Professional Documents
Culture Documents
Rhodes Rmi
14 mars 2009
Introduction
Quelques rappels
2.1
2.2
10
11
3.1
Thorme ergodique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
12
3.2
15
3.3
Homognisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
3.4
19
25
4.1
26
4.2
27
4.3
31
4.4
Homognisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
32
Chapitre 1
Introduction
intro
Pour pouvoir tudier les phnomnes physiques intervenant dans la nature, on a tout dabord
besoin dun modle permettant de dterminer les quations rgissant ces phnomnes, et ensuite
on a besoin de pouvoir calculer (numriquement) les solutions de ces quations. Or, il arrive
parfois que la puissance de calcul dont on dispose ne soit pas suffisante, non pas en raison dalgorithmes de calcul peu labors mais en raison de la complexit intrinsque du problme, par
exemple lorsque le milieu dans lequel le phnomne physique est tudie prsente lui-mme une
trs grande complexit.
Le but de la thorie de lhomognisation est dobtenir une approximation homogne (simple)
dun milieu dcrit par des proprits microscopiques supposes trs htrognes. Les champs
dapplication sont varis : tude des sous-sols (diffusion du ptrole en milieu poreux), proprits
des matriaux composites, matriaux cramiques, matriaux supraconducteurs suprafilamentaires,
tude de polymres...
Par exemple, ltude dune diffusion de la chaleur dans ces milieux l, va se modliser de la
faon suivante :
x
1
u (t, x)
t u (t, x) = divx a
2
avec une condition initiale donne du type u (0, x) = f (x). Le paramtre est introduit pour
rendre compte de la petite taille des htrognits du milieu. Pour trouver une approximation de
la solution u , lobjectif est donc de faire tendre vers 0 et didentifier une ventuelle limite.
La formule de Feynamann-Kac donne la relation entre le point de vue analytique et lapproche
probabiliste :
u (t, x) = Ex [f (Xt )]
5
CHAPITRE 1. INTRODUCTION
1
=x+
Z
0
X
b r dr +
Xr
dBr .
(1.1) EDS:intr
Z
b(Xr ) dr +
(Xr ) dBr .
0
(1.2) EDS1:int
(Xr ) dBr
b(Xr ) dr +
Xt/2 =
1
=
t/2
Z
0
Xr/2
b
dr +
Xr/2
dBr
o B est le mouvement brownien dfini par Bt = Bt/2 . Ainsi Xt/2 (partant de 0) est solution
de la mme EDS que le processus X (partant de 0). Daprs le thorme dunicit en loi des
loi
solutions des EDS, on doit avoir Xt/2 = X . Pour tudier la limite du processus X EDS1:intro
, il suffit
donc dtudier la limite en loi du processus Xt/2 , o X est la solution de lEDS (1.2). Ces
thormes sont appels limites dchelle. Ce sont ces types de rsultats que nous allons tudier par
la suite.
CHAPITRE 1. INTRODUCTION
Chapitre 2
Quelques rappels
2.1
p.s.
Remarque : Rd peut tre remplac par nimporte quel espace mtrique sparable complet. Dautre
part, cette notion concide avec celle des chanes de Markov si lespace des temps est discret.
A chaque processus de Markov X, on peut associer une famille doprateur (Ts,t ; 0 s
t < +) de Bb (Rd ) dans lespace de Banach des fonctions bornes sur Rd muni de la norme
uniforme en posant :
f Bb (Rd ) et x Rd ,
On dit que le processus X est normal si Ts,t (Bb (Rd )) Bb (Rd ) pour tous 0 s t < +.
Proposition 2.2. Si X est un processus de Markov normal, alors :
9
10
2.2
On commence par prciser lespace (et sa topologie) dans lequel on souhaiterait tablir la
convergence des processus stochastiques. En ce qui concerne les processus trajectoires continus,
on utilise gnralement lespace C([0, T ]; R) de la topologie de la convergence uniforme :
f C([0, T ]; R),
kf k = sup |f (t)|.
0tT
Cest un espace de Banach. Tout processus alatoire dfini sur un espace probabilis (, F, P)
trajectoires continues peut tre considr comme une variable alatoire valeurs dans C([0, T ]; R) :
X:
C([0, T ]; R)
7 t [0, T ] 7 Xt () .
Proposition 2.3. Deux variables alatoires X et X 0 valeurs dans C([0, T ]; R) ayant mme loi
finies-dimensionnelles ont mme loi.
