Vous êtes sur la page 1sur 495

MESURE, INTEGRATION, PROBABILITES

Thierry Gallouet Rapha`ele Herbin


February 19, 2009
Contents
1 Motivation et objectifs 5
1.1 Integrale des fonctions continues . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Insusance de lintegrale des fonctions continues . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Les probabilites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 Objectifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2 Tribus et mesures 16
2.1 Introduction... par les probabilites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.1.1 Cas dun probl`eme discret . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.1.2 Exemple continu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2 Tribu ou alg`ebre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3 Mesure, probabilite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.4 mesure signee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.5 La mesure de Lebesgue sur la tribu des boreliens . . . . . . . . . . . . . . . . . . . . . . . 28
2.6 Independance et probabilite conditionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.6.1 Probabilite conditionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.6.2 Ev`enements independants, tribus independantes . . . . . . . . . . . . . . . . . . . 37
2.6.3 Probabilites sur (R, B(R)) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.7.1 Tribus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.7.2 Mesures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.7.3 Probabilites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3 Fonctions mesurables, variables aleatoires 50
3.1 Introduction, topologie sur R
+
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.2 Fonctions etagees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.3 Fonctions mesurables et variables aleatoires . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.4 Mesure image, loi dune v.a., v.a. independantes . . . . . . . . . . . . . . . . . . . . . . . 59
3.5 Convergence p.p., p.s., en mesure, en probabilite . . . . . . . . . . . . . . . . . . . . . . . 61
3.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4 Fonctions integrables 73
4.1 Integrale dune fonction etagee positive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.2 Integrale dune fonction mesurable positive . . . . . . . . . . . . . . . . . . . . . . . . . . 75
4.3 Theor`eme de convergence monotone et lemme de Fatou . . . . . . . . . . . . . . . . . . . 78
1
4.4 Mesures et probabilites de densite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.4.1 Denitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.4.2 Exemples de probabilites de densite . . . . . . . . . . . . . . . . . . . . . . . . . . 82
4.5 Lespace L
1
des fonctions integrables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
4.6 Lespace L
1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.7 Theor`emes de convergence dans L
1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
4.7.1 Convergence presque partout et convergence dans L
1
. . . . . . . . . . . . . . . . . 89
4.7.2 Convergence dune serie absolument convergente et consequences . . . . . . . . . . 90
4.8 Continuite et derivabilite sous le signe
_
. . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
4.9 Esperance et moments des variables aleatoires . . . . . . . . . . . . . . . . . . . . . . . . . 93
4.10 Espace L
1
C
(E, T, m) et espace L
1
R
N
(E, T, m) . . . . . . . . . . . . . . . . . . . . . . . . . . 96
4.11 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.11.1 Integrale des fonctions mesurables positives et espace L
1
. . . . . . . . . . . . . . . 98
4.11.2 Lespace L
1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
4.11.3 Esperance et moments des variables aleatoires . . . . . . . . . . . . . . . . . . . . . 108
5 Mesures sur la tribu des boreliens 111
5.1 Lintegrale de Lebesgue et lintegrale des fonctions continues . . . . . . . . . . . . . . . . . 111
5.2 Mesures abstraites et mesures de Radon . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
5.3 Changement de variables, densite et continuite . . . . . . . . . . . . . . . . . . . . . . . . 118
5.4 Integrales impropres des fonctions de R dans R . . . . . . . . . . . . . . . . . . . . . . . . 120
5.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
6 Les espaces L
p
129
6.1 Denitions et premi`eres proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
6.1.1 Les espaces L
p
, avec 1 p < + . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
6.1.2 Lespace L

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
6.1.3 Quelques proprietes des espaces L
p
, 1 p + . . . . . . . . . . . . . . . . . . . 138
6.2 Analyse hilbertienne et espace L
2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
6.2.1 Denitions et proprietes elementaires . . . . . . . . . . . . . . . . . . . . . . . . . . 140
6.2.2 Projection sur un convexe ferme non vide . . . . . . . . . . . . . . . . . . . . . . . 145
6.2.3 Theor`eme de Representation de Riesz . . . . . . . . . . . . . . . . . . . . . . . . . 150
6.2.4 Bases hilbertiennes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
6.3 Dualite dans les espaces L
p
, 1 p . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
6.3.1 Dualite pour p = 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
6.3.2 Dualite pour 1 p . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
6.3.3 Theor`eme de Radon-Nikodym . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
6.4 Convergence faible, faible-, etroite, en loi. . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
6.4.1 Convergence faible et faible- . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
6.4.2 Convergence etroite et convergence en loi . . . . . . . . . . . . . . . . . . . . . . . 168
6.4.3 Lois des grands nombres, theor`eme central limite . . . . . . . . . . . . . . . . . . . 169
6.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
6.5.1 Espaces L
p
, 1 p . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
6.5.2 Espaces de Hilbert, Espace L
2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
6.5.3 Theor`eme de Radon-Nikodym et Dualite dans les espaces L
p
. . . . . . . . . . . . 179
6.5.4 Convergence faible, faible-, etroite, en loi. . . . . . . . . . . . . . . . . . . . . . . . 184
2
7 Produits despaces mesures 193
7.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
7.2 Mesure produit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
7.3 Theor`emes de Fubini-Tonelli et Fubini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
7.4 Mesure de Lebesgue sur la tribu des boreliens de R
N
. . . . . . . . . . . . . . . . . . . . . 202
7.5 Convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
7.6 Formules de changement de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
7.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
7.7.1 Mesure produit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
7.7.2 Fubini-Tonelli et Fubini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
7.7.3 Mesure de Lebesgue sur B(R
N
) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
7.7.4 Convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
7.7.5 Changement de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
8 Densite, separabilite, et compacite dans les espaces L
p
() 220
8.1 Theor`emes de densite pour les espaces L
p
() . . . . . . . . . . . . . . . . . . . . . . . . . 220
8.1.1 Densite des fonctions C
c
(, R) dans L
p
() . . . . . . . . . . . . . . . . . . . . . . 220
8.1.2 Regularisation par convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
8.1.3 Densite de C

c
(, R) dans L
p
() . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
8.2 Separabilite de L
p
() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
8.3 Compacite dans les espaces L
p
() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
8.4 Propriete de compacite faible . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
8.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
9 Vecteurs aleatoires 229
9.1 Denition, proprietes elementaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
9.2 Independance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
9.3 Vecteurs gaussiens, theor`eme central limite . . . . . . . . . . . . . . . . . . . . . . . . . . 235
9.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
9.4.1 Denition, proprietes elementaires . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
9.4.2 Independance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
9.4.3 Vecteurs gaussiens, theor`eme central limite . . . . . . . . . . . . . . . . . . . . . . 239
10 Transformation de Fourier, fonction caracteristique 241
10.1 Introduction et notations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
10.2 Transformation de Fourier dans L
1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
10.2.1 Denitions et premi`eres proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
10.2.2 Theor`eme dinversion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
10.2.3 Regularite et decroissance `a linni . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
10.3 Transformee de Fourier dune mesure signee . . . . . . . . . . . . . . . . . . . . . . . . . . 245
10.4 Transformation de Fourier dans L
2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246
10.5 Resolution dune EDO ou dune EDP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 248
10.6 Fonction caracteristique dun vecteur aleatoire . . . . . . . . . . . . . . . . . . . . . . . . 249
10.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
10.7.1 Transformation de Fourier dans L
1
. . . . . . . . . . . . . . . . . . . . . . . . . . . 251
10.7.2 Transformee de Fourier dune mesure signee . . . . . . . . . . . . . . . . . . . . . . 252
10.7.3 Transformation de Fourier dans L
2
. . . . . . . . . . . . . . . . . . . . . . . . . . . 253
10.7.4 Fonction Caracteristique dune v.a.r. . . . . . . . . . . . . . . . . . . . . . . . . . . 253
3
11 Esperance conditionnelle et martingales 255
11.1 Esperance conditionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
11.2 Martingales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
11.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
11.3.1 Esperance conditionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
11.3.2 Martingales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265
12 Corriges dexercices 267
12.1 Exercices du chapitre 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 267
12.2 Exercices du chapitre 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 280
12.2.1 Tribus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 280
12.2.2 Mesures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292
12.2.3 Probabilites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
12.3 Exercices du chapitre 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 310
12.3.1 Fonctions mesurables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 310
12.4 Exercices du chapitre 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329
12.4.1 Integrale sur /
+
et sur L
1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329
12.4.2 Espace L
1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 344
12.4.3 Esperance et moments des variables aleatoires . . . . . . . . . . . . . . . . . . . . . 362
12.5 Exercices du chapitre 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 366
12.6 Exercices du chapitre 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 380
12.6.1 Espaces L
p
, 1 p . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 380
12.6.2 Espaces de Hilberts, espace L
2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 397
12.6.3 Theor`eme de Radon-Nikodym et Dualite dans les espaces L
p
. . . . . . . . . . . . 412
12.6.4 Convergence faible, faible-, etroite, en loi. . . . . . . . . . . . . . . . . . . . . . . . 421
12.7 Exercices du chapitre 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 441
12.7.1 Mesure produit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 441
12.7.2 Fubini-Tonelli et Fubini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 444
12.7.3 Mesure de Lebesgue sur B(R
N
) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 448
12.7.4 Convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 457
12.7.5 Changement de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 461
12.8 Exercices du chapitre 8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 468
12.9 Exercices du chapitre 9 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 477
12.9.1 Denition, proprietes elementaires . . . . . . . . . . . . . . . . . . . . . . . . . . . 477
12.9.2 Independance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 478
12.9.3 Vecteurs gaussiens, theor`eme central limite . . . . . . . . . . . . . . . . . . . . . . 480
12.10Exercices du chapitre 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 483
12.10.1Transformee de Fourier dans L
1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . 483
12.10.2Transformee de Fourier dune mesure signee . . . . . . . . . . . . . . . . . . . . . . 485
12.10.3Fonction caracteristique dun v.a. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 486
12.11Exercices du chapitre 11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 489
12.11.1Esperance conditionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 489
12.11.2Martingales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 493
4
Chapter 1
Motivation et objectifs
Nous commencons par donner ici un apercu des motivations de la theorie de lintegration, en montrant
dabord les limitations de lintegrale des fonctions continues (sur un intervalle compact de R). Lintegrale
de Riemann poss`ede essentiellement les memes limitations.
1.1 Integrale des fonctions continues
Nous presentons ici quelques rappels sur lintegrale des fonctions continues sur un intervalle compact de
R. Nous montrons pourquoi cette theorie de lintegrale des fonctions continues semble insusante.
Nous nous limitons `a letude des fonctions denies sur lintervalle [0, 1] `a valeurs dans R. Nous allons en
fait denir lintegrale des fonctions reglees (on appelle fonction reglee une fonction qui est limite uniforme
dune suite de fonctions en escalier). Ceci nous donnera lintegrale des fonctions continues car toute
fonction continue est reglee (voir lexercice 1.2). La denition de lintegrale des fonctions reglees (comme
celle de lintegrale de Riemann, qui sera rappelee dans lexercice 5.3, et celle de lintegrale de Lebesgue)
peut etre vue en 3 etapes, qui, ici, secrivent :
1. Mesurer les intervalles de [0, 1]. Pour 0 1, on pose m(], [) = .
2. Integrer les fonctions en escalier. Soit f : [0, 1] R, une fonction en escalier. Ceci signie quil
existe p N

, une famille (
i
)
i{0,...,p}
, avec :
0
= 0,
i
<
i+1
, pour tout i 0, . . . , p 1,

p
= 1, et une famille (a
i
)
i{0,...,p1}
R tels que :
f(x) = a
i
, x ]
i
,
i+1
[, i 0, . . . , p 1. (1.1)
On pose alors :
_
1
0
f(x)dx =
p1

i=0
a
i
m(]
i
,
i+1
[). (1.2)
On montre que la denition precedente est bien coherente, cest-`a-dire que lintegrale de f ne depend
que du choix de f et non du choix des
i
(voir lexercice 1.2).
3. Passer `a la limite. Soit f : [0, 1] R, une fonction reglee, il existe une suite (f
n
)
nN
de fonctions
en escalier convergeant uniformement vers f. On pose :
I
n
=
_
1
0
f
n
(x)dx. (1.3)
5
On peut montrer que la suite (I
n
)
nN
est de Cauchy (dans R). On pose :
_
1
0
f(x)dx = lim
n
I
n
. (1.4)
On montre que cette denition est coherente car lim
n
I
n
ne depend que de f et non du choix
de la suite (f
n
)
nN
(voir lexercice 1.2).
Remarque 1.1 Un des interets de la methode presentee ci dessus est quelle permet aussi de denir
(sans travail supplementaire) lintegrale de fonctions continues de [0, 1] (ou dun intervalle compact de
R) dans E, o` u E est un espace de Banach (cest-`a-dire un espace vectoriel norme complet sur R ou C).
Les methodes de Riemann (voir lexercice 5.3) et de Lebesgue (presentee dans ce cours) sont limitees `a
des fonctions prenant leurs valeurs dans R car elles utilisent fortement la relation dordre dans R (elles
redonnent, dans le cas de fonctions continues de [0, 1] dans R, la meme integrale que ci-dessus). Pour
lintegrale de Lebesgue, il faut alors un travail supplementaire pour developper une theorie de lintegration
pour des fonctions prenant leurs valeurs dans un espace de Banach (lorsque cet espace est de dimension
innie, le cas o` u lespace est de dimension nie reste simple car on est alors amene `a considerer un nombre
ni dintegrales `a valeurs dans R).
1.2 Insusance de lintegrale des fonctions continues
On note E lensemble des fonctions continues de [0, 1] dans R. On a ainsi deni
_
1
0
f(x)dx pour tout
f E (car lensemble des fonctions continues est contenu dans lensemble des fonctions reglees).
1. Theor`emes de convergence Un inconvenient important de la theorie de lintegration exposee ci-
dessus est que les theor`emes naturels de convergence pour cette theorie sont peu ecaces. A vrai
dire, le seul theor`eme simple est le theor`eme suivant : Soient (f
n
)
nN
E et f E. On a alors :
f
n
f uniformement quand n
_
1
0
f
n
(x)dx
_
1
0
f(x)dxquand n . (1.5)
On rappelle que (f
n
)
nN
converge simplement vers f si :
> 0, x [0, 1], N(, x); n N(, x) [f
n
(x) f(x)[
et que (f
n
)
nN
converge uniformement vers f si :
> 0, N(); n N(), x [0, 1] [f
n
(x) f(x)[ .
Ce theor`eme est assez faible. Une consequence de la theorie de lintegrale de Lebesgue est le
theor`eme suivant (beaucoup plus fort que le precedent) : Soient (f
n
)
nN
E, et f E. On a
alors :
f
n
f simplement quand n , [f
n
(x)[ 1, x [0, 1], n N

_
1
0
f
n
(x)dx
_
1
0
f(x)dx quand n .
(1.6)
Ce resultat est une consequence immediate du theor`eme de convergence dominee, il peut etre
demontre sans utiliser la theorie de lintegrale de Lebesgue, mais cela est dicile : cest lobjet de
lexercice 1.11. (Noter aussi quil est facile de voir que lon peut remplacer, dans (1.6), [f
n
(x)[ 1
par [f
n
(x)[ M pourvu que M soit independant de n et x.)
6
2. Espaces non complets. Pour f E on pose (en remarquant que [f[ E et f
2
E) :
N
1
(f) =
_
1
0
[f(x)[dx, (1.7)
N
2
(f) =
_
_
1
0
(f(x))
2
dx
_1
2
. (1.8)
Les applications N
1
et N
2
sont des normes sur E (voir lexercice 1.6). Malheureusement lespace E,
muni de la norme N
1
(ou de la norme N
2
), nest pas vraiment interessant en pratique, en particulier
parce que cet espace nest pas complet (cest-`a-dire quune suite de Cauchy nest pas necessairement
convergente). Ce nest pas un espace de Banach (un espace de Banach est un espace vectoriel norme
complet). La norme N
2
sur E est induite par un produit scalaire mais, muni de cette norme, E nest
pas un espace de Hilbert (un espace de Hilbert est un espace de Banach dont la norme est induite
par un produit scalaire, pour tous ces resultats, voir lexercice 1.6). En fait Lespace vectoriel des
fonctions continues de [0, 1] dans R est interessant lorsquil est muni de la norme de la convergence
uniforme, cest-`a-dire |f|
u
= sup
x[0,1]
[f(x)[, avec laquelle il est complet, cest donc alors un espace
de Banach.
Si lon travaille avec lensemble des fonctions reglees plutot que lensemble des fonctions continues, on
nechappe pas vraiment aux inconvenients cites precedemment (N
1
et N
2
sont dailleurs alors des semi-
normes). On peut aussi generaliser la denition de lintegrale ci-dessus en ameliorant un peu letape 3
(passage `a la limite), cette generalisation se fait en introduisant les sommes de Darboux (alors que
lintegrale des fonctions continues peut etre denie en utilisant seulement les sommes de Riemann). On
obtient ainsi la denition de lintegrale des fonctions dites Riemann-integrables (voir lexercice 5.3). En
fait cette generalisation est assez peu interessante, et les inconvenients sont les memes que pour lintegrale
des fonctions continues (ou des fonctions reglees).
1.3 Les probabilites
La theorie des probabilites sest developpee dans le but de modeliser les phenom`enes aleatoires, cest `a
dire de developper un formalisme mathematique pour exprimer les probl`emes poses par ces phenom`enes.
En particulier, lun des probl`emes est de mesurer la chance dun certainev`enement de se realiser. Une
partie importante de ces phenom`enes est de nature discr`ete, cest `a dire quil existe une injection de
lensemble des cas possibles dans N. Lorsque de plus lensemble des cas possibles ou des eventualites
est ni, le calcul des probabilites se ram`ene `a des probl`emes de denombrement. Par contre, lorsque
lensemble des eventualites est de nature innie non-denombrable, on aura besoin, pour denir une
probabilite, de la theorie de la mesure. Les liens qui existent entre la theorie des probabilites et la
theorie de la mesure et de lintegration sont nombreux, mais malheureusement, le vocabulaire est souvent
dierent. Nous essaierons ici de montrer clairement les liens entre les deux theories et de donner un
dictionnaire probabilites-integration.
1.4 Objectifs
Lobjectif est de construire une theorie de lintegration donnant des theor`emes de convergence ecaces et
de bons espaces fonctionnels, comme, par exemple, lespace L
2
R
(E, T, m) qui est un espace de Hilbert.
La demarche pour construire cette theorie va etre tr`es voisine de celle que lon a utilisee pour lintegrale
7
des fonctions reglees (ou pour lintegrale de Riemann, cf. Exercice 5.3). Elle va suivre 3 etapes, que nous
pouvons (dans le cas, par exemple, des fonctions de R dans R) decrire ainsi :
1. Mesurer presque toutes les parties de R (et pas seulement les intervalles).
2. Denir lintegrale des fonctions etagees, cest-`a-dire des fonctions de R dans R ne prenant quun
nombre ni de valeurs (et pas seulement des fonctions en escalier).
3. Par un passage `a la limite, denir lintegrale des fonctions limites (en un sens convenable) de
fonctions etagees.
Pour etre plus precis, dans letape 1 ci-dessus, on cherche une application : T(R) R
+
, o` u T(R)
designe lensemble des parties de R, t.q. :
(], [) = , pour tout , R, . (1.9)
(
nN
A
n
) =

nN
(A
n
), pour toute famille (A
n
)
nN
T(R) t.q. A
n
A
m
= si n ,= m. (1.10)
(Dans toute la suite de ce cours, la notation

nN
est identique `a

n=0
.)
Une telle application sur T(R) nexiste pas (voir lexercice 2.24), mais elle existe si on se limite `a une
partie convenable de T(R), par exemple, la tribu de Borel denie dans la suite.
Pour letape 2, on integrera les fonctions prenant un nombre ni de valeurs et pour lesquelles chaque
etage est dans la tribu de Borel. De telles fonctions seront dites etagees.
Enn, `a letape 3, lidee principale est de denir lintegrale des fonctions positives qui sont limites
croissantes dune suite de fonctions etagees (on remplace donc la convergence uniforme utilisee pour la
denition de lintegrale des fonctions reglees par une convergence simple, en croissant).
La theorie de lintegration que nous allons ainsi obtenir contient (pour les fonctions dun intervalle compact
de R dans R) la theorie de lintegrale de Riemann (cf. Exercice 5.3) qui contient elle-meme la theorie de
lintegrale des fonctions reglees (et la donc la theorie de lintegrale des fonctions continues).
Ce cours est divise en 10 chapitres :
Le chapitre 2 est une introduction `a la theorie de la mesure ; on y denit en particulier lapplication
necessaire pour mesurer les parties de R. On y introduit aussi les premi`eres notions de probabilites.
Dans le chapitre 3, on introduit le concept de fonction mesurable, et son synonyme probabiliste,
i.e. le concept devariable aleatoire, qui est une notion fondamentale pour le calcul des probabilites.
On y denit les notions de convergence presque partout et son synonyme probabiliste presque
s ure, et de convergence en mesure et son synonyme probabiliste convergence stochastique.
On denit au chapitre 4 lintegrale sur un espace mesure (suivant les etapes 1 `a 3 denies plus
haut), et lesperance des variables aleatoires en theorie des probabilites. On denit egalement dans
ce chapitre la notion de convergence en moyenne.
On sinteresse au chapitre 5 aux mesures denies sur les boreliens de R et aux proprietes particuli`eres
de lintegrale denies sur R. On y etudie les lois probabilites de densite.
8
On etudie au chapitre 6 les espaces L
p
, ensembles des (classes de) fonctions mesurables de puis-
sance p-i`eme integrable, et plus particuli`erement lespace L
2
, qui est un espace de Hilbert. On
donne des resultats de dualite et on introduit les notions de convergence faible et de convergence
etroite (pour les probabilites).
Le chapitre 7 est consacre au produits despaces mesures, `a lintegration de fonctions de plusieurs
variables, au produit de convolution
Dans le chapitre 8, on revient sur letude des espaces L
p
dans le cas particulier de la mesure de
Lebesgue sur les boreliens dun ouvert de R
N
. On donne des resultats de densite, de separabilite et
de compacite.
Le chapitre 9 est consacre aux vecteurs aleatoires. On y generalise des notions vues pour les variables
aleatoires reelles.
Le chapitre 10 est consacre `a letude de la transformee de Fourier des fonctions de L
1
(classes
de fonctions mesurables integrables au sens de Lebesgue sur R
N
) et de L
2
(classes de fonctions
mesurables de carre integrable au sens de Lebesgue sur R
N
) et des mesures. On introduit la
fonction caracteristique de la theorie des probabilites.
Le chapitre 11 est conscre `a lesperance conditionnelle et aux martingales.
Le chapitre 12 contient des corriges dexercices.
1.5 Exercices
Exercice 1.1 (Convergences simple et uniforme) Corrige 1 page 267
Construire une suite (f
n
)
nN
C([0, 1], R) et f C([0, 1], R) t.q. f
n
f simplement, quand n , et
f
n
,f uniformement, quand n .
Exercice 1.2 (Integrale dune fonction continue) Corrige 2 page 267
Une fonction g : [0, 1] R est dite en escalier sil existe n 1 et x
0
, . . . , x
n
t.q. 0 = x
0
< x
1
< ... <
x
n1
< x
n
= 1 et g constante sur chaque intervalle ]x
i
, x
i+1
[, 0 i n 1.
Pour g en escalier et x
0
, . . . , x
n
comme dans la denition ci dessus, on pose
_
1
0
g(x)dx =
n1

i=0
a
i
(x
i+1
x
i
),
o` u a
i
est la valeur prise par g sur ]x
i
, x
i+1
[.
1. Montrer que la denition precedente est bien coherente, cest-`a-dire que lintegrale de g ne depend
que du choix de g et non du choix des x
i
. Montrer que lapplication qui `a g associe lintegrale de g
est lineaire de lensemble des fonctions en escalier dans R.
2. Soit f C([0, 1], R).
(a) Construire une suite de fonctions en escalier (f
n
)
nN
t.q. f soit limite uniforme de (f
n
)
nN
lorsque n +.
(b) Soit (f
n
)
nN
une suite de fonctions en escalier t.q. f soit limite uniforme de (f
n
)
nN
lorsque
n +. Montrer que la suite (I
n
)
nN
R, o` u I
n
est lintegrale de la fonction en escalier f
n
,
converge. Enn, montrer que la limite I = lim
n
I
n
ne depend que de f, et non de la suite
(f
n
)
nN
. On pose alors
_
1
0
f(x)dx = I.
9
3. Montrer que lapplication qui `a f associe lintegrale de f est lineaire de C([0, 1], R) dans R et que,
pour tout f C([0, 1], R), on a [
_
1
0
f(x)dx[
_
1
0
[f(x)[dx max
x[0,1]
[f(x)[.
Exercice 1.3 (Proprietes de lintegrale des fonctions continues) Corrige 3 page 270
Soit (
n
)
nN
C([0, 1], R) et C([0, 1], R). On suppose que
n
simplement quand n .
1. Montrer que si lim
n
_
1
0
[
n
(x) (x)[ dx 0, alors lim
n
_
1
0

n
(x) dx =
_
1
0
(x) dx.
2. Montrer que si (
n
)
nN
converge uniformement vers , alors lim
n
_
1
0

n
(x) dx =
_
1
0
(x) dx.
3. Donner un exemple de suite (
n
)
nN
qui converge vers simplement, mais non uniformement, t.q.
lim
n
_
1
0

n
(x) dx =
_
1
0
(x) dx.
4. Donner un exemple de suite (
n
)
nN
qui converge simplement vers t.q. lim
n
_
1
0

n
(x) dx ,=
_
1
0
(x) dx.
5. Si la suite (
n
)
nN
satisfait les deux conditions :
(a) Pour tout , 0 < < 1, (
n
)
nN
converge uniformement vers sur [, 1],
(b) Les
n
sont `a valeurs dans [1, +1],
montrer que lim
n
_
1
0

n
(x) dx =
_
1
0
(x) dx.
6. Verier que la suite de fonctions denies par
n
(x) =
x

n
1 +nx
2
satisfait les conditions enoncees `a la
question 5. Donner lallure generale du graphe de ces fonctions pour des petites valeurs de n; que
devient le graphe lorsque n ?
7. On suppose maintenant que la suite (
n
)
nN
verie lhypoth`ese suivante:
lim
n
_
1
0
[
n
(x) (x)[
2
dx = 0. (1.11)
A-t-on lim
n
_
1
0
[
n
(x)(x)[dxdx = 0 ? [On pourra par exemple utiliser (apr`es lavoir demontree)
linegalite suivante: pour tout > 0, il existe c

0, ne dependant que de , t. q. a +c

a
2
.]
8. Meme question que ci dessus en rempla cant lhypoth`ese (1.11) par : p > 1; lim
n
_
1
0
[
n
(x)
(x)[
p
dx = 0.
10
9. On suppose quil existe C > 0 tel que
_
1
0
[
n
(x)[
2
dx C, n N, (1.12)
et que la suite (
n
)
nN
converge uniformement sur [, 1], pour tout > 0. Montrer que
lim
n
_
1
0
[
n
(x) (x)[dx = 0.
10. Construire un exemple de suite (
n
)
nN
qui satisfasse aux hypoth`eses de la question precedente et
qui ne soit pas bornee (donc qui ne satisfasse pas aux hypoth`eses de la question 5).
11. Peut-on remplacer lhypoth`ese (1.12) par : il existe p > 1 et C > 0 t.q.
_
1
0
[
n
(x)[
p
dx C, pour
tout n N ?
12. Peut-on remplacer lhypoth`ese (1.12) par : il existe C > 0 t.q.
_
1
0
[
n
(x)[dx C, pour tout n N ?
Exercice 1.4 (Discontinuites dune fonction croissante)
Soit f une fonction croissante de R dans R.
1. Montrer que f a une limite `a droite et une limite `a gauche en tout point. On note f(x
+
) et f(x

)
ces limites au point x.
2. Montrer que lensemble des points de discontinuite de f est au plus denombrable. [On pourra
considerer, pour n N, les ensembles A
n
= x [0, 1], f(x
+
) f(x

) (f(1
+
) f(0

))/n.]
Exercice 1.5 (Fonctions reglees)
Une fonction reelle denie sur [a, b] ( < a < b < +) est dite reglee si elle est la limite uniforme
dune suite de fonctions en escalier sur [a, b].
1. Montrer que lensemble des points de discontinuite dune fonction reglee est au plus denombrable.
2. Montrer quune fonction f : [a, b] R est reglee sur [a, b] si et seulement si elle admet des limites
`a droite et `a gauche en tout point de ]a, b[, `a droite en a, `a gauche en b.
Exercice 1.6 (Normes denies par lintegrale) Corrige 4 page 273
Soit E = (([1, 1], R) lespace vectoriel des fonctions continues de [1, +1] dans R. Pour E, on pose
||
1
=
_
+1
1
[(t)[ dt et ||
2
=
_
_
+1
1
[(t)[
2
dt
_1
2
.
1. Montrer que (E, | |
1
) est un espace norme.
2. Pour n N, on denit
n
E par

n
(x) =
_

_
0 si 1 x 0
nx si 0 x
1
n
1 si
1
n
x 1
11
(a) Montrer que si (
n
)
nN
converge vers dans (E, | |
1
), alors (x) = 0 si x < 0 et (x) = 1
si x > 0.
(b) En deduire que (E, | |
1
) nest pas complet.
3. Montrer que (E, | |
2
) est un espace prehilbertien (cest-`a-dire que sa norme est induite par un
produit scalaire) mais nest pas complet (ce nest donc pas un espace de Hilbert).
Exercice 1.7 (Rappels sur la convergence des suites reelles) Corrige 5 page 275
1. Soit u = (u
n
)
nN
une suite `a valeurs dans R. On rappelle que limsup
n
u
n
= lim
n
sup
pn
u
p
.
Montrer que limsup
n
u
n
est la plus grande valeur dadherence de u.
2. Si u = (u
n
)
nN
est une suite `a valeurs dans R, on sait (consequence du resultat de la question
precedente) quil existe une suite extraite de u qui converge vers limsup
n
u
n
. Donner un exemple
dune suite de fonctions (f
n
)
nN
de R dans R t.q. aucune sous suite ne converge simplement vers
limsup
n
f
n
(qui est denie par (limsup
n
f
n
)(x) = limsup
n
(f
n
(x)) pour tout x R).
3. Trouver lensemble des valeurs dadherence dune suite (u
n
)
nN
t.q.:
liminf
n
u
n
= 0, limsup
n
u
n
= 1 et lim
n
[u
n+1
u
n
[ = 0.
Donner un exemple dune telle suite.
Exercice 1.8 (Fonctions caracteristiques densembles) Corrige 6 page 276
Soit E un ensemble. Lorsque A est une partie de E, on denit 1
A
: E R par :
1
A
(x) = 1, si x A,
1
A
(x) = 0, si x , A.
(1.13)
1
A
est appelee fonction caracteristique de A (elle est souvent aussi notee
A
).
1. Montrer que si A et B sont deux sous-ensembles disjoints de E, alors 1
AB
= 1
A
+1
B
. En deduire
que si (A
n
)
nN
est une suite de sous-ensembles de E deux `a deux disjoints, on a

nN
1
A
n
=
1

nN
A
n
(on precisera aussi le sens donne `a

nN
1
A
n
).
2. Montrer que si B A E, on a 1
A\B
= 1
A
1
B
.
3. Montrer que, pour A et B sous-ensembles de E, on a 1
AB
= 1
A
1
B
.
4. Soit f : E R une fonction ne prenant quun nombre ni de valeurs. Montrer que f secrit
comme combinaison lineaire de fonctions caracteristiques.
Exercice 1.9 (Integrale impropre de fonctions continues)
Soit f C(R, R
+
) (fonction continue de R dans R
+
). On suppose que lim
a+
_
a
0
f(x) dx existe dans
R (on a utilise lintegrale des fonctions continues sur [0, a] pour denir
_
a
0
f(x) dx).
1. A-t-on lim
x+
f(x) = 0 ?
2. Montrer que si f admet une limite en +, alors lim
x+
f(x) = 0.
3. Montrer que si f est uniformement continue, alors f admet une limite en + et donc que :
lim
x+
f(x) = 0.
12
4. Donner un exemple de fonction f t.q. f(x) , 0 qand x (et qui verie les hypoth`eses de
lexercice !).
5. On suppose, dans cette question, que f (
1
(R, R) et que lim
a+
_
a
0
f

(t) dt existe dans R.


Montrer que lim
x+
f(x) = 0.
6. Montrer que pour tout h > 0, lim
x+
_
x+h
x
f(t) dt = 0.
Exercice 1.10 (Limite uniforme dans R) Corrige 7 page 277
Soit (f
n
)
nN
C(R
+
, R
+
). On suppose que (f
n
)
nN
converge uniformement vers f (de sorte que f
C(R
+
, R
+
)).
1. On suppose que, pour n N, lim
a+
_
a
0
f
n
(x) dx existe dans R. On note
_
+
0
f
n
(x) dx cette
limite.
Montrer, en donnant un exemple, que lim
a+
_
a
0
f(x) dx peut ne pas exister dans R.
2. On suppose de plus que lim
n
_
+
0
f
n
(x) dx existe dans R et que lim
a+
_
a
0
f(x) dx existe dans
R. On note alors
_
+
0
f(x) dx cette derni`ere limite. A-t-on
lim
n
_
+
0
f
n
(x) dx =
_
+
0
f(x) dx ?
Exercice 1.11 (Convergence dominee et integrale des fonctions continues)
(Cet exercice est extrait de lexamen danalyse du concours dentree `a lENSL, 1993)
On note E = C([0, 1], R) lensemble des fonctions continues sur [0, 1] `a valeurs reelles. Pour f E, on
pose |f|

= sup
x[0,1]
[f(x)[. Noter que lapplication f |f|

est bien une norme.


Pour f : [0, 1] R, on denit f
+
par f
+
(x) = max(f(x), 0) (pour tout x [0, 1]), et f

= (f)
+
(de
sorte que f(x) = f
+
(x) f

(x) et [f(x)[ = f
+
(x) +f

(x)). Soient f et g deux applications de R dans R


(ou dans R +), On dit que f g si f(x) g(x) pour tout x [0, 1]. On designe par 0 la fonction
(denie sur R) identiquement nulle. On pose E
+
= f E, f 0. Soit T : E R une application
lineaire. On dit que T est positive si :
f E, f 0 T(f) 0.
Soit T : E R une application lineaire positive.
1. Montrer que T est continue de (E, |.|

) dans R. [Indication : On pourra remarquer que, pour tout


f E, T(f) T(1)|f|

, o` u 1 designe la fonction constante et egale `a 1 sur [0, 1].]


2. Soient (f
n
)
nN
E et f E telles que f
n+1
f
n
, pour tout n N, et lim
n+
f
n
(x) = f(x), pour
tout x [0, 1]. Montrer que f
n
tend vers f uniformement sur R.
[Indication : Soit > 0, on pourra introduire, pour n N, O
n
= x [0, 1] ; f(x) f
n
(x) < et
utiliser la compacite de [0, 1].]
En deduire que T(f
n
) T(f), quand n +.
3. Soient (f
n
)
nN
E et g E telles que f
n+1
f
n
, pour tout n N, et g(x) lim
n+
f
n
(x)
( R +), pour tout x [0, 1].
Montrer que T(g) lim
n+
T(f
n
).
13
4. Soit f : R R +, on dit que f A
+
si il existe (f
n
)
nN
E t.q. f
n+1
f
n
, pour tout
n N, lim
n+
f
n
(x) = f(x), pour tout x [0, 1] et lim
n+
T(f
n
) < +.
5. Soit f A
+
, montrer que sup
gE, gf
(T(g)) < +.
On denit T sur A
+
par T(f) = sup
gE, gf
(T(g)) (noter que ceci est compatible avec la denition de
T sur E.) Noter aussi que si f, g A
+
, alors : f g T(f) T(g).
6. (Convergence croissante.) Soient (f
n
)
nN
A
+
et f : R R + telles que f
n+1
f
n
, pour
tout n N, lim
n+
f
n
(x) = f(x), pour tout x [0, 1] et lim
n+
T(f
n
) < +. Montrer que f A
+
et T(f) = lim
n+
T(f
n
).
[Indication : Considerer g
p
= sup
0np
(f
p,n
), avec, pour tout n N, (f
p,n
)
pN
E t.q. f
p+1,n
f
p,n
,
pour tout p N, lim
p+
f
p,n
(x) = f
n
(x), pour tout x [0, 1].]
7. (Convergence decroissante.) Soient (f
n
)
nN
A
+
et f E telles que f
n+1
f
n
, pour tout n N,
et lim
n+
f
n
(x) = f(x), pour tout x [0, 1]. Montrer que T(f) = lim
n+
T(f
n
).
[Indication : On pourra montrer que, pour tout > 0 et pour tout n N, il existe h
n
A
+
t.q. h
n
f
n
f
n+1
et T(h
n
) T(f
n
) T(f
n+1
) +

2
n
. Puis, en remarquant que

nN
h
n
(x)
f
0
(x)f(x), pour tout x [0, 1], et en utilisant la question III 4, montrer que T(f) lim
n+
T(f
n
).]
8. (Convergence dominee.) Soient (g
n
)
nN
E et g E telles que :
1. g
n
(x) g(x), quand n +, pour tout x [0, 1].
2. [g
n
(x)[ 1, pour tout x [0, 1] et pour tout n N.
Montrer que T(g) = lim
n+
T(g
n
).
[Indication : On pourra utiliser la question III 5 avec f
n
= sup
pn
g
p
inf
pn
g
p
et remarquer que
g g
n
f
n
et g
n
g f
n
.]
9. (Exemple.) En choisissant convenablement T, montrer le resultat suivant :
Soient (f
n
)
nN
E et f E telles que :
1. f
n
(x) f(x), quand n +, pour tout x [0, 1].
2. [f
n
(x)[ 1, pour tout x [0, 1] et pour tout n N.
alors
_
1
0
f
n
(x)dx
_
1
0
f(x)dx, quand n +.
Donner un contre exemple `a ce resultat si la deuxi`eme hypoth`ese nest pas veriee.
Exercice 1.12 (Theor`eme de Bernstein)
On veut demontrer ici le theor`eme suivant :
Theor`eme 1.1 (Bernstein) Soient E et F des ensembles quelconques, alors il existe une bijection de
E dans F si et seulement si il existe une injection de E dans F et une injection de F dans E.
14
Le sens (i) (ii) est evident, on va donc supposer quil existe une injection f de E dans F et une
injection g de F dans E, et on veut construire une bijection de E dans F. Soit x E donne. On pose
x
0
= x, et on construit par recurrence une suite C
x
= (x
k
)
k=k(x),+
E F, avec k(x) R de
la mani`ere suivante :
pour k 0, on pose x
2k+1
= f(x
2k
), et x
2k+2
= f(x
2k+1
) ; si x
k
na pas dantecedant par g ou
par f (selon que x
k
E ou F, on pose k(x) = k, sinon, on pose x
k1
= g
1
(x
k
) si x
k
E et
x
k1
= f
1
(x
k
) si x
k
F.
On denit ainsi C
x
= x
k
, k = k(x), +. On denit lapplication de E dans F par : (x) = f(x) si
k(x) est pair et (x) = g
1
(x) si k(x) est impair. Montrer que ainsi denie est une bijection de E dans
F.
Exercice 1.13 (Limites sup et inf densembles) Corrige 8 page 278
Soit (A
n
)
nN
une suite de parties dun ensemble E. On note
liminf
n
A
n
=
_
nN

pn
A
p
et limsup
n
A
n
=

nN
_
pn
A
p
.
1. On suppose la suite (A
n
)
nN
monotone, cest-`a-dire que A
n
A
n+1
, pour tout n N, ou que
A
n+1
A
n
, pour tout n N. Que sont liminf
n
A
n
et limsup
n
A
n
?
2. Meme question que precedemment si la suite est denie par : A
2p
= A et A
2p+1
= B, p N, A et
B etant deux parties donnees de E.
3. Montrer que:
1
limsup
n
A
n
= limsup
n
1
A
n
,
liminf
n
A
n
limsup
n
A
n
,
liminf
n
A
n
= x E;
+

n=0
1
A
c
n
(x) < ,
limsup
n
A
n
= x E;
+

n=0
1
A
n
(x) = .
Exercice 1.14 (Caracterisation des ouverts de R) ()
On va montrer ici que tout ouvert de R est une union au plus denombrable (cest-`a-dire nie ou denom-
brable) dintervalles ouverts disjoints deux `a deux (la demonstration de ce resultat est donnee dans la
demonstration du lemme 2.4 page 34). Soit O un ouvert de R . On denit, pour x et y R, la relation:
x y si tx + (1 t)y, t [0, 1] O. Verier que est une relation dequivalence. Pour x O, on
pose: A(x) = y O; x y.
1. Montrer que si A(x) A(y) ,= , alors A(x) = A(y).
2. Montrer que, pour tout x O, A(x) est un intervalle ouvert.
3. Montrer quil existe I O denombrable tel que O =

xI
A(x), avec A(x) A(y) = si x, y I
et x ,= y.
15
Chapter 2
Tribus et mesures
2.1 Introduction... par les probabilites
2.1.1 Cas dun probl`eme discret
Pour introduire la serie de denitions qui suivent, commencons par quelques exemples, tires du calcul
des probabilites. Le calcul des probabilites sinteresse `a mesurer la chance quun certain evenement,
resultat dune experience, a de se produire. Considerons par exemple lexperience qui consiste `a lancer
un de. On appelle eventualite associee `a cette experience un des resultats possibles de cette experience,
et univers des possibles lensemble E de ces eventualites. Dans notre exemple, les eventualites peuvent
etre 1, 2, 3, 4, 5 ou 6; on pourrait choisir aussi comme eventualites les resultats correspondant au de
casse. On peut donc tout de suite remarquer que lensemble E des univers du possible depend de la
modelisation, cest `a dire de la formalisation mathematique que lon fait du probl`eme. Notons quil est
parfois dicile de denir lensemble E.
A partir des eventualites, qui sont, par denition, les elements de lunivers des possibles E, on denit les
evenements, qui forment un ensemble de parties de E. Dans notre exemple du lancer de de, lensemble
des evenements est lensemble des parties de E, note T(E). Dans lexemple du de, la partie 2, 4, 6
de E est levenement : le resultat du lancer est pair. On appelle evenement elementaire un singleton,
par exemple 6 dans notre exemple du lancer de de, evenement certain lensemble E tout entier, et
levenement vide lensemble vide (qui a donc une chance nulle de se realiser). Pour mesurer la
chance qua un evenement de se realiser, on va denir une application p de lensemble des evenements
(donc de T(E) dans notre exemple du lancer de de) dans [0, 1] avec certaines proprietes (qui semblent
naturelles. . . ). La chance (ou probabilite) pour un evenement A E de se realiser sera donc le nombre
p(A), appartenant `a [0, 1].
Lexemple du lancer de de, que nous venons de considerer, est un probl`eme discret ni, au sens ou
lensemble E est ni. On peut aussi envisager des probl`emes discrets innis, lensemble E est alors inni
denombrable (on rappelle quun ensemble I est denombrable sil existe une bijection de I dans N, il est
au plus denombrablesil existe une injection de I dans N), ou des probl`emes (parfois appeles continus)
o` u E est inni non denombrable.
16
2.1.2 Exemple continu
Considerons maintenant lexperience qui consiste `a lancer une balle de ping-pong sur une table de ping-
pong. Soit E lensemble des points de la table de ping-pong, on peut voir E comme un sous-ensemble de
R
2
, un evenement elementaire est alors un point (x, y) E (le point dimpact de la balle), et un evenement
semble etre une partie quelconque A de T(E). On suppose quon a eectue le lancer sans viser, cest `a
dire en supposant que nimporte quel point de la table a une chance egale detre atteint (les evenements
elementaires sont equiprobables), et que la balle tombe forcement sur la table (on est tr`es optimiste. . . ).
On se rend compte facilement que la probabilite pour chacun des points de E detre atteint doit etre
nulle, puisque le nombre des points est inni. On peut aussi facilement intuiter que la probabilite pour
une partie A detre atteinte (dans le mod`ele equiprobable) est le rapport entre la surface de A et la
surface de E. La notion intuitive de surface correspond en fait `a la notion mathematique de mesure
que nous allons denir dans le prochain paragraphe. Malheureusement, comme on la dit dans le chapitre
introductif, il ne nous sera pas mathematiquement possible de denir une application convenable, i.e. qui
verie les proprietes (1.9)-(1.10) et qui mesuretoutes les parties de R, ou R
2
, ou meme du sous-ensemble
E de R
2
(voir `a ce sujet lexercice 2.23). On va donc denir un sous-ensemble de T(E) (quon appelle
tribu) sur lequel on pourra denir une telle application. Dans le cas dun ensemble ni, la tribu sera,
en general, T(E) tout entier. Mais, dans le cas de la balle de ping-pong que vous venons de decrire,
lensemble des evenements sera une tribu strictement incluse dans T(E).
2.2 Tribu ou alg`ebre
Denition 2.1 (Tribu ou alg`ebre) Soient E un ensemble, T une famille de parties de E (i.e. T
T(E)). La famille T est une tribu (on dit aussi une alg`ebre) sur E si T verie :
1. T, E T,
2. T est stable par union denombrable, cest-`a-dire que pour toute famille denombrable (A
n
)
nN
T,
on a
nN
A
n
T.
3. T est stable par intersection denombrable, cest-` a-dire que pour toute famille denombrable (A
n
)
nN

T, on a
nN
A
n
T.
4. T est stable par passage au complementaire, cest-`a-dire que pour tout A T, on a A
c
T (On
rappelle que A
c
= E A).
Il est clair que, pour montrer quune partie T de T(E) est une tribu, il est inutile de verier les proprietes
1-4 de la proposition precedente. Il sut de verier par exemple T (ou E T), 2 (ou 3) et 4.
Exemples de tribus sur E :
T = , E,
T(E).
Denition 2.2 (Langage probabiliste) Soient E un ensemble quelconque (lunivers des possibles)
et T une tribu ; on appelle eventualite les elements de E et evenements les elements de T. On appelle
evenement elementaire un singleton de T.
On dit que deux evenements A, B T sont incompatibles si A B = .
17
Proposition 2.1 (Stabilite par intersection des tribus) Soient E et I deux ensembles. Pour tout
i I, on se donne une tribu, T
i
, sur E. Alors, la famille (de parties de E)
iI
T
i
= A E;
A T
i
, i I est encore une tribu sur E.
D emonstration : La demonstration de cette proposition fait lobjet de la premi`ere question de lexer-
cice 2.2.
Cette proposition nous permet de denir ci-apr`es la notion de tribu engendree.
Denition 2.3 (Tribu engendree) Soient E un ensemble et ( T(E). On appelle tribu engendree
par ( la plus petite tribu contenant (, cest-`a-dire la tribu T(() intersection de toutes les tribus sur E
contenant ( (cette intersection est non vide car T(E) est une tribu contenant ().
Il est parfois utile dutiliser la notion dalg`ebre, qui est indentique `a celle de tribu en rempla cant denom-
brable par nie.
Denition 2.4 (Alg`ebre) Soient E un ensemble, / une famille de parties de E (i.e. / T(E)). La
famille / est une alg`ebre sur E si / verie :
1. /, E /,
2. / est stable par union nie, cest-`a-dire que pour tout A, B / on a A B /.
3. / est stable par intersection nie, cest-`a-dire que pour tout A, B / on a A B /.
4. / est stable par passage au complementaire, cest-` a-dire que pour tout A /, on a A
c
/.
Remarque 2.1 Soit E un ensemble et ( T(c). Comme pour les tribus, on peut denir lalg`ebre
engendree par (. Cest la plus petite alg`ebre contenant (, cest-`a-dire lintersection de toutes les alg`ebres
contenant ( (voir lexercice 2.8).
Soit E un ensemble, ( T(c) et T(() la tribu engendree par ( (voir la denition 2.3 et lexercice 2.2). Il
est important de remarquer que, contrairement `a ce que lon pourrait etre tente de croire, les elements de
la tribu engendree par ( ne sont pas tous obtenus, `a partir des elements de (, en utilisant les operations :
intersection denombrable, union denombrable et passage au complementaire. Plus precisement, on
pose :
1
1
(() = A E t.q. A =
_
nN
A
n
, A
n
( ou A
c
n
(,
1
2
(() = A E t.q. A =

nN
A
n
, A
n
( ou A
c
n
(,
1(() = 1
1
(() 1
2
(().
Prenons E = R et ( lensemble des ouverts de R (donc T(() est la tribu borelienne de R, voir denition
ci-apr`es). Il est facile de voir que 1(() T((), mais que, par contre (et cela est moins facile `a voir),
1(() nest pas une tribu. En posant : o
0
= (, et o
n
= 1(o
n1
), pour n 1, on peut aussi montrer que
o =
_
nN
o
n
nest pas une tribu (et que o T(()).
18
Remarque 2.2 Soit E un ensemble et (
1
(
2
T(E). Il est alors facile de voir que T((
1
) T((
2
)
(cf. Exercice 2.2).
Soit E un ensemble. On rappelle quune topologie sur E est donnee par une famille de parties de E,
appelees ouverts de E, contenant et E, stable par union (quelconque) et stable par intersection nie.
Lensemble E, muni de cette famile de parties, est alors un espace topologique.
Denition 2.5 (Tribu borelienne) Soit E un ensemble muni dune topologie (un espace metrique, par
exemple). On appelle tribu borelienne (ou tribu de Borel) la tribu engendree par lensemble des ouverts
de E, cette tribu sera notee B(E). Dans le cas E = R, cette tribu est donc notee B(R).
Remarque 2.3
1. Lobjectif de la section 2.5 est de construire une application : B(R) R
+
t.q. :
(a) (], [) = , pour tout , R < ,
(b) (
nN
A
n
) =

nN
(A
n
), pour toute suite (A
n
)
nN
B(R) t.q. A
n
B
n
= si n ,= m.
(Noter que
nN
A
n
B(R) grace `a la stabilite dune tribu par union denombrable.)
2. On peut se demander si B(R) = T(R). La reponse est non (voir les exercices 2.23 et 2.24). On
peut meme demontrer que card(B(R)) = card(R) (alors que card(T(R)) > card(R)). On donne
ci-apr`es un rappel rapide sur les cardinaux (sans entrer dans les aspects diciles de la theorie des
ensembles, et donc de mani`ere peut-etre un peu imprecise).
3. Rappel sur les cardinaux. Soit A et B deux ensembles.
(a) On dit que card(A) = card(B) si il existe une application : A B, bijective.
Pour montrer que deux ensembles ont meme cardinaux, il est souvent tr`es utile dutiliser le
theor`eme de Bernstein (voir lexercice 1.12) qui montre que sil existe une injection de A dans B
et une injection de B dans A, alors il existe : A B, bijective (et donc card(A) = card(B)).
Le theor`eme de Bernstein motive egalement la denition suivante.
(b) On dit que card(A) card(B) sil existe : A B, injective.
(c) Un autre theor`eme interessant, d u `a Cantor, donne que, pour tout ensemble X, on a card(X) <
card(T(X)) (cest-`a-dire card(X) card(T(X)) et card(X) ,= card(T(X))). On a donc, en
particulier, card(T(R)) > card(R). La demonstration du theor`eme de Cantor est tr`es simple.
Soit : X T(X). On va montrer que ne peut pas etre surjective. On pose A = x X;
x , (x) (A peut etre lensemble vide). Supposons que A Im(). Soit alors a X t.q.
A = (a).
Si a A = (a), alors a , A par denition de A.
Si a , A = (a), alors a A par denition de A.
On a donc montre que A ne peut pas avoir dantecedent (par ) et donc nest pas surjective.
Proposition 2.2 On note (
1
lensemble des ouverts de R, (
2
= ]a, b[, a, b R, a < b et (
3
= ]a, [,
a R. Alors T((
1
) = T((
2
) = T((
3
) = B(R). (Noter que dautres caracterisations de B(R), semblables,
sont possibles.)
19
D emonstration : On a, par denition de B(R), T((
1
) = B(R). On va demontrer ci-apr`es que T((
1
) =
T((
2
) (le fait que T((
2
) = T((
3
) est laisse au lecteur).
Comme (
2
(
1
, on a T((
2
) T((
1
). Il sut donc de demontrer linclusion inverse. On va montrer que
(
1
T((
2
), on aura alors que T((
1
) T((
2
).
Soit O un ouvert de R. On suppose O ,= (on sait dej`a que T((
2
)). Le lemme 2.1 (plus simple que le
lemme 2.4 page 34) ci-apr`es nous donne lexistence dune famille (I
n
)
nA
dintervalles ouverts t.q. A N
et O =
nA
I
n
. Noter quon a aussi O =
nN
I
n
en posant I
n
= si n NA. Comme I
n
(
2
T((
2
)
pour tout n A et T((
2
), on en deduit, par stabilite denombrable dune tribu, que O T((
2
). Donc,
(
1
T((
2
) et donc T((
1
) T((
2
). On a bien montre que T((
1
) = T((
2
).
Lemme 2.1 Tout ouvert non vide de R est reunion au plus denombrable dintervalles ouverts bornes.
D emonstration : Soit O un ouvert de R, O ,= . On pose A = (, ) Q
2
; < , ], [ O. On a
donc
(,)A
], [ O. On va montrer que O
(,)A
], [ (et donc que O =
(,)A
], [).
Soit x O, il existe
x
> 0 t.q. ]x
x
, x+
x
[ O. En prenant
x
Q]x
x
, x[ et
x
Q]x, x+
x
[
(de tels
x
et
x
existent) on a donc x ]
x
,
x
[ O et donc (
x
,
x
) A. Do` u x ]
x
,
x
[
(,)A
], [.
On a bien montre que O
(,)A
], [ et donc que O =
(,)A
], [. Comme Q
2
est denombrable,
A est au plus denombrable et le lemme est demontre.
Denition 2.6 (Espace mesurable ou probabilisable, partie mesurable ou probabilisable)
Soient E un ensemble, et T une tribu sur E. Le couple (E, T) est appele espace mesurable ou (en
langage probabiliste !) espace probabilisable. Les parties de E qui sont (resp. ne sont pas) des elements
de T sont dites mesurables ou probabilisables (resp. non mesurables, non probabilisables).
2.3 Mesure, probabilite
Denition 2.7 (Mesure) Soit (E, T) un espace mesurable. On appelle mesure une application m : T
R
+
(avec R
+
= R
+
(+)) veriant :
1. m() = 0
2. m est -additive, cest-`a-dire que pour toute famille (A
n
)
nN
T de parties disjointes deux `a deux,
(i.e. t.q. A
n
A
m
= , si n ,= m), on a :
m(
_
nN
A
n
) =

nN
m(A
n
). (2.1)
Remarque 2.4
1. Dans la denition precedente on a etendu `a R
+
laddition dans R
+
. On a simplement pose x+=
, pour tout x R
+
. Noter egalement que la somme de la serie dans la denition precedente est
`a prendre dans R
+
et que, bien s ur, a =

nN
a
n
signie simplement que

n
p=0
a
p
a (dans R
+
)
quand n .
2. Soient x, y, z R
+
. Remarquer que x +y = x +z implique y = z si x ,= .
20
3. Dans la denition precedente, la condition 1. peut etre remplacee par la condition : A T, m(A) <
. La verication de cette armation est laissee au lecteur attentif.
4. Il est interessant de remarquer que, pour une serie `a termes positifs, lordre de sommation est
sans importance. Plus precisement, si (a
n
)
nN
R
+
et si est une bijection de N dans N, on a

nN
a
n
=

nN
a
(n
). Cest lobjet du lemme 2.2.
5. Une consequence immediate de la additivite est ladditivite, cest-`a-dire que
m(
n
p=0
A
p
) =
n

p=0
m(A
p
)
pour toute famille nie (A
p
)
p=0,...,n
delements de T, disjoints 2 `a 2. Ladditivite se demontre avec
la additivite en prenant A
p
= pour p > n dans (2.1).
6. Dans le cas E = R et T = T(R), il est facile de construire des mesures sur T, mais il nexiste pas
de mesure sur T, notee m, telle que m(]a, b[) = b a pour tout a, b R, a < b (voir les exercices
2.24 et 2.23). Une telle mesure existe si on prend pour T la tribu borelenne de R, cest lobjet de
la section 2.5.
Lemme 2.2 Soit (a
n
)
nN
R
+
et soit : N N bijective. Alors

nN
a
n
=

nN
a
(n)
.
D emonstration :
On pose A =

nN
a
n
(= lim
n

n
p=0
a
p
) R
+
et B =

nN
a
(n)
(= lim
n

n
p=0
a
(p)
) R
+
. On
veut montrer que A = B.
On montre dabord que B A. Soit n N. On pose N = max(0), . . . , (n). Comme a
q
0 pour
tout q N, on a

n
p=0
a
(p)

N
p=0
a
p
A. On en deduit, faisant tendre n vers que B A.
En raisonnant avec linverse de on a aussi A B et nalement A = B.
Denition 2.8 (Mesure nie) Soient E un ensemble et T une tribu sur E. On appelle mesure nie
une mesure m sur T telle que m(E) < .
Denition 2.9 (Probabilite) Soient E un ensemble et T une tribu sur E. On appelle probabilite une
mesure p sur T t.q. p(E) = 1.
Denition 2.10 (Espace mesure, espace probabilise) Soient E un ensemble, T une tribu sur E et
m une mesure (resp. une probabilite) sur T. Le triplet (E, T, m) est appele espace mesure (resp. espace
probabilise).
Denition 2.11 (Mesure -nie) Soit (E, T, m) un espace mesure, on dit que m est -nie (ou que
(E, T, m) est -ni) si :
(A
n
)
nN
T, m(A
n
) < , n N, et E =
_
nN
A
n
. (2.2)
Remarque 2.5 (Langage probabiliste) En langage probabiliste, la propriete de -additivite (2.1) que
lon requiert dans la denition dune mesure (et donc dune probabilite) est souvent appele axiome
complet des probabilites totales.
21
Exemple 2.1 (Mesure de Dirac) Soient E un ensemble, T une tribu sur E et a E. On denit sur
T la mesure
a
par (pour A T) :

a
(A) = 0, si a / A, (2.3)

a
(A) = 1, si a A. (2.4)
On peut remarquer que la mesure de Dirac est une probabilite.
Remarque 2.6 (Comment choisir la probabilite) Soit (E, T) un espace probabilisable, on peut evi-
demment denir plusieurs probabilites sur T. Cest tout lart de la modelisation que de choisir une
probabilite qui rende compte du phenom`ene aleatoire que lon veut observer. On se base pour cela souvent
sur la notion de frequence, qui est une notion experimentale `a lorigine. Soit A T un evenement, dont
on cherche `a evaluer la probabilite p(A). On eectue pour cela N fois lexperience dont lunivers des
possibles est E, et on note N
A
le nombre de fois o` u levenement A est realise. A N xe, on denit alors
la frequence f
A
(N) de levenement A par :
f
A
(N) =
N
A
N
.
Experimentalement, il sav`ere que f
N
(A) admet une limite lorsque N +. Cest ce quon appelle la
loi empirique des grands nombres. On peut donc denir experimentalement p(A) = lim
N+
f
N
(A).
Cependant, on na pas ainsi demontre que p est une probabilite: il ne sagit pour linstant que dune
approche intuitive. On demontrera plus loin la loi forte des grands nombres, qui permettra de justier
mathematiquement la loi empirique. On peut remarquer que f
N
(E) =
N
N
= 1. . .
Exemple 2.2 (Le cas equiprobable) Soit (E, T, p) un espace probabilise .On suppose que tous les
singletons de E appartiennent `a la tribu et que les evenements elementaires sont equiprobables. . On a
alors: p(x) =
1
cardE
pour tout x E.
Denition 2.12 (mesure atomique) Soit (E, T, m) un espace mesure tel que : x T pour tout x
de E. On dit que m est portee par S T si m(S
c
) = 0. Soit x E, on dit que x est un atome ponctuel
de m si m(x) ,= 0. On dit que m est purement atomique si elle est portee par la partie de E formee
par lensemble de ses atomes ponctuels.
Denition 2.13 (Mesure diuse) Soient (E, T) un espace mesurable et m une mesure sur T . On dit
que m est diuse si x T et m(x) = 0 pour tout x E. (Cette denition est aussi valable pour une
mesure signee sur T, denie dans la section 2.4.)
Denition 2.14 (Partie negligeable) Soient (E, T, m) un espace mesure et A E. On dit que A est
negligeable sil existe un ensemble B T tel que A B et m(B) = 0.
Denition 2.15 (Mesure compl`ete) Soit (E, T, m) un espace mesure, on dit que m est compl`ete (ou
que (E, T, m) est complet) si toutes les parties negligeables sont mesurables, cest-`a-dire appartiennent `a
T.
La proposition suivante donne les principales proprietes dune mesure.
Proposition 2.3 (Proprietes des mesures) Soit (E, T, m) un espace mesure. La mesure m verie
les quatre proprietes suivantes :
22
1. Monotonie : Soit A, B T, A B, alors
m(A) m(B) (2.5)
2. -sous-additivite : Soit (A
n
)
nN
T, alors
m(
_
nN
A
n
)

nN
m(A
n
). (2.6)
3. Continuite croissante : Soit (A
n
)
nN
T, t.q. A
n
A
n+1
, pour tout n N, alors
m(
_
nN
A
n
) = lim
n
(m(A
n
)) = sup
nN
(m(A
n
)) (2.7)
4. Continuite decroissante : Soit (A
n
)
nN
T, t.q. A
n+1
A
n
, pour tout n N, et t.q. il existe
n
0
N, m(A
n
0
) < , alors
m(

nN
A
n
) = lim
n
(m(A
n
)) = inf
nN
(m(A
n
)) (2.8)
D emonstration :
La demonstration de ces proprietes est facile: elles decoulent toutes du caract`ere positif et du caract`ere
-additif de la mesure. Attention: ces proprietes ne sont pas veriees par les mesures signees que nous
verrons `a la section 2.4.
1. Monotonie. Soit A, B T, A B. On a B = A (B A) et A (B A) = . Comme A T et
BA = BA
c
T, ladditivite de m (voir la remarque 2.4) donne m(B) = m(A)+m(BA) m(A),
car m prend ses valeurs dans R
+
.
Noter aussi que m(B A) = m(B) m(A) si 0 m(A) m(B) < (mais cette relation na pas
de sens si m(A) = m(B) = ).
2. sous additivite. Soit (A
n
)
nN
T. On veut montrer que m(
nN
A
n
)

nN
m(A
n
). On pose
B
0
= A
0
et, par recurrence sur n, B
n
= A
n
(
n1
i=0
B
i
) pour n 1. Par recurrence sur n on montre
que B
n
T pour tout n en remarquant que, pour n > 1, B
n
= A
n
(
n1
i=0
B
c
i
). La construction
des B
n
assure que B
n
B
m
= si n ,= m et
nN
A
n
=
nN
B
n
. Pour verier cette derni`ere
propriete, on remarque que B
n
A
n
donc
nN
B
n

nN
A
n
. Puis, si x A
n
et x ,
n1
i=0
B
i
,
on a alors x A
n
(
n1
i=0
B
c
i
) = B
n
. Ceci prouve que
nN
A
n

nN
B
n
et donc, nalement,

nN
A
n
=
nN
B
n
.
On utilise maintenant la additivite de m et la monotonie de m (car B
n
A
n
) pour ecrire
m(
nN
A
n
) = m(
nN
B
n
) =

nN
m(B
n
)

nN
m(A
n
).
3. Continuite croissante. Soit (A
n
)
nN
T, t.q. A
n
A
n+1
, pour tout n N. Par monotonie de
m, on a m(A
n+1
) m(A
n
), pour tout n N, et donc lim
n
m(A
n
) = sup
nN
m(A
n
) R
+
. On
pose A =
nN
A
n
et on denit la suite (B
n
)
nN
par B
0
= A
0
et B
n
= A
n
A
n1
pour tout n 1
(noter que A
n1
A
n
). On a A =
nN
A
n
=
nN
B
n
, B
n
T pour tout n N et B
n
B
m
=
si n ,= m.
23
La additivite de m nous donne
m(A) = m(
nN
B
n
) =

nN
m(B
n
) = lim
n
n

p=0
m(B
p
).
Puis, comme A
n
=
n
p=0
B
p
, ladditivite de m (qui se deduit de la additivite) nous donne

n
p=0
m(B
p
) = m(A
n
) et donc m(A) = lim
n
m(A
n
).
4. Continuite decroissante. Soit (A
n
)
nN
T, t.q. A
n+1
A
n
, pour tout n N, et telle quil existe
n
0
N, m(A
n
0
) < .
Par monotonie, on a m(A
n+1
) m(A
n
) pour tout n N et donc lim
n
m(A
n
) = inf
nN
m(A
n
)
R
+
. On a aussi, par monotonie, m(A) m(A
n
), pour tout n N, avec A =
nN
A
n
. Comme
m(A
n
0
) < , on a aussi m(A
n
) < pour tout n n
0
et m(A) < . On pose B
n
= A
n
0
A
n
=
A
n
0
A
c
n
T, pour tout n n
0
. La suite (B
n
)
nn
0
est croissante (B
n
B
n+1
pour tout n n
0
)
et B =
n0
B
n
=
nn
0
(A
n
0
A
n
) = A
n
0

nn
0
A
n
= A
n
0
A.
La continuite croissante donne
m(A
n
0
A) = m(B) = lim
n
m(B
n
) = lim
n
m(A
n
0
A
n
). (2.9)
Comme A A
n
0
, on a m(A
n
0
A) = m(A
n
0
) m(A) (car m(A) m(A
n
0
) < , on utilise ici la
remarque `a la n de la preuve de la monotonie). De meme, comme A
n
A
n
0
(pour n n
0
), on a
m(A
n
0
A
n
) = m(A
n
0
) m(A
n
) (car m(A
n
) m(A
n
0
) < ). En utilisant une nouvelle fois que
m(A
n
0
) < , on deduit de (2.9) que m(A) = lim
n
m(A
n
).
Theor`eme 2.1 (Mesure completee) Soit (E, T, m) un espace mesure, on note ^
m
lensemble des
parties negligeables. On pose T = A N, A T, N ^
m
. Alors T est une tribu, et il existe une
et une seule mesure, notee m, sur T, egale `a m sur T. De plus, une partie de E est negligeable pour
(E, T, m) si et seulement si elle est negligeable pour (E, T, m). la mesure m est compl`ete et lespace
mesure (E, T, m) sappelle le complete de (E, T, m). La mesure m sappelle la mesure completee de la
mesure m.
D emonstration : Cette demonstration est lobjet de lexercice 2.28.
Denition 2.16 (Mesure absolument continue, mesure etrang`ere)
Soient (E, T) un espace mesurable, et m et des mesures (positives) sur T.
1. On dit que la mesure est absolument continue par rapport `a la mesure m (et on note << m) si
pour tout A T tel que m(A) = 0, alors (A) = 0.
2. On dit que la mesure est etrang`ere ` a la mesure m (et note m) sil existe A T tel que
m(A) = 0 et (A
c
) = 0.
Proposition 2.4 Soient (E, T) un espace mesurable, et m et des mesures (positives) sur T; on suppose
de plus que la mesure est -nie. Alors il existe une mesure
a
absolument continue par rapport `a m
et une mesure
e
etrang`ere `a m (et `a
a
) t.q. =
a
+
e
.
24
D emonstration :
On suppose tout dabord que est une mesure nie. On pose = sup(A); A T, m(A) = 0. Il existe
donc une suite (A
n
)
nN
T t.q. m(A
n
) = 0, pour tout n N, et (A
n
) , quand n . On pose
alors C =
nN
A
n
.
On a C T, 0 m(C)

nN
m(A
n
) = 0 (par -sous additivite de m), (C) (A
n
) pour tout n N
(par monotonie de ) et donc, en passant `a la limite quand n , (C) . Enn, la denition de
donne alors (C) = . On a donc trouve C T t.q. m(C) = 0 et (C) = .
Pour A T, on pose
e
(A) = (A C) et
a
(A) = (A C
c
).
Il est clair que
e
et
a
sont des mesures sur T et que =
e
+
a
. Comme
e
(C
c
) = 0 et
a
(C) = 0,
les mesures
a
et
e
sont etrang`eres. Comme m(C) = 0 et
e
(C
c
) = 0, les mesures
e
et m sont aussi
etrang`eres. Il reste `a montrer que
a
est absolument continue par rapport `a m.
Soit B T t.q. m(B) = 0. On veut montrer que
a
(B) = 0, cest-`a-dire que (B C
c
) = 0. On pose
D = B C
c
et F = C D. Comme D C = , On a m(F) = m(C) + m(D) m(C) + m(B) = 0 et
(F) = (C) +(D) = +(D). Comme m(F) = 0, la denition de donne que (F) . On a donc
+ (D) , do` u lon deduit, comme R (et cest ici que lon utilise le fait que est une mesure
nie), que (D) = 0, cest-`a-dire
a
(B) = 0. On a bien ainsi montre que
a
est absolument continue par
rapport `a m.
On consid`ere maintenant le cas general o` u est -nie. Il existe une suite (E
n
)
nN
T t.q. E =
nN
E
n
,
(E
n
) < pour tout n N et E
n
E
m
= si n ,= m.
Pour n N et A T, on pose
(n)
(A) = (AE
n
).
(n)
est donc une mesure nie sur T. Le raisonnement
precedent donne donc lexistence de
(n)
a
absolument continue par rapport `a m et de
(n)
e
etrang`ere `a m
(et `a
(n)
a
) t.q.
(n)
=
(n)
a
+
(n)
e
. On pose alors, pour A T:

e
(A) =

nN

(n)
e
(A);
a
(A) =

nN

(n)
a
(A).

e
et
a
sont bien des mesures sur T (voir lexercice 4.2) et il est clair que =
e
+
a
,
a
absolument
continue par rapport `a m et
e
etrang`ere `a m (et `a
a
).
Il est parfois utile (surtout en theorie des probabilites, mais une telle question apparat aussi dans le
section 2.5 et dans le chapitre 7) de montrer lunicite dune mesure ayant des proprietes donnees. La
proposition suivante donne une methode pour montrer une telle unicite (dautres methodes sont possibles,
voir, par exemple, la proposition 5.4 dans le chapitre 5).
Proposition 2.5 Soit (E, T) un espace mesurable et m, deux mesures sur T. On suppose quil existe
( T t.q.
1. ( engendre T,
2. ( est stable par intersection nie (cest-`a-dire A, B ( A B (),
3. Il existe (E
n
)
nN
( t.q. E
n
E
m
= si n ,= m, m(E
n
) < , pour tout n N, et E =
nN
E
n
,
4. m(A) = (A) pour tout A (.
On a alors m = (cest-` a-dire m(A) = (A) pour tout A T).
D emonstration : Cette demonstration est lobjet de lexercice 2.19.
25
2.4 mesure signee
Denition 2.17 (Mesure signee) Soit (E, T) un espace mesurable. On appelle mesure signee (sur T)
une application m : T R veriant la propriete de -additivite, cest-`a-dire t.q. pour toute famille
(A
n
)
nN
T, t.q. A
n
A
m
= , si n ,= m,
m(
_
nN
A
n
) =

nN
m(A
n
). (2.10)
Noter quune mesure signee prend ses valeurs dans R. En prenant A
n
= pour tout n N dans (2.10),
on en deduit que m() = 0.
On peut aussi considerer des mesures `a valeurs complexes (cest-`a-dire dans C). Dans ce cas, les parties
reelles et imaginaires de ces mesures `a valeurs complexes sont des mesures signees.
Dans toute la suite du cours, les mesures considerees seront en general positives, cest-`a-dire (cf. deni-
tion 2.7) `a valeurs dans R
+
. Lorsque lon sinteressera `a des mesures prenant leurs valeurs dans R, on
precisera quil sagit de mesures signees.
Proposition 2.6 (Decomposition dune mesure signee) Soient (E, T) un espace mesurable et m
une mesure signee sur T. Alors, il existe deux mesures (positives) nies, notees m
+
et m

, t.q. :
1. m(A) = m
+
(A) m

(A), pour tout A T.


2. Les mesures m
+
et m

sont etrang`eres, cest-`a-dire quil existe C T tel que m


+
(C) = 0, et
m

(E C) = 0.
Une consequence des proprietes ci-dessus est que m

(A) = m(AC) et m
+
(A) = m(AC
c
) pour tout
A T.
De plus, la decompostion de m en dierence de deux mesures (positives) nies etrang`eres est unique. Elle
sappelle decomposition de Hahn de m.
D emonstration :
La demonstration dexistence de m
+
et m

est decomposee en trois etapes. Dans la premi`ere etape, on


va montrer que, si A T, il existe

A T t.q.

A A, m(

A) m(A) et :
B T, B

A m(B) 0.
Cette premi`ere etape nous permettra, dans letape 2, de montrer lexistence de C T t.q. m(C) =
supm(A), A T (ceci montre, en particulier que supm(A), A T < ).
Enn, dans letape 3, on pose m
+
(A) = m(A C) et m

(A) = m(A C
c
) (pour tout A T) et on
remarque que m
+
et m

sont des mesures nies, etrang`eres et t.q. m = m


+
m

.
Etape 1. Soit A T, on montre, dans cette etape, quil existe

A T t.q.

A A, m(

A) m(A) et :
B T, B

A m(B) 0. (2.11)
On commence par montrer, par recurrence sur n, lexistence dune suite (B
n
)
nN
delements de T t.q. :
1. B
0
= A,
2. B
n+1
B
n
, pour tout n N,
26
3. m(B
n
B
n+1
)
n
= max

n
2
, 1 o` u
n
= infm(C), C T, C B
n
.
On prend B
0
= A. Soit maintenant n N, on suppose B
p
connu pour p n. On a
n
= infm(C), C
B
n
0 (car B
n
). Si
n
= , il existe C
n
T t.q. C
n
B
n
et m(C
n
)
n
= 1. Si
<
n
< 0, on a
n
>
n
, il existe donc C
n
T t.q. C
n
B
n
et m(C
n
)
n
. Si
n
= 0, on prend
C
n
= . Enn, on prend B
n+1
= B
n
C
n
et on obtient bien les proprietes desirees en remarquant que
C
n
= B
n
B
n+1
.
La suite (B
n
)
nN
est decroissante (cest-`a-dire B
n+1
B
n
pour tout n N). Pour m > n, on a donc
C
m
B
m
B
n+1
et donc C
m
C
n
= (car B
n+1
= B
n
C
n
). Par additivite de m, on en deduit
m(
nN
C
n
) =

nN
m(C
n
). Comme m(
nN
C
n
) R, la serie de terme general m(C
n
) est convergente.
On a donc m(C
n
) 0 quand n et donc
n
0 quand n (car m(C
n
)
n
0) et, nalement,

n
0 quand n .
On pose maintenant

A = A
nN
C
n
=
nN
B
n
. On a, bien s ur,

A T et

A A. On montre maintenant
que

A verie (2.11). Soit C T, C

A. On a, pour tout n N, C B
n
et donc m(C)
n
. Quand
n , on en deduit que m(C) 0. ce qui donne bien (2.11).
Il reste `a montrer que m(

A) m(A). Comme A =

A (
nN
C
n
) (et que cette union est disjointe), la
additivite de m donne que m(A) = m(

A) +

nN
m(C
n
) m(

A). Ce qui termine la premi`ere etape.
Etape 2. On pose = supm(A), A T et on montre, dans cette etape, quil existe C T t.q.
m(C) = .
Par denition dune borne superieure, il existe une suite (A
n
)
nN
delements de T t.q. m(A
n
)
quand n . Grace `a letape 1, on peut supposer (quitte `a remplacer A
n
par

A
n
construit comme dans
letape 1) que A
n
verie (2.11), cest-`a-dire que pour tout n N :
B T, B A
n
m(B) 0. (2.12)
On pose C =
nN
A
n
. On commence par montrer que m(C) m(A
m
), pour tout m N.
Soit m N. On peut ecrire C comme une union disjointe :
C = A
m
(
n=m
C
n,m
),
avec C
n,m
T et C
n,m
A
n
pour tout m ,= n. En eet, il sut pour cela de constuire par recurrence
(sur n) la suite des C
n,m
en prenant pour C
n,m
lintersection de C avec A
n
`a laquelle on retranche A
m
et les C
n,m
precedemment construits.
Par additivite de m, on a m(C) = m(A
m
) +

n=m
m(C
n,m
). puis, comme C
n,m
A
n
, on a, par
(2.12), m(C
n,m
) 0. On en deduit m(C) m(A
m
).
En faisant tendre m vers , on a alors m(C) et donc, nalement m(C) = .
Etape 3. Construction de m
+
et m

.
Pour constuire m
+
et m

, on utilise un element C de T t.q. m(C) = = supm(A), A T (lexistence


de C a ete montre `a letape 2). Pour A T, on pose :
m
+
(A) = m(A C), m

(A) = m(A C
c
).
On a m
+
() = m

() = 0 (car m() = 0) et les applications m


+
et m

sont des applications additives


de T dans R (car m est additive). Pour montrer que m
+
et m

sont des mesures nies, il sut de


montrer quelles prennent leurs valeurs dans R
+
, ce que lon montre maintenant.
27
Soit A T, on a, par additivite de m et grace `a la denition de , = m(C) = m(AC) +m(A
c
C)
m(A C) + . On en deduit m(A C) 0. ce qui prouve bien que m
+
(A) R
+
. On a aussi, encore
une fois par additivite de m et grace `a la denition de , m(C) +m(A C
c
) = +m(A C
c
). On
en deduit m(A C
c
) 0 et donc m

(A) R
+
.
Les applications m
+
et m

sont des mesures nies (noter que m


+
(E) = m(EC) < et m

(E) = m(E
C
c
) < ). Elles sont etrang`eres car m
+
(C
c
) = m(C
c
C) = m() = 0 et m

(C) = m(C C
c
) = 0.
Enn, pour tout A T, on a, par additivite de m :
m(A) = m(A C) +m(A C
c
) = m
+
(A) m

(A).
Ceci termine la demonstration de lexistence de m
+
et m

.
Pour montrer lunicite de cette decomposition de m, on suppose que et sont deux mesures nies
etrang`eres t.q. m = . Comme elle sont etrang`eres, il existe D T t.q. (D
c
) = (D) = 0. On
montre alors que, pour tout A T, on a necessairement :
(A) = supm(B); B T, B A. (2.13)
En eet, si A T et B T, B A, on a m(B) = (B) (B) (B) (A) (par positivite de
et monotonie de ). Puis, en prenant B = A D, on a m(B) = m(A D) = (A D) (A D) =
(A D) = (A) (A D
c
) = (A). Ceci prouve bien que (2.13) est vraie (et prouve que le sup est
atteint pour B = A D). Legalite (2.13) donne donc de mani`ere unique en fonction de m. Lunicite
de decoule alors du fait que = m.
Remarque 2.7 Une consequence de la proposition 2.6 est que la serie

nN
m(A
n
) apparaissant dans
(2.10) est absolument convergente car (pour toute famille (A
n
)
nN
T t.q. A
n
A
m
= , si n ,= m) on
a

n
p=0
[m(A
p
)[

n
p=0
m
+
(A
p
) +

n
p=0
m

(A
p
) m
+
(E) +m

(E) < .
En fait, la denition 2.17 donne directement que la serie

nN
m(A
n
) apparaissant dans (2.10) est
commutativement convergente (cest-`a-dire quelle est convergente, dans R, quel que soit lordre dans
lequel on prend les termes de la serie et la somme de la serie ne depend pas de lordre dans lequel les
termes ont ete pris). Elle est donc absolument convergente (voir lexercice 2.29). Nous verrons plus loin
que cette equivalence entre les series absolument convergentes et les series commutativement convergentes
est fausse pour des series `a valeurs dans un espace de Banach de dimension innie.
2.5 La mesure de Lebesgue sur la tribu des boreliens
Il serait bien agreable, pour la suite du cours, de montrer lexistence dune application , denie sur tout
T(R) et `a valeurs dans R
+
, t.q. limage par dun intervalle de R soit la longueur de cet intervalle, et qui
verie les proprietes (1.9) et (1.10). Malheureusement, on peut montrer quune telle application nexiste
pas (voir les exercices 2.24 et 2.23). Le theor`eme suivant donne lexistence dune telle application denie
seulement sur la tribu des boreliens de R, notee B(R) (lexercice 2.24 donne alors que B(R) ,= T(R)).
Cette application sappelle la mesure de Lebesgue.
Theor`eme 2.2 (Caratheodory) Il existe une et une seule mesure sur B(R), notee et appelee mesure
de Lebesgue sur les boreliens, t.q. (], [) = , pour tout (, ) R
2
t.q. < < < +.
28
Il y a plusieurs demonstrations possibles de ce theor`eme. Pour la partie existence de ce theor`eme, nous
donnons dans cette section une demonstration due `a Caratheodory. Soit A R. On denit

(A) par :

(A) = inf
(A
i
)
iN
E
A
n

i=1
(A
i
),
o` u E
A
est lensemble des familles denombrables dintervalles ouverts dont lunion contient A, et (A
i
)
represente la longueur de lintervalle A
i
. On peut montrer (voir lexercice 2.23) que lapplication

ainsi
denie de T(R) dans R
+
nest pas - additive (ce nest donc pas une mesure).
On montre par contre dans cette section que la restriction de

`a B(R) est une mesure, quon note ,


mesure de Lebesgue. Lexistence de la mesure de Lebesgue peut aussi etre demontree en utilisant un
theor`eme plus general (de F. Riesz) que nous verrons dans un chapitre ulterieur.
Apr`es la denition de

et la demonstration de proprietes de

, on donne la demonstration de la
partie existence du theor`eme de Caratheodory (voir page 32). La partie unicite du theor`eme de
Caratheodory (voir page 35) peut etre demontree en utilisant le theor`eme de regularite sur les mesures
sur B(R) (Theor`eme 2.3, tr`es utille dans la suite du cours) et dun lemme classique sur les ouverts
de R (lemme 2.4). Cette partie unicite peut aussi etre demontree, plus directement, en utilisant la
proposition 2.5.
Denition 2.18 (Denition de

) Soit A T(R). On pose

(A) = inf

nN
(I
n
); (I
n
)
nN

E
A
, avec E
A
= (I
n
)
nN
; I
n
=]a
n
, b
n
[, < a
n
b
n
< , n N, A
nN
I
n
et (I) = b a si
I =]a, b[, < a b < .
Proposition 2.7 (Proprietes de

) Lapplication

: T(R) R
+
(denie dans la denition 2.18)
verie les proprietes suivantes :
1.

() = 0,
2. (Monotonie)

(A)

(B), pour tout A, B T(R), A B,


3. (sous additivite) Soit (A
n
)
nN
T(R) et A =
nN
A
n
, alors

(A)

nN

(A
n
),
4.

(]a, b[) = b a pour tout (, ) R


2
t.q. < < < +.
D emonstration :
On remarque tout dabord que

(A) R
+
pour tout A T(R) (car

(A) est la borne inferieure dune


partie de R
+
).
Propriete 1. Pour montrer que

() = 0, il sut de remarquer que (I


n
)
nN
E

avec I
n
= pour
tout n N, et donc 0

()

nN
(I
n
) = 0.
Propriete 2. Soit A, B T(R) t.q. A B. On a E
B
E
A
et donc

(A)

(B).
Propriete 3. Soit (A
n
)
nN
T(R) et A =
nN
A
n
. Il sut de considerer le cas o` u

(A
n
) < pour
tout n N (sinon, linegalite est immediate).
Soit > 0. Pour tout n N, il existe (I
n,m
)
mN
E
A
n
t.q.

mN
(I
n,m
)

(A
n
) +/(2
n
).
On remarque alors que (I
n,m
)
(n,m)N
2 est un recouvrement de A par des intervalles ouverts et donc que :

(A)

(n,m)N
2
(I
n,m
).
29
Noter que

(n,m)N
2
(I
n,m
) =

nN
(I
(n)
), o` u est une bijection de N dans N
2
(cette somme ne
depend pas de la bijection choisie, voir le lemme 2.2 page 21).Avec le lemme 2.3 ci dessous, on en deduit :

(A)

nN
(

mN
(I
n,m
))

nN

(A
n
) + 2,
ce qui donne bien, quand 0,

(A)

nN

(A
n
).
Propriete 4. Pour montrer la quatri`eme propriete. On commence par montrer :

([a, b]) = b a, a, b R, a < b. (2.14)


Soit donc a, b R, a < b.
Comme [a, b] ]a , b +[, pour tout > 0, on a

([a, b]) b a +2. On en deduit

([a, b]) b a.
Pour demontrer linegalite inverse, soit (I
n
)
nN
E
[a,b]
. Par compacite de [a, b], il existe n N t.q.
[a, b]
n
p=0
I
p
. On peut alors construire (par recurrence) i
0
, i
1
, . . . , i
q
0, . . . , n t.q. a
i
0
< a,
a
i
p+1
< b
i
p
pour tout p 0, . . . , q 1, b < b
i
q
. On en deduit que b a <

q
p=0
b
i
p
a
i
p

nN
(I
n
)
et donc b a

([a, b]). Ceci donne bien (2.14).


En remarquant que [a + , b ] ]a, b[ [a, b] pour tout a, b R, a < b, et 0 < < (b a)/2, la
monotonie de

donne (avec (2.14)) que

(]a, b[) = b a pour tout a, b R, a < b. La monotonie de

donne alors aussi que

([a, b[) =

(]a, b]) =

(]a, b[) = b a pour tout a, b R, a < b, et enn que

(] , a]) =

(] , a[) =

(]a, ]) =

([a, ]) = pour tout a R.


Lemme 2.3 (Double serie `a termes positifs) Soit (a
n,m
)
(n,m)N
2 R
+
. Alors on a :

(n,m)N
2
a
n,m
=

nN
(

mN
a
n,m
).
D emonstration : On pose A =

(n,m)N
2
a
n,m
et B =

nN
(

mN
a
n,m
). Soit une bijection de N
dans N
2
. On rappelle que

(n,m)N
2
a
n,m
=

pN
a
(p)
.
Pour tout i, j N, il existe n N t.q. 0, . . . , i 0, . . . j (0), . . . , (n). Comme a
n,m
0 pour
tout (n, m), on en deduit que A

n
p=0
a
(p)

i
n=0
(

j
m=0
a
n,m
) et donc, en faisant tendre j puis i
vers , que A B. Un raisonnement similaire donne que B A et donc A = B.
On introduit maintenant la tribu de Lebesgue, sur laquelle on montrera que

est une mesure.


Denition 2.19 (Tribu de Lebesgue) On pose L = E T(R) t.q.

(A) =

(AE) +

(AE
c
)
pour tout A T(R). On rappelle que

est denie dans la denition 2.18 (et que E


c
= R E). Cet
ensemble de parties de R note L sappelle tribu de Lebesgue (on montre dans la proposition 2.8 que L
est bien une tribu).
Remarque 2.8 On peut avoir une premi`ere idee de linteret de la denition 2.19 en remarquant quelle
donne immediatement ladditivite de

sur L. En eet, soit E


1
, E
2
R t.q. E
1
E
2
= et soit A R.
On suppose que E
1
L et on utilise la denition de L avec A(E
1
E
2
), on obtient

(A(E
1
E
2
)) =

(A (E
1
E
2
) E
1
) +

(A (E
1
E
2
) E
c
1
) =

(A E
1
) +

(A E
2
) (car E
1
E
2
= ).
Par recurrence sur n, on a donc aussi

(A (
n
i=1
E
i
)) =

n
i=1

(A E
i
), d`es que E
1
, . . . , E
n1
L,
A, E
n
R et E
i
E
j
= si i ,= j, i, j 1, . . . , n.
30
En particulier, en prenant A = R, on obtient ladditivite de

sur L, cest-`a-dire

(
n
i=1
E
i
) =
n

i=1

(E
i
),
si E
1
, . . . , E
n1
L et E
i
E
j
= si i ,= j, i, j 1, . . . , n.
Remarque 2.9 Pour tout E, A T(R), on a, par sous additivite de

(A)

(A E) +

(A E
c
). Pour montrer que E L (denie dans la denition 2.19), il sut donc de montrer que

(A)

(A E) +

(A E
c
), pour tout A T(R).
Proposition 2.8 (Proprietes de L) L est une tribu sur R et

|L
est une mesure. L et

sont denies
dans les denitions 2.18 et 2.19.
D emonstration :
Il est immediat que L et que L est stable par passage au complementaire. On sait aussi que

() = 0. Il reste donc `a demontrer que L est stable par union denombrable et que la restriction de

`a L est une mesure. Ceci se fait en deux etapes decrites ci-apr`es.


Etape 1. On montre, dans cette etape, que L est stable par union nie et que, si n 2 et (E
i
)
i=1,...,n
L
est t.q. E
i
E
j
= si i ,= j, alors on a :

(A (
n
i=1
E
i
)) =
n

i=1

(A E
i
), A T(R). (2.15)
(Cette derni`ere propriete donne ladditivite de

sur L en prenant A = R, cette propriete dadditivite a


dej`a ete signalee dans la remarque 2.8.)
Par une recurrence facile, il sut de montrer que E
1
E
2
L si E
1
, E
2
L et de montrer la propriete
(2.15) pour n = 2. Soit donc E
1
, E
2
L. On pose E = E
1
E
2
. Pour montrer que E L, il sut de
montrer (voir la remarque 2.9) que

(A)

(AE)+

(AE
c
), pour tout A T(R). Soit A T(R).
Par sous additivite de

on a

(A (E
1
E
2
)) =

((A E
1
) (A E
c
1
E
2
))

(A E
1
) +

(A E
c
1
E
2
),
et donc

(A (E
1
E
2
)) +

(A (E
1
E
2
)
c
)

(A E
1
) +

(A E
c
1
E
2
) +

(A E
c
1
E
c
2
).
Comme E
2
L, on a

(A E
c
1
) =

(A E
c
1
E
2
) +

(A E
c
1
E
c
2
). Puis, comme E
1
L, on a

(A) =

(A E
1
) +

(A E
c
1
). On en deduit

(A (E
1
E
2
)) +

(A (E
1
E
2
)
c
)

(A).
Ce qui prouve que E L.
Pour montrer (2.15) avec n = 2 si E
1
, E
2
L avec E
1
E
2
= , il sut de remarquer que (pour tout
A T(R))

(A(E
1
E
2
)) =

((AE
1
) (AE
2
)) =

([(AE
1
) (AE
2
)] E
1
) +

([(AE
1
)
(A E
2
)] E
c
1
) =

(A E
1
) +

(A E
2
). (On a utilise le fait que E
1
L.) Ceci termine letape 1.
Une consequence de cette etape (et du fait que L est stable par passage au complementaire) est que L
est stable par intersection nie.
31
Etape 2. On montre, dans cette etape, que L est stable par union denombrable et la restriction de

`a
L est une mesure (ce qui termine la demonstration de la proposition 2.8).
Soit (E
n
)
nN
L et E =
nN
E
n
. On veut montrer que E L. On commence par remarquer que
E =
nN
F
n
avec F
0
= E
0
et, par recurrence, pour n 1, F
n
= E
n

n1
p=0
F
p
. Letape 1 nous donne que
(F
n
)
nN
L et, comme F
n
F
m
= si n ,= m, on peut utiliser (2.15). Pour tout A T(R), on a donc :

(A) =

(A (
n
p=0
F
p
)) +

(A (
n
p=0
F
p
)
c
) =
n

p=0

(A F
p
) +

(A (
n
p=0
F
p
)
c
). (2.16)
En utilisant le fait que E
c
(
n
p=0
F
p
)
c
et la monotonie de

, on a

(A (
n
p=0
F
p
)
c
)

(A E
c
).
En faisant tendre n vers dans (2.16) et en utilisant la sous additivite de

, on en deduit alors que

(A)

(A E) +

(A E
c
). Ce qui prouve que E L (voir remarque 2.9) et donc que L est une
tribu.
Il reste `a montrer que

est une mesure sur L. Soit (E


n
)
nN
L t.q. E
i
E
j
= si i ,= j et E =
nN
E
n
.
Par monotonie de

on a, pour tout n N,

(
n
p=0
E
p
)

(E) et donc, en utilisant ladditivite de

sur L (demontree `a letape 1, voir (2.15) avec A = E),



n
p=0

(E
p
)

(E). Ce qui donne, passant `a


limite quand n ,

p=0

(E
p
)

(E). Dautre part,

(E)

p=0

(E
p
), par sous additivite
de

. On a donc

(E) =

p=0

(E
p
). Ce qui prouve que

|L
est une mesure.
D emonstration de la partie existence du th eor` eme 2.2 :
Pour montrer la partie existence du theor`eme 2.2, il sut, grace aux propositions 2.7 et 2.8, de montrer
que L (denie dans la denition 2.19) contient B(R). Pour cela, il sut de montrer que ]a, [ L pour
tout a R (car ]a, [, a R engendre B(R)). Soit donc a R et E =]a, [. Pour tout A T(R), on
veut montrer que

(A)

(A E) +

(A E
c
). On peut supposer que

(A) < (sinon linegalite


est immediate).
Soit > 0. Par la denition de

(A), il existe (I
n
)
nN
E
A
t.q.

