ANALYSE Polycopie de Cours Ecole Central

ANALYSE
Polycopié de cours
École Centrale Paris

Première Année
Lionel Gabet
lionel.gabet@ecp.fr
2015/2016
2
Présentation
Le cours d’analyse de première année de l’ECP a pour objectif principal de former les élèves
à la compréhension et à la maı̂trise de concepts clés pour les ingénieurs et les scientifiques :
• Les outils de représentation et de modélisation de l’aléatoire qui seront utilisés en

probabilité.
• Les outils et méthodes de base de l’analyse fonctionnelle qui constitue le cadre des
modèles utilisés par la plupart des sciences et par leurs applications dans l’industrie et
les services.
Même si cela n’est pas notre objectif principal, nous fournirons de nombreux outils utiles pour
les sciences physiques, la mécanique, le traitement du signal, l’automatique, la finance. . .
Ce cours est organisé autour des chapitres suivants :
• Tribus, mesures, intégration.
• Transformation de Fourier.
• Analyse hilbertienne
Structure du polycopié
Le polycopié est organisé en trois parties :
• 4 chapitres de rappels (numérotés A, B, C, D).
• 4 chapitres correspondants au cours proprement dit (numérotés 1, 2, 3, 4).
• 4 chapitres de compléments (numérotés I, II, III, IV, V).
Nous rappelons que l’étude des démonstrations aide efficacement à comprendre et maı̂triser
les concepts et les outils enseignés.
Dans un souci de clarté, les démonstrations du chapitre “tribus, mesures, intégration”, assez
longues et techniques, ont été retirées de la présentation des concepts et des résultats et
placées dans un chapitre spécial. En revanche, les démonstrations des chapitres suivants ont
été conservées en place mais dans un format réduit afin de les distinguer des énoncés et
commentaires.
3
4
Mise en garde
Ce polycopié a été conçu pour faciliter l’assimilation des notions présentées dans le cours
d’analyse. Il n’est pas suffisant en lui-même pour réussir les contrôles.
Il constitue un support pour :
• Le cours en amphithéâtre.
• Les travaux dirigés en petites classes.
• Le travail personnel non présentiel.
Il est aussi conseillé d’utiliser les outils disponibles sur claroline :
• Les annales (disponibles sur claroline).
• Les QCM (proposés sur claroline).
• Les exercices complémentaires (disponibles sur claroline).
Pour aller plus loin, on pourra consulter la bibliographie proposée en fin de polycopié.
www.etudes.ecp.fr
Sommaire
A Notions élémentaires de topologie 13

A.1 Dénombrabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
A.2 Normes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
A.3 Ouverts et fermés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
A.4 Limite et continuité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
A.5 Densité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
B Suites et séries de fonctions 19

B.1 Convergence simple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
B.2 Convergence uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
B.3 Applications de la convergence uniforme . . . . . . . . . . . . . . . . . . . . . . . . . 21
B.4 Convergence en moyenne quadratique . . . . . . . . . . . . . . . . . . . . . . . . . . 22
B.5 Convergence en norme p . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
C Séries de Fourier 25
C.1 Coefficients de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
C.2 Théorèmes de Dirichlet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
D Espaces complets 29
D.1 Suite de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
D.2 Espaces complets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
D.3 Théorèmes importants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1 Tribus, mesures, intégration 35

1.1 Tribus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.2 Tribus usuelles sur IN et IR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.3 Applications mesurables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5
6 SOMMAIRE
1.3.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
1.3.2 Ensembles usuels L+ (F) et L(F) . . . . . . . . . . . . . . . . . . . . . . . . . 38
1.3.3 Fonctions étagées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
1.4 Définition et propriétés d’une mesure . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
1.5 Construction de mesures sur la droite des réels . . . . . . . . . . . . . . . . . . . . . 41
1.5.1 Mesure longueur extérieure . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
1.5.2 Rappel : parties dénombrables . . . . . . . . . . . . . . . . . . . . . . . . . . 42
1.5.3 Parties négligeables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
1.5.4 Mesures de Borel et de Lebesgue . . . . . . . . . . . . . . . . . . . . . . . . . 43
1.5.5 Mesures de Borel-Stieltjes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
1.5.6 Complément : construction d’une mesure sur un espace quelconque par les
théorèmes de Caratheodory . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
1.6 Intégrale supérieure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
1.7 Fonctions sommables et intégrale de Lebesgue . . . . . . . . . . . . . . . . . . . . . . 46
1.8 Propriétés élémentaires de l’intégrale de Lebesgue . . . . . . . . . . . . . . . . . . . . 47
1.9 Propriétés fondamentales de l’intégrale de Lebesgue . . . . . . . . . . . . . . . . . . 48
1.10 Propriétés fines de l’intégrale de Lebesgue . . . . . . . . . . . . . . . . . . . . . . . . 50
1.11 Fonctions définies par des intégrales . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
1.12 Comparaison des intégrales de Riemann et de Lebesgue . . . . . . . . . . . . . . . . 53
1.13 Ensembles de fonctions sommables . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
1.13.1 Ensembles Lp , p < ∞ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
1.13.2 Ensemble L∞ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
1.13.3 Ensembles Lp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
1.14 Intégrales de Lebesgue multiples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
1.14.1 Tribu produit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
1.14.2 Mesure produit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
1.14.3 Théorèmes de Tonelli-Fubini . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
1.14.4 Changement de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
1.15 Produit de convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
1.16 Résumé des principales notions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2 Tribus, mesures, intégration :

démonstrations 65
2.1 Tribus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
SOMMAIRE 7
2.2 Tribus sur les ensembles usuels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

2.3 Applications mesurables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.3.1 Ensembles L+ (F) et L(F) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.3.2 Fonctions étagées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
2.4 Définition et propriétés d’une mesure . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
2.5 Construction de mesures sur la droite des réels . . . . . . . . . . . . . . . . . . . . . 69
2.5.1 Mesure longueur extérieure . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
2.5.2 Parties négligeables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
2.5.3 Mesures de Borel et Lebesgue . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.5.4 Mesures de Borel-Stieltjes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.6 Intégrale supérieure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
2.7 Fonctions sommables et intégrale de Lebesgue . . . . . . . . . . . . . . . . . . . . . . 74
2.8 Propriétés élémentaires de l’intégrale de Lebesgue . . . . . . . . . . . . . . . . . . . . 75
2.9 Propriétés fondamentales de l’intégrale de Lebesgue . . . . . . . . . . . . . . . . . . 76
2.10 Propriétés fines de l’intégrale de Lebesgue . . . . . . . . . . . . . . . . . . . . . . . . 78
2.11 Fonctions définies par des intégrales . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
2.12 Comparaison des intégrales de Riemann et de Lebesgue . . . . . . . . . . . . . . . . 83
2.13 Ensembles de fonctions sommables . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
2.13.1 Ensembles Lp , p < ∞ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
2.13.2 Ensemble L∞ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
2.13.3 Ensembles Lp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
2.14 Intégrales de Lebesgue multiples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
2.14.1 Tribu produit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
2.14.2 Mesure produit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
2.14.3 Théorèmes de Tonelli-Fubini . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
2.14.4 Changement de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
2.15 Produit de convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3 Transformation de Fourier 97
3.1 Transformation de Fourier dans L1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
3.2 Inversion de la transformation de Fourier dans L1 . . . . . . . . . . . . . . . . . . . . 99
3.3 Facultatif : preuve du théorème d’inversion . . . . . . . . . . . . . . . . . . . . . . . 100
3.4 Transformation de Fourier dans S . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
3.5 Transformation de Fourier dans L2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
8 SOMMAIRE
4 Analyse hilbertienne 109

4.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
4.1.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
4.1.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
4.1.3 Les suites de carrés sommables . . . . . . . . . . . . . . . . . . . . . . . . . . 111
4.1.4 Théorème de la projection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
4.1.5 Bases hilbertiennes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
4.1.6 Dualité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
4.2 Espaces L2 et analyse de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
4.2.1 Espaces L2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
4.2.2 Séries de Fourier dans L2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
4.2.3 Transformation de Fourier dans L2 . . . . . . . . . . . . . . . . . . . . . . . . 121
I Intégrale de Riemann 125

I.1 Fonctions à valeurs réelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
I.1.1 Intégrale des fonctions en escalier . . . . . . . . . . . . . . . . . . . . . . . . . 125
I.1.2 Fonctions réglées et intégrale de Cauchy . . . . . . . . . . . . . . . . . . . . . 126
I.1.3 Une première construction de l’intégrale de Riemann . . . . . . . . . . . . . . 127
I.1.4 Une seconde construction de l’intégrale de Riemann . . . . . . . . . . . . . . 127
I.1.5 Construction par les sommes de Riemann . . . . . . . . . . . . . . . . . . . . 127
I.1.6 Construction par les sommes de Darboux . . . . . . . . . . . . . . . . . . . . 128
I.2 Fonctions à valeurs dans un espace vectoriel normé complet . . . . . . . . . . . . . . 128
I.3 Propriétés des intégrales de Riemann . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
I.4 Intégrales généralisées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
II Compléments de topologie 133

II.1 Espaces connexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
II.2 Espaces et parties compacts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
II.3 Support d’une fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
III Complément sur les suites de fonctions 137

III.1 Convergence en mesure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
SOMMAIRE 9
III.2 Relations entre les différents types de convergence . . . . . . . . . . . . . . . . . . . 137

III.3 Convergence faible . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
IV Compléments sur les séries de Fourier 139

IV.1 Fonctions à variations bornées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
IV.2 Un théorème de Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
IV.3 Théorème de Fejer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
V Espaces de Sobolev 143

V.1 Dérivation faible . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
V.2 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
V.3 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
10 SOMMAIRE
Prérequis
11
Chapitre A
Notions élémentaires de topologie
Dans cette partie nous présentons les notions élémentaires de topologie auquel le cours fera
appel.
Les élèves peu à l’aise avec ces notions pourront se reporter aux cours de Licence (L1 et L2)
ou classes préparatoires correspondant.
Par défaut, les espaces considérés sont des espaces vectoriels admettant R ou C comme corps
de scalaires.
A.1 Dénombrabilité
La dénombrabilité n’est pas une notion de topologie. c’est néanmoins une notion fondamen-
tales pour ce cours (pour définir les tribus et les bases hilbertiennes). Nous la présentons
donc en début de polycopié.
Définition 1 (Dénombrabilité)
Un ensemble est dit dénombrable s’il peut tre mis en bijection avec l’ensemble des entiers
naturels N .
Les ensembles des entiers relatifs Z et des rationnels Q sont dénombrables (bien que N soit
strictement inclus en eux).
Les ensembles des réels R et des complexes C ne sont pas dénombrables.
La plupart des ensembles fonctionnels ne sont pas dénombrables. En revanche, on peut
en extraire des familles d’éléments dénombrables, par exemple celles des xn ou des eint (n
parcourant N).
13
14 CHAPITRE A. NOTIONS ÉLÉMENTAIRES DE TOPOLOGIE
A.2 Normes
Dans un espace vectoriel, les normes constituent les outils les plus simples pour définir les
notions de limites, de continuité et d’adhérence.
Définition 2 (Norme)
On appelle norme sur un espace vectoriel E toute application N de E dans R+ vérifiant les
axiomes suivants :
• (N 1) : N (x) = 0 ⇐⇒ x = 0
• (N 2) : ∀λ ∈ C ∀x ∈ E N (λ.x) = |λ|.N (x)
• (N 3) : ∀(x, y) ∈ E 2 N (x + y) ≤ N (x) + N (y)
On note souvent N (x) = ||x||.

Dans Rn les normes usuelles sont :
n
X
• kxk1 = |xi |
i=1
v
u n
uX
• kxk2 = t |x |2 i
i=1
• kxk∞ = max|xi |
le vecteur x ayant pour coordonnées dans la base canonique (x1 , x2 , . . . , xn ).

Dans l’espace des fonctions continues de [a, b] ⊂ R dans R, les normes usuelles sont :
Z b
• kf k1 = f (x)dx
a
s
Z b
• kf k2 = f (x)2 dx
a
• kf k∞ = max|f |
On appelle espace vectoriel normé tout espace vectoriel muni d’une norme.
Si l’application N ne vérifie que les deux derniers axiomes, on l’appelle semi-norme.
A.3. OUVERTS ET FERMÉS 15
A.3 Ouverts et fermés

Dans un un espace vectoriel normé les notions d’ouverts et de fermés se définissent assez
simplement grâce à la notion intuitive de boule.
Définition 3 (Boules)
On appelle boule ouverte de centre a et de rayon r ∈ R+ , l’ensemble
Bo(a, r) = {x ∈ E/ ||x − a|| < r}
On appelle boule fermée de centre a et de rayon r ∈ R+ , l’ensemble
Bf (a, r) = {x ∈ E/ ||x − a|| ≤ r}
On appelle sphère de centre a et de rayon r ∈ R+ , l’ensemble
S(a, r) = {x ∈ E/ ||x − a|| = r}
Par convention, les boules de rayon infini désignent l’espace entier E.

Dans R2 on pourra s’amuser à représenter les boules unités (de centre O et rayon 1 associées
au normes k.k1 , k.k2 et k.k∞ (losange, disque et carré).
Définition 4 (Ouverts)
On appelle ouvert toute partie de E pouvant s’écrire comme réunion de boules ouvertes.
Proposition A.1 Une partie A de E est ouverte si et seulement si tout élément de A est
le centre d’une boule ouverte de rayon non nul entièrement incluse dans A.
Proposition A.2 L’ensemble O de tous les ouverts vérifie :
• (O1) O contient ∅ et Ω.
• (O2) O est stable par intersections finies.
• (O3) O est stable par réunions quelconques.
Définition 5 (Fermés)
On appelle fermé toute partie de E dont le complémentaire est un ouvert.
Remarque : on peut très bien définir les notions précédentes dans le cas où l’on remplace la
norme par une distance. Si l’on n’a ni norme, ni distance, on peut tout de même définir les
notions d’ouverts et de fermés (donc de limite, de continuité etc.). Pour cela, il faut se munir
d’une topologie :
Définition 6 (Topologie)
On appelle topologie d’un ensemble Ω toute famille O non vide de parties de Ω vérifiant les
axiomes suivants :
• (O1) O contient ∅ et Ω.
• (O2) O est stable par intersections finies.
• (O3) O est stable par réunions quelconques.
Les éléments d’une topologie sont appelés ouverts.
Dans un espace vectoriel normé ou dans un espace métrique, la topologie usuelle est celle
engendrée par les boules ouvertes (définie plus haut).
Dans Rn ou Cn et plus généralement en dimension finie, toutes les normes
définissent la même topologie. Toutes les notions topologiques précédentes et
suivantes ne dépendent donc pas de la norme choisie. En dimension infinie, toutes
ces notions sont au contraire fortement liées à la norme choisie.
A.4 Limite et continuité

Une norme étant fixée, on peut facilement définir la notion de limite :
Définition 7 (Limite)
Une fonction f d’un espace vectoriel normé E dans un espace vectoriel normé F admet une
limite l ∈ F quand sa variable tend vers a ∈ E si
∀ > 0 ∃α > 0/ ||x − a||E < α =⇒ ||f (x) − l||F <
Il faut bien noter qu’en dimension infinie, la convergence dépend de la norme

choisie.
Définition 8 (Continuité d’une fonction)

Une fonction f d’un espace vectoriel normé E dans un espace vectoriel normé F est continue
en a ∈ E lorsque f converge vers f (a) quand sa variable tend vers a.
On dit qu’une fonction est continue sur un domaine lorsqu’elle est continue en tout point de
ce domaine.
Proposition A.3 (Caractérisation de la continuité par les ouverts)

Une fonction f de A ⊂ E dans B ⊂ F est continue si et seulement l’image réciproque de
tout ouvert de B est un ouvert de A.
A.5. DENSITÉ 17
A.5 Densité
La notion de densité est très utile et intuitive.
Définition 9 (Partie dense)

Dans un espace vectoriel normé E, on dit donc qu’une partie A est dense dans E si tout
élément x de E peut être approché d’aussi près que l’on veut par un élément de A :
∀x ∈ E ∀ > 0 ∃a ∈ A / kx − ak <
ou, ce qui revient au même, si tout élément x de E est limite d’une suite de A :
∀x ∈ E ∃(an ) ∈ AN / lim an = x
n→+∞
On peut par exemple démontrer que Q est dense dans R (pour la norme usuelle) et que
l’ensemble des fonctions polynomiales est dense dans l’ensembles des fonctions continues de
[a, b] dans R pour la norme k.k∞ (théorème de Weierstrass).
Plus généralement, on peut définir la densité grâce à la notion d’adhŕence :
Définition 10 (Adhérence)
L’adhérence d’une partie A est le plus petit fermé contenant A, intersection de tous les fermés
contenant A. On le note Ā.
Remarque : on peut montrer facilement qu’une partie A est fermée si et seulement si A = Ā.
Définition 11 (Partie dense)

Une partie A est dense dans E lorsque son adhérence Ā est égale à E.
Chapitre B
Suites et séries de fonctions
Dans R ou Rn et plus généralement en dimension finie, toutes les normes sont équivalentes.
Une suite convergeant pour une norme converge aussi pour les autres normes et vers la même
limite. On parle donc de convergence sans préciser de norme. En revanche, en dimension
infinie, une suite peut converger pour une norme et pas pour une autre.
Rappelons aussi que l’on peut définir des convergences qui ne peuvent pas être associées à
des normes ou des distances.
Dans la suite I désigne un intervalle de R et E un espace vectoriel normé complet1 (par
exemple Rn ).
B.1 Convergence simple

La notion la plus naturelle est la suivante :
Définition 12 (Convergence simple)

Une suite de fonctions (fn ) de I dans E converge simplement sur I s’il existe une fonction
f de I dans E telle que pour tout x de I fixé, la suite (fn (x)) converge dans E vers f (x) :
∀x ∈ E ∀ > 0 ∃N ∈ N/ ||fn (x) − f (x)||E <
La fonction f est alors appelée limite simple.
B.2 Convergence uniforme

Dans beaucoup de cas la convergence simple n’assure pas de propriétés utiles pour la limite.
On a donc recours à la convergence uniforme :
1
voir chapitre D
19
20 CHAPITRE B. SUITES ET SÉRIES DE FONCTIONS
Définition 13 (Convergence uniforme)

Une suite de fonctions (fn ) de I dans E converge uniformément vers une fonction f de I dans
E si elle converge vers f pour la norme infinie (dite parfois uniforme) ||f ||∞ = supI kf kE .
En d’autres termes, (fn ) converge uniformément vers f si et seulement si la suite des
supI |fn − f | converge vers 0 ou encore :
∀ > 0 ∃N ∈ N/ ∀x ∈ I, ∀n > N ||fn (x) − f (x)||E <
La fonction f est alors appelée limite uniforme.

Les quantifications montrent clairement que :
Proposition B.1 Toute suite de fonctions uniformément convergente est simplement con-
vergente vers la même limite.
Parfois, on n’a pas convergence uniforme sur tout I mais on peut se contenter de :
Définition 14 (Convergence uniforme sur tout segment)

Une suite de fonctions (fn ) converge uniformément sur tout segment de I vers la fonction f
si la suite des sup[a,b] |fn − f | converge vers 0 pour tout segment [a, b] inclus dans I.
La convergence uniforme sur I entraı̂ne bien sûr la convergence uniforme sur tout segment
de I alors que la réciproque est fausse.
P
On dit qu’une série de fonctions fn converge uniformément (ou simplement) si et seulement
si la suite de ses sommes partielles ( N
P
n=0 fn ) converge uniformément (ou simplement).
Seulement, la convergence uniforme d’une série de fonctions est souvent difficile à montrer
directement. On est donc amené à utiliser la notion suivante :
Définition 15 (Convergence normale d’une série)

supI |fn |
P P
Une série de fonctions fn converge normalement sur I si la série numérique
converge dans R.
On montre alors que :
Proposition B.2 Dans un espace complet toute série normalement convergente est uni-
formément convergente.
Bien sûr, on peut définir une convergence normale sur tout segment qui entraı̂ne une
convergence uniforme sur tout segment.
B.3. APPLICATIONS DE LA CONVERGENCE UNIFORME 21
B.3 Applications de la convergence uniforme

La limite d’une suite de fonctions continues (resp. dérivables ou Riemann-intégrables) n’est
pas nécessairement continue (resp. dérivable ou Riemann-intégrable). En outre, la limite de
la dérivée (resp. de l’intégrale) n’est pas necessairement la dérivée (resp. de l’intégrale) de
la limite.
De même, la somme d’une série de fonctions continues (resp. dérivables ou Riemann-
intégrables) n’est pas nécessairement continue (resp. dérivable ou Riemann-intégrable). De
même, la somme de la dérivée (resp. de l’intégrale) n’est pas nécessairement la dérivée (resp.
de l’intégrale) de la somme.
Avec certaines conditions supplémentaires (notamment la convergence uniforme), on obtient
des résultats plus satisfaisants :
Théorème B.3 (Continuité de la limite)

Si une suite de fonctions continues sur I converge uniformément sur I (ou uniformément
sur tout segment de I) alors sa limite est continue sur I.
Théorème B.4 (Dérivabilité de la limite)

Si (fn ) est une suite de fonctions continûment dérivables sur I, convergeant simplement
sur I vers f et telle que la suite de ses dérivées (fn0 ) converge uniformément sur I (resp.
uniformément sur tout segment de I) alors sa convergence est uniforme (resp. uniforme sur
tout segment), sa limite f est continûment dérivable et la dérivée de sa limite est la limite
de sa dérivée :
( lim fn (x))0 = lim fn0 (x)
n→+∞ n→+∞
Théorème B.5 (Intégrabilité de la limite)

Si une suite de fonctions Riemann-intégrables sur le segment [a, b] (fn ) converge uni-
formément sur [a, b] alors sa limite est Riemann-intégrable [a, b] et la limite de l’intégrale
vaut l’intégrale de la limite :
Z b Z b
lim fn (t).dt = lim fn (t).dt
a n→+∞ n→+∞ a
En appliquant ces théorèmes à la suite des sommes partielles d’une série, on obtient :
Théorème B.6 (Continuité de la somme)

P
Si les fonctions fn sont toutes continues sur I et si la série fn converge uniformément sur
I (ou uniformément sur tout segment de I) alors sa somme +∞
P
n=0 fn est continue sur I.
Théorème B.7 (Dérivabilité de la somme)

P
Si (fn ) est une suite de fonctions continûment dérivables sur I, si la série fn converge
simplement sur I et si la série de ses dérivées fn0 converge uniformément sur I (resp.
P
P
uniformément sur tout segment de I) alors la convergence de fn est uniforme (resp.
P+∞
uniforme sur tout segment), sa somme n=0 fn est continûment dérivable et la dérivée de la
somme est la somme de ses dérivées :
+∞ +∞
fn (x))0 = fn0 (x)
X X
(
n=0 n=0
Théorème B.8 (Intégrabilité de la somme)

P
Si les fonctions (fn ) sont Riemann-intégrables sur le segment [a, b] et si la série fn
converge uniformément sur [a, b] alors sa somme est Riemann-intégrable [a, b] et la somme
des intégrales est égale à l’intégrale de la somme :
Z b +∞
X +∞
X Z b
fn (t).dt = fn (t).dt
a n=0 n=0 a
Citons aussi :
Théorème B.9 (Interversion des limites)

Soit a fixé dans I. Si la suite (fn ) converge uniformément sur I vers f et si pour tout n
fixé on a limt→a fn (t) = ln alors la suite ln converge quand n tend vers +∞ et la fonction f
converge quand sa variable tend vers a et les deux limites sont égales. On a donc :
lim lim fn (t) = lim lim fn (t)
t→a n→+∞ n→+∞ t→a
¯ la limite pouvant être prise à

Ce théorème est encore valable si a est adhérent à I (a ∈ I),
gauche ou à droite.
Enfin, on peut établir que :
B.4 Convergence en moyenne quadratique

On dit qu’une suite de fonctions (fn ) continue par morceaux de I dans E converge en
moyenne quadratique vers la fonction f de I dans E si et seulement si
Z
lim ||fn (t) − f (t)||2E .dt = 0
n→+∞ I
Pour les fonctions T périodiques sur R la condition est :

Z T
lim ||fn (t) − f (t)||2E .dt = 0
n→+∞ 0
qR
Il faut bien noter que si les fonctions ne sont pas continues, I ||fn (t) − f (t)||2E .dt et
q
||fn (t) − f (t)||2E .dt ne sont pas des normes mais des semi-normes.
1 RT
T 0
B.5. CONVERGENCE EN NORME P 23
B.5 Convergence en norme p

Définition 16 (Convergence Lp )
La suite (fn ) continue par morceaux de I dans E converge vers f pour la norme de p si la
suite ||fn − f ||p tend vers 0 c’est-à-dire :
Z 1/p
lim ||fn (t) − f (t)||pE .dt =0
n→+∞ I
Chapitre C
Séries de Fourier
Les sries de Fourier constitue un outil puissant dans les sciences de l’ingnieur (traitement
du signal, physique des ondes, etc.). Au del de la pratique, cet outil soulve des problmes
thoriques notamment autour de la notion de convergence.
Sont rappelés dans cette chapitre introductif les résultats les plus classiques relatifs aux séries
de Fourier. Ils seront complétés dans le chapitre consacré aux espaces de Hilbert ainsi qu’en
annexe par de nouveaux résultats.
C.1 Coefficients de Fourier

Soit f une fonction 2π-périodique et localement sommable. Ses coefficients de Fourier sont :
1 Z 2π
cn (f ) = f (t)e−int .dt pour n ∈ Z
2π 0
1 Z 2π
an (f ) = f (t) cos(nt).dt pour n ∈ N
π 0
1 Z 2π
bn (f ) = f (t) sin(nt).dt pour n ∈ N∗
π 0
Les relations entre ces différents coefficients de Fourier sont :
a0 an − ibn an + ibn
c0 = et pour n ∈ N∗ : cn = c−n =
2 2 2
On définit alors la somme partielle de la série de Fourier de f ainsi :

N N
X
+inx a0 X
SN (f ) = cn (f )e = + an (f ) cos(nx) + bn (f ) sin(nx)
n=−N 2 n=0
On peut alors se poser les questions :
25
26 CHAPITRE C. SÉRIES DE FOURIER
• La suite (SN ) converge-t-elle ?

• Si oui, est-ce vers f ?
• Avec quel type de convergence ?
Les résultats qui suivent apportent des réponses (partielles) à ces questions.
C.2 Théorèmes de Dirichlet

Le problème de la convergence des séries de Fourier est historique. Ainsi, certaines fonctions
régulières ont peuvent avoir une série de Fourier divergente. Par exemple la fonction :
+∞
1 x

3
sin (2p + 1)
X
f (x) = 2
p=1 p 2
est une fonction 2π-périodique et continue dont la série de Fourier diverge en 0.

