Cas Déterministe Cas Stochastique Stabilité Stochastique Stabilité Stochastique Applications Cas Déterministe Cas Stochastique Applications Rappels:Cas déterministe Considérons une ODE Ẋ = f (X , t) satisfaisant les conditions d’existence et unicité de solution. Supposons f (0, t) ≡ 0 pour tout t, alors 0 est un équilibre. Definition 0 est stable si ∀ε > 0 ∃δ Stabilité Stochastique t.q. |x(t, t0 , x0 )| < ε ∀|x0 | < δ, t ≥ t0 Cas Déterministe Cas Stochastique Applications Rappels:Cas déterministe Considérons une ODE Ẋ = f (X , t) satisfaisant les conditions d’existence et unicité de solution. Supposons f (0, t) ≡ 0 pour tout t, alors 0 est un équilibre. Definition 0 est asymptotiquement stable si ∃δ0 > 0 Stabilité Stochastique lim |x(t, t0 , x0 )| = 0 t→∞ ∀|x0 | < δ0 Cas Déterministe Cas Stochastique Rappels:Cas déterministe Definition I R R K = {µ : + 7→ + croissantes, continues, tq µ(0) = 0, µ(r ) > 0 for r 6= 0} Rd ; |x| < h} I V : Sh × T 7→ R+ est définie positive (au sens de I Sh = {x ∈ Lyapunov) ssi ∃µ ∈ K tq V (0, t) ≡ 0 for t ≥ t0 et V (x, t) ≥ µ(|x|) for all x ∈ Sh I V est définie négative si −V est définie positive. Stabilité Stochastique Applications Cas Déterministe Cas Stochastique Applications Rappels:Cas déterministe Idée de Lyapunov Si V ∈ C 1,1 (Sh × l’EDO, alors: T, R +) et v (t) = V (x(t), t) avec x sol. de v̇ (t) = ∂t V (x(t), t) + ∇x V (x(t), t).f (x(t), t). En regardant l’évolution de v (t) on peut en déduire les propriétés de convergence à zero. Plus précisément, on a des théorèmes! Stabilité Stochastique Cas Déterministe Cas Stochastique Applications Rappels:Cas déterministe Théorème (Lyapunov, 1892) Pour V ∈ C 1,1 (Sh × T, R+) on définit V̇ := ∂t V (x, t) + ∇x V (x, t).f (x(t), t) T Si ∃V def. positive, C 1,1 t.q. V̇ ≤ 0 sur Sh × , alors 0 est stable Si de plus ∃µ ∈ K tel que V (x, t) ≤ µ(|x|) et V̇ est definie négative, alors 0 est asymptotiquement stable. Une difficulté des méthodes de Lyapunov Comment trouver la fonction V ? Stabilité Stochastique Cas Déterministe Cas Stochastique Applications Rappels:Cas déterministe Théorème (Lyapunov, 1892) Pour V ∈ C 1,1 (Sh × T, R+) on définit V̇ := ∂t V (x, t) + ∇x V (x, t).f (x(t), t) T Si ∃V def. positive, C 1,1 t.q. V̇ ≤ 0 sur Sh × , alors 0 est stable Si de plus ∃µ ∈ K tel que V (x, t) ≤ µ(|x|) et V̇ est definie négative, alors 0 est asymptotiquement stable. Une difficulté des méthodes de Lyapunov Comment trouver la fonction V ? Stabilité Stochastique Cas Déterministe Cas Stochastique Applications Rappels:Cas déterministe Théorème (Lyapunov, 1892) Pour V ∈ C 1,1 (Sh × T, R+) on définit V̇ := ∂t V (x, t) + ∇x V (x, t).f (x(t), t) T Si ∃V def. positive, C 1,1 t.q. V̇ ≤ 0 sur Sh × , alors 0 est stable Si de plus ∃µ ∈ K tel que V (x, t) ≤ µ(|x|) et V̇ est definie négative, alors 0 est asymptotiquement stable. Une difficulté des méthodes de Lyapunov Comment trouver la fonction V ? Stabilité Stochastique Cas Déterministe Cas Stochastique Rappels:Cas déterministe Et dans le cas stochastique? I Comment définir la stabilité? I