A NNALES DE L ’I. H. P., SECTION B
R. P AYEN
Fonctions aléatoires du second ordre à valeurs dans un espace de Hilbert
Annales de l’I. H. P., section B, tome 3, n
o4 (1967), p. 323-396
<http://www.numdam.org/item?id=AIHPB_1967__3_4_323_0>
© Gauthier-Villars, 1967, tous droits réservés.
L’accès aux archives de la revue « Annales de l’I. H. P., section B » (http://www.elsevier.com/locate/anihpb) implique l’accord avec les condi- tions générales d’utilisation (http://www.numdam.org/conditions). Toute uti- lisation commerciale ou impression systématique est constitutive d’une infraction pénale. Toute copie ou impression de ce fichier doit conte- nir la présente mention de copyright.
Article numérisé dans le cadre du programme Numérisation de documents anciens mathématiques
http://www.numdam.org/
323-
Fonctions aléatoires du second ordre
à valeurs
dans
unespace de Hilbert
R. PAYEN Faculté des Sciences de Reims.
Vol. III, n° 4, 1967, p. 396. Calcul des Probabilités et Statistique.
SOMMAIRE. - En utilisant
l’espace
desapplications
linéaires continues d’un espace de Hilbert Je dansl’espace
de Hilbert des variables aléatoires de carréssommables,
nous résolvons leproblème
del’approximation
linéaire des moindres carrés pour des vecteurs aléatoires à valeurs dans
Jt,
par un
procédé qui
ne fait intervenir que desopérateurs
linéaires bornés.Les méthodes ainsi introduites permettent d’obtenir sous une forme
élégante
lareprésentation
par une moyenneglissante
de lapartie
purementnon déterministe d’une suite stationnaire de vecteurs aléatoires à valeurs dans ~f. Nous caractérisons ensuite la mesure
spectrale
de lapartie
pure- ment non déterministe : sadérivée, qui
est une fonctionmatricielle,
est lapartie
factorisable maximum(notion
définie auchap. II, § 5)
de la dérivéede la
partie
absolument continue de la mesurespectrale
du processus.Au
chapitre
III nous établissons une formule demoyenne glissante
pour les fonctions aléatoires stationnaires à valeurs dans Je et définies
sur la droite réelle.
Nous
complétons
ces résultats par une caractérisation des fonctions de covariance de fonctions aléatoires à valeurs dans Je(chap. I)
et unecaractérisation des fonctions factorisables définies sur le tore, à valeurs dans
(chap. II).
ANN. INST. POINCARÉ, 8-111-4 }2
SUMMARY. -
Making
use of the space of continuous linearmappings
from a Hilbert space Jt into the Hilbert space of square
integrable
randomvariables,
theproblem
of linear least squaresapproximation
for H-valued random vectors is solvedby
aprocedure
which involvesonly
boundedlinear operators.
Using
suchmethods,
anelegant
form of themoving
averagerepresen-
tation of the
purely
non-deterministic component of astationary
sequence of àf-valued random vectors is obtained. Thespectral
measure of thepurely
non-deterministic component is then characterised : itsderivative,
which is a matrix valued
function,
is the maximum factorisable component(this
notion is defined inChapter II, § 5)
of the derivative of theabsolutely
continuous component of the
spectral
measure of the process.In
Chapter
III amoving
average formula for H-valuedstationary
random functions defined on M is established. -
These results are
completed by
a characterisation of covariance functions of H-valued random functions(Chapter I)
and a characterisation of factorisable functions defined on the torus(Chapter II).
INTRODUCTION
Dans ce
travail,
nous nous proposonsd’étudier,
pour des vecteurs aléatoires prenant leurs valeurs dans un espace deHilbert, l’approxima-
tion linéaire des moindres carrés et les processus du second
ordre,
station- naires au senslarge.
L’approximation
linéaire est étudiée aupremier chapitre.
Lestechniques
introduites pour résoudre ce
problème
sont utilisées au début du cha-pitre
II pour obtenir ladécomposition
de Wold des suites stationnaires de vecteurs aléatoires du secondordre,
le reste de cechapitre
étant consacré à l’étude despropriétés spectrales
de ces suites.Enfin,
auchapitre III,
nous étudions les fonctions aléatoires stationnaires à valeurs dans un
espace de Hilbert et définies sur la droite réelle.
Le
numérotage
deslemmes, propositions,
définitions et remarques, estindépendant
pour chacun de ceschapitres
et le renvoi à une propo- sition sans indication dechapitre
concernetoujours
lechapitre
en cours.La
plupart
des résultats démontrés dans cette thèse ont été résumés dans les Notes suivantes :C. R. Acad.
