Cours dhomognisation

Rhodes Rmi
14 mars 2009

Table des matires

1

Introduction

Quelques rappels

2.1

Processus de Markov temps continu . . . . . . . . . . . . . . . . . . . . . . .

2.2

Rappels sur les variables alatoires valeurs dans C([0, T ]; R) . . . . . . . . . .

10

Homognisation des structures priodiques

11

3.1

Thorme ergodique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

12

3.2

Construction des correcteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . .

15

3.3

Homognisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

18

3.4

Convergence des martingales browniennes . . . . . . . . . . . . . . . . . . . . .

19

Homognisation des structures alatoires

25

4.1

Diffusion en milieu alatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . .

26

4.2

Formes de Dirichlet et correcteurs . . . . . . . . . . . . . . . . . . . . . . . . .

27

4.3

Mesure invariante et ergodicit . . . . . . . . . . . . . . . . . . . . . . . . . . .

31

4.4

Homognisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

32

TABLE DES MATIRES

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

F IG . 1.1 Reprsentation dun sous-sol 3 niveaux de permabilit

o X  est la solution de lEDS (B est un mouvement brownien standard d-dimensionnel)
Xt

1
=x+


Z
0

X

b r dr +


Xr

dBr .


(1.1) EDS:intr

Pour que le gnrateur de cette EDS concide avec

 x


1
L (x) = divx a
(x) ,
2



il est ncessaire de supposer que a = et b(x) = 12 DivxEDS:intro

(a)(x). Du point de vue probabiliste,
tout revient donc tudier la convergence en loi de lEDS (1.1) quand  0.
Pour finir, supposons que x
= 0 (pour simplifier) et notons X le processus obtenu pour la
EDS:intro
valeur 1 du paramtre  dans (1.1) :
Z
Xt = x +

Z
b(Xr ) dr +

(Xr ) dBr .
0

(1.2) EDS1:int

F IG . 1.2 Matriau composite (mlange de plusieurs matriaux)

On remarque le processus Xt/2 est solution de lEDS :
t/2

(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

Processus de Markov temps continu

Intuitivement un processus stochastique est markovien si une prdiction du futur en utilisant

tout le pass du processus conduit la mme prdiction quen utilisant que le prsent. Ceci peut
tre traduit mathmatiquement comme suit :
Dfinition 2.1. Processus de Markov. Soit (, F, P) un espace probabilis quip dune filtration (Ft ; t 0). Soit (Xt ; t 0) un processus adapt valeurs dans Rd . On dit que X est un
processus de Markov si, pour toute function f mesurable borne sur Rd (on note f Bb (Rd )) et
pour tous 0 s t < +,
E[f (Xt )|Fs ] = E[f (Xt )|Xs ],

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 ,

Ts,t f (x) = E[f (Xt )|Xs = x].

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

CHAPITRE 2. QUELQUES RAPPELS

1. Ts,t est un oprateur linaire sur Bb (Rd ) pour tous 0 s t < +.
2. Ts,s = I pour tout s 0.
3. Ts,r Tr,t = Ts,t pour tous 0 s r t < +.
4. si f 0 alors Ts,t f 0 pour tous 0 s t < +.
5. Ts,t est une contraction, i.e. kTs,t k 1 pour tous 0 s t < +.
6. Ts,t 1 = 1 pour tous t 0.

2.2

Rappels sur les variables alatoires valeurs dans C([0, T ]; R)

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.

Pour x R on dfinit X x solution de lEDS

Z t
Z t
x
x
Xt = x +
b(Xr )dr +
(Xrx )dBr ,
0

(3.1) EDS

o B est un mouvement brownien standard 1-dimensionnel.

Objectif : Montrer que le processus Xt/2 converge en loi vers un mouvement Brownien non
t . De plus, il est intressant de caractriser les proprites de A, appele coefficient de
standard AB
diffusivit effective.
On notera L loprateur, dfini sur C 2 (R)


1
L(x) = x a(x)x (x) .
2
De plus, pour f C(R), on note Pt f (x) = E[f (Xtx )].
On admet le rsultat dEDP suivant :
11

12

CHAPITRE 3. HOMOGNISATION DES STRUCTURES PRIODIQUES

EDP Thorme 3.1. Il existe une fonction positive p(t, x, y), appele fonction de Green, satisfaisant :

1. (t, x, y) R+ R R 7 p(t, x, y) est C ,

2. pour toute fonction continue et borne f sur R, on a
Z
lim p(t, x, y)f (y) dy = f (x).
t0

3. pour tout t > 0 et x R

E[f (Xtx )]

Z
=

p(t, x, y)f (y) dy,

R

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 rappelle galement lingalit de Poincar :

poincare Proposition 3.2. Il existe une constante P telle que, pour toute fonction 1-priodique f C 1 (R),

on a :
kf m(f )k2 P kf 0 k2
o m(f ) =

R
[0,1]

f (x)dx.