(A)

nN
(I
n
) . Comme
A E (
nN
(I
n
E)) et A E
c
(
nN
(I
n
E
c
)), la sous additivite de

donne

(A E)

nN

(I
n
E) et

(A E
c
)

nN

(I
n
E
c
).
Comme I
n
E et I
n
E
c
sont des intervalles, la n de la demonstration de la proposition 2.7 donne

(I
n
E) = (I
n
E) et

(I
n
E
c
) = (I
n
E
c
). On en deduit

(AE)+

(AE
c
)

nN
((I
n
E)+
(I
n
E
c
)) =

nN
(I
n
) (car (I
n
E)+(I
n
E
c
) = (I
n
)) et donc

(AE)+

(AE
c
)

(A)+.
Quand 0 on trouve linegalite recherchee. On a bien montre que E L.
On va maintenant demontrer un theor`eme important dont on peut deduire, en particulier, la partie
unicite du theor`eme 2.2.
Theor`eme 2.3 (Regularite dune mesure sur B(R), nie sur les compacts)
Soit m une mesure sur B(R). On suppose que m est nie sur les compacts, cest `a dire que m(K) < pour
tout compact K de R (noter quun compact est necessairement dans B(R)). Alors, pour tout A B(R)
et tout > 0, il existe un ouvert O et un ferme F t.q. F A O et m(O F) . En particulier, on a
donc, pour tout A B(R), m(A) = infm(O), O ouvert contenant A et m(A) = supm(K), K compact
inclus dans A.
32
D emonstration :
On appelle T lensemble des A B(R) t.q. pour tout > 0, il existe O ouvert et F ferme veriant
F A O et m(OF) . On va montrer que T est une tribu contenant ( = ]a, b[, < a < b < .
Comme ( engendre B(R), ceci donnera T = B(R).
On montre tout dabord que ( T. Soit < a < b < et A =]a, b[.
Pour tout n n
0
avec n
0
t.q. (2/n
0
) < b a on a :
[a + (1/n), b (1/n)] A ]a, b[.
Pour n n
0
, on pose B
n
=]a, a + (1/n)[]b (1/n), b[). La suite (B
n
)
nn
0
est une suite decroissante
et
nn
0
B
n
= . Comme m est nie sur les compacts, on a m(B
n
) m([a, b]) < . En utilisant la
continuite decroissante de m (proposition 2.3), on a donc :
m(]a, b[[a + (1/n), b (1/n)]) = m(]a, a + (1/n)[]b (1/n), b[) = m(B
n
) 0 quand n .
Soit maintenant > 0 en prenant n assez grand on a m(B
n
) . En prenant O = A et F = [a +
(1/n), b (1/n)], on a bien O ouvert, F ferme, F A O et m(O F) . Ceci prouve que ]a, b[ T.
On montre maintenant que T est une tribu. On remarque tout dabord que T (il sut de prendre
F = O = ) et que T est stable par passage au complementaire (car, si F A O, on a O
c
A
c
F
c
et F
c
O
c
= O F). Il reste `a montrer que T est stable par union denombrable.
Soit (A
n
)
nN
T et A =
nN
A
n
. On veut montrer que A T. On va commencer par traiter le cas
(simple) o` u m(A) < puis le cas (plus dicile) o` u m(A) = .
Premier cas. On suppose que m(A) < .
Soit > 0. Pour tout n N, il existe O
n
ouvert et F
n
ferme t.q. F
n
A
n
O
n
et m(O
n
F
n
) (/2
n
).
On pose O =
nN
O
n
et

F =
nN
F
n
. On a

F A O, m(O

F) 2, car (O

F)
nN
(O
n
F
n
),
et O ouvert mais

F nest pas necessairement ferme. . .
Cependant, puisque m(A) < , on a aussi m(

F) < . Par continuite croissante de m(appliquee `a la suite
(
n
p=0
F
p
)
nN
) on a m(
n
p=0
F
p
) m(

F), quand n , do` u (puisque m(

F) < ) m(

F)m(
n
p=0
F
p
)
0. On prend alors F =
N
p=0
F
p
avec N assez grand pour que m(

F F) = m(

F) m(F) . On a
bien F A O, O ouvert, F ferme et, comme (O F) = (O

F) (

F F), on a m(O F) =
m(O

F) +m(

F F) 3. Ceci prouve que A T.
Deuxi`eme cas. On suppose maintenant que m(A) = (et le raisonnement precedent nest plus correct
si m(

F) = ). On raisonne en 3 etapes :
1. Soit p Z. On remarque dabord que A
n
[p, p + 1[ T pour tout n N. En eet, soit n N et
> 0. Il existe O ouvert et F ferme t.q. F A
n
O et m(O F) . Pour k N

, on a donc :
F
k
= F [p, p + 1
1
k
] A
n
[p, p + 1[ O
k
= O]p
1
k
, p + 1[.
On a F
k
ferme, O
k
ouvert et (O
k
F
k
) (O F)]p
1
k
, p[]p + 1
1
k
, p + 1[. On en deduit :
m(O
k
F
k
) +m(]p
1
k
, p[]p + 1
1
k
, p + 1[).
Or, la continuite decroissante de m donne que m((]p
1
k
, p[]p + 1
1
k
, p + 1[) 0 quand k
(on utilise ici le fait que m([p 1, p + 1]) < car m est nie sur les compacts). Il existe donc
k N

t.q. m(O
k
F
k
) 2, ce qui donne bien que A
n
[p, p + 1[ T.
33
2. Comme m(A [p, p + 1[) < , on peut maintenant utiliser le premier cas avec A [p, p + 1[=

nN
(A
n
[p, p + 1[). Il donne que A [p, p + 1[ T pour tout p Z.
3. On montre enn que A T. Soit > 0. Pour tout p Z, il existe un ouvert O
p
et un ferme G
p
t.q. G
p
A [p, p +1[ O
p
et m(O
p
G
p
) /(2
|p|
). On prend O =
pZ
O
p
et F =
pZ
G
p
. On
obtient F A O, m(O F) 3 et O est ouvert. Il reste `a montrer que F est ferme.
Soit (x
n
)
nN
F t.q. x
n
x (dans R) quand n . On veut montrer que x F. Il existe
p Z t.q. x ]p 1, p + 1[. Il existe donc n
0
N t.q. x
n
]p 1, p + 1[ pour tout n n
0
. Comme
x
n

qZ
G
q
et que G
q
[q, q + 1[ pour tout q, on a donc x
n
G
p
G
p1
pour tout n n
0
.
Comme G
p
G
p1
est ferme, on en deduit que x G
p
G
p1
F et donc que F est ferme.
Ceci montre bien que A T et termine la demonstration du fait que T est une tribu. Comme cela
a dej`a ete dit, on en deduit que T = B(R).
On a donc bien montre que pour tout A B(R) et pour tout > 0, il existe O ouvert et F ferme veriant
F A O et m(O F) .
On montre maintenant que m(A) = infm(O), O ouvert contenant A pour tout A B(R). Soit
A B(R). On remarque dabord que la monotonie dune mesure donne m(A) infm(O), O ouvert
contenant A. Puis, linegalite inverse est immediate si m(A) = . Enn, si m(A) < , pour tout > 0
il existe O ouvert et F ferme veriant F A O et m(OF) . On a donc OA OF et donc (par
monotonie de m) m(O A) et m(O) = m(A) + m(O A) m(A) + . On a donc trouve un ouvert
O contenant A t.q. m(O) m(A). On en deduit que infm(O), O ouvert contenant A m(A) et
nalement que m(A) = infm(O), O ouvert contenant A.
De mani`ere semblable, on montre aussi que m(A) = supm(K), K compact inclus dans A pour tout
A B(R). En eet, soit A B(R). Ici aussi, on commence par remarquer que la monotonie dune mesure
donne m(A) supm(K), K compact inclus dans A. On montre maintenant linegalite inverse. Soit
> 0. Il existe F ferme t.q. F A et m(A F) . Si m(A) = , on en deduit que m(F) = et donc
que m(K
n
) quand n (par continuite croissante de m) avec K
n
= F [n, n]. Comme K
n
est
compact pour tout n N, on a donc supm(K), K compact inclus dans A = = m(A). Si m(A) < ,
on a m(A) m(F) m(A) et donc, pour n assez grand, m(K
n
) m(F) m(A) 2 (toujours
par continuite croissante de m) avec K
n
= F [n, n]. Comme K
n
est compact pour tout n N et que
est arbitraire, on en deduit que supm(K), K compact inclus dans A m(A) et donc, nalement,
m(A) = supm(K), K compact inclus dans A.
Pour demontrer la partie unicite du theor`eme 2.2 avec le theor`eme 2.3 on aura aussi besoin du petit
lemme suivant (plus precis que le lemme 2.1 car dans le lemme 2.1 il nest pas demande que les ouverts
soient disjoints).
Lemme 2.4 (Ouverts de R) Soit O un ouvert de R, alors O est une union denombrable dintervalles
ouverts disjoints 2 `a 2, cest `a dire quil existe (I
n
)
nN
t.q. I
n
est un intervalle ouvert de R pour tout
n N, I
n
I
m
= si n ,= m et O =
nN
I
n
.
D emonstration :
Pour x O on pose O
x
= y O; I(x, y) O, avec I(x, y) = tx + (1 t)y, t [0, 1] (on a donc
I(x, y) = [x, y] ou [y, x]). On remarque que O =
xO
O
x
et que O
x
est, pour tout x O, un intervalle
ouvert (cest lintervalle ] inf O
x
, supO
x
[, avec inf O
x
, supO
x
R). Il est aussi facile de voir que, pour
34
tout x, y O, O
x
O
y
,= implique que O
x
= O
y
. On peut trouver A O t.q. O =
xA
O
x
et
O
x
O
y
= si x, y A, x ,= y. Comme O
x
,= pour tout x A, on peut donc construire une application
de A dans Q en choisissant pour chaque x A un rationnel de O
x
(ce qui est possible car tout ouvert
non vide de R contient un rationnel). Cette application est injective car O
x
O
y
= si x, y A, x ,= y.
lensemble A est donc au plus denombrable, ce qui termine la demonstration du lemme.
Remarque 2.10 Dans la demonstration du lemme 2.4, O
x
est la composante connexe de x. Le lemme
2.4 consiste donc `a remarquer quun ouvert est reunion de ses composantes connexes, que celles ci sont
disjointes deux `a deux et sont des ouverts connexes et donc des intervalles ouverts (car un connexe dans
R est necessairement un intervalle).
D emonstration de la partie unicit e du th eor` eme 2.2 :
On a construit une mesure, notee , sur B(R) t.q. (]a, b[) = b a pour tout a, b R, a < b. Supposons
que m soit aussi une mesure sur B(R) t.q. m(]a, b[) = b a pour tout a, b R, a < b. On veut montrer
que = m (sur tout B(R)). Nous le montrons ici avec deux methodes dierentes, utilisant le theor`eme 2.3
ou la proposition 2.5.
Premi`ere methode, avec le theor`eme 2.3. En utilisant le fait que tout ouvert est reunion denom-
brable dintervalles ouverts disjoints deux `a deux (lemme 2.4) et les proprietes de additivite de et
de m, on montre que (O) = m(O) pour tout ouvert O de R. Puis, en utilisant la derni`ere assertion du
theor`eme de regularite (qui sapplique pour m et pour , car m et sont des mesures sur B(R), nies sur
les compacts), on obtient (A) = m(A) pour tout A B(R), i.e. m = .
Deuxi`eme methode, avec la proposition 2.5. On utilise la proposition 2.5 avec (E, T) = (R, B(R))
et ( = ]a, b], a, b R, a b. On sait que ( engendre B(R), et il est clair que ( est stable par
intersection nie. On prend maintenant F
n
=]n, n + 1] pour n Z. La famille (F
n
)
nZ
est donc une
famille denombrable delements de (, disjoints deux `a deux et t.q. R =
nZ
F
n
. Pour a, b R, a b, on
a, par continuite decroissante de m, m(]a, b] = lim
p
m(]a, b +
1
p
[= lim
p
b a+
1
p
= b a = (]a, b]).
On a donc m = sur ( (et m(F
n
) < pour tout n Z). On peut donc appliquer la proposition 2.5.
Elle donne = m sur B(R).
Remarque 2.11 Nous avons vu que la mesure de Lebesgue, notee , etait reguli`ere. Ceci ne donne pas,
pour A B(R), legalite de la mesure de A avec la mesure de son interieur ou de son adherence. Il sut,
pour sen convaincre, de prendre, par exemple, A = Q. On a alors (A) = 0 (voir la remarque 2.13) et
(A) = .
Remarque 2.12 Nous avons donc, dans cette section, construit une application, notee

, de T(R) dans
R
+
. Cette application nest pas une mesure mais nous avons montre que la restriction de

`a la tribu
de Lebesgue, notee L, etait une mesure. Puis, nous avons demontre que B(R) L et obtenu ainsi,
en prenant la restriction de

`a B(R) la mesure que nous cherchions. On peut se demander toutefois


quelle est la dierence entre L et B(R). Du point de vue des cardinaux, cette dierence est considerable
car card(L) = card(T(R)) alors que card(B(R)) = card(R) mais du point de vue de lintegration, la
dierence est derisoire, comme nous pourrons le voir avec lexercice 4.18 (plus complet que lexercice
2.28) car lespace mesure (R, L,
|L
) est simplement le complete de (R, B(R),
|B(R)
).
On donne maintenant une propriete, specique `a la mesure de Lebesgue, qui est `a la base de toutes les
formules de changement de variables pour lintegrale de Lebesgue.
35
Proposition 2.9 (Invariance par translation generalisee) Soit R

et R. Pour A
T(R), on note A+ = x +, x A. On a alors :
1. A B(R) implique A+ B(R),
2. (A+) = [[(A) pour tout A B(R).
Pour = 1, cette propriete sappelle invariance par translation de .
D emonstration :
Pour la premi`ere partie de la proposition, on pose T = A B(R); A+ B(R). On montre facilement
que T est une tribu contenant les intervalles ouverts, on en deduit que T = B(R).
Pour la deuxi`eme partie, on pose, pour tout A B(R), m
1
(A) = (A + ) et m
2
(A) = [[(A). Il est
facile de voir que m
1
et m
2
sont des mesures sur B(R), nies sur les bornes, et quelles sont egales sur
lensemble des intervalles ouverts. On raisonne alors comme dans la demonstration de la partie unicite
du theor`eme 2.2, en utilisant le theor`eme 2.3 ou la proposition 2.5. Par exemple, en utilisant le lemme
2.4 et les proprietes de additivite de m
1
et de m
2
, on montre que m
1
(O) = m
2
(O) pour tout ouvert
O de R. Puis, en utilisant la derni`ere assertion du theor`eme de regularite (qui sapplique pour m
1
et
pour m
2
), on obtient m
1
(A) = m
2
(A) pour tout A B(R). On a donc (A + ) = [[(A) pour tout
A B(R).
Remarque 2.13 La mesure de Lebesgue est diuse (cest-`a-dire que (x) = 0 pour tout x R). Donc,
si D est une partie denombrable de R, on a (D) = 0. Ainsi, (N) = (Z) = (Q) = 0. La reciproque est
fausse. On construit par exemple un ensemble (dit ensemble de Cantor, K, qui est une partie compacte
non denombrable de [0,1], veriant (K) = 0, voir exercice 2.27).
Denition 2.20 (Mesure de Lebesgue sur un borelien de R) Soit I un intervalle de R (ou, plus
generalement, I B(R)) et T = B B(R); B I (on peut montrer que T = B(I), o` u I est muni de
la topologie induite par celle de R, voir lexercice 2.3 page 41). Il est facile de voir que T est une tribu
sur I et que la restriction de (denie dans le theor`eme 2.2) `a T est une mesure sur T, donc sur les
boreliens de I (voir 2.15 page 44). On note toujours par cette mesure.
2.6 Independance et probabilite conditionnelle
2.6.1 Probabilite conditionnelle
Commencons par expliquer la notion de probabilite conditionnelle sur lexemple du lancer de de. On se
place dans le mod`ele equiprobable: soient E = 1, 2, 3, 4, 5, 6, T = T(E) et p la probabilite denie par
p(x) =
1
6
, x E. La probabilite de levenement A obtenir 6 est
1
6
. Supposons maintenant que
lon veuille evaluer la chance dobtenir un 6, alors que lon sait dej`a que le resultat est pair (evenement
B = 2, 4, 6). Intuitivement, on a envie de dire que la chance dobtenir un 6 est alors
1
cardB
=
1
3
.
Denition 2.21 (Probabilite conditionnelle) Soient (E, T, p) un espace probabilise et A, B T.
Si p(B) ,= 0, la probabilite conditionnelle de A par rapport `a B (on dit aussi probabilite de A par rapport
`a B), notee p(A[B), est denie par p(A[B) =
p(AB)
p(B)
.
Si p(B) = 0, la probabilite conditionnelle de A par rapport `a B, notee p(A[B), nest pas denie. Cest un
nombre arbitraire entre 0 et 1.
36
De cette denition on deduit la formule de Bayes: soient (E, T, p) un espace probabilise et A, B T,
alors:
p(B)p(A[B) = p(A B) (2.17)
Remarque 2.14 Soient (E, T, p) un espace probabilise et A un evenement tel que p(A) ,= 0. Alors
lapplication p
A
: T [0, 1] denie par:
p
A
(B) = p(B[A) =
p(A B)
p(A)
, B T (2.18)
est une probabilite sur T. On dit que la masse de p
A
est concentree en A : on a en eet : p
A
(B) = 0,
pour tout B T t.q. A B = . On a aussi p
A
(A) = 1.
Denition 2.22 Soit (E, T, p) un espace probabilise, on appelle syst`eme de constituants une famille
(C
n
)
nN
T densembles disjoints deux ` a deux t.q.
nN
C
n
= E.
On a comme corollaire immediat de la relation 2.17:
Proposition 2.10 Soient (E, T, p) un espace probabilise, (C
n
)
nN
T un syst`eme de constituants de
probabilites non nulles et A T, alors:
p(A) =

nN
p(C
n
)p(A[C
n
). (2.19)
Dans le cas o` u p(B) = p(B[A), on a envie de dire que A ninue en rien sur B ; on a dans ce cas:
p(A)p(B) = p(A B).
2.6.2 Ev`enements independants, tribus independantes
Denition 2.23 (Independance de deux ev`enements) Soient (E, T, p) on dit que deux evenements
A et B sont (stochastiquement) independants si p(A)p(B) = p(A B).
Remarque 2.15 Attention: il est clair que, lors de la modelisation dun phenom`ene aleatoire, si on a des
ev`enements independants a priori, i.e. tels que la realisation de lun na aucune inuence sur la realisation
de lautre, on choisira, pour le mod`ele probabiliste, une probabilite qui respecte lindependance: on dit
que lindependance a priori implique lindependance stochastique. Cependant, la notion dindependance
est liee `a la notion de probabilite; ainsi, pour une probabilite p donnee, deux ev`enements peuvent etre
independants alors quils ne paraissent pas intuitivement independants.
Exemple 2.3 Prenons comme exemple le lancer simultane de deux des: a priori, il parait raisonnable
de supposer que les resultats obtenus pour chacun des deux des ninuent pas lun sur lautre, et on
va donc chercher une probabilite qui respecte cette independance. Lunivers des possibles est ici E =
(i, j), 1 i 6, 1 j 6. Les resultats de chaque lancer simultane des deux des etant equiprobables,
on a donc envie de denir, pour A T(E), p(A) =
cardA
36
. Voyons maintenant si deux ev`enements a
priori independants sont independants pour cette probabilite. Considerons par exemple lev`enement A:
obtenir un double 6; on peut ecrire: A = B C, o` u B est lev`enement obtenir un 6 sur le premier
de et C lev`enement obtenir un 6 sur le deuxi`eme de. On doit donc verier que: p(A) = p(B)p(C).
Or B = (6, j), 1 j 6 et C = (i, 6), 1 i 6. On a donc p(B) = p(C) =
1
6
, et on a bien
p(A) = p(B)p(C)(=
1
36
).
37
On generalise la notion dindependance de deux ev`enements en introduisant la notion dindependance de
tribus.
Denition 2.24 (Independance des tribus) Soit (E, T, p) un espace probabilise et (T
k
)
kN
une suite
de tribus incluses dans T.
1. Soit N > 1. On dit que les N tribus T
k
, k = 1, . . . , N, sont independantes (on dit aussi que la suite
T
1
, . . . , T
N
est independante) si pour toute famille (A
1
, . . . , A
N
) devenements tels que A
k
T
k
pour
k = 1, . . . , N on a: p(
N
k=1
A
k
) = p(A
1
)p(A
2
) . . . p(A
N
).
2. On dit que la suite (T
k
)
kN
est independante (ou que les tribus T
1
, . . . , T
n
, . . . sont independantes)
si

pour tout N 1, les N tribus T


k
, k = 1, . . . , N, sont independantes.
On peut facilement remarquer que si A et B sont deux ev`enements dun espace probabilise (E, T, p),
ils sont independants (au sens de la denition 2.23) si et seulement si les tribus T
A
= , E, A, A
c

et T
B
= , E, B, B
c
sont independantes (voir lexercice 3.16). On en deduit la generalisation de la
denition dindependance `a plusieurs ev`enements:
Denition 2.25 (Evenements independants) Soient (E, T, p) un espace probabilise et (A
k
)
k=1,...,N
des evenements, on dit que les N evenements (A
k
)
k=1,...,N
sont independants si les N tribus engendrees
par les evenements A
k
, k = 1 . . . , N (cest-` a-dire les N tribus denies par T
k
= A
k
, A
c
k
, E, pour
k = 1 . . . , N) sont independantes.
Sous les hypoth`eses de la denition precedente, on peut remarquer que les evenements A
1
, . . . , A
N
sont
independants (cest-`a-dire que les tribus engendrees par A
1
, . . . , A
N
sont independantes) si et seulement si
P(
iI
A
i
) =

iI
P(A
i
) pour tout I 1, . . . , N), voir lexercice 3.16. Nous terminons ce paragraphe
par une proposition sur les tribus independantes :
Proposition 2.11 Soit (E, T, p) un espace probabilise.
1. Soit N > 1 et (T
k
)
k{0,...N}
une suite independante de tribus incluses dans T. La tribu T
0
est alors
independante de la tribu engendree par les tribus T
1
, . . . , T
N
.
2. (Generalisation) Soit N > 3, q > 1, n
0
, . . . , n
q
t.q. n
0
= 0, n
i
< n
i+1
(pour i = 0, . . . , q 1),
n
q
= N et (T
k
)
k{1,...N}
une suite independante de tribus incluses dans T. Pour i = 1, . . . , q, on
note
i
la tribu engendree par les tribus T
n
pour n = n
i1
, . . . , n
i
. Alors, les tribus
1
, . . . ,
q
sont
independantes.
D emonstration : On montre tout dabord le premier item de la proposition. On note S la tribu
engendree par les tribus T
1
, . . . , T
N
. Comme S est la plus petite tribu contenant les tribus T
k
(k =
1, . . . , N), elle est incluse dans T. On veut montrer que T
0
et S sont independantes, cest-`a-dire que
p(A B) = p(A)p(B) pour tout A T
0
et tout B S. Pour le montrer, on va utiliser la proposition 2.5
(donnant lunicite dune mesure). Soit A T
0
, on denit les mesures m et sur T en posant :
m(B) = p(A B), (B) = p(A)p(B), pour B T,
et on pose :
( =
N
k=1
A
k
, A
k
T
k
pour k = 1, . . . , N.
Pour B (, on a B =
N
k=1
A
k
avec A
k
T
k
avec k = 1, . . . , N. On a donc, en utilisant lindependance
des tribus T
0
, T
1
, . . . , T
N
, m(B) = p(AB) = p(A)p(A
1
)p(A
2
) . . . p(A
N
) = p(A)p(B) = (B). On a donc
38
m = sur (. Comme ( est stable par intersection et que E (, la proposition 2.5 nous donne m = sur
la tribu engendree par (. Comme cette tribu contient toutes les tribus T
k
(k = 1, . . . , N), elle contient
aussi S (en fait, elle est egale `a S). On a donc bien montre que p(A B) = p(A)p(B) pour tout B S
et pour tout A T
0
.
Pour montrer le deuxi`eme item (qui est une generalisation du premier), il sut de faire une recurrence
nie de q etapes et dutiliser la technique precedente. Par exemple, pour q = 2 la technique precedente
donne :
p((
n
1
k=1
A
k
) B
2
) = p(
n
1
k=1
A
k
)p(B
2
),
pour A
k
T
k
, k = 1, . . . , n
1
et B
2

2
. Puis en reprenant la technique precenete, on montre p(B
1
B
2
) =
p(B
1
)p(B
2
) pour B
1

1
et B
2

2
. Ce qui donne bien lindependance de
1
et
2
.
2.6.3 Probabilites sur (R, B(R))
Une probabilite est denie sur un espace probabilisable quelconque. Tr`es souvent, on ne connait du
probl`eme aleatoire que lon cherche `a modeliser ni lensemble E (univers des possibles) ni la tribu T
(ensemble des ev`enements) ni la probabilite p. Par contre, on connait une image de la probabilite p par
une application (dite mesurable, voir chapitre suivant) X de E dans R. On travaille alors avec lespace
beaucoup plus sympathique (car mieux deni...) (R, B(R), p
X
), ou p
X
est une probabilite sur B(R), que
les probabilistes appellent souvent loi de probabilite (elle depend de p et de lapplication X).
Nous donnons maintenant quelques notions propres aux lois de probabilites (ou probabilites denies sur
(R, B(R))), ainsi que quelques exemples concrets utilises dans la representation de phenom`enes aleatoires.
Denition 2.26 (Fonction de repartition) Soit p une probabilite sur (R, B(R)). On appelle fonction
de repartition de la probabilite p la fonction F, denie de R dans [0, 1] par: F(t) = p(] , t]). Cette
fonction est croissante et continue ` a droite.
D emonstration : Utiliser les proprietes de monotonie et de continuite croissante de la mesure.
Theor`eme 2.4 Soit F une fonction croissante et continue `a droite t.q.:
lim
t
F(t) = 0 et lim
t+
F(t) = 1.
Alors, il existe une unique probabilite p sur B(R) telle que F soit la fonction de repartition de p.
Plus generalement, on a le theor`eme suivant pour les mesures:
Theor`eme 2.5 (Lebesgue-Stieltjes)
1. Pour toute mesure m sur B(R), nie sur les compacts (on dit localement nie), et pour tout a R,
la fonction F denie sur R par : F(t) = m(]a, t]) si t a et F(t) = m(]t, a]) si t a est continue
`a droite et croissante.
2. Reciproquement, pour toute fonction F de R dans R, croissante et continue `a droite, il existe une
unique mesure m sur B(R) t.q. pour tous a, b R, t.q. a b, on ait m(]a, b]) = F(b) F(a). Cette
mesure sappelle la mesure de Lebesgue-Stieltjes associee `a F.
39
Pour demontrer ce theor`eme, on introduit p

, application denie de lensemble des intervalles de R de la


forme ]a, b] dans R par: p

(]a, b]) = F(b) F(a). La demonstration du fait quil existe un prolongement


unique de cette application en une mesure sur B(R) est tr`es voisine `a celle du theor`eme de Caratheodory
(theor`eme 2.2).
Donnons, pour clore ce chapitre, quelques exemples de lois de probabilites et leurs fonctions de repartition
associees.
Denition 2.27 (Loi discr`ete) Soit p une probabilite sur (R, B(R)). On dit que p est discr`ete si elle
est purement atomique (lensemble de ses atomes / est denombrable, voir exercice 2.12). La probabilite
p secrit alors p =

aA
p(a)
a
, o` u
a
designe la mesure de Dirac en a. La fonction de repartition de
la probabilite p est denie par: F(t) =

aA,at
p(a)
Exemple 2.4 (Exemples de lois discr`etes) Donnons quelques exemples de probabilites discr`etes, p,
sur B(R) et de / lensemble (denombrable) de leurs atomes.
La loi uniforme : N N

, / = a
1
, . . . , a
N
, p(a
i
) =
1
N
La loi binomiale : N N

, / = 1, . . . , N, P ]0, 1[, p(k) = C


k
N
P
k
(1 P)
Nk
La loi de Pascal : / = N, P ]0, 1[, p(k) = P(1 P)
k1
La loi de Poisson `a param`etre : / = N, > 0, p(k) = e

k
k!
Denition 2.28 (Loi continue) Soit p une probabilite sur (R, B(R)). On dit que p est continue si sa
fonction de repartition est continue.
Exemple 2.5 (Exemple de loi continue) La plupart des exemples de probabilites continues provient
de ce quon appelle les mesures de densite par rapport `a la mesure de Lebesgue, pour lesquelles on a
besoin de la notion dintegrale de Lebesgue quon na pas encore introduite. On peut toutefois dej`a citer
lexemple de la loi uniforme sur un intervalle [a, b] de R: Soient < a < b < +; pour A B(R), on
pose p(A) =
(A[a,b])
ba
. On verie facilement que p est une probabilite appelee probabilite uniforme sur
[a, b].
2.7 Exercices
2.7.1 Tribus
Exercice 2.1 (Caracterisation dune tribu) Corrige 9 page 280
Soit E un ensemble.
1. Soit T une partie de T(E) stable par union denombrable, stable par passage au complementaire et
t.q. T. Montrer que T est une tribu, cest-`a-dire quelle verie aussi E T et quelle est stable
par intersection denombrable.
2. Lensemble des parties nies de E est-il une tribu ?
Exercice 2.2 (Tribu engendree) Corrige 10 page 280
Soit E un ensemble.
40
1. Montrer quune intersection quelconque de tribus sur E est une tribu sur E.
2. Soit / T(E). On note T
A
lintersection de toutes les tribus sur E contenant / (une partie
de E appartient donc `a T
A
si et seulement si elle appartient `a toutes les tribus contenant /, on
remarquera quil y a toujours au moins une tribu contenant /, cest la tribu T(E)). Montrer que
T
A
est la plus petite des tribus contenant / (cest la tribu engendree par /).
3. Soient / et B T(E) et T
A
, T
B
les tribus engendrees par / et B. Montrer que si / B alors
T
A
T
B
.
Exercice 2.3 (Exemples de Tribus) Corrige 11 page 281
1. Tribu trace
(a) Soit T une tribu sur un ensemble E et F E. Montrer que T
F
= A F; A T est une
tribu sur F (tribu trace de T sur F).
(b) Si E est un espace topologique et T = B(E) (B(E) est la tribu borelienne de E), montrer
que la tribu trace sur F, notee T
F
, est la tribu engendree par la topologie trace sur F (tribu
borelienne de F, notee B(F)). [Montrer que B(F) T
F
. Pour montrer que T
F
B(F),
considerer ( = A T(E); A F B(F) et montrer que ( est une tribu (sur E) contenant
les ouverts de E.] Si F est un borelien de E, montrer que T
F
est egale `a lensemble des
boreliens de E contenus dans F.
2. Soit E un ensemble inni et S = x, x E. Determiner la tribu engendree par S (distinguer les
cas E denombrable et non denombrable).
3. Soit E un ensemble et f une application de E dans lui-meme. Montrer que lensemble des parties
A de E t.q. f
1
(f(A)) = A est une tribu sur E.
4. Soit E un ensemble et A un sous-ensemble de E. Trouver la tribu engendree par ( = B E [
A B. A quelle condition obtient-on T(E) ou la tribu grossi`ere ?
5. Soit E un ensemble et f une bijection de E. Montrer que lensemble des parties A de E t.q. (x A
f(x) A et f
1
(x) A) est une tribu sur E.
6. Dans R
2
, soit ( lensemble des parties de R
2
contenues dans une reunion denombrable de droites.
Decrire la tribu engendree par (. Est-ce une sous-tribu de B(R
2
) ?
Exercice 2.4 (Tribus images) Corrige 12 page 282
Soient E et F des ensembles. Pour / T(E) (resp. T(F)) on note T(/) la tribu de E (resp. F)
engendree par /.
Soit f : E F une application.
1. Montrer que si T

est une tribu sur F, alors f


1
(T

) = f
1
(B); B T

est une tribu sur E


(tribu image reciproque).
2. Montrer que si T est une tribu sur E, alors T

= B F; f
1
(B) T est une tribu sur F (tribu
image directe).
3. Montrer que pour tout ensemble ( de parties de F on a : T(f
1
(()) = f
1
(T(()). [Montrer que
T(f
1
(()) f
1
(T(()). Puis, pour montrer que f
1
(T(()) T(f
1
(()), montrer que T = G
F; f
1
(G) T(f
1
(()) est une tribu contenant (.]
41
Exercice 2.5 (Tribu borelienne de R
2
) Corrige 13 page 283
On note T la tribu (sur R
2
) engendree par AB; A, B B(R). On va montrer ici que T = B(R
2
).
1. Montrer que tout ouvert de R
2
est reunion au plus denombrable de produits dintervalles ouverts de
R. [Sinspirer dune demonstration analogue faite pour R au lieu de R
2
.] En deduire que B(R
2
) T.
2. Soit A un ouvert de R et T
1
= B B(R); AB B(R
2
). Montrer que T
1
est une tribu (sur R)
contenant les ouverts (de R). En deduire que T
1
= B(R).
3. Soit B B(R) et T
2
= A B(R); AB B(R
2
). Montrer que T
2
= B(R).
4. Montrer que T B(R
2
) (et donc que T = B(R
2
)).
Exercice 2.6 (Tribu borelienne sur R
N
) Corrige 14 page 285
1. Montrer que la tribu borelienne de R
N
est egale `a celle engendree par lensemble de toutes les boules
ouvertes de R
N
. [On pourra montrer dabord que tout ouvert de R
N
est reunion denombrable de
boules ouvertes de R
N
.]
2. Montrer que la tribu borelienne de R
N
est egale `a celle engendree par lensemble des produits
dintervalles ouverts `a extremites rationnelles.
3. Montrer que la tribu borelienne de R est engendree par les intervalles ]a, b] o` u a, b R, a < b.
4. Soit S un sous ensemble dense de R. Montrer que B(R
N
) est engendree par la classe des boules
ouvertes (ou bien fermees) telles que les coordonnees du centre et le rayon appartiennent S.
Exercice 2.7 (Une tribu innie est non denombrable) ()
Montrer que toute tribu innie T sur un ensemble (inni) E est non denombrable. [Si T est denombrable,
on pourra introduire, pour tout element x E, lensemble A(x) intersection de tous les elements de T
contenant x. Puis, montrer `a laide de ces ensembles quil existe une injection de T(N) dans T.]
Exercice 2.8 (Alg`ebre) Corrige 15 page 286
Soit E un ensemble et / T(E).
1. Montrer que / est une alg`ebre (cf. denition 2.4) si et seulement si / verie les deux proprietes
suivantes :
(a) E /,
(b) A, B / A B /.
2. Soit (/
i
)
iI
une famille dalg`ebres (sur E). Montrer que
iI
/
i
= A T(E); A /
i
pour tout
i I est encore une alg`ebre.
Si ( T(E), la deuxi`eme question permet donc de denir lalg`ebre engendree par ( comme lintersection
de toutes les alg`ebres sur E contenant (.
Exercice 2.9 (Suite croissante de tribus)
Soit E un ensemble. Soit (/
n
)
nN
une suite croissante de tribus de E. Montrer que / =
nN
/
n
est
une alg`ebre (cf. denition 2.4), mais nest pas, en general, une tribu. Donner une suite dalg`ebres nies
de parties de [0, 1] dont la reunion engendre B([0, 1]).
Exercice 2.10 (Tribu engendree par une partition)
42
Soit E un ensemble.
1. Soit (A
i
)
iI
une partition denombrable de E. Decrire la tribu engendree par cette partition, cest `a
dire par le sous ensemble de T(E) dont les elements sont les A
i
. Cette tribu est-elle denombrable?
2. Montrer que toute tribu nie de parties de E est la tribu engendree par une partition nie de E.
Quel est le cardinal dune telle tribu?
3. () Montrer que si E est denombrable, toute tribu sur E est engendree par une partition.
Exercice 2.11 Corrige 16 page 287
Soit E un ensemble et ( un ensemble de parties de E. On suppose que , E (, que ( est stable par
intersection nie et que le complementaire de tout element de ( est une union nie disjointe delements
de (, cest-`a-dire :
C ( il existe n N

et C
1
, . . . , C
n
( t.q. C
c
=
n
p=1
C
p
et C
p
C
q
= si p ,= q.
On note B lensemble des reunions nies disjointes delements de (. Une partie de E est donc un element
de B si et seulement si il existe n N

et (A
p
)
p=1,...,n
( t.q. A
p
A
q
= si p ,= q et A =
n
p=1
A
p
.
1. Montrer que B est stable par intersection nie et par passage au complementaire.
2. Montrer que lalg`ebre (cf. denition 2.4) engendree par ( est egale `a B.
Exercice 2.12 (Classes monotones) Corrige 17 page 288
Soit E un ensemble. Pour T(E), on dit que est une classe monotone (sur E) si verie les
deux proprietes suivantes (de stabilite par union croissante denombrable et par intersection decroissante
denombrable) :
(A
n
)
nN
, A
n
A
n+1
pour tout n N
nN
A
n
,
(A
n
)
nN
, A
n
A
n+1
pour tout n N
nN
A
n
.
1. Soit T(E). Montrer que est une tribu si et seulement si est une classe monotone et une
alg`ebre (cf. exercice 2.8).
2. Donner un exemple, avec E = R, de classe monotone qui ne soit pas une tribu.
3. Soit (
i
)
iI
une famille de classes monotones (sur E). Montrer que
iI

i
= A T(E); A
i
pour tout i I est encore une classe monotone.
Si ( T(E), cette question permet donc de denir la classe monotone engendree par ( comme
lintersection de toutes les classes monotones sur E contenant (.
4. (Lemme des classes monotones) Soit / une alg`ebre sur E. On note la classe monotone engendree
par / et on note T la tribu engendree par /.
(a) Montrer que T.
(b) Soit A E. On pose
A
= B E; A B et B A . Montrer que
A
est une classe
monotone.
(c) (Question plus dicile.) Montrer que est une alg`ebre. [Utiliser la question (b) et la premi`ere
question de lexercice 2.8.] En deduire que T = .
43
Exercice 2.13 (Caracterisation de la tribu engendree) Corrige 18 page 290
Soit E un ensemble et / T(E). On dit que / est stable par intersection nie si A, B / AB /.
On dit que / est stable par dierence si :
A, B /, B A A B = A B
c
/.
On dit que / est stable par union denombrable disjointe si :
(A
n
)
nN
/, A
n
A
m
= pour n ,= m
nN
A
n
/.
Soit ( T(E).
1. On note Z lensemble des parties de T(E) stables par dierence et stables par union denombrable
disjointe. Montrer quil existe T Z t.q. ( T et :
/ Z, ( / T /.
Dans la suite, on note toujours T cette partie de T(E). On suppose maintenant que ( est stable
par intersection nie et que E (.
2. Pour A T(E), on note T
A
= D T t.q. A D T.
(a) Soit A T(E). Montrer que T
A
est stable par union denombrable disjointe et stable par
dierence.
(b) Soit A (. Montrer que ( T
A
. En deduire que T
A
= T.
(c) Soit A T. Montrer que T
A
= T. En deduire que T est stable par intersection nie.
3. Montrer que T est une tribu. En deduire que T est la tribu engendree par (.
2.7.2 Mesures
Exercice 2.14 (Exemple de mesures) Corrige 19 page 292
Soit E un ensemble inni non denombrable. Pour toute partie A de E, on pose m(A) = 0 si A est au
plus denombrable, et m(A) = + sinon. Lapplication m est-elle une mesure sur T(E) ?
Exercice 2.15 (Mesure trace et restriction dune mesure) Corrige 20 page 292
Soit (E, T, m) un espace mesure
1. Soit F T. Montrer que la tribu trace de T sur F, notee T
F
, est incluse dans T (cette tribu est
une tribu sur F). Montrer que la restriction de m `a T
F
est une mesure sur T
F
. On lappellera la
trace de m sur F. Si m(F) < , cette mesure est nie.
2. Soit / une tribu incluse dans T. La restriction de m `a / est une mesure. Est-elle nie (resp.
-nie) si m est nie (resp. -nie) ?
Exercice 2.16 Corrige 21 page 293
Soit (E, T, m) un espace mesure ni (ni signie que m(E) < ) et (A
n
)
nN
, (B
n
)
nN
des suites
densembles mesurables tels que B
n
A
n
pour tout n N.
1. Montrer que (
nN
A
n
)
nN
B
n

nN
(A
n
B
n
).
44
2. Montrer que m(
nN
A
n
) m(
nN
B
n
)

nN
(m(A
n
) m(B
n
)).
Exercice 2.17 Corrige 22 page 293
Soit (E, T, m) un espace mesure ni et (A
n
)
nN
T t.q., pour tout n N, m(A
n
) = m(E). Montrer que
m(
nN
A
n
) = m(E).
Exercice 2.18 (Contre exemples. . . ) Corrige 23 page 294
1. Soit la mesure de Lebesgue sur B(R) et A B(R) t.q. (A) = 0. A-t-on necessairement A ferme ?
2. Soit (E, T) un espace mesurable et ( T(E) qui engendre T. On consid`ere m
1
et m
2
des mesures
sur T. Montrer que m
1
(A) = m
2
(A) pour tout A ( nimplique pas que m
1
= m
2
sur T. [On
pourra trouver un exemple (facile) avec (E, T) = (R, B(R)) et m
1
, m
2
non nies. Un exemple avec
(E, T) = (R, B(R)) et m
1
, m
2
nies est aussi possible mais plus dicile ` a trouver. . . ]
Exercice 2.19 (Resultat dunicite) Corrige 24 page 295
Soit (E, T) un espace mesurable et m, deux mesures sur T. Soit ( T(E). On suppose que ( engendre
T et que ( est stable par intersection nie.
On suppose que m(A) = (A) pour tout A (.
1. On suppose que E ( et que m(E) < . Montrer que m(A) = (A) pour tout A T. [On pourra
introduire T = A T, m(A) = (A) et utiliser lexercice 2.13.]
2. (Generalisation de la question precedente). On suppose quil existe une suite (E
n
)
nN
( t.q.
E
n
E
m
= si n ,= m, m(E
n
) < pour tout n N et E =
nN
E
n
. Montrer que m(A) = (A)
pour tout A T.
3. Avec (E, T) = (R, B(R), donner un exemple pour lequel E ( et m ,= .
Exercice 2.20 (Mesure atomique, mesure diuse) Corrige 25 page 296
Soit (E, T) un espace mesurable t.q. x T pour tout x E. Une mesure m sur T est diuse si
m(x) = 0 pour tout x E. Une mesure m sur T est purement atomique si il existe S T t.q.
m(S
c
) = 0 et m(x) > 0 si x S.
1. Montrer quune mesure purement atomique et diuse est nulle. Donner, pour (E, T) = (R, B(R))
un exemple de mesure purement atomique et un exemple de mesure diuse. [Montrer que la mesure
de Lebesgue sur B(R) est diuse.]
2. Soit m une mesure diuse sur T. Montrer que tous les ensembles denombrables sont de mesure
nulle.
3. Soit m une mesure sur T. On suppose que m est -nie, cest `a dire quil existe (E
n
)
nN
T t.q.
E =
nN
E
n
et m(E
n
) < + pour tout n N.
(a) Montrer que lensemble des x E t.q. m(x) > 0 (de tels x sont appeles atomes de m) est
au plus denombrable. [On pourra introduire lensemble A
n,k
= x E
n
; m(x)
1
k
.]
(b) Montrer quil existe une mesure diuse m
d
et une mesure purement atomique m
a
sur T telles
que m = m
d
+m
a
. Montrer que m
d
et m
a
sont etrang`eres, cest `a dire quil existe A T t.q.
m
d
(A) = 0 et m
a
(A
c
) = 0.
45
(c) Montrer que si m est nie il existe un singleton dont la mesure est superieure ou egale `a la
mesure de tous les autres singletons. Montrer que ceci peut-etre inexact si m nest que -nie.
4. Pour (E, T) = (R, B(R)), donner un exemple de mesure purement atomique nie dont lensemble
des atomes est inni.
Exercice 2.21 (limites sup et inf densembles) Corrige 26 page 298
Soit (E, T, m) un espace mesure et (A
n
)
nN
T. On rappelle que limsup
n
A
n
=
nN

pn
A
p
et
liminf
n
A
n
=
nN

pn
A
p
.
1. On suppose quil existe n
0
N t.q. m(
pn
0
A
p
) < . Montrer que m(liminf
n
A
n
)
liminf
n
m(A
n
) limsup
n
m(A
n
) m(limsup
n
A
n
).
2. Donner un exemple (cest-`a-dire choisir (E, T, m) et (A
n
)
nN
T) pour lequel :
limsup
n
m(A
n
) > m(limsup
n
A
n
).
3. Donner un exemple avec m nie (cest-`a-dire m(E) < ) pour lequel
m(liminf
n
A
n
) < liminf
n
m(A
n
) < limsup
n
m(A
n
) < m(limsup
n
A
n
).
4. () (Lemme de Borel-Cantelli) On suppose que

nN
m(A
n
) < .
Montrer que m(limsup
n
A
n
) = 0.
Exercice 2.22 (Petit ouvert dense. . . ) Corrige 27 page 299
On consid`ere ici lespace mesure (R, B(R), ). Soit > 0, peut-on construire un ouvert dense dans R de
mesure inferieure `a ? [On rappelle quune partie A de R est dense dans R si A = R ou encore si, pour
tout x R et pour tout > 0, il existe a A t.q. [x a[ < .]
Exercice 2.23 (Non existence dune mesure sur T(R) exprimant la longueur) Corrige 28 page
299
On denit la relation dequivalence sur [0, 1[ : xRy si xy Q. En utilisant laxiome du choix, on construit
un ensemble A [0, 1[ tel que A contienne un element et un seul de chaque classe dequivalence. Pour
q Q[0, 1[, on denit A
q
= y [0, 1[; y = x+q ou y = x +q 1, x A, cest-`a-dire A
q
= y [0, 1[;
y q A ou y q + 1 A.
1. Montrer que

qQ[0,1[
A
q
= [0, 1[.
2. Montrer que si m est une application de T(R) dans R
+
, invariante par translation et veriant
m([0, 1[) = 1, m ne peut pas etre - additive. En deduire la non-existence dune mesure m, sur
T(R), invariante par translation et t.q. m([a, b]) = b a pour tout a, b R, a < b. En particulier,
montrer que lapplication

, denie en cours, ne peut pas etre une mesure sur T(R).


Exercice 2.24 (Non existence dune mesure sur T(R) donnant la longueur des intervalles)
Cet exercice est plus general que le precedent car on veut montrer quil nexiste pas de mesure sur T(R)
t.q. m([a, b]) = b a pour tout a, b R, a < b, sans lhypoth`ese dinvariance par translation de lexercice
precedent.
Soit E un ensemble non denombrable, sur lequel on suppose quil existe un ordre total, note , tel que
pour tout x E, lensemble y E; y x est denombrable, cest-`a-dire quil existe une application f
x
injective de cet ensemble dans N. Si E = R ou E = [0, 1], on peut demontrer lexistence dun tel ordre
(ceci est une consequence de laxiome du continu). Soit m une mesure sur T(E); on suppose que m est
nie, i.e. m(E) < +, et diuse. On se propose de montrer que m est nulle, i.e. m(A) = 0, pour tout
A T(E). On pose, pour x E et n N, A
x,n
= y E; y x et f
y
(x) = n.
46
1. Montrer que pour tout x, y E et n N, A
x,n
A
y,n
= . En deduire que, pour tout n N,
x E; m(A
x,n
) ,= 0 est au plus denombrable (utiliser le fait que m est nie).
2. Montrer quil existe x E t.q., pour tout n N, m(A
x,n
) = 0.
3. En deduire que m est nulle (montrer pour cela que m(E) = 0 en utilisant la question precedente et
le fait que m est diuse).
4. Montrer quil nexiste pas de mesure m sur T(R) t.q. m(]a, b[) = b a pour tout a, b R, a < b.
Exercice 2.25 Corrige 29 page 300
Soit m une mesure sur B(R) t.q. pour tout intervalle I et tout x R on ait m(I) = m(I + x) (avec
I + x = a + x, a I) et m([0, 1]) = 1. Montrer que pour tout x R, m(x) = 0 (i.e. m est diuse).
En deduire que m est la mesure de Lebesgue sur B(R). [On pourra decouper [0, 1[ en q intervalles de
longueur 1/q.]
Exercice 2.26 (Support dune mesure sur les boreliens de R
d
) Corrige 30 page 301
Soit m une mesure sur B(R
d
). Montrer quil existe un plus grand ouvert de mesure nulle pour m.
Lensemble ferme complementaire de cet ouvert sappelle le support de m. [On pourra, par exemple,
considerer les paves `a extremites rationnelles qui sont de mesure nulle pour m.]
Exercice 2.27 (Ensemble de Cantor) Corrige 31 page 302
On consid`ere lespace mesure ([0, 1], B([0, 1]), ).
On pose C
0
= [0, 1], a
0
1
= 0, b
0
1
= 1, et
0
= 1. Pour n 0, on construit C
n+1
[0, 1] de la
mani`ere suivante : on suppose C
n
=

2
n
p=1
[a
n
p
, b
n
p
] connu, et on denit C
n+1
=

2
n+1
p=1
[a
n+1
p
, b
n+1
p
] o` u, pour
p = 1, . . . , 2
n
, a
n+1
2p1
= a
n
p
, b
n+1
2p1
= a
n
p
+
n+1
, a
n+1
2p
= b
n
p

n+1
et b
n+1
2p
= b
n
p
, avec
n+1
=

n

n
2
, et
0 <
n
< 1. On pose C =
n0
C
n
(C sappelle ensemble de Cantor, lexemple le plus classique est
obtenu avec
n
=
2
3
pour tout n N).
1. Montrer que C
n+1
C
n
.
2. Montrer que C est compact et

C= .
3. (Question plus dicile.) Montrer que C est non denombrable.
4. Montrer que si
n
ne depend pas de n, alors (C) = 0. En deduire que si A B([0, 1]), (A) = 0
nentrane pas que A est denombrable.
5. Soit 0 < < 1. Montrer quil existe une suite (
n
)
n0
]0, 1[ t.q. (C) = .
6. Soit f lipschitzienne de R dans R. Montrer que si A est un compact de [0, 1] t.q. (A) = 0, alors
f(A) est un compact de R t.q. (f(A)) = 0.
7. Construire une fonction continue de R dans R t.q. si A est un compact de [0, 1] t.q. (A) = 0, on
na pas forcement (f(A)) = 0 (mais f(A) est un compact de R). [Utiliser un ensemble de Cantor
de mesure nulle (cf question 4) et un ensemble de Cantor de mesure > 0 (cf question 5).]
Exercice 2.28 (Mesure compl`ete) Corrige 32 page 305
Soit (E, T, m) un espace mesure. Une partie B de E est dite negligeable si elle est incluse dans un
element de T de mesure nulle. On note ^
m
lensemble des parties negligeables. On pose T = A N;
A T, N ^
m
.
47
1. Montrer que T est une tribu et que T ^
m
T.
2. Soit A
1
, A
2
T et N
1
, N
2
^
m
t.q. A
1
N
1
= A
2
N
2
. Montrer que m(A
1
) = m(A
2
).
Pour B T, soit A T et N ^
m
t.q. B = A N, on pose m(B) = m(A). (La question
precedente montre que cette denition est coherente.)
3. Montrer que m est une mesure sur T et m
|
T
= m. Montrer que m est la seule mesure sur T egale
`a m sur T.
4. Montrer que ^
m
= ^
m
T.
Lexercice 4.18 page 102 montre la dierence derisoire, du point de vue de lintegration, entre (E, T, m)
et son complete (E, T, m).
Exercice 2.29 (Serie commutativement convergente dans R) Corrige 33 page 307
Soit (a
n
)
nN
R. Le but de lexercice est de montrer que si la serie

nN
a
(n)
est convergente pour
toute bijection : N N, alors la serie

nN
a
n
est absolument convergente.
Pour montrer ce resultat, on suppose, par exemple, que

nN
a
+
n
= . Montrer quil existe : N N,
bijective, t.q.

n
p=0
a
(p)
quand n . Conclure.
Exercice 2.30 (Regularite dune mesure sur B(R), nie sur les bornes)
Cet exercice redemontre le theor`eme de regularite (theor`eme 2.3).
I. Soit m une mesure nie sur B(R), tribu borelienne sur R. On pose: T = A B(R) tel que
> 0, O ouvert de R, et F ferme de R, tels que F A O et m(O F) .
1. Soient a et b R, a < b. Montrer que ]a, b[ T.
2. Montrer que T est une tribu. En deduire que m est reguli`ere.
3. En deduire que, A B(R), m(A) = infm(O), O A, O ouvert de R.
II. Soit m une mesure sur B(R), tribu borelienne sur R. On suppose que pour toute partie B bornee
de R t.q. B B(R), on a: m(B) < +.
Pour B B(R), on pose:
B
(A) = m(A B), A B(R).
1. Soit B B(R) une partie bornee de R; montrer que
B
est une mesure nie.
2. Soient > 0 et A B(R), montrer que, pour tout n Z, il existe un ouvert O
n
de R tel que
O
n
A]n, n + 1] et m(O
n
) m(A]n, n + 1]) +

2
|n|
. [Appliquer I.3 avec
B
n
, B
n
ouvert
borne contenant ]n, n + 1], et A]n, n + 1].]
3. a) Soient > 0 et A B(R). Montrer que pour tout n Z, il existe O
n
ouvert de R et F
n
ferme de R t.q. F
n
A]n, n + 1] O
n
et m(O
n
F
n
)

2
|n|
.
b) Montrer que m est reguli`ere. [On pourra remarquer, en le demontrant, que si F
n
est ferme
et F
n
]n, n + 1]n Z, alors

nZ
F
n
est ferme.]
c) Montrer que m(A) = infm(O), A O, O ouvert de R, A B(R).
III. On note la mesure de Lebesgue sur (R, 1). Soit R

et R. Soit A 1. On pose
A + = x + , x A. Montrer que A + 1 et que (A + ) = [[(A). [On
pourra commencer par etudier le cas o` u A est un ouvert de R.] (Nous appellerons cette propriete :
invariance par translation generalisee pour la mesure de Lebesgue.)
48
Exercice 2.31 (Mesure sur S
1
) Corrige 34 page 308
On consid`ere S
1
= (x, y)
t
R
2
, [x[
2
+[y[
2
= 1 (S
1
est donc le cercle unite de R
2
). Pour z = (x, y)
t
S
1
,
il existe un unique
z
[0, 2[ t.q. x = cos(
z
) et y = sin(
z
). Pour [0, 2[ et z S
1
on pose
R

(z) = (cos(
z
+), sin(
z
+))
t
. Noter que R

est une bijection de S


1
sur S
1
(cest la rotation dangle
).
Denir une tribu T sur S
1
, t.q. T contienne les parties de la forme (cos(), sin())
t
, ], [ avec
< < < , et une mesure sur T de sorte que (S
1
, T, ) soit un espace mesure avec (S
1
) = 1 et
t.q. soit invariante par rotation (cest `a dire que, pour tout A T et [0, 2[, on ait R

(A) = R

(z),
z A T et (R

(A)) = (A)). [On pourra utiliser la tribu borelienne de R, notee B(R), et la mesure
de Lebesgue sur B(R).]
2.7.3 Probabilites
Exercice 2.32 (Exemple de probabilite)
Soit E = x
k
, k N un ensemble inni denombrable et (p
k
)
kN
[0, 1]
N
t.q. p
k
0 k N et

kN
p
k
= 1.
1. Montrer que, pour tout A T(E), A ,= , on peut denir p(A) =

k;x
k
A
p
k
. On pose p() = 0.
2. Montrer que p denie en 1. est une probabilite
Exercice 2.33 (Lemme de Borel-Cantelli) Corrige 35 page 309
Soient (E, T, p) un espace probabilise et (A
n
)
nN
T. On pose B
n
=
kn
A
k
et A =
nN
B
n
(on
rappelle que A = limsup
n
A
n
).
1. Montrer que si

nN
p(A
n
) < + alors p(A) = 0.
2. On suppose que, pour tout n N

, les evenements A
1
, . . . , A
n
sont independants. On suppose aussi
que

nN
p(A
n
) = . Montrer que p(A) = 1.
Exercice 2.34 Soient E une population, cest-`a-dire un ensemble ni,et (C
n
)
nN
une famille de sous-
populations, cest-`a-dire un syst`eme de constituants de lespace probabilisable (E, T(E)). Soit P
n
la
probabilite quun individu de la population appartienne `a la sous-population C
n
, cest-`a-dire p(C
n
), o` u p
est une probabilite sur (E, T(E)). Sachant que dans chaque sous-population la probabilite detre gaucher
est Q
n
, trouver la probabilite quun gaucher appartienne `a C
n
.
Exercice 2.35 Soient S
1
(resp. S
2
) un seau contenant n
1
cailloux noirs et b
1
cailloux blancs (resp. n
2
cailloux noirs et b
2
cailloux blancs). On tire au hasard, de mani`ere equiprobable, un des deux seaux,
et on tire ensuite au hasard, de mani`ere equiprobable, un caillou dans ce seau. Sachant quon a tire un
caillou noir, quelle est la probabilite de lavoir tire du seau S
1
?
Exercice 2.36 Soient p une probabilite sur (R, B(R)) et F la fonction de repartition de p. Montrer que
F est continue ssi p(a) = 0. En deduire que F est continue si F ne charge pas les points.
49
Chapter 3
Fonctions mesurables, variables
aleatoires
3.1 Introduction, topologie sur R
+
Nous allons, dans ce chapitre, introduire dierents outils necessaires `a la denition de lintegrale de
Lebesgue. De la meme mani`ere que les fonctions en escalier ont ete introduites lors de la denition
de lintegrale des fonctions reglees, nous introduisons maintenant le concept de fonction etagee sur un
espace mesurable (E, T). Nous introduirons ensuite les concepts de fonction mesurable et de variable
aleatoire, ainsi que les premi`eres notions de convergence de ces fonctions. La notion de variable aleatoire
est fondamentale en calcul des probabilites: cest en general par la connaissance de la variable aleatoire
(et par saloi de probabilite) que se construit le mod`ele probabiliste, lespace probabilise (E, T, p) restant
souvent mal connu.
Remarque 3.1
1. Lobjectif est dintegrer des fonctions de E (espace de depart) dans F (espace darrivee). Pour
construire ainsi une notion dintegrale, il faut un espace mesure au depart et un espace topologique
`a larrivee, car nous aurons besoin dans lespace darrivee dune notion de convergence (pour les
procedes de passage `a la limite dans la denition de lintegrale). Les espaces darrivee usuels sont
(pour la theorie de lintegration) R, C, R
N
ou un espace de Banach. Le procede de construction d u `a
Lebesgue donne un role fondamental aux fonctions `a valeurs dans R
+
(et `a la notion de convergence
croissante) et nous aurons besoin dutiliser la topologie de R
+
(voir la denition 3.1).
2. On rappelle quun espace topologique est la donnee dun ensemble F muni dune famille de parties
de F, appelees ouverts de F, contenant et F, stable par union (quelconque) et stable par
intersection nie. On rappelle aussi que, dans un espace topologique, x
n
x, quand n ,
signie que, pour tout O ouvert contenant x, il existe n
0
t.q. x
n
O pour tout n n
0
.
3. Soit F un espace topologique et G F. On appelle topologie trace sur G, ou topologie induite sur
G, la topologie denie par lensemble des restrictions `a G des ouverts de F. Si O G, O est un
ouvert de G si et seulement si il existe U ouvert de F t.q. O = U G. Noter donc que O peut ne
pas etre un ouvert de F si G nest pas un ouvert de F. Par contre, il est important de remarquer
que si G est un borelien de F (cest-` a-dire G B(F), B(F) etant la tribu engendree par les ouverts
50
de F), lensemble des boreliens de G est exactement lensemble des boreliens de F inclus dans G,
cest-`a-dire B(G) = B G; B B(F), ceci est demontre dans lexercice 2.3 page 41.
4. Un exemple fondamental de topologie sur lensemble F est celui de la topologie donnee par une
distance sur F. Dans le cas de F = R, nous considererons toujours R muni de la topologie donnee
par la structure metrique de R, cest-`a-dire par lapplication distance denie par d(a, b) = [b a[.
Denition 3.1 (Topologie et tribu de Borel sur R
+
) R
+
= R
+

1. Soit O R
+
. O est un ouvert si pour tout a O on a :
(a) Si 0 < a < , alors il existe R

+
t.q. ]a , a +[ O,
(b) si a = 0, alors il existe R

+
t.q. [0, [ O,
(c) si a = , alors il existe R
+
t.q. ], ] O.
2. B(R
+
) est la tribu (sur R
+
) engendree par les ouverts de R
+
. Soit B R
+
, on peut montrer (voir
la remarque 3.2 ci apr`es) que B B(R
+
) si et seulement si B R B(R) (B(R) est la tribu de
Borel sur R).
Remarque 3.2
1. La topologie sur R
+
est la topologie induite par celle de R
+
, cest aussi la topologie induite par celle
de R. Lensemble des boreliens de R
+
est donc egal `a lensemble des boreliens de R
+
inclus dans
R
+
et cest aussi lensemble des boreliens de R inclus dans R
+
(voir la remarque 3.1). On remarque
aussi que B(R
+
) (car est, par exemple, une intersection denombrable douverts de
R
+
). On en deduit que, si B R
+
, on a B B(R
+
) si et seulement si B R B(R) (noter que
B R = B R
+
).
2. Soit A R
+
, A est donc un borelien de R
+
si et seulement si A B(R) ou si A = B , avec
B B(R).
3. La denition de la topologie sur R
+
donne bien que, pour (x
n
)
nN
R
+
, on a x
n
(dans R
+
,
quand n ) si et seulement si, pour tout > 0, il existe n
0
t.q. x
n
], ] pour tout n n
0
(ce qui est la denition usuelle de convergence vers ).
4. On peut aussi montrer (exercice. . . ) que B(R
+
) est la tribu engendree par (
1
= ]a, ]; a R
+
.
Cest aussi la tribu engendree par (
2
= ]a, [R
+
; a R. Par contre, ce nest pas la tribu
engendree (sur R
+
) par (
3
= ]a, [; a R
+
(on a donc T((
3
) B(R
+
) et T((
3
) ,= B(R
+
)).
3.2 Fonctions etagees
Denition 3.2 (Fonction caracteristique) Soient (E, T) un espace mesurable et soit A T. On
appelle fonction caracteristique mesurable de lensemble A, et on note 1
A
(ou
A
) la fonction denie
par : 1
A
(x) = 1 si x A et 1
A
(x) = 0 si x A
c
.
Denition 3.3 (Fonction etagee) Soient (E, T) un espace mesurable et f ; E R.
1. On dit que f est etagee (ou T-etagee) si f est une combinaison lineaire (nie) de fonctions carac-
teristiques mesurables, cest-` a-dire sil existe une famille nie (A
i
)
i=1,...,n
T et n reels a
1
, ..., a
n
tels que f =
n

i=1
a
i
1
A
i
.
51
2. On dit que f est etagee positive si f est etagee et prend ses valeurs dans R
+
.
On note c lensemble des fonctions etagees et c
+
lensemble des fonctions etagees positives.
La notion de fonction etagee positive va nous permettre de denir lintegrale `a partir de la notion de
mesure. On se limite pour linstant aux fonctions positives an de donner un sens `a laddition de mesures
innies. Notons que, dans la denition dune fonction etagee, les ensembles A
i
peuvent etre dintersection
non vide. On aura besoin, pour introduire facilement la notion dintegrale dune fonction etagee positive,
de considerer une decomposition de la fonction etagee sur des ensembles dintersection vide. Cest lobjet
du lemme suivant:
Lemme 3.1 (Decomposition canonique dune fonction etagee positive)
Soit (E, T) un espace mesurable, et soit f c
+
une fonction etagee positive, non identiquement nulle.
Alors il existe une unique famille nie (a
i
, A
i
)
i=1,...,n
R

+
T t.q. 0 < a
1
< . . . < a
n
, A
i
,= , pour
tout i, A
i
A
j
= , si i ,= j, et f =

n
i=1
a
i
1
A
i
.
D emonstration : Soient (B
i
)
i=1,...,p
T, (b
i
)
i=1,...,p
R et f =

p
i=1
b
i
1
B
i
une fonction etagee
positive non nulle. Lensemble Imf des valeurs prises par f est donc ni. Comme Imf R
+
, on a
donc Imf 0 = a
1
, . . . , a
n
avec 0 < a
1
, . . . < a
n
. En posant A
i
= x E; f(x) = a
i
, on a donc
f =

n
i=1
a
i
1
A
i
avec A
i
,= et A
i
A
j
= . (Noter aussi que x E; f(x) = 0 = (
n
i=1
A
i
)
c
.) Il reste
`a montrer que A
i
T. Pour i 1, . . . , n, on pose I
i
= K 1, . . . , p ; a
i
=

kK
b
k
. On a alors,
pour tout i 1, . . . , n, A
i
=
KI
i
C
K
, avec C
K
=
p
j=1
D
j
, D
j
= B
j
si j K et D
j
= B
c
j
si j , K.
Les proprietes de stabilite dune tribu nous donnent alors que A
i
T pour tout i 1, . . . , n. On a
donc trouve la decomposition voulue de f. Le fait que cette decomposition est unique est immediat car
on a necessairement a
1
, . . . , a
n
= Imf 0 et A
i
= x E; f(x) = a
i
.
On aurait envie `a partir de la notion de fonction etagee positive decomposee sous la forme precedente,
de denir lintegrale de f comme
_
fdm =

n
i=1
a
i
m(A
i
).
En fait, on pourra meme (cf denition 4.1) denir lintegrale dune fonction etagee avec une decomposition
plus generale (non unique) grace au lemme suivant :
Lemme 3.2 Soit (E, T, m) un espace mesure et soit f c
+
une fonction etagee positive non nulle, t.q.
f =
n

i=1
a
i
1
A
i
et f =
p

i=1
b
i
1
B
i
o` u a
1
, ..., a
n
, b
1
, ..., b
p
sont des reels strictement positifs, (A
i
)
i=1,...,n
T
et (B
i
)
i=1,...,p
T sont des familles de parties disjointes deux `a deux, i.e. telles que A
i
A
j
= et
B
i
B
j
= si i ,= j. Alors :
n

i=1
a
i
m(A
i
) =
p

j=1
b
j
m(B
j
). (3.1)
D emonstration : On pose, pour i = 1, . . . , n et j = 1, . . . , p, C
ij
= A
i
B
j
. En remarquant que
x; f(x) > 0 =
n
i=1
A
i
=
p
j=1
B
j
, on ecrit A
i
=
p
j=1
C
ij
et B
j
=
n
i=1
C
ij
. On peut donc ecrire
n

i=1
a
i
m(A
i
) =
n

i=1
p

j=1
a
i
m(C
ij
) (3.2)
et
p

j=1
b
j
m(B
j
) =
p

j=1
n

i=1
b
j
m(C
ij
) (3.3)
52
On remarque alors que a
i
= b
j
d`es que C
ij
,= , do` u legalite 3.1.
Lemme 3.3 (Decomposition dune fonction etagee avec une partition)
Soit (E, T) un espace mesurable, et soit f c une fonction etagee. Alors il existe une unique famille
nie (a
i
, A
i
)
i=0,...,n
RT t.q. a
i
,= a
j
si i ,= j, A
i
,= , pour tout i, A
i
A
j
= , si i ,= j, E =
n
i=0
A
i
et f =

n
i=0
a
i
1
A
i
.
D emonstration :
La demonstration est tr`es voisine de celle donnee pour la decomposition dune fonction etagee positive
(lemme 3.1). Lensemble a
i
, i 0, . . . , n est lensemble de toutes les valeurs prises par f (et pas
seulement les valeurs non nulles) et A
i
= x E; f(x) = a
i
.
Enn, on conclut ce paragraphe en remarquant que c est un espace vectoriel sur R.
Proposition 3.1 (Structure vectorielle de c) Soit (E, T) un espace mesurable, lensemble des fonc-
tions etagees, c, est un espace vectoriel sur R. De plus, si f, g c, on a aussi fg c.
D emonstration :
Soit f, g c et soit , R. On utilise la decomposition de f et g donnee dans le lemme 3.3. Elle donne
f =

n
i=0
a
i
1
A
i
et g =

m
j=0
b
j
1
B
i
. Comme les familles (A
i
)
{i{0,...,n}}
et (B
j
)
{j{0,...,m}}
forment des
partitions de E, on a:
f =

n
i=0

m
j=0
a
i
1
A
i
B
j
et g =

m
j=0

n
i=0
b
j
1
A
i
B
j
,
de sorte que f +g =

n
i=0

m
j=0
(a
i
+b
i
)1
A
i
B
j
, ce qui montre que f +g c, et donc que c est
un espace vectoriel.
Dautre part, on remarque aussi que fg =

n
i=0

m
j=0
a
i
b
i
1
A
i
B
j
, ce qui montre que fg c.
On montrera aussi les proprietes de linearite et de monotonie de lintegrale des fonctions etagees (voir
proposition 4.1).
3.3 Fonctions mesurables et variables aleatoires
An detendre le concept dintegrale `a une classe de fonctions plus generale que celle des fonctions etagees
(positives), on introduit les fonctions mesurables (positives). On pourra ensuite utiliser une technique de
passage `a la limite pour denir lintegrale de telles fonctions.
On va tout dabord denir la notion de mesurabilite pour une fonction f de E dans F. Lespace de
depart, E, est muni dune tribu et lespace darrivee, F, est, en general, muni dune topologie (et donc
de sa tribu de Borel, les exemples fondamentaux sont F = R ou F = R
+
). On peut aussi considerer le
cas o` u F est muni dune tribu (non donnee par une topologie sur F).
Denition 3.4 (Fonction mesurable) Soient (E, T) un espace mesurable et F un ensemble muni
dune topologie (par exemple : F = R ou R
+
). Une fonction f, denie de E dans F, est une fonction
T-mesurable si f
1
(A) T, pour tout A B(F). (Ce qui est equivalent `a dire que la tribu f
1
(B(F)) =
f
1
(B), B B(F) est incluse dans T ou encore que la tribu T
f
= B T(F); f
1
(B) T contient
53
B(F), voir lexercice 2.4 sur les tribus image directe et image reciproque.) En labsence dambigute
possible on dira mesurable au lieu de T-mesurable.
Plus generalement, si F nest pas muni dune topologie (et donc de la tribu B(F)) mais est muni directe-
ment dune tribu T (on a alors deux espaces mesurables : (E, T) et (F, T )), une fonction f, denie de
E dans F, est une fonction (T, T )-mesurable si f
1
(A) T, pour tout A T . (Ce qui est equivalent `a
dire que la tribu f
1
(T ) = f
1
(B), B T est incluse dans T ou encore que la tribu T
f
= B T(F);
f
1
(B) T contient T .) En labsence dambigute possible on dira mesurable au lieu de (T, T )-
mesurable.
Remarque 3.3 Une fonction etagee est toujours mesurable. En eet, soit (E, T) un espace mesurable.
Soit f c (donc f est une application de E dans R). Dapr`es la proposition 3.3, il existe (A
0
, . . . , A
n
),
partition de E, et a
0
, . . . , a
n
R t.q. f =

n
i=0
a
i
1
A
i
et A
i
T pour tout i 0, . . . , n. Pour tout
B R, on a donc f
1
(B) =
{i; a
i
B}
A
i
T. Ce qui prouve que f est mesurable de E dans R.
Noter que si f c
+
, on a donc aussi f mesurable de E dans R
+
(voir lexercice 3.3).
La terminologie probabiliste utilise les termes variable aleatoire ou element aleatoire (au lieu de
fonction mesurable ou application mesurable).
Denition 3.5 (Variable aleatoire, element aleatoire)
1. Soit (E, T) un espace probabilisable, on appelle variable aleatoire une fonction X denie de E dans
R et T-mesurable, i.e. t.q. X
1
(A) T, pour tout A B(R).
2. Soit (E, T) et (F, T ) deux espaces probabilisables. Une fonction X, denie de E dans F, est un
element aleatoire si cest une fonction (T, T )-mesurable (cest-`a-dire si X
1
(A) T, pour tout A
T ). Lorsque F est un espace vectoriel, on dit que X est une variable aleatoire vectorielle ou un
vecteur aleatoire.
Remarque 3.4 Comme cela a ete dit dans la proposition 3.4, on dit, en labsence dambigute, me-
surable au lieu de T-mesurable. On remarque dailleurs que le terme probabiliste variable aleatoire
ne mentionne pas la dependance par rapport `a la tribu. Dans la denition 3.5, on a note X la variable
aleatoire plutot que f car cest lusage dans la litterature probabiliste.
Denition 3.6 (Tribu engendree par une fonction mesurable)
Soient (E, T) un espace mesurable (resp. probabilisable) et f (resp. X) une fonction mesurable de E
dans R (resp. une variable aleatoire) alors lensemble f
1
(A), A B(R) (resp. X
1
(A), A B(R))
est une tribu sur E quon appelle tribu engendree par la fonction mesurable f (resp. la variable aleatoire
X). Cette tribu est aussi la tribu image reciproque de B(R) par f (resp. X).
Denition 3.7 (espaces / et /
+
) Soit (E, T) un espace mesurable, on note :
/(E, T) = f : E R, mesurable ,
/
+
(E, T) = f : E R
+
, mesurable .
En labsence dambigute, on notera /= /(E, T) et /
+
= /
+
(E, T).
Proposition 3.2 (Premi`ere caracterisation de la mesurabilite)
Soient (E, T) un espace mesurable et f : E F, avec F = R ou R
+
. Soit ( une partie de T(F)
engendrant la tribu borelienne de F. On a alors : f est mesurable si et seulement f
1
(C) T pour tout
C (. En particulier, f est mesurable si et seulement si f verie lune des deux proprietes suivantes :
54
1. f
1
(], [) T, pour tout , R, < ,
2. f
1
(], [) T, pour tout R.
Dans cette caracterisation, lensemble ], [ (ou ], [) designe, bien s ur, lensemble des elements de F
appartenant `a ], [ (ou ], [).
La demonstration de cette proposition fait lobjet de lexercice 3.1. Le lecteur pourra trouver lui-meme
dautres caracterisations de la mesurabilite, en utilisant la proposition ci-dessus. Par exemple, soit f de
E (muni de la tribu T) dans R
+
, la fonction f est mesurable si et seulement si f
1
(], ]) T pour tout
> 0 (par contre, f
1
(], [) T pour tout 0 nimplique pas que f est mesurable).
La proposition suivante nous permettra de denir lintegrale des fonctions appartenant `a /
+
(comme
limite dintegrales de fonctions etagees, voir le chapitre suivant). Par contre, on ne pourra pas donner un
sens, dans le cas general, `a lintegrale des fonctions appartenant `a /.
Proposition 3.3 (Mesurabilite positive) Soient (E, T) un espace mesurable et f : E R
+
. Alors f
/
+
si et seulement si il existe une suite (f
n
)
nN
c
+
, t.q. :
1. Pour tout x E, f
n
(x) f(x), quand n ,
2. f
n+1
(x) f
n
(x), pour tout x E, et tout n N.
les 2 conditions precedentes seront denotees dans la suite sous la forme f
n
f quand n .
D emonstration : Soit (f
n
)
nN
c
+
t.q. f
n
f quand n . On remarque que, pour tout R,
f
1
(], +]) =
_
nN
f
1
n
(], +[). (3.4)
Comme f
n
est mesurable, pour tout n N (voir la remarque 3.3), on a f
1
n
(], +[) T pour tout
n N et donc, par stabilite de T par union denombrable, f
1
(], +]) T. Ceci etant vrai pour tout
R, on en deduit, comme ], +], 0 engendre B(R
+
), que f est mesurable de E dans R
+
,
cest-`a-dire f /
+
.
Reciproquement, on suppose que f /+. On va construire (f
n
)
nN
c
+
t.q. f
n
f quand n .
Pour n N

, on denit la fonction f
n
par :
f
n
(x) =
_
p
2
n
si f(x) [
p
2
n
,
p + 1
2
n
[, avec p 0, . . . , n2
n
1,
n si f(x) n,
(3.5)
de sorte que
f
n
= n1
{xE; f(x)n}
+
n2
n
1

p=0
p
2
n
1
{xE; f(x)[
p
2
n ,
p+1
2
n [}
.
Comme f /
+
, on a x E; f(x) n T et x E; f(x) [
p
2
n
,
p+1
2
n
[ T pour tout n et tout p,
on a donc (f
n
)
nN
c
+
.
On montre maintenant que, pour tout x E, on a f
n
(x) f(x), quand n . Soit x E. On
distingue deux cas :
55
Premier cas. On suppose f(x) < . On a alors, pour n f(x), [f(x) f
n
(x)[
1
2
n
. On a donc
f
n
(x) f(x) quand n .
Deuxi`eme cas. On suppose f(x) = . On a alors f
n
(x) = n pour tout n N

et donc f
n
(x) f(x)
quand n .
On montre enn que, pour tout x E et pour tout n N

, on a f
n+1
(x) f
n
(x). Soit x E et n N

.
On distingue trois cas :
Premier cas. On suppose f(x) n + 1. On a alors f
n+1
(x) = n + 1 > n = f
n
(x).
Deuxi`eme cas. On suppose n f(x) < n + 1. Il existe alors i n2
n+1
, . . . , (n + 1)2
n+1
1 t.q.
f(x) [
i
2
n+1
,
i+1
2
n+1
]. On a alors f
n
(x) = n
i
2
n+1
= f
n+1
(x).
Troisi`eme cas. On suppose f(x) < n. Il existe alors p 0, . . . , n2
n
1 t.q. f(x) [
p
2
n
,
p+1
2
n
[=
[
2p
2
n+1
,
2(p+1)
2
n+1
[. Si f(x) [
2p
2
n+1
,
2p+1
2
n+1
[, on a f
n
(x) =
p
2
n
=
2p
2
n+1
= f
n+1
(x). Si f(x) [
2p+1
2
n+1
,
2(p+1)
2
n+1
[, on a
f
n
(x) =
p
2
n
<
2p+1
2
n+1
= f
n+1
(x). On a toujours f
n
(x) f
n+1
(x).
On a bien ainsi construit (f
n
)
nN
c
+
t.q. f
n
f quand n .
Proposition 3.4 (Mesurabilite sans signe) Soient (E, T) un espace mesurable, et f : E R. On
suppose que f est mesurable. Il existe alors une suite (f
n
)
nN
c t.q., pour tout x E, f
n
(x) f(x),
quand n .
D emonstration :
On denit la fonction f
+
: E R
+
par f
+
(x) = max(f(x), 0) pour tout x E. On remarque que
f
+
/
+
(et f
+
/, voir lexercice 3.3). En eet, f
+
prend ses valeurs dans R
+
et (f
+
)
1
(], ]) =
f
1
(], [) T si > 0. On conclut en remarquant que ], ], > 0 engendre B(R
+
). On denit
egalement f

= (f)
+
, de sorte que f = f
+
f

. On a donc aussi f

/
+
. La proposition 3.3
donne lexistence de (f
n
)
nN
c
+
et (g
n
)
nN
c
+
t.q. f
n
f
+
et g
n
f

quand n . On pose
h
n
= f
n
g
n
, de sorte que h
n
(x) f(x), quand n , pour tout x E. Dautre part, comme c est
un espace vectoriel (voir la proposition 3.1 page 53), on a (h
n
)
nN
c.
La proposition precedente nous donnera, avec les proprietes de stabilite de /et /
+
(voir la proposition
3.5) une deuxi`eme caracterisation de la mesurabilite, voir la proposition 3.6.
Lensemble des fonctions mesurables est un ensemble tr`es stable, cest-`a-dire que des operations usuel-
les (comme addition, multiplication, limite. . . ) sur des fonctions mesurables donnent encore des
fonctions mesurables, ceci est precise dans la proposition suivante. Dans le cas (fondamental) de (E, T)
= (R, B(R)), il est dicile de trouver des fonctions non mesurables (comme il est dicile de trouver
des parties non boreliennes, bien que le cardinal de B(R) soit egal au cardinal de R et donc strictement
inferieur au cardinal de T(R)). En pratique, on peut en gros supposer que les fonctions de R dans R sont
toutes B(R)-mesurables (bien quil y ait beaucoup de fonctions non mesurables. . . ).
Proposition 3.5 (Stabilite de / et /
+
) Soit (E, T) un espace mesurable.
1. Soit I N.
Soit (f
n
)
nI
/
+
, alors sup
nI
f
n
/
+
et inf
nI
f
n
/
+
.
Soit (f
n
)
nI
/. Si sup
nI
f
n
prend ses valeurs dans R, alors sup
nI
f
n
/. De meme, si
inf
nI
f
n
prend ses valeurs dans R, alors inf
nI
f
n
/.
56
2. Soit (f
n
)
nN
/
+
, alors limsup
n
f
n
/
+
et liminf
n
f
n
/
+
.
Soit (f
n
)
nN
/. Si limsup
nN
f
n
prend ses valeurs dans R, alors limsup
nN
f
n
/. De meme,
si liminf
nN
f
n
prend ses valeurs dans R, alors liminf
nN
f
n
/.
3. Soit (f
n
)
nN
/
+
. On suppose que f
n
(x) f(x) dans R
+
, pour tout x E. Alors f /
+
.
Soit (f
n
)
nN
/. On suppose que f
n
(x) f(x) dans R, pour tout x E. Alors f /.
4. / est un espace vectoriel sur R et si f, g /, alors fg /.
D emonstration :
1. Soit (f
n
)
nN
/
+
. Il est clair que f = sup
nI
f
n
est bien denie et prend ses valeurs dans R
+
.
Puis, Pour tout R, on a f
1
(], ]) =
nI
f
1
n
(], ]) T. Comme ], ] R
+
, R
engendre B(R
+
), on en deduit que f est mesurable de E dans R
+
, cest-`a-dire f /
+
.
De meme la fonction f = inf
nI
f
n
est aussi bien denie et prend ses valeurs dans R
+
(elle prend
meme ses valeurs dans R
+
si les f
n
prennent leurs valeurs dans R
+
, ceci nest pas vrai avec la
fonction sup
nI
f
n
). On remarque ensuite que f
1
(] , [) =
nI
f
1
n
(] , [), pour tout
R. Comme ] , [R
+
, R engendre B(R
+
), on en deduit que f est mesurable de E
dans B(R
+
), cest-`a-dire f /
+
.
Soit maintenant (f
n
)
nN
/. La fonction f = sup
nI
f
n
est bien denie si on la consid`ere comme
etant `a valeurs dans R car elle peut prendre la valeur + en certains points. On la suppose
maintenant `a valeurs dans R. On peut alors raisonner comme precedemment en remarquant que
f
1
(], [) =
nI
f
1
n
(], [) et que ], [, R engendre B(R). De meme, La fonction
f = inf
nI
f
n
est bien denie si on la consid`ere comme etant `a valeurs dans R car elle peut prendre
la valeur en certains points. On la suppose maintenant `a valeurs dans R. On peut alors
raisonner comme precedemment en remarquant que f
1
(] , [) =
nI
f
1
n
(] , [) et que
] , [, R engendre B(R).
2. Soit (f
n
)
nN
/
+
. On pose f = limsup
n
f
n
, la fonction f est bien denie `a valeurs dans R
+
.
Pour tout x E, on a f(x) = limsup
n
f
n
(x) = lim
n
(sup
pn
f
p
(x)) = inf
nN
(sup
pn
f
p
(x)),
cest-`a-dire f = inf
nN
(sup
pn
f
p
). En utilisant les resultats precedents (avec sup puis inf), on a
donc f /
+
. Un raisonnement similaire donne liminf
n
f
n
= sup
nN
(inf
pn
f
p
) /
+
.
Soit maintenant (f
n
)
nN
/. On suppose que f = limsup
n
f
n
= inf
nN
(sup
pn
f
p
) (qui est
bien denie dans R) prend ses valeurs dans R. Comme les f
n
prennent leurs valeurs dans R,
on peut alors remarquer que la fonction sup
pn
f
p
prend aussi ses valeurs dans R, pour tout n N.
On a donc, avec la propriete demontree en 1, sup
pn
f
p
/ pour tout n N. Puis, utilisant
encore la propriete demontree en 1, f = inf
nN
(sup
pn
f
p
) /. Un raisonnement analogue donne
liminf
n
f
n
= sup
nN
(inf
pn
f
p
) / d`es que lon suppose que liminf
n
f
n
prend ses valeurs
dans R.
3. Cette question est immediate grace `a la precedente. Il sut de remarquer que d`es que la limite de la
suite (f
n
(x))
nN
existe, elle est necessairement egale `a la limite superieure (ou la limite inferieure)
de cette meme suite (f
n
(x))
nN
, cest-`a-dire que lim
n
f
n
(x) = limsup
n
f
n
(x) (pour tout
x E). Ici on remarque donc simplement que f = limsup
n
f
n
et on applique la propriete 2.
57
4. Soit f, g /et soit , R On pose h = f +g. Dapr`es la proposition 3.4, il existe (f
n
)
nN
c
et (g
n
)
nN
c t.q. f
n
(x) f(x) et g
n
(x) g(x), quand n , pour tout x E. On pose
h
n
= f
n
+ g
n
, de sorte que h
n
(x) h(x), quand n , pour tout x E. La proposition
3.1 donne que c est un espace vectoriel sur R, on a donc (h
n
)
nN
c. Comme c / (voir la
remarque 3.3), la propriete 3 ci dessus donne alors que h /. Lensemble / est donc un espace
vectoriel (sur R).
Soit f, g /. On pose h = fg. On raisonne comme ci dessus, il existe (f
n
)
nN
c et (g
n
)
nN
c
t.q. f
n
(x) f(x) et g
n
(x) g(x), quand n , pour tout x E. On pose h
n
= f
n
g
n
,
de sorte que h
n
(x) h(x), quand n , pour tout x E. La proposition 3.1 donne aussi
(h
n
)
nN
c /. La propriete 3 ci dessus donne alors que h /.
Proposition 3.6 (Deuxi`eme caracterisation de la mesurabilite) Soit (E, T) un espace mesurable
et f : E R. Alors, f est mesurable si et seulement si il existe une suite (f
n
)
nN
c t.q., pour tout
x E, f
n
(x) f(x), quand n .
D emonstration :
Cette caracterisation est donnee par la proposition 3.4 pour le sens seulement si et par la propriete 3
de la proposition 3.5 pour le sens si.
On rappelle aussi quune fonction f de E (muni de la tribu T) dans R
+
est mesurable (cest-`a-dire
appartient `a /
+
) si et seulement si il existe (f
n
)
nN
c
+
t.q. f
n
f (voir la proposition 3.3).
Remarque 3.5 Il est interessant de remarquer que la proposition 3.6 peut etre fausse si on prend pour
F un espace topologique quelconque (elle reste vraie, par exemple, si F est un espace vectoriel norme de
dimension nie) avec une denition immediate de c generalisant celle donnee pour les fonctions `a valeurs
dans R ou R
+
.
Denition 3.8 Soient E un ensemble et f : E R. Pour tout x E, on pose :
f
+
(x) = max(f(x), 0),
f

(x) = min(f(x), 0) = (f)


+
(x),
[f[(x) = [f(x)[.
Proposition 3.7 Soient (E, T) un espace mesurable et f /. On a alors f = f
+
f

, [f[ = f
+
+f

et f
+
, f

, [f[ /
+
/.
D emonstration :
Le fait que f = f
+
f

et [f[ = f
+
+ f

est immediat. On a dej`a vu, dans la demonstration de la


proposition 3.4, que f
+
, f

/
+
et donc que f
+
, f

/ (voir lexercice 3.3). La proposition 3.5


donne que / est un espace vectoriel sur R. On a donc [f[ / et donc aussi [f[ /
+
car [f[ 0.
58
3.4 Mesure image, loi dune v.a., v.a. independantes
Soit (E, T) et (F, T ) deux espaces mesurables (lexemple fondamental est (F, T ) = (R, B(R))) et f une
fonction mesurable de E vers F. Si m est une mesure sur T, alors on peut denir, `a partir de f et m,
une mesure sur T de la mani`ere suivante :
Proposition 3.8 (Mesure image) Soient (E, T, m) un espace mesure, (F, T ) un espace mesurable et
f une fonction mesurable de E vers F (cest-`a-dire (T, T )-mesurable). Alors, lapplication m
f
denie de
T dans R
+
par : m
f
(A) = m(f
1
(A)), pour tout A T , est une mesure sur T , appelee mesure image
par f.
D emonstration : Il sut de remarquer que m
f
est bien denie, que m
f
() = 0 et que m
f
est
additive, ce qui decoule naturellement des proprietes de m.
Denition 3.9 (Loi de probabilite et fonction de repartition dune variable aleatoire)
Soient (E, T, p) un espace probabilise, X une variable aleatoire reelle (cest-`a-dire une fonction mesurable
de E, muni de la tribu T, dans R, muni de la tribu borelienne). On appelle loi de probabilite de la variable
aleatoire X la probabilite p
X
image de p par X (cette probabilite est donc denie sur B(R)). On appelle
fonction de repartition de la variable aleatoire X la fonction de repartition de la probabilite p
X
.
Dans de nombreux cas, les mod`eles probabilistes seront determines par une loi de probabilite dune
variable aleatoire. Une consequence immediate du theor`eme 2.4 est que la loi de probabilite dune
variable aleatoire reelle est enti`erement determinee par sa fonction de repartition. Ceci est enonce dans
la proposition suivante.
Proposition 3.9 (Egalite de deux lois) Soient (E, T, p) et (E

, T

, p

) des espaces probabilises, X une


variable aleatoire reelle sur E (cest-`a-dire une fonction mesurable de E, muni de T, dans R muni de
B(R)) et X

une variable aleatoire reelle sur E

. On a alors p
X
= p
Y
si et seulement si p(X t) =
p

(Y t) pour tout t R. On a aussi p


X
= p
Y
si et seulement si p(s X t) = p

(s Y t)
pour tout s, t R, s < t. (Les inegalites strictes peuvent remplacees par des inegalites larges.)
D emonstration : Cette proposition est une consequence des theor`emes 2.4 et 2.5. Il sut de remarquer
que p(X t) = p
X
(] , t]) et p(s X t) = p
X
([s, t]) (et les memes egalites avec Y au lieu de
X).
On rappelle que la notation p(X t) (si X est une v. a. reelle sur lespace probabilise (E, T, p)) signie
p( E; X() t). Cette notation sera abregee sous la forme p(X t).
Denition 3.10 (Variables aleatoires equidistribuees)
Soient (E, T, p) et (E

, T

, p

) des espaces probabilises, X (resp. X

) une variable aleatoire de (E, T, p)


(resp. (E

, T

, p

)) dans (R, B(R)), on dit que les variables aleatoires X et X

sont equidistribuees si elles


ont meme loi de probabilite.
Denition 3.11 (Variable aleatoire discr`ete, enti`ere, continue) Soient (E, T, p) un espace proba-
bilise, X une variable aleatoire sur (E, T, p), p
X
la loi de la variable aleatoire X et F
X
sa fonction de
repartition;
1. Si X(E) est denombrable, on dit que la variable aleatoire X est discr`ete.
2. Si X(E) N, on dit que la variable aleatoire X est enti`ere.
59
3. Si la fonction de repartition F
X
denie de R dans [0, 1] est continue, on dit que la variable aleatoire
est continue.
Denition 3.12 (Variables aleatoires independantes) Soit (E, T, p)) un espace probabilise.
1. Soit N > 1 et X
1
, . . . , X
N
une famille de variables aleatoires reelles. On dit que X
1
, . . . , X
N
sont independantes (ou que la famille ( X
1
, . . . , X
N
) est independante) si les tribus engendrees par
X
1
, . . . , X
N
(on notera souvent (X) ou (X) la tribu engendree par la variable aleatoire X) sont
independantes.
2. Soit (X
n
)
nN
une suite de variables aleatoires reelles. On dit que la suite (X
n
)
nN
est indepen-
dante (ou que les v.a. X
1
, . . . , X
n
, . . . sont independantes) si, pour tout N > 1, les v.a. X
1
, . . . , X
N
sont independantes.
On appellera suite de v.a.r.i.i.d. une suite de variables aleatoires reelles independantes identiquement
distribuees (ce dernier point signiant que toutes les v.a. de la suite ont meme loi).
Soit (E, T, p)) un espace probabilise et X
1
, X
2
, X
3
trois v.a.r. (cest-`a-dire variables aleatoires reelles).
Le fait que X
1
soit independante de X
2
et X
3
nimplique pas que X
1
soit independante de (par exemple)
X
2
+ X
3
, meme si X
2
et X
3
sont independantes. Mais, on a bien X
1
independante de X
2
+ X
3
si la
famille (X
1
, X
2
, X
3
) est independante. Ceci est une consequence da la proposition suivante.
Proposition 3.10 (Independance et composition)
Soit (E, T, p)) un espace probabilise, n 1, m 1 et X
1
, . . . , X
n
, Y
1
, . . . , Y
m
des v.a.r independantes.
Soit une fonction borelienne de R
n
dans R et une fonction borelienne de R
m
dans R. Alors, les
v.a.r. (X
1
, . . . , X
n
) et (Y
1
, . . . , Y
m
) sont independantes. Nous avons ici decompose la famille initiale
de v.a.r. independantes en 2 groupes. la proposition peut se generaliser `a une decomposition en un nombre
quelconque de groupes.
D emonstration : La notation (X
1
, . . . , X
n
) est un peu incorrecte (mais toujours utilisee). Elle designe
(comme on le devine facilement) la composition de (qui va de R
n
dans R) avec lapplication de E dans
R
n
donnee par les X
i
, i = 1, . . . , n.
La demonstration de cette proposition (et de sa generalisation `a un nombre quelconque de groupes)
est une consequence simple de la proposition 2.11 des que lon remarque que la tribu engendree par
(X
1
, . . . , X
n
) est incluse dans la tribu engendree par X
1
, . . . , X
n
, ce que nous demontrons maintenant.
On note la tribu engendree par X
1
, . . . , X
n
et X lapplication de E dans R
n
qui `a E associe
(X
1
(, ) . . . , X
n
())
t
. Il est facile de voir que A B(R
n
) t.q. X
1
(A) est une tribu (sur R
n
). Si
A =

n
i=1
A
i
avec A
i
B(R) pour tout i = 1, . . . , n, on a X
1
(A) =
n
i=1
X
1
i
(A
i
) (car X
1
i
(A
i
)
appartient `a (X
i
) et donc `a ). Comme B(R
n
) est engendree par lensemble des produits de boreliens
de R (et meme par lensemble des produits dintervalles ouverts de R, voir lexercice 2.6), on en deduit
qie A B(R
n
) t.q. X
1
(A) contient B(R
n
). Pour tout B B(R), on a donc ((X))
1
(B) =
X
1
(
1
(B)) car
1
(B) B(R
n
) (puisque est borelienne). ce qui prouve bien que la tribu
engendree par (X
1
, . . . , X
n
) est incluse dans la tribu engendree par X
1
, . . . , X
n
.
Nous verrons au chapitre 7 la consequence principale de lindependance. Cette consequence est que, si
X, Y sont des v.a.r. independantes, la loi du couple (X, Y ) est le produit des lois P
X
et P
Y
(cest-`a-dire ,
avec les notations du Chapitre 7, P
(X,Y )
= P
X
P
Y
). Une propriete analogue est vraie pour une famille
(X
1
, . . . , X
n
) de v.a.r. independantes.
60
Nous terminons ce paragraphe par un theor`eme tr`es utile en probabilites sur la representation dune v.a.
mesurable par rapport `a une autre v.a..
Theor`eme 3.1 (V.a. mesurable par rapport `a une autre v.a.) Soient X et Y deux v.a. reelles
denies sur un espace de probabilites (, /, P). Alors, la v.a. Y est mesurable par rapport `a la tribu
engendree par X (notee (X)) si et seulement si il existe une fonction borelienne f de R dans R telle
que Y = f(X).
D emonstration : La demonstration de ce resultat fait lobjet de lexercice 3.14 (corrige 46). Il est in-
teressant de remarquer que le demonstration de ce theor`eme faite dans le corrige 46 donne les informations
complementaires suivantes :
Y est (X)-mesurable bornee si et seulement si il existe f borelienne bornee t.q. Y = f(X),
Y est (X)-mesurable positive si et seulement si il existe f borelienne positive t.q. Y = f(X).
La partie si de ces deux resultats est immediate. Pour la partie seulement si, il sut de remarquer
que la demonstration faite dans le corrige 46 donne f t.q.
Imf = f(t), t R Im(Y ) 0, avec ImY = Y (), .
3.5 Convergence p.p., p.s., en mesure, en probabilite
On introduit ici plusieurs notions de convergence de fonctions denies sur un espace mesure `a valeurs dans
R (ou R
+
) et on donne des liens entre ces dierentes convergences. On introduit les notions equivalentes
pour les variables aleatoires en langage probabiliste.
Denition 3.13 (Egalite presque partout) Soient (E, T, m) un espace mesure, F un ensemble et f
et g des fonctions denies de E dans F (F = R ou F = R
+
, par exemple) ; on dit que f = g m-presque
partout (et on note f = g m-p.p.) si lensemble x E ; f(x) ,= g(x) est negligeable, cest ` a dire quil
existe A T t.q. m(A) = 0 et f(x) = g(x) pour tout x A
c
.
On peut remarquer que si f et g sont des fonctions mesurables de E (muni de la tribu T et de la mesure
m) dans R (ou R
+
), lensemble x E ; f(x) ,= g(x) (note aussi f ,= g) appartient `a T. Le fait que
f = g m p.p. revient donc `a dire que m(f ,= g) = 0. Dans la cas o` u f ou g nest pas mesurable,
lensemble f ,= g peut etre negligeable sans appartenir `a T (il appartient necessairement `a T si la
mesure est compl`ete, voir la denition 2.15).
En labsence de confusion possible, on remplace m-p.p. par p.p.. Cette denition se traduit en langage
probabiliste par:
Denition 3.14 (Egalite presque s ure) Soient (E, T, p) un espace probabilise, X et Y des variables
aleatoires X et Y de (E, T) dans (R, B(R)) ; on dit que X = Y p-presque s urement (et on note X = Y
p.s. ), si lensemble x E ; X(x) ,= Y (x) est negligeable.
Denition 3.15 (Convergence presque partout) Soient (E, T, m) un espace mesure, F un ensem-
ble, (f
n
)
nN
une suite de fonctions de E dans F et f une fonction de E dans F (F = R ou F = R
+
, par
exemple) ; on dit que f
n
converge presque partout vers f (f
n
f p.p. ) si il existe une partie A de E,
negligeable, t.q., pour tout element x de A
c
, la suite (f
n
(x))
nN
converge vers f(x).
61
Noter que la convergence simple entrane la convergence presque partout.
La denition 3.15 se traduit en langage probabiliste par:
Denition 3.16 (Convergence presque sure) Soient (E, T, p) un espace probabilise, (X
n
)
nN
une
suite de variables aleatoires et X une variable aleatoire ; on dit que X
n
converge presque s urement vers
X (X
n
X p.s. ) si il existe une partie A de E, negligeable, t.q., pour tout element x de A
c
, la suite
(X
n
(x))
nN
converge vers X(x).
Denition 3.17 (Convergence presque uniforme) Soient (E, T, m) un espace mesure, (f
n
)
nN

/ et f /. On dit que f
n
converge presque uniformement vers f (f
n
f p.unif. ) si, pour tout
> 0, il existe A T t.q. m(A) et f
n
converge uniformement vers f sur A
c
.
La convergence presque uniforme entrane la convergence presque partout (voir exercice 3.23).
Attention, la convergence presque uniforme ne donne pas la convergence uniforme en dehors dun
ensemble de mesure nulle. La convergence uniforme en dehors dun ensemble de mesure nulle est reliee
`a la convergence essentiellement uniforme, cest-`a-dire la convergence pour le sup essentiel, deni
ci-apr`es, ou pour la norme | |

que nous verrons dans la section 6.1.2.


