Académique Documents
Professionnel Documents
Culture Documents
STOCHASTIQUES
ET
MOUVEMENT BROWNIEN
OUVRAGES DU MÊME AUTEUR
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
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.
MOUVEMENT BROWNIEN
INTRODUCTION.
i.
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.
(i) Pr j A, B | = P r j A } P rj B/A j = P r ; { B } P r { A / B } .
Pr | A, B } = Pr j A } Pr { B }, sauf si Pr { A } Pr j R j = o.
( 2) î* = E{X> = r * x d F ( x ) .
J — «o
F ( # i -h o ) — F(tfo — o ) ^ a.
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
On peut aussi définir cette loi par la fonction additive <I>(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
( 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 “
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.
=«, 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 ,„
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 :
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.
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.
(}) Cette fonction a été considérée pour la première fois par L. Bachelier [ 1 j et
ensuite par N. Wiener [1].
(6 CHAPITRE I.
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;
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
Xn = C \J 'in l o g 2 ,
2« _ ^{i—
-c*n logî —
2C\/~ n log2 2 Cy/7Ï n log2
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.
*<«>° «*,-« ■
£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 ,
_ E { Xj (Q Xi (u)) _ t\ — u <
t(Q
p a ( 1 )?(и) h— t <t (u) 9
ÂM = « (t)V ( /) = V «).
/*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
, ^ i > n(n — — P -h l) ,
(i3 ) Pr | N = jd j = — ------------^-----------¿(1 — a)n-PaP (/>= °> bi
il n’y a pas de discontinuité. Dans tous les autres cas il y a au moins une
discontinuité.
De la formule évidente
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.
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
et X(¿) pourra être défini comme limite (suivant urn mode de convergence
à préciser), de la fonction
n
(2 ) ,/«(;) = -^(^o) 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
(3) X ( o = 2 c «<,'*<" ’
O
en probabilité, si £, c’est-à-dire
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
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 ).
P r { x « ) _ .) - ( — ! )
(*) 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«
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).
(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).
NOTIONS GÉNÉRALES SUR LES PROCESSUS STOCHASTIQUES. 4l
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
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*).
(23) ^ = / (* , *),
(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.
t ^ t Q
C^ I C— I C — I -+■ u ( t )
O ^ C ^ I 0 cu{t)
lf\
c c
0
( 32) X (0 = «(*)[* H- Y ( 0 ],
(38) f'Y(t)dZit),
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
(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.
En particulier, l ’équation
s’intégre par
( 5 .) 8 + + =
d’où l’on tire Y (t) par une quadrature et X par la formule ( 5o).
56 CHAPITRE II.
z)he-0i <-->X(?)rfT (A = 0,
(•) Cette remarque sera précisée à propos d’un exemple au n® 26, 3*.
NOTIONS GÉNÉRALES SUR LES PROCESSUS STOCHASTIQUES. 57
(**) 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.
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
(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 }.
r (t, p i
àtdt' Je t
( 4) F(f0) x 0; t, x) = j f
—«o
F(i,, t, x ) d F ( t „ ar„; h, Ç),
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).
(6) 5X(i) = A[*, X(/)] dt + B[r, X(£)l EV'3* (<& > o),
LES PROCESSUS DE MARKOFF ET LA DIFFUSION DE LA PROBABILITÉ. 65
M (l) = E | f [ X ( f ) ] | = J ? ( * ) « ( * , æ)dx.
M '( 0 - Ej A ? '[ X ( 0 ] + Y 1
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.
(*) 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 ).
LES PROCESSUS DE MARKOFF ET LA DIFFUSION DE LA PROBABILITÉ. 67
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 9(яг) u’tit, x ) d x = x l
I
u(t> x )d x
= lim - / x) — u ( t yx ) \ d x >
X [ ? « ) + ( * - ï ) t ' « ) - b ; ( * - î ) V ( f ) + g ( * - 5) V ( 4 )] dx - ? (Ê)1
r +’
=J /(*> y)
/ ( « + •» U <» * ) — / ( * . 5 ; *> z ) = — a ( s , a, Ç ) f z ( s - h a , Ç; (, x )
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.
LES PROCESSUS DE MARKOFF ET LA DIFFUSION DE LA PROBABILITÉ. 69
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
J»
{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.
LES PROCESSUS DE MARKOFF ET LA DIFFUSION DE LA PROBABILITÉ. 71
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 .
(«!))
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-,
On a dans ce cas
( , r —
(2 3 ) / = ?(*!), X ( 0 = x , ( f . ) + *(/),
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
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
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
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
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
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 ,
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
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 .
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.