3.1. THORME ERGODIQUE

13

Preuve : Soient x, y [0, 1], on a :

y

f 0 (r)dr.

f (x) f (y) =
x

On intgre pour y [0, 1] :

Z

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.

On dduit le rsultat en intgrant par rapport x [0, 1].

expdecay Proposition 3.3. Il existe deux constantes C > 0 et > 0 telles que pour tout t > 0 :

Z


x
sup E[f (Xt )]
xR

[0,1]



f (x)dx Cet kf k1 .

Preuve : Soit f Cper (R) telle que

Z
f (x)dx = 0.
[0,1]

On note

(Pt f (x))2 dx.

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

CHAPITRE 3. HOMOGNISATION DES STRUCTURES PRIODIQUES

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 .

lemerg1 Lemme 3.4. Il existe une constante C > 0 telle que :

f L2per (R), kP1 f k Ckf k2 ,

f L1per (R), kP1 f k2 Ckf k1 .
Preuve : On a :
|y x|2

f (y)M exp
dy
M
R
XZ
|y x + k|2

f (y)M exp
=
dy
M
[0,1]
kZ
Z

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

Il suffit, par exemple, de voir que :

sup g(x, y) < +

x,y[0,1]

en utilisant lingalit 21 |y x|2 |k|2 |y x + k|2 .

therg Corollaire 3.5. Soit f Cper (R). On a

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.

Preuve : Lide est de voir que, pour toute fonction intgrable g, on a :

Z b
Z r
Z b
2
g(r) dr = 2
g(r)
g(u) du dr.
a

3.2. CONSTRUCTION DES CORRECTEURS

15

Sans perdre en gnralit, on suppose m(f ) = 0. On a alors, en utilisant la proprit de Markov

Z s
i
hZ tZ s
i
2 i
hZ t
h Z t
x
x
x
x
x
f (Xu ) du ds = 2E
E[f (Xs )|Fu ]f (Xu ) du ds
f (Xs )
=2E
E
f (Xr ) dr
0
0
0
0
0
i
hZ tZ s
i
hZ tZ s
x
x
f (Xux ) sup |Psu f | du ds
=2E
f (Xu )Psu f (Xu ) du ds 2E
R
0
0
Z t Z0 s 0
=2
E[|f (Xux )|]Ckf k2 e(su) duds
Z0 t Z0 s
2
C 2 kf k22 es duds C 2 kf k22 t/(1 et )
0

En consquence,
h Z

sup E 2

x[0,1]

t/2

2 i


f (Xrx ) dr

4 C 2 kf k22 (t/2 )/(1 et/ ) 0

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

Construction des correcteurs

Lobjectif de cette partie est de rsoudre lquation suivante

Lu = b
o u doit tre une fonction priodique. Il nest pas clair que cette quation admette toujours des
solutions. En effet, si une fonction u rgulire satisfait Lu = h (o h est donne), en intgrant par
rapport la mesure de Lebesgue sur le tore, on a
Z
Z
0=
Lu(x)dx =
h(x)dx.
[0,1]

[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

CHAPITRE 3. HOMOGNISATION DES STRUCTURES PRIODIQUES

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) =

er E[f (Xrx )]dr.

Preuve : On applique la formule dIt la fonction (t, x) 7 et u (x) et au processus Xtx . On

obtient :
Z t
Z t
t
x
r
x
e u (Xt ) = u (x) +
e (u + Lu )(Xr )dr +
er u0 (Xrx ) dBr .
0

On utilise la relation u Lu = b et on prend lesprance. Comme u0 est born, la martingale

locale brownienne est en fait une martingale, donc son esprance est nulle. On obtient :
hZ t
i
t
x
E[e u (Xt )] = u (x) E
er b(Xrx )dr .
0

Il reste passer la limite lorsque t . On remarque que

|E[et u (Xtx )]| et sup |u | 0,

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.