On donne maintenant des critres de tension pour les variables alatoires valeurs dans C([0, T ]; R).
Le thorme dAscoli permet de dcrire les compacts de C([0, T ]; R). On obtient ainsi le critre :
Proposition 2.4. Pour quune suite de variables alatoires (Xn )n valeurs dans C([0, T ]; R) soit
tendue, il faut et il suffit que :
(2.1)
R > 0, lim sup sup P sup |Xtn | > R = 0,
R nN
0tT
(2.2)
> 0, lim sup sup P sup |Xtn Xsn | > = 0.
0
nN
0s,tT
|ts|
Chapitre 3
Homognisation des structures
priodiques
On commence par ltude dune diffusion en milieu priodique. Soit : R R une fonction 1
priodique.
Pour simplifier, on suppose Cb (R). On pose a(x) = 2 (x), b(x) = 12 a0 (x) (voir
intro
Chapitre 1 pour les motivations) et on suppose que pour toute M > 0
x R,
M 1 a(x) M.
(3.1) EDS
12
EDP Thorme 3.1. Il existe une fonction positive p(t, x, y), appele fonction de Green, satisfaisant :
Z
=
4. p satisfait lquation
t p = Lp.
5. de plus, il existe une constante C telle que
|y x|2
.
p(t, x, y) Ct1/2 exp
Ct
En particulier, pour toute fonction continue et borne f sur R, la fonction Pt f (x) = E[f (Xtx )]
est de classe C sur R+ R R et satisfait lquation
t Pt f (x) = LPt f (x),
3.1
P0 f (x) = f (x).
Thorme ergodique
On note Lpper (R) (pour p [1, +[) lespace des fonctions 1-priodique dont la puissance
p-ime est localement intgrable, et pour f Lpper (R)
Z
1/p
p
kf kp =
|f (x)| dx
.
[0,1]
on a :
kf m(f )k2 P kf 0 k2
o m(f ) =
R
[0,1]
f (x)dx.
13
f 0 (r)dr.
f (x) f (y) =
x
Z
f (x) m(f ) =
[0,1]
f 0 (r)dr dy,
do
Z
|f (x) m(f )| =
Z
[0,1]
2 Z
f (r)dr dy
[0,1]
|f 0 (r)|2 drdy
|y x|
x
[0,1]
2
f (r)dr dy
0
|f 0 (r)|2 dr.
Z
x
sup E[f (Xt )]
xR
[0,1]
f (x)dx Cet kf k1 .
On note
g(t) =
[0,1]
On a :
Z
t g(t) =t
Z
=2
(Pt f (x)) dx = 2
Pt f (x)t Pt f (x)dx
Z
Pt f (x)LPt f (x)dx =
Pt f (x)x a(x)x Pt f (x) dx
[0,1]
[0,1]
Z
Z
1
=
x Pt f (x)a(x)x Pt f (x)dx M
|x Pt f (x)|2 dx
[0,1]
[0,1]
Z
(M P )1
|Pt f (x)|2 dx = (M P )1 g(t).
[0,1]
[0,1]
[0,1]
14
R
On en dduit g(t) g(0) exp (M P )1 t avec g(0) = [0,1] f (x)2 dx. On pose 0 = (M P )1 /2.
Pour conclure, on utilise que supxR |P1 f (x)| Ckf k2 et kP1 f k2 Ckf k1 (voir le lemme
ci-dessous). On en dduit :
0
sup E[f (Xtx )] m(f ) CkPt1 f m(f )k2 Ce (t1) kP1 f m(f )k2
x[0,1]
C 0 e t kf k1 .
f (y)g(x, y)dy,
Z
f (y)p(1, x, y)dy
R
[0,1]
o g(x, y) =
kZ
M exp
|yx+k|2
.
M
h Z
sup E 2
x[0,1]
t/2
f (Xrx ) dr
Z
t
[0,1]
2 i
f (x)dx 0,
quand 0.
15
En consquence,
h Z
sup E 2
x[0,1]
t/2
2 i
f (Xrx ) dr
quand 0.
Remarque : soit Yt = Xtx [mod 1]. On peut montrer que Y est un processus de Markov valeurs
dans le tore R/Z. Le rsultat prcdent permet galement de montrer que la mesure de Lebesgue
sur le tore est invariante (et ergodique) pour Y .
