Mouvement brownien

Un article de Wikipédia, l'encyclopédie libre.

Mouvement brownien d'une particule.
Mouvement brownien d'une particule.

Le mouvement brownien est une description mathématique du mouvement aléatoire d'une « grosse » particule immergée dans un fluide et qui n'est soumise à aucune autre interaction que des chocs avec les « petites » molécules du fluide environnant. Il en résulte un mouvement très irrégulier de la grosse particule, qui a été décrit pour la première fois en 1827 par le biologiste Robert Brown alors qu'il observait du pollen de Clarkia pulchella (une espèce de fleur sauvage nord-américaine), puis de diverses autres plantes, en suspension dans l’eau[1].

La description physique la plus élémentaire du phénomène est la suivante :

  • entre deux chocs, la grosse particule se déplace en ligne droite avec une vitesse constante ;
  • la grosse particule est accélérée lorsqu'elle rencontre une molécule de fluide ou une paroi.

Ce mouvement permet de décrire avec succès le comportement thermodynamique des gaz (théorie cinétique des gaz), ainsi que le phénomène de diffusion. Il est aussi très utilisé dans des modèles de mathématiques financières.

Sommaire

[modifier] Aspects historiques

Brown aperçut dans le fluide situé à l’intérieur des grains de pollen (le mouvement brownien n'a pas été observé sur les grains de pollen eux-mêmes comme souvent mentionné), de très petites particules agitées de mouvements apparemment chaotiques. Ceux-ci ne pouvaient s’expliquer par des écoulements, ni par aucun autre phénomène physique connu. Dans un premier temps, Brown les attribua donc à une activité vitale. L'explication correcte du phénomène viendra plus tard.

Brown n'est pas exactement le premier à avoir fait cette observation. Il signale lui-même que plusieurs auteurs avaient suggéré l’existence d’un tel mouvement (en lien avec les théories vitalistes de l'époque). Parmi ceux-ci, certains l’avaient effectivement décrit. On peut mentionner en particulier l’abbé John Turberville Needham (1713-1781), célèbre à son époque pour sa grande maîtrise du microscope.

La réalité des observations de Brown a été discutée tout au long du XXe siècle. Compte tenu de la médiocre qualité de l'optique dont il disposait, certains ont contesté qu'il ait pu voir véritablement le mouvement brownien, qui intéresse des particules de quelques micromètres au plus. Les expériences ont été refaites par l’Anglais Brian Ford au début des années 1990, avec le matériel employé par Brown et dans les conditions les plus semblables possibles [2]. Le mouvement a bien été observé dans ces conditions, ce qui valide les observations de Brown.

[modifier] Rudiments mathématiques

[modifier] Notion de processus stochastique

La difficulté de modélisation du mouvement brownien réside dans le fait que ce mouvement est aléatoire et que statistiquement, le déplacement est nul : il n'y a pas de mouvement d'ensemble, contrairement à un vent ou un courant. Plus précisément :

  • à un instant donné, la somme vectorielle des vitesses de toutes les particules s'annule (il n'y a pas de mouvement d'ensemble) ;
  • si l'on suit une particule donnée au cours du temps, le barycentre de sa trajectoire est son point de départ, elle « virevolte » autour du même point.

Difficile dans ces conditions de caractériser le mouvement... La solution fut trouvée par Louis Bachelier en 1902. Il démontra que ce qui caractérise le mouvement, ce n'est pas la moyenne arithmétique des positions <X> mais la moyenne quadratique \sqrt{\langle \, X^2 \, \rangle \ } : si x(t) est la distance de la particule à sa position de départ à l'instant t, alors :

\langle \, X^2(t) \ \rangle \ = \ \frac{1}{t} \int_{ 0}^{t} x^2(\tau) \ d \tau

On démontre que le déplacement quadratique moyen est proportionnel au temps[3] :

 \langle \, X^2(t) \ \rangle \ = \ 2 \, d \, D \, t

d est la dimension du mouvement (linéaire, plan, spatial), D le coefficient de diffusion, et t le temps écoulé.

[modifier] Définition mathématique

On peut définir de façon formelle un mouvement brownien: c'est un processus stochastique (B_t)_{(t \ge 0)} dont les accroissements disjoints sont indépendants et tels que Bt + sBt suit une loi normale de moyenne nulle et de variance s.

Cette définition permet de démontrer des propriétés du mouvement brownien, comme par exemple sa continuité (presque sure), le fait que presque surement, la trajectoire est différentiable nulle part, et de nombreuses autres propriétés.