Sci.,
t.259, 1964,
p.3678 ;
t.259, 1964,
p.3929 ;
t.262,
sérieA, 1966,
p.579 ;
t.262,
sérieA, 1966,
p. 1186.Je tiens à
exprimer
ici mesplus
vifs remerciements à M. le Professeur Fortetqui
adirigé
cette thèse et m’aencouragé
dans son élaboration.Je remercie
également
M. le Professeur Helson dont les conseils m’ont été trèsprécieux
pourcompléter
et améliorer la rédactiondéfinitive.
M. le Professeur Ehresmann a bien voulu me donner le deuxième
sujet
de thèse et m’a fait l’honneur de
présider
lejury, je
l’en remercie bien vive- ment.Qu’il
me soitpermis d’exprimer
ici ma reconnaissance à M. le Professeur Dixmierqui
a bien voulu lire etcritiquer
lapartie d’analyse fonctionnelle,
. et à M. le Professeur David dont les encouragements amicaux ne m’ont
jamais
fait défaut tout aulong
de ces annéesd’apprentissage.
CHAPITRE PREMIER L’APPROXIMATION
LINÉAIRE
DES MOINDRES
CARRÉS
POUR DES V ECTEURS
ALÉATOIRES
A VALEURS .
DANS UN ESPACE DE HILBERT 1. - Introduction.
Soient y, x~ ’ - -.~p des variables aléatoires
(en abrégé
v.a.)
de carréssommables,
définies sur un même espace deprobabilité (Q, ~, /~).
Pourfixer les
idées,
nous supposerons dans cette introduction que toutes lesv. a. considérées sont à valeurs
complexes.
Leproblème
del’approximation
linéaire des moindres carrés
de y
en termes des x~ consiste à trouver,parmi
p
toutes les v. a. z
= À ÀkXk qui sont des combinaisons linéaires à coeffi-
k= i
cients
complexes
des v. a. xk, cellesqui
minimisentl’espérance
mathéma-tique
de la v.a. 1 y - Z 12.
Ceproblème
de minimumpossède toujours
unesolution
unique :
les v. a.données y
et x~ sont des vecteurs del’espace
de Hilbert
L~(Q)
des classesd’équivalence
de v. a. de carrés sommablesdéfinies sur
l’espace
deprobabilité (Q, ~, ~),
et la v. a. cherchée z est laprojection
de y sur le sous-espaceengendré
par les vecteurs xi, x2, ..., xp.Généralisons ce
problème
et supposons que y, xi, x2, ... , xp sont desvecteurs aléatoires du second ordre à valeurs dans un espace de Hilbert Jt
(dans
cette introduction nous supposerons Jecomplexe
etséparable,
mais ces restrictions seront abandonnées dans la
suite) c’est-à-dire,
desapplications
fortement mesurables d’un espace deprobabilité (Q, ~, /1)
à valeurs dans ~f et dont le carré de la norme est une v. a.
d’espérance mathématique
finie. Pour tout choix de papplications
linéaires conti-nues
Ai, A2, ... , Ap,
de Jt danslui-même,
lacorrespondance
(où
o)désigne
unpoint
deQ)
définit un vecteur aléatoire du second ordre à valeurs dans Je. Parmi tous les vecteurs aléatoires z de ce type, en existe-t-ilun
qui
minimise laquantité
EIl y(cv) - I~ 2 (E désignant l’espérance mathématique)
etqui
serait la meilleureapproximation
linéaire des moin- dres carrésde y
en termes desxk ?
Si Je est de dimension finie
No,
il existe une solutionunique
à ce pro- blème. Eneffet,
soit(dll)
une base orthonormale de # etdésignons
par ~n et les v. a. coordonnées d’indice n des vecteursaléatoires y
et x~respecti-
vement.
Si ’"
est la meilleureapproximation
linéaire des moindres carrés de la v. a. fllI en termes des v. a.Xjk) (1
k p, 1j No), ~
est la v. a.coordonnée d’indice n d’un vecteur aléatoire z
qui
est solution de notreproblème.
Mais si Je est de dimension
infinie,
il s’introduit des matrices infiniesqui
necorrespondent
pas nécessairement à desopérateurs
bornés. Il estfacile,
eneffet,
de construire deux vecteurs aléatoires du second ordre x et y tels que laquantité
EIl 112
soit arbitrairementpetite
mais
jamais nulle, lorsque
A parcourtl’espace
desapplications
linéairescontinues de Je dans lui-même. Nous ferons cette construction au para-
graphe
3. Onpourrait
être tentéd’envisager l’emploi d’opérateurs
nonbornés mais il ne semble pas que ce soit la bonne manière
d’approcher
leproblème
car lesymbole Ax(0153)
nereprésente
un vecteur aléatoireque
si
appartient
presque partout au domaine de définition del’opéra-
teur
A,
et la vérification de cettepropriété
nécessite deshypothèses
restric-tives que l’on ne désire pas introduire.
