Le mouvement Brownien

GRELA Fabrice
18 Mai 2015

1
Lecture dirigée ENS Rennes

Table des matières

1 Présentation et définition du mouvement Brownien 3
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

2 Vecteurs Gaussiens 4
2.1 Définitions et généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 Mouvement Brownien et vecteur aléatoire gaussien . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

3 Existence du mouvement Brownien : Construction de Wiener 6

3.1 Réduction du problème . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.2 Théorème de Wiener . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

4 Dérivabilité du mouvement Brownien 9

5 Bibliographie 11

2 GRELA Fabrice
Lecture dirigée ENS Rennes

1 Présentation et définition du mouvement Brownien

1.1 Introduction

Le 29 Mars 1900, Louis Jean Baptiste Alphonse Bachelier a pré-

senté à Paris sa thèse portant sur les fluctuations du marché éco-
nomique. La solution proposé par Bachelier nécessite l’introduction
de nouveaux concepts mathématiques comme le mouvement Brow-
nien.

Ce concept a été observé quelque décénies plus tôt, en

1828, quand le botaniste Robert Brown a remarqué que
le mouvement d’un grain de pollen placé dans un réci-
pient rempli d’eau et chauffé est totalement désordonné et
ne suit pas les lois de la physique classique. Brown n’a
trouvé aucune explications scientifiques à ce phénomènes. Ce
n’est qu’en 1905, qu’Albert Einstein a proposé une ex-
plication en introduisant la notion de processus stochas- Figure 1 – Mouvement brownien d’une par-
tique, aléatoire qu’Einstein a appelé le mouvement Brownien. ticule en suspension dans l’eau

La théorie d’Einstein nécessite d’admettre l’existence du mou-

vement Brownien qui n’a été démontré qu’en 1923 par Wiener.

1.2 Définition

Définition 1 (Mouvement Brownien).

Le mouvement Brownien {W (t)}t 0 est une fonction aléatoire de
la variable t (le temps) qui vérifie :
1. W (0) = 0 et pout tout t > 0, W(t) suit la loi normale d’espé-
rance 0 et de variance t.
2. Pour tout 0 < s < t, W (t) W (s) est indépendant de
{W (u)}0us , c’est-á-dire que la connaissance de W dans le
temps présent n’apporte pas de d’informations supplémen-
taires á la connaissance de W dans le futur.
3. La variable aléatoire W (t) W (s) suit la même loi que W (t
s). Figure 2 – Graphe du mouvement brownien
4. L’application t 7 ! W (t) est continue avec une probabilité linéaire
un.

Remarque . On peut considérer un mouvement Brownien B qui commence en un réel arbitraire x : B(t) = x + W (t)
où W est un mouvement Brownien commencant à l’origine.

Remarque . Dans toute la suite, on considére que les mouvements Browniens commencent à l’origine.

3 GRELA Fabrice
Lecture dirigée ENS Rennes

2 Vecteurs Gaussiens
2.1 Définitions et généralités

Définition 2 (Variable aléatoire centrée).

Une variable aléatoire intégrable est dite centrée si E[X] = 0.

Définition 3 (Variable aléatoire gaussienne ou normale).

Une variable aléatoire X suit la loi gausienne N (m, 2 ) si sa densité est donnée par
1 (x m)2
x7 ! p exp( )
2⇡ 2 2

Proposition 1.
Si X est une variable aléatoire qui suit la loi gaussienne alors :
E[X] = m
V ar(X) = 2

Définition 4 (Vecteur gaussien).

Un vecteur aléatoire X = (X1 , ..., Xn )T est un vecteur gaussien si toute combinaison linéaire de ses composantes
suit la loi gaussienne, c’est-á-dire
Xd
8a 2 Rd ha, Xi = a i Xi
i=1
est une variable aléatoire réelle gaussienne.

