In 1989 Jun Kigami made an analytic construction of a Laplacian on the Sierpiński gasket, a construction that he extended to post critically finite fractals. Since then, this field has evolved into a proper theory of analysis on fractals. The new results obtained in this thesis are all in the setting of Kigami's theory. They are presented in three papers. Strichartz recently showed that there are first order linear differential equations, based on the Laplacian, that are not solvable on the Sierpiński gasket. In the first paper we give a characterization on the polynomial p so that the differential equation p(Δ)u=f is solvable on any open subset of the Sierpiński gasket for any f continuous on that subset. For general p we find the open subsets on which p(Δ)u=f is solvable for any continuous f. In the second paper we describe the infinitesimal geometric behavior of a large class of smooth functions on the Sierpiński gasket in terms of the limit distribution of their local eccentricity, a generalized direction of gradient. The distribution of eccentricities is codified as an infinite dimensional perturbation problem for a suitable iterated function system, which has the limit distribution as an invariant measure. We extend results for harmonic functions found by Öberg, Strichartz and Yingst to larger classes of functions. In the third paper we define and study intrinsic first order derivatives on post critically finite fractals and prove differentiability almost everywhere for certain classes of fractals and functions. We apply our results to extend the geography is destiny principle, and also obtain results on the pointwise behavior of local eccentricities. Our main tool is the Furstenberg-Kesten theory of products of random matrices.

We study Gaussian sample covariance matrices with population covariance a bounded-rank perturbation of the identity, as well as Wigner matrices with bounded-rank additive perturbations. The top eigenvalues are known to exhibit a phase transition in the large size limit: with weak perturbations they follow Tracy-Widom statistics as in the unperturbed case, while above a threshold there are outliers with independent Gaussian fluctuations. Baik, Ben Arous and Péché (2005) described the transition in the complex case and conjectured a similar picture in the real case, the latter of most relevance to high-dimensional data analysis. Resolving the conjecture, we prove that in all cases the top eigenvalues have a limit near the phase transition. Our starting point is the work of Rámirez, Rider and Virág (2006) on the general beta random matrix soft edge. For rank one perturbations, a modified tridiagonal form converges to the known random Schrödinger operator on the half-line but with a boundary condition that depends on the perturbation. For general finite-rank perturbations we develop a new band form; it converges to a limiting operator with matrix-valued potential. The low-lying eigenvalues describe the limit, jointly as the perturbation varies in a fixed subspace. Their laws are also characterized in terms of a diffusion related to Dyson's Brownian motion and in terms of a linear parabolic PDE. We offer a related heuristic for the supercritical behaviour and rigorously treat the supercritical asymptotics of the ground state of the limiting operator. In a further development, we use the PDE to make the first explicit connection between a general beta characterization and the celebrated Painlevé representations of Tracy and Widom (1993, 1996). In particular, for beta = 2,4 we give novel proofs of the latter. Finally, we report briefly on evidence suggesting that the PDE provides a stable, even efficient method for numerical evaluation of the Tracy-Widom distributions, their general beta analogues and the deformations discussed and introduced here. This thesis is based in part on work to be published jointly with Bálint Virág.

We study Gaussian sample covariance matrices with population covariance a bounded-rank perturbation of the identity, as well as Wigner matrices with bounded-rank additive perturbations. The top eigenvalues are known to exhibit a phase transition in the large size limit: with weak perturbations they follow Tracy-Widom statistics as in the unperturbed case, while above a threshold there are outliers with independent Gaussian fluctuations. Baik, Ben Arous and Péché (2005) described the transition in the complex case and conjectured a similar picture in the real case, the latter of most relevance to high-dimensional data analysis. Resolving the conjecture, we prove that in all cases the top eigenvalues have a limit near the phase transition. Our starting point is the work of Rámirez, Rider and Virág (2006) on the general beta random matrix soft edge. For rank one perturbations, a modified tridiagonal form converges to the known random Schrödinger operator on the half-line but with a boundary condition that depends on the perturbation. For general finite-rank perturbations we develop a new band form; it converges to a limiting operator with matrix-valued potential. The low-lying eigenvalues describe the limit, jointly as the perturbation varies in a fixed subspace. Their laws are also characterized in terms of a diffusion related to Dyson's Brownian motion and in terms of a linear parabolic PDE. We offer a related heuristic for the supercritical behaviour and rigorously treat the supercritical asymptotics of the ground state of the limiting operator. In a further development, we use the PDE to make the first explicit connection between a general beta characterization and the celebrated Painlevé representations of Tracy and Widom (1993, 1996). In particular, for beta = 2,4 we give novel proofs of the latter. Finally, we report briefly on evidence suggesting that the PDE provides a stable, even efficient method for numerical evaluation of the Tracy-Widom distributions, their general beta analogues and the deformations discussed and introduced here. This thesis is based in part on work to be published jointly with Bálint Virág.

