Vous êtes sur la page 1sur 148

MASTER

de sciences et technologies, Mention


MATHMATIQUES ET
APPLICATIONS
Universit Pierre et Marie Curie (Paris VI)
Anne 2017-2018

[version du 4 juillet 2017]


2
Table des matires

1 Master 1 7
1.1 Objectifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Choix des units denseignement du M1 . . . . . . . . . . . . . . . . . 7
1.3 Responsable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 Orientation et Insertion professionnelle (OIP) . . . . . . . . . . . . . 8
1.4.1 Directeurs dtudes (DE) . . . . . . . . . . . . . . . . . . . . . 8
1.4.2 UE obligatoire 4MOI1 (3 ECTS) . . . . . . . . . . . . . . . . 8
1.4.3 Stages et TER industriels . . . . . . . . . . . . . . . . . . . . 8
1.5 Liste des UE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.6 Incompatibilits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.7 Description des UE . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.8 Responsable et site . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

2 Master 2, Parcours Mathmatiques fondamentales 39


2.1 Objectifs et descriptions . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.1.1 Majeure Mathmatiques Recherche . . . . . . . . . . . . . . 39
2.1.2 Majeure Mathmatiques Avances . . . . . . . . . . . . . . . 39
2.2 Dbouchs professionnels . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.3 Organisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.4 Publics viss, prrequis . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.5 Description des UE . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.6 Responsables et site . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

3 Master 2, Spcialit Probabilits et modles alatoires 59


3.1 Objectifs et descriptions . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.2 Dbouchs professionnels . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.3 Organisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.4 Publics viss, prrequis . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.5 Description des UE . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.6 Responsable et site . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68

4 Master 2, Parcours Probabilits et Finance 69


4.1 Objectifs et descriptions . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.2 Dbouchs professionnels . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.3 Organisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.4 Publics viss, prrequis . . . . . . . . . . . . . . . . . . . . . . . . . . 70

3
TABLE DES MATIRES

4.5 Liste des UE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70


4.6 Responsable et site . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77

5 Master 2, Parcours Mathmatiques de la modlisation 79


5.1 Objectifs et descriptions . . . . . . . . . . . . . . . . . . . . . . . . . 79
5.2 Dbouchs professionnels . . . . . . . . . . . . . . . . . . . . . . . . . 80
5.3 Organisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
5.4 Publics viss, prrequis . . . . . . . . . . . . . . . . . . . . . . . . . . 81
5.5 Description des Majeures . . . . . . . . . . . . . . . . . . . . . . . . . 81
5.6 Description des UE . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
5.7 Responsables et sites . . . . . . . . . . . . . . . . . . . . . . . . . . . 108

6 Master 2, Parcours Ingnierie mathmatique 111


6.1 Objectifs et descriptions . . . . . . . . . . . . . . . . . . . . . . . . . 111
6.2 Dbouchs professionnels . . . . . . . . . . . . . . . . . . . . . . . . . 111
6.3 Organisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
6.4 Publics viss, prrequis . . . . . . . . . . . . . . . . . . . . . . . . . . 113
6.5 Description des UE . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
6.6 Responsables et sites . . . . . . . . . . . . . . . . . . . . . . . . . . . 121

7 Master 2, Parcours Statistique 123


7.1 Objectifs et description . . . . . . . . . . . . . . . . . . . . . . . . . . 123
7.2 Dbouchs professionnels . . . . . . . . . . . . . . . . . . . . . . . . . 123
7.3 Organisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
7.4 Publics viss, prrequis . . . . . . . . . . . . . . . . . . . . . . . . . . 124
7.5 Description des UE . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
7.5.1 UE de Mise Niveau . . . . . . . . . . . . . . . . . . . . . . . 124
7.5.2 UE de Cours Fondamentaux . . . . . . . . . . . . . . . . . . . 125
7.5.3 UE de Majeure . . . . . . . . . . . . . . . . . . . . . . . . . . 127
7.5.4 UE dOption . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
7.5.5 UE de Stage . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
7.6 Responsables et site . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132

8 Certificat Big Data 133


8.1 Objectifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
8.2 Contexte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
8.3 Description des UE . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
8.4 Liste de cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
8.5 Responsable et site . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135

9 Parcours Agrgation de Mathmatiques 137


9.1 Objectifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
9.2 Dbouchs professionnels . . . . . . . . . . . . . . . . . . . . . . . . . 137
9.3 Organisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
9.4 Publics viss, prrequis . . . . . . . . . . . . . . . . . . . . . . . . . . 138
9.5 Nouveauts en 2017 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
9.6 Liste et description des UE du parcours . . . . . . . . . . . . . . . . . 139

4
TABLE DES MATIRES

9.7 Droulement du concours . . . . . . . . . . . . . . . . . . . . . . . . . 139


9.8 Responsable et site . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140

10 Renseignements administratifs 141


10.1 Services pratiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
10.2 Imprims . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
10.3 Scolarit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
10.4 Inscriptions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
10.5 Inscription au programme dchanges Erasmus-Socrates . . . . . . . 146
10.6 Calendrier du master de mathmatiques . . . . . . . . . . . . . . . . 148

5
TABLE DES MATIRES

6
Chapitre 1

Master 1

1.1 Objectifs
Le master 1 est la premire anne du master au cours de laquelle les tudiants
doivent dabord acqurir ou revoir des lments fondamentaux pour la poursuite dun
cursus mathmatique de haut niveau. Un choix assez large dUE dites fondamentales
doit permettre ce type dacquisition. Par ailleurs, des UE dorientation permettent
aux tudiants de faire un choix dorientation en prparation de la seconde anne du
master, et du choix de lune des sept spcialits du master 2, la seconde anne du
master.

1.2 Choix des units denseignement du M1


Au premier semestre, ltudiant doit choisir 2 UE fondamentales de 12 ECTS cha-
cune, ou 1 UE fondamentale de 12 ECTS et 2 UE de 6 ECTS. Par ailleurs, ltudiant
doit sinscrire obligatoirement 1 UE de langue (3 ou 6 ECTS) : Anglais, Allemand,
Espagnol, Russe ou encore Franais pour les tudiants trangers. De plus, ltudiant
en prsentiel doit sinscrire obligatoirement la nouvelle UE Orientation et Insertion
professionnelle (3 ECTS).
Au second semestre, toutes les combinaisons sont permises pour constituer un
ensemble dUE quivalent 30 ECTS.
Afin dviter les parcours pdagogiques thmatiquement trop troits, certaines
restrictions sappliquent toutefois lensemble des UE quil est possible de choisir
au cours de lanne (voir le paragraphe 1.6).
Le choix des UE de M1 doit se faire en fonction des spcialits du M2 vises.

1.3 Responsable
Thierry Lvy (thierry.levy@upmc.fr) est le responsable du Master 1. Il en
coordonne lorganisation et dirige lquipe pdagogique charge de la mise en place
des enseignements.

7
Master 1

1.4 Orientation et Insertion professionnelle (OIP)


Lorientation et linsertion professionnelle des tudiants de master font lobjet
dune attention particulire lUPMC. Le site
http://www.master.ufrmath.upmc.fr/fr/niveau_m1.html
(onglet Insertion professionnelle) fournit de plus amples dtails. Le responsable de
lOIP au sein du dpartement du master de mathmatiques est Herv Le Dret
(herve.le_dret@upmc.fr).

1.4.1 Directeurs dtudes (DE)


Ds son inscription pdagogique, chaque tudiant de M1 doit choisir un directeur
dtudes (DE) parmi une quinzaine denseignants-chercheurs. Chaque DE est en
charge dun groupe de 15 tudiants de M1 quil suit individuellement tout au long
de lanne. Aprs une prise de contact en septembre, le DE rencontre rgulirement
les tudiants, qui lui communiquent leurs rsultats, lui font part de leur progression
et de leurs dicults ventuelles. Le DE conseille les tudiants pour leurs choix de
cours au dbut de chaque semestre, ainsi que pour leur choix de M2, afin quils
empruntent le parcours le plus adapt leur projet professionnel. ce titre, le DE
est aussi le responsable de son groupe pour lUE 4MOI1.
Remarque : les redoublants ayant dj valid lUE 4MOI1 seront aects un
groupe de direction dtudes par les responsables de lOIP. Ils ne le choisissent pas
eux-mmes sur le site des inscriptions pdagogiques.

1.4.2 UE obligatoire 4MOI1 (3 ECTS)


Les tudiants suivant au moins un cours en prsentiel au premier semestre doivent
obligatoirement sinscrire lUE Orientation et Insertion professionnelle 4MOI1 (3
ECTS). Tout au long du semestre, ils sont invits rflchir leur orientation
et leur projet professionnel loccasion de direntes rencontres avec le milieu
professionnel (confrences mtiers, Atrium des mtiers). Leur participation active
ces vnements leur permettra de raliser les 2 exposs-dossiers ncessaires pour
valider lUE dOIP 4M0I1. Ces travaux seront valus par les DE.
Remarque : Les tudiants suivant un parcours atypique (par exemple, reprenant leurs
tudes aprs avoir exerc une activit professionnelle) peuvent faire une demande de dis-
pense avant le dbut des enseignements. Cette demande doit tre motive par crit auprs
des responsables de lUE.

1.4.3 Stages et TER industriels


Les tudiants de M1 sont vivement encourags tablir un premier contact avec
le monde de lentreprise avant lanne dcisive de M2. Pour ce faire, ils peuvent
eectuer un stage, en dehors des semaines de cours. Cependant, il faut au pra-
lable faire une demande de convention de stage auprs du responsables OIP du
master (H. Le Dret). Avec leur accord, les formulaires de convention de stage sont
ensuite dlivrs par le secrtariat du M1. Les modalits sont dtailles sur le site
web http://www.master.ufrmath.upmc.fr/fr/niveau_m1.html (onglet insertion

8
Master 1

professionnelle).
eectuer un Travail dtude et de Recherche (TER) industriel, au cours du se-
cond semestre, sur un sujet propos par un partenaire industriel et encadr par un
enseignant-chercheur de lUPMC.

1.5 Liste des UE


LUFR de Mathmatiques prcise de la manire suivante la correspondance entre les
ECTS et les heures de prsence des tudiants, pour le M1.

Une UE de 12 ects : 120 heures denseignement pour les tudiants :


48 heures de cours (4 heures pendant 12 semaines)
72 heures de td (6 heures pendant 12 semaines).

Une UE de 6 ects : 60 heures denseignement pour les tudiants :


24 heures de cours (2 heures pendant 12 semaines)
36 heures de td (3 heures pendant 12 semaines).

Emploi du temps pour les tudiants


Au premier semestre : soit deux UE fondamentales de 12 ECTS, soit une UE de 12
ECTS et deux UE de 6 ECTS, plus ltude dune langue (UE de langue de 3 ECTS),
plus lUE Orientation et Insertion professionnelle (3 ECTS).
Au second semestre : soit deux UE dorientation de 12 ECTS et une UE dorien-
tation de 6 ECTS (ou le TER), soit une UE dorientation de 12 ECTS et trois UE
dorientation de 6 ECTS (dont ventuellement le TER), soit cinq UE dorientation
de 6 ECTS (dont ventuellement le TER).

Table 1.1 Liste des UE fondamentales


Les cours marqus dun astrisque peuvent tre suivis en tl-enseignement.

intitul semestre ects code


Gomtrie ane et projective 1er 12 4M001
Algbre et thorie de Galois 1er 12 4M002
Fonctions classiques 1er 12 4M004
Bases danalyse fonctionnelle 1er 12 4M005
Gomtrie direntielle 1er 12 4M022
Bases des mthodes numriques 1er 12 4M006
Bases de lalatoire pour lexploration et la modlisation des donnes 1er 6 4M007
Probabilits de base 1er 12 4M010
Probabilits approfondies 1er 12 4M011
Statistique 1er 12 4M015
Initiation au C++ 1er 6 4M016
Algorithmique et complexit 1er 6 4M017

9
Master 1

Les UE dorientation doivent tre choisies en fonction de la spcialit envisage en M2. Le


tableau suivant indique les choix recommands : maf dsigne la spcialit Mathmatiques fonda-
mentales, pro : Probabilits et modles alatoires, fin : Probabilits et finance, mod : Math-
matiques de la modlisation, ing : Ingnierie mathmatique, sta : Statistique.

Table 1.2 Liste des UE dorientation


Certains cours pourront tre utiliss pour le M2.
Les cours marqus dun astrisque peuvent tre suivis en tl-enseignement.
intitul sem. ects code
Groupes finis et leurs reprsentations maf 2e 6 4M014
Groupes et algbres de Lie maf 2e 6 4M024
Thorie des nombres maf 2e 12 4M020
Cryptologie, cryptographie algbrique maf 2e 12 4M067
Topologie algbrique maf 2e 6 4M059
Introduction aux surfaces de Riemann maf 2e 6 4M060
Systmes dynamiques maf 2e 6 4M048
Equations direntielles : de Newton nos jours maf mod 2e 6 4M070
Analyse relle, analyse harmonique et distributions de Schwartz maf mod 2e 12 4M030
Approximation des quations aux drives partielles maf mod ing 2e 12 4M026
quations dvolution, stabilit et contrle maf mod ing 2e 6 4M028
Analyse convexe maf mod ing 2e 6 4M057
Analyse fonctionnelle approfondie et calcul des variations maf mod ing 2e 12 4M025
Modles mathmatiques en neurosciences mod 2e 6 4M061
Gravitation et relativit maf mod 1er 6 4M044
Gomtrie et mcanique maf mod 2e 6 4M047
Introduction la mcanique des milieux continus maf mod ing 2e 6 4M019
Physique quantique et applications maf mod 1er 6 4P002
Probabilits et statistique pour lagrgation maf sta ing 2e 6 4M040
Calcul stochastique et introduction au contrle stochastique pro fin ing sta 2e 12 4M065
Processus de sauts pro fin ing sta 2e 6 4M036
Systmes dynamiques discrets et continus en biologie et mdecine mod 1er 6 4M062
Combinatoire et optimisation maf mod ing 2e 12 4M068
Calcul algbrique maf 2e 6 4M021
Statistiques baysiennes pro fin sta ing 2e 6 4M072
Statistique avance, grande dimension et donnes massives pro fin sta ing 2e 6 4M073
Probabilits numriques et statistiques computationnelles pro fin ing sta 2e 12 4M074
Calcul scientifique pour les grands systmes linaires pro fin mod ing 2e 6 4M053
Mise en uvre de la mthode des lments finis pro fin mod ing 2e 6 4M054
Programmation en C++ pro fin mod ing 2e 6 4M056
Histoire dun objet mathmatique maf 2e 6 4M039
TER (Travaux dtude et de recherche) maf pro fin mod ing sta 2e 6 4M045
Stage en entreprise pour mathmaticiens fin mod ing sta 2e 6 4M055

10
Master 1

1.6 Incompatibilits
1. Les cours
4M010 Probabilits de base
4M011 Probabilits approfondies
4M040 Probabilits et statistique pour lagrgation
sont deux deux incompatibles.

2. Le cours

4M007 Bases de lalatoire pour lexploration et la modlisation des donnes

est incompatible avec les cours


4M010 Probabilits de base
4M011 Probabilits approfondies
4M015 Statistique

3. Les cours
4M016 Initiation au C++
4M056 Programmation en C++
sont incompatibles.

4. Des points ont t attribus un certain nombre de cours dans quatre cat-
gories : A,B,C et D. La table 1.3 ci-dessous donne le dtail du nombre de points de
chaque cours dans chaque catgorie. Les cours qui ne figurent pas dans cette table
nentrent pas en ligne de compte dans ce qui suit.
Aux incompatibilits indiques ci-dessus sajoutent les deux rgles suivantes, qui
visent viter des choix de cours thmatiquement trop troits.
4.1. Dans chacune des catgories A,B,C, la somme des points des cours choisis
ne peut pas dpasser 36.
4.2. Dans la catgorie D, la somme des points des cours choisis ne peut pas
dpasser 18. Cette limite est extensible 24 sur avis du directeur dtudes.

11
Master 1

Table 1.3 Points attribus aux cours dans les catgories A,B,C et D.

intitul code A B C D
Algbre et thorie de Galois 4M002 12
Bases danalyse fonctionnelle 4M005 12
Bases des mthodes numriques 4M006 12
Bases de lalatoire pour lexploration et la modlisation des donnes 4M007 6
Probabilits de base 4M010 12
Probabilits approfondies 4M011 12
Statistique 4M015 12
Initiation au C++ 4M016 6
Algorithmique et complexit 4M017 6
Groupes finis et leurs reprsentations 4M014 6
Groupes et algbres de Lie 4M024 3
Thorie des nombres 4M020 12
Analyse relle, analyse harmonique et distributions de Schwartz 4M030 12
Analyse fonctionnelle approfondie et calcul des variations 4M025 12
Approximation des quations aux drives partielles 4M026 12
quations dvolution, stabilit et contrle 4M028 6
Modles mathmatiques en neurosciences 4M061 3
Introduction la mcanique des milieux continus 4M019 3
Probabilits et statistique pour lagrgation 4M040 6
Calcul stochastique et introduction au contrle stochastique 4M065 12
Processus de sauts 4M036 6
Systmes dynamiques discrets et continus en biologie et mdecine 4M062 3
Calcul algbrique 4M021 6
Statistiques baysiennes 4M072 6
Statistique avance, grande dimension et donnes massives 4M073 6
Probabilits numriques et statistiques computationnelles 4M074 6 6
Calcul scientifique pour les grands systmes linaires 4M053 6
Mise en uvre de la mthode des lments finis 4M054 6
Programmation en C++ 4M056 6

12
Master 1

1.7 Description des UE (liste par ordre croissant du code 4M0..)

4M001 Gomtrie ane et projective (12 ECTS) (1er semestre)


Professeur : Alexandru Oancea
mel : alexandru.oancea@imj-prg.fr
url : http://webusers.imj-prg.fr/~alexandru.oancea/
Objectifs de lUE : Ce cours, de nature gnraliste, ouvre la fois aux thmes
Algbre et gomtrie du M2 et ceux de lagrgation. On y tudiera les liens entre
gomtrie ane, projective et euclidienne, notamment dans le cas des coniques et
en mettant laccent sur les dirents groupes de transformations qui caractrisent
chacune de ces gomtries. Nous utiliserons aussi des outils lmentaires de gomtrie
direntielle (espaces tangents, position par rapport lespace tangent). Le cours
orira aussi une ouverture vers la gomtrie algbrique.
Prrequis : Connaissance en algbre et gomtrie du niveau licence.
Thmes abords : Gomtrie ane : applications anes, barycentres, plonge-
ment vectoriel, groupe ane. Gomtrie projective : plongement projectif dun es-
pace ane, repres projectifs, coordonnes homognes, homographies, groupe projec-
tif, birapport. tude des coniques anes ou projectives. Formes quadratiques. Go-
mtrie euclidienne : le groupe des rotations. Gomtrie direntielle : sous-varits
donnes par des quations polynomiales, espaces tangents.

4M002 Algbre et thorie de Galois (12 ECTS) (1er semestre)


Professeur : Jean-Francois Dat
mel : jean-francois.dat@imj-prg.fr
url : http://webusers.imj-prg.fr/~jean-francois.dat/
Objectifs de lUE : Introduire des notions dalgbre qui sont indispensables
pour ceux qui envisagent de poursuivre en M2 en thorie des nombres ou gomtrie
algbrique. Certaines de ces notions seront aussi utiles pour lagrgation, le cours
4M020 Thorie des nombres et le cours 4M021 Calcul algbrique.
Prrequis : Connaissance en algbre du niveau de la licence.
Thmes abords : Algbre commutative : anneaux, modules, finitude, facto-
risation, localisation, produit tensoriel, interprtation gomtrique. Equations alg-
briques : extensions de corps, thorie de Galois.

4M004 Fonctions classiques (12 ECTS) (1er semestre)


Professeur : Nicolas Lerner
mel : nicolas.lerner@imj-prg.fr
url : https://webusers.imj-prg.fr/~nicolas.lerner/index.m1fclassiques.
html
Objectifs de lUE : Le but de ce cours est de fournir une tude approfondie des
fonctions les plus classiques des mathmatiques, donnes par des formules explici-
tes. Les fonctions tudies dans ce cours constituent des exemples significatifs de
fonctions relies divers problmes mathmatiques (thorie des nombres, analyse,
quations direntielles, physique mathmatique). La liste des fonctions tudies

13
Master 1

constitue un rservoir important dexemples significatifs qui pourront notamment


tre utiles aux agrgatifs.
On commencera par examiner la fonction exponentielle, les dterminations du
logarithme complexe, les fonctions trigonomtriques et quelques proprits lmen-
taires des fonctions holomorphes. Dans la suite, on tudiera la fonction Gamma dEu-
ler, les polynmes de Bernoulli et des mthodes asymptotiques relies la formule
dEuler-Maclaurin ainsi que les dveloppements eulriens des fonctions cotangente et
sinus. Nous fournirons galement une tude dtaille de la fonction Zeta de Riemann
et dmontrerons le thorme dHadamard et de la Valle-Poussin sur la rpartition
des nombres premiers ; nous tudierons galement les formules de Stirling, les liens
entre la fonction Gamma et la fonction Zeta ainsi que lquation fonctionnelle de
la fonction Zeta. Les fonctions de Bessel sont importantes dans bien des questions
de physique mathmatique comme ltude de la diraction et dans la thorie des
quations direntielles ordinaires points singuliers rguliers : nous consacrerons
un chapitre leur tude, suivi dun chapitre sur la fonction dAiry, fondamentale
pour ltude des caustiques en optique. Le cours se terminera avec ltude de loscil-
lateur harmonique (et des fonctions dHermite), qui constitue un modle standard
doprateur autoadjoint non born avec une rsolvante compacte.
Prrequis : Notions de base de calcul direntiel et intgral, notions sur les
fonctions holomorphes (des rappels seront faits).
Thmes abords : Thorie lmentaire des fonctions holomorphes et mro-
morphes dune variable complexe. Dveloppements eulriens (produits infinis, fonc-
tion cotan, sin, Gamma). Mthode dEuler-MacLaurin. Fonction Zeta de Riemann,
thorme des nombres premiers. Fonctions de Bessel, fonctions dAiry. Fonctions de
Legendre. Fonctions dHermite.
Un polycopi (contenant une bibliographie) est disponible ladresse
https://webusers.imj-prg.fr/~nicolas.lerner/index.m1fclassiques.html

4M005 Bases danalyse fonctionnelle (12 ECTS) (1er semestre)


Professeur : Jean-Yves Chemin
mel : chemin@ann.jussieu.fr
Objectifs de lUE : Le cours aborde lanalyse fonctionnelle de base dans son
ensemble avec une orientation vers les applications aux quations aux drives par-
tielles.
Prrequis : Lalgbre linaire et la topologie de la troisime anne de Licence
sont impratifs.
Thmes abords : Dans lordre des chapitres : Espaces mtriques, Espaces
norms et espaces de Banach, Dualit dans les espaces de Banach, Espaces de Hil-
bert, Espaces Lp (ce chapitre sera notablement allg par rapport
la version actuelle), La transformation de Fourier, Le problme de Dirichlet, Les
distributions tempres en dimension 1.
Mme si le contenu du cours sera allg, la version 2015 des notes de cours -
disponible ladresse https://www.ljll.math.upmc.fr/chemin/cours/4M005.html
donne une bonne ide du contenu. De plus, un droul sance par sance du cours
2015 est disponible la mme adresse.

14
Master 1

4M006 Bases des mthodes numriques (12 ECTS) (1er semestre)


Professeurs : Laurent Boudin et Edwige Godlewski
mel : laurent.boudin@upmc.fr edwige.godlewski@upmc.fr
Objectifs de lUE : tudier les grandes familles de mthodes numriques uti-
lises pour lapproximation des solutions dquations aux drives partielles, comme
les dirences finies, les volumes finis, les lments finis, les mthodes spectrales
variationnelles. On introduit pour cette tude la mthode des caractristiques, les
espaces de Sobolev construits partir de L2 (0, 1) et les notions issues de lanalyse
hilbertienne et de lanalyse fonctionnelle ncessaires pour lanalyse des proprits de
ces mthodes.
Prrequis : Des connaissances en calcul direntiel, quations direntielles
ordinaires, intgration, algbre linaire numrique du niveau licence.
Thmes abords : Mthode des dirences finies ; mthode de volumes finis
pour lquation de transport ; tude mathmatique des problmes aux limites en di-
mension 1 ; analyse hilbertienne, base hilbertienne, projection sur un convexe ferm,
exemple des polynmes orthogonaux ; approximation variationnelle des problmes
aux limites en dimension 1, mthode des lments finis, exemple des lments fi-
nis de Lagrange P1 . Analyse numrique des mthodes : stabilit, consistance, ordre,
convergence, estimation derreur. Mise en uvre des mthodes laide du logiciel
Scilab, prparation dun projet Scilab, rdaction dun rapport de projet et soute-
nance.
Remarque : Ce cours donne lieu un projet, qui est prpar par groupes
dun ou deux tudiants et est soutenu individuellement.

4M007 Bases de lalatoire pour lexploration et la modlisation des donnes (6


ECTS) (1er semestre)
Professeur : Nathalie Akakpo
mel : nathalie.akakpo@upmc.fr
url : http://www.proba.jussieu.fr/pageperso/akakpo/
Objectifs de lUE : Le but de ce cours est dapporter, sans formalisme excessif,
les outils de probabilit et de statistique incontournables pour analyser des donnes.
lissue de ce cours, un tudiant devrait par exemple tre en mesure de choisir les
outils pertinents pour visualiser et rsumer des donnes, de modliser des donnes,
ou encore dtudier la dpendance entre des donnes.
Quelques TP (3 ou 4) permettront dillustrer les techniques tudies. Nous uti-
liserons cette occasion le logiciel R (R Studio et R Markdown).
Prrequis : Analyse et algbre linaire de niveau L (en particulier, calcul intgral
et projections orthogonales). Aucun prrequis en probabilit, statistique ou R.
Thmes abords :
lments de probabilit pour la statistique (variable alatoire ; loi de pro-
babilit ; caractristiques et paramtres dune loi ; indpendance ; sommes de
variables alatoires ; lois conditionnelles ; outils de convergence ; lois usuelles
en assurance, fiabilit, survie, extrmes)
Statistique descriptive (rsums graphiques et numriques adapts la nature
des donnes) et analyse de donnes (notions sur la rgression ; ACP)

15
Master 1

lments de statistique infrentielle (calcul destimateurs par la mthode des


moments ou du maximum de vraisemblance ; estimation de densit par his-
togramme ou noyau ; traitement de donnes manquantes ou censures).
Bibliographie :
1. Lessentiel en thorie des probabilits, Jean JACOD et Philippe PROTTER.
2. Probabilits, analyse des donnes et statistique, Gilbert SAPORTA.
3. Statistique. La thorie et ses applications, Michel LEJEUNE (disponible en
version numrique la BUPMC).
4. Le logiciel R : matriser le langage, eectuer des analyses statistiques. Pierre
LAFAYE DE MICHEAUX, Rmy DROUILHET, Benot LIQUET (dispo-
nible en version numrique la BUPMC).
5. All of statistics, A concise course in statistical inference, Larry WASSER-
MAN.

4M010 Probabilits de base (12 ECTS) (1er semestre)


Professeur : Thomas Duquesne
mel : thomas.duquesne@upmc.fr
url : http://www.proba.jussieu.fr/pageperso/duquesne/
Objectifs de lUE : Ce cours est destin aux tudiants dbutant en probabilits
et notamment ceux dsirant prparer lagrgation.
Prrequis : Le contenu dun cours dintgration de niveau licence.
Thmes abords : Espaces de probabilits, variables et vecteurs alatoires,
distribution, esprance, moments, fonction caractristique. Indpendance. Conver-
gence de variables alatoires, loi des grands nombres, thorme de la limite centrale.
Vecteurs gaussiens. Esprance conditionnelle.

4M011 Probabilits approfondies (12 ECTS) (1er semestre)


Professeur : Thierry Lvy
mel : thierry.levy@upmc.fr
url : http://www.proba.jussieu.fr/pageperso/levy/
Objectifs de lUE : Le but du cours est de prsenter les deux principaux
modles de variables dpendantes, savoir les martingales ( temps discret) et les
chanes de Markov ( espace dtats dnombrable). Ces notions sont centrales aussi
bien sur le plan thorique quappliqu : les chanes de Markov sont en eet au cur
des techniques de simulation alatoire et les martingales temps discret formalisent
de nombreux phnomnes et jouent un rle essentiel dans ltude des systmes dyna-
miques alatoires. Il sagit dun expos classique des principaux rsultats. Ce cours
prpare un M2 en probabilits et statistiques et/ou lagrgation de mathma-
tique.
Prrequis : il est ncessaire davoir suivi un cours de thorie de la mesure et
dintgration assez gnral. Il faut imprativement avoir suivi un cours de probabili-
ts de niveau L3 incluant les notions suivantes : indpendance, convergence presque
sre, en probabilit, Lp , loi des grands nombres, convergence en loi et thorme
central limite.

16
Master 1

Thmes abords : Esprance conditionnelle. Martingales temps discret :


filtrations, temps darrt, convergences, martingales rtrogrades, quelques problmes
darrt. Chanes de Markov espace dtats dnombrable : proprit de Markov,
convergence vers la loi stationnaire et quelques applications.

4M014 Groupes finis et reprsentations (6ECTS) (2e semestre)


Professeur : Antoine Ducros
mel : antoine.ducros@imj-prg.fr
url : http://webusers.imj-prg.fr/~antoine.ducros
Objectifs de lUE : Ce cours sadresse non seulement aux mathmaticiens mais
aussi aux physiciens et aux chimistes. Il traite des groupes finis, de leurs structures
et de leurs reprsentations linaires en sappuyant sur de nombreux exemples. Il
donne loccasion dappliquer des problmes concrets de nombreux outils dalgbre
gnrale.
Prrequis : Dfinitions de base sur les groupes, anneaux et corps (mme si
certaines seront rappeles, notamment en ce qui concerne les groupes, il est prf-
rable de les avoir dj rencontres). Arithmtique lmentaires (relation de Bezout,
lemme de Gau. . .). Algbre linaire : bases de la thorie (espaces vectoriels, familles
libres et gnratrices, bases, dimension) et un peu de rduction dendomorphismes
(diagonalisabilit. . .).
Thmes abords : Rappels sur les groupes, sous-groupes, quotients, groupes
cycliques, groupes abliens, groupes de permutations. Oprations dun groupe sur
un ensemble. Produits semi-directs, groupes libres, groupes dfinis par gnrateurs
et relations. Thormes de Sylow. Groupes rsolubles et nilpotents. Reprsentations
linaires : gnralits, avec une insistance sur les reprsentations complexes en di-
mension finie. Thorie des caractres.
Un polycopi est disponible en ligne : http://webusers.imj-prg.fr/~antoine.
ducros/GroupRep.pdf

4M015 Statistique (12 ECTS) (1er semestre)


Professeurs : Arnaud Guyader, Tabea Rebafka
mel : arnaud.guyader@upmc.fr, tabea.rebafka@upmc.fr
url : http://www.lsta.lab.upmc.fr/fr/pages/guyader.html,
http://www.proba.jussieu.fr/pageperso/rebafka/
Objectifs de lUE : Donner aux tudiants quelques fondements de statistique
mathmatique et les initier la pratique de lanalyse statistique des donnes relles.
La premire partie du cours explique les bases thoriques de la modlisation et de
linfrence statistique. La seconde prsente des modles et mthodes statistiques
pour lanalyse des donnes relles avec le logiciel R.
Prrequis : Une bonne connaissance des probabilits classiques est indispen-
sable, ainsi quune grande matrise des acquis du L (algbre linaire, calcul intgral,
etc.).
Thmes abords :
Introduction aux problmes statistiques (brefs rappels de probabilits, notion
dexprience statistique, problmes statistiques classiques)

17
Master 1

Modles paramtriques unidimensionnels (mthode des moments, maximum


de vraisemblance, information de Fisher)
Le modle linaire gaussien (modele linaire gnral, estimateurs des moindres
carrs, rgions de confiance et tests)
Initiation la programmation avec R
Statistique descriptive (rsums numriques et graphiques de donnes univa-
ries ou bivaries)
Le modle linaire en pratique (rgression multiple, validation du modle,
ANOVA, mthode des moindres carrs gnraliss, slection de modle)

4M016 Initiation au C++ (6 ECTS) (1er semestre)


Professeur : Frdric Hecht
mel : Frederic.hecht@upmc.fr
url : https://www.ljll.math.upmc.fr/hecht/ftp/ICPP
Objectifs de lUE : Apprentissage de la syntaxe du C++ et rudiments dalgo-
rithmiques sur des problmes de types gomtrique, algbrique
Prrequis : Aucun prerequis
Thmes abords : Les premires sances sont consacres au langage C++
11 : syntaxe du langage, compilation (avec g++ et make), gestion de la mmoire
(fondamentale pour le traitement de grosses donnes), notion de classe pour dfinir
de nouveaux objets et fonctions et mthode de la librairie standard (STL).
Programmation gnrique (hash coding, arbre, maillage, algbre de fonction, dif-
frentiation automatique, valuation paresseuse, algorithme glouton et backtraking,
hritage, notion de complexit algorithmique).
Remarque : Ce cours donne lieu un projet, qui est prpar par groupes de
deux et soutenu individuellement.

4M017 Algorithmique et complexit (6 ECTS) (1er semestre)


Professeur : Michel Pocchiola
mel : michel.pocchiola@imj-prg.fr
https://webusers.imj-prg.fr/~michel.pocchiola/
Objectifs de lUE : Ce cours constitue, tout dabord, une introduction lal-
gorithmique fondamentale, utile tout tudiant en mathmatiques, en particulier
tout tudiant confront la programmation eective dalgorithmes mathmatiques.
Il couvre galement une part trs significative des programmes du Capes de
Mathmatiques-Informatique et de loption informatique de lagrgation de math-
matiques.
Ce cours sadresse donc :
1. Aux tudiants de Master 1 de Mathmatiques et Applications, ayant un in-
trt pour le domaine des mathmatiques discrtes, dans son aspect informa-
tique.
2. Aux tudiants qui souhaitent prparer lagrgation de Mathmatiques op-
tion informatique et/ou le Capes de Mathmatiques-Informatique, proposs
lUPMC la rentre 2017.
Thmes abords :

18
Master 1

1. Fondements. Complexit, structures de donnes primitives, notations algo-


rithmiques, arbres et graphes.
2. Algorithmes classiques. Tris. Arbres de recherche. Gestion des partitions.
Recherche de motifs. Arithmtique.
3. Algorithmique des graphes. Chemins de cot minimum. Arbre couvrant
de cot minimum.
4. Classes de complexit. Dfinition des classes P, NP, ]P, ]NP.
Aucun langage de programmation particulier nest exig.

4M019 Introduction la mcanique des milieux continus (6 ECTS) (2e semestre)


Professeur : Hlne Dumontet
mel : helene.dumontet@upmc.fr
Objectifs de lUE : Il sagit dinitier ltudiant la notion de milieux continus
dformables, solides et fluides, en introduisant les quations de conservation qui r-
gissent ces milieux, la notion de loi de comportement et les modlisations associes
quelques exemples simples. Lobjectif final est la rsolution de problmes
de mcanique ; les formulations variationnelles des quations aux drives partielles
correspondantes seront tablies et les solutions approches recherches
en lien avec le cours dapproximations des quations aux drives partielles.
Prrequis : Analyse vectorielle, fonctions de plusieurs variables, quations diren-
tielles et algbre linaire, notions sur les quations aux drives partielles.
Thmes abords :
- Gnralits : Cinmatique. Lois de conservation. Tenseur des contraintes
- Solides : Elasticit linaire. Equations de Navier, de compatibilit de Beltrami.
Formulations variationnelles.
- Fluides : Equations gnrales de la mcanique des fluides newtoniens. Ecou-
lements laminaires. Notion dchelle et dveloppements asymptotiques raccords.
Couche limite laminaire. Couche limite thermique.

4M020 Thorie des nombres (12 ECTS) (2e semestre)


Professeur : Jan Nekov
mel : jan.nekovar@imj-prg.fr
url : http://webusers.imj-prg.fr/~jan.nekovar/
Objectifs de lUE : Le cours va donner un panorama de la thorie des nombres
classique du 17me, 18me et dune partie du 19me sicle (Fermat, Euler, Lagrange,
Legendre, Gauss, Dirichlet, Kummer, Dedekind, Minkowski, Hilbert, Hensel). Les
tudiants ayant suivi le module seront prpars aborder des cours plus abstraits
dans le domaine en anne de M2.
Prrequis : Les connaissances requises pour suivre ce cours sont celles du niveau
L, savoir, les notions de groupe, anneaux et corps, ainsi quun peu danalyse
complexe et des concepts standards de convergence et continuit.
Thmes abords :
Equations diophantiennes et factorisation.
Congruences, loi de rciprocit quadratique.

19
Master 1

Nombres p-adiques.
Gomtrie des nombres (thorme de Minkowski).
Symbole de Hilbert, formes quadratiques p-adiques.
Formes quadratiques rationnelles (thorme de Minkowski-Hasse).
Formes quadratiques binaires et anneaux quadratiques.
Extensions algbriques, entiers algbriques, discriminants.
Corps de nombres, finitude du nombre de classes, thorme des units.
Anneaux de Dedekind, dcomposition des idaux, ramification.
Corps quadratiques, genres des formes quadratiques binaires.
Corps cyclotomiques, applications au thorme de Fermat.
Sries de Dirichlet et application au thorme de la progression arithmtique.

4M021 Calcul algbrique (6 ECTS) (2e semestre)


Professeur : Pierre Charollois
mel : pierre.charollois@imj-prg.fr
url : https://webusers.imj-prg.fr/~pierre.charollois/pageperso.html
Objectifs de lUE : Ce cours aborde ltude de systmes algbriques et sarticule
autour dobjets calculables dune part et de complments dalgbre commutative
dautre part.
Il sinscrit dans les thmes des cours de M1 : Algbre gomtrique (4M001),
Thorie de Galois (4M002), Groupes finis et leurs reprsentations (4M014) et du
cours de L3 : Algbre applique (3M220). Ces cours ne sont cependant pas des
pr-requis.
Il permet denvisager par la suite un Master en Mathmatiques fondamentales
et renforce galement lactuelle formation loption Algbre eective et Calcul
Formel de lAgrgation de Mathmatiques. Il constitue une passerelle possible pour
les tudiants de Mathmatiques vers des cours de M2 en Informatique (par exemple,
la filire SFPN lUPMC). Toutefois, ce cours na pas pour but une programmation
pointue des algorithmes abords.
Prrequis : Notions de groupe, danneau, de corps : cours dalgbre 3M270.
Thmes abords :
1. lments dalgbre commutative
Anneaux de polynmes, noethrianit, anneaux quotients, anneaux locaux.
2. lments sur les varits algbriques
Ensembles algbriques, dictionnaire idal-varit. Thorme des zros de Hil-
bert. Thorme de Bzout.
3. limination - Projection - Rsolution
Rsultant, rsolvantes, discriminant. Application ltude des courbes alg-
briques planes. Suites de Sturm, rgle de Descartes. Relations coecients-
racines. Localisation et multiplicits des zros. Elimination et projection. R-
solution de systmes algbriques de dimension 0.
4. Calculs et Actions de groupes
Calculs lmentaires sur les groupes finis. Actions de groupes sur les poly-
nmes plusieurs variables. Versions eectives du thorme fondamental des
fonctions symtriques, et du thorme fondamental de Galois. Sommes de

20
Master 1

Newton, formules de Girard-Newton. Formule de Molien. Invariants primaires


et secondaires. Exemples de familles gnratrices de polynmes invariants.

4M022 Gomtrie direntielle (12 ECTS) (1er semestre)


Professeur : Vincent Humilire
mel : vincent.humiliere@imj-prg.fr
url : https://webusers.imj-prg.fr/~vincent.humiliere/
Objectifs de lUE : Introduire les notions de base de gomtrie direntielle
travers des exemples.
Prrequis : Connaissances en topologie, calcul direntiel et calcul intgral du
niveau Licence.
Thmes abords : Rappels de topologie gnrale et calcul direntiel.
La notion de varit direntielle. Immersions, submersions, diomorphismes.
Exemples.
Calcul direntiel dans les varits.
Partitions de lunit. Plongements dans lespace euclidien.
Champs de vecteurs, crochet de Lie, flots. Construction de diomorphismes.
Formes direntielles, intgration, thorme de Stokes, cohomologie de De Rham.
Applications topologiques.