Remarque . On dit que X = (X1 , ..., Xn ) est un vecteur gaussien centrée si Xi est une variable aléatoire normale
centrée pour tout i 2 {1; ...; n}.

Proposition 2. Un vecteur aléatoire X = (X1 , ..., Xn )T est un vecteur gaussien centré si

1 T
8↵ 2 Rd E[exp iha, Xi] = exp( ↵ Q↵)
2
avec Q une matrice symétrique définie positive réelle.

2.2 Mouvement Brownien et vecteur aléatoire gaussien

Remarque . Dans cette section, on suppose que le mouvement Brownien existe.

Théorème 1. Si W = {W (t)}t 0 est un mouvement Brownien alors W est un vecteur aléatoire gaussien centré.
Démonstration. Par indépendance des W (ti ) pour tout i 2 {0, .., n}, par linéarité de l’esprérance, on a
n
X n
Y
8↵1 , ..., ↵n 2 R E[exp(i ↵k (W (tk ) W (tk 1 )))] = E[exp(i↵k (W (tk ) W (tk 1 )))]
k=1 k=1

. Pour tout k = 1, ..., n, W (tk ) W (tk 1) est une variable aléatoire normale d’espérance 0 et de variance tk tk 1.
On a donc :
n
X 1 T
E[exp(i ↵k (W (tk ) W (tk 1 )))] = exp( ↵ M ↵)
2
k=1

4 GRELA Fabrice
Lecture dirigée ENS Rennes

où la matrice M est définie par Mi,j = 0 si i = j et Mj,j = tj tj 1. Donc le vecteur (W (tj ) W (tj 1 ); 1 j n)
est un vecteur normal centré. Enfin,
n
X n
X
n
8 =( 1 , ..., n) 2 R , k W (tk ) = ↵k (W (tk ) W (tk 1 ))
k=1 k=1

avec kP:= ↵1 + ... + ↵n .

n
Ainsi, k=1 k W (tk ) est une variable aléatoire centrée normale. Donc W est un vecteur gaussien centré.

Théorème 2. Si W est un vecteur gaussien centré alors on a les propriétés de convergence suivantes :
1.
n
X1 j+1 j P
Un (t) := [W (( )t) W (( )t)] ! 1
j=0
n n

2. Convergence quadratique
n
X1 j+1 j P
Vn (t) := [W (( )t) W (( )t)]2 ! t
j=0
n n

5 GRELA Fabrice
Lecture dirigée ENS Rennes

3 Existence du mouvement Brownien : Construction de Wiener

3.1 Réduction du problème

Tout d’abord, on remarque que construire le mouvement brownien sur l’intervalle [0; 1[ suffit pour l’avoir sur
R+ tout entier.

Proposition 3. Si on considère une suite (Bn ) de mouvements browniens indépendants et définis sur [0; 1[, alors
la fonction définie 8t 2 [j; j + 1[, 8j 2 N par
j 1
X
W (t) := Bj (t j) + Bk (1)
k=0

est un mouvement brownien défini sur [0; 1[.

Démonstration. En tant que somme finie de gaussiennes normales centrés, 8t 2 R+ , W (t) est une gaussienne
normale centrée. W est de plus continue par définition. Il ne manque plus que la covariance pour avoir un mouvement
brownien.
Soit s < t. Alors soit 9 j 2 N tel que s et t soient dans l’intervalle [j; j + 1[, soit 9 j<l tels que s 2 [j; j + 1[ et
t 2 [l; l + 1[.
Dans le premier cas, on a :
" j 1
! j 1
!#
X X
E[W (s)W (t)] = E Bj (s j) + Bk (1) Bj (t j) + Bk (1)
k=0 k=0
2 !2 3 " # " #
j 1
X j 1
X j 1
X
= E [Bj (s j)Bj (t j)] + E 4 Bk (1) 5 + E Bj (s j) Bk (1) + E Bj (t j) Bk (1)
k=0 k=0 k=0

j 1
"j 1 #
X X X
2
= (s j) ^ (t j) + E[Bk (1) ] + E[Bk (1)]E[Bl (1)] +E Bk (1) (E[Bj (s j)] + E[Bj (s j)])
| {z } | {z }
k=0 k6=l k=0
=0 =0
j 1
X
= (s j) ^ (t j) + E[Bk (1)2 ] = (s j) + j = s = s ^ t
k=0