Voici l’idée que nous allons
exploiter
dans la suite de cechapitre
et quenous introduisons ici dans le cas
particulier
où l’on cherche la meilleureapproximation de y
en fonction d’un seul vecteur aléatoire x. Soit(dll)
une base orthonormale de Je. Au vecteur aléatoire du second ordre x, est associée la famille de ses coordonnées =
(x(0153), dj qui
sont desv. a. de carrés sommables.
L’opérateur
r défini par(rdll’
= estun
opérateur
hermitienpositif compact, puisque
Il existe donc une base orthonormale de Je dont
chaque
élément estun vecteur propre de r. Les v. a.
coordonnées ~’n
du vecteur aléatoirex par rapport à cette base sont alors deux à deux
orthogonales
au sens dela structure hilbertienne de
L~(Q).
Achaque
v. a./~
associons la v. a. nor-malisée ~n
=-"
oùQn
=E ~’n|2 (on
posera 811 = 0 si 0"11 =0).
On obtient~n
ainsi une famille orthonormale
(811)
del’espace
de HilbertL~(Q)
et si zest un vecteur aléatoire du second ordre dont les v. a. coordonnées
~(0153) = (z(~), dn)
sont des combinaisons linéaires des v. a. 8m :à la matrice infinie
correspond
unopérateur
borné etplus précisément
un
opérateur
de Hilbert-Schmidtpuisque
Ce
procédé
permet de résoudre leproblème lorsque
l’on cherche la meilleureapproximation de y
en fonction d’un seul vecteur aléatoire x.Mais il ne peut pas être utilisé tel
quel
dans le casplus général
où l’on sedonne
plusieurs
vecteurs aléatoires xi, x2, ..., xppuisque
la basequi
..orthogonalise
les v. a. coordonnées /~dépend
du vecteur aléatoire x etnotre
première
tâche sera de donner uneinterprétation intrinsèque
de lafamille de v. a.
Tout
d’abord,
il faut remarquer que si ~f est de dimensioninfinie,
n’est pas la famille des composantes d’un vecteur aléatoire du second
00
ordre
puisque l
n=1~=+00
presque partout. Au lieu deremplacer
le vecteur aléatoire x par la famille de ses composantes nous associons à x
l’application
linéaire continue X de ~f dansL~(Q) qui,
àchaque
vecteur ade Je fait
correspondre
la v. a. cc~ -i-~(a, x(m)).
Cette définition de X estintrinsèque
etl’application
de ~ dansL~(Q) qui,
àchaque
vecteur debase
d,,
faitcorrespondre
la v. a. normalisée en est lecomplexe conju- gué
de8n(W),
nedépend
pas de la base orthonormale de vecteurs pro- pres(dn)
et n’est autre quel’opérateur partiellement isométrique ç
associéà X dans la formule de
décomposition polaire
X= ç
X1.
Cette
première étape qui
consiste àremplacer
tout vecteur aléatoire xpar une
application
linéaire continue X de Jf dansL~(Q), puis
àremplacer
Xpar un
opérateur partiellement isométrique ~,
n’est pas encore suffisante pour donner une solution satisfaisante de notreproblème.
Il nous faudraintroduire un
procédé
d’orthonormalisation desapplications
de Jedans
L~(Q),
cequi
sera fait auparagraphe
6.La solution
générale
duproblème
del’approximation
linéaire des moindres carrés estprésentée
auparagraphe
8.Auparavant
nous établis-sons les
propriétés
del’espace
desapplications
linéaires continues d’un espace de Hilbert dans un autre, dont nous avons besoin dans ce para-graphe 8,
ou auxchapitres
II et III. Laproposition
1qui
fournit la caractéri-sation,
très utile pour cetteétude,
des à droite forte- mentfermés,
est contenue dans un théorèmeplus général
de Yood([15],
théorème
5-2).
Ce théorème étant peu utilisé enanalyse
et de là peu connu,nous avons cru utile d’en
reprendre
la démonstration dans le casplus simple qui
nous intéresse ici. La définition et lespropriétés
desopérateurs partiellement isométriques
sontrappelées
auparagraphe
6. Au para-graphe
7 nous caractérisons lesapplications
de ~f dansL~(Q) qui
sontassociées à des vecteurs aléatoires du second ordre et au dernier para-
graphe
nous caractérisons les covariances des fonctions aléatoires à valeurs dans ~f.2. - Notations.