In conventional tracking algorithms the targets are usually considered as point source objects. However, in realistic scenarios the point source assumption is often not suitable and estimating the states of an object extension characterized by a collectively moving ballistic object group (cluster) becomes a very critical and relevant problem which has applications in the defense area. Recently, a Bayesian approach to extended object tracking using random matrices has been proposed. Within this approach, ellipsoidal object extensions are modeled by random matrices and treated as additional state variables to be estimated. In this work we propose to use a slightly modified version of this new approach that simultaneously estimates the ellipsoidal shape and the kinematics of a group of ballistic targets. Target group that is tracked consists of subsequent projectiles. We use JPDAF framework together with the new approach to emphasize the pros and cons of both approaches. The methods are demonstrated and evaluated in detail by making various simulations.

Consider the following system model y = Ax + e, where x is n-dimensional sparse signal, y is the measurement vector in a much lower dimension m, A is the measurement matrix and e is the error in our measurements. The Dantzig selector estimates x by solving the following optimization problem minimize || x ||₁ subject to || A'(Ax - y) ||∞ ≤ ε, (DS). This is a convex program and can be recast into a linear program and solved using any modern optimization method e.g., interior point methods. We propose a fast and efficient scheme for solving the Dantzig Selector (DS), which we call "Primal-Dual pursuit". This algorithm can be thought of as a "primal-dual homotopy" approach to solve the Dantzig selector (DS). It computes the solution to (DS) for a range of successively relaxed problems, by starting with a large artificial ε and moving towards the desired value. Our algorithm iteratively updates the primal and dual supports as ε reduces to the desired value, which gives final solution. The homotopy path solution of (DS) takes with varying ε is piecewise linear. At some critical values of ε in this path, either some new elements enter the support of the signal or some existing elements leave the support. We derive the optimality and feasibility conditions which are used to update the solutions at these critical points. We also present a detailed analysis of primal-dual pursuit for sparse signals in noiseless case. We show that if our signal is S-sparse, then we can find all its S elements in exactly S steps using about "S² log n" random measurements, with very high probability.

Les Mathématiques non-commutatives sont un domaine en plein essor. L'idée de base consiste à remarquer qu'au lieu de décrire un espace donné comme étant un ensemble de points, on peut de manière équivalente le décrire par l'algèbre des fonctions définies sur cet espace. Cette algèbre est commutative. On remplace alors cette algèbre par une algèbre qui n'est plus forcément commutative et que l'on cherche à interpréter comme une algèbre de fonctions sur un « espace non-commutatif ». Les groupes quantiques sont un exemple de généralisation non-commutative de la notion de groupe. Il s'agit d'une C*-algèbre munie d'une comultiplication à valeur dans le produit tensoriel de l'algèbre avec elle-même. Les groupes quantiques ont été bien étudiés. Les groupes duaux sont similaires aux groupes quantiques, mais la comultiplication est cette fois-ci à valeur dans le produit libre, et non plus dans le produit tensoriel. Bien qu'ils aient été introduits dans les années 80, ils n'ont pas encore été vraiment étudiés. Le but de cette thèse est d'explorer les propriétés des groupes duaux, en se concentrant sur l'un d'entre eux – le groupe dual unitaire – et ce en utilisant les méthodes des probabilités non-commutatives (ou probabilités quantiques) / Noncommutative Mathematics are a very active domain. The idea underlying it is that instead of describing a space as a set of points, it is equivalent to describe it with the algebra of functions defined on said space. This algebra is commutative. Now we replace this algebra with an algebra that is not necessarily commutative any more and we want to interpret it as the algebra of functions defined on a « noncommutative space ». Quantum groups are an example of such a noncommutative generalization of the notion of group. They are C*-algebras equipped with a comultiplication that takes its values in the tensor product of the algebra with itself. Quantum groups are well-known and well studied. Nevertheless we can also define dual groups, which are similar to quantum groups, but the comultiplication takes now its values in the free product of the algebra with itself, instead of the tensor product. Though dual groups have been introduced in the 80s, they have not been much studied so far. The goal of this thesis is to study their properties, especially in the case of one particular dual group called the unitary dual group, by using methods from noncommutative probability (or quantum probability).