Dans le second cas, on trouve de même :

" j 1
! l 1
!#
X X
E[W (s)W (t)] = E Bj (s j) + Bk (1) Bl (t l) + Bk (1)
k=0 k=0
"j 1 # j 1
X X
2
= E [Bj (s j)Bj (1)] + E Bk (1) = (s j) ^ 1 + E[Bk (1)2 ] = (s j) + j = s = s ^ t
k=0 k=0

3.2 Théorème de Wiener

Théorème 3 (Théorème de Wiener).

Soient p(Xn ) des variables indépendantes et de même loi, d’espérance nulle et de variance 1. On pose Wn (t) =
Pn
tX0 + ⇡2 j=1 sin(jt⇡)
j Xj , 8t 2 [0; 1], 8n 2 N, et on se place dans un espace de probabilités complet. Alors W2n (t)
converge presque sûrement . De plus, cette convergence est uniforme 8t 2 [0; 1], et sa limite W est un mouvement
brownien défini sur [0 ;1].

6 GRELA Fabrice
Lecture dirigée ENS Rennes

Démonstration. Premiere etape : montrons que (W2n ) converge uniformement. p

Pn
On pose donc, 8n 2 N, 8t 2 [0; 1], Sn (t) = k=1 sin(tk⇡)
k Xk et on a n (t) = tX0 + 2
⇡ Sn (t). Montrons que (S2n ) est
presque sûrement une suite de Cauchy dans L2 (P), uniformément sur [0; 1] :
0 n+1
12
2X
sin(jt⇡)
(S2n+1 (t) S2n (t))2 = @ Xj A
n
j=2 +1
j

2
n+1
2X n+1
2X n+1
2X ¯
exp(ijt⇡) exp(ijt⇡) exp(ijt⇡)
 Xj =( Xj )( Xj )
j=2n +1
j j=2n +1
j j=2n +1
j
n+1 n+1 n+1 n n+1
2X 2X 2X 2X1 2X
exp(i(j k)t⇡) Xj2 Xj+k Xk
 Xj Xk = + 2 exp(ijt⇡)
j=2n +1 k=2n +1
jk j=2n +1
j2 j=1 n
(j + k)k
k=2 +1

n+1 n n+1
2X 2X1 2X
Xj2 Xj+k Xk
 + 2
j=2n +1
j2 (j + k)k
j=1 k=2n +1

Ceci est vrai 8t 2 [0; 1], on a donc :

2
k sup |S2n+1 (t) S2n (t)| k22 = E[sup |S2n+1 (t)
S2n (t)| ]
v
n+1
2X 2X1 n n+1
2X n+1
2X n
2X 1uu 2X
n+1
1 Xj+k Xk 1 t Xj+k Xk 2
 + 2 k k2 = +2 k k
j=2n +1
j2 (j + k)k j=2n +1
j 2 (j + k)k 2
j=1 k=2n +1 j=1 n k=2 +1