4M024 Groupes et algbres de Lie (6 ECTS) (2e semestre)


Professeur : Sophie Chemla
mel : sophie.chemla@imj-prg.fr
url : https://webusers.imj-prg.fr/~sophie.chemla/
Objectifs de lUE : Ce cours combine lalgbre et lanalyse pour tudier la
structure des groupes de matrices relles ou complexes. Il introduit aussi lanalyse
harmonique.
Prrequis : Notions de base dalgbre linaire, de thorie des groupes, et de
calcul direntiel.
Thmes abords : Groupes topologiques et groupes de Lie. Application expo-
nentielle. Algbres de Lie. Thormes de structure des algbres de Lie. Reprsenta-
tions linaires des groupes et algbres de Lie. Mesure de Haar. Astuce unitaire de
Weyl. Application aux groupes SO(3) , SU(2) , SL(2).

4M025. Analyse fonctionnelle approfondie et calcul des variations (12


ECTS) (2e semestre)
Professeurs : Jimmy Lamboley et Herv Le Dret
mel : jimmy.lamboley@upmc.fr, herve.le_dret@upmc.fr
url : https://www.ljll.math.upmc.fr/babadjian/4M025bis.html
Objectifs de lUE : Le cours vise prsenter les connaissances ncessaires pour
aborder des problmes de calcul de variations, sujet qui peut approximativement se
rsumer loptimisation dans des espaces de dimension infinie ; ceci nous amnera
faire un dtour consquent vers quelques aspects de lanalyse fonctionnelle (dune
part travers des notions abstraites et gnrales, et dautres part via ltude de
certains espaces fonctionnels importants pour les applications). Les outils seront

21
Master 1

illustrs sur des problmes classiques du calcul des variations. Le cours pourra
intresser la fois des tudiants souhaitant se tourner vers des M2 de recherche,
dingnierie, ou qui souhaitent prparer lagrgation (en eet mme si le contenu
dpassera assez largement le programme de lagrgation sur certains points, du fait
de la nature assez transverse du cours sur des sujets varis de lanalyse, de nombreux
lments comme ltude des espaces fonctionnels, de la compacit, de la compltude,
des applications linaires continues, de problmes dextremum, de la convexit, ou
encore des formulations variationnelles dEDP, pourront tout fait tre rentabiliss
pour la prparation aux crits, et surtout aux oraux danalyse de lagrgation)
Prrequis : Le cours est essentiellement auto-contenu. Mme si de nombreuses
interactions pourront tre remarques avec les cours 4M005 (bases danalyse fonc-
tionnelle) et 4M006 (bases des mthodes numriques), il nest ncessaire davoir suivi
ni lun ni lautre de ces cours. A linverse, les redites avec les cours mentionns seront
minimes. Il est toutefois fortement conseill davoir des connaissances solides sur la
topologie au niveau L3 (cadre des espaces mtriques) et quelques connaissances sur
la thorie de la mesure (cas de la mesure de Lebesgue, thormes de convergence,
thormes de rgularit des intgrales paramtre...).
Thmes abords :
Etude despaces fonctionnels : espace des fonctions continues (avec notam-
ment la question de la compacit), espaces de Lebesgue (avec notamment les
thormes de densit), espaces de Sobolev (en dimension 1),
Analyse fonctionnelle abstraite : tude de la dualit, des thormes de Hahn-
Banach, des topologies faibles,
Application aux formulations faibles des EDP elliptiques linaires avec condi-
tion aux limites (en dimension 1),
Calcul direntiel en dimension infinie, conditions doptimalit dEuler-Lagrange,
introduction aux EDP non-linaires (en dimension 1),
Modlisation et tude de quelques problmes concrets

4M026 Approximation des EDP (12 ECTS) (2e semestre)


Professeur : Cristinel Mardare
mel : mardare@ljll.math.upmc.fr
url : https://www.ljll.math.upmc.fr/mardare/
Objectifs de lUE : Lobjectif est de prsenter toutes les tapes ncessaires
ltude thorique et numrique des quations aux drives partielles (EDP) linaires :
tablir le caractre bien pos du problme de dpart, proposer un schma numrique
dapproximation, estimer lerreur de lapproximation, calculer la solution approche.
Prrequis : Notions de base danalyse relle, dalgbre linaire, et de calcul
direntiel et intgral.
Thmes abords : Prliminaires danalyse : Espaces de Sobolev. Injections de
Sobolev. Thorme de trace. Intgration par parties. Ingalits de Poincar et de
Bramble-Hilbert.
EDP elliptiques : Conditions au bord de Dirichlet, de Neumann, et de Robin.
Solutions faibles et fortes. Formulation variationnelle et thorme de Lax Milgram.
Existence, unicit et stabilit de la solution exacte. Approximation par lments
finis : thorme de Galerkin, problme variationnel approch, systme algbrique

22
Master 1

quivalent, estimation derreur.


EDP dvolution (quation de transport, quation de la chaleur, quation des
ondes) : Conditions au bord et conditions initiales. Mthode de sparation de va-
riables. Existence, unicit et stabilit de la solution exacte. Approximation par dif-
frences finies : dfinition des schmas dapproximation bien poss, erreur de consis-
tence, stabilit, estimation derreur.
4M028 quations dvolution, stabilit et contrle (6 ECTS) (2e semestre)
Professeur : Jean-Michel Coron
mel : coron@ann.jussieu.fr
url : https://www.ljll.math.upmc.fr/coron/
Objectifs de lUE : On sintresse des systmes dcrits par une quation
direntielle en dimension finie (systme dynamique continu). Etudier la stabilit
de tels systmes consiste savoir prdire la convergence des solutions vers un tat
dquilibre. De telles tudes reposent sur les thormes de Lyapunov ou le principe de
LaSalle, dont on donnera de nombreux exemples la fois acadmiques ou appliqus
dirents domaines : physique, biologie, conomie, ... Par ailleurs ce cours fera
une introduction la thorie mathmatique du contrle de systmes voluant en
temps, avec lobjectif de guider le systme vers un tat final prcis, ou bien de
le stabiliser autour dun tat dquilibre. Les mises en oeuvre numriques seront
galement abordes loccasion de TD et TP.
Prrequis : Cours de calcul direntiel de L3.
Thmes abords :
Premire partie : stabilit des quations direntielles
Equations direntielles, thorme de Cauchy-Lipschitz, solutions maximales, tho-
rme dexplosion.
Stabilit des points dquilibre, cas des systmes linaires, caractrisations spec-
trales. Thormes de Routh et Hurwitz.
Fonctions de Lyapunov, thormes de Lyapunov et de LaSalle. Exemples dans
diverses disciplines. Mise en oeuvre numrique.
Deuxime partie : thorie du contrle
Prsentation de la thorie mathmatique du contrle.
Contrle de systmes linaires, critre de Kalman, thorme de placement de ples.
Thorie de Riccati, introduction au contrle optimal, quation de Riccati alg-
brique.
Stabilisation locale de systmes non linaires. Applications de la thorie de Lya-
punov. Exemples concrets et mise en oeuvre numrique.
Rpartition : 24 heures de cours, 24h de TD, 12h de TP (scilab).

4M030 Analyse relle, analyse harmonique et distributions de Schwartz (12 ECTS)


(2e semestre)
Professeur : Frdric Klopp
mel : frederic.klopp@imj-prg.fr
url : http://www.imj-prg.fr/~frederic.klopp
Objectifs de lUE : Le but de ce cours est de permettre lacquisition de bases
solides en analyse relle, en analyse harmonique et dans la thorie des distributions

23
Master 1

de Schwartz. Les techniques dveloppes seront appliques ltude de certaines


quations aux drives partielles.
Prrequis : Calcul direntiel et intgral de licence.
Thmes abords : Mesures de Borel positives, thorme de reprsentation de
Riesz, espaces Lp . Mesures complexes, direntiation de mesures (fonction maximale,
ingalit maximale de Hardy-Littlewood, thorme de Lebesgue-Radon-Nicodym,
points de Lebesgue), le dual de C0 (X). Srie de Fourier de fonctions et de mesures, s-
ries trigonomtriques (convergence dans des espaces fonctionnels, convergence ponc-
tuelle), noyau de Poisson, extension harmonique, fonction harmonique conjugue.
Fonctions test et distributions. Distributions support compact Produits tensoriels
et convolution de distributions. Distributions tempres et leur transforme de Fou-
rier. Quelques solutions fondamentales.

4M036 Processus de sauts (6 ECTS) (2e semestre)


Professeur : Nicolas Fournier
mel : nicolas.fournier@upmc.fr
url : http://www.proba.jussieu.fr/pageperso/fournier/
Objectifs de lUE : Les processus markoviens de sauts sont les processus
temps continu les plus simples. Ils reprsentent cependant des outils de modlisation
pertinents dans de nombreuses situations (comme en files dattente). Par ailleurs, une
bonne comprhension de ces processus est probablement ncessaire avant daborder
les processus de diusion en M2. Le but de ce cours est donc une tude rigoureuse
des processus markoviens de sauts ainsi que de certaines de leurs applications.
Prrequis : Un cours de probabilits (il nest pas ncessaire davoir suivi un
cours sur les chanes de Markov ou sur les martingales pour suivre ce cours).
Thmes abords : Chanes de Markov, Processus de Poisson, Processus mar-
koviens de sauts, Files dattente et autres applications.

4M039 Histoire dun objet mathmatique (6 ECTS) (2e semestre)


Professeurs : Alexandre Guilbaud et Laurent Mazliak
mel : laurent.mazliak@upmc.fr
url : http://www.proba.jussieu.fr/users/lma/M1HistMaths.html
Objectifs de lUE : Ce cours propose une exploration de lhistoire du concept
de fonction entre les XVIIe et XXe sicles travers une srie de sances thma-
tiques permettant dapprofondir un aspect spcifique de la question, et globalement
organises de faon chronologique. Cette approche doit non seulement faciliter pour
les tudiants lapprhension du processus historique de construction de ce concept,
mais aussi leur permettre de saisir les dirents enjeux autour desquels ce proces-
sus complexe sarticule, quil sagisse du rle des interactions entre mathmatiques
pures et mathmatiques mixtes ou appliques (notamment la mcanique et la
physique), des liens unissant lhistoire du concept avec les conditions de dveloppe-
ment de lanalyse et ses relations avec la gomtrie, lalgbre et larithmtique, ou
encore des consquences de lmergence de la topologie et de la thorie des ensembles
sur le rle et le statut de la notion de fonction.
La mthodologie historique que nous proposons est centre sur lanalyse de textes
originaux : chaque semaine une des deux sances sera intgralement consacre

24
Master 1

cet aspect, permettant ainsi aux tudiants de sentraner la lecture critique des
sources. En plus de leur apporter des connaissances spcifiques sur lhistoire de ce
concept fondamental dans le champ mathmatique, une telle approche doit aussi leur
permettre de prendre du recul sur les mathmatiques en gnral, sur larticulation
entre les direntes branches qui les composent, leurs dynamiques passes et actuelles
ainsi que leurs interactions avec dautres champs du savoir.
Liste indicative des sances successives :
1) Sance introductive : direntes manires de concevoir lhistoire des math-
matiques
2) Chronologie gnrale. Exemple danalyse de texte.
3) La prhistoire des fonctions : notions de fonctionnalit dans les mathmatiques
avant la Renaissance
4) Descartes et Fermat, ou la mise en fonction de la gomtrie
5) Le calcul direntiel et intgral de Leibniz et Newton appliqu la mcanique :
les premiers pas de la nouvelle analyse et du concept de fonction
6) DEuler Lagrange, la fonction au centre de ldifice analytique
7) La querelle des cordes vibrantes entre DAlembert, Euler et Daniel Bernoulli :
de nouveaux questionnements mathmatiques sur le concept de fonction
8) Dcomposition des fonctions en sries trigonomtriques : Fourier et la thorie
de la chaleur
9) Une nouvelle conception de la rigueur mathmatique : Cauchy, Bolzano, Di-
richlet,
10) Vers la thorie des fonctions : Riemann et Weiersterass
11) Toujours ensembles : Cantor et les fonctions

4M040 Probabilits et statistique pour lagrgation (6 ECTS) (2e semestre)


Professeur : Omer Adelman
mel : x@upmc.fr (x = Omer.Adelman)
url : http://www.proba.jussieu.fr/~adelman
Objectifs de lUE : Orir aux tudiants une visite guide dans lunivers des
probabilits. (Prcision : malgr son intitul, ce cours nest pas rserv aux futurs agrga-
tifs.)
Prrequis : Un apport correct de la licence.
Thmes abords : Probabilit conditionnelle ; lois de probabilits et leurs di-
verses caractrisations ; variables alatoires ; ensembles alatoires ; outils et tech-
niques de calcul ; contextes o on peut se passer de calcul ; le bon usage de la
convexit (ou de la positivit) et de la eirtmys.
Suites alatoires et leur comportement asymptotique : lois zroun, lois des
grands nombres (dont le thorme fondamental de la statistique), limites alatoires ;
applications (notamment en statistique).
Simulation ; couplage ; processus de Poisson ; Markov ; marches ; arrts.
Au centre sera le conditionnement. La magique esprance conditionnelle re-
lativement une sous-tribu est un outil puissant : elle nous aidera calculer,
raisonner, comprendre.

25
Master 1

Le tout se fera dans un esprit authentiquement probabiliste, esprit dont lexis-


tence, lunicit et la pertinence sillustreront de multiples faons.

4M044 Gravitation et Relativit (6 ECTS) (1er semestre)


Professeurs : Jean Souchay, Marie-Christine Angonin
mel : Jean.SOUCHAY@obspm.fr Marie-Christine.ANGONIN@obspm.fr
Objectifs de lUE : Lobjectif de la partie gravitation de ce cours prsente par
M. Souchay est dacqurir les bases de la mcanique cleste, savoir les orbites et les
mouvements kplriens, suivis dune initiation au problme de N corps. Les aspects
aussi bien physiques que mathmatiques sont dvelopps, suivis dapplications.
Lobjectif de la partie relativit de ce cours prsente par Mme Angonin est de
prsenter la relativit restreinte et la relativit gnrale. Les principes de base sont
dvelopps, puis suivis dapplications majoritairement orientes vers lastrophysique
et les systmes de rfrence du temps. Les cours auront lieu lObservatoire de Paris.
Prrequis : Calcul direntiel, quations direntielles linaires et algbre li-
naire.
Thmes abords :
- Mcanique cleste et systmes de rfrences.
- Modles dynamiques.
- Dynamique des corps en rotation.
- Relativit restreinte : principe de relativit, espace-temps de Minkowski, qua-
drivecteurs, transformations de Lorentz. Relativit de la simultanit, dilatation des
dures, eet Doppler, aberration de la lumire. Eet Sagnac, mtrique sur un disque
tournant.
- Relativit gnrale : principe dquivalence, introduction dune mtrique, temps
propre, dcalage gravitationnel des frquences (eet Einstein), espace associ un
observateur. Mouvements des particules massives et des photons dduits du principe
des godsiques. Approximation post-newtonienne. Echelles de temps. Avance du
prihlie des plantes, eet de retard (eet Shapiro), dviation des rayons lumineux.

4M045 Travail dtude et de recherche - TER (6 ECTS) (2nd semestre)


Responsable : Frdric Klopp
mel : frederic.klopp@imj-prg.fr
url : http://www.master.ufrmath.upmc.fr/fr/niveau_m1/travaux_d_etude_
et_de_recherche_ter_stages.html
Objectifs de lUE : Le TER de la premire anne de Master Mathmatiques
consiste en un travail dtude et de recherche eectu sous la direction dun en-
seignant qui propose le sujet. Il peut seectuer en binme. Ce travail pourra tre
thorique ou/et comporter une partie de simulation numrique. Il pourra galement
tre ralis autour dune question manant dun partenaire industriel ; le sujet est
alors propos conjointement par ce partenaire et lenseignant responsable du TER.
Le stage de TER est gnralement eectu au second semestre.
valuation lUE : Le TER donne lieu un rapport crit et une soutenance
orale (denviron 30 minutes), qui constituent lvaluation du travail. La soutenance
devra avoir eu lieu au plus tard deux semaines avant le jury du second semestre. La

26
Master 1

validation du TER permet lattribution de 6 ECTS dans le cadre du second semestre


du M1.
Droulement de lUE : Un T.E.R. dure au moins quatre mois ; pour quil soit
soutenu avant les jurys de juin, il doit donc tre dbut au plus tard la fin janvier.

Linscription en T.E.R. est subordonne au choix dun sujet, lobtention de


laccord de lenseignant-chercheur responsable du sujet ainsi que de laccord du res-
ponsable des T.E.R. Certains sujets proposs en dbut danne universitaire sont
rassembls dans un fascicule
http://www.math.jussieu.fr/~klopp/TER/TER-2015-2016.pdf
Ltudiant intress par un sujet rencontre lenseignant-chercheur qui le propose.
Un tudiant intress par un domaine particulier peut aussi aller voir un enseignant-
chercheur de son choix afin de lui proposer de le diriger lors dun T.E.R. ; le sujet
peut alors tre dfini dun commun accord.
Dans tous les cas, ltudiant confirme son choix auprs du responsable des T.E.R.
qui coordonne le processus. Le cas chant, le responsable des T.E.R. donne son
accord. Une fois le sujet choisi et, le cas chant, le binme constitu, les tudiants
rencontrent rgulirement lenseignant responsable du sujet qui les guidera dans leur
travail.
NB :
Le TER nest pas ouvert aux tudiants inscrits en FOAD.
Pour sinscrire dans ce module, il est ncessaire davoir valid le premier
semestre du M1.

4M047 Gomtrie et mcanique (6 ECTS) (2e semestre)


Professeur : Laurent Niederman
mel : laurent@imcce.fr
Objectifs de lUE : Prenant comme fil directeur une introduction la struc-
ture gomtrique des quations de la mcanique, on donnera dans le cours les bases
ncessaires en calcul direntiel, calcul extrieur et quations direntielles. Le cours
sadresse des tudiants en premire anne de master de mathmatiques, de phy-
sique, de mcanique ou dastronomie, ainsi qu des tudiants dsirant prparer
lagrgation de mathmatiques.
Prrequis : Les notions ncessaires de calcul direntiel et extrieur seront
tudies en fonction des besoins des tudiants.
Thmes abords : 1. calcul direntiel, thorme dinversion locale. Equations
direntielles et champs de vecteurs. Formes direntielles. Application : quations
de Maxwell.

2. Courbes et surfaces rgulires. Symtries et intgrales premires.


3. Calcul variationnel, quations dEuler Lagrange. Application : recherche de
flots godsiques sur des surfaces.
4. Introduction la mcanique lagrangienne via le principe de moindre action.
Organisation pdagogique : le cours a lieu lObservatoire de Paris
http://master-1.obspm.fr/

27
Master 1

4M048 Systmes dynamiques (6ECTS) (2e semestre)


Professeur : Patrice Le Calvez
mel : patrice.le-calvez@imj-prg.fr
url :
Objectifs de lUE : Ce cours a pour objet de prsenter quelques concepts fon-
damentaux de systmes dynamiques (conjugaison, orbites priodiques, rcurrence,
mesures invariantes, etc.) introduits travers ltude de nombreux exemples. Ce
sera aussi loccasion de revisiter de nombreuses notions du programme de Licence
en topologie, algbre linaire, calcul direntielle, analyse relle, analyse complexe,
etc. En particulier, il peut tre intressant de le suivre dans loptique dune
prparation lagrgation.
Prrequis : Cours standard de topologie, calcul direntiel, algbre linaire, un
peu de thorie de la mesure.
Thmes abords :
Dynamique contractante et applications : Thorme du point fixe de Banach-
Picard paramtres ; distance de Hausdor, construction de fractales par systmes
de fonctions itres.
Equations direntielles, champs de vecteurs et flots : Thorme de Cauchy-
Lipschitz paramtres ; portraits de phase des champs de vecteurs linaires ; notions
de conjugaison. Eventuellement : thorie de Poincar-Bendixson ; application de pre-
mier retour ; systmes prdateurs-proies ; exemples de flots chaotiques (attracteur de
Lorentz).
Systmes dynamiques en dimension un : Priode trois implique le chaos ; tho-
rme de Sharkovski ; croissance des orbites priodiques, notion de mesure invariante,
conjugaison. Exemple de lapplication logistique (doublement de priode, unicit des
orbites priodiques attractives).
Systmes dynamiques en dimension deux : Billard convexe, existence dor-
bites priodiques, mesures invariantes et points rcurrents ; exemples de dynamiques
chaotiques. Cas du billard elliptique.
Eventuellement : systmes dynamiques holomorphes, mthode de Newton, en-
sembles de Julia et de Mandelbrot.

4M053 Calcul scientifique pour les grands systmes linaires (6 ECTS) (2e se-
mestre)
Professeur : Xavier Claeys
mel : claeys@ann.jussieu.fr
url : https://www.ljll.math.upmc.fr/~claeys/
Objectifs de lUE : Le cours abordera, sous langle de la programmation pra-
tique, les mthodes de rsolution classiques des systmes linaires de grande dimen-
sion, tels que ceux rencontrs lors de la rsolution approche dquations au drive
partielles. Ce cours sappuiera sur le langage C++.
Prrequis : Bases solides en algbre linaire, et une premire exprience en
programmation.
Thmes abords : stockage des matrices creuses, mthode de rsolution directe
(Gauss,LU), mthode de rsolution itratives stationnaires (Jacobi, Gauss-Seidel,

28
Master 1

gradient pas optimal), principe gnral des mthodes de Krylov , mthode MinRes,
gradient conjugu, mthode GMRes, dcomposition en valeurs singulires, appel de
bibliothques avec C++ (BLAS, Lapack, UMFPACK).
Remarque : Ce cours donne lieu un projet, qui est prpar par groupes
dun ou deux tudiants et est soutenu individuellement.

4M054 Mise en oeuvre de la mthode des lments finis (6 ECTS) (2e semestre)
Professeur : Xavier Claeys
mel : claeys@ann.jussieu.fr
url : https://www.ljll.math.upmc.fr/~claeys/
Objectifs de lUE : Ce cours discutera de limplmentation concrte et des
subtilits algorithmiques dun code lments finis en sappuyant, dun point de vue
logiciel, sur le langage Python. On se focalisera en particulier sur la mthode des
lments finis P1-Lagrange. Le cours comportera une forte part de TP et un projet
en fin de semestre.
Prrequis : Bases solides en algbre linaire, bonne comprhension des espaces
de Hilbert, connaissance pratique de lespace des fonctions de carr intgrable.
Thmes abords : formule de Green, quelques lments sur les espaces de So-
bolev, formulation variationnelle pour des EDP elliptiques classiques, thorme de
Lax-Milgram, rappels sur Python, prsentation de Numpy, Scipy, Matplotlib, prsen-
tation thorique de la mthodes lments finis P1-Lagrange, aspects algorithmiques
des lments finis (assemblage des matrices, quadrature des intgrales), debuggage
dun code lments finis, visualisation des solutions, prsentation de FreeFEM++ et
dautres bibliothques EF.
Remarque : Ce cours donne lieu un projet, qui est prpar par groupes
dun ou deux tudiants et est soutenu individuellement.

4M055 Stage en entreprise pour mathmaticiens (6 ECTS) (1er ou 2e semestre)


Professeur : Herv Le Dret
mel : herve.le_dret@upmc.fr
url : http://www.master.ufrmath.upmc.fr/fr/niveau_m1.html (onglet inser-
tion professionnelle)
Objectifs de lUE : Donner aux tudiants la possibilit davoir une exprience
de lutilisation des outils mathmatiques et des logiciels scientifiques dans le milieu
de lentreprise ou de lindustrie. Prciser un projet professionnel en dcouvrant de
faon concrte un domaine dapplication li aux mathmatiques.
Prrequis : lire la description dtaille sur le site web
http://www.master.ufrmath.upmc.fr/fr/niveau_m1.html (onglet insertion pro-
fessionnelle) et prendre contact avec le professeur responsable de lUE avant dtablir
la convention de stage.
Thmes abords : Ltudiant trouve son stage seul. Le sujet est propos par
lentreprise et doit tre valid par le responsable de lUE avant le dbut du stage.
Le stage doit comprendre une immersion totale dans lentreprise pendant 2 mois
minimum, soit pendant lt soit pendant un semestre universitaire si ltudiant a
dj valid les autres modules, dans le cas dun M1 tal sur plus dun an. Les stages

29
Master 1

ayant lieu pendant lt seront valus la rentre de septembre. Dautres situations


particulires peuvent tre tudies au cas par cas. Les stages valids au titre dun
autre diplme ne peuvent pas tre pris en compte. Lvaluation du stage repose sur
trois critres : la rdaction dun rapport, la soutenance orale et lavis motiv du
responsable en entreprise.
Tous les tudiants voulant faire un stage en entreprise pendant lanne de M1,
dans le cadre de cette UE ou non, doivent remplir un formulaire en ligne http:
//www.master.ufrmath.upmc.fr/fr/niveau_m1.html (onglet insertion profession-
nelle) pour pouvoir ensuite obtenir une convention de stage.

30
Master 1

4M056 Programmation en C++ (6 ECTS) (2e semestre)


Professeur : Damien Simon
mel : damien.simon@upmc.fr
url : http://www.normalesup.org/~dsimon/enseignement/4m056.html
Objectifs de lUE : Ce cours donne les bases du langage de programmation
C++ avec une orientation vers les probabilits, les statistiques et les structures de
donnes. Si le temps le permet, nous aborderons galement linterfa cage avec Python
et le calcul parallle.
Prrequis : Notions dalgorithmique (tests logiques, boucles, fonctions)
Thmes abords : Les premires sances sont consacres aux bases du lan-
gage C++ : syntaxe, compilation (avec g++), gestion lmentaire de la mmoire,
prsentation de la bibliothque standard, notion de classe pour dfinir de nouveaux
objets.
Par rapport au Python abord en L3, le C++ est un langage en apparence plus
rigide mais sa structure permet une gestion prcise de la mmoire et de loptimisa-
tion qui permet une vitesse dexcution trs suprieure et reste indispensable dans
une perspective de calcul intensif ou de big data ; dailleurs, de nombreuses biblio-
thques pour Python sont en fait codes en C++. La seconde partie du cours met
ainsi laccent sur la manipulation de la mmoire par pointeurs, loptimisation, les
templates et ltude (en cours et en TP) de direntes structures algorithmiques de
donnes. La majorit des TP seront orients vers des applications aux probabilits
et statistiques et permettront dapprendre les outils ncessaires une bonne gestion
de lalatoire.

4M057 Analyse convexe (6 ECTS) (2e semestre)


Professeur : Yvon Maday
mel : yvon.maday@upmc.fr
url : http://www.ljll.math.upmc.fr/~maday
Objectifs de lUE : Lanalyse convexe est un des piliers des mathmatiques
appliques. Elle intervient dans la modlisation et la rsolution numrique de pro-
blmes dans pratiquement tous les secteurs o la modlisation mathmatique est
pertinente : en ingnierie, en statistiques, en physique, en conomie, en finance,
dans les sciences de linformation, pour la simulation numrique et des donnes...
Lobjectif de ce cours de fournir les fondements de lanalyse convexe, ses implications
en mthodes algorithmiques et ses applications vers le traitement des megadonns
(big data).
Prrequis : Algbre linaire, topologie lmentaire.
Thmes abords :
Rappels sur les espaces euclidiens et le calcul matriciel
Ensembles convexes, proprits algbriques et topologiques
Fonctions convexes, proprits algbriques et topologiques
Quelques problmes doptimisation (linaire-nonlinaire)
Quelques algorithmes pour la recherche de solutions optimales (linaire-nonlinaire)
Conjugaison de Legendre-Fenchel
Calcul direntiel pour les fonctions convexes

31
Master 1

Quelques lments de Machine Learning


Quelques lments de compressed sensing

4M059 Topologie algbrique (6 ECTS) (2e semestre)


Professeur : Ilia Itenberg
mel : ilia.itenberg@imj-prg.fr
url : http://webusers.imj-prg.fr/~ilia.itenberg/
Objectifs de lUE : Dans ce cours, nous introduirons la thorie des revtements,
en lien avec la notion dhomotopie. Nous dfinirons le groupe fondamental dun
espace topologique, et nous apprendrons le calculer sur des exemples, notamment
laide du thorme de van Kampen.
Prrequis : Connaissances en topologie et calcul direntiel du niveau licence.
Thmes abords : Revtements, homotopie, groupe fondamental.

4M060 Introduction aux surfaces de Riemann (6 ECTS) (2e semestre)


Professeur : Elisha Falbel
mel : elisha.falbel@imj-prg.fr
url : https://webusers.imj-prg.fr/~elisha.falbel/
Objectifs de lUE : Lobjectif de ce cours est de proposer une introduction
aux divers aspects algbriques, analytiques et gomtriques dun des objets les plus
riches et importants des mathmatiques.
Prrequis : Analyse complexe lmentaire et les bases de la topologie algbrique.
Thmes abords : Surfaces de Riemann, courbes algbriques, Diviseurs et fibrs
en droites complexes, Thorme de Riemann-Roch, Gomtrie hyperbolique et sous-
groupes discrets.

4M061 Modles Mathmatiques en Neurosciences (6 ECTS) (2e semestre)


Professeurs : Delphine Salort et Michle Thieullen
mel : delphine.salort@upmc.fr michele.thieullen@upmc.fr
Objectifs de lUE : Introduire les modles mathmatiques dvelopps dans
les neurosciences et donner aux tudiants la formation en systmes dynamiques
dterministes ou stochastiques ncessaire leur comprhension.
Prrequis : Sont souhaitables :
- un cours de niveau L3 de Probabilits (3M245 ou 3M290)
- un cours de Topologie et Calcul Direntiel (3M260)
- une initiation la programmation pourra tre utile
Thmes abords :
- Comment fonctionne un neurone. Notion dexcitabilit, de dcharge. Gnration
et propagation du potentiel daction.
- Modle Intgre-et-Tire dterministes et stochastiques.
- Les modles classiques : quations de Hodgkin-Huxley, de FitzHugh-Nagumo,
de Morris-Lecar.
- Bruits Gaussiens et Poissoniens. Modlisation du fonctionnement des canaux
ioniques par des processus de Markov.

32
Master 1

- Introduction aux systmes dynamiques. Points stationnaires, cycles limites et


thorie des bifurcations.
- Systmes dynamiques lents-rapides.
- Temps de dcharge et problmes destimation. Densit de probabilit et qua-
tions aux drives partielles.

4M062 Systmes dynamiques discrets et continus en biologie et mdecine (6


ECTS) (1er semestre).
Professeur : Delphine Salort
mel : delphine..fr
url : http://www.lcqb.upmc.fr/users/salort
Objectifs de lUE : Lobjectif de ce cours est dintroduire les principaux outils
de base mathmatiques qui interviennent dans la conception et ltude de nombreux
modles permettant de dcrire des phnomnes issus de la biologie. Dans le cadre de
ce cours, nous allons nous centrer sur des modles dont la branche des mathmatiques
est principalement issue du domaine de lanalyse et des quations ordinaires et aux
drives partielles. Ces outils sont trs performants dans de nombreux cadres issues
de la biologie, dont certains seront dtaills avec dans ce cours.
Prrequis : Ce cours sadresse des tudiants venant de divers horizons, le
niveau de prrequis est donc assez bas, des exercices adapts aux objectifs du cours
permettront de combler les lacunes ventuelles.
Thmes abords : modles de dynamique de population discrets et structurs :
Algbre linaire, matrices, thorme de Perron Frobenius
modles EDO dordre 1 en 1d et multi-d (comptition, cologie, proie prdateur...) :
Calcul direntiel, portrait de phases, stabilit, dynamique asymptotique
approximation des EDO : dirences finies
Analyse des EDP structures
Bibliographie : Mathematical biology, J. Murray.

4M065 Calcul stochastique et introduction au contrle stochastique (12


ECTS) (2e semestre)
Professeur : Camille Tardif
mel : camille.tardif@upmc.fr
url : http://www.proba.jussieu.fr/pageperso/tardif
Objectifs de lUE : Prsenter des lments de calculs stochastiques temps
discret et continus, avec application au contrle markovien, au filtrage et la finance.
Prrequis : Il est indispensable davoir les connaissances du cours de Probabi-
lits Approfondies (esprance conditionnelle, chanes de Markov, martingales)
Thmes abords :
Temps discret : calcul stochastique (applications la valorisation daction),
contrle stochastique (gestion de stock, gestion de portefeuille), arrt
optimal (problme du mariage, valorisation dun stockage gazier), filtrage.
Temps continu : mouvement brownien, intgrale stochastique, formule dIt,
formule de Feynman-Kac, contrle de diusions. Applications la formule de
Black et Scholes, la gestion de portefeuille de Merton.

33
Master 1

4M067 Cryptologie, Cryptographie algbrique (12 ECTS) (2e semestre)


Professeur : Leonardo Zapponi
mel : leonardo.zapponi@imj-prg.fr
url : http://www.math.jussieu.fr/~zapponi/
Objectifs de lUE : Prsenter les applications de la thorie des nombres en
cryptographie. Dcrire dirents protocoles, tels que les cryptosystmes cls pu-
bliques, les partage de secret ou les preuves divulgation nulle de connaissance.
Exposer les problmes de primalit et de factorisation des entiers. Donner une in-
troduction la thorie des courbes elliptiques afin den dcrire des applications la
cryptographie.
Prrequis : Connaissances de base en algbre et arithmtique du niveau Licence.
Thmes abords : Thorie lmentaire des nombres, complexit, corps finis, loi
de rciprocit quadratique, problme du logarithme discret, cryptosystmes cls
publiques, protocoles de secret partag, preuves divulgation nulle de connaissance,
tests et critres de primalit, mthodes de factorisation, introduction la thorie des
courbes elliptiques, courbes elliptiques sur les corps finis, cryptosystmes elliptiques.

4M068 Combinatoire et Optimisation (12 ECTS) (2e semestre)


Professeur : Michel Pocchiola
mel : michel.pocchiola@imj-prg.fr
https://webusers.imj-prg.fr/~michel.pocchiola/
Objectifs de lUE : Etudes de structures de base en mathmatiques discrtes
et de leurs applications en gomtrie algorithmique et en optimisation combinatoire.
Prrequis : Algbre linaire.
Thmes abords :
Thorie des graphes, Gomtrie Discrte, Gomtrie Algorithmique, Optimisa-
tion Combinatoire, Combinatoire Polydrale, Calculabilit et Complexit.
1. Arbres ordonns, arbres binaires de recherche randomiss ;
2. Treillis des faces dun polydre, programmation linaire ;
3. Epsilon-nets, transversals des hypergraphes et recherche gomtrique ;
4. Arbres couvrants, arbres couvrants de cot minimum ;
5. Matroides, algorithme glouton, intersection de matroides ;
6. Flots et couplages dans les graphes, formulations polydrales.

4M070 quations direntielles : de Newton nos jours (6 ECTS) (2e semestre)


Responsable du cours : Corentin Audiard
mel : corentin.audiard@ljll.math.upmc.fr
https://www.ljll.math.upmc.fr/audiard/
Modalits : Ce cours est bas sur le MOOC de Cdric Villani et Diaraf Seck
disponible sur la plateforme Edx. Les tudiants de lUPMC auront leur disposition
en supplments des devoirs la maison. Le cours sera valid par un examen prsentiel
en fin de priode.

34
Master 1

Objectifs de lUE : Ce cours correspond aux sept premires semaines du


MOOC sur les quations dvolution de C. Villani et D. Seck, ces premires semaines
traitent lanalyse des quations direntielles ordinaires. Il sert la fois dintroduc-
tion lanalyse moderne des quations direntielles et de prparation la deuxime
partie du MOOC qui traite des quations aux drives partielles.
Prrequis : Algbre linaire et analyse relle niveau licence, y compris lintgrale
de Lebesgue, calcul direntiel plusieurs variables, topologie niveau L3.
Thmes abords : problme de Cauchy, espace des phases, portrait de phase,
thorme de Cauchy-Lipschitz, fonction de Lyapunov, dynamique en temps long,
systmes hamiltoniens, introduction la thorie KAM.

4M072 Statistiques baysiennes (6 ECTS) (2me semestre)


Professeur : Ismal Castillo
mel : ismael.castillo@upmc.fr
url : http://www.proba.jussieu.fr/~castillo/
Objectifs de lUE : Prsenter lapproche baysienne en statistiques. Former
son utilisation dans les modles statistiques paramtriques. Des sances de TD
permettront de mettre en application les notions vues en cours.
Prrequis : Avoir suivi au moins un cours de probabilit, notions de base sur
lesprance conditionnelle et les lois conditionnelles. Avoir dj suivi un cours de
statistique peut aider, mais ce nest pas indispendable.
Thmes abords : Lapproche baysienne est trs utilise en pratique car elle
permet notamment dincorporer naturellement une notion dincertitude sur les pa-
ramtres estimer par lintermdiaire dune loi de probabilit, la loi a priori. Cette
loi est ensuite mise jour laide des donnes pour former une nouvelle loi, la loi a
posteriori, qui constitue lestimateur au sens baysien. Le cours abordera les notions
suivantes : formalisme baysien, lois a priori et a posteriori, formule de Bayes, lois
conjugues, aspects de la posteriori et lien avec lestimation ponctuelle, rgions de
crdibilit, choix de lois a priori, lments danalyse asymptotique, principes num-
riques de simulation de lois a posteriori.

4M073 Statistique avance, grande dimension et donnes massives (6 ECTS)


(2me semestre)
Professeur : tienne Roquain
mel : etienne.roquain@upmc.fr
url : http://etienne.roquain.free.fr
Objectifs de lUE : Ce cours a pour but de consolider les connaissances en
statistique classique, tout en introduisant les outils ncessaires lanalyse des don-
nes "modernes", assez massives et complexes. Les tudiants devront sapproprier
les concepts voqus en cours et TDs et seront valus sur leur capacit manipuler
ces notions.
Prrequis : Ce cours est un cours de statistiques avances, qui ncessite davoir
valid un cours de statistique de contenu au moins quivalent "Statistique de base"
et un cours de probabilit de contenu au moins quivalent "Probabilits de base".
Thmes abords : Les thmes suivants seront notamment abords :

35
Master 1

Statistique de base : rappels sur lestimation, les tests et les rgions de


confiance ; estimateur minimax ; estimateur de Bayes ;
Statistique non paramtrique : infrences pour la fonction de rpartition ; test
dadquation une loi ; test du 2 ; rgression non-paramtrique ; estimateur
par moyennes locales ; noyaux ; histogrammes ;
Statistique en grande dimension : estimateur par shrinkage ; phnomne de
Stein ; estimateur par seuillage ; sparsit ; dtection optimale ; donnes mas-
sives dexpression de gnes.

4M074 Probabilits numriques et statistiques computationnelles (12 ECTS) (2me


semestre)
Professeur : Vincent Lemaire, Tabea Rebafka
mel : vincent.lemaire@upmc.fr, tabea.rebafka@upmc.fr
url : http://www.proba.jussieu.fr/~lemaire/,
http://www.proba.jussieu.fr/~rebafka/
Objectifs de lUE : Prsenter des mthodes numriques de probabilits et de
statistiques. Dune part, on donnera des justifications thoriques pour les dirents
algorithmes, dautre part, la mise en uvre pratique sur machine des direntes
mthodes est au cur de ce cours.
Prrequis : Des bonnes connaissances des probabilits ainsi que des bases de
programmation (peu importe le langage). Les TP commenceront par une initiation
la programmation en R.
Thmes abords :
Partie I : Probabilits numriques
Simulation dobjets alatoires
Mthode de Monte Carlo
Optimisation stochastique
Partie II : Statistiques Computationnelles
Introduction/Rappel la statistique
Bootstrap (bootstrap simple, intervalles de confiance)
Mthodes pour des modles variables latentes (modle de mlange, algo-
rithme EM, chantillonneur de Gibbs)

4P002 Physique quantique et applications (6 ECTS) (1er semestre)


Professeur : Alice Sinatra
mel : alice.sinatra@lkb.ens.fr
url : http://www.phys.ens.fr/~sinatra/
Objectifs de lUE : Le but de ce cours, qui complte le cours de physique
quantique dispens en (L3), est de donner aux tudiants les connaissances de base
en physique quantique qui leur serviront dans les direntes spcialits de la physique
allant de la physique atomique loptique quantique et la matire condense. Les
outils thoriques et leur illustration sur des exemples simples seront donns en cours,
et leurs applications des domaines varis seront donnes en travaux dirigs.
Prrequis : Cours de mcanique quantique de (L3) 3P020 ou quivalent (phy-
sique ondulatoire, puits de potentiel, oscillateur harmonique, atome dhydrogne,
formalisme de Dirac).