Pour obtenir la convergence d’une série de Fourier en un point, voici un théorème utile :
Théorème C.1 (Dirichlet ponctuel)

Si f admet en x0 une limite à gauche f (x− −
0 ) et à droite f (x0 ) et s’il existe δ > 0 tel que :
Z δ
|f (x0 + t) − f (x+
0 )|
Z δ
|f (x0 − t) − f (x−
0 )|
dt < ∞ et dt < ∞
0 t 0 t
f (x+ )+f (x− )
alors la suite (SN (x0 )) converge vers 2
.
En pratique on peut remplacer les deux dernières conditions par les conditions plus fortes
suivantes :
|f (x0 + t) − f (x+
0 )| |f (x0 − t) − f (x−
0 )|
lim+ et lim− existent
t→0 t t→0 t
Pour avoir un théorème valable en tout point, on a besoin dela définition suivante :
Définition 17 Une fonction f est dite continûment dérivable par morceaux sur [a, b] s’il
existe une subdivision (ai )i∈[0,M ] de [a, b] telle que :
• f est continûment dérivable sur tous les intervalles ]ai , ai+1 [

• f admet un prolongement continûment dérivable sur tous les intervalles [ai , ai+1 ]
Remarque : si on remplace ”continûment dérivable” par ”continue”, on obtient la définition

d’une fonction continue par morceaux sur un segment.
Le théorème suivant assure la convergence simple :
C.2. THÉORÈMES DE DIRICHLET 27
Théorème C.2 (Dirichlet simple)

Si f est continûment dérivable par morceaux et 2π périodique alors la suite (SN ) converge
+ (x− )
simplement sur R vers la fonction f˜ définie par f˜(x) = f (x )+f
2
pour tout x de R.
Le théorème suivant assure la convergence normale donc uniforme :
Théorème C.3 (Dirichlet uniforme)

Si f est continûment dérivable par morceaux, 2π périodique et continue alors la suite (SN )
converge normalement sur R vers la fonction f .
28 CHAPITRE C. SÉRIES DE FOURIER
Chapitre D
Espaces complets
Dans ce chapitre nous présentons la notion de complétude qui a disparu des programmes des
classes préparatoires. Ces notions seront donc reprises en cours.
D.1 Suite de Cauchy

Dans un espace vectoriel normé (ou dans un espace métrisque), on appelle suite de Cauchy
les suites dont les termes se rapproches à l’infini. Plus précisément :
Définition 18 (Suites de Cauchy)

Une suite (un ) d’un espace vectoriel E muni d’une norme k.k est dite de Cauchy si :
∀ > 0 ∃N ∈ N/ n > p > N =⇒ kxn − xp k <
Il est naturel d’étudier les liens entre les notions de suites convergentes et de suites de Cauchy.
On démontre très facilement que :
Proposition D.1
Une suite convergente est de Cauchy mais la réciproque n’est pas toujours vraie
Malheureusement, la réciproque est fausse : dans certains espaces, on peut trouver des suites
de Cauchy non convergeantes. Cela nous amènera à étudier la notion de complétude.
D.2 Espaces complets

Les espaces complets jouent un rôle très important en analyse. Par exemple, tenter de
résoudre une équation dans un espace non complet peut conduire à des méthodes non
convergeantes (dans cet ensemble).
29
30 CHAPITRE D. ESPACES COMPLETS
Définition 19 (Espaces complets)

Un espace vectoriel normé est dit complet si toute suite de Cauchy de E converge (dans E).
Remarque : les espaces vectoriels normés complets sont dits espaces de Banach.
Exemples :
• Les espaces Rn et Cn sont complets.
• L’espace des fonctions continues de [a, b] dans R muni de la norme k.k∞ est complet.
Contre-exemples :
• Q nest pas complet.
• L’espace des fonctions continues de [a, b] dans R muni de la norme k.k1 est n’est pas
complet.
Dans les deux cas précédents, on peut remarquer que les suites de Cauchy non convergentes
dans ces ensembles convergent dans des ensembles plus grands (respectivement l’espace des
réels et l’espace de Lebesgue L1 . Ce résultat est généralisable :
Théorème D.2 (Complétion)

Tout espace métrique peut-être plongé (par une isométrie injective) de manière dense dans
un espace complet qui est unique (à une isométrie bijective près).
Dans un espace complet, pour montrer qu’une suite converge, il suffit de montrer qu’elle est
de Cauchy. On appelle cela, critère de Cauchy.
On a la caractérisation suivante qui se révèle parfois utile :
Théorème D.3 Un espace vectoriel normé E est complet si seulement si toute série
absolument convergente de E est convergente dans E.
D.3 Théorèmes importants

Parmi les résultats importants dans les espaces complets, citons :
Théorème D.4 (Point fixe)

Dans un espace vectoriel normé complet toute contraction (une application de E dans E telle
que ||f (y) − f (x)|| ≤ k.||y − x|| avec 0 < k < 1) admet un unique point fixe (un vecteur x
tel que f (x) = x).
Ce point fixe est la limite de toute suite (xn ) définie par xn+1 = f (xn ) avec x0 ∈ E quelconque.
D.3. THÉORÈMES IMPORTANTS 31
Théorème D.5 (Prolongement des applications uniformément continues)

Soit f une application définie sur une partie dense d’un espace vectoriel normé et à valeurs
dans un espace vectoriel normé complet. Si f est uniformément continue, elle est prolongeable
de manière unique en une application uniformément continue définie sur tout l’espace.
Ainsi, il est possible de prolonger une isométrie définie sur une partie dense.
Théorème D.6 (Prolongement des isométries)

Toute isométrie définie sur une partie dense d’un espace de Hilbert H est prolongeable de
manière unique en une isométrie de H.
Remarque : les théorèmes de Baire et de Banach-Steinhauss constituent aussi des résultats

importants mais nous n’y ferons pas appel dans ce cours.
32 CHAPITRE D. ESPACES COMPLETS
Cours
33
Chapitre 1
Tribus, mesures, intégration
L’objectif de ce chapitre est de présenter des concepts fondamentaux pour l’analyse et les
probabilités. Ces notions peuvent sembler abstraites et non triviales mais elles constituent
néanmoins les bases des probabilités et de l’analyse fonctionnelle.
En probabilités, les notions de parties mesurables, de fonctions mesurables, de mesures et
d’intégrale de Lebesgue permettront de définir les évènements, les variables aléatoires, les
mesures de probabilité, les fonctions de répartition, les moments. . .
En analyse, ces notions permettront de construire des espaces fonctionnels incontournables
comme les espaces de Lebesgue ou de Sobolev qui constituent le cadre de l’analyse de Fourier,
de l’analyse hilbertienne, de la convolution, des opérateurs. . .
Il faut bien noter que l’intégrale de Lebesgue, même si celle-ci possède des propriétés
pratiques bien utiles (déjà connues ou nouvelles) comme les théorèmes de la convergence
dominée et de la convergence monotone, ceux sur les intégrales à paramètre ou ceux de
Tonelli et Fubini, est surtout incournable de part ses “bonnes” propriétés topologiques.
Pour toutes ces raisons, les cours d’analyse et de probabilité feront d’incessantes et incon-
tournables références aux notions présentées ici.
Remarque : l’intégrale au programme des classes de Mathématiques Spéciales n’est ni celle de Riemann, ni celle de Lebesgue.
Il s’agit en fait d’une intégrale Lebesgue des fonctions continues par morceaux construite à partir de l’intégrale de Riemann !
L’introduction de cette intégrale “hybride” a considérablement simplifié la résolution de nombreux exercices et problèmes relatifs
à l’intégration. En revanche, elle ne permet de présenter ni les outils indispensables en probabilités (tribus, variables aléatoires,
mesures de probabilités. . . ) ni certaines propriétés fondamentales en analyse (densité, complétude. . . ). Elle n’est, en outre,
enseignée ni à l’Université ni à l’étranger.
Il faut noter enfin que, dans un souci de clarté, les démonstations (souvent très techniques)
des résultats cités dans ce chapitre ont été reportées au chapitre suivant.
35
36 CHAPITRE 1. TRIBUS, MESURES, INTÉGRATION
1.1 Tribus
En analyse comme en probabilité, on est amené à chercher à mesurer des parties d’un
ensemble Ω. L’ensemble des parties mesurables considérées sera appelé tribu.
Le fait qu’une partie de Ω soit mesurable ne dépend pas de ses propriétés intrinsèques mais
de propriétés relatives aux autres parties mesurables. Plus précisément, la tribu des parties
mesurables doit vérifier certains axiomes :
Définition 20 (Tribu sur un ensemble)

Une tribu T sur un ensemble Ω est une famille non vide de parties de Ω vérifiant les axiomes
suivants :
• (T 1) : T contient ∅.
• (T 2) : T est stable par complémentarité : si A ∈ T alors Ω\A ∈ T .
• (T 3) : T est stable par réunions dénombrables : si ∀n ∈ N An ∈ T alors ∪n∈N An ∈ T .
Dans cette définition, il est bien sûr possible de changer l’axiome (T 1) par (T 10 ) : T contient
Ω et l’axiome (T 3) par (T 30 ) : T est stable par intersections dénombrables.
Exemples :
Sur un ensemble à trois éléments Ω = {a, b, c}, on peut construire comme tribu :
• {∅, Ω}
• {∅, {a}, {b, c}, Ω}
• {∅, {b}, {c, a}, Ω}
• {∅, {c}, {a, b}, Ω}
• {∅, {a}, {b}, {c}, {a, b}, {b, c}, {c, a}, Ω} = P(Ω)
On pourra vérifier qu’il n’y a pas d’autres tribus sur cet ensemble.
Il est facile de démontrer que :
Propriété 1.1 Si T est une tribu sur un ensemble Ω alors :
• T contient ∅ et Ω.
• T est stable par complémentarité.
• T est stable par intersections et réunions dénombrables.
• T est stable par différences (ensemblistes) : si A ∈ T et B ∈ T alors B\A ∈ T .

1.2. TRIBUS USUELLES SUR IN ET IR 37
Dans le domaine des probabilités, les éléments d’une tribu sont appelés évènements.
Maintenant, lorsque l’on s’intéresse aux parties mesurables d’un ensemble Ω, il faudra préciser
quelle tribu on considère :
Définition 21 (Espace mesurable)

On appelle espace mesurable tout couple (Ω, T ) où Ω est un ensemble et T une tribu sur cet
ensemble.
1.2 Tribus usuelles sur IN et IR
Lorsque l’on travaille sur des ensembles finis ou dénombrables (comme N, Z ou Q), la tribu
la plus utilisée est celle constituée de toutes les parties de l’ensemble considéré dite tribu
discrète.
Lorsque l’on travaille dans R ou dans Rn , la tribu la plus souvent considérée est la tribu
borélienne que nous allons définir comme la tribu engendrée par les ouverts.
Pour définir la notion de tribu engendrée par un ensemble C quelconque de parties de Ω, il
suffit de constater que l’ensemble des tribus de Ω est muni d’une relation d’ordre naturelle :
T1 ⊂ T2 si et seulement si toute partie de T1 est dans T2
On peut alors poser :
Définition 22 La tribu engendrée par C est la plus petite tribu de Ω contenant C. C’est
aussi l’intersection de toutes les tribus contenant C.
Ce qui permet de définir la tribu de Borel :
Définition 23 (Tribu de Borel)

On appelle tribu de Borel de Rn et l’on note B(Rn ) la tribu engendrée par les ouverts de Rn .
Ses éléments sont appelés boréliens.
On peut vérifier (voir l’exercice 2 du T.D. 1) que la tribu de Borel de R est aussi celle
engendrée par les intervalles ouverts (ou bien fermés) de R ou celle engendrée par les
intervalles du type ] − ∞, a[, a variant dans R ou Q.
La tribu de Borel contient évidemment tous les ouverts et tous les fermés de Rn mais aussi
beaucoup d’autres parties qu’il est très difficile de caractériser !
1.3 Applications mesurables
1.3.1 Généralités
Maintenant que l’on sait définir des ensembles de parties mesurables (tribus), nous allons
pouvoir définir la notion d’application mesurable.
En analyse, les applications mesurables sont les applications que l’on pourra essayer
d’intégrer. En probabilité les applications mesurables sont les variables aléatoires.
Définition 24 (Application mesurable)

L’application h : (Ω, F) → (Ω0 , F 0 ) est dite mesurable lorsque h−1 (F 0 ) est incluse dans F
i.e. :
∀B ∈ F 0 h−1 (B) ∈ F
Remarque : on rappelle que par définition h−1 (B) = {x ∈ Ω/ h(x) ∈ B}.
On montre alors que :
Propriété 1.2
• Si F 0 est engendrée par un ensemble C 0 de parties de Ω0 alors h est mesurable si et

seulement si h−1 (C 0 ) ⊂ F
• La composée de deux applications mesurables est mesurable.
En analyse, on travaillera souvent avec des applications mesurables particulières, dite

boréliennes :
Définition 25 (Fonction borélienne)

On appelle fonction borélienne toute fonction mesurable de (Rn , B(Rn )), n ≥ 1, dans
(Rp , B(Rp )), p ≥ 1.
On remarque alors que toute fonction continue de Rn dans Rp est borélienne. En effet
si h est une fonction continue, l’image réciproque de tout ouvert est un ouvert, donc, en
notant C 0 l’ensemble des ouverts de Rp , on obtient h−1 (C 0 ) ⊂ B(Rn ) ce qui prouve bien la
mesurabilité de h grâce à la propriété précédente.
1.3.2 Ensembles usuels L+ (F) et L(F)

Notons L+ (F) l’ensemble des applications mesurables de (Ω, F) dans (R+ , B(R+ )) et L(F)
l’ensemble des applications mesurables de (Ω, F) dans (R, B(R)).
Les ensembles L+ (F) et L(F) sont ceux sur lesquels on va construire l’intégrale de Lebesgue.
Dans ces ensembles, la mesurabilité est une propriété très stable. Plus précisement :
1.3. APPLICATIONS MESURABLES 39
Propriété 1.3
Dans L+ (F) :
• 1A est mesurable si et seulement si A ∈ F.
• Si f et g sont mesurables alors f + g et f.g le sont aussi.

P∞
• Si ∀n ∈ N fn est mesurable alors sup fn , inf fn , lim fn (si la suite converge) et 0 fn
(si la série converge) sont aussi mesurables.
Propriété 1.4
Dans L(F) :
• Les propriétés précédentes sont conservées.
• L(F) est un espace vectoriel.
• Si f est mesurable alors |f | l’est aussi.
On peut en déduire que toute fonction continue par morceaux est borelienne puisque
toute fonction continue par morceaux est combinaison linéaire de produits de fonctions
continues (donc boreliennes) et de fonctions caractéristiques d’intervalles (donc boreliennes).
On peut même considérer que toutes les applications à valeurs réelles rencontrées dans
la pratique sont boréliennes car il faut recourir à l’axiome du choix pour construire des
applications non boréliennes (comme la fonction caractéristique de l’ensemble de Vitali
construit page 72).
1.3.3 Fonctions étagées

Les fonctions suivantes qui sont à la fois simples et mesurables constituent l’ensemble de base
pour la construction de l’intégrale de Lebesgue comme les fonctions en escalier constituent
l’ensemble de base pour la construction de l’intégrale de Riemann.
Définition 26 (Fonctions étagées)

L’ensemble des fonctions étagées est l’ensemble des fonctions mesurables prenant un nombre
fini de valeurs c’est-à-dire :
N
X
E(F) = vect{1A , A ∈ F} = { αk 1Ak , ∀k ∈ [1, N ] Ak ∈ F, αk ∈ R}
k=1
Remarque : ici nous considérons des fonctions étagées à valeurs dans R.

Le théorème suivant est très important car il permet d’approcher toute fonction mesurable
par des fonctions étagées :
Théorème 1.5 (Approximations des fonctions mesurables par des fonctions étagées)
• Toute fonction bornée de L(F) est limite uniforme d’une suite de fonctions étagées.
• Toute fonction de L+ (F) est limite simple d’une suite croissante de fonctions étagées
positives.
Remarque : grâce à la décomposition f = f+ − f− avec f+ = sup(f, 0) et f− = sup(−f, 0),

le second point assure que toute fonction f de L(F), même non bornée, est limite simple
d’une suite de fonctions étagées.
1.4 Définition et propriétés d’une mesure

De même que l’on peut considérer sur un même ensemble différents ensembles de parties
mesurables (tribus), on peut considérer plusieurs mesures sur chacune de ces tribus.
En analyse, les mesures usuelles sont la mesure de décompte sur les ensembles finis ou
dénombrables et la mesure de Lebesgue sur la tribu borelienne sur R ou Rd . En probabilité,
les mesures sont appelées mesures de probabilité ou simplement probabilités.
Pour la cohérence de la théorie, chacune de ces mesures doit vérifier certains axiomes :
Définition 27 (Mesure sur une tribu)

Soit T une tribu sur un ensemble Ω.
Une mesure sur T est une application µ de T dans R+ vérifiant les trois axiomes suivants :
• (M 1) : µ(∅) = 0
• (M 2) : µ(A ∪ B) = µ(A) + µ(B) si A et B sont des éléments de T disjoints.
• (M 3) : si (Bn )n∈N ↑ B alors µ(B) = limn→∞ (µ(Bn )) = supn∈N (µ(Bn ))
Remarque : on note (Bn )n∈N ↑ B pour dire que la suite (Bn ) est croissante (∀n ∈ N Bn ⊂
Bn+1 ) convergeant vers B (B = ∪Bn )
Proposition 1.6 (Caractérisation)

Une application µ de T dans R+ est une mesure sur T si et seulement si elle vérifie les deux
axiomes suivants :
• (M 1) : µ(∅) = 0
P∞
• (M 4) : µ(∪∞
n=0 An ) = n=0 µ(An ) si les An sont des éléments deux à deux disjoints de
T.
1.5. CONSTRUCTION DE MESURES SUR LA DROITE DES RÉELS 41
En outre, les mesures vérifient :
Propriété 1.7
• A ⊂ B =⇒ µ(A) ≤ µ(B)
• µ(B\A) = µ(B) − µ(A) si A ⊂ B et µ(A) < ∞
• A ⊂ ∪An =⇒ µ(A) ≤
P
µ(An )
• Si Bn ↓ B et si l’un des Bn est de mesure finie alors µ(B) = lim(µ(Bn )) = inf(µ(Bn ))
Remarque : on note (Bn )n∈N ↓ B pour dire que la suite (Bn ) est décroissante (∀n ∈ N Bn+1 ⊂
Bn ) convergeant vers B (B = ∩Bn ici)
Il faut bien noter que dans le cas d’une suite (Bn ) décroissante, il y a une hypothèse
supplémentaire qui n’existe pas dans le cas croissant. Si on prend par exemple la mesure
longueur (voir plus bas) et Bn = [n, +∞[ alors on a B = ∩Bn = ∅ et donc µ(B) = 0 alors
que lim(µ(Bn )) = +∞.
1.5 Construction de mesures sur la droite des réels

Comme il n’est pas possible de caractériser simplement les éléments de B(R), on ne peut pas
définir une mesure sur B(R) par sa valeur sur chaque borélien. Le principe va plutôt consister
à définir une mesure sur des éléments simples de B(R) puis à la prolonger.
Dans Rd , le principe exposé ci-dessous se généralise sans problème.
1.5.1 Mesure longueur extérieure

On peut définir dans R+ la longueur d’un intervalle (a, b) (non nécessairement ouvert ou
fermé ni borné) en posant :
λ((a, b)) = b − a
On peut ”mesurer”’ toutes les parties de R :
Définition 28 (Mesure extérieure)

On définit la mesure extérieure de toute partie A de R en posant :
∞
λ∗ (A) = inf{
X
(bn − an ), A ⊂ ∪n∈N (an , bn )}
n=0
Cette mesure (longueur) extérieure vérifie les propriétés suivantes (différentes de celles d’une
véritable mesure) :
Propriété 1.8
• A ⊂ B =⇒ λ∗ (A) ≤ λ∗ (B)
P∞
• λ∗ (∪n∈N An ) ≤ n=0 λ∗ (An )
1.5.2 Rappel : parties dénombrables

Les ensembles dénombrables sont les ensembles qui peuvent être mis en bijection avec N (on
dit qu’ils ont le même cardinal que N).
Les ensembles dénombrables usuels sont N, Z et Q.
Parfois on préfère utiliser le terme ”strictement dénombrable” pour la définition précédente,
le terme ”dénombrable” désignant alors les ensembles strictement dénombrables ou finis.
Remarque : on notera que la notion de dénombrabilité est plus subtile qu’il n’y parait. Ainsi,
N et Q sont deux ensembles en
bijection (tout deux dénombrables) alors que N est strictement inclus dans Q. Au sens de la bijection N et Q sont équivalents
alors qu’au sens de l’inclusion N est strictement plus petit que Q. On constate que la notion de ”nombre d’éléments” n’a pas
de sens clair pour les ensembles infinis, c’est pourquoi Cantor a développé la notion de ”cardinalité”.
1.5.3 Parties négligeables

La notion de partie négligeable est fondamentale en analyse et en probabilité.
Définition 29 (Parties négligeables)

On appelle partie négligeable de R, toute partie de R de mesure extérieure nulle.
Remarque : une partie négligeable n’est pas nécessairement Borel-mesurable (c’est-à-dire

dans B(R)).
Les propriétés de la mesure extérieure permettent d’établir que :
Propriété 1.9
• Si M ⊂ N et si N est négligeable alors M est négligeable.
• Toute réunion dénombrable de parties négligeables est négligeable.
Exemples :
Un singleton est négligeable relativement à la mesure de Lebesgue puisque λ∗ ({a}) =
λ([a, a]) = a − a = 0.
PN
Toute partie finie est négligeable : λ∗ (∪N
n=1 an ) ≤ n=1 λ∗ ({an }) = 0.
P+∞
Les ensembles N, Z ou Q sont négligeables. Par exemple λ∗ (N) ≤ n=0 λ∗ ({n}) = 0.
Plus généralement toute partie dénombrable est négligeable. En revanche, la
réciproque est fausse.
Propriété 1.10
Il existe des parties de R négligeables pour la mesure de Lebesgue mais non dénombrables.
Un exemple célèbre est l’ensemble triadique de Cantor (voir page 70).
Notion de presque partout

On dit qu’une propriété est vraie presque partout si et seulement si elle est vraie sur R
privé d’un ensemble négligeable. En abrégé, on utilise souvent les initiales p.p. à la place
de presque partout. On peut même noter µ-p.p. si l’on a besoin de préciser que la mesure
concernée est µ.
En probabilité, une propriété vraie presque partout relativement à une mesure de probabilité
P est dite vraie presque sûrement et on note cela P -p.s.
1.5.4 Mesures de Borel et de Lebesgue

Il est facile de vérifier que la tribu engendrée par les unions dénombrables d’intervalles
disjoints de R est la tribu borélienne B(R).
En outre,
Définition 30 (Tribu de Lebesgue)

On appelle tribu de Lebesgue et l’on note B̄(R) la tribu engendrée par les ouverts de R et les
parties négligeables de R.
On peut alors montrer que :
Théorème 1.11 (Existence et unicité du prolongement de λ)
• La restriction de λ∗ à B(R) est l’unique prolongement de λ à B(R). On l’appelle mesure

de Borel et on la note aussi λ.
• La restriction de λ∗ à B̄(R) est l’unique prolongement de λ à B̄(R). On l’appelle mesure

de Lebesgue et on la note λ̄ voire même λ.
Il faut noter que toutes les parties de R ne sont pas mesurables (voir l’exemple de Vitali
page 72).
1.5.5 Mesures de Borel-Stieltjes

Même pour des fonctions de la variable réelle, il est parfois indispensable, notamment en
probabilité, d’intégrer relativement à des mesures autres que celle de Borel-Lebesgue.
Si, pour une fonction donnée F de R dans R croissante et continue à droite, on remplace la
mesure longueur sur les intervalles par la mesure µ ainsi définie :
µ(]s, t]) = F (t) − F (s) µ([s, t]) = F (t) − F (s− )
µ([s, t[) = F (t− ) − F (s− ) µ(]s, t[) = F (t− ) − F (s)

alors les résultats précédents subsistent et définissent une nouvelle mesure sur les tribus de
Borel et Lebesgue dite mesure de Borel-Stieltjes associée à F .
Réciproquement, pour une mesure sur B(R), µ, finie sur tout segment, on peut définir une
fonction croissante et continue à droite grâce aux relations F (t) = µ(]0, t]) si t ≥ 0 et
F (t) = −µ(]t, 0]) si t < 0.
En utilisant abusivement le vocabulaire probabiliste, une telle fonction F peut être appelée
“fonction de répartition1 ”.
Il y a ainsi bijection (à une constante additive près) entre l’ensemble des mesures sur B(R)
finies sur tout segment et l’ensemble des “fonctions de répartition” (croissantes et continues
à droite).
1.5.6 Complément : construction d’une mesure sur un espace

quelconque par les théorèmes de Caratheodory
Précédemment, nous avons construit la mesure de Lebesgue à partir de la notion de mesure extérieure. Nous allons maintenant
présenter une approche plus théorique mais plus générale.
Pour énoncer les théorèmes, nous avons besoin des notions suivantes :
• Une classe de l’ensemble Ω est une famille non vide de parties de Ω.
• Un anneau de Boole de Ω est une classe de Ω stable par intersections finies et passage au complémentaire.
• On appelle pré-mesure
P∞ sur un anneau de Boole toute application µ de cet anneau dans R+ vérifiant µ(∅) = 0 et
µ(∪∞
n=0 An ) = n=0
µ(A n ) si les An sont des éléments deux à deux disjoints.
• Une pré-mesure µ sur un anneau de Boole est dite σ-finie s’il existe une suite (Ωn ) de parties de Ω croissante pour
l’inclusion telle que ∀n ∈ N µ(Ωn ) < ∞ et Ω = ∪Ωn .
Nous pouvons maintenant énoncer le théorème de Caratheodory (Existence et unicité du prolongement d’une pré-
mesure) :
Si µ est une pré-mesure σ-finie sur un anneau de Boole alors il existe une unique mesure prolongeant µ sur la tribu engendrée
par cet anneau
Remarque : sous des hypothèses plus faibles, on peut énoncer un théorème d’unicité. Pour cela on a besoin de la notion de
π-classe : on appelle π-classe toute classe stable par intersections finies. On peut alors énoncer :
Si deux mesures sont égales sur une π-classe alors elles sont égales sur la tribu engendrée par cette π-classe.
1
Voir le polycopié de probabilités pour la définition classique de la notion de fonction de répartition
1.6. INTÉGRALE SUPÉRIEURE 45
1.6 Intégrale supérieure

