Documentos de Académico
Documentos de Profesional
Documentos de Cultura
(t) = f
_
ta
s
_
1
s
es una densidad, de ah que
_
R
(t) f
_
t a
s
_
dt
s
= E
f
() < , (2)
pues por hipotesis es acotada, de modo que
_
R
(sx) u(x) e
iax
dx < . En particular, si
a = 0
lm
s0
_
R
(sx) u(x) dx =
_
R
u(x) dx, (3)
pero de (2),
_
R
(t) f
_
t
s
_
dt
s
(0) = 1, cuando s 0, combinando lo anterior con (3),
concluimos que u es una densidad, pero al ser integrable necesariamente es la funci on
caracterstica asociada a u.
Observaci on 1 Por el Teorema de Continuidad de Levy (TCL), se tiene que si : R C
es una funcion continua, entonces es funcion caracterstica de una medida de probabi-
lidad P (R), si y solamente si para cada > 0, la funcion dada por
(t) := (t) e
t
2
, t R, (4)
1
Basta tomar f acotada.
es funcion caracterstica. En efecto, si es f.c., entonces por ser e
t
2
la f.c. de una
distribucion normal con media cero y varianza 2 para > 0, se tiene que
es f.c.
Recprocamente, supongamos que para todo > 0,
es f.c. Como
lm
0
(t) = (t) , t R,
y es continua, se sigue del TCL que es f.c.
Luego, del Lema anterior, una funcion : R C continua y acotada con (0) = 1 es
f.c. ssi > 0
_
R
e
t(tix)
(t) dt 0 x R.
Lema 2 Sea : R C una funcion continua y acotada. es f.c. si y solamente si
(0) = 1 y si para cualquier distribucion de probabilidad P (R) y para cada x R, se
cumple que
_
R
e
itx
(t)
(dt) 0, (5)
con
=
1
,
donde
1
(A) = (A) A B(R) .
Para los prop ositos del presente trabajo, s olo mostraremos el regreso del Lema anterior.
Demostraci on del Lema 2. Supongamos que (5) es v alida para cualquier P (R).
Sea > 0 y sea
1
Normal (0, 2), de ah que, en este
caso, x R
0
_
R
e
itx
(t)
(dt)
=
_
R
e
itx
(t) e
t
2
dt.
El resultado se sigue al aplicar la Observaci on 1 a lo anterior.
Observaci on 2 Notemos que la condicion dada en (5) es equivalente a
_
R
_
R
e
it(ts)x
(t s) (dt) (ds) 0 x R. (6)
Ahora bien, si P (R) esta concentrada en {t
1
, . . . , t
n
}, n 1 con respectivas masas
{p
1
, . . . , p
n
}, entonces en este caso (6) toma la forma
n
j,k=1
(t
j
t
k
) z
j
z
k
0, (7)
donde
z
j
= p
j
e
xit
j
, j = 1, . . . , n.
Esta ultima observaci on es crucial en la prueba del Teorema de Bochner.
Demostracion del Teorema de Bochner. Supongamos que es funcion caracterstica
de una medida de probabilidad P (R). Sean t
1
, . . . , t
n
R y z
1
, . . . , z
n
C, n 1,
entonces
n
j,k=1
(t
j
t
k
) z
j
z
k
=
n
j,k=1
z
j
z
k
_
R
e
i(t
j
t
k
)x
(dx)
=
_
R
_
n
j=1
z
j
e
it
j
x
__
n
k=1
z
k
e
it
k
x
_
(dx)
=
_
R
j=1
z
j
e
it
j
x
2
(dx) 0,
es decir, es positiva denida.
Inversamente supongamos que es positiva denida. Como es acotada
2
, basta probar
que para cualquier P (R) (6) se mantiene. La observacion anterior nos garantiza dicha
condici on en el caso de una medida discreta concentrada en un n umero nito de puntos.
En vista de que cualquier P (R) puede verse como el lmite de una sucesi on de medidas
discretas concentradas en un n umero nito de puntos
3
, entonces (7) implica (6), lo cual
completa la prueba.
2
Cualquier funcion positiva denida es acotada.
3
Esto es, si P (R) entonces existe una sucesion {
n
, n 1} P (R) tal que
lm
n
n
(A) = (A) A B (R) ,
y
n
esta concentrada en un n umero nito de puntos.