3.2
[0,1]
On voit donc que ncessairement, on doit avoir [0,1] h(x)dx = 0. A laide du principe du maximum et de lalternative de Fredholm, on pourrait montrer que cest une condition ncessaire et
suffisante pour avoir des solutions.
16
Nous allons choisir une approche diffrente, celle des approximations. Pour tout > 0, on
dfinit u comme tant la solution de lquation
u Lu = b.
(3.2) correct
Le fait de rajouter de la coercivit (le terme u ) permet de rsoudre assez simplement cette
quation et de montrer quelle est rgulire, i.e. de classe gilbarg
C 2 (en fait, on peut montrer quelle est
C ). On peut trouver la preuve de tous ces rsultats dans [5].
On peut galement montrer que u admet une reprsentation probabiliste :
Proposition 3.6. Pour tout > 0, on a
Z
Z
r
e Pr f (x)dr =
u (x) =
lorsque t .
[0,1]
Rt
Pour les mmes raisons, lintgrale 0 er b(Xrx )dr converge lorsque t . On obtient ainsi
i Z
hZ
r
x
er E[b(Xrx )]dr.
e b(Xr )dr =
u (x) = E
0
correct
Le rajout du terme u dans lquation (3.2) permet de rsoudre plus facilement cette quation.
Toutefois, lobjectif premier
tait de rsoudre Lu = b. Il reste donc dterminer
si lon peut
correct
expdecay
passer la limite dans (3.2) pour 0. Dans notre cas, la proposition 3.3 va nous permettre
de montrer que le terme u tend vers 0 dans un sens assez fort. Il faut bien comprendre que la
facilit avec laquelle tout ceci va marcher est typique du tore (ou des espaces compacts). Cette
analyse peut savrer bien plus ardue dans des contextes plus gnraux.
17
R
1. u u(x) = 0 E[f (Xrx )] dr uniformment par rapport x [0, 1]. En particulier
supx[0,1] |u (x)| 0 (unif. /x).
2. u0 u0 dans L2 ([0, 1]).
3. Lu (x) b(x) uniformment par rapport x.
expdecay
u (x) =
E[b(Xrx )]dr
u(x) =
E[b(Xrx )]dr
lorsque 0 uniformment par rapport x [0, 1]. De cela on dduit galement que
sup |u (x)| 0.
x[0,1]
De plus, comme Lu (x) + b(x) = u (x), il est clair que Lu (x) + b(x) 0 unif. /x.
2
(R), en intIl reste donc tudier la convergence des drives. Pour toute fonction Cper
grant par parties la relation :
Z
Z
Z
bdx,
Lu dx =
u dx
[0,1]
[0,1]
[0,1]
on obtient
Z
1
u dx +
2
[0,1]
Z
[0,1]
u0 a0 dx
Z
bdx.
=
[0,1]
18
Z t
h Z t
2 i
x
0
0,
u0 (Xrx ) dBr
lim E
u (Xr ) dBr
quand 0.
expdecay
Vu la proposition 3.3, on a :
i Z t
hZ t
0 2
x
0
E a(u0 u0 )2 (Xrx ) dr
E
a(u u ) (Xr ) dr =
0
Z0 t h Z
i
a(u0 u0 )2 dx + Cka(u0 u0 )2 k1 er dr
0
[0,1]
3.3
Homognisation
therg
Lide est dutiliser le corollaire 3.5 pour passer la limite dans lquation prcdente. Toutefois,
R t/2
il apparat clair que les fluctuations du terme 0 b(Xr0 ) dr ne sont pas contrlables laide du
R t/2
therg
corollaire 3.5 (il faudrait avoir 2 0 b(Xr0 ) dr). Il faut, en fait, exploiter le fait que le terme b est
de moyenne nulle, et montrer que la contribution de ces fluctuations
se rsument une intgrale
correct
brownienne. Pour cela, on introduit la solution u de lquation (3.2). Comme u C 2 (R), on
peut appliquer la formule dIt :
Z t
Z t
u (Xt ) = u (0) +
Lu (Xr ) dr +
(Xr ) dBr .
0
EDS
19
do
Z
t/2
Z
u (Xr ) dr +
cvmart
t/2
(1 + u0 )(Xr ) dBr .
En utilisant les lemmes 3.7 et 3.8, on peut passer la limite quand 0 dans lquation ci-dessus
pour obtenir :
Z t/2
(1 + u0 )(Xr ) dBr .
