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
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
Fin de l’histoire? Vraiment pas. Il existe une autre combinaison
linéaire markovienne de et comme l’a montré Jim Pitman
[e3]:
Il est tentant de supposer que la version exponentielle de la
combinaison linéaire de Pitman,
Les asymptotiques de
1er ingrédient: projection d’équation
différentielle stochastique. Soit
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
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
On laisse au lecteur le soin d’appliquer ce résultat pour montrer que, lorsque
4ème ingrédient: une équation stochastique fonctionnelle. On peut donc dériver
Soit désormais
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
Cette loi est apparue originellement dans un contexte de matrices aléatoires.
Soit en effet
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
Pour exhiber un tel modèle,
considérons de nouveau
Pour
Auparavant, pour énoncer leur résultat à température zéro, on aura besoin des transformations suivantes.
Pour toutes fonctions càdlàg sur
Ce résultat correspond, quand
La preuve du théorème repose sur la maîtrise et l’approfondissement de résultats de files d’attente.
On se donne
La version Poisson (O’Connell–Yor
[6])
La loi conditionnelle de
On retrouve les liens entre mouvement brownien de Dyson et percolation de dernier passage quand
Pour comprendre le résultat ci-dessus concernant les processus de Poisson, regardons le cas
Théorème de Burke.
Une preuve de ce résultat est très simple et repose sur la
réversibilité de
Extension du théorème de Burke. (O’Connell–Yor
[6])
Les processus
En effet, pour
L’extension du théorème de Burke donne une preuve limpide de la version Poisson du théorème, quand
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
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
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
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
On définit alors

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.
- 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].
- 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].
- 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].
- Rider et Valkó ont entrepris l’extension des résultats de Dufresne, Matsumoto et Yor pour des processus matriciels de type Wishart [e28].