Vous êtes sur la page 1sur 35

Cours dhomognisation

Rhodes Rmi

14 mars 2009
2
Table des matires

1 Introduction 5

2 Quelques rappels 9
2.1 Processus de Markov temps continu . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 Rappels sur les variables alatoires valeurs dans C([0, T ]; R) . . . . . . . . . . 10

3 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

4 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

3
4 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 dal-
gorithmes 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 :
1  x 
t u (t, x) = divx a u (t, x)
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
6 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)

t t
X  Xr 
Z Z
1
Xt =x+ b r dr + dBr . (1.1) EDS:intr
 0  0 

Pour que le gnrateur de cette EDS concide avec

 1  x 
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 t Z t
Xt = x + b(Xr ) dr + (Xr ) dBr . (1.2) EDS1:int
0 0
7

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

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


Z t/2 Z t/2
Xt/2 =  b(Xr ) dr +  (Xr ) dBr
0 0
t t
Xr/2  Xr/2  
Z Z
1
= b dr + dBr
 0  0 
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.
8 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 filtra-
tion (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 :

R > 0, lim sup sup P sup |Xtn | > R = 0,



(2.1)
R nN 0tT

> 0, lim sup sup P sup |Xtn Xsn | > = 0.



(2.2)
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 , (3.1) EDS
0 0

o B est un mouvement brownien standard 1-dimensionnel.


Objectif : Montrer que le processus Xt/2 converge en loi vers un mouvement Brownien non
standard ABt . De plus, il est intressant de caractriser les proprites de A, appele coefficient de
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 R

3. pour tout t > 0 et x R


Z
E[f (Xtx )] = 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), P0 f (x) = f (x).

3.1 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
R
o m(f ) = [0,1]
f (x)dx.
3.1. THORME ERGODIQUE 13

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


Z y
f (x) f (y) = f 0 (r)dr.
x

On intgre pour y [0, 1] :


Z Z y 
f (x) m(f ) = f 0 (r)dr dy,
[0,1] x

do
Z Z y 2 Z  Z y 2
2 0 0
|f (x) m(f )| = f (r)dr dy f (r)dr dy


[0,1] x [0,1] x
Z Z y Z 1
|y x| |f 0 (r)|2 drdy |f 0 (r)|2 dr.
[0,1] x 0

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 )] f (x)dx Cet kf k1 .

xR [0,1]

Preuve : Soit f Cper (R) telle que


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

On note Z
g(t) = (Pt f (x))2 dx.
[0,1]

On a :
Z Z
2
t g(t) =t (Pt f (x)) dx = 2 Pt f (x)t Pt f (x)dx
[0,1] [0,1]
Z Z

=2 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]
14 CHAPITRE 3. HOMOGNISATION DES STRUCTURES PRIODIQUES

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.
 R

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]
0
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 
Z Z
f (y)p(1, x, y)dy f (y)M exp dy
R R M
XZ |y x + k|2 
= f (y)M exp dy
kZ [0,1] M
Z
f (y)g(x, y)dy,
[0,1]

P |yx+k|2 
o g(x, y) = kZ M exp 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 t/2 Z 2 i
sup E 2 f (Xrx ) dr t f (x)dx 0, quand  0.

x[0,1] 0 [0,1]

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


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


h Z t 2 i hZ t Z s i hZ tZ s i
x x x x x
E f (Xr ) dr =2E f (Xs ) f (Xu ) du ds = 2E E[f (Xs )|Fu ]f (Xu ) du ds
0 0 0 0 0
hZ tZ s i hZ tZ s i
x x
=2E f (Xu )Psu f (Xu ) du ds 2E f (Xux ) sup |Psu f | du ds
Z t Z0 s 0 0 0 R

=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 0

En consquence,
h Z t/2 2 i
2
sup E 2 f (Xrx ) dr 4 C 2 kf k22 (t/2 )/(1 et/ ) 0

x[0,1] 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]
R
On voit donc que ncessairement, on doit avoir [0,1] h(x)dx = 0. A laide du principe du maxi-
mum 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
C 2 (en fait, on peut montrer quelle est
quation et de montrer quelle est rgulire, i.e. de classe gilbarg
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
u (x) = e Pr f (x)dr = er E[f (Xrx )]dr.
0 0

