Professional Documents
Culture Documents
THESE
presentee a
LUNIVERSITE DES SCIENCES ET TECHNOLOGIES DE LILLE
pour obtenir
LE TITRE DE DOCTEUR DE LUNIVERSITE
SPECIALITE : MATHEMATIQUES
par
Olivier GARET
3
4
suis a la fois heureux et emu que M. Raymond Moche ait accepte de faire
partie de mon jury de these. Cest lui qui, en licence puis en matrise, minitia
a la theorie des Probabilites, et, par son enseignement impeccable, men fit
voir la rigueur et la beaute.
Je veux remercier egalement remercier lequipe du labo de Statistique et
Probabilites, pour la chaleur de laccueil qui me fut donne, bien sur, mais
surtout pour la spontaneite des echanges mathematiques qui sy deroulent.
En particulier, Myriam et Bruno mont toujours laisse tableau et telephone
ouverts, parfois jusqua des heures avancees jen demande donc pardon a
Xavier et Virginie ! Je tiens a ce quils sachent le plaisir que jai a parler
mathematique avec eux.
De la meme maniere, je veux remercier mes enseignants. A lheure ou
je maprete a soutenir ma these de doctorat diplome o combien charge
de symboles ! je mesure la lourde dette envers tous ces gens formidables
qui, conscients de la force emancipatrice de la connaissance, ont choisi de la
transmettre et mont ainsi appris a penser librement, ainsi que chantaient nos
grands-parents. Je pense en particulier a M. Bigo qui, en 5e me fit decouvrir
lanalyse combinatoire, a Pierre Scherpereel qui nous initia a la recherche
mathematique en preparant le Concours General, ainsi qua Bruno Arsac et
a Jean Voedts qui en hypotaupe et en taupe, singenierent a menseigner la
rigueur mathematique, car, comme dit Brassens, sans technique un don nest
rien quune sale manie ! Dans des moments mathematiques difficiles, Brigitte
Severin sut etre la et je len remercie.
Tout au long de ces annees de these, jai beneficie du soutien constant
de tous mes amis 1 qui mont pardonne, ici et la-bas, detre moins present,
meme si ca a pu retarder pour certains lobtention dun camembert marron.
Merci a ma famille et ma belle famille qui mont toujours offert affection
et comprehension.
Merci a mes parents qui mont donne un amour et une confiance indicibles.
Et merci a toi, Muriele, qui as paye un lourd tribut a une recherche
chronophage. Merci a toi, pour tout ce que tu es.
1
En particulier, de toute le bande (note de la Camif)
Summary :
The aim of this work is the study of random fields on the lattice Zd
associated to quadratic interactions.
Extending results of Dobrushin and Kunsch, we first state simple criteria
for the existence and uniqueness of Gibbs measures associated with a given
quadratic interaction and verifying some conditions of support. We study
some topological properties of the set of parameters of the systems for which
there is existence and uniqueness. For d = 1, we study in detail the set of
Gibbs measures in case there is a phase transition i.e. non-uniqueness of a
Gibbs measure.
We then return to systems of arbitrary dimension. After having studied
the influence of the phase transition on the spacial decrease of the correlation
of the Gaussian Gibbsian field and on central limit theorems, we introduce
a gradient stochastic differential system associated to the interaction. We
establish that each pure phase i.e. each extremal Gibbs measure can
be obtained as temporal limit from the solution of the stochastic differential
equation for a set of deterministic conditions of which we give a description.
Thus the absence of a phase transition corresponds to the ergodicity of the
system. Moreover, we study the influence of a phase transition on the speed
of convergence.
Finally, we present a stochastic algorithm discretizing the differential sys-
tem which allows us to obtain pure phases as limits of an inhomogenous
Markov chain in discrete time. To finish, we implement this algorithm on a
computer and obtain an illustration of some of the previously demonstrated
theorems.
0 Introduction 1
0.1 Sur la mecanique statistique en general . . . . . . . . . . . . . 1
0.2 Promenade historique . . . . . . . . . . . . . . . . . . . . . . . 3
0.3 Philosophie generale . . . . . . . . . . . . . . . . . . . . . . . 5
0.4 Plan de la these . . . . . . . . . . . . . . . . . . . . . . . . . . 6
i
ii TABLE DES MATIERES
2.3 Commentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
Bibliographie 168
Index 172
iv TABLE DES MATIERES
Chapitre 0
Introduction
1
2 CHAPITRE 0. INTRODUCTION
tance dans la theorie des mesures de Gibbs pour plusieurs raisons : en premier
lieu, il est bien connu que les variables gaussiennes permettent des calculs
exacts, prometteurs de resultats fins, meme dans des cas de forte dependance.
En second lieu, les interactions quadratiques apparaissent comme le premier
pas naturel dans letude de systemes interactifs a espace detats continu. En
effet, si de nombreux resultats repondant aux questions formulees plus haut
ont dores et deja pu etre demontres pour des systemes de spins discrets
(voir par exemple [32] ou [26]), letat des connaissances pour des modeles
continus est loin detre aussi avance. Ainsi, il est important de remarquer
que les champs gaussiens fournissent le premier exemple de champ aleatoire
avec un espace detats non compact pour lequel lensemble des mesures de
Gibbs est decrit avec precision. Ce remarquable travail a ete mene de maniere
independante par Dobrushin et Kunsch en 1980. Rozanov [39], Chay [10],
Benfatto et al. [4] ont egalement fourni diverses contributions dans ce do-
maine. Pour un historique plus fourni, on pourra se reporter a louvrage de
reference de Georgii [18].
4 CHAPITRE 0. INTRODUCTION
Introduction
Ainsi que nous lavons mentionne dans lintroduction, le point de depart
de ce travail est la question posee par Dobrushin en 1966 : comment decrire
les champs aleatoires sur un reseau soumis a des distributions conditionnelles
gaussiennes ? On peut la formuler de cette facon : quelle place donner aux
lois gaussiennes sur un reseau dans la theorie des mesures de Gibbs ? Alors
que les premiers elements de reponse, significatifs, sont donnes par Rosanov
en 1967, la resolution theorique ne fut achevee par Dobrushin et Kunsch
quen 1980. Ce theoreme, que nous allons enoncer dans quelques pages, est
un theoreme difficile qui, curieusement, a ete assez peu commente, si ce nest
dans le traite de Georgii deja mentionne. La difficulte de ce theoreme reside
essentiellement dans la comprehension de sa portee. En effet, le resultat de
structure etabli par Dobrushin et Kunsch est essentiellement abstrait, puis-
quil etablit un lien theorique entre lensemble des mesures de Gibbs et le
noyau dont le calcul explicite est pour le moins difficile dun certain
operateur defini sur une partie de RZ . Dobrushin nous livre dans son article
d
9
CHAPITRE 1. CHAMPS DE GIBBS GAUSSIENS SUR RZ
D
10
sure de Gibbs, puis, apres avoir introduit les notations necessaires, nous ci-
tons les resultats de Dobrushin et Kunsch dont nous donnons quelques brefs
commentaires. Ensuite, sous lhypothese que linteraction est a decroissance
exponentielle, nous donnons une condition necessaire et suffisante pour luni-
cite dune mesure de Gibbs en termes dexistence dune racine dune certaine
fonction dans une couronne. Cest alors que nous introduisons les espaces de
suites et les familles de mesure qui nous serviront tout au long de notre tra-
vail. Nous montrons que lensemble des potentiels quadratiques symetriques
pour lesquels on a existence et unicite de la mesure de Gibbs avec les memes
restrictions est connexe par arcs.
Ensuite, en section 1.2, nous etudions lensemble des mesures de Gibbs
sur RZ associees a une interaction a decroissance exponentielle dependant de
certains parametres : nous trouvons pour quelles valeurs de ces parametres il y
a existence ou unicite dune mesure de Gibbs et nous decrivons completement
lensemble des mesures de Gibbs.
Enfin, en section 1.3, nous remarquons que sous les restrictions que nous
nous sommes imposees, nous recuperons la stabilite de la propriete dunicite
de la mesure de Gibbs lorsque le potentiel est soumis a de petites perturba-
tions . Cette stabilite, habituelle dans le cas dun systeme a ensemble detats
compact, est perdue dans le cas non compact si lon ne fait pas de restriction
sur lensemble des mesures de Gibbs.
Notations
Nous appelons champ aleatoire sur le reseau Zd une mesure de probabilite
sur = RZ , i.e. un element de P(). Comme dhabitude, pour i Zd , on
d
telle que X
, |B ()| < +
B: B6=
On peut definir
X
= { RZ ,
d
i Zd |J(i j)j | < +}.
j Zd
Sur , H est bien defini. Comme il est manifeste quil ne serait pas possible
de choisir un plus grand, ce choix apparat canonique.
A (J, h, ) fixe, on note GJ,h lensemble des mesures de Gibbs sur RZ
d
U = {z Cd , i [1..d] |zi | = 1}
la transformee de Fourier de J, definie sur une
Il convient dintroduire J,
d
partie de C par X
=
J(z) J(n)z n (1.3)
n Zd
chaque fois que la serie consideree est absolument convergente. Comme J est
sommable, il est clair que J definit toujours une fonction continue sur U.
Proposition 1.1. Les parametres (J, h, ) etant fixes, lensemble GJ,h des
mesures de Gibbs est non vide si et seulement si les trois conditions suivantes
sont verifiees :
1. J(U) R+
R 1
2. U J(z) dz < , ou dz est la mesure de Haar normalisee sur le tore U.
X
3. MhJ = {(un )nZd RZ : k Zd ,
d
J(n)uk+n = h} 6= .
n Zd
CHAPITRE 1. CHAMPS DE GIBBS GAUSSIENS SUR RZ
D
14
Remarques
1. Lors de la preuve de la proposition 1.1, il apparat que la premiere
condition implique que 0 < Z () < + pour .
2. Dautre part, meme si nous allons immediatement exhiber des mesures
de Gibbs pour cet halmitonien, la demarche pour prouver lexistence
dune mesure de Gibbs nest pas tellement differente de ce que
R lon voit
habituellement. En effet, on peut montrer que la condition U J1(z)dz <
est equivalente a la tension de la famille des mesures de Gibbs a
condition nulle fixee a lexterieur dune suite croissante de volumes
(n )n1 remplissant lespace. Classiquement, toute mesure limite est
alors une mesure de Gibbs.
Proposition 1.2. Sous les hypotheses le la proposition 1.1, les phases
R ij pures
sont les mesures gaussiennes sur RZ de covariance (i, j) 7 U zJ(z)
d
dz et
dont le vecteur esperance (E (Xn ))nZd appartient a MhJ .
1
(On dit alors que J
est la densite spectrale de la phase pure.)
Remarques
1. La theorie generale des champs gibbsiens nous enseigne que GJ,h est
un simplexe de Choquet, ce qui veut dire que chaque GJ,h peut
etre represente comme un melange de phases pures. La proposition 1.2
implique alors quen cas dexistence, les mesures de Gibbs associees
a cette interaction sont exactement les mesures qui peuvent secrire
comme la convolution de la mesure gaussienne centree dont la cova-
riance est donnee dans la proposition 2 avec nimporte quelle mesure
dont le support est inclus dans MhJ . Ainsi, labsence de transition de
phase est equivalent au fait que MhJ soit un singleton, ou par linearite,
que M0J soit reduit a {0} comme M0J est un espace vectoriel, on note
0 la suite nulle.
2. Comme souvent dans la theorie des mesures de Gibbs, les symetries
du systeme favorisent la transition de phase. Soit G = M0J : G est un
groupe additif qui opere sur et laisse stable a la fois la mesure de
reference Z et le hamiltonien : pour tout g G, pour tout fini et
d
tout , on a
H (g.) = H () + constante,
de sorte que G opere sur GJ,h . Comme aucune probabilite sur nest
stable par translation non nulle, on pouvait voir des le depart que des
que G nest pas reduit a {0} et que GJ,h est non vide, il y a transition
de phase.
1.1. RESULTATS DEXISTENCE ET DUNICITE 15
a = (an ) = (n ) (1.4)
1. X
Aa = {(un )nZd CZ , kukAa =
d
|un |a|n| < +} (1.5)
n Z
d
donc
n Zd |J(n)z n | |J(n)ra|n| | |J(n)a|n| |,
dou X
|J(n)z n | kJkAa (1.7)
n Zd
La serie est donc absolument convergente.
Rappelons la definition du produit de convolution de deux suites.
Pour deux suites u = (un )nZd , v = (vn )nZd telles que
X
n Zd |uk vnk | < +,
k Zd
le produit de convolution u v de u par v est defini par
X
n Zd , (u v)n = uk vnk .
kZd
Lemme 1. (Aa , k.kAa , ) est une algebre de Banach unitaire.
1.1. RESULTATS DEXISTENCE ET DUNICITE 17
Comme an > 0, cela implique que, pour tout n, la famille uk vl wnkl est
sommable. On est donc en droit decrire
X X X X
(u (v w))n = uk (v w)nk = uk vl w(nk)l = uk vl wnkl
k k l k,l
Lemme 2.
u, v Aa z Ura u[
v(z) = u(z)v(z) (1.8)
CHAPITRE 1. CHAMPS DE GIBBS GAUSSIENS SUR RZ
D
18
Spec(x) = {(x); }.
= 0. On a
Preuve de 1 3 Soit z ra verifiant J(z)
X
k Zd J(n)z n+k = 0
Zd
n
On peut maintenant demontrer limplication 2 1 :
Soit u M0J Ba et J G(Aa ) : comme J est paire, on peut ecrire J u = 0.
