Cette thèse est consacrée à l'étude des grands clusters en percolation et se compose de quatre articles distincts. Les différents modèles étudiés sont la percolation Bernoulli, la percolation FK et la percolation orientée. Les idées clés sont la renormalisation, les grandes déviations, les inégalités FKG et BK, les proprietés de mélange. Nous prouvons un principe de grandes déviations pour les clusters en régime sous-critique de la percolation Bernoulli. Nous utilisons l'inégalité FKG pour démontrer la borne inférieure du PGD. La borne supérieure est obtenue à l'aide de l'inégalité BK combinée avec des squelettes, les squelettes étant des sortes de lignes brisées approximant les clusters. Concernant la FK percolation en régime sur-critique, nous établissons des estimés d'ordre surfacique pour la densité du cluster maximal dans une boîte en dimension deux. Nous utilisons la renormalisation et comparons un processus sur des blocs avec un processus de percolation par site dont le paramètre de rétention est proche de un. Pour toutes les dimensions, nous prouvons que les grands clusters finis de la percolation FK sont distribués dans l'espace comme un processus de Poisson. La preuve repose sur la méthode Chen-Stein et fait appel à des propriétés de mélange comme la ratio weak mixing property. Nous établissons un principe de grandes déviations surfaciques dans le régime sur-critique du modèle orienté. Le schéma de la preuve est similaire à celui du cas non-orienté, mais des difficultés surgissent malgré l'aspect Markovien du réseau orienté. De nouveaux estimés blocs sont donnés, qui décrivent le comportement du processus orienté. Nous obtenons également la décroissance exponentielle des connectivités en dehors du cône de percolation, qui représente la forme typique d'un cluster infini.
| Identifer | oai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00007948 |
| Date | 09 December 2004 |
| Creators | Couronné, Olivier |
| Publisher | Université Paris Sud - Paris XI |
| Source Sets | CCSD theses-EN-ligne, France |
| Language | English |
| Detected Language | French |
| Type | PhD thesis |
Page generated in 0.0018 seconds