Denition 3.18 (sup essentiel) Soient (E, T, m) un espace mesure et f /. On dit que f est
essentiellement bornee si il existe C R
+
tel que [f[ C p.p.. On appelle alors sup essentiel de [f[, et
on le note |f|

, linmum des valeurs C telles que [f[ C p.p.. Si f nest pas essentiellement bornee,
on pose |f|

= .
Remarquons que dans le cas o` u (E, T, m) = (R, B(R), ), le sup essentiel dune fonction continue est la
borne superieure de sa valeur absolue (ceci fait lobjet de la proposition 6.4).
Denition 3.19 (Convergence essentiellement uniforme) Soient (E, T, m) un espace mesure, f
/ et (f
n
)
nN
/; on dit que f
n
converge essentiellement uniformement vers f (f
n
f ess. unif. )
si |f
n
f|

0 lorsque n +.
Il est facile de voir que la convergence essentiellement uniforme entrane la convergence presque uniforme,
mais la reciproque est fausse (voir lexercice 3.24). Le theor`eme suivant donne, dans le cas o` u la mesure
est nie, un resultat tr`es important qui fait le lien entre la convergence presque partout et la convergence
presque uniforme.
Theor`eme 3.2 (Egorov) Soient (E, T, m) un espace mesure, tel que m(E) < +, (f
n
)
nN
/ et
f /. On suppose que f
n
f p.p.. Alors, pour tout > 0, il existe A T tel que m(A) et f
n
converge uniformement vers f sur A
c
. (Autrement dit, la suite (f
n
)
nN
converge presque uniformement
vers f.)
La demonstration de ce theor`eme fait lobjet de lexercice 3.24. Attention, lorsque m(E) = +, on peut
trouver des suites de fonctions qui convergent presque partout et non presque uniformement.
Denition 3.20 (Convergence en mesure) Soient (E, T, m) un espace mesure, (f
n
)
nN
/ et f
/. On dit que f
n
converge en mesure vers f si :
> 0, lim
n+
m(x E ; [f(x) f
n
(x)[ ) = 0. (3.6)
Cette denition se traduit en langage probabiliste par:
62
Denition 3.21 (Convergence stochastique ou en probabilite) Soient (E, T, p) un espace proba-
bilise, (X
n
)
nN
une suite de variables aleatoires et X une variable aleatoire . On dit que X
n
converge
stochastiquement, ou en probabilite, vers X si :
> 0, lim
n+
p(x X
n
; [X(x) X
n
(x)[ ) = 0. (3.7)
On peut montrer (cf exercice 3.22) que si (f
n
)
nN
/ converge en mesure vers f / et (f
n
)
nN
converge en mesure vers g /, alors f = g p.p.. On montre aussi que si (f
n
)
nN
/ converge en
mesure vers f / et (g
n
)
nN
converge en mesure vers g /, alors (f
n
+ g
n
)
nN
/ converge en
mesure vers f +g /, et, si m est une mesure nie, (f
n
g
n
)
nN
/ converge en mesure vers f g /.
On montre `a laide du theor`eme dEgorov que si f
n
converge vers f presque partout, et si m(E) < +,
alors f
n
converge vers f en mesure. Reciproquement, si f
n
converge vers f en mesure, alors il existe une
sous-suite de (f
n
)
nN
qui converge vers f presque uniformement (et donc presque partout). Ce second
resultat est vrai meme si m(E) = + (voir exercice 3.25).
On donne maintenant un resume des dierents types de convergence connus jusqu`a present avec les
relations existantes entre eux; les relations entre convergence presque partout et convergence en mesure
(resp. convergence presque sure et convergence stochastique) sont etudiees dans lexercice 3.25. (On en
introduira bientot encore quelques-unes. . . )
Terminologie analyste Terminologie probabiliste
convergence simple (cs)
convergence uniforme (cu)
convergence presque partout (cpp) convergence presque sure (cps)
convergence presque uniforme (cpu)
convergence en mesure (cm) convergence stochastique (cst)
On a les implications suivantes :
Terminologie analyste Terminologie probabiliste
(cu) (cs) (cpp)
(cu) (cpu) (cpp)
(cpp) (cpu) si la mesure est nie
(cm) (cpu) (et donc (cpp)) pour une sous-suite (cst) (cps) pour une sous-suite
(cpp) (cm) si la mesure est nie (cps) (cst) si la mesure est nie
(cpu) (cm)
3.6 Exercices
Exercice 3.1 (Caracterisation des fonctions mesurables) ()Corrige 36 page 310
Soient (E, T) un espace mesurable et f une application de E dans R ;
1. Montrer que T
f
= B T(R) ; f
1
(B) T est une tribu.
2. Soit ( un ensemble qui engendre B(R), montrer que les deux assertions suivantes sont equivalentes :
(i) f est mesurable,
(ii) f
1
(C) T, pour tout C (.
63
Exercice 3.2 (Composition de fonctions mesurables) Corrige 37 page 310
Soit (E, T) et (F, S) deux espaces mesurables. Soit f : E F et : F R (R est muni, comme
toujours, de la tribu borelienne). On suppose que f et sont mesurables. Montrer que f est mesurable
(de E dans R).
Exercice 3.3 (R ou R
+
. . . ) Corrige 38 page 310
Soit : R R, 0. On munit R (au depart et `a larrivee) de la tribu borelienne. Montrer que est
mesurable (on dit aussi borelienne) si et seulement si est mesurable quand on la consid`ere comme une
application de R dans R
+
(R
+
etant aussi muni de la tribu borelienne).
Exercice 3.4 (Stabilite de /) Corrige 39 page 311
1. Soient (E, T), (E

, T

), (E

, T

) des espaces mesurables, f (resp. g) une application de E dans


E

(resp. de E

dans E

). On suppose que f et g sont mesurables. Montrer que g f est une


application mesurable de E dans E

.
2. Soit (E, T) un espace mesurable, on munit R de la tribu des boreliens B(R); soient f et g des
fonctions mesurables de E dans R.
(a) Montrer que f
+
(= sup(f, 0)), f

(= inf(f, 0)) sont des fonctions mesurables de E dans R.


(b) Montrer que f +g, fg et [f[ sont des fonctions mesurables de E dans R.
3. Soient (E, T) un espace mesurable, (f
n
)
nN
une suite de fonctions mesurables de E dans R. On
suppose que la suite (f
n
(x))
nN
converge (dans R) pour tout x E. On pose f(x) = lim
n+
f
n
(x)
(pour tout x E). Montrer que f est une fonction mesurable de E dans R.
4. Soit (E, T) un espace mesurable, on suppose quil existe A T dont les sous-ensembles ne soient
pas tous mesurables. Il existe donc B A t.q. B / T. Montrer que h = 1
B
1
A\B
nest pas
mesurable (de E dans R), alors que [h[ lest.
Exercice 3.5 (Mesurabilite des fonctions continues) Corrige 40 page 312
Soit f une application de R dans R. On munit R (au depart et `a larrivee) de la tribu borelienne
1. On suppose f continue. Montrer que f est mesurable (on dit aussi que f est borelienne).
2. On suppose f continue `a droite (resp. gauche). Montrer que f est mesurable.
3. On suppose f croissante. Montrer que f est mesurable.
Exercice 3.6 (Mesurabilite de 1
Q
)
On munit R de sa tribu borelienne. La fonction 1
Q
est-elle mesurable ?
Exercice 3.7
Soit (E, T, p) un espace probabilise et X une variable aleatoire sur (E, T) ;
1. On prend pour X la variable aleatoire nulle, cest-`a-dire X : E R, X(x) = 0, pour tout x E.
Calculer la loi de probabilite p
X
de X. En deduire que la connaissance de p
X
ne permet pas en
general de determiner la probabilite p sur E.
2. Montrer que p
X
determine p de mani`ere unique si la tribu engendree par X (voir la denition 3.6),
notee T
X
, est egale `a T. Cette condition est-elle necessaire ?
64
Exercice 3.8
Soit / une tribu sur un ensemble E et A / tel que : B / et B A implique B = ou B = A.
Montrer que toute fonction mesurable (de E dans R) est constante sur A. En particulier si /est engendree
par une partition, une fonction mesurable est constante sur chaque element de la partition. Donner une
fonction constante sur tout element dune partition mais qui ne soit pas mesurable. [Prendre comme
partition de R tous les singletons. . . ]
Exercice 3.9 (Egalite presque partout) Corrige 41 page 312
1. Soient f et g des fonctions continues de R dans R et la mesure de Lebesgue ; montrer que f = g
p.p. si et seulement si f = g.
2. Soient f et g des fonctions de R dans R et
0
la mesure de Dirac en 0 ; montrer que f = g
0
p.p.
si et seulement si f(0) = g(0).
Exercice 3.10 Corrige 42 page 313
Soit f : R
N
R dans R. On munit R
p
de sa tribu borelienne (pour tout p N

). On suppose que f est


mesurable par rapport `a x R
N
, pour tout y R, et que f est continue a gauche par rapport a y R,
pour tout x R
N
.
Pour n > 1 et p Z, on pose : a
n
p
=
p
n
, p Z ; on denit la fonction f
n
, n > 1, de R
N
R dans R par :
f
n
(x, y) = f(x, a
n
p
), si y [a
n
p
, a
n
p+1
[
1. Montrer que f
n
converge simplement vers f lorsque n +.
2. Montrer que f
n
est mesurable. [On pourra utiliser, sans le demontrer, le fait que AB B(R
N+1
)
si A B(R
N
) et B B(R). Ceci est demontre dans lexercice 2.5 page 42 pour N = 1 et dans
lexercice 7.1 pour N > 1.]
3. Montrer que f est mesurable.
[On pourra se contenter du cas N = 1. . . ]
Exercice 3.11 (Tribu de Borel sur R
+
) Corrige 43 page 314
1. Montrer que [0, [, R

+
engendre B(R
+
).
2. Montrer que [0, [, Q R

+
engendre B(R
+
).
3. (Question plus dicile.) Montrer que ]0, [, R

+
nengendre pas B(R
+
).
Exercice 3.12 Corrige 44 page 315
Soit f une fonction mesurable de R dans R (R est muni de sa tribu borelienne, notee B(R)). On se
propose de montrer que le graphe de f est un borelien de R
2
. On admettra le resultat suivant, vu dans
lexercice 2.5:
A, B B(R) AB B(R
2
).
On munit aussi R
2
de sa tribu borelienne. Pour x, y R, on pose F(x, y) = f(x) et H(x, y) = y.
1. Montrer que F et H sont mesurables de R
2
dans R.
65
2. On pose G(f) = (x, y)
t
R
2
; y = f(x) (G(f) est donc le graphe de f). Montrer que G(f)
B(R
2
).
Exercice 3.13 (mesurabilite au sens de Lusin) Corrige 45 page 315
Soit m une mesure sur B(R
N
), nie sur les compacts de R
N
. On rappelle (cf. cours) que m est neces-
sairement reguli`ere (cest-`a-dire que pour tout A B(R
N
) et pour tout > 0, il existe F ferme et O
ouvert t.q. F A O et m(O F) < ).
Soit f R
N
R. On dit que f est mesurable au sens de Lusin si pour tout compact K et pour tout
> 0, il existe K
1
compact, K
1
K, t.q. m(K K
1
) et f
|
K
1
C(K
1
, R).
1. On suppose, dans cette question, que f = 1
A
avec A B(R
N
). Montrer que f est mesurable au sens
de Lusin. [Construire K
1
avec K, F et O, o` u F et O sont donnes par la regularite de m appliquee
`a lensemble A.]
2. On suppose, dans cette question, que f est etagee (cest-`a-dire f c(R
N
, B(R
N
)). Montrer que f
est mesurable au sens de Lusin.
3. On suppose que f est mesurable (cest-`a-dire f /(R
N
, B(R
N
)). Montrer que f est mesurable au
sens de Lusin. [On rappelle quune fonction mesurable est limite simple de fonctions etagees. On
pourra utiliser le theor`eme dEgorov, Theor`eme 3.2, et la question precedente.]
Exercice 3.14 (V.a. mesurable par rapport `a une autre v.a.) Corrige 46 page 317
Dans cet exercice, on demontre le theor`eme 3.1. Soit X et Y deux variables aleatoires reelles denies sur
un espace de probabilites (, /, P). On veut veut montrer que Y est mesurable par rapport `a la tribu
engendree par X (notee (X) si et seulement si il existe une fonction borelienne f de R dans R telle que
Y = f(X) (cest-`a-dire , plus precisement, que Y = f X).
1. Montrer que si Y est de la forme Y = f(X) o` u f est une fonction borelienne de R dans R, alors Y
est (X)-mesurable.
On suppose maintenant que Y est (X)-mesurable.
2. On suppose, dans cette question, quil existe une suite de reels (a
j
) tels que a
j
,= a
k
pour j ,= k et
une suite devenements (A
j
) disjoints deux `a deux tels que
Y =

j
a
j
1
A
j
.
On suppose aussi que
j
A
j
= . Montrer que, pour tout j, A
j
(X) et quil existe une fonction
borelienne f : R R telle que Y = f(X).
3. Soit n un entier. On denit la fonction
n
: R R par:
n
(x) =
1
n
[nx] o` u [] designe la partie
enti`ere. ([x] est le plus grand entier inferieur ou egal `a x.)
(a) Montrer que, pour tout x R,
n
(x) converge vers x, quand n .
(b) On pose Y
n
=
n
(Y ). Montrer que Y
n
est (X) mesurable.
4. Terminer la preuve du theor`eme.
Maintenant, on se demande dans quelle mesure la fonction f est unique. On note P
X
la loi de X.
66
5. Soit f et g deux fonctions boreliennes t.q. Y = f(X) = g(X). Montrer que
P
X
(f = g) = 1.
Exercice 3.15 (Composition de v.a.) Corrige 47 page 319
Soit (, /, P) un espace probabilise. Soit N une variable aleatoire `a valeurs dans N

et (Y
n
)
nN
une suite
de variables alelatoires reelles. (cest-`a-dire `a valeurs dans R, muni de la tribu des boreliens). On denit
Z par
, Z() = Y
N()
().
Montrer que Z est une variable aleatoire.
Exercice 3.16 (Evenements, tribus et v.a. independantes) Corrige 48 page 319
Soit (E, /, P) un espace probabilise.
1. (Independance de 2 ev`enements) Soit A
1
, A
2
/. Montrer que A
1
et A
2
sont independants (cest-`a-
dire P(A
1
A
2
) = P(A
1
)P(A
2
)) si et seulement si les tribus (A
1
) et (A
2
) sont independantes
(cest-`a-dire P(B
1
B
2
) = P(B
1
)P(B
2
) pour tout B
1
(A
1
) et B
2
(A
2
)).
2. (Independance de n ev`enements, n 2) Soit n 2, A
1
, . . . , A
n
/. Montrer que les evenements
A
1
, . . . , A
n
verient P(
iI
A
i
) =

iI
P(A
i
) pour tout I 1, . . . , n si et seulement si les
tribus (A
1
), . . . , (A
n
) sont independantes (cest-`a-dire P(
n
i=1
B
i
) =

n
i=1
P(B
i
) pour tout
B
i
(A
i
), i 1, . . . , n).
3. En donnant un exemple (avec n 3), montrer que lon peut avoir n evevements, notes A
1
, . . . , A
n
,
independants deux `a deux, sans que les evenements A
1
, . . . , A
n
soient independants.
4. Soit A /.
(a) On suppose que A /
1
et A /
2
et que /
1
et /
2
sont deux tribus independantes (et
contenues dans /). Montrer que P(A) 0, 1.
(b) Montrer que P(A) 0, 1 si et seulement si A est independant de tous les elements de /.
5. Soit n 1 et A
1
, . . . , A
n
/. Montrer que les evenements A
1
, . . . , A
n
sont independants si et
seulement si les v.a. 1
A
1
, . . . , 1
A
n
sont independantes.
Exercice 3.17 (Independance 3 par 3 et dependance globale)
Trouver un espace de probabilites et 4 v.a.r. prenant leurs valeurs dans 1, 1 t.q. les 4 v.a. soient
3 par 3 independantes mais ne soient pas independantes. [On pourra considerer des produits de v.a.
independantes.]
Exercice 3.18 (Transformation dune v.a.r. de loi uniforme en une v.a.r. de loi donnee)
Soit (E, /, P) un espace de probabilites, X une v.a.r. et U une v.a.r. de loi |([0, 1]), Soit F la fonction
de repartition de X (i. e. F(x) = P(X x) pour x R). On denit G de R dans R de la mani`ere
suivante :
G(u) = infx R; F(x) u, si u ]0, 1[,
G(u) = 0, si u ,]0, 1[.
Montrer que la v.a.r. Y = G(U) a la meme loi que X. [On pourra montrer que P(G(U) x) = P(U
F(x)), pour tout x R.]
67
Exercice 3.19 (Limite croissante dune suite de v.a.r.)
Soit (E, /, P) un espace de probabilites, Y une v.a.r., (X
n
)
nN
une suite de v.a.r. et X une application
de E dans R. On suppose que X
n
X, quand n , et que X
n
et Y sont independantes, pour tout
n N. Montrer que X est une v.a.r. et que X et Y sont independantes. (N.B. La conclusion est encore
vraie sans la croissance de la suite X
n
.)
Exercice 3.20 (Construction de v.a. independantes de lois uniformes sur un intervalle)
Soit (E, /, P) un espace de probabilites.
1. Soit (U
n
)
nN
, une suite de v.a.r.i.i.d. avec P(U
n
= 0) = P(U
n
= 1) = 1/2. Montrer que V , denie
par V =

n1
U
n
2
n
est une v.a. de loi |([0, 1]).
2. Soit U
n,k
, n, k 1, des v.a.r.i.i.d. avec P(U
n,k
= 0) = P(U
n,k
= 1) = 1/2. Montrer les v. a. V
n
,
n 1 denies par V
n
=

k1
U
n,k
2
k
sont des v.a.r.i.i.d. de loi |([0, 1]).
Exercice 3.21 (Loi du produit de la loi exponentielle par 1)
Soit (, /, P) un espace probabilise et X, Y deux v.a.r. independantes. On suppose que X suit une loi
exponentielle de param`etre (avec > 0), cest-`a-dire que P
X
est une mesure de densite par rapport `a
la mesure de Lebesgue et cette densite est la fonction f denie par f(x) = exp(x)1
]0,+[
(x) pour
x R. On suppose que Y est t. q. P(Y = 1) = P(Y = 1) = 1/2. Donner la loi de XY .
Exercice 3.22 (Convergence en mesure) ()Corrige 49 page 322
Soient (E, T, m) un espace mesure, (f
n
)
nN
une suite de fonctions mesurables de E dans R.
1. Montrer que si il existe f et g fonctions mesurables de E dans R telles que (f
n
)
nN
converge en
mesure vers f et g, alors f = g p.p..
[On pourra commencer par montrer que, pour tout > 0, m(x E ; [f(x) g(x)[ > ) = 0].
2. Montrer que si (f
n
)
nN
/ converge en mesure vers f / et (g
n
)
nN
/ converge en mesure
vers g /, alors (f
n
+g
n
)
nN
/ converge en mesure vers f +g /.
3. On suppose maintenant que m est une mesure nie. Montrer que si (f
n
)
nN
/ converge en
mesure vers f / et (g
n
)
nN
/ converge en mesure vers g, alors (f
n
g
n
)
nN
/ converge en
mesure vers f g /.
[On pourra commencer par montrer que, si (f
n
)
nN
/ converge en mesure vers f /, alors,
pour tout > 0, il existe n
0
et k
0
N tels que, si n n
0
et k k
0
, on a m(x E ; [f
n
(x)[
k) ]. Donner un contre-exemple au resultat precedent lorsque m(E) = .
Exercice 3.23 (Convergence presque uniforme et convergence p.p.) Corrige 50 page 324
Soient (E, T, m) un espace mesure, (f
n
)
nN
/ (cest-`a-dire une suite de fonctions mesurables de E
dans R) et f /. On suppose que f
n
f presque uniformement (cest `a dire que pour tout > 0 il
existe A T t.q. m(A) et f
n
f uniformement sur A
c
). Montrer que f
n
f p.p., quand n .
Exercice 3.24 (Theor`eme dEgorov) () Corrige 51 page 324
Soient (E, T, m) un espace mesure ni, (f
n
)
nN
une suite de fonctions mesurables de E dans R, et f une
fonction mesurable de E dans R. On suppose que f
n
f p.p., lorsque n +.
Pour j N

et n N, on denit :
A
n,j
= x; [f(x) f
n
(x)[
1
j
, et B
n,j
=
_
pn
A
p,j
(3.8)
68
1. Montrer que `a j xe, lim
n+
m(B
n,j
) = 0.
2. Montrer que, pour tout > 0, il existe A tel que m(A) et f
n
f uniformement sur A
c
lorsque
n +. En deduire le theor`eme dEgorov (theor`eme 3.2).
[On cherchera A sous la forme :
_
jN

B
n
j
,j
, avec un choix judicieux de n
j
.]
3. Montrer, par un contre exemple, quon ne peut pas prendre = 0 dans la question precedente.
4. Montrer, par un contre exemple, que le resultat du theor`eme dEgorov est faux lorsque m(E) = +.
Exercice 3.25 (Convergence en mesure et convergence p.p.) Corrige 52 page 326
Soient (E, T, m) un espace mesure, (f
n
)
nN
une suite de fonctions mesurables de E dans R, et f une
fonction mesurable de E dans R. On rappelle que, par denition, la suite (f
n
)
nN
converge en mesure
vers f si :
> 0, lim
n+
m(x E; [f
n
(x) f(x)[ > ) = 0. (3.9)
1. On suppose ici que m(E) < +.
(a) Montrer que si (f
n
)
nN
tend vers f presque partout, alors (f
n
)
nN
tend vers f en mesure
[Utiliser le theor`eme dEgorov.]
(b) (Question plus dicile.) Montrer par un contrexemple que la reciproque de la question prece-
dente est fausse.
2. Soit (f
n
)
nN
une suite de fonctions mesurables de E dans R. On dit que (f
n
)
nN
est de Cauchy en
mesure si :
> 0, > 0, n N; p, q n m(x E; [f
p
(x) f
q
(x)[ > ) . (3.10)
Montrer que si la suite (f
n
)
nN
converge en mesure vers f, alors (f
n
)
nN
est de Cauchy en mesure.
3. Soit (f
n
)
nN
une suite de Cauchy en mesure ; montrer quil existe une fonction mesurable g et
une sous-suite (f
n
k
)
kN
, telles que pour tout > 0, il existe A T veriant m(A) et tel que
(f
n
k
)
kN
converge uniformement vers g sur A
c
. [On pourra construire la sous-suite (f
n
k
)
kN
de
telle sorte que m(A
k
) 2
k
, avec A
k
= x E; [f
n
k+1
(x) f
n
k
(x)[ > 2
k
, et chercher A sous la
forme
_
kp
A
k
, o` u p est convenablement choisi.]
4. Montrer que si (f
n
)
nN
converge en mesure vers f, il existe une sous-suite qui converge vers f
presque partout. [On pourra commencer par montrer que la suite (f
n
k
)
kN
construite ` a la question
precedente converge presque partout et en mesure.]
Exercice 3.26
Soient (E, T, m) un espace mesure ni. On pose, pour f et g fonctions mesurables de E dans R (cest-`a-
dire f, g /) :
d(f, g) =
_
[f g[
1 +[f g[
dm.
69
1. Montrer que d est bien denie et prend ses valeurs dans R
+
(cest-`a-dire que
|fg|
1+|fg|
L
1
R
(E, T, m)
pour tout f, g /) et que d est une semi-distance sur / (cest-`a-dire que d(f, g) = d(g, f), pour
tout f, g /, et que d(f, h) d(f, g) +d(g, h), pour tout f, g, h /).
2. Soient (f
n
)
nN
/ et f /. Montrer que f
n
converge en mesure vers f lorsque n + si et
seulement si lim
n+
d(f
n
, f) = 0. [Il est probablement utile de considerer, pour > 0, les ensembles
A
n
= x E; [f
n
(x) f(x)[ > .]
Exercice 3.27 (Mesurabilite dune limite p.p.)
Soient (E, T, m) un espace mesure, (f
n
)
nN
/(E, T) et f : E R. On suppose que f
n
f p.p..
Montrer que f /(E, T), o` u (E, T, m) est le compete de (E, T, m) (voir le theor`eme 2.1). En donnant
un exemple (cest-`a-dire en choisissant convenablement (E, T, m), (f
n
)
nN
et f), montrer quon peut avoir
f , /(E, T).
Exercice 3.28 (Essentiellement uniforme versus presque uniforme) Corrige 53 page 327
Soit (E, T, m) un espace mesure. Pour f /, on pose A
f
= C R, [f[ C p.p.. Si A
f
,= , on pose
|f|

= inf A
f
. Si A
f
= , on pose |f|

= .
1. Soit f / t.q. A
f
,= . Montrer que |f|

A
f
.
2. Soient (f
n
)
nN
/ et f /.
(a) On suppose, dans cette question, que |f
n
f|

0 quand n (on dit que f


n
f
essentiellement uniformement). Montrer que f
n
f presque uniformement.
(b) En donnant un exemple (cest-`a-dire en choisissant convenablement (E, T, m), (f
n
)
nN
et f),
montrer quon peut avoir f
n
f presque uniformement, quand n , et |f
n
f|

,0.
Exercice 3.29
Soit / la classe des sous-ensembles de Z tels que
pour n > 0, 2n A 2n + 1 A.
1. Montrer que / est une tribu.
2. Montrer que lapplication : n n + 2 est une bijection de Z dans Z, mesurable quand Z est
muni (au depart et `a larrivee) de la tribu / (cest `a dire t.q. que
1
(A) / pour tout A /).
Montrer que linverse de nest pas mesurable.
Exercice 3.30
On consid`ere des applications f de E dans R. On note (f) = f
1
(A), A B(R) ((f) est la tribu
image reciproque de B(R) par f).
1. Decrire (f) dans chacun des cas suivants:
(a) E = R et f(x) = x ou f(x) = x
2
ou f(x) = [x[.
(b) E = R
2
et f(x, y) = x +y.
2. Montrer que les singletons sont tous dans (f) si et seulement si f est injective.
70
3. Dans le cas general, montrer quune fonction g de E dans R est (f)-mesurable si et seulement si
il existe une fonction borelienne de R dans R t.q. g = f. [On pourra commencer par le cas
o` u g est etagee, puis utiliser un argument de limite].
4. Montrer que lon a toujours une fonction bornee g t.q. (g) = (f).
Exercice 3.31 (Mesurabilite des troncatures) Corrige 54 page 328
Soit (X, T ) un espace mesurable et f une fonction mesurable de X dans R (R est muni, comme toujours
quand on ne le precise pas, de la tribu borelienne). Pour a > 0, on denit la fonction tronquee :
f
a
(x) =
_
_
_
a si f(x) > a
f(x) si [f(x)[ a
a si f(x) < a
Montrer que f
a
est mesurable.
Exercice 3.32
Soit (E, T) un espace mesurable (on munit R de la tribu des boreliens B(R), comme toujours). Soient
(f
n
)
nN
une suite de fonctions mesurables de E dans R, et A lensemble des points x E tels que
(f
n
(x))
nN
ne soit pas de Cauchy. Montrer que A est mesurable (i.e. A T).
Exercice 3.33
Soit : R
2
R B(R
2
)-mesurable. Pour x R, on pose : f

(x) = (x, x).


1. Montrer que f

est B(R)-mesurable.
2. Soient et : R
2
R B(R
2
)-mesurables. Montrer que =
2
-p.p. , f

= f

-p.p.. (
2
est
la mesure de Lebesgue sur B(R
2
) dont on suppose lexistence).
3. Soient et : R
2
R B(R
2
)-mesurables t.q. :
(a) (x, .) et (x, .) sont continues p.p. en x R
(b) (, .y) et (., y) sont mesurables pour tout y R
(Ces fonctions sont dites de Caratheodory.)
(a) Montrer que et sont B(R
2
)-mesurables.
(b) Montrer que =
2
-p.p. (x, .) = (x, .) partout, p.p. en x R. En deduire que si
=
2
-p.p, alors f

= f

-p.p..
Exercice 3.34 (Exemple de tribu engendree)
Dans cet exercice, on sinteresse `a la tribu (X) engendree par la variable aleatoire X denie sur , muni
de la tribu /, `a valeurs dans R, muni de la tribu borelienne.
1. (Cas dun lancer de de) Dans cette question, = 1, 2, 3, 4, 5, 6, / = T()) et X est la variable
aleatoire denie par X() = 1 lorsque est pair, X() = 0 sinon. Montrer que (X) est forme de
4 elements.
2. (Cas de n tirages `a pile ou face) Soit n N

, = 0, 1
n
, / = T()) et k 1, , n. La variable
aleatoire X represente le k-i`eme tirage, X est donc lapplication = (
1
, ,
n
)
k
. Montrer
que (X) est ici aussi forme de 4 elements.
71
3. Dans cette question, on prend = R, / = B(R) et, pour tout , X() = [], o` u []
designe la partie enti`ere de (cest-`a-dire [] = maxn Z, t.q. n . Si C est un borelien inclus
dans [0, 1[ (ce qui est equivalent `a dire C B([0, 1[)), on pose (C) =
kZ
C
k
, avec C
k
= x + k,
x C. Montrer que (X) = (C), C B([0, 1[).
Exercice 3.35 (Tribu et partition)
Soit un ensemble. On appelle partition de une famille nie ou denombrable de parties non vides
de et disjointes deux `a deux et dont lunion est egale `a . Les elements dune partition sont appeles
atomes.
1. Soit a = A
i
; i I une partition de et soit (a) la tribu engendree par a. Montrer que
(a) =
_
jJ
A
j
o` uJ I .
En deduire quune v.a. reelle est (a)-mesurable si et seulement si elle est constante sur tous les
atomes de a.
Une partition a est dite plus ne quune partition b si tous les atomes de b secrivent comme union
datomes de a.
2. Montrer que si a est plus ne que b et si b est plus ne que a alors a et b sont egales.
3. Montrer que si a et b sont deux partitions telles que (a) = (b) alors a et b sont egales.
Exercice 3.36 (Fonctions constantes)
Soit (, /, P) un espace de probabilite et X une variable aleatoire (reelle). On suppose que, pour tout
B B(R), on a P(X
1
(B)) = 0 ou 1. Montrer quil existe R t.q. X = p.s.. [On pourra, par
exemple, introduire la fonction de R dans [0, 1] denie par (a) = P(X
1
(] , a])).]
72
Chapter 4
Fonctions integrables
Maintenant quon a construit un espace mesure (E, T, m) (dont un exemple fondamental est (E, T, m) =
(R, B(R), ), on voudrait generaliser la notion dintegrale `a cet espace, cest-`a-dire introduire une applica-
tion qui `a f, fonction de E dans R, associe un reel, dependant de la mesure m, que nous noterons
_
fdm,
tel que:
Si f = 1
A
, A T, alors
_
fdm = m(A),
Lapplication ainsi denie soit lineaire, cest-`a-dire que pour toutes fonctions f et g denies de E
dans R,
_
(f +g)dm =
_
fdm+
_
gdm, (, ) R
2
.
En fait, on ne peut pas denir une telle application sur toutes les fonctions de E dans R, nous allons la
denir seulement sur les fonctions que nous appellerons integrables.
4.1 Integrale dune fonction etagee positive
Soit (E, T, m) un espace mesure. On rappelle que c
+
est lensemble des fonctions etagees de E dans
R, ne prenant que des valeurs positives ou nulles. Si f c
+
, f non nulle, le lemme 3.1 nous donne,
en particulier, lexistence de (a
i
, A
i
)
i=1,...,n
R

+
T t.q. A
i
A
j
= , si i ,= j, i, j 1, . . . , n,
et f =

n
i=1
a
i
1
A
i
. Dautre part, le lemme 3.2 nous permet darmer que, pour une fonction etagee
positive quon ecrit sous la forme : f =

n
i=1
a
i
1
A
i
, o` u les A
i
sont deux `a deux disjoints et les a
i
sont
strictement positifs, la valeur

n
i=1
a
i
m(A
i
) est independante de la decomposition choisie. On peut donc
denir lintegrale sur c
+
de la mani`ere suivante :
Denition 4.1 (Integrale dune fonction de c
+
) Soit (E, T, m) un espace mesure et soit f de E
dans R une fonction etagee positive non nulle (cest-`a-dire f c
+
). Soient (A
i
)
i=1,...,n
T une famille
de parties disjointes deux `a deux (i.e. t.q. A
i
A
j
= si i ,= j) et n reels a
1
, ..., a
n
strictement positifs
tels que f =

n
i=1
a
i
1
A
i
. On denit lintegrale de f, quon note
_
fdm, par :
_
fdm =

n
i=1
a
i
m(A
i
)
(on a donc
_
fdm R
+
). Dautre part, si f = 0, on pose
_
fdm = 0.
Remarque 4.1 En adoptant la convention 0 += 0, on peut aussi remarquer que si f =
n

i=1
a
i
1
A
i

c
+
, o` u la famille (A
i
)
i=1,...,n
T est t.q. A
i
A
j
= si i ,= j, et o` u les reels a
1
, ..., a
n
sont supposes
73
positifs seulement, on a encore :
_
fdm =
n

i=1
a
i
m(A
i
). (4.1)
Proposition 4.1 (Proprietes de lintegrale sur c
+
) Soient f et g c
+
, et R

+
, alors :
linearite positive : f +g c
+
, et
_
(f +g)dm =
_
fdm +
_
gdm,
monotonie : f g
_
fdm
_
gdm.
D emonstration :
Il est facile de montrer que si f c
+
et R

+
on a f c
+
et
_
fdm =
_
fdm. Pour montrer
la linearite positive, il sut donc de considerer le cas = = 1 et f et g non nulles. Soit donc f,
g c
+
, non nulles. Dapr`es le lemme sur la decomposition canonique des fonctions etagees positives
non nulles (lemme 3.1), on peut ecrire f =

n
i=1
a
i
1
A
i
et g =

m
j=1
b
j
1
B
j
avec 0 < a
1
< . . . < a
n
,
A
i
,= pour tout i, A
i
A
j
= si i ,= j, 0 < b
1
< . . . < b
m
, B
j
,= pour tout j, B
j
B
i
=
si j ,= i. En posant a
0
= b
0
= 0, A
0
= (
n
i=1
A
i
)
c
et B
0
= (
n
j=1
B
j
)
c
, on a aussi f =

n
i=0
a
i
1
A
i
,
g =

m
j=0
b
j
1
B
j
et on peut ecrire f + g =

n
i=0

m
j=0
(a
i
+ b
j
)1
A
i
B
j
=

(i,j)K
(a
i
+ b
j
)1
A
i
B
j
, avec
K = (i, j) 0, . . . , n 0, . . . , m (0, 0).
On a donc f + g c
+
et
_
(f + g)dm =

(i,j)K
(a
i
+ b
j
)m(A
i
B
j
). On en deduit
_
(f + g)dm =

n
i=1

m
j=0
a
i
m(A
i
B
j
) +

m
j=1

n
i=0
b
j
m(A
i
B
j
) =

n
i=1
a
i
m(A
i
) +

m
j=1
b
j
m(B
j
) (car (A
0
, . . . , A
n
)
et (B
0
, . . . , B
m
) sont des partitions de E). On a donc bien montre
_
(f +g)dm =
_
fdm+
_
gdm.
Il reste `a montrer la monotonie. Soit f, g c
+
t.q. f g. On a donc f g c
+
(on rappelle que
c est un espace vectoriel sur R, voir la proposition 3.1) et donc la linearite positive nous donne que
_
fdm =
_
(f g)dm+
_
gdm
_
gdm car
_
(f g)dm 0.
Remarque 4.2
1. Une consequence directe de la linearite positive de lintegrale sur c
+
est que, si f c
+
, pour
nimporte quelle decomposition de f : f =
n

i=1
a
i
1
A
i
c
+
, a
1
, ..., a
n
0 et (A
i
)
i=1,...,n
T (on ne
suppose plus A
i
A
j
= si i ,= j), on a encore, par linearite positive :
_
fdm =
n

i=1
a
i
_
1
A
i
=
n

i=1
a
i
m(A
i
), (4.2)
en posant a
i
m(A
i
) = 0 si a
i
= 0.
2. Une consequence de la monotonie de lintegrale sur c
+
est que, pour tout f c
+
, on a :
_
fdm = sup
_
gdm, g c
+
, g f.
74
4.2 Integrale dune fonction mesurable positive
On donne maintenant un petit lemme fondamental qui va permettre de denir lintegrale des fonctions
de /
+
.
Lemme 4.1 Soient (E, T, m) un espace mesure, (f
n
)
nN
c
+
, et g c
+
, tels que :
f
n+1
(x) f
n
(x), pour tout n N, et tout x E,
lim
n
f
n
(x) g(x), pour tout x E,
alors
lim
n
_
f
n
dm
_
g dm. (4.3)
Noter que la suite (
_
f
n
dm)
nN
est une suite croissante de R
+
, donc sa limite existe dans R
+
.
D emonstration : Pour x E, on pose f(x) = lim
n+
f
n
(x) (cette limite existe et appartient `a R
+
).
Il se peut que f , c
+
, mais on a toujours f /
+
et les hypoth`eses du lemme donne f
n
f quand
n .
Soit ]0, 1[, on denit, pour n N :
A
n
= x E ; g(x) f
n
(x). (4.4)
On a donc A
n
= (f
n
g)
1
([0, [) T, A
n
A
n+1
(car f
n
f
n+1
) et E =
nN
A
n
. En eet, si
x E, on distingue 2 cas :
1. Si g(x) = 0, alors x A
n
pour tout n N donc x
nN
A
n
,
2. Si g(x) > 0, on a alors g(x) < g(x) lim
n
f
n
(x). Il existe donc n
x
(dependant de x) t.q.
x A
n
pour n n
x
. Donc, x
nN
A
n
.
On a donc bien montre que E =
nN
A
n
. (Comme A
n
A
n+1
, pour tout n N, on peut aussi remarquer
que la suite de fonctions (g1
A
n
)
nN
converge simplement et en croissant vers la fonction g.)
On remarque maintenant que g1
A
n
c
+
, f
n
c
+
et que, grace `a la denition de A
n
, on a g1
A
n
f
n
.
La monotonie de lintegrale sur c
+
donne donc :
_
g1
A
n
dm
_
f
n
dm. (4.5)
En utilisant la decomposition canonique de g (lemme 3.1) il existe (b
i
, B
i
)
i=1,...,p
t.q. 0 < b
1
< . . . < b
p
,
B
i
,= pour tout i, B
i
B
j
= si i ,= j et g =

p
i=1
b
i
1
B
i
. On a donc g1
A
n
=

p
i=1
b
i
1
B
i
A
n
et
donc :
_
g1
A
n
dm =
p

i=1
b
i
m(B
i
A
n
).
Comme
nN
(B
i
A
n
) = B
i
(
nN
A
n
) = B
i
E = B
i
, la continuite croissante de m donne m(B
i
A
n
)
m(B
i
), quand n . On en deduit :
lim
n
_
g1
A
n
dm = lim
n
p

i=1
b
i
m(B
i
A
n
) =
p

i=1
b
i
m(B
i
) =
_
gdm.
75
On peut donc passer `a la limite, quand n , dans (4.5) et obtenir :
_
gdm lim
n
_
f
n
dm.
Enn, la linearite positive de lintegrale sur c
+
donne
_
gdm =
_
gdm. On conclut la demonstration
du lemme en faisant tendre vers 1.
Remarque 4.3 Dans la demonstration precedente, on a besoin de < 1 pour pouvoir ecrire g(x)
f
n
(x) pour n n
x
, avec n
x
N pouvant dependre de x. Un tel n
x
pourrait ne pas exister en prenant
= 1.
Le lemme suivant est une consequence simple du lemme 4.1.
Lemme 4.2 Soient (E, T, m) un espace mesure et f /
+
. Soient deux suites (f
n
)
nN
et (g
n
)
nN
delements de c
+
convergeant simplement et en croissant vers f. On a alors :
lim
n
_
f
n
dm = lim
n
_
g
n
dm. (4.6)
D emonstration :
Il sut dappliquer le lemme 4.1 avec g = g
p
, p xe. On obtient
_
g
p
dm lim
n
_
f
n
dm. Puis, passant
`a la limite quand p , lim
p
_
g
p
dm lim
n
_
f
n
dm. On obtient enn (4.6) en changeant les
roles de f
n
et g
p
.
Le lemme 4.2 permet donc de denir lintegrale sur /
+
de la mani`ere suivante :
Denition 4.2 (Integrale sur /
+
) Soient (E, T, m) un espace mesure, et f /
+
. Dapr`es la propo-
sition sur la mesurabilite positive, il existe une suite (f
n
)
nN
c
+
telle que f
n
f quand n ,
cest-`a-dire :
Pour tout x E, f
n
(x) f(x), quand n ,
f
n+1
(x) f
n
(x), pour tout x E, et tout n N.
On denit lintegrale de f en posant :
_
fdm = lim
n
_
f
n
dm ( R
+
). (4.7)
On a aussi la caracterisation suivante, parfois bien utile, de lintegrale dune fonction mesurable positive
`a partir dintegrales de fonctions etagees positives:
Lemme 4.3 Soient (E, T, m) un espace mesure et f /
+
; alors
_
fdm = sup
_
gdm, g c
+
, g f.
76
D emonstration : Soit (f
n
)
nN
c
+
telle que f
n
f quand n .
La monotonie de lintegrale sur c
+
donne que
_
f
n
dm = sup
_
gdm, g c
+
, g f
n
(voir la remar-
que 4.2). Comme f
n
f, on a donc, pour tout n N :
_
f
n
dm = sup
_
gdm, g c
+
, g f
n
sup
_
gdm, g c
+
, g f.
La denition de
_
fdm donne alors :
_
fdm sup
_
gdm, g c
+
, g f.
Pour montrer linegalite inverse, soit g c
+
t.q. g f. Comme f
n
f, le lemme 4.1 donne
_
gdm
lim
n
_
f
n
dm =
_
fdm. On a donc sup
_
gdm, g c
+
, g f
_
fdm.
Proposition 4.2 (Proprietes de lintegrale sur /
+
) Soient f et g /
+
, et R

+
, alors :
linearite positive : f +g /
+
, et
_
(f +g)dm =
_
fdm +
_
gdm,
monotonie : f g
_
fdm
_
gdm.
D emonstration :
La linearite positive se demontre de mani`ere tr`es simple `a partir de la linearite positive sur c
+
(proposition
4.1). et de la denition 4.2.
La monotonie est une consequence immediate du lemme 4.3.
Remarque 4.4 (A propos de 0 . . .) Soient (E, T, m) un espace mesure et A T t.q. m(A) = 0.
On note I
A
la fonction indicatrice de lensemble A. Cette fonction est denie de E dans R
+
par :
I
A
(x) = + si x A et I
A
(x) = 0 si x , A. Cette fonction est souvent notee aussi 1
A
. Il est clair que
I
A
/
+
et que I
A
est la limite croissante de la suite (f
n
)
nN
c
+
denie par f
n
= n1
A
. On en deduit,
en utilisant la denition de lintegrale sur /
+
, que
_
I
A
dm = 0.
Une consequence de cette remarque est le lemme suivant :
Lemme 4.4 Soit (E, T, m) un espace mesure.
1. Soit f /
+
et A T. On note f1
A
/
+
la fonction denie par f1
A
(x) = f(x) si x A
et f1
A
(x) = 0 si x A
c
. On denit
_
A
fdm par
_
f1
A
dm. On suppose que m(A) = 0. Alors,
_
A
fdm = 0.
2. Soit f, g /
+
t.q. f = g p.p.. Alors,
_
fdm =
_
gdm.
3. Soit f /
+
t.q. f = 0 p.p.. Alors
_
fdm = 0.
D emonstration :
1. Soit f /
+
et A T t.q. m(A) = 0. Soit I
A
la fonction indicatrice de lensemble A (denie dans
la remarque 4.4). On a evidemment f1
A
I
A
et donc, par monotonie,
_
f1
A
dm = 0.
77
2. Soit f, g /
+
t.q. f = g p.p.. Soit A T t.q. m(A) = 0 et f1
A
c = g1
A
c . On a donc f1
A
c ,
g1
A
c /
+
et
_
f1
A
c dm =
_
g1
A
c dm. Dautre part, comme
_
f1
A
dm =
_
g1
A
dm = 0, on a aussi,
par linearite positive
_
fdm =
_
f1
A
c dm +
_
f1
A
dm =
_
f1
A
c dm (et de meme pour g). Donc,
_
fdm =
_
gdm.
3. Soit f /
+
t.q. f = 0 p.p.. Alors
_
fdm =
_
0dm = 0.
Ce lemme nous permet detendre la denition de lintegrale `a certaines fonctions non mesurables :
Denition 4.3 Soit (E, T, m) un espace mesure et f denie sur A
c
, `a valeurs dans R (resp. R
+
), avec
A T, m(A) = 0 (on dit que f est denie p.p., car f nest pas denie sur A).
1. f est m-mesurable (resp. m-mesurable positive) si il existe g / (resp. g /
+
) t.q. f = g p.p..
(cest-`a-dire quil existe B T t.q. m(B) = 0, B A et f = g sur B
c
).
2. Soit f m-mesurable positive. On pose
_
fdm =
_
gdm, avec g /
+
t.q. f = g p.p. (noter que
cette integrale ne depend pas du choix de g, grace au lemme 4.4).
Remarque 4.5 Soit (E, T, m) un espace mesure. Il est facile de montrer les resultats suivants :
1. Soit f de E dans R ou R
+
. Alors, f c
+
si et seulement si f /
+
, Imf R
+
et card(Imf) < .
2. Soit A T t.q. m(A) = 0 et f de A
c
dans R. Alors, f est m-mesurable si et seulement si il existe
(f
n
)
nN
c t.q. f
n
f p.p. (voir lexercice 4.17).
3. Soit A T t.q. m(A) = 0 et f de A
c
dans R
+
. Alors, f est m-mesurable positive si et seulement
si il existe (f
n
)
nN
c
+
t.q. f
n
f p.p..
Le resultat suivant sera souvent utile par la suite. En particulier, les inegalites de Markov et Bienayme-
Tchebichev (voir la section 4.9) en decoulent immediatement.
Lemme 4.5 Soient (E, T, m) un espace mesure, f /
+
et t R

+
; alors :
m(f t)
1
t
_
fdm. (4.8)
D emonstration : On denit A
t
= f t = x E ; f(x) t. On a A
t
T et f t1
A
t
. Par
monotonie de lintegrale sur /
+
, on en deduit linegalite 4.8.
4.3 Theor`eme de convergence monotone et lemme de Fatou
Theor`eme 4.1 (Convergence Monotone (1)) Soit (E, T, m) un espace mesure et soit (f
n
)
nN

/
+
t.q. f
n+1
(x) f
n
(x), pour tout n N et tout x E. On pose, pour tout x E, f(x) =
lim
n+
f
n
(x) R
+
. Alors f /
+
et :
_
f
n
dm
_
fdm lorsque n +.
78
D emonstration :
Noter que si (f
n
)
nN
c
+
, le fait que
_
f
n
dm
_
fdm, lorsque n +, est donne par la denition de
lintegrale sur /
+
. La diculte est donc ici de travailler avec (f
n
)
nN
/
+
au lieu de (f
n
)
nN
c
+
.
Comme (f
n
)
nN
/
+
converge simplement et en croissant vers f, la proposition 3.5 donne f /
+
.
Puis, par monotonie de lintegrale sur /
+
, on a
lim
n+
_
f
n
dm
_
f dm. (4.9)
Il reste donc `a montrer que :
lim
n+
_
f
n
dm
_
f dm. (4.10)
Pour montrer (4.10), on va construire une suite de fonctions (g
p
)
pN
c
+
t.q g
p
f, quand p , et
g
p
f
p
, pour tout p N.
Pour tout n N, f
n
/
+
; il existe une suite de fonctions (f
n,p
)
pN
c
+
t.q. f
n,p
f
n
lorsque p tend
vers +. On denit alors :
g
p
= sup
np
f
n,p
(4.11)
On note que :
1. g
p
c
+
car g
p
est le sup dun nombre ni delements de c
+
(donc g
p
est mesurable, Im(g
p
) R
+
et card(Im(g
p
)) < , ce qui donne g
p
c
+
).
2. g
p+1
g
p
, pour tout p N. En eet, comme f
n,p+1
f
n,p
(pour tout n et p), on a
g
p+1
= supf
p+1,p+1
, sup
np
f
n,p+1
sup
np
f
n,p+1
sup
np
f
n,p
= g
p
.
On peut donc denir, pour x E, g(x) = lim
p
g
p
(x) R
+
(car la suite (g
p
(x))
pN
est croissante
dans R
+
).
3. g = f. En eet, on remarque que g
p
f
n,p
si n p. On xe n et on fait tendre p vers linni,
on obtient g f
n
pour tout n N. En faisant n on en deduit g f. Dautre part, on a
f
n,p
f
n
f pour tout n et tout p. On a donc g
p
f pour tout p. En faisant p on en
deduit g f. On a bien montre que f = g.
4. g
p
f
p
pour tout p N. En eet, f
n,p
f
n
f
p
si n p. On a donc g
p
= sup
np
f
n,p
f
p
.
Les points 1 ` a 3 ci dessus donnent (g
p
)
pN
c
+
et g
p
f quand p . Donc, la denition de lintegrale
sur /
+
donne
_
fdm = lim
p
_
g
p
dm.
Le point 4 donne (par monotonie de lintegrale sur /
+
)
_
g
p
dm
_
f
p
dm, on en deduit
_
fdm =
lim
p
_
g
p
dm lim
p
_
f
p
dm.
Finalement, on obtient bien
_
fdm = lim
p
_
f
p
dm.
On utilisera souvent une leg`ere extension (facile) du theor`eme de convergence monotone :
79
Theor`eme 4.2 (Convergence Monotone (2)) Soit (E, T, m) un espace mesure et soit (f
n
)
nN

/
+
. On suppose que f
n
f p.p. (cest-`a-dire que il existe A T t.q. m(A) = 0 et f
n
(x) f(x)
pour tout x A
c
). La fonction f (denie p.p.) est alors mmesurable positive (cest-`a-dire que il existe
g /
+
t.q. f = g p.p.) et
_
f
n
dm
_
fdm. On rappelle que, par denition (voir la denition 4.3),
_
fdm =
_
gdm avec g /
+
t.q. f = g p.p..
D emonstration :
Soit A T t.q. m(A) = 0 et f
n
f sur A
c
, quand n . On pose g
n
= f
n
1
A
c (cest-`a-dire g
n
(x) = f
n
(x)
si x A
c
et g
n
(x) = 0 si x A). On a g
n
/
+
et g
n
g avec g = f1
A
c (cest-`a-dire g(x) = f(x) si
x A
c
et g(x) = 0 si x A). Comme g /
+
et f = g p.p., on a donc f mmesurable positive. Puis, le
theor`eme 4.1 donne
_
g
n
dm
_
gdm quand n . Dautre part, on a
_
g
n
dm =
_
f
n
dm (car f
n
= g
n
p.p.) et
_
gdm =
_
fdm (par denition de
_
fdm), donc
_
f
n
dm
_
fdm.
Corollaire 4.1 (Series `a termes positifs ou nuls) Soient (E, T, m) un espace mesure, (f
n
)
nN

/
+
; on pose, pour tout x E, f(x) =
+

n=0
f
n
(x)( R
+
). Alors f /
+
et
_
fdm =
+

n=0
_
f
n
dm.
D emonstration : On applique le theor`eme de convergence monotone (theor`eme 4.1) `a la suite (g
n
)
nN
denie par
g
n
=
n

p=0
f
p
.
On a g
n
/
+
et g
n
f. Donc f /
+
et
n

p=0
_
f
p
dm =
_
g
n
dm
_
fdm.
Lemme 4.6 (Fatou) Soient (E, T, m) un espace mesure, (f
n
)
nN
/
+
. On pose pour tout x E :
f(x) = liminf
n+
f
n
(x) = lim
n+
( inf
pn
f
p
(x)) R
+
. Alors f /
+
et :
_
fdm liminf
n+
_
f
n
dm = lim
n+
( inf
pn
_
f
p
dm). (4.12)
D emonstration : Pour n N, on pose g
n
(x) = inf
pn
f
p
(x) (pour tout x E), de sorte que g
n
/
+
(cf. proposition 3.5) et g
n
f. Le theor`eme de convergence monotone (theor`eme 4.1) donne que f /
+
et
_
g
n
dm
_
fdm.
Or, g
n
f
p
si p n. On a donc
_
g
n
dm
_
f
p
dm si p n et donc (en xant n)
_
g
n
dm inf
pn
_
f
p
dm.
On en deduit
_
fdm = lim
n
_
g
n
dm lim
n
( inf
pn
_
f
p
dm) = liminf
n
_
f
n
dm.
80
Le lemme de Fatou est souvent utilise avec des suites (f
n
)
nN
/
+
telles que la suite (
_
f
n
dm)
nN
est
bornee et la suite (f
n
(x))
nN
est convergente pour presque tout x E. Il permet alors de montrer que la
limite (au sens de la convergence p.p.) de la suite (f
n
)
nN
est integrable (voir les paragraphes suivants).
On utilise pour cela le corollaire (immediat) suivant :
Corollaire 4.2 Soient (E, T, m) un espace mesure et (f
n
)
nN
/
+
t.q. f
n
(x) f(x), pour presque
tout x E, lorsque n +. On suppose quil existe C 0 t.q.
_
f
n
dm C, pour tout n N. Alors,
f est mmesurable positive et
_
f dm C.
D emonstration : Comme (f
n
)
nN
/
+
et f
n
f p.p., on a bien f mmesurable positive. On pose
g = liminf
n
f
n
(cest-`a-dire g(x) = liminf
n
f
n
(x) pour tout x E). On a donc g /
+
et f = g
p.p. donc
_
fdm =
_
gdm par denition de lintegrale des fonctions m-mesurables (denition 4.3).
Le lemme de Fatou donne
_
fdm =
_
gdm liminf
n
_
g
n
dm et donc
_
fdm C car
_
g
n
dm C
pour tout n N.
4.4 Mesures et probabilites de densite
4.4.1 Denitions
A partir dune mesure et dune fonction mesurable positive, on peut denir une autre mesure de la mani`ere
suivante :
Denition 4.4 (Mesure de densite)
Soient (E, T, m) un espace mesure et f /
+
. Pour A T, on rappelle que f1
A
est la fonction (de E
dans R
+
) denie par f1
A
(x) = f(x) si x A et f1
A
(x) = 0 si x A
c
(cette fonction appartient `a /
+
)
et on denit
_
A
fdm par
_
f1
A
dm.
On denit alors : T R
+
par :
(A) =
_
f1
A
dm =
_
A
fdm, A T. (4.13)
Lapplication ainsi denie est une mesure sur T (ceci est demontre dans lexercice 4.22), appelee mesure
de densite f par rapport `a m, et notee = fm.
Proposition 4.3 Soient (E, T, m) un espace mesure, f /
+
et la mesure de densite f par rapport
`a m. Alors, la mesure est absolument continue par rapport `a la mesure m, cest-`a-dire que si A T
est tel que m(A) = 0, alors (A) = 0.
D emonstration : Soit A T t.q. m(A) = 0. On a alors f1
A
= 0 m-p.p. et donc (A) =
_
f1
A
dm = 0
dapr`es le lemme 4.4.
On deduit de cette proposition que la mesure de Dirac denie sur B(R) par :
(A) = 1 si 0 A
(A) = 0 si 0 A
c
.
(4.14)
81
nest pas une mesure de densite par rapport `a la mesure de Lebesgue (on peut montrer que ces deux
mesures sont etrang`eres (voir denition 2.16 et proposition 2.4).
Notons que lon peut aussi denir des mesures signees de densite, voir la denition 6.15.
4.4.2 Exemples de probabilites de densite
Denition 4.5 (Probabilite de densite) Soit p une probabilite sur B(R), on dit que p est une proba-
bilite de densite (par rapport `a Lebesgue) sil existe f /
+
t.q.
_
fd = 1 et p(A) =
_
f1
A
d =
_
A
fd
pour tout A B(R).
Les lois de probabilite sur B(R), de densite par rapport `a la mesure de Lebesgue, donnees dans la
proposition suivante seront souvent utilisees dans le calcul des probabilites (On rappelle quune loi de
probabilite est, par denition, une probabilite sur B(R)).
Denition 4.6 (Quelques lois de densite sur B(R))
1. Loi uniforme, |(a, b) Soit a, b R, a < b, la loi uniforme sur [a, b] est la loi de densite
1
ba
1
[a,b]
:
p(A) =
1
ba
_
1
[a,b]
1
A
d, A T .
2. Loi exponentielle, c() Soit > 0; la loi exponentielle est denie par la densite f denie par :
f(x) =
_
0 si x < 0
e
x
si x 0
(4.15)
3. Loi de Gauss, ^(,
2
) Soit (, ) RR

+
; la loi de Gauss de param`etre (, ) est denie par la
densite f denie par :
f(x) =
1

2
exp
_

(x )
2
2
2
_
(4.16)
4.5 Lespace L
1
des fonctions integrables
Soit f /, La proposition 3.7 donne que [f[, f
+
, f

/
+
et la monotonie de lintegrale sur /
+
donne
_
f
+
dm
_
[f[dm et
_
f

dm
_
[f[dm. Ceci va nous permette de denir lespace L
1
et lintegrale sur
L
1
`a partir de lintegrale sur /
+
(denition 4.2 page 76).
Denition 4.7 (Espace L
1
et Integrale de Lebesgue) Soient (E, T, m) un espace mesure et f
/. On dit que f est integrable (ou integrable au sens de Lebesgue) si
_
[f[dm < +. Dans ce cas, on
a aussi
_
f
+
dm < + et
_
f

dm < +. On pose alors :


_
fdm =
_
f
+
dm
_
f

dm ( R). (4.17)
On note L
1
R
(E, T, m) (ou plus simplement L
1
) lensemble des fonctions integrables.
Soit f /, la linearite positive de lintegrale sur /
+
donne
_
[f[dm =
_
f
+
dm +
_
f

dm. On voit
donc que f L
1
si et seulement si
_
f
+
dm < et
_
f

dm < .
Proposition 4.4 (Proprietes de L
1
et de lintegrale sur L
1
) Soit (E, T, m) un espace mesure. On
a alors :
82
1. L
1
est un espace vectoriel sur R.
2. Lapplication f
_
fdm est une application lineaire de L
1
dans R.
3. Monotonie : soient f et g L
1
telles que f g ; alors
_
fdm
_
gdm
4. Pour tout f L
1
, [
_
fdm[
_
[f[dm.
D emonstration :
1. On sait dej`a que / est un espace vectoriel sur R (proposition 3.5). Pour montrer que L
1
est un
espace vectoriel sur R, il sut de remarquer, en utilisant la linearite positive et la monotonie de
lintegrale sur /
+
, que
_
[f[dm = [[
_
[f[dm et
_
[f + g[dm
_
[f[dm +
_
[g[dm, pour tout
f, g / et tout R.
2. (a) Soit R et f L
1
. On veut montrer que
_
fdm =
_
fdm. (4.18)
Cas 1. Si = 0, (4.18) est bien vraie.
Cas 2. Si > 0, on remarque que (f)
+
= f
+
et (f)

= f

. En utilisant la linearite positive


de lintegrale sur /
+
, on en deduit
_
fdm =
_
(f)
+
dm
_
(f)

dm = (
_
f
+
dm
_
f

dm) =
_
fdm.
Cas 3. Si < 0, on remarque que (f)
+
= ()f

et (f)

= ()f
+
. En utilisant la
linearite positive de lintegrale sur /
+
, on en deduit
_
fdm =
_
(f)
+
dm
_
(f)

dm =
()(
_
f

dm
_
f
+
dm) =
_
fdm.
(b) Soit f, g L
1
. On veut montrer que
_
(f +g)dm =
_
fdm+
_
gdm.
On utilise les deux decompositions de f +g : f +g = (f +g)
+
(f +g)

= f
+
f

+g
+
g

.
On en deduit (f +g)
+
+f

+g

= (f +g)

+f
+
+g
+
. En utilisant la linearite positive de
lintegrale sur /
+
, on en deduit
_
(f +g)
+
dm+
_
f

dm+
_
g

dm =
_
(f +g)

dm+
_
f
+
dm+
_
g
+
dm.
On en deduit (noter que tous les termes de legalite precedente sont dans R
+
)
_
(f +g)
+
dm
_
(f +g)

dm =
_
f
+
dm
_
f

dm+
_
g
+
dm
_
g

dm,
et donc
_
(f +g)dm =
_
fdm+
_
gdm.
On a bien montre que lapplication f
_
fdm est une application lineaire de L
1
dans R.
83
3. Soit f, g L
1
t.q. f g. On remarque que f
+
f

g
+
g

, donc f
+
+ g

g
+
+ f

. En
utilisant la linearite positive et la monotonie de lintegrale sur /
+
, on en deduit
_
f
+
dm+
_
g

dm
_
g
+
dm+
_
f

dm et donc
_
fdm =
_
f
+
dm
_
f

dm
_
g
+
dm
_
g

dm =
_
gdm.
4. Soit f L
1
. On a [
_
fdm[ = [
_
f
+
dm
_
f

dm[
_
f
+
dm+
_
f

dm =
_
[f[dm.
On peut denir sur L
1
une semi-norme de la mani`ere suivante :
Denition 4.8 (Semi-norme sur L
1
) Soient (E, T, m) un espace mesure et f L
1
. On pose :
|f|
1
=
_
[f[dm (4.19)
Lapplication de L
1
dans R
+
denie par f |f|
1
est une semi-norme sur L
1
.
On a bien |f|
1
R
+
pour tout f L
1
. Le fait que f |f|
1
est une semi-norme sur L
1
decoule alors
de la partie 1 de la demonstration de la proposition 4.4, cest-`a-dire du fait que
_
[f[dm = [[
_
[f[dm
et
_
[f + g[dm
_
[f[dm +
_
[g[dm, pour tout f, g / et tout R. Par contre, | |
1
nest pas une
norme sur L
1
car |f|
1
= 0 nentrane pas f = 0 mais seulement f = 0 p.p., comme cela est demontre `a
la proposition 4.5.
Proposition 4.5 Soit (E, T, m) un espace mesure.
1. Soit f /
+
. Alors
_
fdm = 0 si et seulement si f = 0 p.p..
2. Soit f L
1
. Alors |f|
1
= 0 si et seulement si f = 0 p.p..
3. Soit f, g L
1
t.q. f = g p.p.. Alors
_
fdm =
_
gdm.
D emonstration :
1. Soit f /
+
.
(a) On suppose que f = 0 p.p. . On a alors
_
fdm =
_
0dm = 0 (ceci est donne par le troisi`eme
point du lemme 4.4.)
(b) on suppose que
_
fdm = 0. Soit n N

, le lemme 4.5 page 78 donne


_
fdm
1
n
m(f
1
n
).
On a donc m(f
1
n
) = 0 et m(f > 0)

nN

m(f
1
n
) = 0 (on a utilise ici la
-sous additivite de m). Comme f = 0
c
= f > 0, on en deduit f = 0 p.p..
2. Soit f L
1
. La propriete demontree ci dessus donne |f|
1
= 0 si et seulement si [f[ = 0 p.p., et
donc |f|
1
= 0 si et seulement si f = 0 p.p.
3. Soit f, g L
1
t.q. f = g p.p.. On a [
_
fdm
_
gdm[ = [
_
(f g)dm[
_
[f g[dm = 0 (On a
utilise le quatri`eme point de la proposition 4.4 et [f g[ = 0 p.p.). Donc,
_
fdm =
_
gdm.
La derni`ere assertion de la proposition precedente nous permettra, dans la prochaine section, de denir
lintegrale sur un espace appele L
1
.
On conclut cette section par une proposition preliminaire au theor`eme de convergence dominee.
84
Proposition 4.6 Soit (E, T, m) un espace mesure. Soit (f
n
)
nN
L
1
, f / et g L
1
t.q. f
n
f
p.p., quand n , et, pour tout n N, [f
n
[ g p.p.. On a alors f L
1
, |f
n
f|
1
0, quand n
et
_
f
n
dm
_
fdm, quand n .
D emonstration :
Comme f
n
f p.p. quand n , Il existe A T t.q. m(A) = 0 et f
n
(x) f(x) pour tout x A
c
.
Puis, comme [f
n
[ g p.p., il existe, pour tout n N, B
n
T t.q. m(B
n
) = 0 et [f
n
[ g sur B
c
n
. On
pose C = A (
nN
B
n
). Par -sous additivite de m, on a aussi m(C) = 0. On pose alors h
n
= f
n
1
C
c ,
h = f1
C
c G = g1
C
c , de sorte que h
n
= f
n
p.p., h = f p.p. et G = g p.p.. De plus les fonctions h
n
, h et
G sont toujours mesurables et donc h
n
L
1
, h / et G L
1
.
Comme [h
n
(x)[ G(x) pour tout x E (et pour tout n N) et h
n
(x) h(x) pour tout x E. On a
aussi [h[ G. Ceci montre que h L
1
et donc que f L
1
.
On pose maintenant F
n
= 2G[h
n
h[. Comme [h
n
h[ 2G, on a F
n
/
+
et on peut donc appliquer
le lemme de Fatou (lemme 4.6) `a la suite (F
n
)
nN
. Comme liminf
n
F
n
= 2G, on obtient :
_
2Gdm liminf
n
_
(2G[h
n
h[)dm = lim
n
( inf
pn
_
(2G[h
n
h[)dm). (4.20)
La linearite de lintegrale sur L
1
donne
_
(2G[h
n
h[)dm =
_
2Gdm
_
[h
n
h[dm. Donc :
inf
pn
_
(2G[h
n
h[)dm =
_
2Gdm sup
pn
_
[h
n
h[dm
et
liminf
n
_
(2G[h
n
h[)dm =
_
2Gdmlimsup
n
_
[h
n
h[dm.
Linegalite 4.20 devient alors (en remarquant que
_
2Gdm R) :
limsup
n
_
[h
n
h[dm 0.
On a donc |h
n
h|
1
0 quand n et, comme h
n
h = f
n
f p.p., on en deduit |f
n
f|
1
0,
quand n , et donc
_
f
n
dm
_
fdm, quand n (grace au quatri`eme point de la proposition
4.4).
4.6 Lespace L
1
Dans toute cette section, on travaille avec un espace mesure (E, T, m).
On denit maintenant une relation dequivalence, notee (= p.p.), sur L
1
par :
f (= p.p.) g si f = g p.p.. (4.21)
Denition 4.9 (L
1
) Lensemble L
1
= L
1
R
(E, T, m) est lensemble des classes dequivalence de la relation
(= p.p.) denie sur L
1
, i.e. L
1
= L
1
/(= p.p.).
Dans la suite, L
1
designe L
1
R
(E, T, m) et L
1
designe L
1
R
(E, T, m).
85
Remarque 4.6
1. Un element de L
1
est donc une partie de L
1
.
2. Si f L
1
, on note

f = g L
1
; g = f p.p..

f est donc un element de L
1
, cest lelement de L
1
auquel f appartient (on lappelle la classe de f).
Denition 4.10 (Structure vectorielle sur L
1
) On munit L
1
dune structure vectorielle (faisant de
L
1
un espace vectoriel sur R)
1. Soient F L
1
et R. On choisit f F et on pose F = g L
1
; g = f p.p..
2. Soient F, G L
1
. On choisit f F, g G et on pose F +G = h L
1
; h = f +g p.p..
La denition precedente est bien coherente. En eet F (qui est la classe de f) ne depend pas du choix
de f dans F car f = f
1
p.p. implique f = f
1
p.p.. De meme F + G (qui est la classe de f + g) ne
depend pas du choix de f dans F et du choix de g dans G car f = f
1
p.p. et g = g
1
p.p. implique
f +g = f
1
+g
1
p.p..
Denition 4.11 (Integrale sur L
1
) Soit F L
1
et f F (on dit que f est un representant de la
classe F, noter que f L
1
). On pose :
_
Fdm =
_
fdm. (4.22)
Ici aussi cette denition est bien coherente car
_
Fdm ne depend pas du choix de f dans F, grace
au troisi`eme point de la proposition 4.5. Le troisi`eme point de la proposition 4.5 nous donne aussi
|f|
1
= |g|
1
si f, g L
1
et f = g p.p.. Ceci nous permet de denir une norme sur L
1
:
Denition 4.12 (Norme sur L
1
) Soit F L
1
. On choisit f F et on pose |F|
1
= |f|
1
.
Proposition 4.7 Lapplication F |F|
1
est une norme sur L
1
. Lespace L
1
muni de la norme | |
1
est donc un espace vectoriel norme.
D emonstration : Il est facile de verier que | |
1
est bien une norme sur R (sachant que cest dej`a
une semi-norme sur L
1
). Le seul point delicat est de remarquer que |F|
1
= 0 implique que F = 0 (0
est ici lelement neutre de L
1
, cest-`a-dire h L
1
; h = 0 p.p.). Ceci decoule du premier point de la
proposition 4.5.
On montrera plus loin que L
1
est complet, cest donc un espace vectoriel norme complet, cest-`a-dire un
espace de Banach, voir le theor`eme 4.6 page 91.
On rappelle que si f L
1
, F L
1
et que f F, on dit que f est un representant de F. On introduit
maintenant plusieurs notions de convergence dans L
1
. Il est facile de verier que ces denitions sont
coherentes, cest-`a-dire quelles ne dependent pas des representants choisis pour les elements de L
1
.
La notion de convergence simple na pas de sens dans L
1
, mais la notion de convergence p.p., vue
precedemment, se generalise aux elements de L
1
ainsi que la notion de convergence en mesure.
Denition 4.13 Soit (E, T, m) un espace mesure.
1. Soient (F
n
)
nN
L
1
et F L
1
. On dit que F
n
F p.p. quand n si f
n
f p.p., quand
n , avec f
n
F
n
et f F.
86
2. Soient (F
n
)
nN
L
1
et F L
1
. On dit que F
n
F en mesure quand n si f
n
f en
mesure, quand n , avec f
n
F
n
et f F.
3. Soient (F
n
)
nN
L
1
et F L
1
. On dit que F
n
F dans L
1
quand n si |F
n
F|
1
0
quand n . (Ici aussi, noter que |F
n
F|
1
= |f
n
f|
1
si f
n
F
n
et f F.)
4. Soient F, G L
1
. On dit que F G p.p. si f g p.p. avec f F et g G.
On peut demontrer (sinspirer de la demonstration du theor`eme 4.7 et voir les exercices du chapitre 3)
que si une suite de fonctions de L
1
converge en mesure, alors on peut en extraire une sous-suite qui
converge presque partout. Dans le cas o` u la mesure m est nie, la convergence presque partout entrane
la convergence en mesure.
Remarque 4.7 Soit (E, T, m) un espace mesure. Soient F, G L
1
. F = G est donc equivalent `a f = g
p.p. si f F et g G. En general, on ecrira plutot F = G p.p. au lieu de F = G (voir la remarque 4.9).
Remarque 4.8 Soit (E, T, m) un espace mesure. Soient (F
n
)
nN
L
1
et f : E R (ou f : E R).
On utilisera souvent la notation (legerement incorrecte), F
n
f p.p. quand n . Cette notation
signie f
n
f p.p. quand n en choissisant f
n
F
n
. Ceci est coherent car le fait que f
n
f
p.p. quand n ne depend pas du choix de f
n
dans F
n
(voir aussi la remarque 4.9).
En fait, on ecrira meme souvent F
n
f p.p. quand n (pour une suite (F
n
)
nN
L
1
) sans
preciser les espaces de depart et darrivee pour f. A vrai dire, en choissisant f
n
F
n
, f est au moins
denie p.p. sur E et le changement du choix de f
n
dans F
n
ne change f que sur un ensemble de mesure
nulle. Dautre part, en labsence de precision, f sera supposee etre `a valeurs dans R.
Proposition 4.8 (proprietes de lintegrale sur L
1
) Soit (E, T, m) un espace mesure. On a alors :
1. Soit F L
1
. Alors [
_
Fdm[ |F|
1
.
2. F
_
Fdm est une application lineaire continue de L
1
dans R.
3. Soient F, G L
1
t.q. F G p.p., alors
_
Fdm
_
Gdm.
D emonstration :
1. Soit F L
1
et f F, on a [
_
Fdm[ = [
_
fdm[ |f|
1
= |F|
1
.
2. La linearite de lintegrale sur L
1
decoule immediatement de la linearite de lintegrale sur L
1
(propo-
sition 4.4). La continuite est donne par le premier point ci dessus.
3. La monotonie de lintegrale sur L
1
decoule immediatement de la monotonie de lintegrale sur L
1
(proposition 4.4).
Remarque 4.9 soit (E, T, m) un espace mesure.
1. On confondra dans la suite un element F de L
1
avec un representant f de F, cest-`a-dire avec un
element f L
1
t.q. f F.
87
2. De mani`ere plus generale, soit A E t.q. A
c
soit negligeable (cest-`a-dire A
c
B avec B T et
m(B) = 0) et soit f : A R (la fonction f est donc denie p.p.). On dira que f est un element
de L
1
si il existe une fonction g L
1
t.q. f = g p.p.. On confond donc, en fait, la fonction f avec
la classe dequivalence de g, cest-`a-dire avec g = h L
1
; h = g p.p.. Dailleurs, cet ensemble est
aussi egal `a h L
1
; h = f p.p.. En confondant ainsi f et g on a donc
_
fdm =
_
gdm. Noter
egalement que f est m-mesurable (voir la denition 4.3 page 78).
3. Avec la confusion decrite ci-dessus, si f et g sont des elements de L
1
, f = g signie en fait f = g
p.p..
Remarque 4.10 Soient (E, T, m) un espace mesure, et (E, T, m) son complete (cf denition 2.15 et
exercice 2.15). Lespace L
1
R
(E, T, m) est identique`a lespace L
1
R
(E, T, m), il existe une bijection evidente
entre ces deux espaces en remarquant que si f L
1
R
(E, T, m), alors il existe g L
1
R
(E, T, m) t.q. f = g
p.p. (voir `a ce propos lexercice 4.9).
Pour montrer quune fonction est dans L
1
on utilise souvent le lemme de Fatou de la mani`ere suivante
(voir lexercice 4.27 pour la demonstration, qui est en fait une consequence facile du lemme de Fatou pour
les fonctions mesurables positives, cf lemme 4.6) :
Lemme 4.7 (Utilisation de Fatou) Soient (E, T, m) un espace mesure, et (f
n
)
nN
L
1
R
(E, T, m).
On suppose que :
1. f
n
0 p.p., n N,
2. C,
_
f
n
dm C, n N,
3. f
n
f p.p., quand n ,
alors f L
1
R
(E, T, m) (au sens il existe g L
1
R
(E, T, m) t.q. f = g p.p.) et
_
[f[dm C.
On peut egalement montrer quune fonction est dans L
1
en utilisant le theor`eme de convergence monotone.
Ceci est precise dans le theor`eme 4.3 (dit theor`eme de Beppo-Levi) (qui donne aussi un resultat de
convergence dans L
1
).
4.7 Theor`emes de convergence dans L
1
Nous connaissons `a present trois notions de convergence pour les fonctions de L
1
, les notions de con-
vergence presque partout, convergence en mesure et la notion de convergence habituelle dans un espace
norme, cest-`a-dire , ici, la convergence pour la norme L
1
. On peut montrer par des contre-exemples que
la convergence presque partout nentrane pas la convergence L
1
, et que la convergence L
1
nentrane
pas la convergence presque partout. Pour montrer que la convergence presque partout nentrane pas la
convergence L
1
, on peut considerer lespace mesure (E, T, m) = (R, B(R), ) et la suite (f
n
)
nN
L
1
(R)
denie par : f
n
(x) = n1
]0,
1
n
]
. On a evidemment f
n
0 pp, alors que |f
n
|
1
= 1. Pour montrer que la
convergence L
1
nentrane pas la convergence presque partout, on consid`ere `a nouveau lespace mesure
(E, T, m) = (R, B(R), ), et on construit la suite (f
n
)
nN
L
1
(R) (dite bosse glissante) denie par :
f
n+k
(x) = 1
]
k1
n
,
k
n
]
, pour n =
p(p1)
2
, p N et 1 k n. On peut voir facilement que |f
n
|
1
=
1
p
pour n [
p(p1)
2
,
p(p+1)
2
[, alors que f
n
, 0 pp (par contre, on peut noter quil est possible dextraire
de (f
n
)
nN
une sous-suite qui converge presque partout vers 0). Le theor`eme de convergence dominee,
88
enonce ci-apr`es, donne une hypoth`ese susante pour quune suite (de fonctions) convergeant presque
partout converge aussi dans L
1
.
On rappelle (voir la remarque 4.8) que lhypoth`ese (F
n
)
nN
L
1
et f : E R t.q. F
n
f p.p.
signie simplement que f
n
f p.p. en choisissant f
n
F
n
. Cette denition est bien coherente car elle
ne depend pas du choix des f
n
dans F
n
. On rappelle aussi que f
n
f p.p. signie quil existe A T
t.q. m(A) = 0 et f
n
(x) f(x) dans R pour tout x A
c
.
4.7.1 Convergence presque partout et convergence dans L
1
Le theor`eme suivant est une consequence du theor`eme de convergence monotone et permet de montrer la
convergence dans L
1
dune suite monotone de fonctions convergeant presque partout.
Theor`eme 4.3 (Beppo-Levi) Soient (E, T, m) un espace mesure et (f
n
)
nN
L
1
R
(E, T, m). On sup-
pose que :
1. f
n+1
f
n
p.p., n N, [ou f
n+1
f
n
p.p., n N],
2. f
n
f p.p., quand n .
On a alors :
1. f L
1
R
(E, T, m) (au sens il existe g L
1
R
(E, T, m) t.q. f = g p.p.) si et seulement si :
lim
n+
_
f
n
dm R.
2. Si f L
1
R
(E, T, m), alors f
n
f dans L
1
.
La demonstration de ce theor`eme fait lobjet de lexercice 4.28.
Nous allons maintenant voir un resultat fondamental, consequence du lemme de Fatou, qui permet de
prouver la convergence de suites dans L
1
sans hypoth`ese de convergence monotone.
Theor`eme 4.4 (Convergence dominee) Soit (E, T, m) un espace mesure. Lespace L
1
R
(E, T, m) est
note L
1
. Soit (f
n
)
nN
L
1
et f une fonction de E dans R telles que :
1. f
n
f p.p.
2. F L
1
t.q., pour tout n N, [f
n
[ F p.p..
Alors f L
1
(au sens il existe g L
1
R
(E, T, m) t.q. f = g p.p.) et f
n
f dans L
1
(cest-`a-dire
_
[f
n
f[dm 0 lorsque n +). Ceci donne aussi
_
f
n
dm
_
fdm, lorsque n +.
D emonstration :
Ce theor`eme est essentiellement donne par la proposition 4.6. La dierence avec la proposition 4.6 tient
dans le fait que f
n
et F sont dans L
1
au lieu de L
1
et que f nest pas necessairement mesurable. Il sagit
toutefois de dierences mineures comme nous le voyons ci apr`es.
Pour tout n N, on choisit un representant de f
n
, encore note f
n
. La premi`ere hypoth`ese du theor`eme
signie que f
n
f p.p. (voir la remarque 4.8). Il existe donc A T t.q. m(A) = 0 et f
n
(x) f(x),
quand n , pour tout x A
c
. On remplace alors f
n
par f
n
1
A
c , encore note f
n
(cest toujours un
representant de la meme classe dequivalence car m(A) = 0). On denit aussi g par g = f sur A
c
et g = 0
sur A. Enn, on choisit un representant de F, encore note F. On obtient ainsi :
89
1. (f
n
)
nN
L
1
,
2. f
n
(x) g(x) pour tout x E, quand n ,
3. F L
1
et f
n
F p.p., pour tout n N.
Les 2 premiers items donnent aussi g / (par la proposition 3.5, on utilise ici le fait que f
n
(x) f(x)
pour tout x E et pas seulement pour presque tout x). On peut donc appliquer la proposition 4.6 page
85. Elle donne : g L
1
, |f
n
g|
1
0, quand n et
_
f
n
dm
_
gdm, quand n .
Comme g = f p.p., on a donc f L
1
(au sens il existe g L
1
R
(E, T, m) t.q. f = g p.p.). Puis
|f
n
f|
1
= |f
n
g|
1
0, quand n , et
_
f
n
dm
_
gdm =
_
fdm, quand n .
4.7.2 Convergence dune serie absolument convergente et consequences
On va maintenant montrer que lespace (L
1
, |.|
1
) est un espace de Banach, en montrant que toute serie
absolument convergente dans L
1
(i.e. t.q. la serie des normes converge) est convergente dans L
1
. On en
deduira aussi un resultat tr`es important (le theor`eme 4.7) qui permet dextraire dune suite convergeant
dans L
1
une sous-suite convergeant presque partout. On aura besoin au cours de la demonstration du
petit resultat (demontre dans lexercice 4.9) suivant :
Lemme 4.8 Soient (E, T, m) un espace mesure et F /
+
. On suppose que
_
Fdm < . Alors
F < + p.p. (cest-`a-dire que il existe A T t.q. m(A) = 0 et F(x) < pour tout x A
c
).
Theor`eme 4.5 (Series absolument convergentes dans L
1
) Soit (E, T, m) un espace mesure. Soit
(f
n
)
nN
L
1
t.q.

nN
|f
n
|
1
< + ; alors :
1. F L
1
; [

n
p=0
f
p
[ F p.p., pour tout n N.
2. La serie de terme general f
n
(x) est, pour presque tout x E, convergente (dans R).
On denit f par f(x) =

nN
f
n
(x) (de sorte que f est denie p.p.).
3. f L
1
(au sens il existe g L
1
R
(E, T, m) t.q. f = g p.p. ) et

n
p=0
f
p
f dans L
1
et p.p., quand
n .
D emonstration :
1. On choisit un representant de f
n
, encore note f
n
, et on pose F(x) =

pN
[f
p
(x)[ R
+
. On a donc
F /
+
et le corollaire 4.1 du theor`eme de convergence monotone donne
_
Fdm =

nN
_
[f
n
[dm =

nN
|f
n
|
1
< .
Le lemme 4.8 donne alors F < p.p., cest-`a-dire il existe A T t.q. m(A) = 0 et F(x) <
pour tout x A
c
. En rempla cant F par 0 sur A, on a donc F L
1
. (Donc, F L
1
au sens de la
remarque 4.9).
La denition de F donne immediatement [

n
p=0
f
p
[ F p.p., pour tout n N.
90
2. Pour tout x A
c
, la serie de terme general f
n
(x) est absolument convergente dans R, donc
convergente. Comme m(A) = 0, f est donc denie p.p. car elle est denie pour x A
c
par
f(x) = lim
n

n
p=0
f
p
(x).
3. On pose s
n
=

n
p=0
f
p
. le premier point donne [s
n
[ F p.p., pour tout n N et F L
1
. Le
deuxi`eme point donne s
n
f p.p.. On peut donc appliquer le theor`eme de convergence dominee
(theor`eme 4.4). Il donne f L
1
et la convergence de la suite (s
n
)
nN
(vers f) dans L
1
. La
convergence p.p. (vers f) de la suite (s
n
)
nN
est donne par le deuxi`eme point.
Theor`eme 4.6 (Riesz-Fisher) Soit (E, T, m) un espace mesure. L
1
est un espace de Banach, cest-`a-
dire un espace vectoriel norme complet.
D emonstration : On sait dej`a que L
1
est espace vectoriel norme. Une consequence du theor`eme 4.5 est
que, dans L
1
, toute serie absolument convergente est convergente. Cette propriete est une caracterisation
du fait quun espace vectoriel norme est complet. On en deduit donc que (L
1
, |.|
1
) est complet et donc
que (L
1
, |.|
1
) est un espace de Banach.
Dans la suite L
1
sera toujours muni de la norme | |
1
.
Theor`eme 4.7 (Reciproque partielle du theor`eme de CD) Soient (f
n
)
nN
L
1
et f L
1
telles
que f
n
f dans L
1
, alors il existe une sous-suite (f
n
k
)
kN
, et F L
1
telles que :
1. f
n
k
f p.p.,
2. [f
n
k
[ F p.p., pour tout k N.
D emonstration :En utilisant le fait que (f
n
)
nN
est une suite de Cauchy dans L
1
, on construit par
recurrence une suite (f
n
k
)
kN
telle que n
k+1
> n
k
et si p, q n
k
, |f
p
f
q
|
1

1
2
k
. On peut alors
appliquer le theor`eme 4.5 `a la serie de terme general g
k
= f
n
k+1
f
n
k
pour conclure.
On donne maintenant le theor`eme de Vitali, qui donne des conditions necessaires et susantes de con-
vergence dans L
1
pour une suite convergeant p.p.. La demonstration de ce theor`eme ainsi que des petits
resultats preliminaires quelle necessite font lobjet des exercices 4.29 et 4.30.
Proposition 4.9 Soient (E, T, m) un espace mesure, f L
1
R
(E, T, m) ; alors :
1. > 0, > 0 t.q. A T, m(A)
_
A
[f[dm .
2. > 0, C T t.q. m(C) < + et
_
C
c
[f[dm .
Theor`eme 4.8 (Vitali) Soient (E, T, m) un espace mesure et (f
n
)
nN
L
1
= L
1
R
(E, T, m) t.q. f
n
f
p.p., f prenant ses valeurs dans R (voir remarque 4.8). Alors, f L
1
et f
n
f dans L
1
si et seulement
si les deux conditions suivantes sont veriees :
1. (Equi-integrabilite) > 0, > 0 ; A T, n N, m(A)
_
A
[f
n
[dm .
2. (Equi-petitesse `a linni) > 0, C T, m(C) < + ; n N,
_
C
c
[f
n
[dm .
La demonstration de ce theor`eme fait lobjet de lexercice 4.30 ; elle ne necessite pas le theor`eme de
convergence dominee : on utilise le theor`eme dEgorov (cf theor`eme 3.2 et exercice 3.24). Le theor`eme
de convergence dominee peut etre vu comme une consequence du theor`eme de Vitali (cf exercice 4.30).
91
4.8 Continuite et derivabilite sous le signe
_
Soient (E, T, m) un espace mesure, f une fonction de ER dans R ; `a t R xe, on denit lapplication
f(., t) : E R, qui `a x associe f(x, t). On suppose que lapplication f(., t) ainsi denie verie lhypoth`ese
suivante :
f(., t) L
1
= L
1
R
(E, T, m), t R, (4.23)
et on note F lapplication denie de R dans R par :
F(t) =
_
f(., t)dm =
_
f(x, t)dm(x). (4.24)
Theor`eme 4.9 (Continuite sous
_
) Soient (E, T, m) un espace mesure, f une fonction de ER dans
R veriant lhypoth`ese (4.23) et t
0
R ; on suppose de plus que :
1. lapplication f(x, .), denie pour presque tout x E par : t f(x, t), est continue en t
0
, pour
presque tout x E ;
2. > 0 et G L
1
R
(E, T, m) tels que [f(., t)[ G p.p., pour tout t ]t
0
, t
0
+[.
Alors F, denie de R dans R par : F(t) =
_
f(., t)dm =
_
f(x, t)dm(x), est continue en t
0
.
D emonstration : Soit (t
n
)
nN
]t
0
, t
0
+ [, t.q. t
n
t
0
lorsque n +. Soit f
n
denie par
f
n
(x) = f(x, t
n
). Comme f
n
f(, t
0
) p.p. et [f
n
[ G p.p.. On peut appliquer le theor`eme de
convergence dominee (theor`eme 4.4) `a la suite (f
n
)
nN
. Il donne F(t
n
) F(t
0
) quand n .
Theor`eme 4.10 (Derivabilite sous
_
) Soient (E, T, m) un espace mesure, f une fonction de E R
dans R veriant lhypoth`ese (4.23) et t
0
R . On suppose de plus quil existe > 0, A T et G
L
1
R
(E, T, m) t.q. m(A) = 0 et :
1. Lapplication t f(x, t) est derivable pour tout t ]t
0
, t
0
+[ et pour tout x A
c
;
2. [
f
t
(x, t)[ G(x) pour tout t ]t
0
, t
0
+[ et pour tout x A
c
.
Alors F, denie de R dans R par : F(t) =
_
f(., t)dm =
_
f(x, t)dm(x), est derivable en t
0
et :
F

(t
0
) =
_
f
t
(x, t
0
)dm(x). (4.25)
D emonstration : Soit (t
n
)
nN
]t
0
, t
0
+ [, t.q. t
n
t
0
lorsque n + et t
n
,= t
0
pour tout
n N

. Soit f
n
denie par
f
n
(x) =
f(x, t
n
) f(x, t
0
)
t
n
t
0
.
La suite (f
n
)
nN
est dans L
1
et on peut lui appliquer le theor`eme de convergence dominee (theor`eme
4.4) car f
n

f
t
(, t
0
) p.p., quand n , et, si x A
c
et n N, il existe
x,n
]0, 1[ t.q. f
n
(x) =
f
t
(x,
x,n
t
0
+(1
x,n
)t
n
) (grace au theor`eme des accroissements nis) et donc [f
n
[ G p.p., pour tout
92
n N. Le theor`eme 4.4 donne alors
f
t
(, t
0
) L
1
et
_
f
n
dm
_
f
t
(, t
0
)dm. Ceci etant vrai pour toute
suite (t
n
)
nN
]t
0
, t
0
+ [, t.q. t
n
t
0
lorsque n + et t
n
,= t
0
pour tout n N

, on en deduit
bien que F est derivable en t
0
et :
F

(t
0
) =
_
f
t
(x, t
0
)dm(x). (4.26)
.
4.9 Esperance et moments des variables aleatoires
Denition 4.14 (Esperance, moment, variance) Soient (, /, p) un espace probabilise et X une
variable aleatoire reelle.
1. Si X 0 (cest-`a-dire X() 0 pour tout ), on denit lesperance E(X) de la variable
aleatoire X par E(X) =
_
X()dp().
2. Si X L
1
R
(, /, p) (cest-`a-dire E([X[) < ), on denit lesperance E(X) de la variable aleatoire
X par :
E(X) =
_
X()dp().
On denit la variance de X par Var(X) =
2
(X) = E((X E(X))
2
) (avec (X) 0).
3. Pour r [1, +[, le moment dordre r de la variable aleatoire X est lesperance de la variable
aleatoire [X[
r
.
Denition 4.15 (Covariance) Soient (, /, p) un espace probabilise et X, Y deux v.a.r. t.q. E(X
2
) <
et E(Y
2
) < . On denit la covariance de X et Y par : cov(X, Y ) = E((X E(X)(Y E(Y )).
(Remarquer que (X E(X)(Y E(Y )) est une v.a.r. integrable car sa valeur absolue est majoree, par
exemple, par X
2
+Y
2
+E(X)
2
+E(Y )
2
qui est integrable.)
On calcule rarement lesperance dune v.a. comme integrale par rapport `a la probabilite p ; en eet,
lespace (, /, p) est souvent mal connu. Le theor`eme 4.11 montre quil sut en fait de connatre la loi
de la v.a. X pour calculer son esperance (ou, plus generalement, lesperance dune fonction de X). On
se ram`ene ainsi au calcul dune integrale sur R.
Les deux inegalites suivantes decoulent immediatement du lemme 4.5 :
Lemme 4.9 (Inegalite de Markov) Soient (, /, p) un espace probabilise, X une variable aleatoire
reelle positive sur et R

+
. On suppose que 0 < E(X) < . Alors :
p(X E(X))
1

.
D emonstration : Il sut, par exemple, dappliquer le lemme 4.5 avec f = X et t = E(X).
Lemme 4.10 (Inegalite de Bienayme Tchebichev) Soient (, /, p) un espace probabilise, X une
variable aleatoire reelle sur , integrable et t.q. sa variance verie 0 <
2
(X) < +, et R

+
. Alors :
p([X E(X)[ (X))
1

2
.
93
D emonstration : Appliquer le lemme 4.5 avec f = [X E(X)[
2
et t =
2

2
(X).
Soit (, /, p) un espace probabilise, X une variable aleatoire reelle sur . La loi de X, notee p
X
est denie
par p
X
(A) = p(X
1
(A)), pour tout A B(R)). Ceci est equivalent `a dire que pour tout A B(R), on a,
avec = 1
A
:
_

X()dp() =
_
R
(x)dp
X
(x). (4.27)
On rappelle que X est souvent improprement note (X), ce qui sexplique par le fait X() =
(X()) pour tout . Le theor`eme 4.11 montre que cette egalite est vraie pour une large classe
de fonctions boreliennes de R dans R ou R
+
(on rappelle que borelienne signie mesurable quand les
espaces sont munis de la tribu de Borel).
Theor`eme 4.11 (Loi image) Soit (, /, p) un espace probabilise, X une variable aleatoire reelle sur
et p
X
la loi de la variable aleatoire X. On a alors :
1. Legalite (4.27) est vraie pour toute fonction borelienne de R dans R
+
et toute fonction borelienne
bornee de R dans R.
2. Soit une fonction borelienne de R dans R, la fonction X appartient `a L
1
(, /, p) si et seulement
si L
1
(R, B(R), p
X
). De plus, si L
1
(R, B(R), p
X
), Legalite (4.27) est vraie.
D emonstration : On remarque que (4.27) est vraie pour tout = 1
A
, avec A B(R) (par denition
de p
X
). Par linearite positive, (4.27) est encore vraie pour tout borelienne etagee positive de R dans
R. Par convergence monotone, (4.27) est alors vraie pour tout borelienne de R dans R
+
. Ceci donne la
premi`ere partie du premier item. En utilisant la decomposition =
+

, on montre alors le deuxi`eme


item. Enn, la deuxi`eme partie du premier item vient du fait que est integrable pour la probabilite p
X
si est borelienne bornee.
Un produit de v.a.r. integrables et independantes est une v.a.r. integrable (ce qui est, bien s ur, faux sans
lhypoth`ese dindependance) et Lesperance de ce produit est egal au produit des esperances. Ce resultat
plus general est donnee dans la proposition suivante.
Proposition 4.10 Soit (, /, p) un espace probabilise, d > 1 et X
1
, . . . , X
d
des v.a.r. independantes.
1. Soit
1
, . . . ,
d
des fonctions boreliennes de R dans R
+
. On a alors :
E(
d

i=1

i
(X
i
)) =
n

i=1
E(
i
(X
i
)). (4.28)
(En convenant quun produit de termes est nul si lun des termes est nul.)
2. Soit
1
, . . . ,
d
des fonctions boreliennes de R dans R. On suppose que (X
i
) est integrable pour
tout i = 1, . . . , d. La v.a.r.

