Dans ce travail, nous classifions les automorphismes non-symplectiques des variétés équivalentes par déformations à des variétés de Kummer généralisées de dimension 4, ayant une action d'ordre premier sur le réseau de Beauville-Bogomolov. Dans un premier temps, nous donnons les lieux fixes des automorphismes naturels de cette forme. Par la suite, nous développons des outils sur les réseaux en vue de les appliquer à nos variétés. Une étude réticulaire des tores complexes de dimension 2 permet de mieux comprendre les automorphismes naturels sur les variétés de type Kummer. Nous classifions finalement tous les automorphismes décrits précédemment sur ces variétés. En application de nos résultats sur les réseaux, nous complétons également la classification des automorphismes d'ordre premier sur les variétés équivalentes par déformations à des schémas de Hilbert de 2 points sur des surfaces K3, en traitant le cas de l'ordre 5 qui restait ouvert. / Ln this work, we classify non-symplectic automorphisms of varieties deformation equivalent to 4-dimensional generalized Kummer varieties, having a prime order action on the Beauville-Bogomolov lattice. Firstly, we give the fixed loci of natural automorphisms of this kind. Thereafter, we develop tools on lattices, in order to apply them to our varieties. A lattice-theoritic study of 2-dimensional complex tori allows a better understanding of natural automorphisms of Kummer-type varieties. Finaly, we classify all the automorphisms described above on thos varieties. As an application of our results on lattices, we complete also the classification of prime order automorphisms on varieties deformation-equivalent to Hilbert schemes of 2 points on K3 surfaces, solving the case of order 5 which was still open.

Les systèmes dynamiques qui évoluent sur un grand intervalle de temps (dynamique moléculaire, prédiction astronomique, turbulence...) occupent une place importante dans le domaine de la science de l'ingénieur. Leur résolution numérique constitue, jusqu'à l'heure actuelle, un défi. En effet, la simulation de la solution nécessite un solveur non seulement rapide mais aussi qui respecte les propriétés physiques du problème, pour garantir la stabilité. Dans cette thèse, on se propose d'étudier, vis-à-vis de cette problématique, un schéma d'intégration temporelle basée sur la décomposition de la solution en série temporelle, suivie de la technique de resommation de Borel des séries divergentes. On analyse alors la rapidité du schéma sur des problèmes modèles. Ensuite, on montre sa capacité à préserver la structure des équations (symplecticité, iso-spectralité, conservation de l'énergie...) à un ordre arbitrairement élevé. Par la suite, on applique le schéma à la résolution d'équations aux dérivées partielles issues de la mécanique, dont les équations de la chaleur, de Burgers et de Navier-Stokes bidimensionnelles. Pour cela, on associe le schéma à une méthode de discrétisation par éléments finis en espace. Enfin, dans le but de rendre l'algorithme plus robuste, on s'intéresse à la représentation de la somme de Borel par une série de factorielle généralisée. / Dynamical systems which evolve in a large time interval (molecular dynamic, astronomical prediction, turbulence…) take an important place in engineering science. Their numerical resolution has so far constituted a challenge. Indeed, the simulation of the solution requires a solver which is not only fast but also respects the physical properties of the problem, to ensure the stability. In this thesis, we propose to study, regarding this issue, a time integration scheme based on the decomposition of the solution into time series, followed by Borel's resummation technique of divergent series. We analyse the speed of scheme on model problems. Next, we show its capability to preserve the structure of the equation (symplecticity, iso-spectrality, conservation of energy…) up to an arbitrary high order. Thereafter, we use the scheme to resolve partial differential equations coming from mechanics, including the two-dimensional heat equation, Burger’s equation and the Navier-Stokes equation. To this aim, we choose a finite element method for space discretisation. Finally, and in order to make the algorithm more robust, we are interested in the representation of the Borel sum by a generalized factorials series.

