People’s Democratic Republic of Algeria

Ministry of Higher Education and Scientific Research

University of M0 hamed Bougara Boumerdes

Cours Troixième Année Licence Mathématiques

Semestre 5

Mesure et Integration

α :alpha ; β :beta ; γ : gamma ; δ : delta ;  :epsilon ; ζ : zeta ;

η :eta ; θ : theta ; ϑ : vartheta ; λ : lambda ; µ :mu ; ν :nu ; ξ : xi ; o :o ;

π : pi ; ρ : ro ; σ : sigma ; τ : tau ; φ : phi ; χ :chi, ψ : psi .

Γ : Gamma ; ∆ :Delta ; Θ :Theta ; Ξ : Xi ; Σ : Sigma ; Φ : Phi ; Ψ : Psi ; Ω :Omega ;

Π :Pi.

Meziani Mohamed

1
 1/Programme

Objectifs de l’enseignement : Faire découvrir à l’étudiant une nouvelle théorie qui

est la théorie de la mesure ainsi que son application aux probabilités, le plaçant dans un

nouveau contexte d’espaces qui sont les espaces mesurés, par suite une large théorie sur

l’integration est définie, en particulier celle de Lebesgue lui permettant de se familiariser

avec les grands résultats de l’integration tels le théorème de la convergence dominée

de Lebesgue et les théorèmes de Fubini.

Connaissances préalables recommandées -Algebre1-Algebre2- Topologie.

Contenu de la matère :

Chapitre 1 : Rappels sur le théorie des ensembles.

Chapitre 2 : Tribus et Mesures.

1.1 Définitions Algebres et tribus .

1.2 Mesures Positives, Probabilité.

1.3 Propriétés des mesures, Mesures exterieurs, Mesures complètes.

1.4 La mesure de Lebesgue sur la tribu des Boréliens.

Chapitre 3 : Fonctions mesurables, Variables aléatoires.

2.1 Fonctions étagées

2.2 Fonctions mesurables et variables aléatoires

2.3 Caractérisation de la mesurabilité.

2.4 Convergence p.p et Convergence en mesure.

Chapitre 4 : Fonctions Integrables.

4.1 Integrale d’une fonction etagée positive.

4.2 Integrale d’une fonction mesurable positive.

4.3 Integrale d’une fonction mesurable.

4.4 Comparaison de l’intégrale de Lebesgue avec l’intégrale de Rieman.

4.5 Mesure et densité de probabilité.

2
4.7 L’espace L1 des fonctions intégrables.

4.8 Théorème de convergence dominée dans L1 .

4.9 Continuité et dérivabilité sous le signe somme.

Chapitre 5 : Produit d’espaces mesurés.

5.1 Mesure produit, définition.

5.2 Théorme de Fubini et conséquences.

Mode d’évaluation : Examen (60◦ /◦ ), contrôle continue (40◦ /◦ ).

Références :

1. N. Boccara, intégration, ellipse,1995.

2.Hajd El Amri, Mesures et intégration.

3. Rogie jean, Mesures et intégration.

4. O.Arino, Mesures et intégration (Exercices).

5.R.G,Bartle, the elements of integration,John wilery and sons Inc, new york,1996 ;

6.P.R.Halmos, measure theory, D. Van Nostrand company, Inc, New york, N.Y, 1950.

7.J.Gapaillard, Intégration pour la licence, cours et exercices corrigés(2ème ed), Dunod

1997.

8.Heinz Bauer, Probability theory and elements of measure theory, Academic press Ing[Harcourt

Brace Javavovich publishers] London,1981.

9.W.Rama, Introduction to measure and integration, Third ed,Springer-verlag, New york,

2009.

3
Table des matières

1 Théories des ensembles 8

1.1 Ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

1.1.1 L’ensemble des parties d’un ensemble : . . . . . . . . . . . . . . . . 9

1.2 Operations sur les ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . 9

1.2.1 Inclusion de deux ensembles : . . . . . . . . . . . . . . . . . . . . . 9

1.2.2 Différence de deux ensembles : . . . . . . . . . . . . . . . . . . . . . 10

1.2.3 Différence symetrique : . . . . . . . . . . . . . . . . . . . . . . . . . 10

1.2.4 Réunion et intersection de deux ensembles : . . . . . . . . . . . . . 10

1.2.5 Complémentaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

1.2.6 Quelques propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

1.3 Produit cartésien de deux ensembles . . . . . . . . . . . . . . . . . . . . . 11

1.3.1 Couples : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

1.3.2 Produit cartésien : . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

1.3.3 Généralisation : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

1.4 Suites d’ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

1.5 Applications ou Fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

1.5.1 Restriction et Prolongement d’une application . . . . . . . . . . . . 13

1.5.2 Image directe et image réciproque : . . . . . . . . . . . . . . . . . . 14

1.5.3 Quelques propriétés : . . . . . . . . . . . . . . . . . . . . . . . . . . 14

4
 TABLE DES MATIÈRES

1.5.4 Composition des applications . . . . . . . . . . . . . . . . . . . . . 14

1.5.5 La droite achevée sur R : . . . . . . . . . . . . . . . . . . . . . . . . 15

1.5.6 Rappel sur les fonctions réelles : . . . . . . . . . . . . . . . . . . . . 15

1.5.7 Fonction indicatrice . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

1.5.8 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

1.5.9 Injections, Surjections, Bijections . . . . . . . . . . . . . . . . . . . 16

1.6 Ensembles finis, équipotents, dénombrables . . . . . . . . . . . . . . . . . . 17

1.6.1 Introduction à N . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

1.6.2 Ensembles finis : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

1.6.3 Ensembles équipotes : . . . . . . . . . . . . . . . . . . . . . . . . . 18

1.6.4 Ensembles dénombrables : . . . . . . . . . . . . . . . . . . . . . . . 18

1.6.5 Critère de dénombrabilité . . . . . . . . . . . . . . . . . . . . . . . 19

1.6.6 Propriétés de dénombrabilité . . . . . . . . . . . . . . . . . . . . . . 19

1.7 Topologie usuelle sur R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

1.7.1 Voisinages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

1.7.2 Voisinages de +∞ et −∞ dans R . . . . . . . . . . . . . . . . . . . 20

1.7.3 Ouverts et fermés . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

1.8 Topologie usuelle sur Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

1.8.1 Ouverts et fermés . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

1.9 Limites superieurs et limites inferieurs d’ensembles . . . . . . . . . . . . . 21

1.9.1 Limite d’une suite d’ensembles . . . . . . . . . . . . . . . . . . . . . 21

1.9.2 Suite d’ensemble monotone . . . . . . . . . . . . . . . . . . . . . . 21

1.9.3 Propriétés de limite superieur et inferieur d’ensembles . . . . . . . . 22

1.10 Partie d’exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

2 Tribus et mesures 24

5
 TABLE DES MATIÈRES

2.1 Tribus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

2.2 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

2.2.1 Anneaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

2.2.2 Algebres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

2.2.3 Tribus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

2.2.4 Parties mesurables . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

2.2.5 Espaces mesurables . . . . . . . . . . . . . . . . . . . . . . . . . . 26

2.2.6 Tribu engendrée . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

2.2.7 Tribu induite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

2.2.8 Tribu produit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

2.2.9 Tribu boréliènne . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

2.2.10 La droite achevée de R . . . . . . . . . . . . . . . . . . . . . . . . 30

2.2.11 La droite achevée de R+ . . . . . . . . . . . . . . . . . . . . . . . . 31

2.3 Mesures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

2.3.1 Mesures Positives . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

2.3.2 Espaces mesurés . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

2.3.3 Mesure de Probabilité . . . . . . . . . . . . . . . . . . . . . . . . . 34

2.3.4 Propriétés des mesures . . . . . . . . . . . . . . . . . . . . . . . . . 34

2.3.5 Notions Ensembles négligeables et la propriété presque partout . . . 38

2.3.6 Mesure Complète . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

2.3.7 Espace Complet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

2.3.8 Mesures Exterieures . . . . . . . . . . . . . . . . . . . . . . . . . . 39

2.3.9 Partie µ? -mesurable . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

2.3.10 Tribu des parties mesurables . . . . . . . . . . . . . . . . . . . . . . 40

2.4 Théorème de Prolongement . . . . . . . . . . . . . . . . . . . . . . . . . . 40

2.4.1 Mesure sur une Algebre . . . . . . . . . . . . . . . . . . . . . . . . 41

6
 TABLE DES MATIÈRES

2.4.2 Prolongement d’une mesure sur une Algebre . . . . . . . . . . . . . 41

2.5 Mesure de Lebesgue sur R . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

2.5.1 Quelque propriétés de la mesure de Lebesgue . . . . . . . . . . . . . 43

2.5.2 Mesure de Lebesgue sur Rn . . . . . . . . . . . . . . . . . . . . . . 44

3 Fonctions Mesurables 45

7
Chapitre 1

Théories des ensembles

Introduction

Nous n’essayons pas, Dans ce chapitre, de baser sur des données axiomatiques dans les

théories des ensembles, il est cependant possible de le faire, et renvoyons les etudiants à

[Bourbaki] pour une etude axiomatique complète, les resultats qui apparaissent dans ce

chapitre sans être accompagnés d’une preuve où d’une définition.

1.1 Ensembles

1/ Si E est un ensemble et si x est un objet, on écrira x ∈ E pour symboliser le fait

que x est un élément de E et on écrira x ∈

/ E pour symboliser le fait que x n’est pas un

élément de E.

2/Si E est un ensemble et si p désigne une propriété pourtant sur les éléments de E on

écrira

∀x ∈ E, p(x).

3/ Si pour tout élément de A est un élément de E on dit A est un sous-ensemble de E et

on écrira

A ⊂ E ⇔ ∀x ∈ A, x ∈ E.

