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 ...
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.