Richard Durrett-Essentials of Stochastic Processes

PROCESSUS
STOCHASTIQUES
ET
MOUVEMENT BROWNIEN
OUVRAGES DU MÊME AUTEUR
Problèmes concrets ¿.’Analyse fonctionnelle, avec un Complémeni

sur les fonctionnelles analytiques, par T . Pellegrino. (Collection de Mono
graphies sur la Théorie des Fonctions.) In-8° (iô x 25), xiv-484 pages;
i 9$i.
Analyse fonctionnelle. (Mémorial des Sciences mathématiques. Fasc. V.)

In-8° (16 x 25), 56 pages, 2e édition; 1951.
L e m o u v e m e n t b r o w n ie n . (Mémorial des Sciences mathématiques.

Fasc. CXXVI.) In-8° (16 x 25), 84 pages; 1954.
Théorie de l ’Addition des Variables aléatoires. Préface de Ê . Borel.

(Monographies des Probabilités. Fasc. I.) 2e édition revue. In-8°(i6 x 25),
x x -388 pages; 1954.
PROCESSUS
S TOCHAS TI QUES
ET
MOUVEMENT BROWNIEN
PAR
P au l L É V Y
P R O F E S S E U R HONORAIRE DE L’ÉCOLE PO LY TE CH N IQ U E
MEMBRE DE L ’IN S TIT U T
Suivi d’une Note de M. LOÊVE
Deuxième édition revue et augmentée
PARIS
GAU TH IER-VILLARS & C ‘% IMPRIMEUR-ÉDITEUR
L I B R A I R E DU B U R E A U D E S L O N G I T U D E S , D E L ’ É C O L E P O L Y T E C H N I Q U E
Quai des Grands-Augustius, 55
1965
© Gauthier-Villars & C1*, 1965.
Tous droits de traduction, d’adaptation et de reproduction, par tous procédés
y compris la photographie et le microfilm, réservés pour tous pays.
PRÉFACE.
Le développement de la théorie des processus stochastiques

a été si rapide depuis quinze ans qu’il n’était pas possible de
rééditer ce livre sans y ajouter quelques compléments. Il était
encore moins possible de donner dans ces compléments une idée
complète de l’état actuel de cette théorie; il eût fallu un traité
en plusieurs volumes, et non une réédition de mon livre de 1948.
D ’ailleurs c’eût été une tâche que je n’aurais guère pu espérer
mener à bonne fin. Aussi me suis-je contenté de rédiger trois
chapitres nouveaux sur les parties de la théorie que je connais
le mieux, et au développement desquelles j ’ai personnellement
contribué. Mes travaux ayant paru dans des recueils très variés,
j ’ai pensé qu’il y avait intérêt à donner un exposé d’ensemble
des résultats qui, avec un peu de recul, me paraissent les plus
importants, et à indiquer la manière dont ils ont été complétés
par T. Hida, H. P. Mc Kean, N. N. Tchentsov, et d’autres
savants.
C ’est ainsi que j ’ai été amené à laisser de côté certains aspects
importants de la théorie; je n’ai rien ajouté à ce qui était contenu
dans la première édition sur les processus markoviens; j ’ai
aussi renoncé à introduire l’importante notion de processus
séparable, et à parler des martingales. Le lecteur désireux
d’ètre au courant de ces questions pourra lire par exemple les
livres de J. L . Doob [ 4 ], de E. B. Dynkin [1 ] et celui de
K . L. Chung [1].
Il trouvera ici d’abord la reproduction de la première édition,
qui, en ce qui concerne les processus markoviens ou stationnaires,
ne contenait que de brèves indications, mais était plus complète
VI PRÉFACE.
pour les processus additifs et le mouvement brownien. Pour

permettre la reproduction photographique, j ’ai renoncé à perfec
tionner la rédaction, et, sauf en ce qui concerne le n° 28 , je n’ai
fait que corriger quelques erreurs de détail, et supprimer le n°64 ,
remplacé par le Chapitre III des compléments.
)Le premier des trois chapitres rajoutés porte sur la théorie
générale des processus laplaciens (souvent appelés gaussiens).
L ’essentiel en est constitué par la théorie des représentations,
canoniques ou non, des fonctions aléatoires d’une variable.
Le Chapitre II contient différents résultats relativement récents
sur le mouvement brownien classique, c’est-à-dire sur le cas où il
n’y a qu’une variable indépendante qu’on peut supposer être
le temps. Enfin le Chapitre III porte sur l’extension ‘du
mouvement brownien au cas où il y a plusieurs variables indé
pendantes, et à celui de l’espace de Hilbert. Il s’agit, dans
l’ensemble, de résultats assez récents, puisque je n’ai introduit
qu’en 1955 la notion de représentation canonique, et que,
jusqu’en 1967, j ’ai été le seul à m’occuper de la fonction
brownienne de plusieurs variables.
Je me suis efforcé de présenter un exposé dont la lecture
n’exige pas trop d’efforts, et ai dans ce but supprimé ^.dém ons
trations difficiles. C ’est ainsi que je n’ai fait qu’énoncer sans
démonstration un théorème de T . Hida, et les extraordinaires
théorèmes de A. Dvoretsky, P. Erdôs et S. Kakutani sur les
points multiples de la courbe du mouvement brownien plan.
De même, au n° 23 , 5°, je n’ai fait qu’indiquer brièvement une
génération possible du théorème fondamental sur le déterminisme
de la fonction brownienne dans l’espace de Hilbert; la question
n’est pas assez au point pour que le résultat partiel obtenu figure
dans un ouvrage didactique. Mais je pense en avoir assez dit pour
donner au lecteur un aperçu de théories qui me paraissent
mériter de retenir l’attention, à la fois à cause des résultats
obtenus et à cause des problèmes qui restent posés.
PROCESSUS STOCHASTIQUES
ET
MOUVEMENT BROWNIEN
INTRODUCTION.
i.
La plus grande partie du présent travail est un exposé d’ensemble des

résultats obtenus par l’auteur, de 1934 à 1939, sur les processus additifs
et sur le moment brownien, et de quelques résultats plus récents. Mais
il nous a paru utile de faire précéder cet exposé par une étude générale
sommaire des processus stochastiques et par un chapitre consacré à
l ’étude des processus stationnaires, qui, grâce aux travaux de
A . Khintchine, J. Kampé de Fériet, H. Cramér, M. Loève, A . Blanc-
Lapierre et R. Fortet, a fait de grands progrès depuis quelques années.
Daiis le Chapitre I, pour ne pas risquer de décourager les débutants
en commençant sans préparation l’étude des processus stochastiques les
plus généraux, nous donnons deux exemples concrets, qui sont tous les
deux des exemples de processus additifs et homogènes dans le temps;
l’un est celui du mouvement brownien, l’autre est le processus lié à la
loi de Poisson; nous indiquons aussi un processus plus complexe, lié à
une loi qui est un produit infini de lois de Poisson.
Le Chapitre II contient d’abord la définition générale des processus
stochastiques, dans lesquels, s’ils ne sont pas dégénérés, le hasard
intervient à chaque instant, et la comparaison entre cette notion et celle
de fonction aléatoire. Nous parlons ensuite des différents modes de
continuité des processus, et des différentes sortes de dérivées des fonc
tions aléatoires. Ce chapitre contient aussi quelques remarques générales
sur les équations différentielles stochastiques, et notamment sur une
2 INTRODUCTION.
condition suffisante pour qu’une telle équation conduise à un processus

défini sans ambiguïté. Si nous n’avons pas rattaché ces remarques au
chapitre suivant, c’est que quelques-unes s’étendent aux équations
intégro-différentielles stochastiques, qui définissent des processus héré
ditaires.
Le Chapitre III a pour objet l’étude des processus de Markoff,
c’est-à-dire non héréditaires. Nous montrons le rôle de l’équation
intégrale de Chapman-KolmogorofF, et celui des équations aux dérivées
partielles de Kolmogoroff, qui sont ce qu’on peut appeler les équations
de la diffusion de la probabilité. Elles ne s’appliquent que dans le
cas des processus définissant des fonctions presque sûrement continues.
Dans le cas du mouvement brownien, l’équation de la diffusion est
celle de la chaleur. Nous indiquons ensuite la relation entre les pro
blèmes aux limites de la théorie des équations aux dérivées partielles
et certains problèmes de la théorie des processus stochastiques.
Le Chapitre IV est consacré aux processus stationnaires; dans une
première rédaction, il ne contenait que quelques exemples, puis la
démonstration du théorème fondamental de A. Khintchine, qui s’appuie
sur le théorème de S. Bochner, et quelques remarques simples sur les
relations entre l’existence des dérivées aléatoires et l’existence des déri
vées de la fonction de corrélation. Les circonstances ayant retardé la
publication de cet ouvrage, nous en avons profité en janvier 1948 pour
compléter ce chapitre par l’exposé de théorèmes plus récents, notamment
ceux de H. Cramér et M. Loève sur l’analyse harmonique des processus
stationnaires (le reste de l’ouvrage a été rédigé au début de l’année 1945,
à l’exception des chapitres II et III qui ont été modifiés un an plus tàrd,
et de la bibliographie qui a été complétée jusqu’au moment de la correc
tion des épreuves).
Le Chapitre V est consacré à la théorie générale des processus
additifs. Il a été nécessaire de répéter certains résultats contenus dans
le chapitre VII de notre précédent livre [ P. Lévy [ H ] (* ) ], et en par
ticulier notre théorème fondamental sur la forme la plus générale des
processus additifs. Nous n’avons d’ailleurs indiqué qu’une démonstration
simplifiée et non rigoureuse, en ce sens que nous avons admis qu’on
peut, par l’addition d’un terme non aléatoire, éliminer toutes les dis
continuités autres que des sauts de la fonction aléatoire étudiée. Après
avoir montré l’unicité de la représentation des processus additifs par
(*) Les numéros entre crochets renvoient à la bibliographie placée h la fin de ce

volume.
INTRODUCTION. 3
noire formule générale, qui sen de base à l’arithmétique des lois indé
finiment divisibles, et indiqué l’application de cette formule aux
théorèmes fondamentaux sur la loi de Laplacc, nous indiquons deux
cas particuliers importants, celui des lois stables, et celui d’ un groupe
qui comprend des lois connues de Pearson. Enfin nous terminons ce
chapitre par l’étude des processus additifs sur la circonférence, puis
dans les espaces euclidiens et non euclidiens à plusieurs dimensions;
cela nous conduit notamment à parler des beaux résultats de F . Perrin
sur le mouvement brownien de rotation.
Dans le Chapitre VI, nous étudions le mouvement brownien linéaire.
Après avoir introduit la notion d’oscillation brownienne, qui n’aura
d’application que dans le chapitre suivant, nous indiquons un grand
nombre de formules relatives aux lois de probabilité dont dépendent la
fonction aléatoire X ( l ) du mouvement brownien linéaire, ses valeurs-
extrêmes dans un [intervalle donné, et les valeurs de t les plus voisines
d’une valeur donnée et où X (¿), ou bien s’annule, ou bien est égal à
l’une des valeurs extrêmes considérées. Nous indiquons aussi un grand
nombre de propriétés presque sures de la fonction X (¿), et notamment
de l’ensemble de ses racines, ensemble dont nous faisons une étude
approfondie, et de l’ensemble des points où X (¿ ) atteint une valeur non
encore dépassée : ces deux ensembles sont stochastiquement identiques
(c ’est-à-dire qu’ils sont comparables aux résultats de deux expériences
différentes régies par la même loi). Ce résultat est d’ailleurs contenu
dans le suivant : si M (¿ )est le maximum de X ( t) dans l’intervalle (o,¿).
et si l ’on se place dans l’hypothèse X (o ) = o, les fonctions aléatoires
! X(*)| et M (t) — X (£) sont stochastiquement identiques.
Le Chapitre V II est consacré à l’étude du mouvement brownien plan.
Après quelques remarques simples sur l’aspect presque sùr de la trajec
toire C, nous montrons que, contrairement à ce que pourraient faire
penser les résultats obtenus sur l’oscillation brownienne de cette
courbe, elle constitue presque sûrement un ensemble de mesure superfi
cielle nulle, mais presque sûrement partout dense dans le plan (si elle
est indéfiniment prolongée). Nous montrons ensuite qu’on ne peut pas
parler, au sens du calcul intégral classique, de l’aire comprise entre un
arc de la courbe C et sa corde; mais on peut donner un sens à cette
aire par une théorie des intégrales stochastiques et des aires stochastiques,
que nous avons créée dans ce but. La loi à deux variables dont dépendent
cette aire et la longueur de la corde peut alors être définie par une
équation aux dérivées partielles, du type elliptique, qui se déduit aisément
d’une équation de la diffusion de la probabilité analogue à celle de
4 INTRODUCTION.
A. KolmogorofT, ou à celle que S. Bernstein [ 2 ] appelle équation

de Fokker-Planck. Cette équation est vérifiée par une dérivée de la
fonction de répartition de cette loi, et suffit à définir parfaitement cette
loi. Pour terminer ce chapitre, nous indiquons l’invariance des propriétés
intrinsèques de la courbe C dans une représentation conforme.
Enfin le Chapitre VIII est consacré à l’étude du mouvement brownien
à plusieurs paramètres; au lieu de X ( i) , il s’agit d’une fonction X (A )
d’un point A d’ un certain espace, ayant des propriétés qui généralisent
celles de la fonction X ( i ) du mouvement brownien linéaire. Le théorème
fondamental de celte théorie est celui qui établit la compatibilité des
conditions ainsi imposées a X (A ). La démonstration utilise un lemine
de L. Schwartz. Nous montrons ensuite que, contrairement à ce qu’on
pourrait croire, ce processus n’a pas la propriété qui semble constituer
la généralisation naturelle de la non-hérédité des fonctions aléatoires X (t)
d’une seule variable, et indiquons certaines particularités très curieuses
qui se présentent lorsque le nombre des dimensions de l’espace lieu du
point A augmente indéfiniment. Ces particularités se rattachent à des
propriétés de l’espace de Hilbert déjà indiquées autrefois dans nos Leçons
<Vanalyse fonctionnelle (P. Lévy [1]). Ilne s’agit d’ailleurs, sur ce sujet,
que de l’ébauche d’une étude qui mériterait un plus grand dévelop
pement.
Le livre se termine par une Note de M. Loève. relative aux fonctions
aléatoires du second ordre.
Enfin nous avons cru utile de faire suivre cette introduction par un
bref rappel de quelques définitions et de résultats que nous supposons
connus; pour la plupart d’entre eux, les démonstrations se trouvent dans
notre précédent ouvrage (P . Lévy [ 11 ]).
II. — D éfinitions , notations et rappel de résultats connus.
I. Les notations P rj A j, P rj A , B | et P r j A/B J désigneront respec

tivement la probabilité de A , celle de « A et B » , et la probabilité
conditionnelle de A dans l’hypothèse où B est réalisé. On a toujours
(i) Pr j A, B | = P r j A } P rj B/A j = P r ; { B } P r { A / B } .
Les événements A et B sont indépendants (ou leurs probabilités sont

indépendantes) si
l'r { B/A 1 == Pr| B j, OU Pr { A./B } = Pr | A j .

INTRODUCTION. 5
Ces deux formules sont équivalentes, et équivalent aussi à
Pr | A, B } = Pr j A } Pr { B }, sauf si Pr { A } Pr j R j = o.
2. Lois à une variable. — Soit X une variable aléatoire. La fo n c

tion de répartition F (# ) est définie par
— o) = P r { X < a? j, F(x -f- o) = Pr { X ^ x j.
En un point de discontinuité, F(a?) peut désigner n’importe quelle

valeur comprise entre F(a? — o) et F (x -f- o) (inclus), ou même l’ensemble
de ces valeurs, de manière que y = F(a?) soit l’équation d’une courbe
continue.
En analyse, une fonction de répartition est une fonction non décrois
sante, bornée, à cela près quelconque. En calcul des probabilités, on
suppose de plus F ( + o o ) — F ( — oo ) == i , et l’on suppose généralemènt
aussi F ( — •oo ) — o ; alors F ( oo ) = i .
La valeur médiane m de X est définie par F (m ) — 11 peut arriver
que celte condition soit vérifiée pour tous les nombres d’un intervalle,
qui est alors Uintervalle médian»
Si F(a?) est l’intégrale d’une fonction f ( x ) , la loi dont dépend X est
dite absolument continue, et f { x ) est la densité de probabilité ; elle est
non négative. La probabilité attachée à un intervalle d x peut alors être
représentée indifféremment par d F ( x ) ou par f ( x ) d x . 11 faut d’ailleurs
remarquer que, si la fonction f ( x ) est discontinue, la notation f ( x ) d x
peut être tout à fait impropre, et n’avoir de sens que comme élément
d’une intégrale de Lebesgue.
On appelle valeur probable, ou espérance mathém atique, de X, et
nous désignerons par E| X j, la quantité
( 2) î* = E{X> = r * x d F ( x ) .
J — «o
Nous ne la considérerons comme ayant un sens que si E| | X | j est fini.

C ’est une moyenne, mais une moyenne théorique, qu’il ne faut pas
confondre avec la moyenne effective, ou moyenne arithmétique des
valeurs X<, X 2, . . X„ que l’on obtiendrait en recommençant l’expé
rience qui détermine X .
L e moment d yo r d rep de X est la quantité
G INTRODUCTION.
Sa racine />ièMU', p ^ e n précisant, si p est pair, que P /,^ o), est la

moyenne théorique d'ordre p (ou plus simplement moyenne d'ordre p )
de X ; p 2 est la moyenne quadratique.
Sauf s'il s’agit de pp, nous réserverons l’expression moyenne aux
moyennes au sens de l’analyse pure, que nous désignerons par JH . Ainsi,
si une variable aléatoire X = X ( ¿ ) -dépend d’un paramètre f, J H | X ( t ) j
sera la moyenne par rapport à ce paramètre (dans un intervalle à
préciser). Comme on peut intervertir l’ordre de deux intégrations, les
symboles E et JH peuvent être intervertis.
La variable X est semi-réduite si p = o, et réduite si p = o, E 2= i ;
nous dirons dans les mêmes conditions que la loi dont dépend X .est
semi-réduite, ou réduite. Les moments semi-réduits (dans le cas d’une
variable non réduite) sont ceux de X — p, et les moments réduits sont
ceux d e — <r= o-j X \ étant la racine carrée positive du second
moment semi-réduit
( 4) a'2= E j ( X — ¡¿)2 ¡ = E j X* } — (j.2= — ;x-.

/
Ce nombre <x est appelé écart type, ou écart quadratique moyeny ou

dispersion quadratique moyenne.
Il peut arriver que la loi de probabilité dont dépendent a p rio ri les
conditions d’une expérience soit modifiée a posteriori par certains
renseignements sur le résultat de cette expérience; il nous arrivera de
remplacer les lettres E et <s par E' et <s pour indiquer qu’il s’agit de lois
ainsi modifiées par certaines conditions.
La dispersion 5(a ) de X est la longueur du plus petit intervalle
(x 0. Xi) ( œi >• #0) pour lequel on ait
F ( # i -h o ) — F(tfo — o ) ^ a.
La fon ction caractéristique de X (ou delà loi dont dépend X) est la

fonction.
( 5) ç ( s ) = E { < •'= * j = Ç e *-~ *d Y{x).
Rappelons que sa donnée définit parfaitement, dans tous les cas, la loi
dont dépend X . Si elle est connue, on obtient F (# ) par la formule
£>—iïl'c-- g—IZ.Ci
(«) F(a*i) —- F(ar0) = -i- lim f ? (s ) d zr
iz
jointe à F ( — oc ) = o. Rappelons aussi que, si ®i(s) et 92(z ) sont les

INTRODUCTION. 7
fonctions caractéristiques de deux variables aléatoires indépendantes,

celle de leur somme est
(7) ?(*) = ?i(-)
La fonction = log 9(2) est appelée fonction-^ de la variable X

(ou de la loi dont dépend X ).
La loi de L ap lace réduite est la loi absolument continue ayant pour
densité de probabilité
_f!
(8) / ( « ) = - 7L= c *.
V1 ~
Si une variable c dépend de cette loi, ai dépend de la loi de Laplace
semi-réduite et <r> H- jx de la loi de L ap lace généralisée. Quand nous
parlerons, sans préciser, de la loi de L a p la ce , il s’agira de la loi semi-
réduite. Une variable dépendant de cette loi sera appelée variable
laplacienne.
Cette loi est parfois appelée loi norm ale, ou loi de Laplace-Gauss,
ou même loi de Gauss. Elle a en fait été considérée pour la première
fois par de Moivre\ niais de Moivre n’avait fait que rencontrer cette loi
à propos d’un problème particulier, et il nous semble juste de suivre
M. Fréchet en l ’associant au nom de Laplace, qui a le premier montré
qu’elle intervient dans des cas très généraux.
La fonction-^ de la loi de Laplace est — ^ •
La prem ière loi de Laplace est la loi absolument continue pour
laquelle
10 (x<o),
( 9) / O ) = ) e~x (x>o).
La loi de Poisson est la loi discontinue définie par

9»
( 10) Pr»X = /t [ = <H> £ (0 ^ o, /1 = 0, 1, 2,.. *
Le paramètre 6 est à la fois la valeur probable et l’écart type de X .

La fonction-<{/ de cette loi est §(eiz— 1).3
3.Lola à plusieurs variables. — L a fon ction de répartition dp la

loi à deux variables X et Y est la fonction F(a?, y ) définie par
F (a: — o, y — o) = Pr { X < ¿r, Y < y } .
On peut aussi définir cette loi par la fonction additive (S) de l’aire S,
qui indique la probabilité que le point X , Y appartienne à l’aire S.
S INTRODUCTION.
La loi considérée esi absolument continue si elle peut être définie par
une densité de probabilité f { x , y ); on a alors presque partout (c’est-
à-dire en exceptant au plus un ensemble de mesure nulle)
, r)
(«O
La probabilité relative à une aire élémentaire dS peut être repré

sentée, dans ce cas, p a r/ (# , r) rfS, et, dans le cas général, par 4>(dS),
ou d<t(S), ou dF(Xj y). Si Faire est un rectangle dx d y } on peut encore
écrire dx d v¥(x, y ).
Les moments de la loi à deux variables X et Y sont les quantités
(12) E j x ^ v } = j j x/> r<r dF(x, y) (p, q = o; 1 , 2 , . . . ) ,
l ’intégration étant étendue à tout le plan. On ne considère comme

ayant un sens que si E j l X ^ Y ? ! j est fini. On dit qu’un moment est
m ixte si p et q sont tous les deux positifs.
Si E | X Y J == o, nous dirons que les variables X et Yr sont ortho
gonales.
Pourvu que E j X- \ et E j Y 2 J soient finis, on peut déduire de X et Y"
deux variables réduites E et r), liées à X et Y par des relations
linéaires X = fx-ho£, Y = jj/-+- o^r). Le p rod uit scalaire E{£r)j est
généralement appelé coefficient de corrélation de X et Y . Nous nous
conformerons à l’usage, quoique cette expression soit impropre. Il ne
faut pas en effet oublier que la corrélation entre deux variables aléa
toires dépend d’une fonction arbitraire et ne peut pas être définie par
un seul coefficient,
La fonction caractéristique est la fonction
( i 3) 9(u, p ) = E | {,
qu’on peut aussi désigner par

(.3') . * ( n i ) = E { / UV},
4IL et V désignant respectivement les vecteurs (u, v) et (a?, y ) et TXV
leur produit scalaire. Ici encore, la donnée de la fonction caractéristique
définit complètement la loi de probabilité.
Si les variables X et Y sont stochastiquement indépendantes [c’est-
à-dire si les probabilités F* ( x — o) ^ P r jX ^ a r J e t F a ^ — o) = P rj Y < jk}
sont indépendantes], on a
\ F <*>r) = Fi(*> F*tr)> E{XPY*j = E { X / > ] E { Y v } ,
( ? ( u , t>) = E | e ttt* } E { e*'Y j = ? i ( « ) ?*(*>).
INTRODUCTION. 9
Inversement, chacune des formules
y) = Fi(^)F2(r), ?(«, <•) = ©i(")?2Î<?)

(même si l’on ne précise pas la signification des facteurs distingués aux
seconds membres) est suffisante pour que X et Y soient indépendants.
Ces définitions et ces résultats s’étendent sans difficulté aux lois à
n variables.
La loi de Laplace à n variables (semi-réduite) ( 2) est la loi à
n variables dont dépendent les n variables
( l 5) X i= Cf.nÇw (¿ = 1. 2, . . . , n \
les Cij étant des constantes quelconques, et les \j étant des variables
laplaciennes réduites indépendantes les unes des autres. La loi est dégé
nérée si les n sommes X; ne sont pas linéairement indépendantes. On
peut alors les exprimer en fonction d’au plus n — i variables lapla
ciennes indépendantes.
Pour une loi de Laplace non dégénérée à n variables, la densité de
probabilité est
(16) • • * y x n ) — £ ' J
(2*)*
et la fonction caractéristique est
, v , v “ ;Qi(«S.«f.....«n)
( 17 ) <p(Wi, as, . . . . u n) = e “
Qi et Q 3 étant deux formes quadratiques définies positives, adjointes

l’une de l’autre, et A étant le déterminant de la forme Q f. On a
( 18) Q s(at, u 2, . . . , u n) = E {(aiX i -+- a*X*-4-. •. -+• u n X/1)2 ],
de sorte que les coefficients de la forme Q a sont les moments
( 19) Ej-EjX?}, E,,,-E{X,X/},
les moments désignés ici par E * et E,*j ne devant pas bien entendu être
confondus avec les moments Ep et Ep>q des formules ( 3 ) et (12).
Pour une loi de Laplace dégénérée, les positions possibles du point X<,
X 2, . . . , X „, se répartissant sur une variété linéaire à au plus n — 1
(*) Cette loi est souvent appelée loi de Gauss à n variables. Elle n'a en fait été
étudiée ni par Laplace, ni par Gauss. Mais pour ne pas trop compliquer la termi
nologie, il nous parait indiqué d'appeler loi de Laplace à n variables la loi qui est
l'extension naturelle, au cas de n variables, de la loi de Laplace à une variable.
r. Uhnr. a
IO INTRODUCTION.
dimensions, ne remplissent aucun volume; on ne peut pas parler de la

densité de probabilité /(# 1, # 2 , . . . , #/»)• La formule (17) subsiste au
contraire, mais Q 2 est la somme d’au plus n — 1 carrés indépendants.
Etant donné un système v
de valeurs des moments du second ordre E/*
et E;y, la condition nécessaire et suffisante pour qu’il existe une loi de
Laplace semi-réduile admettant ces moments, est que la forme quadra
tique Q * ( u 4, u 2 t . . un) dont ils sont les coefficients soit non négative.
Cette loi est alors bien déterminée par la formule (17)*
La même condition est d’ailleurs aussi nécessaire et suffisante pour
qu’il existe une loi semi-réduite (à cela près de type quelconque)
admettant ces moments. Mais, bien entendu, si l’on ne précise pas le
type de la loi considérée, elle n’est pas déterminée par ces moments
du second ordre (ni par l’ensemble de ceux des deux premiers ordres).
4. Représentation géométrique des moments des deux premier s ordres.

— Considérons une suite (finie ou infinie) de variables aléatoires
Xrt(m = 1, 2 . . . . ) , dont nous supposerons d’abord exclues celles qui
seraient des combinaisons linéaires des précédentes. Supposons leurs
moyennes quadratiques finies. On peut toujours les normaliser et les
orlhogonaliscr, c’est-à-dire les représenter par les formules
Xi = a t
Xs = H- «2,2?2>
..........................................
X« = «n.i Çj *+• ««.»Çî-!-. . .-h
les an>i étant des constantes et les E* vérifiant les conditions
=«, k{ ( «*».
Si alors, dans un espace euclidien à un nombre fini de dimensions ou
dans l’espace de Hilbert, suivant que la. suite considérée est finie ou
infinie, on représente respectivement Eu . . . par des vecteurs
unitaires ‘l i t , ‘U ,, . orthogonaux deux à deux, et chacun des X n
par le vecteur
OA/, = a,tf\ *Hi -+- «/,,2^2 ■ +■ ... -h
on aura
E { X?,} = OA;i, E { X „X „} = S a fl|Va PiV= O A w.O À ,„
et des formules analogues s’appliqueront pour les variables aléatoires,

combinaisons linéaires des précédentes, que l’on aurait d’abord écartées.
INTRODUCTION. II
Chaque point de l’espace d’Euclide ou de Hilbert que l’on est conduit à

considérer représente ainsi une variable aléatoire, et, si deux points
A et B (ou les vecteurs OA' et OB d’origine fixe O aboutissant en ces
points) représentent deux variables X et Y , on a toujours
E |X ?i= O A î, e { y *} = o b *, e {x y | = ô a .ô b ,
et par suite,
E ; (X — Y)*} = OA* + OB*— 2OA.OB = AB*.
— T" ^
Bien entendu, XX-hjxY représente un vecteur OM = XOA-f-fxOB du
plan AOB, et, quand X et ¡jl varient d’une manière quelconque, ce vecteur
décrit tout le plan. Si X + ¡jl = 1, M est sur la droite AB. Ces remarques
s’étendent aux combinaisons linéaires d’ un nombre quelconque de
variables aléatoires.
L ’existence même de la correspondance que nous venons d’indiquer
entre les vecteurs de l’espace de Hilbert et les variables aléatoires à
moyennes quadratiques finies permet de traduire en langage géométrique
les résultats relatifs aux moments E ( et Ef:#y. Ainsi :
i° Pour qu’on puisse déterminer des points A i, A 2, . . . , A n de

. « . . — ^
manière que les distances OAj et les produits scalaires O Ai.O Ay
(ïjj = 1, 2, . . . , n) aient des valeurs données o et p^y, il faut et
il suffit que la forme quadratique
Sr? Uf
soit non négative.
20 Pour qu’on puisse déterminer des points A l? A a, . . . , A n de

manière que les distances O Ai et A ,Ay(i, j = 1, 2, aient des
valeurs données r t et rtj (toutes ^ o ) , il faut et il suffit que la forme
quadratique
soit non négative.
Inversement, dés théorèmes de géométrie élémentaire donnent des

formes pouvant être commodes pour les relations entre les moments E,-
et E/y. Ainsi la relation triangulaire qui lie les trois faces d’un trièdre
montre que, si n = 3 , et si l’on pose
E ; cos 0t j (o ^ 8i,/ T. ),
12 INTRODUCTION.
la condition nécessaire et suffisante pour que des valeurs des six moments
soient acceptables est que £4, E 2, E 3 soient non négatifs, que 0if2, ô2j3
et Q3,i soient réels, et que ces angles vérifient l'inégalité triangulaire
<vle plus grand .étant au plus égal à la somme des deux autres).
Naturellement, une loi de probabilité n'est pas définie-par ses moments
du second ordre, et la représentation géométrique considérée n’apprend
rien de plus que ce qui peut se déduire de ces moments. Elle est néan
moins très utile, à cause du rôle très important de ces moments dans un
grand nombre de questions. Il faut notamment remarquer que la loi de
Laplace à n variables est bien déterminée par les moments E ¿ et E (-,y;
elle est donc déterminée par la donnée des points O, A 4, A 2, . . . , A n*
Inversement, elle détermine la forme de la figure formée par ces points,
mais non son orientation dans l’espace.
Remarquons enfin qu’il suffit d’adjoindre aux X¿ la grandeur non
aléatoire X 0= i pour que les moments d’ordre un, E|X*J, puissent
s’écrire E | X 0X(- j et apparaître comme des moments d’ordre deux. Le
problème de la compatibilité d’un système de valeurs données pour
l’ensemble des moments des deux premiers ordres se ramène donc au
précédent.
o. Les probabilités dénombrables. — Il s’agit dans cette théorie, née

en 1909 d’un important mémoire de E. Borel [1], de l’étude d’une suite
indéfinie d’expériences. Au « point de vue de B ern o u lli », on ne consi-*
dérait jamáis que les probabilités d’événements dépendant d’un nombre
fini n d’expériences; même si l’on fait ensuite augmenter n infiniment,
ce n’est pas du tout la même chose que d’étudier avecE. Borel les proba
bilités d’événements dépendant d'une suite infinie d’expériences.
Dans cette étude, on rencontre souvent des événements théoriquement
possibles, mais dont la probabilité est nulle; telle est la réalisation d’une
partie de pile ou face où l ’on trouverait toujours pile. L ’événement
contraire a alors pour probabilité l'unité; on dit qu’il est presque sûr.
L emme E. B orel. — S i une série d'expériences indépendantes

de
les unes des autres donnent à un événement & des probabilités «4,
a 2, .. ., a*, . . . , la probabilité que & soit réalisé une infinité de fo is
ne peut être que zéro ou un. E lle est nulle si la série 2 a* est conver
gente et égale à un si cette série est divergente.
L emme de P. C m t e l l i . — Dans le cas de convergence, la
F.
conclusion de E . B orel subsiste même si les expériences ne sont pas
indépendantes.
INTRODUCTION. 13
On appelle aussi souvent cet énoncé lemme de B orel-C antelli, pour

rappeler que c’est une extension du lemme de E. Borel. Il nous arrivera
de l’appliquer même dans des cas où les probabilités an sont indépen
dantes les unes des autres, parce que cela dispense de démontrer celte
indépendance.
5. Loi forte des grands nombres. — Dans le cas de E . B o rel, la

fréq u en ce des réalisations de E e st presque sûrement infinim ent p eu
différente, pour n in fin i, de la probabilité moyenne
«i H- atj-H. . oc,t
n
Cet énoncé n’a été établi par E. Borel que dans le cas de Bernoulli
(où tous les 0Ln ont une même valeur a). L ’extension est due à F. P.
Cantelli, qui a même établi en 1917 un théorème plus général, relatif
à la moyenne de n variables aléatoires indépendantes.
Séries à termes aléatoires indépendants. — Une telle série 2 X „ est

convergente en moyenne quadratique si les séries
SE{ X„ » et
sont toutes les deux convergentes. Ses sommes successives S« convergent

alors en moyenne quadratique vers une limite S, c’est-à-dire que l’on a
lim E {(S* — S)*} = o.
La probabilité de la convergence d’une série à termes aléatoires

indépendants ne peut être que zéro ou un. P ou r qufune telle série soit
presque sûrement convergente, il suffit qu'elle soit convergente en
moyenne quadratique.
Cette condition n’est pas nécessaire. La condition nécessaire et suffi
sante, due à A* Kolmogoroir, est que X „ soit de la forme X'n X", la
série 2 X'rt étant convergente en moyenne quadratique, et la série
2 P r | X* o | étant convergente.
Extension aux suites de variables enchaînées. — La loi forte des
grands nombres et le théorème sur la convergence s’étendent aux suites
de variables enchaînées à condition de considérer pour chaque terme X ;o
non sa loi de probabilité a p riori, mais la loi dont il dépend lorsque X*,
X 2, . . ., X,(_4 sont connus.
Pour préciser les conditions de cette extension, et aussi pour la
démonstration des résultats qui précèdent, nous prions le lecteur de se
14 INTRODUCTION.
reporter à nos travaux antérieurs, et notamment à notre précédent livre

(P . Lévy [11]), dont l’avant-dernier chapitre est consacré à l’étude des
suites de variables enchaînées.
Observation im portante. — Dans l'élude des problèmes relatifs aux

probabilités dénombrables, pour simplifier le langage, dans les cas où
cela peut se faire sans ambiguïté,, il nous arrivera d’énoncer une
propriété presque sûre comme si elle était sure.
Ainsi, si nous disons « dans une partie de pile ou face indéfiniment
prolongée, chacun des deux cas possibles se présente une infinité de fois »,
il est bien clair que cela veut dire que l’événement contraire, théorique
ment possible, a une probabilité nulle.
CHAPITRE 1.
DEUX EXEMPLES SIMPLES DE PROCESSUS STOCHASTIQUES.
Sommaire* — 1. La fonction \ ( t ) du mouvement brownien linéaire. — 2. La fonction

réduite ü(f). Un théorème d’invariance projective.— 3. Remarques et corollaires.—
i. Exemples de fonctions aléatoires discontinues liées à la loi de Poisson.
1. La* fonction X (£) du mouvement brownien linéaire (1). — i° L a

définition de X ( i) au point de vue de B ern o u lli. — Le processus
stochastique, que nous appellerons mouvement brownien linéaire, est une
schématisation, qui représente bien les propriétés du mouvement brow
nien réel observables à une échelle assez petite, mais non infiniment
petite, et qui suppose que les mêmes propriétés existent à n’importe
quelle échelle. La notion du libre parcours pendant lequel le mouvement
d’une molécule, considérée indépendamment des autres, est sensiblement
rectiligne et uniforme, disparaît dans ces conditions, chaque molécule
parcourt en un temps fini un chemin de longueur infinie, et chacune
de ses coordonnées est une fonction sans dérivée, et admettant dans
n’importe quel intervalle une infinité de maxima et de minirna.
On est ainsi conduit, en ne considérant qu’une de ces coordonnées,
à la notion d’une fonction aléatoire X (£) du temps t ayant les caractères
suivants : quels que soient tf et t,r > tly Faccroissement X (ttt) — X ( i ' )
est une variable laplacienne d ’écart type \ / f — t’ yc'est-à-dire que
Von a
*
(O Pr j X ( 0 - x ( 0 < x s7 = ? J '-d*.
Cette loi est de plus indépendante des valeurs de X (t) avant

Vinstant t'.
Au point de vue de Bernoulli, ces conditions sont bien compatibles.

Si en effet t 0 <C L < si X ( i 4) — X ( t 0) et X ( f 2) — X (f| ) sont des
(}) Cette fonction a été considérée pour la première fois par L. Bachelier [ 1 j et
ensuite par N. Wiener [1].
(6 CHAPITRE I.
variables laplaciennes indépendantes Tune de Tau tre d'écarts types respec

tifs y/ti — ti} et on sait que leur somme X (£*) — X (£ 0) est bien,
conformément à la définition, une variable laplacienne d'écart type
U — tu. On en déduit immédiatement, quel que soit l’entier n et quelles
que soient les valeurs f0, *4). . ., tn de £, qu’on peut supposer rangées
par ordre de grandeur, que si toutes les différences
X(fv) - - X tV -O (v = 1,2, . . n)
sont des variables laplaciennes indépendantes les unes des autres d’écarts
types respectifs y/iv— iv 4 , toutes les différences X ( tj )— X (¿,) sont bien,
conformément à la définition, des variables laplaciennes d’écarts types
\f\tj— £,-|, et que chacun de ces accroissements est bien indépendant
du passé.
La définition qui précède ne faisant intervenir que les diffé
rences X(¿") — X (i'), il nous arrivera, tantôt de nous placer au point
de vue relatifs c’est-à-dire de ne considérer que ces différences, tantôt
de compléter la définition de X(¿) par une condition supplémentaire, qui
sera en principe de la forme X (/0) — o. Sauf avis contraire, nous suppo
serons vérifiée la condition initiale X(o) = o, et n’étudierons X ( i ) que
pour les valeurs positives de t.
Supposons donc X ( o ) = o, t > o; X(¿) est une variable laplacienne
d’écart type \/7, et, si o < t 0 < t\, les moments de la loi de Laplace à
deux variables X 0= X (/0) et X* = X (¿4) sont
( 2) E | X 5 [ = K { XoXt } = fo, E { X? } = tx;
la seconde de ces formules résulte de ce que X 4— X 0 est indépendant

de X 0, donc
E { X0(Xi — X0) } = E j Xo} E { Xt - X 0 ) = o.
Le coefficient de corrélation de X 0et X 4, d’après ces formules, est

Il n’est pas nécessaire d’ajouter de nouvelles hypothèses pour défi
nir la corrélation des variables X ( f ) groupées trois à trois, ou n à n.
Si, en effet, i0< < ¿2, et si X 0 et X 4 sont connus, la loi dont dépend
X 2= X ( ¿ 2) est connue aussi, et ne dépend que de la valeur de X 4,
puisque X 2— X 4 est indépendant du passé. La loi à trois variables
X (), X 4, X 2 est donc connue. On remarque d’ailleurs que
t3) Xq= vô, Xi — X o = S iv ^ Â T , X*— X] = Çi \Jti — 1\,
;oi o* étant trois variables laplaciennes indépendantes les unes des

DEUX EXEMPLES SIMPLES DE PROCESSUS STOCHASTIQUES. 17
autres. La loi à trois variables X 0, X t, X 2 est donc une loi de Laplace

à trois variables, bien définie par ses moments du second ordre, donnés
par les formules (2). De même la loi à n variable X v(v = 1,2,. . n)
est une loi de Laplace à n variables, bien définie par ses moments du
second ordre.
20 L a détermination effective de X ( i ) . — Nous nous sommes

jusqu’ici placés au point de vue de Bernoulli, en ne considérant à la fois
qu’un nombre fini de valeurs de t. Cela 11e suffit pas pour donner une
idée nette de la nature de X ( l ) , considéré comme fonction de t. On peut
même se demander si la définition prédicative que nous venons de
donner permet d’affirmer l’existence de l’objet défini. Aussi est-il néces
saire d’en donner une définition constructive, en définissant une série
d’expériences qui aboutissent à une fonction presque siircment bien
définie, et ayant les propriétés énoncées dans la définition prédicative (2).
Nous utiliserons à cet effet la remarque suivante : étant donnée une
loi à deux variables X et X ,, même si elle a été obtenue en choisissant
d’abord X et ensuite X ,, on peut la reconstituer en choisissant d’abord
X j et ensuite X , la loi qui régit le choix de X devant bien entendu
dépendre, en principe, de la valeur obtenue pour X 4.
Si alors ¿o< * < /1, cl si X 0= X ( f 0) a été préalablement déterminé,
au lieu de déterminer successivement X = X ( i ) et X* = X(£, ), on peut
déterminer d’abord X f par la seconde formule ( 3 ), et ensuite X par la
formule
(4) X ( 0 = (i( 0 + ®(0 S(0 .
où £( t) est une variable laplacienne réduite, et où

(/1 — /) \ e (/ — /0^X1 /q) (/| — /)
(*) **U) =
— /0 ’ t \— h
On obtient bien ainsi, pour X et X 4, une loi de La place à deux variables,

dont les moments ont bien les valeurs voulues, définies par les formules (2)
(où ¿0, tif X 0 et X 4 doivent être remplacés par t — f0> L — ¿o*
X — X 0 et X i — X 0). On remarque que р(£), qu* est 1° valeur probable
de X( /) quand X 0 et X< sont connus, varie linéairement de X 0 à X b
quand t varie de t 0 et t±.
Remarquons aussi que la formule ( 4 ) n’est pas modifiée si Гоп
connaît X ( r ) pour certaines valeurs tr inférieures à t 0 et pour certaines
valeurs supérieures à Il résulte en effet de la définition de X ( l )
(*) C f . P. Lévy 111], p. 164 et [19], p. 49$.

i8 CHAPITRE I.
que, si celte fonction est connue à un certain instant ( l0 ou ¿i),

que nous appellerons l’instant actuel, l’ensemble des valeurs futures est
indépendant de l’ensemble des valeurs passées. Cette relation étant réci
proque, on peut dire : la connaissance du présent rend le passé et
Vavenir indépendants Vun de Vautre. Donc, si X 0et X ! sont connus,
les valeurs de X(£) dans l’intervalle (¿w, ti) sont indépendantes à la fois
des X (f ') ( * '< t9) et des X(*")(£" > ti).
On peut alors se donner une suite de valeurs
(G) fi, /*, . . .
de l, formant un ensemble partout dense, soit de t 0 à l’infini, soit dans

un intervalle fini, que nous pouvons supposer être (¿0, ¿<) et, après
avoir déterminé X 0, déterminer successivement X*, X 2, . . . , en utilisant
suivant les besoins la form u le dextrapolation ( i ) ou la form ule
dinterpolation ( 4)- Cette dernière sera seule utilisée si /2,
sont tous compris entre t 0 et ti. On peut ainsi déterminer tous les
X,i = X ( / , l) par des règles qui ne présenteront jamais d’incompati
bilité. La /iième expérience introduira une variable laplacienne réduite,
indépendante des précédentes, et X n dépendra linéairement de
et de deux des variables antérieurement connues (ou même d’une seule,
quand il y a extrapolation).
Il s’agit maintenant de définir X(£) pour les valeurs de t n’appar
tenant pas à la suite (6). Rien n’empêche d’ailleurs de particulariser
cette suite, ce qui nous permettra de simplifier un peu les raisonnements.
Nous nous placerons pour fixer les idées dans l’intervalle (o, i) et
prendrons pour suite (6) la suite
(7) °’ I; 5’ V V 8*8’ 8’ 8; 7g ’ • ïc ; **“
Les 2,#+ i premiers nombres sont, rangés dans un ordre convenable,

les multiples de ~ compris entre o et i (inclus). Désignons par f n( t )
la valeur probable de X(£) quand tous les X ^ ^ (h = o, i , a, . . . , 2n)
sont connus ; elle est, pour t = ~ > égale à la valeur connue X ^ ^ » et

varie linéairement dans les intervalles séparés par ces nombres. On peut
considérer f n{t) comme la nlèiue approximation de X ( f ) . Nous allons
démontrer que :
T héorème 1. — I l est presque sûr que la suite des f n ( t ) converge
uniform ém ent, dans Vintervalle ( o, i ), vers une fonction aléatoire
DEUX EXEMPLES SIMPLES DE PROCESSUS STOCHASTIQUES. «9
continuey qui a bien toutes les propriétés indiquées dans la définition

deX(t).
Pour le démontrer, montrons d’abord que les fonctions aléatoires

continues
Ua( t ) — y n( t ) y«—1(O
sont les termes d’une série presque sûrement et uniformément conver

gente; l’existence et la continuité presque sûres d e X ( ¿) en résulteront.
O r le module maximum de Un(¿) est le plus grand des nombres
c ’est-à-dire le plus grand des modules de 2““ ' variables laplaciennes indé-
n -h 1
pendantes d’écarts types tous égaux à a - . On en déduit
0Ln = Pr ) max u „(0 > ■ Pr j ?

\ \/2 n 1
\ étant une variable laplacienne réduite, et par suite, en prenant
Xn = C \J 'in l o g 2 ,
2« _ ^{i—
-c*n logî —
2C\/~ n log2 2 Cy/7Ï n log2
Si donc c > i , la série 2 *n est convergente, et il résulte du lemme

de Borel-Cantelli que l’on a presque sûrement, pour tout n assez
grand,
x.
( 8) max M O (c>i).
\/ini-i
La convergence uniforme presque sûre de la série 2 UA(£) en résulte,

‘ et l’on est même bien renseigné sur la rapidité de la convergence [les
différents Un sont indépendants les uns des autres; le lemme de E. Borel
montre alors que, pour c ^ i , la formule (8) est au contraire presque
sûrement en défaut pour des valeurs arbitrairement grandes de n '].
Les fonctions f n{ t ) étant continues, il est bien presque sûr qu’elles
ont, pour n infini, une limite continue X(t)>
Par la manière même dont les f n { t ) ont été définis, si t'n et t”n ;> t’n
sont multiples de >
X « ) - X ( ^ ) = f n {Cn) - f n { t ' n )
20 CHAPITRE I.
est une variable laplacienne d’écart type )Jt"n — Quand n croit indé
finiment on peut s’arranger pour que t'n et t”n aient pour limites deux
nombres donnés tr et / " > * '; X ( f " ) — X (f'n) tend presque sûrement
vers X ( ttr) — X ( i 7), qui est donc nécessairement une variable lapla
cienne réduite d’écart type \Jt" — t*,
On démontre de la même manière l’indépendance des accroissements
de X ( Q relatifs à deux intervalles disjoints. Le théorème 1 est ainsi
complètement démontré.
Rem arque. — Nous avons dit que nous simplifiions le raisonnement

en particularisant la suite des valeurs considérées de t; il ne serait pas
très difficile de raisonner directement sur la suite générale (6), dontnous
supposons seulement qu’elle est partout dense dans (¿0, tA). Mais cela
est inutile. Le résultat ne peut pas être différent de celui obtenu avec
la suite (7).
Soit en effet g n{t ) la fonction représentant la ligne brisée inscrite dans
la courbe x = *X(Q, ayantpour sommets les points d’abscisse l0>
tn\ c’est la valeur probable de X ( i ) quand X 0, X 4, . . ., X n sont connus.
La fonction X ( f ) étant continue et la suite des tn partout dense dans
(¿o, ti)j la suite des gn{t) tend, presque sûrement, vers X(£). Or, si
l’on a déterminé X(£) en partant de la suite particulière (7), la loi
à n -H 1 variables X v = X(£v) (v = o, 1, . . ., n) n’en est pas moins la
même que si l’on avait déterminé successivement ces variables à l’aide
de la formule d’interpolation (4); la convergence vers une limite X (l) est
donc de toute façon presque sûre, et les propriétés stochastiques de X ( t)
sont indépendantes du choix de la suite (6), pourvu qu’elle soit partout
dense dans l’intervalle où l’on étudie cette fonction.
2 . La fonction réduite ). Un théorème d’invariance projective (:î).

— Proposons-nous de donner une définition directe de la loi dont dépend
l’ensemble des valeurs prises dans l’intervalle (f0, ¿1 ) parla fonction^(i)
définie par la formule (4)*
Remarquons d’abord que, X ( f ) étant l’abscisse d’un point M mobile
sur l’axe des x, ¡¿(t) est celle d’un point M0 animé d’un mouvement
uniforme, et qui coïncide avec M aux instants t 0 et i*. La différence
( 0) X, (t) = X( t ) — p (0 = y (0 5(0
représente le segment M AM; c’est une variable laplacienne, indé
pendante de X 0et X i, et £(f) est la variable réduite qui lui correspond.
(*) D’après P. Lévy [2t et 22].

Que Гоп étudie X ( i ) , ou X<(£), ou ■ *(£), à tout instant £compris entre

¿0 et tKi si Гоп connaît la valeur actuelle de la fonction étudiée, le passé et
l ’avenir, comme nous l’avons dit au n°I pour X(£), deviennent stochas-
tiquement indépendants. Les renseignements que l’on peut avoir sur les
valeurs de cette fonction dans le passé sont sans influence sur les
probabilités conditionnelles des événements futurs, et réciproquement.
Comme pour X ( i ) , il en résulte que le processus est bien défini si l’on
définit la corrélation qui existe entre les valeurs de £(l) groupées deux
à deux. Comme la loi à deux variables Ç(i) et £(u) est une loi de
Laplace, et que ces variables, considérées séparément, sont réduites,
il n’y a qu’à déterminer le coefficient de corrélation p = p(£, u) de >(i)
et £(w), qui est celui aussi de X 4(£) etXt(M).
Nous pouvons supposer t<û. On a donc
(io) t0 < t ° «*,-« ■
£i(tt) étant une variable iaplacie'nne réduite indépendante de X 4(f), et
par suite,
E { X Î ( 0 | - «•(<). E{ XJ (« )} -■ * (« ),
E {Xi ( 0 X, («)} = E | X* (O } = * (0 ,
et le coefficient de corrélation cherché est
_ E { Xj (Q Xi (u)) _ t\ — u <
t(Q
p a ( 1 )?(и) h— t <t (u) 9
c’est-à-dire, compte tenu de l’expression ( 5 ) de o*(i),
(r— r0) (rt — u)

(ii) (il-- f0) (f 1 -- O
D’après cette formule, p- est un des rapports anharmoniques des

quatre nombres ¿0, /l7 t, u. Il est donc invariant par une substitution
homographique effectuée à la fois sur ces quatre nombres. Il faut seule
ment remarquer qu’il est essentiel que t et u soient intérieurs à l’inter
valle fini ou infini (¿o, h ) ; on ne peut donc considérer que des trans
22 CHAPITRE I.
formations homographiques qui conservent les inégalités ( 10) ou qui au

contraire les retournent.
Nous avons ainsi établi le théorème suivant"!
T héorème 2. — L a nature stochastique de la fonction^(t), définie

dans V intervalle (£0, f«) p a r les form ules (4 ) et (5), est invariante
pour n'importe quelle substitution homographique effectuée à la fo is
sur i0, t\, et t, avec cette seule restriction que, si Vintérieur de (i'0,
transformé de (t0, tK) est fin i 1 Vintérieur de (i'0, t\ ) doit corres
pondre à Vintérieur de (¿0, *<).
Ce théorème nous servira, pour certains problèmes, à ramener le cas

général à celui où tK est infini, et déterminer ainsi simplement diffé
rentes probabilités dont le calcul direct serait parfois pénible.
3 . Remarques et corollaires. — i° Si Von considère le mouvement

brownien dans l’espace, le théorème précédent s’applique aux trois
coordonnées, qui sont indépendantes l’une de l’autre. Par suite, M dési
gnant le point mobile soumis au mouvement brownien, A désignant un
point qui coïncide avec M aux instants t0 et t± et se déplace pendant
l’intervalle de temps (¿0, t { ) d’un mouvement rectiligne et uniforme, de
sorte qu’il est à chaque instant la position probable de M si M0 = M (l0)
et M< — M (£, ) sont connus, et si l’on pose
ÂM = « (t)V ( /) = V «).
de sorte que V ( t ) est à chaque instant un vecteur laplacien réduit, alors,

la définition stochastique de la fon ction aléatoire vectorielle (t)
dans Vintervalle ( t OJ ti) est invariante pour les substitutions homo
graphiques considérées dans Vénoncé du théorème 2.
2° L ’ensemble &i des racines de X | û ) comprises entre t0 et 1 1 [qui

sont aussi celles de i ( t ) ] est déterminé par la donnée de cette fonction.
Donc : la définition stochastique de Vensemble &i est invariante par
les substitutions homographiques considérées théorème 2.
Cela s’applique en particulier aux racines de la fonction X (t) elle-même
si X 0 et X 4 sont nuis. On a en effet, dans ce cas, X(£) = X i(/), et l’hypo
thèse faite ne change rien à la nature stochastique de Xi(£). Donc
Vensemble & des racines de X i / ) situées entre deux racines to
et ti supposées connues a ses propriétés stochastiques invariantes
p a r les substitutions homographiques considérées. Nous verrons au
n° 45 d’autres applications du théorème 2 .
3° Quelque simple que soit le calcul qui nous a conduit à la formule

(9) dont nous avons déduit l’invariance projective des propriétés sto
chastiques de £(¿), il peut y avoir intérêt à donner de cette invariance une
démonstration indépendante de tout calcul.
Remarquons d’abord que l’invariance de ces propriétés pour une
substitution linéaire sur ¿étant évidente, il suffit de démontrer qu’elles
sont aussi invariantes par le changement de ¿ en i/f, l’origine étant
d’ailleurs placée d’une manière quelconque à l’extérieur de l’intervalle
<¿0, t{) ou en l’un des points ¿0 et t\.
Plaçons-nous d’abord dans le cas où ¿0= o , ¿4= 00. Nous avons vu
que la nature stochastique de X ( t ) est entièrement définie par la loi à
deux variables X ( l ) et X ( u ) , qui est une loi de Laplàce à deux
variables. Cela implique, pour les variables réduites X(i)/v/i et X(u)/y/îT,
une corrélation absolument symétrique* La loi dont dépend l’enseinble
de ces deux variables est donc invariante par le changement de ¿ en k-jt
et de u en k- j u 7 pour k- = ut; mais, comme elle est invariante aussi
par le changement de ¿ en Xl et de u en Xa, le résultat s’étend au cas
où A*2 a une valeur quelconque. Le processus dont dépend X(^)/\/Î est
donc aussi invariant par le changement de ¿ en k 2 /t7 et en particulier
par celui de ¿ en 1/¿.
Or la loi dont dépend, dans le cas général, la fonction £ (¿), définie
dans l’intervalle (£0, *i) ( ¿ o > o , f i > o ) , se déduit de la précédente en
introduisant les conditions X (¿0) = X (¿4) = o, puis en divisant X(i)/^/Î
par son écart type conditionnel
/*o\ * (0 _ t / F ^ o H ' i - o
(’ ¿t V *1*1—m
Il est bien évident que l’invariance indiquée subsiste dans ces conditions,
pourvu que l’on transforme aussi les conditions restrictives, c’est-à-dire
que le changement de ¿ e n \jt s’applique à la fois à ¿ et aux valeurs
particulières ¿0 et ¿4. C ’est précisément ce qu’il s’agissait de démontrer.
Remarquons que ce raisonnement montre aussi a priori l’invariance
de l’écart type par le changement de ¿ en ijt 7 appliqué à la fois
à ¿o, ¿i et ¿; elle se vérifie aussi immédiatement à l’aide de son
expression (12). 4
4 . Exemples de fonctions aléatoires discontinues. — L e processus lié à

la loi de Poisson. — Le second exemple de processus stochastique que
nous nous proposons d’indiquer dans ce chapitre nous conduira, comme
24 CHAPITRE I.
le précédent, à une fonction aléatoire X ( t ) dont les accroissements

successifs sont des variables stochastiquement indépendantes; mais elle
diffère essentiellement de la fonction "du mouvement brownien linéaire
en ce sens qu’elle est discontinue, ou du moins qu’il y a une probabilité
positive pour qu’elle admette des discontinuités. Elle ne peut d’ailleurs
prendre que'des valeurs entières, et ne peut donc varier que par sauts
brusques.
Pour la définir, supposons d’abord le temps décomposé en intervalles
de même durée très petite t ; au cours de chacun de ces intervalles, un
certain événement À ne peut être réalisé qu’une fois et a une probabilité a
d’être réalisé; les probabilités relatives aux différents intervalles sont
indépendantes; si N est le nombre des réalisations de A dans la réunion
de n des intervalles considérés, on a alors
, ^ i > n(n — — P -h l) ,
(i3 ) Pr | N = jd j = — ------------^-----------¿(1 — a)n-PaP (/>= °> bi
passons maintenant à la limite, t tendant vers zéro, et n étant le

nombre des intervalles de longueur r qui sont intérieurs à un intervalle
donné (¿01 ¿i ) ; ftT tend alors vers tK— t0. Supposons de plus que net tende
vers une limite jx qui sera nécessairement de la forme ^(¿i — 1 0). En
désignant par X ( l ) le nombre des réalisations de A pendant l’intervalle
de temps (o, ¿), et par X l ’accroissem entX(J4) — X ( f 0), on trouve «à la
limite
(i 4) P«1! X = p \ = er-v- [(i = '/>(<,— f,)].
r *
La loi ainsi définie est la loi de Poisson; p est à la fois la valeur
probable de X et celle de (X — p )2. Cette loi, comme dans le cas du
mouvement brownien, est indépendante aussi bien de X ( l 0) que des
valeurs de X ( /) pour ¿<¿0* En d’autres termes, il s’agit encore d’un
processus a d d itif.
Il est facile, par la manière dont nous avons obtenu la loi de Poisson,
de retrouver les expressions de sa fonction caractéristique <p(*) et
de = log ? ( * ) . Pour la loi définie par la formule ( i 3 ), si n — i,
c’est-à-dire dans le cas général pour la loi relative à un des termes
dont N est la somme, ces fonctions sont respectivement
?i(s) = I H- i), +1(5) = «(*'= — 1) -h o(a) (a -> o),
o ( a ) désignant, suivant la notation de E. Landau, une expression dont

le rapport à a tend vers zéro* La fonction relative à l’ensemble
de n intervalles est (s ), et en passant à la limite, on trouve pour la

fonction-^ de la loi de Poisson
(i5 ) <!>(*) = logE{e«s*} == ¡a ( e iz— i).
Dans ce qui précède, (l a été supposé proportionnel à n 9 donc à £;

le processus est homogène dans le temps. Mais on remarque que le
temps n’intervient pas effectivement. Il n’y aurait donc rien de changé
si l’on prenait pour /jl n’importe quelle fonction non décroissante de t)
il n’y aurait qu’à décomposer le temps en intervalles partiels corres
pondant à des accroissements égaux de ¡x. Le résultat, exprimé
par les formules ( i 4 ) et ( i 5 ), subsiste sans changement dans ces
conditions.
Il subsiste aussi si l’on décompose le temps en intervalles inégaux;
a est alors remplacé par des valeurs <xu a 2>* • an variant d’un inter
valle à l’autre, mais toutes très petites; la valeur probable fx sera la
somme 2 a v. Le calcul qui nous a conduit à la formule ( i 5 ) subsiste sans
changement essentiel; on retrouve toujours la loi de Poisson.
Il suffit donc, pour que le nombre des réalisations d’un événement À
dépende de cette loi, que ses réalisations au cours d’intervalles de temps
disjoints soient indépendantes, et que pour n’importe quel intervalle de
temps très petit la probabilité d’une réalisation soit très petite. Cela
explique que l’on rencontre cette loi dans l ’étude de phénomènes aussi
différents que les émissions d’un corps radioactif, ou le nombre d’appels
téléphoniques enregistrés par un réseau en un temps donné (dans ce
dernier cas, les événements indépendants que l’on considère sont les
décisions prises par les différents abonnés de se servir du téléphone; il
faut bien entendu supposer que le nombre des abonnés soit grand, et
que leurs décisions soient bien indépendantes).
La fonction X(£) étant définie par ses discontinuités, pour la déter
miner dans un intervalle (o, T ), il suffit, après une expérience préalable
qui définit le nombre p = X ( T ) des discontinuités qui existent dans cet
intervalle, de déterminer les p valeurs de t qui leur correspondent. Ce
sont des variables aléatoires indépendantes les unes des autres, et, pour
chacune d’elles, la probabilité se répartit proportionnellement aux
accroissements de [x(t ), c’est-à-dire, en supposant ja( o ) = o , qu’à
chaque intervalle dt correspond une probabilité -virr* Dans le cas homo-
r \ /
gène, la répartition de la probabilité est uniforme.
La valeur zéro de X (T ) [en supposant X (o) = o] a la probabilité
e“ wT). Sielleestréalisée, X (* ) est constamment nul dans l’intervalle (o, T ) ;
P. LÉVY. 3
26 CHAPITRE I. — DEUX EXEMPLES SIMPLES DE PROCESSUS STOCHASTIQUES.
il n’y a pas de discontinuité. Dans tous les autres cas il y a au moins une
discontinuité.
20 E xem ple de fonction aléatoire discontinue et constamment

croissante. — Du processus précédent, il est facile d’en déduire d’autres
pour lesquels il y aura presque sûrement dans tout intervalle une
inimité de points de discontinuité. Partons par exemple du processus
homogène défini par la formule ( 14), où l’on suppose fjt = et désignons
par (i), X 2(i), . . . , Xa(i), . . . des fonctions indépendantes les unes
des autres, toutes régies par la loi de ce processus. Désignons par <2|,
a a, . . . , a n, . . . des coefficients positifs de somme finie, et posons
( l 6) X(i) =: + CioXj (/) + .. . -+- + ....
De la formule évidente
E jX(f)j t{ C L \- 1- CÎ2 "+■• ■*■+“ & n ^ 00j
résulte que la série (16) est presque sûrement convergente [tous les
X«(i) étant positifs ou nuis, si la série était divergente, donc X(£)
infini, dans des cas de probabilité positive, la valeur probable de cette
fonction serait infinie]. D ’autre part la probabilité que X i(i), X2(/),. . . ,
Xn(l) soient simultanément constants dans un intervalle d’étendue r
est e~nT; quelque petit que soit r. elle tend vers zéro pour n infini. Il est
donc presque sûr que l’une au moins de ces fonctions, et par suite X(J),
a au moins une discontinuité dans n’importe quel intervalle donné. Il
est donc aussi presque sûr que l’ensemble des points de discontinuité
est partout dense et que par suite la fonction X (l) est constamment
croissante.
Mais ces discontinuités sont des discontinuités mobiles, dont la
place n’est pas connue à l’avance. Pour une valeur de t donnée d’avance,
la fonction X(£) est presque sûrement continue.
Nous verrons au n° 31 que l’on peut déduire du processus lié à la loi
de Poisson une infinité de processus, dépendant d’une fonction arbitraire,
et dont celui défini par la formule ( 16 ) n’est qu’un cas particulier.
CHAPITRE IL
NOTIONS GÉNÉRALES SUR LES PROCESSUS STOCHASTIQUES.
Sommaire* -r 5. Processus stochastiques et fonctions aléatoires. — 6* Définition directe

des processus stochastiques. — 7. Continuité des processus stochastiques. — 8. Pre
mières notions sur les processus de Markoff. — 9* Les équations différentielles sto
chastiques. — 10. Le problème de Cauchy pour les équations différentielles stochas
tiques. — 11. Formation effective de X(l). — 12. Cas particuliers et exemples. —
13. La dérivation et l'intégration des fonctions aléatoires. — 14. Conditions d’exis
tence de la dérivée aléatoire m. q.
5. Processus stochastiques et fonctions aléatoires. — Un processus

stochastique est en principe un procédé de définition d’une fonction
aléatoire X ( i) du temps t dans lequel le hasard intervient à chaque
instant : quelle que soit la valeur t< de t que l’on considère, et quelque
petit que soit r, la connaissance de X (£) depuis l’instant initial ¿<>
jusqu’à l’instant tK ne détermine pas les valeurs de cette fonction dans
l'intervalle tK4 - t ); ces valeurs restent aléatoires.
D ’une manière précise, nous dirons qu’un processus est normal
lorsqu’il réalise cette condition et que de plus il vérifie certaines condi
tions de continuité, sur lesquelles nous reviendrons au n° 6, 3°, qui
permettent de définir la fonction X(£) par les valeurs qu’elle prend sur
un ensemble dénombrable partout dense. T el est le cas pour les processus
considérés au Chapitre I. Nous dirons au contraire qu’un processus est
dégénéré si le hasard n’intervient pas à chaque instant : tel est le cas du
mouvement d’un point dont la vitesse ne varie qu’à certains instants
donnés d ’avance ¿4, .... . . . ; le hasard n’intervient qu’aux
instants tni pour déterminer la vitesse du point mobile pendant l ’inter
valle de temps ( tn, tn+4). Mais, si ces instants ne sont pas donnés
d’avance, et si, quelque petit que soit r, il existe à chaque instant t une
probabilité -positive qu’une discontinuité de la vitesse existe pendant le
temps (t, t -h ?), le processus est normal; tel est le cas pour l’exemple
du n° 4 , ainsi que pour le mouvement brownien réel, dans lequel la
vitesse d’une molécule est constante entre deux chocs.
28 CHAPITRE II.
Il peut, bien entendu, arriver qu’un processus soit normal dans une
partie de l’intervalle où on l’étudie sans être normal dans tout cet inter
valle.
La fonction X (¿) peut être scalaire ou vectorielle. On peut aussi géné
raliser la notion de processus stochastique en remplaçant t par un sys
tème de plusieurs variables. Le Chapitre VIII sera consacré à cette géné
ralisation; le Chapitre V II sera consacré à l’étude du mouvement brow
nien plan. Jusque-là, il s’agira en principe d’une fonction aléatoire
scalaire d’un paramètre unique t ; nous supposerons, pour la commodité
du langage, que t représente le temps. Nous pourrons alors, à chaque
instant*, parler de la probabilité actuelle d 7un événement fu tu r ; ce
sera sa probabilité conditionnelle, calculée en tenant compte de la valeur
actuelle de la fonction X (/) et de ses valeurs passées, que l ’on suppose
connues.
Comparons maintenant la notion de processus normal à celle de fonc
tion aléatoire, définie par une formule de la forme
(O X(;) = Ct, Cî , . . . . C/i,. . . v
où 9 est une fonction bien déterminée de ; et de paramètres aléa

toires C i, Co, . . . , C n. . . . . Nous allons montrer que les fonctions aléa
toires définies par la formule (i) sont plus générales que celles qui peu
vent être définies par un processus normal.
Tout d’abord, il est bien clair qu’un processus stochastique conduira
toujours à la détermination de certaines constantes aléatoires C 4, C 2> . . . ,
C n, . . . , et que X ( ;) sera une fonction bien déterminée de ; et de ces
constantes. Ainsi,./n(¿) désignant comme au n° 1 la fonction continue
égale à X ( ;) po'ur les valeurs ¿i, ¿a, de t . variant linéairement
dans chacun des intervalles séparés par ces nombres et constante en
dehors de ces intervalles, on peut prendre
C/, = X(i/, ) — f rf—t ( tn
et X(¿) pourra être défini comme limite (suivant urn mode de convergence
à préciser), de la fonction
n
(2 ) ,/«(;) = -^(ô) c v?v(/)-
1
?v(¿) désignant la fonction continue, nulle pour les valeurs l 0> t%,
¿a, . . . , de ;, égale à 1 pour t = t n et variant linéairement dans
chacun des intervalles séparés par ces nombres. Les différents processus
concevables seront caractérisés par les lois dont dépendront les C v>ces
NOTIONS GÉNÉRALES SUR LES PROCESSUS STOCHASTIQUES. 29
variables pouvant naturellement ne pas être indépendantes les unes des

autres. On sait d’ailleurs (*) qu’on peut toujours représenter les Gv par
des fonctions monotones de variables aléatoires auxiliaires indépen
dantes Cv, chacune étant choisie entre zéro et un avec répartition
uniforme de la probabilité.
Il est au contraire facile de définir, par des formules du type ( i ), des
fonctions aléatoires qui ne soient pas liées à des processus normaux.
Tel sera le cas si, une telle formule ne contenant qu’un nombre fini n
de paramètres aléatoires, ces paramètres sont bien déterminés par la
connaissance des valeurs de X(£) pour n valeurs distinctes, à cela près
quelconques, de Il ne saurait en être ainsi pour un processus normal.
Une formule définissant une fonction sûrement, ou presque sûrement,
analytique, et par suite bien déterminée si on la connaît dans un inter
valle, si petit soit-il, ne peut pas non plus être liée à un processus nor
mal. Tel est le cas de la fonction
0»
(3) X ( o = 2 c «<,'*<" ’
O
la fonction 2 antn étant entière, et les |C n |étant sûrement au plus égaux

à un; X(£) est une fonction entière majorée par là\antn\. Si, sans être
bornés, les | C n | ont leurs valeurs probables bornées, on démontre
aisément qu’il y a une probabilité unité pour que la fonction ( 3) soit
entière, et cela suffit pour affirmer qu’il ne s’agit pas d’un processus
normal.
Considérons encore le cas d’une fonction de la forme
(4) X(£)— C/t <xn sin (ni —~*!>/, ),

o
la série 2 1an | étant convergente, et chacune des phases étant choisie

au hasard entre zéro et 27c. Si les E{[Cn]} ont une borne supérieure
indépendante de /1, la série (4) est presque sûrement convergente et
représente une fonction de période 2?r. Le processus ne peut donc être
normal que dans un intervalle de longueur au plus égal à 2?r; si certains
des an sont nuis, il peut arriver qu’il ne soit normal dans aucun inter
valle; tel sera le cas si la série (4) se réduit aux termes pour lesquels n
est de la forme p !
(*) Voiry par exemple, P. Lévy [ 11 ], n** 10, 39 et 64.

3o CHAPITRE II.
6. Définition directe des processus stochastiques. — Une telle défi

nition doit, d'une part, mettre en évidence les lois dont dépendent les
différentes valeurs de X (f) et la corrélation entre elles, d’autre part
permettre l’organisation d’une série d’expériences qui aboutissent au
choix d’une fonction particulière. Le premier point de vue, qui est ce
qu’on peut appeler le point de vue de Bernoulli (-), a été surtout consi
déré par E. Slutsky.
i 0 L a définition d ’un processus d'après Slutsky. — D ’après E. Slut

sky, le processus dont dépend la fonction aléatoire X (f) est défini si,
quels que soient l ’entier n et les valeurs OÔo, 0„ de t dans
l’intervalle où l’on étudie cette fonction, on connaît la fonction de
répartition
(5) U/l ( Æ*î, • • •
j %n)
= P r | X (0,) < ¿ri, X (62) < Xt, X (0„) < x n j.
Cette fonction étant connue, on peut en déduire, sauf peut-être pour

des systèmes de valeurs d e X ( 04), X (0 2), . . . ,X ( 0n_i), dont la probabilité
est nulle, la loi dont dépendX(0„) lorsque X(0|), X(62), . . X(0„_i)
sont connus. On peut donc définir les conditions d’une expérience
aboutissant au choix de X(0„). Si alors on choisit d’une manière quel
conque une suite de valeurs
(6) t\, tiy . • /«; ...
de t , on peut définir les conditions dans lesquelles on choisira succes

sivement tous les X(£n).
Si l’on veut aboutir à la définition de X (l) dans un certain inter
valle (a, p), il faut prendre pour suite (6) une suite partout dense dans
cet intervalle. La définition successive des X (frt) peut alors comprendre
certaines extrapolations, mais comprend une infinité d’interpolations. Le
rôle de ces interpolations est essentiel dans la formation effective des
fonctions définies par des processus stochastiques.
Nous avons maintenant à étudier, d’une part les conditions de
compatibilité que doivent vérifier les fonctions U«, d’autre part la
définition de X (f) pour les valeurs de t qui n’appartiennent pas à la
suite (6), définition qui n’est possible que si l’on impose aux fonc-
(■ ) Le point de vue de Bernoulli est limite à l’étude des probabilités d’événements

qui ne dépendent chacun que d’un nombre fini n d’expériences, et de leur compor
tement asymptotique pour n infini. Le cas où les événements dont on étudie la probabilité
dépendent eux-inémes d’une infinité d’expériences a été étudié pour la première fois
en 1909 dans le mémoire de E. Borel [Il sur les probabilités dénombrables.
NOTIONS GÉNÉRALES SUR LES PROCESSUS STOCHASTIQUES. 3l
lions Un(/)de nouvelles restrictions, qui sonl des conditions asymp

totiques. Nous ne ferons d’ailleurs que poser des problèmes qui ne
semblent pas susceptibles d’étre résolus par des formules simples.
2° Conditions de com patibilité. — Considérons d’abord chaque

fonction U/i indépendamment des autres; nous la supposons définie
lorsque 0*, 02, . . . , 0,* sont n valeurs toutes différentes dans l’intervalle
où il s’agit de définir X(£), et rangéés dans un ordre quelconque. Cette
fonction Un doit, d’une part dépendre d’une manière symétrique des n
groupes de nombres 0/, x d’autre part, considérée comme fonction
de X i 9 x 2, . . . , x n, être une fonction de répartition.
Il y a d’autre part entre Urt et U,t_i la relation évidente
( ? ) U /|( 01 j # 1? û rt— i) •**/<— I , 6 / |, oo) = — l ( 0i , X i , . . . , 0 /1— 1 ) l)»
D ’après cette relation, la donnée de U» implique celles de Un-i,

Uftâ, . . . , U*. Il en résulte que toutes les données de Slutsky peuvent
se déduire de la fonction de répartition à une infinité de variables
U(6,, x ly 62, .r5, . . 0„. x n. ...) .
En y faisant x n+\ = x n+>>= •. • = oc, on en déduit Urt.

Mais la difficulté de définir une fonction de répartition à une infi
nité de variables conduit à se poser plu tôt le problème inverse : déterminer
successivement U i, U2, U;l, . . . , en mettant chaque,fois en évidence les
conditions que doit vérifier U n. O r, cette méthode présente une
difficulté) que l’on rencontre pour la première fois pour n = 3 : il peut
arriver que ces conditions soient incompatibles.
Pour le montrer, considérons trois variables aléatoires X(/i) = X,
X ( i 2) = Y , X ( * 3) = Z; supposons pour fixer les idées qu’elles dépendent
d’une même loi de probabilité, et qu’on connaisse leurs corrélations
deux à deux, définies par les trois fonctions de répartition G i { y , z ) ,
G 2( g, x ) 7 G *(x, y), qui doivent naturellement vérifier les conditions
Gt(co, x ) = * G5( * , oo), G s ( * > .y ) = G ,(y,o o ), Gi(oc,^) = G2(z , oo).
Ces conditions n’empéchent pas qu’il puisse arriver que X et V aient

une corrélation telle que X — Y soit très petit (en probabilité, ou m. q),
que X — Z soit de même très petit, mais que Z— Y ne soit pas petit. II
est clair que dans ces conditions les données sont incompatibles; il
n’existe alors pas de fonction de répartition II (,x , y , z) à trois variables
vérifiant à la fois les trois conditions
H (*>,y, z) = G , (y, z), H ( x , oo, z) = G*(*, x) , H ( x , y , oo) = G ¡ ( x , y ) .
3-2 CHAPITRE H.
O r, en se donnant U 2, on se donne les fonctions de répartition d'une

infinité de groupes de deux variables X (J4) et X ( i 2). Il ne suffit pas que
soient vérifiées les conditions triviales rappelées tout à l’heure, c’est-à-
dire que ce soient bien des fonctions de répartition, et que la condition (7)
soit vérifiée pour n = 2. Il faut certaines conditions de compatibilité
pour qu’on puisse grouper ces variables trois à trois, c’est-à-dire déter
miner une fonction de répartition Us qui vérifie encore la condition (7).
Il faut qu’ensuite on puisse délerminer U 4, U5, et ainsi de suite*
Nous nous contentons de signaler l’existence de ces conditions de
compatibilité. Il ne semble pas que le problème ainsi posé puisse être
résolu d’une manière simple.
Par coutre il peut être éludé, en ce sens qu’il suffit de considérer une
suite (6) particulière, qui soit partout dense dans l’intervalle de variation
de et déterminer successivement tous les X(£;l), chacune des
expériences étant régie par une loi qui peut dépendre d’une manière
quelconque des résultats des expériences antérieures. Il n’y a alors
aucune condition de compatibilité et l’on peut aborder directement
l’élude des conditions de convergence.
3° Conditions asymptotiques. — Les conditions de compatibilité

dont nous venons de parler ne sont pas suffisantes pour qu’il existe
presque sûrement une fonction X ( l) et une seule déterminée par les
valeurs successivement obtenues pour les X(£/t). Ainsi, considérons la
fonction aléatoire X ( l) dont toutes les valeurs résultent d’expériences
régies par une même loi et absolument indépendantes les unes des
autres; la connaissance de tous les X ( ln) n’apprend rien sur les valeurs
de X ( l) pour les valeurs de t n’appartenant pas à la suite des tn.
Pour cette fonction, la probabilité d’une propriété donnée, à moins
qu’elle ne dépende que d’une infinité dénombrable au plus de valeurs
de X ( l) , ne saurait être que zéro ou un; ainsi la probabilité qu’elle soit
mesurable est nulle. Ces circonstances n’encouragent guère à appro
fondir l’étude d’une fonction aussi bizarre; en tout cas, nous exclurons
ces fonctions de notre élude, et ne considérerons que les données de
Slutsky définissent un processus stochastique que si les expériences qui
déterminent successivement les X(£„) conduisent avec une probabilité
unité à la définition d’une fonction X (£) bien définie dans (<x,(3), sauf peut-
être pour certaines valeurs singulières, aléatoires ou non, et constituant un
ensemble de mesure, nulle. Nous allons envisager successivement deux
méthodes de définition de X(£) en parlant des X(£,,); elles utilisent
toutes les deux des considérations de continuité.
Prem ière méthode. — Cette méthode consiste à définir X(£ — o)

comme limite des valeurs connues X ( t¿), les ta ¿tant des nombres de la
suite (6) qui tendent vers t par valeurs plus petites; on définit X(£ -f- o)
d’une manière analogue. Pour la définition de X (¿ — o), on peut
supposer que les r* soient croissants et correspondent à des valeurs
croissantes de l’indice n qui indique leur rang dans la suite (6). La loi
dont dépend la suite des X ( t¿) est alors la même que si l’on avait pris la
suite des rh pour suite (6 ); les autres tn n’interviennent pas. La limite
X (¿ — o) est alors bien définie si la série de terme général
Yh = X ( t n ) - \ U h - i )
est convergente; dire que X ( i — o) est presque sûrement bien défini,

c’est dire que cette série est presque sûrement convergente.
On est alors conduit à dire que les fonctions U* de Slutsky conduisent
à un processus bien défini si, quelle que soit la suite des nombres
tendant d’une manière monotone vers une limite l, les X(¿¿) déterminées
successivement par les expériences dont les fonctions Un définissent les
les conditions, forment une suite presque sûrement convergente (ou, en
d’autres termes, si la série 2 Y * est presque sûrement convergente).
Sans revenir sur les conditions de convergence d’une telle série que
nous avons étudiées ailleurs ( :*), disons que c ’est à cause de la nécessité
de cette condition restrictive qu’on a en général pour les fonctions
définies par des processus stochastiques
X( î') - X ( 0 = 0 ( v^7 ^ 7]),
en probabilité, si £, c’est-à-dire
lim ÏÏm P r { I X (f') — X ( 0 I > c <J\ t'— t\ ¡ = o.

<•>- <>/ >
Si cela n’est vrai qu’en général, c’est qu’il est possible d’échapper à
cette condition restrictive en ajoutant par exemple une fonction non
aléatoire f ( t ) pour laquelle l’accroissement / (£ ')— f ( t ) tende assez
lentement vers zéro quand tr tend vers t. Mais ce qu’on peut appeler la
p a rt du hasard dans l’accroissement X ( /') — X ( t ) doit être O (y/| ¿ — * |) •
Ainsi cette condition ne serait pas vérifiée si l’on avait, pour une suite
particulière de nombres croissants
Y/t= — (°< a < I),
(») P. Lévy [11], Chapitre VI, et Chapitre VIII, n* 68.

34 CHAPITRE II.
les Zh étant des variables laplaciennes réduites, indépendantes les unes

des autres; il pourrait arriver alors, les ayant une limite finie que la
série 2 ( t¿— Tk_i)‘ x soit divergente; la série 2 Y* serait presque sûrement
divergente, et X (¿ — o) ne serait pas défini.
Deuxièm e méthode. — C ’est celle qui nous a déjà servi pour l’étude
du mouvement brownien. Les déterminations de X(f* ), X ( l a) , . . . , X (¿n)
permettent de définir une fonction /„(£), égale à X ( i) pour les
valeur tn de et variant linéairement dans chacun des
intervallés séparés par ces valeurs. Dans le cas du mouvement brownien,
nous avons vu que ces fonctions ont presque sûrement, pour ra infini, une
limite continue X(£). Plus généralement, chaque fois que la première
méthode de déGnilion d e X ( i) conduit à une fonction X(£) continue en
un point ¿, f n{t) tend en ce point vers X ( i) . Si donc cette première
méthode conduit presque sûrement à une fonction continue X (¿), cette
fonction peut aussi être définie comme limite presque sûre de f n{ t ). De
même, si X (¿) peut avoir certains points de discontinuité, cette fonction
sera tout de même définie comme limite de /n(0> su*te des fonctions
f n ( t ) étant presque sûrement convergente, sauf en certains points
singuliers, qui peuvent être aléatoires (comme c’est le cas pour les
processus étudiés au n° 4 ).
Remarquons que même des conditions de convergence moins
restrictives suffisent pour qu’on puisse considérer que la suite des
fonctions f n(t) a une limite X (¿). Ainsi il suffit que X(£) soit une
limite en mesure en probabilité, c’est-à-dire que, quelque petits que
soient s, e' et e" positifs, on puisse déterminer N de manière que n > N
entraîne
¡X ( 0 - / n ( 0 l^ ,
sauf peut-être sur un ensemble de valeurs de t dont la mesure ne
dépasse e' que dans des cas de probabilité elle-même au plus égale à e".
En d’autres termes, c’est une convergence en probabilité, si l’on suppose
que lé hasard intervienne à la fois dans le choix de t et dans celui
des X ( î a ).
7 . Continuité des processus stochastiques. — D ’après ce qu’on vient

de voir, des considérations de continuité jouent un rôle essentiel dans
la définition de X (¿ ); nous n’étudions au fond que des processus
continus; mais il est nécessaire de distinguer plusieurs modes de
continuité.
Nous dirons qu’un processus est fortement continu dans un intervalle
( ¿0) ¿1) si la fonction aléatoire X ( f) définie par ce processus est presque

sûrement continue dans tout cet intervalle.
Nous dirpns qu’un processus a au point t 0 (ou à sa droite, ou à sa
gauche) la continuité locale presque sûre si X ( f) est presque sûre
ment continu en ce point (ou à sa droite, ou à sa gauche). L ’exemple du
processus lié à la loi de Poisson (n ° 4 , i°) montre que cette continuité
locale presque sûre peut être réalisée en tous les points d’un intervalle
sans que le processus y soit fortement continu. L ’exemple du n° 4 , 20
montre même qu’elle est compatible avec l’existence presque sûre
de points de discontinuité formant un ensemble partout dense
dans l’intervalle considéré. Mais il ne peut s’agir que de discontinuités
mobiles; leur position est aléatoire : la probabilité qu’il y ait une
discontinuité en un point donné d’avance est nulle.
Si, dans l’intervalle ( f 0> £*) (£0 < £*), cette continuité locale presque
sûre est réalisée en tout point intérieur, ainsi qu’à droite de f0 et à
gauche de ¿{, cette continuité est nécessairement uniforme. Cela signifie
que, quels que soient £ et e' positifs, on peut déterminer A = A (£, e;)
positif (et < ti — f0) de manière que, pour tout t ^ t 0 et ^ t i — A, on
ait
( 8) Pr j Ose [X (x )(f + A)] > e J < e',
Ose [X ( t ) (t ^ r ^ t + A] désignant Voscillation de X (r), c’est-à-dire

la différence de ses valeurs extrêmes, dans l’intervalle (£, t + h ). La
démonstration de ce résultat est tout à fait analogue à celle du théorème
classique sur la continuité uniforme des fonctions non aléatoires ( 4).
Si donc on divise l’intervalle ( f 0> £i) en intervalles partiels tous au
plus égaux à A, la formule (8) s’applique à tous ces intervalles partiels;
pour chacun d’eux, la probabilité d’une oscillation supérieure à £ est
petite (si ef est petit). Mais la probabilité totale peut n’être pas petite;
elle peut même être voisine de l’unité ; il existera alors très probablement
un des intervalles partiels pour lequel l’oscillation sera supérieure à £;
(4) La démonstration repose essentiellement sur la remarque que, si le processus est

continu en un point t , aux nombres t et e' correspond en ce point un module de
continuité s h tel que
Pr { Osc[X ( r ) (£ — 2A + e'.
Le point t est alors intérieur à l’intervalle (£ — A, i + A), dans lequel h est module
de continuité uniforme relatif à 1 et e'. D’après le théorème de Borel-Lebesgue, l’inter
valle ( 1„ t () peut être recouvert par un nombre fini d’intervalles analogues, et le plus
petit des modules de continuité uniforme relatifs à ces intervalles partiels est module
de continuité uniforme pour l’intervalle •(<„ lt).
36 CHAPITRE II.
mais on ne saura pas à l’avance lequel. Il peut en être ainsi quelque

petit que soit /i, c’est-à-dire que, comme nous l’avons déjà observé, le
processus peut n’être pas fortement continu.
Un mode de continuité moins restrictif encore que le précédent est la
continuité locale en probabilité. Elle est réalisée en un point t 0 si X (i)
tend en probabilité vers X ( t 0 ) quand t tend vers t0, c’est-à-dire si, pour
tout e positif, on a
( 9) lim Pr{| X ( 0 - X ( * o ) J > tj = 0 ( * - W 0).
Montrons par un exemple que cette continuité est effectivement moins

restrictive que la précédente. X (£ 0) étant supposé nul, prenons pour
X ^¿0 + ^ une variable aléatoire K n ayant pour valeurs possibles zéro
et un, les probabilités respectives de ces valeurs étant 1 — i et i ; suppo

sons tous les X n indépendants les uns des autres, et définissons X(£) dans
l’intervalle (t0, t 0 -h 1 ) par la condition d’être continu et de varier linéai
rement dans chacun des intervalles î0-h n t > i 0H- ^ (n = 1,2 , . . . ).
Dans chacun de ces intervalles, on a
P r { x « ) _ .) - ( — ! )
cette probabilité tend vers un pour n infini. Il y a donc convergence en

probabilité vers X ( i 0) = o, c’est-à-dire que le processus est continu en
probabilité à droite du point t0. Pourtant, la série 2 ^ étant divergente,
il résulte du lemiïie de E. Borel qu’il y a presque sûrement une infinité
de Xn qui ont la valeur un, et X ( i) est presque sûrement discontinu à
droite de t0.
Un dernier mode de continuité important à considérer est la continuité
en moyenne d'ordre a(a > o). Elle est réalisée au point t 0 si
(ro) lim E j| X(/) — X(*o) |*| = o + o).
Le cas a = 2 est particulièrement important; nous dirons dans ce cas

qu’ily a continuité en moyenne quadratique (ou, par abréviation, m. q .)
La continuité en moyenne d’ordre a est d’autant plus restrictive que a
est plus grand; elle est toujours plus restrictive que la continuité locale
en probabilité.
Pour tous ces modes de continuité, comme nous l ’avons déjà vu pour
la continuité locale presque sûre, si le processus est continu en tout
NOTIONS GÉNÉRALES SUR LES PROCESSUS STOCHASTIQUES.
point de (¿0, ti) (t 0 < *i)> à droite de i 0î et à gauche de tlf la continuité

est uniforme dans tout Cet intervalle.
8 . Premières notions sur les processus de Markoff. — i° Définitions

et remarques prélim inaires. — On appelle processus de M a rkoff ( 5),
les processus pour lesquels, à tout instant l, les probabilités actuelles
des événements futurs ne dépendent que de t et X ( l) . Les processus
pour lesquels ces probabilités dépendent en outre du passé [c ’est-à-dire
des valeurs de X (r) pour r < t] sont appelés héréditaires.
Tous les processus étudiés au chapitre I sont des processus de Markoff.
Dans le cas d’un processus de Markoff, si £0 < t < ¿4, et si X(£) n’est
pas connu, il peut naturellement y avoir une corrélation entre X (t0) et
X ( ii) . Mais si l’on connaît X (i) sans avoir de renseignements sur X ( f0)
et X (£i), X ( i t ) est, par la définition même des processus de Markoff,
indépendant de X (£<>); donc réciproquement X ( i 0) est indépendant de
X(£t). L a connaissance du présent rend ainsi le passé et Pavenir
stochastiquement indépendants Vun de Vautre. On peut dire aussi :
le passé n'agit sur l'avenir que par l'interm édiaire du présent,
On remarque l’analogie de ce principe et du principe d’Huyghens. On
peut dire que c’est le principe d'Huyghens du calcul des probabilités.
Les processus de Markoff sont ceux pour lesquels le principe d’Huyghens
s’applique.
On pourrait être tenté d’en déduire que les processus héréditaires
n’ont pas d’applications physiques. Cela est inexact, du moins si l’on
tient compte de l’imperfection de nos connaissances. Considérons en
effet un système dont les propriétés accessibles à notre observation
peuvent être définies par n grandeurs scalaires X ^ i) , X 2( i) , . . . ,
X „ ( 0 , que nous considérerons comme les composantes d’une fonction
vectorielle X(£). Il peut arriver que des propriétés non accessibles à
notre observation actuelle, qu’on peut représenter par une autre
fonction vectorielle Y ( i ) , soient en corrélation avec les valeurs passées
et les valeurs futures de X (*). Alors, même si l’on peut dire théori
quement que le système X ( f) , Y (t) dépend d’un processus de Markoff,
la conclusion ne subsiste pas si l’on étudie X (J) indépendamment de
Y {t), car les valeurs passées de X(£) agissent sur l’avenir de cette même
fonction, non seulement par l’intermédiaire de sa valeur actuelle, mais
par celui de Y ( i) .
(*) Les travaux de Markoff n’ont porté que sur les chaînes discontinues simples , ou
de Markoff, C’est A. Khintchine qui a proposé d’appeler processus de Markoff ceux
qui sont la généralisation naturelle des chaînes de Markoff, dont nous parlerons au n* 9.
38 CHAPITRE II«
Une remarque analogue s'applique d’ailleurs dans tous les problèmes

de dynamique dans lesquels X ( l) admet nécessairement une dérivée
X '(f). Il peut arriver que le système X ( i) , X '(j) dépende d’un processus
de Markoff; mais si l’on veut éliminer X '(i) et étudier X (£), les
probabilités relatives à l’avenir dépendant de X'(£), qui est une
certaine fonctionnelle dépendant du passé immédiat de X (J), et pas
seulement de X (J), le processus doit être considéré comme héré
ditaire.
Il en résulte qu’inversement un processus héréditaire peut parfois,
par l’introduction de fonctions auxiliaires, se transformer en un processus
de Markoff relatif à une fonction aléatoire vectorielle.
Nous reviendrons sur ces remarques à propos des équations différen
tielles stochastiques.
2° Définition analytique d'un processus de M arkoff. — D ’après la

définition des processus de Markoff, la loi de probabilité conditionnelle
dont dépend X ( i) ( t > £0), quand X (r ) est connu pour tous lqs r ^ t 0,
est définie par la formule
(n ) Pr j X ( f ) 0 /X(*o) = #0} = F('o, *0; x)\
F, considéré comme fonction de ¿r, est une fonction de répartition; elle

définit une probabilité de passage; c’est la probabilité de passer,
pendant l’intervalle de temps (¿0î de x 0 à une valeur inférieure à x.
Nous désignerons par d F sa variation quand a? varie de d x , t 0 , x 9 et t
restant constants ; c’est la probabilité de passage de x 0 à une valeur de
l’intervalle (x , x d x ).
La fonction F ne peut pas dépendre d’une manière quelconque des
paramètres t0l ti et x 0. Nous reviendrons sur cette question au
Chapitre III, qui sera spécialement consacré à l’étude des processus de
Markoff. Pour le moment, nous allons seulement indiquer les relations
entre cette fonction F, et les fonctions U* de Slutsky définies au n° 6.
En raison du rôle que la fonction U< jouera dans la suite, nous la
désignerons plus simplement par U.
La donnée de F ne définit bien entendu que des probabilités de
passage. Pour obtenir les probabilités absolues, définies par les
fonctions Un» il faut compléter la donnée de F par une donnée
in itia le, qui sera celle de la fonction de répartition de X (£0); c’est la
fonction U ( f 0î #), que nous désignerons plus simplement par U0(#)*
Nous modifierons d’ailleurs, pour le cas des processus de Markoff, le
langage adopté au n °6; nous considérerons le processus comme défini
par la fonction F ( i 0î t, ^ )i ce processus, appliqué à différentes

données initiales, donnera différentes fonctions aléatoires.
Nous désignerons par ¿0, t i 7 f2, s . . des valeurs croissantes de i. Des
définitions des fonctions U0 et F , et du théorème des probabilités
composées, on déduit
| Pr jç^X(fo)<ÊH -d$, = rfü0(Ç)o?F(io, gu Xi)
(12) ) Pr ^ X ( i0) < Î H-d£, Xx^X(ti) < x i + dxi, < xt-h dx^
( = rfUo(?)^F(io, £; tty ^t) dF(ti, #1; t%->#2),
et, d'une manière générale,
( Pr | £^X(*o)<Ê-h x±^:X(ti)<lXi-+-dxi, . •. jXn^Xÿn) < x n+ dxn\)

^ Êî ii»*i)- • .dF^nr-t, x n-i\ tn, x„)J
Il suffit d'intégrer cette formule par rapport à Ç, de :— oo à -J- oo, pour

obtenir la probabilité élémentaire relative au système des n variables
aléatoires X (i<), X ( i 2), .. ., X ( i a); par de nouvelles intégrations, on
aura la fonction de répartition. Ainsi, pour n = i et n — 2, il vient
U(i, ¿0 = f f d{Jo(t)dF(t0j {; i, Çi)
U* (ii, a?i, £♦ , a?*) = (fl* rfF(io, £»ii> £1 ) ^P(ii, Çi >i*, £î )»

JUll<Xuït<xt
Si la loi de probabilité définie par la fonction F est absolument

continue, celles définies par les fonctions U« le sont aussi pour i > i 0,
et, si l’on désigne les densités de probabilité de ces lois par f et un, les
formules précédentes prennent la forme
iu (t,x)= J’ /(<0, Ç;i,a:)rfU«(Ç),

05 ) -4-»
/
| Wl(*l, d?l, ii, #1) = /(io> £>it> )/(ii, ^1 î it, ^2) dUo(£),
et ainsi de suite. Si de plus U0( j?) est absolument continu, on peut

écrire
f **t(io, &Q, il| 3?l) = Uo(^?o)y(io, ôî il, 3?t),
^ Kj(io, Xo, il, Xi, t+. Xi) = Wo(37o)y(io, Xq\ il, 3?l)y*(il, 4?1î i*,
et ainsi de suite.
On peut inversement déduire la fonction F des données de Slutsky,
qui, dans le cas d’un processus de Markoff, se réduisent à la seule
4o CHAPITRE II.
fonction U2. On sait d'une manière générale que, quand on connaît une
loi à deux variables X et Y , on peut en déduire la loi dont dépend X et,
sauf peut-être pour un ensemble de valeurs de X ayant une probabilité
nulle, la loi conditionnelle dont dépend Y quand X est connu, à cela
près que l'on peut arbitrairement modifier cette loi pour des valeurs
de X formant un autre ensemble de probabilité nulle. Une telle modifi
cation est évidemment sans effet sur la loi à deux variables X et Y . De
plus il arrivera souvent que, parmi les différentes solutions ainsi équi
valentes, des considérations de continuité conduisent à en choisir une,
qui dépendra seule de X d'une manière continue.
L'application de ces résultats à l'ensemble des variables aléatoires X (fi)
et X ( i 2) nous montre que la donnée de U 2 détermine F, et par suite
toutes les fonctions Un. Mais, bien entendu, la fonction U 2 relative à un
processus de Markoff ne peut pas être une fonction de répartition à deux
variables x K et x 2 et dépendant d'une manière quelconque de et t2-
Elle doit vérifier des conditions plus restrictives que celles relatives au
cas d'un processus quelconque et définies au n° 6. Nous n’insisterons
pas sur cette question, car il est préférable de définir un processus de
Markoff par la fonction F ; les différentes fonctions U 2 liées à une même
fonction F sont ensuite données par la seconde formule ( i 5 ).
Remarquons, pour terminer ces notions générales sur les processus
de Markoff, que, tandis que la définition d'un processus quelconque par
les fonctions de Slutsky fait jouer au passé et à l'avenir des rôles
absolument symétriques, cette symétrie disparaît dans le cas d'un
processus de Markoff défini par la fonction F. Elle peut seulement
réapparaître dans certains cas particuliers, comme celui des processus
additifs que nous étudierons au Chapitre V ( 6).
9 . Les équations différentielles stochastiques. — i° Notions

générales. — Ces équations constituent une nouvelle forme, souvent
commode, pour la définition des processus de Markoff, tandis que des
équations plus générales, qu'on peut appeler équations intégro-diffé-
rentielles stochastiques, définissent de même des processus héréditaires.
Ces équations se déduisent aisément de la théorie des chaînes stochas
tiques, par un passage à la limite analogue à celui qui en analyse
classique conduit des suites récurrentes aux équations différentielles ou
inlégro-différentielles. Rappelons d'abord qu'une chainexstochastique
(6) Il en est du moins ainsi si l’on étudie ces processus au point de vue relatif, c’est-
à-dire si l’on ne s’intéresse qu’à la loi dont dépendent les accroissements X (i,)— X(£0).
est une suite de grandeurs aléatoires X /I(n variant de — oo à H- go, ou

depuis une valeur initiale finie jusqu’à l’infini), que l’on suppose définies
successivement par des expériences régies par des lois de probabilité
qui, dans le cas général, dépendent de n et de toutes les quan
tités X n_3, . . antérieurement obtenues. Si cette loi ne dépend
que de n, X n_,, X n_2, . . . , X„_p (p entier indépendant de n), la chaîne
est d'ordre p ; une chaîne d’ordre i est appelée chaîne simple ou de
M arkoff ; les chaînes d’ordre > i sont dites multiples ; celles
d’ordres 2, 3, etc., sont respectivement appelées doubles, triples, etc.
Si maintenant on considère X „ comme la valeur pour tn= nr d’une
certaine fonction aléatoire X ( l) , cette fonction est connue pour les
valeurs de t qui sont multiples de t. Si r tend vers zéro, on est conduit
à passer de la notion de chaîne stochastique à celle de processus
stochastique, et de celle de chaîne de Markoff à celle de processus de
Markoff.
Si, avant de considérer ce passage à la limite, on met en évidence,
non la loi dont dépend X ra+1 en fonction de n, X,MX n_4, . . . , mais celle
dont dépend la différence X n+i — X A, le passage à la limite conduit à
définir, en fonction de i, de X (*) et de toutes les valeurs passées
de X ( tr) ( tf<Zt)y et enfin d’un accroissement infinitésimal dt de f,
l’accroissement correspondant 4X ( f) de X ( i) . L ’équation obtenue est
tout à fait analogue à l’équation différentielle ou intégro-différen-
tielle d x =: x rdt, dans laquelle x r est donné en fonction de ¿, x y et éven
tuellement des valeurs de x{t*) pour tf < t. De même que d x n’est pas
rigoureusement l’accroissement de x ( t ) y mais qu’on néglige des termes
qui sont o ( d t ) y5X ( i) ne sera pas exactement X (t-\ -d t) — X (f); nous
désignerons par 4X (f) n’importe quelle expression de X.(t-\-dt)— X (j)
assez approchée pour définir sans erreur le processus stochastique
dont dépend X ( i) . Nous verrons tout à l’heure quelle est la nature
de l’erreur infinitésimale ainsi permise, que nous désignerons
par dt).
D’autre part, au lieu de définir la fonction de répartition de 4X ( i) ,
on supposera souvent connues une ou plusieurs variables aléatoires !•, t?,...,
de types familiers, qui seront par exemple des variables laplaciennes
réduites indépendantes les unes des autres. Une équation différentielle
stochastique sera alors une équation de la forme
( 17) 8 X ( 0 « ? [ i , < * , X ( 0 , ï , -n ,...] ,
tandis que, si 4X (* ) dépend en outre des valeurs passées de la fonction

étudiée, on aura une équation intégro-différentielle stochastique.
P. LÉVT. 4
42 CHAPITRE II.
Ainsi le processus du mouvement brownien défini au n° i peut être

aussi défini par l’équation différentielle-stochastique
( 18) 8 X ( 0 = SV/S ( d t > o),
où \ est une variable laplacienne réduite, et il est naturel de représenter

son intégrale par la formule
(19) x (o = X(/«)+ f ^ dt (*><•)«
qui ne donne bien entendu qu’une représentation symbolique; la signifi

cation précise de l’intégrale qui y figure se déduit de la définition
constructive de X(£) donnée aux n9S 1 , 2 .
20 V in tég ra tion au point de vue de B ern o u lli. — Dans ses

premiers travaux sur les équations différentielles stochastiques, S. Berns
tein [1 et 2], s’est surtout placé au point de vue de J. Bernoulli et
E. Slutsky; il s’agit à ce point de vue de déduire d’une équation diffé
rentielle stochastique et de conditions initiales données, les lois de
probabilité des valeurs de X ( f ) à différents instants i, et leur corréla
tion. En d’autres termes, il s’agit de former, soit les fonctions U„ de
Slutsky, soit la probabilité de passage F.
A ce point de vue, il n’y a pas de difficulté à employer avec S. Berns
tein le principe de la méthode de Cauchy-Lipschitz : donner d’abord
à dt une valeur fixe t , et former la chaîne des variables aléatoires
X n= X (n r); puis passer à la limite, en faisant tendre r vers zéro. Si t'
et t" sont deux valeurs de r ainsi successivement considérées, la chaîne
des X ( tit') et la chaîne des X(/tT/r) résultent alors de deux séries dJex-
périences indépendantes les unes des autres; pour chaque valeur de t ,
on obtient ainsi des déterminations de X ( l ) indépendantes les unes des
autres, et il n’y a aucune raison de s’attendre à l’existence d’une limite,
fût-ce une limite en probabilité. Mais cela n’etnpéche pas que la loi
dont dépend X ( l) peut avoir une limite, et les lois à n variables
X ( i ,) , X ( ia), . . . , X ( i n) peuvent aussi avoir une limite* Le principe
de la méthode de Cauchy-Lipschitz peut ainsi conduire à l’intégration
d’une équation différentielle stochastique au point de vue de Bernoulli
et Slutskv.
Nous verrons au chapitre III, en nous inspirant des travaux de
A. Kolmogoroff et S. Bernstein, une autre méthode d’intégration basée
sur l’équation de la diffusion. C ’est une équation aux dérivées partielles,
vérifiée par la fonction U(¿, ¿r), et dont l ’intégration permet de définir
celle fonction en partant d’une détermination initiale U0(x); mais elle

ne s’applique que dans le cas des processus de MarkofT vérifiant certaines
conditions de continuité ; même si l’on se borne aux processus de MarkofT,
ceux pour lesquels il y a une équation de la difTusion apparaissent
comme exceptionnels.
Nous avons observé plus baut que la fonction b1^t^, Xw^ x)^ qui,
considérée comme fonction de x , est une fonction de répartition, n’est
pas une fonction quelconque des paramètres ¿0, x 0 et t. Nous énoncerons
ici le même résultat sous une autre forme en disant que, dans la
formule (17)9 la fonction 9 ne saurait être quelconque, ou du moins,
pour une fonction 9 donnée, les lois dont dépendent les variables
a u x ilia ir e s yj, . . . ne peuvent pas être quelconques. L’équation ne serait
pas intégrable, et cela se traduirait, soit par le fait que la méthode de
Cauchy-Lipschitz ne conduirait pas à la limite à des fonctions F ou Uw
bien déterminées, soit par le fait que, ces limites existant, le processus
ainsi défini ne vérifierait pas l’équation étudiée.
Ainsi, supposons que 3X (i) soit de la forme (18), £ désignant, non
une variable laplacienne, mais la variable du jeu dé pile ou face, ayant
deux valeurs possibles et également probables, — 1 et + 1 • La méthode
de Cauchy-Lipschitz, en posant t = n rn, fait apparaître la loi dont
dépend X (i) comme la somme de n termes de la forme A la
limite, d’après le théorème de Laplace-Liapounoff, qu’il suffit d’appliquer
ici dans le cas de Bernoulli et de Moivre, X ( i) est une variable lapla
cienne et l’on retrouve le mouvement brownien. Il y a bien une loi
limite, dX (t) est bien de la forme (18), mais \ n’est pas la variable
aléatoire du jeu de pile ou face. L ’équation (18), si l’on y suppose que £
est la variable du jeu de pile ou face, n’est donc pas intégrable.
3° L yerreur admise dans Vexpression de 3X (t) ; le contact de deux

processus. — Nous avons dit tout à l’heure que l’expression 3X ( i) ,
donnée par une équation de la forme (17), représentait X (t -}- d t) — X ( é)
avec une certaine erreur co(f, dt); il reste à préciser les conditions que
doit vérifier cette erreur pour qu’on puisse la négliger en formant une
équation différentielle stochastique, et que cette équation définisse le
processus qu’on veut étudier, comme une équation différentielle
ordinaire, jointe à une donnée de Cauchy, définit une fonction.
Cette condition, que nous représenterons par la formule
(20) co (f, dt) ro o (dt) m. q.
indiquant l’équivalence au sens de K hintchine, c’est-à-dire sauf

44 CHAPITRE II.
dans des cas de probabilité négligeable) est que o> soit de la forme
wi 4- o>a, o>i et &>2 vérifiant respectivement les conditions
(2 1) E{ü)? (f,cfc)} O (<**), Pr {ü>î(i, dt)p£o\ = 0 (dt).
Naturellement, il suffit pour cela que co(f, d í)so it o (dt) in. q., c’est-
à-dire que l’on ait
(22) E | dt) | = o(dt*).
Si la condition (20) est vérifiée d’une manière Uniforme dans un

intervalle (¿0î f 4) ( 7), et si, pour former X ( i 4) en partant de X ( ¿ 0), on
divise cet intervalle en intervalles partiels dt assez petits, la somme
dt) est nulle sauf dans des cas de probabilité arbitrairement
petite — ¿0)]> et la somme 2 w4(f, dt) est arbitrairement petite
en moyenne quadratique. L ’erreur totale 2 o)(f, d t ), somme de deux
termes qui tendent vers zéro en probabilité, tend vers zéro en probabilité.
L ’erreur w(£, dt) apparaît ainsi comme comparable à l’erreur com
mise dans la théorie des fonctions certaines de t en assimilant l’accrois
sement fini <p(t 4- dt) — o(t) et la différentielle d o ( t ) = <pf(t) d t. Cette
erreur est sans importance dans les quadratures, mais cela n’empêche
pas qu’une équation différentielle du type
dx = <p(f, x) dt
peut avoir plusieurs solutions égales pour la valeur initiale t 0 et distinctes

pour t > t0; en d’autres termes la solution du problème de Cauchy peut
n’être pas unique. Les mêmes circonstances se produisent dans la théorie
des équations différentielles stochastiques. Si la définition stochastique
de 8X (f) ne dépend pas de X ( f) , c ’est-à-dire si, ni la fonction <p [for
mule (17)]) ni les lois qui régissent les variables auxiliaires £, r¿, . . . , ne
dépendent de # = X ( f ) , on est dans le cas d’une quadrature, e t l’onpdut
dès maintenant affirmer que l ’accroissement fini est une fonction
aléatoire dépendant d’un processus défini sans ambiguïté par l’intégra
tion de dX (¿). Mais dans le cas général, l’unicité de la solution du
problème de Cauchy n’est pas certaine comme nous allons le voir au n° 10 .
Ces considérations nous conduisent tout naturellement à la définition
du contact de deux processus. Les processus dont dépendent les fonctions
aléatoires X (f) et Y ( f) seront dits tangents à Vinstant t si, les valeurs
(’ ) C’est-à-dire que, quel que soit e positif, ou peut déterminer n = *l(#) de

manière que dt ^ T| entraîne, quel que soit t dans ( tQ, tx), E { wf, (/, dt)} ^ t d P 9
Pr ( u>a(f, d t) ?£ o } ^ e d t .
initiales de ces deux fonctions étant supposées égales, on peut établir

entre ô X (f) et d Y (f) une corrélation telle que
$Y(0 — S X (0 ~ o (¿0 (m . '!•)•
Les fonctions aléatoires dépendant de processus qui admettent des

processus additifs tangents sont alors assimilables aux fonctions admet
tant des dérivées ( 8).
Sauf avis contraire, nous ne considérerons dans la suite que le contact
à droite du point t , et il sera commode de considérer l’inlant t comme
l’instant initial; les probabilités seront évaluées à cet instant, et il n’y
aura pas à se demander comment elles dépendent des valeurs passées
des fonctions étudiées.
10. Le problème de Cauchy pour les équations différentielles stochas

tiques. — i° Points de branchement p our les équations différentielles
du prem ier ordre. — Rappelons d’abord quelques résultats connus
relatifs à l’équation différentielle ordinaire.
(23) ^ = / (* , *),
où la fonction f ( t , x) est supposée uniforme et continue. On sait que

cette condition ne suffit pas à assurer l’unieité de la solution du pro
blème de Cauchy. Il peut y avoir des points de branchement ; dési
gnons par A un tel point, où deux courbes intégrales C 4 et C 2, néces
sairement tangentes, se séparent à droite de ce point. La région com
prise entro elles est nécessairement un lieu de courbes intégrales C qui
touchent C* et C 2 en A. Mais deux cas sont possibles; dans le premier
(8) Cela est surtout exact pour les processus admettant des processus linéaires
tangents. Nous appelons processus linéaires, ou encore processus additifs homogènes
dans le temps, ceux pour lesquels la loi dont dépend X (l') — X (i) ne dépend que
de t' — ¿ [ c ’est-à-dire que la fonction de répartition F(i, x ; C, x ') ne dépend que
de V — t et x ' — x ].
.Remarquons d’ailleurs qu’un processus additif non linéaire, par exemple le processus
brownien défini par
$X (i) = diL(t) + ï\fd<s'(t)
(Ç étant une variable laplacienne réduite), peut admettre un processus linéaire tangent
[c’est le cas dans l’exemple indiqué si jx(i) et sont dérivables]. Un processus
non additif, s’il admet un processus additif tangent, en admettra toujours une infinité,
parmi lesquels un au plus est linéaire. Si l’on considère comme essentiel le caractère
de la tangente d’être unique, le processus linéaire tangent sera donc seul assimilable à
une tangente.
46 CHAPITRE II.
cas, toutes les courbes C se séparent immédiatement à droite de A, qui

est alors un point de P e a n o ] dans le second cas, elles se détachent
successivement d’une des courbes limites. Des combinaisons de ces
deux cas sont aussi possibles. Ainsi, si A est à l'origine, et que Ci et C 2
soient respectivement le demi-axe O i et la courbe x — t a( t > o, a > i ),
le premier cas est réalisé en prenan t pour C les courbes x = et* (o < c < i);
le second cas est réalisé en prenant les courbes x = (t — f0)«(f > ¿o > o),
qui se détachent de C i, ou les demi-tangentes à droite à C 2. On peut
réaliser une combinaison de ces deux cas en prenant les courbes x = et*
seulement pour et, en dessous et à droite de la courbe limite
x — - t * y celles qu’on en déduit par une translation parallèle à l’axe

des t.
Nous allons étudier le cas où la fonction/(£, x) vérifie une condition
de Lipschitz de la forme
( 24) If { t y a ? i ) f { t y Xg) J ^ | X\ Xg\ ? ( £ ) •
Si la fonction <p(t) est bornée, l’unicité de la solution du problème de

Cauchy résulte du théorème bien connu d’Émile Picard. Mais il peut y
avoir des points de branchement, correspondant aux valeurs de t au
voisinage desquels <p(l) n’est pas borné; si ces valeurs sont isolées, ces
points de branchement ne peuvent être que des points de Peano. Nous
allons démontrer à ce sujet le théorème suivant.
T héorème 40. i . — L a co n dition n écessaire e t suffisante p o u r que

la co n dition ( 2 4 )'so it co m p a tib le avec V existence d ’un bran ch em en t
à d ro ite d ’un p o in t d ’abscisse t 0 est que l ’in té g r a le in d éfin ie
( 2 5 ) J | * ( 0 — d t= J ? ( 0 dt — log (< — <•)
tendé vers — oo quand t \ t 0 (un énoncé analogue s’applique à gauche

de tg ).
Démontrons d’abord que la condition est nécessaire. Supposons à cet
efietquel’équation(a 3) admette deux solutions x t (t) e tx 3 ( t ) = x 4 (t) -h u(t),
égales pour t = t0f et distinctes pour uf( t ) 9 par suite
aussi s’annulent quand i \ i 0* Donc
t — ta *
tend vers — op, et comme, dt étant négatif,
ÇiC = ■“te !/(*, **)-/(«.

cette conclusion s’applique a fo r tio r i à l’intégrale ( 25 ). c. q. f . d .
Pour démontrer la réciproque, supposons qué celte intégrale ( 25 )
tende vers — oo, et désignons par lo g u(t) une primitive d e 9 (/); quand
¿(h le rapport «(O tend vers zéro; donc u(t) s’annule pour t = t 0 et
t — t0
admet en ce point une dérivée à droite égale à zéro. La fonction x ( t 1 c)
ayant les valeurs définies* par le tableau suivant :
t ^ t Q
C^ I C— I C — I -+■ u ( t )
O ^ C ^ I 0 cu{t)
lf\
c c
0
est alors solution d’une équation de la forme ( 23 ) pour laquelle la

condition de Lipschitz (24) est vérifiée, et pour laquelle le point
t = £0, x = o, est un point de Peano, ce qui démontre la seconde partie
du théorème 1 0 .1 .
On déduit immédiatement de la première partie de ce théorème que :
C orollaire 10 .1 . — S i la fon ction 9(*) est sommable dans un

intervalle, et si la condition (24) y est vérifiée, Véquation ( 23) n'y
admet aucun point de branchement.
20 Extension a u x équations différentielles stochastiques. — Nous

ne considérerons que le cas des équations donnant pour 3X ( t ) des
expressions ayant des moments finis des deux premiers ordres et dont
il est entendu qu’elles représentent X ( i -h dt) — X ( f) avec une erreur
qui est o (dt) en moyenne quadratique. Etant données d’autre part
deux variables aléatoires X et Y ayant leurs moments finis des deux
premiers ordres, nous désignerons par p (X , Y ) la valeur quadratique
moyenne de X — Y . Si la corrélation entre X et Y n’est pas donnée, on la
supposera définie de manière à rendre p (X , Y ) minimum, c’est-à-dire
que l’on établira entre X et Y la relation non aléatoire F ( X ) = G (Y ),
F (a?) et G {y) désignant respectivement les fonctions de répartition
4* CHAPITRE II.
de X et Y . L ’expression p ainsi définie est une distance, c’est-à-dire

qu’elle vérifie l’inégalité triangulaire, que l’on peut écrire
(26) p(XoH-Xj, Y0*+-Yt) p ( X 0, Y0)-hp(Xi, Yj).
De plus, si p0 et p* désignent respectivement les valeurs de p déduites

des probabilités évaluées respectivement aux instants t 0 et t > £0>©t si
£ désigne une valeur probable évaluée à l’instant t0l on a
(27) pî(X, Y ) ^ E { p * ( X , Y)}.
Supposons alors que, de l’expression de 3X (i) donnée par une équa

tion différentielle stochastique, on déduise la condition de Lipschitz
(28) Pi[«i(0, «*(01^1 Xî (0 - x t(o 19(0 dt (dt > o),
où X 1 (t) et X 2(i) sont deux solutions de l’équation considérée, et par
suite, d’après (27)
(29) potaxô, m ,( 0 ] ^ * ( 0 < * po[Xi (0< x a(f)]-

Nous allons démontrer que :
T héorème 1 0 . 2 . — Le théorème 10 .1 s'étend a u x équations diffé

rentielles stochastiques, à condition de remplacer la condition (24)
p a r la condition (28).
Avant de le démontrer, précisons bien ce que nous appelons point de

branchement pour une équation différentielle stochastique. Il ne s’agit
pas d’un point à partir duquel deux expériences différentes peuvent
donner deux déterminations différentes, mais d’un point pour lequel la
probabilité de passage F(*0, #o5 0 #), pour t — 1 0 positif et très petit,
n’est pas déterminée par l’équation différentielle stochastique étudiée (10).
Pour démontrer la première partie du théorème, supposons que t 0
soit point de branchement. Il y a donc deux fonctions aléatoires
X i(i). et X 2(i), égales à l’instant initial t0, et ayant à cet instant la
même variation 5X (/ 0), donnée par l’équation étudiée avec une erreur
qui est o (dt) en moyenne quadratique. Leur différence est donc o (dt)
en moyenne quadratique, c’est-à-dire que
,imr = ^ = 0 { * V * . po(0 = p»[Xi(0, x,(f)]}

et par suite
( 3°) !°g = f — log( t — to)

*— H J Po(«)
Or, des formules (26) et (29) [qui résulte de l’hypothèse (28)], on

déduit
¿po(0 po[¿Xi(t)} $XS(*)] ^ 9(*)Po(0 dt (dt > o).
Cette inégalité étant retournée si dt < o, on déduit de ( 3o)
(31) J o(t)dt — Iog(f — f o ) — 0° (t \ t o ) y

C. Q. F. D.
Pour démontrer la réciproque, il s’agit, étant donnée une fonction cp(£)

qui vérifie la condition ( 3o), de former une équation différentielle sto
chastique, vérifiant la condition (28), et pour laquelle t 0 soit l’abscisse
d’un point de branchement. Les équations différentielles ordinaires
étant des cas particuliers des équations différentielles stochastiques,
l’exemple qui nous a servi à démontrer le théorème 40 .1 est suffisant.
Il peut être utile d’indiquer tout de même un exemple qui fasse inter
venir effectivement le hasard. Posons à cet effet
( 32) X (0 = «(*)[* H- Y ( 0 ],
Y(£) étant la fonction du mouvement brownien linéaire définie au n° 1,

et u(t) désignant la fonction introduite dans la démonstration du théo
rème 10 .1 . On a
(33) SX(/) = X ( 0 o(t)dt + ç u ( 0 )Jdi,
£ étant une variable laplacienne réduite. La constante c étant éliminée,

toutes les fonctions ( 32 ) sont bien solutions de la même équation ( 33 ),
et, comme elles s’annulent pour t = £0, cc point est un point de bran
chement. Si d’ailleurs X , (t) et X 2 (i) sont deux de ces fonctions, on a
8X S( 0 - SX, (0 = [X2( 0 - X, (OJ 9 (0 dt,
de sorte que la condition (28) est bien vérifiée.