8
 1.2. Operations sur les ensembles

1.1.1 L’ensemble des parties d’un ensemble :

Etant donné un ensemble E. On désigne par P(E) l’ensemble des parties de E.

P (E) = {X/X ⊂ E}

On dit que X est une partie de E. ou un sous-ensemble de E, ou bien un élément de P(E).

Remarque 1.1 l’ensemble vide et E sont des éléments de P(E), il est claire que
1. A ∈ P (E) ⇔ A ⊂ E.
2. P (φ) = {φ}.
3. P (P (φ) = {φ, {φ}}.

Exemple 1.1 Soit E={0,1,2}, donc, P (E) = {φ, E, {0}, {1}, {2}, {0, 1}, {0, 2}, {1, 2}}.

Remarque 1.2 On remarque que Card(P (E)) = 2Card(E) en effet, 8 = 23 ,

Card(P (E)) = 8, Card(E) = 3.
Un sous-ensemble d’éléments de P(E) où de partie de E est dite en generale famille de
partie de E (système).

Exemple 1.2 Soit E={a,b,c} un ensemble.

L’ensemble de partie de E est P (E) = {φ, E, {a}, {b}, {c}, {a, b}, {a, c}, {c, b}}.
F={{a},{b},{c}} une famille de partie de E et on écrit F ⊂ P (E) mais {a} ∈ P (E).

1.2 Operations sur les ensembles

1.2.1 Inclusion de deux ensembles :

Etant donné deux sous-ensembles E F, on dit que F est inclus dans E si tout élément
de F est dans E. On écrit F ⊂ E.
1. F ⊂ E ⇔ ∀x ∈ F, x ∈ E.
2. E = F ⇔ E ⊂ F et F ⊂ E

9
 1.2. Operations sur les ensembles

1.2.2 Différence de deux ensembles :

C’est l’ensemble des éléments de E qui ne sont pas dans F, notée E \ F = E − F

E \ F = {x/x ∈ E et x ∈
/ F}

Exemple 1.3 1. Soient A = {0, 2, 3, 8, 9}, B = {5, 8}, A \ B = A − B = {0, 2, 3, 9}.

2. A = {0, 2, 3}, B = {0, 2, 3, 4, 5}, A − B = φ, B − A = {4, 5}

1.2.3 Différence symetrique :

Soient A, B deux sous-ensembles de E. La différence symetrique de A et B notée par
A∆B et on écrit
A∆B = (A \ B) ∪ (B \ A)

Exemple 1.4 Soient A, B deux sous-ensembles de N tels que A = {0, 1, 2, 3},

B = {0, 3, 6}, A∆B = (A − B) ∪ (B − A) = {1, 2} ∪ {6} = {1, 2, 6}.

1.2.4 Réunion et intersection de deux ensembles :

1. La réunion de deux ensembles E et F est l’ensemble des éléments qui appartiennent
soit à E, soit à F.
E ∪ F = {x/x ∈ E ou x ∈ F }

2. L’intersection de deux ensembles E et F est l’ensemble des éléments qui appar-

tiennent à la fois à E et à F.

E ∩ F = {x/x ∈ E et x ∈ F }

1.2.5 Complémentaire
Etant donnée deux ensemble E, F telle que F ⊂ E, le complémentaire de F dans E
est l’ensemble des éléments de E qui ne sont pas dans F, notée par CE F

Exemple 1.5 CE E = φ = E \ E = E − E

10
 1.3. Produit cartésien de deux ensembles

1.2.6 Quelques propriétés

Soient A, B, C trois sous-ensembles de E.
1. A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C).
2. A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C).
3. CE (CE A) = A.
4. A ⊂ B ⇒ CE B ⊂ CE A.
5. CE (A ∪ B) = CE A ∩ CE B.
6. CE (A ∩ B) = CE A ∪ CE B.
7. A \ B = A − B = CA (A ∩ B) = CA∪B B.
8. A − (B ∪ C) = (A − B) ∩ (A − C).
9. A − (B ∩ C) = (A − B) ∪ (A − C).
[ [
10. ( Ai − B) = (Ai − B), I ⊂ N.
i∈I i∈I
\ \
11. ( Ai − B) = (Ai − B), I ⊂ N.
i∈I i∈I
[ \
12. (B − Ai ) = (B − Ai ), I ⊂ N.
i∈I i∈I
\ [
13. (B − Ai ) = (B − Ai ), I ⊂ N.
i∈I i∈I

Exercice 1.1 Montrer les propriétés précédentes.

1.3 Produit cartésien de deux ensembles

1.3.1 Couples :
Etant donnés deux objets x et y, il existe un objet (x,y) appelé couple qui satisfait à la
condition suivante :

∀x0 et y 0 , (x, y) = (x0 , y 0 ) ⇔ x = x0 et y = y 0

1.3.2 Produit cartésien :

L’ensemble des couples (x,y) tels que x ∈ E, y ∈ F est appelé produit cartésien de E
dans F, et noté E × F.

Remarque 1.3 L’ensemble des couples (x,x) tels que x ∈ E s’appelle la diagonale de
E × E noté également E 2 .

11
 1.4. Suites d’ensembles

1.3.3 Généralisation :
On appelle produit cartésien de n ensembles E1 , E2 , ........, En et l’on désigne par
E1 ×E2 ×........×En ,l’ensemble des n-uples (x1 , x2 , ..., xn ) où x1 ∈ E1 , x2 ∈ E2 , ..., xn ∈ En .

1.4 Suites d’ensembles

Soit (An )n∈N une suite d’ensemble de E.
1/On dit que la suite d’ensemble (An )n∈N une suite croissante si An ⊂ An+1 ∀n ∈ N.
2/ On dit que la suite d’ensemble (An )n∈N est décroissante si An+1 ⊂ An ∀n ∈ N.

Exemple 1.6 Soit E un ensemble et (An )n∈N une suite d’ensemble de P(E). On pose
[
Bn = Ak ,
k≥n

\
Cn = Ak ,
k≥n

Montrons que la suite (Bn )n∈N est décroissante et la suite (Cn )n∈N est croissante.
Solution
1/ Montrons que (Bn )n∈N est décroissante.
On a :
[
Bn = Ak = An ∪ An+1 ∪ An+2 ∪ .....
k≥n

et
[
Bn+1 = Ak = An+1 ∪ An+2 ∪ An+3 ∪ .....
k≥n+1

Comme Bn+1 ⊆ Bn ∀n ∈ N, alors la suite d’ensemble (Bn )n∈N est décroissante.

2/Montrons que (Cn )n∈N est croissante.
On a :
\
Cn = Ak = An ∩ An+1 ∩ An+2 ∩ .....
k≥n

et
\
Cn+1 = Ak = An+1 ∩ An+2 ∩ An+3 ∩ .....
k≥n+1

Comme Cn ⊆ Cn+1 ∀n ∈ N, alors la suite d’ensemble (Cn )n∈N est croissante.

12
 1.5. Applications ou Fonctions

1.5 Applications ou Fonctions

Définition 1.1 Soient E, F deux sous-ensembles et Γ une partie de E × F .
On pose f = (E, F, Γ).
On dit que f une fonction définie dans E à valeurs dans F ou application de E dans F si
pour tout élément x de E, il existe un unique élément y de F tel que (x, y) ∈ Γ.
On note y = f (x) l’image de x par f et on écrit :

f :E→F

x 7→ f (x).

E est l’ensemble de départ de f .

F est l’ensemble d’arrivée de f .
Γ est le graphe de f .

Remarque 1.4 Deux applications sont égales si leurs ensembles de départ sont égaux,
leurs ensembles d’arrivées sont égaux et leurs graphes également.

1.5.1 Restriction et Prolongement d’une application

Etant donnés des ensembles E, F, G et H et deux applications

f : E → F et g : G → H

On dit que f est une restriction de g ou g est un prolongement de f si :

E ⊂ G, F ⊂ H et ∀x ∈ E, f (x) = g(x).

Exemple 1.7 On considère l’application identique de E notée idE

idE : E → E

x 7→ idE (x) = x.

Soit E 0 une partie de E. l’injection canonique

idE 0 : E 0 → E

x 7→ idE 0 (x) = x.

est une restriction de idE à E 0 ou bien idE est un prolongement de idE 0 .

13
 1.5. Applications ou Fonctions

1.5.2 Image directe et image réciproque :

Soit une application f : E → F .
a)Image directe :
Etant donnée A une partie de E, on désigne par f (A) l’ensemble des images par f des
éléments de A.

f (A) = {y ∈ F/∃x ∈ A, f (x) = y} = {f (x)/x ∈ A}, (f (A) ⊂ F ).

b)Image réciproque :
Etant donnée B une partie de F ; on désigne par f −1 (B) l’ensemble des éléments de E,
dont les images par f sont dans B.

f −1 (B) = {x ∈ E/f (x) ∈ B} = {x ∈ E/∃y ∈ B, y = f (x)}; (f −1 (B) ⊂ E).

1.5.3 Quelques propriétés :

Etant données des parties A et C de E , B et D de F et f une application de E dans
F on a :
1. f (A ∪ C) = f (A) ∪ f (C).
2. f (A ∩ C) ⊂ f (A) ∩ f (C).
3. f −1 (B ∪ D) = f −1 (B) ∪ f −1 (D).
4. f −1 (B ∩ D) = f −1 (B) ∩ f −1 (D).
5. f (f −1 (B)) ⊂ B.
6. A ⊂ f −1 (f (A)).
7. f −1 (CF B) = CE (f −1 (B)).

Exercice 1.2 Montrer les propriétés précédentes.