Le développement de la Théorie du Calcul Quantique provient de l'idée qu'un ordinateur est avant tout un système physique, de sorte que ce sont les lois de la Nature elles-mêmes qui constituent une limite ultime sur ce qui peut être calculé ou non. L'intérêt pour cette discipline fut stimulé par la découverte par Peter Shor d'un algorithme quantique rapide pour factoriser un nombre, alors qu'actuellement un tel algorithme n'est pas connu en Théorie du Calcul Classique. Un autre résultat important fut la construction par Lov Grover d'un algorithme capable de retrouver un élément dans une base de donnée non-structurée avec un gain de complexité quadratique par rapport à tout algorithme classique. Alors que ces algorithmes quantiques sont exprimés dans le modèle ``standard' du Calcul Quantique, où le registre évolue de manière discrète dans le temps sous l'application successive de portes quantiques, un nouveau type d'algorithme a été récemment introduit, où le registre évolue continûment dans le temps sous l'action d'un Hamiltonien. Ainsi, l'idée à la base du Calcul Quantique Adiabatique, proposée par Edward Farhi et ses collaborateurs, est d'utiliser un outil traditionnel de la Mécanique Quantique, à savoir le Théorème Adiabatique, pour concevoir des algorithmes quantiques où le registre évolue sous l'influence d'un Hamiltonien variant très lentement, assurant une évolution adiabatique du système. Dans cette thèse, nous montrons tout d'abord comment reproduire le gain quadratique de l'algorithme de Grover au moyen d'un algorithme quantique adiabatique. Ensuite, nous montrons qu'il est possible de traduire ce nouvel algorithme adiabatique, ainsi qu'un autre algorithme de recherche à évolution Hamiltonienne, dans le formalisme des circuits quantiques, de sorte que l'on obtient ainsi trois algorithmes quantiques de recherche très proches dans leur principe. Par la suite, nous utilisons ces résultats pour construire un algorithme adiabatique pour résoudre des problèmes avec structure, utilisant une technique, dite de ``nesting', développée auparavant dans le cadre d'algorithmes quantiques de type circuit. Enfin, nous analysons la résistance au bruit de ces algorithmes adiabatiques, en introduisant un modèle de bruit utilisant la théorie des matrices aléatoires et en étudiant son effet par la théorie des perturbations. / Doctorat en sciences appliquées / info:eu-repo/semantics/nonPublished

