S ÉMINAIRE N. B OURBAKI L AURENT S CHWARTZ La fonction aléatoire du mouvement brownien Séminaire N. Bourbaki, 1956-1958, exp. no 161, p. 327-349 <http://www.numdam.org/item?id=SB_1956-1958__4__327_0> © Association des collaborateurs de Nicolas Bourbaki, 1956-1958, tous droits réservés. L’accès aux archives du séminaire Bourbaki (http://www.bourbaki. ens.fr/) implique l’accord avec les conditions générales d’utilisation (http://www.numdam.org/legal.php). Toute utilisation commerciale ou impression systématique est constitutive d’une infraction pénale. Toute copie ou impression de ce fichier doit contenir la présente mention de copyright. Article numérisé dans le cadre du programme Numérisation de documents anciens mathématiques http://www.numdam.org/ Séminaire BOURBAKI (Février 1958) LA FONCTION ALÉATOIRE DU MOUVEMENT BROWNIEN par Laurent SCHWARTZ 1. Principes essentiels du calcul des probabilités. Une loi de probabilité sure de Radon £ / -mesurable, x 6 X ~.0 sur espace X~ sur de mesure soit dans E topologique localement compact X est une metotale 1 . Si E est une partie de X ~ cette partie est appelée la probalité pour que masse de probabilité ou E de suivant la loi j~ et se note ’ ou (? ~ De même qu’en algèbre il est souvent commode de supposer que tous les éléments qu’on considèrera dans une théorie ou dans un livre sont dans un même corps fourrétout Q. ( domaine universel; CL et on n’introduit est algébriquement clos ; ~1 ~ des sous-corps de de même, en calcul des au sort d’une élément ~ lesquels û probabilités, théorie ou ce il est de sera gros" ~ ~ point de un au variable aléatoire ? presque partout définie et sur un mesurable, X est localement la;loi de probabilité 03BE(03C9) pour ~(~ (E)) il n’y comme Il a une compact, espace Alors, E, soit existe; même si X n’est probabilité pas de loi de variable aléatoire tirage au sort de probabilité gros". Alors : topologique X est une fine sur que la X 3 une mesure est une qui sera probabilité partie de X ~ la existe et et seulement ci compacta et si par toujours définir on pourra X soit contenu dans topologie induite. mais elle application X. " que tirages d’un dira aueei que c’est une épreuLa probabilité de partie pas localement de ~. arrivera, pratiquement toujours, topologie plus E si infinie), 03A9,on de ~ dans définit T de ? . soit dans (P(~"(E)). avec une seul muni d’une loi sort. Un événement est une tirage Yl l’événement est la mesure de cette partie. Si un que nous entendons par "assez Un événement élémentaire est ou un degré que de transcendance commode de supposer que tous les d’un liwre sont réduits à d’un compact "assez Nous dirons plus loin a. sur a une loi de un Alors 03BE probabilité (P(?(ao)eE) compact est conséquent a ~ X~ fortiori sur qui se trouve concentrée sur X (et même en fait sur une réunion dénombrable de parties de X ~ compactes pour la topologie initiale de X). Pour toute partie E 327 de ~ (c~) E E ~ X, Deux variables aléatoires ~(~) ~z(w ) = classe toute X Xf Y, des espaces une et fsi,( ) comme se Y sont localement l’image b~ dans prolonge f(S(dw» et Y X application en une Soient 5 1 , ~2 d. X . Si X f o X dans sont e. continue et X~ ~z f indépendantes, lorsque et lité de la variable produit produit quels que soient (dGU) A C. une x de le même espace topologique seront dites semblables si elles sur Cela revient à dire que, 1 1 (E ) ) ~z variables -~E ) ~ existent semblables et en pour définition des X est contenu dans X sur un de :) X x et Y de X . sont dites X gd’une (dcu) famille de (W --~ (~(~o) ~ ~ revient 1 . Cela -.1 @ ( (A ) ) et existe aussi et est égale à leur comme elles le sur sur sur X compact si et seulement si ~~ tels que égale au produit cas de l’indépendance Y . Y . dans probabiest à dire que, j~(v~ l -1 (B) ) produit ; ce sont pas localement et ne l’indépendance si comme dans b , cela signifie que est au sont sera de (f(P))(doo) Ceci subsistera X ~ Y , respectivement, localement compacts, si la loi ( ~des~ r~lois) - X)(A ~ B)) (?((? définition ~ ~ )" (03BE,~)(d03C9) tion évidente Y f( ) ~ sur coïncident B C pris comme compacts. Si X ex, sera est compacts X ~ Y , et si f 52 ~z (d r,~) . aléatoires ~~~~ X~ le X de et seront semblables f ~ notée probabilité probabilité de la loi de compact. Si c’est-à-dire si Deux variables existent, X application continue une image par son sont contenus dans des probabilité : 51 sur f la loi de compacts, compact, 51 n’est pas localement b~ sur ~ : w --~ f ( ( w ) ) ~ quelle que soit la partie E de X ~ même temps et sont égales ; ceci sera prie si soit deux variables aléatoires localement est ont même loi de X~ sur par est équiva- deux variables Y . dans X si X . topologiques, et aléatoire Sidéfinition ~ est levariable variable aléatoire Si toujours variable aléatoire une Li dans de équivalentes dites sur X, On identifiera rigueur, d’applications mesurables Soient c. de dit, en ~1 f ~ z ~ partout. presque lentes Autrement ()E. est alors bien Y sur la X x mesure Y . Généralisa- dénombrable de variables aléatoires. On peut encore indépendants si dire ceci. Deux événements (~(A) et (P(B) existent, sont dits et B) = (P(A)@(B) . Alors (B) ~ ~ (A) ~ ~ images (au Des ~bles~ sont de sens indépendants. c) X compacts X, Y , comme dans et B de les événements indépendantes. sont X ~ 7 1 ~ ~?2~ indépendantes, de même sont Y sont A des variables sembla- sur si et~ 1 ~ ~ i ~ (et ~ ~ ~) localement (~2 ~ ~2~ parties existent, indépendantes de variables et Y, sur que soient les (P(~~(B)) et sont des variables semblables alors si (P(7~(A)) telles que Y, " indépendantes~ si, quelles sont ~ et X et sont-elles semblables que ~ ~ ~ C’est ~ 9 ~ vrai sur X x Y ? compacts, ou plus généralement contenus dans des b ; autrement, BOURBAKI n’en sait trop rien et refuse de le savoir. fl Soit L/’ un filtre J ; sur V sûrement suivant pont définies ~_ ~.