1.5.4 Composition des applications

Soient E, F et G des ensembles et deux applications f : E → F et g : F → G
l’application gof : E → G définie par (gof )(x) = g(f (x)) pour tout x ∈ E est appelée
fonction composée de f et g.

14
 1.5. Applications ou Fonctions

1.5.5 La droite achevée sur R :

Une suite réelle n’a pas toujours de valeur adhérence ceci est du au fait que (R, |.|)
n’est pas compact. En ajoutant deux éléments à R, on peut faire un espace compact.

Définition 1.2 On appelle droite achevée l’espace topologique noté R obtenu en adjoi-
gnant à R deux éléments, notés +∞, −∞, donc la topologie de R est alors engendrée par
les ouverts de R et les ensembles

{−∞}∪] − ∞, a[, ]a, +∞[∪{+∞}.

I La relation d’ordre sur R s’étend à R en considerant −∞ comme plus petit élément et

+∞ comme plus grand élément.
I l’espace R jouit des propriétés suivantes :
 R est compact. En particulier toute partie non vide possède une borne sup et une bore
inf .
 R est homéomorphisme à [0, 1] par exemple prolonger la fonction tg à l’intervalle
[− Π2 , Π2 ] et la fonction arctan à [−∞, +∞]. ( On rappelle que [0, 1] et [− Π2 , Π2 ] sont homéomorphisme).
 Toute suite monotone de R est convergente.
Conséquence : une conséquence du fait que R soit compact, en particulier que l’en-
semble des valeurs d’adhérences d’une suite n’est pas vide ( on rappel que l’ensemble des
valeurs d’adhérences adh (u) d’une suite (un ) est l’ensemble des limites des sous-suites
(unk ) qui convergent).

1.5.6 Rappel sur les fonctions réelles :

Soit X, Y deux ensembles, on désigne par F(X, Y ) l’ensemble des fonctions de X
dans Y . l’orsque Y = R ou Y = R. On définit naturellement pour f et g ∈ F(X, Y ) les
fonctions inf(f, g), sup(f, g)
Les fonctions parties positives et negatives d’une fonction sont les deux fonctions positives
définies par :
f+ : x 7→ sup(f (x), 0), f− : x 7→ sup(−f (x), 0),

pour lesquelles on a :
f = f+ − f− .

Parmi les fonctions réelles certaines jouent un rôle important en théorie de l’intégration
il s’agit des fonctions indicatrice d’ensemble.

15
 1.5. Applications ou Fonctions

1.5.7 Fonction indicatrice

Définition 1.3 Soit X un ensemble et A ⊂ X. On appelle fonction indicatrice de A et
on note 1A la fonction définie par
(
1, si x ∈ A
1A (x) =
0, si x ∈
/A

1.5.8 Propriétés
Soient A, B deux sous-ensembles de X.
1. Si A ⊂ B alors 1A ≤ 1B .
2. 1A∩B = 1A × 1B .
3. 1A∪B = sup(1A , 1B ) = 1A + 1B − 1A∩B .
4. 1Ac = 1 − 1A , AC est le complémentaire de A dans X.
X
5. si (Ai )i∈I est une partition de X alors 1Ai = 1.
i∈I
6. L’application
ψ : P (X) → F(X, R)

A 7→ 1A

est injective.
Preuve voir TD.

Exemple 1.8 Montrer que 1A∪B = 1A + 1B , si A et B sont disjoints.

Solution On a : A et B sont disjoints c-à-d A ∩ B = φ donc la fonction indicatrice de
A ∩ B égale 0 (1A∩B = 0) et d’après la propriété (3), on trouve que
1A∪B = 1A + 1B − 1A∩B = 1A + 1B .

1.5.9 Injections, Surjections, Bijections

Soit une application f : E → F .
a) f est injective si et seulement si deux éléments distincts de E ont des images distinctes
par f .
f injective ⇔ ∀x, x0 ∈ E, x 6= x0 ⇒ f (x) 6= f (x0 ) ⇔ ∀x, x0 ∈ E, f (x) = f (x0 ) ⇒ x = x0 .
b) f est surjective si et seulement si tout élément y de F est l’image par f d’un élêment
x de E au moins.

16
 1.6. Ensembles finis, équipotents, dénombrables

f surjective ⇔ ∀y ∈ F, ∃x ∈ E, y = f (x) ⇔ f (E) = F.

c) f est bijective si et seulement si elle est à la fois injective et surjective.
f bijective ⇔ ∀y ∈ F, ∃ un unique x ∈ E, y = f (x).

Proposition 1.1 Soient f : E → F et g : F → G. Alors,

– gof injective ⇒ f injective.
– gof surjective ⇒ g surjective.
– gof bijective ⇒ f injective et g surjective.

Théorème 1.2 Soit f : E → F . Les conditions suivantes sont équivalentes :

1. f est bijective.
2. il existe une application g : F → E telle que gof = idE et f og = idF . Si ces condi-
tions sont réalisées alors, g est unique et bijective g appelée application réciproque
de f et notée f −1 .

Exercice 1.3 Demontrer la proposition (1.1) et le théorème (1.2).

1.6 Ensembles finis, équipotents, dénombrables

1.6.1 Introduction à N
L’ensemble des entiers naturels N = {0, 1, 2, 3....., n, ...} est un ensemble totalemet
ordonné par la relation d’ordre ”usuel” ≤. L’ensemble N possède un petit élément 0.
Propriété fondamentale de N
1) Toute partie non vide de N admet un plus petit élément (pour la relation d’ordre ≤).
2)Toute partie non vide et majorée de N admet un plus grand élément (pour la relation
d’ordre ≤).

1.6.2 Ensembles finis :

Définition 1.4 Un ensemble E est fini s’il est vide, ou s’il existe une bijecton de E sur
un intervalle [1, n] de N.
E est alors un ensemble à n éléments ; on écrit card(E) = n, card(φ) = 0.

Proposition 1.3 Si un ensemble E est fini alors toute application injective de E dans E
est surjective.

17
 1.6. Ensembles finis, équipotents, dénombrables

Remarque 1.5 N n’est pas fini, on dit qu’il est infini.

Proposition 1.4 Soient E, F deux ensembles finis, alors

1) E ∪ F et E ∩ F sont finis et card(E ∪ F )=card(E)+card(F)-card(E ∩ F ).
2) E × F est fini et card(E × F )=card(E)× card(F).

1.6.3 Ensembles équipotes :

Deux ensembles sont dits équipotes s’il, existe une bijection de l’un sur l’autre.

1.6.4 Ensembles dénombrables :

Il est essentiel pour ce qui concerne le théorie de la mesure, de savoir distinguer ce
qui dénombrable de ce qui ne l’est pas.

Définition 1.5 Un ensemble E est dit dénombrable s’il existe une bijection de E sur N
(ou bien s’il est en bijection avec une partie de N).

Remarque 1.6 D’après la définition on peut distinguer deux cas :

1. Supposons que E un ensemble fini, alors l’ensemble E est dénombrable.
Posons E = {a1 , a2 , a3 , ..., an } et soit l’application définie de I={1,2,3,...,n} sur E
par :

ψ:I→E

i 7→ ai

ψ(i) = ai , remarquons que ψ est bijective ce qui entrâine que tout ensemble
fini est dénombrable.
2. Supposons E non fini, et E est dénoimbrable alors E est donc en bijection avec une
partie P de N et p est infini (contradiction) sinon E serait fini.
Conclusion
Un ensemble est dénombrable est un ensemble qui est soit fini, soit en bijection avec N.

Exemple 1.9 Z est dénombrable, il suffit de construire l’application ψ suivante qui est
evidement une bijection entre Z et N. 0 7→ 0, 1 7→ 1 , 2 7→ 3, −1 7→ 2, −2 7→ 4......
n 7→ 2n − 1 et − n 7→ 2n puis on donne l’application suivante :

18
 1.7. Topologie usuelle sur R

ψ : Z −→ N (
2n − 1, si n > 0;
n −→ ψ(n) =
−2n, si n ≤ 0.
qui est une bijection entre Z et N.

1.6.5 Critère de dénombrabilité

Soit E un ensemble. Alors E est dénombrable si et seulement s’il existe une suite
(En )n∈N de parties de E ayant les propriétés suivantes :
[
pour tout n ∈ N, l’ensemble En est fini, avec En = E et la suite (En )n∈N est croissante
n∈N
au sens de l’inclusion.

Exemple 1.10 Montrons que Q est dénombrable.

Posons Qn = { pq , |p| ≤ n, q ≤ n + 1, q 6= 0}
Il est totalement evident que les ensembles Qn sont finis, de plus, la suite (Qn )n∈N crôit
[
au sens de l’inclusion et que la réunion des Qn est égale a Q, Qn = Q,
n∈N
d’où Q est dénombrable.

Exercice 1.4 En utilisant le critère de dénombrabilité. Montrer que N est dénombrable.

Indication : On peut poser Pn = {0, 1, 2........., n}.
Attention Un ensemble dénombrable pas forcement fini.
Exemple : N dénombrable mais n’est pas fini.

1.6.6 Propriétés de dénombrabilité

1. Tout produit cartésien fini d’ensembles dénombrables est dénombrable.
2. Toute réunion d’ensemble dénombrables, indexée par un ensemble dénombrables est
[
un ensemble dénombrables (D = Dn , Dn dénombrable).
n∈N
3. Tout sous-ensemble d’un ensemble dénombrable est soit fini soit dénombrable.

1.7 Topologie usuelle sur R

La topologie de la droite réelle (Topologie usuelle ) est une structure mathématique qui
donne, pour l’ensemble des nombres réels, des définitions précises aux notions de limite
et de continuité.

