Équirépartition presque sûre pour f (x) = 2x modulo 1 Jean-Baptiste Bardet 26 mai 2005

Documents pareils
1 Mesure et intégrale

Chapitre 3 : Fonctions d une variable réelle (1)

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1

Processus et martingales en temps continu

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.

Intégration et probabilités ENS Paris, TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3

Limites des Suites numériques

Séries réelles ou complexes

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X

Comportement d'une suite

CHAPITRE 2 SÉRIES ENTIÈRES

[ édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ ] [correction] Si n est un entier 2, le rationnel H n =

Les Nombres Parfaits.

Exercice I ( non spé ) 1/ u 1 = u / Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1

Dénombrement. Chapitre Enoncés des exercices

Séquence 5. La fonction logarithme népérien. Sommaire

Etude de la fonction ζ de Riemann

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre Quelques dénitions

14 Chapitre 14. Théorème du point fixe

4 Approximation des fonctions

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

STATISTIQUE : TESTS D HYPOTHESES

Introduction : Mesures et espaces de probabilités

Suites et séries de fonctions

EXERCICES : DÉNOMBREMENT

STATISTIQUE AVANCÉE : MÉTHODES

Probabilités et statistique pour le CAPES

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe

Des résultats d irrationalité pour deux fonctions particulières

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

Processus géométrique généralisé et applications en fiabilité

SÉRIES STATISTIQUES À DEUX VARIABLES

Chap. 5 : Les intérêts (Les calculs financiers)

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent machaven/

Cours de Statistiques inférentielles

Statistique descriptive bidimensionnelle

20. Algorithmique & Mathématiques

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

Baccalauréat S Asie 19 juin 2014 Corrigé

Chapitre 3 : Transistor bipolaire à jonction

Un nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1

Exercices de mathématiques

Séries numériques. Chap. 02 : cours complet.

Chaînes de Markov. Arthur Charpentier

PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS

Polynésie Septembre Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.

Initiation à l analyse factorielle des correspondances

Université Pierre et Marie Curie. Biostatistique PACES - UE

La spirale de Théodore bis, et la suite «somme=produit».

16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C.

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4

Mécanique non linéaire

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...

UNIVERSITÉ DE SFAX École Supérieure de Commerce

Le marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.

55 - EXEMPLES D UTILISATION DU TABLEUR.

Régulation analogique industrielle ESTF- G.Thermique

c. Calcul pour une évolution d une proportion entre deux années non consécutives

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Compte Sélect Banque Manuvie Guide du débutant

Formation d un ester à partir d un acide et d un alcool

Terminale S. Terminale S 1 F. Laroche

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Échantillonnage et estimation

2 ième partie : MATHÉMATIQUES FINANCIÈRES

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?

UV SQ 20. Automne Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1

RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *)

DETERMINANTS. a b et a'

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME

Contribution à la théorie des entiers friables

Les algorithmes de tri

RECHERCHE DE CLIENTS simplifiée

Tempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation

Dares Analyses. Plus d un tiers des CDI sont rompus avant un an

Statistique Numérique et Analyse des Données

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.

Options Services policiers à Moncton Rapport de discussion

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.

Une action! Un message!

Introduction. Introduction

Sommaire Chapitre 1 - L interface de Windows 7 9

Résolution numérique des équations aux dérivées partielles (PDE)

Solutions particulières d une équation différentielle...

Gérer les applications

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT

Dominique Tapsoba, Vincent Fortin, François Anctil et Mario Haché

Cours 5 : ESTIMATION PONCTUELLE

STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO

La fibre optique arrive chez vous Devenez acteur de la révolution numérique

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE

Transcription:

Équirépartitio presque sûre pour f (x) = x modulo 1 Jea-Baptiste Bardet 6 mai 005 O étudie le comportemet des suites défiies par récurrece x = f (x 1 ) = f (x), où x 0 = x [0;1) et f (x) = x mod 1, et o motre que Théorème 1. Pour Lebesgue presque tout poit x [0;1), la suite ( f (x)) 0 est équirépartie sur [0;1), c est-à-dire vérifie que pour tous 0 a < b 1 Card0 < : a f (x) < b} = b a Remarques : Si o coaît le théorème ergodique de Birhoff, il suffit de motrer que la mesure de Lebesgue est ergodique pour f, ce qui est très simple, et de coclure avec le théorème ergodique. L objectif ici est d utiliser u outil plus simple, la loi des grads ombres pour des variables aléatoires de Beroulli idépedates. O peut aussi cosidérer que f est défiie sur le tore R/Z, où elle est cotiue, mais ça e chagerait rie aux argumets. O travaillera doc ici sur I = [0;1), où l utilisatio d itervalles semi-ouverts permettra d elever toute ambiguité sur les écritures diadiques des réels. 1. Les cas les plus simples sot ceux où x 0 est u poit périodique (ou so orbite aboutit à ue orbite périodique). O trouve facilemet les poits périodiques de f : x est périodique de période f (x) = x = x + x = 1 pour 0 < 1 Le ombre de poits périodiques augmete doc expoetiellemet vite avec la période, mais ils doet peu d iformatio sur la dyamique globale, car ils sot tous répulsifs (la dérivée de f est partout égale à ), doc ue orbite, même passat très près d ue orbite périodique, s e éloige esuite expoetiellemet vite.. O commece par démotrer le théorème pour le cas particulier où a = 1/ et b = 1. Pour cela, o subdivise l itervalle I e deux sous-itervalles I 0 = [0;1/) et 1