LES PROCESSUS DE MARKOFF ET LA DIFFUSION DE LA PROBABILITÉ. 77
(2t>) « * (0 = r #a ï î 3X( 0 }.
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.
(2 9 ) w(f0+ : , x) = - J = e 27
SJ2 Î C T
«{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.
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.
V2îH/ — /0)
1____ *l*-*o>
(36) u(ty,r) e
v/2*(/ — *«)
* — 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)
(38) u(t, x) = s i n * ?
1
qui, si l’on détermine les coefficients cn par la condition
ua(t, x )
86 CHAPITRE III.
(46) f o (/\o k
— «
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.
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>, ( ¿ )
En prenant en particulier
(48) = c ^ A / lo g lo g J y
l = A,(/, x, x,y)\)/dî,
( >0) {
I oY(i) = A2(/, x 9 y ) dt -+- lî 2( Xy y) tjv/57.
^ B |?|X(0,•'»’(OH,
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.
E { X ( t ) } et E { | X * ( i ) | } ,
E } X ( < t ) X ( / s) } = r ( * t, it )
¡R(A)l^cr’-.
R (A) = a* p (A).
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
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
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,
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.
(12) x 4( o = U (î + i ) - ü ( o
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.
|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.
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
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 obtenue pour la fonction s f îcos(>¿ -4- <&), du type X 7(¿), et pour la
fonction
(2 0 ) _L|y(<ï>'-h).<)H_ ef(<i>"-xî)],
V/2
(21) X . ( 0 = S Uu«A.‘,
où chaque U/t est une variable complexe, à second moment iini; sup
posons
( 22) E {U
LES PROCESSUS STATIONNAIRES. 99
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)
sp( 0 = 2 ei,>^ V ^ T ‘
(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*.
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
(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.
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),
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,
( e) M. L oève [5 ].
Г ) P. L évy [ l t ] , p. 49-
LES PROCESSUS STATIONNAIRES. 105
?(*)= f eizxf { x ) dx
f ( y ) g [ c { x —y ^ d c y = J g ( c y ) f ( x — y)dcy
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,
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.
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.
K* \ ( t •+• Z ft ) ^o.
- ?
Il fi
1 1 11
(•) 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
(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 <?“■ >* =
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 \
et posons
- 00
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
( 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.
j Ej +. h ) J = o (poury=/>),
4 ’ ( E j x i / ’+ 0 ( / ) X « / ) ( / - + - A ) ! = — E { X < / » ( O X « 7 - ” > ( '-»-/«)(•
et, si p -h q = 2 n,
En particulier, pour h = o, p = o, on a
(46) E jX ( i) X N (i)| = (-i)« a Î [«* = E{[X(' 0(*,]*{ |.
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 ^
/ ,,, A*\ A* A» A* ’
pour /1 = 2. ?(/») = Vi + 'A ; 1+ i—) e -' *l = i - -6 H ---
24
-- — '
4^
-4- . . . .
(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.
(13) M. L oéve [5]. Un énoncé équivalent, quoique sous une forme très différente, se
trouve déjà dans H. Cramér [6]..
LES PROCESSUS STATIONNAIRES. 117
( 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.
EÎ]rfU(X,)rfU(Xî )...rfU(XM
.)|*j ^JJL= ’~ y
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.
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).
LES PROCESSUS STATIONNAIRES. 121
( 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.
X , ( n = ( o < / < 0 ,
(*•) 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
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)}.
LES PROCESSUS STATIONNAIRES. 125
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*)
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.
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
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 ?
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.
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).
(*) Pour les démonstrations, voir par exemple P. L évy [11], chap. VI.
I i* 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 „(* )].
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)
( 7) [«•(*)-»(<)].
= *(M ),
(9 ) «k * ) = f i ><&(«).
I in CHAPITRE V.
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
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)
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
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
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
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
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
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
d e £, o u e n c o re q u e
( 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,
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
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.
LES PROCESSUS ADDITIFS. 143
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
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
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
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
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 ,
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 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.
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 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
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 ( * ) :
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
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
(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
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
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 :
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 ,
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
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
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
f u * d !a ( ( t ) .< £,
J—h
on a
i — izu) dn(u)
(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.
( ’) 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.
t < ?(w),
(*) 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.
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.
(**) 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.
4»(i, z) = —
2 2
entraînent
Pr{ I U'-t- U' — (a'-*- a") I > t } < e',
LES PROCESSUS ADDITIFS. l5 3
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 ).
(34; D ^(,-0>e,
(«*) 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.
S « U , - * - U j + . . . - 4- Un,
(36) E { S* ! = i .
15ft CHAPITRE V.
