Plusieurs problèmes en mathématiques appliquées requièrent la résolution de systèmes linéaires de très grandes tailles, et parfois ces systèmes doivent être résolus de multiples fois. Dans de tels cas, les algorithmes standards basés sur l'élimination de Gauss demandent O(n^3) opérations arithmétiques pour résoudre un système de taille n, et ce sera un handicap pour le calcul. C'est pour cela qu'on cherche à utiliser la structure pour réduire le temps de calcul.<br /><br /> La structure de Toeplitz, de Hankel, de Cauchy, de Vandermonde et d'autre structure plus générales sont bien exploitées pour réduire la complexité de résolution d'un système linéaire à O(n log^2 n) opérations arithmétiques.<br /><br /> Les matrices structurées en deux niveaux et surtout les matrices de Toeplitz par blocs de Toeplitz (TBT) apparaissent dans beaucoup des applications. Le but de ce travail est de trouver des algorithmes de résolution rapide pour des systèmes TBT de grande taille.<br /><br /> Dans cette thèse, on décrit les difficultés de ce problème. On donne trois algorithmes rapide, en O(n^3/2) opérations, de résolution pour les systèmes de Toeplitz bande par blocs Toeplitz bande. On donne aussi une nouvelle méthode de résolution des systèmes de Toeplitz scalaires en donnant une relation entre la solution d'un système de Toeplitz scalaires et les syzygies des polynômes en une seule variable. On généralise cette méthode pour les matrices TBT et on donne une relation entre la solution d'un tel système linéaire et les syzygies des polynômes en deux variables.

Les grandes matrices de covariance constituent certainement l’un des modèles les plus utiles pour les applications en statistiques en grande dimension, en communication numérique, en biologie mathématique, en finance, etc. Les travaux de Marcenko et Pastur (1967) ont permis de décrire le comportement asymptotique de la mesure spectrale de telles matrices formées à partir de N copies indépendantes de n observations d’une suite de variables aléatoires iid et sa convergence vers une distribution de probabilité déterministe lorsque N et n convergent vers l’infini à la même vitesse. Plus récemment, Merlevède et Peligrad (2016) ont démontré que dans le cas de grandes matrices de covariance issues de copies indépendantes d’observations d’un processus strictement stationnaire centré, de carré intégrable et satisfaisant des conditions faibles de régularité, presque sûrement, la distribution spectrale empirique convergeait étroitement vers une distribution non aléatoire ne dépendant que de la densité spectrale du processus sous-jacent. En particulier, si la densité spectrale est continue et bornée (ce qui est le cas des processus linéaires dont les coefficients sont absolument sommables), alors la distribution spectrale limite a un support compact. Par contre si le processus stationnaire exhibe de la longue mémoire (en particulier si les covariances ne sont pas absolument sommables), le support de la loi limite n'est plus compact et des études plus fines du comportement des valeurs propres sont alors nécessaires. Ainsi, cette thèse porte essentiellement sur l’étude des asymptotiques et des fluctuations des plus grandes valeurs propres de grandes matrices de covariance associées à des processus stationnaires à longue mémoire. Dans le cas où le processus stationnaire sous-jacent est Gaussien, l’étude peut être simplifiée via un modèle linéaire dont la matrice de covariance de population sous-jacente est une matrice de Toeplitz hermitienne. On montrera ainsi que dans le cas de processus stationnaires gaussiens à longue mémoire, les fluctuations des plus grandes valeurs propres de la grande matrice de covariance empirique convenablement renormalisées sont gaussiennes. Ce comportement indique une différence significative par rapport aux grandes matrices de covariance empirique issues de processus à courte mémoire, pour lesquelles les fluctuations de la plus grande valeur propre convenablement renormalisée suivent asymptotiquement la loi de Tracy-Widom. Pour démontrer notre résultat de fluctuations gaussiennes, en plus des techniques usuelles de matrices aléatoires, une étude fine du comportement des valeurs propres et vecteurs propres de la matrice de Toeplitz sous-jacente est nécessaire. On montre en particulier que dans le cas de la longue mémoire, les m plus grandes valeurs propres de la matrice de Toeplitz convergent vers l’infini et satisfont une propriété de type « trou spectral multiple ». Par ailleurs, on démontre une propriété de délocalisation de leurs vecteurs propres associés. Dans cette thèse, on s’intéresse également à l’universalité de nos résultats dans le cas du modèle simplifié ainsi qu’au cas de grandes matrices de covariance lorsque les matrices de Toeplitz sont remplacées par des matrices diagonales par blocs / Large covariance matrices play a fundamental role in the multivariate analysis and high-dimensional statistics. Since the pioneer’s works of Marcenko and Pastur (1967), the asymptotic behavior of the spectral measure of such matrices associated with N independent copies of n observations of a sequence of iid random variables is known: almost surely, it converges in distribution to a deterministic law when N and n tend to infinity at the same rate. More recently, Merlevède and Peligrad (2016) have proved that in the case of large covariance matrices associated with independent copies of observations of a strictly stationary centered process which is square integrable and satisfies some weak regularity assumptions, almost surely, the empirical spectral distribution converges weakly to a nonrandom distribution depending only on the spectral density of the underlying process. In particular, if the spectral density is continuous and bounded (which is the case for linear processes with absolutely summable coefficients), the limiting spectral distribution has a compact support. However, if the underlying stationary process exhibits long memory, the support of the limiting distribution is not compact anymore and studying the limiting behavior of the eigenvalues and eigenvectors of the associated large covariance matrices can give more information on the underlying process. This thesis is in this direction and aims at studying the asymptotics and the fluctuations of the largest eigenvalues of large covariance matrices associated with stationary processes exhibiting long memory. In the case where the underlying stationary process is Gaussian, the study can be simplified by a linear model whose underlying population covariance matrix is a Hermitian Toeplitz matrix. In the case of stationary Gaussian processes exhibiting long memory, we then show that the fluctuations of the largest eigenvalues suitably renormalized are Gaussian. This limiting behavior shows a difference compared to the one when large covariance matrices associated with short memory processes are considered. Indeed in this last case, the fluctuations of the largest eigenvalues suitably renormalized follow asymptotically the Tracy-Widom law. To prove our results on Gaussian fluctuations, additionally to usual techniques developed in random matrices analysis, a deep study of the eigenvalues and eigenvectors behavior of the underlying Toeplitz matrix is necessary. In particular, we show that in the case of long memory, the largest eigenvalues of the Toeplitz matrix converge to infinity and satisfy a property of “multiple spectral gaps”. Moreover, we prove a delocalization property of their associated eigenvectors. In this thesis, we are also interested in the universality of our results in the case of the simplified model and also in the case of large covariance matrices when the Toeplitz matrices are replaced by bloc diagonal matrices

