Autoreferat
Transkrypt
Autoreferat
Autoreferat 1. Imię i nazwisko: Witold Bednorz 2. Posiadane dyplomy: (a) Dyplom magistra matematyki uzyskany w czerwcu 2002 roku w ramach Międzywydziałowych Studiów Matematyczno-Przyrodniczych na Wydziale Matematyki, Informatyki i Mechaniki Uniwersytetu Warszawskiego. (b) Dyplom doktora nauk matematycznych uzyskany w grudniu 2005 roku na Wydziale Matematyki, Informatyki i Mechaniki Uniwersytetu Warszawskiego. Tytuł rozprawy: Badanie ograniczoności procesów stochastycznych przy pomocy miar majoryzujących. 3. Zatrudnienie w jednostkach naukowych: (a) 1 października 2007 - Adiunkt w Instytucie Matematyki na Wydziale Matematyki, Informatyki i Mechaniki Uniwersytetu Warszawskiego. (b) 1 października 2007 - 30 września 2008 Postdoc Fellow (FRG - Fellowship) Department of Mathematics, University of Missouri Columbia US (urlop z PAN). (c) 1 luty 2007 - 31 lipca 2007 Postdoc Fellow (Marie Curie Fellowship) Department of Mathematics University College London UK (urlop z PAN). (d) 1 października 2006 - 30 września 2008 Adiunkt w Instytucie Matematyki Polskiej Akademii Nauk (urlop z UW). (e) 1 października 2005 - 30 września 2007 Asystent w Instytucie Matematyki na Wydziale Matematyki, Informatyki i Mechaniki Uniwersytetu Warszawskiego. 4. Wskazanie osiągnięcia wynikającego z art. 16 ust. 2 ustawy z dnia 14 marca 2003 r. o stopniach naukowych i tytule naukowym oraz o stopniach i tytule naukowym zakresie sztuki: jednotematyczny cykl 10 publikacji (a) Tytuł:Górne i dolne ograniczenia dla procesów stochastycznych (b) Publikacje stanowiące cykl: [Bed1] Bednorz, W. (2006), A Note on a Men’shov-Rademacher Inequality, Bull. Acad. Polon. Sci. , 54, No. 1, 26-30 , 113-137. [Bed2] Bednorz, W. (2007), The Hölder Continuity of Random Processes, Journal of Theoretical Probability, 20, No 4, 917-934. [Bed3] Bednorz, W. (2008), On Talagrand’s admissible net approach to majorizing measures and boundedness of stochastic processes, Bull. Acad. Polon. Sci. 56, No. 1 s. 83-91. [Bed4] Bednorz, W. (2008), Greedy bases are best for m-term approximation, Constructive Approximation, 28, No. 3, 265-275. [Bed5] Bednorz, W. (2008), Greedy Type Bases in Banach Spaces, (chapter in the book: Advances in Greedy Algorithms) INTEH, ISBN 978-953-7619-27-5. [Bed6] Bednorz, W. (2010), Majorizing measures on metric spaces, Comptes Rendus Mathematique 348, (1-2), s. 75-78. 1 [Bed7] Bednorz, W. (2011), On the convergence of orthogonal series, Comptes Rendus Mathematique 349, (7-8), s. 455-458. [Bed8] Bednorz, W. (2012), Majorizing Measures and Ultrametric Spaces, Bull. Acad. Polon. Sci. Math. 60, No .1, 91-100. [Bed9] Bednorz, W. (2013), The complete characterization of a.s. convergence of orthogonal series, Annals of Probability, 41, No. 2, 1055-1071. [Bed10]Bednorz, W. and Latala, R. (2013), On the supremum of Bernoulli processes Comptes Rendus in Mathematique http://dx.doi.org/10.1016/j.crma.2013.02.013. (c) Omówienie celu naukowego ww. prac i osiągniętych wyników wraz z omówieniem ich ewentualnego wykorzystania. Wprowadzenie Badanie rodzin zmiennych losowych stanowi centralne zagadnienie teorii prawdopodobieństwa. W szczególnym przypadku, gdy rodzinę zmiennych losowych indeksujemy podzbiorem prostej rzeczywistej mówimy o procesie stochastycznym, co dobrze odzwierciedla ideę modelowania zjawisk losowych zachodzących w czasie. W celu badania bardziej skomplikowanych zagadnień na przykład procesów empirycznych, bądź procesów o wartościach w ośrodkowych przestrzeniach Banacha korzysta się z pól losowych czyli rodzin zmiennych indeksowanych dowolnymi zbiorami. Chociaż w przypadku pól losowych nie można mówić o porządku prostej rzeczywistej na zbiorze indeksów przyjęło się również nazywać tego typu konstrukcje mianem procesów stochastycznych. Ogólne zbiory indeksów zwykle dopuszczają pewną strukturę geometryczną pochodzącą od procesu, na przykład badając przyrosty procesu łatwo zaproponować pseudometrykę na zbiorze indeksów. Jednym z podstawowych zagadnień podstawowej teorii procesów stochastycznych jest badanie trajektorii, czyli ścieżek definiowanych na zbiorze indeksów przez zmienne dla ustalonych elementów losowych. Naturalnym sposobem badania trajektorii procesów jest aproksymacja zbioru indeksów skończonymi podzbiorami, co potocznie określa się mianem ąrgumentu łańcuchowego". Argument łańcuchowy był pierwotnie stosowany [Slu] do badania trajektorii procesów zdefiniowanych na podzbiorach prostej rzeczywistej. Początkiem badania trajektorii ogólnych procesów stochastycznych były wyniki uzyskane przez R.Dudleya [Dud] w latach siedemdziesiątych. Jako pierwszy zastosował on pojęcie entropii metrycznej pozwalające na powiązanie geometrycznej struktury przestrzeni indeksów z własnościami