3.2. CONSTRUCTION DES CORRECTEURS

17

cvu Lemme 3.7. Lorsque tend vers 0, on a les convergences suivantes :

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

Preuve : A laide de la proposition 3.3, en particulier on utilise la borne

|E[b(Xrx )]| Ckbk1 er ,
on montre facilement que
Z

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]

Donc, pour , > 0, on a :

Z
Z
1
(u u )dx +
(u0 u0 )a0 dx = 0.
2
[0,1]
[0,1]
En choisissant = u u , on a :
Z
Z
1
(u u )(u u )dx +
a(u0 u0 )2 0 dx = 0.
2 [0,1]
[0,1]
R
Vu ce qui prcde, il est clair que [0,1] (u u )(u u )dx 0 lorsque max(, ) 0.
Ceci montre que la famille (u0 ) est de Cauchy dans L2 ([0, 1]) et donc converge vers un lment
g L2 ([0, 1]). De plus, le graphe de loprateur driv tant ferm, on a g = u0 .

18

CHAPITRE 3. HOMOGNISATION DES STRUCTURES PRIODIQUES

cvmart Lemme 3.8. Pour tout x R, on a :

Z t
h Z t
2 i
x
0
0,
u0 (Xrx ) dBr
lim E
u (Xr ) dBr

quand 0.

Preuve : Tout dabord :

Z t
2 i
hZ t
i
h Z t
0
x
0
0 2
x
0
x
u (Xr ) dBr
=E
a(u u ) (Xr ) dr
E
u (Xr ) dBr
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]

et cette dernire quantit tend vers 0 lorsque 0.

3.3

Homognisation

On fixe le point de dpart comme tant gal 0, et on note X EDS

pour le processus X 0 . On veut
montrer la convergence du processus Xt/2 . Lide est dutiliser (3.1) :
Z t/2
Z t/2
(Xr ) dBr .
b(Xr ) dr + 
Xt/2 = 
0

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

En sommant avec (3.1) et en utilisant la relation u Lu = b, on obtient :

Z t
Z t
Xt + u (Xt ) = u (0) +
u (Xr ) dr +
(1 + u0 )(Xr ) dBr ,
0

3.4. CONVERGENCE DES MARTINGALES BROWNIENNES

19

do
Z

t/2

Xt/2 + u (Xt/2 ) = u (0) + 

cvu

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

Il reste maintenant dterminer la convergence quand  0 de lquation ci-dessus. Tout dabord,

comme u est born, il est clair que
E[ sup |u(Xt/2 )|] 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]

En conclusion, nous avons montr :

Thorme 3.9. Le processus Xt/2 converge en loi (au sens des processus valeurs dans lespace
C([0, T ; R])) vers un mouvement brownien centr et de matrice de covariance A donne par
Z
(1 + u0 (x))2 a(x)dx.
A=
[0,1]

3.4

Convergence des martingales browniennes

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

CHAPITRE 3. HOMOGNISATION DES STRUCTURES PRIODIQUES

Thorme 3.10. Supposons que l hypothse suivante sont vrifie :

(CV) il existe une constante A telle que, pour tout t [0, T ] fix,
Z t
(r )2 dr At, quand  0.
prob.

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

P sup (Mt Ms ) R P sup Ys,t

eR Q .
sts+

Do


P

sts+

sup
sts+

(Mt

Ms )

2 Q/2

R eR+

En optimisant par rapport > 0, on a :



2


P sup (Mt Ms ) R eR /(2Q) .
sts+

En rptant largument pour (Mt Ms ), on obtient le rsultat.

3.4. CONVERGENCE DES MARTINGALES BROWNIENNES

21

tensionR Lemme 3.12. Pour tout R > 0, on a :

lim lim sup P sup |Mt | > R = 0.