Munis des notions de tribus, d’applications mesurables et de mesures, nous allons pouvoir
définir la notion d’intégrale.
Dans ce paragraphe, nous allons préciser les axiomes attendus pour une intégrale des
fonctions de L+ puis constater que cela nous conduit à considérer une mesure et à intégrer
des fonctions étagées.
Dans le paragraphe suivant, nous donnerons alors naturellement une définition constructive
de l’intégrale de Lebesgue.
Commençons par définir une intégrale à valeur dans R+ pour toute fonction mesurable à
valeurs dans R+ sans utiliser a priori la notion de mesure :
Définition 31 (Intégrale supérieure)

On appelle intégrale supérieure sur l’espace mesurable (Ω, F) toute application L de L+ (F)
dans R+ telle que :
• L(0) = 0
• L(f + g) = L(f ) + L(g)
• Si fn ↑ f dans L+ alors L(fn ) ↑ L(f ) dans R+ .
ou ce qui revient au même :
• L(0) = 0
P∞ P∞
• L( n=0 fn ) = n=0 L(fn )
On la note souvent : Z ∗
L(f ) = f
Ω
Toute intégrale supérieure vérifie :
Propriété 1.12
• ∀α ∈ R+ L(α.f ) = α.L(f )
• f ≤ g =⇒ L(f ) ≤ L(g)
En fait, définir une intégrale revient à définir une mesure. En effet :

Théorème 1.13 (Bijection fondamentale)
• Toute intégrale supérieure L sur (Ω, F) définit une mesure µ sur F grâce à
µ(A) = L(1A )
• Réciproquement, toute mesure sur F tribu de Ω définit une intégrale supérieure L sur
(Ω, F) en posant :
∀f ∈ L+ L(f ) = sup{L(ϕ), ϕ ∈ E+ / ϕ ≤ f }
Notations usuelles :
Z ∗ Z ∗ Z ∗
L(f ) = f dµ = f (x)dµx = f (x)µ(dx)
Ω Ω Ω
Du théorème précédent, on retiendra que :
• Il existe une formule d’intégration pour les fonctions étagées :

N
Z ∗X N
X
αk 1Ak dµ = αk µ(Ak )
Ω k=1 k=1
• Dans le cas d’une fonction en escalier (positive) sur un segment, l’intégrale de Riemann
et l’intégrale (supérieure) de Lebesgue coı̈ncident :
N
Z ∗ X N
X N
Z bX
αk 1]ak ,ak+1 [ dµ = αk (ak+1 − ak ) = αk 1]ak ,ak+1 [ (x).dx
[a,b] k=1 k=1 a k=1
• L’intégrale (supérieure) de Lebesgue des fonctions mesurables se déduit de celle des

fonctions étagées : Z Z ∗ ∗
(ϕn ) ↑ f =⇒ ( ϕn dµ) ↑ f dµ
Ω Ω
1.7 Fonctions sommables et intégrale de Lebesgue

Dans ce paragraphe, nous allons considérer les fonctions à valeurs dans R. Pour les fonctions
à valeurs dans C, il suffit de séparer les parties réelles et imaginaires.
On dira qu’une fonction est sommable si et seulement si sa valeur absolue est sommable
c’est-à-dire que l’intégrale supérieure de son module est finie :
Définition 32 (Fonction sommable)

Une fonction f est dite sommable pour la mesure µ si elle est mesurable et si :
Z ∗
|f |dµ < ∞
Ω
1.8. PROPRIÉTÉS ÉLÉMENTAIRES DE L’INTÉGRALE DE LEBESGUE 47
Notation : l’ensemble des fonctions µ-sommables se note L1 (Ω, F, µ). S’il n’y a pas de
confusion possible, on utilise aussi les notations L1 (F) ou encore L1 .
Pour définir l’intégrale d’une fonction sommable, il suffit de séparer la partie positive
f + =R sup(f, 0) et la Rpartie négative f − = sup(−f, 0) de f . En effet, si Ω∗ |f |dµ < ∞
R
alors Ω∗ f+ dµ < ∞ et Ω∗ f− dµ < ∞ ce qui permet de poser :
Définition 33 (Intégrale d’une fonction L1 )

Pour une fonction f ∈ L1 on pose :
Z Z ∗ Z ∗
f dµ = f + dµ − f − dµ ∈ R
Ω Ω Ω
Z Z ∗
Remarque : pour une fonction positive sommable on a : f dµ = f dµ < +∞.
Ω Ω
Notations usuelles :
Z Z Z
I(f ) = f dµ = f (t)dµt = f (t)µ(dt)
Ω Ω Ω
Définition 34 (Espace des fonctions sommables)

L’ensemble L1 (Ω, F, µ) constitué des fonctions sommables est un sous-espace vectoriel de
l’ensemble des fonctions mesurables L(Ω, F).
Définition 35 (Fonctions localement sommables)

On dira qu’une fonction est localement sommable sur R si elle est sommable sur tout segment
de R. On notera L1loc (Ω, F, µ) ou L1loc l’espace vectoriel des fonctions localement sommables.
On remarquera que toute fonction sommable est localement sommable (L1 ⊂ L1loc ).
1.8 Propriétés élémentaires de l’intégrale de Lebesgue

Les propriétés présentées ici, conséquences immédiates de la construction de l’intégrale de
Lebesgue, sont à la fois intuitives et très utiles.
Propriété 1.14
Z
• L’application qui à f associe f dµ est une forme linéaire sur L1 .
Z
• Si f est mesurable et f = 0 µ-pp alors f est sommable et f dµ = 0.
• Si f est mesurable et s’il existe g sommable telle que |f | ≤ g alors f est sommable.
• Si
Z f est mesurable
Z alors f est sommable si et seulement si |f | l’est et on a alors
| f dµ| ≤ |f |dµ.
Z Z
• Si f ≥ g µ − pp alors f dµ ≥ gdµ.
Propriété 1.15
• Si f est mesurable et positive :

1Z
∀α > 0 µ({x/ f (x) ≥ α}) ≤ f.dµ
α

Z
f.dµ = 0 ⇐⇒ f = 0 p.p.
Z
• Si f.dµ < ∞ alors |f | < ∞ p.p.
• Si f est sommable : Z
f = 0 p.p. ⇐⇒ ∀A ∈ F f.dµ = 0
A
On peut noter que l’espace vectoriel L1 n’est pas complet.
1.9 Propriétés fondamentales de l’intégrale de Lebesgue

Pour des suites monotones, on peut intervertir facilement intégrale et limite :
Théorème 1.16 (Beppo-Levi ou convergence monotone)
• Si (fn ) est une suite croissante de fonctions mesurables positives à valeur dans R+ ,
alors : Z Z
lim fn = lim fn
• Si (fn ) est une suite croissante de fonctions sommables, alors :

Z Z
lim fn = lim fn
• Si (fn ) est une suite décroissante de fonctions sommables, alors :

Z Z
lim fn = lim fn
1.9. PROPRIÉTÉS FONDAMENTALES DE L’INTÉGRALE DE LEBESGUE 49
Remarque : les limites précédentes ne sont pas nécessairement finies.

Le théorème suivant est aussi très utile pour intervertir intégrale et limite. Il vient en
complément des théorèmes utilisant la convergence uniforme comme hypothèse (voir annexe
III).
Théorème 1.17 (Convergence dominée de lebesgue)

Soit (Ω, F, µ) un espace mesuré. Si (fn ) est une suite de fonctions vérifiant :
• Pour tout entier n fixé, fn est mesurable sur Ω.

• La suite (fn ) converge µ-pp vers une fonction f mesurable sur Ω.
• Il existe une fonction g sommable sur Ω telle que pour tout n entier et pour presque
tout t de Ω : |fn (t)| ≤ g(t).
alors
• f est sommable sur Ω

Z Z
• ( fn dµ) converge vers f dµ.
Théorème 1.18 (Intégration terme à terme des séries)

∞ Z
X
1
Si (fn ) est une suite de fonctions de L (R, B(R), λ) et si |fn |dλ < ∞
n=0
alors
•
P
fn est absolument convergente λ-pp
∞
X
• fn est sommable
n=0
∞
Z X ∞ Z
X
• fn dλ = fn dλ
n=0 n=0
Complément : le lemme de Fatou

Si on connait la notion de limite inférieure (voir page 67), on peut énoncer le résultat suivant :
Théorème (lemme de Fatou) :
Si (fn ) est une suite de fonctions mesurables positives alors :
Z Z
lim inf fn .dλ ≤ lim inf fn .dλ
Ω Ω
Z Z
On peut en déduire que lim fn .dλ ≤ lim fn .dλ lorsque ces limites existent.
n→+∞ n→+∞
Ω Ω
1.10 Propriétés fines de l’intégrale de Lebesgue

Z Z
Notation : Pour a < b, on notera abusivement mais classiquement f.dλ = − f.dλ
[b,a] [a,b]
Lebesgue a établi le résultat suivant :
Théorème 1.19 (Dérivabilité des fonctions monotones)

Toute fonction monotone de R dans R est dérivable presque partout et sa dérivée peut être
prolongée sur R en une fonction borélienne.
De ce résultat, on peut déduire le théorème suivant qui nous sera utile dans la suite de ce
cours :
Théorème 1.20 (Primitive d’une fonction sommable)

Soient f une fonction localement sommable de R dans R et a ∈ R. La fonction F définie par
Z
F (x) = f (t).dλt
[a,x]
est continue partout et dérivable presque partout avec F 0 = f p.p.
La réciproque n’est pas toujours vraie mais on peut établir que :
Théorème 1.21 (Intégration d’une dérivée)

Soit f une fonction de R dans R. Si
• f est dérivable en tout point de R.

• f 0 est localement sommable sur R.
alors Z
∀(a, b) ∈ R 2
f (b) − f (a) = f 0 (t).dλt
[a,b]
On retiendra des résultats précédents que l’intégration et la dérivation ne sont pas

véritablement des opérations réciproques l’une de l’autre.
Citons aussi le résultat suivant qui nous servira à plusieurs reprises dans les chapitres
suivants :
Théorème 1.22 (Caractérisation de la nullité par les fonctions tests)

Soit I un intervalle de R. Soit D(I) l’ensemble des fonctions indéfiniment dérivables sur I
et à support compact. Soit f une fonction localement sommable de I dans R.
Si Z
∀ϕ ∈ D(I) f ϕ.dλ = 0
I
alors f = 0 p.p.
1.11. FONCTIONS DÉFINIES PAR DES INTÉGRALES 51
1.11 Fonctions définies par des intégrales

Avec l’intégrale de Riemann, les théorèmes relatifs aux intégrales à paramètres imposent
des conditions strictes sur la continuité de l’intégrande relativement à ses deux variables
(voir annexe I.3 ) alors qu’elles ne jouent pas du tout le même rôle dans le problème posé.
Les théorèmes suivants vont montrer que l’on peut relacher considérablement les hypothèses
relatives à la variable d’intégration.
Remarque : en revanche les théorèmes suivants sont assez proches de ceux au programme des classes préparatoires. On notera
tout de même bien comment les hypothèses ont été affaiblies.
Soient un espace mesuré (Ω, F, µ) et R muni de sa tribu Borélienne B(R). Soient (a, b) ∈ R2
tels que a < b et x0 ∈ [a, b].
On considère dans ce paragraphe une fonction f de Ω × [a, b] dans R telle que ∀x ∈ [a, b] la
fonction t 7→ f (t, x) est mesurable.
Théorème 1.23 (Intégration d’une limite)

Si
• Pour tout x de ]a, b[, la fonction qui à t ∈ Ω associe f (t, x) est sommable sur Ω.
• Pour presque tout t de Ω, limx→x0 f (t, x) = l(t).
• Il existe un voisinage ]a0 , b0 [ de x0 inclus dans ]a, b[ et une fonction g sommable sur Ω
telle que pour tout x ∈]a0 , b0 [ et pour presque tout t de Ω : |f (t, x)| ≤ g(t).
alors
• l ∈ L1
Z Z
• x→x
lim f (t, x)dµ(t) = l(t)dµ(t)
0 Ω Ω
On a donc : Z Z
lim
x→x
f (t, x)dµ(t) = lim f (t, x)dµ(t)
0 Ω Ω x→x0
Remarque : la troisième hypothèse est une domination locale, au voisinage de x0 .
Théorème 1.24 (Continuité en un point)

Si
• Pour tout x de ]a, b[, la fonction qui à t associe f (t, x) est sommable sur Ω.
• Pour presque tout t de Ω, la fonction qui à x associe f (t, x) est continue en x0 .

• Il existe un voisinage ]a0 , b0 [ de x0 inclus dans ]a, b[ et une fonction g sommable sur Ω
telle que pour tout x ∈]a0 , b0 [ et pour presque tout t de Ω : |f (t, x)| ≤ g(t).
Z
alors la fonction x 7→ f (t, x)dµ(t) est continue en x0 .
Ω
Remarque : là encore, la troisième hypothèse est une domination locale, au voisinage de x0 .
Théorème 1.25 (Continuité sur un intervalle)

Si
• Pour tout x de ]a, b[, la fonction qui à t associe f (t, x) est mesurable sur Ω.
• Pour presque tout t de Ω, la fonction qui à x associe f (t, x) est continue sur ]a, b[.
• Il existe une fonction g sommable sur Ω telle que pour tout x ∈]a, b[ et pour presque
tout t de Ω : |f (t, x)| ≤ g(t).
Z
alors la fonction x 7→ f (t, x)dµ(t) est continue sur ]a, b[.
Ω
Remarque : dans la première hypothèse on a pu remplacer sommable par mesurable.

Remarque : la troisième hypothèse est ici une domination globale sur ]a, b[ mais on peut la
remplacer par une domination locale au voisinage de chaque point x0 de ]a, b[ (la fonction g
dèpend alors de chaque x0 ).
Théorème 1.26 (Dérivabilité)

Si
• Il existe une partie N négligeable dans Ω telle que, pour tout t de Ω\N , la fonction
qui à x associe f (t, x) est dérivable sur ]a, b[.
• Il existe une fonction g sommable sur Ω telle que pour tout x ∈]a, b[ et pour tout t de
Ω\N : | ∂f∂x
(t, x)| ≤ g(t).
alors
Z
• x 7→ f (t, x)dµ(t) est dérivable sur ]a, b[
Ω
d Z Z
∂f
• f (t, x)dµ(t) = (t, x)dµ(t)
dx Ω Ω ∂x
Remarque : ce théorème se généralise aussi à un intervalle non vide quelconque.

1.12. COMPARAISON DES INTÉGRALES DE RIEMANN ET DE LEBESGUE 53
1.12 Comparaison des intégrales de Riemann et de

Lebesgue
On rappelle que l’intégrale de Riemann peut être définie à l’aide des sommes de Riemann
mais aussi, dans R, à l’aide des sommes de Darboux ou des intégrales supérieures et inférieures
(voir annexe I.1).
Il est bien sûr intéressant de comparer les deux notions d’intégrale dans le cas d’une fonction
de la variable réelle.
On distingue deux cas : celui des intégrales de Riemann propres (sur un segment)
et celui sur les intégrales généralisées (voir annexe I.4).
Théorème 1.27 Toute fonction Riemann-intégrable sur un segment [a, b] est Lebesgue-
sommable sur ce segment et les deux intégrales coı̈ncident :
Z b Z
f (x).dx = f (x).dλx
a [a,b]
En revanche, même sur un segment, il existe des fonctions Lebesgue-sommables mais non
Riemann-intégrables (par exemple 1Q ).
Théorème 1.28 Toute fonction localement Riemann-intégrable sur un intervalle [a, b[ est
Lebesgue-sommable si et seulement si elle est Riemann absolument convergente. Dans ce cas,
les deux intégrales coı̈ncident :
Z b Z
a [a,b[
Les fonctions dont l’intégrale est Riemann semi-convergente sont donc non
Z +∞
sin(t) Z
sin(t)
Lebesgue-sommables. Ainsi, dt existe (au sens de Riemann) mais dλt
−∞ t R t
n’existe pas (au sens de Lebesgue).
Notons aussi qu’il existe des fonctions Lebesgue-sommables mais non localement Riemann-
intégrables et donc non Riemann-convergentes (encore 1Q par exemple).
Des deux résultats précédents, on peut déduire des intégrales de référence :
1
• La fonction t 7→ tα
est sommable sur [a, +∞[ pour a > 0 si et seulement si α > 1.
1
• La fonction t 7→ tα
est sommable sur ]0, a] pour a > 0 si et seulement si α < 1.
1
• La fonction t 7→ tα ln(t)β est sommable sur [a, +∞[ pour a > 1 si et seulement si α > 1
et β ∈ R ou α = 1 et β > 1.
1
• La fonction t 7→ tα ln(t)β est sommable sur ]0, a] pour 0 < a < 1 si et seulement si α < 1
et β ∈ R ou α = 1 et β > 1.
De manière plus anecdotique, on montre que :
Théorème 1.29 (dit de Lebesgue)

Une fonction bornée sur un segment est Riemann-intégrable sur ce segment si et seulement
si elle est continue λ-presque partout.
1.13 Ensembles de fonctions sommables

Les fonctions considérées dans ce paragraphe sont mesurables d’un espace mesuré (Ω, F, µ)
dans (R, B(R)) (mais les résultats qui suivent sont généralisables à Rn ).
1.13.1 Ensembles Lp , p < ∞

Les espaces de fonctions les plus naturels pour l’intégration sont les espaces Lp consitués des
fonctions mesurables dont la puissance p est sommable. Malheureusement leurs propriétés
topologiques sont un peu décevantes.
Sur l’ensemble des fonctions sommables, noté L1 , on peut poser
Z
N1 (f ) = |f |dµ
Ω
Sur l’ensemble des fonctions de puissance p sommables, noté Lp , on peut poser

Z
Np (f ) = ( |f |p dµ)1/p
Ω
Pour étudier ces espaces, l’inégalité suivante constitue un résultat très utile :
Proposition 1.30 (Inégalité de Hölder)

Soient 1 ≤ p ≤ +∞ et 1 ≤ q ≤ +∞ deux nombres conjugués c’est-à-dire tels que
1/p + 1/q = 1.
Si f ∈ Lp et g ∈ Lq alors f g ∈ L1 et :
Z
|f g| ≤ Np (f )Nq (g)
Remarque : le cas p = q = 2 est appelé inégalité de Cauchy-Schwartz.

Proposition 1.31 Np n’est pas une norme sur Lp mais juste une semi-norme.
On peut remarquer qu’il n’y a aucun lien d’inclusion entre Lp et Lq pour p < q sauf pour
une mesure finie et donc notamment en probabilité. En revanche on a :
∀p ≥ 1 Lp ⊂ L1loc ⊂ L
en notantL l’espace des fonctions mesurables à valeurs dans R.
1.13. ENSEMBLES DE FONCTIONS SOMMABLES 55
1.13.2 Ensemble L∞
L’objectif est de construire un nouveau type de majorant de tel sorte que le plus petit d’entre
eux ne soit pas modifié lorsque l’on change une fonction sur un ensemble négligeable.
Définition 36 (Majorant essentiel)

Le réel M est un majorant essentiel pour la fonction f de (Ω, F, µ) dans R si l’ensemble des
x ∈ Ω tels que f (x) > M est négligeable.
Définition 37 (Fonction essentiellement bornée)

On dit qu’une fonction f est essentiellement bornée lorsque |f | admet un majorant essentiel.
On montre alors que pour une mesure non nulle :
Proposition 1.32 Toute fonction réelle f essentiellement majorée admet un plus petit
majorant essentiel que l’on note sup ess(f ).
Pour une fonction essentiellement bornée, on écrit N∞ (f ) = sup ess(|f |). Cette notation
se justifie par le fait que l’on a limp→∞ Np (f ) = N∞ (f ) pour une mesure µ bornée et f
essentiellement majorée.
On note L∞ l’espace vectoriel des fonctions mesurables essentiellement bornées. On remarque
que sur L∞ , l’application N∞ ne définit qu’une semi-norme.
En revanche, sur l’espace vectoriel B des fonctions bornées, ||f ||u = sup |f | est une norme
(pour laquelle B est complet).
1.13.3 Ensembles Lp
L’objectif est de construire un espace similaire à Lp que l’on pourrait normer et qui serait
complet.
Définition 38 Dans Lp on définit une relation d’équivalence R par : f R g ⇐⇒ f = g pp.
Cette relation d’équivalence est compatible avec la structure d’espace vectoriel de Lp . On

peut donc poser :
Définition 39 Lp est l’espace vectoriel quotient Lp /R.
Les éléments de Lp sont des classes d’équivalence de fonctions mais en pratique on les
considère comme des fonctions en les confondant avec l’un quelconque de leurs représentants
(les autres étant égaux à celui-ci presque partout).
Formulé autrement, se placer dans un espace Lp revient à confondre les fonctions

égales presque partout.
Il est important de remarquer que confondre des fonctions égales presque partout est
compatible avec les interprétations physiques puisqu’aucun instrument ne peut différentier
deux signaux égaux presque partout. Les éléments des espaces Lp ne sont donc pas des
abstractions déconnectées de la réalité physique.
On vérifie facilement que la valeur de Np (f ) ne change pas si l’on modifie f sur une partie
négligeable. Cela permet de définir Np sur l’espace Lp .
Remarque : comme pour les espaces Lp , on fera attention à l’inclusion des espaces Lp .
Ainsi, on aura grâce à l’inégalité de Cauchy-Schwarz L2 ([a, b]) ⊂ L1 ([a, b]) mais aucun des
deux espaces L1 (R) et L2 (R) n’est inclus dans l’autre (voir exemples page 104).
Théorème 1.33 Pour 1 ≤ p ≤ ∞, (Lp , Np ) est un espace vectoriel normé complet.
Théorème 1.34 L2 peut être muni d’une structure d’espace de Hilbert2 grâce à :
Z
(f |g) = f¯(t)g(t).dλ(t)
I
En outre, on verra plus loin que :
Théorème 1.35 L2 peut être muni d’une structure d’algèbre (non unitaire) grâce au produit
de convolution.
On peut montrer que toute ”fonction” de Lp (1 ≤ p < ∞) peut être approchée d’aussi près
que l’on veut (pour la norme Np ) par une fonction étagée :
Théorème 1.36 L’espace des fonctions étagées sommables est dense dans Lp pour p < ∞.
Pour toute fonction f de Lp et tout > 0, il existe donc une fonction ϕ étagée sommable
telle que Np (f − ϕ) < .
Notons que le théorème d’approximation des fonctions mesurables prouve que l’espace des
fonctions étagées est dense dans L∞ mais le résultat n’est plus valable pour les fonctions
étagées sommables.
On peut aussi montrer que toute ”fonction” de Lp (1 ≤ p < ∞) peut être approchée d’aussi
près que l’on veut (pour la norme Np ) par une fonction en escalier :
Théorème 1.37 L’espace des fonctions en escalier à support compact est dense dans Lp
pour p < ∞.
2
voir chapitre 4
Enfin, toute ”fonction” de Lp (1 ≤ p < ∞) peut aussi être approchée d’aussi près que l’on
veut (pour la norme Np ) par une fonction continue à support compact :
Théorème 1.38 L’espace des fonctions continues à support compact est dense dans Lp pour
p < ∞.
On établira même au chapitre suivant (voir le théorème 1.50) que l’espace D des fonctions
indéfiniment dérivables à support compact est dense dans Lp pour p < ∞.
C’est grâce à ces nombreuses propriétés topologiques que les espaces Lp s’imposent comme
espaces fonctionnels incontournables.
1.14 Intégrales de Lebesgue multiples

La théorie de Lebesgue est particulièrement plus efficace que celle de Riemann pour définir
et manipuler des intégrales multiples.
1.14.1 Tribu produit

Soit (Ω1 , F1 ) et (Ω2 , F2 ) deux espaces mesurables. Il est clair que l’ensemble des A1 × A2
avec A1 et A2 parcourant respectivement F1 et F2 n’est pas une tribu. D’où la nécessité de
poser :
Définition 40 (Tribu produit)

La tribu produit de F1 et F2 est la tribu de Ω1 × Ω2 engendrée par l’ensemble
{A1 × A2 , A1 ∈ F1 , A2 ∈ F2 }
On la note F1 ⊗ F2 .
On peut vérifier que la tribu de Borel sur R2 est le produit de deux tribus de Borel sur R.
1.14.2 Mesure produit

Soit (Ω1 , F1 , µ1 ) et (Ω2 , F2 , µ2 ) deux espaces mesurés. On veut définir une mesure µ sur la
tribu produit F1 ⊗ F2 vérifiant
∀(A1 , A2 ) ∈ F1 × F2 µ(A1 × A2 ) = µ1 (A1 ).µ2 (A2 )
Cela n’est possible que si l’on fait une hypothèse supplémentaire sur les mesures µ1 et µ2 .
Définition 41 (Mesures σ-finies)

Une mesure µ est dite σ-finie sur Ω s’il existe une suite croissante (pour l’inclusion) de
parties de mesures finies constituant un recouvrement de Ω c’est-à-dire Ω = ∪Ωn avec
∀n ∈ N : Ωn ⊂ Ωn+1 et µ(Ωn ) < ∞
Il est facile de vérifier que les mesures de Lebesgue sur R et sur Rn sont σ-finies. On peut
par exemple écrire Rn = ∪p∈N ] − p, p[n .
Proposition 1.39 Si les mesures µ1 et µ2 sont σ-finies, il existe sur (Ω1 × Ω2 , F1 ⊗ F2 ) une
unique mesure µ telle que ∀(A1 , A2 ) ∈ F1 × F2 µ(A1 × A2 ) = µ1 (A1 ).µ2 (A2 ).
Définition 42 (Mesure produit)

La mesure µ définie par la proposition précédente est dite mesure produit. On la note
µ = µ1 ⊗ µ2 .
1.14. INTÉGRALES DE LEBESGUE MULTIPLES 59
Propriété 1.40 Si les mesures µ1 et µ2 sont σ-finies, la mesure produit µ1 ⊗ µ2 est σ-finie.
On peut vérifier que la mesure de Lebesgue sur R2 est le produit de deux mesures de Lebesgue
sur R.
1.14.3 Théorèmes de Tonelli-Fubini

