DE L ’U NIVERSITÉ DE C LERMONT -F ERRAND 2 Série Probabilités et applications
G. R OYER
Distance de Fortet-Mourier et fonctions log-concaves
Annales scientifiques de l’Université de Clermont-Ferrand 2, tome 78, sérieProbabilités et applications, no2 (1984), p. 133-155
<http://www.numdam.org/item?id=ASCFPA_1984__78_2_133_0>
© Université de Clermont-Ferrand 2, 1984, tous droits réservés.
L’accès aux archives de la revue « Annales scientifiques de l’Université de Clermont- Ferrand 2 » implique l’accord avec les conditions générales d’utilisation (http://www.
numdam.org/conditions). 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/
DISTANCE DE FORTET-MOURIER ET FONCTIONS LOG-CONCAVES
G. ROYER
SUMMARY : In some sense, the cost
paid
to transform a Gaussian law into another,differing only by
its mean isequal
to the Euclideanlength
of the neededtranslation ;
thisequality
isproved
tosubsist as an over-estimate after modification
by
asufficiently log-concave
function. Mainapplication
and motivation are taken from aproblem
of convex interaction in statistical mechanicsor field
theory.
Dans un travail antérieur sur les
champs
discrétisés[191, j’avais employé
unemajoration
de distance entre mesures ; ici on se propose : d’ex-pliciter
cettemajoration
sous une formeattrayante,
de l’étendre à la dimen- sionquelconque,
et de lagénéraliser
un peu ; cela nouspermet
de retrouverle résultat sur les
champs
discrets de manièreplus
directe et d’avoir le ré-sultat
correspondant
pour la théorie Le résultat leplus
lisibleen dehors de ces considérations de
physique mathématique
est 3.3.Je remercie G. Fourt et L. tv1ailhot pour des informations sur les fonctions
log-concaves
à propos d’un travail connexe[141 ;
A. Ehrhard etS. Chevet pour d’utiles conversations.
1 - RAPPELS SUR LA DISTANCE DE FORTET-MOURIER
Soit
(X,D)
un espacemétrique séparable
que l’on supposera aussicomplet
et soitM,
le convexe des mesures deprobabilité p
sur X telles que, pour unx (ou
pour toutxo,
c’ est - . On définit ladistance D sur
M1 (la
même notation est bienvenuepuisque D(6x, ) = D(x,y) )
par :
où est l’ensemble des
probabilités
sur X x X seprojetant
suivant 0 etv sur les deux facteurs.
D’après
le critère deProkhorov,
estcompact
pour la
topologie étroite ;
donc l’infijnum estatteint, l’application
a
-> fD(x,y) a (dx,dy)
étant s.c.i. pour cettetopologie.
Onpeut
serepré-
senter p et v comme des tas de charbon et a comme méthode pour
transformer p
en v par
transport,
D étant alors le coût minimum detransport.
Cette définition est souvent attribuée à Wasserstein
quoique
ellesoit
plus
ancienne~11~ ;
en fait cette distance fut d’abord introduite sous une autre forme parFortet-Mourier [10] :
où :
désigne
lepseudo-norme
deLipschitz
La preuve de
l’égalité
des deux définitions est,d’après Dudley
àKantorovitch-Rubinstein. Dans le cas où X est
fini, auquel
on se ramène assezfacilement,
c’esttypiquement
un résultat de dualité enprogrammation
linéaire([20], [9])
mais il vaut mieuxemployer
le théorème de Hahn-Banach directementen dimension infinie
([8], ~15~ ) . L’espace M1
muni de D estcomplet ( ~24~ )
latopologie correspondante
estproche
de la convergence étroite(elle
coincide siD est
bornée).
Cette distance s’est révélée utile dans des situations diver- ses ; enplus
des travauxdéjà cités,
voir entre autres[12] , [6] [22]
(Y. Guivarc’h
m’ asignalé l’ aspect lipschitzien
de ces derniers travaux dont unprécurseur
est d’ailleurs[7] ).
Sur R muni de la distanceIx-yi,
on aG(x)j 1 dx,
où F et G sont les fonctions derépartition
dev et v ; voir
[10].