On pourrait également définir le mouvement brownien par rapport à sa variation quadratique moyenne. Cette définition, classiquement appelée théorème de Levy, donne la caractérisation suivante: un processus stochastique à trajectoires continues dont la variation quadratique est t est un mouvement brownien. Ceci se traduit mathématiquement par le fait que pour une filtration donnée, (B_t)_{(t \ge 0)} et (B_t^2-t)_{(t \ge 0)} sont des martingales.

[modifier] Formule d'Einstein

La formule précédente permet de calculer le coefficient de diffusion d'un couple particule-fluide. En connaissant les caractéristiques de la particule diffusante ou du fluide, on peut en déduire les caractéristiques de l'autre. En connaissant les caractéristiques des deux, on peut évaluer le nombre d'Avogadro à l'aide de la formule d'Einstein (1905) :

D \ = \ \frac{R T}{6 \pi \eta \mathcal{N}_{Av} r}

R est la constante des gaz parfaits, T la température, η la viscosité du fluide, r le rayon de la particule et \mathcal{N}_{Av} le nombre d'Avogadro. Le physicien Jean Perrin évalua ce nombre en 1908 grâce à cette formule.

[modifier] Considérations énergétiques

La quantité d'énergie mise en œuvre par le mouvement brownien est négligeable à l'échelle macroscopique. On ne peut pas en tirer de l'énergie pour réaliser un mouvement perpétuel de seconde espèce, et violer ainsi le deuxième principe de la thermodynamique.

Toutefois, il a été démontré que certains processus biologiques à l'échelle cellulaire peuvent orienter le mouvement brownien afin d'en soutirer de l'énergie (PESKIN C. S. (1); ODELL G. M.;OSTER G. F.;Biophysical journal (Biophys. j.)ISSN 0006-3495, CODEN BIOJAU; 1993, vol. 65, no1, pp. 316-324 (42 ref.);Cellular motions and thermal fluctuations : the Brownian ratchet).Cette transformation ne contrevient pas au deuxième principe de la thermodynamique tant et aussi longtemps qu'un échange de rayonnement peut maintenir la température du milieu donc la vitesse moyenne des particules. Il faut aussi considérer que la dissipation de ce mouvement brownien sous forme d'énergie utilisable engendre une croissance de l'entropie globale du système (ou de l'univers).

[modifier] Quelques modélisations dans un espace euclidien

[modifier] Équation de Langevin (1908)

Icône de détail Article détaillé : Équation de Langevin.

Dans l'approche de Langevin[4], la grosse particule brownienne de masse m animée à l'instant t d'une vitesse v(t) est soumise à deux forces :

  • une force de frottement fluide du type f \, = \, - \, k \, v, où k est une constante positive ;
  • un bruit blanc gaussien η(t)

Bruit blanc gaussien :

Un bruit blanc gaussien η(t) est un processus stochastique de moyenne nulle  :

\langle \, \eta(t) \, \rangle \ = \ 0

et totalement décorrélé dans le temps ; sa fonction de corrélation à deux points vaut en effet :

\langle \, \eta(t_1) \ \eta(t_2) \, \rangle \ = \ \Gamma \ \delta(t_1-t_2)

Dans cette formule, Γ est une constante positive, et δ(t) est la distribution de Dirac.

Dans ces deux formules, la moyenne est prise sur toutes les réalisations possibles du bruit blanc gaussien. On peut formaliser ceci en introduisant une intégrale fonctionnelle, encore appelée intégrale de chemin d'après Feynman, définie pour la mesure gaussienne dite « mesure de Wiener »[5]. Ainsi, on écrit :

\langle \, \eta(t_1) \ \eta(t_2) \, \rangle \ = \ \int \left[ \, \mathcal{D}\eta(t) \, \right] \ \eta(t_1) \ \eta(t_2) \ \textrm{e}^{ - \frac{1}{2 \Gamma} \int_{t_1}^{t_2}\dot{\eta}^2(\tau) d \tau}

\dot{\eta} est la dérivée de η par rapport au temps t.

Le principe fondamental de la dynamique de Newton conduit à l'équation stochastique de Langevin :

 m \, \frac{dv(t)}{dt} \ = \ - \, k \, v(t) \ + \ \eta(t)

[modifier] Processus d’Orstein-Uhlenbeck

Le processus d'Ornstein-Uhlenbeck est un processus stochastique décrivant (entre autres) la vitesse d'une particule dans un fluide, en dimension 1.

