HAL Id: tel-00796271
https://tel.archives-ouvertes.fr/tel-00796271
Submitted on 2 Mar 2013
HAL is a multi-disciplinary open access
archive for the deposit and dissemination of
sci-entific research documents, whether they are
pub-lished or not. The documents may come from
teaching and research institutions in France or
abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est
destinée au dépôt et à la diffusion de documents
scientifiques de niveau recherche, publiés ou non,
émanant des établissements d’enseignement et de
recherche français ou étrangers, des laboratoires
publics ou privés.
déposition aléatoire
François Ezanno
To cite this version:
François Ezanno. Systèmes de particules en interaction et modèles de déposition aléatoire. Probabilités
[math.PR]. Aix-Marseille Université, 2012. Français. �NNT : 2012AIXM4701�. �tel-00796271�
Aix-Marseille Université
Thèse
présentéepour obtenir legradede Do teur Aix Marseille Université
délivré par l'Universitéde Proven e Spé ialité :Mathématiques
par
François EZANNO
sousladire tion d'ÉtiennePARDOUX etEnriqueANDJEL Titre :
Systèmes de parti ules en intera tion et modèles de déposition aléatoire
soutenue publiquement le21 dé embre2012
JURY
Enrique Andjel Aix-Marseille Université Dire teur Nathanaël Enriquez UniversitéParis 10 Examinateur Étienne Pardoux Aix-MarseilleUniversité Dire teur Didier Piau UniversitéJoseph Fourier-Grenoble Rapporteur Pierre Pi o Aix-MarseilleUniversité Examinateur Ellen Saada UniversitéParis Des artes Rapporteur
Remer iements
Mes remer iements vont en premier lieu à mes dire teurs Étienne Pardoux etEnrique Andjel. Ils ont toute monadmiration ainsiquema gratitudepour m'avoirpermis d'ee -tuer ette thèse.
Etienne possède toutes les qualités qui sont appré iées par un thésard. J'ai pu béné ier de sonénergie, de sarapidité, deson e a ité.Au delà du travail j'aiappré ié à sajuste valeursonaltruisme etl'importan e qu'il a a ordé àmes problèmes, réant trèsvite une relation de onan e.
Enrique mériterait plus que quelques lignes omme remer iement. Sa vision ludique des probabilités, ainsi que sa rigueur font que je garde un ex ellent souvenir de toutes nos dis ussions mathématiques. J'ai appris énormément à son onta t au sujetdes probabili-tés, maisaussi del'Histoire, du football, de lafeijoada, del'Argentine,du sudoku etbien d'autres hoses.Je leremer ie spé ialement pour sona ueil haleureux àl'IMPA.
Je tiens à remer ier vivement Ellen Saada et Didier Piau d'avoir a epté de rédiger un rapport sur ette thèse. Leur le ture attentive et leurs pré ieuses remarques m'ont été d'une grandeutilité. Je remer ie aussiPierre Pi o etNathanaelEnriquez de faire partie du jury.C'est ungrandhonneur pour moi.
Je veux exprimer aussi ma re onnaissan e aux ex ellents enseignants de l'université de Rennes,sansquije neseraispaslà,enparti ulierFlorentMalrieu,Grégory VialetHélène Guérin.
Les ren ontres que j'ai faites au sein du LATP ont rendu es trois années plus agréables et palpitantes. Mer i en parti ulier à Sébastien Darses pour son soutien qui a beau oup ompté ainsiquepour quelquesagréables dîners.Mer i à Grégory Maillardpour sonaide et son é oute. Mer i à Alexandre Gaudillière pour l'intérêt qu'il a porté à mon travail et l'aide non négligeable qu'il m'a oerte au moment où j'en avais le plus besoin. Enn les do torants que j'ai eu le plaisir de toyer ont été autant de ompagnons de galère grâ e à qui j'ai pu tenir le ap : mer i à Lionel, JC, Clément, Ismaël, Mattias, Mi kaël, Julien, Jonathan, Sébastien, Thomas et Thomas, Bien, Niklas, Flore, Fanny, Benjamin, Moustapha,Elma.Mer iàPeter pour lesleçons defootball.J'aiune penséeenparti ulier à mes frères de thèse Majid, Bouba ar etMamadou ave qui j'ai partagé beau oup de dis ussions enri hissantes, d'expérien es etd'émotions.
Je dois aussi remer ier tout le personnel du CMI, en parti ulier Valérie, Sonia et Marie-Christine dont j'admire la ompéten e etlabonnehumeur.
Mer iaussiàBobDylan,JoãoGilbertoetlesPinkFloydd'avoirrendu eslongues heures de réda tionmoinsmonotones.
La présen e de mes amis a été d'une grande aide pour rester dansla réalité, e qui n'est pastoujoursévidentpourunmathémati ien.Jenesaispas ommentlesremer ier arrien ne serait possible sans eux. Mes vieux amis de Saint-Pabu, Guillaume, Fred et PH ont
eux d'Avignon : Guigui, Alexandra, Bertille, et Elise pour tous les bons moments. Mes olo ataires d'A igné, Alexandre, Maël, et François méritent une pla e parti ulière dans es remer iements, es trois années m'ont onrmé que je peux ompter sur eux. Il en va de même pour les habitants de la rue de Saint-Malo, Titi, Coko, Jérémy et Lolasse. Mer i à mon ami Pas al, je garde un souvenir ému de notre olo ation. Mer i à Dond, en parti ulier pour son anapé quand je n'étais qu'un bébé thésard. Enn les Visan
x
,x
∈ N/2
, ont été des moments que je garde en mémoire, et dont je suis sorti à haque fois ave unemotivation renouvelée pour attaquer mathèse. Tousles Visanais,y ompris les deux, méritent destonnerresde remer iements. Mer i enn à tous eux qui ont faitle dépla ement pour venir m'en ourager.J'ai la han e de pouvoir toujours ompter sur des parents en or. Je suis heureux de pouvoir leur dire à quel point ils ont été importants pendant ette thèse. Mer i Pierre et Céline, que je suis er d'avoir omme frère et s÷ur. Mer i aussi inniment à Serge, à la petite NinaetàMilo.
Je remer ie Elio pour toutes es dis ussions aptivantes sur les petits bébés es argots, et pour la joie qu'il m'apporte tous les jours. Enn, mer i Fanny, je ne pouvais pas rê-ver d'un soutien plus pré ieux que elui que tu m'as apporté, ni d'une ompagnie plus ré onfortanteque latienne.
Laprobabilitéde réussir lamisesur orbite d'unefuséeest d'une han e surun million. Dépê hons-nousde rater999.999 lan ements! Ja quesRouxel
Introdu tion 1
Chapitre 1 Le problème de la onstru tion des systèmes de parti ules en
intera tion 5
1.1 Historique duproblème . . . 7
1.2 Point de vue analytique. Constru tionde Liggettvia Hille-Yosida . . . 9
1.3 Une onstru tionélémentairedessystèmesdespinsave intera tionsderang inni . . . 11
1.4 Cas d'unespa ed'état dénombrable ave desintera tions derangni. . . . 23
Chapitre 2 Résultats surle modèlede Gates-West ott 29 2.1 Modèles de roissan ealéatoire . . . 29
2.2 Ré urren edu prol . . . 36
2.3 Constru tionpoissoniennepour lemodèlede Gates-West ott . . . 37
2.4 Couplages . . . 37
2.5 Vitesse asymptotiquede roissan e . . . 39
2.6 Étatdes onnaissan es surlemodèle deGates-West ott . . . 42
2.7 Théorème depeigne pour
β
2
< β
0
. . . 432.8 une onditionsusanted'ergodi itédansle domaine
β
0
< β
2
< β
1
. . . 522.9 une onditionsusante de transien e dansledomaine
β
0
< β
2
< β
1
. . . . 592.11 Existen e d'une mesure stationnaire pour une innité de sites, ave
β
1
=
(β
0
+ β
2
)/2
. . . 66 2.12 Questionsouvertes . . . 69Chapitre 3 Le pro essus de onta t sous- ritique vu du bord 71 3.1 Dénitionsetnotations . . . 71 3.2 Une preuve alternative de la onvergen e du onta t sous- ritiquevudu bord 74 3.3 Le pro essus de onta t ni sous- ritique vudu bord admet une limite de
Yaglom . . . 79 3.4 Problèmes pour adapter lase tion3.2en temps ontinu . . . 86
Appendi e : preuve du théorème 7 89
Au ours de estrois années de thèse,mes re her hesont porté prin ipalement sur un modèlede roissan e ristallinequenousnommonsi imodèledeGates-West ott,ainsique sur desquestions relativesau pro essus de onta t. En préambule à l'étude de es objets j'aiaussiréé hiàunereprésentationsimple dessystèmes markoviensave une innitéde parti ulesen intera tion.