(~) si les famille do variables aléatoires une On dit que est un espace dit que les on variable vers une convergent limite ? X~ û ~ sur de complémentaire négligeable, et vers ~ (c~) . convergent vers 03BE , suivant F , les 03BEj la même espace presque variables ~ X.~ siconvergent les applications même partie de sur une sur presque partout en probabilité, si X si, quel l’entourage ~L , et quel que soit ~ pour j K ((j) Si X est localement compact, ou contenu dans un compact ~ comme dans b (et en supposant alors la structure uniforme de X plus fine que celle qui est induite la convergence en probabilité entraîne la convergence ~ > 0 , uniforme, e~ il existe K ~d(~ vers vague de et que soit (P((~ tel que, (parce , ~(~) ~) ~ . de 03BEj vers 5’ que toute fonction continue à est uniformément continue et bornée) ; si ~ support compact est à base dénombrable, la convergence presque sure entraîne la convergence en probabilité, donc, si est localement compact ou C X compact, la convergence vague des lois. g. Une variable est une aléatoire % loi de est réelle si probabilité sur Une telle variable est dite d’ordre à la X est la droite réelle X R. Alors R. p ~ 1 si ? est dans LP (relativement Alors mesure Si 03BE ~ L103C9 , l’espérance mathématique (03BE) 2 sont à 0 3 B E ( 0 3 C 9 ) d 0 3 C 9 = x 0 3 B E ( d 0 3 C 9 ) . variables 03BE, ~ , d’ordre indépendantes, (03BE~) (03BE) (~) ; particulier, si 03BE et ~ sont indépendantes et de moyenne nulle elles sont orthogonales (&#x26;(?)= ~(~)=0)~ de la structure hilbertienne de des variables est la moyenne d’ordre est p égale Si deux on a au sens = en 1 ~espace 1~ aléatoires réelles d’ordre 2:~()=0. spécifier Nous pouvons maintenant .il des épreuves était existe-t-il une autre assez ce Soit .5 1 gros. variable:) 2 faux). points, trop petite on pourra Alors produit de 03A9’ dans X ; on aléatoire on a indépendante muni de la x est bien pr2 l’espace X ; besoin de cela. Si û est identifier ~ 1 à ~ i pourra et sur si -~ est réduit à deux suit. Soit comme disant que en à~1 semblable pratique alors la et variable (par exemple, Or dans la l’agrandir entendions une X~ sur Ce n’est évidemment pas certain c’est évidemment nous que mesure prl ’ application indépendante de b 1 o i * On supposera alors a. l’énoncé d’un (si cette loi x qui suit : probabilité sur un espace localement compact X, rencontrée théorème, il existe une variable aléatoire ~ sur X ayant n’était pas vérifiée on y parviendrait en remplaçant D. par Pour toute loi de dans -Q ce cela X). b. Pour toute famille dénombrable (5), existe 1o théorème, tervenant dans l’énoncé d’un telle que mille soit semblable ~ 2. Variables aléatoires X du dual de K- . sur E.V.T, réel un le munit de la logique donc une une en et indépendante topologie compact X = des espaces vectoriels (1), (localement affaiblie, R En loi de et que la fa- :lI topologiques. séparée comme à toujours). Si on sous-espace topode R ~ X’ le un compactification X au point (03B1’ , x >)03B1’ ~ X’ point est une application linéaire continue d’un E.V.T. faiblement continue., et se prolonge donc en une est une Y . Une probabilité 5 (d w) PROPOSITION 1. - (1) connexe de $ , peut être identifié il qu’elles So~ ient ~ 1 ’ "5 2 ’ soient semblables, il aléatoire ? X concentrée variable sur réunion dénombrable de compacts de X . Pour une X : il suffit d’identifier le outre, si X dans un autre, elle est aussi application continue de X dans de il soit libre. des Soit de variables aléatoires ino X~ sur X sur et même définit sur X . deux variables aléatoires sur faut et il suffit que, p Nous prenons tous les espaces vectoriels sur our R~ un tout seulement pour E,V ,T. o(’ C Xt simplifier. les variables aléatoires réelles Pour une oC ‘ t ’ ~ (w ) ~ . ~ --a La est la variable aléatoire réelle 03B1’, 03BE> sur X , variable ? soient semblables. ~ ~’ ~ ~ ~~ ~ p~’ ~ z ~ . proposition X Soit d’abord jn. == ~ (dcv) est évidente dans lc de dimension finie. ~ ~ ? détermine mation dans cc cas. continue de faut" ; démontrons qu"’il suffit". de la de Fourier L’image de Radon mesure X maintenant X dans images un soit le sous-ensemble Y X est de dimension X ~ vérifient qui démontre ce quelconque. Si E.V.T. l’énoncé, il la condition de fini J de X’ ~ les images de X définies par l’application ~~ et ~~ et si finie, notre affir- application linéaire une donc celles-ci sont semblables. En Y~ sur de la variable aléatoire réelle probabilité donc variables aléatoires, sur de leurs "il est la fonction Donc la connaissance de la loi de Supposone sens est de même on particulier, ~1 et R" ,2 quel que seront dans semblables. sait que, si deux mesures sont toiles que, pour tout sous-ensemble fini Mais