Les théorèmes présentés ici sont très importants car ils permettent, sous certaines conditions
clairement énonçables, d’intervertir l’ordre des intégrales dans une intégrale multiple.
Soient (Ω1 , F1 , µ1 ) et (Ω2 , F2 , µ2 ) deux espaces mesurés, les mesures µ1 et µ2 étant σ-finies.
Soit (Ω1 × Ω2 , F1 ⊗ F2 , µ1 ⊗ µ2 ) l’espace mesuré produit. On note Ω = Ω1 × Ω2 , F = F1 ⊗ F2
et µ = µ1 ⊗ µ2 . On considère une fonction f de Ω dans R mesurable.
Le théorème suivant assure que pour une fonction mesurable positive, l’ordre d’intégration
n’intervient pas :
Théorème 1.41 (Tonelli 1)

Soit f positive et mesurable sur Ω alors :
Z ∗
• ∀x ∈ Ω1 y 7→ f (x, y) est F2 -mesurable et x 7→ f (x, y)dµ2 (y) est F1 -mesurable.
Ω2
Z ∗
• ∀y ∈ Ω2 x 7→ f (x, y) est F1 -mesurable et y 7→ f (x, y)dµ1 (x) est F2 -mesurable.
Ω1
Z ∗ Z ∗ Z ∗ Z ∗ Z ∗
• f (x, y)dµ(x, y) = dµ1 (x) f (x, y)dµ2 (y) = dµ2 (y) f (x, y)dµ1 (x)
Ω Ω1 Ω2 Ω2 Ω1
Il faut remarquer que les résultats sont dans R+ et qu’il n’y a pas d’hypothèse sur la
sommabilité.
Le théorème suivant constitue un outil pratique pour montrer qu’une fonction est sommable
sur un espace produit :

Soit f mesurable sur Ω et à valeur dans C.
Si
Z ∗ Z ∗ Z ∗ Z ∗ Z ∗
|f |dµ(x, y) < ∞ ou dµ1 (x) |f |dµ2 (y) < ∞ ou dµ2 (x) |f |dµ1 (x) < ∞
Ω Ω1 Ω2 Ω2 Ω1
alors
f ∈ L1 (Ω, F, µ)
Enfin, le dernier théorème assure que pour une fonction sommable l’ordre d’intégration
n’intervient pas :
Théorème 1.43 (Fubini)

Soit f ∈ L1 (Ω, F, µ) et à valeur dans C. Alors :
Z
• f ∈ L1 (µ2 ) µ1 − pp et f dµ2 ∈ L1 (µ1 )
Ω2
Z
• f ∈ L1 (µ1 ) µ2 − pp et f dµ1 ∈ L1 (µ2 )
Ω1
Z Z Z Z Z
• f dµ = dµ1 f dµ2 = dµ2 f dµ1
Ω Ω1 Ω2 Ω2 Ω1
1.14.4 Changement de variables

Le théorème de changement de variables est très utile aussi bien pour les intégrales simples
que multiples. Les changements de variables classiques sont les polaires, cylindriques et
sphériques mais bien d’autres peuvent encore se révéler utiles.
Théorème 1.44 Soit U et V deux ouverts de Rd homéomorphes. Soit Φ un C 1 -difféomorphisme

de V sur U de jacobien J. Soit f une fonction numérique borélienne définie sur U . Alors :
• f est sommable sur U ssi f ◦ Φ.|J| est sommable sur V

Z Z
• f (y)dµ(y) = f ◦ Φ(x).|J(x)|dµ(x)
U V
Remarque : rappelons qu’un homéomorphisme est une application continue, bijective et

dont la bijection réciproque est continue et qu’un C 1 -difféomorphisme est une application
C 1 , bijective et dont la bijection réciproque est C 1 .
1.15 Produit de convolution

Le produit de convolution apparait naturellement avec les transformations intégrales puisque
la transformée de Fourier ou de Laplace d’un produit est un produit de convolution (voir
le chapitre 3). Dans la pratique, il permet d’établir des résultats importants en analyse. Il
constitue aussi un outil usuel dans les sciences de l’ingénieur.
Le produit de convolution est défini par une intégrale à paramètre :
Définition 43 (Produit de convolution de deux fonctions)

Soient f une fonction sommable sur RN et g une fonction de puissance p (p ≥ 1) sommable
sur RN . Alors, pour presque tout x de RN , la fonction y 7→ f (x − y)g(y) est sommable sur
RN et on peut poser : Z
(f ∗ g)(x) = N f (x − y)g(y).dλy
R
1.15. PRODUIT DE CONVOLUTION 61
Théorème 1.45 Si f ∈ L1 (RN ) et g ∈ Lp (RN ) alors f ∗ g ∈ Lp (RN ) et
||f ∗ g||Lp ≤ ||f ||L1 .||g||Lp
Le produit de convolution a un effet régularisant :
Théorème 1.46 Si f est une fonction continue à support compact dans RN et si g est
localement sommable sur RN alors f ∗ g est continue sur RN .
Théorème 1.47 Si f est une fonction k fois continûment dérivable et à support compact
dans RN et si g est localement sommable sur RN alors f ∗ g est k fois continûment dérivable
sur RN . Et pour un opérateur D de dérivation :
Dk (f ∗ g) = (Dk f ) ∗ g
Des théorèmes précédents, on peut déduire des résultats d’approximation intéressants en

convolant une fonction sommable quelconque avec des fonctions judicieusement choisies.
Définition 44 (Suite régularisante)

On appelle suite régularisante de RN toute suite (ρn ) de fonctions indéfiniment dérivables à
support compact vérifiant :
• Pour tout entier n, le support de ρn est inclus dans la boule ouverte de centre 0 et de
rayon 1/n.
Z
• Pour tout entier n, ρn (x)dλx = 1.
RN
• Pour tout entier n, ρn est positive
De telles suites existent. On peut, par exemple, considérer la fonction ρ telle que
1
ρ(x) = exp( ) si kxk < 1 et ρ(x) = 0 si kxk ≥ 1
kxk2 −1
puis poser
nN ρ(nx)
ρn (x) = Z
ρ.dλ
R
Avec le produit de convolution et une suite régularisante, on peut montrer que :
Théorème 1.48 Si f est continue sur RN et si (ρn ) est une suite régularisante alors ρn ∗ f
converge vers f uniformément sur tout compact de RN .
Théorème 1.49 Si f est une fonction de Lp (RN ), p < ∞, et si (ρn ) est une suite
régularisante alors ρn ∗ f converge vers f pour la norme de Lp .
Et finalement, on en déduit le résultat de densité suivant :
Théorème 1.50 Pour Ω un ouvert connexe de RN , l’ensemble D(Ω) des fonctions à support
compact indéfiniment dérivables sur Ω est dense dans Lp (Ω), p < ∞.
1.16. RÉSUMÉ DES PRINCIPALES NOTIONS 63
1.16 Résumé des principales notions

On retiendra :
• La notion de tribu qui contient les parties mesurables (les évènements en probabilité),
notamment les tribus discrètes (sur Z ou Q) et les tribus de Borel (sur R ou Rn ).
• La notion d’application mesurable (les variables aléatoires en probabilité) qui corres-

pond aux fonctions dont on pourra étudier la sommabilité.
• Les fonctions étagées qui sont les fonctions élémentaires (extension de la notion
de fonction en escalier) facilement intégrables au sens de Lebesgue et permettant
d’approcher toute fonction mesurable.
• La notion de mesure (mesure de probabilité en probabilité) notamment la mesure

cardinale et la mesure de Lebesgue.
• La notion de partie négligeable et la notion associée de presque partout (presque

sûrement en probabilité).
• La notion d’intégrale de Lebesgue et sa construction à partir de l’intégrale des fonctions

étagées.
• Les propriétés élémentaires de l’intégrale de Lebesgue.
• Les théorèmes de convergence monotone et dominée.
• Les théorèmes fins étudiant les liens entre dérivation et intégration.
• Les théorèmes pratiques relatifs aux intégrales à paramètres.
• Les deux théorèmes de comparaison entre intégrales de Riemann et de Lebesgue ainsi

que quelques fonctions sommables de référence.
• La notion de classe de fonction et les espaces Lp qui sont les espaces fonctionnels utilisés
(souvent de manière implicite) en sciences de l’ingénieur. On retiendra notamment leur
complétude et les très utiles résultats de densité.
• Les théorèmes de Tonelli, de Fubini et de changement de variable qui rendent l’intégrale

de Lebesgue multiple très performante.
• Le produit de convolution, outil à la fois théorique et pratique.

Chapitre 2
Tribus, mesures, intégration :

démonstrations
Ce chapitre contient les démonstrations des résultats cités dans le chapitre précédent. Celles-ci
étant souvent techniques et parfois longues, elles ont été retirées du chapitre de cours dans un souci
de clareté. La lecture de ces démonstrations aidera néanmoins les élèves les plus à l’aise à mieux
maitriser les notions présentées précédemment.
2.1 Tribus
Propriété 2.1 Si T est une tribu sur un ensemble Ω alors :
• T contient ∅ et Ω.
• T est stable par complémentarité.
• T est stable par intersections et réunions dénombrables.
• T est stable par différences et différences symétriques (ensemblistes).
Preuve : Ces propriétés sont clairement des conséquences des axiomes de définition d’une tribu.
2.2 Tribus sur les ensembles usuels

Ce paragraphe ne nécessite pas de démonstration.
65
66 CHAPITRE 2. TRIBUS, MESURES, INTÉGRATION : DÉMONSTRATIONS
2.3 Applications mesurables

Propriété 2.2
• Si F 0 est engendrée par un ensemble C 0 de parties de Ω0 alors h est mesurable si et seulement

si h−1 (C 0 ) ⊂ F.
• La composée de deux applications mesurables est mesurable.
Preuve :
1) Supposons que F 0 est engendrée par C 0 .
a) Si h est mesurable alors, par définition h−1 (F 0 ) ⊂ F. Comme, C 0 ⊂ F 0 , on obtient h−1 (C 0 ) ⊂ F.
b) Supposons que h−1 (C 0 ) ⊂ F.
Considérons T = {A ⊂ Ω0 / h−1 (A) ∈ F}.
On peut facilement vérifier que T est une tribu (grâce aux propriétés de h−1 ) et que T contient C 0
et donc F 0 . On en déduit que h−1 (F 0 ) ⊂ F c’est-à-dire que h mesurable.
2) Si f −1 (F 0 ) ⊂ F et g −1 (F 00 ) ⊂ F 0 alors (g ◦ f )−1 (F 00 ) = f −1 ◦ g −1 (F 00 ) ⊂ F d’où le résultat.
2.3.1 Ensembles L+ (F) et L(F)

Propriété 2.3
Si l’on considère l’ensemble des applications mesurables de (Ω, F) dans (R+ , B(R+ )), noté L+ (F),
alors :
• 1A est mesurable si et seulement si A ∈ F.

• Si f et g sont mesurables alors f + g et f.g le sont aussi.
• Si ∀n ∈ N fn est mesurable alors sup fn , inf fn lim sup fn , lim inf fn , lim fn (si la suite
converge) et ∞
P
0 fn (si la série converge) sont aussi mesurables.
Preuve :
1) Si 1A est mesurable alors on a bien A = 1−1
A ({1}) qui est dans F.
Réciproquement, si A ∈ F alors 1−1 −1 −1 −1

A ({1}) = A, 1A ({0}) = Ω\A, 1A (∅) = ∅ et 1A ({0, 1}) = Ω
sont tous dans F et donc 1A est mesurable.
2a) Puisque la tribu de Borel est engendrée par les intervalles du type ] − ∞, a[ (ou ] − ∞, a]), a
parcourant R, il suffit de montrer que {f + g < a} est dans F pour prouver que f + g est mesurable.
Or :
{f + g < a} = ∪r,s∈Q+ / r+s<a {f < r} ∩ {g < s}
On peut conclure grâce à la mesurabilité de f et g et la stabilité de F par union et intersection.
2b) Pour le produit de f et g, on obtient le même résultat en écrivant :
{f g < a} = ∪r,s∈Q+ / rs<a {f < r} ∩ {g < s}
2.3. APPLICATIONS MESURABLES 67
3a) Si pour tout n de N, fn est mesurable alors sup(fn ) et inf(fn ) le sont puisque :
{sup(fn ) ≤ a} = ∩{fn ≤ a} ∈ F
{inf(fn ) < a} = ∪{fn < a} ∈ F
3b) Rappelons que la limite supérieure d’une suite numérique (un ) est sa plus grande valeur
d’adhérence et qu’elle vaut lim sup(un ) = inf k∈N supn≥k un . De même, la limite inférieure de (un ) est
sa plus petite valeur d’adhérence et elle vaut lim inf(un ) = supk∈N inf n≥k un . On peut alors définir
les limites supérieures et inférieures d’une suite de fonctions. Ce sont des fonctions.
La mesurabilité des limites supérieures et inférieures (qui existent toujours) est assurée par les
relations :
lim sup(fn ) = inf k∈N supn≥k fn et lim inf(fn ) = supk∈N inf n≥k fn
3c) Quant à la limite, si elle existe, elle est égale aux limites supérieures et inférieures ce qui assure
sa mesurabilité.
Propriété 2.4
Si l’on considère l’ensemble des applications mesurables de (Ω, F) dans (R, B(R)), noté L(F), alors :
• Les propriétés précédentes sont conservées.
• L(F) est un espace vectoriel.
• Si f est mesurable alors |f | l’est aussi.
Preuve :
Si l’on écrit f = f+ −f− avec f+ = sup(f, 0) et f− = sup(−f, 0) alors, comme dans la démonstration
précédente, f+ et f− sont mesurables comme sup de deux fonctions mesurables. On en déduit le
troisième point puisque |f | = f+ + f− .
Maintenant, si f est mesurable alors −f aussi puisque {−f < a} = Ω\{f ≥ a} ∈ F. On démontre
alors, comme dans la preuve des propriétés précédentes, que si f et g sont mesurables alors que
f − g et λ.f avec λ ∈ R le sont aussi.
Enfin, les propriétés précédentes se retrouvent grâce à la décomposition des fonctions f de L(F)
en f = f+ − f− avec f+ et f− mesurables positives.
2.3.2 Fonctions étagées

Théorème 2.5 (Approximations des fonctions mesurables par des fonctions étagées)
• Toute fonction bornée de L(F) est limite uniforme d’une suite de fonctions étagées.
• Toute fonction de L+ (F) est limite simple d’une suite croissante de fonctions étagées.
Preuve :
1) Soit f une fonction bornée de L(F).
a) Supposons ||f ||∞ ≤ 1.
On considère Ak,n = {x/ nk ≤ f (x) ≤ k+1n } pour n ≥ 1 et −n ≤ k ≤ n − 1. Les Ak,n sont dans
F donc les fonctions gn = n−1 k 1
k=−n n Ak,n sont étagées. Comme ||f − gn ||∞ ≤ n , on obtient la
P
1
convergence uniforme de (gn ) vers f .
b) Pour une fonction bornée f quelconque, on applique le résultat précédent à h = f /||f ||∞ .
2) Soit f une fonction de L+ (F).
On considère Ak,n = {x/ 2kn ≤ f (x) < k+1 n
2n } pour n ≥ 1 et 0 ≤ k ≤ n2 − 1 ainsi que Bn = {f ≥ n}
pour n ≥ 1. Tous ces ensembles sont clairement dans F.
Pn2n −1 k
Si on pose gn = k=0 2n 1Ak,n + n1Bn , alors (gn ) est une suite croissante de fonctions étagées
positives.
Pour les ω tel que f (ω) = +∞, on a gn (ω) = n qui converge vers f (ω).
Pour les ω tel que f (ω) < +∞, on a 0 ≤ f (ω) − gn (ω) ≤ 2−n dès que n > f (ω), ce qui assure la
convergence de gn (ω) vers f (ω).
2.4 Définition et propriétés d’une mesure

Proposition 2.6 (Caractérisation)
Une application µ de T dans R+ est une mesure sur T si et seulement si elle vérifie les deux
axiomes suivants :
• (M 1) : µ(∅) = 0
P∞
• (M 4) : µ(∪∞
n=0 An ) = n=0 µ(An ) si les An sont des éléments deux à deux disjoints de T .
Preuve :
1) Soit µ une mesure. Alors, si on pose BN = ∪N ∞
0 An et B = ∪0 An , on a (Bn ) ↑ B. En appliquant
les axiomes (M 2) et (M 3), on obtient (M 4).
2) Supposons que µ vérifie (M 1) et (M 4). L’axiome (M 4) entraı̂ne immédiatement l’axiome (M 2).
Pour retouver l’axiome (M 3), il suffit, pour une suite (Bn ) ↑ B, d’appliquer (M 4) aux An avec
An = Bn \Bn−1 .
Propriété 2.7
• A ⊂ B =⇒ µ(A) ≤ µ(B)
• µ(B\A) = µ(B) − µ(A) si A ⊂ B et µ(A) < ∞
• A ⊂ ∪An =⇒ µ(A) ≤
P
µ(An )
• Si Bn ↓ B et si l’un des Bn est de mesure finie alors µ(B) = lim(µ(Bn )) = inf(µ(Bn ))

Preuve :
1) et 2) L’inclusion assure µ(A∪(B\A)) = µ(A∪B) = µ(B). L’axiome (M 2) donne µ(A∪(B\A)) =
µ(A) + µ(B\A). On obtient donc les deux premiers points.
3) On a facilement µ(A ∪ B) + µ(A ∩ B) = µ(A) + µ(B) d’où µ(A ∪ B) ≤ µ(A) + µ(B).
Soit A0n = A ∩ An . On a ∪A0n = A. Soit maintenant Bn = ∪ni=1 A0i . On a Bn ↑ A et donc
µ(A) = lim(µ(Bn )) par (M 3).
n
Or µ(Bn ) = µ(∪n1 A0i ) ≤ 0 A0i ⊂ Ai on a
P
Pn 1 µ(Ai ) par le premier résultat établi. Puisque
P∞
µ(Bn ) ≤ 1 µ(Ai ). En faisant tendre n vers +∞, on obtient bien µ(A) ≤ 1 µ(An ).
4) Supposons que µ(BN ) < ∞. On considère la suite (BN \Bn )n≥N . On a (BN \Bn ) ↑ BN \B
donc µ(BN \Bn ) tend vers µ(BN \B) c’est-à-dire, puisque µ(BN ) < ∞, µ(BN ) − µ(Bn ) tend vers
µ(BN ) − µ(B) ce qui donne bien lim(µ(Bn )) = µ(B).
2.5 Construction de mesures sur la droite des réels
2.5.1 Mesure longueur extérieure

Propriété 2.8
• A ⊂ B =⇒ λ∗ (A) ≤ λ∗ (B)
P∞
• λ∗ (∪n∈N An ) ≤ n=0 λ
∗ (A
n)
Preuve :
1) Le premier point est une simple conséquence de la définition de la mesure extérieure.
P∞
2) Montrons que λ∗ (∪An )n∈N ≤ ∗
n=0 λ (An ).
P∞ ∗
a) Si n=0 λ (An ) = +∞, l’inégalité est évidente.
P∞ ∗ (A )
b) Supposons n=0 λ n < +∞.
Soit n ∈ N fixé. Par définition de la mesure extérieure de An , pour tout > 0, il existe un
recouvrement de An par une famille dénombrable d’intervalles disjoints (An,k )k∈N telle que
λ(An,k ) ≤ λ∗ (An ) + /2n

X
k∈N
Comme ∪n∈N An ⊂ ∪n∈N ∪k∈N An,k , on a :
λ∗ (∪n∈N An ) ≤ λ∗ (An,k ) = λ∗ (An ) +

X X X
n∈N k∈N n∈N
Ce résultat étant valable pour tout > 0, on en déduit la propriété recherchée.

2.5.2 Parties négligeables

Propriété 2.9
• Si M ⊂ N et si N est négligeable alors M est négligeable.
• Toute réunion dénombrable de parties négligeables est négligeable.
Preuve :
1) Puisque M ⊂ N , on a µ∗ (M ) ≤ µ∗ (N ). Comme µ∗ (M ) ≥ 0 et µ∗ (N ) = 0, on en déduit
µ∗ (M ) = 0.
P∞
2) On a 0 ≤ λ∗ (∪n∈N Nn ) ≤ n=0 λ
∗ (N
n) =0
Propriété 2.10
Il existe des parties de R négligeables pour la mesure de Lebesgue mais non dénombrables.
Preuve :
Un exemple est donné par l’ensemble de Cantor dont nous présentons la construction ici.
Une partie de IR négligeable et non dénombrable : l’ensemble de

Cantor
Nous allons, dans un premier temps, construire par récurrence une suite de parties fermées de
l’intervalle [0, 1]. On pose :
F0 = [0, 1]
F1 = [0, 1/3] ∪ [2/3, 1]
F2 = [0, 1/9] ∪ [2/9, 1/3] ∪ [2/3, 7/9] ∪ [8/9, 1]
A partir de Fn qui est une union de 2n intervalles fermés disjoints de longueur 1/3n , on peut définir
Fn+1 en remplaçant chacun des 2n intervalles [a, b] constituant Fn par l’union des deux intervalles
[a, a + b−a b−a
3 ] et [a + 2 3 , b] représentant leur premier et dernier tiers.
On peut vérifier que cette construction est équivalente à poser :
" n n
#
[ X 2ei X 2ei 1
Fn = , + n
(e1 ,...,en )∈{0,1}n i=1
3i i=1
3i 3
L’ensemble triadique de Cantor est alors, par définition :

+∞
\
K= Fn
n=0
1) L’ensemble de Cantor K est compact.

Il est borné car inclus dans [0, 1].

Il est aussi fermé car K est l’intersection des Fn qui sont des fermés (car eux-mêmes sont des unions
finies d’intervalles fermés).
Remarque : pour les notions d’ouverts, de fermés et de compacts on peut se reporter à l’annexe A
du polycopié.
2) L’ensemble de Cantor K est négligeable.
Il est mesurable car fermé. En outre, pour tout entier n, K ⊂ Fn donc λ(K) ≤ λ(Fn ) = (2/3)n . En
faisant tendre n vers +∞ on trouve donc que λ(K) = 0. K est donc négligeable.
3) L’ensemble de Cantor K est non dénombrable.
Il contient les extrémités des intervalles constituants les Fn . On peut vérifier que tous ces nombres
peuvent s’écrire en base 3 uniquement avec des 0 ou des 2. A x dans K on peut donc associer la
suite (xn )n≥1 de {0, 2} constituée de ces décimales en base 3.
xn /2
L’application ψ qui à x = (xn ) ∈ K associe ∞
P
n=1 2n est une bijection de K sur [0, 1]. On a donc
card(K) = card([0, 1]) = card(R). K n’est donc pas dénombrable.
2.5.3 Mesures de Borel et Lebesgue

Théorème 2.11 (Existence et unicité du prolongement de λ)
• La restriction de λ∗ à B(R) est l’unique prolongement de λ à B(R). On l’appelle mesure de

Borel et on la note aussi λ.
• La restriction de λ∗ à B̄(R) est l’unique prolongement de λ à B̄(R). On l’appelle mesure de

Lebesgue et on la note λ̄ voire même λ.
Preuve : La démonstration de ce théorème nécessite l’introduction de nombreuses notions

supplémentaires. Elle sera rédigée dans une version ultérieure de ce polycopié.
2.5.4 Mesures de Borel-Stieltjes

Le seul point méritant justification est l’additivité dénombrable c’est-à-dire
X
]s, t] = ∪n∈N ]sn , tn ] =⇒ µF ]s, t] = µF ]sn , tn ]
n∈N
pour une famille (]sn , tn ]) d’intervalles disjoints.

PN
1) Si ∪N0 ]sn , tn ] ⊂]s, t] alors 0 µF ]sn , tn ] ≤ µF ]s, t] et donc par passage à la limite (justifié)
P∞
0 µF ]sn , tn ] ≤ µF ]s, t].
2) Cherchons l’autre inégalité.

Soit u tel que s < u ≤ t. Pour tout entier n, on prend τn > tn tel que F (τn ) − F (tn ) ≤ /2n (un tel
τn existe par continuité à droite de F ).
Les ]sn , τn [ forment un recouvrement d’ouverts de [u, t] dont on déduit par compacité (axiome de
Borel Lebesgue) un sous-recouvrement fini :
]u, t] ⊂ [u, t] ⊂ [u, τn ] ⊂ ∪i∈I0 ]sni , τni [
On a donc :
X X X
F (t) − F (u) ≤ F (τni ) − F (sni ) ≤ (F (tn ) − F (sn ) + n
)=+ F (tn ) − F (sn )
i∈I0
2
n∈N n∈N
On peut faire tendre vers 0 et u vers s (par continuité à droite de F ) et on obtient l’inégalité
recherchée : X
F (t) − F (s) ≤ F (tn ) − F (sn )
n∈N
Une partie de IR non Lebesgue-mesurable : l’ensemble de Vitali

Pour construire cet ensemble, nous avons besoin de l’axiome du choix (équivalent à l’axiome de
Zorn et au théorème de Zermelo). Cet axiome, compatible avec ceux de la théorie des ensembles,
est assez intuitif.
Axiome du choix : pour toute famille (Ai )i∈I de parties non vides d’un ensemble E, il existe une
application (dite fonction de choix) de I dans E telle que
∀i ∈ I f (i) ∈ Ai
On peut maintenant construire l’ensemble de Vitali.

Soit R la relation d’équivalence dans [0, 1] définie ainsi :
xRy ⇐⇒ x − y ∈ Q
L’axiome du choix permet d’associer à chaque classe d’équivalence un représentant unique.