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 r
x
e u (Xt ) = u (x) + e (u + Lu )(Xr )dr +x
er u0 (Xrx ) dBr .
0 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
hZ i Z
r
u (x) = E x
e b(Xr )dr = er E[b(Xrx )]dr.
0 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
correct expdecay
si lon peut
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 Z
r
u (x) = e E[b(Xrx )]dr u(x) = E[b(Xrx )]dr
0 0

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
Il reste donc tudier la convergence des drives. Pour toute fonction Cper (R), en int-
grant par parties la relation :
Z Z Z
u dx Lu dx = bdx,
[0,1] [0,1] [0,1]

on obtient
Z Z Z
1
u dx + u0 a0 dx = bdx.
[0,1] 2 [0,1] [0,1]

Donc, pour , > 0, on a :


Z Z
1
(u u )dx + (u0 u0 )a0 dx = 0.
[0,1] 2 [0,1]

En choisissant = u u , on a :
Z Z
1
(u u )(u u )dx + a(u0 u0 )2 0 dx = 0.
[0,1] 2 [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 :


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

Preuve : Tout dabord :


h Z t Z t 2 i hZ t i
0 x 0 x 0 0 2 x
E u (Xr ) dBr u (Xr ) dBr =E a(u u ) (Xr ) dr
0 0 0
expdecay
Vu la proposition 3.3, on a :
hZ t i Z t 
0 0 2 x
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
Xt/2 =  b(Xr ) dr +  (Xr ) dBr .
0 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
therg R t/2
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 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 0
3.4. CONVERGENCE DES MARTINGALES BROWNIENNES 19

do
Z t/2 Z t/2
Xt/2 + u (Xt/2 ) = u (0) +  u (Xr ) dr +  (1 + u0 )(Xr ) dBr .
0 0
cvu cvmart
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
Xt/2 + u(Xt/2 ) = u(0) +  (1 + u0 )(Xr ) dBr .
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
converge en loi vers un mouvement brownien {A1/2 Bt ; t 0}, o {Bt ; t 0} est un mouvement
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
A= (1 + u0 (x))2 a(x)dx.
[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 .
0
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.
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 :


estro Lemme 3.11. Soit (M  ) une famille de martingales telle que :
Rt
1) Mt = r dr pour tout t T ,
0
Rt
2) s t s + , s ( )2r dr Q.
Pour tout s T , R > 0 et 0, on a :
  R2 
P sup |Mt Ms | R 2 exp .
sts+ 2Q
estro
Preuve du lemme 3.11. Fixons s T . Pour tout > 0 on dfinit la martingale exponentielle
2 t  2 
 Z
 
Ys,t = exp (Mt Ms ) ( ) dr .
2 s r
Daprs lingalit de Doob :
 2
 2

P sup Ys,t eR Q/2 eR+ Q/2 .
sts+
Rt
Comme s
(r )2 dr Q on en dduit :
   2

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

eR Q .
sts+ sts+

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

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.



(3.3) ro1
R+ >0 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

Soit M  la martigale dfinie par


Mt = Mt

A.

estro
Clairement, elle vrifie les hypothses du lemme 3.11 avec s = 0, = T et Q = A + 1. Do
  R2
sup |Mt | R 2 exp

P .
0tT 2T (A + 1)

Puis

P sup |Mt | > R P sup |Mt | > R; A > T + P A T


  
t[0,T ] t[0,T ]
 A
> T + P A T
 
=P sup |Mt A | > R;
t[0,T ]
 A
 
P sup |Mt A| > R + P T
t[0,T ]
T
R2 
Z
(r )2r dr > A + 1

2 exp +P
2(A + 1) 0

Vu lhypothse (CV), on en dduit :