trajektorii pól losowych. Okazało się, że tego typu wyniki są istotne dla analizy ogólnych procesów gaussowskich. Korzystając z pojęcia entropii X.Fernique [Fer1] rozwiązał problem ograniczoności i ciągłości trajektorii procesów gaussowskich na półgrupach. Naturalne stało się więc pytanie co można powiedzieć w przypadku ogólnych procesów gaussowskich zdefiniowanych na zbiorach pozbawionych dodatkowej algebraicznej struktury. Okazało się, że metodami entropii nie da się w pełni rozstrzygnąć tego problemu. X.Fernique [Fer2] zaproponował pojęcie miar majoryzujących, które lepiej nadawały się do kontroli nieregularności przestrzeni indeksów. Pod koniec lat osiemdziesiątych M.Talagrand [Tal1] rozwiązał problem ograniczoności procesów Gaussowskich dowodząc, że skończoność odpowiedniego funkcjonału dla pewnej miary majoryzującej na zbiorze indeksów jest warunkiem równoważnym ograniczoności trajektorii procesu gaussowskiego. Prosta modyfikacja tego funkcjonału decyduje o ciągłości procesu Gaussowskiego. Twierdzenie Talagranda uważane jest za jedno z przełomowych odkryć podstaw teorii procesów stochastycznych. Następstwem było wiele wyników dotyczących ograniczeń górnych i dolnych na początku lat dziewięćdziesiątych [Tal3,Tal4,Tal5,Lat1]. Głównym celem mojej 2 pracy było zbadanie podstaw teorii ograniczoności w celu wzmocnienia i poprawy dostępnych narzędzi, a następnie atak na węzłowe problemy teorii. Miary majoryzujące i oszacowania górne W trakcie pracy nad ograniczonością procesów Gaussowskich M.Talagrand postawił wiele naturalnych pytań dotyczących ogólnej natury ograniczoności procesów stochastycznych. Swoje rozważania zawarł w pracy [Tal2], która była dla mnie punktem wyjścia do pracy nad tą teorią. Pierwszym problem który rozwiązałem w trakcie studiów doktoranckich było następujące pytanie: czy fakt istnienia miary majoryzującej zawsze determinuje ograniczoność odpowiednio powiązanej klasy procesów stochastycznych? Niech (T, d) będzie przestrzenią metryczną, a ϕ : R+ → R+ funkcją Younga (ciągłą, rosnącą, wypukłą, ϕ(0) = 0). Rozważmy klasę procesów X(t), t ∈ T których przyrosty są ograniczone w znaczeniu, że Eϕ( |X(s) − X(t)| ) 6 1 dla s, t ∈ T, d(s, t) (1) lub równoważnie kX(s) − X(t)kϕ 6 d(s, t) dla s, t ∈ T. W szczególnym przypadku ϕp (x) ≡ xp , x > 0, p > 1 otrzymujemy klasy procesów o przyrostach ograniczonych wielomianowo względem metryki d, to znaczy E|X(s) − X(t)|p 6 d(s, t)p dla s, t ∈ T. Z punktu widzenia ogólnej teorii [Tal2] istotne jest, że ograniczoność trajektorii wszystkich procesów o przyrostach ograniczonych w powyższym sensie jest równoważna skończoności S(T, d, ϕ) = sup E sup |X(s) − X(t)|, X s,t∈T gdzie supremum przebiega wszystkie procesy spełniające warunek (1). Problem charakteryzacji ograniczoności klasy procesów o przyrostach ograniczonych polega na znalezieniu właściwej wielkości deterministycznej porównywalnej z S(T, d, ϕ). W pracy [Tal2] M.Talagrand pokazał, że funkcjonały związane z miarami probabilistycznymi na (T, d) mogą pełnić taką funkcję przy bardzo ogólnych założeniach. Miarę µ nazywamy majoryzującą jeśli Z D(T ) 1 M(ϕ, µ) = sup ϕ−1 ( )dε < ∞. µ(B(t, ε)) t∈T 0 M. Talagrand przy użyciu technicznie skomplikowanych środków wykazał [Tal2], że istnienie miary majoryzującej implikuje ograniczoność procesów o przy założeniu, że ϕ rośnie odpowiednio szybko (spełnia 42 warunek w zerze) . W swojej pracy postawił pytanie czy warunek istnienia miary majoryzującej implikuje ograniczoność procesów dla dowolnej ustalonej funkcji Younga ϕ, uznając je za trudne. Twierdzenie, które otrzymałem w pracy [BedA], potwierdziło to przypuszczenie, jak wykazałem dla pewnej stałej absolutnej K S(T, d, ϕ) 6 KM(ϕ, µ), dla dowolnej miary probabilistycznej µ. Metoda dowodu była oparta o konstrukcję ciągu operatorów uśredniających zadaną funkcję ciągłą względem miary µ, a kluczowym pomysłem było zastosowanie w definicji tych 3 operatorów miar kul o ściśle zadanej wielkości. Pomysł ten jest w swej istocie analogiczny do idei sieci dopuszczalnych wprowadzonych przez M.Talagranda w [Tal6]. W pracy [BedA] znajduje się też kilka wzmocnień twierdzenia o miarach w znaczeniu istnienia odpowiednich momentów sups,t∈T |X(s) − X(t)|. Na przykład dla ϕ spełniających warunek wielomianowy ϕ(x)ϕ(y) 6 ϕ(rxy) dla x, y > 0 zachodzi E sup ϕ( s,t∈T |X(s) − X(t)| )61 KM(ϕ, µ) dla pewnej stałej K zależnej tylko od ϕ. Nadto w szczególnym przypadku ϕ(x) = x okazuje się, że E sup |X(s) − X(t)| 6 K M̄(ϕ, µ), dla każdej miary µ s,t∈T gdzie Z Z M̄(ϕ, µ) = T 0 D(T ) 1 dεµ(dt). µ(B(t, ε) Twierdzenie o miarach majoryzujących potwierdza przydatność tego narzędzia dla szacowania z góry procesów stochastycznych, szczególnie w sytuacji, gdy ϕ rośnie wielomianowo. Wyniki te zachęciły mnie do dalszego