On remarque que, si l’on suppose Y ( i 0) = o, la connaissance de X ( i)
pour une valeur particulière de t supérieure à t 0 ne permet pas de déter-'
miner c; on connaît la somme c 4- Y ( i ) sans savoir la part de chaque
terme. Gela n’empêche pas la loi dont dépend la variation ultérieure de
X(£) d’être bien déterminée. Si au contraire X(£) est connu dans un
intervalle (t0, i,) (£, ;> ¿0), c est bien déterminé par la formule
5o CHAPITRE II.
11. Formation effective de X ( j) . — La méthode la plus simple pour

définir en partant d’une équation différentielle stochastique les conditions
d'une série d’expériences qui aboutisse au choix de la fonction aléatoire
X ( f) semble consister à décomposer la difficulté. On intégrera d’abord
l’équation au point de vue de Bernoulli et S. Bernstein, soit en utilisant
le principe de la méthode de Cauchy-Lipschitz, soit plutôt en formant
et intégrant l’équation de la diffusion (que nous étudierons au n° 16).
On pourra ainsi, de la donnée initiale U 0(#), déduire toutes les fonc
tions Un de Slutsky (si d’ailleurs il s’agit d’une équation différentielle
stochastique, et non intégro-différentielle, la connaissance de U2 est
suffisante; U3, dont on a besoin pour la suite des calculs, s’en déduit).
Ces fonctions étant connues, on construit X (£) comme il a été indiqué
au n° 6.
Mais il peut se poser un problème différent qui n’est pas résolu par
les remarques précédentes. Il peut arriver que ô X ( i) soit dônné; non
en fonction de t, X , et de variables aléatoires auxiliaires £, rj, . . . ,
mais en fonction de ¿, X , et des accroissements d’une ou plusieurs
fonctions aléatoires auxiliaires antérieurement définies. On a ainsi, en
introduisant pour fixer les idées deux fonctions auxiliaires Y ( i ) e t Z ( i ) ,
des équations de la forme
(34) « ( * ) . = /(*, X>Y>Z)*Y(0-*-F(f, X, Y, Z) »(<),
qui; si t et X n’interviennent pas explicitement, sé réduisent à
(35) ÔX(0=/(Y, Z)5Y(0-h*(Y, Z) 6Z(*).
Dans ce cas, il ne s’agit pas seulement d’étudier en elle-même la

fonction X(£), mais de mettre en évidence sa corrélation avec Y(£)
et Z (t). Une manière d’y arriver est de considérer X , Y , Z comme les
composantes d’un vecteur aléatoire à trois dimensions auquel on appli
querait l’une des méthodes qui viennent d’être indiquées pour la fonction
aléatoire scalaire X(£). En supposantpourfixerles idées que Y(*) e tZ (i)
soient des fonctions du type défini au n° 1, c’est-à-dire que
(36) aY(0 = W 5 , sz(o = Cv/5^
rj et Çétant des variables laplaciennesRéduites, indépendantes aussi bien

l’une de l’autre que des valeurs actuelles ou passées de X , Y , Z, on
considérera le système des équations ( 34 ) ou ( 35 ), et ( 36 ). comme un
système canoniqüe stochastique d’ordre trois. On peut, soit lui appliquer
la méthode de Cauchy-Lipschitz, soit former et intégrer l’équation de
la diffusion de la fonction de répartition à trois variables X , Y , Z (ou

de la densité de probabilité correspondante). On pourra ensuite cons
truire simultanément les trois fonctions X , Y , Z.
Mais, si Y et Z sont supposés antérieurement déterminés, il est préfé
rable de considérer X(£) comme une fonctionnelle non aléatoire de Y ( i)
et Z (£). bien définie en principe par les équations ( 34 ) ou ( 35 ) et une
valeur initiale X ( f 0)- Sa détermination est un problème d’analyse de type
classique plutôt que de calcul des probabilités, et les équations ( 34 )
et ( 35 ) ressemblent fort aux équations aux différentielles totales de
l’analyse classique. Toutefois, si Y ( i ) et Z (*) ne sont pas à variations
bornées, si par exemple ce sont les fonctions définies par les for
mules ( 36 ), c’est-à-dire si Y ( f ) et Z ( i) sont les coordonnées d’une
particule soumise au mouvement brownien plan (que nous étudierons
au chapitre V II), il se présente une difficulté sur laquelle nous voulons
attirer l’attention.
Considérons d’abord l’équation ( 35 ), qui se résout formellement par
la formule
(37) X ( t ) — X(f0) = Í \ a Y, Z ) ¿ Y ( 0 - k *(Y,Z)¿Z(0L
d’après laquelle X est le travail d’une particule se déplaçant suivant

la loi du mouvement brownien plan dans le champ de forces de
composantes f ( y , z ), g { y , z ) - Les fonctions Y et Z ne sont pas des
fonctions à variations bornées. L ’intégrale (3 7 ) n’est donc pas une inté
grale de Stieltjes de type classique. Elle ne se rattache pas non plus au
type plus général étudié par L. C. Young [ 1 ]. Même dans un cas simple
comme celui de l’intégrale
(38) f'Y(t)dZit),
cette expression n’a pas de sens au point de vue classique; on ne peut

pas la définir comme limite, pour n infini, d’une somme de la forme
(39) sn Y(<0 [Z(t,) - Z(f/-,)]

1
[¿0 < ti < . . . < tn = X; M a x — Í/-1 ) ->■0].
Nous verrons en effet au n° 52 que, en vertu de propriétés presque sûres

de Y ( i ) et Z ( i) , cette somme n’a pas une limite indépendante du choix
des points de division ..., Mais nous verrons aussi que, si
l’on considère ces points comme choisis successivement au hasard, elle
52 CHAPITRE II.
a une limite presque sûre I, qui est une fonctionnelle bien déterminée
de Y ( i ) et Z (£). D ’une manière précise, nous considérons une suite de
nombres ri (t := i , 2, • . . ) choisis successivement au hasard entre t 0 et r,
la probabilité étant pour chacun de ces choix répartie d’une manière
uniforme dans l’intervalle (¿os7)» et c’est avec les n — i premiers de ces
nombres, rangés par ordre de grandeur croissante, que nous formons la
somme Sn. Il existe des suites de nombres zt pour lesquelles Sn ne tend
pas vers 1, c’est-à-dire qu’au point de vue classique l’intégrale ( 38 ) n’a
pas de sens. Mais ces suites sont exceptionnelles et il n’y a aucune chance
qu’une suite choisie au hasard ait cette propriété. Il est donc presque
sûr que Sn tend vers I; on donne ainsi un sens à l’intégrale ( 38), qui
constitue ce que nous appelons une intégrale stochastique.
Il importe de remarquer que cette notion d’intégrale stochastique
s’applique à des fonctions non aléatoires. Le hasard n’intervient que
dans le choix des points de division; il est d’ailleurs facile d’éviter le
langage (à notre avis commode) du calcul des probabilités, et d’utiliser
celui de la théorie de la mesure. En prenant pour Y (£) et Z(£) les fonc
tions aléatoires définies par les formules ( 36 ), on trouve que l ’existence
de l’intégrale stochastique est une propriété presque sûre de ces fonctions.
Cette définition de l’intégrale stochastique s’étend sans peine à
l’intégrale
( 4o) y V ( Y ,Z ) r f Y ( 0 -+-*('ï, Z)rfZ«)L
et à l’intégrale analogue où interviennent trois fonctions aléatoires

X ( i) , Y ( i ) , Z ( i) , intégrale qui représente le travail dans un champ
de forces donné d’une particule soumise au mouvement brownien.
Il suffit de supposer les fonctions f et g continues ainsi que leurs déri
vées premières, et que, si A (y , z) est une quelconque de ces dérivées,
on ait la condition de Hôlder
(40 I A ( y 2, z i ) — h ( y i, * i ) | ^ K [ | y s — . n i * - H — *ila]
relative à un exposant a positif mais arbitrairement petit; K est une

constante, qu’on peut même remplacer par 'une fonction de la plus
grande des quantités z 2 qui n’augmente pas trop vite à l’infini
(ainsi on peut prendre une puissance quelconque). On utilise cette
condition pour limiter l’erreur commise sur les sommes analogues aux
Sn relatives à l’intégrale (4o) si, après avoir divisé l’intervalle d’inté
gration en intervalles assez petits, on remplace f et g dans chacun de ces
intervalles par une fonction linéaire. Il reste alors des termes qui, ou
bien sont du type ( 38 ), ou bien sont des différentielles exactes.
Le cas où les fonctions / e t g dépendent de t se traite d’une manière

analogue.
Pour intégrer l ’équation ( 34 ), on peut appliquer' le principe de la
méthode des approximations successives. Pour former la fonction X ( l)
vérifiant cette équation et la condition initiale X (/ 0) — ¿r0, on la considé
rera comme limite des fonctions définies successivement par la formule
dé récurrence
(42) X „ ( T ) - X ( f . ) = j f ' [ / ( ' , X „ _ „ Y , Z ) < * Y ( 0 + * ■ ( ' , X „ _ 1( Y, Z)d Z(t)).
lo
Il faudrait bien entendu démontrer la convergence presque sûre des

approximations* Nous n’insisterons pas sur cette question, ne pouvant
actuellement donner de démonstration suffisamment simple. Disons
seulement qu’il ne parait guère douteux que ce résultat soit exact si
toutes les dérivées premières des fonctions f et g , considérées comme
fonctions de #, y , z , vérifient la condition de Hôlder ( 4 i ) (mais écrite
avec trois termes; le terme en \x2 — xi\%semble essentiel).-
Une autre méthode possible est celle de Cauchy-Lipschitz, qu’il
semble y avoir intérêt à modifier de la manière suivante : après avoir
divisé l’intervalle d’intégration en intervalles partiels assez petits,
on remplace / dans chaque intervalle partiel (*,-, ¿¿+0, non par
f [ t , X (/ î)> Y ( i ) , Z (*)], mais par
[X ( O - X ( f | ) ] ,
et de même pour g , et l’on est ramené à une équation différentielle

stochastique linéaire facile à intégrer (comme nous allons le voir
au n° 12).
12. Cas particuliers et exemples. — i° Équations linéaires. —

Considérons l ’équation
(43) a x ( o + a ( o x ( o a = / ( 0 « # - h ç * ( O v^ ,
£ étant une variable laplacienne réduite. Le caractère stochastique de
de cette équation n’empêche pas d’appliquer les méthodes relatives aux
équations différentielles linéaires. On détermime d’abord une fonction
a (i) solution de l’équation sans second membre
h- A ( t ) s ( t ) = o.
L ’équation ( 43 ) s’intégre alors par

X ( Q _ f + s j'd t
(44) s(0 J s(t) + c.
54 CHAPITRE II.
En particulier, l ’équation
s’intégre par
(46) eat X (f) = J e « t\ j( t) d t + %g{t)s/dt\ + c.
On étend de même aux systèmes d’équations différentielles sto

chastiques linéaires tous les résultats classiques* relatifs aux systèmes
d’équations différentielles linéaires. L ’intégration du système sans
seconds membres esf toujours un problème classique ; ce problème
résolu, le système étudié s’intégre par des quadratures.
Les mêmes méthodes s’appliquent aussi si l ’on remplace £ par un
terme dépendant d’une loi autre que celle de .Laplace. Ainsi on peut
remplacer \sfd i par ô Y ( f ) , Y (t) étant la fonction aléatoire définie
au n° 4 , i° (processus lié à la loi de Poisson).
2° Équations (Fordres supérieurs et réduction à un système cano

nique. — Par une extension naturelle de la notion de chaîne stochas
tique d’ordre p , on peut appcler/>rocessu$ d'ordre p un processus dans
lequel la fonction aléatoire admet des dérivées d’ordre 1,2 — 1, et,
à chaque instant £, les probabilités relatives* à l’avenir dépendent de t ,
de X(£), et de ces p — 1 dérivées. Un tel processus est intermédiaire
entre les processus de Markoff et les processus héréditaires les plus
généraux; il ne suffit pas de connaître X ( f ) pour pouvoir exprimer les
probabilités relatives à l’avenir; mais il suffit de connaître le passé
immédiat.
À un tel processus correspond une équation différentielle stochastique
donnant la variation, non de X ( i ), mais de sa dérivée d ’ordre p — 1, en
fonction .de i, dtj des quantités connues X(£), X '( f ) , . . . , X<*~4ï( f ) , et
d’une ou plusieurs variables aléatoires auxiliaires. Elle peut par exemple
être de la forme
( 47) 5X(*-1>(< )= /[*, X( 0 ,

+ g[t, X( 0 , x '( o >--m x (p- i )( î )] ç^37.
Naturellement une telle équation peut se ramener à un système

canonique, en considérant X , X ' , . . . , Xi*“ 1) comme p fonctions
inconnues liées par l’équation (47) et les p — 1 équations
dX{t)**X\t)dt9 dX'(t) = X'(t)dt • •• >

Ce système canonique est d’ailleurs d’une forme très particulière, puis

qu’une seule de ses équations est stochastique.
On peut exprimer le même résultat en disant qu’un processus
stochastique d’ordre p dont la fonction aléatoire est scalaire se ramène
à un processus de Markoff dans lequel la fonction aléatoire est un
vecteur à p composantes. Mais bien entendu, lorsque la fonction aléatoire
est une grandeur de type donné, un processus de Markoff et un processus
d’ordre p sont de natures essentiellement différentes.
•
3° E xem p le de processus héréditaire. — Nous allons montrer par
un exemple qu’il peut arriver qu’un processus héréditaire, dans la
définition duquel toutes les valeurs passées de la fonction aléatoire X (t)
interviennent, soit réductible à un système canonique d’ordre 2. Il s’agit
du processus défini par l’équation
( 48) 8X(¿) -h aX(t) dt = aY(t) dt -h £/(£) y/dt,
où Y'(*) désigne l’intégrale
(49) Y(0 = f b — u) du = f b X(x) cfc.

dSi J — jc
Cette équation correspond au cas d’un corps ayant une certaine

hystérésis; à chaque instant ty Y (¿ ), moyenne des états antérieurs,
définirait un état d’équilibre Uont X ( f) tendrait à se rapprocher; mais
indépendamment de la vitesse résultant de cette tendance, X (¿) aurait à
chaque instant un déplacement comparable à celui du mouvement
brownien.
De l’équation ( 49 ) on déduit
( 50) d Y ( t ) = b [ X ( t ) — Y(t)]dt,
de sorte que l’ensemble des fonctions aléatoires X ( l) et Y (¿ ) est défini

par le système canonique formé par les équations (48) et ( 5o). Le
processus héréditaire défini d’abord est bien ainsi réduit à un processus
de Markoff pour le système (X , Y ).
Si, au lieu d’éliminer Y , on élimine X , il vient
( 5 .) 8 + + =
équation d’ordre deux, qui s’intégre par
5a) g(a-t-6)f = J *¿Çe(a-t-A)/ \Jdt -h Cy
d’où l’on tire Y (t) par une quadrature et X par la formule ( 5o).
56 CHAPITRE II.
Considérons plus généralement l’équation ( 48 ) associée à l’expression
(53) Y (0 = y ?(«)X(< — u ) d u = J ' ?(î - t)X(:W:
de Y ( i ) . Si <p(w) est de la forme e~bu P ( a ) , où P (u ) est un polynôme

de degré pf i Y( t ) est une combinaison linéaire des p -f-1 fonctions
z)he-0i <-->X(?)rfT (A = 0,
et il résulte des formules

\ bX(t)dt (A = o)
*Yh{t) + bYh(t)dt =
\ h Y h^ { t ) d t (A = i, 2, ■A
que l’équation (48) se ramène dans ce cas à un système canonique
d’ordre/?+ 2. Mais, dans le cas général, ce qu’il faut connaître du passé
pour pouvoir à l’instant t définir toutes les probabilités relatives à
l’avenir ne peut pas se ramener à un nombre fini de paramètres, et le
processus est essentiellement héréd ita ire; nous entendons par là qu’il
ne peut pas se réduire à un système de Markoff vérifié par un vecteur à
un nombre fini de composantes.
13 . La dérivation et l'intégration des fonctions aléatoires. — i° Les

différentes définitions de la dérivée aléatoire. — Nous venons d’indi
quer des exemples de fonctions aléatoires dérivables ; on en obtient
évidemment par l’intégration de fonctions aléatoires continues. Mais
l’exemple du n° 1 nous montre que le contraire est aussi possible; il
semble même qu’on puisse dire que c’est le cas général; le rôle du
hasard pendant l’instant dt est trop grand pour qu’il puisse y avoir une
dérivée. Si l’effet sur X (fi)(£ 4> t) des circonstances fortuites observées
pendant le temps dt était o ( d t ) 1 en intégrant on trouverait zéro; le
hasard disparaîtrait. Le hasard n’apparaît comme compatible avec l’exis
tence d’une dérivée que si l’effet de chacune de ses interventions suces-
sives ne se manifeste que progessivement; il ne peut en particulier pas
en être ainsi dans le cas d’un processus additif (9).
Lorsque la fonction X ( i) n’est pas dérivable c’est-à-dire que la proba
bilité de l’existence d’une dérivée est, non seulement inférieure à un, mais
souvent égale à zéro, il peut arriver qu’il existe une dérivée aléatoire,
(•) Cette remarque sera précisée à propos d’un exemple au n® 26, 3*.
c’est-à-dire que, quand h tend vers zéro, le rapport

/c/x X ( î h - A ) - X ( 0
(54) ---------h--------
tende vers nue limite ,X'(/ K suivant uu des modes de convergence
du calcul des probabilités. iVous considérerons surtout le cas de la
convergence en probabilité (piO el celui de la convergence en moyenne
quadratique ^ni. q.) et dirons dans le premier cas que X \ 0 est une
dérivée aléatoire pr. el dans le second cas que c’est une dérivée m. q.
De môme, s’il y a convergence presque sure, nous dirons que X '(/) est
une dérivée pr. s.; cela signifie que K{ / ) a presque sûrement une
dérivée égale à X ;( / )•
11 importe d’attirer l’attention, en ce qui concerne les dérivées pr. et
pr. s., sur l’erreur qui consisterait à croire qu’elles sont comparables
à des dérivées ordinaires, et qu’une fonction aléatoire est déterminée
par sa dérivée. Il n’en est rien. Pour le montrer, considérons la fonc
tion X ( i ) définie par la formule (16) du n° 4 ; elle est constamment
croissante et ne varie que par sauts; elle a donc presque partout une
dérivée égale à zéro. Il y a un ensemble de mesure nulle pour lequel
cette dérivée n’existe pas, mais un point t donné d’avance a une proba
bilité nulle d’appartenir à cet ensemble. En chaque point, cette fonc
tion a donc presque sûrement une dérivée égale à zéro. Celte dérivée
est une dérivée pr. s., et, a fo rtio ri, une dérivée pr. La fonction X(¿),
qui est constamment croissante, ne peut donc pas être obtenue par
l’intégration de cette dérivée. D ’une manière générale, on ne peut
pas compter retrouver la primitive par l’intégration de la dérivée pr.
ou pr. s.
Cette remarque nous conduit, malgré l’intérêt que certains auteurs,
et notamment E. Slutsky [1] et J. Kampé de Fériet [ 1] ont accordé à
ces dérivées, à attacher plus d’importance à la notion de dérivée m. q.,
avec laquelle la circonstance que nous venons d’indiquer ne peut pas
se produire. On a en effet le théorème suivant :
T héorème 13. — S i une fonction aléatoire X ( f ) ayant ses deux

premiers moments fin is a une dérivée m. q. égale à zéro, elle se
réduit à une constante (aléatoire, mais indépendante de t) (<0).*4
(**) Rappelons que nous négligeons les cas de probabilité nulle. Si par exemple X(f)
dépend du choix d’une variable U choisie au hasard entre zéro et un, et est égal à U,
si U est irrationnel, et à Ut si U est rationnel, cette fonction a une dérivée m. q. égale
4 zéro, et doit être considérée comme constante.
P. Lé VT.
58 CHAPITRE II.
Ce théorème est contenu dans les remarques du n° 9 , 3°. Remarquons

aussi qu’il est évident si Гоп utilise la représentation géométrique
de X (/) par un point A(/) de l’espace d’Hilbert (с/. Introduction, n° 4 ).
Dire que X (/) a une dérivée m. q. égale à zéro, c’est dire que A (t) a
une vitesse nulle. Donc ce point est immobile, c’est-à-dire que
E {( X ( f) — X ( <0)]* | = o,
et X ( / ) est à chaque instant presque sûrement égal à sa valeur ini

tiale X ( / 0). C. Q. F. D.
Il çst facile de traduire cette démonstration en termes analytiques;
cela n’ajouterait rien à la rigueur.
C orollaire. — Un processus aléatoire est bien défin i si Von

connaît la dérivée aléatoire m. q. de X (/).
2° U intégrale aléatoire. — Considérons une fonction aléatoire X(/),

ayant des moments finis des deux premiers ordres, et qui soit continue
m. q. Pour définir son intégrale aléatoire en moyenne quadratique
( ou simplement intégrale m. q.), dans un intervalle (T 0, T\), nous consi
dérerons, comme dans la théorie classique de l’intégration, la somme
n
S „ = 2 X ( fi ) (O- 1) ( T , = <„^ ^ f < ü n ^ t i^ . . . éç t n=zTl),

1
et une autre somme analogue S'v formée avec des points de division
£v-i (et ¿v = T , ) . Si tous les U— 1 et/'. — sont
inférieurs à une valeur donnée A, l’expression
E ¡ ( S „ - S '„ ) ’ ¡
a une borne supérieure qui tend vers zéro avec A; la démonstration est
identique à celle du résultat correspondant de la théorie de l’intégration
classique. On déduit alors du théorème de Fischer et Riesz que S* tend
en moyenne quadratique (quand le plus grand des U — i tend vers
zéro) vers une limite
qui est l’intégrale m. q. de X(Z).

Cette intégrale aléatoire est naturellement quelque chose de tout
différent de l’intégrale stochastique introduite au n ° l l ; c’était à cet
endroit les points de division qui étaient aléatoires; ici c’est la fonction
intégrée.
NOTIONS GÉNÉRALES SUR LES PROCESSUS STOCHASTIQUES. 5g
On démontre sans difficulté, comme dans la théorie classique de

l’intégration, que l’intégrale, considérée comme fonction de sa limite
supérieure, a une dérivée m. q. qui n’est autre que la fonction intégrée.
Les relations entre la dérivée m. q. et l’intégrale m. q. sont donc abso
lument les mêmes qu’entre la dérivée et l’intégrale dans la théorie de
Riemann.
14 . Conditions d’existence de la dérivée aléatoire m. q. — Dire qu’il

y a une dérivée m. q ., c’est dire que l’accroissement X(£ + dt) — X ( i)
comporte une partie Hf(t)dt déjà connue à l’instant et une part du
hasard qui est o {dt) in. q. Cela implique donc que la part du hasard
soit très petite.
On peut représenter la variable aléatoire X (t) par un point À (i) d’un
espace fonctionnel dont la géométrie est identique à celle de l ’espace
de Hilbert. Le lieu de ce point est une courbe C. Si X (l) a une dérivée
m. q ., X'(£), qui soit elle-même continue m. q ., elle est représentée
par un vecteur tangent à la courbe C , et dont la longueur et la direction
varient d’une manière continue, sauf peut-être lorsque cette longueur
s’annule, ce qui naturellement, pour un processus où le hasard inter
vient ù chaque instant, ne peut avoir lieu que pour certaines valeurs
singulières de t ; pour ces points sin g u liers, la direction peut varier
d’une manière discontinue sans qu’il y ait discontinuité pour X '(/).
Réciproquement, si la courbe C admet une tangente dont la direction
varie d’une manière continue, elle est rectifiable, et, en faisant un
changement de variable sur l, on peut la supposer parcourue avec une
vitesse constante ou variant d’une manière continue. X (£) a alors une
dérivée m. q. qui est continue m. q.
Ainsi : la propriété de la courba C d ’avoir une tangente q u i varie

(tune manière continue est liée à la propriété de X (/ ) d ’avoir une
dérivée m. q. soit p a r rapport à t, soit p a r rapport à un param ètre
auxiliaire r= < p (f). Toutefois, cette tangente peut cesser d ’exister
a u x points singuliers où la dérivée m. q. est presque sûrement n u lle.
La propriété considérée de la courbe C peut s’exprimer autrement.

Considérons sur cette courbe trois points A 0, A*, A 2, très voisins les
uns des autres, mais qui ne soient pas voisins d’un point singulier;
supposons A 4 entre A 0 et A*. Alors les angles A*, A 4, A 2 du triangle
A o A fA 9 sont respectivement voisins de o, 7r, o, et tendent vers ces
valeurs limites quand ce triangle se réduit à un point. La réciproque
est vraie aussi. Si, quand A« est fixe, A 0 et A* tendant vers ce point
6o CHAPITRE II.
de part et d’autre de lui, l’angle A 0A<A2 tend vers tt, il résulte du

théorème de Fischer et Riesz que la courbe C admet en A* une tangente
bien déterminée. Si, de plus, quand A* et A 2 tendent au contraire vers A 0
supposé fixe, non seulement A 0A i et A 0A 2, mais A 1A 2, ont pour direc
tion limite celle de la tangente à C en A 0, c’est que cette tangente varie
d’une manière continue.
Donc : la propriété de C qui caractérise les processus pour lesquels

X(t) a p a r rapport à t ou t = y(t) une dérivée m. q. qui soit con
tinue m. q. p eu t s’exprim er en disant qu ’ un triangle infinitésim al
A 0A i A 2 dont les sommets sont sur G a d eux angles infiniment p etits.
I l ne peut y avoir exception qu ’au voisinage de certains point sin
guliers.
Il est facile dedonner aux conditions de l’existence de X '(£) des formes

analytiques. Tout d’abord, d’après le théorème de Fischer et Riesz,
l’existence d’une dérivée m. q. à l’instant t 0 équivaut à la formule
(t!->/<), tt—^tç),
tandis que si la même expression tend vers zéro quand toy tu t 2 ont une
même limite cela indique de plus que X '(l) est continu m. q. à
l’instant t.
M. Loève nous a d’autre part fait observer que, en introduisant la
fonction
r(f, 0 “ E|X( 9 X(0 }.
qu’il appelle la covariance de X (/) et X(£'), on a
X (t h)— X (O X (/' h- *)— X (f ) )

(56) È
h k J
= — r ('. — r ( t-h/i, O-*- r(/,o]>
de sorte que, si l’on désigne la limite du second membre (A et k tendant

vers zéro) par > M vient, pour t = t, Q\.h = k%
r (t, p i
àtdt' Je t
Inversement, si cette dérivée existe, l ’expression ( 5 5 ) qui, en

développant le carré, se décompose en termes de la forme ( 5 6 ) (avec
t = t! = t 0) est nulle. Donc :
T héorème 14 (de M. Loève). — L a condition nécessaire et suffi

sante pour Vexistence d'une dérivée aléatoire in. q. de X ( j) est
Vexistence de la dérivée seconde généralisée
r* r (t, Q 1
L àtâtf j /=;
Plaçons-nous maintenant dans le cas où

(57) E jX (0 |= o , E {X *(/)}-i.
Dans ce cas, l’angle À 0O A 1 = < p ( £ 0 , t* ) est défini par

cos 9 (i0, f i) = r (i0, il) (o ^ o ^ w ),
et la propriété du triangle A 0A* A a d’avoir son angle en A< voisin de rc

peut s’exprimer en disant que A 0A a est presque égal à A 0A| + A 4A 2.
D ’une manière précise,
(58) lim 9 (*°» **)"*~ ?(*it *0 ~ *») l).

Min [9(/0, il), o(ii, il)]
On a ainsi une forme analytique simple de la condition nécessaire et

suffisante pour l’existence d’une dérivée m. q. par rapport à un para
mètre non précisé.
Si l’on ne suppose pas les conditions ( o j ) vérifiées, cette condition
prend la forme moins simple
E »[X (/,)— X(l0)] [X(l2) — _\(*i)];
(59) lim i ('o/î, i).
S/E ; [X (f, ) - X (f0)p } j K[X(f2)— X (/0)]* j
CHAPITRE III.
LES PROCESSUS PE MARKOFF ET LA DIFFUSION
DE LA PROBABILITÉ.
Sommaire* — 15. Les équations de Chapman et de Kolmogoroff. — 16. L’équation de

la diffusion de la probabilité. — 17. Cas particuliers. — 18. Les processus fortement
continus et la loi de Laplace. — 19. Le mouvement brownien et l’équation de la
chaleur. Problème de Cauchy et problèmes de types mixtes. — 20. Applications..—
21. Théorèmes asymptotiques relatifs au mouvement brownien.—22. Cas des fonctions
aléatoires vectorielles.
1 5 . Les équations de Chapman et de Kolmogoroff. — Comme nous

l’avons dit au n° 8, nous définirons les processus de MarkofF par la
probabilité de passage F (t0, x 0; £, x ) ( £ > £0); considérée comme fonc
tion de x , c’est une fonction de répartition. La probabilité absolue
(J(l, x ) s’en déduit par la formule
(O U(f, (f > fo)>
où U 0(â?) est la détermination de U (f, x ) pour t = t0) qu’il faut supposer

connue pour pouvoir déterminer U(£, x ) pour t > t0.
Si la fonction de répartition F est absolument continue, U l’est aussi
pour £ > £ 0 et nous pouvons n’introduire que leurs d érivées/et u , de
sorte que la formule ( i ) est remplacée par
(2) u (t,x)= J /(<«,£; t, x) rfU0($)i
ou, si la fonction IJ0 est elle-même absolument continue,
( 3) u(t, * ) = J + /(*„, Ç; t, X) «,(?)<*?•
Ces formules peuvent naturellement s’appliquer en remplaçant t 0

et U 0(a?) par tA et U4(a?) = :U (£ 4, x ). En prenant pour U 4( x ) la déter
64 CHAPITRE III.
mina ti on F ( i 0î #oî t ^ x ) qui résulte de l’hypothèse initiale X ( i 0) = #0>

on déduit ainsi des formules ( i ) et ( 3 ) les équations
( 4) F(f0) x 0; t, x) = j f
—«o
F(i,, t, x ) d F ( t „ ar„; h, Ç),
( 5) A h , x„; ty x') =sjÇ f(*u Ç; t, x ) f ( t Qi æQ; t\}

â
qui supposent £0< t x< t; dans la première, il est bien entendu que £est
la variable d’intégration; d’une manière générale, en écrivant F(£0, x 0;
#), nous considérerons que la variable est x; t0, x 0 et t sont des
paramètres.
L ’équation ( 4 ) a été formée par A . Kolmogoroff [ 3 ]; l’équation ( 5 )
avait antérieurement été considérée par Chapman.
Ces équations, jointes au fait que F ( i 0, Xo; x ) est une fonction de
répartition et que / ( t 0y x 0; t, x ) est une densité de probabilité,
donnent les conditions nécessaires et suffisantes que doivent vérifier
les fonctions F et / pour définir les probabilités de passage d’un processus
de Markoff.
Ces conditions ne sont pas suffisantes pour que le processus soit
continu. Pour exprimer simplement les conditions de continuité, nous
désignerons par F 0(#) la fonction de répartition d’une variable sûre
ment nulle, c’est-à-dire la fonction égale à zéro si x < o et à un si
x < Z o; quoiqu’elle ne soit pas continue, il peut être commode de la
considérer comme la primitive de la fonction symbolique de Dirac, / 0(ar),
dont l’intégrale est un ou zéro suivant que l’origine est intérieure ou exté
rieure à l’intervalle d’intégration. Alors F ( i 0, x 0 ; t, x ) et f ( t 0j x 0 ; £, x )
se réduisent, pour t = t0} à F 0( x — x 0) et f o ( x — x 0). La condition
nécessaire et suffisante pour qu’un processus de Markoff soit localement
continu en probabilité à droite du point t 0 est que F(£0J x ) tende
vers F 0(# — x 0) quand t \ ¿0, sauf peut-être si x = x 0 [ F 0(o), n’ayant
paà été défini, peut d’ailleurs représenter n’importe quelle valeur entre
zéro et un]; pour les processus qui peuvent être définis parla densité de
probabilité f ( t o, x Q; ¿, x ), celte condition peut s’exprimer en disant que
cette fonction tend en moyenne d’ordre un vers / 0(# — #0).
16 . L’équation de la diffusion de la probabilité. — i° U équation de

la diffusion déduite d 'u n e équation différentielle stochastique
(d ’après S. Bernstein). — Partons de l’équation
(6) 5X(i) = A[*, X(/)] dt + B[r, X(£)l EV'3* (<& > o),
LES PROCESSUS DE MARKOFF ET LA DIFFUSION DE LA PROBABILITÉ. 65
où la variable aléatoire auxiliaire \ vérifie les conditions
(7) E ,{^ = o , E«{Ç*}=I, El | | Ê » ! } = o ^ - ^ (d t \ o );
la notation E* indique qu’il s’agit de valeurs probables évaluées à

l'instant £, X (*) étant connu; nous supposons de plus la troisième
condition (7) vérifiée d’une manière uniforme par rapport ào? = X ( i) .
Introduisons une fonction auxiliaire cp(x ). continue ainsi que ses dérivées
jusqu’à l’ordie trois, nulle en dehors d’un intervalle fini (a. (3), à cela
près quelconque (4). En supposant que X ( i ) dépende d’une loi absolu
ment continue dont la densité de probabilité u ( t } x ) admette des
dérivées continues u[ et ux, et une dérivée seconde sommable a"«, nous
allons calculer de deux manières différentes la dérivée de la fonction
M (l) = E | f [ X ( f ) ] | = J ? ( * ) « ( * , æ)dx.
On a d’une part, en dérivant sous le signe d’intégration,
M '(i)= / ?(d?) u\ (tyx) dx.
D ’autre part, de l’expression (6) de d X (f), on déduit

j 5? [ X ( 0 ] = ? ' [ X ( 0 ] ( A < * - i - B Ç v/rf0
j -+■\?'[X(<)] ^ Bsç=(ûfc)'i -4- o(dt),
où | 8 | ^ i , K = Max|9!"(d?)|, et où A et B désignent A [¿, X ( i) ] et

B [ ty X (*)], et par suite, en tenant compte des hypothèses (7 )
M '( 0 - Ej A ? '[ X ( 0 ] + Y 1
= y ^ A ( i , * ) ? ' ( * ) - » - ¿ B *(Î, « ) * ' ( * ) ] u(t, x )d x ,
ou enfin, en admettant l’existence des dérivées A!x, B 4, et en inté-

grant par parties,
à*(K*u)
M'(<) dx2
C ) Ces restrictions n’empêchent pas que si, pour toutes ces fonctions on a
/•? /•?
/ y(x)u>l ( x ) dx = I y(x),tù7( x ) dx,
K.'a Ja
on ait, dans (a, f), tat( x ) = » ,( x). L’intervalle (a, P) pouvant d’ailleurs être arbitrai
rement grand, cette conclusion s’applique sur tout l’axe des x .
66 CHAPITRE III.
En identifiant cette expression à la première expression trouvée

pour M'(£) on obtient Véquation de la diffusion de la probabilité
du _ i №u) à(Xu)
àt 2 dx2
Elle s’applique en particulier à la fonction / ( ¿ 0, t , ar), qui est ce
que devient w(£, a:) dans les conditions initiales X (/ 0) = ? * On peut
donc écrire
àf _ i ÔH B«/> __ d(Xf)
( 10 )
àt ~ 2 àx* àx
L ’équation (9) permet de déterminer u ( t 1 x ) si l’on connaît sa déter

mination initiale u 0 (x). Comme u ( t , x ) s'exprime en fonction d e u 0 (x)
par la formule ( 3 ), l’intégration de cette équation détermine la fonction/ .
On peut dire que cette équation définit le processus.
Elle ne dépend que des fonctions A ( l, x) et B(£, x ), dont la signifi
cation résulte des formules
(n) ¿ e ,{ x ( o } - a [ i ,X ( î )], 2 « ? { x ( 0 } = b *[<,X(0],
elles-mêmes conséquences de la formule (6); A e9t donc ce qu’on peut

appeler la vitesse probable du point X (f). et B 2 la vitesse de dispersion.
Il est remarquable que, pour une expression donnée de ces vitesses en
fonction de t et X(£), il n'y ait qu’un processus possible, bien défini
par l’équation (9); ce fait constitue ce que nous appellerons le théorème
d 'u n icité. Remarquons tout de suite que, si nous obtenons ainsi des
processus qui ne dépendent que des deux fonctions A (£, x ) et B (l, x ) }
cela tient aux hypothèses restrictives qui ont été faites. Non seulement
l’équation (9) implique au moins l’existence de u, ux et a",, non seule
ment nous avons supposé que X(£) ait ses deux premiers moments finis
et dérivables, mais la troisième équation (7) constitue une nouvelle
condition restrictive, qui est essentielle. Sans doute peut-on la remplacer
par une autre condition moins restrictive; mais on ne peut pas la
supprimer.
20 L a méthode de A . Kolm ogoroff. — A. Kolmogorofl1 [ 3 ] a, et

même par deux méthodes différentes, déduit l’équation delà diffusion de
l’ équation de Chapman. Nous n’exposerons qu’une de ces méthodes, qui
(*) Compte tenu de la relation (3), on peut aussi bien déduire l'équation ( 10) de
l’équation ( 9 ) [qui doit être vérifiée quelle que soit la fonction initiale que
déduire l'équation (xo) de l'équation ( 9 ).
repose comme noire première méthode ci-dessus sur l’introduction de la

fonction arbitraire 9 (a?), soumise seulement aux mêmes conditions
restrictives que ci-dessus. Nous poserons
i « ( i , t , * ) = E ( { X ( t + T ) - X ( t ) /X ( i) = x\
1 /*+ "
b * ( t , x, * ) = E ,{[X (< + * ) - X ( 0 1 * / X ( 0 « * }
( 12)
= J { y — * ) * / ( * > * ; 1 + X, y ) d y ,
e ( t, x, •a?) = E i | | X ( f - t - x ) — X(<)|s/X(/) = x\
r*~m
= / Ir — *!*/(*> t + ~*y)dy'
. c/-*>
Les fonctions A ( l, x ) , qui ont la même signification que ci-dessus, sont
alors définies par les formules
 , = } (x\o),
tandis que la troisième condition (7) prend la forme

(14) J?)=?o(x) (t \ o),
cette condition devant toujours être vérifiée uniformément par rapport

à x . On a alors
P P
^ /*P
X 9(яг) u’tit, x ) d x = x l
I
u(t> x )d x
= lim - / x) — u ( t yx ) \ d x >
d’où, en utilisant l’expression de u ( t 4- t , x ) donnée par l’équation (3),

où ¿o et t sont remplacés par t et t H- t .
r*
I ? ( * ) “ *(<> x ) dx
•s*
X [ ? « ) + ( * - ï ) t ' « ) - b ; ( * - î ) V ( f ) + g ( * - 5) V ( 4 )] dx - ? (Ê)1
= >i m l f «(<, o [« ( * . *, « )» '« )+ ;*•(«. 5)?'(« )+ 9c(i, ,, ç)JrfÇ,

68 CHAPITRE III.
yjétant compris entre Ç et x et 6 étant borné; en tenant compte de ( i3 )

et ( i4), et intégrant par parties, il vient
f ? ( * ) x)dx —J u{t, x ) £ a ( î , t , x )<s ' ( x ) + t , a r ) ? '( ; r ) J dx,
la fonction cp(j?) étant arbitraire, et l'intervalle (a, (3) arbitrairement

ment grand, on en déduit l’équation (9). Si l’on introduit dans le calcul
/(¿0, &) au lieu de u(t, x) , l ’équation ( 3 ) se trouve utilisée sous
la forme ( 5 ), qui est l’équation de Chapman, et l’ôn obtient directement
l ’équation ( 10).
3 ° L'équation relative à l'instant in itia l (d ’après A. Kolmogo-

roff [ 1]). — Nous supposerons l ’existence et la continuité des trois
premières dérivées de / ( s , {■ ; t, x ) par rapport à £. On déduit alors de
l’équation de Chapman (en introduisant un instant s -h c intermédiaire
entre s et i)
A s , Ç ; t, * ) = / A s> ï ; * + * i y ) A * + *>y\ * > * ) d y
r +’
=J /(*> y)
X [ / ( * -t- <t, Ç; t, x ) -t- (y— Ç )/ ç - 1- — ? )’/ {•
-I- g C y — Ç ) * / ^ * - * * 9> n ; <: x ) j dy
(v étant compris entre £ e t / ) , c’est-à-dire
/ ( « + •» U <» * ) — / ( * . 5 ; *> z ) = — a ( s , a, Ç ) f z ( s - h a , Ç; (, x )
— £&*(*> <3, ?)/?•(*+ *»?;*,*)— gc(s, M)r
6 étant borné. Divisant par a et faisant tendre a vers zéro, on obtient

l’équation
.(>5) / i= - A ( « ,i) / l - lB * ( i,o / ? i
qui joue pour l’instant initial un rOle analogue à celui de l’équation (10)
pour l’instant final. Mais, bien entendu, la symétrie de ces deux équations
n’est qu’approchée; si l’on définit un processus de Markoff par la fonc
tion / , on détruit la symétrie qui existe entre le passé et l’avenir dans
les processus étudiés au point de vue de E. Slutsky.
4 ° Rem arques. L e théorème d ’ un icité. — Nous avons déjà observé

qu’à une équation (9) donnée ne correspond qu’un processus; c’est en
cela que consiste le théorème d ’ unicité de cette théorie. Les processus
régis par une équation du type (9) ne dépendent donc que des deux
fonctions A (£, x ) et B(£, x ).
Les processus de Markoff les plus généraux ont un caractère de géné
ralité bien plus grand. Un tel processus peut être considéré comme
défini si l’on se donne la loi dont dépend éX(£), c’est-à-dire si l’on se
donne F ( i, £; t -f- dt, x ), pour une valeur de dt très petite, mais fixée
une fois pour toutes; il a donc la généralité d’une fonction de répartition
en x dépendant des deux paramètres t et £.
Remarquons à ce sujet que le problème de la détermination de tous
les processus de Markoff se ramène à celui de la définition des formes
acceptables pour la substitution aléatoire infinitésimale qui fait passer
de X ( / ) à X ( i -H d t)ysuivi de celui de l’intégration de celte substitution
infinitésimale. Nous nous contenterons de signaler l’importance de ce
difficile problème, et des travaux de B. Hostinsky [ 1 ] qui s’y rattachent.
Nous verrons au Chapitre V qu’il peut être complètement résolu dans
le cas des processus additifs. Dans ce cas la forme générale du processus
introduit une fonction de deux variables soumise seulement à certaines
conditions de monotonie et de convergence, tandis que ceux qui sont
régis par une équation de diffusion, comme nous le verrons au n ° 17 , ne
dépendent que de deux fonctions d’une variable, A ( i) et B(£).
Gela montre bien que les hypothèses restrictives qui nous ont permis
d’obtenir l’équation (9) jouent un rôle essentiel. Nous allons préciser le
rôle de ces hypothèses, qui sont de deux sortes.
Les unes concernent la fonction U (*,^r), que nous avons supposée
absolument continue et trois fois dérivable. Elles ne semblent pas essen
tielles. En tout cas, dans le cas des processus additifs, on peut s’en
débarrasser aisément, en remarquant que si l’on impose à U 0(#) toutes
les conditions de continuité qui peuvent permettre de simplifier le rai
sonnement, U (f, x ) vérifie encore ces conditions, quel que soit t > t0.
On peut alors établir l’équation (9) et en déduire l’équation ( 10) qui,
étant indépendante de U0(#), est indépendante de ces hypothèses.
Les conditions qui, suivant les notations employées, s’expriment par
les formules (6) et (7), ou par les formules (12 ), ( i 3 ) et ( i 4 )> sont au
contraire essentielles. L ’existence des deux premiers moments de 3X(J)
est évidemment essentielle. On pourrait seulement être tenté de croire
que la condition plus restrictive qui s’exprime par la troisième for
mule (7) ou par la formule (i4 ) est superflue. 11 est facile de montrer,
70 CHAPITRE III.
par des exemples simples tirés de la théorie des processus additifs, qu’il
n’en est rien, même si l ’on impose à la fonction F d’étre trois fois déri
vable par rapport à x, pour i > £©(sans cette restriction, l’exemple
du n° 4 , i ü suffît). Par contre, on peut remplacer cette condition, qui
fait intervenir le moment d’ordre trois, par une condition de L in d e-
berg beaucoup moins restrictive, qui concerne le mode de convergence
de l’intégrale qui exprime le moment d’ordre deux (*). Avec les nota
tions des formules (12 ), elle s’écrit
( ï 6 ) J ( y — * ) * / ( / , X ; t -h t. r)fiy = 0( - i ( t \ o ) ,
J \y— r l > t
pour tout e positif. En d’autres termes, on ne commet sur le second

moment de iX (£) qu’une erreur relative arbitrairement petite en négli
geant les valeurs de cette variable aléatoire supérieures à un nombre
arbitrairement petit e. Nous supposerons cette condition vérifiée unifor
mément par rapport à x . Si alors w(a?, y ) est une fonction continue
bornée, on a
/ ( / — *)*/(<> x ; < + / ) w ( x , / ) r f r = s o (-) ( t \ o ),

%/| v - . r | > e
et par suite, en tenant compte de la seconde condition ( l'i) et en suppo

sant que (¿(x, y ) tende vers zéro avec y — ¿r,
(17) / (y — xy/{ty x ; Î-+-T, y) <!>(*, y)<1y = o( t ).
Dans le calcul du 2° ci-dessus, nous pouvons alors remplacer
?(*) = ?[? + (* — 5)1

par son développement
J»
limité au terme du second degré, de sorte que le terme
{x — Ç¥•/(/, 5; t + ~,
(3) dette condition a été introduite par Lindeberg [ t ] dans ses recherches sur l’exten
sion du théorème de Laplace-Liapounoff. Son introduction dans La formalLioii de
l’équation de la diffusion est due à A. Khiutchine [4]; les méthodes antérieures de
A. Kolmogoroff introduisaient les moments d’ordre 3, comme nous l’avons montré nu a"
ci-dcssus.
qui tendait vers zéro à cause de la condition (i4)> se trouve remplacé

par
<* — ?)*/(*» * ) [ ? 'U ) — ?'(?)]dx,
qui tend vers zéro à cause de la formule (17 ). Le résultat obtenu sub
siste donc si l’on remplace la condition ( i 3 ) par la condition ( 16), qui
entraîne la formule ( 17). c. q . f . n .
17 . Cas particuliers. — i° Processus stationnaires et processus

homogènes dans le temps. — Nous dirons qu’une fon ction aléatoire
est stationnaire si, dans toutes les fonctions Un de Slutsky, les diffé
rentes valeurs de t n’interviennent que par leurs différences; en
particulier U-i(*, x ) doit se réduire à la forme Ui(o?). Le processus
dont dépend une telle fonction sera de même appelé stationnaire.
Dans le cas d’un processus de Markoff, nous dirons qu’il est
homogène dans le temps si la fonction F(£0> #oi x ) se réduit à
la forme F(£ — £0; x in x ); si alors il y a une équation de la diffusion,
les fonctions A et B sont nécessairement indépendantes de t.
Si, en se donnant U0(# ), on déduit d’un tel processus une fonction
aléatoire, il peut arriver qu’elle soit stationnaire. La condition néces
saire et suffisante pour qu’il en soit ainsi e s t a J = o , c’est-à-dire, si
l’équation de la diffusion s’applique,
t ifi'i àUWu) àÇAu)^
Or, les solutions de «cette équation différentielle ne sont en général pas

des densités de probabilité. On voit ainsi qu’en général un processus de
MarkofT homogène dans le temps ne conduit à aucune fonction aléatoire
stationnaire ; il peut naturellement arriver qu’une des fonctions aléatoires
dépendant de ce processus soit stationnaire.
20 Processus a d d itifs. — Un processus est dit a d d itif si la loi qui

régit l’accroissement X(£f) — X(£w) ne dépend que d e l0eLti; c’est donc
un processus de Markoff, pour lequel les fonctions F (*0, x it; t, #),
Â (*, x ) et B (t. x ) se réduisent aux formes F (tin t\ x — #„), A (t) et
B (t) ; l’équation de la diffusion prend alors la forme
(«!))
72 CHAPITRE III.
Il résulte immédiatement de
8 X ( i ) = A ( f ) d t -h
qu’en posant
(2 0 ) dt = X11T),
on a
8X,(t) = ï v/rf-,
c’est-à-dire que A et B sont réduits aux valeurs zéro et un et que

l’équaliou de la diffusion se réduit à l ’équation de la chaleur
à- u _ du
(21)
àxi ~~ “ àt
On a dans ce cas
( , r —
(22) / ( f o , t\ X — X* ) = / ( / — /0; .r — Xo) = 21Í—/*)

V^2 iz{t — t 9)
On reconnaît le processus du mouvement brownien ('*). Le théorème

d’unicité montre donc dans le cas des processus additifs que : il n’y a
pas d’autres processus additifs régis par une équation de la diffusion
que ceux que l’on déduit du processus défini au n° 1 par les for
mules (20), c ’est-à-dire par des formules de la forme
(2 3 ) / = ?(*!), X ( 0 = x , ( f . ) + *(/),
où 9 est une fonction continue non décroissante, et une fonction

continue quelconque.
3° Processus linéaires. — Nous appelons ainsi ceux qui sont à la

fois homogènes dans le temps* et additifs; il y en a naturellement
d’autres que le processus brownien; tel est le cas de ceux définis
au n° 4 , et nous verrons au chapitre V leur forme la plus générale.
Mais le processus brownien, généralisé seulement par les formules ( 23 )
où il faut supposer y{t) = at-\-a! et ty(t) = ht -h bf(q > o), est le
seul qui vérifie les conditions d’existence de l’équation de la diffusion.
Remarquons que, dans les processus additifs, il résulte du principe
d’augmentation de la dispersion que la fonction X ( l) n’est jamais
stationnaire, à moins de se réduire à une constante. Elle ne dépend
(*) La relation entre le mouvement brownien et réquation de la chaleur a été, bien

avant les travaux de A. Kolmogoroflf, découverte par L. Bachelier [ l et
jamais non plus d’une loi invariante par le changement de a ;e n a ? i- a ,

puisqu’il ne saurait, sur la droite indéfinie, exister de telles lois (cette
conclusion <ne subsiste bien entendu pas dans l’élude des processus
additifs sur une circonférence). Mais on peut parler d’une invariance
au point de, vue rela tif : les accroissements, finis ou infiniment petits
[X (J -h 7) — X ( f) ou d X (t)]9 dépendent d’une loi invariante par le
changement de x en x H-a, et, si le processus est homogène dans le temps,
cette loi est aussi invariante par le changement de t en / H- A. La même
remarque s’applique aux expressions telles que
(*<) r[X (0 -X (*-T )]a * (T ),

♦
qui sont toujours stationnaires si X ( l) dépend d’un processus à la fois

additif et homogène dans le temps.
Il y a d’ailleurs d’autres moyens de lier entre eux des processus
additifs et des fonctions aléatoires stationnaires. Nous reviendrons sur
cette question au chapitre IV.
18 . Les processus fox bernent continus et la loi de Laplace. — i'r Cas

des processus a d d itifs. — Nous allons d’abord comparer, dans le cas
des processus additifs, les résultats que l ’on peut déduire du théorème
de Laplace-Liapounolf, et ceux que l’on déduit du théorème d’unicité
du n° 16 . Rappelons que le théorème de Laplace-Liapounolf est le
T héorème- 18 . i . — S i S est la somme de térmes aléatoires

■ indépendants Uv tous inférieurs en valeurs absolues à un nombre e
très petit par rapport à o- = <x{S}, la loi dont dépend S est très
peu différente d u n e loi de Laplace généralisée. S i fx = E |S j, la
variable réduite dépend d'une loi qui tend vers la loi de
Laplace réduite quand - tend vers zéro.
Des travaux de Markoff, Lindeberg, et nous-même, ont montré

qu’on pouvait substituer à la condition | Uv |£ £des conditions moins res
trictives, dans lesquelles sont intervenues d’abord la somme 2 E { | Uv |:|
puis 2 E ( |Uv |a j, a étant quelconque entre 2 et 3 , puis enfin la condition
de Lindeberg, qui ne fait intervenir que les moments du second ordre,
mais précise le mode de convergence vers ces moments des intégrales
qui les expriment; nous avons déjà parlé au n° 16 de l’application de
cette condition dans la théorie de la diffusion.
P. L¿VY. ê
CHAPITRE II*
Ces résultats successifs sont (Tailleurs compris dans un résultat plus

général, qu’on peut obtenir bien simplement (P. Lévy [6, n° 10]) par
application de la remarque suivante : si Uv ne diffère que dans des cas
de probabilité av d’une variable auxiliaire IJ',, et si 2 a .,^ e ', la somme
S = 2 Uv ne diffère de S' = 2 Uv que dans ces cas de probabilité ^ c'. Si
donc e' est très petit, et si le théorème 1 8 . i s’applique à S', il s’applique
aussi à S.
La seule difficulté de cette application est que o '— a JS' Jn’est pas
connu a priori, et a jS j peut n’avoir pas de sens. Il faut alors introduire
un autre nombre s qui indique Tordre de grandeur de </. A cet effet on
peut choisir un nombre y compris entre zéro et un, par exemple ->
et prendre pour s la longueur du plus petit intervalle ayant une proba
bilité >y de contenir S. Si s n’est pas petit, ni S, ni S — c (quel que
soit le nombre certain c) ne sont très petits en probabilité, et un nombre
petit par rapport à s peut être considéré comme petit par rapport à S.
Ce nombre étant ainsi défini, on a le
T héorème 18 . 2 . — S i S est la somme de n termes aléatoires

indépendants Uv tous inférieurs en valeur absolue à un nombre e
très petit p a r rapport à s, s a u f peut-être dans des cas de probabi
lité totale inférieure à un nombre très p etit e', la loi dont dépend S
est très peu différente d'un e loi de Laplace généralisée. On p eu t
définir deux nombres certains a et b tels que a S + é dépende d'une
loi qu i tende vers la loi de Laplace réduite quand ^ et s1 tendent vers
s
zéro.
On peut d’ailleurs (c/. P. Lévy [12 ]) éviter d’introduire s en suppo

sant que la valeur médiane de S soit nulle, et en écrivant que
U, i
I (v = i , 2, . . . , n) tend en probabilité vers zéro.
L ’application de ce théorème aux processus additifs est immédiate..

En divisant un intervalle fini ( f0? l\) en un nombre de plus en plus
grand d’intervalles de plus en plus petits, on est dans les conditions
d’application de ce théorème. Si le processus est fortement continu,
il existe presque sûrement pour X(£) un module de continuité positif
r correspondant à un nombre arbitrairement petite, et, com me: est une
variable aléatoire, P r j T > o } = i implique Pr j t > h j -> i (A-> o).
Si donc tous les dt sont inférieurs à un nombre assez petit h —-h (e, e'),
le plus grand des ôX(£) e s t < e , sauf peut-être dans des cas de proba
bilité <C e'. D’autre part, c’est une même variable aléatoire X ( ^ ) — X (*0)
LES PROCESSUS DE MARKOFF ET LA DIFFUSION DE LA PROBABILITE. ?5
q u ’o n d é c o m p o s e e n u n n o m b r e d o p lu s e n p lu s g r a n d d e t e r m e s ; si e lle
e s l e ffe c tiv e m e n t a lé a to ir e , c ’e s t-à -d ir e si le h a s a r d in te r v ie n t c lfe c tiv c -

m e n l e n tre le s in s ta n ts £0 e t t x, il n ’y a p a s à c r a in d r e q u ’e lle d e v ie n n e
trè s p e tite e n p r o b a b ilité . L a n é c e s s ité d e m e s u r e r la d i s p e r s i o n d e c e tte
v a ria b le p a r u n n o m b r e a u x i l i a i r e .? d i s p a r a î t , e t l ’ o n o b t i e n t le
T h é o r è m eS i la fonction aléatoire X ( £ ) dépend d 1un

1 8 . 3 . —
processus a d d itiffortem en t continu, les accroissements X ) — X ( / 0 )

dépendent de la loi de Laplace généralisée. I l existe deux fonctions
\i(t) et <*{t), nécessairement continues, et la fonction <r(t) étant non
décroissante, telles que
M M —M M = p(M —î*(M -*-£*/*('» ) —•('» )»

> étant (quels que soient t{>et ti ) une variable laplacienne réduite.
L e th é o r è m e 1 8 . 2 a d m e t u n e r é c ip r o q u e q u i, c o m m e le th é o r è m e
lu i-m ê m e , se s im p lifie si o n l’a p p liq u e a u x p ro c e s s u s a d d itifs . L e th é o
r è m e 1 8 . 3 , c o m p lé té p a r c e lte r é c ip r o q u e , d o n n e a in s i le
T S i le processus dont dépend X ( / ) est a d d itif

h é o r è m e 1 8 . 4 . —
et localement continu dans tout Vintervalle ( f 0, /4), la condition

nécessaire et suffisante pour que X ( f 4 ) — X ( { 0 ) soit une variable
laplacienne généralisée est quyil soit fortem ent continu.
N o u s r e v ie n d r o n s a u C h a p itr e V s u r ce th é o r è m e , e t s u r s o n e x te n s io n
a u cas o ù l’o n n e s u p p o s e p a s la c o n tin u ité lo c a le . N o u s n ’e n a v o n s p a s
b e s o in ic i p o u r c o m p a r e r le s r é s u lta ts q u e l ’o n p e u t d é d u i r e d e la t h é o r ie
d e la d iffu s io n à c e u x q u e n o u s v e n o n s d e r a p p e le r . N o u s s a v o n s q u e ,
d a n s le cas d e s p ro c e s s u s a d d itifs , l’é q u a t io n d e la d iffu s io n se r é d u it
à c e lle d e la c h a l e u r , e t e n t r a în e le c a r a c t è r e la p la c ie n d e X ( i 4 ) — X ( £ „ ) .
C o m p t e te n u d e s c o n d itio n s in tro d u ite s p a r À . K h i n t c h i n e p o u r
fo r m e r l’é q u a t i o n d e la d ifT u s io n , le ré s u lta t o b te n u e st à p e u p rè s
é q u iv a le n t à c e lu i d e L i n d e b e r g , q u i c o m p r e n d le th é o r è m e 1 8 . i , e t,
p a r a p p lic a tio n d u p r in c ip e d e r a is o n n e m e n t d o n t n o u s a v o n s d é d u it
le th é o r è m e 1 8 . 2 , o n p e u t a in s i d é d u ir e d e s m é th o d e s d e A . K o l m o g o r o f f
e t A . K h in t c h in e u n e n o u v e lle d é m o n s tr a tio n d u th é o r è m e 1 8 . 3 .
2° Processus adm ettant des processus a d d itifs ou linéaires

tangents. — L a c o n n a i s s a n c e d ’ u n p r o c e s s u s a d d i t i f t a n g e n t p e u t
n a tu r e lle m e n t d o n n e r d ’u tile s^ r e n s e ig n e m e n t s s u r le p ro c e s s u s é tu d ié .
Il e s t n o t a m m e n t im p o r t a n t d e s a v o ir d a n s q u e lle m e s u r e d e s p r o p r ié té s
d e c o n tin u ité vé rifié e s p a r u n d e s p ro c e s s u s s ’a p p l i q u e n t à l ’a u t r e . S i p a r
?() CHAPITRE III.
exemple on pouvait dire que la continuité forte d ’un des processus

entraîne celle de l’autre, il résulterait du théorème 18.3 que, si un
processus est fortement continu au voisinage d’une valeur de t où il
admet un processus additif tangent, dX(l) est une variable laplacienne
généralisée. Cela n’est pas vrai sans restriction; il ne suffît pas qu’il
y ait contact entre deux processus pour que la continuité forte d’un
des processus entraîne celle de l’autre. Mais cela devient vrai avec
des conditions restrictives convenables relatives, soit à la nature du
processus additif tangent, soit à l’existence de processus tangents, non
seulement au point t, mais au voisinage de ce point; dans ce dernier
cas, il est sans doute nécessaire de compléter cette condition par d’autres
relatives à la manière dont le processus tangent à l’instant t dépend
de t et X (i), et aussi à l’uniformité du contact. La question se com
plique d’ailleurs du fait que, s’il y a un processus additif tangent, il y en a
une infinité ( 5). Il semble tout de même qu’on puisse dans cet ordre
d’idées obtenir de nombreux théorèmes indiquant de nouveaux cas où
l’on peut affirmer que o X (t) est une variable laplacienne généralisée;
ce sujet nous paraît mériter de nouvelles recherches. Nous nous
contenterons de traiter le cas des processus admettant des processus
linéaires tangents ; ce cas apparaît comme plus simple, parce qu’il ne peut
y avoir, pour chaque valeur de t et pour des conditions initiales données,
qu’un seul processus linéaire langent.
T héorème 18 . 5 . — S i un processus fortem ent, continu admet à

Vinstant t un processus linéaire tangent, 3 X(£) est une variable
laplacienne généralisée.
Précisons que dans cet énoncé le mot tangent peut avoir n’importe
laquelle des acceptions définies au n° 9 , 3°; en prenant la moins restric
tive, l’existence d’un processus linéaire tangent signifie que, Y ( i ) dési
gnant une fonction qui dépend d’un processus linéaire convenablement
déterminé, l’accroissement X (t-j-dt) — X (i) peut être mis sous la forme
$Y(i) -+- o)(dt) [ io(dt) ~ o(ifr) m. q.].
(5) Remarquons notamment que, si Y(f) désigne la fonction aléatoire presque sûre
ment discontinue dans tout intervalle définie au n® 4, 2°, on peut ajouter un terme tel
que Y [ (t — tQy ] sans modifier les conditions du contact à l’instant ¿0. Si donc un pro
cessus admet un processus additif tangent qui soit fortement continu, il en admet
une infinité d’autres qui ne le- sont pas. On pourrait alors se demander si, quand un
processus fortement continu admet des processus additifs tangents, il existe toujours
certains de ces processus tangents qui sont fortement continus. La réponse à cette
question est négative.
Il suffit de démontrer que Y (t) est presque sûrement continu;

il résulte en effet de celte continuité et du théorème 48.3 que o Y (t)
est une variable laplacienne généralisée; or a)(dt) est négligeable et
3 X (J) se réduit à 3 Y ( i ) ; c’est donc aussi une variable laplacienne
généralisée.
Il reste donc à démontrer que l’hypothèse que Y(*) soit discontinu
dans des cas de probabilité positive conduit à une contradiction. Or, le
processus dont dépend Y ( j ) étant linéaire, cette hypothèse signifie
qu’on peut trouver des nombres positifs h et c tels que l’existence dans
l ’intervalle ( t} t -f- r)*d’au moins un saut supérieur à A en valeur absolue
ait une probabilité supérieure à cr; X ( m.) étant presque sûrement
continu, X (w ) — Y ( m) = c*)(m — t) a, dans le même intervalle, les
mêmes sauts avec la même probabilité, ce qui est en contradiction avec
l’hypothèse <ù(dt) ^ o(dt) m. q. ; le théorème 18.5 est ainsi démontré.
3° Autres résultats concernant la loi de Laplace pour les processus

non a d d itifs. —' Mentionnons d’abord l’existence d’une importante
Note de W . Doeblin [I], contenant des énoncés de théorèmes dont les
démonstrations n’ont pas été publiées. Doeblin n’utilise pas la notion
de processus additif ou linéaire tangent, et n’introduit pas la continuité
forte. Il introduit des hypothèses analogues à celles que nous avons
utilisées au n° 16 , 4° pour former l’équation de la diffusion, et les rend
même moins restrictives, par application de la remarque qui nous a servi
pour passer du théorème 18 . i au théorème 48.2 : des valeurs de proba
bilités suffisamment faibles ne peuvent pas modifier les résultats, et si
la non-vérification des hypothèses énoncées au n° 46 , 4° est due à des
valeurs très grandes et très peu probables, il n’y a qu’à faire abstraction
de ces valeurs. Par contre, la loi dont dépend 3X ( l) étant, pour un
processus non additif, fonction de la valeur actuelle # = X(£), il est
essentiel d’ajouter une hypothèse nouvelle : les conditions précédentes
doivent être, dans tout intervalle borné, vérifiées d’une manière uniforme
par rapport à x.
De ces hypothèses, Doeblin déduit, d’abord la continuité presque
sûre de X ( i) , ensuite le caractère laplacien de 3X (*).
Ces résultats vont à certains points de vue beaucoup plus loin que le
théorème 4 8 . 5 . Ce théorème et ses extensions possibles n’en présentent
pas moins d’int'érêt à un autre point de vue : montrer ce qu’on peut
déduire de l’existence de processus additifs ou linéaires tangents au
processus étudié.
Mentionnons enfin l’existence d’un théorème d’un type tout à fait
7» CHAPITRE III.
différent, que nous nous contenterons d’énoncer, en renvoyant pour

la démonstration à notre précédent Ouvrage ( “).
T héorème 18 . 6 . — On suppose X ( f) presque sûrement continu,

X(<§) == o, et
(25) E/ { X ( m ) | = X ( / ) (u ^ e ^ to ).
On suppose de p lu s que <rt { o X (/) j existe. On pose
(2t>) « * (0 = r #a ï î 3X( 0 }.
Cette expression <*)2(j) e$£ w/ie fon ction aléatoire de t. Supposons

qu'elle devienne presque sûrement infinie avec t, et désignons
par U (a) la valeur de X (J) au moment où &>2(i), qui ne peut que
croîtrej atteint lavaleurcs2. est une variable laplacienne réduite.
19. Le mouvement brownien et l’équation de la chaleur. Problème

de Cauchy et problèmes de types mixtes. — i° L 'id en tité form elle du
mouvement brownien et de l agitation therm ique. — Cette identité
résulte de ce que la fonction u { t y x ) du mouvement brownien vérifie
l’équation de la chaleur. Son origine apparaît peut-êire mieux si l’on
introduit la fonction primitive U(J, x ) de u ( t , x ) [avec U (f, — oo) = o]*
de sorte que l’équation de la chaleur prend la forme
âU _ du
(27) Ot ~~ ()x
S ’il s’agit de chaleur, U est la quantité de chaleur située sur l’inter

valle (— 00, x ) d’une barre rectiligne, homogène, de section négligeable.
Si elle augmente ou diminue, c’est a cause du flux de chaleur qui traverse
le point x y et la cause de ce flux est la différence entre les températures
existant de part et d’autre de ce point; il est donc proportionnel, d’une
part à d’autre part à ~ * et, avec des unités convenables, on obtient
l’équation (27).
S’il s’agit de probabilités, on peut les matérialiser en imaginant des
molécules se déplaçant indépendamment les unes des autres suivant
la loi du mouvement brownien, et assez nombreuses pour que leur
répartition représente sensiblement la fonction de répartition théo
(•) P. L évy [ I l ], th éo rèm e 67. 3.

rique U(£, x ). On peut alors représenter le flux de probabilité par le

nombre des molécules qui traversent le point x pendant l’intervalle de
temps dt\ ici encore, ce flux apparaît comme proportionnel d’une
part à (car il y aura plus de molécules qui quitteront la région où
elles sont plus denses), et d’autre part à —p et, avec des unités conve
nables, on retrouve l’équation (27).
On remarque que nous n’avons fait intervenir que la variation de u au
voisinage du point x . C ’est parce que le mouvement est continu que
seules les molécules initialement voisines de ce point ont des chances
de l’atteindre et le traverser pendant l’intervalle de temps d t. Cette
continuité admise, nous arrivons à l’équation de la chaleur sans intro
duire la loi précise du mouvement brownien. On arrive ainsi par un
raisonnement bien simple qui n’est que la traduction en langage ordi
naire, et dans le cas d’un processus additif, de celui du n° 16 , 20, au
théorème 18 . 3 , d’après lequel il n’existe [aux changements près de X (¿)
en X ( / ) — a t — b et de t en ci] qu’ nn seul processus qui soit à la fois
additif, fortement continu, et homogène dans le temps.
Si, au contraire, des sauts brusques ont des probabilités positives, une
molécule non initialement voisine du point x peut le traverser pendant
l’intervalle de temps d i, et le flux, toujours proportionnel à ne
dépend plus seulement des valeurs de u au voisinage de ce point. Les
mouvements analogues à ceux définis au n° 4 sont donc sans aucun
rapport avec l’équation de la chaleur.
20 Remarques sur le problème de C a u ch y . — Rappelons les diffé

rences importantes qui existent, au point de vue du problème de Cauchy,
entre l’équation de la chaleur (21 ), qui est du type parabolique^ et une
équation du type hyperbolique, comme l’équation des cordes vibrantes
(PU _ „ (Pu
(28)
D ’abord, pour l’équation de la chaleur, le problème de Cauchy

est bien posé si l’on se donne simplement la détermination ini
tiale u 0 ( x ) = u ( t ù<f x ) , tandis que, pour l’équation (28), il faut se
donner les déterminations initiales de u et de ur Mais c’est surtout sur
une autre circonstance que nous voulons attirer l’attention. Si le mouve
ment brownien est continu, sa vitesse n’est pas limitée supérieurement;
l’ordre de grandeur problable de |o X (i)| est celui de y/dt, ce qui
correspond à une vitesse de déplacement d’autant plus grande que dt
8o CHAPITRE III.
est plus petit* De plus, même si l’on ne considère que le déplacement

au bout du temps fini t , il n’est pas limité supérieurement. Il en résulte
que l’on ne peut prévoir la probabilité de la présence d’une molécule
au point a? (ou près de ce point) à l’instant t = t 0 + t que si l’on
connaît u 0 ( x ), non seulement en ce point, mais sur tout l’axe des
C ’est d’ailleurs ce qui résulte de la formule ( 3 ), qui résout le problème
de Cauchy; dans le cas du mouvement brownien, elle prend la forme
(2 9 ) w(f0+ : , x) = - J = e 27
SJ2 Î C T
On voit qu’elle est essentiellement différente de celle relative à

l’équation (28), ou à n’importe quelle équation de type hyperbolique,
pour laquelle il y a une vitesse de propagation finie, de sorte que, pour
déterminer u(t, x ) en un point donné, à un instant donné, il suffit de
connaître les données de Cauchy sur un intervalle fini.
3° Les problèmes m ixtes. — La remarque qui précède n’empêche

pas que, pour l’équation (21), comme pour l’équation (28), on peut
étudier des problèmes mixtes, dans lesquels l’axe des x est réduit à une
portion finie (ou infinie dans un seul sens). Dans ce cas, la donnée
initiale qui ne saurait être donnée que sur cette portion finie doit être
complétée par des données aux limites. Ou bien on se donne ux, c’est-
à-dire le tlux de chaleur; ou bien on se donne la valeur de u .
Nous allons montrer que ce dernier problème est lié au problème
suivant de la théorie du mouvement brownien : on se donne deux
fonctions Xi— Xi(t) et x 2 = X2(t)>Xi (t), continues et dérivables, et une
répartition initiale de la probabilité dans l’intervalle \x\ (¿0), #2(^0)]•
Chercher la probabilité u{t^, x ) d x pour que, pendant tout Vinter-
valle de temps ( t0, £*), on ait
( 30) X\(t) ¿1 X ( f ) ^ x*( t)
et qu e, de p lu s, à Vinstant t\, on ait

(31) x X(tt) < x -h clx.
Cette fonction u( t, x ) est d’abord, à l’intérieur de l ’intervalle ( x l} x 2)y

solution de l’équation de la chaleur (21), comme si l’on ne s’imposait
pas les conditions ( 3o). Le raisonnement qui conduit à cette équation
subsiste en effet sans modification; ut ne dépend que des valeurs de u
au voisinage du point x , et, si x est intérieur à ( xi , x^), les conditions
aux limites ne peuvent pas modifier l’équation (21).
LES PROCESSUS DE MARKOFF ET LA DIFFUSION DE LA PROBABILITÉ. 8l
Montrons maintenant que u est nécessairement nul aux limites.

Montrons-le par exemple pour la limite supérieure x 2. Nous allons à
cet effet montrer qu’on aboutit à une contradiction en supposant que u
ait en ce point une valeur positive u 2 [ou en supposantque u ait, dans
l’intervalle ( x 2 — d x , x 2), une valeur moyenne u2 non très petite]. La
probabilité que X(£) soit à l’instant t dans l’intervalle ( x *— dx, x 2), et
dépasse ensuite x 2 avant l’ instant t + dt, est alors au moins égale à
u%dx Pr j 8X(i) > dx -h k d t } [A: = Max. ¿r£(í)]»
et par suite, en supposant d x = ayjdt, à cu 2 d x, c ne dépendant que

de a. Le flux pendant le temps dt est ainsi de Tordre de grandeur
de \fdt, donc très grand par rapport à dt, c’est-à-dire que la probabilité
totale
(32) t, x ) d x = U (i>x î ) — U(i, x ±)
décroît avec une vitesse infinie.

On peut supposer que cette circonstance soit réalisée initialement;
on peut par exemple supposer la répartition initiale uniforme dans
l’intervalle [#i(£o)> #a(io)]- Mais il est impossible que l’expression ( 32 )
décroisse avec une vitesse infinie pendant un temps fini. Il faut donc
conclure que, pour x = x 2 (et de même pour x = x K), u tombe instan
tanément à la valeur zéro. Par suite :
L e problème posé est form ellem ent identique au suivant : chercher

la solution it\t, x ) de Véquation de la chaleur, définie à chaque
instant dans Vintervalle [¿r<(£), x 2 ( t )], nulle a u x limites, et véri
fia n t de p lus la condition initiale u (t, x ) = u 0 (x).
Si la répartition initiale donnée n’est pas absolument continue, cette

condition initiale doit naturellement être remplacée par
«{fl
U0{x) étant la fonction de répartition initiale.
On remarque que, compte tenu de ce que u s’annule aux limites, la
vitesse de diminution de la probabilité totale (32) est
•C,
u't (t, x) dx
82 CHAPITRE III.
(les termes en x{ et x: disparaissant), et par suite, en tenant compte de

l’équation (21)
( 33) “ [ U'j;( t, .ri ) U^tj ;l*2)].
Comme u est positif dans l’intervalle (x^, x a), on trouve bien une
somme de deux termes positifs (ou du moins non négatifs) qui, multi
pliés par d t , donnent respectivement les probabilités que X ( i) fran
chisse entre les instants t et t 4- dt les limites xi et a?2.
Naturellement, si une des limites x\ et x* est iniinie, le résultat
obtenu subsiste en ce qui concerne l’autre limite.
20 . Applications. — Nous allons, à titre d’applicalion, traiter deux

problèmes simples, relatifs au cas où x t et x * sont constants. Ce cas
a été traité depuis longtemps par L. Bachelier [ 2 1.
i° Supposons d’abord X\ —- — x>, #2= a > o , cl, comme condition

initiale, X (* 0) = o, c’est-à-dire Ü0( x ) — o pour ¿ p < o e t 1 pour x > o.
On obtient une fonction w (i, x ) vérifiant toutes les conditions indi
quées par la méthode des images (de lord Kelvin), qui consiste ici à
considérer une source chaude initialement placée à l’origine et une
source froide initialement placée au point x = 2a (image de l’origine
dans le miroir x r = a ) . Ces deux sources étant supposées égales et
opposées, si la chaleur et le froid se propagent sur tout l’axe des x y
leurs effets se compensent constamment, par raison de symétrie, au
point x — a. On a bien ainsi, pour t > £«, x < a, une fonction u posi
tive, s’annulant à la limite pour x — a , vérifiant l’équation (2 1), et
aussi la condition initiale voulue (puisque, pour t — 10 très petit
et # < a , l’elFet de la source froide est négligeable).
On obtient ainsi la formule
V2îH/ — /0)
d’ou l’on déduit immédiatement, dans le cas où la fonction de répartition

initiale U0(#) est quelconque
r a[ (sji-E—ri»!
(35) „((,.r)= :— J === / [e JrfÜ0(O-
— /o)«/-»
a® Supposons maintenant jr4- - — a 4< ;o , jr2= a a> o , et encore

X ( / 0) = o. Le principe de la méthode des images s’applique encore, en
considérant deux miroirs placés aux points Xi et Aux points x h = 2 ha

(a = a K-f- a*i ; h = . . . , — 1 ,0 , 1, . . . ), qui sont des images obtenues
après un nombre pair de réflexions, sont placées des sources chaudes,
et aux points x"h = 2a 2— 2ha sont placées des sources froides, et, si la
chaleur et le froid se propagent en parlant de ces sources sur Taxe des x
tout entier« on obtient pour u ( t , x ) l’expression
1____ *l*-*o>
(36) u(ty,r) e
v/2*(/ — *«)
Cette série est d’ailleurs absolument convergente et dérivable terme à

terme. On en déduit qu’elle représente bien une solution de l’équa
tion (21). D ’autre part, pour x = a 2, on a
* — x 'h= *1 —
d’où u ( t , a 2) = o, et, pour x = — a 4,
j- A X
de sorte que les termes de la série ( 36 ) sont aussi deux à deux égaux et
opposés pour x = — a t ; on a donc aussi u (t. — ) = o. La condition
initiale étant aussi vérifiée dans l’intervalle ( — a 4, H- a 2), qui ne contient
que la source chaude placée à l’origine, cette fonction u (l, x ) résout
bien le problème posé.
De la formule ( 36 ), on déduit immédiatement la formule
1 *17=75 Jr/Ua(Ç),
( 37) u(t7 x) = e
V27l(/ — /0)
relative au cas d’une répartition initiale quelconque.
3° Le même problème peut aussi être résolu par application de la

théorie des séries de Fourier. Supposons t0= o, l ’origine placée au
point — a t, et l’unité de longueur choisie de manière que a 7r.
L’équation de la chaleur est alors vérifiée par la série
(38) u(t, x) = s i n * ?
1
qui, si l’on détermine les coefficients cn par la condition
(3o) tto(x) = 2 C« s*11*-* (o < x < s),

I
84 CHAPITRE III.
vérifie bien toutes le§ conditions du problème. Si, d’ailleurs, la répartition

initiale n’est pas absolument continue, on n’a qu’à remplacer la
formule (39) par
»
^ cosnx
Lo(j :) = —2 ^ Cn— ----- h const. (o < ¿c <
1
c’est-à-dire que les coefficients cn peuvent être définis par les formules
de Fourier-Stieltjes
(4o) cn = - I sin n x ¿/Lo(^r)

35J 0
[où dU 0(j?) remplace simplement uQ{ x ) d x \ On a alors o ^ c , , ^

de sorte que la série (38) est bien convergente et dérivable terme à terme
pour tout t positif.
Une méthode analogue, utilisant une représentation de u(¿, x ) parla
formule
r *> J£t
(4 0 u(t, x ) = I sin Xie 5
*'0
s’applique au cas où x 4 = 0 , #2 = 4- 00.
2 1. Théorèmes asymptotiques relatifs au mouvement brownien. —

i° Indiquons d’abord quelques conséquences simples des formules qui
précèdent, relatives au comportement asymptotique de l’expression ( 32),
qui est la probabilité que X(G) n’ait atteint avant l’instant t aucune des
valeurs x Ket x 2-
Dans le cas où x K et x 2 sont constants, et x 2— x { = r:, il résulte de
la formule ( 38 ) que cette probabilité est de la forme
_t
(42) 2 C\e *-+-0(c” 2i) sin(# — x\) dVü(x)
Cette décroissance exponentielle s’explique aisément : pendant des

intervalles de temps égaux, la probabilité que la particule mobile, ini
tialement placée quelque part entre x 4 ct#o, sorte de l’intervalle (a?i, x 2),
est toujours du même ordre de grandeur.
Il en est tout autrement quant x 4 = — 00, x 2= a > o, X ( f 0) = o. Si
l’on considère une valeur x f de x . négative et très grande en valeur
absolue, la probabilité que X ( l) l’atteigne avant d’avoir atteint la
valeur a est très faible; d’une manière précise, on déduit aisément
de E { X (£ )} = 0 qu’elle a la valeur Si cette circonstance est
réalisée, X(£) a des chances de rester inférieur à a pendant un temps

qui est de l’ordre de grandeur de (a -b \xl |)2. Cela permet de prévoir
que, dans ce cas, la probabilité (32 ) est de l’ordre de grandeur de
Il est facile de préciser ce résultat eu partant de la formule ( 34 ), qui
donne (pour f0= o)
X* X*
(43) U(<, a ) = Ï7 i l
k 'V s / *‘ dt.
Cette formule nous montre que : le m axim um de X(0) dans Vinter-

valle (o, t)y dans Vhypothèse X ( o ) = o, dépend de la même loi de
probabilité que |X ( t ) j. Nous reviendrons sur cet énoncé au Chapitre V I.
Pour le moment, contentons-nous d’observer que cette expression
est, pour t infini, un infiniment petit équivalent à a ^ ~
Du seul fait que cette probabilité s’annule pour t infini résulte que :
quelle que soit la valeur initiale d e H ( t ) , il est presque sûr que X (£)
s'annule dans Vintervalle (£0î <*>)\ comme d’ailleurs cela est vrai quelque
grand que soit £0> il est presque sûr que X(£) a une infinité de racines,
correspondant à des valeurs de t indéfinim ent croissantes.
2° Nous allons maintenant étudier l’allure de X ( l) , pour t très petit,

dans l’hypothèse X (o ) =~o. Les propriétés de cette fonction pour t très
petit sont d’ailleurs liées à ses propriétés pour t très grand; il résulte
en effet du n° 3 que : les propriétés de la fonction aléatoire
réduite\{t) = ^-22 sont invariantes p a r le changement de t en i*
\jt 1
Compte tenu de celte invariance, nous déduisons du résultat précé
dent que : si X (o) = o, i l est presque sûr que X (t) admet une infinité
de racines positives, ayant zéro comme point d 1accum ulation.
Nous pouvons d’ailleurs arriver au même résultat en nous reportant
aux formules ( 34 ) et ( 43 ). Nous modifierons les notations en supposant
maintenant X (o) = a > o, = o, X* = -b oo, de sorte qu’il vient
r (.ri*)» /y - lit* 1 ax
ua(tyx)=^\e
sj'lxt
« “ J=y ict
14 sh^,
t
\Ja( t ) = J ' ua(t, x ) d x = ~ J* e **dt.
Pour t fixe, a tendant vers zéro, on a
ua(t, x )
86 CHAPITRE III.
Multiplions ces expressions par un entier n = n (a) tel que n a tende
vers^/^£„. Les produits nua d x et n l ] (l tendent respectivement vers

les limites
( 44) p (' ? z)r/ x = '' dj\
Ce ne son! plus des probabilités; mais ces nombres ont tout de

même des significations simples. Ils indiquent les nombres probables
des réalisations des événements considérés, c’est-à-dire de la condi
tion X (0 )^ > o [dans tout l'intervalle (o, /)], complétée ou non
par x ^ X ( t ) < x - h d x , si l’expérience est répétée assez souvent pour
que V ( t 0) ait la valeur unité. Si l’on préfère le langage de la théorie de
la chaleur, on peut dire qu’on place des sources chaudes de plus en
plus fortes de plus en plus près de l’origine. Si ces sources restaient
finies, il y aurait refroidissement instantané, l’origine étant maintenue
à la température zéro; il faut que l’intensité de ces sources augmente
indéfiniment pour compenser ce refroidissement instantané, et qu’on
puisse obtenir la répartition de température limite représentée par les
formules (44)*
3° Les résultats précédents sont susceptibles de généralisation.

Supposant X i = — oo, prenons pour Xy=tù(t) une fonction continue,
croissante pour t assez petit, nulle pour t = o; nous supposerons «'(¿)
bien défini, mais pouvant être infini à l’origine. Ainsi on peut prendre
pour o>(£) une fonction delà forme Ia | log£ |? (o < a < i, ¡3 quelconque).
Supposons que.e(¿, x ) soit une solution de l’équation de la chaleur,
définie et positive pour t > o, # < g> ( £ ) , s’annulant pour x = — oo et
pour x = o>(¿), telle enfin que
to(0
/ i'(e7x)dx < x ,
( 45)
et que, pour tout x négatif, on ait
(46) f o (/\o k
— «
c’est-à-dire qu’à l’instant initial la source de chaleur soit concentrée à

l’origine. On a
v'i(tyx) dx * ) rfjr = $ ‘’.vt *> »(O]

- U
LES PROCESSUS DE MARKOFF ET LA DIFFUSION DE LA PROBABILITÉ. X7
de sorte que V (f) ne peut que croître quand t tend vers zéro par valeurs
croissantes; V(o) est donc (¡ni ou infini, mais jamais indéterminé.
Examinons successivement les deux cas possibles, et voyons leur inter
prétation au point do vue du calcul des probabilités.
Prem ier cas :.V ( o ) est f in i. — En multipliant V (t) par un facteur

constant, nous pouvons supposer V ( o ) = i. D ’après le résultat obtenu
au n° 49 , 3°, Y (t) est alors la probabilité pour que, X (/) étant la fonction
aléatoire du mouvement brownien, X (o) étant supposé nul [ce qui corres
pond à l’hypothèse ( 46 )] onaitX (O ) <; w(0) dans toutl’inlcrvalle (o, t).
Elle tend vers un quand t tend vers zéro. Donc, inversement, la proba
bilité i — V(/) que w ( 0) — X(0) s'annule dans l’intervalle (o, /), tend
vers zéro, et la probabilité que cette différence ait une infinité de
racines ayant zéro comme valeur d’accumulation, nécessairement infé
rieure à la précédente, est nulle. En d’autres termes, il existe presque
sûrement un nombre (aléatoire) T tel que l’on ait X ( / ) < w ( £ ) pour
toutes les valeurs de t comprises entre zéro et T .
Deuxièm e cas : V (o ) est in fin i. — Si o < t 0 < tiy en prenant l’ instant

t 0 comme instant initial, et en supposant que soit la fonction de
répartition de X ( l 0)j v ) , \ est 1« probabilité que X (f) reste inférieur

> (/o)
à u(t) jusqu’à l’instant 1 1. Elle tend vers zéro avec 10, tandis que la
condition initiale devient X (o ) = o. Il est donc presque sûr dans ce cas
que, dans un intervalle (o. tA) arbitrairement petit, X(£), supposé initia-
lemenlnul, atteint, et par suite atteint une infinité de fois, la fonction w(f).
La comparaison de ces résultats nous donne le théorème suivant :
T héorème 21 . i . — X (/) étant la fon ction aléatoire du mouvement

brownien, si X (o ) = o, la probabilité q u ’il existe un intervalle {o, T )
( T ;> o) à l’intérieur duquel la fonction cô(t) borne supérieurement
X(£) ne p eut être que zéro ou un.
Pour savoir lequel des deux cas est réalisé, il faut former la solution
v( t f x ) de l’équation de la chaleur vérifiant les conditions indiquées ci-
dessus (deuxième alinéa du n ° 2 l, 3 °). Si V (o ) est infini, cette proba
bilité est nulle; si V(o) est fini, elle a la valeur un.
Il y a ainsi deux sortes de fonctions u ( i) ; les unes, que nous
appellerons fonctions de la classe inférieure et désignerons p a r u ^ l) ,
ne sont jamais des bornes supérieures de X ( l) au voisinage de l’origine;
si X ( o ) = o, il est presque sûr que X ( i) n’est borné par une fonction
88 CHAPITRE H I.
donnée dans aucun intervalle (o, T ), si petit soit-il. Pour les fonc
G>, ( ¿ )
tions de la classe supérieure, fonctions que nous désignerons para>2(£),

il existe presque sûrement, pour chaque fonction w2( 0 donnée, un inter
valle aléatoire (o, T ) où w2(i) borne supérieurement X(J). Il n’y a pas
de classe interm édiaire.
Naturellement, si.le signe de g)2 — Wi est constant, c’est g)2(J) qui est
constamment supérieur à g>i (£).
Les mêmes résultats s’appliquent à — X (£ ). On en déduit que, si
X (o ) = o, X ( / ) a presque sûrement au voisinage de l’instant t = o une
infinité de changements de signe, dépassant aussi bien d’un côté les
valeurs 4 - g) A(t) que de l’autre les valeurs — g>4 ( î ) ; mais | X ( f) | est
presque sûrement majoré, pour t assez petit, par n’importe quelle fonc
tion g) 2 ( £ ) donnée d’avance.
4 ° L ’énoncé de résultats plus précis dépend maintenant de la

théorie de la chaleur. Le problème auquel on est ramené par les
remarques qui précèdent a été résolu par I. Petrowsky [ 1] et A. Kolmo-
gorofT. Leur résultat fondamental, qui nous a été communiqué par A .
KolmogorofT, est le suivant :
T héorème 2 1 .2 . — S i la fon ction '}(/) est monotone, le p roduit

g >(t)= \ftty{t') appartient à la classe supérieure si P intégrale
r 1> _*!!£] dt
( 47) / e 5 + (O y
est convergente, et à la classe in férieu re, si cette intégrale est

divergente.
En prenant en particulier
(48) = c ^ A / lo g lo g J y
on trouve que cette fonction appartient à la classe supérieure si c > 1 et

à la classe inférieure si c ^ 1. On a donc
r> (»•
Pr < X *(0
111X1 SUD— :---- ------ r = l >) = I.
( 49) ( o log Ilogl J )
Ce résultat constitue la loi du logarithm e itéré, découverte par A .

Khintchine [ 1]. Nous la démontrerons au Chapitre V I par une méthode
directe, c ’est-à-dire indépendante de la théorie de la chaleur ( 7).
(4 Dans des travaux relativement récents, W. Feller [2 et 3], perfectionnant ces

méthodes directes, a retrouvé le théorème 21.a et défini les conditions de son elten-
LES PROCESSUS DE MARKOFF ET LA DIFFUSION DE LA PROBABILITÉ. *9
2 2 . Cas des fonctions aléatoires vectorielles. — Les méthodes el les

résultats qui précèdent peuvent s'étendre au cas des fonctions aléatoires
vectorielles, ou, si l'on préfère ce langage, aux systèmes de fonctions
aléatoires. Nous nous contenterons de donner une idée de celte extension
dans le cas d'un système de deux fonctions aléaloiresX(i) et Y(¿) vérifiant
les équations différentielles stochastiques
l = A,(/, x, x,y)\)/dî,
( >0) {
I oY(i) = A2(/, x 9 y ) dt -+- lî 2( Xy y) tjv/57.
Pour simplifier l'écriture, nous avons désigné par x et y les valeurs

actuelles de X ( i) e t Y ( i) ; les variables aléatoires auxiliaires^ et r)
seront supposées réduites; nous poserons
K {ft } = ?('» y )'
Enfin, nous supposerons vérifiée une condition de Lindeberg analogue

à la condition (16). En introduisant la densité de probabilité de
passage/(¿«, y» ; i, el,e s’écrit :
if \<r — x * \ h \y— y%\kftt***,y*\ *+--> x t y)dx dy = o(x)

I>6»Iy—XoI> 2'
pour hy k = o , i , 2; h -\- k = 2; e et é' positifs arbitrairement petits.

Dans ces conditions, en introduisant une fonction arbitraire <?(x,y),
et en calculant de deux manières différentes l'expression
^ B |?|X(0,•'»’(OH,
on arrive, par un calcul absolument analogue à celui du n° 16 ,1 °, modifié

par les remarques du n° 16, 4°? é l'équation de la diffusion, sous la
forme
. àu iWBïtt) ^ (pK ilM O d*(B|a)l d(A,n) <)(\2u)
àt 2 L - 2 dxôy ày~ J àx àv
Dans le cas des processus additifs, les fonctions A l? A 2, B i, B3, p

sont indépendantes de x et y ; dans le cas des processus homogènes
dans le temps, elles sont indépendantes de Si ces deux conditions
sion à des processus plus généraux, pouvant être discontinus, de sorte que la méthode
reposant sur la formation de l’équation de la diffusion est en général absolument
inapplicable (Note ajoutée à la correction des épreuves).
P. LÉVY. 7
()0 CHAPITRE III. — PROCESSUS DE MARKOFF ET DIFFUSION DE LA PROBABILITE.
sont réunies, et si le processus est fortement continu, ce qui suffit pour

que l’équation de la diffusion s’applique, on obtient ainsi l’équation à
coefficients constants
dui i / , &2u . , à- u du du
( 52)
OÏ >y axd x ~ a'dy'
réductible, par un changement de la variable et des fonctions de la

forme
(53) /=*/,, x = <xx\ -+- pj j -+- [lity y = «'¿Ti-f- y\-+- v/j,
à l’équation de la chaleur relative au plan

,., N du d* u dû
(54) 2 dt = d& + d?.
Le mouvement défini par X ( j) , Y (/ ) est alors le mouvement brownien

planj sous la forme homogène dans le temps et réduite dont l’étude
fera l’objet du Chapitre VII.
Dans le cas le plus général, un processus additif et fortement continu
est réductible à ce mouvement particulier, mais par une transformation
non linéaire en i, déduite de ( 53 ) en remplaçant a, (3, a', (3', XJ«, [xt^v£t
par des fonctions de 14.
CHAPITRE IV.
LES PROCESSUS STATIONNAIRES.
S :. — 23. .Notions generales. — 21. Exemples. — 25. Théorèmes généraux sur

o m m a iiu
la covariance. — 2(>. Dérivées des fonctions aléatoires stationnaires. — 27. Analyse

harmonique des fonctions aléatoires stationnaires. — 28. Le cas des fonctions
aléatoires de plusieurs variables.
23 . Notions générales. — Rappelons qu’ une fonction aléatoire X fl)

est dite stationnaire, si, quels que soient l’entier positif n et les n valeurs
ti, ¿a, . . . , ¿n de la loi à n variables X (* 4), X (* 2), . . . , X ( / /t)ne
dépend que des différences*/— *y.
l’entier positif n et les n valeurs tiy 1 2, . . tn de *, la loi à n variables
X (/< ), X (*a), . . . , X(*n) ne dépend que des différences */ — */.
Le processus dont dépend une telle fonction sera de même, appelé
stationnaire, ou strictement stationnaire.
Nous dirons que la fonction aléatoire X (* ) est stationnaire d'ordre
{entier positif) p si ses moments jusqu’à l’ordre p existent et si, quelque
soit n, les moments jusqu’à l’ordre p de la loi à n variables X (*4),
X (*2), X (f„ ) ne dépendent que des différences ti — cela
implique que ceux de X (l) soient constants.
La stationnarité d’ordre p est évidemment une condition d’autant plus
restrictive que p est plus grand.
La stationnarité stricte n’iinpliquant pas l’existence des moments, on
peut seulement dire que : si X ( l) est une fonction aléatoire strictement
stationnaire et si | X ( f ) | a un moment fini d’ordre p, X (l) est stationnaire
d’ordre p .
On sait que, dans bien des cas, les moments jusqu'à l’ordre deux
jouent un rôle particulièrement important. De nombreuses propriétés
des variables aléatoires ne dépendent que de ces moments. Cette
remarque s’applique notamment à l’étude des fonctions aléatoires
stationnaires. Elles ont de nombreuses applications physiques, notam
ment dans l’étude des courants électriques, et, dans ces applications,
les phénomènes énergétiques ne dépendent que des moments des deux
92 CHAPITRE IV.
premiers ordres. Aussi l’étude des processus stationnaires d’ordre deux

est-elle particulièrement importante.
S ’il s’agit de fonctions aléatoires complexes, les moments des deux
premiers ordres, au point de vue herm itien, sont les moments de X(J),
E { X ( t ) } et E { | X * ( i ) | } ,
et le moment m ixte, ou covariance (hermitienne)
E } X ( < t ) X ( / s) } = r ( * t, it )
(X désignant l’imaginaire conjuguée de X ). Pour un processus station-

naire d’ordre deux, les premiers ont des valeurs constantes p et a2, g1
étant réel et positif [sauf dans le seul cas où X ( l) est presque sûrement
nul, de sorte que p et a- sont nuis]. La covariance est alors une fonction
R (h) de la différence h = U — tK; R (o ) = o-2, et il résulte de l’inégalité
de Schwarz que, pour tout h réel, on a
¡R(A)l^cr’-.
Cette fonction est de plus heripitienne, c’est-à-dire que R ( A ) e t R ( — h)

sont imaginaires conjugués. Pour les processus stationnaires réels, cette
fonction est donc paire. Nous verrons au n° 25 d’autres propriétés de
cette fonction.
Nous supposerons souvent la fonction X ( t) réduite, c’est-à-dire que
p = o, a2= i (o* est alors l’écart type); le cas général se ramène à ce
cas par un changement de variable linéaire (en A ), qui ne modifie pas
les caractères de stationnarité. Dans le cas réduit, R (A ) est égal au
coefficient de corrélation p(h ) de X (J) et X (£ -p A); dans le cas plus
général d’une fonction stationnaire d’ordre deux semi-réduitc, on a
R (A) = a* p (A).
Il peut y avoir intérêt à considérer les processus d’ordre deux double

ment stationnaires d'ordre deux, c’est-à-dire ceux qui sont station
naires d’ordre deux, et pour lesquels le moment
E | X ( / , ) X ( i i ) } = r i ( i l) < , )
se réduit aussi à une fonction R*. (À) de A = — t\. Dans le cas réel,
cette fonction ne se distingue pas de R (A ); mais elle s’en distingue dans
le cas complexe; elle est toujours paire, et R i(o ) est en général complexe.
Nous nous contenterons pour le moment de mentionner ces processus.
Ils constituent un cas particulier des processus totalement stationnaires
LES PROCESSUS STATIONNAIRES. C)3
(Tordre />, étudiés récemment par A. Blanc-Lapierre el R Fortet (<),

sur lesquels nous reviendrons au n° 27 .
On appelle parfois processus de K hintchine (ou fonctions aléatoires de
Khintchine), ceux qui sont à la fois stationnaires d’ordre deux et continus
m. q. Pour un processus stationnaire d’ordre deux, on a
j E{|X(*- h A ) - X ( o H = e {[X( î + A ) - X ( 0 ] [ X ( / - h à ) - X ( O ] |
( = 2 R (o) — R(— h) — R (h) = 2 dt[R(o) — R (h)]
(le signe ÛL désignant la partie réelle), de sorte que : pour qutun tel
processus soit continu m. q., il fa u t et il suffit que la partie réelle de
R (h ) soit continue à Vorigine.
Cette continuité entraîne d’ailleurs la continuité uniforme de la fonc
tion R (h) elle même sur tout l’axe réel. On a, en effet,
R (h -hk) — R (h) = E | X(t — h) [X^f «+• *) — X (0 ]i
d’où, d’après l’inégalité de Schwarz, et en tenant compte de ( i ),

| R(A -h k) - R ( h) |* ^ R(o) E { | X(* h- *) - X (i) |*}
= 2 R (o )tfl[R (o ) — R (* )].
Cette quantité tend donc vers zéro avec /r, et cela uniformément, quand
h varie de — oo à -H a>, c. q . f . d .
Cette condition de continuité exclut des fonctions aléatoires station
naires telles que celle obtenue en faisant correspondre aux différentes
valeurs de t des variables aléatoires X (£) dépendant toutes de la même
loi et indépendantes les unes des autres. Alors, si une suite de
nombres tn a une limite t , lesX (£ n), étant indépendants de X (¿ ), n’ont
aucune chance de tendre vers X (¿ ); il est presque sûr que la
fonction X(¿) est presque partout discontinue. Il s’agit de ce qu’on
peut appeler un processus dégénéré de seconde espèce (les processus
dégénérés de première espèce étant ceux considérés au n° 5 où le rôle
du hasard est au contraire insuffisant); le terme même de processus ne
convient guère à ce cas où la connaissance du passé ne donne aucun
renseignement sur l’avenir.
On obtient d’autres types de processus stationnaires dégénérés en
ajoutant à la fonction que nous venons de définir, que nous désignerons
par £(/), une constante aléatoire E indépendante de Ç(£), ou> plus
généralement, en considérant une fonction de la forme /*[Y (¿), £(r)],
ou Y ( l ) dépend d’un processus stationnaire continu m. q. Dans ce cas,
t 1) A. B lanc-L apierre et R. F ortet [4].

94 CHAPITRE IV.
si les moments du second ordre existent, et si la fonction f dépend

effectivement de Ç(i), Ia covariance R (h) a, pour A ^ o , un module
maximum inférieur à R (o ); si X(£) se réduit à / [ ç ,Ç ( 0 ] cette cova~
riance est constante (pour h yé o).
Mentionnons en particulier l’exemple des fonctions aléatoires X(¿) dont
le module est une fonction stationnaire continue m. q., tandis que les
arguments 0 (ou les signes, s’il s’agit de fonctions réelles) sont choisis
au hasard indépendamment les uns des autres. Si la valeur probable m
de e l6 est nulle, R (A ) est nul pour toute valeur non nulle de A; mais,
dans le cas contraire, R(A ) n'est pas nul, et varie avec A si | X(£) | ne se
réduit pas à une constante; A tendant vers zéro, R (A) tend
vers | m 21R (o ).
24 .Exemples. — Nous allons maintenant indiquer quelques

exemples de processus qui seront, soit strictement stationnaires, soit
stationnaires d’ordre deux, et tous au moins continus en probabilité.
i° Désignons par U(t>) la fonction aléatoire du mouvement brownien

linéaire, définie pour *>>o dans l’hypothèse U (o) = o. Dans ces
conditions —^ ^ dépend d’un processus invariant par le changement
de v en Xt>(X>o). On en déduit, en posant ç = ely que la fonction
aléatoire
<3) X ,(0 = «“ <U(e*/)
est strictement stationnaire. Pour A positif, on a
E j Xj (/)X 1(i -h A) j = jü ( c « ) E / jU [ <?*«+*)] }*J

= e-m+h) e j[U (e2l)]*{,=
d’où l’on déduit, pour tout A réel, l’expression de la covariance
(4) R,(A) = <r-lH
Le processus ainsi déduit du processus brownien par la formule ( 3 ),

est d’ailleurs, comme celui dont il est déduit, de MarkofT, et fortement
continu.
On peut retrouver le même processus en partant de l’équation
différentielle stochastique
(5) o X ( 0 -4- X X ( i ) dt = at\/dt
où £ est une variable iaplacienne réduite indépendante de X(<).

LES PROCESSUS STATIONNAIRES« 9^
Cetle équation, d un type déjà étudié a u n ° 12 , s’intégre immédiatement

par
(6) e "X( t ) = e't'vdt = f 5
J
et, si l’on intègre à partir de £ = — 00, ou à partir d’une valeur

initiale finie l 0 en prenant pour X(£0) une variable laplacienne d’écart
type on retrouve, à des changements d’unité près, la fonction
aléatoire définie par la formule (3). On ne peut d’ailleurs pas obtenir

de fonction aléatoire stationnaire avec d’autres données initiales, car,
de toute façon, d'après la formule ( 6 ), X(£) tend au point de vue
de Bernoulli, pour t infini, vers
a f e - ' HÇy du,

J0
qui est une variable laplacienne d’écart type

/51
On remarque aussi que, de l’équation ( 5 ), on déduit
X(t h- dt) = ( 1 — \ dt) X(<) -h a^s/dl)

d’où
<x2( t-h dt) = (.1 — 2 a ¿ft) <J5( 0 -+■ aïdt ,
et par suite,
d<s*(t)
(7 ) 2Àa2(/) = ai,
dt
de sorte que l’écart type <7(t) ne reste constant que si sa valeur initiale
est Si de plus E j X ( / ) | = o , on obtient un processus station-
/2 À (
naire d’ordre deux. Mais il n’est strictement stationnaire que si X(£)
est une variable laplacienne.
20 On peut généraliser l’exemple du r en supposant seulement,

au sujet de U (y), que cette fonction dépende d’un processus linéaire
d ’ordre d eu x, c’est-à-dire qu’elle soit à accroissements orthogonaux
et que scs deux premiers moments soient linéaires en p. Une réduction
évidente permet alors de supposer
E | U ( p ){ = o , ^ { U ( p ) } = p,
et le calcul qui nous a conduit à la formule ( 4 ) subsiste sans modifi

cation. On obtient ainsi des fonctions X 2(t) qui sont stationnaires
d’ordre deux, et la covariance R 2(/i) est encore égale à
96 CHAPITRE IV.
On peut aussi former ces fonctions en partant de Téquation aux

accroissements finis
(8) X( t - hh) = R(h)X(t) + V ( h > o),
où l’on suppose seulement que U soit orthogonal à X (/) et aussi

à X ( i 0) pour tout ta < t . On a alors de môme
X (i ■+■ h h- Æ) = R(^) X (i -+- À) + Ui (/r o),
U i étant orthogonal à X ( t ) et X(£ + A). Par suite, si la fonction X ( i)

est stationnaire d’ordre deux et réduite, on a
(9) R( à- hk) = R(A)R(k) ( h , k > o).
Si enfin le processus est continu m. q., on a R (-|-o ) = R (o ) = .,

et la formule (9) entraîne R (A) = e_clA|, pour tout h réel; c est une
constante positive qu’un changement d’unité sur h permet de ramener
à la valeur un.
3° Une autre généralisation de X f (i) repose sur la théorie des

lois stables qui sera exposée au n° 37 . On verra que, pour chaque
exposant ¡3 supérieur à on peut, et môme d’une infinité de manières,
définir une fonction U(^) à accroissements aléatoires indépendants, et
telle que la loi dont dépend -¿ p - (*> > o) soit indépendante de cette
loi est une loi stable. Alors la fonction aléatoire
(10 ) Xz(t) = e~?‘ V(et)
est strictement stationnaire. Elle se distingue de X 4(j), d’une part

parce que son second moment est infini, d’autre part parce que,
comme U(f>), elle a presque sûrement des points de discontinuité
formant un ensemble partout dense. On ne peut plus appliquer ici la
définition habituelle de R (A). Mais la formule
(11) X3{t -+- h) = c Xn(t) -h Y (h > o, c = e~h),
où V est indépendant de X 4(*), permet de considérer c comme un

coefficient de corrélation généralisé; il est encore de la forme
LES PROCESSUS STATIONNAIRES. 97
4° Prenons maintenant pour U (i) une fonclion aléatoire dépendant

d’un processus linéaire d’ ordre deux. La différence
(12) x 4( o = U (î + i ) - ü ( o
est alors stationnaire d’ordre deux, et, si le processus dont dépend U ( 0

est linéaire, elle est stationnaire; nous la supposerons réduite.
Si A ^ i , X 4(f) et X 4(f 4 - h) sont manifestement orthogonaux; donc
R 4(K) = o. Si o < h < i , en posant U (t 4- i ) — U (t 4- h) = V , on peut
écrire
Xv( 0 = V -h V,, X+(* -4- h) = V -h v 2î
V , V 4. V 2 étant des variables aléatoires à valeurs probables nulles et

deux à deux orthogonales. On en déduit
R4(fc) = E{X4( î ) X4( i H- 7i)j = E | V 2j = 1 — /1.
On a donc finalement
- ! h (1*1^ 0 ,
O*) K4(/0 =
(o (1*1^ 0 -
On remarque que, dans cet exemple, à l’inverse de ce qui avait lieu
dans les précédents, il ne s’agit pas d’un processus de Markoff.
5° Nous pouvons généraliser l’exemple précédent en utilisant sous

une forme un peu différente une idée déjà utilisée au n° 17, 3°.
Introduisons une fonction complexe u (l), telle que
|ü>*(t)|<* = 1,
et posons
04 ) x 5(/) = / o ) ( t - f - î ) « * U ( t ).
J- »
Il vient
0^) R4( à ) = E {X5(f) X5(J h- à ) | = f w( î ) ü)( î + à ) ûfr.
Cette fonction X ô(£) est d’ailleurs stationnaire d’ordre deux, ou

strictement stationnaire, suivant que U (i) dépend d’un processus
linéaire d’ordre deux, ou réellement linéaire.
6° Considérons maintenant la série trigonométrique

(16) Xe(/)= eHkm
t+<Pm
)y
9* CHAPITRE IV.
où les Xn sont donnés. Supposons aussi d’abord que les an soient des
nombres positifs donnés, et tels que 2 ^ soit fini. Quant aux argu
ments nous les supposons indépendants les uns des autres, chacun
d’eux étant choisi au hasard, avec répartition uniforme de la probabilité
dans une période. Comme
A/i t -+- = Au( /H- À ) -fr- ,
où <b'n = — X/tA dépend de la même loi que on ne change rien en

remplaçant t par J H- A. Le processus est donc strictement stationnaire.
Sa covariance est
(17) Re(A) = E{ X, ( OX. ( * - h A) j =
70 L a s é rie tr ig o n o m é tr iq u e ré e lle
(18) X 7(/) = ^ 2 S a « c o s ( X « f h- $ u )
est de même strictement stationnaire, et, si aucun des \n n’est nul,

admet pour covariance
( 19) K7(/i) = 2 a \ COSA*A.
On remarque que la même covariance
cos Xh = i ( eiUl h- e~UJl )
est obtenue pour la fonction s f îcos(>¿ -4- <&), du type X 7(¿), et pour la
fonction
(2 0 ) _L|y(<ï>'-h).<)H_ ef("-xî)],
V/2
où <&' et sont indépendants, et qui est du type X&(¿). D’une manière

générale, bien que chaque détermination possible de X 7(¿) soit une
détermination possible de X c(£), une fonction aléatoire X 7( é) n’est pas
un cas particulier du type X 6(i). Même si une fonction X (í(¿) est une
somme de termes du type (20), elle peut être réelle; mais il est infini
ment peu probable qu’elle le soit; au contraire X 7(¿) est réel.
8° On peut généraliser l ’exemple 6Üpar celui de la fonction
(21) X . ( 0 = S Uu«A.‘,
où chaque U/t est une variable complexe, à second moment iini; sup
posons
( 22) E {U
et qu’on ait de plus la condition d’orthogonalité hermitienne

(23) E j u „ Ü),j = o (n^p).
Si les arguments des U/t restent choisis comme au 6°. et que la géné
ralisation ne porte que sur le choix des modules, le processus est
encore strictement stationnaire. Dans le cas général, il n’est plus que
stationnaire d’ordre deux. Compte tenu des conditions (2a) et (23), le
calcul de la covariance subsiste sans modification; on retrouve R 6(A).
On peut généraliser d’ une manière analogue l’exemple 70.
90 Les fonctions R 0(A) e tR 7(A) sont, l’une dans le cas général, l’autre
dans le cas symétrique, les fonctions caractéristiques de répartitions de
masses positives et de somme finie, ces répartitions étant de plus tota
lement discontinues. En supprimant cette dernière restriction, on est
conduit à généraliser X 0(i) par la fonction
-+-*
/ F(a )?
011 F (A) est une fonction non décroissante et bornée, à cela près quel
conque. La covariance sera
(25)
de sorte que la fonction de corrélation p(A) = tt—~~ sera une fonction

caractéristique au sens du calcul des probabilités, absolument quel
conque. On généraliserait X 7(/) d’une manière analogue, et Ton obtien
drait pour p (A) n’importe quelle fonction caractéristique paire.
Il faut bien entendu préciser la signification de l’intégrale (24)- H
n’y a aucune difficulté, en opérant comme pour la définition d’une
intégrale de Stieltjes. Divisons, par exemple, l’axe des a , par des
valeurs A,, A.2, . . . , en /> + 1 intervalles dans chacun desquels F (A)
augmente do [ m = F(~hco) — F (— 00)], et considérons la somme
p~ 1 /-------
sp( 0 = 2 ei,>^ V ^ T ‘
On voit aisément qu’elle tend au sens de Bernoulli vers une fonc

tion limite, c’esi-à-dire que, quels que soient t2, . . . , tn> la loi
à invariables $(t\ ), S (i2), . . . , S (i/4) tend pour p infini vers une loi limite.
Il y a donc une fonction limite X 9(l), qui est une fonction aléatoire
bien définie au sens de E. Slutsky.
100 CHAPITRE IV.
Remarquons que, d’après le théorème de Laplace-Liapounoff, et

d’après lp théorème réciproque de H. Cramér (3), dans le cas où la
fonction F(X) est continue, et dans ce cas seulement, X 9(f) est une
variable laplacienne. Dans ce cas, d’une manière plus précise, le
processus est laplacien, c’est-à-dire que, quel que soit l’entier n et quels
que soient f 2î *. ., t,,, la loi à n variables X«,(f,), X f.(i2), . . . , X 9(f/t)
est une loi de Laplace à n variables.
io° On peut combiner les généralisations de X 6(f) indiquées au 8°

et au 90 [ et de même pour X 7(f) ]. On est ainsi conduit à considérer la
fonction
(26) x10(o=f + u>«a*»/rfF(X),
où, pour chaque valeur de X, Ux est une variable complexe réduite. On
définit cette intégrale comme nous l’avons fait pour l'intégrale (24).
Pour que l’intégrale ait ainsi un sens, il est suffisant (mais non néces
saire) que les différentes variables Ux soient orthogonales; dans ce cas,
le processus est stationnaire d’ordre deux, et sa fonction de corrélation
n’est autre que R,, (A).
Supposons que les lois dont dépendent les U* appartiennent à ce que
nous avons appelé autrefois une famille normale de lois à moyennes
quadratiques bornées ( 3). Alors le théorème de Laplace-Liapounoff
s’appplique, et pour que le processus soit laplacien, il suffit que la
fonction F(X) soit continue. Un tel processus étant bien défini par ses
moments des deux premiers ordres, les lois dont dépendent les Ux
n’interviennent pas, et la généralisation qui a consisté à introduire
les Ux est illusoire. D’ailleurs, la définition la plus simple du processus
obtenu, ou plutôt celle qui en montre le mieux la nature, s’obtient en
prenant pour UA, non l’expression e ^ du 90, mais une variable laplacienne
complexe réduite ^c’est-à-dire delà forme — y\ et n étant des variables
laplaciennes réduites, indépendantes l’une de l’autre j f*).
(2) H. C ramer [1 et* 2]; voir aussi P. Lévy [11, p. 9 7 - 1 0 0 ]. A chaque discontinuité
de F(X) correspond un terme de X9 (l), indépendant des autres, et non laplacien.
D’après le théorème de Cramér, la somme n’est pas laplacienne.
(3) P. Lévy [4], p. 10 6 .
(4) Si, en fixant f, nous intégrons, non de — 00 à H-*>, mais d e — <x> à p, le'processus
obtenu en fonction de p est celui du mouvement brownien, généralisé par un chan
gement de variable x = F(p). Il est bien connu qu’on peut, dans le cas du mouvement
brownien plan par exemple, soit introduire la loi de Laplace à deux variables dans la
LES PROCESSUS STATIONNAIRES. IO I
Dans le cas général, en séparant dans F(X) la somme des sauls F, (X)
et la partie continue F 2(X), on décompose X , 0(i) en un terme du
type \ 8(/), et un terme laplacien qui rentre dans le type X f,(£). Bien
entendu, pour le terme à spectre discontinu, c’est-à-dire celui qui
correspond à F|(X), la nature du processus dépend essentiellement des
lois dont dépendent les différents U*.
n ° Considérons encore la fonction aléatoire

( 27 ) X n ( 0 = ef(nr-H&)?
qui ne dépend que des deux paramètres aléatoires Y et O. Supposons-les

indépendants l’un de l’autre, $ étant défini comme dans les exemples
précédents (6°, 70et 90), et Y dépendant d’une loi absolument quelconque.
X* 1(t) est une fonction aléatoire strictement stationnaire, réduite, et
l’on a
(28) R u ( u — v) = E ! J = E {<?*(«-')'* J,
c’est-à-dire que R n (l) est la fonction caractéristique de la loi dont

dépend Y .
120 En considérant, avec À. Khintchine [7], la fonction aléatoire réelle

(29) X 12( 0 = cos (¿Y <t>),
on obtient de même pour la covariance n’importe quelle fonction carac

téristique paire.
Rem arques. — Nous n’avons pas examiné la question de savoir si les
fonctions aléatoires que nous venons de définir dépendent de processus
normaux (au sens du n° 5 ), c’est-à-dire où le hasard intervient à chaque
instant. La réponse est évidemment affirmative pour les fonctions X f (l)
à X 4( f ) ; elle est au contraire négative pour les fonctions X 10( t) et X n (t).
qui ne dépendent que de deux paramètres, et plus généralement pour
celles des fonctions considérées qui sont sûrement, ou presque sûrement,
analytiques. Tel est le cas notamment des fonctions X e( l) à X $(f). si
les an tendent assez rapidement vers zéro. Mais, si cette condition n’est
pas réalisée, il peut être très difficile de déterminer la nature, normale
ou dégénérée, du processus.
définition, soit le définir comme limite du mouvement résultant de déplacements

successifs de grandeur v Av et de directions choisies au hasard. On peut aussi prendre
d’autres lois pour la grandeur de chaque déplacement. Ces remarques subsistent bien
entendu si, comme dans le cas du texte, nous fixons l’intervalle d’intégration et intro
duisons sous le signe d’intégration le facteur e,Xt, fonction de f.
102 CHAPITRE IV.
Il faut même remarquer que, si, dans le cas d’un processus défini par
des méthodes directes, la notion de processus normal est très claire, il
n’en est pas de même dans le cas actuel, où il s’agit de fonctions d’une
infinité de variables aléatoires. Du moins il est nécessaire de préciser
la définition donnée au n ° 5 .
Pour savoir si un processus est normal, il faut évaluer à chaque
instant 0, et en supposant que, pour o ^ i ^ O , X ( t ) prenne des
valeurs /(£), la probabilité conditionnelle d’un événement futur. Or
l’hypothèse X (¿) — f ( t ) pour 0 avait a p rio ri une probabilité nulle.
On ne peut donc définir la probabilité conditionnelle à l’instant t que
comme limite des probabilités obtenues en supposant que, jusqu’à
l’instant 0, X ( l) ait appartenu à des voisinages de plus en plus étroits
def(t).
Rappelons à ce sujet que f ( t ) sera considéré comme une détermi
nation possible de X(£) si ces voisinages de plus en plus étroits ont
toujours une probabilité positive. Cette définition, qui conduit à des
conséquences paradoxales dans le cas d’une loi de probabilité totalement
discontinue à une variable, s’impose au contraire pour les probabilités
continues. Mais il faut préciser la nature du voisinage considéré. Remar
quons qu’une définition trop restrictive du voisinage risque ici d’être
inadmissible. Ainsi, pour le processus de Poisson défini au n° 4 , si l’on
adopte le voisinage uniforme, aucune fonction f ( t ) n’est possible, sauf
la fonction constamment égale à zéro, puisque la probabilité d’une
discontinuité à un instant donné est nulle. Il y a donc intérêt à prendre
la définition la moins restrictive, celle du voisinage en mesure.
On peut aussi,, et cela revient au même pour les processus continus
en probabilité, s’inspirer de la définition des fonctions aléatoires d’après
E. Slutsky. On choisira alors ¿i, U, . . . , tn dans l’intervalle (o, 0) et un
nombre positif s, et l’on définira le voisinage par les inégalités
À la limite, il faudra à la fois que les ti deviennent infiniment denses

dans l’intervalle (o, 0) comme pour la définition d’une intégrale, et
que e tende vers zéro.
Si ces voisinages ont tous une probabilité positive, on pourra définir
la probabilité à l’instant 0 des événements futurs. Si alors il existe un
nombre positif non aléatoire r tel que, dans des cas ayant des probabilités
a p rio ri positives, le prolongement de X(£) soit déterminé dans
l’intervalle (0, 0 -J-t ), le processus est dégénéré dans l’intervalle (o. t)
pour tout t > 0.
25 . Théorèmes généraux sur la covariance. — i * L e théorème de

5 . Bochner, — Ce théorème n’est pas relatif à la théorie des processus
stationnaires; mais il sert de lemme pour la démonstration du théorème
de A . Khinlchine.
Nous appellerons classe C la classe des fonctions de la variable réelle z ,
qui sont de la forme <p(c) = c<jp0(s ), c étant une constante positive ou
nulle et <p0(£) une fonction caractéristique; en d’autres termes, c’est la
classe des fonctions de la forme
-4 »
(30) .o ( z ) s / etzrrtF(x)f
la fonction F (# ) étant réelle, non décroissante, et bornée.