36
Master 1

Thmes abords :
Formulation gnrale de la mcanique quantique.
Thorie des perturbations stationnaires.
Perturbations dpendant du temps. Rgle dor de Fermi.
Problmes une dimensions. Potentiel priodique.
Problmes trois dimensions. Potentiel central.
Thorie gnrale du moment cintique, spin.
Thorme de Hellmann-Feynman.
Thorme du viriel.
Thorme de Ritz et mthode variationnelle.
Applications de la thorie des perturbations latome dhydrogne.
Particules indentiques.
Des exemples dapplication venant de la recherche actuelle sur les atomes froids,
les gaz quantiques, la matire condense et la physique thorique seront prsents
en cours et en travaux dirigs.

4MOI1 Orientation et Insertion professionnelle (3 ECTS) (1er semestre)


Professeurs : Herv Le Dret
mel : herve.le_dret@upmc.fr
Objectifs de lUE : Lobjectif de lUE est daider les tudiants prciser leur
projet professionnel, et de sassurer quils sorientent de la manire optimale pour le
raliser. Les tudiants sont rpartis par groupes encadr par un enseignant chercheur
qui est en mme temps leur directeur dtude pour lanne entire.
UE obligatoire : Les tudiants suivant au moins un cours en prsentiel au
premier semestre doivent obligatoirement suivre cette UE ainsi quune UE de langue
3 ECTS.
Organisation de lUE : Les informations dtailles seront communiques sur
le site web
http://www.master.ufrmath.upmc.fr/fr/niveau_m1.html (onglet insertion pro-
fessionnelle) et sur SAKAI.

37
Master 1

1.8 Responsable et site


Responsable : Thierry LEVY Thierry.Levy@upmc.fr
Site : http://www.master.ufrmath.upmc.fr/

Des renseignements pratiques sur les inscriptions et le calendrier (page 148) du


Master 1 sont disponibles au chapitre 10.

38
Chapitre 2

Master 2, Parcours
Mathmatiques fondamentales

2.1 Objectifs et descriptions


Le parcours Mathmatiques fondamentales sadresse aux tudiants titulaires dun
M1 de mathmatiques ou dun titre quivalent et comprend deux majeures : Math-
matiques Recherche et Mathmatiques Avances.
Un large spectre des mathmatiques fondamentales est gnralement couvert,
avec des variations selon les annes : thorie des nombres, gomtrie algbrique, tho-
rie de Lie, topologie, gomtries analytique et direntielle, systmes dynamiques,
analyse fonctionnelle, analyse harmonique, quations aux drives partielles, etc.

2.1.1 Majeure Mathmatiques Recherche


Cette majeure, assez exigeante, sadresse tous les tudiants se destinant un
doctorat en mathmatiques fondamentales. Une fois ce doctorat accompli, les d-
bouchs naturels sont les mtiers de la recherche et de lenseignement suprieur, au
CNRS, luniversit ou dans les centres de recherche des grandes entreprises.

2.1.2 Majeure Mathmatiques Avances


Cette majeure, plus abordable, intressera les tudiants dont le but principal est
de valider le Master, sans poursuivre en doctorat. Les cours proposs sont essen-
tiellement les mmes que pour le parcours Recherche, mais les rgles de validation
sont assouplies, et il est aussi possible de valider certains cours de M1 avancs. Ce
parcours est bien adapt aux tudiants dsirant prparer lagrgation.

2.2 Dbouchs professionnels


Le programme fournit une base solide aux futurs chercheurs et enseignants-
chercheurs pour les universits et les centres de recherche ainsi que pour les futurs

39
Master 2, Parcours Mathmatiques fondamentales

enseignants. Certains tudiants continueront aprs le master un cursus de 3 ans


dtudes doctorales.
Une partie importante dtudiants avec leurs diplmes du Master 2 pourront
commencer ou avancer leurs carrires acadmiques ou dans le secteur des entreprises.
Notons que dans plusieurs grands pays comme lAllemagne, le Royaume Uni ou
les Etats-Unis, un master ou, mieux, une thse de mathmatiques est un gage su-
sant de puissance et de crativit intellectuelles pour tre recrut par une entreprise
de haute technologie.
Les tudiants trangers dvelopperont des collaborations avec la France aussi
bien en matire de recherche, denseignement que dautres domaines. Certains deux
travaillent dj dans les universits ou les centres de recherche.

2.3 Organisation
Le cursus comprend des cours, une UE douverture et un mmoire. Les rgles
de validation dpendent du parcours envisag. Dans le parcours Mathmatiques
Recherche, les tudiants sont libres de choisir les cours. Quatre cours (dont au
plus deux introductifs) seront exigs ainsi quun mmoire de recherche. Le mmoire,
dirig par un enseignant-chercheur, introduit les tudiants aux sujets de recherche
en cours de dveloppement. Les tudiants sont tous suivis, guids et encadrs par
les responsables et les enseignants-chercheurs. Des sminaires seront organiss pour
faciliter linitiation des tudiants la recherche.
Dans la majeure Mathmatiques Avances, outre les cours du M2, il est possible,
aprs accord des responsables, de valider certains cours du second semestre de M1,
dont le niveau est intermdiaire entre M1 et M2. De plus, le sujet du mmoire pourra
tre plus adapt au projet de ltudiant.

2.4 Publics viss, prrequis


Les tudiants ayant un diplme de Master 1 de lUniversit Pierre et Marie Curie
ou lquivalent auront les meilleures chances de russite dans lun des deux parcours
du Master 2. Nous visons galement les lves des grandes coles, les futurs agrgs
et bien sr les tudiants trangers.
Les tudiants en thse et les chercheurs dbutants profiteront de ce programme
pour largir leur champ de connaissances.
Un nombre important de cours seront proposs pour lenseignement distance
visant les tudiants en situation familiale ou professionnelle particulire.

2.5 Description des UE


Les cours suivis dune
seront proposs dans le parcours Mathmatiques Avan-
ces.

5MF29. Gomtrie algbrique I* (9 ECTS) (1er semestre)

40
Master 2, Parcours Mathmatiques fondamentales

Professeur : Daniel Juteau (P7)


mel : daniel.juteau@imj-prg.fr
Objectifs de lUE : Le but du cours est de donner une introduction la
gomtrie algbrique, dans lesprit du cours que donnait Joseph Le Potier. Dans la
premire partie du cours, nous verrons les varits algbriques (en tant quespaces
annels) et leurs morphismes ainsi que leurs proprits. Dans la deuxime partie,
nous tudierons plus particulirement les fibrs vectoriels, les diviseurs, les faisceaux
algbriques cohrents et leur cohomologie. la fin, nous prouverons la formule de
Riemann-Roch.
Prrequis : Modules sur un anneau commutatif.
Thmes abords :
Varits algbriques
Fibrs vectoriels et faisceaux algbriques
Cohomologie
La formule de Riemann-Roch

5MF65. Initiation au calcul pseudo-direntiel* (9 ECTS) (1er se-


mestre)
Professeur : Nicolas Lerner
mel : nicolas.lerner@imj-prg.fr
url : http://www.math.jussieu.fr/~lerner/index.pseudom2.html
Objectifs de lUE : Le but de ce cours est de fournir une prsentation lmen-
taire de quelques versions du calcul pseudo-direntiel. Nous commencerons par des
rappels danalyse de Fourier. Nous tudierons ensuite quelques formules de quan-
tification et donnerons quelques rsultats de base sur le calcul pseudo-direntiel
pour des oprateurs dots de symboles appartenant aux classes les plus simples ; on
sintressera notamment aux proprits de continuit (L2 et Sobolev), de composi-
tion et de dveloppement asymptotique. Nous donnerons ensuite une dmonstration
complte de lingalit de Grding laide de la quantification anti-Wick. Nous four-
nirons quelques applications la rgularit des solutions dEDP (micro)elliptiques
et la propagation des singularits pour des EDP de type principal rel. Ensuite
nous tudierons une version semi-classique du calcul pseudo-direntiel et fournirons
quelques applications la thorie spectrale.
Prrequis : Intgration, Calcul direntiel, Analyse de Fourier.
Thmes abords :
Analyse de Fourier
Quantification, fonctions de Wigner
Algbres doprateurs pseudo-direntiels
Ingalits de Grding
Calcul semi-classique
Applications

5MF81. Algbre homologique et topologie algbrique (9 ECTS) (1er


semestre)
Professeur : Muriel Livernet (P7)
mel : livernet@imj-prg.fr

41
Master 2, Parcours Mathmatiques fondamentales

Objectifs de lUE : Les outils dalgbres homologiques sont incontournables en


topologie algbrique, et sont galement utiliss dans bien dautres domaines, comme
la gomtrie algbrique, la thorie des reprsentations ou la physique mathmatique.
Nous donnerons dans ce cours les bases dalgbre homologique et nous tudierons
les foncteur Tor et Ext. Nous appliquerons ces notions ltude de lhomologie et
de la cohomologie des groupes, algbres associatives et espaces topologiques.
Objectifs : Donner de solides bases en algbre homologique ; tudier des exemples
dapplications dans divers domaines ainsi quen topologie algbrique.
Prrequis : Cours dalgbre commutative, notions de topologie.
Thmes abords :
Langage des catgories, Complexes de chaines, homologie, homotopie
Rsolutions projectives, rsolutions injectives, Foncteurs Tor et Ext
(Co)homologie des groupes ; (co)homologie de Hochschild.
Axiomes dEilenberg-Steenrod pour lhomologie des espaces topologiques
Modles acycliques, thorme dEilenberg-Zilber
cup produit en cohomologie. Applications.

5MF41. Introduction aux surfaces de Riemann* (9 ECTS) (1er se-


mestre)
Professeur : Marco Maculan
mel : marco.maculan@imj-prg.fr
Objectifs de lUE : Lobjectif de ce cours est de proposer une introduction aux
divers aspects algbriques, analytiques et gomtriques dun des objets les plus riches
et les plus importants des mathmatiques, qui est la source de plusieurs domaines
de la recherche contemporaine.
Prrequis : Analyse complexe de M1 et bases de topologie et de gomtrie
direntielle.
Thmes abords :
Dfinition et exemples, courbes elliptiques, courbes algbriques, courbes as-
socies aux fonctions holomorphes.
Aspects topologiques, genre, triangulation, formule de Riemann-Hurwitz.
Fibrs en droites, direntielles holomorphes et thorme de Riemann-Roch.
Faisceaux, cohomologie de Dolbeaut, thorme dAbel-Jacobi.

5MF51. Gomtrie direntielle et riemannienne* (9 ECTS) (1er se-


mestre)
Professeur : Julien March
mel : julien.marche@imj-prg.fr
Objectifs de lUE : Il sagira dune introduction la gomtrie direntielle et
riemannienne.
Prrequis : Il est souhaitable davoir suivi un cours de gomtrie direntielle
(niveau M1), mme si des rappels seront faits.
Thmes abords :
Varits, champs de vecteurs, formes direntielles.
Fibrs, connexions, courbure.

42
Master 2, Parcours Mathmatiques fondamentales

Mtriques riemanniennes, godsiques, courbure riemannienne, liens entre


courbure et gomtrie/topologie.

5MF59. Topologie direntielle* (9 ECTS) (1er semestre)


Professeur : Hussein Mourtada (P7)
mel : hussein.mourtada@imj-prg.fr
Objectifs de lUE : Dans ce cours, nous introduisons les lments de base de la
topologie direntielle et nous ferons le lien avec les invariants de la topologie alg-
brique. Ces connaissances sont importantes en gomtrie direntielle, en topologie
algbrique, en dynamique et peuvent tre utiles en gomtrie algbrique.
Prrequis : Il est souhaitable davoir suivi un cours de gomtrie direntielle
de niveau M1.
Thmes abords :
lments dhomologie et de cohomologie singulires. Homologie et cohomolo-
gie cellulaires.
Varits et sous varits lisses. Lemme de Sard. Transversalit. Indice din-
tersection et degr dune application. Thorie de Morse.
Fibrs vectoriels et classes caractristiques.

5MF31. Gomtrie et thorie des reprsentations I (9 ECTS) (1er


semestre)
Professeur : Eric Vasserot (P7)
mel : eric.vasserot@imj-prg.fr
Objectifs de lUE : Le but du cours est dabord dintroduire quelques notions
de base en thorie de Lie (algbres de Lie rductives, systmes de racines, reprsen-
tations de plus haut poids, groupes algbriques). Ensuite on donnera quelques outils
de gomtrie algbrique qui sont fondamentaux pour la thorie des reprsentations
(varits de drapeaux, cellules de Bruhat,...). Si on en a le temps, le thorme de
localization de Beilinson-Bernstein sera voqu en fin de cours.
Prrequis :
Thmes abords :
algbres de Lie rductives
systmes de racines
reprsentations de plus haut poids
groupes algbriques
varits de drapeaux
dcomposition de Bruhat

5MF42. Gomtrie complexe et thorie de Hodge* (9 ECTS) (1er se-


mestre)
Professeur : Junyan Cao
mel : junyan.cao@imj-prg.fr
Objectifs de lUE : Le but de ce cours est de donner une introduction la
gomtrie complexe. Comme une varit complexe est aussi un espace topologique,
il est intressant dtudier les liens entre la structure complexe et la topologie. La

43
Master 2, Parcours Mathmatiques fondamentales

thorie de Hodge est un outil puissant qui fournit des liens entre gomtrie et to-
pologie. On verra que les rsultats sont particulirement pertinents dans le cas des
varits khleriennes compactes qui sont une classe assez large et trs importante de
varits complexes.
Prrequis : Surfaces de Riemann, gomtrie direntielle
Thmes abords :
Varits complexes, cohomologie de Dolbeault, fibrs holomorphes, connexion
de Chern
Oprateurs laplaciens, thorie de Hodge des varits riemanniennes compactes
Varits khleriennes, identits de la gomtrie khlerienne, dcomposition de
Hodge
Estimations L2 , thormes dannulation, plongement de Kodaira

5MF13. Introduction aux formes modulaires* (9 ECTS) (1er semestre)


Professeur : Pierre Charollois
mel : pierre.charollois@imj-prg.fr
Objectifs de lUE : Ce cours est une introduction aux formes modulaires.
Ce sont des fonctions holomorphes sur le demi-plan de Poincar qui satisfont une
proprit dinvariance sous laction dun sous-groupe dindice fini de SL2 (Z).
Elles possdent des proprits arithmtiques remarquables, encodes notamment
dans leurs coecients de Fourier, ou encore dans leur valuation en des nombres
quadratiques imaginaires (points Multiplication Complexe).
Prrequis : Notes de cours de M1 thorie des nombres de lUPMC par J. Ne-
kov, notamment les chapitres "Gauss" et "Dirichlet".
Thmes abords :
Formes et fonctions modulaires ; notion de poids et de niveau.
Exemples : sries dEisenstein, fonctions thta, fonction de Ramanujan,
linvariant j.
Oprateurs de Hecke, formes propres, et leurs fonctions L.
Multiplication Complexe.Thorme de Damerell.
Produit scalaire de Petersson. Polynme de priodes.
Exemples de formes modulaires analytiques relles. Formule limite de Krone-
cker.

5MF16. Une introduction la thorie analytique des nombres* (9


ECTS) (1er semestre)
Professeur : Rgis de la Bretche (P7)
mel : regis.delabreteche@imj-prg.fr
Objectifs de lUE : Ce cours consiste une initiation courte la thorie analy-
tique des nombres. Ce domaine se situe linterface avec beaucoup dautres domaines
des mathmathiques : formes modulaires, gomtrie algbrique, combinatoire ... Il
sagit de donner quelques repres (on dmontrera le thorme des nombres premiers)
et on voquera quelques dveloppements trs rcents sur les fonctions sommatoires
de fonctions multiplicatives.
La brivet du cours demandera un fort investissement des lves qui veulent le
suivre.

44
Master 2, Parcours Mathmatiques fondamentales

Prrequis :
Thmes abords :
fonction arithmtique
thorme des nombres premiers
fonctions sommatoires de fonctions multiplicatives
srie de Dirichlet

5MF20. Gomtrie algbrique II* (9 ECTS) (1er semestre)


Professeur : Daniel Juteau (P7)
mel : daniel.juteau@imj-prg.fr
Objectifs de lUE : Le but du cours est de donner une introduction la
gomtrie algbrique, dans lesprit du cours que donnait Joseph Le Potier. Dans la
premire partie du cours, nous verrons les varits algbriques (en tant quespaces
annels) et leurs morphismes ainsi que leurs proprits. Dans la deuxime partie,
nous tudierons plus particulirement les fibrs vectoriels, les diviseurs, les faisceaux
algbriques cohrents et leur cohomologie. la fin nous prouverons la formule de
Riemann-Roch.
Prrequis :
Cours "Gomtrie algbrique I".
Thmes abords :
Varits algbriques
Fibrs vectoriels et faisceaux algbriques
Cohomologie
La formule de Riemann-Roch

5MF72. Introduction aux systmes dynamiques * (9 ECTS) (1er se-


mestre)
Professeur : Patrice Le Calvez
mel : patrice.le-calvez@imj-prg.fr
Objectifs de lUE : Un systme dynamique est un systme qui volue au cours
du temps. On suppose gnralement que la loi dvolution est dterministe et fixe.
La donne est alors une transformation dun espace dans lui mme, que lon peut
itrer (temps discret, N ou Z), ou alors une quation direntielle, dont la solution
est un flot (temps continu, R). De nombreux exemples intressants viennent de la
physique (mcanique, notamment tude du systme solaire, mcanique statistique,
...), mais aussi de linformatique, la chimie, la biologie... Lvolution pour des temps
longs est souvent complique, donc dicile (impossible en pratique !), prdire de
faon exacte ("chaos", "eet papillon"). Cependant, divers outils permettent de
dcrire cette volution de faon qualitative, notamment probabiliste, pour des classes
de dynamiques assez vastes pour inclure des modles intressants.
Nous introduirons dans ce cours les notions de base ainsi que les exemples clas-
siques des systmes dynamiques.
Thmes abords :
Dynamique topologique.
Introduction la thorie ergodique, thorme ergodiques (Von Neumann,
Birkho).

45
Master 2, Parcours Mathmatiques fondamentales

Thorie spectrale.
Homomorphismes du cercle (nombre de rotation de Poincar, thorme de
Denjoy).
Entropie mtrique, entropie topologique.
Prrequis : Topologie, thorie de la mesure, analyse relle.

5MF22. Introduction la thorie des schmas* (9 ECTS) (1er se-


mestre)
Professeur : Franois Loeser
mel : francois.loeser@imj-prg.fr
Objectifs de lUE : Ce cours exposera les bases de la thorie des schmas.
Prrequis : Une certaine familiarit avec lalgbre commutative, lalgbre ho-
mologique et la thorie des faisceaux.
Thmes abords :
Schmas : dfinitions de base et exemples
Morphismes spars, propres
Direntielles
Morphismes plats, lisses
Caractrisation cohomologique des schmas anes
Finitude de la cohomologie des faisceaux cohrents dans le cas projectif

5MF67. Thorie spectrale des oprateurs alatoires* (9 ECTS) (1er


semestre)
Professeur : Frdric Klopp
mel : frederic.klopp@imj-prg.fr
Objectifs de lUE : Ce cours se veut une prsentation de rsultats rcents sur
la thorie spectrale des oprateurs alatoires dans le rgime localis par le biais du
modle le plus simple, le modle dAnderson.
Introduits en physique de la matires condense dans les annes 50, les oprateurs
alatoires modlisent la propagation des lectrons dans un milieu dsordonne. Lhy-
pothse stochastique se justifie par la prsence homogne dimpurets dont seules
sont connues des caractristiques macroscopiques comme la densit.
Le caractre alatoire et homogne du potentiel confre aux oprateurs alatoires
de nombreuses proprits intressantes, en particulier, une proprit dergodicit qui
assure que, de nombreux points de vue, la famille doprateur se comporte comme
un oprateur unique. Cette libert est alors exploite pour ltude de ces oprateurs.
Lune des caratristiques de ces modles est la prsence dun rgime localis i.e.
dintervalles dans le spectre qui ne sont constitus que de spectre ponctuel et tel
que les fonctions propres associes aux valeurs propres dans ces intervalles sont
dcroissance exponentielle.
Lanalyse des oprateurs alatoires se situe aux confins de plusieurs domaines des
mathmatiques, la thorie spectrale et celle des probabilits mais aussi de lanalyse
harmonique et de la thorie des quations aux drives partielles.
Prrequis : Analyse relle et complexe ; analyse fonctionnelle.
Thmes abords :

46
Master 2, Parcours Mathmatiques fondamentales

Lergodicit et ses consquences. La densit dtats intgre.


Estime de Wegner.
Le rgime localis. La mthode des moments fractionnaires.

5MF52. Topologie algbrique* (9 ECTS) (1er semestre)


Professeur : Alexandru Oancea
mel : alexandru.oancea@imj-prg.fr
Objectifs de lUE : La topologie algbrique fait le lien entre la gomtrie et
lalgbre. Lon se propose de distinguer des objets topologiques en leur associant
des invariants de nature algbrique (nombres entiers, groupes, anneaux, modules
...) Les ides et images issues de la topologie algbrique irriguent lensemble des
mathmatiques modernes.
Le but de ce cours est dapprofondir les notions dhomologie et de cohomologie
travers ltude des varits et des fibrs vectoriels.
Les varits lisses sont des objets dune importance centrale en topologie et go-
mtrie. Les fibrs vectoriels modlisent la donne dinformations supplmentaires de
nature infinitsimale le long de la varit base. Les deux thmes phare que nous
allons poursuivre dans ce cours sont la dualit de Poincar et la thorie des classes
caractristiques. Nous allons dvelopper cette dernire en mettant laccent sur le
point de vue de la thorie de lobstruction.
Prrequis : Il est souhaitable davoir suivi un cours de topologie algbrique
de niveau M1. Il est fortement conseill davoir suivi le cours introductif de M2 de
gomtrie direntielle et riemannienne. Il sera utile davoir suivi le cours introductif
de topologie direntielle M2 de Paris 7.
Thmes abords :
Homologie et cohomologie singulire. Proprits. Oprations. Points de vue
simplicial et cellulaire. Calculs.
Classe fondamentale. Dualit de Poincar. Coecients tordus.
Classes caractristiques : Euler, Stiefel-Whitney, Chern, Pontryagin.
Groupes dhomotopie dordre suprieur. Thorie de lobstruction.
Cohomologie des grassmanniennes et point de vue axiomatique sur les classes
caractristiques.

5MF32. Gomtrie et thorie des reprsentations II (9 ECTS) (1er


semestre)
Professeur : Eric Vasserot (P7)
mel : eric.vasserot@imj-prg.fr
Objectifs de lUE : Le but du cours est dabord dintroduire quelques notions
de base en thorie de Lie (algbres de Lie rductives, systmes de racines, reprsen-
tations de plus haut poids, groupes algbriques). Ensuite on donnera quelques outils
de gomtrie algbrique qui sont fondamentaux pour la thorie des reprsentations
(varits de drapeaux, cellules de Bruhat,...). Si on en a le temps, le thorme de
localization de Beilinson-Bernstein sera voqu en fin de cours.
Prrequis :
Cours "Gomtrie et thorie des reprsentations I". Quelques notions de gom-
trie algbrique sont conseilles.

47
Master 2, Parcours Mathmatiques fondamentales

Thmes abords :
algbres de Lie rductives
systmes de racines
reprsentations de plus haut poids
groupes algbriques
varits de drapeaux
dcomposition de Bruhat

5MF26. Introduction aux faisceaux pervers (9 ECTS) (2nd semestre)


Professeur : Antoine Chambert-Loir (P7)
mel : antoine.chambert-loir@imj-prg.fr
url : https://webusers.imj-prg.fr/~antoine.chambert-loir/enseignement/
2017-18/pervers/index.xhtml
Objectifs de lUE : Les proprits homologiques des varits algbriques lisses
sont particulirement remarquables (dualit, notamment). La cohomologie dinter-
section et les faisceaux pervers ont t introduits au dbut des annes 80 par Go-
resky/MacPherson et Beilinson/Bernstein/Deligne/Gabber pour permettre dtu-
dier agrablement les varits singulires.
Dans ce cours, qui se veut une introduction la thorie des faisceaux pervers,
laccent sera mis sur la comprhension des outils catgoriques et homologiques n-
cessaires leur dfinition dans le cadre de la gomtrie complexe.
Ces notions seront paralllement illustres en TD.
Immdiatement aprs leur dfinition, les faisceaux pervers ont trouv une appli-
cation en thorie des reprsentations o il est ncessaire de comprendre la gom-
trie de certaines varits singulires (cne nilpotent par exemple). On verra ainsi
dans la seconde partie du cours (par Emmanuel Letellier) comment certains fais-
ceaux pervers (faisceaux caractres introduits par Lusztig) permettent de construire
gomtriquement les caractres des groupes rductifs sur des corps finis.
Prrequis : Thorie des faisceaux, thorie lmentaire des catgories, algbre
homologique lmentaire, topologie algbrique lmentaire (revtements, groupe fon-
damental, homologie et cohomologie singulire), notions de gomtrie algbrique.
Thmes abords :
Catgories triangules
Cohomologie des faisceaux, 6 oprations
T-structures
Faisceaux pervers

5MF93. Thorie des modles des groupes anes I* (9 ECTS) (2nd


semestre)
Professeur : Adrien Deloro
mel : adrien.deloro@imj-prg.fr
url : https://webusers.imj-prg.fr/~adrien.deloro/index.php?topic=teaching
Objectifs de lUE : Le but de ce cours (en deux parties) est de montrer en
quoi la thorie des modles, cest--dire le versant mathmatique de la logique, est
un langage pertinent pour ltude des groupes algbriques.

48
Master 2, Parcours Mathmatiques fondamentales

La premire partie prsentera divers phnomnes gomtriques (limination, trans-


fert) sous langle modle-thorique, avant dembrayer sur une invitation aux groupes
de rang de Morley fini, vaste gnralisation logique des groupes algbriques anes.
Prrequis : Aucun prrequis logique. Mais prrequis algbriques : il est indis-
pensable de bien savoir ce quest une base de transcendance, un groupe rsoluble,
etc. Il nest pas indispensable de suivre un cours de gomtrie algbrique.
Thmes abords :
Notions modle-thoriques : parties dfinissables, compacit
Corps algbriquement clos : limination des quantificateurs et des imaginaires
Ultraproduits ; principes de transfert
Fonction de rang ; groupes rangs
Corps rangs (en thorie des modles)
Thormes de Zilber

5MF23. Thorie de lintersection* (9 ECTS) (2nd semestre)


Professeur : Antoine Ducros
mel : antoine.ducros@imj-prg.fr
Objectifs de lUE : Le clbre thorme de Bezout en gomtrie projective
assure que sur un corps de base algbriquement clos, lintersection de deux courbes
projectives planes de degrs respectifs d et d0 sans composante irrductible commune
comporte exactement dd0 points, condition de les compter avec multiplicits.
On peut considrer ce type de rsultat comme le point de dpart de la thorie de
lintersection, qui joue un rle majeur dans toutes les dclinaisons de la gomtrie
algbrique (complexe, arithmtique...) ; elle vise tudier en toute gnralit lin-
tersection de deux sous-varits dune varit donne, les notions de multiplicit qui
y sont associes, la faon dont lintersection varie lorsquon fait bouger ces
sous-varits...
Le but de ce cours est de prsenter les bases de cette thorie, en suivant pour
lessentiel le livre remarquable de Fulton.
Prrequis : Nous supposerons acquise une bonne connaissance des bases de
la gomtrie algbrique, mme si quelques rappels pourront tre faits en cours.
Quelques rfrences sur le sujet : chapitre I et II du Hartshorne, cours fondamental
I de F. Loeser, mon polycopi de thorie des schmas...
Thmes abords :
Cycles, diviseurs de Weil et de Cartier, fibrs en droite, diviseur dune fonc-
tion, quivalence rationnelle.
clatements. Intersection dun cycle avec un diviseur de Cartier, commutati-
vit dans le cas de deux diviseurs de Cartier.
Fibrs vectoriels et projectifs, classes de Segre et de Chern.
Dformation au cne normal.
Intersection dun cycle avec un sous-schma rgulirement immerg. Thorie
de lintersection sur une varit lisse.

5MF63. Mthode de Nash-Moser et EDP non-linaires (9 ECTS) (2nd


semestre)
Professeur : David Gerard-Varet (P7)

49
Master 2, Parcours Mathmatiques fondamentales

mel : david.gerard-varet@imj-prg.fr
Objectifs de lUE : Lobjet du cours est une mthode remarquable introduite
par Nash et dveloppe par Moser, visant rsoudre des EDO ou des EDP non-
linaires. Cette mthode a t applique avec succs dirents problmes
danalyse et de gomtrie : plongement isomtrique des varits, conjugaison des
diomorphismes du cercle, thorme KAM, amortissement Landau... Le but de
la premire partie du cours sera de prsenter cette mthode, et certaines de ses
applications les plus connues. Dans une seconde partie, nous nous intresserons
son apport la thorie des EDP, et son lien avec des problmes ou notions connexes
(rgularit des solutions dquations elliptiques, paraproduit).
Prrequis : Le cours ne ncessite pas dautres prrequis que les cours danalyse
classiques de L3/M1 (calcul direntiel, analyse de Fourier, espaces de Banach).
Avoir quelques notions sur les EDP (notamment sur les solutions faibles dEDP
elliptiques) peut aider dans la seconde partie du cours, mais nest pas indispensable.
Thmes abords :
Rappels sur les mthodes de point fixe
Mthode de Nash-Moser : cadre analytique
Application la conjugaison des diomorphismes du cercle
Mthode de Nash-Moser : cadre C k ou Sobolev
Lien avec les EDP

5MF83. Introduction lhomotopie (9 ECTS) (2nd semestre)


Professeur : Grgory GINOT (P13)
mel : gregory.ginot@imj-prg.fr
Objectifs de lUE : Le but de ce cours est de donner une introduction la tho-
rie de lhomotopie moderne et ses outils et applications. On suivra essentiellement
deux exemples, celui, fondateur, des espaces topologiques et celui des complexes (au
sens des cours dalgbre homologique et topologie algbrique). On prsentera laxio-
matique moderne de lhomotopie, les catgories de modles de Quillen, et on expli-
quera lquivalence entre les espaces topologiques et les ensembles simpliciaux. On
illustrera aussi ces mthodes via lexemple de lhomotopie rationnelle pour montrer
comment les structures multiplicatives des cochaines (singulires ou de De Rham)
encodent les espaces homotopie prs.
Prrequis : Avoir suivi une introduction la topologie algbrique (homologie
singulire, simpliciale ou de De Rham, groupe fondamental) est fortement conseille.
Il pourra tre utile davoir suivi un cours introductif dalgbre homologique.
Thmes abords :
Groupes dhomotopie suprieures des espaces topologiques, fibrations de Serre,
CW-complexes
Complexes de chaines, homotopie des complexes
Catgories de modles
Foncteurs de Quillen et drivs
Comparaison des ensembles simpliciaux et espaces topologiques
Homotopie rationnelle

50
Master 2, Parcours Mathmatiques fondamentales

5MF97. Introduction la combinatoire additive (9 ECTS) (2nd se-


mestre)
Professeur : Timothy Gowers (ENS)
Objectifs de lUE : Additive Combinatorics is a branch of mathematics with
roots in combinatorics, additive number theory, harmonic analysis, and ergodic
theory. This course will cover some of the most important results in the area, such
as Roths theorem on arithmetic progressions, Szemeredis regularity lemma, and
Ruzsas proof of Freimans theorem. However, the emphasis will be more on the
techniques of proof than on the results themselves.
Prrequis :
Thmes abords :

5MF57. Varits des caractres et structures hyperboliques en dimen-


sion 3* (9 ECTS) (2nd semestre)
Professeur : Antonin Guilloux
mel : antonin.guilloux@imj-prg.fr
Objectifs de lUE : Le but de ce cours est de prsenter une tude des varits
de dimension 3 travers la varit des caractres du groupe fondamental et la
recherche de structures hyperboliques. Un exemple fondamental de varit sera les
complmentaires de noeud dans la sphre S 3 .
Lapproche sera concrte et eective, travers une premire tape de triangu-
lation des varits, pour avoir un modle combinatoire, qui emmne vers une re-
formulation algbrique de la varit des caractres (espaces des reprsentations du
groupe fondamental vers SL(2, C) modulo conjugaison) et du problme dexistence
de structure hyperbolique.
Parmi les objectifs de ce cours figurent le thorme de chirurgies de Dehn hyper-
boliques de Thurston, et ltude du volume des varits hyperboliques de dimension
3 de Neumann-Zagier.
Ce cours parcourt des notions maintenant classique et peut servir dintroduc-
tion la gomtrie hyperbolique et aux varits de caractres. Les travaux dirigs
illustreront ltude faite en cours et en montreront laspect eectif.
Prrequis :
Thmes abords :
Gomtrie et topologie des varits hyperboliques de dimension 3
Varits de caractres

5MF21. Cohomologie tale* (9 ECTS) (2nd semestre)


Professeur : Franois Loeser
mel : francois.loeser@imj-prg.fr
Objectifs de lUE : Aprs avoir expos en dtail les bases de la topologie tale
et de la cohomologie tale, on en prsentera les principaux thormes (changement
de base lisse, dualit de Poincar, formule de Lefschetz). On conclura avec lnonc
des conjectures de Weil.
Prrequis : Cours de thorie des schmas, familiarit avec la cohomologie des
faisceaux.

51
Master 2, Parcours Mathmatiques fondamentales

Thmes abords :
Morphismes tales
Le groupe fondamental tale
Faisceaux tales et cohomologie tale
Cohomologie tale des courbes
Les grands thormes
Les conjectures de Weil

5MF68. Varits hamiltoniennes et quantification gomtrique (9 ECTS)


(2nd semestre)
Professeur : Xiaonan Ma (P7)
mel : xiaonan.ma@imj-prg.fr
Objectifs de lUE : Ce cours est une introduction la gomtrie symplectique
et laction de groupe sur les varits. Le concept central est lapplication moment as-
socie une action dun groupe sur une varit symplectique. Je vais prsenter aussi
des applications varies relies lapplication moment : localisation, quantification
gomtrique, thorie de reprsentation, thorie gomtrique des invariants etc.
Prrequis : Varits direntielles.
Thmes abords :
Varits symplectiques, Varits Hamiltoniennes, Thorme de Darboux
les groupes de cohomologie dun groupe de Lie et de son algbre de Lie
Lapplication moment et rduction symplectique, Convexit de lapplication
moment.
Cohomologie quivariante et classes caractristiques
Image de la mesure de Liouville par lapplication moment et volumes des
espaces rduits.
Prequantifcation, action et moment, Thorie gomtrique des invariants et la
rduction symplectique

5MF12. Courbes elliptiques* (9 ECTS) (2nd semestre)


Professeur : Benot Stroh
mel : benoit.stroh@imj-prg.fr
url : https://webusers.imj-prg.fr/~benoit.stroh/
Objectifs de lUE : Les courbes elliptiques sont le premier exemple non vident
de courbes algbriques propres et lisses. Elles permettent ainsi dillustrer agrable-
ment des notions gnrales de gomtrie algbrique. Mais elles donnent surtout nais-
sance une riche thorie arithmtique, qui intervient par exemple dans la dmonstra-
tion par Wiles du thorme de Fermat. Nous tudierons plusieurs aspects de larith-
mtique des courbes elliptiques.
Prrequis : Cours "Gomtrie algbrique I et II" et cours "Introduction aux
surfaces de Riemann".
Thmes abords :
Loi de groupe et thorme de Riemann-Roch
Points de torsion et module de Tate
Bonne et mauvaise rduction

52
Master 2, Parcours Mathmatiques fondamentales

Multiplication complexe
Thorme de Mordell-Weil

5MF77. Gomtrie et dynamique* (9 ECTS) (2nd semestre)


Professeur : Anton Zorich (P7)
mel : zorich@imj-prg.fr
Objectifs de lUE : Le but de ce cours est de montrer les liens entre la gomtrie
et la dynamique en prenant comme exemple de base la gomtrie hyperbolique l-
mentaire. Je compte introduire des notions importantes de dynamique travers des
liens entre les godsiques dans le demi-plan hyperbolique et les fractions continues.
A la fin du cours, je compte amener les tudiants la comprhension de certaines
ides des rsultats contemporains de Eskin, Kontsevich, Masur et Mirzakhani qui
sont rarement abords dans les cours de M2. Je vais essayer daccorder le contenu
avec Bertrand Deroin pour que ce cours puisse servir de prparation son cours plus
avanc.
En revanche, le cours ne touchera pas la plupart des aspects de la thorie er-
godique classique (en particulier, le thorme ergodique sera prsent sans preuve).
Plusieurs sujets fondamentaux en systmes dynamiques ne seront pas voqus du
tout. Donc ce cours ne peut pas remplacer un cours classique en systmes dynamiques
mais peut servir de bon complment avec beaucoup dillustrations en applications
gomtriques.
Prrequis :
Cours "Introduction aux systmes dynamiques".
Thmes abords :

5MF94. Thorie des modles des groupes anes II* (9 ECTS) (2nd
semestre)
Professeur : Adrien Deloro
mel : adrien.deloro@imj-prg.fr
url : https://webusers.imj-prg.fr/~adrien.deloro/index.php?topic=teaching
Objectifs de lUE : Le but de ce cours (en deux parties) est de montrer en
quoi la thorie des modles, cest--dire le versant mathmatique de la logique, est
un langage pertinent pour ltude des groupes algbriques.
Cette seconde partie exposera des applications aux groupes algbriques avant de
sorienter vers des questions (ouvertes) spcialises.
Prrequis : Il est indispensable davoir suivi la premire partie du cours.
Thmes abords :
Groupes algbriques ; thorme de Weil-Hrushovski
quidfinissabilit ; thorme de Borel-Tits
Groupes dfinissablement linaires
Groupes de petit rang de Morley
Groupes de permutations rangs
Reprsentations ranges

5MF78. Godsiques fermes simples sur les surfaces hyperboliques (9


ECTS) (2nd semestre)

53
Master 2, Parcours Mathmatiques fondamentales

Professeur : Bertrand Deroin


mel : bertrand.deroin@gmail.com
Objectifs de lUE : Nous nous intresserons la distribution des godsiques
fermes simples sur les surfaces, en nous concentrant sur le cas des surfaces fermes
courbure constante -1. Le but du cours est de montrer le thorme suivant de
Mirzakhani, publi en 2008 : le nombre de godsiques fermes simples de longueur
infrieure R est quivalent cR6g 6 , o g est le genre de la surface et o c > 0 est
une constante. Au passage, nous aurons loccasion de discuter certaines proprits
gomtriques et dynamiques fines de lespace des modules des courbes de genre g,
notamment la structure symplectique de Weil-Peterson, le calcul des volumes des
espaces de modules des surfaces hyperboliques bord godsiques, les identits de
McShane, la gomtrie du bord de lespace de Teichmller ainsi que lergodicit de
laction du groupe modulaire, etc. En particulier, nous expliquerons la dmonstration
par Mirzakhani de la conjecture de Witten, qui rend possible le calcul de certaines
intersections en cohomologie sur lespace de module des courbes de genre g.
Prrequis : Il pourrait tre utile, sans tre obligatoire, davoir suivi le cours
dAnton Zorich. Des rudiments en gomtrie et systmes dynamiques pourront gale-
ment aider.
Thmes abords :
Rudiments de gomtrie hyperbolique et de thorie de Teichmller
Identits de McShane gnralises
Volumes des espaces de modules de surfaces hyperboliques bord godsique
Conjecture de Witten
Thorme de Masur : ergodicit du groupe modulaire sur le bord de Thurston
de lespace de Teichmller
Asymptotique du nombre de godsiques fermes simples

5MF98. Introduction la thorie gomtrique des groupes (9 ECTS)


(2nd semestre)
Professeur : Anna Erschler (ENS)
mel : anna.erschler@ens.fr
Objectifs de lUE : tant donne une action dun groupe G sur un espace
mtrique X, on peut tudier la relation entre les proprits de G et la mtrique de
X. Un cas important est la situation o G et un groupe de type fini et X est un graphe
de Cayley de G. Quelques observations sont immdiates ou faciles dmontrer : par
exemple, si G est un produit direct de deux groupes, alors le graphe de Cayley est
un produit direct de deux graphes de Cayley associs ; si G est un produit libre de
deux groupes (de cardinalit au moins 2 et 3), alors "lespace des bouts" de G est
infini ; si G possde un sous-groupe libre, alors le graphe de Cayley de G contient
un sous-arbre rgulier, et sa croissance est exponentielle.
Il est souvent dicile de caractriser les proprits algbriques en termes de la
mtrique. La preuve de telles caractrisations peut rvler les liens profonds entre
lalgbre et la gomtrie. La mtrique dun graphe de Cayley dpends du choix de
gnrateurs de G, mais pas beaucoup : les graphes de Cayley de (G, S) et (G, S 0 )
sont "quasi-isomtriques". Un groupe est rigide par rapport aux quasi-isomtries
si chaque groupe qui est quasi-isomtrique G est commensurable avec G. Une

54
Master 2, Parcours Mathmatiques fondamentales

proprit P de groupes est gomtrique si chaque groupe qui est quasi-isomtrique


un groupe avec la proprit P satisfait aussi cette proprit. Par exemple, on peut
dmontrer, en utilisant un thorme de Stallings, que les groupes libres sont rigides.
Cest un corollaire du thorme de Gromov sur la croissance polynomiale que la
proprit dtre nilpotent est gomtrique et que les groupes abliens sont rigides
par rapport aux quasi-isomtries. Par contre, il y a des proprits qui ne sont pas
gomtriques . Par exemple, la construction de Burger et Mozes montre quun groupe
simple peut tre quasi-isomtrique un produit directe de deux groupes libres. Pour
dautres proprits de groupes, mme trs basiques, les questions de la gomtricit
et de la rigidit restent ouvertes. Par exemple, il nest pas connu si chaque groupe
nilpotent est rigide.
Nous allons tudier des invariants quasi-isomtriques des groupes : la croissance,
lisoprimtrie, lhyperbolicit, ainsi que des proprits asymptotiques de diverses
classes de groupes : de groupes nilpotents, de groupes rsolubles, de groupes agissants
sur des arbres, de groupes petite simplification et de groupes hyperboliques.
Prrequis :
Thmes abords :
proprits gomtriques, quasi-isomtries, croissance, isoprimtrie,
groupes nilpotents, groupes rsolubles, groupes agissants sur des arbres, groupes
petite simplification, groupes hyperboliques.