19
 1.8. Topologie usuelle sur Rn

1.7.1 Voisinages
Soit (E, τ ) un espace topologique et soit x0 ∈ E. On appelle voisinage de x0 dans
E. Toute partie de E contenant un ouvert contenant x0 . On note V (x0 ) l’ensemble des
voisinage de x0 .
V (x0 ) = {U ∈ P (E), ∃O ∈ τ, x0 ∈ O ⊂ U }.

Définition 1.6 Soit E un sous ensemble de R. Soit I ⊂ E et x0 ∈ E. On dit que I est

un voisinage de x0 dans E s’il existe  > 0 tel que ]x0 − , x0 + [∩E ⊂ I.

1.7.2 Voisinages de +∞ et −∞ dans R

Il suffit de préciser quels sont les voisinages de +∞ et −∞ dans R. On dit que V est
un voisinage de +∞ s’il existe A > 0 telque ]A, +∞] ⊂ V . (mème définition que −∞).

1.7.3 Ouverts et fermés

Définition 1.7 On dit que O un ouvert sur R. Si pour tout x ∈ O, ∃I =]a, b[⊂ R,
x ∈]a, b[⊂ O.

Définition 1.8 Une partie I ⊂ R est dite ouverte, si pour tout x ∈ I, ilexiste  > 0 tel
que ]x − , x + [⊂ I.
Une partie J est dite fermeé si son complémentaire I = R \ J est ouverte.

Exemple 1.11 .
1)φ, ] − ∞, +∞[, ]a, b[, ]a, +∞[ sont des intervalles ouverts de R.
2)φ, {a}, ] − ∞, +∞[, [a, b], [a, +∞[ sont des intervalles fermés de R .

Proposition 1.5 Une partie F est fermée si et seulement si pour toute suite convergente
de points xn ∈ F , la limite lim appartient à F.
n→+∞

1.8 Topologie usuelle sur Rn

1.8.1 Ouverts et fermés

Définition 1.9 ,
1) On dit qu’une partie U de Rn est un ouvert si pour tout a ∈ U , il existe r > 0, tel que

20
 1.9. Limites superieurs et limites inferieurs d’ensembles

B(a, r) ⊂ U .
2)Une partie V est dite fermeé sur Rn si son complémentaire U = Rn \ V est ouverte.

Définition 1.10 On dit que O un ouvert sur Rn . Si pour tout x ∈ O, il existe un pavé
P ⊂ Rn , x ∈ P ⊂ O.

1.9 Limites superieurs et limites inferieurs d’ensembles

1.9.1 Limite d’une suite d’ensembles

Définition 1.11 Soit X un ensemble et (An )n∈N une suite de parties de X, (An ⊂
X) ∀n ∈ N, on dit que la suite (An )n∈N converge vers une partie A de X si

∀x ∈ A, ∃n0 ∈ N, tq ∀n ≥ n0 , x ∈ An .

ou bien
∀x ∈
/ A, ∃n1 ∈ N, tq ∀n ≥ n1 , x ∈
/ An .

Définition 1.12 Soit (An )n∈N ⊆ P (X)

1/On appelle limite superieur de An , l’ensemble
\[
lim sup An = lim An = Ap .
n→+∞ n→+∞
n≥1 p≥n

2/ On appelle limite inferieur de An , l’ensemble

[\
lim inf An = lim An = Ap .
n→+∞ n→+∞
n≥1 p≥n

1.9.2 Suite d’ensemble monotone

On dit qu’une suite (An )n∈N ⊆ P (X) est
1. Croissante si An ⊆ An+1 ; ∀n ∈ N.
2. Décroissante si An+1 ⊆ An ; ∀n ∈ N.
3. Monotone si elle est décroissante ou croissante.

21
 1.10. Partie d’exercices

1.9.3 Propriétés de limite superieur et inferieur d’ensembles

\[
1. x ∈ Ap ⇔ x appartient à une infinité de An .
n≥1 p≥n
[\
2. x ∈ Ap ⇔ x appartient à tous les An sauf un nombre fini.
n≥1 p≥n

3. lim An ⊂ lim An .
n→+∞ n→+∞

4. lim An = A ⇔ lim An = lim An = A

n→+∞ n→+∞ n→+∞
[
5. Si (An )n∈N est une suite croissante alors lim An = An .
n→+∞
n≥1
\
6. Si (An )n∈N est une suite décroissante alors lim An = An .
n→+∞
n≥1

Démonstration Voir TD.

1.10 Partie d’exercices

Exercice 1 : Soient A, B, C et D des parties d’un mème ensemble E. Montrer que :

1. A ∩ B = φ ⇔ A ⊂ CE B.
2. A ⊂ B ⇔ CE B ⊂ CE A.
3. A ⊂ B ⇔ P (A) ⊂ P (B).
4. A ⊂ B et C ⊂ D ⇒ A ∩ C ⊂ B ∩ D.
Solution
1) Montrons que A ∩ B = φ ⇒ A ⊂ CE B.
Soit x ∈ A Supposons que x ∈
/ CE B, donc x ∈ B, alors x ∈ A ∩ B = φ
d’où une contradiction.
2) A ⊂ CE B ⇒ A ∩ B = φ. Par l’absurde on suppose que A ∩ B 6= φ. il existe x ∈ A ∩ B
et comme A ⊂ CE B, cet élément x appartient à CE B, une contradiction le fait que x ∈ B
et x ∈ CE B.
(2),(3) et (4) faciles à démontrer.
Exercice 2 : Soient les applications f : E → F et g : F → G. Soient A et B deux parties
de E, C et D deux parties de F.
1. Montrer que si f est bijective, alors f (A ∩ B) = f (A) ∩ f (B)
2. f et g bijective ⇒ gof bijective et (gof )−1 = f −1 og −1

22
 1.10. Partie d’exercices

Solution I)
1)Soit y ∈ f (A ∩ B), comme f est bijective alors il existe x ∈ A ∩ B tq f (x) = y, ce qui
implique f (x) = y ∈ f (A) et f (x) = y ∈ f (B),d’où y = f (x) ∈ f (A) ∩ f (B).
2) Soit y un élément quelconque de f (A)∩f (B). Alors y appartient à f (A) et y appartient
à f (B),donc il exixte x ∈ A tel que f (x) = y et il existe x0 ∈ B tel que f (x0 ) = y, ce qui
donne f (x) = f (x0 ), comme f est injective alors x = x0 . Ainsi, il existe x appartenant à
A ∩ B tel que y = f (x) c-à-d y = f (x) ∈ f (A ∩ B)
d’où le résultat.
II) Pour montrer que gof utiliser la définition d’une application bijective.
Montrons que (gof )−1 = f −1 og −1 . Soit u = gof, on va chercher u−1 tel que

(a)uou−1 = IdG

(b)u−1 ou = IdE .

a) On a : IdG = (gof )o(gof )−1 = go(f o(gof )−1 ),

donc, g −1 = f o(gof )−1 ,
et ainsi f −1 og −1 = (gof )−1 .
b)Il est facile de démontrer que u−1 ou = IdE (mème méthode que (a))
d’où le résultats.

23
Chapitre 2

Tribus et mesures

2.1 Tribus
Commençons par donner une notation, qui sera constament utilisée par la suite.
Notation :
• Dans tout ce chapitre l’ensemble S non vide (S 6= φ).
• Pour tout ensemble S et A ⊂ S, on note AC = S \ A le complémentaire de A dans S.
• On utilisera aussi la terminologie suivante si S est un ensemble et C ⊂ S est un sous-
ensemble de partie de S. On dira que C est une classe de partie de S ou encore une famille
de parties de S.

2.2 Définitions

2.2.1 Anneaux
Définition 2.1 Soit S un ensemble et C ⊂ P (S) une famille de parties de S.
On appelle anneau toute classe C telle que

A ∈ C, B ∈ C ⇒ A ∪ B ∈ C et A \ B = A − B ∈ C.

2.2.2 Algebres
Définition 2.2 Soit S un ensemble, C une famille de partie de S (C ⊂ P (S)). On dit
que la famille C est une Algebre sur S si C vérifie les conditions suivantes :

1. φ, S ∈ C.

24
 2.2. Définitions

2. C est stable par réunion finie c-à-d A, B ∈ C on a : A ∪ B ∈ C.

3. C est stable par intersection finie c-à-d A, B ∈ C on a : A ∩ B ∈ C.
4. C est stable par passage au complémentaire c-à-d A ∈ C on a : AC ∈ C.

Exemple 2.1 Soit S = {0, 1, 2} un ensemble et C une famille de parties de S telle que
C = {φ, E, {0}, {1}, {2}, {0, 1}, {0, 2}, {1, 2}} = P (S).
C est une Algebre sur sur S ( il est facile de vérifier les conditions).

2.2.3 Tribus
Définition 2.3 Soit S un ensemble et C ⊂ P (S) une famille de partie de S.
On dit que C est une tribu de parties de S si l’on a les trois propriétés suivantes :
– (T1 ) φ, S ∈ C.
– (T2 ) Stabilité par passage au complémentaire. ∀A ∈ C ⇒ AC ∈ C.
[
– (T3 ) Stabilité par réunion dénombrable. Si An ∈ C, ∀n ≥ 1. Alors An ∈ C.
n≥1

Remarque 2.1 On dit aussi que C est une σ-Algebre (sigma algebre) ou plus exacte-
ment σ-Algebre de Boole de partie de S.
Exemples
• C = P (S) tribu discrète.
• C = {φ, S} tribu grossière.
• C = {φ, S, A, AC } tribu.

Remarque 2.2 Une tribe est un ensemble de parties, ces parties sont appelées evene-
ments [probabilité].

Proposition 2.1 Soit C une tribu de parties de S. Alors C est stable par l’intersection
dénombrable :
\
∀n ≥ 1, An ∈ C ⇒ An ∈ C.
n≥1

Preuve
[
Soit An ∈ C, ∀n ≥ 1. Alors AC
n ∈ C ce qui donne AC
n ∈ C car C est une tribu, et par
n≥1
suite on aura :
[ \
( AC C
n) = An ∈ C.
n≥1 n≥1

d’où le résultat.