L’ensemble de Vitali est l’ensemble V des représentants des classes ainsi obtenus. Montrons que V
est non mesurable.
Ordonnons les éléments de [−1, 1] ∩ Q en une suite (rn )n∈N . Soit Vn = V + rn . On a :
1) Pour tout entier n : λ∗ (Vn ) = λ∗ (V )
2) [0, 1] ⊂ ∪∞
n=0 Vn ⊂ [−1, 2]
En effet :
2a) V ⊂ [0, 1] et pour tout n, rn ∈ [−1, 1] donc Vn ⊂ [−1, 2].
2b) Soit x ∈ [0, 1]. Soit v ∈ V le représentant de sa classe :
∃q ∈ Q/ x − v = q
donc x = v + q, or x et v sont dans [0, 1] et q est dans [−1, 1] ∩ Q donc il existe un entier n0 tel que
q = rn0 et pas conséquent x ∈ Vn0 .
3) Si n 6= m alors Vn ∩ Vm = ∅.
2.6. INTÉGRALE SUPÉRIEURE 73
En effet, si l’on suppose Vn ∩ Vm 6= ∅ et si l’on prend x ∈ Vn ∩ Vm alors il existe y1 et y2 dans V

tels que x = y1 + rn et x = y2 + rm . On a y1 − y2 = rm − rn ∈ Q donc y1 Ry2 donc y1 = y2 par
unicité du représentant dans V . On en déduit rm = rn c’est-à-dire n = m.
Pour conclure, on remarque que si V est mesurable alors chaque Vn aussi et par le point 3 on
P∞ P∞
a λ(∪∞0 Vn ) = 0 λ(Vn ) ce qui implique d’après le point 2 : 1 ≤ 0 λ(Vn ) ≤ 3 ce qui est en
contradiction avec le point 1.
Finalement V n’est pas Lebesgue mesurable.
2.6 Intégrale supérieure

Propriété 2.12
• ∀α ∈ R+ L(α.f ) = α.L(f )
• f ≤ g =⇒ L(f ) ≤ L(g)
Preuve :
1) Si α est entier, le résultat est une conséquence immédiate de la linéarité de l’intégrale.
Supposons α = 1/n avec n entier. On a L(nf ) = nL(f ) donc, en prenant f = g/n, on obtient
L(g) = nL(g/n) c’est-à-dire L(g/n) = 1/nL(g).
Des deux points précédents, on déduit L(αF ) = αL(f ) pour α ∈ Q+ .
Prenons enfin α ∈ R. Il existe une suite croissante (qn ) de rationnels convergeant vers α. L’axiome
de la convergence monotone assure alors que L(qn f ) = qn L(f ) converge vers L(αf ) et donc, en
passant à la limite, αL(f ) = L(αf ).
2a) Dans un premier temps, montrons que si f et g sont dans L+ alors il existe h dans L+ tel que
g =f +h :
Sur A = {x/ g(x) < ∞} on peut poser h(x) = g(x) − f (x) < ∞.
Sur Ω\A, on pose h(x) = +∞.
On a alors h = (g − f ).1A + (+∞)1Ω\A ∈ L+
Remarque : c’est ce petit lemme qui permet de démontrer proprement l’équivalence des deux
définitions de L.
2b) Si f ≤ g, h = g − f ainsi défini est mesurable et L(h) ≥ 0 donc L(g) − L(f ) ≥ 0.
Théorème 2.13 (Bijection fondamentale)
• Toute intégrale supérieure L sur (Ω, F) définit une mesure µ sur F grâce à
µ(A) = L(1A )
• Réciproquement, toute mesure sur F tribu de Ω définit une intégrale supérieure L sur (Ω, F)
telle que :
∀f ∈ L+ L(f ) = sup{L(g), g ∈ E+ / g ≤ f }
Preuve :
1) Soient L une intégrale supérieure et µ tel que µ(A) = L(1A ). Montrons que µ est une mesure.
On a µ(∅) = L(0) = 0.
Pour une famille (An )n∈N d’intervalles deux à deux disjoints on a :
X X X
µ(∪An ) = L(1∪An ) = L( 1An ) = L(An ) = µ(An )
2) Soient µ une mesure et L tel que L(f ) = sup{L(ϕ), ϕ ∈ E+ / g ≤ f }. Montrons que L est une
intégrale supérieure.
On a bien L(0) = 0.
On a aussi, de manière évidente, L(1A ) = µ(A), f ≤ g =⇒ L(f ) ≤ L(g) ainsi que L(f + g) =
L(f ) + L(g) grâce au théorème qui assure que f et g sont limite d’une suite croissante de fonctions
étagées positives.
Il reste à montrer que fn ↑ f =⇒ L(fn ) ↑ L(f ).
Soit (fn ) est une suite croissante de fonctions mesurables positives à valeur dans R+ . Nécessairement
elle admet une limite f qui est une fonction mesurable positive à valeurs dans R+ .
R R
CommeR on a, pour tout entier n, fn ≤ f , on en déduit que
R
fn ≤ f . Prouvons maintenant que
fn ≥ f .
R R
Si lim fn = +∞ alors f = +∞ ce qui assure le résultat.
R
Si lim fn < +∞ :
a) Prouvons que si ϕ est une fonction étagée, positive et si (Bn ) est une suite croissante de parties
mesurables convergeant vers Ω alors Z Z
lim ϕ= ϕ
Bn Ω
PN
Soit ϕ = 1 αi .1Ai . On a :
Z Z N
Z X N
X
ϕ= ϕ.1Bn = αi .1Ai ∩Bn = αi .µ(Ai ∩ Bn )
Bn Ω Ω 1 1
Or (Ai ∩ Bn )n∈N ↑ Ai donc µ(Ai ∩ Bn ) ↑ µ(Ai ) ce qui entraı̂ne :
Z N
X Z
lim ϕ= αi µ(Ai ) = ϕ
Bn 1 Ω
b) Soit ϕ étagée telle que ϕ ≤ f . Soit λ ∈]0, 1[. Posons Bn = {x/ fn (x) ≥ λϕ}.
R R R R R
On a fn ≥ λϕ(x)1Bn donc fn ≥ Bn λϕ d’où lim fn ≥ lim Bn λ.ϕ = λ ϕ d’après le point
précédent puisque Bn ↑ Ω.
R R
En faisant tendre λ vers 1, on obtient
R
lim
R
fn ≥ ϕ. Ceci étant vrai pour toute fonction ϕ étagée
inférieure à f , on en déduit lim fn ≥ f .
2.7 Fonctions sommables et intégrale de Lebesgue

2.8. PROPRIÉTÉS ÉLÉMENTAIRES DE L’INTÉGRALE DE LEBESGUE 75
2.8 Propriétés élémentaires de l’intégrale de Lebesgue

Propriété 2.14
Z
• L’application qui à f associe f dµ est une forme linéaire sur L1 .
Z
• Si f est mesurable et nulle µ − pp alors f est sommable et f dµ = 0.
• Si f est mesurable et s’il existe g sommable telle que |f | ≤ g alors f est sommable.
Z Z
• f est sommable si et seulement si |f | l’est et on a alors | f dµ| ≤ |f |dµ.
Z Z
• Si f ≥ g µ − pp alors f dµ ≥ gdµ.
Preuve :
1) Sur L+ , la linéarité de l’application L a déjà été démontrée. Sur L, le résultat s’obtient en
décomposant les fonctions en leurs parties positives et négatives.
R
2) Si f ≥ 0 et f = 0 presque partout alors f = 0 par définition de l’intégrale. Si le signe de f est
variable, on la décompose en partie positive et négative.
R∗ R∗ R∗ R∗
3) Si |f | ≤ g alors |f | ≤ g et puisque g est sommable g < ∞ d’où |f | < ∞ et donc f est
sommable.
4) Par définition, f est sommable si seulement si |f | est sommable. En outre, si on a f = f+ − f−
alors Z Z Z Z Z Z Z Z
| f | = | f+ − f− | ≤ | f+ | + | f− | = f+ + f− = |f |
R R
5) Montrons que pour des fonctions positives, si f ≥ g µ − pp alors f dµ ≥ gdµ.
Si l’inégalité est vraie partout, le résultat vient de la définition de l’intégrale supérieure.
R R
Sinon,
R R
on pose RA = {x/ f (x)
R
≥ g(x)}. On a ainsi
R
f.1RA ≥ g.1A partoutRet donc
R
f.1A ≥ g.1A . Or
f = f.1A + f.1Ω\A et f.1Ω\A = 0 donc f = f.1A . De même g = g.1A d’où le résultat.
Si maintenant les fonctions ne sont pas positives, on considère f −g qui est positive presque partout
et on lui applique le résultat précédent.
Propriété 2.15

1
Z
∀α > 0 µ({x/ f (x) ≥ α}) ≤ f.dµ
α

Z
f.dµ = 0 ⇐⇒ f = 0 p.p.
R
• Si f.dµ < ∞ alors |f | < ∞ p.p.
• Si f est sommable : Z
f = 0 p.p. ⇐⇒ ∀A ∈ F f.dµ = 0
A
Preuve :
R
1) On pose A = {x/ f (x) > α}. On a f ≥ α1A donc f ≥ αµ(A) d’où l’inégalité de Tchebichev.
R
2) Si f = 0 presque partout alors f = 0 presque partout d’après une propriété précédente.
Pour la réciproque, on utilise l’inégalité de Tchebichev et on obtient pour un entier n :
µ({x/ f (x) ≥ 1/n}) ≤ n.0 = 0
Donc X
µ({x/ f (x) > 0}) = µ(∪{x/ f (x) ≥ 1/n}) ≤ µ({x/ f (x) ≥ 1/n}) = 0
3) On pose Bn = {x/ |f (x)| ≥ n} et B = ∩{x/ f (x) ≥ n}. On a Bn ↓ B.

1 R
L’inégalité de Tchebichev donne µ(Bn ) ≤ n |f | et donc µ(B) = lim µ(Bn ) = 0.
Finalement :
µ({x/ |f (x)| = +∞}) = µ(∩({x/ f (x) ≥ n})) = µ(B) = 0
R
4) Si f = 0 presque partout alors on a vu que pour tout A ∈ F alors Af = 0.
Pour la réciproque, on pose A = {x/ f (x) > 0} ∈ F et B = {x/ f (x) ≤ 0} ∈ F.
R R R
On a |f | = f.1A − f.1B donc |f | = Af − B f = 0 − 0 = 0 et donc f = 0 presque partout d’après
une propriété précédente.
2.9 Propriétés fondamentales de l’intégrale de Lebesgue

Théorème 2.16 (Beppo-Levi ou convergence monotone)
• Si (fn ) est une suite croissante de fonctions mesurables positives à valeur dans R+ , alors :
Z Z
lim fn = lim fn
• Si (fn ) est une suite croissante de fonctions sommables, alors :

Z Z
lim fn = lim fn
• Si (fn ) est une suite décroissante de fonctions sommables, alors :

Z Z
lim fn = lim fn
2.9. PROPRIÉTÉS FONDAMENTALES DE L’INTÉGRALE DE LEBESGUE 77
Preuve :
1) Le premier point est simple ré-écriture du théorème 2.13 (bijection fondamentale).
2) Pour une suite croissante (fn ) de fonctions sommables, il suffit d’appliquer le premier point à
gn = fn − f0 .
3) Pour une suite décroissante (fn ) de fonctions sommables, il suffit d’appliquer le premier point à
hn = f0 − fn .
Théorème 2.17 (Convergence dominée de lebesgue)

Soit (Ω, F, µ) un espace mesuré. Si (fn ) est une suite de fonctions vérifiant :
• Pour tout entier n fixé, fn est mesurable sur Ω.
• La suite (fn ) converge µ-pp vers une fonction f mesurable sur Ω.
• Il existe une fonction g sommable sur Ω telle que pour tout n entier et pour presque tout t
de Ω : |fn (t)| ≤ g(t).
alors
• f est sommable sur Ω

Z Z
• ( fn dµ) converge vers f dµ.
Preuve :
Remarque : classiquement, la démonstration du théorème de la convergence dominée se fait à l’aide
du lemme de Fatou. Ici, nous préférons utiliser le théorème de la convergence monotone que nous
venons de démontrer.
1) Simplifions un peu le problème :
Soient N = {x/ fn (x) ne converge pas vers f } et M = ∪n∈N {x/ |fn | > g}.
On a µ(M ∪ N ) = 0. Sur M ∪ N on remplace fn (x) et f (x) par 0. Alors fn converge vers f partout
et |fn | ≤ g partout. En outre les fonctions restent mesurables et sommables si elles l’étaient et les
valeurs des intégrales restent inchangées.
2) Pour tout entier n, on a |fn | ≤ g donc, en passant à la limite, |f | ≤ g donc f est sommable.
R R
Cherchons maintenant à majorer | fn − f |.
On considère wn = supk≥n fk − inf k≥n fk . On a (wn ) qui décroit vers f − f = 0. En outre, pour
tout n, |fn − f | ≤ wn puisque supk≥n fk ≥ f ≥ inf k≥n fk .
Maintenant si on pose gn = w0 − wn alors 0 ≤ gn ≤ 2g donc, pour tout n, gn est sommable.
Comme la suite
R
(gn ) est croissanteRet converge vers
R
w0 , on a, d’après le théorème de la convergence
monotone, gn qui converge vers w0 et donc wn qui converge vers 0.
R R R R R R
Finalement on a | fn − f | ≤ |fn − f | ≤ wn ce qui prouve la convergence de fn vers f.
Théorème 2.18 (Intégration terme à terme des séries)

P∞ R
Si (fn ) est une suite de fonctions de L1 (R, B(R), λ) et si 0 |fn |dλ < ∞
alors
•
P
fn est absolument convergente λ-pp
P∞
• 0 fn est sommable
R P∞ PR
• 0 fn dλ = fn dλ
Preuve :
1) Soit Fn = n0 |fk |. La suite de fonctions mesurables (Fn ) est croissante donc, grâce au théorème
P
de la convergence monotone, on a
∞
Z X Z Z ∞ Z
X
|fk | = lim Fn = lim Fn = |fk |
0 0
P∞
qui est finie par hypothèse. 0 |fk | est donc sommable donc finie presque partout.
P∞ P∞ P∞ P∞
2) | 0 fk | ≤ 0 |fk | or 0 |fk | est sommable donc 0 fk est sommable.
3) On a maintenant :
n Z
X ∞
Z X ∞
Z X ∞
Z X
| fk − fk | = | fk | ≤ |fk |
0 0 n+1 n+1
R P∞ Pn R
Par le théorème
R P∞
de la convergence dominée (ou monotone), n+1 |fk | tend vers 0 donc 0 fk
tend vers 0 k.
f
2.10 Propriétés fines de l’intégrale de Lebesgue

Théorème 2.19 (Dérivabilité des fonctions monotones)
Toute fonction monotone de R dans R est dérivable presque partout et sa dérivée peut être prolongée
sur R en une fonction borélienne.
Preuve : ce résultat est admis.
Théorème 2.20 (Primitive d’une fonctions sommable)

Soient f une fonction localement sommable de R dans R et a ∈ R. La fonction F définie par :
Z
F (x) = f (t).dλt
[a,x]
est continue partout et dérivable presque partout avec F 0 = f p.p.
Preuve :
A) Continuité :
2.10. PROPRIÉTÉS FINES DE L’INTÉGRALE DE LEBESGUE 79
Soit x fixé quelconque dans R. Soit ]α, β[ un intervalle borné contenant x.

On a pour tout réel h :
Z Z
F (x + h) − F (x) = f (t).dλt = f (t)1[x,x+h] (t).dλt
[x,x+h] R
Pour toute suite (hn ) convergeant vers 0, on pose fn (t) = f (t)1[x,x+hn ] (t). Alors :
• Pour tout n, fn est mesurable (produit de fonctions mesurables).
• La suite (fn ) converge presque partout vers la fonction nulle.
• Pour tout n assez grand, on peut dominer fn par la fonction sommable f (t)1]α,β[ indépendante
de n.
Par application du théorème de la convergence dominée, on obtient donc la convergence de F (x+hn )

vers F (x) donc la continuité de F en x.
B) Dérivabilité (démontration dans le cas où f est bornée) :
On peut, sans perte de généralité, supposer que a = 0.
1) Montrons que F est dérivable presque partout.
On écrit f = f+ − f− avec f+ = max(f, 0) et f− = max(−f, 0). Alors, d’après le théorème
précédent de dérivabilité des fonctions monotones, F+ et F− sont dérivables presque partout et
donc F = F+ − F− l’est aussi.

2) Posons Gn (x) = n F (x + n1 ) − F (x) .
On a :
• Pour tout n, Gn est mesurable car continue comme F .
• La suite (Gn ) converge partout vers la fonction F 0 mesurable.
• Pour tout n : Z x+1/n

|Gn (x)| ≤ n f (t).dλt ≤ ||f ||∞
x
ce qui donne une domination de la suite (Gn ) par une fonction (constante) sommable et
indépendante de n.
donc, par application du théorème de la convergence dominée :

1
Z Z
F 0 (x).dλx = lim n F (x + ) − F (x) .dλx
[a,b] n→+∞ [a,b] n
Or :
1 1
Z Z Z
F (x + ) − F (x) .dλx = F (x + ).dλx − F (x).dλx
[a,b] n [a,b] n [a,b]
Donc :
1
Z Z Z
F (x + ) − F (x) .dλx = F (x).dλx − F (x).dλx
[a,b] n [a+1/n,b+1/n] [a,b]
puis :
1
Z Z Z
F (x + ) − F (x) .dλx = F (x).dλx − F (x).dλx
[a,b] n [b,b+1/n] [a,a+1/n]
d’où : Z Z Z
0
F (x).dλx = lim n F (x).dλx − lim n F (x).dλx
[a,b] n→+∞ [b,b+1/n] n→+∞ [a,a+1/n]
Comme F est continue, on peut appliquer la proposition I.2 page 129 et en déduire :
Z Z
0
F (x).dλx = F (b) − F (a) = f (x).dλx
[a,b] [a,b]
3) On admet que l’on peut déduire de la question précédente que, pour tout A ∈ B(R) :
Z Z
0
F (x).dλx = f (x).dλx
A A
En utilisant la propriété 1.15 on obtient que F 0 = f presque partout.
Théorème 2.21 (Intégration d’une dérivée)

Soit f une fonction de R dans R. Si
• f est dérivable en tout point de R.
• f 0 est localement sommable sur R.
alors
Z b
∀(a, b) ∈ R2 f (b) − f (a) = f 0 (t).dλt
a
Théorème 2.22 (Caractérisation de la nullité par les fonctions tests)

Soit I un intervalle de R. Soit D(I) l’ensemble des fonctions indéfiniment dérivables sur I et à
support compact. Soit f une fonction sommable de I dans R.
Si Z
∀ϕ ∈ D(I) f ϕ.dλ = 0
I
alors f = 0 p.p.

2.11. FONCTIONS DÉFINIES PAR DES INTÉGRALES 81
2.11 Fonctions définies par des intégrales

Théorème 2.23 (Intégration d’une limite)
Si
• Pour tout x de ]a, b[, la fonction qui à t ∈ Ω associe f (t, x) est sommable sur Ω.
• Pour presque tout t de Ω, limx→x0 f (t, x) = l(t).
• Il existe un voisinage ]a0 , b0 [ de x0 inclus dans ]a, b[ et une fonction g sommable sur Ω telle
que pour tout x ∈]a0 , b0 [ et pour presque tout t de Ω : |f (t, x)| ≤ g(t).
alors
• l ∈ L1
Z Z
• lim f (t, x)dµ(t) = l(t)dµ(t)
x→x0 Ω Ω
On a donc : Z Z
lim f (t, x)dµ(t) = lim f (t, x)dµ(t)
x→x0 Ω Ω x→x0
Preuve :
R
La première hypothèse assure l’existence de Ω f (t, x)dµ(t).
Pour obtenir le résultat, on utilise la caractérisation séquentielle de la limite d’une fonction :

limx→x0 G(x) = l si et seulement si pour toute suite (un ) convergeant vers x0 , on a G(un ) qui tend
vers l.
Pour cela, on utilise le théorème de la convergence dominée : grâce aux hypothèses, ce théorème
assure en effet que Z Z
lim f (t, xn )dµ(t) = lim f (t, xn )dµ(t)
Ω Ω
Théorème 2.24 (Continuité en un point)

Si
• Pour presque tout t de Ω, la fonction qui à x associe f (t, x) est continue en x0 .
• Il existe un voisinage ]a0 , b0 [ de x0 inclus dans ]a, b[ et une fonction g sommable sur Ω telle
que pour tout x ∈]a0 , b0 [ et pour presque tout t de Ω : |f (t, x)| ≤ g(t).
Z
alors la fonction x 7→ f (t, x)dµ(t) est continue en x0 .
Ω
Preuve : ce résultat n’est qu’une conséquence du précédent puisque grâce au théorème précédent :
Z Z
lim f (t, x)dµ(t) = lim f (t, x)dµ(t)
x→x0 Ω Ω x→x0
et par continuité de x 7→ f (t, x) :

Z Z
lim f (t, x)dµ(t) = f (t, x0 )dµ(t)
x→x0 Ω Ω
Théorème 2.25 (Continuité sur un intervalle)

Si
• Pour tout x de ]a, b[, la fonction qui à t associe f (t, x) est mesurable sur Ω.
• Pour presque tout t de Ω, la fonction qui à x associe f (t, x) est continue sur ]a, b[.
• Il existe une fonction g sommable sur Ω telle que pour tout x ∈]a, b[ et pour presque tout t
de Ω : |f (t, x)| ≤ g(t).
Z
alors la fonction x 7→ f (t, x)dµ(t) est continue sur ]a, b[.
Ω
Preuve : on applique le résultat précédent en chaque point de ]a, b[.
Théorème 2.26 (Dérivabilité)

Si
• Il existe une partie N négligeable dans Ω telle que, pour tout t de Ω\N , la fonction qui à x
associe f (t, x) est dérivable sur ]a, b[.
• Il existe une fonction g sommable sur Ω telle que pour tout x ∈]a, b[ et pour tout t de Ω\N :
| ∂f
∂x (t, x)| ≤ g(t).
alors
R
• x 7→ Ω f (t, x)dµ(t) est dérivable sur ]a, b[
d R R ∂f
• dx Ω f (t, x)dµ(t) = Ω ∂x (t, x)dµ(t)
Preuve : Soit x fixé. Considérons une suite (xn ) convergeant vers x et cherchons lim F (xxnn)−F
−x
(x)
.
On pose hn (t) = f (t,xxnn)−f

−x
(t,x)
. D’après l’égalité des accroissements finis, il existe yn entre x et xn
∂f
tel que hn (t) = ∂x (t, yn ). On a donc |hn (t)| ≤ g(t). On peut alors appliquer le théorème de la
convergence dominée pour calculer la limite :
f (t, xn ) − f (t, x) f (t, xn ) − f (t, x) ∂f ∂f

Z Z Z Z
lim dµt = lim dµt = lim (t, yn )dµt = (t, x)dµt
Ω xn − x Ω xn − x Ω ∂x Ω ∂x
2.12 Comparaison des intégrales de Riemann et de

Lebesgue
Théorème 2.27 Toute fonction Riemann-intégrable sur un segment est Lebesgue-sommable sur
ce segment et les deux intégrales coı̈ncident :
Z b Z
a [a,b]
Preuve : Utilisons les sommes de Darboux (voir les rappels en fin de polycopié).
Soit f une fonction Riemann-intégrable sur [a, b].
1) Préliminaires :
Soit σ = (xk )k∈[0,N +1] une subdivision du segment [a, b].
Soient mk = inf [xk ,xk+1 ] f et Mk = sup[xk ,xk+1 ] f .
mk (xk+1 − xk ) et S(σ) = Mk (xk+1 − xk ).
P P
Soient s(σ) =
On sait que f est Riemann-intégrable sur [a, b] si et seulement si
∀ > 0 ∃N > 0/ max|xk+1 − xk | < α =⇒ |S(σ) − s(σ)| <
2) On pose Jk = [xk , xk+1 [ pour k < N et JN = [xN , xN +1 ].

P P
Les fonctions ϕσ = mk 1Jk et ψσ = Mk 1Jk sont étagées et on a
Z Z
ϕσ ≤ f ≤ ψσ s(σ) = ϕσ .dλ S(σ) = ψσ .dλ
k
3) On pose xk,n = a + 2n (b − a) pour k ∈ [0, 2n ].
Soit ϕn et ψn les fonctions étagées associées.
R
On a lim (ψn − ϕn ).dλ = lim(S(σn ) − s(σn )) = 0 puisque f est Riemann-intégrable. Comme (ψn )
est décroissante et (ϕn ) est croissante, on peut
R
poser ψ = lim ψn et ϕ = lim ϕn . Par le théorème
de la convergence monotone, on en déduit (ψ − ϕ).dλ = 0. Or ψ − ϕ ≥ 0 donc ψ = ϕ presque
partout. On en déduit que f = ψ = ϕ presque partout.
Comme ψ et ϕ sont Borel-mesurables, f est Lebesgue mesurable (non nécessairement Borel-
mesurable) et :
Z Z Z b
f.dλ̄ = ϕ.dλ̄ = f (x).dx
a
Théorème 2.28 Toute fonction localement Riemann-intégrable est Lebesgue-sommable si et seule-

ment si elle est Riemann absolument convergente. Dans ce cas, les deux intégrales coı̈ncident :
Z b Z
a [a,b[
Preuve :
Rb
Soit f localement Riemann-intégrable sur I = [a, b[. Considérons l’intégrale a f (x).dx généralisée
en b.
1) Si f est Lebesgue sommable, d’après le théorème précédent on a :
Z u Z Z
|f (x)|.dx = |f (x)|.dλ ≤ |f (x)|.dλ
a [a,u] I
La fonction qui à u associe au |f (x)|.dx est donc croissante et majorée donc l’intégrale de Riemann
R
est absolument convergente.

Rb
2) Soit a f (x).dx absolument convergente.
R R bn
Prenons (bn ) une suite croissante convergente vers b. Alors 1[a,bn ] |f |.dλ̄ = a |f (x)|.dx converge
vers ab |f (x)|.dx.
R
R
Or
R
1[a,bn ] |f | ↑ 1[a,b] |f | donc, d’après le théorème de la convergence monotone, 1[a,bn ] |f |.dλ̄ ↑
I |f |.dλ̄.
Des deux résultats, on déduit :

Z Z b
|f |.dλ̄ = |f (x)|.dx < +∞
I a
donc f est Lebesgue sommable sur I.

Si maintenant, on retire les valeurs absolues, on peut encore passer à la limite dans l’intégrale de
Lebesgue grâce au théorème de la convergence dominée et donc :
Z b Z
f (x).dx = f.dλ̄
a I
Théorème 2.29 (dit de Lebesgue)

Une fonction bornée sur un segment est Riemann-intégrable sur ce segment si et seulement si elle
est continue λ-presque partout.
Preuve :
Soit f une fonction bornée sur le segment [a, b] et à valeur dans un Banach1 (espace vectoriel normé
complet).
Pour cette démonstration, nous allons utiliser la notion d’oscillation :
L’oscillation de f en x est :
ω(f, x) = inf h>0 diam(f (]x − h, x + h[))
avec diamètre de A : diam(A) = sup(a,b)∈A2 ||a − b||.