Peut-on trouver des critères similaires pour la stabilité? Stabilité Stochastique Applications Cas Déterministe Cas Stochastique Applications Définitions On considère (*) l’EDS: dxt = f (xt , t) dt + g(xt , t)dWt t ≥ t0 I On suppose f et g tels qu’on a existence et unicité de solutions I f (0, t) = g(0, t) ≡ 0 I on définit C := C 2,1 ( sur C: ∀t ≥ t0 Rd × T, R+) et l’operateur L agissant 1 L : V 7→ ∂t V + ∇x V · f + Trace(g T (x, t) · ∇2x V · g(x, t)) 2 Stabilité Stochastique Cas Déterministe Cas Stochastique Applications Stabilité en probabilité Definition I 0 est stoch. stable si ∀ε ∈]0, 1[, ∀r > 0 ∃δ > 0 tq. P [|x(t)| < r ∀t ≥ t0 ] ≥ 1 − ε I ∀|x0 | < δ 0 est stoch. asymptotiquement stable si elle est stoch. stable et si ∀ε > 0 ∃δ > 0 tq P lim |x(t)| = 0 ≥ 1 − ε ∀|x0 | < δ t→∞ Stabilité Stochastique Cas Déterministe Cas Stochastique Applications Stabilité en probabilité Definition I 0 est stoch. stable si ∀ε ∈]0, 1[, ∀r > 0 ∃δ > 0 tq. P [|x(t)| < r ∀t ≥ t0 ] ≥ 1 − ε I ∀|x0 | < δ 0 est stoch. asymptotiquement stable si elle est stoch. stable et si ∀ε > 0 ∃δ > 0 tq P lim |x(t)| = 0 ≥ 1 − ε ∀|x0 | < δ t→∞ Stabilité Stochastique Cas Déterministe Cas Stochastique Applications Théorèmes de stabilité Théorème Si V ∈ C est def positive et LV ≤ 0 for all (x, t) ∈ Sh × 0 est stochastiquement stable T. Alors Preuve La preuve consiste a regarder les temps d’atteinte de Sr pour un r bien choisi, et montrer que sa probabilité d’être infini est 1. Stabilité Stochastique Cas Déterministe Cas Stochastique Applications Notion de stabilité exponentielle presque sûre Definition 0 est exponentiellement stable p.s. si limsup t→∞ 1 log |x(t)| < 0 t p.s. ∀x0 ∈ Rd (cette limsup est appelée coefficient de Lyapunov de la trajectoire). Stabilité Stochastique Cas Déterministe Cas Stochastique Applications Notion de stabilité exponentielle presque sûre Lemma If f and g are locally Lipschitz, we have for all x0 6= 0 in P [x(t) 6= 0 fort ≥ t0 ] = 1 Stabilité Stochastique Rd : Cas Déterministe Cas Stochastique Applications Notion de stabilité exponentielle presque sûre Théorème Si il existe V ∈ C, des constantes p > 0, c1 > 0, c2 ∈ tq ∀x 6= 0 et t ≥ t0 R , c3 ≥ 0 1. c1 |x|p ≤ V (x, t), 2. LV (x, t) ≤ c2 V (x, t) 3. |∇x V (x, t) · g(x, t)|2 ≥ c3 V 2 (x, t) Alors on a : limsup t→∞ Stabilité Stochastique c3 − 2 c2 1 log |x(t)| ≤ − t 2p p.s. ∀x0 ∈ Rd Cas Déterministe Cas Stochastique Applications Notion de stabilité exponentielle presque sûre Théorème Si il existe V ∈ C, des constantes p > 0, c1 > 0, c2 ∈ tq ∀x 6= 0 et t ≥ t0 Rc3 ≥ 0 1. c1 |x|p ≥ V (x, t) > 0, 2. LV (x, t) ≥ c2 V (x, t) 3. |∇x V (x, t) · g(x, t)|2 ≤ c3 V 2 (x, t) Alors on a : liminf t→∞ Stabilité Stochastique c3 − 2 c2 1 log |x(t)| ≥ − t 2p p.s. ∀x0 ∈ Rd Cas Déterministe Cas Stochastique Comparaisons cas linéaire/non-linéaire Stabilité Stochastique Applications Cas Déterministe Cas Stochastique Cas de la fourche stochastique Stabilité Stochastique Applications Cas Déterministe Cas Stochastique Cas de la fourche stochastique Stabilité Stochastique Applications