Cette thèse est consacrée au développement d'outils de traitement pour l'Imagerie par Résonance Magnétique du Tenseur de Diffusion (IRM-TD). Cette technique d'IRM récente est d'une grande importance pour comprendre le fonctionnement du cerveau ou pour améliorer le diagnostic de pathologies neurologiques. Nous proposons des méthodes de traitement basées sur la géométrie Riemannienne, les équations aux dérivées partielles et les techniques de propagation de front. La première partie de ce travail est théorique. Après des rappels sur le système nerveux humain, l'IRM et la géométrie différentielle, nous étudions l'espace des lois normales multivariées. L'introduction d'une structure Riemannienne sur cet espace nous permet de définir des statistiques et des schémas numériques intrinsèques qui sont à la base des algorithmes proposés dans la seconde partie. Les propriétés de cet espace sont importantes pour l'IRM-TD car les tenseurs de diffusion sont les matrices de covariance de lois normales modélisant la diffusion des molécules d'eau en chaque voxel du milieu imagé. La seconde partie est méthodologique. Nous y introduisons des approches originales pour l'estimation et la régularisation d'IRM-TD. Puis nous montrons comment évaluer le degré de connectivité entre aires corticales et introduisons un modèle statistique d'évolution de surface permettant de segmenter ces images. Finalement, nous proposons une méthode de recalage non-rigide. La dernière partie de cette thèse est consacrée à l'analyse des connexions entre le cortex cérébral et les noyaux gris centraux, impliquées dans des tâches motrices, et à l'étude du réseau anatomo-fonctionnel du cortex visuel humain..

La tomographie optique diffuse de fluorescence permet de développer des systèmes d'imagerie fonctionnelle. Elle permet le suivi in vivo de la biodistribution de marqueurs spécifiques fluorescents, dans le but de développer de nouvelles thérapies, en particulier dans le domaine de l'étude de cancers. Le travail de cette thèse est appliqué au problème mathématique de la tomographie, qui peut être formulé en termes d'évaluation de paramètres physiques dans un ensemble d'équations aux dérivées partielles (EDPs).<br />La Méthode des Eléments Finis (MEF) a été choisie ici pour résoudre ces EDPs, car elle permet de ne pas avoir besoin d'hypothèses sur la géométrie et les inhomogénéités du système. Mais elle consomme beaucoup de temps et de mémoire de calcul, principalement en raison des grandes dimensions des matrices impliquées.<br />Notre objectif est d'accélérer la résolution du système.<br />Pour cela, dans un premier temps, une analyse multirésolution a été choisie : les matrices apparaissant dans la version discrétisée des EDPs sont projetées sur une base orthonormale d'ondelettes de Haar ; on obtient alors des approximations des matrices, de taille réduite, contenant l'essentiel de l'information. En utilisant ces approximations à la place des matrices originales, le temps de calcul pour la résolution des EDPs est alors sensiblement réduit.<br />Dans un deuxième temps, la méthode de Galerkin-ondelettes est choisie à la place de la MEF standard : les polynômes d'interpolation classiquement utilisés par la MEF sont directement remplacés par des fonctions d'ondelettes de Daubechies. On s'affranchit alors de l'étape du maillage, coûteuse en temps de calcul, ce qui permet de diminuer également du temps de calcul tout en gardant une qualité comparable de la solution.

Partant d'une cône-variété hyperbolique compacte de dimension n>2, on étudie les déformations de la métrique dans le but d'obtenir des cônes-variétés Einstein. Dans le cas où le lieu singulier est une sous-variété fermée de codimension 2 et que tous les angles coniques sont plus petits que 2pi, on montre qu'il n'existe pas de déformations Einstein infinitésimales non triviales préservant les angles coniques. Ce résultat peut s'interpréter comme une généralisation en dimension supérieure du célèbre théorème de Hodgson et Kerckhoff sur les déformations des cônes-variétés hyperboliques de dimension 3.<br />Si tous les angles coniques sont inférieurs à pi, on donne ensuite une construction qui à chaque variation donnée des angles associe une déformation Einstein infinitésimale correspondante.

Ce travail porte principalement sur l'analyse mathématique de modèles multi-échelles pour la simulation de fluides polymériques. Ces modèles couplent, au niveau microscopique, une description moléculaire de l'évolution des chaînes de polymère (sous forme d'une équation différentielle stochastique) avec, au niveau macroscopique, les équations de conservation de la masse et de la quantité de mouvement pour le solvant (sous forme d'équations aux dérivées partielles). Le chapitre 1 introduit les modèles et donne les principaux résultats obtenus. Dans les chapitres 2, 4, 5 et 7 on montre en quel sens les équations sont bien posées pour divers modèles de polymère, en considérant soit des écoulements homogènes, soit des écoulements cisaillés plans. Dans les chapitres 2, 3, 6 et 7, on analyse et on prouve la convergence de méthodes numériques pour ces modèles. Enfin, le chapitre 8 concerne le comportement en temps long du système. Une deuxième partie de ce document est constituée de trois chapitres portant sur un travail en magnétohydrodynamique (MHD), en collaboration avec l'industrie. Le chapitre 9 est une introduction à la problématique ainsi qu'aux méthodes numériques utilisées. Le chapitre 10 décrit un nouveau cas-test en MHD. Enfin, le chapitre 11 donne une analyse de la stabilité du schéma numérique utilisé.