25
 2.2. Définitions

2.2.4 Parties mesurables

Définition 2.4 Etant donnée une tribu C de parties sur un ensemble S. Les éléments
qui appartient à C (A ∈ C) sont appelées les parties mesurables (relativement à C.

Exemple 2.2 Soit C = {φ, S, B, B C } une tribu sur l’ensemble S alors, les parties φ, S, B
et B C sont appelées parties mesurables.

2.2.5 Espaces mesurables

Définition 2.5 On appelle espace mesurable le couple (S, C) formé d’un ensemble S et
d’une tribu C de parties de S.

2.2.6 Tribu engendrée

Proposition 2.2 Soit S un ensemble et C ⊂ P (S) une famille de parties de S, alors il
existe une plus petite tribu contenant C, c’est la tribu engendrée par C, on la note par
σ(C).
Preuve
\
1. Si (Cj )j∈J est une famille arbitraire de tribus de parties de S, alors C = Cj est
j∈J
encore une tribu de parties de S.
2. Si maintenant (Cj )j∈J est la famille de toutes les tribus de parties de S qui contiennent
\
C ( au moin P (S)). Alors, τ = Cj contient C, c’est la plus petite tribu contenat
j∈J
C est l’une de Cj donc contient τ puisque τ ⊂ Cj ∀j ∈ J.

Exemple 2.3 .
I Soit A une partie non vide de l’ensemble S. La tribu engendrée par A est
σ(A) = {φ, S, A, AC }.
I Soient S = {0, 1, 2, 3} un ensemble et F = {{0}, {1}} une famille de parties de S.
Déterminer la tribu engendrée par F .
σ(F ) = {φ, S, {0}, {1}, {1, 2, 3}, {0, 2, 3}, {0, 1}, {2, 3}}.

26
 2.2. Définitions

2.2.7 Tribu induite

Définition 2.6 Soit B un sous-ensemble non vide de S et C une tribu sur S. On appelle
tribu trace, ou tribu induite par C sur B la tribu définie par :

CB = {A ∩ B, A ∈ C}.

Exemple 2.4 Soit S = {0, 1, 2, 3} et C = {φ, S, {0}, {1}, {1, 2, 3}, {0, 2, 3}, {0, 1}, {2, 3}}
une tribu sur S. Déterminer la tribu induite par C sur B = {0, 2}.
en effet, CB = {A ∩ B, A ∈ C}, donc CB = {φ, B, {0}, {2}}

2.2.8 Tribu produit

Définition 2.7 Soient E, F deux ensembles non vides. Soit A une tribu sur E et B une
N
tribu sur F. On appelle tribu produit, et l’on note A B la tribu sur E × F engendrée par
l’ensemble des parties de E × F qui s’écrivent sous la forme A × B avec A ∈ A, B ∈ B.

2.2.9 Tribu boréliènne

Définition 2.8 Soit E un espace topologique, on appelle tribu boréliènne de E la tribu
σ(OE ) engendrée par l’ensemble OE des ouverts de E. On la note Bor(E).
Remarques 2.3
• Les parties mesurables pour la tribu boréliènne de E s’appellent les les boréliens ou
parties boréliènnes de E.
• Par définition on a : Bor(E) = σ(OE ).
• L’ensemble des ouverts (des fermés) n’est pas une tribu.
• Comme les tribus sont stables par passage au complémentaires et que les fermés sonts
les complémentaires des ouverts alors tout fermé est un borélien.

Exemple 2.5 Soit l’ensemble

A = {]a, b[, a, b ∈ R ∪ {−∞, +∞}}

la tribu engendrée par A s’appelle la tribu des boréliens de R et se note σ(A) = Bor(R).

Exemple 2.6 Montrer que tout intervalle fermé est un borélien.

Soit I = [a, b] intervalle fermé de R. Comme la réunion dénombrable de deux ouverts est
un borélien c-à-d ] − ∞, a[∪]b, +∞[∈ Bor(R) ; et donc par passage au complémetaire on

27
 2.2. Définitions

aura : (] − ∞, a[∪]B, +∞[)C = [a, b] ∈ Bor(R).

Ce qui achève la démonstration.

Proposition 2.3 la tribu boréliènne de E ( Bor(E)) est la plus petite tribu contenant
tous les fermés de E.
Preuve
Soit A la tribu contenant tous les fermés de E. On va montrer que

A = Bor(E)

I Montrons que A ⊂ Bor(E). Soit F un fermé arbitraire appartient à A.

Par définition Bor(E) est la tribu engendrée par les ouverts, comme les fermés sont des
complémentaires des ouverts, donc il existe un ouvert tel que OC = F ∈ Bor(E);
d’où A ⊂ Bor(E)
I Montrons que Bor(E) ⊂ A.
La tribu A contient les complémentaires des fermés c’est-à-dire les ouverts, elle contient
donc la tribu Bor(E) engendrée par les ouverts,c’est-à-dire Bor(E) ⊂ A,
d’où A = Bor(E).

Proposition 2.4 Si E un espace topologique separé, en particulier si E est un espace

metrique alors toute partie dénombrable de E est boréliènne.
Preuve
Soit E un espace topologique separé. Alors les singletons {a} sont des fermés. Soit D une
[
partie dénombrable de E, par suite, on peut écrire D = {a}. La réunion des fermés est
a∈D
un fermés donc en vertu la proposition précédente, on résulte que toute partie dénombrable
de E est boréliènne.

Exemple 2.7 les ensembles N, Z et Q sont dénombrables dans R, donc sont des boréliens
de R.

Théorème 2.5 La tribu boréliènne sur R est la tribu engendrée par l’une des familles
suivantes :
1. E1 ={]a, b[, −∞ ≤ a < b ≤ +∞}.
2. E2 ={[a, b], −∞ < a < b < +∞}.
3. E3 ={]a, b], −∞ ≤ a < b < +∞}.

28
 2.2. Définitions

4. E4 ={[a, b[, −∞ < a < b ≤ +∞}.

5. E5 ={] − ∞, b], b < +∞}.
6. E6 ={] − ∞, b[, b ≤ +∞}.
7. E7 ={[a, +∞[, −∞ < a}.
8. E7 ={]a, +∞[, −∞ ≤ a}.
et on écrit :

Bor(R) = σR (E1 ) = σR (E2 ) = σR (E3 ) = .......... = σR (E8 ).

Démonstration :
1/ Montrons que Bor(R) = σR (E1 ).
Soit τ la topologie usuelle de R. σR (τ ) = Bor(R)
[
1) Soit O ∈ τ , donc O = ]an , bn [, an , bn ∈ Q. Ce qui entrâine que O ∈ σR (E1 ).
n≥1
c’est-à-dire τ ⊂ σR (E1 ) ⇒ Bor(R) ⊂ σR (E1 ).
2) Soit ]a, b[∈ E1 ⇒]a, b[∈ τ par suite, E1 ⊂ τ ⇒ σR (E1 ) ⊂ σR (τ ) = Bor(R),
de (1) et (2) on a le résultat.
2/ Montrons que Bor(R) = σR (E2 ).
\ 1 1
1)On prend [a, b] = ]a − , b + [∈ σR (E1 ), car ]a − n1 , b + n1 [∈ E1 ,
n≥1
n n
donc, ∀[a, b] ∈ E2 ⇒ [a, b] ∈ E1 ce qui entrâine que

σR (E2 ) ⊂ σR (E1 ) ⊂ Bor(R).

[ 1 1
2) Soit I =]a, b[= [a + , b − ] ∈ σR (E2 ),
n≥1
n n
et comme I =]a, b[∈ E1 , donc σR (E1 ) ⊂ σR (E2 ),
d’après la première démonstration on a : Bor(R) ⊂ σR (E1 .
d’où le résultat.
3/ Montrons que Bor(R) = σR (E3 ).
\ 1
1)On prend ]a, b] = ]a, b + [∈ σR (E1 ), car ]a, b + n1 [∈ E1 ,
n≥1
n
donc, ∀]a, b] ∈ E3 ⇒]a, b] ∈ E1 ce qui entrâine que

σR (E3 ) ⊂ σR (E1 ) ⊂ Bor(R).

[ 1
2) Soit I =]a, b[= ]a, b − ] ∈ σ(E3 ) et comme ∀ I ∈ E1 ⇒ I ∈ E3 , donc
n≥1
n
σR (E1 ) ⊂ σR (E3 ), d’après la première démonstration on aura :

Bor(R) ⊂ σR (E3 ),

29
 2.2. Définitions

d’où le résultat.
4/ Montrons que Bor(R) = σR (E4 ).
\ 1
1)On prend I = [a, b[= ]a − , b[ ∈ σR (E1 ), car ]a − n1 , b[∈ E1 ,
n≥1
n
donc, ∀[a, b[∈ E4 ⇒ [a, b[∈ E1 ce qui entrâine que

σR (E4 ) ⊂ σR (E1 ) ⊂ Bor(R).

[ 1
2) Soit I =]a, b[= [a + , b[∈ σ(E4 ) et comme ∀ I ∈ E1 ⇒ I ∈ E4 , donc
n≥1
n
σR (E1 ) ⊂ σR (E3 ), d’après la première démonstration on aura :

Bor(R) ⊂ σR (E4 ),

Remarque 2.3 E5 , E6 , E7 , E8 mème démonstration que E1 , E3 , E4

Proposition 2.6 La tribu boréliènne de Rn est engendrée par l’ensemble des pavés ou-
n
Y
verts ]ak , bk [, lorsque ak , bk parcourent R, avec ak < bk .
k=1
Preuve Soit τ cette tribu. Comme les pavés ouverts sont des ouverts, ils sont des boréliens
donc, τ ⊂ Bor(Rn ).
Inversement, tout Ω de Rn , est une réunion dénombrable de tels pavés donc, on peut
prendre des pavés ouverts avec ak , bk ∈ Q, donc Ω ∈ τ on en déduit que Bor(Rn ) ⊂ τ,
d’où l’égalité.

