You are on page 1of 15

Un modle simpli de marche alatoire auto-vitante

Expos de matrise sous la direction de Philippe Marchal


Francois Deberny Nguyen Vu Lan
11 avril 2011
Table des matires
1 Introduction 2
2 Excursions et modle du coin 3
2.1 Excursions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.1.1 Quelques dnitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.1.2 La marche eective . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Modle du coin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2.1 Lemme de la ruine du joueur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2.2 Visite du coin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.3 Le couplage avec le modle du coin . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3 La limite dchelle 11
1
1 Introduction
Nous tenons tout dabord remercier notre encadrant pour le temps quil nous a consacr, ses nombreux
conseils et toutes les corrections quil a apport notre dossier.
En mathmatiques, une marche auto-vitante (SAW) est une squence de mouvements sur un rseau qui
ne visite pas le mme point de plus dune fois. SAW ont dabord t introduite par le chimiste Paul Flory
dans le but de modliser le comportement de polymres. Une question importante concernant des marches
auto-vitantes est lexistence de la limite dchelle lorsque la longueur tend vers linni et la taille du rseau
tend vers zero. Actuellent, la conjecture de Schramn -Loewer dit que la limite dchelle de lauto-vitante est
SLE
8/3
. Dans notre expos on va considrer un modle simpli de marche auto-vitante, pour lequel il est
facile de analyser et obtenir des informations intressantes comme sa limite dchelle. Il sagit chaque instant
t, une direction est autorise si et seulement si la demi droite dans cette direction, partant de la position de
la marche linstant t ne rencontre aucun site dj visit. Plus prcisement, soit la marche. Dans la base
(e
1
, e
2
) de Z
2
une direction e (e
1
, e
2
), est autorise si et seulement si {
t
+ k

e , k > 0}
[0,t]
= .
On avance ensuite en choisissant le pas faire uniformment parmi les directions autorises. On remarque
quil y a toujours au moins deux directions autorises et ainsi la marche est toujours dnie contrairement
2
la marche auto vitante classique. Nous nous sommes astreints comprendre et dmontrer un rsultat issu
dune publication de 2009 due Beara, Velenik et Friedli sur les comportement de la limite dchelle de ce
modle :
Thorme 1 Dans un espace de probabilit convenable, on peut construire une marche prudente , un mou-
vement brownien W et un couple de variables alatoires
1
,
2
valeurs dans {1, 1} telles que > 0 :
lim
t
P(sup
0st

1
t

s
Z
1,2
s/t

2
> ) = 0
avec , pour u [0, 1], :
Z
1,2
u
=
_ 3u
7
0
(
1
1
{W(s)0}
e
1
+
2
1
{W(s)<0}
e
2
)ds (1)
Le mouvement brownien W et les 2 " signes " alatoires
1
,
2
sont indpendants et P(
1
= s,
2
= s