2 - FONCTIONS LOG-CONCAVES ET INEGALITE DE BASE
2.1 - On dit
qu’une
fonctionpositive @ (éventuellement
sur un espace vectoriel E, estlog-concave
si :ax
+by) z x a b
pour tousx,y E E,si
a k0,
b z0,
a+b =1,
en convenant de 0.00 =0 ; si cp
estlog-concave,
l’ensemble des
points
où @ est non nulle est convexe(ainsi
que l’ensemble où est+00).
Desexemples typiques sont 1A
si A est convexe,exp(-x2), exp( -x4)
ou
(sup (x,O))2.
Le théorème de base concernant les fonctions
log-concave
est le théo-rème de
Prékopa ([23] ~25]) f (x,y)dy
est une fonctionlog-concave
sur1Rp
sif (x,y)
estlog-concave
sur enparticulier,
la convoluée de deux fonctionslog-concave
estlog-concave.
Soit p
une mesure sur E et une fonctionpositive sur E ;
on noterala
probabilité
.quand
elleexiste ;
onsimplifiera
cettenotation en
[w] quand 03BC
est la mesure deLebesgue.
Plaçons
nous tout d’abordsur 89 ; 1 . J , (.,.) désignent
les normeset
produit
scalaire euclidienscanoniques
de cet espace :IXI 2 2 n = l x..
i=1 1
Soit D une autre distance euclidienne sur elle
provient
d’unenorme ll.llD,
elle-même associée à une matrice
symétrique
detype positif
nondégénérée,
que l’ on notera aussiD,
par la formule1 1 x 1 1 D
= .Il nous est utile de considérer des matrices de
type positif qui
ne soient pas
symétriques :
B à 0signifie (x,Bx) ~
0 pour tout x. Unproduit
de matrices
positives
n’est paspositif
engénéral ; cependant :
2.2 - Lemme
Soit W une fonction
2 sur
dont la matrice dérivée seconde en toutpoint
t,W"(t), vérifie
CW" ~I ,
où C est une matricesymé- trique positive non-dégénérée fixée ;
alors W" >-_c-1
I où c est la valeur propre maximale de C(et
donc W estconvexe) ; exp (- (W+g) )
est
intégrable
pour toute fonction glipschitzienne.
Démonstration : La matrice W" est
symétrique ;
soit a la valeur propre minimale de W’(en
unpoint
fixé t Ee),
x un vecteur propre normalisé associé. On a1
(x,
CW ’ x ) - ; lapropriété d’intégrabilité
est uneconséquen-
ce de la stricte convexité a
On a aussi
l’inégalité dét (W’ ’) z C dét (C) ) ~ ,
~ en effet :où T est
antisymétrique ;
comme CW" + 1i"C estsymétrique
detype positif,
d’après
uneinégalité
d’Ostrowski etTaussky
dét dét([
t +1 puisque- (CW" + W"C) ~ 1 ;
voir[2].
L’énoncé suivant est un peu
compliqué
pourpouvoir englober
dessituations voisines mais distinctes. On y
désigne
par A une matricesymétri-
que
positive
nondégénérée fixée,
par V une fonction de classe par gune fonction
Lipschitzienne ; lvgl.
°’ = ess.sup(17g(t)l)
est définipuisque
le
gradient Vg
existe presquepartout.
2.3 - Théorème
Remarquons
tout de suite que le casgénéral
de cetteproposition
se déduitfacilement du cas D =
I ; en
effet la matrice D est une isométrie desur
qui
transformeexp ( V)
enexp (-W)
avecV - V o
D-1 ;
comme V" = DW"D1 ’hypothèse
du théorèmeD2 A2
D li"D zpD2 re-
vient à
B2 W’ >-_ I
avec B =(D AZ D) 1/2 ;
on obtient donc unemajoration
dela distance par
j B2 v(g
oD-1) 100 qui
revient à celle annoncée.Pour établir la
proposition
dans le cas D =I,
ons’appuie
sur laméthode bien connue du mouvement brownien avec
dérive , qui
subsiste d’ail- leurs sous deshypothèses plus
faibles que celleenvisagée
ci-dessous.2.4 - Lemme
Soit U une fonction
e sur If
telle que, d’unepart ( vUx> ,x>
est borné inférieurement pour x e
Rn,
d’autrepart exp(-U)
estintégrable.
Le processus de diffusionxx
t défini parl’équation :
est un mouvement brownien
standard,
existe pour tout t > 0 et l’on a :- -
pour toute fonction f borélienne bornée et tout x.