<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
U , ( x ) = - éJ ^ x * d x F ( t , x ) ,
= «U ¿ H ,O r )
J.hx &
(M) B. d e F in e t t i [1].
LES PROCESSUS ADDITIFS. i^9
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
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),
n ty (z) = ty(an z ),
1
A *) y i-i
2ÎT
I
7 î ( l •+ * X* )
Prem ier cas : o < a < 1. — Nous utiliserons dans ce cas la remarque
que la fonction
(45) ï>
rtv — I - « /•»
c= e " I < « -— > ^ = — « • J ~a</v
-? / a —-7/«
= — iV (i — <0 * 2 =r(-a)c
a
et il vient
(47) Ciascotg ï « .
<|/(3 ) = lim
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-^.
(5i) = aityt(z) — z) ( a i ^ o , a s ^ o)
CO S Z U — I _ 2Z f S jn ZU
( 52) du du =s
I f. U* U
1 . du
IZU) -г
Я и*
( 53 ) Vv | N(a?) = n \ = — ( ¡r > « ) *
A ( A - n ) ...( A -t -p — 1)
( 59) n ( n -4-1)
(60) \i h = E } ÏA } = “ 7
A(A-hi) A* A(n — A)
(6l)
• j— 1) /i* n2(n *+■ 1)*
Ça — î*A= <*a
/1 “T 1 X/4,
et l’on en déduit
(6 4 ) 2 /= ( 2 i)'.
(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.
(69) /1 ( * ) = /
( 70) * ( ‘ .*> = ( 7 ^ ’
(?*) = T^TjJ^
ou par
(76)
ou par
ou par
(79) Aw=
ar-h-H-o
(80) <j2 = min. / ,
X — --4 -0
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
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,
(1-4-/*) *
(h „
(88» r " i n l —-------- I CO S " -'1 Ç (fz =
2
II ° \
11 -+- '«-1)
t
à la relation
K
•»
l n— Ç cos*ç do
J <r
On a donc
i 78 CHAPITRE V.
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.
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.
(” ) 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.
LES PROCESSUS ADDITIFS. 181
(’*) 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
(9 5 ) 2 9 in 6 ï = â [ 8ine? { ] ’
il vient
O» >
?n(0 — Cn€
( 10 0 )
—1
(**) Rappelons que les polynômes de Legendre P n(z) sont définis par la formule
et la relation de récurrence
= ( a n — t ) * P , _ , ( * ) —(» —t ) P _ ( s ) .
LES PROCESSUS ADDITIFS. 185
On a donc enfin
i T 1
(102) /(i, 0)= — |_n-3<?-iPi(cose)-t-.»#-h(2/n-i)e 2 P«(cos0)-h... J.
|P / i ( £ ) i ^ i (pour \ z \ ^ i ) ;
*>
(103) E{ sin * e(i)} = 2 S jf sin^e/( * , 8)¿0 = ^ ( i — e - “ ),
(104) Ëjsinsej^!
(•*) 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.
et que
O 07 ) =
/(0) est infini, près du pôle, comme et, pour ô = a60— 0 positif et très
(*) 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
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 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. !<)*
(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.
Pr{ M ( 0 ^ 5 } = aPr! M(0 ^ Ç, X(/) > Ç| = aPr{ X(t) > ? | = Pr{ | X(<)| > ' }.
Par suite :
(5 ) P r{ M ( 0 < * t = y / ^ j f V à d Ç (* > o ).
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
_ 5Ltîlz
(9) Pr{M (0> ?/Y,(0= r} = e “ ,
et en particulier, pour ^ = o,
. t _ jç] S
(12) P r|T (x )< t }= J e *xx (ap> o,£ > 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.
On en déduit
¿r ^ Y(*0-h /0 )< a:-h rfa:, < J c/J )(
*0 y 2«
dl | —
Pr j l ^ L < l-hdl\ = (/— /„)
2I0I
et par suite,
c. o» F* a.
(.6) p‘' ! L > ' ) = X V r - f ~ \ / r
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
est^ /yj C. Q. F. D.
~û(7T ~ ' t e
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
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
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
p a r la f o r m u l e
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**,
(24) - - ^ A r c c o s i/ ^ =S “ 7 - 4 / f — lm
' tc d ti y ii T ciiy *1 — t
( 26 )
* & l * fû
------ . - . Arc s t n l / — = ------- ,— — .
1
tc dt0dtt y ii 2Tr^io(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 .
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
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
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 } =
« V^o(< — *♦ /
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 :
_______ 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 */<>(* —
lim
X( t ) x ^
= o (i ->oo), condition qui est presque sûrement vérifiée et n’a
o *1
~ Arc sin p = - Arc cosi/
/ — *o ) ( M ~ t)
(u — — t)'
= i Arcsin. Æ E U .^ t ^ ¿1).