RJ 03BE2(d03C9) , on coïncident, alors ces deux mesures J de coincident ;3 X. ~ donc X’ , sur le produit projections leurs et S1 52 sur sont ’ bien semblables REMARQUES. légère modification semblables si, pour tout a.’ 1 ° Une les variables réelles 2° On que 03BE1 et d’un sous-espace faiblement dense ~1 ~ peut toujours appeler image o(’ --~ ~ (exp(- (2) ~o( l ~ du raisonnement montre et ( ~’~ ~ z ) de Fourier de $ i ~ ~,~, ~ ) ) ) . Elle caractérise ~ ~z) 03BE2 sont XI de sont semblables. On la fonction à une un X’ , remplace X’ : sur similitude On ne peut pas remplacer un sous-espace vectoriel dense par total : la condition n’est pas linéaire en oC ~ . encore près. sous-ensemble Elle est continue eur X1 muni de le. PROPOSITION 2. - Soient toires resp. X sur ~~ et Y ~’ , ,~ ) 03BE soient des variables aléa- ~ indépendantes, il montrons que suffisant. à ~ ~ /~ et et compacte. ~ faut et il les variables aléatoires réelles Soient 03BE1 , ~ 1 , mais des variables Considérons indépendantes. X x Y ; 1~1) ( ~ ~ ( 1 ~ ) sont semblables, qui prouvera l’indépendance qu’elles sur cola, d’après tout ~ E Y1 ~ nous allons do 03BE et ~. X~ ce Pour et deux E.V.T., et tout ~~~ Y ’ , soient indépendantes. aléatoires respectivement semblables les deux variables aléatoires montrer de la convergence X’ nécessaire, Evidemment et Y . Pour qu’elles st que, pour tout suffit ~ p~’ ~ X topologie il suffit de montrer que, pour tout et le s variables réelles ( la propostion 1 , (( sont semblables. p~ ’ , fi ’ ) , ( 1 ~ 1~) « ’, 1 > et A’, ji> #’ est , n de même de 03B1’, o( ~,~ ) ~ ( ~ ) ? variables s 1 écrivent Or ces encore fl’, ~ , comme) et £i sont semblables, il £ > et 03B1’, 03BE1> sont ; 03B2’, ~>doncet sont aussi indépendantes semblables ; mais 03BE1 et ’11 § 03B2’, ~103B1’, et aussi 03B2’, 1? ; ( 03B1’, 03BE> et 03B2’,~> sont indépen03BE1> d’où le résultat. dantes + + en par hypothèse, REMARQUE. - On peut se borner à riels faiblement denses prendre ~( ~1 de Y~ . X~ ~ dans des sous-espaces vec.to- et Variables gaussiennes (ou laplaciennes). 3. Soit X un espace vectoriel de dimension finie variable aléatoire ~’ sur 2 . Cela revientà 03B1’ y 03BE > 2 ; ou encore produit scalaire Le cas le plus intéressant ci~X’ , la variable aléatoire réelle 5 ~X sûrement dans ® Lz’ . Alors application le seul pour lequel, pour on un ait est "F défini t injective, ce X’ qui sous-espace vectoriel strict de exprime X ; alors on peut identifier X’1 à un sous-espace de est euclidien ; X est par là même un espace euclidien, que S dual. Une 03BE> de X’ dans L203C9 , qui induit sur que est celui où cette n’est pas presque son est d’ordre est dite d’ordre 2 si que, pour tout est d’ ordre l’application linéaire 03B1’ ~ 03B1’, le X X~ R~ sur n L, et et son produit scalaire produit scalaire est son Q Soit maintenant Q (loi de une quadratique définie positive forme Gauss-Laplace associée à Q) la loi de X . sur probabilité Appelons définie X sur par étant la dx dx? dxi mesure dn ... (c’est-à-dire égale coordonnées Q-orthonormales). Les associée à Q Haar de pour des à coefficients sont choisis de telle manière que t b. pour 03B1 ~ X , 03B2 E X , 03B1|03BE)( 03B2|03BE on duit scalaire étant celui qui est défini par X Pour = si R~ R est la forme Q . On . quadratique u a )) ( - ‘~ ( o~ ~ ) = 0 .. tou j ours û -~6-~ ~ le pro- 03B1|03B2), dx on a =~ du ~ ~ et on a alors = 0 ~ ~ ~u’‘ ) 6’ ’‘ ; cS’ = variable aléatoire définie par variable gaussienne X sur telle que ~~dc,~) ~ sont semblables. La forme et une adjointe Q’ forme Q’ par 03BE d’ordre 2 de la ou norme à Q, est variable une aléatoire ? gaussiennes associées à isomorphisme canonique de X sur X’ toutes les variables Q sur variable réelle strictement donc X , associée sur Q type A~.. strictement Une est l’écart définit un 0, ( X’ . Pour tout gaussienne d’écart type est la forme induite par l’infection canonique ~~ de Xr dans Q, Soit § F une riable réelle L~ définie Los moments d’ordre 2 s ~( ~ ~ ~ donc une et les L203C9 . de § , c’est-à-dire déterminent pour X’, ~~ /%~à ? ~ ~similitude donc près. = X est donc Q’, une variable X sur ~~~ ~ ?~ gaussienne. Soit en elle est définie positive. effet telle que, pour soit strictement Q’1 la forme tout ~ 6 X’ gaussienne ; alors quadratique sur X’ :: et P ~0 la va- est strictement Soit Q la forme est semblable adjointe X . Alors pour tout sur à ~ ~"~ est 1~ semblable ~ si 1 associée à Q ; donc 5 D’ailleurs l’image de Fourier de Soit Xl un gaussienne 03BE est une est une X’, 03B1,03BE> variable strictement gaussienne donc strictement gaussienne. à ? iest~ la fonction ~ (dW ) X~ : sur sous-espace vectoriel de X, associée à sur variable strictement X ; l’image d’une variable strictement Q , par la projection Q-orthogonale X ~ gaussienne 03BE1 sur associée à Xl ’ X1, forme qua- y dratique induite par Q sur Donc, si Xz est un sous-espace vectoriel de est strictement gausX, l’image de ~ par l’application canonique X ..-~ sienne. Alors l’ image ~ de § par toute application linéaire épij ective X -+Y est strictement gaussienne ; la forme quadratique Qy relative à ~ est telle que i son adjointe soit induite sur Y’ par l’adjointe (l’épijection X a une transposée Y’ --~ X’ injective, donc Y’ est un sous-espace vectoriel de X/X2 X’ ) . ~i Si et sont des variables z respectivement, associées à est strictement gaussienne, associée sienne et si X~ sur 1~ ges à Q1 ~ Q2 . ( ~ 1 ~ ~ z) Si 03BE projections orthogonales et Xl sur Xz Xl X2 sur x est strictement gaus- sont deux sous-espaces vectoriels de Xl ’ Xz par les la variable et Q1 gaussiennes indépendantes X -.