return

Celebratio Mathematica

Marc Yor

Marc Yor et les matrices aléatoires

by Paul Bourgade

Les matrices aléatoires furent considérées par Eugène Wign­er comme paradigme pour les niveaux d’éner­gie d’une large classe de systèmes quantiques. Sa vis­ion d’uni­ver­salité de ces spectres stochastiques a dépassé les espérances: les stat­istiques de matrices de Wign­er ap­par­ais­sent au­jourd’hui not­am­ment dans des do­maines tels le chaos quantique, les modèles de crois­sance, les polymères aléatoires et l’arithmétique.

Souvent, l’élar­gisse­ment de cette classe d’uni­ver­salité s’est ef­fectué via de nou­velles struc­tures intégrables, syn­onymes d’égalités en loi éton­nantes.1 À ce titre, les matrices aléatoires furent un centre d’at­trac­tion et d’ac­tion naturel pour Marc Yor. Son intérêt se doublait d’un en­viron­nement idéal au Labor­atoire de Prob­ab­ilités et de Modèles Aléatoires, en­viron­nement auquel con­tribuèrent not­am­ment Phil­ippe Bi­ane, Phil­ippe Bouger­ol, Mar­ie-France Bru, Cath­er­ine Donati-Mar­tin, Thi­erry Jeulin et Neil O’Con­nell.

Parmi les con­tri­bu­tions de Marc Yor en matrices aléatoires on peut citer par ex­emple l’ana­lyse des pro­ces­sus de Wis­hart, des tra­jectoires de matrices de corréla­tion qui généralis­ent les pro­ces­sus de Bessel. L’étude de ces pro­ces­sus mat­ri­ciels fut initiée par Mar­ie-France Bru [e10]. Dans un trav­ail com­mun avec Cath­er­ine Donati-Mar­tin, Yan Dou­merc et Hiroy­uki Mat­sumoto [7], Marc Yor a prouvé que de nom­breuses pro­priétés re­marquables des pro­ces­sus de Bessel se généralis­ent au cas Wis­hart. Par ex­emple les pro­ces­sus de Wis­hart de di­men­sions différentes véri­fi­ent des re­la­tions d’ab­solue con­tinu­ité, où ap­par­ais­sent des lois de Hart­man–Wat­son général­isées. Ces lois ont des ap­plic­a­tions en stat­istiques et mathématiques fin­ancières.

Marc Yor était aus­si motivé par l’ap­par­i­tion de stat­istiques de matrices aléatoires en théorie des nombres. Il était en par­ticuli­er ad­mir­at­if de la con­jec­ture de Keat­ing et Snaith [e14] qui lie les mo­ments de la fonc­tion ζ le long de l’axe cri­tique à un cal­cul ana­logue pour la mesure de Haar sur le groupe unitaire. Ce cal­cul fut ini­tiale­ment ac­com­pli grâce à une for­mule de Sel­berg. Marc Yor dev­ina dans cette for­mule l’ap­par­i­tion de l’algèbre beta-gamma, ini­ti­ant ain­si une preuve géométrique et prob­ab­il­iste des intégrales de Sel­berg: le polynôme ca­ra­ctéristique de matrices aléatoires sur les groupes com­pacts classiques est un produit de vari­ables aléatoires indépendantes [8]. Ceci soulève la ques­tion d’une hy­pothétique décom­pos­i­tion ana­logue en théorie ana­lytique des nombres.

Cette note décrit un autre as­pect2 des travaux de Marc Yor en matrices aléatoires, les li­ens mystérieux avec les modèles de polymères, où ap­par­ais­sent des égalités en loi aux faux airs de simples curi­os­ités, en vérité fécondes. Plus précisément, la solu­tion d’un problème de plus long chemin en mi­lieu aléatoire (per­col­a­tion de derni­er pas­sage) est liée aux valeurs pro­pres ex­trêmes de matrices aléatoires (mouvement browni­en de Dys­on). Cette égalité en loi a eu de nom­breuses ex­ten­sions, not­am­ment une ver­sion ex­po­nen­ti­elle (i.e. à températ­ure pos­it­ive) qui est à la source d’un cer­tain nombre de pro­grès récents dans l’ana­lyse d’EDP stochastiques non linéaires.