(Q, ~, Jl)
est un espace deprobabilité (Q désigne
un ensemble dont les éléments sont notés co, est une03C3-algèbre
departies
de Q et est unemesure
positive
sur ~ telle queJ1(Q)
=1).
L~(Q) (resp. L~(Q))
estl’espace
des variables aléatoirescomplexes (resp.
réelles)
d’ordre deux définies sur(Q, $~, /~),
obtenuaprès
identification des variables aléatoireségales
presquepartout,
et muni de la structure hilbertienne définie par leproduit
scalaire(u, v)
=E(uv) (resp. (u, v)
=E(uv))
où E
désigne l’espérance mathématique.
La notationL~(Q)
au lieu deL~(Q, ~, ~) qui
seraitplus
correcte n’entraîne aucun inconvénientpuis- qu’un
seul espace deprobabilité
ne sera considéré dans cette étude.~ est un espace de Hilbert
quelconque (réel
oucomplexe, séparable
ou
non), J~(~f)
estl’espace
desapplications
linéaires continues de Jf dans lui-même et est l’ensemble des. éléments hermitienspositifs
de
J~(~f).
’
Un vecteur aléatoire du second
ordre,
à valeurs dans~f,
est uneapplica-
tion fortement mesurable 0153 -~ de Q dans
Je,
telle queE Il 112
o0(Pour
la définition et lespropriétés
des fonctions à valeurs vectorielles fortementmesurables,
voir parexemple [7],
pages 72 etsuivantes). L’espace
des classes
d’équivalence
de ces vecteursaléatoires,
muni duproduit
scalaire
(x, y)
= est un espace de Hilbert notéToutes les démonstrations et tous les résultats de ce
chapitre
sont vala-bles aussi bien dans le cas où Yf est
complexe
que dans le cas estréel,
les variables aléatoiresqui
interviennent prenant leurs valeurs dans le corps de base del’espace
de Hilbert ~f et ce n’est que pour fixer les°
idées
qu’à partir
duparagraphe
4 nous supposerons Jecomplexe.
Nous utilisons les abréviations habituelles :
m. q. : moyenne
quadratique
p. p. : presque partout p. s. : presque sûrement
v. a. : variable aléatoire.
3. -
Étude
d’unexemple.
Nous allons introduire le
problème général
en étudiant deprès
unexemple simple
où les difficultés sontdéjà présentes. Soient,
Je un espace de Hilbert réelséparable, {dn,
n =1,2,... }
une base orthonormale de n =1,2, ... }
une suite de v. a.réelles, laplaciennes, indépen- dantes,
nonnulles,
définies sur un espace deprobabilité complet (Q, ~, jM).
Nous
supposons
quechaque
v. a. XII a une moyenne nulle et que la série desvariances, 03A3E|~n
n= 1|2,
converge. Il en résulte que les vecteurs aléa-toires définis par
existent presque sûrement.
Soit ~ le sous-espace
algébrique
des vecteurs a de ~f dont la famille descoordonnées (a, dj
estsommable,
et soit Bl’opérateur
définisur ~ par :
.
Cet
opérateur
B n’est pas borné mais le vecteur aléatoireappartient
presque sûrement au domaine de définition ~ de B et l’on a =
p. s.
Le
problème
del’approximation
linéaire des moindres carrésde y
enfonction de x est le suivant : existe-t-il un
opérateur qui
mini-. mise la
quantité
EIl y(cc~) - 112?
Cette
quantité
est arbitrairementpetite
car,B~ désignant l’opérateur
borné défini par :
on a :
et le second membre tend vers zéro
quand n
tend versl’infini, puisque
lasérie des variances a été
supposée convergente.
Parconséquent
si un telopérateur
Aexiste,
on a = p. p. et nous allons montrerqu’une
telle
égalité
ne peut pas avoir lieu.La preuve détaillée de cette
impossibilité
feraapparaître
que même dans le cas de vecteurs aléatoireslaplaciens,
où il estpourtant
facile de vérifier despropriétés
presquesûres, l’apparition d’opérateurs
non bornésest la source de nombreuses difficultés.
Supposons
donc l’existence d’unopérateur
borné A tel que= p. p. Soit Q’ l’ensemble des
points
a~ de Q tels que :et soit g)’ le sous-espace
algébrique
de Wengendré
par la famille de vec-0153eQ’}.
On a,(03A9’)
=1,
g)’ c:D,
et la restriction de A à D’coïncide avec la restriction de B à ~. Nous allons montrer que cette
égalité
des restrictions à d’un
opérateur
borné A et d’unopérateur
non bornéB,
conduit à une contradiction.