On appelle fon ction s définies positives les fonctions de la variable
réelle z qui : a. sont continues et bornées sur tout l’axe réel; 6. sont
hermitiennes [c’est-à-dire que cp(— z) = y ( z ) ] ; c. sont telles que, quels
que soient l’entier .positif m, les m nombres réels z/t et les m nombres
complexes u/n on ait
m m
(31) S= 2 ^ *k) Uh Uk^tO.
1 1
Picmarquons tout de suite que, pour m = 2, z { = o, z 2 = z. u { = 1,
u 2 = peif* [où 0 est l’argument de 7 (5 )], il vient
s = ?(°) -4- f>s ?(o) -+- P <p( s ) e-rt-h p ? (* ) = ( I -h p2) ç(o) -+- 2p I ï ( z ) I ^ o,
et. comme cela a lieu quel que soit p, on a
(3») |?0 0 (^ *(o ).
T héorème 2 5 .1 (de M. Mathias et S. Bochner) ( 5). — L a classe C

coïncide avec la classe des fonctions définies positives.
i° Montrons d’abord que toute fonction de la forme ( 3o) est définie

positive; a et b étant évidents, il s’agit de démontrer c. Introduisons à
(s) S. B ochner [1]. C’est à Bochner qu’est dû le théorème 25.1 sous la forme indiquée
dao9 le texte. Mais il semble juste de mentionner le nom de Mathias qui, dans un
mémoire de 1923 [1], donc neuf ans avant le livre de Bochner, a donné le théorème
correspondant pour les transformées de Fourier des fonctions absolument continues
non négatives. Pour la première partie du théorème, l’extension est évidente. Pour 1a
seconde, Mathias devait supposer que ç ( s ) était la transformée de Fourier d’une fonc
tion sommable F (x ), et montrer que cette fonction est non négative. Le théorème de
Bochner, qui n’introduit pas F(ar) dans l’énoncé de la condition suffisante, est à ce
point de vue bien plus intéressant.
104 CHAPITRE IV.
cet effet la fonction

fil ni m
ы(х) = 2 2 e'{zb—zùxUhUk = ^ ei3*x и jt
i i
Compte tenu de l'expression ( 3o) de cp(*), il vient
m m
S= 2
_
i
^
2
i
Uh Uk I ei{Zh~ Zk)xdF (x) = J
/,-Ь - ж
u>(x) dF(x) о,
C. Q. P. I),
2° Pour démontrer la réciproque, nous utiliserons une méthode très

simple et élégante due à M. Loève ( 6). La fonction <p(z) étant supposée
définie positive, l'intégrale
M *) e -iu x e tv x d u d v ,
qui est, par la définition même des intégrales de Riemann, une limite
d'expressions de la forme ( 3 i), est toujours réelle et non négative. En
posant u = p *, et effectuant l’intégration par rapport à p , il vient
ainsi
(33) / 2( * ) = j f ^
ce qui, en posant
pour | z | ^ Z,
n ( z)
( 34) pour | z | ^ Z,
s’écrit
(35) ¿ - izrçz (z)dz.
Si l’on admet que cette fonction, qui, d’après ( 33 ), est positive, est
de plus sommable sur tout l’axe des x , il en résulte que l ’équation (35)
est résoluble par la formule de Fourier
i *
(36) 9z(z) = — J e ^ fz {x ) dx,
et <pz(*), au facteur <p(o) près, est une fonction caractéristique. D ’après

un théorème bien connu ( 7), cette propriété subsiste à la limite, du
( e) M. L oève [5 ].
Г ) P. L évy [ l t ] , p. 49-
moins si la convergence est uniforme au voisinage du point * = o. Or,

pour Z infini, 9z( s ) tend vers <p(*), la convergence étant uniforme dans
tout intervalle fini; ? ( * ) , au facteur 9(0) près, est donc une fonction
caractéristique, c. q . f . d .
Il reste à montrer que / z(x ) est sommable, et que par suite l’appli
cation de la formule de Fourier est légitime. C ’est une conséquence
immédiate du lemme suivant, dû lui-même à M. Loève.
L emme 25 . — S i une fonction f ( x ) est sommable dans (— 00, -f- 00)

et continue à l'origine, et si sa transformée de Fourier
?(*)= f eizxf { x ) dx
est non négative, elle est elle-même sommable.
On sait que, si une fonction sommable g ( x ) a pour transformée de

Fourier le produit de composition
f ( y ) g [ c { x —y ^ d c y = J g ( c y ) f ( x — y)dcy
a pour transformée de Fourier
En prenant
, x 2 . ax i — cosa:
g(x) = --- T Sin2- = ------;-- y
ÎCX2 'i. KX2
on a
1- 1*1 Pour 1* 1^ 1.
O pour 1* 1^ 1,
de sorte que la fonction 4>c(.z), continue et nulle pour | ^ | ^ c , est

sommable dans ( — oo, -+- oo). La formule de Fourier s’applique donc, et
donne
Ac(x) = ~ J ^ 1— <f(a)e-l**dz,
et en particulier
(37) ^ 1 --- L i l -^y(z)dz.
Or, pour c infini, hc(x) tend vers f { x ) en tout point où cette fonction
est continue. La fonction f { x ) étant par hypothèse continue à l ’origine,
l’intégrale (37) tend vers la limite finie / ( o). Or, si la fonction non
■ UAÉVJL 8
io6 CHAPITRE IV.
négative 9(5 ) n’était pas sommable, celte intégrale, manifestement

supérieure à
H- #
-•
h f , * {z)dSy
augmenterait indéfiniment.
Le lemme 25 est ainsi démontré. On peut d’ailleurs remarquer qu’il
subsiste s’il y a à l’origine un point de discontinuité de première espèce.
En remplaçant maintenant / ( x) par <pz(— z) [9z(5 ) étant défini par la
formule ( 34 )], on voit que f i ( z ) est sommable dans ( — ad, + « ) , ce qui
achève la démonstration du théorème 25 . i.
2° L e théorème de A . K hin tchin e{8) .— C ’estle théorème fondamental

de la théorie de la corrélation pour les fonctions aléatoires stationnaires.
Il s’énonce comme suit.
T héorème 25 . 2 . — L a condition nécessaire et suffisante pour gu 1il

existe des fonctions aléatoires X(£), stationnaires et continues in. q.,
réelles ou com plexes, admettant comme covariance une fonction R (A)
donnée est que R (A ) soit une fon ction de la classe C (la fonction de
corrélation est alors une fonction caraclérisque).
Un quelconque des exemples 90 et 1 1° du n° 24 suffit à montrer que

cette condition est suffisante; la continuité de R (A ) à l’origine suffit
d’ailleurs, d’après le n° 23 , pour que l’on soit assuré qu’il s’agit bien de
fonctions continues m. q.
Pour démontrer la réciproque, il suffit de montrer qu’une fonction de
corrélation R (A) est toujours définie positive; il résultera alors du
théorème de S. Bochner qu’elle appartient à la classe C. O r on a, d ’après
la définition de R (A),
m m m m
S ===2 2 U,t “ 3*) = 2 ^ j \ ( t -4- Z h ) \ { t H- Zk) [
1 1 1 1’
K* \ ( t •+• Z ft ) ô.
- ?
Il fi
1 1 11
Nous avons, d’autre part, vu au n° 23 que la fonction R (A) est continue,
(•) A. Khintchine [7 ]. Khintchioe n’avait considéré que le cas réel; son théorème est
donc en réalité celui que nous indiquons comme corollaire. Pour l’extension au cas
complexe, voir H. Cramér [5] et M. Loève [2 et 5 J.
LES PROCESSUS STATIONNAIRES. I 07
bornée, et hermitienne. Toutes les conditions de la définition des fonc

tions définies positives sont donc vérifiées, c. q . f . d .
C orollaire . — L a condition nécessaire et suffisante pour q u 'il

existe des fonctions aléatoires stationnaires, réelles et continues m. q.’,
admettant comme fon ction de corrélation une fon ction donnée p(A),
est que cette fonction soit une fon ction caractéristique paire.
Les exemples de X <a(f), ou de la partie réelle d e X 9(i), montrent que

la condition est suffisante. Le théorème 25 . 2 , et le fait évident que R (A)
est pair dans le cas d’une fonction aléatoire stationnaire réelle, montrent
qu’elle est nécessaire.
On remarque que les moments des deux premiers ordres interviennent
seuls dans les raisonnements précédents. Donc : le théorème 25.2 et
son corollaire s'appliquent à toutes les fonctions stationnaires
d'ordre deux.
3° Rem arques. — Des deux théorèmes qui précèdent résulte évidem

ment que toute propriété démontrée pour une fonction caractéristique
s’applique aux fonctions de corrélation, et aux fonctions définies positives
pour lesquelles 9(0) = 1 ; et réciproquement.
Ainsi, en partant de la définition des fonctions définies positives, il est
évident que, si des fonctions définies positives c p „ (£ )(n = 1 ,2 , . . . )
tendent vers une limite ©(*), et cela uniformément dans tout intervalle
fini, cette limite vérifie les conditions b et c; on démontre aisément, en
utilisant la formule ( 32 ), que la condition a est aussi vérifiée. La
fonction limite ?(£ ) est donc définie positive, et ce théorème sur la
fonction limite s’applique ipso fa cto aux fonctions caractéristiques. On
retrouve notre théorème cité ci-dessus sur les limites des fonctions
caractéristiques; mais on n’en a bien entendu ainsi une nouvelle
démonstration que si l ’on a démontré le théorème de Bochner sans
l ’utiliser (ce qui en compliquerait sans doute beaucoup la démons
tration).
D ’autres propriétés sont au contraire plus faciles à démontrer en
partant de la définition de R (A ) comme fonction de corrélation. Ainsi
de la représentation de X (/ — h ), X ( j ) et X(£ h- A ) par des vecteurs,
on déduit que R (A ), R(Ar) et R(A -j- A~) sont les cosinus des trois faces
d’un trièdre. Si en particulier h — A, on a ainsi
(38) R(2A)^2R*(A)--i.
Ges propriétés s’appliquent aux fonctions caractérisques.

io8 CHAPITRE IV.
Inversement les propriétés connues des fonctions caractéristiques

s’appliquent aux fonctions de corrélation. Ainsi, si Ri (A) et R 2(A)
sont des fonctions de corrélation, il en est de même de R< (A )R 2(A) et
de C iR i(A ) - h c 2R 2(A) ( c i^ .o . c 2^ o , c i + c 2= i).
Dans la fonction F(a?) introduite par la formule ( 3o) appliquée à
(p(2) = R ( : ) ? on est souvent conduit à distinguer la somme des dis
continuités, F<(;r), et la partie continue F 2( j?). Dans la théorie de la
corrélation, F(a?) est la fon ction spectrale, et l’on distingue ainsi la
partie continue et la partie discontinue du spectre. A la partie
discontinue correspond, dans R (A), le terme
(39) Ri ( h ) = / e**xdFi(x) =
[ (ous les a v étant positifs et leur somme R i(o ) étant finie]; c’est une
fon ction presque périodique. A F 2(a?) correspond une fonction R 2(A)
qui tend vers zéro pour A infini. Tous les résultats relatifs à ces deux
termes R 4( A) et R 2(A) et à la manière de les distinguer quand R (A ) est
donné qui sont utilisés dans la théorie des fonctions caractéristiques
s’appliquent aux fonctions de corrélation.
Remarquons que l’existence du terme R i (A) implique une certaine
périodicité (ou presque périodicité) dans la fonction aléatoire étudiée.
Elle ne saurait exister dans des exemples tels que l’exemple i°du n° 24 ,
où l’influence de/X(£0) sur X ( i) décroît quand t augmente, ni, d’une
manière générale, lorsqu’il s’agit de processus de Markoif non
dégénérés; c’est ce qu’on vérifie d’ailleurs en observant que e~l h 1 est la
transformée de Fourier de —-— 7-7• Au contraire, dans le cas de la
fonction Xft(l) qui contient des termes périodiques de périodes données,
cette périodicité entraîne une corrélation non négligeable entre X*(£)
et X 0(£ + A) pour des valeurs de h qui peuvent être très grandes, et
cela explique bien le caractère presque périodique de R 0(A). La même
remarque ne s’applique pas en général à X n (t), quoique cette fonction
soit périodique; mais sa période est aléatoire. C ’est seulement quand la
loi dont dépend cette période n’est pas continue qu’on a, dans des cas de
probabilité positive a, une période donnée r, et qu’il en résulte dans
l’expression de R u (A) le terme périodique a <?“■ >* =
4° L e second théorème de A . K kintchine est :

T héorème 25 . 3 .
L a condition nécessaire et suffisante pour
—
quyune fonction 9(3) soit définie positive est quyelle puisse être
approchée, et cela d u n e manière uniform e dans tout intervalle Jtn iy

p a r des fonctions de la form e
(4o) w n ( i -h z ) d t |u>2(0|df <
Démontrons d’abord que la condition est suffisante. Si <p(s) est de la

forme ( 4o), il résulte de l’exemple 5° du n° 24 que c’est bien, à un
facteur constant près, une fonction de corrélation, donc une fonction
définie positive. On peut aussi le vérifier directement : si une fonction 9(z )
est de la forme ( 4o), les conditions a et b sont évidemment vérifiées et
l’on a de plus
Zk)uhU k= j W AÜ)( i _ Z h j \ 4 Uk<ûh(t dt
m 2
2 U/t U>(t — Zk ) d t^ o . C. Q. F. D.
1
Le résultat étant ainsi démontré pour les fonctions <p/i(s) subsiste,
d’après notre théorème déjà utilisé plus haut, pour toute fonction o( z )
limite de fonctions ©„(s), si la convergence est uniforme dans tout
intervalle fini; il suffit même qu’elle soit uniforme dans un petit inter
valle entourant l’origine.
Démontrons maintenant la réciproque. Supposons à cet effet que 0(5)
soit une fonction définie positive, donc de la forme
? (*) =
'ta’ fonction F(a?) étant bornée et non décroissante. On sait que F(.z)
peut être considéré comme limite de fonctions de répartition F ;l(#)
vérifiant telles conditions que l’on voudra au point de vue de la continuité ;
0(3) est alors la limite des fonctions
?«(*)= J e i z xd ¥ n ( x \
la convergence étant uniforme dans tout intervalle fini; il suffit donc de

démontrer que, si F(a?) vérifie des conditions de continuité conve
nables, <p(*) est de la forme ( 4o). Supposons à cet effet
F (*)-/% *(«)< *«. g { x )d x < * > ,

110 CHAPITRE IV.
et posons
- 00
Les fonctions 9 (5 ) et ?(^) étant les transformées de Fourier de g ( x )

et ¿'-(a?), 2719(0?) est le carré de composition hermitienne de
c’est-à-dire que
? (*)= £ : j f 9 (a ) 4*( * — u) du o)( — u ) o)(u — z) du

= /
u>( £) (i)( t -+- z ) dt. C. Q. F. D.
Rem arque. — Les trois théorèmes qui précèdent montrent l’ identité

de quatre classes de fonctions qu’on aurait pu à première vue croire
distinctes. Mais aucun d’eux ne donne une méthode générale permettant
de reconnaître si une fonction donnée <f(z) appartient à la classe C.
Rappelons que la méthode naturelle pour résoudre ce problème est de
résoudre l’équation ( 3o) par notre formule
1 1_p—izx
«0 F ( * ) - F ( o ) = -i- Jim / ---- T_----o(*)<£»<•),
et de s’assurer que l’intégrale a un sens pour tout x réel, et définit bien

une fonction non décroissante et bornée.
26.. Dérivées des fonctions aléatoires stationnaires. — i° L a dérivée

m. q. du prem ier ordre. — Le théorème 14?, appliqué aux fonctions
aléatoires stationnaires, donne le résultat suivant :
T héorème 26* 1. —
L a condition nécessaire et sujfisante pour
qu'une fonction aléatoire stationnaire d'ordre deux ait une dérivée
aléatoire m. q. est que la fonction de corrélation soit de la form e
( 42 ) B ( /a) = i — —-—- ~+~o( h~) {h o ).
Nous allons donner de ce théorème une démonstration indépendante

de celle de M. Loève donnée au n ° 14 ; nous utiliserons à cet effet la
représentation dans l’espace d’Hilbert des fonctions aléatoires ayant
leurs deux premiers moments finis, et, spécialement, des propriétés liées
à ces moments.
(») P. L évy [11], p. 38; voir aussi H. Cramkr [3], p. 28.

LES PROCESSUS STATIONNAIRES. III
Supposons donc X(£) représenté dans l’espace d’Hilbert par un

point M (t), et soit C le lieu de ce point quand t varie. Nous pouvons
toujours supposer les variables X ( t) réduites, de sorte que C est sur
une sphère de centre O et de rayon unité. Pour démontrer que la
condition indiquée est nécessaire, supposons que X ( l) ait une dérivée
m. q., soit X '( 0 ; géométriquement, cela signifie que le point M(£) a
une vitesse bien déterminée; la fonction X ( f ) étant stationnaire, cette
vitesse a une valeur constante a. L ’angle cp = M (i) O M (i -j- h ) est alors
un infiniment petit équivalent à a h , et R (A ), qui est son cosinus, est de
la forme (4 2)* c. q . f . d .
Pour démontrer la réciproque, supposons R (A ) de la forme ( 4 2 )î
alors 9, et par suite la distance M ({ )M (l -h h) sont, pour h infiniment
petit, de la forme ah o{h). La fonction X (¿) étant stationnaire
d’ordre 2, la forme de la courbe C est invariante par le changement
de t en i - f r ; elle peut donc glisser sur elle-même, comme une
hélice dans l’espace euclidien ordinaire ( l0), et la condition
M ( i ) M ( i + A ) = ah -h o(h)
est vérifiée d’une manière uniforme. La courbe C est donc rectifiable,

et l’arc M (f) M(£ -f- h) a pour longueur a h . Par suite, e étant arbitrai
rement petit, le rapport d’un arc assez petit à sa corde est inférieur
à i + £, et il en est a fo r tio r i de même du rapport à la corde de n’importe
quelle ligne brisée inscrite dans cet arc.
Supposons maintenant que la courbe C n’ait pas en un point A 0 au
moins une demi-tangente à droite. Il existe alors un angle a tel qu’on
puisse trouver à droite de A 0 une corde A 0A* de G, arbitrairement
petite, et faisant avec n’iinporte quelle droite donnée D un angle
supérieur à a. Cet angle a, indépendant de D , l’est aussi de A,>(puisque
la courbe peut glisser sur elle-même). On peut de même trouver à droite
de Ai une nouvelle corde A , A 2 faisant avec D un angle supérieur à a,
et ainsi de suite. Prenons alors pour D une corde A 0M de C (M étant
sur C à droite de A 0). Rien n’empêche de supposer A 4, A 2, . . . . entre
A 0 et M, et de continuer jusqu’en M, car, si une infinité de points
( le) Il faut observer qu«* celte courbe n’est pas, comme l’hélice, déterminée par un
quelconque de ses arcs. Un arc AeA, étant connu, pour la prolonger, il faut compléter
l’espace de Hilbert Ü qui le contient par une infinité de directions qui lui soient
orthogonales. L’arc ainsi prolongé est situe dans un autre espace de Hilbert O' dont ii
est une section plane, et Гон ne change rien à la forme de la courbe obtenue en
effectuant dans il' une rotation arbitraire autour de O. Cette rotation laisse AeA,
invariant. On a donc, pour un même arc AQA„ une infinité de prolongements possibles.
112 CHAPITRE IV.
ainsi obtenus avaient une limite B„ située à gauche de M, en

parlant de B0, on pourrait trouver de nouvelles cordes B0B i,
B* B 2, . . . , faisant avec A 0M un angle supérieur à a. On peut
donc ainsi atteindre M; il existe donc une ligne brisée inscrite
dans A 0M, et dont la longueur est supérieure à ( i - h e ) A 0Nf(en
\
posant cos y. = * Gela est en contradiction avec le résultat obtenu
pour les arcs A 0M assez petits. C ’est donc que la courbe G a en tout
point une demi-tangente à droite.
Elle a de même une demi-tangente à gauche, et un raisonnement tout
à fait analogue au précédent montre que ces deux demi-tangentes se
prolongent. Le point M (t) décrit donc avec une vitesse constante a une
courbe C ayant partout une tangente bien déterminée; cela revient à
dire que X ( f) a une dérivée m. q., dont la valeur quadratique moyenne
est a. c. q . f . d . (14).
Géométriquement, le raisonnement qui précède montre que : si une
courbe de l’espace de Hilbert peut glisser sur elle-même, la condition
nécessaire et suffisante pour qu’elle soit rectifiable est qu’elle ait
en chaque point une tangente bien déterminée.
2° Les dérivées d'ordres supérieurs. — Supposons la fonction X(Æ)

réelle et strictement stationnaire, et admettons l’existence des dérivées
aléatoires m. q. qui interviendront dans les calculs qui suivent. Si les
dérivées d’ordres p et q , que nous désignerons par X w ( f) e tX W (i),
existent, l’expression
EjXW (i)X(7>(i + A)}
a un sens, et est indépendante de t [puisque la fonction X ( f) est station

naire]. Si les dérivées d’ordres /> -+-1 Qlq + i existent, on peut dériver
l’expression précédente, et la dérivée obtenue étant nulle, il vient
j Ej +. h ) J = o (poury=/>),
4 ’ ( E j x i / ’+ 0 ( / ) X « / ) ( / - + - A ) ! = — E { X < / » ( O X « 7 - ” > ( '-»-/«)(•
( n ) Dans le cas de la fonction X,(f) du n°2t.i, la dérivée aléatoire m. q. n’existe

pas. D’une manière generale, elle ne saurait exister dans le cas d'un processus de
Markoff, pour lequel la variation future de X(f) dépend seulement de la valeur
initiale X (l0), et non de la variation antérieure de cette fonction. La courbe C corres
pondant à cette fonction est donc une courbe sans tangente. Gela n’empéche pas que la
stationnarité du processus entraîne toujours la première conséquence indiquée dans le
texte : la courbe peut glisser sur elle-même.
LES PROCESSUS STATIONNAIRES. Il3
Des combinaisons évidentes de ces formules donnent

(44) E } X (p)(f) X ^ f -h A)| = o ( pour p -h q impair),
et, si p -h q = 2 n,
( 43 ) E { Xü» ( t) XW ( i H- A ) J = ( — 1 )P~nEJ [.X««>( i )]* j .
En particulier, pour h = o, p = o, on a
(46) E jX ( i) X N (i)| = (-i)« a Î [«* = E{[X(' 0(*,]*{ |.
Introduisant maintenant la covariance

R ( A ) = E j X ( O X ( i + A)j,
nous trouvons successivement

R' (A) = E j X ( i ) X ' ( < + A ) j = - E j X ' ( 0 X(< + A)j,
R" ( A ) = - E j X /( OX' ( i + A)j,
R'" (h) = — E j X'(t) X'(t •+■ h ) } = E f \ r(0 X'(t -h h)\,
R(^) (h) — E j x ^ OX ' ^ - h A ) } - ,
et ainsi de suite. Donc :
T héorème 2 6 . 2 . — S i la fon ction aléatoire réelle X ( j ) est stricte

ment stationnaire et admet des dérivées m. q. ju sq u 9à Vordre n, la
covariance R (h) admet des dérivées ju s q u 9à V ordre 2 n y définies p ar
les form ules
( R(2v-0(A)=( — i )vE{X( v>(î )X«v- i|( îh -A )|,
‘ 47 ' I R(*v)(A) = ( — i)vE { XM(i) XC')(< h) j (v = 1 , 2 , . . / 1 ).
On a en particulier
(4 8 ) fti-2v-i)(0 ) =, o, R(*vî(o)=( — i)-'aï (v = 1 , 2 ,
et par suite
h-n
(49) R (A )= a2- a ? ^ - l - a i ^
Dans le cas des fonctions aléatoires stationnaires complexes, on obtient

des résultats tout à fait analogues, applicables à la partie réelle de R (h).
3° Exem ples. — Désignons par U(£) la fonction du mouvement

brownien linéaire, et posons
(5o) X(!)= f -) = f 6)"rfU(0).

•A» ~ »
n4 CHAPITRE IV.
Cette expression est de la forme ( ¡ 4 ); elle est n fois dérivable. La

fonction R (A) qui lui correspond est donc 2 n fois dérivable. On peut
le vérifier à l’aide de la formule ( i 5 ), qui donne
1 n*
(5i) = ¡TT-^------- / _§_Ih ')'# dz>
1(2/1 + 11,/,, ‘ 7
le facteur constant provenant de ce que p(A) est la fonction de

corrélation. On a ainsi :
pour n = o, p ( /t ) = e— iAI,
pour tt = 1, o(h) = (1 +- |h !)er-\hi = 1 — — h-----
/ ,,, A*\ A* A» A* ’
pour /1 = 2. ?(/») = Vi + 'A ; 1+ i—) e -' *l = i - -6 H ---
24
-- — '
4^
-4- . . . .
et ainsi de suite. Les dérivées jusqu’à l’ordre 2 n sont continues; la

dérivée d’ordre 2/1 + 1 est discontinue à l’origine.
En prenant de même
(jo) X ( ,) = / e * d{] (t — t),
on obtient un exemple de fonction aléatoire stationnaire indéfiniment

dérivable. On remarque sur ces exemples que l’existence des dérivées
est compatible avec l’intervention continue du hasard. Chaque impul
sion due au hasard, se produisant à un instant r, a à l’instant t un effet
égal à — 7 ), 4 étant une variable aléatoire laplacienne, et la
fonction q>(£), quoique nulle pour t < o et devenant positive pour o,
croissant d’abord assez lentement pour que ses dérivées jusqu’à
l ’ordre n, ou même toutes ses dérivées, soient continues.
. 27 . Analyse harmonique des fonctions aléatoires stationnaires. —

i° Le problème de l’analyse harmonique se pose toutes les fois que
la fonction aléatoire X(£) est de la forme
( 33)* X (n= f e'"rfli(X),
U(X) étant une fonction aléatoire auxiliaire d o n tX (f) est la transformée

de Fourier-Stieltjos. Il n’est d’ailleurs pas nécessaire que U(X) soit une
fonction à variation bornée; il peut s’agir d’une intégrale de Stieltjes
généralisée, définie par exemple en partant de la formule d’intégration
par parties
J 'e * ' <rtJ(X) = [«'>'U(X)]?A|— *fjT ’«‘X/U(X)dX.
On peut aussi partir de sommes analogues à celles de Kiemann ou de

Slieltjes; si elles ont une limite presque sûre, l’intégrale (53) a un
sen s('2).
De même, à l’infini, la convergence au sens classique de l’intégrale (53)
n’est pas nécessaire. Il suffit qu’il y ait convergence ni. q., ou conver
gence en mesure, pour que X ( l) soit une fonction aléatoire bien définie.
Dans la suite de ce numéro, si la valeur probable d eU (X ) existe,
nous la supposerons ramenée a zéro, \lors, si celle de | X ( f ) | est finie,
celle de X ( l) est nulle.
2° La forme ( 53) comprend toutes les fonctions X c(/) à X«3(l)

du n° 24 . La fonction X f0(f) notamment, qui comprenait toutes les
autres comme cas particuliers, peut se mettre sous la forme (53); il
suffit de remplacer
par U(X2) — U(Xi).
On remarque que la fonction X*(£), ou, plus généralement, la

fonction X ,0( 0 dans le cas où sont des sommes d’harmo
niques correspondant à des fréquences et des intensités données, les
phases étant seules aléatoires. Cela revient, avec nos nouvelles notations,
à dire qu’a chaque intervalle élémentaire dk correspond un accrois
sement dU(X) dont le module est connu, au moins à o \<j { rfU(X) ¡] près;
l’argument est seul aléatoire.
Si nous supposons que les dU(X) aient leurs modules aléatoires, mais
qu’à des intervalles disjoints dX et rf4X correspondent des |dU(A)|
indépendants les uns des autres, il peut arriver que cette fonction ne
varie que par sauts. Tel est le cas si U(X) dépend du processus lié à la
loi de Poisson étudié au n° 4 . Alors X(£) est une fonction presque
périodique, mais diffère essentiellement des fonctions X 0(l) à X gfl)
parce que les fréquences Xn sont aléatoires. Le* nombre même des
termes dont X ( l) est la somme, s’il est fini, est aussi aléatoire.
Pour obtenir des fonctions telles que \ n (t) ou X 12(/), comprenant
un seul harmonique à fréquence aléatoire, il est nécessaire de renoncer
à l’indépendance des |rfU(X)|. Alors il peut arriver que la réalisation
fortuite d’une valeur non nulle de U ( X - h o ) — L(X — o) pour une
(12) On peut observer ainsi que, si p est une fonction non aléatoire de X, non décrois
sante, et bornée de — oo à -t- » , et si Y(f) est la fonction aléatoire du mouvement
brownien définie au n" 1, on peut prendre U(X) = Y(p.); bien que Y({t) ne soit pas à
variation bornée, Tintégrale (53) a un sens.
1 16 CHAPITRE IV.
certaine valeur de X exclue la répétition de cette circonstance pour

d’autres valeurs de X. Cette remarque montre que X ,0(f) ou la
fonction X ( f) définie par la formule ( 53 ), comprenant comme cas
particuliers d’une part des fonctions des types X 6(£) à X 8(f), dans
lesquels les fréquences sont données, et la fonction plus générale X(,(l),
et d’autre part les fonctions bien différentes X n (£) et X i2(f) ou des
expressions d’une nature analogue mais à plusieurs termes, ont un très
grand degré de généralité.
3° L ’expression ( 53) peut naturellement représenter des fonctions

qui ne sont pas strictement stationnaires, ni même stationnaires d’ordre
dfeux. Le problème se pose donc de reconnaître à quelles conditions
cette fonction est stationnaire. Nous allons le résoudre d’abord pour la
stationnarité d’ordre deux.
La condition relative au premier moment étant vérifiée (remarque
finale du i°; de plus si le second moment existe, le premier est bien
défini), nous n’avons qu’à considérer la covariance
/ eKXf,-|u,) E {rfU(X) dU ((*) J.

~ —ac J — ao
La condition nécessaire et suffisante pour qu’elle ne dépende que de

t\ — ¿2 est que chaque terme de sa décomposition harmonique donnée
par le second membre ait cette propriété. Cela revient à dire que,
pour donc les intervalles élémentaires dk et dp disjoints, "n a
E |<flJ(X)rfÜ(n)} = o.
Cette propriété subsiste évidemment pour deux intervalles finis

disjoints, AX et Ap; les accroissements correspondants AU(X) et AU(p)
sont orthogonaux, au point de vue hermitien (certains auteurs disent :
non corrélés). Donc :
T héorème 27 . i — L a valeur probable de U(X) étant préalablem ent

ramenée à zéro, la condition nécessaire et suffisante pour que la
fon ction X (f) définie p a r la form u le ( 53 ) soit stationnaire d'ordre
d eu x est que là fon ction U(X) soit à accroissements successifs ortho
g o n a u x.
Ce théorème est dû à M. Loéve ( i:l). Si cette condition est vérifiée, il

n’y a à conserver dans la formule ( 54 ) que les éléments d’intégrale pour
(13) M. L oéve [5]. Un énoncé équivalent, quoique sous une forme très différente, se
trouve déjà dans H. Cramér [6]..
lesquels X = p., dk = ¿jx, et, en posant i\ — f2= A, il vient
(55) r(<, <-<-A ) = R ( A ) = J '+ «'X'‘ E{|rfU (X )|‘ j.
Cette expression est bien de la forme prévue par le théorème de A . Khin-

tchine (théorème 25 . 2 ). D ’ailleurs, dans la fonction que nous considé
rons ici, on reconnaît, avec des notations différentes, la fonction X l0(f);
E j | Ux |2j dF(X) = rfF(X) est remplacé par le dernier facteur de l’inté
grale ( 55 ). Ces expressions sont bien égales et R (h ) n’est autre que
R 40( A ) = R 9(A).
Ce théorème conduit à se poser le problème suivant : déterminer
toutes les fonctions U(X), à moments finis des deux premiers ordres, à
valeurs probables milles, à accroissements successifs orthogonaux, et
pour lesquelles de plus l’intégrale ( 53) a un sens [ce qui ne serait pas
le cas si l’on prend pour U(X) une fonction dont toutes les valeurs sont
indépendantes les unes des autres]. La résolution de ce problème
entraînerait ipso fa cto la détermination générale des fonctions station
naires d’ordre deux.
Ce problème est naturellement lié à celui de la détermination la plus
générale des fonctions à accroissements successifs indépendants, qui
sera résolu au chapitre suivant. Cette indépendance, s iE jU ( X ) j a été
ramené à zéro, et si le second moment est fini, entraîne l’orthogonalité.
Mais la réciproque n’est pas vraie, de sorte que les résultats du prochain
chapitre n’entraînent pas la résolution complète du problème qui nous
occupe ici. Elle donne seulement une catégorie très générale de pro
cessus stationnaires d’ordre deux.
4° Le théorème ci-dessus de M. Loève a été étendu par A. Blanc-

La pierre et R. Fortet [ 4 ] à la détermination des processus stationnaires
d’ordres quelconques. Comme il n’est pas possible d’étendre au cas d’un
exposant impair la notion de stationnarité d’ordre deux au point de vue
purement hermitien (* ■ *), ces auteurs ont introduit la notion de processus
totalement stationnaire d’ordre n. En posant X = Ç + îyï, e; = ± i
( i = 1, 2, . . . , n), ils appellent ainsi un processus pour lequel, quel
que soit r entier positif et et quels que soient les signes £4,
( u ) Cela notamment en raison du fait qu’il n’existe pour un tel exposant aucune
formule qui corresponde à la formule
I X*(0 | = X(/)X(f).
118 CHAPITRE IV.
£*jj • • •, £^-f le moment
( 3G) li j[Ç(il ) H- £| [£(*2 ) ■ +• **V*s)J- • -| *(//) H- 2/ ^(^r)l J»
ne dépend que des différences ti— tj.

Nous nous contenterons d’énoncer, d’après les auteurs cités, la condi
tion nécessaire et suffisante pour que le processus défini par la for
mule ( 53 ) soit totalement stationnaire d’ordre n . C ’est que, toujours
pour tout r et pour toutes les suites de signes e<, e.2y . . er, on
ait entre les accroissements élémentaires
dü(X*) = du(\k) ■+■ i dv( l k )9

la relation
sauf peut-être si X<, X3, . . . , X(- sont liés par la relation

( 58) £ , X j - + - c * X«> -+ - £ ,. A r = O.
Comme plusieurs des X* peuvent être égaux, cette relation comprend

toutes les relations de la forme
( >9) pi X, -+-p<*X* h- . . . -t-p mXf„ = o,
où les pi sont des entiers (positifs ou négatifs) qu’on peut supposer

premiers entre eux dans leur ensemble, et où 2 1/>* j = r ^ / t . A tout
système de valeurs de X4, X2, . . . , Xm liées par une relation de cette
forme correspond un moment de la forme ( 5y) qui peut n’être pas nul,
et qui ne le»sera sûrement pas dans le cas où il se réduit à la forme
EÎ]rfU(X,)rfU(Xî )...rfU(XM
.)|*j ^JJL= ’~ y
Le résultat de MM. A . Blanc-Lapierre et R. Fortet s’étend naturel

lement au cas où p est infini. C ’est d’ailleurs seulement dans ce cas qu’ils
l’ont énoncé dans leur Note citée.
5° Ce résultat ne résout pas le problème analogue de la recherche

des cas où X ( i ) est strictement stationnaire, puisqu’il peut arriver,
d’une part, que les moments de cette fonction ne soient pas tous finis,
et, d’autre part, que, s’ils sont tous finis, ils ne suffisent pas à déterminer
la loi dont dépend X ( f ) .
On peut remarquer que, si X ( i) est une fonction réelle strictement
stationnaire, Y ( i ) = a r c tg X ( i) est une fonction strictement station
naire bornée ; donc tous ses moments sont finis [aussi bien les moments
LES PROCESSUS STATIONNAIRES. «19
de Y ( i ) que les moments mixtes], et le processus dont dépend Y ( i)

est bien déterminé par ses moments. Cette remarque peut servir à la
détermination des processus strictement stationnaires les plus géné
raux, mais non à leur analyse harmonique, puisqu’il n’y a pas de
relation simple entre l’analyse harmonique de X(£) et celle de Y ( i) .
6° Le cas ou, la fonction X.(/) étant définie par la formule ( 53 ),

on a
(Go) d U (X ) = |r f U ( X ) |
les différents arguments étant indépendants les uns des autres, et

indépendants des modules, et chacun d’eux étant réparti uniformément
dans une période, est ce que nous appellerons le cas trivial pour la
recherche des fonctions aléatoires strictement stationnaires. Il comprend
aussi bien des fonctions dont tous les moments sont finis que des fonc
tions pour lesquelles tous ces moments ou seulement ceux d’indices
assez grands sont infinis ou indéterminés. 11 s’agit de savoir s’il existe des
fonctions aléatoires strictement stationnaires de type non trivial.
A. Blanc-Lapierre et R. Fortet [ 2 ] ont d’abord résolu celte question
pour les fonctions à spectre totalement discontinu et fixe, c’est-à-dire
pour celles qui sont de la forme
(61) X(0 = SA
les Xn étant connus, et les modules A* et les arguments étant aléa

toires. 11 s’agit d’écrire que le processus ne change pas si l’on remplace
X ( j ) par
\ ( t -h - ) = SA«
Il est d’abord évident que les lois des A n peuvent être quelconques,
et avoir entre elles des corrélations quelconques, et que, pour chaque <&n,
la répartition doit rester uniforme. La seule question qui nécessite un
peu d’attention est celle de la corrélation entre les différents
Considérons m de ces variables, soit <1^, <&.>. . . . , 4>m. La loi dont
elles dépendent dans leur ensemble doit rester invariante lorsqu’on
remplace
*1*1» ^2) *• •»
par
( 62) 4*| + H- XJ T, 4*2 -+- 2 k-y 77 -4- A*T, ..., ■+■ 2 k tn 7Z -h Xm T,
A*,, Ar3, . . . , k,n étant des entiers quelconques et r étant un nombre réel
quelconque. Deux cas sont alors à distinguer.
120 CHAPITRE IV.
Le premier est celui où Xa, . . . , sont linéairement indépendants

[au sens arithmétique, c ’est-à-dire qu’il n’existe entre eux aucune
relation à coefficients entiers de la forme (09)]. Alors les expressions (62)
peuvent être simultanément rendues aussi voisines qu’on veut de n’im
porte quel système de nombres donnés, de sorte que la loi de proba
bilité à m variables •« , <&2, . . . , est invariante par n’importe quelle
translation. En d’autres termes, les lois dont dépendent les sont des
lois à répartition uniforme, indépendantes les unes des autres et indépen
dantes des A rt. Le processus est du type trivial.
Supposons qu’au contraire il y ait entre les X* au moins une relation
à coefficients entiers de la forme (59). Supposons pour fixer les idées
qu'il n’y en ait qu’une, et que p m tie soit.pas nul; nous pouvons natu
rellement supposer pt y p i, . . . , p m premiers entre eux dans leur
ensemble, et p m positif. Le résultat précédent subsiste en ce qui
concerne <&2> . . 4. Si alors
^1 Xi T, -h X9T, ..., ^/Ji—1 -H X/M_ iX
diffèrent très peu mod 27: de leurs valeurs initiales, l ’expression

wi—i
1
est très peu diticrente d’un multiple de 27r. Si donc les transformations
qui doivent laisser invariante la loi à m variables O ,, <&2,
permettent en ce qui concerne les m — 1 premières de ces variables des
translations absolument quelconques, elles ne permettent d’associer à
un tel système de translation qu’une variation de déterminée à un
multiple près de — • Si donc la loi conditionnelle dont dépend
quand $<, <&2, • • •, sont connus est invariante par le changement
de en <&mH- ^ (à cela près elle peut être quelconque et dépendre
des À „ d’une manière quelconque), on a encore un processus stricte
ment stationnaire.
L ’extension de ce résultat au cas où il existe entre les Xn plusieurs
relations de la forme (59), ou méiàe une infinité, est immédiate. On
peut toujours les résoudre par rapport à certains des Xn ( soit l',,! ',, . . . ) ,
qui seront fonctions linéaires des autres (soit X', X", . . . ). Les phases 4 *
correspondant aux V seront choisies comme dans le cas trivial, et l’on
déterminera ensuite chacun des & comme il vient d’être dit pour
dans le cas où il n’y a qu’une relation de la forme ( 5g).
Le cas des fonctions presque périodiques à spectres fix es est ainsi

complètement résolu. On voit que : dans ce cas il existe des fonctions
strictement stationnaires de type non trivial.
7° L ’extension de ce résultat aux fonctions presque périodiques à

spectre variable est facile ( i:>). Ces fonctions sont encore de la
forme (61); mais ici les Xrt sont aléatoires, leur nombre même pouvant
varier. Il peut arriver qu’il existe, sûrement ou presque sûrement, ou
du moins avec une probabilité positive, des Xn entre lesquels une rela
tion de la forme (69) soit réalisée. Il peut aussi y avoir plusieurs telles
relations, ou même une infinité (nécessairement dénombrable). Dans
ces cas les conclusions du 6° subsistent sans modification, à cela près
que, pour chaque relation de la forme (59), si elle n’est pas sûre ou
presque sûre, la conclusion ne s’applique que si elle est vérifiée.
Ce cas comprend celui de la fonction X i2(f) de A. Khintchine, qui
est l’exemple le plus simple de fonction strictement stationnaire d’un
type non trivial, puisqu’à un terme de fréquence X s’associe, avec la
même intensité et avec une phase opposée à celle du premier terme,
un ternie de fréquence — X.
D’une manière générale, si les lois dont dépendent les X* sont totale
ment discontinues, on peut considérer l’ensemble des valeurs possibles
comme constituant un spectre fixe; mais à chacune de ces valeurs
correspondra une intensité qui pourra s’annuler dans des cas de proba
bilité positive. Si au contraire les lois des Xn sont continues ( 10), il faut
bien remarquer que cela, n’exclut pas que, lorsque certaines de ces
fréquences sont données, les lois conditionnelles dont dépendent les
autres peuvent devenir discontinues. Ce n’est que si elles le deviennent
en effet qu’une relation de la forme (09) peut avoir une probabilité
positive.
8° Occupons-nous maintenant du cas où la fonction X ( t ) est à spectre
continu, c’est-à-dire que U(X) est presque sûrement continu ( 17). Une
communication personnelle de M. A. Blanc~Lapierre ( 18) nous a montré
( 15) C f. P. L
é v y 127].
( I#) Il y a bien entendu d’autres cas possibles, soit que chaque \ n dépende d’une loi
de type mixte, soit que sa loi soit d’un type qui varie avec n.
(1T) On voit sans peine que, si le problème qui nous occupe, déjà résolu dans le cas
du spectre totalement discontinu, est résolu aussi dans le cas du spectre continu, la
résolution dans le cas général s’ensuivra sans difficulté.
( ia) Cette communication date de mars 1947« Nous l’avons déjà mentionnée en
juin 1947 au Colloque de l'analyse harmonique, à Nancy.
122 CHAPITRE IV.
que, dans ce cas aussi, il existe des fonctions strictement stationnaires de

type non trivial.
Remarquons en effet que, si X i ( l ) et X a(£) sont deux fonctions stric
tement stationnaires, indépendantes l’une de l’autre, leur produit X ( l )
est aussi strictement stationnaire. Prenons alors pour X i (t) une fonction
stationnaire de type trivial, de la forme
X , ( n = ( o < / < 0 ,
c’est-à-dire qu’elle a un spectre continu étalé sur une largeur inférieure

à l’unité, et prenons pour X a(£) une fonction du type non trivial de
MM. Fortet et Blanc-Lapierre, pour laquelle tous les X„ soient entiers;
pour fixer les idées prenons simplement
X 2( 0 = A cos ( t h- $ ) .
Alors le spectre de X ( i ) s’étale sur les deux intervalles ( — i, — i -t- l)

et ( i, i -j- /), et à deux valeurs — i + i et i -|-X correspondent deux
phases <&x— et dont la différence a est indépendante de X.
A quatre valeurs — i -f- X, — i + fi, i + X, i /jt, correspondent donc
des phases liées par la relation
$i+x— fc-n-t*.
La fonction X ( l ) est donc bien à spectre continu et d’un type non
trivial.
Il est facile de généraliser cet exemple. La richesse même de ces
généralisations semble rendre difficile d’en donner la forme la plus
générale, et de résoudre ainsi complètement le problème de la recherche
des conditions pour que l’intégrale ( 53 ) définisse une fonction aléatoire
strictement stationnaire. C ’est d’ailleurs ce qui a conduit MM. A . Blanc-
Lapierre et R. Fortet à essayer une autre méthode, en introduisant
les moments d’ordres quelconques, comme nous l ’avons vu plus haut.
9° La fonction aléatoire X(£) et la covariance R( A) étant respective

ment les .transformées de Fourier-Stieltjes de la fonction aléatoire U(X)
et de la fonction spectrale F(X), il est naturel de préciser les relations
entre ces deux fonctions; l’une est aléatoire, et définit le spectre dans
chaque cas particulier; l’autre, liée aux moments d’ordre deux, c’est-à-
dire aux propriétés énergétiques.
Remarquons d’abord, avec M. Loève ( 4®), que, si une fonction aléa-
(19) Voir sa Note à la fin de ce volume.

toire, stationnaire ou non, est de la forme ( 53)* sa covariance est une

intégrale double de Fourier-Stieltjes. On ne peut avoir une formule
d’analyse harmonique pour X ( f ) que si l’on en a une pour la covariance.
Dans le cas stationnaire, la covariance est de la forme R (A ) et l’inté
grale de Fourier-Stieltjes qui la représente est simple.
Si d’ailleurs la fonction ( 53) admet des moments finis d'ordre deux,
elle peut se mettre sous la forme (26), et il résulte du n° 24 que
R (h) = J * «rt-AE { | rfU(X )|îj.
'Donc (toujours d’après M. Loève) : le coefficient (fini ou infinitésimal)

qui correspond à chaque intervalle dk dans l’expression de R (A ) est
Xénergie moyenne
E{|rfU(X)|*>
qui correspond à cet intervalle.

On voit alors que les raies du spectre d cR (A ), c’est-à-dire les discon
tinuités de la fonction spectrale, sont les seules raies possibles pour X ( t ) ;
et chacune d’elles doit être réalisée dans des cas de probabilité positive,
puisque, si A est le coefficient de e dans X (e), le coefficient de ei,h
dans R(A) est E j A 2 j.
Au contraire, comme nous l’avons déjà vu, les fonctions spectrales
continues peuvent résulter, soit de fonctions U(X) continues, soit de
tondions discontinues, mais à discontinuités variables et dépendant de
lois continués, de manière qu’aucune valeur fixe de k ne corresponde
avec une probabilité positive à une discontinuité de U().).
io° Le théorème fondamental de l’analyse harmonique des fonctions

aléatoires stationnaires est le suivant :
T héorème 2 7 . 2. — I l n’y a pas d'autres fonctions aléatoires conti

nues m. q. et stationnaires d ’ordre deux que celles définies p a r la
form ule ( 53 ), où U(X) est une fonction aléatoire à accroissements
successifs orthogonaux.
Ce théorème est dû à H. Cramér et M. Loève ( 2tf). Ce dernier devant(*•)
(*•) H. Cramér [6] et M. Loève [3] et [5]. Bien que dans Cramér ii s’agisse de mesure
dans an espace fonctionnel, et que l'application aux fonctions aléatoires stationnaires
ne soit que brièvement mentionnée, sa priorité est incontestable. Mais il ne faut pas
oublier qu'en raison de l’état de l’Europe 1 cette époque M. Loève, qui a en mars i )45
retrouvé le théorème en question, ne pouvait pas encore connaître le mémoire de
Cramér.
124 CHAPITRE IV*
revenir sur celte question dans la note qui termine ce livre, nous ne
faisons qu’indiquer ici le principe de sa démonstration.
Remarquons à cet effet que, si U (X) est à variation totale bornée
(de — oo à H- oo), l’équation ( 53 ) se résout par rapport à cette fonction
à l’aide d’une formule connue que nous avons rappelée à propos des
fonctions R(A) et F (a?) [formule ( 4 0 1 * Dans le cas actuel, où il s’agit
de fonctions à moments finis d’ordre deux, et où l’intégrale (53 ) est
définie comme intégrale m. q., il y a lieu de penser que celte équation
se résout par la formule
( 63 ) U ( a ) — U(o) = lim m. q. / - 1 -----X(t)dt.
La méthode de M. Loève consiste alors à partir d’une fonction

aléatoire X (i), continue m. q. et stationnaire d’ordre deux, et lui
appliquer la formule ( 63 ) pour avoir U(X); la formule ( 53 ) donne
alors une fonction X 4(f) dont il reste à montrer l’identité avec X (f).
Il faut d’abord montrer l’existence de la limite considérée dans la
formule (63). Mentionnons seulement que cette démonstration se rat
tache à un important théorème de À.Khintchinc [ 7 ], que nous n’avons
pas encore eu l’occasion de mentionner : pour la fon ction X (t) que
nous considérons, si R ( h) tend vers zéro p our h in fin i, on a
lira m. q. ^ f i * X(t)dt = E j X ( i ) } («).
La fonction U ().) une fois formée, on vérifie aisément qu’elle est à

accroissements successifs orthogonaux; X 4(t) apparaît donc comme une
somme de termes orthogonaux, et l’identité de X(£) et X*(f) peut être
établie par les méthodes classiques dans la théorie des développements
en séries ou en intégrales de Fourier; quand on a bien ajouté tous les
harmoniques, sans omission, il ne peut rien rester.
t 21; Des conditions suffisantes pour la convergence presque sûre peuvent se déduire
du principe ergodique de Birkhoff : pour un processus continu en probabilité, si la
fonction de répartition F ( æ:) de X(f) est indépendante de t , et si la fonction de répar
tition conditionnelle de X (l 0-t-À); évaluée à l’instant f# en supposant X(l) connu
de — oo à tend vers F (a r) quand h tend vers h - oo, et cela uniformément quels que
soient t0 et les valeurs connues de X (l), alors les différentes valeurs possibles de X (t)
sont réalisées dans l’intervalle (o, T) avec des fréquences qui, T tendant vers -4- oo,
tendent presque sûrement vers leurs probabilités théoriques définies par F(®). Si de
plus E { | X (f) | } est fini, la moyenne des valeurs de Xj(O dans (o, T) tend presque
sûrement vers E { X (f)}.
110 Depuis les travaux de M. Loève, A . Blanc-Lapierre et R. Fortet [1 ]

ont développé le théorème précédent à l’aide d’une méthode ayant
beaucoup de points communs avec la précédente, mais utilisant en
outre une notion nouvelle, celle de filtr e , suggérée par les applications
physiques de l’analyse harmonique.
Le filtre opère sur la fonction X ( l ) une transformation fonctionnelle
linéaire, qu’on peut considérer comme limite de celle définie par la
formule
(6.1) Y(i)= J* X.(t — u)R(u)du =*j * X(w)R(f — u) duy
où R (u) est une fonction sommable dans ( — oo, H-oo). Si X(£) est de
la forme (53), il vient
-♦“* /.+ *
/ ei u dU ( a ) / R (u ) € ~ i, udUj
(0*)
c’est-à-dire qu’on passe de X fl) à Y (¿) en multipliant dU(X) par le

facteur
/»+•
( 66) ^ ( À) = / R ( u ) e—î*'u du = y ( X ) ,
que les auteurs cités appellent le gain du filtre. Pour chaque fréquence,
l’intensité est multipliée par y (À) et la phase augmentée de <p(X). Si l’on
suppose g (fi) nul en dehors d’un intervalle ( f i , Xa), Y (i) est indépendant
des termes de X(£) correspondant aux fréquences extérieures à cet
intervalle. Le filtr a g e n’a conservé que les fréquences qui lui sont inté
rieures.
La fonction R (a) ayant été supposée sommable, sa transformée de
Fourier est continue. Mais un passage à la limite permet de s’affranchir
de cette condition et de prendre pour g (fi) la fonction égale à un
dans (X4, X2) et nulle en dehors de cet intervalle, et de représenter for
mellement l’intégrale
(67)
par l’expression
eu*u— eik'u
( 68 ) X(t — u)du7
iu
ce qui n’est autre chose que la formule (63) généralisée par un change
ment d’origine.
Partant alors d’une fonction aléatoire X ( l) , continue m. q ., et
stationnaire d’ordre deux, les auteurs cités n’ont aucune peine à montrer
I2Ô CHAPITRE IV.
que le filtrage défini par la formule ( 68 ), appliqué successivement à

plusieurs intervalles disjoints (X',, /"), (X's, . . . , donne des compo
santes de X(¿) deux à deux orthogonales, et que X(¿) est bien la somme
de toutes les composantes ainsi obtenues. La méthode est donc au fond
très peu différente de celle de M. Loève; cela est dans la nature des
choses. Mais l’introduction de la notion de filtre et la considération
systématique des phénomènes énergétiques permettent quelques sim
plifications, sans parler de nombreuses remarques intéressantes pour
lesquelles nous renvoyons aux travaux des auteurs cités. Notons seule
ment une remarque indépendante de la démonstration du théorème
fondamental : si la fonction X ( l) est stationnaire, il en est de même de
chacune de ses composantes
Par conséquent, chacune des phases <1>)Vest bien choisie au hasard avec
répartition uniforme de la probabilité, et pour la recherche du processus
stationnaire le plus général, on est assuré a p rio ri que, comme nous
l’avons vu plus haut, il ne s’agit que de savoir quelle corrélation
peut exister entre les différentes phases <&x.2
8
28 . Le cas des fonctions aléatoires de plusieurs variables. — Dans

ce cas, il faut renoncer à l’idée que la fonction étudiée peut être une
fonction du temps. Mais cela n’exclut pas la possibilité d’interprétations
physiques. Ainsi on peut considérer la fonction U (x , y , z ) qui repré
sente à un instant donné t la température au point de latitude x y de
longitude y y et de cote z et, en observant pendant un grand nombre
d’années les déterminations de cette fonction relatives à un même
jour de l’année et à une même heure du jour, considérer qu’il s’agit
de différentes déterminations d’une même fonction aléatoire de trois
variables.
Oécupons-nous maintenant de l’extension au cas des fonctions
aléatoires de plusieurs variables des principales notions introduites
jusqu’ici. Observons d’abord qu’on ne peut plus parler de la succession
des différentes valeurs de la fonction; la notion de processus additif
ne peut donc pas s’étendre au cas d’une fonction de n variables
(n entier > i). Mais on peut parler de fonctions aléatoires additives
dépendant d’un sous-ensemble de l ’espace à n dimensions. Nous
renverrons sur ce point au nw61 de notre précédent ouvrage [ 11; réédité
en 1954]*
L ’extension de la notion de processus stationnaire est immédiate. Une

fonction de x , y y z y par exemple, est stationnaire si elle est invariante
par n’importe quelle translation. Cette extension permet une extension
du théorème de À. Khintchine sur la covariance, et de celui de H. Cramér
et M. Loève sur l’analyse harmonique de ces fonctions. Nous n’insisterons
pas sur ces questions.
Nous nous proposons seulement, dans la présente section, de parler

de l’extension de la notion de processus de MarkolT, que nous avons
définie en 1948 de la manière suivante : X ( A ) étant une fonction d’un
point A d’un espace à un nombre quelconque de dimensions, nous
dirons qu’elle est markovienne si, quelle que soit la surface S qui divise
l’espace en deux parties V 4 et V 2, la donnée des valeurs de X (A ) sur S
rend l’ensemble de ses valeurs dans V 4 et l’ensemble de ses valeurs
dans V 2 indépendants l’un de l’autre.
La fonction du mouvement brownien linéaire étant markovienne, il

était naturel de s’attendre à ce que la fonction X ( A ) qui apparaît comme
étant sa généralisation, et que nous étudierons au Chapitre VIII, soit
aussi markovienne. Or nous verrons au n ° 62 , 20 qu’il n’en est rien. Ce
simple fait conduit à penser que, dans l’étude des fonctions aléatoires
de plusieurs variables, le cas markovien n’a pas la même importance
que dans celle des fonctions d’une variable.
Il est d’ailleurs évident que, dans n’importe quel espace, il existe des
fonctions markoviennes. Une fonction dont les valeurs aux différents
points de l’espace sont des variables aléatoires indépendantes les unes
des autres est toujours markovienne. Mais il ne s’agit pas d’un processus
normal (au sens de ce mot indiqué au n ° 5 ). Une question se pose alors
naturellement : existe-t-il des fonctions aléatoires de n variables (/ 1^ 2 ),
qui soient à la fois markoviennes et normales ?
La réponse est affirmative. Voici un exemple que, généralisant une

idée de J. Kampé de Fériet, j ’ai donné dans la première édition de
ce livre, en me bornant au cas où n = 2; mais rien n’empêche de
supposer 2. A chaque entier />, faisons correspondre une division
de l’espace en volumes disjoints Vp.„ et définissons une fonction
aléatoire UP(A ), nulle sur les surfaces qui séparent les différents
volumes V PtV; à l’intérieur de chaque Vp>v, elle aura une valeur
constante ep,v, égale à ± 1 suivant le résultat d’un tirage au sort; tous
ces tirages au sort sont supposés indépendants les uns des autres. Nous
128 CHAPITRE IV«
supposons en outre que la distance de deux points d’un même Vp. v ait
une borne supérieure indépendante de v et qui tende vers zéro pour
p infini.
Donnons-nous maintenant une suite de nombres positifs décroissants

ap, et posons
X (A > = 2 S U' (A)-

i
Un nombre réel ne pouvant jamais avoir deux représentations de la

forme ^ vt'tpQ'pitp— — 0 » donnée de X ( A ) en un point équivaut
à la donnée de tous les UP(A ) [si, pour certaines valeurs h de l’indice p ,
A est sur la frontière de deux volumes V a, vî U/»(A) est nul, et la
conclusion subsiste pour les autres indices p ; donc, en tout cas, tous
les Up(A) sont connus].
Considérons enfin une surface S séparant l’espace en deux régions

<Jii et (Ji*. La donnée de X ( A ) sur S équivaut à celle de tous les UP(A)
sur S, donc à celle des ePjV relatifs aux volumes V p,v traversés par S.
Aucun autre Vp>v ne pouvant avoir à la fois des points intérieurs à £Rt
et des points intérieurs à d la, et tous les eP|V étant indépendants,
aucune information nouvelle relative aux valeurs de X (A ) dans une de
ces régions ne peut modifier les probabilités relatives à l’autre région.
Le processus est donc markovien. Comme enfin chaque X ( A ) n’est
obtenu qu’à la suite d’une infinité d’épreuves n’intéressant que des
voisinages de plus en plus étroits de ce point, il est normal.
Toutefois, cet exemple n’est pas absolument satisfaisant, parce que la

fonction X ( A ) ne varie que par sauts à la traversée de surfaces données
d’avance. Pour nous faire comprendre, rappelons que, dans la théorie des
processus additifs, les cas intéressants s’obtiennent après l’élimination
d’une fonction pouvant comprendre, d’une part un terme certain ayant
des discontinuités absolument quelconques, d’autre part la somme ou la
somme compensée de sauts aléatoires, mais situés en des points connus
à l’avance. Les termes ainsi éliminés ont un caractère en quelque sorte
trivial. C ’est pourquoi j ’ai, en 1948, posé la question suivante : peut-on
définir des fonctions markoviennes de n variables, dans la définition
desquelles il n’y ait pas des lignes ou surfaces données d’avance et qui
apparaissent comme des singularités ?
Dans le cas n = 2, cette question a été résolue en 1961 par G. Ottaviani

[1 ], qui a donné un exemple ingénieux et élégant de fonction aléatoire
markovienne dans la définition desquelles n’intervient aucune ligne
singulière. Mais il utilise le fait que la courbe du mouvement plan
(dont l’étude fera l’objet du Chapitre V II) indéfiniment prolongée
constitue un ensemble partout dense dans le plan. Dès que n > 2, cette
propriété ne subsiste pas. Je ne crois pas qu’il y ait eu de nouveaux
progrès, depuis cette époque, dans l’étude de cette question. Donc,
pour n^> 2, la question posée reste ouverte. De toute façon, il ne
semble pas que l’étude des processus markoviens à plusieurs variables
puisse devenir un chapitre important du calcul des probabilités; c’est
seulement un joli problème à résoudre.
CHAPITRE Y.
LES PROCESSUS ADDITIFS.
S ommaire. — 29. Lemmes relatifs aux séries à termes aléatoires indépendants. Leur
application aux processus additifs. — 30. Remarques sur certaines fonctions discon
tinues. — 31. Les trois types de processus additifs. — 32. Le théorème réciproque.
Processus additifs faiblement continus et lois indéfiniment divisibles. — 33- L’uni
cité de la représentation, et l’arithmétique des lois indéfiniment divisibles. —
34. Théorèmes relatifs à la loi de Laplace. — 35. Les lois de plus en plus divi
sibles. — 36. La méthode de B. de Finetti et A. Kolmogoroff. — 37. Les types de
lois stables. — 38. Un groupe de lois de Pearson. — 39. Les processus additifs sur
la circonférence. — 40. Les processus additifs dans les espaces à plusieurs dimensions.
29 .
Lemmes relatifs aux séries à termes aléatoires indépendants.
Leur application aux processus additifs. — Il est utile, pour la suite, de
rappeler quelques résultats connus relatifs à ces séries ( 4).
i° La, probabilité de la convergence d }une série 2 Un à termes

aléatoires indépendants ne peut être que zéro ou un. En d’autres
termes : une telle série est toujours, soit presque sûrement divergente,
soit presque sûrement convergente.
Il peut d’ailleurs arriver, même pour une série presque sûrement

divergente, qu’il existe des constantes an telles que la série 2 (U n— an)
soit presque sûrement convergente. Nous dirons dans ce cas que la
série 2U * est quasi convergente; dans le cas contraire elle est essen
tiellement divergente.
a° P o u r que la série 2 U* soit quasi convergente, i l fa u t et il

suffit que les Un puissent être mis sous la form e a„ -f-U* H -U ',
an étant une constante (non aléatoire)^ et les U'n et les U ' vérifiant
les conditions
(.) E i U Á } o, ï E { U ' n * } < * , s { P r U ; ? i o } < « .
(*) Pour les démonstrations, voir par exemple P. L évy [11], chap. VI.
I i* CHAPITRE V.
Pour l'application de ce résultat, il faut ajouter que, si U ;i peut être

mis sous la forme considérée, on peut sûrement y arriver de la manière
suivante : mn désignant la valeur médiane de Un, et l une grandeur
positive, on prend U" = o si |U *— mn | ^ / et U" = U«— mn dans le cas
contraire, puis a n = E { U „— U" }. La condition .nécessaire et suffisante
pour la quasi convergence devient donc
(2 ) spr{| u „ - |> ! } < » , so* { U«— u;; ; <
Si de plus la série 2 a „ est convergente, et dans ce cas seulement, la

série 2 U« est presque sûrement convergente.
3° Cas des séries quasi convergentes. — Les résultats qui précèdent

s’appliquant en particulier à la série 2|U 'n |, la probabilité de la
convergence absolue de 2 U'/l ne peut être que zéro ou un. Dans le
premier cas, la série 2U',, est presque sûrement convergente, mais non
absolument convergente; c’est le cas si, pár exemple, Un = ± ^ > les
deux signes étant également probables.
Pourtant la série 2 U'n a toujours, à certains points de vue, les carac
tères d’une série absolument convergente : toutes les séries partielles
déduites de cette série sont presque sûrement convergentes; qu’il
s’agisse de la série complète ou des séries partielles, la loi de probes
bilité de la somme est indépendante de Vordre des termes.
Pourtant, si la série 2 U'n est presque sûrement semi-convergente, on
peut changer sa somme en changeant l’ordre des termes. Mais les
changements qu’il faut faire pour cela dépendent des valeurs obtenues
pour les U'n, et, pour une loi de permutation des termes définie indé
pendamment du choix des U't, la probabilité que la somme 2U'n soit
modifiée est nulle.
Les U" étant presque sûrement tous nuis à partir d’un certain rang
(c ’est-à-dire pour n > N, N étant aléatoire), la série 2 U’ est
absolument convergente. Les résultats qui précèdent s’appliquent donc
à 2 U n, dans le cas où la série numérique 2 an est absolument conver
gente, et dans ce cas seulement.
4° Cas des séries essentiellement divergentes. — Pour une telle

série, et pour n’importe quelle valeur positive de et, la dispersion de la
somme Sn = U i H- Ua -4 -... H- Un liée à la probabilité oc augmente
indéfiniment avec n. En d’autres termes, si
LES PROCESSUS ADDITIFS. 133
on peui affirmer que s" — s'n augmente indéfiniment avec n. Inversement,

il suffit qu’il en soit ainsi pour une seule valeur de a inférieure à un,
pour qu’on puisse affirmer que la série 2 U n est essiellement divergente*
On peut préciser le résultat précédent : si la dispersion de Uv, pour la
probabilité a < i, a une borne inférieure Zindépendante dev, celle d eS „
a, pour n ’importe quelle probabililé positive (3, une borne inférieure de
la forme Z<p(/i), avec ? ( n ) ~ k f n (pour n infini; k ne dépend que de
a et (3) ( 2).
5° Il résulte du théorème précédent que : dans le cas de convergence,

si l ’on connaît la loi de probabililé de la somme 2 U n, on peut borner
supérieurement le nombre des termes (ou des sommes partielles sans
termes communs deux à deux) ayant, pour une valeur donnée de a,
leurs dispersions supérieures à une valeur donnée L
Si la série 2 Urt est convergente en moyenne quadratique, c’est-à-
dire, les constantes a n n’intervenant pas ici, si
«! { S U n | = ï {Unj < ®,
le même énoncé s’applique aux termes (ou aux sommes partielles)
ayant leurs dispersions quadratiques moyennes bornées inférieurement.
6° A condition que l ’on ait préalablement ajouté à chacun des Uv une

constante déterminée par la condition que la valeur médiane de Sv soit
nulle, si la dispersion de la somme S n est très petite, les valeurs
extrêmes de Sv (v variant de i à n) sont très probablement très petites.
D ’une manière précise, quel que soit /, la probabilité Pr j max | S v | > 2 / j
peut être bornée supérieurement par une valeur qui ne dépend que de
la fonction de dispersion de Sn, qui est en particulier indépendante
de n, et qui est très petite si celle fonction de dispersion est inférieure
à J pour une valeur de oc très voisine de l’unité ( 3).
7° A pplication a u x processus additifs. — Pour ces processus, d’après

leur définition même, si l’on considère sur l’axe des t un certain nombre
d’intervalles disjoints (pouvant se réduire à des points), les accrois
sements correspondants de la fonction X ( f) sont indépendants. S i de
p lu s ils sont intérieurs à un intervalle f in i (¿0, £<), et si leur
nombre est in fin i, ces accroissements sont les termes d'une série quasi
convergente. Dans le cas contraire, en effet, on pourrait trouver un
(5) Cf. P . L évy [11], p . i49->^7*

(3) Cf1 P . L évy [11], fo rm u le ( ) de la p.
7 i38.
134 CHAPITRE V.
nombre fini de ces accroissements dont la somme aurait une dispersion

arbitrairement grande; or elle est bornée supérieurement par celle
de X (f<) — X ( i 0)-
8° Il résulte en particulier de ce qui précède que via p artie aléatoire

de X ( f) ne p eu t avoir que des discontinuités de prem ière espèce.
Nous entendons par là que, si t 0 par exemple est un point de disconti
nuité d’une autre nature, on peut déterminer une fonction non aléatoire
f ( t ) telle que X4(t) = X . ( t ) — f ( t ) tende, quand t tend vers t 0 par
valeurs plus grandes (ou plus petites), vers une limite déterminée
X< (*0 + ° ) [ou X| (¿0 -- o)].
Si en effet on considère une suite décroissante de nombres t2y
£3, •••) h t ' * * ’ compris entre ¿0 et ¿1 et tendant vers t0, la série
2 [ X ( f ra) — X ( i n_1)] est quasi convergente; en retranchant de X ( f)
une fonction non aléatoire convenablement déterminée, on peut la
rendre presque sûrement convergente; les X(£n) ont alors une limite
presque sûre X(£0H- o), et l’on peut déterminer n de manière que
X(£n) — X(£0 4- o) soit en probabilité arbitrairement petit.
Divisons maintenant l’intervalle (¿0, tn) en %p parties égales. Si la
fonction X ( l) n’était pas continue à droite du point elle présenterait
des oscillations non très petites que les valeurs correspondant aux points
de division mettraient en évidence, pour p assez grand ( c ’est-à-dire
pour p > P, P étant aléatoire). Si cette circonstance avait une proba
bilité positive a! > a, il y aurait alors nécessairement une valeur finie de p
pour laquelle les oscillations non très petites de X(£) entre £0 4- o et tn
seraient, avec une.probabilité supérieure à a, mises en évidence parles
points choisis. O r cela est imposible, d’après le 6° ci-dessus, du moins si
l’on a préalablement retranché de X(£) une fonction non aléatoire telle
qu’après cette soustraction X(£n) — X(£) ail pour valeur médiane zéro.
On peut ainsi, en retranchant de X(£) une fonction non aléatoire
convenablement déterminée, réduire X(£) à une fonction X j ( l ) telle
que X| ( i 0 — o)etX < (£0 + o) soient bien déterminés. Nous admettrons,
sans insister davantage sur cette question, quyon peut de même fa ir e
disparaître à la fo is les discontinuités autres que des sauts p ou r
tous les points de Vaxe des ty et réduire ainsi X(£) à une fonction
tCayant presque sûrement pas <Tautres discontinuités que des sauts.3 0
30 . Remarques sur certaines fonctions discontinues. — Nous allons

introduire, à propos d’un exemple concret, la notion de somme
compensée des sautst qui joue un grand rôle dans l’étude des processus
LES PROCESSUS ADDITIFS. l3 5
additifs. Désignons à cet effet par y(t) la fonction périodique, de

période un, égale à — t dans l’intervalle La somme <p(*) 4- t
est la fonction des sauts de ?(*); elle s’accroît brusquement d’une
unité quand t est de la forme h - h - ( A entier), et est constante dans
chacun des intervales séparant ces sauts. Posons
(3) U « (o = ¿?(2 "o ,

I fn(t) = «o(0 S / |( 0 — ( л + 1)<.
La fonction f n(t) a la même période que < p (¿ ). Dans une période,

un(t) a 2n sauts dont chacun est égal à leur somme est l’unité.
La somme des sauts de / „(¿ ), dans une période, est л + i , et la
croissance de la fonction des sauts SA(¿) est compensée par celle du
terme (л + i)/ que Гоп en retranche pour obtenir f a( t ).
Pour n infini, la série 2 u n(i), majorée par la série numérique * ~ >
2 2
est uniformément convergente; f n(t) a donc une limite / (¿ ), et Гоп peut
avoir une bonne approximation de f ( t ) en considérant f n(t) pour une
valeur assez grande de n . Mais on ne peut pas, pour le passage à la
limite, séparer Sn(t) et (л -b i) £, qui augmentent indéfiniment avec n ;
leur différence seule a une limite. On ne peut donc pas, dans f ( t ),
parler de la somme des sauts; nous dirons que f ( t ) est la somme
compensée des sauts, entendant par là que la croissance infiniment
rapide de la somme des sauts est, pour n infini, compensée par celle du
terme (n 1) t que l’on retranche de cette somme.
Remarquons que, pour les valeurs d ext multiples de on a щ = о
pourv > л, et par suite f ( t ) = /«(*)• Si alors on trace la courbe x = f ( t )
en considérant les courbes x = f n(t) comme des approximations succes
sives, à chaque approximation on aura une ligne brisée comprenant
dans une période 2n segments verticaux et 2n segments obliques. Les
premiers appartiennent à la courbé x = jf(£ ). Chacun des autres est à
l’approximation suivante remplacé par trois segments, dont un est
vertical et appartient à la courbe«# = /*(£), ês autres ne constituant que
de nouvelles approximations. On peut ainsi se représenter la courbe
я ==У ( t ) comme dessinée par des segments verticaux, qui forment un
ensemble partout dense sur la courbe. Leur complément, sur la courbe,
est un ensemble parfait discontinu.
Considérons maintenant la différence
(4) * ( * ) = / ( * + ■ '0 — / ( * ) •
i M\ CHAPITRE V.
Si res t une fraction dyad ique >g(t) se réduit à ( t + r)— Sn_4 (t);
c’est une fonction-escalier, ne variant que par sauts, et ayant dans
chaque période un nombre fini de sauts. Si t n’est pas une fraction
diadique, on a
g ( t ) = lim [S „(* -h x) — S „(* )].
Les sauts sont en nombre infini, et la disparition du terme linéaire en t

de la seconde formule ( 3 ) permet de considérer g ( t ) comme la somme
des sauts. Mais il faut remarquer que cette somme est en réalité une
série semi-convergente. S(/) est la valeur obtenue, pour t > o (pour
fixer les idées), en rangeant par ordre de grandeurs décroissantes les
sauts situés dans l’intervalle (o, t ), et, pour les sauts égaux en valeurs
absolues, en les rangeant dans l’ordre des valeurs croissantes de l .
On peut généraliser beaucoup le schéma précédent en se donnant,
d’une part une suite de valeurs tn de t formant un ensemble partout
dense dans un certain intervalle (T', T"), d’autre part une suite de
nombres an qui seront les hauteurs des sauts. Us devront tendre vers
zéro et, pour chaque intervalle partiel, la somme des sauts de chaque
signe devra être infinie.
On peut alors former une infinité de fonctions f ( t ) ayant précisément
les sauts ainsi définis. Elles s’obtiennent toutes en ajoutant à l’une
d’elles une fonction continue absolument quelconque. On démontre
aisément que, pour chacune de ces fonctions, on peut ranger les sauts
dans un ordre tel que pour n’importe quel intervalle (i7, t") intérieur
à (T', T"), la variation f ( t v) — f ( t f) soit la somme des sauts corres
pondant aux ta intérieures à cet intervalle; on passe d’une fonction aux
autres en changeant l’ordre des termes de la somme.
31 .
Les trois types de processus additifs ( 4). — Nous allons définir
trois types de processus additifs, irréductibles les uns aux autres; nous
désignerons respectivement par X 0(*), X |(i), et X 2(f) les fonctions
aléatoires correspondant à ces trois types. Nous montrerons en suite,
au n° 32 , que le processus additif le plus général est défini par la
formule
(5) ^ ( 0 = / ( 0 + X n(i) + Xi(i) + X î (0)
la fonction f ( t ) n’étant pas aléatoire, et les trois termes aléatoires étant
(*) C /. P. L évy , [11], p. i 58- i 8o.

LES PROCESSUS ADDITIFS. *3;
stochastiquement indépendants les uns des autres. Dès le présent numéro,

nous montrerons, après avoir caractérisé chacun des trois types, quelle
est la forme la plus générale des fonctions aléatoires de ce type. La
démonstration du résultat annoncé ne présentera ensuite plus de
difficulté.
i° La fonction X 0(¿) sera une somme de discontinuités fixes.

Nous avons vu que, pour tout point de discontinuité t , on peut, en
ajoutant à X 0(¿) une fonction non aléatoire convenablement déter
minée, le.réduire à une discontinuité de première espèce. Nous n’avons
donc à considérer que des discontinuités de cette nature. En chaque
point tv (v = i, 2, . . . ), X 0(l) s’accroît donc brusquement d’une quantité
aléatoire
X 0( tvh- o ) — X0(xv— o) = Uv,
ayant au moins deux valeurs possibles (autrement l’addition d’une

fonction non aléatoire aurait fait disparaître le point de discon
tinuité rv).
Quels que soient a o, d’après le n° 29 ( 4° et 70), le nombre
des Uv correspondant à des rv d’un intervalle fini (£0, *0 Ayant pour
la probabilité a une dispersion au moins égale à l est fini; autrement
X (¿|) — X (¿ 0) aurait une dispersion infinie et le processus ne pourrait
pas être défini dans tout l’intervalle fermé (t0, ¿i). En faisant alors
tendre a vers un el l vers zéro, on voit que les tv forment au plus, dans
tout intervalle fini et par suite sur tout l’axe des t (si le processus est
défini sur tout cet axe), un ensemble infini dénombrable. Si cet
ensemble est effectivement infini, il faut, toujours d’après le n° 29 , 70,
que, pour les points de discontinuité correspondant à n’importe quel
intervalle fini, la série 2 UV soit quasi convergente. En retranchant de
chaque Uv une constante a v convenablement déterminée, on peut donc
la réduire à une série presquement sûrement convergente. Si alors t est
compris entre t 0 et ¿4, la série partielle correspondant à l’intervalle (£0>¿)
est aussi presque sûrement convergente. C ’est sa somme X 0(¿) que nous
appellerons, en supposant pour fixer les idées X 0(¿o) = o, la somme
des discontinuités fixes.
Il faut remarquer que, en raison de l'indétermination qui existe dans
le choix des constantes Oy, cette somme n’est pas entièrement déter
minée; ses différentes déterminations possibles ont pour différences
deux à deux des fonctions non aléatoires. Dans l’application de la
formule (5), la séparation entre X 0(¿) et f { t ) n’est donc pas absolument
déterminée.
I*. I.ÍVY. 10
1 38 CHAPITRE V.
a° Le deuxième type de fonction à accroissements aléatoires indé

pendants est défini par la formule
(6) x 1( o - x 1(i0) = Ov'rfBCO,
les £(t) correspondant aux différentes valeurs de t étant des variables

laplaciennes indépendantes les unes des autres, et B(t) étant une fonction
continue non décroissante. Si B (t) = t (ou at + 6, avec a > o ) , on
reconnaît la fonction aléatoire du mouvement brownien, et le cas
général se ramène ati mouvement brownien en prenant B ( i) comme
nouvelle variable. Il s’agit donc simplement du mouvement brownien
généralisé par le changement de variable t = B(£').
La fonction^ de X 4(i) est, çn supposant X* (¿0) = B (*0) = o,
( 7) [«•(*)-»(<)].
On remarque que les formules (6) et (7) conservent un sens si B (t)

est une fonction non décroissante discontinue. On obtient toujours un
processus additif, et, pour n’importe quel intervalle (¿0> t ' ) 9 l'accrois
sement X i (i) — X 4(¿0) est une variable laplacienne semi-réduite. Mais
les points de discontinuité de B ( l) seraient pour X t (i) des •disconti
nuités fixes. Nous préférons rattacher la somme de ces discontinuités
à X 0(i). C ’est conforme à la définition que nous avons donnée de cette
fonction; X 4(£) est ainsi une fonction presque sûrement continue.
3° Le dernier terme X 9(/) de l’expression ( 5) sera la somme, ou la

somme compensée, des discontinuités mobiles. En chacun de ces
points de discontinuité, X ( i - f - o ) — X (* — o) a une valeur déter
minée uy~o\ un tel point est donc caractérisé par l’ensemble des deux
nombres ^ et a. Quelque petit que soit £, l ’existence de cette disconti
nuité est sans influence sur la variation de X (t') avant Tintant t — e et
après l’instant ¿ + e (d ’après la définition même de l’additivité du
processus); elle est donc indépendante de la variation de X (t') avant
l’instant t — o et après l’instant ¿4 -0 . Il en résulte en particulier que
les discontinuités mobiles sont, comme les discontinuités fixes, indé
pendantes les unes des autres.
Désignons par 0(1, u0) le nombre probable des discontinuités mobiles
se produisant dans l ’intervalle (t0, /) et pour lesquelles u > w©(«•><>).
Il est nécessairement fini; autrement il y aurait dans cet intervalle au
moins un point r tel que, quelque petit que soit 6, le nombre analogue
relatif à l’intervalle (r — e, r - h e ) serait infini. 11 y aurait alors une

probabilité positive pour que X 3(l) ait en ce point une discontinuité
qui ne soit pas de première espèce. Cette hypothèse est écartée. Nous
avons vu en effet au n° 29 , 8° que celte circonstance, évidemment
possible pour le terme non aléatoire f ( t ) , ne l’èst pas pour la partie
aléatoire de X (¿).
La fonction 0(¿, u0) ne peut croître, quand t croit, que d’une manière
continue. Dans le cas contraire, en effet, les points de discontinuité
de 0(¿, u0) seraient des points de discontinuité fixes; or, par définition
de X 2(¿), il n’y en a pas.
A chaque intervalle élémentaire dt correspond donc une variation
très petite rfO de 0(i, u0). Les variations de X 2(i) dans les différents
intervalles dt étant indépendantes les unes des autres, la loi des petites
probabilités s’applique : le nombre P (¿, u0) des discontinuités consi
dérées est, pour l'intervalle f in i t), une variable aléatoire
dépendant de la loi de Poisson de param ètre Q(t, u0).
Un énoncé identique s’applique naturellement aux discontinuités
correspondant aux valeurs de u inférieures à une valeur négative
donnée.
En nous plaçant d’abord, pour simplifier les notations, dans un
intervalle de variation fixe ( l 0, tt) de la variable l, on peut alors définir,
sur chacune des demi-droites u < o et u > o, une fonction n (tt), non
décroissante, et dont la variation représente, pour n’importe quel inter
valle ( u iy u2) ( u { U i > o), le nombre probable des sauts correspondant
aux valeurs de u de cet intervalle. Elle prend à l’infini (tant pour H-
que pour — oo), des valeurs finies, qu’on peut ramener à zéro par
l’addition de constantes convenables, mais peut être infinie à l’origine.
D ’après les propriétés connues de la loi de Poisson [notamment la
formule ( i 5 ) du n° 4?], la somme des sauts pour lesquels u appartient à
un intervalle du est une variable aléatoire dont la fonction-*}’ est
(8) (eís«_ i)ûfn(u),
et, pour la somme de tous ces sauts, la fonction-*}» est
= *(M ),
ce qu’on peut écrire plus simplement
(9 ) «k * ) = f i ><&(«).
I in CHAPITRE V.
Comme n (— o) et — n ( + o ) peuvent être infinis, il peut arriver que

cette intégrale n’ait pas de sens. La condition nécessaire et suffisante pour
qu’elle ait un sens est évidemment
(io) u |da(u) < »,
l’intervalle (— i, + 1 ) pouvant être remplacé par n’importe quel inter

valle fini contenant l ’origine. Cette condition est naturellement iden
tique à la condition nécessaire et suffisante pour que la somme
u |dP(u)
des valeurs absolues des sauts considérés soit presque sûrement conver
gente; il est facile d’ailleurs de le vérifier par application de la règle
rappelée au n° 29 , 20.
Si cette condition n’est pas vérifiée, il peut tout de même arriver que
la somme des sauts soit quasi convergente, et que l’on puisse définir
une somme compensée des sauts. D ’après le n° 29 , 2°, la condition néces
saire et suffisante pour qu’il en soit ainsi est
(n) J" w2d h (« )< » ,
| car <r2[u dP (u)] = K2 ¿fn(tt)}, et, dans ces conditions, la compensation

peut s’effectuer en retranchant de la somme u d P( u ) (nulle ou non) des
sauts correspondant à chaque intervalle du intérieur à l’intervalle (— i,
+ 0 sa valeur probable u d n ( u ) , c’est-à-dire en retranchant de sa
fonction-^ le terme i z u rfn (a). La formule (9) est alors remplacée
par la formule
(12) ty(z) = J ' ijsu)dn(u)-i-Çj' -hjT ^ — i}dh(a).
On vérifie d’ailleurs aisément que la condition (11) est bien la

condition nécessaire et suffisante pour que cette expression ait un sens,
et que dans le cas contraire, il est impossible de lui en donner un en
retranchant de u d P ( u ) une fonction de u, c’est-à-dire en retranchant
de la fonction intégrée un terme de la forme i z f ( u ) d n( u ) . La théorie
peut être ainsi rendue indépendante des résultats rappelés au n° 29 , à
cela près que, sans ces résultats, on pourrait seulement considérer la
somme des sauts comme convergente au sens de Bernoulli.
LES PROCESSUS ADDITIFS. I4l
R e m a r q u o n s m a in te n a n t q u ’o n p e u t p r o fite r d e la fa c u lté d e r e tr a n
c h e r d e la f o n c t io n in té g ré e u n e fo n c tio n d e la fo r m e iz f(ju ) d n (u ) p o u r
r e m p la c e r la fo r m u le ( 12 ) p a r la fo r m u le p lu s s im p le
(i3) H* ) ^) dn(
1 -h u- J
q u i a u n s e n s d a n s le s m ê m e s c o n d itio n s q u e la p ré c é d e n te .
O n p e u t a u s s i, a v e c A . K h in tc h in e , p o s e r
(14) a)
<“ > = / n £ r =
e t é c rire
(15)
L a fo n c tio n < û (u ) a i n s i i n t r o d u i t e e s t n o n d é c r o is s a n te , à v a r ia tio n to ta le
b o rn é e d e — 00 à 4 - 0 0 , e t d e p l u s c o n t i n u e à l ’ o r i g i n e . M a i s , c o m m e l e
*r2
m u ltip lic a te u r d e d & (u ) te n d v e rs — — q u a n d u te n d v e rs z é r o , o n p e u t,
to u jo u rs a v e c A . K h in tc h in e , s u p p r im e r la d e rn iè re c o n d itio n ; si a lo rs
0) — o>(— o) = a2.
l’e x p re s s io n ( i 5 ) se tr o u v e a u g m e n té e d e — q u i e st fo n c tio n -^
d ’u n e v a ria b le la p la c ie n n e . E lle c o r r e s p o n d a lo rs , n o n a u te r m e x ,( 0 .
m a is à la s o m m e X * (C) H - X 2( i ) .
R e m a r q u o n s e n fin q u e , si l’o n a
(16) J I u I dn(u) adn(w)<oo,
o n p e u t e n c o re r e m p la c e r le s f o r m u le s ( 12 ) e t ( i 3 ) p a r la f o r m u l e
(*7) ( eizu— 1 — izu) dn(u).
Il n o u s a rriv e ra d ’u tilis e r le s fo r m u le s ( 9 ) o u ( 17), s o u s le s c o n d i

tio n s re s p e c tiv e s ( 10 ) e t ( 16) . L a p r e m iè re c o rr e s p o n d à la som m e n o n
com pensée d e s s a u ts , e t la s e c o n d e à le u r som m e s e m i-r é d u ite
(p u is q u e d e c h a q u e te rm e a lé a to ire u d P ( u ) o n a re tra n c h é sa v a le u r
p r o b a b le ). M a is a u c u n e d e ce s d e u x fo r m u le s n ’e s t a p p lic a b le d a n s to u s
le s c a s . P o u r le c a s g é n é r a l, n o u s u tilis e ro n s la fo r m u le ( i 3 ) ; e lle
s ’a p p liq u e p o u r v u q u e n (u ) s o it n o n d é c ro is s a n t d e — ao à o e t d e o
142 CHAPITRE V.
à - I - 00, q u e n ( — 00 ) e t n ( - H <x>) s o i e n t f i n i s , e t q u e la c o n d i l i o n ( i i ) s o i t
v é rifié e . S a n s ce s c o n d itio n s , il n e s e ra it p a s p o s s ib le d e d é fin ir u n
p ro c e s s u s a d d itif s a n s d is c o n tin u ité s fix e s e t te l q u e , p o u r c h a q u e in te r
v a lle d u , d n (u ) s o it le n o m b r e p r o b a b le d e s s a u ts c o rr e s p o n d a n t à c e t
in te rv a lle .
D a n s c e tte fo r m u le , n o u s a v o n s s u p p o s é fix e r in te r v a lle d e v a r ia tio n
d e t. P o u r d é fin ir la n a tu r e d e la fo n c tio n a lé a to ire X 3( l ) , *1 re s te à

d é fin ir la m a n iè r e d o n t la fo n c tio n d e d is tr ib u tio n d e s s a u ts v a rie a v e c l;
n o u s la d é s ig n e ro n s m a in te n a n t p a r n ( i , u ) , a u lie u d e n ( u ) . D e u x
c o n d itio n s s o n t, à c e p o in t d e v u e , n é c e s s a ire s e t le u r r é u n io n c o n s titu e
u n e c o n d itio n s u ffis a n te . D ’u n e p a r t le n o m b r e p r o b a b le d e s s a u ts p o u r
le s q u e ls u a p p a rtie n t à n ’im p o r te q u e l in te rv a lle d u n e p e u t q u e c ro ître
a v e c ¿, c ’e s t-à -d ire q u e d u n ( l , u ) e s t u n e fo n c tio n n o n d é c ro is s a n te
d e £, o u e n c o re q u e
(18) dtdun(t, £i)=n(*-hdJ, u-hdu)— n(t-hdt, u)— n(/, u-k-du)+n(t, u )^ o
( p o u r d t d u > o ) . D ’a u t r e p a r t, e n s u p p o s a n t to u jo u rs
U (t> — oo) = n ( * ,o o ) = 0,
la fo n c tio n n ( t, u ) d o it v a r ie r d ’u n e m a n iè r e c o n tin u e a v e c t ; a u tr e m e n t,
e n e ffe t, ses p o in ts d e d is c o n tin u ité s e ra ie n t p o u r la fo n c tio n a lé a to ire

é tu d ié e d e s p o in ts d e d is c o n tin u ité fix e s ; c e tte fo n c tio n n e s e ra it p a s
d u ty p e X 2 ( * ) .
O n p e u t é n o n c e r a u tr e m e n t ce s c o n d itio n e n c o n s id é ra n t u n e ré p a r
titio n d e m a s s e s p o s itiv e s , d a n s le p la n d e s tu, te lle q u e d a n s c h a q u e
re c ta n g le é lé m e n ta ire dtdu s o it s itu é e la m a s s e dt dan{t, u ) . L a
n a tu re d e la v a ria b le a lé a to ire X 2( r , ) — X 2( l 0) fin a le m e n t o b te n u e

d é p e n d s e u le m e n t d e la ré p a rtitio n e n p r o je c tio n s u r l’a x e d e s u d e s
m a s s e s s itu é e s d a n s la b a n d e ¿ 0< £ < < £ i . M a i s p o u r d é fin ir c o m p lè te m e n t
le p ro c e s s u s d a n s l’in te rv a lle ( t0 , ti) , il fa u t d é fin ir l ’é t a le m e n t h o r i

zo n ta l d e s m a s s e s q u i se p r o je tte n t v e r tic a le m e n t s u r c h a q u e in te r
v a lle du; c e t é ta le m e n t d o it b ie n e n te n d u n ’in tr o d u ir e a u c u n e m a s s e
n é g a tiv e ; e n o u tre il n e d o it e x is te r d e m a s s e s n o n m ille s s u r a u c u n e
d ro ite t = c o n s t . 23
3 2 . L e th é o rè m e r é c ip r o q u e . P r o c e s s u s a d d itifs fa ib le m e n t c o n tin u s
e t lo is in d é fin im e n t d iv is ib le s . — Il s’a g it m a in te n a n t d e m o n tr e r q u e
la fo r m u le ( 5) d o n n e b ie n la fo r m e la p lu s g é n é ra le d ’u n p ro c e s s u s
a d d itif.
D ’a b o r d , d ’ a p r è s le n ° 2 9 , 8° , e n r e tr a n c h a n t d e X ( ¿ ) u n e fo n c tio n n o n
a l é a t o i r e / 0 ( ¿ ) , V 1* s e r a u n e p a rtie d e / ( f ) , n o u s p o u v o n s a m e n e r X ( f )
à n ’a v o ir p re s q u e s û r e m e n t a u c u n e a u tr e d is c o n tin u ité q u e d e s s a u ts .
E n s u i t e , d ’a p r è s le n ° 3 1 , i ° , le s a c c r o is s e m e n ts U * re la tifs a u x p o in ts
d e . d is c o n tin u ité fix e s s o n t in d é p e n d a n ts le s u n s d e s a u tr e s , e t la
s o m m e 2 U „ o u la s o m m e c o m p e n s é e 2 ( U n — a n ) c o n d u is e n t à la d é fi
n itio n d ’u n e fo n c tio n d u ty p e X 0( i ) . E n la r e tr a n c h a n t d e X ( i ) , il n e
re s te p lu s c o m m e d is c o n tin u ité s fix e s q u e d e s s a u ts n o n a lé a to ire s , q u e
l’o n p e u t fa ire d is p a ra ître e n r e tr a n c h a n t e n c o re u n e fo n c tio n f \ ( t )
c o n v e n a b le m e n t d é te rm in é e .
C ’e st la fo n c tio n X ( i ) — X 0( ¿ ) — / o ( ¿ ) — / * ( £ ) a in s i o b te n u e q u e
n o u s a llo n s m a in te n a n t d é s ig n e r p a r X ( ¿ ) . L a r é d u c tio n a in s i p ré a la
b le m e n t e ffe c tu é e a fa it d is p a ra ître to u te s le s d is c o n tin u ité s fix e s , d e
s o rte q u e X ( £ ) d é p e n d d ’u n p ro c e s s u s a d d itif a y a n t e n t o u t p o in t la
c o n tin u ité lo c a le d é fin ie a u n ° 7 ; ra p p e lo n s q u e c e tte c o n tin u ité e s t a lo rs
n é c e s s a ire m e n t u n ifo r m e d a n s to u t in te rv a lle fin i.
L e p r o b lè m e q u i re s te à ré s o u d re e s t d o n c c e lu i d e la d é t e r m i n a t i o n
des p ro c e s s u s a d d itifs fa ib le m e n t c o n tin u s . Il e s t lié à c e lu i d e s lo is
in d é fin im e n t d iv is ib le s .
O n d it q u e la lo i d o n t d é p e n d u n e v a r ia b le a lé a to ire X e s t in d é fin i
m e n t d iv is ib le s i , q u e l q u e p e tits q u e s o ie n t e e t sf p o s itifs , o n p e u t r e p r é
s e n te r X p a r u n e s o m m e 2 U V d e te rm e s in d é p e n d a n ts le s u n s d e s a u tre s
e t p o u r c h a c u n d e s q u e ls o n a it
(19) P rd 'U vI^ O C «'-
L e n o m b r e n d e ce s te rm e s d o it n a tu r e lle m e n t, p o u r u n e lo i d o n n é e ,
ê tre d ’a u ta n t p lu s g r a n d q u e £ e t s' s o n t p lu s p e tits .

P o u r u n p ro c e s s u s a d d it if fa ib le m e n t c o n t in u , il r é s u lte é v id e m m e n t
d u fa it q u e la c o n t in u i t é e s t u n i f o r m e q u e l ’a c c r o is s e m e n t X ( t 4) — X ( ¿ 0 )
d é p e n d d ’u n e lo i in d é fin im e n t d iv is ib le . Il n ’y a e n e ffe t q u ’à d iv is e r
l’in te rv a lle c o n s id é ré ( ¿ 0 > t\ ) e n i n t e r v a l l e s p a rtie ls s u ffis a m m e n t p e tits ^

l’a c c ro is s e m e n t r e la tif à c h a q u e in te rv a lle p a rtie l v é rifie a lo rs la
c o n d itio n ( 19) .
L a r é c ip r o q u e n ’e s t p a s é v id e n te . I l n ’e s t p a s é v id e n t e n e ffe t
q u ’a p rè s a v o ir ré a lis é u n e r e p r é s e n ta tio n d e X p a r u n e s o m m e d e
te r m e s U v in d é p e n d a n ts le s u n s d e s a u tre s e t v é r if ia n t la c o n d i t i o n ( 19 ) ,
s i l ’o n r e c o m m e n c e a v e c d e s v a le u rs p lu s p e tite s d e e e t e ', o n p u is s e
a r r iv e r a u ré s u lta t a v e c c e tte c o n d itio n s u p p lé m e n ta ir e q u e l ’e x p re s
s io n 2 U V p r é a la b le m e n t o b te n u e p u is s e se d é d u ire d e la n o u v e lle
e x p re s s io n 2 U v p a r u n g r o u p e m e n t c o n v e n a b le d e s te rm e s .
T' '
I 14 CHAPITRE V.
M a is o n p e u t a r r iv e r a u ré s u lta t trè s s im p le m e n t p a r a p p lic a tio n d e

la n o tio n d 'e n s e m b l e c o m p a c t. O n p e u t r a n g e r le s te rm e s U v d a n s u n
o r d r e d é te r m in é , e t fa ire c o r r e s p o n d r e a u x s o m m e s p a rtie lle s s u c c e s s iv e s

d e s p o in ts r v d e l’in te rv a lle ( t 0, £ * ) , ra n g é s d a n s l’o r d r e d e s t c ro is s a n ts .
O n o b tie n t a in s i u n e fo n c tio n X (0r e ) ( i ) , d u ty p e X 0 ( J ) , p u is q u e le s t v s o n t
d e s p o in ts d e d is c o n tin u ité fix e s , e t q u ’e lle re s te c o n s ta n te d a n s c h a c u n
d e s in te rv a lle s s é p a ré s p a r ce s p o in ts . O n p e u t, d e p lu s , e n r e tr a n c h a n t
d e c h a c u n d e s U v u n e c o n s ta n te c o n v e n a b le m e n t d é te rm in é e , a r r iv e r à
ce q u e le s v a le u r s m é d ia n e s d e s s o m m e s p a rtie lle s s u c c e s s iv e s a ie n tu n e
b o rn e s u p é rie u re in d é p e n d a n te d e n* D a n s ces c o n d itio n s , q u a n d e = sn

e t ê ' = t'n t e n d e n t v e r s zé r o ( p o u r n i n f i n i ) , le s lo is d o n t d é p e n d e n tie s
fo n c tio n s a lé a to ire s X ^ J ) fo r m e n t u n e n s e m b le c o m p a c t, c ’e s t-à -d ire
q u ’o n p e u t e n d é d u ire u n e s u ite p a rtie lle d e lo is a y a n t u n e lim ite , n o n

s e u le m e n t p o u r c h a q u e v a le u r d e m a is p o u r to u s le s t d e l’in te r
v a lle (£ 0, h ) ; le . r é s u lta t e s t b ie n c o n n u p o u r c h a q u e i , p u i s q u ’il s ’a g it

d e lo is d o n t le s fo n c tio n s d e d is p e rs io n e t le s v a le u rs m é d ia n e s s o n t
b o rn é e s s u p é r ie u r e m e n t, e t, e n c h o is is s a n t e n tre £0 e t t\ u n e s u ite
dé v a le u rs d e t fo r m a n t u n e n s e m b le p a r to u t d e n s e , l’e x te n s io n p a r le
p ro c é d é d ia g o n a l e s t im m é d ia te . O n o b tie n t a in s i à la lim ite u n p r o

c e s s u s q u i e s t é v id e m m e n t a d d itif e t lo c a le m e n t c o n tin u p o u r to u s le s
p o in ts d e l ’in t e r v a lle ( i< ,> ¿ i ) . c* Q« r . d .

L a fo r m e g é n é ra le d e c e p ro c e s s u s ré s u lte a is é m e n t d e s ra is o n n e m e n ts
e t d e s ré s u lta ts d u n ° 3 1 . Il n e p e u t p a s y a v o ir d ’a u tre s d is c o n tin u ité s

q u e d e s d is c o n tin u ité s d e p r e m iè re e s p è c e m o b ile s , in d é p e n d a n te s le s
u n e s d e s a u tr e s , e t d o n t la s o m m e d o it ê tre q u a s i c o n v e rg e n te [p u is q u e
sa d is p e rs io n e st b o rn é e s u p é rie u re m e n t p a r c e lle d e X ( l ) ] . C e tte
s o m m e , c o m p e n s é e s ’il y a lie u , d é fin it d o n c u n e fo n c tio n d u ty p e X a ( i ) .
T o u te s le s d is c o n t in u it é s é ta n t é c a r té e s , la d iffé r e n c e X ( i ) — X 9 ( l ) e s t
p re s q u e s û r e m e n t c o n tin u e . D ’a p rè s le th é o r è m e 1 8 . 3 , e lle e s t d o n c d u
tv D e | x ( 0 X < ( ¿ ), p (t) é ta n t u n e fo n c tio n c o n tin u e n o n a lé a to ire ,
C. Q . F . D .
N o u s a v o n s a in s i é t a b li le s r é s u lta ts s u iv a n ts ( * ) :
T héorème 3 2 . i . — L a fo rm e la p lu s g é n é r a le d ’une lo i in d é fin i-
(*) C f . P. L |7], et [11], p. 180- 186. M. Doob nous a communiqué récemment

é v y
une autre démonstration, très simple, de ce théorème. Elle utilise une idée de
B. de Finetti et A. KolmogorofT (V. n# 36 ci-dessous), mais rend inutiles les restric
tions introduites par ces savants. Nous regrettons qu’il soit trop tard pour l’exposer
ici, et ne pouvons que souhaiter qu’elle soit prochainement publiée par son auteur.
(Note ajoutée à la correction des épreuves.)
LES PROCESSUS ADDITIFS. i/»5
m e n t d iv is ib le est d o n n é e p a r la f o r m u le
( 20) ty (z ) = d n (u ),
o ù n e t ff s o n t d e s c o n s t a n t e s , e t o ù n ( u ) e s t u n e f o n c t i o n n o n d é c r o i s -
s a n té d a n s c h a c u n d e s in te r v a lle s ( — o o , o J et ( o , o o ) , e t v é r ifia n t en
o u t r e le s c o n d i t i o n s
( 21 ) n( — oo) = ü ( + ao) = j* «*ifn(u)< oo.
T héorème 3 2 . 2 . — L a fo rm e la p lu s g é n é r a le d 9u n p ro c e s s u s
a d d i t i f fa ib le m e n t c o n tin u est d o n n é e p a r la fo r m u le
( 22) >K<, * ) = * > ( < ) * — ^ e i* " — i — - £ ^ 'jd un (t,u ),
où : ¡¿(t) est u n e fo n c tio n c o n tin u e ; a 2 ( i ) e st u n e fo n c t io n c o n tin u e

non d é c r o is s a n te ; la fo n c tio n n (£, u ) est n u lle p o u r t = t {) ( t 0 é t a n t
l’in s ta n t à p a r tir d u q u e l o n é tu d ie l e p r o c e s s u s ) , a i n s i q u e p o u r t q u e l
co n q u e et u = ± o o ; e lle v a r i e d 'u n e m a n i è r e c o n t i n u e a v e c t , e t V o n a
(23)
d t d uïL(t, u ) ^ . o
r uzd n (t} U) < 00,
( p o u r dt du > o ).
(24)
Il e st b ie n e n te n d u , d a n s c e t é n o n c é , q u e n o u s n e n o u s in té re s s o n s
q u ’a u x a c c ro is s e m e n ts d e la fo n c tio n a lé a to ire é tu d ié e . O n p e u t
n a tu re lle m e n t a jo u te r u n te rm e a lé a to ire in d é p e n d a n t d e £, c ’e s t-à -d ire
a jo u te r à l’e x p r e s s io n d e *]/(£ , s ) n ’im p o rte q u e lle fo n c tio n
in d é p e n d a n te d e £, e t q u i s o it u n e fo n c tio n -*]/, c ’e s t-à -d ire le lo g a

r ith m e d ’u n e fo n c tio n c a ra c té ris tiq u e .
O n e n d é d u it im m é d ia t e m e n t le r é s u lta t s u iv a n t :
T héorème 3 2 . 3 . — N *im p o r te q u e lle lo i in d é fin im e n t d iv is ib le

p e u t ê tre o b te n u e p a r u n p ro c e s s u s lin é a ir e .
E n e ffe t, la fo n c tio n -*]/ d ’u n e lo i in d é fin im e n t d iv is ib le é ta n t d e la

fo r m e ( 20) , tty (s ) e s t d e la fo rm e ( 22) , e t X ( 1) — X ( o ) d é p e n d b ie n
d e la lo i d o n n é e .
L e p ro c e s s u s a d d itif a in s i d é fin i e s t h o m o g è n e d a n s le te m p s , e n ce
s e n s q u e t o u s l e s i n t e r v a l l e s é l é m e n t a i r e s d t d e l ’ i n t e r v a l l e ( 0 , 1) j o u e n t l e
m ê m e rô le . M a is r ie n n ’e m p ê c h e d e le d é fin ir s u r to u t l’a x e d e s r , e n
l46 CHAPITRE V.
p r o lo n g e a n t v e rs la g a u c h e la r é p a r titio n d e m a s s e s d é fin ie p a r la
fo n c tio n n ( t, i¿ ), d e m a n iè re q u e rie n n e c h a n g e p a r le c h a n g e m e n t
d e t e n t-h c o n s t. O n p e u t a in s i, q u e ls q u e s o ie n t t0 e t t1y d é t e r m in e r
la lo i d o n t d é p e n d X ( ¿ , ) — X (¿ 0)> e lle n e d é p e n d q u e d e tK— t0, e t le

p ro c e s s u s e s t b ie n h o m o g è n e d a n s le te m p s , d o n c lin é a ire a u se n s
d u n ° 1 7 .
3 3 . L ’u n ic it é d e la r e p r é s e n ta tio n , e t l ’a r it h m é t iq u e d e s lo is in d é
fin im e n t d iv is ib le s . — D é m o n tr o n s d ’a b o r d le th é o rè m e s u iv a n t :
T . — S i une loi £ est indéfinim ent divisible, sa repré

héorème 3 3 . i
sentation par la fo rm u le (20) ri est possible que ri une seule m anière.
C e th é o rè m e e s t u n e c o n s é q u e n c e im m é d ia te d u th é o rè m e 3 2 . 3 .
E n e ffe t, la lo i C é ta n t d o n n é e , il n ’y a q u ’u n p ro c e s s u s lin é a ire ,
d é fin i d a n s l’in te rv a lle ( 0 , 1) , e t p o u r le q u e l, X ( o ) é ta n t n u l, X ( i )
d é p e n d e d e la lo i £\ la fo n c tio n <]/(*, z ) re la tiv e à u n te l p ro c e s s u s v a rie

e n e ffe t p r o p o r tio n n e lle m e n t à t e t e s t b ie n d é fin ie p a r la fo r m u le
o ù e s t le fo n c tio n -^ d e la lo i i? .
L e p ro c e s s u s é ta n t a in s i b ie n d é fin i, il e s t c la ir q u e le n o m b r e
p r o b a b le d e s d is c o n tin u ité s m o b ile s p o u r le s q u e lle s u a p p a r tie n t à u n

in te rv a lle d o n n é e s t q u e lq u e c h o s e d e b ie n d é fin i. C o m p te te n u
d e n ( — 00 ) = n ( - f - 00) = o , la fo n c tio n n (u ) e s t b ie n d é fin ie , e t p è t a

le s o n t a u s s i, c. q . f . d .
O n p e u t n a tu r e lle m e n t a u s s i c o n s id é re r l ’é q u a t io n ( 20) c o m m e u n e
é q u a tio n in té g ra le e n n(u) e t la r é s o u d r e p a r d e s m é th o d e s a n a ly tiq u e s
in d é p e n d a n te s d u c a lc u l d e s p ro b a b ilité s . C ’e s t c e q u i a é té fa it p a r
A . K h in tc h in e . N o u s r e n v e r ro n s s u r ce p o in t à n o s e x p o s é s a n té rie u rs ( * ).
R e m a r q u o n s 's e u le m e n t e n c o re q u e se d é te rm in e a is é m e n t, in d é
p e n d a m m e n t d e la d é te rm in a tio n d e n ( u ) , p a r la f o r m u l e
( 25) <j * = l i r a — - (z - + ± l 00).

z*
S i e n e ffe t n o u s c h o is is s o n s h a s s e z p e tit p o u r q u e , t é ta n t u n n o m b r e
p o s itif a r b itr a ir e m e n t p e tit, o n a it
f u * d !a ( ( t ) .< £,
J—h
(•) P. L évy [11], p i94-«97 [14].

LES PROCESSUS ADDITIFS. *47
on a
i — izu) dn(u)
La différence entre l’intégrale ainsi majorée et celle qui constitue le

dernier terme de la formule (20), ainsi que le premier terme de cette
formule, sont d’ailleurs 0 ( * ) , donc o ( s 2), pour z infini. Donc, pour z
assez grand, la somme du premier et du dernier terme delà formule (20)
est inférieure en valeur absolue à ê g2; la formule ( 25 ) en résulte.
Le théorème 33 .1 sert de base à Y arithm étique des lois indéfinim ent
divisibles. Pour exposer cette arithmétique, si X est la somme de deux
variables aléatoires indépendantes X< et X 2, nous dirons que la loi £
dont dépend X est le prod u it des lois C i et C 2 dont dépendent respec
tivement X 4 et X 2, et nous écrirons
(26)
relation qui correspond à la relation
(27) ? ( * ) = ?*(*)?*(*)>
qui existe entre les fonctions caractéristiques de ces lois. La loi £ est
divisible par £ % s’il existe une loi C 2 telle qtfe la relation (26) soit
vérifiée, c’est-à-dire si ost une fonction caractéristique ( 7). La
loi £ est indécomposable si elle n’admet pas d’autre décomposition en
un produit de deux facteurs que la décomposition triviale qui corres
pond à la formule X = ( X — a ) 4 - a , o ù a est une constante, c’est-à-dire
©( z) = [e-ta*y(z)] X eiaz.
La loi dégénérée, pour laquelle X se réduit à une constante a, a ainsi le

caractère d’une unité, qui divise n’importe quelle loi £ (dégénérée
ou non).
1
Les notations £ n, J?M, et plus généralement £ * (a étant un exposant
positif quelconque) se comprennent d’elles-mêmes. Il est bien évident
1
que, pour qu’une loi soit indéfiniment divisible, il suffit que J?nexiste
( ’) Naturellement, comme | 9,( 3 ) | ^ i (pour z réel), il faut que 9 (z) s’annule pour
toutes les racines réelles de 9 ,( 2 ). Si 9 ( 2 ) et 91(a) sont identiquement nuis en dehors
d'an intervalle fini, le quotient 9 (*) n'est plus défini, et il peut arriver qu'il y ait
9 i(*)
une infinité de fonctions caractéristiques vérifiant la relation ( 27). C f. P. L évy [11],
p. 19o.
U* CHAPITRE V.
pour des valeurs arbitrairement grandes de n; s’il en est ainsi, £ * a un

sens pour toutes les valeurs positives de a.
L ’arithmétique des lois de probabilité est l’étude des représentations
de ces lois par des produits de deux ou de plusieurs facteurs, ou d’une
infinité de facteurs, ou encore par des produits in tég ra u x; nous
entendons par là que, comme dans le cas de la fonction aléa
toire X a(¿), i|/(s) = log o (z ) est représentable par une intégrale; on
peut alors symboliquement dire que log £ est une intégrale, ou que £
est un produit intégral.
Si £ est une loi indéfiniment divisible, il y a deux problèmes bien
distincts : chercher toutes les représentations de £ par un produit £ A£ a,
ou chercher seulement celles pour lesquelles les lois £ A et £ 2 sont
elles-mêmes indéfiniment divisibles. La solution de ce second problème
résulte immédiatement des théorèmes 32 . i et 33 . i . Si en effet les lois £ %
et £ 2 sont représentées par des formules identiques à la formule (20),
mais où les lettres <J>, p, <x et n sont affectées des indices 1 et 2, on doit
avoir
et par suite, en raison de l ’unicité de la représentation de ip(s) par la

formule (20),
(28) = JJLjH- fX2, a*=ŒÎ-h(J3, n(í/) = n t ( í í ) - h n 2( « ) ‘
Il faut que et <

j \ soient non négatifs, et qu’il en soit de même, pour
n’importe quel intervalle élémentaire du ne contenant pas l’origine,
de ¿£xii(u) et rfna(a ). S’il en est ainsi, la dernière condition (21) étant
bien entendu supposée vérifiée, les conditions analogues relatives
à n i ( u ) e t n a(w) le sont aussi, puisque dn.\ {u) et d n a( u) sont majorés
par dn( u) . On a donc bien défini deux lois £\ et i?a dont le produit
est £ .
En éliminant f¿a, o?, et n a(w), on vo^ °[ue :
T héorème — L a form e générale des lois indéfiniment
3 3 .2 .
divisibles £ iJ divisant une loi indéfiniment divisible donnée £ , et
telles que le quotient £ 2= ~ soit lui-même indéfiniment divisible,
s’obtient en prenant quelconque et en imposant à et i i i ( u )
les conditions
o ^ dni(u)^l dn( u) (pour du ^ o ).
En d’autres termes, en considérant que n(w) définit sur l’axe des u

une répartition de masses positives, la décomposition de n ( u ) en
LES PROCESSUS ADDITIFS. «il)
deux termes ni (a) et n a( a ) s’obtient en séparant ces masses, d’ une

manière quelconque, en deux groupes, et cela sans introduire de masses
négatives.
Cette décomposition implique qu’on décompose éventuellement en
deux parties, pour les rattacher respectivement aux deux groupes, une
masse concentrée en un point, ou une masse élémentaire située sur un
intervalle du. On représente peut-être plus nettement le résultat en se
plaçant dans la bande o < t < i du plan des m , et en y considérant la
répartition définie par n (t, u) = /n(w), c’est-à-dire celle pour laquelle
chaque rectangle élémentaire d t d u , contient la masse d t d n ( u ) . On
définira alors n.i (u) en considérant les masses situées dans la région
définie par une inégalité de la forme
t < ?(w),
où <p(u) est une fonction mesurable de n ( u ) , comprise entre zéro et un

(inclus); pour chaque point de discontinuité uf de n (n), on précisera
sa valeur, qui doit être choisie entre zéro et un, indépendamment de la
définition de <p(u) pour les valeurs de u voisines de ur.
On peut d’ailleurs aussi distinguer des régions de formes quelconques ;
mais on n’obtiendra plus une représentation unique de chaque loi
possible ( 8).
Dans le cas de la loi de Laplace, on n’obtient ainsi que des décom
positions triviales définies par la formule
(29) ?(*)=(*>■•*— -+■(«>!*—»!

avec pi -I- pa = p, + De même, dans le cas de la loi de
Poisson (généralisée par la multiplication de X par un facteur constant u)r
définie "par
( 30) ty(z) = — 1)0,
on n’obtient que les décompositions triviales
( 3 1) <|/(z) = r«>i* -h (eizu— 1)0|] -h [i>î3 -+■ (c isw— i)6i],
avec pi + p a = o, 0, - h 9a= 0. Mais dans tous les autres cas, on obtient

des types très variés de décompositions en facteurs de la loi C . Il n’y a
(*) Gela n’est pas en contradiction avec le théorème 31.1. En projection sur l’axe
des ti, il n’y a qu’une représentation possible; mais l’étalement des masses parallè
lement à l’axe des t reste arbitraire.
i5o CHAPITRE V.
qu’à décomposer la baade o < t < i du plan des tu en un nombre

quelconque de régions de formes absolument quelconques..
Mentionnons spécialement les décompositions en bandes verticales ou
en bandes horizontales. Les premières conduisent en particulier à la
représentation de X par une somme de n termes indépendants les uns
des autres, dépendant de la même loi £ n dont la fonction -4- e s t -4,(5).

Les secondes conduisent au contraire à la séparation de termes Un com
prenant chacun la somme, ou la somme compensée, des sauts de
hauteurs comprises dans un intervalle déterminé (a'M, m"), et en outre,
éventuellement, un terme laplacien. Ces différents termes dépendent
alors de lois toutes différentes les unes des autres.
Remarquons enfin qu’une loi £ pour laquelle <7= o n’èst divisible
par aucune loi de Laplace, et qu’une loi pour laquelle n ( n ) est continu
n’est divisible par aucune loi de Poisson, c’csi-à-dire que dans sa
fonction-^/, où il n’existe aucun terme de la forme (3o), on ne peut pas
séparer un tel terme. Ces énoncés s’entendent, ici, au point de vue de
l’arithmétique intérieure du groupe des lois indéfiniment divisibles,
c’est-à-dire que l ’on ne considère toujours que les diviseurs tels
que le quotient £ 2-= soit lui-même indéfiniment divisible.
34 . Théorèmes relatifs à la loi de Laplace. — Considérons maintenant

la représentation d’ une loi indéfiniment divisible £ par le produit de
deux lois quelconques £ Ket £ 2. De nombreux exemples montrent qu’il
peut arriver que le produit £ = £ ± £ 2 soit indéfiniment divisible
sans que les deiix lois composantes £ t et £ 2 le soient; il peut
arriver qu’aucune des deux ne le soit, ou bien qu’une le soit, et pas
l’autre (°).
Mais cela n’est pas possible si £ est la loi de Laplace. On a en effet
le théorème suivant, énoncé sans démonstration en ig 34 par P. Lévy (40),
et démontré en 1936 par H. Cramér (u ).
T héorème 34 .1 . — L a loi de L a p la ce n'admet p a s d'a u tre repré

sentation p a r un prod u it de d eu x fa cteu rs que la décomposition
triviale définie p a r la form u le (29).(•)
(•) C/. P. L é v y , [il], p. 191, [14] et [15].

<>•) P. L é v y , [7] et [81.
(“) H. Cbamêh, [1] et [2].
LES PROCESSUS ADDITIFS. l5 l
Ce théorème est sans doute maintenant assez connu pour qu’il soit
inutile d’en rappeler la démonstration (rj).
Un théorème tout à fait analogue a été établi en 1936 par RaikoiTpour
la loi de Poisson (3o). Elle n’admet pas de décomposition en facteurs
autre que la décomposition triviale définie par la formule ( 3 i).
Nous pouvons maintenant revenir sur le théorème 48 . 4 > que nous
avons au n° 18 énoncé sans démonstration, et en donner deux démons
trations distinctes, basées, l’une sur les théorèmes 32.2 et 33 .1 , l’autre
sur le théorème de H. Cramér 34 .1 . Comme d’après le théorème
classique 18 . 3 , l’accroissement X ( / 4) — X(£0), pour un processus
fortement continu, dépend de la loi de Laplace généralisée, il suffit de
démontrer que : p ou r q u ’un processus a d d itif fa iblem en t continu
conduise à un accroissement dépendant de la loi de L a p la ce, il fa u t
qu7il soit fortem ent continu.
Prem ière dém onstration. — Le processus, étant additif et faiblement

continu, est de la forme indiquée par le théorème 32 . 2 . Si alors le
nombre probable des discontinuités mobiles n’était pas nul dans l’in
tervalle (t0) i 4), la fonction-*]/ relative à l’accroissement X(J4) — X (£0)
contiendrait effectivement un terme de la forme
/ — 1 — [t^ “ -a)<4 [n(/t! u) — n(h, «)],
et, d’après le théorème 33 .1 cette fonction-*]/ ne pourrait pas se réduire

à la forme de Laplace. La condition indiquée est donc bien nécessaire.
Deuxièm e démonstration. — Cette démonstration, basée sur le

théorème 34 .1 . nous donnera un résultat plus complet, applicable aux
processus additifs les plus généraux. Tl résulte de ce théorème que,
pour un tel processus, si X ( ^ ) — X(£a) est une variable laplacienne
généralisée, il en est de même de X ( / ) — X (/0), si * est compris
entre tQet 1 1. Donc, dans l’intervalle (¿0> on a
la fonction ?*(£) étant non décroissante. En séparant la somme o’J(f) des
(**) Voir par exemple P. L évy, [1 1 ], p. 97 à ioi, et notamment la remarque a*, d’où
il réaolte que le théorème considéré est plus élémentaire qu'il ne le semble d’après la
démonstration de H. Ckam£r.
i :>:> CHAPITRE V.
discontinuités et la partie continue l ' = <r\(£), il vient
4»(i, z) = —
2 2
ce qui correspond à la représentation de X (t) par la somme

X(£) = |x(£)-I- Xo( t ) -f- X4(0 ,
où X 0(i) est une somme de sauts fixes dépendant de la loi de Laplace,

et où X i ( l ) , considéré comme fonction de est la fonction aléatoire du
mouvement brownien. On sait qu’elle est presque sûrement continue.
Ainsi, par une méthode indépendante de la théorie générale des
processus additifs, le théorème de Cramér 31 . i conduit au résultat
suivant :
T héorème 34.2. — P o u r qu’ un processus a d d itif conduise à un

accroissement dépendant de la loi de Lap lace généralisée, il fa u t
et il suffit qu’il résulte de l’addition d ’ une fon ction non aléatoire,
d ’ une fon ction ne variant que p a r sauts, ces sauts se produisant à
des instants donnés d ’avance et dépendant de la loi de L a p la ce, et
d’ une fonction dépendant d ’ un processus a d d itif presque sûrement
continu.
En supposant connue la forme générale des processus additifs, on peut

dire : il f a u t et il suffit qu ’ il n’y ait pas de discontinuités mobiles, et
que tous les sauts fix es dépendent de la loi de Laplace généralisée.
35 . Les lois de plus en plus divisibles. — i° Observons d’abord que

l’addition d’une constante à X ne change rien à la définition des lois
indéfiniment divisibles. On en déduit qu’on ne change rien à la définition
de ces lois en remplaçant la condition (19) par la condition qu’il existe,
pour chaque terme Ua, une constante an telle que
Pr{ | U/*— a/<| > e | < e',
ce qui revient à dire que la dispersion D ¿ (a ) de U a vérifie la condition

( 32) L>a ( i — e ' ) ^ 2£.
Remarquons aussi que les inégalités
Prj|U - a ' | > ij< i\ Pr(|U '
entraînent
Pr{ I U'-t- U' — (a'-*- a") I > t } < e',
LES PROCESSUS ADDITIFS. l5 3
c’est-à-dire que, si U a est la somme de deux termes U' et U'7, indé

pendants ou non, ayant des fonctions de dispersion D'(a) et D"(a), les
inégalités
(33) D '(
entraînent l’inégalité ( 32 ).
Nons dirons que les lois 2, . . . ) sont de plus en plus
divisibles si, quels que soient e et s! positifs, on peut, pour n assez
grand [/i > N ( ê, s')], représenter £ n par un produit de lois dont les
dispersions vérifient la condition ( 32 ).
T héorème 35 .1 . — S i des lois £ n de p lu s en p lus divisibles ont une

limite £ y cette loi-limite est indéfiniment divisible.
D’après la définition des suites de lois de plus en plus divisibles, on

peut, pour n assez grand, obtenir la loi £ n en ajoutant des termes U¿1)
indépendants les uns des autres et dont les dispersions vérifient la
condition ( 32). Comme les lois £ n ont une limite, leurs disper
sions An(a) ont une borne supérieure A ( a ) finie pour tout a , le nombre p des
termes U a dont les dispersions D/fâ) vérifient la condition
(34; D ^(,-0>e,
a une borne supérieure, P = P(s, e'), indépendante de n. On a vu en

effet (n° 29 , 4°) que la dispersion d’une somme de p termes indépendants
dont les dispersions sont bornées inférieurement a une borne inférieure
qui augmente indéfiniment avec p\ la somme des termes considérés
ayant sa dispersion bornée supérieurement par celle de X n, donc par A (a),
p est borné.
On peut d’autre part supposer la condition (34) vérifiée par tous les
termes de chaque somme X n, sauf un au plus. Si en effet il y en avait
deux qui vérifient les conditions (33), on pourrait les remplacer par
leur somme, sans que la condition (32) cesse d’étre vérifiée. On peut
ainsi réduire le nombre des termes de la somme 2 U ^ , jusqu’à ce qu’il
soit au plus égal à P + >.
On sait d’autre part qu’un ensemble de lois dont les dispersions et
les valeurs médianes sont bornées supérieurement forment un ensemble
compact. Ces conditions sont vérifiées par les Ua, du moins si on leur
ajoute des constantes convenablement déterminées ; leurs dispersions
P . I .K V Y . Il
154 CHAPITRE V.
sont en effet bornées supérieurement par A(<*). On en déduit, en sup

posant les termes de chaque somme X n rangés dans un ordre déterminé,
qu’on peut, pour chaque h, choisir une suite de valeurs de n pour
lesquelles les U(,'l) aient au sens de B ernoulli une limite U*; cette condi
tion peut évidemment être réalisée à la fois par les valeurs i, 2 , . . . ,
P de h (puisque parmi la suite des n choisis de manière que U\n) tende
vers U|, on peut choisir une nouvelle suite partielle telle que U*"5ait
une limite U2, et ainsi de suite; il en est alors nécessairement ainsi
pour h = P 1 ).
Or l’indépendance des différents termes U (¿n) subsiste à la limite, ainsi
que l’inégalité (32). Comme e et e' sont arbitrairement petits, la loi
dont dépend la somme £ U/,, est indéfiniment divisible, c. q . f . d.
20 II nous faut maintenant définir la distance de d eux lois C et C ,

définies par leurs fonctions de répartition F(xV et G(a?). En désignant
par M et M' les points d’intersection de la droite x - y = \ avec les
courbes y = F (x) e l y = G (a?), nous appellerons distance de S et £’ le
maximum de la distance MM', quand \ varie. D ’autres définitions ont
été proposées. Si l’on ne considère qu’un ensemble de lois à dispersions
bornées supérieurement, elles sont équivalentes, en ce sens qu’elles
donnent la même signification à la condition que la distance de deux lois
variables tende vers zéro.
La distance d'une loi £ à un ensemble & de lois £* est la borne
inférieure de la distance des lois C etü?' quand A v a r i e dans
T héorème 3 3 . 2 . — S i des lois ü?„ (n = 1, 2 , . . . ) à dispersions bor

nées supérieurement sont de p lu s en plus divisibles, leur distance à
Pensemble & des lois indéfiniment divisibles tend vers zéro pour n
infini\
En d’autres termes : on peut trouver une suite de lois indéfiniment
divisibles £'n telles que la distance de £ n et £ ’n tende vers zéro (lli).
On peut évidemment ramener à zéro la valeur médiane do chaque

loi i?„, sans changer sa distance à l’ensemble ces lois forment alors
un ensemble compact. Si le théorème était faux, on pourrait trouver
une suite partielle de lois £ n dont la distance à & reste supérieure À
uu nombre á choisi assez petit, et. de cette suite, extraire une nouvelle
(«*) Ce théorème a été énoncé explicitement pour la première fois par A. Khintchine.
en 1936. Une idée tout à fait analogue se trouve déjà dans P. Lévy [ 81, p. 38i (alinéa
final du Chapitre II).
LES PROCESSUS ADDITIFS. 1DJ
suite partielle de lois ayant une limite if. Cette ioi if, d’après le
théorème 35 . i, serait indéfiniment divisible; or cela est impossible,
puisque sa distance à & est au moins égale à ô.
3° Rem arque. — C ’est un fait connu qu’un théorème sur l’infini, ou

sur les limites, n’est en général qu’une manière d’énoncer, en le sim
plifiant, un théorème sur le fini. La simplification consiste en ce qu’on
évite de préciser la relation entre la quantité qui tend vers zéro et le
paramètre dont elle dépend. C ’est ainsi que l’on établit souvent la
convergence d’une série sans donner une majoration effective du reste.
Il faut parfois allonger beaucoup les calculs pour obtenir une telle
majoration; mais une méthode pour démontrer la convergence implique
en principe une méthode pour majorer le reste.
De même la théorie des lois indéfiniment divisibles suggère que les
lois très divisibles. c’est-à-dire celles pour lesquelles la condition (19)
imposée aux U, est vérifiée non pour e et e' arbitrairement petits, mais
pour certaines valeurs très petites de e et er, ont des propriétés voisines
de celles obtenues pour les lois indéfiniment divisibles. S’il en est ainsi,
on peut faire le passage à la limite d’une autre manière et obtenir les
propriétés des lois de plus en plus divisibles. On remarque que l ’emploi
systématique de la notion d’ensemble compact permet d’y arriver bien
simplement; mais les raisonnements devraient être singulièrement
allongés et compliqués si l’on voulait déterminer en fonction de £ et s'une
borne supérieure de la distance d’une loi C n à l’ensemble des lois indé
finiment divisibles.
4° Application a u x théorèmes sur la loi de Laplace. — Nous allons

d’abord montrer que, par une méthode inverse de celle suivie au n° 18,
méthode qui reposait sur le théorème classique de Laplace-Liapounoff,
on peut déduire de la théorie générale des processus additifs une nouvelle
démonstration de ce théorème. Il faut naturellement, dans ce cas, sup
poser le théorème 18.3 établi par la méthode de A. Khintchine qui
repose sur l’équation de la diffusion.
Considérons la somme
S « U , - * - U j + . . . - 4- Un,
de n termes aléatoires indépendants, et supposons vérifiées les conditions
(35; E { Uv ( = o, |Uv|^£ ( v a l , 2., . . . , / 1 ),
(36) E { S* ! = i .
15ft CHAPITRE V.
Il résulte de l’inégalité de Tchebicheff, qui, compte tenu de ( 36),

s’écrit
I>r {I s i > e } < i ,
que les lois vérifiant cette condition forment un ensemble compact. Si

alors, pour des valeurs de plus en plus petites de s, les lois dont
dépendent les sommes telles que S ne tendaient pas vers la loi de
Laplace, on pourrait trouver une suite de telles sommes qui dépendraient
de lois tendant vers une loi limite C qui ne serait pas la loi de Laplace.
Or, en utilisant la notion d’ensemble compact et le procédé diagonal
dans les mêmes conditions qu’au début du n° 32, on voit que cette loi
peut être obtenue par un processus additif fortement continu, et
l’hypothèse que ce ne soit pas la loi de Laplace est en contradiction
avec le théorème 18 . 3 .
Il en résulte que les conditions ( 35) et ( 36), pour une somme de
termes indépendants, impliquent que S dépende d’une loi d’autant moins
différente de celle de Laplace que e est plus petit. Le théorème classique
de Laplace-Liapounoff est ainsi démontré, et, comme nous l’avons déjà
montré au n° 18, le théorème 18 .2 en résulte immédiatement.
Ce théorème 48.2 admet une réciproque. Pour l’énoncer, nous
considéreron^des sommes S = 2 UV dépendant d’un paramètre p\ les Uv
sont toujours des variables aléatoires indépendantes les unes des autres;
leur nombre n varie avec p . Nous supposerons la valeur médiane de Uv
nulle et désignerons par M celle de S. On a alors, le théorème suivant.
T héorème 35 . 3 . — S i quel que soit b p o sitif, la plus grande des n

probabilités
(37) av= P r j | U v | > e j (v = i, 2, . . . , n)
tend vers zéro p ou r p in fin i, et si S — M dépendant d Juhe loi qui

tend vers la loi de L ap lace réduite, alors la somme
(38) T| = «t-t-as-h.. .H- a;i
tend vers zéro.
Précisons bien d’abord la signification de rj : c’est la valeur probable

du nombre N des | Uv | supérieurs à e. S’il est très petit, N est très
probablement nul; le plus grand des | Uv | est donc très probablement
au plus égal à e, et le théorème 18.2 s’applique. Si au contraire tous les
av sont très petits sans que leur somme yj soit petite, N est une variable
aléatoire de valeur probable y et dépendant d’une loi peu différente de
LES PROCESSUS ADDITIFS. 1J 7
Poisson. On ne peut pas négliger la probabilité qu’un ou plusieurs | Uv |

dépassent s; mais on ne sait pas à l’avance pour quelles valeurs de v il
en sera ainsi. Il s’agit de montrer que, s’il en est ainsi, la loi dont
dépend S ne peut pas être voisine d’une loi de Laplace à dispersion
finie (naturellement, si la dispersion de S augmentait indéfiniment,
s, quoique fixe, serait petit par rapport à cette dispersion et il pourrait
arriver que le théorème 18 .2 s’applique).
Nous n’indiquerons que le principe de la démonstration, en
renvoyant pour les détails à nos exposés antérieurs ( 4i).
L ’idée essentielle est la décomposition de S en deux sommes
partielles
S '= S U i et s ff= z u ; ,
en posant U i.= Uv si |Uv| ^ e et Ui = o dans le cas contraire;

Uv est au contraire nul dans le premier cas et égal à Uv dans le second.
O'n peut, si tous les av sont assez petits, considérer S' et S" comme
indépendants; d’une manière précise, S; est la somme d’un terme T
indépendant de S" et d’un terme très probablement très petit.
Pour le passage à la limite, on peut utiliser la notion d’ensemble
compact dans les mêmes conditions qu’au n° 32 . Il s’agit de lois à
dispersions bornées supérieurement; elles forment donc un ensemble
compact, et, au moins pour une suite partielle de valeurs àe />, les lois
dont dépendent respectivement S' et S" ont des limites. A la limite,
S apparaît donc comme dépendant d’une loi infiniment divisible, et S"
est la somme des sauts supérieurs en valeur absolue à e. Leur nombre
probable est
I dn(u) = lim tj .
O r nous savons qu’une loi indéfiniment divisible ne se réduit à la loi

de Laplace que si d n (u ) = o. Il faut donc que y) tende vers zéro,
c. Q. F. D.
36 . La méthode de B. de Finetti et A . Kolmogoroff. — Dans ce

qui précède nous avons mis en évidence la forme des processus additifs
les plus généraux. La théorie devient beaucoup plus simple si l’on se
contente d’étudier les processus homogènes pour lesquels o-2j X ( ; ) j
soit fini. Nous allons exposer, d’après H. Cramér (»*), cotte théorie
(u) Cf» notamment P. Lévy [II], p. 107 à 110.