La première inégalité étant obtenue grâce à l’inegalité de Minkowski, et la seconde, grâce au théorème de Pythagore
pour les variables aléatoires non correlés. On obtient ainsi :
v
n+1
2X n
2X 1u n+1
u 2X
2 1 t 1
E[sup |S2n+1 (t) S2n (t)| ]  + 2 k k2
j=2n +1
j 2
j=1 n
(j + k)k 2
k=2 +1

v
n+1
2X n
2X 1 u 2n+1
1 1 u X 1
 +2 t
(2 n )2 (j + 2n )2 k2
j=2n +1 j=1 k=2n +1
n
2 1
1 2 X 1 1 2
 +  + n/2
2n 2n/2 j=1 (j + 2n )2 2n 2
| {z }
terme générale d’une série convergente
P 2
Donc n2N sup |S2n+1 (t) S2n (t)| converge presque sûrement. Autrement dit, la suite (S2n (t)) converge unifor-
P1
mément 8t 2 [0; 1] vers S1 (t) = j=1 sin(jt⇡)
j Xj , donc, en particulier, (W2n (t)) converge uniformément sur [0; 1].
On note W(t) sa limite.

Deuxième étape : montrons que W est bien un mouvement brownien.

Tout d’abord, en tant que limite uniforme de fonction presque sûrement continues, W est presque sûrement conti-
nue. De plus, puisque 8t 2 [0; 1], W2n (t) est une gaussienne centrée, W(t) l’est également 8t 2 [0; 1], et W(0)=0. Il
reste juste à montrer que E[|W (t) W (s)|2 ] = t s, 80  s  t.
2 3
p 1 2
6 2 X sin(jt⇡) sin(js⇡) 7
E[|W (s) W (t)|2 ] = E 4 (t s)X0 + Xj 5
⇡ j=1 j

1 ✓ ◆2 1 2
2 2 X sin(jt⇡) sin(js⇡) 2 X ejt⇡ e jt⇡
(ejs⇡ e js⇡
)
= (t s) + 2 = (t s)2 +
⇡ j=1 j ⇡ 2 j=1 2j

7 GRELA Fabrice
Lecture dirigée ENS Rennes

1 ✓Z ⇡t Z ◆ 2 1 Z 2
2 X 1 ⇡s
1X ⇡
= (t s)2 + e ijx
dx + eijx dx = (t s)2 + f (x) j (x)dx
⇡ 2 j=1 2 ⇡s ⇡t ⇡ j=1 ⇡

ijx
avec f (x) = 1[⇡s;⇡t] (x) + 1[ ⇡t; ⇡s] (x) et j (x)
e
=p , 8x 2 [ ⇡; ⇡], 8j 2 Z.
2⇡]

Z 2 1 Z 2
2 2 1 X ⇡
1 X ⇡
E[|W (s) W (t)| ] = (t s) + f (x) j (x)dx = f (x) j (x)dx
2⇡ ⇡ 2⇡ j= 1 ⇡
j6=0

Par le théorème de Riesz-Fisher, on a donc

Z ⇡
1
2
E[|W (s) W (t)| ] = |f (x)|2 dx = t s
2⇡ ⇡

Donc W est bien un mouvement brownien.

8 GRELA Fabrice
Lecture dirigée ENS Rennes

4 Dérivabilité du mouvement Brownien

Théorème 4.
On considère un espace de probabilité complet. Le mouvement Brownien est presque sûrement nulle part dérivable.
Démonstration. Soit > 0 et soit n 1. On restreint l’étude de la non-dérivabilité sur l’intervalle [0 ;1].
Posons
E n = {!, 9s 2 [0; 1] sup |W (s) W (t)|  2 n
}
t2[s 2 n ;s+2 n]

Cet ensemble est mesurable.

P
Nous allons montrer que 8 > 0 n 0 P(E ) < 1.
n

On suppose que :
9s 2 [0; 1] 8t 2 [s 2 n ; s + 2 n
] |W (s) W (t)|  2 n

Alors
9j 2 [|0; 2n 1|] s 2 D(j; n) avec D(j; n) = [j2 n
; (j + 1)2 n
]

Ainsi
n
8t 2 D(j; n) |W (s) W (t)|  2

On en déduit donc
n+1
8u, v 2 D(j; n) |W (u) W (v)|  |W (u) W (s)| + |W (s) W (v)|  2