Démonstration : Soit m : = sup
(- ( v U(x) ,x) ) .
Pourchaque épreuve
w , lax
solution
existe,
conne le montre la méthode dePicard,
sur un inter-valle
(w)
; montrons que T = ce presquesûrement ;
siTk
est letemps
de sortie de la boule de rayon
k,
la formule de Itô montre que :c’est
l’égalité
del’énergie
de[3] ; d’après l’hypothèse
surU,
on obtient :et,
en faisant tendre k versl’infini,
on voit que T > t p.spuisque
D’autre
part,
legénérateur
infinitésimal du processus ainsi défini étant(Af - (’7U, vrf)) /2,
il est immédiat que laprobabilité 1 exp (-U)
est
invariante ;
le théorèmeergodique appliqué
au processus stationnaire associé montre que pour presque tout x, la limite annoncée estjuste.
Maisd’après
lapropriété
de Markov on a :où m est la loi de
1 ;
m estéquivalente
à la mesure deLebesgue,
car laformule de Cameron-Mirtin montre que la loi de
X( ,
t’ 0 t 5 s estéquivalente
à l.a loi de
Bt,
0 __ t 5 1. On conclut parapplication
du théorème deLebesgue a
Le calcul
qui
va suivre estinspiré
par celui utilisé pour étudier leséquations stochastiques
monotones( ~3j , CZ 1~ ,
etspécialement [24]).
2.5 - Démonstration du théorème 2.3 pour D = I
Considérons les deux processus de diffusion :
et
IV -1
Le processus de diffusion
Xt
=A-1 xt
satisfait à uneéquation
dutype
dulemme
2.4,
avec U = V o A.Puisque
U" =A(V’
oA)A,
le lemme 2.2 donne uneinégalité
dutype
U" 3kI, (k
>0), qui
montre aussitôt quel’hypothèse
du lemme 2.4 est vérifiée. Cela reste vrai pour le processus
A-1 Y ,
en suppo-sant que g
est~ .
Partransport
par A le lemme 2.4 donne donc :pour f borélien bornée. Si de
plus 1,
onpeut
écrire :avec :
Q2
estmajoré l’inégalité
de Schivarz.D’après
laformule des accroissements
finis, Q1
s’écrit pour uncertain E,
puisque A 2U" ;¡:
p I.Donc
(c,o¿(t)), ~ -p (P2(t)
+ avec =0 ;
l’étude facile de cetteinéquation C[20] appendice A)
donne@(t) JA2 Yg|oo /p .
Cetteinégalité montre,
enprenant
la bornesupérieure
en f dans(1)
que :On avait
supposé
gdérivable,
mais cette restriction se lève immé- diatement parrégularisation (si
f estcontractante,
il en est de mêmef)
pour touteprobabilité p
de3 - APPLICATIONS
A)
Uneinégalité
de corrélationmr r
Désignons
par la covariance calculée parrapport à
lamesure
exp (-V)
:où m =
1 ff (x) exp(-V(x))dx (resp : n,g),
Z constante de normalisation.3.1 - Théorème
Soit D matrice
symétrique positive
nondégénérée ,
f et glipschi- tziennes ;
on supposeD2
V" > pD2 ;
alors :Démonstration : On vérifie facilement que
cov.r(f , g)
=q’ (0)
enposant :
d’après
le théorème2.3, appliqué
pourA=I,
on a :il suffit de remarquer aue
Il fil L,D (norme
deLipschitz
pour la distanceD)
vaut
~~_ .
Dans le cas
D=I,
on a uneinégalité
bienplus
forte deBrascamp
etLieb
[13].
rpour V"
positive.
Nous ne voyons pas comment ramener le casgénéral
du théo-rème 3.1 au cas D=I. Notons que
D2V"> p D2 impl
I(comme
au lemme2.2).
B)
Translation de mesuresgaussiennes
avec modificationpar
une fonctionlog-concave
Soit
une mesure deprobabilité quelconque
surRn , JJ
+ a lamesure translatée
de p
par le vecteur a ; la formuleD (IJ , IJ+a) = Il
a estévidente et est valable aussi pour une norme non hibertienne.