Chapitre 1 : onstru tion des systèmes de parti ules en intera tion
Dans les années 60, sous l'impulsion de la mé anique statistique, a été introduite une famille trèsgénéralede pro essussto hastiquesmarkoviens:lessystèmes departi ules en intera tion.Cetteinnovationaétélepointde départd'ungrand nombredetravaux,aussi bien sur des problèmes globaux relatifs à ette famille que sur des pro essus parti uliers faisant partie de ette famille :modèled'Ising, de votant, de onta t...Le point ommun de tous es pro essus est de dé rire simultanément l'évolution dans le temps des états asso iés à un ertainnombre(souvent inni) de sites, la dynamique étant gouvernée par lapres ription derègles d'évolution lo ales.
Dans un premier temps s'est posé le problème de la dénition : sous quelle ondition a t-on l'existen e et l'uni ité de tels pro essus? Pré isons le sens de ette question : nous onsidérons un ensemble
V
de sites, unensembleE
d'étatspossiblespour haque site,et pourη
∈ E
V
et
T
⊂ V
ni,desmesuresc
T
(η, dξ)
surE
T
.
Onsouhaitedénirsansambiguïtéunpro essus
(ξ
t
, t
≥ 0)
surE
V
telque,dansla ongu-ration
η
,la onguration lo aleη
T
soit rempla ée par une nouvelle ongurationξ
selon lamesurede transitionc
T
(η,
·)
, e i pour toutT
ni.Ceproblèmededénitionaétéd'une ertainefaçonrésoludanslespremièresannées.Dans le asoù
E
est ompa t,Liggett[34℄a enparti ulier montré, sousunehypothèsetrès peu restri tive sur les taux de transition (hypothèse (H
1
), page 8), que le prégénérateur de Markov asso ié à la dynamique dé rite dénissait un unique semi-groupe de Feller, don ununiquepro essusdeFeller.L'outilprin ipaldesadémonstration estlathéoriede Hille-Yosida.Dans le as
E =
{0, 1}
, et sous une hypothèse légèrement plus faible (hypothèse (H
′
1
), page 9),nous avons her hé à donnerune autre onstru tion quise passede lathéorie de Hille-Yosida,ensebasantsuruneidéeplusnaïvequiestlasuivante.LorsqueV
estni,le problèmedel'existen eetuni itédupro essus(ξ
t
, t
≥ 0)
estsansdi ulté.PourV
inni, on xe une suiteV
n
↑ V
de boîtesnies et on onstruit d'abord des pro essus(ξ
n
t
, t
≥ 0)
oùseulesles oordonnéesde
V
n
évoluent.Lerésultatleplusimportant du hapitre estque si(H
′
1
) est vériée,Théorème ( orollaire du théorème 3, hapitre 1). Pour
t
≥ 0
,v
∈ V
,ξ
n
t
(v)
onverge quandn
→ ∞
.Ce iestfaitd'unefaçonquimetenvaleurle ara tèrenaturel del'hypothèse
(H
′
1
)
,qui n'apparaît pas lairement dans la onstru tion de Liggett par exemple.On vérie ensuite quele pro essus limite orrespond àl'objetre her hé :Théorème(théorème4, hapitre1). Lesemi-groupedéniparlepro essus
ξ
t
:= lim
n→∞
ξ
n
t
a legénérateur deMarkov souhaité.
Chapitre 2 : Modèle de Gates-West ott
Le modèle de Gates-West ott estun pro essussto hastique de déposition verti ale, où un ertainnombre
n
desites apturentà ertainstauxdesparti ulesenvironnantes, faisant ainsi roître un édi e ristallin. Le tauxde apture en un site peutprendre troisvaleursβ
0
,β
1
etβ
2
selonlagéométriedusite(voirlagure2.1.2page34).Cesontdesparamètres du problème.L'évolutiondel'édi eestdé riteparunve teur
X
n
t
= (X
t
n
(1), . . . , X
t
n
(n))
etons'intéresse àlaformedelasurfa edu ristal,dé riteparleve teurH
n
t
= (X
t
n
(1)
−X
t
n
(2), . . . , X
t
n
(n
−
1)
− X
n
t
(n))
.Le ara tère(ré urrent positif, ré urrent nulou transitoire) dupro essus de MarkovH
n
doitêtreinterprété ommelanaturestable/instable,autrementditlisse/rugueuse, del'interfa edu ristal.Onemploiera indiéremment l'adje tifergodique pourdésignerun pro essus ré urrent positif. Les résultats les plus importants de e hapitre sont liés à la question suivante :selonles valeursdes paramètres
β
0
, β
1
, β
2
etn
,quelle est lanature deH
n
?
Si
β
2
< β
0
,les sommets roîssent plusvitequelestrous,de sorte qu'ilestaisé demontrer queH
n
esttransitoire.Ondonne unedes riptionplus pré isedu omportement asympto-tique de
H
n
, omportement qui est parfaitement visible dans les simulations de la gure 2.7.
Théorème (Théorème11, hapitre 2). Si
β
2
< β
0
, leve teur1
t
(X
n
t
(1), . . . , X
t
n
(n))
onverge presque sûrement quand
t
→ ∞
vers unve teur aléatoireG
, qui est d'une forme donnée par(2.18)
,(2.19)
, ou(2.20)
selonles paramètres.Si
β
0
< β
1
≤ β
2
, il est déjà onnu [3 ℄ queH
n
est ergodique. La nature de
H
n
reste à déterminer pour deux zones de paramètres :
β
1
≥ β
0
≥ β
2
etβ
0
≤ β
2
< β
1
. Nousnoussommes on entréssur ettedernièrezone.La onséquen e laplusimportantedenos résultatsest que ette zoneestmixte :
Théorème ( onséquen edesthéorèmes 13 et14, hapitre 2).
(i) Il existe des valeurs
β
0
< β
2
< β
1
telles que, pour toutn
≥ 2
,H
n
soit ré urrent positif.
(ii) Il existe des valeurs
β
0
< β
2
< β
1
telles que, pour toutn
≥ 5
,H
n
soit transitoire.
Nous avons introduit deux outils nouveaux pour démontrer es résultats. Le premier est lavitesseasymptotique
v
n
= lim
t→∞
X
t
n
(1)/t
, déniequandH
n
est ré urrent positif. Lese ond estun ouplagemonotone entrelepro essus
X
n
etunautrepro essus
X
˜
n
pour lequel lavaleur de
β
2
est rempla ée parβ
1
.Nous donnons une ondition susante pour qu'une omparaison existe entre esdeux pro essus.Nousavonsaussi onsidéréle pro essus
(H
t
, t
≥ 0)
qui suit lamême dynamique que elle dé rite i-dessus,maisave uneinnitédesites.Lorsqueβ
2
> β
0
etβ
1
= (β
0
+ β
2
)/2
,nous nous inspirons de l'expression expli ite de la distribution stationnaire pourn
ni donnée dans [17℄ pour démontrer l'existen e d'une distribution stationnaire (là en ore expli ite) pour(H
t
, t
≥ 0)
.Théorème (Théorème16, hapitre 2). Soit
m
la probabilité surZ
dénie par :m(k) =
1
Z
s
β
0
β
2
!