badania roli miar majoryzujących w analizie ograniczeń górnych i dolnych dla procesów oraz związków tego pojęcia z zaproponowanym przez M. Talagranda pojęciem sieci dopuszczalnych. Przypadek podzbiorów Rd Warunek istnienia miary majoryzującej implikuje ograniczoność dla klasy procesów o przyrostach ograniczonych, pozostała jednak otwarta kwestia pełnej geometrycznej charakteryzacji tego zjawiska. Wiadomo było [Tal2], że w pewnych przypadkach lepsze od miar majoryzujących są metody rachunku różniczkowego co skłoniło mnie do dokładnej analizy tego problemu. Jeszcze podczas doktoratu, w pracy [BedB] w pełni scharakteryzowałem S(T, d, ϕ) dla wypukłych podzbiorów Rn , a odpowiedź okazała się umiejętnym połączeniem metody miar majoryzujących oraz pewnej nierówności Sobolewa. Wzmiankowana nierówność Sobolewa dotyczy dowolnych funkcji f lipschitzowskich na zbiorze wypukłym T = Bk·k (0, r) ⊂ (Rn , k · k), gdzie k · k jest ustaloną norma na Rn , a Bk·k (0, r) = {s ∈ Rd : ksk 6 r}. Pokazałem, że dla dla dowolnych A, B > 0 zachodzi Z r Z 1 1 1 n−1 sup |f (s) − f (t)| 6 6AB( ψ( n−1 )ε dε + ϕ( k∇f (u)k∗ )du), Aε n|Bk·k (0, 1)| T B s,t∈T 0 gdzie k · k∗ jest normą na Rn dualną do k · k, a ψ funkcją Younga dualną do ϕ. W szczególności oznacza to, że dla metryki d(s, t) = ks − tk, s, t ∈ T oraz T = Bk·k (0, r) ⊂ Rn i ustalonej funkcji Younga ϕ warunkiem koniecznym i wystarczającym na ograniczoność dowolnych procesów X(t), t ∈ T o przyrostach ograniczonych jest skończoność S0 będącego rozwiązaniem równania Z r n−1 ε rn ψ( )dε = 1. rn S0 εn−1 0 4 Ściślej zachodzi nierówność K −1 S0 6 S(T, d, ϕ) 6 KS0 , gdzie stała K zależy tylko od n. Następnie uogólniłem to rozumowanie na przypadek odległości postaci d(s, t) = η(ks − tk), gdzie η jest funkcją wklęsłą, rosnącą η(0) = 0. Jak się okazało kluczowe znaczenie ma zachowanie funkcji η w 0. Funkcja η(y)/y jest malejąca i dodatnia. Zakładamy, że η 0 (0) = ∞ (przypadek skończonej pochodnej jest de facto analogiczny względem opisywanego powyżej). Niech r0 = η(r), dla k > 0 definiujemy rk+1 := inf{ε > 0 : rk 6 2ε lub ε η −1 (ε) 62 rk }. −1 η (rk ) Ciąg (rk )k>0 maleje do 0, gdyż rk+1 6 r2k . Założenie η 0 (0) = ∞ gwarantuje, że rk > 0. Są dwie możliwości: rk+1 rk rk = 2rk+1 lub −1 = 2 −1 . η (rk+1 ) η (rk ) Zauważmy też, że 2rk+1 6 rk , 2 rk rk+1 6 −1 . η −1 (rk ) η (rk+1 ) Dla k > 0 definiujemy liczby Sk jako liczby spełniające zależność Z rk Z rk −1 n µ(B(0, ε)) ε η (ε) rn ε ψ( )dε = ψ( )dε = 1. n ε Sk µ(B(0, ε)) r ε Sk η −1 (ε)n rk+1 rk+1 Głównym wynikiem pracy [BedB] było wykazanie, że w przypadku T = Bk·k (0, r) ⊂ Rn , d(s, t) = η(ks − tk), s, t ∈ T warunkiem koniecznym i wystarczającym P dla ograniczoności trajektorii procesów o przyrostach ograniczonych jest skończoność ∞ k=0 Sk , ściślej K −1 ∞ ∞ X X ( Sk ) 6 S(T, d, ϕ) 6 K( Sk ), k=0 k=0 gdzie stała K zależy tylko od ϕ. Istotną konsekwencją uzyskanych wyników było dla mnie pytanie, gdzie jest granica stosowalności miar majoryzujących do pełnej charakteryzacji ograniczoności klasy procesów, na co udało mi się odpowiedzieć w cyklu prac stanowiących podstawę habilitacji. Hölderowska ciągłość Pierwszym kierunkiem, który badałem po doktoracie było w jakim stopniu miary majoryzujące implikują silniejszą regularność trajektorii procesów o przyrostach ograniczonych. Istotnie, z twierdzenia o miarach można wywnioskować dużo więcej na temat ciągłości trajektorii a nawet ich hölderowskiej ciągłości. Niech (T, d) będzie przestrzenią metryczną. Niech ϕ będzie ustaloną funkcją Younga, a m ustaloną miarą na (T, d). W pracy [Kwa] Kwapień i Rosiński zaproponowali następującą odległość τϕ,m Z = max{ 0 d(s,t) −1 ϕ 1 ( ), m(B(s, ε)) 5 Z 0 d(s,t) ϕ−1 ( 1 )}. m(B(t, ε))dε Dla funkcji Younga ϕ spełniających warunek wykładniczy, czyli ϕ(u)ϕ(v) 6 Lϕ(u + v), dla u, v > 0, gdzie L jest stałą uniwersalną wykazali oni, że istnieje stała K zależna tylko ϕ taka, że E sup ϕ( s,t∈T |X(s) − X(t)| ) 6 1, Kτϕ,m (s, t) (2) dla każdego procesu X(t), t ∈ T , spełniającego (1). Wynik ten oznacza hölderowską ciągłość trajektorii względem pseudometryki τϕ,m . W szczególności można uzyskać z niego optymalne oszacowanie modułu ciągłości dla ruchu Browna lub ogólniej dla ułamkowych ruchów Browna. Jeszcze w pracy doktorskiej minimalnie poprawiłem ten wynik pokazując, że zachodzi zjawisko koncentracji w następującym sensie, że E sup ϕ( s,t∈T |X(s) − X(t)| − Aτϕ,m (s, t) ) 6 1, Bd(s, t) dla pewnych stałych uniwersalnych A, B zależnych tylko od ϕ. W pracy [Bed2] zależało mi na wykazaniu, że istnienie miary majoryzującej m na (T, d) zawsze implikuje istnienie modułu ciągłości, porównywalnego lub trochę słabszego niż τϕ,m . Niech ϕ, ψ będą funkcjami Younga dla uproszczenia spełniającymi dodatkowo warunek ϕ(1) = ψ(1) = 1 takimi, że dla pewnej