Quelque
choseen subsiste
après
modification par une fonctionlog-concave,
dans certainscas est
gaussienne
et D hilbertienne.Etant donné une matrice
symétrique positive
nondégénérée C,
disonsqu’une
fonction declasse C2, V, est
C-convexe si CV" > 0et, plus généralement, qu’une
distribution V" est C-convexe si larégularisée
par convolution V * u est C-convexe pour toute fonction upositive
del’espace
Enréalité,
toute distribution C-convexe est une fonction convexe
(utiliser
le lemme2.2).
3.2 -
Proposition
1Soit p
une mesuregaussienne
nondégénérée
de variancea2, sur Rn
muni d’une distance hilbertienne
D, et ço
=exp (-U) ;
si la fonc- tion U estDo -
convexe on a :Démonstration : La mesure n’est autre que
et vg = - a, le résultat se déduit du théorème 2.3 où l’on choisit A = a, du moins dans le cas où U
est le . 2
Si U n’est
p as 2
~ onapplique
le résultatprécédent àUn = U * un ’
où
un
est une suite de fonctionspositives
lisses dont lessupports
formentune base de
voisinages
de0 ;
U étantcontinue, Un
converge versU ;
comme Uest minorée par une forme
affine,
onpeut
passer à la limite dansl’inégalité.
simplement
par convergence dominée aLes cas le
plus simple
de cetteinégalité
est le cas où D =cr-1 ;
;on
peut
alorsapporter
àl’inégalité
deux améliorations : passer à des fonc- tionslog-concaves pouvant
s’annuller etgénéraliser
en dimensioninfinie,
améliorations
qui
devraient aussipouvoir
êtreapportées
dans le casgénéral.
3.3 - Théorème :
Soit u une mesure
gaussienne
sur un espace de Banachséparable
Edont
(H, est-l’espace autoreproduisant ;
soit W une fonc-tion
log-concave
finie sur E. On suppose que l’ensemble despoints
de discontinuité est
négligeable
pour et que @ est d’inté-grale
non nulle. Alors il existe une mesure a sur E x E de.margi-
nales et telle que :
ilal 1 H e--n
convenantde i i u i i
= +00 pouru Y H.
Bien entendu
H
est une distance sur E en un sensgénéralisée
et on a ainsi une
majoration
d’une "distance" de Fortet- Mourier.Démonstrat ion : Notons d’abord que l’on a une
ma j orat ion
rexp(i(x))
où £ est une forme linéaire continue sur E : soit
x 0
unpoint où w
est con-tinue ;
pour E > 0 et y > 0 convenablement choisis lesparties
suivantesde x x lR
et
sont convexes et
disjointes ; C2
est ouverte ; onpeut
donc trouver uneforme linéaire
continue ÎÉ
sur E x Rque
> 1 surC~ et ~ ~
1 surC ;
est continue
puisque C 1
est ouvert ; écrivons~(x,y)
=forme linéaire t sur E convient. La
majoration
obtenuejustifie
l’existence de ainsi aue,plus bas,
lesapplications
de théorème deLebesgue.
Plaçons
nous tout d’abord dans le cas où E est de dimension finieet h non
dégénérée :
H = E= 89 ;
soito2
la variance de la mesure jj ; lanorme de
l’espace autoreproduisant
n’est autre que~ a~1
x,x) 1/2
si w
est strictementpositive,
le théorème résulte de 3.2 enprenant
U et D =
cr -1
. Si estquelconque,
on ose :qui
estlog-concave
et nonnulle ;
par continuitéSPn
converge vers(2n) ~
et on passe à la limite comme à la fin de la démonstration de 3.2.
Dans le.’ cas
général
soitei,
i E N une base hilbertienne de H et soient~ . 1
les variables aléatoires deL2(v) associées ;
on sait(voir [41)
quela série
aléatoire 1 ~i e.
converge presque sûrement dans E et que la loi desa somme est p ; soit a un élément de
H,
onpeut toujours
supposer acolinéaire à
e~ ;
demême,
soit z une forme linéaire continue sur E telle que WSexp(*) ; *
définit par restriction à H un élément b de H = H’ que l’onn
peut
supposer être dans leplan
0e ) ;
1soit 03BC
n la loide 1 ii
li ;., 1 1
converge étroitement bornée sur E :
le théorème de
Lebesgue s’applique puisqu’on
a unemajoration
del’intégrale
par C
exp(£j el’
b > +~2 e2,b >).
