partir de ν. Théorème Pour tout t, 1 p 1 < p 2 <, et 0 s < 1/2, il existe une constante C p1,p 2,s(t) tel que pour toute mesure ν satisfaisant les hypothèses précédentes : ν t ν p1,s C p1,p 2,s(t) µ 0 ν p2,s. Remarque : La mesure ν permet d introduire des corrélations entre les coefficients de Fourier de la condition initiale.
11 Forme Hamiltonienne [ ] t u = (1 2 x) 1 x u + u 2 2 = J u H(u) avec J = (1 2 x) 1 x un opérateur antisymétrique et H(u) = 1 u u 3.
12 Invariant En multipliant l équation par u u(1 2 x) t u + u x u + u 2 x u = 0 et en intégrant, on obtient que u(1 2 x)u ne dépend pas du temps.
13 Caractère localement bien posé L équation est bien posée dans H s, s 0 jusqu au temps T = 1 C u 0 et de plus, avec Π H s N la projection orthogonale sur l espace E N engendré par {c n, s n, n N} et u N la solution de ( ) t (1 2 (Π x)u N + x u N + Π N u N ) 2 N 2 = 0 u N (t = 0) = u 0 alors pour tout R 0, tout ɛ > 0, il existe N tel que pour tout t [ 1 CR, 1 CR ] et tout u 0 B(0, R) et tout n N : u(t) u N (t) H s ɛ. (Convergence uniforme des flots approchés)
14 Caractère globalement bien posé Pour tout T et tout u 0, on note N = N(u 0, T) = min{n (1 Π N )u 0 L 2 1 CT }. Avec v la solution de BBM avec pour condition initiale (1 Π N )u 0 et w = u v, w est la solution d une nouvelle équation dont la condition initiale Π N u est dans H 1. Un lemme de Gronwall permet de borner w H σ w H 1 pour tout σ ]1/2, 1], puis u(t) H s jusqu au temps T : u(t) H s C u 0 H s N(u 0, T) 1+σ 2 s. (Méthode de Bona et Tzvetkov).
15 BBM : propriétés générales Mesure invariante : définition Invariance Modification de la donnée initiale Comparaison des mesures Cas gaussien
16 Définition Soient (h n ) n 0 et (l n ) n 1 deux suites de gaussiennes réelles de loi N(0, 1) indépendantes. On note u 0 la limite de la suite u N 0 = c 0h 0 + N n=1 c n h n + l n s n 1 + n 2 ((u N 0 ) N est de Cauchy dans L 2 proba, H1/2 ), et µ 0 la mesure induite par u 0, µ N 0 celle par un 0.
17 Remarque sur la structure de µ N 0 La mesure µ N 0 est un vecteur gaussien sur E N de dimension 2N + 1 de covariance la matrice de (1 2 x) 1 dans la base (c 0,..., c N, s 1,..., s N ), i.e., 1 1/ 2... (0) 1/ 1 + N 2 1/ 2 (0)... 1/ 1 + N 2 Autrement dit, la loi de ν N 0 s écrit : N dµ N 0 (u = a n c n + b n s n ) = e a2 0 /2 n=1 e (a2 n +b2 n )(1+n2 ) 2 = d N e u,(1 2 x)u /2 du (1 + n 2 )da n db n 2π
18 Intégrabilité Pour tout s < 1/2, il existe C s, c s > 0 tels que P( u 0 H s R) C s e c sr 2. (Conséquence du théorème de Fernique.) De plus, ( P(N(u 0, T) > N 0 ) = P (1 Π N0 )u 0 L 2 1 ) CT P( u 0 H s Ns 0 CT ) C s e c s(t)n 2s 0
19 BBM : propriétés générales Mesure invariante : définition Invariance Modification de la donnée initiale Comparaison des mesures Cas gaussien
20 Invariance du flot linéaire S(t) = e tj Vient du fait que pour tout ouvert U, on a µ 0 (U) lim inf N µn 0 (U), (Convergence de u N 0 + lemme de Fatou), que µn 0 est invariante par S(t) (J est antisymétrique) et que S est réversible.