Tout d’abord on pense à utiliser le fait que ~’ est dense dans ~f. En
effet s’il existait un vecteur non nul a de ~f
perpendiculaire
à~’,
leproduit
scalaire
(a,
définirait une v. a. nulle p. p. et ceci ne peut pas être vraipuisque
cette v. a. a une variance non nulle.où
désigne
la nième coordonnée du vecteur a.Mais les
propriétés
~’ c ~ et ~’ partoutdense,
ne suffisent pas pour obtenir la contradiction cherchée. Eneffet,
soit ~" l’ensemble des vecteurs a de ~f tels que :1)
toutes les coordonnées an de a, sauf un nombrefini,
sontnulles ;
00
2) l (x" = 0 (somme
des coordonnées à partir
de l’indice 2).
n=2
Il résulte de la
première
condition que ~" c ~. En outre ~" est dense dans:Tf, puisque d 1
~ D" et que pour n2,
le vecteur debase dn
est
limite, quand
p tend versl’infini,
de la suite de vecteurs apparte-nant à £Q" :
Et sur
~", l’opérateur
B coïncide avec leprojecteur
P sur le sous-espaceengendré
par le vecteurdi, puisque
Ba =03B11d1
= Pa.En utilisant la
propriété
nous allons prouver l’existence d’une suite de
vecteurs ai
appartenant à~’,
convergeant vers le vecteur nul et telle que la famille desnormes Il Bax soit
minorée par une constante
positive.
Pour cela nous ferons unehypothèse supplémentaire
et nous supposerons que les variances~n
= E satis-font,
pour tout entierk,
auxinégalités :
Désignons
parInk
l’intervalle de la droite réelle défini de la manière suivante :et soit
Fk
l’ensemble des vecteurs a de Je dont la n’ème coordonnée a" appar- tient à l’intervalleInk
pour tout entier n.Nous allons d’abord prouver que
~( {co :
eF~} )
> 0. Il en résulterad’après (1)
quejM( {0153 : x(cv) e Fk
n~} )
est strictementpositif,
et par consé- quent pour toutentier k, Fk
n ~’ n’est pas vide.Les v. a. /~ étant
indépendantes,
Pour tout
couple n, k, Il( {
0153 : E ~0 ;
il suffit donc de prouver queest un
produit
infini convergent. PosonsLa série de terme
général
Un converge, et parconséquent
leproduit
infini
(3),
de termegénéral
1 - UII’ converge.Pour tout
entier k,
choisissons unvecteur ak E Fk
n ~’ et soit=
(ak, dn),
la n’ème coordonnée de ak. On a :2
Donc
~ak~2
-, et la suite converge vers te vecteur nul.~
D’autre part
et
oo
aonc, la n=l i converge et sa somme est
supérieure à - 2014 -.
Par.
conséquent
la suite(Bak)
ne converge pas vers le vecteur nul et B ne peut pas coïncider avec unopérateur
borné A sur ~’.Pour cet
exemple,
leproblème
del’approximation linéaire,
tel que nous l’avonsposé,
n’a donc pas desolution,
parce que nous ne voulons consi- dérer que desopérateurs
bornés. Et sil’emploi
d’unopérateur
non borné Ba été
possible,
il faut remarquer que nous avionssupposé
les vecteurs aléa-toires x et y
laplaciens,
et que nous nous étionsplacés
dans le casparticu-
lièrement
simple où y
estapproximé
en fonction d’un seul vecteur aléa- toire x.Nous sommes donc amenés à poser le
problème
différemment. Il est naturel de considérer que dansl’exemple précédent,
= est lameilleure
approximation
linéaire des moindres carrésde y
en fonctionde x. Procédons ensuite comme nous l’avions
indiqué
dans l’introduction.Soit En
la v. a. normée associée à Xm c’est-à-dire :Les E" forment une suite orthonormale de v. a.
laplaciennes
dansL~(Q)
et nous écrivons de manière purement formelle
ou encore, sous forme matricielle
où =
(~(D),
Cette fois B’désigne
unopérateur
borné mais le.
symbole
nereprésente
pas un vecteur aléatoire. Pour tout vecteur ade ~f
désignons
par Ya la classe dans de la v. a. a~ -~(a,
et00
par
03BEa
la classe de la v. a.03C9 ~ 03B1n~n(03C9)
n=1 où a"désigne
la coor-donnée du vecteur a. Les
applications
Yet ç
définies parsont des
applications
linéaires continues de ~f dans etl’égalité (4)
devient
où B’* est
l’opérateur adjoint
de B’.L’opérateur ~
a uneinterprétation intrinsèque :
si Xdésigne l’applica-
tion de ~ dans
qui
à tout vecteur a de eT( faitcorrespondre
la v. a.(a, x(0153)), ~
estl’opérateur partiellement isométrique qui
intervient dans la formule dedécomposition polaire X = ç 1 X 1 où 1 X 1 = (X.X)t,
X* dési-gnant
l’adjoint
de X. Eneffet,
= Les vecteurs de based"
sontdonc des vecteurs propres de
l’opérateur
hermitienpositif
X*X et parconséquent ~ X ! d"
=a"d".