T
3
On construit une subdivision de D(j; n) : D(j; n) = [j2 n
+ l2 (n+2)
; j2 n
+ (l + 1)2 (n+2)
].
l=0
On remarque que les bornes de chaques intervalles appartiennent à D(j; n).
On a

E n = {!, 9s 2 [0; 1] sup |W (s) W (t)|  2 n

}
t2[s 2 n ;s+2 n]

✓ {!, 9s 2 [0; 1] 9j 2 [|0; ...; 2n 1|] s 2 D(j; n) 8t 2 D(j; n) |W (s) W (t)|  2 n

}
n n
✓ {!, 9j 2 [|0; ...; 2 1|] 8t, s 2 D(j; n) |W (s) W (t)|  2 }
n n n+1
✓ {!, 9j 2 [|0; ...; 2 1|] 8l 2 [|0; ...; 3|] | j,l |  2 }

avec nj,l = W (j2 n

+ (l + 1)2 (n+2)
) W (j2 n
+ l2 (n+2)
).
On a alors :
2n
[1 \
3
n n n+1
P(E )  P( | j,l |  2 )
j=0 l=0
n
2X 1 3
\
n n+1
 P( | j,l |  2 )
j=0 l=0

par independance des n

j,l

n
2X 1Y
3
n n+1
 P(| j,l |  2 )
j=0 l=0

Or d’après les propriétés du mouvement Brownien : n

j,l ⇠ W (2 (n+2)
.
Donc nj,l ⇠ N (0; 2 (n+2) ).

9 GRELA Fabrice
Lecture dirigée ENS Rennes

On calcule alors :
Z
n x2 1
8 > 0 P(| j,l |  )= exp( ) dx
1 2 ⇥ 2 (n+2) p n+2
2⇡2 2

x2
On réalise le changement de variable suivant : u2 = (n+2)
2
Z 2(n+2)/2
n u2 1
8 > 0 P(| j,l |  )= exp( ) p du
2(n+2)/2 2 2⇡
(n+2)/2
 2

En particulier pour = 2 n+1

:
n n+1
P(| j,l |  2 )  2n/2+2

Enfin,
P(E n )  256 4
2 n

P
Conclusion : 8 > 0, n 0 P(E ) < 1.
n

D’après le lemme de Borel-Cantelli, seul un nombre fini de E n se réalise. On a donc :

|W (s) W (t)| |W (s) W (t)|

inf sup inf sup
s2[0;1] |t s|2 n |s t| s2[0;1] |t s|2 n 2 n

Par l’absurde, montrons que W est presque sûrement nulle part dérivable sur [0 ;1].
Si W 0 (s) existe 8s 2 [0; 1] alors |W 0 (s)| p.s.
Ceci étant vraie pour tout > 0, on a alors |W 0 (s)| = 1 p.s. Absurde.
Conclusion : W n’est presque sûrement dérivable sur [0 ;1].

Donc W n’est presque sûrement pas dérivable sur [0 ;c] pour tout c > 0.

Conclusion : W est presque surement nulle part dérivable.

Remarque . L’hypothèse de compétude de l’espace de probabilité n’est pas contraignante. On peut compléter l’espace
sans hypothèse supplémentaire.

10 GRELA Fabrice
Lecture dirigée ENS Rennes

5 Bibliographie

1. Davar Khoshnevisan ; "Graduate Studies in Mathematics," American Mathematical Society, RI (hardback,

2007), Chapter 9 : Brownian Motion (pages 159-170)
2. Daniel Revuz et Marc Yor ; "Continuous martingales and Brownian Motion" Third edition, Canonical Pro-
cessus and Gaussian Processes (page 33)
3. Figure 1 : d’après une étude de Jean Perrin, "Revue pour la science"
4. Figure 2 : http ://images.math.cnrs.fr/Le-mouvement-brownien-et-son-histoire.html , 15 octobre 2006

11 GRELA Fabrice