21 Du flot non linéaire La mesure µ 0 est invariante par le flot Ψ N (t) de l équation ( ) t (1 2 (Π x)u N + x u N + Π N u N ) 2 N 2 = 0. u N (t = 0) = u 0 Le flot Ψ N (t) converge uniformément sur toute boule de H s vers Ψ(t). R k = kr, τ k = 1 CR k, T k = k j=1 A k (R) = { u(t k ) R k+1 } A(R) = A k (R), A = A(R) k On montre que µ 0 (A) = 1 et par récurrence sur k que pour tout B A(R) et t [ T k, T k ], µ t 0 (B) = µ 0(B) ce dont on déduit l invariance de µ 0, comme T k. R τ k
22 BBM : propriétés générales Mesure invariante : définition Invariance Modification de la donnée initiale Comparaison des mesures Cas gaussien
23 Définition On fixe C s, c s > 0 une famille de constantes avec s < 1/2 et on note Pert l ensemble des mesures de probabilités ν telles que pour tout s et tout R ν( x H s R) C s e c sr 2. Ceci implique que et que ν appartient à M p,s. ν(n(x, T) > N 0 ) C s e c s(t)n 2s 0
24 BBM : propriétés générales Mesure invariante : définition Invariance Modification de la donnée initiale Comparaison des mesures Cas gaussien
25 Métrique de Wasserstein La quantité µ ν p,s = inf γ Marg(µ,ν) ( ) 1/p x y p dγ(x, y) H s est une distance sur les mesures de probabilité dans M p,s correspondant à la convergence faible et à la convergence des moments jusqu à l ordre p. Comme. p,s ne compare que les lois, on a Par inégalité triangulaire, µ t 0 µ 0 p,s = 0. ν t ν p,s ν t µ t 0 p,s + ν µ 0 p,s.
26 Réductions Comme le flot de BBM est défini sur les supports de µ 0 et ν, si γ appartient à Marg(µ, ν), alors γ t la mesure image γ par (Ψ(t), Ψ(t)) appartient à Marg(µ t 0, νt ). Par changement de variable, on obtient que pour tout γ Marg(µ 0, ν), ( µ t 0 νt p1 En appliquant le lemme de Gronwall, on a Ψ(t)x Ψ(t)y p 1 H s dγ(x, y)) 1/p1. Ψ(t)x Ψ(t)y H s t x y H s e 0 Ψ(t )x H s + Ψ(t )y Hs. En appliquant des inégalités de Hölder, avec 1 p 1 = 1 p q, µ t 0 νt p1 ( ( ) 1/p2 ( x y p 2 dγ(x, y) H s e 2q t 0 Ψ(t )x Hs dν(x)) 1/(2q). ) e 2q 1/(2q) t 0 Ψ(t )x Hs dµ 0 (x)
27 Intégrabilité On a Ψ(t )x H s CN(x, t) (1+σ)/2 s x H s ( ) C N(x, t) 1+σ/2 s + x 2+σ 2s H s ce qui rend intégrable e 2q t 0 Ψ(t )x Hs si 2s > σ par rapport à µ 0 et ν, et donc ν t ν p1,s C p1,p 2,s(t) µ 0 ν p2,s.
28 BBM : propriétés générales Mesure invariante : définition Invariance Modification de la donnée initiale Comparaison des mesures Cas gaussien
29 Matrice de covariance On suppose que L est une application linéaire symétrique de H 1/2 dans H 1/2 telle que L soit continue de H s dans H s pour s [0, 1 2 [ et de sorte que L := Lx H s sup sup s [0,1/2[ x x H s K < 1. On prend pour ν L la mesure gaussienne sur H 1/2 de matrice de covariance (1 2 x) 1/2 (1 + L)(1 2 x) 1/2 c est-à-dire ν L est la mesure image de µ 0 par (1 + L) 1/2. La quantité L mesure la taille de la perturbation.