* ,V ( « i — * • ) ( * ! — Mo)
il— io
(32) /(«., “ *) = ^ l / ( ^ Mo)3(it— ttl)
( 34) ^ Arc
(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
(38) Pr { M ( u ) > ¿ r / M ( u ) s Ç( m ) | s « *.
ÉTUDE APPROFONDIE DU MOUVEMENT BROWNIEN LINÉAIRE. :m>5
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 :
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
On en déduit en particulier :
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.
T héorème 46 . 3 . — On a
(46) P r | I i m N ( / ) *//==* J = i ,
L
(47) P r | lim ~ = s ( = i.
(/>Û \ll
Appliquons cette formule à la suite des nombres lp= q^{o < q < i).
Il vient
E { Np \ip)2 } = [N ,= N(/,)],
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
Pr JL0</o{ < 2.
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
c e lle s d e V / | M ( Î ).
OÙ
log X = E { log U }, a2= E { ( log U - iog X)2}
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), ^es 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.
Si xt = o, la formule (i i) donne
-r*
(5 * ) ) *
U — ill
I». I.K V Y .
218 CHAPITRE VI.
Par suite,
on a
(5 7 ) î’ r { T ,( 0 < * } = ^ / ^ j T Êî e *<%-
(5«) E H ,« > r ! - t / l j f
220 CHAPITRE VI.
et par suite
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 = •
<?(*) 37-J
Xf Ue 'dt
rTTïï=^ (>* i)
. r 1- , j f .
/— S .r» oo X*«'1
‘‘ - ‘‘ J e dv
ou enfin
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).
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
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
?(*, x ) = c*)[s0(O, x ]y
<« V f « * > } -■ •
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
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 .
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
Ën d’autres termes, on a
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,
| *n=C^/'l\og.[(n — Olog^r]
c ’est-à-dire
r*
~l)logq] f z n~‘ tf (n-voo, k = const. ).
*n<
tjlogn
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),
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,
et par suite,
O r, si C < I , on peut choisir c' entre c et i ( c < c '< i), puis q assfez
grand pour que
,./■ ÿ — I 2
228 CHAPITRE VI.
(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
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
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 »
on a presque sûrement
lim su p
X (0 -X (* o ) = I.
(« 0
( l l ) P. L évy , [11], p. 16 8 - 1 7 2 .
CHAPITRE VII.
LE MOUVEMENT BROWNIEN PLAN (>).
_£!
(2) P r { R ( 0 > PV/f} = * * ( p > o).
(4) « w -v /f e - g - T 0 -
<s{0Aq. q à 1 } = é i \ , ( / n ) \ i ( M - + Xh M > ^ (M i
V^TOAJ j& !OAf j zy /TJl
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 :
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.
= *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 ).
On a, par suite,
( 8) 0n^invs/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.
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 , . . . )
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
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.
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.
( 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
( ') 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.
A(0A(O^r(K-'l) I Km1*1} = o I,
L * > o v/t J
On a alors, évidemment,
et par suite,
E !T } I -h À*H- . . . -h 00, C. Q. F, D.
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.
( 12) E [ T j = S E { T„ } ^ m 2 a*.
( i5 ) S= - f [ X i ( t ) d X , ( t ) - \ i ( t ) d X i ( t ) \,
2 «T
\ En{ T„+l } = 0,
2 ' '
(19) •
f E„{T^+1 } ^
^ "
tl,n!
(2 2 ) Ë {( s.*.* - s n y- { ^ ^ 6
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.
5° L a loi à d e u x v a ria b le s R ( t ) et S( i ) .
(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
(25) ôs = s,{r/t),
LE MOUVEMENT BROWNIEN PLAN. 2H
= 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.
, „ r2 „ à u
(26) 2 u\ = u r i -h — u <t— ------
4 or r
2 «/ = t * ( - 3/-h i t / l — pf 0- n f 9),
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).
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
f dg(k, M)
0 d it
Jrr dn
(34) =
1> ( 0 = j j T « ( <, M ) r f S .
P Au dZ y
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.
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 ).
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.
soient finies, on a
(') 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
_ /> ■ [ / ç(AM)v(^VA) y ^ o .
