Problèmes de Complémentarité aux Valeurs Propres : Théories, Algorithmes et Applications

Eigenvalue Complementarity Problems : Theories, Algorithms and Applications

• Auteur / Autrice : Hadia Rammal
• Direction : Samir Adly
• Type : Thèse de doctorat
• Discipline(s) : Mathématiques et ses Applications
• Date : Soutenance en 2013
• Etablissement(s) : Limoges
• Partenaire(s) de recherche : autre partenaire : Université de Limoges. Faculté des sciences et techniques

Mots clés

Mots clés contrôlés

Analyse stochastique

Algorithmes

Problèmes aux valeurs propres

Mots clés libres

Cône de Pareto

Cône de Lorenz

Lattice projection method

Problème inverse

Résumé

Cette thèse porte sur le développement des méthodes mathématiques applicables à l’étude théorique et numérique d’une large classe de problèmes unilatéraux. Nous considérons plus particulièrement les problèmes de complémentarité aux valeurs propres PCVP engendrés par le cône de Pareto et le cône de Lorentz. De tels problèmes apparaissent dans de nombreuses disciplines scientifiques comme la physique, la mécanique et l’ingénierie. Dans un premier temps, nous nous intéressons à la résolution de PCVP en utilisant une méthode adéquate, “Lattice Projection Method LPM”, menant à un résultat efficace et performant. L’originalité de cette formulation, en comparaison avec la littérature existante, réside dans le fait qu’elle ne repose pas sur l’approche de complémentarité. Notre contribution se reflète aussi par l’étude des conditions de la non-singularité des matrices Jacobiennes utilisées dans la méthode de Newton semi-lisse SNM pour détecter les solutions de tels problèmes. Ensuite, en nous basant sur les profils de performance, nous comparons LPM avec d’autres solveurs très connus dans la littérature. Les résultats obtenus s’avèrent en accord avec les observations expérimentales et montrent l’efficacité de LPM. Dans un second temps, nous traitons le cas stochastique de PCVP au sens des cônes de Pareto et de Lorentz. Nous reformulons un tel problème pour trouver les zéros d’une fonction semi-lisse. Ensuite, nous étudions les conditions de la non-singularité de la Jacobienne de cette fonction pour résoudre de tels problèmes. Puis, nous transformons le problème sous forme d’un problème de minimisation. Dans un dernier temps, nous abordons le problème inverse de complémentarité aux valeurs propres de Pareto PICVP. Cette tâche s’articule plus précisément sur la résolution de PICVP où nous présentons une nouvelle méthode, “Inverse Lattice Projection Method ILPM”, pour résoudre ces problèmes.

This manuscript deals with the development of mathematical methods applicable to the theoretical and numerical study of a wide class of unilateral problems. To put it more precisely, we consider the Pareto and Lorentz cones eigenvalue complementarity problems PCVP. Such problems appear in many scientific disciplines such as physics, mechanics and engineering. Firstly, we are interested to the resolution of PCVP using an adequate method, “Lattice Projection Method LPM”, leading to an efficient and effective result. The originality of this formulation in comparison with the existing literature is that it is not based on the complementarity approach. Then, our contribution is reflected in the study of the non-singularity conditions of the Jacobian matrices used in the semismooth Newton method SNM to detect solutions of such problems. Then, by using the performance profiles, we compare LPM with other solvers known in the literature. The results prove in accordance with the experimental observations and show the efficiency of LPM. Secondly, we treat the stochastic case of PCVP in the sense of Pareto and Lorentz cones. We reformulate such problem to find the zeros of a semismooth function. Furthermore, we study the non-singularity conditions of the Jacobian matrix of this function to solve such problems. Moreover, we transform the problem as a constrained minimization reformulation. Finally, we discuss the inverse Pareto eigenvalue complementarity problem PICVP. This task focuses more precisely on the resolution of PICVP where we present a new method, “Inverse Lattice Projection Method ILPM”, to solve such problems.