Dans ce travail nous nous sommes intéressés à des problèmes de modélisation et d'assimilation de données en océanographie, tant d'un point de vue théorique que numérique. L'étude de l'océan est cruciale pour de nombreuses raisons (changement climatique, météorologie, navigation commerciale et militaire, etc.). Dans une première partie nous étudions les équations primitives linéaires tridimensionnelles de l'océan, et nous donnons des résultats nouveaux de régularité en calculant explicitement le terme de pression. Dans une deuxième partie nous étudions l'assimilation variationnelle de données lagrangiennes dans un modèle d'océan. L'assimilation de données est l'ensemble des méthodes qui permettent de combiner de façon optimale, en vue d'effectuer des prévisions, deux sortes d'informations disponibles sur un système physique : les observations d'une part et les équations du modèle d'autre part. Nous utilisons une méthode variationnelle pour assimiler des données lagrangiennes, à savoir les positions de flotteurs dérivant dans l'océan. Nous commençons par établir de nouvelles estimations a priori pour les équations primitives afin d'étudier le problème théorique de contrôle optimal associé. Puis nous décrivons l'implémentation de la méthode variationnelle dans un modèle réaliste d'océan aux équations primitives. Enfin nous effectuons de nombreuses expériences numériques et notamment plusieurs études de sensibilité, qui montrent que l'assimilation de données lagrangiennes est techniquement réalisable et pertinente d'un point de vue océanographique.

Ce travail concerne la mise en oeuvre d'une méthode numérique d'optimisation de type contrôle optimal appliquée à un problème d'assimilation de données en biogochimie marine. Après avoir présenté le systme d'équations aux dérivés partielles non-linéaires régissant l'évolution en temps et en espace des différentes variables physiques et biologiques, un premier travail, mathématique, a consisté à montrer l'existence, l'unicité et la positivité de la solution du modèle biologique. La seconde partie du travail est numérique. Le modèle est discrétisé par diffrences finies et les codes linéaire tangent et adjoint sont obtenus par différentiation automatique. Ces outils informatiques étant développés, on peut aborder le problème inverse d'assimilation variationnelle de données. Les variables de contrôle sont les paramètres intervenant dans les termes non-linéaires de réactions biologiques. On cherche un jeu de paramètres optimal minimisant une fonction cout. Celle-ci mesure l'écart au sens des moindres carrés entre les observations et les sorties correspondantes du modèle.Une étude de sensibilité préliminaire, utilisant le modèle tangent linéaire, ainsi que des expériences d'identification, utilisant le modèle adjoint, avec données simulées, sont menées. On utilise enfin la méthode pour assimiler des données réelles de la station Dyfamed en Méditerranée Nord-Occidentale.

On étudie dans cette thèse des probèlmes de stabilisation en théorie du controle pour trois types de systèmes différents. Tout d'abord, on introduit, pour les systèmes non linéaires de dimension finie perturbés par des erreurs, une classe de controles dits hybrides, car dépendant d'un état mixte discret-continu. Etant donné un système dont l'équilibre est asymptotiquement controlable, on montre qu'il existe un controle tel que l'équilibre du système bouclé soit globalement asymptotiquement stable avec une robustesse par rapport aux petits bruits. On explicite pour les systèmes chainés un tel controle robuste avec une seule dynamique discrète. On donne également un controle hybride et un controle par retour d'état continu et périodique en temps qui recollent robustement deux controles données tout en conservant une propriéetée de stabilitée asymptotique. Ensuite, on étudie le problème de stabilisation d'un bac de fluide par le controle du déplacement longitudinal. C'est un problème de théorie du controle en dimension infinie car on modélise le problème en utilisant les équations de Saint-Venant qui sont des équations aux dérivées partielles hyperboliques. On utilise une approche Lyapunov pour proposer des feedbacks qui, numériquement, stabilisent localement et asymptotiquement l'origine du système bouclé. Enfin, on étudie le problème de stabilisation de l'origine d'un système linéaire en dimension finie lorsqu'on a une incertitude sur les donnes du système. On applique les méthodes de résolutions numériques des inégalités linéaires matricielles avec incertitudes à un problème industriel.