Le tableau suivant résume des con­tri­bu­tions de Marc Yor sur ce sujet. La première est la découverte, avec Hiroy­uki Mat­sumoto, d’une contre­partie ex­po­nen­ti­elle au théorème de Pit­man: pour la première fois la pro­priété de Markov ap­paraît dans un modèle de polymère, à n’im­porte quelle températ­ure. En grande di­men­sion, Neil O’Con­nell et Marc Yor ont prouvé un résul­tat ana­logue à températ­ure nulle. Par­allèlement, ils ont in­troduit un modèle de polymère à températ­ure finie, pour le­quel Neil O’Con­nell a mon­tré une re­marquable ex­ten­sion de la pro­priété markovi­enne de Mat­sumoto–Yor. Ces modèles intégrables sont au­jourd’hui l’un des meil­leurs accès à l’ana­lyse quant­it­at­ive de l’équa­tion de Kardar, Par­isi et Zhang.

Températ­ure 0 Températ­ure pos­it­ive
Pro­ces­sus markovi­en en Pit­man Mat­sumoto–Yor
petite di­men­sion
Pro­ces­sus markovi­en en O’Con­nell–Yor O’Con­nell
grande di­men­sion
Mesure as­sociée Per­col­a­tion de derni­er Polymère d’O’Con­nell–Yor
pas­sage

Au fil des preuves des résul­tats ci-des­sus s’en­tr­emêlent physique stat­istique, mathématiques fin­ancières, grossisse­ments de fil­tra­tions, files d’at­tente, fonc­tions spéciales et systèmes intégrables, re­flétant je l’espère le chemin em­prunté par Marc Yor: la variété et la pro­fondeur de son sa­voir en cal­cul stochastique ont per­mis l’émer­gence d’iden­tités prob­ab­il­istes plus ac­tuelles que ja­mais.

1. Lévy, Pitman et Matsumoto–Yor

Soit (Bt)t0 un mouvement browni­en stand­ard et St=sup0stBs son max­im­um. Un fameux théorème de Paul Lévy as­sure que (StBt)t0 est markovi­en3 Plus ex­acte­ment, ce pro­ces­sus a la même dis­tri­bu­tion que (|Bt|)t0, un résul­tat démon­tré habituelle­ment par l’as­tuce du prin­cipe de réflex­ion. Peut-on com­pren­dre ce ca­ra­ctère markovi­en sans cette as­tuce, stricte­ment grâce au cal­cul stochastique? Une pos­sib­ilité con­siste à in­troduire la ver­sion ex­po­nen­ti­elle du pro­ces­sus (StBt)t0, Xt(β)=0teβ(BsBt)ds. Par la méthode de Laplace, on ret­rouve StBt à partir de β1logXt(β) quand β tend vers l’in­fini. La for­mule d’Itô donne dXt(β)=βXt(β)dBt+(1+β2Xt(β)/2)dt. On con­clut immédiate­ment que (Xtβ)t0 est markovi­en, donc le pro­ces­sus (StBt)t0 l’est aus­si en fais­ant tendre β vers l’in­fini.

Fin de l’his­toire? Vraiment pas. Il ex­iste une autre com­binais­on linéaire markovi­enne de B et S, comme l’a mon­tré Jim Pit­man [e3]: (2StBt)t0=(loi)(Rt)t0,R est un pro­ces­sus de Bessel de di­men­sion 3, c’est-à-dire la dis­tance eu­c­lidi­enne entre l’ori­gine et un point de R3 aux co­or­données browni­ennes indépendantes. Le pro­ces­sus R est aus­si un mouvement browni­en de di­men­sion 1 con­di­tionné à rest­er pos­i­tif. Il sat­is­fait l’équa­tion différen­ti­elle stochastique dRt=dBt+Rt1dt, en par­ticuli­er il est markovi­en. Parmi les com­binais­ons linéaires de B et S, celles de Lévy et Pit­man sont les deux seules ay­ant cette re­marquable pro­priété [e20].

Il est tentant de sup­poser que la ver­sion ex­po­nen­ti­elle de la com­binais­on linéaire de Pit­man, Zt(β)=0teβ(2BsBt)ds est égale­ment markovi­enne. Par pro­priété de scal­ing du mouvement browni­en, on peut re­streindre l’étude à β=1. On peut aus­si poser la même ques­tion lor­sque B est re­m­placé par sa ver­sion avec dérive, Btμ=Bt+μt (le théorème de Pit­man ad­met une ex­ten­sion dans cette dir­ec­tion [e7]). Mal­heureuse­ment, la for­mule d’Itô seule ne donne guère d’es­poir: (1.1)dZtμ=ZtμdBt+(eBtμ+12ZtμμZtμ)dt, Ztμ=0te2BsμBtμds. La méthode semble échouer, mais bizar­re­ment le résul­tat de­meure.