|k|
,
où
Z
est la onstante denormalisation.Si
β
2
> β
0
etβ
1
= (β
0
+ β
2
)/2
, alors la mesure produitµ := m
⊗Z
sur
Z
Z
est invariante pour le pro essus
(H
t
, t
≥ 0)
.Chapitre 3 : pro essus de onta t sous- ritique vu du bord
Le pro essus de onta t
(ξ
t
, t
≥ 0)
en une dimension est un exemple de système de parti ules. L'espa e des ongurations est{0, 1}
Z
et les sites sont dits o upés s'ils sont dansl'état
1
,etvidess'ilssontdansl'état0
.La ongurationidentiquementnulleestnotée0
.En haque site peuventsurvenir desévènements dedeux types: desdé ès:1
→ 0
au taux 1,desnaissan es:
0
→ 1
au tauxλ
×
lenombre desites voisinso upés.On prendi i la onstante
λ
stri tement inférieure à la valeur ritiqueλ
c
du pro essus de onta t. Supposons qu'on parte d'une onguration ave un nombre ni d'individus. La probabilitéP
(ξ
t
6= 0)
de non extin tion à l'instantt
onverge alors vers0
,quandt
→ ∞
. Cette onvergen e est d'ailleurs exponentiellement rapide. La onguration0
est un état absorbant dupro essusetl'absorption arrive don presquesûrement en temps ni. Le pro essus de onta t vu du bord(ζ
t
, t
≥ 0)
est déni parζ
t
(v) = ξ
t
(v + sup ξ
t
)
, oùsup ξ
t
= sup
{v : ξ
t
(v) = 1
}
.Autrementditζ
t
s'obtiententranslatant la ongurationξ
t
de façonà equel'individuleplusàdroiteseretrouveàl'origine.Con ernantle omportement asymptotiquedeζ
t
,deux questionsseposent :(a) Sion part d'unnombre nide siteso upés, onpeut onsidérer la loide
ζ
t
ondi-tionnéeàlanonextin tion,soitL(ζ
t
|ξ
t
6= 0)
.Est- eque etteloi onditionnelleadmet une limite1
quand
t
→ ∞
, indépendantede la ondition initiale? Autrement dit, le pro essusζ
t
admet-ilunelimite deYaglom?(b) Si on part d'une onguration
η
ave une innité de sites o upés, mais telle quesup η < +
∞
,l'évènement{ξ
t
6= 0}
est biensûrdeprobabilité 1,don onne faitplus de onditionnement. Est- equeL(ζ
t
)
admetune limitequandt
→ ∞
?Il existe unlien entre esdeuxquestions. Heuristiquement, puisquelaprobabilitéde non-extin tionestexponentiellementdé roissante,sil'onpartd'une onguration ommedans (b)l'individuleplusàdroite quiaunedes endan eàl'instant
t
atrèsprobablementpassé une grandepartie de l'intervalle de temps[0, t]
trèsisolé dureste de lapopulation, e qui fait quela onguration de sades endan edoit ressembler à e qu'elleserait sil'individu en question avait été tout seul à l'instant0
.Par onséquent, la limite de Yaglom dans le problème(a),sielleexiste,estunebonne andidatepourêtreaussilasolutionduproblème (b). Danslase tion3.3, nousrépondonspositivement à laquestion (a).Théorème ( orollaire du théorème 22, hapitre 3). Le pro essus
(ζ
t
, t
≥ 0)
admet une limite de Yaglom : il existe une mesureν
portée par l'ensemble des ongurations nies telleque, quelle que soit la ondition initiale,L(ζ
t
|ξ
t
6= 0) ⇒ ν, t → ∞.
L'équivalent du problème (b) a été résolu ré emment par Andjel [2 ℄ pour un modèle analogueentempsdis ret.Noussommespourl'instantarrêtéspardesdi ultéste hniques pouradapter lapreuve de erésultat entemps ontinu. Nostentativesinfru tueusesnous ont ependant amené à établir une preuve alternative du résultat de Andjel, que nous donnons dans la se tion 3.2. Nous espérons qu'elle puisse être le point de départ d'un passage au temps ontinu.
Le problème de la onstru tion des
systèmes de parti ules en intera tion
Dans e hapitre,ons'intéresseauproblèmedela onstru tiondesystèmesdeparti ules enintera tion(SPIdanslasuite).Danslesensoùonemploie eterme,ils'agitd'une lasse de pro essus aléatoiresdé rivant simultanément l'état d'un nombreinni de oordonnées ( orrespondant aux états des parti ules), où la dynamique est telle que l'évolution de haque parti ule n'est pasné essairement markovienne, maisl'évolution du systèmedans sonensemblel'est.Onnote
E
l'ensembledesétatspossiblesd'uneparti ule,etV
l'ensemble dessites.L'étatglobaldusystèmeestdé ritparune onguration, 'est-à-direunefon tionη = (η(v), v
∈ V )
,eton noteX := E
V
l'espa e des ongurations. Dans le as où
E =
{0, 1}
, une ongurationη
pourra être onfondueave lesous-ensembledeV
donné par{v ∈ V : η(v) = 1}
.Dans e hapitre les sitesseronttoujours notéspar deslettres latines ommev, w
,etles ongurationspar des lettres gre questelles queξ, ζ, η
ouχ
.Comme nousallonsle voir, lefait quele nombre de parti ules nesoit pas nisoulève des problèmesdedénition. Ilarrivesouventquedesmodèlesquel'on her heàétudiersoient déterminés par une des ription intuitive de son omportement. Malheureusement il n'est pas impossible que la des ription heuristique de la dynamique qui anime nos parti ules puisse ne pas orrespondre à un unique pro essus sto hastique, d'autant plus qu'il n'y a pasune unique façon dedénir une telle orrespondan e(voirdénition1).
La généralisation du as
E =
{0, 1}
au asd'unespa e nioumême d'unespa e ompa t quel onquen'étantpasl'obsta lemajeuràlaproblématiquede e hapitre,nousénonçons touslesrésultatsan iensetnouveauxaveE =
{0, 1}
,jusqu'àlase tion1.4oùonprendraE = Z
.Parailleurslesrésultatsde ettethèsesontdonnés,parsou i desimpli ité,dansle ontexteapriorirestri tifoùunseulsiteàlafoispeut hangerd'état(saufdanslase tion 1.4), ex luant par exemple le pro essus d'ex lusion de la dis ussion. Nous royons que ette restri tion n'est pas non plus profonde, de sorte que notre adre apture l'essentiel desquestionsliées àla onstru tion des SPI.famille de réelspositifs
c = (c
v
(η), v
∈ V, η ∈ X),
(1.1)eton her heàdénirunpro essusdeMarkovsur
E
oùdansla ongurationη
, haque o-ordonnéeη(v)
hanged'étatautauxc
v
(η)
.Sousquelle ondition ettepres riptionestsans ambiguïté? Le générateur innitésimal orrespondant à ette des ription est l'opérateur déniparΩf (η) :=
X
v∈V
c
v
(η)
f (η
v
)
− f(η)
,
(1.2) oùη
v
estla ongurationqui oïn ideave
η
partout saufenv
:η
v
(w) :=
(
η(w),
siw
6= v
,1
− η(v),
siw = v
.Dans(1.2)lasommepeutnepas onverger,par onséquent
Ω
n'estpasdénisurl'ensemble detouteslesfon tions,maisentout asill'estaumoinssurl'ensembleF(X)
desfon tions dites lo ales :F(X) := {f : X → R
nedépendant qued'unnombrenide oordonnées}.
(1.3)L'espa e
X =
{0, 1}
V
étant munidesatopologie produit, nousrappelonsqu'il s'agitd'un espa e topologique ompa t métrisable.
C(X)
désignera l'espa e des fon tions ontinues deX
dansR
,munide sanormenaturellekfk := sup
η∈X
|f(η)|
Ondésignera par
D
:= D(R
+
, X)
(1.4)l'espa edesfon tionsde
R
+
dans
X
ontinuesàdroite etadmettant deslimites àgau he. Formellement, tous les pro essus évoqués sont dénis par une famille(P
ξ
, ξ
∈ X)
de pro-babilitéssurl'ensemble destraje toires telles que∀ξ ∈ X, P
ξ
(ξ
0
= ξ) = 1,
etP
ξ
(D) = 1,
(1.5)où
ξ
t
désigne l'appli ation qui à(η
s
, s
≥ 0) ∈ D
asso ie lavaleurη
t
.L'espéran e asso iée àP
ξ
seranotéeE
ξ
.Par abus, onpourraaussiparler de pro essuspour désignerlafamille(ξ
t
, t
≥ 0)
.OnnoteG
t
latribu engendrée parla famillede variables(ξ
s
, 0
≤ s ≤ t)
etG
la tribu engendrée par lafamille devariables(ξ
s
, s
≥ 0)
.Le pro essussera ditmarkovien si∀ξ ∈ X, ∀A ∈ G, P
ξ
(ξ
s+
·
∈ A | G
s
) = P
ξ
s
(A), P
ξ
− p.s.