Mais ceci implique que
u = (J 1 J) u = J 1 (J u) = J 1 0 = 0.
Remarque : La formule
Z
c(z)
cn = dz
U zn
montre que lapplication c 7 c est injective. Le lemme 4 nous permet diden-
tifier c avec lapplication 7 (c). La transformation de Gelfand, ainsi
quon la nomme, est donc ici un isomorphisme algebrique : on dit alors que
Aa est une algebre semi-simple. Ceci sera tres important plus tard, puisque
cela nous permettra de travailler avec des fonctions plutot quavec des suites.
On peut a present prouver la derniere implication : J ne sannule pas sur
Ura signifie que pour tout z Ura z (J) 6= 0. Mais dapres le lemme 4, cela
signifie que pour tout de , (J) 6= 0 : ainsi 0 nappartient pas au spectre
de J et J est inversible.
Corollaire 1.1. 0 est la seule suite bornee de M0J si et seulement si J ne
sannule pas sur U.
Preuve : Il suffit dappliquer le theoreme 1.1 a la suite constante an = 1.
Ce resultat a deja ete montre par Georgii ([18], chapitre 13), qui utilise
a cet effet un celebre theoreme de Wiener sur les fonctions de classe A.( Ce
theoreme peut lui-meme se deduire facilement du lemme 4.)
P
Corollaire 1.2. Soit J un potentiel et > 0 tel que nZd |J(n)||n| < +
Alors on a equivalence entre
|un |
1. M0J {(un )nZd : supnZd 1+|n|
< +} = {0}
2. J ne sannule pas sur U
Preuve : On verifie que la suite an = 1 + 2 |n| est de type E avec ra = 1
et on lui applique le theoreme 1.2.
Definition On dit quune suite (un )nZd est a decroissance rapide, lorsque
pour chaque polynome P , la suite (un P (n))nZd est bornee. Cela est verifie
si et seulement si lapplication 7 u(ei ) est de classe C . On dit quune
suite (un )nZd est a croissance lente sil existe un polynome P telle que pour
tout n Zd , |un | P (n).
Corollaire 1.3. Si J est un potentiel a decroissance rapide et que J ne
sannule pas sur U, alors lintersection de M0J et de lensemble des suites a
croissance lente est reduite a 0.
CHAPITRE 1. CHAMPS DE GIBBS GAUSSIENS SUR RZ
D
22
a = (an ) = (n ). (1.11)
Preuve : Soit r > 1 tel que J Ar . On veut montrer quil existe a > 1
tel que J ne sannule pas sur a . On raisonne par labsurde et on suppose
donc que
n ) = 0.
n n0 zn 1+1/n J(z
La suite (zn )nn0 est bornee, donc admet une valeur dadherence z : on a
clairement z U et comme J est continue, J(z)
= 0 : contradiction.
Il existe donc , verifiant 1 < < r est tel que J ne sannule pas sur .
Comme J Ar , a fortiori J A . Le theoreme 1.1 donne alors le resultat
desire.
H = >1 B .
1.1. RESULTATS DEXISTENCE ET DUNICITE 23
Remarques importantes
1. Dapres la proposition 1.1, la condition 4. implique J(U) R+ . Ainsi,
pour une suite a verifiant (1.12), un potentiel J Aa est tel que
|GJ,h Pa ()| = 1
On a f (0) = 0 et
1 + ln(1 + n) 1 1 1
f 0 (x) = .
1+x 1+n+x 1+x 1+n+x
Donc f est positive, dou lon deduit que n 7 (1 + ln(1 + n)) est
sous-multiplicative, et par suite (an )n1 lest aussi.
Le theoreme qui suit montre que lhypothese (1.12) est en un certain
sens
optimale : si lon imposait a la suite (an )n0 de crotre moins vite que ln,
alors la mesure gaussienne centree de densite spectrale J1 aurait son support
disjoint de Ba . (Rappelons que pour une mesure gaussienne et un espace
vectoriel V , (V ) ne peut valoir que 0 ou 1 voir par exemple [6].)
1.1. RESULTATS DEXISTENCE ET DUNICITE 25
En particulier
Xn
lim|n| p = 2d p.s. (1.14)
ln |n|
Preuve : Remarque preliminaire : Quelques integrations par parties
montrent que
Z +
1 1 1 a2 1 t2 1 1 a2
( 3 ) exp( ) exp( ) dt exp( )
2 a a 2 2 a 2 2 a 2
1 1 a2
(a) exp( ),
2 a 2
ce qui fait que la serie consideree en 1.13 est de meme nature que
X
( ).
an
n Zd
Posons
X 2
K = inf{ 0, an exp( ) < +},
2 2 a2n
Zd
n
sorte que sous la loi P , (n )nZd est un bruit blanc. On note H1 le sous-espace
vectoriel ferme de L2R (, B(), P ) engendre par les n .
On note H2 lensemble des elements g de L2C (U, B(U), dz) dz est la mesure
de Haar normalisee sur U qui verifient g(z) = g(z). On constate aisement
que H2 est un R-espace vectoriel. Linvariance de la mesure de Haar par
z 7 z permet de voir que la restriction du produit scalaire a H2 H2 :
Z
hf, giH2 = f g dz
U
est a valeurs reelles. Ainsi, on a pu munir H2 dune structure despace de
Hilbert reel. On constate aisement quun element g de L2C (U) est dans H2 si
et seulement si ses coefficients de Fourier
cn (g) = hn , giL2
sont tous reels. ( On rappelle que lon a defini n (z) = z n .) Comme les
(n )nZd forment une base hilbertienne de H1 et les (n )nZd une base hil-
bertienne de H2 , il existe un unique isomorphisme de H2 dans H1 verifiant
n Zd (n ) = n .
Comme f L1 , on a g = f L2 . f est a valeurs reelles positives et verifie
f (z) = f (z), donc g aussi ; ce qui implique g H2 . On pose alors
Xn = (n g).
EP Xn Xp = hXn , Xp iH1
= h(n g), (p g)iH1
= hn g, p giH2
Z
= np g 2 dz
ZU
= np f dz
U
1.1. RESULTATS DEXISTENCE ET DUNICITE 27
Ce qui montre que la loi de X sous P est bien la loi cherchee : elle est
gaussienne, centree, et a la covariance attendue.
Soit un reel strictement compris entre 0 et K. (On etudiera a part le
K
cas ou K = 0). On peut trouver un reel > 0 tel que < (1+) 2.
dou X
n g = ck n+k ,
k
et par continuite de X
Xn = ck n+k .
k
Pour n N, on pose
X (1 + )2 1
`(n) = ( ( )) 2d ,
kn
ak
avec n = [n, n]d . Comme (1 + )2 < K, `(n) est une suite croissante de
limite +. On pose ensuite
X
Xn = ck n+k ,
|k|<`(|n|)
et enfin
Rn = Xn Xn .
On a alors X
kXn k2H1 = c2k
|k|<`(|n|)
ainsi que X
kRn k2H1 = c2k .
|k|`(|n|)
On a donc
lim kXn k2H1 = 2
|n|
et
lim kRn k2H1 = 0.
|n|
CHAPITRE 1. CHAMPS DE GIBBS GAUSSIENS SUR RZ
D
28
On a
P (Rn ) = ( )
an an kRn kH1
K
Comme kRn k2H1 tend vers 0, on a pour |n| assez grand kRn k2H
>
: il sensuit
1
que la serie de terme general
P (Rn )
an
1 = { , n0 (), |n| n0 () = Rn > },
an
on a P (1 ) = 1.
On pose maintenant, pour n N
(1 + )
An = {Xn },
an
puis X
Nn = 11Ak ,
kn
et X
N= 11Ak .
kZd
On pose aussi X
sn = P (Ak ).
kn
P (N x) P (Nn x)
= P (sn Nn sn x)
= P (EP Nn Nn sn x)
P (|EP Nn Nn | sn x)
Var Nn
(sn x)2
On a X X
Var Nn = 1Ak ,11Al )
Covar (1
kn ln
1.1. RESULTATS DEXISTENCE ET DUNICITE 29
Mais
|Covar (1
1Ak ,11Al )| = |P (Ak Al ) P (Ak )P (Al )| P (Ak )
On en deduit
X
Var Nn (4`(n) + 1)d P (Ak ) = (4`(n) + 1)d sn .
kn
On a donc
(4`(n) + 1)d
n 1 P (N x) sn
(sn x)2
Admettons un instant avoir demontre que
(4`(n) + 1)d
lim = 0. (1.15)
n sn
Il sensuit que pour tout x reel, on a P (N x) = 0, ce qui implique
P (N = +) = 1.
0 lim|n| an Xn () K
et P (0 ) = 1. Autrement dit
lim|n| an Xn K p.s.
CHAPITRE 1. CHAMPS DE GIBBS GAUSSIENS SUR RZ
D
30
(1 + )
P (Ak ) = ( )
ak kXk kH1
2
ce qui entrane lim sn = + car la serie de terme general ( (1+)
an
) diverge.
Mais, en se reportant a la definition de `(n), on voit alors que
(4`(n) + 1)d 1
= O( 1/2 ).
sn sn
Ainsi (1.15) est verifie.
Linegalite inverse est beaucoup plus simple a demontrer : soit > K :
On a X
P (an Xn ) < +.
n Zd
Donc dapres le lemme de Borel-Cantelli
P (an Xn i. s.) = 0,
ce qui implique
lim|n| an Xn p. s.
En procedant comme precedemment par intersection denombrable, on constate
que
P (an Xn K i. s.) = 0,
ce qui implique
lim|n| an Xn K p. s.
Si K = 0, comme X et X ont la meme loi, on a aussi
lim|n| an Xn 0 p. s.,
1.1. RESULTATS DEXISTENCE ET DUNICITE 31
dou
lim an Xn = 0 p. s.,
|n|
max(X1 , . . . , Xn )
lim 1 p.s.
n 2 ln n
Ce resultat implique facilement
Xn
limn 1 p.s.
2 ln n
Mais, comme precedemment, le lemme de Borel-Cantelli montre que
Xn
limn 1 p.s.
2 ln n
Dapres le lemme de Riemann, lexistence dune densite spectrale entrane que
la covariance a une limite nulle. Ainsi, pour d = 1 et an = 1 , le resultat de
ln |n|
Pickands implique celui que nous presentons ici. Linteret de notre theoreme
est de donner une formule explicite de la limite en toute dimension d et pour
quelque suite an de limite nulle que ce soit. Cette formule est mentionnee par
Lifshits dans [31] dans le cas de variables gaussiennes centrees independantes.
Soit le groupe engendre par les symetries orthogonales daxes les vec-
teurs de base ei , 1 i d. Ce groupe est isomorphe a (Z/2Z)d . On dit
quun potentiel J est -invariant sil verifie
J = J (1.16)
Rappelons quun potentiel est necessairement pair. Ainsi, il est aise de consta-
ter que pour d = 1, tout potentiel est -invariant. Dans la plupart des cas,
le potentiel a une symetrie naturelle qui le rend -invariant. (Par exemple,
si J(n) depend uniquement dune norme `p de n.)
Soit > 1. On note S lensemble des potentiels J qui appartiennent a
A et sont -invariant, soit
S = {J A , J = J}.
On pose
S+ = {J S ,
J(U) R+ et 0 )}.
/ J(U
Dapres le theoreme 1.2, pour tout > 0 et h R, on a
S+ = {J S | |GJ,h P ()| = 1}.
On munit cet ensemble de la topologie induite par A . Nous allons demontrer
le theoreme suivant :
Lemme 5.
B Aa \ sur Ur .
exp(B) = exp(B) a
X X2 Xn
Preuve : Soit Qn (X) = 1 + 1!
+ 2!
+ ... + n!
. Comme B 7 B est un
morphisme dalgebres, on a
B Aa \
Qn (B) = Q n (B)
\
Pour tout z Ura , cela signifie Qn (B(z)) = Q n (B)(z). Par definition de
exp (dans Aa comme dans C) et dapres la continuite de B 7 B(z), nous
obtenons le resultat desire.
Preuve : Dapres 2., il existe une unique suite (bn )nZd telle que pour
tout z dans linterieur de U
X
f (z) = bn z n .
n Zd
Lunicite de ce developpement implique ( en utilisant lhypothese 4) que b est
-invariant et (en utilisant lhypothese 5), que b est a valeurs reelles. Pour
tout n Zd et 1 < r < , on a
Z
s(n) 1
r bn = f (rei1 , . . . , reid )ei(1 n1 +...+d nd ) d1 . . . dd , (1.17)
(2)d [,+]d
P
ou s(n) = 1id ni . Comme f est uniformement continue sur U , on peut
faire tendre r vers et la formule (1.17) demeure vraie pour r = . On a
trouve le developpement de g en serie de Fourier . Dapres 3. , on obtient
X
s(n) |bn | < +.
nZd
CHAPITRE 1. CHAMPS DE GIBBS GAUSSIENS SUR RZ
D
34
De plus, on a X
|bn ||n| |bp |s(p) ,
p(n)
Soit ln une determination du logarithme dans B(g(z0 ), |g(z20 )| ) telle que ln(g(z0 )) =
f (z0 ). Comme f est continue, on a pour tout z B(z0 , ), f (z) = ln(g(z)).