On le définit comme étant la solution Xt de l'équation différentielle stochastique suivante : dX_t=\sqrt2dB_t-X_tdt, où Bt est un mouvement brownien standard, et avec X0 une variable aléatoire donnée. Le terme dBt traduit les nombreux chocs aléatoires subis par la particule, alors que le terme Xtdt représente la force de frottement subie par la particule.

La formule d'Itô appliquée au processus etXt nous donne : d({e^t}X_t)={e^t}{X_t}dt+{e^t}(\sqrt{2}{dB_t}-{X_t}dt)+{e^t}dt={e^t}\sqrt{2}{dB_t}+{e^t}dt, soit, sous forme intégrale : X_t={X_0}e^{-t}+\sqrt{2}e^{-t}\int_0^t{e^s}dB_s

Par exemple, si X0 vaut presque sûrement x, la loi de Xt est une loi gaussienne de moyenne xe t et de variance 1 − e − 2t, ce qui converge en loi quand t tend vers l'infini vers la loi gaussienne centrée réduite.

[modifier] Marches au hasard

Icône de détail Article détaillé : Marche au hasard.

On peut aussi utiliser un modèle de marche au hasard (ou marche aléatoire), où le mouvement se fait par sauts discrets entre positions définies (on a alors des mouvements en ligne droite entre deux positions), comme par exemple dans le cas de la diffusion dans les solides. Si les xi sont les positions successives d'une particule, alors on a après n sauts :

\langle \, X^2_n \ \rangle \ = \ \frac{1}{n} \ \sum_{i = 1}^n \ x_i^2

[modifier] Marche au hasard à une dimension d'espace (Exemple)

Considérons la marche au hasard d'une particule sur l'axe Ox. On suppose que cette particule effectue des sauts de longueur a entre deux positions contigües situées sur le réseau :  \{\, n \, a \ , n \in \mathbb{Z} \, \} de maille a sur l'axe, chaque saut ayant une durée τ.

Il faut encore se donner un nombre p tel que : 0 < p < 1. L'interprétation physique de ce paramètre est la suivante :

  • p représente la probabilité que la particule fasse un saut vers la droite à chaque instant ;
  • q = 1 - p représente la probabilité que la particule fasse un saut vers la gauche à chaque instant.

Le cas du mouvement brownien correspond à faire l'hypothèse d'isotropie spatiale. Toutes les directions de l'espace physique étant a priori équivalentes, on pose l'équiprobabilité :

p \ = \ q \ = \ \frac{1}{2}

La figure ci-dessous montre un exemple typique de résultat : on trace les positions successives x(k) de la particule aux instants k, partant de la condition initiale x(0)=0.

Image:Marche_au_hasard.jpg

[modifier] Probabilités de transition conditionnelle

On définit la probabilité de transition conditionnelle :

P(n|m,s) \ = \ P(na|ma, s\tau)

comme étant la probabilité de trouver la particule au site ma à l'instant sτ sachant qu'elle était au site na à l'instant initial 0.

L'hypothèse d'isotropie conduit à écrire la loi d'évolution de cette probabilité de transition conditionnelle :


P(n|m,s+1) \ = \ \frac{1}{2} \ \left[ \ P(n|m+1,s) \ + \ P(n|m-1,s)  \ \right]

On en déduit la relation suivante :

P(n|m,s+1) \, - \, P(n|m,s) \ = \ \frac{1}{2} \ \left[ \ P(n|m+1,s) \, + \, P(n|m-1,s) \, - \, 2 \ P(n|m,s) \ \right]

[modifier] Convergence vers le mouvement brownien. Équation de Fokker-Planck

Prenons la limite continue de l'équation précédente lorsque les paramètres :

  • \tau \ \to \ 0
  • a \ \to \ 0

On verra à la fin du calcul que la combinaison a2 / 2τ doit en fait rester constante dans cette limite continue.