(” ) H. Cramér [31-
i;>8 CHAPITRE V.
simplifiée. Le principe en est dû à A. KolmogorofF (•*), qui avait utilisé

une idée de B. de Finetti ( i7).
Nous pouvons supposer X (o ) = o; nous supposerons aussi la valeur
probable de X ( Q ramenée è zéro. On a alors, puisque <x2j X ( f ) j est
fini et que le processus est homogène,
<r*{X(0 ; = / * “- [<T = a (X ( ! ) } , ; > O],

<?('.-) = ?'(*) [?(•*) = ?(!>*)].
1= !E!x*(o ^ e i x*<o i = to*,

et par suite
?(', z) = i — 8 (!
2
Coasidérons alors le rapport
<t(t, g) — » . 6— = SllîlZLl.
t 2 t
Quel que soit z réel, il reste borné quand t tend vers zéro
(puisque 16 { ^ i ); ? ( * ) n’a donc aucune racine réelle, et l’on a, pour
toutes les valeurs réelles de z
(39) <Ks) = lo g ç ( * ) = ?'(•*)]

L« J/=o t
I Z*“1""
= l i m- / i — t zx)dx F(t, x),
F (z. x ) désignant la fonction de répartition de X (z ).

Introduisons maintenant la fonction
U , ( x ) = - éJ ^ x * d x F ( t , x ) ,
elle est non décroissante, et varie de Hf( — oo) = o à H*(n-oo) — a2.

Les fonctions vérifiant ces conditions forment un ensemble compact.
On peut donc trouver une suite de valeurs de l, positives, tendant vers
zéro et pour lesquelles H,(¿p) ait une limite H (# ). La formule
= «U ¿ H ,O r )
J.hx &
(,6) A. KOLM OGOROFF [5 >
(M) B. d e F in e t t i [1].
LES PROCESSUS ADDITIFS. i^9
donne alors à la limite

// X 1/ v r ^ ^ e izx — i — i z x /u/ x
( 4o ) H z)=J --------- ------------- d H( x ) .
Dans cette formule, H (# ) est une fonction non décroissante, dont la

variation totale de — oo à H- oo est aa. Elle peut être.discontinue à
l’origine, et en posant
H (+ o) - H( — o ) = (t §, d H( x ) = x i d n ( x ) J
il vient
(40 <K*) = — aj y -hJ * S^ ( e iZ3C— i — i z x ) d n ( x ) .
La fonction est ainsi la somme d’une fonction i};* ( z) du type de

Laplace et d’une fonction â(s) de la forme (17), correspondant à une
fonction aléatoire X 2(¿) qui est une somme compensée de discontinuités
mobiles. C ’est donc bien une fonction-^», et<|>(£, z) = tty{z) est bien la
fonction-*}; d’ un processus additif homogène.
D’autre part le nombre N des sauts pour lesquels u appartient à un
intervalle du dépend de la loi de Poisson de paramètre d n (u ); leur
somme Nu a pour second moment semi-réduit u%d n (u ) = d H (u )y et
celui de X ( i) [q u ’on peut aussi déduire de a3= — *J/'(o)] est
»* = <r*|X(l)| = oj-t- ^ J ' ^ rfH(u)<oo.
Toutes les conditions imposées au processus étudié sont donc bien

vérifiées. Par suite : la form ule *};(£, z ) = t^ { z ) J °ù <KZ) est de la
form e ( 4°), H (#) étant une fon ction non décroissante à variation
totale bornée dans ( — 00, -4-00), définit la form e générale d }un
processus a d d itif homogène pour lequel o*a| X ( i) j = o*2 1 soit f i n i .
Rem arques. — i° La formule ( 4 i) conserve un sens, el conduit à un

processus additif homogène, si x d n ( x ) est la différentielle d’une inté
grale convergente à l’infini. C ’est une condition moins restrictive
que celle imposée ci-dessus à n ( x ) ,- puisque c’est l’intégrale de
dH(jr) = x * d n ( x ) qui était supposée convergente. Mais elle est plus
restrictive que celle qui intervient dans la théorie générale des lois
indéfiniment divisibles, où l’on suppose seulement n ( — 00) et n ( •+-«>)
finis.
Ces différentes théories supposent nécessairement la convergence à
l’origine de l’intégrale de d H (x ) = x * d n ( x ) . Il n’intervient une
i6o CHAPITRE V.
condition plus restrictive, relative à l’intégrale de x d n ( x ) , que si l'on

veut considérer la somme non compensée des sauts.
2° La manière dont intervient le terme laplacien, lié à la discontinuité
de H (a?) à l’origine, rapproche la formule ( 4o) de la formule de
A. Khintchine ( i 5 ). Cette manière de faire intervenir le terme laplacien
est au fond assez naturelle; on peut dire que X |(i) est la somme des
sauts nuis.
3° La fonction H(z?) étant limite de fonctions d n (x ) apparaît

comme limite de ^dx F (t, x ). pour certaines valeurs de t tendant vers
zéro. En d’autres termes
d u¥ ( t , u) = Pr j u < X ( f) < u -h d u i
apparaît, pour t très petit, comme en principe peu différent de td n (u ),

qui est le nombre probable des sauts pour lesquels u appartient à l’inter
valle considéré. Cela aussi est à peu près évident. Le processus étant
faiblement continu, X ( l) est très probablement très petit, si t est petit,
et si le saut u, dont la probabilité td n (u ) est très petite, est réalisé, il
est très probable que le reste de la variation de X(£) est petit, et
que X ( i) appartient à l’intervalle du.
37. Les types de lois stables (48). — Nous appellerons type de lois
l’ensemble des lois qui se déduisent de l’une d’elles parle changement
de X en XX, X étant un nombre positif quelconque. Deux variables
aléatoires du même type peuvent alors être représentées par X4X 4
et X2X 2, X , et X 2 dépendant d’une même loi. Le type est stable ( ,0) si,
quels que soient X4 et X2 positifs, X< et X? étant supposés indépendants
l’un de l’autre, la somme X4X 44- X2X 2 appartient encore au même type;
elle est donc de la forme XX, X dépendant de la même loi que X< e tX 2.
On dit souvent que cette loi est stable; celte expression abrégée est
évidemment impropre, mais ne peut conduire à aucune confusion, car,
à cause du principe d’augmentation de la dispersion, il est impossible
que X 4, X 2, et leur somme, dépendent de la même loi.
On peut aussi considérer des types généralisés, comprenant l’ensemble
des variables aléatoires XX 4* £(X > o, ¡x réel quelconque). Dire que ce
(»•) C f. P. Lévy 13], [4], p. 252-263, [7], [ 8 ], et [11], p. g4*97 et 198-204.

( 19) Nous sous-entendons par rapport à Vaddition. On peut évidemment (comme
l’a fait M. Fréchet) considérer d’autres opérations que l’addition effectuées sur des
variables aléatoires, et leur associer d’autres définitions de la stabilité.
LES PROCESSUS ADDITIFS. lOl
type est stable, c’est dire que X |H -X 2 est de la forme X X -f-f^ X *,

X 2 et X vérifiant les mêmes conditions que ci-dessus). On dit alors
que la loi dont dépendent X 2 et X est quasi stable. Nous renverrons
pour l’étude des lois quasi stables à notre exposé antérieur (20), et nous
nous contenterons de rappeler ici la théorie des lois stables.
La fonction-'^ d’une variable X étant celle de XX est
log E { eh ** | = ’{'(**)>
de sorte que la définition des lois stables s’exprime par l’équatioir fonc
tionnelle
«a) 4>(X|S)-4- <KXî *) = <KXs),
où X, et X3 sont des nombres positifs quelconques; X, également positif,

doit naturellement dépendre de X< et X2, la forme de cette relation n’étant
pas donnée d’avance. La relation (42) s’étendant évidemment à la somme
d’un nombre quelconque de termes ÿ(Xv s), on a, en particulier,
n ty (z) = ty(an z ),
et par suite, k = £ étant un nombre rationnel quelconque,
A des valeurs de q u* constituent une progression géométrique de

raison k correspondent dooc^des valeurs de z qui constituent aussi une
progression géométrique. Gomme k peut être pris aussi voisin qu’on
veut de l’ unité, que est continu, au moins au voisinage de l’origine
[il n’est pas évident a priori que la fonction caractéristique <p(z) n’ait
pas de racine], et que ^ (°) = o? on en déduit que est de la forme
(43) = ( — c„-h ic i ) z 01 ( z > o, a > o)
[comme 4,( <s) et '^(— z ) sont imaginaires conjugués, il suffit de

définir pour les valeurs positives de z \ Toutes les fonctions de
cette forme sont bien solutions de l’équation (42), la relation entre X<,
X) et X étant
(44) =
L’exposant a est Vexposant caractéristique de la loi étudiée.

l(k> CHAPITRE V.
Il resle à chercher, parmi les fondions ( 43 ), lesquelles sont effecti

vement des fonctions-*);. Comme | <p(^) | ^ i, donc L'K^) ] ^ ° , on
voit d’abord que c0doit être o. Comme d'autre part *J/'(o) — — fini
ou infini, n’cst nul que dans le cas où *);(*) = ¡xiz (cas de la variable
aléatoire n’ayant qu’une valeur possible), 2 est nécessairement au plus
égal à 2, et, pour a — 2, c , = o. On trouve ainsi la loi de Laplace, qui est
bien une loi stable. Toutes les autres lois stables sont nécessairement
des lois pour lesquelles a2 est infini. Cela était d’ailleurs bien évident a
priori; car, comme il est bien connu, le théorème de Laplace-Liapounofi
s’étend aux sommes de variables aléatoires dépendant d’ une même
loi £ à valeur quadratique moyenne finie, à cela près quelconque. Si
cette loi £ est stable, ces sommes, divisées par un facteur convenable,
doivent à la fois dépendre de la loi £ , et, asymptotiquement, de la loi
de Laplace.
Le cas a = 1 est également classique; — (¿j est la fonction-*); de la
loi de C auchy, dont la densité de probabilité est
1
A *) y i-i
2ÎT
I
7 î ( l •+ * X* )
La somme c0X -h c*, où X dépend de la loi de Cauchy, et où cp^ o,

a alors — Cn\z\-\- ic\Z pour fonction-*);; pour z positif, cette forme
coïncide bien avec la formule (44)* écrite dans le cas o ù « = i.
Occupons-nous maintenant des cas où a est compris, soit entre zéro
et un, soit entre un et deux.
Prem ier cas : o < a < 1. — Nous utiliserons dans ce cas la remarque
que la fonction
(45) ï>
qui est de la forme (9), est bien une fonction-*)'« En supposant z

positif, et posant zu — vy on voit qu’elle est de la forme cza. On a donc
bien une fonction-*); de la forme ( 43 )» On remarque qu’elle définit
une variable aléatoire qui est une somme de sauts positifs; elle est donc
essentiellement non négative; la densité de probabilité f ( x ) (car c’est
une loi absolument continue) s’annule pour x négatif.
Pour calculer c = ^f (i) , observons qu’on peut, d’après le théorème
de Cauchy, intégrer, non de o à 00,
mais de o à aoL Posant alors u =
LES PROCESSUS ADDITIFS. KiH
et intégrant par parties, on trouve
rtv — I - « /•»
c= e " I < « -— > ^ = — « • J ~a</v
-? / a —-7/«
= — iV (i — <0 * 2 =r(-a)c
a
et il vient
(46) ^ 1( ^ ) = s | r ( — a) | cos^-a -H isin *a^ (s> o ).
On obtient ainsi une fonction de la forme ( 43 ), avec
(47) Ciascotg ï « .
La fonction ^«(— s ) , correspondant à une somme de sauts négatifs,

donne de même une valeur de c * conjuguée de la précédente, et en
formant la combinaison
(48) ‘ <]/(*) = h- *) («i^
on arrive à des expressions de la forme ( 43 ), pour lesquelles on a

toujours
JC . x
(49) c tCOS - a c©sm - a.
a
Si cette condition est vérifiée, l’expression ( 43 ) est bien une

fonction-*]/.
Jusqu’ici, quoique nous ayons considéré une expression de la
forme (9), nous n’avons pas utilisé la théorie générale des lois indéfini
ment divisibles. Il suffisait de savoir que celte forme représente bien une
fonction-*]/; cela résulte de ce qu’on l ’obtient, en partant de la fonc
tion *]/,,(z) relative à la loi de Poisson, par une formule de la forme
<|/(3 ) = lim
Il s’agit maintenant de montrer que la condition (49) est nécessaire

pour que l’expression ( 43 ) soit une fonction-*]/. Nous nous appuierons
pour cela essentiellement sur la théorie des lois indéfiniment divisibles.
Observons d’abord qu’une loi stable est toujours indéfiniment divisible.
On le déduit aisément de la définition même de ces lois : si X it
X a, . , X,t dépendent d’une telle loi et sont indépendants les uns des
autres, X| -h X a4 - , . . + X A est de la forme ArtX , X dépendant de la
même loi,* et l n augmentant indéfiniment avec n. Donc X , qui dépend
CHAPITRE V.
X*
de cette loi, est La somme des termes p? qui sont, en probabilité, arbi
trairement petits. Cette loi est donc indéfiniment divisible. Ce résultat
se déduit plus simplement encore de la formule ( 43 ) : quelque petit que
soit ¿'positif, tty(z) = ty(az), où a est défini par a * = t y est une
fonction-ÿ. 1
La fonction est donc de la forme (20), et, comme o(,s2)
(*->oo), a est nul. Par raison d’homogénéité, n ( a ) est, pour les valeurs
de chaque signe, proportionnel à u“ a, donc d n (u ) à a_(a+1) d u . En
effet, pour le processus homogène lié à la loi considérée, X(<) — X ( a a)
dépend de la même loi que a X ( i ); la fonction n ^ , u) relative à X ( f)
est donc à la fois a an(w ) et ce qui prouve l’égalité de ces
expressions pour tout a positif. Comme enfin on détruirait la propor
tionnalité de à ¿“ (ou, si * < o , à |^|a), en ajoutant un terme
en ixizy il ne peut pas y avoir d’autres solutions que les fonctions (48)
déjà obtenues, et pour lesquelles la condition ( 49 ) est vérifiée. Cette
condition est donc nécessaire et suffisante pour que l’expression (43)
soit une fonction-^.
Deuxièm e cas : 1 < a < 2. — Dans ce cas l’intégrale ( 45 ) n’a plus

de sens, et il faut considérer la fonction
(5 o ) ^2(^)= Ç ( e izu — 1 — izu)

du
«/n
qui correspond à une somme compensée des sauts. On ne peut plus,

comme dans le cas précédent, déduire du fait que les sauts sont posilifs
que la variable aléatoire étudiée est non négative; au contraire, sa
valeur probable, qui est ici bien définie, est nulle (ce qui est le résultat
de la compensation) ( 2<).
A part cela, la théorie relative au premier cas subsiste. Les fonctions
(5i) = aityt(z) — z) ( a i ^ o , a s ^ o)
sont bien des fonctions-^ de la forme ( 43), et la condition ( 49 ) est

toujours nécessaire et suffisante pour- que la fonction (43) soit une
fonction-^.
(*») La loi considérée e st to u t de m êm e esse n tiellem e n t d issy m é triq u e ; cette dissy

m é trie p e u t n o ta m m e n t ê tre m ise en évidence p a r l’é tu d e a sy m p to tiq u e de la d e n sité
de p ro b a b ilité ou bien p a r la d é te rm in a tio n de la v aleu r de x p o u r laquelle c e tte d e n sité
e s t m a x im a.
LES PROCESSUS ADDITIFS. lift
Rem arques. — i ü Le cas où a = i peut évidemment aussi se

rattacher à la théorie des lois indéfiniment divisibles. La fonction n ( u )
doit ici être et en rapprochant les termes en eizu et en erizu de la
formule (9), on constate que la fonction
CO S Z U — I _ 2Z f S jn ZU
( 52) du du =s
I f. U* U
est bien la fonction*^ de la loi de Cauchy.

Mais si l’on veut considérer séparément les sauts positifs, on constate
que ni leur somme, ni leur somme compensée, n’ont de sens; les expres
sions (45 ) et (5o) cessent l’une et l’autre d’avoir un sens pour a = 1.
On ne peut alors considérer qu’une fonction telle que
1 . du
IZU) -г
Я и*
analogue à l’expression (12 ), et qui correspond à une somme des sauts

partiellement compensée. La loi dont elle dépend n’est pas stable, mais
seulement quasi stable ( 22).
20 En dehors des cas des lois de Laplace et de Cauchy, les lois

stables, qui sont toujours des lois absolument continues, ont des
densités de probabilité qui ne sont en général pas des fonctions élémen
taires. Il y a toutefois exception dans le cas a = i- Dans ce cas la
fonction -rLrt|/i(s) correspond à la densité de probabilité, nulle
pour x < o, et égale pour ^ > o à

_ 3 __ 1_
- } = .x l e Sa? ( ” )
SJ7.Jt
38 . Un groupe de lois de Pearson (2*). — i° L'inversion du problème

de Poisson et les lois de Pearson. — Considérons le processus additif
lié & la loi de Poisson, que nous avons défini au n* 4 . Pour chaque inter
valle de temps élémentaire d t, la probabilité de la réalisation d’un(*)
(**) Cf. P. L évy [ 10J, p. 298-3oo, et [Il |, p. 202 et 208 - 2 x0 .

( îa) (le résultat sera établi au nn 46; voir P. L évy [18], p. 294.
( 5t) P . L évy [ 16] et H. C r a m é i i [3], p. 45 et [7], p. 126 et 2ЗЗ.
iiu; CHAPITRE V.
événement E est dt ; si N(#) est le nombre de ses réalisations au cours

de l'intervalle (o, x ) , on a
( 53 ) Vv | N(a?) = n \ = — ( ¡r > « ) *
Au lieu de se donner x et de considérer N ( j?) comme une variable

aléatoire, on peut se donner un entier A, et chercher l’instant X/, auquel
se produit la Alôm0 discontinuité. Pour qu’elle appartienne à l'intervalle
élémentaire d x } il faut d’abord que N(a?) soit égal à A — i , puis qu’il y
ait une discontinuité pendant l’instant d x , La formule ( 53 ) se Irons*
forme ainsi en
(54) Pr { x ^ X/, < x -h d x } = dx ( x > o).
La loi dont dépend ainsi X* est la loi de Pèarson

La loi # 4 a été déjà considérée par L aplace et est souvent appelée
prem ière loi de L a p la ce, de manière à éviter la confusion entre cette
loi et la loi fondamentale de Laplace-Gauss. Sa densité de probabilité
est
Nous allons montrer que : les lois sont les puissances successives
d e # ,.
La vérification par le calcul est immédiate, la formule
y / t- 1 e- y X?1 €~v
( 55 ) e —ix —x) d y
Ü T = 7 Ti h\
montrant que est bien le produit de # a- i par # 4.

Il n'est pas sans intérêt d’observer que cela était évident a p rio ri.
Après l’instant X ,, la probabilité que l’événement E se produise &
nouveau pendant l'intervalle de temps ( X 4, X 4+ a) est (quel que
soit a > o) la même que pour l’intervalle (o, a). La différence X 2— X 4
dépend donc de la même loi que X 4, et est indépendante de X ,. Il en
est de même de X 3— X 2, et ainsi de suite. X/t est donc la somme de A
termes indépendants les uns des autres, qui dépendent de la même loi
que X ,. En d’autres termes, on a
(56)
2" Autre mode de form ation des lois de P earson. — Consi

dérons n — i expériences indépendantes les unes des autres, ayant
chacune pour objet la détermination d'un nombre entre zéro et un, avec
répartition uniforme de la probabilité, et désignons par £i, £2, . . . , £„-*
les nombres obtenus, rangés par ordre de grandeur, £& croissant avec A.
LES PROCESSUS ADDITIFS. 1Ü7
La loi dont dépend £* est alors définie par la formule
(*7) Pr j ? ^ U < Ç-+- di } = ç*_, (, _ Ç)„_A_1
où o < Î < 1 ; en particulier, pour h = 1, on a
(58) P r {?i > ? } = (1 — î)"- '-
Les moments de sont définis par la formule
A ( A - n ) ...( A -t -p — 1)
( 59) n ( n -4-1)
d’ou l’on déduit en particulier
(60) \i h = E } ÏA } = “ 7
A(A-hi) A* A(n — A)
(6l)
• j— 1) /i* n2(n *+■ 1)*
Si n augmente indéfiniment, deux problèmes se posent tout naturel

lement. Le premier consiste à supposer que h augmente avec./i, ^ ayant
une limite a(o < a «< 1). Si l’on pose alors
Ça — î*A= <*a
/1 “T 1 X/4,
un calcul tout à fait analogue à celui relatif au problème classique de

Bernoulli cl de Moivre montre que la loi dont dépend la variable
réduite X A tend vers la loi de Laplace réduite.
Le second problème, qui nous intéresse surtout ici, consiste à
supposer h fini. Si dans ces conditions nous posons X /f il vient
( n — i)(/i — ?,)... (n— A) ( x \ h~ x ( x \ n—h—* d x

Pr | x \ fl < x h- dx }
{ h — 1)! \ n ) v n)
expression qui devient à la limite

f t h — S f i — JC
dx.
(A — 1) !
Donc X a dépend à la limite de la loi de Pearson Æ*.

Cela était d’ailleurs à prévoir. Dans le processus lié à loi de Poisson,
qui nous a servi de point de départ pour la définition des lois # a, les
instants X a où se produisent les premières réalisations de l’événement £
peuvent être obtenus en déterminant d’abord le nombre N (n), puis en
168 CHAPITRE V.
choisissant au hasard X 2. . . . , X N dans l ’intervalle (o, n). Dans le

schéma que nous venons de considérer maintenant, N a simplement été
remplacé par n — i. Comme N jbl pour valeur probable n: et que
<r(N) = y^n, l’erreur relative ^ - -- tend en probabilité vers zéro,
et les deux schémas se confondent à la limite.
3° L e groupe continu des lois — Introduisons maintenant un

paramètre continu t, variant de zéro à l’infini, et considérons la loi ^
ayant pour densité de probabilité
x'~ x e~ v
(6a) /*(*) r(O ’
pour x o, et zéro, pour x négatif. Si £ a une valeur entière h, se

réduit à la loi de Pearson *£/,. La formule
y '—1 e~y {x — y ) " —1 e— r>

r (<) T(IÔ
¿pf-l-M—1 .r 1 .V
— p)"“ 1 do =
r ( i) r ( » )
qui généralise la formule ( 55), s’exprime symboliquement par

(63)
et l’on en déduit
(6 4 ) 2 /= ( 2 i)'.
L es lois % form ent donc un groupe de lois indéfinim ent divisibles,

liées à un processus a d d itif homogène.
On le vérifie d’ailleurs aisément par le calcul de la fonction carac

téristique
?(<> -s ) = J ' a: ' - 1 «te.
On déduit en effet du théorème de Cauchy qu’en prenant y' = (i — iz)x

comme nouvelle variable, on peut intégrer, non de o à (i — iz ) oo,
mais de o à oo, et il. vient
i i
(65 ï z)= x l~l e~x dx =
(i — izy
et par suite
(66) ^ ) = lo g 9
Cette fonction, étant de la forme esl bien la fonction-^ d’un

processus additif homogène» On peut mettre <];(s) = ÿ ( i, z) sous la
forme canonique (20) en écrivant
(67) t y ( z ) = e—(l—ts)u du
e~u du — Il
(etzu--------- du.
Îr - f . I v 7 U
L a fonction X (/) liée au groupe des lois est donc une somme
de sauts positifs, le nombre de ceux pour lesquels t et u appar
tiennent respectivement au x intervalles (o, t) et du étant t e-^-du.
4° L e groupe des lois symétriques . — D’une manière générale,

si deux variables aléatoires X< et X 2, indépendantes l’une de l ’autre,
dépendent d’une môme loi X< — X 2 dépend d’une loi symétrique
dont la fonction caractéristique et, si elle est absolument continue, la
densité de probabilité, se déduisent des fonctions analogues relatives
à z par les formules
(68) ?iOO = ?(«)*(— *) = I ?*(*)|,
(69) /1 ( * ) = /
Si cette fonction f \ ( x ) est de carré sommable, elle est évidemment,

au facteur / 1 (0 ) près, la fonction caractéristique de la loi dont la
densité de probabilité est proportionnelle à ?<(£). On vérifie dans ce
cas le second théorème de A. Khintchine ( 25 . 3 ).
Des lois on déduit ainsi des lois ayant pour fonctions
caractéristiques les fonctions
( 70) * ( ‘ .*> = ( 7 ^ ’
et pour densité de probabilité
(?*) = T^TjJ^
Ces lois constituent un groupe, dans lequel la loi joue le même

rôle que la loi de Laplace dans le groupe des lois Cette loi 6E, esl
définie par
(7a) = ■= n p r * ’ «•!(«) =
P . I.K V Y . 12
i7o CHAPITRE V.
On remarque son caractère de réciprocité par rapport à la loi de

C a u ch y . À un facteur constant près, la fonction caractéristique de
l’une est la densité de probabilité de l’autre.
Elle a une autre propriété curieuse; en partant de la loi on
l’obtient indifféremment par X = X 4— X 2, comme nous venons de le
dire, ou par X = = b X i , les deux signes étant également probables.
L ’identité des lois, en général différentes, que l’on obtient ainsi, s’exprime
par la formule
ï[? (s) -f- ?(— *)] - ? (* )•(—*),
d’où
î
(73) ?(*) i -h io>(zÿ
u(j) étant réel. On peut se demander s’il existe d’autres fonctions

caractéristiques de cette forme que celles que l’on obtient en prenant
0 (3) = cz; cette question ne semble pas avoir été résolue.
39 . Les processus additifs sur la circonférence ( 23). — 10Remarques

prélim inaires. — Nous nous placerons sur une circonférence de
longueur unité; x sera la longueur d’arc; x e t x + 1 correspondent donc
au même point de la circonférence, et la fonction de répartition F ( x )
vérifie la condition F ( x -|- 1 ) = F (# ) + 1. La fonction caractéristique
est remplacée par la suite des coefficients de Fourier-Stieltjes
(74) A„ = f* e ^ i n x d F (x) (n = o , ± i , ± 2,...).

»-'O
Si la loi est absolument continue, la densité de probabilité f ( x )

vérifie l ’équation f ( x + 1 ) = / (# ). Dans le cas général, d F ( x ) , ou un
accroissement fini AF(a?) = F(o; + A) — F (# ), vérifient la même
équation.
Si une loi est définie sur une droite par une fonction de répartition
G (x ), ou par une densité de probabilité g ( x ) y ou par une fonction
caractéristique <p(* ), en enroulant la droite sur la circonférence, on
obtient une répartition définie par
-+-•
(75) AF(tf) = 2 * G( * -*-*)>
(” ) V. P. L é v y [17], où Ton trouvera la démonstration de certaioa résultats qui vont

simplement être énoncés ci-dessous.
ou par
(76)
ou par
(77) A „= jf e*"'»*rfG(ir) = ?(2Kn).
Ainsi la loi de L aplace enroulée sera définie par

H- «o (.r-4-n)*-
ta*
(78) / ( * ) = —j = 2 e
ou par
(79) Aw=
On peut définir la dispersion quadratique moyenne, a, par la formule
ar-h-H-o
(80) <j2 = min. / ,
X — --4 -0
Cette intégrale étant une fonction continue de x y il s’agit d’un

minimum effectivement atteint. Cette dispersion ne peut pas augmenter
indéfiniment. La valeur maxinia, réalisée dans le cas de la répartition
uniforme, est —^=. Ainsi, dans le cas de la loi de Laplace enroulée, cr,
qui est pour a très petit un infiniment petit équivalent à a , croît moins
vite que a, est toujours < a, et tend vers quand a augmente
indéfiniment.
Si l’on ajoute deux variables aléatoires indépendantes, dé manière à
obtenir une loi résultante, ou loi produit, les formules de composition
relatives à la droite s’étendent immédiatement aux fonctions F ( x ) , f ( x ) ,
ou aux coefficients de Fourier A„; ainsi l’on a
(81) / ( * ) = f '- M y ) M * - y ) < i y , A * = a ; a ;.
La formule d’addition des est au contraire remplacée par l’inégalité
(82) a7*-*- o**,
a étant d’ailleurs supérieur à o* sauf si o * = o et si = 1.

172 CHAPITRE V.
On peut aussi définir une fonction de dispersion D (a ); la définition

est la môme que dans le cas de la droite. Cette fonction est bornée supé
rieurement par la valeur a relative à la répartition uniforme. De même
que a, la dispersion D (a ) d’une somme de termes indépendants est au
moins égale à celle de chaque terme.
Dans le cas des séries, cette augmentation de la dispersion, qui ne
peut pas devenir infinie, crée une tendance vers la répartition uniforme.
La théorie de la convergence de ces séries diffère par plusieurs points
de la théorie analogue sur la droite. D ’ une part, chaque terme pouvant
être supposé compris entre — - et — - (inclus), puisque l’addition d’un
nombre entier ne change rien, il ne saurait être question de grandes
valeurs qui rendent la somme infinie sans empêcher pour cela la
convergence presque sûre. Aussi : la condition nécessaire et suffisante
pour la quasi convergence est que la somme 2 < t\ soit fin ie .
Il faut remarquer qu’une série peut être presque sûrement conver
gente même si la répartition de la probabilité sur la circonférence est
uniforme. Si cette uniformité est réalisée par une somme Sn, elle l’est
pour les sommes suivantes, et cette circonstance est absolument indé
pendante de la convergence presque sûre ou de la quasi convergence de
la série, qui ne dépendent que des termes de rangs supérieurs à n .
Il n’est même pas nécessaire, pour que cette condition d’uniformité
soit réalisée pour Sn, qu’elle le soit pour au moins un terme de cette
somme. Ainsi, si les valeurs possibles de S n_Aappartiennent à un même
arc de la circonférence de longueur^* avec répartition uniforme de la
probabilité sur cet arc, et si le terme suivant Un dépend d’une loi qui
ne change pas par le changement de x en x H- ~ >il en résulte pour S/
une répartition uniforme sur toute la circonférence.
Pour indiquer maintenant lés caractères d’une série essentiellement
divergente, plaçons-nous d'abord dans le cas où tous les Urt dépendent
d’une-même loi les lois dont dépendent les S n sont les puissances
successives de 1?. Il y a alors deux cas à distinguer suivant que les
valeurs possibles appartiennent toutes, ou non, à une même progression
arithmétique de raison - (q étant entier). Dans le second cas, on obtient
à la limite la répartition uniforme sur toute la circonférence. Dans le
premier cas, on peut d’abord de chaque U n retrancher une constante de
manière que zéro soit une des valeurs possibles; toutes les autres sont
de la form e— , et l’on peut supposer q ypi> p * y • - , premiers
9 9
entre eux dans leur ensemble (autrement on pourrait les diviser tous
par un même nombre). Alors les valeurs possibles pour S,M pour ri
assez grand, sont tous les multiples de ¿1 et à la limite on obtient la
répartition uniforme entre les q valeurs possibles. Ainsi, pour les
puissances successives d’une même loi, on a en tout cas à la limite la
répartition uniforme entre toutes les valeurs possibles; mais dans un
cas tous les points de la circonférence sont passibles; dans l’autre les
sommets d’un polygone régulier sont reuls possibles. Enfin, si Ton
n’avait pas d’abord retranché de chaque U„ une constante convenable,
ce polygone régulier tournerait, toujours du même angle, quand n
augmente d’une unité.
Si maintenant on suppose que les U„ dépendent de lois qui varient
avec n, il y a encore une autre circonstance possible : U„ peut être de
la forme an 4- U'n -h U*, an étant une constante numérique, la série
2U', étant presque sûrement convergente, les U" étant toujours multi
ples de ” ) et la loi dont dépend la somme S" = U, -f- UÍ' - h . . . 4- Ü,*
tendant vers la répartition uniforme entre les q valeurs possibles ..Alors,
pour la somme S n + S„, on aura à la limite une répartition périodique,
de période mais on ne peut dire, ni qu’il y ail convergence presque
sûre puisque la suite des S" n’a pas de limite, ni qu’iLy ait répartition
.uniforme entre les différentes valeurs possibles (au moins il n’en sera
pas ainsi em général). Il s’agit d’un cas intermédiaire entre la con
vergence presque sûre (ou la quasi convergence) et la divergence
essentielle.
20 Form ation des processus a d d itifs. — Quand nous parlons d’un
processus additif, nous le considérons comme défini par les lois dont
dépendent les différences X (/ a) — X ( ^ ) . Toutefois, dans le cas d’un
processus additif, homogène dans le temps, défini sur une circonférence,
il peut n’étre pas sans intérêt de remarquer que, si l’on suppose, pour
la détermination initiale X(¿0)? la probabilité uniformément répartie
sur la circonférence, celle uniformité subsiste dans la suite, et l’on
obtient un processus à la fois additif et stationnaire, ce qui n’était pas
possible dans le cas de la droite.
Comme pour la droite, le processus additif le plus général qui soit
continu en probabilité est défini par la formule
(33) X(O=/(O h-X0(O-*-Xi(O-4-X,(i),

f { t ) n’étant pas aléatoire, X 0( l) étant la somme, presque sûrement
l?i CHAPITRE V.
convergente, des discontinuités fixes, X 4(¿) ôtant la partie presque

sûrement continue, e t X 9(¿) étant la somme, ou la somme compensée,
des discontinuités mobiles. Pour X 0(¿), nous venons d’indiquer la
condition de quasi convergence (si le nombre des termes est infini);
si elle est vérifiée, on peut assurer la convergence presque sûre par
l’addition de termes non aléatoires. Pour X t (f), si dt est assez petit,
l’accroissement oX ,(/) est très petit ôn peut négliger la probabilité d’un
accroissement supérieur à e, quelque petit que soit t ; a fo r tio r i si e = >

et il importe peu que le point X 4(f) se déplace sur une droite ou sur
une circonférence; la loi dont dépend àX |(/) est la même dans les deux
cas. Pour les accroissements finis de X< (£), on obtient la loi de Laplace
enroulée.
Quant aux discontinuités mobiles, les sauts pouvant être supposés
compris entre — 1 (exclu) et i (inclus), leur loi sera définie, pour chaque
2 2
intervalle (/0î Par une fonction n(i/) = n(£, u), non décroissante
dans chacun des deux intervalles partiels ( — ; ’ ° ) el (°* 0 ’ 01 leê
que l ’on ait
(84) flfa(ft) < 0O.

/ > / >
En outre, l’accroissement An(u) correspondant à un intervalle donné

A m = (ui, u2) (uK u 2 > o) est une fonction continue et non décroissante
de t . Dans ces conditions, la somme compensée des sauts est presque
sûrement convergente.
La loi de Poisson enroulée s’obtient dans le cas où les valeurs possibles
des sauts ont une même valeur h . Si h est irrationnel, tous les points
n h ( n = o, i, 2 , . . . ) sont distincts; chacun d’eux, étant obtenu après n
sauts, a la même probabilité que dans le cas de la droite; seulement
l’enroulement rend l’ensemble de ces points partout dense sur la circon
férence, et la fonction F(a?) est constamment croissante.
Si au contraire h = - > l’enroulement ne donnera que q points dis
tincts, formant les sommets d’un polygone régulier (convexe, si
p = zh i, étoilé dans le cas contraire), et au point k h correspond la
probabilité
C - Q QA h - v //
(85 ^ (k = o ,i, . . . , g — l).
2 (k H- v<y) !
V 'I
LES PROCESSUS ADDITIFS. 17J
En formant le produit de q lois de Poisson, formées avec les valeurs

o, —i y . de A, et des valeurs non négatives quelconques des
<1
paramètres 0o, 04, . . . , on obtient la loi indéfiniment divisible la
plus générale qui ne comporte comme valeurs possibles que des multi
ples de^ - On n’obtient pas ainsi une répartition de probabilité quel
conque entre ces q valeurs. Pour l’étude des conditions que doit remplir
une telle répartition pour être une loi indéfiniment divisible, nous
renverrons à notre mémoire cité.
40 . Les processus additifs dans les espaces à plusieurs dimensions.

— i° Cas de Vespace euclidien ( 2ft). X .(i) sera ici un vecteur
aléatoire dans l’espace euclidien &n à n dimensions. La forme générale
d’un processus additif sera toujours donnée par la formule ( 5 ).
Au sujet de la partie fortement continue X 4(i), nous n’avons qu’à
observer qu’elle dépend nécessairement de la loi deL a p la ce à n variables ;
cela résulte évidemment du fait qu’elle est la somme d’accroissements
indépendants les uns des autres et arbitrairement petits, sauf dans des
cas de probabilité totale arbitrairement petite.
Quant à la somme, ou la somme compensée des sauts X a(£), elle
dépend d’une fonction de répartition des sauts qu’on peut représenter
par une répartition de masses; toutes les masses réparties sont non néga
tives, et ne peuvent devenir infinies qu’à l’origine; mais elles sont
soumises à la condition que, pour toute région finie, leur moment d’inertie
par rapport à l’origine soit fini.
On remarque la différence essentielle entre celte extension du
terme X 2( i) et celle du terme continu X 4(/). Si l’on considère par
exemple une loi de L aplace non dégénérée, dans le plan, la même loi
peut être obtenue d’une infinité de manières différentes, en choisissant
arbitrairement deux diamètres conjugués d’une des ellipses lieux des
points d’égale densité de probabilité, et ajoutant deux vecteurs indé
pendants respectivement dirigés suivant ces diamètres. Au contraire,
pour le terme X 2(Q , il est impossible d’obtenir plusieurs décompo
sitions différentes; à chaque vecteur représentant un saut possible
correspond une probabilité bien déterminée, et l’on ne saurait obtenir
une même loi en ajoutant par exemple des sauts parallèles aux axes O x
et O y (dans le plan) ou en ajoutant des sauts parallèles aux bissectrices
des axes. Aucune des lois ainsi obtenues ne saurait être isotrope, et
(«) C f. P. L évy [11], p. ai4-2ï*/|.

CHAPITRE V.
l’isotropie de la loi dont dépend X 2(i) ne peut être obtenue que par
l’isotropie de la loi de répartition des sauts.
Ces remarques sont d’ailleurs liées au fait que la loi dont dépend (¿),
pour chaque valeur de f, dépend d’une fonction à peu près arbitraire
de n variables. Si l’on se donne la répartition des sauts ayant une orien
tation bien déterminée, cette répartition peut varier d’une manière quel
conque avec la direction choisie. Il n’y a rien d’analogue pour le terme
laplacien, puisque la loi de Laplace à n variables ne dépend que d’un
nombre fini de paramètres.
Il est facile aussi d’élendre au cas de l’espace &n la théorie des lois
stables. Comme cas particulier intéressant, mentionnons notamment ce
qu’on peut appeler la loi de Cauchy isotrope, dont la fonction caracté
ristique est
(86) ç(Z) = e-p,
p désignant la longueur du vecteur Z (27). La densité de probabilité

correspondante est (d ’après E. Feldheim [ I ] )
(1-4-/*) *
r désignant la distance à l’origine; cn a la valeur —rjî— >V„ désignant le

“ > «—I
volume de la sphère de rayon unité dans l’espace <§7I. Pour le vérifier,

il n’y a qu’à observer que la fonction caractéristique de la loi définie
par la densité de probabilité (87) ne dépend évidemment que de p. On
peut donc la déterminer en annulant la nltme composante zn de Z, et la
fonction de p obtenue dans ces conditions est la fonction caractéristique
de la loi à n — 1 variables dont dépendent les n — 1 premières compo
santes du vecteur aléatoire X . En désignant par rn- , la longueur du
vecteur formé par ces n — 1 composantes, la dernière composante par x,n
et posant = tg2<p, on voit que la densité de probabililé de
la loi à n — 1 variables cherchée est
(h „
(88» r " i n l —-------- I CO S " -'1 Ç (fz =
2
II ° \
11 -+- '«-1)
(i1) Rappelons que, pour un vecteur aléatoire X, la fonction caractéristique est

E{ },
Z désignant un vecteur auxiliaire; ZX = z l x i + . . .- k est un produit scalaire. Pour
z n= o, on obtient donc la fonction caractéristique de la loi à n — 1 variables x „ ..
LES PROCESSUS ADDITIFS. '77
En raisonnant par récurrence, le résultat cherché se déduit de cette

formule. Puisque, pour n — i, et cK= la densité de probabilité (87)
correspond bien à la fonction caractéristique (86), on peut supposer le
résultat vrai pour n — 1. La fonction caractéristique cherchée, qui est
celle de la loi** définie par l’expression (88) de la densité, est bien
encore e~P (28).
Quant aux constantes cn, il n’y a qu’à comparer la relation de
récurrence
n
(89) C,<_1 = cn I r+r C O S "-1 o dy
t
à la relation
K
•»
( M) On peut, sans faire intervenir la fonction caractéristique, observer que la

stabilité et l’isoiropie se conservent en projection, et en déduire, par un raisonnement
analogue à celui du texte, que la formule ( 87) représente bien la loi isotrope et stable
qui généralise celle de Cauchy. Observons aussi que nous nous sommes contenté
d’une vérification. On peut introduire, pour représenter la densité de probabilité de
cette loi, une fonction indéterminée ?n(r). La formule ( 88) est alors remplacée par
une relation de récurrence entre ? n(r) et 9w_ ,(r). C’est une équation intégrale qui, si
l’on prend r\ et comme nouvelles variables, se ramène à l’équation d’Abel, et
qu’on résout ainsi aisément. *
• (*•) Rappelons que les intégrales
l n— Ç cos*ç do
J <r
vérifient la relation de récurrence

TI - ™
" —1 n ’
d'où l’on déduit
V = —V
• n V"-2’
formule qui donne immédiatement
2(a'*)/’
Vlp— V t = 1. 3... (2p *+*I) ’
c’est-à-dire, quel que soit l’entier n
n
On a donc
i 78 CHAPITRE V.
sur laquelle repose le calcul du volume V „, pour voir que-le produit

CnVn-< est indépendant de n. De 6*4= ^) = ot>déduit c2= — >
et la valeur constante de ce produit est i •
2° Cas des espaces non euclidiens. Notions générales. — Il peut

paraître surprenant que nous parlions, à propos des processus additifs,
des espaces non euclidiens. Il ne s’agira en tout cas que des espaces de
Riemann et de Lobatchewski, dans lesquels il y a un groupe des dépla
cements, ces déplacements dépendant d’autant de paramètres que dans
l’espace euclidien; mais on ne peut pas y définir un groupe des trans
lations. Une expression telle que transporter un vecteur d 'u n point à
un autre sans le fa ir e tourner n’a donc pas de sens, ou, si l ’on
préfère, le sens qu’on peut être conduit à lui attribuer n’est pas le même
si l ’on va directement d’un point A à un point B, ou bien si l’on va de A
à C , puis de C à B. En tout cas l’addition de deux vecteurs serait diffi
cile à définir, et la définition qui se présente d’abord à l’esprit donne
une opération qui n’est pas commutative (parce qu’il n’y a pas de paral
lélogramme dans les espaces non euclidiens).
Mais il s’agit pour nous d’ajouter deux vecteurs aléatoires, et la
difficulté signalée disparaît si la loi dont dépend un tel vecteur ne
change pas par une rotation autour de l’origine, ou, en d’autres
termes, s’il s’agit d’un vecteur de longueur donnée ou dépendant
d’une loi donnée, et dont la direction soit choisie au hasard avec une
répartition uniforme de la probabilité dans toute les directions; nous
dirons d’un tel vecteur qu’il est isotrope, et si de plus sa longueur
est donnée nous dirons que c’est un vecteur isotrope sim ple. Pour
un vecteur isotrope, il importe peu qu’on le fasse tourner ou non
en transportant son origine d’un point à un autre. On peut donc
parler sans ambiguité de l’addition de vecteurs isotropes; leur somme
sera encore isotrope. On peut donc aussi parler de processus additifs,
dans lesquels les accroissements successifs seront des vecteurs aléa
toires isotropes indépendants les uns des autres. Dans le cas des
espaces de Riemann, comme nous l’avons déjà remarqué dans le cas
de la circonférence, si la répartition initiale de la probabilité est
uniforme et si le processus est additif et homogène dans le temps, il
est stationnaire.
Pour une loi de probabilité quelconque, on peut définir le carré de la
dispersion quadratique moyenne comme étant le minimum du moment
d’inertie des masses qui représentent cette loi par rapport à un point
quelconque de l’espace (30). Dans le cas d’un vecteur isotrope, le

minimum s’obtient, dans les géométries d’Euclide et de Lobatcheski,
en prenant le moment d’inertie par rapport à l’origine du vecteur, et la
dispersion quadratique moyenne a est la longueur quadratique moyenne
de ce vecteur; dans la géométrie de Riemann, le mimimum est réalisé,
soit pour cette origine, soit pour le point diamétralement opposé. Si l’on
ajoute deux vecteurs isotropes indépendants l’un de l’autre, la formule
d’addition relative au cas euclidien est remplacée, dans le cas des epaces
de Riemann, par l’inégalité
(9 1) ar*s,
/
et dans le cas des espaces de Lobatchevski, par

(9 2 ) <r'*-h ff'*,
l’égalité n’étant possible que si a' ou <j * sont nuis. Même dans le cas des
espaces de Riemann, il y a un principe d’augmentation de la
dispersion; on a et mais a a un maximum, qui est sa
valeur dans le cas d’une répartition uniforme dans tout l’espace.
3° V a d d itio n des vecteurs isotropes simples ( :M) . — Nous nous

ôrnerons, pour simplifier, au cas de l’espace, euclidien ou non, à deux
dimensions. Si l’on ajoute deux vecteurs isotropes simples de longueurs
a cl b ( a ^ h), la somme est un vecteur isotrope dont la longueur peut
varier de a — b à a -f- b; si l’on considère cette longueur comme une
variable aléatoire, on voit sans peine qu’elle dépend d’une loi dont la
densité de probabilité varie d’une manière continue en tout point
inférieur à l’intervalle (a — b, a H- b); mais pour les valeurs limites elle
devient infinie. Dans le cas du plan, en désignant par i la distance à la
valeur limite la plus voisine, cette densité est infinie
a -+- h
près du cercle /• = a -+- b comme
2 ab B ’
a —b
près du cercle r = a — b*(•) comme
>,ab o
(*•) Oo remarque qu’il n’est pas question de distinguer ici les dispersions des diverses
composantes. Elles ne peuvent pas être séparées comme dans le cas euclidien. D’ailleurs
la loi considérée ici ne dépend que de la loi dont dépend la longueur B du vecteur
étudié, et il n’est pas nécessaire de faire intervenir d’autres dispersions que celle de B.
(•*) Ce paragraphe est l’esquisse d’un exposé qui mériterait de plus longs dévelop
pements. Plusieurs résultats sont énoncés sans démonstration; mais ils ne sont quedes
applications de principes bien connus, utilisés autant dans la théorie des équations
intégrales qu’en calcul des probabilités, relatifs à l’amélioration de la continuité par les
opérations de composition.
i8o CHAPITRE V.
Pour la loi dont dépend l’extrémité du vecteur résultant, les valeurs

correspondantes de la densité superficielle s’obtiennent évidemment en
divisant respectivement les valeurs précédentes par 27z(a + b) et
2 TT(a — b).
Si a = 6, le cercle intérieur se réduit à un point. La densité de proba
bilité relative à la distance ô, au voisinage de ce point, tend vers
la densité superficielle est alors infinie comme il y a une concen

tration de la probabilité au pôle, qui explique que cette densité super
ficielle soit un infini d’ordre plus élevé que dans le cas général.
Ces résultats subsistent, en ce qui concerne les exposants, dans les
géométries non euclidiennes; seuls les coefficients sont différents. En
outre, sur la surface de la sphère (dont nous supposerons le rayon pris
pour unité), si a = b = le cercle extérieur et le cercle intérieur se
réduisent chacun à un point et la concentration qui en résulte se produit
à la fois aux deux pôles ( a2). La loi résultante obtenue dans ce cas est
celle obtenue en choisissant indépendamment l’une de l’autre la latitude
entre — - et - et la longitude entre — tz et 4- 7r, chacun de ces choix
2 2
supposant une répartition uniforme de la probabilité; on remarque que
ce n’est pas du tout la même chose que de supposer la densité superfi
cielle constante sur toute la surface^ pour la loi qui nous occupe, cette
densité est — aV n? 0 étant la colatitude.
2^Sin6
Remarquons que l ’addition des deux vecteurs a produit une amélio
ration de la continuité; chaque terme comportant une concentration de
la probabilité sur une courbe, nous avons maintenant une loi de
probabilité pour laquelle il y a une densité superficielle; mais cette
densité devient infinie sur certaines lignes ou en certains points.
Contentons-nous d’indiquer sans démonstration que cette amélioration
se poursuit si l’on ajoute plus de deux termes, notamment si l’on étudie
les puissances successives de la loi dont dépend un vecteur isotrope
(” ) Il est entendu que nous nous plaçons sur la surface de la sphère, sans la
considérer comme plongée dans l’espace euclidien; c’est le point de vne de Riemann.
Le rayon d’un cerele est alors la longueur d’un fil tendu sur la surface dont une
extrémité est maintenue fixe tandis que l’autre décrit sa circonférence. Les cercles de
rayon - sont donc Jes grands cercles; ce sont les géodésiques de la surface considérée et
comme on sait, ils jouent dans la géométrie de Riemann le rôle des droites de la
géométrie euclidienne.
simple : pour la somme de trois termes, la densité de probabilité reste finie

sur les cercles limites; pour la somme de quatre termes, elle s’annule
comme y/ô; pour cinq termes, comme o; et ainsi de suite.
Il faut d’ailleurs préciser ce que nous appelons cercles limites. Consi
dérons par exemple la somme de trois termes, et supposons pour fixer
les idées a > 6 H - c e t a + 6 - | - c < 7 r . Des cercles de rayon a 9+ b -+- c
et a — b — c limiteront effectivement la zone des points pouvant être
obtenus. Mais si l’on représente le troisième terme par un cercle de
rayon c dont le centre est au point obtenu par l’addition des deux
premiers vecteurs, les positions extrêmes de ce cercle s’obtiendront en
faisant décrire à son centre les cercles de rayons a ± b ayant pour
centre l’origine du premier vecteur, et l’on trouvera, comme enveloppes,
non seulement les deux cercles initialement considérés, mais ceux de
rayons a ± ( 6 — c). Ces cercles ont le caractère des cercles limites,
pour lesquels la densité est discontinue*
D ’une manière générale, pour une somme de n vecteurs isotropes,
il y aura 2rt- 4 cercles limites, et, si n — 2p ou 2/? + 1, la densité et ses
dérivées jusqu’à l’ordre p — 2 sont continues, la dérivée d’ordrep — 1
étant infinie comme si n = 2p et ayant une discontinuité de première

espèce si n est impair. Dans le cas où le rayon d’un des cercles limites
est nul ou, s’il s’agit de la géométrie de lliemann, multiple de tt, la
continuité est améliorée si l’on considère la densité de probabilité de la
longueur du vecteur somme, et diminuée si l’on considère la densité de
probabilité superficielle relative à l’extrémité de ce vecteur, comme
nous l’avons montré pour la somme de deux termes.
Naturellement il peut arriver que plusieurs cercles limites coïncident.
Ainsi, lorsqu’on ajoute n vecteurs isotropes simples de même lon
gueur (a = 6 = . . . , n = zp ou 2p -j- 1), il n’y a que p -H 1 cercles
limites distincts, dont un de rayon nul si n est pair. Mais cela ne change
pas la nature de la discontinuité relative à ces cercles.
Quand n augmente indéfiniment, pour les puissances successives de
la loi dont dépend un vecteur isotrope (simple ou non), la continuité
s’améliore ainsi indéfiniment; n’importe quelle dérivée finit par devenir
continue. En même temps, s’il s’agit des géométries d’Euclide ou de
Lobatcheski, la dispersion augmente indéfiniment; s’il s’agit de la
géométrie de Riemann, la répartition sur la surface de la sphère tend à
devenir uniforme, sans qu’il y ait d’exception (comme il y en a pour la
circonférence) dans le cas d’un vecteur dont la longueur serait de la
forme ont, ol étant rationnel.
i 82 CHAPITRE V.
Ces dernières conclusions s'étendent aux espaces à plus de deux

dimensions. Mais l'amélioration de la continuité est d’autant plus rapide
que le nombre de dimensions est plus grand. Elle est aussi d’autant plus
rapide que la continuité de la loi initiale est plus satisfaisante; si l’on
part d’une loi ayant à ce point de vue les caractères que nous venons
d’indiquer pour celle dont dépend la somme de deux vecteurs isotropes
simples et indépendants, sa /tlè“ c puissance aura, au même point de vue.
les caractères d’une somme de zn termes ( 3:*).
4 ° L e mouvement brownien de rotation. — Le ni ou veinent brownien,

dans l’espace euclidien, peut s’obtenir en considérant un mobile de
vitesse constante v = — , mais dont la direction change à tous les
v~
instants multiples de r; à chacun de ces changements, la nouvelle vitesse
est un vecteur aléatoire isotrope. Quand r tend vers zéro, on obtient à
la limite le mouvement brownien.
Cette déGnition subsiste sans changement dans les espaces non eucli
diens, et, dans un tel espace, le mouvement élémentaire (c ’est-à-dire
celui relatif à un intervalle de temps très petit), peut être assimilé au
mouvement brownien dans l ’espace euclidien tangent. Le problème se
pose de déterimnsr la loi dont dépendent les accroissements finis, loi
qui réalisera ainsi l’extension de la loi de Laplace aux espaces non eucli
diens. Il ne semble guère possible de le résoudre par l’application directe
des formules relatives à la composition des probabilités. Mais des
méthodes indirectes permettent de résoudre ce problème. F . Perrin ( 34)
y est arrivé*, pour les espaces de Riemann, en utilisant l’équation aux
dérivées partielles de la diffusion; le même principe peut s’appliquer
au cas des espaces de Lobatcheski.
Nous nous contenterons d’étudier, d’après le très élégant mémoire de
F. Perrin, le cas de l’espace de Riemann à deux dimensions, c’est-à-
dire le cas d’une sphère ordinaire, dont nous supposerons le rayon égal
(’*) Remarquons à ce point de vue que, pour une variable scalaire, {’addition de
plusieurs termes simples (c’est-à-dire de Ja forme ± a )9 ne comporte pas d’autre
amélioration de la continuité que la diminution de la probabilité maxima concentrée
en un point; la loi reste discontinue. Pour obtenir une amélioration comparable à
celle trouvée dans le cas étudié dans le texte, il faut partir d’une densité de probabi
lité devenant infinie, en un point a, comme - 1 —* la somme de deux termes
^x —a ’ .
conduit alors à une densité de probabilité n’ayant que des discontinuités de première
espèce.
(»*) F . P errin [1].
LES PROCESSUS ADDITIFS. i8 3
à 1?uni té. Le point mobile $e déplace sur la sphère, donc tourne autour
de son centre. Nous étudierons d’ailleurs seulement le mouvement d’un
point isolé M, c’est-à-dire celui d’une demi-droite OM mobile autour
du centre O de la sphère; nous laisserons ainsi de côté un problème
plus complexe étudié par F. Perrin, celui du mouvement d’un solide
tournant autour de O suivant les lois du mouvement brownien de
rotation.
Désignons par 0 ( l) la distance, comptée sur la surface de la sphère,
du point mobile M à sa position initiale M0; c’est la colatitude, si M0
est le pôle nord. • La loi de probabilité dont dépend cette distance
peut être définie, soit par sa fonction de répartition F ( l, 6), soit par la
densité de probabilité superficielle / ( i , 0); on a évidemment entre ces
deux fonctions la relation
(93) =■ **/(*,'•) »•«»«•
Le flux de probabilité à travers le parallèle 0 est, par unité de temps,

27rp sinO-? ^ * ’ 9\ le coefficient p dépendant dés unités choisies. Avec
les mêmes unités que pour établir la formule (27) du n° 19 , il vient
donc
à¥ . àf
(94) 2 ^ = 2* s m ft-,
et l’élimination de F entre les équations (93) et (94) donne l’équation
(9 5 ) 2 9 in 6 ï = â [ 8ine? { ] ’
qui est l’équation de la diffusion (de la probabilité, ou de la chaleur)

sur la surface de la sphère.
Si l’on pose
(96) cos6 =3.3, f( t, e) = u(t, 3),
il vient
Si l’on cherche maintenant les harmoniques, c’est-à-dire les solutions

de la forme
«» = î«(OP»( 4 .
CHAPITRE V.
on est conduit à prendre pour P «(s) le nièmt polynôme de Legendre (3:i)

qui vérifie l’équation différentielle
O» >
et <p„(i) devra être de la forme
?n(0 — Cn€
Il en résulte que les séries de la forme

n(/!-+-!)
(99)
satisfont formellement à l’équation (97). Elles en représentent la solu

tion générale, puisque, pour ¿ = 0, elles se réduisent, d’après la pro
priété fondamentale des polynômes de Legendre, à une fonction g ( z )
arbitraire dans l’intervalle ( — 1, + 1 ) ; pour représenter une fonction
donnée g(z)y il faut prendre pour les cn les valeurs
Dans le problème qui nous occupe, la fonction u ( t , z) tend vers zéro

avec tj sauf au voisinage du point M0, où elle devient infinie, de manière
que l ’on ait toujours
( 10 0 )
—1
(le premier membre représente en effet le total de la probabilité répartie

sur la sphère). L ’expression de cn est donc
(**) Rappelons que les polynômes de Legendre P n(z) sont définis par la formule
—■ I — Œ P , ( Z) ... H—Œ * P#( i) ■+■• • • j

\/i — 2 cl z H- a*
on en déduit :
P,(*) = * P ,(S )= I(3 .* * —I),
et la relation de récurrence
= ( a n — t ) * P , _ , ( * ) —(» —t ) P _ ( s ) .
ce qui, compte tenu de la formule (100) et de P „(i) = i [conséquence

immédiate de la définition de P n(£)], donne
On a donc enfin
(101) u(ty z ) = z - [ l + 3 c - íP,(5)-i-...+ (2 n + l)c * P«(¿)-+-. •-J,
ou, en revenant à la variable 8,
i T 1
(102) /(i, 0)= — |_n-3<?-iPi(cose)-t-.»#-h(2/n-i)e 2 P«(cos0)-h... J.
Ces séries sont absolument convergentes pour o, car
|P / i ( £ ) i ^ i (pour \ z \ ^ i ) ;
elles sont uniformément convergentes par rapport » z et 8 pour toutes

les valeurs positives du temps.
Terminons ce résumé du premier chapitre du mémoire de F. Perrin
en indiquant, au sujet de l’augmentation de la dispersion, la formule
*>
(103) E{ sin * e(i)} = 2 S jf sinê/( * , 8)¿0 = ^ ( i — e - “ ),
qu’il établit indépendamment de la formule (102) par un calcul élégant

et très simple. Pour t infini, on obtient la valeur limite
(104) Ëjsinsej^!
qui est bien celle relative à la répartition uniforme ( 3*).(•*)
(•*) Il faut remarquer que cette quantité E(sin*0}, nulle dans le cas où il n’y a que
deux valeurs possibles situées aux deux pôles, maxima dans le cas de masses toutes
situées sur l’équateur, est une mauvaise mesure de la dispersion.
Remarquons aussi que, si l’on considère une fonction quelconque ©(0), la moyenne
de E {ç( 0 )} quand le point pris pour pôle décrit la sphère est égale à la.valeur cons
tante de cette quantité pour une répartition uniforme. Si donc ou définit la disper
sion o en prenant pour 9 ( 0) le minimum de E ¡ 9 ( 0 )) quand le pôle décrit la sphère,
elle est maxima pour la répartition uniforme. Il n’en serait pas de même, pour les
répartitions de révolution et pour une-fonction 9 ( 6) quelconque, si, en plaçant le pôle sur
l’axe de révolution, on prend pour définir 9 ( 0) la plus petite des quantités E{9(0)} et
E{ 9 ( k — 0 )}; mais, même ainsi, cela est vrai pour 9 ( 8) = S*.
p . i .é v r . 1:1
l8 6 CHAPITRE V.
5° A utres processus ad d itifs sur la sphère ( 37). — Il ne peut pas y

avoir d’autres termes que ceux qui correspondent aux termes indiqués dans
les cas de la droite et du plan. Au sujet de la partie non aléatoire /(£ ), un
vecteur isotrope étant effectivement aléatoire, sauf si sa longueur est
égale à zéro ou 7ü, elle se réduit à des déplacements instantanés du point
mobile d’une position à la position diamétralement opposée, et disparaît
pour les processus continus (elle disparaît aussi pour la géométrie de
Lobatcheski); le nombre de ces sauts, en un temps fini, doit être fini.
Pour le terme X 0(£) correspondant aux discontinuités fixes, chaque
discontinuité ayant une certaine dispersion 0 = \/E(82) ( :iH), la condi
tion de convergence se réduit à la convergence de 2 a 2.
Le terme presque sûrement continu X<(£) peut toujours se ramener
par un changement de variable sur t au mouvement brownien que nous
venons d’étudier.
Quant aux discontinuités mobiles, elles sont toujours caractérisées
par une certaine fonction de répartition n 0), telle que
( io5) dtd B> 0 entraîne d t d ^ n i t. G) > 0.
et que
( 1 0 G) f 62ûfyn(L 6) < oc. n(L n)< x.

JO
aV»%
Le nombre effectif des discontinuités dépassant une valeur donnée 0«

est toujours une variable dépendant de la loi de Poisson et de valeur
probable finie h ( tt) — n(0<>)*(
Le rôle joué dans la théorie des lois indéfiniment divisibles sur la droite
par le processus lié à la loi de Poisson est joué ici par un processus dans
lequel tous les sauts ont une même valeur 0o. Si alors on prend pour t
le noiñbre probable des sauts, il y a une probabilité e - l que le point
aléatoire soit resté au pôle, et une probabilité te~x qu’il se trouve sur le
cercle 0 = 60 avec une répartition uniforme de la probabilité sur ce
cercle. Le reste de la probabilité est réparti d’une manière absolument
continue; la densité de probabilité superficielle a la valeur
O 07 ) =
(S1) Les remarques de ce paragraphe sont nouvelles.

(**) En ajoutant éventuellement un terme non aléatoire égal à t., on peut supposer
que l’origine est, pour chaque vecteur isotrope, celui des deux pôles par rapport auquel
l’écart quadratique moyen est minimum. Le terme ainsi ajoute rentre dans la partie
non aléatoire / ( i ) .
f n ( 0) désignant la densité de probabilité de la somme de n vecteurs iso

tropes égaux à Qt). La fonction/(0 ) réunit donc toutes les discontinuités des
différentes fonctions / ’„ (O); d’après les résultats obtenus au 3° ci-dessus..
si êst irrationnel, il y a ainsi une infinité de lignes de discontinuités :
/(0) est infini, près du pôle, comme et, pour ô = a60— 0 positif et très
petit, comme ^7=; pour les cercles 0 = 0o et 8 == 30o, il y a une disconti

nuité de première espèce; pour les cercles 9 = 49« et 560>la discontinuité
n’apparaît que pour la dérivée/ '( 0); pour les cercles 0 = 690 et 70o, elle
apparaît pour la dérivée seconde; et ainsi de suite.
On voit ainsi que la loi qui joue le rôle d’élément simple dans la struc
ture du groupe des lois indéfiniment divisibles et généralise ainsi la loi
de Poisson n’est pas la loi la plus simple de ce groupe. On obtient en
effet une loi très simple en supposant que la position du point mobile
après un saut soit un point choisi au hasard sur la sphère avec la densité
de probabilité constante J \ <0 ') = ^ • Alors, le nombre probable des
sauts étant t, il y a une probabilité e~~* que le point mobile n'ait pas
effectivement bougé; le reste de la probabilité est réparti d'une manière
uniforme sur la sphère, avec la densité - — — •
CHAPITRE VI.
ÉTUDE APPROFONDIE DU MOUVEMENT BROWNIEN LINÉAIRE.
— 4t. La notion d’oscillation brownienne. — 42. Les fonctions M(f) et Y(l).

S o m m a ir e .
— 43. Les longueurs des intervalles e\ — 44. Formules relatives à l'intervalle e'
contenant une valeur donnée de t. — 45. Formules d'interpolation. Application
du théorème 2. — 46. L'inversion de M(i). Propriétés de la fonction inverse T (a?).
— 47. Construction directe de l’ensemble 6 t. Equivalence stochastique de S%et 6 ,.
— 48. Deuxième méthode pour la construction directe de s. — 49. La reconstruction
de X(f) par l’intermédiaire de S. Équivalence stochastique de | X (t)|, Y,(*) et Yt (t).
— 50. La fonction sommatoire de X(f). — 51. La loi du logarithme itéré.
41 . L a notion d’oscillation* brownienne (*). — i° X ( i) désignant

la fonction du mouvement brownien linéaire, si Ton divise Tinter-
valle ( i 0, ¿4) en intervalles très petits, la variation A X (i) de X ( i)
dans un intervalle A t est de la forme £^/Â7, \ étant une variable
laplacienne réduite. Les différents accroissements A X étant indépendants
les uns des autres, les différentes valeurs possibles de £ seront très
probablement réalisées avec des fréquences à peu près proportionnelles
à leurs probabilités théoriques. Il en résulte d’abord que la courbe
représentative de la fonction X(i) a une allure très zigzagante, les
ÀX C
pentes = -4=> des côtés successifs d’une ligne brisée inscrite étant
r Ai ®
grandes et constamment, variables. De plus, du fait que (A X )2 soit
de l’ordre de grandeur de sa valeur probable A i résulte qu’on peut
s’attendre à ce que la somme
<0 S = 2[AX (f)P,
étendue à des intervalles consécutifs (ou du moins disjoints), petits et

de longueur totale h , soit peu différente de A. C ’est cette idée que nous
allons préciser.
(*) C f. P. L é v y [19], p. 507- 019. Signalons une erreur à la page 5i5. Le résolut
énoncé lignes i3 à 16 est peut-être exact; mais, pour sa démonstration, il faut en tout cas
distinguer les oscillation» forcées et les oscillations stochastiques. Le raisonnement
esquissé lignes 18 à a3 ne s’applique qu'à ces dernières.
1()4) CHAPITRE VI.
Si nous posons £‘- = i-|-y), E (rî2 J = c r2, et qu’un intervalle (l0î ¿1)
de longueur h soit partagé en intervalles partiels A l de longueurs aü
plus égales à 7, on a
(2) É |(S — A)2j = E J[SiiA l]* = <r*ï(Al)*^»*T:£Al =
Par suite : si x tend vers zéro (A restant fixe), c'est-à-dire si l'on

considère successivement une suite de divisions d'un intervalle (t^, £<)
de longueur h en intervalles partiels de p lu s en plus nombreux et
dont les longueurs tendent uniformément vers zéro, S tend en
moyenne quadratique vers h, -
Demandons-nous maintenant si cette convergence en moyenne

quadratique entraîne la convergence presque sûre, cotnme cela a lieu
pour les séries à termes aléatoires indépendants. Observons d’abord
qu’il ne peut en être ainsi que moyennant une conditipn restrictive :
les valeurs extrêmes de S, pour chaque fonction X (l) et chaque
intervalle ( l 0, l*), lorsqu’on fait varier le nombre et les places des
points de division, ont en effet une borne inférieure égale à zéro [sous
la seule condition que X (i) soit continu] et une borne supérieure
presque sûrement infinie [car on peut choisir pour points de division
les valeurs de t qui correspondent aux maxima et minima de X ( l) ;
on met ainsi en évidence un grand nombre d’intervalles partiels
pour lesquels E est grand, et S = 2 £2A t est grand par rapport à A].
Si donc l’on divise l’intervalle (l0, ¿i) en n intervalles partiels, et
que mn et soient les valeurs extrêmes de S lorsque les n points
de division varient entre t 0 et l 4, mn tend vers zéro pour n infini,
tandis que Mn devient presque sûrement infini. Il résulte de la
formule (2) que les valeurs voisines de ces valeurs extrêmes sont
très peu probables. Mais, si le nombre n des termes de la nlèmc
des sommes S que l’on considère successivement croît très lentement
avec p (par exemple comme log log log p), si en conséquence à
chaque valeur de n correspondent un grand nombre de sommes telles
que S, leurs valeurs s’échelonneront entre mn et Mn, et l’on ne
pourra pas s’attendre à la convergence de la suite des valeurs de S
ainsi obtenues.
11 faut donc supposer que n croisse assez vite avec />. 11 est assez
naturel de supposer que les points de division une fois choisis soient
conservés; alors n est nécessairement au moins égal à p . Il faut de plus
supposer que la longueur x du plus grand intervalle tende vers zéro,
ou, ce qui revient au même, que 2 (A l )3 tende vers zéro (car celte
ÉTUDE APPROFONDIE DU MOUVEMENT BROWNIEN LINÉAIRE. 1V>1
somme est > T a et ^ A t). Dans ces conditions S tend presque sûrement
vers A. En d’autres termes :
T héorème 41 . i . — S i les tn (n = 2, 3 , .. .) form ent une suite

partout dense dans (/<>, *i), si S* désigne la somme S form ée en
divisant cet intervalle en n intervalles partiels séparés par les
points j ijj • • ■ y lui On a
(3) Tri lim S „ = /t — /ol = i -
{«->» )
Nous renverrons) pour la démonstration de ce théorème, à notre

Mémoire cité. Nous nous contenterons de le démontrer dans un cas
particulier, celui où l’on a n = 2*’, et où les %p intervalles partiels sont
égaux; cette croissance rapide de n favorise la convergence.
Posons toujours ¿4 — ¿0= A , et désignons par la somme S
obtenue en divisant (¿0> M en intervalles égaux A i. Compte tenu de
la formule (a ) et de la valeur 2 de <x2, on a
E {( s;, - h)*}= E j V |M 2 A/ = i>-p h'-,
et T inégalité de Tchebycheff donne
Cette expression étant le terme général d’une série convergente,

il résulte du lemme de Borel-Canlelli qu’il existe presque sûrement
un entier p n tel que, pour p > />0, on ait
_r
Is;,— a i </>^ *.
La suite des S', tend donc presque sûrement vers un. c. q. f . n.
20 Le résultat obtenu est vrai quelle que soit la suite des tn, pourvu
seulement qu’elle soit partout dense dans (f0>£<). Pourtant nous avons
observé que, pour une fonction X (l) une fois choisie, il existe des
suites pour lesquelles S„ ne tend pas vers A. Pour bien voir comment ces
deux circonstances sont compatibles, il est utile d’introduire le hasard
dans le choix des tn (2).
O On peut voir unç idée analogue dans A. H. Copeland [1], où intervient une suite
de nombres partout dense dans rintervalle (lf, f,). Mais Copeland ne cherche qu’à
donner une nouvelle définition d’one intégrale de type classique, et sa méthode ne
peut pas donner plus, puisqu’il ne fait pas intervenir le hasard et ne considère que des
propriétés sûres. La nôtre (voir notamment P. Lévy [20]) permet de définir une
intégrale stochastique dans des cas où l'intégrale au sens classique n’existe pas.
CHAPITRE VI.
Il y a beaucoup de manières de le faire. La plus simple est sans doute,

une fois l’intervalle tA) fixé, de choisir les nombres ¿3, f3, . . . ,
indépendamment les uns des autres, chacun de ces choix supposant
la probabilité uniformément répartie dans (l0, ¿4). Il est facile d’en
définir beaucoup d’autres. La seule condition essentielle, que nous
supposerons réalisée, est qu’on obtienne avec une probabilité unité une
suite partout dense dans (t0, t{).
Nous conserverons les notations Pr et E lorsqu’il s’agira de proba
bilités relatives au choix de la fonction X (f), et écrirons Pr' et E'
lorsqu’il s’agira de probabilités relatives au choix des tn.
Faisons momentanément abstraction du caractère aléatoire de X (f).
Une telle fonction étant supposée choisie, nous dirons qu’elle a
dans (i0, ¿4) une oscillation brownienne définie par la fonction w(f)
si, pour n’importe quel intervalle (¿', f ) intérieur à (f0, ti)(t 0 ^ ltf< it " ^ t l )
la somme S relative à cet intervalle tend vers w(i") — w(f'), suivant un
des modes de convergence considérés en calcul des probabilités; il
y aura donc lieu de préciser en disant par exemple : oscillation
brownienne en moyenne quadratique, ou presque sûre. Cette
notion peut naturellement dépendre aussi de la loi de probabilité
adoptée pour le choix des tn.
Nous pouvons maintenant démontrer le théorème suivant.
T héorème 41 . 2 . — I l y a une probabilité unité que la fon ction

X (f) du mouvement brownien linéaire ait une oscillation brownienne
définie p a r t [c’est-à-dire égale à f" — tf pour l’intervalle (*', f )
( '< v O ] (’ ).
L ’hypothèse du théorème 41 .1 étant évidemment vérifiée avec une

probabilité unité, il en est de même de la conclusion. On a donc
(4) P r 'j P r ^ Jim S* =? ¿1 — ¿oj = 1 (= 1
(*) IL s’agit, dans cet énoncé, d’une limite presque sûre. Mais si l’on fait varier les
points de division de toutes les manières possibles, il est presque sûr que la somme S
peut prendre toutes les valeurs de zéro à l’infini. Pour la borne inférieure, il s’agit
d’une propriété générale de toutes les fonctions continues. Pour la borne supérieure
cela résulte de ce qu’on peut presque sûrement, dans tout intervalle (f#, <,), trouver
des intervalles partiels X (l)X (f -4- t) dans lesquels la variation de la fonction étudiée
soit grande par rapport nous verrons au n° 49 que ces grandes variations attei
gnent la v a le u r^ / 2t log L (il s’agit d’une borne supérieure asymptotique, quand t est
très petit).
ÉTUDE APPROFONDIE DU MOUVEMENT BROWNIEN LINÉAIRE. !<)*
On peut considérer un plan dans lequel l’abscisse <*, entre zéro

et un, correspond au choix de la fonction X(t) dans tout l’intervalle
(¿o* *\)> probabilité relative à un ensemble de fonctions X(¿)
étant égale à la mesure de l’ensemble qui lui correspond sur l’axe
des £; l’ordonnée r¡ correspond de même à la suite des tn. L ’ensemble &
des points £, y} correspondant à une fonction X(¿) et à des tn tels que Sn
tende vers tK— t 0 est mesurable. Nous renverrons pour la démons
tration à notre Mémoire cité. Contentons-nous de dire qu’il s’agit de
vérifier que sa définition n’implique pas d’autres opérations que celles
qui, effectuées sur des ensembles mesurables, donnent encore des
ensembles mesurables. Il semble bien, d’une manière générale, qu’on
ne puisse obtenir d’ensembles non mesurables (et sans jamais en
nommer un) que si l’on utilise l’axiome de Zermelo.
Dans ces conditions, on peut, dans la formule (4), qui exprime que
l’ensemble complémentaire de & a une mesure nulle, intervertir les
symboles Pr et Pr'. La formule ainsi obtenue établit le théorème 41 . 2 ,
pour l’intervalle (í0, £<).
O r la même démonstration s’applique à n’importe quel inter
valle (£0, t). Prenons alors successivement, pour f, des nombres f", . .
formant un ensemble partout dense dans (¿0). Comme la réunion d’une
infinité d’ensembles de mesure nulle a une mesure nulle, le résultat
obtenu est vrai simultanément pour tous les ¿<v>. Comme enfin la
somme S relative à l’intervalle (f0, t) ne peut que croître avec £, sa
convergence vers t — ¿0, établie pour tous les sauf dans des cas dont
la probabilité totale est nulle, est vraie pour tous les t supérieurs à t0.
Par suite aussi, sauf toujours dans ces cas de probabilité totale nulle,
la partie de la somme S relative à un intervalle quelconque (f', tN) (t 0< tn)
tend vers f"— ¿'. Le théorème 41.2 est ainsi complètement démontré.
42 . Les fonctions M (f) et Y ( f ) ( 4). — i° Notations. — Nous dési

gnerons respectivement par m( t) et M (f) le minimum et le maximum
de X ( t ) dans l’intervalle (o, t). Nous supposerons X (o ) = o, de sorte
que M (f) et — m( t) dépendent de la même loi de probabilité. Nous
poserons
| X(0| = Yt(0, M(0 - X(0 = Y,(O, X ( 0 ^ m ( 0 = Yf(0,
(4) La plupart des résultats de la fin de ce Chapitre sont tirés de P. Lévy [18]. Pour
plusieurs formules, notamment les formules (5), ( 6 ), et (i 4 ); il y a des priorités de
L. Bachelier [2], [3], [41 et [5].
lu i CHAPITRE VI.
cl désignerons par Y ( i ) une quelconque de ces trois fonctions. Celle

notation sera justifiée par le fait que, non seulement Y * ( t ) et Y 2( l) ,
mais aussi Y 0(£), dépendent de la même loi de probabilité. Quand nous
l’aurons démontré, tout résultat établi pour une de ces fonctions s’appli
quera ipso f a c to aux deux autres.
Nous désignerons par & l’ensemble des racines de Y ( i ), par &
l’ensemble complémentaire, et appellerons intervalles e' les intervalles
ouverts dont & est la réunion. Les lettres &, & et ef pourront être
affectés d’indices correspondant à ceux de Y .
2° L es lois d e p r o b a b ilité de M (i) e t Y ( t ) . — Ces lois peuvent

s’obtenir, comme nous l’avons indiqué au n° 20, en utilisant l’équation
aux dérivées partielles de la diffusion. Nous allons plutôt utiliser un
raisonnement très simple, basé sur le principe de symétrie, et qui
permet de rendre les résultats qui vont suivre indépendants de l’étude de
cette équation. H se rattache d’ailleurs à la méthode des images, dont
nous avons parlé au n° 20.
Donnons-nous deux nombres positifs t et \ et supposons M (l)
Dans cette hypothèse, X (r ) atteint pour la première fois la valeur £ à un
instant r ^ t, et l’hypothèse t = t, qui implique X ( i) = £, a une proba
bilité nulle. Si r < t, la différence X ( i) — X ( t ) dépend d’une loi symé
trique, donnant à la valeur zéro une probabilité nulle. Cela est vrai pour
la loi conditionnelle dont dépend cette différence si t est connu, et par
suite aussi pour la loi relative au cas où r est inconnu. On a donc
Pr{ M ( 0 ^ 5 } = aPr! M(0 ^ Ç, X(/) > Ç| = aPr{ X(t) > ? | = Pr{ | X(<)| > ' }.
Par suite :
T héorème 42. i . — L es fo n c tio n s | X (Q |, M ( £ ) \ e l p a r su ite — m(l)J

d é p en d en t de la m êm e loi d e p r o b a b ilité , d éfin ie p a r la fo r m u le
(5 ) P r{ M ( 0 < * t = y / ^ j f V à d Ç (* > o ).
Le même principe de symétrie nous montre que, toujours dans l’hypo

thèse M (¿) ^ £, les valeurs x et a £— x de X (£) sont également probables.
Par suite, si x < ,\%
P = P r { M ( 0 ^ Ê, x ^ X ( 0 < x h- dx }
= P r { M (i) ^ Ç, 2Ç— x X (/) > 2Ç — x — dx }
ÉTUDE APPROFONDIE DU MOUVEMENT BROWNIEN LINÉAIRE. 195
et par suite
Pr { M (i) < 5 , x X ( 0 < x -+- clx { = Pr { x ^ X (i) < x -h d x j — P
Г a*
(6) 1 IL ] d x .
y Mit
Cette formule définit la loi de probabilité à deux variables M(f) et X(/).

En dérivant par rapport à on voit que :
T héorème 42 . 2. — L a loi de probabilité à deux variables^ = M (i)

et x — \ ( t ) est une loi absolument continue, définie p a r la densité
de probabilité
jSÇ—ci*
tt (5 > O , ' . * < ? ) •
En posant x — \ — y , de sorte que y est une valeur de Y <(£), on

obtient le :
T héorème 42 . 3 . — L a loi de probabilité à deux variables^ =

^ {t)
et y = Y i ( t ) est une loi absolument continue, définie p a r la densité
de probabilité
(B) y h ^ f e 2< (?>o> 7 >°)-
On remarque que celte densité est symétrique en £ et y . Par suite,

compte tenu du théorème 42 .1 :
T héorème 42 . 4 - — P ou r chaque valeur de t, les cinq fonctions

|X (*)|, M ( t ) } — m (t), Y , ( i ) e * Y 2(*) dépendent de la même loi de
probabilité, définie p a r la form ule ( 5 ).
Cette symétrie était d’ailleurs évidente a priori. La définition du

processus dont dépend X ( t ) ne changeant pas si l’on change т en t — t ,
M(0 = Max [X ( t ) — X (o )l et Y ,(*) = max [X ( t ) — X(*)]
o<r ' 0£t<:i
dépendent nécessairement de la même loi. La valeur T 0 de t (presque

sûrement unique) pour laquelle ce maximum est réalisé, dépend aussi
nécessairement d’une loi symétrique par rapport au milieu de l’intervalle
(o, ¿), que nous formerons plus loin (n° 44.2°). La loi à trois variables
M (¿ ),Y |(¿ )e tT (j a aussi le même caractère de symétrie; elle ne change
pas si l’on change à la fois M, Y* et T 0 en Y M M et t — T 0.
Remarquons aussi que, si t varie, les fonctions M(¿) et — m(t), qui
sont non décroissantes, et constantes respectivement dans les inter
19 6 CHAPITRE VI.
valles e\ et e\, sont absolument différentes des fonctions |X (l)|,

Y i (t) et Y 2(i) qui ont une infinité de racines et sont constamment
variables. Mais pour ces trois dernières fonctions, comme nous l’avons
déjà annoncé, l ’identité des lois dont elles dépendent subsiste si l’on
considère leurs variations en fonction de t.
Du théorème 42.3 qui définit la loi de probabilité à deux variables
M (l) et Yi (t), on peut déduire la loi de probabilité conditionnelle dont
dépend M (l) quand Y { (t) est connu. Il vient ainsi
_ 5Ltîlz
(9) Pr{M (0> ?/Y,(0= r} = e “ ,
et en particulier, pour ^ = o,
(10; P r { M ( o > ç / X ( o = M (o} = c fl.
Compte tenu de ce que le processus dont dépend X ( l) est invariant

par l ’addition d’une constante (à t ou à X ), ainsi que par un changement
de signe (sur t ou sur X ), on peut énoncer le résultat obtenu delà
manière suivante :
T héorème 42 . 5 . — S i Von sait qiVune des valeurs extrêmes de X (i)

dans un intervalle (¿0, ¿<) est atteinte à Vune des extrémités de cet
intervalle, on a
&
(n) P r{ |X (fO -x (« O I > * ] - * <*>«>)■
3° U inversion de M (l). — La fonction M(£) étant non décroissante

admet une fonction inverse T (# ); chaque intervalle e\, pendant lequel
la fonction M (i) est constante, correspond à un saut de T(a?). Les
inégalités
— o) et a > M (t)
sont équivalentes, et T (a? — o ) ^ ^ T(a? -h o) équivaut à x = M (i),

dont la probabilité est nulle. Il est alors inutile de distinguer T ( x — o)
et T(a? 4- o), et la formule ( 5 ), en faisant au second membre le change
ment de variable P = — >devient
* T
. t _ jç] S
(12) P r|T (x )< t }= J e *xx (ap> o,£ > o).
On peut donc, en généralisant ce résultat comme nous l’avons fait

pour la formule (io ), énoncer le résultat suivant :
ETUDE APPROFONDIE DU MOUVEMENT BROWNIEN LINÉAIRE. 197
T héorème 42 . 6 . — L a p lu s petite valeur T de t} supérieure à t0y et

pour laquelle on ait
X ( T ) - X ( f . ) = *,
dépend de la loi de probabilité définie p a r la form ule

t _3
/
« S-T V t.
4° L a loi à trois variables X(£), m( t) et M (f). — Cette loi est

définie par la formule
Pr | m(t) > a4, M(f ) < as, x ^ X(f ) < x -h dx/Xô) = o \
w + " [“ <*—tnh* (.r—la,-*.*«/PT
04)
- r a î S t * '“ " " - " -
(a 4< o, a 2> o, / = ai — a 4), que Von déduit aisément de la formule (36)

du n° 20.
43 . Les longueurs des intervalles ef. — i° T héorème 43 . — S i la

longueur L d 'u n intervalle ef dépasse une valeur positive l0J la proba
bilité qu'elle dépasse une valeur l supérieure à l 0 est
Ce théorème s’applique à la fois aux intervalles e 0’ séparant les racines

de X ( i) et aux intervalles et e\ séparant celles de Y 4( t ) et Y 2( î ). La
démonstration est la même dans les trois cas.
Quelle que soit en effet celle des trois fonctions Y 0( i) = | X ( i) |,
Y i(t)j et Y 2(Q que l’on considère, t appartient à un intervalle e'
compris entre deux racines consécutives t 0 et ¿1, on a
Y(i) = Y(0 -Y ( l.) = | X(f) — X(o) |
et la formule (11), appliquée à la valeur f 0+ /0, qui est par hypothèse

intérieure à cet intervalle, donne par dérivation
(iA) Pr | x ^ Y(f0-h /0) < x -+- dx | = —j — e 5/# (x > o).
(*) Cet énoncé implique qu’on précise la manière dont on choisit un intervalle e#de
longueur supérieure à l 9. Il est appliqué dans le texte au premier de ces intervalles
dont l’origine soit k droite d’un point donné sur l’axe des t. Il peut s’appliquer aussi,
asymptotiquement, à un intervalle choisi au hasard parmi tous les intervalles analogues
situés sur une partie infiniment croissante de l’axe des t. Mais si, au contraire, on
choisit celui qui contient un point choisi au hasard dans l’ensemble de ces intervalles,
un tel choix favoriserait évidemment les grandes longueurs et l’on trouverait à la limite
une probabilité égale à l’unité, quel que soit /«.
198 CHAPITRE VI.
D ’autre part, si Y ( i 0-M o ) a la valeur x , L, qui est la plus petite

racine de
Y ( î * h- /) — lQ) = — x,
dépend, d’après le théorème 42 . 6 , de la loi de probabilité définie par la

formule
— x1 —3
Pr U ^ L < l -+- d l } = -jL= e~ *<'-'•> ( l - l 0 ) V f .
On en déduit
¿r ^ Y(*0-h /0 )< a:-h rfa:, < J c/J )(
*0 y 2«
et, en intégrant par rapport à x de zéro à l’infini,
dl | —
Pr j l ^ L < l-hdl\ = (/— /„)
2I0I
et par suite,
c. o» F* a.
(.6) p‘' ! L > ' ) = X V r - f ~ \ / r
20 Nous allons donner du même théorème une autre démonstration

qui utilise l’équation aux dérivées partielles de la diffusion. La fonction
à_ il
(17) u(t, x ) = —
àx
est une solution de cette équation. Elle est positive pour i > o , i - ‘ > o ;
elle est nulle pour x = o, t > o, et pour t — o, x ;> o. Si u représente
une température, la chaleur totale, à l’instant t , est
(18) U ( 0 = /” «(/. ^ [ e - r ']» =

J* yt \'f
Sa réparlilion est d’ailleurs fouctioa de de sorle que, si t est très

petit, elle est très concentrée au voisinage de l’origine.
Au point de vue de la théorie de la chaleur, cela indique que, si une
source froide maintient le point x = o à la température zéro, il faut
qu’une source chaude placée initialement au voisinage immédiat de ce
point fournisse une quantité de chaleur infinie pour que le refroidisse
ment ne soit pas instantané. Alors la quantité de chaleur qui reste à
l’instant t est proportionnelle à La fraction de celle conservée à

v* _
l’instant ¿0* qui subsiste à l’instant £ > £0>est donc y»
D ’après les principes exposés au n ° 19, l’interprétation probabiliste de
ces résultats est la suivante : si X (o ) = x n tend vers zéro, la probabilité
que la plq$ petite racine positive T de X ( i) soit supérieure à une valeur
donnée ¿0 tend vers zéro. Mais si, pour une valeur très petite de on
répète l’expérience assez souvent pour que le nombre probable de réali
sations de T > £0 ne soit pas très petit, et si à la limite il a une valeur
positive et définie N0, le nombre probable des réalisations de T > t varie
proportionnellement à il est donc égal à N o^/y* et, si l’on sait

que T > ¿o est réalisé, la probabilité conditionnelle de T > £ (¿ > ¿ 0 )
est^ /yj C. Q. F. D.
Remarquons aussi que, dans l’hypothèse T > £, la loi de répartition

des valeurs x = X (£), à l’instant £, est définie par la densité de proba
bilité
u (t, œ) _ x - 2/
~û(7T ~ ' t e
ce qui donne une nouvelle démonstration du théorème 42 . 5 .
44 . Formules relatives à l’intervalle e* contenant une valeur donnée

de t. — i° Ici encore les raisonnements s’appliqueront à la fois aux trois
fonctions Y ( i ) . Nous allons commencer par chercher la probabilité a
qu’un intervalle donné ( t0, £«) contienne au moins une racine de Y (£).
Nous supposons t) > t0> o; de plus, s’il s’agit de Y 0(£), il est entendu
que X (o ) = :o ; s’il s’agit de Y*(£) ou Y 2(£), la valeur de X (o ) est indif
férente, mais l’instant t = o intervient, parce que m(t) et M(£) sont les
valeurs extrêmes de X (r ) dans (o, t).
La méthode est identique à celle du n° 43 ,1 mais la formule ( 1 5 ) est
remplacée par
Pr { x ^ Y(f0) < & -+- dx j r= 4 / — e 5todx ( j? > o ).

1 y iztoiS
Si Y ( / 0) - - x , la probabilité que Y (t) ait au moins une racine entre

tu et tA est, d’après le théorème 42 . 6 ,
200 CHAPITRE VI.
O n e n d é d u it
« = E j P [ Y ( * , ) ] } = \ / ^ f me ~ ^ P ( x ) d x
i r k -t, _ï taT) j- r d-
V 7 .1 ' ’* / •
d ’o ù , e n p o s a n t r = i ,u » ,
V s? du 2 . Æ ft\ — U
(19) •_ î r
« * /0 I H - 14* = -
3C A r c l « \ / —
fo rm u le q u i p e u t s ’é c rire a u s s i
(20) t0 = ti cos* — ou a = - Arc cos4 / —

2 se y *i
D o n c :
T héorèm e 44. i . — L a p r o b a b ilité que Y ( i ) a it a u m o in s une
r a c in e d a n s u n in te r v a lle d o n n é ( t 0 , t 4) est
a = —w A r c COS
2 ° C o n s id é r o n s m a in te n a n t u n e v a le u r d o n n é e d e t, e t d é s ig n o n s
re s p e c tiv e m e n t p a r T 0 e t T * la p lu s g ra n d e r a c i n e 'd e Y ( f ) a u p lu s é g a le
à t e t la p lu s p e tite r a c in e a u m o in s é g a le à t. D ir e q u e T 0 < c ’e s t
d ir e q u ’il n ’y a p a s d e r a c in e e n tre l 0 e t t ; la p r o b a b ilité d e c e tte c ir
c o n s ta n c e e s t 1 — • 0Ly a é t a n t c a l c u l é p o u r t4= t. D o n c
T héorème 4 4 .2 . — L a lo i d e p r o b a b ilité d o n t d é p e n d T0 e s t d é fin ie
p a r la f o r m u l e
( 2 1 ) P r | T 0 < i 0 } = | À r c s in y / ^ ( o < * 0 < 0 -
L a d e n s ité d e p r o b a b ilité est
2 d A I
(2 2 ) — -t - A rc sin
1Z CLt0
O n p e u t a u s s i o b s e rv e r q u e
T i = i sin**,
* é ta n t c h o is i e n tr e z é r o e t *> a v e c r é p a r titio n u n ifo r m e d e la p r o b a b ilité .

Sur une circonférence de diamètre (o, i), l’extrémité de l’arc corres

pondant à l’angle au centre 2$ (donc à l’angle inscrit $ ), compté
à partir de l’extrémité gauche de ce diamètre, a précisément pour
abscisse t sin24>, Donc : T 0 est Vabscisse d 'u n point choisi au hasard
sur une demi-circonférence de diamètre (o, £), avec répartition uni
form e de la probabilité sur cette demi-circonférence.
On obtient naturellement la même loi en choisissant le point au
hasard sur la circonférence entière.
On peut vérifier la symétrie annoncée plus haut pour le cas
où Y (i)= = Y i ( i ) (remarque suivant le théorème 42 . 4 )* Dans ce cas,
la loi à trois variables T 0, M (f), Y 4(i), dont nous avons annoncé
la symétrie, s’obtient aussi immédiatement en observant que, dans
l’hypothèse T 0= i 0>les lois dont dépendentM(£) e t Y t (i)so n t données
par le théorème 42 . 5. Cette loi a donc la densité de probabilité
X* y*
- Xy __ s7o~~2(l- /,) .
TC sjt%(t — i 0 )3
x et y étant les valeurs de M (t) et Y ( f ) (x ^ 0 , 7 ^ 0 ) .
3° Si, au contraire, dans l’expression (20 )de <x, on remplace ¿0 per i,

on obtient la probabilité de T 4 t ).
L a densité de probabilité est
(24) - - ^ A r c c o s i/ ^ =S “ 7 - 4 / f — lm
' tc d ti y ii T ciiy *1 — t
4° La formule (20) donne aussi la loi à deux variables T 0 et T 4. Dire

en effet que T 0< £ i e t T 4 > t < i 4), c’est dire qu’il n’y a pas
de racine entre i 0 et l 4. La probabilité de cette circonstance est 1 — oc,
Donc :
T héorème 44 - 4- — L a loi de probabilité à deux variables T(
et T 4 est définie p a r
(a5) Pr | T 0< i0, T , > ii j = - A r c s i n ^ / ^ ( o < i 0< * < M *
L a densité de probabilité est
( 26 )
* & l * fû
------ . - . Arc s t n l / — = ------- ,— — .
1
tc dt0dtt y ii 2Trîo(ii— i0)3
P . I.K V Y . n
2ü3 CHAPITRE VI.
11 é ta it b ie n é v id e n t q u e c e » e x p re s s io n s n e d e v a ie n t p a s c o n te n ir t .
S i ¿0 e t ti > to s o n t d o n n é s , e lle s s o n t v a la b le s q u e l q u e s o it t e n tre
e t ¿ î. S i , a u c o n tr a ir e , o n s e d o n n e l , il e s t fa c ile d e v é r ifie r q u ’e n in té g r a n t
l 'e x p r e s s i o n ( 2 6 ) p a r r a p p o r t à t0 d e zé ro à t e t p a r r a p p o r t à ti d e t à l ’ i n
fin i, o n tro u v e b ie n l’u n ité . L ’in té g r a tio n p a r r a p p o r t à l< s e u l d o n n e
l’e x p re s s io n ( 2 2 ) e t l’in té g r a tio n p a r ra p p o rt à t0 s e u l d o n n e l ’e x p r e s
s io n ( 2 4 ) .
R e m a rq u o n s q u e ce th é o rè m e 4 4 .4 c o n tie n t le th é o rè m e 43. S i, e n
e ffe t, o n s u p p o s e q u e T 0 a it u n e v a l e u r lu d o n n é e , la d e n s ité d e p ro b a -
3
b ilité re s te p r o p o r tio n n e lle à (¿ 1 — f< > ) 2 , d o n c
é«*,e 4 •*
la fo n c tio n d e r é p a r titio n c o rre s p o n d a n te e s t 1 -
<— *0. c ’e s t b ie n c e
v ty--toy
q u e d o n n e le th é o rè m e 43.
5° F o rm o n s e n c o re la lo i à tr o is v a r ia b le s T 0, T * e t Y ( i ) . E n d é s i
g n a n t re s p e c tiv e m e n t p a r A 0 , A i e t B le s é v e n tu a lité s
(A#) < <0-t- dt(, (O <*»<<),

(A ,)
(B ) x Y(/) < x -h dx,
o n a , d ’ a p r è s le s fo rm u le s ( 2 2 ) , ( 1 1 ) e t ( i 3 ) ,
Cite
(27) Pr { À 0 } =
« Vô(< — *♦ /
(28) P rjB /A A = £^-e

' I l 0
Pr | A i / B
V/27T
L e p ro c e s s u s n ’é ta n t p a s h é r é d ita ir e , le p r o d u it d e ce s tr o is e x p re s
s io n s d o n n e la p r o b a b ilité d e A 0 A < e t B . D o n c :
T 4 4 . 5 . — L a lo i à tro is v a ria b le s T 0 , T 4 e t Y (*) est une

héorème
lo i absolu m en t co n tin u e , d éfin ie p a r la d en sité d e p r o b a b ilité
_______ x*_______ ■
(29)
v/2*»/.(i — — ty e
R e m a rq u o n s e n fin q u e d e s fo rm u le s ( 2 7 ) e t ( 2 8 ) , e t d e la fo rm u le
Pr { A „ B } = Pr { A» j Pr { B / A , } = Pr { B } Pr { A . / B \,
ÉTUDE APPROFONDIE DU MOUVEMENT BROWNIEN LINÉAIRE.
on déduit
(3o) P r { i . ^ T ft< < 0 -»-<* „/ Y (/ ) = j:| = x d l « y
2 */<>(* —
45 . Formules d’ interpolation. Application du théorème 2 . — i° La

formule ( 3o), qui suppose Y (o) et Y(*)connus, est une formule d’inter
polation. Le théorème 2, qui permet de ramener un intervalle (ini ( tt, £0)
à l’intervalle (o. oo), la condition X(£0) = o devenant X (o ) = o, et la
condition X(î) = o disparaissant à la limite c’est-à-dire qu’elle devient
lim
X( t ) x ^
= o (i ->oo), condition qui est presque sûrement vérifiée et n’a
par suite aucun caractère restrictifj , permet d'obtenir aisément d’autres

formules d’interpolation. Comme au n° 2 , nous poserons
Rappelons que cette expression est le coefficient de corrélation de X ( t)

et X(w) dans l’hypothèse X ( f 0) = X (*4) = o. Alors :
T héorème 4 5 . i . — S i < t < u < tA, et si Von sait que

X (M = X(*i) = o,
et que X (r) ne s ’annule pas entre t 0 et t, la probabilité que X ( t ) ne

s’annule pas entre t 0 et u est égale à p.
T héorème 4 5 .2 . — S i t0< t < u < et si Von sait que

X(f0) = X(*t ) = o,
la probabilité que X ( t ) ne s’annule pas dans l’intervalle ( t , u) est
o *1
~ Arc sin p = - Arc cosi/
/ — *o ) ( M ~ t)
(u — — t)'
En effet, — p2 étant un rapport anharmonique, ces énoncés sont inva

riants pour une transformation homographique qui ramène (¿o> ¿4) sur
(o, 00). Or, pour ¿o = o, t\ =oo, ils se réduisent aux théorèmes 43et 44.1,
appliqués à la fonction Y 0 (t) = | X (*) |.
Nous avons annoncé, et nous montrerons plus loin, que toutes les pro
priétés stochastiques de Y 0(i) sont vraies aussi pour Y 4(£) et Y a( i) ;
on peut donc, dans les théorèmes qui précèdent, remplacer X ( i) par
une quelconque des fonctions Y ( f ) .
204 CHAPITRE VI.
Le théorème 45.2 donne lieu à des remarques identiques à celles faites

à propos du théorème 44. i. T 0 et T< ayant la même signification qu'au
n° 44 , le théorème 45 .2 donne
(3i) Pr { T » < T , > u,/X(i.) = X(*t) = o }
= i Arcsin. Æ E U .^ t ^ ¿1).
* ,V ( « i — * • ) ( * ! — Mo)
La loi à deux variables T„ et T t , sous les conditions X ( i0) = X (ii) = o,

est ainsi une loi absolument continue, dont la densité de probabilité est
il— io
(32) /(«., “ *) = ^ l / ( ^ Mo)3(it— ttl)
Pour la loi à une variable T 0, on trouve de même
(33) i Pr { T , < «o/X(/o) = X (Î,) - o | - i A r c s i n ^ i ^ M Ü - i i
Si, en particulier, t — cette expression devient
( 34) ^ Arc
et l’on en déduit aisément
(35) E ( [ T . - 1 . - ,1 = «» ( / l ~ <o)>,
avec
( 36) |* = 2 — <JZ, =
a® T héorème 4 5 .3 . — 2? » p o s a n t (comme au n° 1)
X(*) = n(t).+ °(*)Ç(0>, X(t.)^X», X(<,)-X»,
^(Q = ( t - t « . ) X , ^ f i - O X o i
il — i0 il**- *0
e t en d é sig n a n t p a r Si (a) le m a x im u m de
q u a n d t v a rie d e i 0 à a, on a
(37) V t\ n { u )< x )^ ^ lf\ ~ ^ d y ,

X*
(38) Pr { M ( u ) > ¿ r / M ( u ) s Ç( m ) | s « *.
ÉTUDE APPROFONDIE DU MOUVEMENT BROWNIEN LINÉAIRE. :m>5
Cet énoncé est en effet de forme invariante pour les substitutions

homographiques qui transforment (¿0î h ) en (o, oo). Il suffit donc
de le détnontrer pour i 0 = o, t4 = oo. On peut en outre supposer
X (o) = X 0= o. Dans ces conditions, M(u) se réduit à M(n) = ^(w)
y tt
se réduit à M(w) = X ( u ) , et les formules (37) et ( 38 ) se réduisent aux

formules connues (5) et ( 11 ).
46. L ’inversion de M (l). Propriétés de la fonction inverse T ( x ) . —

i° Nous avons déjà défini au n° 42 , 3°, la fonction T(a?) inverse de M(¿)
et formé la loi dont dépend, pour chaque valeur de ¿r, la grandeur
aléatoire T(a?). La formule obtenue (12) pouvant s’écrire
1 rn - - --
( 39) Pr { T(a?) < aar2j = —= / e t dv (:r>o, u > o).
1 1
■ J»/
Nous voyons que la loi dont dépend } est indépendante de x;
c’est en particulier celle dont dépend T ( i) .
Cela était évident a p r io r i, car la nature de la fonction aléatoire X ( l) ,
et par suite celles de>M.(£) et de T(a?), ne changent pas si l’on change à
la fois x en \ x et t en
Nous allons maintenant démontrer que :
T héorème 4 6 . 1 . — L a fon ction T ( # ) dépend du processus a d d itif

défini p a r la form u le
(4o) <!>(#, z ) = logE { e izJ(x ) | = ( — 1 H- i ) x sjz
= _£_ Í (e(r«_i ) U * du (j? > o, .z > o)

Ja
2 7Z*/0
[l’identité des deux expressions indiquées résulte des formules (45)

et (46) du n° 37 ] :
La fonction X ( l) , étant continue, atteint pour la première fois la
valeur X i, sans la dépasser, à un instant bien déterminé tt . Sa variation,
à partir de cet instant, dépend de la même loi qu’à partir de l’instant
initial t — o. La même remarque s’applique donc à la variation
(41 ) M(*i = M (/t - h tt) - X (ft)

de M (i), qui dépend de la même loi que M (l2), et par suite aussi à la
variation
(42) T + ^ î ) — T (* i ),
CHAPITRE VI.
qui dépend de la même loi que T (# 2)- Elle est en effet définie en
partant de l’expression ( 4 0 comme T ( j?2) est défini en partant
de M (f2) : c'est la valeur de t2 pour laquelle l’expression ( 4 i) atteint
pour la première fois la valeur x 2.
La loi dont dépend l’expression (42) est donc indépendante à la fois
de Xi et de T(a?0î en d’autres termes T(a?) dépend d’un processus à la
fois additif et homogène dans le temps. Comme de plus dépend
d’une loi indépendante de x y ce processus est lié à une loi stable
d’exposant caractéristique a = -• Comme enfin la fonction T (# ) est
non décroissante, ce processus ne comporte que des sauts positifs, et
s’identifie nécessairement avec celui défini, pour a = - > par les
formules ( 45 ) et (46) du n° 37 . On a donc
ÿ ( x , z) = logE ( { = c x ( — 1 -h i ) >Jz = f ( e izu — 1 ) u ~ ^ d u
( x > O, 5 > o),
c étant un facteur constant positif.

Pour le déterminer, observons que la fonction caractéristique
i * , , - 1- -2
( 43) ç ( i , ^ ) = E { « ^ , o j = « f ~"u ' d u
v'2 K J0
est, pour z positif, la somme de
_ 1 . Ç (eizu — i)w ^du = (— 1 h- 1 ) /s,
et d’une fonction dérivable à l’origine. Compte tenu de tp(i,o) = o, il

vient donc
~ ) = log ? ( ï , + \/z ( z \ o ) ,
ce qui implique c = 1. Le théorème 46 .1 est ainsi démontré.
2V L ’application à T(a?) des résultats généraux de la théorie des lois

indéfiniment divisibles (nos 31 et 32) permet d’énoncer le théorème
suivant :
. T héorème 4 6 .2 . —
L a fon ction T (a?) est une somme de sauts
p ositifs. P ou r chaque intervalle de longueur x , le nombre N (l) des
sauts dont la longueur dépasse l est une variable de Poisson dont la
valeur probable est
ETUDE APPROFONDIE DU MOUVEMENT BROWNIEN LINÉAIRE. ‘>.07
et la longueur totale L des sauts inférieurs à l a pour valeur
probable
P ou r un intervalle (/', F )yle même énoncé s'applique à N (J!) — N (F)

et à L" — U en rem plaçant les intervalles d'intégration (/, 00) ou
(o, t) p a r (i , F).
On en déduit en particulier :
C o r o l l a ir e 46 . -— P ou r un saut dont la longueur dépasse

(par /0
exemple pour le premier saut dépassant /© à partir d’une valeur

donnée de x ) y la probabilité que sa longueur dépasse l > /« est
Les sauts de T(#) s’identifiant avec les intervalles e\, on retrouve

ainsi le théorème 43 .
Remarquons aussi que le théorème 46 . 2 , en nous montrant que la
variation de t = T(ar) se réduit à la somme des sauts, nous montre que
la mesure de est presque sûrement nulle. Cela n’était pas contenu
dans le théorème 43 , qui subsisterait par exemple si l’on remplaçait M(f)
par la fonction inverse de T(#) + k x ( k > o). L’addition du
terme k x ne changerait rien aux sauts, et par suite à la loi dont
dépendent les longueurs des intervalles e\ ; mais la mesure de la partie
de &\ intérieure à un intervalle (o, t) serait k & ( t ) .
On peut d’ailleurs aussi démontrer que la mesure de est presque
sûrement nulle en observant que, si T est choisi au hasard entre zéro et t,
et si xn est la mesure de la partie de intérieure à (o, £), on a
K {m ; = / Pr ; Y (T ) = o \ = Ç Pr ; Y ( t ) = o { ih = o («).(*)
(*) On peut représenter l’ensemble des valeurs de X(¿) par une variable unique ü,
comprise entre o et 1. La condition Y(T) ~ 0 définit alors un certain ensemble du plan
des TU dont on peut déterminer la mesure, d’après le théorème de Fubini, soit en
intégrant d’abord par rapport à T, soit en intégrant d'abord par rapport b U. Le calcul
du teste est donc une application de ce théorème.
Mais le théorème de Fubini suppose qu’il s’agisse d’ensembles mesurables. En fait, ht
théorie des probabilités dénombrables n’implique que des passages à la limite qui
correspondent aux opérations par lesquelles on définit les ensembles mesurables B.
Klle ne risque donc pas d’introduire d’ensembles non mesurables.
Il nous arrivera plusieurs fois, dans la suite de ce chapitré et dans le suivant, d’appli
quer le même mode de raisonnement sans revenir sur cette difficulté.
208 CHAPITRE VI.
3° En posant = £) nous allons montrer que :
T héorème 46 . 3 . — On a
(46) P r | I i m N ( / ) *//==* J = i ,
L
(47) P r | lim ~ = s ( = i.
(/>Û \ll
Ce théorème est une application de la loi forte des grands nombres.

Nous ne supposerons pas cette loi connue, et en reproduirons la démons
tration dans le cas qui nous occupe.
D ’après le théorème 46 . 2 , on a
¡x = E { N ( f l } = i-_, E {[N (0 -H P|= Î* = ^ -
Appliquons cette formule à la suite des nombres lp= q^{o < q < i).
Il vient
E { Np \ip)2 } = [N ,= N(/,)],
et par suite, d’après l’inégalité de Tchebycheff,

, I ) sr*p
Pr Í| N» —
«■ r! > * ! < ! ? -
Prenons pour i- un nombre compris entre g et y/^ (donc <72< r s <; qr) ;
le second membre est le terme général d’une série convergente, et il
résulte du lemme de Borel-Cantelli que l’on a presque sûrement, pourp
assez grand,
(p )>
et par suite,
lim Np \¡lp = s.
//>•
O r, pour l compris entre /p_* et /p, N ( l ) f t est compris entre

et ^ Np y//p. Il est donc presque sûr que, pour / infiniment
petit, les bornes de N(/) \fl sont comprises entre qs et et, comme q
est arbitrairement voisin de un, que
/>o
ce qui établit la formule (46). D ’après la formule d’intégration par parties
ZrfN(/)= — N (l)dl,
ÉTUDE APPROFONDIE DU MOUVEMENT BROWNIEN LINEAIRE. 0.09
celte formule entraîne la formule ( 47 )* Le théorème 46.3 est ainsi

démontré.
Il s’applique naturellement, en remplaçant s $ar / — s', & n’importe
quel intervalle de variation de s*
47 . Construction directe de l’ensemble & i . Équivalence stochastique

de ê 0 et & K. — i° Nous appellerons construction directe de &i un
ensemble d’opérations aboutissant, sans passer par l’intermédiaire
de X ( l) , à la définition d’un ensemble aléatoire qui dépende de la
même loi que l’ensemble des racines de Y* (t). Il est à peu près évident
que le théorème 4 6 .2 'définit implicitement les conditions de cette
construction.
Pour l’appliquer, donnons-nous d’abord une suite de nombres
fy>(p = i , a, . . . ) décroissants et tendant vers zéro ; nous poserons l 0 = oo.
Pour chaque intervalle (iy>, le nombre Ny, des sauts de T(a?) de
longueurs comprises entre lp et lp_A et correspondant à des valeurs
de s = x comprises entre zéro et sA, est une variable de Poisson de
valeur probable
Cela définit parfaitement les conditions du choix des Np.

A chacun des sauts dont l’èxistence est ainsi déterminée, associons
une valeur de s choisie au hasard entre zéro jet s i9 et une valeur de l
choisie au hasard entre lp et lp_*, la densité de probabilité étant cons-
tante pour le choix de s, et proportionnelle k l 1 pour le choix de L On
obtient ainsi une infinité dénombrable de sauts, caractérisés chacun par
une longueur L* et une valeur x n de x — ^ ^ s , La fonction T\(a?)
définie par ces sauts (dont la somme est presque sûrement finie), réalise
bien les conditions énoncées dans le théorème 46 . 2 ; elle est stochas-
tiquement équivalente à celle obtenue par l’inversion de M (l), et, sur
l ’échelle des l, l’ensemble complémentaire de l’ensemble des intervalles
(ouverts) correspondant aux sauts dépend bien de la même loi que
l’ensemble
On remarque que, si l’on se propose seulement de construire ainsi £ i,
les valeurs exactes des x n sont indifférentes ; les signes des différences
x p— x q importent seuls; ils définissent l’ordre des sauts, et par suite
la longueur totale de ceux qui précèdent le saut de longueur L n, et la
place qu’occupe sur l’axe des t l’intervalle e\ qui lui correspond. Or
210 CHAPITRE VI.
chaque différence x p— x q a autant de chances d’être positive que néga

tive, et les n ! d’ordres possibles pour les nombres x it x 2, . . . , x n sont
également probables. On peut donc, sans s’occuper des x n, se contenter
de placer successivement les uns par rapport aux autres les intervalles e\
de longueurs L<, L a, . . . ; pour cela, les n — i premiers de ces inter
valles étant d’abord rangés, on attribuera la même probabilité ^ aux
places possibles pour l’intervalle suivant, et l’on recommencera pour
toutes les valeurs de n .
Naturellement, la dé termination des x n donne un résultat plus complet.
Elle permet de déterminer la fonction T ( x) et par suite la fonction
inverse M (i). Il faut d’ailleurs remarquer que, si cette détermination
n’a pas été faite a p riori, le théorème 46.3 donne le moyen de la faire
après coup. Sauf dans des cas dont la probabilité est nulle, la limite
de N(Z) \jl, pour l tendant vers zéro, et pour l’ensemble des intervalles
précédant un intervalle e± déterminé, donne la valeur correspondante
L ’ensemble est de mesure nulle. Mais la limite ainsi obtenue

pour N (/) \[î, ou, ce qui revient au même, pour ~ >est ce qu’on peut
appeler la mesure du voisinage d e & i. On voit alors que la fonction

M (i), q u i n9est croissante que pour les points de croit d u n e
quantité égale au p rod u it p a r ~ de la mesure du Voisinage de ê t .

Remarquons enfin que, quelque grand que soit l’intervalle (o, x K)
dans lequel on construit T ( # ) ,la probabilité que T (^ i) soit inférieure
à un nombre t donné d’avance est positive. Si l’on se propose de
déterminer M (i), et par suite t , dans l’intervalle (o, t ), il peut être
nécessaire de recommencer les opérations dans un nouvel intervalle
(j?i, x 2); en recommençant encore, s’il y a lieu, il est presque sûr que
T ( x ) finira par dépasser n’importe quelle valeur donnée de t . Il est
presque sûr aussi qu’il ne l’atteindra qu’en la dépassant; on ne peut
donc pas, par la méthode qui précède, faire toutes les opérations
nécessaires sans être presque sûr d’en avoir fait d’autres dont on
constatera après coup l’inutilité.
2° Équivalence de ê 0et <§i (et par suite aussi de — Nous avons

déjà observé que le théorème 43 est contenu dans le théorème 46 . 2 .
Nous allons montrer d’une manière plus précise que le théorème 43 ,
complété par le fait que & i soit (presque sûrement) de mesure nulle,
ÉTUDE APPROFONDIE DU MOUVEMENT BROWNIEN LINÉAIRE. j>il
suffit à définir les conditions de la construction de S 4. Comme ce

théorème s’applique aussi bien à & 0 qu’à ê 4, etque<ê0est aussi (presque
sûrement) de mesure nulle, il en résultera bien que & 0 et & K dépendent
de la même loi de probabilité; ils sont stochastiquement équivalents.
Q u ’on définisse les longueurs des intervalles ef par le théorème 43 ou
par le théorème 46 . 2 , il est sûr que les longueurs de ceux qui sont
intérieurs à un intervalle donné (o, t) forment une série convergente de
somme inférieure à t . On peut donc définir un nombre positif aléatoire!
L„ tel que la longueur totale des intervalles de longueurs inférieures à L„
soit inférieure à un nombre arbitrairement petite, et un nombre 1 0 tel que
Pr JL0</o{ < 2.
En d’autres termes, si /„ est assez petit, on ne commet sur l’axe des t

qu’une erreur inférieure à e, sauf dans des cas de probabilité inférieure
à s, en négligeant les intervalles e* de longueurs inférieures à /0.
O r, en négligeant cette erreur, et ne considérant que les valeurs de l
supérieures à /0, rien n’empêche, dans l’application du théorème 46 . 2 ,
de prendre pour l K la valeur l 0 que nous venons de définir, et de ne
considérer qu’un intervalle unique (/<>> oo) de variation de L La
construction sera faite, non en fonction <Je s, mais en fonction du
nombre total N0= N(/0) des intervalles ainsi mis en évidence. Comme
s n’intervenait pas dans la suite de la construction, il importe peu qu’on
ne sache pas de quelle valeur de s le nombre N0 choisi est censé être
déduit. La construction de 6*, à e près, apparaît donc comme équiva
lente à celle qu’on déduirait du théorème 43 , complété par la remarque
que &i est de mesure nulley de sorte que t est bien défini, pour le début
de chaque saut, par la somme de ceux qui le précèdent.
Le nombre e étant arbitrairement petit, il en résulte bien que le
théorème 43 , complété par la remarque que est de mesure nulle,
définit aussi complètement que le théorème 46 . 2 , les conditions d elà
construction de Comme ce théorème et cette remarque s’appliquent
aussi à l’ensemble &, il en résulte que :
T héorème 47 . i . — Les ensembles ê 0, et &\ (et par suite aussi & 2

qui se déduit de &\ par le changement de x en — x ) dépendent de la
même loi de probabilité.
Par suite, tous les résultats obtenus au sujet de ê 4 s’appliquent à é 0»

En particulier, endésignant par N0(Z) le nombre des intervalles e'0inté
rieurs à (o, t) et de longueurs supérieures à /, et par L 0(/) la longueur
212 CHAPITRE VI.
totale de ceux dont les longueurs sont au contraire inférieures â ly
on déduit du théorème 46.3 que :
T h é o r è m e 4 7 .2 . — I l e x is te p r e s q u e s û r e m e n t u n e fo n c tio n a lé a to ir e
n o n d é c r o is s a n te $0= S©(i) te lle q u e V o n a i t
(48) lim No(/) \/7 = lim t î i i l ='*„ (f->-o).