Dapres le lemme 8, il existe < et b A1 avec
|g(z0 )|
kb g(z0 )ekA1 <
2
et g = b sur B(z0 , ). Il existe une suite (ln )n0 telle que
X |g(z0 )|
ln z = ln (z g(z0 ))n pour z B(g(z0 ), ).
n0
2
1.1. RESULTATS DEXISTENCE ET DUNICITE 35
x2 y2
E = {z = x + iy; (x, y) R2 , + 1}.
( + 1 )2 ( 1 )2
donc (U) R.
Comme est localement un logarithme de J, est holomorphe dans linterieur
de U .
Le lemme 9 implique que z 7 (z) appartient a A1 .
(1.18) implique que verifie la condition 4. du lemme 6. Alors, on peut ap-
pliquer le lemme 6 et lon obtient B S tel que = B.
Maintenant, on pose, pour t [0, 1], (t) = exp(tB). est continu, avec
(0) = e.
Dapres le lemme 5
d = exp(B)
(1) \ = exp(B) = exp() = J.
|xk |k = xk z k k (z)k
On a donc
n
X n1
X
Sn = xk z k (Tk Tk1 ) = xn z n Tn [xk z k x(k+1) z (k+1) ]Tk
k=0 k=0
CHAPITRE 1. CHAMPS DE GIBBS GAUSSIENS SUR RZ
D
38
Ou encore
i ) = K + 2c cos c
J(e .
2c cos + 1 + c2
Une condition necessaire et suffisante pour avoir J 0 est donc
cos c
K Kc = sup 2c
[0,2] 2c cos + 1 + c2
tc
Comme t 7 2ct+1+c2
est croissante (1 c2 > 0), on a
1 cos c 1
;
1c 2c cos + 1 + c2 1+c
2|c|
Kc = .
1 + |c|
i ) = 2c( 1 +
J(e
cos c
)
1 + c 2c cos + 1 + c2
Dou
i )1 = 1 1 + c2 2c cos
J(e
(1 c)2c 1 + cos
et Z Z 2
1 dz = 1 1 + c2 2c cos
J(z) d = +
U 0 (1 c)4c 1 + cos
1+c2 2c cos 2(1+c)2
puisque 1+cos
()2
.
1.2. UN MODELE EXACTEMENT RESOLUBLE 41
x2 Sx + 1 = 0
(c) RS Ec
(d) |S| < |c + 1c |
2. Lorsque ces hypotheses sont verifiees, on a
X S 2c
u RS , k Z, c|n| uk+n = uk
nZ S + c + c1
Preuve :
(a) (b) Toute suite non identiquement nulle de E RS secrit
un = A n + B n ,
1
Donc (b) |c| < || < |c| . Une etude rapide de la fonction x 7 x + x1
1
permet de voir que |c| < || < |c| est equivalent a | + 1 | < |c + c1 |.
But + 1 = S, donc (b) |S| < |c + 1c |
1.2. UN MODELE EXACTEMENT RESOLUBLE 43
K(c + 1c ) 2c
S=
K
Admettons pour linstant que |S| > 2.
On a alors M0J RS , ou M0J = M0J Ec RS Ec .
Dapres la premiere partie du lemme 12, on a M0J 6= {0} |S| < |c + 1c |.
Reciproquement, si |S| < |c + 1c |, comme
K(c + 1c ) 2c S 2c
S= K = ,
K S + c + c1
la seconde partie du lemme 7 implique
1
|S| < |c + | RS M0J .
c
Ce qui implique M0J 6= {0}.
Il sagit donc de determiner quand on a |S| < |c + 1c | et de verifier que
K > Kc implique |S| > 2. A cet effet, etudions lapplication f (K)
K(c + 1c ) 2c
K 7
K
Cest une fraction rationnelle de discriminant c (1c2 ). On distingue quatre
cas.
CHAPITRE 1. CHAMPS DE GIBBS GAUSSIENS SUR RZ
D
44
1. = +1 c > 0
2c 3c +1 2
K 0 Kc = 1+c 2(1+c2 )
1 +
f 2c & 2 & (c + c ) & k + & c + 1c
1
2. = +1 c < 0
2c 3c2 +1
K 0 Kc = 1c 2(1+c2 )
1 +
f 2c % 2 % (c + 1c ) % + k % c + 1c
3. = 1 c > 0
2c
K 0 Kc = 1c
+
f 2c % 2 % (c + 1c )
4. = 1 c < 0
K 0 Kc = 2c
1+c
+
f 2c & 2 & (c + 1c )
Remarque Nous avons annonce que cet exemple mettait en evidence que
les classes de potentiels considerees en section 1.1 etaient suffisamment grandes
pour que dans certains cas, on ne perde pas de mesure de Gibbs. Eclairons ce
point. Pour < 1c , on a J A , donc le theoreme 1.5 donne une description
de M0J B . Or, dapres le lemme 12, tout element de MJ0 appartient a B ,
ou est la plus grande racine de x2 Sx + 1 = 0. Mais, dapres le lemme 12
|S| < c + 1c , donc || < 1c . Ainsi, on a
2c
0.8 Unicite 1+c
3c2 +1
0.6 2(1+c2 )
0.4
Transition de phase Pas de mesure de Gibbs
0.2
0 c
0 0.2 0.4 0.6 0.8 1
Diagramme de phase pour = 1 et c ]0, 1[.
K
50
2c
45 1c
40
35
30
25
20
Transition de phase
15
10
5
Pas de mesure de Gibbs c
0
0 0.2 0.4 0.6 0.8 1
Diagramme de phase pour = 1 et c ]0, 1[.
CHAPITRE 1. CHAMPS DE GIBBS GAUSSIENS SUR RZ
D
46
dans lequel nous cherchons a priori les fonctions harmoniques nest pas
un espace norme : cela rend sa topologie plus compliquee a decrire.
Neanmoins, nous voulons enoncer un resultat qui montre la stabilite de
lunicite dans un sens plus faible que le sens general.
Ainsi, nous avons propose certaines restrictions sur le support des mesures
de Gibbs qui permettent de preserver la propriete de stabilite du caractere
dunicite. Le terme de restriction est dailleurs un peu exagere : meme si les
conditions D.L.R. ont pu etre definies sans imposer de condition de support
ni de moment aux mesures cherchees et meme si Dobrushin et Kunsch ont pu
etablir une description abstraite generale des solutions, il nen reste pas moins
necessaire demettre des restrictions sur les mesures considerees : cela permet,
dune part au mathematicien de ne pas manier des objets trop pathologiques,
mais surtout au physicien de considerer uniquement des objets susceptibles
de modeliser le monde reel.1
1
Meme si cette notion est un sujet de controverse au sein de la communaute physi-
cienne...
CHAPITRE 1. CHAMPS DE GIBBS GAUSSIENS SUR RZ
D
48
Chapitre 2
Influence de la transition de
phase
sur la covariance
et le theoreme de limite
centrale
Nous avons jusquici etabli des liens etroits entre lexistence de zeros de J
et lexistence de transition de phase au sein dune certaine classe de mesures,
ainsi que des resultats plus precis pour d = 1. Revenant au cas general ou
d est quelconque, il nous parat alors interessant de considerer linfluence
de lannulation de J sur les proprietes de dependance entre les coordonnees
des dites mesures. De maniere concrete, nous allons etudier linfluence des
parametres du systeme sur la covariance commune aux mesures extremales
de GJ,h des mesures de Gibbs de parametres J, h, , qui vaut
Z
1 ij
E Xi Xj = cij = z dz.
U J(z)
Le lemme de Riemann-Lebesgue implique lim|n| cn = 0, ce qui deja suffit
pour affirmer que la mesure de Gibbs stationnaire gaussienne centree est
melangeante. Nous voulons cependant davantage de precision.
Nous allons dabord etudier le cas le plus simple ou J ne sannule pas
sur U, voire mieux , ce qui correspond a lunicite de la mesure de Gibbs
au sein dune certaine classe de mesures. Dans ce cas la, nous allons voir
que, dans un sens qui reste a preciser, la decroissance de la covariance est
liee directement a la decroissance de linteraction. Par exemple, si J decrot
exponentiellement, il en sera de meme pour la covariance.
49
50 CHAPITRE 2. TRANSITION DE PHASE, COVARIANCE ET TLC
ce qui, nous le verrons, est une decroissance assez lente pour que le coefficient
de renormalisation dans le theoreme de limite centrale differe de celui du cas
independant. A cet effet, nous allons commencer par demontrer un theoreme
general danalyse harmonique, qui trouvera une application directe dans le
controle de la covariance, ainsi quune application a la theorie des marches
aleatoires sur Z3 .
c Aa .
avec
1
2 = .
J(1)
h
Preuve : Comme X est gaussien stationnaire (de moyenne m = J(1) ),
Sn est une variable gaussienne centree. Pour montrer la convergence en loi
E S 2
annoncee, il suffit donc de montrer que |n|n 2 . On a la convergence en
loi suivante :
X
E S2 n = ckl
k,ln
X
= Npn cp ,
p{n,...,n}d
avec
Npn = |{k, l n ; k l = p}|.
Un denombrement simple montre que
d
Y
Npn = (n |pi |).
i=1
52 CHAPITRE 2. TRANSITION DE PHASE, COVARIANCE ET TLC
On a donc X
1
E S2 n = xnp cp ,
|n | d p Z
Qd
avec xnp = i=1 (1 |pni | ) si p {n, . . . , n}d et 0 sinon.
On a pour tous n, p |xnp cp | |cp | et pour tout p limn xnp cp = cp . J est dans
A1 et J ne sannule pas sur U, donc dapres le theoreme 2.1, c A1 , cest a
dire que c est sommable. Dapres le theoreme de convergence dominee, on a
donc X
1
lim E S2 n = cp .
n |n |
d Z
p
Mais X
cp = c(1) = (J(1))1
.
p Zd
Dou
1
2 = .
J(1)
d1
Si d0 > 2
et N d + 1, on a lequivalent, quand knk tend vers + :
Kd d0 1 ( d1
2
)( dd
2
0
) 1
cn 2 d
.
det A ( 20 ) kA1 nkdd0
d1
Si d0 2
(ce qui implique d 2), on a
r
1 2 1 1 (d + 1) d+3
cn = Kd d+1 cos(kA nk )+O(knk min(,, 2 ) ),
det A kA1 nk 2 4
p
Soit, si N > 41 ( (d 4d0 1)2 + 8d(1 + d) (d 4d0 1))
d+1
limknk+ |cn |kA1 nk 2 >0
ou lon a pose h1 (y) = h(A1 y) et f1 (y) = f (A1 y). Ainsi h1 est C , vaut 1
sur B(0, 21 ), tandis que f1 ne sannule quen 0 et verifie lidentite
Si d = 1, on a
Z 1 iux
1 e
C(u) = dx
2 1 |x|d0
Z
1 1 cos ux
= dx
0 |x|d0
Z
1 d0 1 u cos t
= u dt.
0 td0
Dou
1 11 1
C(A1 n) () cos( ) 1 ,
A A 2 |A n|
ce qui est lestimation cherchee pour la partie principale.
Supposons maintenant d 2. Si O On (R), comme la mesure de Le-
besgue est invariante sous laction du groupe orthogonal, un changement de
56 CHAPITRE 2. TRANSITION DE PHASE, COVARIANCE ET TLC
variable montre aisement que C(Ou) = C(u), de sorte que C(u) ne depend
que de kuk.
Evaluons donc C(e1 ), ou e1 est le premier vecteur de la base canonique.
Comme on integre sur une boule, il est naturel de faire le changement de
variable polaire
x1 = r cos 1
x2 = r sin 1 cos 2
...
x = r sin 1 sin 2 . . . sin d2 cos d1
d1
xd = r sin 1 sin 2 . . . sin d2 sin d1
Ld (1 , . . . , d1 ) = (x1 , . . . , xd )
r
et la matrice (d 1) d : Qd par
xj
(Qd )i,j (r, 1 , . . . , d1 ) = .
i
Le Jacobien dordre d est donc
Ld (1 , . . . , d1 )
Dd (r, 1 , . . . , d1 ) =
Qd (r, 1 , . . . , d1 )
Dautre part, on a
cos 1 sin 1 Ld1 (2 , . . . , d1 )
Dd (r, 1 , . . . , d1 ) = r sin 1 r cos 1 Ld1 (2 , . . . , d1 )
0 sin 1 Qd1 (r, 2 , . . . , d1 )
En developpant par rapport a la premiere ligne, on a
Comme D2 (r, ) = r, on a
d2
Y
Dd (r, 1 , . . . , d1 ) = rd1 (sin k )d1k .
k=1
2.2. INFLUENCE DE LA TRANSITION DE PHASE 57
On a donc
Z 1Z d2
1 eir cos 1 d1 Y
C(e1 ) = r (sin k )d1k d1 . . . dd1 dr
(2)d 0 [0,[d2 [,[ rd0 k=1
Z 1Z
= Kd eir cos (sin )d2 d r1+ dr
0 0
Z Z
= Kd eir cos (sin )d2 d r1+ dr
0 0
Z Z 1
d3
= Kd eirx (1 x2 ) 2 dx r1+ dr
0 1
Z
d 1
d2 d2
= Kd 2 ( 2 ) J d2 (r)r 2 r1+ dr
2 0
2
Z
d2 d 1 d
= Kd 2 2 ( ) J d2 (r)r 2 d0 dr,
2 0
2
ou lon a pose
d3 d2
2 Y 1 Y
Kd = 2Wk = d Wk ,
(2)d k=0 2 k=0
ou Wk est lintegrale de Wallis
Z
2
Wk = (sin )k d.