I 1 = [1/;1), et o associe à chaque x [0;1) u codage par ue suite (X (x)) 0 défiie par 0 si x I 0 0 si f (x) I 0 X 0 (x) = X 1 (x) = X 0 ( f (x)) = 1 si x I 1 1 si f (x) I 1 X (x) = X 0 ( f (x)) La propriété essetielle de ce codage est i.e. f (x) I X (x) Lemme 1. Pour tout 1, x I (x) = [ 1 X (x) 1 +1 ; X (x) +1 + 1 ) (1) Démostratio. O démotre par récurrece sur que x I (x) et f est liéaire croissate (de pete ) bijective de I (x) sur [0;1) : pour = 1, par défiitio de X 0, x appartiet à I X0 (x) = [ X 0(x) ; X 0(x) + 1 ) = I 1 (x), et I 0 et I 1 sot les deux itervalles de bijectivité de f. Si f est liéaire croissate de I (x) sur [0;1) et f (x) I X (x), alors x I (x) f (I X (x)) = I +1 (x) itervalle sur lequel f +1 = f f est liéaire de pete +1 par compositio. O e déduit, e faisat tedre vers l ifii, Lemme. La suite X doe ue écriture diadique de x X (x) x = 0 +1 m. O muit maiteat I de la tribu boréliee B et de la mesure de Lebesgue Lemme 3. Sur l espace de probabilité (I,B,m), la suite (X ) 0 est ue suite de variables aléatoires idépedates idetiquemet distribuées de loi de Beroulli de paramètre 1/.

Démostratio. Il suffit de vérifier que pour tout 1 et tous (l 0,l 1,...,l 1 ) 0;1} m ( ) 1 x : X 0 (x) = l 0, X 1 (x) = l 1,..., X 1(x) = l 1 = ce qui est immédiat e remarquat que l expressio (1) se reformule x : X0 (x) = l 0, X 1 (x) = l 1,..., X 1 (x) = l 1 } = [ 1 1 l +1 ; l +1 + 1 ) O peut alors appliquer la loi des grads ombres 1 à cette suite de variables aléatoires, avec S (x) = Propositio 1. Pour m-presque tout x 1 X (x) = Card 0 < : 1/ f (x) < 1} Card 0 < : 1/ f (x) < 1} = 1 = E(X 0) ou, de maière équivalete, l écriture e base de m-presque tout x cotiet ue proportio 1 de 1 (et ue proportio 1 de 0). 3. L étape suivate cosiste à remarquer qu o peut faire exactemet la même chose pour l écriture e toute base etière r : o cosidère f r (x) = rx mod 1, le découpage e sous-itervalles I (r) j = [ j r ; j+1 ], la suite X (r) (x) défiie par fr (x) I (r) X (r) (x), qui vérifie ecore la suite (X (r) r (x) r +1 X (x)) 0 doe l écriture de x e base r : x = (r) 0 sur l espace de probabilité (I,B,m), (X (r) aléatoires idépedates de même loi 1 r r 1 j=0 δ j}. La loi des grads ombres doe alors ) 0 est ue suite de variables 1 Remarque importate, il suffit ici d ivoquer la versio L 4, très simple à obteir, de la loi des grads ombres. 3

Propositio. Pour m-presque tout x, pour tout 0 j < r Card 0 < : fr (x) I (r) j } = 1 r ou, de maière équivalete, l écriture e base r de m-presque tout x cotiet ue proportio 1 r de chaque chiffre. O otera das la suite Ω r le sous-esemble de I de mesure 1 sur lequel cette propositio est valable. Il est remarquable que pour x r Ω r, esemble qui est ecore de mesure 1, les chiffres de l écriture de x sot équidistribués e toute base. 4. O reviet au cas de f = f, et o remarque que les itervalles de la forme [ i ; i+1 ) = I (l ) l l i apparaisset aturellemet das la décompositio e base l, pour laquelle f l = f l. Par ailleurs, il est utile de remarquer que pour tout borélie A de [0;1) la mesure de Lebesgue m vérifie que m(a/) = m(a)/, où A/ = x/ : x A} et est ivariate par traslatio ; f 1 (A) est l uio disjoite de A/ et 1/ + A/ ; doc m( f 1 (A)) = m(a). Aisi, l esemble Ω l = l 1 j=0 f j (Ω l) est de mesure 1, et pour tout x Ω l o a pour tout 0 i < l Card0 < ql : f (x) [ i ; i+1 )} l l q + ql l 1 1 = q + l j=0 e appliquat la Propositio à x, f (x),..., f l 1 (x). Card0 < q : f l+ j (x) [ i ; i+1 )} l l = 1 q l E écrivat l l = l l + r ( l + 1)l, o obtiet aisémet Card0 < : f (x) [ i ; i+1 )} l l = 1 l Il peut être raisoable de s arrêter ici pour faire u développemet respectat le timig... O a pas démotré à propremet parler l équirépartitio de la suite ( f (x)) 0 aocée e Théorème, mais l équidistributio (presque sûre) des chiffres e toute base, résultat itéressat e soi. 4

Il reste alors à traiter le cas d u itervalle [a;b) quelcoque. O défiit deux suites approximates a l et b l par a l l a < a l + 1 b l l l b < b l + 1 l ce qui implique [ a l+1 l ; b l l ) [a;b) [ a l l ; b l+1 l ) et b l l l a l+1 b l + 1 l = l l a l l = b a et etraîe doc pour tout x Ω = l 1 Ω l (avec m(ω) = 1)) Card0 < : a f (x) < b} = b a 5. Remarque subsidiaire : évidemmet le raisoemet du poit 4, doc le théorème, se gééraliset aussi, de la même maière, à toutes les foctios f r, avec r etier plus grad que. Référeces [1] P. Billigsley, Probability ad measure (3rd editio). Joh Wiley & Sos, Ic., New Yor (1995). 5