VI
Le s p r o p r ié té s s to c h a s tiq u e s de c e tte fo n c tio n sont id e n tiq u e s à
c e lle s d e V / | M ( Î ).
Ce nombre s 0 m e s u r e l e v o i s i n a g e d e & 0 comme s mesure celui de

& i. Dans la suite, nous emploierons la notation s s’il s’agit d’un quel
conque des ensembles et réservons les notations s 0 et s t pour les cas
où nous voudrons préciser qu’il s’agit de S 0 ou de<ê4. Nous emploierons
de même la notation N(Z), avec ou sans indice, pour le nombre des inter
valles e f de longueurs supérieures à /.
Indiquons enfin qu’il est possible de déduire la première partie du
théorème 47.2 du théorème 43 ; la seconde partie en résulte si l ’on
tient compte en outre de ce que & K est de mesure nulle. Mais cette
méthode exige une application de la loi forte des grands nombres dans
des conditions plus difficiles que pour la démonstration du théorème 46 . 3 .
La méthode qüe nous avons suivie, qui consiste à construire l’ensemble
sans se servir du théorème 43 , et à vérifier ensuite que le résultat obtenu
est implicitement contenu dans le théorème 43 , complété par la remarque
que S t est de mesure nulle, est préférable.4 *
8
48 . Deuxième méthode pour la construction directe dé ê . — ^ C o n s
t r u c t i o n d e ê 0. — Nous allons d’abord supposer X (o ) = X (J ) = o,
et, dans ces conditions, construire directement la partie de qui est

intérieure à l’intervalle (o, t ) . A cet effet, nous déterminerons successi
vement, par application de la formule ( 3 i) , les différents intervalles
e'0 dont la réunion constitue le complément de &0. Par une première
opération, nous déterminerons l’intervalle e'0 contenant le p o in t-; nous
le désignerons par ( T 4, T",). D ’après la formule ( 35 ), on a
(49 ) E { T t ( = EJ< — T , [ = — Ej TÎ - T, } = (*/i-i)f.
Dans une deuxième opération, nous opérerons dans chacun des

intervalles (o, T 4) et dont les extrémités sont des points de
ÉTUDE ÀPPROFQNDIE DU MOUVEMENT BROWNIEN LINÉAIRE. 213
comme nous venons de le dire pour (o, t) et pour la première opération.

Nous obtenons ainsi deux nouveaux intervalles e'0, et les trois intervalles
e\ obtenus en tout séparent quatre intervalles ea, 3, e3>4, qui
contiennent d>0. La longueur de ces intervalles a pour valeur
probable ( jjl = 2 — sJ2).
Après n opérations analogues, on obtiendra 2 "— 1 intervalles ouverts
e'0 appartenant à S'oi et 2“ intervalles fermés en)V(v 1, 2, ...., 2n),
dont la longueur totale L„ a pour valeur probable leur réunion
contient S 0. La longueur totale L*, ne pouvant que décroître, et ayant
une valeur probable qui tend vers zéro pour n infini, tend presque
sûrement vers zéro. Donc 6>0 est presque sûrement de mesure nulle.
Contrairement à ce qui se passe si Ton construit & 0 en partant
du théorème 43 , ce fait est contenu dans la formule ( 3 i) qui nous
a servi de point de départ, et n’est pas un complément nécessaire à la
définition de ê 0.
Chaque intervalle e'0, de longueur l, est sûrement obtenu par la
méthode qui précède au plus tard quand Ln devient inférieur à l, ce qui
finit presque sûrement par arriver. Là construction qui précède aboutit
donc bien à la construction complète d’un ensemble et d’un ensemble
complémentaire ayant les mêmes nropriétés stochastiques que ceux
liés à X ( t) .
20 Nous pouvons maintenant aisément nous affranchir de l’hypothèse

X (o ) = X (t) = 0 . Supposons d’abord X(o) = o ,X (/) = 6 ^ o . Pour
être ramené au cas précédent, il suffit de déterminer la plus grande
racine T 0 de X (f) qui soit inférieure à ¿. Elle dépend, si b est connu,
de la loi définie par la formule (3o) (où x doit être remplacé j>ar 6); si
b n’est pas connu, T 0 dépend de la loi définie par la formule (21).
Supposons enfin X(o) = a, X (t) = 6, a et b étant supposés connus
[le problème n’a pas de sens si l’on ne se donne pas au moins a , et si a
est seul donné, X(t) dépend d’une loi connue, ce qui ramènele problème
à celui que nous allons traiter ]. Il y a deux cas à distinguer, suivant
le signe de a b.
Si a b < o, il y a au moins une racine de X ( t) entre zéro et f, et, pour
être ramené au cas précédent, il n’y a qu’à déterminer la loi dont
dépend la plus petite racine, que nous désigneron par T . Si b n’élait
pas connu, la probabilité relative à un intervalle dx serait, d’après (12), 5
(5o) P r { A } = P r { x ^ T < t -4- dx } *= - L = e STx

} y 2X
214 CHAPITRE VI.
Si alors B désigne l’éventualité b ^ X (/) < b -f- d b , on a, d’une part,
Pr { A, B f = Pr { A j Pr { B/A } = - l a 1dz<i ï _ H ~ r^rT

— x)
et d’autre part,
ift—«)*
Pr { A, B J = Pr j B j Pr { A/B | = e !i - 4 L Pr { A/B }.
^2 r f
On en déduit
(5i) Pr { t ^ T < t -+- di}\{o) = a, X(/) = b } = lim Pr j A/B
* db+Q
(ft—«)* fl*
_ \a\d- / ------?----- i£= ft*
l ï 7 ï . £ — T;
T V 2 * -(< -T )e
Supposons maintenant a 6 > o. Il est possible dans ce cas que X ( t )

n’ait pas de racine entre zéro et t . Pour calculer la probabilité de cette
circonstance, que nous désignerons par C, utilisons la formule (6), qui
donne ici
I«—ft.* ifl-T-ft)*!
tl
P r { B , C j = et. *' J,
et, compte tenu de
(ft—fl)*
tt db
Pr j B, C ) = Pr { B } Pr j C/B j = e Pr j C/B \
^2 7 Zt
il v ie n t
iab
Pr j C/X(o) = a, X(t) = b = i — e t
L a p ro b a b itité de texistence <?au moins une racine'de X ( i) entre

zéro et t est donc
in b
(5a) e ~
O r, dans cette hypothèse, on ne change rien en remplaçant b par — b ;

en effet, quelle que soit entre zéro et l la plus petite racine T de X ( t ), on
ne change pas l’ensemble & en remplaçant X ( t ) par — X (r ) dans l’inter
valle (T , t). Pour calculer la probabilité cherchée de A , nous n’avons
donc qu’à remplacer b par — b dans la formule ( 5 i), puis multiplier
l’expression obtenue par la probabilité ( 52 ). Comme
(a-h h)* i ab i[a—ft)*
cela revient à appliquer sans changement la formule ( 5 i) , qui est ainsi

valable dans tous les cas (même si b = o). Mais en intégrant de zéro
ÉTUDE APPROFONDIE DU MOUVEMENT BROWNIEN LINEAIRE. >.I >
à t pour obtenir la probabilité de l’existence d’une racine de X (r ) dans

l’intervalle (o, t), on trouve un si a b < o, et, si a b > o, on obtient la
valeur (62).
3° Nous avons raisonné sur 6 0, parce que la formule ( 3 i) qui nous

a servi de point de départ n’a été établie que pour X ( i) . Mais, les
ensembles &i et ayant les mêmes propriétés stochastiques que S 0, il
est clair que l’ensemble obtenu par la construction qui précède peut être
identifié à &\ ou aussi bien qu’à &0.
4 ° Remarques sur les longueurs Zn>v des intervalles en>v. — Il est
facile de se poser, au sujet de ces longueurs, beaucoup de problèmes
qu’il semble possible de résoudre par des méthodes analogues à celles
qui ont souvent été employées pour d’autres problèmes de la théorie
des probabilités dénombrables. Nous nous contenterons de faire
quelques remarques simples.
Chacun des /,lfV a pour valeur probable £. On pourrait être tenté
de croire que, pour une grande valeur de n, la plupart des Zn>v ont
l’ordre de grandeur de et <ûe, Pour chaque valeur de v, est
probablement de cet ordre grandeur. Nous allons montrer qu’il n’en est
rien.
On obtient, en effet, chacun des /„,v en multipliant un des ln- i ,P par
un facteur Un>v dépendant de la loi définie par la formule ( 34 ); il y a
entre les deux facteurs et qui multiplient un même
une corrélation définie par la formule ( 3 i ) ; à cela près tous les U„,v
sont indépendants.
On en déduit que log — log/„(où U = t ) est la somme de n
termes indépendants les uns des autres, et dépendant de la même loi
de probabilité. Par suite cette expression est de la forme
(53) log/„,v— log/0= *logX h-
OÙ
log X = E { log U }, a2= E { ( log U - iog X)2}
[ on remarque que, d’après la formule (34), logX et sont finis ], et où

E,(>v dépend d’une loi indépendante de v et tendant, pour n infini, vers
la loi de Laplac j réduite.
Comme X, qui est une moyenne géométrique, est inférieur à la
moyenne arithmétique ^ de la même grandeur U, la formule ( 53 )
donne bien, pour /n#v, un ordre de grandeur inférieur à celui de J
21G CHAPITRE VI.
Les différents ¿n,v ne sont d’ailleurs pas indépendants les uns des
x autres. Mais en groupant ceux qui proviennent d’un même Zp>9, p étant
grand, mais petit par rapport à n (on peut par exemple prendre pour p
la partie entière de 'fn), ês log ¿»,v de deux groupes différents sont
presque indépendants; chacun des log lnr, est donc, si n est grand,
presque indépendant de la plupart des autres. On en déduit qu’il est
très probable, si n est grand, que la répartition effective des £n>v sur
l’échelle des \ diffère très peu de la répartition théorique. Par suite,
quelque petit que soit e positif, la proportion des ln,v supérieurs à
*(t ou inférieurs à t ( i — e)"X'1, tend en probabilité*vers zéro.
On peut même, en se plaçant au point de vue de la loi forte des grands
nombres, monlrer qu’elle tend presque sûrement vers zéro.
Par contre, la croissance des h n dépend de ja, et non de X. On obtient
en effet L* en multipliant les différents termes ln-i,p^àe Ln_4 par des
facteurs U,i>3p_4“h U/i,2p indépendants les uns des autres, et dont la
répartition effective est par suite probablement peu différente de la loi
de répartition théorique; ils sont d’ailleurs indépendants des ln-\ tP, de
sorte qu’il n’y a pas à craindre que les plus grands termes aient systé
matiquement des multiplicateurs trop grands ou trop petits. Il n’y a
pas à craindre non plus qu’on obtienne une fraction finie de L„_4 en ne
considérant qu’ un nombre fini de ln- i .p(ce qui empêcherait d’appliquer
la loi des grands nombres). Dans ces conditions, on obtient L„ en
multipliant Ln_{ par un facteur très probablement très voisin de p,
si n est assez grand. On vérifie aisément que a 21logp n j est très petit,
et que les différents ¡xn sont presque indépendants. Par suite lo^ n est
très probablement, pour n assez grand, voisin de logp. Au point de vue
de la loi forte des grands nombres, il est presque sûr que ce rapport
tend vers log j*.
Comme L* est la somme des lnrn et que son ordre de grandeur est
supérieur, si X<[X' < - , à celui de 2nVnt } cet ordre de grandeur est
nécessairement déterminé par un nombre relativement faible de termes
la,v qui sont plus grands que les autres; ils sont donc grands par
rapport à 2 -"L a, et, pour ces grands termes, l’ordre de grandeur de
log ln^ est celui de n log — >avec \>I ^ p. Cet ordre de grandeur est celui
relatif à l’intervalle qui contient un point choisi au hasard dans l’ensemble
intervalles en,v H serait intéressant de savoir si p’ est égal ou supérieur
à p ; nous n’avons pas résolu cette question.
Il peut être intéressant aussi d’étudier le plus grand des Z,i,v
(sûrement d’un ordre de grandeur supérieur encore à celui des grands
ÉTUDE APPROFONDIE DU MOUVEMENT BROWNIEN LINEAIRE. ¿17
termes dont nous venons de parler) et le plus petit des Jn>v Pour cha
cune de ces grandeurs on peut se placer au point de vue de Bernoulli,
ou bien à celui de la loi forte des grands nombres, en cherchant à
préciser l’ordre de grandeur des grandes et des petites valeurs excep
tionnellement réalisées quand n croît.
Nous n’insisteroiis pas sur ces questions, qui ne sont d’ailleurs pas
liées à des propriétés essentielles des ensembles â> et mais plutôt à
l’étude de l’ordre dans lesquels les intervalles el sont rangés par suite
d’un choix qui comporte des éléments arbitraires. A ce point de vue la
méthode du n° 47 , qui permet de ranger ces intervalles dans l’ordre des
grandeurs décroissantes, est moins artificielle.
49 . La reconstruction de X (¿) par l ’intermédiaire de &. Équivalence

stochastique de |X(£) |, Y ^ f ) et Y a(i). — t° Supposons d’abord l’en
semble &{) connu. Les valeurs de X ( i) dans les différents intervalles
e\ étant indépendantes les unes des autres, il suffit de définir les condi
tions de la construction de X(£) dans chacun des intervalles c 0, consi
déré indépendamment des autres. Le signe de X (J) y est constant, et,
à cause de la symétrie du processus, on peut supposer X(£) positif.
On déterminera alors X ( i) dans l’intervalle ^considéré par une succes
sion d’interpolations, analogues à celles par lesquelles nous avons
défini X(J) au n° 1, mais qui tiendront compte ici de ce que cette
fonction est positive.
Le principe général de ces interpolations est toujours que, si
et si
P r j x ^ X (i) < x -+- = Xi \ — f i ( x ) d x ( i = o, i),
on a
(54) f ( x ) = Pr | x ¿L X ( 0 < x -+- dx/X(to) = Xo , X(*i) = x x j = c/o(# )/i(« r),
le coefficient c étant déterminé par la condition que la probabilité

totale, pour l’ensemble des valeurs possibles, soit égale à l’unité. Il suffit
naturellement, pour déterminer ainsi f ( x ) , de connaître des fonctions
proportionnelles aux fonctions f i ( x ) . Dans le cas qui nous occupe,
si o ,/i(.r) est déterminé, à un facteur constant près, par la
formule (6), appliquée à la fonction X (/,) — X (f), cevQui donne
Si xt = o, la formule (i i) donne
-r*
(5 * ) ) *
U — ill
I». I.K V Y .
218 CHAPITRE VI.
Les conditions des interpolations sont ainsi parfaitement déter

minées. On peut, par les mêmes méthodes que pour la définition
initiale de X (¿), montrer qu’elles aboutissent presque sûrement à la
détermination d’une fonction continue X ( l) . Mais il n’est même pas
nécessaire de recommencer la démonstration; nous savons que la fonc
tion X(£) est presque sûrement continue. Le résultat ne peut
pas être différent maintenant, quoique nous ayons complètement
changé l ’organisation des expériences qui déterminent cette fonction,
puisque, dans la nouvelle méthode, toutes les expériences sont
régies par les lois de probabilité qui s’appliquent à la fonction
définie au n ° l.
2° T héorème 49 . i. — Les fonctions Y 0(¿) = | X ( i) | et Y * (i) [et par

suite aussi Y 2(¿)] dépendent du même processus.
Cela est maintenant évident, puisque la méthode de construction

de Y o( é ) que nous venons d’indiquer s’applique sans changement
à Y i( t) . Nous savons déjà que les ensembles <§0et<§, sont stochastique-
ment identiques. O r, dans chacun des intervalles e\y M(¿) a une valeur
constante x , et, comme la loi dont dépend la variation de X ( i) ne
change ni par l’addition d’une constante, ni par le changement de X
en — X , les variations de
Y,(O = M(0 - X(0 = * - X(0
dans un intervalle e\ limité par deux racines consécutives de cette fonc

tion, sont les mêmes que celles de |X (t) | dans un intervalle e'0.
D’ailleurs, d’une manière précise, nous venons de voir que les
conditions de la construction de |X ( f) | dans un e'0 sont parfaitement
déterminées par les formules (6) et (i i). O r, ces formules s’appliquent
à Y ¡(t). Le théorème 49 . i est donc bien démontré, et il en résulte
que tout ce que nous pourrons dire des propriétés intrinsèques
de |X (*)| s’appliquera à Y i ( i ) .
Si, après avoir construit Y ( f ) , nous voulons revenir à X ( i) , il résulte
de ce théorème que nous pouvons procéder indifféremment de deux
manières. Si nous identifions à |X (¿)| la fonction Y ( t ) obtenue, nous
n’avons qu’à choisir un signe au hasard pour chacun des intervalles e ,
les deux signes étant également probables. Si, au contraire, nous
identifions Y (* ) à Y<(¿), il faut, pour chaque valeur de *, déter
miner x = M (f) par application du théorème 4 7.2 ; X (*Jen résulte par
la formule
xrn = MÍO — Yi(0.
ÉTUDE APPROFONDIE DU MOUVEMENT BROWNIEN LINEAIRE. 2 19
Les deux fondions ainsi obtenues seront naturellement différentes ;

mais elles seront régies par la même loi de probabilité, qui est aussi la
même que si Год déterminait X ( i) en partant de sa définition initiale.
3° Détermination effective de la loi dont d é p e n d Y (t) dans un inter-

salle e\ — Désignons cet intervalle par (*«,, i*). Comme les valeurs
données de Y ( f 0) et Y ( i , ) sont nullcs, la densité de probabilité f ( t yx )
relative à Y (t) se déduit des formules (54) et (55). La constante c se
détermine ici facilement, et il vient
l/i—Ma*
I/-W 1-O
(56) _ * ) ( * _ , ) ]'« ■ « ‘ (дг>о).
Par suite,
T héorème 4 9 .2 . — S i Von pose
on a
(5 7 ) î’ r { T ,( 0 < * } = ^ / ^ j T Êî e *<%-
On remarque que la loi ainsi obtenue pour *)(£) est indépendante de t.

Ce résultat pouvait être prévu, d’après le théorème 2. yj(£) est le module
de la fonction £(t ) du n° 2 ; or cette fonction dépend d’une loi qui est
invariante par les transformations homographiques qui transforment
l’intervalle (¿0> ¿1 ) en lui-même. Cette invariance subsiste évidemment
pour la loi de probabilité conditionnelle qu’on déduit de la précédente
en supposant £ ( £ ) > o dans (*o> ¿0 * IL en résulte que la loi dont
dépend y}(;), pour chaque valeur de est invariante par les trans
formations considérées, et par suite indépendante de t.
Le même raisonnement montre que : si t et u sont compris entre to
et ti, la loi à d eu x variables vi{t) et r)(») ne dépend que du rapuort
anharmonique des quatre nombres t et u.
Le processus n’étant pas héréditaire, la loi à deux variables n (t)
et ti( m) détermine d’ailleurs, quel que soit », la loi à n variables yî( m4),
Tî( u2)j . . • ï n ( u n )-
Revenons à la formule ( 6 7 ). On en déduit
(5«) E H ,« > r ! - t / l j f
220 CHAPITRE VI.
et par suite
<*»> E U 1f(«)]'-1 - * ' r ( ^ r 1 ) [ <‘ ~ * - (S ~ -,) ]* •
Si alors T est une variable aléatoire choisie entre £0 et ¿4, . avec

répartition uniforme de la probabilité, on a
E { [Y(T)]/> »= - L - . J ' ‘ e { [Y(<)P { * ,
et, compte tenu de la formule

«
? +1 C* sin^^flûiB
2P
Ç-M
(<!— <«)*
il vient
P p
(60) E {[ Y (T )]i> } = 2_ i r ( f + 1 )
Pour p = 1 , on a en particulier
( 6 i> e {y (t ) 1 = •
On remarque que les formules (58) à ( 6 0 ) ne supposent pas p entier.

Elles sont valables pour n’importe quel exposant supérieur à — 1 .
4° Un calcu l de vérification. — On doit pouvoir, en partant de la

formule ( 56 ), retrouver la loi dont dépend Y ( t ) dans l’hypothèse X (o) = o ,
toute autre condition restrictive étant écartée. L ’intervalle ef contenant t
est alors un intervalle aléatoire ( T 0, T\), dont la loi de probabilité est
donnée par le théorème 44.4* Pour calculer la densité de probabilité
de Ÿ ( t ) , nous n’avons alors qu’à remplacer t0 et par T 0 et T* dans
l’expression (56), et en calculer la valeur probable qui, compte tenu de
la formule ( 2 6 ), s’écrit
r'--tîT=ü <*» r m.-firrô dt'

\/f»(f — t*)JJ\ —
Le calcul s’effectue facilement, en posant

ÉTUDE APPROFONDIE DU MOUVEMENT BROWNIEN LINEAIRE.
cl l’on trouve bien, pour la densité de probabilité de Y ( l) , la valeur
donnée par la formule (5).
50. La fonction sommatoire de X (T ). — i° L a loi de probabilité

de Y ( T ) . — Proposons-nous d’abord de déterminer la loi de probabilité
de la quantité Y (T ) introduite au n° 49, 3°, qui dépend à la fois du
choix de T et de la détermination de Y (£). On peut la déduire de
l’expression ( 6 o) de ses moments. Mais il est plus simple d’utiliser la
formule (56), et de définir cette loi par sa densité de probabilité g{cc),
qui est la valeur moyenne de / ( t , x ) quand t varie de îq à tu* En posant
successivement
t\ — t = (¿ — /0)>‘2, X-+-T = n, — 4=
il vient
<?(*) 37-J
Xf Ue 'dt
rTTïï=^ (>* i)
. r 1- , j f .
/— S .r» oo X*«'1
‘‘ - ‘‘ J e dv
ou enfin
(62) (* > o).
Par suite. :
T héorèm e 50. i . — L a fonction de répartition de Y (T ) est
r*
(63) G(*)= J g(\)di = i - e (x > o).
a® L a valeur probable de f i ( r ) dans un intervalle e '. — Intro

duisons maintenant la fonction sommatoire u(a?) de la fonction X ( i)
dans l’intervalle (<*, t, ), c’est-à-dire la mesure de l’ensemble des points
222 CHAPITRE VI.
de cet.intervalle pour lesquels on a X(£) <c x . Celle de | X (¿|) | = Y 0(i)

est
Ü ('t) =» ü)( j ?) — ü>(— x ) (a r> o ).
Si &x est l’ensemble des racines de X ( l) — x , w(a?) est la mesure, à

l’intérieur de l’intervalle (£0î ¿0 * de la réunion des pour les
quels Ç <C x\ Q (x ) est lié de la même manière à la réunion des pour
lesquels 1£ 1 < x*
La probabilité de Y ( T ) < # , lorsque la fonction Ÿ (J ) est supposée
connue dans ( i 0, tx) et que T est seul aléatoire, est . La probabilité
a p rio ri de la même circonstance, c’est-à-dire G (# ), est donc la valeur
probable de • Par suite :
T héorème 50 .2. — L a mesure Û (x ) de Vensemble des points inté

rieurs à un intervalle e'Q de longueur l et pour lesquels | X(£)| est
in férieu r à x a pour valeur probable
2a**\
№ l G( x ) = / ( i —
S i Von ne connaît pas le signe de X (/ ), la valeur probable

de | &>(#) — a>(o) | est la moitié de Vexpression précédente.
3° Les fonctions x) et Si(s, x ); leurs valeurs probables. —

Nous avons établi (th. 4 7 . 2 ) l ’existence presque sûre d’un nombre
aléatoire s 0 = S 0(£), qui mesure ce que nous avons appelé le voisinage
de à l ’intérieur de l’ intervalle ( o , t) comme, d’après le théorème 4 6 .3‘
et les remarques du n° 47, i°, le nombre Si mesure celui

de & i. Cette fonction S 0(l) étant non décroissante, admet une fonction
inverse que nous désignerons par 0 O($). Comme nous l’avons déjà
remarqué à propos du théorème 4 7 . 2 , les propriétés stochastiques
de S 0(*) sont identiques à celles de (i). Celles de 0 o(s) sont
donc identiques à celles de T T (a?) étant la fonction définie

au n° 42,3° et étudiée au n° 46; la loi de probabilité dont dépend 0 o(s),
pour chaque valeur donnée de s, résulte donc de la formule ( 12 ).
Nous désignerons respectivement par «($, x ) et x ) les fonctions
sommatoires de X ( l) et | X ( l) | dans l’intervalle [o , 0 o(s)]. Proposons-
nous de calculer leurs valeurs probables. Les points pour le s
quels | X ( i ) | < * , en négligeant l’ensemble de mesure nulle &0} se
ÉTUDE APPROFONDIE DU MOUVEMENT BROWNIEN LINEAIRE. 223
répartissent entre différents intervalles e'0, dans chacun desquels on peut

appliquer le théorème 50.2. Comme Q(s, x) est la somme desQ(â?)
relatifs à ces différents intervalles, et que le nombre probable de ceux
s
dont la longueur est comprise entre l et d l est - l * dl, il vient
2
a .r » 3
E { Û(s, x) î = s Ç ( i —e 1 ) d y/? =• 2 sx* f e 1 l -dl
= sx\J2 J* ' e~uxjT~ l du = sx ^ 2 V
c ’est-à-dire
65) E { Q (s , x ) ) = \Ii k $x .
Comme | X ( i) | < x a une chance sur deux d’entraîner o < X (i) < x y
on en déduit
( 66 ) E*{ <*>(*, x ) — 0)(s, o) } 3= ^ ^ s x .
4° La dérivée de w(s, x ). — La formule ( 6 6 ) sert de base àla démons

tration du théorème suivant :
T héorème 50.3. — I l est presque sûr que w(s, x ) admet par
rapport à x une dérivée égale, p o u r x = o, à ^ ^ s. P ou r une valeur
quelconque de x , la dérivée de <*>[S0(f), x ] est de même sx

étant le nombre lié à Vensemble &x des racines de X (f) = x comme s0
est lié à Vensemble & 0.
Nous nous contenterons d’indiquer le principe de la démonstration,

en renvoyant pour les détails à noire Mémoire déjà cité (7).
Le rapport
ü>($, x ) — to(j, o)
( 67 )
qu’il s’agit d’étudier, est la somme des termes relatifs aux

x
différents intervalles e'0. Quand x tend vers zéro, chacun de ces termes
tend en probabilité vers zéro, d’après le théorème 5 0 .2 (on sait que, si
la valeur probable d’ une grandeur aléatoire positive tend vers zéro,
cette grandeur tend en probabilité vers zéro). On montre qu’il tend
même presque sûrement vers zéro. On peut donc négliger un nombre
(7) P. L év y [18], p. 33p-339.

22 \ CHAPITRE VI.
arbitrairement grand de ces termes, et par suite négliger tous les inter
valles e \ de longueurs supérieures à un nombre arbitrairement petit /0.
Or, d’après la définition même de s, le nombre N (i) des intervalles e'0
de longueurs l < loy est un infiniment grand presque sûrement équivalent
à sa valeur probable théorique. Les déterminations de X (Q dans ces
différents intervalles, si l’on définit X (l) par la méthode du n° 49,
résultent d’expériences indépendantes les unes des autres. Les différents
termes — sont donc indépendants les uns des autres. Ils sont
x* it> ( a ? ) — ü> (o )
d’ailleurs très petits, si x est petit; si en effet -y- est petit a.
x
d’après le théorème 5 0 . 2 , sa valeur probable équivalente à x ; dans le
cas contraire ce rapport, sûrement inférieur à - > est petit. Il résulte
alors de la loi des grands nombres que les différentes valeurs possibles
de ce rapport sont réalisées avec des fréquences à peu près proportion
nelles aux.probabilités théoriques, et leur somme diffère très peu de sa
valeur probable sj donnée par la formule ( 6 6 ).

On arrive ainsi à
lim a?)— fa)(j, o)
( 68) Pr
X->-0 Xi
Si maintenant on revient à la variable ¿, en désignant par
?(*, x ) = c*)[s0(O, x ]y
la fonction sommatoire de X(r) dans l’ intervalle (o, t), oh peut écrire
<« V f « * > } -■ •
On remarque que cette formule est absolument indépendante de la

valeur initiale de X (f), pour t = o. Quelle qu’elle soit, , o) e tS 0(f)
sont nuis jusqu’à la première racine de X(£), et croissent ensuite
simultanément dans l ’ensemble ê 0. La formule (6 9 ) peut donc s’appliquer
à la fonction X (l) — x aussi bien qu’à X (l), ce qui établit la seconde
partie du théorème 50.3.
5° Rem arques. — Nous avons déjà observé que sQpeut être considéré
comme une mesure du voisinage de l’ensemble ê 0 ; c’est une mesure
intrinsèque, qui ne dépend que de cet ensemble lui-même. Nous voyons
maintenant que s 0 mesure aussi la réunion des &x voisins de & 0. Si eh
effet or est infiniment petit, la réunion des ^ ( o < Ç < j ? ) est presque
ÉTUDE APPROFONDIE DU MOUVEMENT BROWNIEN LINÉAIRE. ‘2<>э
sûrement, d’après le théorème 30.3, un infiniment petit équivalent
Remarquons aussi que, si l’on se contente de démontrer l’existence

d’une dérivée aléatoire (en probabilité, ou en moyenne) de co($, ¿r), la
démonstration se simplifie beaucoup. La nature stochastique du rapport
Q)(sn, x) — b>(sn>o)
Sn&
ne dépend en effet que du rapport— « Au lieu de faire tendre x vers

zéro, nous pouvons laisser x fixe, et faire augmenter sn indéfiniment.
Or, pour sn= nsA, ce rapport apparaît comme la moyenne de n rapports
analogues indépendants, relatifs chacun à des intervalles £v)> et
qui dépendent tous de la même loi. Leur moyenne tend (en probabilité,
ou en moyenne), vers la valeur probable déduite de cette loi, qui
esll / r
6 ° A pplication à Y i (l). — Le théorème 50.3 entraîne naturellement
un résultat analogue pour £i(s, x) \ on a
Pr { Q'æ(s, o) = v/2 ^ 5 } = 1 .
Compte tenu de l’ identité stochastique de |X (i)| et Y ,(* ), on voit

que :
T héorème 50-4« S i Û ,(J , x) est la mesure de Vensemble des
—
points de Vintervalle ( o , t) pour lesquels Y K( t ) < #, on a
( 70) I>rj lim H liÎ2- £ > = 2 M ( o l = i.

( .r>0 X )
Ainsi le même nombre s x= l / - M(*) mesure à la fois le voisinage

^ 1
intrinsèque de l ’ensemble & K des racines de Y 4(£), et l’ensemble des
points où Y*(/) est très petit. Tandis que le hasard intervient dans les
longueurs des intervalles e\, les lois des grands nombres s’appliquent
dans & i, et il y a proportionnalité rigoureuse entre la croissance
de Si = S i(j) et celle de M(*).5
1
51. L a' loi du logarithme itéré. — 1 °-L e théorème de A . K hintchine.

— S i X (o ) = o, pour une valeur positive donnée de t , la variable
réduite %(t) = qui dépend de la loi de La place réduite, a trèé peu
v*
226 CHAPITRE VI.
de chances d’être très petite ou très grande. Mais quand t varie, la répé
tition des expériences, qui fait que £(i) a presque sûrement une infinité
de racines, peut aussi réaliser des valeurs très grandes, et il n’y a pas
lieu de s’attendre à ce que £(l) soit borné. La question se pose alors de
déterminer une fonction de t qui, pour t assez grand, soit une borne
supérieure presque sûre de £(£). Ce problème est résolu par le théorème
suivant, dû à A. Khintchine ( 8), et qu’on appelle loi du logarithme
itéré.
T héorème 51.i. — S i c > i , i l existe presque sûrement un
a.
nombre T tel que, pour t > T , on ait
(70 « 0 < c v/îlog logt.
b . S i c C v/2 log logf.
Ën d’autres termes, on a
( 73) Pr j Km. sup. *(*)—# = « I - 1•

( y 2 log *Ogt )
Dém onstration. — a . Posons tn= qn( q '> 0 et
Mn= M axX(i).
t<u
D ’après la formule (5 ), on a
X*
P r { M n^ X)/Fn\ = ^ j me * ^ < y / ê jr « =
et par suite,
«« = Pr j M „ ^ c loglo gtn-Ti | <
| *n=C^/'l\og.[(n — Olog^r]
c ’est-à-dire
r*
~l)logq] f z n~‘ tf (n-voo, k = const. ).
*n<
tjlogn
(•) A . K hintchine, [1].

ÉTUDE APPROFONDIE DU MOUVEMENT BROWNIEN LINÉAIRE. 22"
Comme c > i , on peut choisir q de manière que i < 9 < c*. La série
I a n est alors convergente. D ’après le lemme de Borel-Cantelli, il existe
donc presque sûrement un nombre N tel que, pour n > N, on ait
M i < C \ / 2 tn -i lo g lo g fM_ l9
et par suite, pour i i> T = comme tout i > T est compris dans un
intervalle ( tn , tn) avec n > N),
(74) X (0 ^ Mn < C fa tn -i log logÎ/,—1 < c / 2 1 lo g lo g l. C. 0. r . D.
Celte formule s’appliquje naturellement aussi à — X (*), et par suite

aussi à |X ( l ) |.
b. Posons Xyj = X ( £/t) — X ( in_i)- Les quantités X* sont indépen

dantes les unes des autres, ce qui nous permettra d’appliquer le second
lemme de E. Borel é l’étude des probabilités
Pn — Prj > x nl / “ = —7= - f e 2 clx ---- 1— ; e - (#«-><»).

' v ” / V2nJXn Xni/2K
Pour
&n = C' ^ 2 log log = c' ^ 2 l0 g(/l log /vi C* \j*L log/l o),
on a
1 ^
¡3/1 ~ ----- 1 = ( n log q )“ t'* ~ (n logg)-“^* (/i -> » , A: = const.).
a?/iV2 7c y^log/iS
i
Si donc c7^ 1 , (3n est le terme général d’une série divergente, et, d’après
le lemme de Borel, on a une infinité de fois
tn log log/„ .
x" > * '\ A v
D ’autre part, d’après la formule (74)? appliquée par exemple pour
c = 2 , on a, pour n assez grand,
I X(<„_,)| < 2 y/2 <„_! lo? log<„_, < 2 ^ / 2 .” log login,
et par suite,
X ( < „ ) ^ x „ _ I X ( < n_ ,) | ^ ( c ' ^ / y / *ta l o g l o g i n -
O r, si C c vîloglogi. ci q. r. o.
Comme la formule ( 7 4 )? cette formule s’applique aussi à — X (f).
2 0 Résultats p lu s précis. — Des méthodes tout à fait analogues

permettent de démontrer que :
3
T héorème 5 1 .2 (°). — S i c ' > - * il existe presque sûrement un
nombre T tel que, pour t > T , on ait
<7 6 ) X ( 0 < s/ïtiXo&t + c' logiO»
log„ t désignant le logarithm e itéré n fo is . S i c '< - * il existe presque

sûrement des valeurs arbitrairem ent grandes de t pour lesquelles
on ait
(77) X(f)> ^^(logîi-hc'logaO*
La méthode est absolument analogue à celle que nous venons d’indi

quer pour le théorème de A. Khintchine. Seulement, à la suite des nom
bres tn= q", il faut substituer, pour la première partie, une suite moins
rapidement croissante, en prenant par exemple l o g f * = j j ^ 5 et? au
contraire, pour la seconde partie, une suite plus rapidement croissante,

en pr&ïMrnt par exemple tn= n !, ou log tn = n log log tn.
Ce théorème, que nous avons démontré en 1980 , a été encore
précisé depuis. Nous avons vu en effet au n° 21 que des résultats de
I. Petrowsky et A. Kolmogoroff permettent de dire de n’importe quelle
fonction non décroissante *}(t ) si est, ou non, une borne
supérieure presque sûre de X ( f) , pour t assez grand. On trouve ainsi,
notamment, que la formule ( 7 7 ) reste presque sûrement valable pour
3
des valeurs de t arbitrairement grandes, pour ^ ( 10).
3° Rem arques. — Les résultats qui précèdent sont en relation avec
l ’étude de l’ensemble & 0, car les grandes valeurs de |X(£)| n’ont de
chances d’être réalisées que pendant les grands intervalles e'0. Ces
<*) C f . P. Lévy, [5].

( 10) Rappelons aussi que, comme nous l’avons déjà dit dans la note (7 ) du n° 21,
Vf. F eller [2 et 3], en perfectionnant la méthode directe* que jaous venons d’exposer,
a retrouvé les résultats de A. Kolmogoroff, et a défini avec précision les conditions de
leur extension à des processus plus généraux (Note ajoutée à la correction des épreuves).
ETUDE APPROFONDIE DU MOUVEMENT BROWNIEN LINÉAIRE. 229
intervalles, à partir d’une racine quelconque de X ( i) , dépendent tou

jours de la même loi; mais la répétition des expériences favorise la réa
lisation des cas rares, et c’est pour cela que, quand t croit, on trouve
des intervalles de plus en plus longs. Le rôle que jouent les grands
intervalles dans la répartition d’un intervalle (o, t) en intervalles e'0 est
d’ailleurs, relativement, toujours le même.
D ’une manière précise, si l’on exprime t en fonction du paramètre sQ
du n° 4?7, et si L t (s), L 3($), . . . sont les plus grands sauts de la fonc
tion 0 O(s) dans l’intervalle (o, s0), rangés par ordre de grandeurs
décroissantes, la loi à n -h 1 variables
t e 0(s ) L i ( î ) L » ( 0
c - T = - 7 “T “T T “
est indépendante de s0. Par suite, en éliminant s0, la loi à n variables

U L»
L 4, L a, . . . , Ln étant les longueurs des plus grands intervalles e'0 inté

rieurs à ( 0 , t), est toujours la même. Si donc sur l’échelle logarith
mique (en prenant log* comme abscisse), on considère les intervalles
qui correspondent aux e'0, le rôle des grands intervalles est le même
dans toutes les parties de l ’axe des lo g i; ceux dont la longueur dépasse
une valeur déterminée X ont presque sûrement une fréquence qui tend
(à droite comme à gauche) vers une limite positive, d’autant plus
petite que X est plus grand. Les grandes longueurs, même sur l’échelle
logarithmique, finiront par être réalisées. Ce sont les grands inter
valles e'0 ainsi obtenus, c’est-à-dire ceux dont la longueur est grande par
rapport à la durée qui les a précédés (comptée à partir de t — o), qui
sont favorables à la réalisation des grandes valeurs de |X (/)|. Si, en
effet, M désigne le maximum de | X(£)| dans un intervalle e'0 de lon
gueur /, ^ dépend d’une loi indépendante de L
Une autre manière d’étudier la fréquence, pour une suite de valeurs
croissantes tn de t, des grandes valeurs de X(£), par exemple de celles
qui dépassent \/2. t log logi,
O ï est de revenir à la
------------ série
------
XPr { X ( /„ ) > \Jit log logV/j)•.
Cette série, en prenant par exemple tn= n \ ^ est divergente; d’une

manière plus précise, son terme général est équivalent à
1
-------------------------y = J
2/1 l o g /1 y n lo g l o g / l
23o CHAPITRE VI.
de sorte que la somme des n premiers termes est un infiniment grand
équivalent à • O r elle représente le nombre probable des réa-

lisations des grandes valeurs de X ( i) , pour les n premiers nombres fv.
L ’ordre de grandeur probable du nombre T n qui correspond à la v,ème
de ces réalisations est donc défini par les formules
(7«) Tv= n !, log log /1 = jev*.
On voit que T v croît très rapidement avec v. On trouverait naturel

lement une croissance bien plus rapide encore si Ton étudiait les réali
sations de
2 ¿(logj t -4- jlOgîO*
Observons, bien entendu, que toute réalisation d’une inégalité de cette

forme implique qu’elle reste réalisée pendant un intervalle. Mais les
réalisations relatives à deux valeurs tf et /" ne sont presque indépen
dantes que si lo g j"— log*' est grand. C ’est pour cela qu’il faut consi
dérer une suite de nombres croissant comme les factorielles. En prenant
tn — 2 nj par exemple, on trouverait pour T v des valeurs moins rapide
ment croissantes; mais les valeurs obtenues seraient presque toutes
groupées en groupes comprenant chacun plusieurs tn consécutifs, et
c'est le nombre de ces groupes, qui est inférieur à v, qu’il faudrait
considérer.
4° L 'étu d e locale de X(£). — Les propriétés de la fonction réduite

i(t) = dans l ’hypothèse X (o ) = o, sont invariantes par le chan
gement de t en Ce théorème, qui est un cas particulier du théo-

C
rème 2, se démontre plus simplement encore que ce théorème. Il résulte
évidemment de ce que la loi à deux variables £(*) et £(£') ( ¿ > o, o)
est uiie loi symétrique, et qui ne dépend que de — On obtient donc,
pour la suite des nombres E(7 n), les mêmes propriétés que pour la suite
d es^ (y_n). Comme q — 1 est arbitrairement petit, la fonction %(eu) a
les mêmes propriétés que £(e'"w); elle dépend d’un processus stationnaire,
et invariant par le changement de a en — u,
le s résultats obtenus pour l’étude asymptotique de X ( l) donnent
alors, par le changement de t en des théorèmes sur l’allure de cette
fonction au voisinage de l’origine. Ainsi, il est presque sûr que X (f)
ÉTUDE APPROFONDIE DU MOUVEMENT BROWNIEN LINÉAIRE. 23l
a u n e in fin ité d e r a c in e s a r b itr a ir e m e n t p e tite s , e t q u e V o n a
(7 9 ) lim s u p — = ^ y = = = 1.
/>0 y^2f lo g | lo g £ |
D e s é n o n c é s a n a lo g u e s s’a p p liq u e n t à X ( £ ) — X ( / « ) q u a n d i te n d
v e rs u n e v a le u r ¿0 d o n n é e , s o it p a r v a le u r s p lu s g ra n d e s , s o it p a r v a le u rs
p lu s p e tite s . C e la n e v e u t p a s d ire q u ’ils s o ie n t v r a is à la fo is p o u r to u te s
le s v a le u rs d e t 0. A i n s i u n e v a le u r d o n n é e t0 e s t p r e s q u e s û re m e n t u n e
ra c in e d e X ( i ) = X ( J 0 ) q u i n ’e s t is o lé e n i à d r o ite n i à g a u c h e ; m a is il
y a s û re m e n t u n e in fin ité n o n d é n o m b ra b le d e v a le u rs d e t0 p o u r
le s q u e ls ta e s t u n e ra c in e d e X ( / ) = X ( £ 0 ) i is o lé e , s o it à d r o ite , s o it
à g a u c h e ; c e s o n t le s e x tré m ité s d e s in te rv a lle s e'x q u i s é p a re n t le s
ra c in e s d e X ( i ) = x ; e t il y e n a d a n s to u t in te rv a lle q u i s o n t is o lé e s
à la fo is à d r o i t e e t à g a u c h e ; c e s o n t le s v a le u r s d e t q u i c o rre s p o n d e n t
a u x m a x im a e t m in im a d e X ( l ) .
A u s s i p e u t-o n s e d e m a n d e r s ’il n ’y a p a s a u s s i p re s q u e s û r e m e n t d e s
v a le u rs e x c e p tio n n e lle s d e t0 a u v o is in a g e d e s q u e lle s la fo r m u le ( 7 9 ) n e
s ’a p p liq u e p a s à X ( £ ) — X ( / 0 ). N o u s n e c r o y o n s p a s q u ’o n a it ré s o lu
ce p r o b lè m e . M a is il s e m b le p r o b a b le q u e ce s v a le u rs e x c e p tio n n e lle s
n ’e x is te n t p a s . S i e n e ffe t c e tte e x c e p tio n é ta it ré a lis é e , e lle le s e ra it s a n s

d o u te a u v o is in a g e d e s e x tré m ité s d e s in te rv a lle s e [x , p u i s q u e l e s g r a n d e s
v a le u rs d e | X ( J ) — X ( £ u ) | s o n t p lu s p ro b a b le s q u ’a u v o is in a g e d ’u n
p o in t t0 q u e l c o n q u e . O r l’é tu d e d e ce ca s p r o u v e q u e la lo i d u lo g a
r ith m e ité ré s u b s is te s a n s c h a n g e m e n t.
M a is e n t o u t c a s , le n o m b r e r te l q u e 11 — t 0 1< t e n tra în e
(8 0 ) | X ( / ) - X ( N ) | < c y / a | < - / . | l o g l o g j _ L _ j (°>0
n e s a u ra it ê tre c h o is i in d é p e n d a m m e n t d e ¿0 > e t il e s t p r e s q u e s û r e m e n t
p o s s ib le d e d é t e r m i n e r d e s i n t e r v a l l e s ( f 0 > t) a r b i t r a i r e m e n t p e t i t s e t p o u r
le s q u e ls l ’in é g a lité ( 8 0 ) s o it e n d é fa u t. S ’il n e s’a g it p a s d ’in te rv a lle s
d o n t u n e e x tré m ité s o it fix e , le s g ra n d e s v a le u rs d e | X ( i ) — X ( f 0 )|
s o n t d e l’o r d r e d e g r a n d e u r d e
v A i f — g r r b 7 n »
le lo g a r ith m e s im p le r e m p la ç a n t le lo g a r ith m e ité ré . E n d ’a u tre s

te r m e s , t0 e t t é ta n t to u s le s d e u x v a ria b le s d a n s u n in te rv a lle fin i,
23 2 CHAPITRE VI. — ÉTUDE APPROFONDIE DU MOUVEMENT BROWNIEN LINÉAIRE.
on a presque sûrement
lim su p
X (0 -X (* o ) = I.
(« 0
Nous renverrons, pour la démonstration de cette formule, à notre

précédent livre ( 14 ).
( l l ) P. L évy , [11], p. 16 8 - 1 7 2 .
CHAPITRE VII.
LE MOUVEMENT BROWNIEN PLAN (>).
— 52. L’allure générale de la courbe C. — 3. Mesure superficielle et

S o m m a ir e .
oscillation brownienne. — 54. La fermeture de la courbe C. — 55. L’aire stochas
tique de la courbe G. — 56. Propriétés intrinsèques de la courbe C. Représentation
conforme et problèmes aux limites.
52. L 9allure générale de la courbe C . — i° D éfinition et construction

de C . — Nous appellerons courbe du mouvement brownien p la n ,
et désignerons par G, la trajectoire d’un point mobile A (t) (ou
simplement A ), dont les coordonnées X* (¿) et X 2(f ) sont des fonctions
du type étudié au chapitre précédent, indépendantes l’une de l’autre.
Si t augmente de r le déplacement de A est un vecteur =
dépendant de la loi de L ap lace isotrope, le paramètre dont dépend
cette loi étant défini par la formule
(1) E { ^ | = E{(AX1) ^ (A X .)21 = 2t;
on en déduit, en désignant la longueur de ce vecteur par R = R (r),
_£!
(2) P r { R ( 0 > PV/f} = * * ( p > o).
La construction de la courbe C peut se faire par des interpolations

successives. Si A 0 = A ( i 0) et At = A(£t ) sont connus, la position
de A , pour une valeur de t comprise entre t0 et t{, est définie par
_{t\ — f)OAo-+-(f — f0) O A t

(3) "( 0 ‘S
fi— h
où
(4) « w -v /f e - g - T 0 -
(I) c/. P. L évy, [191.

P. LKVY. 1«
»34 CHAPITRE VII.
et où ë est un vecteur laplacien réduit, c’esi-à-dirc un vecteur dépendant

de la loi isotrope définie par la formule ( 2 ), écrite pour t = 1 . Si, en
effet, on sépare les deux composantes du vecteur ainsi obtenu, on
retombe sur la construction du mouvement brownien linéaire décrite
au n" 1 .
Il résulte immédiatement des résultats du Chapitre 1 sur le mouve
ment brownien linéaire, que la construction qui précède conduit
presque sûrement à une courbe continue, et que le coefficient de
corrélation O A n et O A t [si O = A (o ) et si o <C £0< ¿i] est
<s{0Aq. q à 1 } = é i \ , ( / n ) \ i ( M - + Xh M > ^ (M i
V^TOAJ j& !OAf j zy /TJl
Le théorème 2 s’étend aussi immédiatement au mouvement brownien

plan.
20 L a
distance R = OA. — Pour chaque valeur donnée de t,
R (i) dépend de la loi définie par la formule ( 2 ). Si Ton considère une
suite de valeurs de t croissant en progression géométrique
(donc tn = ti)qn avec <7 > 1 ), les différentes valeurs possibles du
rapport
pn
\/tn
sont réalisées avec des fréquences qui tendent presque sûrement,,
pour n infini, vers leurs probabilités théoriques. Cela résulte de ce
que, si 71 — /¿'estgrand, OA„ et OA«' [en posant A(^/l) = A /J], et par
suite pn et p«/, sont presque indépendants; dans la suite des pn, chaque
terme n’est donc en corrélation appréciable qu’avec un nombre fini
de termes voisins. On sait que dans ces conditions la loi des grands
nombres s’applique, donc :
T héorème 5 2 . 1 . — L a fiéq u en ce des pn supérieurs à p tend presque

sûrement vers la probabilité théorique ( 2 ).
On en déduit aisément que : la moyenne de p (ou de p2), sur

Véchelle logarithm ique, tend presque sûrement vers la moyenne
théorique déduite de la form ule ( 2 ) ^soit pour p, et 2 , pourp2^.
Il ne saurait être question d’énoncés analogues pour des valeurs
de t variant en progression arithmétique, ou pour des moyennes sur
l’échelle des t. On trouverait pour les fréquences ou pour les moyennes
des oscillations dues au fait que, si une grande valeur de p se trouve
LE MOUVEMENT BROWNIEN PLAN. 2 35
réalisée, p reste grand sur un intervalle d’ une grande étendue sur

l’échelle logarithmique.
Au sujet de ces grandes valeurs, la loi du logarithmique itéré
s’applique dans les mêmes conditions que pour chaque composante
de O A , c’est-à-dire que :
T héorème 52.2. — S i c > i , il est presque sûr que Vinégalité
( 5) R(/) < c sjit loglog t
est réalisée pour tout t assez g ra n d . S i c ^ i , il est au contraire

presque sûr que Vinégalité contraire
(6) R (¿) >^ CV^2Î loglog t
est réalisée pour des valeurs arbitrairem ent grandes de t .
La seconde partie du théorème est évidente : toute borne inférieure

de |X i(£)| étant a fo r tio r i une borne inférieure de R (*), le résultat
énoncé résulte du théorème 5 1. i .
Pour démontrer la première, désignons par 6L l’éventualité que
l’inégalité (5) soit en défaut pour des valeurs arbitrairement grandes
de t, et par (33v l’éventualité que, pour des valeurs arbitrairement
grandes de t , on ait à la fois
. ? JC 2 3C
R ( i ) ^ c v / 2 / J o g l o ^ (v — i ) — ^ 8 < v — - (v = i , 2 ,
/t /1
0 étant l’angle de O A avec O#*, compté de zéro à 27r, et n un nombre

entier arbitrairement grand. Si CT e6t réalisé, un au moins des est
réalisé, et comme, à cause de l’isotropie du processus, tous les ont
la même probabilité, si Pr j (¿1} est positif, Pr { Ûbi j l’est aussi, de sorte
qu’il y a une probabilité positive que l’on ait, pour des valeurs de t
arbitrairement grandes,
(7) Xi (/) > R ( i ) cos > c \/2/loglog t ^c' = c cos
Si c > 1 , on peut prendre n assez grand pour que l’on ait aussi c' > 1 ,
et l’inégalité ( 7 ) est en contradiction avec le théorème de A. Khintchine
( 5 1 . 1 ). Donc, si c > 1 , Pr | CX = o, c. q . f . n.
Ainsi, au .moins au degré d’approximation du théorème 5 1 . 1 , les
grandes valeurs de R (*) ne sont pas plus grandes que les grandes
valeurs de X 4( i) ; mais elles seront réalisées avec une fréquence
tendant moins rapidement vers zéro.
236 CHAPITRE VII.
3° L 'a n g le polaire Q„. — Désignons par l’angle A„_ î O A n,

compté de — n à -h?: (la probabilité de la valeur étant nulle, il
est indifférent d’écrire — 7i ou -f- r ) , et posons
= *1 •+■ a 2 “h • . . -+- ?
c’est un des angles polaires du point A„.
Le point A n est l’extrémité du vecteur
A/i—i A„ = vn sjqn~' (q — i ).
çn étant un vecteur laplacien réduit, indépendant de OA,t_t. On en

déduit que la forme du triangle O A /lw|A n> et par suite l’angle a„,
dépendent d’une loi qui ne dépend que de p*^. Les différentes valeurs
de on-\ ayant des fréquences qui tendent presque sûrement vers les
probabilités théoriques résultant de la formule ( 2 ), il en résulte pour a,,,
en moyenne, une loi bien déterminée, pour laquelle
E { « ;, } = 0, E { a J j = iT* (o < * < : : ) .
On a, par suite,
( 8) 0nînvs/n,
in dépendant d’une loi qui tend, pour n infini, vers la loi de Laplace
réduite.
Les variations de 9n sont, de plus, comparables à celles du gain dans
une partie de pile ou face. Les différentes valeurs possibles de sont
d’ailleurs réalisées successivement, dans les mêmes conditions que
celles de p/Met la loi du logarithme itéré s’applique aussi, de sorte que 9/t
osctHe entre des grandes valeurs positives gt( i -}-e)y/ 2 /iloglog/i et des
grandes valeurs négatives — <7(1 s) y/2 /ilogIogn, e tendant vers zéro
pour n infini. Les unes et les autres sont rares, i n étant en général fini.
Ces remarques donnent une idée de la manière irrégulière dont,
presque sûrement, la ligne polygonale A 0 A , . . . À«. . . tourne autour
de O.
4° L 'a n g le polaire 9. — Nous désignerons par 9 = 0 ( 0 l’angle

polaire du point A(£), compté à partir de O A 0; il varie d’une manière
continue (pour t ;> o), sauf si la courbe C repasse en O ; nous verrons
au n° 53 que la courbe C est un ensemble de mesure superficielle nulle;
on en déduit que son passage en un point donné a une probabilité
nulle; il est donc infiniment peu probable qu’elle repasse en O.
LE MOUVEMENT BROWNIEN PLAN. 237
Posons
fin “ Û( t:i ) — ®( ^/¿—l )•
Cet angle diffère de <xn par un multiple de 2 tt, qui peut évidemment
n’être pas nul; le contour fermé constitué par l’afc A rt_i A n et sa corde
peut en effet entourer l ’origine. Remarquons d’ailleurs que n’importe
quel arc de courbe continu est, avec une probabilité positive, un tracé
approché de l’arc A j^ A ^ ; il y a donc, si A,i_i est connu, une proba
bilité positive 9 a( pa), que (3„ — <xn ait une valeur donnée 2 A tt, de sorte
que la condition
2 A tu (A = O, =t I, ±. 2 , . . . )
est presque sûrement réalisée avec une fréquence tendant vers sa

probabilité a p r io r i, E j <p/t(p/i) j, qui est positive.
Une étude plus complète montre que E j ¡3* j est infini, d’où il résulte
que l’ordre de grandeur à prévoir pour | 0 ( f) j est supérieur à celui
de v * (» ).
5° V a llu r e de la courbe C au voisinage d yun point donné. — Nous
nous placerons d’abord au voisinage de l’origine 0 - = A ( o ) ; la
remarque qui nous a servi de point de départ pour l’étude locale
de X ( f) (n° 51, 4°) s’applique évidemment ici : les propriétés stochas
tiques de la fonction vectorielle réduite sont invariantes par le
changement de t en - i de sorte que la forme probable de la courbe C au

voisinage de l’origine se déduit des résultats obtenus sur sa forme
{*) Cf. P. L é v y [19], p. 5o5. Indiquons brièvement que la démonstration repose

sur le fait que
E j _ï_\ = r e- K it = M .
(OASIS J 0 - ?
Si q — 1 est petit, l’angle a = A0OAn ou bien n’est pas petit, ou bien est comparable
à sa tangente
! a —-
— 1 (OH0= OA0-h<- \!q — 1 ; ; et r, sont deux variables laplaciennes
réduites indépendantes l’une de l’autre). La valeur probable de —j y, comme celle
de est infinie, et l’on en déduit que celle de a2, nécessairement finie, est, quand
OA 0
q — 1 tend vers zéro, grande par rapport à q — i^ lo g ÿ .
Si alors, t0= 1 et t étant donnés, on pose t ~ qnt et si n augmente indéfiniment, de
sorte que q — 1 tend vers zéro, l’angle A (o)O A (0 apparait comme la somme de n
angles ot.y indépendants, a2{ av} étant grand par rapport à logtf = . La valeur quadra
tique moyenne de cette somme augmente donc indéfiniment avec /1, c’est-à-dire que
celle de 8(f) est infinie.
ÏS$ CHAPITRE VII.
à rinfini. Les raisonnements qui précèdent s’appliquent d’ailleurs tout

aussi bien à une suite de valeurs tn constituant une progression géomé
trique décroissante, qu’au cas d’une progression géométrique croissante.
Tout ce que nous venons de dire sur l’angle polaire 0 (t) subsiste
donc sans changement quand t tend vers zéro. Le point A (¿) ne tend
vers le point O qu’en tournant autour de lui, tantôt dans un sens et
tantôt dans l’autre, de sorte que 0 (г) n’est borné ni inférieurement, ni
supérieurement.
Ce résultat s’applique évidemment aussi à la manière dont A(£) tend
vers À(£0) quand t tend vers t0 (soit par valeurs positives, soit par
valeurs négatives), à condition bien entendu que Л, ne soit pas distingué
a p riori par une circonstance exceptionnelle, comme par exemple de
rendre maxima ou minima une des coordonnées du point A(£). Cette
remarque montre l’extraordinaire complexité de la courbe C, dont il
est imposible d’imaginer tous les détours infiniment petits. D ’ailleurs le
seul fait que n’importe quel arc de C, si petit qu’il soit, a une longueur
infinie, permet de prévoir cette complexité.
On en déduit aisément que n’importe quel arc de C a, presque
sûrement, une infinité de points doubles. Sans doule ce que nous avons
dit sur la variation de l’angle polaire 0 s’applique à certaines courbes
sans points doubles, comme celle de von Koch. Mais l’application d’une
loi mathématique précise peut faire ce que le hasard ne peut pas faire;
il faut, pour qu’il n’y ait pas de points doubles, que le point A (/) se
déplace constamment au voisinage de son parcours antérieur sans
jamais le recouper; le hasard ne peut pas faire cela.
Il n’est d’ailleurs pas difficile de le démontrer d’une manière
rigoureuse. Nous avons déjà observé que n’iiuporte quel arc de courbe
a une probabilité positive d’ètre une forme approchée de l’arc A ( i) A (i').
La probabilité que cet arc ait un point double est donc positive, et
évidemment indépendante de / ' — t (puisque le processus ne change
pas si l’on change t en -4-Л et O A en XOA). Considérons alors une
suite de valeurs r,t de croissantes, et ayant une limite t\ les différents
arcs A (r„) A ( t,i п1) ont des formes indépendantes les unes des autres, il
résulte alors du lemme de E. Borel qu’il y a presque sxïrement une
infinité de ces arcs qui ont des points doubles. Il y a donc presque
sûrement une infinité de points doubles sur l’arc A ( t i ) A ( 0 ; donc
aussi sur n’importe quel arc A ( i) A ( f') . 6
6 й Les aires S etRemarques diverses. — Désignons par S (¿„, /)

l’aire entourée par Гаге А(Л>) A (/) et par 2(/„, t) la plus petite aire
convexe contenant cet arc. L ’étude de ces aires, et notamment de leur

mode de croissance quand t croît, soulève beaucoup de problèmes
intéresssants. Nous nous bornerons à quelques remarques simples.
Pour une valeur de t choisie au hasard, A (£) est, presque sûrement,
d’après ce qui précède, intérieur à S(£„, £), et par suite à 2 (£0, t ), et
ces aires ne varient pas au voisinage de la valeur de t considérée. Elles
sont donc constantes dans des intervalles constituant deux ensembles
dont les compléments sont de mesure nulle.
Nous verrons au n°o3, i ü, que la mesure superficielle de la courbe C est
nulle. Il en résulte que l’aire S (£«, t) ne croît que par sauts, ces sauts
ne pouvant se produire que pour des valeurs de t correspondant à un
point double, quand une boucle [non intérieure à S(£0, t — o )] se
ferme. L ’aire ¿), au contraire, ne peut que croître d’une manière
continue; les valeurs de t au voisinage desquelles elle croît constituent
donc un cnscfiibla parfait discontinu, de mesure nulle.
L ’aire 2 (£<m 0 ne peut croître que quand S(£0> t) croît. Par suite cet
ensemble parfait discontinu est contenu dans la fermeture de l’ensemble
dénombrable des valeurs de t qui correspondent aux sauts de S (£„, t ).
Les points doubles étant partout denses sur C, aucun arc continu de
cette courbe ne peut constituer la frontière de S(¿0> ¿1 )- Les points
doubles sont donc aussi partout denses sur cette frontière. Tous les
points de celte frontière sont naturellement accessibles de l’extérieur,
ce qui leur donne le caractère de points exceptionnels sur C ; mais la
plupart ne sont accessibles que par des chemins très compliqués, le
long desquels l’angle polaire n’est pas borné.
L ’aire S (t0, it) est évidemment divisée par l’arc A(£ 0)A (£ ,) de la
courbe C en aires partielles sni dont le nombre est presque sûrement
infini, et ce que nous venons de dire du contour de S(£0, t<)
s’applique à toutes ces aires. L ’ensemble des contours de ces aires
forme, sur l’échelle des t, un ensemble de mesure nulle. Une valeur
de t choisie au hasard correspond à un point qui n’est presque
sûrement sur aucun de ces contours, mais qui est limite d’une infinité
d’aires sn séparées les unes des autres par les détours infiniment
complexes que forme l’arc de C voisin de ce point.
Les points de C appartenant au contour de Z(f«, ti) sont naturel
lement, plus encore que ceux de la frontière de S ( iu, ¿4), des points
exceptionnels, puisqu’on un tel point il y a une droite qui laisse l’arc
A(£0) A (*i) tout entier du même côté. On démontre aisément que,
quel que soit l’angle cp, la tangente au contour de 2 (£0, tK) correspondant
au maximum de Xi (¿) cosep + X 2(£) sin<? sur ce contour ne le touche
2/0 CHAPITRE VU.
presque sûrement qu'en un point, qui n'est pas un point anguleux. Par
suite, ce contour ne présente presque sûrement aucun point anguleux
(en effet, dans le cas contraire, il y aurait une probabilité positive qu'il
existe un point anguleux où la variation de 9 dépasse un nombre
positif suffisamment petit £, et il y aurait aussi une probabilité positive
que la valeur choisie de cp corresponde à ce point). Comme évidemment
aucun arc de ce contour ne saurait appartenir â S(£0, ¿4), on voit que :
ce contour est, à un ensemble de mesure nulle p rès, constitué p a r
des parties rectilignes dont chacune est sur une tangente commune à
deu x régions Z(/'0, t\) et t\ étant compris entre £0
et t %). V a n g le 9 croît d June manière continue sur Vensemble de
mesure nulle constitué p a r le complément des parties rectilignes.
53. Mesure superficielle et oscillation brownienne. — i° Théorème

fon d am ental sur la mesure superficielle de la courbe C.
T héorème 53. — I l est presque .sûr que la courbe C est unensemble

de points de mesure superficielle n u lle.
Nous désignerons respectivement par C i, C 2 et C' les arcs A (o ) A (i),

A ( i) A (a ), et A (o ) A ( 2 ), de la courbe C. Leurs mesures superficielles
/«1 = mes. Cit m2 =mes. C2, m'=mes. C',
sont bien définies, puisqu'il s’agit d'ensembles fermés. Nous admettrons

que ce sont des variables aléatoires, c'est-à-dire que les probabilités
P r { m , < m |, Pr { m t < m j, Pr j m < n i }
sont bien définies ( ;i).

La valeur probable p de mK est finie. Cela résulte évidemment de la
formule
La mesure m 2 a évidemment la même valeur probable p, et, comme

l'arc C' a les mêmes propriétés stochastiques que l'arc C<, mais à une
échelle f l fois plus grande, m! a pour valeur probable 2 p. Par suite,
C* C 2 désignant l’ensemble des points communs à C, et C ,,
|ji" = E j mes. Ci Co I = E ] mes. Ci h- mes. C2— mes. C' [ — [jl -h f±— — o.
( s ) Cela rev ien t à d ire que, dans la re p ré se n ta tio n considérée dans la note 6 dn
C h ap itre VI, elle correspond à un ensem ble m esurable.
LE MOUVEMENT BROWNIEN PLAN. 24l
Nous pouvons supposer A ( i ) connu et les arcs Ci et C 2 construits

en partant de ce point. Leurs déterminations sont donc deux expériences
indépendantes l’une de l’autre, dépendant de la même loi de probabilité.
Les probabilités qu’un point M appartienne à C i, C 2, ou C ' sont donc
respectivement <p(M), <p(M) et cp2(M ), et l ’on a
n = J j <p(M)dxxdx*1 n"= U ç*(M)«Zri<*r*,
les intégrations étant étendues à tout le plan. Donc f/ == о entraîne p = o.

L’un et l’autre entraînent : <p(M) est presque partout nul.
Cela revient à dire que, le hasard intervenant d’une part dans la
détermination de C i, d’autre part dans celle de M (choisi par exemple
dans une aire finie S avec répartition uniforme de la probabilité), la
probabilité que M appartienne à Ci est nulle. Il n’en serait pas ainsi si,
dans des cas de probabilité positive, Ci avait une mesure positive. La
mesure est donc presque sûrement nulle, et il en est de même de celle
de la courbe C entière, c. q . f . d.
Quant à la fonction cp(M), on peut remarquer qu’elle ne dépend que
de la distance A ( i) M , et ne peut que décroître quand cette distance
croît. Elle est donc partout nulle, sauf au point A (i) lui-même. Le
résultat ainsi obtenu pour C< s’appliquant évidemment à la courbe C
entière, on voit que :
C orollaire 53. — L a probabilité que la courbe C, construite en

partant d'un point donné, passe p a r un autre point donné, est
nulle.
On en déduit en particulier que la probabilité qu’elle repasse

au point A (t) correspondant à une valeur donnée de t est nulle. En
d’autres termes : la probabilité que ce point soit double est nulle. Par
suite : les points doubles form ent presque sûrement, sur ta x e des t ,
un ensemble de mesure nulle.
A propos des points doubles, signalons encore que, contrairement à
ce qu’on pourrait croire, ils forment un ensemble non dénombrable.
L ’intersection de deux arcs А (г 0)А (/< ) et A(t'0) A ( t \ ) de C
(¿0 < ¿1 <C ¿0 < *i)> s* eê comprend un point, en comprend presque
sûrement une infinité non dénombrable, qui forment sur l’échelle des
entre t0 et t\ par exemple, un ensemble parfait discontinu 5F; on peut le
construire, comme nous l’avons fait au n° 48 pour l’ensemble &0, en
enlevant successivement les différents arcs de A(£0) A ( i 4) qui séparent
noints d’intersection. Les extrémités d’un tel arc, par la manière
CHAPITRE VIL
dont ils sont obtenus, correspondent à des points de isolés d’uncôlc;

mais il est évidemment presque sur qu’aucun d’eux ne sera isolé de
l’autre, et qu’on peut continuer indéfiniment la construction des
intervalles qui constituent le complément de comme nous l’avons
fait pour les intervalles e*. L’ensemble fF, étant fermé, est donc un
ensemble parfait discontinu.
Par suite : Vensemble des valeurs de t correspondant a u x points
doubles de C est la réunion d'une infinité dénombrable d'ensembles
p a rfa its discontinus ( 4).
a 0 Remarques générales sur la mesure superficielle des

courbes. — Si la distance maxima de deux points d’un ensemble de
points d’un plan a une valeur a, cet ensemble est évidemment intérieur a u
cercle de rayon a ayant pour centre un quelconque de ses points ; sa
mesure extérieure est donc inférieure à 7r a 2, et a une borne supérieure
de la forme k <z2, A étant une constante absolue ^probablement égale
à valeur atteinte dans le cas du cercle^.

En décomposant un arc de courbe continu en arcs très nombreux
et très petits, on voit que la mesure m de l’ensemble des points de cet
arc vérifie l’inégalité
n
tn ^ k I->//— k A v—i A v)2,
î
A„, A i, . . . étant une suite de points convenablement choisis sur la

courbe, se succédant dans le sens du parcours, et dont deux au moins
sont sur chaque arc partiel.
Par suite, pour une courbe définie paramétriquement, si A /t_t A„ est en
général de l’ordre de grandeur de \jtn — tn- 1, la somme Bn est positive
et finie, et l’on peut s’attendre à ce que la courbe remplisse une aire. Si
la courbe comporte moins de détours infiniment petits que ne le
( ') P our uue courbe continue quelconque, si les in terv alles ( f #, f ,) e t (f'0, i \ ) so n t
d isjo in ts, les valeurs de t de l'in te rv a lle / t ) pour lesquelles A ( f ) e st situ é su r Parc
A (f'0 ) A (f't ) c o n stitu e n t un ensem ble ferm é. L 'ensem ble des t des p o in ts doubles est
donc la réunion d ’au plus une infinité d én o m b rab le d'en sem b les ferm és. Il se ra it
in té re ssa n t de ch erch e r si c e tte p ro p riété est c arac té ristiq u e .
Des problèm es analogues se p osent p o u r l’ensem ble co n stitu é p a r les p o in ts doubles
eux-m êm es, dans le plan, p o u r les courbes gauches, p our les p oints doubles e t trip le s
des surfaces. Les raiso n n em en ts d irects so n t sim p les, m ais les récip ro q u es sem b len t
c o n stitu e r des problèm es différents les uns des a u tre s, difficiles, e t q u ’il s e ra it
in té re ssa n t de réso u d re.
LE MOUVEMENT BROWNIEN PLAN.
comporte la formule précédente, notamment s’il existe une condition de

Lipschitz de la forme
A(0A(O^r(K-'l) I Km1*1} = o I,
L * > o v/t J
la courbe est un ensemble de mesure superficielle nulle. Par contre,

si A ( t ) A(t') est en général grand par rapport à \t'— t 1 , il peut
arriver que la courbe remplisse une aire une infinité de fois.
Il est facile, sur les courbes connues de Hilbert et de Peano qui
remplissent exactement des aires, de vérifier que A (f)A (* ') est bien
en général de l’ordre de grandeur de \/\ ( — f \. Il en est de même dans
le cas du mouvement brownien, et même les résultats du n° 41, qui
s’étendent immédiatement au cas du plan, nous donnent des renseigne
ments précis sur la somme Bn [qui est la somme des deux sommes S„
relatives à Xi(£) et X 2 (f)] : si l’on choisit au hasard, entre o et t1 et
dans les conditions indiquées atPn® 41, une suite de valeurs £*, f2, . . . ,
et si i(1n), ^n), .. ., sont les n — 1 premiers de ces nombres rangés
par ordre de grandeur,’la somme
(10 ) B» = y | A v”2 1 A!"!]s I A(,(" : =s V(o), A,n”; = A (O]
tend presque sûrement vers 2 quand n augmente indéfiniment. On

peut dire, en étendant au cas du mouvement plan le langage introduit
au nw 41 pour le mouvement linéaire, que l'oscillation brownienne de
l'arc A (o ) A(£) a la valeur 2 t.
Ainsi la courbe du mouvement brownien p la n vérifie, comme les
courbes d’Hilbert et de Peano, une condition nécessaire pour qu'une
courbe remplisse une a ire. Mais ces deux courbes sont régies par une
formule mathématique précise qui guide le tracé, de manière que
le point mobile revienne au voisinage des régions déjà balayées sans y
pénétrer à nouveau. P o u r qu'une aire soit remplie sans que l'oscilla-
tion brownienne soit infinie, il fa u t une exploration méthodique
que le hasard ne peut pas réaliser. Nous avons, dans notre mémoire
cité, précisé par plusieurs exemples cette idée générale, qui peut
évidemment paraître un peu vague, mais qui nous paraît de nature à
bien faire comprendre pourquoi la courbe G a presque sûrement une
mesure superficielle nulle.5
4
54. L a fermeture de la courbe C . — 10 L e mme . — S i le p oint mobile

est à l'instant in itia l t = o dans une aire fin ie &, la valeur probable
2(4 CHAPITRE VII.
du temps T qu i s'écoule ju sq u 'il ce q u 'il atteigne pour la prem ière

fo is le contour de SI a une borne supérieure fin ie indépendante de
sa position initiale.
Soit a la distance maxima de deux points de SI. La probabilité que

A ( i ) soit intérieur à SI est inférieure à
_a*
k = Pr { A ( o ) A ( i) < a j = i — e 5.
On a alors, évidemment,
P r { T > n [ ^ P r \ A (o) A ( i ) < «, . . . , A ( « — i ) A ( / i ) < a [ =
et par suite,
E !T } I -h À*H- . . . -h 00, C. Q. F, D.
Rem arque. — Il est facile, en appliquant au cas du plan la méthode

exposée au n° 20 pour l’étude des problèmes aux limites, de déterminer
d’une manière précise la loi dont dépend T . Nous reviendrons plus loin
sur cette méthode* Contentons-nous d’indiquer qu’on arrive à une for
mule de la forme
(II) Pr i T > / } = 2
1
les cn étant des constantes positives, et les \n étant les constantes fonda
mentales, c’est-à-dire les valeurs de A pour lesquelles l’équation aux
dérivées partielles de la diffusion admet des solutions non identiquement
nulles et s’annulant sur le contour de SI.
2° T héorème 54. i. — L a ferm eture de la courbe C indéfiniment

prolongée comprend presque sûrement tout le p lan.
En d’autres termes : il y a une probabilité unité que la courbe C
contienne des points situés dans n'importe quelle aire donnée S.
Il suffit naturellement de considérer le cas où S est un cercle de

centre O et de rayon R. La probabilité que, A(o) étant connu et situé à
une distance r de O, la courbe C ait des points intérieurs à S, est une
fonction a = o(r) de r, évidemment égale à un pour r < R, et qui ne
peut que décroître quand r 0 croît. Pour montrer que a = i , nous
pouvons donc supposer r supérieur à R.
Désignons par SI le cercle de centre O et de rayon r. et considérons
les différents intervalles (t'n, t"n) (/1 = 1 , 2 , . . . ) tels que A(i'„) et A(*")
soient sur la circonférence de SI, que pendant tout l’intervalle t"n) A (f)
soit intérieur à Î2, et qu’il y ait au moins un instant t de cet intervalle

où À(£) soit dans Faire S ou sur sa ciconférence. Désignons par T n la
longueur totale des intervalles intérieurs à t"n) pendant lesquels A(t)
est dans S, et par T , la somme, finie ou infinie, 2 T /t.
Si (t’n1 t''n) existe, A(/") est à la distance r du point O. La probabilité
que A (£), pour t > t”n, revienne dans S, est donc a; or, comme A(£) ne
reste pas indéfiniment à distance finie, dire que A (t) revient dans S,
c’est dire que (t'n+n C+i) existe. La probabilité qu’un intervalle (¿'n, tn n)
soit suivi d’un autre est donc a, et la probabilité de l’existence du nlème
de ces intervalles est a n. D ’autre part, si {t\0 £") existe, la valeur pro
bable de T /t a, d’après le lemme, une borne supérieure m. Par suite
( 12) E [ T j = S E { T„ } ^ m 2 a*.
D ’autre part la prQbabilité que A(t) soit intérieur à S est

[ A (0) M ]*
mes S
(i3 ) 2/ d$~ ( / ^ 00),
2 T.t
(M désignant le point par rapport auquel on intègre). Par suite
( 14) F' i T i = f p(t)de^cù.

J0
Or, si a élçut inférieur à un, E | T | serait fini, d’après la formule ( 12 ).

Donc a = 1 , c. Q . F . D .
Le théorème ainsi démontré montre bien l’extraordinaire complexité
de la courbe C, qui passe une infinité de fois près de n’importe quel
point du plan. Or S ^ S .O a des variations aussi complexes dans un petit

sjt
intervalle (o, t0) ^puisque le processus ne change pas parle changement

t2\
de t en y J y et la courbe a les mêmes propriétés au voisinage de n’importe
lequel de ses points qu’au voisinage de l’origine. II est impossible de se
représenter tous ces détours infiniment petits. « Notre imagination
se lassera plutôt de concevoir que la nature de fournir. »
3° Cas de Vespace. — Dans le cas de l’espace, et a fo r tio ri dans le

cas des espaces à plus de trois dimensions, les propriétés de la courbe C
du mouvement brownien sont tout a fait difTérentes. L ’expression (.3 )
—ü.
de p(t) est en effet remplacée par une expression qui .contient t * en
facteur, de sorte que son intégrale est convergente.
'2 ?\ 6 CHAPITRE VII.
S sera naturellement remplacé par le volume V d une sphère. Dési

gnons par a n la probabilité que, pendant l’intervalle de temps (n — i , n),
le point mobile A(£) entre dans Y . S’il atteint la surface ~ de V à un
instant t compris entre n — i et n , la probabilité qu'il soit dans V ù
l’instant n, est au moins égale à
A-= Pr } A( i ) c Y /A (o) c S * > o.

On en déduit
p { n ) ^ k * n%
et par suite
— ~ ^Zp(n) < X.
Il résulte alors du lemme de Borel-Cantelli qu'il existe presque

sûrement un nombre N tel que, pour n > N, l’événement considéré ne
se produira plus, c’est-à-dire que le point mobile A (f) n’entrera plus
dans V. Donc :
T héorème 5 4 . 2 . — I l est presque sûr que. quelle que soit la région

V que Von considère, les points A(£) intérieurs ci Y appartiennent à
un arc fin i de la courbe C.
Par suite la courbe G constitue un ensemble fermé. Sa mesure est

presque sûrement nulle, et il en est de même, d’après le théorème 53,
de la mesure de sa projection sur n’importe quel plan.
Si l’on se donne une sphère de rayon R dont le centre soit à une
distance a ^ R de la position initiale du point mobile, la probabilité
que la courbe contienne des points intérieurs à cette sphère est une
fonction continue et croissante d e - * nulle pour R = o, égale à un
’ pour R = a.
55. L ’aire stochastique de la courbe C. — r ‘ Définition générale

des aires stochastiques. — Occupons-nous d’abord de l’aire limitée par
un contour T, que nous supposerons décrit par un point dont les
coordonnées et X* sont exprimées en fonction d’un paramétre t.
Nous désignerons par S l’aire représentée par l’intégrale
( i5 ) S= - f [ X i ( t ) d X , ( t ) - \ i ( t ) d X i ( t ) \,
2 «T
ce qui implique que l’aire de chacune des régions entourées par T

soit comptée p v fois, />., étant un entier positif, nul, ou négatif, qui
indique combien de fois le contour F tourne autour de .vv, et dans quel

sens. On peut donc encore écrire
(16 ) S = S/>VJV.
Si la série (i(>) est absolument convergente, l’intégrale (i5) a un

sens, et l’on peut considérer Faire S comme définie au point de vue
classique. Il s’agit de la définir dans certains cas où cette définition
classique ne s’applique pas.
À cet effet, nous introduirons, comme pour la définition de l’oscillation
brownienne, une suite de valeurs t2, ¿3, . . ., choisies au hasard, indé
pendamment les unes des autres, et chacune avec répartition uniforme
de la probabilité, dans l’intervalle (¿0, ¿4) de variation de t. Les points A rt,
À ,. . . A W[ AV désignant A (iv)], rangés dans l’ordre des iv croissants,
sont les sommets d’ une ligne brisée T* inscrite dans F. Nous désignerons
par S rt l ’aire entourée par I\M avec les conventions rappelées ci-dessus
pour définir S.
La suite des tn est presque sûrement partout dense dans S. Si, cette
condition étant supposée réalisée, la suite des Sn a sûrement une limite S,
cette limite est indépendante du choix des tn et est une aire au point de
vue classique. Mais il peut arriver, sans que cette limite sûre existe,
qu'il y ait convergence de S n vers S suivant un des modes de conver
gence que considère le calcul des probabilités [notamment convergence
en probabilité (pr.), ou en moyenne quadratique (m. q.), ou presque
sûre (pr. s.)]; nous dirons alors que S est une aire stochastique (pr.,
ou ni. q., ou pr. s.).
. S’il s’agit d’un arc ouvert A 0 A j, nous appellerons par abréviation
aire limitée p a r cet arc Faire entourée par cet arc, décrit de A 0 vers A 4,
et la corde A f A n. Il pourra s’agir d’aire au sens classique ou d’aire
stochastique.
2 ° Lemm e r e la tif au mouvement brownien.
Lemme. — U arc A qA-i étant l'a rc A (i0) A(*,) de la courbe

aléatoire C du mouvement brownien p la n , si la suite des nombres tn
est donnée et partout dense d an s(t0, il y a convergence m. q. et
convergence p r. s. de ïa suite des Sn vers une limite S.
Nous désignerons par bn la somme des carrés des longueurs des n

intervalles séparés par t2y ¿n? . ♦ ., t,,, et dont la réunion forme l’inter
valle (¿0, ¿1 ); par rn la longueur de celui de ces intervalles qui
contient t n+1 et se trouve séparé par ce point tn+\ en deux intervalles
248 CHAPITRE VII.
partiels de longueurs r'rt et rn. On a
(17) bn- b n+, = Tj5- T i* - x ;* Ot* T,;
et, à partir du moment où les intervalles séparas par ¿3, . . tn ont

leurs longueurs ona
(18) b n ^ t \ u — t 0).
Par rintroduction du point A ,^ = A (*„+,), Paire S„ augmente de

Paire T rt+1 d’un triangle, de base X„y/rn, et de hauteur £*1 / 1 * 1 * , X,*
V
étant la longueur d’un vecteur laplacien réduit, et £n étant une variable
laplacienne réduite, indépendante des choix antérieurs à celui de A n+4.
On a donc, en désignant par En des valeurs probables évaluées en
connaissant A ,, A 3, . . . , A /t,
\ En{ T„+l } = 0,
2 ' '
(19) •
f E„{T^+1 } ^
^ "
tl,n!
I E { T 2+1) = I = ^ ( bn— bn+1 )

(2 0 ) \
t E { T „T „+/, } == E {T„ E „(T „ h-a ) | = 0,
(2 1) E {(S n-t-/i — S« )s [ = E { TnJj -t-. -. -1- T„î/, [ = n— bn+h ),
et par suite, à partir du moment où l’inégalité ( 1 8 ) est vérifiée,
(2 2 ) Ë {( s.*.* - s n y- { ^ ^ 6
Compte tenu du théorème de Fischer et Fr. Riesz, cette inégalité

établit la convergence m. q. de S n vers une limite S.
D ’après un théorème connu ( 5), E„ j T „ | — o entraîne
(23) PrJ Max [S « *,,- Sn | ^ c \ f E [ ( S n+P— S»)*] { ^

I V<h H 2 ) C-
(‘) C f. P. L évy [11, P- *4-1-

Comme bu tend vers zéro, on peut, en prenant n assez grand, et c = bnT,

rendre-y/èrt et ^respectivement inférieurs à deux nombres arbitrairement
petits e et La formule précédente établit donc la convergence pr. s.
de Sn vers S, c. q . f . n.
Remarque. — Q u’il s’agisse de convergence m. q. ou de convergence

pr. s., la limite S est indépendante du choix de la suite des tn. On le voit
par un raisonnement identique à celui qu’on fait dans la théorie classique
de l’intégration. Il repose sur la remarque que les formules ( 2 2 ) et (23)
ne font pas intervenir tn+i, t,l+2, •. • ; si donc on considère deux sommes
différentes Sn et S'n, associées l’une à une suite de nombres £v et l’autre
à une suite de nombres et si S" est associé de la même manière à la
suite des nombres í 2, ¿'2, ¿;l, , on peut appliquer ces formules aux
différences S„ — t et S'n — Ces différences tendent donc vers
zéro (m. q. ou pr. s.), pour n infini, et il en est de même de Sn— S'n.
Les deux limites S et S' sont donc presque sûrement égales, ce qu’on
peut exprimer en disant que la suite des S'n converge (m. q. ou pr. s.)
vers S aussi bien que vers S'.
3° T héorème 5 5 . 1 . — I l est presque sûr que la définition classique

de Vaire ne s'applique pas à l'a ire limitée p a r un arc de courbe C.
Prenons pour fixer les idées l’arc A (o ) A ( i) , et
Nous allons montrer qu’en changeant, pour chaque valeur de p , l’ordre

des nombres
fv-M* t*p + iy
on peut (pr. s.) empêcher la convergence de Sn vers S. Bien entendu il

ne s’agit pas d’un changement d’ordre défini a priori (car d’après la
remarque que nous venons de faire la convergence pr. s. subsisterait),
mais d’un ordre déterminé après coup, d’après les valeurs des T„, en
prenant d’abord les points de division qui donnent des termes positifs et
seulement ensuite ceux qui donnent des termes négatifs.
D’après la formule ( 1 9 ), chacun des |T n | correspondant aux
valeurs a / ' + i j î H a , . . . , de n, est de l’ordre de grandeur
I». I.K V Y.
230 CHAPITRE VII.
dey/r^T" 3= 2 _lp + 1). D ’ une manière précise
r i I
E Tnl i) = 2P+Î E i X„ [ E •IÇn \ 2f>+* ’
et, comme ces 2p valeurs de T n sont indépendantes, les lois des grands
nombres s’appliquent, si p est grand. Les sommes des termes positifs et
les sommes des termes négatifs sont donc toutes les deux, en valeurs
absolues, peu différentes en probabilité de g (il y a même conver
gence m. q. et convergence pr. s. vers,cette limite). En prenant d’abord
les termes positifs, puis les termes négatifs, on obtient donc des oscilla
tions de la suite des Sn qui ne sont pas très petites, ce qui démontre le
théorème.
4° T héorème 5 5 .2. — II est p re sq u e sû r que V a ire lim itée p a r un

a rc de courbe C est sto ch a stiq u em en t bien d é fin ie .
Ce théorème est une conséquence immédiate du lemme établi au 2 ° ci-

dessus, et du théorème de Fubini sur l’interversion de l’ordre des inté
grations.
Si l’on choisit d’abord les tn, comme nous l’avons expliqué dans la
définition générale de la notion d’aire stochastique, on obtient presque
sûrement une suite partout dense. Si l’on choisit ensuite la fonction X(£),
il est presque sûr que la suite des S„ a une limite.
Le résultat subsiste si l’on intervertit l’ordre des choix, et cela établit
le théorème énoncé.
5° L a loi à d e u x v a ria b le s R ( t ) et S( i ) .
Nous désignerons par R = R(£) la distance O A (i), par S = S ( t ) l’aire

comprise entre l’arc O A ( i) et sa corde, et par \ s j d t et ri^/cTt les compo
santes de A(£) A(£ d t) suivant la direction O A (j) prolongée et
suivant la direction perpendiculaire. De
(R -h 8R)*= (R h- s y(d i y + t p d t
on déduit
(24^ 8 R = £ \fdt -h -^dt -+- o(dt),
2K
tandis que la variation de S est évidemment
(25) ôs = s,{r/t),
LE MOUVEMENT BROWNIEN PLAN. 2H
raire S i(d t) dépendant, par raison d’homogénéité, de la même loi

que df S 4(i); sa valeur probable est nulle (par raison de symétrie); elle est
indépendante de R(£) et S (f), mais non de £ et 75.
Les équations (24) et (26) sont des équations différentielles stochas
tiques, dont on peut, parla méthode des fonctions arbitraires (n° 1 6 ),
déduire une équation de diffusion de la probabilité ('*). Nous admettrons
que la loi dont dépend le système de variables R (f) et S (f) est absolu
ment continue, et que sa densité de probabilité u ( t, r, s) est elle-même
continue et à dérivées continues des deux premiers ordres ( 7). Introdui
sons une fonction cp(r, s), définie pour r > o et s réel, continue et
deux fois dérivable, s’annulant en dehors du rectangle < r < r 3,
— S i< is < S i (r* arbitrairement petit, r 2 et s* arbitrairement grands),
à cela près quelconque.
Posons
M ( 0 = E |;s[R (f), S (< )]} = j dr Ç *(/•, •«) u(t, r, s)ds,
et calculons M '(f) de deux manières différentes. On a d’une part
M ' ( f ) = J J * ? ( r, s)u,t (t, r, s ) d r d s i
le champ d’intégration étant le même que dans la formule précédente.

D’autre part, en tenant compte des formules (24) et ( 25), on a
M ( t -h rit ) — M( ( ) = E { 9 ( R ■ +• oR, S -t- SS ) — 0 ( R, S ) j
= e {?;.( r ,
S)
■+■ - U ; , ( R , S ) R * r ,V * i - h o ( d t )
2 O
= l- dt U' ^ -t- t ", -+- ~ j u(t, r, s) drds ■+■ o(dt),
(•) Dans mon m ém oire de 1940 [P . L évy , 1 9 ], j ’avais u tilisé une m éth o d e différente.
M. Bass a a ttiré mon a tte n tio n sur le fa it que la m éth o d e des fonctions a rb itra ire s est
plus sim ple.
( ’ ) La d ém o n stratio n donnée dans mon m ém oire de 1940 est plus com pliquée qu ’il
n’est nécessaire. La d é m o n stratio n la plus sim ple sem ble ê tre celle qui ré s u lte de la
rem arque suivante : e n tre zéro e t t choisissons 2 n p o in ts de division i,, tin, et
supposons connues les form es des 2 Л + 1 arc p a rtie ls q u ’ils sép aren t, de so rte que la
connaissance com plète de l’arc A( o) A ( f ) dépend seu le m e n t de 2/1 a n g le s 0И 0a, 0,n,
chacun é ta n t choisi au hasard e n tre о e t 21c; il en ré su lte p o u r les deux variables R ( i ) et
S ( t ) une loi co n d itio n n elle d o n t la fonction de ré p a rtitio n ad m et des dérivées co n tin u es
ju sq u ’à l ’o rd re n. Il en est donc de même p o u r la loi a p r i o r i de ce systèm e de deux
v ariab les, e t cela quel que so it n. La fonction и e s t donc indéfinim ent dériv ab le.
252 CHAPITRE VII.
ou, eu divisant par dt et intégrant par parties
M[''( 0 = I j f * i r , x)(«?,-+- 'i'^jdrds.
En identifiant les deux expressions obtenues pour M'(£), il vient
, „ r2 „ à u
(26) 2 u\ = u r i -h — u <t— ------
4 or r
On remarque que, pour arriver à cette équation, nous avons seulement,

au sujèt de S i(rfi), utilisé les propriétés Ef { S* j = o, E* { SJ | = o {dt)
(E* désignant une valeur probable évaluée à l’ instant t).
L ’équation (26) est l’équation de la diffusion delà probabilité, qui
s’applique aux solutions du système des équations (24) et ( 2 5 ), quelle
que soit la loi de probabilité initiale. Pour la solution qui nous intéresse,
nous savons de plus que et dépendent d’une loi à deux variables
indépendantes de t . Pour utiliser cette circonstance, nous allons d’abord

transformer l ’équation de la diffusion, en posant
F (', p, <x) = Prj R(f)<pvÆ, S(0 <»*},

(27) Fp = G, G'(j= F "(, = /,
et nous annulerons ensuite les dérivées partielles par rapport à

On a évidemment, en posant r = p \ft, s = a t,
«(/» r- = p, «) = <“ /(< , I)»
2 «/ = t * ( - 3/-h i t / l — pf 0- n f 9),
de sorte que l’équation (26) se transforme en
(28) 2 tf[ j / a « — dp *p P / p “1" 2 J/ *
= /?*•+• ^ fo ' + (p — ~ ) / ' p - * - ( 3-*- j i ) f -
Si maintenant nous annulons nous obtenons l ’équation statique
(29) /p#_h ( p— (3 ~ i ) / = °>
vérifiée par la densité de probabilité.

Il est facile de remonter de cette équation à l’équation
<3o) G”p, + Ç GJ.-+- ( P - i ) G'p + 2 ï G'a + ( i + G= o
vérifiée par la fonction G — F'p ; mais on ne peut pas,, pour la fonction F

elle-même, obtenir une équation aux dérivées partielles du second ordre
d’un type aussi simple ( 8).
Montrons maintenant que :
T héorème do . 3 . — L a fonction / ( p, <x), qui est la densité de proba

bilité de la loi à d eux variables R (i) et S ( i) , est la seule solution de
Véquation (29) qui soit une densité de probabilité.
Supposons en effet qu’il y en ait d eu x,/! e t / 2. Dans l’équation (28),

on pourrait prendre, soit f iy soit / 2, comme détermination initiale
de / (¿ , p , cr ), pour t = t0y et, dans les deux cas, / resterait constant
quand t varie» Or on peut se donner dans les deux cas une même posi
tion de A (t0) et une même orientation de là demi-droite O A ( i0), les
deux lois de probabilité définies par f K et / 2 correspondant à deux
manières différentes de choisir une origine (04 ou 0 2) sur cette droite
et une aire [ Si (f 0) ou S 2( t0) ] limitée à cette droite. Une même expérience
déterminera la trajectoire du point A (£) pour de sorte que les
deux courbes G* et C 2 respectivement liées aux fonctions F* e t F a seront
confondues à partir du point A (t0). Dans ces conditions les deux déter
minations O î A et 0 2A de R diffèrent au plus de 0 40 2= a, et les deux
déterminations de S diffèrent, d’une part par la différence initiale, qui
est constante, d’autre part par l’aire du triangle O tO 2À (f), qui est de la
forme -r \ \ jt — t0i n étant une variable laplacienne réduite. Donc, tant
pour *511- que pour 51D , la différence des deux déterminations tend en
yt *
probabilité vers zéro, et il ne peut pas y avoir deux lois limites différentes.
Les deux fonctions e t / 2, indépendantes de t, et confondues pour t
infini, sont donc identiques, c . q . f . d .
La loi à deux variables R (f) et S (t) peut donc se déduire de l’inté
gration de l’équation de type elliptique ( 3o).
(*) La m étho de em ployée dans m on m ém o ire de 1940 c o n d u it à une é q u atio n in té g ro -

d ifféren tielle vérifiée p a r F ; p a r deu x d ériv atio n s successives, on en d é d u it l’é q u atio n ( 3 o)
pu is l’éq u atio n (29). P o u r d é d u ire in v ersem en t l’é q u atio n ( 3 o) de l’é q u atio n (29), il
suffit de vérifier que le p re m ie r m em bre de c e tte é q u atio n s’annule p o u r a infini.
2 J¡ CHAPITRE VII.
On trouvera, dans notre mémoire déjà cité d’autres résultats relatifs à

cette loi, notamment la détermination de ses premiers moments, et la
démonstration de la formule
( 3 i) > P r{S ( 0 > a * \ >
Ct et ca étant deux constantes positives déterminées, ce qui rend assez

probable l’existence d’une constante c telle que
(3-2) log Pr | S ( f ) > <!t | ~ — C<T (or-*•*).
56. Propriétés intrinsèques de la courbe C. Représentation conforme

et problèmes aux limites. — i° Invariance du processus p ar une repré
sentation conform e. — Certaines propriétés stochastiques de C font
intervenir essentiellement la variation du paramètre t . Telles sont notam
ment celles qui définissent des probabilités relatives à l’arc A ( l) A (¿ + t ) ;
elles sont invariantes pour n’importe quel déplacement dans le plan.
D ’autres propriétés, notamment l’existence de points doubles formant
un ensemble partout dense, ou le fait que la mesure superficielle de C
soit nulle, ne font pas intervenir le paramètre t♦ Ce sont des propriétés
intrinsèques de la courbe. Nous allons montrer que :
T héorème 5 6 . i . — Les propriétés intrinsèques de la courbe C sont

invariantes par une représentation conforme (*).
Le processus est en effet défini par ses propriétés infinitésimales :

il suffit que chaque arc élémentaire d’une courbe continue soit un arc
de courbe C pour que la courbe soit une courbe C. Or une représentation
conforme transforme un arc élémentaire A (f) À ( f t ) en un arc homo
thétique, qui, si k est le rapport d’homothétie, peut être considéré

comme correspondant à une variation Ar2r du paramétre dans une courbe
analogue à C ; c’est un arc de courbe C , et la courbe entière C', trans
formée de C, est de la même nature stochastique que C , c. q . f . d .
On remarque que la relation entre t et i', définie par
(33) % = donc ' ' = y * * < * = / V [ x < ( O , x , ( / ) ]< * ,
est aléatoire.
(•) Il s'agit bien entendu d’une représentation conforme dans le plan de la courbe C.
Ce théorème est donc tout à fait différent du théorème 2; il s'agissait aussi'd'une pro
priété d’invariance; mais la transformation portait sur t.
LE MOUVEMENT BROWNIEN PLAN. 2 JJ
Rem arque. — Le théorème précédent s’applique sans modification

au mouvement brownien dans l’espace, pour les transformations qui
conservent les angles. Il s’applique aussi au mouvement brownien linéaire.
Dans ce cas les propriétés intrinsèques sont constituées par les valeurs
des maxima et minima de X(£) et l’ordre dans lequel elles se succèdent
sur l’échelle des £, et n’importe quelle transformation x* = o ( x ) com
portant une dérivée continue est une transformation conforme ; les pro
priétés intrinsèques qui caractérisent la fonction X(£) du mouvement
brownien linéaire sont invariantes par une telle transformation.
2° T héorème 5 6 .2 . — S i le point mobile occupe initialement une

position A intérieure à un contour T, la probabilité qu 'il atteigne V
pour la première fo is sur un arc F de ce contour est proportion
nelle à la mesure harmonique, de F , vue de À.
On ne change en effet pas cette probabilité, d’après le théorème 5 6 . i,

en réduisant par une transformation conforme le contour T et le point A
à une circonférence et son centre. Or, dans ce cas, la mesure harmo
nique d’un arc est proportionnelle à sa longueur, et le théorème est
évident, par raison de symétrie.
Rappelons que, dans le cas général, la mesure harmonique s’obtient
de la manière suivante : on définit d’abord la fonction de Green ¿'(A , M),
fonction harmonique de M, nulle sur T, et régulière à l’intérieur, sauf
toutefois en A, où c’est la différence g ( A, M) — log • qui est régulière
( r étant la distance AM). La mesure harmonique d’un arc F est alors
f dg(k, M)
0 d it
Jrr dn
do étant la longueur de l’élément d’arc de T, et la dérivée normale j -

étant comptée positivement vers l’intérieur. Celle du contour entier étant
2TT, la probabilité qui intervient dans le théorème précédent est — •
La définition de la fonction de Green, et par suite celle de la mesure
harmonique, s’étendent à l’espace à n > 2 dimensions. Il n’y a qu’à
remplacer log i par ? et 2 7r par le volume de la sphère. Le théorème
précédent subsiste; mais la démonstration indiquée tombe en défaut.
Aussi est-il utile d’en indiquer une autre, basée sur la méthode exposée
au n° 20 pour l’étude des problèmes aux limites.
Mentionnons d’abord que le théorème 5 6 .2 s’applique aussi au cas du_
CHAPITRE VII.
mouvement brownien linéaire; il se réduit dans ce cas au principe clas

sique de la ruine des joueurs.
3° Application des méthodes générales pour Vétude des problèmes

a u x lim ites. — La méthode exposée au n° 19 pour l’étude des
problèmes aux limites s’étend sans difficulté au cas du plan et à celui
de l’espace à n > 2 dimensions. Bornons-nous, pour fixer les idées, au
cas du plan. La probabilité que, pendant l’intervalle de temps (o, t) le
point A ( t ) soit resté constamment dans la région 2 intérieure à un
contour T, et que de plus A ( f) soit dans une aire élémentaire ¿ 2 , est
w(f, M) d2 , M étant un point intérieur à d2 , et u étant une solution de
l’équation de la diffusion
(34) =
qui s’annule sur T. On achève de la déterminer par les conditions ini

tiales. Si A (o ) est choisi au hasard dans 2, d’après une loi de probabi
lité continue définie par une densité u0(M ), la condition initiale est^
u ( o, M) = u0(M ). Si A (o ) a une position donnée A 0, u ( o, M) doit
être nul dan9 2, sauf en A 0, qui est un point de discontinuité, et l’on doit
avoir
lim (I u (t, M) dZ = i.
Cela suffit pour définir la fonction u ( t , M), et l’on peut préciser la

nature de la discontinuité en montrant que la différence
AqM»
(35) «(*, M ) - —- e 1£
2 t
reste finie pour t et À 0M très petits. La probabilité que, pendant l’inter

valle de temps (o, £), A( t) soit resté dans 2 , est alors
1> ( 0 = j j T « ( <, M ) r f S .
En tenant compte de l’équation ( 3 4 ), il vient
P Au dZ y
et, d’après le raisonnement fait au début du n° 19, la probabilité

que, pendant un intervalle de temps dt, le point A (t) atteigne le
LE MOUVEMENT BROWNIEN PLAN. 2 57
contour r sur un arc de de ce contour, est égale à ¿ ^ d t d u . En inté

grant par rapport à t , et posant
U ( M ) = f * u ( t y M )dt%
do
on voit que la probabilité que A ( f) atteigne le contour pour la première
fois sur un arc da est égale à i ^ de. On vérifie d’ailleurs aisément.
dans le cas où A(o) a la position connue A 0, que U(M) = -i^ (A , M) ( ,0).

Le théorème 5 6 .2 en résulte, et, comme nous l’avons dit, cette démons
tration s’étend au cas de l’espace.
4MRem arque fin a le. — La distinction faite ci-dessus entre les pro
priétés intrinsèques de C et celles qui font intervenir t conduit à se poser
le problème suivant : étant donnée une courbe C, déterminer t. Nous
avons établi un certain nombre de propriétés presque sûres de C, fai
sant intervenir qui permettent de résoudre ce problème.
La solution la plus simple semble être la suivante : le point móbile A(¿)
étant initialement au centre d’un cercle de rayon a, le temps au bout
duquel il atteint pour la première fois sa circonférence a, comme nous
l’avons déjà vu, une valeur probable finie; par raison d’homogénéité,
elle est de la forme Aa2, A étant une constante absolue. Considérons
alors une succession de points = o, 1, . . . ), dont chacun suit le
précédent et est le premier point pour lequel la distance A /l^1 A n atteigne
la valeur a. Si n est grand, le temps tn nécessaire au parcours A 0A,t est
peu différent de k a - n } et, pour n infini, tend presque sûrement
vers un.
Cet énoncé s’applique d’ailleurs aussi si a tend vers zéro pour n infini.
On peut donc faire tendre a vers zéro, et déterminer n par la condition
que l’arc A „_ iA n contienne un point donné B. Le temps t nécessaire
pour atteindre B en parlant de A 0 peut alors être défini comme étant la
limite presque sûre de Aa2n (u ).
( l0) Il n ’y a q u ’à vérifier que i r U ( M) a bien les p ro p rié té s p a r lesquels # ( A , M) est

défini. F our les deux p re m iè re s, la vérification est im m éd iate. Q u an t à ,la p a rtie infi
nie de î î U( M) , c’est celle de
î f e Í 7 T = ¿ ' X ’ í " * í r ~ l0« ? <r=A .M ^.).
( n ) On pourrait aussi songer à utiliser la notion d’oscillation brownienne. Mais cette

méthode se heurte à une difficulté essentielle. Tant que t n’est pas défini, on ne sait
CHAPITRE VII. LE MOUVEMENT BROWNIEN PLAN.
Cette méthode de détermination de t en partant des propriétés intrin

sèques de la courbe C s’applique sans difficulté au mouvement brownien
linéaire, ou au cas de l’espace à p dimensions. La constante k doit seu
lement être remplacée par une constante kp, dépendant de et décrois
sant quand p croît (<2).
pas si des points choisis sur la courbe d’après telle ou telle propriété intrinsèque ne
constituent pas précisément un ensemble exceptionnel qu’il faille rejeter pour la mesure
de l’oscillation brownienne.
( w) La détermination des fonctions u( f, M) et P (f ) analogues à celles à du 3° ci-dessus
montre que P(f) est de la forme
P(f) =
les Xv étant les constantes fondamentales, pour lesquelles il existe des solutions non
identiquement nuiles de
Aa + Xu = o
qui s’annulent sur la surface de la région considérée. Dans le cas de la sphère, ces
constantes sont en relation avec les racines des fonctions de Besssel. Les constantes kp
s’expriment à leur tour en fonction des X;>.
CHAPITRE YLI1.
LE MOUVEMENT BROWNIEN A PLUSIEURS PARAMÈTRES.
S ommaire. — 57. Remarques préliminaires. — 58. Le lemme de I. J. Schonberg et

L. Schwartz. — 59. Définition du mouvement brownien à p paramètres. —
00. Représentation géométrique de la fonction aléatoire du mouvement brownien.
— fil. "Étude de quelques figures simples. — 0*2. La droite et un point extérieur.
— G3. La sphère et les polyèdres réguliers. Propriétés asyniptotiques.
57. Remarques préliminaires. — Nous nous sommes occupé jusqu’ici

(le fonctions aléatoires, scalaires ou vectorielles, d’une variable unique t,
dont il était commode de supposer qu’elle représentait le temps, et le
langage même que nous avons été ainsi conduit à employer ne suggère
pas l’extension des problèmes traités au cas des fonctions aléatoires de
plusieurs variables. Pourtant l’étude de telles fonctions se présente
nécessairement dans certaines applications. Ainsi en météorologie, la
température h (M) en un point M, ou la pression, sont, pour chaque
point, des grandeurs aléatoires dont on peut avoir au cours du temps
différentes valeurs; si l ’on prend des intervalles assez éloignés, si par
exemple on fait une observation une fois par an, à jour fixe et à heure
fixe, de manière à éliminer les variations saisonnières ou journalières,
on peut considérer qu’il s’agit d’observations indépendantes d’une
même variable aléatoire. Mais cette variable dépend de M; c’est une
fonction aléatoire de deux ou trois variables (suivant qu’on dispose
ou non d’autres observations que celles faites au niveau du sol) qu’il
s’agit d’étudier.
Cette étude a été entreprise par divers savants, qui sqsont placés au
point de vue empirique, en définissant par exemple la corrélation entre
des points voisins. Mais il ne semble pas qu’on ait jusqu’ici défini des
schémas théoriques analogues à ceux dont la théorie des fonctions
aléatoires de t donne actuellement tant d ’exemples. C ’est cette lacune
26o CHAPITRE VII I .
que nous nous sommes proposé de combler par 1’ étude du mouvement

brownien à deux, ou plus de deux, paramètres ( ’ ).
Cette étude repose sur un lemme de I. J. Schônberg et L. Schwartz.
58. Le lemme de I. J. Schônberg et L. Schwartz (2). — Considérons,

dans l’espace euclidien à n dimensions, une distribution de masses, définie
par la fonction /¿(V) qui représente la masse totale située dans le volume
ou l’ensemble V. Nous désignerons par AB ou par r(A , B) la distance de
deux points A et B, et par d V A et d V h les volumes élémentaires entou
rant ces points. Nous représenterons par un seul signe d’intégration une
intégration étendue à tout l ’espace. O est un point fixe.
T héorème 5 8 . — Pourvu que les intégrales
f I h ( ¿ V a )|, / r ( 0 , » )|n(rfVA)|, et B) I ¡x(rfVA) I n(rfVB)l
soient finies, on a
(i) j f [r(0, A) + r(0, B)— r(A, B)]KrfVA)|*(rfVB)^ o .
Cette formule peut évidemment s’écrire
2m J r ( 0 , M)n(rfVM)-J f 'r ( A, B)K(rfVA)[x(rfVB)ô.
m désignant la masse totale, et par suite, si l’on définit par v( V) la répar

tition de masses obtenue en ajoutant à la précédente une masse — m
placée en O,
( 2) I =jj r(A, B)v(rfVA)v(¿ArB) ^ o .

Il s’agit donc de démontrer la formule (a) pour une distribution de
masses comportant une masse totale nulle.
(') C f. P. L évy [231. Dans le même ordre d’idées, depuis la rédaction de ce chapitre,
nous avons entrepris sur les réseaux doubles et les processus doubles de Markoff, des
recherches dont le résultat a été exposé au n° 28 du présent ouvrage (Note ajoutée à
la correction des épreuves).
La démonstration de M. Schwartz est publiée ici pour la première fois. Je lui
avais communique l’énoncé du corollaire 58 ci-dessous, dont j’avais besoin pour établir
l’existence du—mouvement brownien à plusieurs paramètres. Il m’a répondu en
m’envoyant le 16 mars 1945 l’énoncé et la démonstration du théorème 58, qui est lui-
méme une application de résultats plus généraux qu’il compte publier ultérieurement.
J’ai appris depuis que ce théorème a déjà été obtenu par I. J. Schônberg.
LE MOUVEMENT BROWNIEN A PLUSIEURS PARAMÈTRES. ?,(>!
Il suffît pour cela de démontrer que, quel que soit c positif, on a
(3) * = I f «_ ‘ ' ,A,“M ^ V A ) v ( r fV B ) ^ o ;
en effet, pour c infiniment petit, J se réduit à — c l -ho(c). Nous allons

même voir que J est toujours non négatif, même si la masse totale n’est
pas nulle.
La fonction est en effet la fonction caractéristique d’une loi
stable, qui est absolument continue. Elle est donc la transformée de
Fourier d’une fonction p o sitive/(A ) = ^ 2( A ), qui, comme r, ne dépend
que de la distance O A . Or on sait que la relation / ( A ) = ^ a(A )
entraîne entre les transformées de Fournier e~'ii{°îA) et <p(OA) de / ( A )
et g ( A ) la relation
e-*T(0,A)= f ;( O M ) ? ( M A ) r / V M,
<p(OA) ne dépendant aussi que de la distance O A. D ’ailleurs, en raison

du caractère de symétrie de la distribution définie par la densité g ( A ) }
la fonction q est réelle. Il vient alors
=JV v * J f ?( m a )? ( m b )v(</Va )vO/v «')
_ /> ■ [ / ç(AM)v(^VA) y ^ o .
C. Q . F . D,
On déduit d’ailleurs d’une étude plus complète des fonctions / ( A )

et 9 (AM ) que ces fonctions ne s’annulent pas, et que par suite les
expressions quadratiques J e t — I sont définies positives.
C 5 8 . — Quels que soient les points O, A * , A 2, . . . , A n

o ro lla ir e
dans un espace euclidien à un nombre quelconque de dimensions,

et quels que soient les nombres réels x iy . . . , x ny on a
(4) A ^ ) “h r ( 0 > A / ) — r ( A f , A / X l ^ x / ^ o .
i /
Ce corollaire est un cas particulier évident du théorème précédent,
que nous n’aurons à appliquer que dans ce cas particulier.5
9
59. D é fin itio n d u à p p a r a m è t r e s . — i ° D éfi

m o u v e m e n t b r o w n ie n
nition. — La fonction X (A ) du mouvement brownien à p paramètres
est une fonction du point A de l’espace euclidien à p dimensions ayant
les propriétés suivantes :
*(i> CHAPITRE VIII.
a. Quel que soit Ventier n et quels que soient les points O, A i, A 2,

. . ., A „, la loi à n variables X j = X(A,) — X(O) (i = i , 2, .. ., n)
est une loi de L a p la ce à n variables.
b. On a
($) E { [ X ( A ) - X ( B ) ] * } = r(A, B).
Ces conditions ne font intervenir que les différences X (A ) — X ( B ) ,

On peut compléter la définition en choisissant une origine O et suppo
sant X (0 ) = o; mais il est souvent plus commode de ne s’occuper que des
différences; le processus est ainsi invariant pour n’importe quel dépla
cement dans l’espace, ainsi que pour une translation sur l'axe des X .
La nature de la fonction aléatoire X (x \ )— X (O ) est parfaitement
déterminée par les conditions a et b. On sait en effet que la loi de
Laplace à n variables Xi, X 2, . . ., X „ est parfaitement déterminée si l’on
connaît les moments
E<= E { X? }, E,., = E { X , X , } (i, j = 1, 2, . . . . n).
Les premiers sont définis directement par la formule ( 5 ). Les autres

résultent alors de
E }(X i- X /)2} = E \\f\ E > X / | — 2 E jX,X/{,
ce qui, en posant
/•<= /-(0, A,), r hj — r ( A/, Ay),
donne
(6) K ^ - E j^ X ,} :f (rî-t- rj — rt j ) ‘
Remarquons tout de suite que, pour les points A d’une droite

quelconque, la fonction X ( A ) se réduit à celle du mouvement brownien
linéaire.
20 Compatibilité des conditions ( 5 ) e* (6). — On sait que, aussi bien

pour la loi de Laplace à n variables que pour une loi quelconque à n
variables dont les n moments du premier ordre sont réduits à la valeur
zéro :
L e mm e . — L a condition nécessaire et su ffisante pour qu'un système
de valeurs données pour les moments du second ordre E* et E*,*
soit acceptable est que la form e quadratique
(7) ... , z n )= -+- 2^^ E*,/ Z i Z j

i /
soit non négative.
LE MOUVEMENT BROWNIEN A PLUSIEURS PARAMETRES.
Elle esl nécessaire, car la fonction-^ d’une telle loi.