Lemme 1 : f est continue en x si et seulement si ω(f, x) = 0.
Si f est continue en x alors
∀ > 0 ∃α > 0/ |h| < α =⇒ |f (x + h) − f (x)| <

1
Par exemple Rn
Donc si |h| < α alors diam(f (]x − h, x + h[)) < 2. Ceci étant vrai pour tout > 0, on a ω(f, x) = 0.
Si ω(f, x) = 0 alors
∀ > 0 ∃h0 > 0/ |h| < h0 =⇒ diam(f (]x − h, x + h[)) <
Donc si |h| < h0 /2 alors |f (x + h) − f (x)| < . Ceci étant vrai pour tout > 0, f est continue en x.
Lemme 2 : Pour tout > 0, A = {x/ ω(f, x) ≥ } est fermé.
Soit y un point adhérent à A . Montrons que y ∈ A c’est-à-dire que ω(f, y) ≥ .
Prenons h > 0 et minorons le diamètre de Iy =]y − h, y + h[.
Comme y ∈ Ā , on a Iy ∩ A 6= ∅ et on peut prendre x dans Iy ∩ A .
Soit maintenant h0 = min(y+h−x, x−y+h). On a ]x−h0 , x+h0 [⊂ Iy donc f (]x−h0 , x+h0 [) ⊂ f (Iy ).
Or x ∈ A donc ω(f, x) ≥ donc diam(f (]x − h0 , x + h0 [)) ≥ donc diam(Iy ) ≥ .
Ceci étant vrai pour tout h > 0, on a ω(f, y) ≥ donc y ∈ A .
1) Soit f Riemann-intégrable sur ]a, b[. Montrons que l’ensemble de ses points de discontinuité est
négligeable.
D’après le lemme 1, l’ensemble des points de discontinuité est
{x ∈ [a, b]/ ω(f, x) > 0}
1
Comme {x ∈ [a, b]/ ω(f, x) > 0} = ∪n∈N {x ∈ [a, b]/ ω(f, x) ≥ n+1 , il suffit de démontrer que
A = {x ∈ [a, b]/ ω(f, x) ≥ α} est négligeable pour tout α > 0 fixé.
Comme f est Riemann-intégrable sur ]a, b[ (voir les rappels du polycopié de cours), pour tout > 0
fixé, il existe deux fonctions en escalier ϕ et ψ telles que :
Z b
α
∀t ∈ [a, b] ||f (t) − ϕ(t)|| ≤ ψ(t) avec ψ(t).dt ≤
a 3
Soit σ = (ai ) une subdivision telle que ϕ et ψ soient constantes sur les ]ai−1 , ai [.
On va distinguer deux cas :
Premier cas : i est tel que ψ ≤ α/3 sur ]ai−1 , ai [.
Alors pour x et y dans ]ai−1 , ai [, on a ||f (x) − f (y)|| ≤ ψ(x) + ψ(y) ≤ 2α/3. On en déduit donc
que si t ∈]ai−1 , ai [ alors t 6∈ A.
Second cas : i est tel que ψ > α/3 sur ]ai−1 , ai [.
Notons J l’ensemble des indices i vérifiant cette condition. D’après ce qui précède,
A ⊂ ∪ni=0 {ai }∪i∈J ]ai−1 , ai [
En outre, cette seconde condition impose :

Z b
X α α
(ai − ai−1 ) ≤ ψ(t).dt ≤
i∈J
3 a 3
− ai−1 ) ≤ d’où :
P
On a donc i∈J (ai
X
λ(A) ≤ (ai − ai−1 ) ≤
i∈J
Ceci étant vrai pour tout > 0, la mesure de A est nulle.

2) Soit f une fonction bornée sur [a, b] dont l’ensemble des points de discontinuité est négligeable.
Soit > 0 fixé. Cherchons deux fonctions en escalier ϕ et ψ telles que :
Z b
a
Notons M un majorant de f et

A = {x ∈ [a, b]/ ω(f, x) ≥ }
2(b − a)
2a) Puisque l’ensemble des points de discontinuité est négligeable, A est négligeable d’après le
lemme 1. Par définition de la mesure, pour tout > 0, il existe un recouvrement de A vérifiant :
∞

A ⊂ ∪∞
X
j=0 ]αj , βj [ avec (βj − αj ) <
j=0
2M
De plus, A est fermé (d’après le lemme 2) et borné donc compact. Du recouvrement précédent on
peut donc déduire un sous-recouvrement fini :
A ⊂ ∪j∈J0 ]αj , βj [
2b) Soit K = [a, b]\∪j∈J0 ]αj , βj [.

Pour tout t dans K on a ω(f, t) < 2(b−a) donc, par définition de ω, il existe un intervalle ouvert It

tel que pour tout x et y de It on a ||f (x) − f (y)|| < 2(b−a) .
Les It forment un recouvrement d’ouvert de K qui est compact. On peut donc en déduire un
sous-recouvrement fini (Itj )j∈J1 de K.
2c) Soit σ la subdivision obtenue en réordonnant la réunion des (αj , βj )j∈J0 , et des (tj )i∈J1 . Notons
σ = (ai )i∈I .
On peut définir les fonctions ϕ et ψ ainsi :
• Pour tout i de I, ϕ(ai ) = 0 et ψ(ai ) = M .
• Si i est tel que ]ai , ai+1 [ est l’un des intervalles ]αj , βj [ avec j ∈ J0 , alors on pose ϕ(t) = 0 et
ψ(t) = 0 pour tout t de ]ai , ai+1 [.
• Si i est tel que ]ai , ai+1 [ est inclus dans un Itj , j ∈ J1 , alors on pose ϕ(t) = f ( ai +a2 i+1 ) et

ψ(t) = 2(b−a) pour tout t de ]ai , ai+1 [.
On a alors : Z b
a
Ceci étant vrai pour tout > 0, f est Riemann-intégrable sur [a, b].
2.13 Ensembles de fonctions sommables
2.13.1 Ensembles Lp , p < ∞

Proposition 2.30 (Inégalité de Hölder)
Soient 1 ≤ p ≤ +∞ et 1 ≤ q ≤ +∞ deux entiers conjugués c’est-à-dire tels que 1/p + 1/q = 1.
Si f ∈ Lp et g ∈ Lq alors f g ∈ L1 et :
Z
|f g| ≤ Np (f )Nq (g)
Preuve :
1) Etablissons une première relation appelée inégalité de Young.
La fonction ln étant concave sur R∗+ on a :
1 1 1 1
ln( ap + bq ) ≥ ln(ap ) + ln(bq ) = ln(ab)
p q p q
On en déduit donc :
1 1
ab ≤ ap + bq
p q
2) Etablissons l’inégalité de Hölder.

De l’inégalité de Young précédente, on déduit :
1 1
|f (x)||g(x)| ≤ |f (x)|p + |g(x)|q
p q
Donc f g est sommable et en intégrant :
1 1
N1 (f g) ≤ Np (f )p + Nq (g)q
p q
En remplaçant f par λf avec λ > 0 il vient :
λp−1 1
N1 (f g) ≤ Np (f )p + Nq (g)q
p λq
Si f 6= 0 p.p, en prenant λ = Np (f )−1 Nq (g)q/p , on obtient l’inégalité de Hölder :
N1 (f g) ≤ Np (f )Nq (g)
Si f 6= 0 p.p, le résultat est évident.
Proposition 2.31 Np n’est pas une norme sur Lp mais juste une semi-norme.
Preuve :
R
Cas p = 1 ) Puisque N1 (f ) = |f |, les propriétés élémentaires de l’intégrale de Lebesgue imposent :
• ∀f ∈ L1 N1 (f ) ≥ 0.
• ∀f ∈ L1 ∀λ ∈ C N1 (λ.f ) = |λ|N1 (f )
• ∀f ∈ L1 ∀g ∈ L1 N1 (f + g) ≤ N1 (f ) + N1 (g).
En revanche si N1 (f ) = 0 alors on n’a pas nécessairement f = 0 mais seulement f = 0 presque

partout.
Cas p = 2 ) Seule la démonstration de l’inégalité triangulaire est plus complexe.
Soit f et g deux fonctions de carrés sommables. On a |f g| ≤ 12 |f |2 + 12 |g|2 donc f g est sommable.
Maintenant |f + λg|2 = N2 (f )2 + 2λN1 (f g) + λ2 N2 (g)2 est un trinôme en la variable λ positif
R
partout. Son discrimant est donc négatif ou nul ce qui donne l’inégalité de Cauchy Schwarz :
N1 (f g) ≤ N2 (f ).N2 (g)
Or N2 (f + g)2 = N2 (f )2 + N2 (g)2 + 2<( f¯g) ≤ N2 (f )2 + N2 (g)2 + 2N1 (f g), donc grâce à l’inégalité
R
de Cauchy-Schwarz on obtient N2 (f + g)2 ≤ N2 (f )2 + N2 (g)2 + 2N2 (f )N2 (g) ce qui donne bien
l’inégalité triangulaire.
Cas 1 < p < +∞ ) Démontrons l’inégalité triangulaire.
Soient f et g dans Lp . On a :
Z Z Z Z
|f + g|p ≤ |f + g|p−1 |f + g| ≤ |f + g|p−1 |f | + |f + g|p−1 |g|
Grâce à l’inégalité de Hölder on établit donc :
Np (f + g)p ≤ Np (f + g)p−1 Np (f ) + Np (f + g)p−1 Np (g)
c’est-à-dire :
Np (f + g) ≤ Np (f ) + Np (g)
2.13.2 Ensemble L∞
Proposition 2.32 Toute fonction réelle essentiellement majorée f admet un plus petit majorant
essentiel que l’on note sup ess(f ).
Preuve : On suppose la mesure µ non nulle.

Soit M l’ensemble des majorants essentiels de f . Nous allons montrer qu’il existe M0 ∈ R tel que
M = [M0 , +∞[.
1) Si M appartient à M alors tout M 0 > M appartient aussi à M puisque µ({f > M 0 }) ≤ µ({f >
M }) = 0.
2) Si M n’est pas minoré alors pour tout entier n, {f > −n} est négligeable (sinon −n est un
minorant de M) et donc Ω = ∪{f > −n} aussi ce qui impose µ(Ω) = 0 et donc µ = 0. M est donc
minoré.
3) Soit M0 = inf M alors µ({f > M0 }) = µ(∪{f > M0 + 1/n}) = 0 puisque les M0 + 1/n sont
nécessairement dans M, ce qui prouve bien que M0 ∈ M.
Finalement, on a M = [M0 , +∞[ et donc M0 = minM = sup ess(f ).
2.13.3 Ensembles Lp
Théorème 2.33 Pour 1 ≤ p ≤ ∞, (Lp , Np ) est un espace vectoriel normé complet.
Preuve : Nous allons nous contenter d’étudier les cas p = 1, p = 2 et p = +∞ bien que le cas
général ne soit pas beaucoup plus compliqué.
Pour p < ∞, les propriétés obtenues dans les espaces Lp pour les normes Np sont encore valables
pour les classes d’équivalences formant les espaces Lp . Il ne reste donc qu’à démontrer la complétude.
Pour cela, nous allons utiliser la propriété suivante (voir les rappels de topologie du polycopié de
cours) :
Un espace vectoriel normé E est complet si et seulement si toute série absolument
convergente de E converge dans E.
Cas p = 1 ) Notons N1 (f ) = ||f ||1 .
fn une série absolument convergente de L1 . Montrons que fn converge dans L1 .
P P
Soit
On a ||fn ||1 qui converge. On peut donc appliquer le théorème d’intégration terme à terme des
P
séries qui assure que fn converge presque partout vers une fonction F de L1 , ce qui donne :
P
N
X +∞
X Z +∞
X Z +∞
X
||F − fn ||1 = || fn ||1 = | fn | ≤ |fn |
0 N +1 N +1 N +1
Avec le théorème d’intégration terme à terme des séries, on en déduit :
N
X +∞
X Z +∞
X
||F − fn ||1 ≤ |fn | = ||fn ||1
0 N +1 N +1
PN
Comme le reste de cette dernière série tend vers 0, on a 0 fn qui converge vers F dans L1 ce qui
est le résultat attendu.
Remarque : les calculs effectués sont bien indépendants des représentants choisis.
Cas p = 2 ) Notons N2 (f ) = ||f ||2 .
Soit fn une série absolument convergente de L2 c’est-à-dire telle que ||fn ||2 converge. Montrons
P P
que fn converge dans L2 .

P
P+∞
On pose g = 0 |fn | qui est une fonction mesurable de L+ .
g = limN →∞ ( N
R 2 R P 2
D’après le théorème de la convergence monotone, on a 0 |fn |) . Donc :
Z N
X N
X +∞
X
g 2 = lim || |fn | ||22 ≤ lim ( ||fn ||2 )2 ≤ ( ||fn ||2 )2 < +∞
N →∞ N →∞
0 0 0
On en déduit que g 2 est dans L1 donc que g 2 est fini presque partout.
P+∞
On définit maintenant une fonction h équivalente à g et donc égale à 0 |fn |, ceci en posant
h(x) = 0 si g(x) = +∞ et h(x) = g(x) sinon.
Cette fonction h est comme g mesurable et de carré sommable donc dans L2 .
En outre | +∞ fn | ≤ +∞ |fn | = h presque partout donc

P P P
0 0 fn converge presque partout. Ici
encore, en annulant cette fonction lorsqu’elle est infinie, on peut trouver une fonction F mesurable
telle que F = +∞ fn presque partout. Comme |F |2 ≤ h2 , on a F dans L2 .
P
0
PN P+∞
Maintenant |F − 0 fn | ≤ | N +1 fn | ≤ h donc, grâce au théorème de la convergence dominée :
N
X Z +∞
X Z +∞
X
lim ||F − fn ||2 ≤ lim | fn | = lim fn = 0
0 N +1 N +1
fn converge vers F dans L2 .

P
Ceci démontre que
Cas p = ∞ )
Lemme 1 : l’espace vectoriel B des fonctions bornées muni de la norme ||f ||u = sup|f | est complet.
Ce résultat important est supposé connu.
Lemme 2 : Soit f ∈ L∞ . Il existe une fonction f˜ de L∞ telle que g = f presque partout, f˜ ∈ B et
||f˜||u = ||f ||∞ .
En effet, sur {f > supess(f )} qui est négligeable, on peut poser f˜ = 0 tout en conservant f˜ = f
ailleurs.
1) N∞ est une norme sur L∞ .
Seule l’inégalité triangulaire mérite démonstration. Soit f et g dans L∞ . Comme représentant de
f et g, on peut prendre f˜ et g̃ du lemme 2. L’inégalité triangulaire pour N∞ provient de celle pour
||.||u .
2) L∞ est complet.
Soit (fn ) une suite de Cauchy de L∞ . Grâce au lemme 2, on peut prendre une suite de représentant
dans B. Celle-ci est aussi de Cauchy donc converge vers une fonction f de B grâce au lemme 1. La
suite (fn ) converge alors vers la classe de f qui est bien dans L∞ .
Théorème 2.34 L2 peut être muni d’une structure d’espace de Hilbert grâce à :
Z
(f |g) = f¯(t)g(t).dλ(t)
I
Preuve : L2 est un espace préhilbertien, complet d’après le théorème précédent. C’est donc un
espace de Hilbert.
Théorème 2.35 L2 peut être muni d’une structure d’algèbre (non unitaire) grâce au produit de
convolution.
Preuve : C’est une conséquence des propriétés du produit de convolution qui seront étudiées plus
loin.
Théorème 2.36 L’espace des fonctions étagées sommables est dense dans Lp pour p < ∞.
Preuve : On peut en fait montrer que l’espace des fonctions étagées sommables est dense dans Lp .
On peut remarquer que si f est étagée et sommable alors elle appartient à tous les Lp .
Si f est positive, alors f est limite d’une suite croissante de fonctions étagées. Par domination,
ces fonctions sont aussi dans Lp . Enfin, par le théorème de la convergence monotone, cette suite
converge vers f pour Np .
Si f n’est pas positive, on applique le résultat précédent à ses parties positives et négatives.
Théorème 2.37 L’espace des fonctions en escalier à support compact est dense dans Lp pour
p < ∞.
Preuve :
Lemme 1 : Par définition de la mesure de Lebesgue sur R, toute partie A de mesure finie est limite
d’une suite décroissante de réunion dénombrables d’intervalles ouverts bornés (puisque la mesure
de la partie est finie) disjoints. Donc la fonction caractéristique 1Ai d’une partie de mesure finie
est limite, dans Lp , d’une suite de combinaisons linéaires de fonctions caractéristiques d’intervalles
ouverts bornés disjoints.
Maintenant, soit une fonction f de Lp . Grâce au théorème précédent, on peut l’approcher d’aussi
près que l’on veut par une fonction étagée
N
X
αi .1Ai
1
avec les Ai de mesures finies.

Par le lemme 1, chaque 1Ai peut être approché d’aussi près que l’on veut par une fonction du type
ni
X
βi,j .1Ii,j
1
avec les Ii,j intervalles ouverts bornés.

Ceci prouve le résultat.
Théorème 2.38 L’espace des fonctions continues à support compact est dense dans Lp pour
p < ∞.
Preuve :
Avant de reprendre la démonstration précédente, établissons un nouveau lemme :
Lemme 2 : Toute fonction caractéristique d’un intervalle I ouvert et borné est limite dans Lp
d’une suite croissante de fonctions continues positives et à support compact. Il est en effet aisé de
construire des fonctions linéaires par morceaux constituant une telle suite.
Par le lemme 2, chacun des 1Ii,j de la démonstration précédente peut être approché d’aussi près
que l’on veut par une fonction continue à support compact.
Par combinaison linéaire, on peut donc approcher chaque f de Lp par une fonction continue à
support compact.
2.14 Intégrales de Lebesgue multiples

Les démonstrations de ce paragraphe nécessitent des développements longs et souvent techniques
que nous n’utiliserons pas ailleurs. Nous ne les avons donc pas rédigées.
2.14.1 Tribu produit

2.14.2 Mesure produit

Proposition 2.39 Si les mesures µ1 et µ2 sont σ-finies, il existe sur (Ω1 ×Ω2 , F1 ⊗F2 ) une unique
mesure µ telle que ∀(A1 , A2 ) ∈ F1 × F2 µ(A1 × A2 ) = µ1 (A1 ).µ2 (A2 ).
Propriété 2.40 Si les mesures µ1 et µ2 sont σ-finies, la mesure produit µ1 ⊗ µ2 est σ-finie.
2.14.3 Théorèmes de Tonelli-Fubini

Soit f positive et mesurable sur Ω alors :
R∗
• ∀x ∈ Ω1 y 7→ f (x, y) est F2 -mesurable et x 7→ Ω2 f (x, y)dµ2 (y) est F1 -mesurable.
R∗
• ∀y ∈ Ω2 x 7→ f (x, y) est F1 -mesurable et y 7→ Ω1 f (x, y)dµ1 (x) est F2 -mesurable.
R∗ R∗ R∗ R∗ R∗
• Ω f (x, y)dµ(x, y) = Ω1 dµ1 (x) Ω2 f (x, y)dµ2 (y) = Ω2 dµ2 (y) Ω1 f (x, y)dµ1 (x)

Soit f mesurable sur Ω et à valeur dans C.
Si
Z ∗ Z ∗ Z ∗ Z ∗ Z ∗
|f |dµ(x, y) < ∞ ou dµ1 (x) |f |dµ2 (y) < ∞ ou dµ2 (x) |f |dµ1 (x) < ∞
Ω Ω1 Ω2 Ω2 Ω1
alors
f ∈ L1 (Ω, F, µ)

Théorème 2.43 (Fubini)

Soit f ∈ L1 (Ω, F, µ) et à valeur dans C. Alors :
• f ∈ L1 (µ2 ) µ1 − pp et f dµ2 ∈ L1 (µ1 )

R
Ω2
• f ∈ L1 (µ1 ) µ2 − pp et f dµ1 ∈ L1 (µ2 )

R
Ω1
R R R R R
• Ω f dµ = Ω1 dµ1 Ω2 f dµ2 = Ω2 dµ2 Ω1 f dµ1
2.14.4 Changement de variables

Théorème 2.44 Soit U et V deux ouverts de Rd homéomorphes. Soit Φ un difféomorphisme de
V sur U de jacobien J. Soit f une fonction numérique borélienne définie sur U . Alors :
• f est sommable sur U ssi f ◦ Φ.|J| est sommable sur V

R R
• U f (y)dµ(y) = V f ◦ Φ(x).|J(x)|dµ(x)
2.15 Produit de convolution

Théorème 2.45 Si f ∈ L1 (RN ) et g ∈ Lp (RN ) alors f ∗ g ∈ Lp (RN ) et
||f ∗ g||Lp ≤ ||f ||L1 .||g||Lp
Preuve : On va démontrer à la fois l’existence de f ∗ g, son appartenance à Lp et l’inégalité

recherchée.
Pour simplifier les notations on va confondre les classes d’équivalences et leurs représentants.
Cas p = +∞ )
Soit M un majorant essentiel de g.
Pour presque tout y, on a |f (x − y)g(y)| ≤ M |f (x − y)|. Or, pour presque tout x, la fonction
y 7→ |f (x − y)| est sommable donc y 7→ |f (x − y)g(y)| l’est aussi. On a donc l’existence de f ∗ g.
Maintenant, pour presque tout x :
Z
|(f ∗ g)(x)| ≤ M |f (x − y)|dλy = ||f ||L1 ||g||L∞
On a donc f ∗ g ∈ L∞ et ||f ∗ g||L∞ ≤ ||f ||L1 ||g||L∞ .

Cas p = 1 )
Pour presque tout y :

Z Z
|f (x − y)g(y)|dλx = |f (x − y)|dλx |g(y)| = ||f ||L1 |g(y)|
donc Z Z Z
( |f (x − y)g(y)|dλx )dλy = ||f ||L1 |g(y)|dλy = ||f ||L1 ||g||L1 < ∞
Remarque : on aurait aussi pu obtenir ce résultat par le changement de variable u = x − y et v = y.

On peut donc appliquer le second théorème de Tonelli qui assure la sommabilité de la fonction
(x, y) 7→ f (x − y)g(y).
D’après le théorème de Fubini, on a l’existence de f ∗ g ainsi que sa sommabilité. En outre, on vient
de montrer que ||f ∗ g||L1 ≤ ||f ||L1 ||g||L1 .
Cas 1 < p < ∞ )
On a, avec p0 tel que 1/p + 1/p0 = 1 :
0
|f (x − y)g(y)| = |f (x − y)|1/p |g(y)||f (x − y)|1/p
0 0
Or y 7→ |f (x − y)|1/p |g(y)| est dans Lp et y 7→ |f (x − y)|1/p est dans Lp . L’inégalité de Hölder
donne donc :
Z Z Z
p 1/p 0
|f (x − y)g(y)|dλy ≤ ( |f (x − y)||g(y)| dλy ) ( |f (x − y)|dλy )1/p
c’est-à-dire
1/p0
|f ∗ g| ≤ (|f | ∗ |g|p )1/p ||f ||L1
donc
p/p0
|f ∗ g|p ≤ (|f | ∗ |g|p )||f ||L1
Or |f | ∈ L1 et |g|p ∈ L1 donc, d’après ce qui précède, |f |∗|g|p ∈ L1 et ||(|f |∗|g|p )||L1 ≤ ||f ||L1 ||g p ||L1
donc f ∗ g est dans Lp et ||f ∗ g||Lp ≤ ||f ||L1 ||g||Lp .
Théorème 2.46 Si f est une fonction continue à support compact dans RN et si g est localement
sommable sur RN alors f ∗ g est continue sur RN .
Preuve :
Soit x ∈ RN . Soit (xn ) une suite de RN convergeant vers x. Cette suite étant convergente, elle est
bornée et il existe donc un compact K contenant tous les xn ainsi que x.
On pose Fn (y) = f (xn − y)g(y) et F (y) = f (x − y)g(y). Le support de tous les Fn est inclus dans
le compact K 0 = K − supp(f ). On a donc la majoration suivante :
|Fn (y)| ≤ ||f ||∞ .1K 0 (y).|g(y)|
La fonction G(y) = ||f ||∞ .1K 0 (y).|g(y)| étant sommable puisque g est localement sommable, on
peut appliquer le théorème de la convergence dominée et on a donc :
Z Z Z
lim Fn (y).dλy = lim Fn (y).dλy = F (y).dλy
c’est-à-dire
lim(f ∗ g)(xn ) = (f ∗ g)(x)
Ce qui prouve donc la continuité de f ∗ g en tout point x de RN .
Théorème 2.47 Si f est une fonction k fois continûment dérivable et à support compact dans RN
et si g est localement sommable sur RN alors f ∗ g est k fois continûment dérivable sur RN . Et pour
un opérateur D de dérivation :
Dk (f ∗ g) = (Dk f ) ∗ g
Preuve : Démontrons le résultat pour k = 1. Le cas général s’en déduit alors par récurrence.
Soit x ∈ RN et h ∈ RN tel que |h| < 1.
Pour tout y ∈ RN , il existe une fonction indépendante de y et convergeant vers 0 en 0 telle que :
|f (x + h − y) − f (x − y) − h∇f (x − y)| ≤ |h|(h)
Soit K un compact contenant x + Bo(0, 1) − supp(f ). Pour tout y ∈ RN et h ∈ Bo(0, 1), on a :
|f (x + h − y) − f (x − y) − h∇f (x − y)| ≤ |h|(h)1K (y)
En multipliant par g(y) et en intégrant, on obtient :

Z
|(f ∗ g)(x + h) − (f ∗ g)(x) − h(∇f ∗ g)(x)| ≤ |h|(h) g(y).dλy
K
Ce qui assure ∇(f ∗ g) = (∇f ∗ g).
Théorème 2.48 Si f est continue sur RN et si (ρn ) est une suite régularisante alors ρn ∗f converge
vers f uniformément sur tout compact de RN .
Preuve :
Soit K un compact de RN .
On a :
Z Z Z
(ρn ∗ f )(x) − f (x) = f (x − y)ρn (y)dλy − f (x)ρn (y)dλy = (f (x − y) − f (x))ρn (y)dλy
RN RN RN
Donc : Z
(ρn ∗ f )(x) − f (x) = (f (x − y) − f (x))ρn (y)dλy
Bo(0,1/n)
Comme f est continue sur K compact, f est uniformément continue et donc :
∀ > 0 ∃δ > 0/ ∀y ∈ Bo(0, δ) ∀x ∈ K : |f (x − y) − f (x)| <