30 Propriétés de ν L La mesure ν L vérifie les hypothèses requises : ν L ( x H s R) = µ 0 ( (1 + L) 1/2 x H s R) C s e c sr 2 avec C s et c s qui ne dépendent pas de L dans l ensemble des L considéré.
31 Distance entre ν L et µ 0 En prenant pour γ Marg(µ 0, ν L ), γ(x Y) = µ 0 (X (1 + L) 1/2 Y) on obtient que que la distance de Wasserstein entre ν L et µ 0 est majorée selon µ 0 ν L p,s C p L.
32 Fonctions caractéristiques On en déduit que pour tout p, s, t il existe C p,s (t) telle que pour tout L : ν t ν p,s C p,s (t) L. En particulier pour p = 1, et en utilisant le théorème de Kantorovich-Rubinstein : sup f(x)dν t (x) f(x)dν(x) C s (t) L, f où f parcourt l ensemble des fonctions lipschitziennes sur H s de constante inférieure à 1. Avec f λ (x) = ei λ, x H s λ, on compare les H s fonctions caractéristiques de ν t et ν : e i λ, x Hs dν t (x) e i λ, x H s dν(x) C s (t) L. λ H s sup λ 0
Amphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
Plus en détailThéorie de la Mesure et Intégration
Ecole Nationale de la Statistique et de l Administration Economique Théorie de la Mesure et Intégration Xavier MARY 2 Table des matières I Théorie de la mesure 11 1 Algèbres et tribus de parties d un ensemble
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
Plus en détailIntégrale de Lebesgue
Intégrale de Lebesgue L3 Mathématiques Jean-Christophe Breton Université de Rennes 1 Septembre Décembre 2014 version du 2/12/14 Table des matières 1 Tribus (σ-algèbres) et mesures 1 1.1 Rappels ensemblistes..............................
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailContexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,
Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailThéorèmes du Point Fixe et Applications aux Equations Diérentielles
Université de Nice-Sophia Antipolis Mémoire de Master 1 de Mathématiques Année 2006-2007 Théorèmes du Point Fixe et Applications aux Equations Diérentielles Auteurs : Clémence MINAZZO - Kelsey RIDER Responsable
Plus en détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
Plus en détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailSur certaines séries entières particulières
ACTA ARITHMETICA XCII. 2) Sur certaines séries entières particulières par Hubert Delange Orsay). Introduction. Dans un exposé à la Conférence Internationale de Théorie des Nombres organisée à Zakopane
Plus en détailThéorie de la Mesure et Intégration
Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 & UE LM365 Intégration 2 Année 2010 11 Théorie de la Mesure et Intégration Responsable des cours : Amaury LAMBERT
Plus en détailAutomatique (AU3): Précision. Département GEII, IUT de Brest contact: vincent.choqueuse@univ-brest.fr
Automatique (AU3): Précision des systèmes bouclés Département GEII, IUT de Brest contact: vincent.choqueuse@univ-brest.fr Plan de la présentation Introduction 2 Écart statique Définition Expression Entrée
Plus en détailModule d Electricité. 2 ème partie : Electrostatique. Fabrice Sincère (version 3.0.1) http://pagesperso-orange.fr/fabrice.sincere
Module d Electricité 2 ème partie : Electrostatique Fabrice Sincère (version 3.0.1) http://pagesperso-orange.fr/fabrice.sincere 1 Introduction Principaux constituants de la matière : - protons : charge
Plus en détailAlgorithmes pour la planification de mouvements en robotique non-holonome
Algorithmes pour la planification de mouvements en robotique non-holonome Frédéric Jean Unité de Mathématiques Appliquées ENSTA Le 02 février 2006 Outline 1 2 3 Modélisation Géométrique d un Robot Robot
Plus en détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
Plus en détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailTHÉORIE DE LA MESURE ET DE L INTÉGRATION.