) =
1
4
, pour s, s

{1, 1}
Dans ce thorme, on peut voir que la marche prudente choisit deux directions et alterne une suite de
sauts dans ces deux directions, dont la loi fait intervenir les zros dun mouvement brownien.
2 Excursions et modle du coin
2.1 Excursions
2.1.1 Quelques dnitions
Qualitativement, si lon connait la taille horizontale et verticale de la marche alors on peut trouver les direc-
tions accessibles. On introduit donc :
3
A
t
= {y Z : x Z , (x, y)
[0,t]
}, B
t
= {x Z : y Z , (x, y)
[0,t]
} (2)
Et :
x
min
= min A
t
, y
min
= min B
t
, x
max
= max A
t
, y
max
= max B
t
(3)
Alors la marche linstant t est dans la rectangle R
t
dont le coin en bas gauche est (x
min
, y
min
) et celui
en haut droite est (x
max
, y
max
). Et il est clair que
t
reste toujours sur le bord du rectangle. La taille du
rectangle est dni par : H
t
:=| B
t
| et W
t
:=| A
t
| , en particulier : H
0
= W
0
= 1. On dit que la marche
visite le coin en s {0, .., t} si
s
concide avec un des coins de R
s
. Comme on la vu dans lintroduction,
qualitativement la marche se comporte comme un processus de saut, avec 2 types dexcursions, verticales et
horizontales .
Sans perdre de gnralit, on suppose que le premier pas est dans la direction e
1
, ie
1
= e
1
et donc on peut
dnir par rcurrence la suite de temps alatoires :
T
0
:= 0
U
0
:= inf{t > 0 : H
t
> 1} 1
et pour tout k 0 :
T
k+1
= inf {t > U
k
: W
t
> W
t1
} 1
U
k+1
= inf {t > T
k+1
: H
t
> H
t1
} 1
Les temps T
k
ou U
k
sont les moments o le rectangle augmente de taille. Donc, pendant (T
k
, U
k
], la marche
fait une excursion verticale, note E
v
k
, le long du bord de R
t
, de mme, pendant (U
k
, T
k+1
), elle fait
une excursion horizontale, note E
h
k
. On pose : X
k
:= W
T
k+1
W
T
k
, laccroissement horizontal de E
v
k
, et
Y
k
:= H
T
k+1
W
T
k
, laccroissement vertical de E
h
k
. En particulier, X
k
1 et Y
k
1.
4
2.1.2 La marche eective
On construit la marche eective comme un processus qui a le mme accroissement vertical que lexcursion
et a un dplacement horizontal de longueur 1 . Plus prcisement, soit
1
,
2
, ... des variables alatoires iid
valeur dans Z telles que P(
i
= k) =
1
3
(
1
2
)
|k|
. Soit S
0
= 0, S
n
=
1
+
2
+ ... +
n
. On appelle S
n
la marche
eective et on note
L
le premier moment o S
n
sort de lintervalle [0, L1] :
L
:= inf{n > 0 : S
n
/ [0, L1]}.
Etant donn que dans notre modle, on regarde loin dans une direction pour vrier si elle est accessible, il
sut donc de connatre la taille du rectangle linstant T
k
pour dterminer la taille de lexcursion X
k
:
Lemme 1 Pour tout k 0, m 1,
P(X
k
= m |
[0,T
k
]
) = P(
HT
k
= m) (4)
P(Y
k
= m |
[0,U
k
]
) = P(
WV
k
= m) (5)
Preuve :
Il sut de montrer (4). On peut en fait supposer qu linstant T
k
la marche est au coin en bas gauche.
Conditionnellement lvnement {X
k
= m} {H
T
k
= h}, lexcursion E
v
k
peut tre dcompose sous la
forme (
1
,
2
, ...,
m1
, ), o les
i
sont des sauts lmentaires de longueur l
i
[h +1, h 1] Z et est
un segment vertical de longueur l [h, h] Z, la distance pour que lexcursion atteigne le coin au moment
m. Donc on trouve :
P(X
k
= m |
[0,T
k
]
) =

(1,2,...,m1,)
p(
1
)...p(
m1
)p()
5
o la somme porte sur toutes les possibilits de (
1
,
2
, ...,
m1
, ) avec p(
i
) =
1
3
(
1
2
)
|li|
( daprs la proprit
dauto vitement ). Donc en dualit avec la marche eective avec des accroissements
i
:
p(
1
)...p(
m1
) = P(
1
= l
1
, ...,
m1
= l
m1
)
De plus si l < 0, ie la marche descend linstant m alors :
p() =
1
3
(
1
2
)
|l|
=
1
3

j|l|+1
(
1
2
)
|j|
= P(S
m
< 0 | S
m1
=| l |)
De mme si l 0 :
p() = P(S
m
h | S
m1
= h 1 l)
En rsum :
P(X
k
= m |
[0,T
k
]
) = P(S
1
[0, h 1], ..., S
m1
[0, h 1], S
m
/ [0, h 1])
Do le rsultat .
2.2 Modle du coin
En fait, on va montrer que presque srement, la marche va visiter un seul coin du rectangle une innit
de fois, ce qui va simplier notre modle par passage au modle du coin. Dabord on va voir le lemme de la
ruine du joueur qui porte sur la probabilit de sortir dun intervalle.
2.2.1 Lemme de la ruine du joueur
Pour se donner une ide, on va considrer dabord le cas dune marche simple en dimension 1 :
Lemme 2 On considre une marche alatoire simple en dimension 1 . Soit =