The escape of trajectories is a ubiquitous phenomenon in open dynamical systems and stochastic processes. If escape occurs repetitively for a statistical ensemble of trajectories, the population of remaining trajectories often undergoes an exponential decay characterised by the so-called escape rate. Its inverse defines the lifetime of the decaying state, which represents an intrinsic property of the system. This paradigm is fundamental to nucleation theory and reaction-rate theory in chemistry, physics, and biology.<p><p>In many circumstances, escape is activated by the presence of noise, which may be of internal or external origin. This is the case for thermally activated escape over a potential energy barrier and, more generally, for noise-induced escape in continuous-time or discrete-time dynamics. <p><p>In the weak-noise limit, the escape rate is often observed to decrease exponentially with the inverse of the noise amplitude, a behaviour which is given by the van't Hoff-Arrhenius law of chemical kinetics. In particular, the two important quantities to determine in this case are the exponential dependence (the ``activation energy') and its prefactor.<p><p>The purpose of the present thesis is to develop an analytical method to determine these two quantities. We consider in particular one-dimensional continuous and discrete-time systems perturbed by Gaussian white noise and we focus on the escape from the basin of attraction of an attracting fixed point.<p><p>In both classes of systems, using path-integral methods, a formula is deduced for the noise-induced escape rate from the attracting fixed point across an unstable fixed point, which forms the boundary of the basin of attraction. The calculation starts from the trace formula for the eigenvalues of the operator ruling the time evolution of the probability density in noisy maps. The escape rate is determined by the loop formed by two heteroclinic orbits connecting back and forth the two fixed points in a two-dimensional auxiliary deterministic dynamical system. The escape rate is obtained, including the expression of the prefactor to van't Hoff-Arrhenius exponential factor./L'échappement des trajectoires est un phénomène omniprésent dans les systèmes dynamiques ouverts et les processus stochastiques. Si l'échappement se produit de façon répétitive pour un ensemble statistique de trajectoires, la population des trajectoires restantes subit souvent une décroissance exponentielle caractérisée par le taux d'échappement. L'inverse du taux d'échappement définit alors la durée de vie de l'état transitoire associé, ce qui représente une propriété intrinsèque du système. Ce paradigme est fondamental pour la théorie de la nucléation et, de manière générale, pour la théorie des taux de transitions en chimie, en physique et en biologie.<p><p>Dans de nombreux cas, l'échappement est induit par la présence de bruit, qui peut être d'origine interne ou externe. Ceci concerne en particulier l'échappement activé thermiquement à travers une barrière d'énergie potentielle, et plus généralement, l'échappement dû au bruit dans les systèmes dynamiques à temps continu ou à temps discret.<p><p>Dans la limite de faible bruit, on observe souvent une décroissance exponentielle du taux d'échappement en fonction de l'inverse de l'amplitude du bruit, un comportement qui est régi par la loi de van't Hoff-Arrhenius de la cinétique chimique. En particulier, les deux quantités importantes de cette loi sont le coefficient de la dépendance exponentielle (c'est-à-dire ``l'énergie d'activation') et son préfacteur.<p><p>L'objectif de cette thèse est de développer une théorie analytique pour déterminer ces deux quantités. La théorie que nous présentons concerne les systèmes unidimensionnels à temps continu ou discret perturbés par un bruit blanc gaussien et nous considérons le problème de l'échappement du bassin d'attraction d'un point fixe attractif. Pour s'échapper, les trajectoires du système bruité initialement contenues dans ce bassin d'attraction doivent alors traverser un point fixe instable qui forme la limite du bassin.<p><p>Dans le présent travail, et pour les deux types de systèmes, une formule est dérivée pour le taux d'échappement du point fixe attractif en utilisant des méthodes d'intégrales de chemin. Le calcul utilise la formule de trace pour les valeurs propres de l'opérateur gouvernant l'évolution temporelle de la densité de probabilité dans le système bruité. Le taux d'échappement est déterminé en considérant la boucle formée par deux orbites hétéroclines liant dans les deux sens les deux points fixes dans un système dynamique auxiliaire symplectique et bidimensionnel. On obtient alors le taux d'échappement, comprenant l'expression du préfacteur de l'exponentielle de la loi de van't Hoff-Arrhenius. / Doctorat en Sciences / info:eu-repo/semantics/nonPublished

Les méthodes d'algèbres linéaire classiques, pour le calcul de valeurs et vecteurs propres d'une matrice, ou des approximations de rangs inférieurs (low-rank approximations) d'une solution, etc..., ne tiennent pas compte des structures de matrices. Ces dernières sont généralement détruites durant le procédé du calcul. Des méthodes alternatives préservant ces structures font l'objet d'un intérêt important par la communauté. Cette thèse constitue une contribution dans ce domaine. La décomposition SR peut être calculé via l'algorithme de Gram-Schmidt symplectique. Comme dans le cas classique, une perte d'orthogonalité peut se produire. Pour y remédier, nous avons proposé deux algorithmes RSGSi et RMSGSi qui consistent à ré-orthogonaliser deux fois les vecteurs à calculer. La perte de la J-orthogonalité s'est améliorée de manière très significative. L'étude directe de la propagation des erreurs d'arrondis dans les algorithmes de Gram-Schmidt symplectique est très difficile à effectuer. Nous avons réussi à contourner cette difficulté et donner des majorations pour la perte de la J-orthogonalité et de l'erreur de factorisation. Une autre façon de calculer la décomposition SR est basée sur les transformations de Householder symplectique. Un choix optimal a abouti à l'algorithme