+(sjt ss> .... *„) = logE{cffi^j,
dont la partie réelle est nécessairement non positive, est de la forme

Q ( 2 1? -S;, . . . . - / / ) *+• n ( 3 ï H- 3 r, -4- . . . -H Z â ) ( 3 1 , Z ............ Z n —V o ) .
»
Elle est suffisante, car on définit précisément une loi de Laplace à n
variables en prenant vp = — Q.
Le corollaire 58 montre donc que les valeurs des moments qui
résultent des formules ( 5 ) et (6) sont compatibles. On peut alors se
donner une suite de points A*, A a, . . . , constituant un ensemble
partout dense, et déterminer tous les X ( A „ ) par des expériences régies
par des lois bien définies. Le fait que l’expression (2), et par suite la
forme Q , soient définies positives, entraîne cette conséquence qu’aucun
des X ( A n) n’est une combinaison linéaire des précédents; il y a toujours
un nouvel élément aléatoire.
3° Convergence des approximations et continuité de X (A ). —

Posons n = 2V—*, et groupons les expériences qui doivent aboutir à la
détermination de X (A ) en séries partielles, dont la vIcme aboutit à la
détermination de X (A ) pour tous les points dont les coordonnées soient
toutes multiples de i et au plus égales à l’unité en valeurs absolues. Ces
points forment un réseau cubique à 2 /¿/j(2 714- i)^-4 côtés. Pour chacun
de ces côtés, la probabilité que la variation AX(A) de X (A ) dépasse en
valeur absolue e = en supposant que pour n infini X augmente
vn
indéfiniment (ce qui n’empêchera pas e de tendre vers zéro) est
de sorte que la probabilité que la plus grande de ces variations soit en

valeur absolue inférieure à ^ est, d’après le théorème de Boole,
yn
x4
2 p
(9) a.. ( 2V 1 )P e /V - i - 2?P e 2 •
K Av
Si l’on prend
(iO) Av= C \]*>.p log/l = C \/ïp(v — l ) l o g 2 (C>l),
la série 2 a v esl convergente, et il existe presque sûrement un nombre v0

tel que, pour v]> v0, la variation de X (A ) le long d’un côté quelconque
264 CHAPITRE VIII.
du viÈme réseau cubique soit en valeur absolue inférieure à ev= Comme

sjn
la série p l t j est convergente, il en résulte que, en suivant les côtés de
plus en plus petits du réseau cubique qui aboutissent à n’importe quel
point donné A (dans le cube de côté 2 que nous considérons d’abord),
on obtient pour X (A ) une limite déterminée, et que cette limite est une
fonction continue de A.
Le résultat ainsi établi pour un cube de dimensions Unies est natu
rellement vrai dans l’espace entier, qui est la réunion d’une infinité
dénombrable de cubes égaux.
Pour limiter maintenant la variation de X (A ) entre deux points
voisins, il n’y a qu’à raisonner comme nous l’avons fait ailleurs pour le
mouvement brownien linéaire ( 3). On voit ainsi que, si c > i, il existe
presque sûrement, lorsque la direction AB est donnée, un nombre p
tel que r = r(A , B) << p entraîne
(11) | X ( B ) - X ( A ) | ^ c ^ / a prlogp’
Pour passer de là au cas où la direction AB n’est pas donnée, on

commence pai décomposer AB en composantes dirigées suivant p axes
rectangulaires, à chacune desquelles on appliquera la formule ( 10). En
utilisant l’inégalité (X\ H- x 2 + . . . H- x p)2 ^ p(x\ + a?* 4 - . . . -f- #* ), on
en déduit, toujours pour r assez petit,
( 12 ) ; X(B) — X( A) ! ^ cp ^ / a r l o g ' i -
Ensuite, en choisissant cr entre 1 et c, et un angle 0 assez petit pour que

l’on ait
c V/COS 0 -f- c y p sin Ü< c,
en considérant l’ensemble des directions intérieures à un cône de révo

lution (3 de demi-angle au sommet 0, en décomposant un vecteur AB
parallèle à une de ces directions en un vecteur parallèle à l’axe de ce
cône auquel on appliquera à la formule ( 11 ) (en y remplaçant c par c')
et un vecteur perpendiculaire auquel on appliquera la formule (12 ), on
voit que, toujours pour r assez petit, la formule (11) s’applique à un tel
vecteur. Comme enfin on peut définir un nombre fini de cônes égaux
à C comprenant dans leur ensemble toutes les directions possibles, la
(a) P . L é v y [ 11 ] . p. 16^-17». Il s ’a g i t d ’un ré su lta t d éjà m e n tio n n e à la fin du n ° 5l du
p résen t vo lu m e.
LE MOUVEMENT BROWNIEN A PLUSIEURS PARAMÈTRES. *65
formule (1 1 ) subsiste indépendamment de toute restriction relative à la
direction AB.
Si au contraire c < i, la série 2av est divergente. On peut d’ailleurs
montrer que chacune des probabilités
p*=Pr{|AX(A)|>t},
dont 2 a v est la somme, est en corrélation arbitrairement petite avec les

autres, si l’on en excepte un nombre fini (indépendant de h). Dans ces
conditions l’éventualité |'A X ( A )|> e est presque sûrement réalisée
une infinité de fois.
On peut alors énoncer le résultat suivant :
T 59. — P ou r réimporte quelle région fin ie V de Vespace,

h é o r è m e
A et h étant deux points de V situés à une distance r Vun de Vautre

et à cela près quelconques, on a
! X(B) — X(A) I
OD Vi ) lun sup -— -■ —- —— I.
I ' >0 2p r | lûg F |
Quant au cas où A est fixe, et B seul variable, la loi du logarithme

itéré (établie au nw 51 pour p — i) subsiste sans changement. On le
voit par le raisonnement qui vient d’être appliqué à la formule ( io )
pour la débarrasser de la restriction que AB soit parallèle à une direction
donnée d’avance.60
60. R e p résen tatio n géo m étriq u e de la fo n ctio n aléato ire du m ouvem ent
brownien. — i° Notions générales. — Nous utiliserons la représentation
géométrique définie dans l’introduction. Chaque variable aléatoire X (A )
sera représentée par un vecteur oade l’espace de Hilbert Ew à une infi
nité de dimensions [car il y a une infinité de variables X ( A ) linéairement
indépendantes les unes des autres, ce qui rend nécessaire l’introduction
de cet espace]. Rappelons les relations fondamentales
(i/,) E {X f ; = ( oa,y -, F. «X,— X ,y } = («,<«,)*,

(<■■>) E >X,Xy \ = oai oa it
et, plus généralement

( 16 ) E { ( X , - X i ) ( X * - X k) ! = w T ,
les seconds membres des formules ( i 5 ) et (16 ) désignant des produits

scalaires.
P . LBVY. K
_>(>(> CHAPITRE VIII.
Comme il ne s’agit ici que de systèmes laplaciens de variables, la figure

oa4a2...a rt définit complètement la loi à n variables X (À*) X (A2^... X (A;l).
La condition indiquée au n° 5 9 , 2°, qui est nécessaire et suffisante pour
qu’un système de valeurs des moments E* et E ,j (i, j = i , 2 ... ., n )s
soit acceptable (c ’est-à-dire pour qu’il existe une loi à n variables ayant
ces. moments), est aussi nécessaire et suffisante pourquoi existe dans E(ü
(ou dans E„) n points a u a 2, . . ., an tels que l’on ait
(17) E| = (ortij*, E it}= o a iô â i,
ou, ce qui revient au même,

(18) E, = oa~. Ei-h E/ — 2 E|./ = ( ata, Y2.
Donc :
T héorème 60. 1. — L a condition nécessaire et suffisante p o u t
qu'un système de valeurs ri et n j données pour les distances oat
et oaj soit acceptable est que la form e quadratique
(19) rfj) zi zi
soit non négative.
On montre d’ailleurs aisément que : la condition nécessaire et

suffisante pour que les n vecteurs oa4, oa2, . . oan soient linéai
rement indépendants (c’est-à-dire que pour que o ne soit pas dans le
plan défini par a i, a 2. . . ., an), est que la form e quadratique (19)
soit définie positive.
Supposons en effet les points a t, a 2, . . ., an placés dans une figure
de manière que a ta y= r e>;; supposons d’abord les vecteurs a» a*,
a * , a ia ,t. linéairement indépendants, et proposons-nous de
placer le point o dans cette figure. Les différences r\ — r\, rl — r\, . . . ,
i'l— r\ en donnent n — 1 lieux, qui sont d$s plans respectivement per
pendiculaires à ces n — 1 vecteurs, et dont l’intersection (dans un espace
à n dimensions) est une droite perpendiculaire au plan a i a 2. . . a n, et
qui le coupe en un point 6. Il s’agit de placer le point o sur cette droite.
o sera réel et distinct de 6, ou confondu avec 6, ou imaginaire suivant
que ob2 est positif, ou nul, ou négatif. Or ob2 est le minimum de ow 2,
m décrivant le plan a 4a 2. . . a n, c’est-à-dire le minimum de l’expression
(20) ( oci 1-+

* ^1o(i\ - f .. --H~'H o (in )2>
-1, , z n étant des nombres réels de somme un. En calculant cette

LE MOUVEMENT BROWNIEN A PLUSIEURS PARAMETRES. >(>7
expression en fonction des valeurs données r, et r # -j, on trouve la

forme quadratique (19 ). Elle ne peut d’ailleurs pas se réduire
à “h - • .-h S/1)2; celte réduction impliquerait en effet rf = c y
n j = z o ; or les sont positifs. On ne change alors rien en faisant
abstraction de la condition = 1, et les trois cas dis
tingués sont bien réalisés suivant la nature de la forme quadratique (19).
Si elle est non négative, et dans ce cas seulement, o est réel; si elle est
définie positive, et dans ce cas seulement, o est réel et distinct de 6.
Si d’ailleurs les vecteurs a i a 4a j, . . ., a± an ne sont pas linéairement
indépendants, on peut trouver des déterminations des ^¿, non toutes
nulles, qui annulent l’expression (20), quelque soit o, et par suite la
forme quadratique (19 ), quels que soient r\ 7 r 2, . . ., rn\ elle ne saurait
être définie positive, et le résultat est bien démontré dans tous les cas.
Donc : si l ’on place successivement les points a i, a 2, .. ., a rt . . ., si,
pour chaque valeur de /¿, on détermine a,n_i (en ajoutant à la figure une
nouvelle dimension) à l’aide des distances r i f/t+1, r 2,n+1, • ■ , r n;A+1, si,
pour s’assurer de la possibilité du problème, on forme l’expression
analogue à l’expression (19 ) (r/ étant remplacé par r lfA+i), tant qu’on
obtient ainsi des formes définies positives, la construction de la figure
reste possible, et jamais le nouveau point n’est dans le plan des pré
cédents; il faut chaque fois augmenter d’une unité les dimensions de
l’espace considéré pour pouvoir placer ce nouveau point.
3° Application à la représentation du mouvement brownien. —

Si nous désignons par a et b les points qui représentent les variables
aléatoires X ( A ) et X ( B ) , on a
<«) | « é | * = E { [ X ( B ) — X(A)]*} = AB,
de sorte que le corollaire 08, d’après lequel les conditions imposées à la

fonction X ( A ) sont compatibles, conduit au suivant :
T héorème 6 0 . 2 . — I l est possible R éta b lir entre Vespace eucli

dien Ep à p dimensions et une variété convenablement choisie dans
Vespace de H ilbert une correspondance biunivoque et telle que Von ait
( 22) abr = AB.
(a et b étant les points de l’espace de Hilbert qui correspondent aux

points A et B de l’espace Ey,).S
i
Si en effet on ne considère qu’un nombre fini de points, ce théorème

est la traduction exacte du corollaire 5 8 . Il n’y a alors aucune dif-
*2()8 CHAPITRE VIII.
ficulté à considérer une infinité dénombrable de points A /i( n = i, 2, . . .)

formant un ensemble partout dense dans E,>; il leur correspond une
suite de points a n de l'espace de Hilbert. Un point quelconque B de E„
est dans ces conditions la limite d’une suite de points Bv convenablement
choisis parmi les A n; leurs transformés 6V ont une limite b (puisque,
pour v et y' infini, tend vers zéro). Le lieu de b est une variété
continue et la relation (22) est naturellement toujours vérifiée.
Indiquons enfin que n points a i, . . ., an ne sont jamais dans une
même variété linéaire à n — 2 dimensions. C ’est l’interprétation géomé
trique du fait qu’une variable aléatoire X ( A /t) n’est jamais complètement
déterminée par la connaissance des précédentes.
61. Étude de quelques figures simples. — i° Points a l i g n é s — Si

trois points A i, A 2, A* sont alignés, A a étant entre A i et A 3, la
relation
Ai A3= Ai A2 -f-À2A 3 donne ( a i «.-.)2 = ( a ^ ) 2-!- ( a 2a.-,)2,
et le triangle a i a aa :J est rectangle en a 2. L ’orthogonalité de a i a a e t a aa 3

est l’image du fait que X a — X 4 et X 3 — X> sont indépendants [X î dési
gnant X ( A î )].
Désignons par h le pied de la hauteur issue du point a. Ce point est
l’image de la variable aléatoire
f ( A a 3) X i •+■ ( a\ h ) X 3 ( a 2a*)2X i h- ( « i a 2)2 ( A* A 3) X i - i - ( A i A j)X 3

axa^ ~~ ( a i « 3)2 ~~ A, A3 ’
de sorte que, si Xi et X 3 sont connus, X a s’obtient en ajoutant à p une

variable laplacienne représentée par /ia2, donc orthogonale à a t a 3
(c ’est-à-dire indépendante de X 3— X 4), et de valeur quadratique
moyenne
( a \ a ± ) ( a * a*) ( A i A î K A s A 3)
ha* =
axan " Ai A3
On retrouve ainsi la formule d’interpolation (4 ) du n° 1 , et l’on voit que

les valeurs de p et o* qui interviennent dans ces formules sont en relation
simple avec les propriétés élémentaires des triangles rectangles.
Si l’on introduit maintenant un nouveau point A'2 situé par exemple
entre À a et A 3, X'2 = X (A '2) sera représenté par un point a’t situé sur
une circonférence de diamètre a a a 3 et dont le plan est perpendiculaire
au plan a* a 2a 3; ainsi il est, comme a a, sur la sphère de diamètre a* a 3>
et les angles ai a a a :t, a t a 2 a 3, a* a 2 a 2, a 2 a 2 a 3 sont tous droits»
LE MOUVEMENT BROWNIEN A PLUSIEURS PARAMÈTRES. 2G9
Plus généralement, à une succession de points alignés correspondent

les sommets d’une ligne polygonale dont tous les côtés sont deux à deux
perpendiculaires. A l’ensemble des points d’une droite correspondent
ceux d’une courbe C dont deux arcs disjoints sont toujours situés dans
deux variétés linéaires (à une inimité de dimensions) orthogonales
entre elles (en ce sens que toute droite de l’une est orthogonale à toutes
les droites de l’autre).
20 Triangles et rectangles. — Considérons maintenant trois points

A i, A 2, A 3 formant un triangle. L’inégalité
Ai A3< Ai A j-h A* A3 donne «1 a\ < a\ -+- aâ\,
de sorte que (compte tenu des deux autres inégalités analogues), le

triangle a\ a 2tz3 a tous ses angles aigus.
Deux points a K et a 2 étant supposés placés dans l’espace de Hilbert,
tous les autres points qui représentent les X (A ) sont dans la région
extérieure à la sphère de diamètre a Ka 2 et comprise entre les plans
qui la touchent en a 4 et a 2. Seuls les arcs de courbe qui correspondent
aux parties de la droite A* A 2 séparées par Ai et A 2 sont situés, l’un
sur cette sphère, et chacun des autres dans un des deux plans tangents
en ai et ¿z2.
Considérons maintenant un rectangle A BCD . Aux deux triangles
égaux ABC et CD A correspondent deux triangles égaux abc et ed a . Si
on les place dans un même plan, du même côté de ac, la figure obtenue
abcd est un trapèze isoscèle, dont (les angles en a et c des triangles abc
et eda étant aigus) bd est le petit côté; bdesi donc trop petit (A C = BD
entraînant ac = bd). Si au contraire on les place de part et d’autre
de ac, la figure abcd est un parallélogramme dont b et d sont les angles
aigus; bd est cette fois trop grand. 11 en résulte que si, par une rotation
continue autour de ac, on amène le triangle eda de la première position
à la seconde, il y aura une position, caractérisée par une valeur bien
déterminée de l’angle des plans abc ei .eda, pour laquelle bd aura la
valeur ac. On obtient ainsi le quadrilatère gauche qui correspond au
rectangle.
Remarquons encore qu’aux sommets d’un triangle équilatéral corres
pondent les sommets d’un triangle équilatéral, à ceux d’un tétraèdre régu
lier correspondent ceux d'un tétraèdre régulier; et ainsi de suite.
3° Condition d 1orthogonalité des transformés de deux vecteurs. —
Désignons par a, b, m et m! les transformés de A , B, M et M'; par R et r
les distances AB et ab\ par p et p f les pieds des perpendiculaires
27<> CHAPITRE VIII.
abaissées de m et de m! sur a b ; p représente une variable aléatoire p

égale à la valeur probable de X (M ) si X (À ) et X (B ) sont connus. On a
( 23 ) MB — MA = m b1 — ma- = p b 2— p a 2= r (p b — p a ).
Par suite : le lieu des p o in ts M correspon dan t à une position donnée

d e p (nécessairement entre a et b ) est une n a p p e 9C d! un h yp e rb o lo ïd e
de révolu tion X de f o y e r s A et B. Si p vient en a ou 6, X se réduit
à une demi-droite. Si p est au milieu de aè, X se réduit au plan
médiateur de AB.
Il en résulte évidemment que :
T héorème 61. i . — L a con dition nécessaire e t suffisante p o u r

q u e ab e t mm! soient o rth o g o n a u x [c ’est-à-dire que X (B ) — X (A )
et X (M ') — X (M ) soient indépendants] est que M et M' soient su r une
m êm e n a p pe d 'u n h yp erb o lo ïd e de révolu tion de f o y e r s A et B
(alors A et B sont [de même sur une même nappe d’un hyperboloïde de
révolution de foyer M et M').
Plus généralement, il résulte de (a 3 ) que
(24) MB — MA — (M'B — M'A) = 2 ( x* — x) v/ït.
x et x? représentant les abscisses de p et p 1, comptées positivement de a,

vers 6. On en déduit, 0 désignant l’angle de ab et de mm',
x MB -h M'A — MA — M B
( 25) COS 6 =
mm 2 v7R MM'
Le numérateur de celle expression est borné à la fois par 2R et par ap

(en désignant par p la distance MM'). On a donc
<26) cos20 ^ —, cos2Ô^

p “ RS
i
Si d’autre part p est petit, en désignant par a et (3 les angles de MM'

avec AM ei BM prolongés, on déduit de la formule (26)
a COS a — cos (j / p ~ .
(27) cos9 = ------------ C^/fe + 0 (P).
Si alors p < R , cosO est très petit, même si R est lui-même petit par
rapport à AM, car alors a et P sont très peu différents. La même
LE MOUVEMENT BROWNIEN A PLUSIEURS PARAMETRES. 271
conclusion subsiste, à cause de la symétrie des rôles de AB et MM7, si

Ton intervertit p et R. Donc
T héorème 6 1 . 2 . — S i Vun des segments AB et MM' est p e tit, soit

p a r rapport à Vautre, soit p a r rapport à AM (ou BM ou AM' ou BM7),
les variations X (B ) — X ( A ) et X (M ') — X (M ) sont presque ortho
gonales (donc presque indépendantes).
Naturellement, si au contraire AM el BM7 sont petits par rapport

à AB, elles sont presque égales.
62. Lia droite et un point extérieur. — i° L a valeur de X ( A ) en un

p o in t, quand X (M ) est connu sur une droite D. — Désignons par O
le pied de la perpendiculaire abaissée de A sur la droite D, par h la
distance OA, par x la distance OM, et par d x un déplacement MM7
de ce point, auquel correspond une variation dX = \(x )\fd x de X (M )
[£(#) étant une variable réduite]. Désignons par o, a, m, m', les points
de l’espace de Hilbert qui représentent X ( O ) , X (A ), X (M ) et X (M 7)
et par p la projection de a sur mm'; si x et d x sont positifs, celle de o
est m. On a
x dx
AM'— AM = d v/A-
sJh- -h x-
a /w '2— am - = p m - — p m - == m m \ m m — 2 m / » )
dx — împ \/dx,
et par suite
(28)S
i
Si A se déplace d’une longueur infiniment petite dl parallèlement à D,

la variation de mp est
d x h* dl
4 / —fiff—
(29) o, mp = -f- - = -s!T x =
dx y/** x 2 2 2( h- h- x2) V A2-h *2
et, pour une variation dh de h , elle est

h x dh a / dx
(3o) 63 mp =
2(A2-h x‘- )V F k ? ’
Quand M décrit la droite D et que tous les X (M ) sont connus,

m décrit une courbe C , située dans un plan IT (à une infinité de dimen
sions), lieu des points de l’espace de Hilbert correspondant à des varia
bles aléatoires fonctions linéaires des X (M ), donc connues. La valeur
2-2 CHAPITRE VIII.
probable conditionnelle p. de X (A )— X (O ) est représentée parla projec

tion oq de oa sur II, tandis que la part du hasard o* est représentée par qa.
Or oq est la résultante de vecteurs tels que m p, deux à deux orthogo
naux; pour ceux qui correspondent aux valeurs négatives de x , il faut
remplacer x par |x | dans la formule (28). Il vient donc
et, en posant x = h $h?,
( 31 > oq*=V\^\=hf (
On en déduit pour le terme complémentaire
(32) ça*
De la même manière, si A se déplace de dl parallèlement à D, la varia

tion ô| X (A ) est représentée par un vecteur aal dont la composante p p x
suivant mm1est définie par la formule (29), et sa projection sur le plan II a
une longueur r 4, définie par
...... h Kd p r* dx 3k d p
(J3) ' (A2-hx*y> ~ " H / T ’
et, en partant de la formule ( 34 ), on trouve de même, pour le cas d’un

déplacement de A perpendiculaire à D,
hr- d i p r * x'- d x -dJP

(34) 2 J (/¿--h ^2):5 ~~ 32 A
Ces quantités étant o| <7- { ôX( A ) } ], les variations o4X ( A ) et ô2X (A )

sont presque indépendantes des valeurs données sur la droite D.
On peut étudier par la même méthode la variation finie X ( A')— X (A ),
et en déduire la corrélation entre X ( A ) — X (O ) et X ( A ') — X (O ).
Mais, sauf dans le cas où A et A' sont à la même distance de D (que ce
soit, ou non, du même côté), le calcul introduit des intégrales ellip
tiques, et n’aboutit pas à une formule simple. Nous allons voir que,
sans calculer exactement ces intégrales, on peut aisément arriver à un
résultat important.
2° L a corrélation entre X (A ) et X ( A'), A et A! étant de part et
d'a u tre de D. — Nous prendrons pour O l’intersection de AA' avec D
et, supposerons X (O ) = o et X(M ) connu sur D. La lettre E sera rem
placée par E' quand il s’agira d’une valeur probable conditionnelle,

fonction des valeurs données des X (M ). Nous poserons
X (A )= p + < ,ç |V = E' j X( A) j, =
X(A')«=p'+<*T [p=E'{X(A')j, ®* | A'J ;
£ et £' sont des variables réduites. L ’expression E j fxfji' j se calcule par la

méthode qui vient de nous servirá calculer E j p,3 j. Les projections de oa
et oa! sur mm! sont mp et m p , m étant la projection de o, c ’est-à-dire
celui des deux points m et m* qui correspond à celui des points M et M'
qui est le plus près de O ; mp mp' est donc positif, et
E j jjLji.' J = 2 mp mp > o.
Comme X ( A ) e t X ( A ') sont orthogonaux, on en déduit
(35) E { Çî' | = — E { |i(i' | < o.
Donc :
T héorème 6 2 . — I l y a entre X (A ) et X (A ') une corrélation
négative, définie p a r la fo rm u le ( 3 5 ), ou encore p a r
(36) E' j X( A )X( A') j = fifi' + <w'E{K'} < ■ «*'= E ' { X ( A ) } E'{ X(A' ){.
Si, en particulier A et A! sont symétriques par rapport à D, p = p',

o' = o-, et il vient
E I fi* i 4- *
(37) E { « '} = - = — 0,273...,
a* K
formule qui, puisque £ et sont des variables laplaciennes réduites,

définit parfaitement la loi de Laplace à deux variables \ etc .
Ce théorème montre que, contrairement à ce qu’on aurait pu penser :
le mouvement brownien à plusieurs paramètres n!est pas un
processus de M a rk o ff.6
3
63. La sphère et les polyèdres réguliers. Propriétés asymptotiques. —

i° L a part du hasard au centre d 'u n e sphère. — Supposons XÂ)
connu sur la surface S d’une sphère de l ’espace E^, de centre O et de
rayon un. Par raison de symétrie, la valeur probable p. de X (O ) est
dans ces conditions
fi = E' { X( 0) } =I RÎ X( A) >,
2-4 CHAPITRE VIII.
J H d é s ig n a n t u n e m o y e n n e s u r S . L a p a rt d u h a s a r d , d a n s la d é t e r m i
n a tio n d e X ( O ) , e s t X (0 ) — (u ; c ’ e s t u n e v a r ia b le la p la c ie n n e in d é p e n
d a n te d e s v a le u rs d o n n é e s X ( A ) , d e s o rte q u ’o n p e u t c a lc u le r sa v a le u r
q u a d r a tiq u e m o y e n n e <j p p a r l a fo r m u le
= E ! [X(O) — ,u]4 ;
= E ][iH ;X (A )-\(0 );]M
= E : iHA,«![X(A)-X(0)][X(B)-X(0)]i I
= i«.4,BÎEÎ[X(A)-X(0)]tX(B)-X(0)]; }
= JHA(B j oa ^ ob- ab j = A U IHu i — si nO ; ;,
en désignant Tangle AOB par 2O. L ’intégration par rapport à B donne

évidemment un résultat indépendant de A, et l’on peut simplement
écrire
= ¿11 :1 — sine ; = 1 — S A 1 sine
O n s a it q u e , p o u r p in fin i, la s u rfa c e d e la s p h è re se c o n c e n tr e a u
v o is in a g e d u p la n d ia m é tr a l p e r p e n d ic u la ir e à O A . D o n c A B = 2 s in O
te n d e n m e s u r e v e rs 2 s in ^ = ^ /2 , e t il v ie n t
H8) l i m a* = 1 ------ l— > o,

fr
T héorèm e 63. — S i X ( A ) est connu sur la surface S d'un e sphère

de l'espace E /n de centre O et de rayon R , X ( 0 ) est de la form e
( 39)
\k étant la moyenne des valeurs données, \ étant une variable lapla

cienne réduite, indépendante des valeurs données, et a~p tendant vers
la lim ite positive 1 --------- ^ = 0 , 2 9 2 . . . .
V2
2° Les polyèdres réguliers . — N o u s c o n s id é r e r o n s , d a n s l’e s p a c e E „ ,

le p o ly è d r e r é g u lie r P „ à w + i s o m m e ts A 0, A t , . . ., A „ , q u i e st la
g é n é ra lis a tio n d u té tra è d re ré g u lie r . S e s n ^ a rê te s A / A y o n t u n e

2
même longueur L II a un centre de gravité O , qui est en même temps

le centre de la sphère inscrite. Nous désignerons par knl la longueur
commune des hauteurs A* H*, et par G le centre de gravité de A 2 A 3.... A„ ;
le point H0 partage A 4G = kn l en deux segments
A, H, = - — - kn- i l, H. G = - L
n n
Les triangles A 0H0A, et A 0H0Gétant rectangles en H0, il vient
kl
d’où l’on déduit

n+ I
(4o)
2 fl
La hauteur A 0H0 est donc l ^ / — 1 ; le rayon O A 0 de la sphère cir-
C<inscrite est alors l { / — >et la distance du centre O aux faces du

Y 2 (/H -I)
polyèdre est On remarque que, pour n infini, on a

^2n(n H-l)
«O lim A0H0= limOAl>= — , OH0~ — -

ypi n \]2
Les points A 0, A*, . . . , A n ont des transformés a 0, a t, . . . , any qui

sont les sommets d’un polyèdre régulier p n, semblable à P n, d’arêtes
égales à \/7.,L es formules qui précèdent donnent immédiatement les
résultats suivants :
Si X ,, X 2, .. \ n [en posant Xv~ X (A V)] sont connus, la valeur
probable de X 0 est par raison de symétrie,
¡x„= E { X „ 1 = X.1 + X .- H ...+ X„ [Xl=X(Ai)].
Elle est représentée par le point A'0, pied de la hauteur a n de p n, et la

part du hasard X ( A 0) — fx est représentée par cette hauteur. On a donc
(42) 9 i X ( A „ ) } = A'„ a„ = kn / 1 =
Pour n infini, elle tend donc vers

Le fait qu’elle ne tende pas vers zéro entraîne une conséquence
importante pour la suite. Si l’on détermine successivement tous les
X v(v = i, a, . . . n), les différences X v+i — jav étant indépendantes les
276 CHAPITRE VIII.
unes des autres, la probabilité que certaines de ces différences soient

très grandes, et que par suite le maximum de | X*— Xy | soit très grand,
est d’autant plus grande que n est plus grand, et, pour n infini, quel
que petit que soit /, il est presque sûr que la suite des X v n’est pas bornée.
Toujours dans l’hypothèse où X 4, X 2, . . X n sont connus, X ( O )
et X ( H0) (H 0 étant le centre de gravité de A« A a, .. ., A n) ont la même
valeur probable que X 0, et o*| X (O ) Jeto-j X(H©)j se calculent immédia
tement, puisque X (O ) et X (H 0) sont représentés par des points o etA©
dont les distances à .a« sont respectivement \/OAi et y/HoAêt que les
triangles oA70a, et A0A'0« 4 sont rectangles en A'0. Il vient ainsi
n — I
—/ J
* I-x <°> ! -*'•« * - V W ^ I ) 2/1
(43)
n — I
2/1
Ces quantités tendent, pour n infini, vers la même limite
(44) lima* { X ( 0 ) } = lima* | x a } = Z ^ - L .
Il en est de même, naturellement pour a* j X (O ') j, O' étant un point

de A 0H0 dont la distance à H0 est assujettie à la seule condition de
tendre vers zéro pour n infini, et notamment pour celui situé à la dis
tance Ce point O', pour lequel on a
l/2/i
étant à la distance — des points A i, A 2......... A „, les directions O 'A i,

\«
O'A-j, . . . . O'A,, sont deux à deux rectangulaires. 11 est le centre d'un
2" — èdrc régulier (généralisation de l'octaèdre) qui a 2" faces
égales, dont l une est Ai A.». . . A,t.
3° Rem arques. — D ’après la définition même de la fonction X ( A ) ,

la dispersion quadratique moyenne aj 3^(0 ) J, lorsque X ( A ) est connu
pour certains points A v, ne peut que décroître quand on ajoute de nou
veaux points A v. Elle est aussi, d’une manière générale, d’autant plus
faible que les A v sont plus voisins de O ; un point rapproché donne plus
de renseignements qu’un grand nombre de points éloignés.
Une autre remarque qu’il y a lieu de faire à ce sujet est que a j X ( 0 )J
est d’autant plus petit que les points A v entourent davantage O. Ainsi,
LE MOUVEMENT BROWNIEN A PLUSIEURS PARAMÈTRES. 277
si le nombre < jp défini par la formule ( 3 8 ) est une fonction décroissante

de /?, ce n’est pas seulement parce qu’on ajoute de nouveaux points en
augmentant mais parce que O est mieux entouré. Des points A v en
nombre fini, répartis d’une manière assez dense sur la surface de la
sphère S, donneront une valeur de a {X ( O ) ) plus faible qu’une infinité
de points groupés dans une petite région, ou même sur la circonférence
d’un grand cercle.
On peut préciser cette remarque en se reportant à la formule (39),

où ¡x est la moyenne de X ( A ) sur la sphère. X ( O ) est d’autant mieux
connu que les X ( A V) renseignent davantage sur cette moyenne. O r on
sait que, si p est grand, le voisinage de l’équateur constitue presque
toute la surface de la sphère. Cela explique que <
jp ne décroisse que très
peu quand p augmente d’une unité; X ( A ) était déjà connu sur l’équa
teur de la nouvelle sphère que l’on considère.
COMPLÉMENT
(rédigé pour la deuxième édition)
PROGRÈS RÉCENTS UE LA THÉORIE

DES FONCTIONS ALÉATOIRES LAPLACIENNES.
CHAPITRE I.
NOTIONS GÉNÉRALES SUR LES FONCTIONS ALÉATOIRES LAPLACIENNES.
S ommaire . — 1. Définitions et remarques préliminaires. — 2. Probabilités conditionnelles

dans un système laplacien. — 3. L’intégrale de G. Maruyama. — 4. L’intégrale à
limite supérieure variable et les représentations canoniques. — 5. Une courbe
remarquable de l’espace de Hilbert. — 6. Caractérisation des noyaux canoniques. —
7. La variation infinitésimale de X( f ) . — 8. Les noyaux de Goursat. — 9 . Recherche
de noyaux correspondant à une covariance de Goursat donnée. — 10. Remarques sur
l’ensemble des représentations d'une fonction laplacienne définie par sa covariance.—
11. Détermination de la représentation canonique en fonction de la covariance.
1 . Définitions et remarques préliminaires. — i° Nous dirons qu’une

fonction aléatoire réelle X (A ), définie dans un espace &, est laplacienne
(on dit aussi gaussienne) si elle est de la forme
0) X ( A ) = V / v( A ) ï v + A ' ( A ) ,
les £v étant des variables laplacienncs réduites, indépendantes les unes

des autres; rensemble des indices v peut être fini ou infini, et môme
non dénombrable; les fonctions / V(A ) doivent vérifier, sauf peul-ôtre
en certains points singuliers, la condition
28o COMPLÉMENT. — CHAPITRE J.
qui implique qu’en chaque point A il y ait au plus une infinité dénom
brable de fonctions / V(A ) qui soient ^ o. Comme on ne change pas
la loi de X ( A ) en remplaçant par gv?v (ev= ±: on ne restreint rien
en supposant f , ( A ) ^ o.
Pour élendre la définition précédente au cas complexe, il suffit de
remplacer par la variable laplacienne complexe
y _ Ev-I- i'f,v
fi ’
£v et Tîv étant indépendants l’un de l ’autre. Le produit (0 réel)

dépendant de la môme loi que Ç, on peut encore supposer / V(A ) réel
et ^ o.
On peut aussi définir des fonctions laplaciennes à valeurs dans un
espace vectoriel; nous ne considérerons que le cas où cet espace est
euclidien et où les composantes de X ( A ) sont des déterminations indé
pendantes d’une môme fonction de la forme (i), de manière qu’une
rotation des axes ne change pas la définition. Mais, s a u f avis contraire,
il s'agira de fonctions réelles, et semi-réduit es, c'est-à-dire que
g{ A ) = o .
20 On définit parfois les fonctions aléatoires laplaciennes par la
condition que toutes leurs combinaisons linéaires de la forme
n
(3) S„ = 2 C* X <A*>
1
soient des variables laplaciennes semi-réduites. Nous allons démontrer

que :
T héorème 1 (classique). — S i Vensemble S est f in i ou dénombrable,

cette définition est équivalente à celle qui résulte de la form ule (i).
Il est d’abord évident que, si X ( A ) a la forme (i), S /t a toujours la
môme forme et est une variable laplacienne. Pour démontrer la réci
proque, un ensemble dénombrable de variables aléatoires X/,= X ( A a)
étant bien défini si, pour tout entier n, on connaît la loi à n variables
Xi, X 2, ..., X „, il suffit de se placer dans le cas fini. On peut d’ailleurs,
par un changement de variables linéaire, ramener les X* à un système
orthonormé de n variables semi-réduites U*, c’est-à-dire que
(4) E(U*) = o, E i ( 2 * * u*)î ! = 2 ;s*=Q(z)-

NOTIONS GÉNÉRALES SUR LES FONCTIONS ALÉATOIRES LAPLACIENNES. 28l
/1
L’hypothèse étant que la somme S „ = \ ^ * a-U/;, qui s’identifie à la
1
forme (3), soit laplacienne, la fonction caractéristique de l’ensemble U/,-
est
,_ 2
! v^ *i
(5) (-)
Or cette forme caractérise un système de n variables laplaciennes

réduites £v, indépendantes les unes des autres. Les X/,, fonctions liné
aires des U*, ont donc bien la forme (1), c. q . f . i>.
L ’extension de ce théorème au cas des fonctions laplaciennes qui ne
sont pas semi-réduites est immédiate; il n’y a qu’à introduire des
termes certains dans les formules..
3° Cas non dénombrable. — L ’extension à ce cas oblige à distinguer

la définition fa ib le et la définition complète d’une fonction aléatoire.
Un exemple montrera bien la nécessité de cette distinction. Prenons
pour U(£) une fonction aléatoire de la variable réelle /, additive,
continue en probabilité, et posons
x</) = ti (/ h- o) — i;(/ — o).
Cette fonction est presque sûrement nulle en tout point donné d’avance,
donc aussi en tous les points d’un ensemble fini ou dénombrable donné.
L a définition fa ib le, qu i consiste 11 se donner, en fonction des t/t,
la loi jo in te de la suite des valeurs \(t/t) (h = 1, 2, . . . ), ne permet
pas de la distinguer de la fonction identiquement nulle. Elle en est
pourtant bien différente ; il peut arriver par exemple que l’ensemble des
points t où X(£) ^ o soit partout dense sur l’axe des t.
On peut varier à l’infini les exemples de fonctions qui sont presque
sûrement nulles en n’imporle quel point donné, sans être pour cela
identiquement nulles. En ajoutant une telle fonction à une fonction
aléatoire, on n’en change pas la définition faible; pourtant ce n’est plus
la même fonction.
Or la définition des fonctions laplaciennes par la formule (1) est une
définition complète; leur définition par l’intermédiaire des sommes S/£
est une définition faible, évidemment moins restrictive si l'ensemble &
n’est pas dénombrable. Mais, même dans ce cas, on ne considère
souvent que des fonctions séparables, pour lesquelles la donnée.des
valeurs de \ ( A ) sur un sous-ensemble dénombrable de & suffit à
P . LKVY.
19
282 COMPLÉMENT. — CHAPITRE I.
définir sans ambiguïté une fonction présentant presque sûrement

certains caractères de continuité. C ’est ce qui arrive pour les processus
additifs continus en probabilité. Dans les cas de ce genre, le théorème 1
reste exact.
2. Probabilités conditionnelles dans un système laplacien. — i° Nous
appellerons form e canonique d’une variable laplacienne X la forme
jj. H- o>, où p = E ( X ) . Si p = o, la variable X est semi-réduite. Dans le
cas d’une fonction laplacienne X ( A ) semi-réduite, c’est-à-dire que
E ! X ( A ) j = o quel que soit A , la loi de probabilité conditionnelle de
X ( A ) lorsqu’on connaît les valeurs de la fonction X ( . ) dans un sous-
ensemble e de & s’exprime par une formule de la forme canonique
X ( A ) = u ( A ) + <r(A)$A,
la valeur probable conditionnelle jx(A) = jjl(A | e) dépendant linéai

rement des données, tandis que l’écart type conditionnel o-(A) = <r( A | e)
ne dépend que de A et de e . On a un énoncé analogue lorsqu’on se
donne une ou plusieurs fonctionnelles linéaires de X ( . ). Tout cela est
bien connu dans le cas des ensembles finis, et l’extension au cas des
ensembles dénombrables est triviale. Mais il peut être utile de montrer
que le résultat subsiste lorsque non seulement <§, mais e ne sont pas
dénombrables. Nous obtiendrons au sujet de pi (A | e) et <r(A |e) quelques
énoncés simples et qui semblent peu connus (cf. P. Lévy [ 47]).
20 Quelle que soit la puissance de l’ensemble e, nous pouvons le
supposer bien ordonné, et désigner par eu l’ensemble des éléments qui
précèdent un élément #v. Alors <7( A | ev) ne peut que décroître quand v
croît, et ne varie par suite que pour des indices v formant un ensemble
e fini ou dénombrable. Cela ne veut pas dire que, si v € e — e\
\ ( A V) soit indépendant de X ( A ) ; mais l’information qu’il peut donner
sur X ( A ) peut déjà être déduite de la donnée des X ( A ?) d’indices p
précédant v.
I n sous-ensemble e de e vérifiant toujours la condition
- { \ ; v ) \ ?( A j e),
nous dirons qu'il est minimisant si c(A 1! = oÂ |e), et qu'une suite
de sous-ensembles en est minimisante si A | en) —v <j[ A ! e ) [n x ).
T héorème 2 .t . — Quels que soient le point A€<£ et le sous-
ensemble c il existe des *ous-ensembles e' de e, finis ou dénom
brables, qu i sont minimisants pour X( A \ et il existe des suites
minimisantes composées d'ensembles fin is .
NOTIONS GÉNÉRALES SUR LES FONCTIONS ALÉATOIRES LAPLACIENNES. 283
La première partie exprime le résultat que nous venions d’obtenir.

Il suffit ensuite de ranger en une suite unique les éléments d’un sous-
ensemble minimisant dénombrable e\ et de désigner par en l’ensemble
des n premiers termes de celte suite. La suite des en est minimisante.
3° T héorème 2 .2 . —- S i les sous-ensembles en de e form ent une
suite minimisante p ou r X (A), il y a convergence en moyenne quadra
tique de [xn = fx(A | en) vers ¡jl = ¡x(A | e). S i, de p lu s, chaque en
contient le précédent, la convergence est presque sûre.
C orollaire . — S i er est un sous-ensemble de e minimisant pour
X ( A ), on a presque sûrement ¡xl = jjl(A | e1) = ¡x.
Le corollaire résulte évidemment du théorème énoncé. Pour démontrer
ce théorème, posons
X( A) = fi -h ffÇ = {JLrt-h <jn\n [* = <
j (A | e), <
j„ = <i(A | en)];
5 ■+■ Zn= -n v^2(i-h p„) { p„= E (K #t)€ [— i, h- i ] !,
£, et -n étant des variables laplaciennes réduites. L ’élimination de \

et Îfl entre ces formules donne
99n
X (A )- £ ii± ü 2 s
9 + an 9 + *n *0vÔ + p*)-
On déduit de cette formule que p„-> i (pour n infini). Ce coefficient
de corrélation est en effet toujours ^ t , et, s’il pouvait être une infinité
de fois < i — s quand n-^ oo, donc g X (A ) se présenterait
sous la forme ¡x* -h cr*ri, avec 9* < <
j , et ¡x* connu quand X ( . ) est connu
dans e (donc dans en c e ) , ce qui est en contradiction avec la définition
de o*. Donc pn tend vers un, c’est-à-dire que
E! (? -& .)* ! = 2 - 2p->G,
et, par suite, puisque

E j (fA„-îA)*i = E j OrÇ
ce qui établit le premier résultat énoncé.

D ’autre part, si chaque en contient le précédent, les ¡xn sont les
sommes successives d’une série à termes aléatoires indépendants. On
sait que pour une telle série la convergence en moyenne quadratique
entraîne la convergence presque sûre, ce qui termine la démonstration.
Ces théorèmes deviennent évidents dans le cas d’une fonction X (A )
continue en moyenne quadratique, et d’un ensemble e séparable. On
:>84 COMPLÉMENT. — CHAPITRE I.
n’a qu’à prendre pour un ensemble dénombrable partout dense dans c?.
Mais nous en verrons au Chapitre III des applications d’un caractère
moins trivial.
3 . L ’intégrale de G . Maruyama [ 1 ]. — i° Nous désignerons par d3(i)

la fonction de W iener (ou fonction du mouvemeut brownien linéaire).
A une variation dt de t correspond une variation \ \Jdt de ce qui,
en supposant dJ(o) = o, conduit à écrire
( 6) Ôb (() —•AÇ
»
s/<t" }
notation qui ne doit pas faire oublier que est en réalité une fonction
de u et d u . En employant une notation analogue, nous considérerons
l’intégrale de Maruyama
" __
(7) / F ( A, u) \hlu ' (o < a ).
On peut, si le noyau F (A , u) est une fonction continue et dérivable

de a, la définir par la formule
u (t
r F ( A , u ) rfüb ( u) = I4
" ( A , a ) 6b(a) — j iü (u) d„ F ( A , u).
Mais il semble préférable de considérer X (A ) comme limite de la

somme riemannienne
(9) S (A) = y F (A , U.,) I, v/A
obtenue en divisant l’intervalle d’intégration en intervalles partiels très

petits (wv, wv+ i l w v); les £v sont toujours des variables laplaciennes
réduites et indépendantes les unes des autres. Celte somme est une
variable laplacienne semi-réduite, bien définie par sa covariance
(10) Kî s ( A , ) S ( A 2) ; = 2 F ( A l , KV) F (As, ir,) A « v.
A la limite, on obtient la covariance de X (A )
(11) r(A ,, As) = K! \ ( A,) \(As) : = f F ( A,, u) F (A „ u) du,
et la formule (7) apparaît comme une notation commode pour désigner

la fonction laplacienne semi-réduite ayant celle covariancef. La seule
condition que doive vérifier le noyau F (A , u) est que, pour chaque
point A, il soit une fonction de u mesurable et de carré sommable.
Si l’on considère une autre fonction laplacienne
( 12) Y (B) G (B, u) Ç, y]du (b > o),
formée avec les mômes on a de môme

b)
(13) E :X (A )Y (B ) i = f ’ F (A, a) G (B, u) du,
formule qui, appliquée à d i( t ) 1 donne

\n, Zi
04) E< X (A ) <B(<) i = f ’ F (A, u)du.
2° T héorème 3 . — Pour qu'une fonction aléatoire laplacienne et

serni-réduite soit représentable p a r la form u le (7), il fa u t et il
suffit qu'elle ne dépende que d 'u n nombre fin i ou d'u n e infinité
dénombrable de paramètres indépendants de £v.
Pour montrer que cette condition est nécessaire, il n’y a qu’à observer
que tous les £« qui interviennent dans la formule (7) sont déterminés
par la fonction (B(t) qui, d’après le n° 1 de la première partie, ne dépend
que d’une infinité dénombrable de paramètres £v.
Supposons inversement X (A ) de la forme (1), avec #-(A) = o,
puisqu’il s’agit d’ une fonction aléatoire semi-réduite. Donnons-nous
sur l’axe des u une suite infinie d’intervalles disjoints ¿v, de longueurs Zv,
tous intérieurs à (o, a ). Les moyennes
(15) Sv= -7 = f lu \fdu
é ta n t des variab les la p la c ie n n e s ré d u ite s , in d é p e n d a n te s les u n e s des

a u tre s , o n p e u t les s u b s t itu e r a u x ; v de la fo rm u le (1 ); o n o b tie n t ain si
u n e in té g ra le de la fo rm e ( 7 ) , c . Q. f . d .
On remarque que, lorsque la condition nécessaire est vérifiée, il y

a une infinité non dénombrable de représentations de X (A ) par la for
m ule^) [et aussi par la formule (1)]. Cela résulte de ce que le choix des
intervalles ïv comporte une grande indétermination. Remarquons déplus
que le raisonnement précédent ne nous donne que des représentations
très particulières de X (A ), puisqu’elles conduisent à cfës noyaux qui ne
varient pas quand u décrit un intervalle et sont nuis en dehors de la
réunion de ces intervalles. On peut en obtenir d’autres par des change-
ments de variables de la forme w = <p(^) ou de la forme plus générale

u = <p(£, t>). Mais on est encore loin d’obtenir ainsi toutes les représen
tations possibles de X ( j ) ; on n’a en effet introduit que les valeurs de
6b{t) aux extrémités des intervalles Ln de sorte que la donnée de X ( A )
n’implique qu’une partie de l’information contenue dans les c’est-
à-dire dans 6b{t). On peut d’ailleurs, dans le raisonnement qui précède,
remplacer la formule ( ¡ 5 ) par
2 h -h i
Æ (i),
(1 6 ) 2fJ+l ) - № ) * • № ]
(h = o, i , . . . , 2 P— I ; p = O, i , . . . ).
Ces expressions ont été introduites, avec d’autres notations, au n ° l de

la première partie, et l’on a vu que leur donnée équivaut à celle de
(R>(t) dans (o, i). En les introduisant dans la formule (i), on a ainsi en
apparence, utilisé complètement la donnée de Ûb(t) dans (o, i). Mais,
comme nous le verrons au n °4 , il n’en résulte pas nécessairement que
toute l’information contenue dans ô i(t) se retrouve dans X (A ).
3° Introduisons maintenant une fonction co(l, u ) qui, pour chaque t
positif, soit une fonction non décroissante de u. Dans le cas d’une
fonction X(£) de £, la formule
(17) A(f) = Ç
•'o
F (f, m) %u\/duu)(t1 w),
où, pour chaque t fixe, F (J, u) est une fonction de w(£, u) mesurable
et de carré sommable, apparaît comme une généralisation de la
formule (7). Elle peut effectivement représenter des fonctions non
représentables par la formule (7). En prenant, en effet, F (¿, a ) = i,
et w(£, u) = 1 pour u < t et o pour u > £, on trouve X ( f ) = i t ; c’est
une fonction dont toutes les valeurs sont indépendantes les unes des
autres ; elle ne vérifie donc pas la condition donnée par le théorème 3,
et n’est pas représentable par la formule (7).
Naturellement, pour chaque t , les tu qui interviennent effectivement
dans la formule (17) ne dépendent au plus que d’une infinité dénombrable
de paramètres indépendants, ceux qui définissent une fonction
<Î3[ cü(£, u)]; mais l’ensemble de ces paramètres peut varier avec f, et
la réunion des ensembles ainsi obtenus peut n’être pas dénombrable.
Dans la formule (1 7 ), on peut toujours poser
I F (f, u) | >Jduo (t, u) = s/duQ{t, u),

et éventuellement remplacer — \u par Il en résulte qu’on ne restreint

pas l’ensemble des fonctions X(£) représentables par cette formule en
supprimant le facteur F ( f, u). Par contre, nous le restreignons quand,
pour simplifier, nous remplaçons c»>(£, u) par u .
4° Posons c u) = top(u). Le calcul formel de la covariance
r (* i, ¿2) introduit l’élément différentiel (a ) d<i)2(u). Pour voir ce
qu’il représente, il suffit de poser
(18) t*)t ( u ) -+- ü) j ( w) = ta ( u ) , dtùp(u) = \ p (u) diù(u) (p = 1,2),
les fonctions Xp(u) ainsi définies étant toujours et ^ i . La

formule (11), appliquée aux variables aléatoires
J P*
I F (</>, “ ) ?« \i>'p (“ ) dm (tt) (/> = 1,2)
0
donne alors
(2 0 ) r (<1, tt) = Ç F(<1, u) F(<î, u) ^Xi ( u) \t (u) rfa>(tt).

•/tt
5° On sait que chaque fonction <ùp ( u ) est toujours la somme de trois

termes <*)Pih(u) (A = i , 2, 3 ); le premier ne variant que par sauts, le
second étant singulier (c’est-à-dire continu et ne variant que sur un en
semble ePt2 de mesure nulle; sa variation sur l’ensemble ePt i des sauts est
nulle), le troisième étant absolument continu ; sa variation sur ePt ±KjePt2
est nulle. Donc, si h ^ é k y <ùPth(u) et &>ç,*(w) ne varient jamais
simultanément, et l’ôn peut, pour le calcul de la convariance, écrire
(2 1 ) y /< iü )i(M ) dta2(uj =^\/dtùith(u) do>2,h(u),

1
les trois termes pouvant être calculés séparément. Si d’ailleurs ePy 4 et ePt 2
varient avec />, il arrivera souvent que les intersections ei t i n e i t2
et e2)i n e 2,2 soient vides, et que le troisième terme intervienne seul
dans le calcul de la covariance r (* i, ¿2), sauf bien entendu pour ti = t2,
6° Nous considérerons comme équivalents, ou non distincts, deux
noyaux qu’on peut déduire l’ un de l’autre par les opérations suivantes :
a. multiplication par une fonction e(u ), mesurable, toujours égale
à zh 1 y b. pour chaque t y modification quelconque du noyau pour des
valeurs de u constituant un ensemble de mesure nulle. Ces opérations
sont évidemment sans effet sur la définition de la fonction X ( A ) , mais
la première modifie la corrélation entre cette fonction et
1. L ’intégrale À limite supérieure variable et les représentations

canoniques. — i° En supposant a infini, et le noyau nul pour u > t ,
l’inlégralc de Marujama prend la forme
( 22) X(0 = / F (/, m) ?„ \/du = / F (/, u) dûi(u),
qui est commode pour l’étude des fonctions aléatoires laplaciennes

semi-réduites, définies dans (o, oo), et normales (au sens du n° 5 de la
première partie), c’est-à-dire que le hasard intervient à chaque instant (!).
En effet, elle introduit à chaque instant de nouvelles variables E„, qui
interviennent dans l’expression de X (/ ). Getle intégrale est à celle de
Maruyama ce que l’équation intégrale de Voltcrra esta celle deFredholm.
Pour celte intégrale, l’expression de la covariance devient
(?.3) r (tu tt) = f F (/, M)F(i', u) du [i = Mrn(/i, /•>), t '= Max(i,, /,)].
2° Nous dirons que la représentation (22) de X(£) est propre, ou

que le noyau est propre, si, quel que soit l’intervalle (/, T ) ( T > £ ) ,
il existe un t' e ( f , T ) tel que
(24) F 2(t', u) du > o.
Dans le cas contraire, la représentation est impropre, et l’on n’est pas

assuré que le hasard intervienne à chaque instant. Cela est, au contraire,
sûr dans le cas d’une représentation propre, pour laquelle chaque
intervient dans l’expression d c X ( / ) dès que u.
Il y a deux sortes de représentations impropres. Pour les unes, la
donnée de certains Zn est définitivement sans efibt; tel est le cas s’il
existe un intervalle («1, u2) tel que w € (w i, u 2) entraîne F(¿, u) = o.
Pour les autres, l’effet de cette donnée est simplement retardé; tel est
le cas si F(/, u) est nul pour / < 2 u , mais non pour / > a a .
Nous nous occuperons surtout des représentations propres.
3° Si tr> t , on peut écrire
(25) X (/') = f F (£', u) sfdH -h f F (/', u) s!du.

Jt(*)
(*) J’ai introduit dès 1900, une expression de la forme ( 22) pour intégrer une équation
différentielle stochastique (voir P. Lévy [30] ). L’étude systématique de cette repré
sentation des fonctions aléatoires laplaciennes a été commencée en 1955 dans ma
communication au « Third Berkeley Symposium» [34], et poursuivie dans plusieurs
mémoires plus récents, ainsi que dans un important travail de T. Hida [1].
Nous désignerons les deux termes de celle expression par m( t l 1t) et

| Le premier est la valeur probable conditionnelle de X ( i')
quand db(u) est connu dans (o, t)) s ( t t ) est l’écart type conditionnel;
il est ^ o, et son carré a la valeur (24) indiquée plus haut.
Si, sans utiliser aucune représentation de la fonction X ( . ) , on se
donne ses valeurs dans (o, t ), on obtient pour X (/') une nouvelle loi
de probabilité conditionnelle, donc une nouvelle forme canonique
conditionnelle que nous désignerons par 11) -|- a(tf \t) Comme
la donnée de tà{u) dans (o, t) y détermine X (w ), sa donnée donne au
moins autant d’information que celle de On a donc
(2 6 ) (e' 1 1 ) ^ s2 (t' | 0 = T F 2 (/', u) d u ,

^t
et, comme évidemment,
(2 7 ) E {X*(0 }= E j 11) } -h **(*' | 0 = E { ^ ( t f 11) ) -h a* ( t f \ t),
on en déduit
( 2 6 ') E { 4u 2 ( / ' \ t ) \ m - (tf | 0 i*
D éfinition. — Nous dirons que le noyau F(¿, u) est canonique
dans (o, T ), et que la représentation (22) de X (¿) est canonique, si,
pour tout ¿€ (0 , T ) la donnée de X ( m) dans (o, t) est exactement
équivalente à celle de B (u) dons le même intervalle. Autrement dit, B (t)
doit être une fonction certaine (évidemment linéaire), bien définie
à une constante près, des valeurs de X (w ) dans (o, t ). Alors fi = m,
<7= s et £ = £ '.
Il est évident qu’un noyau canonique est toujours propre, et que,
pour un tel noyau, les inégalités (26) et (26') deviennent des égalités (2).
Comme p. et u sont indépendants de la représentation considérée,
la représentation canonique minimise E { r a 2(¿'|¿)¡ et rend s-(t' \t)
m axim um .
4 ° T héorème 4 . — Une fonction aléatoire laplacienne semi-réduite
ne peut pas avoir deux représentations canoniques distinctes.
Si, en effet, le noyau F ( i, u) est canonique, et si t* et t sont > t > o,
on a
(2 8 ) E { H L ( ¿ ' [ í ) n ( n O ¡ = E { m ( t ' 11) m( t * 11) ; = u ) F ( t " , u ) d u,
(2) C’est par ces égalités que j ’avais au trefo is caractérisé les noyaux canoniques.
C’était une définition m oins restrictive. Ma nouvelle définition coïncide exactem ent,
com m e nous le v errons plus loin (théorèm e G.:») avec ce que j ’appelais noyau canonique
p ro p re. Dans son travail [ 1 ] déjà m entionné, T. H ida a conservé ma définition in itiale.
et, par suite, presque pour tous les t
( 29) F (<', t) F (<", /) = * E { l* ( r '|l) ( » ( < '|l> i ,
expression qui est indépendante de la représentation considérée. En

supposant d’abord on voit que, si deux noyaux cano
niques Fi et F 2 correspondent à la même fonction aléatoire, on a
FUi',0 = FÎ(*', 0,
sauf si t appartient à un ensemble de mesure nulle (pouvant dépendre
de £'), donc
F *(/', t) = e(/', O F i< T , 0 (e = ± i).
Supposant ensuite t' et iu différents, on voit que

s (t', t) e (t", t) = 1 , donc * ( / ' , / ) = t (*",/) = e (/).
Donc, presque pour tous les m, F 2(£, u) = e(u) F i( t, u), c’est-à-dire

que les deux noyaux ne sont pas distincts, c. q . f . d .
5° Une fonction aléatoire laplacienne semi-réduite n’ayant pas

toujours de représentations de la forme (22), c’est un problème
important, mais difficile, de savoir reconnaître si une telle fonction
a une représentation canonique. Il a été résolu par T . Hida [ 1 ].
Malheureusement, cet auteur utilise une suite de théorèmes préliminaires
qu’il serait trop long d’exposer, et nous ne pouvons qu’inviter le lecteur
à se reporter à son mémoire. Rappelons seulement que le problème de
la recherche d’ une représentation canonique ne peut se poser que pour
les fonctions aléatoires normales (au sens du n° 5 de la première partie);
ainsi une fonction aléatoire presque sûrement analytique n’a pas de
représentation canonique.
Il est, par contre, relativement facile de reconnaître si un noyau donné
est canonique. Nous résoudrons ce problème au n°6.
5. Une courbe remarquable de l’espace de Hilbert, — i° On sait
qu’un système de variables laplaciennes semi-réduites peut être
représenté dans l’espace de Hilbert il par un système de points A* tels que
(30) OA a.OA* = E (X a X*),
le premier membre désignant le produit scalaire des vecteurs OA*

et OA/,. La figure formée par l’origine O et les points A/4 a ainsi une
forme bien déterminée, son orientation dans l’espace étant indifférente.
NOTIONS GÉNÉRALES SUR LES FONCTIONS ALÉATOIRES LAPLAC1ENNES. 291
La fonction <Sb{. ) est ainsi représentée par une courbe C, lieu du

point A (/) qui correspond à la variable aléatoire ). La distance des
deux points A (/) et A ( i') est
(3.) I \ (t) A ( O I = / T 7 = 7 1 \
et, si AB et A 'B ' sont deux arcs disjoints de C , les cordes A B et A 'B '
sont perpendiculaires (on le vérifie d’abord pour deux arcs contigus;
l’extension est ensuite immédiate). Par suite, l’arc AB est sur la surface
de la sphère de diamètre A B, et les deux arcs de C extérieurs à AB sont
dans les deux plans tangents à cette sphère en A et B.
On peut faire varier ¿ d e — oo à + o o ; il faut seulement, dans la
définition (6) de d J(a), remplacer du par ( du |. L ’origine est alors sur
la courbe C , indéfiniment prolongée dans les deux sens, un point que
rien ne distingue des autres. La courbe C peut glisser sur elle-même,
un peu comme une hélice de notre espace ordinaire; mais ce glissement
implique une rotation extraordinairement compliquée, puisque, quelque
petit que soit t , le glissement qui amène A ( t ) sur A (/ -{ - t ) amène
n’importe quelle corde de longueur ^ \/r à une position finale
perpendiculaire à sa position initiale.
20 Considérons une ligne polygonale A 0A j. . . A n inscrite dans C , et
une droite D quelconque dans £2. Elle fait avec les côtés A a_ i A a des
angles de cosinus
»r/*—1
ah=
\/th— th - 1
th désignant l’instant où A (t) = A/0 et xn étant l’abscisse de la projection

de A h sur D. La somme
{Xh—
(33)
th— tu- i
est alors égale ou inférieure à i suivant que D est ou non parallèle au

plan P„ des n -h i points A h; elle est en tout cas égale à cos2O, 0 étant
l’angle de D avec P„.
En passant maintenant à la limite, la ligne A 0A | . . . A n devenant
l’arc A ( o ) A ( T ) de la ligne C, et la droite D étant fixe on voit que
l’intégrale de Hellinger
dx - ( u )
(34) I
du
292 COMPLEMENT. — CHAPITRE I.
est = ou < i suivant que la droite D est ou non dans l’hyperplan P

déiini par cet arc, c'est-à-dire l'intersection de toutes les variétés
linéaires qui le contienne.
Inversement, on peut considérer les cordes A(w ) A ( m -r du) d'arcs
disjoints dont la réunion forme Tare A (/)A < Y ) comme des axes de
coordonnées rectangulaires, chacun étant orienté dans le sens qui va
de A ( a ) à A (u + dw). Si x ( u ) est une fonction donnée pour
laquelle I = i, il existe dans P une direction (D ) bien définie par les
. dx ( U)
co sin u s-- qu’elle fait avec ces axes. Si I < i , en posant I = cos20,
\du
et en choisissant une direction A perpendiculaire à P, on peut définir
dans l’hyperplan parallèle à A et contenant P une direction (I)) faisant
avec P l’angle 0, et faisant avec les cordes A (u) A (u -h du) les mêmes
angles que précédemment. Dans les deux cas, si l’on choisit convena
blement l’origine sur une droite D parallèle à (D ), le point a ( u )
projection de A (u) sur D a pour abscisse x (w). Nous avons ainsi
démontré que :
T héorèm e o . — Pour qu'une fonction x { u ) puisse être considérée

comme représentant le mouvement du point A { u ') ( u € [o, T ] )
projeté sur une droite D convenablement choisie dans Î2, il fa u t et il
suffit que I ^ i ; cette droite est p arallèle au plan P de l'a rc
A (o ) A (T ) si et seulement si I = i .
G. Caractérisation des noyaux canoniques. — i" Désignons par P

et Q les plans définis respectivement par les arcs (o, T ) des courbes C
et C' qui représentent les fonctions <?3(.) et \ (.) liées parla relation (22).
11 résulte immédiatement de la définition des noyaux canoniques que :
si F ( f, u) est un noyau canonique dans (o, T ), les plans P et Q
coïncident. Dans le cas contraire, Q n’est qu’une partie de P, et il existe
dans P au moins une direction (D ) perpendiculaire à Q.
Plaçons-nous dans ce dernier cas cl désignons par x { u ) l’abscisse de
la projection du point A (u) sur une droite 1) parallèle à (D ).
La corde A (o ) A ( i) (o < contenue dans Q , est perpendiculaire
à P. On a donc
(35) f V(t,u)<U(u)=o (o< /^ T ),

*0
de sorte qu’il existe une fonction x ( u ) vérifiant celte condition, et pour

laquelle 1 = 1.
NOTIONS GÉNÉRALES SUR LES FONCTIONS ALÉATOIRES LAPLACIENNES. 2g3
Inversement, supposons qu’une telle fonction existe. Elle correspond

à une .direction (D ) parallèle à P, et l'équation ( 3 5 ) exprime que, pour
chaque ¿ € (o , T ), elle est perpendiculaire à A (o ) A ( i) ; elle est donc
perpendiculaire à Q. L ’existence de cette direction parallèle à P et
perpendiculaire à Q prouve que le noyau F (£, u) n’est pas canonique.
Nous avons ainsi démontré que
T héorèm e 6 . i . —P our qu'un noyau F( t , u) soit canonique , il
fa u t et il suffit q u 'il n'existe aucune fonction x{ t ) vérifiant
ci la fo is l'équation (3 5 ) et la condition I = i . I étant Vintégrale de
Ilellinger (3 4 ).
Naturellement, on peut dans cet énoncé remplacer la condition I = i
par la condition o < I < o c ; si, en effet, cette condition est vérifiée
par x ( t ) , la condition I = i est vérifiée par e x {t) pour une valeur de c
positive et finie. On peut aussi exprimer cette condition en disant
que x ( t ) , sans être constant, est l’intégrale de Lebesgue d’une fonc
tion x' {t) de carré sommable dans (o, T ); dans l’équation ( 3 5 ), d x ( u )
peut alors être remplacé par x ' ( u ) d u . Compte tenu de cette remarque,
un énoncé d’apparence un peu différente de T . Hida ( [ 1], th. 1 . 7 ) se
ramène à celui qui précède,
6. i . — S i le noyau F (f, u) est continu et admet p a r
C o r o l l a ir e
rapport à u une dérivée bornée pour o < u < t < T, et si de plus
F(¿, t) ne s'annule pas dans [o, T ], F ( i, u) est un noyau canonique
dans (o, t).
En effet, dans ces conditions, l’équation (3 5 ) se ramène par une
intégration par parties à l’équation de Volterra
F (t, t ) [ x ( t ) — x o ] = f à F ^ [* (« ) — x(o)] du
qui n’admet que des solutions constantes. D ’après le théorème 6. i, cela

prouve que le noyau est canonique.
2° Un autre moyen de reconnaître si un noyau est canonique repose
sur les théorèmes suivants, dans l’énoncé desquels nous conserverons
les notations du n °4 , 2°.
T héorème 6 .2 . — P ou r que le noyau F (£, u) soit canonique dans
(o, T ), il fa u t et il suffit q u 'il soit propre et que
(3 6 ) m(/'|o = ( o < / < î #< T).
Ces conditions sont évidemment nécessaires. Pour montrer qu’elles
sont suffisantes, supposons-les vérifiées. Le noyau étant propre, dans
tout intervalle ( t , T ') c ( o , T ), et quelque petit que soit dt, on peut

trouver un nombre tr compris dans (t -b dt, T ') et tel que
l + ilt
f F* (*', u) du = ? 2 (*', *, dt) > o.
La variation de m ( t f | .) dans cet intervalle, égale à celle de p(*'|*),

donc à t, dt), étant déterminée parla donnée de X ( .) dans (o, T'),
Zt \Jdt = è 6b(t) est aussi déterminé, et, comme <33(o) = o et que cela
est vrai pour n’importe quel intervalle élémentaire ( t, t - h dt) C (o, T ),
la fonction d3( . ) est aussi déterminée. Comme cela est vrai pour
tout T r€ (o, T ), le noyau F(*, u ) est canonique dans (o, T ),
c. Q. F. D.
T héorème 6 . 3 . — P ou r que le noyau F (/, u) soit canonique

dans (o, T ), il f a u t et il suffit que
(37) *(¿'10 = * ( * ' 1 0 (O < * < * ' < T).
D ’après la formule (27), cette égalité est équivalente à
(38) E j /n2 (*' | 0 ) = E { K2 (f |0}«
La condition (37) étant évidemment nécessaire, nous n’avons

qu’à montrer qu’elle est suffisante. Or, si elle est vérifiée, on a
(3g) X ( 0 = m(t' | 0 h- $(*' 11 ) Ç'=s tu (t' 11 ) -+- *(*' | t) Ç,
et, par suite, £'— £ = c, c ne dépendant que des valeurs de ûh(u)

dans (o, *). En posant alors ; -h £' = U, il vient
X (*') = m -h - c h- - U,
2 2
le dernier terme pouvant seul dépendre d’éléments inconnus à l’instant t ;

son écart type est donc ^ s, c’est-à-dire que E (U 2) ^ 4 * Or, en posant
p = E ( ~ ') ,o n a
E(U2) = 2(1 H-p), d’où P ^ i.
Comme, d’autre part, p ^ i , il vient p = i, d’où, presque sûrement,

m{t* | *) = ¡¿(t11t), et, d’après le théorème 6 .2 , le noyau F (*, u) est
canonique dans (o, T ), c. Q. F. d .
NOTIONS GÉNÉRALES SUR LES FONCTIONS ALÉATOIRES LAPLACIEN N ES. 293
Ces deux théorèmes donnent en théorie un moyen de reconnaître si

un noyau est canonique. Mais pratiquement) le calcul de ix(tl 1t) et de
o,(i' 11) est souvent difficile ; c’est alors le théorème 6. i qu’il est commode
d’appliquer pour savoir si un noyau est canonique, et, s’il l’est, les
théorèmes 5 .2 et 5 .3 serviront à calculer ¡¿(t* 1t) et<x(£'|£). Toutefois,
si l’on connaît plusieurs représentations d’une fonction X ( o , dont une
soit canonique, on la distinguera des autres parce qu’elle rend$ (£'|j)
maximum. Si aucune ne vérifie cette condition quels que soient t et tr> t,
c’est qu’aucune n’est canonique. Mais il ne suffit pas d’avoir vérifié
qu’une représentation donne à s(tl \t) une valeur plus grande que celles
résultant des autres représentations pour conclure qu’elle est canonique,
si l’on ne sait pas à l ’avance qu’une de ces représentations est canonique.
7. La variation infinitésimale de X ( f) . — Supposons que le noyau

F(£, u) soit continu, et admette une dérivée par rapport à t continue
en t et u , que nous désignerons par F'(£, u ). D ’après la formule (22),
la variation d e X ( i) , pour dt > o, est
(4o) 0 X (t) = F (/, t) yfdt + d t Ç F' (f, u) sfdu.

•A)
Dans cette formule, le second terme représente la valeur probable de

5 X (¿), évaluée à l’instant t si l’on connaît les £(t dans (o, t). L ’écart
type conditionnel est alors |F(¿, t)\\/dt. Si l’on se donne les valeurs
de X ( a ) dans (o, £), mais non celles des ce résultat subsiste si le
noyau est canonique. Mais, dans le cas contraire, l’écart type condi
tionnel est, sauf peut-être pour des valeurs particulières de t et dt,
supérieur à |F (t, t)\\Jdt] il peut notamment rester positif si F {t, t) = o.
Dans le cas où F ( í, ¿) = o, la formule (4 o) montre que X (¿) est
dérivable, sa dérivée étant
(40 \'(.t)=f F' ( t , u) 1,'s/TÜ,. et,
et, si F (/. u ) admet par rapport à t une dérivée F"(f, u) continue en t

et w, la formule (4o) s’applique au calcul de En continuant de
même, en supposant que F(/, u ) soit 11 -f- 1 fois dérivable par rapport
à toutes ces dérivées étant continues en t et a, et la dérivée F ‘,-')(f, u)
d’ordre n étant la première qui ne s’annule pas pour u — on voit que

X(£) est n fois dérivable, et que
(4 2 ) X(/')(/)= f F (/')(/, u) 'ins/du (/> = 1 , 2 , . . . , * ) ,

•A)
(43) 8 X<">(t) = F<«>(i, t) \t s/di + d t f Fi«+ < ) (/, u) l , \fdii,
et, dans cette expression de d X (w)(/), c’est toujours le second terme qui
est connu quand les £„ sont connus dans (o, t ).
Remontons maintenant de cette expression à celle de 8 X (/). L’inté
gration du premier terme donne
F<«)«, t ) 1 , vAfa,
expression qui est de la forme rfy, avec
- № ] \ f <*-■ >“*■ - p ^ ] « -
Il vient ainsi, toujours pour dt > o,
(44) 8 X (t) = X' (i ) rfi •+• X" (/) ^ + . . . + X (»)(< )Ç

/ « ft •
le dernier terme étant seul inconnu quand 6b{u) est connu dans (o, t).
8. Les noyaux de Goursat. — i° Nous dirons qu’une fonction F (¿, ü)
est un noyau de Goursat d'ordre n si elle est de la forme
n
(45) ¥ ( t y u) 9 a ( b ).
Si, de plus, elle n’est pas rcprésentable par une somme de la même forme
mais, contenant moins de * termes, nous dirons que n est son ordre
réel. Il faut et il suffit pour cela que les n fondions j n{t) d’une part, les
n fonctions <ph(u) d'autre part, soient linéairement indépendantes.
Nous dirons qu’une covariance F(/|, /2) est une covariance de
Goursat d'ordre n si elle est de la forme
n
(46) r (<„ /j) = ^ / / , ( O 4 '/ . ( 0 [< = M in (/„ /«), f = M ax(/), <s)].
1
Ici encore il faut distinguer l’ordre réel et l’ordre apparent.
NOTIONS GENERALES SUR LES FONCTIONS ALEATOIRES LAPLACIENNES. ?'97
TuftoitfcMK 8. — S i le noyau V(t, u) de la representation (22) de
X.(/) est un noyau de Coursât d'ordre réel n, la covariance de cette
fonction est une covariance de Coursai d'ordre réel r i ^ n . S i ,
inversement, la covariance est de Coursai d'ordre réel ri et si le
noyau est canonique, il est de Coursât d'ordre réel n = ri ( ;‘ ).
La première partie de ce théorème résulte de ce que, si F(/, u) a la
forme (4^), l’expression ( 2 3 ) de la covariance devient
/ " "
(47) r(/i,/,)=* f y , A ( n ^ n ( u ) \ f k(t) n (u) du,
1
de sorte qu’en posant
^ n
(48) Ch,k(l) = f 9 /.(M) ?*(“ ) du, <M*) = 2 c*.*(0/*(0,

° *= 1
T(ti, t») a précisément la forme (4 6 )* O n Peut naturellement supposer
que n soit l’ordre réel de F(£, u ); celui de F(£i , /2) est alors ri ^ n.
Nous verrons par des exemples que l’inégalité est effectivement possible.
Il nous reste à démontrer que, si F(/, u) est un noyau canonique, n et
ri sont nécessairement égaux.
Supposons pour cela le noyau canonique, c’est-à-dire que la donnée
de X ( a ) dans n’imporlc quel intervalle (o, t) donne autant d’information
que celle de (33(a ) dans le même intervalle. Comme l’ensemble des
valeurs de (33(a) et de X ( a ) constitue un système laplacien, cela veut
dire que les valeurs de (33(a ), donc celles de ô (33(a ) = \/du et, par
suite, celles des sont des fonctions linéaires certaines de celles de
X ( a ) dans l’ intervalle considéré (o, t ). Donc, si les valeurs
de F ((', u) y/c/a = E ! £MX (*') j pour u € ( o, t) sont des fonctions
linéaires de celles de
r(«, O = E ; X ( a ) X ( 0 1
dans ce môme intervalle, les coefficients étant indépendants de t\ Si alors

T est une covariance de Coursât d’ordre ni ^ n , c’est-à-dire si les valeurs
de F (a , t') pour a€(<>, t) sont des fonctions linéaires de ri fonctions
fh{t'), il en est de môme de celles de F(/', u), c’est-à-dire que le noyau
F ( i, u) est un noyau d’ordre réel d’ordre n ^ ri. Donc n = ri,
c . Q. F. 1).
( 3) (le théorèm e a été énoncé dans mon travail [ 3 4 ] p résen té en 195') au I I I e' Sym posium
de B erkeley. Mais la dém o n stratio n de la seconde p a rtie était peu claire. F o i/'a u ssi, su r
cette question, T. Ilida [ 1 ].
P. LÉVY. 20
On remarque que les mômes fonctions //,(.) interviennent dans

l’expression d’un noyau canonique de Coursât et dans celle de la
covariance qui lui correspond. Cette remarque nous servira pour la
recherche du noyau canonique qui correspond à une covariance de
Goursat donnée.
20 Nous dirons qu’une fonction aléatoire X(£) (laplacienne ou non)
est linéairement markovienne d'ordre n si elle est une combinaison
linéaire £de la forme de n fonctions auxiliaires X a(j)
telles que, pour i, on ait
n
(47) X* ( 0 O X *(i) + Y*(f, O ,
les Y a(£, t1) étant indépendants des valeurs des X/t(u ) dans [o, t\. Cette
condition est évidemment réalisée si les n fonctions auxiliaires X/,(£)
sont additives et indépendantes les unes des autres.
Nous dirons qu’elle est linéairement markovienne d'ordre n , au
sens strict, si elle est n — 1 fois dérivable, et qu’on puisse prendre X(£),
X '( f) , . . . , X iw“ 4>(i) comme fonctions X/,(£) (*). Dans les deux cas,
nous dirons que n est Yordre réel si c’est le plus petit entier pour lequel
X (/) ait la propriété considérée.
Revenons à la fonction laplacienne X ( i) définie par la formule (22).
Si le noyau F(£, u) a la forme (4 5 ), on a
n
(48) X (0 = ^ M t ) W )
1
[Хл^ =X
ce qui montre que : si F(J, u) est un noyau de Goursat d'ordre ny
X (t) est une fonction linéairement markovienne d'ordre n.
Dans mon travail [ 3 4 ], j ’ai énoncé un théorème qui est la réciproque
du précédent. Malheureusement, la démonstration contenait une erreur.
Remarquons seulement qu’on peut concevoir deux sortes de réciproques.
Si l’on suppose que la fonction X(£) soit linéairement markovienne
d’ordre n, et qu’elle admette une représentation canonique de la
forme (22), on peut espérer prouver que F ( t , u) est un noyau de Goursat
d’ordre n. Mais si Гоп remplace la seconde hypothèse par l’hypothèse
(4) J’attire l'attention sur le fait que cette notion n’a aucun rapport avec celle de fonction
strictement markovienne au sens de Youchkevitch et Dynkin. Je regrette de n'avoir pas
trouvé un terme qui évite le risque de confusion.
moins restrictive que X(£) soit une fonction laplacienne sem¡-réduite,

il faut introduire la représentation généralisée
(49) X (r) F 0>(u)y
où 6>(w) est non décroissant. On peut alors s’attendre à ce que, pour

une fonction linéairement markovienne d’ordre /*, on ait une repré
sentation généralisée contenant un noyau de Goursat d’ordre n.
Nous ne pouvons, pour ces questions, que renvoyer à la Section II

du remarquable mémoire de T. Hida [ 1 ], où sont indiquées des
conditions qui permettent de conclure à l’existence d’une telle repré
sentation. Cette section contient aussi d’intéressants résultats sur les
processus qui sont à la fois de Markov d’ordre n et stationnaires.
.)° Dans le cas où les fonctions X/,(£) sont de la forme (22), en

remplaçant l' par t-\-d t dans la formule (4 j), moyennant certaines
conditions de continuité assez peu restrictives, on a
n
ô X/<(/) = dt^^gk{t) Xk(e) -+- c/,5/1 \Jdt [£/*= ?/*(*, de)].
1
Nous n’avons rien précisé au 20 au sujet de l’interdépendance des

différents £/,. Il peut arriver qu’il soient indépendants. Nous verrons par
un exemple, au n° 9 , 5°, que cela n’exclut pas la possibilité d’une
représentation de X(£), où ne figure qu’un seul £ = £(£, dt). Inver
sement, toutes les fois que les ne sont liés par aucune relation presque
sûre, on peut les orthogonaliser, et par suite exprimer la fonction
étudiée X ( i) à l’aide de fonctions auxiliaires indépendantes Y^(/). Cette
remarque ne s’applique qu’au cas laplacien.
9. R e c h e r c h e d e s n o y a u x c o r r e s p o n d a n t à. u n e c o v a ria n c e d e G o u rs a t
— i° Dans le cas général, la recherche des noyaux correspon

d o n n é e .
dant à une covariance donnée dépend de la résolution de l’équation (23);
nous en parlerons aux nos 10 et 11. Mais, dans le cas où la covariance
est de Goursat d’ordre /*, le fait que F (*, u) soit un noyau de Goursat
du même ordre, cl pour lequel on connaît les fonctions f h { t ), diminue
théoriquement la difficulté du problème, puisqu’on n’a plus à déterminer
3oo COMPLÉMENT. — CHAPITRE I.
que les n fonctions <p/,(u) de la seule variable w. Cette détermination

dépend de la résolution du système d’équations
n t
(5o) -lh{t) = ^ f k{t) J ?*(«)?*(“ ) du (h = 1 .2 , n)
*=i "
déduit des équations (4$).
Un cas plus particulier est celui où le noyau F ( 7, u) est à la fois de
Goursat d’ordre n et homogène de degré p en t et w, donc de la forme
n
(5i) F ( t , //)
i
ce qui, en posant
n
(52) <Lh<*k {h = ï , 2, . . n) ,
a // a^- H - I
conduit à la covariance
n
(53) r ( / „ h ) = ^ c ,,t'i> -* H tP +
1
qui est de Goursat d’ordre n et homogène de degré i p + i . Si, de plus,

le noyau F ( 7, u) est canonique, et d’ordre réel n (c’est-à-dire que tous
les dk sont différents de zéro), T (^ , f2) est d’ordre réel 271+ 1,
c’est-à-dire qu’aucun des cjt n’est nul.
Donc inversement, si l’on se donne une covariance de la forme ( 5 3 ),
on est conduit à chercher un noyau de la forme ( 5 i), en déterminant
les ci/t à l’aide des équations (02). A première vue, il peut y avoir
2n solutions. Mais nous avons vu au n° 2 , 6°, que les noyaux F ( 7, u ) et
— F(/, u ) ne doivent pas être considérés comme distincts. On peut
donc obtenir au plus 2 représentations distinctes de X(£) ayant des
noyaux de la forme ( 5 i), et une au plus est canonique. Bien entendu,
ces solutions n’existent pas toujours. On sait qu’une fonction arbitraire
de t et t* ne définit pas toujours une covariance. La condition de Loève
donne une condition imposée aux c/*, nécessaire et suffisante pour que
F (¿t, ¿2) soit une covariance, et par suite nécessaire (et peut-être
suffisante) pour que les ah soient réels.
Un cas particulier important est celui où F ( 7, u ) est un polynôme
homogène
p
(64) F (7, u) =s=2 aA*//_/,aA*

0
NOTIONS GÉNÉRALES SUR LES FONCTIONS ALÉATOIRES LAPLACIENNES. 3oi
Il vient alors
r
(55) r (ii, h ) = t P + * '2 i ckt'P -*t*,

*= 0
avec
(56)
a/t ah
Ch
= 2 * k+ i
k =o
Si maintenant on divise F (t, u ) par îp , de sorte que T ( i,, <>) se trouve

divisé par îp&, on voit que : si F(<, u ) est un polynôme p (-“ ) de
degré p , r(£ i, to) est de la forme ^ Q ( p ) ’ Q étant un polynôme de
degré p en -• Naturellement, tandis que le polynôme P est quelconque,

le polynôme Q est soumis à certaines restrictions, et, si elles sont
vérifiées, on peut s’attendre à trouver 2*M"1 polynômes P, donnant
noyaux distincts.
2° E xem ple. — Nous allons étudier plus complètement le cas oùp = i ,
donc
( 67) F(*, u) = a * -h ? w ,
(58) T (/,, £o) = J
avec
09) ?! (JL = a 2
2 3’ 2
et, par suite,
(6o) (JL -I- 3 A = (a -h ji ) 2^ o,
ce qui donne une première condition nécessaire pour que, X et p étant

donnés, on puisse déterminer a et ¡3. Si elle est vérifiée, comme on peut
toujours choisir celui des noyaux équivalents pour lequel s = a - i - S ^ o ,
l’équation (Go) donne s, et a et ¡3 sont ensuite donnés par les équations
(6i) a 2 -+- a s — 2 | jl = o , -j = s — a.
et, comme s2 H- 8p = 3 (X 3 ja), on obtient finalement les conditions

( 62) X -+- 3 (JL ^ O, (JL - h 3 X ^ o,
dont la réunion est nécessaire et suffisante pour que T ( t ly t->) soit une
covariance correspondant à un noyau de la forme at -f- (3u. Si elles sont
vérifiées, il y a deux noyaux de celte forme, distincts, sauf dans le cas
limite (X -h 3 p ) (¡x H- 3 X) = o où ils sont confondus.
Si d’ailleurs ces conditions ne sont pas vérifiées, ¡xt-t! n’est pas

une covariance. Si, en effet, il existait une fonction aléatoire(payant
cette covariance, e~'UlQ>(e-u) aurait la covariance stationnaire
(63) A 6~û -4- [JL 6 {i (U = | Ux— Ui | ).
Or, d’après un théorème de A. Khintchine démontré plus haut

(première partie, corollaire du théorème 2 5 . a), cette fonction paire de
uy — Uj n’est une covariance que si sa transformée de Fourier
3X fA __ ( u + 3 À) j ' 2+ 3 ( À 4- 3 i i )
^ 4 6 -h x 2 i h- x - (i - h x - ) ( 9 h- x 2)
est ^ o pour tout x réel, c’est-à-dire si les conditions (62) sont vérifiées.
Elles sont donc bien nécessaires pour que -h ¡xt-t1soit une covariance.
3° Ces résultats s’appliquent en particulier si la covariance se réduit
à un seul terme. Si X = 1, ¡jl = o, on trouve les représentations
J C*^ , f*^ ——
(65) 1 u 5« ^/3du = (Jb1 ( u :i) et / (2 u — 0
h u
dont la première est canonique. Si X = o, ja = i , on trouve
( 66 ) \fdu = t Oh (t) et /du.
Dans ces deux cas, le noyau canonique est, comme la covariance, de

Goursat d’ordre 1 ; mais on a une représentation non canonique intro
duisant un noyau de Goursat d’ordre 2. En introduisant des noyaux
de la forme t 1 où P„ est un polynôme de degré /t, on trouverait,
pour les mômes fonctions aléatoires, des noyaux de Goursat d’ordres
arbitrairement élevés.
4WCherchons maintenant si un des noyaux de la forme <xt + fiu qui
correspond à une telle covariance est canonique. Pour appliquer le
théorème 5 .1 , nous avons à résoudre l’équation de Volterra
(f>7) (a i -+- {3w) d x (u ) = o,
qui, par une intégration par parties, et en supposant #(0) = o, prend

la forme
t
( 68 ) st/(t) — = o x ( u ) du, s = a ■+•
b 0-/
NOTIONS GÉNÉRALES SUR LES FONCTIONS ALÉATOIRES LAPLACIENNES. 3o3
ce qui, si (3s ^ o, donne

2 a
(69) j r ( t ) = c t s, X{t) = dy ( t) = î ï (
dt s
Il s’agit, d’après le théorème 5 .1 , de savoir s’il existe une solution non'

constante et dont la dérivée soit de carré sommable dans n’importe quel
intervalle fini (o, T ). Il en est ainsi si (5 ^ o e t ---- — > 1 ; le cas s = o
étant écarté, nous pouvons supposer î > o et cette condition s’écrit
a < — -• Dans ce cas, le noyau n’est pas canonique. Si, au contraire,
s > o et oc ^ — í , le noyau est canonique.
Partant alors de la covariance A^ + jjU2*', si p -j- 3 A = $2> o, et si

nous prenons pour s la racine carrée positive de s2, l’équation (61) nous
montre que les deux valeurs ai et a 2 de a ont pour somme — s . Si elles
sont réelles, il y en a donc toujours une et une seule pour laquelle
a ^ — - î et qui donne un noyau canonique. Il en est de même dans les
deux cas écartés (3 = o et s = o. Nous obtenons ainsi le théorème
suivant :
T héorème 9 . — S i les conditions de réalité (6 2 ) sont vérifiées, des
deux noyaux (distincts ou non) de la form e <xt-\-$u q u i corres
pondent à la covariance Aí:*-f- p¿2 t\ il y en a un et un seul q u i soit
canonique.
S i s ÿté o, le noyau canonique, défini au signe près, est caractérisé
OL s
p a r la condition — -• S i jx + 3 A = s2= o , les deux noyaux
± — u) ne sont pas distincts, et ce ndyau unique est cano

nique; il en est de même si A -H 3 p. = o.
5° Considérons encore la fonction aléatoire
( 70) X (/) = f ( ocîÇie-h ? « ? „ ) \J~dït,

1>
dans laquelle les variables laplaciennes réduites et '¿n sont indé

pendantes l’une de l’autre. On peut aussi l’écrire
( 71 ) X ( 0 = a/í¡3|(<) -+-
(® i(.) et Ô$>(.) étant deux déterminations indépendantes de d3( . ) .

3o4 COMPLÉMENT. — CHAPITRE I.
Sa covariance est
( 72) T ( t1 , ¿2 ) = *2 t* -h 432 — •
Elle est donc de la forme ( 5 3 ), et X(£) a par suite deux représentations

de la forme (22), avec des noyaux de la forme (07). Inversement, la
fonction X(£) définie par le noyau (5j) peut se mettre sous la forme (70)
si et seulement si / et ¡x sont ^ o.
On voit de même qu’en établissant une corrélation entre l u et H'M,
c’est-à-dire en posant £ti cos0 -|- nu sinO ( indépendant de HM), on
n’introduit pas d’autres fonctions aléatoires que celles qui correspondent
aux noyaux de la forme at -h ¡3a.
6° Rem arque. — Une méthode analogue à celle qui vient d’être
exposée s’applique toutes les fois que F (t, u) est un polynôme de degrép
en u. Par des intégrations par parties, l’équation intégrale ( 3 5 ) se
ramène à une équation différentielle linéaire d’ordre rc, que doit vérifier
la fonction
( 7 3) = j(*
Si, de plus, F(¿, u ) est homogène en t et a, donc de la forme ( 5 4 )

à un facteur près de la forme ¿a, cette équation est homogène en t e t d t ;
c’est donc une équation d’Euler, qu’on sait intégrer.
10. Remarques sur l’ensemble des représentations d’une fonction

laplacienne définie par sa covariance. — i° Si la fonction r ( * 4, ¿2)
donnée n’est pas une covariance, celte équation n’a pas de solution.
Mais si c’est une covariance, il y a au moins une solution F(¿, u ). Nous
nous proposons de montrer que, dans ce cas, il y en a une infinité, de
types extraordinairement variés. Il suffit de le montrer dans le cas où
F i/ ,, ¡2) = !, c’est-à-dire où X ( f) est précisément la fonction du
mouvement brownien. Si, en effet, nous obtenons pour cette fonction
diverses représentations de la forme
(7 i ) X (t) — f
•Al
F<y, u) s/ftu = Ç F (t. u) d& (u).
*' O
et si une autre fonction \ {¿) est définie par
<7r)) V (/) = f G (/, u) d X (u),

NOTIONS GÉNÉRALES SUR LES FONCTIONS ALÉATOIRES LAPLACIENNES. 3o5
réliminatiou de la fonction X ( . ) donne
( 76 ) Y (0 = f H (f, u ) d t o ( u ) ,
le nouveau noyau étant
( 77 ) H (t, u) = F («, u) G (<, u) v) dJ U ^ j£ L d »
= G ( * ,i) F (t, u ) - “ ) - G(^ t,)- *>•
Sans nous attarder à la discussion de cette relation, nous pouvons

dire qu’à divers noyaux F v(£, a) correspondent des noyaux Hv(/, u)
en général distincts.
Il est d’ailleurs évident que le noyau composé H(£, u) est canonique
si et seulement si F (¿, u) et G (£, u ) le sont tous les deux. Si, en effet,
ils le sont, la donnée de X ( u ) dans (o, t ) 1 celle de Y ( m), et celle de
Ôi(u) sont équivalentes. Si un des deux ne l’est pas, la donnée de (&(u)
dans (o, t) implique plus d’information que celle de Y (u); le noyau
G (l, u) est alors canonique dans le premier cas, mais pas dans le second.
De même, pour que le noyau H(£, u) soit propre, il faut et il suffit
que F(¿, u) et G(£, u) le soient tous les deux.
2° Étudions donc le cas où la covariance donnée pour X(£) est
/ = Min(£i, ¿2). Celle de ¿X(£) est alors t - 1\ et la formule (66) nous
donne deux représentations de /X (£). En divisant par /, nous trouvons
pour X ( j) la représentation canonique triviale
rl
(78) X (0 = / = &(t)
et la représentation propre non canonique
<79) x (t) = j f ( 7 ^ — 2'j ï« \/(tü = j f — >.) d& (u).
3° Considérons maintenant sur la partie positive de Taxe des / un

ensemble fini ou une infinité dénombrable d’intervalles disjoints (¿v, /!,).
Le résultat précédent s’appliquant à la variation de X(£) à partir de ¿v
aussi bien qu’à partir de l’origine, on peut définir cette variation dans
l’intervalle (/v, t\4) par la formule
(79 bis) X (t) - X (/,,) = J ^ ' ^3 - •>) dOh(i<) (fv<

Si e désigne le complément de la réunion des intervalles (¿v, /'v ),

nous définirons la variation de X ( a ) dans e par la formule
( 8° ) f dX(u) = f df à( u) .
CCi (0, t)
Cette variation est nulle si et seulement si e est de mesure nulle ( 5).

On obtient ainsi la formule
(81) X(<)= y, f ' ( 3 7— — *)d < H u )+ f <№(u

V P" P en(#>°
valable pour tG e et pour t = t„. Si £€(£VÎ /'v), ¡1 faut ajouter à cette

expression le terme (ygbis)>
On obtient ainsi autant de représentations de la même fonction X (*)
qu’il y a de manières de choisir les intervalles (¿v>¿v)* Elles sont toutes
distinctes, car les intervalles (£v> ¿v) sont caractérisés par le fait que,
pour donc pour tout t assez grand, F ( j, u) croît d’une manière
continue de — 2 à 1 quand u varie de £v à ¿'v ; au contraire, si u ç e
et t > u, F(¿, u) = 1. Nous avons ainsi un ensemble de représentations
propres distinctes dépendant d’une infinité dénombrable de paramètres
continus.
4° La variété des représentations possibles de X(£) augmente encore
si l’on considère les représentations impropres. Nous allons, en effet,
montrer qu’à chaque noyau propre F(£, u), on peut faire correspondre
une infinité de noyaux impropres G(£, u). A cet effet, introduisons
une fonction v=z<*y(u) absolument continue, s’annulant avec m,
constamment croissante, et toujours < u . Si l’on pose l u = et
(82)
on a
(83) x(/) = r F(/, «) u s/dTi = f g (<, V) pov/af,
ce qui donne de nouvelles représentations impropres de X(£). On peut

d’ailleurs retrouver le noyau propre dont une telle représentation est
déduite. La fonction c = s’obtient en effet en partant de G(/, p )
parce que u est la plus grande valeur de t pour laquelle G ( t , v ) soit nul
(*) Un exemple analogue a déjà été indiqué dans P. Lévy [ 40].

NOTIONS GÉNÉRALES SUR LES FONCTIONS ALÉATOIRES LAPLACIENNES. 3(>7
pour tout T € (r, /), et F(/, u ) se déduit ensuite de la formule (82).

L ’espace des noyaux C(£, v) s’identifie donc à l’espace produit de celui
des F (¿, u) et de celui des o>(p).
Cette remarque n’est pas spéciale à la fonction du mouvement
brownien, mais s’applique à n’importe quelle fonction laplacienne de
la forme (22); de chaque représentation propre on déduit une infinité
de représentations impropres; de chaque représentation impropre, on
en déduit par la même méthode d’autres représentations plus ou moins
impropres, suivant que w (a) est u.
5° On obtient d’autres représentations en utilisant le fait, sur lequel
repose la définition constructive de X ( é) donnée au n° 1 de la première
partie, que cette fonction peut être définie dans n’importe quel intervalle
par une formule de la forme
(«4) X (< )= 2 ?a(<)Ç*’
les £/, étant des variables laplaciennes réduites, indépendantes les unes
des autres; inversement, chaque & dépend linéairement de trois valeurs
de X(£). Nous avions à l’endroit cité, utilisé la décomposition dyadique
de l’intervalle (o, 1) en intervalles de plus en plus petits. Mais on peut
partir de n’importe quel intervalle /, et introduire sucessivement des
points de division choisis d’une manière quelconque, pourvu qu’à la
limite ils forment un ensemble partout dense dans i . On aura ainsi
d’autres “représentations de X(£) par des formules de la forme ( 8 4 )»
Nous verrons au Chapitre II que la représentation de X (£), dans î ,
par une série de Fourier, donne d’autres représentations de X (/) par
une série de la forme (84), la seule différence étant que les £v, donnés
par les formules de Fourier, dépendent de toutes les valeurs de X ( f)
dans i.
Remarquons d’ailleurs que toutes ces représentations, dans lesquelles
la donnée de tous les équivaut à celle de X (u ) dans i\ se déduisent
de l’une quelconque d’entre elles par des substitutions orthogonales.
Donnons-nous maintenant une suite infinie dans les deux sens de
nombres ¿w, croissant avec n, t_n tendant vers zéro et tn vers l’infini,
pour n infini, et, dans chaque intervalle (tn, définissons
Ûb(t) — par une formule du type (84), la formule choisie pouvant
varier avec n. On aura ainsi
oc
(85) i 8 ( i ) - 0 ( < it) = 2 9n' A(<)Ç"-A’
chaque Întà étant déterminé si l’on connaît la variation de Ûi(t) dans in.
Pour chaque entier p, rangeons en une suite unique tous

les En,/* d’indices n < Z p , choisissons une des suites <?h(t) possibles
pour représenter dans (tp, tp+4) la variation de la fonction du mouve
ment brownien, et posons
ao
(86) X ( ( ) - X ( l , ) = J fit( l) v ,i (tP< t ^ t p+l),
k= 1
P
( 87) x (î„ ) = 2 [ X ( M - x (*?- i )]>

-*
cette série étant presque sûrement convergente, puisque d’après la

formule (86), la variation de X(¿") est celle de la fonction du mouvement
browmien. Nous avons ainsi une fonction qui s’annule avec t , et a bien
la loi de probabilité voulue pour X (¿). En remplaçant chaque r¡Pt*, qui
est un Zn,/n par son expression en fonction de d3(t¿), nous obtenons
une représentation de X (¿) qui a bien la forme (22). Elle est impropre,
puisque dans chaque intervalle ( tn, tn+1) elle n’utilise que les
dépendant des valeurs de 6h{u) dans (o, tn).
Nous avons ainsi un nouveau mode de représentation de X(£)
comportant un grand nombre de paramètres arbitrairement choisis. On
voit ainsi quelle est la variété des représentations possibles pour la
môme fonction X (¿). Il faut d’ailleurs remarquer que nous n’avons fait
qu’indiquer des exemples, et que nous n’avons Sans doute pas formé
'toutes les représentations possibles de cette fonction.
6° En tout cas, pour d’autres fonctions laplaciennes que celle du
mouvement brownien, nous pouvons obtenir des représentations
propres analogues aux représentations impropres que nous venons de
considérer pour le mouvement brownien. A cet effet, dans la
formule (8 5 ), nous choisirons les cpn,h{t) de manière que chaque
accroissement de t introduise de nouveaux termes non nuis; nous
définirons ensuite une nouvelle fonction Y (¿) par une somme
2 / " . /i(0£n,/iî chaque fn,h{t) étant nul si et seulement si les En, a qui
leur correspondent ne sont pas définis par les valeurs de Ùb{u)
dans (o, t ); la série doit en outre être convergente. La
fonction Y (t) est ainsi définie par une représentation propre qui ne
peut sans doute pas être obtenue en combinant sa représentation
canonique et les diverses représentations de X(£) que nous venons
de considérer.
11. Détermination de la représentation canonique en fonction de la

covariance. — i° Remarques prélim inaires. — Nous nous placerons
maintenant dans le cas général ; du moins nous ne ferons pas d’ hypothèses
aussi restrictives que celle faite au n° 8. Nous supposerons seulement
l’existence d’une solution F (Z, u) continue, admettant une dérivée
continue / ( Z , u) = ’ et telle que «■ “ (z) = F 2(z, i) ne s’annule
pas dans [o, T ]. Nous avons vu (corollaire du théorème o . i ) qu’une
telle solution est nécessairement un noyau canonique; il ne peut donc
exister que deux noyaux, égaux au signe près, répondant à ces conditions ;
nous choisirons celui qui est positif pour u = t. Donc F(Z, t) = <r(z) > o.
Môme sans utiliser le théorème 5 . i , il est évident que a(t) est,
compte tenu des hypothèses faites, bien déterminé par la formule
E j [SX (<)]* j
( 88)
dt
qui est une conséquence immédiate de la formule (4°)*

Il est d’ailleurs facile de calculer <r2(z) en fonction d elà covariance,
En dérivant l’équation ( 2 3 ), on a en effet
° = F (*, 0 F (<', 0 -+ -jf/(*, *0 F (*', u) du,
dT{àt'l ) =X F(<’ U)dU

et, par suite,
formule qui, si les dérivées de T sont continues pour o < t ^ t ' ^ T ,

peut aussi s’écrire
r(( + A, i — h) — r (t, t)
(»9') »*(<) = — lim
hŸO
2° Hypothèses relatives à r ( i t, t3). — Le noyau vérifiant les

conditions indiquées au i° ne peut exister que si la covariance est
continue, et si ses deux dérivées premières et la dérivée seconde
(90) T(<i, <«) àti cHt 1

3io COMPLÉMENT. — CHAPITRE I.
qui est la covariance de sont Qussl continues, sauf à la traversée

de la droite ¿i = /2 où la dérivée normale change de signe. 11 faut
supposer que cette discontinuité existe effectivement, et que, par la
formule (89), il en résulte des valeurs positives de e2(t).
Il faut aussi supposer que T (/j, ¿2) soit une covariance dans (o, T ).
Rappelons simplement que, d’après un théorème connu de M. Loève,
pour qu’il en soit ainsi, il faut que la forme quadratique
(9O CT*(<) dt ï(* , u) 9 ( 0 <?(«) d t d u

f
•'u f•'O
soit pour toutes les fonctions cp(£) de carrés sommables dans (o, T).
Pour que soit toujours positif, il faut que cette forme soit
strictement positive, sauf pour les fonctions cp(/) presque partout nulles.
Ces conditions ne faisant intervenir que les dérivées de F(î, ¿2), il faut
y ajouter la condition T(t, t) ^ o pour avoir des conditions nécessaires
et suffisantes. Nous supposerons toutes ces conditions vérifiées.
3° Prem ière étape de Vintégration. — Cette première étape est
la recherche d’une équation de la forme
( 92) Ü X ( t ) = d t f G ( t , u) d X ( u ) H- <j(t) J/ \fdt (d t > o)
vérifiée par la fonction X (/ ); o,2(i) = F 2(i, t) est donné par la for

mule (89); nous choisirons toujours pour <j(t) la racine carrée positive
de a2(t)y de sorte que <r(t) \]dt est la valeur principale de l’écart type
de èX(t).
Pour obtenir G (t, u ), multiplions les deux membres de l’équation (92)
par ôX ( p ) ( p < t , d v > o), et égalons les valeurs probables des produits
ainsi obtenus. Celle de E<ôX(p) est nulle. Dans l’intégrale, il faut
distinguer des autres l’élément d X ( u ) correspondant à l’intervalle
(p, p —|—dv ) ; il donne le terme
G (t, p ) E } [ 8X ( p ) ]* » < * = G (f, p ) **(p ) d v d t .
Comme, d’autre part,

E { SX (t) oX ( p ) j = T (t, p ) dt dv, E j SX (w) SX ( p ) j = t (», du dv,
il vient
(93) G (/, p) 3*( p ) + i G (t, u) t (a, p) du = y(t, p ).

NOTIONS GÉNÉRALES SUR LES FONCTIONS ALÉATOIRES LAPLACIENNES. 3 ll
P o u r c h a q u e t fix e , c e lte e q u a tio n e s t u n e é q u a tio n d e F r e d h o lm e n

< p (r) = G ( / , r ) . S o n d é t e r m i n a n t n ’e s t p a s n u l; s i, e n e ffe t, u n e fo n c tio n
<p(c) d é fin ie d a n s ( o , t) a n n u la it le p r e m ie r m e m b r e , e n le m u ltip lia n t
p a r o ( c ) e t in té g r a n t d a n s» ( o , t ) , o n a u r a it u n ré s u lta t e n c o n tr a d ic tio n
a v e c l’h y p o th è s e Q > o . L ’a p p lic a t io n d e s fo rm u le s d e F r e d h o lm d é fin it
d o n c ¿ a n s a m b ig u ïté la fo n c tio n G ( * , u ).
In v e r s e m e n t, si G ( . , . ) e t a 2 ( . ) s o n t c o n n u s , l ’é q u a tio n ( g 3) e s t,
p o u r c h a q u e v fix e , u n e é q u a tio n d e V o lte r r a e n <J/(.) = y ( . , r ) . L a
ré s o lu tio n d e c e lte é q u a tio n p e r m e t a lo rs d e d é f i n i r la c o v a ria n c e d e la
fo n c tio n X ( f ) d é fin ie p a r l ’é q u a tio n (9 2 ) e t la c o n d itio n in itia le X ( o ) = o .
L e s fo n c tio n s G ( . , . ) e t o - ( .) é ta n t d o n n é e s , o n d é d u it y ( . , . ) d e
l’é q u a tio n ( 9 2 ) ; e n s u ite o n d é te rm in e la c o v a ria n c e p a r le s é q u a tio n s
( 8 9 ) , ( 9 0 ) , la c o n d itio n r ( £ i , f 2 ) = r ( / 3 , tt) e t la c o n d itio n in itia le
r ( o , o ) = o .
4° D e u x iè m e é ta p e de V in té g ra tio n . — Il n o u s re s te à d é d u ire d e
l ’é q u a t îo n d iffé re n tie lle s to c h a s tiq u e ( 9 2 ) u n e re p ré s e n ta tio n d e X ( l ) ;
le n o y a u q u i y fig u re s e ra u n e s o lu tio n d e l’é q u a tio n ( 23) . N o u s
p o s e ro n s à c e t e ffe t
(9 4 ) Y (t) = f 9(u) t/Sîi = X (/) — V(0-

•^0
A lo r s S V (t) = \ f( t ) d t e t 8Y ( t ) s o n t r e s p e c tiv e m e n t é g a u x a u x d e u x
te rm e s d e l’e x p r e s s io n ( 9 2 ) d e 3X ( £ ) , e t l ’o n a
V' (t) = f G (f, u)dX(u) = f G (i, u ) d [ \ ( u ) + Y(u)},
d e s o rte q u ’e n p o s a n t
( 95) 4 > ( i ) = f G (/, u ) d Y ( u ) = f G(t,u)*(u)

^0 •'o
V '( t ) e s t u n e s o lu tio n d e l’é q u a tio n d e V o lte r r a
( 96) V ' ( 0 —f G (t, u ) \ ' ( u ) d u = Q ( t ) .
O n s a it q u ’e lle s e r é s o u t p a r la fo r m u le
3 12 COMPLÉMENT. — CHAPITRE I.
R (t, u ) étant le noyau résolvant, qui vérifie les conditions
8) G ( t ,
(98) u) - R (i,
h m) = f G(i, p ) R ( p , a) ¿ p = T R (/, p) G (p, w) rfw.
En remplaçant alors par son expression (p5 ), et tenant compte

des relations (98) pour simplifier le résultat obtenu, on trouve
(99) V ' ( 0 = — f ' R ( t , «*)»(«) Ç, \fdü,

•-'a
d’où enfin, en intégrant, et en tenant compte de la formule (94) et de

la condition initiale X (o ) = o,
(100) X ( „ . J ‘ <j ( u) — J * R(p, u) dvJ .
Nous pouvons résumer comme suit les résultats ainsi obtenus :
T héorème 1 1 . — P ou r obtenir la représentation canonique de la

fon ction aléatoire X(£) semi-réduite, nulle à Vorigine, de covariance
donnée T (^ , ¿2), on définit <r2(£) et y ( i4, ¿2 ) p a r les form ules { 89)
et (90), puis la fon ction G (t, u) p a r la résolution de V équation
de Fredholm (93). On form e ensuite le noyau résolvant R {t, u) de
V équation de Volt erra (96). L a représentation canonique de X(£)
est alors donnée p a r la form u le (100). L e noyau canonique, solution
de Véquation ( 2 3 ), est donc
(101) F(<, u) = » ( « ) jî— J R (p, u)rfpj .

On trouvera dans notre mémoire [3 8 ] la vérification du fait que, si
la covariance vérifie les conditions indiquées au 20, cette fonction est
bien une solution de l’équation ( 23). Cette solution une fois obtenue,
les remarques du n° 9 nous permettent d’en obtenir une infinité d’autres,
de types très variés. Mais nous ne connaissons pas de méthode qui
donne la solution générale de cette équation.
CHAPITRE II.
NOTIONS COMPLÉMENTAIRES SUR LE MOUVEMENT BROWNIEN CLASSIQUE (').
Sommaire. — 12. Fonctionnelles quadratiques de X(l). — 13. La série de Fourier-

Wiener. — 14. Remarques sur une classe générale de séries de Fourier aléatoires. —
15. La courbe C du mouvement brownien plan et les théorèmes de A. Dvoretsky,
P. Erdôs et S. Kakutani. — 16. L’aire comprise entre un arc de la courbe C et sa
corde. — 17. Le mouvement brownien dans l’espace de Hilbert.
1 2 . Fonctionnelles quadratiques de X(£). — i° La fonction X(£) de

W iener dépendant linéairement de variables laplaciennes indé
pendantes les unes des autres, une fonctionnelle quadratique de X(£)
se ramène à une forme quadratique dépendant des £n, et une telle forme
peut toujours se ramener par une substitution sur les £n à la forme
(1) Q
_i
Or X£2 a pour fonction caractéristique ( i — 2H z ) **. La fonction
caractéristique de Q est donc
( 2) 9 ( z) = E \ eizQ j = J ^ [ ( I ‘" z X n i z ) %
la convergence de ce produit étant liée à la convergence presque sûre

de la série (1). Inversement, toute fonction de la forme (2) est la fonction
caractéristique d’une variable aléatoire de la forme (1 ) ( 2).
Nous avons vu d’ailleurs dans la première partie [nü3 8 , formule (67)]
que
Q-M
(eizu — 1) — du,
(*) Nous désignons ainsi le mouvement brownien sur une ligne, dans le plan, ou dans
un espace quelconque, lorsqu’il n’y a qu’une variable t. Nous l’opposons au mouvement
brownien à n paramètres, étudié au Chapitre VIII de la première partie, et sur lequel
nous reviendrons au Chapitre III.
(•) Ce résultat est du à M. Kac et A. J. F. Siegert [1], qui ont montré en outre
comment on peut obtenir les a,„ comme valeurs propres d’une équation de Fredholm.
Nous indiquerons leur méthode au 3e, à propos d’un cas particulier qui avait été traité
dès 1944 par R. H. Cameron et W. T. Martin [1]. Nous regrettons de ne pas pouvoir
donner plus de détails sur le mémoire de Kac et Siegert.
P. LÉVY. 21
3i4 COMPLÉMENT. — CHAPITRE II.
ce qui nous donne
(3) log?(^) = — i ^ l o g ( i — 2 Xntz) = i j f 2 A” T ’
La loi dont dépend Q est donc toujours une loi indéfiniment divisible,
qui se trouve mise par cette formule sous la forme générale prévue
par la théorie générale de ces lois.
2° Dans le cas où les sont deux à deux égaux ( l n = X't), la fonction
y( z) se réduit à la forme J ^ J (i— 2'kniz )~ i ; elle est méromorphe. S ’ils
sont deux à deux égaux et de signes contraires, elle se réduit à la forme
J J^(i -f- 4 X ^ 2)“ T. Si ces deux circonstances sont réunies, elle a la forme
£ J ( i + 4 ^ 52)“ 1* Le cas le plus simple de cette circonstance est celui

de l’expression
(4) 2i
qui, à un facteur constant près, est l’aire du triangle A ( i 0) A(£4) A ( f a),

fo, ¿i, ¿2 étant trois valeurs données de t. Sa fonction caractéristique
est ^^ ^ et la densité de probabilité correspondante est ~ e~',sK
3° Considérons maintenant l’intégrale
(5) I= f X2(f) dt.
On peut l’écrire
I = Ç dt Ç \jdiL Ç \fdv' = Ç Ç Aiax(M', v') Çu’ svs/di ï dv\

• / y JQ JQ J y J y
et, en posant u = i — u\ v = i — vf
r 1 f*1 _
(6) I J Min(w, v) £t. yjdudv.
D ’après la théorie connue des formes quadratiques dans l’espace de

Hilbert, les X* sont les valeurs propres de l’équation de Fredholm
(7) f Min ( t y u ) f ( u ) d u = X / ( 0 ,
“0
qui peut s’écrire
(8 ) Ç u f { u ) du -+- t Ç f ( u ) du = Xf { t ) .
d0 dt
NOTIONS COMPLÉMENTAIRES SUR LE MOUVEMENT BROWNIEN CLASSIQUE. 3 l5
Par deux dérivations successives, il vient
(9 ) J f(u)du = \ f ( t ) ,
(10) - / ( * ) = X / '(0 -
Les valeurs cherchées sont celles pour lesquelles l’équation (10)

admet des solutions non nulles, et vérifiant les conditions
/(O ) = / ' ( ! ) = O
qui résultent des équations (8) et (9). Ces solutions ont alors la forme
c sini n + i j 7T/, et il en résulte pour les l n la forme
4
(n) (/ 1 = 0, IJ 2 , ---).
(2 / 1 i)2r2
En portant cette expression dans la formule (2), nous obtenons la

formule de Cameron et Martin
(1 2 ) E(e“ 1) = - ¡ =
V cos
Comme cos \/%iz est une fonction entière, et ne s’annule pas sur
l’axe réel, la détermination qui convient pour le second radical est celle
qui est égale à un pour z = o; par continuité, elle est bien définie sur
tout l’axe réel.
13 . La s é r i e de Fourier-Wiener ( :l). — i ° Nous allons former le

développement en série de Fourier de la fonction X(£) de W iener
dans l’intervalle (o, 27:) ; l’extension au cas d’un intervalle quelconque
est triviale. Nous commencerons par étudier le cas complexe, pour
lequel les calculs sont plus simples.
Nous poserons
¿T. X(t) ■+■ ¿Y(t) Г** _
(13) r
ъ— _ Lit) = = / s/du,
t et ri étant deux variables laplacicnnes réduites, indépendantes l’une de

l’autre; X(£) et Y (t) sont deux déterminations indépendantes de la
CA) Cet exposé est fait d’après mon m ém oire [ 3 0 ] de про. Il y a lieu de n o le r que.
bien avant cette date, N. W iener ; 4 ', pour le cas réel, et Paley et W iener [ 1 ], p o u r le
cas complexe, avaient établi l’existence d’une relation e n tre le m ouvem ent brow nien et
une série de Fourier à coefficients laplaciens. Je pense avoir précisé leurs résultats et
simplifié le s d ém o n stratio n s en faisant des calculs su r les élém ents aléatoires tandis
q u ’ils n ’avaient fait que calculer des mesures.
3K> COMPLEMENT. — CHAPITRE II.
fonction de W iener, supposées milles pour t = o. La covariance de

Z(/) est
(i4) K { / - ( / . ) Z ( / t ) } = i = Mi n( / «, U) (/„ t t ^ o ) .
Les résultats obtenus dans la première partie (nos 1 , 2° et 2 ) pour

le cas réel, prennent ici la forme suivante : dans l’intcrvallc (o, 27:), on a
0
(i'> ) z (0 - ¿ Z (**) ■ +• y*. (<) = -7L + i / ^ É(0,
y'-.»- V ■*
les deux termes étant indépendants l’ un de l’autre; Ç(/) est une fonction
laplacienne complexe, réduite. La fonction Z |(/) étant laplacienne
complexe cl semi-réduite, est bien définie par sa covariance
u {xn — t)
(o ^ U ^ t ^ 2 ju),
xx
<i6) K j /.,( /) /-1 (« ) !=< ?(<, u) =
t(x K — II)
(o 2 *).
xn
2° La fonction Z(¿) est presque sûrement continue et, par suite,
représenlable dans (o, 2 7r) par une série de Fourier convergente au
moins au sens de Cesàro. Il y a avantage à étudier plutôt le dévelop
pement de la fonction Z t ( t ) , qui s’annule aux extrémités de l’intervalle
considéré ; son développement peut s’écrire
( 17 ) Zl W = ^ A» (« "'l - l ) ( « = ± 1 , ± 2, . . . ) ,
les coefficients A n étant définis par la formule de Fourier
( 18)
1
A „= a— /
rilzc - " « z
Comme ce sont des variables laplaciennes complexes semi-réduites,

leur ensemble est bien défini par sa covariance
E (A „A ^ )= ^ î y ’ eP“f «-•taE{Z,(O Z,(B)}rfa
y1^ r ’ * e,,lt Ir™ <?(<>«) e~niildu.

=4--<u/0 J*
O r g ( t , u ) est la fonction de (îreen, de sorte que l’intégrale en u

représente la solution de l’équation y tf= — e~niu qui s’annule pour
a = o o u 2 7 Comme n e tp sont des enliers non nuis, on a
r e ~ n i, — i
---- ;--- j
(1 9 ) J0I g (/, u ) e - n iltd u =
n*-
( 20) E (A „ A „ ) = = _ L - J ' * eip -w

NOTIONS COMPLÉMENTAIRES SUR LE MOUVEMENT BROWNIEN CLASSIQUE. Si J
Pour n -/=- />, colle expression est nulle. Donc les Y,t sonl indépendants
les uns des au 1res. Pour n = il vient
i
(ai) E ( | An |2) — 5
2 - n-
r
d’où A #l = — j= (on peut indifféremment écrire n ou |/i| au
n \ J y . 7Z
dénominateur), et
( 22) «î
le symbole ^ désignant une sommation étendue aux valeurs entières

de n autres que zéro. On en déduit pour 7j(t) le développement
(23) Z (*) =
tandis qu’en faisant abstraction des termes constants dans les coefficients
des on a
(24) Z,<0 du.
D ’après les théorèmes connus sur la convergence des séries à termes

aléatoires indépendants, ces séries, étant convergentes en moyenne
quadratique, sont presque sûrement convergentes, et représentent les
fonctions 7 (t), '¿i (t) et Z2(¿) dans l’intervalle fermé [o, 27r]. Leur
convergence est même presque sûrement uniforme, comme l’a démontré
récemment J. Delporlc [ 1 ]. Remarquons seulement que, d’après le
théorème de l’alternative o ou i de Kolmogorov, la probabilité de la
convergence uniforme dans un intervalle i ne peut être que o ou i ; on
en déduit aisément qu’elle est indépendante du choix de l’intervalle i.
Pour démontrer la convergence uniforme presque sûre dans (o, 27:), il
suffît donc de démontrer que la probabilité de l’existence d’un intervalle
où la convergence soit uniforme, est positive. Sans d’ailleurs utiliser
cette remarque, Delporte arrive à son théorème en appliquant un
théorème général qui donne une condition suffisante pour la convergence
uniforme d’une série à termes aléatoires indépendants; compte tenu de
cette condition, un théorème de Palcy et W iener [ l] donne le résultat
voulu.
3 18 COMPLÉMENT. — CHAPITRE II.
3° Pour revenir au cas réel, posons
C/i \]'l — Ç/î t ni/M *

Y>
= 5' rr.I )
et, après multiplication par ^/2, égalons les parties réelles des deux
membres de la formule (9). En posant
S. -+- f - t)n= 'I—n '»/#

Ç«=» et
v/i
il vient
»
( 25 ) X(t) = —— H - V — L - [ J rt(r.os/i/ — 1; -h n„ sin ni ] ^ 2n).
y 27C “ /1 y*
Gomme pour la formule ( i 5 ), le premier terme est la valeur pro

bable du premier membre quand X (o ) et X(27r) sont connus.
Un calcul simple permet de vérifier que la somme des autres a bien
la forme
donnée par la formule d’interpolation.

4° La formule d’interpolation, appliquée à Xi (t-\-d t) lorsqu’on
connaît X| (l) et X i (2 tt) = o, donne
(2 6 ) 3X,(<) = ------—
2îî — t
-S,v®
= — dt f 1 ^ ^ *+* >Jdt (dt > o).

«A 2,. — t
C ’est une équation différentielle stochastique du type étudié au n° 7 .

On peut s’étonner que, malgré l’intervention continue du hasard,
la fonction X.i(/) tende forcément vers la limite Xi(27r) = o quand t
tend vers 27t. Cela s’explique aisément si l’on observe que le terme
en dt, apparemment négligeable devant le terme it\Jdty est multiplié
par un facteur qui tend vers — x ; à la limite, c’est lui qui joue un rôle
prépondérant et oblige X 4( o à tendre vers zéro. On peut faire la même
remarque sur la fonction X(£), si X ( 27r) est connu. On a alors
(•>.-) 8 X, (t) - [X (9.T.) - X (<) ] -4- Ç, V/dt.
Plus généralement, si l’on considère une fonction aléatoire X (*) pour

laquelle <$X(*) ait l’ordre de grandeur de sjdt, si elle est connue pour
une valeur T de £, et si dans ces conditions sa valeur probable
NOTIONS COMPLÉMENTAIRES SUR LE MOUVEMENT BROWNIEN CLASSIQUE. 3 ig
conditionnelle p( t) admet une dérivée, cette dérivée n’est pas bornée

lorsque t f T ; il le faut en effet pour que, malgré la présence d’un terme
en dans l’expression de âX(£), X(£) soit contraint de tendre
vers T.
14. Remarques sur une classe de séries de Fourier aléatoires. —
i° Le fait que la série (24) ses termes indépendants est un cas
particulier du théorème suivant, qui est d’ailleurs lui-même un cas
particulier du théorème de H. Cramér et H. Loève établi dans la
première partie (théorèmes 2 7 . i et 2 7 . 2 ).
T héorème 14. — S i les A n (n étant un entier réel) sont des variables

aléatoires telles que
(28) ] £ [ E ( | A n l* )]0 ,
pour que la série

co
(2<J) Z(t) = ^ A ne"“
—ao
représente une fonction stationnaire d'ordre d eu x , il fa u t et il suffit
que les A n soient deu x à deux orthogonaux.
Montrons d’abord que la condition est suffisante. Supposons donc
les A n deux à deux orthogonaux, c’est-à-dire que les expressions
En , p E { Aft Aj, |
sont nulles si n ^¿p. La covariance de Z(£) est
( 3 o) r(/, u) = E j ^ A" J
= ^ ^ En-p e',u~',tu = 2 E". » en‘ il~u) = /(* — «)

n p n
et, comme E j Z(£) } = o, il en résulte que Z(J) est stationnaire d’ordre

deux.
Inversement, supposons Z(¿) stationnaire d’ordre deux, donc T(ty u)
de la forme f ( t — u ) y et évidemment périodique de période 2 7U.
Un calcul identique à celui du n° 13, 2°, donne, en posant u = t — vy
2JÎ r~r' -
(3i) e -n ü dt f er>t“ E { Z (/) Z (u) } du
215
eip—n)lid t j e-~i,i%,f ( v ) d v y
320 COMPLÉMENT. — CHAPITRE II.
les intégrales en t et v étant indépendantes l’une de l’autre. Si n ^ p ,

on a donc Eni/, = o, ce qui établit l’orthogonalité des A„ deux à deux,
c. Q. F. D.
Pour n = p , la formule ( 3 1 ) donne
(32) E Í I A » ls i = ÏZ f e~"ti’f ( v) dv
2° Revenons au cas laplacien. Cela revient au même de supposer

que la fonction Z(£) est laplacienne et semi-réduite, ou que les A n sont
laplaciens et semi-réduits. Or, s’il en est ainsi, la stationnarité d’ordre
deux équivaut à la stationnarité stricte, et l’orthogonalité de A n et Ap
équivaut à leur indépendance. Le théorème 14 prend donc la forme
suivante :
C orollaire 1 4 . —
S i les A n sont des variables laplaciennes serai-
réduites, p ou r que la fonction Z(£) soit stationnaire, il fa u t et il
suffit que les A n soient d eu x à deux indépendants.
3° Nous allons maintenant étudier deux nouveaux cas particuliers.
Le premier s’obtient en partant du mouvement brownien U (x , y )
fonction de deux variables x et y ( voir Chapitre VIII de la première
partie), et en posant Z ( í) = U (cos t , sin t ). La constante dont dépend
encore U (x, y ) étant déterminée par la condition U (o, o) = o, on a
t —u
(33) Ej|Z(ON=i, E{ | Z( 0 - Z (« )|* )= 2 sin
et, par suite,

t—u
(34) r ( i , u) = e { Z (< )Z ( k ) } = i — sin = f ( t — u).
La formule (18) donne alors
I — sin ^ dv,
c’est-à-dire
E { | A 0 N = i - É 7Z
E Î|A „N = (rt = zh i, ± 2 , . . . ) ,
jï(4 fi4— 0
et il en résulte pour Z (t) le développement
(35) e ntt.
z ( i> = v /
NOTIONS COMPLÉMENTAIRES SUR LE MOUVEMENT BROWNIEN CLASSIQUE. 3‘2 I
Naturellement, si l’on détermine la constante additive parla condition

que la fonction considérée ait une moyenne nulle dans ( o , 27:), on
obtient le développement
( 36) Zt (0 = Z (<) — ± J ' r'z(u) du •""«
et si, au contraire, on se donne la condition que la fonction s’annule

pour t = o, on a
(37) Zj(<) = Z (t) - Z(o) = 2 ' v / т . { ^ ~ Г Л е "и~ 1)-
Les trois fonctions Z(¿), Z t (¿) el Z2(¿), ne différant que par une
constante, sont solutions d’une môme équation de la forme
( 38) oZ (0 = d t J ‘ G (t, u) dZ (и) Y

*aU\fdt
analogue à l’équation (92) du n °10, 3°, mais relative au cas complexe.

La fonction G (j, u) a la valeur
u t t\ t . t\
- ( I -h cos - ) — ~ H- Sin- )
4\ 4) \2 2/
(З9) G (t,u) = (O ^ U ^ t ^ 27t)
. t
4 ( I -h COS t sin -
;) 2
On trouvera la démonstration au n °3 . 10 de notre travail [3 1 ].

Le fait que G (t, u) dépende effectivement de u prouve que la
fonction Z(£), contrairement à ce qui a lieu pour les fonctions étudiées
au n °1 3 , n’est pas markovienne. Cela se déduit d’ailleurs aussi aisément
de la définition de Z (t) par les formules (3 3 ).
Remarquons aussi que, si t f 2 7r, G(/, u ) est un infiniment grand
équivalent à 't • Comme nous l’avons déjà observé pour la fonction
7.*i(l) du n °13, c’est grâce à cette circonstance que Z (£) tend vers la
limite donnée d’avance Z (o ).
4° L ’autre exemple de « mouvement brownien périodique » que nous
voulons indiquer s’obtient en remplaçant la distance euclidienne des
points c o s s i n t et cosw, sinw par leur distance comptée sur la circon
férence x- 4- y 2 — 1 • On a alors
( 40) E Í IZ(O — Z ( 0 Is S = | — t\ ( 11 ' - * | ^

formule qui définit Z(¿) à une constante près.
On vérifie aisément que cette équation est vérifiée par la fonction
I r
(40 z, (o = — /
les étant indépendants les uns des autres dans l’intervalle (o, 27r), et
se reproduisant ensuite périodiquement. On a, en effet, si ¿Z-1-hrc,
r. r-H
z,(<')-z,(i) = -L r
v2 j l + * 'J2 j . n
2 2
et, par suite,
(42) E{|Zl( 0 - Z ,( i ) | * i - » i y ’ da+ \ $ ûfo = -- t.

£—-
On déduit de la formule (27) que la moyenne
(43) f* = “ tz (0 h- Zi (t -+- *)]
= - i7= f * C«v/3ü= f * r\ uS/ d ü = ;«

2^2t/ ^ 2 y/21/0 2
—T
est indépendante de l. C ’est donc aussi la moyenne /a de Z 4(f) dans

la période (o, 2 7r), et la différence
(44) z„( 0 = z, ( 0 - H= I r (C,—;.+*) v/35
a un développement de Fourier sans terme constant. Comme p ne

dépend que des sommes +£«+*, et que Z0(t) ne dépend que des
différences Çu— Z0(£) est indépendant de p.
La formule (4 3 ) montre qu’on a entre Z 4(^), Z 4(/'), Z i ( î H- tt),
Z 4{tr+ 7r) la relation certaine
(45) Z t ( 0 - 1- Z . (f - 1- *) = Z t ( O -+- Z , ( î ' - h « ),
de sorte que la fonction Z 4(i) est déterminée si l’on connaît ses valeurs
dans (o, 7T) (elle est continue; il suffit donc de l’intervalle ouvert).
Pour la fonction Z0(f), celte relation prend la forme
(46) Zo (i + Jt) = — Z 0(/).
NOTIONS COMPLÉMENTAIRES SUR LE MOUVEMENT BROWNIEN CLASSIQUE. 323
Comme, de plus, le changement de i en — / n e change pas les

définitions de Z0(/) et Z i(/ ), les développements en série de Fourier
de ces fonctions ont les formes
(47) Z.(<)
0
(48) Z,(<) = 2»
Ço et les Çp étant indépendants les uns des autres.