Xt/2 + u(Xt/2 ) = u(0) +
0
quand 0.
0tT
Il reste tudier lintgrale brownienne. La prochaine section montre que la famille de martingales
(indexe par )
Z t/2
(1 + u0 )(Xr ) dBr
0
t ; t 0}, o {B
t ; t 0} est un mouvement
converge en loi vers un mouvement brownien {A1/2 B
brownien standard et
Z
A=
(1 + u0 (x))2 a(x)dx.
[0,1]
3.4
Nous allons nous placer dans un cadre un peu plus gnral et supposer que nous disposons
dune famille ( ) dlments de L2 ([0, T ]; R). On considre alors, pour > 0 et t [0, T ],
lintgrale
Z
t
Mt =
r dBr .
Pour > 0 fix, presque srement, les processus {Mt ; t [0, T ]} sont des martingales continues
RT
de carr intgrable. On suppose sup>0 E 0 (r )2 dr < +
20
Alors la famille de martingales {Mt ; t [0, T ]} converge en loi dans lespace des processus
valeurs dans C([0, T ]; R) vers un mouvement brownien centr de matrice de covariance A.
Preuve. Nous allons procder en plusieurs tapes :
) une famille de martingales telle que :
estro Lemme 3.11. Soit (M
R
t = t r dr pour tout t T ,
1) M
0
Rt 2
2) s t s + , s (
)r dr Q.
Pour tout s T , R > 0 et 0, on a :
R2
P sup |Mt Ms | R 2 exp
.
2Q
sts+
estro
Preuve du lemme 3.11. Fixons s T . Pour tout > 0 on dfinit la martingale exponentielle
Z
2 t 2
( ) dr .
Ys,t = exp (Mt Ms )
2 s r
Daprs lingalit de Doob :
2
2
P sup Ys,t
eR Q/2 eR+ Q/2 .
sts+
Comme
Rt
s
(r )2 dr Q on en dduit :
2
Do
P
sts+
sup
sts+
(Mt
Ms )
2 Q/2
R eR+
21
lim lim sup P sup |Mt | > R = 0.
R+
>0
(3.3) ro1
t[0,T ]
tensionR
| R 2 exp
sup |M
t
0tT
R2
.
2T (A + 1)
Puis
P sup |Mt | > R P sup |Mt | > R; A > T + P A T
t[0,T ]
t[0,T ]
A
=P sup |Mt
> T + P A T
A | > R;
t[0,T ]
A
P sup |Mt
T
A| > R + P
t[0,T ]
R2
2 exp
+P
2(A + 1)
t[0,T ]
R2
.
2T (A + 1)
>0
sup |Mt Ms | > = 0.
|ts|
(3.4) ro1
22
Preuve du lemme 3.13. Pour commencer, fixons s [0, T ] et > 0. On dfinit le temps darrt :
Z
r dr > (A + 1)}.
= inf{t s;
s
M
| 2 exp
sup |M
t
s
sts+
2
.
2(A + 1)
Puis
P sup |Mt Ms | P
sup |Mt Ms | ; A > s + + P A s +
sts+
A
=P sup |Mt
> s + + P A s +
A Ms A | ;
sts+
sts+
2
2 exp
+ P A s +
2(A + 1)
Z s+
2
+P
2 exp
(r )2r dr > (A + 1)
2(A + 1)
s
Vu lhypothse (CV), on en dduit :
lim sup P sup |Mt Ms | 2 exp
>0
sts+
2
.
2(A + 1)
sup
|ts|
|Mt
Ms |
N
1
[
sup |Mt Mti | > /3
i=0
sup |Ms Mti | > /3 .
t[ti ;ti+1 ]
23
Do
lim sup P
>0
sup
|ts|
|Mt
Ms |
N
1
X
i=0
lim sup P
>0
sup |Ms Mti | > /3
t[ti ;ti+1 ]
2E(T /) exp
2
2(A + 1)
Les lemmes 3.12 et 3.13 montrent que la famille (M ) est endue dans C([0; T ]; R).
un processus continu qui soit limite en loi dune sous-famille de (M ) .
mart Lemme 3.14. Soit M
est une martingale.
Alors M
mart
un processus continu qui soit limite en loi dune sous-famille de
Preuve du lemme 3.14. Soit M
(M ) , encore indexe par . Donc : C([0, T ]; R) R continue borne, on a
e [(M )] E (M
) quand 0.