5MF58. Espace de drapeaux et varits de caractres* (9 ECTS) (2nd


semestre)
Professeur : Antonin Guilloux
mel : antonin.guilloux@imj-prg.fr
Objectifs de lUE : On se basera sur les ides dveloppes dans le cours "Va-
rits des caractres et structures hyperboliques en dimension 3" pour expliquer
comment tudier les varits de caractres dans des cadres plus gnraux. On pr-
sentera une approche aux varits de caractres de varits de dimension 3 (espace
des reprsentations du groupe fondamental de la varit dans SL(n, C), modulo
conjugaison) travers les configurations de drapeaux.
Cette approche, qui fait confluer les ides de Thurston-Neumann-Zagier prsen-
tes dans le cours prcdent avec les ides de Fock-Goncharov, permet une tude
prcise, la fois thorique et pratique des varits de caractres.
Le but de ce cours est de prsenter les configurations de drapeaux et leur utilisa-
tion pour les varits de caractres et de prsenter quelques rsultats rcents obtenus
par cette approche.
Prrequis : Cours fondamental II : Varits des caractres et structures hyper-
boliques en dimension 3.
Thmes abords :
Espaces de configuration de drapeaux
Varits de caractres

5MF28. Applications des faisceaux pervers en thorie des reprsenta-


tions (9 ECTS) (2nd semestre)
Professeur : Emmanuel Letellier (P7)

55
Master 2, Parcours Mathmatiques fondamentales

mel : emmanuel.letellier@imj-prg.fr
url : https://webusers.imj-prg.fr/~emmanuel.letellier/
Objectifs de lUE : Ce cours est une introduction la thorie des faisceaux-
caractres de Lusztig. Les faisceaux-caractres sont des faisceaux pervers sur les
groupes algbriques rductifs G qui permettent de retrouver les caractres irrducti-
bles complexes du groupe des points rationnels de G sur un corps fini via le dic-
tionnaire faisceaux-fonctions. Cette thorie trs puissante a permis de rsoudre de
nombreux problmes en thorie des reprsentations.
Prrequis : Introduction aux faisceaux pervers, groupes algbriques, gomtrie
algbrique
Thmes abords :
Fq -structures sur les schmas
Rappels sur les groupes algbriques
Faisceaux l-adiques, faisceaux pervers l-adiques, dictionnaire faisceaux-fon-
ctions
Rsolution de Grothendieck/Springer, correspondence de Springer
Faisceaux-caractres unipotents
Liens avec les reprsentations des groupes rductifs finis
5MF18. Espaces adiques et espaces perfectodes (9 ECTS) (2nd se-
mestre)
Professeur : Matthew Morrow
mel : matthew.morrow@imj-prg.fr
Objectifs de lUE : Le but du cours est dintroduire lapproche de Huber
la gomtrie analytique rigide en termes despaces adiques, qui tend la thorie
des schmas une grande classe danneaux topologiques. Un cas particulier est les
espaces perfectodes introduits par Scholze en 2011, qui jouent un rle fondamental
dans beaucoup de progrs rcents en gomtrie arithmtique p-adique.
Prrequis : Familiarit avec la gomtrie algbrique, par exemple les schmas,
les espaces localement annels et les faisceaux.
Thmes abords :
Espaces adiques
Espaces perfectodes
5MF64. Autour de la stabilit de lespace-temps de Minkowski* (9
ECTS) (2nd semestre)
Professeur : Jeremie Szeftel
mel : jeremie.szeftel@upmc.fr
Objectifs de lUE : Le but de ce cours est dintroduire les outils mathmatiques
ncessaire la preuve de la stabilit de lespace-temps de Minkowski.
Aprs des prliminaires sur lquation donde linaire, puis sur lexistence locale
pour lquation des ondes non linaire, je montrerai lexistence et lunicit locale
pour les quations dEinstein (aprs les avoir introduites). Puis je parlerai dexistence
globale et de comportement asymptotique pour lquation des ondes non linaire.
Je terminerai par la stabilit de lespace-temps de Minkowski pour les quations
dEinstein.

56
Master 2, Parcours Mathmatiques fondamentales

Prrequis : Connaissances de base concernant lanalyse fonctionnelle et les va-


rits direntielles. Aucune connaissance concernant lquation des ondes, la go-
mtrie Riemannienne et Lorentzienne, et les quations dEinstein nest ncessaire
pour suivre le cours.
Thmes abords :
Equations donde linaire et non linaire
Equation dEinstein
Mthode des champs de vecteurs
Ingalit de Klainerman-Sobolev
Condition nulle et faible nulle

2.6 Responsables et site


Les responsables du parcours sont Elisha Falbel et Ilia Itenberg. Les in-
formations compltes, rgulirement mises jour, seront disponibles sur les pages
web :
http://mathfond.math.upmc.fr/
Scrtariat : Mme Laurence Dreyfuss
Campus de Jussieu
(premier tage, couloir 15-25, bureau 1.09)
4 place Jussieu, 75005 Paris
Tl & Fax : 01 44 27 85 45
Ml : mailto : laurence.dreyfuss@upmc.fr

57
Master 2, Parcours Mathmatiques fondamentales

58
Chapitre 3

Master 2, Spcialit
Probabilits et modles alatoires

3.1 Objectifs et descriptions


Lobjectif de la spcialit PROBABILITS ET MODELES ALEATOIRES"
de la seconde anne du Master de lUPMC, est de dlivrer une formation de haut
niveau en probabilits thoriques et appliques.
En 2017-18 nous proposons deux orientations aux tudiants en fonction des
cours suivis et du sujet de mmoire ou de stage choisi : lune plus centre sur la
Thorie des Processus Stochastiques,
lautre sur les
Probabilits Appliques.
La premire orientation prpare les tudiants une carrire de chercheur (ou
enseignant-chercheur) en milieu acadmique, lautre une carrire en milieu indus-
triel, en passant par des stages et des thses CIFRE.

3.2 Dbouchs professionnels


Lobjectif principal de cette spcialit est de prparer une carrire de recherche
dans les domaines des probabilits thoriques ou appliques, de la statistique math-
matique. Une bonne proportion des tudiants devrait sorienter vers la prparation
dune thse ; un autre dbouch naturel est la professionnalisation en milieu indus-
triel. Finalement le diplme de ce master constitue un atout incontestable dans la
carrire de professeurs agrgs en mathmatiques.

3.3 Organisation
Cette formation se fait en co-habilitation lcole Normale Suprieure - Ulm et le
CERMICS (Ecole des Ponts ParisTech).
Aprs un cours prliminaire de 2 semaines de remise niveau, au premier se-
mestre les tudiants qui ont choisi lorientation Processus stochastiques suivent
les cours

59
Master 2, Spcialit Probabilits et modles alatoires

Processus de Markov et Applications (9ECTS)


Calcul Stochastique et Processus de Diusions(9ECTS)
Thormes Limites pour des Processus Stochastiques (6ECTS)
et un cours au choix parmi deux cours Nuages Poissioniens, Processus de
Levy et Excursions(6 ECTS), ou Statistique et Apprentissage(6 ECTS).
Au premier semestre les tudiants qui ont choisi lorientation Probabilits
Appliques suivent les cours
Modles Markoviens sur des espaces discrets (6ECTS),
Calcul Stochastique et Processus de Diusions(9ECTS),
Probabilits Numriques et Mthodes de Monte Carlo (9ECTS),
Statistique et Apprentissage(6 ECTS).
Ces cours du premier semestre prsentent les aspects fondamentaux du domaine ;
ils forment la base sur laquelle sappuient les cours spcialiss. Au 2me semestre les
tudiants choisissent les cours spcialiss dans la liste suivante :
Probabilits, Matrices Alatoires et Thorie Ergodique(6ECTS),
Probabilits et Physique(6ECTS),
Probabilits, Mthodes Numriques et Informatique(6ECTS),
Mthodes Stochastiques II(6ECTS),
Probabilits, Graphes Alatoires et Biologie Evolutive(6ECTS),
Probabilits, Neurosciences et Sciences Mdicales(6 ECTS),
Probabilits et Analyse Statistique(6 ECTS).
Ces cours prsentent plusieurs domaines la pointe de la recherche en Probabilits
Thoriques et Appliques. Le contenu de chacun des cours de cette anne est dcrit
dans la brochure.
Les cours du second semestre conduisent les tudiants une premire confron-
tation avec la recherche sous la forme dun mmoire ou dun stage. Le mmoire
consiste en gnral en la lecture approfondie dun ou plusieurs articles de recherches
rcents, sous la direction dun membre du Laboratoire de Probabilits et Modles
Alatoires ou dun enseignant de la spcialit. Il doit tre redig en Latex et soutenu
devant un jury.
Le mmoire peut-tre remplac par un rapport de stage. Le stage seectue dans
un organisme de recherche ou un bureau dtudes, sous la direction conjointe dun
ingnieur de lorganisme daccueil et dun enseignant de la spcialit.
La travail de mmoire ou de stage de courte dure (moins de 3 mois) est accre-
dit de 12ECTS, les tudiants doivent le complter par la validation de trois cours
optionnels au choix pour valider 30 ECTS de second semestre.
Le travail de stage industriel de longue dure ( partir de 3 mois) est accredit
de 18ECTS, les tudiants le compltent par la validation de deux cours optionnels
pour valider 30 ECTS au second semestre.

3.4 Publics viss, prrequis


Cette spcialit sadresse des types trs varis dtudiants, en fonction de
lorientation choisie : lorientation vers la thorie des processus stochastiques est
plutt destine des tudiants ayant une trs bonne formation mathmatique se di-

60
Master 2, Spcialit Probabilits et modles alatoires

rigeant vers la recherche acadmique. Lorientation vers les Probabilits appliques est
aussi destine pour tudiants plus intresss par les applications en milieu industriel.
Elle est trs largement ouverte aux lves ayant une formation plus gnrale de type
ingnieur. Accessoirement, elle approfondit et complte la formation de professeurs
agregs en classes prparatoires.

3.5 Description des UE


UE prliminaires
5MA00 Esprance conditionnelle et martingales (0 ECTS) (cours prlimi-
naire intensif de deux semaines au 1er semestre)
Professeur : Nicolas.Fournier@upmc.fr
mel : Nicolas.Fournier@upmc.fr
url : http://www.proba.jussieu.fr/fournier/
Objectifs de lUE : Complter et consolider un prrequis de connaissances en
Calcul de Probabilits indispensable pour suivre les cours du Master.
Prrequis : Cours de thorie de la mesure et dintgration, cours de Probabilits
de Base.
Thmes abords : Rappels de thorie de la mesure et de lintgration, de dif-
frents modes de convergence en Calcul de Probabilits. Esprance conditionnelle,
martingales temps discret.

UE fondamentales, lorientation Processus Stochastiques


5MA03 Processus de Markov et Applications (9 ECTS) (1er semestre)
Professeur : Irina Kourkova, Thomas Duquesne
mel : Irina.Kourkova@upmc.fr, Thomas.Duquesne@upmc.fr
url : http://www.proba.jussieu.fr/pageperso/kourkova/
url : http://www.proba.jussieu.fr/pagesperso/duquesne/
Objectifs de lUE : Apprendre la thorie des processus de Markov, des exemples
et des techniques de base indispensables pour leur analyse.
Prrequis : Cours de thorie de la mesure et dintgration, cours de Probabilits
de Base, esprance conditionnelle, martingales temps discret.
Thmes abords : Chaines de Markov, rcurrence et transience, mesure invariante.
Processus de saut pur, phnomne dexplosion. Processus de Markov, gnrateur in-
finitsimal, rsolvante. Proprit de Markov forte. Problme de martingales. Equa-
tions de Kolmogorov. Processus de diusions, leurs gnrateurs, les liens avec les
EDP. Applications en mcanique statistique et en analyse de files dattente et de
rseaux. Applications en biologie : en gntique et dynamique de populations.

5MA02 Calcul Stochastique et Processus de Diusion (9 ECTS) (1er se-


mestre)
Professeur : Lorenzo Zambotti
mel : Lorenzo.Zambotti@upmc.fr

61
Master 2, Spcialit Probabilits et modles alatoires

url : http://www.proba.jussieu.fr/pagesperso/zambotti/
Objectifs de lUE : Donner les connaissances indispensables sur lintgrale sto-
chastique et les quations direntielles stochastiques.
Prrequis : Cours de thorie de la mesure et dintgration, cours de Probabilits
de Base, esprance conditionnelle, martingales temps discret.
Thmes abords : Le mouvement brownien, la continuit de ses trajectoires, la
proprit de Markov (forte), lintgration stochastique par rapport une martingale
de carr intgrable, la formule dIto, le thorme de Girsanov, les quations diren-
tielles stochastiques (EDS) et leurs solutions faibles ou fortes (dites diusions), les
liens avec les quations aux drives partielles, la formule dIto-Tanaka, le temps lo-
cal du mouvement brownien, les EDS rflchies EDS coecients non-lipschitziens,
processus de Bessel.

5MA01 Thormes limites pour les processus stochastiques (6 ECTS) (1er


semestre)
Professeur : Zhan Shi
mel : Zhan.Shi@upmc.fr
url : http://www.proba.jussieu.fr/pagesperso/shi/
Objectifs de lUE : Apprendre de dirents modes de convergence de processus
stochastiques et thormes limites de direntes chelles.
Prrequis : Cours de thorie de la mesure et dintgration, cours de Probabilits
de Base, esprance conditionnelle, martingales temps discret.
Thmes abords : Convergence des mesures : Tension, Thorme de Prokhorov,
reprsentation de Skorokhod. Thorme de Donsker. Convergence fonctionnelle des
processus continus, et applications. Topologie de Skorokhod et convergence des pro-
cessus trajectoires cadlag ; critre dAldous.

5MA04 Nuages Poissoniens, processus de Levy, excursions (6 ECTS) (1er


semestre)
Professeur : Thomas Duquesne
mel : Thomas.Duquesne@upmc.fr
url : http://www.proba.jussieu.fr/pagesperso/duquesne/
Objectifs de lUE : Approfondir le cours Processus de Markov et Applications.
Prrequis : Cours de base Processus de Markov et Applications, Calcul Stochas-
tique et Processus de Diusions, Thrmes Limites pour les processus stochasti-
ques.
Thmes abords : Les processus de Lvy, les processus de branchement, les me-
sures ponctuelles de Poisson, la thorie des excursions, des applications aux processus
de Lvy.

UE fondamentales, lorientation Probabilits Appliques.


5MA14 Probabilits Numriques et Mthodes de Mont Carlo (9 ECTS)
(1er semestre)
Professeur : Gilles Pages, Vincent Lemaire

62
Master 2, Spcialit Probabilits et modles alatoires

mel : Gilles.Pages@upmc.fr, Vincent.Lemaire@upmc.fr


url : http://www.proba.jussieu.fr/pagesperso/pages
url : http://www.proba.jussieu.fr/pagesperso/lemaire
Objectifs de lUE : Prsenter les mthodes de Monte-Carlo et de Quasi-Monte-
Carlo dusage courant et les illustrer sur de nombreux exemples (calculs de prix de
couverture et autres).
Prrequis : Cours de thorie de la mesure et dintgration, cours de Probabilits
de Base.
Thmes abords : 1. Gnration de variables alatoires suivant les lois usuelles.
2.Mthode de Monte-Carlo : calcul desprance par simulation. 3.Mthodes de r-
duction de variance : variables de contrle, chantillonnage prfrentiel, variables
antithtiques, stratification, conditionnement. 4.Quasi-Monte-Carlo : techniques de
suites discrpances faibles. 5.Mthodes de gradient stochastique et de Bootstrap.
6.Discrtisation en temps des quations direntielles stochastiques (schma dEuler,
de Milshtein) : application au pricing doptions europennes. 7.Amlioration de la
mthode dans le cas doptions path-dependent : ponts browniens et autres. 8.Calcul
des couvertures et sensibilits par mthode de Monte-Carlo.
Une mise-en-oeuvre informatique des techniques abords sera eectue lors des
sances de TD. Chaque tudiant devra raliser, en binme, un projet informatique
(en langage C) implmentant soit des calculs de prix et de couvertures doptions
soit des simulations dautres modles. Il remettra un rapport dcrivant les mthodes
utilises et commentant les rsultats obtenus.

5MA02 Calcul Stochastique et Processus de Diusion (9 ECTS) (1er se-


mestre)
Voir plus haut.

5MM32 Modles Markoviens sur des espaces discrets (6ECTS) (1er se-
metre)
Professeur : Irina Kourkova
mel : Irina.Kourkova@upmc.fr
url : http://www.proba.jussieu.fr/pageperso/kourkova/
Objectifs de lUE : Prsenter la thorie des processus de Markov sur des espaces
discrets, des exemples et les techniques indispensables pour leur analyse.
Prrequis : Cours de thorie de la mesure et dintgration, cours de Probabilits
de Base, esprance conditionnelle, martingales temps discret.
Thmes abords : Chaines de Markov, rcurrence et transience, mesure invariante.
Processus de Markov de saut pur, quations de Kolmogorov, mesure invariente,
phnomne dexplosion, thormes limites. Applications en mcanique statistique et
en analyse de files dattente et de rseaux. Applications en biologie : en gntique et
en dynamique de populations.

5MA06 Statistique et Apprentissage (6 ECTS) (1er semestre)


Professeur : Grard Biau
mel : Gerard.Biau@upmc.fr
url : http://www.lsta.upmc.fr/biau.html

63
Master 2, Spcialit Probabilits et modles alatoires

Objectifs de lUE : Donner aux tudiants les bases fondamentales du raisonne-


ment et de la modlisation statistique, tout en prsentant une ouverture vers des
thmatiques de recherche contemporaines. Laccent sera particulirement mis sur
lutilisation pratique des nouveaux objets rencontrs.
Prrequis : Une bonne connaissance du calcul des probabilits et de lalgbre li-
naire.
Thmes abords : Rappels de probabilits, estimation ponctuelle, estimation par
intervalles, tests. Modle linaire : estimation, intervalles de confiance et tests. Intro-
duction lapprentissage statistique et la classification supervise. Minimisation du
risque empirique, thorme de Vapnik-Chervonenkis. Rgles de dcision non para-
mtriques (mthode des k plus proches voisins et arbres de dcision). Quantification
et classification non supervise.
UE optionnelles, 2me semestre.
5MA07 Probabilits, Matrices Alatoires et Introduction la thorie er-
godique. (6 ECTS) (2me semestre)
Professeurs : Sandrine Pch, Philippe Biane, Romain Dujardin.
mel : biane@univ-mlv.fr Sandrine.peche@univ-paris-diderot.fr, Romain.Dujardin@upmc.fr
url : http://monge.univ-mlv.fr/~biane
url : http://www.proba.jussieu.fr/pagesperso/peche
url : http://www.proba.jussieu.fr/pagesperso/dujardin
Objectifs de lUE : Introduire les tudiants la thorie ergodique, aux problmes
de grandes matrices alatoires, les initier la recherche actuelle de pointe dans ces
domaines.
Prrequis : Les cours fondamentaux du premier semestre.
Thmes abords :
Matrices alatoires : le comportement asymptotique global du spectre (Thorme
de Wigner et loi du 1/2 cercle ). Proprits plus fines du spectre (espacement entre
valeurs propres et loi des valeurs propres extrmes) pour des matrices gaussiennes
(GUE, GOE). Universalit de ces proprits. Applications en physique mathma-
tique. Des mouvements browniens sur des groupes de matrices, des systmes de par-
ticules mutuellement vitantes, des lments danalyse harmonique sur les groupes
compacts, des fonctions symtriques et des processus dterminantaux. Thorie me-
surable des systmes dynamiques, description du comportement asymptotique des
orbites typiques au sens de la mesure. Les notions dergodicit, de mlange, et leurs
variations. Les exemples classiques : les rotations du tore, les systmes symboliques,
la transformation du boulanger ; Les thormes ergodiques de Von Neumann, Bir-
kho, Kingman.
5MA08 Probabilits et Physique. (6 ECTS) (2me semestre)
Professeurs : Cedric Boutillier, Batrice de Tilire, Cristina Toninelli, Thiery Levy
mel : Cedric.Boutillier@upmc.fr, Beatrice.Taupinart-de-tiliere@u-pec.fr
mel : Cristina.Toninelli@upmc.fr,
mel : Thiery.Levy@upmc.fr
url : http://www.proba.jussieu.fr/~boutil/
url : http://perso.math.u-pem.fr/de_tiliere.beatrice

64
Master 2, Spcialit Probabilits et modles alatoires

url : http://www.proba.jussieu.fr/pageperso/~toninelli/
url : http://www.proba.jussieu.fr/pagespero/levy
Objectifs de lUE : Introduire les tudiants dans les domaines de recherche dac-
tualit en Calcul de Probabilits qui visent rendre mathmatiquement rigoureux
des rsultats et hypothses en Phyisque.
Prrequis : Les trois cours fondamentaux du 1er semestre.
Thmes abords : Des pavages de Z2 et du rseau triangulaire. Aspects combina-
toires, les relations avec des surfaces alatoires, arbres couvrants, marches alatoires
boucles eaces. La forme typique dun pavage par dominos dun grand domaine.
Les fluctuations autour du comportement limite relies le spectre des grandes ma-
trices alatoires et au champ libre gaussien sans masse, des proprits dinvariance
conforme dans la limite dchelle. Les modles sur des rseaux bipartis priodiques du
plan, des mesures de Gibbs ergodiques. Systmes de particules en interaction, com-
portement en temps long, modle dIsing, processus de contact, modles contraintes
cyntiques, modle de East. La mesure de Yang-Mills vue comme une simplification
mathmatiquement rigoureuse dune partie de la thorie quantique des champs qui
permet de dcrire le rayonnelent lectromagntique et ses analogues correspondant
aux interactions faible et forte. Sa description sur les surfaces compactes et sa limite
lorsque le rang du groupe de structure tend vers linfini.

5MA09 Probabilits, Mthodes Numriques et Informatique (6 ECTS)


(2me semestre)
Professeurs : Vincent Lemaire, Benjamin Jourdain, Philippe Robert
mel : Vincent.Lemaire@upmc.fr, Benjamin.Jourdain@enpc.fr, Philippe.Robert@inria.fr
url : http://www.proba.jussieu.fr/pageperso/lemaire/
url : http://www-rocq.inria.fr/~robert
url : cermics.enpc.fr/~jourdain/
Objectifs de lUE : Introduire les tudiants la recherche dans les domaines de
mthodes numriques probabilistes, de mthodes particulaires et de grands rseaux
stochastiques.
Prrequis : Les cours fondamentaux du premier semestre.
Thmes abords : Limites Fluides et Rseaux de Files dattente. Problmes de
Skorokhod. Rseaux de Jackson. Limites Heavy Trac et Rseaux avec Perte. Files
dattente M/M/1. Convergence vers les solutions des quations de point fixe. Sto-
chastic Averaging : exemples. Evolution des noeuds saturs de rseaux avec perte.
Mcanismes de duplication dans les grands systmes distribus. Phnomnes de poly-
mrisation Arrt optimal en temps continu. Enveloppe de Snell. Formulations duales.
Etude analytique du prix de loption amricaine dans le cadre du modle de Black-
Scholes. Mthodes numriques de valorisation et de couverture pour les options
amricaiens via des approximations bermudennes. Estimation de la volatilit dune
semi-martingale, problmatique des sauts. Algorithm de Hasting-Metropolis , ses
rafinements et applications. Algorithmes particulaires gntiques.

5MA10 Mthodes stochastiques II (6 ECTS) (2me semestre)


Professeurs : Laurent Decreusefond, Denis Talay, Mireille Bossy, Francois Bolley,
Jean Jacod

65
Master 2, Spcialit Probabilits et modles alatoires

mel : Denis.Talay@sophia.inria.fr, Mireillle.Bossy@sophia.inria.fr,


mel : Francois.Bolley@upmc.fr, Laurent.Decreusefond@telecom-paristech.fr
mel : Jean.Jacod@upmc.fr
url : http://www.infres.enst.fr/~decreuse/
url : http://proba.jussieu.fr/pagesperso/bolley
url : http://www-sop.inria.fr/members/Denis.Talay/
url : http://www-sop.inria.fr/members/Mireille.Bossy/
Objectifs de lUE : Apprendre des outils stochastiques avancs comme le calcul de
Malliavin, le calcul stochastique discontinu, des mthodes particulaires stochastiques
pour les EDP, des ingalits fonctionnelles,
Prrequis : Les cours fondamentaux du premier semestre.
Thmes abords : Introduction au calcul de Malliavin. Espace de Wiener abs-
trait, gradient. Divergence. Processus dOrnstein-Uhlenbeck. Ingalits de Meyer.
Espaces de Sobolev. Distributions et formule dIt-Clark. Thorme de Girsanov-
Ramer. Processus de diusion ergodiques. Comportement en temps long dquations
direntielles stochastiques classiques ou non linaires au sens de McKeanVlasov.
Approximations particulaires pour les EDP. Solutions dEDP paraboliques en temps
long, la convergence des solutions vers des lois dquilibre. Solutions dquations de
Poisson. Ingalits fonctionnelles (de Poincar et Log-Sobolev), le transport optimal
de mesures, des mthodes de couplage. Elements de calcul stochastique discontinu

5MA11 Probabilits, Graphes Alatoires et Biologie Evolutive (6 ECTS)


(2me semestre)
Professeurs : Bartek Blaszczyszyn, Amaury Lambert
mel : Bartek.Blaszczyszyn@ens.fr, Amaury.Lambert@upmc.fr
url : http://www.di.ens.fr/~blaszczy/
url : http://www.proba.jussieu.fr/pageperso/lambert/
Objectifs de lUE : Introduire les tudiants le recherche dans le domaine de
gomtrie alatoire et ses applications, notament en biologie volutive.
Prrequis : Les cours fondamentaux du premier semestre.
Thmes abords : Processus ponctuels et graphes alatoires. Mesures de Palm
et mosaique de Voronoi. Graphes alaoires dErdos-Renyi, modles pidmiques,
modlisation de rseaux sociaux. Modle Boolen de la gomtrie stochastique, la
percolation. Arbres alatoires discrets, les modles de dynamique et de gntique des
populations (de Cannings, WrightFisher, dEldonWakeley) et les modles darbres
phylogntiques (Markov branching models dAldous). Arbres rduits : le coales-
cent de Kingman et le processus ponctuel de coalescence. Eetude fine des topolo-
gies des arbres alatoire dans le cadre des Markov branching models. Processus
du restaurant chinois, la formule dechantillonnage dEwens ou la distribution de
Griths-Engen-McCloskey (GEM). Etude de c limites dchelle des arbres : proces-
sus de branchement espace dtats continu, diusions de Feller et de FisherWright,
-coalescents.

5MA12 Probabilits, Neurosciences et Sciences Mdicales (6 ECTS) (2me


semestre)
Professeurs : Michele Thieullen, Guy Thomas, Pierre-Yves Boelle, Gregory Nuel.

66
Master 2, Spcialit Probabilits et modles alatoires

mel : michele.thieullen@upmc.fr
mel : guy.thomas@upmc.fr, pierre-yves.boelle@upmc.fr, nuel@math.cnrs.fr
url :http://www.proba.jussieu.fr/pageperso/thieullen/
url :http://www.u707.jussieu.fr/www_u707/annuaire/home_u444/thomas_g/
url :http://nuel.perso.math.cnrs.fr/
Objectifs de lUE : Introduire les tudiants la recherche dans des domaines en
Calcul de Probabilits en lien avec des neurosciences et la mdecine.
Prrequis : Trois cours fondamentaux du premier semestre.
Thmes abords : Modles et Mthodes stochastiques en neurosciences et en lec-
trophysiologie. Temps de premier passage, formule de Feynman-Kac, systmes lents-
rapides, choix d un modle discret ou d un modle continu. Approximation diu-
sion, processus de Markov dterministes par morceaux (PDMP), applications des
grandes dviations, comportement stationnaire. Estimation de paramtres partir
de lobservation de la suite des temps d atteinte d un seuil. Le lien avec certaines
quations aux drives partielles.
Construction dun modle alatoire permettant dtudier lmergence de bactries
rsistantes aux antibiotiques et leur diusion dans la population. Son analyse par
de divers outils probabilistes : la thorie des processus markoviens de sauts, des
martingales et des semi-martingales, et de la convergence en loi dans les espaces de
Skorokhod.
Reseaux baysien - notion dvidence, marginalisation - notion de junction tree,
heuristiques de construction - notion de messages, theormes fondamentaux - algo-
rithmes de propagation, inward/outward, lois jointes - applications diverses- calcul et
maximisation de de la vraisemblance en prsence de donnes compltes - maximisa-
tion de la vraisemblance en prsence de donnes incompltes (algorithme EM ou par
optimisation multi-dimensionnelle directe) Illustartions dans le contexte biomdical
(diagnostique dune maladie, prise en charge dun patient aux urgences, gntique
humaine, etc.), pour lesquels les calculs seront implments sous le logiciel R.

5MA14 Probabilits et Analyse Statistique (6 ECTS) (2me semestre)


Professeurs : Ismael Castillo, Mathieu Rosenbaum, Caterine Matias.
mel : Ismael.Castillo@upmc.fr, Mathieu.Rosenbaum@polytechnique.edu,
mel : Catherine.Matias@upmc.fr
url :http://www.proba.jussieu.fr/pageperso/castillo/
url :http://www.crest.fr/pagesperso/rosenbaum
url :http://www.proba.jussieu.fr/pagesperson/matias
Objectifs de lUE :
Prrequis : Apprendre aux tudiants des mthodes danalyse statistique dactualit
comme contruire une loi a priori, manipuler des donnes haute frquence ou de type
rseaux.
Thmes abords : Modles non-paramtriques en statistiques, construction dune
loi a priori laide de processus Gaussiens, processus de Dirichlet, cascades multipli-
catives, tude de lois a posteiori corrspondantes. Construction et optimisation dun
modle haute frquence. Modles usuels de microstructure et estimateurs associs :
erreur additive et erreur darrondi. Modle avec zones dincertitude. Corrlations

67
Master 2, Spcialit Probabilits et modles alatoires

asynchrones et eet lead-lag. Couverture haute frquence optimale de produit d-


rivs. Analyse statistique de graphes alatoires, des donnes de type rseaux (ex :
sociaux, biologiques, internet) , leur stockage informatique, visualisation, analyse
statistique, mthodes de classification.

5MA13 UE de Mmoire de recherche ou de stage (12 ou 18 ECTS) (2me


semestre)
Deux possibilits se prsentent.
La premire possibilit : ltudiant analyse en profondeur un ou plusieurs articles
scientifiques sous la direction dun enseignant. Ce travail aboutit un mmoire de
recherche (12 ECTS) que ltudiant doit crire et ensuite soutenir devant un jury.
Ce travail de recherche est prparatoire pour la thse.
La deuxime possibilit pour cette UE : ltudiant eectue un stage en entreprise
ou dans un institut de recherche sous la direction conjointe dun ingnieur (ou cher-
cheur) de cet organisme et un enseignant de la spcialit. Ltudiant doit crire un
rapport de stage et soutenir son travail devant un jury.
Les memoires et les stages de dure infrieure trois mois sont accredits de 12
ECTS. Les stages industriels de dure suprieure de 3 mois sont accredits de 18
ECTS.

3.6 Responsable et site


Responsable : Irina Kourkova, Professeur lUPMC.
Adresse electronique : Irina.Kourkova@upmc.fr
Site : http://www.proba.jussieu.fr/master2/master2.html
Secrtariat : Josette Saman, UPMC
1er tage, couloir 1626, bureau 08, Laboratoire de
Probabilits et Modles Alatoires, B.C. 188, 4, place
Jussieu, 75252 Paris Cedex 05.
Tel : 01.44.27.53.20, Ml :josette.saman@upmc.fr

68
Chapitre 4

Master 2, Parcours
Probabilits et Finance

Ce master 2 est actuellement co-opr avec lcole Polytechnique.

4.1 Objectifs et descriptions


Lobjectif de ce parcours est dapporter aux tudiants un enseignement de haut
niveau dans le domaine de la finance mathmatique probabiliste. Celle-ci recouvre
lensemble de la finance de marchs, avec un accent tout particulier mis sur les
instruments drivs, ltude approfondie des taux dintrt, lanalyse du risque dune
part et les mthodes numriques dautre part. Lanne se dcompose en un semestre
de cours intensifs (du 15 septembre au 31 mars) et un semestre de stage dans un
tablissement financier (du 1er avril au 30 septembre, ventuellement prolongeable
jusqu la fin de lanne civile en cours).

4.2 Dbouchs professionnels


Les diplms de ce parcours sorientent majoritairement vers les cellules de re-
cherche des tablissements financiers en France, en Europe (Londres) et dans le reste
du monde (USA, Asie). Une fraction dentre eux soriente vers la recherche (thse,
thse CIFRE, etc.), puis vers des carrires universitaires.

4.3 Organisation
Lanne se dcompose en deux semestres.

Semestre 1 : Tronc commun fondamental


Il sagit dun semestre de cours intensifs.
2 cours de remise niveau choisir parmi 3 (Informatique C + +, Probabilits,
Statistique) pendant deux semaines en septembre.

69
Master 2, Parcours Probabilits et Finance

1 bloc (UE) Probabilits, mthodes numriques et optimisation" ( partir du


dbut octobre).
1 bloc (UE) Finance de march, drivs et conomtrie" ( partir du dbut oc-
tobre).
Le tronc commun sachve par une session dexamens la semaine de la rentre en
janvier.

Semestre 2 : Spcialisation et Professionnalisation


Le second semestre est constitu de deux phases.
Lors de la premire, de janvier fin mars, les tudiants doivent
Valider divers cours obligatoires et des cours doption organiss en majeur et en
mineur.
Raliser un projet informatique dans la continuit du cours de Probabilits num-
riques et mthode de Monte Carlo en Finance du tronc commun.
La seconde partie de ce semestre est consacre au stage en entreprise dune dure
minimale de 5 mois entre la mi-avril (aprs la fin de la session de rattrapage) et la
fin septembre. Celui-ci doit imprativement avoir lieu en entreprise pour tre valid.
Un sminaire hebdomadaire est entirement dvolu la recherche de stage : les
entreprises y sont invites venir se prsenter et dtailler leurs ores de stage. Le
programme du sminaire est consultable sur le site (cf. infra).

4.4 Publics viss, prrequis


Les titulaires dun M1 de mathmatiques appliques et les lves de troisime
anne dcole dingnieurs. Les pr-requis sont :
quantitativement : un excellent niveau gnral en mathmatiques appliques
(Mention Bien au M1 ou top 15% dans une cole dingnieurs ; double-cursus appr-
ci).
qualitativement : un parcours ayant privilgi les disiciplines de lalatoire
(probabilits et statistique), complt par des connaissances en Analyse applique
(EDP) et un acquis solide en calcul scientifique (programmation C, C++).
La slection des candidats est faite par un jury conjoint UMPC-cole Polytech-
nique".

4.5 Liste des UE


Au premier semestre :
5MK01 Probabilits et calcul stochastique pour la finance (15 ECTS) (1er
semestre)
Professeur : Gilles Pags
courriel : gilles.pages@upmc.fr

70
Master 2, Parcours Probabilits et Finance

http://www.proba.jussieu.fr/pageperso/pages/
Objectifs de lUE : Acqurir les outils mathmatiques fondamentaux, notamment
caractre probabiliste et statistique en vue de leur application en finance de march.
Prrequis : Cf. pr-requis gnraux pour ladmission dans le parcours Probabilits
et Finance" du Master 2 de mathmatiques et Applications
Thmes abords : Cette UE est constitue des 4 cours (ou ECUE) suivants : Intro-
duction aux processus de diusion et calcul stochastique ; Probabilits numriques :
mthode de Monte Carlo en finance ; Optimisation convexe et contrle stochastique ;
analyse numrique des E.D.P. pour les modles financiers. Les contenus de ces cours
sont dtaills dans les paragraphes ci-aprs.
Cette UE est constitue des modules suivants :
Introduction aux processus de diusion, calcul stochastique (24C+ 24 TD,
Z. Shi).
Ce cours vise fournir les outils probabilistes de base ncessaires la thorie financire en
univers alatoire.
Rappels de probabilits.
Processus gaussiens. Mouvement brownien.
Esprance conditionnelle. Martingales.
Intgrale stochastique par rapport au mouvement brownien.
Calcul stochastique. Formule dIt. Thorme de Girsanov.
quation direntielles stochastiques. Caractre Markovien des solutions. Liens avec
certaines E.D.P.

Probabilits numriques : mthode de Monte Carlo en finance (30C+18 TD+


projet cf. ci-aprs, G. Pags, V. Lemaire).
Le but de ce cours est de prsenter les mthodes de Monte-Carlo et de Quasi-Monte-Carlo
dusage courant en finance. De nombreux exemples issus de problmes de calcul de prix et
de couverture doptions illustrent les dveloppements. Une mise en uvre informatique des
techniques abordes sera eectue lors des sances de TD. Chaque tudiant devra raliser,
en binme, un projet informatique (en langage C) implmentant, soit des calculs de prix et
de couvertures doptions, soit des simulations de modles financiers. Il remettra un rapport
dcrivant les mthodes utilises et commentant les rsultats obtenus. Ce cours aborde les
thmes suivants :
Introduction la simulation : gnration de variables alatoires suivant les lois usuelles.
Mthode de Monte-Carlo : calcul desprance par simulation.
Mthodes de rduction de variance : variables de contrle, chantillonnage prfrentiel,
variables antithtiques, stratification, conditionnement.
Quasi-Monte-Carlo : techniques de suites discrpances faibles.
Optimisation stochastique, algorithme stochastique.
Discrtisation en temps des quations direntielles stochastiques (schma dEuler,
de Milstein) : application au pricing doptions europennes.
Amlioration de la mthode dans le cas doptions path-dependent : ponts browniens,
pont de diusion.
Mthodes multi-niveaux.
Calcul de couvertures et de sensibilits par mthode de Monte-Carlo.
Optimisation convexe et contrle stochastique (24 C, N. Touzi)
Ce cours vise fournir les outils probabilistes de base ncessaires en optimisation convexe
et en contrle stochastique en vue dapplications la finance.
Optimisation convexe.