d
i=1

i
(X
i
) est integrable et legalite (4.28) est vraie.
3. Soit
1
, . . . ,
d
des fonctions boreliennes bornees de R dans R. Legalite (4.28) est vraie.
N.B. Si X
1
, . . . , X
d
sont des v.a.r., le fait que (4.28) soit vraie pour toute famille
1
, . . . ,
d
de fonctions
boreliennes bornees de R dans R est donc une condition necessaire et susante pour les v.a.r. X
1
, . . . , X
d
soient independantes.
94
D emonstration : Si
1
, . . . ,
d
sont des fonctions caracteristiques de boreliens de R, legalite (4.28)
est une consequence immediate de la denition de lindependance des X
i
(Si
i
= 1
A
i
avec A
i
B(R),
on a E(
i
(X
i
)) = P(X
i
A
i
) = P(X
1
i
(A
i
))). Par linearite positive, on en deduit que (4.28) est
vraie si les fonctions
i
sont (boreliennes) etagees positives (cest-`a-dire c
+
). Puis, par convergence
monotone, on en deduit le premier item de la proposition (car toute fonction orelienne de R dans R
+
est
limite croissante delements de c
+
).
Pour le deuxi`eme item, on utilise (4.28) avec la fonction x [
i
(x)[ au lieu de la fonction
i
(pour
tout i). On montre ainsi que la v.a.r.

d
i=1

i
(X
i
) est integrable. Puis, on montre (4.28) par linearite
(utilisant
i
=
+
i

i
).
Le troisi`eme item est consequence immediate du deuxi`eme (car si X est une v.a.r. et est une fonction
borelienne bornee, la v.a.r. (X) est integrable).
Une consequence de la proposition 4.10 est que XY est integrable et cov(X, Y ) = 0 si X, Y sont deux
v.a.r. integrables sur un espace probabilise (, /, p).
Pour montrer que des v.a.r. sont independantes, il est parfois utile de savoir quil sut de montrer (4.28)
lorsque les fonctions
i
sont continues `a support compact de R de R. Cest lobjet de la proposition 4.12 qui
se demontre `a partir dun resultat dunicite (proposition 4.11) sur lequel nous reviendrons au chapitre 5.
On note C
c
(R, R) lensemble des fonctions continues `a support compact de R de R (une fonction de R
dans R est `a support compact si il existe un compact K de R t.q. = 0 sur K
c
).
Proposition 4.11 Soit m et deux mesures sur B(R), nies sur les compacts de R. On suppose que :
_
dm =
_
d pour tout C
c
(R, R).
Alors, m = .
D emonstration : Puisque m et sont des mesures sur B(R), nies sur les compacts, on a bien
C
c
(R, R) L
1
R
(R, B(R), m) et C
c
(R, R) L
1
R
(R, B(R), ). On pose maintenant ( = ]a, b[, a, b R,
a < b et on commence par montrer que m = sur (.
Soit a, b R, a < b. Il existe une suite (
n
)
nN
C
c
(R, R) t.q.
n
1
]a,b[
. En eet, il sut de construire

n
, pour n 2/(b a), de la mani`ere suivante :

n
(x) = 0 si x a,

n
(x) = n(x a) si a < x < a +
1
n
,

n
(x) = 1 si a +
1
n
< x < b
1
n
,

n
(x) = n(x b) si b
1
n
x b

n
(x) = 0 si b x.
Puis, en passant `a la limite quand n dans legalite
_

n
dm =
_

n
d, on obtient (par convergence
monotone ou par convergence dominee) m(]a, b[) = (]a, b[).
On conclut enn que m = en utilisant, par exemple, la proposition 2.5.
Proposition 4.12 Soit (, /, p) un espace probabilise, d > 1 et X
1
, . . . , X
d
des v.a.r. Ces v.a.r. sont
independantes si et seulement si on a, pour tout famille
1
, . . . ,
d
C
c
(R, R),
E(
d

i=1

i
(X
i
)) =
d

i=1
E(
i
(X
i
)), (4.29)
95
(En convenant quun produit de termes est nul si lun des termes est nul.)
D emonstration : Le fait que la condition est necessaire est une consequence immediate de la proposi-
tion 4.10 car une fonction continue `a support compact est borelienne et bornee. On montre maintenant
que la condtion est necessaire. On suppose donc que (4.29) est vraie pour toute famille
1
, . . . ,
d

C
c
(R, R) et on veut montrer que les v.a.r. X
1
, . . . , X
d
sont independantes, cest-`a-dire que pour tout
A
1
, . . . , A
n
B(R), on a :
E
_
d

i=1
1
A
i
(X
i
)
_
=
d

i=1
E(1
A
i
(X
i
)). (4.30)
(On rappelle en eet que E(1
A
i
(X
i
)) = p(X
1
i
(A
i
)) et E(

d
i=1
1
A
i
X
i
)) = p(
n
i=1
X
1
i
(A
i
).)
Pour montrer (4.30), on introduit, pour tout 1 n d + 1, la propriete suivante, notee P
n
:
P
n
: (4.29) est vraie si
i
= 1
A
i
, avec A
i
B(R), pour i < n, et
i
C
c
(R, R) pour i n.
Lhypoth`ese de la proposition donne que P
1
est vraie. On suppose maintenant que P
n
est vraie pour un
n 1, . . . , d. Soit A
i
B(R) pour i < n (et
i
= 1
A
i
) et
i
C
c
(R, R) pour i > n. Pour A
n
B(R),
on pose, avec
n
= 1
A
n
:
m(A
n
) = E(

d
i=1

i
(X
i
)),
(A
n
) =

d
i=1
E(
i
(X
i
)).
Les applications m et sont des mesures sur B(R). La propriete P
n
montre que
_
dm =
_
d pour
tout C
c
(R, R). La proposition 4.11 montre alors que m = ce qui donne la propriete P
n+1
. Par
recurrence sur n, on montre ainsi que P
d+1
est vraie, ce qui donne (4.30) et lindependance de X
1
, . . . , X
d
.
4.10 Espace L
1
C
(E, T, m) et espace L
1
R
N
(E, T, m)
Denition 4.16 Soient (E, T, m) un espace mesure et N > 1 (N N).
1. Soit f : E R
N
. Pour x E, on pose f(x) = (f
1
(x), . . . , f
N
(x))
t
R
N
. La fonction f
appartient ` a L
1
R
N
(E, T, m) si f
n
L
1
R
(E, T, m) pour tout n 1, . . . , N.
2. Si f L
1
R
N
(E, T, m), on note
_
fdm = (
_
f
1
dm, . . . ,
_
f
N
dm)
t
R
N
.
La caracterisation suivante de mesurabilite et integrabilite est interessante.
Proposition 4.13 Soient (E, T, m) un espace mesure, N > 1 et f : E R
N
.
1. f
n
est mesurable (de E dans R) pour tout n 1, . . . , N si et seulement si f est mesurable de E
dans R
N
, cest-`a-dire si et seulement si f
1
(A) E pour tout A B(R
N
).
2. Si f est mesurable (de E dans R
N
). On munit R
N
dune norme, notee ||. Alors, f L
1
R
N
(E, T, m)
si et seulement si
_
|f|dm < (noter que |f| /
+
).
D emonstration : On donne la demonstration pour N = 2.
96
1. On suppose dabord f
1
, f
2
/. On veut montrer que f est mesurable de E dans R
2
. Comme
B(R
2
) est engendre par AB, A, B B(R), il sut de montrer que f
1
(AB) T pour tout
A, B B(R).
Soit donc A, B B(R). On a f
1
(A B) = f
1
1
(A) f
1
2
(B) T car f
1
et f
2
sont mesurables.
Donc f
1
(AB) T. On a bien montre que f est mesurable de E dans R
2
Reciproquement, on suppose maintenant que f est mesurable de E dans R
2
. Soit A B(R). On
remarque que f
1
1
(A) = f
1
(A R). Or A R B(R
2
), donc f
1
1
(A) = f
1
(A R) T, ce qui
prouve que f
1
est mesurable. On prouve de mani`ere semblable que f
2
est mesurable.
2. Soit f mesurable de E dans R
N
. On suppose que R
N
est muni dune norme, notee | |. Comme
y |y| est continue de R
N
dans R, lapplication |f| : x |f(x)| est mesurable de E dans R
(comme composee dapplications mesurables). Comme cette application ne prend que des valeurs
positives ou nulles, on a donc |f| /
+
.
Comme toutes les normes sur R
N
sont equivalentes, on a donc
_
|f|dm < si et seulement si
_
|f|
1
dm < , avec |f|
1
=

N
n=1
[f
n
[. Il est alors immediat de remarquer que
_
|f|
1
dm < si
et seulement f
n
L
1
R
(E, T, m) pour tout n 1, . . . , N. On a donc :
_
|f|dm < f L
1
R
N(E, T, m).
La denition de L
1
R
N
(E, T, m) donne immediatement que cet espace est un espace vectoriel sur R. De
plus, si R
N
est muni dune norme, notee | |, il est aussi immediat que lapplication f
_
|f|dm est une
semi-norme sur L
1
R
N
(E, T, m). Pour obtenir un espace vectoriel norme, on va considerer, comme dans le
cas N = 1, lespace L
1
R
N
(E, T, m) quotiente par la relation f = g p.p.. On rappelle que f = g p.p. si il
existe A T t.q. m(A) = 0 et f = g sur A
c
.
Denition 4.17 Soit (E, T, m) un espace mesure.
1. Lespace L
1
R
N
(E, T, m) est lespace L
1
R
N
(E, T, m) quotiente par la relation f = g p.p..
2. On munit R
N
dune norme notee | |. Soit F L
1
R
N
(E, T, m). On pose |F|
1
=
_
|f|dm, o` u
f F (cette denition est correcte car independante du choix de f dans F).
Proposition 4.14 Soient (E, T, m) un espace mesure et N > 1. Lespace L
1
R
N
(E, T, m) est un espace
de Banach (reel) cest-`a-dire un espace vectoriel (sur R) norme complet (avec la norme denie dans la
denition 4.17).
D emonstration : La demonstration de cette proposition decoule facilement du cas N = 1.
Denition 4.18 Soit (E, T, m) un espace mesure.
1. Soit f : E C. On note 1(f) et (f) les parties reelle et imaginaire de f. On a donc,
pour x E, f(x) = 1(f)(x) + i(f)(x), avec 1(f)(x), (f)(x) R. La fonction f appartient `a
L
1
C
(E, T, m) si 1(f), (f) L
1
R
(E, T, m).
97
2. Si f L
1
C
(E, T, m), on note
_
fdm =
_
1(f)dm+i
_
(f)dm C.
Ici aussi, on a une caracterisation de mesurabilite et integrabilite.
Proposition 4.15 Soit (E, T, m) un espace mesure et f une application de E C.
1. 1(f) et (f) sont mesurables (de E dans R) si et seulement si f est mesurable de E dans C,
cest-`a-dire si et seulement f
1
(A) E pour tout A B(C).
2. Si f est mesurable (de E dans C), f L
1
C
(E, T, m) si et seulement si
_
[f[dm < (noter que
[f[ /
+
).
D emonstration :
La demonstration de cette proposition se ram`ene facilement `a la precedente demonstration (cest-`a-dire `a
la demonstration de la proposition 4.13) en utilisant lapplication : C R
2
denie par (z) = (x, y)
t
si z = x +iy C, qui est une bijection continue, dinverse continue.
Ici aussi, la denition de L
1
C
(E, T, m) donne immediatement que cet espace est un espace vectoriel sur C.
Il est aussi immediat que lapplication f
_
[f[dm est une semi-norme sur L
1
C
(E, T, m). Pour obtenir
un espace vectoriel norme, on va considerer lespace L
1
C
(E, T, m) quotiente par la relation f = g p.p..
Denition 4.19 Soit (E, T, m) un espace mesure.
1. Lespace L
1
C
(E, T, m) est lespace L
1
C
(E, T, m) quotiente par la relation f = g p.p..
2. Soit F L
1
C
(E, T, m). On pose |F|
1
=
_
[f[dm, o` u f F (cette dention est correcte car
independante du choix de f dans F).
Proposition 4.16 Soit (E, T, m) un espace mesure. Lespace L
1
C
(E, T, m) est un espace de Banach
(complexe) cest-` a-dire un espace vectoriel (sur C) norme complet (avec la norme denie dans la denition
4.19).
D emonstration :
La demonstration de cette proposition decoule facilement du fait que L
1
R
(E, T, m) est un espace de Banach
(reel).
4.11 Exercices
4.11.1 Integrale des fonctions mesurables positives et espace L
1
Exercice 4.1 (Sup de mesures) Corrige 55 page 329
Soit (E, T) un espace mesurable et (m
n
)
nN
une suite de mesures sur T. On suppose que m
n+1
(A)
m
n
(A) pour tout A T et tout n N. On pose m(A) = supm
n
(A), n N pour A T.
98
1. (Lemme preliminaire) Soit (a
n,p
)
n,pN
R
+
et (a
p
)
pN
R
+
t.q. a
n+1,p
a
n,p
, pour tout n, p N,
et a
n,p
a
p
quand n , pour tout p N. Montrer

p=0
a
n,p

p=0
a
p
(dans R
+
) quand
n . [On pourra utiliser

N
p=0
a
n,p

p=0
a
n,p

p=0
a
p
.]
2. Montrer que m est une mesure.
3. Soit f c
+
(E, T). (On rappelle que c
+
(E, T) est lensemble des fonctions etagees de E dans R
+
.)
Montrer que
_
fdm = sup
nN
(
_
fdm
n
).
4. Soit f /
+
(E, T). (On rappelle que /
+
(E, T) est lensemble des fonctions mesurables de E dans
R
+
.)
(a) Montrer que (
_
fdm
n
)
nN
est une suite croissante majoree par
_
fdm.
(b) Montrer que
_
fdm
n

_
fdm quand n .
5. Soit f L
1
R
(E, T, m). Montrer que f L
1
R
(E, T, m
n
) pour tout n N et que
_
fdm
n

_
fdm
quand n .
Exercice 4.2 (Somme de mesures) Corrige 56 page 330
Soient m
1
et m
2
deux mesures sur lespace mesurable (E, T).
1. Montrer que m = m
1
+m
2
est une mesure.
2. Montrer quune application f mesurable de E dans R est integrable pour la mesure m si et seulement
si elle est integrable pour les mesures m
1
et m
2
. Si f est integrable pour la mesure m, montrer que
_
fdm =
_
fdm
1
+
_
fdm
2
.
3. Soit (m
n
)
nN
une famille de mesures (positives) sur (E, T) et (
n
)
nN
R

+
. On pose, pour A T,
m(A) =

nN

n
m
n
(A). Montrer que m est une mesure sur T ; soit f une application mesurable
de E dans R et integrable pour la mesure m ; montrer que f est, pour tout n N, integrable pour
la mesure m
n
et que
_
fdm =

nN

n
_
fdm
n
.
Exercice 4.3 (Mesure de Dirac) Corrige 57 page 332
Soit
0
la mesure de Dirac en 0, denie sur B(R). (cf exemple 2.1.) Soit f /
+
, calculer
_
fd
0
.
Exercice 4.4 (Restrictions de la mesure de Lebesgue) Corrige 58 page 332
Soit A et B deux boreliens de R t.q. A B. On note
A
[resp.
B
] la restriction `a B(A) [resp. B(B)] de
la mesure de Lebesgue sur B(R). Soit f L
1
R
(B, B(B),
B
). Montrer que f
|
A
L
1
R
(A, B(A),
A
) et que
_
f
|
A
d
A
=
_
f1
A
d
B
. [Considerer dabord le cas f c
+
puis f /
+
et enn f L
1
.]
Exercice 4.5 (Integrale de Lebesgue et integrale des fonctions continues) Corrige 59 page 333
Soit f C([0, 1], R). Montrer que f L
1
R
([0, 1], B([0, 1]), ) et que
_
fd =
_
1
0
f(x)dx (cette derni`ere
integrale est `a prendre au sens de lintegrale des fonctions continues vue au Chapitre 1). On rappelle
que lon note (un peu abusivement. . . ) par la restriction `a B([0, 1]) de la mesure le Lebesgue (aussi
notee . . . ) sur B(R).
Exercice 4.6 (Fonctions continues et fonctions integrables) Corrige 60 page 334
Soit m une mesure nie sur B([0, 1]). Montrer que C([0, 1], R) L
1
R
([0, 1], B([0, 1]), m).
Exercice 4.7 (f, g L
1
, fg L
1
)
99
Soient f, g L
1
R
([0, 1], B([0, 1]), ). Donner un exemple pour lequel fg , L
1
R
([0, 1], B([0, 1]), ).
Exercice 4.8 (Rappel du cours. . . )
Soit (E, T, m) un espace mesure et f /
+
. Montrer que si A T est tel que m(A) = 0, alors
_
A
fdm(=
_
f1
A
dm) = 0. (On rappelle que f1
A
= f sur A et f1
A
= 0 sur A
c
.)
Exercice 4.9 (f positive integrable implique f nie p.p.) Corrige 61 page 334
Soit (E, T, m) un espace mesure et f /
+
. Montrer que si
_
fdm < +, alors f < + p.p..
Exercice 4.10 (Une caracterisation de lintegrabilite) Corrige 62 page 335
Soient (E, T, m) un espace mesure ni, u une fonction mesurable de E dans R. Pour n N, on pose
A
n
= x E, [u(x)[ n et B
n
= x E, n < [u(x)[ n + 1.
1. Montrer que :
_
[u[dm < +
+

n=0
nm(B
n
) < +
+

n=0
m(A
n
) < +. (4.31)
2. Soit p ]1, +[, montrer que [u[
p
est une fonction mesurable et que :
_
[u[
p
dm < +
+

n=0
n
p
m(B
n
) < +
+

n=0
n
p1
m(A
n
) < +. (4.32)
Exercice 4.11 (Sur la convergence en mesure)
Soit (E, T, m) un espace mesure. Soit (f
n
)
nN
/, (g
n
)
nN
/ et f, g / t.q. f
n
f en mesure
et g
n
g en mesure, quand n .
1. On suppose, dans cette question, que f L
1
R
(E, T, m) et que g L
1
R
(E, T, m). Montrer que fg /
et f
n
g
n
fg en mesure, quand n .
[On pourra sinspirer de la question 3. de lexercice 3.22 et donc commencer par montrer que, pour
tout > 0, il existe n
0
et k
0
N tels que :
n n
0
, k k
0
m(x E ; [f
n
(x)[ k) .]
Donner un exemple pour lequel fg , L
1
R
(E, T, m).
2. En prenant (E, T, m) = (R, B(R), ), Donner un exemple pour lequel f
n
g
n
,fg en mesure, quand
n (pour cet exemple, on a donc f , L
1
R
(E, T, m) ou g , L
1
R
(E, T, m)).
Exercice 4.12 (Sur linegalite de Markov) Corrige 63 page 337
Soit (E, T, m) un espace mesure et f L
1
R
(E, T, m).
1. Montrer que pour tout a > 0, on a a m([f[ > a)
_
{|f|>a}
[f[ dm.
2. Montrer que pour tout a > 0, on a m([f[ > a) (
_
[f[ dm)/a. (Ceci est linegalite de Markov.)
100
3. Montrer que
lim
a
a m([f[ > a) = 0. (4.33)
4. Donner des exemples de fonctions non integrables qui verient la propriete (4.33) dans les 2 cas
suivants : (E, T, m) = (R, B(R), ) et (E, T, m) = (]0, 1[, B(]0, 1[), ).
Exercice 4.13 (Sur f 0 p.p.) Corrige 64 page 338
Soit (E, T, m) un espace mesure et f L
1
R
(E, T, m). Montrer que les 2 conditions suivantes sont equiva-
lentes :
1. f 0 p.p.,
2.
_
A
f dm 0 pour tout A T.
Exercice 4.14 Corrige 65 page 339
Soient (E, T, m) un espace mesure et f L
1
(= L
1
R
(E, T, m)).
1. Montrer que : > 0, > 0 t.q. A T, m(A)
_
A
[f[dm . [Introduire f
n
= inf([f[, n)].
2. Montrer que : > 0, C T t.q. :
(i) m(C) < +,
(ii)
_
C
c
[f[dm ,
(iii) sup
C
[f[ < +,
[Considerer C
n
= x E ;
1
n
[f(x)[ n, et montrer que pour n n
0
o` u n
0
est bien choisi, C
n
verie (i), (ii) et (iii).]
Exercice 4.15
Soit (E, T, m) un espace mesure et f L
1
R
(E, T, m). On suppose que 0 f 1 p.p. et que
_
f dm =
_
f
2
dm. Montrer quil existe un ensemble mesurable ni A tel que f = 1
A
p.p..
Exercice 4.16 (Integration par rapport `a une mesure image)
Soit (E, T, m) un espace mesure, (F, S) un espace mesurable et f de E dans F. On suppose que f est
mesurable, cest `a dire que f
1
(B) T pour tout B S. pour tout B S, on pose (B) = m(f
1
(B))
(On note souvent = f

m).
1. Montrer que est une mesure sur S (on lappelle mesure image de m par f).
2. est-elle nie (resp. -nie, diuse) lorsque m est nie (resp. -nie, diuse) ?
3. Montrer quune fonction mesurable de F dans R est integrable si et seulement si f est
m-integrable et que dans ce cas
_
E
f dm =
_
F
d.
Exercice 4.17 (mmesurabilite) Corrige 66 page 340
101
Soit (E, T, m) un espace mesure. Soit A T t.q. m(A) = 0 et f une application de A
c
dans R. Montrer
que :
il existe g mesurable de E dans R t.q. f = g p.p. si et seulement si il existe (f
n
)
nN
, suite de fonctions
etagees, t.q. f
n
f p.p., quand n .
Exercice 4.18 (Mesure compl`ete, suite de lexercice 2.28) Corrige 67 page 340
On reprend les notations de lexercice 2.28 page 47. On note donc (E, T, m) le complete de lespace
mesure (E, T, m).
Montrer que L
1
R
(E, T, m) L
1
R
(E, T, m). Soit f L
1
R
(E, T, m), montrer quil existe g L
1
R
(E, T, m) t.q.
f = g p.p. et que
_
fdm =
_
gdm.
Exercice 4.19 (Petit lemme dintegration) Corrige 68 page 341
Soit (E, T, m) un espace mesure et f /(E, T). (On rappelle que /(E, T) est lensemble des fonctions
mesurables de E dans R.)
1. On suppose (dans cette question) que f L
1
R
(E, T, m). Montrer que
(A
n
)
nN
T, m(A
n
) 0
_
f1
A
n
dm 0. (4.34)
2. On prend (dans cette question) (E, T, m) = (R, B(R), ). Donner un exemple de f /(E, T) t.q.
f 0 (de sorte que f /
+
(E, T)), pour lequel (4.34) est faux.
3. On suppose (dans cette question) que m(E) < et que f > 0 (cest `a dire f(x) > 0 pour tout
x E). Montrer que
(A
n
)
nN
T,
_
f1
A
n
dm 0 m(A
n
) 0. (4.35)
On pourra utiliser le fait que, pour p N

, A
n
f <
1
p
x A
n
; f(x)
1
p
.
4. On prend (dans cette question) (E, T, m) = (R, B(R), ) (de sorte que m(E) = ). Montrer que si
f L
1
R
(E, T, m) et f > 0, alors (4.35) est faux. Donner un exemple de f L
1
R
(E, T, m) t.q. f > 0.
Exercice 4.20 (Fatou sans positivite) Corrige 69 page 343
Soit (E, T, m) un espace mesure. Soit (f
n
)
nN
L
1
R
(E, T, m), f L
1
R
(E, T, m) et h /(E, T). (On
rappelle que /(E, T) est lensemble des fonctions mesurables de E dans R.)
1. On suppose que f
n
h p.p. quand n , f
n
f p.p. pour tout n N, et on suppose quil
existe C R t.q.
_
f
n
dm C pour tout n N.
(a) Montrer quil existe (g
n
)
nN
L
1
R
(E, T, m) et g L
1
R
(E, T, m) t.q.
f
n
= g
n
p.p., pour tout n N, f = g p.p.,
g
n
(x) h(x), quand n , pour tout x E,
g
n
g pour tout n N.
(b) Montrer que h L
1
R
(E, T, m).
102
2. (question plus dicile) On reprend les hypoth`eses de la question precedente sauf f
n
f p.p., pour
tout n N que lon remplace par lhypoth`ese (plus faible) il existe D R t.q.
_
f
n
dm D pour
tout n N. Donner un exemple pour lequel h / L
1
R
(E, T, m). [Prendre (E, T, m) = (R, B(R), ).]
Exercice 4.21 Corrige 70 page 343
Soient T > 0 et f L
1
= L
1
([0, T], B([0, T]), ) ( designe donc ici la mesure de Lebesgue sur B([0, T]).
1. Soit n N. Montrer que la fonction x e
nx
f(x) appartient `a L
1
.
On suppose, dans la suite de lexercice, que f 0 p.p. et quil existe M R
+
t.q. que
_
e
nx
f(x) d(x) M pour tout n N.
2. Montrer que f = 0 p.p.. [Appliquer le theor`eme de convergence monotone.]
3. On suppose de plus que f est continue. Montrer que f(x) = 0 pour tout x [0, T].
4.11.2 Lespace L
1
Exercice 4.22 (Mesure de densite) Corrige 71 page 344
Soit (E, T, m) un espace mesure et f /
+
. Pour A T, on pose (A) =
_
A
fdm.
1. Montrer que est une mesure sur T.
2. Soit g /. Montrer que g L
1
R
(E, T, ) si et seulement si fg L
1
R
(E, T, m) (on pose fg(x) = 0
si f(x) = et g(x) = 0). Montrer que, pour g L
1
R
(E, T, ),
_
gd =
_
fgdm.
(On dit que est la mesure de densite f par rapport `a m et on pose = fm.)
Exercice 4.23 (Comparaison de convergence dans L
1
)
On consid`ere ici lespace mesurable (R, B(R), o` u B(R) est la tribu des boreliens sur R. On note la
mesure de Lebesgue et, pour a R, on note
a
la mesure de Dirac en a. On pose =
1
+
2
+ 3
(noter que est une mesure sur B(R)). Soit f lapplication de R dans R denie par f(x) = x
3
. On pose
f
n
= f1
[n,n]
pour tout n N. On pose L
1
() = L
1
R
(R, B(R), ).
1. Montrer que, pour tout n N, f
n
L
1
(), et calculer a
n
=
_
f
n
d.
2. A-t-on convergence simple, convergence uniforme, convergence en mesure, convergence dans L
1
()
de la suite (f
n
)
nN
?.
Exercice 4.24 (Convergence uniforme et convergence des integrales)
Soient (E, T, m) un espace mesure et (f
n
)
nN
L
1
(= L
1
R
(E, T, m)) ; on suppose que f
n
converge
uniformement vers f quand n (plus precisement : il existe des representants des f
n
, encore notes
f
n
, t.q. f
n
converge uniformement vers f).
1. A-t-on f L
1
(plus precisement : existe-t-il F L
1
t.q. f = g p.p. si g F) ? [distinguer les cas
m(E) < + et m(E) = +.]
2. Si f L
1
et (
_
f
n
dm)
nN
converge dans R, a-t-on : lim
n+
_
f
n
dm =
_
fdm ?
Exercice 4.25 Corrige 72 page 345
103
Soient (E, T, m) un espace mesure, (f
n
)
nN
L
1
(= L
1
R
(E, T, m)) et f L
1
; on suppose que f
n
0 pp
n N, que f
n
f pp et que
_
f
n
dm
_
fdm lorsque n +. Montrer que f
n
f dans L
1
. [on
pourra examiner la suite (f f
n
)
+
.]
Exercice 4.26 (Exemple de convergence)
1. Soit (E, T, m) un espace mesure, (f
n
)
nN
L
1
R
(E, T, m), f, g L
1
R
(E, T, m). On suppose que
f
n
f p.p. et que f
n
g dans L
1
R
(E, T, m). Montrer que f = g p.p.
2. On suppose maintenant (E, T, m) = ([1, 1], B(R), ). Pour n N, on denit la fonction : f
n
=
n1
[
1
2n
,
1
2n
]
.
(a) Montrer que la suite (f
n
)
nN
est bornee dans L
1
, et que la suite (
_
f
n
d)
nN
converge.
(b) Peut-on appliquer le theor`eme de Lebesgue de la convergence dominee ?
(c) A-t-on convergence de la suite (f
n
)
nN
dans L
1
R
(E, T, m) ?
(d) Montrer que pour toute fonction continue de [1, 1] `a valeurs dans R,
_
f
n
d
_
d
0
lorsque n + (on dit que f
n
tend vers
0
dans lensemble des mesures sur les boreliens
de [1, 1] pour la topologie faible ).
Exercice 4.27 (A propos du lemme de Fatou)
Soient (E, T, m) un espace mesure et (f
n
)
nN
L
1
(= L
1
R
(E, T, m)) t.q. f
n
0 p.p. pour tout n N.
On pose, pour tout x E, f(x) = liminf
n+
f
n
(x).
1. Construire, pour tout n N, g
n
/
+
t.q. f
n
= g
n
p.p..
On pose g = liminf
n+
g
n
(o` u g
n
est construite `a la question 1).
2. Montrer que f = g pp, que f 0 p.p. et que :
_
gdm liminf
n+
_
f
n
dm (4.36)
3. On suppose de plus quil existe C > 0 t.q.
_
f
n
dm C pour tout n N. Montrer que f
L
1
R
(E, T, m) et que f < + p.p..
Exercice 4.28 (Theor`eme de Beppo-Levi) Corrige 73 page 346
Soient (E, T, m) un espace mesure, (f
n
)
nN
L
1
(= L
1
R
(E, T, m)) et f: E R, t.q. :
(i) f
n
f p.p. lorsque n +.
(ii) La suite (f
n
)
nN
est monotone, cest-`a-dire :
f
n+1
f
n
p.p., pour tout n N,
ou
f
n+1
f
n
p.p., pour tout n N.
1. Construire (g
n
)
nN
L
1
(= L
1
R
(E, T, m)) et g / t.q. f
n
= g
n
p.p., f = g p.p., g
n
(x) g(x)
pour tout x E, et g
n+1
g
n
pour tout n N (ou g
n+1
g
n
pour tout n N).
104
2. Montrer que f L
1
lim
n+
_
f
n
dm R.
3. On suppose ici que f L
1
, montrer que f
n
f dans L
1
, lorsque n +.
Exercice 4.29 (Preliminaire pour le theor`eme de Vitali) Corrige 74 page 348
Soient (E, T, m) un espace mesure et f L
1
(= L
1
R
(E, T, m)).
1. Montrer que pour tout > 0, il existe > 0 t.q. :
A T, m(A)
_
A
[f[dm .
[Choisir un representant de f et introduire f
n
= inf([f[, n)].
2. Soit > 0, montrer quil existe C T t.q. m(C) < + et
_
C
c
[f[dm . [Choisir un representant
de f et considerer C
n
= x E ;
1
n
[f(x)[.]
Exercice 4.30 (Theor`eme de Vitali) Corrige 75 page 349
Soient (E, T, m) un espace mesure, (f
n
)
nN
L
1
(= L
1
R
(E, T, m)) et f: E R, t.q. f
n
f p.p..
1. On suppose m(E) < +. Montrer que : f L
1
et f
n
f dans L
1
lorsque n +si et seulement
si (f
n
)
nN
est equi-integrable (i.e. : Pour tout > 0, il existe t.q. (A T, n N, m(A)
_
A
[f
n
[dm ). [Pour montrer le sens , utiliser la question 1 de lexercice 4.29. Pour le sens ,
remarquer que
_
[f
n
f[dm =
_
A
[f
n
f[dm +
_
A
c
[f
n
f[dm, utiliser le theor`eme dEgorov et le
lemme de Fatou...]
2. On suppose maintenant m(E) = +. Montrer que : f L
1
et f
n
f dans L
1
lorsque n
+ si et seulement si (f
n
)
nN
est equi-integrable et verie : > 0, C T, m(C) < + et
_
C
c
[f
n
[dm pour tout n. [Pour montrer le sens , utiliser lexercice 4.29. Pour le sens ,
utiliser lexercice 4.29, le lemme de Fatou et le resultat de la question 1.]
3. Montrer que le theor`eme de convergence dominee de Lebesgue peut etre vu comme une consequence
du theor`eme de Vitali.
Exercice 4.31 (Theor`eme de Vitali-moyenne) Corrige 76 page 352
Soit (E, T, m) un espace mesure. On note L
1
= L
1
R
(E, T, m). Soit (f
n
)
nN
L
1
et f /(E, T).
1. On suppose que m(E) < . On se propose ici de montrer que :
f L
1
et
|f
n
f|
1
0 quand n
_

_
1. f
n
f en mesure, quand n ,
2. (f
n
)
nN
equi-integrable.
(4.37)
(a) Montrer le sens () de (4.37).
(b) Pour montrer le sens (), on suppose maintenant que f
n
f en mesure, quand n , et
que (f
n
)
nN
est equi-integrable.
i. Montrer que pour tout > 0 et > 0, il existe n N t.q. : p, q n m([f
p
f
q
[
.
ii. Montrer que la suite (f
n
)
nN
est de Cauchy dans L
1
.
105
iii. Montrer que f L
1
et que |f
n
f|
1
0 quand n .
2. On ne suppose plus que m(E) < . Montrer que :
f L
1
et
|f
n
f|
1
0 quand n
_

_
1. f
n
f en mesure, quand n ,
2. (f
n
)
nN
equi-integrable,
3. > 0, A T t.q. m(A) < et ,
_
A
c
[f
n
[dm , pour tout n N.
(4.38)
Exercice 4.32 (Continuite de p | |
p
) Corrige 77 page 355
Soient (E, T, m) un espace mesure et f /(E, T).
1. Pour p [1, +[, on pose |f|
p
=
_
_
[f[
p
dm
_1
p
(noter que [f[
p
/
+
) et on dit que f L
p
si
|f|
p
< +. On pose I = p [1, +[, f L
p
.
(a) Soient p
1
et p
2
[1, +[, et p [p
1
, p
2
]. Montrer que si f L
p
1
L
p
2
, alors f L
p
. En
deduire que I est un intervalle. [On pourra introduire A = x; [f(x)[ 1.]
(b) On montre sur des exemples que les bornes de I peuvent etre ou ne pas etre dans I. On prend
pour cela: (E, T, m) = ([2, +[, B([2, [), ) ( est ici la restriction `a [2, [ de la mesure de
Lebesgue sur B(R)). Calculer I dans les deux cas suivants:
i. f(x) =
1
x
, x [2, +[.
ii. f(x) =
1
x(ln x)
2
, x [2, +[.
(c) Soit (p
n
)
nN
I et p I, (I designe ladherence de I dans R), t.q. p
n
p (ou p
n
p).
Montrer que
_
[f[
p
n
dm
_
[f[
p
dm quand n +. [On pourra encore utiliser lensemble
A].
2. On dit que f L

sil existe C R t.q. [f[ < C p.p.. On note |f|

= infC R t.q. [f[ < C


p.p.. Si f , L

, on pose |f|

= +.
(a) Montrer que f |f|

p.p.. A-t-on f < |f|

p.p. ?
On pose J = p [1, +]; f L
p
R
+
.
(b) Remarquer que J = I ou J = I +. Montrer que si p I et + J, alors [p, +] J.
En deduire que J est un intervalle de R
+
.
(c) Soit (p
n
)
nN
I t.q. p
n
+. On suppose que |f|

> 0 (noter que f = 0 p.p. |f|

=
0).
i. Soit 0 < c < |f|

. Montrer que : liminf


n+
|f|
p
n
c. [On pourra remarquer que
_
[f[
p
dm
c
p
m(x; [f(x)[ c.]
ii. On suppose que |f|

< +. Montrer que : limsup


n+
|f|
p
n
|f|

. [On pourra considerer


la suite g
n
=
_
[f[
|f|

_
p
n
et noter que g
n
g
0
p.p.. ]
iii. Deduire de (a) et (b) que |f|
p
n
|f|

lorsque n +.
106
3. Deduire des deux parties precedentes que p |f|
p
est continue de J dans R
+
, o` u J designe
ladherence de J dans R (cest-`a-dire J = [a, b] si J = [a, b[, avec 1 a b +, et [ designe ] ou
[).
Exercice 4.33 (Exemple de continuite et derivabilite sous le signe
_
)
Soit f : R R
+
R
+
donnee par: f(t, x) =ch(t/(1 +x)) 1.
1. Montrer que pour tout t R, la fonction f(t, .) appartient `a L
1
(R
+
, B(R), ).
2. On pose: F(t) =
_
R
+
f(t, x)dx. Montrer que F est continue, derivable. Donner une expression de
F

.
Exercice 4.34 (Contre exemple `a la continuite sous le signe
_
)
Soit f : R
+
]0, 1[ R
+
donnee par: f(t, x) = 1 si x [0,
t
4
] [t, 1], f(
t
2
, t) =
2
t
et f est ane par
morceaux.
1. Montrer que la fonction f(., x) est continue pour tout x ]0, 1[.
2. Montrer que f(t, x) 1 lorsque t 0, pour tout x ]0, 1[.
3. Montrer que
_
f(t, x)dx , 1 lorsque t 0. Pourquoi ne peut on pas appliquer le theor`eme de
continuite sous le signe
_
?
Exercice 4.35 (Continuite dune application de L
1
dans L
1
) Corrige 78 page 361
Soient (E, T, m) un espace mesure ni et soit g une fonction continue de R dans R t.q. :
C R

+
; [g(s)[ C[s[ +C, s R. (4.39)
1. Soit u L
1
R
(E, T, m). Montrer que g u L
1
R
(E, T, m).
On pose L
1
= L
1
R
(E, T, m). Pour u L
1
, on pose G(u) = h L
1
R
(E, T, m); h = g v p.p. L
1
,
avec v u.
2. Montrer que la denition precedente a bien un sens, cest `a dire que G(u) ne depend pas du choix
de v dans u.
3. Soit (u
n
)
nN
L
1
. On suppose que u
n
u p.p. et quil existe F L
1
t.q. [u
n
[ F p.p., pour
tout n N. Montrer que G(u
n
) G(u) dans L
1
.
4. Montrer que G est continue de L
1
dans L
1
. [On pourra utiliser la question 3. et le theor`eme appele
reciproque partielle de la convergence dominee.]
5. (Question non corrigee, voir le corrige 102 page 387) On consid`ere ici (E, T, m) = ([0, 1], B(R), ).
On suppose que g ne verie pas (4.39). On va construire u L
1
t.q. G(u) , L
1
.
(a) Soit n N

, montrer quil existe


n
R tel que : [g(
n
)[ n[
n
[ et [
n
[ n.
(b) On choisit une suite (
n
)
nN
veriant les conditions donnees `a la question precedente. Montrer
quil existe > 0 t.q.
+

n=1

[
n
[n
2
= 1.
(c) Soit (a
n
)
nN
une suite denie par : a
1
= 1 et a
n+1
= a
n


[
n
[n
2
(o` u
n
et sont denies
dans les 2 questions precedentes). On pose u =

+
n=1

n
1
[a
n+1
,a
n
[
. Montrer que u L
1
et
G(u) , L
1
.
107
4.11.3 Esperance et moments des variables aleatoires
Exercice 4.36 Soient (E, T) un espace probabilise et X une variable aleatoire de (E, T) dans (R, B(R)),
de loi de probabilite p
X
. Calculer lesperance et la variance de la variable aleatoire X dans les cas
suivants :
1. p
X
est la loi uniforme sur [a, b] (a, b R, a < b ;
2. p
X
est la loi exponentielle ;
3. p
X
est la loi de Gauss.
Exercice 4.37 Dans une ruche, la longevite dune abeille ouvri`ere nee au printemps est une variable
aleatoire X denie par la densite de probabilite f(t) = t
2
e
t
, o` u et sont des reels positifs.
Sachant que la longevite moyenne dune abeille est de 45 jours, calculer et .
Exercice 4.38 (Probl`eme de Buon) Sur un parquet inni dont les lattes ont une largeur 2d, on
laisse tomber au hasard une aiguille de longueur 2 avec < d, et on veut estimer la probabilite de
levenement A: laiguille rencontre un interstice. On appelle (, T, p) lespace probabilise associe `a ce
probl`eme.
On consid`ere:
que la position x du centre de laiguille par rapport `a linterstice le plus proche et dans la direction
x

x perpendiculaire aux lattes est une variable aleatoire uniformement distribuee sur [d, d],
que langle oriente que fait laiguille avec linterstice est une variable aleatoire uniformement
distribuee sur [

2
,

2
].
1. Montrer que levenement Acorrespond (on precisera en quel sens) `a la partie P
A
du plan (x, ):
P
A
= (x, ) [d, d] [

2
,

2
]; [x[ < sin. Representer graphiquement P
A
.
2. Montrer que p(A) =
2
d
.
Exercice 4.39 (Inegalite de Jensen) Corrige 79 page 362
Rappel : Une fonction f de R dans R est convexe si et seulement si pour tout a R il existe c
a
t.q.
f(x) f(a) c
a
(x a) pour tout x R.
Soit f une fonction convexe de R dans R et X une v.a. sur un espace de probabilite (, /, P). On
suppose que X et f(X) sont integrables. Montrer linegalite de Jensen, cest-`a-dire :
_
f(X)dP f(
_
XdP).
[Utiliser le rappel avec a bien choisi.]
Exercice 4.40 (Sur lequi-integrabilite ) Corrige 80 page 363
Soit (E, /, P) un espace de probabilite et (X
n
)
nN
une suite de v.a. (reelles). On rappelle que la suite
(X
n
)
nN
est equi-integrable si
_
A
[X
n
[dP 0, quand P(A) 0 (avec A /), uniformement par rapport
`a n N. Montrer lequivalence entre les deux proprietes suivantes :
1. lim
a
sup
nN
_
{|X
n
|>a}
[X
n
[dP = 0,
108
2. sup
nN
_
[X
n
[dP < + et (X
n
)
nN
equi-integrable.
Exercice 4.41 (Caracterisation de lindependance) Corrige 81 page 363
Soit (, /, P) un espace de probabilites, n 2 et X
1
, X
2
, . . . , X
n
, n variables aleatoires reelles. Montrer
que lindependance de (X
1
, X
2
, . . . X
n
) est equivalente `a la propriete suivante :
(a
1
, . . . , a
n
) ] , +[
n
, P[X
1
a
1
, . . . , X
n
a
n
] =
n

i=1
P[X
i
a
i
].
(La notation P[X a] est identique `a P(X a), elle designe la probabilite de lensemble
, X() a.)
Exercice 4.42 (Sign(X) et [X[ pour une gaussienne) Corrige 82 page 363
Soit (, /, P) un espace probabilise et X une v.a.r. gaussienne centree (cest-`a-dire P
X
= f avec, pour
x R, f(x) =
1

2
e

x
2
2
2
, o` u > 0 est la racine carre de la variance de X). Montrer que sign(X) et [X[
sont independantes et preciser leurs lois. Meme question avec sign(X) et X
2
.
Exercice 4.43 (V.a. gaussiennes dependantes) Corrige 83 page 363
Soit (, /, P) un espace de probabilites,
1
> 0,
2
> 0 et X
1
, X
2
deux variables aleatoires independantes
et telles que :
X
1
^(0,
2
1
) et X
2
^(0,
2
2
).
(le signe signie a pour loi.) Construire deux v.a. Y
1
et Y
2
t.q. X
1
Y
1
, X
2
Y
2
et Y
1
et Y
2
soient
dependantes.
Exercice 4.44 (V.a. gaussiennes dependantes, `a covariance nulle) Corrige 84 page 364
soit (, /, P) est un espace de probabilites et X, S deux v.a. reelles, independantes, t.q. X ^(0, 1)
et S a pour loi P
S
=
1
2

1
+
1
2

1
. (Il est possible de construire un espace de probabilites et des v.a.
independantes ayant des lois prescrites, voir le Chapitre 7.)
1. Montrer que SX ^(0, 1).
2. Montrer que SX et X sont dependantes.
3. Montrer que Cov(SX, X) = 0.
4. (Question subsidiaire.) On ne suppose plus lexistence de S, mais on suppose quil existe Y v.a.
gaussienne independante de X. Montrer que si Y ^(0,
2
), avec > 0, il est possible dutiliser
Y pour construire S, v.a. independante de X et telle que P
S
=
1
2

1
+
1
2

1
.
Exercice 4.45 (Identites de Wald) Corrige 85 page 365
Soit (, /, P) un espace probabilise, (X
n
)
nN
une suite v.a.r.i.i.d. et N une v. a. `a valeurs dans N

.
On pose S
N
= X
1
+. . . +X
N
(cest-`a-dire que, pour , S
N
() =

N()
n=1
X
n
()).
1. On suppose, dans cette question, que la suite N, X
1
, . . . , X
N
, . . . est independante.
(a) On suppose que N et X
1
sont integrables . Montrer que S
N
est integrable et calculer E(S
N
)
en fonction de E(N) et E(X
1
).
109
(b) On suppose que N et X
1
sont de carre integrable, montrer que S
N
est de carre integrable et
calculer sa variance en utilisant les variances de N et X
1
.
2. On suppose maintenant que N = n (X
1
, .., X
n
) pour tout n N

et que E(X
1
) = 0.
(a) Montrer que 1
{nN}
et X
n
sont des v.a. independantes.
(b) Reprendre les questions 1(a) et 1(b). [On pourra ecrire S
N
=

nN

1
{nN}
X
n
.]
N.B. : Le cas E(X
1
) ,= 0 peut aussi etre traite. Il se ram`ene au cas E(X
1
) = 0 en considerant
Y
n
= X
n
E(X
n
).
Exercice 4.46 (Limite p.s. et independance) Corrige 86 page 365
Soit (, /, P) un espace probabilise, (X
n
)
nN
une suite v.a.r. et X, Y deux v.a.r.. On suppose que, pour
tout n N

, X
n
et Y sont independantes et on suppose que X
n
X p.s., quand n . Montrer que
X et Y sont independantes.
Exercice 4.47 (Exponentielle dune v.a. gaussienne)
Soit (, /, P) un espace de probabilite et X une v.a. t.q. X ^(0, 1). Soit Y = exp(X). Calculer la
moyenne, la variance et la densite de Y .
Exercice 4.48 (Loi du
2
)
Soit (, /, P) un espace de probabilite et X une v.a. t.q. X ^(0, 1). Calculer lesperance, la variance
ainsi que la densite de la v.a. X
2
. (Remarque : cette loi sappelle Loi du
2
`a 1 degre de liberte.)
110
Chapter 5
Mesures sur la tribu des boreliens
5.1 Lintegrale de Lebesgue et lintegrale des fonctions continues
Nous commen cons par comparer lintegrale de Lebesgue (denie sur (R, B(R), )) `a lintegrale classique
des fonctions continues (et plus generalement des fonctions reglees).
Soit I un intervalle de R (borne ou non). On rappelle que B(I) = A B(R), A I. On peut donc
considerer la restriction `a B(I) de la mesure de Lebesgue denie sur B(R). On notera en general (un peu
incorrectement) aussi cette mesure sur B(I).
Proposition 5.1 Soit < a < b < +. Soit f C([a, b], R). Alors, f L
1
R
([a, b], B([a, b]), )) et
_
fd =
_
b
a
f(x)dx (cette derni`ere integrale est `a prendre au sens de lintegrale des fonctions continues
vue au Chapitre 1).
D emonstration :
La demonstration de cette proposition fait lobjet de lexercice (corrige) 4.5 page 99. En fait lexercice
4.5 sinteresse au cas [0, 1] mais sadapte facilement pour le cas general [a, b].
Remarque 5.1
1. Si I est un intervalle de R dont les bornes sont a, b R (I peut etre ferme ou ouvert en a et b) et
si f L
1
(I, B(I), ) ou L
1
(I, B(I), ), on notera souvent :
_
fd =
_
f(x)d(x) =
_
b
a
f(x)dx.
Cette notation est justifee par la proposition precedente (proposition 5.1) car, si I est compact,
lintegrale de Lebesgue contient lintegrale des fonctions continues (et aussi lintegrale des fonctions
reglees et aussi lintegrale de Riemann, voir lexercice 5.3).
2. Soient < a < b < + et f C([a, b], R).
La proposition 5.1 donne que f L
1
R
([a, b], B([a, b]), )). En fait, on ecrira souvent que f
L
1
R
([a, b], B([a, b]), )), cest-`a-dire quon confondra f avec sa classe dans L
1
R
([a, b], B([a, b]), ), qui
111
est g L
1
R
([a, b], B([a, b]), ); g = f p.p.. On peut dailleurs noter que f est alors le seul ele-
ment continu de g L
1
R
([a, b], B([a, b]), ); g = f p.p. comme le montre la proposition suivante
(proposition 5.2).
Proposition 5.2 Soient a < b + et f, g C(]a, b[, R). On suppose que f = g -p.p.. On a
alors f(x) = g(x) pour tout x [a, b].
D emonstration :
Cette proposition est demontree `a lexercice (corrige) 3.9 page 65 pour a = et b = . La demon-
stration pour a et b quelconques est similaire.
Proposition 5.3 Soit f C
c
(R, R) (fonction continue `a support compact). Alors f L
1
R
(R, B(R), ).
(Ici aussi, on ecrira souvent f L
1
R
(R, B(R), ).)
De plus, si a, b R sont t.q. a < b et f = 0 sur [a, b]
c
(de tels a et b existent). Alors,
_
fd =
_
b
a
f(x)dx
(cette derni`ere integrale etant `a prendre au sens delintegrale des fonctions continuesvue au Chapitre 1).
D emonstration:
On remarque dabord que f est borelienne car continue. Puis, pour montrer que f est integrable, on
va utiliser la proposition 5.1. Comme f est `a support compact, il existe a, b R t.q. a < b et f = 0
sur [a, b]
c
. On a alors, par la proposition 5.1, f
|
[a,b]
C([a, b], R) L
1
R
([a, b], B([a, b]), ). On a donc
_
[f[d =
_
[f
|
[a,b]
[d < et donc f L
1
R
(R, B(R), ). Enn, la proposition 5.1 donne aussi :
_
f
|
[a,b]
d =
_
b
a
f(x)dx.
Do` u lon conclut bien que
_
fd =
_
b
a
f(x)dx.
Le resultat precedent se generalise `a lintegrale de Riemann des fonctions Riemann-integrables (construite
`a partir des sommes de Darboux). Ceci fait lobjet de lexercice 5.3.
5.2 Mesures abstraites et mesures de Radon
F
Remarque 5.2 Les propositions 5.1 et 5.3 donnent les resultats suivants :
1. Pour f C
c
(R, R), on pose L(f) =
_
fd. Lapplication L est une application lineaire (de C
c
(R, R)
dans R) positive, cest-`a-dire que f 0 L(f) 0. (On rappelle que f 0 signie que f(x) 0
pour tout x R.)
Plus generalement, soit m une mesure sur (R, B(R)), nie sur les compacts. Il est facile de voir
que C
c
(R, R) L
1
R
(R, B(R), m) (en toute rigueur, on a plutot C
c
(R, R) L
1
R
(R, B(R), m)). Pour
f C
c
(R, R), on pose L(f) =
_
fdm. Lapplication L est une application lineaire (de C
c
(R, R)
dans R) positive (ou encore une forme lineaire positive).
On peut montrer une reciproque de ce resultat (theor`eme 5.1).
112
2. Soit < a < b < . Pour f C([a, b], R), on pose L(f) =
_
fd. Lapplication L est une
application lineaire (de C([a, b], R) dans R) positive.
Ici aussi, plus generalement, soit m une mesure nie sur ([a, b], B([a, b])). Il est facile de voir
que C([a, b], R) L
1
R
([a, b], B([a, b]), m) (ou plutot C([a, b], R) L
1
R
([a, b], B([a, b]), m)). Pour f
C([a, b], R), on pose L(f) =
_
fdm. Lapplication L est une application lineaire (de C([a, b], R)
dans R) positive (ou encore une forme lineaire positive).
Ici aussi, on peut montrer une reciproque de ce resultat (voir la remarque 5.5).
On enonce maintenant des resultats, d us `a F. Riesz, qui font le lien entre les applications lineaires
(continues ou positives) sur des espaces de fonctions continues (cest cela que nous appellerons mesures
de Radon) et les mesures abstraites sur B(R) (cest-`a-dire les applications additives sur les boreliens
de R, `a valeurs dans R ou R
+
, non identiquement egales `a +). Le theor`eme 5.1 donne ci apr`es est parfois
appele Theor`eme de representation de Riesz en theorie de la mesure. Dans ce cours, nous utilisation
lappelation Theor`eme de representation de Riesz pour le theor`eme 6.8, il sagit du Theor`eme de
representation de Riesz dans les espaces de Hilbert.
Theor`eme 5.1 (Riesz) Soit L une forme lineaire positive sur C
c
dans R, alors il existe une unique
mesure m sur (R, B(R)) t.q. :
f C
c
, L(f) =
_
fdm. (5.1)
De plus, m est nie sur les compacts (cest-`a-dire m(K) < pour tout compact K de R.)
D emonstration : La partie unicite de cette demonstration est assez facile et est donnee dans la
proposition 5.4. La partie existence est plus dicile, on en donne seulement le schema general.
Soit L une forme lineaire positive sur C
c
(R, R).
1. Montrer que L est continue, cest-`a-dire : pour tout compact K de R, il existe C
K
R t.q.
pour toute fonction continue `a support dans K, [L(f)[ C
K
|f|

. (Considerer une fonction

K
C
c
(R, R) t. q.
K
(x) = 1 si x K, et
K
(x) 0).
2. Montrer le lemme suivant:
Lemme 5.1 (Dini) Soient (f
n
)
nN
C
c
(R, R) et f C
c
(R, R) t.q. f
n
f ou f
n
f lorsque
n +. Alors f
n
converge uniformement vers f.
3. Deduire des deux etapes precedentes que si (f
n
)
nN
C
c
(R, R) et f C
c
(R, R) t.q. f
n
f ou
f
n
f lorsque n +, alors L(f
n
) L(f).
4. Soient (f
n
)
nN
et (g
n
)
nN
C
c
(R, R) des suites telles que f
n
f et g
n
g (ou f
n
f et g
n
g), o` u
f et g sont des fonctions de R dans R. Montrer que si f g alors lim
n+
L(f
n
) lim
n+
L(g
n
)
(et dans le cas particulier o` u f = g, lim
n+
L(f
n
) = lim
n+
L(g
n
)). [On pourra, par exemple,
considerer, pour n xe, h
p
= inf(g
p
, f
n
) et remarquer que h
p
f
n
.]
5. On denit:
A
+
= f : R R; (f
n
)
nN
C
c
(R, R); f
n
f et lim
n+
L(f
n
) < +, (5.2)
A

= f : R R; (f
n
)
nN
C
c
(R, R); f
n
f et lim
n+
L(f
n
) > , (5.3)
113
Si f A
+
, on pose L(f) = lim
n+
L(f
n
), o` u (f
n
)
nN
C
c
(R, R); f
n
f. Si f A

, on pose
L(f) = lim
n+
L(f
n
), o` u (f
n
)
nN
C
c
(R, R); f
n
f. Verier que ces denitions sont coherentes
(cest-`a-dire quelles ne dependent pas des suites choisies et que si f A
+
A

, les deux denitions


coincident). Montrer les proprietes suivantes:
(a) Si f A
+
(resp. A

) alors f A

(resp. A
+
)et L(f) = L(f).
(b) Si f, g A
+
(resp. A

) alors f +g A
+
(resp. A

) et L(f +g) = L(f) +L(g).


(c) Si f A
+
(resp. A

) et R
+
alors f A
+
(resp. A

) et L(f) = L(f).
(d) Si f A
+
(resp. A

) et g A
+
alors sup(f, g) A
+
et inf(f, g) A
+
.
(e) Si f, g A
+
(resp. A

) et f g, alors L(f) L(g).


(f) Si (f
n
)
nN
A
+
(resp. A

) et f
n
f A
+
(resp. f
n
f A

), alors L(f
n
) L(f).
(g) Soit (f
n
)
nN
A
+
(resp. A

) t.q. f
n
f (resp. f
n
f), o` u f est une fonction de R dans R.
Si lim
n+
L(f
n
) < +, alors f A
+
.
Remarquer aussi que A
+
contient toutes les fonctions caracteristiques des ouverts bornes et que A

contient toutes les fonctions caracteristiques des compacts.


6. On pose:
E = f : R R; > 0, g A
+
et h A

; h f g et L(g) L(h) (5.4)


et pour f E, on denit:
L(f) = sup
hA

hf
L(h) = inf
gA

gf
L(g). (5.5)
Montrer que cette denition a bien un sens, cest-`a-dire que dune part :
sup
hA

hf
L(h) = inf
gA

gf
L(g),
et dautre part la denition de L sur E est compatible avec la denition sur A
+
et A

(apr`es avoir
remarque que A
+
E et A

E). Montrer les proprietes suivantes sur E:


(a) E est un espace vectoriel et L une forme lineaire positive sur E.
(b) E est stable par passage `a la limite croissante ou decroissante.
(c) E est stable par inf et sup, i.e. si f E et g E, alors sup(f, g) E et inf(f, g) E.
7. Soit (
n
)
nN
C
c
t.q. 0
n
1 et
n
1. On pose T = A T(R); 1
A

n
En N. Montrer
que T B(R).
8. Pour A T, on pose: m(A) = lim
n+
L(1
A

n
) R +. Montrer que m est une mesure
-nie.
9. Montrer que L
1
(R, T, m) = E et que
_
fdm = L(f), f E.
Proposition 5.4 Soit d 1, m et deux mesures sur B(R
d
), nies sur les compacts. On suppose que
_
fdm =
_
fd, pour tout f C
c
(R
d
, R). Alors m = .
114
D emonstration : La demonstration de cette proposition peut se faire en utilisant la proposition 2.5.
Elle est faite pour d = 1 au chapitre 4 (proposition 4.11. Sa generalisation au cas d > 1 est laissee en
exercice.
Remarque 5.3 Le theor`eme 5.1 donne un autre moyen de construire la mesure de Lebesgue que celui
vu au chapitre 2 :
Pour f C
c
(R, R), on pose L(f) =
_
b
a
f(x)dx, o` u a, b R sont choisis pour que f = 0 sur [a, b]
c
(on
utilise ici lintegrale des fonctions continues sur un compact de R). Lapplication L est clairement lineaire
positive de C
c
(R, R) dans R. Le theor`eme 5.1 donne donc lexistence dune mesure m sur B(R) t.q.
_
fdm = L(f) pour tout f C
c
(R, R). Cette mesure est justement la mesure de Lebesgue (elle verie
bien m(]a, b[) = b a pour tout a, b R, a < b).
Denition 5.1 On denit les espaces de fonctions continues (de R dans R) suivants :
C
b
(R, R) = f C(R, R); sup
xR
[f(x)[ < ,
C
0
(R, R) = f C(R, R); f(x) 0 quand [x[ ,
C
c
(R, R) = f C(R, R); K R, K compact, f = 0 sur K
c
.
Pour f C
b
(R, R), on pose |f|
u
= sup
xR
[f(x)[. La norme | |
u
sappelle norme de la convergence
uniforme (elle est aussi parfois appelee norme innie.)
Il est clair que C
c
(R, R) C
0
(R, R) C
b
(R, R) et on rappelle que C
b
(R, R) et C
0
(R, R) sont des espaces
de Banach (e.v.n. complet) avec la norme | |
u
Remarque 5.4 Soit m une mesure nie sur B(R), alors C
b
(R, R) L
1
R
(R, B(R), m) (en toute rigueur,
on a plutot C
b
L
1
R
(R, B(R), m)). Pour f C
b
(R, R), on pose L(f) =
_
fdm. Lapplication L est
alors une application lineaire sur C
b
(R, R). On munit C
b
(R, R) de la norme de la convergence uniforme,
Lapplication L est alors continue (car L(f) m(E)|f|
u
pour tout f C
b
(R, R)). Lapplication L est
aussi positive, cest-`a-dire que f 0 L(f) 0. On donne ci-apr`es des reciproques partielles de ces
resultats.
Theor`eme 5.2 (Riesz) Soit L une application lineaire positive de C
0
dans R, alors il existe une unique
mesure m nie sur (R, B(R)) t.q. :
f C
0
, L(f) =
_
fdm. (5.6)
D emonstration : Ici aussi, on ne donne quun schema de la demonstration.
Soit L une application lineaire positive de C
0
dans R.
1. Pour montrer que si m existe, alors m est nie, considerer les fonctions f
n
= 1
[n,n]
+ (x + n +
1)1
[(n+1),n]
+ (n + 1 x)1
[n,n+1]
, et la continuite de L.
2. Montrer que L est continue.[Raisonner par labsurde en supposant que L est positive et non continue :
en utilisant le fait que si L est non continue alors L est non bornee sur la boule unite, construire
une suite g
n
de fonctions positives telles que la serie de terme general g
n
converge absolument. Soit
g la limite de la serie de terme general g
n
, montrer que T(g) > n, n N.]
115
3. Montrer que la restriction T de L `a C
c
(R, R) est lineaire continue, et donc par le theor`eme 5.1 quil
existe une unique mesure m t.q. T(f) =
_
fdm, f C
c
(R, R).
4. Montrer que L(f) =
_
fdm f C
0
(R, R) [approcher f de mani`ere uniforme par f
n
C
c
(R, R),
prendre par exemple: f
n
= f
n
o` u
n
C
c
(R, R),
n
= 1 sur [n, n] et
n
(x) = 0 sur [(n+1), n]
c
.
Montrer que lim
n+
L(f
n
) = L(f) et que lim
n+
_
f
n
dm =
_
fdm .
Le resultat du theor`eme 5.2 est faux si on remplace C
0
par C
b
. On peut, par exemple, construire une
application lineaire continue positive sur C
b
, non identiquement nulle sur C
b
et nulle sur C
0
. Si on note
L une telle application (nulle sur C
0
mais non identiquement nulle sur C
b
) et si m est une mesure nie
sur (R, B(R)) t.q. L(f) =
_
fdm pour f C
b
, on montre facilement (en utilisant
_
fdm = 0 pour tout
f C
0
) que m = 0 et donc L(f) = 0 pour tout f C
b
, en contradiction avec le fait que L nest pas
identiquement nulle sur C
b
.
Pour construire une application lineaire continue positive sur C
b
, non identiquement nulle et nulle sur
C
0
, on peut proceder de la mani`ere decrite ci apr`es. On note F le sous espace vectoriel de C
b
forme des
elements de C
b
ayant une limite en +. On a donc f F si f C
b
et si il existe l R t.q. f(x) l
quand x . Pour f F on pose

L(f) = lim
x
f(x). On a ainsi deni une forme lineaire positive
sur F (car, pour f F, f(x) 0 pour tout x R implique bien

L(f) 0). En utilisant le theor`eme
5.3 donne ci apr`es, il existe donc L, forme lineaire positive sur C
b
, t.q. L =

L sur F. Lapplication L est
donc lineaire continue positive sur C
b
(pour la continuite, on remarque que [L(f)[ |f|
u
), elle est bien
nulle sur C
0
(car lim
x
f(x) = 0 si f C
0
F) et non identiquement nulle sur C
b
car L(f) = 1 si f
est la fonction constante, egale `a 1 en tout point.
Theor`eme 5.3 (Hahn-Banach positif )
Soit F un sous espace vectoriel de C
b
= f C(R, R); sup
xR
[f(x)[ < et T une application lineaire
de F dans R. On suppose que F contient les fonctions constantes et que T est positive (cest-` a-dire que,
pour f F, f(x) 0 pour tout x R implique T(f) 0). Il existe alors T, application lineaire positive
sur C
b
, t.q. T = T sur F.
D emonstration : La demonstration nest pas detaillee ici. Elle peut se faire en utilisant une technique
tr`es similaire `a celle donnant la demonstration du theor`eme de Hahn-Banach (qui permet aussi de montrer
le theor`eme de prolongement dune application lineaire continue denie sur un sous espace vectoriel dun
espace de Banach). Elle peut aussi se faire en se ramenant au theor`eme de Hahn-Banach lui-meme tel
quil est donne, par exemple, dans le livre danalyse fonctionnelle de H. Brezis.
Il est interessant de noter que le resultat du theor`eme peut etre faux si on retire lhypoth`ese F contient
les fonctions constantes.
On peut maintenant faire la remarque suivante:
Remarque 5.5 Soit K une partie compacte de R. On note C(K, R) = f
|
K
, f C
b
. Si m est une
mesure nie sur (K, B(K)) lespace fonctionnel C(K, R) est inclus dans L
1
R
(K, B(K), m), et lapplication
qui `a f C(K, R) associe
_
fdm est lineaire positive (et continue, si C(K, R) est muni de la norme de
la convergence uniforme). Reciproquement, soit L une application lineaire positive de C(K, R) dans R.
Le theor`eme precedent permet de montrer quil existe une unique mesure nie, notee m, sur (K, B(K))
t.q. :
L(f) =
_
fdm, f C(K, R). (5.7)
116
Considerons maintenant le cas des mesures signees: si m est une mesure signee sur (R, B(R)) (ou sur
(K, B(K))), lapplication qui `a f C
0
(ou C(K), K etant une partie compacte de R) associe
_
fdm
est lineaire continue (pour la norme de la convergence uniforme). Reciproquement, on a aussi existence
et unicite dune mesure (signee) denie `a partir dune application lineaire continue de C
0
(ou de C(K))
dans R:
Theor`eme 5.4 (Riesz, mesures signees) Soit L une application lineaire continue (pour la norme in-
nie) de C
0
(R, R) dans R (ou de C(K, R) dans R, o` u K est un compact de R). Alors il existe une unique
mesure signee, notee m, sur B(R) (ou sur B(K)) t.q. :
L(f) =
_
fdm, f C
0
(R, R)( ou C(K, R)). (5.8)
Les elements de (C
0
(R, R))

(ou (C(K, R))

) sont appeles mesures de Radon sur R (ou K). On rappelle


que, pour un espace de Banach (reel) E, on note E

son dual topologique, cest-`a-dire lensemble des


applications lineaires continues de E dans R.
D emonstration : Elle consiste `a se ramener au theor`eme de Riesz pour des formes lineaires positives.
Elle nest pas detaillee ici. On rappelle seulement que si m est une mesure signee sur T (tribu sur
un ensemble E). il existe deux mesures nies m
+
et m

sur T, etrang`eres (cest-`a-dire quil existe


A T t.q. m
+
(A) = m

(A
c
) = 0) et t.q. m = m
+
m

. On a alors (par denition) L


1
R
(E, T, m) =
L
1
R
(E, T, m
+
) L
1
R
(E, T, m

) et, si f L
1
R
(E, T, m),
_
fdm =
_
fdm
+

_
fdm

.
Denition 5.2 (Mesure de Radon) Soit un ouvert borne de R, alors on appelle mesure de Radon
sur un element de (C(, R))

, cest-`a-dire une application lineaire continue (pour la norme innie) de


C(, R) dans R.
Remarque 5.6 Soit T une forme lineaire sur C
c
(, R).
1. Si T est continue pour la norme |.|

, on peut montrer quil existe une et une seule mesure signee,


notee , sur les boreliens de telle que T(f) =
_
fd, pour tout f C
c
(, R). Pour montrer
lexistence de , on peut commencer par se ramener au theor`eme 5.4 en prolongeant T (de mani`ere
non unique) en une application lineaire continue sur C(, R) (ceci est possible par le theor`eme
de Hahn-Banach). Le theor`eme 5.4 donne alors une (unique) mesure sur B() correspondant `a
ce prolongement de T. La restriction de cette mesure `a B() est la mesure recherchee. Il est
interessant de remarquer que cette mesure est unique, sans que celle donnee par le theor`eme 5.4
soit unique (car cette derni`ere depend du prolongement choisi de T `a C(, R)).
2. Si T est continue pour la topologie naturelle de C
c
(, R), (cest-`a-dire que, pour tout compact
K , il existe C
K
R tel que T(f) C
K
|f|

, pour tout f C
c
(, R) avec f = 0 sur
le complementaire de K) alors ce resultat est faux ; par contre on peut montrer quil existe deux
mesures (positives)
1
et
2
sur les boreliens de telles que T(f) =
_
fd
1

_
fd
2
, f C
c
(, R) ;
noter que
1
et
2
peuvent prendre toutes les deux la valeur + (exemple : N = 1, =] 1, 1[,
T(f) =

nN

nf(1
1
n
)

nN

nf(1 +
1
n
)), et donc que (
1

2
)() na pas toujours un
sens. . . .
Soit maintenant T une forme lineaire sur C

c
(, R), continue pour la norme | |
u
, alors il existe une et
une seule mesure signee, notee , sur les boreliens de telle que T(f) =
_
fd, f C

c
(, R).
117
5.3 Changement de variables, densite et continuite
On montre dans cette section quelques proprietes importantes de lespace L
1
R
(R, B(R), ) (et eventuelle-
ment de L
1
R
(R, B(R), ) si est nie sur les compacts)
Proposition 5.5 (Changement de variable ane) Soient R

, R et f L
1
(R, B(R), ). On
denit g : R R par g(x) = f(x +) pour x R. Alors, g L
1
(R, B(R), ) et
_
gd =
1
||
_
fd.
Le meme resultat reste vrai en remplacant L
1
par L
1
.
D emonstration :
1. On pose (x) = x + , pour tout x R, de sorte que g = f . Comme f et sont boreliennes
(noter que est meme continue), g est aussi borelienne, cest-`a-dire g /.
2. Pour montrer que g L
1
(R, B(R), ) et
_
gd =
1
[[
_
fd, (5.9)
on raisonne en plusieurs etapes :
(a) On suppose que f = 1
A
avec A B(R) t.q. (A) < . On a alors g = 1 1

(avec
1

=
1

, x A). On a donc g L
1
(R, B(R), ) et (5.9) est vraie (car on a dej`a
vu que (
1

) =
1
||
(A), dans la proposition 2.9).
(b) On suppose que f c
+
L
1
(R, B(R), ). Il existe donc a
1
, . . . , a
n
> 0 et A
1
, . . . , A
n
T t.q.
f =

n
i=1
a
i
1
A
i
. Comme f L
1
(R, B(R), ), on a aussi (A
i
) < pour tout i. On conclut
alors que g =

n
i=1
a
i
1 1

A
i

, ce qui donne que g c


+
L
1
(R, B(R), ) et que (5.9) est vraie.
(c) On suppose que f /
+
L
1
(R, B(R), ). Il existe (f
n
)
nN
c
+
L
1
(R, B(R), ) t.q. f
n
f
quand n . On a donc
_
f
n
d
_
fd quand n . On denit g
n
par g
n
(x) = x + ,
pour tout x R. On a alors g
n
c
+
L
1
(R, B(R), ), g
n
g et
_
g
n
d
_
gd quand n .
Comme (5.9) est vraie pour f = f
n
et g = g
n
, on en deduit que g /
+
L
1
(R, B(R), ) et
(5.9) est vraie.
(d) On suppose enn seulement que f L
1
(R, B(R), ). Comme f = f
+
f

, avec f

/
+

L
1
(R, B(R), ), on peut utiliser letape precedente avec f

et on obtient que g L
1
(R, B(R), )
et que (5.9) est vraie.
3. Le resultat obtenu est encore vrai pour L
1
au lieu de L
1
. Il sut de remarquer que
f
1
= f
2
p.p. g
1
= g
2
p.p. ,
avec g
i
() = f
i
( +), i = 1, 2.
En fait, lorsque f decrit un element de L
1
(qui est un ensemble delements de L
1
), la fonction
g( +) decrit alors un element de L
1
.
Le resultat de densite que nous enon cons `a present permet dapprocher une fonction de L
1
R
(R, B(R), )
aussi pr`es que lon veut par une fonction continue `a support compact. Ce resultat est souvent utilise
pour demontrer certaines proprietes des fonctions de L
1
: On montre la propriete pour les fonctions
continues, ce qui sav`ere en general plus facile, et on passe `a la limite.
118
Theor`eme 5.5 (Densite de C
c
(R, R) dans L
1
R
(R, B(R), ))
Lensemble C
c
(R, R) des fonctions continues de R dans R et `a supports compacts, est dense dans L
1
=
L
1
R
(R, B(R), ), cest-`a-dire :
f L
1
R
(R, B(R), ), > 0, C
c
(R, R); |f |
1
< .
D emonstration :
On a dej`a vu que C
c
(R, R) L
1
. En toute rigueur, on a plutot C
c
(R, R) L
1
= L
1
R
(R, B(R), ).
Lobjectif est donc de montrer que pour tout f L
1
et tout > 0, il existe C
c
(R, R) t.q. |f |
1
.
On va raisonner une nouvelle fois en plusieurs etapes (fonctions caracteristiques, c
+
, /
+
et enn L
1
).
Etape 1. On suppose ici que f = 1
A
avec A B(R) et (A) < .
Soit > 0. Comme est une mesure reguli`ere (proposition 2.3), il existe un ouvert O et un ferme F
t.q. F A O et (O F) . Pour n N

, on pose F
n
= F [n, n], de sorte que F
n
est compact
(pour tout n) et F =
nN
F
n
. La continuite croissante de donne alors (F
n
) (F), quand n .
Comme (F) (A) < , on a aussi (F F
n
) = (F) (F
n
) 0 quand n . Il existe donc n
0
t.q. (F F
n
0
) .
On pose K = F
n
0
et on obtient donc K F A O. Ce qui donne (OK) (OF)+(F K) 2.
On a donc trouve un compact K et un ouvert O t.q. K A O et (O K) 2. ceci va nous
permettre de construire C
c
(R, R) t.q. |f |
1
2.
On pose d = d(K, O
c
) = infd(x, y), x K, y O
c
. On remarque que d > 0. En eet, il existe
(x
n
)
nN
K et (y
n
)
nN
O
c
t.q. d(x
n
, y
n
) = [x
n
y
n
[ d quand n . Par compacite de K, on
peut supposer (apr`es extraction eventuelle dune sous suite) que x
n
x, quand n . Si d = 0, on a
alors aussi y
n
x quand n et donc x O
c
K (car K et O
c
sont fermes). Ce qui est impossible
car O
c
K = . On a donc bien montre d > 0.
On pose maintenant , pour tout x R, (x) =
1
d
(d d(x, K))
+
avec d(x, K) = infd(x, y), y K. La
fonction est continue car x d(x, K) est continue (cette fonction est meme lipschitzienne, on peut
montrer que [d(x, k)d(y, K)[ [xy[). Elle est `a support compact car il existe A > 0 t.q. K [A, A]
et on remarque alors que = 0 sur [A d, A + d]
c
. On a donc C
c
(R, R). Enn, on remarque
que = 1 sur K, = 0 sur O
c
et 0 1 (partout). On en deduit que f = 0 sur K O
c
et
0 [f [ 1, ce qui donne
|f |
1
(O K) 2,
et termine donc la premi`ere (et principale) etape.
Etape 2. On suppose ici que f c
+
L
1
. Il existe donc a
1
, . . . , a
n
> 0 et A
1
, . . . , A
n
T t.q.
f =

n
i=1
a
i
1
A
i
. Comme f L
1
, on a aussi (A
i
) < pour tout i.
Soit > 0, letape 1 donne, pour tout i, lexistence de
i
C
c
(R, R) t.q. |1
A
i

i
|
1
. On pose
=

n
i=1
a
i

i
C
c
(R, R) et on obtient |f |
1
(

n
i=1
a
i
) (ce qui est bien arbitrairement petit).
Etape 3. On suppose ici que f /
+
L
1
.
Soit > 0. Dapr`es la caracterisation de lintegrale dans /
+
(lemme 4.3), Il existe g c
+
t.q. g f et
_
fd
_
gdm
_
fdm, de sorte que |g f|
1
=
_
(f g)d . Letape 2 donne alors lexistence
de C
c
(R, R) t.q. |g |
1
. Do` u lon deduit |f |
1
2. Ce qui termine letape 3.
Etape 4. On suppose enn que f L
1
.
119
Soit > 0. Comme f

/
+
L
1
, letape 3 donne quil existe
1
,
2
C
c
(R, R) t.q. |f
+

1
|
1
et
|f

2
|
1
. On pose alors =
1

2
. On a C
c
(R, R) et |f |
1
2. Ce qui prouve bien
la densite de C
c
(R, R) dans L
1
.
Le resultat de densite que nous venons de demontrer nest pas limite `a la mesure de Lebesgue. Il est vrai
pour toute mesure sur B(R), nie sur les compacts. Il est aussi vrai en rempla cant C
c
par C

c
. Enn, il
nest pas limite `a R, il est egalement vrai dans R
d
, d 1. Tout ceci est montre dans lexercice 7.13. Par
contre, le resultat que nous montrons maintenant nest pas vrai pour toute mesure sur B(R), nie sur les
compacts (voir lexercice 7.13).
Theor`eme 5.6 (Continuite en moyenne) Soient f L
1
R
(R, B(R), ) et h R. On denit f
h
(trans-
latee de f) par : f
h
(x) = f(x +h), pour presque tout x R. Alors :
|f
h
f|
1
=
_
[f(x +h) f(x)[dx 0 lorsque h 0. (5.10)
D emonstration :
Soient f L
1
R
(R, B(R), ) et h R. On remarque que f
h
= f( + h) L1
R
(R, B(R), ) (dapr`es la
proposition 5.5). Dautre part f = g p.p. implique f
h
= g
h
p.p.. On peut donc denir f
h
comme element
de L
1
R
(R, B(R), ) si f L
1
R
(R, B(R), ).
La demonstration de (5.10) fait lobjet de lexercice 5.14.
5.4 Integrales impropres des fonctions de R dans R
On consid`ere ici des fonctions de R dans R, et lespace mesure (R, B(R), ).
Denition 5.3 (Integrabilite `a gauche) Soient f : R R, R et a R +, a > ; on
suppose que ], a[, f1
],[
L
1
(= L
1
R
(R, B(R), )). On dit que f est integrable `a gauche en a
(ou encore que
_
a
existe) si
_
f1
],[
d a une limite dans R lorsque a. Cette limite est notee
_
a

f(t)dt.
Remarque 5.7 Ceci ne veut pas dire que f1
],a[
L
1
. Il sut pour sen convaincre de prendre a = +,
= 0, considerer la fonction f denie par f(0) = 1 et, pour x > 0, f(x) =
sinx
x
.
Par contre, d`es que la fonction f consideree est de signe constant, on a equivalence entre les deux notions :
Proposition 5.6 Soient f : R R
+
, R et a R +, a > ; on suppose que ], a[,
f1
],[
L
1
(= L
1
R
(R, B(R), )). Alors f est integrable `a gauche en a si et seulement si f1
],a[
L
1
.
D emonstration : Ce resultat se deduit du theor`eme de convergence monotone (construire une suite qui
tend en croissant vers f1
],a[
).
120
5.5 Exercices
Exercice 5.1 (La mesure de Dirac nest pas une fonction. . . )
On note E = C([0, 1], R) et on munit E de la norme de la convergence uniforme. Soit T lapplication de
E dans R denie par T() = (0). On note aussi
0
la mesure de Dirac en 0 sur B([0, 1]).
1. Montrer que T E

(on rappelle que E

est le dual topologique de E, cest `a dire lensemble des


applications lineaires continues de E dans R).
2. Soit E. Monter que L
1
([0, 1], B([0, 1]),
0
) et que T() =
_
d
0
, o` u
0
est la mesure de
Dirac en 0.
3. Soient g L
1
R
([0, 1], B([0, 1]), ) et (
n
)
nN
E denie par:
n
(x) = (1/n)(n n
2
x)
+
, pour tout
x [0, 1] et tout n N. Montrer que
_
g
n
d 0 lorsque n +.
En deduire quil nexiste pas g L
1
R
([0, 1], B([0, 1]), ) t.q. on ait, pour toute fonction E:
T() =
_
gd.
4. Montrer que
0
nest pas une mesure de densite par rapport `a .
Exercice 5.2
Soit (f
n
)
nN
la suite de fonctions de ]0, 1[ dans R denie par f
n
(x) = (n n
2
x)
+
. On note la mesure
de Lebesgue sur la tribu B(R) des boreliens de ]0, 1[, et L
1
= L
1
R
(]0, 1[, B(R), ).
Soit T lapplication de C([0, 1], R) dans R denie par T() = (0).
1. Montrer que T
_
C([0, 1], R)
_

(on rappelle que


_
C([0, 1], R)
_

est le dual de C([0, 1], R), cest `a


dire lensemble des formes lineaires continues sur C([0, 1], R) muni de la norme uniforme).
2. Montrer que T() =
_
d
0
, o` u
0
est la mesure de Dirac en 0.
3. Soient g L
1
(]0, 1[, R) et (
n
)
nN

_
C([0, 1], R)
_
denie par:
n
=
f
n
2n
. Montrer que
_
g
n
d 0
lorsque n +.
En deduire quil nexiste pas g L
1
(]0, 1[, R) t.q. on ait, pour toute fonction C([0, 1], R):
T() =
_
gd; montrer que
0
nest pas une mesure de densite.
Exercice 5.3 (Integrale de Riemann) Soient a, b des reels, a < b et f : [a, b] R une fonction
bornee, i.e. telle quil existe M R t.q. [f(t)[ M, t [a, b]. Soit une subdivision de [a, b], =
x
0
, x
1
, . . . , x
N+1
avec x
0
= a < x
1
< . . . < x
N+1
= b. On pose S

N
i=0
(sup
x[x
i
,x
i+1
]
f(x))(x
i+1

x
i
), et S

=

N
i=0
(inf
x[x
i
,x
i+1
]
f(x))(x
i+1
x
i
). On note A lensemble des subdivisions de [a, b] et
S

= inf
A
S

, et S

= sup
A
S

. On dit que f est Riemann integrable si S

= S

. On pose alors
R
_
b
a
f(x)dx = S

.
1. Soient
1
et
2
A tels que
1

2
. Montrer que S

1
S

2
S

2
S

1
. En deduire que
S

pour tous ,

A, et donc que S

.
2. Montrer quil existe une suite de subdivisions (
n
)
nN
telle que S

n
S

et S

n
S

quand
n +.
3. Montrer que si f est continue, f est Riemann-integrable.
121
4. On suppose maintenant que f est Riemann-integrable. Soit (
n
)
nN
une suite t.q. S

n
S

et
S

n
S

quand n +. Pour N, on note


n
= x
(n)
O
, . . . , x
(n)
N
n
+1
, et on pose:
g
n
(x) = inff(y), y [x
(n)
i
, x
(n)
i+1
], x
(n)
i
x < x
(n)
i+1
, i = 0, . . . , N
n
+ 1 (5.11)
h
n
(x) = supf(y), y [x
(n)
i
, x
(n)
i+1
], x
(n)
i
x < x
(n)
i+1
, i = 0, . . . , N
n
+ 1 (5.12)
g
n
(b) = h
n
(b) = 0. (5.13)
(a) Montrer que g
n
et h
n
/L
1
, o` u /= /([a, b], B(R), ) et L
1
= L
1
([a, b], B(R), ), et
que
_
(h
n
g
n
)d 0 quand n +.
(b) Montrer que g
n
g
n+1
f g
n+1
h
n
, n N.
(c) On pose g = lim
n+
g
n
et h = lim
n+
h
n
; montrer que g = h p.p. . En deduire que
f L
1
et que
_
fd = R
_
b
a
f(x)dx.
(d) Soit f denie par:
f(x) = 1 si x Q, (5.14)
f(x) = 0 si x , Q. (5.15)
Montrer que f nest pas Riemann integrable, mais que f L
1
R
([a, b], B(R), ).
Exercice 5.4 Corrige 87 page 366
Soit (f
n
)
nN
C
1
(]0, 1[, R) convergeant simplement vers la fonction f :]0, 1[R; on suppose que la suite
(f

n
)
nN
( C(]0, 1[, R) ) converge simplement vers la fonction constante et egale `a 1.
1. A-t-on f C
1
(]0, 1[, R) et f

= 1 ?
2. On suppose maintenant que la suite (f

n
)
nN
converge vers la fonction constante et egale `a 1 dans
L
1
R
(]0, 1[, B(]0, 1[), ). A-t-on f C
1
(]0, 1[, R) et f

= 1 ?
Exercice 5.5 (Integrale impropre) Corrige 88 page 367
On denit lapplication f de R dans R par :
f(x) = 0, si x 0,
f(x) = x
2
sin
1
x
2
, si x > 0.
1. Montrer que f est continue et derivable en tout point de R.
2. Soit 0 < a < b < . Montrer que f

1
]a,b[
L
1
R
(R, B(R), ). On pose
_
b
a
f

(t)dt =
_
f

1
]a,b[
d.
Montrer que :
f(b) f(a) =
_
b
a
f

(t)dt.
3. Soit a > 0.
(a) Montrer f

1
]0,a[
, L
1
R
(R, B(R), ).
(b) Pour 0 < x < a, on pose g(x) =
_
a
x
f

(t)dt. Montrer que g(x) a une limite (dans R) quand


x 0, avec x > 0, et que cette limite est egale `a f(a) f(0). (Cette limite est aussi notee
_
a
0
f

(t)dt, improprement. . . car f

1
]0,a[
, L
1
R
(R, B(R), ), la restriction de f

`a ]0, a[ nest donc


pas integrable pour la mseure de Lebesgue sur ]0, a[.)
122
Exercice 5.6
Soit (E, T, m) un espace mesure, (f
n
)
nN
L
1
R
(E, T, m) et f L
1
R
(E, T, m). On suppose que f
n
f dans
L
1
R
(E, T, m) et quil existe C 0 tel que [f
n
[ C p.p. et pour tout n N. Montrer que
_
[f
n
f[
2
dm 0
lorsque n +.
Exercice 5.7 Corrige 89 page 369
Soit f L
1
R
(R, B(R), ). On denit F : R R par: F(x) =
_
f1
[0,x]
d(=
_
x
0
f(t)dt), pour x 0, et
F(x) =
_
f1
[x,0]
d(=
_
0
x
f(t)dt) pour x < 0. Montrer que F est uniformement continue.
Exercice 5.8 (Integrabilite et limite `a linni) Corrige 90 page 369
Soit f L
1
R
(R, B(R), ) = L
1
.
1. On suppose que f(x) admet une limite quand x . Montrer que cette limite est nulle.
2. On suppose que f C(R, R) ; a-t-on : lim
x+
f(x) = 0 ?
3. On suppose que f est uniformement continue ; a-t-on : lim
x+
f(x) = 0 ? [On pourra commencer
par montrer que, pour > 0 quelconque et (x
n
)
nN
R t.q. lim
n+
x
n
= +, on a :
lim
n+
_
x
n
+
x
n

[f(x)[d(x) = 0.] (5.16)


4. On suppose que f C
1
(R, R) et f

L
1
; a-t-on : lim
x+
f(x) = 0 ?
Exercice 5.9
1. On consid`ere lespace mesure (E, T, m) = (]0, 1[, B(]0, 1[, ). Soit 0 < < + . On pose, pour
x ]0, 1[, f(x) = (
1
x
)

. Pour quelles valeurs de a-t-on f L


1
R
(E, T, m) ?
2. On consid`ere lespace mesure (E, T, m) = (R

+
, B(R

+
), ). Soit f denie, pour x ]0, +[, par :
f(x) =
sinx
x
. Montrer que f / L
1
R
(E, T, m). On pose f
n
= f1
]0,n[
. Montrer que f
n
L
1
R
(E, T, m),
que f
n
f p.p. (et meme uniformement) et que
_
f
n
dm a une limite dans R lorsque n +.
Exercice 5.10 On munit R
N
de la tribu borelienne B(R
N
) et de la mesure de Lebesgue
N
. Soient f et
g C(R
N
, R) telles que f = g pp. Montrer que f = g partout. [On dira donc que f L
1
(R
N
, B(R
N
),
n
)
est continue si il existe g C(R
N
, R) t.q. f = g pp. Dans ce cas on identie f avec g.]
Exercice 5.11 1. On consid`ere lespace mesure (E, T, m) = (]0, 1[, B(R), ) ; soit 0 < < + ; on
pose, pour x ]0, 1[, f(x) = (
1
x
)

. Pour quelles valeurs de a-t-on f L


1
R
(E, T, m) ?
2. On consid`ere lespace mesure (E, T, m) = (R

+
, B(R), ) ; soit f denie, pour x ]0, +[, par :
f(x) =
sinx
x
. Montrer que f / L
1
R
(E, T, m). On pose f
n
= f1
]0,n[
. Montrer que f
n
L
1
R
(E, T, m),
que f
n
f p.p. (et meme uniformement) et que
_
f
n
dm a une limite dans R lorsque n +.
123
Exercice 5.12 Soit et deux mesures nies sur B(R), tribu borelienne sur R.
1. Montrer que si, pour toute fonction continue `a support compact on a :
_
fd =
_
fd, (E)
alors = . [On rappelle (cf. exercice 2.30) que si m est une mesure nie sur B(R), alors :
A R, m(A) = infm(O), O A, O ouvert de R.]
2. On suppose maintenant que legalite (E) est veriee pour toute fonction f de C

c
(R, R). Le resultat
precedent vous parait-il encore vrai ?
Exercice 5.13 (Notation: Soit f une fonction de R dans R, on note f
2
la fonction de R dans R denie
par: f
2
(x) = (f(x))
2
.) Soit E = f C
1
(R, R); f L
1
= L
1
R
(R, B(R), ) et f
2
L
1
. Pour f E, on
denit |f| =
_
[f[d + (
_
[f

[
2
d)
1
2
1. Montrer que (E, |.|) est un espace vectoriel norme. E est-il un espace de Banach ?
2. Soient a R et R

+
. Montrer que a a
2
+
1

.En deduire que pour f E, (x, y) R


2
et
R

+
, on a: [f(x) f(y)[
_
[f

[
2
d +
1

[x y[.
3. Montrer que si f E, alors:
f est uniformement continue.
f est bornee.
f
2
L
1
.
Exercice 5.14 (Continuite en moyenne) Corrige 91 page 371
Pour f L
1
= L
1
R
(R, B(R), ) et h R, on denit f
h
(translatee de f) par : f
h
(x) = f(x + h), pour
x R. (noter que f
h
L
1
).
1. Soit f C
c
= C
c
(R, R), montrer que |f
h
f|
1
0 lorsque h 0.
2. Soit f L
1
, montrer que |f
h
f|
1
0 lorsque h 0.
Exercice 5.15 On note L
1
= L
1
R
(R
N
, B(R
N
),
N
), et C
b
= C
b
(R
N
, R) lensemble des fonctions contin-
ues bornees de R
N
dans R.
1. Pour f L
1
, h R

+
et x R
N
, on denit
f
h
(x) =
1

N
(B(0, h))
_
B(x,h)
f(y)dy,
o` u B(0, h) designe la boule ouverte de centre 0 et de rayon h. Montrer que f
h
est denie partout,
que f
h
L
1
, et que f
h
f dans L
1
lorsque h 0. En deduire quil existe (h
n
)
nN
t.q. h
n
0
lorsque n + et f
h
n
f p.p. lorsque n +.
2. On consid`ere maintenant une suite de mesures (
n
)
nN
nies sur (R
N
, B(R
N
)), t.q.
n

0
dans
C

b
i.e.
_
d
n

_
d, C
b
. Soit f une fonction mesurable bornee de R
N
dans R et integrable
pour la mesure de Lebesgue, et = f. Montrer que
n
est une mesure de densite f
n
L
1
et
montrer que f
n
f dans L
1
.
124
3. Soit A R t.q. A [0, 1] ; on dit que A est bien equilibre si pour tout intervalle I de [0, 1], on
a : (I A) = (I A
c
) =
(I)
2
. Montrer quil nexiste pas de borelien A de [0, 1] bien equilibre.
Exercice 5.16 (Non existence de borelien bien equilibre)
Soit N 1. On note L
1
= L
1
R
(R
N
, B(R
N
),
N
).
1. Pour f L
1
, h R

+
et x R
N
, on denit
f
h
(x) =
1

N
(B(0, h))
_
B(x,h)
f(y)dy,
o` u B(x, h) designe la boule ouverte de centre x et de rayon h. Montrer que f
h
est denie pour tout
x R
N
. Montrer que f
h
L
1
et que f
h
f dans L
1
lorsque h 0. [On pourra, par exemple,
utiliser le theor`eme de continuite en moyenne dans L
1
.]
En deduire quil existe (h
n
)
nN
t.q. h
n
0, lorsque n +, et f
h
n
f p.p. lorsque n +.
2. Montrer quil nexiste pas de borelien A inclus dans [0,1] et t.q. (I A) = (I A
c
) =
(I)
2
pour
tout intervalle I de [0, 1]. [On pourra raisonner par labsurde et utiliser la question precedente avec
N = 1 et f convenablement choisi. Cette question est aussi une consequence de lexercice 5.17.]
Exercice 5.17 (Sur la concentration dun borelien) Corrige 92 page 372
Soit a < b +, A B(]a, b[) et ]0, 1[. On suppose que (A], [) ( ) pour tout
, t.q. a < b. Montrer que (A) = 0. [On pourra, par exemple, commencer par montrer que
(A O) (O) pour tout ouvert O de ]a, b[.]
Consequence de cet exercice : Soit A B(]a, b[) t.q. (A) > 0. Alors, pour tout < 1, il existe , t.q.
a < b et (A], [) ( ).
Exercice 5.18 (Points de Lebesgue) Corrige 93 page 373
On designe par la mesure de Lebesgue sur les boreliens de R, par L
1
lespace L
1
R
(R, B(R), ) et par L
1
lespace L
1
R
(R, B(R), ). On note dt = d(t).
1. Soit (I
1
, . . . , I
n
) des intervalles ouverts non vides de R t.q. chaque intervalle nest pas contenu dans
la reunion des autres. On pose I
k
=]a
k
, b
k
[ et on suppose que la suite (a
k
)
k=1,...,n
est croissante.
Montrer que la suite (b
k
)
k=1,...,n
est croissante et que les intervalles dindices impairs [resp. pairs]
sont disjoints 2 `a 2.
2. Soit J une famille nie dintervalles ouverts non vide de R dont la reunion est notee A. Montrer
quil existe une sous-famille nie de J, notee (I
1
, . . . , I
m
), formee dintervalles disjoints 2 `a 2 et t.q.
(A) 2

m
k=1
(I
k
). [Utiliser la question 1.]
On se donne maintenant f L
1
et on suppose quil existe a > 0 t.q. f = 0 p.p. sur [a, a]
c
. Le
but de lexercice est de montrer que :
n
2
_ 1
n

1
n
f(x +t)dt f(x), pour presque tout x R, quand n . (5.17)
Pour > 0, on denit f

de R dans R par :
f

(x) = sup
h
1
2h
_
h
h
[f(x +t)[dt. (5.18)
125
3. (a) Montrer que f

est bornee.
(b) Montrer que f

est borelienne. [On pourra montrer que f

est le sup de fonctions continues.]


(c) Montrer que f

(x) 0 quand [x[ .


