Sur le calcul pratique des séries de Puiseux
Géométrie des espaces singuliers
Soit $K$ un corps et $F\in K[x][y]$ un polynôme de degré $d_y$. On supposera dans cet exposé que $K$ est un corps de nombre ou un corps fini de caractéristique $>d_y$. Nous nous intéresserons au calcul des séries de Puiseux, résumant dans les grandes lignes 10 ans de travaux sur le sujet. Après avoir exposé la motivation initiale de ces travaux, nous donnerons les idées de l'algorithme de Newton-Puiseux en présentant les outils via un exemple. La seconde partie sera consacrée à une stratégie modulaire-numérique quand $K$ est un corps de nombres : un précalcul modulo un premier $p$ bien choisi calcule la structure des séries de Puiseux (i.e. les exposants apparaissant dans la série ; en particulier les indices de ramification). Ensuite, on se sert de ces calculs pour calculer une approximation numérique des coefficients. Cette seconde partie sera illustrée en suivant un exemple. Enfin, nous résumerons les avancées sur la complexité de l'algorithme et de différentes variantes introduites. Nous conclurons l'exposé en esquissant les limites de cet algorithme, et une piste pour contourner ces dernières. Ces travaux ont été fait en collaboration avec Marc Rybowicz dans un premier temps, et Martin Weimann plus récemment.
- Accueil
- Annuaire
- Equipes
- Evènements
- Congrès
- Invités
- Séminaires, Groupes de Travail et Colloquium
- Séminaires
- Analyse Complexe et Equations Différentielles
- Analyse Fonctionnelle
- Analyse Numérique et Equations Aux Dérivées Partielles
- Arithmétique
- Formes Automorphes
- Géométrie Algébrique
- Géométrie des espaces singuliers
- Géométrie Dynamique
- Histoire des Mathématiques
- Physique Mathématique
- Probabilités et Statistique
- Singularités et Applications
- Théorie Analytique et Analyse Harmonique
- Topologie
- Colloquium
- Groupes de Travail
- Analyse harmonique et théorie analytique
- Autour des fractales
- Calcul de Malliavin et processus fractionnaires
- Déformations des singularités de surfaces
- Equations aux dérivées partielles
- Extraction du signal
- Fondements mathématiques du deep learning
- Géométrie Non-Archimédienne
- Géométrie Stochastique
- Idéaux de Hodge
- Leçons d'Analyse
- Matrices Aléatoires
- Probabilités
- Statistique et Grande Dimension
- Systèmes Dynamiques
- Topologie
- W-algèbres
- Doctorants et Post-doctorants
- Séminaires
- Soutenances
- Anciens Séminaires et Groupes de Travail
- Formation par la Recherche
- Laboratoire
- Liens utiles
- Projets
- Recrutements
- Services