2.2.10 La droite achevée de R

Les intervalles ouverts de R sont :

1. R = [−∞, +∞], ] − ∞, +∞], [−∞, +∞[, ] − ∞, +∞[.

2. ] − ∞, a[, [−∞, a[, ]a, +∞[, ]a, +∞], a ∈ R.
3. ]a, b[, −∞ < a < b < +∞.
Quelques propriété des ouverts dans R
• Un ouvert de R est une réunion d’intervalles ouverts de R.
• Les ouverts de R et φ définissent une topologie dans R.
• (R ⊂ R) la topologie induite sur R par celle de R est identique à la topologie usuelle de
R.
• Tout ouvert de R est un ouvert de R.
• Si θ ouvert de R alors R ∩ θ est un ouvert de R.

30
 2.2. Définitions

Exemple 2.8 Montrer que ∀x ∈ R, {x} ∈ Bor(R)

On a : {x} =]a, x] ∪ [x, b[∈ Bor(R) car ]a, x], [x, b[∈ Bor(R).

Théorème 2.7 On note par Bor(R) la tribu des boréliens sur R et Bor(R) la tribu des
boréliens sur R. Alors on a
1. A ∈ Bor(R) ⇒ A ∩ R ∈ Bor(R).
2. A ∈ Bor(R) ⇒ A ∈ Bor(R)
3. A ∈ Bor(R) ⇔ A = A∪φ ou A = A∪{−∞} ou A = A∪{+∞} ou
A = A ∪ {−∞, +∞} avec A ∈ Bor(R).

Corollaire 2.8 L’ensemble τ0 de tous les intervalles de R du type

]α, β[, [−∞, β[, ]α, +∞]pour − ∞ < α < β < +∞.

engendre la tribu borélienne de R c’est-à-dire σ(τ0 ) = Bor(R).

Preuve .
L’ensemble de tous les intervalles ouverts ]α, β[, avec −∞ ≤ α < β ≤ +∞, engendre la
tribu borélienne de R, donc σ(τ0 ) contient Bor(R) , d’autre part σ(τ0 ) conteint
\ \
{−∞} = [−∞, −n[ et {+∞} = ]n, +∞].
n≥1 n≥1

donc σ(τ0 ) conteint Bor(R), ce qui achève la preuve.

2.2.11 La droite achevée de R+

1/ La topologie sur R+ est la topologie induite par celle de R+ .
2/ R+ ⊂ R , R+ = R+ ∪ {+∞}.
3/ Bor(R+ ) est la tribu engendrée par la topologie de R+ .

Théorème 2.9 A ∈ Bor(R+ ) ⇔ A = A ∪ φ ou A ∪ {+∞} avec A ∈ Bor(R+ )

où Bor(R+ ) est la tribu induite par Bor(R) sur R+ = [0, +∞[

Remarque 2.4 .
1. Bor(R) n’est pas une sous tribu de Bor(R) car R ∈
/ Bor(R).
2. Bor(R+ ) n’est pas une sous tribu de Bor(R+ ).

Théorème 2.10 .

31
 2.3. Mesures

1. La tribu Bor(R) est engendrée par l’une des familles

(a) {[−∞, x[, x ∈ R};
(b) {[−∞, x], x ∈ R}.
2. La tribu Bor(R+ ) est la tribu sur R+ engendrée par l’une des familles
(a) {[0, x[, x ∈ R+ };
(b) {[0, x], x ∈ R+ }.

Remarque 2.5 Bor(R) 6= P (R).

2.3 Mesures

2.3.1 Mesures Positives

Notation : : Dans les calculs des mesures, on adopte les convontions de calculs
suivantes(qui ne sont pas valables ailleurs)

1. 0 × ±∞ = 0 (admettre ±∞ comme des valeurs possibles.)

2. +∞ − ∞ et −∞ + ∞ ne sont pas définies.
1 1
3. +∞
= −∞
=0

Définition 2.9 Soit Ω un ensemble muni d’une tribu A. On dit que µ est une mesure
positive sur (Ω, A) toute application

µ : A −→ [0, +∞]

telles que
1. µ(φ) = 0.
2. Pour toute suite (A)n≥1 (c’est-à-dire famille dénombrable) de parties mesurables
An ∈ A ∀n ≥ 1, deux à deux disjointes on ait
[ X
µ( An ) = µ(An ).
n≥1 n≥1

On appelle cette condition la propriété de σ−additivité de la mesure.

32
 2.3. Mesures

Remarque 2.6 .
1. µ peut prendre la valeur +∞.
2. Quand µ est telle que µ(Ω) < +∞, on dit que la mesure µ est finie.
3. Si ∀A ∈ A, µ(A) = 0, on dit que µ est une mesure nulle.
4. Si ∀A ∈ A, µ(A) = +∞, on dit que µ est une mesure infinie.

2.3.2 Espaces mesurés

Définition 2.10 On appelle espace mesuré tout triplet (Ω, A, µ) formé d’un ensemble
Ω, d’une tribu A de partie de Ω et d’une mesure positive µ sur l’espace mesurable (Ω, A).
Exemples
1. Soient S un esemble non vide, A = P (S) une tribu sur S et a un point fixé de S.
On définit la mesure de Dirac par

δa : P (S) −→ {0, 1} ⊂ R+ ,
(
1, si a ∈ A;
A 7−→ δa (A) =
0, si a ∈
/ A.
1/ On remarque que δa (A) ≥ 0 ∀A ∈ P (S).
2/δa (φ) = 0.
3/ Soit (An )n∈N une suite (dénombrable) de parties de P(S) disjointes deux à deux.
[ [
On a : δa ( An ) = 1, d’autre part il existe n0 tels que a ∈ An0 et a ∈
/ An \ An0
n∈N
X X n∈N
par suite, δa (An ) = δa (An ) + δa (An0 ) = 0 + 1 = 1
n∈N n∈N −{n0 }
d’où δa est une mesure bien définie.
2. Soit S un ensemble, P (S) est la tribu sur S. On définit µ : P (S) −→ N ⊂ R+
par (
Card(A), si A finie ;
µ(A) =
+∞, si A infinie.
Montrons que µ est une mesure.
Card(A) = µ(A) est le nombre d’éléments de A, en effet ;
1/ µ(A) ≥ 0 est claire.
2/µ(φ) = Card(φ) = 0 car φ ne contient aucun élément.
3/ Soit (An )n∈N une suite (dénombrable) de parties de P(S) disjointes deux à deux.

33
 2.3. Mesures
[ [ X X
On a :µ( An ) = Card( An ) = Card(An ) = µ(An ),
n∈N n∈N n∈N n∈N
d’où µ est une mesure.

Remarque 2.7 µ s’appelle mesure de comptage.

2.3.3 Mesure de Probabilité

Définition 2.11 Soit Ω un ensemble muni d’une tribu A. On dit que µ est une mesure
de probabilité si µ est une mesure sur l’espace mesurable (Ω, A) et telle que µ(Ω) = 1.

Remarques 2.1 .
1. La tribu A contient tous les évenements possibles et pour tout A ∈ A, µ(A) est la
probabilité que A se produise.
2. Un espace de probabilité est un espace mesuré (Ω, A, µ) ou µ est une mesure de pro-
babilité sur l’espace mesurable (Ω, A) avec µ(Ω) = 1( Condition de Normalisation).

Exemple 2.9 Soit S un ensemble fini tel que S = {x0 , x1 , ......., xn } muni de la tribu
P(S). On considère l’application définit par
Card(A) Card(A)
µ(A) = = ; A ∈ P (S).
Card(S) n+1
Montrons que µ est une mesure de probabilité.
Card(A)
1. Comme Card(A) est le nombre d’éléments de A dans P (N) alors, µ = n+1
est
bien danns [0, +∞[.
Card(φ) 0
2. µ(φ) = n+1
= n+1
=0
3. Soit (An )n∈N une famille de P (S) soit disjoint deux à deux. Alors,
[ X
card( An ) card(An )
[ n∈N n∈N
X card(An ) X
µ( An ) = = = = µ(An )
n∈N
card(S) card(S) n∈N
card(S) n∈N
4. Il reste a montrer que µ(S) = 1,
Card(S)
On a : µ(S) = card(S)
=1
d’où µ est une mesure de probabilité.

2.3.4 Propriétés des mesures

Proposition 2.11 (Croissace et mesure d’une différence)
Soit (Ω, A, µ) un espace mesuré. Soit A, B ∈ A, telle que B ⊂ A . Alors,

34
 2.3. Mesures

1. µ(B) ≤ µ(A)( monotonie).