Dans cette thèse, nous étudierons les médianes d'une mesure de probabilité dans une variété riemannienne. Dans un premier temps, l'existence et l'unicité des médianes locales seront montrées. Afin de calculer les médianes aux cas pratiques, nous proposerons aussi un algorithme de sous-gradient et prouverons sa convergence. Ensuite, les médianes de Fréchet seront étudiées. Nous montrerons leur cohérence statistique et donnerons des estimations quantitatives de leur robustesse à l'aide de courbures. De plus, nous montrerons que, dans les variétés riemanniennes compactes, les médianes de Fréchet de données génériques sont toujours uniques. Des algorithmes stochastiques et déterministes seront proposés pour calculer les p-moyennes de Fréchet dans les variétés riemanniennes. Un lien entre les médianes et les problèmes de points fixes sera aussi montré. Finalement, nous appliquerons les médiane et la géométrie riemannienne des matrices de covariance Toeplitz à la détection de cible radar.

Cette thèse s'inscrit dans le domaine de la théorie des opérateurs. L'un des opérateurs qui m'a particulièrement intéressé est l'opérateur modèle noté S(Φ) qui désigne la compression du shift unilatéral S sur l'espace modèle H(Φ) où Φ est une fonction intérieure. L'étude du rayon numérique de S(Φ) semble être importante comme l'illustre bien un résultat dû à C. Badea et G. Cassier qui ont montré qu'il existe un lien entre le rayon numérique de tels opérateurs et l'estimation des coefficients des fractions rationnelles positives sur le tore. Nous fournissons une extension de leur résultat et nous trouvons une expression explicite du rayon numérique de S(Φ) dans le cas particulier où Φ est un produit de Blaschke fini avec un unique zéro. Dans le cas général où Φ est un produit de Blaschke fini quelconque, une estimation du rayon numérique de S(Φ) est aussi donnée. Dans la deuxième partie de cette thèse on s'est intéressé à l'image numérique de rang supérieur Λk(T) qui est l'ensemble de tous les nombres complexes λ vérifiant PTP = λP pour une certaine projection orthogonale P de rang k . Cette notion a été introduite récemment par M.-D. Choi, D. W. Kribs, et K. Zyczkowski et elle est utilisée pour certains problèmes en physique. On montre que l'image numérique de rang supérieur du shift n-dimensionnel coïncide avec un disque de rayon bien déterminé