(1.6) Dénition 1. On ditque lepro essus(P
ξ
, ξ
∈ X)
est solution de (MG)si
∀ξ ∈ X, ∀f ∈ F(X)
,f (ξ
t
)
−
R
t
0
Ωf (ξ
s
)ds
est une martingale relativement àP
ξ
.est solutionde (MG')si
∀v, w ∈ V
avev
6= w
,∀t ≥ 0
,P
ξ
(ξ
t+h
(v)
6= ξ
t
(v)
| G
t
) = c
v
(ξ
t
)h + o(h),
P
ξ
(ξ
t+h
(v)
6= ξ
t
(v), ξ
t+h
(w)
6= ξ
t
(w)
| G
t
) = o(h).
estsolutionde(SG) si 'est unpro essus markoviendontlegénérateurest donnépar (1.2)pour
f
∈ F(X)
.Unpro essusdeMarkovestditdeFeller s'ilalapropriétéraisonnablequelesopérateurs
S(t)
dénis parS(t)f (η) = E
η
f (ξ
t
)
(1.7)préservent
C(X)
. Dans e as la famille(S(t), t
≥ 0)
est un semi-groupe de Markov surC(X)
:elle vérie lespropriétés(a)
S(0) = Id
etS(t + s) = S(t)S(s)
, (b)S(t)1 = 1
,( )
f
≥ 0 ⇒ S(t)f ≥ 0
,(d)
∀f ∈ C(X), t 7→ S(t)f
est ontinue à droite dansC(X)
(enfaitseul (d)requiert quele pro essus deMarkov
ξ
t
soit de Feller).Deplus, il estbien onnu ([35℄, hapitre I, théorème 1.5) que la relation (1.7) onstitue une orrespondan e bi-univoque entreles pro essus de Feller surX
et les semi-groupesde MarkovsurC(X)
. Ce i réduit la question (SG) à laquestion de re her her les semi-groupesde Markovtels quepourf
∈ F(X)
,lim
t→0
S(t)f
− f
t
= Ωf.
(1.8)Danslase tion1.1,nousrappelonsbrièvementlesrésultatsdesannées70 on ernant ette question.Dans lase tion1.2nousrésumons leprin ipe dela onstru tion (quiest laplus ouramment utilisée)donnéepar Liggettdans[34 ℄sousla ondition(
H
1
).Cette ondition aétélégèrementaaibliepar lasuiteen(H
′
1
).Depuis ettedé ennieetenparti uliergrâ e à [34 ℄, on peut dire que le problème de la onstru tion est résolu, ependant dans [12℄ on a essayé de donner uné lairage nouveau sur laraison d'êtrede la restri tion (H
′
1
), en onstruisant leSPIpardesoutils uniquement probabilistes àl'aidede ouplagesadéquats desystèmesnis.Onpeutliredansplusieursdespapiers itésquela onditionheuristique pourqueladynamiquesoitbienposéeestquel'inuen enepuissepasprovenirdel'inni. Pluspré isément,ilestné essaireque equiarrive dansun ourtinstant enunsitedonné ne soit pas soumis à l'inuen e d'une haîne d'intera tions venant d'inniment loin en temps ni. Notre onstru tion, donnée en se tion 1.3, montre que la pres ription (H
′
1
) n'est pas imposée par des raisons te hniques, mais qu'elle est réellement le reet du fait que sans elle la dynamique est mal posée. Dans la se tion 1.4 enn, pour les besoins de lase tion 2.11, nousfaisonsun travailanalogue lorsqueE = Z
maisave desintera tions supposées derang ni.1.1 Historique du problème
pre-innitéde oordonnéesenintera tionétaitunmodèled'Isingsto hastique[21 ℄.Cependant, seules les espéran es des spins sont onsidérées, de sorte que le problème mathématique résideenun systèmed'équationsdiérentielles. En 1970,Spitzer [42 ℄étudie despro essus dé rivant ertaines mar hes aléatoires ouplées (dont un pro essus d'ex lusion ave des parti ulesàvitessevariable)quisontfaitspourqueleurmesureinvariantesoitunemesure de Gibbspour un potentielpres rit.Ce i estfait dansun premier temps pour un nombre ni de parti ules, et dans la deuxième partie le as d'un nombre inni de parti ules est évoqué mais sans pouvoir faire plus que d'énon er des onje tures basées sur des al uls formels.
La même annéeHolley[27 ℄ vérie les onje tures deSpitzer endénissantproprement les pro essus innis en jeu.La méthode est d'appro her lepro essus par des pro essus nis, puis d'utiliser un théorème de Trotter-Kato, e qui revient en fait à passer par le théo-rème de Hille-Yosida. Ces résultats s'appliquent spé iquement aux pro essus introduits par Spitzer etpar ailleurspour leur démonstration le fait d'êtreen dimension 1 (
V = Z
) est ru ial.Unarti letrèsimportantest eluideLiggett[34℄en1972quiaméliore edernierrésultat: il montre via le théorème de Hille-Yosida l'existen e et l'uni ité d'une solution de (SG) dansdeux ontexteslégèrementdiérents:d'abordpour lepro essusd'ex lusion ave des parti ules à vitesse variable introduit dans [42℄, puis pour les systèmes de spins ave des taux
c
v
(η)
quel onques(voirse tion1.2) supposés ontinus etvériantB := sup
v∈V
X
w6=v
a(w, v) < +
∞,
(H
1
) oùa(w, v) := sup
η∈X
|c
v
(η)
− c
v
(η
w
)
|, w 6= v,
et
a(w, w) = 0
.La valeura(w, v)
quantie l'inuen e maximale de l'état du sitew
sur le tauxde sautausitev
.La onstru tion plusgénéralequ'il donne plustarddans[35 ℄ unie esdeux situations.LamêmeannéeHarris[26 ℄amélioreluiaussilerésultatde[27 ℄enlegénéralisantà
V = Z
d
, maisspé iquementpourunpro essusd'ex lusionà vitessesvariablesintroduitdans[42℄, etenimposant deplusun rangd'intera tionni. Lagénéralité estdon bienmoindreque dans[34℄maissonappro he,quiestpluspro hede ellequenousadoptonsense tion1.3,a l'avantagedefournir une onstru tion quipermetdegarder tra edel'histoire individuelle des parti ules : par exemple l'évènement que deux parti ules é hangent leur position est invisible dansla onstru tion de [34℄.Simultanément Holley [28 ℄ énon eaussi unrésultat moinsgénéral que elui de [34℄ maisdont la preuve estbeau oupplus ourte.
Holley et Stroo k [29℄ adoptent en 1976 le point de vue problème de martingales. Bien sûr, les problèmes (MG) et (SG) ne sont pas équivalents mais ils sont liés. Cet arti le ontient les résultatssuivants :
Le problème (MG) admet toujours une solution pourvu que les taux
c
v
(η)
soient ontinus enη
.Ilexiste desexemples où(MG) admetplus d'unesolution.
Lorsqu'ilexiste une unique solutionà (MG), 'estaussiune solution de(SG). Le résultat deLiggett yestaussiredémontrévia l'uni itéde lasolution de(MG).
un exemple pathologique d'un pro essus vériant (MG') mais pas (MG). Ainsi (MG'), bien qu'étant la formulation la plus intuitive de la dynamique que l'on veut onstruire, n'estpaslaplusjudi ieuse.Unrésultatnotablede[24 ℄estquelerésultatde[34℄restevrai sousl'hypothèse, plusfaible que(
H
1
), qu'ilexiste une famille(λ
v
, v
∈ V )
de réelspositifs vériantλ = inf
v∈V
λ
v
> 0
ettellequeA := sup
v
∈V
X
w
6=v
λ
w
λ
v
a(w, v) < +
∞.