71
Master 2, Parcours Probabilits et Finance

Contrle stochastique .

Analyse numrique des E.D.P. pour les modles financiers (24 C, F. Bonnans).
Le but de ce cours est de prsenter les mthodes numriques dusage courant en finance :
approximation de diusion, techniques darbres, mthodes de dirences finies, dlments
finis. Quelques aspects thoriques et numriques du contrle stochastique sont galement
abords dans ce cours.
Mthodes numriques pour les EDP et les inquations variationnelles paraboliques.
Introduction au Contrle stochastique.
Un polycopi (incluant une bibliographie) est fourni dans chacun des cours.

5MK02. Finance de march, drivs et conomtrie (15 ECTS) (1er


semestre)
Professeur : M. Rosenbaum
courriel : mathieu.rosenbaum@polytechnique.edu
http:/http://www.proba.jussieu.fr/perso.php?id=327
Objectifs de lUE : Acqurir les concepts probabilistes et les outils modernes
en optimisation pour matriser les mthodes quantitatives mises en uvre sur les
marchs financiers, de matires premires et de lnergie.
Prrequis : Cf. pr-requis gnraux pour ladmission dans le parcours Probabilits
et Finance" du Master 2 de Mathmatiques et Applications.
Thmes abords : Cette UE est constitue des 5 cours (ou ECUE) suivants :
processus stochastiques et produits drivs en temps discret et continu ; conomtrie
sur donnes financires ; marchs financiers et thorie financire ; mesures de risque
et extrmes ; Introduction aux modles de saut.
Les programmes de ces cours sont dtaills ci-dessous.
Processus stochastiques et produits drivs en temps discret et continu (27C
+ 27 TD, E. Gobet & N. El Karoui).
Le march des produits drivs est un lment important du transfert des risques de march
des investisseurs vers les tablissements financiers. Lobjectif du cours est de dcrire les
produits financiers proposs, et les mthodes thoriques et pratiques mises en oeuvre dans
le march pour valuer et couvrir ces produits financiers. Le cours comprend plusieurs
parties : une premire partie sur les drivs sur actions, europens ou exotiques avec une
large rfrence au modle de Black Scholes, et ses nombreuses applications dans un monde
sans arbitrage, domin par la vision implicite" du march. Une partie sur les taux dintrt
et leur rcents dveloppements. Une partie sur la mesure des risques de marchs, via la
VaR, et ses extensions.
I. valuation et couverture des produits drivs sur action.
Prsentation des marchs terme et des marchs doptions
Le modle de Black et Scholes : valuation et couverture des options dachat ou de
vente par rplication dynamique. LEDP dvaluation. La formule de Black et Scholes.
Le portefeuille de couverture. Les Grecques. La volatilit implicite.
Robustesse de la formule de Black et Scholes.
Options barrires dans le monde de Black et Scholes. Formules fermes, couverture.
Autres options exotiques.
Labsence darbitrage et la rplication statique. La formule de Carr et la distribution
implicite.

72
Master 2, Parcours Probabilits et Finance

Premires rflexions sur la calibration. Distribution risque-neutre implicite.


Volatilit stochastique : Formule de Dupire et volatilit locale. Introduction aux pro-
blmes de calibration. Les modles volatilit stochastique exogne. (March incomplet)
Thorie de larbitrage multi-dimensionnel : Absence darbitrage et primes de risques.
Changement de numraire ; numraire de march.
II. Problmes de taux dintrt.
Introduction au march des taux dintrt et des produits drivs de taux.
Dfinition et construction de la courbe des taux :
Les modles classiques, Vasicek, C.I.R, Longsta et Schwarz, modles anes.
Les modles multifacteurs. Modles de HJM : Equations de structure des taux dintrt
issues de larbitrage.
Le modle de BGM ou modle de march. Approximations.
Options de taux et instruments hybrides : valuation et couverture.
Swaps,Obligations taux variable.
Caps, floors, swaptions, boosts.
Matrices de volatilit et Problmes de calibration.
III. Mesures des risques.
Prsentation des normes rglementaires.
La Value-at-Risk dun portefeuille. Problmes pratiques et mthodologiques.
Le concept de mesures de risques.
Application au pricing en march incomplet.
Mthode statistique de la Finance (30C, M. Rosenbaum).
Aprs avoir rappel les outils conomtriques standards, on sintressera dans ce cours au
traitement des principales questions statistiques se posant lors de lanalyse des donnes
financires.
Les thmes suivants sont abords :
Analyse en composantes principales.
Modle linaire et moindres carrs.
Sries temporelles.
Statistique des extrmes.
Mesures de dpendances entre actifs.
Introduction aux problmes en grande dimension.
Quelques lments de statistique des diusions.

Marchs financiers et thorie financire (30 C, V. Lozve, C. de Langue).


Dans une premire partie du cours, les divers marchs financiers seront prsents, avec une
attention particulire au march des capitaux. Les mcanismes et utilisations des contrats
futures seront tudis dans le dtail. Le cours suivra le fil des produits et techniques qui
permettent une gestion des risques ecace dans cet environnement spcifique. Quelques
incursions auront lieu dans le domaine des techniques quantitatives dvaluation, mais le
cours restera introductif en cette matire.
Une deuxime partie du cours se concentrera sur le march des actions. Les lments
essentiels de la thorie financire au sens de Markowitz seront prsents et discuts, avec
des implications importantes en terme de gestion de portefeuille.
Mesures de risque et extrmes (18 C, A. Alfonsi & L. Abbas-Turki).
Le but de ce cours est de prsenter les outils de mesure des risques concernant la salle
de march et la gestion du book" (portefeuille dactifs) pour une chelle de temps courte
(1 10 jours). Les principaux thmes thoriques seront : la thorie des valeurs extrmes,
la reprsentation multidimensionnelle des risques via les copules, les mesures de risques
montaires et leurs diverses interprtations ainsi que la prsentation par des intervenants
de march de leur implmentation pratique, les normes rglementaires concernant le risque
de march court terme, la VaR et son implmentation, la gestion du risque de modle et
le calcul de rserves sur les books de produits drivs.

73
Master 2, Parcours Probabilits et Finance

Cette ECUE constitue la premire partie thorique du cours de risques. La seconde


partie, plus pratique et assure par des professionnels, est propose en cours doption
(Ouverture professionnelle).
Introduction : le cadre des recommandations de Ble, mesurer le risque avec la valeur
en risque.
Mesures de risques montaires, convexes, cohrentes (I).
Mesures de risques montaires : proprits de la VaR et de la CVaR (II).
Sortir du modle gaussien pour calculer la VaR. Quantiles : dfinitions et estimation
laide de la thorie des lois de valeurs extrmes (I).
Quantiles : estimation laide de la thorie des lois de valeurs extrmes (II).
Modlisation des corrlations : les copules.
Simulation, estimation des copules.

Introduction aux modles de saut (12 C, T. Duquesne)


Ce cours propose une introduction au nuages et aux processus de Poisson, simple et compo-
ss, et leurs applications en Finance, notamment aux modles dactifs avec sauts poisson-
niens incluant ou non une composante brownienne de type Merton. DIl sagit dun premier
cadre o apparaissent des modles non complets dans lesquels on introduira des notions
de couverture en moyenne quadratique, etc. Des calculs explicites des risques rsiduels et
des couvertures optimales seront menes bien, prparant ltude des modles dirigs par
des processus de Lvy.
Attention ! Ce cours a lieu au second semestre (janvier) pour des raisons demploi du temps.

Ce que les crises financires nous enseignent : volution des pratiques et de la


rgulation (12 C., M. Vincent) Mise en perspective historiques de crises financieres
au 20 et 21 sicle en termes dconomie politique, leur impact socio-conomique et, sur
un plan technique les approches rgulatoires qui en on rsult.
Attention ! Ce cours obligatoire a lieu au second semestre (janvier) pour des raisons dem-
ploi du temps et sera pris en compte au sien de lUE Spcialsiation & Professionalisation.
Un polycopi (incluant une bibliographie) est fourni dans chacun des cours (ex-
cept cours Marchs financiers et cours Rgualtions" qui donnent lieu mise
disposition de documents).

Au second semestre :

Spcialisation et Professionnalisation (30 ECTS) (2 semestre)


Professeurs : Gilles Pags et Emmanuel Gobet
courriel : gilles.pages@upmc.fr et emmanuel.gobet@polytechnique.edu
http://www.proba.jussieu.fr/pageperso/pages/
et
http://www.cmap.polytechnique.fr/~gobet/
Objectifs de lUE : Il sagit dorir aux tudiants la fois un parcours de spciali
sation thmatique qui clt leur parcours acadmique et une composante applicative
professionnalisante. La spcialisation se traduit par le choix de quatre cours dop-
tions donnant lieu valuation dont deux (au moins) choisis dans une thmatique
rpertorie ci-dessous constituant la majeure", les deux autres tant laisss en libre

74
Master 2, Parcours Probabilits et Finance

choix pour constituer la mineure". Majeure et mineure confrent 3 ECTS. La pro-


fessionnalisation se concrtise dans une premire phase par la ralisation dun projet
informatique (3 ECTS) en programmation scientifique pour la finance en liaison avec
le cours de Probabilits numriques. Le cur de cette UE reste cependant linsertion
professionnel (3 ECTS) et le stage obligatoire dune dure minimale de 5 mois (18
ECTS) en insertion complte dans le milieu professionnel.
Pr-requis : Acquisition des connaissances du 1er semestre.
Thmes abords : Les parcours et les cours de spcialisation sont
Cette UE est constitue des cours (ou ECUE) suivants :

Cycle de cours-confrences sur lhistoire des crises financires de la rgulation


par P. Dessertine (IAE Paris 1). Lvaluation est couple avec le module
dinsertion professionnelle et le stage dans une proportion de 1/21) :
Rgulation (prparation au test dintervenant de march, 15h, anime par
divers intervenants professionnels, propose et coordonne par G. Pags et
M. Rosenbaum).

Module Spcialisation (Options)" (6 ECTS).


deux cours valider dans module spcialis (majeur),
deux autres cours valider parmi les autres parcours (mineure),

Attention : Certains cours peuvent figurer plusieurs fois.


Les trois cours suivis dune astrisque (*) sont ligibles au parcours
labelliss Big Data". Pour plus dinformation sur cette labellisa-
tion possible de la filire, voir www.ljll.math.upmc.fr/FilBigData/
index.php. Elle inclut lassistance des cours supplme,tiares sp-
cifiques au premier semestre et un programme adapt de cours
optionnels au second semestre, notamment deux des quatre cours
doivent tre choisis en dehors des options proposs au sein du Mas-
ter Probabilits & finance.

Mthodes numriques avances


Options amricaines : thorie et mthodes numriques (15h, V. Lemaire,
5MK04).
lments de calcul stochastique discontinu (15h, J. Jacod, 5MK18).
Algorithmes stochastiques : de la Finance aux donnes massives (*) (15h,
G. Pags, 5MK06).
Nouveaux outils numriques dterministes et probabilistes : du pricing
doption aux big data (*) (15h, B. Wilbertz, 5MK12).
Analyse probabiliste de conditions au bord pour quations aux drives
partielles paraboliques et elliptiques (15h, D. Talay, 5MK05).
Contrle stochastique pour la finance de march (15h, I. Kharroubi).

Statistique et trading haute frquence

75
Master 2, Parcours Probabilits et Finance

Finance haute frquence : outils probabilistes, modlisation statistique


travers les chelles et problmes de trading. (24 h, E. Bacry et M. Rosen-
baum, 5MK10).
Trading quantitatif : utilisation destimateurs haute frquence pour lex-
cution et larbitrage (15h, Ch. Lehalle + 12h TD S.Laruelle 5MK13).
Apprentisage statistique, grande dimension et big data (*) (15h, S. Gafas,
5MK19).
Algorithmes stochastiques : de la Finance aux donnes massives (*) (15h,
G. Pags, 5MK06).
Les TD du cours 5MK13 sont ouverts aux tudiants suivant le cours 5MK10
et, le cas chant, seront pris en compte dans son valuation.

Produits drivs (avancs)


Calibration de modles (15h, S. de Marco, 5MK11).
Modles de taux et produits drivs : nouveau paradigme, risque de contre-
partie (15h, N. El Karoui, 5MK14).

Nouveaux marchs
Valorisation et gestion du risque sur les marchs de lnergie (15h, O.
Bardou, 5MK07).
Stratgies quantitatives : application au march du crdit (15h, J. Turc &
R. Dando, 5MK08).
Risque de Longvit (15h, C. Hillairet, S. Loisel, N. El Karoui, 5MK016).
Blockchain, Bitcoin : la FinTech lassaut des banques (15h. S. Chou-
kroun, Codage en cours).

Ouverture professionnelle
Allocation dactifs et arbitrage multi-asset (15h, J.G. Attali, 5MK09).
Trading quantitatif : utilisation destimateurs haute frquence pour lex-
cution dordres (15h, Ch. Lehalle, 5MK13 ).
Stratgies quantitatives et risque de crdit (15h, J. Turc & R. Dando,
5MK08).

Les examens de cette UE ont lieu fin mars et ne donnent pas lieu session
de rattrapage.

Module Anglais/Projet informatique" (3 ECTS) : un projet informatique


raliser en C + + (ou en CUDA/Open CL) coupl au cours de Probbailits
numriques du semestre 1 (ne peut tre valid seul). Un vivier de 25 sujets,
gnralement des articles de recherche rcents en Probabilits numriques
appliques la Finance (crits en Anglais), sont proposs aux tudiants.

Insertion professionnelle (3ECTS) : Sminaire tudiants-Entreprise" hebdo-


madaire doctobre mars de 2h15 le vendredi de 17h15 19h50 au cours
duquel deux entreprises viennent se prsenter et prsenter leurs sujets de
stage. Lassistance est obligatoire pour valider les ECTS.

76
Master 2, Parcours Probabilits et Finance

Module Stage" (18 ECTS).


Un stage de 5 mois en entreprise dbutant en avril, aprs validation du su-
jet scientifique du stage par lquipe pdagogique. La soutenance a lieu fin
septembre en prsence du Matre de stage et dun membre de lquipe pda-
gogique.

4.6 Responsable et site


Gilles Pags est le responsable UPMC du parcours. La formation dispose dun
site internet propre (webmaster : G. Pags) :
http://www.master-finance.proba.jussieu.fr
sur lequel on peut consulter
La liste des cours incluant rsum et bibliographie (notamment les cours
doptions partiellement renouvels chaque anne),
Le programme du sminaire hebdomadaire tudiants-Entreprise" de lanne
en cours.
Lhistorique des sujets de stage sur 6 ans,
LAnnuaire des Anciens (accs sur abonnement, accs libre pour la promotion
en cours).
Le formulaire de candidature spcifique sont tlchargeables sur le site (combin
un lien daccs au site de lUniversit pour les pr-inscriptions). Lessentiel du site
est bilingue (franais-anglais).
La liste des cours est aussi consultable via la plaquette du Master 2, Probabilits
& Applications, mise en ligne sur le site du LPMA comme pour lensemble des
formations de lUPMC places sous la responsabilit scientifique du LPMA.
Secrtariat : Josette SAMAN josette.saman@upmc.fr
4, place Jussieu - Tour 16
Couloir 16-26 - 1er Etage - Bureau 08
Case courrier 188
75252 PARIS CEDEX 05
Tlphone : 01.44.27.53.20.
Tl : 01.44.27.76.50.

77
Master 2, Parcours Probabilits et Finance

78
Chapitre 5

Master 2, Parcours Mathmatiques


de la modlisation

Ce diplme de master est cohabilit avec lENS, lENPC et lEcole Polytechnique.


Par ailleurs, la formation M2 Mathmatiques de la modlisation est assure par
lUFR 929 conjointement avec
lcole Polytechnique,
lcole Nationale des Ponts et Chausses,
lUniversit Paris-Dauphine
Inria.
Responsable du parcours : Emmanuel Trlat.
Directeur adjoint et responsable des stages : Antoine Le Hyaric.
Site web : https://www.ljll.math.upmc.fr/MathModel/

5.1 Objectifs et descriptions


La modlisation mathmatique permet de rsoudre des problmes issus de do-
maines varis (physique, biologie, conomie, ...), par lanalyse mathmatique et la
simulation numrique des modles proposs.

Parmi les connaissances et comptences attendues lissue du master, signalons :


Thorie des quations aux drives partielles, discrtisation numrique, ana-
lyse derreurs.
Optimisation continue et discrte, calcul des variations, thorie des jeux.
Thorie du contrle en dimension finie ou infinie, contrle optimal, problmes
inverses.
Outils danalyse, de simulation et de modlisation utiliss en sciences du
vivant
Informatique scientifique, calcul scientifique, calcul parallle, conception as-
siste par ordinateur.
Les tudiants devront galement acqurir des connaissances dans les domaines
applicatifs varis : informatique, biologie, physique, mcanique, conomie...

79
Master 2, Parcours Mathmatiques de la modlisation

5.2 Dbouchs professionnels


Le parcours forme des chercheurs de haut niveau en mathmatiques appliques
pouvant faire carrire dans lenseignement suprieur et la recherche, participer aux
programmes de haute technologie de lindustrie, ou intgrer des centres dtude et de
dcision des grandes entreprises. Elle forme aussi des mathmaticiens de type ing-
nieur matrisant tous les aspects du calcul et de linformatique scientifique moderne,
dont le profil intresse les bureaux dtude industriels ou les socits de service en
calcul scientifique.
Si la poursuite en doctorat est un dbouch naturel du parcours, celle-ci nest
pas une obligation et cette dernire ore bien dautres possibilits.

Pour les tudiants qui souhaitent poursuivre en doctorat, lquipe pdagogique


apporte un soutien personnalis dans la construction du projet de thse.
De trs nombreuses ores de stages, thses, ou emplois, sont mises en ligne sur
le site web du parcours, au fur et mesure que nous les recevons.

5.3 Organisation
L anne est divise en quatre priodes comme indiqu dans le tableau ci-dessous :

phase I II III IV
priode sept-oct nov-dc janvier/mars mars-sept
intitul Cours de base fondamentaux spcialiss stage ou mmoire
dure 6 semaines 8 semaines 10 semaines 4 mois
ECTS 12 18 12 18

Il y a donc trois priodes de cours :


cours de base de septembre octobre (6 semaines)
cours fondamentaux (8 semaines)
cours spcialiss (10 semaines)

Le premier semestre S3 du M2 est compos des cours de base (phase I) et des


cours fondamentaux (phase II), lensemble comptant pour 30 ECTS. Le S4 est consti-
tu des cours specialiss (phases III) comptant pour 6 ECTS chacun, complts par
un stage de recherche en entreprise ou un mmoire (phase IV), et compte donc ga-
lement pour 30 ECTS.

Il faut donc imprativement valider au minimum 3 cours fondamentaux et


2 spcialiss (les semestres tant non compensables).

Dans le but dorienter et daccompagner les tudiants vers les sujets et les car-
rires de leur choix, nous proposons de structurer les tudes autour de thmes,
appels Majeures. Elle sarticulent aussi bien autour des domaines applicatifs que
des mthodes mobilises. Voici la liste des cinq Majeures :

80
Master 2, Parcours Mathmatiques de la modlisation

ANEDP : Analyse numrique et quations aux drives partielles. Respon-


sable : D. Smets.
COCV : Contrle, Optimisation, Calcul des Variations. Responsable : E.
Trlat.
EMF : Energies et Matriaux pour les Futurs. Responsable : B. Desprs et
E. Cancs.
HPC : Calcul scientifique hautes performances. Responsable : F. Hecht.
MBIO : Mathmatiques appliques aux sciences biologiques et mdicales.
Responsable : L. Almeida et M. Thieullen.
Chaque Majeure propose un ensemble cohrent de cours fondamentaux et spcia-
liss, ouvrant ainsi de nombreux dbouchs naturels. Le choix des cours lintrieur
de chaque Majeure est libre et il est possible de choisir des cours en dehors des listes
proposes : dans les deux cas, cela est soumis lavis du responsable de la Majeure,
qui fait oce de directeur dtudes.
Cest lissue des cours de base que les tudiants devront choisir obligatoi-
rement lune des cinq Majeures proposes.
Il est possible pour un tudiant de combiner des cours de plusieurs Majeures :
chaque tudiant peut former son parcours comme il le veut, lintrieur du parcours.
Cela doit se faire en concertation avec le responsable de parcours, dont le rle est
de vrifier la cohrence du choix, en fonction du projet professionnel de ltudiant.

Le certificat Big Data. En outre, le master Mathmatiques et applications de


lUPMC propose un certificat Big Data", pour ses tudiants inscrits dans lun des
parcours suivants :
Probabilits et Modles Alatoires
Probabilits et Finances
Mathmatiques de la Modlisation
Ingnierie Mathmatique
Statistiques
avec des cours valider en plus.

5.4 Publics viss, prrequis


Les personnes susceptibles dintgrer le parcours sont les tudiants des universits
ayant eectu une premire anne de Master, les lves ingnieurs des grandes coles,
et tudiants duniversits trangres ayant une formation quivalente. Dans tous les
cas, une solide formation mathmatique est requise, en particulier dans les domaines
de lanalyse ou de lanalyse numrique. Ladmission se fait sur dossier compte tenu
du niveau et du cursus antrieur.

5.5 Description des Majeures


Analyse numrique et quations aux drives partielles (ANEDP)
Responsable : D. Smets.

81
Master 2, Parcours Mathmatiques de la modlisation

Cette Majeure a pour thme central ltude thorique et numrique des pro-
blmes modliss par des quations aux drives partielles linaires et non linaires
provenant de domaines varis tels que la physique, les sciences de lingnieur, la chi-
mie, la biologie, lconomie, ainsi que les mthodes de calcul scientifique qui ont pour
but la simulation numrique de ces problmes. Le calcul scientifique est devenu la
cl matresse du progrs technologique, il ncessite une comprhension approfondie
de la modlisation mathmatique, de lanalyse numrique, et de linformatique. La
Majeure, par sa large gamme de cours, permet dexplorer et de matriser les divers
aspects de ces disciplines. Les dirents domaines mathmatiques concerns sont
varis et en volution rapide. Leur dveloppement se traduit par un besoin accru en
chercheurs mathmaticiens dont la formation est un des objectifs de la Majeure. Les
cours proposs couvrent les domaines suivants :
La modlisation mathmatique de nombreux domaines dapplications : mca-
nique des solides, mcanique des fluides, phnomnes de propagation (acous-
tique, sismique, lectromagntisme), traitement du signal et de limage, fi-
nance, chimie et combustion.
Lanalyse mathmatique des quations aux drives partielles linaires et non
linaires (existence, unicit et rgularit des solutions).
Les mthodes dapproximation : lments finis, dirences finies, mthodes
spectrales, mthodes particulaires, ondelettes.
La mise en oeuvre sur ordinateur de ces mthodes et la conception de logiciels
de calcul scientifique.
Contrle, Optimisation, Calcul des Variations (COCV)
Responsable : E. Trlat
Cette Majeure propose une formation de haut niveau dans les domaines du
Contrle, Optimisation et Calcul des Variations. La thorie du contrle analyse les
proprits des systmes contrls, cest--dire des systmes dynamiques sur lesquels
on peut agir au moyen dun contrle (ou commande). Le but est alors damener le
systme dun tat initial donn un certain tat final, en respectant ventuellement
certains critres. Les systmes abords sont multiples : systmes direntiels, dis-
crets, avec bruit, avec retard, quations aux drives partielles... Leurs origines sont
trs diverses : mcanique, lectricit, lectronique, biologie, chimie, conomie, tho-
rie des jeux, informatique... Les objectifs peuvent tre de stabiliser le systme pour
le rendre insensible certaines perturbations, ou encore de dterminer des solutions
optimales pour un certain critre doptimisation (contrle optimal). La thorie du
contrle optimal gnralise la thorie mathmatique du calcul des variations.
Les dbouchs envisags sont aussi bien acadmiques quindustriels. La formation
mne des thses acadmiques ou des thses dans le milieu industriel (thse
CIFRE par exemple, en partenariat universitaire), ou des emplois dingnieurs dans
des domaines spcialiss comme laronautique ou larospatiale. Dans les industries
modernes o la notion de rendement est prpondrante, lobjectif est de concevoir,
de raliser et doptimiser, tout au moins damliorer les mthodes existantes. De
ce fait beaucoup dautres dbouchs industriels existent : services R&D de Thals,
IFPen, EDF, Airbus, Dassault, RTE, etc. Cette formation intresse aussi beaucoup
les organismes comme le CEA ou Inria. Enfin, de nombreux partenariats existent
avec un trs grand nombre duniversits en France et ltranger, garantissant de

82
Master 2, Parcours Mathmatiques de la modlisation

nombreuses possibilits de thses acadmiques.


Energies et Matriaux pour les Futurs (EMF)
Responsable : B. Desprs et E. Cancs
La production dnergie, ainsi que lutilisation de sources dnergies de toutes
sortes, tant classiques qualternatives, ncessitera dans un avenir proche un renfor-
cement de la recherche fondamentale et applique. Par classique on peut entendre
les nergies hydraulique, nuclaire de fission, ptrolire, Par alternative on
entend lnergie nuclaire de fusion, olienne, photovoltaque, Dans tous ces
domaines il faut prendre en compte des phnomnes complexes dont la modlisation
sous forme de systmes dquations aux drives partielles (EDP) et leurs rsolutions
numriques sont dterminantes pour les avances de la recherche scientifique.
De mme, le dveloppement de nouveaux composs chimiques et de nouveaux
matriaux (matriaux composites, micro et nanostructurs, graphne et nanotubes
de carbones, biomatriaux, mta-matriaux, matriaux intelligents, ...) donne lieu
des avances spectaculaires dans tous les domaines de lingnierie. Ces recherches
sappuient galement de plus en plus sur la simulation numrique de modles faisant
intervenir des EDP, ainsi que sur des modles stochastiques.
La majeure EMF (Energies et Matriaux pour les Futurs) entend proposer un
ensemble cohrent de cours qui aborde quelques-uns des aspects fondamentaux de
ces problmatiques.
Les cours fondamentaux portent sur les approximations variationnelles et la si-
mulation numrique des EDP elliptiques (NM407), ltude thorique et numrique
des systmes hyperboliques de lois de conservation utiliss notamment en mcanique
des fluides (NM408), le couplage de modles direntes chelles (NM414), et la
simulation numrique des modles stochastiques (NM475).
Les cours spcialiss de la filire "nergie" portent sur la mcanique des fluides in-
compressibles (NM491), les coulements complexes (cela va par exemple des modles
dcoulements compressibles ou diphasiques pour les coeurs de centrales nuclaires
aux modles de barrages, NM496), et les modles cintiques (ou particulaires), dont
les aspects thoriques sont traits dans le cours NM468.
Les cours spcialiss de la filire "matriaux" portent sur la thorie spectrale
et les mthodes variationnelles utilises notamment dans les modles quantiques de
la matire (NM421), les modles de biomatriaux solides et fluides (NM562), et
les mthodes mathmatiques et numriques utilises dans les simulations lchelle
molculaire (NMX01).
Enfin des mthodes numriques spcifiques et de haute prcision dans des rgimes
varis sont prsents dans le cours NM466.
Les cours proposs permettent dacqurir tout la fois une bonne ma ?trise de
lanalyse thorique des EDP concernes et de lanalyse numrique des mthodes
dapproximation les plus rcentes utilises pour les simuler, et une connaissance
dun ou plusieurs domaines dapplication, avec un accent mis sur la modlisation.
Cette majeure est propose en partenariat avec lENPC.

Calcul scientifique haute performance (HPC)


Responsable : F. Hecht

83
Master 2, Parcours Mathmatiques de la modlisation

Le Calcul Scientifique Haute Performance est un enjeu stratgique pour la re-


cherche scientifique et linnovation industrielle. Les architectures de calcul modernes,
en volution continuelle, allient en eet des composants dont la rapidit ne cesse
daugmenter et dont le nombre de coeurs de calcul dpassera bientt le million.
Cette puissance de calcul petaflopique (et exaflopique lhorizon 2017) donne des
possibilits nouvelles mais ncessite des algorithmes nouveaux et une comprhension
profonde la fois des architectures des calculateurs et de la modlisation mathma-
tique.
Ces aspects de la recherche sont donc en pleine volution pour tre adapts aux
architectures actuelles et celles venir et les comptences sur ce crneau sont in-
dispensables mais bien trop rares tant dans la recherche que dans la formation des
units acadmiques. Cest aussi le cas dans les laboratoires de R & D des grands
groupes industriels capables davoir les quipes ncessaires sur ce crneau et qui
basent leur comptitivit sur un meilleur contrle, une meilleure optimisation et une
plus profonde connaissance de leurs produits par la modlisation mathmatique.
Tous les industriels hitech sont concerns ainsi que les banques et les organismes
concerns par les grands dfits socitaux (climat, pollution, planification ...).

Mathmatiques appliques aux sciences biologiques et mdicales (MBIO)

Responsables : L. Almeida et M. Thieullen

Cette Majeure est galement accessible par le parcours Probabilits et modles


alatoires" de lUPMC. En particulier des amnagements des cours proposs sont
possibles pour les tudiants qui voudraient combiner les cours des deux parcours,
aprs accord des responsables (voir aussi le site web).
La Majeure MBIO propose une formation centre sur la simulation et la modli-
sation pour les sciences du vivant, elle sappuie sur les outils danalyse dterministe
et stochastique. Lambition de La Majeure nest pas de couvrir lensemble des thmes
du vivant", elle se propose de donner une vision gnrale des outils continus" et
des applications, couvrant des questions de biologie fondamentale et des applications
biomdicales.
Ce parcours vise la fois la formation de chercheurs dans le domaine des Ma-
thmatiques pour la biologie" et sur des dbouchs directs dans les biotechnologies.
Les tudiants qui envisagent de continuer en thse y trouveront de nombreux
sujets et supports financiers. Ils sont proposs au sein de laboratoires de mathma-
tiques, de calcul scientifique comme de biologie ou mdecine.
Les tudiants dsirant terminer leur tudes sur un M2 y trouveront des ques-
tions scientifiques passionnantes o les mathmatiques sont un outil fondamental
pour traiter de la complexit des phnomnes observs. De nombreux laboratoires,
instituts et entreprises utilisent maintenant la modlisation et proposent des stages.

84
Master 2, Parcours Mathmatiques de la modlisation

UE proposes 1 pour la Majeure ANEDP


UE fondamentales
Mthodes numriques probabilistes (5MM35)**
Analyse thorique et numrique des systmes hyperboliques de lois de conser-
vation (5MM16)*
Introduction aux EDP stochastiques (5MMEE)*
A course on homogenization (5MM04)*
Equations elliptiques (5MM47)
Introduction aux EDP dvolution (5MM12)
Analyse numrique matricielle avance et calcul parallle (5MM46)
Des EDP leur rsolution par la mthode des lments finis (5MM30)
Approximation variationnelles des EDP (5MM36)
Problmes multi-chelles. Aspects thoriques et numriques (5MM34)**
UE spcialises
Aspects thoriques et numriques pour les fluides incompressibles (5MM57)
Problmes inverses : analyse mathmatique et rsolution numrique (5MM09)*
Equations de raction-diusion et dynamique de populations biologiques (5MM05)***
Modles hyperboliques dcoulements complexes dans la domaine de lnergie
(5MM27)
Thorie spectrale et mthodes variationnelles (5MM10)**
Calculus of variations and variational convergence (5MM11)*
Mthodes modernes et algorithmes pour le calcul parallle (5MM38)
Mthodes de Galerkin discontinues et applications (5MM21)**
Modlisation directe et inverse en hmodynamique (5MM26)
Contrle des EDP, contrle quantique (5MM45)
Mthodes mathmatiques et analyse numrique pour la simulation molcu-
laire (5MM50)
Kinetic models (5MM28)*
Homogneisation stochastique (5MM07)
Calcul haute performance, algorithmes parallles dalgbres linaires grande
chelle, stabilit numrique (5MM29)

UE proposes pour la Majeure COCV


UE fondamentales
A course on homogenization (5MM04)*
Contrle en dimension finie et infinie (5MM53)
Mthodes de problmes inverses et applications en dynamique des populations
(5MM19)
Introduction aux EDP dvolution (5MM12)
Equations elliptiques (5MM47)

1. Les enseignements qui ont lieu lEcole Polytechnique sont signals par *. Ceux qui sont
assurs par des enseignants de lEcole Nationale des Ponts et Chausses par **. Enfin, ceux qui
proviennent dautres parcours ou disciplines par ***.

85
Master 2, Parcours Mathmatiques de la modlisation

Optimisation continue (5MM14)


UE spcialises
Contrle des EDP, contrle quantique (5MM45)
Problmes inverses : analyse mathmatique et rsolution numrique (5MM09)*
Calculus of variations and variational convergence (5MM11)
Modles de croissance de tissus biologiques (5MM39)
Transport optimal de mesures (5MMEE)

UE proposes pour la Majeure EMF


UE fondamentales
Approximations variationnelles des EDP (5MM36)
Theoretical and numerical analysis of hyperbolic systems of conservation laws
(5MM16)*
Introduction aux EDP stochastiques (5MMEE)*
Problmes multi-chelles : aspects thoriques et numriques (5MM34)**
Mthodes numriques probabilistes (5MM35)
UE spcialises
Thorie spectrale et mthodes variationnelles (5MM10)
Mthodes de Galerkine discontinues et applications (5MM21)
Kinetic models (5MM28)*
Aspects thoriques et numriques pour les fluides incompressibles (5MM57)
Modles hyperboliques dcoulements complexes dans le domaine de lnergie
(5MM27)
Modlisation directe et indirecte en hmodynamique (5MM26)
Mthodes mathmatiques et analyse numrique pour la simulation molcu-
laire (5MM50)

UE proposes pour la Majeure HPC


UE fondamentales
Analyse numrique matricielle avance et calcul parallle (5MM46)
Des EDP leur rsolution par la mthode des lments finis (5MM30)
UE spcialises
Mthodes modernes et algorithmes pour le calcul parallle (5MM38)
Calcul haute performance, algorithmes parallles dalgbres linaires grande
chelle, stabilit numrique (5MM29).

UE proposes pour la Majeure MBIO


UE fondamentales
Mathematical methods in biology (5MM03)
Equations elliptiques (5MM47)
Mthodes numriques probabilistes (5MM35)**

86
Master 2, Parcours Mathmatiques de la modlisation

Statistique et apprentissage (5MA06)


Mthodes de problmes inverses et applications en dynamique des populations
(5MM19)
UE spcialises
Arbres alatoires pour la biologie volutive (NMX06)
Equations de raction-diusion et dynamiques de populations biologiques
(5MM05)***
Propagation dvidence dans les rseaux baysiens (NMX07)
Asymptotic analysis and computational methods. Applications to molecular,
cellular biology and to neurobiology (synaptic transmission and plasticity)
(5MM31)
Modeling of growth and regeneration processes in multi-cellular tissues invol-
ving agent-based models (5MM20)
Mathematical models for neurosciences (5MM22)***
Modles probabilistes en neurosciences (5MM51)***
Modlisation directe et inverse en hmodynamique (5MM26)
Modlisation de la rsistance aux antibiotiques (5MM52)***
Modles de croissance de tissus biologiques (5MM39).
Calcul stochastique (5MM48)
Processus de Markov, application la dynamique des populations (5MM32)

5.6 Description des UE


5MM01. Cours de base (12 ECTS) (1er semestre)
Objectifs de lUE : Fournir un socle homogne de connaissance. Laccent est
mis sur les outils mathmatiques communs et parfois indispensables toutes les Ma-
jeures, tout en sensibilisant les tudiants aux enjeux de la modlisation et du calcul
scientifique.
Thmes abords : Cette UE est constitue de cinq cours :
Analyse fonctionnelle
Optimisation
Introduction aux quations aux drives partielles
Approximation variationnelle des fonctions
Mthodes numriques pour les EDP instationnaires : dirences finies et l-
ments finis
Ces cours se droulent sur une priode de six semaines, chacun des modules tant
enseign sur un jour (cours de 3heures+ TD de 2 ou 3h). L tudiant devra choisir
un minimum de 4 modules parmi les 5 pour valider cette UE. Le dtail des modules
est le suivant :

Analyse fonctionnelle (D. Cordero-Erausquin)


Rappels dintgration
Etude approfondie des espaces Lp
Distributions
Injections de Sobolev, injections compactes

87
Master 2, Parcours Mathmatiques de la modlisation

Bibliographie :
E. Lieb, M. Loss, Analysis, 2nd edition (2001), AMS.
H. Brezis, Analyse fonctionnelle, 1993.

Ce cours sera naturellement li au cours de base doptimisation.

Optimisation (J. Lamboley)


The goal of this short course (18 hours) is to recall the basics of optimization theory
and algorithms.

- Banach spaces, duality, weak convergence


- Convex analysis, existence of minimizers
- Optimality conditions
- Algorithms
- Examples from calculus of variations

Bibliography :
J. Bonnans, Optimisation continue, Mathmatiques appliques pour le Master /
SMAI, Dunod, Paris (2006).
J. Nocedal, S. Wright, Numerical optimization. Second edition. Springer Series in
Operations Research and Financial Engineering. Springer, New York (2006).

Ce cours sera naturellement li au cours de base danalyse fonctionnelle.

Introduction aux quations aux drives partielles (F. Bethuel)

Approximation variationnelle des fonctions (A. Cohen)

Mthodes numriques pour les EDP instationnaires : dirences finies et


lments finis (B. Desprs)

5MM12 Introduction aux EDP dvolution (6 ECTS) (1er semestre)


Professeur : Anne-Laure Dalibard
Objectifs de lUE : Cette UE vise prsenter les techniques de base de lanalyse
des quations aux drives partielles dvolution, et ce travers lanalyse de quelques
quations fondamentales de la physique (quations des ondes et de la mcanique des
fluides).
Prrequis : Analyse fonctionnelle.
Thmes abords :
Rappels sur les quations direntielles linaires et non linaires.
Rappels danalyse fonctionnelle : Compacit dans les espaces de Banach,
convergence faible dans les espaces de Hilbert, oprateurs auto-adjoints com-
pacts, transforme de Fourier et espaces de Sobolev.

88
Master 2, Parcours Mathmatiques de la modlisation

Systmes linaires, semi-linaires symtriques : exemples, rsolution du pro-


blme de Cauchy, vitesse finie de propagation.
Systmes quasilinaires : thorie de Littlewood-Paley, paradiffrentialisation,
rsolution du problme de Cauchy.
Rsolution dquations linaires et non linaires par minimisation de fonc-
tionnelles : exemples avec le problme de Dirichlet et le problme de Stokes.
Rsolution des quations de Navier-Stokes incompressibles dans un domaine
born : solutions faibles (thorme de Leray), solutions fortes (thorme de
Fujita-Kato), stabilit de type fort-faible. Gnralisation dautres modles
de la mcanique des fluides (quations compressibles, inhomognes...)