THÉORIE DE LA MESURE ET DE L INTÉGRATION. THIERRY GALLAY Transcrit par Tancrède LEPOINT 29 UNIVERSITÉ JOSEPH FOURIER, GRENOBLE TABLE DES MATIÈRES Avant-propos Biographie sommaire...........................................
Plus en détailIntégration sur des espaces produits
Chapitre 5 Intégration sur des espaces produits 5.1 Produit de deux mesures Étant donnés deux espaces mesurés (Ω 1, F 1, µ 1 ) et (Ω 2, F 1, µ 2 ), le but de cette section est de construire une mesure
Plus en détail8 Ensemble grand-canonique
Physique Statistique I, 007-008 8 Ensemble grand-canonique 8.1 Calcul de la densité de probabilité On adopte la même approche par laquelle on a établi la densité de probabilité de l ensemble canonique,
Plus en détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
Plus en détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailApproximations variationelles des EDP Notes du Cours de M2
Approximations variationelles des EDP Notes du Cours de M2 Albert Cohen Dans ce cours, on s intéresse à l approximation numérique d équations aux dérivées partielles linéaires qui admettent une formulation
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailMESURE ET INTÉGRATION EN UNE DIMENSION. Notes de cours
MSUR T INTÉGRATION N UN DIMNSION Notes de cours André Giroux Département de Mathématiques et Statistique Université de Montréal Mai 2004 Table des matières 1 INTRODUCTION 2 1.1 xercices.............................
Plus en détailMesure et Intégration (Notes de cours de L3)
Mesure et Intégration (Notes de cours de L3) Ahmed Zeriahi Version préliminaire-octobre 2011 Avertissement : Ceci est une version préliminaire des notes du cours que l auteur a dispensé en troisème année
Plus en détailExamen optimisation Centrale Marseille (2008) et SupGalilee (2008)
Examen optimisation Centrale Marseille (28) et SupGalilee (28) Olivier Latte, Jean-Michel Innocent, Isabelle Terrasse, Emmanuel Audusse, Francois Cuvelier duree 4 h Tout resultat enonce dans le texte peut
Plus en détailMA6.06 : Mesure et Probabilités
Année universitaire 2002-2003 UNIVERSITÉ D ORLÉANS Olivier GARET MA6.06 : Mesure et Probabilités 2 Table des matières Table des matières i 1 Un peu de théorie de la mesure 1 1.1 Tribus...............................
Plus en détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en détailLes mathématiques de la finance Université d été de Sourdun Olivier Bardou olivier.bardou@gdfsuez.com 28 août 2012 De quoi allons nous parler? des principales hypothèses de modélisation des marchés, des
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailMesures gaussiennes et espaces de Fock
Mesures gaussiennes et espaces de Fock Thierry Lévy Peyresq - Juin 2003 Introduction Les mesures gaussiennes et les espaces de Fock sont deux objets qui apparaissent naturellement et peut-être, à première
Plus en détailÉquation de Langevin avec petites perturbations browniennes ou
Équation de Langevin avec petites perturbations browniennes ou alpha-stables Richard Eon sous la direction de Mihai Gradinaru Institut de Recherche Mathématique de Rennes Journées de probabilités 215,
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
Plus en détailCONCOURS COMMUN 2010 PHYSIQUE
CONCOUS COMMUN SUJET A DES ÉCOLES DES MINES D ALBI, ALÈS, DOUAI, NANTES Épreuve de Physique-Chimie (toutes filières) Corrigé Barème total points : Physique points - Chimie 68 points PHYSIQUE Partie A :
Plus en détailMesures et Intégration
Mesures et Intégration Marc Troyanov - EPFL - Octobre 2005 30 avril 2008 Ce document contient les notes du cours de Mesure et Intégration enseigné à l EPFL par Marc Troyanov, version 2005-2006. Table des
Plus en détailI. Introduction. 1. Objectifs. 2. Les options. a. Présentation du problème.