stałej R > 1 oraz ustalonego n ∈ N: ∞ X ϕ(Rk−1 ) ϕ(Rk ) ϕ(Rk ) 6 , dla k > 1, k ∈ N, oraz < ∞. ϕ(Rk+1 ) ϕ(Rk ) ψ(Rk+n ) k=0 Pokazałem, że wówczas dowolny proces o przyrostach ograniczonych w sensie warunku (1) dla funkcji ψ, to znaczy |X(s) − X(t)| ) dla s, t ∈ T, Eψ( d(s, t) spełnia |X(s) − X(t)| 6 1, Kτϕ,m (s, t) E sup s,t∈T gdzie K jest stałą zależną tylko od ϕ, ψ. Nadto, jeśli ψ spełnia dodatkowo warunek wielomianowy ψ(x)ψ(y) 6 ψ(rxy) dla x, y > c dla ustalonych c > 0, r > 1, wówczas zachodzi E sup ψ( s,t∈T |X(s) − X(t)| )61 Kτϕ,m (s, t) Wynik ten dowodzi, że regularność można wykazać zawsze, być może względem minimalnie słabszej metryki. Oczywiście najlepiej, gdy można wziąć ϕ = ψ jednak warunek ∞ X ϕ(Rk ) <∞ ψ(Rk+n ) k=0 6 wymusza wtedy, aby ϕ rosło nieznacznie szybciej niż wielomianowo. Pozostaje pytanie co można udowodnić w sytuacji wielomianowej, kiedy chcemy badać regularność względem τϕ,m . Odpowiedź na to pytanie również została udzielona w pracy [Bed2]. Okazuje się, że w przypadku ϕ(x) = xp , p > 1 dla każdego procesu spełniającego (1) zachodzi E sup s,t∈T |X(s) − X(t)|p 6 K M̄(ϕ, m), Kτm,ϕ (s, t)p−1 gdzie K jest stałą zależną tylko od ϕ, a Z Z D(T ) ϕ−1 ( M̄(ϕ, m) = T 0 1 )dεm(dt). m(B(t, ε)) Oznacza to, że dla procesów X(t), t ∈ T takich, że E|X(t) − X(s)|p 6 d(s, t)p z faktu istnienia miary majoryzującej wynika nie tylko ograniczoność trajektorii ale również hölderowska p−1 ciągłość względem τ|x|p ,m (s, t) (to znaczy lipschitzowska ciągłość względem τ|x|p ,m (s, t) p ). W szczególności dla p = 2 otrzymujemy ciągłość procesów o przyrostach subortogonalnych względem τ|x|2 ,m . Metoda dowodu bazuje na analizie momentu w którym należy z łańcucha aproksymującego punkt t ∈ T przeskoczyć do łańcucha aproksymującego s ∈ T . Pomysł ten wciąż ma w sobie potencjał i jest aktualnie badany przez mnie w dużo bardziej skomplikowanym środowisku. Przestrzenie metryczne Dla przestrzeni metrycznych rachunek różniczkowy jest zwykle dużo trudniejszy, stąd bardzo intrygującym pytaniem jest opisanie własności przestrzeni (T, d) które gwarantują, że warunek istnienia miary majoryzującej jest jednocześnie konieczny i wystarczający dla ograniczoności klasy procesów o przyrostach ograniczonych. Na to pytanie udało mi się odpowiedzieć parę lat po doktoracie. Okazuje się, że kluczowe znaczenie ma to czy metryka spełnia warunek minimalnie silniejszy niż nierówność trójkąta. W pracy [Tal2] M.Talagrand pokazał, że warunek istnienia miary majoryzującej jest równoważny skończoności S(T, d, ϕ) dla metryki d w przypadku, gdy d jest ultrametryką czyli d(s, t) 6 max{d(s, u), d(t, u)}, dla s, t, u ∈ T . Jednakże struktura przestrzeni ultrametrycznej (de facto struktura drzewa) jest bardzo daleka od typowej struktury przestrzeni Rd . Stąd naturalne pytanie czy słabszy warunek wystarcza, na przykład 1 d(s, t) 6 [d(s, u)p + d(t, u)p ] p dla s, t, u ∈ T, dla pewnego p > 1. Ogólniej problem formułuje się dla dowolnej funkcji η wklęsłej, rosnącej, η(0) = 0 postulując, że d(s, t) 6 η(η −1 (d(s, t)) + η −1 (d(s, t))) dla s, t, u ∈ T. (3) O funkcji η −1 trzeba wiedzieć, że jest dobrze określona na przedziale [0, D(T )] oraz założyć, że η −1 spełnia warunek 42 w zerze. W szczególności funkcje η −1 (x) = xp , p > 1 spełniają te założenia. W pracy [Bed6] wykazałem, że dla przestrzeni (T, d), gdzie d spełnia wzmocniony warunek trójkąta (3) dla każdej ustalonej funkcji Younga ϕ istnienie miary majoryzującej jest równoważne skończoności S(T, d, ϕ). Ściślej istnieje pewna miara m taka, że K −1 M(ϕ, m) 6 S(T, d, ϕ) 6 KM(ϕ, m), 7 gdzie stała K zależy tylko od funkcji η. Otrzymany wynik jest przykładem oszacowania z dołu dla problemu badania ograniczoności dla rodziny procesów. Metoda dowodu polega na skorzystaniu z pomysłu Fernique’a [Fer2] dowodzenia istnienia miary majoryzującej to znaczy, że warunek Z D(T ) 1 sup ϕ−1 ( )dεµ(dt) = sup(M̄(ϕ, µ)) < ∞ µ(B(t, ε)) µ µ 0 oznacza istnienie miary majoryzującej m na T takiej, że K −1 (ϕ, m) 6 sup M̄(ϕ, µ) 6 KM(ϕ, m), µ gdzie K jest stałą uniwersalną . Dla ustalonej miary µ wystarczy zatem skonstruować proces Xµ taki, że E sup |Xµ (t) − Xµ (s)| > K −1 M̄(ϕ, µ), t∈T gdzie K jest stałą uniwersalną. Powyższa teoria ma główne zastosowanie do badania procesów na dowolnym podzbiorze 1 T ⊂ Rd . Jeśli tylko d(s, t) = ks − tk p dla pewnego p > 1, to skończoność S(T, d, ϕ) jest równoważna istnieniu miary probabilistycznej m takiej, że M(ϕ, µ) < ∞. Najprostszym przypadkiem są przyrosty subortogonalne dla procesu na podzbiorze prostej, to znaczy gdy 1 T ⊂ R oraz E|X(s) − X(t)|2 6 |t − s|, dla s, t ∈ T . Wtedy d(s, t) = |s − t| 2 . Zatem ograniczoność wszystkich procesów sub-ortogonalnych jest równoważna istnieniu miary majoryzującej. W klasie procesów subortogonalnych zawarta jest