Théorème 1: (Matsumoto–Yor [2]) Pour tout μR, (logZtμ)t0 est une dif­fu­sion de générat­eur Lμ=xx2+x(logKμ(ex))xKμ est la fonc­tion de Bessel–Mac­don­ald d’in­dice μ: Kμ(x)=xμ0etx24t(2t)1+μdt.

Les asymp­totiques de K0 et la pro­priété de scal­ing per­mettent al­ors de montrer que le générat­eur de 1βlogZt(β) con­verge vers xx/2+x1x sur R+, on ret­rouve donc le théorème de Pit­man. Il ex­iste désor­mais de nom­breuses démon­stra­tions du théorème de Mat­sumoto–Yor [2], [e18], [e23], y com­pris une récente in­ter­préta­tion géométrique de ce pro­ces­sus sur des es­paces symétriques de grande di­men­sion [e27]. La preuve ori­ginelle [3] est es­quissée ci-des­sous, pour soulign­er l’ex­traordin­aire di­versité des tech­niques em­ployées.

1er in­grédi­ent: pro­jec­tion d’équa­tion différen­ti­elle stochastique. Soit Ztμ=σ((Zsμ)0st). On peut pro­jeter (1.1) sur la fil­tra­tion (Ztμ) (voir par ex­emple [e4]), de fa­con à ob­tenir, pour un cer­tain (Ztμ)-mouvement browni­en (βt)t0, dZtμ=Ztμdβt+(12μ)Ztμdt+E(eBtμ(Zsμ)0st)dt. Ain­si, si E(eBtμ(Zsμ)0st) ne dépend en vérité que de Ztμ, al­ors le pro­ces­sus (Ztμ) est markovi­en. Ceci semble peu prob­able, mais Marc Yor a rap­proché ce problème d’une iden­tité en loi au par­fum semblable.

2ème in­grédi­ent: une iden­tité re­marquable motivée par l’ac­tu­ar­iat. Il s’agit de l’ex­ten­sion, tou­jours par Mat­sumoto et Yor [3] d’un résul­tat de Daniel Du­fresne [e9] con­cernant les perpétu­ités. Ce résul­tat est le théorème 4.1 de l’art­icle de Cath­er­ine Donati-Mar­tin et Frédérique Petit dans ce volume: en not­ant Atν:=0te2Bsνds, pour tout μ>0 on a 1Aμ=(loi)2Gμ,Gμ désigne une vari­able aléatoire de loi gamma de paramètre μ. Daniel Du­fresne [e17] a étendu son iden­tité en montrant que pour tout t>0 donné, (1.2)1Atμ=(loi)1Atμ+2GμGμ est indépendant du mouvement browni­en B. Cette égalité à temps fixe s’étend aux pro­ces­sus, comme l’ont mon­tré Mat­sumoto et Yor [3].

3ème in­grédi­ent: grossisse­ment de fil­tra­tion. La preuve de [3] re­pose sur la très utile théorie des grossisse­ments de fil­tra­tion, large­ment déve­loppée par Jeulin [e6] et dont les premi­ers as­pects re­mon­tent à Itô [e5]. En par­ticuli­er, pour un grossisse­ment ini­tial de fil­tra­tion, on a le résul­tat suivant [1].

Si (Ft) est la fil­tra­tion naturelle d’un mouvement browni­en B et L est F-mesur­able, on note Ft~=Ftσ(L). Pour toute fonc­tion f rais­on­nable, soit λt(f)=E(f(L)Ft)=E(f(L))+0tλ˙s(f)dBs, λ˙f(t) est un cer­tain pro­ces­sus prévis­ible, par re­présen­t­a­tion des mar­tin­gales. On peut aus­si écri­re λt(f)=f(x)λt(dx) pour une cer­taine fa­mille prévis­ible de mesur­es (λt). On sup­pose que λ˙t(f) ad­met le même type de décom­pos­i­tion: λ˙t(f)=f(x)λ˙t(dx), λ˙t est ab­so­lu­ment con­tin­ue par rap­port à λt: λ˙t(dx)=ϱ(x,t)λt(dx). Al­ors si (Xt) est une (Ft)-mar­tin­gale sat­is­fais­ant de bonnes con­di­tions d’intégrabilité, X~t:=Xt0tϱ(L,s)dX,Bs défi­nit une (Ft~)-mar­tin­gale.