= min{n 0, S
n
0}
alors :
P
1
( > 2n) =
1

n
+ O(
1
n
3
2
)
Preuve : Comme la marche est symtrique on a, k < 2n :
P
1
( = k, S
2n
= x) = P
1
( = k)p
2nk
(x) = P
1
( = k)p
2nk
(x) = P
1
( = k, S
2n
= x)
En sommant de 1 2n on trouve que :
P
1
( 2n, S
2n
= x) = P
1
( 2n, S
2n
= x)
La symtrie implique aussi que
P
1
(S
2n
= x + 2) = P
1
(S
2n
= x)
Comme x 0, P
1
( > 2n, S
2n
= x) = 0 donc :
P
1
( > 2n) =

x>0
P( > 2n, S
2n
= x)
=

x>0
(p
2n
(1, x) p
2n
(1, x)
=

x>0
p
2n
(1, x + 2) p
2n
(1, x)
= p
2n
(0, 0) = 4
n
_
2n
n
_
=
1

n
+ O(
1
n
3
2
)
6
Lemme 3 Soit
r
= inf{n, S
2n
< 0 ou S
2n
> r} alors
c
1
: P(S
r
r)
c1
r
, r > 0
Preuve : Remarque lvnement {S
r
r} = { la marche sort de lintervalle [0, r] par r avant 0 }.
S
n
est une marche simple donc si S
r
< 0 alors :1 S
r
< 0
En plus M
n
= S
min(n,r)
est une martingale borne, donc E[S
r
] = 0. Donc :
0 = E[S
r
] E[S
r
, S
r
r] 1 rP(S
r
r) 1
Do le rsutat.
Le rsultat gnral sur le temps pour perdre et le temps pour gagner est trouv dans le thorme 5.1.7
de [4] :
Thorme 2 On xe K < , , b > 0 et 0 < < 1 et on pose A(K, , b, ) lensemble des distributions sur
X
1
telles que :
E[X
1
] = 0
E[X
2
1
] K
2
P(X
1
1)
inf
n
P(S
1
, .., S
n
2 > n) b
P(S
2
n
n).
Alors pour tout K, , b, , il existe 0 < c
1
< c
2
< tels que X
1
, X
2
, ... sont des variables alatoires iid dont
les distributions sont dans A(K, , b, ) : 0 < x < r :
c
1
x + 1
r
P
x
( > r
2
) c
2
x + 1
r
(6)
c
1
x + 1
r
P
x
(S
r
r) c
2
x + 1
r
(7)
On sintresse au temps pour sortir dun intervalle :
Lemme 4 Il existe c
2
> 0 tel que pour tout L 1, et n c
2
L
4/3
P(
L
n)
c
2