0
Il est bien connu que lon a
(2p)! p!2 22p
W2p = et W 2p+1 = .
2 p!2 22p (2p + 1)!
On a donc
2k1
Y k1
Y
Wi = W2p W2p+1
i=0 p=0
k1
Y 1
=
p=0
2 2p + 1
1
= ( )k
2 1 3 (2k 1)
k!2k
= ( )k
2 (2k)!
k!
= k .
(2k)!
58 CHAPITRE 2. TRANSITION DE PHASE, COVARIANCE ET TLC
Remarque Nous ouvrons ici une parenthese pour donner quelques indica-
tions sur une preuve alternative de lexpression de C(e1 ). Elle est basee sur
les formules dintegrations par tranche suivantes : pour f integrable sur Rd ,
g integrable sur Rk et P la projection canonique de Rd sur Rk , avec k < d
on a Z Z + Z
d1
f (x) dx = r f (ru)d(u) dr
Rd 0 Sd1
et Z Z
dk
(g P )(u) d(u) = c(d, k) (1 kxk2 ) 2
1
g(x) dx,
Sd1 Bk (0,1)
dou pour x = 0
Z +1
1 1 1
= (1 t2 ) 2 dt.
( + 1) ( + 12 ) 1
2.2. INFLUENCE DE LA TRANSITION DE PHASE 59
2
En prenant = 0, puis par exemple g(r) = exp( r2 ), on peut facilement
determiner la constante Gd . Le calcul de C(e1 ) sen deduit alors, en prenant
g(r) = rd10 11[0,1] (r) et en utilisant la representation integrale des fonctions de
Bessel .
Il reste a controler Z
1
eihA n,xi dx
B(0,1)
Nous allons utiliser la formule de Green, que lon peut considerer ici comme
une integration par parties multidimensionnelle. On sait que si V est un
volume dont la frontiere est une variete C orientable, que u et sont des
applications respectivement C 2 et C 1 de V dans R, on a
Z Z Z
u dx = ~ (x)i d(x) hgrad u, grad idx,
hgrad u, N
V V V
on a Z +
J (t) ( 2 )
dt = +1 .
0 t+1 2 ( 12 + 1)
Cette integrale est parfois appelee integrale de Weber, du nom du premier
mathematicien a donner les valeurs de lintegrale pour entier. Pour une
preuve et un historique des resultats, on pourra se reporter a [49], 13.24,
page 391.
Ici, on a = d2
2
et = d d0 = , soit
Z +
( dd
2
0
)
J d2 (t)t dt = d .
0
2
2 2 d0
1
J = (H1 + H2 ).
2
Pour un expose des resultats evoques, on peut se referer a [14], chap. XV.
On a alors
Z x Z 1
1
H d2 (t)t dt = H 1d2 (t)t dt
2 2
0
r0 Z x
2 1
+ t 2 ei(t(d1) 4 ) dt
1
r Z x
2 3
+ a1 t 2 ei(t(d1) 4 ) dt
1
Z x
1
+ t 2 ei(t(d1) 4 ) (t) dt,
1
62 CHAPITRE 2. TRANSITION DE PHASE, COVARIANCE ET TLC
Lemme 14. Soit M un sous-module de Rd dont tous les elements ont une
norme euclidienne rationnelle.
Alors dim M 1.
ktk2 = a2 p2 + p2 (y)2 Z
|y 2 (p)2 | 2|ap| + 1,
ce qui est evidemment faux des que lon choisit a suffisamment grand. Contra-
diction.
Pour montrer lexistence de n0 , il suffit alors dappliquer le lemme qui
precede au module M = 1 A1 Zd , puisque lon a dim M = d 2.
Pour = 12 , il convient detre un peu plus precis dans le developpement :
on a
r r
2 2 i(t(d1) ) a1 1
H 1d2 (t)t = ei(t(d1) 4 ) + e 4 ( + O( 2 ))
2 t t
64 CHAPITRE 2. TRANSITION DE PHASE, COVARIANCE ET TLC
De sorte que, par les memes techniques que plus haut, on montre que
Z r
2 i(t(d1) )
H 1d2 (t)t e 4 dt
0 2
1
est semi-convergente. En faisant le meme travail sur H02 t 2 , on trouve le
developpement
r
2 (d + 1)
I d+1 ,d (x) = cos(x ) + B + o(1),
2 4
avec Z r
+
1 2
B= J d2 (t)t
2 cos(t (d 1) ) dt.
0
2 4
Ceci suffit pour affirmer
d+1
limknk+ |cn |kA1 nk 2 >0
XN
1 k k
s(x + h) = Dx s(h ) + o(khkN ).
k=0
k!
ou lon a pose
FA,B (h1 , h2 ) = (A + B + h1 + h2 )1 (A + h1 )1
On a
1 X 1
= k+1
(1)k (h1 + h2 )k
A + B + h1 + h2 k0
(A + B)
X 1 X a + b
k
= k+1
(1) ha1 hb2
k0
(A + B) a+b=k
a
X a + b 1
= a+b+1
(1)a+b ha1 hb2
a,b0
a (A + B)
D0n ux (hn ) X d0 i
| | | 2 | 22in kxkd0 n khkn
n! n i ni
i 2
D0n ux (hn )
| | Ku kxkd0 n khkn (2.9)
n!
Dautre part, comme R1 (0) = D01 R1 = . . . D0N 1 R1 = 0, la formule de Taylor
donne
k N kDxk R1 k = O(kxkN k ),
ou de maniere equivalente, il existe une constante K telle que
1 D0k vx k
x kxk < k N | (h )| Kv kxkN k khkk . (2.10)
2 k!
La composante homogene de degre n en h dans ux (h)a+k vx (h)b est
X a+k
Y b
D0p ux (hip ) Y D0p vx (hjp )
i j
na,b,k (h) =
p=1
ip ! p=1
jp !
Pour que cette somme soit non nulle, il est necessaire davoir n a + k + b.
Dans cette situation, les majorations (2.9) et (2.10) montrent quon peut
trouver K tel que pour |x| < 12 , on ait la majoration
X
Dxn (hn ) a+b R1 (x)na,b,k (h)
= (1)a+b+k+1
n! a,b,k0,a+b+k=n
a kxk(k+1)d0 (kxkd0 + R1 (x))a+b+1
X
a+b na,b+1,k (h)
+ (1)a+b+k+1
a,b,k0,a+b+k+1=n
a kxk(k+1)d0 (kxkd0 + R1 (x))a+b+1
2.2. INFLUENCE DE LA TRANSITION DE PHASE 67
D0k R = 0.
Remarques
1. Le theoreme enonce ci-dessus nest pas exhaustif : il est probable que les
valeurs minimales de N annoncees ici pour pouvoir donner les conclu-
sions du theoreme 2.4 ne soient pas optimales. Notre but est, dans un
premier temps, de mettre en lumiere les differentes sortes de pathologies
quinduit la presence dune transition de phase.
68 CHAPITRE 2. TRANSITION DE PHASE, COVARIANCE ET TLC
Proposition 2.1. Soit la loi de chaque pas dune marche aleatoire symetrique
aperiodique sur Z3 possedant un moment dordre 4.
2.2. INFLUENCE DE LA TRANSITION DE PHASE 69
1 1
G(n)
2 (det Q hn, Q1 ni) 12
1
f () = Q() + R(),
2
ou pour 0 k < N = 4
D0k R = 0.
70 CHAPITRE 2. TRANSITION DE PHASE, COVARIANCE ET TLC
Or c
k = k = k , donc
m
X m
X Z Z m
X
k 1 ihn,i k 1 ihn,i
( )(n) = e () d = e ()k d
k=0 k=0
(2)3 [,]3 (2)3 [,]3 k=0
Mod(B) = Mod(1 , . . . , d ).
Des lors, on a
Q(x)
= kAxk2
2
et lon applique le theoreme precedent avec d0 = 2 et N = 4. (Comme le
theoreme que nous appliquons ne permet pas de prendre d > 3, nous nous
sommes fixes des le depart d = 3, mais les raisonnements faits jusquici ne
dependent en rien de la dimension.)
1 d 1
Comme kA1 nk = 2hQ1 n, ni 2 et det A = 2 2 (det Q) 2 , on obtient les
resultats desires.
1 1
G(n) md 1 d ,
det Q 2 hn, Q1 ni 2 1
{i} () = 12 i2
{
{i,j} () = 61 i j si |i j| = 1, et 0 sinon
72 CHAPITRE 2. TRANSITION DE PHASE, COVARIANCE ET TLC
et
3 1
G(n) = cn .
2 knk
Remarques :
1. Si lon revient a une interpretation en termes de covariance de systeme
en interaction quadratique, on a etabli une correspondance bijective
entre les marches aleatoires symetriques et aperiodiques verifiant
Z
1
dz < + (2.14)
U 1 (z)
correspondent aux potentiels J verifiant
J(0) = 1
J(k) < 0 pour k 6= 0
P (2.15)
d J(k) = 0
R k1Z dz < +.
U J(z)
Theoreme 2.5. Soit d un entier naturel non nul, d0 < d et A Gld (R).
On peut construire un potentiel J d-dimensionnel tel que
i1 , . . . , eid ).
f (1 , . . . , d ) = J(e
verifie :
f ne sannule quen les points du reseau (2Z)d ,
il existe une fonction R de classe C telle que
est une fonction C nulle sur un voisinage de 0, donc dont toutes les differentielles
sont nulles en zero. Comme f vaut identiquement 1 sur un voisinage de la
74 CHAPITRE 2. TRANSITION DE PHASE, COVARIANCE ET TLC
i1 , . . . , eid ).
f (1 , . . . , d ) = J(e
D0k R = 0.
2.2. INFLUENCE DE LA TRANSITION DE PHASE 75
X d
Y
d
= n (1 |xi |)kA1 kk
1
xV n Zd i=1
X
= nd (x),
xV 1
n Zd
76 CHAPITRE 2. TRANSITION DE PHASE, COVARIANCE ET TLC
ou lon a pose
d
Y
(x) = kA1 xk (1 xi ).
i=1
dou Z
E S2 n K( (x) dx)nd+d0 ,
V
puis Z
S2 n
E d+d0 = K( (x) dx)nd+d0 .
2
n V
2.3 Commentaires
Sous des hypotheses peu contraignantes, nous venons detablir des resultats
assez precis sur la vitesse de decroissance de la covariance, qui montrent
quen cas de transition de phase, on a une decroissance de la covariance en
1
inf(, d+1 )
, ou = d d0 , d0 mesurant le degre de degenerescence de la
knk 2
Processus de diffusion
infini-dimensionnel associe a
une interaction quadratique
79
80 CHAPITRE 3. ETUDE DU PROCESSUS DE DIFFUSION ASSOCIE
Lemme 15. Lorsque, comme nous lavons suppose, E admet (ei )iZd comme
base faible de Schauder, les solutions de lequation (3.2) et du systeme (3.1)
concident.
Les deux notions sont alors bien equivalentes, puisque lon a alors
j Zd , t R+
Z t Z tX
1 1
j (Xt + + Wt JXs ds t R ) = +
Xtj j
+ + Wtj J(j, i)Xsi ds.
2 2
0 0
Zd
i
82 CHAPITRE 3. ETUDE DU PROCESSUS DE DIFFUSION ASSOCIE
(k J2 kt)n
t [0, T ] x, y C([0, T ], E) kAn x(t) An y(t)k kx ykT ,
n!
ou lon a pose pour x C([0, T ], E) kxkT = supt[0,T ] kx(t)k. On en deduit
(k J2 kT )n
x, y C([0, T ], E) kAn x An ykT kx ykT
n!
(k J kT )n
Pour n assez grand, 2n! < 1 : une des iterees de A est donc contractante :
dapres le theoreme du point fixe, A admet un unique point fixe :
Z t
J
!x C([0, T ], E)t [0, T ] x(t) = + (t) x(s) ds
0 2
Dou
Z t
+ + J
!x C(R , E) t R x(t) = + (t) x(s) ds
0 2
Il reste a verifier que la solution proposee convient.
Z t Z t Z t Z t Z s
J J J J
x(s)ds = exp(s )ds+ (s)ds exp(s ) exp(u )(u)du ds
0 0 2 0 0 2 2 0 2
3.2. EXISTENCE ET UNICITE DE LA SOLUTION 83
Dou
Z t Z t Z
J J J J t J
x(s)ds = [ exp(s ) ds] + exp((t u) )(u)du
2 0 0 2 2 2 2
Z t 0
J J J
= [I exp(t )] + exp((t u) )(u)du
2 2 0 2
convenablement choisi.
Preuve : On a
Z t
J (ts) J
Xt = Wt e 2 W ds
s
0 2
Soit , E 0 : la linearite et la continuite donnent
Z t
J J
(Xt ) = (Wt ) ( e(ts) 2 Ws ) ds
0 2
ou encore Z t
J J
(Xt ) = (Wt ) ( e(ts) 2 .)(Ws ) ds.
0 2
De meme Z t
J J
(Xt ) = (Wt ) ( e(tu) 2 .)(Wu ) ds.