~ X1 f X~ X les ima- --~ Xz ~ sont indépendantes, si et seulement si Xl et X2 sont totalement Q-orthogonaux. (Si -en effet ces projections sont indépendantes, alors pour Dtl E 0(z E Xz sont gaussiennes tous deux £ 0 , les variables réelles donc indépendantes, donc orthogonales : ( ~. ~Î ~o)n = 0 ~ et Xz sont bien orthogonales3 la réciproque est évidente ‘~ ( ( p~ ~ ) ( pC ~ ) ) ~. 0 ~ prenant en riables une base orthonormale convenable). f 0~~~ ~ ) ~ ~ ~~ ( ~ sont réelles c’est-à-dire si elles sont |03B2 )’ = 0 , ( les indépendantes va- si et seulement si orthogonales : Généralisation évidente à un nombre fini de projections orthogonales ou d’éléments X’ . Si X, 03BE1, 03BE2, associées à gaussienne, gaussienne sur la X ; somme car sur + gaussiennes,indépendantes sur es.t aussi strictement ~ -1 + ~ z elle est l’image du produit ~ 1 ~ ~ z~ ~ variable strictement X X la forme Qi sont deux variables strictement Q2 Q2 ’ leur somnie X , par l’appliaation linéaire ’(xi quadratique Q de 5 est alors telle (on peut le voir aussi par Fourier). x , x~) que En son x~ de adjointe Q’ + particulier, x soit si deux X variables strictement gaussiennes réelles sont indépendantes d’écarts leur somme est strictement gaussienne d’écart type types 03C3, ~.’‘ + ,~ 4 , Si maintenant X riable gaussienne dans est espace vectoriel de dimension un (non strictement) sous-espace vectoriel X1 Les variables gaussiennes ont des un strictement de une et définit cautions à et strictement à toujours ? une finie, appellera op va- variable presque sûrement contenue X, propriétés analogues Q n’existe plus, mais Q’ gaussiennes ; dégénérée) ment X sur gaussienne X~ . sur à celles des variables existe toujours (éventuelle- similitude prés ; il y a moins de pré- des prendre, car on n’est pas obligé de prendre des éléments / 0 de X~ ~ applications linéaires épijectives etc. L’application X’ n’est plus --~ Lz w injective. Si des variables gaussiennes probabilité base ou en moyenne dénombrable, ’5 bien est X convergent 4. Variables aléatoires X un vers une variable les .5 j généralisées d’ordre 2. espace vectoriel topologique localement complet. R , séparé convexe sur Si on cherche à définir une variable sur X ~ d’ordre doit certainement pas se contenter de dire que c’est un élément de X faut prendre un quelconque produit tenooriel topologique complété. aléatoire ? Nous serons en ou presque sûrement suivant un filtre à même si sont strictement gausgaussienne ; ne l’est pas nécessairement quadratique, évidemment $ siennes, Soit sur 2, on ne 8 co amenés à prendre - B~ Un élément § appelé variable aléatoire généralisée d’ordre 2 X. sur 5 définit dans un de cet espace sera une Pour application on linéaire ? notera de X’ ~, ~ ~ variable aléatoire réelle d’ordre 2. produit scalaire dans L203C9 , continue de l’élément correspondant ~(~) L’application ~ ~ est X’ induit i sur X’ ~ injective, auquel cas on peut considérer X’ comme sous-espace vecsi toriel algébrique de la topologie de Xt est plus fine que la topologie induite par (qui est la topologie définie par L~ préhilbertienne D’autre 1 6 L203C9 est un généralisée Une variable X, L203C9 dans définit une application linéaire de élément de X part, § d’ordre 2 n’est pas faire X ; l’image pas en général une variable aléatoire vraie à ~ une application mesurable de sur peut correspondre de S1 dans X ; c’est une variable vraie si X est de dimension finie, ou plus généralement si c’est un espace de Fréchet nucléaire (car alors le diagramne général car on ne -> ~ w montre que 3 espaces sont confondus si ces X nucléaire ; est X si aussi que Y Y~ Y~ muni d’une X -4Y l’injection si alors sur est un sera une fine que la topologie plus définisse une injection Fréchet, donc variable aléatoire vraie. Remarquons qu’inversement 2, p~ ...~~ et si Pour les variables a. X E est Soit Y X L203C9 une Y variable aléatoire une ~ ~~(’ ~ ~ ? généralisées une Lz ; w sur ~1 ~ ~z ~ est continue de d’ordre avec X ~ la définition déjà (proposition 1). généralisées ~o(/~.~ ~ ~ dites indépendantes si, pour tout ( o( ~ ~ avec (proposition 2) : n’est pas ~, est donnera les définitions suivantes : on sur le même espace Deux variables toires réelles ~’ ~ L~ . dans X~ X variable et X Y . sont des variables aléatoires vraies Cela coïncide 2, sur oC~C X ~ ~ ,~ les variables aléatoires réelles pour tout sont semblables. Cela coincide c. vraie ? comme application linéaire continue. Elle permet de définir donc l’ image 11 d’une variable généralisée ’J sur généralisée variable b. Deux variables si, oomplet topologie induite,et complet, 03BE , considérée nécessairement d’ordre 2 ; elle l’est si, pour tout d’ordre est un sous-espace de un X~ es- Fréchet. Rappelons que RN est un Fréchet nucléaire). Souvent pourra considérer un espace localement convexe Y ~ tel que X soit est on Lz ~X) ~ et pace des classes de fonctions de carré sonmable à valeurs dans X’ ~~~ ~ I~ j semblables, ( ~~~ ~ 1 ? ~ ~~( ~~ ~2~ et