2. Si de plus si µ(A) < +∞. Alors, µ(A \ B) = µ(A) − µ(B) (différence).
3. ∀A, B ∈ A, µ(A ∪ B) + µ(A ∩ B) = µ(A) + µ(B) (additivité porte).
Démonstration .
1. On a : B ⊂ A donc A = B ∪ (A \ B) avec B ∩ (A \ B) = φ(sont disjoints) et d’après
la définition de la mesure on aura :
µ(A) = µ(B) + µ(A \ B) comme µ(A \ B) ≥ 0 alors, µ(B) ≤ µ(A)
d’où le résultat.
2. On a : µ(A) = µ(B) + µ(A \ B) =⇒ µ(A \ B) = µ(A) − µ(B)
3. On a : A ∪ B = (A ∩ B c ) ∪ B donc

µ(A ∪ B) = µ(A ∩ B c ) + µ(B)....(?)

car (A ∩ B c ) ∩ B = φ (sont disjoint).

on ajoutant à les deux membres de (?) la quantité µ(A ∩ B) on aura :

µ(A ∪ B) + µ(A ∩ B) = µ(A ∩ B c ) + µ(A ∩ B) + µ(B)......(??)

de plus, on a : A = (A ∩ B c ) ∪ (A ∩ B) donc µ(A) = µ(A ∩ B c ) + µ(A ∩ B)

car (A ∩ B c ) ∩ (A ∩ B) = φ, et on remplace dans (??), on trouve que,

µ(A ∪ B) + µ(A ∩ B) = µ(A) + µ(B),

d’où le résultat.

Proposition 2.12 σ-additivité (Sous-additivité)

Soit (Ω, A, µ) un espace mesuré. Si A0 , A1 , ..., An , ..... ∈ A, n ∈ N (pas forcément deux à
deux disjoints). Alors,
[ X
µ( An ) ≤ µ(An ).
n≥0 n≥0

K−1
[
Démonstration On pose pour tout entier K ≥ 1, BK = Ak \ Ai avec A0 = B0
i=0
alors, les ensembles B0 , B1 , ......, Bn , .... sont disjoints deux à deux (voir TD) et on a :
[ [
An = Bn . On en déduit
n≥0 n≥0

[ [ X X
µ( An ) = µ( Bn ) = µ(Bn ) ≤ µ(An ).
n≥0 n≥0 n≥0 n≥0

35
 2.3. Mesures

car Bn ⊂ An ∀n ∈ N
d’où le résultat.
Propriété : Limite croissante et limite décroissante
Notation :
1. L’orsque l’on a une suite croissante d’ensembles (An )n≥1 on notera
[
lim ↑ An = An
n→+∞
n≥1

La flèche ↑ indiquant que la suite est croissante.

2. De mème si (An )n≥1 est une suite décroissante on notera
\
lim ↓ An = An
n→+∞
n≥1

La flèche ↓ indiquant que la suite est décroissante.

Théorème 2.13 .
Toute mesure positive µ sur l’espace mesurable (Ω, A) vérifie la propriété de limite crois-
sante. Si (An )n≥1 est une suite croissante de parties mesurables alors,

µ( lim ↑ An ) = lim ↑ µ(An ).

n→+∞ n→+∞

Preuve .
On distingue deux cas :
1. Cas 1 : S’il existe n0 ∈ N telque µ(An0 ) = +∞, d’après la croissance de la mesure
µ, on obtient
[ [
An0 ⊂ An ⇒ µ(An0 ) ≤ µ( An )
n≥1 n≥1
[
et donc, µ( An ) = +∞, d’autre part, comme la suite des réels (µ(An ))n∈N est
n≥1
croissante et µ(An ) = +∞ pour tout n ≥ n0 il s’ensuit que lim µ(An ) = +∞.
n→+∞
Enfin,
[
µ( An ) = lim µ(An ).
n→+∞
n≥1

2. Cas 2 : µ(An ) est finie pour tout n.

Soient A0 ⊂ A1 ⊂ A2 ⊂ ....... ⊂ An ⊂ An+1 ⊂ ....... posons pour tout k ≥ 1

Bk = Ak \ Ak−1 et A0 = B0 .

36
 2.3. Mesures
[ [
Les ensembles B0 , B1 , ....... sont disjoints deux à deux avec Bk = Ak (Voir TD)
k≥0 k≥0
de plus ;
[ [ +∞
X n
X
µ( Ak ) = µ( Bk ) = µ(Bk ) = lim µ(Bk ).
n→+∞
k≥0 k≥0 k=0 k=0
n
[
et comme B0 ∪ B1 ∪ B2 ∪ ....... ∪ Bn = An donc µ( Bk ) = µ(An ) par suite,
k=0
n
X
µ(Bk ) = µ(An ) et par passage à la limite on aura :
k=0
n
X
lim µ(Bk ) = lim µ(An )
n→+∞ n→+∞
k=0

ce qui donne,
+∞
X
µ(Bk ) = lim µ(An )
n→+∞
k=0
finalement on aura,
[
µ( Bk ) = lim µ(An )
n→+∞
k≥0

on en résulte que
µ( lim ↑ An ) = lim µ(An ).
n→+∞ n→+∞

Théorème 2.14 .
Soit (Ω, A, µ) un espace mesuré. Soient A0 , A1 , A2 ... ∈ A tels que la suite (An )n≥0 est
décroissante c’est-à-dire ..... ⊂ An+1 ⊂ An ⊂ .... ⊂ A2 ⊂ A1 ⊂ A0 et tel que µ(A0 ) < +∞.
alors,
\
µ( lim ↓ An ) = µ( Ak ) = lim µ(An )
n→+∞ n→+∞
k≥0

Preuve .
Posons pour tout k ≥ 1, Bk = Ak \Ak+1 avec B0 = A0 alors les ensembles B0 , B1 , B2 , .......
\ [
sont disjoints deux à deux. Nous avons A k = A0 \ Bk , par suite on a :
k≥0 k≥0

\ [ [ X n
X
µ( Ak ) = µ(A0 \ Bk ) = µ(A0 )−µ( Bk ) = µ(A0 )− µ(Bk ) = µ(A0 )− lim µ(Bk )
n→+∞
k≥0 k≥0 k≥0 k≥0 k=0

d’autre part on a :
n
X n
X n
X
µ(Bk ) = µ(Ak \ Ak+1 ) = µ(AK ) − µ(Ak+1 ) = µ(A0 ) − µ(An+1 )
k=0 k=0 k=0

37
 2.3. Mesures

ce qui donne,
\
µ( Ak ) = lim µ(A0 ) − (µ(A0 ) − µ(An+1 )) = lim µ(An+1 ) = lim µ(An )
n→+∞ n→+∞ n→+∞
k≥0

d’où le résultat.

2.3.5 Notions Ensembles négligeables et la propriété presque

partout
I Partie négligeable

Définition 2.12 Soient (Ω, A, µ) un espace mesuré et A ⊂ Ω. On dit que A est négligeable
s’il existe un ensemble B ∈ A tel que

A ⊂ B et µ(B) = 0

I µ−presque partout

Définition 2.13 Soient (Ω, A, µ) un espace mesuré. On dit que que une propriété P (x)
est vérifie µ preque partout sur un ensemble Ω et noté P µ − p.p s’il existe une partie
mesurable N de mesure nulle µ(N ) = 0 telle que la propriété P (x) n’est pas vraie sur N ,
c’est-à-dire N = {x ∈ Ω, P (x) n’est pas vraie }.

Remarques 2.2 . Une propriétés p(x) concernant x ∈ Ω est dite vraie persque partout
si l’ensemble {x ∈ Ω : p(x) n’est pas vraie} est négligeable.

2.3.6 Mesure Complète

Définition 2.14 Soit (Ω, A, µ) un espace mesuré. On dit que µ est complète si toutes
les parties négligeables sont mesurables, c’est-à-dire appartiennent à A.

2.3.7 Espace Complet

Définition 2.15 Un espace mesuré (Ω, A, µ) est dit complet si toute partie négligeable
est mesurable (et donc de mesure nulle). Dans ce cas on dit que la mesure µ est compléte.

Exemple 2.10 Soit f : Ω −→ R une fonction mesurable elle dite µ−presque partout
nulle s’il existe A ∈ A négligeable tel que x ∈ Ac ⇒ f (x) = 0 avec A = {x ∈ Ω, f (x) 6= 0}.
On dira que f est presque partout nulle.

38
 2.3. Mesures

2.3.8 Mesures Exterieures

Définition 2.16 Soit X un ensemble. Une fonction d’ensemble µ? : P (X) −→ [0, +∞]
est une mesure exterieure si elle satisfait les conditions suivantes :
∗ µ? (φ) = 0.
∗ Si A ⊂ B alors, µ? (A) ≤ µ? (B).
∗ µ? est sous-additive si (An )n∈N est une suite quelconque alors,
[ X
µ? ( An ) ≤ µ? (An )
n∈N n∈N

Exemple 2.11 Soit X = [0, 1], on définit la fonction d’ensemble `? : P (X) −→ [0, +∞]
par
X
`? (A) = inf `(I)
I

Où L’infimum porte sur tous les recouverements dénombrables de A par des intervalles I
ou `(I) est longueur de l’intervalle I. `? est-elle mesure exterieure ?
En effet,
X
1. `? (φ) = inf `(φ) = 0, L’ongueur de l’ensemble vide.
I
X X
2. Soient A, B telle queA ⊂ B, `? (A) = inf `(I) et `? (B) = inf `(j)
I J
Comme A ⊂ B alors, le recouveremennt de l’ensemble A par des intervalles de
longueur I est plus petit que le recouverement de l’ensemble B par des intervalles de
longueur J. Par suite il vient
X X
`? (A) = inf `(I) ≤ `? (B) = inf `(j)
I J

3. Soit (An )n∈N une suite de X telles que

[ X X
`? ( An ) = inf `(In0 ) et `? (An ) = inf `(In )
n∈N In0 In

(a) Si les parites mesurables An n ∈ N sont disjointes deux à deux alors,

[ X
`? ( An ) = `? (An )
n∈N n∈N

(b) Si les parites mesurables An ? n ∈ N ; ne sont pas disjointes deux à deux alors,
[ X X X X
`? ( An ) = inf `(In0 ) ≤ inf `(In ) = `? (An )
n∈N In0 n∈N In n∈N

39
 2.4. Théorème de Prolongement

Remarques 2.3 .
1. Le domaine de définition d’une mesure exterieure est toujour P (Ω).
2. Une mesure exterieure n’est pas une mesure positive sauf si elle est additive.
3. Une mesure positive définie sur P (Ω) est une mesure exterieure.
Nous allons voir que pour chaque mesure exterieure, on peut trouver une sous tribu de
P (Ω) sur la quelle µ devient une vraie mesure. D’autre part pour chaque mesure positive
on peut lui associer une mesure exterieure noté µ? qui va être l’objet du théorème de
Carathéodory

2.3.9 Partie µ? -mesurable

µ etant une mesure exterieure de P (Ω), la classe des parties A vérifiant

µ(E ∩ A) + µ(E ∩ Ac ) = µ(E) ∀E ⊂ Ω.