duża podklasa procesów o przyrostach ortogonalnych czyli spełniających warunek E|X(s) − X(t)|2 = |s − t|, dla każdego s, t ∈ T, gdzie T ⊂ R. Nietrudno zauważyć, że procesy o przyrostach ortogonalnych pełnią dominującą rolę wśród wszystkich procesów o przyrostach subortogonalnych, zatem naturalną hipotezą było, że ograniczoność wszystkich procesów ortogonalnych jest równoważna istnieniu miary majoryzującej, co oznacza, że mniejsza klasa procesów wybija dolne ograniczenie. W dalszym ciągu badań udało mi się potwierdzić prawdziwość tej hipotezy. Warto wspomnieć, że wyniki moich badań były wykorzystywane przez J.Olejnika [Ole]. Procesy o przyrostach ortogonalnych Z procesami ortogonalnym zetknąłem się po raz pierwszy tuż po doktoracie poprawiając szacowanie na stałą w nierówności Men’shova [Men]. Mówimy, że Xi , i > 1 jest rzeczywistym lub zespolonym ciągiem zmiennych ortogonalnych, jeśli E|Xi |2 < ∞ dla i > 1 oraz E(Xi Xj ) = 0 dla i 6= j. Ciąg Xi , i > 1 jest ortonormalny jeśli jest ortogonalny oraz E|Xi |2 = 1 dla każdego i > 1. Dla każdego ciągu ortogonalnego tworzymy ciąg o przyrostach ortogonalnych S0 = 0 oraz Sj = X1 + ... + Xj , j > 1. Jest jasne, że j X E|Si − Sj |2 = k=i+1 8 E|Xk |2 , dla i 6 j. Nierówność Mienshova głosi, że istnieje stała Dn taka, że E sup |Si |2 6 Dn E|Sn |2 , 16i6n dla każdego ortogonalnego ciągu ortogonalnego Xi , i > 1. Ogólnie wiadomo, że stała Dn jest rzędu log22 n. Za pomocą metody łańcuchowej w pracy [Bed1] udało mi się pokazać, że Dn 1 < , 2 n→∞ log n 9 2 C = lim co ponad dwukrotnie poprawiało wtedy znane oszacowanie [Cho]. Wkrótce potem otrzymałem do przeczytania pracę A.Paszkiewicza, w której dowodził on pełną charakteryzację prawie pewnej zbieżności szeregów ortogonalnych za pomocą bardzo wyrafinowanej metody uśrednień. Praca ta została ostatecznie przyjęta do publikacji [Pas1,Pas2] a jednym z wniosków, który mnie najbardziej zainteresował był związek charakteryzacji zbieżności prawie pewnej z miarami majoryzującymi. Niech ai , i > 1 będzie dowolnym ciągiem liczb rzeczywistych. Chodzi o charakteryzacje tych ciągów ai , i > 1 dla których ∞ X ai Xi zbiega p.n. dla każdego ciągu ortonormalnego Xi , i > 1 i=1 P 2 Jest jasne, że ∞ i=1 ai musi być skończone, nadto konkretny znak wartości ai , i > 1 jak i indeksy i > 1Ptakie, że ai = 0 są bez znaczenia dla problemu. Dlatego dla uproszczenia 2 zakłada się, że ∞ i=1 ai = 1 oraz ai > 0. Niech zbiór T ⊂ [0, 1] składa się z punktów postaci Pn 2 i=1 ai dla n > 1 oraz z 0. Z każdym szeregiem ortogonalnym o współczynnikach ai , i > 1 jednoznacznie związany jest proces o przyrostach ortogonalnych na T zadany wzorem Pn 2 X(0) = 0 oraz dla t = i=1 ai n X X(t) = ai Xi . i=1 Na odwrót z każdym procesem X(t), t ∈ T o przyrostach ortogonalnych na T stowarzyszony jest pewien ciąg ortonormalny zadany wzorem Xi = i X a−1 i (X( j=1 a2j ) − X( i−1 X a2j )). j=1 P Pytanie o zbieżność prawie pewną ∞ i=1 ai Xi jest więc równoważne ograniczoności trajektorii procesów o przyrostach ortogonalnych X(t), t ∈ T , o których była mowa już wcześniej. Twierdzenie o pełnej charakteryzacji ograniczoności procesów o przyrostach ortogonalnych mówi, że warunkiem koniecznym i wystarczającym ograniczoności procesów o przyrostach ortogonalnych na zbiorze T ⊂ [0, 1] takim, że 0 ∈ T oraz D(T ) = 1 jest istnienie miary majoryzującej m na T , czyli miary m takiej, że Z 1 1 1 2 M(|x| , m) = sup ( ) 2 dε < ∞, t∈T 0 m(B(t, ε)) 9 gdzie B(t, ε) = {s ∈ T : p |s − t| 6 ε}. Ściślej K −1 M(|x|2 , m) 6 sup E sup |X(t) − X(s)| 6 KM(|x|2 , m). X s,t∈T Głównym wynikiem zaanonsowanym w pracy [Bed7], a wykazanym w [Bed9] był dowód pełnej charakteryzacji ograniczoności procesów o przyrostach ortogonalnych metodą argumentu łańcuchowego. Pomysł polega na tym, aby dla każdej miary µ na T wykazać, że istnieje rosnąca rodzina partycji An , n > 0 oraz funkcjonałów Fn (A) dla A ∈ An oraz n > 0, która spełnia warunek X µ(B)Fn+1 (B). µ(A)Fn (A) > µ(A)εn (A) + B∈An+1 (A) W powyższej równości rodzina An+1 (A) składa się z tych z podzbiorów A, które należą do An+1 , natomiast liczby εn (A), n > 0 są tak dobrane, aby następnie korzystając z indukcji wykazać dolne ograniczenie na supX E sups,t∈T |X(t) − X(s)| w postaci M̄(|x|2 , µ). Z dowolności µ wynika dalej nierówność K −1 sup M̄(|x|2 , µ) 6 sup E sup |X(t) − X(s)|, µ X s,t∈T zatem na mocy wspomnianego już pomysłu Fernique’a dostajemy istnienie miary majoryzującej postulowanej w charakteryzacji. Sieci punktowe Kolejnym kierunkiem moich badań był związek miar majoryzujących z rozwijaną przez Talagranda teorią sieci dopuszczalnych. Udało mi się znaleźć pełną równoważność obydwu teorii dla dowolnych przestrzeni indeksów (T, d) oraz dowolnych funkcji Younga ϕ odpowiedzialnych za ograniczoność przyrostów procesów. Dla