4. Pour y > 0, on pose B
y,
= x R, f

(x) > y.
(a) Montrer que tout x B
y,
est le centre dun intervalle ouvert I(x) t.q.
i. (I(x)) 2,
ii.
1
(I(x))
_
I(x)
[f[d > y.
Montrer que parmi les intervalles I(x), x B
y,
, ainsi obtenus, il en existe un nombre ni
I(x
1
), . . . I(x
n
) dont la reunion recouvre B
y,
. [On pourra dabord remarquer que B
y,
est
borne.]
(b) Montrer que (B
y,
)
2
y
|f|
1
. [Utiliser la question 2.]
On denit maintenant f

de R dans R
+
par :
f

(x) = sup
h>0
1
2h
_
h
h
[f(x +t)[dt. (5.19)
5. Montrer que f

est borelienne et que (f

> y)
2
y
|f|
1
, pour tout y > 0.
6. Montrer (5.17) si f admet un representant continu. [cette question nutilise pas les questions
precedentes.]
7. Montrer (5.17). [Approcher f, dans L
1
et p.p., par une suite delements de C
c
(R, R), notee (f
p
)
pN
.
On pourra utiliser (f f
p
)

.]
Exercice 5.19 (Convergence vague et convergence etroite) Corrige 94 page 376
Soit (m
n
)n N une suite de mesures (positives) nies sur B(R
d
) (d 1) et m une mesure (positive) nie
sur B(R
d
). On suppose que :

_
dm
n

_
dm, quand n , pour tout C

c
(R
d
, R).
m
n
(R
d
) m(R
d
) quand n .
1. Soit C
c
(R
d
, R). Montrer que
_
dm
n

_
dm, quand n . [On pourra utiliser le fait que
est limite uniforme dune suite delement de C

c
(R
d
, R).]
2. Pour p N

, on note B
p
la boule fermee de centre 0 et de rayon p (pour la norme euclidienne
de R
d
). Montrer quil existe une suite (
p
)
pN
C
c
(R
d
, R) t.q., pour tout p N

, 0
p
1,

p
= 1 sur B
p
et
p

p+1
. On utilise cette suite (
p
)
pN
dans les questions suivantes.
3. Soit > 0.
(a) Montrer quil existe p
0
N

t.q. : p p
0

_
(1
p
)dm .
(b) Montrer que, pour tout p N

,
_
(1
p
)dm
n

_
(1
p
)dm quand n .
126
(c) Montrer quil existe p
1
N

t.q. : n N, p p
1

_
(1
p
)dm
n
.
4. Montrer que
_
dm
n

_
dm, quand n , pour tout C
b
(R
d
, R) (on dit alors que la suite
(m
n
)
nN
converge etroitement vers m).
5. Indiquer bri`evement comment obtenir le meme resultat (cest-`a-dire le resultat de la question 4) si
on remplace R
d
(dans les hypoth`eses et dans la question 4) par ouvert de R
d
.
Exercice 5.20 (Unicite avec C

c
)
Soit m et deux mesures nies sur les boreliens de R
d
(d 1). on suppose que
_
dm =
_
d pour
tout C

c
(R
d
, R). Montrer que m = .
Exercice 5.21 (Densite de C
c
et C

c
dans L
1
)
Soit d 1 et une mesure sur les boreliens de R
d
. On suppose que verie les deux proprietes suivantes :
(p1) est est nie sur les compacts de R
d
, cest-`a-dire que (K) < + si K est un compact de R
d
,
(p2) est reguli`ere, cest-`a-dire que pour tout A B(R
d
) et tout > 0, il existe O ouvert et F ferme
t.q. F A O et (O F) .
En fait, la propriete (p1) entrane la propriete (p2) (cela est demontre au chapitre 7, proposition 7.5)
mais cette demonstration nest pas demandee ici.
On note L
1

lespace L
1
R
(R
d
, B(R
d
), ). Pour f L
1

, on note |f|
1
=
_
[f[d. Enn, pour x R
d
, on
note [x[ la norme euclidienne de x.
1. Soit C
c
(R
d
, R) (cest-`a-dire continue de R
d
dans R et `a support compact). Montrer que
L
1

.
2. Soit K un compact de R
d
et > 0. Pour x R
d
, on pose (x) =
(d(x,K))
+

avec d(x, K) =
inf[x y[, y K. Montrer que C
c
(R
d
, R) et que (x) = 1 si x K.
3. Soit A B(R
d
) t.q. (A) < +.
(a) Soit > 0, montrer quil existe O ouvert et K compact t.q. K A O et (O K) .
(b) Soit > 0. Montrer quil existe C
c
(R
d
, R) t.q. | 1
A
|
1
.
4. Soit f une fonction borelienne positive de R
d
dans R. On suppose que f L
1

. Soit > 0. Montrer


quil existe C
c
(R
d
, R) t.q. |f |
1
. [On pourra approcher f par une fonction etagee.]
5. (Densite.) Soit f L
1

et > 0.
(a) Montrer quil existe C
c
(R
d
, R) t.q. |f |
1
.
(b) Montrer quil existe C

c
(R
d
, R) t.q. |f |
1
. [On pourra montrer que, si
C
c
(R
d
, R), on a |
n
|
1
0, quand n , avec
n
=
n
et (
n
)
nN
une famille
regularisante, voir la denition 8.4. du polycopie de cours).]
6. (Continuite en moyenne ?)
(a) Soit C
c
(R
d
, R). Montrer que |( +h) |
1
0 quand h 0.
127
(b) Montrer, en donnant un exemple (cest-`a-dire en choisissant convenablement f et ) quon
peut avoir f L
1

et |f( +h) f|
1
,0 quand h 0.
7. On suppose maintenant que est un ouvert de R
d
et que est une mesure sur les boreliens de
, nie sur les sous ensembles compacts de . Indiquer bri`evement comment on peut montrer la
densite de C
c
(, R) et C

c
(, R) dans L
1
R
(, B(), ).
Exercice 5.22 (Loi dune fonction lineaire de X)
Soit (, /, P) un espace de probabilite et X une v.a.. On suppose que la loi de X a une densite par
rapport `a Lebesgue et on note g cette densite.
Soit a, b R, montrer que la v.a. aX + b a une densite par rapport `a la mesure de Lebesgue et donner
cette densite en fonction de g, a et b.
128
Chapter 6
Les espaces L
p
6.1 Denitions et premi`eres proprietes
6.1.1 Les espaces L
p
, avec 1 p < +
Soient (E, T, m) un espace mesure, 1 p < et f / = /(E, T) (cest-`a-dire f : E R,
mesurable). On remarque que [f[
p
/
+
, car [f[
p
= f o` u est la fonction continue (donc borelienne)
denie par (s) = [s[
p
pour tout s R. La quantite
_
[f[
p
dm est donc bien denie et appartient `a R
+
.
Ceci va nous permette de denir les espaces de fonctions de puissance p-i`eme integrable. On retrouve,
pour p = 1, la denition de lespace des fonctions integrables.
Denition 6.1 (Les espaces L
p
) Soient (E, T, m) un espace mesure, 1 p < et f une fonction
denie de E dans R, mesurable. (On a donc [f[
p
/
+
.)
1. On dit que f L
p
= L
p
R
(E, T, m) si
_
[f[
p
dm < . On pose alors :
|f|
p
=
_
_
[f[
p
dm
_1
p
. (6.1)
2. On dit que f , L
p
= L
p
R
(E, T, m) si
_
[f[
p
dm = et on pose alors |f|
p
= +.
De mani`ere analogue au cas p = 1 on quotiente les espaces L
p
par la relation dequivalence = p.p.
an que lapplication f |f|
p
denisse une norme sur lespace vectoriel des classes dequivalence (voir
section 4.5).
Denition 6.2 (Les espaces L
p
) Soient (E, T, m) un espace mesure et 1 p < +.
1. On denit lespace L
p
R
(E, T, m) comme lensemble des classes dequivalence des fonctions de L
p
pour la relation dequivalence (= pp). En labsence dambigute on notera L
p
lespace L
p
R
(E, T, m).
2. Soit F L
p
R
(E, T, m). On pose |F|
p
= |f|
p
si f F. (Cette denition est coherente car ne
depend pas du choix de f dans F. On rappelle aussi que F =

f = g L
p
; g = f p.p..)
Proposition 6.1 Soient (E, T, m) un espace mesure et 1 p < +. Alors :
1. L
p
R
(E, T, m) est un espace vectoriel sur R.
129
2. L
p
R
(E, T, m) est un espace vectoriel sur R.
D emonstration :
1. Soit R, f L
p
. On a f / (car / est un espace vectoriel) et
_
[f[
p
dm =
[[
p
_
[f[
p
dm < . Donc, f L
p
.
Soit f, g L
p
. On veut montrer que f +g L
p
. On sait que f +g / (car / est un espace
vectoriel) et on remarque que, pour tout x E,
[f(x) +g(x)[
p
2
p
[f(x)[
p
+ 2
p
[g(x)[
p
,
et donc
_
[f +g[
p
dm 2
p
_
[f[
p
dm+ 2
p
_
[g[
p
dm < ,
ce qui montre que f +g L
p
.
2. La structure vectorielle de L
p
sobtient comme pour p = 1. Soit F, G L
p
et , R. On choisit
f F et g G et on denit F + G comme etant la classe dequivalence de f + g. Comme
dhabitude, cette denition est coherente car la classe dequivalence de f +g ne depend pas des
choix de f et g dans F et G.
On va montrer maintenant que f |f|
p
est une semi-norme sur
p
et une norme sur L
p
.
Lemme 6.1 (Inegalite de Young) Soient a, b R
+
et p, q ]1, +[ t.q.
1
p
+
1
q
= 1. Alors :
ab
a
p
p
+
b
q
q
. (6.2)
D emonstration :
La fonction exponentielle exp() est convexe (de R dans R). On a donc, pour tout
1
,
2
R et tout
t [0, 1],
exp(t
1
+ (1 t)
2
) t exp(
1
) + (1 t) exp(
2
).
Soit a, b > 0 (les autres cas sont triviaux). On prend t =
1
p
(de sorte que (1 t) =
1
q
),
1
= p ln(a) et

2
= q ln(b). On obtient bien ab
a
p
p
+
b
q
q
.
Lemme 6.2 (Inegalite de Holder)
Soient (E, T, m) un espace mesure et p, q ]1, +[ t.q.
1
p
+
1
q
= 1. Soient f L
p
R
(E, T, m) et g
L
q
R
(E, T, m). Alors, fg L
1
R
(E, T, m) et
|fg|
1
|f|
p
|g|
q
. (6.3)
Le meme resultat est vrai avec L
p
, L
q
et L
1
au lieu de L
p
, L
q
et L
1
.
130
D emonstration :
On remarque dabord que fg / car f, g / (voir la proposition 3.5).
Linegalite de Young donne [f(x)g(x)[
|f(x)|
p
p
+
|g(x)|
q
q
pour tout x E. On en deduit, en integrant :
_
[fg[dm
1
p
_
[f[
p
dm+
1
q
_
[g[
q
dm < . (6.4)
Donc, fg L
1
.
Pour montrer (6.3), on distingue maintenant 3 cas :
Cas 1. On suppose |f|
p
= 0 ou |g|
q
= 0. On a alors f = 0 p.p. ou g = 0 p.p.. On en deduit fg = 0 p.p.,
donc |fg|
1
= 0 et (6.3) est vraie.
Cas 2. On suppose |f|
p
= 1 et |g|
q
= 1. On a alors, avec (6.4),
|fg|
1
=
_
[fg[dm
1
p
+
1
q
= 1 = |f|
p
|g|
q
.
Linegalite (6.3) est donc vraie.
Cas 3. On suppose |f|
p
> 0 et |g|
q
> 0. On pose alors f
1
=
f
f
p
et g
1
=
g
g
q
, de sorte que |f
1
|
p
=
|g
1
|
q
= 1. Le cas 2 donne alors
|fg|
1
|f|
p
|g|
q
= |f
1
g
1
|

1.
Ce qui donne (6.3).
Dans le cas o` u f L
p
et g L
q
, on confond les classes f et g avec des representants, encore notes f et
g. Le resultat precedent donne fg L
1
et (6.3). On a alors fg L
1
au sens de la confusion habituelle,
cest-`a-dire il existe h L
1
t.q. fg = h p.p. (et fg ne depend pas des representants choisis), et (6.3)
est veriee.
Lemme 6.3 (Inegalite de Minkowski) Soient (E, T, m) un espace mesure et 1 p < . Soient
f, g L
p
R
(E, T, m). Alors, f +g L
p
et :
|f +g|
p
|f|
p
+|g|
p
. (6.5)
Le meme resultat est vrai avec L
p
au lieu de L
p
.
D emonstration :
Le cas p = 1 `a dej`a ete fait. On suppose donc p > 1. On a aussi dej`a vu que f + g L
p
(proposition
6.1). Il reste donc `a montrer (6.5). On peut supposer que |f +g|
p
,= 0 (sinon (6.5) est trivial).
On remarque que
[f +g[
p
FH +GH, (6.6)
avec F = [f[, G = [g[ et H = [f +g[
p1
.
131
On pose q =
p
p1
, de sorte que
1
p
+
1
q
= 1, F L
p
, G L
p
et H L
q
(car f + g L
p
). On peut donc
appliquer linegalite de Holder (6.3), elle donne
|FH|
1
|F|
p
|H|
q
, |GH|
1
|G|
p
|H|
q
.
On en deduit, avec (6.6),
_
[f +g[
p
dm (|f|
p
+|g|
p
)(
_
[f +g[
p
dm)
1
1
p
,
Do` u lon deduit (6.5).
Il est clair que le lemme est vrai avec L
p
au lieu de L
p
.
On en deduit la propriete suivante:
Proposition 6.2 Soient (E, T, m) un espace mesure et 1 p < .
1. Lapplication f |f|
p
est une semi-norme sur L
p
.
2. Lapplication f |f|
p
est une norme sur L
p
. L
p
, muni de cette norme, est donc une espace
vectoriel (sur R) norme.
D emonstration :
On a bien |f|
p
R
+
pour tout f L
p
.
On a dej`a vu que |f|
p
= [[|f|
p
, pour tout R et tout f L
p
.
Linegalite (6.5) donne |f +g|
p
|f|
p
+|g|
p
pour tout f, g L
p
.
Lapplication f |f|
p
est donc une semi-norme sur L
p
. On remarque que, si f L
p
, on a
|f|
p
= 0 f = 0 p.p..
Cette equivalence donne que lapplication f |f|
p
est une norme sur L
p
.
Remarque 6.1 On reprend ici la remarque 4.9. Soient (E, T, m) un espace mesure et 1 p < . On
confondra dans la suite un element F de L
p
avec un representant f de F, cest-`a-dire avec un element
f L
p
t.q. f F. De mani`ere plus generale, soit A E t.q. A
c
soit negligeable (cest-`a-dire A
c
B
avec B T et m(B) = 0). On dira quune fonction f, denie de A dans R, est un element de L
p
si
il existe une fonction g L
p
t.q. f = g p.p.. On confond donc, en fait, la fonction f avec la classe
dequivalence de g, cest-`a-dire avec g = h L
p
; h = g p.p. . Dailleurs, cet ensemble est aussi egal `a
h L
p
; h = f p.p. .
Avec cette confusion, si f et g sont des elements de L
p
, f = g signie en fait f = g p.p..
Theor`eme 6.1 (Convergence dominee) Soient (E, T, m) un espace mesure, 1 p < , et (f
n
)
nN
L
p
une suite t.q. :
f
n
f pp,
132
F L
p
t.q. [f
n
[ F pp, n N ;
alors f
n
f dans L
p
(c.`a.d
_
[f
n
f[
p
dm 0 quand n ).
D emonstration :
On se ram`ene au cas p = 1.
On peut choisir des representants des f
n
(encore notes f
n
) de mani`ere `a ce que la suite (f
n
(x))
nN
soit
convergente dans R pour tout x E. On pose g(x) = lim
n
f
n
(x). On a donc g / et g F p.p.,
ce qui montre que g L
p
. On a donc f L
p
(au sens f = g p.p. avec g L
p
).
Puis, on remarque que
0 h
n
= [f
n
f[
p
([f
n
[ +[f[)
p
2
p
F
p
p.p.,
pour tout n N, et que h
n
0 p.p. quand n . Comme F
p
L
1
, on peut appliquer le theor`eme de
convergence dominee, il donne h
n
0 dans L
1
, cest-`a-dire f
n
f dans L
p
.
Theor`eme 6.2 (Reciproque partielle) Soient (E, T, m) un espace mesure, 1 p < , (f
n
)
nN
L
p
et f L
p
. On suppose que f
n
f dans L
p
quand n . Alors il existe une sous-suite (f
n
k
)
kN
t.q. :
f
n
k
f p.p. lorsque k +,
F L
p
t.q. [f
n
k
[ F p.p., pour tout k N .
D emonstration :
Comme dans le cas p = 1, Ce theor`eme est une consequence de la proposition suivante sur les series
absolument convergentes.
Proposition 6.3 (Series absolument convergentes dans L
p
)
Soient (E, T, m) un espace mesure, 1 p < et (f
n
)
nN
L
p
. On suppose que

nN
|f
n
|
p
< +.
Alors :
1.

+
n=0
[f
n
(x)[ < + pour presque tout x E. On pose f(x) =

+
n=0
f
n
(x) (la fonction f est donc
denie p.p.).
2. f L
p
(au sens il existe g L
p
t.q. f = g p.p.).
3.

n
k=0
f
k
(x) f p.p. et dans L
p
, lorsque n +. De plus, il existe F L
p
t.q. [

n
k=1
f
k
(x)[ F
p.p., pour tout n N.
D emonstration : Pour chaque n N, on choisit un representant de f
n
, encore note f
n
.
On pose, pour tout x E, g
n
(x) =

n
k=0
[f
k
(x)[. On a (g
n
)
nN
/
+
. Comme la suite est croissante,
il existe F /
+
t.q. g
n
F, quand n . On a donc aussi g
p
n
F
p
quand n et le theor`eme de
convergence monotone donne
_
g
p
n
dm
_
F
p
dm, quand n . (6.7)
133
On remarque maintenant que |g
n
|
p


n
k=0
|f
k
|
p

k=0
|f
k
|
p
= A < . Donc |g
n
|
p
p
A
p
pour
tout n N et (6.7) donne alors
_
F
p
dm A
p
< . (6.8)
Linegalite (6.8) donne que F < p.p.. Il existe donc B T t.q. m(B) = 0 et F(x) < pour tout
x B
c
. Pour tout x B
c
, la serie de terme general f
n
(x) est donc absolument convergente dans R. Elle
est donc convergente dans R et on peut denir, pour tout x B
c
, f(x) R par
f(x) =

k=0
f
k
(x) = lim
n
n

k=0
f
k
(x).
La fonction f nest pas forcement dans /, mais elle est m-mesurable (voir la denition 4.3 page 78),
il existe donc g / t.q. f = g p.p.. Puis, comme g F p.p. (car [

n
k=0
f
k
(x)[ g
n
F p.p. et

n
k=0
f
k
(x) g p.p.) on a, grace `a (6.7), g L
p
, ce qui donne bien f L
p
(au sens il existe g L
p
t.q. f = g p.p.)
Enn, pour montrer le dernier item de la proposition, il sut dappliquer le theor`eme de convergence
dominee dans L
p
car

n
k=0
f
k
(x) f p.p. et, pour tout n N, [

n
k=0
f
k
(x)[ g
n
F p.p. avec
_
F
p
dm < . On obtient bien que

n
k=0
f
k
(x) f dans L
p
.
Toute serie absolument convergente de L
p
est donc convergente dans L
p
. On en deduit le resultat suivant:
Theor`eme 6.3 Soient (E, T, m) un espace mesure, et 1 p < . Lespace vectoriel norme (L
p
, |.|
p
)
est complet.
On peut maintenant se demander si les espaces L
p
sont des espaces de Hilbert. Ceci est vrai pour p = 2,
et, en general, faux pour p ,= 2 (voir `a ce propos lexercice 6.30). Le cas de L
2
sera etudie en detail dans
la section 6.2
En general, les espaces L
p
, avec 1 < p < +, autres que L
2
ne sont pas des espaces de Hilbert, mais nous
verrons ulterieurement (section 6.3 que ce sont des espaces de Banach reexifs (cest-`a-dire que linjection
canonique entre lespace et son bi-dual est une bijection). Les espaces L
1
et L

(que nous verrons au


paragraphe suivant) sont des espaces de Banach non reexifs (sauf cas particuliers).
Remarque 6.2 Soient (E, T, m) un espace mesure et 1 < p < . On peut aussi denir L
p
C
(E, T, m)
et L
p
R
N
(E, T, m) (avec N > 1) comme on a fait pour p = 1 (voir la section 4.10). On obtient aussi des
espaces de Banach (complexes ou reels). Le cas L
2
C
(E, T, m) est particuli`erement interessant. Il sera muni
dune structure hilbertienne (voir le theor`eme 6.4).
6.1.2 Lespace L

Denition 6.3 (Lespace L

) Soient (E, T, m) un espace mesure et f une fonction mesurable (de E


dans R) ;
1. on dit que f est essentiellement bornee, ou encore que f L

= L

R
(E, T, m) si il existe C R
+
tel que [f[ C p.p. ;
2. si f L

, on pose |f|

= infC R
+
; [f[ C p.p.,
3. si f / L

, on pose |f|

= +.
134
Remarque 6.3 (Rappels sur la denition de linf. . . ) Soit A R, A ,= . On rappelle que A est
borne inferieurement si il existe un minorant de A, cest-`a-dire si il existe R tel que x pour
tout x A. Si A est borne inferieurement, on denit la borne inferieure de A comme le plus grand des
minorants : x = infA = max; x pour tout x A. Si A nest pas borne inferieurement, on pose
inf A = . Dans les manipulations sur les inf (et sur les sup. . . ) il est utile de connatre le resultat
suivant :
x = inf A (x
n
)
nN
A; x
n
x quand n +. (6.9)
Ceci se demontre tr`es facilement en ecrivant :
1. Si A est non borne inferieurement, alors, pour tout n N, il existe y
n
A t.q. y
n
n. En
choisissant x
0
= y
0
et, par recurrence, x
n
= min(x
n1
, y
n
), on a donc x
n
= inf A.
2. Si A est borne inferieurement, soit x = inf A. Alors, x +
1
n
nest pas un minorant de A et donc,
pour n N

, il existe y
n
A tel que x y
n
x +
1
n
. En choisissant x
0
= y
0
et, par recurrence,
x
n
= min(x
n1
, y
n
), on a clairement: x
n
x lorsque n +.
Le petit lemme suivant (dont la demonstration est immediate en ecrivant la denition de |f|

, voir
lexercice corrige 4.32) est parfois bien utile.
Lemme 6.4 Si f L

, alors [f[ |f|

p.p..
D emonstration :
Voir lexercice corrige 4.32.
On a egalite entre le sup essentiel et le sup pour les fonctions continues:
Proposition 6.4 Si (E, T, m) = (R, B(R), ) et f C(R, R), alors |f|
u
= sup
xR
[f(x)[ = |f|

.
D emonstration :
On distingue 2 cas:
Cas 1. On suppose ici que [f[ est non bornee, cest-`a-dire |f|
u
= . Soit R
+
. Comme [f[ est non
bornee, il existe x R t.q. [f(x)[ > . Par continuite de f, il existe alors > 0 t.q. [f(y)[ > pour tout
y [x , x + ]. On a donc [f[ > [x , x + ] et donc ([f[ > ) 2. Donc, [f[ nest pas
inferieure ou egale `a p.p.. On a donc C R
+
; [f[ C p.p. = , donc |f|

= = |f|
u
.
Cas 2. On suppose maintenant que |f|
u
< . On a [f(x)[ |f|
u
pour tout x R, donc |f|

|f|
u
.
Dautre part, on sait que [f[ |f|

p.p.. On a donc [f[ > |f|

) = 0. Or [f[ > |f|

est ouvert
(car f est continue), cest donc un ouvert de mesure nulle, on a donc [f[ > |f|

= (la mesure de
Lebesgue dun ouvert non vide est toujours strictement positive). Ce qui prouve [f(x)[ |f|

pour
tout x R et donc |f|
u
|f|

.
On obtient bien nalement |f|
u
= |f|

.
Denition 6.4 Soient (E, T, m) un espace mesure et L

= L

R
(E, T, m).
1. On denit L

= L

R
(E, T, m) comme lensemble des classes dequivalence sur L

pour la relation
dequivalence = p.p..
2. Soit F L

. On pose |F|

= |f|

avec f F, de sorte que F = g L

; g = f p.p.. (Cette
denition est coherente car |f|

ne depend pas du choix de f dans F.)


135
Proposition 6.5 Soient (E, T, m) un espace mesure, L

= L

R
(E, T, m) et L

= L

R
(E, T, m). Alors :
1. L

est un espace vectoriel sur R et lapplication denie de L

dans R par f |f|

est une
semi-norme sur L

.
2. L

est un espace vectoriel sur R et lapplication denie de L

dans R par f |f|

est une
norme sur L

. L

est donc un espace e.v.n. (reel).


D emonstration :
1. Si R et f L

, il est clair que f L

et que |f|
=
[[|f|

.
Soit f, g L

. Comme [f[ |f|

p.p. et [g[ |g|

p.p., on montre facilement que [f +g[


[f[ +[g[ |f|

+|g|

p.p.. Ce qui prouve que (f +g) L

et |f +g|

|f|

+|g|

.
On a bien montre que L

est un espace vectoriel sur R et comme |f|

R
+
pour tout f L

,
lapplication f |f|

est bien une semi-norme sur L

.
2. la structure vectorielle de L

sobtient comme celle de L


p
(p < ) et le fait que f |f|

soit
une norme decoule du fait que
f = 0 p.p. |f|

= 0.
Proposition 6.6 Soit (E, T, m) un espace mesure. Lespace L

R
(E, T, m) est un espace de Banach (reel),
cest-`a-dire un e.v.n. complet.
D emonstration :
On sait dej`a que L

est un e.v.n.. Le fait quil soit complet est la consequence du fait que toute serie
absolument convergente dans L

est convergente dans L

. Ce qui est une consequence de la proposition


suivante sur les series absolument convergentes.
Proposition 6.7 (Series absolument convergentes dans L

)
Soient (E, T, m) un espace mesure et (f
n
)
nN
L

R
(E, T, m). On suppose que

+
n=0
|f
n
|

< +.
Alors :
1. Il existe C R
+
t.q., pour tout n N,

n
k=0
[f
k
[ < C p.p..
2. La serie de terme general f
n
(x) est, pour presque tout x E, absolument convergente dans R. On
denit, pour presque tout x, f(x) =

+
n=0
f
n
(x).
3. On a f L

(au sens il existe g L

t.q. f = g p.p.) et |

n
k=0
f
k
f|

0 lorsque n +.
D emonstration : Pour chaque n N, on choisit un representant de f
n
, encore note f
n
. Comme
[f
n
[ |f
n
|

p.p., il existe A
n
T t.q. m(A
n
) = 0 et [f
n
[ |f
n
|

sur A
c
n
. On pose A =
nN
A
n
T.
On a m(A) = 0 (par -sous additivite de m) et, pour tout n N et x A
c
, [f
n
(x)[ |f
n
|

.
Pour tout x A
c
, on a donc
n

k=0
[f
k
(x)[
n

k=0
|f
k
|

k=0
|f
k
|

= C < . (6.10)
136
Comme m(A) = 0, ceci montre le premier item.
Pour tout x A
c
, la serie de terme general f
n
(x) est absolument convergente dans R, donc convergente.
On pose donc
f(x) =
+

k=0
f
k
(x) = lim
n
n

k=0
f
k
(x) R.
f est donc denie p.p., elle est m-mesurable (voir la denition 4.3) car limite p.p. de fonctions mesurables.
Il existe donc g / t.q. f = g p.p. et (6.10) donne [g[ C p.p.. On a donc g L

et donc f L

(au sens il existe g L

t.q. f = g p.p.).
Il reste `a montrer que

n
k=0
f
k
f dans L

.
On remarque que, pour tout x A
c
,
[
n

k=0
f
k
(x) f(x)[ = [

k=n+1
f
k
(x)[

k=n+1
[f
k
(x)[

k=n+1
|f
k
|

0, quand n .
Comme m(A) = 0, on en deduit
|
n

k=0
f
k
f|

sup
xA
c
[
n

k=0
f
k
(x) f(x)[

k=n+1
|f
k
|

0, quand n .
et donc

n
k=0
f
k
f dans L

, quand n .
La proposition 6.7 permet de montrer que L

est complet (theor`eme 6.6). Elle permet aussi de montrer


ce que nous avons appele precedemment (dans le cas p < ) reciproque partielle du theor`eme de
convergence dominee. Il est important par contre de savoir que le theor`eme de convergence dominee
peut etre faux dans L

, comme le montre la remarque suivante.


Remarque 6.4 (Sur la convergence dominee. . . ) Attention : le resultat de convergence dominee
quon a demontre pour les suites de fonctions de L
p
, 1 p < +, est faux pour les suites de fonctions
de L

. Il sut pour sen convaincre de considerer lexemple suivant : (E, T, m) = ([0, 1], B([0, 1]), ),
f
n
= 1
[0,
1
n
]
, pour n N. On a bien (f
n
)
nN
L

R
([0, 1], B([0, 1]), ) et
f
n
0 p.p. , quand n ,
f
n
1
[0,1]
p.p., pour tout n N, 1
[0,1]
L

R
([0, 1], B([0, 1]), ).
Pourtant, |f
n
|

= 1 ,0, quand n .
Par contre, le resultat de reciproque partielle de la convergence dominee est vrai, comme consequence du
resultat que toute suite absolument convergente dans L

est convergente (dans L

, proposition 6.7). La
demonstration est similaire `a la demonstration du theor`eme 4.7.
Remarque 6.5 Soit (E, T, m) un espace mesure. On peut aussi denir L

C
(E, T, m) et L

R
N
(E, T, m)
(avec N > 1) comme on a fait pour p = 1 (voir la section 4.10). On obtient aussi des espaces de Banach
(complexe ou reels).
137
6.1.3 Quelques proprietes des espaces L
p
, 1 p +
Proposition 6.8 (Comparaison entre les espaces L
p
)
Soit (E, T, m) un espace mesure ni, i.e. m(E) < +. Soient p, q R
+
tels que 1 p < q +. Alors,
L
q
R
(E, T, m) L
p
R
(E, T, m). De plus, il existe C, ne dependant que de p, q et m(E), t.q. |f|
p
C|f|
q
pour tout f L
q
R
(E, T, m) (ceci montre que linjection de L
q
dans L
p
est continue).
D emonstration :
On distingue les cas q < et q = .
Cas q < . On suppose ici que 1 p < q < +.
Soit f L
q
. On choisit un representant de f, encore note f. Pour tout x E, on a [f(x)[
p
[f(x)[
q
si
[f(x)[ 1. On a donc [f(x)[
p
[f(x)[
q
+1, pour tout x E. Ce qui donne, par monotonie de lintegrale,
_
[f[
p
dm m(E) +
_
[f[
q
dm < , (6.11)
et donc que f L
p
. On a ainsi montre L
q
L
p
.
On veut montrer maintenant quil existe C, ne dependant que de p, q et m(E), t.q., pour tout f
L
q
R
(E, T, m),
|f|
p
C|f|
q
. (6.12)
En utilisant (6.11), on remarque que (6.12) est vraie avec C = (m(E)+1)
1
p
, si |f|
q
= 1. Ceci est susant
pour dire que (6.12) est vraie avec C = (m(E) + 1)
1
p
pour tout f L
q
. En eet, (6.12) est trivialement
vraie pour |f|
q
= 0 (car on a alors f = 0 p.p. et |f|
p
= 0). Puis, si |f|
q
> 0, on pose f
1
=
f
f
q
de
sorte que |f
1
|
q
= 1. On peut donc utiliser (6.12) avec f
1
. On obtient
1
f
q
|f|
p
= |f
1
|
p
C, ce qui
donne bien |f|
p
C|f|
q
.
On a donc montre (6.12) avec un C ne dependant que p et m(E) (et non de q). Toutefois, le meilleur
C possible dans (6.12) depend de p, q et m(E). Ce meilleur C peut etre obtenu en utilisant linegalite
de Holder generalisee (proposition 6.9). Elle donne |f|
p
C|f|
q
avec C = (m(E))
1
p

1
q
(voir la remar-
que 6.6).
Cas q = . On suppose ici que 1 p < q = +.
Soit f L

. On choisit un representant de f, encore note f. On a [f[ |f|

p.p.. On en deduit
[f[
p
|f|
p

p.p. et donc
_
[f[
p
dm m(E)|f|
p

< .
Ce qui donne f L
p
et |f|
p
C|f|

avec C = (m(E))
1
p
.
On voit ici quon a obtenu le meilleur C possible (si m(E) > 0) car |f|
p
= (m(E))
1
p
= (m(E))
1
p
|f|

si
f = 1
E
.
Proposition 6.9 (Inegalite de Holder generalisee)
Soient (E, T, m) un espace mesure et p, q, r [1, +] tels que
1
p
+
1
q
=
1
r
. Soient f L
p
R
(E, T, m) et
g L
q
R
(E, T, m). Alors, fg L
r
R
(E, T, m) et
|fg|
r
|f|
p
|g|
q
. (6.13)
138
D emonstration : Comme dhabitude, on confond un element de L
s
(s = p, q ou r) avec un de ses
representants. On travaille donc avec L
s
au lieu de L
s
. On suppose donc que f L
p
et g L
q
et on
veut montrer que fg L
r
et que (6.13) est vraie. On remarque dabord que fg /.
Ici encore, on distingue plusieurs cas.
Cas 1. On suppose ici 1 p, q, r < .
On pose f
1
= [f[
r
et g
1
= [g[
r
de sorte que f
1
L
p
r
et g
1
L
q
r
. Comme
r
p
+
r
q
= 1, on peut appliquer le
lemme 6.2 (donnant linegalite de Holder) avec f
1
, g
1
(au lieu de f, g) et
p
r
,
q
r
(au lieu de p, q). Il donne
que f
1
g
1
L
1
et |f
1
g
1
|
1
|f
1
|
p
r
|g
1
|
q
r
. On en deduit que fg L
r
et
_
[fg[
r
dm (
_
[f[
p
dm)
r
p
(
_
[g[
q
dm)
r
q
,
ce qui donne (6.13)
Cas 2. On suppose ici q = et r = p < .
Comme [g[ |g|

p.p., On a [fg[
p
[f[
p
|g|
p

p.p. et donc
_
[fg[
p
dm |g|
p

_
[f[
p
dm,
ce qui donne fg L
p
et (6.13).
Cas 3. On suppose ici p = q = r = .
Comme [f[ |f|

p.p. et [g[ |g|

p.p., on a [fg[ |f|

|g|

p.p., ce qui donne fg L

et
(6.13).
Remarque 6.6
1. Par une recurrence facile sur n N

, on peut encore generaliser la proposition 6.9. Soient (E, T, m)


un espace mesure, p
1
, . . . , p
n
[1, ] et r [1, ] t.q.
1
r
=

n
i=1
1
p
i
. Pour tout i 1, . . . , n, soit
f
i
L
p
i
R
(E, T, m). Alors,

n
i=1
f
i
L
r
R
(E, T, m) et |

n
i=1
f
i
|
r

n
i=1
|f
i
|
p
i
.
2. Linegalite (6.13) permet aussi de trouver le meilleur C possible dans la proposition 6.8 (Inegalite
(6.12)) :
Soit (E, T, m) un espace mesure ni. Soient p, q R
+
tels que 1 p < q < +. Soit f
L
q
R
(E, T, m). Comme 1 p < q < , il existe r [1, [ t.q.
1
p
=
1
q
+
1
r
. On peut alors
utiliser la proposition 6.9 avec f L
q
et 1
E
L
r
. Elle donne que f L
p
et |f|
p
C|f|
q
avec
C = (m(E))
1
p

1
q
. Cette valeur de C est la meilleure possible (si m(E) > 0) dans (6.12) car si
f = 1
E
on obtient |f|
p
(m(E))
1
p

1
q
|f|
q
.
Remarque 6.7 Les espaces L
p
, p ]0, 1[ (que lon peut denir comme dans le cas 1 p < ) sont des
espaces vectoriels, mais lapplication f
_
_
[f[
p
dm
_1
p
nest pas une norme sur L
p
si p ]0, 1[ (sauf cas
particulier).
139
Remarque 6.8 Soient (E, T, m) un espace mesure, et f /(E, T). Lensemble J = p [1, +], f
L
p
est un intervalle de [1, +]. Lapplication denie de J dans R
+
par p |f|
p
est continue, voir `a
ce propos lexercice 4.32, et dans le cas particulier des fonctions continues `a support compact, lexercice
6.10. En particulier, lorsque p J, p + on a |f|
p
|f|

. On en deduit le resultat suivant : si il


existe p
0
< + tel que f L
p
pour tout p tel que p
0
p < +, et si il existe C t.q. |f|
p
C, pour
tout p [p
0
, +[, alors f L

et |f|

C.
6.2 Analyse hilbertienne et espace L
2
6.2.1 Denitions et proprietes elementaires
Denition 6.5 (Produit scalaire)
1. Soit H un espace vectoriel sur R. On appelle produit scalaire sur Hune application de HH R,
notee (/) (ou (/)
H
) t.q.
ps1 : (u/u) > 0 pour tout u H 0,
ps2 : (u/v) = (v/u) pour tout u, v H,
ps3 : u (u/v) est une application lineaire de H dans R, pour tout v H.
2. Soit H un espace vectoriel sur C. On appelle produit scalaire sur Hune application de HH C,
notee (/) (ou (/)
H
) t.q.
ps1 : (u/u) R

+
pour tout u H 0,
ps2 : (u/v) = (v/u) pour tout u, v H,
ps3 : u (u/v) est une application lineaire de H dans R, pour tout v H.
Remarque 6.9 (Exemple fondamental) Soit (E, T, m) un espace mesure.
1. On prend H = L
2
R
(E, T, m). H est un e.v. sur R. On rappelle que fg L
1
R
(E, T, m) si f, g
L
2
R
(E, T, m) (lemme 6.2 pour p = q = 2). Lapplication (f, g)
_
fgdm est un produit scalaire sur
H.
2. On prend H = L
2
C
(E, T, m) (voir le theor`eme 6.4 ci apr`es). H est un e.v. sur C. En utilisant
le lemme 6.2, on montre facilement que fg L
1
C
(E, T, m) si f, g L
2
C
(E, T, m) (lemme 6.2 pour
p = q = 2). Lapplication (f, g)
_
fgdm est un produit scalaire sur H.
Proposition 6.10 (Inegalite de Cauchy-Schwarz)
1. Soit H un e.v. sur R muni dun produit scalaire, note (/). Alors :
(u/v)
2
(u/u)(v/v), pour tout u, v H. (6.14)
De plus, (u/v)
2
= (u/u)(v/v) si et seulement si u et v sont colineaires.
2. Soit H un e.v. sur C muni dun produit scalaire, note (/). Alors :
[(u/v)[
2
(u/u)(v/v), pour tout u, v H. (6.15)
De plus, [(u/v)[
2
= (u/u)(v/v) si et seulement si u et v sont colineaires.
140
D emonstration :
1. On suppose ici K = R. Soit u, v H. Pour R on pose p() = (u + v/u + v) = (v/v)
2
+
2(u/v) + (u/u). Comme p() 0 pour tout R, on doit avoir = (u/v)
2
(v/v)(u/u) 0,
ce qui donne (6.14).
On sinteresse maintenant au cas degalite dans (6.14).
Si u = 0 ou v = 0, on a egalite dans (6.14) (et u et v sont colineaires).
Si u ,= 0 et v ,= 0, on a egalite dans (6.14) (cest-`a-dire = 0) si et seulement si il existe R
t.q. p() = 0. Donc, on a egalite dans (6.14) si et seulement si il existe R t.q. u = v. On
en deduit bien que (u/v)
2
= (u/u)(v/v) si et seulement si u et v sont colineaires.
2. On suppose maintenant K = C. Soit u, v H. Pour C on pose p() = (u + v/u + v) =
(v/v) +(v/u) +(u/v) +(u/u). On choisit de prendre = (u/v) avec R. On pose donc,
pour tout R, () = p((u/v)) =
2
[(u/v)[
2
(v/v) + 2[(u/v)[
2
+ (u/u). Ici encore, comme
() R
+
pour tout R, on doit avoir = [(u/v)[
4
[(u/v)[
2
(v/v)(u/u) 0, ce qui donne
(6.15).
On sinteresse maintenant au cas degalite dans (6.15)
Si u = 0 ou v = 0, on a egalite dans (6.15) (et u et v sont colineaires).
On suppose maintenant u ,= 0 et v ,= 0. On remarque dabord que, si (u/v) = 0, on na pas egalite
dans (6.15) et u et v ne sont pas colineaires. On suppose donc maintenant que (u/v) ,= 0. On a
alors egalite dans (6.15) si et seulement si = 0 et donc si et seulement si il existe R t.q.
() = 0. Donc, on a egalite dans (6.15) si et seulement si il existe R t.q. u = (u/v)v, et
donc si et seulement si il existe R t.q. u = v.
Finalement, on en deduit bien que [(u/v)[
2
= (u/u)(v/v) si et seulement si u et v sont colineaires.
Proposition 6.11 (Norme induite par un produit scalaire)
Soit H un e.v. sur K, avec K = R ou K = C, muni dun produit scalaire, note (/). Pour tout u H,
on pose |u|
H
=
_
(u/u). Alors, | |
H
est une norme sur H. On lappelle norme induite par le produit
scalaire (/).
D emonstration :
Il est clair que |u|
H
R
+
pour tout u H et que
|u|
H
= 0 (u/u) = 0 u = 0.
On a bien |u|
H
= [[|u|
H
pour tout K et tout u H.
Enn, pour montrer linegalite triangulaire, soit u, v H. On a |u + v|
2
H
= (u + v/u + v) =
(u/u)+(v/v)+(u/v)+(v/u). Comme, par (6.14) ou (6.15), [(u/v)[
_
(u/u)
_
(v/v) = |u|
H
|v|
H
,
on en deduit |u +v|
2
H
(|u|
H
+|v|
H
)
2
. Donc,
|u +v|
H
|u|
H
+|v|
H
.
141
Denition 6.6 (espace de Hilbert)
1. Un espace prehilbertien (reel ou complexe) est un espace vectoriel (sur R ou sur C) norme dont la
norme est induite par un produit scalaire.
2. Un espace de Hilbert (reel ou complexe) est un espace vectoriel (sur R ou sur C) norme complet
dont la norme est induite par un produit scalaire. Cest donc un espace de Banach dont la norme
est induite par un produit scalaire.
Theor`eme 6.4 (Lespace L
2
) Soit (E, T, m) un espace mesure.
1. Lespace L
2
R
(E, T, m), muni de la norme | |
2
, est un espace de Hilbert (reel) et le produit scalaire
associe `a la norme est deni par :
(f/g)
2
=
_
fg dm. (6.16)
2. (a) Soit f une application mesurable de E dans C (donc [f[ /
+
). On dit que f L
2
C
(E, T, m)
si [f[
2
L
1
R
(E, T, m). Pour f L
2
C
(E, T, m), on pose |f|
2
=
_
|[f[
2
|
1
. Alors, L
2
C
(E, T, m)
est un espace vectoriel sur C et f |f|
2
est une semi-norme sur L
2
C
(E, T, m).
(b) On appelle L
2
C
(E, T, m) lespace L
2
C
(E, T, m) quotiente par la relation dequivalence = p.p..
Pour F L
2
C
(E, T, m), on pose |F|
2
= |f|
2
avec f F (noter que |f|
2
ne depend pas du
choix de f dans F). Alors L
2
C
(E, T, m), muni de | |
2
, est un espace de Banach (complexe).
(c) Lespace L
2
C
(E, T, m), muni de la norme | |
2
, est un espace de Hilbert (complexe) et le produit
scalaire associe `a la norme est deni par :
(f/g)
2
=
_
fg dm. (6.17)
D emonstration :
1. On sait dej`a que L
2
R
(E, T, m), muni de la norme | |
2
est un espace de Banach (reel). Le lemme
6.2 pour p = q = 2 donne que fg L
1
R
(E, T, m) si f, g L
2
R
(E, T, m). On peut donc poser
(f/g)
2
=
_
fgdm. Il est facile de voir que (/)
2
est un produit scalaire et que la norme induite par
ce produit scalaire est bien la norme | |
2
.
2. Soit f : E C mesurable. On rappelle (section 4.10) que les fonctions 1(f) et (f) sont
mesurables de E dans R (i.e. appartiennent a /). On a donc bien [f[ /
+
et [f[
2
= (1(f))
2
+
((f))
2
/
+
.
Comme [f[
2
= (1(f))
2
+((f))
2
/
+
, on remarque aussi que f L
2
C
(E, T, m) si et seulement si
1(f), (f) L
2
R
(E, T, m). Comme L
2
R
(E, T, m) est un e.v. (sur R), il est aors immediat de voir
que L
2
C
(E, T, m) est un e.v. sur C.
On quotiente maintenant L
2
C
(E, T, m) par la relation= p.p.. On obtient ainsi lespace L
2
C
(E, T, m)
que lon munit facilement dune structure vectorielle sur C. Lespace L
2
C
(E, T, m) est donc un e.v.
sur C.
142
En utilisant le lemme 6.2, on montre facilement que fg L
1
C
(E, T, m) si f, g L
2
C
(E, T, m) (on
utilise le fait que les parties reelles et imaginaires de f et g sont dans L
2
R
(E, T, m)). On peut
donc poser (f/g)
2
=
_
fgdm. Il est aussi facile de voir que (/)
2
est alors un produit scalaire sur
L
2
C
(E, T, m) et que la norme induite par ce produit scalaire est justement | |
2
(car [f[
2
= ff et
donc
_
ffdm = |f|
2
2
). On a, en particulier, ainsi montre que f |f|
2
est bien une norme sur
L
2
R
(E, T, m). On en deduit aussi que f |f|
2
est une semi-norme sur L
2
R
(E, T, m).
On a montre que lespace L
2
C
(E, T, m), muni de la norme | |
2
, est un espace prehilbertien. il reste `a
montrer quil est complet (pour la norme | |
2
). Ceci est facile. En eet, |f|
2
2
= |1(f)|
2
2
+|(f)|
2
2
pour tout f L
2
C
(E, T, m). Donc, une suite (f
n
)
nN
L
2
C
(E, T, m) est de Cauchy si et seulement si
les suites (1(f
n
))
nN
et ((f
n
))
nN
sont de Cauchy dans L
2
R
(E, T, m) et cette meme suite converge
dans L
2
C
(E, T, m) si et seulement si les suites (1(f
n
))
nN
et ((f
n
))
nN
convergent dans L
2
R
(E, T, m).
Le fait que L
2
C
(E, T, m) soit complet decoule alors du fait que L
2
R
(E, T, m) est complet.
Remarquons que dans le cas p = 2, linegalite de Holder est en fait linegalite de Cauchy-Schwarz.
Proposition 6.12 (Continuite du produit scalaire)
Soit H est un Banach reel ou complexe. Soient (u
n
)
nN
H, (v
n
)
nN
H et u, v H t.q. u
n
u et
v
n
v dans H, quand n . Alors, (u
n
/v
n
) (u/v) quand n .
D emonstration : Il sut de remarquer que, grace `a linegalite de Cauchy-Schwarz (inegalites (6.14) et
(6.15)), on a :
[(u
n
/v
n
) (u/v)[ [(u
n
/v
n
) (u
n
/v)[ +[(u
n
/v) (u/v)[
|u
n
||v
n
v| +|u
n
u||v|.
On conclut en utilisant le fait que u
n
u, v
n
v et en remarquant que la suite (u
n
)
nN
est bornee car
convergente.
Denition 6.7 Soit H est un Banach reel ou complexe. On note H

(ou L(H, K)) lensemble des


applications lineaires continues de H dans K (avec K = R pour un Banach reel et K = C pour un
Banach complexe). Si T H

, on pose
|T|
H
= sup
uH\{0}
[T(u)[
|u|
H
.
On rappelle que | |
H
est bien une norme sur H

et que H

, muni de cette norme, est aussi un espace


de Banach (sur K).
Enn, si T H

et u H, on a [T(u)[ |T|
H
|u|
H
.
Remarque 6.10 Soit H un espace de Hilbert (reel ou complexe). Pour v H, on pose
v
(u) = (u/v)
pour tout u H. Grace `a linegalite de Cauchy-Schwarz ((6.14) ou (6.15)), on voit que
v
H

et
|
v
|
H
|v|
H
. Il est facile alors de voir que |
v
|
H
= |v|
H
. Ceci montre que v
v
est une
application injective de H dans H

. le theor`eme de representation de Riesz (theor`eme 6.8), fondamental,


montrera que cette application est surjective.
Proposition 6.13
Soit H un espace de Hilbert (reel ou complexe). Alors, pour tout u, v H On a
|u +v|
2
H
+|u v|
2
H
= 2|u|
2
H
+ 2|v|
2
H
. (6.18)
Cette identite sappelle identite du parallelogramme.
143
D emonstration : Il sut decrire |u+v|
2
H
+|uv|
2
H
= (u+v/u+v) +(uv/uv) et de developper
les produits scalaires.
Remarque 6.11
1. On peut se demander si deux produits scalaires (sur un meme espace vectoriel) peuvent induire la
meme norme. La reponse est non. En eet, le produit scalaire est enti`erement determine par
la norme quil induit. Par exemple, dans le cas dun e.v. reel, si le produit scalaire (/) induit la
norme | |, on a, pour tout u, v, (u/v) =
1
4
(|u +v|
2
|u v|
2
).
2. On se donne maintenant un e.v.n. note H. Comment savoir si la norme est induite ou non par un
produit scalaire ? On peut montrer que la norme est induite par un produit scalaire si et seulement
si lidentite du parallelogramme (6.18) est vraie pour tout u, v H. Ceci est surtout utile pour
montrer quune norme nest pas induite par un produit scalaire (on cherche u, v H ne veriant
pas (6.18)).
Denition 6.8 (Orthogonal) Soit H un espace de Hilbert (reel ou complexe).
1. Soit u, v H. On dit que u et v sont orthogonaux (et on note uv) si (u/v) = 0.
2. Soit A H. On appelle orthogonal de A lensemble A

= u H; (u/v) = 0 pour tout v A.


Proposition 6.14 Soient H un espace de Hilbert (reel ou complexe) et A H. Alors :
1. A

est un s.e.v. ferme de H,


2. A

= A

,
3. A (A

(que lon note aussi A

).
D emonstration :
1. Soit u
1
, u
2
A

et
1
,
2
K (K = R ou K = C selon que H est un hilbert reel ou complexe).
Pour tout v A, on a (
1
u
1
+
2
u
2
/v) =
1
(u
1
/v) +
2
(u
2
/v) = 0. Donc,
1
u
1
+
2
u
2
A

. Ce
qui montre que A

est un s.e.v. de H.
Soit (u
n
)
nN
A

t.q. u
n
u dans H, quand n . Lapplication w (w/v) est continue de
H dans K (voir la remarque (6.10)) pour tout v H. Soit v A, de (u
n
/v) = 0 on deduit donc
que (u/v) = 0. Ce qui montre que u A

et donc que A

est ferme.
2. Comme A A, on a A

.
Soit maintenant u A

. On veut montrer que u A

.
Soit v A, il existe (v
n
)
nN
A t.q. v
n
v dans H quand n . Comme (u/v
n
) = 0 pour
tout n N, on en deduit, par continuite de w (u/w), que (u/v) = 0. Donc u A

. ce qui
donne A

.
Finalement, on a bien montre A

= A

.
3. Soit v A. On a (u/v) = 0 pour tout u A

, donc (v/u) = 0 pour tout u A

, ce qui donne
v (A

144
Remarque 6.12 dans le dernier item de la proposition precedente, on peut se demander si A = A

.
On montrera, dans la section suivante que ceci est vrai si A est s.e.v. ferme (ce qui est aussi une condition
necessaire).
On termine cette section avec le theor`eme de Pythagore.
Theor`eme 6.5 (Pythagore)
Soient H un espace de Hilbert (reel ou complexe) et u
1
, . . . , u
n
H t.q. (u
i
/u
j
) = 0 si i ,= j. Alors :
|
n

i=1
u
i
|
2
H
=
n

i=1
|u
i
|
2
H
. (6.19)
D emonstration :
La demonstration de ce resultat est immediate, par recurrence sur n :
Legalite (6.19) est vraie pour n = 1 (et tout u
1
H).
Soit n N. On suppose que (6.19) est vraie (pour tout u
1
, . . . , u
n
H). Soit u
1
, . . . , u
n+1
H. On
pose y =

n
i=1
u
i
, de sorte que
|
n+1

i=1
u
i
|
2
H
= |y +u
n+1
|
2
H
= (y +u
n+1
/y +u
n+1
) = (y/y) + (y/u
n+1
) + (u
n+1
/y) + (u
n+1
/u
n+1
).
Comme (y/u
n+1
) = 0 = (u
n+1
/y), on en deduit, avec lhypoth`ese de recurrence, que |

n+1
i=1
u
i
|
2
H
=

n+1
i=1
|u
i
|
2
H
.
6.2.2 Projection sur un convexe ferme non vide
Remarque 6.13 Soit E un ensemble muni dune distance, notee d (E est alors un espace metrique).
Soit A E. On pose d(x, A) = inf
yA
d(x, y). Il nexiste pas toujours de x
0
A t.q. d(x, x
0
) = d(x, A)
et, si un tel x
0
existe, il peut etre non unique. Par exemple, dans le cas o` u A est compact (pour la
topologie induite par d), x
0
existe mais peut etre non unique.
Dans le cas o` u il existe un et un seul x
0
A t.q. d(x, x
0
) = d(x, A), x
0
est appele projection de x sur
A.
Lobjectif de cette section est de montrer lexistence et lunicite de x
0
dans le cas o` u A est une partie
convexe fermee non vide dun espace de Hilbert (et d la distance induite par la norme de lespace de
Hilbert).
Denition 6.9 (Partie convexe) Soit E un e.v. sur K, avec K = R ou K = C. Soit C E. On dit
que C est convexe si :
u, v C, t [0, 1] tu + (1 t)v C.
Theor`eme 6.6 (Projection sur un convexe ferme non vide)
Soient H un espace de Hilbert (reel ou complexe) et C H une partie convexe fermee non vide. Soit
x H. Alors, il existe un et un seul x
0
C t.q. d(x, x
0
) = d(x, C) = inf
yC
d(x, y) (avec d(x, y) =
|x y|
H
). On note x
0
= P
C
(x). P
C
est donc une application de H dans H (dont limage est egale `a
C). On ecrit souvent P
C
x au lieu de P
C
(x).
145
D emonstration :
Existence de x
0
.
On pose d = d(x, C) = inf
yC
d(x, y). Comme C ,= , il existe une suite (y
n
)
nN
C t.q. d(x, y
n
) d
quand n . On va montrer que (y
n
)
nN
est une suite de Cauchy en utilisant lidentite du parallelo-
gramme (6.18) (ce qui utilise la structure hilbertienne de H) et la convexite de C.
Lidentite du parallelogramme donne
|y
n
y
m
|
2
H
= |(y
n
x) (y
m
x)|
2
H
= |(y
n
x) + (y
m
x)|
2
H
+ 2|y
n
x|
2
H
+ 2|y
m
x|
2
H
,
et donc
|y
n
y
m
|
2
H
= 4|
y
n
+y
m
2
x|
2
H
+ 2|y
n
x|
2
H
+ 2|y
m
x|
2
H
. (6.20)
Comme C est convexe, on a
y
n
+y
m
2
C et donc d |
y
n
+y
m
2
x|
H
. On deduit alors de (6.20) :
|y
n
y
m
|
2
H
4d
2
+ 2|y
n
x|
2
H
+ 2|y
m
x|
2
H
. (6.21)
Comme d(y
n
, x) = |y
n
x|
H
d quand n , on deduit de (6.21) que la suite (y
n
)
nN
est de Cauchy.
Comme H est complet, il existe donc x
0
H t.q. y
n
x
0
quand n . Comme C est fermee, on
a x
0
C. Enn, comme |x y
n
|
H
d quand n , on a, par continuite (dans H) de z |z|
H
,
d(x, x
0
) = |x x
0
|
H
= d = d(x, C). Ce qui termine la partie existence.
Unicite de x
0
. Soit y
1
, y
2
C t.q. d(x, y
1
) = d(x, y
2
) = d(x, C) = d. On utilise encore lidentite du
parallelogramme. Elle donne (voir (6.20)) :
|y
1
y
2
|
2
H
= 4|
y
1
+y
2
2
x|
2
H
+ 2|y
1
x|
2
H
+ 2|y
2
x|
2
H
= 4|
y
1
+y
2
2
x|
2
H
+ 4d
2
.
Comme
y
1
+y
2
2
C On a donc d |
y
1
+y
2
2
x|
H
et donc |y
1
y
2
|
2
H
4d
2
+ 4d
2
= 0. Donc y
1
= y
2
.
Ce qui termine la partie unicite.
Remarque 6.14 Le theor`eme precedent est, en general, faux si on remplace Hilbert par Banach.
Un exemple de non existence est donne `a lexercice 6.24 (et il est facile de trouver des exemples de non
unicite).
On donne maintenant deux caracterisations importantes de la projection. La premi`ere est valable pour
tout convexe ferme non vide alors que la deuxi`eme ne concerne que les s.e.v. fermes.
Proposition 6.15 (Premi`ere caracterisation de la projection)
Soient H un espace de Hilbert (reel ou complexe) et C H une partie convexe fermee non vide. Soient
x H et x
0
C.
1. On suppose que H est un Hilbert reel. Alors :
x
0
= P
C
x (x x
0
/x
0
y) 0, pour tout y C. (6.22)
2. On suppose que H est un Hilbert complexe. Alors :
x
0
= P
C
x 1(x x
0
/x
0
y) 0, pour tout y C. (6.23)
146
D emonstration :
Cas dun Hilbert reel
Sens ()
On veut montrer que (x x
0
/x
0
y) 0, pour tout y C. Comme x
0
= P
C
x, on a |x x
0
|
2
H

|x z|
2
H
pour tout z C. Soit y C. On prend z = ty + (1 t)x
0
avec t ]0, 1]. Comme C est
convexe, on a z C et donc
|x x
0
|
2
H
|x z|
2
H
= (x x
0
t(y x
0
)/x x
0
t(y x
0
))
= |x x
0
|
2
H
+t
2
|y x
0
|
2
H
2t(x x
0
/y x
0
).
On en deduit
2t(x x
0
/y x
0
) t
2
|y x
0
|
2
H
0.
On divise cette inegalite par t (on rappelle que t > 0) pour obtenir
2(x x
0
/y x
0
) t|y x
0
|
2
H
0,
ce qui donne, en faisant tendre t vers 0 :
(x x
0
/x
0
y) 0.
Sens ()
On veut montrer que x
0
= P
C
x, cest-`a-dire |x x
0
|
2
H
|x y|
2
H
pour tout y C.
Soit y C, on a |xy|
2
H
= |xx
0
+x
0
y|
2
H
= |xx
0
|
2
H
+|x
0
y|
2
H
+2(xx
0
/x
0
y) |xx
0
|
2
H
car |x
0
y|
2
H
0 et 2(x x
0
/x
0
y) 0.
Cas dun Hilbert complexe
La demonstration est tr`es voisine.
Sens ()
On veut montrer que 1(x x
0
/x
0
y) 0, pour tout y C.
En reprenant les memes notations que dans le cas Hilbert reel et en suivant la meme demarche,
on obtient :
|x x
0
|
2
H
|x z|
2
H
= (x x
0
t(y x
0
)/x x
0
t(y x
0
))
= |x x
0
|
2
H
+t
2
|y x
0
|
2
H
2t1(x x
0
/y x
0
).
On en deduit
2t1(x x
0
/y x
0
) t
2
|y x
0
|
2
H
0.
On divise cette inegalite par t (on rappelle que t > 0) pour obtenir
21(x x
0
/y x
0
) t|y x
0
|
2
H
0,
ce qui donne, en faisant tendre t vers 0 :
1(x x
0
/x
0
y) 0.
147
Sens ()
On veut montrer que x
0
= P
C
x, cest-`a-dire |x x
0
|
2
H
|x y|
2
H
pour tout y C.
Soit y C, on a |xy|
2
H
= |xx
0
+x
0
y|
2
H
= |xx
0
|
2
H
+|x
0
y|
2
H
+21(xx
0
/x
0
y) |xx
0
|
2
H
car |x
0
y|
2
H
0 et 21(x x
0
/x
0
y) 0.
Remarque 6.15 On prend comme espace de Hilbert reel H = L
2
R
(E, T, m) (avec E ,= ) et on prend
C = f H: f 0 p.p.. On peut montrer que C est une partie convexe fermee non vide et que
P
C
f = f
+
pour tout f H. Ceci est fait dans lexercice 6.23.
Un s.e.v. ferme est, en particulier, un convexe ferme non vide. On peut donc denir la projection sur un
s.e.v. ferme. On donne maintenant une caracterisation de la projection dans ce cas particulier.
Proposition 6.16 (Deuxi`eme caracterisation de la projection)
Soient H un espace de Hilbert (reel ou complexe) et F un s.e.v. ferme de H. Soient x H et x
0
F.
Alors :
x
0
= P
F
x (x x
0
) F

. (6.24)
D emonstration :
Cas dun Hilbert reel
Sens ()
On veut montrer que x
0
= P
F
x. On utilise la premi`ere caracterisation. Soit y F. Comme
(x x
0
) F

, on a (x x
0
/x
0
y) = 0 0 (car x
0
y F). Donc, la proposition 6.15 donne
x
0
= P
F
x.
Sens ()
On veut montrer que (x x
0
) F

. La premi`ere caracterisation (proposition 6.15) donne (x


x
0
/x
0
y) 0 pour tout y F. Soit z F. On choisit y = x
0
+z F (car F est un s.e.v.) pour
obtenir (xx
0
/z) 0 et y = x
0
z F pour obtenir (xx
0
/z) 0. On en deduit (xx
0
/z) = 0.
Ce qui donne que (x x
0
) F

.
Cas dun Hilbert complexe
La demonstration est tr`es voisine.
Sens ()
On veut montrer que x
0
= P
F
x. Soit y F. Comme (x x
0
) F

, on a (x x
0
/x
0
y) = 0 (car
x
0
y F). On a donc 1(x x
0
/x
0
y) = 0. Donc, la proposition 6.15 donne x
0
= P
F
x.
Sens ()
On veut montrer que (x x
0
) F

. La premi`ere caracterisation (proposition 6.15) donne 1(x


x
0
/x
0
y) 0 pour tout y F. Soit z F. On choisit y = x
0
z F (car F est un s.e.v.) avec
= (x x
0
/z) pour obtenir 1(x x
0
/z) 0. Mais (x x
0
/z) = (x x
0
/z) = [(x x
0
/z)[
2
.
Donc, 0 1(x x
0
/z) = [(x x
0
/z)[
2
. On en deduit (x x
0
/z) = 0. Ce qui donne que
(x x
0
) F

.
148
Denition 6.10 (Projection orthogonale et projecteurs algebriques)
1. Soient H un espace de Hilbert (reel ou complexe) et F H un s.e.v. ferme de H. Loperateur P
F
sappelle projecteur orthogonal sur F. Si u H, P
F
u sappelle la projection orthogonale de u sur
F.
2. (Rappel algebrique) Soit E un e.v. sur K (K = R ou K = C). Soient F, G deux s.e.v. de E t.q.
E = F G. Pour x E, il existe donc un et un seul couple (y, z) F G t.q. x = y + z. On
pose y = Px et donc z = (I P)x (o` u I est lapplication identite). P et I P sont les projecteurs
associes `a la decomposition E = F G. Ce sont des applications lineaires de E dans E. Limage
de P est egale ` a F et Limage de I P est egale `a G. Dans le prochain theor`eme, on va comparer
la projection orthogonale et des projecteurs algebriques particuliers.
Theor`eme 6.7
Soient H un espace de Hilbert (reel ou complexe) et F un s.e.v. ferme de H. Alors :
1. H = F F

,
2. P
F
(projecteur orthogonal sur F) est egal au projecteur algebrique sur F associe ` a la decomposition
H = F F

.
3. F = F

.
D emonstration : On rappelle que lon a dej`a vu que F

est un s.e.v. ferme.


1. Soit u H. On a u = (u P
F
u) + P
F
u. La 2eme caracterisation (proposition 6.16) donne
(u P
F
u) F

. Comme P
F
u F, on en deduit que H = F +F

.
Soit maintenant u FF

. On doit donc avoir (u/u) = 0, ce qui donne u = 0 et donc FF

= 0.
On a donc H = F F

.
2. Soit u H. Comme u = P
F
u + (u P
F
u), avec P
F
u F et (u P
F
u) F

, on voit que P
F
est egal au projecteur algebrique sur F associe `a la decomposition H = F F

. (Noter aussi que


(I P
F
) est egal au projecteur algebrique sur F

associe `a la decomposition H = F F

.)
3. Il reste `a montrer que F = F

.
On a dej`a vu que F F

.
Soit u F

. On a u = (u P
F
u) +P
F
u. La 2eme caracterisation (proposition 6.16) donne
(u P
F
u) F

et on a aussi (u P
F
u) F

car u F

et P
F
u F F

. On a donc
(u P
F
u) F

= 0. Donc u = P
F
u F. On a donc montre que F

F.
Finalement, on a bien montre que F = F

.
Le theor`eme 6.7 a un corollaire tr`es utile :
149
Corollaire 6.1
Soient H un espace de Hilbert (reel ou complexe) et F un s.e.v. de H. Alors :
F = H F

= 0.
D emonstration : F est un s.e.v. ferme de H. Le theor`eme 6.7 donne donc H = F (F)

. On a dej`a
vu que (F)

= F

, on a donc
H = F F

,
do` u lon deduit
F = H F

= 0.
6.2.3 Theor`eme de Representation de Riesz
Remarque 6.16 On rappelle ici la denition 6.7 et la remarque 6.10. Soit H est un Banach reel ou
complexe. On note H

(ou L(H, K)) lensemble des applications lineaires continues de H dans K (avec
K = R pour un Banach reel et K = C pour un Banach complexe). On rappelle que H

est lensemble
des applications lineaires de H dans K. On a donc H

. Si H est de dimension nie, on a H

= H

,
mais si H est de dimension innie, on peut montrer que H

,= H

.
1. Si T H

, on rappelle que T est continue si seulement si il existe k R t.q. [T(u)[ k|u|


H
, pour
tout u H.
2. Si T H

, on pose |T|
H
= sup
uH\{0}
|T(u)|
u
H
. On rappelle que | |
H
est bien une norme sur H

et
que H

, muni de cette norme, est aussi un espace de Banach (sur K). Noter que ceci est aussi vrai
si H est un e.v.n. non complet. Noter aussi que, si T H

et u H, on a [T(u)[ |T|
H
|u|
H
.
3. On suppose maintenant que H un espace de Hilbert (reel ou complexe). Pour v H, on pose

v
(u) = (u/v) pour tout u H. Grace `a linegalite de Cauchy-Schwarz ((6.14) ou (6.15)), on a
[
v
(u)[ |u|
H
|v|
H
. On a donc
v
H

et |
v
|
H
|v|
H
. En remarquant que
v
(v) = |v|
2
H
,
on montre alors que |
v
|
H
= |v|
H
.
On consid`ere maintenant lapplication : H H

denie par (v) =


v
pour tout v H.
Si K = R, est une application lineaire de H dans H

car, pour tout v, w H et tout , R,

v+w
(u) = (u/v +w) = (u/v) +(u/w) =
v
(u) +
w
(u), pour tout u H,
ce qui donne
v+w
=
v
+
w
. Lapplication est donc une isometrie (lineaire) de H
sur Im() H

. (En particulier est donc injective.)


Si K = C, est une application anti-lineaire de H dans H

car, pour tout v, w H et tout


, R,

v+w
(u) = (u/v +w) = (u/v) +(u/w) =
v
(u) +
w
(u), pour tout u H,
ce qui donne
v+w
=
v
+
w
. Lapplication est donc une isometrie (anti-lineaire) de
H sur Im() H

. (En particulier est donc, ici aussi, injective.)


150
Lobjectif du theor`eme de representation de Riesz (theor`eme 6.8) est de montrer que lapplication
est surjective, cest-`a-dire que Im() = H

.
Theor`eme 6.8
Soit H un espace de Hilbert (reel ou complexe). Soit T H

. Alors, il existe un et un seul v H t.q.


T(u) = (u/v), pour tout u H. (6.25)
Lapplication denie dans la remarque 6.16 est donc surjective (le resultat ci dessus donne T =
v
).
D emonstration :
Existence de v
On pose F = Ker(T). Comme T est lineaire et continue, F est un s.e.v. ferme de H. Le theor`eme 6.7
donne donc H = F F

. On distingue deux cas :


Cas 1. On suppose ici que T = 0. On a alors F = E et il sut de prendre v = 0 pour avoir (6.25).
Cas 2. On suppose maintenant que T ,= 0. On a donc F ,= H et donc F

,= 0 (car H = F F

).
Il existe donc v
0
F

, v
0
,= 0. Comme v
0
, F, on a T(v
0
) ,= 0.
Pour u H, on a alors
u = u
T(u)
T(v
0
)
v
0
+
T(u)
T(v
0
)
v
0
. (6.26)
On remarque que u
T(u)
T(v
0
)
v
0
F car
T(u
T(u)
T(v
0
)
v
0
) = T(u)
T(u)
T(v
0
)
T(v
0
) = 0.
Donc, comme v
0
F

, (u
T(u)
T(v
0
)
v
0
/v
0
) = 0 et (6.26) donne
(u/v
0
) = (
T(u)
T(v
0
)
v
0
/v
0
) =
T(u)
T(v
0
)
(v
0
/v
0
),
do` u lon deduit
T(u) =
T(v
0
)
(v
0
/v
0
)
(u/v
0
).
On pose v =
T(v
0
)
(v
0
/v
0
)
v
0
si K = R et v =
T(v
0
)
(v
0
/v
0
)
v
0
si K = C. On a bien
T(u) = (u/v), pour tout u H,
cest-`a-dire T =
v
(avec les notations de la remarque 6.16).
Dans les 2 cas on a bien trouve v H veriant (6.25).
Unicite de v
Soit v
1
, v
2
H t.q. T =
v
1
=
v
2
(avec les notations de la remarque 6.16). Comme est lineaire (si
K = R) ou anti-lineaire (si K = C), on en deduit
v
1
v
2
=
v
1

v
2
= 0. Comme est une isometrie,
on a donc v
1
= v
2
, ce qui donne la partie unicite du theor`eme.
151
Remarque 6.17 Soit H un espace de Hilbert (reel ou complexe). Soit T H

. T est donc une


application lineaire de H dans K(= R ou C), non continue. On pose F = Ker(T). La demonstration du
theor`eme 6.8 permet alors de montrer que F

= 0 et donc F = H (dans un Hilbert H, le noyau dune


forme lineaire non continue est donc toujours dense dans H). En eet, on raisonne par labsurde :
si F

,= 0, il existe v
0
F

, v
0
,= 0. le raisonnement fait pour demontrer le theor`eme 6.8 donne alors
T(u) = (u/v) pour tout u H, avec v =
T(v
0
)
(v
0
/v
0
)
v
0
si K = R et v =
T(v
0
)
(v
0
/v
0
)
v
0
si K = C. On en deduit que
T est continu, contrairement `a lhypoth`ese de depart.
On a donc F

= 0 et donc F

= F

= 0. On en deduit, comme H = F F

(par le theor`eme 6.7,


car F est toujours un s.e.v. ferme), que H = F.
Remarque 6.18 (Structure hilbertienne de H

) Soit H un espace de Hilbert (reel ou complexe).


On sait dej`a que H

(avec la norme habituelle, voir la remarque 6.16) est un espace de Banach. Le


theor`eme 6.8 permet aussi de montrer que H

est un espace de Hilbert. En eet, en prenant les notations


de la remarque 6.16, lapplication est un isometrie bijective, lineaire ou anti-lineaire de H dans H

.
Cela sut pour montrer que lidentite du parallelogramme (identite (6.18)) est vraie sur H

et donc que
H

est une espace de Hilbert (voir la remarque (6.11)). Mais on peut meme construire le produit scalaire
sur H

(induisant la norme usuelle de H

) :
Soient T
1
, T
2
H

. Par le theor`eme 6.8, il existe v


1
, v
2
H t.q. T
1
=
v
1
et T
2
=
v
2
. On pose
(T
1
/T
2
)
H
= (v
2
/v
1
)
H
(o` u (/)
H
designe ici le produit scalaire dans H). Il est facile de voir que (/)
H

est un produit scalaire sur H

. Il induit bien la norme usuelle de H

car (T
1
/T
1
)
H
= (v
1
/v
1
)
H
= |v
1
|
2
H
=
|
v
1
|
2
H
= |T
1
|
2
H
car est une isometrie.
6.2.4 Bases hilbertiennes
Soient E un e.v. sur K, K = R ou C, et B = e
i
, i I E une famille delements de E (lensemble I
est quelconque, il peut etre ni, denombrable ou non denombrable). On rappelle que B = e
i
, i I E
est une base (algebrique) de E si B verie les deux proprietes suivantes :
1. B est libre, cest-`a-dire :

iJ

i
e
i
= 0, avec
J I, card(J) < ,

i
K pour tout i J,
_
_
_

i
= 0 pour tout i J,
2. B est generatrice, cest-`a-dire que pour tout u E, il existe J I, card(J) < , et il existe
(
i
)
iJ
K t.q. u =

iJ

i
e
i
.
En notant vecte
i
, i I lespace vectoriel engendre par la famille e
i
, i I, le fait que B soit generatrice
secrit donc : E = vecte
i
, i I.
On rappelle aussi que tout espace vectoriel admet des bases (algebriques). Cette propriete se demontre `a
partir de laxiome du choix.
Dans le cas dun espace de Hilbert, on va denir maintenant une nouvelle notion de base : la notion de
base hilbertienne.
Denition 6.11 Soient H un espace de Hilbert sur K, K = R ou C, et B = e
i
, i I H une famille
delements de H (lensemble I est quelconque). La famille B est une base hilbertienne de H si elle verie
les deux proprietes suivantes :
152
1. (e
i
/e
j
) =
i,j
=
_
1 si i = j,
0 si i ,= j,
pour tout i, j I.
2. vecte
i
, i I = H. On rappelle que vecte
i
, i I =

iJ

i
e
i
, J I, card(J) < , (
i
)
iJ

K.
Remarque 6.19 Soit H un espace de Hilbert sur K, K = R ou C.
1. Si H est de dimension nie, il existe des bases hilbertiennes (qui sont alors aussi des bases al-
gebriques). Le cardinal dune base hilbertienne est alors egal `a la dimension de H puisque, par
denition, la dimension de H est egal au cardinal dune base algebrique (ce cardinal ne dependant
pas de la base choisie). La demonstration de lexistence de bases hilbertiennes suit celle de la propo-
sition 6.17 (la recurrence dans la construction de la famille des e
n
sarrete pour n = dim(H) 1,
voir la preuve de la proposition 6.17).
2. Si H est de dimension innie et que H est separable (voir la denition 6.12), il existe des bases
hilbertiennes denombrables (voir la proposition 6.17).
3. Si H est de dimension innie et que H est non separable, il existe toujours des bases hilbertiennes
(ceci se demontre avec laxiome du choix), mais elles ne sont plus denombrables.
Denition 6.12 Soit E un e.v.n. sur K, K = R ou C. On dit que E est separable si il existe A E
t.q. A = E et A au plus denombrable.
Proposition 6.17 Soit H un espace de Hilbert sur K, K = R ou C, de dimension innie. On suppose
que H est separable . Alors, il existe B = e
i
, i N H , base hilbertienne de H.
D emonstration : Comme H est separable, il existe une famille f
n
, n N H dense dans H, cest-
`a-dire t.q. f
n
, n N = H.
On va construire, par une recurrence sur n, une famille e
n
, n N t.q. :
1. (e
n
/e
m
) =
n,m
pour tout n, m N,
2. f
0
, . . . , f
n
vecte
0
, . . . , e
n
pour tout n N.
On aura alors trouve une base hilbertienne car on aura f
i
vecte
n
, n N, pour tout i N, et donc
H = f
n
, n N e
n
, n N H, do` u H = e
n
, n N. Avec la propriete (e
n
/e
m
) =
n,m
pour
tout n, m N, ceci donne bien que e
n
, n N est une base hilbertienne de H.
On construit maintenant la famille e
n
, n N.
Construction de e
0
Soit (0) = mini N; f
i
,= 0 (les f
i
ne sont pas tous nuls car H ,= 0). On prend e
0
=
f
(0)
f
(0)

, de
sorte que (e
0
/e
0
) = 1 et f
0
vecte
0
(car f
0
= |f
0
|e
0
, meme si (0) ,= 0).
Construction de e
n+1
Soit n N. On suppose construits e
0
, . . . , e
n
t.q.
(e
p
/e
m
) =
p,m
pour tout p, m 0, . . . , n,
f
0
, . . . , f
p
vecte
0
, . . . , e
p
pour tout p 0, . . . , n.
153
(Ce qui est verie pour n = 0 grace `a la construction de e
0
.)
On construit maintenant e
n+1
t.q. les deux assertions precedentes soient encore vraies avec n +1 au lieu
de n.
Un sous espace vectoriel de dimension nie est toujours ferme, donc vecte
0
, . . . , e
n
= vecte
0
, . . . , e
n
.
Si f
i
vecte
0
, . . . , e
n
pour tout i N, on a alors f
i
, i N vecte
0
, . . . , e
n
et donc H =
vectf
i
, i N vecte
0
, . . . , e
n
= vecte
0
, . . . , e
n
. Ce qui prouve que H est de dimension nie (et
dim(H) = n + 1). Comme H est de dimension innie, il existe donc i N t.q. f
i
, vecte
0
, . . . , e
n

(dans le cas o` u H est dimension nie, la construction de la famille des e


n
sarrete pour n = dim(H) 1
et on obtient une base hilbertienne avec e
0
, . . . , e
n
). On pose alors (n + 1) = mini N; f
i
,
vecte
0
, . . . , e
n
. On a donc, en particulier, (n+1) n+1. En prenant e
n+1
= f
(n+1)

n
i=0

i
e
i
avec

i
= (f
(n+1)
/e
i
) pour tout i 0, . . . , n, on remarque que e
n+1
,= 0 (car f
(n+1)
, vecte
0
, . . . , e
n
)
et que ( e
n+1
/e
i
) = 0 pour tout i 0, . . . , n. Il sut alors de prendre e
n+1
=
e
n+1
e
n+1

pour avoir
(e
p
/e
m
) =
p,m
pour tout p, m 0, . . . , n + 1. Enn, il est clair que f
n+1
vecte
0
, . . . , e
n+1
car on
a f
n+1
= | e
n+1
|e
n+1
+

n
i=0

i
e
i
vecte
0
, . . . , e
n+1
si (n + 1) = n + 1 et f
n+1
vecte
0
, . . . , e
n
si
(n + 1) > n + 1.
On a donc bien trouve e
n+1
t.q.
(e
p
/e
m
) =
p,m
pour tout p, m 0, . . . , n + 1,
f
0
, . . . , f
p
vecte
0
, . . . , e
p
pour tout p 0, . . . , n + 1.
Ce qui conclut la construction de la famille e
n
, n N veriant les deux assertions demandees. Comme
cela a dej`a ete dit, la famille e
n
, n N est alors une base hilbertienne de H.
La proposition 6.17 montre donc que tout espace de Hilbert separable, et de dimension innie, admet une
base hilbertienne denombrable. On peut aussi demontrer la reciproque de ce resultat, cest-`a-dire que
tout espace de Hilbert admettant une base hilbertienne denombrable est separable et de dimension innie
(cf. exercice 6.22). La proposition suivante sadresse donc uniquement aux espaces de Hilbert separables.
Proposition 6.18 Soient H un espace de Hilbert sur K, K = R ou C. et e
n
, n N une base
hilbertienne de H (lespace H est donc separable et de dimension innie (cf. exercice 6.22) et, dans ce
cas, une telle base existe dapr`es la proposition 6.17). Alors :
1. (Identite de Bessel) |u|
2
=

nN
[(u/e
n
)[
2
, pour tout u H,
2. u =

nN
(u/e
n
)e
n
, pour tout u H, cest-`a-dire

n
i=0
(u/e
i
)e
i
u dans H, quand n ,
3. soient u H et (
n
)
nN
K t.q. u =

nN

n
e
n
(cest-` a-dire

n
i=0

i
e
i
u dans H quand
n ), alors
i
= (u/e
i
) pour tout i N,
4. (identite de Parseval) (u/v) =

nN
(u/e
n
)(v/e
n
), pour tout u, v H.
D emonstration : Pour n N, on pose F
n
= vecte
0
, . . . , e
n
. F
n
est donc un s.e.v. ferme de H (on a
dim(F
n
) = n + 1 et on rappelle quun espace de dimension nie est toujours complet, F
n
est donc ferme
dans H).
On remarque que F
n
F
n+1
pour tout n N, que
nN
F
n
= vecte
i
, i N et donc que
nN
F
n
= H
(car e
i
, i N est une base hilbertienne de H).
Soit u H. La suite (d(u, F
n
))
nN
est decroissante (car F
n
F
n+1
), on a donc d(u, F
n
) l quand
n , avec l 0. On va montrer que l = 0. En eet, pour tout > 0, il existe v
nN
F
n
t.q.
154
d(v, u) (car
nN
F
n
= H). Il existe donc n N t.q. v F
n
. On a alors d(u, F
n
) , ce qui prouve
que l . Comme > 0 est arbitraire, on a bien montre que l = 0.
On utilise maintenant le theor`eme dexistence et dunicite de la projection sur un convexe ferme non vide
(theor`eme 6.6). Il donne lexistence (et lunicite) de u
n
= P
F
n
u F
n
t.q. d(u
n
, u) = d(u, F
n
), pour tout
n N. On a alors u = (uu
n
)+u
n
et la deuxi`eme caracterisation de la projection (proposition 6.16) donne
que (uu
n
) F

n
. Le theor`eme de Pythagore (theor`eme 6.5) donne enn que |u|
2
= |u
n
|
2
+|uu
n
|
2
.
Comme |u u
n
| = d(u, u
n
) = d(u, F
n
) 0 quand n , on en deduit que
|u
n
|
2
0, quand n . (6.27)
Soit n N. Comme u
n
F
n
= vecte
0
, . . . , e
n
, on a u
n
=

n
i=0

i
e
i
avec
i
= (u
n
/e
i
) pour tout
i 0, . . . , n (car (e
i
/e
j
) =
i,j
pour tout i, j). Puis, comme (u u
n
) F

n
, on a (u u
n
/e
i
) = 0 pour
tout i 0, . . . , n, do` u lon deduit que
i
= (u/e
i
) pour tout i 0, . . . , n. On a donc montre que
u
n
=

n
i=0
(u/e
i
)e
i
. Ce qui, avec le theor`eme de Pythagore, donne |u
n
|
2
=

n
i=0
[(u/e
i
)[
2
. On obtient
donc, avec (6.27) le premier item de la proposition, cest-`a-dire lidentite de Bessel.
On montre maintenant le deuxi`eme item de la proposition. En reprenant les notations precedentes, on
a, pour u H, u = (u u
n
) +u
n
et (u u
n
) 0 dans H quand n (car |u u
n
| = d(u, F
n
)). On
a donc u
n
u dans H quand n . Ceci donne bien le deuxi`eme item de la proposition car on a vu
que u
n
=

n
i=0
(u/e
i
)e
i
.
Pour montrer le troisi`eme item de la proposition, on suppose que (
i
)
iN
K est t.q.

n
i=0

i
e
i
u
dans H quand n . Soit j N. On remarque que (

n
i=0

i
e
i
/e
j
) =

n
i=0

i
(e
i
/e
j
) =
j
pour
n j. En utilisant la continuite du produit scalaire par rapport `a son premier argument (ce qui est une
consequence simple de linegalite de Cauchy-Schwarz), on en deduit (faisant n ) que (u/e
j
) =
j
.
Ce qui prouve bien le troisi`eme item de la proposition.
Enn, pour montrer lidentite de Parseval, on utilise la continuite du produit scalaire par rapport `a ses
deux arguments (ce qui est aussi une consequence de linegalite de Cauchy-Schwarz), cest-`a-dire le fait
que
u
n
u dans H, quand n ,
v
n
v dans H, quand n ,
_
(u
n
/v
n
) (u/v) quand n . (6.28)
Pour u, v H, on utilise (6.28) avec u
n
=

n
i=0
(u/e
i
)e
i
et v
n
=

n
i=0
(v/e
i
)e
i
. On a bien u
n
u et v
n

v (dapr`es le deuxi`eme item) et on conclut en remarquant que (u
n
/v
n
) =

n
i=0

n
j=0
(u/e
i
)(v/e
j
)(e
i
/e
j
) =

n
i=0
(u/e
i
)(v/e
i
).
Remarque 6.20 Soit H un espace de Hilbert sur K, K = R ou C, separable et de dimension innie.
1. Soit e
n
, n N une base hilbertienne de H et soit : N N bijective. On pose e
n
= e
(n)
.
Comme e
n
, n N = e
n
, n N, la famille e
n
, n N est donc aussi une base hilbertienne de
H. On peut donc appliquer la proposition 6.18 avec la famille e
n
, n N ou avec la famille e
n
,
n N. Le deuxi`eme item de la proposition 6.18 donne alors, pour tout u H,
u =

nN
(u/e
n
)e
n
=

nN
(u/e
(n)
)e
(n)
.
155
Ceci montre que la serie

nN
(u/e
n
)e
n
est commutativement convergente (cest-`a-dire quelle
est convergente, dans H, quel que soit lordre dans lequel on prend les termes de la serie et la
somme de la serie ne depend pas de lordre dans lequel les termes ont ete pris). Noter pourtant
que cette serie peut ne pas etre absolument convergente. On peut remarquer, pour donner un
exemple, que la suite (

n
i=0
1
i+1
e
i
)
nN
H est de Cauchy, donc converge, dans H, quand n ,
vers un certain u. Pour cet element u de H, on a (u/e
i
) =
1
i+1
pour tout i N. La serie

nN
(u/e
n
)e
n
est donc commutativement convergente mais nest pas absolument convergente car

nN
|(u/e
n
)e
n
| =

nN
1
n+1
= (voir `a ce propos le corrige 107). Lexercice 6.32 compl`ete cet
exemple en construisant une isometrie bijective naturelle entre H et l
2
.
Par contre, on rappelle que, dans R ou C, une serie est commutativement convergente si et seulement
si elle est absolument convergente (voir lexercice 2.29). On peut dailleurs remarquer que la serie
donnee `a litem 4 de la proposition 6.18 est commutativement convergente (pour la meme raison
que pour la serie de litem 2, donnee ci dessus) et est aussi absolument convergente. En eet, pour
u, v H, on a [(u/e
i
)(v/e
i
)[ [(u/e
i
)[
2
+ [(v/e
i
)[
2
pour tout i N, ce qui montre bien (grace `a
lidentite de Bessel) que la serie

nN
(u/e
n
)(v/e
n
) est absolument convergente (dans K).
2. Soit I un ensemble denombrable (un exemple interessant pour la suite est I = Z) et e
i
, i I H.
Soit : N I bijective. On pose, pour n N, e
n
= e
(n)
. On a alors e
i
, i I = e
n
, n N.
La famille e
i
, i I est donc une base hilbertienne si et seulement si la famille e
n
, n N est
une base hilbertienne.
Si la famille e
i
, i I est une base hilbertienne, on peut donc appliquer la proposition 6.18 avec
la famille e
n
, n N. On obtient, par exemple, que pour tout u H :
u =

nN
(u/e
(n)
)e
(n)
.
La somme de la serie

nN
(u/e
(n)
)e
(n)
ne depend donc pas du choix de la bijection entre N
et I et il est alors legitime de la noter simplement

iI
(u/e
i
)e
i
. Ceci est detaille dans la denition
6.13 et permet denoncer la proposition 6.19.
Denition 6.13 Soient H un espace de Hilbert (reel ou complexe) et I un ensemble denombrable. Soit
(u
i
)
iI
H. On dit que la serie

iI
u
i
est commutativement convergente si il existe u H t.q., pour
tout : N I bijective, on ait :
n

p=0
u
(p)
u, quand n .
On note alors u =

iI
u
i
.
Proposition 6.19 Soit H un espace de Hilbert sur K, K = R ou C. Soient I denombrable et e
i
, i I
une base hilbertienne de H (lespace H est donc separable et de dimension innie). Alors :
1. (Identite de Bessel) Pour tout u H, la serie

iI
[(u/e
i
)[
2
est commutativement convergente et
|u|
2
=

iI
[(u/e
i
)[
2
,
2. Pour tout u H, la serie

iI
(u/e
i
)e
i
est commutativement convergente et u =

iI
(u/e
i
)e
i
,
156
3. soient u H et (
n
)
nN
K t.q. la serie

iI

i
e
i
est commutativement convergente et u =

iI

i
e
i
, alors
i
= (u/e
i
) pour tout i I,
4. (identite de Parseval) Pour tout u, v H, la serie

iI
(u/e
i
)(v/e
i
) est commutativement conver-
gente et (u/v) =

iI
(u/e
i
)(v/e
i
)
D emonstration : La demonstration est immediate `a partir de la proposition 6.18 et de la denition des
series commutativement convergentes (denition 6.13). Il sut de remarquer que e
(n)
, n N est une
base hilbertienne de H pour toute application : N I bijective (et dappliquer la proposition 6.18),
comme cela est indique dans la remarque 6.20 (deuxi`eme item).
La proposition suivante donne une caracterisation tr`es utile des bases hilbertiennes.
Proposition 6.20 (Caracterisation des bases hilbertiennes)
Soit H un espace de Hilbert reel ou complexe. Soit e
i
, i I H t.q. (e
i
/e
j
) =
i,j
pour tout i, j I.
Alors, e
i
, i I est une base hilbertienne si et seulement si :
u H, (u/e
i
) = 0 i I u = 0.
D emonstration : On pose F = vecte
i
, i I. F est s.e.v. de H.
On sait que e
i
, i I est une base hilbertienne si et seulement si F = H. Or, on a dej`a vu (proposition
6.1) que F = H F

= 0. Donc, e
i
, i I est une base hilbertienne si et seulement si
u H, u F

u = 0.
Comme u F

si et seulement si (u/e
i
) = 0 pour tout i I, on en deduit que e
i
, i I est une base
hilbertienne si et seulement si
u H, (u/e
i
) = 0 i I u = 0.
On donne maintenant un exemple de base hilbertienne, cet exemple donne un resultat de convergence de
la serie de Fourier dune fonction periodique de R dans C.
Pour cet exemple, on prend H = L
2
C
(]0, 2[, B(]0, 2[), ), o` u designe la mesure de Lebesgue sur
B(]0, 2[). On rappelle que H est un espace de Hilbert complexe et que le produit scalaire sur H est
donne par (f/g)
2
=
_
fgd =
_
2
0
f(x)g(x)dx pour f, g H.
Pour n Z, on denit e
n
H par (en confondant e
n
avec son representant continu) :
e
n
(x) =
1

2
exp(inx), x ]0, 2[. (6.29)
La convergence dans H de la serie de Fourier de f H est alors donnee par la proposition suivante
(noter que cette proposition ne donne pas de convergence ponctuelle de la serie de Fourier, meme si f est
continue).
Proposition 6.21 (Series de Fourier) Soit H = L
2
C
(]0, 2[, B(]0, 2[), ). Alors :
1. La famille e
n
, n Z, o` u e
n
est donnee par (6.29), est une base hilbertienne de H.
157
2. Pour tout f H, la serie

nZ
(f/e
n
)
2
e
n
est commutativement convergente et
f =

nZ
(f/e
n
)
2
e
n
.
En particulier, on a
_
2
0
[f(x)
n

p=n
(f/e
p
)
2
e
p
(x)[
2
dx 0, quand n .
D emonstration : Pour demontrer que e
n
, n Z est une base hilbertienne, on utilise la proposition
6.20. Il sut donc de montrer :
1. (e
n
/e
m
)
2
=
n,m
pour tout n, m Z,
2. f H, (f/e
n
)
2
= 0 n Z f = 0.
Lassertion 1 est immediate car (e
n
/e
m
)
2
=
_
2
0
1
2
exp(i(n m)x)dx. Ce qui donne bien 0 si n ,= m et 1
si n = m.
Pour montrer lassertion 2, soit f H t.q. (f/e
n
)
2
= 0 pour tout n Z. On va montrer que f = 0
(cest-`a-dire f = 0 p.p.) en raisonnant en plusieurs etapes.
Etape 1. On note P = vecte
n
, n Z (P est donc lensemble des polynomes trigonometriques). Par
antilinearite du produit scalaire de H par rapport `a son deuxi`eme argument, on a (f/g) = 0 pour tout
g P.
Etape 2. On note C
p
= g C([0, 2], C); g(0) = g(2). On peut montrer que P est dense dans
C
p
pour la norme de la convergence uniforme (denie par |g|
u
= maxg(x), x [0, 2]). On admet
ce resultat ici (cest une consequence du theor`eme de Stone-Weierstrass). Soit g C
p
, il existe donc
(g
n
)
nN
P t.q. g
n
g uniformement sur [0, 2]. On a donc |g
n
g|
u
= |g
n
g|

0 quand n .
Comme ([0, 2]) < , on en deduit que |g
n
g|
2
0 quand n . (Plus precisement, on a ici
| |
2

2| |

). Comme (f/g
n
)
2
= 0 pour tout n N (par letape 1), on en deduit (avec linegalite
de Cauchy-Schwarz) que (f/g)
2
= 0. On a donc (f/g)
2
= 0 pour tout g C
p
.
Etape 3. Soit g C([0, 2], C). Pour n N

on denit g
n
par :
g
n
(x) = g(x), si x [
1
n
, 2],
g
n
(x) = g(2) + (g(
1
n
) g(2))(nx), si x [0,
1
n
[,
de sorte que g
n
C
p
(noter que g
n
est ane entre 0 et
1
n
et verie g
n
(0) = g(2) et g
n
(
1
n
) = g(
1
n
)).
Par letape 2, on a (f/g
n
)
2
= 0 pour tout n N

. Dautre part, le theor`eme de convergence dominee


dans L
p
donne que g
n
g dans H quand n (noter en eet que g
n
g p.p. et que g
n
|g|

H,
pour tout n N

). On en deduit donc que (f/g)


2
= 0. On a donc (f/g)
2
= 0 pour tout g C([0, 2], C).
Etape 4. On prend maintenant g H = L
2
C
(]0, 2[, B(]0, 2[), ). On denit g de R dans C par g = g sur
[0, 2] et g = 0 sur R [0, 2]. On obtient ainsi g L
2
C
(R, B(R), ) (On a, comme dhabitude, confondu
un element de L
2
avec lun de ses representants; et designe maintenant la mesure de Lebesgue sur
B(R)). On montre dans lexercice (corrige) 6.4 que C
c
(R, R) est dense dans L
2
R
(R, B(R), ). On en deduit
facilement que C
c
(R, C) est dense dans L
2
C
(R, B(R), ). Il existe donc (h
n
)
nN
C
c
(R, C) t.q. h
n
g
dans L
2
C
(R, B(R), ), quand n . On en deduit que
_
2
0
[h
n
(x) g(x)[
2
dx
_
R
[h
n
(x) g(x)[
2
dx 0, quand n .
158
En posant g
n
= (h
n
)
|
[0,2]
, on a donc g
n
C([0, 2], C) et g
n
g dans H, quand n . Comme letape
3 donne (f/g
n
)
2
= 0 pour tout n N, on en deduit que (f/g)
2
= 0.
Pour conclure, il sut maintenant de prendre g = f. On obtient (f/f)
2
= 0 et donc f = 0 p.p..
On a bien ainsi montre (grace `a la proposition 6.20) que e
n
, n Z est une base hilbertienne de H.
On montre maintenant le deuxi`eme item de la proposition.
Soit f H. La proposition 6.19 donne que la serie

nZ
(f/e
n
)
2
e
n
est commutativement convergente et
que
f =

nZ
(f/e
n
)
2
e
n
.
En utilisant la denition 6.13 et la bijection de N dans Z donnee par (0) = 0, et, pour n 1, (2n1) =
n, (2n) = n, on a donc, en particulier,

m
i=0
(f/e
(m)
)
2
e
(m)
f, dans H, quand m . en
prenant m = 2n, ceci donne exactement
_
2
0
[f(x)
n

p=n
(f/e
p
)e
p
(x)[
2
dx 0, quand n .
6.3 Dualite dans les espaces L
p
, 1 p
6.3.1 Dualite pour p = 2
Soit (E, T, m) un espace mesure. On note H = L
2
K
(E, T, m), avec K = R ou C.
Soit f L
2
K
(E, T, m). On note
f
: H K, lapplication denie par
f
(g) = (g/f)
2
. On a dej`a vu
(remarque 6.10) que
f
H

(dual topologique de H). On remarque aussi que |


f
|
H
= |f|
H
= |f|
2
.
En eet [
f
(g)[ |f|
H
|g|
H
(par linegalite de Cauchy-Schwarz) et [
f
(f)[ |f|
2
H
. Donc :
|
f
|
H
= sup
[
f
(g)[
|g|
H
, g H 0 = |f|
H
.
Le theor`eme de representation de Riesz (theor`eme 6.8 page 151) applique `a lespace de Hilbert H =
L
2
K
(E, T, m) donne que pour tout T H

, il existe un et un seul f H t.q. T(g) = (g/f)


2
pour tout
g H, cest-`a-dire un et un seul f H t.q. T =
f
.
Lapplication : f
f
est donc une isometrie bijective de L
2
K
(E, T, m) sur L
2
K
(E, T, m). (Noter que
est lineaire si K = R et antilineaire si K = C.)
Cette situation est specique au cas p = 2. Nous examinons ci-apr`es le cas general 1 p .
6.3.2 Dualite pour 1 p
Soit (E, T, m) un espace mesure. Soit p [1, +], on pose q =
p
p1
[1, +] (de sorte que
1
p
+
1
q
= 1, q
sappelle le conjugue de p). Dans toute cette section, on note L
r
K
= L
r
K
(E, T, m), avec K = R ou C (et
r [1, ]).
On cherche ` a caracteriser le dual de L
p
K
, de mani`ere semblable `a ce qui a ete fait `a la section precedente
dans le cas p = 2.
159
Soit f L
q
K
, on consid`ere lapplication :

f
: g
_

_
_
gfdm si K = R,
_
gfdm si K = C.
(6.30)
Linegalite de Holder (proposition 6.9) montre que
f
(g) est bien denie si g L
p
K
et que
f
(L
p
K
)

(dual topologique de L
p
K
). On peut aussi obtenir un majorant de la norme de
f
car linegalite de Holder
donne
[
f
(g)[ |f|
q
|g|
p
, pour tout g L
p
K
,
do` u lon deduit que
|
f
|
(L
p
K
)
= sup
[
f
(g)[
|g|
p
, g L
p
K
0 |f|
q
. (6.31)
On denit donc une application : f
f
de L
q
K
dans (L
p
K
)

. La denition de
f
(formule (6.30))
montre que cette application est lineaire dans le cas K = R et antilineaire dans le cas K = C. Elle est
toujours continue, grace `a (6.31). On montre maintenant que cest, en general, une isometrie.
Proposition 6.22
Soit (E, T, m) un espace mesure. Soient p [1, +] et q =
p
p1
. Si p = 1, la mesure m est supposee
de plus -nie. Lapplication : f
f
, o` u
f
est denie par (6.30) est une application de L
q
K
dans
(L
p
K
)

, lineaire dans le cas K = R et antilineaire dans le cas K = C. De plus , cest une isometrie,
cest-`a-dire que |
f
|
(L
p
K
)
= |f|
q
pour tout f L
q
K
. (Lapplication est donc necessairement injective,
mais pas forcement surjective.)
D emonstration : on sait dej`a que est une application de L
q
K
dans (L
p
K
)

, lineaire dans le cas K = R


et antilineaire dans le cas K = C. On sait aussi que |
f
|
(L
p
K
)
|f|
q
pour tout f L
q
K
(voir (6.31)).
Pour terminer la demonstration de cette proposition, Il sut donc de montrer que, pour tout f L
q
K
,
|
f
|
(L
p
K
)
|f|
q
. (6.32)
On se limite au cas K = R (les adaptations pour traiter le cas K = C sont faciles `a deviner).
Soit f L
q
R
. On suppose f ,= 0 (sinon (6.32) est immediat). On confond f avec lun de ses representants,
de sorte que f L
q
= L
q
R
(E, T, m). Pour montrer 6.32, on va chercher g L
p
K
0 t.q.
|
f
(g)|
g
p
= |f|
q
.
On distingue maintenant trois cas.
Cas 1 : 1 < p < . On denit g : E R par g(x) = [f(x)[
q1
sign(f(x)) pour tout x E, avec
la fonction sign : R R denie par sign(s) = 1 si s < 0, sign(s) = 1 si s > 0 et (par exemple)
sign(0) = 0. La fonction g est mesurable (comme composee dapplications mesurables) et on a (en notant
que p =
q
q1
) :
_
[g[
p
dm =
_
([f[
q1
)
q
q1
dm =
_
[f[
q
dm < .
Donc, g L
p
R
(plus precisement, g L
p
R
) et |g|
p
= |f|
q
p
q
,= 0. Pour ce choix de g, on a donc
[
f
(g)[
|g|
p
=
1
|f|
q
p
q
_
fgdm =
1
|f|
q
p
q
|f|
q
q
= |f|
q
,
160
car q
q
p
= 1.
On en deduit que
|
f
|
(L
p
K
)
= sup
[
f
(h)[
|h|
p
, h L
p
K
0
[
f
(g)[
|g|
p
= |f|
q
,
ce qui donne (6.32).
Cas 2 : p = . On a, dans ce cas, q = 1. On prend, comme pour le premier cas, g = sign(f). On a ici
g L

R
et |g|

= 1 (car m(E) ,= 0, sinon L


1
R
= 0 et il ny a pas de f L
1
R
, f ,= 0). Pour ce choix de
g, on a
f
(g) = |f|
1
, donc
|
f
(g)|
g

= |f|
1
et, comme dans le premier cas, ceci donne (6.32).
Cas 3 : p = 1. On a, dans ce cas, q = . Ce cas est un peu plus delicat que les precedents. On ne peut
pas toujours trouver g L
1
K
0 t.q.
|
f
(g)|
g
1
= |f|

. En utilisant le caract`ere -ni de m, on va, pour


tout n N

, trouver g
n
L
1
K
0 t.q.
|
f
(g
n
)|
g
1
|f|

1
n
. Ce qui permet aussi de montrer (6.32).
Soit n N

. On pose
n
= |f|

1
n
et A
n
= [f[
n
. On a m(A
n
) > 0 (car m(A
n
) = 0 donnerait
|f|


n
).
Si m(A
n
) < , on peut prendre g
n
= sign(f)1
A
n
qui est mesurable (car sign(f) et 1
A
n
sont mesurables) et
integrable car m(A
n
) < . On a alors g
n
L
1
R
0, |g
n
|
1
= m(A
n
) et
f
(g
n
) =
_
A
n
[f[dm
n
m(A
n
).
Donc :
|
f
|
(L
1
K
)

[
f
(g
n
)[
|g
n
|
1

n
= |f|

1
n
.
En faisant tendre n vers linni, on en deduit (6.32).
Si m(A
n
) = , le choix de g
n
= sign(f)1
A
n
ne convient pas car sign(f)1
A
n
, L
1
R
. On utilise alors le fait
que m est -nie. Comme m est -nie, il existe une suite (E
p
)
pN
T t.q. m(E
p
) < , E
p
E
p+1
,
pour tout p N, et E =
pN
E
p
. Par continuite croissante de m, on a donc m(A
n
E
p
) m(A
n
)
quand p . Comme m(A
n
) > 0 il existe donc p N (dependant de n, on ne note pas cette
dependance) t.q. m(A
n
E
p
) > 0. On prend alors g
n
= sign(f)1
A
n
E
p
. On a bien alors g
n
L
1
R
0,
|g
n
|
1
= m(A
n
E
p
) m(E
p
) < et
f
(g
n
) =
_
A
n
E
p
[f[dm
n
m(A
n
E
p
). Donc :
|
f
|
(L
1
K
)

[
f
(g
n
)[
|g
n
|
1

n
= |f|

1
n
.
En faisant tendre n vers linni, on en deduit (6.32). ce qui conclut la preuve de la proposition.
La proposition 6.22 montre que lapplication : f
f
, o` u
f
est denie par (6.30) est une application
de L
q
K
dans (L
p
K
)

, lineaire dans le cas K = R et antilineaire dans le cas K = C. De plus, cest une


isometrie, cest-`a-dire que |
f
|
(L
p
K
)
= |f|
q
pour tout f L
q
K
. Comme cela a dej`a ete dit, lapplication
est donc necessairement injective car
f
=
h
implique
fh
= 0 et donc |f h|
q
= |
fh
|
(L
p
K
)
= 0,
ce qui donne f = h p.p.. Mais lapplication nest pas forcement surjective. On sait quelle est surjective
si p = 2 (cetait lobjet de la section precedente). Le theor`eme suivant montre quelle est surjective si m
est -nie et p [1, +[ (de sorte quon identie souvent, dans ce cas, (L
p
K
)

`a L
q
K
).
Theor`eme 6.9 (Dualite L
p
L
q
) Soient (E, T, m) un espace mesure -ni, 1 p < +, q =
p
p1
et
T (L
p
K
)

. Alors, il existe un unique f L


q
K
t.q.
T(g) =
_

_
_
gfdm si K = R,
_
gfdm si K = C,
161
cest-`a-dire t.q. T =
f
donne par (6.30) (on a donc montre la surjectivite de lapplication : L
q
K

(L
p
K
)

denie par (f) =


f
pour f L
q
K
).
Remarque 6.21 (Dual de L

) Noter que le theor`eme precedent est, en general, faux pour p = .


