arbres aléatoires, conditionnement et cartes planaires - DMA - Ens
arbres aléatoires, conditionnement et cartes planaires - DMA - Ens
arbres aléatoires, conditionnement et cartes planaires - DMA - Ens
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
De plus, il existe une mesure N 0 sur l’espace T sp telle que<br />
lim<br />
ε↓0<br />
N 0 (dT dY | X T ,Y ⊂ (−ε, ∞)) = N 0 (dT dY ),<br />
au sens de la convergence étroite des mesures sur T sp .<br />
Le deuxième théorème principal de ce travail donne une représentation explicite de l’arbre réel<br />
spatial de loi N 0 au moyen d’une transformation de l’arbre brownien analogue à la transformation<br />
de Vervaat du pont brownien.<br />
Rappelons brièvement en quoi consiste la transformation de Vervaat du pont brownien. Soit<br />
(B t ,t ∈ [0,1]) un pont brownien sur [0,1]. Il est connu que presque sûrement, il existe un unique<br />
instant t ∗ ∈ [0,1] tel que<br />
B t∗ = min<br />
t∈[0,1] B t.<br />
On définit un processus B ∗ = (B ∗ t ,t ∈ [0,1]) par la transformation<br />
B ∗ t = B {t∗+t} − B t∗ ,<br />
où {t ∗ + t} est la partie fractionnaire de t ∗ + t. Vervaat [52] a montré que la loi du processus B ∗<br />
est alors la loi n de l’excursion brownienne normalisée.<br />
La transformation que nous effectuons sur les <strong>arbres</strong> réels spatiaux est une opération de<br />
“réenracinement au minimum”. Présentons tout d’abord en quoi consiste le réenracinement d’un<br />
arbre réel spatial en l’un de ses somm<strong>et</strong>s. Si (T ,Y ) ∈ T sp <strong>et</strong> σ ∈ T , on définit l’arbre réenraciné<br />
(T [σ] ,Y [σ] ) de la façon suivante. L’arbre T [σ] est l’arbre T , mais sa racine est le somm<strong>et</strong> σ <strong>et</strong><br />
non plus ρ. Puis on translate les positions spatiales en posant pour tout σ ′ ∈ T ,<br />
Y [σ]<br />
σ ′ = Y σ ′ − Y σ .<br />
Par ailleurs, on montre (voir la proposition 3.2.5) que sous la mesure N 0 , il existe presque<br />
sûrement un unique somm<strong>et</strong> σ ∗ ∈ T tel que<br />
Y σ∗ = min {Y σ : σ ∈ T }.<br />
On est alors en mesure d’énoncer le deuxième théorème principal de ce travail.<br />
Théorème 1.4.2. La mesure N 0 est la loi sous N 0 de l’arbre réenraciné (T [σ∗] ,Y [σ∗] ).<br />
Le point de départ de la preuve de ce théorème est une propriété d’invariance de l’opération<br />
de réenracinement sous N 0 . Marckert & Mokkadem [45] (voir aussi le théorème 3.2.3) ont montré<br />
que pour toute fonction mesurable positive sur T sp <strong>et</strong> pour tout s ∈ [0,1], on a<br />
(<br />
N 0<br />
(F T [ṡ] ,Y [ṡ])) = N 0 (F(T ,Y )) .<br />
Les théorèmes 1.4.1 <strong>et</strong> 1.4.2 peuvent être exprimés en termes du serpent brownien. Tout<br />
d’abord, notons que la proposition 3.2.5 nous assure que N 0 presque sûrement, il existe un<br />
unique s ∗ ∈ [0,1] tel que<br />
}<br />
Ŵ s∗ = min{Ŵs : s ∈ [0,1] = min {W s (t) : t ∈ [0,ζ s ], s ∈ [0,1]} .<br />
De plus, pour tout s ∈ [0,1], on pose<br />
ζ [s]<br />
r = ζ s + ζ {s+r} − 2 inf<br />
[s,{s+r}] ζ,<br />
Ŵ [s]<br />
r<br />
= Ŵ{s+r} − Ŵs.<br />
15