donnée si 51 X ~ Y , respectivement, sur et seront dites tout 03B2’~Y’ , sont ~~ seront les variables aléa- indépendantes. la définition antérieure pour des variables aléatoires vraies dans ces deux définitions b , c , on peut se borner à des éléments de sous-espaces vectoriels faiblement denses des duals. prendre Une variable aléatoire est de dimension finie, ce ~,~ 0 ~ injective, puisque, pour n ’ est j amais 1 ’ élément nul de X’ sur respondant à même Si sur est forme une ~ topologie moins fine quadratique analogue à que X’ ~ strictement ~/~ ~ préhilbertienne une p~’ ~ ~ j l’application 03BE : ~ L~ . Donc structure une gaussienne si, est gaussienne. Si dite sera à la définition antérieure. dernier cas, strictement gaussienne. Dans X sur réelle équivalent c’est est définit d’ordre 2 la variable aléatoire pour tout X généralisé© et X’ . On la forme Q ne peut du cas gaussienne, quadratique Q’ forme une pour Idem L, cor- luipas définir de la dimension finie. sur X application linéaire continue, et si 5 est gaussienne est gaussienne sur Y ; de plus, si l’image u(X) X ~ son image est strictement gausdense dans Y , et T strictement gaussienne, X Y est une u( ) u( ?) sienno . ’temples. 5. Prenons par réelle une fonctions variable espace X _ ° ~ continues C/~Bi d’une variable généralisée d’ordre 2 , exemple t . Alors une fonction continue aléatoire sur L, donc tend vers 0 , ’~ (t probabilité, mais non h que est une mesure à L~ ; à valeurs dans R d’ordre 2 généralisé© élément de comme un des , + sur R. Pour tout tend vers ’~ (t) nécessairement presque support compact sur ~l’appellera ~ ~ L~e ~ (L ) R, R~ en est fonction continue on peut définir ~ (t) variable aléatoire réelle d’ordre comme une h) on moyenne quadratique 2 ; lorsdonc en sûrement ; plus généralement, si ’~ (t) ~~, ~ ~ est une variable R ~ à valeurs vectorielles, est sûre- aléatoire réelle. Une fonction continue sur ment localement de carré sommable pour la mesure de Lebesgue, donc donc, considérée comme variable aléatoire vraie ; pour presque tout on peut de fonctions localement de carré sommable () appelons Nous sommable. N’importe mesure de Lebesgue. quelle l’espace mesure sur sur L, c’est une définir ? (ou) variable aléatoire comme une classe R. des classes de fonctions localement de carré de Radon %0 sur R peut remplacer ici la Un 03A9 R, tel que, pour tout , partout (t) d (t) , 0 3 B E à valeurs dans L203C9, c’est-à-dire aucun (ôJ) 03C9 , 03BE 03A9 ble .CY sur et 03C9 ~ est une ot si , finira, t) 03C9 ~ 03BE(03C9, L dans 2 , et si uniquement définie 03A9; sur ~ 03BE (03C9) ~ 03BE(03C9, t élément de comme t) . est Donc 03BE une ot ; dans , d (t) ; 03BE n ~ 03BE, > sera est sur mesura- et la même variable aléatoire vraie 03BE1(03C9) = 03BE2 (03) variable aléatoire une R . 1 o sur L dans une x Alors ? dé- réelle 03BE, est >: d’ordre 2 si et seulement si est continue de qu’une fonction dans ot, S sur ~ mesure Pour presque tout 03BE (03C9, t) est continue ?* (uj) ! t ~inversement. Deux fonctions 03A9 R , définissent sur ~~ . sur jQ R définisse fonction 03BE mesurable il est donc nécessaire que : vraie d’ordre 2 ot , Pour R elle n’a de valeur détermi- doit être mesurable de 03A9 pour presque tout pour toute 03BE1(t , 03C9) = 03BE2(t , 03C9) variable aléatoire vraie fonction mesurables Deux fl. est mesurable de 03A9 03BE(03C9) à L203C9, sur est sur le même élément de R, définissent R, tout intégrale de une réciproquement. > ~ L203C9 est l’intégrale 03BE , ~ ’ot, d’une fonction continue vectorielle pour presque tout R; x 03BE1, 03BE2 , sur point ~ fonction mesurable une 3 et L203C9 t ~. classe de fonctions comme R . Comme 03C9 x cette maintenant 1 Soit pour rapport par 1~ ~ née pour si, -Q . Pour sur définipar dans 03BE1, 03BE2, sur 03A9 et seulement presque R soit continue de fonction mesurables ot ~ L203C9 si donc être peut 03BE(t):03C9~03BE(03C9,t)ap rtien (t) t ~ 03BE et que 0.. ~ L203C9 de élément 03BE 03BE, > 2 w variable aléatoire sur nue sur R~ et que b. pour tout t (c~) : pour presque tout a. 2014~ ~(t) ~ t~~ 2014~ CA3 § ( ce , t) 2014~ une dans soit continue continue variable aléatoire vraie pour presque tout 03C9 , mes de Riemann y aléatoires, coïncident grâce continue de vers à b.~ l’intégrale vectorielle sur i) 03BE(03C9, 03A3 R dans fonction conti- ~ ~ L~ ~ et que L a. . entraîne ti) ; t) L~ ~ on mais effet On comme une ces sommes, ti+1) 03BE(ti) , et 2(ti , elles vectorielle définie ( ?(t) ?(t) du(t) une ~.. Soit ~ ~~ * l’intégrale £ ( ce , t. avec soit soit dans Ces conditions sont suffisantes. La condition ’soit t) soit mesurable de ~ dans §(ce ) (t) : t 2014~ que 03BE peut représenter limite de son- comme variables t ~ 03BE(t) est, convergent on moyenne quadratique cela prouve que l’intégrale (r comme L~ ~ par b. coïncide avec 03C9~ 03BE(03C9,t)d (t) définie L203C9, donc 03BE intégrale vectorielle L est d’ordre dans la presque toutes les valeurs de R, 03BE do généralisée aléatoire On dira ~ L203C9 , définit, 6 que 03BE tème fini a = sur toute par K partie K. t~ t. t.. " R restriction, à valeurs définie pour Q sur (a ~ b) intervalle sur un fonction continue une (a ~ b) : de tp ... comme indépendants, si, pour tout sysb de nombres réels , les fonctions = généralisées 03BE(a) 03BEKi - 03BE(ti) , sont variables aléatoires des l’intervalle (ti’ est et indépendantes d’ordre 2 d’ordre 2 est à accroissements aléatoires continues aléatoires où 03BE(03C9,t)d (t) , de carré sommable et généralisée Une fonction aléatoire continue à la fois d’une fonction continue de 03C9 ~ ~ ~’0 G c dans est continue de L peut s’écrire 03BE, > ~ ’P(t) du(t) ]fonction ou comme , et 2, > H ~ 03BE, alors que par a. ; mais b prouve ( ). 