uproszczenia przyjmijmy, że ϕ(1) = 1 (standaryzacja funkcji Younga). Sieć podzbiorów skończonych Tn , n > 0 zbioru T nazywamy dopuszczalną jeśli |Tn | 6 ϕ(Rn ) dla ustalonego R > 1 i każdego n > 1 oraz |T0 | = 1. Wynik, który otrzymałem w pracy [Bed3] to twierdzenie, że z faktu istnienia miary majoryzującej m wynika istnienie sieci dopuszczalnej Tn , n > 0 takiej, że ∞ X d(t, Tn )Rn 6 KM(ϕ, m) n=0 oraz ∞ X n=1 X 1 d(u, Tn−1 )Rn−1 6 K M̄(ϕ, m). ϕ(Rn+1 ) u∈Tn Z drugiej strony udowodniłem następujące ograniczenie górne dla dowolnego procesu X(t), t ∈ T spełniającego (1): dla R > 2 E sup |X(t) − X(s)| 6 A sup s,t∈T ∞ X n d(t, Tn )R + B t∈T n=0 ∞ X n=1 X 1 d(u, Tn−1 )Rn−1 , ϕ(Rn+1 ) u∈Tn gdzie A, B są stałymi uniwersalnymi zależącymi tylko od R. Powyższe twierdzenia w pełni tłumaczą jak działają miary majoryzujące w terminach sieci punktowych, w szczególności 10 odpowiadają na pytanie M.Talagranda, który chciał wiedzieć jak zastosować teorię sieci dopuszczalnych w przypadku wielomianowych ϕ. Metoda dowodu to pewien argument konstrukcyjny jak z miar konstruować sieci oraz dalsze wzmocnienie argumentu łańcuchowego. Kolejnym problemem sformułowanym przez M.Talagranda, na który udało mi się odpowiedzieć w pracy [Bed8], było pytanie dlaczego znaleziony przez niego pomysł stosowania faktoryzacji przez przestrzenie ultrametryczne nie działa dla wolno rosnących ϕ, gdzie wciąż można korzystać z miar majoryzujących. Pytanie to przekłada się na główną myśl argumentu łańcuchowego, czy istnieje ultrametryka ρ (struktura drzewa) na przestrzeni T taka, że d(s, t) 6 ρ(s, t) oraz wszystkie procesy o przyrostach ograniczonych względem ρ mają ograniczone trajektorie? To znaczy czy istnieje ultrametryka ρ dominująca d i taka, że sup E sup |X(t) − X(s)| < ∞, X s,t∈T gdzie supremum bierzemy po wszystkich procesach X(t), t ∈ T , które spełniają Eϕ( |X(t) − X(s)| ) 6 1 dla s, t]inT. ρ(s, t) Okazuje się, że istnienie takiej ultrametryki jest związane z pytaniem czy sieć podzbiorów dopuszczalnych może być rosnąca. W istocie gwarantuje to warunek istnienia C < ∞ takiego, że ∞ X Rj Rk dla k > 0. 6 C ϕ(Rj ) ϕ(Rk ) j=k Dowód polega na umiejętnej konstrukcji ultrametryki na T zbliżonej do ogólnego argumentu łańcuchowego z mojej pracy [Bed3] o sieciach dopuszczalnych. Procesy znaków losowych Wszystkie dotychczasowe rezultaty dotyczyły klas procesów. W przypadku twierdzeń o miarach majoryzujących - szerokich klas procesów o przyrostach kontrolowanych przez ϕ, w przypadku szeregów ortogonalnych - dużo mniejszej struktury procesów o przyrostach ortogonalnych. Jednym z najtrudniejszych zadań teorii jest charakteryzacja ograniczoności pojedynczych procesów. Jak wspomniałem wynik tego typu dla procesów gaussowskich uważany jest za jedno z największych osiągnięć teorii. Tuż po uzyskaniu tego wyniku M.Talagrand (na przykład [Tal5]) postawił analogiczne pytanie dla procesów Bernoulliego (procesów znaków losowych) znane jako hipoteza Bernoulliego. Procesem Bernoulliego nazywamy proces określony na podzbiorze T przestrzeni l2 z natuP 2 21 ralną metryką d(s, t) = ks − tk2 = ( ∞ (t i=1 i − si ) ) . Dla każdego t ∈ T ⊂ l2 kładziemy X(t) = ∞ X ti εi , i=1 gdzie εi , i > 1 jest rodziną niezależnych zmiennych Bernoulliego o rozkładzie P(εi = ±1) = 1 2 . Warto zwrócić uwagę, że na mocy rozwinięcia Karhunena-Loeve [Loe] każdy ośrodkowy proces gaussowski ma reprezentację postaci Y (t) = ∞ X i=1 11 ti gi , t ∈ T ⊂ l2 , gdzie gi , i > 1 jest rodziną niezależnych zmiennych gaussowskich N (0, 1). Ogólnie procesy te należą do klasy procesów kanonicznych [Tal4,Lat1]. Wprowadzamy następujące oznaczenia b(T ) = E sup X(t), g(T ) = E sup Y (t), l(t) = sup X(t). t∈T t∈T t∈T Istnieją dwie naturalne przyczyny dla których proces Bernoulliego może być ograniczony. Pierwsza to sugaussowskość zmiennych Bernoulliego. Istotnie nietrudno, korzystając nierówności Jensena udowodnić, że r π b(T ) 6 g(T ). 2 Geometryczna charakteryzacja g(T ) jest treścią twierdzenia Talagranda [Tal1]. Niech γ2 (T ) = inf sup ∞ X n d(t, Tn )2 2 , t∈T n=0 n gdzie infimum bierzemy po wszystkich sieciach dopuszczalnych takich, że |Tn | 6 22 . Okazuje się, że K −1 γ2 (T ) 6 g(T ) 6 Kγ2 (T ), gdzie K jest stałą uniwersalną. Z drugiej strony mamy oczywistą przyczynę, czyli ograniczoność współczynników w sensie l1 b(T ) 6 l(T ) = sup ∞ X |ti |. t∈T i=1 Niech T1 + T2 = {t + s : t ∈ T1 , s ∈ T2 } dla T1 , T2 ⊂ l2 . Kolejną prostą obserwacją jest b(T ) 6 b(T1 ) + b(T2 ) dla T ⊂ T1 + T2 . Zatem b(T ) 6 K inf{γ2 (T1 ) + sup ∞ X |ti |}, t∈T2 n=1 gdzie infimum bierzemy po wszystkich zbiorach T1 , T2 ⊂ l2 takich, że T ⊂ T1 + T2 . Hipoteza Bernoulliego głosiła, że analogiczne oszacowanie działa z dołu czyli, że faktycznie można wygenerować właściwą dekompozycję T1 , T2 zbioru