Academic literature on the topic 'Champs différentiables'

Soit s une surface plongee dans r**(3), la forme de contact standard sur r**(3) alpha = xdy - dz induit un champ de vecteur sur s dont les zeros sont les points ou le plan tangent a s est le noyau de la forme de contact. On montre que generiquement les points critiques sont isoles et que les champs de morse-smale sont denses. On etudie les proprietes globales de leurs flots; si s est une surface simplement connexe, le champ de contact standard eta ::(o) ne possede pas d'orbites periodiques, en particulier les elements critiques d'une sphere s**(2) s'ils sont en nombre fini se reduisent a n cols et (n+2) foyers. Le champ eta ::(o) peut avoir sur le tore t**(2) plonge dans r**(3) une orbite periodique, par contre il ne peut etre un champ de reeb. La famille a un parametre des champs (xepsilon ) ou xepsilon est le champ de contact standard sur une sphere sepsilon , n'a pas de bifurcation de hopf

Cette thèse concerne l’étude de la géométrie des champs dans le contexte de la géométrie différentiable, utilisant les outils de la théorie de l’homotopie et des catégories supérieures. Ces techniques deviennent nécessaires pour traiter des généralisation aux champs d’objets géométriques fondamentales, tels que les fibrés tangent et cotangent, les formes sur un champs, leurs automorphismes et plus en général les complexes parfaits, qui sont un des objets principaux dans ce travail. Dans la première partie de cette thèse nous faisons une récapitulation des champs différentiables supérieurs, leur homotopie et cohomologie. Dans la deuxième partie nous étudions les représentations à homotopie près des groupoïdes de Lie et nous les relions avec une théorie des complexes parfaits sur les champs différentiables. Parmi nos résultat, nous montrons que une représentation à homotopie près d’un groupoïde de Lie est exactement un module cohésive sur la dg-algèbre des fonctions lisses et que les dg-catégories correspondants sont Morita invariantes. Ça nous permets de donner une définition de dg-catégorie des complexes parfaits sur un champ différentiable. De plus nous construisons un 2-groupoide de Lie des automorphismes des complexes des fibrés vectoriels de longueur 2, qui est un analogue supérieur du champs classifiant BGL_n. Nous concluons avec une définition du 2-champs différentiable des complexes parfaits de amplitude [0,1] par le biais d’une présentation par un 2-groupoide de Lie
This thesis is concerned with the geometry of stacks in the differential geometry context using homotopical and higher categorical techniques. These techniques becomes necessary to deal with simple stack generalizations of crucial objects such as tangent and cotangent bundles, forms on a stack, their automorphisms and more generally perfect complexes, which are one of the main object of study of this work. In the first part of this thesis we give an overview of higher and differentiable stacks, their homotopy theory and cohomology theories. In the second part we study one representation up to homotopy of Lie groupoids and rely them with a theory of perfect complex over differentiable stacks. Among our results, we show that a representation up to homotopy on a Lie groupoid is the same as a cohesive module on its dg-algebra of smooth functions and that the correspondent dg-categories are Morita invariant. This allows us to give a definition of dg-category of perfect complexes on a differentiable stack. We moreover construct a Lie 2-groupoid of automorphisms of 2-terms complexes of vector bundles, which is a higher analogue of the classifying stack BGL_n. We conclude by giving a definition of the differentiable 2-stack of perfect complexes of amplitude [0,1] by means of a Lie 2-groupoid presenting it

La thèse est composée de deux parties.Dans la première partie, nous allons étudier le flot quasi-invariant défini par une équation différentielle stochastique de Stratanovich avec le dérive ayant seulement la BV-régularitésur un espace euclidien, en généralisant des résultats de L. Ambrosio sur l'existence,unicité et stabilité des flots lagrangiens associés aux équations différentielles ordinaires[Invent. Math. 158 (2004), 227{260]. Comme une application d'un résultat de stabilité,nous allons construire une solution explicite à l'equation de transport stochastique enterme de flot stochastique. La différentiabilité approximative du flot sera aussi investie,lorsque le dérive possµede une régularité de Sobolev.Dans la deuxième partie, nous allons généraliser la théorie de DiPerna-Lions