7 votos

¿Es este conjunto de variables al azar un espacio de Hilbert?

Considere la posibilidad de una secuencia de yo.yo.d. variables aleatorias $\left\{ {{\varepsilon _t}} \right\}_{t = 1}^\infty $ $E\left( {{\varepsilon _t}} \right) = 0$ y $E\left( {\varepsilon _t^2} \right) = {\sigma ^2} < \infty $ y denotan por ${\varepsilon ^t} = ({\varepsilon _{1,}}{\varepsilon _{2,}} \ldots {\varepsilon _t})$ la historia del proceso hasta e incluyendo el período de $t$. Deje $0 < \beta < 1$. Definir P como el conjunto de todos los ${R^\infty }{\rm{ - valued}}$ funciones $x(\varepsilon ) = \left\{{{x_t}({\varepsilon ^t})} \right\}_{t = 1}^\infty$ tal que $\sum\limits_{t = 1}^\infty {{\beta ^t}x_t^2} \mathop < \limits^{a.s.} \infty $ ${E_{t = 0}}\sum\limits_{t = 0}^\infty {{\beta ^t}x_t^2} < \infty $ existen.

Significado/intuición: ${x_t} = {x_t}({\varepsilon ^t})$ son reglas de decisión que puede depender sólo de la información ${\varepsilon ^t}$ disponible en tiempo de $t$.

Tengo la siguiente pregunta: Sea P un espacio de Hilbert con el producto $\langle x,y\rangle = {E_{t = 0}}\left( {\sum\limits_{t = 1}^\infty {{\beta ^t}{x_t}{y_t}} } \right)$ y asociada a la norma $$\left\| x \right\| = {\langle x,x\rangle ^{1/2}} = {\left( {{E_{t = 0}}\left( {\sum\limits_{t = 0}^\infty {{\beta ^t}x_t^2} } \right)} \right)^{1/2}}$$?

(Por ${E_{t = 0}}$ me refiero a la expectativa en t=0, antes de que cualquier información sobre el ${\varepsilon _t}$ está disponible. Por una.s. Me refiero a que casi seguramente.)

Supongo que la parte difícil es probar que P es completa (con la norma (es una norma?) se acaba de describir), y tal vez, que si $\left\| x \right\| = 0$$x\mathop= \limits^{a.s.} 0$ ? Voy a estar muy agradecido para cualquier sugerencia o referencias. Yo no soy un matemático, por lo que incluso los pasos que puede parecer elemental para que me ayudara.

5voto

Reto Meier Puntos 55904

Sí, lo es.

Aquí es un esquema. Hay muy pocos detalles para completar, sin embargo, por lo que puede que tenga que repasar el análisis funcional.

Lema 1. Si $(\Omega,\mu)$ es cualquier medir el espacio, y $H$ es cualquier espacio de Hilbert separable, vamos a $L^2(\Omega, \mu; H)$ ser el espacio de Borel medible funciones de $f : \Omega \to H$ tal que $\|f\|^2_{L^2(\Omega,\mu;H)} := \int_\Omega \|f(\omega)\|_H^2\,\mu(d\omega) < \infty$, equipado con el producto interior $\langle f,g\rangle_{L^2(\Omega,\mu;H)} = \int_\Omega \langle f(\omega), g(\omega) \rangle_H \mu(d\omega)$. (Como de costumbre, identificar las funciones que son casi igual en todas partes.) Este es un espacio de Hilbert.

La única parte difícil es la integridad, y la prueba es prácticamente la misma que la prueba que el común de los $L^2$ espacios están completas. Tomar una secuencia de Cauchy $\{f_n\}$ y pasar a una larga $\{f_{n_k}\}$, de modo que $\|f_{n_k} - f_{n_{k+1}}\|_{L^2(\Omega,\mu;H)}^2 < 2^{-k}$. El uso de un Borel-Cantelli argumento para demostrar que $\{f_{n_k}(\omega)\}$ es una secuencia de Cauchy en $H$ para casi todas las $\omega$. Por la integridad de $H$, $\{f_{n_k}\}$ converge en casi todas partes; llamar al límite de $f$. A continuación, utilice la desigualdad de triángulo para mostrar que, de hecho, $f_n \to f$ $L^2(\Omega,\mu;H)$- norma.