(H
′
1
)Gray [23 ℄ obtiendra le même résultat sous la même ondition (
H
′
1
) en introduisant des systèmes despins ontrlés. Citons enn lestravaux deLiggett etSpitzer[36 ℄ etAndjel [1℄oùleproblèmedela onstru tionestétudiépour ertainspro essuspourlesquelsE = N
. Dans espro essusla oordonnéeenunsitereprésentelenombredeparti ulesquio upent e site, es parti ules ee tuant des mar hes aléatoires sujettes à un ouplage. Dans [36℄ le ouplage est donné par le fait que toutes les parti ules o upant un site utilisent la même horloge pour le quitter. Dans [1 ℄ il s'agit du pro essus zero-range, pour lequel un site ontenantk
parti ulesexpulseuneparti uleàun ertaintauxg(k)
.Dans esdeux as il est né essaire de se restreindre à des ongurationsη(v)
pas trop roissantes quandv
→ ∞
. Ces deux papiers sont à mettre en lien ave notre se tion 1.4 où on traite une situation ave destauxd'uneforme quel onque maisun rangnid'intera tion.1.2 Point devue analytique.Constru tion deLiggettvia Hille-Yosida
Il est instru tif de omprendre où pré isément intervient la ondition (
H
1
) dans la onstru tiondeLiggettbaséesurl'analysefon tionnellesurl'espa eX
, e iandepouvoir omparer ave notre onstru tion donnée dans la se tion 1.3. Le ontenu de la présente se tionreprenddemanière ondenséelesse tionsI.1etI.2de[35℄oùplusdedétailsseront trouvés.Rappelonsd'abord equenousditlathéoriedeHille-Yosida.Cequisuitjusqu'authéorème 1 estvalable pour un espa e
X
ompa t quel onque.Dénition 2.
•
Un prégénérateur de Markov(pGM) surX
est un opérateurΩ
, déni sur un s.e.v. denseD(Ω)
deC(X)
, vériant
Ω1 = 0
,
∀f ∈ D(Ω), ∀α ≥ 0
,min f
≥ min(f − αΩf)
.• Ω
est dit fermé sison graphe est fermé dansC(X)
× C(X)
.•
On ditqueΩ
a pour ltureΩ
si l'adhéren e du graphe deΩ
est le graphe de l'op é-rateurΩ
.Ilestbien onnuque
F(X)
estdensedansC(X)
etquel'opérateurdénisurF(X)
par (1.2) estun pGM.En faitnousverrons qu'il estmême déni surl'espa e suivant :D(X) := {f ∈ C(X) : |||f||| =
X
v
où
∆
f
(v) := sup
η
∈X
|f(η) − f(η
v
)
|
(attention,||| · |||
n'est pasune norme). Onrappelle un résultat lassiquequi estque toutpGMadmet une lture quiest en oreun pGM. Dénition 3. Un générateur de Markov (GM) est un pGMΩ
fermé et tel queIm(Id
−
αΩ) = C(X)
pourα > 0
assez petit (et alors automatiquement pour toutα
≥ 0
).De esdénitionsondéduitla hosesuivante.Si
Ω
estunpGM,une onditionsusante pourqueΩ
soit unGMest quepourα > 0
assez petit,Im(Id
− αΩ) = C(X).
(1.10)Le théorèmesuivantjustiel'importan e de lanotionde générateurde Markov.
Théorème1 (Hille-Yosida). Il existe une orrespondan e bi-univoque entre ungénérateur de Markov
Ω
surX
et un semi-groupe de MarkovS(t)
surC(X)
. Cette orrespondan e est donnée parΩf = lim
t
→0
S(t)f
− f
t
,
déni surD(Ω) = {f ∈ C(X)
telles quef ette limite existe},
S(t)f = lim
n
→∞
Id
−
t
n
Ω
−n
f, f
∈ C(X).
Ainsi si le ritère (1.10) est vérié, e théorème fournit une solution à (SG), et par ailleurs on vérie assez aisément que
Ω
est déterminé par sa restri tion àF(X)
, e qui signiel'uni ité de ette solution. Expliquons maintenant omment pour leprégénérateur (1.2) la ondition(H
1
) permetdevérierque(1.10) a lieu.Liggettfait, en plusde (
H
1
),les deuxhypothèsesnaturellessuivantes:∀v ∈ V, c
v
(η)
est une fon tion ontinue deη,
(H
2
) etC :=
sup
v
∈V,η∈X
c
v
(η) < +
∞.
(H
3
)Cesdeuxrestri tionssontmoinssigni ativesque(
H
1
).(H
3
)impliquequepourf
∈ D(X)
lasérie(1.2) onverge uniformément. Par ailleurs(H
2
) faitqueΩf
∈ C(X)
et onakΩfk ≤ C|||f|||.
(1.11) Sif
∈ D(X)
etg := f
− αΩf
,ona l'inégalité∆
f
(w)
≤ ∆
g
(w) + α
X
v
6=w
a(w, v)∆
f
(v).
(1.12)Àl'aidedel'opérateur
Γ
surℓ
1
(V )
dénipar
Γβ(v) =
P
w6=v
a(w, v)β(v)
,dontla onstanteB
dénieen(H
1
)estenfaitlanormesubordonnée, etteestimations'é rit∆
f
≤ ∆
g
+Γ∆
f
. Enitérantonobtient∆
f
≤
P
n
k=0
α
k
Γ
k
∆
g
+α
n+1
Γ
n+1
∆
f
.Siα < 1/B
lepassageàlalimite dans ette inégalité donneThéorème2 (Liggett,'72). Sousles hypothèses(
H
1
),(H
2
)et(H
3
),OnaIm(Id
− αΩ) =
C(X)
pourα
assez petit. Par onséquent il existe un unique pro essus de Markov surX
vériant (SG).Résumé de la preuve. Soit une suite exhaustive de sous-ensembles
V
n
⊂ V
, etΩ
n
f (η) :=
P
v
∈V
n
c
v
(η)
f (η
v
)
− f(η)
.Lafamillec
v
(η)
est elledénieen (1.1),etlesopérateursΩ
n
sont ommeΩ
dénis surD(X)
. Les quantités analogues àC, B, Γ
pourΩ
n
sont notées ave l'indi en
.L'idée lassiqueestd'exploiter lesbonnespropriétés de egénérateurni en montrant qu'elles passent à lalimite.Clairement
C
n
≤ C
,B
n
≤ B
etΩ
n
f
→ Ωf
uniformément pourf
∈ D(X)
. Prenonsg
∈ D(X)
et montrons queg
est limite d'une suite deIm(Id
− αΩ)
. PuisqueΩ
n
est un opérateur borné surC(X)
, onvérie quepourα < 1/
kOmega
n
k
,Id
− αΩ
n
estinversible et donIm(Id
− αΩ
n
) = C(X)
. Il existe ainsif
n
∈ C(X)
telle quef
n
− αΩ
n
f
n
= g
. Il n'est pasdi ile devoirquef
n
∈ D(X)
,de sorte qu'onpeut onsidérerg
n
:= f
n
− αΩf
n
. PuisqueΓ
n
≤ Γ
, l'inégalité (1.13) donne∆
f
n
≤ (Id − αΓ)
−1
∆
g
. En utilisant (1.11) on obtient ennkg − g
n
k = αk(Ω − Ω
n
)f
n
k
≤ αC
X
v /
∈V
n
∆
f
n
(v)
≤ αC
X
v /
∈V
n
(Id
− αΓ)
−1
∆
g
(v),
qui tendvers
0
quandn
→ ∞
pourvuqueα < 1/B
,puisque(Id
− αΓ)
−1
∆
g
∈ ℓ
1
(V )
. Avant de poursuivre on pré ise que nos tentatives pour adapter ette preuve sous la onditionaaiblie (H
′
1
) ont étéinfru tueuses.1.3 Une onstru tion élémentaire des systèmes de spins ave intera tions de rang inni
Considérons une olle tion de taux de transition
(c
v
(η), v
∈ V, η ∈ X)
. On fait dans ette se tionl'hypothèse suivante :A := sup
v
∈V
X
w
6=v
λ
w
λ
v
a(w, v) < +
∞,
(H
′
1
)où
a(w, v)
est dénià lapage 8,et(λ
v
, v
∈ V )
estune famille de réelspositifs tellequeλ = inf
v∈V
λ
v
> 0.