On laisse au lec­teur le soin d’ap­pli­quer ce résul­tat pour montrer que, lor­sque L=Aμ, le nou­veau pro­ces­sus B~t=Bt0t(e2BsμAμAsμ2μ)ds est un (Ft~) mouvement browni­en, indépendant de Aμ. La résolu­tion de cette équa­tion d’in­con­nue la fonc­tion B donne Btμt=B~t+μtlog(1+A~t(μ)/Aμ) pour tout t0. En ap­pli­quant f0te2f(s)ds à ces deux fonc­tions on ob­tient, pour tout t0, (1Atμ)t0=(1A~t(μ)+1Aμ)t0. Ceci con­clut la preuve de (1.2), car B~ est indépendant de Aμ, de dis­tri­bu­tion voulue grâce à Du­fresne.

4ème in­grédi­ent: une équa­tion stochastique fonc­tion­nelle. On peut donc dériver (1.2) en t pour ob­tenir, con­jointe­ment avec la valeur en +, ((1(Ztμ)2)t0,1Aμ)=(loi)((1(Ztμ)2)t0,2Gμ). En par­ticuli­er, (Ztμ))t0 est indépendant de Aμ.

Soit désor­mais X une vari­able aléatoire de loi celle de exp(Btμ) con­di­tion­nelle­ment à Ztμ et Ztμ=z. En util­is­ant l’indépendance précédente et la décom­pos­i­tion élémen­taire Aμ=eBtμZtμ+(eBtμ)2te2(BsμBtμ)ds, on ob­tient fa­cile­ment une équa­tion fonc­tion­nelle stochastique sat­is­faite par X: (2Gμ)1X2+zX=(loi)(2Gμ)1,Gμ et X sont indépendants. La résolu­tion de cette équa­tion fonc­tion­nelle pe­met d’ob­tenir E(eBtμ(Zsμ)st)=(Kμ+1/Kμ)(1/Ztμ). Des ma­nip­u­la­tions de fonc­tions de Bessel–Mac­don­ald con­clu­ent al­ors la preuve du théorème de Mat­sumoto–Yor pour une dérive négat­ive, résul­tat étendu à tout μ par pro­longe­ment ana­lytique, par ex­emple.

2. Percolation de dernier passage et mouvement brownien de Dyson

Les con­nec­tions entre problèmes de plus court (ou long) chemin en di­men­sion deux et valeurs ex­trêmes de valeurs pro­pres de matrices aléatoires sont ap­par­ues dans [e12], où Baik, Deift et Jo­hans­son ont mon­tré le résul­tat suivant. Soit (N) la lon­gueur de la plus longue sous-suite crois­sante d’une per­muta­tion uni­forme de [[1,N]]. Al­ors pour tout réel t (2.1)limNP((N)2NN1/6t)=FTW(t),FTW est la fonc­tion de répar­ti­tion de la loi de Tracy et Wi­dom, qui peut s’exprimer à l’aide des solu­tions d’équa­tions de Pain­levé II [e11].

Cette loi est ap­par­ue ori­ginelle­ment dans un con­texte de matrices aléatoires. Soit en ef­fet HN une matrice her­mi­tienne de taille N×N, telle que (HN)ii, 2Re(HN)ij et 2(HN)ij (i>j) sont gaussi­ennes indépendantes, de vari­ance 1/N. Ce modèle de matrices aléatoires in­troduit par Wign­er est naturel, il est es­sen­ti­elle­ment unique­ment ca­ra­ctérisé par l’indépendance des en­trées et l’in­vari­ance par con­ju­gais­on unitaire. Si on or­donne les valeurs pro­pres de HN, λ1λN, al­ors on a aus­si la con­ver­gence (2.2)limNP(N2/3(λN2)t)=FTW(t). Cette oc­cur­rence de la même loi dans un problème de plus court chemin (2.1) et de matrices aléatoires (2.2) a été depuis véri­fiée dans de nom­breux autres ex­emples (par ex­emple ce li­en est prouvé dans [e13] pour un modèle plus réal­iste de plus long chemin sur Z2).