E
Comme les martingales sont de carr uniformment intgrable, il est facile de voir que
t2 < .
E sup M
0tT
/2 s (r ) dr
s
t
> 0, E e
(Mrn , . . . , Mr1 ) = E e
(Mrn , . . . , Mr1 ) .
Donc en passant la limite quand 0 :
h
i
h
i
rn , . . . , M
r1 ) = E e2 /2A(ts) (M
rn , . . . , M
r1 ) .
E ei(Mt Ms ) (M
u ; 0 u t), on a ainsi montr que M
est une G-martingale continue de
Si lon dfinit Gt = (M
carr intgrable telle que
h
i
t M
s +2 /2A(ts))
i(M
E e
|Gs = 0.
Cest donc un mouvement brownien centr de variance A.
24
Chapitre 4
Homognisation des structures alatoires
Notre modle pour le milieu alatoire consiste en un espace de probabilit (, G, ) sur lequel
est dfini un groupe de transformations (x )xRd (d 1) agissant sur de telle sorte que :
RH Dfinition 4.1. Milieu alatoire
H.1 (x A) = (A), A G, x Rd ;
H.2 Si x Rd , x A = A, alors (A) = 0 ou 1.
H.3 Pour toute application mesurable f dfinie sur , lapplication (x, ) 7 f (x ) est (Rd
; Bd G)-mesurable.
H.4 f L2 (, G, ), > 0,
(|f (x ) f ()| ) 0, quand |x| 0.
On notera M lesprance par rapport la mesure , cest--dire
Z
M[f ] =
f d
pour toute function f -intgrable. A chaque variable alatoire f dfinie sur (, G, ), on associe
le champ alatoire stationnaire f qui est une fonction mesurable dfinie sur (Rd ; Bd G) par :
f (x, ) = f (x )
Les transformations dfinissent un groupe (Tx )xRd doprateurs unitaires sur L2 (, G, ) par
Tx (f )() = f (x ).
25
26
Vu lhypothse 4.1 (H.4), ce groupe est fortement continu. Si (e1 , . . . , ed ) dsigne une base orthonormale de Rd , on dfinit les oprateurs de drivation :
Di f = lim
h0
Thei (f ) f
,
h
,i
xi
4
On remarque aussi que si (x) = (x), alors
(g, f ) = (f , g ).
4.1
b (Xs , ) ds +
(Xs , ) dBs
Xt = x +
0
(4.1) diffusio
o {Bt ; t 0} est un mouvement brownien standard dfini sur un espace de probabilit (0 , F, P),
et les coefficients b(x, ), (x, ) sont des champs alatoires stationnaires dfinis sur (, G, ), de
telle sorte que tout soit dfini sur lespace produit ( 0 ; G F, P) (le mouvement brownien
et le milieu sont indpendants). Plus prcisment, il existe b : Rd et : Rdd tels que
b(x, ) = b(x ) et (x, ) = (x ). Pour simplifier, on suppose que b et sont dans C.
27
Prcisons les hypothses sur les coefficients. Soit a() = (). a est donc valeurs dans
lensemble des matrices carres de taille d d symtriques et semi-dfinies positives.
On suppose de plus que pour 1 i d,
d
bi () =
1X
Dj aij ().
2 j=1
d
d
X
2
1X
aij (x, )
+
bi (x, )
=
2 i,j=1
xi xj
xi
i=1
d
1X
=
.
aij (x, )
2 i,j=1 xi
xj
unif Hypothse 4.2. On suppose que la matrice a vrifie une condition duniforme ellipticit, cest--
(4.2) eq:unif
4.2
poisson
Dans ce qui suit, la norme |.|2 dsignera la norme associe lespace L2 (, ) et (., .)2 le produit scalaire correspondant. On considre le sous-ensemble C de L2 (, G, ) dfini prcdemment
et on introduit la forme bilinaire suivante
1
(4.3)
, C, B(, ) = (D, aD)2 .
2
Lhypothse duniforme ellipticit assure que le noyau de la semi-norme associe, note aussi
kk1 = (B(, ))1/2 , est uniquement constitu des fonctions constantes. On note H1 la fermeture de C quotiente par les constantes pour cette norme, cest un espace de Hilbert. La norme
duale correspondante est donne par
khk1 = inf C 0; f C, (f , h)2 CB(f , f )1/2 .
28
On remarque que kgk1 < M[g] = 0. En fait, contrairement au cas du tore, on ne dispose
plus de lingalit de Poincarr. On est donc amen distinguer les fonctions sur qui vrifient
lingalit prcdente, celle-ci faisant office "dingalit de Poincar" sur le milieu alatoire.
On note F la fermeture de C pour la norme associe la forme bilinaire suivante :
(, ) = (, )2 + B(, ).
Cest galement un espace de Hilbert. Pour > 0, et , C on dfinit
B (, ) = (, )2 + B(, )2
(4.4) forbil
et il vient
|B (, )| M
p
(, )(, ).
Ainsi on peut prolonger B en une forme bilinaire continue dfinie sur F. Dautre part, C
on a
|B (, )| min(1, )(, )
ce qui signifie que B est coercive. Le thorme de Lax-Milgram permet alors de construire une
rsolvante fortement continue G sur L2 (), de gnrateur loprateur L dfini sur C par
C,
L =
1X
Di (aij Dj )
2 i,j
(4.5) resolven
29
resolvent
(4.6)
do
|ui |22 + kui k21 kbi k21 .
(4.7) major
major
Vu (4.7), il existe une sous-suite (n )n 0 telle que Duin converge faiblement vers i
L2
(4.8) limeqc
Cette relation garantit lunicit de la limite faible. Donc toute la famille (Dui ) converge faiblement vers i L2 (; Rd ). Il reste tablir la convergence forte. On a :
|ui |22 +(1/2)(a(Dui i ), Dui i )2
=|ui |22 + (1/2)(aDui , Dui )2 + (aDui , i )2 + (1/2)(a i , i )2
=(bi , ui )2 + (aDui , i )2 + (1/2)(a i , i )2
= (1/2)(aei , Dui )2 + (aDui , i )2 + (1/2)(a i , i )2
(1/2)(aei , i )2 + (1/2)(a i , i )2
limeqc
30
|f |22 |f |2
+
2
2
(4.9)
do
|f |22
.
(4.10) majorf
majorf
Vu (4.10), il existe une sous-suite (n )n 0 telle que n f n converge faiblement vers f L2 (),
et (n |Df n |22 )n est borne. On remarque ensuite que Dom(L)
|f |22 + 2kui k21
(f , )2 =(n f n Lf n , )2
=n (f n , )2 + (1/2)(Df n , aD)2
=n (f n , )2 (1/2)(f n , D(aD))2
(4.11) fgh
(4.12) limeqcf
la dernire galit rsultant du fait que f est constante. On a donc montr que la famille (f ) est
faiblement relativement compacte et possde une unique valeur dadhrence. La famille est donc
faiblement convergente vers 0. Nous allons maintenant montrer que la famille est en fait fortement
convergente vers 0.
Dans la relation
(f , )2 + (1/2)(Df , aD)2 = (f , )2 ,
on choisit = f et on multiplie par . On obtient
|f |22 + kf k21 = (f , f )2 0
quand 0. Ceci termine la preuve.
4.3
31
ergod
Le processus
Yt = Xt , t 0;
Y0 = ,
(o Xt est le processus de diffusion de la section prcdente partant de X0 = 0) est un processus
de Markov valeurs dans . Le but de cette section est de montrer que est une mesure invariante.
osada
Daprs les estimations dAronson (voir [12]), le processus X admet des transitions de probabilits qui sont absolument continues par rapport la mesure de Lebesgue sur Rd , ie Px (Xt
dy) = p (t, x, y)dy. De plus, il existe une constante A, qui ne dpend que de , d, telle que
, (t, x, y) R+ Rd Rd
1 A|yx|2
A |yx|2
t
e
e At .
p
(t,
x,
y)
Atd/2
td/2
(4.13) aronson
Z
M|E[f (Yt )]| M
f (y )p (t, 0, y)dy
A
td/2
td/2
|y|2
|y|2
(4.14) invmes
de sorte que lapplication f L () 7 E[f (Yt )] se prolonge pour tout t L1 (). Ainsi le
semi-groupe sur L () gnr par le processus Y se prolonge en un semi-groupe sur L1 (). En
fait, cette proprit peut se dmontrer pour chaque espace Lp () pour 1 p < +.