La ondition (
H
′
1
) dit que la dépendan e dec
v
(η)
en les oordonnées(η(w), w
∈ V )
est d'une ertaine façon faible pour les sitesw
lointains dev
. En plus de (H
′
1
) on suppose en ore que(H
2
) et(H
3
)sontsatisfaites.(
H
′
1
), et e faisant de proposer une onstru tion assez générale basée uniquement surdes outilsprobabilistes élémentaires. De epoint devue, notre onstru tion estdanslemême esprit que le travail de Harris dans un adre parti ulier ([26 ℄), mais nous ne demandons pas des intera tions de rangni. Nous montrons que quand (H
′
1
) est vériée, un ertain pro essus de Markov, à espa e d'état dénombrable, a la propriété de ne pas exploser en temps ni. Ce iimplique qu'il ne peutpasy avoir d'inuen e venant d'inniment loin en un site donné en temps ni. Heuristiquement, l'idée prin ipale est que pour déterminer l'étatξ
η
t
(v)
de notre système de spins au sitev
à l'instantt
, partant d'une ongurationη
à l'instant0
, il est né essaire de onnaîtreη(w)
pour un ertain ensemble (aléatoire)F
de sitesw
. Notre interprétation de (H
′
1
) est qu'elle donne le ontrle adéquat sur les dépendan esàlongueportéedec
v
(η)
pourqueF
restenipresquesûrement.Ce iimplique quelefaitdegelertouslessitesendehorsd'uneboîtenien'apasd'inuen esurlavaleur deξ
η
t
(v)
, pourvu que ette boîte soit susamment grande. Ce i onstitue le programme de la sous-se tion 1.3.1, qui nous amènera à onsidérer la limite de systèmes de spins nis. Dans la sous-se tion 1.3.2, nous nous atta hons à faire le lien entre e pro essus limite et leprégénérateur de Markov (1.2) asso ié aux tauxc
v
(η)
dénis en (1.1). Enn, ilestte hniquement important,lorsqu'ondonne une ertaine onstru tion d'unpro essus, d'avoirune ara térisationde sesmesuresinvariantes. C'estaussifaitdanslasous-se tion 1.3.2.1.3.1 Couplage et existen e du pro essus limite
Onintroduitl'ensembledes ongurationsave un nombrenide
1
,soitX
′
=
{η ∈ X : Card(η) < +∞},
(1.14) oùCard(η) := Card
{v ∈ V : η(v) = 1}
.Si
η
1
etη
2
sont deux ongurationsqui oïn ident sur unsous-ensembleW
deV
,ona∀v ∈ W, |c
v
(η
1
)
− c
v
(η
2
)
| ≤
X
w∈W
c
a(w, v).
(1.15)Il s'agit d'une onséquen e dire tede ladénition de
a(w, v)
et de l'inégalité triangulaire (ainsique del'hypothèse (H
2
) dansle asoùW
c
est inni).Enn, Ondénit lanotation
a(w, v) := a(v, w).
On insiste surle fait quel'intérêt de notre onstru tion est de mettre en lumière l'aspe t naturel de (
H
′
1
), qui n'est pas palpable dans la démonstration du théorème 2. On utilise pour ela essentiellement une méthode de ouplage et une relation de dualité entre deux pro essus.Pour résumer notrestratégie, nousallons d'abord dénir unpro essus enlaissant évoluer uniquementles oordonnées à l'intérieurd'uneboîte nie
V
n
⊂ V
,puis nousferons tendreV
n
versV
en roissant, etprouverons quela suite de pro essus obtenus onverge presque sûrement. Le théorème 3 rend tout e i possible en mettant en ÷uvre une onstru tion graphique. L'idée de onstru tion graphique a été développée très ttpar Harrisdans unpro essus(voirparexemple [25℄).Elle onsisteà fabriquerunpro essussur
X
ommeune fon tion déterministe d'un graphe aléatoire sous-ja ent, qui ontient une réalisation des instants etdeslieux desdiérentes transitions éventuelles,généralement obtenus à partir d'unefamilledepro essusdePoissonindépendants, indexéeparl'ensembledessites.Tout l'aléaest alors ontenudans ettefamille de pro essusde Poisson.Nousutilisons i i despro essus de Poisson indépendantsd'intensité égale etassez grande pour pouvoir gouverner lestransitions de tous les sites. Lorsque l'un d'entre euxsaute, il se produit éventuellement un saut pour l'état de la onguration au site orrespondant. Cesaut alieu ou passelonune ertaine probabilité imposéepar ladynamique.
Avant d'expliquer omment obtenir un systèmede spins, ommençons par dénir les sys-tèmes de spinsnis.Il s'agitde simplespro essusde Markovà espa eni.
Dénition 4. Soit
η
∈ X
etW
un sous-ensemble ni deV
. On dit qu'un pro essusξ = (ξ
t
, t
≥ 0)
est unsystème despinsni partant deη
etde paramètres(W, c)
si 'est un pro essus de Markov surX
W
η
=
{θ ∈ X : θ
W
c
= η
W
c
}
tel queξ
0
= η
;pour
θ, θ
′
∈ X
W
η
, son taux desaut deθ
àθ
′
est
c
v
(θ)
siθ
′
= θ
v
pour un
v
∈ W
, et0
sinon.On note
P
η,W
la loi d'un tel pro essus etE
η,W
l'espéran e sous ette loi. En utilisant es notationson ontinuera à noterξ
t
la valeur du pro essus à l'instantt
.Onxedésormaisunesuite roissante
(V
n
, n
≥ 1)
deboîtesniestellesque∪
n
≥1
V
n
= V
. Nousvoulonsdé rire e quiarriveàunsystèmedespinsnipartantdeη
etdeparamètres(V
n
, c)
,losquen
→ ∞
.On passe maintenant à la dénition de pro essus de Markov auxiliaires, qu'on appellera pro essus d'invasion, et qui nous serviront omme outils pour ontrler les onséquen es de lamodi ationd'undes paramètres
η
ouW
surl'évolution d'unsystèmede spins ni. Ce sont eux aussi des pro essus à valeurs dans l'espa e des ongurations, similaires au pro essusde per olation de premierpassage maisave des temps depassage exponentiels de paramètres dépendant des arêtes, et où les arêtes entre tous les ouples de sommets sont éventuellement on ernées par lespassages.Soit
W
⊂ V
etα = (α(w, v), w
6= v)
unefamillederéelspositifs.Plustard,lerledeα
sera joué para
ou para
,selon le ontexte.Le prin ipe estque, indépendamment pour haque ouple desites(x, y)
,onpla e desè hesdex
versy
aux instants de sautd'unpro essus dePoisson,etqu'ondé idequeles1
sepropagentselon esè hes.Plusrigoureusement on onsidère une famille de pro essusde Poisson mutuellement indépendants(P
x,y
, x
6= y)
, oùP
x,y
apourintensitéα(x, y)
,etondénitungrapheorienté(aléatoire)G
surl'ensembleV
× R
+
en pres rivant que(x, s), (y, t)
estune arête de
G
si l'une desdeux onditions suivantes estvériée :1.
x = y
ets
≤ t
,2.
s = t
ets
estun instantde sautdeP
x,y
. Onnotealors{(w, s) →
G
(v, t)
}
(1.16)l'évènement qu'ilyaitun heminorientéde
(w, s)
vers(v, t)
dansG
, 'est-à-direunesuite niede è hesmises bout-à-bout dew
versv
àdes instants roissants.Dénition 5. Soit
P
W,α
la loi du pro essus(ζ
t
, t
≥ 0)
surX
déni parζ
t
(v) = 1
⇔ ∃w ∈ W, (w, 0) →
G
(v, t),
et
E
W,α
l'espéran e sous ette loi. En utilisant es notations on ontinuera à noterζ
t
la valeurdupro essusàl'instantt
.Toutpro essusdontlaloiestP
W,α
seraappeléunpro essus d'invasion de paramètres(W, α)
. SiW =
{w}
avew
∈ V
, on é rit simplementP
w,α
.Une onséquen e immédiate de ette dénition est qu'un pro essusd'invasion possède la propriété de monotonie vis-à-vis du paramètre
α
. Plus pré isément siα
etα
e
sont tels que∀w 6= v
,α(w, v)
≤ e
α(w, v)
, alors unargument standard de ouplage montreque pour toutefon tion positivef
mesurablesurX
et roissante pour l'ordrepartiel anoniquesurX
,onaE
W,α
[f (ζ
t
)]
≤ E
W,e
α
[f (ζ
t
)].