5MM46. Analyse numrique matricielle avance et calcul parallle (6


ECTS) (1er semestre)
Professeur : Franois-Xavier Roux
mel : roux@ann.jussieu.fr
url : http://www.ann.jussieu.fr/MathModel/polycopies/fxroux1.pdf
Objectifs de lUE :
comprendre larchitecture des calculateurs scientifiques parallles et connatre
les principes de conception et de programmation dalgorithmes ecaces sur
ces machines
connatre les mthodes directes et itratives de rsolution des grands systmes
linaires et les mthodologies pour leur paralllisation
Prrequis : algbre linaire, formes quadratiques, proprits des matrices, no-
tions danalyse numrique
Thmes abords :
calculateurs scientifiques parallles, architecture mmoire, modles de pro-
grammations
mthodes de rsolution directe des systmes linaires, paralllisation par blocs
factorisation des matrices creuses, arbre dlimination, renumrotation, pa-
ralllisation multi-frontale
mthodes itratives de krylov pour des matrices symtriques, Lanczos, gra-
dient conjugu, MINRES
mthodes de krylov pour des matrices non symtriques avec orthogonalisation
complte, GMRES, ORTHODIR
mthodes de krylov pour des matrices non symtriques avec bi-orthogonalisation,
biCG, QMR, biCG-stab
prconditionnement, mthode du complment de Schur
paralllisation des mthodes de Krylov pour des matrices creuse
5MM30. Des EDP a leur rsolution par la mthode des lments finis (6
ECTS) (3 semestre)
Professeur :Frddric Hecht
mel : Frederic.Hecht@umpc.fr
url : http://www.ann.jussieu.fr/~hecht
Objectifs de lUE : Comment rsoudre numriquement avec la mthode des
lments finis en dimension 2 et 3 des quations aux drives partielles provenant de

89
Master 2, Parcours Mathmatiques de la modlisation

la mcanique, de la physique, ...


Prrequis : Avoir des bases dans un langage de programmation (scilab, maple,
java, fortran, c, c++ ,...). Avoir suivi un cours danalyse numrique de base sur les
problmes dapproximation et de rsolution de systme linaire.
Thmes abords : Comment construire le systme linaire a rsoudre partir
de la formulation mathmatique du problme, Puis utiliser les notions dinforma-
tique comme le polymorphisme, la programmation objet, la gnricit pour crire
un programme qui soit facilement rutilisable et modifiable. Ces techniques sont ba-
ses sur les grandes classes dlments finis : Lagrange, mixte, ..., et seront utilises
pour la rsolution des quations de type Poisson, Stokes, Navier-Stokes, ... Puis nous
ferons une introduction la visualisation graphique 3d avec OpenGL/GLUT , au
calcul parallle (avec MPI).

5MM36 Approximations variationnelles des EDP (6 ECTS) (1er semestre)


Professeur : Yvon Maday
mel : maday@ann.jussieu.fr
url : http://www.ann.jussieu.fr/~maday
Objectifs de lUE : analyse numrique des techniques dapproximations des
EDP sous formes variationnelles, en particulier mthodes dlments finis.
Prrequis : cours de niveau M1 en analyse fonctionnelle et analyse numrique.
Thmes abords : Un grand nombre dquations aux drives partielles, li-
naires ou non linaires, peuvent se mettre sous forme variationnelle. Du point vue
de lanalyse fonctionnelle, les formulations variationnelles orent un cadre utile pour
prouver lexistence et lunicit de la solution de ces quations. Du point de vue de
lapproximation, les formulations variationnelles se prtent bien aux mthodes de
type Galerkin qui sont un moyen ecace et performant pour approcher ces solu-
tions. Les thmes abords dans ce cours sont :
1. lapprentissage de la mise sous forme variationnelle des quations elliptiques,
en particulier lquation de Laplace et le systme de Stokes.
2. lapplication de mthodes de type Galerkin - principalement mthodes dl-
ments finis - a la discrtisation de ces quations. On intressera non seulement a la
construction des mthodes et a leurs proprits de convergence a priori, mais aussi
aux algorithmes de ranement adaptatif et destimation a-posteriori.

5MM16. Analyse thorique et numrique des systmes hyperboliques de


lois de conservation (6 ECTS) (10 semestre)
Professeur : Grgoire Allaire (ce cours aura lieu a lEcole Polytechnique)
Objectifs de lUE : This course is devoted to hyperbolic systems of conservation
laws, the most famous example of which is gaz dynamic (studied during the course).
Both theoretical and numerical aspects are emphasized during each class of three
hours. There are therefore a double table of contents which are followed in parallel.
Theoretical part
Mathematical introduction : conservation laws and first order partial dieren-
tial equations, motivation and physical examples, hyperbolicity of systems,

90
Master 2, Parcours Mathmatiques de la modlisation

finite time blow-up of smooth solutions, notion of weak solutions, Rankine-


Hugoniot jump conditions, shock and rarefaction waves, entropy conditions.
Theoretical analysis of scalar equations : a brief account of existence and
uniqueness, Riemann problem.
Theoretical analysis of system of equations : entropy, symmetrizability, constant
coecient linear systems, definition of wave types, truly non linear fields and
linearly degenerate fields, Lax criterion, Riemann problem.
Gaz dynamic : entropy and thermodynamic, isentropic model, lagrangian
formulation, a brief account of how to solve the Riemann problem.
Numerical part
Numerical introduction : Finite dierences, stability, consistency and accu-
racy of numerical schemes, conservative schemes, Lax-Wendro theorem.
Numerical schemes for scalar equations : 1-D Godunov method, monotone and
entropic schemes, second order TVD schemes, Van Leer MUSCL method.
Numerical schemes for systems of equations : centred schemes, flux spliting
schemes, Godunov and Godunov-type schemes (with exact or approximated
solver of the Riemann problem), Roe scheme, second order schemes and the
MUSCL method of Van Leer.
Bibliography
E. Godlewski, P.A. Raviart, Hyperbolic systems of conservation laws , Col-
lection Mathmatiques et Applications de la SMAI, Ellipses, Paris (1991).
E. Godlewski, P.A. Raviart, Numerical approximation of hyperbolic systems
of conservation laws , Springer, New York (1996).
E. Toro, Riemann solvers and numerical methods for fluid dynamics , Sprin-
ger, Berlin (1999).
R. LeVeque, Finite volume methods for hyperbolic problems , Cambridge
University Press (2002).
B. Desprs, F. Dubois, Systmes hyperboliques de lois de conservation. Ap-
plication la dynamique des gaz , Editions de lEcole Polytechnique (2005).
C. Dafermos, Hyperbolic Conservation Laws in Continuum Physics , Springer,
Berlin (2005).
5MM47. Equations elliptiques linaires et non linaires (6 ECTS) (1er
semestre)
Professeur : Didier Smets
mel : didier.smets@upmc.fr
url :
Objectifs de lUE : Le but de ce ce cours est dintroduire quelques techniques
parmi les plus utiliss pour construire et tudier des solutions a des quations aux
drivs partielles linaires et non linaires.
Prrequis : analyse fonctionnelle de niveau M1.
Thmes abords : A) Equations linaires :
- Proprits rgularisantes des oprateurs elliptiques du second ordre, ingalits
de Cacciopoli, mthode de Stampacchia, mthode de Schauder.
- Le principe du maximum sous ses diverses formes.
- Thorme de Riesz Fredholm, problmes spectraux compacts.

91
Master 2, Parcours Mathmatiques de la modlisation

B) Equations non linaires :


-mthodes dinversion locales, continuation, bifurcation.
-mthode variationnelles : solutions minimisantes, lemme de dformation, lemme
du col.

5MM14. Optimisation continue (6 ECTS) (1er semestre)


Professeur : A. Chambolle
Objectifs de lUE : Fournir les fondements de loptimisation continue moderne :
concepts thoriques, algorithmes et applications.
Prrequis : Analyse fonctionnelle lmentaire
Thmes abords : Analyse convexe (ensembles convexes, cnes convexes, fonc-
tions convexes, conjugaison, sous-direntiabilit), problmes variationnels (exis-
tence, unicit et caractrisation des solutions, conditions de KKT, condition du
second ordre), dualit de Fenchel-Rockafellar, dualit lagrangienne, problmes min-
max, perturbations, oprateurs monotone, itrations fejriennes, algorithmes de points
fixes et de zro doprateurs monotones, applications aux inquations variationnelles
et a la dcomposition de problmes de minimisation sous contraintes, optimisation
direntiable sous contraintes gnrales, conditions du premier et second ordre en
optimisation non convexe direntiable, conditions doptimalit en optimisation sto-
chastique, conditions doptimalit en commande optimale.

5MM02. Optimisation discrte (6 ECTS) (1er semestre)


Professeur : Michel Pocchiola
courriel : pocchiola@math.jussieu.fr
url : http://www.math.jussieu.fr/~pocchiola
Objectifs de lUE : Introduction loptimisation discrte : matroides et ma-
troides orients ; combinatoire des mots.
Prrequis : Notions de base en algbre commutative, algbre linaire et en
analyse relle.
Thmes abords : Matroides. Matroides et optimisation combinatoire. Ar-
rangement dhyperplans et recherche simpliciale. Matroides orients. Thorme de
reprsentation topologique. Matroides orients et programmation linaire. Combi-
natoire des mots finis et infinis. Droites discrtes dans le plan. Suites sturmiennes et
leurs proprits extrmales. Suites engendres par automates finis. Algbricit des
sries formelles et thorme de Christol. Diagonales de sries formelles multivaries.
Transcendance et complexit.

Bibliographie indicative :
A. Bjrner, M. Las Vergnas, B. Sturmfels, N. White, and G. M. Ziegler, Oriented Matroids,
Cambridge University Press, 2nd edition, 1999.
R. Diestel, Graph Theory, Springer, 4th edition, 2010.
J. Oxley, Matroid Theory, Oxford University Press, 2nd edition, 2011.
J.-P. Allouche, J. Shallit, Automatic sequences, Theory, Applications, Generalizations,
2003, Cambridge University Press.
M. Lothaire, Algebraic Combinatorics on Words, 2002, Cambridge University Press.

92
Master 2, Parcours Mathmatiques de la modlisation

5MM34. Problmes multi-chelles : aspects thoriques et numriques (6


ECTS) (1er semestre)
Professeur : Frdric Legoll
mel : legoll@lami.enpc.fr
url : http://cermics.enpc.fr/~legoll/home.html
Objectifs de lUE : Lobjectif de ce cours est dtudier dirents problmes,
dterministes ou stochastiques, et qui ont pour point commun de prsenter un carac-
tre multi-chelle, en temps ou en espace. On sintressera notamment aux mthodes
numriques adaptes a la prsence dchelles varies.
Prrequis :
Thmes abords :
On commencera le cours en se familiarisant avec les techniques classiques dho-
mognisation : convergence a deux chelles, questions de couche limite, homog-
nisation stochastique, . . .
Dans la suite du cours, on partira de plusieurs modles physiques pour intro-
duire des problmatiques multi-chelles varies. Les outils permettant lanalyse ma-
thmatique et lanalyse numrique de ces problmes seront ensuite introduits. Les
applications suivantes seront abordes :
Modles micro-macro pour les solides : Calcul des variations, techniques pour
les microstructures, passage a la limite micro/macro, lments finis.
Simulation molculaire multichelle : Dynamique molculaire rapide.
Modles micro-macro pour les fluides : Mthodes probabilistes et dterministes,
couplages lments finis et EDS.
quations direntielles a plusieurs chelles de temps : Rduction de systmes,
contraintes, . . .

5MM05 Equations de raction-diusion et dynamique des populations


biologiques (6 ECTS) (2me semestre)
Professeur : Henri Berestycki
ml : hb@ehess.fr
Thmes abords : Des phnomnes observs dans des contextes trs varis
sont reprsents par des quations de type raction-diusion : dynamique des popu-
lations, cologie, pidmiologie, invasions biologiques, comportements collectifs, et
aussi : propagation de flammes, transistions de phases, ondes chimiques, etc... Ce
cours dveloppera des mthodes mathmatiques pour analyser ce type dquations.
Elles seront ensuite mises en oeuvre pour tablir une srie de rsultats importants sur
ces problmes. Une premire partie sera consacre aux proprits fondamentales des
quations elliptiques et paraboliques linraires et non linaires. On tudiera ensuite
les tats stationnaires de ces quations, les proprits dynamiques et lexistence de
solutions de type fronts progressifs. On sattachera en particulier en dterminer les
vitesses et les formes ainsi que les proprits qualitatives. La prise en compte de lh-
trognit de lenvironnement conduit des gnralisations de la notion de fronts
progressifs qui seront prsentes. On dcrira quelques modles de dynamique des po-
pulations pour la biologie et direntes applications. Dans le cadre de ces modles,
on analysera les eets des environnements htrognes sur la survie des espces. On
examinera la forme des invasions biologiques en fonction de lenvironnement. On

93
Master 2, Parcours Mathmatiques de la modlisation

dveloppera aussi des modles permettant de dcrire les eets de changements cli-
matiques sur la survie de certaines espces biologiques.

5MM10. Thorie spectrale et mthodes variationnelles (6 ECTS) (2me


semestre)
Professeurs : Eric Cancs et Mathieu Lewin
ml : cances@cermics.enpc.fr, Mathieu.Lewin@math.cnrs.fr
Thmes abords : Dans ce cours nous tudierons certains modles utiliss
en physique quantique pour dcrire la matire a lchelle microscopique (atomes,
molcules, gaz uniforme dlectrons, cristaux). Une premire partie du cours sera
consacre la thorie spectrale des oprateurs auto-adjoints sur un espace de Hil-
bert, et son application aux modles linaires (quation de Schrdinger). Dans
une seconde partie, nous appliquerons des techniques danalyse non linaire ltude
dautres modles utiliss en calcul de structure lectronique et dans la thorie de
Bose-Einstein (thorie de la fonctionnelle de la densit, modle de Hartree- Fock,
modle de Gross-Pitaevskii).

5MM33. Jeux rpts somme nulle : tude asymptotique et uniforme


(6 ECTS) (2me semestre)
Professeur : Rida Laraki
ml : rida.laraki@gmail.com
url : https://sites.google.com/site/ridalaraki/
Objectifs de lUE : Le but de ce cours est dtudier plusieurs dynamiques
gnres par des interactions stratgiques dans des jeux. Les sujets abords seront
les dynamiques dadaptation dans les jeux dvolution, les procdures robustes pour
les algorithmes en temps rel et lapproximation stochastique.
Prrequis : Bases de thorie des jeux
Thmes abords : Le cours comporte deux parties :
A) 1. Fictitious play : Temps discret, temps continu et dynamique de meilleure
reponse.
2. Dynamique du rplicateur : n populations, une population, Evolutionary Stable
Strategies.
3. Autres dynamiques globales : champs de Nash, unicit de lindice.
4. Approachability : Thorme de Blackwell, approche potentielle.
5. Consistency : Procdures de regret, smooth fictitious play.
6. Applications : consistency et correlation, calibrating.
B) The second part develops a unified framework to prove the existence, and a
variational characterization, of the asymptotic value in zero-sum repeated games.
1) Shapleys recursive formula in stochastic games. Extension to games with random
duration and to discretization of a continuous time game.
2) Overview of standard results : Bewley and Kohlbergs algebraic approach for
stochastic games, Aumann and Maschlers martingale approach for repeated games
with incomplete information on one side, Mertens and Zamirs system of functional
equations for repeated games with incomplete information on both sides.

94
Master 2, Parcours Mathmatiques de la modlisation

3) The operator approach and applications to repeated games with incomplete in-
formation, absorbing games, and recursive games.
4) Variational approach for discounted games and applications to repeated games
with incomplete information, splitting games and absorbing games.
5) Variational approach for repeated games : discretization of a continuous time
game and viscosity solution tools.

5MM59. Combinatoire topologique et jeux (6 ECTS) (20 semestre)


Professeur : F. Meunier
mel : frederic.meunier@enpc.fr
url :
Prrequis : Thorie des graphes, Complexit, Polytopes
Thmes abords :
Complexes simpliciaux ; Quelques gnralisations combinatoires de thormes dexis-
tence en topologie (Sperner, Tucker, Ky Fan, Scarf) ; Noyaux dans les graphes par-
faits ; Thorme du partage du collier ; Les classes de complexit PPA, PPAD et
TFNP ; Coloration des graphes et hypergraphes de Kneser.

5MM38. Mthodes modernes et algorithmes pour le calcul parallle (6


ECTS) (2eme semestre)
Professeur : F. Nataf
mel : nataf@ann.jussieu.fr
url : http://www.ann.jussieu.fr/~nataf/
Objectifs de lUE : Il sagit de donner aux tudiants les outils permettant
de comprendre, danalyser et mettre en oeuvre en Freefem++, les mthodes de
dcomposition de domaine pour les quations scalaires et les systmes dquation
aux drives partielles.
Prrequis :
Thmes abords : Les points suivants seront traits :
Analyse due mthode de Schwarz avec recouvrement pour un oprateur el-
liptique
Cadre abstrait des mthodes additives
Mthode de Schwarz avec recouvrement
Ncessit et construction dun espace grossier
Conditions dinterfaces optimises.
Rsultats de convergence par des mthodes nergtiques
Conditions aux limites transparentes
applications des problmes non-symtriques

5MM31. Asymptotic analysis and computational methods. Applications


to molecular, cellular biology and to neurobiology (synaptic transmission
and plasticity) (6 ECTS) (2nd semestre)
Professeur : D. Holcman
mel :holcman@biologie.ens.fr
url :http://www.biologie.ens.fr/bcsmcbs/spip.php?article90

95
Master 2, Parcours Mathmatiques de la modlisation

Objectifs de lUE : The goal of this class is to present modeling methods


to study cellular microdomains and in particular cytoplasmic (plasmid and viral)
tracking, nucleus organization and the function of the cellular microdomains such
as photoreceptors, dendritic spines or synapses. Most of these microdomains are
still unavailable to direct experimental recordings and mathematical modeling and
simulations is used to analyze some aspect of their functions.
Prrequis : notion of partial dierential equations, probability, some notions of
cellular biology.
Thmes abords :
Brownian motion, Ito calculus.
Dynkins equation, Fokker-Planck equation, Short and long time asymptotics.
Mean first passage time.
The small hole theory with a attracting (resp. repuslive) potential.
Homogenisation theory with many small holes.
Stochastic chemical reactions in a microdomain.
Modeling synaptic transmission, synaptic weight.
Receptor tracking, synaptic current, Dwell time of a receptor at the synapse. Cal-
cium dynamics in a dendritic spine.
Cellular tracking.
Modeling of Neuron-Gli interactions.
Summary : Toward a quantitative approach in cellular biology.

5MMEE. Transport optimal de mesures (2nd semestre)


Professeur : Bruno Nazaret
Objectifs de lUE : On prsentera les notions de base sur le transport optimal
de mesures en premier lieu pour des cots gnraux, puis pour les cots puissance.
On introduira le problme dual associ et les conditions doptimalit. On abordera
enfin ltude des distances obtenues ainsi que quelques applications.
Bibliographie :
C. Villani, Topics on optimal transportation, GSM 58, AMS, 2003.
C. Villani, Optimal transport : old and new, GMW 338, Springer Verlag, 2009.
Prrequis :
Thmes abords :
5MM21. Mthodes de Galerkin discontinues et applications (6 ECTS) (2e
semestre)
Professeur : Alexandre Ern
mel : ern@cermics.enpc.fr
url : http://cermics.enpc.fr/~ern
Objectifs de lUE : Il sagit dune part de comprendre les fondements tho-
riques de la mthode et dautre part dtudier sa mise en uvre dans des cas concrets
(advection-diusion, mcanique des fluides, lois de conservation).
Prrequis : il est souhaitable de connatre la mthode des lments finis de
Lagrange conformes (par ex., 5MM30), lapproximation variationnelle des EDP (par
ex., 5MM36), et la mthode des volumes finis (par ex., NM464)

96
Master 2, Parcours Mathmatiques de la modlisation

Thmes abords : lUE est organis comme suit


formulation et analyse de la mthode pour lquation de transport station-
naire, liens avec la mthode des volumes finis (3 sances)
formulation et analyse de la mthode pour la diusion et ladvection-diusion,
notion de gradient discret (3 sances)
applications a la mcanique des fluides stationnaires : quations de Stokes et
de Navier-Stokes (in)compressibles (3 sances)
lois de conservation linaires et non-linaires : notion de flux, analyse de
convergence, applications (3 sances)

5MM45. Contrle des EDP, contrle quantique (6 ECTS)(2eme semestre)


Professeurs : Pierre Rouchon (Mines-ParisTech) et Mazyar Mirrahimi (Inria)
mel : pierre.rouchon@mines-paristech.fr, mazyar.mirrahimi@inria.fr
https://who.rocq.inria.fr/Mazyar.Mirrahimi/
http://cas.ensmp.fr/~rouchon/index.html
Objectifs de lUE : Ce cours prsente les mthodes mathmatiques pour lana-
lyse et le contrle de systmes physiques intervenant en information quantique. Ces
mthodes sont illustres par des expriences rcentes dlectrodynamiques quan-
tique en cavit et de circuits quantiques, expriences qui prparent et protgent des
tats quantiques contre la dcohrence, le principale obstacle la ralisation dun
ordinateur quantique. Les modles dynamiques utiliss reposent sur des quations
direntielles ordinaires ou aux drives partielles. Ces modles sappuient sur les
lois de la mcanique quantique avec lquation de Schrdinger. Ils peuvent compor-
ter aussi des eets stochastiques trs structurs et dus au fait que toute mesure
perturbe invitablement et de faon alatoire le systme considr. Les mthodes
mathmatiques prsentes reposent sur les notions fondamentales de feedback, de
stabilit et de robustesse.
Prrequis : Notions de base en mcanique quantique sont souhaites mais ne
sont pas indispensables.
Thmes abords :
1. Introduction la mcanique quantique : le systme deux niveaux (qubit),
loscillateur harmonique et les systmes composites forms de qubits et dos-
cillateurs harmoniques.
2. Systmes quantiques ferms, quation de Schrdinger, Systmes multi-chelles
en temps et la rduction de modle par moyennisation, thorie adiabatique
et application en contrle.
3. Systmes quantiques ouverts : divers modles dynamiques en temps discret
(chanes de Markov, applications de Kraus) et leur version en temps continu
(quations matresses stochastiques, quations de Fokker-Planck).
4. Mthodes Lyapunov stochastiques pour stabiliser un systme quantique : ap-
plication des expriences dlectrodynamique quantique en cavit (menes
par le groupe de S. Haroche, Nobel 2012, et J.-M. Raimond, Laboratiore
Kastler-Brossel, ENS et Collge de France).
5. Stabilisation par dissipation dun systme quantique : application des exp-
riences sur les circuits supraconducteurs quantiques (menes par les groupes

97
Master 2, Parcours Mathmatiques de la modlisation

de B. Huard lENS et M. Devoret lUniversit de Yale).

5MM28. Kinetic models (6 ECTS)(2eme semestre)


Professeur : Franois Golse ( ce cours aura lieu lEcole polytechnique)
mel : golse@math.polytechnique.fr
url : http://www.math.polytechnique.fr/~golse
Objectifs de lUE : Ce cours est une introduction lanalyse mathmatique
des modles de la thorie cintique des gaz ou des plasmas
Prrequis : Notions de base danalyse fonctionnelle et danalyse de Fourier
Thmes abords :
I. Lquation de transport.
Mthode des caractristiques, lemmes de moyenne et de dispersion.
II. Les quations de type Vlasov.
1) Le modle de Vlasov-Poisson : existence, unicit rgularit de la solution en
dimension 3 (daprs Pfaelmoser, Lions-Perthame).
2) Le modle de Vlasov-Maxwell : existence globale de solutions renormalises
(daprs DiPerna-Lions) ; critre dexplosion de Glassey-Strauss
III. Lquation de Boltzmann.
Existence globale de solutions renormalises.

5MM35. Mthodes numriques probabilistes (6 ECTS) (premier semestre)


Professeur : Tony Lelivre
mel : lelievre@cermics.enpc.fr
url : http://cermics.enpc.fr/~lelievre
Objectifs de lUE : Ce cours est une introduction aux probabilits avec deux
objectifs : comprendre le langage des probabilits qui intervient dans de nombreux
modles (physique statistique, mcanique quantique, chimie, biologie, finance) et
prsenter quelques mthodes numriques probabilistes qui peuvent notamment tre
utilises pour rsoudre des problmes dterministes (rsolution dquations aux d-
rives partielles, calcul de la premire valeur propre dun oprateur).
Prrequis : On suppose acquis les fondements de la thorie de la mesure et de
lintgration. Les prrequis en probabilits sont trs faibles (des rappels sont faits
aux premiers cours).
Thmes abords : On sattache a prsenter les concepts essentiels fondant
les mthodes de Monte Carlo, les chanes de Markov, les processus de diusion et
leurs liens avec les quations aux drives partielles. Plusieurs applications illus-
trent le cours : en physique statistique (mthodes dchantillonnage dune mesure de
Boltzmann-Gibbs), en dynamique molculaire (nergie libre, formule de Jarzynski),
ou en finance (pricing doption). Le plan du cours est le suivant :
1. Variables alatoires : espace probabilis, notions de convergence, thormes
limites, mthodes de Monte Carlo et de rduction de variance.
2. Chanes de Markov : quations de Kolmogorov, co.mportement asymptotique
(ergodicit), mthodes Markov Chain Monte Carlo.

98
Master 2, Parcours Mathmatiques de la modlisation

3. Processus de diusion : processus alatoires et mouvement brownien, int-


grales stochastiques et calcul dIt, quations direntielles stochastiques,
liens avec les quations aux drives partielles (formules de Feynman-Kac et
quation de Fokker-Planck), ingalit de Poincar et comportement asymp-
totique.
cf. http ://cermics.enpc.fr/lelievre/ANEDP/ANEDP.html

5MM04. Periodic homogenization of PDEs (6 ECTS) (1er semestre)


Professeur : Franois Alouges et Sonia Fliss (ce cours a lieu lEcole Poly-
technique)
url : http://www.cmap.polytechnique.fr/~alouges/
Thmes abords This course is devoted to the introduction of the basic concepts
of homogenization of periodically microstructured materials. When the period of the
microstructure is small compared to the size of the material (e.g. in foams, composite
materials, etc.), one needs to find a suitable model for the material as a whole in an
averaged way.
We focus in the course on models that are given through a partial dierential
equation (PDE). The problem becomes to mathematically understanding the limi-
ting process as the size of the microstructure tends to 0, of the solution of a PDE
with fast varying coecients.
Among the classical theoretical methods used to study this kind of problems,
we focus on the multiscale expansion method and the 2-scale convergence. Both
give results of dierent flavours, heuristic or rigorous ones, and happen to be very
complementary.
As a matter of fact, the multiscale expansion method works by assuming an
ansatz for the solution for which each coecients are sought one after the other.
The derivation is done under reasonable" assumptions for the existence of such an
expansion. Although very heuristic, the method turns out to give the right solutions.
On the other hand, the 2-scale convergence theory of NGuetseng and Allaire
allows for a complete and rigorous approach.
We also plan to provide the students that follow the course with further aspects
on numerical aspects together with Gamma convergence arguments that are linked
with the subject.
The course is self contained, however a basic knowledge of the analysis of PDEs
is required to follow this course.

5MM57. Aspects thoriques et numriques pour les fluides incompres-


sibles (6 ECTS) (20 semestre)
Professeurs : Pascal Frey et Yannick Privat
mel : frey@ann.jussieu.fr
url :
Objectifs de lUE : amlioration des mthodes de simulation numrique
partir de rsultats thriques danalyse numrique, destination des sciences de lin-
gnieur.
Prrequis : niveau de Master M1 en mathmatiques

99
Master 2, Parcours Mathmatiques de la modlisation

Thmes abords : Le cours propose une introduction aux mthodes dadapta-


tion utilises dans le contexte de la simulation numrique. Y seront plus spcifique-
ment abords les aspects relatifs aux tapes de pr-traitement (maillages, triangu-
lations) et de post-traitement (estimateurs derreur, visualisation) de la rsolution
numrique de problmes formaliss par des EDP. Le cours dveloppera des aspects
thoriques et numriques.

Un projet numrique (facultatif), raliser en binme, est propos aux tudiants.

5MM09. Problmes inverses : analyse mathmatique et rsolution num-


rique (6 ECTS) (20 semestre)
Professeurs : Laurent Bourgeois et Houssem Haddar (ce cours aura lieu a lEcole
Polytechnique)
mel :
url :
Objectifs de lUE :
Prrequis : niveau de Master M1 en mathmatiques
Thmes abords : Le cours sintressera aux direntes questions mathma-
tiques et numriques que soulve la rsolution de problmes inverses rencontrs dans
nombre de domaines : imagerie, contrle non destructif, gophysique...
La caractristique principale des problmes inverses est le dfaut de continuit de
la solution par rapport aux donnes. Une partie du cours portera sur les problmes
inverses linaires, on y introduira dabord les mthodes de rgularisation linaires
puis on tudiera particulirement les stratgies de rgularisation adaptes aux pro-
blmes de traitement dimage. Lautre partie du cours portera sur la rsolution de
problmes inverses non linaires, comme par exemple celui de la dtermination dune
gomtrie (un dfaut, une inclusion, un rservoir, ...) partir de la connaissance de
mesures (solutions du problme direct). On analysera dans un premier temps les
questions relatives lidentifiabilit et la stabilit. Nous tudierons ensuite trois
grandes familles de mthodes numriques pour la rsolution de tels problmes.
Les cours se drouleront sur 12 sances de 2h, et couvriront : Problmes inverses :
mthodes de rgularisations linaires ; Introduction aux mthodes non-linaires. Re-
construction dimages, de formes, de processus discontinus ; La variation totale. D-
finition, proprits. Problmes de minimisation, existence, rgularit, mthodes nu-
mriques ; Problmes inverses non-linaires en lectromagntisme (diusion, dirac-
tion) ; Mthodes numriques pour certains problmes non-linaires.

5MM27. Modles hyperboliques dcoulements complexes dans le do-


maine de lnergie (6 ECTS) (20 semestre)
Professeurs : E. Godlewski et Jacques Sainte-Marie
mel : godlewski@ann.jussieu.fr
url :
Objectifs de lUE :
Prrequis : niveau de Master M1 en mathmatiques

100
Master 2, Parcours Mathmatiques de la modlisation

Thmes abords : Le but de ce cours est dtudier les modles dcoulements de


fluides complexes dcrits par des EDP hyperboliques dans les contextes de lnergie
hydraulique, de lexploitation des hydrocarbures des racteurs nuclaires. On abor-
dera notamment les coulements surface libre, les coulements en milieu poreux
et les coulements diphasiques. Leur tude sera eectue la fois dun point de vue
thorique et du point de vue de lapproximation numrique.

Rappels sur le systme de la dynamique des gaz compressible (gaz parfait polytro-
pique) et sur les proprits classiques des systmes hyperboliques (vitesses des ondes,
entropie, problmes de Riemann) ainsi que sur les schmas numriques volumes fi-
nis uni- et multidimensionnels (Godunov, HLL, Roe) et les proprits importantes
(stabilit, positivit...) et quelques notions concernant les conditions limites.

Energie hydraulique. On sintresse dans cette partie aux coulements deau


surface libre, entrant en jeu en situation de rupture de barrages hydrolectriques,
mais aussi pour la modlisation de locanographie cotire et le transport de polluant.
Equations de Saint-Venant, prise en compte de la topographie, de la rugosit du sol.
Mthodes numriques adaptes (splitting, schma prservant lquilibre, lasympto-
tique).

Exploitation des hydrocarbures. Plusieurs modles dcoulements de fluides (eau,


hydrocarbures) dans des milieux poreux sont tudis. On mettra notamment laccent
sur la prise en compte de la permabilit du milieu, qui pourra ventuellement tre
discontinue. Equation de Buckley Leverett. Modles dcoulement en milieu poreux,
milieux permabilit variable. Lois de conservation flux discontinu, schmas nu-
mriques associs.

Ecoulements diphasiques compressibles. Cette dernire partie est ddie ltude


de modles dcrivant lvolution de mlange de fluides (eau et hydrocarbure par
exemple) ou de phases direntes dun mme fluide (eau liquide et vapeur deau). Ce
type dcoulements intervient dans les conduites ptrolires et dans les circuits deau
des racteurs nuclaires. Modles multicomposants ; transition de phase ; modles
homognes (HEM, HRM) ; modles moyenns (drift flux, bifluide, Baer-Nunziato).
Problme de perte dhyperbolicit ; problme li la non conservativit. Modles de
relaxation.

5MM20. Modeling of growth and regeneration processes in multi-cellular


tissues involving agent-based models (6 ECTS) (2nd semestre)
Professeur : Dirk Drasdo
mel : Dirk.Drasdo@inria.fr
url : http://www-c.inria.fr/bang/DD/drasdo.html
Objectifs de lUE :
Systems biology has become a rapidly growing field in which theoreticians (ma-
thematicians, computer scientists, engineers, physicists) collaborative closely with
experimental partners on biological questions. Currently, systems medicine is emer-

101
Master 2, Parcours Mathmatiques de la modlisation

ging addressing in the same way clinical applications. Both, systems biology and
medicine address increasingly the multi-cellular scale of cell populations, tissues or
whole organs, expressing cellular decisions during tissue organization processes in
terms of molecular reactions, signaling, or cell metabolism. In this lecture, we give
an overview of current agent-based models in which each cell is represented indivi-
dually. Such models are particularly suited to include intracellular reactions within
each individual cell. We discuss mathematical background and the computational
algorithms of the models at each scale, and give application examples from biology
and medicine. Moreover, we briefly discuss the interface of agent-based models with
continuum descriptions, and image analysis chains to quantify image information on
spatial-temporal processes in living matter, and give a multiscale example spanning
molecular, cell, tissue, organ, and body scale.
Prrequis :
It is useful (but not compulsory) to have basic knowledge in stochastic processes
and to be able to code small problems in C, C++, or mathlab.
Thmes abords :
Stochastic processes (basics), modeling of chemical reactions, equations of motion,
biomechanics (basics), compartment models, growth of tumor / non-tumor cell po-
pulations, organ modeling, image analysis (basics)

5MM22. Mathematical Methods for Neurosciences (6ECTS), 1er semestre


Professeurs : Olivier Faugeras & Grgory Faye, Ecole Normale Suprieure
Objectifs de lUE : Nous prsentons dans ce cours quelques outils mathmatiques
qui interviennent de manire systmatique dans de nombreux problmes de mo-
dlisation en neurosciences. Les prrequis sont une bonne connaissance du calcul
direntiel et du calcul des probabilit es dans le cadre de la thorie de la mesure.
Sans trahir la rigueur mathmatique, le cours seorcera de mettre en valeur
lapplicabilit aux neurosciences des concepts prsents. Le cours sera complt par
des sances dexercices et de programmation sous Scilab, Matlab ou Maple.

5MM53. Contrle en dimension finie et infinie (6 ECTS) (1er semestre)


Professeur : Emmanuel Trlat
mel : emmanuel.trelat@upmc.fr
url : http://www.ljll.math.upmc.fr/~trelat/
Objectifs de lUE : La thorie du contrle est une branche des mathmatiques
permettant de contrler un systme sur lequel on a une action, une commande
(comme une voiture, une fuse, une raction chimique, un systme biologique, un
march financier, etc). Le problme de contrlabilit consiste alors dterminer
une loi de contrle permettant demmener, de guider ce systme vers un certain tat
final dsir. Lobjectif de ce module est de donner des rsultats danalyse permettant
daborder la contrlabilit, le contrle optimal, la stabilisation, et lobservabilit de
systmes linaires et non linaires.
On parle de contrle optimal lorsque, en plus de contrler un systme (i.e., de le
guider vers un tat final), on veut de plus minimiser un certain critre par exemple,
minimiser une consommation, maximiser un rendement. On parle de stabilisation

102
Master 2, Parcours Mathmatiques de la modlisation

lorsquon veut construire un feedback, i.e. un contrle dpendant de ltat, afin de


rendre le systme autonome, ou bien robuste aux perturbations extrieures. On parle
dobservabilit lorsquon cherche reconstruire ltat complet dun systme partir
dobservations partielles de cet tat.
De nombreux exemples concrets seront donns, dans diverses disciplines (mca-
nique, biologie, maths financires, lectronique, etc).
Prrequis : Aucun.
Thmes abords :
Contrlabilit : systmes linaires autonomes (Kalman), instationnaires (Gra-
mienne). Systmes non linaires : rsultats de contrlabilit locale.
Contrle optimal : principe du maximum de Pontryagin. Cas particulier des
systmes linaires. Thorie linaire-quadratique, quation de Riccati, rgu-
lation. Systmes non linaires, exemples et exercices. Applications en maths
bios, en mcanique, en maths financires.
Stabilisation : systmes linaires (placement de ples), stabilisation locale
pour des systmes non linaires. Thorie de Lyapunov, Lasalle. Mthode de
Jurdjevic-Quinn. Applications en arospatiale, en maths bios.
Introduction au contrle en dimension infinie : semi-groupes, oprateur de
contrle, admissibilit, observabilit. Exemples : chaleur, ondes, Schrdinger.
Mthode HUM. Etude de quelques EDP non linaires lmentaires.
Support de cours : https://www.ljll.math.upmc.fr/~trelat/fichiers/livreopt2.
pdf

5MMEE. Introduction aux EDP stochastiques (6 ECTS) (1er semestre)


Professeur : Anne De Bouard, Ecole Polytechnique
Objectifs de lUE : Le but du cours est dintroduire les mthodes de base pour
ltude mathmatique dEDP (paraboliques) faisant intervenir des termes alatoires
qui, parce quils modlisent des phnomnes qui se produisent des chelles de temps
beaucoup plus petites que les phnomnes dterministes, sont des bruits blancs en
temps. De telles quations interviennent naturellement en physique (par exemple,
mais pas seulement, pour modliser la turbulence dans certains fluides), en biologie
(dynamique des populations, neurosciences, ...) ou en finance.
Aprs des rappels de base en probabilits et processus stochastiques, on intro-
duira le mouvement brownien, puis le calcul dIto en dimensions finie et infinie. On
montrera alors des rsultats dexistence de solutions dEDP stochastiques forces
par un bruit blanc. On tudiera ensuite, suivant le temps restant, le comportement
des solutions en temps infini (existence dune mesure invariante, ergodicit,
...). Aucun prrequis nest demand en probabilits.
Rfrences : G. Da Prato, J. Zabczyk, Stochastic Equations in Infinite Dimen-
sions, Cambridge University Press
Cours de Martin Hairer : An Introduction to Stochastic PDEs
https://arxiv.org/pdf/0907.4178.pdf

5MM51. Modles probabilistes en Neurosciences (6ECTS) 2nd semestre


Professeure : Michle Thieullen, Universit Pierre et Marie Curie

103
Master 2, Parcours Mathmatiques de la modlisation

Objectifs de lUE : Les phnomnes biophysiques observs en neurosciences


sont dune grande complexit. Pendant de nombreuses annes leur modlisation a
repos sur des modles dterministes, mais il est maintenant bien tabli que les
modles stochastiques sont indispensables pour dcrire avec prcision certains ph-
nomnes. Dans ce cours nous dcrirons les grands types de modles stochastiques
existants. Pour chaque type nous identifierons les questions probabilistes souleves et
les outils ncessaires de la thorie des probabilits seront introduits. On abordera par
exemple les questions suivantes : premier temps de passage, systmes lents-rapides,
applications des grandes dviations, comportement stationnaire, approximation dif-
fusion. Le lien avec certaines quations aux drives partielles sera soulign sur des
exemples.

NMX06. Arbres Alatoires pour la biologie volutive (6ECTS) 2nd se-


mestre
Professeur : A. Lambert, Universit Pierre et Marie Curie
Objectifs de lUE : Ce cours a pour but dtudier et de comprendre les pro-
prits mathmatiques de certains arbres alatoires notamment utiliss en biologie
volutive pour modliser les gnalogies, les pedigrees ou les phylognies.
Thmes abords : La majeure partie du cours sera consacre aux arbres ala-
toires discrets, dont nous introduirons les trois principales classes de modles : les
modles de dynamique des populations (processus de Galton-Watson, processus de
naissance et de mort, splitting trees), les modles de gntique des populations (mo-
dles de Cannings, Wright-Fisher, dEldon-Wakeley) et les modles darbres phy-
logntiques (Markov branching models dAldous). Dans le cas des processus de
branchement, nous montrerons comment le processus de contour dun arbre permet
den extraire certaines proprits.
La plupart de ces arbres alatoires sont interprts dans leur dfinition primitive
comme la trace de la dynamique dune population de particules (une particule pou-
vant tre la copie dun gne, une cellule, un organisme individuel, ou une colonie
dindividus, voire une espce) qui meurent et se reproduisent au cours du temps. Un
rle particulier est jou en biologie volutive par larbre rduit, qui est larbre gna-
logique des particules vivantes un temps donn. Nous tudierons deux exemples
darbres rduits dont il existe une description trs lgante dans le sens rtrospectif
du temps : le coalescent de Kingman et le processus ponctuel de coalescence.
La troisime partie du cours sera consacre ltude fine des topologies des
arbres alatoires que nous avons introduits, en particulier dans le cadre des Markov
branching models. Nous tudierons notamment le comportement dune mesure de
dsquilibre des arbres.
Dans la quatrime partie du cours, les particules seront munies de types hritables
(haplotype, trait phnotypique), et nous caractriserons la partition alllique de la
population, prise dans sa totalit ou temps fixe. Cette partie fait intervenir des
objets trs importants en gntique des populations et en probabilits discrtes,
comme le processus du restaurant chinois, la formule dchantillonnage dEwens ou
la distribution de Griths-Engen-McCloskey (GEM). Si le temps le permet, nous
terminerons par ltude de certaines limites dchelle de ces arbres : processus de
branchement.