R
Si n > 1/δ alors |(ρn ∗ f )(x) − f (x)| ≤ ρn = et donc :
supx∈K |(ρn ∗ f )(x) − f (x)| ≤
Ce qui prouve la convergence de ρn ∗ f vers f uniformément sur tout compact K.
Théorème 2.49 Si f est une fonction de Lp (RN ), p < ∞, et si (ρn ) est une suite régularisante
alors ρn ∗ f converge vers f pour la norme de Lp .
Preuve :
Soit f ∈ Lp .
On a déjà montré que l’ensemble des fonctions continues à support compact est dense dans Lp .
Pour > 0 fixé, il existe g continue à support compact tel que ||f − g||Lp < .
D’après le théorème précédent, ρn ∗ g converge uniformément sur tout compact vers g. En outre,
tous leurs supports peuvent être inclus dans un même compact donc la convergence de ρn ∗ g vers
g est aussi dans Lp .
Maintenant, on a ρn ∗ f − f = ρn ∗ (f − g) + ρn ∗ g − g + g − f donc :
||ρn ∗ f − f ||p ≤ ||ρn ||1 .||f − g||p + ||ρn ∗ g − g||p + ||g − f ||p
d’où :
||ρn ∗ f − f ||p ≤ 2||f − g||p + ||ρn ∗ g − g||p
Donc si n est assez grand : ||ρn ∗ f − f ||p ≤ 3, ce qui assure la convergence de (ρn ∗ f ) vers f dans
Lp .
Théorème 2.50 Pour Ω un ouvert connexe de RN , l’ensemble D(Ω) des fonctions indéfiniment
dérivables sur Ω est dense dans Lp (Ω), p < ∞.
Preuve :
Soit f ∈ Lp (Ω).
On a déjà montré que l’ensemble des fonctions continues à support compact est dense dans Lp .
Pour > 0 fixé, il existe g continue à support compact tel que ||f − g||Lp < .
On considère la fonction ḡ avec ḡ(x) = g(x) si x ∈ Ω et ḡ(x) = 0 sinon. Cette fonction ḡ est dans
Lp et (ρn ∗ ḡ) converge vers ḡ dans Lp d’après le théorème précédent.
De plus, ρn ∗ ḡ est indéfiniment dérivable et à support compact, ce support étant inclus dans Ω
pour n assez grand puisque supp(ρn ∗ ḡ) ⊂ Bo(0, 1/n) + supp(ḡ) avec supp(ḡ) inclus dans l’ouvert
Ω.
Maintenant, pour la norme de Lp (Ω) :
||(ρn ∗ ḡ)/Ω − f |p | ≤ ||(ρn ∗ ḡ)/Ω − g||p + ||f − g||p < 2
On a donc une suite de fonctions indéfiniment dérivables et à supports compact qui converge vers
f dans Lp (Ω).
Chapitre 3
Transformation de Fourier
La transformation de Fourier constitue un outil incontournable des sciences physiques et des

sciences de l’ingénieur. Elle est même l’un des outils de base en traitement du signal.
Elle permet aussi d’obtenir des solutions explicites pour certaines équations fonctionnelles :
équations différentielles linéaires, équations intégro-différentielles, équations de convolu-
tions. . .
3.1 Transformation de Fourier dans L1

La transformée de Fourier des fonctions sommables est facile à définir et possède des
propriétés qu’il est indispensable de connaitre.
Définition 45 La transformée de Fourier d’une fonction sommable f de R dans C est la

fonction Ff (notée aussi parfois F(f )) ainsi définie :
1 Z
Ff (y) = √ f (x)e−iyx dλx
2π R
Notations : il faut bien distinguer les variables des fonctions f et Ff (respectivement x et y

dans notre définition). Pour préciser ces variables, on note souvent abusivement F(f (x)) la
transformée de Fourier de la fonction f de la variable x et même F(f (x))(y) la valeur en y
de la transformée de Fourier de la fonction f de la variable x.
Remarque : il existe d’autres définitions de la transformée de Fourier, notamment :
Z
fˆ(y) = f (x)e−i2πyx dλx
R
Remarque : on peut définir la transformée de Fourier d’une fonction sommable f de Rn dans

C ainsi :
1 Z
Ff (y) = n/2
f (x)e−i(y|x) dλx
(2π) R n
n
où (y|x) désigne le produits scalaire de R .
97
98 CHAPITRE 3. TRANSFORMATION DE FOURIER
Propriété 3.1 La transformée de Fourier d’une fonction sommable sur R est continue et
bornée sur R et tend vers 0 en ±∞.
Preuve :
La transformée de Fourier d’une fonction f existe si et seulement si f est sommable puisque |f (x)e−ixy | = |f (x)|.
En outre, le théorème de continuité d’une fonction définie par une intégrale assure la continuité de la transformée de Fourier
puisque l’on peut dominer |f (x)e−ixy | par |f (x)|.
Par ailleurs, F (f ) est bornée puisqu’une simple majoration donne ||F (f )||∞ ≤ ||f ||1 .
Enfin, l’application du lemme de Riemann-Lebesgue (voir T.D.) assure la nullité de la limite en ±∞.
La transformée de Fourier vérifie les propriétés suivantes, très souvent utilisées dans les
sciences de l’ingénieur :
Propriété 3.2 Pour f et g dans L1 et λ et µ dans C, on a :
F(λf + µg) = λF(f ) + µF(g)

1 y
Si α 6= 0 F(f (αx)) = [Ff ]( )
|α| α
F(f (x − x0 )) = e−ix0 y [Ff ](y)
√
F(f ∗ g) = 2π.Ff.Fg
Preuve :
1) La linéarité de la transformée de Fourier provient de la linéarité de l’intégrale (de Lebesgue).
2) et 3) Ces résultats s’obtiennent par les changements de variables u = αx et v = x − x0 .
4) On a déjà établi que si f et g sont sommables alors f ∗ g l’est aussi, d’où l’existence de F (f ∗ g).
0
Par ailleurs, le théorème de Tonelli assure la sommabilité sur R2 de h(x, x0 ) = f (x)e−ixy g(x0 )e−ix y pour tout y fixé.
Le changement de variable x = u, y = v − u (de jacobien égal à 1) donne alors :
Z Z
0
h(x, x ).dλx,x0 = f (u)g(v − u)e−iyv .dλu,v
R2 R2
En appliquant le théorème de Fubini aux deux membres de cette égalité, on obtient :

√
2πF (f ).F (g) = 2πF (f ∗ g)
Proposition 3.3 Si les fonctions f et x 7→ xf (x) sont sommables sur R alors Ff est
continûment dérivable sur R et :
(Ff )0 = F(−ixf (x))
Preuve : c’est une application directe du théorème de dérivabilité des fonctions définies par une intégrale.
En effet, pour tout y fixé dans R, la fonction x 7→ f (x) exp(−iyx) est sommable (car son module est majoré par |f (x)|), la
fonction y 7→ f (x) exp(−iyx) est dérivable et sa dérivée est majorée en module par la fonction |xf (x)| qui est sommable.
3.2. INVERSION DE LA TRANSFORMATION DE FOURIER DANS L1 99
Proposition 3.4 Si f est sommable et continûment dérivable sur R et si f 0 est sommable

sur R alors :
F(f 0 ) = iyF(f )
Preuve :
Puisque f 0 est sommable, F (f 0 ) existe. En outre f 0 étant continue, on a :
Z +A
1
F (f 0 ) = √ lim f 0 (x) exp(−iyx).dx
2π A→+∞
−A
Par intégration par parties, on obtient :

Z +A Z +A
f 0 (x) exp(−iyx).dx = f (A) exp(−iAy) − f (−A) exp(iAy) + iy f (x) exp(−iyx).dx
−A −A
La sommabilité
Rx 0 de f n’assure pas l’existence des limites de f en ±∞. Mais, comme f 0 est continue, la relation f (x) =
f (0) + f (u).du donne l’existence de ces limites (puisque f 0 est sommable) qui ne peuvent être que nulles (puisque f
0
est sommable).
Finalement en faisant tendre A vers +∞, on obtient la relation recherchée.
3.2 Inversion de la transformation de Fourier dans L1

La transformée de Fourier d’une fonction sommable n’est pas nécessairement sommable.
Cela empêche de définir simplement une transformée de Fourier inverse. On peut néanmoins
obtenir quelques résultats intéressants.
Définissons l’opérateur F̄ sur L1 (R) ainsi :
1 Z
F̄F (x) = √ F (y)e+ixy dλy
2π R
Théorème 3.5 (Inversion)

Si f est une fonction sommable sur R et si sa transformée de Fourier Ff est sommable sur
R alors :
f = F̄Ff p.p.
Preuve : La démonstration de ce résultat est longue et subtile mais intéressante. Les élèves intéressés pourront la lire au
paragraphe suivant.
Théorème 3.6 (Inversion ponctuelle)

Si f est une fonction localement à variations bornées1 et sommable sur R alors Ff existe et
est localement sommable et :
f (x+ ) + f (x− ) 1 Z +A
∀x ∈ R =√ lim Ff (y)e+ixy dy
2 2π A→+∞ −A
1
Voir annexe ?? page ??
Preuve : La démonstration de ce théorème est analogue à celle du théorème de Jordan sur les séries de Fourier. Elle exige des
développements un peu trop longs dans le cadre de ce cours. Nous admettons donc ce résultat
3.3 Facultatif : preuve du théorème d’inversion

Nous proposons ici au lecteur réellement motivé d’étudier l’intéressante démonstation du
théorème d’inversion énoncé au paragraphe précédent
Nous allons proposer une démonstration en quatre étapes.
Etape 1 : un lemme de régularité
Montrons que, pour une fonction f de L1 fixée, l’application qui à x dans R associe u 7→ f (x + u) dans L1 est continue.
Posons fx (u) = f (x + u) et notons χ : x ∈ R 7→ fx ∈ L1 .
Pour montrer que χ est continue, utilisons la densité de D dans L1 .
Pour tout > 0, il existe l ∈ D telle que kf − lkL1 < .
Soit A > 0 tel que le support de l est inclus dans [−A, A]. Comme l est uniformément continue (car continue sur un compact),
il existe δ > 0 (et δ < A si on veut) tel que :

|s − t| < δ =⇒ |l(s) − l(t)| <
3A
Pour |s − t| < δ : Z

klx − lt k2L1 = |l(s + u) − l(t + u)|2 .dλu < (2A + δ) <
R 3A
Finalement, si |s − t| < δ :
kχs − χt k ≤ kχs − ls k + kls − lt k + klt − χt k < 3
ce qui assure le résultat recherché.
Etape 2 : théorème de l’unité approchée
On appelle unité approchée toute suite de fonctions (Hn ) vérifiant :
R
• limn→∞
R Hn .dλ = 1
• ∃M ≥ 0/ ∀n ∈ N ||Hn ||1 ≤ M
R
• ∀α > 0 limn→∞ |Hn (y)|dλy = 0
|y|>α
Nous allons établir le théorème de l’unité approchée :

Si f est sommable et si (Hn ) forme une unité approchée alors f ∗ Hn converge vers f dans L1 .
Preuve du théorème de l’unité approché :
R
Posons an =
R Hn .dλ. On a ||f − an f ||L1 = ||f ||L1 |1 − an | qui tend vers 0 donc prouver que Hn ∗ f tend vers f revient à
prouver que Hn ∗ f − an f tend vers 0.
Or Z
|Hn ∗ f (x) − an f (x)| ≤ |Hn (t)||f (x − t) − f (x)|.dλt
R
donc Z Z
||Hn ∗ f − an f ||L1 ≤ |Hn (t)||f (x − t) − f (x)|.dλt .dλx
R R
et par le théorème de Fubini :
Z Z
||Hn ∗ f − an f ||L1 ≤ |Hn (t)| |f (x − t) − f (x)|.dλx .dλt
R R
3.3. FACULTATIF : PREUVE DU THÉORÈME D’INVERSION 101
R
Posons K(t) =
R |f (x − t) − f (x)|.dλx .
Cette fonction est bornée puisque majorée par 2kf kL1 . Elle est aussi continue puisque, en utilisant les notations du lemme
précédent, on a K(t) = kf−t − f k.
Comme K(0) = 0 donc :
∀ > 0 ∃β > 0/ |t| < β =⇒ |K(t)| <
On a donc Z Z
||Hn ∗ f − an f ||L1 ≤ |Hn (t)|K(t).dλt + |Hn (t)|K(t).dλt
|t|≤β |t|>β
puis Z Z
||Hn ∗ f − an f ||L1 ≤ |Hn (t)|.dλt + 2||K||∞ |Hn (t)|.dλt
R |t|>β
d’où Z
||Hn ∗ f − an f ||L1 ≤ M + 2||K||∞ |Hn (t)|.dλt
|t|>β
R
et comme |Hn (t)|.dλt tend vers 0, on en déduit que ||Hn ∗ f − an f ||L1 tend aussi vers 0.
|t|>β
Etape 3 : théorème de synthèse spectrale :

R √
On considère une fonction g sommable dont la transformée de Fourier est aussi sommable et telle que
R F g(y).dλy = 2π.
R
Pour toute fonction f sommable et > 0 fixés, on pose T (f )(x) = √1
2π R g(y)F f (y) exp(iyx).dλy .
Alors T (f ) converge vers f dans L1 quand tend vers 0.
Preuve du théorème de synthèse spectrale :
On a : Z Z
1
T (f )(x) = g(y) exp(iyx) f (s) exp(−isy).dλs .dλy
2π R R
Les fonctions peuvent être considérées comme mesurables et :
Z Z Z
|g(y)f (s) exp(−iy(s − x))|.dλy,s = |f (s)|.dλs |g(y)|.dλy < ∞
R2 R R
donc, d’après le théorème de Fubini (applicable ici) :
Z Z
1
T (f )(x) = f (s) g(y) exp(−iy(s − x)).dλy .dλs
2π R R
Donc : Z
1 1 s−x
T (f )(x) = √ f (s) F (g)( ).dλs
2π R
ou encore
T (f ) = f ∗ G
avec G (y) = √1 1 F (g)(− y ).

2π
Posons Hn (y) = √1 nF (g)(−ny). On a :

2π
T1/n (f ) = f ∗ Hn
Si (Hn ) était une suite régularisante, le théorème de synthèse spectrale découlerait du théorème 1.49.
En fait, (Hn ) vérifie des hypothèses plus faibles qui font d’elles une unité approchée :
R R √
• limn→∞
R Hn .dλ = 1 (grâce au changement de variable x = −ny dans R F g(y).dλy = 2π)
• ∃M ≥ 0/ ∀n ∈ N ||Hn ||1 ≤ M (on peut prendre M = ||F g||1 )
R R R
• ∀α > 0 limn→∞ |Hn (y)|dλy = 0 (car |Hn (y)|dλy = √1 |F g(x)|dλx tend vers 0 grâce au
|y|>α |y|>α 2π |x|>nα
théorème de la convergence monotone)
La conclusion du théorème spectral provient donc du théorème de l’unité approchée.

Etape 4 : preuve du théorème d’inversion partielle
Prenons g(x) = exp(−x2 /2). On sait2 que F (g)(y) = exp(−y 2 /2) et g vérifie donc les hypothèses du théorème de synthèse
spectrale. On a donc T (f ) qui converge vers f dans L1 . On peut donc en déduire une suite extraite qui converge presque
partout vers f (voir la comparaison des différents types de convergence en annexe de ce polycopié).
R
Par ailleurs, le théorème de la convergence dominée assure que, pour tout x ∈ R fixé, T (f )(x) = √1
R 2π R g(y)F f (y) exp(iyx).dλy
√1
converge, quand tend vers 0, vers la fonction
2π R F f (y) exp(iyx).dλy .
R
Par unicité de la limite, on en déduit que f (x) = √1 F f (y) exp(iyx).dλy presque partout.
2π R
3.4 Transformation de Fourier dans S

Pour obtenir une transformée de Fourier plus facile à manipuler que celle dans L1 , on peut
restreindre F à l’espace de Schwartz S (voir plus bas) ou, mieux, généraliser F à L2 pour
obtenir un opérateur isométrique et unitaire (voir le paragraphe suivant).
L’espace de Schwartz est un espace fonctionnel très utile en analyse. Il permet par exemple
de définir les distributions tempérées. Ici, il nous servira à obtenir des propriétés intéressantes
pour la transformée de Fourier.
Définition 46 (Espace de Schwartz)

L’espace S(R) est l’espace des fonctions indéfiniment dérivables qui sont, ainsi que toutes
leurs dérivées, dominées par les (1 + x2 )−p , p ∈ N :
S(R) = {f ∈ C ∞ (R)/ ∀(p, q) ∈ N2 , ∃M > 0 : ∀x ∈ R (1 + x2 )p |f (q) (x)| ≤ M }
On dit que ces fonctions sont à décroissance rapide à l’infini.
Proposition 3.7 La transformée de Fourier est une isométrie de S(R) pour la norme N2 .
L’opérateur F̄ est la réciproque de F. En outre, pour tout f et g de S :
(F(f )|g) = (f |F̄(g))
(F(f )|F(g)) = (f |g)

kFf kL2 = kf kL2
Preuve : (cette démonstration est un peu longue mais assez instructive).

1) Montrons que si f est une fonction de S alors F (f ) l’est aussi.
Comme xf (x) est sommable, F (f ) est continûment dérivable. Par récurrence, comme pour tout entier m, xm f (x) est sommable,
dm m
F (f ) est indéfiniment dérivable avec dy m (F (f )) = F ((−ix) f (x)).
2
voir TD
3.4. TRANSFORMATION DE FOURIER DANS S 103
n
d d
Par ailleurs, on a dans S, (iy)(F (f )) = F ( dx [f (x)]) et donc, par récurrence, pour tout entier n, (iy)n (F (f )) = F ( dx n [f (x)])
d’où :
dm dn
(iy)n m
(F (f )) = F ( n [(−ix)m f (x)])
dy dx
Comme le second membre est une transformée de Fourier, il est borné et F (f ) est donc à décroissance rapide.
2) Montrons que F̄ est la réciproque de F .
Soit g(x) = F̄ F f . On a :
Z Z
1 ixy 1
g(x) = √ F (f )(y)e .dλy = √ lim F (f )(y)eixy .dλy
2π R 2π n→+∞
[−n,n]
et donc g(x) = limn→+∞ gn (x) avec :

Z Z
1
gn (x) = eixy
f (t)e−ity .dλt .dλy
2π [−n,n] R
Les hypothèses du théorème de Fubini étant vérifiées, on en déduit que :

Z Z Z +∞ Z +∞
1 1 sin(n(x − t)) 1 sin(nu)
gn (x) = f (t) ei(x−t)y .dλy .dλt = f (t) dt = f (x + u) du
2π R [−n,n]
π −∞
x−t π −∞
u
R +∞ sin(v)
Par ailleurs on sait que v
dv = π donc
−∞
Z +∞
1 f (x + u) − f (x)
gn (x) − f (x) = sin(nu).du
π −∞
u
f (x+u)−f (x)
Pour x fixé, on pose h(u) = u
si u 6= 0 et h(u) = f 0 (x) si u = 0. On a alors gn (x) − f (x) = I1 + I2 + I3 avec :
Z −1 Z 1 Z +∞
I1 = h(u) sin(nu).du I2 = h(u) sin(nu).du I3 = h(u) sin(nu).du
−∞ −1 1
Le lemme de Riemann-Lebesgue (voit TD) assure que limn→+∞ I2 = 0 puisque h est sommable sur [−1, 1] car continue.
Par ailleurs, on a : Z +∞ Z +∞
f (x + u) sin(nu)
I3 = sin(nu).du − f (x) du
1
u 1
u
f (x+u)
La convergence vers 0 du premier terme est assurée par le lemme de Riemann-Lebesgue puisque u 7→ u
est sommable car
négligeable devant 1/u2 puisque f est dans S.
R +∞ sin(v)
Le second terme vaut f (x) v
dv et tend donc vers 0 puisque cette intégrale de Riemann est convergente.
n
Finalement limn→+∞ I3 = 0. De même limn→+∞ I1 = 0.

On a donc g(x) = limn→+∞ gn (x) = f (x) c’est-à-dire F̄ F f (x) = f (x).
3) Montrons que l’adjoint de F est F̄ .
Soit f et g dans S. On a :
Z Z Z
1
(F (f )|g) = F (f )(y)g(y).dλy = √ g(y) f (x)eiyx .dλx .dλy
R 2π R R
Comme le théorème de Fubini est applicable, on en déduit :
Z Z
1
(F (f )|g) = √ f (x) g(y)eiyx .dλy .dλx
2π R R
c’est-à-dire
(F (f )|g) = (f |F̄ (g))
Ceci prouve que l’adjoint de F est F̄ (on dit que F est unitaire).
En remplaçant g par F g, on obtient donc :
(F (f )|F (g)) = (f |g)
Ce qui prouve que F conserve le produit scalaire (et donc la norme).
Remarque : F̄ est aussi l’adjoint de F. On dit que F est un opérateur unitaire.
3.5 Transformation de Fourier dans L2

Les propriétés de la transformation de Fourier dans l’espace de Schwartz S peuvent s’étendre
à un espace nettement plus intéressant, l’espace L2 (R) des fonctions de carré sommable sur
R.
Comme l’espace de Schwartz S constitue un sous-espace vectoriel dense de L2 qui est complet
et comme la transformation de Fourier F définie sur S est une isométrie on peut la prolonger
sur L2 en vertu du théorème D.6 :
Définition 47 (Construction 1)
La transformation de Fourier F définie sur S peut se prolonger à L2 en une isométrie que
l’on note encore F.
On peut aussi construire3 cette transformation de Fourier sur L2 à partir du sous-espace

L1 ∩ L2 :
Définition 48 (Construction 2)
La transformation de Fourier F définie sur L1 ∩ L2 peut se prolonger à L2 en une isométrie
que l’on note encore F.
Remarque : les deux constructions conduisent à la même transformation de Fourier dans L2 .

1
On notera que, L2 (R, B(R), λ) n’est pas un s.e.v de L1 (R, B(R), λ) (par exemple x 7→ √1+x 2
2 1 1 2
est dans L pas dans L ) et que L (R, B(R), λ) n’est pas non plus un s.e.v de L (R, B(R), λ)
(par exemple x 7→ (1+x12 )√x est dans L1 et pas dans L2 ).
Ainsi, la transformation de Fourier dans L2 n’est pas le prolongement de celle dans L1 . En
outre la formule intégrale de F dans L1 n’est pas valable dans L2 mais on peut
établir que :
Propriété 3.8 Soit f ∈ L2 . Alors, on a :

1 Z
Ff (y) = √ lim f (x)e−ixy .dλx
2π a→−∞ b→+∞ [a,b]
3
Voir le contrôle session 1 de l’année 2004/2005
3.5. TRANSFORMATION DE FOURIER DANS L2 105
et
1 d Z 1 − e−ixy
Ff (y) = √ f (x).dλx
2π dy R ix
Preuve : Ces formules seront établies en T.D.
Comme la transformation de Fourier est une isométrie dans L2 , elle conserve la norme et le
produit scalaire. On en déduit les propriétés :
Propriété 3.9 (Parseval-Plancherel)

Si f ∈ L2 alors Ff ∈ L2 et
kf kL2 = kFf kL2
c’est-à-dire : Z Z
|f (t)|2 dλt = |Ff (u)|2 dλu
R R
Preuve : Cette propriété ne fait qu’exprimer le fait que F dans L2 est une isométrie et conserve donc la norme.
Propriété 3.10 (Fourier-Plancherel)

Si f et g sont dans L2 alors Ff et Fg le sont aussi et
(f |g) = (Ff |Fg)
c’est-à-dire : Z Z
f (t)g(t).dλt = Ff (u)Fg(u).dλu
R R
Preuve : Cette propriété ne fait qu’exprimer le fait que F dans L2 est une isométrie et conserve donc le produit scalaire.
Proposition 3.11 (Inversion)

Le prolongement de S à L2 de F̄ est la réciproque et l’adjoint de F dans L2 :
f = F̄Ff = F F̄f
Preuve :
Par abus, on note encore F̄ le prolongement de F̄ .
1) Montrons que F̄ est la réciproque de F .
Soit f une fonction de L2 . Il existe une suite de fonctions (fn ) de S convergeant vers f .
Par continuité de F et de F̄ on a :
F̄ F f = F̄ F lim fn = lim F̄ F fn = lim fn = f
2) Montrons que F̄ est l’adjoint de F .

Soient f et g dans L2 . Soient (fn ) et (gn ) deux suites de S convergeant vers f et g respectivement.
Par continuité de F , de F̄ et du produit scalaire, on a :
(F f |g) = (lim F fn | lim gp ) = lim lim(F fn |gp ) = lim lim(fn |F̄ gp ) = (f |F̄ g)
Enfin, admettons que la formule de la transformée de Fourier d’une dérivée subsiste dans
L2 :
Proposition 3.12 Si f est dans L2 et continûment dérivable sur R et si f 0 est dans L2

alors :
F(f 0 ) = iyF(f )
3.6. RÉSUMÉ DES PRINCIPALES NOTIONS 107

On retiendra que :
• Dans L1 la transformée de Fourier est définie par une intégrale à paramètre. Elle
possède des propriétés simples et souvent utilisées. Elle est aussi inversible mais sous
condition.
Si on note F1 la transformation de Fourier dans L1 et si on prend f ∈ L1 alors :
1 Z
– F1 (f )(y) = √ f (x)e−ixy dλx
2π R
– F1 (f ) est continue, bornée et tend vers 0 en ±∞
– si de plus F1 (f ) est L1 alors f = F̄Ff presque partout
• Dans le “petit” espace S, la transformée de Fourier a toujours la même définition

et garde ses propriétés élémentaires. Surtout, elle conserve ici la norme et le produit
scalaire et elle est inconditionnellement inversible.
• Dans L2 , la définition de la transformée de Fourier est moins triviale mais elle conserve
encore la norme, le produit scalaire et son inversibilité.
Si on note F2 la transformation de Fourier dans L2 et si on prend f ∈ L2 alors :
1 Z
– F2 (f )(y) = √ lim f (x)e−ixy dλx
2π n→∞ [−n,n]
2
– F2 (f ) est L
– F2 est inversible et f = F̄2 F2 f (au sens des classes)
– F2 conserve la norme et le produit scalaire
Chapitre 4
Analyse hilbertienne
Les espaces de Hilbert sont des espaces de dimension infinie extrêmement pratiques car le
formalisme et la plupart des propriétés des espaces euclidiens (et donc de la dimension finie)
y subsistent. Nous nous intéresserons notamment aux espaces fonctionnels utiles pour la
modélisation en sciences de l’ingénieur et en physique quantique : L2 et H 1 .
4.1 Généralités
4.1.1 Définition
Un espace euclidien est un R-espace vectoriel de dimension finie muni d’un produit scalaire.
Dans le cas d’un C-espace vectoriel, on parle de produit hermitien et d’espace hermitien.
En dimension infinie, un espace vectoriel muni d’un produit scalaire ou hermitien est appelé
espace préhilbertien. Si, en outre, il est complet on parle d’espace de Hilbert :
Définition 49 (Espace de Hilbert)

On appelle espace de Hilbert tout couple (H, ϕ) où H est un C-espace vectoriel et ϕ est une
forme sesquilinéaire à symétrie hermitienne, définie et positive c’est-à-dire telle que :
∀(x, y) ∈ H 2 ϕ(y, x) = ϕ(x, y)
∀(x, y, z) ∈ H 3 ∀(λ, µ) ∈ C2 ϕ(z, λ.x + µ.y) = λϕ(z, x) + µϕ(z, y)

∀x ∈ H 2 ϕ(x, x) ≥ 0
ϕ(x, x) = 0 =⇒ x = 0
q
et qui définit une norme ||x|| = ϕ(x, x) pour laquelle H est complet.
Remarque : une telle application ϕ est appelée produit scalaire hermitien ou encore, par
abus de langage, produit scalaire.
109
110 CHAPITRE 4. ANALYSE HILBERTIENNE
4.1.2 Propriétés
Certaines propriétés des espaces de Hilbert ne dépendent pas de la complétude et sont donc
communes avec les espaces préhilbertiens.
Si l’on q
note (x|y) le produit scalaire de deux vecteurs x et y de l’espace de Hilbert H puis
||x|| = (x|x) la norme de x, alors on a :
Propriété 4.1
Egalité de polarisation :
4(x|y) = ||x + y||2 − ||x − y||2 − i||x + iy||2 + i||x − iy||2
Egalité de Pythagore :
||x + y||2 = ||x||2 + ||y||2 + 2Re(x|y)
Egalité de la médiane :
||x + y||2 + ||x − y||2 = 2||x||2 + 2||y||2
Inégalité de Cauchy-Schwarz :
|(x|y)| ≤ ||x||.||y||
Inégalité de Minkowsky (dite triangulaire) :
||x + y|| ≤ ||x|| + ||y||
Preuve : On notera ici φ(x) = (x|x) = ||x||2 .