(1.17) Ondénit,pourv
∈ V
etχ
∈ X
,γ
α
(v, χ) := (1
− χ(v))
X
w6=v
α(w, v)χ(w),
g
α
(χ) :=
X
v
∈V
λ
v
γ
α
(v, χ),
où
λ
v
estdéni dans(H
′
1
).Remarquons qu'en prenantα = a
,onaγ
a
(v, χ)
≤ λ
−1
λ
v
X
w6=v
λ
−1
v
λ
w
a(w, v),
etpar onséquentγ
a
(v, χ)
≤ λ
−1
λ
v
A.
(1.18)Ondénit également lafon tion
q(χ) :=
X
v
∈V
λ
v
χ(v), χ
∈ X.
Dansle asparti ulieroù
λ
v
≡ 1
,remarquonsqueq(χ)
estsimplementle ardinaldeχ
.Le résultat quel'onénon emaintenant donne unedes riptionsimple dupro essusd'invasion dansdeux asspé iaux:danslepremier,on partd'une ongurationave unnombreni de0
, et dans le deuxième ave un1
en un ertain site et des0
partout ailleurs. On se on entre sur esdeuxtypesde onditions initiales par eque e sonten faitles seulesqui vont nousservir.Dans la suite on note
1
W
la onguration telle que1
W
(v) = 1
siv
∈ W
et0
sinon. La restri tion d'une ongurationη
àun ensembleW
⊂ V
sera notéeη
W
.Proposition 1. (i) Supposonsque
W
c
soit ni.Sous
P
W,a
,(ζ
t
, t
≥ 0)
estunpro essus de Markov sur l'ensemble niX
W
=
{χ ∈ X : χ
W
≡ 1}
, partant deζ
0
= 1
W
. De plus,dans la ongurationχ
, le sitev
hange d'état au tauxγ
a
(v, χ)
.(ii) Supposons maintenantque
W =
{w}
et que (H
′
1
)soit vériée. AlorsE
w,a
[q(ζ
t
)]
≤ λ
w
e
At
,
(1.19)A
étantla onstantedans (H
′
1
).En parti ulier sousP
w,a
,(ζ
t
, t
≥ 0)
est non-explosif au sens oùP
w,a
(Card(ζ
t
) < +
∞) = 1
, et(ζ
t
, t
≥ 0)
est un pro essus de Markov à valeurs dans l'ensemble dénombrableX
′
, partant de
ζ
0
= 1
w
. De plus, dans la ongurationχ
, le sitev
hange d'état au tauxγ
a
(v, χ)
.Démonstration. Dans ha un des deux as le ara tère markovien de
(ζ
t
, t
≥ 0)
dé oule dufaitquelespro essusdePoissonsontàin rémentsindépendantsetstationnaires. Pour al uler lestaux de sautdanslepremier as, remarquonssimplement que pour une on-guration initialeχ
aveχ(v) = 0
, la oordonnéeζ
t
(v)
saute si et seulement si l'un des pro essusP
w,v
(aveχ(w) = 1
) saute. Le résultat est don une onséquen e du fait queP
w:χ(w)=1
P
w,v
estun pro essusde Poisson d'intensitéγ
α
(v, χ)
.Sipar ontreχ(v) = 1
le tauxde saut env
vaut0
ar seulesdestransitions0
→ 1
surviennent.Quant à lase ondeassertion, onsidérons d'abord
a
n
(x, y) :=
(
a(x, y),
six, y
∈ V
n
,
0,
sinon;(1.20)
et
a
n
(x, y) := a
n
(y, x)
. Soitu
n
(t) := E
w,a
n
[q(ζ
t
)]
. D'une part, un simple al ul utilisant (H
′
1
) montre queg
a
n
(χ)
≤ Aq(χ)
.D'autre part, sousP
w,a
n
,(ζ
t
, t
≥ 0)
est à valeursdans un ensemble ni don la formule suivanteest une simple onséquen e de la dénition du générateurd'un pro essus desaut appliquéeà lafon tionq
:E
w,a
n
[q(ζ
t+h
)
|ζ
t
] = q(ζ
t
) + g
a
n
(ζ
t
)h + o(h).
En prenant l'espéran edans ette formule, ilvientlim
h
→0
u
n
(t + h)
− u
n
(t)
h
= E
w,a
n
[g
a
n
(ζ
t
)]
≤ Au
n
(t).
Mais alors lelemme de Grönwall ave le fait que
u
n
(0) = λ
w
donnent l'inégalitéu
n
(t)
≤
λ
w
e
At
.Pour terminer la preuve nousdénissons un ouplage despro essus
(ζ
n
, n
≥ 1)
et
ζ
, qui sontdespro essusd'invasiondeparamètresrespe tifs(w, a
n
)
et(w, a)
, e ouplageayantla propriétéqueζ
n
t
(v)
estunesuite roissantequi onvergeversζ
t
(v)
.Pour e i,on onsidère la onstru tion Poissonienne i-dessus et on dénitζ
n
exa tement omme
ζ
sauf queζ
n
utilise uniquement
P
x,y
avex, y
∈ V
n
. Plus pré isément on dé ide que((x, s), (y, t))
est une arêtedanslegrapheG
n
sil'une desdeux onditionssuivantesestvériée :soitx = y
ets
≤ t
,soits = t
,x, y
∈ V
n
ets
est uninstant de sautdeP
x,y
.Maintenant ondénitζ
n
t
par
ζ
t
n
(v) = 1
⇔ (w, 0) →
G
n
(v, t).
Tout hemin xé dans le graphe
G
est aussi un hemin du grapheG
n
dès queV
n
est assez gros pour ontenir tousles sommetsde e hemin. Par onséquentζ
t
(v)
estbien la limite roissantequandn
→ ∞
deζ
n
monotone,onaque
E
w,a
[q(ζ
t
)] = lim
n→∞
u
n
(t)
.Ainsilabornedonnéepouru
n
(t)
estaussi valable pourE
w,a
[q(ζ
t
)]
.Puisquelepro essus
ζ
t
n'explosepasen temps ni,ils'agit d'unsimplepro essusde saut pur surl'ensembleX
′
dénombrable. Onpeutdon pro éder ommedansle asoù
W
c
est nipourdéterminer sestaux detransition.
Remarque.C'estpré isément danslapreuve pré édenteque(
H
′
1
)agit.Imaginonspar sou i de simpli ité queλ
v
≡ 1
. Alors e qui apparaît dans ette preuve on ernant le pro essus d'invasionζ
t
de paramètres(w, a)
est que par (H
′
1
) on a un ontrle|ζ
t
| ≤ B
t
, oùB
t
estun pro essusde bran hement binaireen temps ontinu,d'intensitéA
.C'est ela qui assurelanon-explosivitédeζ
t
,qui est ru iale dansle orollaire1.La proposition suivante établit une relation de dualité entre le pro essus d'invasion de paramètre
a
et elui deparamètrea
.Proposition 2. Soit
v
∈ V
etW
⊂ V
.AlorsP
W,a
(ζ
t
(v) = 1) = P
v,a
(
∃w ∈ W, ζ
t
(w) = 1).
(1.21)Démonstration. Soit
t
≥ 0
.Pours
≤ t
,on posee
P
x,y
(s) = P
y,x
(t)
− P
y,x
(t
− s).
Les pro essus de Poisson étant à a roissements indépendants et stationnaires,
P
e
x,y
est aussi un pro essus de Poisson sur l'intervalle de temps[0, t]
, d'intensitéa(y, x)
, et les pro essus( e
P
x,y
, x
6= y)
sont mutuellement indépendantspuisque les(P
x,y
, x
6= y)
le sont. Ondénit un nouveau grapheG
e
surV
× [0, t]
de lamême façon queG
,maisen utilisant ette foisP
e
x,y
au lieu deP
x,y
.L'équation (1.21) dé oule alors de l'équivalen e :(w, 0)
→
G
(v, t)
⇔ (v, 0) →
G
e
(w, t),
qui traduitlefait qu'un hemin de
(w, 0)
vers(v, t)
dansG
orrespond, en retournant les è heseten inversant lesensdu temps,à un hemin de(v, 0)
vers(w, t)
dansG
e
.Passonsmaintenant aurésultat prin ipal de ettese tion.