C. Q . F . D,
(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
ce qui, en posant
/•<= /-(0, A,), r hj — r ( A/, Ay),
donne
(6) K ^ - E j^ X ,} :f (rî-t- rj — rt j ) ‘
(11) | X ( B ) - X ( A ) | ^ c ^ / a prlogp’
( 12 ) ; X(B) — X( A) ! ^ cp ^ / a r l o g ' i -
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},
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
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
( 23 ) MB — MA = m b1 — ma- = p b 2— p a 2= r (p b — p a ).
x MB -h M'A — MA — M B
( 25) COS 6 =
mm 2 v7R MM'
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
( 31 > oq*=V\^\=hf (
(32) ça*
X (A )= p + < ,ç |V = E' j X( A) j, =
E j jjLji.' J = 2 mp mp > 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' ){.
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)]; }
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
( 39)
A, H, = - — - kn- i l, H. G = - L
n n
kl
(42) 9 i X ( A „ ) } = A'„ a„ = kn / 1 =
n — I
—/ J
* I-x <°> ! -*'•« * - V W ^ I ) 2/1
(43)
n — I
2/1
CHAPITRE I.
0) X ( A ) = V / v( A ) ï v + A ' ( A ) ,
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 ’
,_ 2
! v^ *i
(5) (-)
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.
nous dirons qu'il est minimisant si c(A 1! = o^A |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
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.
( 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 ).
r F ( A , u ) rfüb ( u) = I4
" ( A , a ) 6b(a) — j iü (u) d„ F ( A , u).
2 h -h i
Æ (i),
(1 6 ) 2fJ+l ) - № ) * • № ]
(h = o, i , . . . , 2 P— I ; p = O, i , . . . ).
(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
J P*
I F (</>, “ ) ?« \i>'p (“ ) dm (tt) (/> = 1,2)
0
donne alors
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
288 COMPLÉMENT. — CHAPITRE I.
(?.3) r (tu tt) = f F (/, M)F(i', u) du [i = Mrn(/i, /•>), t '= Max(i,, /,)].
(*) 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].
NOTIONS GÉNÉRALES SUR LES FONCTIONS ALÉATOIRES LAPLACIENNES. 289
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) 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.
290 COMPLÉMENT. — CHAPITRE I.
(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
{Xh—
(33)
th— tu- i
F (t, t ) [ x ( t ) — x o ] = f à F ^ [* (« ) — x(o)] du
X (*') = m -h - c h- - U,
2 2
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,
- № ] \ f <*-■ >“*■ - p ^ ] « -
Il vient ainsi, toujours pour dt > o,
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
( 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
298 COMPLÉMENT. — CHAPITRE I.
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.
NOTIONS GÉNÉRALES SUR LES FONCTIONS ALÉATOIRES LAPLACIENNES. 299
n
ô X/<(/) = dt^^gk{t) Xk(e) -+- c/,5/1 \Jdt [£/*= ?/*(*, de)].
1
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
conduit à la covariance
n
(53) r ( / „ h ) = ^ c ,,t'i> -* H tP +
1
(56)
a/t ah
Ch
= 2 * k+ i
k =o
avec
09) ?! (JL = a 2
2 3’ 2
et, par suite,
(6o) (JL -I- 3 A = (a -h ji ) 2^ 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.
302 COMPLÉMENT. — CHAPITRE I.
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
(69) j r ( t ) = c t s, X{t) = dy ( t) = î ï (
dt s
( 71 ) X ( 0 = a/í¡3|(<) -+-
Sa covariance est
( 72) T ( t1 , ¿2 ) = *2 t* -h 432 — •
( 7 3) = j(*
(7 i ) X (t) — f
•Al
F<y, u) s/ftu = Ç F (t. u) d& (u).
*' O
( 76 ) Y (0 = f H (f, u ) d t o ( u ) ,
rl
(78) X (0 = / = &(t)
( 8° ) f dX(u) = f df à( u) .
CCi (0, t)
(82)
on a
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
chaque Întà étant déterminé si l’on connaît la variation de Ûi(t) dans in.
3o8 COMPLÉMENT. — CHAPITRE I.
E j [SX (<)]* j
( 88)
dt
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(^i, ¿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
il vient
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
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,
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
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
p o s e ro n s à c e t e ffe t
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
d e s o rte q u ’e n p o s a n 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.
8) G ( t ,
(98) u) - R (i,
h m) = f G(i, p ) R ( p , a) ¿ p = T R (/, p) G (p, w) rfw.
(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 ) %
(*) 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.
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
On peut l’écrire
et, en posant u = i — u\ v = i — vf
r 1 f*1 _
(6) I J Min(w, v) £t. yjdudv.
(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
(9 ) J f(u)du = \ f ( t ) ,
(10) - / ( * ) = X / '(0 -
/(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
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.
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.