Il vient, en réintroduisant le paramètre adéquat pour faire un développement limité :

P(n|m,(s+1)\tau) \ - \ P(n|m,s\tau) \ = \ \tau \ \frac{\partial P(n|m,s\tau)}{\partial t} \  + \ O(\tau^2)

D'autre part, on peut écrire :

P(n|(m\pm 1)a,s) \ = \ P(n|ma,s) \, \pm \, a \ \frac{\partial P(n|ma,s)}{\partial x} \, + \, \frac{a^2}{2} \ \frac{\partial^2 P(n|ma,s)}{\partial x^2} \, + \, O(a^3)

de telle sorte que le crochet se réduise à :

P(n|m+1,s) \, + \, P(n|m-1,s) \, - \, 2 \ P(n|m,s) \ = \ a^2 \ \frac{\partial^2 P(n|ma,s)}{\partial x^2} \, + \, O(a^3)

On en déduit l'équation de Fokker-Planck :

\tau \ \frac{\partial P(x_0|x,t)}{\partial t} \ = \ \frac{a^2}{2} \ \frac{\partial^2 P(x_0|x,t)}{\partial x^2}

qu'on peut réécrire :


\frac{\partial P(x_0|x,t)}{\partial t} \ = \ D \ \frac{\partial^2 P(x_0|x,t)}{\partial x^2}

en introduisant le coefficient de diffusion :

D \ = \ \frac{a^2}{2\tau}

[modifier] Solution de l'équation de Fokker-Planck

En plus de l'équation de Fokker-Planck, la densité de probabilité de transition conditionnelle P(x0 | x,t) doit vérifier les deux conditions supplémentaires suivantes :

  • la normalisation des probabilités totales :
\forall \ t \ > \ 0 \ , \quad \int_{-\infty}^{+\infty} dx \ P(x_0|x,t) \ = \ 1
  • la condition initiale :
\lim_{t \to 0}  P(x_0|x,t) \ = \ \delta(x - x_0)

δ(x) est la distribution de Dirac.

La densité de probabilité de transition conditionnelle P(x0 | x,t) est donc essentiellement une fonction de Green de l'équation de Fokker-Planck. On peut démontrer qu'elle s'écrit explicitement :

P(x_0|x,t)\ = \ \frac{1}{\sqrt{4 \pi D t}} \ \exp \, \left[ \ - \ \frac{(x-x_0)^2}{4 D t} \ \right]

Moments de la distribution :

Posons x0 = 0 pour simplifier. La densité de probabilité de transition conditionnelle P0(x,t) = P(0 | x,t) permet le calcul des divers moments :

\langle \,  x^n(t)  \ \rangle \ = \ \int_{-\infty}^{+\infty} dx \ x^n \ P_0(x,t)

La fonction P0 étant paire, tous les moments d'ordre impair sont nuls. On peut facilement calculer tous les moments d'ordre pair en posant :

\alpha \ = \ \frac{1}{4 D t}

et en écrivant que :

\langle \,  x^n(t)  \ \rangle \ = \ \sqrt{\frac{\alpha}{\pi}} \ \int_{-\infty}^{+\infty} dx \ x^{2n} \ \mathrm{e}^{- \alpha x^2}  \ = \ (-1)^n \ \sqrt{\frac{\alpha}{\pi}} \ \frac{d^n~}{d \alpha^n} \ \left[ \, \int_{-\infty}^{+\infty} dx \ \mathrm{e}^{- \alpha x^2} \, \right]

On obtient explicitement :

\langle \,  x^n(t)  \ \rangle \ = \ (-1)^n \ \sqrt{\frac{\alpha}{\pi}} \ \frac{d^n~}{d \alpha^n} \ \left[ \, \sqrt{\frac{\pi}{\alpha}} \, \right] \ = \ (-1)^n \ \sqrt{\alpha} \ \frac{d^n~}{d \alpha^n} \ \left[ \, \frac{1}{\sqrt{\alpha}} \, \right]

On retrouve notamment pour le moment d'ordre deux :

\langle \,  x^2(t)  \ \rangle \ = \ - \, \sqrt{\alpha} \, \frac{d~}{d \alpha} \, \left[ \, \frac{1}{\sqrt{\alpha}} \, \right] \ = \ (- \, \sqrt{\alpha}) \, \times \, \left( - \, \frac{1}{2\alpha^{3/2}} \right) \ = \ \frac{1}{2 \alpha} \ = \ 2 D t

[modifier] Processus de Wiener

[modifier] Mouvement brownien sur une variété riemannienne

On appelle mouvement brownien sur une variété riemannienne V le processus stochastique continu markovien dont le semigroupe de transition à un paramètre est engendré par 1/2 \, \Delta_V, où ΔV est l'opérateur de Laplace-Beltrami sur la variété V.