n
(8)
Preuve :
On pose

L
= inf{n > 0 : S
n
L 1}, donc on a :
P(
L
n) = P(

n,

L
n)
= P(

n) P(

n,

L
n)
P(

n) P(

L
n)
Mais on sait daprs (6) que P(

n)
c3

n
pour un certain c
3
> 0. Et daprs lingalit de Doob-
Kolmogorov :
P(

L
< n) P(max
1jn
| S
j
| L)
E[|Sn|
2
]
L
2
=
2n
L
2
7
2.2.2 Visite du coin
On appelle maintenant A
k
lvnement qui consiste ce que la k ieme excursion contienne la diagonale
du rectangle droit qui relie T
k
et U
k
ou la diagonale du rectangle qui relie U
k
et T
k+1
.
On va montrer que pour k assez grand, la taille du rectangle est grande, donc il est dicile pour la marche
de traverser le rectangle.
Thorme 3 Il existe un constant c
1
tel que :
P(A
k
)
c
1
k
4/3
pour k assez grand (9)
En particulier, P(limsup
k
A
k
) = 0, et p.s il ny a quun coin par lequel la marche passe une innit de fois.
Preuve : On va montrer dabord un lemme :
Lemme 5 Il existe c
4
, c
5
tels que :
P(W
T
k
< c
5
k
4/3
) exp(c
4
k
1/3
) (10)
P(H
T
k
< c
5
k
4/3
) exp(c
4
k
1/3
) (11)
Soit m = [k/2]. Comme X
i
1 et Y
i
1 pour tout i, on a alors H
Tj
m, W
Tj
m pour tout j m.
Soit I
j
lindicatrice de lvnement {X
j
c
2
m
4/3
}. Donc, on a pour tout j m :
P(I
j
= 1 |
[0,Tj]
) = P(I
j
= 1 | H
Tj
)
= P(
HT
k
c
2
m
4/3
)
P(
m
c
2
m
4/3
)
c
3/2
2
m
2/3
Soit p = c
3/2
2
m
2/3
, alors les I
j
peuvent tre coupls en des variables de Bernoulli de paramtres p. Donc :
W
T
k
=

k1
j=0
X
j
c
2
m
4/3

k1
j=m
I
j
, do lon trouve :
P(W
T
k
< 2
4/3
c
2
k
4/3
) P(I
j
= 0, j = m, ..., k 1)
(1 p)
m
e
c4k
1/3
On dmontre maintenant le thorme 3, on pose A
v
k
lvnement lors duquel E
v
k
traverse le rectangle qui
passe par T
k
et U
k
. On a :
P(A
v
k
) P(H
T
k
< c
5
k
4/3
) + P(A
v
k
| H
T
k
c
5
k
4/3
)
Le premier terme est trait dans le lemme (5). Le deuxime terme correspond en fait la probabilit pour
que S
n
issue de 0 touche lintervalle [c
5
k
4/3
, +) avant dtre ngative. Donc daprs le lemme 3
P(A
v
k
| H
T
k
c
5
k
4/3
)
c6
k
4/3
Par le lemme de Borel Cantelli, on a P(limsup
k
A
k
) = 0, ie il existe n
0
tel que pour tout k n
0
la marche
ne traverse plus les rectangles et ne fasse que des excursions sur le bord, et comme la marche de dimension
1 est rcurrente alors presque srement la marche prudente passe par un seul coin une innit de fois.
8
2.2.3 Le couplage avec le modle du coin
Par la thorme 3, on peut considrer que la marche alatoire conserve la mme direction et volue tou-
jours le long du ct du rectangle qui entoure la trajectoire R
SW
= {(x, y)Z
2
| x 0, y 0}
Une direction dans la base (

e
1
,

e
2
) est autorise si et seulement si {
t
+ k

e , k > 0} (
[0,t]
R
SW
) = .
On construit alors la marche de cette manire. On peut considrer une de ces trajectoires sur le modle
de la Figure 4. Comme pour , on note respectivement

v
k
et

h
k
les excursions le long des cts verticaux et
horizontaux du rectangle autour de la trajectoire. Celles-ci sont indpendantes car il ny a pas de dpasse-
ments. On peut aussi se ramener aux excursions de la marche prudente partir de

v
k
et

h
k
. On considre
les excursions (

v
k
,

h
k
)
k1
donnes. On peut alors construire les (
v
k
,
h
k
)
k1
comme sur la gure 5. Sil ny
avait pas dpassement alors on ne change pas lexcursion ; sinon on enlve le dbut de lexcursion, jusquau
premier dpassement. Daprs le lemme 1, les excursions modies sont celles de la marche prudente.
9
Soient m
v
k
=
T
k1
(2) min
T
k1
tU
k1
(
t
(2)), m
h
k
=
U
k1
(2) min
U
k1
tT
k
(
t
(1))
o x(1) et x(2) sont les coordonnes dans Z
2
de x. Si m
v
k
> l, soit t
l
, le premier instant tel que T
k1
t
U
k1
et
T
k1
(2)
t
(2) = l + 1, et soit Trunc
l
(

v
k
) la restriction de

v
k
aprs t
l
.
On dnit de mme les notations correspondantes pour les excursions verticales. Posons H
0
= 0 et dnis-
sons :

