4.6 Alternative avec les graphes al´eatoires
4.6.3 Mesure spectrale d’une mesure sofique
U(G(C
′))∈B
locρ,2δ
3
≥ P
U(G(C
′))∈B
locU(G(M
n′)),δ
3
≥ P(∀j, k, |C
j,k−M
n(j, k)| ≤γ)
= Y
j,kP(|C
j,k−M
n(j, k)| ≤γ)
≥ Y
j,k1
|Mn(j,k)|≥θP(|X
j,k| ∈]M
n(j, k)−γ, M
n(j, k) +γ[√p)
+1
Mn(j,k)=0(1−P(|C
j,k|> γ))
≥ Y
j,ke
−an|Mn(j,k)|αpα/21
|Mn(j,k)|≥θ+1
Mn(j,k)=0(1−e
−a2ε(n)αnα/2)
≥ Y
j,ke
−an|Mn(j,k)|αpα/21−e
−a2ε(n)αnα/2≥ 1−e
−a2ε(n)αnα/2npexp
−a
np
α/2c
n+ 1
2c
nnE
U(G(Mn′))ξ
α≥ 12exp −a
nn
1+α/2c
n+ 1
2c
1+n α/2E
U(G(M′ n))ξ
α!
.
On obtient ainsi l’in´egalit´e (4.37) en constatant que quand n → +∞, a
ntend versaetE
U(G(Mn′))ξ
αtend vers E
ρξ
αcar les G(M
n′) sont dansG
∗θet la
fonctionµ7→E
µξ
αest continue sur P
s′(G
θ∗), voir le lemme 4.29.
4.6.3 Mesure spectrale d’une mesure sofique
On a obtenu dans la section pr´ec´edente un principe de grandes d´eviations
pour la mesure U(G(C
′)) construite `a partir de C
′. Dans la prochaine
sec-tion, on va en d´eduire un principe de grandes d´eviations pour la mesure
spectrale empiriqueµ
C′`a l’aide du principe de contraction, voir la
proposi-tion A.32. L’objectif de cette secproposi-tion est de d´efinir une applicaproposi-tion continue
deP
′s
(G
∗) dansP(R) pour laquelle l’image deU(G(C
′)) estµ
C′, afin de
pou-voir lui appliquer le principe de contraction. Une mani`ere de proc´eder est
de d´efinir la notion de mesure spectrale d’une mesure sofique, de la mˆeme
mani`ere que dans [BC]. Cette d´efinition s’appuie sur la notion plus classique
de mesure spectrale en un vecteur d’un espace de Hilbert, voir par exemple
[RS1, Section VII.2].
Soit θ ∈]0,1[. Pour un graphe pond´er´e enracin´e (G, o) tel que G ∈ G
θ,
on note ℓ
2(V) l’ensemble des suites index´ees par V de carr´e sommable et
(e
v)
v∈Vla base orthonorm´ee canonique de l’espace de Hilbert ℓ
2(V). On
d´efinit l’op´erateur lin´eaire born´e auto-adjointT surℓ
2(V) par
∀v∈V, T e
v=X
u∈Vω(u, v)e
u.
Pour toutv∈V, il existe alors une unique probabilit´e surR, appel´eemesure
spectrale en le vecteur e
vet not´ee µ
vT, telle que pour toutk∈N,
ˆ
R
x
kdµ
vT(x) =hT
ke
v, e
vi.
La mesure µ
oT
´etant clairement constante sur la classe d’´equivalence de
(G, o), on peut voir l’application (G, o) 7→ µ
oTcomme une application de
G
θ∗
dansP(R).
D´efinition 4.31. Soient θ∈]0,1[ et ρ ∈ P(G
θ∗
). On d´efinit la mesure
spec-trale de ρ parµ
ρ=E
ρµ
oT.
Exemple 4.32. On consid`ere la mesureδ
ˆgx, o`u ˆg
xest le graphe sym´etrique
`
a deux sommets avec une arˆete de poids x les reliant, voir l’exemple 4.18.
En notantoetules sommets d’un repr´esentant de ˆg
x, on a pour toutk∈N,
T
2ke
o=x
2ke
o, T
2k+1e
o=x
2k+1e
u,
donc
ˆ
Rt
2kdµ
oT(t) =x
2k,
ˆ
Rt
2k+1dµ
oT(t) = 0.
La mesure spectrale deδ
ˆgxest donc
12(δ
x+δ
−x).
Exemple 4.33. SoitM
n∈ M
n(R) une matrice sym´etrique. On noteλ
1, . . . ,
λ
nses valeurs propres et u
1, . . . , u
ndes vecteurs propres orthonorm´es
as-soci´es. Par le th´eor`eme spectral, pour toutx∈R
n, on a
M
nx=
n
X
j=1λ
jhx, u
jiu
j.