1 généralisées proposition 2, qui l’espace des fonctions continues, suit la En utilisant la remarque ~ de remarquant quo~ dans le dual les combinaisons finies de masses ponctuelles sont faiblement et en la condition précédente est entraînée par système a t.. t forte : pour tout = aléatoires réelles dépendantes. Dans E (t1) - ~(~n~ ce (t~ ~ ~o) ~ cas, 03BE dite donc une est gaussienne si ~~2~ " ~~1~ et Une distribution aléatoires à L~ , C!/. (~’= généralisée distribution sur ~c~~~~~§(~P) stationnaire, denses, on voit que la suivante, apparemment beuacoup moins ... ~ ~o = b , les variables R est sont ~-1~ ~ sont ~* ~~ " tous seulement "* ~ et sur à valeurs dans si elle est semblable à toutes on r(s , t) puisque le produit définit riable et un L . covariance élément § réelle. ? comme et ~P6 ~.( ~P) et quelle x légèrement modifiée : 03BE(t0) par 03BEK0 . est ne que ~( T ~P ) la fonction de deux 5 (t)) . Alors, si ~~.~ ~(?(s) est continu de L~ multiplicatif L~ dans remplacer de Pour toute = a=20140153~ définition 03BE (a) , sa est translatées. D’après la ses sont semblables. ot à L203C9 , riable réelles R variable aléatoire proposition 1~ cela revient à dire que, quelle que soit soit la translation f sur R ~ les variables réelles Si 03BE ~ pour gaussiennes. d’ordre 2 une si, vaon a 1 pas considérer la va- donc, puisque l’espérance mathématique - ’ ~ est aléatoires 03BE Un SYmétriqUe noyau Remarquons qu’on peut La signification §~ i ~ = j~ généralisée Tariables) L203C9 L203C9 15 ( et b g t) 2, on définira F : § = étant une (03BEs % t) . distribution à valeurs dans L203C9, à la produit tensoriel, correspondant un donc une en multiplication s , t à valeurs dans en une isométrie de de est la Si la distribution sur un écrire s,t distribution L103C9 , c’est distribution scalaire s,t. dans x est d’ordre tYPe > ° . est la suivante: g~ e encore de sur ’ JJ Alors, pour une distribution la covariance par le noyau (distribution à 2 s,t est forme linéaire continue une sous-espace de d’où . lisée d’ordre 2 est §à valeurs dans L203C9 alors se prolonge 4 on aura On démontre aisément que toute distribution aléatoire généra- distribution aléatoire vraie. une 6. La fonction aléatoire de Wiener-Lévy (ou du mouvement brownien). On appelle fonction aléatoire de fonction continue les propriétés Wiener-Lévy qur l’intervalle aléatoire généralisée d’ordre 2 , est à accroissements aléatoires b. ~ est 5(tl) gaussienne, ou C" une orthogonales une vérifiant indépendante ; encore, quels que soient (tz ) - S(tt) Nous allons normaliser est (a ~ b) suivantes : a. ~ et réel sont une + telle fonction. Soit h) ~ e (a , (a , b) , gaussiennes. fonction continue croissante ~(t) ~ ~(t tl ~(t) ~ (car T (t d’2 (t) = + h) ‘~(laeomme ( (t) )z . Alors est des variables donc aléatoire 1 de ~ ~ (t) (03C32(t)) t1 t’2 , 03C32(t2) posant ~ 03BE 03BE (t2) - 03BE(t1) est presque sûrement nulle et ~ (03C32(t2)) = ~ (03C32(t1)) . Alors On en peut alors remplacer..5 == par une fonction continue = ï si pour ~0z~ remplacée est est fonction de encore une Nous reviendrons désormais aux notations initiales, § , la fonction normalisée : ~, ( ( (t ) )z ) - t o. (a , b) Wiener-Lévy, mais normalisée ; ((~ (a)~ 6* (b)) par ~ et Il = 0, ~ (tl ) d’écart-type S(t + h) - 3(t), est h gaussinne tl . t2 ’ pour les variables aléatoires choix, sont toutes semblables fixe, des variables gaussiennes ce mais supposerons b = ao . variable strictement une Grâce à t ~ quand t varie :s ce sont d’écart-type PROPOSITION 3. - Il existe une fonction de Wiener-Lévy normalisée, ,et seule une une simi,~litude prè s . Montrons d’abord l’unicité. Elle résulte d’une continues aléatoires ( 0 ~ + oo ) ~ sur et propriété plus générale : si 51 et 03BE2 sont deux fonctions généralisées d’ordre 2, à acroissements aléatoires indépendants si et ~z (0) sont semblables, et et ~ z (tz ) - ~ z ~tl ~ sont semblables. La ~1 (0) semblables pour tout proposition 1 , sont sûrement semblables S2 et tout sont et de système de nombres réels 1 °~ dit système fini remarque pour tout cO’ cl ’ 1 (t2 ) - 1et (t. ~ t ~ ~ alors ... , el’ en ,..., indépendantes, Hilbert )~n ~ 0 .., fonction de une t1 les variables sur et tz ~ " , ~ aléatoires 03BE1 et 03BE2 Wiener-Lévy particulière, suite de variables aléatoires réelles gaussien- de même écart-type 1 . Elles engendrent un sous-espace de dans lequel elles forment une base hilbertienne. Toute binaison linéaires finie des bles gaussiennes une S1 effet que semblables ; mais cela résulte immédiatement des hypothèses l’indépendance des accroissements aléatoires. Il suffit donc de construire nes si, couple 03B30Comme 3BD est une variable gaussienne, comme somme com- de varia- indépendantes. moyenne quadratique, de valimite, gaussiennes est gaussienne, tout de est une variable aléatoire réelle gaussienne. De plus, un nombre fini de vecteurs de des