Il en résulte que :.
En outre, on vérifie la
propriété, qui
seragénérale,
B’* =~*Y, puisque d’après (5), ç*Y
=ç*çB’*
et que, dans cetexemple, ~*~
estl’application identique
de # dans lui-même.4. 2014
Étude
dessous-(H)-modules
à droite de
~(~, Jf).
Pour résoudre le
problème
del’approximation
linéaire des moindres carrés que nous venons de poser et pour l’étude des suites stationnairesqui
sera faite auchapitre II,
nous avons besoin dedévelopper
certainsaspects
de la théoriegénérale
desopérateurs
d’un espace de Hilbert dansun autre. Ce sera
l’objet
desparagraphes 4,
5 et 6.Soient,
~f et 5i deux espaces deHilbert,
tous deux réels ou tous deuxcomplexes, 5i) l’espace
desapplications
linéaires continues de Je dans Yt.Nous
désignons
par les lettres a,b,
c des éléments deJe,
par u, v, des éléments de5i,
parX, Y, Z,
des éléments de£f(à%9,
Leproduit
scalaireet la norme seront notés
( . , . ) respectivement, quel
que soitl’espace considéré,
cequi simplifie
les notations sansrisque
d’erreurspuisque
lesnotations utilisées pour les éléments
permettront chaque
fois dedistinguer l’espace
danslequel
on seplace.
Parmi les différentes
topologies qui
peuvent être définies surJ~(~f, 5i)
nous serons amenés à considérer :
1)
Latopologie
uniforme définie par la norme2)
Latopologie
fortequi
est latopologie
de la convergencesimple lorsque l’espace
d’arrivée est muni de latopologie
forte. Toutvoisinage
fort de Xcontient un ensemble du type
1X’(X ;
al’ a2, ...~. ;e)
=4) : Il Xai-
E ; i =1 ...n ~
3)
Latopologie
faiblequi
est latopologie
de la convergencesimple lorsque l’espace
d’arrivée est muni de latopologie
faible. Toutvoisinage
faible de X contient un ensemble du type : ...,~ ; Mi, ...
Jf) : ! (Xa;, Mj - (Y~., M,)!
8 ; f = 1... ~ }
L’espace
vectoriel5i)
est muni d’une structure de module à droitesur l’anneau et le
sous-(H)-module
à droiteengendré
par la famille d’éléments de5i)
est l’ensemble desapplications
du typeoù J est une
partie
finie de I et où lesAi
sont des éléments de Poursimplifier
nousemploierons
désormais(excepté
dans les énoncés de propo-sitions) l’expression
« sous-module » au lieu de «sous-(H)-module
àdroite » .
Pour résoudre le
problème
del’approximation
linéaire des moindrescarrés,
nous aurons besoin de la caractérisation suivante des sous-modules fortement fermés :PROPOSITION 1 1
Soient,
unefamille d’applications
linéaires conti-nues de ~ dans
.7{,
et M leplus petit
sous-espacefermé
de ~’ contenant lesimages
pour tout indice i. Leplus petit sous-(H)-module
à droitefortement fermé
contenant lafamille
est l’ensemble de toutes lesappli-
cations linéaires continues de ~ dans .7{
qui
envoient ~ dans M.Pour toute
partie
S deJ~(~f, f)
nousdésignons
par l’ensemble des éléments u de fqui
sont de la forme u = Xa avec X E S et a E Yt. Nouscommencerons par démontrer le
LEMME 1 : 1 Si S est un
sous-(H)-module
à droite de4),
est un sous-espace vectoriel de f et l’adhérence
forte
de S est l’ensembledes X
qui
envoient ~ dans l’adhérence du sous-espaceDémonstration : Il est évident que est un sous-espace
algébrique
de f et que si X est fortement adhérent à
S,
cRéciproquement,
soit X un élément de
2(~, f)
tel que c et soit =’if"(X ;
ai, a2, ..., an ;e)
unvoisinage
fort de X. Il suffit de considérer le cas où les vecteurs ai, a2, ... , an sont linéairementindépendants puisque
les voisi- nages définis par des vecteurs linéairementindépendants
forment un sys- tème fondamental pour la famille desvoisinages
définis par les combinai-sons linéaires de ces vecteurs.