La même méthodes’applique
pour mon- trer queC~p (pn+ a) converge
vers +a) (on remplace s1 par s1
+ a dansles calculs
précédents). D’après
l’étude en dimensionfinie,
existe une mesureotn
sur E x E seprojetant
suivantvn et vn
= respec-tivement telle que
puisaue vn
converge étroitement vers v surl’espace polonais E,
existe uncompact
Kportant
> 0près
toutes lesmesures vn ;
de même K’ les me-sures
vn ;
n les a’ n sontportées
à 2eprès
par K xK’ ;
ceci prouve que l’ensemble des a’ reste relativementcompact, £ pouvant
êtrearbitraire ;
n
on
peut
extraire une sous-suitean k convergeant
vers a et on a alors lerésultat
annoncé,
vu que,l’injection
H -> E étantcompacte,
la fonction1 l’ tu
est s. c. i. sur E et donc aussi la fonction sur Ex E 3.4-Exe le
Soit une
partie
convexe borélienne d’intérieur non videdelRn ;
soitPa
la mesuregaussienne
de variance I et de moyenne a,Pa
o1 C)
la mesureconditionnée par
C,
etm a
sonbarycentre ;
on a ; ceci résulte de l’estimation de la distanceentre 03BCa ( o 1 C)
o1 C) ,
en re-marquant
que la fonction x ->D(x,H),
où H estl’hyperplan passant
par a etorthogonal
à a -b,
estlipschitzienne
de norme 1.Cet
exemple
estinspiré
par[14] ,
de même que le résultat suivant :on peut montrer
qu’en
dimension1, l’inégalité
est valable avec @
log-concave
et p à densitélog-concave.
C - Unicité du
champ
euclidien sur un réseau en interaction strictement . con-vexe
On se propose de retrouver un résultat de
~1a ~
par une méthodedirecte,
de passage à la limitethermodynamiaue,
sansemployer
la méthodeplus
subtile de Dobrushin. Soit P unpolynôme
borné inférieurement non cons- tant ; onappelle
P-mesure de Gibbs touteprobabilité p
surlR ( v
étantfixé) qui vérif ie,
pour toutepartie
finie L deZ"~ , l’équation :
où le
premier
membredésigne
la mesure conditionnellesur R quand
la compo- santex L c
L de x E surLe
=Z -
L estfixée,
et le deuxième est donne àpriori
par la formule :v-u
signifiant
que v est un des2 ~
voisins de u dans le réseauZ ~ .
Naturellement
l’égalité (D)
ri’est à lire que pour p-presque toutx c.
(0’ L
Soit
iT (Lv) l’espace. des.
fonctionssur’z"
à croissance auplus polynomiale.
3.5 - Théorème :
1 Supposons que inf(P")
> 0 ;
il existe alors au plus
une P-mesure
de Gibbs
qui
soitportée
par.
&-
.m2
2 .Démonstration :
Décomposons
P sous la forme2
x+ Q où m > 0 et Q
estconvexe. Soit à le
laplacien
discrétisé surZv :
Ax(u) = 1 (x(v)-x(u))
v-u
et
~L
lelaplacien
sur L calculé enprolongeant
x par 0 en dehors de L. Soit y la mesuregaussienne
surR
de variance +m2)-1 ;
on vérifiefacilement que la mesure
nL (dx|0)
L n’ est autre que avec @ = uEL uOn va calculer la distance de et
de nLCdxlz),
z étantdonné :
Lc -> R,
pour une distanceconvenable ;
posons :1
où p est
l’opérateur diagonal (x(u) ,u £L)
->(p(u) x (u) , u E L)
les coeffi-cients
p(u)
étant des nombres strictementpositifs
choisisplus bas, indépen-
damment de L. Etudions
déjà
àquelle
conditionD2
estpositive
et nondégé-
nérée sur
lRL :
le
premier
terme estpositif ,
le second se transforme aisément en1 x2 (u) (- ALp (u» (dans
les calculs on convient dexCv)
= 0p our v L) .
