16.07.2014 Views

Chapitre 8 Le Mouvement Brownien - Institut de Mathématiques de ...

Chapitre 8 Le Mouvement Brownien - Institut de Mathématiques de ...

Chapitre 8 Le Mouvement Brownien - Institut de Mathématiques de ...

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

224 <strong>Mouvement</strong> <strong>Brownien</strong><br />

au cas centré en considérant le nouveau processus X t − e(t). C’est pourquoi<br />

dans la suite nous ne nous intéresserons qu’aux processus gaussiens centrés.<br />

Un processus est dit à accroissements indépendants si, pour tout n-uplet<br />

(0 ≤ t 1 ≤ . . . ≤ t n ), les variables<br />

sont indépendantes.<br />

X 0 , X t1 − X 0 , X t2 − X t1 , . . . , X tn − X tn−1<br />

Quitte à changer X t en X t − X 0 , on pourra toujours se ramener au cas où<br />

X 0 = 0.<br />

Remarquons que si nous savons que le processus est gaussien et nul en 0,<br />

alors la propriété d’accroissements indépendants revient à dire que, pour tout<br />

quadruplet 0 ≤ s 1 < s 2 ≤ t 1 < t 2 , les variables X s2 − X s1 et X t2 − X t1 sont<br />

indépendantes (puisque dans un vecteur gaussien centré, l’indépendance est<br />

équivalente à l’orthogonalité).<br />

Considérons un processus gaussien à accroissements indépendants centré<br />

et nul en 0. Appelons F (t) = K(t, t) = E(X 2 t ).<br />

Observons tout d’abord que F est croissante, puisque, si s < t, X s = X s −0<br />

et X t − X s sont indépendantes, et donc<br />

E(X 2 t ) = E(X s + X t − X s ) 2 = E(X 2 s ) + E(X t − X s ) 2 ≥ E(X 2 s ).<br />

Si, pour s < t, on a F (s) = F (t), alors le calcul précé<strong>de</strong>nt nous montre que<br />

E(X t −X s ) 2 = 0, et donc que X t = X s . <strong>Le</strong> processus est donc constant (presque<br />

sûrement) sur les intervalles <strong>de</strong> constance <strong>de</strong> F (t). Quitte à reparamétrer le<br />

temps, et à supprimer les intervalles où X est constant, on pourra supposer<br />

que F est strictement croissante.<br />

Enfin, si nous écrivons pour s < t<br />

E(X s X t ) = E(X 2 s ) + E(X s (X t − X s )) = E(X 2 s ),<br />

nous voyons que K(s, t) = F (s), et donc en général on a<br />

K(s, t) = min(F (s), F (t)) = F (s) ∧ F (t) = F (s ∧ t).<br />

Réciproquement, considérons un processus gaussien centré nul en 0 dont<br />

la covariance vaut K(s, t) = K(s, s) ∧ K(t, t). Alors, c’est un processus à<br />

accroissements indépendants. En effet, pout s 1 < s 2 ≤ t 1 < t 2 , on a<br />

E(X s2 − X s1 )(X t2 − X t1 ) = K(s 1 , s 1 ) − K(s 2 , s 2 ) − K(s 1 , s 1 ) + K(s 2 , s 2 ) = 0.

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!