Pour tout entier p
compris
entre 1 et n, il existeYp E S
et tels queet,
puisque
les vecteurs ap sont linéairementindépendants,
il existe nopé-
rateurs
Aq
E~(~)
tels queoù 03B4pq désigne
lesymbole
deKronecker, égal
à 1 ou 0 selon que p = qou p # q. Pour tout
entier p compris
entre 1 et n, on a :n
et par
conséquent l’opérateur
Y= YqAq appartient à S n W. []
Démonstration de la
proposition
1 : SoitSl
l’ensemble desapplications
linéaires continues de Jt dans f
qui
envoient Jt dans M. Il est facile de- vérifier que
Si
est un sous-module faiblement fermé et parconséquent
fortement fermé.
Si
contient la famille(Xi)ieI
et tout sous-module forte-ment fermé S contenant l’ensemble des
Xi
contientégalement Si puisque d’après
le lemme1,
S contient tous lesf) qui
envoient ~dans M..
Remarque
1 :Puisque
l’ensemble S des X E~(.~, ff) qui
envoient /dans un sous-espace fermé M de ff est un sous-module faiblement fermé
et que cette définition de S est la caractérisation des sous-modules forte-
ment
fermés,
il en résulte que pour unsous-(H)-module
àdroite,
l’adhé-rence forte coïncide avec l’adhérence faible..
Suivant la notation
habituelle,
nousdésignons
par X*l’adjoint
deX, qui
est l’élément de2(ff, Jf)
défini par :DÉFINITION 1 : Deux éléments X et Y de
%)
sont ditsorthogonaux
si Y*X = 0.
DÉFINITION 2 : Pour toute
partie
S de~(.~, 4)
onappelle orthogonal
de S l’ensemble
S’’
des Y E~(.~, 4)
tels que Y*X = 0 pour tout X apparte-nant à S.
Le
biorthogonal
deS,
noté estl’orthogonal
de lIl résulte immédiatement des définitions que X et Y sont
orthogonaux
si et seulement si et
Y(4)
sont des sous-espaces(algébriques)
ortho-gonaux de ~’ et
S’-
est l’ensemble des Y E%)
tels que soitorthogonal
àPuisque,
pour toutepartie
S de%),
l’ortho-gonal
de est un sous-espace fermé de3i, S 1
est un sous-module fortement fermé. Lespropriétés
suivantes sontévidentes :
et il résulte immédiatement de la
proposition
1 que :COROLLAIRE 1 Le à droite
fortement fermé engendré
par une
partie
S deJf)
estégal à
Le corollaire
qui
suit n’est pas utile pour la suite de notre travail maisconstitue
uneapplication
intéressante de laproposition
1. Soitl’espace de
Hilbert des classesd’équivalence
de fonctions fortement mesu-rables définies sur le tore, à valeurs dans 9f et dont le carré de la norme est
intégrable
pour la mesure deLebesgue.
Si M est un sous-espace fermé deL~([0,27r[)
il est évident que l’ensemble ~ des fonctionsf
deL~([0,27r[)
dont toutes les fonctions coordonnées =
(/(~), a) appartiennent
àM,
est un sous-espace fermé de
Lj~([0,27r[)
invariant par l’action de tous lesopérateurs
bornés de autrementdit,
le sous-espace fermé ~ est unà
gauche.
Le corollaire suivant prouve que M caracté- rise ~ :COROLLAIRE 2 : Si JI est un sous-espace
fermé
de invariantpour toute
application
linéaire bornée de ~(c’est-à-dire
quef
e ~ll entraînepour tout A e
2(~»,
et si Mdésigne
l’ensemble desfonctions
coor-données =
( f(À), a)
oùf
parcourt ~l et a parcourt3f,
M est un sous-espace
fermé
deL2C([0,203C0[)
et M estprécisément
l’ensemble de toutes lesfonc-
tions de
L~([0,27rD
dont lesfonctions
coordonnéesappartiennent
à M.Démonstration : Il est immédiat que M est un sous-espace
algébrique
de
L~([0,27c[).