Pour que
D2 ? 4,
il suffit donc que l’on ait la condition de surharmonicité :+ 2 m~> P z 0, qui
estimpliquée
par :la non
dégénérescence
deD~
est alorsassurée,
ensupposant
L"connexe",
par le
premier
terme.D’autre
part, n. (dxjz)
s’identifie à où h est la solu- tion duproblème
de Dirichlet suivant :comme
D2 C2
est la matricediagonale
p , la condition de laproposition
3.2est vérifiée
(U"
estdiagonale
etpositive)
et on a donc :avec
~ L
désigne
l’ensemble despoints
deLc
voisin d’unpoint
de L.B
,
1
Choisissons maintenant pour p une fonction vérifiant
(S) ,
stric-tement
positive
et à décroissanceexponentielle sur ZV ;
un calcul facilemontre que c’est
possible (voir ~20~ appendice B),
il suffit deprendre
Soit 03BC
une P-mesure deGibbs,
f une fonction surprovenant
d’une fonctionle
àsupport compact
suri’1
où M est unepartie
finie deLv ,
et~
le "cube"(u ;
Vilui 1 :-g n 1 . D’après l’équation (D),
on aJ*f du
= oùYn (f)
est lafonction, ne dépendant
que des coordonnées hors deIndéfinie
par :dès que
Ln
D M.D’après
le théorème desmartingales rétrogrades, ’lin Cf)
converge p-presque sûrement vers une pour terminer il nous suffit de montrer que est presque sûrement
égale
à une constantem(f) indépendante
de IJpuisque ffdp
= =m(f), équation qui
détermine p, les fonctions f admissibles formant unealgèbre qui engendre
la tribu borélien-Z L
ne de
R . Notons,
de manièreplus
précise, DL
n la distancesur]R n
.L "n
f s’identifie à une fonction
sur Rn
avec une constante deLipschitz k,
indé-pendante
de n, dès queLn:D 1,,-’
1 en effet sur la distanceD.
s’identifie à enprolongeant
x par 0 en dehors de M.n
On obtient donc :
par le
principe
dumaximum,
on a :on
peut
doncmajorer
par :mais,
p-presquesûrement,
z est à croissance auplus polynomiale,
donc :La méthode de
[19]
s’étendait à despolynômes proches
d’unpolynôme
convexe ; le résultat démontré
correspond
à des intuitionsphysiques ;
sousune forme moins
élaborée,
voirDunlop,
cité dans[1] .
D - Unicité du
champ
.Pour v =
1,
la notion de P-mesure de Gibbs admet facilement un analo- gue nondiscret,
en considérant des espaces detrajectoires continus ;
on se pro- pose d’établir le résultat d’unicitéanalogue
à 3. S. Ceci donnequand
P est stric-tement convexe la solution d’une
conjecture
deCourrège
etRenouard , proposée
dans
[5 ]comme
unjoli problème
d’unicité de mesurequasi-invariante (l’équi-
valence de la
propriété
dequasi-invariance
citée avec lapropriété
de Gibbsest montrée dans
(17~) ;
ce résultat est d’autrepart
assez mal venu, étant don- néqu’en
dimension 1 toutehypothèse
de convexité devaitpouvoir
être éliminée.On
désigne
para,b
la mesure surC([a,b])
définie par lepont
brownienassujetti
aux contraintesy(a)
= u,y(b) =
v ; P étant unpolynôme
borné inférieurement non constant, on considère la mesure sur
~([a,b])
suivant
une P-mesure de Gibbs est une mesure sur telle que pour tous a
b,
presque
sûrement,
3.6 - Théorème
I
Siinf (P’ 1)
>0,
il existe auplus
une P-mesure de Gibbsqui
soitportée
par nà9&) -
est
l’espace
des distributionstempérées
sur 1R.Cons idérons les
ob j ets
suivants : un nombre strictementpositif
met le
potentiel
de Greenpa b
solution deséquations
si a =
-b,
p est donnée par ksh(m(x+b))
pour -b ~ x s 0 et ksh(m(b-x))
pour 0 ~ x s
b ,
avec k =(2
mch(mb) )’ ;
une "normegénéralisée"
sursur
~ ([a,b]),
définie par :si f est
intégrale
indéfinie d’une fonctionLZ,
et|f|| ]
= +00 sinon.3. 7 -
Proposition
1
Soit P tel queinf (P")
> m ; il existe une constante r telle que~
pour
tout, a,b,u,v
avec a ~b,
existe une mesure a sur(C([a,b])2
2 vérifiant :l’ a admet les
marginales u’v et N0,0
admet les g
On va se ramener aux mêmes méthodes que dans la démonstration du théorème
3.5,
par unprocédé
dediscrétisation ;
nous feronsquelques majo-
rations assez
grossières qui
nousempêcherons
de bien contrôler la constante r ; on supposera que a =-b ;
soit npair
etx 0
= a,xi, x n
= b une subdivi-sion de en n intervalles
égaux’(de longueur 2b/n) ;
y étant donné dans soity
la fonction affine par morceaux et continuequi prend
lesmêmes valeurs que y aux
points xi’
1 ~ 1 5n-1,
valeurs notéesyi,
etqui
estconstante sur les intervalles
l’espace
de ces fonctionsy
est
isomorphe
à .Désignons
parw-
la mesure surIRn-1
:n
par
w0
n la mesureanalogue
obtenuequand u=v=O, par P
n et0 Pn
les mesuresdéfinies par :
- .1 -
- -
on
désignera
par les mêmes lettres les mesures sur obtenues enidentifiant
yi,
2 ~ 1 s n-1 à une fonction"ligne
brisée" y ; notonsqu’on
n’a
pas y(0)
= u, presque sûrement parrapport
3.8 - Lemme
La mesure 03BC converge
vers u’v
pour la convergence étroiten
a,b
associée à la
topologie de C([a,b]).