0 2
On en deduit
E(Xt )(Xt ) = E(Wt )(Wt )
Z t
J J
E ( e(ts) 2 .)(Ws )(Wt ) ds
2
Z0 t
J J
E ( e(tu) 2 .)(Wu )(Wt ) du
2
Z0 t Z t
J (ts) J J J
+ E ( e 2 .)(Ws ) ds ( e(tu) 2 .)(Wu ) du
0 2 0 2
Dou
avec
Z t Z
J J J 2 J
Vt = tI 2 s e(ts) 2 ds + inf(s, u)( ) e((ts)+(tu)) 2 du ds.
0 2 [0,t][0,t] 2
Par symetrie, on a
Z Z
J 2 ((ts)+(tu)) J J 2 J
inf(s, u)( ) e 2 du ds = 2 u( ) e((ts)+(tu)) 2 du ds.
[0,t][0,t] 2 0ust 2
On ecrit
J 2 ((ts)+(tu)) J J (ts)J J (su) J
u( ) e 2 = e u e 2
2 2 2
Si on integre en u de 0 a s, on trouve, dapres le calcul fait en (3.6)
Z s
J 2(ts) J J J J J J
e 2 (sI eu 2 du) = s e2(ts) 2 e2(ts) 2 (I es 2 )
2 0 2
88 CHAPITRE 3. ETUDE DU PROCESSUS DE DIFFUSION ASSOCIE
Il reste a calculer
Z t Z t
t J2 (ts) J2 t J2 J
e e ds = e es 2 ds
0 0
Rt s J2
Rt
Posons Z(t) = 0
e ds et calculons 0
esJ ds par une integration par
parties :
Z t Z t
sJ s J2 J
e ds = [e Z(s)]t0 + Z(s)Jes 2 ds
0 0
Z t
J J J
= et 2 Z(t) +(I es 2 )es 2 ds
0
Z t
J
t 2
= e Z(t) + Z(t) esJ ds
0
On a donc Z t
t J2
e Z(t) = Z(t) + 2 esJ ds,
0
soit Z t Z t Z t
t J2 s J2 s J2
e e ds = e ds + 2 esJ ds.
0 0 0
On recolle les morceaux :
Z Z t Z t
J 2 ((ts)+(tu)) J sJ J
inf(s, u)( ) e 2 du ds = tI e ds 2 es 2 ds,
[0,t][0,t] 2 0 0
et finalement Z t
Vt = exp(sJ) ds.
0
Corollaire 3.1. Soit
TE = {J L(E), J A1 j) = J(i j)}
J paire et i, j Zd J(i,
On suppose que TE sinjecte continument dans A1 . Alors, pour J TE , et
pour tout t 0, Xt admet
Z t
ds
exp(sJ) (3.7)
0
En effet, dapres (3.8), pour |n| assez grand, on a cp2n (d + 1) ln |n|, soit
exp(cp2n ) |n|1d+1 , qui est le terme general dune serie convergente.
En fait (3.8) et (3.9) sont presque equivalentes :
Lemme 17. Si il existe une fonction croissante telle que pn = (|n|), alors
(3.9) entrane (3.8).
Preuve : Soit c > 0. Posons
X
Sc = exp(cp2n ).
n Zd
On a X
Sc = Cn exp(c(n)2 ),
n0
Ce qui est evidemment plus fort que (3.3). De plus, (3.10) implique que Bp,0
est separable.
Nous allons maintenant montrer quelques proprietes de lespace Bp,0 :
nous allons dabord montrer que Bp,0 verifie les hypotheses H0 et lhypothese
dintegrabilite (3.4).
Lemme 18. On a t 7 Wt C(R+ , Bp,0 ) P-presque surement.
Preuve : Soit n une suite croissante de parties de Zd telle que
lim n = Zd .
n
Or
|Wti | Si
sup kn Wt Wt k = sup sup = sup s ,
t[0,s] t[0,s] i
/ n pi / n pi
i
Preuve : On a
Z +
EkXkqBp = q tq1 P (kXkBp > t) dt.
0
On a
X
P (kXkBp > t) = P (nZd {|Xn | > tpn }) P (|Xn | > tpn ).
n Z
d
2
Or P (|Xn | > tpn ) 2
2tpn
exp( (tp2n ) ). Il suffit donc de montrer que
X 1 Z + (tpn )2
tq2 exp( ) dt < +.
pn 1 2
kZ
d
P0 est lensemble des probabilites sur Bp dont chaque coordonnee suit une loi
gaussienne de variance bornee par 0 . Alors, P0 est tendu dans lensemble
des probabilites sur Bp .
Preuve : On note n une suite reelle verifiant pour n assez grand
p
ln |n| = n pn .
X xn
(x) = ( 1/2
).
nZd p n n
On va montrer successivement
1. Pour tout M > 0 1 ([0, M ]) est relativement compact dans Bp .
R
2. Il existe K0 > 0 tel que pour tout P0 d K0 .
Demontrons le premier point. Comme la somme de nombres positifs majore
tous les termes, il est clair que 1 ([0, M ]) est inclus dans
xn
{x RZ n Zd (
d
1/2
) M}
p n n
Par definition de , cet ensemble est lui-meme inclus dans
xn
{x RZ n Zd
d
1/2
max(1, M )}
p n n
1/2
Ce dernier ensemble est un compact de Bp , car lim|n| n = 0.
Passons au second point. Si lon note N la mesure sur R gaussienne
centree et de variance 2 , on verifie aisement que
Z
2 1
dN = e 22 .
R 2
Soit maintenant P0 :dapres le calcul qui precede
Z
2 X an p2n n
d exp( )
2 nZd pn 1/2
n 2a2n
Et donc Z
2 X 0 p2n n
d exp( ) = K 0 .
2 nZd pn 1/2
n 202
1/2 1
(En effet la serie est convergente car pn n tend vers + donc 1/2 est
pn n
p2n n
bornee et pour |n| assez grand est plus grand que (d + 1) ln |n|.)
202
La fin de la preuve est classique : soit > 0. On choisit M > 0 tel que
K0
M
< . 1 ([0, M ]) est relativement compact dans Bp et, dapres linegalite
de Markov
R
1 d K0
P0 ( ([0, M ])) 1 1 1 .
M M
94 CHAPITRE 3. ETUDE DU PROCESSUS DE DIFFUSION ASSOCIE
Preuve : Pour x Bp
X X
n=
(Jx) k)xk =
J(n, J(n k)xk
k n
Donc
X X
n | kxkBp
|(Jx) |J(kn)|pk kxkBp |J(kn)|pkn pn kxkBp kJkAp pn
k k
Dou
L(Bp ) kJkAp
kJk
Montrons que Bp,0 est stable par A : soit x Bp,0 et > 0
n|
|(Jx) X xk X xk
|J(k n)|pkn kxk |J(k n)|pkn + kJkAa sup
pn pk |k|M pk
d kZ |k|M
On choisit M > 0 tel que kJkAp sup|k|M xpkk < 2 , puis ensuite il ne reste
quune somme finie qui est inferieure a 2 pour |n| assez grand. Donc Jx
Bp,0 . P
Soit > 0 : il existe M tel que |k|M pk |J(k)| kJkAp Posons
(
J(n)
pn |J(n)| si |n| M et J(n) 6= 0
xn =
0 sinon
lim n = Zd .
n
P
Si lon pose rn = nZd \n n , on sait que rn tend vers zero car est som-
mable. On peut alorsPen extraire une sous-suite rnk telle que rnk+1 12 rnk ,
ce qui implique que n0 rnk < +. Quitte a remplacer n par nk , nous
pouvons donc supposer que
X
rn < +.
n0
On a
Mais
E|Wti |p = p tp ,
dou
E( sup kn Wt Wt k)p 0p sp rn
t[0,s]
est verifiee.
Preuve : On va en fait montrer le resultat plus fort suivant : si (Xi )iZd
est une suite de variables aleatoires de meme loi possedant un moment dordre
max(p, q), alors kXk`p () Lq . P
On peut supposer sans perte de generalite que iZd i = 1. Posons
X 1
Zp = kXk`p () = ( i |Xi |p ) p .
p q = Zp Zq .
Lemme 25.
Dapres la formule de Taylor avec reste integral (licite dans les espaces de
Banach, cf. par exemple [7], p. 77), on a
Z 1
f (T + Y ) f (Y ) = DfY (T ) + (1 t)D2 fY +tT (T T ) dt
0
Dou
Z 1
Ef (Y + T ) Ef (Y ) = EDfY (T ) + E (1 t)D2 fY +tT (T T ) dt
0
|D2 fY +tT (T T )| kT k2
et on obtient
1
|Ef (T + Y ) Ef (Y )| EkT k2 .
2
1 2
De meme |Ef (X + Z) Ef (X)| 2 EkZk .
Dapres le lemme 19, on a alors E(kZk2Bp ) M2 k(1 2 ) k1
et E(kT k2Bp ) M2 k(1 2 )+ k1 .
On a donc
On en deduit d(1 , 2 ) M2 k1 2 k1 .
T : S A1
(an )nZd 7 (s(n) an )nZd
\
z U T (x)(z) = x(z).
Lemme 28. Si p est un poids de classe E avec |pn | = O(|n| ), alors, pour
tout entier k tel que 2k > d2 + , on a
f C 2k (U, C)!F Ap f = F .
et
kgn (t, .)k = O(t|n| ).
Preuve : On etablit le resultat par recurrence sur p. Pour p = 0, las-
sertion est evidente puisque g0 = 1. Soit n Nd {0} et supposons le
resultat etabli pour p < |n|. On peut trouver k {1, . . . d} et m Nd tel que
n = m + ek : on a alors n = m ek . Or
Le resultat sensuit.
ou
m (F ) = inf{Re F (z); z supp }.
2. Si F C 2k (U, C), on peut etre plus precis : il existe une constante
KF,k,p independante de telle que
On en deduit
On a alors
2
k exp(tF )kAp KFn ,k,p kkD2k t2k e(m (F ) 3 )t ,
t 0 k exp(tF )k = 1.
3.5. COMPORTEMENT ASYMPTOTIQUE EN TEMPS 105
On peut a present prouver le theoreme. Remarquons tout dabord que
dapres lexpression de la solution de le.d.s.
Z
t J2 J t (ts) J
X t = e + Wt e 2 W ds
s
2 0
et le theoreme 3.2, le systeme determine par J est -ergodique si et seulement
si pour tout x B,0 exp( 2t J)x tend vers 0 dans B,0 .
Supposons que Re (J) ne sannule pas sur U . Comme Re (J) > 0 sur U,
0
on en deduit quil existe b > 0 tel que Re (J) > b sur U . Dapres le lemme
0
J b0
k exp(tT ( ))kA1 = o(e 2 t )
2
Mais comme T est un morphisme dalgebres exp(tT ( J2 )) = T (exp( 2t J)).
Dapres la deuxieme inegalite du lemme 27, on a egalement
t b0
k exp( J)kA = o(e 2 t ). (3.15)
2
Lergodicite sensuit puisque
t t t
k exp( J)xkB,0 k exp( J)kL(B,0 ) kxkB,0 = k exp( J)kA kxkBa,0 .
2 2 2
Supposons maintenant que Re (A) sannule dans linterieur de U . Comme
A est holomorphe, donc ouverte sur linterieur de U , il existe z dans linterieur
de U tel que Re (A)(z) < 0. On a donc limt | exp(tA(z)| = + Mais
\ t t t
| exp(tA(z)| = |exp( J)(z)| k exp( J)kA = k exp( J)kL(B,0 )
2 2 2
Donc (k exp( 2t J)kL(B,0 ) )t0 nest pas bornee. Dapres le theoreme de Banach-
Steinhaus, il existe x B,0 tel que exp( 2t J)x nest pas bornee, ce qui
empeche l-ergodicite.
Exemple
On prend ici d = 1 et on definit J par
X 1
J(n) =
k0
k!(|n| + k)!
106 CHAPITRE 3. ETUDE DU PROCESSUS DE DIFFUSION ASSOCIE
On a
K
n Z |J(n)| ,
|n|!
ou
X 1
K= ,
k0
k!2
1 1
| + n| = (r )| sin | r
2 2 r r
1
Comme r 7 r r
est strictement croissante r est minimal pour = 2
et
r 1r = 2 , soit
r
2
r= + + 1 2, 057.
4 16
Le systeme determine par J est donc -ergodique pour < r, mais pas pour
> r.
ou
Enfin, pour J Aa ,
ker J = {u Ba , Ju = 0}.
et
u, v Ba spec (u + v) spec u spec v
Afin que la notion de support spectral ne demeure pas totalement abs-
traite, nous allons donner quelques exemples. Ces exemples permettront, dans
une certaine mesure, de justifier la terminologie choisie.
Ces deux exemples nous mettent en garde contre des analogies abusives
avec la notion de spectre dun operateur. On voit par exemple que la
propriete pour un point de U de ne pas appartenir au support spectral
nest pas stable pour de petites perturbations de u (au sens de k.kAa ) :
en effet spec 0 = , tandis que pour tout 6= 0 aussi petit que lon
veut, spec 0 = U. La comparaison avec les distributions est plus ap-
propriee, dautant que lon verra que Ba sidentifie au dual dun espace
de fonctions.
108 CHAPITRE 3. ETUDE DU PROCESSUS DE DIFFUSION ASSOCIE
un = z n ,
spec u = {z}.
xt s ,
t+
1
ou est la mesure gaussienne centree de densite spectrale J
et s la
mesure image de par la translation s de vecteur s.
Avant de demontrer ce theoreme, faisons quelques remarques.
Lemme 31.
Lapplication u 7 u realise une isometrie de Ba sur A0a .
Preuve : Pour x Aa , u Ba , on a
X un
u(x) = an xn ,
an
Zd
n
dou
|u(x)| kukBa kxkAa ,
soit kukA0a kukBa k.
Soit maintenant une forme lineaire continue sur Aa . Pour x Aa , on a
X
x= xn n .
n Zd
Comme est continue, on a
X
(x) = xn (n ).
n Zd
1
Soit n Zd . On choisit maintenant de prendre x = .
an n
On a kxkAa = 1,
donc
|(x)| kkA0a .
110 CHAPITRE 3. ETUDE DU PROCESSUS DE DIFFUSION ASSOCIE
On a donc
|(n )|
n Zd kkA0a .
an
Ainsi, si lon pose un = (n ), on a u Ba , avec
kukBa kkA0a
et = u. Ce qui acheve la preuve.
Lemme 32.
f = A.u
Si A Aa est paire et u Ba , alors Au
Preuve : Comme lespace vectoriel engendre par les n est dense dans
Aa , il suffit de verifier que ces deux formes lineaires concident en les n .
Dune part X
n ) = (Au)n =
Au( A(n k)uk .
k Zd
Dautre part
X X X
(A.u)(n ) = u(An ) = u( A(nk)k ) = A(nk)u(k ) = A(nk)uk .
k Zd k Z
d Z
k d
Lemme 33. Pour tout u Ba , Ou est stable par union quelconque.
Preuve : Soit I un ensemble dindex, et (Oi )iI une famille douverts de
Ou . Dapres le theoreme de partition de lunite, on peut trouver une famille
(i )iI de fonctions C (U, R) telles que
X
x U i (x) = 1,
iI
et X
f = j f.
jJ
Par suite, on a X
f= aj f,
jJ
dou X
u(f ) = u(j f ).
jJ
Mais
supp a\
j f = supp aj f supp j Oj ,
supp f {V OOu O = O0 .
J (u) = inf{J(z); z spec u}.
d
Soit une fonction de classe C 2k avec 2k > 2
+ valant 1 sur
J (v) }
{z U J(z)
4
et 0 sur
{z U J(z) J (v) }.
2
Dapres le lemme 28 cest la transformee dun element Aa . On a supp v
{z U J(z) J (v)}. Comme J est continue, {z U J(z) J (v) }
4
est un voisinage de supp v et on a donc dapres le lemme 34
v(exp(tJ) ) = v( exp(tJ) )
Maintenant
|v( exp(tJ) )| kvkA0a k exp(tJ)kAa kkAa (3.16)
On a donc
k exp(tJ)vkBa kvkBa k exp(tJ)kAa
Mais m (J) J (v) 2 , et en appliquant la premiere partie du lemme 30 ,
on prouve la premiere assertion recherchee. Voyons a present comment affiner
le raisonnement pour obtenir le deuxieme resultat voulu : il sagit de majorer
le second membre de (3.16), et pour cela, faire de bons choix pour et .
Soit une fonction C (R, R) valant 0 sur ], 0] et 1 sur [1, +[. Pour
des reels a et b verifiant a < b, on pose
xa
a,b (x) = ( ),
ba
de sorte que a,b est une fonction C (R, R) valant 0 sur ] , a] et 1 sur
[b, +[. Il est facile de voir que, pour tout i 0, on a legalite
(i) 1
sup |a,b | = sup |(i) |
R (b a)i R
3.5. COMPORTEMENT ASYMPTOTIQUE EN TEMPS 113
2
m (J) J (v) = J (v) ,
2 t
ce qui entrane
0
k exp(tJ)u skBa KJ,k,p kvkBa t4k eJ (v)t ,
avec
0
KJ,k,p D2k max sup |(i) |.
= e2 KJ,k,p M2k kJk
0i2k R
On en deduit aisement le theoreme.
i ) > 0.
i [1, . . . , p] J(z
114 CHAPITRE 3. ETUDE DU PROCESSUS DE DIFFUSION ASSOCIE
verifie
spec u {z1 , . . . , zp },
ce qui montre quelle verifie bien la condition desiree.
2. Si K est un compact de U sur lequel J ne sannule pas, toute suite
secrivant comme en (3.17), avec les zi appartenant a K est dans les-
pace vectoriel EJ, , ou lon a pose = inf zK J(z). Si lon montre que
EJ, est ferme pour la topologie -faible de Ba , il sensuivra que toute
limite faible de telles suites appartient a EJ, et verifie donc egalement
lhypothese inf{J(z); z spec u} > 0.
Lemme 36. EJ, est un espace vectoriel ferme pour la topologie -faible
de Ba .
Preuve : Soit (un )n1 une suite delements de EJ, convergeant vers
u Ba . On a, pour tout n 1, supp un F = {z U, J(z) }.
Autrement dit, si O est louvert U\F , on a pour tout n 1 O0
0
Alors on a
kt k1 = O(eat ),
ou t est la densite spectrale de Xt , i.e.
1
t (z) = (1 etJ(z) ) (3.18)
J(z)
et celle de , i.e.
1
(z) = . (3.19)
J(z)
Preuve : On a
Z
1 tJ(z)
kt k1 = e dz (3.20)
U J(z)
dou
1
kt k1 eat
a
Nous pouvons a present demontrer que la vitesse de convergence du
systeme se fait a vitesse exponentielle lorsque J ne sannule pas sur U. On
a deux theoremes, lun pour J potentiel -invariant a decroissance exponen-
tielle, et lautre pour J decroissant comme linverse dune fonction puissance.
Preuve : On a
On a
M2 ct
d(, 0t ) M2 kt k1 e .
c
116 CHAPITRE 3. ETUDE DU PROCESSUS DE DIFFUSION ASSOCIE
Dautre part
d(0t , xt ) = d(0t , e 2t J x 0t )
t
ke 2 J xkB
t
ke 2 J kA kxkB
b0
LkxkB e 2 t
Preuve : Mise a part la derniere inegalite, qui est ici une consequence
du lemme 35, la preuve precedente demeure inchangee.
Remarques :
1. Il est bien entendu possible en affaiblissant un peu le resultat dobtenir
une presentation plus compacte. Nous avons choisi de conserver cette
forme afin quapparaissent nettement les deux contributions distinctes :
la partie proprement stochastique, independante de la condition ini-
tiale,qui decrot en O(eat ), et la partie deterministe, dependant de la
b0
condition initiale, en O(e 2 t ).
2. Les vitesses de convergence trouvees ici sont coherentes avec les resultats
demontres dans [12] par Da Prato et Zabczyk. Dans leur article, ils
sinteressent a lexistence de solutions et au comportement asympto-
tique de systemes stochastiques ou la derive est la somme dun operateur
lineaire et dune perturbation. Dans le cadre lineaire pur avec interac-
tion stationnaire qui nous interesse ici, leurs hypotheses sont que la
portee est finie et que J est accretif dans `2 (Zd ) i.e. kJxk2 Kkxk2
pour un certain K > 0. Mais on connat le spectre dun operateur de
Toeplitz dans `2 (Zd ) : cest J(U) (cf. par exemple [20], ex. 248) . Cette
3.6. VITESSE DE CONVERGENCE DE LA DYNAMIQUE 117
Lemme 38. On suppose que J verifie lhypothese (3.21). Soit A une matrice
d d reelle symetrique definie positive, d0 < d et > 0. On pose, pour
(1 , . . . , d )
i1 , . . . , eid )
f (1 , . . . , d ) = J(e
On rappelle que lon a defini
1
t (z) = (1 etJ(z) )
J(z)
et
1
(z) = .
J(z)
On a les resultats suivants :
1. Si
limx0 f (x)kAxkd0 1,
alors
d
1 1 Kd+1 d
limt kt k1 t d0 ( 1)
det A 2 d0
2. Si
limx0 f (x)kAxkd0 1,
alors
d
1 1 Kd+1 d
limt kt k1 t d0 ( 1),
det A 2 d0
118 CHAPITRE 3. ETUDE DU PROCESSUS DE DIFFUSION ASSOCIE
On a
Z Z
1 1 tf (x) 1 1 1 1
e dx = etf (A x) dx
(2)d A1 B(0,) f (x) d 1
(2) det A B(0,) f (A x)
Z
1 1 1 1 t(1)kxkd0
e dx
(2)d det A 1 B(0,) kxkd0
d
1 1 d Kd+1 1
limt kt k1 t d0 ( 1)
det A d0 2 (1 ) dd0
Comme > 0 est quelconque, on en deduit
d
1 1 d Kd+1
limt kt k1 t d0 ( 1) (3.22)
det A d0 2
Theoreme 3.7. Soit J un potentiel. On suppose que J Aa , avec an =
1 + 2 n et > 0. On pose, pour (1 , . . . , d )
i1 , . . . , eid )
f (1 , . . . , d ) = J(e
f (x) kAxkd0
d(xt , s ) = d(s et J2 u 0t , s )
= d(et J2 u 0t , )
On en deduit
J
|d(xt , s ) d(0t , )| d(et J2 u 0t , 0t ) ket 2 dkB
On en deduit que
d d
1 1
limt d(xt , s )t d0 = limt d(0t , )t d0
et d d
1 1
limt d(xt , s )t d0 = limt d(0t , )t d0 .
120 CHAPITRE 3. ETUDE DU PROCESSUS DE DIFFUSION ASSOCIE
3.7 Commentaires
Ainsi que nous lavions annonce, nous avons donc pu presenter les mesures
de Gibbs extremales autrement dit les phases pures comme limites tempo-
relles dun systeme infini dequations differentielles stochastiques a condition
initiale deterministe :
Lunicite de la mesure de Gibbs au sein dune certaine classe de mesures
telle que celles considerees au chapitre 1 se traduit exactement par
lergodicite de la dynamique stochastique gradient associee, autrement
dit, labsence de transition de phase correspond au cas ou le systeme
converge vers une limite independante des conditions initiales.
Ce procede dobtention des mesures de Gibbs comme limites tempo-
relles dun systeme dynamique stochastique a condition initiale fixee
peut etre vu comme complementaire de la methode classique dobten-
tion des mesures de Gibbs extremales comme limites spatiales, cette
fois de mesures indexees par une famille de conditions exterieures.
Dans le cadre de la transition de phase, nous avons exhibe pour chaque
phase pure un espace affine de conditions initiales pour lesquelles le
systeme converge vers cette phase. En effet toute phase pure est de la
forme s , avec s ker J, qui est limite des systemes a condition
initiale u + s, ou u verifie J (u) > 0.
Nous avons de plus demontre que la presence ou labsence de transition de
phase avait une influence directe sur la vitesse de convergence du systeme
stochastique : ainsi, la vitesse de convergence est exponentielle en labsence
de transition de phase et polynomiale en presence de transition de phase.
Sous des hypotheses assez faibles, nous avons montre que lordre d0 du zero
de J determine directement la vitesse de convergence, puisque celle-ci est en
1
d .
1
t d0
Discretisation du systeme
gradient associe a une
interaction quadratique et
simulation
ou (hn )n0 est la suite des pas de lalgorithme. Nous donnerons des indications
sur la maniere de choisir la suite (hn )n0 afin dobtenir la convergence la plus
rapide
P possible. En effet, il y a un compromis a faire : il faut que la serie
k hk diverge assez vite pour que le temps simule tn grandisse assez vite ,
mais si les pas hn sont trop grands, le systeme discret secarte du systeme
continu.
Dans un second temps, nous allons mettre concretement en uvre lalgo-
rithme sur ordinateur pour une interaction aux plus proches voisins . Nous
constaterons de visu et cela conformement aux predictions theoriques que
le comportement asymptotique du systeme depend fortement de la condition
125
126 CHAPITRE 4. DISCRETISATION DE LE.D.S. ET SIMULATION
k hn X p
Xn+1 Xnk = J(k i)Xni + hn nk (4.2)
2 d i Z
On notera dans toute la suite
n
X
tn = hk .
k=0
PXn ,
1
ou est la mesure gaussienne centree de densite spectrale J
et ou la conver-
gence en loi sentend au sens de la topologie de Ba .
On va sappuyer sur quelques lemmes.