Cette thèse s’inscrit dans le domaine de la théorie des opérateurs. L’un des opérateurs qui m’a particulièrement intéressé est l’opérateur modèle noté S(Φ) qui désigne la compression du shift unilatéral S sur l’espace modèle H(Φ) où Φ est une fonction intérieure. L’étude du rayon numérique de S(Φ) semble être importante comme l’illustre bien un résultat dû à C. Badea et G. Cassier qui ont montré qu’il existe un lien entre le rayon numérique de tels opérateurs et l’estimation des coefficients des fractions rationnelles positives sur le tore. Nous fournissons une extension de leur résultat et nous trouvons une expression explicite du rayon numérique de S(Φ) dans le cas particulier où Φ est un produit de Blaschke fini avec un unique zéro. Dans le cas général où Φ est un produit de Blaschke fini quelconque, une estimation du rayon numérique de S(Φ) est aussi donnée. Dans la deuxième partie de cette thèse on s’est intéressé à l’image numérique de rang supérieur Λk(T) qui est l’ensemble de tous les nombres complexes λ vérifiant PTP = λP pour une certaine projection orthogonale P de rang k . Cette notion a été introduite récemment par M.-D. Choi, D. W. Kribs, et K. Zyczkowski et elle est utilisée pour certains problèmes en physique. On montre que l’image numérique de rang supérieur du shift n-dimensionnel coïncide avec un disque de rayon bien déterminé / This thesis joins in the field of operator theory. We are specially interested by the extremal operator S(Φ) defined by the compression of the unilateral shift S to the model subspace H(Φ) where Φ is an inner function on the unit disc. The numerical radius of S(Φ) seems to be important and have many applications to harmonic analysis. C. Badea and G. Cassier showed that there is a relationship between the numerical radius of such operators and the Taylor coefficients of positive rational functions. We give an extension of C. Badea and G. Cassier result and an explicit formula of the numerical radius of S(Φ) in the particular case where Φ is a finite Blaschke product with unique zero. An estimate in the general case is also established. The second part is devoted to the study of the higher rank-k numerical range denoted by Λk(T) which is the set of all complex number λ satisfying PTP = λP for some rank-k orthogonal projection P. This notion was introduced by M.-D. Choi, D. W. Kribs, et K. Zyczkowski motivated by a problem in Physics. We show that if Sn is the n-dimensional shift then its rank-k numerical range is the circular discentered in zero and with a precise radius

Cette thèse vise à la conception de nouveaux algorithmes rapides en calcul numérique via les matrices de Toeplitz. Tout d'abord, nous avons introduit un algorithme rapide sur le calcul de l'inverse d'une matrice triangulaire de Toeplitz en se basant sur des notions d'interpolation polynomiale. Cet algorithme nécessitant uniquement deux FFT(2n) est manifestement efficace par rapport à ses prédécésseurs. ensuite, nous avons introduit un algorithme rapide pour la résolution d'un système linéaire de Toeplitz bande. Cette approche est basée sur l'extension de la matrice donnée par plusieurs lignes en dessus, de plusieurs colonnes à droite et d'attribuer des zéros et des constantes non nulles dans chacune de ces lignes et de ces colonnes de telle façon que la matrice augmentée à la structure d'une matrice triangulaire inférieure de Toeplitz. La stabilité de l'algorithme a été discutée et son efficacité a été aussi justifiée. Finalement, nous avons abordé la résolution d'un système de Toeplitz bandes par blocs bandes de Toeplitz. Ceci étant primordial pour établir la connexion de nos algorithmes à des applications en restauration d'images, un domaine phare en mathématiques appliquées. / This thesis aims to design new fast algorithms for numerical computation via the Toeplitz matrices. First, we introduced a fast algorithm to compute the inverse of a triangular Toeplitz matrix with real and/or complex numbers based on polynomial interpolation techniques. This algorithm requires only two FFT (2n) is clearly effective compared to predecessors. A numerical accuracy and error analysis is also considered. Numerical examples are given to illustrate the effectiveness of our method. In addition, we introduced a fast algorithm for solving a linear banded Toeplitz system. This new approach is based on extending the given matrix with several rows on the top and several columns on the right and to assign zeros and some nonzero constants in each of these rows and columns in such a way that the augmented matrix has a lower triangular Toeplitz structure. Stability of the algorithm is discussed and its performance is showed by numerical experiments. This is essential to connect our algorithms to applications such as image restoration applications, a key area in applied mathematics.