R+

>0

(3.3) ro1

t[0,T ]

tensionR

Preuve du lemme 3.12. Soit A le temps darrt dfini par :

Z s
A
= inf{s 0;
r dr > (A + 1)T }.
0

 la martigale dfinie par

Soit M
 = M A.
M
t
t
estro

Clairement, elle vrifie les hypothses du lemme 3.11 avec s = 0, = T et Q = A + 1. Do


P


 | 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)

(r )2r dr > A + 1

Vu lhypothse (CV), on en dduit :

lim sup P sup |Mt | > R 2 exp
>0

t[0,T ]

R2
.
2T (A + 1)

Il ne reste alors plus qu passer la limite quand R +.

tensionD Lemme 3.13. Pour tout > 0, on a :

lim lim sup P

>0

sup |Mt Ms | > = 0.

|ts|

(3.4) ro1

22

CHAPITRE 3. HOMOGNISATION DES STRUCTURES PRIODIQUES

tensionD

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

 la martigale dfinie par

Soit M
 = M A.
M
t
t
estro

Clairement, elle vrifie les hypothses du lemme 3.11 avec Q = (A + 1) et R = . Do


P


 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)

Fixons maintenant > 0. On pose ensuite N = E(T /) + 1, ti = i pour i = 0, . . . , N 1 et

tN = T . (ti )0iN est une subdivision de lintervalle [0, T ] de pas . On a alors :

P

sup
|ts|

|Mt

Ms |

N
1
[

sup |Mt Mti | > /3

i=0 t[ti ;ti+1 ]

N
1
X 

i=0


sup |Ms Mti | > /3 .

t[ti ;ti+1 ]

3.4. CONVERGENCE DES MARTINGALES BROWNIENNES

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)

Il ne reste alors plus qu passer la limite pour 0.

tensionR
tensionD

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

Dautre part, si lon fixe 0 r1 < < rn s t T et si lon considre : Rn R

continue et borne, on a :
h 2 Rt  2
i
 i(M M )


/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 3. HOMOGNISATION DES STRUCTURES PRIODIQUES

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

CHAPITRE 4. HOMOGNISATION DES STRUCTURES ALATOIRES

RH

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

si cette limite existe dans L2 ().

On appelle C le sous-ensemble dense de L2 () dfini par :


C = f ; f L2 (), Cc (Rd ) ,
o lopration de convolution est dfinie par :
Z
f () =
f (x )(x) dx.
Rd

On remarque que C Dom(Di ) et Di (f ) = f

vaut galement Di f si f Dom(Di ).

,i
xi

= 1 . . . , d et cette dernire quantit

Les oprateurs (Di )1id sont donc domaines

denses dans L2 () et comme ladjoint de Di
brezis
est Di , laide de la proposition (II.16) de [2] page 28, on sait que les oprateurs (Di )1id sont
ferms. Dautre part, on a M[Di f ] = 0 pour toute fonction f Dom(Di ).
On note (., .) le produit scalaire usuel sur L2 () et | |2 la norme associe.

4
On remarque aussi que si (x) = (x), alors

(g, f ) = (f , g ).

4.1

Diffusion en milieu alatoire

On considre la diffusion en milieu alatoire

Z t
Z t

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.

4.2. FORMES DE DIRICHLET ET CORRECTEURS

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

Sous ces hypothses, le gnrateur infinitsimal L du processus de diffusion X peut alors se

rcrire sous forme divergence :

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--

dire quil existe une constante telle que

1 Id a Id

(4.2) eq:unif

au sens des matrices symmtriques positives.

4.2

Formes de Dirichlet et correcteurs

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

CHAPITRE 4. HOMOGNISATION DES STRUCTURES ALATOIRES

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

et de domaine Dom(L) = G (L2 ()) F.

Pour i = 1, . . . , d et > 0, on note ui = G (bi ) la solution de lquation de la rsolvante
ui Lui = bi .
A laide de lingalit de Cauchy-Schwarz, on montre
Proposition 4.3. La fonction b satisfait une "ingalit de Poincar" : kbi k1 < .
Preuve. Pour la preuve, il suffit de faire une intgration par parties.
corr Proposition 4.4. Pour i = 1, . . . , d, la fonction ui satisfait :

1) |ui |22 0 quand 0,

2) il existe i L2 (; Rd ) tel que |Dui i |2 0 quand 0.

(4.5) resolven

4.2. FORMES DE DIRICHLET ET CORRECTEURS

29

resolvent

Preuve. Si lon multiplie (4.5) par ui et en intgrant par rapport , on obtient :

|ui |22 + kui k21 kbi k1 kui k1

(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

L2 (; Rd ), et ui 0. En passant la limite dans la relation suivante (valable pour F)

lorsque 0 :

(ui , )2 + (1/2)(Dui , aD)2 = (bi , )2 ,

on obtient
(1/2)( i , aD)2 = (bi , )2 = (1/2)(aei , D)2 .