v
1
=
_

v
1
si m
v
1
H
0
Trunc
H0
(

v
1
) si m
v
1
> H
0
Soit X
0
le dplacement horizontal correspondant
v
1
(cf gure 3), et soit W
0
= X
0
. On pose alors :

h
1
=
_

h
1
si m
h
1
W
0
Trunc
W0
(

h
1
) si m
h
1
> W
0
On dnit de mme par rcurrence (
v
j
,
h
j
)
j=1,..,k
: on pose X
j
le dplacement horizontal pendant lexcursion

v
j
et Y
j
le dplacement vertical pendant lexcursion
h
j
. Soit H
k
= Y
0
+ ... + Y
k1
, et :
10

v
k+1
=
_

v
k+1
si m
v
k
H
k
Trunc
H
k
(

v
k+1
) si m
v
k
> H
k
De mme, soit W
k
= X
0
+ ... + X
k
et :

h
k+1
=
_

h
k+1
si m
h
k
W
k
Trunc
W
k
(

h
k+1
) si m
h
k
> W
k
Par construction, les excursions verticales et horizontales de la marche prudente se succdent. Ainsi, les
(
v
k
,
h
k
)
k1
correspondent exactement aux excursions de la marche alatoire aprs avoir appliqu la bonne
procdure et presque srement
v
k
=
v
k
et
h
k
=
h
k
(sauf pour un nombre ni de k).
Par le thorme, la marche prudente reste dans un seul quadrant et se confond avec la marche du modle
du coin aprs un certain nombre de pas. Par des considrations videntes de symtries, chaque quadrant a
une probabilit 1/4 dtre choisi et lon supposera que le premier quadrant est celui choisi (vnement appel
Q
1
).
Thorme 4 Pour tout > 0, on a :
lim
t
P( sup
{0st}

1
t

s

1
t

s

2
| Q
1
) = 0
Preuve : Toujours daprs le thorme, les 2 processus et adoptent le mme comportement en un
temps ni. A partir de ce moment la distance entre les processus est constante : sup
t0

t

t

1
< . En
renormalisant le rsultat par 1/t on obtient bien le rsultat du Thorme 4.
3 La limite dchelle
Comme on la vu dans le chapitre prcdent , il sut de considrer le modle du coin pour montrer le
thorme 1. Dans ce modle, les excursions horizontales et verticales sont iid de mme loi :P(X = n)
c
n
3/2
.
On sait que un processus stable de lindice 1/2 est une limite en loi dune suite de processus de Poisson
composs avec la mesure v
n
(dx) = c
dx
x
3/2
1
{x1/n}
. De plus, lensemble des zros du mouvement brownien suit
la mme loi que limage de ce processus. Cest en fait lide du thorme suivant :
Thorme 5 Dans un espace de probabilit convenable, on peut construire et un mouvement brownien W
tels que :
lim
t
P(sup
0st

1
t

s
Z
1,1
s/t

2
> ) = 0
(voir le thorme 1 pour la notation )
11
Lide principale est de construire un processus

S associ qui relie au mouvement brownien :
B S

S
Dabord, on associe S, la marche eective dnie en 2.1.2, une suite de temps darrt :
0
= 0 et pour
k Z
0
:

2k+1
= inf{n >
2k
: S
n
< S

2k
}

2k+2
= inf{n >
2k+1
: S
n
> S

2k+1
}
Il est clair que
k+1

k
a la mme distribution que

. On dnit le dpassement comme


0
= 0 , et pour
tout k Z
0
,

2k+1
= 1 (S

2k+1
S

2k
)

2k+2
= +1 (S

2k+2
S

2k+1
)
12
Grce la proprit dabsence de mmoire de la loi gomtrique, pour tout k ,(1)
k+1

k
est une variable
alatoire positive suivant la loi gomtrique de paramtre 1/2. Posons :

S
n
:= S
n
+

j0

j
1
jn
En fait, daprs la dnition de

S , pour tout k on a :

S

2k
= 0 et

S

2k+1
= 1. Donc on peut dcomposer la
trajectoire de

S en 2 types dexcursions : celles issues de 0 -1 et celles de -1 0. En utilisant la procdure
inverse de celle du 2.1.2 sur les excursions de type 1 on construit des excursions verticales de , de mme
pour les excursions de deuxime type on trouve des excursions horizontales de . Et daprs le lemme 1, les
deux processus ont mme loi . Maintenant, on va montrer que la distance entre S et