Théorème3.Soient
n
≥ 1
etη
∈ X
.Ilexisteun ouplagedepro essus(ξ
η,n
, η
∈ X, n ≥ 1)
et(ζ
n
, n
≥ 1)
tels que (i)ξ
η,n
soit un systèmede spins ni partant de
η
et de paramètres(V
n
, c)
, (ii)ζ
n
soit un pro essus d'invasion deparamètres
(V
c
n
, a)
, (iii) pour toutt
≥ 0
etv
∈ V
n
,
on ait{ζ
t
n
(v) = 0
} ⊂ {∀k ≥ n, ξ
t
η,n
(v) = ξ
η,k
t
(v)
}.
Démonstration. Commeannon é,nousallonsutiliserune onstru tiongraphique ommune pour onstruire une famille de systèmesde spins nis surun même espa e deprobabilité. On ommen e don sans surprise par onsidérer une famille
(N
v
, v
∈ V )
de pro essus de Poisson mutuellement indépendants,N
v
étant d'intensitéC + Aλ
−1
λ
v
. On introduit aussiune famille, indépendante de(N
v
, v
∈ V )
,de variables aléatoires(U
v,i
, v
∈ V, i ≥ 1)
mutuellementindépendantes,
U
v,i
étantdistribuéeselonlaloiuniformesur[0, C +Aλ
−1
λ
v
]
. Tout e matériel aléatoire est déni sur un espa e de probabilité approprié(Ω,
F, P)
, et l'espéran e sousP
estnotéeE
.Pourn
≥ 1
,on onsidèreN
n
=
X
v
∈V
n
N
v
.
Les sauts de
N
n
sont presque sûrement distin ts et n'ont pas de point d'a umulation, de sorte qu'il existe une suite stri tement roissante
(t
j
, j
≥ 1)
telle queles sauts deN
n
soient les
t
j
, j
≥ 1
.Soitv
j
lesite deV
n
tel queN
v
j
(t
j
)
− N
v
j
(t
−
j
) = 1
,etu
j
= U
v
j
,N
vj
(t
j
)
. Ondénit alorsξ
η,n
t
de pro he en pro he, sur lesintervalles de temps[t
j
, t
j+1
)
(sa valeur est onstantesur ha un de esintervalles):pour
t
∈ [0, t
1
)
,ξ
η,n
t
= η
; pourt
∈ [t
j
, t
j+1
)
,ξ
η,n
t
=
ξ
t
η,n
j−1
v
j
,
siu
j
< c
v
j
(ξ
η,n
t
j−1
),
ξ
η,n
t
j−1
,
sinon. Ondénit aussiζ
n
de pro he en pro he, àpartir du même matérielaléatoire : pour
t
∈ [0, t
1
)
,ζ
n
t
= 1
V
c
n
; pourt
∈ [t
j
, t
j+1
)
,ζ
t
n
=
ζ
t
n
j−1
v
j
,
siζ
n
t
j−1
(v
j
) = 0
,etA
n
j
≤ u
j
≤ A
n
j
+ γ
a
(v
j
, ζ
t
n
j−1
),
ζ
t
n
j−1
,
sinon; oùA
n
j
:= inf
k
≥n
c
v
j
(ξ
η,k
t
j−1
)
. La valeur deA
n
j
représente le taux de saut simultané de tous les pro essusξ
η,k
t
,k
≥ n
, lors de ettej
-ième transition. Rappelons queγ
a
(v
j
, ζ
n
t
j−1
) =
P
w
6=v
j
a(w, v
j
)ζ
n
t
j−1
(w)
,lorsqueζ
n
t
j−1
(v
j
) = 0
.Il dé ouleen ore despropriétés despro essusdePoissonque ha un despro essus
ξ
η,n
et
ζ
n
alapropriétédeMarkov.Parailleurslestauxdesautsont euxvoulus,par onstru tion. Eneet,pour haquepro essusletauxdesautd'une oordonnéeestdonnéeparlalongueur instantanée de l'intervalle auquel on demande àu
j
d'appartenir pour que la oordonnée saute, puisque dans notre onstru tion et intervalle est toujours ontenu dans[0, C +
Aλ
−1
λ
v
j
]
d'après (1.18). Observonsalors que ette longueur a été justement hoisie pour quetous espro essusaient ladynamique désirée.Montrons (iii) par ré urren e sur
j
. Ave la onventiont
0
= 0
,on doit prouver que pour tousj
≥ 0
etv
∈ V
,{ζ
t
n
j
(v) = 0
} ⊂ {∀k ≥ n, ξ
η,n
t
j
(v) = ξ
η,k
t
j
(v)
}.
(1.22) Le asj = 0
estune onséquen e deladénitiondespro essus. Supposons que(1.22)soit vériée pourunj
≥ 0
etqueζ
n
t
j
(v
j+1
) = 0
(dansle as ontrairela on lusionesttriviale). Alors(1.15) donnesup
k
≥n
c
v
j+1
(ξ
η,k
t
j
)
≤ inf
k
≥n
c
v
j+1
(ξ
η,k
t
j
) + γ
a
(v
j+1
, ζ
n
t
j
).
Par onséquent,lorsquelatranstionàl'instant
t
j+1
faitsauterξ
η,k
t
(v
j+1
)
maispasξ
η,k
′
t
(v
j+1
)
, pour deux entiersk, k
′
≥ n
, elle doit né essairement faire sauter aussi
ζ
n
t
(v
j+1
)
de0
à1
. Ainsi(1.22) reste vraiepourj + 1
.Corollaire 1. Dans le ouplage pré édent, pour tout
v
∈ V
ett
≥ 0
, la suiteξ
η,n
t
(v)
est presque sûrement onstanteàpartir d'un ertain rangn
(aléatoire),eton peut don dénirξ
t
η
(v) := lim
n
→∞
ξ
η,n
t
(v).
Démonstration. Fixons
v
∈ V
ett
≥ 0
.La suite d'évènementsE
n
:=
{∀k ≥ n, ξ
t
η,k
(v) = ξ
t
η,n
(v)
}
est roissante don par le théorème 3 (iii) il sut de montrer que
lim
n
→∞
P
V
c
n
,a
(ζ
t
(v) =
1) = 0
. Orlarelation dedualité (1.21) impliquequelim
n
→∞
P
V
c
n
,a
(ζ
t
(v) = 1) = lim
n
→∞
P
v,a
(
∃w ∈ V
c
n
: ζ
t
(w) = 1)
= P
v,a
(Card(ζ
t
) = +
∞)
= 0,
où ladernièreégalité dé oulede (1.19).
1.3.2 Générateur et mesures invariantes du pro essus limite
Jusqu'à présent nousavonsseulement établil'existen edu pro essuslimite
(ξ
η
t
, t
≥ 0)
mais nous n'avons au une réelle information on ernant sa loi. Dans ette se tion nous montrons qu'il possède la propriété de Markov et que l'expression de son générateur est elle attendue, à savoir que (1.8) a lieu pour les fon tions
f
dans un ensemble que nous introduisonsmaintenant.Pour une fon tion
f
surX
, on rappelle la notation∆
f
(v) := sup
η
∈X
|f(η) − f(η
v
)
|
qui mesure l'inuen e deη(v)
sur lavaleur def (η)
.Plutt qu'ave les fon tions lo ales nous préférons travailler i i ave l'espa e fon tionnel suivant qui s'avère plus adapté à notre problème quel'espa eF(X)
.SoitD(X) = {f : X → R, f
est ontinue etX
v
∈V
λ
v
∆
f
(v) < +
∞}.
Remarquonsquelanotation
D(X)
hangeparrapportàlase tion1.2dufaitdelaprésen e desλ
v
,v
∈ V
.D(X)
doit être vu ommeun espa e de fon tionsrégulières au sens où e sont desfon tionsqui dépendent peu des oordonnées lointaines. Pourf
∈ D(X)
on note|||f||| :=
X
v
∈V
λ
v
∆
f
(v).
Ilfaut noterque esdeuxnotationsont légèrement hangépar rapportàlase tion1.2,du faitque (