Calculabilité, aléatoire et théorie ergodique sur les espaces métriques

par Mathieu Hoyrup

Thèse de doctorat en Informatique

Sous la direction de Giuseppe Longo et de Stefano Galatolo.

Soutenue en 2008

à Paris 7 .


  • Résumé

    DL'objectif général de cette thèse est d'étudier les notions d'aléatoire et d'information algorithmiques -jusqu'ici restreints aux espaces symboliques - à des espaces plus généraux, précisément les espaces métriques calculables, et d'appliquer ces notions à la théorie des systèmes dynamiques. Les principaux apports sont : (1) le développement d'un cadre robuste pour l'étude d'objets mathématiques (mesures de probabilité, systèmes dynamiques et leurs modèles symboliques) d'un point de vue algorithmique, notamment l'introduction et l'étude détaillée des treillis d'énumération effective; (2) l'extension de l'aléatoire algorithmique aux espaces métriques calculables, améliorant ainsi l'extension menée par Gacs qui imposait une condition supplémentaire à l'espace, et l'étude de quelques notions des probabilités classiques du point de vue de l'aléatoire; (3) un apport à la théorie des systèmes dynamiques, établissant des relations entre l'aléatoire algorithmique et l'aléatoire dynamique. Nous étudions notamment deux notions de complexité algorithmique des orbites, l'une Kl utilisant la mesure, l'autre K2 inspirée du point de vue topologique. Nous montrons que la complexité Kl des orbites partant des points aléatoires est l'entropie du système au sens de la mesure, que la borne supérieure des complexités K2 des orbites est l'entropie topologique, et que Kl et K2 coïncident pour les points aléatoires. Ce travail enrichit les résultats de Brudno et White.

  • Titre traduit

    Computability, randomness and ergodic theory on metric spaces


  • Pas de résumé disponible.

  • Titre traduit

    = Calcolabilità, aleatorio e teoria ergodica in spazi metrici


  • Résumé

    The general aim of this thesis the study of the notions of algorithmic randomness and in formation, which are defined on symbolic spaces, to more general spaces - namely computable metric spaces - allowing their applications to dynamical Systems theory. The main results are: (1) the development of a robust framework to study classical mathematical objects (probability measures, dynamical Systems and their symbolic models) from an algorithmic point of view, in particular the introduction and detailed study of the structure of enumerative lattice; (2) the extension of algorithmic randomness to ail computable metric spaces, improving the previous extension by Gacs which required an additive assumption on the space, and the study of some classical probability notions from the point of view of randomness; (3) contributions to dynamical Systems theory, establishing relations between algorithmic and dynamical randomness. In particular, we study two notions of algorithmic orbit complexity, the one (Kl) using an invariant probability measure, the other (K2) inspired from the topological approach. We prove that the complexity Kl of the orbits of random points equal the measure-theoretical entropy of the System, that the supremum of the complexity K2 among all the orbits is the topological entropy, and that Kl and K2 coincide on random points. This work improves results established by Brudno and White.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (135 f.)
  • Notes : Publication autorisée par le jury
  • Annexes : 72 réf.

Où se trouve cette thèse ?

  • Bibliothèque : Université Paris Diderot - Paris 7. Service commun de la documentation. Bibliothèque Universitaire des Grands Moulins.
  • PEB soumis à condition
  • Cote : TS (2008) 042
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.