Ainsi, pour toutv∈J1, nK, on a
∀k∈N, hM
nke
v, e
vi=
*
nX
j=1λ
kjhe
v, u
jiu
j, e
v+
=
nX
j=1λ
kjhu
j, e
vi
2donc
µ
vMn=
nX
j=1hu
j, e
vi
2δ
λjet
µ
U(G(Mn))= 1
n
nX
v=1µ
vMn= 1
n
nX
j=1δ
λj=µ
Mn.
La mesure spectrale deU(G(M
n)) est donc exactement la mesure empirique
des valeurs propres de la matrice M
n.
On dispose ainsi d’une applicationρ7→µ
ρqui envoie U(G(C
′)) surµ
C′.
Il ne reste qu’`a ´etendre sa d´efinition sur P
s′(G
∗) de mani`ere continue afin
d’appliquer le principe de contraction.
Pour tous β >0 etτ >0, on note
P
s,β,τ′(G
∗) ={ρ∈ P
s′(G
∗)|E
ρξ
β< τ}.
Lemme 4.34 (voir [BC, Lemme 3.12]). Soient β ∈]0,2[, τ > 0 et ρ ∈
P
′s,β,τ
(G
∗). La limite faible lim
θ→0µ
ρθexiste dans P(R).
La d´emonstration de ce lemme utilise l’approximation de ρ∈ P
′s,β,τ
(G
∗)
par des U(G(M
′n
)), M
′n
∈ A
′n
. On peut alors contrˆoler la distance entre
la mesure spectrale de U(G(M
n′)) et celle d’une troncature en utilisant les
in´egalit´es du rang (A.10) et de Hoffman-Wielandt (A.12) ainsi que les
pro-pri´et´es des graphes tronqu´es. Cela permet de montrer que la suite des µ
ρθest de Cauchy quandθ→0 et donc qu’elle converge.
D´efinition 4.35. Cette limite est appel´ee mesure spectrale de ρ et not´ee
µ
ρ.
Lemme 4.36 (voir [BC, Lemme 3.13]). Soientβ ∈]0,2[etτ >0.
L’applica-tion P
s,β,τ′(G
∗) → P(R)
ρ 7→ µ
ρest continue pour la topologie faible projective.
Le lemme 4.36 repose sur les contrˆoles ´etablis dans la d´emonstration du
lemme 4.34 et sur l’´equivalence entre convergence en topologie projective et
convergence des troncatures pour la topologie locale.
On a ainsi d´efini la notion de mesure spectrale pour une mesure sofique
d’un ensemble P
′ s,β,τ(G
∗). Lorsque ρ ∈ P
′ s(G
∗)\S
0<β<2S
τ >0P
′ s,β,τ(G
∗)
,
on d´efinit simplement la mesure spectrale de ρ parµ
ρ=δ
0.
On est maintenant en mesure de contracter le PGD obtenu pourU(G(C
′))
en un PGD pour la mesure empirique µ
C′.
4.6.4 Grandes d´eviations de µ
C′Proposition 4.37. Sous l’hypoth`ese 4.24, la suite des mesuresµ
C′satisfait
le PGD de vitesse n
1+α/2dans P(R), muni de la topologie faible, avec la
bonne fonction de tauxΦ
′d´efinie par
Φ
′(µ) =
(
a2c1+c+1α/2
m
α(µ) siµ est sym´etrique et µ({0}) ≥
|11+−cc|o`u m
α(µ) =´
R
|x|
αdµ(x) d´esigne le moment d’ordre α deµ.
D´emonstration. Comme µ
U(G(C′))=µ
C′, voir exemple 4.33, on peut
re-prendre la mˆeme d´emonstration que [BC] en rempla¸cant l’in´egalit´e (59) de
[BC], `a savoir I(ρ)≥min
a2, b
E
ρξ
α, par l’´egalit´e
I
′(ρ) = a
2
c+ 1
c
1+α/2E
ρξ
α.
Ainsi, la suite des mesuresµ
C′satisfait le PGD de vitessen
1+α/2et de bonne
fonction de taux ˜Φ
′d´efinie surP(R) par
˜
Φ
′(ν) = inf{I
′(ρ), ρ∈ P
s′(G
∗) telle queν =µ
ρ}.
On va maintenant expliciter la valeur de ˜Φ
′(ν).
En raisonnant comme dans la d´emonstration de la proposition 4.6, d’apr`es
le lemme 4.7 (i), il est d’abord clair que ˜Φ
′(ν) = +∞siνn’est pas sym´etrique
ou si ν({0}) <
|11+−cc|. Voir l’´etablissement de la relation (4.21) pour plus de
d´etails.
Ensuite, d’apr`es le lemme 3.15 de [BC], dont la d´emonstration repose sur
l’in´egalit´e de Schatten (A.14), pour tousβ ∈]0,2[, τ > 0 etρ ∈ P
′s,β,τ
(G
∗),
on a
m
β(µ
ρ)≤E
ρξ
β.