Lapplication : f
f
, o` u
f
est donnee par (6.30) est donc une isometrie (lineaire ou antilineaire,
selon que K = R ou C) de L
1
K
dans (L

K
)

mais limage de est, sauf cas tr`es particuliers, dierente de


(L

K
)

. Lapplication ne permet donc pas didentier le dual de L

K
`a L
1
K
.
D emonstration du th eor` eme 6.9:
La demonstration de ce theor`eme est faite dans lexercice 6.38. Elle consiste essentiellement `a se ramener
directement ` a appliquer le theor`eme de representation de Riesz (theor`eme 6.8) dans un espace L
2
appro-
prie.
Une autre demonstration, probablement plus classique, consiste `a appliquer le theor`eme de Radon-
Nikodym, qui lui-meme se demontre en se ramenant au theor`eme de representation de Riesz. Cette
demonstration est donnee, dans un cas particulier, dans lexercice 6.35. Nous verrons le theor`eme de
Radon-Nikodym dans la section suivante, voir les theor`emes 6.10 et 6.11.
Enn, on propose dans lexercice 6.37 une autre demonstration de ce theor`eme dans le cas p < 2 (utilisant
toujours le theor`eme de representation de Riesz).
Une consequence interessante du theor`eme de dualite (theor`eme 6.9) est le caract`ere reexif des espaces
L
p
pour 1 < p < , ce que lon detaille maintenant.
Soit F un espace de Banach reel (mais il est possible de traiter aussi les Banach complexes). On note F

le dual (topologique) de F et F

le dual (topologique) de F

. On dit aussi que F

est le bidual de F.
Pour u F, on denit J
u
: F

R par
J
u
(T) = T(u) pour tout T F

. (6.33)
Il est facile de voir que J
u
F

et |J
u
|
F
|u|
F
. On peut en fait montrer que |J
u
|
F
= |u|
F
(cest
une consequence du theor`eme de Hahn-Banach, non demontre ici). Comme lapplication J : u J
u
est
lineaire, cest donc une isometrie lineaire de F dans F

. Il est alors immediat que J est injective. On


lappelle injection canonique de F dans F

. Par contre, J nest pas toujours surjective.


Denition 6.14 Soit F un espace de Banach, F

son dual (topologique) et F

son bidual (cest-`a-dire


le dual topologique de F

). Pour u F, on denit J
u
F

par (6.33). On dit que lespace F est reexif


si lapplication J : u J
u
(de F dans F

) est surjective (lapplication J est toujours injective).


Un espace de Hilbert H est toujours reexif car lapplication J est alors simplement la composee des deux
bijections de H dans H

et de H

dans H

donnees par le theor`eme de representation de Riesz (Theor`eme


6.8). Ce qui montre que J est surjective. Lespace L
2
R
(E, T, m) est donc reexif. Plus generalement, une
consequence directe du theor`eme 6.9 est que les espaces L
p
, sont reexifs pour p ]1, +[.
Proposition 6.23 Soient (E, T, m) un espace mesure et 1 < p < +. Alors, lespace L
p
R
(E, T, m) est
reexif.
D emonstration : On pose q =
p
p1
, L
p
= L
p
R
(E, T, m) et L
q
= L
q
R
(E, T, m).
On note lapplication de L
p
dans (L
q
)

denie par (f) =


f
, o` u
f
est donnee par (6.30), et on note
lapplication de L
q
dans (L
p
)

denie par (f) =


f
.
162
Comme p ,= et q ,= , le theor`eme 6.9 donne que est une bijection de L
p
dans (L
q
)

et est une
bijection de L
q
dans (L
p
)

. On rappelle aussi que et sont des isometries lineaires.


Soit s (L
p
)

. Pour montrer que L


p
est reexif, il sut de montrer quil existe u L
p
t.q. J
u
= s (o` u
J
u
est deni par 6.33), cest-`a-dire t.q. s(T) = T(u) pour tout T (L
p
)

.
On va montrer que u =
1
(s ) convient. En eet, soit T (L
p
)

. On a :
T(u) =
_
u
1
(T)dm,
et :
s(T) = (s )(
1
(T)) = (u)(
1
(T)) =
_
u
1
(T)dm = T(u).
On a donc bien montre que lapplication J : u J
u
(de L
p
dans (L
p
)

) est surjective, cest-`a-dire que


L
p
est reexif.
On peut aussi noter que la demonstration de cette proposition donne en fait que J
u
= (u)
1
pour
tout u L
p
.
6.3.3 Theor`eme de Radon-Nikodym
La denition 4.4 donnait la denition dune mesure de densite. On reprend ici cette denition et on
donne aussi la denition de mesure signee de densite.
Denition 6.15 (Mesure de densite) Soit (E, T, m) un espace mesure.
1. Soit une mesure sur T. On dit que est une mesure de densite par rapport `a m si il existe
f /
+
t.q. (A) =
_
A
fdm, pour tout A T. On pose alors = fm (on dit aussi que f est la
densite de par rapport `a m).
2. Soit une mesure signee sur T. On dit que est une mesure signee de densite par rapport `a m
si il existe f L
1
R
(E, T, m) t.q. (A) =
_
A
fdm, pour tout A T. On pose alors = fm (on dit
aussi que f est la densite de par rapport `a m).
Remarque 6.22 (Sur les mesures de densite) Soient (E, T, m) un espace mesure et une mesure
sur T.
1. (Unicite de la densite) Soit f, g /
+
. On suppose que = fm et = gm. On a alors f = g
m-p.p.. En eet, on doit avoir
_
A
fdm =
_
A
gdm pour tout A T. En choisissant A = f > g
puis A = f < g, on en deduit que
_
{f>g}
(f g)dm +
_
{f<g}
(g f)dm = 0. Ce qui donne
_
[f g[dm = 0 et donc f = g m-p.p..
2. (Espace L
1
pour une mesure de densite) Soit f /
+
t.q. = fm. Soit g /, lexercice (corrige)
4.22 donne alors les assertions suivantes :
(a) g L
1
R
(E, T, ) fg L
1
R
(E, T, m),
(b) g L
1
R
(E, T, )
_
gd =
_
fgdm.
3. (Absolue continuite dune mesure de densite) Soit f /
+
t.q. = fm. Soit A T t.q. m(A) = 0.
On a alors f1
A
= 0 m-p.p. et donc (A) =
_
f1
A
dm = 0. Selon la denition 6.16 ci-apr`es, ceci
montre que la mesure est absolument continue par rapport `a la mesure m. Lobjectif du theor`eme
de Radon-Nikodym (theor`eme 6.10) sera de demontrer la reciproque de ce resultat (si est nie et
m est -nie).
163
Rappelons la denition dune mesure absolument continue :
Denition 6.16 (Mesure absolument continue) Soient (E, T, m) un espace mesure et une mesure
(positive ou signee) sur T. On dit que est absolument continue par rapport `a m, et on note << m,
si :
A T, m(A) = 0 (A) = 0.
Remarque 6.23 On donne ici un exemple de mesure non absolument continue : on prend (E, T, m) =
(R, B(R), ) et =
0
(mesure de Dirac en 0 sur B(R)). Comme (0 = 0 et
0
(0 = 1, la mesure
0
nest pas absolument continue par rapport `a .
On donne maintenant le theor`eme de Radon-Nikodym pour les mesures (positives).
Theor`eme 6.10 (Radon-Nikodym) Soient (E, T, m) un espace mesure -ni et une mesure nie
sur T. Alors, est absolument continue par rapport `a m si et seulement si est une mesure de densite
par rapport `a m.
D emonstration :
Sens (). Ce sens a ete montre dans le troisi`eme item de la remarque 6.22 (et les hypoth eses nie
et m -nie sont inutiles. (Noter aussi que le premier item de cette meme remarque donne lunicite
m-p.p. de la densite de par rapport `a m.)
Sens (). Pour toute mesure sur T et pour tout 1 p , on note L
p
() = L
p
R
(E, T, ) et
L
p
() = L
p
R
(E, T, ).
Pour demontrer que est absolument continue par rapport `a m, on va appliquer le theor`eme de represen-
tation de Riesz (theor`eme 6.8) dans lespace de Hilbert H = L
2
R
( +m).
On rappelle dabord que lexercice (corrige) 4.2 donne que + m est une mesure sur T (denie par
(+m)(A) = (A)+m(A) pour tout A T) et que les deux proprietes suivantes sont veriees (questions
1 et 2 de lexercice 4.2) :
g L
1
( +m) g L
1
() L
1
(),
g L
1
( +m)
_
gd( +m) =
_
gd +
_
gdm. (6.34)
Il est aussi clair que
_
fd( + m) =
_
fd +
_
fdm pour tout f /
+
(voir le corrige 56 de lexercice
4.2). Pour g /, on a donc
_
g
2
d(+m) =
_
g
2
d+
_
g
2
dm, ce qui donne L
2
(+m) = L
2
() L
2
(m).
Enn, pour A T, on a ( + m)(A) = 0 si et seulement si (A) = m(A) = 0. On a donc, pour
f, g : E R :
f = g ( +m)-p.p.
_
f = g -p.p.,
f = g m-p.p..
On decompose maintenant la demonstration en 3 etapes.
Etape 1. Utilisation du theor`eme de Riesz.
On pose H = L
2
( +m) (H est donc un espace de Hilbert). On veut denir T : H R par :
T(g) =
_
gd pour tout g H. (6.35)
164
On montre tout dabord que cette denition est correcte. Soit g H = L
2
( + m). On choisit un
representant de g, encore note g, de sorte que g L
2
( + m) = L
2
() L
2
(m). Comm est nie, on a
L
2
() L
1
(). Donc g L
1
(),
_
gd existe et appartient `a R. Puis, on remarque que
_
gd ne depend
pas du representant choisi car g
1
= g
2
( + m)-p.p. implique g
1
= g
2
-p.p.. Lapplication T est donc
bien denie de H dans R par (6.35).
On montre maintenant que T H

. Il est immediat que T est lineaire. On remarque ensuite que, pour tout
g H, on a, en utilisant linegalite de Cauchy-Schwarz avec g et 1
E
, [T(g)[ = [
_
gd[ |g|
L
2
()
_
(E)
|g|
L
2
(+m)
_
(E)) = |g|
H
_
(E). On a donc T H

(et |T|
H

_
(E)).
On peut maintenant appliquer le theor`eme de representation de Riesz (theor`eme 6.8). Il donne quil existe
H = L
2
( +m) t.q. T(g) =
_
gd( +m) pour tout g L
2
( +m). On choisit un representant de
, encore note . On a alors L
2
( +m) et
_
gd =
_
gd( +m) pour tout g L
2
( +m). (6.36)
Pour g L
2
( + m), on a g L
1
( + m) et donc
_
gd( + m) =
_
gd +
_
gdm (dapr`es (6.34)).
On deduit donc de (6.36) :
_
g(1 )d =
_
gdm, pour tout g L
2
( +m). (6.37)
Etape 2. On cherche dans cette etape des bornes sur .
On montre tout dabord que 0 m-p.p. et -p.p. (ce qui est equivalent a dire que 0 (+m)-p.p.).
Comme m est -nie, il existe une suite (A
n
)
nN
T t.q. m(A
n
) < pour tout n N et E =
nN
A
n
.
Pour n N, on pose B
n
= < 0 A
n
T. Dans (6.37), on prend g = 1
B
n
(on a bien g L
2
( +m)
car ( +m)(B
n
) (E) +m(A
n
) < ). On obtient
_
(1 )1
B
n
d =
_
1
B
n
dm.
Comme (1 ) > 0 et < 0 sur B
n
, on en deduit que (1 )1
B
n
= 0 -p.p. et 1
B
n
= 0 m-p.p. et
donc (B
n
) = m(B
n
) = 0.
Par -additivite dune mesure, comme < 0 =
nN
B
n
, on en deduit ( +m)( < 0)

nN
( +
m)(B
n
) = 0 et donc 0 ( +m)-p.p..
On montre maintenant que < 1 ( +m)-p.p..
On prend dans (6.37) g = 1
C
n
, avec C
n
= 1 A
n
(on a bien g L
2
( + m) car ( + m)(C
n
)
(E) +m(A
n
) < ). On obtient
_
(1 )1
C
n
d =
_
1
C
n
dm.
Comme (1 ) 0 et > 0 sur C
n
, on en deduit que (1 )1
C
n
= 0 -p.p. et 1
C
n
= 0 m-p.p. et
donc m(C
n
) = 0. Mais on ne peut en deduire (C
n
) = 0 (car on a seulement (1 ) 0 sur C
n
et non
(1 ) < 0). Cest ici (et seulement ici) quon utilise lhypoth`ese dabsolue continuite de par rapport
`a m. Comme m(C
n
) = 0, lhypoth`ese << m donne (C
n
) = 0. Comme 1 =
nN
C
n
, on en
deduit ( +m)( 1)

nN
( +m)(C
n
) = 0 et donc < 1 ( +m)-p.p..
165
On a donc montre que 0 < 1 (+m)-p.p.. En changeant sur un ensemble de mesure (+m) nulle,
on peut donc supposer 0 (x) < 1 pour tout x E. On a toujours L
2
(+m) et (6.37) reste vraie.
Etape 3. On montre maintenant que = fm avec f =

1
.
On montre tout dabord que (6.37) est vraie pour tout g /
+
:
On remarque dabord que (6.37) est vraie si g = 1
A
avec A T t.q. m(A) < car, dans ce cas,
g L
2
( +m).
On suppose maintenant que A T. Comme m est -nie, il existe une suite (E
n
)
nN
T t.q.
m(E
n
) < , E
n
E
n+1
, pour tout n N, et E =
nN
E
n
. On prend g
n
= 1
B
n
avec B
n
= AE
n
,
de sorte que g
n
1
A
et donc (1)g
n
(1)1
A
et g
n
1
A
. Comme (6.37) est vraie pour g = g
n
(car m(B
n
) < ), le theor`eme de convergence monotone (theor`eme 4.1) applique aux mesures et
m donne (6.37) pour g = 1
A
.
Si g c
+
, il est alors facile de montrer que (6.37) est vraie. Cest une consequence immediate de
la linearite positive de lintegrale sur /
+
.
On prend enn g /
+
. Il existe (g
n
)
nN
c
+
t.q. g
n
g. On a donc (1 )g
n
(1 )g et
g
n
g. On ecrit (6.37) pour g
n
au lieu de g. En passant `a la limite quand n , le theor`eme
de convergence monotone (theor`eme 4.1) applique aux mesures et m donne (6.37) pour g.
On a donc maintenant mesurable, 0 (x) < 1 pour tout x E et (6.37) pour tout g /
+
.
Soit h /
+
. On pose g =
h
1
. On a g /
+
(car 0 (x) < 1 pour tout x E). (6.37) donne alors
_
hd =
_
h

1
dm. (6.38)
En posant f =

1
, on a f /
+
et (6.38) avec h = 1
A
donne (A) =
_
f1
A
dm pour tout A T,
cest-`a-dire = fm.
Theor`eme 6.11 (Radon-Nikodym, mesures signees) Soit (E, T, m) un espace mesure et soit une
mesure signee sur T, alors :
<< m f L
1
R
(E, T, m) = fm. (6.39)
D emonstration : La demonstration nest pas detaillee ici, elle consiste essentiellement `a se ramener au
theor`eme 6.10 en decomposant sous la forme =
+

comme cela est fait dans la proposition 2.6.


6.4 Convergence faible, faible-, etroite, en loi. . .
6.4.1 Convergence faible et faible-
On limite ce paragraphe au cas des espaces de Banach reels. Lextension au cas des Banach complexes
est simple (!).
166
Denition 6.17 (Convergence faible dans un espace de Banach)
Soit F un espace de Banach (reel) et F

son dual topologique (i.e. lespace des applications lineaires


continues sur F dans R). Soit (u
n
)
nN
F et u F. On dit que la suite (u
n
)
nN
converge faiblement
vers u si pour tout element T de F

, on a : T(u
n
) T(u) (dans R) quand n .
Par le theor`eme 6.9, on a donc la proposition suivante sur la convergence faible dans L
p
R
(E, T, m), pour
1 p < + :
Proposition 6.24 (Convergence faible dans L
p
)
Soit (E, T, m) un espace mesure, p [1, +[ et q le conjugue de p, L
p
= L
p
R
(E, T, m), (f
n
)
nN
L
p
et u L
p
. Alors, la suite (f
n
)
nN
converge faiblement vers f si et seulement si on a, pour tout g
L
q
R
(E, T, m),
_
f
n
gdm
_
fgdm quand n .
D emonstration :
On note lapplication de L
q
dans (L
p
)

denie par (f) =


f
, o` u
f
est donnee par (6.30), La
demonstration de cette proposition est alors immediate quand on remarque que le theor`eme 6.9 donne
que est une bijection de L
q
dans (L
p
)

.
Denition 6.18 (Convergence faible dans le dual dun espace de Banach)
Soit F un espace de Banach (reel) et F

son dual topologique ; soit (T


n
)
nN
F

et T F

. On dit que
la suite (T
n
)
nN
converge vers T dans F

pour la topologie faible si pour tout element u de F, on a :


T
n
(u) T(u) (dans R) quand n .
Remarque 6.24 (Convergence forte, faible et faible ) Soit F un espace de Banach (reel).
1. Soient (T
n
)
nN
F

et T F

. Les implications suivantes sont alors immediates :


T
n
T dans F

T
n
T faiblement dans F

T
n
T -faiblement dans F

.
La deuxi`eme implication est une consequence de linjection canonique de F dans F

(construite
avec (6.33)).
2. Pour u F, on denit J
u
F

avec (6.33). Soient (u


n
)
nN
F et u F. On a alors :
u
n
u faiblement dans F J
u
n
J
u
-faiblement dans F

.
Mais, si F nest pas reexif, lapplication J : u J
u
, de F dans F

, nest pas surjective et on


peut avoir une suite (u
n
)
nN
non faiblement convergente dans F alors que la suite (J
u
n
)
nN
est
-faiblement convergente dans F

. Dans ce cas, la limite de (J


u
n
)
nN
pour la topologie faible- de
F

nest pas dans limage de J.


Dans le cas o` u F est un espace de Banach reexif, lapplication J : u J
u
est surjective de F dans F

et on a alors :
1. Soient (T
n
)
nN
F

et T F

. Alors :
T
n
T faiblement dans F

T
n
T -faiblement dans F

.
2. Soit (u
n
)
nN
F. La suite (u
n
)
nN
est faiblement convergente dans F si et seulement si la suite
(J
u
n
)
nN
est -faiblement convergente dans F

.
167
Soit 1 < p , donc 1 q =
p
p1
< . On note L
p
= L
p
R
(E, T, m), L
q
= L
q
R
(E, T, m) et lapplication
de L
p
dans (L
q
)

denie par (f) =


f
, o` u
f
est donnee par (6.30). Le theor`eme 6.9 donne que est
une bijection de L
p
dans (L
q
)

. On confond (ou on identie) frequemment u L


p
avec (u) (L
q
)

.
On a alors une notion de convergence faible- dans L
p
. Si 1 < p < (on a alors aussi 1 < q < ),
les notions de convergente faible et faible- dans L
p
sont equivalentes. Dans le cas de L

, que lon
identie frequemment avec le dual (topologique) de L
1
, les notions de convergente faible et faible- sont
dierentes. La convergence faible est plus forte que la convergence faible-. On donne ci dessous la
denition de convergence faible- quand on consid`ere L

comme le dual de L
1
.
Denition 6.19 (Convergence faible dans L

)
Soient (E, T, m) un espace mesure et L

= L

R
(E, T, m). Soient (f
n
)
nN
L

et f L

. On dit que
la suite (f
n
)
nN
converge vers f dans L

pour la topologie faible si pour tout element g de L


1
R
(E, T, m),
on a :
_
f
n
gdm
_
fgdm.
6.4.2 Convergence etroite et convergence en loi
Si m est une mesure nie sur les boreliens de R
d
, on note L
m
lapplication de C
b
(R
d
, R) dans R denie
par L
m
() =
_
dm (cette application caracterise m, dapr`es la proposition 5.4). On a vu au chapitre 5
que L
m
C
b
(R
d
, R)

. Soit (m
n
)
nN
une suite de mesures nies sur les boreliens de R
d
(d 1) et m
une mesure nie sur les boreliens de R
d
. La convergence faible- dans (C
b
(R
d
, R)

de L
m
n
vers L
m
,
quand n , signie donc que lim
n
_
dm
n
=
_
dm, pour tout C
b
(R
d
, R). Ceci sappelle la
convergence etroite de m
n
vers m.
Denition 6.20 (Convergence etroite et vague) Soit (m
n
)
nN
une suite de mesures nies sur les
boreliens de R
d
(d 1) et m une mesure nie sur les boreliens de R
d
.
1. On dit que m
n
m etroitement, quand n , si :
_
dm
n

_
dm pour tout C
b
(R
d
, R)).
2. On dit que m
n
m vaguement, quand n , si :
_
dm
n

_
dm pour tout C
c
(R
d
, R)).
La proposition suivante montre que la convergence vague et la convergence des masses totales donnent la
convergence etroite. Si m et les mesures m
n
sont des probabilites, la convergence etroite de m
n
vers m
(quand n ) est donc equivalente `a la convergence vague.
Proposition 6.25 Soit (m
n
)
nN
une suite de mesures nies sur les boreliens de R
d
(d 1) et m une
mesure nie sur les boreliens de R
d
. On suppose que m
n
m vaguement et que m
n
(R) m(R) (quand
n ). On a alors m
n
m etroitement. (La reciproque de cette proposition est immediate.)
D emonstration : La demonstration de cette proposition est contenue dans lexercice 5.19.
La convergence en loi dune suite de v.a.r. est denie par la convergence etroite (ou vague, puisque cest
equivalent) des lois des v.a.r.
168
Denition 6.21 Soit (, /, p)un espace probabilise, (X
n
)
nN
une suite de v.a.r. sur (, /, p) et X une
v.a.r. sur (, /, p). On dit que X
n
X en loi, quand n , si :
_
(X
n
)dp
_
(X)dp pour tout C
b
(R, R).
(Ce que est equivalent `a dire que P
X
n
P
X
etroitement.)
6.4.3 Lois des grands nombres, theor`eme central limite
Dans ce paragraphe, on donne des resultats de convergence (en probabilite, p.s., en loi) pour des sommes
de v.a.r. independantes. Nous commencons ce paragraphe par un resutat (simple) sur la variance de la
somme de v.a.r. independantes, dont on deduit la loi faible des grands nombre qui donne non seulement
un resultat de convergence (en probabilite) mais aussi des estimations precises sur cette convergence.
Puis, on eenonce la loi forte des grands nombres et le theor`eme central limite.
Proposition 6.26 Soit (, /, p) un espace probabilise et (X
n
)
nN
une suite de v.a.r. independantes 2
`a 2 et de carre integrable. On a alors, pour tout n N

,
Var(X
1
+. . . +X
n
) = Var(X
1
) +. . . + Var(X
n
).
D emonstration : On pose S
n
=

n
i=1
X
i
et E
i
= E(X
i
). On a alors, par linearite de lintegrale,
E(S
n
) =

n
i=1
E
i
et :
Var(S
n
) = E((S
n
E(S
n
))
2
) = E(
n

i=1
(X
i
E
i
)
n

i=j
(X
j
E
j
)) =
n

i,j=1
E((X
i
E
i
)(X
j
E
j
)).
Pour i ,= j, on a, comme X
i
et X
j
sont independantes, E((X
i
E
i
)(X
j
E
j
)) = E(X
i
E
i
)E(X
j
E
j
) = 0.
On en deduit :
Var(S
n
) =
n

i=1
E((X
i
E
i
)
2
) =
n

i=1
Var(X
i
).
Proposition 6.27 (Loi faible des grands nombres) Soit (, /, p) un espace probabilise et (X
n
)
nN

une suite de v.a.r. independantes 2 `a 2 et de carre integrable. On suppose que ces v.a.r. sont de meme
moyenne m et de meme variance
2
. On pose Y
n
=
1
n

n
i=1
X
i
(ce sont les moyenne de Cesaro de la
suite (X
n
)
nN
), alors Y
n
converge stochastiquement (ou en probabilite) vers la v.a.r constante et egale ` a
m, cest-`a-dire que lon a :
> 0, p([X
n
m[ > ) 0 lorsque n +.
Plus precisement, on a pour tout > 0 et n N

,
p([Y
n
m[ )

2
n
2
.
D emonstration : Soit > 0 et n N

. En utilisant linegalite de Bienayme Tchebychev (lemme 4.10),


on a :
p([Y
n
m[ ) = p((Y
n
m)
2

2
)
1

2
E((Y
n
m)
2
).
169
Puis, en posant S
n
=

n
i=1
X
i
, on a E((Y
n
m)
2
) =
1
n
2
E((S
n
nm)
2
) =
Var(S
n
)
n
2
. La proposition 6.26
donne Var(S
n
) = nVar(X
1
) = n
2
. On en deduit nalement
p([Y
n
m[ )
1

2
n
2
n
2
=

2
n
2
.
On donne maintenant, sans demonstration, la loi forte des grands nombres.
Proposition 6.28 (Loi forte des grands nombres) Soit (, /, p) un espace probabilise et (X
n
)
nN

une suite de v.a.r. independantes.


1. On suppose ici que les X
n
sont de carre integrable, que E(X
n
) = 0 pour tout n N

et que

nN

E(X
2
n
)/(n
2
) < . Alors :
1
n
n

i=1
X
i
0 p.s., quand n .
2. On suppose ici que la suite (X
n
)
nN
est une suite de v.a.r.i.i.d. et que E([X
1
[) < . Alors :
1
n
n

i=1
X
i
E(X
1
) p.s., quand n .
On donne enn, sans demonstration, le theor`eme central limite.
Theor`eme 6.12 Soit (, /, p) un espace probabilise et (X
n
)
nN
une suite de v.a.r.i.i.d. de carres
integrables. On note m = E(X
1
) et
2
= Var(X
1
). On pose
Y
n
=
1

n
n

i=1
(X
i
m).
La suite (P
Y
n
)
nN
converge alors etroitement vers la loi normale ^(0,
2
) (o` u ^(0, 0) =
0
et la loi
normale, ou loi de Gauss, ^(0,
2
), est denie au chapitre 4, section 4.4, dans le cas
2
,= 0).
6.5 Exercices
6.5.1 Espaces L
p
, 1 p
Exercice 6.1 Corrige 95 page 380
Soit (E, T, m) un espace mesure, p [1, [ et A T. On pose F = f L
p
R
(E, T, m); f = 0 p.p. sur
A. Montrer que F est ferme (dans L
p
R
(E, T, m)).
Exercice 6.2 Corrige 96 page 380
Soit p [1, ] et C = f L
p
(R, B(R), ); f 0 p.p.. Montrer que C est dinterieur vide pour p <
et dinterieur non vide pour p = .
Exercice 6.3 (Convergence essentiellement uniforme) Corrige 97 page 381
170
Soit (E, T, m) un espace mesure, (f
n
)
nN
une suite de fonctions mesurables de E dans R et f une fonction
mesurable de E dans R.
Montrer que |f
n
f|

0, quand n , si et seulement si il existe A T t.q. m(A) = 0 et f


n
f
uniformement sur A
c
, quand n .
Exercice 6.4 (Densite et continuite en moyenne) Corrige 98 page 381
1. Soit p [1, [. Montrer que C
c
(R, R) est dense dans L
p
R
(R, B(R), ). Soit f L
p
R
(R, B(R), ),
montrer que |f f( +h)|
p
0 quand h 0.
2. Les assertions precedentes sont-elles vraies pour p = ?
Exercice 6.5 (Sur la separabilite. . . )
1. Montrer que L
p
R
(R, B(R), ) est separable pour p [1, [ et nest pas separable pour p = .
2. On munit C
0
(R, R) et C
b
(R, R) de la norme de la convergence uniforme. Montrer que C
0
(R, R) est
separable et que C
b
(R, R) nest pas separable.
Exercice 6.6 Soient (E, T, m) un espace mesure, et f, g, h des fonctions mesurables de E dans R. Soient
p, q, r ]1, +[, tels que
1
p
+
1
q
+
1
r
= 1, montrer que :
_
[fgh[dm (
_
[f[
p
dm)
1
p
(
_
[g[
q
dm)
1
q
(
_
[h[
r
dm)
1
r
.
Exercice 6.7 (Produit L
p
L
q
) Corrige 99 page 383
Soient (E, T, m) un espace mesure, p [1, +] et q le conjugue de p (i.e. q =
p
p1
). Soient (f
n
)
nN

L
p
R
(E, T, m), (g
n
)
nN
L
q
R
(E, T, m), f L
p
R
(E, T, m) et g L
q
R
(E, T, m) t.q. f
n
f dans L
p
R
(E, T, m)
et g
n
g dans L
q
R
(E, T, m). Montrer que
_
f
n
g
n
dm
_
fgdm lorsque n +.
Exercice 6.8 (Caracterisation de L
p
)
Soit (E, T, m) un espace mesure, p [1, ] et q =
p
p1
. On note L
r
lespace L
r
R
(E, T, m) (pour r [1, ]).
Soit f : E R une application mesurable. On suppose que fg L
1
pour tout g L
q
. Le but de
lexercice est de montrer (si possible. . . ) que f L
p
.
1. On suppose, dans cette question, que p = 1. Montrer que f L
1
.
2. On suppose, dans cette question, que p = . Pour montrer que f L

, on raisonne par labsurde


en supposant que f , L

.
(a) Soit 0. Montrer quil existe > t.q. m( [f[ < > 0. En deduire quil existe une
suite croissante (
n
)
nN
t.q.
0
= 0,
n
n et m(A
n
) > 0 avec A
n
=
n
[f[ <
n+1

(pour tout n N).


(b) Soit (b
n
)
nN
R. On pose g =

nN
b
n
1
A
n
(les A
n
etant denis `a la question precedente).
Montrer quun choix convenable de (b
n
)
nN
donne g L
1
et fg , L
1
.
(c) Conclure.
3. On suppose, dans cette question, que p ]1, [ et que m(E) < . Pour montrer que f L
p
, on
raisonne une nouvelle fois par labsurde en supposant que f , L
p
.
171
(a) Soit 0. Montrer quil existe > t.q. 1
_
A
[f[
p
dm < avec A = [f[ < .
En deduire quil existe une suite croissante (
n
)
nN
t.q.
0
= 0 et 1
_
A
n
[f[
p
dm < avec
A
n
=
n
[f[ <
n+1
(pour tout n N).
(b) Soit (b
n
)
nN
R. On pose g =

nN
b
n
[f[
p1
1
A
n
(les A
n
etant denis `a la question prece-
dente). Montrer quun choix convenable de (b
n
)
nN
donne g L
q
et fg , L
1
.
(c) Conclure.
4. On suppose, dans cette question, que p ]1, [ et que m est -nie. Montrer que f L
p
.
Exercice 6.9 (un peu de calcul di...)
Soient (E, T, m) un espace mesure ni, et g C
1
(R, R) et 1 p < +; pour u L
p
= L
p
(E, T, m), on
note g(u) la (classe de) fonction(s): x g(u(x)), et G la fonction qui `a u associe g(u).
1. Soit 1 q < +; montrer que G C(L
p
, L
q
) ssi il existe C R tel que [g(s)[ C[s[
p
q
+ C pour
tout s R.
2. Montrer que G C
1
(L
p
, L
p
) ssi il existe a, b R tel que g(s) = as +b pour tout s R.
Exercice 6.10 Soit f une fonction de R dans R, continue `a support compact, montrer que :
|f|
L
p
(R,B(R),)
|f|

lorsque p +.
[Pour montrer que liminf
p+
|f|
L
p
(R,B(R),)
|f|

, on pourra introduire, pour 0 < < |f|

, un ensemble
A

tel que x A

, [f(x)[ > |f|

. ]
Exercice 6.11 Corrige 100 page 383
Soient (E, T, m) un espace mesure, (f
n
)
nN
L
1
R
(E, T, m), (g
n
)
nN
L

R
(E, T, m), f L
1
R
(E, T, m) et
g L

R
(E, T, m). On suppose que f
n
f dans L
1
R
(E, T, m).
1. On suppose que g
n
g dans L

R
(E, T, m). Montrer que f
n
g
n
fg dans L
1
R
(E, T, m).
2. On suppose maintenant que g
n
g p.p.. Montrer par un contre exemple quon peut ne pas avoir
f
n
g
n
fg dans L
1
R
(E, T, m).
3. On suppose maintenant que g
n
g p.p. et quil existe M R t.q. |g
n
|

M. Montrer quon a
alors f
n
g
n
fg dans L
1
R
(E, T, m).
Exercice 6.12 Soit (E, T, m) un espace mesure et une mesure de densite f /
+
par rapport `a m,
montrer que :
(i)
_
gd =
_
f g dm, g /
+
(ii) Soit g /, alors g L
1
() fg L
1
(m),
et si g L
1
(), alors
_
gd =
_
f g dm
(6.40)
Exercice 6.13
Soit K : R
2
R
+
une fonction mesurable (on a donc K /
+
(R
2
, B(R
2
))). On suppose quil existe
M R
+
t.q.
_
K(x, t)dt M, pour tout x R, et
_
K(t, y)dt M, pour tout y R.
Pour tout 1 p , on note L
p
lespace L
p
R
(R, B(R), ) et L
p
lespace L
p
R
(R, B(R), ).
Si f : R R est une fonction mesurable, on pose, pour tout x R t.q. K(x, )f() L
1
, T(f)(x) =
_
K(x, t)f(t)dt.
Soit 1 p . [On conseille de considerer separement les cas p = 1, p = et 1 < p < .]
172
1. Soit f L
p
(on identie f, comme dhabitude, avec lun de ses representants, on a donc f L
p
).
Montrer que T(f)(x) est denie pour presque tout x R. Montrer que T(f) L
p
(au sens il existe
g L
p
t.q. T(f) = g p.p.).
2. Montrer que T est une application lineaire continue de L
p
dans L
p
.
Exercice 6.14 (Inegalite de Hardy) Corrige 101 page 384
Soit p ]1, [. On note L
p
lespace L
p
R
(]0, [, B(]0, [), ) ( est donc ici la mesure de Lebesgue sur les
boreliens de ]0, [).
Soit f L
p
. Pour x ]0, [, on pose F(x) =
1
x
_
f1
]0,x[
d. Le but de lexercice est de montrer que
F L
p
et |F|
p

p
p1
|f|
p
.
1. On suppose, dans cette question, que f C
c
(]0, [) (cest-`a-dire que f est continue et `a support
compact dans ]0, [).
(a) Montrer F C
1
(]0, [) L
p
. Montrer que xF

(x) = F(x) +f(x) pour tout x > 0.


(b) On suppose, dans cette question, que f(x) 0 pour tout x ]0, [.
Montrer que
_

0
F
p
(x)dx =
p
p1
_

0
F
p1
(x)f(x)dx. [On pourra utiliser une integration par
parties.]
Montrer que |F|
p

p
p1
|f|
p
.
(c) Monter que |F|
p

p
p1
|f|
p
(on ne suppose plus que f(x) 0 pour tout x ]0, [).
2. On ne suppose plus que f C
c
(]0, [).
(a) Montrer quil existe (f
n
)
nN
C
c
(]0, [) t.q |f
n
f|
p
0 quand n . [On pourra utiliser
la densite de C
c
(R, R) dans L
p
R
(R, B(R), ), exercice 6.4.]
(b) Montrer que F C(]0, [) L
p
et que |F|
p

p
p1
|f|
p
.
3. Montrer que sup
F
p
f
p
, f L
p
, |f|
p
,= 0 =
p
p1
(dans cette formule, F est donne comme
precedemment `a partir de f). [On pourra considerer la suite (f
n
)
nN
denie par f
n
(t) = t

1
p
1
]1,n[
(t)
pour t ]0, [).]
Exercice 6.15 (Continuite dune application de L
p
dans L
q
) Corrige 102 page 387
Soit (E, T, m) un espace mesure ni, p, q [1, [ et g une application continue de R dans R t.q. :
C R

+
; [g(s)[ C[s[
p
q
+C, s R. (6.41)
1. Soit u L
p
R
(E, T, m). Montrer que g u L
q
R
(E, T, m).
On pose L
r
= L
r
R
(E, T, m), pour r = p et r = q. Pour u L
p
, on pose G(u) = h L
q
R
(E, T, m);
h = g v p.p., avec v u. On a donc G(u) L
q
et cette denition a bien un sens, cest `a dire que
G(u) ne depend pas du choix de v dans u.
2. Soit (u
n
)
nN
L
p
. On suppose que u
n
u p.p., quand n , et quil existe F L
p
t.q. [u
n
[ F
p.p., pour tout n N. Montrer que G(u
n
) G(u) dans L
q
.
3. Montrer que G est continue de L
p
dans L
q
.
173
4. On consid`ere ici (E, T, m) = ([0, 1], B(R), ) et on prend p = q = 1. On suppose que g ne verie
pas (6.41). On va construire u L
1
t.q. G(u) , L
1
.
(a) Soit n N

, montrer quil existe


n
R tel que : [g(
n
)[ n[
n
[ et [
n
[ n.
(b) On choisit une suite (
n
)
nN
veriant les conditions donnees `a la question precedente. Montrer
quil existe > 0 t.q.
+

n=1

[
n
[n
2
= 1.
(c) Soit (a
n
)
nN
une suite denie par : a
0
= 1 et a
n+1
= a
n


[
n
[n
2
(o` u
n
et sont denies
dans les 2 questions precedentes). On pose u =

+
n=1

n
1
[a
n+1
,a
n
[
. Montrer que u L
1
et
G(u) , L
1
.
Exercice 6.16 (Conv. p.p. et conv. des normes, par Egorov) Corrige 103 page 389
Soit (E, T, m) un espace mesure et 1 p . On note L
p
lespace L
p
R
(E, T, m). Soit (f
n
)
n
une suite
delements de L
p
et f L
p
. On suppose que f
n
f p.p., quand n .
1. Montrer que |f|
p
liminf
n
|f
n
|
p
. [Traiter separement le cas 1 p < et p = .]
2. En prenant (E, T, m) = (]0, 1[, B(]0, 1[), ) (o` u est la mesure de Lebesgue sur les boreliens de
]0, 1[), donner un exemple pour lequel la suite (|f
n
|
p
)
nN
converge dans R et |f|
p
< lim
nN
|f
n
|
p
.
[On pourra aussi traiter separement les cas 1 p < et p = .]
Pour la suite de lexercice, on suppose que |f
n
|
p
|f|
p
, quand n .
3. Dans cette question, on suppose que p = 1.
(a) On suppose que m(E) < . Pour tout n N, on choisit un representant de f
n
, encore note
f
n
. On choisit aussi un representant de f, encore note f. Soit A T et > 0. On suppose
que f
n
f uniformement sur A
c
. Montrer quil existe n
0
t.q. :
n n
0

_
A
[f
n
[dm +
_
A
[f[dm.
(b) On suppose que m(E) < . Montrer que f
n
f dans L
1
, quand n . [On pourra utiliser
le theor`eme dEgorov.]
(c) On suppose que m(E) = . Soit > 0. Montrer quil existe C T t.q. :
m(C) < et
_
C
c
[f[dm .
(d) On suppose que m(E) = . Montrer que f
n
f dans L
1
, quand n .
4. Dans cette question, on suppose que 1 < p < . Montrer que f
n
f dans L
p
, quand n .
[Sinspirer de la methode suggeree pour le cas p = 1.]
5. Dans cette question, on suppose que p = et que (E, T, m) = (]0, 1[, B(]0, 1[), ). Donner un
exemple pour lequel f
n
,f dans L

, quand n .
174
Exercice 6.17 (Conv. p.p. et conv. des normes, par Fatou) Corrige 104 page 393
Soit (E, T, m) un espace mesure. Pour p [1, ], on note L
p
lespace L
p
R
(E, T, m).
Soit p [1, [, (f
n
)
nN
une suite delements de L
p
et f L
p
. On suppose que f
n
f p.p. et que
|f
n
|
p
|f|
p
, quand n .
1. On suppose que p = 1. Pour n N, on pose g
n
= [f
n
[ + [f[ [f
n
f[ (en ayant choisi des
representants de f
n
et f). Montrer que g
n
0 pour tout n N. En utilisant le lemme de Fatou,
montrer que f
n
f dans L
1
.
2. On suppose maintenant que p ]1, [. En utilisant le lemme de Fatou pour une suite convenable,
montrer que f
n
f dans L
p
.
Exercice 6.18 (Compacite L
p
L
q
) Corrige 105 page 394
Dans cet exercice, (E, T, m) est un espace mesure. Pour tout 1 r , on note L
r
lespace L
r
R
(E, T, m)
(et L
r
lespace L
r
R
(E, T, m)).
1. Soit r > 1 et (g
n
)
nN
une suite bornee de L
r
. Montrer que la suite (g
n
)
nN
est equi-integrable,
cest-`a-dire que :
> 0, > 0 t.q. n N, A T, m(A)
_
A
[g
n
[dm .
[Utiliser linegalite de Holder.]
Soit 1 p < q et (f
n
)
nN
une suite bornee de L
q
. On suppose dans toute la suite que f
n
f
p.p. quand n .
2. (Compacite L
p
L
q
.) On suppose que m(E) < .
(a) Montrer que f L
q
(au sens il existe g L
q
t.q. f = g p.p.).
(b) Montrer que f
n
f dans L
p
quand n . [Utiliser la question 1 avec g
n
= [f
n
f[
p
et un
theor`eme du cours.]
3. On suppose que m(E) = .
(a) Soit B T t.q. m(B) < . Montrer quef
n
1
B
f1
B
dans L
p
quand n .
(b) On prend ici (E, T, m) = (R, B(R), ), q = 2, p = 1, f = 0. Donner un exemple pour lequel
(f
n
)
nN
L
1
, f
n
,0 dans L
1
quand n (et (f
n
)
nN
bornee dans L
2
, f
n
0 p.p. quand
n ).
Exercice 6.19 (Exemples de v.a. appartenant `a L
q
) Corrige 106 page 395
Soit (, /, P) un espace de probabilites et X une v.a. (reelle). Dans les trois cas suivants, donner les
valeurs de q [1, ] pour lesquels la variable aleatoire X appartient `a lespace L
q
(, /, P) :
1. X suit une loi exponentielle c() ( > 0) (cest-`a-dire que la loi de X a une densite f par rapport
`a la mesure de Lebesgue, avec f(x) = exp(x)1
]0,+[
pour x R).
2. X suit une loi de Cauchy de param`etre c > 0 (la loi de X a une densite f par rapport `a la mesure
de Lebesgue, avec f(x) =
1

c
x
2
+c
2
pour x R).
3. X suit une loi geometrique ((p) (p ]0, 1[) (cest-`a-dire que P(X = k) = p(1 p)
k1
, pour tout
k N

).
175
6.5.2 Espaces de Hilbert, Espace L
2
Exercice 6.20 Corrige 107 page 397
Soit (E, T, m) un espace mesure et (f
n
)
nN
une suite delements de L
2
R
(E, T, m) deux `a deux orthogonaux.
Montrer que la serie

nN
f
n
converge (dans L
2
) si et seulement si

nN
|f
n
|
2
2
est convergente (dans
R).
Exercice 6.21 (L
p
nest pas un espace de Hilbert si p ,= 2) Corrige 108 page 397
Montrer que L
p
R
(R, B(R), ) (muni de sa norme usuelle) nest pas un espace de Hilbert si 1 p ,
p ,= 2. [Pour p ,= 2, chercher des fonctions f et g mettant en defaut lidentite du parall`elogramme,
cest-`a-dire lidentite (6.18) page 143.]
Exercice 6.22 (Caracterisation des espaces de Hilbert separables)
Soit E un espace de Hilbert (reel) de dimension innie. Montrer que E est separable si et seulement si il
existe une base hilbertienne denombrable de E [lune des implications a dej`a ete vue. . . ].
Exercice 6.23 (projection sur le cone positif de L
2
) Corrige 109 page 397
Soit (X, T, m) un espace mesure et E = L
2
R
(X, T, m). On pose C = f E, f 0 p.p..
1. Montrer que C est une partie convexe fermee non vide de E.
2. Soit f E. Montrer que P
C
f = f
+
.
Exercice 6.24 (Exemple de non existence de la projection) Corrige 110 page 398
Dans cet exercice, on donne un exemple t.q. :
E est un espace de Banach reel, F est un sous espace vectoriel ferme de E, g E F (et donc d(g, F) =
inf|g f|
E
, f F > 0. . . ) et il nexiste pas delement f E t.q. d(g, F) = |g f|
E
.
On prend E = C([0, 1], R), on munit E de la norme habituelle, |f|
E
= max[f(x)[, x [0, 1]. On pose
F = f E; f(0) = 0,
_
1
0
f(x)dx = 0. Enn, on prend g E deni par g(x) = x, pour tout x [0, 1].
1. Montrer que E est un espace de Banach (reel).
2. Montrer que F est un sous espace vectoriel ferme de E.
3. Soit f F. Montrer que |g f|
E
1/2. [On pourra remarquer que
_
1
0
[(g f)(x)[dx
_
1
0
(g
f)(x)dx = 1/2.]
4. Montrer quil nexiste pas delement f F t.q. |g f|
E
= 1/2.
5. Montrer que d(g, F) = 1/2. [On pourra, par exemple, montrer que |g f
n
|
E
1/2, avec f
n
deni
par f
n
(x) =
n
x, pour x [0, 1/n], f
n
(x) = (x1/n)
n
/n, pour x [1/n, 1], et
n
choisi pour
que f
n
F.]
Exercice 6.25 (Lemme de Lax-Milgram) Corrige 111 page 400
Soit E est un espace de Hilbert reel et a une application bilineaire de E E dans R. On note (/) le
produit scalaire dans E et | | la norme dans E. On suppose quil existe C R et > 0 t.q. :
[a(u, v)[ C|u||v|, u, v E (continuite de a),
a(u, u) |u|
2
, u E (coercivite de a).
Soit T E

. On va montrer, dans cet exercice, quil existe un et un seul u E t.q. T(v) = a(u, v) pour
tout v E (ceci est le lemme de Lax-Milgram).
176
1. On suppose, dans cette question, que a est symetrique. On denit une application bilineaire, notee
(/)
a
de E E dans R par (u/v)
a
= a(u, v). Montrer que (/)
a
est un produit scalaire sur E et
que la norme induite par ce produit scalaire est equivalente `a la norme | |. En deduire quil existe
un et un seul u E t.q. T(v) = a(u, v) pour tout v E. [Utiliser le theor`eme de representation de
Riesz.]
2. On ne suppose plus que a est symetrique.
(a) Soit u E, Montrer que lapplication v a(u, v) est un element de E

. En deduire quil
existe un et un seul element de E, notee Au, t.q. (Au/v) = a(u, v) pour tout v E.
On note, dans la suite A lapplication qui `a u E associe Au E.
(b) Montrer que A est lineaire continue de E dans E.
(c) Montrer que Im(A) est ferme
(d) Montrer que (Im(A))

= 0.
(e) Montrer que A est bijective et en deduire quil existe un et un seul u E t.q. T(v) = a(u, v)
pour tout v E.
Exercice 6.26 (Exemple de projection dans L
2
) Corrige 112 page 402
On designe par la mesure de Lebesgue sur les boreliens de ]0, 1[, par L
p
lespace L
p
R
(]0, 1[, B(]0, 1[), )
et par L
p
lespace L
p
R
(]0, 1[, B(]0, 1[), ).
Soit g L
2
.
1. Soit v L
2
et C

c
(]0, 1[, R) (on rappelle que C

c
(]0, 1[, R) signie que est une application
de ]0, 1[ dans R, de classe C

, et quil existe K ]0, 1[, K compact, t.q. (x) = 0 pour tout


x ]0, 1[K) . Montrer que vg

L
1
.
On pose ( = v L
2
; v 1 p.p.,
_
vg

d
_
d, pour tout C

c
(]0, 1[, R), 0. (On
rappelle que 0 signie (x) 0 pour tout x ]0, 1[.)
2. Montrer que ( est un convexe ferme non vide de L
2
.
3. On designe par 1 la fonction constante et egale `a 1 sur ]0, 1[. Soit u (. Montrer que :
(|u 1|
2
|v 1|
2
pour tout v () (
_
(1 u)(u v)d 0 pour tout v ().
4. Soit u ( t.q. |u 1|
2
|v 1|
2
pour tout v (. On suppose que u, g C
1
(]0, 1[, R).
(a) Montrer que (ug)

(x) 1 pour tout x ]0, 1[.


(b) Soit x ]0, 1[ t.q. u(x) < 1. Montrer que (ug)

(x) = 1.
(c) Montrer que u est solution du probl`eme suivant:
(ug)

(x) 1, pour tout x ]0, 1[,


u(x) 1, pour tout x ]0, 1[,
(1 + (ug)

(x))(u(x) 1) = 0, pour tout x ]0, 1[.


Exercice 6.27 (Approximation dans L
2
) Corrige 113 page 406
177
On designe par la mesure de Lebesgue sur les boreliens de R, par L
p
lespace L
p
R
(R, B(R), ) et par L
p
lespace L
p
R
(R, B(R), ). On note dt = d(t).
Pour f L
2
et k N

, on denit T
k
f de R dans R par :
T
k
f(x) = k
_
n(x)+1
k
n(x)
k
f(t)dt, (6.42)
o` u n(x) est lentier de Z tel que
n(x)
k
x <
n(x) + 1
k
(lentier n depend donc de x).
1. Soit k N

et f L
2
. Montrer que T
k
f L
2
(plus precisement, T
k
f L
2
et on confond alors,
comme dhabitude, T
k
f avec g L
2
, g = T
k
f p.p.) et que |T
k
f|
2
|f|
2
, pour tout k N

.
2. Soit f C
c
(R, R) (i.e. f continue de R dans R et `a support compact). Montrer que T
k
f f dans
L
2
quand k .
3. Soit f L
2
. Montrer que T
k
f f dans L
2
quand k .
Exercice 6.28 (Projections orthogonales) Corrige 114 page 407
On pose H = L
2
R
(] 1, +1[, B(] 1, +1[), ). (On rappelle que B(] 1, +1[) est la tribu borelienne de
] 1, 1[ et la mesure de Lebesgue sur B(] 1, +1[).) Soit F = f H t.q.
_
]1,+1[
f d = 0. Soit
G = f H t.q.
_
]1,0[
f d =
_
]0,1[
f d.
1. Montrer que F et G sont des sous-espaces vectoriels fermes de H. Determiner les sous-espaces F

,
G

et F G.
2. Calculer, pour g H, les projections orthogonales P
F
(g) et P
G
(g) de g sur F et G.
Exercice 6.29 (Projection orthogonale dans L
2
) Corrige 115 page 408
On pose L
2
= L
2
R
(R, B(R), ) (muni de sa structure hilbertienne habituelle) et, pour , R donnes,
< , ( = f L
2
; f p.p..
1. Montrer que ( est vide si et seulement si > 0.
2. On suppose maintenant que 0. Montrer que ( est une partie convexe fermee non vide de L
2
.
Soit f L
2
, montrer que P
C
f(x) = maxminf(x), , pour presque tout x R. (P
C
f designe
la projection de f sur (.)
Exercice 6.30 Corrige 116 page 409
Soit (E, T, m) un espace mesure, et L
p
= L
p
R
(E, T, m).
1. On suppose ici qu il existe A et B T t.q. A B = , et 0 < m(B) < +, 0 < m(A) <
+. Montrer que L
p
est un Hilbert si et seulement si p = 2. [On pourra utiliser lidentite du
parall`elogramme avec des fonctions de L
p
bien choisies.]
2. Montrer que pour m =
0
(mesure de Dirac en 0), L
p
R
(R, B(R), m) est un Hilbert pour tout p
[1, +].
Exercice 6.31 (Espace l
2
) Corrige 117 page 410
178
On note m la mesure du denombrement sur T(N), cest-`a-dire m(A) = card(A) si A est ni et m(A) =
si A nest pas ni.
On note l
2
= L
2
R
(N, T(N), m).
1. Montrer que chaque element de l
2
ne contient quun seul element de lespace L
2
R
(N, T(N), m).
2. Montrer que linegalite de Cauchy-Schwarz sur l
2
donne :
(

nN
a
n
b
n
)
2

nN
a
2
n

nN
b
2
n
pour toutes suites (a
n
)
nN
, (b
n
)
nN
R
+
t.q.

nN
a
2
n
< et

nN
b
2
n
< .
3. Soit : N

, bijective. Montrer que

nN

(n)
n
2
= . [On pourra commencer par montrer
que

n
p=1
1
(p)

n
p=1
1
p
pour tout n N

puis utiliser linegalite de Cauchy-Schwarz.]


Exercice 6.32 (Isometrie dun espace de Hilbert avec l
2
) Corrige 118 page 411
Soit H un espace de Hilbert reel, de dimension innie et separable. Soit e
n
, n N une base hilbertienne
de H (une telle base existe, cf. proposition 6.17).
Pour u H, on denit a
u
l
2
(l
2
est deni `a lexercice 6.31) par a
u
(n) = (u/e
n
)
H
, pour tout n N.
(On montrera tout dabord que a
u
est bien un element de l
2
.)
Montrer que lapplication A : u a
u
(est lineaire et) est une isometrie de H dans l
2
, cest-`a-dire que
|a
u
|
l
2 = |u|
H
pour tout u H.
Montrer que A est bijective (il faut donc montrer que, pour tout a l
2
, il existe u H t.q. a = a
u
).
Exercice 6.33 (Tribu et partition, suite et n)
Cet exercice est la suite de lexercice 3.35. Soit (, /, P) un espace de probabilite et a une partition de
On note (a) la tribu engendree par a (voir lexercice 3.35). On suppose que la partition a est mesurable,
cest-`a-dire que ses atomes sont des elements de / (on a donc (a) /).
Donner une base hilbertienne de L
2
(, (a), P) construite `a partir des atomes de a.
En deduire lexpression de la projection orthogonale dune variable aleatoire X appartenant `a L
2
(, /, P)
sur le sous espace L
2
(, (a), P).
6.5.3 Theor`eme de Radon-Nikodym et Dualite dans les espaces L
p
Exercice 6.34 (Fonctions absolument continues) Corrige (partiel) 119 page 412
Soit < a < b < +. On admet les 2 resultats suivant :
Toute fonction monotone denie sur [a, b], `a valeurs dans R, est derivable en presque tout point de
]a, b[.
Soit f L
1
R
(]a, b[, B(]a, b[), ). Pour x [a, b], on pose F(x) =
_
f1
]a,x[
d. La fonction F est alors
derivable en presque tout point de ]a, b[ et on a F

= f p.p..
1. (Fonctions monotones.) Soit f une fonction monotone croissante denie sur [a, b] et `a valeurs dans
R.
179
(a) Montrer que f

L
1
R
(]a, b[, B(]a, b[), ) et que
_
f

1
]a,b[
d f(b) f(a).
[On pourra poser f(x) = f(b) pour x > b, considerer f
n
(x) = n(f(x+
1
n
) f(x)) et remarquer
que f
n
f

p.p. sur ]a, b[.]


(b) Donner un exemple pour lequel linegalite de la question precedente est stricte. (Les courageux
pourront chercher un exemple pour lequel f est continue. . . )
2. (Fonctions absolument continues.)
Une fonction denie sur [a, b] et `a valeurs dans R est dite absolument continue si pour tout > 0 il
existe > 0 tel que pour toute famille nie dintervalles deux `a deux disjoints (]a
k
, b
k
[)
1kn
dont
la somme des longueurs est inferieure `a , on a

n
k=1
[f(b
k
) f(a
k
)[ < .
(a) Montrer que absolue continuite implique uniforme continuite.
(b) Montrer que lensemble des fonctions absolument continues sur [a, b] forme un espace vectoriel.
3. (Fonctions absolument continues et fonctions monotones.) Une fonction f denie sur [a, b] (et `a
valeurs dans R) est dite `a variation bornee sil existe C t.q. pour toute subdivision du segment
[a, b], a = x
0
< x
1
< ... < x
n
= b, on ait

n
k=1
[f(x
k
) f(x
k1
)[ C. Pour une fonction f `a
variation bornee, on peut denir, pour a < x b, V
x
a
[f] par :
V
x
a
[f] = sup
n

k=1
[f(x
k
) f(x
k1
)[ , a = x
0
< x
1
< ... < x
n
= x, n N

.
On pose aussi V
a
a
[f] = 0.
(a) Montrer que toute fonction absolument continue est `a variation bornee.
(b) Montrer pour toute fonction f (denie sur [a, b] et) absolument continue, la fonction x V
x
a
[f]
est absolument continue sur [a, b]. En deduire que toute fonction absolument continue (denie
sur [a, b]) est la dierence de deux fonctions absolument continues monotones croissantes (et
est donc derivable en presque tout point de ]a, b[).
4. Soit f L
1
R
(]a, b[, B(]a, b[), ). Pour x [a, b], on pose F(x) =
_
f1
]a,x]
d. Montrer que F
absolument continue.
5. Soit F une fonction absolument continue et monotone croissante de [a, b] dans R. On prolonge cette
fonction sur R en posant F(x) = F(a) si x < a et F(x) = F(b) si x > b. Une version etendue du
theor`eme de Caratheodory (cette version etendue est donnee par le theor`eme 2.5, pour ce resultat
il sut de F continue croissante) donne lexistence dune (et une seule) mesure m
F
sur B(R) t.q.
m
F
(], [) = F() F() pour tout , R, < .
(a) Montrer que m
F
est absolument continue par rapport `a . [Utiliser la regularite de et
labsolue continuite de F.]
(b) Montrer quil existe g L
1
R
(R, B(R), ) t.q. F() F() =
_
g1
],[
d, pour tout , R,
< . Montrer que g = F

p.p. sur ]a, b[.


180
6. Soit F une fonction absolument continue de [a, b] dans R. Montrer que F est derivable en presque
tout point de ]a, b[, que F

L
1
R
(]a, b[, B(]a, b[), ) et que pour tout x [a, b] on a
F(x) F(a) =
_
F

1
]a,x[
d.
Exercice 6.35 (Dualite L
1
-L

par le theor`eme de Radon-Nikodym) Corrige 120 page 416


Soit (E, T, m) un espace mesure ni et T (L
1
R
(E, T, m))

. On suppose que T est positive, cest `a dire


que, pour f L
1
R
(E, T, m), f 0 p.p. implique T(f) 0.
1. Pour A T, on pose (A) = T(1
A
). Montrer que est bien denie et que est une mesure nie
sur T.
2. En utilisant le theor`eme de Radon-Nikodym, montrer quil existe g /
+
t.q. T(1
A
) =
_
g1
A
dm
pour tout A T.
3. Montrer que g L

R
(E, T, m) (plus precisement, il existe h L

R
(E, T, m) t.q. h = g p.p.). [On
pourra montrer que |g|

|T|
(L
1
)
en choissisant bien A dans la formule trouvee `a la question
precedente.]
4. Montrer que T(f) =
_
gfdm pour tout f L
1
R
(E, T, m).
Exercice 6.36 (Une demonstration de la dualite L
p
L
q
pour p < 2) Corrige 121 page 418
Soit (E, T, m) un espace mesure ni et 1 p < 2. On pose q = p/(p 1) et on note L
r
lespace
L
r
R
(E, T, m) (pour r = p, r = q et r = 2). Soit T (L
p
)

.
1. On considere dabord le cas o` u m(E) < +.
(a) Montrer que L
2
L
p
et que linjection canonique de L
2
dans L
p
est continue.
(b) Montrer quil existe g L
2
t.q. T(f) =
_
fgdm pour tout f L
2
.
(c) Montrer que la fonction g, trouvee `a la question precedente, appartient `a L
q
[distinguer les cas
p > 1 et p = 1. Dans le cas p > 1, on pourra considerer les fonctions f
n
= [g[
(q2)
g1
{|g|n}
.
Dans le cas p = 1, prendre f = sgn(g)1
A
o` u A = [g[ > |T|
(L
p
)
.]
(d) Si f L
p
, montrer que f
n
= f1
{|f|n}
L
2
. En deduire que il existe g L
q
t.q. T(f) =
_
fgdm, pour tout f L
p
.
2. On considere maintenant le cas o` u m(E) = +. Comme m est -nie, on peut ecrire E =
nN
A
n
,
avec An A
n+1
et m(A
n
) < +. On note T
n
= A T, A A
n
, m
n
= m
|
T
n
et L
r
(m
n
) =
L
r
R
(A
n
, T
n
, m
n
) (r = p ou q).
(a) Soit n N. Pour f L
p
(m
n
), on pose T
n
(f) = T(

f) avec

f = f p.p. sur A
n
et

f = 0 p.p.
sur (A
n
)
c
. Montrer que T
n
(L
p
(m
n
))

et quil existe g
n
L
q
(m
n
) t.q. :
T
n
(f) =
_
fg
n
dm
n
, f L
p
(m
n
).
On utilise (g
n
)
nN
dans les questions suivantes.
(b) Montrer que si m n, g
n
= g
m
p.p. sur A
n
.
(c) On denit g : E R par g = g
n
sur A
n
.
181
i. Montrer que g L
q
(E). (Distinguer les cas q < + et q = +.)
ii. Montrer que T(f) =
_
fgdm, pour tout f L
p
.
Exercice 6.37 (Dualite L
p
L
q
)
Lorsque p < 2, on propose detudier la demonstration suivante de la dualite L
p
L
q
: soit T (L
p
)

;
1. On considere dabord le cas o` u m(E) < + :
(a) Montrer que L
2
L
p
et que linjection canonique de L
2
dans L
p
est continue.
(b) En deduire que il existe g L
2
t.q. T(f) =
_
fgdm, f L
2
.
(c) Montrer que g L
q
(distinguer les cas p > 1 et p = 1. Dans le cas p > 1, on pourra
considerer les fonctions f
n
= [g[
(q2)
g1
{|g|n}
. Dans le cas p = 1, prendre f = sgn(g)1
A
o` u
A = [g[ > |T|
(L
p
)
.
(d) Si f L
p
, montrer que f
n
= f1
{|f|n}
L
2
. En deduire que il existe g L
q
t.q. T(f) =
_
fgdm, f L
p
.
2. On considere maintenant le cas o` u m(E) = +. Comme m est -nie, on peut ecrire E =
nN
A
n
,
avec An A
n+1
et m(A
n
) < +.
(a) A n xe, denir `a partir de T une application lineaire continue T
n

_
L
p
(A
n
)
_

t.q. : g
n

L
q
(A
n
) ; T
n
(f) =
_
A
n
fgdm, f L
p
(A
n
).
(b) Montrer que si m n, g
n
= g
m
pp sur A
n
.
(c) On denit g : E R par g = g
n
sur A
n
.
(i) Montrer que g L
q
(E). (Distinguer les cas q < + et q = +.)
(ii) Montrer que T(f) =
_
fgdm, f L
p
.
Exercice 6.38 (Demonstration du theor`eme de dualite L
p
L
q
)
Soient (E, T, m) un espace mesure -ni : il existe une famille denombrable (A
n
)
nN
densembles A
n
quon peut prendre disjoints deux `a deux tels que m(A
n
) < + et E =
_
nN
A
n
. Soient p [1, +[ et
T une forme lineaire continue sur L
p
R
(E, T, m) = L
p
.
Partie 1. (Rappel du cours.) On consid`ere dabord le cas p = 2, montrer quil existe un unique g L
2
t.q. T(f) =
_
fgdm, f L
2
.
Partie 2. On sinteresse maintenant au cas p [1, 2]
1. Soit , une fonction mesurable de E dans R. Montrer que si L
r
, o` u r =
2p
2 p
, alors, pour
toute fonction f de L
2
, la fonction f est dans L
p
.
Montrer quil existe une fonction L
r
de la forme : =

nN

n
1
A
n
,
n
> 0.
Dans toute la suite, designera une fonction particuli`ere de la forme precedente.
182
2. Deduire des questions precedentes lexistence dune unique fonction G L
2
t.q., pour toute fonction
f de L
p
t.q.
f

L
2
, on a T(f) =
_
f
G

dm.
3. Soient p ]1, 2[, et q tel que
1
p
+
1
q
= 1 ; on denit les fonctions f
n
, de E dans R, par :
f
n
= [g[
(q2)
g1
{|g|n}
1
B
n
o` u g =
G

et B
n
=
n
_
p=1
A
p
. (6.43)
(a) Montrer que : n N,
f
n

L
2
.
(b) En deduire que g =
G

L
q
. [Il est fortement conseille dutiliser la continuite de T de L
p
dans R.]
4. Soient p = 1 et f L
1
. On denit : f
n
= sgn(g)1
A
1
B
n
o` u A = [g[ > |T|
(L
p
)
.
(a) Montrer que : n N,
f
n

L
2
.
(b) En deduire que m(A B
n
) = 0, n N, et que g (=
G

) L

.
5. Soient p [1, 2[ et f L
p
, on denit f
n
= f1
{|f|n}
1
B
n
. Montrer que
f
n

L
2
et que f
n
tend vers
f dans L
p
. En deduire que il existe g L
q
t.q. T(f) =
_
fgdm, f L
p
.
Partie 3. On sinteresse maintenant au cas p > 2, et on suppose ici que T 0, i.e. T(f) 0 pour toute
fonction f 0 p.p. Soit q tel que
1
p
+
1
q
= 1.
1. On suppose dans cette question que la forme lineaire T est, de plus, continue pour la norme |.|
L
1.
(a) Montrer quil existe g L

t.q. T(f) =
_
fgdm pour toute fonction f L
1
L
p
.
(b) Montrer que g L
q
. [On pourra utiliser un raisonnement similaire `a celui de la question 3 de
la partie 2].
(c) En deduire quil existe g L
q
t.q. T(f) =
_
fgdm pour toute fonction f L
p
et que
|g|
L
q = |T|
(L
p
)
. [On pourra utiliser un raisonnement similaire `a celui de la question 5 de la
partie 2].
2. On suppose ici quil existe une suite (T
n
)
nN
de formes lineaires sur L
p
veriant les quatre proprietes
suivantes :
f L
p
; f 0, 0 T
n
(f) T(f) (6.44)
f L
p
; f 0, T
n
(f) T
n+1
(f) (6.45)
f L
p
; f 0, T
n
(f) n
_
fdm (6.46)
f L
p
; f 0, T
n
(f) converge vers T(f) lorsque n tend vers +. (6.47)
183
(a) Montrer que, pour tout n N, il existe g
n
L
q
tel que T
n
(f) =
_
g
n
fdm, pour tout f L
p
.
Montrer que |g
n
|
L
q |T|
(L
p
)

(b) Montrer que, pour tout n N, 0 g


n
n p.p. et g
n
g
n+1
p.p..
(c) Montrer quil existe g L
q
t.q. T(f) =
_
gfdm, pour toute fonction f L
p
.
3. Soit T
n
lapplication de L
p
dans R denie par :
Si f L
p
et f 0, T
n
(f) = inf
L
p
,0f
_
T() +n
_
(f )dm
_
,
si f L
p
est quelconque, T
n
(f) = T
n
(f
+
) T
n
(f

)
Montrer que T
n
verie les proprietes (1) `a (4).
4. Montrer que T
n
est lineaire .
5. En deduire que, pour toute forme lineaire continue positive T sur L
p
, il existe une fonction g de L
q
t.q. T(f) =
_
fgdm.
6. Montrer que, pour toute forme lineaire continue T sur L
p
, il existe une fonction g de L
q
t.q.
T(f) =
_
fgdm. [Decomposer T en une partie positive et une partie negative].
6.5.4 Convergence faible, faible-, etroite, en loi. . .
Exercice 6.39 Corrige 122 page 421
Soient (E, T, m) un espace mesure, (f
n
)
nN
L
2
= L
2
(E, T, m) et f L
2
t.q. la suite (f
n
)
nN
tende
faiblement vers f dans L
2
, cest-`a-dire :
_
f
n
dm
_
fdm pour toute fonction L
2
.
1. Montrer que |f|
2
liminf
n+
|f
n
|
2
.
2. On suppose de plus que |f
n
|
2
|f|
2
lorsque n +. Montrer que la suite (f
n
)
nN
tend vers f
dans L
2
.
Exercice 6.40 (Convergence faible) Corrige 123 page 422
Soit (E, T, m) un espace mesure ni. Pour 1 r , on note L
r
lespace L
r
R
(E, T, m). Soit
1 p < et q = p/(p 1). Soit (f
n
)
nN
L
p
et f L
p
.
1. Montrer que f
n
f faiblement dans L
p
quand n (voir la denition 6.17) si et seulement si
_
f
n
gdm
_
fgdm, g L
q
. (6.48)
2. Montrer que |f|
p
liminf
n
|f
n
|
p
si f
n
f faiblement dans L
p
, quand n . [Utiliser
(6.48) avec un choix convenable de g.]
On suppose dans les questions suivantes (questions 3 `a 7) que:
m(E) < , f
n
f p.p., C t.q. |f
n
|
p
C, n N. (6.49)
184
3. On suppose, dans cette question, que p > 1.
(a) Soit N N et g L
q
t.q. g = 0 p.p. sur E
c
N
avec E
N
=
nN
x E; [f
n
(x) f(x)[ 1.
Montrer que
_
f
n
gdm
_
fgdm, quand n .
(b) Montrer que f
n
f faiblement dans L
p
. [Pour g L
q
, introduire g
N
= g1
E
N
.]
(c) Donner un exemple avec (E, T, m) = (]0, 1[, B(]0, 1[), ) pour lequel f
n
,f dans L
p
.
4. On suppose, dans cette question, que p = 1. Montrer que |f|
1
liminf
n
|f
n
|
1
. Donner un
exemple avec (E, T, m) = (]0, 1[, B(]0, 1[), ) pour lequel f
n
,f faiblement dans L
1
, quand n .
5. On suppose, dans cette question, que p > 1 et on prend 1 r < p. Montrer que f
n
f dans L
r
,
quand n . [On pourra, par exemple, utiliser le theor`eme de Vitali pour la suite (g
n
)
nN
avec
g
n
= [f
n
f[
r
.]
6. Pour cette question, on retire dans (6.49) lhypoth`ese m(E) < et on suppose que p > 1. Montrer
que f
n
f faiblement dans L
p
.
7. Dans cette question, on conserve lhypoth`ese (6.49) mais on ne suppose plus que f L
p
. Montrer
que f appartient necessairement `a L
p
.
8. On prend maintenant (E, T, m) = (]0, 1[, B(]0, 1[), ) et on denit f
n
, pour n N par f
n
= 1 p.p.
sur ]2k/n, (2k + 1)/n[ pour k N, (2k + 1)/n 1 et f
n
= 1 p.p. sur ]2k 1/n, 2k/n[ pour
k N

, 2k/n 1. Montrer que f


n
0 faiblement dans L
p
, pour tout 1 p < . [On pourra, par
exemple, utiliser la densite de C([0, 1], R) dans L
1
.]
Exercice 6.41 Soit (f
n
)
nN
la suite de fonctions de ]0, 1[ dans R denie par f
n
(x) = (n n
2
x)
+
. On
note la mesure de Lebesgue sur la tribu B(R) des boreliens de ]0, 1[, et L
p
= L
p
R
(]0, 1[, B(R), ) pour
p [1, +].
1. Montrer que la suite (f
n
)
nN
est bornee dans L
1
.
2. Montrer que la suite (f
n
)
nN
nest pas bornee dans L
p
pour p > 1.
3. Y-a-til convergence simple, convergence presque partout, convergence uniforme, convergence en
mesure, convergence dans L
p
(p [1, +]) de la suite (f
n
)
nN
(justier vos reponses...) ?
4. Montrer que pour toute fonction C([0, 1], R), on a
_
f
n
d (0). En deduire que la suite
(f
n
)
nN
ne converge pas faiblement dans L
1
(utiliser le fait que la mesure de Dirac nest pas une
mesure de densite, cf exercice 5.2).
Exercice 6.42 Soient (E, T, m) un espace mesure t.q. m(E) < +, et (f
n
)
nN
une suite de L
2
=
L
2
(E, T, m) t.q. :
(i) la suite (|f
n
|
2
)
nN
est bornee,
(ii) f
n
f
_
f
n
gdm
_
fgdm quand n +.
1. Montrer que f L
2
et |f|
2
sup
n1
|f
n
|
2
.
185
2. Soit > 0, on note B
n
= x E; [f(x) f
n
(x)[ > . Montrer que m(B
n
) 0 lorsque n +.
[On pourra introduire A
p
=
_
np
B
n
et montrer que m(A
p
) 0 quand p +.]
3. Montrer que f
n
f dans L
1
quand n +.
[On pourra ecrire
_
[f
n
f[dm =
_
|f
n
f|>
[f
n
f[dm+
_
|f
n
f|
[f
n
f[dm.]
4. Montrer, en donnant un exemple, que f
n
peut ne pas converger dans L
2
, quand n +.
5. Montrer que, pour tout g L
2
, on a :
_
f
n
g dm
_
fg dm quand n + (6.50)
(on dit que f
n
f faiblement dans L
2
). [Decomposer
_
(f f
n
)gdm de mani`ere semblable `a la
question 3.]
Exercice 6.43 Soient (E, T, m) un espace mesure t.q. m(E) < + et p [1, +]. Pour r [1, +],
on note L
r
= L
r
R
(E, T, m) et |.|
r
la norme usuelle sur L
r
. Soit (f
n
)
nN
L
p
, t.q. :
(i) la suite (|f
n
|
p
)
nN
est bornee,
(ii) f
n
f pp quand n +.
1. Montrer que f L
p
et |f|
p
sup
n1
|f
n
|
p
.
2. On suppose (dans cette question seulement) que p > 1. Soit r [1, p[, montrer que f
n
f dans
L
r
quand n +.
3. Soit q le conjugue de p (i.e. tel que
1
p
+
1
q
= 1), montrer que, pour tout g L
q
, on a :
_
f
n
g dm
_
fg dm quand n +.
Peut-on dire que f
n
f faiblement dans L
p
?
Exercice 6.44 (Convergence forte contre convergence faible)
Soit (E, T, m) un espace mesure. Pour r [1, +], on note L
r
lespace L
r
R
(E, T, m).
Soit p [1, [ et q lexposant conjugue de p. Soit (u
n
)
nN
L
p
, u L
p
, (v
n
)
nN
L
q
et v L
q
.
1. On suppose que u
n
u faiblement dans L
p
et v
n
v dans L
q
, quand n . Montrer que
u
n
v
n
uv faiblement dans L
1
, quand n .
2. On suppose que p = 1, u
n
u faiblement dans L
1
, v
n
v p.p., quand n , et quil existe
C R t.q., pour tout n N, v
n
C p.p.. Montrer que u
n
v
n
uv faiblement dans L
1
, quand
n .
Exercice 6.45 (Convergence faible et non linearite) Corrige 124 page 425
186
On designe par la mesure de Lebesgue sur les boreliens de ]0, 1[, par L
p
lespace L
p
R
(]0, 1[, B(]0, 1[), )
et par L
p
lespace L
p
R
(]0, 1[, B(]0, 1[), ).
1. (Unicite de la limite faible). Soit (u
n
)
nN
L
1
et u, v L
1
. On suppose que u
n
u faiblement
dans L
1
, quand n , (cest-`a-dire que T(u
n
) T(u) pour toute application T lineaire continue
de L
1
dans R) et que u
n
v faiblement dans L
1
.
(a) Montrer que
_
(u v)d = 0, pour tout L

.
(b) Montrer que u = v p.p.. [Choisir convenablement dans legalite prececente.]
2. (Convergence forte contre convergence faible) Soit (v
n
)
nN
L

et v L

. On suppose quil
existe C > 0 t.q. |v
n
|

C pour tout n N et que v


n
v p.p., quand n .
(a) Montrer que v
n
v dans L
p
, quand n , pour tout 1 p < .
(b) Donner un exemple pour lequel v
n
,v dans L

.
(c) Soit (u
n
)
nN
L
1
et u L
1
. On suppose que |u
n
|

C pour tout n N et que u


n
u
faiblement dans L
1
, quand n . Montrer que
_
u
n
v
n
d
_
uvd, quand n . [Ecrire
v
n
= v + (v
n
v).]
On se donne maintenant une fonction C(R, R).
3. Soit u L

. Montrer que u L

.
4. Soit u L

et v, w u. Montrer que h L

; h = v p.p. = h L

; h = w p.p..
Grace aux 2 questions precedentes, pour u L

, on pose, si v u :
(u) = h L

; h = v p.p., de sorte que (u) L

.
On se donne maintenant (u
n
)
nN
L

. On suppose quil existe C > 0 t.q. |u


n
|

C pour tout
n N et quil existe u L
1
et f : ]0, 1[R t.q. :
u
n
u faiblement dans L
1
, quand n ,
(u
n
) f p.p., quand n .
Le but de lexercice est de comparer f et (u).
5. Montrer que [
_
u1
A
d[ C(A) pour tout A B(]0, 1[). Montrer que u L

que |u|

C.
6. On suppose, dans cette question, que est ane (cest-`a-dire quil existe , R t.q. (s) = s+
pour tout s R). Montrer que f = (u) p.p.. [Utiliser, en particulier, la question 1.]
7. On suppose, dans cette question, que est injective. Montrer quil existe v L

t.q. u
n
v p.p.
quand n . En deduire que v = u et f = (u) p.p..
8. (Astuce de Minty) On suppose, dans cette question, que est croissante.
(a) Soit v L

. Montrer que
_
(f (v))(uv)d 0. [Utiliser la croissance de et la question
2 (c).]
187
(b) Soit w L

. Montrer que
_
(f (u))wd 0. [Utiliser la question precedente avec
v = u + (1/n)w.]
(c) Montrer que f = (u) p.p..
9. On denit u
n
, pour n N, par u
n
= 1 p.p. sur ]2k/2n, (2k + 1)/2n[ pour k 0, . . . , n 1, et
u
n
= 1 p.p. sur ]2k 1/2n, 2k/2n[ pour k 1, . . . , n.
(a) Montrer que
_
u
n
d 0, quand n , pour tout C([0, 1], R).
(b) Montrer que u
n
0 faiblement dans L
1
, quand n . [On pourra, par exemple, utiliser la
densite de C([0, 1], R) dans L
1
.] Montrer que u
n
,0 dans L
1
, quand n .
(c) Donner un exemple de fonction C(R, R) pour lequel (u
n
) f p.p. et f ,= (0) p.p.. (et
donc nest pas croissante et nest pas injective).
(d) Donner un exemple de fonction C(R, R) croissante pour lequel (u
n
) f p.p. (et donc
f = (0) p.p., par la question 8, et est non injective, par les questions 7 et 9 (b)).
Exercice 6.46 (Convergence etroite de mesures) Corrige 125 page 431
Soit (m
n
)
nN
une suite de mesures nies sur B(R) (on rappelle que m
n
nie signie que m
n
(R) < )
et m une mesure nie sur B(R). On rappelle que C
b
(R, R) L
1
R
(R, B(R), m
n
), pour tout n N, et que
C
b
(R, R) L
1
R
(R, B(R), m).
On suppose que :
_
gdm
n

_
gdm, pour tout g C
b
(R, R).
Soit f C(R, R). On ne suppose pas que f est bornee, mais on suppose que f L
1
R
(R, B(R), m
n
) pour
tout n N.
1. On pose = sup
nN
m
n
(R). Montrer que < .
2. On suppose, dans cette question, que :
= sup
nN
_
[f[
2
dm
n
< .
(a) Soit une fonction continue de R dans R, `a support compact et t.q. 0 (x) 1 pour tout
x R. Montrer quil existe C R, ne dependant que de et (denis ci dessus), t.q. :
_
[f[dm C.
(b) Montrer que f L
1
R
(R, B(R), m)
(c) Montrer que
_
fdm
n

_
fdm, quand n .
3. On ne suppose plus que sup
nN
_
[f[
2
dm
n
< .
Montrer (en choississant convenablement (m
n
)
nN
, m et f) que lon peut avoir f , L
1
R
(R, B(R), m).
Exercice 6.47 (Convergence faible et convexite) Corrige 126 page 433
188
Dans cet exercice (E, T, m) est un espace mesure et on suppose que la mesure m est nie.. Pour tout
1 r , on note L
r
lespace L
r
(E, T, m) (et L
r
lespace L
r
(E, T, m)). Soit 1 p < , (u
n
)
nN
une
suite bornee de L
p
et u L
p
t.q. u
n
u faiblement dans L
p
quand n (on rappelle que ceci signie
T(u
n
) T(u), quand n , pour tout T dans (L
p
)

, cest-`a-dire dans le dual topologique de L


p
).
1. On pose r = p/(p 1) si p > 1 et r = , si p = 1. Montrer que, pour tout v L
r
:
_
u
n
vdm
_
uvdm.
Soit C
1
(R, R). On suppose que est strictement convexe (ce qui est equivalent `a dire que

est strictement croissante).