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, . . . ) ,
( 18)
1
A „= a— /
rilzc - " « z
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
(23) Z (*) =
tandis qu’en faisant abstraction des termes constants dans les coefficients
des on a
et, après multiplication par ^/2, égalons les parties réelles des deux
membres de la formule (9). En posant
(2 6 ) 3X,(<) = ------—
2îî — t
-S,v®
En , p E { Aft Aj, |
sont nulles si n ^¿p. La covariance de Z(£) est
( 3 o) r(/, u) = E j ^ A" J
215
eip—n)lid t j e-~i,i%,f ( v ) d v y
320 COMPLÉMENT. — CHAPITRE II.
(32) E Í I A » ls i = ÏZ f e~"ti’f ( v) dv
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
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
(35) e ntt.
z ( i> = v /
NOTIONS COMPLÉMENTAIRES SUR LE MOUVEMENT BROWNIEN CLASSIQUE. 3‘2 I
Les trois fonctions Z(¿), Z t (¿) el Z2(¿), ne différant que par une
constante, sont solutions d’une môme équation de la forme
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
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
(47) Z.(<)
0
(48) Z,(<) = 2»
(49) •E |I z f ( O - z t (0 I* I
= 4 2 a M , — c o s( 2 />-t-i)(/' — 0 ] .
0
1
— 40/, x cos ( 2 /? -h \)xdx.
*(2/>-Hl)*’
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
_
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.
(*) 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.
328 COMPLÉMENT. — CHAPITRE II.
?(p) = P4toglogi
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
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.
I= f X* (/) dt, J= f Y* (0 dt
*■'o •A>
( 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.
i Y (0 = -4=
les lettres grecques désignant
\/2~ ~ ■ toujours
n \Jn
l
k%z* k*z*
(•+**) C’- î^ î ) '- 1 e
V^ih- z*
t! ^ 2 = est
r*5»
/*2 n*+ z*
0) ( f , * ) . ( ? . * ) -
/1* H - £ 2
Il vient ainsi
2 sh nz f. € rf —
2
y
332 COMPLÉMENT. — CHAPITRE II.
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!;
0 0
= - ^ ( - 1 ) 4 ------ î— ^ - h ------- Η r - 1
TC ^ [ 2 / 1 -4 -1 — I X 2 / H -H - î x J
et, enfin,
(65) /(*) = tc a?
2 ch
(•) 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
F 'obabilité — -----
2sh —
2
f (r, s ) ^ o, f dr f / ( r , s) ds = 1
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.
X7 f ( x V)
¿À 2V = F (A)
i
est une variable aléatoire réelle uniformément répartie dans (o, i).
336 COMPLÉMENT. — CHAPITRE II.
(') 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.
X( A) = U ( A ) - U ( P ) .
av 9V( M) £m f dS = o,
«
m = r con—iJ * sinN” 28 cos8 dti =
(.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.
LA FONCTION BROWNIENNE DE PLUSIEURS PARAMÈTRES. 343
Posons ma in tenant
On a évidemment
U (A, B) h- U (B, A) = 0,
(i5) U ( A , B ) - vÆ [ X ( B ) - X ( A ) ] X ( A) = ^ U ( p , A)
n
(1 7 ) [Xv= X ( A V)].
1
K { Xo I €n t = E { X/n-1 | €n } = f-l/1-
p. LKVY. 2»
34 6 COMPLÉMENT. — CHAPITRE III.
( 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 ^où 0 = ^ constitue une fraction
(21) ®
1 = üm 1—
n 90 f i
et, des valeurs connues des intégrales qui interviennent dans cette
formule, et de la formule ( 20 ), on déduit
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 :
( 2(>)
il vient
et l’on a, en particulier,
(33.3) ^(¿l, = - — f )
(33.5) r . « „ fc) » | - £ ~
^ u-h~*
F n (*> u ) = cp ,0 cp> h >
et l’on en déduit
/1-1
a F»(i >“ ) = 5 2 o » * - * ) <>.*(£
LA FONCTION BROWNIENNE DE PLUSIEURS PARAMÈTRES. 353
et, en posant
(36) M „(f)- f P» ( j ) U * / d ü ,
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.
354 COMPLÉMENT. — CHAPITRE III.
o= f P2(z, u) sfdu,
J*
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'),
= i j a [ r ( 0 , A ) ■ +• r ( 0 , A ' ) - / ( A , A ' ) ] ,
c’est-à-dire
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).
356 COMPLÉMENT. — CHAPITRE III.
B'),
(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]
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
jji = |jl( B| P) et <r = a ( B | P ) étant les mêmes dans les deux formules.
Donc, en posant p = E ( 5£'),
p — ¡xf et u — <
t' étant en général ^ o . En posant p = E {££'[, on a alors
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 ’
M. LOÈVE (*).
PREMIÈRE PARTIE.