R2
lim sup P sup |Mt | > R 2 exp
 
.
>0 t[0,T ] 2T (A + 1)

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

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

sup |Mt Ms | > = 0.



lim lim sup P (3.4) ro1
+ >0 |ts|
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 t
A
= inf{t s; r dr > (A + 1)}.
s

Soit M  la martigale dfinie par


Mt = Mt

A.

estro
Clairement, elle vrifie les hypothses du lemme 3.11 avec Q = (A + 1) et R = . Do
  2
sup |Mt Ms | 2 exp

P .
sts+ 2(A + 1)

Puis
 
P sup |Mt Ms | P sup |Mt Ms | ; A > s + + P A s +
 
sts+ sts+
  A
> s + + P A s +
 
=P sup |Mt A Ms A | ;
sts+

2
+ P A s +
 
2 exp
2(A + 1)
Z s+
2
(r )2r dr > (A + 1)
 
2 exp +P
2(A + 1) s

Vu lhypothse (CV), on en dduit :



 
 2 
lim sup P sup |Mt Ms | 2 exp .
>0 sts+ 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 :

  N
[ 1
|Mt Ms | sup |Mt Mti | > /3

P sup P
|ts| i=0 t[ti ;ti+1 ]
N 1
X  
P sup |Ms Mti | > /3 .
i=0 t[ti ;ti+1 ]
3.4. CONVERGENCE DES MARTINGALES BROWNIENNES 23

Do
  N
X 1  
lim sup P sup |Mt Ms | lim sup P sup |Ms Mti | > /3
>0 |ts| >0 t[ti ;ti+1 ]
i=0
2 
2E(T /) exp
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).

mart Lemme 3.14. Soit M un processus continu qui soit limite en loi dune sous-famille de (M  ) .
Alors M est une martingale.
mart
Preuve du lemme 3.14. Soit M un processus continu qui soit limite en loi dune sous-famille de
(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

E sup Mt2 < .



0tT

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


continue et borne, on a :
 i(M M ) h 2 Rt  2 i
/2 s (r ) dr

> 0, E e t s (Mrn , . . . , Mr1 ) = E e (Mrn , . . . , Mr1 ) .

Donc en passant la limite quand 0 :


h i h 2 i
E ei(Mt Ms ) (Mrn , . . . , Mr1 ) = E e /2A(ts) (Mrn , . . . , Mr1 ) .

Si lon dfinit Gt = (Mu ; 0 u t), on a ainsi montr que M est une G-martingale continue de
carr intgrable telle que h i
i(Mt Ms +2 /2A(ts))
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 ortho-
normale de Rd , on dfinit les oprateurs de drivation :
Thei (f ) f
Di f = lim ,
h0 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 xi
,i = 1 . . . , d et cette dernire quantit
vaut galement Di f si f Dom(Di ).
Les oprateurs (Di )1id sont donc domaines
brezis
denses dans L2 () et comme ladjoint de Di
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

Xt = x + b (Xs , ) ds + (Xs , ) dBs (4.1) diffusio
0 0

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
1X
bi () = 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
1X 2 X
L = aij (x, ) + bi (x, )
2 i,j=1 xi xj i=1
xi
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 pro-
duit scalaire correspondant. On considre le sous-ensemble C de L2 (, G, ) dfini prcdemment
et on introduit la forme bilinaire suivante
1
, C, B(, ) = (D, aD)2 . (4.3)
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 ferme-
ture 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 p
|B (, )| M (, )(, ).
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
1X
C, L = 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 . (4.5) resolven

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.
4.2. 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)
0
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 faible-
ment 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 :


|f |22 |f |2
2 |f |22 + kf k21 |f |2 |f |2 + (4.9)
2 2
do
|f |22
|f |22 + 2kui k21 . (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 , )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 31