2. Soit a R. Pour x R, on pose h
a
(x) = (x) (a)

(a)(x a).
(a) Montrer que h
a
(x) > 0 si x ,= a.
(b) Montrer que h
a
est decroissante sur ] , a[ et croissante sur ]a, (.
Soit 1 q < . On suppose maintenant que la suite ((u
n
))
nN
est bornee dans L
q
et quelle
converge faiblement dans L
q
, quand n , vers une (classe de) fonction(s) L
q
.
Precision de notation : On choisit un representant pour u
n
. On designe alors par (u
n
) la fonction
(de E dans R) x (u
n
(x)). Cette fonction est supposee etre dans L
q
et on lidentie, comme
dhabitude, avec lelement de L
q
quelle represente.
Pour n N, on pose f
n
= [(u
n
) (u)

(u)(u
n
u)].
Precision de notation : Ici aussi, pour denir f
n
, on choisit un representant pour u. On designe
alors par (u) et

(u) les fonctions x (u(x)) et x

(u(x)).
3. Soit k R

+
et B T t.q. m(B) < . On pose A
k
= [u[ k (cest-`a-dire A
k
= x E t.q.
[u(x)[ k.
Montrer que
_
f
n
1
A
k
1
B
dm
_
( (u))1
A
k
1
B
dm, quand n .
4. Montrer (u) p.p.. [Utiliser les questions 2(a) et 3.]
On suppose maintenant que = (u) p.p..
5. Soit B T t.q. m(B) < , k R

+
et A
k
= [u[ k. Montrer que (f
n
)
nN
admet une sous suite
convergeant p.p. vers 0 sur A
k
B.
6. (Question plus dicile.) Montrer que (f
n
)
nN
admet une sous suite convergeant p.p. vers 0 sur E.
[Utiliser le fait que la mesure m est nie et un procede diagonal.]
7. Soit x E t.q. f
n
(x) 0, montrer que u
n
(x) u(x). [Soit b R, limite dune sous suite de la
suite (u
n
(x))
nN
. Utiliser la question 2 pour montrer que b = u(x).]
8. Montrer que (u
n
)
nN
admet une sous suite convergeant p.p. vers u.
9. On suppose ici que p > 1. Montrer que u
n
1
B
u1
B
dans L
r
pour tout r [1, p[ et tout B T
t.q. m(B) < . [Utiliser lexercice 6.18.]
189
10. En prenant (E, T, m) = (R, B(R), ) et (s) = s
2
, donner un exemple pour lequel u
n
,u p.p. sur
E (toutefois, dapr`es la question 8, (u
n
)
nN
admet une sous suite convergeant p.p. vers u).
Exercice 6.48 (Produit de convergences faibles) Corrige 127 page 437
Soit (E, T, m) un espace mesure ni. Pour p [1, ], on note L
p
lespace L
p
R
(E, T, m).
Soit , > 0. Pour a R
+
, on denit
a
de R
+
dans R par
a
(t) = (t

)(t

).
1. Soit a R
+
. Montrer que
a
(t) > 0 pour tout t R
+
, t ,= a.
Soit (f
n
)
nN
une suite de fonctions positives appartenant `a L

et l

, l

, l
+
L

. On suppose
que la suite (f
n
)
nN
est bornee dans L

et que f

n
l

faiblement dans L

, quand n ,
pour = , = et = +.
On rappelle que f

n
l

faiblement dans L

signie que
_
f

n
dm
_
l

dm, quand n ,
pour tout L
1
.
2. Soit L
1
t.q. 0 p.p.. Montrer que
_
l
a
dm 0.
3. Montrer que l

0 p.p..
4. Montrer que l
+
l

p.p.. [On pourra utiliser


a
(t) 0 avec t = f
n
(x) et a = (l

(x))
1

.]
5. On suppose maintenant que l
+
= l

p.p.. On pose f = l
1

et g
n
= (f

n
f

)(f

n
f

).
(a) Montrer que g
n
0 dans L
1
, quand n .
(b) Montrer quil existe : N N strictement croissante t.q. g
(n)
0 p.p., quand n .
Montrer que f
(n)
f p.p., quand n . [Utiliser la question 1.]
(c) Montrer que f
n
f dans L
q
, quand n , pour tout q [1, [.
Exercice 6.49 (Convergence faible contre convergence forte)
Soit (E, T, m) un espace mesure. On suppose que m est -nie. Pour r [1, ], on note L
r
lespace
L
r
R
(E, T, m) (et L
r
est muni de sa norme usuelle). Soit p, q [1, ] t.q.
1
p
+
1
q
= 1. Soit (f
n
)
nN
une
suite bornee de L
p
et (
n
)
nN
une suite bornee de L
q
.
1. On suppose ici que p [1, [ (et donc q ]1, ]),
n
dans L
q
, quand n , et f
n
f
faiblement dans L
p
, quand n (cest-`a-dire que T(f
n
) T(f) pour toute application lineaire
continue T de L
p
dans R).
(a) Montrer que
_
f
n
dm
_
fdm, pour tout L
q
.
(b) Montrer que
_
f
n

n
dm
_
fdm.
2. On suppose ici que p = (et donc q = 1),
n
dans L
1
, quand n , et f
n
f faiblement
dans L

, quand n (cest-`a-dire que


_
f
n
dm
_
fdm pour tout L
1
). Montrer que
_
f
n

n
dm
_
fdm.
On suppose pour la suite de lexercice que p = 1 (et donc q = ) et m(E) < .
3. Montrer que
n
dans L

, quand n , implique :
(p1)
n
p.p. quand n .
190
4. Montrer, en prenant (par exemple) (E, T, m) = (]0, 1[, B(]0, 1[), ) que (p1) nimplique pas
n

dans L

quand n . [Il faut donc trouver une suite (


n
)
nN
bornee de L

et L

t.q.

n
p.p., quand n , et |
n
|

,0, quand n .]
On suppose maintenant que la suite (
n
)
nN
verie (p1) et que :
(p2) f
n
f faiblement dans L
1
, quand n ,
5. Montrer que L

(au sens il existe L

(E, T, m) t.q. = p.p.). [On rappelle que la


suite (
n
)
nN
est, par hypoth`ese, bornee dans L

.]
6. On admet que (p2) implique lequi-integrabilite de la suite (f
n
)
nN
, cest-`a-dire :
> 0, > 0 t.q. A T, m(A) , n N
_
A
[f
n
[dm .
Montrer que
_
f
n

n
dm
_
fdm. [On pourra utiliser le theor`eme dEgorov.]
Exercice 6.50 (Dunford-Pettis)
En attente
Exercice 6.51 (Conv. etroite et conv. des mesures des intervalles) Corrige 128 page 437
Soit (m
n
)
nN
une suite de mesures sur B(R) et m une mesure sur B(R). On suppose que m
n
m
etroitement, quand n , et que m est diuse (cest-`a-dire que m(x) = 0 pour tout x R). Soit I
un intervalle de R, montrer que m
n
(I) m(I) quand n . Montrer (en donnant un contre-exemple)
que cette propriete peut etre fausse si m nest pas diuse.
Exercice 6.52 (Convergence en loi) Corrige 129 page 438
Soit (, /, P) un espace de probabilites et X une v.a. reelle de loi uniforme sur [1, 1].
1. Montrer que X est une v.a. de meme loi que X.
2. Donner un exemple de suite (X
n
)
nN
de v.a. t.q. :
(a) (X
n
)
nN
converge en loi vers X,
(b) (X
n
X)
nN
ne converge pas en loi vers 0.
3. Donner un exemple de trois v.a. X, Y, Z t.q. X et Y aient la meme loi, mais sans que XZ et Y Z
aient la meme loi.
Exercice 6.53 (Convergence en loi + convergence en probabilite) Corrige 130 page 439
Soit (, /, P) est un espace de probabilite, X une v.a. reelle et (X
n
)
nN
, (Y
n
)
nN
deux suites de v.a.
reelles t.q. :
X
n
X en loi, Y
n
0 en probabilite, quand n .
Montrer que
X
n
+Y
n
X en loi, quand n .
[On pourra utiliser la convergence vague.]
Exercice 6.54 (Convergence en loi versus convergence en probabilite) Corrige 131 page 440
191
Soit (, /, P) un espace de probabilite, X une v.a. reelle et (X
n
)
nN
une suite de v.a. reelles.
1. On suppose, dans cette question, que X
n
X en probabilite, quand n . Montrer que :
X
n
X en loi, quand n .
[Remarquer quil sut de demontrer une convergence vague de P
X
n
vers P
X
.]
2. On suppose quil existe a R t.q. X = a p.s.. On suppose aussi que X
n
X en loi, quand n .
Montrer que :
X
n
X en probabilite, quand n .
192
Chapter 7
Produits despaces mesures
7.1 Motivation
Au chapitre 1, on a introduit la mesure de Lebesgue sur la tribu des boreliens de R (notee B(R)), ce
qui nous a permis dexprimer la notion de longueur dune partie (borelienne) de R. On peut se poser
la question de savoir sil existe une mesure sur une tribu convenable de R
2
qui exprimerait la notion de
surface (et une mesure sur une tribu convenable de R
3
qui exprimerait la notion de volume. . . ).
La question est donc : existe-t-il une mesure
2
sur une tribu de R
2
contenant B(R) B(R), veriant :

2
(AB) = (A)(B), A, B B(R) ? (7.1)
La tribu T
2
, sur laquelle on veut denir
2
, doit donc contenir B(R) B(R). On remarque tout dabord
que B(R) B(R) = A B, A B(R), B B(R) nest pas une tribu. En eet, B(R) B(R) nest pas
stable par passage au complementaire ni par union (par contre, B(R) B(R) est stable par intersection
denombrable). On denit alors T
2
comme la tribu engendree par B(R) B(R), quon note B(R) B(R).
On cherche alors une mesure
2
: T
2
R
+
t.q.
2
(A B) = (A)(B) pour tout A, B B(R). On
peut montrer lexistence et lunicite de la mesure
2
(voir le theor`eme 7.1). On peut aussi montrer que
la tribu T
2
est la tribu borelienne sur R
2
, cest-`a-dire la tribu engendree par les ouverts de R
2
(voir la
proposition 7.1).
Une autre question quon abordera dans ce chapitre concerne lintegration des fonctions `a plusieurs
variables. Considerons par exemple une fonction f denie de R
2
dans R. Sous quelles hypoth`eses (faciles
`a verier. . . ) peut-on ecrire :
_
_
_
f(x, y)dy
_
dx =
_
_
_
f(x, y)dx
_
dy ? (7.2)
Une reponse `a cette question est apportee par le theor`eme de Fubini, que nous verrons dans ce chapitre.
On introduira aussi le produit de convolution de deux fonctions, qui sera utile, par exemple, pour demon-
trer des theor`emes de densite. Mais la convolution est un notion utile pour beaucoup dautres raisons
(elle est utile, par exemple, en theorie du signal).
193
7.2 Mesure produit
On rappelle ici quun espace mesure (E, T, m) est -ni (on dit aussi que m est -nie) si il existe une
famille (A
n
)
nN
T t.q. E =
nN
A
n
et m(A
n
) < +, pour tout n N. Lespace mesure (R, B(R), )
est -ni (prendre, par exemple, A
n
= [n, n]). Il existe, par contre, des mesures non nies. Lexemple
le plus simple sur (R, B(R)) consiste `a prendre m(A) = pour tout A B(R), A ,= . Un exemple plus
interessant (intervenant pour certains probl`emes) consiste `a se donner un borelien non vide B de R (B
peut etre, par exemple, reduit `a un point) et `a denir m
B
par m
B
(A) = si A B(R) et A B ,= et
m
B
(A) = 0 si A B(R) et A B = .
Denition 7.1 (Tribu produit) Soient (E
1
, T
1
) et (E
2
, T
2
) des espaces mesurables. On pose E =
E
1
E
2
. On appelle tribu produit la tribu sur E engendree par T
1
T
2
= A
1
A
2
, A
1
T
1
, A
2
T
2
.
Cette tribu produit est notee T
1
T
2
.
Un exemple fondamental est (E
1
, T
1
) = (E
2
, T
2
) = (R, B(R)). On va montrer que, dans ce cas, B(R)
B(R) = B(R
2
).
Proposition 7.1 (Tribu B(R
N
))
Pour tout N 2, on a B(R
N1
) B(R) = B(R
N
).
D emonstration : La demonstration est faite pour N = 2 dans lexercice 2.5 (corrige 13). Elle sadapte
facilement pour traiter aussi le cas N > 2 (exercice 7.1).
Theor`eme 7.1 (Mesure produit)
Soient (E
1
, T
1
, m
1
) et (E
2
, T
2
, m
2
) deux espaces mesures -nis, E = E
1
E
2
et T = T
1
T
2
. Alors, il
existe une et une seule mesure m sur T veriant :
m(A
1
A
2
) = m
1
(A
1
)m
2
(A
2
) pour tout A
1
T
1
, et A
2
T
2
t.q. m
1
(A
1
) < et m(A
2
) < . (7.3)
Cette mesure est notee m = m
1
m
2
. De plus, m est -nie.
D emonstration :
Existence de m. On va construire une mesure m sur T veriant (7.3).
Soit A T. On va montrer, `a letape 1, que, pour tout x
1
E
1
, on a 1
A
(x
1
, ) /
+
(E
2
, T
2
). On pourra
donc poser f
A
(x
1
) =
_
1
A
(x
1
, )dm
2
, pour tout x
1
E
1
. Lapplication f
A
sera donc une application de
E
1
dans R
+
. On va montrer, `a letape 2, que f
A
/
+
(E
1
, T
1
). On posera alors m(A) =
_
f
A
dm
1
.
Enn, il restera `a letape 3 `a montrer que m est bien une mesure veriant (7.3) et que m est -nie.
Etape 1. Pour A T(E) et x
1
E
1
, on note S(x
1
, A) = x
2
E
2
; (x
1
, x
2
) A E
2
, de sorte que
1
A
(x
1
, ) = 1
S(x
1
,A)
.
Soit x
1
E
1
. On pose = A T(E); S(x
1
, A) T
2
.
On remarque tout dabord que T
1
T
2
. En eet, si A = A
1
A
2
avec A
1
T
1
et A
2
T
2
, on a
S(x
1
, A) = A
2
T
2
si x
1
A
1
et S(x
1
, A) = T
2
si x
1
, A
1
.
On remarque ensuite que est une tribu. En eet :
car S(x
1
, ) = T
2
,
194
est stable par passage au complementaire. En eet :
S(x
1
, A
c
) = (S(x
1
, A))
c
(cest-`a-dire S(x
1
, E A) = E
2
S(x
1
, A)). On a donc S(x
1
, A
c
) T
2
si
A , ce qui prouve que A
c
.
est stable par union denombrable. Il sut de remarquer que :
S(x
1
,
nN
A
(n)
) =
nN
S(x
1
, A
(n)
) T
2
si (A
(n)
)
nN
.
est donc une tribu contenant T
1
T
2
, ceci prouve que contient T
1
T
2
= T. On a donc S(x
1
, A) T
2
pour tout A T.
Pour tout A T, on peut donc denir une application f
A
: E
1
R
+
en posant :
f
A
(x
1
) = m
2
(S(x
1
, A)) =
_
1
S(x
1
,A)
dm
2
=
_
1
A
(x
1
, )dm
2
R
+
, pour tout x
1
E
1
. (7.4)
Etape 2. Dans cette etape, on demontre que f
A
/
+
(E
1
, T
1
) pour tout A T. Cette etape est plus
dicile que la precedente.
On note = A T; f
A
/
+
(E
1
, T
1
) et on va montrer que T et donc que = T.
On suppose dabord que m
2
est nie.
Il est facile de voir que contient T
1
T
2
. En eet, si A = A
1
A
2
avec A
1
T
1
et A
2
T
2
, on a alors
f
A
= m
2
(A
2
)1
A
1
c
+
(E
1
, T
1
) /
+
(E
1
, T
1
).
On note maintenant / lensemble des reunions nies disjointes delements de T
1
T
2
(/ sappelle lalg`ebre
engendree par T
1
T
2
, voir lexercice 7.2). Si A /, il existe donc (A
(p)
)
p=1,...,n
T
1
T
2
t.q.
A
(p)
A
(q)
= si p ,= q et A =
n
p=1
A
(p)
. On a alors f
A
(x
1
) = m
2
(S(x
1
, A)) =

n
p=1
m
2
(S(x
1
, A
(p)
)) =

n
p=1
f
A
(p) /
+
(E
1
, T
1
) car A
(p)
T
1
T
2
. On a donc / .
On montre maintenant que est une classe monotone, cest-`a-dire que :
(A
(n)
)
nN
, A
(n)
A
(n+1)
n N
nN
A
(n)
(7.5)
et
(A
(n)
)
nN
, A
(n)
A
(n+1)
n N
nN
A
(n)
. (7.6)
Pour montrer (7.5), soit (A
(n)
)
nN
t.q. A
(n)
A
(n+1)
pour tout n N. On pose A =
nN
A
(n)
.
Soit x
1
E
1
. On a alors (S(x
1
, A
(n)
))
nN
T
2
(par letape 1, car T), S(x
1
, A
(n)
) S(x
1
, A
(n+1)
)
pour tout n N et S(x
1
,
nN
A
(n)
) =
nN
S(x
1
, A
(n)
). On en deduit, par continuite croissante de
m
2
, que m
2
(S(x
1
, A)) = sup
nN
m
2
(S(x
1
, A
(n)
)) et donc que f
A
= sup
nN
f
A
(n) . Ce qui prouve que
f
A
/
+
(E
1
, T
1
) car f
A
(n) /
+
(E
1
, T
1
) pour tout n N. On a donc A =
nN
A
(n)
.
La demonstration de (7.6) est similaire, il faut utiliser la continuite decroissante de m
2
au lieu de la
continuite croissante. Cest pour utiliser la continuite decroissante de m
2
quon a besoin de m
2
nie.
On a ainsi montre que est une classe monotone contenant lalg`ebre /. On peut en deduire, cela fait
lobjet de lexercice 2.12 (corrige 17), que contient la tribu engendree par / et donc aussi la tribu
engendree par T
1
T
2
(car T
1
T
2
/), cest-`a-dire que contient T = T
1
T
2
. On a bien montre,
nalement, que = T.
Il reste maintenant `a montrer que = T sans lhypoth`ese m
2
nie. Comme m
2
est -nie, on peut
construire une suite (F
n
)
nN
T
2
t.q. F
n
F
n+1
et m
2
(F
n
) < pour tout n N. Pour n N, on
denit alors la mesure m
(n)
2
par m
(n)
2
(A
2
) = m
2
(A
2
F
n
) pour tout A
2
T
2
. La mesure m
(n)
2
est nie,
195
letape 1 et la premi`ere partie de letape 2 donne donc que, pour tout A T, f
(n)
A
/
+
(E
1
, T
1
) o` u f
(n)
A
est denie par 7.4 avec m
(n)
2
au lieu de m
2
(cest-`a-dire f
(n)
A
(x
1
) = m
(n)
2
(S(x
1
, A)) pour tout x
1
E
1
).
On conclut alors en remarquant que f
(n)
A
f
A
quand n , ce qui donne que f
A
/
+
(E
1
, T
1
).
On a donc montre que f
A
/
+
(E
1
, T
1
) pour tout A T. Ceci nous permet de denir m : T R
+
par :
m(A) =
_
f
A
dm
1
, pour tout A T. (7.7)
Etape 3. Dans cette etape, on montre que m, denie par (7.7), est une mesure sur T et que m verie
(7.3) et est -nie.
On montre dabord que m est bien une mesure sur T :
1. m() = 0 car f

(x
1
) = m
2
(S(x
1
, )) = m
2
() = 0.
2. (-additivite de m) Soit (A
(n)
)
nN
T t.q. A
(n)
A
(m)
= si n ,= m. On pose A =
nN
A
(n)
.
Pour x
1
E
1
, on a :
S(x
1
, A) =
nN
S(x
1
, A
(n)
) et S(x
1
, A
(n)
) S(x
1
, A
(m)
) = si n ,= m.
La -additivite de m
2
donne alors m
2
(S(x
1
, A)) =

nN
m
2
(S(x
1
, A
(n)
)), cest-`a-dire f
A
(x
1
) =

nN
f
A
(n) (x
1
). Le premier corollaire du theor`eme de convergence monotone (corollaire 4.1) donne
alors:
m(A) =
_
f
A
dm
1
=

nN
_
f
A
(n) dm
1
=

nN
m(A
(n)
),
ce qui donne la -additivite de m.
On montre maintenant que m verie (7.3). Soient A
1
T
1
et A
2
T
2
t.q. m
1
(A
1
) < et m(A
2
) < .
On pose A = A
1
A
2
. On a alors f
A
= m
2
(A
2
)1
A
1
et donc m(A) =
_
f
A
dm
1
= m
2
(A
2
)m
1
(A
1
).
Il reste `a verier que m est -nie. Comme m
1
et m
2
sont -nies, il existe (B
(n)
1
)
nN
T
1
et (B
(n)
2
)
nN

T
2
t.q. E
1
=
nN
B
(n)
1
, E
2
=
nN
B
(n)
2
et, pour tout n N, m
1
(B
(n)
1
) < et m
2
(B
(n)
2
) < .
Pour (n, m) N
2
, on pose C
n,m
= B
(n)
1
B
(m)
2
, de sorte que E =
(n,m)N
2C
n,m
et m(C
n,m
) =
m
1
(B
(n)
1
) m
2
(B
(m)
2
) < . Comme N
2
est denombrable, on en deduit que m est -nie.
Unicite de m.
La partie existence de la demonstration donne une mesure m sur T veriant (7.3). La partie unicite
du theor`eme peut se montrer avec la proposition 2.5, nous developpons cette methode ci-apr`es, ou avec
le lemme des classes monotones (exercice 2.12) comme cela est explique dans la remarque 7.1.
Soit m et deux mesures sur T veriant (7.3). Pour montrer que m = , on va apliquer la proposition 2.5.
On pose :
( = A
1
A
2
, A
1
T
1
, A
2
T
2
, m
1
(A
1
) < , m
2
(A
2
) < .
Comme m
1
et m
2
sont nies, il est facile de montrer que tout element de T
1
T
2
est une reunion
denombrable delements de (. On en deduit que ( engendre T. Il est clair que ( est stable par intersection
nie et, par (7.3), on a m = sur (. Puis, comme m
1
et m
2
sont nies, il existe deux suites
196
(E
1,n
)
nN
T
1
et (E
2,n
)
nN
T
2
delements de T
1
et T
2
, disjoints deux `a deux et t.q. E
1
=
nN
E
1,n
,
E
2
=
nN
E
2,n
et m
i
(E
i,n
) < pour tout i 1, 2 et tout n N. Pour n, m N, on pose F
n,m
=
E
1,n
E
2,m
. La famille (F
n,m
)
n,mN
est une famille denombrable delements de (, disjoints deux `a deux et
t.q. E =
n,mN
F
n,m
et m(F
n,m
) = m
1
(E
1,n
)m
2
(E
1,m
) < . On peut alors utiliser la Proposition 2.5.
Elle donne m = sur T et termine la demonstration du theor`eme.
Remarque 7.1 Comme cela a ete dit, un autre moyen de montrer la partie unicite du theor`eme
precedent est dutiliser le lemme des classes monotones (exercice 2.12). Supposons tout dabord que m
1
et m
2
sont nies. On a alors (par (7.3)) :
m(E) = (E) = m
1
(E
1
)m
2
(E
2
) < .
La condition (7.3) donne egalement que m = sur T
1
T
2
. On a alors aussi m = sur lalg`ebre engendree
par T
1
T
2
, notee / (cette alg`ebre a ete denie dans la partie existence de la demonstration). En eet,
si A /, il existe (A
(p)
)
p=1,...,n
T
1
T
2
t.q. A
(p)
A
(q)
= si p ,= q et A =
n
p=1
A
(p)
. On a alors, par
additivite de m et , m(A) =

nN
m(A
(n)
) =

nN
(A
(n)
) = (A).
On pose maintenant = A T; m(A) = (A). On vient de montrer que /. Il est dautre
part facile de voir que est une classe monotone. En eet, les proprietes de continuite croissante et de
continuite decroissante appliquees `a m et permettent facilement de verier (7.5) et (7.6) (on utilise
ici, pour montrer (7.6), que m et sont des mesures nies). Comme dans la partie existence de
la demonstration, lexercice 2.12 donne alors que contient la tribu engendree par / et donc que
contient T = T
1
T
2
. Ce qui donne = T et donc m = .
Dans le cas o` u m
1
et m
2
ne sont pas nies, mais -nies, il existe (B
(n)
1
)
nN
T
1
et (B
(n)
2
)
nN
T
2
t.q. E
1
=
nN
B
(n)
1
, E
2
=
nN
B
(n)
2
et, pour tout n N, m
1
(B
(n)
1
) < et m
2
(B
(n)
2
) < . On peut
egalement supposer que B
(n)
1
B
(n+1)
1
et B
(n)
2
B
(n+1)
2
pour tout n N (il sut, par exemple, de
remplacer B
(n)
i
par
n
p=0
B
(p)
i
). Par un raisonnement analogue `a celui fait dans le cas o` u m
1
et m
2
sont
nies, on peut montrer que m = sur A T; A B
(n)
1
B
(n)
2
. On conclut alors, en utilisant la
propriete de continuite croissante, que m = sur T.
Remarque 7.2 Dans le theor`eme precedente (theor`eme 7.1), on peut aussi remarquer que :
1. m(A
1
A
2
) = m
1
(A
1
)m
2
(A
2
) = si A
1
T
1
et A
2
T
2
avec m
1
(A
1
) ,= 0 et m(A
2
) = (ou
avec m
1
(A
1
) = et m
2
(A
2
) ,= 0),
2. m(A
1
A
2
) = 0 si A
1
T
1
et A
2
T
2
avec m
1
(A
1
) = 0 et m(A
2
) = (ou avec m
1
(A
1
) = et
m
2
(A
2
) = 0).
En eet, on suppose par exemple que m
1
(A
1
) = 0 et m(A
2
) = . Comme m
2
est -nie, on peut
construire une suite (F
n
)
nN
T
2
t.q. F
n
F
n+1
et m
2
(F
n
) < pour tout n N. On a alors, par
continuite croissante de m, m(A
1
A
2
) = lim
n
m(A
1
(A
2
F
n
)) = lim
n
m
1
(A
1
)m
2
(A
2
F
n
) = 0
(on a dailleurs aussi m
2
(A
2
F
n
) , ce qui permet de conclure si 0 < m
1
(A
1
) < que m(A
1
A
2
) =
). Les autres cas se traitent de mani`ere analogue.
Denition 7.2 (Espace produit)
Lespace (E, T, m), construit dans le theor`eme 7.1, sappelle lespace (mesure) produit des espaces (E
1
, T
1
,
m
1
) et (E
2
, T
2
, m
2
).
Un exemple fondamental despace produit est lespace (R
N
, B(R
N
),
N
) pour N 2 que nous verrons
dans la section 7.4.
197
7.3 Theor`emes de Fubini-Tonelli et Fubini
Theor`eme 7.2 (Fubini-Tonelli) Soient (E
1
, T
1
, m
1
) et (E
2
, T
2
, m
2
) des espaces mesures -nis. On
note (E, T, m) lespace produit (donc, T = T
1
T
2
et m = m
1
m
2
). Soit f : E R
+
une fonction
mesurable positive (i.e. T-mesurable positive). Alors :
1. f(x
1
, ) /
+
(E
2
, T
2
) pour tout x
1
E
1
,
on pose

f
(x
1
) =
_
f(x
1
, )dm
2
=
_
f(x
1
, x
2
)dm
2
(x
2
) pour tout x
1
E
1
,
de sorte que
f
: E
1
R
+
,
2.
f
/
+
(E
1
, T
1
),
3.
_
fdm =
_

f
dm
1
=
_
_
_
f(x
1
, x
2
)dm
2
(x
2
)
_
dm
1
(x
1
),
4. les memes resultats sont vrais en inversant les roles de m
1
et m
2
, de sorte que :
_
_
_
f(x
1
, x
2
)dm
2
(x
2
)
_
dm
1
(x
1
) =
_
_
_
f(x
1
, x
2
)dm
1
(x
1
)
_
dm
2
(x
2
).
D emonstration : la demonstration se fait en plusieurs etapes.
Etape 1. Soit f = 1
A
, A T. La partie existence de m de la demonstration du theor`eme 7.1 donne
alors que
_
fdm = m(A) =
_

f
dm
1
.
Plus precisement, on a, pour tout x
1
E
1
, f(x
1
, ) = 1
A
(x
1
, ) = 1
S(x
1
,A)
, avec S(x
1
, A) = x
2
E
2
;
(x
1
, x
2
) A E
2
(comme dans la demonstration du theor`eme 7.1). Letape 1 de la demonstration
(de la partie existence) du theor`eme 7.1 donne que S(x
1
, A) T
2
pour tout x
1
E
1
, et donc f(x
1
, )
/
+
(E
2
, T
2
). Ceci donne le premier item (pour f = 1
A
) de la conclusion du theor`eme 7.2.
On pose
f
(x
1
) =
_
f(x
1
, )dm
2
= m
2
(S(x
1
, A)) pour tout x
1
E
1
. (Cette fonction
f
etait notee
f
A
dans la demonstration du theor`eme 7.1). Letape 2 de la demonstration du theor`eme 7.1 donne que

f
/
+
(E
1
, T
1
). Ceci donne le deuxi`eme item (pour f = 1
A
) de la conclusion du theor`eme 7.2.
On a alors pose, dans la demonstration du theor`eme 7.1, m(A) =
_

f
dm
1
et letape 3 a montre que m
etait une mesure sur T veriant (7.3) (et la seule mesure sur T veriant (7.3), dapr`es la partie unicite
de la demonstration du theor`eme 7.1). Ceci donne le troisi`eme item (pour f = 1
A
) de la conclusion du
theor`eme 7.2.
Pour avoir le quatri`eme item (pour f = 1
A
) de la conclusion du theor`eme 7.2, il sut de remarquer
que lon peut inverser les roles de m
1
et m
2
dans la demonstration du theor`eme 7.2. On obtient ainsi
que f(, x
2
) /
+
(E
1
, T
1
) pour tout x
2
E
2
. On pose alors
f
(x
2
) =
_
f(, x
2
)dm
1
. On obtient que

f
/
+
(E
2
, T
2
). Enn, on pose m(A) =
_

f
dm
2
et on obtient que m est une mesure sur T veriant
(7.3). La partie unicite de la demonstration du theor`eme 7.1 donne alors que m = m, ce qui est
exactement le quatri`eme item (pour f = 1
A
) de la conclusion du theor`eme 7.2.
Etape 2. On prend maintenant f c
+
(E, T). Il existe donc a
1
, . . . , a
n
R

+
et A
1
, . . . , A
n
T t.q.
f =

n
i=1
a
i
1
A
i
.
198
On a alors, pour tout x
1
E
1
, f(x
1
, ) =

n
i=1
a
i
1
A
i
(x
1
, ) /
+
(E
2
, T
2
) car letape 1 donne 1
A
i
(x
1
, )
/
+
(E
2
, T
2
) pour tout i. Ce qui donne le premier item de la conclusion du theor`eme 7.2.
On pose
f
(x
1
) =
_
f(x
1
, )dm
2
pour tout x
1
E
1
. On a
f
/
+
(E
1
, T
1
) car
f
=

n
i=1
a
i

1
A
i
et
que
1
A
i
/
+
(E
1
, T
1
) pour tout i (dapr`es letape 1). Ce qui donne le deuxi`eme item de la conclusion
du theor`eme 7.2.
Enn, on utilise la linearite de lintegrale et letape 1 pour f = 1
A
i
, on obtient :
_
fdm =
n

i=1
a
i
m(A
i
) =
n

i=1
a
i
_

1
A
i
dm
1
=
_
(
n

i=1
a
i

1
A
i
)dm
1
=
_
_
n

i=1
a
i
_
1
A
i
(x
1
, )dm
2
_
dm
1
(x
1
) =
_
_
_
f(x
1
, )dm
2
_
dm
1
(x
1
) =
_

f
dm
1
.
Ce qui donne le troisi`eme item de la conclusion du theor`eme 7.2.
Pour avoir le quatri`eme item de la conclusion du theor`eme 7.2, il sut de changer les roles de m
1
et m
2
.
Etape 3. On peut enn prendre f /
+
(E, T). Il existe une suite (f
n
)
nN
c
+
(E, T) t.q. f
n
f
quand n .
On a donc, pour tout x
1
E
1
, f
n
(x
1
, ) f(x
1
, ) quand n . On en deduit que f(x
1
, ) /
+
(E
2
, T
2
)
car (dapr`es letape 2) f
n
(x
1
, ) /
+
(E
2
, T
2
) pour tout n N (ce qui donne le premier item).
Le theor`eme de convergence monotone (pour m
2
) donne que
f
n
(x
1
) =
_
f
n
(x
1
, )dm
2

_
f(x
1
, )dm
2
=

f
(x
1
) pour tout x
1
E
1
. Donc,
f
n

f
. Comme
f
n
/
+
(E
1
, T
1
) (dapr`es letape 2), on en deduit
que
f
/
+
(E
1
, T
1
) (ce qui donne le deuxi`eme item).
On applique maintenant le theor`eme de convergence monotone pour m
1
et pour m, ils donnent :
_

f
n
dm
1

_

f
dm
1
et
_
f
n
dm
_
fdm quand n .
Letape 2 donne
_
f
n
dm =
_

f
n
dm
1
, on en deduit donc que
_
fdm =
_

f
dm
1
. Ce qui donne le
troisi`eme item de la conclusion du theor`eme 7.2.
Enn, ici encore, pour avoir le quatri`eme item de la conclusion du theor`eme 7.2, il sut de changer les
roles de m
1
et m
2
.
Corollaire 7.1 Soient (E
1
, T
1
, m
1
) et (E
2
, T
2
, m
2
) des espaces mesures -nis. On note (E,T,m) les-
pace produit. Soit f : E R une fonction T-mesurable. Alors :
f L
1
R
(E, T, m)
_
_
_
[f[dm
2
_
dm
1
< +
_
_
_
[f[dm
1
_
dm
2
< +. (7.8)
D emonstration : Le corollaire decoule immediatement du theor`eme 7.2 applique `a la fonction [f[
/
+
(E, T). Dans (7.8), la notation (
_
[f[dm
2
)dm
1
signie :
_
_
[f(x
1
, x
2
)[dm
2
(x
2
)
_
dm
1
(x
1
).
La notation est similaire en inversant les roles de m
1
et m
2
.
Voici une consequence immediate du theor`eme 7.2 pour la mesurabilite :
199
Proposition 7.2 Soient (E
1
, T
1
) et (E
2
, T
2
) deux espaces mesurables. On pose E = E
1
E
2
et T =
T
1
T
2
. Soit f /(E, T) (cest-`a-dire f : E R, T-mesurable). Alors :
1. f(x
1
, ) /(E
2
, T
2
), pour tout x
1
E
1
,
2. f(, x
2
) /(E
1
, T
1
), pour tout x
2
E
2
.
D emonstration : La demonstration est facile, il sut de remarquer que f = f
+
f

et que f
+
, f


/
+
(E, T). Le premier item de la conclusion du theor`eme 7.2 donne alors, pour tout x
1
E
1
, f
+
(x
1
, )
/
+
(E
2
, T
2
) et f

(x
1
, ) /
+
(E
2
, T
2
). Comme f(x
1
, ) = f
+
(x
1
, ) f

(x
1
, ), on en deduit que
f(x
1
, ) /(E
2
, T
2
). En changeant les roles de (E
1
, T
1
) et (E
2
, T
2
), on montre aussi que f(, x
2
)
/(E
1
, T
1
), pour tout x
2
E
2
.
Remarque 7.3 La reciproque de la proposition precedente est fausse. Soient (E
1
, T
1
) et (E
2
, T
2
) deux
espaces mesurables, E = E
1
E
2
et T = T
1
T
2
. Soit f : E R t.q.
1. f(x
1
, ) /(E
2
, T
2
), pour tout x
1
E
1
,
2. f(, x
2
) /(E
1
, T
1
), pour tout x
2
E
2
.
Alors, f nest pas forcement T-mesurable. Un exemple est donne dans lexercice 7.4. Un cas particulier
interessant pour laquelle cette reciproque est vraie est donne par la proposition 7.3.
Proposition 7.3 Soient (E
1
, T
1
) et (E
2
, T
2
) deux espaces mesurables. On pose E = E
1
E
2
et T =
T
1
T
2
. Soient F
1
/(E
1
, T
1
) et F
2
/(E
2
, T
2
). On denit f : E R par f(x
1
, x
2
) = F
1
(x
1
)F
2
(x
2
)
pour tout (x
1
, x
2
) E. Alors f est T-mesurable (cest-`a-dire f /(E, T)).
D emonstration : On proc`ede en 3 etapes.
Etape 1. On prend dabord F
1
= 1
A
1
et F
2
= 1
A
2
avec A
1
T
1
et A
2
T
2
. On a alors f = 1
A
1
A
2

/(E, T) car A
1
A
2
T
1
T
2
T
1
T
2
= T.
Etape 2. On prend maintenant F
1
c(E
1
, T
1
) et F
2
c(E
2
, T
2
). Il existe alors a
(1)
1
, . . . , a
(1)
n
R,
A
(1)
1
, . . . , A
(1)
n
T
1
, a
(2)
1
, . . . , a
(2)
m
R et A
(2)
1
, . . . , A
(2)
m
T
2
t.q. :
F
1
=
n

i=1
a
(1)
i
A
(1)
i
et A
(1)
i
A
(1)
k
= si i ,= k,
F
2
=
m

j=1
a
(2)
j
A
(2)
j
et A
(2)
j
A
(1)
k
= si j ,= k.
On a alors f =

n
i=1

m
j=1
a
(1)
i
a
(2)
j
1
A
(1)
i
A
(2)
j
c(E, T) /(E, T).
Etape 3. On prend enn F
1
/(E
1
, T
1
) et F
2
/(E
2
, T
2
). Il existe (F
(1)
n
)
nN
c(E
1
, T
1
) et
(F
(2)
n
)
nN
c(E
2
, T
2
) t.q. F
(1)
n
(x
1
) F
1
(x
1
) pour tout x
1
E
1
et F
(2)
n
(x
2
) F
2
(x
2
) pour tout
x
2
E
2
. On en deduit que f
n
(x
1
, x
2
) = F
(1)
n
(x
1
)F
(2)
n
(x
2
) f(x
1
, x
2
) pour tout (x
1
, x
2
) E et donc
que f /(E, T) car f
n
/(E, T) pour tout n N (etape 2).
200
Theor`eme 7.3 (Fubini)
Soient (E
1
, T
1
, m
1
) et (E
2
, T
2
, m
2
) des espaces mesures -nis. On note (E, T, m) lespace produit. Soit
f : E R une fonction T-mesurable (cest-`a-dire f /(E, T)) et integrable pour la mesure m,
cest-`a-dire f L
1
R
(E, T, m). Alors :
1. f(x
1
, ) L
1
R
(E
2
, T
2
, m
2
) pour presque tout x
1
E
1
,
on pose
f
(x
1
) =
_
f(x
1
, )dm
2
pour x
1
E
1
t.q. f(x
1
, ) L
1
R
(E
2
, T
2
, m
2
). La fonction
f
est
donc denie p.p. sur E
1
(et `a valeurs dans R).
2.
f
L
1
R
(E
1
, T
1
, m
1
) (au sens : il existe g L
1
R
(E
1
, T
1
, m
1
) t.q. f = g p.p.).
3.
_
fdm =
_

f
dm
1
=
_
_
_
f(x
1
, x
2
)dm
2
(x
2
)
_
dm
1
(x
1
),
4. les memes resultats sont vrais en inversant les roles de m
1
et m
2
, de sorte que :
_
_
_
f(x
1
, x
2
)dm
2
(x
2
)
_
dm
1
(x
1
) =
_
_
_
f(x
1
, x
2
)dm
1
(x
1
)
_
dm
2
(x
2
).
D emonstration : Comme f /(E, T), on a f
+
, f

/
+
(E, T). On peut donc appliquer le theor`eme
de Fubini-Tonelli (theor`eme 7.2) `a f
+
et f

. Il donne :
1. f
+
(x
1
, ), f

(x
1
, ) /
+
(E
2
, T
2
), pour tout x
1
E
1
,
2.
f
+,
f
/
+
(E
1
, T
1
) avec
f
(x
1
) =
_
f

(x
1
, )dm
2
pour tout x
1
E
1
.
3.
_
f

dm =
_

f
dm
1
.
Le premier item donne que f(x
1
, ) = f
+
(x
1
, ) f

(x
1
, ) /(E
2
, T
2
) (noter que f, f
+
et f

sont `a
valeurs dans R).
Comme
_
f
+
dm < et
_
f

dm < (car f L
1
R
(E, T, m)), le troisi`eme item donne que
f
+ <
p.p. (sur E
1
) et que
f
< p.p. (sur E
1
). On a donc f
+
(x
1
, ) L
1
R
(E
2
, T
2
, m
2
) et f

(x
1
, )
L
1
R
(E
2
, T
2
, m
2
) pour presque tout x
1
E
1
. On en deduit donc que f(x
1
, ) = f
+
(x
1
, ) f

(x
1
, )
L
1
R
(E
2
, T
2
, m
2
) pour presque tout x
1
E
1
. Ce qui donne le premier item de la conclusion.
La fonction
f
est donc denie p.p. sur E
1
et on a
f
=
f
+
f
p.p. (on a
f
(x
1
) =
f
+(x
1
)
f
(x
1
)
en tout point x
1
t.q.
f
+(x
1
) < et
f
(x
1
) < ). Comme
f
+ < et
f
< p.p, on peut trouver
A T
1
t.q. m
1
(A) = 0 et
f
+ < et
f
< sur A
c
= E
1
A. En posant g =
f
+
f
sur
A
c
et g = 0 sur A, on a donc g /(E
1
, T
1
), g =
f
p.p. et g L
1
R
(E
1
, T
1
, m
1
) car
_
[g[dm
1

_

f
+dm
1
+
_

f
dm
1
< . Ceci donne le deuxi`eme item de la conclusion (le fait que
f
appartienne
`a L
1
R
(E
1
, T
1
, m
1
)) et donne aussi le troisi`eme item car :
_

f
dm
1
=
_
gdm
1
=
_

f
+dm
1

_

f
dm
1
=
_
f
+
dm
_
f

dm =
_
fdm.
Enn, comme pour le theor`eme de Fubini-Tonelli, le quatri`eme item de la conclusion sobtient en
changeant les roles de m
1
et m
2
.
Le theor`eme de Fubini est souvent utilise sous la forme du corollaire suivant :
201
Corollaire 7.2 Soient (E
1
, T
1
, m
1
) et (E
2
, T
2
, m
2
) des espaces mesures -nis, (E,T,m) lespace produit
et f : E R une fonction T-mesurable t.q. :
_
_
_
[f(x
1
, x
2
)[dm
2
(x
2
)
_
dm
1
(x
1
) < +
ou
_
_
_
[f(x
1
, x
2
)[dm
1
(x
1
)
_
dm
2
(x
2
) < +.
Alors :
_
_
_
f(x
1
, x
2
)dm
2
(x
2
)
_
dm
1
(x
1
) =
_
_
_
f(x
1
, x
2
)dm
1
(x
1
)
_
dm
2
(x
2
). (7.9)
(Toutes les integrales ayant bien un sens.)
D emonstration : Le corollaire est une consequence immediate du theor`eme 7.3 et de lequivalence
(7.8).
Remarque 7.4 (contre-exemple lie au theor`eme de Fubini) On cherche ici `a construire une fonc-
tion pour laquelle la conclusion du theor`eme de Fubini nest pas veriee : soient a une fonction (continue)
de R dans R et f : R
2
R denie par f(x, y) = a(x) si x 0 et x y < 2x, f(x, y) = a(x) si x 0 et
2x y < 3x, f(x, y) = 0 si x < 0 ou x 0 et y / [x, 3x]. On pose b(x) = xa(x). On peut montrer que
les hypoth`eses du theor`eme de Fubini ne sont veriees que si b L
1
R
(R, B(R), ). En prenant par exemple
a(x) =
1
(1 +x)
2
, on montre que :
_
_
_
f(x, y)dy
_
dx ,=
_
_
_
f(x, y)dx
_
dy (voir lexercice 7.5).
7.4 Mesure de Lebesgue sur la tribu des boreliens de R
N
On a dej`a vu que B(R
N
) = B(R
N1
) B(R) pour tout N 1 (exercice 2.5 pour N = 2 et exercice
7.1). Le paragraphe precedent permet alors de denir la mesure de Lebesgue sur les boreliens de R
N
(cest-`a-dire sur la tribu B(R
N
), engendree par les ouverts de R
N
) pour tout N 1.
Denition 7.3 (Mesure de Lebesgue sur B(R
N
))
1. La mesure de Lebesgue sur B(R
2
) est la mesure , on la note
2
.
2. Par recurrence sur N, la mesure de Lebesgue sur B(R
N
), N 3, est la mesure
N1
, on la
note
N
.
On note L
1
(R
N
) = L
1
R
(R
N
, B(R
N
),
N
), et pour f L
1
(R
N
), on note
_
f(x)d
N
(x) =
_
f(x)dx.
On donne maintenant quelques proprietes de la mesure de Lebesgue sur B(R
N
). Il sagit de proprietes
elementaires ou de generalisations simples de proprietes vues pour la mesure de Lebesgue sur B(R). Les
demonstrations seront proposees en exercices.
Proposition 7.4 (Proprietes elementaires de
N
)
Soit N 2. On rappelle que
N
est la mesure de Lebesgue sur B(R
N
).
1. La mesure
N
est -nie.
2. Soit A
1
, . . . , A
N
B(R). Alors,

N
i=1
A
i
B(R
N
) et
N
(

N
i=1
A
i
) =

N
i=1
(A
i
).
202
3. Soient
1
, . . . ,
N
R et
1
, . . . ,
N
R t.q.
i
<
i
pour tout i 1, . . . , N. Alors :

N
(
N

i=1
]
i
,
i
[) =
N

i=1
(]
i
,
i
[) =
N

i=1
(
i

i
).
4. Soit K un compact de R
N
(noter que K B(R
N
)). Alors,
N
(K) < +.
5. Soit O un ouvert non vide de R
N
. Alors,
N
(O) > 0.
6. Soit f, g C(R
N
, R). Alors f = g p.p. (cest-`a-dire
N
-p.p.) implique f(x) = g(x) pour tout
x R
N
.
7. C
c
(R
N
, R) L
1
R
(R
N
, B(R
N
),
N
). (En confondant f avec sa classe, on ecrira donc souvent
C
c
(R
N
, R) L
1
R
(R
N
).)
D emonstration : Comme
N
est une mesure produit, le fait que
N
est -nie est (par recurrence sur
N) une consequence du theor`eme donnant lexistence (et lunicite) de la mesure produit (theor`eme 7.1)
car ce theor`eme donne que le produit de mesures -nies est -nie.
La demonstration des autres proprietes fait lobjet de lexercice 7.10.
Une propriete tr`es importante de
N
est sa regularite, cest-`a-dire que pour tout element A de B(R
N
)
et pour tout > 0, il existe O ouvert de R
N
et F ferme de R
N
tels que
F A O et
N
(O F) .
Cette propriete est une consequence du fait que toute mesure sur B(R
N
), nie sur les compacts, est
reguli`ere (proposition 7.5).
Proposition 7.5 (Regularite dune mesure sur B(R
N
), nie sur les compacts)
Soit m une mesure sur B(R
N
) t.q. m(K) < pour tout compact K de R
N
. (Noter que ceci est vrai
pour m =
N
.) Alors :
1. Pour tout A B(R
N
) et pour tout > 0, il existe O ouvert de R
N
et F ferme de R
N
tels que :
F A O et m(O F) . (7.10)
2. Pour tout A B(R
N
), on a m(A) = infm(O), O ouvert t.q. A O.
D emonstration : Cette proposition fait lobjet de lexercice 7.11.
On donne maintenant des generalisations au cas de
N
de proprietes dej`a vues pour .
Proposition 7.6 (Densite de C
c
dans L
1
(R
N
)) Pour tout N 1, lespace C
c
(R
N
, R) est dense dans
L
1
(R
N
) (cest-` a-dire que, pour tout f L
1
(R
N
) et tout > 0, il existe C
c
(R
N
, R) t.q. |f |
1
).
D emonstration : La demonstration de cette proposition fait lobjet de lexercice 7.12, elle decoule
essentiellement de la regularite de
N
. Cette demonstration est tr`es voisine de celle faite pour le cas
N = 1, theor`eme 5.5.
Comme cela a dej`a ete dit apr`es le theor`eme 5.5, le resultat de densite que nous venons denoncer nest
pas limite `a la mesure de Lebesgue. Il est vrai pour toute mesure sur B(R
N
), nie sur les compacts. Il
est aussi vrai en rempla cant C
c
par C

c
. On obtient donc le theor`eme suivant :
203
Theor`eme 7.4 (Densite de C

c
dans L
1
(R
N
)) Soit N 1 et sur une mesure sur B(R
N
), nie sur
les compacts. Alors, lespace C

c
(R
N
, R) est dense dans L
1
(R
N
, B(R
N
), ) (cest-`a-dire que, pour tout
f L
1
(R
N
, B(R
N
), ) et tout > 0, il existe C
c
(R
N
, R) t.q. |f |
1
).
D emonstration : La demonstration de ce theor`eme fait lobjet de lexercice 7.13.
Proposition 7.7 (Invariance par translation)
Soient N 1,
1
, . . . ,
N
R

et
1
, . . . ,
N
R. Pour x = (x
1
, . . . , x
N
)
t
R
N
. On pose (x) =
(
1
x
1
+
1
, . . . ,
N
x
N
+
N
)
t
(de sorte que est une bijection de R
N
dans R
N
). Pour tout A B(R
N
),
on a alors (A) = (x), x A B(R
N
) et
N
((A)) =

N
i=1
[
i
[
N
(A).
Pour
i
= 1 pour tout i, cette propriete sappelle invariance par translation de
N
.
D emonstration : Cette proposition a dej`a ete vue pour N = 1, proposition 2.9. La demonstration de la
proposition 2.9 utilisait , par exemple, le fait que tout ouvert est reunion denombrable dintervalles ouverts
disjoints 2 `a 2 (et la regularite de ). La demonstration proposee ici pour N 1 utilise une recurrence
sur N et la partie unicite du theor`eme 7.1 sur la mesure produit. Elle fait lobjet de lexercice 7.14.
On peut aussi noter que la partie unicite du theor`eme 7.1 peut etre faite (voir la remarque 7.1) avec
le lemme des classes monotones (exercice 2.12). Ce lemme pourrait aussi etre utilise pour demontrer la
proposition 2.9 (au lieu du theor`eme de regularite et du fait que tout ouvert est reunion denombrable
dintervalles ouverts disjoints 2 `a 2).
Proposition 7.8 (Changement de variables simple)
Soient N 1,
1
, . . . ,
N
R

et
1
, . . . ,
N
R. Pour x = (x
1
, . . . , x
N
)
t
R
N
. On pose (x) =
(
1
x
1
+
1
, . . . ,
N
x
N
+
N
)
t
(de sorte que est une bijection de R
N
dans R
N
). Alors :
1. Pour tout f /
+
= /
+
(R
N
, B(R
N
)), on a f /
+
et :
_
fd
N
=
N

i=1
[
i
[
_
(f )d
N
.
2. Pour tout f L
1
= L
1
R
(R
N
, B(R
N
),
N
), on a f L
1
et :
_
fd
N
=
N

i=1
[
i
[
_
(f )d
N
.
D emonstration : La demonstration est une consequence simple de la proposition 7.7. Elle fait lobjet
de lexercice 7.15.
Noter aussi que

N
i=1
[
i
[ est la valeur absolue du determinant de la matrice jacobienne de au point
x. Cette matrice est notee D(x), elle ne depend pas de x pour les applications considerees dans cette
proposition. Cette proposition sera generalisee au theor`eme 7.5.
204
7.5 Convolution
On rappelle que L
1
(R
N
) = L
1
R
(R
N
, B(R
N
),
N
) et que, pour f L
1
(R
N
),
_
fd
N
=
_
f(x)d
N
(x) =
_
f(x)dx (cest-`a-dire que dx signie toujours d
N
(x)).
On note aussi L
1
(R
N
) = L
1
R
(R
N
, B(R
N
),
N
).
Soient f, g L
1
(R
N
). On souhaite denir la fonction convoluee de f et g, cest-`a-dire denir f g par :
f g(x) =
_
f(t)g(x t)dt. (7.11)
La denition de cette fonction necessite les deux conditions suivantes :
1. Il faut que la denition ne depende pas des representants choisis pour f et g.
2. Il faut que, ayant choisi des representants pour f et g, encore notes f et g, la fonction g(x )f()
appartienne `a L
1
(R
N
) (au sens il existe h L
1
(R
N
) t.q. g(x )f() = h p.p.). Ceci nest pas
immediat car, en general, le produit deux fonctions integrables nest pas une fonction integrable.
La condition 1 est satisfaite, car, pour x R
N
, si f, f
1
, g et g
1
sont des fonctions de R
N
dans R, on a :
f = f
1
p.p., g = g
1
p.p. f()g(x ) = f
1
()g
1
(x ) p.p.. (7.12)
(p.p. signiant ici
N
-p.p..) En eet, il sut de remarquer que si f = f
1
p.p. et g = g
1
p.p., il existe
A, B B(R
N
) t.q.
N
(A) =
N
(B) = 0, f = f
1
sur A
c
et g = g
1
sur B
c
. Pour x R
N
, on a alors
f()g(x ) = f
1
()g
1
(x ) sur A
c
B
c
x
= (A B
x
)
c
avec B
x
= x z, z B. On en deduit bien
f()g(x ) = f
1
()g
1
(x ) p.p. car
N
(A B
x
)
N
(A) +
N
(B
x
) =
N
(A) +
N
(B) = 0 (on utilise
ici la propriete dinvariance par translation donnee dans la proposition 7.7).
On en deduit que, si Si f et f
1
[resp. g et g
1
] sont des representants dun meme element de L
1
(R
N
), on
a f(.)g(x .) L
1
(R
N
) si et seulement si f
1
(.)g
1
(x .) L
1
(R
N
) et, si f(.)g(x .) L
1
(R
N
), on a
_
f(t)g(x t)dt =
_
f
1
(t)g
1
(x t)dt.
On montre dans la proposition suivante que la condition 2 est satisfaite pour presque tout x R
N
.
Proposition 7.9 (Convolution) Soient f, g L
1
(R
N
) (que lon confond avec lun de leurs represen-
tants). Alors :
Pour presque tout x R
N
, la fonction g(x )f() appartient `a L
1
(R
N
) (en la confondant avec sa
classe). On pose donc : f g(x) =
_
f(t)g(x t)dt. La fonction f g est donc denie p.p. sur
R
N
.
f g L
1
(R
N
) (au sens il existe h L
1
(R
N
) t.q. f g = h p.p.).
|f g|
1
|f|
1
|g|
1
.
D emonstration : On donne la demonstration pour N = 1 (le cas N > 1 est similaire, en ayant dabord
montre que
2N
=
N

N
).
On choisit des representants de f et g, de sorte que f, g L
1
(R) = L
1
R
(R, B(R), ). On souhaite appliquer
le theor`eme de Fubini (theor`eme 7.3) `a H : R
2
R, denie par H(x, y) = f(y)g(x y), avec les espaces
mesures (E
i
, T
i
, m
i
) = (R, B(R), ) pour i = 1, 2.
205
Comme est -nie, pour appliquer le theor`eme de Fubini, il sut de verier que H est B(R
2
)-mesurable
et que
_
(
_
[H(x, y)[dx)dy < .
On montre dabord que H est B(R
2
)-mesurable. On a H = H
1
avec :
H
1
: (x, y) f(x)g(y), : (x, y) (y, x y).
La fonction H
1
est mesurable de R
2
dans R (car f et g sont mesurables de R dans R, on applique ici la
proposition 7.3) et est mesurable de R
2
dans R
2
car continue (R et R
2
sont toujours munis de leur tribu
borelienne). La fonction H est donc mesurable de R
2
dans R comme composee de fonctions mesurables.
On peut maintenant calculer lintegrale de [H[ :
_
(
_
[H(x, y)[dx)dy =
_
(
_
[f(y)g(x y)[dx)dy =
_
[f(y)[(
_
[g(x y)[dx)dy.
La proposition 7.8 donne
_
[g(x y)[dx =
_
[g(x)[dx = |g|
1
, Donc :
_
(
_
[H(x, y)[dx)dy = |g|
1
_
[f(y)[dy = |g|
1
|f|
1
< .
Le theor`eme de Fubini peut donc sappliquer. Il donne que H(x, ) L
1
(R) pour presque tout x R.
Donc, g(x )f() L
1
(R) pour presque tout x R. Ceci montre bien que f g est denie p.p.. Le
theor`eme de Fubini donne alors aussi que f g L
1
(R) (au sens il existe h L
1
(R) t.q. f g = h p.p.).
Enn pour montrer que |f g|
1
|f|
1
|g|
1
, il sut de remarquer que :
|f g|
1
=
_
[
_
f(y)g(x y)dy[dx
_
(
_
[H(x, y)[dx)dy = |g|
1
|f|
1
.
Remarque 7.5 On a vu precedemment que L
1
(R
N
) muni de laddition (loi de composition interne),
de la multiplication par un scalaire (loi de composition externe) et de la norme | |
1
est un espace de
Banach. Lajout de la convolution (loi de composition interne) conf`ere `a L
1
(R
N
) la structure dalg`ebre
de Banach.
On sait aussi que C
b
(R, R) muni de laddition, de la multiplication interne, de la multiplication par un
scalaire et de la norme de la convergence uniforme | |
u
est aussi une alg`ebre de Banach. En fait, nous
montrerons par la suite quil existe un isomorphisme dalg`ebre, appele transformation de Fourier, entre
L
1
(R
N
) et son image (par cette transformation) dans C
b
(R
N
, R).
Remarque 7.6 On donne ici quelques proprietes supplementaires de la convolution.
Soit N 1. Pour p [1, ], on pose L
p
(R
N
) = L
p
R
(R
N
, B(R
N
), ).
1. Soit f, g L
1
(R
N
). On a alors f g = g f p.p.. Ceci decoule de linvariance par translation de la
mesure de Lebesgue (propositions 7.7 et 7.8) et est demontre dans lexercice 7.19.
2. Soit1 < p < . Soient f L
p
(R
N
) et g L
1
(R
N
). Alors, f g est denie p.p. sur R
N
,
f g L
p
(R
N
) et |f g|
p
|f|
p
|g|
1
. Cette propriete fait lobjet de lexercice 7.21.
3. Soit p, q [1, ] t.q. (1/p) + (1/q) = 1. Soient f L
p
(R
N
) et g L
q
(R
N
). Alors, f g est denie
partout sur R
N
et f g C
b
(R
N
, R), voir lexercice 8.6.
206
4. Soit p [1, ]. Soient f L
p
(R
N
) et g C

c
(R
N
, R). Alors, f g est denie partout sur R
N
et
f g C

(R
N
, R), voir lexercice 7.20.
5. (Regularisation par convolution) Soit f : R
N
R. On dit que f L
1
loc
(R
N
) si f1
K
L
1
(R
N
) pour
tout compact K de R
N
. On suppose que f L
1
loc
(R
N
). Soit k N et g C
k
c
(R
N
, R). Alors, f g
est denie partout sur R
N
et f g C
k
(R
N
, R) (voir lexercice 7.20, noter que L
p
(R
N
) L
1
loc
(R
N
)).
6. Soit f, g L
1
(R
N
). On suppose que f et g sont `a support compact (f `a support compact signie
quil existe K, compact de R
N
t.q. f = 0 p.p. sur K
c
). Alors, la fonction f g est aussi `a support
compact. Ceci fait partie de lexercice 7.19.
La convolution est un outil tr`es utile pour regulariser des fonctions. Elle est `a la base de resultats de
densite fondamentaux que nous verrons dans le chapitre suivant (densite de C

c
(R
N
, R) dans L
p
(R
N
)
pour p < , par exemple).
Il est aussi interessant de generaliser la convolution de fonctions en convolution de mesures. On com-
mence par remarquer quun fonction f dans L
1
loc
(R
N
, B(R
N
),
N
) (voir la remarque 7.6) est enti`erement
determinee par la mesure quelle induit sur B(R
N
), cest-`a-dire par la mesure m denie par m = f
N
.
Ceci est precise dans le lemme suivant (en remarquant que
_
dm =
_
fd
N
pour tout C
c
(R
N
, R)).
Lemme 7.1 Soit N 1 et f, g L
1
loc
(R
N
, B(R
N
),
N
) t.q.
_
fd
N
=
_
gd
N
, pour tout
C
c
(R
N
, R). Alors, f = g p.p..
D emonstration : Soit M N

. On note B
M
la boule (fermee) de centre 0 et rayon M dans R
N
et
h
M
la fonction defnie par :
h
M
(x) = f(x) g(x) si x B
M
et [f(x) g(x)[ M,
h
M
(x) = 0 si x B
M
ou [f(x) g(x)[ > M,
h
M
(x) = 0 si x , B
M
.
On a h
M
L
1
(R
N
, B(R
N
),
N
) (car B
M
est un compact de R
N
). Comme C
c
(R
N
, R) est dense dans
L
1
(R
N
, B(R
N
),
N
) (theor`eme 5.5 pour d = 1 et theor`eme 7.6 pour N 1), il existe une suite (
n
)
nN
t.q.
n
h
M
dans L
1
(R
N
, B(R
N
),
N
) quand n . On peut aussi supposer (quitte `a extraire une
sous suite) que
n
h
M
p.p. (theor`eme 6.2). Enn, en rempla cant
n
par max(min(
n
, M), M) on
obtient :

n
C
c
(R
N
, R) pour tout n N,

n
h
M
p.p.,
[
n
[ M pour tout n N.
Comme
n
C
c
(R
N
, R), on a
_
(f g)
n
d
N
= 0. Le theor`eme de convergence dominee (la domination
est par M1
B
M
[f g[) donne alors
_
h
M
(f g)d
N
= 0. En faisant maintenant tendre M vers linni, le
theor`eme de convergence monotone donne
_
[f g[d
N
= 0, et donc f = g p.p.
Pour que la convolution de mesures soit une generalisation de la convolution de fonctions, on souhaite
que m = (f g)
N
, lorsque m = f
N
et g = g
N
avec f, g L
1
(R
N
, B(R
N
),
N
) (et donc f g
L
1
(R
N
, B(R
N
),
N
)). Noter que m, et m sont des mesures signees.
Soit f, g L
1
(R
N
, B(R
N
),
N
). On pose m = f
N
et g = g
N
. On a, pour tout borelienne bornee de
R
N
dans R (par exemple, C
b
(R
N
, R)),
_
(f g)d
N
=
_
R
d
__
R
d
f(x y)g(y)dy
_
(x)dx.
207
(On rapelle que dx designe d
N
(x)). En utilisant le theor`eme de Fubini (qui sapplique bien ici car
_ _
[f(x y)g(y)(x)[dxdy ||

|f|
1
|g|
1
), puis avec le changement de variable z = x y (pour y
xe) on obtient :
_
(f g)d
N
=
_
R
d
__
R
d
f(x y)(x)dx
_
g(y)dy =
_
R
d
__
R
d
f(z)(z +y)dz
_
g(y)dy.
On a donc :
_
(f g)d
N
=
_
R
N
__
R
N
(z +y)dm(z)
_
d(y) =
_
R
2N
(y +z)d(m)(z, y), (7.13)
o` u la derni`ere egalite decoule de la denition de m . Plus precisement, si m et sont des mesures
nies (cest-` a-dire des applications -additives de B(R
N
) dans R
+
), la derni`ere egalite de 7.13 est donnee
par le troisi`eme item du theor`eme de Fubini (theor`eme 7.3). Si m et sont des mesures signees, on se
ram`ene au cas precedent avec la decomposition de Hahn (proposition 2.6) qui donne m = m
+
m

et
=

. La mesure m est alors denie `a partir de m

.
On est ainsi amene `a denir m en utilisant le deuxi`eme membre de (7.13) pour denir
_
d(m ).
Denition 7.4 Soit N 1 et m, des mesures signees sur B(R
N
). On denit la mesure signee
sur B(R
N
) par :
m (A) =
_
B(R
2N
)
1
A
(x +y)d(m)(x, y) pour tout A B(R
N
).
o` u m = m
+

+
+ m

+
m
+

et m

sont donnees par la decomposition


de Hahn de m et (proposition 2.6).
Le fait que m est une mesure signee sur B(R
N
) est facile (la -additivite de m decoule, par exemple,
du theor`eme de convergence dominee). On deduit de cette denition la proposition suivante.
Proposition 7.10 Soit N 1 et m, des mesures signees sur B(R
N
).
1. On a alors, pour tout borelienne bornee de R
N
dans R (par exemple, C
b
(R
N
, R)) :
_
R
N
d(m ) =
_
B(R
2N
)
(x +y)d(m)(x, y).
2. Si m et sont des probabilites, la mesure m est aussi une probabilite.
3. Si f, g L
1
(R
N
, B(R
N
),
N
), m = f
N
et = g
N
, on a m = (f g)
N
.
D emonstration : Le premier item se demontre, comme souvent, en considerant des fonctions etagees,
puis en ecrivant comme limite de fonctions etagees (bornees par la borne superieure de [[, exercice 7.23).
Le deuxi`eme item est immediat en remarquant que m (A) 0 si m et sont des mesures (positives)
et m (R
N
) = m(R
N
)(R
N
). Enn, le troisi`eme item a ete vu avant la proposition 7.10.
Remarque 7.7 Il aurait aussi ete possible de denir m grace au theor`eme de Riesz dans C
0
(R
N
, R)
(theor`eme 5.4 pour N 1). Si m, sont des mesures signees sur B(R
N
) (ou, directement, des formes
lineaires continues sur C
0
(R
N
, R)). On denit, lapplication L de C
0
(R
N
, R) dans R par :
208
L() =
_
R
N
_
R
N
(x +y)dm(x)d(y), C
0
(R
N
, R). (7.14)
Lapplication L est une forme lineaire continue sur C
0
(R
N
, R). Par le theor`eme de Riesz, il existe donc
une unique mesure de Radon, notee (cest la mesure convoluee de m et ) t.q. :
L() =
_
(s)d(s). (7.15)
7.6 Formules de changement de variables
La proposition 7.8 donne un resultat sur les changements de variables simples. On donne maintenant
une generalisation dans le cas o` u les integrales portent sur des ouverts bornes de R
N
.
Theor`eme 7.5 (Formules de changement de variables)
Soient N 1, U et V des ouverts bornes de R
N
et un C
1
-dieomorphisme de U dans V (i.e. est
une bijection de U dans V , C
1
(U, V ) et
1
C
1
(V, U)). On note D(y) la matrice jacobienne de
en y et Det(D) la fonction y Det(D(y)).
1. Soit f /
+
= /
+
(R
N
, B(R
N
)). Alors, (f )[Det(D)[1
U
/
+
et :
_
V
f(x)dx =
_
U
f((y))[Det(D(y))[dy.
2. Soit f /(R
N
, B(R
N
)) t.q. f1
V
L
1
= L
1
R
(R
N
, B(R
N
)). Alors, (f )[Det(D)[1
U
L
1
et :
_
V
f(x)dx =
_
U
f((y))[Det(D(y))[dy.
D emonstration : Comme est de classe C
1
, il est facile de voir que (f )[Det(D)[1
U
est mesurable si
f est mesurable. La demonstration de litem 1 du theor`eme nest pas faite ici. Elle consiste `a se ramener
par un procede de localisation au cas de changements de variables anes.
Le deuxi`eme item du theor`eme est une consequence facile du premier. En eet, soit f /(R
N
, B(R
N
))
t.q. f1
V
L
1
. En appliquant le premier item `a la fonction [f[ /
+
, on obtient que (f)[Det(D)[1
U

L
1
. Puis en appliquant le premier item `a f
+
et f

et en faisant la dierence, on obtient bien que


_
V
f(x)dx =
_
U
f((y))[Det(D(y))[dy.
Un exemple de changement de variables
On conclut cette section en donnant lexemple des coordonnees polaires pour N = 2.
La fonction f appartient `a /
+
(R
2
, B(R
2
)) (ou `a L
1
R
(R
2
, B(R
2
),
2
)) et on veut calculer (par exemple)
_
B
1
f(x)dx, o` u B
1
est la boule unite (ouverte) de R
2
, en passant en coordonnee polaires.
On a donc B
1
= x R
2
; [x[ < 1, o` u [ [ est la norme euclidienne dans R
2
, cest-`a-dire [x[
2
= x
2
1
+x
2
2
si
x = (x
1
, x
2
)
t
R
2
.
On pose L = (x
1
, 0)
t
, x
1
[0, 1[ et on remarque que
2
(L) = ([0, 1[) (0) = 0. Donc, en posant
V = B
1
L, on a :
_
B
1
f(x)dx =
_
B
1
\L
f(x)dx =
_
V
f(x)dx(=
_
V
fd
2
).
209
On pose aussi U =]0, 1[]0, 2[, de sorte que U et V sont de ouverts bornes de R
2
. Lapplication
: (r, )
t
(r cos , r sin)
t
est alors une bijection de U dans V . Elle est de classe C
1
et son inverse
est de classe C
1
( et
1
sont meme de classe C

). On peut calculer la matrice jacobienne de et son


determinant :
D(r, ) =
_
cos r sin
sin r cos
_
, [Det(D(r, ))[ = r.
On peut donc appliquer le theor`eme 7.5, il donne :
_
B
1
f(x)dx =
_
V
f(x)dx =
_
U
f(r cos , r sin)rd
2
(r, ) =
_
]0,1[]0,2[
f(r cos , r sin)rd
2
(r, )
En appliquant maintenant le theor`eme de Fubini-Tonelli pour evaluer la derni`ere integrale (si f L
1
au
lieu de f /
+
, on raisonne dabord sur [f[ puis on utilise le theor`eme de Fubini), on obtient :
_
B
1
f(x)dx =
_
2
0
(
_
1
0
f(r cos , r sin)rdr)d.
Si f(x) ne depend que de [x[, cest-`a-dire si il existe t.q. f(x) = ([x[), on obtient alors :
_
B
1
f(x)dx = 2
_
1
0
(r)rdr.
En particulier, on voit que f1
B
1
L
1
(R
2
) si et seulement si g L
1
R
(]0, 1[, B(R), ), avec g denie par
g(r) = r(r) pour r ]0, 1[.
Prenons toujours f /
+
(R
2
, B(R
2
)) (ou bien f L
1
R
(R
2
, B(R
2
),
2
)). Le raisonnement que nous venons
de faire pour B
1
peut etre fait pour B
a
= x R
2
; [x[ < a avec a > 0. On obtient alors, pour tout
a > 0 :
_
B
a
f(x)dx =
_
2
0
(
_
a
0
f(r cos , r sin)rdr)d. (7.16)
En prenant a = n, n N

, dans (7.16), on obtient aussi, quand n (avec le theor`eme de convergence


monotone si f /
+
et en raisonnement avec f

si f L
1
) :
_
f(x)dx =
_
2
0
(
_

0
f(r cos , r sin)rdr)d. (7.17)
7.7 Exercices
7.7.1 Mesure produit
Exercice 7.1 Corrige 132 page 441
Montrer que, pour tout n 2, on a B(R
n
) = B(R
n1
) B(R). [Sinspirer de la demonstration faite pour
n = 2 dans lexercice 2.5.]
Exercice 7.2 Corrige 133 page 442
210
Soient E
1
, E
2
deux ensembles, T
1
une tribu sur E
1
et T
2
une tribu sur E
2
. On note E = E
1
E
2
et on
rappelle que T
1
T
2
= A
1
A
2
, A
1
T
1
, A
2
T
2
.
Montrer que lalg`ebre engendree par T
1
T
2
est egale `a lensemble des reunions nies disjointes delements
de T
1
T
2
cest-`a-dire que, pour tout A T(E), A appartient `a lalg`ebre engendree par T
1
T
2
si et
seulement si il existe (A
(p)
)
p=1,...,n
T
1
T
2
t.q. A
(p)
A
(q)
= si p ,= q et A =
n
p=1
A
(p)
.
Exercice 7.3 (Exemple de mesure produit) Corrige 134 page 443
Soit m
1
et m
2
des mesures nies, non nulles, sur (R, B(R)) et t.q. m
1
m
2
(R
2
D) = 0, o` u D =
(x, x), x R. Montrer quil existe a, , R t.q. m
1
=
a
et m
2
=
a
, o` u
a
est la mesure de Dirac
en a.
Exercice 7.4 (Fonction non borelienne dont les traces sont boreliennes) Corrige 135 page 444
Pour B R
2
, on note t(B) lensemble des x
1
R t.q. (x
1
, 0) B. On pose T = B R
2
; t(B) B(R).
Soit ]0,

2
[. Pour x = (x
1
, x
2
)
t
R
2
, on pose g(x) = (x
1
cos x
2
sin, x
1
sin +x
2
cos )
t
.
1. Montrer que T est une tribu contenant B(R
2
).
2. Soit A R t.q. A , B(R). On pose B = A0.
(a) Montrer que B , B(R
2
).
(b) On pose f = 1
B
g. Montrer que la fonction f nest pas une fonction borelienne de R
2
dans R
mais que les fonctions f(x
1
, ) et f(; x
2
) sont boreliennes de R dans R, pour tout x
1
, x
2
R.
7.7.2 Fubini-Tonelli et Fubini
Exercice 7.5 (Contre-exemple au theor`eme de Fubini) Corrige 136 page 444
Soit L
1
= L
1
R
(R, B(R), ). Pour (x, y) R
2
, on pose :
f(x, y) =
_

_
1
(x+1)
2
si x > 0 et x < y 2x

1
(x+1)
2
si x > 0 et 2x < y 3x
0 si x > 0 et y ,]x, 3x[
0 si x 0.
(7.18)
1. Montrer que f : R
2
R est B(R
2
)- mesurable.
2. Montrer que pour tout y R, f(., y) L
1
; on pose (y) =
_
f(x, y)d(x). Montrer que L
1
.
3. Montrer que pour tout x R, f(x, .) L
1
; on pose (x) =
_
f(x, y)d(y). Montrer que L
1
.
4. Montrer que
_
d ,=
_
d ( et sont denies dans les questions precedentes).
5. Pourquoi le theor`eme de Fubini ne sapplique-t-il pas ici ?
Exercice 7.6 (Integrale dune fonction positive) Corrige 137 page 446
Soit (E, T, m) un espace mesure -ni, et f : E R
+
une application mesurable. On pose F = 1
A
avec A = (t, x) R E; 0 < t < f(x).
1. Montrer que F est B(R) T- mesurable
211
2. Montrer que
_
fdm =
_
+
0
m(x E; f(x) > t)dt et que
_
fdm =
_
+
0
m(x E; f(x) t)dt.
[Utiliser le theor`eme de Fubini-Tonelli.]
Exercice 7.7 (Une caracterisation de L
p
) Corrige 138 page 447
On munit R [resp. R
2
] de sa tribu borelienne, notee B(R) [resp. B(R
2
)].
Soit f une application mesurable de R dans R. Pour tout y R
+
, on pose A
y
= x R; [f(x)[ > y.
Pour tout y R

, on pose A
y
= .
1. Montrer que lapplication (x, y)
t
1
A
y
(x) est mesurable de R
2
dans R. [On pourra commencer
par montrer que (x, y)
t
R
2
; [f(x)[ > y est un borelien de R
2
.]
Soit p [1, [. Pour y R, on pose g
p
(y) = [y[
p1
(A
y
) (en convenant que g
p
(0) = 0 si (A
0
) =
).
2. (a) Montrer que lapplication (x, y)
t
[y[
p1
1
A
y
(x) est mesurable positive de R
2
dans R.
(b) Montrer que g
p
est integrable sur R si et seulement si f L
p
R
(R, B(R), ). [On pourra, par
exemple, utiliser le theor`eme de Fubini-Tonelli.]
Exercice 7.8 (Mesure de boules de R
2
)
On consid`ere ici lespace mesure (R
2
, B(R
2
),
2
). Montrer que
2
(x R
2
; [x[ < R) = R
2
pour tout
R > 0.
Exercice 7.9 (A propos de Fubini)
Soit, pour n 1, I
n
= [1 1/n, 1 1/(n + 1)[; on pose
n
= n(n + 1)
I
n
et f(x, y) =

n1
(
n
(x)

n+1
(x))
n
(y).
1. Montrer que f : [0, 1]
2
R est bien denie et mesurable,
2. Montrer que, pour tout x [0, 1], y f(x, y) est integrable sur [0, 1]et que, pour tout y [0, 1],
x f(x, y) est integrable sur [0, 1],
3. Montrer que F : x
_
[0,1]
f(x, y) dy et G : y
_
[0,1]
f(x, y) dx sont integrables sur [0, 1]. Calculer
alors
_
[0,1]
F(x) dx et
_
[0,1]
G(y) dy. Peut on appliquer `a f le theor`eme de Fubini ?
7.7.3 Mesure de Lebesgue sur B(R
N
)
Exercice 7.10 (Proprietes elementaires de
N
) Corrige 139 page 448
Soit N 2. On rappelle que
N
est la mesure de Lebesgue sur B(R
N
).
1. Soit A
1
, . . . , A
N
B(R). Montrer que

N
i=1
A
i
B(R
N
) et
N
(

N
i=1
A
i
) =

N
i=1
(A
i
).
2. Soient
1
, . . . ,
N
R et
1
, . . . ,
N
R t.q.
i
<
i
pour tout i 1, . . . , N. Montrer que

N
(

N
i=1
]
i
,
i
[) =

N
i=1
(]
i
,
i
[).
3. Soit K est un compact de R
N
(noter que K B(R
N
). Montrer que
N
(K) < +.
4. Soit O un ouvert non vide de R
N
. Montrer que
N
(O) > 0.
5. Soit f, g C(R
N
, R). Montrer que f = g p.p. (cest-`a-dire
N
-p.p.) implique f(x) = g(x) pour
tout x R
N
.
212
6. Montrer que C
c
(R
N
, R) L
1
R
(R
N
, B(R
N
),
N
).
Exercice 7.11 (Regularite de
N
) Corrige 140 page 450
Soit m une mesure sur B(R
N
) t.q. m(K) < pour tout compact K de R
N
. (noter que ceci est vrai
pour m =
N
.)
1. SoientA B(R
N
) et > 0. Montrer quil existe O ouvert de R
N
et F ferme de R
N
tels que :
F A O et m(O F) .
2. Soit A B(R
N
). Deduire de la question precedente que m(A) = infm(O), O ouvert t.q. A O.
[On pourra sinspirer de la demonstration de la regularite dune mesure sur B(R), nie sur les compacts
(theor`eme 2.3).]
Exercice 7.12 (Densite de C
c
dans L
1
(R
N
))
Soit N 1. Montrer que lespace C
c
(R
N
, R) est dense dans L
1
(R
N
) (cest-`a-dire que, pour tout f
L
1
(R
N
) et tout > 0, il existe C
c
(R
N
) t.q. |f |
1
). [Sinspirer de la demonstration faite pour
le cas N = 1, theor`eme 5.5.]
Exercice 7.13 (Densite de C
c
et C

c
dans L
1
) Corrige 141 page 452
Soit d 1 et une mesure sur les boreliens de R
d
. On suppose que verie les deux proprietes suivantes :
(p1) est est nie sur les compacts de R
d
, cest-`a-dire que (K) < + si K est un compact de R
d
,
(p2) est reguli`ere, cest-`a-dire que pour tout A B(R
d
) et tout > 0, il existe O ouvert et F ferme
t.q. F A O et (O F) .
En fait, la propriete (p1) entrane la propriete (p2) (voir la proposition 7.5) mais cette demonstration
nest pas demandee ici.
On note L
1

lespace L
1
R
(R
d
, B(R
d
), ). Pour f L
1

, on note |f|
1
=
_
[f[d. Enn, pour x R
d
, on
note [x[ la norme euclidienne de x.
1. Soit C
c
(R
d
, R) (cest-`a-dire continue de R
d
dans R et `a support compact). Montrer que
L
1

.
2. Soit K un compact de R
d
et > 0. Pour x R
d
, on pose (x) =
(d(x,K))
+

avec d(x, K) =
inf[x y[, y K. Montrer que C
c
(R
d
, R) et que (x) = 1 si x K.
3. Soit A B(R
d
) t.q. (A) < +.
(a) Soit > 0, montrer quil existe O ouvert et K compact t.q. K A O et (O K) .
(b) Soit > 0. Montrer quil existe C
c
(R
d
, R) t.q. | 1
A
|
1
.
4. Soit f une fonction borelienne positive de R
d
dans R. On suppose que f L
1

. Soit > 0. Montrer


quil existe C
c
(R
d
, R) t.q. |f |
1
. [On pourra approcher f par une fonction etagee.]
5. (Densite.) Soit f L
1

et > 0.
(a) Montrer quil existe C
c
(R
d
, R) t.q. |f |
1
.
213
(b) Montrer quil existe C

c
(R
d
, R) t.q. |f |
1
. [On pourra montrer que, si
C
c
(R
d
, R), on a |
n
|
1
0, quand n , avec
n
=
n
et (
n
)
nN
une famille
regularisante, voir la denition 8.4.]
6. (Continuite en moyenne ?)
(a) Soit C
c
(R
d
, R). Montrer que |( +h) |
1
0 quand h 0.
(b) Montrer, en donnant un exemple (cest-`a-dire en choisissant convenablement f et ) quon
peut avoir f L
1

et |f( +h) f|
1
,0 quand h 0.
7. On suppose maintenant que est un ouvert de R
d
et que est une mesure sur les boreliens de
, nie sur les sous ensembles compacts de . Indiquer bri`evement comment on peut montrer la
densite de C
c
(, R) et C

c
(, R) dans L
1
R
(, B(), ).
Exercice 7.14 (Invariance par translation de
N
) Corrige 142 page 453
Soient N 1,
1
, . . . ,
N
R

et
1
, . . . ,
N
R. Pour x = (x
1
, . . . , x
N
)
t
R
N
, on pose (x) =
(
1
x
1
+
1
, . . . ,
N
x
N
+
N
)
t
, de sorte que est une bijection de R
N
dans R
N
.
1. Soit A B(R
N
), montrer que (A) = (x), x A B(R
N
).
2. Montrer que
N
((A)) =

N
i=1
[
i
[
N
(A) pour tout A B(R
N
). [On pourra faire une recurrence
sur N : La proposition 2.9 donne le resultat pour la mesure de Lebesgue sur B(R), notee . On
suppose que le resultat est vrai pour
N1
(et pour toute famille
1
, . . . ,
N1
R

,
1
, . . . ,
N1

R). On le demontre alors pour
N
en posant m(A) = (

N
i=1
[
i
[)
1

N
((A)) et en montrant que
m est une mesure sur B(R
N
) egale `a
N
sur B(R
N1
) B(R). On utilise pour conclure la partie
unicite du theor`eme 7.1 sur la mesure produit.]
Exercice 7.15 (Changement de variables simple) Corrige 143 page 455
Soient N 1,
1
, . . . ,
N
R

et
1
, . . . ,
N
R. Pour x = (x
1
, . . . , x
N
)
t
R
N
. On pose (x) =
(
1
x
1
+
1
, . . . ,
N
x
N
+
N
)
t
(de sorte que est une bijection de R
N
dans R
N
).
1. Soit f c
+
= c
+
(R
N
, B(R
N
)), montrer que f c
+
et que
_
fd
N
=

N
i=1
[
i
[
_
(f )d
N
.
[Utiliser lexercice 7.14.]
2. Soit f /
+
= /
+
(R
N
, B(R
N
)), montrer que f /
+
et que
_
fd
N
=

N
i=1
[
i
[
_
(f )d
N
.
3. Soit f L
1
= L
1
R
(R
N
, B(R
N
),
N
), montrer que f L
1
et que
_
fd
N
=

N
i=1
[
i
[
_
(f )d
N
.
Exercice 7.16 (Primitives de fonctions L
p
) Corrige 144 page 456
Soit p [1, [. On note L
p
= L
p
R
(]0, 1[, B(]0, 1[), ). Soit f, g L
p
. On denit F et G de [0, 1] dans R
par :
F(x) =
_
x
0
f(t)dt (=
_
]0,x[
fd), G(x) =
_
x
0
g(t)dt (=
_
]0,x[
gd), pour tout x [0, 1].
1. Montrer que F et G sont des fonctions continues et quil existe C R t.q. [F(y) F(x)[
C[y x[
1
1
p
et [G(y) G(x)[ C[y x[
1
1
p
, pour tous x, y [0, 1], x < y.
2. On suppose p > 1. Soit n N

et k 0, . . . , n 1. Montrer que, pour tout x [


k
n
,
k+1
n
], on a
(F(x), G(x)) A
n,k
B
n,k
, o` u A
n,k
et B
n,k
sont des intervalles de R (independants de x) dont les
longueurs tendent vers 0 quand n . [Utiliser la question 1.]
214
3. On suppose p > 2. Montrer que E = (F(x), G(x)); x [0, 1] est une partie negligeable de R
2
(muni de la mesure de Lebesgue sur les boreliens de R
2
). [En utilisant une majoration convenable
des longueurs de A
n,k
et B
n,k
, inclure E (pour tout n N) dans une partie de R
2
dont la mesure
de Lebesgue tend vers 0 quand n .]
Exercice 7.17 (Lemme de Comparaison)
Soit une fonction decroissante de R

+
dans R
+
, on denit lapplication de B(R) B(R) dans R
+
par:
(A, B) =
_ _
AB
([x y[)dxdy.
Soient A, B B(R), a = (A), b = (B) ( est la mesure de Lebesgue) et , R, < b tels que
A [, ] et B [, ]. Montrer que
(A, B) ([, +a], [ b, b]).
Exercice 7.18
Soit : R
2
R B(R
2
)-mesurable. Pour x R, on pose : f

(x) = (x, x).


1. Montrer que f

est B(R)-mesurable.
2. Soient et : R
2
R B(R
2
)-mesurables. Montrer que =
2
-p.p. , f

= f

-p.p.. (
2
est
la mesure de Lebesgue sur B(R
2
) dont on suppose lexistence).
3. Soient et : R
2
R B(R
2
)-mesurables t.q. :
(a) (x, .) et (x, .) sont continues p.p. en x R
(b) (, .y) et (., y) sont mesurables pour tout y R
(Ces fonctions sont dites de Caratheodory.)
(a) Montrer que et sont B(R
2
)-mesurables.
(b) Montrer que =
2
-p.p. (x, .) = (x, .) partout, p.p. en x R. En deduire que si
=
2
-p.p, alors f

= f

-p.p..
7.7.4 Convolution
Exercice 7.19 (Proprietes elementaires de la convolution) Corrige 145 page 457
Soit f, g L
1
(R
N
) = L
1
R
(R
N
, B(R
N
),
N
).
1. Montrer que f g = g f p.p.. [Utiliser linvariance par translation de la mesure de Lebesgue et sa
consequence pour les changements de variables simples (propositions 7.7 et 7.8).]
2. On suppose que f et g sont `a support compact (f `a support compact signie quil existe K, compact
de R
N
, t.q. f = 0 p.p. sur K
c
). Montrer que la fonction f g est alors aussi `a support compact.
[On designe par B(0, ) la boule ouverte de centre 0 et de rayon . Comme f et g sont `a support
compact, il existe a et b R
+
tels que f = 0 p.p. sur B(0, a)
c
et g = 0 p.p. sur B(0, b)
c
. Montrer
que f g = 0 p.p. sur B(0, a +b)
c
.]
Exercice 7.20 (Convolution L
p
C

c
) Corrige 146 page 459
215
Soit 1 p . Soit f L
p
(R
N
) = L
p
R
(R
N
, B(R
N
),
N
) (ou f L
1
loc
(R
N
)) et C

c
(R
N
, R). On
pourra se limiter au cas N = 1.
1. Montrer que pour tout x R
N
, la fonction f()(x ) appartient `a L
1
(R
N
). On pose alors
f (x) =
_
f()(x )d
N
.
2. Montrer que f C

(R
N
, R).
3. On suppose maintenant que f est `a support compact, cest `a dire quil existe un compact de R,
note K, t.q. f = 0 p.p. sur K
c
, montrer que f est aussi `a support compact.
Exercice 7.21 (Inegalite de Young) Corrige 147 page 460
Soient 1 < p < +, f L
1
R
(R
N
, B(R
N
),
N
) et g L
p
R
(R
N
, B(R
N
),
N
). Montrer que f g est
denie p.p., f g L
p
R
(R
N
, B(R
N
),
N
) et |f g|
p
|f|
1
|g|
p
. [Ecrire
_
(
_
[f(x y)g(y)[dy)
p
dx =
_
(
_
[f(x y)[
1
q
[f(x y)[
1
p
[g(y)[dy)
p
dx, avec q =
p
p1
. Appliquer linegalite de Holder puis le theor`eme
de Fubini-Tonelli].
Exercice 7.22 (Iterations de convolution)
Soient L
1
= L
1
R
(R, B(R), ) et f L
1
t.q. f = 0 p.p. sur R

. On denit, pour n N

, f
n
par : f
1
= f
et f
n
= f
(n1)
f pour n 1. Pour 0, on pose : g() =
_
+
0
e
t
[f(t)[dt.
1. (a) Montrer que f
n
est bien denie pour tout n N

, et que f
n
= 0 sur R

.
(b) Montrer, par recurrence sur n, que
_
+
0
e
t
[f
n
(t)[dt (g())
n
, pour tout 0 et tout
n 1.
(c) En deduire que
_
x
0
[f
n
(t)[dt e
x
(g())
n
, pour tout 0 tout n 1 et tout x 0.
2. Soit h C
b
(R, R). Montrer que h f(x) est denie pour tout x R et que h f C
b
(R, R).
Remarquer de meme que h f
n
C
b
(R, R). On suppose maintenant que, h = 0 sur R

; montrer
que, pour tout x R, h f
n
(x) 0 quand n +.
Exercice 7.23 Soient et des mesures sur lespace mesurable (R, B(R)). On denit par :
(A) =
_
R
2
1
A
(x +y)d(x)d(y).
1. Montrer que est une mesure.
2. Montrer que si et sont des probabilites, alors est une probabilite.
3. Montrer que si et sont des mesures de densites respectives f et g (par rapport `a Lebesgue),
alors est une mesure de densite f g.
7.7.5 Changement de variables
Exercice 7.24 (Fonction Gamma)
Pour tout x > 0, on pose (x) =
_

0
t
x1
e
t
dt.
216
1. Montrer que (x + 1) = x(x) pour tout x > 0. En deduire que (n) = (n 1)! pour tout entier
n 1.
2. Calculer (
1
2
). On pourra utiliser
_

0
e
x
2
dx =

2
.
3. Montrer que est de classe (

sur ]0, [ et que


(n)
(x) =
_

0
(lnt)
n
t
x1
e
t
dt, pour tout n 1.
Exercice 7.25 (Calcul dun volume)
Calculer le volume de E o` u E = (x, y, z) [0, 1]
3
; z 4xy.
Exercice 7.26 Corrige 148 page 461
1. Verier que si n 1
_
n
0
sinx
x
dx =
_
n
0
(
_

0
e
xt
dt) sinxdx.
2. Calculer F
n
(t) =
_
n
0
e
xt
sinxdx (t 0).
3. Calculer lim
n+
_

0
F
n
(t)dt. (F
n
est denie `a la question precedente.)
4. En deduire que lim
n+
_
n
0
sinx
x
dx =

2
.
Exercice 7.27 (Coordonnees polaires) Corrige 149 page 463
1. Calculer
_
(R
+
)
2
e
(x
2
+y
2
)
dxdy (on rappelle que dxdy designe d
2
(x, y)). [On pourra utiliser le
passage en coordonnees polaires.]
2. Calculer
_
R
+
e
x
2
dx.
Exercice 7.28
Soient = (x, y) [ 1 < x
2
+ 4y
2
< 4 , x > 0 , y > 0, G = (x, y) [ y < x,

= (x

, y

) [ 1 < x

<
4 , 0 < y

et G

< 1.
1. Montrer quil existe un dieomorphisme T :

tel que T(G) = G

.
2. Soit f(x, y) =
x
2
4y
2
4x
2
si x ,= 0 et f(0, y) = 0. Montrer que f est borelienne sur R
2
, integrable sur
G et calculer son integrale. f est-elle integrable sur ?
Exercice 7.29 (Sur volume de la boule unite dans R
N
)
On note C
N
le volume de la boule unite dans R
N
. Montrer que, si > 0 et B
N
() designe la boule de
centre 0 et de rayon dans R
N
, on a
N
(B
N
()) =
N
C
N
. En deduire la relation de recurrence suivante:
C
N+1
= C
N
_
1
0
(1 u)
N/2
u
1/2
du.
Exercice 7.30 (Sur volume de la boule unite dans R
N
, suite)
On appelle fonction eulerienne de premi`ere esp`ece la fonction B :]0, [
2
R denie par B(p, q) =
_
1
0
t
p1
(1 t)
q1
dt.
217
1. Montrer que B est bien denie et (
1
sur ]0, [
2
.
2. Montrer que B(p, q) = 2
_
/2
0
sin()
2p1
cos()
2q1
d =
_

0
2u
2p1
(1+u
2
)
p+q
du. En deduire B(1/2, 1/2).
3. Montrer que B(p, q) =
(p)(q)
(p+q)
[on pourra calculer (p)(q) en introduisant le dieomorphisme
(t, v) = (tv, t(1 v))]. En deduire (1/2).
4. Calculer, en fonction de , les constantes C
N
de lexercice precedent.
Exercice 7.31 (Cordonnees polaires dans R
N
) Corrige 150 page 464
On note S
N1
la sph`ere de centre 0 et rayon 1 dans R
N
(i.e. S
N1
= x R
N
[ [x[ = 1, o` u [.[ designe
la norme euclidienne usuelle). Pour A S
N1
, on pose

A = tx, t [0, 1] , x A.
Montrer que si A est un borelien de S
N1
, alors

A est un borelien de R
N
.
On denit alors, quand A est un borelien de S
N1
, (A) = N
N
(

A). Montrer que denit une mesure


sur les borelien de S
N1
.
Montrer que, pour tout f : R
N
R mesurable positive ou integrable on a
_
R
N
f(x) dx =
_

0
__
S
N1
f() d()
_

N1
d.
Trouver alors les R tels que x [x[

soit integrable sur R


N
B
1
ou sur B
1
, avec B
1
= x R
N
;
[x[ 1.
Exercice 7.32 (Changement de variables W
1,1
croissant) Corrige 151 page 466
Soit f L
1
R
(R, B(R), ) t.q. f > 0 p.p.. Pour x R, on pose (x) =
_
x

f(t)dt. (On rappelle que, pour


a < b,
_
b
a
f(t)dt designe
_
1
]a,b[
fd.)
1. Montrer que C(R, R) et que est strictement croissante.
On note I
m
limage de (I
m
est donc un intervalle dont les bornes sont 0 et
_
fd) et on note
: I
m
R la fonction inverse de ( est donc continue de I
m
dans R).
On rappelle que si I est un intervalle de R et B(I) est sa tribu borelienne, on a B(I) = T(I) B(R).
Pour A R, on note (A) = (x), x A. Pour A I
m
, on note (A) = (x), x A.
2. Montrer que (A), A B(R) = B(I
m
) et que (A), A B(I
m
) = B(R).
3. Soit I un intervalle de R. Montrer que ((I)) =
_
I
fd.
4. Soit O un ouvert de R. Montrer que ((O)) =
_
O
fd. En deduire que, pour tout > 0 il existe
> 0 t.q. :
O ouvert, (O) ((O)) .
5. Soit A B(R). Montrer que ((A)) =
_
A
fd. [On pourra, par exemple, utiliser la regularite de
et la question precedente.]
6. Soit a, b R t.q. a < b.
218
(a) Soit B B(R). On pose g = 1
B
. Montrer que :
_
(b)
(a)
g(t)dt =
_
b
a
g((s))f(s)ds. (7.19)
[Prendre A = (B I
m
)]a, b[ et utiliser la question precedente.]
(b) Montrer que (7.19) est encore vraie pour g c
+
(R, B(R)), puis pour g /
+
(R, B(R)).
(c) Soit g : R R mesurable. On suppose que g1
](a),(b)[
L
1
R
(R, B(R), ). Montrer g
f1
]a,b[
L
1
R
(R, B(R), ) et que (7.19) est vraie.
NB: On peut montrer que est derivable p.p. et que

= f p.p.. La formule (7.19) est alors la


formule habituelle de changement de variable. Noter aussi que la fonction , restreinte `a lintervalle ]a, b[,
appartient `a un espace appele W
1,1
(]a, b[) (ce qui explique le titre de lexercice).
219
Chapter 8
Densite, separabilite, et compacite
dans les espaces L
p
()
Tout ce chapitre est consacre aux espaces L
p
R
(, B(),
N
) o` u un ouvert de R
N
, N 1, B() est la
tribu borelienne de ,
N
designe la restriction `a B() de la mesure de Lebesgue sur B(R
N
) (aussi notee

N
) et 1 p .
On notera toujours L
p
() = L
p
R
(, B(),
N
).
8.1 Theor`emes de densite pour les espaces L
p
()
8.1.1 Densite des fonctions C
c
(, R) dans L
p
()
Denition 8.1 Soient N 1, un ouvert de R
N
et f une fonction denie de dans R. On dit que f
est `a support compact (dans ) si il existe un compact K tel que f = 0 sur K.
On note souvent supp(f) ladherence dans de lensemble des x t.q. f(x) ,= 0. On peut montrer
que f est `a support compact si et seulement si supp(f) est compact.
Denition 8.2 Soient N 1, un ouvert de R
N
et f une fonction denie de dans R. On dit que
f C

c
(, R) si
1. f est de classe C

(de dans R).


2. f est `a support compact (dans ).
On note aussi T() = C

c
(, R).
Remarque 8.1 Si N = 1 et =]0, 1[, la fonction f denie par f(x) = x(x 1) est de classe C

sur ,
mais elle nest pas `a support compact. En eet, il nexiste pas de compact inclus dans ]0, 1[ t.q. f soit
nulle en dehors de ce compact.
Par contre, si f est de classe C

sur ]0, 1[ et si il existe > 0 tel que f(x) = 0 pour x ]0, [ et pour
x ]1 , 1[, alors f C

c
(, R).
220
Theor`eme 8.1 (Densite de C
c
(, R) dans L
p
()) Soient N 1, p [1, +[ et un ouvert de R
N
(par exemple, = R
N
). Alors :
C
c
(, R) est dense dans L
p
() cest-`a-dire :
f L
p
(), > 0, C
c
(, R) t.q. |f |
p
. (8.1)
D emonstration : La demonstration de ce resultat est faite dans lexercice 6.4 pour le cas = R. La
generalisation donnee ici se demontre de mani`ere tr`es voisine (grace au resultat de regularite, proposition
7.5), voir lexercice 8.1.
Une consequence importante du theor`eme 8.1 est la continuite en moyenne que lon donne maintenant.
Theor`eme 8.2 (Continuite en moyenne) Soient N 1, p [1, +[,et f L
p
(R
N
). Alors, |f( +
h) f|
p
0 quand h 0, cest-`a-dire :
_
[f(x +h) f(x)[
p
dx 0, quand h 0.
D emonstration : La demonstration est ici encore tr`es similaire `a la demonstration vue pour N = 1
dans lexercice 6.4, elle est proposee dans lexercice 8.2.
Remarque 8.2 (Attention `a L

!) Les deux resultats precedents sont faux dans L

. Considerer par
exemple le cas N = 1 et la fonction f = 1
R
+
(qui appartient `a L

(R), en confondant f avec sa classe).