SROSH. Cependant, ce dernier peut être sujet à une instabilité numérique. Nous avons proposé une version modifiée nouvelle SRMSH, qui a l'avantage d'être aussi stable que possible. Une étude approfondie a été faite, présentant les différentes versions : SRMSH et SRMSH2. Dans le but de construire un algorithme SR, d'une complexité d'ordre O(n³) où 2n est la taille de la matrice, une réduction (appropriée) de la matrice à une forme condensée (J(Hessenberg forme) via des similarités adéquates, est cruciale. Cette réduction peut être effectuée via l'algorithme JHESS. Nous avons montré qu'il est possible de réduire une matrice sous la forme J-Hessenberg, en se basant exclusivement sur les transformations de Householder symplectiques. Le nouvel algorithme, appelé JHSJ, est basé sur une adaptation de l'algorithme SRSH. Nous avons réussi à proposer deux nouvelles variantes, aussi stables que possible : JHMSH et JHMSH2. Nous avons constaté que ces algorithmes se comportent d'une manière similaire à l'algorithme JHESS. Une caractéristique importante de tous ces algorithmes est qu'ils peuvent rencontrer un breakdown fatal ou un "near breakdown" rendant impossible la suite des calculs, ou débouchant sur une instabilité numérique, privant le résultat final de toute signification. Ce phénomène n'a pas d'équivalent dans le cas Euclidien. Nous avons réussi à élaborer une stratégie très efficace pour "guérir" le breakdown fatal et traîter le near breakdown. Les nouveaux algorithmes intégrant cette stratégie sont désignés par MJHESS, MJHSH, JHM²SH et JHM²SH2. Ces stratégies ont été ensuite intégrées dans la version implicite de l'algorithme SR lui permettant de surmonter les difficultés rencontrées lors du fatal breakdown ou du near breakdown. Rappelons que, sans ces stratégies, l'algorithme SR s'arrête. Finalement, et dans un autre cadre de matrices structurées, nous avons présenté un algorithme robuste via FFT et la matrice de Hankel, basé sur le calcul approché de plus grand diviseur commun (PGCD) de deux polynômes, pour résoudre le problème de la déconvolution d'images. Plus précisément, nous avons conçu un algorithme pour le calcul du PGCD de deux polynômes bivariés. La nouvelle approche est basée sur un algorithme rapide, de complexité quadratique O(n²), pour le calcul du PGCD des polynômes unidimensionnels. La complexité de notre algorithme est O(n²log(n)) où la taille des images floues est n x n. Les résultats expérimentaux avec des images synthétiquement floues illustrent l'efficacité de notre approche. / The classical linear algebra methods, for calculating eigenvalues and eigenvectors of a matrix, or lower-rank approximations of a solution, etc....do not consider the structures of matrices. Such structures are usually destroyed in the numerical process. Alternative structure-preserving methods are the subject of an important interest mattering to the community. This thesis establishes a contribution in this field. The SR decomposition is usually implemented via the symplectic Gram-Schmidt algorithm. As in the classical case, a loss of orthogonality can occur. To remedy this, we have proposed two algorithms RSGSi and RMSGSi, where the reorthogonalization of a current set of vectors against the previously computed set is performed twice. The loss of J-orthogonality has significantly improved. A direct rounding error analysis of symplectic Gram-Schmidt algorithm is very hard to accomplish. We managed to get around this difficulty and give the error bounds on the loss of the J-orthogonality and on the factorization. Another way to implement the SR decomposition is based on symplectic Householder transformations. An optimal choice of free parameters provided an optimal version of the algorithm SROSH. However, the latter may be subject to numerical instability. We have proposed a new modified version SRMSH, which has the advantage of being numerically more stable. By a detailes study, we are led to two new variants numerically more stables : SRMSH and SRMSH2. In order to build a SR algorithm of complexity O(n³), where 2n is the size of the matrix, a reduction to the condensed matrix form (upper J-Hessenberg form) via adequate similarities is crucial. This reduction may be handled via the algorithm JHESS. We have shown that it is possible to perform a reduction of a general matrix, to an upper J-Hessenberg form, based only on the use of symplectic Householder transformations. The new algorithm, which will be called JHSH algorithm, is based on an adaptation of SRSH algorithm. We are led to two news variants algorithms JHMSH and JHMSH2 which are significantly more stable numerically. We found that these algortihms behave quite similarly to JHESS algorithm. The main drawback of all these algorithms (JHESS, JHMSH, JHMSH2) is that they may encounter fatal breakdowns or may suffer from a severe form of near-breakdowns, causing a brutal stop of the computations, the algorithm breaks down, or leading to a serious numerical instability. This phenomenon has no equivalent in the Euclidean case. We sketch out a very efficient strategy for curing fatal breakdowns and treating near breakdowns. Thus, the new algorithms incorporating this modification will be referred to as MJHESS, MJHSH, JHM²SH and JHM²SH2. These strategies were then incorporated into the implicit version of the SR algorithm to overcome the difficulties encountered by the fatal breakdown or near-breakdown. We recall that without these strategies, the SR algorithms breaks. Finally ans in another framework of structured matrices, we presented a robust algorithm via FFT and a Hankel matrix, based on computing approximate greatest common divisors (GCD) of polynomials, for solving the problem pf blind image deconvolution. Specifically, we designe a specialized algorithm for computing the GCD of bivariate polynomials. The new algorithm is based on the fast GCD algorithm for univariate polynomials , of quadratic complexity O(n²) flops. The complexitiy of our algorithm is O(n²log(n)) where the size of blurred images is n x n. The experimental results with synthetically burred images are included to illustrate the effectiveness of our approach