[modifier] Notes et références

  1. Robert Brown ; A brief account of microscopical observations made in the months of June, July and August, 1827, on the particles contained in the pollen of plants; and on the general existence of active molecules in organic and inorganic bodies., Philosophical Magazine 4 (1828), 161-173. Fac-similé disponible au format pdf.
  2. Brian J. Ford ; Brownian movement in Clarkia pollen: a reprise of the first observations, The Microscope, 40 (4): 235-241, 1992 Reproduction en ligne de l'article
  3. Pour un mouvement rectiligne régulier, c'est le déplacement x(t) qui serait proportionnel au temps.
  4. Paul Langevin, « Sur la théorie du mouvement brownien », Comptes-rendus de l'Académie des Sciences 146 (1908), 530-532. Possibilité de consulter et de télécharger le texte complet au format pdf depuis le site Gallica de la BNF.
  5. Cf. e.g. : Mark Kac ; Integration in Function Space and some of Its Applications, Lezioni Fermiane, Accademia Nazionale dei Lincei, Scuola Normale Superiore, Pisa, Italy (1980). Texte au format pdf.

[modifier] Voir aussi

[modifier] Liens internes

[modifier] Liens externes

[modifier] Bibliographie

[modifier] Aspects historiques

  • Jean Perrin ; Mouvement brownien et réalité moléculaire, Annales de Chimie et de Physique 19 (8e série), (1909), 5-104. Possibilité de consulter et de télécharger le texte complet au format pdf depuis le site Gallica de la BNF.
  • Jean Perrin, Les atomes, (1913) Éditions Félix Alcan, Paris, [détail des éditions]
  • Albert Einstein ; Investigations on the Theory of the Brownian Movement, Dover Publications, Inc. (1985), ISBN 0486603040. Réédition des articles originaux d'Einstein sur la théorie du mouvement brownien.

[modifier] Mouvement brownien dans l'espace euclidien

  • Bertrand Duplantier ; Le mouvement brownien, Séminaire Poincaré : Einstein, 1905-2005 (Paris, 08 Avril 2005). Texte complet disponible ici.
  • Bernard Derrida et Eric Brunet ; Le mouvement brownien et le théorème de fluctuation-dissipation, dans : Michèle Leduc & Michel Le Bellac (éditeurs) ; Einstein aujourd'hui, EDP Sciences (Janvier 2005), ISBN 2-86883-768-9.
  • Jean-François Le Gall ; Intégration, Probabilités et Processus Aléatoires, cours du Magistère de mathématiques de l'ENS (2005). Le dernier chapitre (14) est une introduction au mouvement brownien. Format pdf.
  • Jean-François Le Gall ; Mouvement brownien et calcul stochastique, cours de DEA donné à l'université Paris 6 (1996 et 1997). Format pdf.
  • Jean-François Le Gall ; Mouvement brownien, processus de branchement et superprocessus, cours de DEA donné à l'université Paris 6 (1994). Format pdf.
  • Paul Lévy ; Processus stochastiques et mouvement brownien, Gauthier-Villars (2e édition - 1965). Réédité par Jacques Gabay (1992), ISBN 2-87647-091-8.
  • Mark Kac ; Random Walk and the Theory of Brownian Motion, American Mathematical Monthly 54(7) (1947), 369-391. Texte au format pdf.
  • Mark Kac ; Integration in Function Space and some of Its Applications, Lezioni Fermiane, Accademia Nazionale dei Lincei, Scuola Normale Superiore, Pisa, Italy (1980). Texte au format pdf.
  • Edward Nelson ; Dynamical Theories of Brownian Motion, Princeton University Press (1967). Texte au format pdf.
  • Patrick Roger ; Probabilités, statistique et processus stochastiques, Pearson Education France (2004).

[modifier] Mouvement brownien sur une variété riemannienne

  • Elton P. Hsu ; Stochastic Analysis on Manifolds, American Mathematical Society (janvier 2002), ISBN 0821808028.
  • Elton P. Hsu ; A Brief Introduction to Brownian Motion on a Riemannian Manifold, (2003). Cours donné à Kyoto, disponible au format pdf.
  • Mark A. Pinsky ; Isotropic transport process on a Riemannian manifold, Transaction of the American Mathematical Society 218 (1976), 353-360.
  • Mark A. Pinsky ; Can You Feel the Shape of a Manifold with Brownian Motion ?, Expositiones Mathematicae 2 (1984), 263-271.
  • Nicolas Th. Varopoulos ; Brownian motion and random walks on manifolds, Annales de l'institut Fourier 34(2) (1984), 243-269. Texte disponible au format pdf.
  • Alexander Grigor'yan ; Analytic and geometric background of recurrence and non-explosion of the Brownian motion on Riemannian manifolds, Bulletin of the American Mathematical Society 36(2) (1999), 135-249. Texte en ligne.