104
Master 2, Parcours Mathmatiques de la modlisation

5MM11. Calculus of variations and variational convergence (2nd semestre)


Professeur : Antonin Chambolle (ce cours aura lieu lEcole Polytechnique)
mel : antonin.chambolle@cmap.polytechnique.fr
http://www.cmap.polytechnique.fr/~antonin
Objectifs de lUE : introduction aux problmes de calcul des variations, avec
application notamment en mcanique des milieux continus
Prrequis : analyse fonctionnelle : espaces de Hilbert, Banach, Sobolev, un peu
de convexit.
Thmes abords : minimisation dnergie, existence, problmes de semi-continuit
notamment en mcanique. Convergence variationnelle (ou -convergence) : transi-
tion de phase, passage discret-continu. Flots de gradients, Rupture.

5MM26. Modlisation et mthodes numriques en hmodynamique (2nd


semestre)
Professeur : Miguel Fernandez
mel : miguel.fernandez@inria.fr.
Objectifs de lUE : Simulation numrique des coulements sanguins
Prrequis :
Thmes abords :
Ce cours abordera quelques problmes rencontrs en simulation numrique des
coulements sanguins. Une hirarchie de modles sera prsente :
modles tri-dimensionnels de portions dartre, incluant des eets dinterac-
tion fluide-structure entre la paroi des vaisseaux et lcoulement du sang ;
modles mono-dimensionnels hyperboliques, permettant en particulier ltude
de la propagation dondes de pression dans un rseau artriel.
modles zro-dimensionnels pour une reprsentation globale du systme car-
diovasculaire, incluant des mcanismes de contrle et de rgulation.
Dans chaque cas nous mettrons laccent sur des dicults numriques dintrt g-
nral, dont la comprhension dpasse le cadre de lhmodynamique (algorithmes de
couplage multiphysique, conditions aux limites, estimation de paramtres partir de
mesure, etc.)

5MM39. Modles de croissance de tissus biologiques (6 ECTS) ( 2nd


semestre)
Professeur : Luis Almeida
mel : luis.almeida@upmc.fr
http://www.ljll.math.upmc.fr/~almeida/
Objectifs de lUE : Cette UE prsentera quelques aspects de la modlisation
mathmatique de tissus biologiques, et en particulier de la croissance de tumeurs, en
sappuyant sur des aspects applicatifs et en abordant les questions mathmatiques
quils posent.
Prrequis : Bases sur les systmes direntiels, les quations direntielles et
lanalyse fonctionnelle
Thmes abords : Quelques aspects des cancers et de leur traitement sur des
systmes direntiels (quiescence, angiogense, immunothrapies).

105
Master 2, Parcours Mathmatiques de la modlisation

Modles de populations structures pour dcrire lhtrognit dans les tumeurs et


son volution.
Modles de rparation tissulaire et de cicatrisation.

5MM29. Calcul haute performance, algorithmes parallles dalgbre li-


naire grande chelle, stabilit numrique (6ECTS), 2nd semestre
Professeure : Laura Grigori INRIA & LJLL
Objectifs de lUE :
Lobjectif de lUE est de donner les notions de base permettant de concevoir
des algorithmes numriques parallles ecaces, ainsi quune introduction aux algo-
rithmes les plus rcents en algbre linaire numrique grande chelle, une analyse
de leur stabilit numrique, associe une tude de leur complexit en terme de cal-
cul et communication. Les oprations considres correspondent aux tapes les plus
coteuses se trouvant au coeur de nombreuses simulations numriques complexes.
Thmes abords :
Introduction au calcul parallle : survol des machines parallles et modles de
programmation, introduction aux routines MPI pour programmer une machine pa-
rallle, approches pour identifier le paralllisme dans les simulations numriques.
Algorithmes parallles et leur stabilit numrique pour des oprations en algbre
linaire numrique : mthodes dorthogonalisation, problmes aux moindres carrs,
rsolution des systmes linaires. Une introduction aux algorithmes parallles de-
velopps ces dernires annes minimisant les communications dans une machine
parallle, compromis paralllisation-stabilit. Au-del de lalgbre linaire, quelques
exemples : algorithmes parallles pour le calcul de la transforme de Fourier rapide,
problmes de partitionnement de domaines/graphes entre plusieurs processeurs. Des
travaux pratiques sur machines.
Un TP sera consacr lutilisation des GPUs. Le cours comprend un projet qui
sera ralis sur une machine avec une centaine de processeurs.

5MM52. Modlisation de la rsistance des bactries aux antibiotiques (6


ECTS) (2me semestre)
Professeur : G. Thomas, P.-Y. Boelle
mel : guy.thomas@upmc.fr, pierre-yves.boelle@upmc.fr
url : http://www.u707.jussieu.fr/www_u707/annuaire/home_u444/thomas_
g/
url : http://www.u707.jussieu.fr/www_u707/annuaire/home_u444/thomas_
g/
Objectifs de lUE : Apprendre des direntes mthodes de modlisation probabi-
liste et danalyse de modles pidmiologiques.
Prrequis : Bases de probabilits.
Thmes abords : Construction dun modle alatoire permettant dtudier lmer-
gence de bactries rsistantes aux antibiotiques et leur diusion dans la population.
Son analyse dtaille par de divers outils probabilistes : la thorie des processus
markoviens de sauts, des martingales et des semi-martingales, et de la convergence
en loi dans les espaces de Skorokhod.

106
Master 2, Parcours Mathmatiques de la modlisation

5MM50. Mthodes mathmatiques et analyse numrique pour la simula-


tion molculaire (6 ECTS) (2me semestre)
Professeur : Gabriel Stoltz (Ecole Nationale des Ponts et Chausses)
mel : stoltz@cermics.enpc.fr
http://cermics.enpc.fr/$\sim$stoltz
Objectifs de lUE : Ce cours est une introduction la simulation molcu-
laire, qui est la version computationnelle de la physique statistique. Ces techniques
numriques sont couramment utilises dans de nombreux domaines dapplication
(physique, chimie, biologie) mais sont encore trop peu tudies dun point-de-vue
mathmatique.
Prrequis : Un cours de processus stochastiques tel que le cours fondamental
de "Mthodes numriques probabilistes" de Tony Lelivre
Thmes abords :
Ce cours commence par une sance dintroduction aux concepts les plus im-
portants de la physique statistique, notamment la description des macrotats dun
systme par une mesure de probabilit.
On prsente ensuite lchantillonnage des tats nergie constante par lintgra-
tion en temps long de la dynamique Hamiltonienne (thorie de lintgration gom-
trique).
On se tourne dans un second temps vers lchantillonnage des tats temprature
constante par la dynamique de Langevin, en tudiant notamment la convergence de
la loi de ce processus stochastique par les techniques dhypocoercivit. On considre
galement les erreurs numriques engendres par la discrtisation de la dynamique
de Langevin.
En fonction du temps, on sintressera au calcul de dirences dnergies libres en
considrant une mthode numrique dont la convergence est quivalente celle dune
quation de Fokker-Planck non-linaire ; et/ou la rponse linaire de systmes hors
dquilibre, en tudiant un dveloppement perturbatif dun oprateur de Fokker-
Planck modifi.

5MM19. Mthodes de problmes inverses et applications en dynamique


des populations (6 ECTS) (1er semestre)
Professeurs : P. Moireau et M. Doumic
mel : marie.doumic@inria.fr
https://www.rocq.inria.fr/bang/Marie-Doumic/index.html
Objectifs de lUE : Lobjectif de ce cours est de dintroduire la notion de
problme inverse et les principales dicults de ce domaine. A travers ltude de
lexemple classique de lestimation de la drive dune fonction partir dune me-
sure bruite, on donnera un panorama des mthodes existantes et de leurs spcificits
(mthodes de rgularisation, moindres carrs, estimation par noyau, multi-chelle).
Nous mettrons ensuitelaccent sur des applications en dynamique des po-
pulations. Dans ce cadre de modles dynamiques, nous montrerons alors comment
lassimilation de donnes fournit un cadre cohrent pour la dfinitiondes pro-
blmes. Des liens entre vision statistique et vision analytique seront par ailleurs
tablis.

107
Master 2, Parcours Mathmatiques de la modlisation

Prrequis : Analyse niveau M1


Thmes abords : problmes inverses, mthodes de rgularisation, assimila-
tion de donnes, bruit statistique, dynamique des populations.

5MM03. Mathematical methods in biology (6 ECTS) (1er semestre)


Professeur : B. Perthame
mel : perthame@ann.jussieu.fr
https://www.ljll.math.upmc.fr/~perthame/
Objectifs de lUE : The aim of this course is to present examples of mathe-
matical modeling in the life sciences and to introduce some useful tools for pursuing
studies in this area.
Prrequis : It is better (although not mandatory) to have have some basic
knowledge in ODE and to have followed the basic course in PDE of this master
program.
Thmes abords : Population Dynamics - single species and interaction bet-
ween species. Structured populations.
Reaction kinetics and pharmo-kinetics/pharmo-dynamics.
Reaction-diusion equations and front propagation in Biology. Turing instability.
Cell motion and chemotaxis.

5MM07. Homognisation stochastique (6 ECTS) (2nd semestre)


Professeur-e-s : Antoine Gloria
Objectifs de lUE : Proposer une introduction lhomognisation stochastique
des quations aux drives partielles (EDP). Cette thorie vise approcher une EDP
dont les coecients oscillent rapidement (et de faon alatoire) par une quation aux
drives partielles "moyenne" quivalente.
Prrequis : Il est souhaitable de connatre les bases de la thorie des quations
aux drives partielles dordre 2 (principe du maximum, existence, unicit).
Thmes abords : Nous commencerons par prsenter le cadre gnral de
la thorie ergodique adapte ce type dtude. Puis nous tudierons direntes
applications de ce cadre. Dabord les EDP elliptiques linaires, puis non linaires.
Dautres types dquations (paraboliques ou de transport) seront abordes dans ce
cadre. Enfin, une tude spcifique dans le cas o la structure alatoire est "proche"
dune structure priodique sera prsente.

5.7 Responsables et sites


Le responsable de ce parcours est :
Emmanuel Trlat
et ladresse du site web est http://www.ljll.math.upmc.fr/MathModel/

Secrtariat : Francelise Hardoyal

108
Master 2, Parcours Mathmatiques de la modlisation

mel : francelise.hardoyal@upmc.fr
Campus Jussieu, bureau 15-25, 1.07 - tl. : 01 44 27 51 14

109
Master 2, Parcours Mathmatiques de la modlisation

110
Chapitre 6

Master 2, parcours
Ingnierie mathmatique

6.1 Objectifs et descriptions


Le but de ce parcours qualifi de professionnel est de former des mathmaticiens
appliqus de haut niveau, ayant, outre les qualits associes habituellement une
formation solide en mathmatiques, une relle matrise de loutil informatique, les
rendant aptes intervenir dans le monde de lentreprise ou des services.

6.2 Dbouchs professionnels


Une comptence double et un stage de quatre mois minimum en entreprise
donnent accs des dbouchs varis dans les secteurs utilisant la modlisation,
la simulation numrique, lestimation ou la prvision (R&D dans lindustrie, ESN,
Banque, Assurance). Les meilleurs tudiants peuvent aussi continuer en thse, le plus
souvent en mathmatiques appliques, en milieu universitaire, dans un centre de re-
cherche (comme lIFPen, ONERA, etc.) ou dans lentreprise ou lindustrie (thse
Cifre). Les dbouchs du parcours IFMA (Ingnierie Financire et Modles Ala-
toires) sont plus spcifiquement les banques, les compagnies dassurance et les soci-
ts de services informatiques spcialises dans la gestion des instruments financiers.
La liste des stages eectus ces dernires annes, consultable sur les sites des
formations, atteste de la ralit de linsertion de ce parcours dans ces dirents
secteurs professionnels.

6.3 Organisation
Le master Ingnierie mathmatique propose deux majeures direncies. Chaque
majeure est assez contrainte, et ne permet que peu de choix dans les enseignements
suivis. Les deux majeures ont une structure en UE identique, avec certains ensei-
gnements de probabilits-statistique ou danalyse numrique communs. Un cours
obligatoire dAnglais est galement commun aux deux cursus, il est assur par le
Dpartement de langues qui ore la possibilit dun entrainement au Toeic. Un cycle

111
Master 2, Parcours Ingnierie mathmatique

de confrences hebdomadaires de prsentation de lentreprise par des intervenants


extrieurs est propos pour chaque majeure.
La premire partie de lanne luniversit est structure en trois blocs : un
bloc de base (6 semaines), un bloc fondamental (7 semaines), et un bloc de majeure
(7 semaines). A la fin du premier bloc, une valuation systmatique permet aux
tudiants de se situer, et ce dcoupage permet certaines passerelles entre majeures
ou avec dautres parcours de M2. A la suite de cette priode de formation ( partir
du mois de mars), les tudiants eectuent un stage long en immersion complte en
entreprise ou dans un grand centre de recherche. Une unit dOIP spcifique les aide
prparer cette exprience professionnelle.
Ce parcours permet, pour les tudiants slectionns, de sinscrire dans la filire
Big data et de suivre les complments de formation associs ce certificat.

Majeure MPE

La majeure Mathmatiques Pour lEntreprise (MPE) (ex-Dess de mathmatiques


appliques) est assez encadr. Les tudiants suivent tous des enseignements tho-
riques et pratiques danalyse numrique et calcul scientifique, complts par une
formation en ingnierie mathmatique de lun des deux domaines
mcanique (des fluides et des solides),
probabilits et statistique.
Les units Analyse numrique-calcul scientifique sont donc communes aux deux fi-
lires, elles sont compltes par les units dIngnierie qui sont choisir suivant le
domaine choisi. Les cours TD, TP sont obligatoires au premier semestre (septembre-
fvrier). Les tudiants eectuent des projets dans chaque matire. Un cours din-
formatique scientifique et des travaux pratiques dimplmentation numrique per-
mettent la mise en uvre eective de mthodes numriques (Programmation en
C, C++ et Matlab). Des projets avancs (en C++, calcul parallle, code Saturne,
code_Aster), un projet collaboratif (utilisant le logiciel Freefem++), des cours com-
plmentaires (programmation Java ou Python, VBA, Cuda,..) sont choisis suivant
les filires, ils permettent de conforter le domaine de comptences ou de se prparer
au stage. Un cours obligatoire dAnglais fait partie du cursus.
Lunit dinsertion professionnelle est propose de faon spcifique cette ma-
jeure. Elle permet aux tudiants une meilleure connaissance des dbouchs trs varis
et leur fournit de bons outils dinsertion (rdaction du CV, prparation au stage,
recherche dun premier emploi).
Les tudiants eectuent partir de mars un stage long dau moins quatre mois
(mais le plus souvent six mois) en entreprise. Pendant le stage, ils ne suivent plus de
cours et sont compltement insrs dans lentreprise. Des exposs de mi-stage sont
organiss ainsi quune soutenance finale devant un jury, avec rdaction dun rapport,
ce qui complte leur exprience professionnelle. La brochure des rsums de stage
disponible sur le site de la formation permet de se rendre compte de la varit des
stages eectus par les tudiants.

112
Master 2, Parcours Ingnierie mathmatique

Majeure IFMA
La majeure Ingnierie financire et modles alatoires (IFMA) a t cr en
2006 pour rpondre une demande, les dbouchs dans le secteur bancaire pour
des tudiants forms aux mathmatiques financires tant actuellement trs bons.
Cette majeure a pour objectif de former des ingnieurs mathmaticiens ayant une
triple comptence en calcul stochastique et finance mathmatique, informatique et
statistiques. La majeure prpare lvaluation et la gestion quantitative des risques
alatoires tant du point de lanalyse stochastique que de leur traitement statistique
et numrique.
La prsence tous les cours de la majeure est obligatoire. Aprs les deux cours
de base, les deux units du premier semestre (fin octobre - dcembre) regroupent les
cours fondamentaux de la formation qui permettent dacqurir les outils mathma-
tiques et numriques ncessaires en finance quantitative (finance de march), et
forment la programmation en C++. Lautre unit de spcialisation en program-
mation VBA et sur carte graphique (GPU) complte cette formation. En vue de
faciliter linsertion professionnelle, des cours sont donns par des professionnels de
la finance sur des sujets pointus.
Les tudiants eectuent partir de mars un stage long dau moins quatre mois
(mais le plus souvent six mois) en entreprise. Pendant le stage, ils ne suivent plus
de cours et sont compltement insrs dans lentreprise.

6.4 Publics viss, prrequis


Ce parcours sadresse des titulaires dune premire anne de Master de Math-
matiques (une composante de mathmatiques appliques est souhaite) ou de Mca-
nique (pour la majeure MPE-mcanique), ou de titres quivalents. Pour la majeure
MPE, des connaissances de base en analyse numrique matricielle et des quations
direntielles ordinaires (EDO), et en quations aux drives partielles (EDP) sont
souhaites. La majeure IFMA (Ingnierie Financire et Modles Alatoires) sadresse
des candidats ayant dj une formation en probabilits de niveau M1. Admission
sur dossier (pour chaque majeure).

6.5 Description des UE


Le parcours propose 8 UE scientifiques 6 ects chacune, 3 pour le premier bloc de
base, 3 pour le deuxime bloc fondamental, 2 pour le dernier bloc de spcialisation.
Chaque tudiant suit 2 UE pour le bloc de base, 2 pour le bloc fondamental, 1 pour
le bloc de spcialisation, soit 30 ects. Une UE de spcialisation 3 ects complte la
formation scientifique ; les 27 ects restants correspondent lOIP (3 ects), lAnglais
(3 ects) et le stage (21 ects).
Les UE dIngnierie 1 (5MI001, bloc de base) et Ingnierie 2 (5MI004, bloc fon-
damental) sont communes IFMA et MPE. Elles orent des cours dans les deux
domaines dapplication (probabilits - statistique ou mcanique), le choix de ces
cours et celui des autres UE sont dicts par la majeure choisie (IFMA ou MPE).

113
Master 2, Parcours Ingnierie mathmatique

Units proposes communes aux deux majeures


5MI01. UE - Ingnierie 1 (6 ECTS) (semestre S3, bloc de base)
5MI04. UE - Ingnierie 2 (6 ECTS) (semestre S3, bloc fondamental)
Ces deux units sont constitues de plusieurs petites units choisies parmi les ensei-
gnements suivants, qui peuvent se continuer dune priode lautre.
Modles alatoires
Professeur : Olivier Bardou ; Michle Thieullen
Intervenante extrieure : Tesnim Abdellatif (Ingnieure EDF R&D)
mel : olivier.bardou@gdfsuez.com, michele.thieullen@upmc.fr
Objectifs : Introduire les outils probabilistes ncessaires la modlisation et le
traitement de lincertain dans les problmes rencontrs dans lindustrie (conomtrie,
gestion de stocks, optimisation stochastique, rseaux de tlcommunications).
Prrequis : Notions de base en probabilits, une initiation aux chanes de Mar-
kov est souhaitable.
Thmes abords : Dirents modles Markoviens temps discret et temps
continu, applications aux chanes controles et aux chanes caches, techniques de
simulations. Thorie des extrmes ; mesures de risques ; copules ; PDMP.
Mthodes de Monte-Carlo
Professeur : Vincent Lemaire
mel : vincent.lemaire@upmc.fr
url : http://www.proba.jussieu.fr/~lemaire
Objectifs : Mthodes de Monte-Carlo.
Prrequis : Notions de base en probabilits.
Thmes abords : Gnralits sur les mthodes de Monte-Carlo et Quasi-Monte
Carlo (dirents modes de simulation, rduction de variance, notion de discrpance
et de dimension eective).
Analyse des donnes et modles linaires
Professeur : Elie Aidekon, Nathalie Akakpo
mel : elie.aidekon@upmc.fr, nathalie.akakpo@upmc.fr
Objectifs : Fournir les outils statistiques de lanalyse des donnes multidimen-
sionnelles et de la rgression. Introduction lutilisation de logiciels statistiques.
Prrequis : Probabilits (vecteurs Gaussiens, lois de chi-deux, de Student, etc.),
algbre linaire.
Thmes abords : Modle linaire, analyse en composantes principales, analyse
discriminante, rgression logistique, utilisation de SAS ou du logiciel R.
Sries temporelles et filtrage
Professeur : Jean-Patrick Baudry
mel : jean-patrick.baudry@upmc.fr
Objectifs : Fournir les outils statistiques pour lestimation et la prvision.
Prrequis : Probabilits (vecteurs Gaussiens, lois de chi-deux, de Student, etc.),
algbre linaire.

114
Master 2, Parcours Ingnierie mathmatique

Thmes abords : Vecteurs alatoires du second ordre et vecteurs gaussiens.


Prvision linaire. Modle de Kalman. Sries temporelles et ARMA.

Introduction la mcanique des milieux continus. Mcanique des

fluides. Mcanique des solides.


Professeur : Philippe Druault
Intervenants extrieurs : Mickal Abbas, Emmanuel Boyre, Josselin Delmas (ing-
nieurs-chercheurs EDF - R&D), Julien Waeytens (Charg de recherche IFSTTAR).
mel : philippe.druault@upmc.fr
Objectifs : Apporter les connaissances ncessaires la modlisation, la concep-
tion de programmes, lutilisation et au dveloppement de grands codes de calcul
de mcanique des fluides et des solides.
Prrequis : Il nest pas ncessaire que le cursus suivi comporte une initiation
aux thmes fondamentaux pour la mcanique des milieux continus, solides et fluides.
Thmes abords : Initiation la mcanique des milieux continus : cinmatique,
dformations, eorts intrieurs (approche classique), bilans, lois de conservation.
Mcanique des fluides : phnomnes de diusion, couche limite dynamique et ther-
mique (convection force et naturelle). Notions sur les coulements turbulents : for-
malisme de Reynolds, outils de mesures, simulations numriques, caractrisation des
mouvements tourbillonnaires en coulement turbulent.
Une grande place est rserve aux travaux encadrs sur des sujets applicatifs, par
exemple : refroidissement dune fibre optique, hydrodynamique des filets de pche,
mouvements tourbillonnaires en coulement de couche de mlange plane, reconstruc-
tion-analyse des mouvements tourbillonnaires (krigeage ; Dcomposition Orthogo-
nale aux valeurs Propres, Estimation Stochastique ; ralisation dun projet en Mat-
lab).
Mcanique des solides : formulation thermodynamique des lois de comportement,
mthodes de rsolution de problmes de diusion, de thermo-lasticit linaire, de
viscolasticit linaire et de plasticit parfaite.
Initiation des codes de calcul utiliss dans lindustrie : code_Aster.
5MI09. UE - Programmation (3 ECTS) (semestre S3, bloc spcialisa-
tion)
Programmation avance des outils en bureautique et bases de donnes

(Excel, VBA, SQL)


Intervenant : Jocelyn Rameaux (SGAM)
Objectifs : Assurer une formation applique sur Excel, la programmation en
VBA et SQL et linsertion de routines crites en C++.
Prrequis : Notions de base en C/C++.
Thmes abords : Utilisation dExcel et programmation en Visual Basic. Bases
de donnes, SQL. Intgration dexcutables programms en C++.
GPU
Intervenant : Lokman Abbas-Turki
Objectifs de lUE : Introduire aux techniques de programmation sur carte
graphique.

115
Master 2, Parcours Ingnierie mathmatique

5MOI1. UE - Insertion professionnelle (3 ECTS) (semestre S4, bloc


spcialisation)
Professeurs : Vincent Lemaire, Marie Postel
mel : vincent.lemaire@upmc.fr, marie.postel@upmc.fr
http://www.proba.jussieu.fr/~lemaire/
http://www.ljll.math.upmc.fr/~postel/
Lorganisation de cette UE est partiellement spcifique chaque majeure, dans
le but de mieux cibler les dbouchs respectifs.
Objectifs de lUE en IFMA : Donner aux tudiants une bonne connaissance
des dbouchs de lingnierie financire et les outils leur permettant de sinsrer
rapidement dans le secteur de la finance.
Thmes abords : Les tudiants participeront au sminaire du parcours Pro-
babilits et Finance le vendredi. De plus, des extrieurs interviennent pour apporter
des complments de formation importants pour linsertion professionnelle.
Options de change

Intervenant : Adrien Bourgerie (Analyste - Thomson Reuters)


Gestion de Portefeuille

Intervenants : Simon Maurey (Phitrust Active Investors) et Hassan Malongo


(Crdit Agricole Asset Management)
Thmes abords :
- Classes dactifs et styles de gestion
- Indicateurs de risques
- Mesures de performance : VaR, CVar
- Allocation de Markowitz, constructions de portefeuilles diversifis
- Stratgies dinvestissement : Buy-and-Hold, Constant-Mix, Trend Following
/ Mean reverting
Objectifs de lUE en MPE : Connaissance de lentreprise. Soutien pour la
recherche et la conduite du stage. Construire son projet professionnel.
LUE sarticule autour de cinq ateliers et une confrence entreprise hebdoma-
daire au premier semestre ainsi quune journe mi-stage en mai. Des intervenants
extrieurs apportent une ouverture vers des thmatiques nouvelles (par exemple
traitement du signal, automatique).
Thmes abords : Les dirents mtiers, en particulier dingnieur, et les sec-
teurs, fonctions et profils associs ; la place de ces dirents mtiers dans une entre-
prise.
Enjeux du stage. Identifier les entreprises. Explorer des missions possibles en entre-
prise. Proposer des comptences lentreprise.
CV, lettre de motivation, prparation lentretien. Conseils pour la conduite du
stage. Participation aux vnements proposs par la Mission Relations & Synergies
Entreprises de l UPMC. Les tudiants doivent galement prparer leur participation
lAtrium des mtiers de lUPMC, au Forum Emploi Maths (organis par AMIES,
la SMAI et la SFdS le 13 dcembre 2017).
NXAN1. UE - Anglais (3 ECTS) (semestre S3)

116
Master 2, Parcours Ingnierie mathmatique

Lenseignement est assur par le dpartement de langues (essentiellement en


ligne, quelques ateliers en prsence). Prparation au test Toeic, ou Anglais profes-
sionnel.
5MI20. UE - Stage ingnierie long (21 ECTS) (semestre S4)
Professeurs : Marie Postel et Edwige Godlewski (pour MPE), Lokmane Abbas
Turki et Emmanuel Schertzer (pour IFMA)
mel : marie.postel@upmc.fr, edwige.godlewski@upmc.fr,
lokmane.abbas_turki@upmc.fr, emmanuel.schertzer@upmc.fr
Objectifs de lUE : Cette exprience professionnelle, la premire de cette am-
pleur par la dure et le niveau des tches eectues, est essentielle pour linsertion
ultrieure des tudiants dans le march du travail. Elle est trs valorisante et leur
permet aborder la recherche du premier emploi avec un bagage scientifique et pro-
fessionnel consistant. Pour les tudiants qui eectuent un stage de qualit en centre
de recherche, elle peut ventuellement leur donner la possibilit dobtenir une bourse
de thse pour continuer le travail de recherche applique initi pendant le stage, ou
daborder un travail sur des thmatiques proches dans une autre quipe.
Thmes abords : Immersion totale dans lentreprise, dans un secteur corres-
pondant la majeure suivie : banque, assurance, socits de conseil, SSII, services
de statistiques dans des tablissements divers,...) ou pour la majeure MPE dans un
centre de recherche public (CEA, IFPen, INRIA, ONERA) ou du secteur industriel
(automobile, aronautique, BTP, nergie, tlcom, transport, lectronique,...).
Suivi pdagogique assur par un enseignant de la formation, runion mi-stage
(en MPE), rdaction dun rapport, soutenance ocielle devant un jury compos des
responsables de majeure, denseignants chercheurs concerns et de lencadrant du
stage en entreprise.

Units spcifiques proposes la majeure MPE


5MI03 - UE - Analyse numrique-Calcul scientifique 1 (6 ECTS) (se-
mestre S3, bloc de base)
5MI06 - UE - Analyse numrique-Calcul scientifique 2 (6 ECTS) (se-
mestre S3, bloc fondamental)
Professeurs : Pascal Frey, Edwige Godlewski, Frdric Hecht, Marie Postel,
Franois-Xavier Roux.
Intervenants extrieurs : Max Cerf (ingnieur Airbus Defence & Space), Xavier Ju-
vigny (ingnieur de recherche lOnera)
mel : edwige.godlewski@upmc.fr
Objectifs de ces UE : Donner les bases mathmatiques et informatiques nces-
saires pour la rsolution et la simulation numrique des problmes industriels ou du
monde de lentreprise modliss par des systmes dquations aux drives partielles
(EDP) et pour la rsolution de problmes doptimisation.
Prrequis : Connaissances de bases en analyse numrique (matricielle et ap-
proximation des EDO), connaissance dun langage de programmation, connaissances
de base en approximation des EDP souhaites.

117
Master 2, Parcours Ingnierie mathmatique

Thmes abords : problmes variationnels, analyse numrique des EDP, mtho-


des de discrtisation (dirences finies, lments finis, volumes finis), maillages ; m-
thodes doptimisation (sans et avec contraintes). Langages de programmation et
logiciels pour la simulation numrique (C, C++, Matlab), algorithmique, calcul pa-
rallle, direntiation automatique. Une importance particulire est accorde aux
sances de travaux pratiques et aux projets informatiques (projet doptimisation
avec Matlab ; C, C++, MPI). Rsolution dEDP par des mthodes de type l-
ments finis, rsolution de systmes linaires ou de problmes de valeurs propres,
visualisation graphique (OpenGL/GLUT). Utilisation de bibliothques de calcul
scientifique disponibles sur internet. Installation et utilisation de certains logiciels
du domaine public (ARPACK, UMFPACK, SuperLU, ...), sous Unix.
5MI08 - UE - Calcul scientifique 3 (6 ECTS) (semestre S4 bloc de
spcialisation) Dans cette unit les tudiants devront mener au moins trois projets
longs de calcul scientifique, donnant lieu un rapport crit et une soutenance orale,
choisir parmi
projet calcul parallle ou C++
projet collaboratif (avec freefem++)
projet sur code Saturne,
projet sur code_Aster,
projet en fiabilit.
Projet calcul parallle (semestre S4)
Professeur : Franois-Xavier Roux
mel : francois-xavier.roux@onera.fr
Objectifs : Mener bien un projet de calcul scientifique utilisant le calcul
parallle.
Projet calcul C++ (semestre S4)
Professeur : Frdric Hecht
mel : frederic.hecht@upmc.fr
url : http://www.ljll.math.upmc.fr/~hecht
Prrequis : Des connaissances de base en programmation, notamment en C, et
en analyse numrique des edp.
Thmes abords : Rsolution dEDP par des mthodes de type lments finis,
rsolution de systmes linaires ou de problmes de valeurs propres, visualisation
graphique (OpenGL/GLUT). Installation et utilisation de certains logiciels du do-
maine public (ARPACK, UMFPACK, SuperLU, ...), sous Unix.
Projet collaboratif
Professeur : Frdric Hecht
mel : frederic.hecht@upmc.fr
url : http://www.ljll.math.upmc.fr/~hecht
Objectifs : Mener bien un projet de calcul scientifique collaboratif, ventuelle
ment en lien avec dautres formations de M2 formant au calcul scientifique (une
exprience a dj t mene avec luniversit de Strasbourg), utilisant des outils
de partage de fichiers, sur un sujet en lien avec lindustrie. Ce projet pourrait tre
ralis avec le logiciel Freefem++.

118
Master 2, Parcours Ingnierie mathmatique

Projet code Saturne


Intervenante : Rachida Chakir (Charge de recherche IFSTTAR).
Objectifs : Assurer une initiation un code de calcul de mcanique des fluides,
suivant la nature des besoins, code Saturne ou Fluent (ainsi qu son mailleur as-
soci Gambit), logiciels largement utiliss dans lindustrie. Raliser des simulations
complexe 3D allant de la construction du maillage avec Gambit la rsolution des
quations de la mcanique des fluides puis au post-traitement avec Fluent ou Code
Saturne.
Prrequis : mcanique des fluides, quations de Navier Stokes, schmas numri-
ques.
Thmes abords : Le projet est plus particulirement destin aux tudiants
ayant choisi loption mcanique. La premire partie du cours est consacre une
prsentation gnrale du code (Fluent ou Saturne) travers des exemples 2D ou 3D
lmentaires. La seconde partie consiste en la rdaction dun projet sur un thme
applicatif impliquant la rsolution des quations de Navier Stokes (sous de nombreux
rgimes possibles), par exemple, la simulation dun coulement autour dun vhicule,
autour de btiments, dans une pice, dans des artres, etc.
Projet code_Aster
Intervenants : M. Abbas, E. Boyre, J. Delmas (EDF R&D) Le projet est plus
particulirement destin aux tudiants ayant choisi loption mcanique. Ralisation
dun projet avanc utilisant le code_Aster.
5MI10. UE - Python (ou Java) (3 ECTS) (semestre S3)
Professeur : Nicolas Lantos (ingnieur de recherche lOnera)
Objectifs de lUE : initiation au langage Python (ou Java) et lingnierie
logicielle. Introduction de quelques outils logiciels ncessaires llaboration ecace
de logiciels de qualit.
Prrequis : Connaissances de base en programmation.
Thmes abords : Python (ou java), ingnierie logicielle, gestion de version, en-
vironnement de dveloppement logiciel avanc, programmation oriente objet (POO),
test unitaire.

Units spcifiques proposes la majeure IFMA


5MI02 - UE - Finance 1 (6 ECTS) (semestre S3, bloc de base)
5MI05 - UE - Finance 2 (6 ECTS) (semestre S3, bloc fondamental)
5MI07 - UE - Finance 3 (6 ECTS) (semestre S4, bloc de spcialisation)
Professeurs : Vincent Lemaire, Emmanuel Schertzer
mel : vincent.lemaire@upmc.fr, emmanuel.schertzer@upmc.fr
http://www.proba.jussieu.fr/~lemaire/
Objectifs des UE : Ces UE sont constitues de plusieurs cours : un cours de
calcul stochastique, des cours de mathmatiques financires et finance de march,
lvaluation des risques de march (dans le domaine de lnergie), un cours de m-
thodes Monte-Carlo et un cours de numriques et programmation C++ pour la

119
Master 2, Parcours Ingnierie mathmatique

finance. Les objectifs de ces UE sont de donner les bases thoriques et les outils
ncessaires la pratique et aux mtiers de la finance de march.
Prrequis : Notions de base en probabilits, finance mathmatique et calcul
stochastique.

Calcul stochastique
Professeur : Z. Shi
Objectifs : Introduction au calcul stochastique.
Prrequis : Notions de base en probabilits et martingales temps discret.
Thmes abords : Mouvement brownien, intgrale stochastique, EDS, lemme
dIt et de Girsanov, Feynman-Kac, introduction au contrle stochastique.
Finance : marchs complets
Professeur : Mathieu Rosenbaum
mel : mathieu.rosenbaum@upmc.fr
Thmes abords : Marchs financiers et valuation doptions en marchs com-
plets. Introduction la couverture de produits drivs et la gestion de portefeuille
en marchs complets dans les modles de diusions browniennes, modle de Black-
Scholes gnralis, lien avec les EDP, modles de taux.
Finance : marchs incomplets
Professeur : Emmanuel Schertzer
mel : emmanuel.schertzer@upmc.fr
Thmes abords : Finance avance : gestion du risque et marchs incomplets :
Modles de la courbe des taux, modles de volatilit locale, modles de volatilit sto-
chastique, options exotiques, risque de dfaut, modles de crdit, marchs incomplet.

Mthodes numriques dterministes


Thmes abords : tude des mthodes de rsolution numriques des EDP.
Interprtation du smile en terme de risk
Intervenant : Didier Faivre (Calyon)
mel : didier.faivre@calyon.com
Objectifs : Pratique de lvaluation de produits de taux avance
Prrequis : Modles de taux, calcul stochastique, finance mathmatique
Thmes abords : CMS, nappe de volatilit, smile, mesures de risque.

Commodities et Energy derivatives


Intervenant : Olivier Bardou (Analyste Gdf-Suez et LPMA)
mel : olivier.bardou@gdfsuez.com
Objectifs : Comprendre quels fondamentaux conomiques influencent lvo-
lution des marchs des matires premires, notamment les nergies. Identifier les
risques de marchs auxquels doivent faire face les acteurs. Apprendre construire
des modles de prix pertinents pour la gestion des risques de march. Mettre en
oeuvre des mthodes de pricing pour les actifs physiques et financiers.

120
Master 2, Parcours Ingnierie mathmatique

Prrequis : Les tudiants doivent avoir suivi un cours de processus alatoires


et de mathmatiques financires. Ils doivent connatre les principes de la valorisa-
tion et de la couverture dans le modle de Black-Scholes. Des notions de contrle
stochastique sont un plus.
Thmes abords :
- Prsentation des marchs des matires premires, en particulier des marchs
des nergies
- Modles de diusion pour la dynamique des prix spot et terme des nergies
- Outils de contrle des risques (typologie des risques, mesures de risque)
- Valorisation des produits drivs financiers sur sous-jacent nergie (options
dchange notamment)
- Valorisation des actifs physiques (actifs de production dlectricit, contrats
dapprovisionnement, stockages)
- Similarits et dirences entre les marchs des matires premires et les mar-
chs montaires
Mthodes de Monte-Carlo en finance
Professeur : Vincent Lemaire
mel : vincent.lemaire@upmc.fr
url : http://www.proba.jussieu.fr/~lemaire
Thmes abords : Mthodes de Monte-Carlo pour lvaluation des produits d-
rivs (discrtisation de processus de diusion, approximation de pay-os complexes,
calcul de grecques).
Programmation en C/C++
Professeur : Raphal Roux
Thmes abords : Programmation en C/C++ : syntaxe du C/C++, program-
mation oriente objets, classes, hritage, polymorphisme, redfinition et surcharge,
Standart Template Library, Design Pattern. Programmation de mthodes num-
riques pour les EDP apparaissant en finance et contrle stochastique ; mthode
dvaluation doption par arbres.

6.6 Responsables et sites


Responsable du parcours : Edwige Godlewski
http://www.ljll.math.upmc.fr/IngMath/
Responsables des majeures :
- majeure MPE : Edwige Godlewski et Marie Postel
http://www.ljll.math.upmc.fr/MPE/
- majeure IFMA : Vincent Lemaire et Lokman Abbas-Turki
http://www.proba.jussieu.fr/IFMA/

Secrtariat : Francelise Hardoyal


mel : francelise.hardoyal@upmc.fr
Campus Jussieu, 15-25, 1er tage, bureau 1.07 - tl. : 01 44 27 51 14

121
Master 2, Parcours Ingnierie mathmatique

122
Chapitre 7

Master 2, Parcours
Statistique

7.1 Objectifs et description


Le parcours Statistique du Master vise former des statisticiens par le biais
dune double formation :
thorique, au travers dun enseignement adapt constitu la fois de cours,
travaux dirigs, travaux pratiques et projets ;
applique, dans le cadre dun stage de 6 mois au sein dune entreprise ou dun
laboratoire.
Le parcours Statistique sappuie sur le Laboratoire de Statistique Thorique et
Applique (LSTA) de lUniversit Pierre et Marie Curie, qui constitue son labora-
toire daccueil. Plusieurs autres laboratoires, institutions ou entreprises collaborent
troitement avec la spcialit Statistique, notamment par laccueil dtudiants sta-
giaires.