S nest pas trop grande.
Lemme 6 Pour tout > 0 ,
lim
n
P( max
0kn
| S
k


S
k
| n
1/4+
) = 0 (12)
Preuve : Daprs la dnition de

S, on a : S
k


S
k
=

S
N0(k)

k+1
/2, avec

S
N
:=

N
j=0

i
,

i
=
(
i
+
i+1
)/2 et N
0
(k) := max{j 0 :
j
k}. Il est clair que les variables

i
sont iid et symtriques, en
particulier

S
N
est une martingale. Donc si L := n
1/4+
,
lim
n
P( max
0kn
| S
k


S
k
| n
1/4+
) lim
n
P(max
kn
|

S
N0(k)
| L/2)
lim
n
P( max
jN0(n)
|

S
j
| L/2)
lim
n
P(max
jL
2
|

S
j
| L/2) + lim
n
P(N
0
(n) L
2
)
Le premier terme tend vers 0. Pour le deuxime, vu que P(
1
= n) n
3/2
, on peut montrer que
lim
n
P(N
0
(n) L
2
) = 0. Par exemple, on admet le fait que
S
c
2
c
converge en loi vers une variable alatoire
X positive (qui en fait une distribution stable de lindice 1/2). Et le fait que : {N
0
(n) L
2
} = {S
L
2 < n}
donc :
P(N
0
(n) L
2
) = P(S
L
2 < n) = P(
S
L
2
L
<
1
n
2
) P(X <
1
n
2
)
Donc lim
n
P(N
0
(n) L
2
) = 0 En plus on peut donner des relations plus fortes :
Lemme 7 Soit 1/8 > > 0. Pour tout > 0, on a :
lim
n
P( max
1kn
|
1
n
k

i=1
1
{

Si0}

1
n
k

i=1
1
{Sin
1/4+
}
|> ) = 0 (13)
lim
n
P( max
1kn
|
1
n
k

i=1
1
{

Si<0}

1
n
k

i=1
1
{Si<n
1/4+
}
|> ) = 0 (14)
Preuve : Daprs le thorme local de la limite centrale (voir par exemple chapitre 10 chez Breiman) on a :
E[

n
i=1
1
|Si|<n
1/4+ ] c
7
n
3/4+
Donc :
lim
n
P(

n
i=1
1
|Si|<n
1/4+ n
3/4+2
) = 0
Observons que le signe de S
k
et

S
k
est le mme lorsque | S
k
| n
1/4+
(lemme 6). Or :
P(max
1kn
|
1
n

k
i=1
1
{

Si0}

1
n

k
i=1
1
{Sin
1/4+
}
|> )
13
P(max
n/2kn
|
1
n

k
i=1
1
{

Si0}

1
n

k
i=1
1
{Sin
1/4+
}
|> /2)
En fait, il existe un lien trs fort entre la marche eective S et le mouvement brownien B, que lon peut
voir dans [7] : Dans un espace de probabilit convenable, on peut les construire tous les deux tels que pour
n assez grand :
P(max
kn
| S
k
B
k
|> n
1/4
) e
n
1/4
(15)
ou
2
= 2 est la variance de
i
. Daprs le lemme 6 , pour tout > 0
lim
n
P(max
kn
| S
k
B
k
|> n
1/4+
) = 0 (16)
On peut voir que (16) et (12) sont de la mme forme donc avec la mme mthode on a :
Lemme 8 Soit 1/8 > > 0. Pour tout > 0, on a :
lim
n
P( max
1kn
|
1
n
_
k
0
1
{Bs0}
ds
1
n
k

i=1
1
{Sin
1/4+
}
|> ) = 0 (17)
lim
n
P( max
1kn
|
1
n
_
k
0
1
{Bs<0}
ds
1
n
k

i=1
1
{Si<n
1/4+
}
|> ) = 0 (18)
Posons maintenant :

