No description available.

Cette thèse porte sur l’homogénéisation quantitative d’équations aux dérivées partielles paraboliques, et de problèmes elliptiques discrets. Dans l’introduction, nous voyons comment de tels problèmes, même lorsque les coefficients sont déterministes, résultent d’un modèle aléatoire. Nous donnons ensuite une notion de ce qu’est l’homogénéisation : que se passe-t-il lorsque les coefficients eux-mêmes sont aléatoires, est-il possible de considérer qu’un environnement présentant des inhomogénéités sur de très petites échelles, se comporte d’une manière proche d’un environnement fictif qui serait homogène ?Nous donnons ensuite une interprétation de cette question en terme de marche aléatoire en conductances aléatoires, puis donnons une idée des outils utilisés dans les preuves des deux chapitres suivants. Dans le chapitre II, nous démontrons un résultat d’homogénéisation quantitative pour une équation parabolique – l’équation de la chaleur par exemple – dans un environnement admettant des coefficients aléatoires et dépendant du temps. La méthode utilisée consiste à considérer les solutions d’un tel problème comme optimiseurs de fonctionnelles qui seront définies au préalable, puis d’utiliser la propriété cruciale de sous-additivité de ces quantités, afin d’en déduire une convergence puis un résultat de concentration, qui permettra d’en déduire une vitesse de convergence des solutions vers la solution du problème homogénéisé, Dans le chapitre III, nous adaptons ces méthodes pour un problème elliptique sur le graphe Zd. / This thesis deals with quantitative stochastic homogenization of parabolic partial differential equations, and discrete elliptic problems. In the introduction, we see how can such problems come from random models, even when the coefficients are deterministic. Then, we introduce homogenization : what happen if the coefficients themselves are random ? Could we consider that an environment with microscopical random heterogeneities behaves, at big scale, as a fictious deterministic homogeneous environment ? Then, we give a random walk in random environment interpretation and the sketch of the proofs in the two following chapters. In chapter II, we prove a quantitative homogenization result for parabolic PDEs, such as heat equation, in environment admitting time and space dependent coefficients. The method of the proof consists in considering solutions of such problems as minimizers of variational problems. The first step is to express solutions as minimizers, and then to use the capital property of subadditivity of the corresponding quantities, in order to deduce convergence and concentration result. From that, we deduce a rate of convergence of the actual solutions to the homogenized solution. In chapter III, we adapt these methods to a discrete elliptic problem on the lattice Zd.

This thesis treats a range of stochastic methods with various applications, most notably in finance. It is comprised of five articles, and a summary of the key concepts and results these are built on. The first two papers consider a jump-to-default model, which is a model where some quantity, e.g. the price of a financial asset, is represented by a stochastic process which has continuous sample paths except for the possibility of a sudden drop to zero. In Paper I prices of European-type options in this model are studied together with the partial integro-differential equation that characterizes the price. In Paper II the price of a perpetual American put option in the same model is found in terms of explicit formulas. Both papers also study the parameter monotonicity and convexity properties of the option prices. The third and fourth articles both deal with valuation problems in a jump-diffusion model. Paper III concerns the optimal level at which to exercise an American put option with finite time horizon. More specifically, the integral equation that characterizes the optimal boundary is studied. In Paper IV we consider a stochastic game between two players and determine the optimal value and exercise strategy using an iterative technique. Paper V employs a similar iterative method to solve the statistical problem of determining the unknown drift of a stochastic process, where not only running time but also each observation of the process is costly.

Du fait du manque de capteurs fiables et bon marché, la problématique de la reconstruction d'état est cruciale pour les bioprocédés, particulièrement pour les (bio)réacteurs à paramètres répartis. C'est pourquoi il est essentiel d'étudier leurs propriétés d'observabilité, qui peuvent notamment dépendre des dimensions spatiales des capteurs. Dans cette thèse, on étudie tout d'abord l'observabilité d'une classe de réacteurs tubulaires à lit fixe mettant en oeuvre une seule réaction biochimique, où un substrat est dégradé suivant une cinétique non linéaire. Plus précisément, l'analyse porte sur un modèle linéarisé, consistant notamment en une Équation aux Dérivées Partielles (EDP) parabolique linéaire comportant un coefficient non uniforme (c.-à-d. dépendant de la variable spatiale). Ce modèle entre dans le cadre d'une classe particulière de systèmes : les systèmes de Sturm-Liouville. Il s'en déduit que tout nombre fini de modes dominants du système est observable par un capteur (de concentration en substrat) situé en sortie et de largeur suffisamment petite. En outre, considérant un minorant et un majorant du coefficient non uniforme, on détermine une expression numérique, fonction du nombre de modes à observer, qui minore cette largeur. La pertinence de ce résultat est confirmée par un exemple numérique : un biofiltre de dénitrification. Cette étude est étendue à un procédé-pilote de digestion anaérobie de l'INRA-Narbonne. On montre l'existence d'un état d'équilibre, autour duquel le comportement du système est modélisé par deux EDP linéaires, dont une à coefficient non uniforme. La démarche précédente est généralisée et on calcule des expressions des largeurs de deux capteurs en fonction du nombre de modes dont on veut s'assurer qu'ils sont observables. Ce résultat s'applique notamment à la conception d'un estimateur d'état.