4.3 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 pro-
babilits 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
e t p (t, x, y) e At . (4.13) aronson
Atd/2 td/2
Pour toute fonction f L (), on a donc
Z
E[f (Yt )] = E[f (Xt )] = f (y )p (t, 0, y)dy

et Z Z
A |y|2
M|E[f (Yt )]| M
|f (y )|p (t, 0, y)dy M[|f (y )|]e At dy.
td/2
|y|2
A
e At dy = C est une constante ne dpendant que
R
Comme M[|f (y )|] = M[|f ()|] et que td/2
de A et d (et pas de t), on en dduit

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 , lappli-
cation x 7 f (x ) est de classe C 2 sur Rd ), on a :
Z t Z t
f (Yt ) = f (Y0 ) + Lf (Ys ) ds + (Df ) (Ys )(Ys ) dBs .
0 0

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 :
Z t Z t
u (Yt ) =u (Y0 ) + Du (Yr ) dBr
Lu (Yr ) dr +
Z0 t 0
Z t
=u (Y0 ) + (u b)(Yr ) dr + Du (Yr ) dBr
0 0

De plus, on a Z t Z t
Xt = b(Yr ) dr + (Yr ) dBr
0 0

En ajoutant ces 2 relations, on obtient


Z t Z t
Xt + u (Yt ) = u (Y0 ) + u (Yr ) dr + (Du + )(Yr ) dBr .
0 0

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


Z t/2 Z t/2

Xt/2 + u2 (Yt/2 ) = u2 (Y0 ) + 3
u2 (Yr ) dr + (Du2 + )(Yr ) dBr .
0 0

R t/2
Les variations quadratiques de la partie martingale 0
(Du2 + )(Yr ) dBr sont donnes par
Z t/2
2
(Du2 + I) (Du2 + I)(Yr ) dr
0

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
C([0, T ]), vers un mouvement brownien centr et non-standard A1/2 Bt .
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
ME u (Y0 ) = CM[2 |u2 |] = 2 |u2 |22
2
34 CHAPITRE 4. HOMOGNISATION DES STRUCTURES ALATOIRES

et
h Z t/2 2 i h Z t/2 i
u2 (Yr ) 2 dr

ME 3 u2 (Yr ) dr tME 4 |
0 0
Z t/2 2 
=t4 |

ME u2 (Yr ) dr
0
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 [1] A. Bensoussan, J.L. Lions, G. Papanicolaou, Asymptotic Analysis for Periodic Structures,
Amsterdam, North-Holland 1978.
brezis [2] B REZIS H., Analyse fonctionnelle, thorie et applications, Masson, 1983.
daprato [3] G. Da Prato, J. Zabczyk Ergodicity for Infinite Dimensional Systems, London Mathema-
tical Society, Lecture Note Series 229, Cambridge University Press, 1996.
ethier [4] S.M. Ethier, T.G. Kurtz, Markov Processes, John Wiley & Sons, New York, 1986.
gilbarg [5] D. Gilbarg, N.S. Trudinger, Elliptic partial equation of second order, Grundlehren der
mathematischen Wissenschaft 224, Springer-Verlag, Berlin-Heidelberg-New York, 1983.
helland [6] I.S. Helland, Central limit theorems for martingales with discrete or continuous time,
Scand. J. Statist. 9, 79-94, 1982.
jacod [7] J. Jacod, A. Shiryaev, Limit Theorems for Stochastic Processes,
jikov [8] V.V. Jikov, S.M. Kozlov, O.A. Oleinik, Homogenization of differential operators and in-
tegral functionals, Springer-Verlag, Berlin, 1994.
kozlov [9] S.M. Kozlov, The Method of Averaging and Walks in Inhomogeneous Environments, Rus-
sian Math. Surveys. (1985), 40, 73-145.
oeschlager [10] H. Oelschlager, Homogenization of a diffusion process in a divergence free random field,
Annals of Probability, 16, 1084-1126, 1988.
olla [11] S. Olla, Homogenization of diffusion processes in Random Fields, Publications de lcole
doctorale de lEcole Polytechnique, 1994.
osada [12] H. Osada, Diffusion processes with generators of generalized divergence form, J. Math.
Kyoto Univ., 1987, 27, 597-619.

35

Vous aimerez peut-être aussi