T taką, że max{g(T1 ), l(T2 )} 6 Kb(T ), gdzie K jest stałą uniwersalną. Twierdzenie to, które zaanonsowaliśmy wspólnie z Rafałem Latałą w pracy [Bed10], uzyskuje się dzięki rozwinięciu wielu pomysłów M.Talagranda zawartych w [Tal7], R.Latały [Lat3] i moich własnych. Najistotniejsze jest wygenerowanie odpowiedniej minoryzacji dla procesów Bernoulliego i umiejętne konstruowanie partycji. Twierdzenie o ograniczoności procesów Bernoulliego ma poważne konsekwencje analityczne w szczególności rozstrzyga nurtujący mnie jeszcze w czasach studenckich problem związku między nierównościami maksymalnymi dla procesów empirycznych a własnością VC klasy [Lat2]. Rozstrzyga też pytanie postawione przez K.Oleszkiewicza [Lat4] na temat wpływu 12 słabej dominacji ogonów zmiennych losowych o wartościach w przestrzeni Banacha na odpowiednią dominację silnych momentów tychże zmiennych. Bazy zachłanne Warto także wspomnieć, że moje pierwsze zastosowanie procesów Bernoulliego dotyczyło postawionego mi jeszcze na studiach przez P. Wojtaszczyka [Woj] problemu baz zachłannych. Niech B będzie bazą przestrzeni Banacha (X, k · k), to znaczy span{ei } = X. Nadto niech istnieje układ jednoznacznie określonych funkcji e∗i na X takich, że e∗i (ei ) = 1 oraz e∗i (ej ) = 0 jeśli i 6= j. Definiujemy dla n > 0 X Σn (B) = {S = ai ei : |Λ| = n, ai ∈ R}. i∈Λ Nadto niech σn (B, x) = inf{kx − yk : y ∈ Σn }. Niech dla x ∈ X Gn (B, x) = X e∗i (x)ei , i∈Λ |e∗i | |e∗j | gdzie Λ jest takie, że |Λ| = n oraz > jeśli i ∈ Λ oraz j 6∈ Λ. Bazę B nazywamy zachłanną jeśli istnieje stała G niezależna od x taka, że kx − Gn (B, x)k 6 Gσn (B, x), dla x ∈ X, n > 0. Bazę U nazywamy bezwarunkową jeśli istnieje stała K taka, że dla każdego Λ ⊂ N oraz εi , i > 1 - niezależnych zmiennych Bernoulliego zachodzi nierówność X k εi e∗i (x)ei k 6 Kkxk. i∈Λ Bazę nazywamy demokratyczną jeśli dla dowolnych Λ, Λ0 ⊂ N takich, że |Λ| = |Λ0 | zachodzi X X k ei k 6 Dk ei k. i∈Λ0 i∈Λ Na mocy głównego twierdzenia teorii baza jest zachłanna wtedy i tylko wtedy, gdy jest bezwarunkowa i demokratyczna. Niech ln = ke1 + e2 + ... + en k, na mocy demokracji dla każdej bazy zachłannej X D−1 ln 6 k ei k 6 Dln , dla |Λ| = n. i∈λ Zakładamy, że ln n > 0 spełnia warunek 42 to znaczy n X n −1 2k l2−1 k 6 A2 l2n , (4) k=1 1 który jest spełniony na przykład dla ln porównywalnych z n p , p > 1. Bazę B nazywamy bazą Riesza jeśli ∞ ∞ X X 1 k a i εi k 6 A 1 ( |ai |2 ) 2 i=1 i=1 13 analogicznie bazę B nazywamy bazą Bessela, jeśli ∞ ∞ X X 2 12 ( |ai | ) 6 A2 k ai εi k. i=1 i=1 Warto zwrócić uwagę, że jeśli przestrzeń X jest typu (kotypu) 2 wtedy baza B jest odpowiednio Riesza (Bessela). Niech dla K ⊂ X σn (B, K) = sup σn (B, x). x∈K P∞ Mówimy, że zbiór KP⊂ X jest współliniowy z B jeśli dla każdego i=1 ai ei ∈ K oraz ∞ |bi | 6 |ai | zachodzi i=1 bi ei ∈ uK, gdzie u jest stałą uniwersalną Głównym wynikiem pracy [Bed4] (w [Bed5] przedstawiłem ten wynik w kontekście ówczesnego stanu wiedzy) jest twierdzenie, że dla bazy B zachłannej oraz Riesza (alternatywnie bazy zachłannej oraz Bessela) która spełnia warunek (4) dla każdego zbioru K współliniowego z B oraz bazy bezwarunkowej B 0 istnieją uniwersalne stała C > 0 oraz τ ∈ N takie, że σ2n (B, K) 6 C ∞ X σ2k (B 0 , K). k=n−τ Twierdzenie to tłumaczy, że bazy zachłanne są najlepsze w gronie baz bezwarunkowych. W 1 szczególności wnioskiem jest, że jeśli dla ln ≡ n p , p > 1, α ∈ R oraz β > 0 zachodzi lim sup(log2 n)α nβ σn (B, K0 ) > 0, n→∞ gdzie K0 jest kulą jednostkową w K, to dla dowolnej bazy bezwarunkowej lim sup(log2 n)α+β nβ σn (B 0 , K0 ) > 0. n→∞ Pomysł dowodu oparty jest na umiejętnym górnym oszacowaniu chaosu dla zmiennych Bernoulliego. Literatura [BedA] Bednorz, W. (2006), A Theorem on Majorizing Measures, Annals of Probability, 34, No. 5, 1771-1781. [BedB] Bednorz, W. (2006), A Sobolev Inequality and its Applications, Studia Mathematica, 176, No. 2, 95-112. [Cho] Chobanyan, S., Levental, S. and Salehi, H. On the best constant in the Rademacher– Menchov inequality, J. Inequal. Appl. [Dud] Dudley, R.M. (1967) The sizes of compact subsets of Hilbert space and continuity of Gaussian processes, J. Functional Analysis 1, 290-330. [Fer1] Fernique, X. (1971), Regularit’e des processus gaussiens. (French) Invent. Math. 12, 304-320. [Fer2] Fernique, X. (1975), Regularité des trajectoires des fonctions aléatoires gaussiennes, École d’Été de Probabilités de Saint-Flour, IV-1974, Lecture Notes in Mathematics 480, 1-96, Springer, Berlin. 