aux cas desvariétés riemanniennes complètes. Nous allons utiliser le semi-groupe de la chaleur pourrégulariser des fonctions et des champs de vecteur. L'estimation sur le commutateur seraobtenue par la méthode probabiliste. Une application de cette estimation est de prouverl'unicité des solutions à l'équation de transport à l'aide du concept des solutions renormal-isables. L'équation différentielle ordinaire associée à un champ de vecteur de régularité deSobolev sera enfin résolue en adoptant une méhode due à L. Ambrosio. La fin de cett par-tie consacre à la construction des processus de diffusion, par la méthode de la variation deconstante, sur une variété riemannienne complète, ayant comme générateur, un opérateurelliptique contenant le dérive non-régulier. Pour cela, nous allons donner des conditionssur la courbure pour que le flot horizontal canonique soit un flot de difféomorphismes
The thesis mainly consists of two parts.In the first part, we study the quasi-invariant flow generated by the Stratonovich stochas-tic differential equation with BV drift coefficients in the Euclidean space. We generalizethe results of Ambrosio [Invent. Math. 158 (2004), 227{260] on the existence, uniquenessand stability of regular Lagrangian flows of ordinary differential equations to Stratonovichstochastic differential equations with BV drift coefficients. As an application of the sta-bility result, we construct an explicit solution to the corresponding stochastic transportequation in terms of the stochastic flow. The approximate differentiability of the flow isalso studied when the drift coefficient has some Sobolev regularity.In the second part, we generalize the DiPerna-Lions theory in the Euclidean space to thecomplete Riemannian manifold. We define the commutator on the complete Riemannianmanifold which is a probabilistic version of the one in the DiPerna-Lions theory, andestablish the commutator estimate by the probabilistic method. As a direct applicationof the commutator estimate, we investigate the uniqueness of solutions to the transportequation by the method of the renormalized solution. Following Ambrosio's method, weconstruct the DiPerna-Lions flow on the Riemannian manifold. In order to construct thediffusion process associated to an elliptic operator with irregular drift on the completeRiemannian manifold, we give some conditions which guarantee the strong completenessof the horizontal flow. Finally, we construct the diffusion process with the drift coefficienthaving only Sobolev regularity.Besides, we present a brief introduction of the classical theory on the ordinary differentialequation in the smooth case and the quasi-invariant flow of homeomorphisms under theOsgood condition before the first part; and we recall some basic tools and results whichare widely used throughout the whole thesis after the second part

Cette thèse contient des preuves de convergence ou de divergence d'algorithmes d'optimisation appelés stratégies d'évolution (ESs), ainsi que le développement d'outils mathématiques permettant ces preuves.Les ESs sont des algorithmes d'optimisation stochastiques dits ``boîte noire'', i.e. où les informations sur la fonction optimisée se réduisent aux valeurs qu'elle associe à des points. En particulier, le gradient de la fonction est inconnu. Des preuves de convergence ou de divergence de ces algorithmes peuvent être obtenues via l'analyse de chaînes de Markov sous-jacentes à ces algorithmes. Les preuves de convergence et de divergence obtenues dans cette thèse permettent d'établir le comportement asymptotique des ESs dans le cadre de l'optimisation d'une fonction linéaire avec ou sans contrainte, qui est un cas clé pour des preuves de convergence d'ESs sur de larges classes de fonctions.Cette thèse présente tout d'abord une introduction aux chaînes de Markov puis un état de l'art sur les ESs et leur contexte parmi les algorithmes d'optimisation continue boîte noire, ainsi que les liens établis entre ESs et chaînes de Markov. Les contributions de cette thèse sont ensuite présentées:o Premièrement des outils mathématiques généraux applicables dans d'autres problèmes sont développés. L'utilisation de ces outils permet d'établir aisément certaines propriétés (à savoir l'irreducibilité, l'apériodicité et le fait que les compacts sont des small sets pour la chaîne de Markov) sur les chaînes de Markov étudiées. Sans ces outils, établir ces propriétés était un processus ad hoc et technique, pouvant se montrer très difficile.o Ensuite différents ESs sont analysés dans différents