2.3.10 Tribu des parties mesurables

Définition 2.17 On appelle tribu des parties µ? −mesurables la tribu des classes des
parties A vérifiant µ(E ∩ A) + µ(E ∩ Ac ) = µ(E) ∀E ⊂ Ω , On la note par Tµ? .

Remarques 2.4 .
1. La restriction de µ? sur Tµ? est une mesure.
2. L’espace (Ω, Tµ? , µ? ) est un espace mesuré complet.

2.4 Théorème de Prolongement

On commence par donner des définitions

Définition 2.18 Soit Ω un ensemble et U une famille de parties de Ω. On dit que U est
un algebre de Boole sur Ω si
1. A ∈ U ⇒ Ac ∈ U .
S
2. A, B ∈ U, A B ∈ U .
3. Ω ∈ U .

40
 2.4. Théorème de Prolongement

Remarque 2.8 La définition Algebre est proche de celle d’une tribu. Seule, la stabilité
par réunion dénombrable a été remplacé par la stabilité par réunion finie.

Définition 2.19 Soit τ une famille de parties de Ω (τ ⊂ Ω). On appelle Algebre en-
gendrée par la famille τ la plus petite algebre sur Ω, contenant τ . Noté G(τ ).

2.4.1 Mesure sur une Algebre

Soit U une Algebre sur Ω, on appelle mesure sur U une fonction d’ensemble
µ : U −→ [0, +∞] vérifiant :
1. µ(φ) = 0.
[
2. Si (En )n∈N ∈ U ,une suite de parties de Ω deux à deux disjoints avec En ∈ U .
n∈N
Alors,
[ X
µ( En ) = µ(En ).
n∈N n∈N
[
De plus, µ est σ-finie sur Ω, s’il existe une suite (En )n∈N ∈ U , avec En ∈ U et
n∈N
µ(En ) < +∞ ∀n ∈ N.

Théorème 2.15 (Théorème de prolongement)

Soit Ω un ensemble et U une Algebre de Boole sur cette ensemble, soit µ : U −→ R+
une application vérifiant la propriété suivante si (An )n∈N est une suite d’éléments de U
[
deux à deux disjoints, telle que An ∈ U . Alors,
n∈N
[ X
µ( An ) = µ(An ) ( additivité dénombrable).
n∈N n∈N

Si de plus, µ est σ−finie. Alors, µ se prolonge en une mesure unique (encore noté µ0 ) sur la tribu
Mengendrée par U.

2.4.2 Prolongement d’une mesure sur une Algebre

Définition 2.20 On dit que µ0 une mesure définie sur une Algebre K0 est une prolonge-
ment de la mesure µ définie sur une Algebre K si
(
(1)K ⊂ K0 ,
(2)µ(K) = µ0 (K), ∀k ∈ K

C’est-à-dire µ0\K = µ.

41
 2.5. Mesure de Lebesgue sur R

Théorème 2.16 (Théorème de Carathéodory-Hann) Soient A une Algebre sur Ω

et µ est une mesure sur A. Soit σ(A) la tribu engendrée par A sur Ω.

1. L’application µ? définie sur σ(A) par

X [
µ? (E) = inf{ µ(En ), En ∈ A, E ⊂ En , avec E ∈ σ(A)}
n≥1 n≥1
?
est une mesure sur σ(A) prolongeant µ où µ (A) = µ(A) ∀A ∈ A.
2. Si µ est σ-finie alors, µ? est l’unique mesure sur σ(A) prolongeant µ.

2.5 Mesure de Lebesgue sur R

On désigne par I(R) l’ensemble des intervalles de R et on note
[
U (R) = { In , In ∈ I(R)}. Alors, U (R) est une algebre sur R et on a : σ(U (R) = Bor(R)
n≥1
(La tribu des boréliens).
Considérons l’application
λ : U (R) −→ R+
[ [ X
( In ) 7−→ λ( In ) = L(In )
n≥1 n≥1 n≥1

où L(In ) = |In | la longueur de In telle que

(
+∞, si In n’est pas borné;
L(In ) =
bn − an , si In = (an , bn ).
Alors, λ est une mesure sur U (R), de plus λ est σ-finie sur U (R) puisque
[
R= ] − n, +n[ avec λ(] − n, +n[) = 2n < +∞
n≥1

e : σ(U (R) = Bor(R) −→ R+ tel

. En appliquant le théorème de prolongement, il existe λ
que λ
e est σ-finie et λ(I)
e = λ(I) = |In | pour tout I ∈ I(R)

Définition 2.21 λ
e qu’on note encore λ est dite mesure de Borel sur Bor(R).

Corollaire 2.17 Il existe une unique mesure positive sur (R, Bor(R)) noté λ, coı̈ncidant
avec la mesure de longueur long sur l’ensemble des intervalle de R. Cette mesure λ est
appelée mesure de Lebesgue sur R. Elle vérifie :
(
(1) λ([0, 1]) = 1 = 1 − 0,
(2) ∀a ∈ R; ∀A ∈ Bor(R); λ(a + A) = λ(A), .
Ces deux propriétés caractérisent la mesure Lebesgue sur R.

42
 2.5. Mesure de Lebesgue sur R

Exemple 2.12 Soient a, b ∈ R tel que a ≤ b. Nous avons

λ([a, b]) = b − a = λ(]a, b]) = λ([a, b[) = λ(]a, b[)

Exemple 2.13 Mesure de Lebesgue d’un ensemble singleton.

Soit E = {x}, x ∈ R on a : {x} ⊂ [x − n1 , x + n1 ], ∀n ≥ 1 donc,
∀n ≥ 1, λ({x}) ≤ λ([x − n1 , x + n1 ]) = (x + 1
n
− (x − n1 )) = 2
n
→n→+∞ 0.
D’où λ({x}) = 0.

Exemple 2.14 Mesure de Lebesgue de Q.

On sait que Q est dénombrable, donc, on peut numéroter ses éléments Q = {a0 , a1 , a2 , ......}
Pour tout n ≥ 1, On définit
[ 1 1
An = [ai − i+1
, ai + i+1 ]
i≥0
n2 n2

donc, on a pour tout n ≥ 1, Q ⊂ An , par suite,

X 1 1 X 2 1X 1 2
λ(Q) ≤ λ(An ) ≤ λ([ai − i+1
, ai + i+1
]) = i+1
= i
= −→n−→+∞ 0.
i≥0
n2 n2 i≥0
n2 n i≥0 2 n

D’où λ(Q) = 0.
Comme N et Z sont dénombrable, on a aussi λ(N) = λ(Z) = 0 le fait que N ⊂ Z ⊂ Q.
Conclusion
. pour toute partie dénombrable D de R on a : λ{D} = 0. En effet,
[
ecrivons D = {dn , n ≥ 1} = {dn } par la propriété sous−σ additivité on peut conclure,
n≥1

+∞
X +∞
X
λ(D) = λ({dn }) = 0=0
n=1 n=1

2.5.1 Quelque propriétés de la mesure de Lebesgue

Corollaire 2.18 pour tout intervalle I de R, la mesure de Lebesgue λ(I) est égale à sa
longueur.
Preuve
1. Si I est une intervalle bornée telles que a, b ∈ R avec −∞ < a < b < +∞
on a : ]a, b[⊂ I ⊆ [a, b] donc,b − a = λ(]a, b[) ≤ λ(I) ≤ λ([a, b]).
λ([a, b]) = λ({a}∪]a, b[∪{b}) = λ{a} + λ(]a, b[) + λ{b} = 0 + (b − a) + 0 = b − a.

43
 2.5. Mesure de Lebesgue sur R

2. Si I intervalle infinie.
I = R, λ(R) = +∞
3. Si I = [a, +∞[, alors,[a, b] ⊂ I, ∀b donc, b − a ≤ λ(I), ∀b > a, par conséquant
λ(I) = +∞
4. Mème si I =] − ∞, a[ on a : λ(I) = +∞.
Propriétés Invariantes par Translation et par symétrie

Théorème 2.19 La mesure de Lebesgue est invariante par translation pour tout borélien
B de R, pour tout a ∈ R et on a :

λ(B + a) = λ(B).

Théorème 2.20 la mesure de Lebesgue est invariante par symétrie pour tout borélien
B de R et on a :
λ(−B) = λ(B).

Remarque 2.9 .
1. λ coı̈cidant avec la mesure de longueur sur l’ensemble des intervalles de R.
2. La mesure de Lebesgue λ est une mesure positive (avec toutes les propriétés des
mesures positive que l’on a vue).
3. Les intervalles ont pour mesure leur longueur.

2.5.2 Mesure de Lebesgue sur Rn

Théorème 2.21 Il existe une unique mesure positive λN sur Rn muni de sa tribu boréliènne,
appelée la mesure de Lebesgue sur Rn telle que
n
Y n
Y
λN ( ]ak , bk [) = (bk − ak ); pour ak , bk ∈ R, 1 ≤ k ≤ n, ak ≤ bk .
k=1 k=1

44
Chapitre 3

Fonctions Mesurables

45