Il semble fructueux de recherch­er une ex­ten­sion tem­porelle aux li­ens ci-des­sus. Par ex­emple, le modèle dy­namique classique de matrice aléatoire gaussi­enne suivant fut in­troduit dans [e2]: chaque en­trée de la matrice her­mi­tienne HN est désor­mais un mouvement browni­en com­plexe cor­recte­ment nor­malisé, les valeurs pro­pres restent or­données (λi(t)<<λN(t) pour tout t>0) et sat­is­font l’équa­tion différen­ti­elle stochastique autonome suivante, le mouvement browni­en de Dys­on: dλk(t)=dBk(t)N+1Nik1λk(t)λi(t)dt,B1,BN sont des mouve­ments browni­ens indépendants. Cette dy­namique de λ=(λ1,,λN) co­in­cide avec celle de mouve­ments browni­ens indépendants con­di­tionnés à de­meurer dans CN={λRN:λ1λN}: le générat­eur in­fin­itésim­al est (à change­ment d’échelle près) Δ2+loghh(λ)=1i<jN(λiλj) est har­mo­nique dans CN. Ex­iste-t-il un modèle dy­namique de per­col­a­tion de derni­er pas­sage de loi (λN(t))t0?

Pour ex­hiber un tel modèle, considérons de nou­veau B1(t),,BN(t),t0 une col­lec­tion de N mouve­ments browni­ens indépendants, dont les ac­croisse­ments sont notés Bk(s,t)=Bk(t)Bk(s). La vari­able aléatoire (2.3)MtN=max0s1sN1t(B1(s1)+B2(s1,s2)++BN(sN1,t)) re­présente la solu­tion d’un problème d’op­tim­isa­tion du type derni­er pas­sage: le plus long chemin entre (0,0) et (t,N) pour un march­eur dont les seuls pas autor­isés sont dis­crets vers le nord, pour un coût nul, ou con­tinus vers l’est, pour un coût gaussi­en in­fin­itésim­al.

Pour t fixé, les vari­ables aléatoires MtN et λtN sont identique­ment dis­tribuées, comme l’ont mon­tré Bary­sh­nikov [e15], Gravn­er, Tracy and Wi­dom [e16]. La ver­sion dy­namique de ce résul­tat ap­paraît sim­ul­tanément dans les travaux de Bouger­ol et Jeulin [e19] (dans un con­texte de chambres de Weyl plus général) et ceux d’O’Con­nell et Yor [6]. À l’oc­ca­sion de leur étude, ces derniers ont in­troduit une ver­sion du problème (2.3) à températ­ure ar­bit­raire, décrite dans la prochaine partie.

Aupara­v­ant, pour énon­cer leur résul­tat à températ­ure zéro, on aura be­soin des trans­form­a­tions suivantes. Pour toutes fonc­tions càdlàg sur R+ nulles à l’ori­gine, on défi­nit (fg)(t)=inf0st(f(s)+g(t)g(s)),(fg)(t)=sup0st(f(s)+g(t)g(s)). En l’ab­sence de par­enthèses, l’or­dre des opéra­tions est de gauche à droite (par ex­emple fgh=(fg)h). On défi­nit aus­si la trans­formée Γ2(f,g)=(fg,gf) et ses itérés: Γk(f1,,fk)=(f1f2fk,Γk1(f2f1,f3(f1f2),,fk(f1fk1))) Si ΓN(B)1 désigne la première com­posante de ΓN(B), ob­tenue lor­sque f1=B1,,fN=BN sont des mouve­ments browni­ens indépendants is­sus de 0, al­ors ΓN(B)1(t)=min0s1sN1t(B1(s1)+B2(s1,s2)++BN(sN1,t)). Par symétrie, ΓN(B)1 est dis­tribué comme le pro­ces­sus MN.

Théorème 2: (O’Connell–Yor [6]) Les pro­ces­sus (λ1,,λN) and ΓN(B) sont identique­ment dis­tribués. En par­ticuli­er, (MtN)t0 et (λN(t))t0 ont la même loi.

Ce résul­tat cor­res­pond, quand N=2, au théorème de Pit­man. En ef­fet, d’un côté R:=(λ2λ1)/2 est un mouvement browni­en con­di­tionné à rest­er pos­i­tif, i.e. un pro­ces­sus de Bessel en di­men­sion 3. D’un autre côté, un cal­cul donne Γ2(f1,f2)2Γ2(f1,f2)1=2mxx=f2f1 et m(t)=max0stx(s).

