Présentation
En anglaisRÉSUMÉ
Cet article explicite le mouvement brownien à travers plusieurs approches. Puis il introduit les équations différentielles stochastiques qui permettent un calcul d'intégrale par rapport au mouvement brownien. Des applications à l’étude des équations aux dérivées partielles ou en mathématiques financières sont données en fin d’article.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleAuteur(s)
-
Sylvie MÉLÉARD : Université Paris 10, MODALX - Laboratoire de probabilités et modèles aléatoires Paris 6 et 7
INTRODUCTION
Le mouvement brownien est associé à l’analyse de mouvements dont l’évolution au cours du temps est si désordonnée qu’il semble difficile de la prévoir, même pour un temps très court, tel le mouvement d’une particule microscopique en suspension dans un liquide et soumise à l’agitation thermique. On trouvera dans l’article [AF 165], « Probabilités. Présentation », davantage de précisions sur « l’invention » du mouvement brownien. Celui-ci joue un rôle central dans la théorie des processus aléatoires, d’une part parce que, dans de nombreux problèmes appliqués, le mouvement brownien sert à modéliser les erreurs ou les perturbations aléatoires, et d’autre part parce que le mouvement brownien ou les processus de diffusion qui en découlent permettent de construire des modèles simples sur lesquels des calculs peuvent être faits.
Le calcul stochastique, ou calcul d’Itô, du nom d’un des pionniers en ce domaine, est en fait un calcul d’intégrale par rapport au mouvement brownien. Ce dernier étant une fonction qui n’est pas à variation finie, cette notion d’intégrale n’est pas usuelle et sa définition en est probabiliste. Elle permet en particulier de définir la notion d’équation différentielle stochastique qui est une équation obtenue par la perturbation aléatoire d’une équation différentielle ordinaire. Les solutions de ces équations définissent de nouveaux processus, appelés processus de diffusion, et qui sont à la base du calcul probabiliste moderne. Ces processus sont souvent markoviens, au sens où leur comportement futur, conditionnellement au passé, ne dépend en fait que de l’état présent. Cette propriété, dite de Markov, est souvent vérifiée dans la réalité, en particulier, en physique, dans les réseaux de télécommunication, ou en mathématiques financières. Ainsi, les processus de diffusion sont précieux dans la modélisation de nombreux phénomènes aléatoires. On verra par ailleurs qu’il existe des liens importants entre leur loi et certaines équations aux dérivées partielles. Ces liens sont à la base de beaucoup de développements récents liant des résultats d’analyse et des résultats probabilistes.
Les deux premiers paragraphes de cet article constituent les prérequis indispensables pour définir la notion de mouvement brownien et en comprendre les propriétés. On suppose connus ici les résultats probabilistes développés dans l’article [AF 166] « Probabilités. Concepts fondamentaux ». Ensuite, on définira le mouvement brownien à travers plusieurs approches, qui permettront d’en déduire les propriétés et d’en montrer toute sa richesse. On introduira alors l’intégrale stochastique par rapport au mouvement brownien. La partie suivante est consacrée à l’étude des équations différentielles stochastiques. Des applications à l’étude des équations aux dérivées partielles ou en mathématiques financières sont données en fin d’article.
DOI (Digital Object Identifier)
Cet article fait partie de l’offre
Mathématiques
(166 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
3. Mouvement brownien
3.1 Construction du mouvement brownien
Le mouvement brownien, ou processus de Wiener, joue un rôle fondamental dans de nombreux domaines. Il fut introduit par Bachelier en 1900, pour des applications à la finance et a de nouveau, à l’heure actuelle, un rôle important en mathématiques financières. Il fut redécouvert peu après Bachelier par Einstein, et est devenu depuis un des outils majeurs de la modélisation en physique. On le note .
Il peut être construit de différentes manières. Les définitions les plus usuelles du mouvement brownien sont les suivantes.
Définition 8 : un processus gaussien
Le mouvement brownien est un processus gaussien centré ( pour tout t ), de covariance .
Il est bien sûr nécessaire de vérifier que la fonction ci-dessus est effectivement une fonction de covariance (de type positif), pour pouvoir appliquer le théorème 4. Par la relation [10], la loi de W est alors complètement déterminée.
Définition 9 : un processus à accroissements indépendants stationnaires
Le mouvement brownien est un processus à accroissements indépendants et stationnaires. Plus précisément, pour tous , la variable est indépendante des variables , ...
Cet article fait partie de l’offre
Mathématiques
(166 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Mouvement brownien
BIBLIOGRAPHIE
-
(1) - DURETT (R.) - Brownian motion and martingale analysis - . Wadsworth Advanced Books and Software (1984).
-
(2) - DURETT (R.) - Stochastics calculus. - Probability and Stochastic Series, CRC Press (1996).
-
(3) - FRIEDMAN (A.) - Partial differential equations of parabolic type - . Prentice-Hall, Englewood cliffs, N.J. (1964).
-
(4) - FRIEDMAN (A.) - Stochastic differential equations and applications - . Vol. 1 et 2, Academic press, New York (1975).
-
(5) - IKEDA (N.), WATANABE (S.) - Stochastic differential equations and diffusion processes - . North Holland Publishing Company (1981).
-
(6) - JACOD (J.), SHIRYAEV (A.N) - Limit theorems for stochastic processes - . Spinger-Verlag (1987).
-
...
Cet article fait partie de l’offre
Mathématiques
(166 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive