Grandes déviations pour des modèles de percolation dirigée & pour des matrices aléatoires

par Jean-Paul Ibrahim

Thèse de doctorat en Mathématiques appliquées

Sous la direction de Michel Ledoux.

Soutenue en 2010

à Toulouse 3 .


  • Résumé

    Durant cette thèse, on a étudié essentiellement deux modèles aléatoires qui, malgré leur différence apparente, cachent un intérêt commun et mettent en évidence des phénomènes mathématiques et physiques communs. Le modèle de percolation de dernier passage dans le plan (last-passage directed percolation model ou LPP) est un modèle de percolation orientée bidimensionnel. Il fait partie d'une vaste liste de modèles de croissance et sert à modéliser des phénomènes dans des domaines variés. Dans la première partie de cette thèse, on s'est intéressé essentiellement aux propriétés de grandes déviations de ce modèle. On a également examiné les fluctuations transversales du même modèle. Toute cette étude a été faite dans le cadre d'un rectangle fin. Parallèlement aux travaux sur les modèles de croissance, on a étudié un autre sujet qui émerge également du monde de la Physique: celui des matrices aléatoires. Ces matrices se divisent en deux catégories principales introduites à une vingtaine d'années d'intervalle: les matrices de covariance empirique et les matrices de Wigner. L'étendue du champ d'application de ces matrices est tellement vaste qu'on peut les rencontrer presque dans toutes les filières scientifiques: probabilité, combinatoire, physique atomique, statistique multivariée, télécommunication, théorie des représentations, etc. Parmi les objets mathématiques les plus étudiés, on cite la loi jointe des valeurs propres, la densité spectrale, l'espacement des valeurs propres, la plus grande valeur propre et les vecteurs propres associés. En mécanique quantique par exemple, les valeurs propres d'une matrice du GUE modélisent les niveaux d'énergie d'un électron autour du noyau tandis que le vecteur propre associé à la plus grande valeur propre d'une matrice de covariance empirique indique la direction ou l'axe principal en analyse de données. Comme pour le modèle de percolation dirigém, on$sest intéressé en particulier aux propriétés de grandes déviations de la valeur propre maximale d'un certain type de matrices de covariance empirique. Cette étude pourrait avoir des applications en statistique et notamment en analyse en composantes principales. Malgré l'apparente différence, la théorie des matrices aléatoires est strictement liée au modèle de percolation dirigée. Leurs structures de corrélation se ressemblent dans certains cas d'une manière troublante. La convergence des fluctuations, dans les deux cas, vers la célèbre loi de Tracy-Widom en est un bon exemple.

  • Titre traduit

    Large deviations for directed percolation and for random matrices


  • Résumé

    In this thesis, we study two random models: last-passage percolation and random matrices. Despite the difference between these two models, they highlight common interests and phenomena. The last-passage percolation or LPP is a growth model in the lattice plane. It is part of a wide list of growth models and is used to model phenomena in various fields: tandem queues in series, totally asymmetric simple exclusion process, etc. In the first part of this thesis, we focused on LPP's large deviation properties. Later in this part, we studied the LPP's transversal fluctuations. Alongside the work on growth models, we studied another subject that also emerges in the world of physics: random matrices. These matrices are divided into two main categories introduced twenty years apart: the sample covariance matrices and Wigner's matrices. The extent of the scope of these matrices is so large we can meet almost all the sciences: probability, combinatorics, atomic physics, multivariate statistics, telecommunications, representation theory, etc. Among the most studied mathematical objects, we list the joint distribution of eigenvalues, the empirical spectral density, the eigenvalues spacing, the largest eigenvalue and eigenvectors. For example, in quantum mechanics, the eigenvalues of a GUE matrix model the energy levels of an electron around the nucleus while the eigenvector associated to the largest eigenvalue of a sample covariance matrix indicates the direction or the main axis in data analysis. As with the LPP, we studied large deviation properties of the largest eigenvalue for some sample covariance matrices. This study could have applications in statistics. Despite the apparent difference, the random matrix theory is strictly related to directed percolation model. Correlation structures are similar in some cases. The convergence of fluctuations to the famous Tracy-Widom law in both cases illustrates the connection between these two models.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (127 p.)
  • Annexes : Bibliogr. p.121-127

Où se trouve cette thèse ?

  • Bibliothèque : Université Paul Sabatier. Bibliothèque universitaire de sciences.
  • Disponible pour le PEB
  • Cote : 2010 TOU3 0313
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.