Proposition 4.6. (Thorme ergodique). Pour toute fonction f L1 (), on a
Z 2
t/
ME 2
f (Yr ) dr tM(f ) 0
0
quand 0.
32
Remarque : nous navons pas montr lunicit de la probabilit invariante mais seulement que
est un point extrmal de lensemble des mesures invariantes. En particulier, si est une autre
mesure invariante ergodique alors et sont singulires. Lexemple trivial suivant illustre ceci.
Considrons un milieu deux lments = {0; 1} muni de la tribu de ses parties. Prenons pour
dimension d = 1 et pour action de R sur laction triviale ie
x R, , x = .
On choisit comme coefficient de diffusion :
, () = 1.
Considrons alors les deux mesures suivantes et sur le milieu dfinies par
({0}) = 1 et ({1}) = 0.
({0}) = 0 et ({1}) = 1.
Chacune de ces deux mesures vrifient lensemble des hypothses prcdentes et la proprit
dhomognisation dmontre par la suite sera valable pour chacune de ces deux mesures. Ceci
nest pas incohrent car ces deux mesures sont singulires.
4.4
Homognisation
ogeneisation
Remarque : si f est une fonction de classe C 2 sur (cest--dire que pour tout , lapplication x 7 f (x ) est de classe C 2 sur Rd ), on a :
Z
f (Yt ) = f (Y0 ) +
Z
Lf (Ys ) ds +
4.4. HOMOGNISATION
33
dIt :
t
Du (Yr ) dBr
0
Z t
Z0 t
(u b)(Yr ) dr +
Du (Yr ) dBr
=u (Y0 ) +
u (Yt ) =u (Y0 ) +
Lu (Yr ) dr +
De plus, on a
Xt
Z
b(Yr ) dr +
=
0
(Yr ) dBr
0
Z
+ u (Yt ) = u (Y0 ) +
Z
u (Yr ) dr +
Xt/
2
+ u2 (Yt/2 ) = u2 (Y0 ) +
t/2
Z
u2 (Yr ) dr +
t/2
R t/2
0
t/2
et cette dernire quantit tend vers 0 quand 0 daprs la proposition 4.4. De mme,
h
2 i
2
ME u (Y0 ) = CM[2 |u2 |] = 2 |u2 |22
34
et
h Z
ME 3
t/2
h Z
2 i
u2 (Yr ) dr tME 4 |
t/2
i
u2 (Yr )2 dr
=t4 |
t/2
2
ME u2 (Yr ) dr
Bibliographie
lions
brezis
daprato
ethier
gilbarg
helland
jacod
jikov
kozlov
oeschlager
olla
osada
[1] A. Bensoussan, J.L. Lions, G. Papanicolaou, Asymptotic Analysis for Periodic Structures,
Amsterdam, North-Holland 1978.
[2] B REZIS H., Analyse fonctionnelle, thorie et applications, Masson, 1983.
[3] G. Da Prato, J. Zabczyk Ergodicity for Infinite Dimensional Systems, London Mathematical Society, Lecture Note Series 229, Cambridge University Press, 1996.
[4] S.M. Ethier, T.G. Kurtz, Markov Processes, John Wiley & Sons, New York, 1986.
[5] D. Gilbarg, N.S. Trudinger, Elliptic partial equation of second order, Grundlehren der
mathematischen Wissenschaft 224, Springer-Verlag, Berlin-Heidelberg-New York, 1983.
[6] I.S. Helland, Central limit theorems for martingales with discrete or continuous time,
Scand. J. Statist. 9, 79-94, 1982.
[7] J. Jacod, A. Shiryaev, Limit Theorems for Stochastic Processes,
[8] V.V. Jikov, S.M. Kozlov, O.A. Oleinik, Homogenization of differential operators and integral functionals, Springer-Verlag, Berlin, 1994.
[9] S.M. Kozlov, The Method of Averaging and Walks in Inhomogeneous Environments, Russian Math. Surveys. (1985), 40, 73-145.
[10] H. Oelschlager, Homogenization of a diffusion process in a divergence free random field,
Annals of Probability, 16, 1084-1126, 1988.
[11] S. Olla, Homogenization of diffusion processes in Random Fields, Publications de lcole
doctorale de lEcole Polytechnique, 1994.
[12] H. Osada, Diffusion processes with generators of generalized divergence form, J. Math.
Kyoto Univ., 1987, 27, 597-619.
35