Lemme 39. Soit (Z k )kZd un processus gaussien stationnaire centre de me-
sure spectrale . On pose
X
k Zd Y k = J(k j)Z j = (J Z)(k)
j Zd
128 CHAPITRE 4. DISCRETISATION DE LE.D.S. ET SIMULATION
1
|J(n k)J(p l)Z k Z l | |J(n k)J(p l)| ((Z k )2 + (Z l )2 )
2
Donc lintegrale par rapport a la mesure produit est majoree par
X
( |J(n)|)2 E(Z 0 )2 .
n Zd
Dapres le theoreme de Fubini, on a donc
X
EY n Y p = J(n k)J(p l)EZ k Z l
k,l Zd
X Z
= J(n k)J(p l) z kl d(z)
k,l Zd U
Z X
= J(n k)z kn J(p l)z pl z np d(z)
U k,lZd
Z
= 2 z np d(z)
|J(z)|
U
4.2. COMPORTEMENT A CONDITION INITIALE NULLE 129
hn
z U, un+1 (z) = (1 J(z))2 un (z) + hn (4.4)
2
hn J 2 h2n
vn+1 = vn (1 ) + J (4.5)
2 4
2
n J )) + hn J
= vn (1 hn J(1
h
(4.6)
4 4
On utilise aussi le lemme qui suit
1
< .
supn0 hn
n 0 wn+1 (1 hn )wn + n
Alors
n
X
n 0 wn+1 w0 exp(tn ) + exp(tn ) exp(tk )k
k=0
J(z)
|vn+1 | |vn |(1 J(z)(1 )hn ) + h2
4 n
130 CHAPITRE 4. DISCRETISATION DE LE.D.S. ET SIMULATION
Si lon pose n = J(z)
h2n et = J(z)(1 ), on peut alors appliquer le lemme
4
40 a partir du rang p, et lon a alors n p
X n
J(z) 2
|vn+1 (z)| |vp (z)| exp(J(z)(1)(tn tp1 ))+ exp(J(z)(1)(t k tn ))hk
4 k=p
(4.7)
1. Sous lhypothese (l2 ), cela entrane
n p |vn+1 (z)| |vp (z)| + K1 J(z) (4.8)
P
ou K1 = 14 kp h2k . Montrons que vn tend presque partout vers 0. Soit
> 0. Il est facile de voir que le premier terme de la somme
z tel que J(z)
du membre de droite de lequation (4.7) tend vers zero. Reste a voir
que
Xn
exp(J(z)(1 )(tk tn ))h2k
k=p
tend vers 0. Posons dn,k = exp(J(z)(1 )(tk tn ))h2k pour k n et
dn,k = 0 si k > n : on a
n
X +
X
n p,
exp(J(z)(1 )(tk tn ))h2k = dn,k .
k=p k=p
n, k p |dn,k | h2k .
lim vn+1 = 0.
n+
Lemme 41.
Preuve :
Tout dabord, une comparaison serie-integrale donne facilement
1
n 0, k 1 tn, tk, ((n + 1)1 (k + 1)1 ). (4.10)
1
[rn]1 [rn]1
X 1 X 1
2
exp((t k, tn, )) ( 2
) exp((t[rn]1 tn, ))
k=1
k k=1
k
[rn]1
X 1 2
( ) (rn)1
k=1
k 2 6
Soit > 0
1 1
(rn)1 = (rn)1 exp( (rn)1 )
1 1
On en deduit
[rn]1
X 1 2 1
2
exp((t k, tn, )) ( ) exp( (1(1+)r1 )n1 )
k=1
k 6 1
(4.11)
1
On prend par exemple = 1 et r tel que 2r = et lon pose
2
K1 = ( 6 ) (1 ).
132 CHAPITRE 4. DISCRETISATION DE LE.D.S. ET SIMULATION
n
X 1
exp((tk, tn, ))
k 2
k=[rn]
n
X
1
2
exp( ((k + 1)1 (n + 1)1 ))
[rn] 1
k=[rn]
n[rn]
1 X
2
exp( ((n k + 1)1 (n + 1)1 ))
[rn] k=0 1
n[rn]
1 X k 1
2
exp( (n + 1)1 ((1 ) 1))
[rn] k=0 1 n+1
On en deduit
n n[rn]
X 1 1 X
2
exp((t k, tn, )) 2
exp((n + 1) k)
k [rn] k=0
k=[rn]
+
1 X
exp((n + 1) k)
[rn]2 k=0
1
(1 exp((n + 1) ))1
[rn]2
(1 exp((n + 1) )) KS (n + 1)
On a alors
X n
1 1
exp((tk, tn, )) (1 exp((n + 1) ))1
k 2 [rn]2
k=[rn]
1 n+1 2
( )
KS rn 1
1 Cr 1
KS n
Maintenant, si n 1r , on a de toute evidence
n [1/r]
X 1 X 1
2
exp((tk, tn, ))
k=1
k k=1
k 2
(n + 1)1 p1
|vn+1 (z)| |vp (z)| exp(J(z)(1 ) )
1
1
K1 n
+ exp((1 )(1 )J(z) )
4(1 ) 1
K2 1
+
4(1 ) n
Il est facile de voir quil existe des constantes A0 et B 0 independantes
de v0 telles que
z U |vp (z)| A0 |v0 (z)| + B 0
On en deduit que pour tout c ]0, 1[, il existe des constantes A, B, C
independantes de v0 telles que
1
n
6= 0 |vn | (A+B|v0 |) exp((1c)J(z)
n 0 z U|J(z) )+
C
1 n
(4.12)
134 CHAPITRE 4. DISCRETISATION DE LE.D.S. ET SIMULATION
Posons Z t
dt
F (t) =
n0 (t)
et
a 1
g(t) = exp( F (t)) .
2 (t)2
On a
g 0 (t) a 1 0 (t)
= 2 0
g(t) 2 (t) (t)
4.2. COMPORTEMENT A CONDITION INITIALE NULLE 135
a a h2n+1 h2n+1
exp( (tn tn0 1 )) exp( F (n + 1)) =
2 2 g(n + 1) g(n0 + 1)
n
X Xn
a 2 a
exp( (tk tn ))hk exp( (F (k + 1) F (n + 1))h2k
k=n0
2 k=n
2
0
Xn
2 a a
M exp( F (n + 1)) exp( F (k + 1))h2k+1
2 k=n0
2
Z n+2
a
M 2 exp( F (n + 1)) g(t) dt
2 n0 +1
Posons Z n+2
I= g(t) dt.
n0 +1
soit
a 2 1 1
I exp( F (n + 2)) + I.
2 a (n + 2) 2
On a donc
n
X a 4M 2 a
exp( (tk tn ))h2k exp( F (n + 2) F (n + 1))hn+2
k=n0
2 a 2
4M 2 a
exp( hn+1 )hn+2
a 2
4M 2 a
exp( hn0 +1 )hn+1
a 2
136 CHAPITRE 4. DISCRETISATION DE LE.D.S. ET SIMULATION
Preuve :
Quitte a faire une translation sur lintervalle dintegration dans ce qui
suit, on peut supposer que lon a x0 = 0. On en deduit lexistence dune
constante m > 0 telle que x [, +]d f (x) m|x|d0 .
De (4.12), on deduit lexistence de A, B, C, D independantes de v0 tels que
Z
C
kvn k1 (A + B|v0 |) exp(D||d0 n1 )d + .
[,]d n
On note K = k1 u0 Jk = kv0 Jk
. On a
Z
B/m C
kvn k1 (A + K d0 ) exp(D||d0 n1 )d + .
[,]d || n
Dou
Z
B/m C
kvn k1
(A + K d
) exp(D||d0 n1 )d + .
B(0, d) || 0 n
On pose alors Z +
A
C1 = td1 exp(Dtd0 )dt
2 0
et Z +
B
C2 = tdd0 1 exp(Dtd0 )dt.
2m 0
On a alors
C1 C2 C
kvn k1 + kuJ 1k + . (4.14)
(1) dd (1)( dd 1) n
n 0 n 0
1 0 C10 C
kvn k1 d (C2 ku J 1k + )+ (4.15)
(tn, ) d0
1 tn, n
(x)
ou la suite deterministe e(x) est determinee par la recurrence e0 = x et
(x) hn (x)
en+1 e(x)
n = Je , (4.17)
2 n
soit
n1
Y hn
e(x)
n = (Id J)x (4.18)
k=0
2
Lemme 43. Soit A une algebre de Banach dont on note e lelement neutre
pour la multiplication, (hn )n0 une suite a termes positifs de limite nulle et
J A. Si lon a note
n1
X
tn = hk ,
k=0
n1
Y hn tn
(e J) = Un exp( J).
k=0
2 2
n1
X
n 0, kUn k L exp(K h2k ) (4.19)
k=0
Preuve : On a evidemment
n1 n1
tn Y hk Y hk hk
Un = exp( J) (e J) = (e J) exp( J) (4.20)
2 k=0 2 k=0
2 2
exp(ln(e + x)) = e + x,
ou lon a pose
X (1)k+1
ln(e + x) = xk .
k1
k
140 CHAPITRE 4. DISCRETISATION DE LE.D.S. ET SIMULATION
hn
Si p est tel que pour n p, on a 2
kJk < 1, alors pour n p, on a
n1
X hk hk
Un = Up exp ( J + ln(e J))
k=p
2 2
Mais
X (1)k+1
k ln(e + x) xk = k xk k
k2
k
X1
kxkk
k2
k
X1
kxkk
k2
2
kxk2
.
2(1 kxk)
On en deduit quil existe une constante K telle que pour n p
hn hn
k J + ln(e J)k Kh2n .
2 2
P
Si k0 h2k < +, alors la serie de terme general h2n J + ln(e h2n J) est
P
absolument convergente. Si lon note S = np h2n J + ln(e h2n J) la somme
de la serie , on a
lim Un = Up exp(S).
n
Theoreme 4.4. Soit J Aa . On suppose que (hn )n0 est de carre sommable
et est correctement initialisee. Precisement, on suppose que lon a
2.
(x)
n
= s (4.22)
n+
Comme
n1
Y hn tn
(e J)x = Un exp( )x
k=0
2 2
a ete defini lors de la preuve du lemme 43. Par le meme raisonnement que
precedemment, on en deduit que (4.24) entrane
tn
lim exp( J)x = 0
n 2
Pour t 0, on note n(t) le plus petit entier k tel que tk t : il est clair que
limt n(t) = +. Mais
t 1 tn(t)
exp( J)x = exp( (tn(t) t)J) exp( J)x
2 2 2
Or
tn(t)
lim exp( J)x = 0
2
et
1 1
k exp( (tn(t) t)J)k exp( kJkAa (max hn )),
2 2 n0
Preuve : On a
n1
Y hn
(1 J)u
k=0
2
n1
Y n1
Y
hn hn
= (1 J)v + (1 J)s
k=0
2 k=0
2
n1
Y hn
= (1 J)v + s
k=0
2
4.3. INFLUENCE DE LA CONDITION INITIALE 143
Donc
n1
Y Y n1
hn hn
k (1 J)u skBa = k (1 J)vkBa
k=0
2 k=0
2
tn
= kUn exp( J)vkBa
2
tn
kUn kAa k exp( J)vkBa
2
Dune part, dapres le lemme 35, on a
tn
k exp( J)vkBa = o(e( 2 2 )tn ).
2
Mais le lemme 43 nous enseigne que
n1
X
kUn kAa = O(exp(K h2k )).
k=0
soit
n1
X
exp(K h2k ) exp( tn ),
k=0
2
ce qui entrane
kUn kAa = O(exp( tn )),
2
puis finalement
n1
Y hn
k (1 J)u skBa = o(e( 2 )tn ).
k=0
2
144 CHAPITRE 4. DISCRETISATION DE LE.D.S. ET SIMULATION
(0)
On a deja montre dans le theoreme 4.2 que d(n , ) = O( n1 ). De plus,
dapres le lemme 43, il existe une constante Z telle que pour tout n, on ait
tn
ken(x) kB Z exp( J)kA kxkB
2
Comme tn = ln n + O(1), le lemme 30 permet alors de conclure.
(0)
On a deja montre dans le theoreme 4.2 que d(n , ) = O( n1 ). Le lemme
44 permet alors de conclure, puisquici EJ,b = Ba .
4.3. INFLUENCE DE LA CONDITION INITIALE 145
i1 , . . . , eid )
f (1 , . . . , d ) = J(e
On suppose que {z U
J(z) = 0} = {0} et quil existe A Gld (R) et
d0 < d tels quon ait :
1 (x)
Pour la suite hn = d0 , on note n la loi de la variable aleatoire Xn
n1 d
definie par X0 = x Ba et la recurrence (4.1). On note la loi gaussienne
centree de densite spectrale J1. Alors, si x Ba,0 secrit x = u + s avec
s ker J et inf{J(z); z spec u} > 0, on a
1
d((x)
n , s ) = 0( d ),
d0
1
tn
ou lon a
n1
X d d0
tn = hk nd,
k=0
d0
soit
1
d((x)
n , s ) = 0( d0 ).
n1 d
Preuve :
(x) (x) (0)
Dapres le lemme 42, on a Xn = en + Xn , dou
(0) 1
On a deja montre dans le theoreme 4.3 que d(n , ) = O( d0 ). En
n1 d
appliquant le lemme 44, on constate quil existe c > 0 tel que
d0
ke(x)
n kBa = O(exp(cn )),
d
nP
iter
(l1 + 2k)(l2 + 2k)(l3 + 2k)
k=0
nP
iter
= l1 l2 l3 + 2(l1 l2 + l2 l3 + l3 l1 )k + 4(l1 + l2 + l3 )k 2 + 8k 3
k=0
niter (niter + 1)
= l1 l2 l3 (niter + 1) + 2(l1 l2 + l2 l3 + l3 l1 )
2
niter (niter + 1)(2niter + 1) niter (niter + 1) 2
+ 4(l1 + l2 + l3 ) + 8( )
6 2
= Volume()(niter + 1)
niter (niter + 1)
+ Surface()
2
niter (niter + 1)(2niter + 1)
+ Longueur des Aretes()
6
niter (niter + 1) 2
+ Nombre de Sommets()( )
2
1
Dans le cas qui nous interesse, ce nest pas completement optimal, car les sommets en
diagonale ninteragissent pas, mais cela naugmente pas de beaucoup le calcul.
150 CHAPITRE 4. DISCRETISATION DE LE.D.S. ET SIMULATION
Il est immediat a loeil que ces trois images sont bien differentes. Afin
davoir des donnees chiffrees, nous avons demande a lordinateur de nous
fournir la proportion de pixels dont lintensite depasse la valeur de saturation
1. Nous avons obtenu respectivement 0.0261, 0.1717 et 0.5083.
Observons si lon obtient des resultats analogues pour un autre alea : dans
lexemple precedent, le germe aleatoire etait 0. Pour le germe aleatoire 73,
on obtient les images suivantes :
Ici en revanche, les trois images semblent tres proches : on obtient les
proportions de 0.0261, 0.0263 et 0.0263.