COVARIANCKS.
r (*, O = E X ( 0 X * ( O ;
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 ,
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)
2 2 r(i) o p 'p ? ^ 0-
* € A„ i’€ A B
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
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
Or, en posant
?i = — ivt et X (0 = Y(0-+-*Z(0*
on a
Q(« î «0 = )p<'p?]=
An Aw A» A,
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
/ )= 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).
t')ç>(t)ç>*(t')dtdt'X o,
E[X1(OX*(0][Xi(OXs(O]*= EX,(OXÎ(OEX*(/)XÎ(0= r t( t , t ’ ).
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-
La covariance s’écrit
=2 E M (i,T)1’( ï ’ 8)M(8’ °
Af« AB
<■ ) M. L oève, [4 ].
374 NOTE DE M. LOEVE.
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
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 ,
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
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
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 .
il en est de même de
A» A
3 76 NOTE DE M. LOEVE.
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 )
$
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.
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= \
la fonction aléatoire X(£) sera dite dans | X (J) j Aio et Ton pourra écrire
»
X(/) = x„(<)=^£ «*(<)?*•
x.(<) = 2 a*(<)Ç*> où = ^
*= i
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
E Y #l(**)YJi-/,(f*+p) = oî pour p = 1 , 2 , . . n.
X (0 = X .(0 + Y(0,
avec
EY(0 X ;(O = o et EY(f*)Y*(f/) = o, pour k^L
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
donnent à la limite
EU(fit) Л*(*/) = о>
ce qui entraîne
EU ( îa) V ( « i ) = o.
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 :
avec
0»
Effl(tk) = 8 *,, j?//’-*1’ = X(0 - J «*(0 ï».
D(‘ >. *»,•••)
»s* = «*/.
DEUXIÈME PARTIE.
PROPRIÉTÉS DES FONCTIONS ALÉATOIRES DU SECOND ORDRE.
c’est-à-dire, si
lim E | X(i) — XT(f ) I2 = o.
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 .
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)
^//—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
telles que
i
S = ma x( t [ V - ) -y o, avec - •
k<n n
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
Pour simplifier, nous supposerons dans toute la suite que ces condi
tions sont remplies dans tout intervalle fin i considéré.
Finalement :
est
fJ ,T /■»T'
A
et les opérateurs E et f sont perm utables.
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> *
Y lim m. q-
T>.
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
= 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)
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.
i Г^1
YT(iO = ^ f J ^ Х (О Л .
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
existe.
en posant
ou
, i Z'1" - r/,T sini
w, /1) = - / —
A / ^ T(iO = r2.7
-ZJ/ y A *---II
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> *
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 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,
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
Il en résulte
E 5 ( M+ 0 ) 5 * ( M' + 0') = T(w + O, i/ h- 0 ' ) , 9,B' = ± o.
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
E |X ( 0 - X T, r (0 !*-><>>
donc
alors
-h ao ac
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
et
EX i , i -(î ) X ‘ ( î' ) = j rfaT( u , u ’ ).
E | X ( 0 - X t, t'( O I 2+ o.
r(/, 0 = E X ( / ) X * ( 0 = f C
^ — ao
Y (u, U f ).
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.
et, en normant,
i
MO (O <* = **;>
r (/, 0 = 2 |X' i* M 0 * î( O ,
i —1
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
E (XiX*j)^XiVj^ijy
alors
H- *>
r ( i , 0 = /!>
•»»XE x n( / ) x ; , ( O = y i * / l î M 0 'l'i( 0 -
— »
Finalement :
* (')= 2 -M0 X 6
1
; X„ ( 0 i, / 6 A (#1 = 1, 2 , ...),
I x «(0 — x (0 | ^ s,
Donc la probabilité
n-hp n+ p
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 :
(1 ) E|X(i-hA)-X(OI«<?(A),
P r(« « .* X i? (a -")
e/<
et, par suite,
Pr { &n) < (2-»).
Alors la probabilité
(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 ~ \
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.
l(T )=
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,
T= T' = 7F ’ ï ( T ) = J ( t ),
I I l-hb
f f Y(t,f)dtdf< C
J y Jy T T7
i i
K | / ( T ) U T ) - / ( T r) ï ( T ,) | 2 < C Tp - ^
Y (T )= f\(t)dt,
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
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.
(2 ) ah < - 1
2
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
(!') | 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 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
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
soit
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 (*).
OÙ
ei î//= 2 “ xcx/-
•• A
a= i /=1 V a- /
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.
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. l (tt tf)
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 :.
1. A =2 A» ! il, «* •, t fiy . . . .
2. A = ( — x, - h x ) .
r(/, /')= J*
TROISIÈME PARTIE.