Ahora tome $H$ a ser el espacio de Hilbert de todas las secuencias de $\{a_i\}$$\sum_i \beta^i a_i^2 < \infty$. (Este es un espacio de Hilbert porque es $L^2(\mathbb{N}, \nu)$ donde $\nu$ es la medida en $\mathbb{N}$ tal que $\nu(A) = \sum_{i \in A} \beta^i$.) Tome $(\Omega, \mu)$ a la probabilidad de espacio $(\Omega, \mathbb{P})$ en que tu variables aleatorias $\varepsilon_t$ están definidos. A continuación, tenga en cuenta que todas sus funciones $x \in P$ pueden ser vistos como elementos de $L^2(\Omega,\mathbb{P};H)$. (Hay un poco de trabajo que hacer para verificar que correspondan a la medibles funciones de $\Omega$ a $H$, con respecto a la Borel $\sigma$-álgebra en $H$.)

Así que tenemos $P$ identificado como un lineal subespacio del espacio de Hilbert $L^2(\Omega,\mathbb{P}; H)$. Ahora tenemos que demostrar que está cerrado.

Aquí hay un par de lemas:

Lema 2. Si $(\Omega, \mathcal{F}, \mathbb{P})$ es un espacio de probabilidad y $\mathcal{G} \subset \mathcal{F}$ es un sub-$\sigma$-campo, consideremos el subespacio $L^2(\Omega, \mathcal{G},\mathbb{P}) \subset L^2(\Omega,\mathbb{P})$ que consta de todos los $L^2$ (real valorados) variables aleatorias que se $\mathcal{G}$-medible. Es un subespacio cerrado.

Prueba de dibujo. Dada una secuencia $X_n$ $L^2(\Omega, \mathcal{G}, \mathbb{P})$ convergentes en $L^2$ algunos $X \in L^2(\Omega, \mathbb{P})$, pasan a la larga, de modo que la convergencia es casi seguro. Casi seguro de convergencia conserva la mensurabilidad, lo que en realidad $X$ $\mathcal{G}$- medible.

Lema 3. (Doob-Dynkin lema) Deje $\mathcal{G}_n = \sigma(\varepsilon_1, \dots, \varepsilon_n)$. Un valor real variable aleatoria $X$ $\mathcal{G}_n$medible iff existe una Borel función de $f : \mathbb{R}^n \to \mathbb{R}$ tal que $X = f(\varepsilon_1, \dots, \varepsilon_n)$.

Prueba de dibujo. Una dirección es inmediata. En el otro sentido, primero considere el caso de $X = 1_A$ donde $A \in \mathcal{G}_n$. A continuación, considere la posibilidad de funciones simples, medible no negativa funciones, etc. Este lema se puede encontrar en la mayoría de los libros de texto.

Ahora, para cada una de las $t$, considerar el mapa de $\pi_t : L^2(\Omega,\mathbb{P};H) \to L^2(\Omega,\mathbb{P})$ definido por $\pi_t(x) = x^t$, es decir, recoge los $t$ coordenadas de $x$. Compruebe que $\pi_t$ es un delimitada operador lineal, por lo tanto continua. Por lo $E_t := \pi_t^{-1}(L^2(\Omega, \mathbb{G}_t, \mathbb{P}))$ es un subespacio cerrado de $L^2(\Omega, \mathbb{P}; H)$. Este es el espacio de la $x$ tal que $x^t$ $\mathcal{G}_t$medible, que por Doob-Dynkin significa que es una función de $(\varepsilon_1, \dots, \varepsilon_t)$.

Por último, compruebe que $P = \bigcap_{t=1}^\infty E_t$. De la intersección de conjuntos cerrados es cerrado.


Después de haber escrito esto, creo que es en realidad un exceso; se podría aplicar el "integridad de $L^2$" argumento para demostrar directamente que $P$ es completa. Usted todavía necesita algo como Doob-Dynkin para demostrar que el límite de $x$ de su un.s.-la convergencia de larga está todavía en $P$, es decir, que $x^t$ todavía puede ser escrita como una función de la $(\varepsilon_1, \dots, \varepsilon_t)$. Bueno, esto se lo dejo a alguien más para llenar de si les gustaría.

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X