Diese Arbeit beschäftigt sich mit der Theorie der sogenannten stochastischen Vorwärts-Rückwärts-Differentialgleichungen (FBSDE), welche als ein stochastisches Anologon und in gewisser Weise als eine Verallgemeinerung von parabolischen quasi-linearen partiellen Differentialgleichungen betrachtet werden können. Die Dissertation besteht aus zwei Teilen: In dem ersten entwicklen wir die Theorie der sogenannten Entkopplungsfelder für allgemeine mehrdimensionale stark gekoppelte FBSDE. Diese Theorie besteht aus Existenz- sowie Eindeutigkeitsresultaten basierend auf dem Konzept des maximalen Intervalls. Es beinhaltet darüberhinaus Werkzeuge um Regularität von konkreten Problemen zu untersuchen. Insgesamt wird die Theorie für drei Klassen von Problemen entwickelt: In dem ersten Fall werden Lipschitz-Bedingungen an die Parameter des Problems vorausgesetzt, welche zugleich vom Zufall abhängen dürfen. Die Untersuchung der beiden anderen Klassen basiert auf dem ersten. In diesen werden die Parameter als deterministisch vorausgesetzt. Gleichwohl wird die Lipschitz-Stetigkeit durch zwei verschiedene Formen der lokalen Lipschitz-Stetigkeit abgeschwächt. In dem zweiten Teil werden diese abstrakten Resultate auf drei konkrete Probleme angewendet: In der ersten Anwendung wird gezeigt wie globale Lösbarkeit von FBSDE in dem sogenannten nicht-degenerierten Fall untersucht werden kann. In der zweiten Anwendung wird die Lösbarkeit eines gekoppelten Systems gezeigt, welches eine Lösung zu dem Skorokhod''schen Einbettungproblem liefert. Die Lösung wird für den Fall einer allgemeinen nicht-linearen Drift konstruiert. Die dritte Anwendung führt auf Lösbarkeit eines komplexen gekoppelten Vorwärt-Rückwärts-Systems, aus welchem optimale Strategien für das Problem der Nutzenmaximierung in unvollständingen Märkten konstruiert werden. Das System wird in einem verhältnismäßig allgmeinen Rahmen gelöst, d.h. für eine verhältnismäßig allgemeine Klasse von Nutzenfunktion auf den reellen Zahlen. / This thesis deals with the theory of so called forward-backward stochastic differential equations (FBSDE) which can be seen as a stochastic formulation and in some sense generalization of parabolic quasi-linear partial differential equations. The thesis consist of two parts: In the first we develop the theory of so called decoupling fields for general multidimensional fully coupled FBSDE in a Brownian setting. The theory consists of uniqueness and existence results for decoupling fields on the so called the maximal interval. It also provides tools to investigate well-posedness and regularity for particular problems. In total the theory is developed for three different classes of FBSDE: In the first Lipschitz continuity of the parameter functions is required, which at the same time are allowed to be random. The other two classes we investigate are based on the theory developed for the first one. In both of them all parameter functions have to be deterministic. However, two different types of local Lipschitz continuity replace the more restrictive Lipschitz continuity of the first class. In the second part we apply these techniques to three different problems: In the first application we demonstrate how well-posedness of FBSDE in the so called non-degenerate case can be investigated. As a second application we demonstrate the solvability of a system, which provides a solution to the so called Skorokhod embedding problem (SEP) via FBSDE. The solution to the SEP is provided for the case of general non-linear drift. The third application provides solutions to a complex FBSDE from which optimal trading strategies for a problem of utility maximization in incomplete markets are constructed. The FBSDE is solved in a relatively general setting, i.e. for a relatively general class of utility functions on the real line.