(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

quand 0. Or, en choisissant = ui dans (4.8) et en passant la limite quand 0, on

obtient (aei , i )2 = (a i , i )2 . Le rsultat suit.
Proposition 4.5. Soit f L2 (). On dfinit f comme tant la solution de lquation
f Lf = f .
On a :
1) |f M(f )|2 0 quand 0,
2) la famille (1/2 Df ) est borne dans L2 (; Rd ).
Proof. Il suffit de considrer le cas o M[f ] = 0. En effet si lon sait dmontrer le rsultat pour
toutes les fonctions vrifiant M[f ] = 0 alors pour une fonction g quelconque, il suffit de poser
f = g M[g] qui satisfait M[f ] = 0.

30

CHAPITRE 4. HOMOGNISATION DES STRUCTURES ALATOIRES

Si lon multiplie f Lf = f par f et en intgrant par rapport , on obtient :
2 |f |22 + kf k21 |f |2 |f |2

|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

En multipliant la relation prcdente par n et en passant la limite lorsque n , on obtient

0 = (f , L)2 .

(4.12) limeqcf

Cette relation signifie que f Dom(L) et Lf = 0. En particulier,

0 = (Lf , f )2 = kf k21 ,
cest--dire que ffgh
est constante. Choisissons maintenant = 1I (la fonction constante valant 1)
dans la relation (4.11), on obtient
(f , 1I)2 = n (f n , 1I)2 (1/2)(f , D(aD1I))2 = n (f n , 1I)2 .
Comme n f n converge faiblement vers f , on en dduit
0 = M[f ] = lim (n f n , 1I)2 = M[f ] = f ,
n

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. MESURE INVARIANTE ET ERGODICIT

4.3

31

Mesure invariante et ergodicit

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

Pour toute fonction f L (), on a donc

Z
E[f (Yt )] = E[f (Xt )] =
et

Z
M|E[f (Yt )]| M

f (y )p (t, 0, y)dy

|f (y )|p (t, 0, y)dy

Comme M[|f (y )|] = M[|f ()|] et que

de A et d (et pas de t), on en dduit

A
td/2

td/2

|y|2

M[|f (y )|]e At dy.

|y|2

e At dy = C est une constante ne dpendant que

M|E[f (Yt )]| CM[|f ()|]

(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

CHAPITRE 4. HOMOGNISATION DES STRUCTURES ALATOIRES

(preuve faite en cours)
En consquence la mesure est invariante pour le processus Y . Elle est de plus ergodique.

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 +

(Df ) (Ys )(Ys ) dBs .

Le but de cette section est dtudier le comportement asymptotique du processus X. Plus pr

cisment, nous allons montrer que le processus t 7 Xt/

2 (avec X0 = 0) converge en loi vers
un mouvement brownien.
Comme u Lu = b, la fonction u est C 2 sur . On peut donc lui appliquer la formule

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

En ajoutant ces 2 relations, on obtient

Xt

Z
+ u (Yt ) = u (Y0 ) +

Z
u (Yr ) dr +

(Du + )(Yr ) dBr .

Ainsi, en multipliant par , en remplaant t par t/2 et en choisissant = 2 , on a

Xt/
2

+ u2 (Yt/2 ) = u2 (Y0 ) +

t/2

Z
u2 (Yr ) dr +

(Du2 + )(Yr ) dBr .

Les variations quadratiques de la partie martingale

t/2

R t/2
0

(Du2 + )(Yr ) dBr sont donnes par

t/2

(Du2 + I) (Du2 + I)(Yr ) dr

et convergent, daprs le thorme ergodique, au moins en probabilit vers tA o A est une

matrice d d donne par


A = M ( + I) ( + I) .
Daprs le thorme de convergence des martingales, la partie martingale converge en loi, dans
t .
C([0, T ]), vers un mouvement brownien centr et non-standard A1/2 B
invmes

Dautre part, on a daprs (4.14)

h
2 i

ME u2 (Yt/2 ) CM[2 |u2 |] = 2 |u2 |22
corr

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

CHAPITRE 4. HOMOGNISATION DES STRUCTURES ALATOIRES

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

Ct2 M[2 |u2 |]

=Ct2 2 |u2 |22 ,
et ces 2 dernires quantits tendent vers 0. Ainsi on a prouv :

Thorme 4.7. Les lois finies-dimensionnelles du pocessus Xt/

2 convergent en loi vers celles
dun mouvement brownien A1/2 Bt .

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