La preuve du théorème re­pose sur la maîtrise et l’ap­pro­fon­disse­ment de résul­tats de files d’at­tente. On se donne N1,,NN les fonc­tions de comptage de pro­ces­sus de Pois­son indépendants sur R+, d’in­tens­ités re­spect­ives μ1<<μN. O’Con­nell et Yor ont mon­tré le résul­tat suivant.

La ver­sion Pois­son (O’Con­nell–Yor [6]) La loi con­di­tion­nelle de N=(N1,,NN) sachant N1(t)NN(t)) pour tout t0 est la même que la loi, in­con­di­tion­nelle, de ΓN(N).

On ret­rouve les li­ens entre mouvement browni­en de Dys­on et per­col­a­tion de derni­er pas­sage quand μ1,,μN con­ver­gent vers une même in­tens­ité, puis en ap­pli­quant le théorème de Don­sker.

Pour com­pren­dre le résul­tat ci-des­sus con­cernant les pro­ces­sus de Pois­son, re­gar­dons le cas N=2, lié aux files d’at­tente de type M/M/1. Celles-ci sont con­stru­ites à partir de deux pro­ces­sus de Pois­son A et S sur R d’in­tens­ités re­spect­ives 0<λ<μ. On note χ(t)=χ(0,t] pour tout pro­ces­sus ponc­tuel χ. Soit Q(t)=supst(A(s,t]S(s,t])+,tR,D(s,t]=A(s,t]+Q(s)Q(t). En ter­mes de file d’at­tente, le pro­ces­sus A re­présente les ar­rivées, S le ser­vice, Q le nombre de cli­ents dans la queue et D le pro­ces­sus des départs. Le théorème de Burke [e1] est le résul­tat suivant.

Théorème de Burke. D est un pro­ces­sus de Pois­son d’in­tens­ité λ.

Une preuve de ce résul­tat est très simple et re­pose sur la révers­ib­ilité de Q: celle-ci im­plique que la loi de (A,D) est la même que celle de (D,A), où on défi­nit χ(s,t)=χ(t,s). En par­ticuli­er, D est un pro­ces­sus de Pois­son d’in­tens­ité λ, donc D aus­si. O’Con­nell et Yor ont trouvé l’ex­ten­sion suivante, simple et très utile, où l’on note U=SD le pro­ces­sus de ser­vice non util­isé et T=A+U.

Ex­ten­sion du théorème de Burke. (O’Con­nell–Yor [6]) Les pro­ces­sus D et T sont des pro­ces­sus de Pois­son indépendants d’in­tens­ités re­spect­ives λ et μ.

En ef­fet, pour Q donné, U est un pro­ces­sus de Pois­son d’in­tens­ité μ sur {t:Q(t)=0}. Si V est indépendant de U con­di­tion­nelle­ment à Q, Pois­son d’in­tens­ité μ sur {t:Q(t)0}, al­ors N=U+V est Pois­son d’in­tens­ité μ sur R indépendant de Q. Le couple (A,S) est fonc­tion de (Q,N): (A,S)=f(Q,N). Al­ors par con­struc­tion (D,T)=f(Q,N). Par révers­ib­ilité de Q et N, (D,T) a la même loi que (A,S), donc (D,T) aus­si.

L’ex­ten­sion du théorème de Burke donne une preuve limp­ide de la ver­sion Pois­son du théorème, quand N=2: la loi de (A(t),S(t))t0, étant donné A(t)S(t) pour tout t0, est la même que celle de (D(t),T(t))t0 sachant Q(0)=0. Mais si Q(0)=0, al­ors (D(t),T(t))=Γ2(A,S)(t) pour tout t0. De plus les ac­croisse­ments de A et S sont indépendants, donc (Γ2(A,S)(t))t0 est indépendant de Q(0). La loi de (A(t),S(t))t0 étant donné A(t)S(t) pour tout t0 est donc la même que celle, in­con­di­tion­nelle, de (Γ2(A,S)(t))t0.

L’ex­ten­sion du théorème de Burke donne donc en par­ticuli­er une ver­sion Pois­son du théorème de Pit­man, ain­si qu’une preuve élémen­taire de ce derni­er.