On peut montrer que (voir lexercice 8.3) :
1. C(R, R), |f |


1
2
.
2. h > 0, |f( +h) f|

= 1.
8.1.2 Regularisation par convolution
Si a R
+
, on note B
a
la boule fermee de centre 0 et de rayon a de R
N
.
Denition 8.3 (L
1
loc
)
Soient N 1 et un ouvert de R
N
. Soit f : R. On denit que f est localement integrable sur
si f1
K
L
1
() (au sens il existe g L
1
() t.q. f = g p.p. sur K) pour tout compact K .
On note L
1
loc
()(= L
1
loc
(, B(),
N
)) lensemble des fonctions localement integrables sur .
Remarque 8.3 Soient N 1 et un ouvert de R
N
. Pour tout p tel que 1 p +, on a L
p
()
L
1
loc
() (ceci est une consequence immediate du resultat dinclusion entre les espaces L
p
, proposition 6.8).
Denition 8.4 (Famille regularisante) Soit N 1 et soit C

c
(R
N
, R) t.q. 0, x R
N
;
(x) ,= 0 B
1
et
_
(x)dx = 1. On appelle famille regularisante (ou famille de noyaux regularisants)
la famille de fonctions (
n
)
nN
C

c
(R
N
, R) denie par :
n
(x) = n
N
(nx), x R
N
, n N

.
Remarque 8.4 Dans la denition precedente, il est facile de verier que x R
N
;
n
(x) ,= 0 B1
n
et
_

n
(x)dx = 1
Il existe bien des fonctions veriant les proprietes demandees pour dans la denition 8.4. Pour N = 1,
par exemple, il sut de prendre (x) = exp(
1
x
2
1
) pour x ] 1, 1[ et (x) = 0 pour x ,] 1, 1[, avec
> 0 choisi pour avoir
_
(x)dx = 1.
221
Lemme 8.1 Soient N 1, (
n
)
nN
une famille regularisante et f L
1
loc
(R
N
). Alors, f
n
est denie
partout sur R
N
et f
n
C

(R
N
, R). De plus, si il existe a > 0 t.q. f = 0 p.p. sur B
c
a
, on a alors
f
n
= 0 sur B
c
a+
1
n
(f
n
est donc ` a support compact).
D emonstration : La demonstration du fait que f
n
C

(R
N
, R) est donnee dans lexercice 7.20. La
seconde partie est donnee dans les exercices 7.20 et 7.19. Lindication de la seconde question de lexercice
7.19 donne le support indique ici pour f
n
.
Proposition 8.1 Soient N 1, (
n
)
nN
une famille regularisante. Soient p [1, +[ et f L
p
(R
N
).
Alors, f
n
f dans L
p
(R
N
) lorsque n +.
D emonstration : La demonstration est une consequence du theor`eme de continuite en moyenne (theo
r`eme 8.2).
On choisit un representant de f, encore note f. Pour n N

, on pose f
n
= f
n
. Pour x R
N
, on a :
f
n
(x) f(x) =
_
f(x y)
n
(y)dy f(x)
_

n
(y))dy =
_
(f(x y) f(x))
n
(y)dy,
et donc :
[f
n
(x) f(x)[
p
(
_
[f(x y) f(x)[
n
(y)dy)
p
.
Pour p > 1, on utilise linegalite de Holder en ecrivant
n
=
1
p
n

1
q
n
(avec q = p/(p 1)) et on obtient (ce
qui est aussi immediatement vrai pour p = 1) :
[f
n
(x) f(x)[
p

_
[f(x y) f(x)[
p

n
(y)dy(
_

n
(y)dy)
p
q
=
_
[f(x y) f(x)[
p

n
(y)dy. (8.2)
On remarque maintenant que lapplication (x, y)
t
(f(y) f(x)) est mesurable de R
2
dans R (munis de
leur tribu borelienne), ceci est une consequence (par exemple) de la proposition 7.3 et de la mesurabilite
de la somme dapplications mesurables. Lapplication (x, y)
t
(x, x y) est mesurable de R
2
dans R
2
(car continue). Par composition, lapplication (x, y)
t
(f(xy) f(x)) est donc mesurable de R
2
dans
R. On en deduit, en utilisant une nouvelle fois la mesurabilite de la composee dapplications mesurables
(et du produit dapplications mesurables), que (x, y)
t
[f(x y) f(x)[
p

n
(y) est mesurable (positive)
de R
2
dans R.
On peut donc appliquer le theor`eme de Fubini-Tonelli pour deduire de (8.2) que :
_
[f
n
(x) f(x)[
p
dx
_
(
_
[f(x y) f(x)[
p

n
(y)dy)dx =
_
(
_
[f(x y) f(x)[
p

n
(y)dx)dy =
_
B1
n
|f( y) f|
p
p

n
(y)dy.
(8.3)
On utilise maintenant le theor`eme 8.2. Soit > 0. Il existe > 0 t.q. :
h R
N
, [h[ |f( h) f|
p
.
On deduit donc de (8.3) que :
1
n
|f
n
f|
p
.
222
Ce qui termine la demonstration.
Le deux resultats precedents permettent de demontrer le theor`eme de densite suivant :
Theor`eme 8.3 Soient N 1 et p [1, +[, C

c
(R
N
, R) est dense dans L
p
(R
N
).
D emonstration : La demonstration proposee ici utilise une methode dite de troncature et regularisa-
tion.
Pour f L
p
(R
N
), on dit que f est `a support compact si il existe K compact de R
N
t.q. f = 0 p.p. sur
K
c
. On note A lensemble des f L
p
(R
N
) `a support compact.
Etape 1. On montre dans cette etape que A est dense dans L
p
(R
N
). Soit f L
p
(R
N
). Pour n N,
on pose f
n
= f1
B
n
. Comme f
n
f p.p. quand n et [f
n
[ [f[ p.p. (pour tout n N), on peut
appliquer le theor`eme de convergence dominee dans L
p
(on utilise ici le fait que p < ). Il donne que
f
n
f dans L
p
(R
N
) quand n . Comme (f
n
)
nN
A, on a bien montre la densite de A dans
L
p
(R
N
).
Etape 2. Soit maintenant f A. Pour conclure la demonstration, il sut de montrer quil existe une
suite (f
n
)
nN
C

c
(R
N
, R) t.q. f
n
f dans L
p
(R
N
) quand n . Or cette suite est donne avec
f
n
= f
n
o` u (
n
)
nN
est une famille regularisante. En eet, le lemme 8.1 donne que (f
n
)
nN

C

c
(R
N
, R) et la proposition 8.1 donne que f
n
f dans L
p
(R
N
) quand n .
On rappelle (remarque 8.2) que C
c
(R
N
, R) (et donc aussi C

c
(R
N
, R)) nest pas dense dans L

(R
N
). Il
est interessant aussi de remarquer que le theor`eme precedent (theor`eme 8.3) est encore vrai si on remplace
la mesure de Lebesgue par une mesure sur les boreliens de R
N
(N 1), nie sur les compacts. Toutefois
la demonstration donnee ici doit alors etre modiee. Ceci est fait dans lexercice 7.13 pour p = 1 (et la
generalisation pour traiter tous les cas p [1, [ est assez simple).
8.1.3 Densite de C

c
(, R) dans L
p
()
On a aussi un resultat de densite pour les fonctions denies sur un ouvert de R
N
.
Theor`eme 8.4 (Densite de T() dans L
p
()) Soient N 1, p [1, +[ et un ouvert de R
N
.
Alors, T() = C

c
(, R) est dense dans L
p
().
D emonstration : Pour ,= R
N
, on pose K
n
= x R
N
; d(x,
c
)
1
n
B
n
si n N

.
Soient f L
p
() et > 0. On remarque dabord (en utilisant, comme pour le theor`eme precedent, le
theor`eme de convergence dominee dans L
p
) que f1
K
n
f dans L
p
() quand n . On peut donc
choisir n
0
N

t.q. |f f
n
0
|
p
.
On pose maintenant g = f
n
0
. On peut considerer que g L
p
(R
N
) et on a g = 0 p.p. sur K
c
avec
K = K
n
0
. En prenant une famille regularisante, (
n
)
nN
, le lemme 8.1 et la proposition 8.1 donnent que
g
n
g dans L
p
(R
N
) quand n et (g
n
)
nN
C

c
(R
N
, R). Il sut alors de remarquer que la
restriction de g
n
`a est `a support compact dans d`es que n > n
0
pour conclure la demonstration.
Ici aussi, le theor`eme 8.4 est encore vrai si on remplace la mesure de Lebesgue par une mesure sur
les boreliens de , nie sur les compacts. La demonstration donnee ici doit alors etre modiee (voir
lexercice 7.13).
223
8.2 Separabilite de L
p
()
Proposition 8.2 Soient N 1, un ouvert de R
N
et p tel que 1 p < +. Alors, lespace L
p
() est
separable.
D emonstration : La demonstration est lobjet de lexercice 8.4 (et de 6.5 pour le car = R).
Les espaces du type L

ne sont, en general, pas separables. Lexercice 8.5 montre que, par exemple,
L

R
(R, B(R), ) nest pas separable.
8.3 Compacite dans les espaces L
p
()
Soit E un espace vectoriel norme et A une partie de E ; on rappelle que A est (sequentiellement) compact
si de toute suite delements de A on peut extraire une sous-suite qui converge. Notons que cette notion
de compacite sequentielle est equivalente `a la notion ce compacite de Borel -Lebesgue (i.e. de tout
recouvrement de A par des ouverts on peut extraire un sous-recouvrement ni) d`es que E est un espace
metrique (ce qui est notre cas, car E est un espace vectoriel norme).
Une partie A de E est dite relativement compacte si son adherence est compacte (ou encore si il existe
un compact K de E tel que A K).
Dans le cas o` u E est un espace de dimension nie, A est compacte si et seulement si A est fermee bornee,
et A est relativement compacte si et seulement si A est bornee.
Ces deux caracterisations sont fausses si dim(E) = +. On sait par le theor`eme de Riesz que la boule
unite fermee dun evn E est compacte si et seulement si la dimension de E est nie.
On sinteresse ici au cas E = L
p
() ( ouvert non vide de R
N
), espace vectoriel norme de dimension
innie, et on voudrait caracteriser les parties relativement compactes ; en particulier, etant donnee une
suite de fonctions de L
p
(), sous quelles hypoth`eses peut-on en extraire une sous-suite qui converge ? Une
condition necessaire evidente est que la partie consideree soit bornee (une partie relativement compacte
est toujours bornee). La deuxi`eme condition est, pour 1 p < + et bornee, que la partie soit
equicontinue en moyenne, au sens precise dans le theor`eme suivant :
Theor`eme 8.5 (Kolmogorov) Soit B(R
N
) et 1 p < + ; on consid`ere ici lespace mesure
(E, T, m) = (, B(R
N
),
N
). Soit A L
p
() ; A est relativement compacte si et seulement si :
1. Il existe C R t.q. |f|
p
C pour tout f A,
2. la partie A est equicontinue en moyenne, cest-`a-dire que pour tout > 0, il existe > 0 t.q. :
pour tout f A, [h[ |

f( +h)

f|
p
,
3. la partie A est equi-petite `a linni, cest-` a-dire que pour tout > 0, il existe a R
+
, t.q.
_
B
c
a
[

f[
p
dm pour tout f A,
o` u

f est la prolongee de f par 0 en dehors de .
La demonstration de ce theor`eme se fait en utilisant la densite de lespace de fonctions C
c
(, R) dans
L
p
(), et le theor`eme dAscoli, que nous rappelons ici :
224
Theor`eme 8.6 (Ascoli) Soient K une partie compacte de R et A une partie de lespace vectoriel
C(K, R) muni de la norme uniforme ; A est relativement compacte si et seulement si A est bornee
et uniformement equicontinue, i.e. > 0, > 0 ; x, y K, [x y[ [f(x) f(y)[ ,
f A.
Corollaire 8.1 Soient B(R
N
), 1 p < + et (f
n
)
nN
L
p
(). On suppose que la famille
A = f
n
, n N verie les conditions 1, 2 et 3 du theor`eme de Kolmogorov. On peut alors extraire
de (f
n
)
nN
une sous-suite, notee (f
(n)
)
nN
, et il existe f L
p
() t.q. f
(n)
f dans L
p
() quand
n .
8.4 Propriete de compacite faible
On a introduit au chapitre 6 la convergence faible dans le dual dun espace de Banach. On a une
propriete de compacite tr`es utile lorsque lespace de Banach considere est separable :
Proposition 8.3 (Compacite faible- sequentielle des bornes du dual dun separable)
Soit F un espace de Banach separable et F

son dual topologique ; soit (T


n
)
nN
une suite bornee de F

;
alors il existe une sous-suite (T
n
k
)
kN
et T F

t.q. la sous-suite (T
n
k
)
kN
converge vers T dans F

pour
la topologie faible (i.e. T
n
k
(u) T(u) (dans R) pour tout element u de F.)
D emonstration : procede diagonal. . .
Cette propriete sapplique donc aux suites bornees de L

() ; en eet, grace au theor`eme 6.9 et `a la


proposition 8.2), lespace L

() peut etre identie au dual de lespace L


1
(), qui est un espace separable
( est ici un borelien de R
N
). On a donc, par exemple, le resultat suivant :
Proposition 8.4 (Compacite faible sequentielle des bornes de L

)
Soit (u
n
)
nN
une suite bornee de L

R
(R, B(R), ), i.e. telle quil existe M R
+
t.q. |u
n
|

M pour
tout n N. Alors, il existe une sous suite, encore notee (u
n
)
nN
, et il existe u L

R
(R, B(R), ) t.q.
u
n
u dans L

R
(R, B(R), ) pour la topologie faible .
Dans le cas p ]1, +[, on peut ecrire une propriete de compacite faible :
Proposition 8.5 (Compacite faible sequentielle des bornes de L
p
)
Soit (u
n
)
nN
une suite bornee de L
p
R
(R, B(R), ), p ]1, +[, i.e. telle quil existe M R
+
t.q. |u
n
|
p

M pour tout n N. Alors, il existe une sous suite, encore notee (u
n
)
nN
, et il existe u L
p
R
(R, B(R), )
t.q. u
n
u dans L
p
pour la topologie faible, cest-`a-dire t.q.
_
(u
n
v uv)dm 0 pour tout v L
q
, o` u
q =
p
p1
.
8.5 Exercices
Exercice 8.1 (Densite de C
c
(, R) dans L
p
())
Soient, N 1, p [1, +[ et un ouvert de R
N
. Montrer que C
c
(, R) est dense dans L
p
(), cest-`a-
dire que pour tout f L
p
() et pour tout > 0, il existe C
c
(, R) t.q. |f |
p
. [Reprendre la
demonstration de lexercice 6.4 qui traite le cas = R. Utiliser le resultat de regularite, proposition 7.5.]
Exercice 8.2 (Continuite en moyenne)
Soient N 1, p [1, +[ et f L
p
(R
N
). Montrer que |f( + h) f|
p
0 quand h 0. [Reprendre
la demonstration vue pour N = 1 dans lexercice 6.4]
225
Exercice 8.3 (Non densite de C
c
dans L

) Corrige 152 page 468


On consid`ere f = 1
R
+
(qui appartient `a L

R
(R, B(R), ), en confondant f avec sa classe).
1. Montrer que |f |


1
2
pour tout C(R, R).
2. Montrer que |f( +h) f|

= 1 pour tout h R.
Exercice 8.4 (Separabilite de L
p
(), 1 p < ) Corrige 153 page 468
Soient N 1, un ouvert de R
N
et p tel que 1 p < +. Montrer que lespace L
p
() est separable.
On pourra se limiter au cas = R et raisonner ainsi : Soit n N

, pour q = 0, 1, . . . , 2n
2
1, on note:
I
n
q
= [n +
q
n
, n +
q+1
n
[. On pose : A
n
= f : R R; f[
I
n
q
= r, o` u r Q, et f = 0 sur [n, n[
c
. On
pose A =

nN

A
n
.
1. Montrer que A est denombrable.
2. Montrer que, pour tout f C
c
(R, R) et pour tout > 0, il existe g A t.q. |f g|
p
.
3. Conclure par la densite de C
c
(R, R) dans L
p
(R, ) (theor`eme 8.1).
Exercice 8.5 (Non separabilite de L

R
(R, B(R), )) Corrige 154 page 469
On note B lensemble des f appartenant `a L

(R, B(R), ) t.q., pour tout n N, f = 0 p.p. sur ]n, n+1[


ou f = 1 p.p. sur ]n, n + 1[.
1. Montrer que B est non denombrable. [Construire une injection de lensemble des parties de N dans
B.]
2. Soit A une partie dense de L

R
(R, B(R), ). Montrer que pour tout f B, il existe g A t.q.
|f g|


1
4
. En deduire quon peut construire une application injective de B dans A.
3. Montrer que L

R
(R, B(R), ) nest pas separable.
Exercice 8.6 (Convolution L
p
L
q
) Corrige 155 page 470
Pour 1 p , on note L
p
= L
p
R
(R, B(R), ) et L
p
= L
p
R
(R, B(R), ).
1. Soit 1 < p < +, q =
p
p1
, f L
p
et g L
q
.
(a) Montrer que pour tout x R, lapplication f()g(x ) est integrable.
On peut donc denir (f g)(x) pour tout x R.
(b) Montrer que [(f g)(x)[ |f|
p
|g|
q
, pour tout x R.
(c) Montrer que f g est continue sur R.
2. Soit 1 < p < +, q =
p
p1
.
(a) Soit F L
p
et G L
q
. Montrer quon peut denir F G sur R en posant F G = f g, avec
f F et g G. [Il sut donc de demontrer que f g ne depend pas du choix de f dans F et
g dans G.]
(b) Montrer que lapplication (F, G) F G est bilineaire continue de L
p
L
q
dans C
b
(R, R) (on
rappelle que C
b
(R, R) est lensemble des fonctions continues bornees de R dans R, muni de la
norme de la convergence uniforme).
226
(c) Soit F L
p
et G L
q
. Montrer que F G C
0
(R, R) (cest-`a-dire que la fonction F G est
continue de R dans R et que (F G)(x) 0 quand x ).
3. On prend maintenant p = 1 et q = +.
(a) Soit f L
1
et g L

. Montrer que (f g)(x) est bien denie pour tout x R. Montrer que
f g C
b
(R, R).
(b) Soit F L
1
et G L

. Montrer que (F G)(x) est bien denie pour tout x R en posant


F G = f g, avec f F et g G.
(c) Lapplication (F, G) F G est-elle continue de L
1
L

dans C
b
?
(d) A-t-on F G C
0
(R, R), pour tout F L
1
et G L

?
Exercice 8.7 (Caracterisation dune fonction par son action sur C

c
) Corrige 156 page 473
Soit d N

. On rappelle que
d
est la mesure de Lebesgue sur les boreliens de R
d
et que lelement
dintegration par rapport `a
d
est note dx (au lieu de d
d
(x)). On rappelle aussi que [ [ denote la norme
euclidienne dans R
d
. On se donne une fonction C

c
(R
d
, R) t.q. :
(x) = 0 si x R
d
, [x[ 1,
(x) 0 si x R
d
,

_
(x)dx = 1.
Pour n N

, on note
n
la fonction denie par
n
(x) = n
d
(nx), de sorte que (
n
)
nN
est une famille
de noyaux regularisants (voir le chapitre 8 du cours).
1. Soit f L
1
(R
d
, B(R
d
),
d
).
(a) Soit C

c
(R
d
, R). Montrer que f L
1
(R
d
, B(R
d
),
d
).
On suppose maintenant que
_
f(x)(x)dx = 0 pour tout C

c
(R
d
, R).
(b) Soit n N

. Montrer f
n
(x) est bien deni pour tout x R
d
et que f
n
(x) = 0 pour tout
x R
d
.
(c) Montrer que f = 0 p.p..
2. Soit un ouvert de R
d
et g L
1
loc
() (cest-`a-dire que g est une fonction de R
d
dans R t.q.
g1
K
L
1
(R
d
, B(R
d
),
d
) pour tout compact K de ).
(a) Soit C

c
(, R). Montrer que g L
1
(R
d
, B(R
d
),
d
). (La fonction est prolongee par 0
hors de .)
On suppose maintenant que
_
g(x)(x)dx = 0 pour tout C

c
(, R).
(b) Soit n N

. On note
n
lensemble des x t.q. [x y[ >
1
n
pour tout y
c
. Montrer
g
n
(x) est bien denie pour tout x
n
et que g
n
(x) = 0 pour tout x
n
.
(c) Soit K un compact de , montrer que g1
K
= 0 p.p.. En deduire que g = 0 p.p. sur .
Exercice 8.8 (Theor`eme de compacite dans L
1
) Corrige 157 page 475
227
On pose L
1
(]0, 1[) = L
1
R
(]0, 1[, B(]0, 1[), ) et L
1
(R) = L
1
R
(R, B(R), ) (o` u designe la mesure de Lebesgue
sur B(R) ou sa trace sur B(]0, 1[)). Pour f L
1
(]0, 1[[), on identie f avec lun de ses representants et
on note

f la fonction denie par

f = f sur ]0, 1[ et

f = 0 sur R]0, 1[.
Soit / une partie de L
1
(]0, 1[).
On rappelle que / est relativement compacte dans L
1
(]0, 1[) si et seulement si / est precompacte (cest-
`a-dire que pour > 0 il existe p N

et f
1
, . . . , f
p
/ t.q. /
p
i=1
B(f
i
, ), o` u B(f, ) designe la boule
ouverte dans L
1
(]0, 1[) de centre f et de rayon ).
Partie I (condition susante). On suppose, dans cette partie, que / est relativement compacte dans
L
1
(]0, 1[).
1. Montrer que / est une partie bornee de L
1
(]0, 1[).
2. Soit > 0. Montrer quil existe > 0 t.q. :
h R, [h[ , f / |

f( +h)

f|
1
. (8.4)
Partie II (condition necessaire). On suppose, dans cette partie, que / une partie bornee de L
1
(]0, 1[)
et que pour tout > 0 il existe > 0 veriant (8.4).
Soit C

c
(R, R) t.q. 0, (x) = 0 si [x[ 1 et
_
(x)dx = 1. Pour n N

, on denit
n
par

n
(x) = n(nx) si x R.
1. Soit > 0. Montrer quil existe n
0
N

t.q. :
n N

, n n
0
, f / |

f
n


f|
1
. (8.5)
[On pourra remarquer que

f
n
(x)

f(x) =
_
(

f(x
y
n
)

f(x))(y)dy.]
2. Soit n N

. Pour f /, on note f
n
la restriction `a [0, 1] de la fonction

f
n
.
(a) Montrer quil existe C
1
, C
2
> 0 ne dependant que de n, et de la borne de / dans L
1
(]0, 1[)
t.q. :
x [0, 1], f / [f
n
(x)[ C
1
,
x, y [0, 1], f / [f
n
(x) f
n
(y)[ C
2
[x y[.
En deduire que lensemble f
n
, f / est relativement compact dans C([0, 1], R) [Utiliser le
theor`eme dAscoli.]
(b) Montrer que lensemble f
n
, f / est relativement compact dans L
1
(]0, 1[).
3. Montrer que la partie / est relativement compacte dans L
1
(]0, 1[).
228
Chapter 9
Vecteurs aleatoires
9.1 Denition, proprietes elementaires
Denition 9.1 (Vecteur aleatoire) Soit d 1 et (, /) un espace probabilisable. On appelle vecteur
aleatoire (souvent note v.a.) de dimension d une application mesurable de dans R
d
(o` u R
d
est muni
de la tribu borelienne).
Noter que la notation v.a. signie indieremment variable(s) aleatoire(s) ou vecteur(s) aleatoire(s).
Proposition 9.1 Soit d > 1 et (, /) un espace probabilisable. Soit X une application de dans R
d
.
On note X
1
, . . . , X
d
les composantes de X (de sorte de X = (X
1
, . . . , X
d
)
t
). On note (X) la tribu
engendree par X (et (X
i
), pour i = 1, . . . , d la tribu engendree par X
i
). On a alors :
1. (X) est la plus petite tribu contenant les tribus (X
1
), . . . , (X
d
).
2. X est un v.a. si et seulement si X
i
est, pour tout i 1, . . . , d, une v.a.r..
D emonstration : On rappelle que (X) = X
1
(B), B B(R
d
) et que, pour tout i, (X
i
) =
X
1
i
(A), A B(R). On note ( =

d
i=1
A
i
, A
i
B(R) pour tout i. On rappelle que ( B(R
d
) (voir
lexercice 7.10) et que ( engendre B(R
d
) (cest meme encore vrai si on se limite `a prendre pour A
i
des
intervalles, ouverts, voir lexercice 2.6).
On note T la plus petite tribu contenant les tribus (X
1
), . . . , (X
d
). Soit i 1, . . . , d et A B(R).
En prenant B =

d
j=1
A
j
avec A
j
= R si j ,= i et A
i
= A, on a X
1
(B) (X) (car B ( B(R
d
))
et X
1
(B) = X
1
i
(A). On en deduit X
1
i
(A) (X) et donc (X
i
) (X) pour tout i 1, . . . , d.
Comme (X) est une tribu, on a donc T (X).
Pour montrer linclusion inverse (cest-`a-dire T (X)). On remarque que, si B ( on a B =

d
i=1
A
i
avec des A
i
appartenant `a B(R). On a donc X
1
(B) =
d
i=1
X
1
i
(A
i
) T (car X
1
i
(A
i
) (X
i
) T).
Or, il est facile de voir que B B(R
d
), t.q. X
1
(B) T est une tribu. Cette tribu contient (, elle
contient donc la tribu engendree par (, cest-`a-dire B(R
d
). On vient donc de montrer que B B(R
d
),
t.q. X
1
(B) T = B(R
d
), cest-`a-dire que X
1
(B) T pour tout B B(R
d
), ou encore que (X) T.
On a bien, nalement, (X) = T, ce qui donne le premier item de la proposition.
Le deuxi`eme item est un consequence facile du premier. En eet, si X est un v.a., on a pour tout i,
(X
i
) (X) / et donc X
i
est une v.a.r.. Reciproquement; si X
i
est, pour tout i, une v.a.r., on a
229
(X
i
) / pour tout i. Comme / est une tribu, on a donc / T et comme T = (X) on en deduit que
X est un v.a..
La demonstration de la proposition 9.1 nutilise pas vraiment le fait que les X
i
soient des applications `a
valeurs dans R. Elle se generalise donc facilement au cas o` u les X
i
sont des applications `a valeurs dans
R
d
i
.
Proposition 9.2 Soit p N, p 2, d
1
, . . . , d
p
N

. soit (, /) un espace probabilisable et, pour tout


i 1, . . . , p, X
i
une application de dans R
d
i
. On note X = (X
1
, . . . , X
d
)
t
, de sorte que X est une
application de dans R
d
avec d = d
1
+ . . . + d
p
. Soit d 1 et (, /) un espace probabilisable. Soit X
une application de dans R
d
. On note (X) la tribu engendree par X (et (X
i
), pour i = 1, . . . , p la
tribu engendree par X
i
). On a alors :
1. (X) est la plus petite tribu contenant les tribus (X
1
), . . . , (X
p
).
2. X est un v.a. (de dimension d) si et seulement si X
i
est, pour tout i 1, . . . , p, un v.a. (de
dimension d
i
).
Denition 9.2 (Loi dun v.a.) Soit (, /, p) un espace probabilise, d 1 et X un v.a. de dimension
d. On appelle loi de probabilite de X, et on note cette loi P
X
ou p
X
, la probabilite sur B(R
d
) image par
X de p (cest-`a-dire P
X
(A) = p(X
1
(A)) pour tout A B(R
d
)). Si (X
1
, . . . , X
d
) sont les composantes
de X, La probabilite p
X
est aussi appelee loi conjointe de (X
1
, . . . , X
d
).
Un exemple important est la loi normale multidimensionnelle.
Denition 9.3 (Loi normale multidimensionnelle) Soit (, /, p) un espace probabilise, d 1 et X
un v.a. de dimension d. Soit m R
d
et D une matrice (`a coecients reels, de taille d d) s.d.p.
(cest-`a-dire symetrique denie positive). Le v.a. X a pour loi ^(m, D) (loi normale de param`etre m et
D) si P
X
= f
d
avec :
f(x) =
1
(2)
d/2
_
det(D)
exp(
1
2
(x m)
t
D
1
(x m))
d
-p.p. en x R
d
.
Si D est seulement seulement semi-denie positive (cest-`a-dire Du u 0 pour tout u R
d
), au lieu
detre denie positive (cest-`a-dire Du u > 0 pour tout u R
d
, u ,= 0), la loi normale ^(0, D) est aussi
denie, voir la proposition 9.9, mais ce nest pas une loi de densite (par rapport `a la mesure de Lebesgue),
voir lexercice 10.9 (et lexercice 9.14 qui donne un exemple de loi normale bidimensionnelle qui nest pas
de densite).
Nous verrons dans la section 9.3 que si X est un v.a. suivant une loi normale multidimensionnelle, X
est un v.a. gaussien. Lextension de la denition de la loi normale multidimensionnelle au cas D non
inversible permettra alors de dire que les v.a. gaussiens sont exactement ceux qui suivent une loi normale
multidimensionnelle (proposition 9.9).
Le fait que les composantes du v.a. X suivent une loi normale ne donne pas que X suit une loi normale
multidimensionnelle (voir, par exemple, lexercice 10.10). Mais, si les composantes du v.a. X suivent
une loi normale et sont independantes, le v.a. X suit alors une loi normale multidimensionnelle (cf.
lexercice 9.11 ou lexercice 10.10).
Denition 9.4 (i-`eme projecteur) Soit d 1. On appelle i-`eme projecteur de R
d
lapplication
i
, de
R
d
dans R, qui a un vecteur de R
d
fait correspondre sa i-`eme composante dans la base canonique de R
d
.
230
Denition 9.5 (Probabilite marginale) Soit (, /, p) espace probabilise , d 1 et X un vecteur
aleatoire de dimension d. On appelle i-`eme probabilite marginale du vecteur aleatoire X la mesure image
de p
X
par le i-`eme projecteur
i
. La remarque suivante montre que cette probabilite marginale est en fait
la loi de X
i
notee p
X
i
.
Remarque 9.1 Soit (, /, p) espace probabilise , d 1 et X = (X
1
, . . . , X
d
)
t
un vecteur aleatoire de
dimension d. On note q
i
la i-`eme probabilite marginale du vecteur aleatoire X. Soit B B(R), par
denition de la loi marginale, on a :
q
i
(B) = p
X
(
1
i
(B)) = p(X
1
(
1
i
(B))).
Comme X
i
=
i
X, on a donc :
q
i
(B) = p(X
1
i
(B)).
La probabilite q
i
est donc aussi la loi de la variable aleatoire X
i
.
Remarque 9.2 Soit (, /, p) espace probabilise , d > 1 et X = (X
1
, . . . , X
d
)
t
un vecteur aleatoire de
dimension d. La connaissance de p
X
entrane la connaissance des p
X
i
. La reciproque est en general
fausse.
On denit la densite dune loi de mani`ere analogue au cas scalaire.
Denition 9.6 (Loi de densite) Soit p une probabilite sur B(R
N
) (N?ge1), on dit que p est une prob-
abilite de densite (par rapport `a la mesure de Lebesgue) sil existe f L
1
R
(R
N
, B(R
N
),
N
) t.q. p = f
N
.
De meme que dans le cas scalaire, on a un theor`eme qui permet de calculer des integrales par rapport `a
la loi image :
Theor`eme 9.1 (Loi image) Soit d 1, (, /, p) un espace probabilise, X un v.a. de dimension d et
p
X
la loi de X. Soit une application borelienne de R
d
dans R. On a alors :
1. X L
1
R
(, /, p) si et seulement si L
1
R
(R
d
, B(R
d
), p
X
) ,
2. Legalite
_

(x)dp(x) =
_
R
d
(s)dp
X
(s),
est vrai si prend ses valeurs dans R
+
, ou si est bornee ou encore si X L
1
(, /, p). (On
rappelle que X est en general notee (X)).
Denition 9.7 (Fonction de repartition)
Soit d 1, (, /, p) un espace probabilise, X = (X
1
, . . . , X
d
)
t
un v.a. de dimension d et p
X
la loi de
X. On appelle fonction de repartition du vecteur aleatoire X la fonction denie de R
d
dans [0, 1] par :
F
X
(t
1
, . . . , t
d
) = p([X
1
t
1
, . . . , X
d
t
d
]).
Proposition 9.3 Soit d 1, (, /, p) un espace probabilise et X un v.a. de dimension d de fonction de
repartition F
X
. Alors :
1. 0 F
X
(t) 1 pour tout t R
d
;
2. Si t, t

R
d
, t t

(i.e. t
i
t

i
, pour tout i = 1, . . . , d), F
X
(t) F
X
(t

) ;
3. F
X
est continue `a droite en tout point ;
231
4. F
X
(t
1
, . . . , t
d
) 1 lorsque (t
1
, . . . , t
d
) (+, . . . , +) ;
5. F
X
(t
1
, . . . , t
d
) 0 lorsque t
i
(`a i xe).
D emonstration : La demonstration decoule facilement des proprietes dune mesure (monotonie, conti-
nuite croissante et continuite decroissante.
Proposition 9.4 Soit d 1, (, /, p) un espace probabilise et X un v.a. de dimension d de fonction de
repartition F
X
. Si F
X
C
d
(R
d
, [0, 1]), alors p
X
est une probabilite de densite (par rapport `a Lebesgue)
et cette densite, notee f
X
, verie
f
X
=

d
F
X
x
1
. . . x
d

d
-p.p.. (9.1)
D emonstration : On suppose que d = 1. Pour tout a, b R, a < b, la denition de F
X
donne
p
X
(]a, b]) = F
X
(b) F
X
(a). Mais, comme F
X
est de classe C
1
, on a F
X
(b) F
X
(a) =
_
b
a
F

X
(t)dt. En
notant m la mesure de densite F

X
par rapport `a , on a donc P
X
(]a, b]) = m(]a, b]) pour tout a, b R,
a < b, ce qui est susant pour dire que P
X
= m (en utilisant, par exemple, la proposition 2.5).
Pour d > 1, on note m la mesure de densite
d
F
X
/x
1
. . . x
d
par rapport `a
d
. Un raisoonnement voisin
du precedent donne m(

d
i=1
]a
i
, b
i
]) = P
X
(

d
i=1
]a
i
, b
i
]) pour tout a
i
, b
i
R, a
i
< b
I
, i = 1, . . . , d. On en
deduit m = P
X
avec la proposition 2.5.
Denition 9.8 (Esperance) Soit (, /, p) espace probabilise , d > 1 et X = (X
1
, . . . , X
d
)
t
un vecteur
aleatoire de dimension d. On suppose que E([X
i
[) < pour tout i 1, . . . , d. Lesperance de X,
notee E(X), est alors le vecteur de R
d
dont les composantes sont les esperances des X
i
, cest-`a-dire
E(X) = (E(X
1
), . . . , E(X
d
))
t
.
Remarque 9.3 Soit (, /, p) espace probabilise , d > 1 et X = (X
1
, . . . , X
d
)
t
un vecteur aleatoire de
dimension d t.q. E([X
i
[) < pour tout i 1, . . . , d. Soit u R
d
. Lapplication u X (qui ` a
associe u X(), on rappelle que est le produit scalaire canonique de et dans R
d
) est une v.a.r.
integrable et il est clair que E(u X) = u E(X). Lapplication u E(u X) est donc lapplication
lineaire sur R
d
representee par E(X).
Denition 9.9 (Variance, covariance) Soit (, /, p) espace probabilise , d > 1 et X = (X
1
, . . . , X
d
)
t
un vecteur aleatoire de dimension d. On suppose que E(X
2
i
) < pour tout i 1, . . . , d. On denit
alors la matrice de covariance de X, notee Cov(X), comme la matrice dont le coecient i, j est donne
par :
Cov(X)
i,j
= E((X
i
E(X
i
))(X
j
E(X
j
))) pour tout i, j 1, . . . , d.
On a donc C
i,i
= Var(X
i
) et C
i,j
= Cov(X
i
, X
j
) (noter dailleurs que Cov(X
i
, X
i
) = Var(X
i
)). Enn,
on peut aussi noter que Cov(X) est lesperance de la matrice (X E(X))(X E(X)
t
.
Remarque 9.4 Soit (, /, p) espace probabilise , d > 1 et X = (X
1
, . . . , X
d
)
t
un vecteur aleatoire de
dimension d t.q. E(X
2
i
) < pour tout i 1, . . . , d. Pour tout u R
d
, on a donc E((u X)
2
) <
et il est facile de voir (voir lexercice 9.8) que Var(u X) = u
t
Cov(X)u. La matrice Cov(X) est donc la
matrice de la forme quadratique u Var(u X), denie sur R
d
. Cette matrice est donc symetrique et
semi-denie positive. On peut aussi noter que, pour tout u, v R
d
, on a u
t
Cov(X)v = E((u X)(v X)).
232
9.2 Independance
Denition 9.10 Soit p N, p 2, d
1
, . . . , d
p
N

. soit (, /) un espace probabilisable et, pour tout


i 1, . . . , p, X
i
un v.a. de dimension d
i
. Les v.a. X
1
, . . . , X
p
sont dits independants si les tribus
(X
1
), . . . , (X
p
) (engendrees par X
1
, . . . , X
p
) sont independantes (cf denition 2.24, p. 38)
La proposition suivante donne des operations possibles sur lindependance.
Proposition 9.5 Soit p N, p 2, d
1
, . . . , d
p
N

. soit (, /) un espace probabilisable et, pour tout


i 1, . . . , p, X
i
un v.a. de dimension d
i
. On suppose que les v.a. X
1
, . . . , X
p
sont independants. On
se donne maintenant une suite strictement croissante p
0
, . . . , p
q
(q 2) t.q. 1 = p
0
< . . . < p
q
= p + 1
et, pour i 1, . . . , q, on note Y
i
le v.a. (X
p
i1
, . . . , X
p
i
1
)
t
, qui est donc un v.a. de dimension
r
i
= d
p
i1
+. . . +d
p
i
1
. On a alors
1. Les v.a. Y
1
, . . . , Y
q
sont independantes,
2. Si
i
est, pour tout i 1, . . . , q, une application borelienne de R
r
i
dans R
s
i
(avec s
i
N

), les
v.a.
1
(Y
1
), . . . ,
q
(Y
q
) sont independants.
D emonstration : le premier item est une consequence immediate de la proposition 2.11 (sur lindepen-
dance de tribus) et de la proposition 9.2. Le second item est une consequence immediate du premier car
(
i
(Y
i
)) (Y
i
) pour tout i.
Remarque 9.5 Soit (, /) un espace probabilisable et X, Y deux v.a. (pas necessairement de meme
dimension). La proposition 9.5 montre que si X et Y sont independants, toute composante de X est
independante de toute composante de Y . Reciproquement, si toute composante de X est independante de
toute composante de Y , on en deduit que X et Y sont independants. Ceci est encore une consequence
simple de la proposition 2.11.
On donne maintenant une generalisation de la proposition 4.10.
Proposition 9.6 Soit (, /, p) un espace probabilise, n 2 et X
1
, . . . , X
n
des v.a. independants, de
dimension d
1
, . . . , d
n
N

.
1. Soit, pour tout i 1, . . . , n, une fonction borelienne, notee
i
, de R
d
i
dans R
+
. On a alors :
E(
d

i=1

i
(X
i
)) =
n

i=1
E(
i
(X
i
)). (9.2)
(En convenant quun produit de termes est nul si lun des termes est nul.)
2. Soit, pour tout i 1, . . . , n,
i
une fonction borelienne de R
d
i
dans R. On suppose que (X
i
)
est integrable pour tout i = 1, . . . , n. La v.a.r.

d
i=1

i
(X
i
) est alors integrable et legalite (9.2) est
vraie.
3. Soit, pour tout i 1, . . . , n,
i
une fonction borelienne bornee de R
d
i
dans R. Alors, legalite (9.2)
est vraie.
N.B. Comme dans la proposition 4.10, litem 3 est donc une CNS pour que les v.a. X
1
, . . . , X
n
soient
independants.
233
D emonstration : La demonstration suit pas `a pas celle de la proposition 4.10, sans diculte supple-
mentaire.
Remarque 9.6 Soit (, /, p) un espace probabilisable. La proposition 9.6 donne aussi des resultats
quand les fonctions
i
sont `a la valeurs dans R
r
i
avec r
i
,= 1. Par exemple, soit X, Y sont deux v.a.
independants de dimensions d. On suppose X et Y integrables (cest-`a-dire E([X[) < et E([Y [) < ).
La v.a.r. X Y est alors integrable et E(X Y ) = E(X) E(Y ).
Plus generalement, soit X est un v.a. de dimension d, Y est un v.a. de dimension

d, X, Y independants.
On suppose que est une fonction borelienne de R
d
dans R
r
et une fonction borelienne de R

d
dans R
r
t.q. X et Y soient integrables. On a alors XY integrable et E(XY ) = E(X)E(Y ).
Enn, si X
1
, . . . , X
n
sont des v.a. independants de dimension d (d 1), la formule donnee dans la
proposition 6.26 se generalise et donne :
Cov(X
1
+. . . +X
n
) =
n

i=1
Cov(X
i
).
Pour le montrer, il sut de traiter le cas n = 2 (qui est traite dans lexercice 9.9) et de faire une recurrence
sur n.
On donne maintenant la generalisation de la proposition 4.12.
Proposition 9.7 Soit (, /, p) un espace probabilise, n 2 et X
1
, . . . , X
n
des v.a. independants, de
dimension d
1
, . . . , d
n
N

. Ces v.a. sont independants si et seulement si on a, pour tout famille


i
),
i = 1, . . . n t.q.
i
C
c
(R
d
i
, R) pour tout i,
E(
d

i=1

i
(X
i
)) =
d

i=1
E(
i
(X
i
)), (9.3)
(En convenant quun produit de termes est nul si lun des termes est nul.)
D emonstration : Ici encore, la demonstration suit pas `a pas celle de la proposition 4.12, sans diculte
supplementaire.
Theor`eme 9.2 (Loi dun couple de v.a. independantes) Soit (, /, P) un espace probabilise.
1. Soit X, Y deux v.a.r.. Les v.a. X et Y sont independantes si et seulement si la loi du v.a. (X, Y )
t
(ou du couple (X, Y )) est P
(X,Y )
t = P
X
P
Y
.
2. Soit X
1
, . . . , X
n
(n 2) n v.a. de dimension d
1
, . . . , d
n
N

. On pose Z = (X
1
, . . . , X
n
)
t
(Z est
donc un v.a. de dimension d
1
+. . . +d
n
). Les v.a. X
1
, . . . , X
n
sont independantes si et seulement
si la loi du v.a. Z est P
Z
= P
X
1
. . . P
X
n
.
D emonstration : La demonstration du premier item fait partie de lexercice 9.10. le second item est
une generalisation assez simple (en faisant, par exemple, une recurrence sur n pour se ramener au cas
n = 2).
On utilise souvent en theorie des probabilites une suite (nie ou innie) de v.a.r. independantes ayant
des lois prescrites. Le theor`eme suivant montre quil existe eectivement un espace de probabilite et une
suite de v.a.r.i. sur cet espace ayant des lois prescrites.
234
Theor`eme 9.3 (Existence de v.a.r.i. de lois prescrites) Soit (p
n
)
nN
une suite de probabilites sur
B(R). On a alors :
1. Pour tout n N

, il existe un un espace probabilise, note (, /, P), et une suite nie de v.a.r.


independantes, notees X
1
, . . . , X
n
t.q. P
X
k
= p
k
pour tout k 0, . . . , n.
2. Il existe un un espace probabilise, note (, /, P), et une suite de v.a.r. independantes, notee
(X
n
)
nN
t.q. P
X
n
= p
n
pour tout n N

.
D emonstration : Nous demontrons ici le premier item. Le second (plus dicile) sera admis. Soit
n N

. Un raisonnement par recurrence utilisant le theor`eme dexistence (et unicite) de la mesure produit
(theor`eme 7.1) permet de construire une mesure p sur B(R
n
) veriant, pour toute famille A
1
, . . . , A
n
de
boreliens de R :
p(
n

i=1
A
i
) =
n

i=1
p
i
(A
i
).
On a donc p = p
1
. . . p
n
.
On prend alors (, /, P) = (R
n
, B(R
n
), p) et, pour tout i = 1, . . . , n, X
i
est lapplication qui a R
n
associe sa i-i`eme composante. Enn, on note X = (X
1
, . . . , X
n
)
t
, de sorte que X est un v.a. de dimension
n.
Pour tout R
n
, on a X() = , ceci prouve que P
X
= P. Puis, pour tout i 1, . . . , n, on a
X() =
i
(o` u
i
designe la i-i`eme composante de ). On en deduit que P
X
i
= p
i
. Enn, comme
p = p
1
. . . p
n
, on a aussi P
X
= p
X
1
. . . p
X
n
. Le theor`eme 9.2 donne donc que les v.a.r. X
1
, . . . , X
n
sont independantes.
On sinteresse maintenant `a la somme de v.a.i.
Proposition 9.8 (Loi de la somme de v.a. independantes) Soit (, /, P) un espace probabilise,
d 1 et X, Y deux v.a. independants de dimension d. Alors, p
X+Y
= p
X
p
Y
.
D emonstration : Soit une fonction borelienne bornee de R
d
dans R. Comme X et Y sont indepen-
dants, on a P
(X,Y )
= P
X
P
Y
(par le theor`eme 9.2) et donc :
_

(X +Y )dP =
_
R
2d
(x +y)dP
(X,Y )
(x, y) =
_
R
d
_
R
d
(x +y)dP
X
(x)dP
Y
(y).
La denition de la convolution de mesure donne (voir la denition 7.4 et la proposition 7.10 :
_
R
d
_
R
d
(x +y)dP
X
(x)dP
Y
(y) =
_
R
d
(z)d(P
X
P
Y
)(z).
On en deduit que
_

(X +Y )dP =
_
R
d
(z)d(P
X
P
Y
)(z), cest-`a-dire P
X+Y
= P
X
P
Y
.
9.3 Vecteurs gaussiens, theor`eme central limite
Soit m R et > 0. On rappelle que la loi normale ^(m,
2
) est la probabilite (sur B(R)) de densite f
avec, pour x R,
f(x) =
1

2
exp

(xm)
2
2
2
.
235
Pour introduire les vecteurs gaussiens, il est utile de denir aussi la loi normale ^(m, 0). Cette loi normale
est la probabilite (sur B(R))
m
(appelee mesure de Dirac au point m). Comme elle verie, pour tout
fonction borelienne de R dans R,
_
d
m
= (m), il est facile de veter que ^(m, 0) est la limite
etroite, quand 0, > 0, de ^(0,
2
).
Denition 9.11 Soit (, /, p) un espace probabilise, d 1 et X un v.a. de dimension d. le v.a. X est
un v.a. gaussien si et seulement u X est, pour tout u R
d
, une v.a.r. gaussienne.
Remarque 9.7 Soit (, /, p) un espace probabilise, d > 1 et X un v.a. de dimension d. On suppose
que chaque composante de X est une v.a.r. gaussienne. Alors, le vecteur X nest pas necessairement
gaussien. Mais, si les composantes de X sont independantes, le vecteur X est alors un v.a. gaussien. On
peut aussi montrer que si X est un v.a. gaussien et que les composantes de X sont independantes deux
`a deux (ou si on a seulement Cov(X
i
, X
j
) = 0 pour tout i, j t.q. i ,= j), alors les composantes de X sont
independantes (voir lexercice 10.10 pour tous ces resultats).
Les v.a. gaussiens sont les vecteurs qui suivent un loi normale multidimensionnelle, dont la denition
et donnee dans la denition 9.3, `a condition detendre convenablement la denition 9.3 au cas D non
inversible. Cest lobjectif de la proposition suivante.
Proposition 9.9 Soit (, /, p) un espace probabilise, d 1 et X un v.a. de dimension d.
1. Soit m R
d
et D une matrice s.d.p. (de taille d d). Si X ^(m, D), o` u ^(m, D) est denie
par la denition 9.3, alors X est un vecteur gaussien.
2. Si X est un vecteur gaussien. On pose m = E(X) et D = Cov(X). Alors, la loi de X ne depend
que de D. Si D est inversible on a X ^(m, D) (o` u ^(m, D) est denie par la denition 9.3).
Ceci permet de denir ^(m, D) dans le cas o` u D est seulement symetrique semi-denie positive (et
m R
d
). On denit ^(m, D) comme etant la loi dun vecteur gaussien de dimension d t.q. m = E(X)
et D = Cov(X) (on peut montrer quun tel vecteur existe).
D emonstration : Le premier item est demontre dans lexercice 10.8 et le deuxi`eme item est demontre
dans lexercice 10.9.
On termine ce paragraphe en donnant, sans demonstration, le theor`eme central limite pour une suite de
v.a.i.
Theor`eme 9.4 Soit (, /, p) un espace probabilise et (X
n
)
nN
une suite de v.a. de dimension d i.i.d..
On suppose que E([X
1
[
2
) < . On pose E(X
1
) = m, D = Cov(X
1
) et, pour n N

,
Y
n
=
1

n
n

i=1
(X
i
m).
La suite (P
Y
n
)
nN
converge alors etroitement vers la loi normale multidimensionnelle ^(0, D). (Voir la
denition 9.3 et la proposition 9.9 pour la denition de cette loi normale multidimensionnelle.)
236
9.4 Exercices
9.4.1 Denition, proprietes elementaires
Exercice 9.1 Soient (E, T) un espace mesurable et (f
k
)
k=1,...,N
une famille de fonctions mesurables de
(E, T) dans (R, B(R)). Montrer que lapplication f denie de E dans R
N
par : (x, . . . , x) f(x) =
(f
1
(x), . . . f
N
(x)) est mesurable.
Exercice 9.2 On reprend les hypoth`eses de lexercice 4.37. Soit Y la longevite moyenne des 1000 ou-
vri`eres nees le 7 mai. Determiner une valeur x > 0 pour laquelle on a une probabilite inferieure `a 10
2
que [Y 45[ > x.
Exercice 9.3 (Probl`eme de Buon) On reprend les hypoth`eses de lexercice 4.38. On suppose main-
tenant que =
d
2
. On lance n fois laiguille: quelle est la loi de la variable aleatoire Z
n
, qui represente le
nombre de rencontres au cours des n lancers.
Soit F
n
la frequence des rencontres au cours des n lancers; estimer, `a laide de linegalite de Bienayme
Tchebiche, le nombre de lancers permettant dobtenir [F
1

[ 0.05 avec une probabilite dau moins


0.99.
Exercice 9.4
On va montrer ici que la connaissance des lois de probabilite marginales ne determine pas forcement la
loi de probabilite. On consid`ere pour cela lespace probabilisable (E, T) = (]0, 1[]0, 1[, B(R)
2
) et on note

N
la mesure de Lebesgue sur B(R
N
), et
(a,b)
la mesure de Dirac en (a, b). Soit p une probabilite sur
(E, T), on note p
1
et p
2
ses probabilites marginales.
1. Soit (a, b) E. Montrer que p =
(a,b)
si et seulement si p
1
=
a
et p
2
=
b
.
2. Soit p =
2
sur (E, T). Montrer que p
1
= p
2
=
1
(sur (]0, 1[, B(R))).
3. On pose D = (t, 1 t), t ]0, 1[, et on denit lapplication f :]0, 1[ dans D par f(t) = (t, 1 t).
(a) Montrer que f est mesurable.
(b) On denit la probabilite p sur (E, T) par : p(D
c
) = 0 et p(A) = (f
1
(A)), A B(R)
2
, A
D. Montrer que p
1
= p
2
=
1
et conclure.
Exercice 9.5 On consid`ere deux variables aleatoires reelles independantes X et Y qui ont pour loi de
probabilite conjointe la loi dans le plan R
2
de densite f(x, y) =
1
2
2
exp
_

x
2
+y
2
2
2
_
par rapport `a la mesure
de Lebesgue de R
2
, etant un nombre reel donne. Quelle est la loi de probabilite de la variable aleatoire
Z = max([X[, [Y [) ?
Exercice 9.6 Soient X
1
et X
2
des variables aleatoires dun espace probabilise (E, T, p) dans (R, B(R))
suivant des lois de Poisson de param`etre
1
et
2
respectivement, montrer que X
1
+ X
2
suit une loi de
Poisson de param`etre
1
+
2
. (On rappelle que la loi de Poisson est donnee par P =

kN
e

k
k!

k
, o` u

k
designe la mesure de Dirac en k).
Exercice 9.7
1. Soient (E, T, m) un espace mesure ni, (f
n
)
nN
L
2
= L
2
R
(E, T, m) t.q.:
(H1) la serie de terme general |f
n
|
2
2
converge dans R.
237
(H2) (f
n
, f
m
)
L
2 = 0 n, m; n ,= m.
(a) Montrer que la serie de terme general f
n
converge dans L
2
vers une fonction F L
2
.
(b) Pour q N

, on pose A
q
= y E, N N, m, n, m > n > N et [

m
p=n
f
p
(y)[
1
q
.
Montrer que m(A
q
) = 0. En deduire que la serie de terme general f
n
converge vers F presque
partout.
2. Soient (E, T, p) un espace probabilise et (X
n
)
nN
une suite de v.a.r. independantes sur (, T). On
note
2
n
la variance de la v.a.r. X
n
, et on suppose que

nN

2
n
< +. On pose S
n
=

n
k=0
X
k
.
Montrer que la suite de v.a.r. S
n
converge presque s urement vers une v.a.r. S de variance nie, et
que
2
(S
n
S) 0 lorsque n +.
Exercice 9.8 (Matrice des moments dordre deux et matrice de covariance) Corrige 158 page
477
Soit (, /, P) est un espace de probabilite. Soit X un vecteur aleatoire de dimension d (d 1), dont
toutes les coordonnees (notees X
i
, i = 1, . . . , d) sont supposees etre de carre integrable. La matrice des
moments dordre 2 du v.a. X est la matrice E(XX
t
), dont le terme (i, j) est le reel E(X
i
X
j
), et on
rappelle que la matrice de covariance de X, notee Cov(X), est la matrice E((XE(X))(XE(X))
t
) =
E(XX
t
)E(X)E(X)
t
, dont le terme (i, j) est la covariance des v.a.r. X
i
et X
j
. (La notation X
t
designe
le transpose du vecteur X.)
1. Soit u R
d
, montrer que u
t
E(XX
t
)u = E((u X)
2
) et que u
t
Cov(X)u = Var(u X) (On rappelle
que u X =

d
i=1
u
i
X
i
= u
t
X).
2. Montrer que les matrices E(XX
t
) et Cov(X) sont symetriques et semidenies positives.
3. Montrer que si A est une matrice kd et b un vecteur de R
k
, Y = AX+b, alors E(Y ) = AE(X)+b
et Cov(Y ) = ACov(X)A
t
.
4. Montrer que si Cov(X) nest pas inversible, alors le v.a. X prend p.s. ses valeurs dans un sous
espace ane de R
d
de dimension (inferieure ou) egale `a d1, et que la loi de X nest pas absolument
continue par rapport `a la mesure de Lebesgue de R
d
, notee d (i.e. cette loi nest pas `a densite dans
R
d
).
5. Montrer que si trois points x, y et z de R
2
ne sont pas alignes, tout v. a. X de dimension 2 tel que
P(X = x) > 0, P(X = y) > 0 et P(X = z) > 0 a une matrice de covariance non degeneree.
9.4.2 Independance
Exercice 9.9 (Covariance dune somme de v.a.i.) Corrige 159 page 478
Soit (, /, P) est un espace de probabilite et X, Y deux vecteurs aleatoires independants de dimension d
(d 1). Montrer que Cov(X +Y ) = Cov(X)+Cov(Y ).
Exercice 9.10 (Loi dun couple de v.a. independantes) Corrige 160 page 478
Soit (, /, P) un espace de probabilites et X, Y deux v.a.r..
1. Montrer que X et Y sont independantes si et seulement si la loi du couple (X, Y ) est P
(X,Y )
=
P
X
P
Y
.
238
2. On suppose que X et Y ont des densites par rapport `a : P
X
= f et P
Y
= g, avec f, g
L
1
R
(R, B(R), ) (et positives p.p.). Montrer que X et Y sont independantes si et seulement si la loi
du couple (X, Y ) a pour densite la fonction (x, y) f(x)g(y) par rapport `a
2
.
Exercice 9.11 (V.a. suivant une loi normale multidimensionelle)
Soit (, /, P) un espace de probabilites et X = (X
1
, . . . , X
d
) (d > 1) un v.a. de dimension d. On suppose
que les X
i
sont des v.a.r. independantes et que X
i
^(m
i
,
2
i
), avec m
i
R et
i
> 0 pour tout i.
Montrer que X suit une loi normale multidimensionnelle et donner m et D t.q. X ^(m, D).
Exercice 9.12 (Somme de v.a. independantes et convolution) Corrige 161 page 479
Soit (, /, P) un espace de probabilites et X, Y deux v.a.r. independantes.
1. On suppose que la loi de X a une densite, notee f, par rapport `a la mesure de Lebesgue. Montrer
que la loi de X + Y a aussi une densite (par rapport `a la mesure de Lebesgue) et lexprimer en
fonction de f et de la loi de Y .
2. On suppose que X ^(,
2
) et Y ^(m, s
2
) (m, , s, R). Montrer que X + Y ^( +
m,
2
+s
2
) (le signe signie a pour loi).
Exercice 9.13 (Calcul de ) Corrige 162 page 479
Soit (, /, P) un espace de probabilite, (U
n
)
nN
et (V
n
)
nN
deux suites de variables aleatoires de loi
uniforme sur lintervalle [0, 1]. On suppose que toutes ces v.a. sont independantes (dans leur ensemble).
On pose pour tout n 1 :
X
n
= 1 si U
2
n
+V
2
n
1 et X
n
= 0 sinon,
et
Z
n
= 4
X
1
+ +X
n
n
.
1. Determiner, pour tout n N

, la loi de X
n
.
2. Montrer que la suite (Z
n
)
nN
converge en probabilite vers .
3. Soit ]0, 1[ et > 0. A laide de linegalite de Tchebychev, donner, en fonction de et , une
valeur de n
0
N

t.q.
n n
0
P[[Z
n
[ ] .
9.4.3 Vecteurs gaussiens, theor`eme central limite
Exercice 9.14 (Loi du couple (X, X) si X suit une loi normale) Corrige 163 page 480
1. Soit A un borelien de R
2
. On pose T(A) = x R t.q. (x, x)
t
A. Montrer que T(A) est un
borelien de R. On pose m(A) = (T(A)) (o` u est mesure de Lebesgue sur B(R)).
On a ainsi deni une application m de B(R
2
) dans R
+
.
2. Montrer que lapplication m (denie ci dessus) est une mesure sur B(R
2
) et que pour toute appli-
cation borelienne positive de R
2
dans R on a :
_
R
2
(x, y)dm(x, y) =
_
R
(x, x)dx.
239
3. Soit (, /, P) est un espace de probabilite. et X une v.a.r. t.q. X ^(0, 1).
(a) On pose Z = (X, X)
t
. Montrer que le v.a. Z est un vecteur gaussien et donner, pour a R
2
,
la loi de a Z (en fonction de a).
(b) Montrer la loi du v.a. (X, X)
t
a une densite par rapport `a la mesure m denie dans les
questions precedentes et donner cette densite. En deduire que la loi du v.a. (X, X)
t
na pas
de densite par rapport `a la mesure de Lebesgue sur B(R
2
).
N.B. la loi de (X, X)
t
est une loi normale bidimensionnelle car le vecteur (X, X)
t
est gaussien (voir la
proposition 9.9) mais ce nest pas une loi de densite par rapport `a la mesure de Lebesgue sur B(R
2
).
240
Chapter 10
Transformation de Fourier, fonction
caracteristique
10.1 Introduction et notations
La notion de serie de Fourier permet danalyser les fonctions denies dun compact [a, b] de R dans R (ou
C). La notion de transformee de Fourier permet danalyser les fonctions denies de R (ou R
N
) dans R
(ou C). La transformee de Fourier est une notion employee par exemple en theorie du signal, en theorie
des probabilites et pour lanalyse des equations aux derivees partielles.
Dans toute la suite, on consid`erera lespace mesure (R
N
, B(R
N
),
N
) et on notera d
N
(x) = dx. Soit
N 1, les espaces L
1
C
(R
N
, B(R
N
),
N
) et L
1
C
(R
N
, B(R
N
),
N
) ont ete denis dans la section 4.10 et
les espaces L
2
C
(R
N
, B(R
N
),
N
) et L
2
C
(R
N
, B(R
N
),
N
) ont ete denis dans la section 6.2. On rappelle
aussi que si f est une fonction denie de R
N
dans C, la fonction f est mesurable si et seulement si
ses parties reelle et imaginaire sont mesurables (chaque ensemble, R
N
, R ou C, etant muni de sa tribu
borelienne). On peut, bien s ur, aussi denir les espaces L
p
C
(R
N
, B(R
N
),
N
) et L
p
C
(R
N
, B(R
N
),
N
) pour
tout p [1, ].
Denition 10.1 (Espaces L
p
C
(R
N
, B(R
N
),
N
)) Soit N 1, p [1, ] et f une fonction mesurable de
R
N
dans C (cest-`a-dire f
1
(A) B(R
N
) pour tout A B(C)). On dit que f L
p
C
(R
N
, B(R
N
),
N
)
si [f[ L
p
R
(R
N
, B(R
N
),
N
) et on denit |f|
p
par |f|
p
= |[f[|
p
o` u |[f[|
p
est la norme de [f[ dans
L
p
(R
N
, B(R
N
),
N
) (vue au chapitre 6). Lespace L
p
C
(R
N
, B(R
N
),
N
) est lespace L
p
C
(R
N
, B(R
N
),
N
)
quotiente par le relation dequivalence = p.p.. Cest un espace de Banach (complexe), cest-`a-dire un
e.v.n. (sur C) complet.
Remarque 10.1 Soit N 1, p [1, ] et f une fonction denie de R
N
dans C. Il est facile de voir que
f L
p
C
(R
N
, B(R
N
),
N
) si et seulement si ses parties reelle et imaginaire sont dans L
p
R
(R
N
, B(R
N
),
N
).
10.2 Transformation de Fourier dans L
1
10.2.1 Denitions et premi`eres proprietes
Soit N 1. Pour x = (x
1
, . . . , x
N
)
t
R
N
et t = (t
1
, . . . , t
N
)
t
R
N
, on note x t le produit scalaire
euclidien de x et t, cest-`a-dire x t =

N
i=1
x
i
t
i
. Dans ce chapitre, On note aussi L
p
C
(R
N
) lespace
241
L
p
C
(R
N
, B(R
N
),
N
), pour p [1, ].
Denition 10.2 (Transformee de Fourier dans L
1
)
Soit N 1 et f L
1
C
(R
N
). Pour t R
N
, lapplication x e
ixt
f(x) (denie de R
N
dans C) appartient
`a L
1
C
(R
N
). On denit alors

f(t) par :

f(t) = (2)

N
2
_
f(x)e
ixt
dx. (10.1)
La fonction

f (denie de R
N
dans C) sappelle transformee de Fourier de f.
On note C
0
(R
N
, C) = g C(R
N
, C) t.q. g(t) 0 quand [t[ +. On rappelle que C
0
(R
N
, C) est
un espace de Banach quand il est muni de la norme de la convergence uniforme, cest-`a-dire :
||
u
= max
xR
N
[(x)[.
Proposition 10.1 Soit N 1. Soit F lapplication qui `a f (appartenant `a L
1
C
(R
N
)) associe sa trans-
formee de Fourier. F est une application lineaire continue de L
1
C
(R
N
) dans C
0
(R
N
, C).
D emonstration :
Le theor`eme de continuite sous le signe
_
(theor`eme 4.9) applique `a la fonction (x, t) e
ix.t
f(x)
entrane immediatement que

f est continue.
On montre maintenant que

f C
0
(R, R).
Cas N = 1. On remarque que pour t ,= 0, on a, comme e
i
= 1,

f(t) = (2)

1
2
_
e
i(x

t
)t
f(x)dx,
et donc avec un changement de variable simple,

f(t) = (2)

1
2
_
e
iyt
f(y +

t
)dy.
On en deduit que
2

f(t) = (2)

1
2
_
e
ixt
(f(x) f(x +

t
))dx
et donc que [

f(t)[
1
2
(2)

1
2
|f() f( +

t
)|
1
. Le theor`eme de continuite en moyenne dans
L
1
(theor`eme 5.6) donne alors le fait que

f(t) 0 quand [t[ .
Cas N > 1. On reprend la meme methode. Pour t ,= 0, t = (t
1
, . . . , t
N
)
t
, il existe j
1, . . . , N t.q. [t
j
[ = max
k=1,...,N
[t
k
[. On a alors, comme e
i
= 1, en notant e
j
le j-i`eme
vecteur de base de R
N
,

f(t) = (2)

N
2
_
e
i(x

t
j
e
j
)t
f(x)dx,
et donc avec un changement de variable simple,

f(t) = (2)

N
2
_
e
iyt
f(y +

t
j
e
j
)dy.
On en deduit que [

f(t)[
1
2
(2)

N
2
|f()f(+

t
j
e
j
)|
1
. Le theor`eme de continuite en moyenne
dans L
1
(theor`eme 8.2) donne alors le fait que

f(t) 0 quand [t[ .
242
La tansformee a la propriete interessante de transformer la convolution en produit. Ceci est montre dans
la proposition suivante.
Proposition 10.2 Soient f et g L
1
C
(R
N
), alors

f g = (2)
N
2

f g.
D emonstration : Par la proposition 7.9, on f g L
1
C
(R
N
) et pour p.p. x R
N
, f g(x) =
_
f(x y)g(y)dy. On a donc, pour tout t R
N
,

f g(t) = (2)

N
2
_ __
f(x y)g(y)dy
_
e
ixt
dx = (2)

N
2
_ __
f(x y)g(y)e
i(xy)t
e
iyt
dy
_
dx.
En appliquant le theor`eme de Fubini (theor`eme 7.3) `a la fonction (x, y) f(x y)g(y)e
i(xy)t
e
iyt
(qui est bien integrable sur R
2N
car son module est la fonction (x, y) [f(x y)g(y)[ dont lintegrale
sur R
2N
est egale `a |f|
1
|g|
1
), on obtient :

f g(t) = (2)

N
2
_ __
f(x y)e
i(xy)t
dx
_
g(y)e
iyt
dy.
Comme, pour tout y R
N
,
_
f(x y)e
i(xy)t
dx =
_
f(z)e
izt
dz = (2)
N
2

f(t), on en deduit :

f g(t) =

f(t)
_
g(y)e
iyt
dy = (2)
N
2
f(t) g(t),
ce qui est le resultat annonce.
10.2.2 Theor`eme dinversion
Il est naturel de se poser les deux questions suivantes :
(i) La transformee de Fourier dune fonction f caracterise-t-elle la fonction f (cest-`a-dire si

f = g,
a-t-on f = g p.p.)?
(ii) peut-on retrouver la fonction `a partir de sa transformee de Fourier ?
Les reponses `a ces questions sont fournies par le theor`eme dinversion de Fourier :
Theor`eme 10.1 (Inversion partielle de la transformee de Fourier) Soit N 1 et f L
1
C
t.q.

f L
1
C
. On a alors f =

f(.) p.p., cest-`a-dire :


f(t) = (2)

N
2
_

f(x)e
ixt
dx, pour presque tout t R
N
.
D emonstration : La demonstration fait lobjet de lexercice 10.1.
Une consequence de ce theor`eme est linjectivite de lapplication F, qui fournit donc une reponse positive
`a la question (i). En eet, soient f et g L
1
C
t.q.

f = g ; alors par linearite,

f g = 0 et donc

f g L
1
C
.
En appliquant le theor`eme dinversion, on a donc f = g p.p..
Ce theor`eme apporte aussi une reponse partielle `a la question (ii) : on peut calculer f `a partir de

f d`es
que

f L
1
. Il faut remarquer `a ce propos que L
1
nest pas stable par transformation de Fourier (voir
exercice 10.2).
243
10.2.3 Regularite et decroissance `a linni
Proposition 10.3 (Dierentiabilite, dimension 1)
1. Soit f L
1
C
(R) C
1
(R, C) t.q. f

L
1
C
(R) (o` u f

est la derivee de f). Alors, pour tout t R,

(t) = (it)

f(t).
2. Soit f L
1
C
(R) t.q. (.)f L
1
C
(R) (o` u (.)f est lapplication qui `a x R associe xf(x)). Alors,

f C
1
(R, C) et, pour tout t R,

f

(t) =

(i)f(t).
D emonstration : La demonstration du premier item consiste `a faire une integration par parties sur
lintervalle [n, n] puis `a faire tendre n vers linni (en remarquant que f(n) 0, quand n , voir
lexercice 5.8).
Le deuxi`eme item est une consequence immediate du theor`eme 4.10 (theor`eme de derivation sous le signe
_
).
La transformation de Fourier transforme donc la derivation en multiplication par la fonction (i), et
la multiplication par (i) en derivation. Cette propriete est utilisee, par exemple, pour la resolution
dequations dierentielles (qui sont ainsi transformees en equations algebriques).
Cette propriete se generalise au cas de la dimension N et pour un ordre k de derivation quelconque. On
introduit pour ce faire les notations suivantes : soient = (
1
, . . . ,
N
)
t
N
N
un multi-indice et f une
fonction de R
N
dans C. On denit [[ =
1
+
2
+. . .
N
et :
D

f =
_

1
x

1
1

2
x

2
2
. . .

N
x

N
N
_
f.
Proposition 10.4 (Dierentiabilite, dimension N)
1. Soit N 1 et k 1. Soit f C
k
(R
N
, C) t.q. D

f L
1
C
(R
N
) pour tout N
N
t.q. [[ k.
Alors,

D

f(t) = (it)


f(t) pour tout t R et pour tout N
N
t.q. [[ k, avec (it)

=
(it
1
)

1
(it
2
)

2
. . . (it
N
)

N
.
2. Soit f t.q. (.)

f L
1
C
(R
N
) pour tout N
N
tel que [[ k. Alors,

f C
k
(R
N
, C) et D


f =

(i)

f pour tout N
N
tel que [[ k.
La proposition 10.4 montre que la derivabilite de f entrane la decroissance de

f `a linni (plus f est
derivable, plus

f decrot vite `a linni), et reciproquement. Cette remarque incite `a denir lespace des
fonctions `a decroissance rapide (souvent appele espace de Schwartz), note o(R
N
, C) ou o
N
en abrege.
o(R
N
, C) = f C

(R
N
, C) t.q. pour tout et N
N
, sup
xR
N
[(x)

f(x)[ < +.
On va montrer linvariance par transformation de Fourier de cet espace. On commence par remarquer
que o
N
L
1
C
(R
N
). En eet, si f o
N
, en prenant des choix convenables de et dans la denition de
o
N
, on remarque quil existe C R t.q. (1 + [x[
N+1
)[f(x)[ C. On en deduit que f L
1
C
(R
N
). Plus
generalement, si f o
N
, on remarque que ()

f L
1
C
(R
N
) pour tout a, R
N
. On obtient alors la
proposition 10.5.
244
Proposition 10.5 Soit N 1 et f o(R
N
, C). Pour tout , N
N
on a :

_
(i)

f
_
= (i)


(i)

f = (i)


f, (10.2)

(i)

f = D

D

f = D

[(i)


f]. (10.3)
D emonstration : La demonstration est une adaptation simple de celle de la proposition 10.4.
La proposition 10.5 et le theor`eme 10.1 nous permettent alors de remarquer que la transformee de Fourier
est une bijection de o
N
dans o
N
.
Proposition 10.6 Soit N 1. Lapplication F qui `a f associe sa transformee de Fourier est une
bijection de o
N
dans o
N
. De plus, pour tout f o
N
, on a f =

f().
D emonstration : En utilisant la proposition 10.5, on montre facilement que F envoie o
N
dans o
N
. Le
theor`eme dinversion (theor`eme 10.1) donne alors que f est injective et que f =

f(.) pour tout f o


N
.
De cette derni`ere formule, on deduit que F est surjective (et donc bijective) de o
N
dans o
N
.
10.3 Transformee de Fourier dune mesure signee
Il est facile detendre la denition de la transformation de Fourier `a une mesure signee sur les boreliens
de R
N
. Plus precisement, si m est une mesure signee sur les boreliens de R
N
(N 1), la denition 10.3
denit la fonction m (continue et bornee de R
N
dans C) et, si m = f
N
, avec f L
1
R
(R
N
, B(R
N
),
N
)
(cest-`a-dire que m est la mesure signee de densite f par rapport `a la mesure de Lebesgue sur les boreliens
de R
N
), on a m(t) =

f(t) pour tout t R
N
.
Denition 10.3 (Transformee de Fourier dune mesure signee)
Soit N 1 et m une mesure signee sur les boreliens de R
N
. Soit t R
N
, lapplication x e
ixt
(denie
de R
N
dans C) appartient `a L
1
C
(R
N
, B(R
N
), m) (car elle est continue, donc borelienne, et bornee). On
denit alors m(t) par :
m(t) = (2)

N
2
_
e
ixt
dm(x). (10.4)
La fonction m (denie de R
N
dans C) sappelle transformee de Fourier de m.
On rappelle que C
b
(R
N
, C) = g C(R
N
, C) t.q. sup
tR
N [g(t)[ < et que C
b
(R
N
, C) est un espace
de Banach quand il est muni de la norme de la convergence uniforme.
Proposition 10.7 Soit N 1. Soit m une mesure signee sur les boreliens de R
N
. La fonction m
appartient ` a C
b
(R
N
, C).
D emonstration : Le fait que m est bornee est simple. On utilise la decomposition de Hahn (proposi-
tion 2.6), cest-`a-dire le fait que m = m
+
m

, o` u m

sont deux mesure nies etrang`eres. On remarque


alors que, pour tout t R
N
, on a [ m(t)[ [m[(R
N
< +, o` u [m[ = m
+
+m

.
La fait que m est continue est une consequence immediate du theor`eme de continuite sous le signe
_
(theor`eme 4.9) applique `a la fonction (x, t) e
ix.t
(et avec les mesures nies m

).
Comme pour la transformation de Fourier dans L
1
, on peut se demander si m caracterise la mesure signee
m et si on peut retrouver m `a partir de m. La proposition suivante sinteresse `a ces deux questions.
245
Proposition 10.8 Soit N 1.
1. Soit m et deux mesures signees sur les boreliens de R
N
. On suppose que m = . alors, m = .
2. Soit m une mesure signee sur les boreliens de R
N
. On suppose que m L
1
C
(R
N
). Alors, m = f
N
avec f =

m() p.p. (cest-`a-dire p.p. pour la mesure
N
).
D emonstration : La demonstration de cette proposition fait lobjet de lexercice 10.5.
10.4 Transformation de Fourier dans L
2
On aimerait ici denir la transformee de Fourier dun element de L
2
C
(R
N
) = L
2
C
(R
N
, B(R
N
),
N
). On
rappelle que lespace L
2
C
(R
N
) est un espace de Hilbert et que le produit scalaire sur L
2
C
(R
N
) est deni
par (en notant dt = d
N
(t)) :
(f/g)
2
=
_
f(t)g(t)dt.
Il est clair que la denition de

f quon a donnee pour f L
1
C
(R
N
) ne sapplique pas pour un element
de L
2
C
(R
N
). Pour denir la transformee de Fourier dun element de L
2
C
(R
N
), on va utiliser la densite de
o
N
dans L
2
C
(R
N
) (on peut montrer que o
N
L
2
C
(R
N
), comme on a montre que o
N
L
1
C
(R
N
)). On va
dabord remarquer que la transformee de Fourier envoie o
N
dans L
2
C
(R
N
) et que cest une isometrie pour
la norme de L
2
C
(R
N
). On utilisera ensuite la densite de o
N
dans L
2
C
(R
N
) pour denir la transformee de
Fourier des elements de L
2
C
(R
N
).
Proposition 10.9 Soit N 1 et f, g o
N
(on a donc, en particulier, f, g L
2
C
(R
N
)). Alors

f, g
L
2
C
(R
N
) et (f/g)
2
= (

f/ g)
2
. En particulier, |f|
2
= |

f|
2
.
D emonstration : Soit f, g o
N
. Comme f,

f o
N
L
1
C
(R
N
), on peut appliquer le theor`eme
dinversion (theor`eme 10.1). Il donne f =

f() et donc :
(f/g)
2
=
_

f(t) g(t)dt = (2)

N
2
_ __
e
ixt

f(x)dx
_
g(t)dt.
On utilise maintenant le theor`eme de Fubini (theor`eme 7.3). Il sapplique car

f, g L
1
C
(R
N
). On obtient :
(f/g)
2
= (2)

N
2
_ __
e
ixt
g(t)dt
_

f(x)dx =
_

g(t)

f(t)dt = (

f/ g)
2
,
ce qui termine la demonstration.
La proposition 10.9 permet de denir, par un argument de densite, la transformee de Fourier dans L
2
C
(R
N
).
Theor`eme 10.2 Soit N 1. Il existe une application lineaire continue

F de L
2
C
(R
N
) dans L
2
C
(R
N
)
t.q. :
1. Si f L
1
C
(R
N
) L
2
C
(R
N
), on a alors

F(f) =

f p.p..
2. Pour tout f, g L
2
C
(R
N
), on a (f/g)
2
= (

F(f)/

F(g))
2
.
246
3. Pour tout f L
2
C
(R
N
), on a f =

F(

F(f))().
4.

F est une bijection de L
2
C
(R
N
) dans L
2
C
(R
N
).
Pour f L
2
C
(R
N
),

F(f) sappelle la transformee de Fourier de f. Compte tenu du premier item, on
notera en general,

f la transformee de Fourier de f si f L
1
C
(R
N
) (et alors

f C
0
(R
N
, C)) ou si
f L
2
C
(R
N
) (et alors

f L
2
C
(R
N
)).
D emonstration : Lapplication f

f est denie sur o
N
, qui est un sous espace de L
2
C
(R
N
), et prend
ses valeurs dans L
2
C
(R
N
) (car o
N
L
2
C
(R
N
), en confondant, comme dhabitude, un element de L
2
C
(R
N
)
avec lun de ses representants). Comme cette application est lineaire, continue pour la norme de L
2
C
(R
N
),
et que o
N
est dense dans L
2
C
(R
N
) (car o
N
C

c
(R
N
, C) et C

c
(R
N
, C) est dense dans L
2
C
(R
N
), voir le
theor`eme 8.4), on en deduit que cette application se prolonge en une application, notee

F, de L
2
C
(R
N
)
dans L
2
C
(R
N
).
Plus precis`ement, soit f L
2
C
(R
N
). Il existe (f
n
)
nN
o
N
t.q. f
n
f dans L
2
C
(R
N
) quand n . La
suite (f
n
)
nN
est donc de Cauchy dans L
2
C
(R
N
). La proposition 10.9 donne alors que la suite (

f
n
)
nN
est
donc aussi de Cauchy dans L
2
C
(R
N
). Elle converge donc dans L
2
C
(R
N
). On aimerait denir

F(f) comme
etant la limite (dans L
2
C
(R
N
)) de la suite (

f
n
)
nN
. Ceci est possible `a condition que cette limite ne depende
que de f et pas du choix de la suite (f
n
)
nN
convergeant dans L
2
C
(R
N
) vers f. Or, ce dernier point est
facile car si (g
n
)
nN
est une autre suite convergeant dans L
2
C
(R
N
) vers f, on a |

f
n
g
n
|
2
= |f
n
g
n
|
2
0
quand n . On a ainsi deni

F de L
2
C
(R
N
) dans lui meme.
La lineraite de

F decoule immediatement du fait que lappliaction f

f est lineaire de o
N
dans L
2
C
(R
N
).
Enn, soit f L
2
C
(R
N
) et (f
n
)
nN
o
N
t.q. f
n
f dans L
2
C
(R
N
). La proposition 10.9 donne que
|

f
n
|
2
= |f
n
|
2
pour tout n N. En passant `a la limite quend n , on en deduit |

F(f)|
2
= |f|
2
. Ce
qui prouve la continuite de

F de L
2
C
(R
N
) dans L
2
C
(R
N
). On montre maintenant les 4 items du theor`eme.
1. Soit f L
1
C
(R
N
) L
2
C
(R
N
). En reprenant la demonstration du theor`eme 8.4, il est facile de voir
quIl existe une suite (f
n
)
nN
C

c
(R
N
, C) t.q. f
n
f dans L
2
C
(R
N
) et L
1
C
(R
N
) lorsque n +
(car dans la demonstration du theor`eme 8.4, la suite construite pour converger vers f dans L
p
ne
depend pas de p). On en deduit que

f
n


f uniformement sur R
N
lorsque n + (car f
n
f
dans L
1
C
(R
N
)) et que

f
n


F(f) dans L
2
C
(R
N
) lorsque n + (car f
n
f dans L
2
C
(R
N
)) et
donc que, apr`es extraction eventuelle dune sous suite, on peut supposer que

f
n


F(f) p.p. quand
n . On en deduit bien que

f =

F(f) p.p..
2. Soit f, g L
2
C
(R
N
). Il existe deux suites (f
n
)
nN
o
N
et (g
n
)
nN
o
N
t.q. f
n
f, g
n
g dans
L
2
C
(R
N
). La proposition 10.9 donne (

f
n
/ g
n
)
2
= (f
n
/g
n
)
2
pour tout n N. En passant `a la limite
quand n on obtient bien (F(f)/F(g))
2
= (f/g)
2
.
3. Soit f L
2
. Soit (f
n
)
nN
o
N
t.q. f
n
f dans L
2
C
(R
N
) quand n . On a donc

f
n


F(f)
dans L
2
C
(R
N
), ce qui donne aussi

f
n
()

F(f)() dans L
2
C
(R
N
) et donc

f
n
() F(F(f))()
dans L
2
C
(R
N
) quand n +. La proposition 10.6 donne f
n
=

f
n
() pour tout n N. On en
deduit donc (par unicite de la limite dans L
2
) que f = F(F(f))() p.p..
4. Linjectivite de

F (de L
2
C
(R
N
) dans L
2
C
(R
N
)) decoule du fait que |

F(f)|
2
= |f|
2
et que

F est
lineaire. La surjectivite est une consequence immediate du troisi`eme item.
247
10.5 Resolution dune EDO ou dune EDP
On donne ici deux exemples simples dutilisation de la transformation de Fourier pour la resolution dune
equation dierentielle (souvent notee EDO pour Equation Dierentielle Ordinaire) ou dune equation aux
derivees partielles (souvent notee EDP pour Equation aux Derivees Partielles).
Soit N 0, (a
0
, . . . , a
N
) R
N+1
et g o
1
(donnes). On cherche f o
1
qui verie :
a
N
f
(N)
(x) +. . . +a
1
f

(x) +a
0
f(x) = g(x), pour tout x R. (10.5)
Si f o
1
verie (10.5), elle verie necessairement, par transformation de Fourier :
a
N

f
(N)
(t) +. . . +a
1

(t) +a
0

f(t) = g(t), pour tout t R. (10.6)
cest-`a-dire :
a
N
(it)
N

f(t) +. . . +a
1
it

f(t) +a
0

f(t) = g(t), pour tout t R. (10.7)
En posant p(t) = a
N
(it)
N
+. . . +a
1
it +a
0
et en supposant que p e sannule pas sur R, on a alors :

f(t) =
g(t)
p(t)
. (10.8)
Comme g o
1
et que p ne sannule par sur R, on peut montrer que
g
p
o
1
. En utilisant maintenant le
theor`eme dinversion, ou la proposition 10.6, on obtient :
f(t) =

f(t) =

_
g
p
_
(t), pour tout t R. (10.9)
On a donc montre que f est necessairement donnee par (10.9). Reciporquement, il est facile de voir que
la fonction donnee par (10.9) est solution de (10.5), cest donc lunique solution dans o
1
de (10.5) (en
supposant que p ne sannule par sur R).
Soit N 1, on cherche u : R
N
R, de classe C
2
(cest-`a-dire deux fois contin ument derivable) t.q.
u(x) = 0, pour tout x R
N
. (10.10)
Cherchons u o
N
(et donc u o
N
) solution de (10.10). On a donc

u = 0 (partout sur R
N
), cest-
`a-dire [t[
2
u(t) = 0 et donc u(t) = 0, pour tout t ,= 0. Comme u est continue, ceci entrane que u = 0
(partout sur R
N
), et donc u = 0. La fonction identiquement egale `a 0 est donc la seule solution de (10.10)
dans o
N
.
On peut eectuer un raisonnement analogue si on cherche u de classe C
2
et dans L
2
R
(R
N
) (on peut aussi
le faire si u est seulement dans L
2
R
(R
N
), il faut alors convenablement denir u). On obtient encore que
la seule solution de (10.10) est u = 0.
Par contre, ce resultat dunicite nest plus vrai si on ne demande pas `a u detre de carre integrable. En
eet, les fonctions constantes sont toutes solutions de (10.10) (et on peut montrer que ce sont les seules
fonctions, de classe C
2
et bornees, solutions de (10.10)).
248
10.6 Fonction caracteristique dun vecteur aleatoire
Denition 10.4 Soit (, /, P) un espace probabilise, d 1 et X un v.a. de dimension d. On appelle
fonction caracteristique de X la fonction de R
d
dans C denie par :

X
(u) =
_

e
iXu
dP = E(e
iXu
), pour u R
d
.
Dans la denition precedente, la fonction e
iXu
est bien integrable sur (pour tout u R
d
) car la
fonction x e
ixu
est continue bornee de R
d
dans C. En notant p
X
la loi de X, on remarque egalement
que
X
= (2)
d/2
p
X
(). La section 10.3 donne alors quelques proprietes elementaires de la fonction
caracteristique dun v..a..
Proposition 10.10 Soit (, /, P) un espace probabilise, d 1 et X un v.a. de dimension d. La fonction
caracteristique de X verie alors les proprietes suivantes :
1.
X
C
b
(R
d
, C).
2. La loi de X est enti`erement determinee par
X
(cest-`a-dire que si Y est un autre v.a. de dimension
d et que
X
=
Y
, on a necessairement p
X
= p
Y
).
3. Si
X
L
1
C
(R
d
, B(R
d
),
d
), la loi de X a une densite par rapport `a la mesure de Lebesgue sur
B(R
d
), cest-`a-dire p
X
= f
d
, et :
f(x) = (2)
d
_
R
d
e
ixu

X
(u)du,
d
-p.s. en x R
d
.
D emonstration : Comme
X
= (2)
d/2
p
X
(), le premier item est donnee par la proposition 10.7 (qui
donne p
X
C
b
(R
d
, C)).
Le deuxi`eme item est donnee par le premier item de la proposition 10.8.
Pour le troisi`eme item, on remarque que le deuxi`eme item de la proposition 10.8 donne p
X
= f
d
avec
f =

p
X
(), ce qui donne
d
-p.s. en x R
d
:
f(x) = (2)

d
2
_
R
d
e
ixt
p
X
(t)dt = (2)
d
_
R
d
e
ixt

X
(t)dt.
Les fonctions caracteristiques peuvent etre utilisees pour montrer lindependance de v.a.r. (ou de v.a.).
on donne un exemple dans la proposition suivante.
Proposition 10.11 Soit (, /, P) un espace probabilise, d > 1 et X
1
, . . . , X
d
d v.a.r.. Alors, les
v.a.r X
1
, . . . , X
d
sont independantes si et seulement si on a
X
(u) =

d
j=1

X
j
(u
j
) pour tout u =
(u
1
, . . . , u
d
)
t
R
d
, o` u X est le v.a. de composantes X
1
, . . . , X
d
.
D emonstration : Dapr`es le theor`eme 9.2 les v.a.r. X
1
, . . . , X
d
sont independantes si et seulement
p
X
= p
X
1
. . . p
X
d
. Par la proposition 10.8, ces deux mesures sont egales si et seulement si leurs
transformees de Fourier sont egales, cest-`a-dire si et seulement si :

X
(u) =
_
R
d
e
ixu
d(p
X
1
. . . p
X
d
) pour tout u R
d
.
249
Comme e
ixu
=

d
j=1
e
ix
j
u
j
pour tout x = (x
1
, . . . , x
d
)
t
et tout u = (u
1
, . . . , u
d
)
t
, la denition de la
mesure produit donne
_
R
d
e
ixu
d(p
X
1
. . . p
X
d
) =
d

j=1

X
j
(u
j
),
ce qui termine la demonstration de cette proposition.
Il est interessant aussi de connatre le lien entre convergence en loi et convergence simple des fonctions
caracteristiques, que nous donnons maintenant, sans demonstration.
Proposition 10.12 Soit (, /, P) un espace probabilise, d > 1, (X
n
)n N un suite de v.a. de dimension
d et X un v.a. de dimension d. Alors, X
n
X en loi, quand n , si et seulement si
X
n
(u)
X
(u),
quand n , pour tout u R
d
.
On termine cette section en donnant la fonction caractersiatique dun vecteur gaussien.
Proposition 10.13 Soit (, /, P) un espace probabilise.
1. Soit X une v.a.r. gaussienne. On note m son esperance (donc, m = E(X) R) et
2
sa variance
(donc,
2
= E((X m)
2
) 0) de sorte que X ^(m,
2
). On a alors :

X
(u) = e
imu
e

2
2
u
2
, pour tout u R.
2. Soit d 1 et X une v.a gaussien de dimension d. On note m son esperance (donc, m = E(X) R
d
)
et D sa matrice de covariance (donc, D est une matrice symetrique, semi-denie positive, son terme
`a la ligne j et la colonne k est donne par la covariance des composantes dindices j et k de X) de
sorte que X ^(m, D) (proposition 9.9). On a alors :

X
(u) = e
imu
e

1
2
Duu
, pour tout u R
d
.
D emonstration : Soit X une v.a.r. gaussienne, X ^(m,
2
). On suppose tout dabord que
2
= 0,
on a alors X = m p.s. et donc, pour tout u R,
X
(u) = e
imu
, ce qui est bien la formule annoncee. On
suppose maintenant que > 0, on a alors, pour tout u R :

X
(u) =
_
R
e
ixu
1

2
exp
_

(x )
2
2
2
_
dx.
Avec le changement de variable y =
xm

, on obtient :

X
(u) = e
imu
_
R
e
iyu
1

2
e
y
2
2
dy,
ce qui donne
X
(u) = e
imu 1

2
(u) avec (t) =
_
R
e
iyt
e
y
2
2
dy pour tout t R. Comme la fonction
y e
y
2
est paire, on a aussi :
(t) =
_
R
cos(yt)e
y
2
2
dy, pour tout t R.
250
Pour calculer (t), on remarque que le theor`eme de derivabilite sous le signe
_
sapplique (theor`eme 4.10)
et donne que est de classe C
1
et

(t) =
_
R
(y) sin(yt)e
y
2
2
dy. En integrant par parties cette derni`ere
integrale (en fait, on int`egre par parties sur [n, n] puis on fait tendre n vers linni), on obtient :

(t) =
_
R
t cos(yt)e
y
2
2
dy = t(t), pour tout t R,
ce qui donne (t) = (0)e
t
2
2
. Comme (0) =
_
R
e
y
2
2
dy =

2, on en deduit que (t) =

2e
t
2
2
(pour tout t R) et donc que
X
(u) = e
imu
e

2
u
2
2
, ce qui est bien la formule annoncee.
On suppose maintenant que d > 1 et que X est un v.a. gaussien. Soit u R
d
. On a
X
(u) =
E(e
iXu
) =
Xu
(1). Pour connatre
X
(u), il sut donc de connatre la fonction caracteristique de la
v.a.r. X u. Comme X est un v.a. gaussien, la v.a.r. X u est une v.a.r. gaussienne. Sa moyenne est
E(X u) = E(X) u = m u et sa variance est (voir lexercice 158) :

2
= E((X u m u)
2
) = E(u
t
(X m)(X m)
t
u) = u
t
Cov(X)u = u
t
Du.
On a donc, dapr`es la premi`ere partie de cette demonstration (cest-`a-dire le cas d = 1),

X
(u) =
Xu
(1) = e
imu
e

u
t
Du
2
,
ce qui est bien la fromule annoncee (car u
t
Du = Du u).
10.7 Exercices
10.7.1 Transformation de Fourier dans L
1
Exercice 10.1 (Resultat partiel dinversion de Fourier dans L
1
) Corrige 164 page 483
Soit H(t) = e
|t|
, t R. On pose, pour > 0 :
h

(x) = (2)

1
2
_
R
H(t)e
itx
dt, x R. (10.11)
1. Montrer que h

(x) = (
2

)
1
2

2
+x
2
, et
_
R
h

(x)dx = (2)
1
2
.
2. Soit f L
1
C
(R, B(R), ), montrer que pour tout x R, on a :
f h

(x) =
_
R
H(t)

f(t)e
ixt
dt. (10.12)
3. Soit g une fonction mesurable bornee de R dans C, continue en 0. Montrer que gh

(0)

2g(0)
quand 0. [Utiliser 1. et le theor`eme de convergence dominee.]
4. Soit f L
1
C
(R, B(R), ), montrer que :
|f h

2f|
1
0 lorsque 0. (10.13)
[Utiliser la continuite en moyenne et la question precedente avec g(y) =
_
[f(x y) f(x)[dx.]
251
5. Deduire de ce qui prec`ede le theor`eme dinversion de Fourier, theor`eme 10.1.
Exercice 10.2 1. Calculer la transformee de Fourier de 1
[a,a]
, a R
+
. En deduire que L
1
nest pas
stable par transformation de Fourier.
2. On pose g
n
= 1
[n,n]
. Calculer f g
n
, et montrer quil existe h
n
L
1
t.q.

h
n
= f g
n
. Montrer que
la suite f g
n
est bornee dans C
0
(R, R) alors que la suite h
n
nest pas bornee dans L
1
. En deduire
que la transformee de Fourier nest pas surjective de L
1
dans C
0
.
Exercice 10.3 Soit f o, on pose L(f)(x) = f(x) +xf(x).
1. Montrer que L(f) = 0 entrane f = 0.
2. Soit k o, montrer que lequation dierentielle h

(t) = k(t) a une solution dans o si et seulement


si
_
k(t)dt = 0.
3. Soit g o, etudier lexistence et lunicite des solutions dans o de lequation L(f) = g. On pourra
remarquer que pour h o, on a :
i
d
dt
(he
i
t
3
3
) t
2
(he
i
t
3
3
) = ih

(t)e
i
t
3
3
.
Exercice 10.4 On note L
p
lespace L
p
C
(R, B(R), ).
1. Soient f, g L
1
, montrer que f g L
1
, g

f L
1
et
_
f gd =
_
g

fd.
2. Soit B = [
1
2
,
1
2
]. Montrer que 1
B
1
B
(t) = (1 [t[)
+
.
3. On pose
n
= (1
|t|
n
)
+
, n N

. Deduire de la question precedente que:

n
(y) =
4

2
sin
2
(
ny
2
)
ny
2
, y R.
[Se ramener `a
1
...]
4. Soit f L
1
L

t.q.

f(t) R
+
pour tout t R. On se propose de montrer que

f L
1
(et donc
que le theor`eme dinversion sapplique)
(a) On note
n
=
n

f; montrer que
n


f et
_

n
d
_

fd lorsque n +.
(b) Montrer quil existe 0 independant de n tel que
_

n
(y)dy = , n N

. En deduire que

f L
1
.
10.7.2 Transformee de Fourier dune mesure signee
Exercice 10.5 (Une mesure est caracterisee par sa transformee de Fourier) Corrige 165 page
485
Soit d 1.
1. Soit m et deux mesures signees sur les boreliens de R
d
. On suppose que m = .
(a) Soit L
1
C
(R
d
, B(R
d
),
d
). Montrer que
_
dm =
_
d.
252
(b) Montrer que
_
dm =
_
d pour tout o(R
d
, C) (et donc pour tout C

c
(R
d
, R)).
(c) Montrer que m = (On rappelle quune fonction de C
c
(R
d
, R) est limite uniforme de
fonctions de C

c
(R
d
, R)).
2. Soit m une mesure signee sur les boreliens de R
d
. On suppose que m L
1
C
(R
d
, B(R
d
),
d
). Montrer
que m est la mesure de densite f par rapport `a la mesure de Lebesgue avec f =

m().
10.7.3 Transformation de Fourier dans L
2
Exercice 10.6 On note ici

f la transformee de Fourier, pour f L
1
ou L
2
.
1. Soient f, g o, Montrer que

fg =
1

f g.
2. Soient f, g L
2
, Montrer que

fg =
1

f g.
10.7.4 Fonction Caracteristique dune v.a.r.
Exercice 10.7 (Calcul de fonctions caracteristiques)
Soit (, /, P) un espace de probabilites et X une v.a. reelle. Calculer la fonction caracteristique
X
de
X dans les cas suivants :
1. X = a p.s. (a R).
2. X B(p) (loi de Bernoulli de param`etre p : T[X = 1] = p = 1 T[X = 0]).
3. X suit une loi exponentielle de param`etre (avec > 0).
Exercice 10.8 (Loi normale et vecteur gaussien)
Soit (, /, p) un espace probabilise, d 1 et X un v.a. de dimension d. Soit m R
d
et D une matrice
s.d.p. (de taille d d). Si X ^(m, D), o` u ^(m, D) est denie par la denition 9.3, montrer que X est
un vecteur gaussien.
Exercice 10.9 (Vecteurs gaussiens et densite)
Soit (, /, P) un espace de probabilites, d 1 et X = (X
1
, . . . , X
d
) un v.a. de dimension d.
On suppose que X = (X
1
, . . . , X
d
) est un vecteur gaussien (cest-`a-dire que

d
i=1
a
i
X
i
suit une loi
gaussienne pour tout a
1
, . . . , a
d
R). On note m la moyenne de X et D la matrice de covariance de X.
Montrer que la loi de X est de densite par rapport `a la mesure de Lebesgue (sur R
d
) si et seulement si D
est inversible. Si D est inversible, montrer que la loi de X est la loi ^(m, D) donnee dans la denition 9.3.
Exercice 10.10 (Vecteurs gaussiens, independance, covariance) Corrige 166 page 486
Soit (, /, P) un espace de probabilites, d 1 et X = (X
1
, . . . , X
d
) un v.a. de dimension d.
1. On suppose ici que d = 2.
(a) On suppose que X
1
et X
2
suivent des lois gaussiennes et sont independantes, montrer que X
est un vecteur gaussien et que Cov(X
1
, X
2
) = 0.
(b) On suppose que X est un vecteur g