I. Introduction. 1. Objectifs. Le but de ces quelques séances est d introduire les outils mathématiques, plus précisément ceux de nature probabiliste, qui interviennent dans les modèles financiers ; nous
Plus en détailExemples de problèmes et d applications. INF6953 Exemples de problèmes 1
Exemples de problèmes et d applications INF6953 Exemples de problèmes Sommaire Quelques domaines d application Quelques problèmes réels Allocation de fréquences dans les réseaux radio-mobiles Affectation
Plus en détailCalcul différentiel sur R n Première partie
Calcul différentiel sur R n Première partie Université De Metz 2006-2007 1 Définitions générales On note L(R n, R m ) l espace vectoriel des applications linéaires de R n dans R m. Définition 1.1 (différentiabilité
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailThéorie de la mesure. S. Nicolay
Théorie de la mesure S. Nicolay Année académique 2011 2012 ii Table des matières Introduction v 1 Mesures 1 1.1 Sigma-algèbres................................. 1 1.2 Mesures.....................................
Plus en détailRupture et plasticité
Rupture et plasticité Département de Mécanique, Ecole Polytechnique, 2009 2010 Département de Mécanique, Ecole Polytechnique, 2009 2010 25 novembre 2009 1 / 44 Rupture et plasticité : plan du cours Comportements
Plus en détailConstruction de l'intégrale de Lebesgue
Université d'artois Faculté des ciences Jean Perrin Mesure et Intégration (Licence 3 Mathématiques-Informatique) Daniel Li Construction de l'intégrale de Lebesgue 10 février 2011 La construction de l'intégrale
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détail1 Complément sur la projection du nuage des individus
TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent
Plus en détailANALYSE NUMERIQUE ET OPTIMISATION. Une introduction à la modélisation mathématique et à la simulation numérique
1 ANALYSE NUMERIQUE ET OPTIMISATION Une introduction à la modélisation mathématique et à la simulation numérique G. ALLAIRE 28 Janvier 2014 CHAPITRE I Analyse numérique: amphis 1 à 12. Optimisation: amphis
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE
ÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE JEAN-DENIS FOUKS, EMMANUEL LESIGNE ET MARC PEIGNÉ J.-D. Fouks. École Supérieure d Ingénieurs de Poitiers. 40 avenue du Recteur Pineau, 860 Poitiers
Plus en détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
Plus en détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
Plus en détailLes indices à surplus constant
Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailLA PHYSIQUE DES MATERIAUX. Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE
LA PHYSIQUE DES MATERIAUX Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE Pr. A. Belayachi Université Mohammed V Agdal Faculté des Sciences Rabat Département de Physique - L.P.M belayach@fsr.ac.ma 1 1.Le réseau
Plus en détailFinance, Navier-Stokes, et la calibration
Finance, Navier-Stokes, et la calibration non linéarités en finance 1 1 www.crimere.com/blog Avril 2013 Lignes directrices Non-linéarités en Finance 1 Non-linéarités en Finance Les équations de Fokker-Planck
Plus en détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
Plus en détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailIntroduction à la. Points Critiques. Otared Kavian. et Applications aux Problèmes Elliptiques. Springer-Verlag
Otared Kavian Introduction à la Théorie des Points Critiques et Applications aux Problèmes Elliptiques Springer-Verlag Berlin Heidelberg NewYork London Paris Tokyo Hong Kong Barcelona Budapest Avant propos
Plus en détailYamina Yagoub-Zidi. Inconditionnalité et propriétés du point fixe dans les espaces de fonctions lisses
MINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE UNIVERSITE MOULOUD MAMMERI, TIZI-OUZOU FACULTE DES SCIENCES DEPARTEMENT DE MATHEMATIQUES THESE DE DOCTORAT SPECIALITE : MATHEMATIQUES
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailTechniques de Lyapunov en contrôle quantique pour le couplage dipolaire et polarisabilité
Techniques de Lyapunov en contrôle quantique pour le couplage dipolaire et polarisabilité Andreea Grigoriu avec Jean-Michel Coron, Cătălin Lefter and Gabriel Turinici CEREMADE-Université Paris Dauphine
Plus en détailDirection des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Etab=MK3, Timbre=G430, TimbreDansAdresse=Vrai, Version=W2000/Charte7, VersionTravail=W2000/Charte7 Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Plus en détailPROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390
PROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390 Université PARIS 6 2008/2009 Jean BERTOIN 1 Table des Matières ( ) ces parties peuvent ^etre omises en première lecture, et ne feront pas
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailFonctions holomorphes
Université Joseph Fourier, Grenoble Maths en Ligne Fonctions holomorphes Christine Laurent-Thiébaut Ceci est le second volet de l étude des fonctions d une variable complexe, faisant suite au chapitre
Plus en détailC algèbre d un certain groupe de Lie nilpotent.