FONCTIONS ALÉATOIRES A CARACTÈRE EXPONENTIEL.
£(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.
r(/, 0 = —0-
où
i
F „ ( * ) = 27 dx
Alors on peut extraire une suite (F w.(#)} qui converge vers une
limite F (# ) non décroissante et telle que
converge vers
? o (0 = j et'^ d?{x).
En particulier,
? ( ' « ) = lim ( l — ? « <( / « ) = ?o("»)
«>*\ n J
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 ).
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), — [<&?*(/)]*.
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
T héorème 4'.
f(<— O ?(< ~ M ••• ?(< — ««)
?(<!— «') ?(o) ... <?(/, — <„)
2.
KX(«'(0X<«»(O = 9 ( 1 - 0 = (- = t - O-
existe, et
avec
K $(u — o ) ( u'dt o ) = F (u — o) (u u'),
EÊ( m -+- o)Ç*(«'±: o ) = F (a -h o ) (u < «')•
X( 0 = / + «“ *"$(«),
sin* — ( x — u ) T
D
- W 2----------e ^ V~u]'dF{x)< Te
j(x-u )*
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.
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).
V (0 = f et x d F (x ),
• /_ »
EX(0X(i') = ^ V + O*
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,
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.
1
a. La fonction aléatoire Y £( i i ) = lim 'm .q. — / e - ifi^ X ( t 4 - ¿p) d \ x
T->«o 2t
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
<(u) = ¿L£*(k -i- o)-+-gt(u — o)],
et
Eçf{ и -+- o)5*( u f -+■ o) = K2,( m -+- o) pour u ^ u ' .
E 2= 0, où Ç(*) = 5o(*0 ,
et, finalement :
e l“ d t ( u ) , t € ( I).
A p p lica tion . — Soit une fonction aléatoire X(£) réelle telle que sa
covariance soit
r ( ' , O = E X ( 0 X ( O = ? ( « ') ,
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
? ( a + 6 )= / £{«+*)* dF ( x ) ,
d’où, en revenant à t et
f ea*d%(x)
Y (a )= v
donne
/•■ +•*
x«) =
'0
M« M,.
X e17“ d;>
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 .
J . B ass.
S. B e r n s t e in .
A . B lanc- L a pib r r e .
S. B ochnbr.
É m il e B o r e l .
A . H. Copeland.
H. C ramer.
W. D o e b l in .
J. L. D oob.
P. E rdos.
E. F e l d h b im .
W. F eller.
B . DE F lN E T T I .
R. F ortet.
M. F aéchet.
P. H artmann et A. W in t n b r .
E . K . H a v il a n d .
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.
B. J essen e t A. W in t n b r .
M. K ac.
M. K ac et H. S t e in h a u s .
J. K am pé d e F é r ie t .
A. K h in t c h in e .
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.
P aul L évy.
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 .
J. M a r c in k ib w ig z .
J. M a r c in k ib w ig z et A. Z ygmùnd.
M. M a t h ia s .
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
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.
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.
A. S0MM8RFELD.
[ 1 ] Eine besonders anschauliche Ableitung des Gauss’schen Fehlergesetzes
(Boltzm ann-Festschrift, Leipzig, 1904, p. 848-859).
K. S lutsky.
H. S t e in h a u s .
M . H . Stone.
N. W ie n e r .
N. W ie n e r et A. W in t n e r .
N. W ie n e r e t A . Z ygmund.
A . W lN T N K R .
I I . W old.
[ 1 ] A study in the analysis of stationary time series (Inaugural Dissertation,
Stockholm ; Uppsala, 1938).
L . G . Y oung.
COMPLÉMENTS A LA BIBLIOGRAPHIE.
R. H. C ameron et W . R. M artin .
K. L . G iiu n g .
K . L . C h u n g , P . E rd ô s e t T . S i r a o .
J. D elporte.
J» L. D oob.
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 .
M. K ac e t A . J. F . S iegert.
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.
P aul L évy .
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.
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.
CHAPITRE IL
¡Vouons générales sur les processus stochastiques .
CHAPITRE III.
Les processus de Markoff et la diffusion de la probabilité .
C H A PITR E IV.
Pa<es,
23. N otions générales......................................................................................................................... 91
24. E xem ples......................................................................................................................................... 94
c*
CHAPITRE V.
40. Les processus additifs dans les espaces à p lu sieu rs d im en sio n s................................. i “5
CHAPITRE VI.
CHAPITRE VII.
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.
COMPLÉMENT
(rédigé pour la deuxièm e éd itio n ).
CHAPITRE I.
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
-0 8 № de co d e 5 1 9 -0 4
Im p rim é en F r a n c e