Suivent les images obtenues pour lalea 73 :
uses
Forms,
Dyna in DYNA.PAS {Form1},
Ahoui in AHOUI.PAS {AboutBox};
{$R *.RES}
begin
Application.CreateForm(TForm1, Form1);
Application.CreateForm(TAboutBox, AboutBox);
Application.Run;
end.
interface
type
153
154 ANNEXE A. CODE SOURCE DE LAPPLICATION
TAboutBox = class(TForm)
Panel1: TPanel;
OKButton: TBitBtn;
ProgramIcon: TImage;
ProductName: TLabel;
Version: TLabel;
Copyright: TLabel;
Comments: TLabel;
private
{ Private declarations }
public
{ Public declarations }
end;
var
AboutBox: TAboutBox;
implementation
{$R *.DFM}
end.
TextHeight = 16
object Panel1: TPanel
Left = 8
Top = 8
Width = 281
Height = 161
BevelInner = bvRaised
BevelOuter = bvLowered
TabOrder = 0
object ProgramIcon: TImage
Left = 8
Top = 8
Width = 65
Height = 57
Picture.Data = {
07544269746D617076020000424D760200000000000076000000280000002000
0000200000000100040000000000000200000000000000000000100000000000
000000000000000080000080000000808000800000008000800080800000C0C0
C000808080000000FF0000FF000000FFFF00FF000000FF00FF00FFFF0000FFFF
FF00000000000000000000000000000000000EE8787878EEEEEEE03F30878EEE
EEE00EE8787878EEEEEEE03F30878EEEEEE00EE8787878EEEEEEE03F30878EEE
EEE00EE8787878EEEEEEE03F30878EEEEEE00887787877788888803F3088787E
EEE00788787878878887803F3088887EEEE00788887888878887803F3088887E
EEE00877888887788888703F308887EEEEE00888777778888888037883088888
8EE007777777777777703787883087777EE00888888888888803787FF8830888
888008888888888880378777778830888880077777777788037873F3F3F87808
88E00888888888803787FFFFFFFF8830EEE00887777778800001111111111100
EEE00888888888888899B999B99999EEEEE00888888888888899B9B99BB9B9EE
EEE0088888888888899BB9BB99BB99EEEEE0078888888888899B999B999999EE
EEE0087788888778899B9B9BB9BB99EEEEE00888778778888E9B9B9BB9999EEE
EEE0088888788888EE9B99B9BB9BEEEEEEE00EE8888888EEEEE999B9999EEEEE
EEE00EEEE888EEEEEEEE99BB999EEEEEEEE00EEEEE8EEEEEEEEEE999B9EEEEEE
EEE00EEEEE8EEEEEEEEEEEE999EEEEEEEEE00EEEEE8EEEEEEEEEEEEE99EEEEEE
EEE00EEEEE8EEEEEEEEEEEEE9EEEEEEEEEE00EEEEE8EEEEEEEEEEEEEEEEEEEEE
EEE00EEEEEEEEEEEEEEEEEEEEEEEEEEEEEE00000000000000000000000000000
0000}
Stretch = True
IsControl = True
end
object ProductName: TLabel
Left = 87
156 ANNEXE A. CODE SOURCE DE LAPPLICATION
Top = 16
Width = 145
Height = 13
Caption = Interactions quadratiques
Font.Color = clBlack
Font.Height = -11
Font.Name = MS Sans Serif
Font.Style = [fsBold]
ParentFont = False
IsControl = True
end
object Version: TLabel
Left = 88
Top = 40
Width = 65
Height = 13
Caption = Version 1.0
Font.Color = clBlack
Font.Height = -11
Font.Name = MS Sans Serif
Font.Style = [fsBold]
ParentFont = False
IsControl = True
end
object Copyright: TLabel
Left = 8
Top = 80
Width = 117
Height = 13
Caption = Auteur: Olivier Garet
Font.Color = clBlack
Font.Height = -11
Font.Name = MS Sans Serif
Font.Style = [fsBold]
ParentFont = False
IsControl = True
end
object Comments: TLabel
Left = 8
Top = 104
Width = 110
A.4. UNITE DYNA.PAS 157
Height = 39
Caption = Programme d#39accompagnement de these.
Font.Color = clBlack
Font.Height = -11
Font.Name = MS Sans Serif
Font.Style = [fsBold]
ParentFont = False
WordWrap = True
IsControl = True
end
end
object OKButton: TBitBtn
Left = 111
Top = 178
Width = 77
Height = 27
Font.Color = clBlack
Font.Height = -11
Font.Name = MS Sans Serif
Font.Style = [fsBold]
ParentFont = False
TabOrder = 1
Kind = bkOK
Margin = 2
Spacing = -1
IsControl = True
end
end
interface
uses
SysUtils, WinTypes, WinProcs, Messages, Classes, Graphics, Controls,
Forms, Dialogs, Menus, ExtCtrls,ClipBrd,Printers,ahoui;
type
158 ANNEXE A. CODE SOURCE DE LAPPLICATION
TForm1 = class(TForm)
MainMenu1: TMainMenu;
Fichier: TMenuItem;
Paramtres1: TMenuItem;
AutoInteraction1: TMenuItem;
GermeAlatoire1: TMenuItem;
Affichage1: TMenuItem;
Saturation1: TMenuItem;
Palette1: TMenuItem;
Calcul1: TMenuItem;
Enregistrer1: TMenuItem;
Imprimer1: TMenuItem;
Conditioninitiale1: TMenuItem;
Image1: TImage;
SaveDialog1: TSaveDialog;
infos: TMenuItem;
Pressepapier1: TMenuItem;
procedure AutoInteraction1Click(Sender: TObject);
procedure GermeAlatoire1Click(Sender: TObject);
procedure Conditioninitiale1Click(Sender: TObject);
procedure Calcul1Click(Sender: TObject);
procedure Saturation1Click(Sender: TObject);
procedure Enregistrer1Click(Sender: TObject);
procedure infosClick(Sender: TObject);
procedure Palette1Click(Sender: TObject);
procedure Pressepapier1Click(Sender: TObject);
procedure Imprimer1Click(Sender: TObject);
private
{ Private-declarations }
public
{ Public-declarations }
end;
var
Form1: TForm1;
implementation
{$R *.DFM}
A.4. UNITE DYNA.PAS 159
const cote_x=80;
cote_y=80;
cote_z=31;
nb_iter=15;
pp=-1;
var deja:boolean;
reserve,sature,auto,cond_init:real;
bitmap:tbitmap;
fichier:tfilename;
ncalc:byte;
function gauss:real;
var u,v1,v2,s:real;
begin;
if deja then begin deja:=false; gauss:=reserve; end;
repeat
v1:=2*random-1;
v2:=2*random-1;
s:=sqr(v1)+sqr(v2);
until s<1;
u:=sqrt(-2*ln(s)/s);
reserve:=v1*u;
deja:=true;
gauss:=v2*u;
end;
i:=pos(e,s);
j:=pos(E,s);
if (i=0) or (j=0) then
begin
i:=i+j;
if i=0
then
begin
expo:=1;
fin:=length(s);
end
else
begin
sexp:=copy(s,i+1,length(s)-i);
val(sexp,nexp,posi);
expo:=exp(nexp*ln(10));
fin:=i-1;
end;
j:=pos(.,s);
if j=0 then
val(copy(s,1,fin),mantisse,posi)
else
val(copy(s,1,j-1),mantisse,posi);
re:=mantisse;
if j>0 then
begin
pu:=1;
for k:=j+1 to fin do
begin
pu:=pu/10;
re:=re+(ord(s[k])-48)*pu;
end;
end;
re:=re*expo;
if moins_un then resultat:=-re
else resultat:=re;
end else posi:=i;
end;
function transf(r:real):byte;
A.4. UNITE DYNA.PAS 161
begin
if r>sature then r:=sature else if r<-100
then r:=-sature;
if r>0
then transf:=round(127+ln(1+r)/ln(1+sature)*127)
else transf:=round(127-ln(1-r)/ln(1+sature)*127)
end;
begin
str(auto:8:4,s);
s:=inputbox(Saisie de lauto-interaction,
Entrez la valeur de lauto-interaction,
s);
eval(s,auto,code);
end;
end;
{procedure transformation;}
procedure TForm1.Calcul1Click(Sender: TObject);
var t1,t2,t3:pminitab;
tab:array[0..cote_z] of pminitab;
i,j,k,n:byte;
chaine:string;
sran:longint;
function moyenne:real;
var ii,jj,kk:byte;
s,w:real;
begin
w:=1/((cote_x-2*n+1)*(cote_y-2*n+1)*(cote_z-2*n+1));
s:=0;
for ii:=n to cote_z-n do
begin
{t1^:=tab[ii]^;}
for jj:=n to cote_x-n do
for kk:=n to cote_y-n do
{s:=s+(tab[ii]^[jj,kk])*w; }
if tab[ii]^[jj,kk]>sature then s:=s+w;
end;
moyenne:=s;
end;
A.4. UNITE DYNA.PAS 163
procedure change;
var st:pminitab;
i,j,k:shortint;
hn:real;
begin
hn:=exp(-ln(n+100)/3);
t1^:=tab[n]^;
t2^:=tab[n+1]^;
for i:=n+1 to cote_z-(n+1) do
begin
t3^:=tab[i+1]^;
{changer t1}
for j:=n+1 to cote_x-(n+1) do
for k:=n+1 to cote_y-(n+1) do
begin
t1^[j,k]:=(1-0.5*auto*hn)*t2^[j,k]+
0.5*hn*
(t1^[j,k]+t3^[j,k]+t2^[j+1,k]+t2^[j-1,k]
+t2^[j,k-1]+t2^[j,k+1])/6+gauss*sqrt(hn);
{if (i in [23..27]) and (j in [20..60]) and (k in [20..60]) then
bitmap.canvas.pixels[cote*(i-23)+j,
k]:=
transf(t1^[j,k]);}
end;
tab[i]^:=t1^;
st:=t1;
t1:=t2;
t2:=t3;
t3:=st;
end;
inc(n);
end;
begin
cursor:=crHourglass;
new(t1);
new(t2);
new(t3);
164 ANNEXE A. CODE SOURCE DE LAPPLICATION
i:byte;
begin
{ for i:=0 to 255 do
begin
cou[i].pered:=0;
cou[i].pegreen:=i;
cou[i].peblue:=i;
cou[i].peflags:=pc_reserved;
end;
animatepalette(bitmap.palette,20,200,cou);}
end;
begin
bitmap:=tbitmap.create;
bitmap.width:=(cote_x-nb_iter)*3;
bitmap.height:=cote_y;
deja:=false;
sature:=1;
auto:=1;
cond_init:=0;
end.
Top = 99
Width = 435
Height = 300
Caption = Simulation d#39une interaction quadratique
Font.Color = clWindowText
Font.Height = -13
Font.Name = System
Font.Style = []
Menu = MainMenu1
PixelsPerInch = 96
TextHeight = 16
object Image1: TImage
Left = 0
Top = 96
Width = 456
Height = 80
end
object MainMenu1: TMainMenu
Left = 23
Top = 65530
object Fichier: TMenuItem
Caption = Fichier
object Enregistrer1: TMenuItem
Caption = Enregistrer
OnClick = Enregistrer1Click
end
object Imprimer1: TMenuItem
Caption = Imprimer
OnClick = Imprimer1Click
end
object Pressepapier1: TMenuItem
Caption = Presse-papier
OnClick = Pressepapier1Click
end
end
object Paramtres1: TMenuItem
Caption = Parametres
ShortCutText = Ctrl+P
object AutoInteraction1: TMenuItem
Caption = Auto-Interaction
OnClick = AutoInteraction1Click
A.5. FICHE DYNA.TXT 167
end
object GermeAlatoire1: TMenuItem
Caption = Germe Aleatoire
OnClick = GermeAlatoire1Click
end
object Conditioninitiale1: TMenuItem
Caption = Condition initiale
OnClick = Conditioninitiale1Click
end
end
object Affichage1: TMenuItem
Caption = Affichage
object Saturation1: TMenuItem
Caption = Saturation
OnClick = Saturation1Click
end
object Palette1: TMenuItem
Caption = Palette
OnClick = Palette1Click
end
end
object Calcul1: TMenuItem
Caption = Calcul
OnClick = Calcul1Click
end
object infos: TMenuItem
Caption = Informations
OnClick = infosClick
end
end
object SaveDialog1: TSaveDialog
Left = 199
Top = 113
end
end
168 ANNEXE A. CODE SOURCE DE LAPPLICATION
Bibliographie
169
170 BIBLIOGRAPHIE
[15] Doss (H.) et Royer (G.). Processus de diffusion associe aux mesures
de Gibbs sur RZ . Z. Warsch. verw. Gebiete, 46 :107124, 1978.
d
S , 32 suite n , 17
S+ , 32 support spectral, 106
decroissance rapide, 21
densite spectrale, 14
ensemble GJ,h , 12
espace Aa , 16
espace A , 22
espace Ba , 16
espace B , 22
fonction J , 111
fonction de partition, 11
groupe , 32
hamiltonien, 11
interaction quadratique, 12
mesure de Gibbs, 10
172
Auteur : Olivier GARET