Université Paul Verlaine - METZ LMAM 6 décembre 2011 1 2 3 4 Les transformations de Fourier. Le C algèbre de G/ Z. Le C algèbre du sous-groupe G 5 / vect{u,v }. Conclusion. G un groupe de Lie, Ĝ l ensemble
Plus en détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détail«Cours Statistique et logiciel R»
«Cours Statistique et logiciel R» Rémy Drouilhet (1), Adeline Leclercq-Samson (1), Frédérique Letué (1), Laurence Viry (2) (1) Laboratoire Jean Kuntzmann, Dép. Probabilites et Statistique, (2) Laboratoire
Plus en détailTemps et thermodynamique quantique
Temps et thermodynamique quantique Journée Ludwig Boltzmann 1 Ensemble Canonique Distribution de Maxwell-Boltzmann, Ensemble canonique ϕ(a) = Z 1 tr(a e β H ) Z = tr(e β H ) 2 La condition KMS ϕ(x x) 0
Plus en détailProgrammation linéaire et Optimisation. Didier Smets
Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des
Plus en détailCalcul Différentiel. I Fonctions différentiables 3
Université de la Méditerranée Faculté des Sciences de Luminy Licence de Mathématiques, Semestre 5, année 2008-2009 Calcul Différentiel Support du cours de Glenn Merlet 1, version du 6 octobre 2008. Remarques
Plus en détailConstruction d un cercle tangent à deux cercles donnés.
Préparation au CAPES Strasbourg, octobre 2008 Construction d un cercle tangent à deux cercles donnés. Le problème posé : On se donne deux cercles C et C de centres O et O distincts et de rayons R et R
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailErreur statique. Chapitre 6. 6.1 Définition
Chapitre 6 Erreur statique On considère ici le troisième paramètre de design, soit l erreur statique. L erreur statique est la différence entre l entrée et la sortie d un système lorsque t pour une entrée
Plus en détailChapitre 5 : Flot maximal dans un graphe
Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d
Plus en détailCalcul Stochastique pour la finance. Romuald ELIE
Calcul Stochastique pour la finance Romuald ELIE 2 Nota : Ces notes de cours sont librement inspirées de différentes manuels, polycopiés, notes de cours ou ouvrages. Citons en particulier ceux de Francis
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I
Plus en détailProgrammation Linéaire - Cours 1
Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.
Plus en détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
Plus en détailIntroduction à l optimisation de forme et application à la mécanique des fluides
Laboratoire Jacques-Louis LIONS Introduction à l optimisation de forme et application à la mécanique des fluides Master 2 - Année universitaire 2014-2015 Pascal FREY et Yannick PRIVAT Laboratoire Jacques-Louis
Plus en détail1.1 Codage de source et test d hypothèse
Théorie de l information et codage 200/20 Cours 8février20 Enseignant: Marc Lelarge Scribe: Marc Lelarge Pour information Page webdu cours http://www.di.ens.fr/~lelarge/info.html Notations Pour des variables
Plus en détail