A toute fonctionfe L;,,([O,21t[) correspond
uneapplication
linéaire continue F de 9V dans
L~([0,27c[)
définie par Fa =~pa
pour tout et comme nous le montrerons auparagraphe 7,
l’ensemble desapplications
F e~P(~, L~([0,27r[)) qui correspondent
ainsi à des éléments est l’ensemble desopérateurs
de Hilbert-Schmidt de Je dansc’est-à-dire,
lesopérateurs
F telsque ~~
ieI oo pourtoute base orthonormale
Soient,
M’ l’ensemble des fonctionsconjuguées 03C6
où j9appartient
àM,
S l’ensemble desopérateurs
Fqui
sont associés à des élémentsf
de ~.S est un
sous-(H)-module
à droite et son adhérence forte S est l’ensem- ble desapplications
F eI~([0,27r[) qui
envoient 3f dans M’. Soitf
un élément
deL~
dont toutes les fonctions coordonnéesappartiennent
à M. Il lui
correspond
unopérateur
de Hilbert-Schmidt F appartenant à S. Choisissons une base orthonormale(di)ieI
de ~f. A tout ~ >0,
corres-pond
unepartie
finie J de 1 telle queet il existe GeS tel que :
où n
désigne
le nombre d’éléments de l’ensemble fini J. SoitP J
leprojec-
teur de Je sur le sous-espace
engendré
par les vecteurs(di)ieJ’ GP JE S
etcorrespond
à une fonctionPuisque
et que JI est
fermé, f
e ~ et parconséquent
M = M. Le corollaire est ainsicomplètement
démontré..5. -
Convergence
dans5i).
Nous aurons besoin d’utiliser
plusieurs
fois dans la suite lapropriété
suivante :
PROPOSITION 2 :
L’application :
de
~)
xX’")
dans est continuequand
on munit~(~, %)
de latopologie forte
et£f(3f~)
de latopologie faible.
Démonstration : Il suffit de vérifier la continuité au
point (0,0)
et cettevérification est immédiate..
PROPOSITION 3 :
Soient,
T un ensemble muni d’unfiltre ~’,
t --~X
t uneapplication
de T dans~(~, 5i).
1)
Pour quel’application
t -~Xt
convergefortement
dans~(~, ~’)
suivant le
filtre F,
ilfaut
et ilsuffit
quel’application (t, t’)
-X*t’Xt
convergefaiblement
dans£F(3V)
suivant lefiltre
.~’ x ~.2)
SilimFXt
=X,
alorsDémonstration : La condition nécessaire et la 2e
partie
résultent de laproposition 2,
en tenant compte du fait que l’existence d’une limite pourX*t’Xt
suivant le filtre F xF, implique
la même limite pourX*Xt
suivant le filtre ~.
Réciproquement,
supposons queX*t’Xt
converge faiblement versl’opé-
rateur Soit a un élément de Je. La
quantité
est arbitrairement
petite puisque
chacun des quatreproduits
scalairesqui figurent
au second membre converge vers(Aa, a).
Il en résulte quel’image
du filtre ~ parl’application
t --~Xta
est un filtre deCauchy
sur Yîmuni de la
topologie
de la norme. 5i étantcomplet,
existe.Notons Ya cette limite. Il reste à prouver que
l’application
a -~ Ya définitun élément Y
appartenant
à La linéarité est immédiate et la continuité résulte de :ANN. INST. POINCARÉ. 8-111-4
6. - Familles orthonormales dans
3i).
Rappelons qu’un opérateur ç
E5i)
est ditpartiellement
isomé-trique,
s’il existe un sous-espace ferméJf 0
de ~f tel que :et par
conséquent,
pour toutcouple a,
b de vecteurs de on a :est
appelé
domaine initialde ç
et sonimage par 03BE qui
est un sous-espace fermé de est
appelée
domaine final deç. L’adjoint ç* de ç
estune
application partiellement isométrique
de 5i dans ~f dont le domaine initial estç(Je 0) =
et le domaine final est:Yf o.
Les
propriétés
suivantes sontéquivalentes
et chacune d’elles est unecondition nécessaire et suffisante pour
que ç
soitpartiellement
isométri-que :
(i) ç*ç
est unprojecteur
de2(Jf) (C’est
leprojecteur
surJe 0).
(ii) çç*
est unprojecteur
de(C’est
leprojecteur
de 5i sur ledomaine final de
~).
(iii) 11*1 ~ l
’(iv) 1*11* ~ l*
(Voir,
parexemple,
Naimark[11],
p.112 ).
A tout élément X E est associé un
opérateur partiellement isométrique 03BE
E(H, Jf)
tel que .C’est la formule de
décomposition polaire
de X([11],
p.284).
Le domaine initial
de ç
estl’orthogonal
du noyau de X et son domaine final estl’adhérence
deX(~f).
Réciproquement
si X = UA où et où Udésigne
unopéra-
teur
partiellement isométrique
dont le domaine initial est l’adhérence du sous-espace alors U= ç
et A= ~ 1 X 1 (Unicité
de ladécomposition polaire).
. DÉFINITION 3 : Nous
appellerons
« normalisé de X »l’opérateur partiel-
lëment
isométrique j qui
est associé à X dans laformule
dedécomposition polaire.
(Cette
définition serajustifiée
auparagraphe 8,
où àchaque
vecteuraléatoire du second ordre