Pour déterminer les ap (qu’on peut supposer réels et ^ o ) , utilisons
la formule
(49) •E |I z f ( O - z t (0 I* I
ei2/>-Ki) — ettp + i)tt |1_|_ | e-{tp + i)U |Î]

= n
= 4 2 a M , — c o s( 2 />-t-i)(/' — 0 ] .
0
D ’après la formule ( 4 »)» cetle expression doit représenter le dévelop

pement de x = t' — t, dans (o, ir), en série de cosinus. On a donc
1
— 40/, x cos ( 2 /? -h \)xdx.
*(2/>-Hl)*’
et, par suite,

1 ^ T>p g(*p-+-i)
(5o) Z0(O \fk ¿ à 2 p H- I *
et le développement de 7Jt(t) s’obtient en ajoutant ~Ko- Celui de la
partie réelle X 0(t) de y/2Z.0(i) est
................ /2 V 7 ?/,cos( 2/ > - t - i ) f - t - v s i n ( 2/> -t-i)i

(5i) x *(*) = v ?.2 j 5 7 ^ 1 -----------------
T 0
Revenant à la formule ( 5o), il est intéressant de la comparer aux

formules (24) et ( 3 6 ). Le terme enÇne,ut est ici nul si n est pair; mais,
pour la somme de deux termes consécutifs
ai/Xip e*Pil->r aip+x ^tp-*-i e^P*1,
on trouve dans les trois cas une expression de la forme cÇ,c élant un
infiniment petit équivalent à — Cet ordre de grandeur résulte du
2/> v/~
fait que, dans les trois cas, on a
oZ (/) = ^\/di~h O (dt) (dt I o).
En intégrant terme à terme les séries de Fourier considérées (sans

terme constant), on aurait naturellement une convergence plus rapide,
correspondant à une plus grande régularité de la fonction représentée.
15. La courbe G du mouvement brownien plan et les théorèmes de

A . Dvoretsky, P. Erdôs et S. Kakutani. — i° Rappelons d’abord
une remarque indiquée sans démonstration dans la première partie,
n° 5 2 , 4° : quel que soit l’arc de courbe fini et continu AB, il y a une
probabilité positive que le point A(£), dont les coordonnées X (£) et
Y ( i ) sont deux déterminations indépendantes de la fonction de W iener,
arrive au bout d’un temps donné en un point dont la distance à B soit
< £ (s > o et arbitrairement petit), en élant resté constamment à une
distance < £ d’un point qui décrit l’arc AB.
En effet, nous pouvons définir une ligne polygonale A A t . . . A n
décrite par un point dont la distance à celui qui décrit l’arc AB ne
dépasse pas Il suffit alors de montrer que le point A ( j) peut décrire
cette ligne, à ^ près; en d’autres termes, le changement de e en ^ étant

indifférent, il suffit de démontrer le théorème énoncé dans le cas d’une
ligne polygonale. Si ap est la probabilité que A (*) décrive à peu près
le côté A p_i Ap sans que sa distance à ce côté augmente de plus dej^*
la probabilité que ce point aille finalement de A 0 au voisinage de A p
sans que sa distance à la ligne polygonale ait dépassé £ est au moins
a2 • • • Il suffit donc de démontrer que tous les a7 sont positifs,
c’est-à-dire que le théorème énoncé est vrai dans le cas d’un segment
rectiligne AB de longueur l.
Prenons alors A comme origine, et AB comme axe des x . Les coor
données X (*) et Y (t) du point A (t) étant indépendantes, il s’agit, en
supposant X(o) = Y(o) = o, et T élant donné, de montrer qu’il est
possible, d’une part que |X (T) — 1 \< e, X(£) étant resté pour i € (o, T)
constamment compris entre — e et / -H e, d’autre part qu’on ait eu
NOTIONS COMPLÉMENTAIRES SUR LE MOUVEMENT BROWNIEN CLASSIQUE. 3*5
constamment, dans cet intervalle, | Y (/ ) | < e. Or cela a été établi dans

la première partie. Il résulte notamment du n °2 0 , 3”, que la probabilité
Vr \ Max | Y (/) | < s J

f /€*0, Ti !
_
a, pour T très grand et e très petit, l’ordre de grandeur de e c étant
constant; elle décroît très rapidement, mais est toujours positive.
2° Considérons maintenant, sur la courbe C du mouvement brownien
plan, la succession des. arcs A ( n ) A ( n i). Leurs formes étant indé
pendantes les unes des autres, il résulte du i° qu’on peut presque
sûrement en trouver qu’un déplacement convenable (ou même une
translation convenable) amène à différer arbitrairement peu de n’importe
quel arc donné. La même remarque s’applique aux arcs A ( q n) A ( q n~hl )
[</€(o, i)], à condition de faire subir à chacun une homolhélie qui le
«
rende q t fois plus grand. Des arcs ayant, à cette homothétie près,
des formes tendant vers celle de n’importe quelle courbe donnée T
(continue et finie) se trouvent donc presque sûrement sur n’importe
quel arc de la courbe C.
Il suffit alors de prendre pour T un arc ayant un point double pour

être assuré que les points doubles forment un ensemble partout dense
dans C, donc aussi dans le plan, puisque la courbe C , indéfiniment
prolongée, forme un ensemble partout dense dans le plan.
3° Ce raisonnement très simple ne s’applique pas aux points triples,
dont l’existence n’est pas évidente. Au sujet de ces points, la seule chose
à peu près évidente est qu’un point double choisi sur la courbe C n’a
aucune chance d’être un point triple. Nous avons vu en effet (n°5 3 de
la première partie) qu’un point de la courbe choisi au hasard n’a aucune
chance d’être un point double. Si toutefois il arrive que la courbe passe
une seconde fois en ce point, cela n’augmente pas les chances qu’elle
y passe une troisième fois; elles restent nulles. De même, s’il y a des
points triples, et si l’on sait qu’un point A de C est triple, il n’y a aucune
chance qu’il soit quadruple; et ainsi de suite.
Désignons par en l’ensemble des points multiples d’ordre n de la

courbe C. On peut être tenté de dire : les ensembles en sont de plus en
plus raréfiés, et il est probable que, pour n assez grand, ces ensembles
sont vides. Or cela est faux, comme le montre le théorème suivant, qui
est peut-être un des plus surprenants théorèmes de l’analyse moderne.
3° T h é o r è m e 15 (de A. Dvoretsky, P. Erdôs et S. Kakulani [2 ]

et [3 ]). — Les en sont tous presque sûrement partout denses sur la
courbe C, donc dans le plan. I l en est de même de leur inter
section e Bien plus : il existe sur C des points dont l'ordre de
m ultiplicité a la puissance du continu [c’est-à-dire que, pour un
tel point A, l’ensemble des t pour lesquels A (f) coïncide avec A a la
puissance du continu ; c es points forment aussi un ensemble partout
dense].
Désirant ne pas rendre trop difficile la lecture de ce livre, nous ne
reproduirons pas la démonstration de ce théorème. Mais nous présen
terons quelques remarques grâce auxquelles il peut paraître moins
invraisemblable qu’il ne semblait l’être à première vue.
Considérons l’ensemble en des points multiples d’ordre n situés sur
un arc fini c de la courbe C. C ’est un ensemble non dénombrable
(s’il était dénombrable, l’ensemble en+l serait presque sûrement vide),
partout dense sur c. Si maintenant on considère l’ensemble de la
courbe C, on sait qu’elle comprend des arcs atteignant n’importe quelle
région éloignée du plan, mais qu’elle revient une infinité de fois vers
l’aire s entourée par c (c’est-à-dire l’ensemble des points de c et de ceux
qu’on ne peut pas atteindre par une ligne continue venant de l’infini
sans couper c). Si chacun des arcs cv de C ainsi intérieurs à s a une
probabilité positive de couper l’ensemble e'w, il est presque sur qu’une
infinité de ces arcs le recouperont, et, comme cela s’applique à n’importe
quel arc c, il en résulte que en_ hl est, comme en, partout dense sur c.
Il faut donc se représenter eu comme un ensemble assez dense pour
que chacun des arcs cv ail une probabilité positive de le recouper.
Il est d’autant plus facile d’admettre cette idée que chacun de ces arcs
contient des détours infiniment petits que nous ne pouvons pas nous
représenter; il suffit pour en être sûr d’observer que, si rapprochés
que soient deux points de cv, la longueur de l’arc qui les sépare est
infinie. De même que, ayant à traverser une région pleine d’obstacles,
un ivrogne a plus de chances qu’un homme normal d’en heurter un,
chaque arc cv a plus de chances de rencontrer l’ensemble en que n’en
aurait un arc de longueur finie. Ainsi, l’idée qu’un point acquerrait en
quelque sorte un pouvoir d’attraction sur la courbe parce qu’elle y est
déjà passée «fois serait complètement fausse. C ’est parce qu’il y a trop
de ces points qu’elle en retrouvera quelques-uns sur son chemin.
Naturellement, ces remarques de bon sens sont bien loin de donner
une idée de la démonstration du théorème énoncé.
NOTIONS COMPLEMENTAIRES SUR LE MOUVEMENT BROWNIEN CLASSIQUE. 327
4° Indiquons brièvement les résultats des mêmes auteurs sur la courbe

du mouvement brownien dans les espaces à n dimensions (/ ¿ > 2).
Pour n > 3 , ils ont démontré dès 1950 qu’il n’y a pas de points doubles,
tandis qu’il y en a pour n = 3 . La question de savoir si, dans ce cas, il
y a des points multiples d’ordre > 2 restait onverte. Elle a été résolue
en 1967 par un nouveau travail de ces trois auteurs auxquels s’était
associé S. J. Taylor : il y a des points triples, mais il n’y a pas de points
quadruples.
Mentionnons aussi un important résultat de Dvoretsky, Erdôs et
Kakutani [4 ] sur la fonction de W iener X (/ ). Cette fonction étant
presque sûrement bornée et n’étant à variation bornée dans aucun inter
valle, ses maximums et ses minimums forment deux ensembles dénom
brables et partout denses ( '). Si, par exemple, un minimum est réalisé
à l’instant r, il existera un nombre £ > o tel que X ( j ) > X ( r ) dans
( t — e, t ), (7, 7 + e ). On pourrait être tenté de dire : « L ’allure de la
courbe x = X(£) après l’instant r est indépendante de la manière dont
la valeur X(r) a été atteinte. Les intervalles (t , 7 + e) o ù X ( * ) > X ( t)
peuvent donc, aussi bien que des intervalles où X(*) < X(r), suivre des
intervalles (t — e, t) o ù X(£) <C X ( t ). » Ce raisonnement serait vrai à un
instant r donné; la probabilité de l’existence d’un intervalle (7, 7 + s),
où X ( i) > X (r) est nulle. Mais on ne peut pas raisonner de la même
manière sur la réalisation de celle circonstance pour certains r d’un
ensemble non dénombrable. Il se pose donc un problème difficile, que
les trois auteurs cités ont résolu par la négative : « I l rüexiste presque
sûrement aucun intervalle (7 — £, t + î ) tel que X ( i ) < X ( t ) dans
( t — s, 7) et X(/) > X (7) dans (7, 7 + e). »
5° Revenant à la courbe C du mouvement brownien, indiquons
quelques problèmes non résolus. Désignant toujours par en l’ensemble
des points multiples de C, nous désignerons par e\ son intersection
avec l’arc A ( o ) A ( i) de C . En termes peu précis, chaque e]t n’étant
qu’une partie de on peut dire que ces ensembles e*n sont de plus
en plus raréfiés.
Alors une question se pose tout naturellement : cet énoncé est-il
exact si Ton donne à la notion d’un ensemble ph,c raréfié qu’un autre
la signification précise qui résulte des travaux de É. Borel et de
M. bréchet [1 ] ? Ce problème n’est pas résolu.
(*) Je rappelle que ces m axim um s el m inim um s sont presque sû re m en t tous «les points
de reb ro u ssem en t du graphe . r - ~ \ ( t ) . Les m êm es valeurs de / sont donc aussi des
m axim um s ou des m inim um s de X ( / j — a /, p o u r to u t a réel lini.
Une autre manière de donner un sens à l’énoncé souligné ci-dessus

consiste à faire intervenir les mesures de Hausdorff généralisées des
ensembles e*. En ce qui concerne un arc fini de la courbe C elle-même,
on sait que, dans le plan comme dans l’espace à N dimensions, sa mesure
de Hausdorff d’ordre deux est nulle (c/. P. Lévy [3 2 ]), et pour le
cas N > 2, que la <p-mcsure associée à la fonction
?(p) = P4toglogi
est presque sûrement positive et finie (S. J. Taylor [i ]). Le cas N = 2,

plus difficile, n’est pas résolu ; il est seulement probable que, dans ce
cas, on obtient un énoncé analogue au précédent en prenant
r (?) = P4log“ -
Ce qui n’est pas douteux (car on se trouve dans un cas où l’on peut
appliquer des théorèmes connus sur l’alternative o ou i), c’est qu’à
-chaque intersection avec en d’un arc fini de C (donc en particulier à
chaque e*n) correspond une fonction cp( p) telle que la <p-mesure de cette
intersection soit presque sûrement égale à un ( r>). A l’arc A ( o ) A ( i)
de C, et aux e*, correspondent ainsi des fonctions <p(p) et cp,t(p). On a
évidemment cp/M_i(p) ^ cpn(p). Mais il y a lieu de se demander si l’on a
l’inégalité stricte <p/H-t(p) >■ cp„(p), et dans ce cas, si le rapport (?2
est constant ou augmente indéfiniment [les remarques de la note ( 5)
permettent d’éliminer les autres possibilités].
Une autre question se pose au sujet des ensembles en. C ’est à cause
de l’irrégularité de la courbe G qu’une courbe analogue C' doit presque
sûrement rencontrer en une infinité de fois. Il n’est pas évident que la
conclusion subsiste pour l’intersection de en avec une courbe rectifiable,
et en particulier une droite. Si cette droite est parallèle à l’axe des y',
on est ainsi conduit à se demander s’il existe presque sûrement sur
chaque en des points ayant une abscisse donnée. La même question
(*) On peut même dire qu'il y a une infinité de telles fonctions : si

$ ( p ) — ? ( p ) = o [ ? ( p ) ] (p i o),
et si la ?-mesure a une valeur positive et finie, la (j/-mesure a la même valeur. Mais il

semble que, si Ton exclut les fonctions à décroissance irrégulière, et si l'on ne distingue
pas deux fonctions dont le rapport tende vers un, on puisse considérer ç(p) comme
bien defini.
se pose pour l’intersection e& de tous les en, et aussi pour l’ensemble
des points multiples dont l’ordre a la puissance du continu. Pour ce
dernier ensemble, évidemment de mesure nulle et partout dense, on
peut se demander s’il est dénombrable. Ces problèmes ne sont pas
résolus, du moins à notre connaissance.
16. L ’aire comprise entre un arc de la courbe C et sa corde. —

i° Nous avons vu (n° 55 de la première partie) que l’aire
(52) S(<) =- f [ \ ( u ) d \ ( u ) ~ Y(«)rfX(tt)]

2
balayée par le rayon vecteur OA (a ) n’a de sens que grâce à une

définition convenable de l’intégrale, qui lui donne un sens alors qu’au
point de vue du calcul intégral classique elle n’en a presque sûrement
aucun. Cette remarque subsiste si on la met sous la forme
( 53) S ( t ) = ' - f ‘ R(u)*u yfTu,
R ( m) désignant la distance O A (a ), et ûs/Hlü la composante du dépla

cement A ( m) A(w 4- du) normale à OA(w). Pour chaque u e ( o, t), £u
est une variable laplacienne réduite, indépendante des valeurs de R ( î>)
et £t. dans (o, u). Il en résulte que, pour t = i, et si A (o ) est pris
comme origine,
(54) = 2 S(i) = ? J j f R2(“ )<*«] = Év/TTl,
£ étant toujours une variable laplacienne réduite, et
I= f X* (/) dt, J= f Y* (0 dt
*■'o •A>
étant deux déterminations indépendantes de l’intégrale de Cameron et

Martin. On déduit alors de la formule (12) que
( 55) E{ } = E { ei s l } E { "
COS i/2 I Z
En posant
I z±n
( 56)
COS Z ¿ d Cn (2/l) !
F. LÉVY. 22
33o COMPLÉMENT. — CHAPITRE II.
et en identifiant les développements en séries de Taylor des deux membres

de la formule ( 5 5 ), il vient
9." n !
('>7) k ! ( I *+• J) " j =
(y. n) 7! e«*
La formule ( 5 4 ) donne alors

ow n t/i
E <iln> = W E « ’ n) = c nj E (s2/,_M) = o.
La fonction caractéristique <p(¿) de s est donc
Celte formule définit la loi de probabilité de s = a S (i). Compte tenu

des propriétés d’homogénéité de S ( f) , on en déduit que les fonctions
caractéristiques de S (i) et de S ( i) sont respectivement —— et
ch-
2
(59) E ! e 'sS 'i j = —!----

ch£f
2
iNous allons retrouver et compléter ce résultat par une autre

2"
méthode, qui consiste à remplacer X ( e) et Y (t) dans la formule ( 5a)

par leurs développements en séries de Fourier [formule (a 5 ) du n# 12 ]
t r 90
x (0 = “7 = ~ ~ = [?« (cosnt — l)-h sin /li],
i Y (0 = -4=
les lettres grecques désignant
\/2~ ~ ■ toujours
n \Jn
l
[r,* (cos nt — i )-+-<„ sin/il],

dés variables laplaciennes réduites
indépendantes les unes des autres. Pour t = 2 7T, un calcul formel donne
œ
(6ij S = s ( 2- ) ~ — T)' y/a) — T,n( — g' y/â)].
Cette série étant presque sûrement convergente, on peut considérer

qu’elle donne une nouvelle définition de l’intégrale stochastique. J’ai
démontré dans [3 1 ], p. 379-381, que cette définition est équivalente
à celle utilisée au i°. Nous nous contenterons ici de vérifier qu’on
retrouve bien pour S(2 7r) la loi de probabilité définie par la formule (59).
Nous évaluerons d’abord la loi de probabilité conditionnelle relative

à l’hypolhèse%\A = A, ri \J'x = k . La fonction caractéristique de £(r/— k)
est
<d( s , k) = E{E*[<M(V-*)] j
—5I(T—*)**•+.■ *'*] f
= E € * dy
k%z* k*z*
(•+**) C’- î^ î ) '- 1 e
Vîh- z*
La fonction caractéristique de — y)(£'— h) étant de mémea>(3, /¿), celle

de fl¿[¡-»(»J«— rf v/a) — yi„(£ „— ^ V a)]> dans l’hypolhèse %^2 = h,
t! ^ 2 = est
r*5»
/*2 n*+ z*
0) ( f , * ) . ( ? . * ) -
/1* H - £ 2
et, toujours dans la même hypothèse, la fonction caractéristique

conditionnelle de S est
r*z*
n2 n*H-z*= ** e—2(1— Tlz fo th ltz)
(62) <!•(*, = n /l2-+- Z* € sh nz
Cette expression ne dépendant de et r/ que par l’intermédiaire de r 2,

on a la môme probabilité conditionnelle en se donnant seulement r 2,
c’est-à-dire en supposant R 2( 27ü) = 27rr 2. Pour r = o, on obtient
un résultat très simple : si l’on sait que A (o ) et A ( 2 tt) coïncident,
Vaire entourée p a r Varc A (o )A (2 7r) de C [définie avec les
conventions de signes qu’implique la formule ( 52 )], a pour fonction
caractéristique •
Pour avoir la fonction caractéristique inconditionnelle O (s) de S, il
n’y a maintenant qu’à remplacer r2= — par£' 2+ V 2 dans la fonction
caractéristique conditionnelle (62), et à calculer la valeur probable de
l’expression obtenue <fe(z , ¿;'2-|-r/2). On sait que
_ r*
(63) Pr j Ç'2■+“ V 2 < r* ) = I — e 2.
Il vient ainsi
<1>(3) = /r -*"* <&(*, r2) e nz * — — ic z c o lh t: z y*
2 sh nz f. € rf —
2
y
c’est-à-dire
(64) <!>(*) =
ch tc«
C ’est bien la valeur donnée par la formule (59), pour t = 27t.
3° La loi de fonction caracléristique dont dépendent 2 S (i), S(2)
et ——--y est une loi connue, dont il est facile de calculer la densité de
TC
probabilité/ (# ). On a, en effet, par la formule de Fourier
-, X= -1 /r " cosza;j
f(x) —ï d z = -2 !r * -------—cos
ez z x d,z
' i:J0 ch« izj0 i + e!;
= - f — 1)« g-i*"-*-1)* cosz x d z

^ J*q 0
■go ^
= - (— i)'»J [e— te) - g—(ï/H-l-Hte) dz
0 0
= - ^ ( - 1 ) 4 ------ î— ^ - h ------- Î— r - 1
TC ^ [ 2 / 1 -4 -1 — I X 2 / H -H - î x J
et, enfin,
(65) /(*) = tc a?
2 ch
A la fonction caracléristique <p(c«) = correspond de même la

1
densité de probabilité , 7ZX• En définissant la transformée d’une
2c ch —
1C
fonction <p(z) par la formule
1
(« )= — / e‘^*9(;r)rf.r,
4 / 2 7Z J ____
on voit que la fonction - est sa propre transformée de Fourier (°).

ch«
v \
(•) Je rappelle à ce sujet que la solution générale de l'équation intégrale 9 ç(«) = e ?(«),
où e = ± 1. est 90(s) -h t 9 90(—«), où 90(«) est une fonction paire, de carré sommable
dans (o, 00). En remplaçant 90(«) par une fonction impaire, on a de même les solutions
générales des équations
9 9 (z) = ± i 9 (z).
Dans un travail [ 1] trop peu connu, le regretté E. Feldheim a démontré que les solutions
générales des quatre équations 9 9 (2) = ¿*9 (3) (/1 = 0, 1, 2, 3) sont données respectivement
par les formules
• _ S*
? < * ) = 2 cpc *
P- «
où les Hv{z) sont les polynômes d'Hermite.
NOTIONS COMPLÉMENTAIRES SUR LE MOUVEMENT BROWNIEN CLASSIQUE. 3 33
Un calcul analogue au précédent (c/\ P. Lévy [3 0 ]) montre de môme

que la loi de fonction caractéristique qui est la loi conditionnelle
dontdépend 2S (i)dan s l’hypothèse où A (o ) et A (i) coïncident, est une
loi absolument continue dont la densité de probabilité est
/ chI 2
A «—
Inversement, à la fonction caractéristique correspond la densité de
F 'obabilité — -----
2sh —
2
4° Comparons ces résultats à ceux obtenus au n° oo de la première

partie. Nous avions formé l’équation aux dérivées partielles (29),
vérifiée par la densité de probabilité / ( r , s) de la loi à deux variables
R (i), S (i), et montré que cette équation, compte tenu des conditions
f (r, s ) ^ o, f dr f / ( r , s) ds = 1
détermine cette fonction. On en déduit l’équation vérifiée par la

transformée de Fourier
J* / ( r , s) e isz d z = r e 2 <ï>(3, r 2).
Il n’y a donc qu’à remplacer <D(s, r-) par sa valeur (62) et s’assurer que
cette équation est ainsi vérifiée, pour obtenir une vérification qui
constitue une deuxième méthode pour obtenir la loi à deux variables
R(¿), S(¿), et par là môme une troisième méthode pour obtenir la loi
de S(£). Nous ne développerons pas ces calculs; les deux premières
méthodes nous paraissent préférables.
17. Le mouvement brownien dans Pespace de Hilbert. — i° Rien

n’empôche de considérer un espace à une infinité de dimensions, et
d’y considérer la courbe lieu d’un point A ( t ) dont les coordonnées
seraient des déterminations indépendantes X„(£) de la fonction de
W iener. Mais, quelque petit que soit r, la distance A ( i) A (t -4- r) serait
infinie. On évite cet inconvénient en considérant dans l’espace euclidien
à N dimensions la courbe lieu C du point A N(£) de coordonnées -i= X 7l(£).
vN
Si l’on prend A(o) comme origine, le carré de la distance O A x(*) = RN(i)
a la valeur probable t indépendante de N. De plus, E |[R S ( 0 - | t | ] * !
tend vers zéro pour N infini. Donc, à la limite, la différence R(£) — 11 1

est une variable aléatoire de valeur quadratique moyenne nulle, ce qui
permet de considérer A (i) comme un point de l’espace il de Hilbert,
presque sûrement situé à la distance \J\t | de l’origine. L a distance des
points A (/) et A (Y) est de même presque sûrement y 1t*— 1 1. Si donc
¿ 0 < U i< Î 2 < * :», les droites A ( / i ) A ( / 2) et A ( M A ( * :l), et par suite
aussi A(£2) A(£;i ), sont perpendiculaires à A(£0) A ( fi) . Donc : à deux
arcs disjoints A ( t 0) A ( t L) et A ( i 2) A ( i :l) correspondent des cordes
dont les directions sont perpendiculaires.
Il résulte de ces deux énoncés que la forme de la courbe C n’est pas
aléatoire. On reconnaît la courbe susceptible de glisser sur elle-même
que nous avons déjà considérée au n°-4. Mais à cet endroit il ne s’agissait
pas d’une courbe aléatoire. Ici, il s’agit d’une courbe de forme connue,
et il semble d’abord qu’on puisse dire que son orientation reste aléatoire.
Toutefois, lorsqu’il s’agit de l’espace de Hilbert, l’emploi des mots
« orientation aléatoire » n’est pas correct. C ’est ce que nous allons
expliquer, en nous plaçant dans le cas d’une direction unique, dont
le choix équivaut à celui d’un point A sur la sphère 2 de centre O et
de rayon unité. Si la difficulté pouvait être résolue pour ce choix, il n’y
aurait pas de difficulté à choisir successivement au hasard une infinité
d’axes deux à deux rectangulaires liés à la courbe C, et dont l’orientation
déterminerait celle de C.
2° Pour choisir un point au hasard sur 2, l’idée la plus naturelle est
la suivante : en désignant par 2„ l’intersection de la sphère 2 et du
plan Oj7i x> . .. x n, on choisira au hasard un point A,t dans chaque 2 /M
ces choix successifs étant liés par la condition que A„ soit le point de 2 n
le plus rapproché de A,l+i ; cette corrélation entre A„ et A,i+1 n’empêche
pas que le point A,<+1 puisse être une variable aléatoire uniformément
répartie sur 2,t+1, si cette condition a d’abord été réalisée pour A„ e t 2 „.
Mais ces choix successifs n’aboutissent pas à celui d’un point limite A
qu’on puisse considérer comme uniformément réparti sur 2 . On sait en
effet que, si la distance A„ A /M_i est un infiniment petit dont l’ordre de
grandeur probable est celui de -i-, les points A /J4.2, A /M_:,, . . . , s’éloignent
\n
de plus en plus de A „, et, quelque grand que soit //, l’angle A „O A „'
tend vers - pour n* infini. La suite des points A n n’a donc aucune limite.
Une remarque très simple montre qu’il y a une difficulté à laquelle
on ne saurait échapper. Pour le point aléatoire A que nous voudrions
définir, chaque x n est presque sûrement nul; donc, presque sûrement,

tous les x n sont nuis, et le point que nous voulions définir sur la
surface 2 n’est pas sur cette surface, mais au centre.
La difficulté est comparable à celle qui se présente si l’on essaye de
définir le choix d’un nombre entier au hasard en donnant d’abord
à chacun des n premiers nombres entiers la probabilité puis en
faisant croître n indéfiniment. Le nombre choisi devrait à la fois être
fini et supérieur à n’importe quel entier donné d’avance. Cela n’est pas
possible. Mais cette impossibilité n’empêche pas que, pour certains
ensembles e, qui ne forment pas une famille borélienne, on obtient
une probabilité bien définie; cette probabilité est alors une fonction
d’ensemble additive, mais non complètement additive. Une nouvelle
question se pose donc : peut-on de même définir une famille
d’ensembles e de points de 2 pour lesquels la probabilité (ou mesure
de Lebcsgue) soit bien définie?
3° 11 n’y a naturellement aucune difficulté à définir des ensembles e
dont la mesure soit o ou i . Mais la difficulté commence si l’on veut
définir un ensemble de probabilité a e ( o , i). L ’idée la plus naturelle
est de prendre <x= et d’utiliser la symétrie de la sphère en disant
que les hypothèses X i < o et X i > o ayant la même probabilité, cette
probabilité doit être Ce raisonnement serait vrai pour la sphère 2„
à n dimensions ( n < oo); mais il devient brusquement faux pour n
infini; la probabilité P r ( x i = o), qui était nulle, devient égale à un,
et les probabilités Pr(j?i<C o) et P r(# 2]> o) deviennent nulles.
Il est cependant possible de définir des ensembles e de probabilité,
a quelconque dans (o, i). Pour cela, j x n \ désignant la suite de
coordonnées de A , extrayons la suite [ x\t j de celles qui ne sont pas
nulles. On a alors
Pr(x!/ < o) = Pr (x'v > o) = i = I, *2, . . . >.
et, en désignant par f ( x ) une fonction égale à o si x < o et à i si x > o.

les différents ¿r'v étant indépendants, la somme
X7 f ( x V)
¿À 2V = F (A)
i
est une variable aléatoire réelle uniformément répartie dans (o, i).
On peut aller plus loin, en considérant l’ensemble de plusieurs

variables x \, par exemple l’ensemble des trois premières. On a aisément
une loi bien déterminée pour l’ensemble des deux variables aléa-
toires j r et On obtient ainsi des ensembles e de types très variés
pour lesquels la probabilité P (e ) est bien définie.
Toutefois, l’intérêt de ce résultat est limité par deux remarques. L ’une
est que chaque #'v, tout en n’étant pas nul, vérifie pour tout e > o la
condition Pr j |x f | > e } = o, de sorte que la probabilité n’est pas
complètement additive : si elle l’était, on aurait
OD
p r ( i * 'i > o ) = p r ( i * 'i ^ i ) - H 2 P r| ^ - x , < ^ ! = °-

i
On ne peut donc pas considérer#', comme une variable aléatoire. L ’autre

consiste dans l’impossibilité de déterminer l’entier n = cp(v) tel
que # „ = # !,. Ce serait un entier ><p(v— i) et choisi au hasard; ce
ne serait encore pas une variable aléatoire.
Il est toujours possible de définir une loi de probabilité dans un espace
ayant la puissance du continu, donc en particulier sur notre sphère 2.
Mais, si nous ajoutons la condition que cette probabilité soit une mesure
de Lebesgue, deux ensembles égaux devant avoir la même mesure, nous
sommes en droit de conclure que l’extension de cette mesure
de Lebesgue, analogue à celle étudiée par B. Jessen ([ 1 ] et [2 ]) pour
le pavé à une infinité de dimensions, n’est pas possible pour la
sphère 2 (7).
(') J’ai déjà exprimé cette idée en 1924, dans un article reproduit en 1925 à la fin de
mon livre [4]. Il y avait malheureusement quelques erreurs dans cet article, et certains
points n’étaient pas clairs; je n’avais pas cru nécessaire d’insister sur certaines remarques
qui rne semblaient évidentes. Je crois tout de même qu’on peut y reconnaître, sous-jacentes,
certaines idées qui à cette époque n’étaient pas triviales.
CHAPITRE III.
LA FONCTION BROWNIENNE DE PLUSIEURS PARAMETRES.
S ommaire. — 18» La fonction brownienne sur la sphère de Riemann. — 19. Retour au

cas euclidien. — 20. La fonction brownienne dans l’espace il de Hilbert. — 21. La
moyenne de X(A) sur une sphère. — 22. Les fonctions Mn(£) et Mw( / ) - —
23. Le déterminisme de X(A) dans l’espace de Hilbert. 24. Les ensembles 3C(6). —
25. Détermination de v dans quelques cas particuliers. — 26. Sous-ensembles mini
misants et éléments conjugués.
1 8 . La fonction brownienne sur la sphère de Riemann. — i° Le

mot « mouvement » éveillant l’idée d’une fonction d’une seule variable t,
nous appellerons fonction brownienne de plusieurs variables la fonction
étudiée au Chapitre VIII de la première partie sous le nom de mouvement
brownien à plusieurs paramètres. On peut se placer dans le cas d’une
fonction X (A ) définie dans un espace distancié quelconque. La fonction
brownienne X (A ) est alors définie, à une constante près, par la formule
(i) X ( A ) — X(B) = ?a, b V M A , B),
où r ( A , B) est la distance des deux points A et B. On en déduit que

sur n’importe quelle ligne géodésique, tant que Varc AB de cette ligne
èst le p lu s court chemin entre A et B, la fonction X (A ) se réduit sur
cet arc à la fonction de W iener de l’abscisse curviligne AB. La condition
soulignée est naturellement essentielle.
Si l’on complète la définition de X ( A ) en choisissant une origine O
et en supposant X ( 0 ) = o, on peut énoncer le résultat comme suit :
X (A ) est la fonction laplacienne semi-réduite ayant la covariance
<2 ) T (A, B) = E j X ( A ) X ( B ) j = j [ r ( 0 , A) + r ( 0 , B ) - r ( A , B)],
et, comme nous l’avons vu au n° 5 9 , 2° de la première partie, cette

définition n’est acceptable que si la forme quadratique
n n
<3) 2 Q = 2 2 r <A*>
A=1 *=1
338 COMPLÉMENT. — CHAPITRE III.
est toujours non négative. Si elle est strictement positive, il n’existe

aucune relation presque sûre de la forme
(4) X ( A t) -+- C i X ( À*) -i-. . . -f- c fl X ( An) = o.
Nous avons déduit d’un théorème de I. J. Schonberg que, dans le cas

d’un espace euclidien à N dimensions, donc aussi dans celui de l’espace
de Hilbert, cette condition est toujours réalisée. Il ne semble pas que
la question soit résolue dans le cas d’un espace distancié quelconque.
Nous allons indiquer une méthode très simple (*) pour démontrer
l’existence de la fonction X (A) sur la sphère de Riemann à N dimensions ;
elle généralise celle utilisée au n° 1 4 , 4° pour définir un mouvement
brownien périodique [nous supposons iciX (A ) réel; il n’y aurait aucune
difficulté à définir de la môme manière une fonction brownienne
complexe].
a” Considérons donc la sphère de Riemann S à N dimensions. On
peut la supposer immergée dans l’espace euclidien à N H- i dimensions,
et parler de son centre et de son rayon; mais la distance /*(A, B) sera
la longueur du plus court chemin allant de A à B sur S. Nous
supposerons le rayon de S égal à un; le maximum de r ( A, B) sera
donc ir.
A chaque point A de S, associons la demi-sphère S (A ) lieu des
points M pour lesquels r (A , M) et posons
(5) U (A) = h f Çm V/5s ;

‘'s (À)
dS étant l’élément d’aire entourant le point M, et h une constante

positive. Cette extension aux intégrales multiples de l’intégrale de
Maruyama ne donne lieu à aucune difficulté : U (A) est la fonction
laplacienne semi-réduite de covariance
E j U (A) U (B) ! = A* f dS.
Si S (A , B) désigne la partie de S (A ) qui est extérieure à S (B ), on a
U (A ) — U (B) = h f ÇMsfd$ — h f ÇMv/^S

• ''S (A , lli * ^ S(B ,A )
(») c/. P. Lévy [43].

LA FONCTION BROWNIENNE DE PLUSIEURS PARAMÈTRES. 339
et, par suite,
(f>) E | [ U ( A ) - U ( B ) ] * i = A* f dS-hh*f dS = 2 A*sa ii,
,çA n désignant l’aire commune des deux fuseaux S (A , B) et S (B , A ).

Elle a évidemment la valeur désignant l’aire totale de
la sphère S (c’est-à-dire de la sphère de rayon unité d’ un espace euclidien
à N -f-1 dimensions). Il suffit donc de prendre h2= - ^ - pour que la
fonction U (A ) vérifie la condition (1). L ’existence de la fonction
brownienne est ainsi établie. Si l’on veut que X ( . ) soit nul en un
point P de la sphère S choisi pour pôle, on prendra
X( A) = U ( A ) - U ( P ) .
3° Si A et A' sont diamétralement opposés, on a
(7) U (A) -h U (A') — h Ç v/rfS = A T fdS = Ç

^S(A )U S(A ')
£ étant une variable laplacienne réduite indépendante du choix du

diamètre A A', et par suite, si BB' est un autre diamètre,
( 7 ') U( A) - hü( A' ) = U(B)-hU(B').
18. — I l / l ’existe entre les valeurs de la fon ction U ( . )

T héorème
en n points A v(ra< oo) aucune autre relation presque sûre de la
form e
n
(8) 2 ^ u (Av ) = °
1
que celles qui résultent de la form ule ( f ) .

En effet, cpv(M) désignant la fonction égale à 1 si M € S (A v) et nulle
dans le cas contraire, cette formule s’écrit
av 9V( M) £m f dS = o,
et n’est vérifiée que si ?v(M) est identiquement nul.

Or la frontière C ( A v).de S (A V) est composée presque entièrement de
points qui n’appartiennent à aucun autre C ( A p), sauf peut-être C (A v),
si le point Av diamétralement opposé à A v est un des A p. Si alors a ' est
34o COMPLÉMENT. — CHAPITRE III.
le coefficient de U (A 'V) dans la formule (8), la somme ^ a v ç v(M) varie

de a!,— a v quand M sort de S(A^). Pour qu’elle soit constante, il faut
et il suffit donc qu’elle se compose de groupes de termes tels que
a v [c?v ( M ) + o v,(M)] = a v (en posant Av = A v,). Alors elle est nulle
si 2 a v = °> et ne peut l’être identiquement dans aucun autre cas,
0« Q* P* U*
Dans les formules (7) et (7'), et dans le théorème 18, on peut

naturellement remplacer la fonction U (A) par n’importe quelle fonction
X (A ) = U (A ) + c', c rétant une constante indépendante des £M. Le
premier membre de la formule (8) aurait en effet la forme c£ + kc\ et
cette expression ne peut être presque sûrement nulle que si c = o.
Dans le cas d’un ensemble infini de points A v, il faut bien entendu
ajouter aux conditions déduites de la formule (7) celles imposées par
la continuité presque sûre de U (A).
4° La somme U (A ) + U (A ') étant indépendante du choix du
diamètre AA', la moyenne /a de ces deux nombres est aussi la moyenne
de la fonction U ( . ) sur la sphère S. Nous poserons
(9) V (A) = U (A) — n = ¿ [U (A) — U (A')].
Cette fonction est une fonction laplacienne semi-réduite, d’écart

type -sj n égal à celui de p, et indépendante de ja. Elle est de plus
stationnaire, en ce sens que sa définition n’est pas changée par une
rotation de la sphère S autour de son centre (sur une sphère, on ne
peut guère donner un autre sens au mot « stationnaire »).
La fonction plus générale
(io) X( A) = a Ç - h V( A) ,
où £ est une variable laplacienne réduite indépendante de la fonc
tion V ( . ) , est aussi laplacienne, semi-réduite et stationnaire, et
inversement toute fonction ayant ces propriétés est de la forme c X ( A ) .
On a d’ailleurs
(n ) E j X*( A) j = a*-*-E{ V*(A) J = a 2-+- y
Le minimum de celte expression est réalisé pour a = o, X (A ) = V (A ),

tandis que pour y c’est-à-dire lorsque X (A ) se présente sous la
forme - (£ -h rt) yAr, on retrouve la fonction U (A ).

2
LA FONCTION BROWNIENNE DE PLUSIEURS PARAMÈTRES. 34l
On obtient des résultats différents si l’on ajoute à V (A ) une variable
aléatoire laplacienne et semi-réduite, non indépendante des valeurs de
cette fonction. Tel est en particulier le cas si l’on détermine cette
constante additive de manière à annuler X ( P ) , P étant un pôle choisi
sur S. Alors
E Í X2(A) j = r ( P , A),
et, quand A décrit la sphère, la moyenne de cette expression est ^

( c ’est une conséquence évidente de la symétrie par rapport au plan de
l’équateur). C ’est précisément la valeur de E { U 2(A ) j; mais ici cette
valeur probable varie entre o et rc.
A propos de la fonction V (A ), il peut être intéressant d’étudier son
développement en série de fonctions sphériques. A cela près qu’ici
nous nous sommes placés dans le cas réel, ce serait une généralisation
de la formule ( 5 4 ). Dans le môme ordre d’idées, il y aurait lieu aussi
de généraliser la formule ( 34). Ces problèmes ne semblent pas avoir été
étudiés.
1 9 . Retour au cas euclidien. — 1° Si l’on compare la démonstration

par laquelle nous avons démontré dans la première partie l’existence de
la fonction brownienne dans l’espace euclidien à celle que nous venons
de donner pour la sphère dé Riemann, la premièré apparaît d’abord
comme prédicative, et la seconde comme-constructive. Dans le cas
euclidien, on peut aboutir à une définition constructive par la méthode
employée au n° 1 de la première partie pour la fonction de W iener.
Dans celui de la sphère de Riemann, on peut observer que nous aurions
dû justifier l’introduction de l’intégrale ( 5 ) en montrant, p arla môme
méthode, que l ’intégrale ( 5 ) peut ôtre définie comme limite presque
sûre de sommes riemanniennes. Nous ne l’avons pas fait parce qu’il
n’y a qu’à répéter le raisonnement à peu près sans changement; on
peut d’ailleurs observer que la partition d’une aire S (nous entendons
par là sa décomposition eu aires partielles qu’on subdivisera à leur tour,
et ainsi de suite indéfiniment) correspond exactement à une partition
d’un intervalle, chacune des aires partielles successivement distinguées
ayant pour image un intervalle partiel. La théorie de l’intégrale
de Maruyama multiple est donc contenue dans celle de l’intégrale
simple. En tout cas, il est certain qu’elle donne une expression maniable
de X ( A ) , que nous n’avions pas obtenue dans la première partie
pour le cas euclidien. Aussi n’est-il pas inutile de montrer, d’après
N. N. Tchentsov [ 1 ], qu’il est possible d’avoir aussi une représentation

de celte nature dans le cas euclidien ( 2). C ’est ce que nous allons faire
maintenant.
2° Plaçons-nous donc dans l’espace euclidien, c’est-à-dire que la

distance r (A , B) sera maintenant la distance euclidienne. Cela ne nous
empêche pas de considérer la même sphère S qu’au n° 18, et une demi-
sphère S (P ), P étant un pôle choisi sur une sphère. Un plan П à N — i
dimensions (N étant le nombre de dimensions de l’espace) peut être
défini par sa distance p au centre de la sphère, et le point M où le
diamètre de S perpendiculaire à П coupe S (P); p sera considéré comme
positif si M et l’intersection de П avec OM sont du même côté de O
et négatif dans le cas contraire.
Tchentsov considère l’ensemble V ( A , B) des plans П qui séparent
A et B, et lui attribue pour mesure l’intégrale m de d p d S , dS étant
l’élément d’aire décrit par M sur S. Pour chaque point M fixe sur S (P),
la variation de p est r |cosô |, en posant r ( A , B) = r, et désignant par 0
l’angle de OM et AB. On a donc
Cette expression étant indépendante de la direction de AB, nous pouvons

supposer que cette direction est celle de O P, et il vient
«
m = r con—iJ * sinN” 28 cos8 dti =
étant la mesure de l’équateur, c’est-à-dire l’aire de la sphère de

rayon unité dans l’espace à N — i dimensions. Compte tenu de la valeur
connue de cette aire, on trouve
(.2 ) m = K r (A, B) K= =
(*) On remarquera que ce mémoire de Tchentsov a précédé mon travail spr le cas
de la sphère de Riemann. C’est en me demandant si la méthode du savant russe s’appliquait
à cette sphère que j’ai constaté que, non seulement elle s’appliquait, mais qu'elle se
simplifiait d'une manière remarquable.
Posons ma in tenant
(i3) U (A, B) = sgn cos0 sgn COS0.
On a évidemment
U (A, B) h- U (B, A) = 0,
et de môme, quels que soient les trois points A , B, G,

04) U (A, B) -K U (B, P) -h U (P, A) = 0.
En effet, un plan qui coupc le triangle A B P coupe deux de ses côtés

(en négligeant l’ensemble de mesure nulle des plans qui contiennent un
sommet), et donne dans la somme (i4) deux éléments égaux et opposés.
Il en résulte que U (A , B) a la forme
(i5) U ( A , B ) - vÆ [ X ( B ) - X ( A ) ] X ( A) = ^ U ( p , A)
la fonction X ( A ) , définie à une constante près qui dépend du choix du

point P, et qui est une fonction laplacienne semi-réduite, vérifiant bien
les conditions qui définissent la fonction brownienne dans l’espace à N
dimensions.
3° Le fait que cette méthode soit moins simple que celle indiquée
au n° 17 pour le cas de la sphère de Riemann nous a conduit à nous
demander ( ;l) s’il n’était pas possible de traiter le cas d’un hyperplan
euclidien II à N — 1 dimensions en le plaçant dans un espace euclidien
à N dimensions, et en le considérant comme limite d’une sphère de
rayon R indéfinimant croissant, et tangente à II en un point fixe P.
On y arrive, en effet, aisément, en utilisant le fait qu’il s’agit de
démontrer que la forme quadratique Q n’est jamais négative.
O r n points A¿ de P peuvent être considérés comme les limites
de points AJ situés sur S (R ), et la distance euclidienne r(A ¿, A*) est
la limite de la distance /•‘ (A*,, AJ) comptée sur la sphère. La forme Q
relative au plan II est alors la limite d’une forme analogue Q* relative
à la sphère. Nous avons démontré que la fonction X ( A ) existe dans le
cas de la sphère; cela revient à dire que Q * ^ o . Donc Q est aussi ^ o ,
ce qui établit l’existence de la fonction X ( A ) dans H.
On peut môme aller plus loin et montrer que la forme Q est strictement
positive, sauf si tous les Zh sont nuis. Nous n’indiquerons que le principe
(3) P. Lévy [43J.

de la démonstration exposée dans notre mémoire [4 3 ] : élant donnés

n points A*, nous pouvons en choisir un qui soit un sommet du plus
petit solide convexe contenant ces points; supposons que ce soit A|.
Pour R assez grand, A* a une propriété analogue sur la sphère, et
l’expression de X *(A 4) déduite de la formule ( 5 ) contient un terme
indépendant des autres X *(A a) et qu’il est facile de borner infé
rieurement. Cette borne subsistant à la limite, X ( A t) n’est pas déterminé
par X ( A 2), . . . , X (A „ ). Or, s’ il y avait une relation linéaire presque
sûre entre n! nombres X ( A a), à coefficients non tous nuis, elle serait
une relation presque sûre, à coefficients t o u s ^ o , entre de ces
nombres, et serait résoluble par rapport à un quelconque de ces
n nombres. Or elle ne peut pas l ’être par rapport à X ( A a). C ’est donc
qu’aucune relation linéaire presque sûre à un nombre fini de termes ne
saurait exister entre les X ( A a). Cela revient à dire que la forme Q est
strictement positive, et, comme il s’agit d’un système laplacien
semi-réduit, il n’y a entre les valeurs de X (A ) pour n points Ah(h < ° o )
aucune relation presque sûre, linéaire ou non.
On déduit d’ailleurs aussi aisément ce résultat de la méthode de
Tchentsov en isolant toujours un des points A a qui puisse être séparé
des autres par un plan. L ’expression deX(A/<) déduite des formules ( i 3)
et ( i 5 ) contient alors des termes indépendants des autres X ( A f{).
2 0 « La fonction brownienne dans l’espace de Hilbert â . — i° Pour

définir cette fonction, nous supposerons choisi un ensemble e dénom
brable et partout dense dans û ; cela peut être, par exemple, l’ensemble
des points ayant chacun un nombre fini de coordonnées rationnelles
différentes de zéro, toutes les autres étant nulles. Nous supposerons les
points de e rangés en une suite unique | Av j(v = o, i, 2t . . . ) , et
désignerons par en l’ensemble des n premiers points A v; e sera alors
la réunion de tous les en.
En supposant A 0 pris pour origine et déterminant successivement
tous les X ( A /l), nous ne pouvons avoir aucune difficulté, puisqu’à tout
instant l’ensemble en est dans un plan à n — i dimensions ;(au plus) et
que la fonction X ( A ) est définie dans un tel plan.
Montrons que X ( A ) est bien défini en n’importe quel point A 6 û .
Nous pouvons, en effet, extraire de la suite des A„ une suite de points A p
tendant vers A ; donc, quel que soit e >> o, pour p assez grand,
r ( A, A^) <Z £, et, quand n est assez grand pour que en contienne A'^,
on a
. ^ ( A | e n) ^ a ’- ( A | A'„) < «.
LA FONCTION BROWNIENNE DE PLUSIEURS PARAMÉTRES. 345
Il y a donc convergence en moyenne quadratique de /¿(À | en) vers X (A),

et, d’après le théorème 2.2, il y a aussi convergence presque sûre.
2° La fonction X ( A ) ainsi définie dans & étant laplacienne semi-
réduite et vérifiant la condition
(1 6 ) X(B) - X(A) = ÇA, B vV(A,'B)
se réduit sur n’importe qu’elle droite ou dans n’importe quel plan à un

nombre fini de dimensions à la fonction brownienne sur cette droite
ou dans ce plan, et y est presque sûrement continue. Nous allons
démontrer que, malgré cela :
2 0 , i . — L a fonction X ( A ) est discontinue, et même

T héorème
non bornée, dans n'importe quel voisinage de n'importe quel point O.
Choisissons donc dans & un point quelconque O, et des axes 0 #v
(v = o, 1, 2, . .. ) deux à deux rectangulaires. En nous donnant d’abord
une longueur fixe a, nous prendrons pour A v le point x^ — a de l’axe O x n,
pour e l’ensemble des A v autres que A 0 et pour en l’ensemble des n
points A i, Aa, . . . , A n et poserons
n
(1 7 ) [Xv= X ( A V)].
1
Par raison de symétrie, on a
K { Xo I €n t = E { X/n-1 | €n } = f-l/1-
D ’autre part, en désignant par iXn+GnZn la forme canonique de X0

quand X t, X 2, . . ., X„ sont connus, on a
*?,= K j (, 1 * - X,)* ! = ^ E { X, + X * + .. .-H x „ ) 2 1 x„ = O J,
et, compte tenu de ce que, toujours dans l’hypothèse X 0: o, on a
E { X h î = r ( Ao, A*) = a\,G (h o),

a \/?.
E { X/t X* ) = i [ r (A0, A/i) -f- r ( A 0, A k) — r(\h, A*)]
(A, A, h — k o),
il vient
p. LKVY. 2»
34 6 COMPLÉMENT. — CHAPITRE III.
Cette expression a, pour n infini, une limite positive — — * et, d’après

le théorème 2 .2 , pn = fx(A01en) a une limite presque sûre p. = p ( A 0| e).
Revenons à l’hypothèse où X 4, X 2, . . . , X „ sont donnés. Les
figures A i . . . A n Ào et Ai . . . A wA ft+1 étant superposables, X ^ i
a la forme canonique fxn4 - VnZm les coefficients ¡xn et <r„ étant les mêmes
que dans le calcul de X ( A 0). Donc ¡in a une limite presque sûre p,
et < a la limite positive — ; les t n
V^
des autres, de sorte que, presque sûrement, la suite de leurs valeurs
forment un ensemble partout dense dans (— oc, -j-oo). Il en est donc
de même des valeurs de X n= p„-f- <7„^, et de celles de X „ — X (O ).
Comme a est arbitrairement petit, ce résultat démontre le
théorème 2 0 . i, et nous donne^même un résultat plus précis : dans
n’importe quel voisinage de O, il existe presque sûrement des points A
où X ( A ) est arbitrairement voisin de n’importe quelle valeur donnée.
3° Nous allons préciser encore ce résultat :
— Quels que soient le point A ç i 2 et le nombre
T héorème 2 0 . 2 .
réel x (fini ou infini), on p eu t presque sûrement trouver un chemin
continu et rectifiable tendant vers A et sur lequel la fonction X ( . )
soit continue et tende vers x.
Nous savons déjà qu’on peut trouver une suite de points A /Mtendant
vers A , et tels que X ( A n) tende vers x . Supposant d’abord x fini, etles
nombres X ( A „ ) et X (A ,i_hl) étant ainsi compris entre x — t et# -|-£ ,
il reste à montrer qu’on peut les joindre par un chemin continu sur
lequel la fonction X ( . ) reste comprise dans cet intervalle. Divisons
le segment rectiligne A n A n+l en dix parties égales, et, près des points
de division Hv(v = i , 2 , . . . , 9 ) choisissons des points Bv tels que
| X ABv) — j? | < e. Nous savons que c’est presque sûrement possible,
et que nous pouvons, de plus, supposer les distances r ( B v, Hv) assez
petites pour que les cotés successifs de la ligne polygonale B0B i . .. B*o
forment avec la direction A„ A„+i un angle < 61 ( e i > o arbitrairement
petit). Considérons ensuite chacun des côtés BVBVH_4, nous pouvons
recommencer la même opération, en remplaçant - et fi4 par j et —>
et continuer ainsi indéfiniment. Les points ainsi choisis formeront
à la limite une ligne continue, allant de A n à A,l+i, et rectifiable, et même
de longueur dépassant arbitrairement peu r ( A„ , A , ^ ) ; sur cette ligne,
la fonction X (. ) varie d’une manière continue en étant constamment
comprise outre x — e et x -|- £.
Ce raisonnement s’appliquant quel que soit w, il suffit de prendre 6

d’autant plus petit que n est plus grand pour obtenir un chemin abou
tissant à A et vérifiant toutes les conditions de l ’énoncé.
Si enfinx est infini (positif, pour fixer les idées), il n’y a qu’à remplacer
l’intervalle (x — £, a? + e) par (N, oo)(N arbitrairement grand).
Le théorème est ainsi démontré dans tous les cas.
4° Les chemins vérifiant les conditions de ce théorème sont évi
demment exceptionnels, et non connus d’avance. Pour un chemin donné
d’avance, et aboutissant en A, il n’y a que deux possibilités : ou bien,
sur ce chemin, la fonction X ( . ) tend presque sûrement vers X ( A ) ;
ou bien, presque sûrement, elle n’a aucune limite. La probabilité qu’elle
ait une limite autre que X ( A ) est toujours nulle.
Le premier cas est réalisé, soit si le chemin considéré est suffisamment
direct (en tout cas s’il est rectifiable), soit s’il est dans un plan à N
dimensions (N < o o ), ou sur une surface à N dimensions suffisamment
régulière.
Remarquons enfin que, dans le théorème2 0 . 2 , nous n’avons considéré
qu’un point A donné. Un énoncé presque sûr pour chaque point donné
peut être en défaut pour certains points exceptionnels. Dans le cas
du théorème 2 0 . 2 , il ne semble pas qu’il y ait de points exceptionnels;
mais nous ne l’avons pas démontré.
21. La moyenne de X ( A ) sur une sphère. — i° Désignons par Sw

la surface de la sphère r ( O, A ) = 1 , dans l’espace de Hilbert, et par Sn
sa section par le plan O x t x * . . . x n\ S pourra désigner indifféremment
Sn ou S«. Nous écrirons /jl, ja*, ff, <r„ au lieu de ja(0 | S), /jl(0 | S,4),
<r(0 | S), o*(0 | S«). Par raison de symétrie, ¡xn est la moyenne de X (A )
sur S/t; celle fonction étant presque sûrement continue sur S 7l, cette
moyenne est bien définie. Mais ce raisonnement ne s’applique pas
pour n infini : d’une part, la fonction X (A ) n’est pas continue sur Sw;
d’autre part, même une fonction continue n’a pas toujours une moyenne
bien définie sur Sw, si l’on définit cette moyenne comme limite de la
moyenne sur S /t. Ainsi pour la fonction
oe
/(A ) = 2 ( - i y < « > * 5 ,
1
p ( n ) désignant le nombre des chiffres de l’entier n (dans la numération

décimale), la moyenne sur S/t oscille indéfiniment entre des maximums
tendant vers — et des minimums tendant vers — — • Mais ici X (A )

n’est pas une fonction quelconque, et nous avons vu au n ° 2 que est
presque sûrement bien défini comme limite de fx( 0 | e„), si les en forment
une suite de sous-ensembles de S minimisante pour X (O ). Nous allons
montrer que les Sn forment une suite minimisante pour X ( O ) ; comme
S« c Sn+i, il en résultera que <xn tend en décroissant vers a, et que tend
presque sûrement vers Ainsi la définition classique (due à R. Gâteaux)
de la moyenne sur S, limite de la moyenne sur Sn, s’applique presque
sûrement à X (A ).
2° Désignons par 3 TL[/(A)] la moyenne de / ( A ) sur la sphère S.
On a
(1 9 ) E ( J H [ / ( A ) ] J H [ / (B ) | X ( o ) ] = o }
= artB JRa E { / ( A ) / ( B ) | X(O) = o î
= l5 R B5aA[r(o, A) ■+■ r(o, B ) - r ( A , B)]
et, comme JTtAr (A , B) est indépendant de B, qu’on peut supposer placer

en un point P € S choisi comme pôle
( 20) <j* = i — J T t ^ s i n ^ j
0 désignant l’angle PO A .
Cette formule s’applique aussi bien au calcul de <xn qu’à celui de
É. Borel a observé depuis longtemps que, pour n indéfiniment croissant,
n’importe quel voisinage de l’équateur ôù 0 = ^ constitue une fraction
de l’aire sphérique tendant vers l’unité. Donc 3Ttn^sin ^ et cette
valeur est aussi la moyenne de sin - sur Su. Donc
(21) ®
1 = üm 1—
n 90 f i
formule qui établit, en particulier, que les sous-ensembles S n de S^

forment bien une suite minimisante pour X ( 0 ) , donc que est bien
la limite presque sûre de ¡jln•
Pour une valeur finie de n, l’aire de la zone définie sur S„ par
O€ (a, a H- dot) étant proportionnelle à sin/l~2a da, on a
n
/ 0\ J
r r*
sin7»—*« d* = J
1 a
sin71” *a sin - rfot,
LA FONCTION BROWN1ENNE DE PLUSIEURS PARAMÈTRES. 349
et, des valeurs connues des intégrales qui interviennent dans cette
formule, et de la formule ( 20 ), on déduit
ce qui, pour n infini, donne bien la limite (21 ).

3° Du corollaire du théorème 2 . 2 , et du fait que ait une valeur
positive bien définie, nous pouvons déduire une conséquence curieuse.
Désignons par II' et II" deux hyperplans (c’est-à-dire deux plans à infinité
de dimensions), perpendiculaires, et passant par O (par exemple
le plan O x i . . . et le plan Q x îX hx * . . . ) ; soient S' et S" leurs
intersections avec S*,. Tout en n’étant qu’une partie de S w, ces sphères
lui sont superposables, de sorte que
a( 0 | S ')= tf( 0 |S')=*>
c’est-à-dire que S' et S" sont, pour X ( O ) , des sous-ensembles mini

misants de S. Par suite, d’après les théorèmes du n°2, jul(O |S') et ju(OjS")
sont presque sûrement égaux. En d’autres termes, X ( A ) a presque
sûrement la même moyenne sur S' et sur S".
On aurait pu croire que, la distance des ensembles S' et S" étant y/2 ,
il n’y a qu’une corrélation faible entre les valeurs de X (A ) sur ces deux
ensembles ; il en est bien ainsi si l’on compare une valeur particulière
de X ( . ) en un point-A € S' à la moyenne des valeurs de cette fonction
sur S", mais non si l’on compare les deux moyennes, qui sont égales.
C ’est un premier aspect de ce que nous appellerons le déterminisme
de X ( A ) dans Vespace de H ilbert. Mais nous en verrons des aspects
plus surprenants : il peut arriver que X ( A ) soit complètement déterminé,
en un point A et même dans un volume V , par des données relatives
à des points éloignés de A et de V .
22. Les fonctions Mto(i) et Mn(l). — i° Nous désignerons par

M(£) la moyenne de X (A ) sur la sphère S(/) de centre O et de rayon t.
Les indices (n ou u) indiqueront comme au n° 21 le nombre des
dimensions de l’espace qui contient la sphère S. Nous supposerons
X ( O ) = M (o) = o. Comme M (i) dépend de la même loi que M (i) y/*,
on a
( 23) E { MJ (i) ( = «r*, E{M t.
Pour préciser la nalurc analytique des fondions M(/)i nous devons

étudier leurs covariances V(/i, t>>). Le calcul est identique à celui
de or- [formules ( 19 ) |; nous devons seulement supposer que les
points A et B décrivent les sphères S(£4) et S(£a). En désignant par P
un point particulier de S ( i 2), il vient ainsi
(2.0 r(<„ h) = + J U Ar (P, A)].
Nous reviendrons plus loin sur la covariance F/t(/|, ¿2) de la

moyenne M,4(/). Dans le cas de l’espace de Hilbert, compte tenu du fait
que n’importe quel voisinage de l’équateur [section deS(£2) p a rl’hypcr-
plan contenant O et perpendiculaire à O P] comprend presque toute
la sphère S (/2), la moyenne de r ( P , A ) est ^t\-*r t\, et il vient
(25) It) = (/,, tt^ o ).

£
2° On remarque que cette fonction est analytique dans (o, oo)x(o, 00);
il n’y a en particulier aucune singularité sur la demi-droite /4= ¿ o.
Dans ces conditions, il résulte d’un théorème de M. Loève (théorème 8
de la Note qui termine ce volume) que MC|>(/) est analytique m. q.
(en moyenne quadratique).
Mais que signifie l’analyticité m. q. ? C ’est d’abord que, pour chaque
valeur t0 de ¿, il existe des nombres qu’on appellera les dérivées de Mu (/)
en ce point, avec lesquels on formera une série de Taylor convergente m. q.
dans un intervalle (¿0— t, ¿o-1- t), donc presque sûrement convergente
en tout point strictement intérieur à cet intervalle, et que sa somme est
Ma)(¿). Donc :
T héorème22. — L a fon ction MW(J) est presque sûrement analytique

dans (o, oc).
3° Une autre démonstration de ce théorème résulte d’une formule
de H. P. Mc Kean, qui l’a communiquée par lettre à l’auteur. Elle
se simplifie si, au lieu de MM(/), on considère sa dérivée M#
w(£), qui est
la fonction laplacicnnc semi-réduite ayant la covariance
( 2(>)
Or il est facile de vérifier que ces propriéiés sont vérifiées à un facteur

constant près par l’intégrale
( 27) ï (0 = j f « t*
D ’une manière précise, on a

(28) M '» (/ )-c I(0 ( c‘ = ^ ) -
Cetle^/ormu/e de Mc Kean prouve, non seulement que M'ro(£), et, Par

suite, Mw(£) sont analytiques pour t réel > o, mais que, dans le plan
de la variable complexe, 0 désignant son argument, elles sont analytiques
dans la région
(29) = | ^ C 0 S ‘2 6 > 0 ,
c’est-à-dire quand |0 | < ^ ; les demi-droites 0 = ± ^ sont presque

sûrement des coupures p ou r Mü)(i).
4° Le théorème 22 a en fait été déduit d’abord de l’étude asymptolique
des propriétés de Mn(t), quand n augmente indéfiniment. Les méthodes
directes, que nous venons d’exposer, sont plus simples. Toutefois
l’étude de MH(t) conserve de l’intérêt, notamment parce qu’elle montre
bien que la régularité de cette fonction croît avec n . Il n’est guère douteux
que ce soit un cas particulier d’un phénomène plus général : si l’on
considère une surface 2>(f), qui soit un lieu de points dépendant de
n — 1 paramètres, ]ul[ A | 2>(î )] est presque sûrement une fonction de t
d’autant plus régulière que n est plus grand.
Nous allons résumer quelques-uns des résultats relatifs à M„(£) obtenus
dans notre travail [34], et complétés sur certains points par H. P. Mc Kean
et par T. Hida. Il faut partir de la formule ( 19 ), qui indroduit la
moyenne p/t de r (A , B ), A et B décrivant.deux sphères concentriques
de rayons ti et dans l’espace R". En posant
(30) sin71©rf0 = I*, r* (A, B) = t\ H- t\ — 2 M 2 cosO = r%
il vient
(31) 2 I/i—î Pn r sin*“ 20 ¿/0.
En prenant r comme variable, désignant toujours par t et t! le plus

petit et le plus grand des nombres ¿1 et et posant =
il vient
(32) I „ - lP n = f ‘ ^ [4 P t * - + r 'y y -'r '-d r .
On remarque que, si n est impair, donc p entier, cette intégrale est un

polynôme en t et Í et il résulte de la formule ( 19 ) que TH(tt, ta) est
une covariance de Goursat. Signalons seulement que le cas où n est

pair a été étudié par Mc Kean, et contentons-nous d’appliquer au cas
où n est impair, la méthode relative aux covariances de Goursat exposée
au n°9. Nous ne ferons qu’indiquer les principales étapes di| calcul.
On trouve d’abord pour Tn une expression de la forme
p ^
(33) r»(*i, *0 = - - ^ 2 « * > . ' * ( « = 2/>-Hi),

1
et l’on a, en particulier,
(33.i) r, ( < „ < , ) = £ ,
(33.3) ^(¿l, = - — f )
(33.5) r . « „ fc) » | - £ ~
On trouvera dans notre travail cité l’expression générale des

coefficients aPt/t. Mais des remarques simples permettent d’éviter le
calcul de ces coefficients. Le nombre p/t est la moyenne de r ( A , B)
quand A décrit la sphère S(£i) et que B est un point fixe de la
sphère S celte moyenne, pour chaque /1 fixe, ne dépend que de £3>
et ses discontinuités à la traversée de la sphère S (*t) s’étudient comme
celles d’un potentiel. On peut ainsi démontrer que : pour n = 2 p H- 1 ,
la fonction 12 ) et toutes ses dérivées jusqu*à Vordre 2 p n'ont
aucune discontinuité à la traversée de la ligne tl = t 2- Cette
condition suffit à déterminer les
5° Pour déduire de ce résultat des propriétés de Mn(£), nous n’avons
qu’à appliquer le théorème 7 de la Note de M. Loève. D ’après ce
théorème, Mn(t) admet des dérivées en moyenne quadratique jusqu’à
l’ordre p . Il faut pour cela, d’après le n°7, que le noyau F(£, m) de sa
représentation canonique s’annule pour u = t ainsi que ses dérivées
jusqu’à l’ordre p — 1 . D ’autre part, d’après le n°9, le noyau canonique
correspondant à la covariance ( 3 3 ) a nécessairement la forme
^ u-h~*
F n (*> u ) = cp ,0 cp> h >
et l’on en déduit
/1-1
a F»(i >“ ) = 5 2 o » * - * ) <>.*(£
Tenant compte de ce que F rt(£, u) s’annule pour t = u ainsi que

ses dérivées jusqu’à l’ordre p — i , il vient, si p > o,
à uf w2\ p**~
1
<34) ^ „ « , « 0 = 0, »
et, en posant
(35) P n ( u ) = c p f ' (i — x*)P~* d x = (i —
on trouve pour F n(i, u) l’expression P ^ y j- On a ainsi, toujours

pour n = ï p -+-1 , les expressions
(36) M „(f)- f P» ( j ) U * / d ü ,
(37) M'B(t) = - j f ' | P-, ( j ) \/dü = c , j f ‘ p (i - £ ) '" * çu v^s.
La constante cp est enfin déduite de la formule (33). Le calcul,

effectué dans notre mémoire [34], donne
(38) ■1 - ; . . (2P>! -* /> * 1
6 ° Nous avons écarté le cas p = o, » = i . Dans ce cas, on a
(39) MlW = ^ ‘3(i) [*®(0 =jT%« v/5«]-
Pour n = 3 et 5, l’application de la formule (36) donne
( 4 0) M3 ( i ) = j T Üu v/î*« = ^ jT < & (u)du,
« ,) “ ■ <' ) - X ,( 5 - ï - - 3 F ) f* ‘ 'î3 î:-
En posant maintenant
rf/>
(42)
on obtient
(43) v , ( o - X ( t ) = / '* & ,№
*/o
(44) ^ W = 2 f (2Í— a)Ç,iV/3rfü.
*/o
La fonction ^ ( i ) n’est naturellement plus dérivable.
D ’après le n" 9, a°, la fonction ^ ( z ) est aussi représentablc par

la formule
J e*^
0
C ’est en remarquant qu’on obtenait deux représentations différentes

pour *lr2 (z) que j ’ai été conduit à étudier systématiquement les diffé
rentes représentations d’une même fonction aléatoire laplacicnne, et
à distinguer la représentation canonique des autres. Dans le cas des ■
fonctions V p(z), l’application de la méthode du n°9 conduit à poser
(45) Wp (t) = u ) t uS/dü,

•'o
P étant un polynôme homogène de degré p — i. Le calcul de ses

coefficients conduit à un système de p équations du second degré
à p inconnues, donnant donc 2 p polynômes possibles. Mais nous avons
vu que deux représentations déduites l’une de l’autre par le changement
de P en — P ne sont pas distinctes ; il n’y a donc que 2''“ 1 représen
tations distinctes de V p(z), qui donnent chacune une représentation
de Map_n(z).
Remarquons de plus que, si l’on pose P = P 4+ ¿P2, la formule (4 $),
où V p(z) est réel, donne
o= f P2(z, u) sfdu,
J*
ce qui n’est possible que si P 2(z, u) = o. Donc les représentations

dont nous venons de montrer l’existence sont bien réelles.
Cette dernière remarque manque dans mon mémoire [34]. La réalité
des représentations considérées de V P(Z) et de M 2p+1 (z) a été établie
par T. H id a [ l] , par une méthode différente, qui utilise le fait que
soit une fonction aléatoire stationnaire, ce qui facilite son
étude, et permet de former effectivement les représentations étudiées.
Ainsi il donne comme exemple la représentation
différente des deux représentations que j ’avais indiquées pour M 7 (z).

LA FONCTION BROWNIENNE DE PLUSIEURS PARAMÈTRES. 35 5
7 ° Dans le cas où // est pair, la covariance n’ayant pas la forme de

Goursat, la fonction M „(/) n’est pas markovienne d’ordre fini N. Mais
n’imporlc quelle fonction continue étant limite de fonctions de Goursat,
elle est limite de fonctions markoviennes d’ordres N infiniment
croissants. Quelques formules qui précisent cette remarque terminent
le mémoire de T . Hida, dont nous recommandons l’étude aux lecteurs
susceptibles de s’intéresser aux fonctions laplacicnnes en général et,
en particulier, aux fonctions brownicnnes de // paramètres. Ce sont des
sujets qui sont loin d’élre épuisés.
23. Le déterminisme de \ ( A ) dans l’espace de Hilbert.
i° T héorème 2 3 . i .
— S i la fonction X (A ) est connue à Vintérieur
d 'u n e sphère de Vespace 12, elle est déterminée dans tout l'esp ace.
Supposons X ( A ) connu à l’intérieur d’une sphère de centre O ;
nous pouvons supposer X ( 0 ) = o [autrement on raisonnerait sur
X (A ) — X (O )]. Désignant par B un point quelconque de 12, il s’agit
de montrer que \ ( B ) est déterminé. Prenons à cet effet OB, orienté
de O vers B, comme axe des x . Désignons par S la sphère de diamètre OB,
par R son rayon, par P et P' les hyperplans
a ? = R ( i — rosO) et ¿ r = R ( i — cosO'),
par C et G leurs intersections avec S, et par Mn(0) la moyenne de X (A)

sur C.
Si A et A' décrivent respectivement C et (7, la moyenne JH r (A, A')
de leur distance s’obtient en supposant les plans O PA et O P A ' rectan
gulaires. On a ainsi
3ÏL r(A, A') = R v^(cosO — cosO')2-+- sin20 sin20' = R 1 /2 ( 1 — cosô cos 0').
La covariance de M„(Q) est donc
E ; MB(0) M B(0') ; = DXllí Í X ( A ) X ( A ' ) ;
= i j a [ r ( 0 , A ) ■ +• r ( 0 , A ' ) - / ( A , A ' ) ] ,
c’est-à-dire
(46) KI M .(„ « ,„(.■ ),. „ [ * , I - ,i„ t ~ v/ - -
O r cette fonction est analytique dans (o, tt) x ( o , ît). Comme dans
la démonstration du théorème 22, le théorème de Loève nous permet
de conclure que MB(Q) est presque sûrement analytique dans (o, 7r).
La fonction X (A ) étant connue pour les points A assez voisins de O ,

MB(0) est connu pour 0 assez petit. Elle est donc déterminée dans (o, 7r),
et X ( P ) = MB(rc) est déterminé comme limite presque sûre de M „( 0)
quand 0 tend vers n (■ *),
c . Q. F. I).
2° Malgré la simplicité de cette démonstration, celle du théorème 22

est encore plus simple, et il peut être intéressant de montrer qu’il suffit
à donner un premier aspecl du déterminisme de X.(A) dans l’espace £2.
C ’est d’ailleurs ce théorème 22, que j ’avais établi en igSS [34], qui m’a
conduit à découvrir ce déterminisme. On en déduit aisément que :
si la fonction X (A ) est connue à Vextérieur d'une surface ferméeS
de Vespace Q , elle est déterminée à Vintérieur.
Soit, en effet, un point O quelconque. Pour t assez grand, la
moyenne M(/) de X (A ) sur la sphère r (O , A ) = t est connue. Comme
c’est une fonction analytique, elle est déterminée dans (o, oc), et sa
valeur limite M (o) = X .(0 ) est aussi connue.
Si S est une sphère de centre O et de rayon R, on peut se contenter
de supposer X (A ) connu dans le volume R ^ r (0 , A) < R '( R '— R > o
arbitrairement petit). M(t) étant connu pour ¿ € (R , R'), M (t) est
toujours déterminé dans (o, oo), et la conclusion subsiste pour le
centre O. Pour un point B intérieur à S mais différent du centre,
introduisons le plan P contenant B et perpendiculaire à OB. Dans ce
plan, qui est encore un sous-espace de Hilbert, la fonction X (A ) est
connue dans la région
R* — A 2 ^ r (B, A) < R'*— A* [h = r(o, B)],
et le résultat précédent nous montre que X (B ) est connu.

Ce résultat peut s’étendre aux surfaces fermées non sphériques. Mais
il nous semble inutile d’insister, car tous les résultats qu’on pourrait
ainsi déduire du théorème 22 se déduisent encore plus simplement
du théorème 23. i .
3° Nous parlerons tout à l’heure d’une nouvelle extension de ce
théorème. Mais indiquons d’abord un résultat négatif : aucune exten
sion au cas d'un espace euclidien à n dimensions n’est possible. Si*2
(4) Le théorème 23.i subsiste dans le cas de l’espace sphérique de Riemann. La

formule ( 46) est alors remplacée par la formule
E { M„(9) M„(8') j = 5 [9 8' — Arc cos (cos 9 cost') ],
2
où 2 R est la distance riemannienne des points O et B. Cette fonction étant analytique
dans (o, x) x (o, tc), notre conclusion subsiste (c/. P. Lévy [44]).
elle était possible pour l’espace à n dimensions, elle le serait a fo r tio r i

pour l’espace à n H- 1 dimensions ; on peut donc supposer n — 2/> -f- 1 .
D ’ailleurs, le déterminisme de X (A ) entraînerait celui de M2p+1(£);
il suffit donc de démontrer que la fonction M 2p+t(£) n’a aucun caractère
déterministe.
Au sujet du prolongement vers la droite, cela résulte de la formule (36),
qui nous montre que les accroissements successifs de M 2p+1 (t) dépendent
de variables l u indépendantes des valeurs passées de cette fonction.
Pour le prolongement vers la gauche, je renvoie à mon travail [34],
où est établie, pour le cas de l’espace à 2/?-}- 1 dimensions, la formule
<J2(0| S t ) 1 \ _ * 1 -3-5 • . • (2/>— 1)

(47) t.: ~p ~ 2 2.4.6 . . . ( 2p ) ’
où &t désigne la région extérieure à la sphère r ( 0 , A) = /. Cette

expression étant positive; on voit que : dans Vespace euclidien à
n dimensions ( / i < 0 0 ) , si la fonction X ( A ) est donnée dans un
sous-ensemble & absolument quelconque de cet espace, elle ri*est
déterminée que sur la ferm eture & de &. L a fonction a-(A \ê ) est
une fonction continue de A , s'annulant sur cette ferm eture.
Le fait que cr2( 0 | ô i ) tende vers zéro pour n infini constitue une
nouvelle démonstration du théorème 22 (qui est en fait la première en
date, mais qui n’est pas la plus simple).
4° Le théorème 2 3 .1 n’épuise pas la question du déterminisme de
X ( A ) dans il. Une première extension triviale repose sur la remarque
que la conclusion subsiste si X (A ) est connu seulement sur un ensemble
(qu’on peut supposer dénombrable) partout dense dans un ensemble
ouvert de il.
Une extension encore assez simple repose sur le fait que tout
hyper plan P contenu dans il est lui-même un espace de Hilbert (nous
appelons hyperplans les plans à une infinité de dimensions; nous
parlerons de même d ^hyper sphères et à' hyper sur fa ces pour préciser
que ce sont des lieux de points dépendant d’ une infinité de paramètres).
Mais nous allons montrer que le théorème 2 2 .1 s’étend aussi aux
hypersphères.
T héorème 2 3 . 2 . — S i la fonction X (A ) est donnée dans une portion

ouverte de la surface S d'une hypersphère (c’est-à-dire dans l’inter
section de S et d’un ouvert de cette intersection n’étant pas vide),
elle est déterminée sur toute la surface.
35 8 COMPLÉMENT. — CHAPITRE III.
Soit O un point de la porLion de *> où la fonction de \ ( . ) est donnée,

et soit B un point quelconque de 2>. (Considérons comme dans la
démonstration du théorème 23. 1 la sphère S de diamètre OB, l’hyper-
planP, rintersection C (qui est une hypersphère), cl la moyenne M„(0).
L ’intersection de S et 3> est dans un hyperplan Q , qui contient OB,
donc aussi le centre de (C, et cet hyperplan est un «équateur» de (C,
de sorte que la moyenne M„(0) est aussi la moyenne de \ (A ) sur C n Q ,
intersection qui est un sous-ensemble de 2>. Cette moyenne est donc
connue pour 0 assez petit [puisqu’elle ne dépend que des valeurs
de X (A ) en des points de 2> très voisins de O ], et, comme Mü( 0 ) est
une fonction analytique de 0, il en résulte encore que M „( 7r) = \ ( B )
est connu,
c. Q. F. I).
C orollaire 23.2 . — S i un sous-ensemble & d'une hypersphère 2>

de rayon R constitue une portion ouverte d e 'S ou est partout dense
dans une telle portion, <5>p eut être défin i par Véquation
( 48) œ(A | 6 ) = o.
Compte tenu du théorème 23.2, il n’y a qu’à montrer que, si

A n’appartient pas à 2>, o-(A |S) est positif. Comme ce nombre ne
dépend que de r = #’( 0 , A ), si X ( A ) était déterminé par la donnée de
cette fonction sur S (qui résulte de sa donnée dans &), la moyenne (r)
le serait aussi, et par suite presque sûrement égale à sa valeur pro
bable MW(R ), ce qui n’est pas le cas.
— Y a-t-il d'autres hypersurfaces que Vhyperplan
5 ° P roblème.
et Vhypersphère q u i puissent être définies p ar la form ule ( 48 ) en
partant d 'u n e quelconque de leurs portions ouvertes?
Cette formule définirait donc le prolongement (analytique ou quasi
analytique) de &.
On peut faire à ce sujet les hypothèses suivantes : a. Toutes les hyper-
surfaces analytiques et d 'u n seul tenant ont lapropriété considérée ;
b. E lle s'étend a u x hypersurfaces quasi analytiques, et cette pro
priété peut être considérée comme une définition des hypersurfaces
analytiques ou quasi analytiques.
L ’énoncé a est actuellement démontré pour les hypersurfaces 2>
définies par un nombre fini d’équations analytiques ( s ). Mais on peut y
ajouter une infinité d’équations linéaires, pourvu qu’elles définissent
(5) Voir P. Lévy [45].

LA FONCTION BROWNIENNE DE PLUSIEURS PARAMÈTRES. 3 59
un hyperplan, (pii soit un sous-espace de Hilbert dans lequel les hypcr-

surfaees considérées sont définies par un nombre fini d’équations
analytiques. Il n’est donc pas essentiel que les équations de S soient en
nombre fini; mais celte remarque est très loin de donner la démons
tration de riivpotlièse a .
Quant à l’hypothèse b , si elle est exacte, elle montrerait un fait tout
nouveau. Quand on dit qu’une fonction est quasi analytique, on pense
ù une classe de fonctions quasi analytiques qui n’exclut pas l’existence
d’autres classes analogues. La définition de l’hvpersurface quasi
analytique par l’équation ( 4 8 ) n’a pas ce caractère relatif.
U semble que ces questions méritent de nouvelles recherches.
2 i. Les ensembles JC(<S). — i° Nous désignerons par JC(&) l’ensemble

des points A vérifiant l’équation (48). La répétition de l’opération JC
ne donne aucun nouveau point; les valeurs de X (A ) dans JC (& ) étant
définies par les valeurs de cette fonction dans & n’apportent en effet
aucun élément nouveau. Nous pouvons donc dire qu’un ensemble & est
complet si $ = J C ( ô ) ; dans le cas contraire, on le complète par
l’addition des points de J C ( & )— <S; JC(<§) est toujours un ensemble
complet.
11 résulte du nM23, 3° que, dans l’espace à // dimensions, JC(<S)
coïncide toujours avec la fermeture & de &. D ’après les théorèmes 2 3 .1
et 23.?., il existe des ensembles complets qu’on peut, reconstituer, par
l’opération JC, en partant de n’importe laquelle de leurs parties ouvertes.
Tel est le cas, non seulement de l’espace £ , mais de l’hyperplan, de
l’hypersphère, et, peut-être de n’importe quelle hypersurface analytique
ou quasi analytique. Nous dirons que ces ensembles complets sont
indivisibles.
Comme exemples complets qui ne sont pas indivisibles, citons :
n’importe quel ensemble fermé à un nombre fini de dimensions;
la réunion d’un nombre fini d’ensembles complets indivisibles.
Il faut remarquer que la réunion d’une infinité dénombrable
d’ensembles complets n’est pas nécessairement un ensemble complet.
Ainsi, considérons une famille de sphères concentriques Sn de centre O
et de rayons R„ tendant vers R .€ (o, 00) sans qu’aucun soit égal à R.
Leur réunion ne comprend pas la sphère limite S; sa fermeture &
comprend S. Mais la fermeture JC(<ë ) comprend tout l’espace. En effet,
M(0(/) est une fonction analytique connue ainsi que toutes ses dérivées
pour £ = R; donc = M<>) est connu. Pour n’importe quel
poinl A intérieur à S, le même raisonnement s’applique dans l’hyperplan

contenant A et perpendiculaire à O A ; la fonction X ( . ) est donc
déterminée en A, donc dans tout le volume r (O , . ) < R , donc dans
tout l’espace.
2° L a nature analytique de <7(B | &). — Dans le cas où & se réduit

à un point O, a* = r - ( 0 , B) est une fonction analytique de A ; la
fonction (T elle-même l’est en dehors de O, mais O est un point singulier
tant pour a que pour <r‘J. Une question se pose donc naturellement : cet
énoncé s’étend-il à un ensemble quelconque?
Remarquons d’abord que œ est une fonction continue, vérifiant
toujours la condition de Lipschitz
B'),
et que, r (B , &) désignant la distance de B à é , <j (B ) peut prendre

n’importe quelle valeur entre o et \fr(By &).
Dans le cas où & ne comprend que n points A v, a (B ) est un
polynôme du second degré en r A, r 2, . . . , r /l[ r v= r ( A v, B )] (*). C ’est
donc une fonction analytique, et même algébrique, en dehors de S .
D ’après le n°25, 3°, elle ne s’annule qu’aux points A v, qui, si n > i,
sont des points singuliers, non seulement pour o\ mais pour cr- et a*.
Pour des ensembles fermés quelconques, nous savons qu’ils peuvent
n’êtrc qu’une partie de JC(<S). Donc o* peut s’annuler en dehors de
et tous les points de la frontière de JC(<S) sont des points singuliers
pour œ(B ); rien ne les distingue des points de &. Il semble probable
queo-(B | <§) est toujours analytique en dehors de JC(ê), et que par suite
l’équation <7= c > o n e peut définir que des surfaces ou hypersurfaces
analytiques (ce sont d’ailleurs des hypersurfaces, sauf peut-être si c
est un maximum, absolu ou relatif). Naturellement, cet énoncé ne
s’étend pas à l’équation <7 = 0 qui définit l’ensemble JC (ê). Il peut être
une surface analytique, ou non analytique; il peut aussi comprendre des
parties analytiques et d’autres qui ne le sont pas.
25. Détermination de a dans quelques cas particuliers. — i° Consi

dérons d’abord dans £1 deux hyperplans perpendiculaires P et Q ,
ayant un seul point commun O. Dans P, considérons un ensemble &
absolument quelconque, et dans Q , choisissons un système d’axes
(*) Voir la démonstration dans P. Lévy [45], où la valeur de 7 est explicitement

indiquée pour n = 3.
rectangulaires O y p] h étant une longueur donnée, désignons par B;,

le point y p= h de l’axe O y p\ sa distance à P est //, et <7= <
j (Bp \&)
est indépendant de p. De môme, les différentes figures & \ p \ q(p yé q)
étant superposables, si l’on pose
X ( B „ ) = {x + ^ [ta = E ( B ^ | 6 ) ] ,
p, et p = E ( ç/>{;7) ( p ^6. q) sont indépendants de p et q. On a alors
et, comme n est arbitrairement grand, p ^ o. On en déduit

( 50) E { [ X ( B 2) - X t B O P } = 2 * 2 ( 1 - p) ^2*2,
et, comme le premier membre est r ( B 4, B2) = h \/2 , on a enfin
(51) A .
V»
Naturellement, cette formule s’applique en particulier au plan P
lui-même; B étant un quelconque des B^, on a donc
<5i') «*(B |P )^ A ,
V2
et, comme <r(B|P) ne peut dépendre que de h , le résultat subsiste
indépendamment de l’existence dans Î2 d’axes Oy q perpendiculaires
à la fois à P et à OB.
20 Soit maintenant S la sphère de centre O et de rayon R contenue
dans P. 5TI désignant une moyenne prise sur cette sphère, on a
(5 2 ) o *(B |S )« E {[jn X (A )]*|X (B ) = 0 }
a OTlA JTtv E[X (A) X ( A ' ) | X ( B ) = o]
- i ? n . A 5 tlv[/-(B, A) + r ( B , A ' ) - / - ( A , A')],
les points A et A! décrivant indépendamment la sphère S. Or dans le

calcul de J\lx 3TlA,r(A , A'), la valeur R y 2 est prépondérante, et il vient
(53) <T*(B|S) = V/F^TÂ»_ A 1

v/2
et, en particulier, si R = h
(54) (B I s) = a
V*
I». I .É V Y . 24
La comparaison de cette formule avec la formule (4^)> nous montre

que
T héorème 25. i . — S i un point B est à la distance h d'un hyper-

plan P , on a
(54') cr*(B|P) = A ,
et d importe quelle hypersphère S c P , de rayon R = A, et ayant

pour centre le p ied O de la perpendiculaire abaissée de B sur P,
est un sous-ensemble de P minimisant pour o-(B).
Ce résultat ne subsiste pas si R yé h,
3° Choisissons maintenant dans P des axes rectangulaires Oa?v,
et désignons par A v le point #V= R de Taxe O x v, par &n l’ensemble
des n premiers A v, et par && l’ensemble de tous ces points. La
moyenne dans JR^ d’une fonction de A étant définie comme limite de
sa moyenne dans &n, les formules (52) s’appliquent au calcul dea(B|
JH devant seulement être remplacé par J îlw. Mais évidemment
3 Tt0) r ( A , A') = J ï l r ( A , A') = v/R2-h h \
de sorte que
(55) <x*(B|«w) = » * ( B | S ) = v/R4-t- A1----•
V2
Donc, compte tenu du théorème 23. i :
T héorème 2 5 . 2.
— Quels que soient h et R > o , est un sous-
ensemble de S minimisant pour X (B ). S i , de p lu s , R = h y c fest aussi
un sous-ensemble de P minimisant pour X (B ).
4° Ces théorèmes ont été établis dans notre travail [44]. Indiquons-
en une application qui semble nouvelle.
Considérons dans Q deux points B et B', situés à la même distance h
de O, et désignons par 0 l’angle BOB'. On a
(56) X (B) = p Hh crÇ, X (B') = -h
jji = |jl( B| P) et <r = a ( B | P ) étant les mêmes dans les deux formules.
Donc, en posant p = E ( 5£'),
E i Î X ( B ' ) — X ( B ) ] 2 } = r ( B , B ' ) = 2 A si n - = < r * E { (Ç — Ç')* } = — p)

2
d’où, en tenant compte des formules (53) et (54),
( 5") A sin ^ (i — ?) (A? R > o),
(58) A sin - = ^j i — ? = s/ 2 sin - (R = /i> o).

2 2 2
Dans ce dernier cas, 0, évidemment égal à 1 pour 0 = o, décroît

quand 0 croît, s’annule pour 0 = - [ce qui résultait déjà autrement des
formules (5o) et (54)], et atteint pour 0 = r la valeur minima 1 — \J2 .

On en déduit en particulier que, si R = A, et 0 = 7: [de sorte
que <r2(B |S ) = a2(B |P ) et que O est le milieu de AA']
(59) «S(P I Su (B')) = A(2 - t/â) < 4= = °*<B I P).

v/ 2
On voit ainsi de combien, la fonction X ( . ) étant d’abord donnée sur P,

sa donnée en B' diminue l’écart type conditionnel de X (B ). De
nouvelles données, relatives à des points situés d’un côté ou d’autre
de P, le diminueront encore; mais il ne semble pouvoir s’annuler que
dans les cas résultant des théorèmes 2 3 .1 et 23.2 et des extensions
probables indiquées au n°23, 5°.
5° Si maintenant B et B' sont deux points quelconques extérieurs
à P, les formules (56) sont remplacées par
(60) X(B) = ja -H <*, X(B') = îx'-h
p — ¡xf et u — <
t' étant en général ^ o . En posant p = E {££'[, on a alors
(61) E {[X(B') — X(B )]2 \ = r( B, B') = E{ (11 — p')*}
de sorte que le calcul de p se ramène à celui de E j (¡x — pt') 2 }.

Ce calcul est facile quand B et B7 sont dans le plan Q . Désignons
par A, A' et 0 les distances r ( 0 , B ), r ( 0 , B') et l’angle BO B 7. Pour
calculer /a et <7on peut remplacer P par la sphère minimisante r (O, B) = A
située dans P, de sorte que
|i = X(0) + MB (A); de meme, X(O) h-M W(A')-
On déduit donc des formules du n°22, i°

E{ = E{[M»(A) — M» (A')]*;
= E { Mü>(h ) Mî>{h’) - 2 M(Ü(h) M „ ( h') }
= (A + A1)^ 1---- —^ — (h -+- hr— \JA- -4- A’-)

S/ïJ
ou enfin
h-h h' ( h~h' )*_____
<62) E { (¡a — Ht')2 î = s/h*-hh'* —
✓ 5 2 s / h ^ T h 72 + (À + A ' ) ^ 2 ’
Compte tenu de la formule ( 6 1 ), où r*(B, B') dépend de 0, on en

déduit la valeur de p = E(£ £').
26. Sous-ensembles minimisants et éléments conjugués. — i° Nous

dirons que deux points A et B sont conjugués par rapport à S
si, la fonction X ( . ) étant connue dans &, X ( A ) et X (B ) sont
indépendants. Cela revient à dire, en posant
X (A ) = fi ( A | 6) + a(A |6 ) ç, X (B) = n(B | fl) -h (r(B |fl) rh
que p = E(£yî) = o; cette orthogonalité entraîne en effet l’indépendance

de X (A ) et X (B ). Nous dirons que deux ensembles S i et <§2 sont
conjugués par rapport à & si tous les points de S i sont conjugués
de tous les points de <&2.
L ’ensemble ûC( S) est évidemment conjugué de tout l’espace.
Nous dirons que S i est Vensemble conjugué maximum de S i
s’il comprend tous les points conjugués de nous désignerons cet
ensemble par $*(<§*). Cette définition s’applique en particulier si S i
se réduit à un point.
On a évidemment
cette relation s’étendant à la réunion d’un nombre quelconque

ou à une infinité d’ensembles composants, et s’appliquant notamment
si l’on considère un ensemble comme la réunion d’ensembles réduits
à un point.
Etant donné un point A, si B est assez voisin de lui, p est positif
(et m è m e > i — e). Si donc il existe un point B 0 qui rende p négatif,
et puisse être relié à A par un chemin continu, p, qui varie d’une
manière continue, s’annule sur ce chemin. ^ ( A ) est donc une hyper-
surface, séparant A et B0.
20 La géométrie des éléments conjugués est liée à celle des ensembles
minimisants. Dire en effet que & est un sous-ensemble de <$i minimisant
pour o’(B ), c’est dire que, si la fonction X ( . ) est connue dans ô ,
on n’a sur X (B ) ancune information nouvelle en se la donnant
dans S i — S ; donc S i — S , et par suite S i , sont conjugués de B.
Compte tenu de cette remarque, les théorèmes du n° 24, dont

nous conserverons les notations, prennent la forme suivante :
T héorème 26. — Quels que soient h et R, la surface de Vhyper-

sphère S(R) est conjuguée de B p a r rapport à l'ensemble ou par
rapport à n'im porte quel sous-ensemble infini de S i h = R,
Vhyperplan P tout entier est conjugué de B p a r rapporté ces memes
sous-ensembles. S i, de p lu s, P contient toutes les perpendiculaires
à OB passant p ar O, S dans le cas R ^ h, et P dans le cas R = h,
sont les ensembles conjugués maximums de B.
On a des énoncés analogues si, au lieu d’un point unique B,
on considère la sphère de centre O et de rayon h située dans un plan
ou hyperplan perpendiculaire à P.
FONCTIONS ALÉATOIRES DU SECOND ORDRE
PAR
M. LOÈVE (*).
PREMIÈRE PARTIE.
COVARIANCKS.
1. Généralités. — Soit X j( i) jA un ensemble de variables aléatoires

à valeurs généralement complexes X (/) = Y (/ ) -h ¿Z(£), t variant
sur un ensemble À. Cet ensemble peut être un ensemble abstrait quel-
conque pourvu que les opérations sur les t qui suivront y aient un sens,
mais, pour éviter des explications supplémentaires, nous supposerons
que les t sont des nombres réels, sauf avis contraire. On dira que
I X (j) j A représente dans K une fonction aléatoire X(£) si, pour tout
A n= (t^ . . ., tn) C A, n entier fin i quelconque, la loi de probabilité
de j X(£) j A(i, c’est-à-dire celle de l’ensemble | Y (^ ), Z (/<), . . ., Y (tn) y
Z(£n) | est connue.
Nous supposerons, dans tout ce qui suit, que E X ( i) = o, t e A et
que la fonction de variance E | X ( i) |2, ou simplement la variance,
de la fonction aléatoire X(£) est finie pour tout t donné € A. L’inégalité
de Schwarz montre qu’alors la fonction de covariance
r (*, O = E X ( 0 X * ( O ;
ou simplement la covariance, de la fonction aléatoire X (* ), est finie

pour tout couple donné t , ¿ '6 A. Ces fonctions aléatoires, auxquelles
(*) M. Loève, Comptes rendus de VAcadémie des Sciences, t. 220, 1945, p.

et 38o; t. 222, 1946, p. 4^9» 628 et 942.
368 NOTE DE M. LOEVE.
nous nous bornons ici, seront dites fonctions aléatoires du second

ordre.
Remarquons que, même si E X ( £ ) ^ o , la fonction T ( t i i') peut
être considérée comme une covariance. En effet, soit la fonction aléa
toire U(£) = j e A , où 9 t est une variable aléatoire indépen
dance de la fonction aléatoire X (£), c’est-à-dire des variables aléa
toires X ( t) pour tout t € A , avec E 5L = o, E | |2= i . On a
EU (0 = Edi EX (0 = o
et
E U ( 0 U*(0 = E \ d l \ l E X (0 X * (f') = E X ( 0 X * ( 0 ,
donc T (i, t') est la covariance de la fonction aléatoire U (f).

On peut considérer des fonctions aléatoires à plusieurs paramètres,
par, exemple X(J, p) ou Xu(0> *€ A, p € M. On a parfois intérêt à
considérer cette fonction aléatoire comme une fonction aléatoire vecto
rielle de t dans A à composantes X^ (t); les fonctions aléatoires X ( i)
seront alors dites scalaires. Si pour tout p € M les fonctions aléatoires
X ^ ( 0 > à paramètre £, sont du second ordre, on dira qu’elle est du
second ordre. Par définition, le tenseur de covariance de la fonction
aléatoire X {A(^), ¿ 6 A , p € M , sera l’ensemble des fonctions
IV, v(t, O = E X u (0 X v * (O ; t, /'€ A ; IX, v € M.
On ramènera l’élude des fonctions aléatoires vectorielles à celle des

fonctions aléatoires scalaires en introduisaht les fonctions aléatoires
auxiliaires^XjXOû-i M ,i= = (p i,.. p*) C M, /1 entier fini quelconque,
aux coefficients indéterminés Afin de ne pas alourdir l’exposé nous
laisserons, en général, au lecteur le soin d’appliquer cette méthode
aux propositions qui suivront.
Enfin, démontrons le lemme suivant, extension insignifiante d1une
proposition classique et où lim m. q. désigne la limite en moyenne
quadratique.
L emme 1. — S i X = l i m m . q . Xi et X '= lim m . q. X M alors

E X X ' = lim EX/X'r.
En effet,
E(X,X',,— XX') = E [(X - Xf) (X'— XJ,)] - E[(X - Xi)X'l— E[X (X -X i,)].
Or
| E(X — X f) (X '— XJ,) ¡2^ E | X — X*|2E | X' — XJ, |*->o avec t —t et t.
FONCTIONS ALÉATOIRES DU SECOND ORDRE. 3fiç)
Il en est de même des autres termes du second membre, d’où le

lemme.
2. Propriété caractéristique des covariances. — Une fonction r ( l, t1)

sera dite du type non négatif dans A x A, si pour tout A „ c A, n fini
quelconque, et tous pt (quantités finies quelconques, réelles ou
complexes),
2 2 r(i) o p 'p ? ^ 0-
* € A„ i’€ A B
E lle est alors herm itienne, c’est-à-dire t!) = T ( t , t'). En effet,

avec 7i = i , on obtient T (f, i ) ^ o , d’où, avec n — 2 , découle que
r ( i , tf)pipt'“\-T(t,j t)pt,pï est réelle. L ’hermiticité en résulte.
Nous allons montrer qu’il y a équivalence entre cette notion algé
brique et celle de la covariance.
T héorème 1. — P ou r qu ’ une fonction T (i, t1) soit une covariance

dans A x A . il f a u t et il suffit qu'elle y soit du type non
n é g a tif.
Soit
r ( t , 0 = E X (i)X * (0 -
Alors
T*(t\ t) = [ E \ ( t ' ) \ * ( t ) Y = E X (0 X * (O = r (f , t')
et
2 2 ri<> o p < p ? - = 2 2 EX(<)X‘ (i' )pip;' = E

A»
Réciproquement, soit r ( l , t’ ) une fonction du type non négatif.

Nous allons montrer que l’on peut trouver des lois de probabilité telles
que les variables aléatoires X(£) qui leur obéissent satisfassent aux
conditions
EX ( 0 = o, EX(*)X*(0 = r(f, f).
Comme il ne s’agit que des moments des deux premiers ordres, il est
naturel de rechercher des lois que l’on puisse définir uniquement par
ces moments. On est conduit ainsi à former des lois normales (c ’est l’idée
que Khintchine, puis Cramér ont utilisée pour les fonctions aléatoires
stationnaires et qui est due à Kolmogoroff). Remarquons d’aboVd que,
grâce au caractère hermitien de T(£, i7), les quantités— -— —— —-— - et
'2
370 NOTE DE M. LOÈVE.
I*1 ÿ \_y/£ £\
- i —— — v ’ - sont réelles. Soit alors la fonction des u, et v„ f e A „ ,
OU
Q(**, O = 2 2 [ r ^ ’ «•(*’/■ )
A» An
r(i, / ) — r ( i , 0 / xl
h-----2— i ( U t Vt' — Uf \>t)J
On sait que <p(u, p ) sera fonction caractéristique d’une loi normale

de 2 n variables aléatoires Y ( f 4), . . . , Y ( f n) (correspondants aux para
métres u) et Z (f*), L(tn) (correspondants aux paramètres p )
r
si Q ( m, p ) ^ o , quels que soient les u et les p , et alors on aura, d’après
la forme de Q ( h , p ),
EY(f) = E Z (i) = o, E Y ( O Y ( f ,) = EZ(<)Z(t,) = t \ + r(t'> * ) ,
EY(<)Z(<') = — E Y ( t ' ) Z ( / ) = r(<’ *
Or, en posant
?i = — ivt et X (0 = Y(0-+-*Z(0*
on a
Q(« î «0 = )p<'p?]=
An Aw A» A,
grâce au type non négatif de r (* . E X ( t) = o, et

E X ( / ) X * ( / ') = r ( i , /'), *, f' € A„,
Q. F. D. C.
Ainsi, à toute fonction aléatoire du second ordre, on peut faire corres
pondre une fonction aléatoire normale ayant même covariance.
Pour éviter des répétitions constantes signalons dès à présent que
lorsque la fonction aléatoire considérée sera normale : i° l’orthogonalité
des variables aléatoires, combinaisons linéaires de ses valeurs aléatoires,
deviendra indépendance; 20 les séries, à termes orthogonaux, de ces
variables aléatoires, qui convergent en m .q ., convergeront presque
sûrement.
Pour que j
C a s v e c to r ie l. — r ^ v (/, d) jM>A soit un tenseur de cova
riance il faut et il suffit que
0 = 2 2 IV>v(i’ M„=(|Xi, ....u n) c M

v€Mn
soit une covariance, quels que soient M n C M et les quantitésfinies^*
FONCTIONS ALÉATOIRES DU SECOND ORDRE. *7*
La condition est nécessaire, car r Mn(f, t1) est la covariance de la

fonction aléatoire^X ^^X p.. Elle est suffisante, car la forme de TMn( t ytf)
Mn
montre que toute fonction aléatoire dont elle est la covariance est une
fonction linéaire des X^ et, par suite, peut s,é c r ir e ^ X (JL(i)X lJL, d’où la
fonction aléatoire vectorielle X ^ i) , jjl 6 t\ t € A ayant j ^ ( f , t!) j pour

tenseur de covariance.
D ’autre part, le théorème 1 donne la propriété caractéristique des
covariances. Appliqué à r M >>(£, t1) il donnera donc la propriété caracté
ristique des tenseurs de covariance. En particulier, l’hermiticité
des r Mn(£, t1) est équivalente à l’hermiticité au sens ci-dessous des
composantes du tenseur de covariance
/ )= L i ¿)*
Remarquons que r Mii(£, i ) ^ o et, par suite, T^v(i, t) est une cova
riance en (/a, y), de même que tr) est une covariance en ( l, tf).
Remarques. — i e La partie réelle d’une covariance est elle-même

une covariance, puisque l’on a vu qu’il existe une fonction aléatoire Y (j)
telle que
Г(Л o
+ r(¿ ', t)
= e [ v/2Y(0\/5 y (O]-
2
En revanche, à moins d’être identiquement nulle, la partie imaginaire

ne l’est pas, ne fût-ce que parce qu’elle est nulle pour £ =
2° Lorsque T(t, tr) est continue sur A x A, A = [a, 6], la condi

tion d’être du type non n ég a tif est équivalente à la suivante :
t')ç>(t)ç>*(t')dtdt'X o,
où p(¿) est une fonction continue quelconque sur A.

En effet, cette intégrale est aussi voisine que l’on veut d’une somme
riemannienne, non négative lorsque T ( t , tf) est une covariance. Réci
proquement, si cette relation a lieu, on peut prendre pour p(t) une
fonction continue nulle partout, sauf dans les intervalles = s*,
k = i , 2, , /i, tk € A, aussi petits que l’on veut, avec
d’où la non-négativité.
37‘2 NOTE DE M. LOEVE.
Lorsque T(£, tf) est mesurable et borné uniformément sur A x A,

on peut encore montrer que la condition d’être du type non négatif
entraîne la relation précédente.
3. Opérations sur les covariances. — Nous allons examiner des opé

rations qui transforment des covariances en d’autres covariances.
A . A d d i t i o n . — L a somme de deux covariances est une covariance.

— Soient les covariances t') et T2(t, £'). Choisissons les fonctions
aléatoires X *(i) et X 2(i) les ayant respectivement pour covariances,
de manière qu’elles soient orthogonales, c’est-à-dire que l’on ait
EXi(£)XJ (t')= o, t, t' € A.
Alors
e [Xi (o -h X*(o j [x1(O+x*(O]* = EX ,(0X ï(O -+ -EX a(*)x;(O
= O»
On peut dire que l’addition des covariances et celle des fonctions

aléatoires orthogonales se correspondent.
M u l t i p l i c a t i o n . — L e produit de deux covariances est une cova

riance. — Prenons maintenant, pour X t(f) et X 3(i), deux fonctions
aléatoires indépendantes, c’est-à-dire telles que les variables aléatoires
X |( é) et X 2(£') soient indépendantes pour tous t , t! € A. Alors
E[X1(OX*(0][Xi(OXs(O]*= EX,(OXÎ(OEX*(/)XÎ(0= r t( t , t ’ ).
On peut dire que la multiplication des covariances et celle des fonc

tions aléatoires indépendantes se correspondent.
— Lorsque, dans A x A , une covariance Tu{t, t1) tend,

L im ite.
pour u - ± u 0, vers une fon ction lim ite fin ie T (i, t!), cette dernière est
une covariance dans A x A.
Comme A „ C A est un ensemble discret fini, on a
2
A» AB
2 r ^ o p 'p í 22
A.
1imr„(<, t ' ) P ( ? ; . = lim V
I/Vh.
2 r «(*> O p i p ? ^ 0-
T héorème L 'a d d itio n , la m ultiplication et le passage à la

2. —
lim ite transforment les covariances en des covariances.
A pplications. — i° Écrivons T(t, t ' ) = T f(t, £,) + sT f(i, t'),

où r'(£, tf) et r"(£, tf) sont réels. On a vu que T*(t, t') est une cova
FONCTIONS ALEATOIRES DU SECOND ORDRE. 3 ;3
riance; il eu sera de même de r '2(£, d) — r"2(£, d)> puisque c’est la

partie réelle de T2(£, f'), etc.
2° Tout polynôme en 1\ ( i , , r n(j, d), à coefficients positifs,
où les r*(£, t') sont des covariances, est une covariance, et toute fonction
limite de tels polynômes est une covariance. Ainsi toute fonction
développable en série dont les termes sont des covariances est une
covariance.
E xem p les. — a. er(Z>n, ch T (i, f'), sh r(J, d) sont des covariances

dans A x A.
, r,(t, Q
est une covariance dans le domaine carré où T (i, f )
I — r ,( f , t' )
est une covariance et | r 2(J, d) | < i ; en particulier — l— 7 est la cova-
I ""“ T?V
00
riance de la fonction aléatoire analytique en m. q., dans
»
O
(— i, -h i), où les £ sont des variables aléatoires orthonormées, c’est-à-
dire telles que E£*£j = 4*/. Nous avions rencontré ( 1) cette fonction
aléatoire en étudiant certaines questions de divisibilité de lois et elle est
à l’origine de ces recherches.
r tt'(i, /') étant des covariances pour tout u € [ a , 6 ] et F ( a ) étant une

fonction non décroissante.
B. Soit dans A x A, une covariance T(£, d) et une fonction M(*, d)\

la fonction M(£, d) — t) sera dite l’adjointe de M(£, d).
Formons la fonction aléatoire
Y ( t ) = M(f, £')X(*') ou,enabrégé, Y .= MXab.

r € A„
La covariance s’écrit
E Y (/ ) Y * ( i/>= E I [ I M(<, ï ) X ( T) U M ( i ' , 8 )X(S)
=2 E M (i,T)1’( ï ’ 8)M(8’ °
Af« AB
ou, en abrégé, M rA_M(f, t').
<■ ) M. L oève, [4 ].
S o it m a in te n a n t u n e n s e m b le d é n o m b r a b le A * = e (lt , . . . ) c A .
L a fo n c tio n a lé a to ire
n
y "(0 =2 m (î, «*)*(**)

A-i
p o s s è d e u n e lim ite m * q . p o u r n -+ 0 0 , q u e n o u s é c riro n s
Y(t)= 2 M(i, 0 X ( 0 OU, en abrégé, Y=M X*„,

i'C Aao
s i, e t s e u le m e n t s i, p o u r to u t t€A ,
n-hp n+p
E | Y . +, ( 0 - Y , ( i ) ! * = 2 2 “ (*.
k= n+ i l= n -i- 1
te n d v e rs z é r o a v e c u n if o r m é m e n t p a r r a p p o r t à p . P a r e x e m p le ,
p o u r | r ( * , ¿) | < C < 00 e t 2 M (¿ , < D < 0 0 , Y(t) e x is te .
S ’il e n e st a in s i a lo r s , e n v e r tu d u le m m e 1 , la fo n c tio n
E Y ( 0 Y * ( O = l'm E Y „ ( 0 Y ; ( O = limMrA)1M(i, t ')

n >- » n >- 00
e x is te e t e s t fin ie d a n s A x A ; n o u s p o u v o n s é c rire M T Aa#M ( i , tf) p o u r
la c o v a r ia n c e d e la f o n c t i o n a lé a to ire Y ( f ) .
E n f i n , si = A [ a , 6 ] e t T ( i , a in s i q u e M ( * , tf), s o n t c o n tin u s
s u r A , l ’o n v é rifie im m é d ia t e m e n t q u e
r)r(T, 8)M(5,
q u e n o u s d é s ig n e r o n s p a r M T A M ( i , i'), e s t u n e c o v a r ia n c e ( n o u s v e r r o n s
q u e c ’e s t c e lle d e la f o n c t io n a lé a to ire J * M(t, ¿ ') X ( ^ ) £ f t 'o u , e n a b ré g é ,
Y = M X A ). S i A = ( — 00, -h 00 ), | T ( i , C) | < C < 0 0 , e t M ( i , tr) e s t
a b s o lu m e n t in té g r a b le p a r r a p p o r t à t s u r ( — oo, -f- 00 ) , a l o r s la fo n c t io n
a lé a to ire Y (t) c o r r e s p o n d a n te e x is te .
E n d é s ig n a n t p a r l’e n s e m b le d e v a le u rs T ( i , t1) d a n s A ' ( A ' = A n

o u À „ , o u [ a , 6 ] ) , — n o u s d ir o n s q u e I V e s t u n e m a tr ic e d e c o v a r ia n c e
d a n s A ' c A — e t p a r X A. l’e n s e m b le d e s v a le u r s a lé a to ire s d e X (*), t€ A ',
n o u s p o u v o n s é n o n c e r le th é o r è m e s u iv a n t :
T 3 . — S i I V est l& matrice de covariance de X A * et

héorème
M X A . existe en m . q . dans A , alors M I V M est une matrice de
covariance dans A x A .
FONCTIONS ALÉATOIRES DU SECOND ORDRE. 375
A pplications. — i° Si M e= r im) (/n!èn,e itérée de la matrice de

covariance T dans A X A ), alors T{m)TY{m) = est une matrice de
covariance dans A x A . D’autre part, pour
0 =2 r(/, ->r ^ r >

T
l’on a
il en est de même de
de sorte que T(2) est une matrice de covariance dans A x A . Mais

alors r (m) r w r (m) = r (2m‘H2) l’est également. Finalement, toute itérée
d'u n e matrice de covariance est une m atrice de covariance.
20 Avec M(J, t) = — 1 , M (i, t h) — 1 , et M (f, tf) = o dans tous

Jes autres cas, on obtient la covariance t’ ) et, d’une façon
générale, hï£h!™Y(t, t/) est une covariance pour tout entier m et tout
h donné. C ’est d’ailleurs la covariance de la fonction aléatoire A™X (*).
La fonction ~ àhà,AT( t y tf) est également une covariance et, par suite,
sa limite pour o, si elle existe, est une covariance. D ’une façon
générale, Y(t, tf),est une covariance et nous verrons que c’est
celle de la dérivée mlé,nc en m. q. de la fonction aléatoire X (i).
4. Covariances partielles. — Posons
r (*, n r(t, 10 ... r(/, tn)
^ ) r(^/i> ¿1 ) • • • r (//*, tn)

et
U
U
On établit en algèbre qu’une relation 4e la forme
A» A
3 76 NOTE DE M. LOEVE.
contenant les indéterminées pt, entraîne les relations

D*(/i, . . . , tnl) ^ o ( m = 1, 2 , . . . , n).
Or cette propriété est un cas particulier de la proposition suivante :
T héorème 4. — Lorsque ï ( t ytl) est une covariance dans A x A , i l en
est de même de D ( * tn ) > A n = (tiy . . . tn) C A , n entier

arbitra ire.
Afin d’éviter une discussion triviale, nous supposerons que les

variables aléatoires X(£*) considérées sont presque sûrement non
nulles et linéairement indépendantes; autrement dit celles qui sont
presque sûrement nulles ou combinaisons linéaires des variables aléa
toires restantes sont supprimées. O r
^ X (# )p*= o, presque sûrement,

a„
entraîne
(0 pour tout //€ k„.
Réciproquement, ces dernières relations entraînent
E X(OP< o, donc 2 x (0 P i= o , presque sûrement.

A« A„
Comme les relations ( 1 ) équivalent à D a(£<, . . . , tn) = o 7 l’hypothèse

que nous faisons est équivalente à
D2(iij ... tn) 5^ o pour tout A nc A (n entier arbitraire).
Écrivons que la fonction aléatoire

n
Y.(«) = X ( / ) ~ 2 «»,*(î )X( îj )
k -l
est orthogonale aux variables aléatoires X(J*), c’est-à-dire que

E Y n(f)X*(i*) = o.
On obtient le système linéaire suivant, qui détermine les a n>*(0 t

n
2 ®».* r (^> *i)— r (*> *i) 1 , 2, . . . n).
i=1
FONCTIONS ALÉATOIRES DU SECOND ORDRE. 3—
3JJ
Il en résulte que
X(/ ) r(£f t t ) r(i, În)
i X(/t) r ( £ „ il) r ( i i , in)
( 2) Y„(0
X(/«) F(in, /j) tn )
$
Les quantités E Y /t(£) X*(i*) sont milles pour k = i, 2 , . . . 71, car

leurs numérateurs sont nuis comme déterminants ayant deux colonnes
identiques. Par suite,
ii
ii
EY«(OYi(<r) Y 0 ( i ) = X ( i ),
l>2( i i ,
pour m = o, 1 , 2 . . . . , n.
En particulier,
D" (i> il» •••»in)
l^2(il' in) “
Or
D2(£) = T( tu ti ) ^ o par suite D2(i, ¿1 ) ^ 0,
et de proche en proche
D2(ii, . . . , i « ) ^ o, pour tout n entier.
Ainsi notre notation de ce déterminant, comme d’un carré, est justifiée

et, si D (i*... tn) désigne sa racine positive, on obtient : D ^ ^
est la covariance de la fonction aléatoire D(i< . . . tn) Y n(t).
En écrivant que pour chaque n la variance de la fonction aléa
toire Y n(*), n = 1 , 2 , . . . , est minima, on obtient le même système
d’équations que ci-dessus. Or cette propriété donne
E | X ( 0 | 2^ E | Y i C O I 2^ . . . ^ E [ Y „ ( * ) | 2^ . . .
On a donc l 1échelle d }inégalités suivante :
D*(i, il) ^ ^ D*(i» il, ♦ , i/l)

r o , 0 = D2( i) ^ O.
D *(ii) - “ “ D ^ ii, , t n)
On en tire immédiatement l’inégalité

D2( î „ t n),
équivalente à l’inégalité classique de J. Hadamard, puis l’inégalité plus

précise
D*(ii, ii) DM*», i») . . . D»(i„-i, t n) . ni//
D H /,)... D U • •, i« ),
3-8 NOTE DE M. LOÈVE.
o. Décompositions orthogonales. — Utilisons maintenant le procédé

crorthonormalisation, devenu classique en analyse depuis Schmidt et
qui, par Gram, remonte à Tchebichef, lequel Ta introduit pour traiter
un problème stochastique.
Formons de proche en proche les fonctions aléatoires
E Y*—i (t) YX—, (**)

(3) Y *(0 = Y * _ , ( 0 - ' 4r—1( )) Y o ( 0 = X (0 -
La fonction aléatoire Y „(*) ainsi obtenue est orthogonale aux variables

aléatoires X (f* ), k = 1 , 2 , . . . , n, et il est facile de voir qu’elle coïncide
avec la fonction aléatoire ( 2 ) formée ci-dessus.
En posant
i/ e T 7T 7U *W '
elle s'écrit
n
(4) Y„(/) = X ( 0 —
Xr=l
avec
(5 ) = et «*(<) = KX(<)U*
Par suite.
n
(6) E I Y „ ( 0 i2= E I X ( 0 12- 2 1* * ( 0 1*’
k= \
et la propriété minimisante de la suite des Y „(/ ), d’où l’on tire l’échelle

d’inégalités, en résulte.
Soit A« = (<„ j . C o m m e j l M O I * est non C r o is s a n t

k-\
et borné supérieurement par E| X(£) |2, 1 on a
ce
I &k (< ) I* < x ) pour tout t donné € A.

*-1
O r, t n+p
n+p
E j Y . „ ( 0 - Y . ( O I * = E ^ a< (O h = 2 |a*(<),î
n-4-1
Donc
üm E|Ym-p(<) — Y «(0 I“ 0
n-> *
uniformément par rapporta p, et par suite Y n(£) converge m. q.

vers Y (* ) que nous écrirons
«
Y (0 = X ( < ) - 2 «*(*)«* =
k- l
X(/) Г(Л M ... r(i, tn)
— lim *
X (M Г(<1 , h) ... Г(«,, <„)
• • •, ^n ) ......... ............. ......................
x(<„) Г (<„,«.) •. . tn)
D e plu s.
V(<*) = », E Y (/) X’ (<*) = 0 . E Y(<) Y*(<’ ) =

«>. Ь*(< 1 , ..
Si cette dernière limite est nulle pour t 1 tf G A, ce qui équivaut à
lim T *8“’ <€A’
la fonction aléatoire X(£) sera dite dans | X (J) j Aio et Ton pourra écrire
»
X(/) = x„(<)=^£ «*(<)?*•
Dans le cas général on aura la décompositon orthogonale, bien connue

dans l’espace de Hilbert,
X(*) = x . ( 0 + Y ( 0 ,
avec
E X , ( O Y * ( t ' ) = o, Y(â ) = o(presque sûrement)
et
X
x.(<) = 2 a*(<)Ç*> où = ^
*= i
Nous pouvons maintenant examiner ce qui se passe lorsque A m est

mobile avec t\ les tk variant dans A, les variables aléatoires X (/*) et i k
varieront également, en général.
Soit un ensemble mobile A„ défini de la façon suivarçte :
*1 = /(*)>■ *2 = / ( М , ••• ou, en abrégé, tk=S*t, t0=t,
S étant un opérateur indépendant de к. L e s relations (a) à ( 6 )

demeurent valables, mais si Гоп y remplace t par faut y remplacer
tout tk par tk+pj et Гоп n’a plus Y n(f*) = o, pour к = i , 2 , La
38o NOTE DE M. LOÈVE.
relation ( 2 ) montre seulement que Y /l- p(^ ) est une fonction linéaire
des X ( ^ ) , . . . . X ( / „ ) . Par conséquent, E Y » ( i) X * ( t * ) = o
pour k = 1 , 2 , . . ., nj donne
et, d’une façon générale,
E Y #l(**)YJi-/,(f*+p) = oî pour p = 1 , 2 , . . n.
Lorsque, p restant fixe, n-> 00, on aura donc, à la limite,
E Y (i) X*(tk) = o et EY(^)Y*(//) = o, pour k ^ /,
ce qui montre que les fonctions aléatoires Y ( ^ ) sont mutuellement

orthogonales sur A *.
Nous avons ainsi obtenu la décomposition orthogonale suivante :
X (0 = X .(0 + Y(0,
avec
EY(0 X ;(O = o et EY(f*)Y*(f/) = o, pour k^L
Les variables aléatoires Y(J*) qui étaient nulles (presque sûrement)

lorsque A # était fixe, sont actuellement mutuellement orthogonales et le
résultat est naturellement plus faible, mais, en supposant bien entendu
que les Y (t*) ÿé o, k — 1 , 2 , . . . , on peut aller plus loin.
Formons les
Y (tk)
( k = o, 1 , 2 . . . . )
Nous avons ainsi un système orthonormé, mobile avec suivant lequel

no.us pouvons décomposer la fonction aléatoire X ( i) en procédant de la
façon suivante :
La fonction aléatoire
n
u „(o = X ( o - 2 6*(/)5l,('* ) = x ( 0 - v niO,
*= 0
OÙ _____
¿>*•(0 = E X ( t ) 9 l ( t * ) et, en particulier, 6 0(O = V E I Y ( 0 I1,
est orthogonale aux Par suite,

/1
E | U„(<) |s = E | X(<) ¡* ~ 2 I M O I*
F O N C T IO N S A L É A T O IR E S DU S E C O N D ORDRE. 381
e t, lo r s q u e n - > oo, и л (£ ) te n d e n m . q . v e t ’s
30
U(/) = X ( < ) — ^ * * 5 4 * 0 = - * ( ' ) — v (0-
*=o
D ’autre part, les relations
EU„(/)5l*(^) = o et Е и и( ^ ) ^ * ( 0 = ^ pour A: = о, i, 2, ...
donnent à la limite
EU(fit) Л*(*/) = о>
ce qui entraîne
EU ( îa) V ( « i ) = o.
Nous obtenons ainsi une nouvelle décomposition orthogonale
X(/) = 'U(0-i- V (o,

avec
V (/)= 2 6*(, ) 5 t (<*)> o(l EOT(i*)5t*(</) = **/-
k= о
L ’intérêt de cette décomposition est que U (/) est dans | U ( i ) j Aoc.

En effet, grâce à l’orthogonalité des U(£) et V ( 0 sur l’on a
n «
E IX (О - V ak{t) X(tt ) I* = E I U ( 0 - 2 а *(*> U ( / 0 I2
k—t A=t
n
Ч - Е 1 V ( 0 - ~ 2 e *(OV(/*)l*-
k = l
r
Lorsque л - > oo, le membre gauche tend vers E| Y ( i ) |2. D ’autre
part, le second terme du membre droit est la limite de l’espérance
mathématique d’une combinaison linéaire des Y (tk) mutuellement
orthogonales sur j S ' iJ ", qui commence par Y (¿), donc ne peut être
inférieure à E | Y ( i) |2. Par suite,
n
lim | U ( 0 - T « * ( O U ( * * ) l , s a O -
П> »
k= l
Finalement :
T héorème o . — Soit S un opérateur indépendant de к et tk = S kt}

k = o, i, 2 , «. . L a fon ction aléatoire X (J) est décomposable en
d eu x jonctions aléatoires U (*) et V(£), orthogonales sur j, et

telles que
<X oc
U(0 = 2 «*(0 U(<*)>

X- “ o k= 0
avec
0»
Effl(tk) = 8 *,, j?//’-*1’ = X(0 - J «*(0 ï».
D(‘ >. *»,•••)
»s* = «*/.
Dans le cas particulier d ’une fonction aléatoire stationnaire £ ( t ) et

des moyennes mobiles correspondant a u x = * — Ar, ce théorème
contient une proposition importante de M. H. W old (*).
DEUXIÈME PARTIE.
PROPRIÉTÉS DES FONCTIONS ALÉATOIRES DU SECOND ORDRE.
6. Propriétés différentielles en moyenne quadratique! — Par défi

nition la fonction aléatoire X (£) sera, dans A, lim ite m. q. des
fonctions aléatoires X T(£) lorsque t - > t 0 sur un ensemble donné © si,
pour tout t donné € A , l’on a
X(i) = lim m. «|. X-(/),
c’est-à-dire, si
lim E | X(i) — XT(f ) I2 = o.
Le plus souvent il y a lieu de considérer la fonction aléatoire limite

m. q. uniform e par rapport à t € A. Comme il n’y a aucune difficulté
pour introduire celte condition supplémentaire dans les propositions
qui suivent, nous en laisserons le soin au lecteur.
<1 ) H. W old [1].