variables riables toute élément en sont ’ gaussiennes indépendantes si et seulement si elles Soit alors J 4 i sométrie de une §É . sur généralisée d’ordre orthogonales. peut considérer On ce + distribution aléatoires sont J comme une dont la covariance est 2, Q,t ~ ~É~~~S ~t~ ~ ~S-t ° Soit 03B8s la fonction caractéristique g (s) J(e ) , 1 ° d’abord § est est - posons = voit on que 03BE a applica.tion continue application continue de R + 0s une 2° j) (t2) - 03BE (t1) de R+ dans Alors si voulues: C L203C9 , 03C9 D ’autre da.ns L2t . nous parce que § (0) part, 0 . = où = 1’ 2 (t1 , t2) ; l’ intervalle propriétés toutes les une s (0 , s ) . de l’intervalle c’est une est la fonction caractéristique de 1’ 2 variable gaussienne, et il en est de de i~~i ~ Ù 4° Reste à montrer avons vu page 13 , nous que 03BE °à£ 03BE(tl) - 03BE(tl-1), qu’elles sont ~~o’~i ~ REMARQUE... La relation est l’unique primitive ~ 1 ce de Jt ~ f (t0) , elles appar- peut aussi s ’ écrire qui s’annule t pour Wiener-Lévy est est une application nous ~~ ’ = que orthogonales; or ce sont les imaqui sont bien orthogonales dans ~%_i’~t ~ g(t) _ J(03B80,t) PROPOSITION 4. - La fonction de tinue d’ordre 2 indépendantes ;comme sont il suffit de voir ~~~ ~t indépendants. D’après devons montrer que les variables aléatoires réelles 03BE(t1) - 03BE(t0), ... , tiennent à est à accroissements 0 . vraie fonction aléatoire une con- -0. mesurable de Il suffit de le montrer pour la fonction de = Wiener-Lévy normalisée, sur simplifier (0 ~ l) Rl . un inter- (0 ~ T) , que nous prendrons pour Rappelons (page 12 ) qu’on peut définir ..$ comme fonction mesurable sur .~.. x R~ . Considérons alors la division de (0 ~ 1) en 2n intervalles égaux. En chacun valle fini des points = 5 (p n) . Si à §( ce , t) la valeur de division nous aux appelons points t = 03BEn p 2n de 03BE est la fonction sur et linéaire entre une J1.x ces variable aléatoire réelle RI qui, est pour intervalles, 03BEn est une égale fonction mesurable Cherchons un un x définissant R~ une module de continuité module de la forme Mais il existe donc la fi vraie fonction aléatoire continue sur R1 , avec 03BEn (p 2n) = 03BE(p 2n) . d’ordre 2 chercher sur a constante Ci probabilité précédente est une Nous allons montrer pourvu que telle que majorée par qu’on peut Mais la fonction Donc --j1 a u V 2u log 1 u est croissante et (pour concave u 1 e ). l’inégalité pour des des t" t’ , dyadiques, quelconques, t’ , t" , à t’ = p2 2n, t"=q2 2n, cause de linéarité entraîne la même de 03BE n( w) inégalité pour dans les intervalles ~. r zn ~n . Alors 03BE des 03C9 Mais la de a n probabilité C2 probabilité sure .Q, de On on peut en on a leurs ~i ~ déduire associera le suivant: sauf pour d’une réunion dénombrable d’évènements est nulle. En modifiant pour tout , au sens -1 )n probabilités ; donc, sauf probabilité inférieure où égale à par la somme de 03C9 de bien le module de continuité voulu au besoin tout tel il existe majoration plus proche des une sur den+1 n 2n, soit ~.~ , qu’on toujours majorée pour un ensemble on Q. N d’éléments peut le supposer vide. Donc, ait les inégalités (~~t)"~n(~~ t’ . Alors n ci-dessus pour t)1 . A tout t , Donc, pour tout série suite t) est ~ ( c.~ ~ t donc ) mesurable sa limite. La surables, les ‘~a~(L2 ) e donc, est pour tout t) - convergente, fonction .5 a sur 0 R~ . x b. converge presque sûrement Mais ici, en moyenne pour tout sommable ; donc mesurable . conditions en est une outre, 03C9 a de a. plus un d’une fonction continue ~ 03BE0(03C9) suite est sur une ;alors 0 (voir R , 12 , et page et application peut 12 ). non de d’applications puisque otdéfinit est métrisable ; donc S 0 et b. de la page vraie d’ordre 2 sur (0,1)~ On vers t qui est limite simple mesurables, interpolées linéaires .coïncident presque partout sur H et définir la même fonction aléatoire de Wiener-Lévy de carré .et ses quadratique pour tout seulement la t : converge remplacer § ou encore Mais la fonction continue à valeurs vectoriel- évidemment limite uniforme de a. ~ n(t) Donc § et ~ p ~ t), uniformément pour 0 ~ t 1 , Soit est limite d’une suite de fonctions me- et donc une vérifie les fonction continue aléatoire module de continuité de la fonction aléatoire. Pour n ~ on a Soit (t, t + 11 t) un intervalle avec /~ t ~ 1 . Choisissons n tel que Mais~ pour tout donc, pour tout on peut choisir 14 (ce) et pour tout entraîne !~(~ At~~(~) On bien la peut t + 2 0394t log 1 0394t, dule de continuité PROPOSITION 5 . - La fonction de aléatoire ~ 0 tel que ~f admet presque sûrement le et cela quel Wiener-Lévy normalisée~ b. elle est à accroissements aléatoires Lorsque sont toutes d. (~) ~ nombre ~ existe a les mo- 1 . que soit propriétés suivantes : ~(0)=0 3 ~(D) =0 , ~(~(1))=1 ~ a. ~’ un ~t) - fonction dire que donc 1, grand qu’on veut ; il aussi ~ ~ 0 indépendants ~ les fonctions aléatoires varie généralisées semblables ; 0 lorsque s > varie les fonctions aléatoires sont toutes semblables. Elle est, à une lisée d’ordre 2 à avoir On voit propriétés qu’ici on près, similitude ces remplace d’invariance par la seule fonction continue aléatoire généra- propriétés. la condition d’être un gaussienne et normalisée par des semi-groupe d’opérations. Il est évident que la fonction de Wiener-Lévy a ces