La preuve de la ver­sion Pois­son pour N général re­pose sur une récur­rence et des ar­gu­ments semblables à ceux ci-des­sus.

3. Le polymère d’O’Connell–Yor

Les polymères di­rigés en mi­lieu aléatoire furent in­troduits par Huse et Haley [e8]. Ils ont une dir­ec­tion dite tem­porelle im­posée et sont libres de bouger dans les autres di­men­sions. Le poids de Boltzmann donne la prob­ab­ilité de ret­rouver le polymère dans une cer­taine con­fig­ur­a­tion, il s’exprime à l’aide d’un hamiltoni­en qui dicte l’éner­gie d’une tra­jectoire π: dPQ(π)=1ZQ(β)eβH(π)dP0(π),β est la températ­ure in­verse, P0 une mesure sur les chemins indépendante du hamiltoni­en H et des aléas qui le défin­is­sent. L’in­dice Q men­tionne qu’il s’agit d’une loi de type quenched, c’est-à-dire dépendant du choix du mi­lieu aléatoire.

Le croise­ment des résul­tats de Mat­sumoto–Yor et d’O’Con­nell–Yor suggère que cer­tains modèles de polymères, à températ­ure ar­bit­raire, pour­raient s’in­ter­préter comme com­posantes de dif­fu­sions markovi­ennes de di­men­sion finie. Cette idée fut ren­forcée par la découverte d’ana­logues de la pro­priété de Burke [5] dans le cas de modèles de type Mat­sumoto–Yor. En par­ticuli­er, dans [5] O’Con­nell et Yor in­troduis­ent le modèle de polymère avec fonc­tion de par­ti­tion Zt(N,β)=0<s1<<sN1<teβ(B1(s1)+B2(s1,s2)++BN(sN1,t))ds1dsN1,B1,,BN sont des mouve­ments browni­ens indépendants. Parmi les nom­breux résul­tats con­cernant ce modèle, les asymp­totiques de l’éner­gie libre (limNN1logZt(N,β)) peuvent être cal­culées [5], [e22], ain­si que ses fluc­tu­ations [e30]. Pour com­pren­dre ses fluc­tu­ations jointes en t, peut-on in­ter­préter ce polymère comme co­or­donnée d’un pro­ces­sus de Markov ex­pli­cite, de façon sim­il­aire à la partie précédente (β=)?

Neil O’Con­nell a récem­ment ap­porté une belle réponse à cette ques­tion: les iden­tités en loi de Marc Yor n’ont pas fini d’être éten­dues et in­flu­entes. Pour décri­re le résul­tat prin­cip­al de [e24], on défi­nit au préal­able φ, un chemin nord/est comme une ap­plic­a­tion crois­sante et sur­ject­ive de [0,t] and [[1,N]], dont les sauts ont lieu à des in­stants s1<s2<<sN1. On util­ise l’abrévi­ation E(φ)=B1(s1)+B2(s1,s2)++BN(sN1,t) et on peut im­poser β=1 sans perte de généralité, par scal­ing browni­en. Le polymère d’O’Con­nell–Yor cor­res­pond à la première co­or­donnée (n=1) du modèle Zn,t(N)=Dn(t)ei=1nE(φi)dφ1dφn,Dn(t) est l’en­semble des n-up­lets de chemins (φ1,,φn) dis­joints, démar­rant à (0,1),,(0,n) et fin­is­sant en (t,Nn+1),,(t,N). La mesure dφ1dφn est la mesure de Le­besgue sur le do­maine eu­c­lidi­en Dn(t).

On défi­nit al­ors Xn,tN=log(Zn,tNZn1,tN).

Figure 1. Représentation (copie de [e26]) du polymère d’O’Connell–Yor (à gauche, n=1) et son extension à n=2 chemins sans intersection.
Théorème 3: (O’Connell, [e24]) Le pro­ces­sus (X1,tN,,XN,tN) a la même loi qu’une dif­fu­sion sur RN de générat­eur Δ2+logΨ0, dont la con­di­tion ini­tiale est une loi ex­pli­cite. La fonc­tion Ψ0 est har­mo­nique4 pour le hamiltoni­en de Toda quantique, i.e. l’opérat­eur H=Δ2i=1N1exi+1xi.