F O N C T IO N S A L É A T O IR E S DU S E C O N D ORDRE. is ;
Nous utiliserons constamment le lemme très simple suivant :
L bmmme fondam ental — Lorsque t - > t 0 , pour que XT(£) ait une
.
lim ite m. q. X (*), il f a u t et it suffit que lim EX-.(J) X l*(i) existe
r, T">T.
et soit indépendant de la fa ço n dont r 7 et t77 tendent vers r 0. S i cette
lim ite existe dans A, la covariance de la fon ction aléatoire X ( £) sera
r(i, f') = lim EXT(/) Xl(i'), f, f 'e A .
La condition est nécessaire, puisqu’en vertu du lemme 1,
liX (O X *(/> lim EXX’(t)X r(t').

r>?v
Elle est suffisante, puisqu’on a alors
lim E I X-'(i) — XX'(t ) I* = o.
Propriétés différentielles. — Par définition, la fonction aléatoire X ( é)

sera continue m. q. sur A , pour la valeur t du paramètre, si
X(l) = lim in. q.'X(f-t-A), i, î + A e A.
h>-o
Elle sera continue ni. q. dans A si elle est continue m .q . pour tout
t donné € A.
En vertu du lemme fondamental, pour qu’il en soit ainsi, il faut et il
suffit que l’on ait
lim E X ( l
h, ¿>0
+ /t)X*(/ + f i= lim
//, A>0
F ( / -+- h, t -h À:) — V( t y t)
(¿, t H- h, t -i- A*€ A ). Par suite :
T héokèmk 6 . — P ou r que la fon ction aléatoire X (J) soit continue

m. q. dans A , il f a u t et il suffit que sa covariance T(£, tf) soit
continue dans A x A pour t — t!\ alors T(£, tf) y sera continue.
Par définition, la fonction aléatoire X 7(£) sera la dérivée rn. q.

sur xA de la fonction aléatoire X ( i) , pour la valeur l du paramètre, si
X ( t -+- h ) — X ( t )
X ' ( t) — lim m. fj t h€ A .
/l>0 h
En vertu du lemme fondamental, pour qu’il en soit ainsi, il faut et il

suffit que
lim E f r X i l ^ A ^ - X U V I r X ( f — X tfïp
lim f-= A/, A* 17 tyt >
M > o " (L h . [ J k J) hyk-rvhk
384 NOTE DE M . LOEVE.
existe (et soit fini), c’est-à-dire il faut et il suffit que la dérivée

seconde généralisée de la covariance - - existe pour t = Mais
alors E X '( i) existe, ce qui donne, puisque Ton peut échanger lim m. q.
et E,
xu h) — X(t) .. EX(< + à ) - E X ( 0
—:--------- - = lim ---- -------- J-------- — — O.
E X '( 0 = 1h®E
/i>0 h /t>o h
E X '( i) X * ( f) existe également, ce qui donne
EX'(t)X*(0 = lin. li = lim l A*r(<, t ' \ =i,

A>o L J A>0 fl
donc existe pour t = tf. Finalement :
T héorème 7 . — P ou r que la dérivée m . q . X '(¿) de la fon ction

aléatoire X (¿) existe dans A, il fa u t et il suffit que la covariance
de X(£) ait une dérivée seconde généralisée pour t = tl\ alors cette
covariance possède dans A x A les dérivées et les
opérateurs E et ^ sont perm utables.
Cette proposition s’étend immédiatement aux dérivées tt,6mcs m. q.

avec
àt~n 'H'" 1(<’
Supposons T(£, tr) indéfiniment dérivable dans A x A et soit une valeur

fixe du paramètre que nous prendrons pour origine. Posons
X „ ( 0 = X(<>) -+- -i X'(o) + . . . + ~ X('"(o)
et formons E| X(£) — X n(t) |3. Un calcul élémentaire, montre que :
T héorème 8 . — P ou r que la fonction aléatoire X(£) soit analy

tique en m. q. dans A , il fa u t et il suffit que T(£, t') y soit analytique
pour tf = t; alors elle est analytique dans A x A .
P ou r que le développement de X(£) ainsi obtenu soit orthogonal,
il fa u t et il suffit que T(£, tr) soit fonction seulement du produit tt
Application. — Donnons quelques indications sur l’étude des

courbes aléatoires. On supposera que les grandeurs qui suivent
existent. X.W(t) désigne la kième dérivée m. q. de X(£),
r *•'(/, O = àtkôt'< \\tt t)

F O N C T IO N S A L É A T O IR E S DU SEC O N D ORDRE. 385
est la covariance de la fonction aléatoire X (/,)(¿), à param ètre k. Par

suile, c’est une fonction du type non négatif en (k , i). En particulier,
D5 ( 0 = l| r *./ (/, OIIT^ o,
et D*(/) = o équivaut à ^ ? X (/,)(* )p * = o , presque sûrement, pour un

k
choix convenable des p* non tous nuis.
Supposons tous les D *(i) considérés non nuis o). L ’on vérifie
que les fonctions aléatoires Y„(£), obtenues en remplaçant la dernière
colonne des D*(J) par la colonne X{1>(£), . . ., sont mutuel
lement orthogonales et que
E|Y/t( 0 |a=DJ_t ( 0 DJ(0 .

Y (t )
Par suite, les aléatoires 9Xn{t)= n “v J - forment un système orthonormé,
U/i-i
On en déduit, en se plaçant, pour simplifier, dans le cas réel, que
ddl„
-- ■ ÍÍ/J—l fl—, + n-*-l
dt
^//—i ^//+1
avec a n= FP
LJn
En considérant X (J) comme un ensemble de coordonnées pondérées
d’un point qui varie avec t, on est conduit à définir l’arc de sa trajectoire
par ( ^ y = E] X (1>(i)|2, d’où la /i,ème courbure p „ = En prenant
une fonction aléatoire vectorielle X(£) et remplaçant r(£, tl) par

—y ->
EX (£)X *(£'), l’on retrouve la même relation (dans le cas réel), avec des
vecteurs aléatoires 9Xn. En remplaçant r(£, tf) par X (J)X *(£'), on a des
-y
courbures stochastiques. Ainsi, pour X ( f ) = { £, X ( f) j, l’on retrouve la
courbure dans le plan, mais en termes stochastiques. Lorsque X ( l)
dégénère en un vecteur certain, l’on a des formules de Frenet dans
l’espace correspondant.
7. Propriétés intégrales en moyenne quadratique. — Par définition,

Vintégrale de Riem ann m. q. de la fonction aléatoire X ( i) dans
A == [a, 6 ] fini, sera la limite m. q. lorsque n -> oo, des sommes rieman-
niennes
Y»,. = £ X(^> )(<<«>

*rr I
( i j 1) point quelconque de l'intervalle correspondant), formées sur les

divisions
telles que
i
S = ma x( t [ V - ) -y o, avec - •
k<n n
Si cette limite est indépendante du choix des D„, ce sera l'intégrale

cherchée et elle sera désignée par / H{t)dt.
"a
O r:
m n
e y '*-y î „ = 2 2 - 4 -. )(t'n) - 4-. )•
k ■- 1 t " t
Donc, en vertu du lemme fondamental, on aura :
T héoréme 9. — P ou r que Vintégrale m. q. j \ ( t ) d t existe, il

rb rb
fa u t et i l suffit que I I T(/, ¿l)dt' existe.
•'a Ja
Il en sera certainement ainsi si T(/, tf) est continu pour t] — t € A,
ce qui équivaut à la continuité m. q. de la fonction aléatoire X ( l)
dans A.
Soit U (t) une [onction aléatoire [exceptionnellement, nous ne sup
poserons pas que E U ( f ) = o ] indépendante de la fonction aléa
toire X (£). Posons
E U ( O in O = !’«(*> O
et formons les sommes
Y>.. = 2 X ( )[ u ( ' - U( )].

k -z 1
Si, pour oo, ces sommes ont une limite m. q. indépendante du

choix des D„, cette limite sera une intégrale de S tieljes m. q. et sera
rb
désignée par / X (£ )¿ U (¿ ). On sait que l’on peut généraliser l’inté-
•a
grale de Stieljes ordinaire en prenant des suites particulières de D„.
Ces généralisations se transposent immédiatement au cas stochastique
et ce qui suit s’appliquera encore. Or
n n
KYD„Yi>= = 2 2 ‘X,,*"‘’’ 'r U 'W ir ’. *>"’) - Tu(<r!> <£»)

- r«<«£>t. t1/11 )-+■ i’u « / y )].
FONCTIONS ALÉATOIRES DU SECOND ORDRE. 38 ;
Donc :
rh
T héorème 1 0 . — P ou r que Vintégrale m. q . / X(¿) r f U ( i ) existe,
J a
p^pb
il fa u t et il suffit que I I T(i, tf) d*Yv( t , t') existe.
J a J a
Il en sera certainement ainsi si la fonction aléatoire X ( i) est continue

dans A et que t') soit une fonction à variation bornée dans A x A
au sens suivant :
n h
^ ^ | 7, t') | < C < * (C indépendant des D*.)
*- t / i
Pour simplifier, nous supposerons dans toute la suite que ces condi
tions sont remplies dans tout intervalle fin i considéré.
Les résultats qui précèdent s’étendent au sens de Lebesgue en suppo

sant les fonctions aléatoires mesurables sur le champ produit sur
lequel elles sont définies. On part d’un ensemble mesurable A , on
remplace les divisions ci-dessus par des partitions en ensembles mesu
rables, on tronque uniformément X ( i) . On fait ensuite disparaître les
bornes imposées par un passage à la limite.
Soit L’intégrale m. q. où nous ne marquerons pas la
borne fixe a, I ( T ) = / X (*)rfU (J), existe et définit une fonction

aléatoire dans [a. b]. On a, Y K (T) désignant les sommes correspon
dantes,
eJ f
T T'
E I(T )l* (T ')= X (t)X *(/’) J U ( t ) < t W ( t ' )
= J i m E Y „ ,( T ) Y J ii( T ' ) = f i J Vit, C).
En particulier E | l( T ) |* existe, donc également

K I ( T ) = lim 1£Y,,„(T)=o.
n -V t.
Par suite, E 1 (T )I * (T ') est précisément la covariance delà fonction aléa

toire I(T ). De plus,
EI(T)X*(0= E f ' x ( t ) X*(<')rfU(0

■ -1
= lim EYi,n( T ) X * ( i ') = / l'(r, f ) M ( t ) .
n•> * '
Finalement :
T héorème H . — L a covariance de la fonction aléatoire

T
l( T ) = j X(t)dVvXt)
est
fJ ,T /■»T'
A
et les opérateurs E et f sont perm utables.
On vérifie aisément que l( T ) jouit des propriétés addilives des

intégrales certaines, donc de toutes les propriétés qui en résultent.
Examinons enfin ce qui se passe lorsque T —> oo. Pour que

I = lim m. q. I(T ) existe, il faut et il suffit que
t> »
lim El I ( T ) — l( T ') |* = lim El T X (i)tfU (/)|*

T,T' T,T’> « Jj
I» ]*'
= lim f f V(t, t ' ) d n ' v(t, t’ )
x J f t/ -p
existe; donc que l’on ait
,T
lim f f r u , 0 ^2l ü ( ^ ^ ) = C < x .
r> J
Généralisons. Nous dirons que l’on est en présence d’une loi des
grands nombres en moyenne quadratique p a r rapport à une
fon ction /(T) si
Y = lim m. q. /(T)I(T)
t> *
existe. La forme classique de la loi des grands nombres se retrouve

dans le cas très particulier où l ( T ) = ^ et U(£) est une fonction
certaine en escalier à sauts égaux et équidistants. Grâce à ce qui
précède on obtient :
T héorème 12. — P ou r que
Y lim m. q-
T>.
existe, il fa u t et il suffit que Von ait

.T
lim l ( T ) l \ V ) f f T( t, t ’)€¿*rc(í, 0 = C < * > .
T r > «O J J
FONCTIONS ALEATOIRES DU SECOND ORDRE. 389
De plus,
T
EYX*(t') = lim E Y (T ) X*(i') = lim /(T) f T(i, t')dt
T^ x T
et
T ^T'
E Y(T) Y*(/r') = lim E Y(T') Y*(T') = lim l ( T ) l * ( T ) f f T (t, t').
T>aB J J
8. Propriétés intégrales : analyse harmonique et spectrale. — Nous

allons maintenant montrer comment les propriétés établies au paragraphe
précédent permettent une étude approfondie de la classe fort géné
rale des fonctions aléatoires X. (£) dont la covariance peut être mise
sous la form e
(H) r(/?0=f e H u t-u 'l')d i y( m, u ' ) j
où la fonction y (a , a') (à valeurs ci-dessous bien déterminées), est

à variation totale bornée dans le p la n (u , ur). Nous dirons que de
tels r(£, ainsi que les fonctions aléatoires X(£) correspondantes,
sont harmonisables. Une covariance harmonisable est, évidemment,
continue dans le plan (£, t1) et, par suite, une fonction aléatoire harmoni
sable X ( i) est continue m. q. sur l’axe des t .
I. L emme. — S i r(£, tr) est une covariance harmonisable
= A0Aoy(“ >
ou
A0 A'0 y(u, u') = y(u -h o, t*'-*- o ) — y ( w — °» u*“+" °)
— Y( wh- o, u! — o ) - î- y (w — o, u' — o)
est le saut de y (u , uf) en ( u } uf).
En effet, en utilisant (H ), ITr devient, par des transformations élé

mentaires,
sinT(p — u) s i n T ( p '— u')
1t,t'( w, u') = d*y(v, J).
T ( p — a) T ' ( p' — u7)
Lorsque T et T ' ->■ oo, chacun des rapports qui figurent sous le signe
d’intégration tend uniformément vers zéro, sauf pour v = u pour le
premier et vf= u1 pour le second, où ils prennent la valeur i . Le lemme
en résulte.
З90 NOTE DE M. LOÈVE.
Formons maintenant la fonction aléatoire à deux paramètres T et и
i Г^1
YT(iO = ^ f J ^ Х (О Л .
Celte fonction analytique existe, puisque X(£) est continue m. q., et

Гоп a
EY t ( m) Yf(w') = I t,t' ( wj «O-
Par suite, grâce au lemme qui vient d’être établi, notre lemme
fondamental montre que la fonction aléatoire Y ( m) = lim m. q. Y T(w)
existe et que sa covariance est donnée par A0A'0y(w, uf). Ainsi :
S i la fon ction a léa to ireü (t) est harmonisable, la fon ction aléatoire
Y(it) = lim m. q . - î p f e~i'“ X ( t ) d t

« 2 1 J _y
existe.
La même méthode donne également la relation suivante :
E Y (u )X * (0 = lim / e-^r(i, t ') d t d t '= f A0</y(a, u').

t > * 21 T j _ ^
La proposition obtenue montre que la forme de l’intégrale portant

sur X (i) élimine, en un certain sens, l’influence de y (u, u'), sauf en ses
points de saut. L ’indroduction du facteur à la place de ^ ne
modifie pas sensiblement la situation (voir au paragraphe suivant).
Donc cette forme de la loi des grands -nombres n’est satisfaisante que
si y (a , u') est purement discontinu, autrement dit lorsque la covariance
harmonisable est une fonction presque périodique, et il y a lieu de la
modifier pour traiter le cas général. Nous utiliserons le
L em me . — S i T(t, t ') est une covariance harm onisable, alors
lim J T, r ( « , u ' ) = lim — f / Дл ----- -— — Г(<, О Л ййГ

т,г>«е т , т '> - 4я - J _ T J _ T it а
= ДлДл'Т(“ >“ ')>

ou
Д/>Дд,(и, а') яв у(ы ч- Л, и' -h Л') — у(ы, а'ч- А') — у ( а ч- А, и') ч- у(м, w'),
en posant
У(и, «0 = i[T(« 4- 0, M4 o ) + Y ( tt 4- 0, tt'— о)ч-у(и — о, и 'ч -о )ч -у (м — о, и' — о)].

En effet, en utilisant (H ), JTr devient, par des transformations

élémentaires,
Jt/K m, «') = J J g i («>—«, A)£r(«>f— p'),
ou
, i Z'1" - r/,T sini
w, /1) = - / —
Lorsque T -^ -x et A > o , tend uniformément vers 1 pour tout i

intérieur à ( m, u + A), vers zéro pour tout *>extérieur, et vers - pour v = u
et v ~ u + A. Si A <C o ces limites changent de signe. Le lemme en
résulte aisément.
Formons maintenant la fonction aléatoire à trois paramètres T , u et A,
A / ^ T(iO = r2.7
-ZJ/ y A *---II
Le membre gauche sera, provisoirement, considéré en^bloc, tandis

que dans le membre droit le symbole de différence A/, opère, comme
jusqu’ici, sur u. Cette fonction aléatoire existe, puisque X(£) est
continu m. q., et l’on a
E [ \ nS t ’ï { u ) ] [ ^ l,dVv {u,)Y = JTfr ( « , U ),
Par suite, grâce au lemme qui vient d’être établi, notre lemme fonda
mental montreque/a fon ction aléatoire A/,£Jl(a) = lim m. q. A/i£)lT(w)
T> *
existe et sa covariance est donnée par A^ A/,, ( u, u').

La même méthode donne également la relation suivante :
E[A/,i>K»]X*(0=J e-‘«VAAd'Y(a, «')•

Faisons maintenant tendre A et A 'vers— 00, en posant lim y (w ,a ')= o ,
h>■—»
ce qui ne restreint pas la généralité. Le résultat qui vient d’être obtenu
montre qu’alors
E [\ h d t ( u )][ A// 9 1 ( u’ )]* y(« .« ').
Donc 91 (u ) = — lim m. q. A/I5 t ( u ) existe et sa covariance est donnée

A-> — *
p a r y (u, u').
D ’a u tr e p a r t , si h! te n d s e u l v e rs — 00, o n o b tie n t
E [A*^t(w)] 91* (u') = A/ty(w, u')
e t il e n ré s u lte q u e
E|A/,5l(u) — [ 9l ( u + h) — 9l(u)] ■* = o.
D o n c , p r e s q u e s û r e m e n t,
A/t9t{u) = 9l(u -+- h) — 91 (u).
R e m a r q u o n s q u e , d a n s le ca s o ù u e t u f te n d e n t s im u lta n é m e n t
v e rs — 00 o u v e rs 4 -0 0 , E 5I ( u ) te n d r e s p e c tiv e m e n t v e rs z é r o
o u v e rs y 00 ? + oo ).
P a r s u ite
9 t ( — » ) = lim m. q. 9t(u) = o presque sûrement.

—»
et
9 L (-+-*>) = lim m. q. 9t(u) existe,
lois des grands nombres correspondant à des limites triples.

Enfin formons
Ç(w — o ) = 9t(u) — iv(w) et 5( î/ h- o) = 9l(u) -h ~ Y ( m ).
Il en résulte
E 5 ( M+ 0 ) 5 * ( M' + 0') = T(w + O, i/ h- 0 ' ) , 9,B' = ± o.
Ainsi 91 (u ) se présente comme la fonction aléatoire ü (* ) normalisée et

Y (a ) comme la fonction des sauts de Î ( u ) .
Résumons l’essentiel.
T héorème 13. — S i la fon ction aléatoire X ( i) est harmonisabley la

fonction aléatoire 5 1 (u ) telle que
1 /,+T — e~iut
9t(u -+- h ) — 9t(u) = lim m. q . — / A/, 7-— \ ( t ) d t
T>» 2 7Z J _ T lt
existe et
SI ( « • ) = i [ f ( « + o) + E ( B - o ) ] , Y ( « ) = 5(tt-t-o) — Ç(« — o)>
avec
E Ç ( K - t - 9 ) Ç * ( « ' - * - r ) = Y ( “ - t - 9> 9, 9' = ± o .
FONCTIONS ALÉATOIRES DU SECOND ORDRE. 3q3
II. Nous pouvons maintenant procéder à la décomposition harmo

nique. Plaçons-nous d'abord dans le cas purement discontinu. Soit une
fonction aléatoire X ( l) à covariance
-»-00 *+*00
(4') i'( < - o = 2 2 i w < c < *.
—- «
où u et ur parcourent un ensemble au plus dénombrable de valeurs

réelles. Formons la fonction aléatoire à trois paramètres
-i-T'
XTr( 0 = 2 *“ " Y ^‘ )’
-T
l'on a, de suite, grâce aux résultats du I.

■ T H-T'
E X T>T' ( 0 X i , x ( f ) = 2 s“ '
—T - T
et
• -+-T' -+-*
E X i,r(0 X* ( 0 = 2 8“.
—T —
Il en résulte que, lorsque T et T'-> oo,
E |X ( 0 - X T, r (0 !*-><>>
donc
X(i) = lim m. q. X r ,r (0 X (u).

T, T'-> oo ¿m
— oo
Réciproquement, si cetie relation a lieu avec
2 2 |EY(M)Y*(' ° i < c < o e ’

— oe — oo
alors
-h ao ac
!*(<, <') = 2 2 eÎ'"'“ 'V a"’ "'’

— oo — ao
et X ( f) est continu m. q.
Plaçons-nous maintenant dans le cas général (H) et formons la
fonction aléatoire à trois paramètres
Xr, r ( 0 = J
où £ (u ) = £(u -h 0) et, par suite, a') = y( m -h 8, u'-f- 0).

i*. I.K VV.
2«
3<)4 note de m . lo ève .
Cette fonction aléatoire existe et Ton a, de suite,

,-t-T
E X T>T ' ( 0 X f T. ( 0 = J J el^ - ‘‘»‘\d*y(uy u')
et
EX i , i -(î ) X ‘ ( î' ) = j rfaT( u , u ’ ).
Il en résulte que, lorsque T et T '^ oo,
E | X ( 0 - X t, t'( O I 2+ o.
Donc, presque sûrement,

/>+ r
X ( t ) = lim m. q. /
T, T'-> » J_T e ltu d $ ( u ) = f e ilH d % ( u ) .
Réciproquement, si cette relation a lieu, avec y (u , «¿') = E^(a) £*(u')

à variation totale bornée, Ton a, de suite,
» — oo
T(t, t ' ) = J J u' )
et X(£) est continu m. q. Finalement nous avons le
T héorème 14. — Pour qu'une fonction aléatoire \ ( t ) admette la

décomposition harmonique
X(0==/ + * e" " ^ (w)’
où y (a , u ’ ) = E!;( m) i*(uf) est à variation totale bornée, il fa u t et

il suffit que Von ait
r(/, 0 = E X ( / ) X * ( 0 = f C
^ — ao
Y (u, U f ).
Il en résulte qu’à toute division de l’axe des t en ensembles A* dis

joints ou non, correspond la décomposition
X ( o = y x 4(/) où x k( t ) = / V ' ^ O )
^ d Kk
avec
E X * ( O X ; , ( / ') = f f “ ')•
F O N C T IO N S A L É A T O IR E S DU S E C O N D ORDRE. »•.P
Lorsque X (*) est défini seulement sur l'ensemble des entiers, l’har-
monisabilité se définit de la même façon, mais les intervalles de variation
de u et de u' peuvent se ramener à ( — tt, 4 - tt). L'analyse qui précède
continue à s’appliquer en remplaçant, bien entendu, les intégrations par
rapport à t et ir par des sommations. Il résulte, en particulier, du
théorème 14 écrit avec les modifications correspondantesqu’ane/oncf/on
aléatoire harmonisable définie sur Vensemble des entiers p eu t être
prolongée sur tout l ’axe réel.
III. La décomposition harmonique des fonctions aléatoires que nous

venons d’obtenir peut être en même temps une décomposition orthogo
nale; pour cela il faut et il suffit que la covariance soit continue et
fonction seulement de la différence t — t1( voir § 12). Nous rencontrerons
d'autres décompositions intégrales orthogonales plus loin. Nous avons vu
d’autre part, que pour qu’une fonction aléatoire analytique en m. q.
soit développable en une série à termes orthogonaux, il faut et il suffit
que la covariance soit, fonction seulement du produit tt1. Or il est pos
sible de donner un développement orthogonal de toute fonction aléatoire
continue m. q . sur un segment fin i A = [ a , b J.
Soit, sur A, ^¿(0 une fonction spectrale de r ( i f tf) correspondant
à la valeur spectrale |^ |2; comme la fonction T ( i, t') est hermitienne
non négative, ces valeurs sont ^ o. On sait que
/ ’ + " r (*, O W O ^ ' = l W ? (0
et, en normant,
i
MO (O <* = **;>
en supposant, bien entendu, que les valeurs spectrales multiples d’ordre r

aient été écrites r fois avec des indices différents et que les fonctions
spectrales correspondantes aient été orthogonalisées.
D ’après le théorème de Mercer,
r (/, 0 = 2 |X' i* M 0 * î( O ,
i —1
la série dû second membre étant absolument et uniformément conver

gente. Posons
Ja
3</> NOTE DE M . LOÈVE.
Cette variable aléatoire existe, car X(£) (en ni. q.) et <|>,(*) sont continus
sur [ a, b ]. On a, de suite,
,b -b
Jn J a
).,ls sf/-
Jn J a Ja
et
e x (o x ; =f 6r(t, o * î ( 0 <*'= ; W K O -
Il en résulte, en posant
n
x n ( 0 = 24 " ( ' ) x '-
/=1
que, lorsque n-> oo, E | X ( i ) — X w( i) | 2-^ o, uniformément par rapport

à f . Donc
X ( 0 = lim m. q. X „ ( 0 = > * / ( / ) X,.

n^ oo Ab
1
Réciproquement, si les <}>/(£) forment un système orthonormé et
E (XiX*j)^XiVjîjy
alors
H- *>
r ( i , 0 = /!>
•»»XE x n( / ) x ; , ( O = y i * / l î M 0 'l'i( 0 -
— »
Finalement :
T 15. — P ou r qu’ une fon ction aléatoire X(£) continue m. q.

héorèm e
sur un segment f in i A = [ a , h ] puisse s’écrire
00
* (')= 2 -M0 X 6
1
cm /ej ^¿(0 form ent un système orthonormé et où E X f: X* =

il fa u t et il suffit que ce système soit celui des fonctions spectrales
de sa covariance. Alors les E| X t-|2 sont les valeurs spectrales corres
pondantes.
Nous nous contenterons de poser ici le problème suivant : étudier la

décomposition spectrale des fonctions aléatoires (pour commencer du
second ordre) pour a = — oo , b = -ôo (sans supposer la covariance

uniformément bornée).
9. Propriétés presque sûres; propriétés différentielles. — Nous allons

rechercher des condilions suffisantes pour l’existence des propriétés
presque sûres.
Dans ce qui suit, e, s„, a, b, c désigneront des quantités positives.
Commençons par un cas simple : soit
; X„ ( 0 i, / 6 A (#1 = 1, 2 , ...),
une suite de fonctions aléatoires. Pour t donné on aura, par définition,
X ( 0 = 1ini pr. s. X,t (/),
si pour tout £ donné il existe, s a u f dans des cas de probabilité nulle,

un nombre fin i N tel que
I x «(0 — x (0 | ^ s,
pour tous les / i ^ N . Or, &n étant l’événement |X„(£)— X ( / ) | > £ ,

on a
Pr( 6 „ ) ^ i E | X „ ( 0 -X (< ) |«.
Donc la probabilité
n-hp n+ p
P = Iim lim Pr { J 6k ^ — Iim I i m V E | X t ( 0 - X ( < ) 1«,

n> » p • ' n*»
«H-1 n-h1
qui est celle de la réalisation d’une infinité d’événements &n ( 4), est
nulle lorsque ^ ,E | X /t( l ) — X(*)|"<<oo et alors la probabilité i — P
n
de l’existence de N fini est égale à i . Donc :
L emme 1. — Lorsque ^ E | X,t(/) — X ( f) |" < x , t € A, alors

n
X (/) =5 lim pr. s. X„ (t), 1 6 A .
( l ) Voir M. L o k v e , J o u r . d e M a th ., g* série, t. XXIV, ig45, p. 249 (Thèse, Paris, 1941 ),

p o u r une étude de V dans le cas général.
398 NOTE DE M. LOE VE.
Prenons pour A un segment borné. Sans restreindre la généralité on

peut poser A = [o , 1 ]. Supposons que, pour tout h suffisamment voisin
de zéro et tout A , on ait
(1 ) E|X(i-hA)-X(OI«<?(A),
où o (h ) est une fonction paire.

Choisissons un ensemble A x de valeur tn, partout dense dans A,
par exemple l’ensemble des nombres diadiques
k ,
tnt k — e)fl j ^ — O, 1 , 2 , >• •, ^ — L 2) • • • •
et considérons les événements

î IX X {t n,k) I 6/l !> &n%k'
k
En vertu de ( 1), on a
P r(« « .* X i? (a -")
e/<
et, par suite,
Pr { &n) < (2-»).
Alors la probabilité
P = Pr(infinité &k ont lieu) = lim lim P r ( Ç % &k
est nulle si l’on suppose que
(2) <00’
donc un N fini, tel que &n n’ait lieu pour aucun des / i^ N , existe
presque sûrement.
Soit maintenant un t quelconque 6 A. On peut toujours trouver
un ¿nf ki avec r c ^ N , tel que l’on ait,
*
( 3) < = < » ,¿ - + - 2 ^ ? («/» = o o u i ) .
p ~ \
Au p [hm* des intervalles qui correspondent aux termes successifs de

cette série correspond, d’après ce qui précède, une variation de X ( . )
majorée par Si alors sp désigne la somme de ses p premiers
termes, et si la s é r ie ^ j^ tn est convergente, les \ ( t n,k-+- $/>) sont, au
terme X(¿,i,/t) près, les sommes successives d’une série majorée par
la série dont la somme <rn tend vers zéro pour n infini. Ils
p —1
tendent donc uniformément vers une limite X*(£). Si d’ailleurs
11'— t 1 < (n > N), on peut trouver un A x tel que | a— t1
JS*
et |/Wf*— soient < ~ Alors X*(/) — X *(£ „,0 et X *(i') — X* (£„,*)
sont majorés par <jn. Donc | X * ( i') — X*(£) | ^ 2 <7/Met la fonction X*(£)
est presque sûrement continue.
Des exemples simples montrent qu’on n’a pas nécessairement
X*(£) = X (t). Une hypothèse restrictive est donc nécessaire pour entraîner
cette égalité. On peut à cet effet supposer que la fonction X(/) soit
séparée par A x, c’est-à-dire que, pour tout intervalle ouvert i c A , ses
valeurs extrêmes dans coïncident presque sûrement avec ses
valeurs extrêmes dans i. Dans ce cas, on voit aisément que X*(£) = X(£),
de sorte que \ ( t ) est presque sûrement continue. Donc :
L emme 2. — Lorsque pour h suffisamment petit et tout t € A = [o, 1]
on a
E|X(*-h/i) — X ( 0 l " < r ( ' 0 ?
où o (h) est une fon ction paire telle q u 'il existe des en satisfaisant
a u x relations
et V ^ e.n; ? (
n n
alors, si la fon ction aléatoire X ( 0 est séparée par A x, elle est
presque sûrement continue dans A.
C as — i° S i 9 (h) ^ C | h l1-*-'', alors les conditions du
particuliers.
lemme sont remplies pour tout a et tout b .

h
En effet, pour tn = qn, avec 2 " < y 
-n '■ nty
Z fl ' ltn
n
et l’on retrouve un lemme de Kolmogoroff.
C\h
2° S i O (II) = yalors les conditions du lemme sont remplies
loc: I h ' h
pour a < 6 .
En effet, pour efl = —î— , avec o < c < ^ ~~ a >on a
¿"r( 2~") = C V , -V , <00. etc.

' L tnSS'2ilïh-r « ° ^ -fl
n n
foo NOTE DE M. LOEVE.
Propriétés différentielles. — Nous supposons toujours que A est un

segm ent borné. Utilisons la covariance
Vit, /') = E X ( / ) X * ( 0 , /'€ A.

Alors
K | X ( î - h /0 — X ( * ) | 2 = A/<A'/tr('> 0 ,
cl le lemme 2 montre que la fonction aléatoire X(£) est presque

sûrement continue sur A si, par exemple, | A/( T ( t) | < C | h ¡1+''
pour | h | suffisamment petit, et tout t e A. Cette condition est réalisée, a
fo r tio r i, si F (i, tf) admet sur A la dérivée ^— ^ ^ continue et la
dérivée ( 'Ll i *'/. ^ continue.
En supposant que la dérivée m. q. X '(j) existe sur A , l’on a
\ ( / -4 - /* ) — Xi'/)
(0 K
et la fonction aléatoire X ( i) esl presque sûrement dérivable sur A si,

par exemple, le second membre est borné par C | h Cette condition
est réalisée a fo r tio r i si Y ( t y t') admet sur A des dérivées troisièmes
continues et la dérivée ^ - ^ continue.
D ’une façon générale, la continuité étant considérée comme la déri-
vabilité d’ordre zéro, on a la proposition suivante qui peut, évidemment,
être améliorée :
T héorème 10. — Lorsque sur A, les dérivées d'ordre ( 2 /1 4 - i ) de la

covariance sont continues et la dérivée symétrique d'ordre ( 27* 4 - 2 )
est continue, alors la fon ction aléatoire X(£) est presque sûrement
dérivable n fo is .
Il en résulte que lorsque la covariance est indéfiniment dérivable

sur A x A ( pour t' = t), et les dérivées sont bornées dans leur ensemble,
la fonction aléatoire est presque sûrement indéfiniment dérivable sur A.
Supposons de plus que
X ( 7 1 == lim ni. q. X„(/>,
n -y tn
OÙ
X/j( 0 = X(o)-h -7 X '(o )+ ...4 - ^7 Xfn)(o), t € A,
en prenant pour origine des t une valeur fixe de A.

F O N C T IO N S A L É A T O IR E S DU S E C O N D O R D R E . 4oi
Un calcul élémentaire montre que lorsque l’ensemble des dérivées

de /') au point (o ,o ) est borné en module, on a
2 V , X n( 0 - X ( 0 | * < » , ' «A.

n
Donc, en vertu du lemrne 1, on peut énoncer :
T héorème 17. — L a fonction aléatoire analytique m. q X (¿) est

presque sûrement analytique pour tout t donné € A lorsque
Vensemble des variances de ses dérivées pour t = o est borné.
10. Propriétés intégrales presque sûres. — Soit la fonction aléatoire
l(T )=
où X(£) est une fonction aléatoire continue m. q . sur tout segment

f i n i . On a
I r T |2 r V r V
E | I ( T ) — I ( T /) | î = E / X(t)dt = / / T(t, t')dtdt\
I */j 1 « /j » /j .
Si T varie sur un segment fini, Y(t, r'), continu, sera borné en module,
et l’on y aura
E | I ( T ) — I (T ') |* < C ! T — T ' |2,
donc : l a fonction aléatoire I(T ) est presque sûrement continue sur

tout segment f in i, ce qui résulte aussi du fait que X ( T ) est la dérivée
m. q. de I(T ).
Supposons maintenant que I = lim m. q. 1(T ) existe. Posons
T> 00
T= T' = 7F ’ ï ( T ) = J ( t ),
et appliquons à J ( t ) le lernnie 2. On obtient de suite, I lim pr. s. I(T )

si, pour T suffisamment grand et T ';> T , on a
I I l-hb
f f Y(t,f)dtdf< C
J y Jy T T7
De même, on aura une loi des grands nombres presque sure
Y = lim pr. s. / ( T ) I(T ),

t > «
NOTE DE M. LOÈVE.
si, pour T suffisamment grand et T ' > T , on a
i i
K | / ( T ) U T ) - / ( T r) ï ( T ,) | 2 < C Tp - ^
Les mêmes raisonnements s’appliquent aux intégrales de Stieljes

stochastiques.
Les intégrales stochastiques sont des fonctions aléatoires d’une

structure particulière et l’étude directe de leurs propriétés presque
sûres doit, a p riori, donner des résultats plus précis que les appli
cations ci-dessus du lemme 2 .
Considérons, pour fixer les idées,
Y (T )= f\(t)dt,
où X(£) est une fonction aléatoire continue m. q. sur tout segment

fini. Nous allons essayer d’abord de ramener le cas du paramètre T
continu à celui d’un paramètre à valeurs discrètes.
Prenons pour commencer la suite des valeurs n". On peut écrire
i Y ( T ) s Y(»«) + ZT(»-),
ou
t
ZT( n « ) = ± f X(l)dt, n«£¿T<(n-+-i)'1.
fv . J 1)8
_
Or
(n-K)‘
V(/i ")=s max \Zi{na) \ , ' — f \X(t)\dt¿i— f |X(¿)|<ft*
Donc
E|V(««)¡*^— J" j^ E\X(t)X'(t’) \ d t d t ' ^ l ± J y/V(t,t)dt
Nous sommes ainsi conduits à supposer que, pour t suffisamment grand,

on ait
(O r(/, o < et**.
Alors
KI -c7- (n -l- I)«(A+ 1)— /1«{A+1) *rw I
/i-* I
F O N C T IO N S A L É A T O IR E S DU S E C O N D ORDRE.
Par suite, lim. pr. s. V ( n a) = o, lorsque i — zab ;> o ou
(2 ) ah < - 1
2
et nous sommes ramenés au cas du paramètre à valeurs discrètes na.

Prenons maintenant la suite des valeurs
ç n = ( i-f-c)« et
On a
T
Y( T) = Y ( ? ,l ) + ZT( î n ),
qn
avec
T
Z t (9 ») —~ f
1 nJ<rn
Donc
V (.Ç n)= max

¿7«+i
I Zr(7«)|^ f |X(«)|t*,
et nous sommes conduits à supposer que pour t suffisamment grand
(!') | X ( O I < C f.
Alors
V( qn) ^ C 9 n+' ~ 9- ~ C t ;
qn
donc V(qn) est aussi petit que Ton veut pour e suffisamment petit.
T héorème 18. — i" Lorsque, pour t suffisamment grand,
r(/, t) < C t-h et ab < alors lim pr. s. | Y(T) — Y(/i«; ; = o.

2 t> »
20 Lorsque, pour t suffisamment grand, | X ( * ) | < C ', alors

lim pr. s. | Y (T ) — Y(grB) | [(qn= (1 -+- s)'1] est aussi p etit que Von veut
pour g suffisamment p e tit.
Le paragraphe 7 nous permet d’écrire les conditions d’existence de

Y = lim m* q. Y ( p ) , où p varie sur un ensemble dénombrable; il
r> *
nous donne également EYY*(/?) et E | Y | 2. On peut donc former
E | Y (p) — Y et appliquer le lemme 1.
Assurons la tendance presque sûre de Y ( T ) vers zéro, ce qui ne res
treint pas la généralité (ilsu fitd e remplacer X (r ) p a r X (i) — T Y). Pour
4o4 NOTE DE M. LOEVE.
cela, il suffit que Ton ait
(3) 2 E|Y0>)|í=Z ¿ f Pf nt,t)dtdí X.
T T
Pour * ) < C et J j * Y(t, £')úf¿d*'<D<:oo, la condition ( i )
est vérifiée avec b = o, donc la condition ( 2 ) est satisfaite pour tout a.
Quant à la condition (3), elle est remplie pourp = na, où a > -•
c
Pour |X(<)| < G' et f ^ f f | r ( i , t') dt dl' | < D '. on vérifie
aisément que la série Y ( ç /l) |3 est convergente quelque petit que

n
soit £. Ainsi :
T héorème 19. — Lorsque X(£) est une fon ction aléatoire continue
m. q . sur tout segment f in i et pour t suffisamment g ra n d , on a soit
T 1
(I) f(<, 0 < C <oe, avec f *’(', t')d td t'< D<oo,
soit
1X ( 0 1 < C '< *>,

(II) avec
f S/ T/ T|r(*’ ‘
alors
T
lim p r . J* X(¿) dl = 0.
T>* *' T.
Les mêmes raisonnements s’appliquent à la fonction aléatoire
Par exemple, on, aura encore la tendance presque sûre vers zéro
lorsqu’en plus de (I) la condition c > 2(1 — y) sera satisfaite, car alors
on pourra trouver a tel que a< ^ 1- - y l’inégalité de droite ren
dant valable le raisonnement qui précède relatif à V (/irt).
Les résultats qui précèdent s’étendent à des intégrales de Stieljes (*).
H. Cas normal. — I. Nous avons vu (§ 2) qu’à toute covariance l’on

peut faire correspondre une fonction aléatoire normale. L ’orthogonalité
(>) M. L oève , [8].

FONCTIONS ALÉATOIRES DU SECOND ORDRE. 4o5
des valeurs d’une telle fonction devient indépendance et la conver

gence m. q. d’une série de telles valeurs devient presque sûre. Ainsi
de nombreuses propriétés m. q. deviennent presque sûres sans que, s’il
y a normalité, il y ait lieu de faire des hypothèses supplémentaires sur
la covariance. Par exemple, si les variables {X ^j^du théorème lo
sont normales, la série correspondante converge presque sûrement;
de même, dans le cas stationnaire, si la fonction £(u) (supposée, pour
simplifier, réelle) du théorème 14 est normale, l’intégrale impropre
correspondante est convergente presque sûrement.
D ’autre part, les lois d’accumulation propres d’un ensemble de lois
normales, sont normales. Donc, si X = lim m. q. X „ et si les variables X n
«>•*
sont normales, il en est de même pour X . O r, les combinaisons linéaires
des valeurs d’une fonction aléatoire normale sont normales. lien sera donc
de même pour leurs limites m. q. Ainsi pour les exemples qui viennent
d’être cités les fonctions aléatoires correspondantes X (l) sont normales.
D ’une façon générale les dérivées et les intégrales m. q., dans le cas
normal sont elles-mêmes normales. Ainsi lorsque X ( t ) est normal,
les fonctions Y ( m), £( m ), |X * }* sont normales. L ’invariance de la
normalité sous les dérivations et intégrations étend le domaine de
la stabilité du cas normal qui n’a été considérée jusqu’ici que pour des
sommes de variables aléatoires indépendantes.
II. Les propriétés ci-dessus du cas normal montrent l’intérêt d’avoir

des critères de normalité d’une fonction aléatoire.
Un système d’aléatoires est normal si ses éléments sont
normaux dans leur ensemble. On sait que toute combinaison linéaire
d’éléments d’ un tel système est normale et la réciproque est immédiate.
Donc pour que la fon ction X ( t ) soit normale il fa u t et il suffit que
toute combinaison linéaire de ses valeurs soit normale. Ce critère
rattache la normalité à une autre normalité. On peut également ratta
cher la normalité à l’indépendance. Un système 3Ù sera dit indépendant
si ses éléments sont indépendants dans leur ensemble. On sait que tout
système orthogonal et normal est indépendant et nous allons montrer
qu’une réciproque existe et que, par suite : p ou r que la fo n ctio n X ( t )
soit norm ale, il fa u t et il suffit que tout système orthogonal lin éa i
rement lié à ses valeurs soit indépendant.
Soient deux systèmes Y et Y ' linéairement liés, | Y = C Y ' |. Ils sont,
essentiellement, distincts lorsque la matrice C est non singulière et
que chacune de ses colonnes possède plus d’un élément non nul. Alors,
pour que le système 9ù soit normal il suffit ( et il fa u t ) qu ’ il existe
NOTE DE M. LOÈVE.
deux systèmes distincts, et chacun indépendant, linéairement

liés ci Si.
En effet, on a pour les fonctions caractéristiques
• • ■? = : y U tn ) ^ Ç Y '( U \ » • • • ) )»
OÙ
ei î//= 2 “ xcx/-
•• A
D ’où, à cause de l’indépendance dans Y et dans Y '

m m
f 2 «*cîî Y
*=t /=1 V a /
el, par suite, au moins dans un voisinage de l’origine,

m m
a= i /=1 V a- /
Dérivons par rapport aux et uk»(k!^È k") pour lesquels, pour un l0

donné, Cm ck»pjé o. On obtient
<P
UkCfcl \.
. - 2 àuk* àuk- r , ( Z
Ck'l Ck”l
Les ^ unCki sont indépendants au sens ordinaire; donc
Ainsi les ^/0(w/0), qui, au voisinage de l’origine, sont du second degré

au plus (les © étant analytiques possèdent un seul prolongement),
sont <]/ de lois normales (dégénérées ou non). Il en résulte de suite
que Si est normal.
Nous avions supposé que £E était du second ordre, d’où la possibilité
de prendre des dérivées secondes. Mais cette hypothèse est superflue;
on peut utiliser des différences secondes et, également, des fonctions
de répartition au lieu des fonctions caractéristiques.
12. Fonctions aléatoires et certaines théories de l'analyse. — L ’étude

qui précède — problèmes et méthodes — a été faite en se plaçant au
point de vue stochastique. Mais un rapprochement qui vient-immédia
tement à l’esprit c’est celui avec l’espace de Hilbert et, plus générale
FONCTIONS ALÉATOIRES DU SECOND ORDRE. ío ;
ment, avec l’espace euclidien généralisé. Ce dernier s’obtient en suppri
mant dans l’ensemble des axiomes qui définissent l’espace de Hilbert
abstrait les axiomes de séparabilité et de l’infinité de vecteurs indépen
dants. On peut y transposer les problèmes et résultats stochastiques
de cette Note en considérant nos fonctions aléatoires comme des
ensembles linéaires dans de tels espaces pondérés. Nous laisserons cet
exercice aux soins du lecteur.
Un rapprochement plus inattendu, et qui semble pouvoir être
fécond, c’est celui avec les classes des fonctions modulaires de Moore
ou, ce qui est équivalent, avec les classes de fonctions à noyaux repro
duisants (Kernfunktion) de Bergman. Zaremba fut le premier à les intro
duire dans l’étude du problème de Dirichlet pour les fonctions harmo
niques et biharmoniques. Bergman les utilisa systématiquement dans
les problèmes de minima relatifs aux fonctions analytiques de plusieurs
variables complexes. Moore, puis Aronszajn firent une élude générale
de ces classes, Moore en vue d’une généralisation des équations inté
grales, Aronszajn pour étendre la méthode de Bergman à l’étude de
diverses catégories de fonctions.
Nous allons nous borner à quelques indications rapides montrant
comment on peut relier celte théorie à celle des fonctions aléatoires de
«econd ordre.
Une fonction Y(t, ¿'), ¿, t! € A (A n’est pas nécessairement un ensemble
de points de l’axe réel) est dite noyau reproduisant pour la classe (C)
de fonctions C (¿), pour laquelle est défini un produit scalaire (nota-
tion [C< (t), C j( i) ] ) , si :
i° Pour tout t! fixe, r ( i , t*) € (C );

2° Pour tout C ( ¿ ) € ( C ) , T(£, tf) reproduit cette fonction, c’est-à-dire
C(O = [C(0,r(/',0]-
La propriété fondamentale de noyaux reproduisants peut s’énoncer
ainsi :
Pour que T(¿, t') défini dans A x A soit noyau reproduisant d’une
classe de fonctions (C ) définie dans A (qui sera unique) formant un
espace euclidien généralisé, il faut et il suffit que F (i, t') soit une
fonction du type non négatif. Autrement dit : l'ensemble des noyaux
reproduisants coïncide avec l'ensemble des covariances. Les propriétés
établies des covariances permettent alors non seulement de retrouver
celles des noyaux reproduisants qui sont connues, mais encore d’en
obtenir beaucoup d’autres, en particulier, à partir de noyaux connus,
4o8 NOTE DE M. LOEVE.
d’en déduire de nouveaux. Signalons quelques covariances qui se sont

ainsi présentées en analyse (£ et tf ne sont pas réels ici) :
a. n t, n = — ï
%
(C ) , classe des fonctions harmoniques, régulières, de carré sommable
dans A = 1t ] < r (£, t' paramètres à valeurs complexes).
i h- tt'*
b. r(/, 0 = i — «'**
(C ), classe des fonctions harmoniques dans A = ! < !< *•
C. l (tt tf)
(C ), classe des fonctions analytiques/(*<, «. •<«) holomorphes et de

modules de carrés sommables dans une sphère de rayon 2 de l’espace
(¿4 J • •
Mais on peut aller plus loin et rattacher les fonctions aléatoires aux
classes (C ). Soit ( Y ) la fermeture m. q. de l’ensemble des
Y(A/i î ?) ?h A r c A, « 1 , '¿t • *• »
AR
pi indéterminés. On peut démontrer que, entre les C (¿) et les Y ,
correspondant à un même r ( i , tf), existent des relations de la form e
C ( 0 = EYX*(0,
[G*(0» c î ( 0 ] = e y 1y :.
Nous avons ainsi une décomposition intégrale des éléments de (C );

de plus, les résultats stochastiques se transposent aussitôt. Signalons
deux correspondances :
1. A =2 A» ! il, «* •, t fiy . . . .
(C ), espace des suites C(J/i) avec
2 i c <o p < - , te, (o , 0 ,(0 1 = 2 C l(i)C î(0 , r (<*. «») = *«,

A« A.
X ( i ) fonctions aléatoires à valeurs aléatoires dénombrables et

orthonormées.
FO N C T IO N S A L É A T O IR E S DU S E C O N D ORDRE. 4<>«>
2. A = ( — x, - h x ) .
(C ), espace des fonctions C (t) à |y(#) j - sommables par rapport à

une fonction F(# ) non décroissante, à variation bornée dans A :
C(t)=J er~itx'i(x)d\F(je), J j 7(0:) 2 <fF(tr) < x;
r(/, /')= J*
X(£) fonction aléatoire stationnaire, continue m. q. dans A.
TROISIÈME PARTIE.
FONCTIONS ALÉATOIRES A CARACTÈRE EXPONENTIEL.
13. Fonctions aléatoires stationnaires. — Nous aurons besoin, dans

la suite, d'une classe de fonctions aléatoires dont nous allons indiquer
quelques propriétés, faciles àélablir. Pour qu’une fonction aléatoire H t)
soit orthogonale à ses accroissements, c'est-à-dire telle que
« 6 ( 0 [?(''-+- h ) — 5 ( 0 1 * = <>• ' ^ h,
il suffît qu'elle soit orthogonale à ses accroissements consécutifs, ceux

qui correspondent à /' = Ses accroissements disjoints sont mutuellement
orthogonaux; la réciproque n’est pas vraie mais le devient si l'on
prend £(t0) (où ¿0= borne inf. i) supposé défini pour origine de ses
valeurs aléatoires.
P ou r que ¿-(¿) soit orthogonal à ses accroissements, il fa u t et il

suffit que sa covariance soit de la form e T(£, ¿ ') = F ( * ) ^ o , pour
t ^ t1, la fonction F (t) étant non décroissante.
£(0 est continu m. q. si, et seulement si, F (t) est continu. Le second
rh*
moment de f X( t ) d - ( t ), où X ( 0 cl l (t) sont des fonctions aléatoires
J rh r h
' / t’.,-{t, t ) d F ( t ) .
h Ja
I*. I.K VY
lio NOTE DE M. LOÈVE.
Les fondions aléatoires orthogonales à leurs accroissements rentrent

dans la classe plus générale des fonctions aléatoires dont la covariance
triangulaire s’écrit F 1 (^ )F *(i/) pour t ¿ l t ! . Pour qu’une fonction
de cette forme soit une covariance, il fa u t et il suffit que le rap-
port ( t € A) soit ^ o et non décroissant, en supposant F 2( t ) yé o.
Une fonction aléatoire X ( i) est stationnaire (du second ordre) si sa

covariance est fonction seulement de la différence de ses arguments
r(/, 0 = —0-
Sa variance T(¿, t) = <?(o) est donc constante et, en négligeant le

cas trivial o ù X (/) = o (presque sûrement), on peut supposer <p(o) yé o.
F o n c t io n s — Lorsque la fonction cp(t) est continue

c a r a c t é r is t iq u e s .
à l’origine, elle est continue partout (théorème 6 ). La propriété caracté

ristique des covariances (théorème 1 ) montre qu’alors y(t) est une
fonction définie positive et, en vertu du théorème de Bochner, il en
résulte que
o (t) = / ellx dF (x).
Ainsi la classe des corrélations stationnaires continues coïncide

avec celle des fonctions caractéristiques (Khintchine).
Lorsque ®(t) est mesurable, la méthode que nous avons employée
ailleurs pour démontrer le théorème de Bochner s’applique encore, etla
fonction de corrélation coïncide presque partout avec une fonction
caractéristique^ F. Riesz).
Lorsque X (¿) n’est défini que sur la suite des entiers, la même
méthode donne, jointe au théorème 1 ,
n n n— 1
l)e-iik -i)x= 2 e —im.v ^ ! - - L ^ L ^ 9 ( m ).

*=L /=1 7/1= —ti ■
Par suite
eifflxd F n( x )
où
i
F „ ( * ) = 27 dx
sur [ — 7T, -+-rc], = 0 à gauche, =<p(o) à droite de cet intervalle.

FONCTIONS ALÉATOIRES DU SECOND ORDRE. 4 11
Alors on peut extraire une suite (F w.(#)} qui converge vers une
limite F (# ) non décroissante et telle que
?»'(<)= f ei‘* d F „ it)
converge vers
? o (0 = j et'^ d?{x).
En particulier,
? ( ' « ) = lim ( l — ? « <( / « ) = ?o("»)
«>*\ n J
et, par conséquent (Herglotz),
9( m ) = £ r . eimxdF{ x) .
Ainsi une covariance stationnaire définie sur la suite des entiers peut
toujours être prolongée en une covariance stationnaire continue.
Les propriétés des covariances que nous avons établies deviennent
alors des propriétés des fonctions caractéristiques à des facteurs indépen
dants de t près ou fonctions de la classe (G ).
1. La fonction limite d’une suite convergente de covariances est

une covariance ( § 2 ) , donc si une suite de fonctions € (C ) converge
sur (— oo, -H oo) vers une fonction lim ite continue à l}origin e, cette
dernière est 6 (G ); c’est le théorème de continuité de P. Lévy $ous les
hypothèses les moins restrictives.
Nous supposerons que les expressions qui suivent existent et sont

continues pour t = o.
T héorème 2 '. — Tout polynôme de la form e
k
/ i/ ^ o entiers, a * ^ o , est € C; toute fo n ctio n , continue à Vorigine,
lim ite sur (— oo, oo) de tels polynômes est € C.
Exemples :
a. K r(0> (connus), — [<&?*(/)]*.
b. ch ?(0, sho(Oî pour o^ a < i.

1 — azi (0
c. J V u ( t) d F (u ) où F ( a ) est une fonction non décroissante.
T héorème 3'.
h- » —*
2 ^ — /t)M (w -—t') est € C;
//! = —JO n——«o
,-'+m _
J J M(f — *<)?(“ — «0M(«> — t") du dv est € C;
^ ^ — *
•T" ^^
2 f(( — n)<?(n — t'), J' s(e — u)<f(u— t')du sont eC;
U——sc
AJJA’a« ? ( î — <'),(— I9(K € C.
T héorème 4'.
f(<— O ?(< ~ M ••• ?(< — ««)
?(<!— «') ?(o) ... <?(/, — <„)
Y (i/i / ) f(t/ t— ¿l) y (°*
est une fon ction du type non n é g a tif. E n p a rticu lier, p ou r 0 ( 0 )

et t = t' — o,
1 ?( — M ?(— <«)
DÜ = r(M i ••• ?(ti — t»)
<?('«) ?(*«— *») •••

On a l'échelle d'inégalités
DS Dr.
F o n c t io n s — Les propriétés générales des

a l é a t o ir e s s t a t io n n a ir e s .
fonctions aléatoires étudiées s’appliquent évidemment aux fonctions
aléatoires stationnaires.
Signalons quelques détails :
1. Le théorème 5 contient pour t k = t — k une décomposition

des fonctions aléatoires stationnaires due à H. W old.
2.
KX(«'(0X<«»(O = 9 ( 1 - 0 = (- = t - O-
3. La variance de I ( T ) = Ç X ( f) e~iu’ dt, s’écrit :

F O N C T IO N S A L É A T O IR E S DU S E C O N D ORDRE. ■1l3
ht, Analyse harmonique ( § 8 ). — On voit tout de suite que pour

qu’une covariance harmouisable soit stationnaire il faut et il suffit que
l’on ait
V( UJ u' ) = V( U ) pour U ^ u\
On a donc
Y ( u ) = )im ni. q. — I e ~ tltf \ ( / ) dt
1V M J- a »./ -I'
existe; ses valeurs aléatoires sont : a , orthogonales ; b. non nulles

(presque sûrement) sur un ensemble au p lu s dénombrable de valeurs
de t\ c. de variance V ( t ) = F.(t -f-o )— F (t — o).
Cette propriété contient le théorème quasi ergodique de von Neumann.
T héorème 1 3 '. — L a fonction aléatoire f) l (u) telle que

.-+-T _f —iu!
h- h) — lim ni. q. --- f A/, — ^--- X(t)dt
T > * tr
existe, et
$ I ( m) = - [ £ ( m -+- o)-t- £ ( m — o)], Y ( m ) = £(«-+■o ) — Ç( m — o)J,
avec
K $(u — o ) ( u'dt o ) = F (u — o) (u u'),
EÊ( m -+- o)Ç*(«'±: o ) = F (a -h o ) (u < «')•
T héorème 14'. — P o a r qu'une fon ction aléatoire X (¿) continue

m. q. soit stationnaire, i7 f a u t et il suffit qu'elle puisse s'écrire
X( 0 = / + «“ *"$(«),
oû £(a) = !;(a-h o) est une fonction aléatoire orthogonale à ses

accroissements.
Une fonction aléatoire stationnaire définie sur la suite des entiers

peut toujours être prolongée en une fonction aléatoire stationnaire sur
l’axe réel.
En séparant F (u ) en fonction de sauts et fonction continue, X ( l) se
décompose en X,/(<) presque-périodique en m. q. e tX c.(¿) correspon
dant à la fonction continue.
Si la fonction £(*), supposée réelle pour simplifier, est indépendante
de ses accroissements, alors l’intégrale impropre ci-dessus est presque
sûrement convergente, X,/( é), somme de termes indépendants, estpresque
NOTE DE M. LOEVE.
sûrement presque périodique et X t.(j), indépendant de la fonction

aléatoire X d (j), est à loi indéfiniment divisible. Si, de plus, £(£) est
presque sûrement continu, alors X ( j) est normal, et réciproquement.
5. Propriétés presque sures. — A titre d'exemple appliquons le

théorème 19. La condition (T) devient
sin* — ( x — u ) T
D
- W 2----------e ^ V~u]'dF{x)< Te
j(x-u )*
Elle sera satisfaite avec c = i, pour tout u où la dérivée de F ( a ) existe

et est bornée. Alors, pour Y > ; »
2
lim pr. s. =i- /r Te - iutX ( t ) dt = o.

i> *» 1TJ a
Si
D
U - P ( W) < tV
Alors
Y ( m) = lim pr. s. i f e-~iu iX ( t ) d t
i>» 1 JQ
existe. Il en sera ainsi, par exemple, si u est un point de variation isolé

de F ( a ) .
Ce résultat correspond au théorème ergodique de BirkhofF-Khintchine
établi pour les fonctions aléatoires strictement stationnaires.
14. Fonctions aléatoires exponentiellement convexes et généralisa

tion. Covariance. — Soit E X ( i ) X * ( f ) = r ( i , t1) = V ( i + ¿'), t y
t' € (I) = (a, 6 ), une covariance, fonction seulement de la somme de
ses arguments. La fonction *F(i) est donc supposée définie dans
(2 I) = (2 a, 2 b).
On a
donc V ( * ) ^ .o dans ( 2 I).

D'autre part
A**F( 0 = h- 2 A) + A)-+- ¥ ( * )
FONCTIONS ALÉATOIRES DU SECOND ORDRE.
-il 3
et, d’une façon générale,
o.
Enfin, la'propriélé caractéristique des covariances devient
A„ i'€An
La fonction V(£) est dite exponentiellem ent convexe.
Supposons V ( t) continu dans (2 I). Alors il résulte d’un travail
fondamental de S. Bernstein, S u r les fonctions absolument monotones
( A c ta M a t h 1928 ), voir également D. V . W idder, The Laplace
transform (P rinceton P ress, 1944)9 que :
1 . W(t) est indéfinim ent dérivable dans ( 2 1), et les dérivées d’ordres
pairs sont ^ o.
2 . V(/) est analytique dans ( 2 I), c’est-à-dire développable en série

entière autour de tout t0 € (2 I),
cette série convergeant dans le plus grand des intervalles, centré sur ti)f
et contenu dans ( 2 I).
*F(s), z = t -h iu y est holomorphe dans la bande du plan (£, u)y
définie par R ¿ € (2 I).
3. *F(i) est une transformée bilatérale de L a p la ce-S tieljes d’une

fonction F (a:) non décroissante,
V (0 = f et x d F (x ),
• /_ »
l ’intégrale convergeant pour tout t € ( 2 I). Réciproquement une telle

transformée est une covariance dans (I)x (I). D ’une façon générale,
/»+ *
* T (z )= f e z x dF (x)>
e t 'l ’intégrale est absolument convergente dans la bande R : € ( 2 l) ‘

De plus,
z=ij * x " e zx d F (x ), Rz 6 (2!),
et l’intégrale converge absolument dans la bande ci-dessus.

Ilfi NOTE DE M. LOÈVE.
Fonctions aléatoires. — Soit X(/) une fonction aléatoire réelle,

t 6 (I), à covariance -h t!) :
EX(0X(i') = ^ V + O*
Appliquons les résultats généraux à cette fonction aléatoire que nous

appellerons fonction aléatoire exponentiellem ent convexe. En vertu
du théorème 6 , l'hypothèse de continuité de V(£) est équivalente à celle
de la continuité m. q. de X(£). En vertu du théorème 7 :
L a fon ction aléatoire X(/) est indéfinim ent dérivable m. q.

dans (I) et
EX<*)(i)X(/‘( 0 = 7 -h t ' ) = W (*+ 0 (t 4- t ) .
En vertu du théorème 8 , la fonction aléatoire X(*) est analytique

ni. q. dans (I).
Soit /„ € (I). Alors :
O
la série convergeant en m. q.
Pour simplifier, prenons pour origine des valeurs de t, ce qui ne
restreint pas la généralité.
Nous pouvons écrire ainsi :
*
X(<)=2 S X(n,(o)’
O
avec
E X '-*'(o)X (')(o)= ^ *+ 0 (o)= dF{x), F (— x>) = o,
et F(^r) étant non décroissant et à variation totale bornée.

La fonction aléatoire, à param ètre complexe a = t -h it\ (Ko e (1).
N «
X(o)=*limm; q . 2 J x < « > ( o ) = 2 5 X(',)(o)
O O
existe, car
EX(<t)X*(“ ) = lim EXs (c)X fr(T) = h- t*) <Ka = (® -f x ) € ( 2 l) .
Sa complexe conjuguée s’écrit
x *( ’ ) = 2 i r x ,")(o)=X(<r*)-
FO N C T IO N S A L É A T O IR E S DU S E C O N D O R D R E . 417
Nous disons que X(o’) est une fon ction aléatoire à caractère
exponentiel et nous justifierons plus loin cette dénomination. Fixons t
et faisons varier ¡x de — 00 a -h 00. La fonction aléatoire X (£ -H i |ul)
dépend du paramètre fx et
E \ (/ •+- i *jl )X* ( £ -+- r/) = EX(J -+- ¿ » X ( / — iv ) = №[?./ -+• ï ( îx — v )j.
Par suite sa covariance dépend de la différence p — v des arguments

et X ( i- h i| x ) est stationnaire. Les résultats du § 13, s’appliquent
j c' u el v d F ( x ) , on a :
-t--«
1
a. La fonction aléatoire Y £( i i ) = lim 'm .q. — / e - ifi^ X ( t 4 - ¿p) d \ x
T->«o 2t
existe. Les valeurs aléatoires sont orthogonales et de variance
r‘ (tt) = F 2i(« + ü ) - F 2i(w — o).
b. La fonction aléatoire
/•■Ч*-Т** i _e~
& l t ( u - h h ) — & l t{ u ) = Jim ш . q . I Д л ------- :-------- X i t -+- ¿ p . ) d p
% /_T
existe et Гоп a
&lt(u) = ¿L£*(k -i- o)-+-gt(u — o)],
Y|(M)s ïf(“ ■+■O)— : 0),

avec
K ç / ( m — o ) ç * ( m — о) = E £,(zî — о) o) = F 2l{( и — o)
et
Eçf{ и -+- o)5*( u f -+■ o) = K2,( m -+- o) pour u ^ u ' .
c.Pour que la fonction aléatoire X ( t 4 - tfx), à paramètre ¡x € (— ,

4 - 00), continue m .q ., soit stationnaire, il faut et il suffit que Гоп
ait
\ ( i ■+■ i;x) = Г eiuV-d%({u),
où ij(u) est une fonction aléatoire orthogonale à ses accroissements.

De plus, on vérifie aisément que pour u ^ u\
l£Yi (iOY/*(«, ) = 3/, i F , + r(M)

et
a ) = F/+/i(«).
»1 * NOTE DE M. LOÈVE.
De cette dernière relation on déduit que
E 2= 0, où Ç(*) = 5o(*0 ,
et, finalement :
T héorème 20. — P o u r que la fon ction aléatoire X (£-+-i*fx),

continue m. q., soit à caractère exponentiel, il fa u t et il suffit que
Von ait
X ( f -4- eU+ i\L)u
E n p a rticu lier y p ou r que la fo n ctio n aléatoire réelle X ( i) ,

continue m. q., soit exponentiellem ent convexe, il fa u t et ilsuffit que
Von ait
e l“ d t ( u ) , t € ( I).
Nous venons ainsi d'obtenir une classe de fonctions aléatoires à para

mètre complexe, X (£ -h £/x) définie dans la bande £€ (I), fx € (— oo,
-b oo), à caractère exponentiel au sens de la décomposition ci-dessus.
Les fonctions aléatoires stationnaires, ainsi que les fonctions
aléatoires exponentiellem ent convexes, se présentent comme cas p a r
ticuliers de cette classe, les stationnaires lorsqu'on tait varier /x sur
une droite de la bande parallèle à l'axe des ¡x, les exponentiellement
convexes lorsqu'on fait varier t sur une droite parallèle à l'axe dest,
dans l'intervalle intérieur à la bande. La bande peut d'ailleurs se réduire
à une droite parallèle à l'axe des fx.
A p p lica tion . — Soit une fonction aléatoire X(£) réelle telle que sa
covariance soit
r ( ' , O = E X ( 0 X ( O = ? ( « ') ,
et supposons, pour simplifier, que t varie dans un intervalle («?) du

demi-axe réel positif. On peut ramener l’étude de ces fonctions aléatoires
et de leurs covariances à l'étude précédente. En effet, posons
a = log/, b = \ogt\ Y (a ) = X (0 , Y (6 )= X (0 -
Alors
E Y (« ) Y (6 ) = 9(e«+*) = V ( a -h 6).
FONCTIONS ALÉATOIRES DU SECOND ORDRE. *19
Si X (*) est continu m. q. dans (¿f), il en est de même de Y ( a )

dans l’intervalle correspondant (I) de variation de a et les résultats
précédents s’appliquent. En particulier,
? ( a + 6 )= / £{«+*)* dF ( x ) ,
d’où, en revenant à t et
? ( « ') = f " (tt')*dF(x),

«A
et
f ea*d%(x)
Y (a )= v
donne
/•■ +•*
x«) =
'0
Nous avons ainsi la décomposition intégrale de la covariance et de la

fonction aléatoire.
Cas vectoriel. — Montrons à titre d’exemple comment la méthode

générale indiquée au début de cette Note permet d’étudier la fonction
aléatoire vectorielle X^(o>), jmeM, d la € ( I ) , de caractère exponentiel,
c’est-à-dire telle que ses composantes soient de caractère exponentiel
et leurs covariances mixtes de la forme
EXa( s ) x ; (T) = ^ , v( 7 -h -*) ( U, V € M ).
En introduisant les fonctions aléatoires à coefficients indéterminés
la définition ci-dessus est équivalente à la suivante : les Y Mn(a) sont de

caractère exponentiel.
11 en résulte, par des calculs élémentaires :
1. P ou r qu'une fonction aléatoire vectorielle X^((t ) soit de carac

tère exponentiel, il fa u t et il suffit que Von ait
E X îjl( * ) X Î ( t ) = fyL.via -+- -\>= f dFu,v(w),

~ — «
où les F^¿(u) sont des fonctions à variations bornées, rendant Vinté-

420 NOTE DE M. LOÈVE. — FONCTIONS ALEATOIRES DU SECOND ORDRE.
gra le absolument convergente et telle que, pour tout système de

valeurs fin ies de M„ , h et Xu., on ait
M« M,.
Dans le cas stationnaire et M = ( 1 , 2 , . . MN), on retrouve un théorème

de Khintchine-Cramér-Kolmogorofl.
2. En appliquant le résultat de l’analyse harmonique des fonctions

aléatoires scalaires de caractère exponentiel; on obtient une propriété
plus complète; dont 1 découle :
X e17“ d;>
les Ha(w) étant à accroissements mutuels orthogonaux, avec
E ? a (« ) ? Î ( w,) = F a ,v(«^ pour U ¿r //',
les F|i>v(w) satisfaisant a u x conditions du I. Les autres résultats de

cette partie s’étendent de la même façon.
B IB L IO G R A P H IE .
C ettí; bib lio g rap h ie co m p ren d , en plus des ouvrages e t m ém oires c ités dans le
te x te de cc livre, de n o m b re u x trav au x que nous n ’avons pas cités, m ais qui so n t
en rela tio n ave«' «les q u e stio n s exposées dans cc livre.
L. B a c h e l ie r .
[ 1 ] Théorie de la spéculation ( T h èse , Paris, 29 mars 1900 et A n n . É c. norm .

su p ., s. 3 , t. 1 7 , 1900, p. 21-86, notamment p. 3 5 -4 9 )*
[ 2 | Théorie mathém atique du jeu ( A n n , E c . n o rm . su p .y s. 3 , t. 1 8 , 1901,
p. 143-210 ).
[ 3 J Calcul des probabilités (Paris, Gauthier-Villars, 1912,516 p., notam m ent
chap. XVI, p. 3 2 3 -3 3 8 ).
[ 4 ] Les probabilités cinématiques et dynamiques (A n n , E c. n orm . s u p .y s. 3 ,
t. 30 , 1913, p. 77“ »19)-
[ 5 ] Les lois des grands nombres du calcul des probabilités (Paris, Gauthier-
Villars, 1937, 36 p .).
[6] Les nouvelles méthodes du calcul des probabilités (Paris, Gauthier-
Villars, 1939, 69 p.).
f 7 ] Probabilités des
oscillations inaxima (C. R. A ca d . S c .y t. 212,
19 mai 194*, p. 836-838 ).
J . B ass.
[ 1] Les méthodes modernes du calcul des probabilités et leur application au

problème de la turbulence ( G roupem ent f r a n c , p o u r le d év el. des recher
ches a éro n a u tiq u es , Paris, 3 rue Léon-Bonnat, 1946, 241 p., notamment
première partie, p. 3 r- 149)-
S. B e r n s t e in .
[ 1 ] Sur les liaisons entre les grandeurs aléatoires ( V e rh a n d l . d. in ter n .

m a th . K on g resses , Zürich, t. 1, 1932, p. 288- 3oq).
[ 2 ] Principes de la théorie des équations différentielles stochastiques (T r a v .
m ath, de V ln st. p h y s. m ath, de S te k lo ff , t. 5 , 1933, p. 95-124).
[ 3 ] Equations différentielles stochastiques (A c tu a lité s scient, et in d .} n° 738,
Paris, Hermann, 1938, p. 5- 32 ).
A . B lanc- L a pib r r e .
[ i J Deux notes : Sur certaines fonctions aléatoires introduites par un

problème d'électricité, et Sur quelques propriétés ergodiques des fonc-
22 B IB L IO G R A P H IE .
tions aléatoires { C . R . A c a d . 5 c., t. 218, 12 juin 1944» p. 924-925 et

26 juin 1944, P- 985-986 ).
[ 2 ] Les fonctions aléatoires stationnaires laplaciennes ( C . H . A ca d . 5 c.,
t. 220, 19 mars 1945, p. 378-380).
[3] Sur certaines fonctions aléatoires stationnaires. Applications à l'étude
des fluctuations dues à la stucture électronique de l’électricité (Paris,
Masson, 1945).
[ 4 ] Analyse harmonique des fonctions aléatoires stationnaires ( C o llo q u e
d 9a n a ly se h a r m o n iq u e , Nancy, juin 1947)•
[ 5 ] Remarques sur les propriétés énergétiques des fonctions aléatoires ( C . R .
A c a d . 5 c., t. 225, 24 novembre 1947, p. 982-984).
A. B lanc-L apierrb et R. B rard.

[ 1 ] La loi forte des grands nombres pour les fonctions aléatoires stationnaires
continues { C . /?. A c a d . 5 c., t. 220 , 1945, p. 134—136 ).
[ 2 ] Les fonctions aléatoires stationnaires et la loi des grands nombres { B u ll.
S o ciété m ath, de F r a n c e, t. 74 , 1946, p. io 2-io 5).
À. B lanc-L apierrb et R. F ortet .

[ 1 ] Deux notes : Sur la décomposition spectrale des fondons aléatoires
stationnaires d’ordre deux { C . R . A c a d . 5 c., t. 222, 20 février 1946,
p. 467-468 et 25 mars 1946, p. 713-714).
[ 2 ] Sur la structure des fonctions aléatoires strictement stationnaires à
spectre totalement discontinu ( C . R . A c a d . 5 c., t. 222, i 3 mai 1946,
p. i i 5 5- i ï 57).
[ 3 ] Les fonctions aléatoires stationnaires de plusieurs variables (R ev u e scien t.,
t. 85 , 1947, p. 419-422).
[ 4 ] Analyse harmonique des fonctions aléatoires et caractère stationnaire
( C . R . A ca d . 5 c., t. 2 2 5 , 8 décembre 1947, p. 1119-1120).
S. B ochnbr.
[ 1 ] Vorlesungen über Fouriersche Intégrale ( A k a d . V e r l a g s g e s Leipzig,

1932, 229 p.).
[ 2 ] Stable laws of probability and completely monotone functions ( D u ke
j o u r n ., t. 3 , 1937, p. 726-728).
[ 3 ] Stochastic processes { A n n a ls o f m a th., t. 48 , 1947, [>• 1014-1061).
É m il e B o r e l .
[ 1 ] Les probabilités dénombrables et leurs applications arithm étiques {R en d ,

d. cire. m at. P a le r m o , t. 2 7 , 1909, p. 247-271).
A . H. Copeland.
[ 1 ] A new deflnition of a Stieltjes integral { B u ll, o f the am er. m ath. S o c.,

t. 4 3 , 1937, p. 5 8 1 - 5 8 8 ).
BIBLIOGRAPHIE. 423
H. C ramer.
[ 1 ] Sur une propriété de la loi de Gauss (C . B- A ca d . S c ., t. 202 , 1936,

p. 6 i 5-6 i 6 ).
[ 2 ] Ueber eine Eigenschaft der normalen Verteilungsfunktion (M a th .
Z e its c h r ift , t. 4 1 , 1936, p. 4 o 5 - 4 *4 )»
[ 3 ] Random variables and probability distributions (Cambridge, U niv. press,
1937, p. 1-120).
[ 4 ] Sur un nouveau théorèm e limite de la théorie des probabilités (A c tu a lité s
scien t. et in d ., n° 7 3 6 , Paris, Hermann, 1938, p. 5 --i3 ).
[ 5 ] On the theory of stationary random processes (A n n a ls o f m a th ., s. 2,
t. 41 , 1940, p. 2 i 5- 23o).
[6] On harmonic analysis in certain functional spaces (A r k iv f . m at. a stron .
o . f y s i k , t. 28 , n° 12, 1942, p. 1-7).
[ 7 ] Mathematical methods of statistics ( P r in c e to n , Univ. P r e ss , 1946).
W. D o e b l in .
[ 1 ] Sur Téquation de Kolmogoroii (C . B- A c a a . S c ., t. 207, 24 octobre 1938,

p. 705-707).
"[2 ] Sur certains mouvements aléatoires (C. B. A ca d . S c., t. 208,
23 janvier 1939, p. 249-250).
J. L. D oob.
[ 1] Stochastic processes and statistics ( P r o c e e d . nat. A ca d . S c. U. S . A .,

t. 20, 1934, p. 376-379).
[ 2 ] Stochastic processes depending on a continuous param eter (T r a n sa ct, o f
the am er. m a th . S o c ., t. 4 2 , 1937, p. 107-140).
[ 3 ] The elementary gaussian processes (A n n a ls o f m a th • statistics, t. 15,
1944, P- 229-282).
P. E rdos.
[ 1 ] On the law of the iterated logarithm (A n n a ls o f m a th., s. 2, t. 43, 1942,

p. 419-436).
E. F e l d h b im .
[ 1 ] Étude de la stabilité des lois de probabilité (T h è se d 'U n iv ersité, Paris,

26 février 1937. Imp. de la ville de Szeged, Hongrie, p. 7-64).
W. F eller.
[1 ] On the integro-difTerential equations of purely discontinuous Markoff

processes (T r a n s, o f the am er, m a th . S o c ., t. 48 , 1940, p. 488-5 i 5 ).
[ 2 ] The general form of the so-called law of the iterated logarithm* ( Trans,
o f the am er. m ath. S o c., t. 54 , 1943, p. 373-402).
[ 3 ] The law of the iterated logarithm for identically distributed random
variables (A n n a ls o f m a th., t. 47 , 1946, p. 63 i- 638 ).
424 BIBLIOGRAPHIE.
B . DE F lN E T T I .
[ 1 ] Sulle funzioni a incremento aleatoçio ( R e n d . A cca d . d. L in ce i, s. 0 ,

t. 1 0 , 1929, p. i 6 3 - i 6 8 ), et deux autres notes dans le même volume (p. 3 a 5 -
329 et 5 4 8 - 5 5 3 ).
[ 2 ] Funzione caratterislica di un fenomeno aleaio rio {M em . A c c a d . d . L in c e i ,
5. 6 , t. 4 , 1930, p. 8 5 -1 3 3 ).
R. F ortet.
[1 j Sur la notion de fonction aléatoire ( R evue sc ie n t. , t. 79, 1941, p. i 3 5 ).
M. F aéchet.
[ 1 ] Généralités sur les probabilités; et Théorie des événements en chaîne

dans le cas d'un nombre fini d'états possibles (t. 1, fasc. 3 , du Traité de
calcul des probabilités et de ses applications, par Emile Borel; vol. I, 1937,
3 6 8 p. ; vol. II, 1938, 3 i 5 p.).
[ 2 ] Les probabilités associées à un système d'événements compatibles et

dépendants (A c tu a lité s scien t. et in d ., n° 9 4 2 , Paris, Herm ann; première
partie, 1940, 82 p . ; deuxième partie, 1943, i 3 i p.).
P. H artmann et A. W in t n b r .
[ 1 ] On the spherical approach to the normal distribution law {A m er, jo u r n .

o f m a th ., t. 6 2 , 1940, p. 709-779).
[ 2 ] On the law of the iterated logarithm {A m e r jo u r n . o f m a th . , t. 63, 1941>
p. 169-176).
[ 3 ] On the infinitesimal generators of integral convolutions {A m er, jo u r n . o f
m a th ., t. 6 4 , 1942, p. 273-298).
E . K . H a v il a n d .
[ I] On the inversion formula for Fourier-Stieltjes transforms in more than

one dimension {T ra n s, o f the a m er . m ath. S o c ., t. 3 7 , 1935, p. 94-100
et 382-388).
B. H0STIN8KY.
[ 1 ] Méthodes générales du calcul des probabilités {M ém o ria l des S c. m a th .,
n ° 5 2 , I93i, 66 p.).
[2] Équations fonctionnelles relatives aux probabilités continues en chaîne
{A c tu a lité s scient, et i n d . , n ° 7 8 2 , Paris, Hermann, 1939, 4 6 p.).
ß . J essen.
[1] Ueber eine lebesguesche Theorie für Funktionen unendlich vielen

Veränderlichen (7ler S k a n d . M at. K on gress, O slo , 1929, p. 127-138).
[ 2 ] The theory of integration in a space of an infinite num ber of dimensions
{ A c ta m a th ., t. 6 3 , 1934, p. 2 4 9 -3 2 3 ).
BIBLIOGRAPHIE. /,25
B. J essen e t A. W in t n b r .
[ 1 ] Distribution funclions and the Riemann zeta function ( T rans. o f the a m er .

m ath. S o c . , t. 3 8 , 1 9 3 5 , p. 48-88).
M. K ac.
[ 1 ] On a characterization of the normal distribution (A m er, jo u r n . o f m a th . ,

t. 6 1 , 1939, p. 726-728).
M. K ac et H. S t e in h a u s .
[ 1 ] Sur les fonctions indépendantes ( S tu d ia m a th ., t. 6, IQ36, p. 69-66).
J. K am pé d e F é r ie t .
[ 1 ] Sur les fonctions aléatoires stationnaires et la théorie statistique de la

turbulence homogène (A n n . So c . scien t . de B r u x e lle s , s. I, t. 5 9 , 1939,
p. 145-194).
[ 2 ] Quatre notes sur les fonctions aléatoires ( C . R . A c a d . S c ., t. 2 2 5 , 1 9 4 7 »
p. 37, 4 -*8 , 6 2 3 , et t. 2 2 6 , 1948, p. 868).
A. K h in t c h in e .
[ I] Ein Satz der W ahrscheinlichkeitsrechnung (F u n d a m en ta m ath, y 1. 6,

1 9 2 4 , P- 9-20).
[ 2 ] Ueber das Gesetz der grossen Zahlen (M a th . A n n . , t. 9 6 ,1926, p. 162-168).
[ 3 ] Ueber einen neuen Grenzwerlsatz der W ahrscheinlichkeitsrechnung
(M ath. A n n . y t. 1 0 1 , 1929, p. 745-752).
[ 4 ] Asymptotische Gesetze der W ahrscheinlichkeitsrechnung (E rg eb n isse der
M ath, u n d ihrer Grenzgebietey t. 2 , fase. 4 , Berlin, Springer, 1933, 77 p.).
[ 5 J Sülle successioni stazionarie di eventi ( G i»rn . Ist. ita l. Attuariy t. 3 ,
ig 3 2 , p. 267-272).
[6] Ueber stationäre Reihen zufälliger Variablen (R ec. Soc. m ath. M oscout
t. 4 0 , 1939, p. 124-128).
[ 7 ] Korrelationstheorie der stationären stochastischen Prozesse (M ath. Ann.y
t. 1 0 9 , 1934, p. 604-615 ).
A . K h in t c h in e e t A . K olm ogoroff.
[ 1 ] Ueber Konvergenz von Reihen deren Glieder durch denn Zufall bestimmt
werden (R e c u e il Soc. m ath, de Moscouy t. 3 2 , 1926, p. 668-677).
A . K olmogoroff.
[ 1 ] Ueber die Summen durch den Zufall bestimmter unabhängiger Grössen

(M ath. Ann.y t. 9 9 , 1928, p. 3o9~3i9, et t. 1 0 2 , 1929, p. 484-488).
[ 2 ] Ueber das Gesetz des iterierten Logarithmus (M ath. Ann.y t. 1 0 1 , 1929,
p. 126 - 1 3 5 ).
[ 3 ] Ueber die analytischen Methoden in der W ahrscheinlichkeitsrechnung
(M ath. Ann.y t. 1 0 4 , 1931, p. 4 i 5 -4 5 8 ).
I*. I.KVY.
-'8
426 BIBLIOGRAPHIE.
[ 4 ] Eine Verallgemeinerung des Laplace-Liapounoffschen Salzës {BulL Acad.

Sc. U. R. 5 . 5 ., 1931, p. 959-962).^
[ 5 ] Sulla forma generale di un processo stocastico omogeneo (Rend. Accad.
Lincei, s. 6, t. 1 5 , 1932, p. 8 o 5 -8 o 8 et 866-869)*
[ 6 ] Ueber die Grenzwertsatze der W ahrscheinlichkeitsrechnung( 2tof/. Acad.
Sc. U. R. S. S., 1933, p. 363- 372).
[ 7 [ Grundbegriffe d er W ahrscheinlichkeitsrechnung (Ergebnisse der Math,
und ihrer Grenzgebiete, t. 2 , fasc. 3 , Berlin, Springer, 1933, 62 p.)
P aul L évy.
[ 1 ] Leçons d'analyse fonctionnelle (P aris, G authier-Villars, 1922, 4^9 p.).

[2] Sur la déterm ination des lois de probabilité par leurs fonctions caracté
ristiques (C. R. Acad . Sc,, t. 1 6 5 , i 3 novembre 1922, p. 8 5 4 -8 5 6 ).
[ 3 ] Théorie des erreurs. La loi de Gauss et les lois exceptionnelles {Bull.
Société math. France, t. 52 , 1924, p* 49*85).
[ 4 ] Calcul des probabilités (Paris, Gauthier-Villars, 1925, 345 p.).
[ 5 ] Sur un théorème de M. Khintchine (Bull. Sciences math., t. 53, 1931,
p. 145-160).
[6] Sur les séries dont les term es sont des variables éventuelles indépendantes
(Studia math.y t. 3 , I 9 3 i, p. 119-15 5 ).
[ 7 ] Sur les intégrales dont les éléments sont des variables aléatoires indé
pendantes (Annali Scuola] nirm. Pisa, s. 2, t. 3 , 1934, p. 337-366 et 4 ,
1935, p. 217-218).
[ 8 ] Propriétés asymptotiques dessommes de variables aléatoires indépendantes
ou enchaînées (Journ. de math., t. 1 0 0 , 1935, p. 347-402).
[ 9 ] La loi forte des grands nombres pour les variables aléatoires enchaînées
(Journ. de math., t. 101, 1936, p. 11-24).
[ 10 ] Sur le développement en fraction continue d?un nombre choisi au
hasard (Composition math., t. 3 , 1936, p. 286-3o 3 ).
[11] Théorie de l'addition des variables aléatoires (Paris, Gauthier-Villars,
1937j 3 2 8 p.).
[ 1 2 ] Complément à un théorèm e sur U loi de Gauss (Bull, sciences math.,
t. 61, 1937, p. 115-128).
[1 3 ] Distance de deux variables aléatoires et distance de deux lois de proba
bilité (Note finale, dans M. F réchet [ 1 ], vol. 1, p. 286-292).
[ 1 4 ] Sur les exponentielles de polynômes et sur l'arithm étique des produits
de lois de Poisson (Ann. Éc. norm. sup., s. 3 , t. 5 4 , 1937, p. 231-292).
[ 15 ] L'arithmétique des lois de probabilité (Journ. de math., t. 103, 1938,
p. 17*40).
[ 1 6 ] Sur une loi de probabilité analogue à celle de Poisson et sur un sous-
groupe im portant du groupe des lois indéfiniment divisibles (Bull. Sciences
math., t. 6 3 , 1939, p. 247-268).
[ 1 7 ] L'addition des variables aléatoires définies sur une circonférence (Bull.
Société math. France, t. 6 7 , 1939, p* 1-4 0 *
BIBLIOGRAPHIE. 4^7
[ 18 ] Sur certains processus stochastiques homogènes ( Compositio math.,

t. 7 , 1939, p. ? 83*339 ).
[ 19 ] Le mouvement brownien plan (Amer. Journ. of math., t. 62 , 1940,
p. 487-55o).
[ 20 ] Intégrales stochastiques (A n n . Univ. de Lyon, s. 3 , Sciences, sect. A,
fasc. 4 , 1941, p. 67-74).
[ 21 ] Une propriété d’invariance projective dans le mouvement brownien (pli
cacheté déposé à l’Académie des Sciences le 16 juin 1943, ouvert le 23
octobre 1944; C. R. Acad. Sc., t. 219, p. 376-378).
[ 22 ] Un théorème d’invariance projective relatif au mouvement brownien
(Commentarii math. helvetici, t. 16, iq 43, p. 242-248).
[23] Dérivation et intégration aléatoires et équations différentielles stochas
tiques (C. R. A cad .Sc., t. 219, i 3 décembre 1944, P« 6oa-6o 3 ).
[ 24 ] Le mouvement brownien dépendant de plusieurs paramètres (C. R.
Acad. Sc., t. 220, 26 mars 1945, p. 420-422).
[ 23 ] Trois théorèmes sur le mouvement brownien (Congrès de VAssoc.
franc. pour avanc. des sciences, Paris* octobre 1945, et Intermédiaire di
Recherches math., supplément au fasc. 9 , janvier 1947, p» 124-126).
[ 26 ] Processus fortement continus et loi de Laplace (C. R. Acad. Sc., t. 222 ,
8 avril 1946, p. 839-841).
[ 27 ] L ’analyse harmonique des fonctions aléatoires stationnaires (Colloque
d'analyse harmonique, Nançy juin 1947).
[ 28 ] Chaînes doubles de Markoff et fonctions aléatoires de deux variables
(C. R. Acad. Sc., t. 226, 5 janvier 1948, p. 53- 55).
[ 29 ] Exemples de processus doubles de Markoff (C. R. Acad. Sc., t. 226,
26 janvier 1943, p. 3o7-3o8).
J. W. L in d e b e r g .
/
[1] Eine neue H erleitung des Exponentialgesetzes in der W ahrscheinlich
keitsrechnung (Math. Zeitschrift, t. 1 3 , 1922, p. 2 1 1 - 2 2 5 ) .
M. Loève.
[ 1 ] Nouvelles classes de lois limites (C. R. Acad. Sc., t. 210, 5 février 1940,
p . 2 0 2 -2 0 4 ).
[ 2 ] Sur la covariance d’une fonction aléatoire (C. R. Acad. Sc., t. 220,5 mars
1945, p. 295-296).
[ 3 ] Analyse harmonique générale d’une fonction aléatoire (C. R. Acad. Sc.,
t. 220, 19 mars 1945, p. 38o-382).
[ 4 ] Nouvelle classe de lois limites (Bull. Société math. France, \. 73 , 1945,
p. 107-126)
[ 5 ] Sur les fonctions aléatoires stationnaires de second ordre (Revue scient.,
t. 83 , 1945, p. 297-3o3).
[6 ] Quelques propriétés des fonctions aléatoires de second ordre (C. R.
Acad. Sc,, t. 222 , 25 février 1946, p. 469-470).
4 >8 B IB L IO G R A P H IE .
[ 7 ] Sur les fonctions aléatoires vectorielles de second ordre (C . R . A c a d .

5 c., t. 222, i 5 avril 1946, p. 942-944)«
[ 8] Fonctions aléatoires du second ordre (R ev u e scien t. , t. 84, 1946, p. 19:**
206).
[9] Fonctions aléatoires; analyse harmonique, application au problème
ergodique et è la fonction modulaire (C o llo q u e d 'a n a ly s e h a rm o n iq u e ,
Nancy, juin 1947)-
J. M a r c in k ib w ig z .
[ 1 ] Quelques théorèmes de la théorie des probabilités (T ra p . S o cié té d es

S cien ces et des lettres de W iln o , Cl. Sc. math, et nat., 1. 13, iq 33, p. i - i 3 ).
J. M a r c in k ib w ig z et A. Z ygmùnd.
[ 1 ] Remarque sur la loi du logarithme itéré (F u n d a m e n ta m a th ., t. 29,

I937, p. 215-222).
M. M a t h ia s .
[ 1 ] Ueber positive Fouriersche Intégrale (M ath. Z e its c h r ift , t. 16, 1923,

p. 103-125).
R. Ц. A. C. P aley et N. W ibner .
[ 1 ] Fourier transforms in the complex domain (New-York, publ. by the amer,
math. Soc., 1934, i 8 4 p>; notamment chap. IX, p. 140-162).
R. E. A. C. P alky et A. Z ygmund
[ 1 ] On some series of functions ( P ro ce ed . C a m b rid g e p h i l . 5 oc., t. 26 , 1930,

p. 337-357).
F. B errín .
[1 ] Etude mathématique du mouvement brownien de rotation (A n n . È c. n orm .
sup., s. 3 , t. 45, 1928, p. i- 5 1 ).
I. P btrowsky.
[ 1 ] Ueber das Irrfahrtproblem (M ath. A n n ., t. 109, 1933-1934, p. 425-434).
[ 2 ] Zur ersten Randwertaufgabe der W ârm eleitungsgleichung (C om p ositio
m ath., t. 1, 1935, p. 383-419 ).
G. PÓLYA.
[1] Sur la promenade au hasard dans un réseau de rues (A c tu a lité s scien t,

et in d ., n° 7 3 4 , Paris, Hermann, 1938, p. 2 5 - 4 4 ).
I. J. SCHONIERG.
[ 1 ] Metric spaces and completely monotone functions ( A nna Is o f m a th., t. 39 ,
1938, p. 8 u - 84 i).
[ 2 ] Metric spaces and positive definite functions ( 7>ans. o f the am er, m a th .
Soc., t. 4 4 , 1938, p. 5 2 2 - 5 3 6 ).
BIBLIOGRAPHIE. 429
L. S chw artz.
[ 1 ] Généralisation de la notion de fonction, de dérivation, de transformation

de Fourier, et applications mathématiques et physiques ( A n n a le s Unis>. de
G ren o b le , t. 21 , 1945, p. 57-74), et un autre mémoire»en cours d’impression
dans le même recueil.
[ 2 ] Théorie des distributions et transformations de Fourier (C o llo q u e d a n a lyse
h a rm o n iq u e , Nancy, juin 1947).
A. S0MM8RFELD.
[ 1 ] Eine besonders anschauliche Ableitung des Gauss’schen Fehlergesetzes
(Boltzm ann-Festschrift, Leipzig, 1904, p. 848-859).
K. S lutsky.
[1] Sur les fonctions éventuelles continues, intégrables et dérivables dans le

sens stochastique (C . R . A c a d . Sc.> t. 1 8 7 , 12 novembre 1928, p. 878-880).
[2] Sur les fonctions aléatoires presque périodiques et sur la décomposition des
fonctions stationnaires en composantes ( A c tu a lité s scien t . et in d ., n° 738,
Paris, Hermann, 1938, p. 33-55 ).
H. S t e in h a u s .
m L es probabilités dénombrables et leur rapport à la théorie de la mesure

( F u n d a m en ta m a th ., t. 4 , 1922, p. 286-3io).
[ 2 ] La théorie et les applications des fonctions indépendantes au sens stocha
stique ( A ctu a lité s sc ie n t. et in d ., n° 7 3 8 , Paris, Hermann, iq 3 8 , p. 5 7 - 7 3 ).
M . H . Stone.
[ 1 J On one param eter unitary groups in H ilbert space (A n n . o f. M a th ., t. 3 3 ,

1932, p. 6 4 3 -6 4 8 ).
[ 2 ] Linear transformations in H ilbert space and their applications to analysis
(A m e r . m ath. Soc.> Colloquium public., t. XV, 1932).
N. W ie n e r .
[ 1 ] Differential space (Journ . o f m ath, a n d p h y s ., M a ssa ch usetts Inst, o f

T e ch n o lo g y , t. 2 , 1923, p. 131-174).
[ 2 ] Generalized harmonic analysis (A cta m a th ., t. 00, 1930, p. 117-258).
[ 3 ] The homogeneous chaos (A m er, jo u r n . o f m ath., t. 60, 1938, p. 897-936).
N. W ie n e r et A. W in t n e r .
[ 1 ] On singular distributions (Journ. o f m ath, a n d p h y s ., M assachusetts Inst,

o f T e ch n o lo g y , t. 1 7 , 1939, p. >33 -2 4 6 ).
N. W ie n e r e t A . Z ygmund.
[ 1 ] Notes on random functions (M ath. Z e its c h r ift , t. 37, iq 3 3 , p. 647-668).

/ |J O B IB L IO G R A P H IE .
A . W lN T N K R .
[1] Upon a statistical method in the theory of diophantine approximation

(Amer. journ. of math., t. 55, i<)33, p. 3o*)-33 i).
| 2 | Gaussian distributions and convergent infinite convolutions (Amer. journ.
o f math., t. 57, i<)35, 821-82G).
[ 3 ] On a class of Fourier transforms (Amer. journ. of math., t. 5 8 , i<
j 36,
p. /10-90 et 4'i 5 ).
[ 1 ] Lectures on asymptotic distributions and infinite convolutions (Ann. Arbor.,
Edward broth., 1938).
[51 The Fourier transforms of probability distributions (Ann. Arbor., Edward
broth., 19/17, *#'3 P-)-
I I . W old.
[ 1 ] A study in the analysis of stationary time series (Inaugural Dissertation,
Stockholm ; Uppsala, 1938).
L . G . Y oung.
[ 1 ] An inequality of the Holder type connected with Stieljes integration

(Acta math., t. 0 7 , H)3 6 , p. 251-282).
COMPLÉMENTS A LA BIBLIOGRAPHIE.
R. H. C ameron et W . R. M artin .
[ 1 ] The W iener's measure of H ilbert neighbourhood in the space of real

continuous functions (Journ. of the Mass. Inst, of Technology, t. 2 3 , 1944,
p. 195-209).
K. L . G iiu n g .
[ 1 ] Markov chains with stationary transition probabilities (Springer, i960,

278 p .).
K . L . C h u n g , P . E rd ô s e t T . S i r a o .
[ 1 ] On the Lipschitz’s condition for Brownian motion (Journ. of the math.

Soc. in Japan, 1 . 11, n° i, 1959).
J. D elporte.
[ 1 ] Fonctions aléatoires presque sûrement continues sur un intervalle fermé

(Thèses de TUniv. de Lille, n° 115, 4 décembre 1963).
J» L. D oob.
[ 4 ] Stochastic processes (W iley and Sons, 1953, vi-654 p.)-

[ 5 ] Brownian motion on a Green space (Teor. Veroyatnost. i Primeneu,
t. IL 1 , 1957, p. 3 - 3 3 ).
B IB L IO G R A P H IE . i ‘t l
| 0 | Conditional Brownian motion and the boundary limits of harmonic functions

{ B u ll. Soc. Math., de F r a n c e , t. 8 3 , 1957, p. 4 3 1 -4 5 8 )*
A. D vorkt/.k'y , l>. linnos et S. K akitani.

[ 1 ] Double points of paths of Brownian motion in /i-space ( A cta Scient,
m a th., Szeged, t. 12 B, 1900, p. 75-81).
[ 2 ] Multiple points of paths of Brownian motion in the plane { B u ll, o f the
R esearch C o u n c il , Israel, t. 3 , 1954, p.364-37i).
[ 3 ] Points of multiplicity C of plane Brownian motion paths { ib id . t. 7 F, 1958,
p. 175-180).
[ i] Non increase everywhere of the Brownian motion process {P ro c. o f the
F o u rth B e r k e le y Sym posium on M ath. S ta t. a n d P ro b ., 19(>o, edit. 19b!,
t. II, p. io 3-i 16).
A. D voretzky, P. K udos, S. K akltani et S. J. T aylor .

[ 1] Triple points of Brownian path in 3 -space {P ro c. o f the C a m b rid g e p h il.
Soc., t. 5 3 , f\, 1957, p. 8 5 6 -8 6 *
2 ).
E. B. D ynrin.
[ 1] Fondements de la théorie des processus de Markov (trad, franc., Dunod,
1963, vu - 204 p.).
E. F eldiikim.
[ 1 ] Sur une équation singulière { B u ll, des Scien ces M ath., t. fil, 19I7, p. 10-18).
M. F réciiet.
[ 1 ] Les probabilités nulles et la raréfaction {A n n . scient. É c. norm , sup.,
t. 80, 1963, p. 139-172).
T. H I D A .
[1] Canonical representations of Gaussian processes and their applications
{M em oirs o f the C o lle g e o f S cien ce, Univ. of Kyoto, s. A, t. X XIII, math.
n° 1, i960, p. 109-155).
G. A . H unt.
[ 1 ] Some theorems concerning Brownian motions {T ra n s, o f the A m er. m ath.
S o c., t. 81, ig 56, p. 294-319).
K. It o .
[ 1 J Complex multiple W iener integral {Ja p. Journ. o f M ath., t . 2 2 , n)r>3 ,

p. 6 3 -8 6 ).
M. K ac e t A . J. F . S iegert.
[ 1 ] An explicit representation of a stationary Gaussian process {A n n a ls o f

m ath. S ta t., t . 1 8 , 1947, p. 4 3 8 -4 4 *
2 ).
--r
32 BIBLIOGRAPHIE.
S. Kakutani.
[ 1 ] Two dimensional Brownian motion and harmonic functions ( P r o c . o f the
m a th . In stitu te , Osaka, t. 2 0 , 1 9 4 4 , P* 700-708).
[ 2 ] Two dimensional Brownian motion and the type problem of Riemann
surfaces (Ib id ., t. 11 . 194"), p. i 38 - i 4 o).
K. K arhuxen.
[ 1 ] L eber lineare Methoden in der W ahrscheinlichkeitsrechnung ( A n n . A ca d .

S cien tia ru m F e n n ic a e , s. A, t. I, Math. Phys., fasc. 3 7 , 1947, 79 p .)
[ 2 ] Leber die S tru k tu r stationären zufälliger Funktionen (A r k iv f ö r M a th.,
Stockholm, t. 1 , 1949. |>* i 4 i-iho).
P aul L évy .
[ 3 0 ] W iener s random function and other Laplacian random functions (P ro c , o f

the second B e r k e le y Sym posium on m ath. Sta t. a n d P r o b a b ility ,
août 1900, éd. 1961, p. 171-187).
[ 3 1 ] Random functions : general theory w ith special reference to Laplacian
random functions (U n iv . o f C a lifo r n ia p u b l. on S ta tistics, t. 1 , 1953,
p. 3 3 i- 3 9 o).
[ 3 2 ] La mesure de IlausdorÎT de la courbe du mouvement brownien ( G io rn a le
d. Istituto italiano d. A lt u a r i, t. XVI, 1953, p. 1-37).
[ 3 3 ] Brownian motion depending on n param eters; the special case n = 5
(P ro c. 7lh Sym posium in a p p lie d m ath, o f the A m e r, m ath., soc.,
Brooklyn, avril 1955, éd. 1907, p. 1-20).
[ 3 4 ] A special problem of Brownian motion, and a general theory of Gaussian
random functions (P ro c. o f the th ird B e r k e le y Sym posium on m ath. S ta t.
a n d P r o b a b ility , Berkeley! 1955, éd. 1966, p. 13 3 - 1 7 5 ).
[ 3 3 ] Random functions : a Laplacian random function depending on a point
of H ilbert space (U n iv . o f C a lifo r n ia p u b l. on Sta tistics, 1906, p. 190-205).
[ 3 0 ] Le caractère universel de la courbe du mouvement brownien et la loi du
logarithme itéré (B e n d . d. C ire. m at. d. P a le r m o , s. 2 , t. IV, 1905,
p. 3 3 7 - 3 0 0 ).
[ 3 7 ] Une nouvelle classe de fonctions symboliques : les ^-fonctions ( B u ll, des
S cien ces m ath., t . 8 0 , 19ÔO. p. 1-14).
[ 3 8 ] Sur une classe de courbes de l’espace de Hilbert et sur une équation
intégrale non linéaire (A n n . scient. É c. norm , sup., t . 7 3 , 1906, p. 121-10G).
[ 3 9 ] Fonctions aléatoires à corrélation linéaire (I llin o is jo u r n . o f m a th ., t. 4,
*9 ^7 , P- 2 1 7 -2 5 8 ).
[-4 0 ] Fonctions linéairement markoviennes d’ordre n (M ath, ja p o n ic a e , t. IV,
1907, p. 113 -121 ).
[ 4 1 ] Construction du Processus de W . Feller et II. P. Mc Kean en partant du
mouvement brownien (T h e C ra m er volum e, Almqvist and W iksell,
Stockholm; J. W iley and Sons, New York, 1909, p. 1G2-174).
BIBLIOGRAPHIE. 43 3
[ 4 2 ] Deux nouvelles extensions du mouvement brownien ( C . R . A c a d . S c .,

t. 2 5 0 . i960, p. 966-968).
[ 4 3 ] Le mouvement brownien fonction d’un point de la sphère de Riemann
(R en d . d. C ir . m at. d. P a le r m o , s. 2 . t. 8. 19Ô9. p. 1-14 )-
[ 4 4 ] Le déterminisme de la fonction brownienne dans l’espace de H ilbert
( A n n . scient. É c. norm . sup., t. 7 9 . 1962, p. 377-398).
[ 4 3 ] Le déterminisme de la fonction brownienne dans l’espace de H ilbert;
second mémoire (Ib id .. t.8Ü. 1963. p. 193-212).
[ 4 6 ] Le mouvement brownien fonction d’un ou de plusieurs param ètres
(R en d icon ti d i M a tem ática , t. 2 2 . 1963. p. 24-101).
[ 4 7 ] Systèmes laplaciens de variables aléatoires (Journ. de m a th ., en cours
d’impression;.
G. M arcyama.
[ 1 ] The harmonie analysis of stationary stochastic processes ( M em oirs o f the
f a c . o f Sciences, Kyusyu Univ., s. A., t. 4 . 1 9 4 9 - p. 4 5 -io 6 ).
T . SlRAO.
[ 1 ] On the continuity of Brownian motion with a multidimensional param eters

(.X a g o y a m ath, jo u r n a l, t. 1 9 . i960, p. i 3 5 - i 3 6 ).
S. J. T aylor.
[ i ] The a-dimensional measure of the graph and set of zeros of a Brownian
path ( P r o c . o f th e C a m b rid g e p h i l . S o c ., t . 3 1 , 1955, p. 265-274).
N. N. T chentsov,
Le mouvement brownien à plusieurs param ètres de M. Lévy et le bruit blanc
généralisé ( T h éo rie et a p p lica tion s des p r o b a b ilité s , Acac. d. Sc. de
l’U. R. S. S., t. 2 . 1957, p. 281-282).
N. W iener.
[ 4 ] Un problème de probabilités dénombrables ( B u ll. Soc. m a th . de F ra n c e ,
t. 5 2 . 1924, p. 569-5-8).
TABLE DES MATIERES
Pafe».
I ntroduction I
CHAPITRE I.
D eux exem ples simples de processus stochastiques.
1 . La fonction X(f) du mouvement brownien linéaire............................................. i5

2. La fonction réduite Ç(f). Un théorème d’invariance projective.......................... 20
3. Remarques et corollaires.......................................................................................... 22
4. Exemples de fonctions aléatoires discontinues liées à la loi de Poisson........... 23
CHAPITRE IL
¡Vouons générales sur les processus stochastiques .
5. Processus stochastiques et fonctions aléatoires.................................................... 27

6. Définition directe des processus stochastiques...................................................... 3o
7. Continuité des processus stochastiques.................................................................. 34
8. Premières notions sur les processus de Markoff.................................................... 37
9. Les équations différentielles stochastiques........................................................... 4°
10. Le problème de Cauchy pour les équations différentielles'stochastiques......... 45
11. Formation effective de X(f).................................................................................... 5o
12. Cas particuliers et exemples................. ............................................................... 33
13. La dérivation et l’intégration des fonctions aléatoires........................................ 56
14. Conditions d'existence de la dérivée aléatoire m. ..................................... 69
CHAPITRE III.
Les processus de Markoff et la diffusion de la probabilité .
15. Les équations de Chapman et de Kolmogoroff..................................................... 63

16. L’équation de la diffusion delà probabilité........................................................... 64
17. Cas particuliers.........................................................................................................
18. Les processus fortement continus et la loi de Laplace.....................................
19. Le mouvement brownien et l'équation de la chaleur. Problème de Cauchy et
problèmes de types m ixtes.................................................................................. 76
2 0 . Applications............................................................................... ............................... 8a
2 1 . Théorèmes asymptotiques relatifs au mouvement brownien.............................. 84
2 2 . Cas des fonctions aléatoires vectorielles................................................................ 89
436 TABLE DES MATIÈRES.
C H A PITR E IV.
Les processu s sta tio n n a ire s.
Pa<es,
23. N otions générales......................................................................................................................... 91
24. E xem ples......................................................................................................................................... 94
c*
5. T héorèm es généraux sur la co v arian ce............................................................................. io3

26. D érivées des fonctions aléatoires s ta tio n n a ir e s ............................................................... no
27. Analyse harm onique des fonctions' aléatoires s ta tio n n a ire s......................................... 114
28. Le cas des fonctions aléato ires de p lu sieu rs v ariab les................................................... 126
CHAPITRE V.
Les processus a d d itif s .
29. Lem m es relatifs aux séries à term es aléatoires in d ép en d an ts. L eu r application

aux processus ad d itifs............................................................................................................ 101
30. R em arques su r certaines fonctions d is c o n tin u e s ............................................................. i34
31. Les tro is types de processus ad d itifs................................................................................... 106
32. Le théorèm e réciproque. Processus additifs faiblem ent continus et lois
indéfinim ent divisibles...........................................................................................................
33. L 'unicité de la re p ré se n ta tio n , et l'arith m é tiq u e des lois indéfinim ent divisibles. 146
34. T héorèm es relatifs à la loi de L a p la c e ............................................................................... lÔO
35. Les lois de plus en plus d iv isib le s....................................................................................... 102
36. La m éthode de IL de F in e tti et A. KolmogorolV............................................................. i57
37. Les types de lois stab les........................................................................................................... 160
3S. Un groupe de lois de P e a rs o n .........................*..................................................................... 1 65
39. Les processus additifs su r la c irco n féren ce....................................................................... i;o
40. Les processus additifs dans les espaces à p lu sieu rs d im en sio n s................................. i “5
CHAPITRE VI.
É tu d e a p p ro fo n d ie d u m ouvem ent brow nien lin éa ire .
41. La notion d ’oscillation b r o u n ie n n e ..................................................................................... 1 S9

42. Les fonctions M(V) et Y ( t ) ............................................................................................................................................................... iq 3
43. Les longueurs des intervalles v ' ............................................................................................ 197
44. F orm ules relatives à l'intervalle e co n ten an t une valeur donnée de t ................... 199
45. Form ules d ’interpolation. Application du théorèm e 2 ................................................... 203
40. L’inversion de M( 0 - P ro p riétés de la fonction inverse 'I' (x ) ................................... 2 o5
47. C onstruction directe de l'ensem ble «S,. Équivalence stochastique de et «s, . . . 209
48. Deuxième m éthode pour la co n stru ctio n d irecte de ^ ................................................. 212
49. La rec o n stru ctio n de \ ( t ) par l'in term éd iaire de Équivalence stochastique
de ; \ ( 0 !, Y , , n et Y ......................................................................................... : . . . .
50. La fonction som m aloire de X ( 7' ) ........................................................................................ 221
51. La loi du logarithm e ité ré ....................................................................................................... 220
TABLE DES MATIERES. 437
CHAPITRE VII.
Le mouvement brownien plan.
Pages.
52. L’allure générale de la courbe C........................................................................................... 233
53. Mesure superficielle et oscillation b ro w n ien n e................................................................. 240
54. La ferm eture de la courbe C ................................................................................................. 243
55. L’aire stochastique de la courbe C....................................................................................... 245
56. P ropriétés intrinsèques de la courbe C. R eprésentation conform e et problèm es
aux lim ite s ................................................................................................................................ 204
CHAPITRE VIII.
Le mouvement brownien à plusieurs paramètres.
57. R em arques p ré lim in a ire s.......................................................................................................... 209

58. Le lem m e de I. J. Schünberg et L. S chw artz................................................................... 260
59. D éfinition du m ouvem ent brow nien à p p a ra m è tr e s ..................................................... 261
60. R eprésentation g éo m étriq u e de la fonction a lé a to ire du m ouvem ent b ro w n ie n . 266
61. Étude de quelques figures simples........................................................................................ 26 S
62. La d ro ite et un p o in t e x té rie u r.............................................................................................. 271
63. La sphère et les polyèdres réguliers. P ro p rié tés a sy m p to tiq u es............................... 273
COMPLÉMENT
(rédigé pour la deuxièm e éd itio n ).
PROCIIÈS RÉCENTS IlE LA THÉORIE DES FONCTIONS ALÉATOIRES LAPLACIENNES.
CHAPITRE I.
Xotions générales sur les fonctions aléatoires laplaciennes.
1. D éfinitions e t rem arques p ré lim in a ire s.............. 27g

2. P robabilités conditionnelles dans un systèm e lap lacien ............................................... 282
3. L’intégrale de G. M aruyam a.................................................................................................... 284
4. L’intégrale à lim ite su p érieu re variable et les re p ré se n ta tio n s can o n iq u es............. 28 S
5. U ne courbe rem arq u ab le de l’espace de H ilb e rt............................................................. 290
6 . C aractérisation des noyaux canoniques............................................................................... 292
7. La variation infinitésim ale de X ( / ) ................................................ • - ........................... 295
8 . Les noyaux de G o u rsat.............................................................................................................. 296
9. Recherche des noyaux co rrespondan t à une covariance de G oursat d o n n é e . . . . 2 9 g
10. R em arques su r l’ensem ble des re p ré se n ta tio n s d’une fonction laplacienne définie
par sa covariance..................................................................................................................... 3o4
11. D éterm ination de la re p ré se n ta tio n canonique en fonction de lac o v a r ia n c e .... 3oq
438 TABLE DES MATIERES.
CH APITRE II.
Notions complémentaires sur le mouvement brownien classique.
Pases.
1*2.Fonctionnelles q u ad ratiq u es de X <7).................................................................................. 3 13
13. La série de F o u rier-W ien er...................................................................................................... 3i5
14. R em arques su r une classe générale de séries de F o u rie r a lé a to ire s ......................... 3 19
15. La courbe C du m o uvem ent brow nien plan e t les th éo rèm es de A. D voretsky,
P. E rdos et S. K ak u tan i........................................................................................................ 324
16. L’aire com prise e n tre un arc de la co u rb e C e t ¡>a c o rd e ............................................. 329
17. Le m ouvem ent brow nien dans Tespace de H ilb e rt......................................................... 333
CH APITRE 111.
La fonction brownienne cle plusieurs paramètres.
18. La fonction b ro w n ien n e su r la sphère de R ie m a n n ........................................................ 337
19. R e to u r au cas e u c lid ie n ........................................................................................................... 34i
*20. La fonction b row nienne dans l’espace 12 de H ilb e r t...................................................... 344
21. La m oyenne de X (A ) s u r une s p h è re ................................................................................ 347
22. Les fonctions MB(f) e t Mw( / ; ................................................................................................. 349
23. Le déterm inism e de X ( A ) dans l’espace de H ilb e rt...................................................... 355
24. Les ensem bles X ( s ) ........... ...................................................................................................... 359
25. D éterm ination de ? dans q u elq u es cas p a rtic u lie rs ........................................................ 36o
26. Sous-ensem bles m in im isa n ts e t élém en ts co n ju g u és...................................................... 364
NOTE DE M. LOÈYE
Fonctions aléatoires du second ordre.
P remière p a r t ie . — Covariances.
1. G é n é ra lité s..................................................................................................................................... 36-
2. P ro p rié té s caractéristiq u es des covariances........................................................................ 369
3. O pérations su r les c o v a ria n c e s............................................................................................... 372
4. C ovariances p a rtie lle s ................................................................................................................ 37*0
5. D écom positions o rth o g o n a le s.................................................................................................. 378
D euxième pa r t ie . — Propriétés des fonctions aléatoires du second ordre.

6. P ro p rié tés différentielles en m oyenne q u a d ra tiq u e ....................................................... 382
7. P ro p rié té s intégrales en m oyenne q u a d ra tiq u e ............................................................... 385
8. P ro p rié tés intégrales : analyse harm o n iq u e et sp e c tra le ............................................... 389
9. P ro p rié tés presque s u re s; p ro p rié té s d iffé re n tie lle s....................................................... 397
10. P ro p rié té s intégrales presque s u r e s ........ ............................................................................ 4<>!
11. Cas n o rm a l.................................................................................................................................... 4<>4
12. F onctions aléatoires e t certain es th éo ries de l’a n a ly s e ................................................. 4<>6
T roisième pa r t ie . — Fonctions aléatoires à caractère exponentiel.

13. F onctions aléatoires s ta tio n n a ire s........................................................................ ’............... 4<>9
14. F onctions aléato ires e x p o n en tiellem en t convexes et g é n é ra lisa tio n ......................... 4 !4
BIBLIOGRAPHIE........................................................................................................................................ 421
T able des m a t iè r e s ............................................................................................................................... 435
FIN I>K 1.A TAULE des ma tières .

P A R I S - I M P R IM E R I E G A U T H I E R - VI L E A R S
1 6 6 6 5 2 - Q uai d e s G r a n d s - A u g u s t i n s 55
R é im p r im é par J o s e p h F LOCH, M a itr e -I m p r im e u r à M ayen ne

D é p ô t l é g a l d ' i m p r i m e u r : 1 9 6 4 n° 1670
D é p ô t l é g a l d ' é d i t e u r : 19 6 4 n° 1269
A c h e v é d ' i m p r i m e r l e 15 A v r i l 1965
-0 8 № de co d e 5 1 9 -0 4
Im p rim é en F r a n c e

Richard Durrett-Essentials of Stochastic Processes

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Richard Durrett-Essentials of Stochastic Processes

Transféré par

Droits d'auteur :

Formats disponibles

PROCESSUS

Problèmes concrets ¿.’Analyse fonctionnelle, avec un Complémeni

Analyse fonctionnelle. (Mémorial des Sciences mathématiques. Fasc. V.)

L e m o u v e m e n t b r o w n ie n . (Mémorial des Sciences mathématiques.

Théorie de l ’Addition des Variables aléatoires. Préface de Ê . Borel.

Suivi d’une Note de M. LOÊVE

Deuxième édition revue et augmentée

Le développement de la théorie des processus stochastiques

pour les processus additifs et le mouvement brownien. Pour

La plus grande partie du présent travail est un exposé d’ensemble des

condition suffisante pour qu’une telle équation conduise à un processus

(*) Les numéros entre crochets renvoient à la bibliographie placée h la fin de ce

A. KolmogorofT, ou à celle que S. Bernstein [ 2 ] appelle équation

II. — D éfinitions , notations et rappel de résultats connus.

I. Les notations P rj A j, P rj A , B | et P r j A/B J désigneront respec­

Les événements A et B sont indépendants (ou leurs probabilités sont

l'r { B/A 1 == Pr| B j, OU Pr { A./B } = Pr | A j .

Ces deux formules sont équivalentes, et équivalent aussi à

2. Lois à une variable. — Soit X une variable aléatoire. La fo n c­

— o) = P r { X < a? j, F(x -f- o) = Pr { X ^ x j.

En un point de discontinuité, F(a?) peut désigner n’importe quelle

Nous ne la considérerons comme ayant un sens que si E| | X | j est fini.

Sa racine />ièMU', p ^ e n précisant, si p est pair, que P /,^ o), est la

( 4) a'2= E j ( X — ¡¿)2 ¡ = E j X* } — (j.2= — ;x-.

Ce nombre <x est appelé écart type, ou écart quadratique moyeny ou

La fon ction caractéristique de X (ou delà loi dont dépend X) est la

( 5) ç ( s ) = E { < •'= * j = Ç e *-~ *d Y{x).

jointe à F ( — oc ) = o. Rappelons aussi que, si ®i(s) et 92(z ) sont les

fonctions caractéristiques de deux variables aléatoires indépendantes,

La fonction = log 9(2) est appelée fonction-^ de la variable X

La loi de Poisson est la loi discontinue définie par

Le paramètre 6 est à la fois la valeur probable et l’écart type de X .

3.Lola à plusieurs variables. — L a fon ction de répartition dp la

La probabilité relative à une aire élémentaire dS peut être repré­

(12) E j x ^ v } = j j x/> r<r dF(x, y) (p, q = o; 1 , 2 , . . . ) ,

l ’intégration étant étendue à tout le plan. On ne considère comme

qu’on peut aussi désigner par

Inversement, chacune des formules

y) = Fi(^)F2(r), ?(«, <•) = ©i(")?2Î<?)

Qi et Q 3 étant deux formes quadratiques définies positives, adjointes

de sorte que les coefficients de la forme Q a sont les moments

( 19) Ej-EjX?}, E,,,-E{X,X/},

dimensions, ne remplissent aucun volume; on ne peut pas parler de la

4. Représentation géométrique des moments des deux premier s ordres.

les an>i étant des constantes et les E* vérifiant les conditions

et des formules analogues s’appliqueront pour les variables aléatoires,

Chaque point de l’espace d’Euclide ou de Hilbert que l’on est conduit à

i° Pour qu’on puisse déterminer des points A i, A 2, . . . , A n de

20 Pour qu’on puisse déterminer des points A l? A a, . . . , A n de

soit non négative.

Inversement, dés théorèmes de géométrie élémentaire donnent des

o. Les probabilités dénombrables. — Il s’agit dans cette théorie, née

L emme E. B orel. — S i une série d'expériences indépendantes

On appelle aussi souvent cet énoncé lemme de B orel-C antelli, pour

5. Loi forte des grands nombres. — Dans le cas de E . B o rel, la

Séries à termes aléatoires indépendants. — Une telle série 2 X „ est

sont toutes les deux convergentes. Ses sommes successives S« convergent

La probabilité de la convergence d’une série à termes aléatoires

reporter à nos travaux antérieurs, et notamment à notre précédent livre

Observation im portante. — Dans l'élude des problèmes relatifs aux

Sommaire* — 1. La fonction \ ( t ) du mouvement brownien linéaire. — 2. La fonction

1. La* fonction X (£) du mouvement brownien linéaire (1). — i° L a

Cette loi est de plus indépendante des valeurs de X (t) avant

I. Les notations P rj A j, P rj A , B | et P r j A/B J désigneront respec

2. Lois à une variable. — Soit X une variable aléatoire. La fo n c

( 5) ç ( s ) = E { < •'= * j = Ç e -~ d Y{x).

La probabilité relative à une aire élémentaire dS peut être repré

variables laplaciennes indépendantes Tune de Tau tre d'écarts types respec

sont les termes d’une série presque sûrement et uniformément conver

(i5 ) <!>() = logE{e«s} == ¡a ( e iz— i).

où 9 est une fonction bien déterminée de ; et de paramètres aléa

6. Définition directe des processus stochastiques. — Une telle défi

i 0 L a définition d ’un processus d'après Slutsky. — D ’après E. Slut

de t , on peut définir les conditions dans lesquelles on choisira succes

lions Un(/)de nouvelles restrictions, qui sonl des conditions asymp