propriétés : a. et b. ont déjà été vues ; pour voir c. , il suffit, puisque les fonctions considérées sont ’à accroissements indépendants,«t nulles pour t = 0, de vérifier que, pour tout tl et t2’ les différentes variables réelles ~ (tz ~"~ ) ’" ’~ ~tl + ~ ) sont semblaenfin sont des variables gaussiennes, d’écart-type bles : or ce t pour tous tl et t2’ les différentes pour vérifier d.. il suffit de vérifier variables réelles -------- ~Ïs - - ~’s’ sont semblables, or ce sont des variables Réciproquement, R+ ~ sur a~ ~. b. , vérifiant normalisée, fonction continue aléatoire une soit ? c. , d. Pour montrer il suffit de montrer que, pour tous tl ~t - t ; gaussienne d’écart-type généralisée d’ordre qu’elle est de Wiener-Lévy 2 t2 ~ (t2) . ~ (tl) et 3 mais est c. affirme qu’elle est semblable à il suffit donc de montrer que, pour tout t ~ (t) est gaussienne d’écart-type Mais d’après d, ~ est semblable à il suffit donc de montrer que est gaussienne d’écart-type 1 . S (t2 - t1) , 0 ~ Vt g (t) ~,(1) ; ?(1) Soit l’image de Fourier do la loi de probabilité de ("fonction caractéristique" ~(1) est de la variable d’après des variables b. ~ aléatoire 5 (1 ». :5 (1) , indépendantes somme , dernières ces , .. g (1 n) , à sont toutes semblables est semblable à §(1 ) . - iù Finalement .. f(1 ) est somme de - §(1 ) , voment semblables à n d’après c. , et d. , j (1 n) d’après variables aléatoires n la fonction indépendantes respecticaractéristique d’une somme de va- indépendantes n est le produit des fonctions caractéristiques, donc Il reste à montrer que cette relation fonctionnelle implique f (u) soit n fonction caractéristique de la loi de Gauss: ufl (u) exp(- é) . que 1f Comme z9 (1 ) est d’ordre 2 , q est deux fois continuement différentiable, donc, pour de a. ,et- log 0 , Lf (u) 1 - u2 0(u2) à u2 o (1) . (u) q tout Àlors, pour fixé, log L+ (u )= - il o(1 n) ; ét yz riables on a = = u + = cause = u + n donc 1f (u) exp (- u ) , et 1 (1 ) 7. Extension: la mesure aléatoire de Au lieu une considérons de 03BE distribution sur n V H 0 = R+ , sa se est bien gaussienne d’écart-type à-dire à la un dérivée Jt (au prolongeant en un sens des distributions). J. isomorphisme de sur plus généralement T un espace localement compact, muni dt 0 . Une mesure aléatoire J généralisée d’ordre 2 sur L203C9) élément de mesure dt , est dite de si elle satisfait à la Pour toute ~~~) d’écart-type ~03C6~2 L . (fonction (Donc J Wiener-Lévy propriété gaussienne). H03C9. d’une T est mesure (c’est- normalisée relativement suivantet continue à support est 1 Wiener-Lévy. Soit alors de Radon + - compact), J(~) est gaussienne. Il existe si et Jl plus au ont J2 b toute J~ et une similitude près : soit à à la sur de Wiener-Lévy système a dénombrable de système un alors alors sont semblables pour en outre si dans T pour une question. propriété la :2 fonctions de (fJ , orthogonal suivante L.les qui, L203C9 , nom- définissant J une mesure libre de variables aléatoires. C’est cette condition car (proposition 1 ). sont semblables J2 à Jz(~ ) et H03C9 est isomorphe L, répond mesure un propriétés, ces existe bien une, car, si un sous-espace hilbertien de des variables dénombrablement par gaussiennes indépendantes assez breuses pour que isométrie de mont ayant propriétés, en engendré est ces donc Et il La une mesure = (a , b) C R, (c~ ’ k)k~ K J (tpJJ f or- donne la condition d’accroisse- indépendants. ments Si T est gauche, J mesures de un groupe localement est stationnaire à Wiener-Lévy, compact, gauche,car dt ses une mesure de Haar invariante à translatées à gauche sont encore des donc lui sont semblables. Wiener-Lévy,d’après la proposition 5,est une fonction aléatoire mesure aléatoire généralisée de Wiener-Lévy n’est pas une mesure La fonction de vraie. Mais la aléatoire vraie. Nous tre qu’il ne peut pas être tion localement est presque avons vu un bornée ; sûrement une module de continuité amélioré, donc 03BE’t et possible pour ’5 ; on mon- n’est presque sûrement pas à varia- que ? n’est presque sûrement pas une mesure3 elle 1) , distribution d’ordre 1 EXEMPLES. 1° Prenons pour ment de Fourier où an a~ = 2 T muni de la mesure dt. J admet un développe- (). J(1) est une J(cos 2Tf nt) ~ = d’écart-type 2 ; (5) R/Z le tore variable bn toutes = 2 ces gaussienne d’écart-type 1 , tandis J(sin 2 TInt) , variables sont sont des variables indépendantes ; que gaussiennes et c’est là une autre de Fourier en cos ~ sin ~ oh m châtiment pour n’avoir que des fonctions aléatoires réelles. Si l’on veut bien considérer des variables complexes on voit que, si T est un groupe abélien, dt une mesure de est aussi de Wiener-Lévy, Haar, l’image de Fourier = est gaussienne d’écart type Développement considéré ~F03C6 ~L2 ~03C6~L2 . manière de trouver Si on considère périodique) unique, J . J périodique sur R ~ elle a une primitive (non t 0 , et cette primitive coincide avec la fonction l’intervalle (0 ~ 1) ;3 on a donc pour cette dernière 0 ~t ~1 : comme mesure nulle pour normalisée dans de Wiener-Lévy le développement, valable (développement convergent pour en = moyenne quadratique et presque sûrement), gaussiennes indépendantes d’écart-type bn sont des variables ble gaussienne d’écart-type 1 indépendante des 349 a ,b . où les (i2t~ ~ (1) une an’ varia-