Cette thèse porte essentiellement sur l'étude de la distribution spectrale limite de grandes matrices aléatoires dont les entrées sont corrélées et traite également d'inégalités de déviation pour la plus grande valeur propre d'une somme de matrices aléatoires auto-adjointes et géométriquement absolument réguliers. On s'intéresse au comportement asymptotique de grandes matrices de covariances et de matrices de type Wigner dont les entrées sont des fonctionnelles d'une suite de variables aléatoires à valeurs réelles indépendantes et de même loi. On montre que dans ce contexte la distribution spectrale empirique des matrices peut être obtenue en analysant une matrice gaussienne ayant la même structure de covariance. Cette approche est valide que ce soit pour des processus à mémoire courte ou pour des processus exhibant de la mémoire longue, et on montre ainsi un résultat d'universalité concernant le comportement asymptotique du spectre de ces matrices. Notre approche consiste en un mélange de la méthode de Lindeberg par blocs et d'une technique d'interpolation Gaussienne. Une nouvelle inégalité de concentration pour la transformée de Stieltjes pour des matrices symétriques ayant des lignes $m$-dépendantes est établie. Notre méthode permet d'obtenir, sous de faibles conditions, l'équation intégrale satisfaite par la transformée de Stieltjes de la distribution spectrale limite. Ce résultat s'applique à des matrices associées à des fonctions de processus linéaires, à des modèles ARCH ainsi qu'à des modèles non-linéaires de type Volterra. On traite également le cas des matrices de Gram dont les entrées sont des fonctionnelles d'un processus absolument régulier (i.e. $beta$-mélangeant).On établit une inégalité de concentration qui nous permet de montrer, sous une condition de décroissance arithmétique des coefficients de $beta$-mélange, que la transformée de Stieltjes se concentre autour de sa moyenne. On réduit ensuite le problème à l'étude d'une matrice gaussienne ayant une structure de covariance similaire via la méthode de Lindeberg par blocs. Des applications à des chaînes de Markov stationnaires et Harris récurrentes ainsi qu'à des systèmes dynamiques sont données. Dans le dernier chapitre de cette thèse, on étudie des inégalités de déviation pour la plus grande valeur propre d'une somme de matrices aléatoires auto-adjointes. Plus précisément, on établit une inégalité de type Bernstein pour la plus grande valeur propre de la somme de matrices auto-ajointes, centrées et géométriquement $beta$-mélangeantes dont la plus grande valeur propre est bornée. Ceci étend d'une part le résultat de Merlevède et al. (2009) à un cadre matriciel et généralise d'autre part, à un facteur logarithmique près, les résultats de Tropp (2012) pour des sommes de matrices indépendantes / In this thesis, we investigate mainly the limiting spectral distribution of random matrices having correlated entries and prove as well a Bernstein-type inequality for the largest eigenvalue of the sum of self-adjoint random matrices that are geometrically absolutely regular. We are interested in the asymptotic spectral behavior of sample covariance matrices and Wigner-type matrices having correlated entries that are functions of independent random variables. We show that the limiting spectral distribution can be obtained by analyzing a Gaussian matrix having the same covariance structure. This approximation approach is valid for both short and long range dependent stationary random processes just having moments of second order. Our approach is based on a blend of a blocking procedure, Lindeberg's method and the Gaussian interpolation technique. We also develop new tools including a concentration inequality for the spectral measure for matrices having $K$-dependent rows. This method permits to derive, under mild conditions, an integral equation of the Stieltjes transform of the limiting spectral distribution. Applications to matrices whose entries consist of functions of linear processes, ARCH processes or non-linear Volterra-type processes are also given.We also investigate the asymptotic behavior of Gram matrices having correlated entries that are functions of an absolutely regular random process. We give a concentration inequality of the Stieltjes transform and prove that, under an arithmetical decay condition on the absolute regular coefficients, it is almost surely concentrated around its expectation. The study is then reduced to Gaussian matrices, with a close covariance structure, proving then the universality of the limiting spectral distribution. Applications to stationary Harris recurrent Markov chains and to dynamical systems are also given.In the last chapter, we prove a Bernstein type inequality for the largest eigenvalue of the sum of self-adjoint centered and geometrically absolutely regular random matrices with bounded largest eigenvalue. This inequality is an extension to the matrix setting of the Bernstein-type inequality obtained by Merlev`ede et al. (2009) and a generalization, up to a logarithmic term, of Tropp's inequality (2012) by relaxing the independence hypothesis

Cette thèse porte sur plusieurs questions liées aux mesures de Yang-Mills planaires et aux champs markoviens d'holonomies planaires. Les problèmes sont de deux sortes : étude des champs markoviens d'holonomies planaires pour un groupe de structure donné et l'étude asymptotique des mesures de Yang-Mills lorsque la dimension du groupe tend vers l'infini. On définit la notion de champs markoviens d'holonomies planaires qui axiomatise la notion de mesures de Yang-Mills planaires. En utilisant une nouvelle symétrie en théorie des probabilités, l'invariance par tresse, on construit, caractérise et classifie les champs markoviens d'holonomies planaires. Nous montrons que tout champ markovien d'holonomies planaire est associé à un processus de Lévy qui satisfait une condition de symétrie et vice-versa. Ceci nous permet de caractériser, pour les surfaces sphériques, les champs markoviens d'holonomies tels que définis précédemment par Thierry Lévy. Lorsque le groupe de structure est le groupe symétrique, on peut construire le champ markovien d'holonomies planaire associé grâce à un modèle de revêtements aléatoires. On prouve la convergence des monodromies de ce revêtement aléatoire en s'appuyant sur l'étude, développée dans cette thèse, de l'asymptotique des matrices aléatoires invariantes par conjugaison par le groupe symétrique. / This thesis focuses on planar Yang-Mills measures and planar Markovian holonomy fields. We consider two different questions : the study of planar Markovian holonomy fields with fixed structure group and the asymptotic study of the planar Yang-Mills measures when the dimension of the structure group grows. We define the notion of planar Markovian holonomy fields which generalizes the concept of planar Yang-Mills measures. We construct, characterize and classify the planar Markovian holonomy fields by introducing a new symmetry : the invariance under the action of braids. We show that there is a bijection between planar Markovian holonomy fields and some equivalent classes of Lévy processes. We use these results in order to characterize Markovian holonomy fields on spherical surfaces. The Markovian holonomy fields with the symmetric group as structure group can be constructed using random ramified coverings. We prove that the monodromies of these models of random ramified coverings converge as the number of sheets of the covering goes to infinity. To prove this, we develop general tools in order to study the limits of families of random matrices invariant by the symmetric group. This allows us to generalize ideas, developped by Thierry Lévy in order to study the planar Yang-Mills measure with the unitary structure group, to the setting where the structure group is the symmetric group.

Cette thèse présente des résultats nouveaux dans deux sujets de la physique statistique du désordre: les modèles aux energies aléatoires logarithmiquement corrélées (logREMs), et la transition de localisation dans les matrices aléatoires à longues portées.Dans la première partie consacrée aux logREMs, nous montrons comment décrire leurs points communs et les données spécifiques aux modèles particuliers. Ensuite nous appliquons la méthode de la brisure de symétrie des répliques pour les étudier en general, et en déduirons la transition vitreuse et le processus des minima, en termes de processus de Poisson décorés. Nous présentons également une série d'application des polynômes de Jack à la prédiction exactes des observables dans le modèle circulaire et ses variants. Finalement, nous décrivons les progrès récents sur la connexion exacte entre les logREMs et la théorie conforme de Liouville.La seconde partie a pour but d'introduire une nouvelle classe de matrices aléatoires à bandes, dite la classe des distributions larges; elle ressemble essentiellement aux matrices creuses. Nous étudions d'abord un modèle particulier de la classe, les matrices aléatoires Bêta, qui sont inspirées par une correspondence exacte à un modèle statistique récemment étudié, celui de la dynamique épidémique. A l'aide des arguments analytiques appuyés sur la correspondence et des simulations numériques, nous montrons l'existence des transitions de localisation avec des valeurs propres critiques dans le régime des paramètres dit d'exponentielle étirée. Ensuite, en utilisant une approche de renormalisation et de diagonalisation par blocs, nous soutenons que les transitions de localisation sont en général présentes dans la class des distributions larges. / This thesis presents original results in two domains of disordered statistical physics: logarithmic correlated Random Energy Models (logREMs), and localization transition in long-range random matrices.In the first part devoted to logREMs, we show how to characterise their common properties and model--specific data. Then we develop their replica symmetry breaking treatment, which leads to the freezing scenario of their free energy distribution and the general description of their minima process, in terms of decorated Poisson point process. We also report a series of new applications of the Jack polynomials in the exact predictions of some observables in the circular model and its variants. Finally, we present the recent progress on the exact connection between logREMs and the Liouville conformal field theory.The goal of the second part is to introduce and study a new class of banded random matrices, the broadly distributed class, which is characterid an effective sparseness. We will first study a specific model of the class, the Beta Banded random matrices, inspired by an exact mapping to a recently studied statistical model of long--range first--passage percolation/epidemics dynamics. Using analytical arguments based on the mapping and numerics, we show the existence of localisation transitions with mobility edges in the ``stretch--exponential'' parameter--regime of the statistical models. Then, using a block--diagonalization renormalization approach, we argue that such localization transitions occur generically in the broadly distributed class.