En particulier, pour tousν ∈ P(R) etρ∈ P
′s
(G
∗) tels queν =µ
ρ, on a
a
2
c+ 1
c
1+α/2m
α(ν)≤I
′(ρ)
donc pour toutν∈ P(R), on a
a
2
c+ 1
c
1+α/2m
α(ν)≤Φ˜
′(ν). (4.38)
Soit maintenant ν une mesure sym´etrique telle que ν({0}) ≥
|11+−cc|.
D’apr`es l’exemple 4.18, la mesure
ρ= 1
2
ˆ
Rδ
ˆgx+δ
ˆg−xdν(x)
appartient `a P
′ s(G
∗) et d’apr`es l’exemple 4.32, on a
µ
ρ= 1
2
ˆ
Rδ
x+δ
−xdν(x) =ν
carν est sym´etrique. On a alors
˜
Φ
′(ν)≤I
′(ρ) = a
2
c+ 1
c
1+α/2E
ρξ
α= a
2
c+ 1
c
1+α/21
2
ˆ
R|x|
α+| −x|
αdν(x)
= a
2
c+ 1
c
1+α/2m
α(ν). (4.39)
D’apr`es (4.38) et (4.39), on a donc
˜
Φ
′(ν) = a
2
c+ 1
c
1+α/2m
α(ν)
d`es que ν est sym´etrique avec une masse en 0 sup´erieure ou ´egale `a
|11+−cc|.
Cela termine la d´emonstration de la proposition 4.37.
On a ainsi retrouv´e la proposition 4.6 `a l’aide des graphes al´eatoires, `a
l’hypoth`ese 4.24 pr`es. Cela montre que la m´ethode originale de Bordenave et
Caputo [BC] fonctionne ´egalement dans le cadre de matrices de covariance
et fournit une d´emonstration alternative du th´eor`eme 1.8.
´
Etude de l’´equation de
Fokker-Planck libre
´
Equation des milieux
granulaires
Ce chapitre est consacr´e `a la pr´esentation de la probl´ematique du
com-portement en temps long de la solution de l’´equation des milieux
granu-laires. On d´eveloppe les m´ethodes analytiques et les m´ethodes probabilistes
employ´ees dans la litt´erature afin d’y r´epondre. On s’inspirera en effet de
certaines de ces m´ethodes pour traiter le cas particulier de l’´equation de
Fokker-Planck libre dans les deux derniers chapitres.
5.1 Probl´ematique
L’´equation des milieux granulaires est une classe d’´equations aux d´eriv´ees
partielles (EDP) contenant de nombreuses ´equations classiques issues de la
physique. L’´equation des milieux granulaires est l’´equation
∂µ
t∂t =∇ ·µ
t∇(U
′(µ
t) +V+W ∗µ
t)
(5.1)
portant sur une famille (µ
t)
t≥0de probabilit´es surR
dadmettant des densit´es
(ρ
t)
t≥0par rapport `a la mesure de Lebesgue. Dans cette ´equation, ∗d´esigne
la convolution sur R
d,∇ l’op´erateur gradient et∇· l’op´erateur divergence.
L’´equation (5.1) est `a prendre au sens des distributions, autrement dit, elle
est ´equivalente `a : pour toute fonction test ϕ:R
d→R assez r´eguli`ere,
d
dt
ˆ
Rdϕ(x) dµ
t(x) =−
ˆ
Rd∇ϕ(x)· ∇(U
′(ρ
t(x)) +V(x) +W ∗ρ
t(x)) dµ
t(x).
Cette ´equation mod´elise l’´evolution en fonction du temps d’une densit´e
de particules soumise `a trois effets :
– une ´energie interne U :R
+→R;
– un potentiel de confinement V :R
d→R;
107
– un potentiel d’interaction W :R
d→R.
L’´equation de la chaleur
∂µ
t∂t = ∆µ
test un exemple d’´equation des milieux granulaires, correspondant `a U(s) =
sln(s), V = 0 et W = 0, tout comme l’´equation des milieux poreux ou
l’´equation de Fokker-Planck lin´eaire (voir [Vil1, p. 269] pour d’autres exemples).
Des conditions classiques assurent l’existence et l’unicit´e de la solution
de l’´equation des milieux granulaires (voir [CMV1, Annexe A]) mais ce point
ne sera pas d´evelopp´e ici. La probl´ematique qui nous int´eresse est celle du
comportement quandt→+∞de la solution µ
t.
Dans la litt´erature, on peut identifier deux classes de m´ethodes pour y
r´epondre : les m´ethodes analytiques (fonction de Lyapunov, in´egalit´es
fonc-tionnelles) et les m´ethodes probabilistes (diffusions, syst`emes de particules).
Ces deux classes de m´ethodes sont d´evelopp´ees dans les deux sections
sui-vantes.
Dans le document
Grandes d´eviations de matrices aléatoires et équation de Fokker-Planck libre
(Page 114-123)