Le polymère d’O’Con­nell–Yor est donc ob­tenu via une trans­formée de Doob du mouvement browni­en. Il est im­possible dans cette note de soulign­er de façon com­plète l’in­flu­ence de ces modèles de polymères (en par­ticuli­er leur ca­ra­ctère markovi­en). Voici néan­moins quelques avancées sig­ni­fic­at­ives très récen­tes que l’on peut situer dans la généalo­gie de Mat­sumoto–Yor.

  1. Le polymère d’O’Con­nell–Yor con­verge, après une bonne nor­m­al­isa­tion, vers la solu­tion de l’équa­tion KPZ au sens Hopf–Cole, c’est-à-dire le log­ar­ithme de la solu­tion de l’équa­tion de la chaleur stochastique (avec comme con­di­tion ini­tiale un Dir­ac) [e29].
  2. Cette con­ver­gence a ain­si per­mis de montrer que la solu­tion de l’équa­tion de Kardar Par­isi et Zhang (tou­jours au sens précédent, avec une con­di­tion ini­tiale spéci­fique) hérite de la re­la­tion d’ab­solue con­tinu­ité du pro­ces­sus d’O’Con­nell par rap­port à la mesure de Wien­er [e26].
  3. Ch­haibi [e25] a général­isé le théorème précédent à une grande classe de groupes de Lie. Pour cette théorie générale qui im­plique trans­form­a­tion de Pit­man géométrique, théorie des re­présen­t­a­tions et cristaux géomet­riques, voir [e21], [e25].
  4. Rider et Valkó ont en­tre­pris l’ex­ten­sion des résul­tats de Du­fresne, Mat­sumoto et Yor pour des pro­ces­sus mat­ri­ciels de type Wis­hart [e28].

Works

[1] M. Yor: Some as­pects of Browni­an mo­tion, part 2: Some re­cent mar­tin­gale prob­lems. Lec­tures in Math­em­at­ics ETH Zürich. Birkhäuser (Basel), 1997. MR 1442263 Zbl 0880.​60082 book

[2] H. Mat­sumoto and M. Yor: “An ana­logue of Pit­man’s 2MX the­or­em for ex­po­nen­tial Wien­er func­tion­als, I: A time-in­ver­sion ap­proach,” Nagoya Math. J. 159 (2000), pp. 125–​166. MR 1783567 Zbl 0963.​60076 article

[3] H. Mat­sumoto and M. Yor: “A re­la­tion­ship between Browni­an mo­tions with op­pos­ite drifts via cer­tain en­large­ments of the Browni­an fil­tra­tion,” Osaka J. Math. 38 : 2 (2001), pp. 383–​398. MR 1833628 Zbl 0981.​60078 article

[4] H. Mat­sumoto and M. Yor: “An ana­logue of Pit­man’s 2MX the­or­em for ex­po­nen­tial Wien­er func­tion­als, II: The role of the gen­er­al­ized in­verse Gaus­si­an laws,” Nagoya Math. J. 162 (June 2001), pp. 65–​86. MR 1836133 Zbl 0983.​60075 article

[5] N. O’Con­nell and M. Yor: “Browni­an ana­logues of Burke’s the­or­em,” Stochast­ic Pro­cess. Ap­pl. 96 : 2 (December 2001), pp. 285–​304. MR 1865759 Zbl 1058.​60078 article

[6] N. O’Con­nell and M. Yor: “A rep­res­ent­a­tion for non-col­lid­ing ran­dom walks,” Elec­tron. Com­mun. Probab. 7 (2002), pp. 1–​12. Art­icle no. 1. MR 1887169 Zbl 1037.​15019 article

[7] C. Donati-Mar­tin, Y. Dou­merc, H. Mat­sumoto, and M. Yor: “Some prop­er­ties of the Wis­hart pro­cesses and a mat­rix ex­ten­sion of the Hart­man–Wat­son laws,” Publ. Res. Inst. Math. Sci. 40 : 4 (2004), pp. 1385–​1412. MR 2105711 Zbl 1076.​60067 article

[8] P. Bour­gade, C. P. Hughes, A. Nik­egh­bali, and M. Yor: “The char­ac­ter­ist­ic poly­no­mi­al of a ran­dom unit­ary mat­rix: A prob­ab­il­ist­ic ap­proach,” Duke Math. J. 145 : 1 (2008), pp. 45–​69. MR 2451289 Zbl 1155.​15025 ArXiv 0706.​0333 article