Documente Academic
Documente Profesional
Documente Cultură
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
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
t t
X Xr
Z Z
1
Xt =x+ b r dr + dBr . (1.1) EDS:intr
0 0
1 x
L (x) = divx a (x) ,
2
Quelques rappels
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 :
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
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 :
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.
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
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
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 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 .
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 :
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 .
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
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
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]
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
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]
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.
Do 2 Q/2
P sup (Mt Ms ) R eR+ .
sts+
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
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
R2
lim sup P sup |Mt | > R 2 exp
.
>0 t[0,T ] 2T (A + 1)
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
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)
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
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
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,
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 ) ,
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 ).
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
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.
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(, ).
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
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 :
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
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
Yt = Xt , t 0;
Y0 = ,
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
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
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 = .
, () = 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
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
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 ,
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