+
(

S
[0,n]
) =
n

k=0
1
{

S
k
0}
et

S
[0,n]
) = n
+
(

S
[0,n]
)

+
(B
[0,t]
) =
_
t
0
1
{Bs0}
et

(B
[0,t]
) = t
+
(B
[0,t]
)
Avec ces notations on peut dduire des lemmes 4.2 et 4.3 :
> 0, lim
n
P( max
{kn}
|
1
n

+
(B
[0,k]
)
1
n

+
(

S
[0,k]
) |> ) = 0 (19)
Et lon a la mme formule pour

S
[0,k]
) et

(B
[0,k]
).
Posons encore, pour m 0,

m
=
+
(

S
[0,n]
)

e
1
+

S
[0,n]
)

e
2
Z
m
=
+
(B
[0,m]
)

e
1
+

(B
[0,m]
)

e
2
On dduit de (12) que > 0,
lim
n
P( sup
{0mn}

1
n

m

1
n
Z
m

2
> ) = 0
Soit n N, on pose t(n) =

n
i=1
(1+ |

S
i


S
i1
|). t(n) correspond au temps tel que les points

S
n
et
t(n)
concident (cf gure 6).
Lemme 9 Pour tout > 0,
lim
n
P( sup
0mn

1
n

t(m)

1
n

2
> ) = 0
14
Preuve : On utilise le Lemme 4.1 et le fait que pour tout > 0 : max
0kn
| S
k
| n
1/2+
avec une probabilit
tendant vers 1 linni. Il reste expliciter le temps t(n) en fonction de n.
Lemme 10 Pour tout > 0,
lim
n
P( sup
{0mn}
| t(m)
7
3
m |> n) = 0 (20)
Preuve : Sachant que lim
n
P(N
0
(n) n
1/2+
) = 0, pour tout , on a :
lim
n
P(sup
{0mn}
|

m
i=1
|

S
i


S
i1
|

m
i=1
|S
i
S
i1
| |> n)
= lim
n
P(sup
{0mn}
|

m
i=1
|

S
i


S
i1
|

m
i=1
|S
i
S
i1
| |> n, N
0
(n) < n
1/2+
)
et comme
sup
1mn
|
m

i=1
|

S
i


S
i1
|
m

i=1
|S
i
S
i1
| |
N0(n)

i=1
|
i
|
on dduit que :
lim
n
P(sup
{0mn}
|

m
i=1
|

S
i


S
i1
|

m
i=1
|S
i
S
i1
| |> n)
lim
n
P(

n
1/4+
i=1
|
i
| > n) = 0.
Daprs lingalit de Doob-Kolmogorov, et comme E(| S
i
S
i1
|) = E(|
i
|) = 4/3,
lim
n
P(sup
{0mn}
| t(m)
7
3
m |> n)
lim
n
P(sup
{0mn}
|

m
i=1
(1+ | S
i
S
i1
|
7
3
|> n) = 0
En fait, il est plus pertinent dexprimer n en fonction de t : n(t) = inf{n 0, t(n) t}. Cependant,
comme t(n + 1) t(n) =|
n+1
|, on obtient directement du lemme prcdent que
lim
t
P(sup
{0st}
| n(s)
3
7
s |> t) = 0
En rsum on a pour tout > 0
lim
t
P(sup
0st

1
t

s

1
t
Z
3s/7

2
> ) = 0
Or :
1
t
Z
3s/7
=
_
3s/7
0
(1
{Ws0}
e
1
+ 1
{Ws<0}
e
2
)ds = Z
1,1
u
En posant W
u
= B
ut
/

t, on a le rsultat.
Rfrences
[1] V.Beara, S.Friedly, Y.Velenik,Scaling limit of the prudent walk, 2009
[2] J.Komlos, P.Major and G.Tusnady. An approximation of partial sums of independent RVs and the
sample DF.II.Z Wahrscheinlickeiststheorie und Verw. Gebiete, 34(1) :33-58,1976
[3] G.F.Lawler and V.Limic. Symmetic random walk. Preliminary draft.
[4] Leo Breiman, Probability, Classics in Applied Mathematics,1992
15

You might also like