Démonstration : Soit
pn l’application deùidans
lui-mêmequi
à y associe laligne
brisée en n morceaux y ; on note quew n
= d’autrepart,
pour tout y,
pn(y)
converge vers yquand
n -> 00 pour latopologie
delÎ’
(convergence uniforme) ;
ces deuxpropriétés impliquent
par un calcul imné-n
diat la convergence étroite de w n vers
6)tU,v.
SoitU n (y) i=2
nP (y . ) /n
i=2 1
et sa limite
oo(y) =f
=b
j aP(y(t))dt. Cy C ) )
d Comme mmeci-dessus,
, on voit facilement queq.
exp (-U ) w n }
converge verspuisque U
est continuesur C
.Soit K une
partie de composée
de fonctions uniformément bornéestt
et uniformément holdériennes
d’ exposant 1 /4 ,
c’ est à dire :Un calcul
simple
montre que converge uniformément versU~(y)
pour y E K. D’autrepart,
on sait que pour tout e >o,
existe une tellepartie
Kportant
à cprès O)f ;
on écrit pour f continue et bornée :.- 1
et des estimations immédiates donnent la limite
If
Démonstration de 3.7 : On va estimer la distance de Fortet-Mourier pour la
norme ||.|| entre un
etp
enessayant
d’obtenir unemajoration indépendante
de n.
Sur
l’espace
des fonctions affines par morceauxenvisagées,
lanorme
prend
1 a f orme :un calcul facile donne :
avec :
soit p l’ opérateur laplacien
discretsur{2,...
condition extérieure null e :on vérifie en
général
la condition d’harmonicité avec une constanten
tendant vers m :
(Aqi)
i =j
qi 1 enposant :
pour
i=2, n-1, n/2
etn/2
+ 1 ; dans ces cas :(3)
et idem pourqn-1 ;
3l’égalité
eût été valable si nous n’avions pasremplacé q 1
etqn
par0 ;
z
1/4
pour n assezgrand.
Si
( o 0)
est leproduit
scalairecanonique
de on a :compte tenu des formules
(1 ) , (2) , C3) , (4) (avec
desmajorations grossières).
Ainsi on a trouvé une norme
majorant Il.11 ;
; mais pour cette der-nière,
on connaît unemajoration
de la distancede p
n etp 0 ;
’n ; en effet si ynest la
gaussienne :
pour n assez
grand 0
=y.] I
etun
= +hu V)1
avec ~Plog-concave (dès
queIIh inf(P"))
et h solution de(-A
+mn)
h = 0 avec valeurs au bordh1
= U,hn
= v. Onpeut appliquer
le théorème 3.3 conune en 3.5 et on obtientune mesure
an
demarginales un
etpo n
vérifiant .q2
= et, par leprincipe
dumaximum, 1
etIVI) ;
donc
An
n(n/b) /q-2
supq2 =
2Kn
n nsh(m 3b),
cequi
donne enutilisant
l’inégalité sh(E) :5
2e pour epetit :
pour n
grand,
et C où :C = 4 sup
l’ensemble ||y|| 1
m est fenné(et
mêmecompact)
donc par lemême raisonnement
qu’au
théorème3. ¡,
les mesuresan convergent
vers unemesure a pour
laquelle l’intégrale
de la distancey- z
estmajorée
par C aFin de la démonstration du théorème.