problèmes. Un (1,\lambda)-ES utilisant cumulative step-size adaptation est étudié dans le cadre de l'optimisation d'une fonction linéaire. Il est démontré que pour \lambda > 2 l'algorithme diverge log-linéairement, optimisant la fonction avec succès. La vitesse de divergence de l'algorithme est donnée explicitement, ce qui peut être utilisé pour calculer une valeur optimale pour \lambda dans le cadre de la fonction linéaire. De plus, la variance du step-size de l'algorithme est calculée, ce qui permet de déduire une condition sur l'adaptation du paramètre de cumulation avec la dimension du problème afin d'obtenir une stabilité de l'algorithme. Ensuite, un (1,\lambda)-ES avec un step-size constant et un (1,\lambda)-ES avec cumulative step-size adaptation sont étudiés dans le cadre de l'optimisation d'une fonction linéaire avec une contrainte linéaire. Avec un step-size constant, l'algorithme résout le problème en divergeant lentement. Sous quelques conditions simples, ce résultat tient aussi lorsque l'algorithme utilise des distributions non Gaussiennes pour générer de nouvelles solutions. En adaptant le step-size avec cumulative step-size adaptation, le succès de l'algorithme dépend de l'angle entre les gradients de la contrainte et de la fonction optimisée. Si celui ci est trop faible, l'algorithme convergence prématurément. Autrement, celui ci diverge log-linéairement.Enfin, les résultats sont résumés, discutés, et des perspectives sur des travaux futurs sont présentées
In this dissertation an analysis of Evolution Strategies (ESs) using the theory of Markov chains is conducted. Proofs of divergence or convergence of these algorithms are obtained, and tools to achieve such proofs are developed.ESs are so called "black-box" stochastic optimization algorithms, i.e. information on the function to be optimized are limited to the values it associates to points. In particular, gradients are unavailable. Proofs of convergence or divergence of these algorithms can be obtained through the analysis of Markov chains underlying these algorithms. The proofs of log-linear convergence and of divergence obtained in this thesis in the context of a linear function with or without constraint are essential components for the proofs of convergence of ESs on wide classes of functions.This dissertation first gives an introduction to Markov chain theory, then a state of the art on ESs and on black-box continuous optimization, and present already established links between ESs and Markov chains.The contributions of this thesis are then presented:o General mathematical tools that can be applied to a wider range of problems are developed. These tools allow to easily prove specific Markov chain properties (irreducibility, aperiodicity and the fact that compact sets are small sets for the Markov chain) on the Markov chains studied. Obtaining these properties without these tools is a ad hoc, tedious and technical process, that can be of very high difficulty.o Then different ESs are analyzed on different problems. We study a (1,\lambda)-ES using cumulative step-size adaptation on a linear function and prove the log-linear divergence of the step-size; we also study the variation of the logarithm of the step-size, from which we establish a necessary condition for the stability of the algorithm with respect to the dimension of the search space. Then we study an ES with constant step-size and with cumulative step-size adaptation on a linear function with a linear constraint, using resampling to handle unfeasible solutions. We prove that with constant step-size the algorithm diverges, while with cumulative step-size adaptation, depending on parameters of the problem and of the ES, the algorithm converges or diverges log-linearly. We then investigate the dependence of the convergence or divergence rate of the algorithm with parameters of the problem and of the ES. Finally we study an ES with a sampling distribution that can be non-Gaussian and with constant step-size on a linear function with a linear constraint. We give sufficient conditions on the sampling distribution for the algorithm to diverge. We also show that different covariance matrices for the sampling distribution correspond to a change of norm of the search space, and that this implies that adapting the covariance matrix of the sampling distribution may allow an ES with cumulative step-size adaptation to successfully diverge on a linear function with any linear constraint.Finally, these results are summed-up, discussed, and perspectives for future work are explored