7.2 Dbouchs professionnels


La spcialit Statistique dbouche principalement sur trois types de parcours :
emplois en entreprise faisant appel des statisticiens ;
thses CIFRE (Conventions Industrielles de Formation par la REcherche) ;
thses acadmiques : Universits, INRIA, INRA, etc.
Dans cette optique, le souci de lquipe pdagogique est dassurer la fois des
dbouchs immdiats pour les tudiants limitant strictement leur scolarit au Mas-
ter, et des dbouchs plus long terme pour ceux qui prvoient de poursuivre en
thse.

Comme en tmoigne le vaste choix de cours proposs, le parcours Statistique dis-


pense une formation adapte au caractre spcifique de cette discipline, qui ncessite
la double exprience du traitement de donnes et la matrise des outils mathma-
tiques correspondants.

123
Master 2, Parcours Statistique

7.3 Organisation
Chaque tudiant concourt pour 60 ECTS annuels qui se dcomposent en :
12 ECTS pour lUE de Mise Niveau, au premier semestre ;
18 ECTS pour lUE de Cours Fondamentaux, au premier semestre ;
6 ECTS pour lUE de Majeure, au second semestre ;
6 ECTS pour lUE dOption, au second semestre ;
18 ECTS pour lUE de Stage, en entreprise ou en milieu acadmique, davril
septembre.
Pour lUE de Majeure, les tudiants ont le choix entre :
majeure data science ;
majeure statistique mathmatique.
Il faut alors slectionner 2 cours dans la majeure choisie. Il faut de plus suivre 2
cours au choix parmi ceux dfinissant lUE dOption 6 ECTS. Le stage doit tre
en conformit avec lobjet de la majeure.
Les examens ont lieu lissue de chaque UE. Des rattrapages sont organiss pour
les tudiants nayant pas obtenu de notes satisfaisantes la premire session. Il ny
a pas de compensation entre les semestres.

7.4 Publics viss, prrequis


Ladmission au sein du parcours Statistique seectue aprs examen du dossier
de candidature par une commission spcifique. Le parcours sadresse :
aux tudiants issus de lUniversit Pierre et Marie Curie ayant valid les
ECTS de premire anne du Master ;
aux tudiants issus de formations de niveau jug quivalent.
Des notes susantes, voire une mention, sont requises dans les matires sui-
vantes : statistique, probabilits et informatique (connaissance dau moins un lan-
gage de programmation, exprience des logiciels, etc.). Des bases solides en algbre
linaire et en analyse sont galement exiges.

7.5 Description des UE


7.5.1 UE de Mise Niveau
LUE de Mise Niveau (5MS31) a lieu au premier semestre et totalise 12 ECTS.
Cours 1 : Statistique mathmatique
Responsable : T. Rebafka
Contact : tabea.rebafka@upmc.fr
url : http://www.proba.jussieu.fr/pageperso/rebafka/
Objectif : rviser les notions de statistique mathmatique.
Prrequis : notions fondamentales de probabilits et statistique.
Thmes abords :

124
Master 2, Parcours Statistique

1. Mthodologie statistique
2. Mthodes classiques destimation
3. Rappels de probabilits
4. Proprits des estimateurs
5. Intervalles de confiance et tests
6. Modle linaire, vecteurs gaussiens, modle linaire gaussien

Cours 2 : Logiciels R et Python


Responsables : A. Guyader et M. Sangnier
Contacts : arnaud.guyader@upmc.fr et maxime.sangnier@upmc.fr
url : http://www.lsta.upmc.fr/guyader.html
url : http://www.lsta.upmc.fr/sangnier/
Objectif : illustrer quelques notions classiques de statistique via R et Python.
Prrequis : notions fondamentales de probabilits et statistique.
Thmes abords :
1. Prise en main de R et Python
2. Jeux de donnes : tude descriptive et reprsentations
3. Intervalles de confiance et tests
4. Rgression linaire, analyse de la variance, rgression logistique

Cours 3 : Complments sur le modle linaire


Responsable : A. Guilloux
Contact : agathe.guilloux@math.cnrs.fr
url : http://www.math-evry.cnrs.fr/members/aguilloux
Objectif : insister sur la pratique du modle linaire, discuter des procdures
de slection de variables, introduire les modles linaires gnraliss. Ce cours sera
illustr par de nombreux travaux pratiques (en R) ainsi que par un challenge en
science des donnes.
Prrequis : notions fondamentales de probabilits et statistique, logiciel R.
Thmes abords :
1. Pratique du modle linaire
2. Slection de variables, rduction de dimension
3. Modles linaires gnraliss

7.5.2 UE de Cours Fondamentaux


LUE de Cours Fondamentaux (5MS32) a lieu au premier semestre et totalise 18
ECTS.
Cours 1 : Apprentissage statistique
Responsable : G. Biau
Contact : gerard.biau@upmc.fr

125
Master 2, Parcours Statistique

url : http://www.lsta.upmc.fr/biau.html
Objectif : prsenter les grands principes de lapprentissage statistique et les pro-
blmatiques lies.
Prrequis : notions fondamentales de probabilits et statistique.
Thmes abords :
1. Introduction au problme de la classification supervise
2. Principe de minimisation du risque empirique, thorie de Vapnik-Chervonenkis
3. Bornes de performance, pertes convexes, slection de modle
4. Classification non paramtrique, thorme de Stone, plus proches voisins,
arbres
5. Classification par rseaux neuronaux
6. Quantification et clustering

Cours 2 : Rduction de dimension et apprentissage non-supervis


Responsable : M. Sangnier
Contact : maxime.sangnier@upmc.fr
url : http://www.lsta.upmc.fr/sangnier/
Objectif : ce cours prsente les principales mthodes dexploration et danalyse
de donnes, de rduction de dimension et dapprentissage non-supervis. Il introduit
aussi les mthodes semi-supervises ainsi quune vision numrique de lapprentissage
supervis. Ce cours sera illustr par de nombreux travaux pratiques (en Python) ainsi
que par un challenge en science des donnes.
Prrequis : notions fondamentales de probabilits et statistique, algbre linaire,
calcul scientifique en Python.
Thmes abords :
1. Rduction de dimension et visualisation de donnes : dcomposition en valeurs
singulires, ACP, MDS, ISOMAP
2. Apprentissage non-supervis : classification hirarchique, K-means, modles
de mlange gaussiens, clustering spectral
3. Apprentissage semi-supervis : induction/transduction, mthodes de faible
densit, de graphes, de varits, changement de reprsentation
4. Apprentissage supervis : algorithmes et approches numriques

Cours 3 : Thormes limites


Responsable : O. Lopez
Contact : olivier.lopez0@upmc.fr
url : https://sites.google.com/site/olivierlopezcrest/
Objectif : acqurir les mthodes fondamentales utilises pour dterminer la conver-
gence et la loi asymptotique destimateurs.
Prrequis : notions fondamentales de probabilits et statistique.
Thmes abords :
1. Fonction de rpartition empirique

126
Master 2, Parcours Statistique

2. Thormes limites fonctionnels


3. Mesures de complexit
4. Application lestimation paramtrique
5. Estimation non-paramtrique
6. Introduction lestimation semi-paramtrique

Cours 4 : Mthodes Monte-Carlo


Responsable : A. Guyader
Contact : arnaud.guyader@upmc.fr
url : http://www.lsta.upmc.fr/guyader.html
Objectif de lUE : prsenter les principales mthodes Monte-Carlo.
Prrequis : notions fondamentales de probabilits et statistique, logiciel R.
Thmes abords :
1. Gnration de variables alatoires
2. Intgration Monte-Carlo
3. Monte-Carlo par Chanes de Markov

7.5.3 UE de Majeure
LUE de Majeure (5MS33) a lieu au second semestre et totalise 6 ECTS.

(A) Majeure Data Science


Cours 1 : Optimisation convexe et traitement de donnes en grande
dimension
Responsable : C. Boyer
Contact : claire.boyer@upmc.fr
Objectif : lobjectif de ce cours est double : illustrer le traitement de donnes en
grande dimension lorsque des donnes sont manquantes par le prisme de lacquisition
compresse et de la compltion de matrice ; acqurir les bases doptimisation convexe.
Ces deux thmes, qui seront abords de concert car intimement lis, ouvrent la
voie de nombreux autres domaines dapprentissage statistique et aux problmes
rencontrs en science des donnes.
Prrequis : notions fondamentales de probabilits, statistique infrentielle et al-
gbre linaire, calcul scientifique en Python.
Thmes abords :
1. Introduction lacquisition compresse et la compltion de matrice
2. Bases danalyse convexe
3. Parcimonie, relaxation convexe et algorithmes primaux
4. Conditions RIP pour lacquisition compresse
5. Dualit et algorithmes duaux

127
Master 2, Parcours Statistique

Cours 2 : Analyse statistique de graphes


Responsables : C. Matias et T. Rebafka
Contacts : catherine.matias@upmc.fr et tabea.rebafka@upmc.fr
url : http://cmatias.perso.math.cnrs.fr/
url : http://www.proba.jussieu.fr/pageperso/rebafka/
Objectif : apprendre manipuler des donnes de type rseaux (sociaux, bio-
logiques, internet, etc.) : stockage informatique, visualisation, analyse statistique,
mthodes de classification.
Prrequis : notions fondamentales de probabilits et statistique, rgression, logi-
ciel R.
Thmes abords :
1. Graphes alatoires et stockage informatique des donnes
2. Statistiques descriptives des rseaux et visualisation des donnes
3. Classification des nuds

Cours 3 : Gestion des donnes


Responsable : O. Schwander
Contact : olivier.schwander@lip6.fr
url : http://www-connex.lip6.fr/~schwander/en/
Objectif : apprendre charger et manipuler des donnes relles, dployer une
chane de traitement telle quutilise en entreprise, comprendre les problmes poss
par la manipulation de donnes dans une application relle. Ces points sont des
prliminaires essentiels lintgration de mthodes statistiques avances dans des
applications relles.
Prrequis : connaissances basiques dun langage de programmation.
Thmes abords :
1. Systmes de gestion des bases de donnes (SQL et noSQL)
2. Business Intelligence (ETL, Data Warehouse, OLAP)
3. Extraction de donnes sur le web

Cours 4 : Rseaux de neurones artificiels


Responsable : A. Valibouze
Contact : annick.valibouze@upmc.fr
url : https://www-apr.lip6.fr/~avb/
Objectif : fondements et principes des rseaux de neurones artificiels, description
des principaux modles jusquaux rseaux profonds et usage de dirents logiciels,
soit ddis soit incluant des fonctionnalits neuronales.
Prrequis : avoir pratiqu au moins un logiciel scientifique (par exemple R).
Thmes abords :
1. Principes gnraux et domaines dapplications
2. Modles classiques
3. Rseaux profonds
4. Logiciels ddis ou incluant des fonctionnalits neuronales

128
Master 2, Parcours Statistique

(B) Majeure Statistique Mathmatique


Cours 1 : Statistique mathmatique pour lanalyse de donnes volu-
mineuses
Responsable : E. Roquain
Contact : etienne.roquain@upmc.fr
url : http://etienne.roquain.free.fr/
Objectif : approfondir les connaissances en statistique mathmatique pour traiter,
notamment, les donnes de grande dimension, dans lesquelles le nombre de variables
est bien plus lev que la taille de lchantillon.
Prrequis : thorie gnrale des probabilits et des processus, notions lmentaires
en statistique mathmatique.
Thmes abords :
1. Estimation : modle linaire gnral, surajustement, slection de modle, es-
timateur Lasso et variantes, validation croise
2. Tests : test multiple gnral, contrle du taux derreur par famille, contrle
du taux de faux positifs, taux de fausses couvertures

Cours 2 : Processus empiriques


Responsable : P. Deheuvels
Contact : pd@ccr.jussieu.fr
url : http://www.lsta.upmc.fr/deheuvels.html
Objectif : introduire la thorie des processus empiriques en vue des applications
statistiques.
Prrequis : notions fondamentales de probabilits et statistique.
Thmes abords :
1. Statistiques dordre et de rang
2. Outils probabilistes et statistiques de base
3. Principes dinvariance et lois limites fonctionnelles
4. Processus empiriques locaux
5. Processus empiriques spciaux
6. Processus empiriques indexs par des fonctions ou des ensembles

Cours 3 : Statistique infrentielle


Responsable : M. Broniatowski
Contact : michel.broniatowski@upmc.fr
url : http://www.lsta.upmc.fr/Broniatowski/
Objectif : approfondir quelques thmes classiques de la statistique infrentielle.
Prrequis : notions fondamentales de probabilits et statistique.
Thmes abords :
1. Exhaustivit, risque, bornes minimax, mthodes classiques
2. Critres statistiques, minimisation de divergences, cadre paramtrique

129
Master 2, Parcours Statistique

3. Robustesse, statistiques direntiables, fonction dinfluence

Cours 4 : Statistique baysienne non paramtrique


Responsable : I. Castillo
Contact : ismael.castillo@upmc.fr
url : http://www.lpma-paris.fr/pageperso/castillo/
Objectif : expliquer lapproche baysienne non-paramtrique. Le paramtre din-
trt est de dimension infinie et on tudie la loi a posteriori baysienne correspon-
dante sous langle de la convergence.
Prrequis : notions fondamentales de probabilits et statistique.
Thmes abords :
1. Loi a priori, loi a posteriori. Cadre gnral dobtention de vitesses de conver-
gence
2. Processus gaussiens, processus de Dirichlet, cascades multiplicatives
3. Forme limite de lois a posteriori : thorme de Bernstein-von Mises, cadres
paramtrique et non-paramtrique

7.5.4 UE dOption
LUE dOption (5MS34) a lieu au second semestre et totalise 6 ECTS.
Cours 1 : Modlisation et statistique baysienne computationnelle
Responsable : N. Bousquet
Contact : nicolas.bousquet@edf.fr
url : http://nbousque.free.fr/research.php.html
Objectif : prsenter dune part les principales mthodologies de modlisation
baysienne appliques des problmes daide la dcision en univers risqu sur des
variables scalaires et fonctionnelles, et dautre part des mthodes avances de calcul
infrentiel permettant lenrichissement de linformation utile, en fonction de lemploi
et de la nature des modles.
Prrequis : notions fondamentales de probabilits et statistique, introduction aux
statistiques baysiennes, mthodes de Monte-Carlo, calcul scientifique en R.
Thmes abords :
1. Formalisation et rsolution de problmes daide la dcision en univers risqu,
reprsentation probabiliste des incertitudes (Cox-Jaynes, de Finetti)
2. Maximum dentropie, familles exponentielles, modlisation par donnes vir-
tuelles
3. Rgles dinvariance, de compatibilit et de cohrence pour les modles bay-
siens
4. Algorithmes de Gibbs via OpenBUGS, MCMC adaptatives, introduction aux
chanes de Markov caches, mthodes de filtrage et approches likelihood-free
(ABC)
5. Modlisation baysienne fonctionnelle, processus gaussiens, calibration par
expriences numriques, critres denrichissement baysiens

130
Master 2, Parcours Statistique

Cours 2 : Modles de dures


Responsable : O. Lopez
Contact : olivier.lopez0@upmc.fr
url : https://sites.google.com/site/olivierlopezcrest/
Objectif : prsenter les spcificits de ltude statistique de variables de dures,
les principales techniques dinfrence statistique dans ce cadre, et leurs applications
en actuariat et biostatistique.
Prrequis : notions fondamentales de probabilits et statistique.
Thmes abords :
1. Spcificits des modles de dure
2. Estimation non-paramtrique
3. Construction de tables de mortalit dexprience
4. Modles paramtriques
5. Modles de rgression
6. Modles de dures multivaris

Cours 3 : Sries temporelles


Responsable : F. Guilloux
Contact : frederic.guilloux@upmc.fr
url : http://www.lsta.upmc.fr/guillouxf.html
Objectif : apprendre modliser et manipuler des donnes dont la structure
est dtermine par les corrlations au cours du temps (donnes mtorologiques,
conomiques, etc.).
Prrequis : notions fondamentales de probabilits, statistique et algbre linaire.
Connaissance basique de R ou Python.
Thmes abords :
1. Stationnarit, structure de corrlation entre les variables
2. Prvision et illustration dans un cadre paramtrique (ARMA)
3. Analyse spectrale, tests, sries multidimensionnelles, modles espaces dtat

Cours 4 : Logiciel SAS


Responsable : S. Michel
Contact : Suzanne.MICHEL@ag2rlamondiale.fr
Objectif : acqurir les principes fondamentaux de lutilisation du logiciel SAS
pour les applications statistiques. Ce cours/TP sarticule autour des formations pro-
digues par lentreprise SAS elle-mme, et est conu de manire prparer ltudiant
la certification SAS Base Programming, ainsi qu une utilisation oprationnelle
de SAS. Lvaluation du cours se fait laide dun projet commun danalyse de
donnes relles, remis sous la forme dun rapport de 30 pages et rdig comme un
compte-rendu professionnel.
Prrequis : notions fondamentales en informatique, probabilits et statistique.
Thmes abords :

131
Master 2, Parcours Statistique

1. Programmation SAS niveau 1 (tape data, bibliothques, log, etc.)


2. Importation, exportation, manipulation et formatage de donnes
3. Production de rapports automatiques
4. Programmation SAS niveau 2 (contrle entres et sorties, rduction et trans-
formation de donnes, etc.)
5. Importation, transformation et restructuration de donnes brutes
6. Techniques de correction de code, programmation itrative
7. SAS SQL et macro-langage
8. Analyses catgorielles, tables de contingence
9. Regression logistique binomiale et multinomiale
10. Choix de modles
11. Analyse de variance et modles linaires

Cours 5 : Anglais (prparation au TOEIC)


Professeur : S. Aji
Contact : sabine.aji@upmc.fr
Objectif : lenseignement de prparation au TOEIC se droule en ligne et com-
porte un contrle continu et un examen terminal. Ce dernier correspond une
preuve TOEIC complte sur table en salle informatise ou en amphi, il a lieu
lissue du premier semestre, avec un score sur 990. Tous les tudiants ayant obtenu
un score suprieur ou gale 785 sur 990 se verront orir le passage de la vritable
preuve du TOEIC par le SIAL-Sorbonne (avril ou mai).

7.5.5 UE de Stage
LUE de Stage (5MS21) totalise 18 ECTS. Celui-ci peut commencer ds la fin
des cours, cest--dire partir de dbut avril, et a une dure de 6 mois. Le sujet de
celui-ci doit tre en accord avec la majeure choisie au Semestre 2.

7.6 Responsables et site


Responsables : Arnaud Guyader (directeur) et Tabea Rebafka (directrice adjointe).
Contacts : arnaud.guyader@upmc.fr et tabea.rebafka@upmc.fr
Secrtariat : Louise Lamart
Contact : louise.lamart@upmc.fr
Tl : 01 44 27 85 62
Fax : 01 44 27 33 42.
Adresse : Universit Pierre et Marie Curie, 4 place Jussieu, Tour 15-25, 2me tage,
75005 Paris.
Site : http://lsta.lpma-paris.fr/

132
Chapitre 8

Certificat Big Data

8.1 Objectifs
Un Certificat Big Data est introduit cette anne dans le master de mathmatiques
de lUPMC pour des tudiants inscrits dans lun des parcours suivantes : Probabilits
et Modles Alatoires, Probabilits et Finances, Mathmatiques de la Modlisation,
Ingnierie Mathmatique, Statistique. Cette formation a pour objectif de donner des
outils mathmatiques pour traiter linformation contenue dans les donnes massives,
la structurer et en tirer des conclusions en adquation avec des modles pr-existants.

8.2 Contexte
La problmatique des donnes massives a merg depuis quelques annes comme
consquence des capacits accrues de capture, de stockage et de vitesses de trans-
mission des informations. Cette problmatique est omniprsente et se rapporte des
types de donnes de formes trs direntes dans des domaines qui peuvent tre lis
des expriences scientifiques comme pour le grand collisionneur de hadrons (LHC)
o le nombre de capteurs peut aller jusqu des centaines de millions dlivrant des
donnes dobservation plusieurs millions de fois par seconde ou bien la description et
transcription du gnome qui pour les humains comporte de lordre de 30 milliards de
paires de base, ou bien les donnes en climatologie, avec la terre comme laboratoire,
ou encore des sondages, la finance haute frquence, analyses de tendances diverses
ou comportement par exemple sur la toile des 2.5 milliards dinternautes dans le
monde. Cette problmatique a pris une identit : la datamasse (o big data en an-
glais) correspondant des critres tels que les trois V initiaux : Volume, Vlocit
et Varit auxquels se sont adjoints la Validit et la Volatilit.
Des programmes de recherche sont monts ici et l pour en trouver des clefs. En
eet, cette quantit de donnes lance dune part un dfi pour les rendre intelligibles
et en tirer de linformation pertinente et dautre part fait rver les scientifiques mais
aussi les commerciaux, sondeurs et industriels ; les besoins et la demande sont donc
normes et ne peuvent quaugmenter. Il serait illusoire de penser quune mthode
universelle rponde ce dfi, mais tous les domaines des sciences sont requis, au
premier rang desquels les mathmatiques et linformatique.

133
Certificat Big Data

Au niveau dune formation fondamentale, le master Mathmatiques et applica-


tions de lUPMC propose dintroduire une formation additionnelle de "Big Data"
sous la forme dun Certificat Big Data pour des tudiants inscrits dans lun des par-
cours suivantes : Probabilits et Modles Alatoires, Probabilits et Finances, Ma-
thmatiques de la Modlisation, Ingnierie Mathmatique, Statistique. La russite
ce certificat "Big Data" reprsentera la validation de connaissances complmentaires
adaptes au traitement des donnes massives et permettant dutiliser au mieux la
solide formation donne par les cours dun des parcours cits ci-dessus et qui chacune
contient des clefs pour rpondre aux problmes poss.
Les tudiant(e)s intress(e)s doivent, en parallle de leur inscription lun des
parcours indiqus ci-dessus, prendre contact avec le responsable du Certificat Big
Data qui les rencontrera pour conseiller les meilleurs cours suivre et valider en
plus de ceux requis pour le parcours.

8.3 Description des UE


Outre les lments denseignement requis par le parcours choisi (o sera privilgi
chaque semestre au moins un cours dans la veine du big data), pour valider cette
filire, les tudiant(e)s devront en plus, pendant la premire priode (jusquau mois
de dcembre)
valider le cours en informatique de P. Gallinari sur lapprentissage statistique,
en suivant les sances de TP du groupe spcifique organis pour la filire. Ce cours
correspond un enseignement de 60h et se termine en janvier.
Pendant la seconde priode (de janvier jusquau stage) les tudiants de ce certi-
ficat devront
suivre le cours spcifique dinformatique cr pour ce Certificat Big Data et
correspondant 9 semaines de 2h,
Les tudiant(e)s devront galement suivre deux cours spcifiques big data
choisis obligatoirement dans les autres parcours (chaque cours correspondant 9
semaines de 2h).

Le stage de M2 devra tre dans la veine du big data. Les tudiant(e)s devront
obligatoirement assister des exposs type sminaire, denviron 5 sances, orients
big data.

8.4 Liste de cours


Choisir 3 cours au second semestre parmi les cours suivants :
G. Biau : Statistique et apprentissage
A. Cohen : Mthode numriques pour les EDP paramtriques et stochastiques en
grandes dimensions
P. L. Combettes : Optimisation convexe et applications au traitement du signal
S. Gaias : Apprentissage Statistique, grande dimension et Big Data
L. Grigori : Calcul haute performance, algorithmes parallles dalgbre linaire
grande chelle, stabilit numrique

134
Certificat Big Data

A. Guilloux : Modles statistiques en grande dimension


B. Michel : Analyse des donnes et infrence topologique
F. Nataf : Mthodes modernes et algorithmes pour le calcul parallle
G. Pags : Algorithmes Stochastiques
B. Wilbertz : Nouveaux outils numriques dterministes et probabilistes pour le Big
Data (calcul parallle, GPGPU, CUDA)

8.5 Responsable et site


Le responsable de cette filire est Yvon Maday maday@ann.jussieu.fr
Le site web apparat comme longlet Filire big data sur le site du master
http://www.master.ufrmath.upmc.fr

135
Certificat Big Data

136
Chapitre 9

Parcours Agrgation de
Mathmatiques

9.1 Objectifs
La prparation lagrgation de mathmatiques a un triple objectif : consoli-
der les connaissances acquises par les tudiants jusquen M1, en couvrant un large
spectre des mathmatiques ; prparer les tudiants passer dans les conditions les
plus favorables le concours de lagrgation externe de mathmatiques ; les former au
mtier denseignant, tant en lyce quen classes prparatoires.
Il sagit dune formation diplmante. Les tudiants qui ne sont pas dj titulaires
dun M2, ou dune quivalence, doivent pouvoir justifier dun tel diplme au moment
des preuves dadmissibilit. Le jury dlibrera susamment tt pour permettre la
dlivrance du Master de sciences et technologies, Mention Mathmatiques et Appli-
cations, parcours Agrgation de Mathmatiques, aux laurats avant la publication
de la liste dadmissibilit lagrgation. Nous recommandons tous les tudiants
qui le souhaitent de sinscrire en Master 2.

9.2 Dbouchs professionnels


Insertion professionnelle
Enseignement des mathmatiques dans les lyces, classes prparatoires, pre-
mires annes de lenseignement suprieur.
Poursuite dtudes
Doctorat : carrire de chercheur dans des entreprises ou de grands organismes
de recherche, carrire universitaire denseignant-chercheur.
Chaque anne, une centaine dagrgs (sur 300) ont un report pour poursuite
dtudes. 75 % des enseignants en Classes Prparatoires sont docteurs en mathma-
tiques.

137
Parcours Agrgation de Mathmatiques

9.3 Organisation
La prparation lagrgation de mathmatiques se droule en un an, en deuxime
anne du Master de Mathmatiques. Elle comprend :
une solide prparation aux preuves dcrit, couvrant lessentiel du programme
dalgbre, de gomtrie et danalyse du concours ; ces cours sont complts par des
travaux dirigs et par des interrogations individuelles (colles) permettant de sassurer
que les notions essentielles ont t bien assimiles ;
une prparation loral, consistant dune part en des cours ou leons prsentes
par les enseignants, dautre part en des leons confies aux tudiants, mais dont le
plan est prpar en concertation avec les enseignants pour en amliorer la qualit ;
une prparation aux options Probabilits et Statistiques (option A), Calcul
Scientifique (option B), Algbre et Calcul formel (option C), Informatique (option
D) partir de la rentre 2017, incluant des travaux pratiques sur ordinateur, et
galement des prsentations de texte confies aux tudiants. En dbut danne uni-
versitaire, une initiation aux logiciels (Scilab pour les options A et B, Sage pour
loption C, python pour loption D) est organise.
lorganisation rgulire dpreuves crites (concours blancs), et doraux blancs,
permettant aux tudiants de se confronter aux conditions relles du concours.

9.4 Publics viss, prrequis


La slection des candidats admis la prparation lagrgation se fait sur dossier.
Une formation solide en mathmatiques, du niveau de la premire anne de Master
de mathmatiques de lUPMC ou dun Capes de mathmatiques est exige.
Nous accueillons galement des tudiants avec un profil plus atypique, que ce soit
des Docteurs, ou des ingnieurs issus des grandes coles, ou simplement des personnes
qui souhaitent se reconvertir dans lenseignement aprs une premire exprience dans
un autre domaine dactivit.

Choix des UE de Master 1


Le choix des Units dEnseignement en Master 1 dpend du projet de ltudiant,
suivant quil envisage ou pas la poursuite dtudes aprs lanne de prparation du
concours.
Il convient de suivre dune part ses gots et dautre part dviter davoir des
lacunes importantes dans un domaine particulier. Nous indiquons dans la liste des
UE de Master 1, celles qui nous semblent particulirement pertinentes.

9.5 Nouveauts en 2017


Stage dt
En 2017, du 3 au 8 juillet, nous organisons avec le service de la formation continue
de lUPMC, un stage dune semaine lintention des tudiants qui ne sortent pas du
cursus habituel : M1 ou M2 de mathmatiques lann prcdente. Il sagit de revoir

138
Parcours Agrgation de Mathmatiques

les notions essentielles de L2 de mathmatiques, qui ne seront pas reprises pendant


lanne de prparation ; de fournir des rfrences bibliographiques permettant de
combler les ventuelles lacunes pendant lt.
Ce stage ne constitue en aucun cas un prlable ladmission la prparation
lagrgation lUPMC. Il est ouvert galement aux tudiants extrieurs lUPMC.
La premire dition de ce stage, en juillet 2016 a t suivie par plus de 50 participants.
Renseignements et inscription ici : Descriptif du stage, Fiche dinscription.

Option D
La prparation loption D (informatique) aura lieu, conjointement avec lUni-
versit Denis Diderot (Paris 7) partir de lanne 2017-2018. Les tudiants intresss
peuvent se signaler ds prsent. lUE algorithmique et complexit peut tre choi-
sie en Master 1, et complte ventuellement par une UE du Master dInformatique
de lUPMC, dans le but de prparer cette option.

9.6 Liste et description des UE du parcours

intitul sem. code vol. ects


Prparation lcrit de Mathmatiques Gnrales 1 5ME01 120-160h 15
Prparation lcrit dAnalyse et Probabilits 1 5ME02 120-160h 15
Prparation loral I 2 5ME03 120h 9
Prparation loral II 2 5ME04 120h 9
Prparation loral doption A, B, C 2 5ME05 100-130h 12
Prparation la leon dInformatique D 2 5ME06 100h 9
Prparation la modlisation option D 2 5ME07 150h 12
Total 600 60

Les cours sont communs tous les tudiants, quils soient dispenss ou non de
la validation du M2.
Les cours reprsentent peu prs 600 heures par an. Huit concours blancs, des
oraux blancs, des colles sont organiss. Lemploi de temps se trouve ici : http:
//agreg.math.upmc.fr/calendrier.html.

9.7 Droulement du concours


Les preuves crites dadmissibil se droulent gnralement la fin du mois de
mars et les preuves orales dadmissibilit la fin du mois de juin.
Les candidats intresss sont invits prendre connaissance des rapports du
Jury de lagrgation de Mathmatiques, qui dcrivent parfaitement les modalits du
concours.

139
Parcours Agrgation de Mathmatiques

Le programme actualis de lagrgation de Mathmatiques est disponible sur le


site de lAgrgation de Mathmatiques.

9.8 Responsable et site


Responsable du parcours Prparation lagrgation :
Pierre-Vincent Kosele (pierre-vincent.koseleff@upmc.fr)
Secrtariat, Couloir 14-15, bureau 202 - Tl : 01 44 27 53 38
Nicole Abrahamian (nicole.abrahamian@upmc.fr)
Site de la prparation lagrgation : http://agreg.math.upmc.fr/
Site du Master de mathmatiques : http://www.master.math.upmc.fr

140
141
Renseignements administratifs

Chapitre 10

Renseignements administratifs
10.1 Services pratiques
Services pratiques
Service de la scolarit centrale :
Paiement des droits universitaires, dlivrance de la carte
dtudiant, dlivrance des diplmes
http://www.upmc.fr/fr/formations/inscriptions_scolarite.html
Btiment A - Rez de Chausse
Universit Pierre et Marie Curie - Service de la Scolarit
4, place Jussieu 75252 Paris cedex 05

Bureau des bourses


Btiment T 2e tage http://www.upmc.fr/fr/vie_des_campus/bourses.html
tel : 01 44 27 33 10

Etudier ltranger
Bureau de la mobilit Tour Zamansky 2e tage http://www.upmc.fr/fr/international/mobilite_etudiante.html
Tl. : + 33 (0)1 44 27 73 49
Fax : + 33 (0)1 44 27 26 80

Accueil et accompagnement des tudiants


handicaps
Relais Handicap Sant Etudiant (RHSE)
BAT 41 Rez-de-chausse - Bote courrier 146 http://www.upmc.fr/fr/vie_des_campus/handicap.html
4, place Jussieu
75252 PARIS CEDEX O5
01 44 27 75 15 & 46 31

Mdecine prventive
Service Inter Universitaire de Mdecine de Prventive et de
promotion de la Sant SIUMPPS http://www.siumpps.com/index.html
15 rue de lcole de Mdecine, escalier G-3e tage
75006 PARIS
01 40 51 10 00

Orientation et insertion SOI.


Btiment K 2e tage http://www.upmc.fr/fr/formations/orientation_insertion/accom
4, Place Jussieu pagnement_etudiants_et_doctorants/preparez_votre_avenir_
75252 Paris cedex 05 avec_le_soi.html
Tel 01 44 27 33 66 ou 39 70

Bibliothques
Section Mathmatiques-Informatique Enseignement
Patio 46-55 niveau Jussieu
4, Place Jussieu
75252 PARIS Cedex 05
Section Mathmatiques-Informatique Recherche
http://www.jubil.upmc.fr/fr/bibliotheques.html
Campus de Jussieu : Patio 15-26. Rez de Chausse (Accs
entre les tours 25-26 niveau Jussieu)
Bote Courrier 258
4 place Jussieu
75252 Paris cedex 05
Tl. : 01 44 27 85 77
142

!
Renseignements administratifs

143
Renseignements administratifs

10.2 Imprims
Services pratiques
Service de la scolarit centrale :
Paiement des droits universitaires, dlivrance de la carte
dtudiant, dlivrance des diplmes
salles Rez de Chausse de lAtrium http://www.upmc.fr/fr/formations/inscriptions_scolarite.html
Universit Pierre et Marie Curie - Service de ladministration
de la Scolarit
4, place Jussieu 75252 Paris cedex 05

Bureau des bourses


Patio 23/34 - B.C. 2400
http://www.upmc.fr/fr/vie_des_campus/social/bourses.html
4, place Jussieu 75005 Paris
tel : 01 44 27 33 10

Etudier ltranger
Bureau de la mobilit Tour Zamansky 2e tage http://www.upmc.fr/fr/international/mobilite_etudiante.html
Tl. : + 33 (0)1 44 27 73 49
Fax : + 33 (0)1 44 27 26 80

Accueil et accompagnement des tudiants


handicaps
Relais Handicap Sant Etudiant (RHSE)
Tour 22-33, niveau Jussieu Bote courrier 146 http://www.upmc.fr/fr/vie_des_campus/handicap.html
4, place Jussieu
75252 PARIS CEDEX O5
01 44 27 75 15 & 46 31

Mdecine prventive
Service Inter Universitaire de Mdecine de Prventive et de
promotion de la Sant SIUMPPS http://www.santetudiant.com/
15 rue de lcole de Mdecine, escalier G-3e tage
75006 PARIS
01 40 51 10 00

Orientation et insertion SOI.


Atrium Barre 54 00 niveau St Bernard
http://www.upmc.fr/fr/formations/orientation_insertion/accom
4, Place Jussieu
pagnement_etudiants_et_doctorants/soi.html
75252 Paris cedex 05
Tel 01 44 27 33 66 ou 39 70

Bibliothques
Section Mathmatiques-Informatique Enseignement
Patio 46-55 niveau Jussieu
4, Place Jussieu
75252 PARIS Cedex 05
Section Mathmatiques-Informatique Recherche
http://www.bupmc.upmc.fr/fr/bibliotheques.html
Campus de Jussieu : Patio 15-26. Rez de Chausse (Accs
entre les tours 25-26 niveau Jussieu)
Bote Courrier 258
4 place Jussieu
75252 Paris cedex 05
Tl. : 01 44 27 85 77

144
Renseignements administratifs

10.3 Scolarit
Responsable administrative Faouzia BESSEDDIK faouzia.besseddik@upmc.fr
du master Tour 14-15 2me tage
bureau 209
Inscriptions administrative Amina HAMADI amina.hamadi@upmc.fr
M1 et M2 tour 14-15, 2me tage
bureau 203
Inscriptions pdagogiques Mathilde BESNARD mathilde.besnard@upmc.fr
M1 tour 14-15, 2me tage
bureau 205
Tl-Science 6 Bruno DEHAINAULT bruno.dehainault@upmc.fr
Formations ouvertes tour 14-15, 2me tage
distance bureau 210
M2 Parcours Nicola ABRAHAMIAN nicole.abrahamian@upmc.fr
Agrgation tour 14-15, 2me tage
bureau 202
M2 Parcours Laurence DREYFUSS laurence.dreyfuss@upmc.fr
Mathmatiques tour 15-25, 1er tage
fondamentales et bureau 109
certificat Big data
M2 Parcours Francelise HARDOYAL francelise.hardoyal@upmc.fr
"Mathmatiques de la tour 15-25, 1er tage
modlisation" et bureau 107
ingnierie
M2 Parcours Louise LAMART louise.lamart@upmc.fr
Statistiques tour 16-26, 1er tage
bureau 108
M2 Parcours Josette SAMAN josette.saman@upmc.fr
"Probabilits et modles tour 15-25, 1er tage
alatoires" et "Probabilits bureau 107
et finance"

10.4 Inscriptions
Les tudiants seront amens eectuer deux types dirents dinscriptions, qui
se font en deux tapes distinctes et successives. Elles sont toutes les deux obligatoires
pour pouvoir se prsenter aux examens.
L inscription administrative : Linscription administrative se fait auprs
de la scolarit de Master. Elle permet la dlivrance de la carte detudiant par
la Scolarit centrale.
Linscription pdagogique : Il sagit du choix du parcours et des uni-
ts denseignements (UE). Elle se fait auprs des secrtariats pdagogiques
de la mention et des direntes spcialits. Elle conditionne linscription aux
examens. Chaque tudiant devra choisir 2 contrats dans lanne, 1 par se-
mestre dexamens. Pour chaque Unit dEnseignement, il est organis 2 ses-

145
Renseignements administratifs

sions dexamen. Pour linscription aux UE du 1er semestre, se munir de la


carte dtudiant et dune photo.

10.5 Inscription au programme dchanges Erasmus-


Socrates
Pendant le cycle du Master, il est possible deectuer une mobilit dans le cadre
du programme dchanges ERASMUS-SOCRATES pour un semestre ou une anne
acadmique. Pour plus dinformations, il convient de sadresser au Bureau de la
mobilit-Campus Jussieu-Tour centrale-2me tage :
http://www.upmc.fr/fr/international/mobilite_etudiante.html
La mobilit peut galement seectuer en dehors de lUnion Europenne (USA,
Japon, Qubec, Amrique latine, etc.) Il convient alors de sadresser alors au Service
des Relations internationales : 01.44 27.73.49,
http://www.upmc.fr/fr/international.html

146
Renseignements administratifs

147
Renseignements administratifs

10.6 Calendrier du master de mathmatiques

10.5 Calendrier du master de mathmatiques

Calendrier 2017-2018 du Master 1 de Mathmatiques

Master 1

1er semestre :

Prsentation du Master : Lundi 11 Septembre 2017, 10h.


Dbut des cours: Lundi 11 Septembre 2017
Dbut des TD: Lundi 18 Septembre 2017
Ateliers OIP :

Vacances de la Toussaint : du Samedi 28 octobre 2017 au Dimanche 5 novembre 2017

Atrium des mtiers: 9 n o v e m b r e 20 1 7 ( 1 0 h 3 0 - 1 6 h 0 0 )

Fin des cours : Vendredi 8 Dcembre 2017


Fin des TD : Vendredi 15 Dcembre 2017

Examens 1re session, 1er semestre: du Lundi 8 Janvier au Vendredi 12 Janvier 2018

Vacances de Noel : du Samedi 23 Dcembre 2017 au Dimanche 7 Janvier 2018

2nd semestre:

Dbut des cours : Lundi 15 Janvier 2018


Dbut des TD : Lundi 22 Janvier 2018
Fin des cours : Vendredi 6 Avril 2018
Fin des TD : Vendredi 13 Avril 2018

Vacances de Printemps du Samedi 14 Avril 2018 au Dimanche 29 Avril 2018

Examens 1re session, 2nd semestre: du Mercredi 02 Mai au Vendredi 18 Mai 2018

Deuxime session d'examen

Examens 2nde session, 1er semestre : du Lundi 28 Mai au Vendredi 1er Juin 2018
Examens 2nde session, 2nd semestre : du Jeudi 7 Juin au Mercredi 20 Juin 2018

Master 2
Les cours dbuteront dbut septembre pour plus dinformation connectez-vous sur les
liens des diffrents parcours 148