Etant donnée une
trajectoire
z il n’est pas sûrqu’elle
soit à croissance(moins que) polynomiale
àl’infini ;
ceci nousempêche
de terminer la démonstration de manière aussi directe que dans lecas
discret ;
soit une fonctionpositive, lisse,
àsupport
inclus dans[0,1] ,
d’intégrale
1 ; z * W est à croissancepolynômiale :
il existe donc un
point n+l]
avecCl nd
+C2 (si
z admetun zéro dans
l’intervalle,
c’est évident sinon on utilise(1)).
Posonsa = b ;
pour n >0,
on a :On sait
d’après [18],
oud’après
une théoriegénérale ~16~,
quetoute P-mesure de Gibbs s’obtient comme combinaison d’extrêmales. Il suffit donc d’examiner l’unicité de ces mesures de Gibbs
extrêmales ;
une tellemesure est
triviale,
comme on le vérifie sanspeïne,
sur la tribun F
r oùFT désigne la tribu des parties
deOR)
engen- a :9 b IR *[a,b]
-L #dré
par les fonctions y --->y(t) ,
t EI ;
si f est une fonction surt:(fOR)
provenant
d’une fonctionf M])
et p extrêmaleportée
par il existe par le théorème desmartingales
unOR)
tel que :(puisque l’égalité
est valablep.s.).
Choisissons f de la forme :où
f
est une fonction asupport compact
donnée surIf
et lest i
sontfixés.
Dans ce cas, pour n
grand,
f s’identifie à une fonction"lipschitzien-
ne" Y pour
avec une constante
C3 indépendante
de n ; eneffet,
parexemple :
neut
toujours
supposer queCan
+bn)/2
converge vers a ; 3 alorspa
n’
b n
converge vers la solution p de -p " +
m2p =
6, avecp(oo) = 0 ~
uniformément sur tout intervalle
compact (utiliser
la formule :G(x,t) = sh (m(x-a) ) sh(m(b-t)/m sh (b-a) ,
x s tdu noyau de Green sur
~a,b ~ ;
comme p est continue et strictementpositive
la formule
(4)
donne :La
proposition
3.7 donne :comme an - b 5 - 2n+1,
on a nécessairementd’après (3) :
comme l’ensemble des fonctions f admissible est assez
riche, l’équation pré-
cédente
détermine p
de manièreunique a
BIBLIOGRAPHIE
[1] H.Van
Beijeren,
G.S.Sylvester :
Phase transitions for continuousspin Ising ferromagnets.
J. Funct. Anal.282, p.
145-167(1978).
[2] R.
Bellmann,
A. Hoffman : On a theorem of Ostrowskiand Taussky.
Arch.der. Math. 5. p 123-127
(1954).
[3] A.
Bensoussan,
R. Temam :Equations
aux dérivéespartielles
non linéaires.Israel J. Math. 11 p. 95
(1972).
[4]
S. Chevet : Notes de séminaire(1981).
[5] P.
Courrège,
P. Renouard : Oscillateuranharmonique,
mesuresquasi-in-
variantes sur
C(R,R)
et théoriequantique
deschamps
en dimension d=1.Astérisque
22(1975).
[6] R.L. Dobrushin :
Prescribing
asystem
of random variablesby
conditional distributions. Theor. Prob.Appl. 153 p.
458(1970).
[7]
W.Doeblin,
R. Fortet : Sur les chaînes à liaisonscomplètes.
Bull. S.M.F.65,
p.132-148, (1937).
[8] R.M.
Dudley :
Probabilities and metrics. Lectures notes Séries45,
Aarhusuniversitet.
[9]
X.Fernique :
Sur le théorème de Kantorovitch Rubinstein dans les espacespolonais.
Sem. Proba.Strasbourg
15. Lectures notes in math. 850.[10]
R.Fortet,
E. Mourier :Convergence
de larépartition empirique
vers larépartition théorique.
Ann. Scient. Ec. Norm.Sup.
Ser 3.70 p. 266-285(1953).
[11] L. Kantorovitch - G. Rubinstein : On a space of
completely
additivefunctions ;
en russe VestmikLeningrad
Univ.137 p.
52-59(1958).
[12] E.