Dans cette thèse, nous étudions le modèle de synchronisation de Kuramoto et plus généralement des systèmes de diffusions interagissant en champ moyen, en présence d'un aléa supplémentaire appelé désordre. La motivation principale en est l'étude du comportement du système en grande population, pour une réalisation fixée du désordre (modèle quenched). Ce document, outre l'introduction, comporte quatre chapitres. Le premier s'intéresse à la convergence de la mesure empirique du système d'oscillateurs vers une mesure déterministe, solution d'un système d'équations aux dérivées partielles non linéaires couplées (équation de McKean-Vlasov). Cette convergence est prouvée indirectement via un principe de grandes déviations dans le cas averaged et directement dans le cas quenched, sous des hypothèses plus faibles sur le désordre. Le deuxième chapitre est issu d'un travail en commun avec Giambattista Giacomin et Christophe Poquet et concerne la régularité des solutions de l'EDP limite ainsi que la stabilité de ses solutions stationnaires synchronisées dans le cas d'un désordre faible. Les deux derniers chapitres étudient l'influence du désordre sur une population d'oscillateurs de taille finie et illustrent des problématiques observées dans la littérature physique. Nous prouvons dans le troisième chapitre un théorème central limite quenched associé à la loi des grands nombres précédente: on montre que le processus de fluctuations quenched converge, en un sens faible, vers la solution d'une EDPS linéaire. Le dernier chapitre étudie le comportement en temps long de cette EDPS, illustrant le fait que les fluctuations dans le modèle de Kuramoto ne sont pas auto-moyennantes.

Nous considérons la simulation numérique des écoulements de fluides viscoélatiques. Développant une approximation en temps par la méthode des directions alternées, nous proposons un algorithme entièrement nouveau permettant de découpler le calcul des contraintes de celui des vitesses. D'ordre deux en temps, cette méthode permet de plus le calcul rapide des solutions stationnaires. L'éléments à divergence nulle de Thomas-Raviart est utilisé pour les vitesses, et celui de Lesaint-Raviart pour les contraintes. La méthode est appliquée au problème de l'écoulement de fluides du type Oldroyd dans une contraction brusque (problème de la marche).

Les modèles mathématiques et plus spécifiquement les modèles basés sur l'équation de réaction-diffusion ont été utilisés largement dans la littérature pour modéliser la croissance des gliomes cérébraux et des tumeurs en général. De plus la grande littérature de recherche qui concentre sur les expériences biologiques et microscopiques, récemment les modèles ont commencé intégrer l'imagerie médicale dans ses formulations. Incluant la géométrie du cerveau et celle de la tumeur, les structures des différentes tissues et la direction de diffusion, ils ont montré qu'il est possible de simuler la croissance de la tumeur comme c'est observé dans les images médicales. Bien que des modèles génériques ont été proposés, les méthodes pour adapter ces modèles aux images d'un patient reste un domaine inexploré. Dans cette thèse nous nous adressons au problème de 'personnalisation de modèle mathématique de la croissance de tumeurs'. Nous nous focalisons sur les modèles de réaction-diffusion et leurs applications sur la croissance des gliomes cérébrales. Dans la première étape, nous proposons une méthode pour l'identification automatique des paramètres 'patient-spécifiques' du modèle à partir d'une série d'images. En observant la divergence entre la visualisation des gliomes dans les IRMs et les modèles réaction-diffusion, nous déduisons une nouvelle formulation pour expliquer l'évolution de la délinéation de la tumeur. Ce modèle 'Eikonal anistropique modifié' est utilisé plus tard pour l'estimation des paramètres à partir des images. Nous avons théoriquement analysé la méthode proposée à l'aide d'un base donne synthétique et nous avons montré la capacité de la méthode et aussi sa limitation. En plus, les résultats préliminaires, sur les cas réels montrent des potentiels prometteurs de la méthode d'estimation des paramètres et du modèle de réaction-diffusion pour la quantification de la croissance de tumeur et aussi pour la prédiction de l'évolution futur de la tumeur. En suivant la personnalisation, nous nous concentrons sur les applications cliniques des modèles 'patient-spécifiques'. Spécifiquement, nous nous attaquons au problème de la visualisation limitée d'infiltration de gliome dans l'IRM. En effet, les images ne montrent qu'une partie de la tumeur et masquent l'infiltration basse-densité. Cette information absente est cruciale pour la radiothérapie et aussi pour d'autre type de traitements. Dans ce travail, nous proposons pour ce problème une formulation basée sur les modèles 'patient-spécifiques'. Dans l'analyse de cette méthode nous montrons également les bénéfices potentiels pour la planification de la radiothérapie. La dernière étape de cette thèse se concentre sur les méthodes numériques de l'équation 'Eikonal anisotropique'. Ce type d'équation est utilisé dans beaucoup de problèmes différents tel que la modélisation, le traitement d'image, la vision par ordinateur et l'optique géométrique. Ici nous proposons une méthode numérique rapide et efficace pour résoudre l'équation Eikonal anisotropique. En la comparant avec une autre méthode état-de-l'art nous démontrons les avantages de la technique proposée.