14 [Kwa] Kwapien, S., Rosinski, J. (2004), Sample Hölder continuity of stochastic processes and majorizing measures. In: Seminar on Stochastic Analysis, Random Fields and Applications IV. Progr. Probab., vol. 58, pp. 155–163. Birkhäuser. [Lat1] Latala, R. (1997), Sudakov minoration principle and supremum of some processes, Geom.Funct.Anal. 7, 936-953. [Lat2] Latala, R. (1999), A note on the maximal inequalities for VC classes, Advances in stochastic inequalities (Atlanta, GA, 1997), 125-134, Contemp. Math. 234, Amer. Math. Soc., Providence, RI, 1999. [Lat3] Latala, R (2008), On the boundedness of Bernoulli processes over thin sets, Electron. Commun. Probab. 13, 175-186. [Lat4] Latala, R. (2009), On weak tail domination of random vectors. Bull. Acad. Pol. Sci. Math. 57, 75-80, 2 [Loe] Loeve, M. (1978), Probability theory. Vol. II, 4th ed.. Graduate Texts in Mathematics. 46. Springer-Verlag. [Men] Menchoff, M [Mienshov, D.] (1923), Sur les séries de fonctions orthogonales, Fund. Math. 4, 82–105. [Ole] Olejnik, J. (2010), On a construction of majorizing measures on subsets of Rn with special metrics, Studia Math. 197, 1-12 [Pas1] Paszkiewicz, A. (2009), The explicit characterization of coefficients of a.e. convergent orthogonal series. C. R. Math. Acad. Sci. Paris 347, 1213–1216. [Pas2] Paszkiewicz, A. (2010), A complete characterization of coefficients of a.e. convergent orthogonal series and majorizing measures. Invent. Math., 180, No. 1, 55-110. [Slu] Slutsky, E. (1939). Quelques propositions sur la théorie des fonctions aléatoires. (Russian) Acta [Trudy] Univ. Asiae Mediae. Ser. V-a. 31, 15 pp. [Tal1] Talagrand, M. (1987), Regularity of Gaussian processes. Acta Math. 159 No. 1-2, 99-149. [Tal2] Talagrand, M. (1990), Sample Boundedness of Stochastic Processes Under Increment Conditions. Ann. Probab. 18 No. 1, 1-49. [Tal3] Talagrand, M. (1993), Regularity of infinitely divisible processes. Ann. Probab. 21, No. 1, 362-432. [Tal4] Talgrand, M. (1994), The supremum of some canonical processes. Amer. J. Math. 116, No. 2, 284-325. [Tal5] Talagrand, M. (1994), Construction of majorizing measures, Bernoulli processes and cotype. Geom. Funct. Anal. 4, No. 6, 660-717. [Tal6] Talagrand, M. (2001), Majorizing measures without measures. Ann. Probab. 29, No. 1, 411-417. [Tal7] Talagrand, M. (2005), The Generic Chaining. Upper and lower bounds for stochastic process. 1st ed. [Woj] Wojtaszczyk, P.(2002), Greedy type bases in Banach spaces. In: Constructive Theory of Function Theory, Varna 2002, pp. 136–156. Darba, Sofia. 5. Omówienie pozostałych osiągnięć naukowo - badawczych Pozostałe wyniki dotyczące regularności procesów W pracy „The majorizing measure approach to the sample boundedness", arXiv:1211.3898, 15 kt6ta ieszczenie zostaia opublikowana, badaiem zwi4zekrozkladu supremum z wyborem miary majoryzujqcej. Okazuje siq, ze rozklad argumentu maximum na zbiorzeindeks6w mo2e byi traktowany iako odpowiednik miary majoryzujqcej. W tej pracy podalem teL bardzo prosty dow6d szacowaniaproces6wgaussowskichz dolu oraz regulq dualnoScidla miar majoryzuj4cych. W pracy 'rlntegrability and concentration of sample paths truncated variation of fiactional Brownian motions, diffusionsand L6vy processes",arXiv:1211.3870v2 wsp6lnie z Rafaiem l,ochowskim pokazali6my koncentracjqgaussowsk4dla uciqtego wahania. Gl6wnym narzqdziemjest wymySlony przeze mnie argument larlcuchowy dla sum przyrost6w. f,arlcuchy Markowa Moim gl6wnym zainteresowaniempoza teori4 proces6w stochastvcznvch se laricuchy Markowa i metody Monte Carlo. W pracy '{ regeneration proof of the Central Limit theorem fbr uniformly ergodic Markov chains"wsp6lnej z Rafalem Latal4i Krzvsztofem Latuszyriskim opubli_ kowanej w Electronic Communications in Probability pokazaliSmy alternatvwny dow6d CentralnegoTwierdzenia Granicznegometodq wycieczeklda ergodyc znych laricuch6w Markowa. Nadto w pracy "The Kendall's Theorem and its Application to the Geometric Ergodicity of Markov Chains"wlaSnieprzyjgtej do Applicationes Mathematicae (r6wniez ariiv:L301.14g1) wzmocnilem tak zwane Twierdzenie Kendalla, kt6re wykorzystuje sig do badania tempa zbieinoSci geometrycznieergodycznych laricuch6w Markowa do rozkladu stacjonarnego. W recenzji sq tak'e dwie moje wsp6lne prace RadoslawemAdamczakiem. W pracy Qxponential Concentration Inequalities for Additive Functionals of Markov Chains", arXiv:1201.8b6gv1 udowodniliSmy odpowiednik nier6wnoSciBernsteina dla laricuch6w Markowa, natomiast w pracy Orlicz integrability of additive functionals of Harris ergodic Markov chainsrt,arXiv:120i.SfOZ.rf badaliJmy optymalnq calkowalnoSi dla wvcieczek iaricucha. Koncentracja Kolejne moje zainteresowaniedotyczy zjawiska koncentracji miary. W pracy '.L1-smoothing for the Ornstein-Uhlenbeik semigroup6publikowanejw Mathematika udalo mi siq wsp6lnie z grupa wsp6lautor6w pokazai wlasnoSi wygladzania dla p6lgrupv Ornstein-Uhlenbeck,a. Zagadnienieto korespondujeto z pytaniem postawiony przez M.Talagranda o koncentracjq dla pewnej p6lgrupy multiplikatywnej. bil-\J 16 B",,l,rovL