Egalité de polarisation
Par sesquilinéarité, on obtient :
φ(x + y) = φ(x) + (x|y) + (y|x) + φ(y)
φ(x − y) = φ(x) − (x|y) − (y|x) + φ(y)
φ(x + iy) = φ(x) + i(x|y) − i(y|x) + φ(y)
φ(x − iy) = φ(x) − i(x|y) + i(y|x) + φ(y)
Par combinaison linéaire de ces relations, on obtient l’égalité recherchée.
Egalité de Pythagore
On a vu que l’on a :
φ(x + y) = φ(x) + (x|y) + (y|x) + φ(y)
et donc par symétrie hermitienne :
φ(x + y) = φ(x) + φ(y) + 2Re(x|y)
Egalité de la médiane
En sommant
φ(x + y) = φ(x) + (x|y) + (y|x) + φ(y)
et
φ(x − y) = φ(x) − (x|y) − (y|x) + φ(y)
on obtient l’égalité recherchée.
4.1. GÉNÉRALITÉS 111
Inégalité de Cauchy-Schwartz
Soit x et y dans H. Pour tout λ ∈ C, on a φ(x + λy) ≥ 0. Donc :
φ(x) + λ(x|y) + λ̄(x|y) + λλ̄φ(y) ≥ 0
Si φ(y) 6= 0, on obtient l’inégalité recherchée en prenant λ = −(x|y)/φ(y).

Si φ(y) = 0 alors y = 0 puisque φ est une forme quadratique définie et le résultat est évident.
Remarque : on a |(x|y)| = ||x||.||y|| si et seulement si x et y sont colinéaires. En effet, l’égalité est évidente en cas de colinéarité.
Réciproquemment, si on a égalité, φ(x + λy) = 0 si λ = −(x|y)/φ(y) et donc x + λy = 0.
Inégalité de Minkowsky
Grâce à la relation de pythagore, on peut écrire :
||x + y||2 = ||x||2 + ||y||2 + 2Re(x|y)
puis conclure grâce à l’inégalité de Cauchy Schwartz.
Notons que l’égalité de la médiane est en fait une caractérisation des normes issues d’un
produit scalaire. Pour cela, il suffit de vérifier que a(x, y) = 12 (||x + y||2 − ||x||2 − ||y||2 ) est
un produit scalaire et que cette norme en est issue.
4.1.3 Les suites de carrés sommables

2
L’exemple le plus simple d’un espace de Hilbert de dimension infinie est l’espace lN des suites
2
de carrés sommables c’est-à-dire des suites (un )n∈N telles que la série n∈N |un | converge.
P
2
Sur lN , il est facile de vérifier que ϕ définie par :
+∞
2 2
X
∀(x, y) ∈ (lN ) ϕ(x, y) = x̄n yn
n=0
est un produit scalaire (hermitien).

q
2
Montrons que l’espace lN muni de la norme ||x|| = ϕ(x, x) est complet.
Soit (xN )N ∈N une suite de Cauchy d’éléments de l2 . On a :
∀ > 0 ∃N0 ∈ N/ P > Q > N0 =⇒ ||xP − xQ || <
c’est-à-dire : v
u +∞
− xQ
uX
∀ > 0 ∃N0 ∈ N/ P > Q > N0 =⇒ t |xP n
2
n| <
n=0
et donc :
∀ > 0 ∃N0 ∈ N/ ∀n ∈ N, P > Q > N0 =⇒ |xPn − xQ
n| <
Donc, pour tout entier n, la suite (xN

n )N ∈N est de Cauchy dans C. Comme C est complet, on
N
peut poser sn = limN →∞ xn .
En reprenant que (xN )N ∈N est une suite de Cauchy de l2 , on peut écrire que
v
u N
− xQ
uX
∀ > 0 ∃N0 ∈ N/ ∀N ∈ N, P > Q > N0 =⇒ t |xP n
2
n| <
n=0
En faisant tendre P vers +∞, on en déduit :

v
u N
− xQ
uX
∀ > 0 ∃N0 ∈ N/ ∀N ∈ N, Q > N0 =⇒ |s 2
n| <
t
n
n=0
ce qui donne en faisant tendre N vers +∞ :
∀ > 0 ∃N0 ∈ N/ Q > N0 =⇒ ||s − xQ || <
ce qui prouver que (xN ) converge vers s = (sn ).

2
Enfin, on a bien s dans lN puisque d’après la dernière relation on a, pour Q > N0 fixé,
Q 2 Q 2
s − x ∈ lN et que x ∈ lN par hypothèse.
4.1.4 Théorème de la projection

Le théorème de la projection peut sembler anodin car il généralise aux espaces de Hilbert
un théorème bien connu dans les espaces euclidiens. Pourtant, ce théorème joue un rôle
fondamental en analyse fonctionnelle car il permet de prouver l’existence et l’unicité d’une
solution pour un grand nombre d’équations et de problèmes d’optimisation.
Théorème 4.2 (Projection)

Soit H un espace de Hilbert et C un convexe fermé de H.
Pour tout vecteur x0 de H, il existe un unique vecteur c0 de C réalisant la distance de x0 à
C :
||x0 − c0 || = inf ||x0 − c|| = min ||x0 − c|| = d(x0 , C)
c∈C c∈C
Le vecteur c0 est appelé projeté de x0 sur C et est noté c0 = pC (x0 ).
Preuve :
Soit x0 ∈ H fixé. On note d = inf c∈C ||x0 − c|| = d(x0 , C) (distance de x0 à C).
Pour tout entier n, il existe cn dans H tel que d ≤ ||x0 − cn || ≤ d + 1/n.
1) Montrons que la suite (cn ) est de Cauchy.
D’après l’égalité de la médiane :
||cn+p − x0 + cn − x0 ||2 + ||cn+p − x0 − cn + x0 ||2 = 2||cn+p − x0 ||2 + 2||cn − x0 ||2
Donc, par convexité de C :
cn+p + cn
||cn+p − cn ||2 = 2||cn+p − x0 ||2 + 2||cn − x0 ||2 − 4|| − x0 ||2
2
cn+p +cn
Comme par convexité 2
∈ C, on a :
||cn+p − cn ||2 ≤ 2(d + 1/(n + p))2 + 2(d + 1/n)2 − 4d2 ≤ 4(d + 1/n)2 − 4d2
Comme 4(d + 1/n)2 − 4d2 converge vers 0, la suite (cn ) est donc de Cauchy dans H complet donc elle converge vers un élément
c de H. Comme tous les cn sont dans C qui est fermé, la limite c0 est dans C.
2) Montrons que c0 réalise la distance de C à H.

La suite (x0 − cn ) converge vers x0 − c0 donc par continuité de la norme, la suite (||x0 − cn ||) converge vers ||x0 − c0 ||. Or par
construction de la suite (cn ), (||x0 − cn ||) converge vers d donc, par unicité de la limite ||x0 − c0 || = d.
3) Montrons que c est unique.
Soient c1 et c2 tels que ||x0 − c1 || = d = ||x0 − c2 ||. L’égalité de la médiane donne :
||c1 − x0 + c2 − x0 ||2 + ||c1 − x0 − c2 + x0 ||2 = 2||c1 − c0 ||2 + 2||c2 − c0 ||2
donc
c1 + c2
||c1 − c2 ||2 = 4d2 − 4|| − x0 ||2 ≤ 0
2
donc c1 = c2 .
Ce théorème peut se généraliser, sans changer sa démonstration, au cas où H n’est pas
complet à condition que C le soit.
Proposition 4.3 (Caractérisation du projeté)

Le vecteur c0 de H est le projeté de x0 sur C si et seulement si c0 ∈ C et :
∀c ∈ C Re(x0 − c0 |c − c0 ) ≤ 0
Preuve :
1) Soit c0 le projeté de x0 sur C.
Pour tout c de C et tout t de ]0, 1] on a, par convexité :
||x0 − c0 || ≤ ||x − (tc + (1 − t)c0 )|| = ||x − c0 + t(c0 − c)||
D’où :
||x0 − c0 ||2 ≤ ||x0 − c0 ||2 + t2 ||c0 − c||2 + 2tRe(x0 − c0 |c0 − c)
Donc :
Re(x0 − c0 |c − c0 ) ≤ t||c0 − c||
et on obtient le résultat en faisant tendre t vers 0.
2) Si ∀c ∈ C Re(x0 − c0 |c − c0 ) ≤ 0.
Alors, pour tout c de C :
||x0 − c||2 = ||x0 − c0 + c0 − c||2 = ||x0 − c0 ||2 + ||c0 − c||2 + 2Re(x0 − c0 |c − c0 ) ≥ ||x0 − c0 ||2
ce qui prouve bien que c0 est le projeté de x0 sur C.
Proposition 4.4 (Caractère lipschitzien de la projection)

L’application pC , qui à tout x de H associe son projeté sur C, est une application lipschitzi-
enne.
Preuve :
Soient x et y dans H. Par sesquilinéairité du produit scalaire, on a :
(p(y) − p(x)|p(y) − p(x)) = (p(y) − y|p(y) − p(x)) + (y − x|p(y) − p(x)) + (x − p(x)|p(y) − p(x))
En prenant la partie réelle et en utilisant la proposition précédente, on obtient :
||p(y) − p(x)||2 ≤ Re(y − x|p(y) − p(x)) ≤ |(y − x|p(y) − p(x))|

Ce qui donne grâce à l’inégalité de Cauchy-Schwarz ||p(y) − p(x)||2 ≤ ||y − x||.||p(y) − p(x)||. On obient donc que la projection
p est lipschitzienne :
||p(y) − p(x)|| ≤ ||y − x||
Remarque : l’application pC est donc uniformément continue.

Dans le cas particulier où C est un sous-espace vectoriel fermé, la projection minimisant
la distance se confond avec la projection orthogonale :
Proposition 4.5 (Projection sur un sous-espace vectoriel fermé)

Si C est un s.e.v fermé alors :
• Le vecteur c0 de H est le projeté de x0 sur C si et seulement si c0 ∈ C et :
∀c ∈ C (x0 − c0 |c) = 0
• La projection est une application linéaire continue de norme 1 si C est non réduit au
vecteur nul.
Preuve :
Si C est un s.e.v alors C est convexe et on peut utiliser les résultats précédents.
La caractérisation du projeté s’écrit alors ∀f ∈ C Re(x − c0 |f ) ≤ 0 et même
∀f ∈ C ∀k ∈ C Re(x − c0 |kf ) ≤ 0
En prenant k = ±1 puis k = ±i, on obtient ∀f ∈ C (x − c0 |f ) = 0.

En outre, si C est un s.e.v, le projecteur p est linéaire et la proposition précédente donne, avec y = 0, ||p(x)|| ≤ ||x|| pour tout
x de C, ce qui prouve |||p||| ≤ 1.
Enfin, comme pour x0 ∈ C, on a p(x0 ) = x0 , on en déduit |||p||| = 1.
Enfin, le résultat suivant semble encore bien naturel alors qu’il est spécifique aux espaces de
Hilbert et non pas à tous les espaces de dimension infinie.
Proposition 4.6 (Existence d’un supplémentaire orthogonal)

Tout s.e.v fermé F d’un espace de Hilbert H admet un supplémentaire orthogonal :
F ⊕ F⊥ = H
Preuve :
1) On a F ∩ F ⊥ = {0} :
Si x ∈ F ∩ F ⊥ alors ∀f ∈ F (x|f ) = 0 donc (f |f ) = 0 donc f = 0.
2) On a H = F + F ⊥ :
En effet, pour x dans H, si l’on note p(x) la projection orthogonale de x sur F , on peut toujours écrire x = x − p(x) + p(x)
avec x − p(x) qui appartient à F ⊥ et p(x) qui appartient à F .
Il est important pour ces deux derniers cas de rappeler qu’un s.e.v de dimension finie est
toujours fermé.
4.1.5 Bases hilbertiennes

Dans ce paragraphe, H désigne un espace de Hilbert.
P
Proposition 4.7 Soit (en )n∈N une famille orthogonale de H. La série en converge (pour
la norme de H) si et seulement si la série numérique ||en ||2 converge.
P
Preuve :
P Pn
Comme H est complet la série en converge si et seulement si la suite des sommes partielles En = e
k=0 k
est de Cauchy.
Or d’après l’égalité de pythagore pour les familles orthogonales :
n+p
X
||En+p − En ||2 = ||ek ||2
k=n+1
P
La suite (En ) est donc de Cauchy si et seulement si la série ||en ||2 l’est, ce qui achève la démonstration puisque H est
complet.
L’une des conséquences utiles de ce résultat est que l’ordre de sommation d’une famille
orthogonale n’a pas d’effet sur sa convergence puisque toute série positive convergente est
commutativement convergente.
Proposition 4.8 (Bessel)

Soit (en )n∈N une famille orthonormale de H et F l’adhérence de l’espace vectoriel engendré
par les en (F = vect(en )). Alors :
∞
|(en |x)|2 = ||pF (x)||2 ≤ ||x||2
X X
∀x ∈ H (en |x).en cv et
n=0
∞
∀(x, y) ∈ H 2
X X
(en |x).(en |y) cv et (en |x).(en |y) = (pF (x)|pF (y))
n=0
Preuve :
1) Soit FN l’espace vectoriel engendré par les vecteurs e1 à eN . On peut facilement retrouver les formules connues en dimension
finie :
N
X
∀x ∈ H pFN (x) = (en |x)en
n=0
et
N
X
∀(x, y) ∈ H 2 (pFN (x)|pFN (y)) = (en |x)(en |y)
n=0
2) On a FN ⊂ F donc pFN (x) = pFN (pF (x)) ce qui implique
||pFN (x)|| ≤ |||pFN |||.||pF (x)||
Comme pour tout projecteur on a |||pFN ||| ≤ 1, on en déduit que ||pFN (x)|| ≤ ||pF (x)|| pour tout entier N . En passant à la
limite, on trouve donc :
∞
X
|(x|en )|2 ≤ ||pF (x)||2
n=0
P
ce qui prouve, d’après la proposition 4.7, que la série (en |x).en converge.
Maintenant si l’on note S la somme de cette série, on a (x − S|ei ) = 0 pour tout entier i, ce qui prouve que x − S est orthogonal
à F et donc que S = pF (x).
L’inégalité, dite de Bessel, résulte alors du fait que |||pF ||| ≤ 1.
P
3) La série (en |x).(en |y) converge grâce à l’inégalité de Cauchy-Schwarz et au résultat précédent. Il reste alors à passer à la
limite dans
N
X
(pFN (x)|pFN (y)) = (en |x)(en |y)
n=0
grâce à la continuité du produit scalaire. On conclut alors grâce à la convergence de pFN (x) et de pFN (y) vers pF (x)et pF (y)
déjà établie.
Définition 50 (Famille totale)

Une famille (fn )n∈N de H est dite totale si et seulement si l’adhérence du sous-espace vectoriel
qu’elle engendre est égale à H :
vect(fn ) = H
Définition 51 (Base hilbertienne)

On appelle base hilbertienne de H toute famille orthonormale totale pour H.
Attention : il ne faut pas confondre les bases hilbertiennes avec les bases
algébriques pour lesquelles tout élément de l’espace s’exprime comme combi-
naison linéaire (finie !) des vecteurs de base.
Théorème 4.9 (Parseval)

Si (en )n∈N est une base hilbertienne de H alors :
+∞
X
∀x ∈ H x= (en |x).en
n=0
+∞
||x||2 = |(en |x)|2
X
∀x ∈ H
n=0
+∞
2
X
∀(x, y) ∈ H (x|y) = (en |x).(en |y)
n=0
Preuve : ce résultat est une application directe du théorème précédent car on a x = pH (x).
Proposition 4.10 Une famille orthogonale (en ) est totale si et seulement si

∀n ∈ N (en |x) = 0 =⇒ x = 0
Preuve :
P+∞ (en |x)
1) Si la famille est totale, on peut écrire, pour tout x de H fixé, x = n=0 ken k2 n
.e . Si pour tout n, (en |x) = 0, on a donc
x = 0.
2) Si la famille n’est pas totale, l’orthogonal de vect(en ) est non réduit à {0} et pour x non nul appartenant à cet orthogonal
on a tout de même (en |x) = 0 pour tout n.
Définition 52 (Hilbert séparable)

Un espace de Hilbert est dit séparable s’il contient un sous-ensemble dénombrable total.
Théorème 4.11 Tout espace de Hilbert séparable admet une base hilbertienne.
Preuve :
Si l’espace est séparable, il existe une famille dénombrable totale. On peut ordonner cette famille pour obtenir une suite. De
cette suite, on retire par récurrence tous les vecteurs pouvant s’exprimer comme combinaison linéaire des vecteurs précédents.
On obtient alors une suite (fn ) libre, dénombrable et totale.
n∈ N
Pour en déduire une base hilbertienne, il suffit alors d’appliquer le procédé d’orthonormalisation de Schmidt que l’on peut
formaliser ainsi :
On pose e0 = f0 /||f0 ||.
Puis, pour tout n de N, on pose :
fn+1 − pFn (fn+1 )
en+1 =
||fn+1 − pFn (fn+1 )||
où Fn désigne l’espace vectoriel engendré par les vecteurs e0 à en .
2
Il est intéressant d’étudier les exemples que constituent les espaces lN et L2 .
4.1.6 Dualité
Rappelons que le dual algébrique d’un espace vectoriel E sur le corps C est l’ensemble
des formes linéaires sur E c’est-à-dire des applications linéaires de E dans C. On le note
généralement E ∗ . Le dual topologique, quant à lui, est l’ensemble des formes linéaires
continues sur E et on le note E 0 . En dimension finie, toute application linéaire étant
continue, les deux notions coı̈ncident et E ∗ = E 0 . En revanche, en dimension infinie, E 0
est strictement inclus dans E ∗ .
Dans un espace de Hilbert H, on sait que, pour tout vecteur f fixé, l’application qui à
x associe (f |x) est un élément de H 0 . Le théorème suivant s’intéresse à la réciproque en
généralisant un théorème connu dans les espaces euclidiens.
Théorème 4.12 (Représentation de Riesz-Frechet)

Si H est un espace de Hilbert alors :
∀ϕ ∈ H 0 ∃!y ∈ H/ ∀x ∈ H ϕ(x) = (y|x)
Remarque : on note souvent < ϕ, x > au lieu de ϕ(x).

Preuve :
Soit ϕ un élément de H 0 c’est-à-dire une forme linéaire continue sur H. Le noyau de ϕ, ker(ϕ), est donc un hyperplan fermé.
A ce titre, il admet un supplémentaire orthogonal de dimension 1.
Soit a un élément non nul de cet orthogonal.
Cherchons des conditions nécessaires pour y. On veut (y|x) = 0 pour tout x de ker(ϕ). On doit donc avoir y = λ.a. En outre,
il faut avoir (y|a) =< ϕ, a > ce qui donne λ̄ =< ϕ, a > /||a||2 .
<ϕ,a>
Réciproquement y = ||a||2
.a convient.
Comme corollaire immédiat de ce théorème, on peut citer :

Proposition 4.13 Si H est un espace de Hilbert alors il est isomorphe à son dual topologique
H 0.
Preuve : l’application qui à ϕ de H 0 associe l’unique représentant f de H du théorème de Riesz-Frechet est un isomorphisme.
4.2 Espaces L2 et analyse de Fourier

Nous allons voir que les espaces L2 constituent le cadre idéal pour l’étude des séries de
Fourier, de la transformée de Fourier mais aussi de nombreux autres opérateurs fonctionnels.
4.2.1 Espaces L2
Soit I un intervalle de R. Pour tout couple (f, g) de (L2 (I))2 , on peut définir
Z
(f |g) = f (t).g(t)dλt
I
L’application qui à (f, g) associe (f |g) est une forme sesquilinéaire, à symétrie hermitienne
et positive. En revanche elle n’est pas définie (au sens du produit scalaire) car (f |f ) = 0 si
et seulement si f est nulle presque partout.
Si l’on se place sur l’espace quotient L2 (c’est-à-dire si l’on confond les fonctions égales
presque partout) alors on peut toujours définir (f |g) puisque cette valeur ne dépend pas
du représentant choisi (c’est-à-dire que cette valeur est invariante lorsque l’on change
les fonctions en d’autres égales presque partout). L’application devient alors un produit
hermitien (produit scalaire complexe) et donc L2 est un espace préhilbertien.
En outre, on peut démontrer le résultat fondamental suivant :
Théorème 4.14 L’espace L2 (I) muni du produit scalaire (hermitien) :

Z
(f |g) = f (t).g(t)dλt
I
est un espace de Hilbert séparable.
Preuve : on sait que L2 (I) est un espace de Hilbert (voir le chapitre consacré à l’intégrale de Lebesgue). Il est séparable car
on va constuire, dans les propositions suivantes des bases hilbertiennes dénombrables.
Proposition 4.15 Les polynômes de Legendre normalisés définis par :

s
2n + 1 n dn
P̃n (x) = 2 n! n ((x2 − 1)n )
2 dx
forment une base hilbertienne de L2 ([−1, 1]).

4.2. ESPACES L2 ET ANALYSE DE FOURIER 119
Preuve :
Les polynômes de Legendre sont les
dn
Pn (x) = 2n n! ((x2 − 1)n )
dxn
p 2n+1
Il est facile de vérifier que la famille ( 2
Pn ) est orthonormale.
Montrons qu’elle est totale.
Par densité, on sait que toute fonction f de L2 ([−1, 1]) peut-être approchée d’aussi près que l’on veut par une fonction continue
(pour la norme L2 ), elle même pouvant être approchée d’aussi près que l’on veut par une fonction polynomiale (théorème de
Weierstrass) pour la norme uniforme donc pour la norme L2 ([−1, 1]) (puisque sur [−1, 1], ||f ||L2 ≤ 2||f ||∞ ).
Proposition 4.16
Les polynômes de Hermite normalisés définis par :
1 dn
H̃n (x) = q √
n
(−1) exp(x ) n (exp(−x2 )) 2
2n n! π dx
Z
forment une base hilbertienne de L2 (R) muni du produit scalaire (f |g) = f (x)g(x). exp(−x2 )dλx .
R
Les fonctions de Hermite définies par
ψn (x) = exp(−x2 /2)H̃n (x)
forment une base hilbertienne de L2 (R) muni de son produit scalaire usuel.
Preuve :
1) Montrons que les familles considérées sont orthonormales.
Soit f (x) = exp(−x2 ). Les polynômes d’Hermite sont les
1
Hn (x) = (−1)n exp(x2 )f (n) (x) et H̃n (x) = p √ Hn (x)
2n n! π
Les fonctions d’Hermite sont les
2 1
ϕn (x) = e−x /2
Hn (x) et ψn (x) = p √ ϕn (x)
2n n! π
peut établir que ϕn vérifie l’équation différentielle ϕ00 2

n (x) + (−x + 2n + 1)ϕn (x) = 0. On en déduit alors que, si n 6= m,
ROn+∞
ϕm (x)ϕn (x).dx = 0.
−∞
En outre, par n intégration par parties, on montre que :

Z +∞ Z +∞ Z +∞
(n) √
ϕ2n (x).dx = (−1)n Hn (x)f (n) (x).dx = Hn f (x).dx = 2n n! π
−∞ −∞ −∞
On en déduit que (ψn ) est une famille orthonormale pour L2 (R) muni de son produit scalaire usuel et que (H̃n ) est une famille
orthonormale pour L2 (R) muni du produit scalaire
Z
(f |g) = f (x)g(x). exp(−x2 )dλx
R
2) Etablissons ici un résultat utile pour la suite de la démonstration.

Pour une fonction g développable en série entière sur C, on a :
+∞
X g (n) (0)
g(t) = tn
n!
n=0
En prenant g(t) = f (t − x) pour x fixé, on obtient
+∞ +∞
2
X f (n) (−x) X (−1)n
f (t − x) = e−(t−x) = tn = f (n) (x)tn
n! n!
n=0 n=0
Donc
+∞
2
X tn
e2tx−t = Hn (x)
n!
n=0
puis
+∞ r
2 2
X 2n n
e2tx−x /2
= π 1/4 et t ψn (x)
n!
n=0
Cette dernière série converge simplement (partout) vers sa somme mais aussi pour la norme usuelle de L2 puisque, par
orthonormalité de la famille (ψn ), on a :
P r
X 2n n +∞
X 2n n
|| t ψn (x)||2L2 ≤ t2
n! n!
N N
ce qui montre, puisque le terme majorant tend vers 0, que la suite des sommes partielles est de Cauchy donc convergente.
3) Montrons que la famille (ψn ) est totale dans L2 , c’est-à-dire que l’espace vectoriel engendré par les ψn est dense dans L2 .
Soit f une fonction de L2 (R). On peut l’approcher d’aussi près que l’on veut par une fonction g continue à support compact
(théorème 1.38).
a) Supposons le support de g inclus dans R+ .
On pose h(x) = g(x) exp(−x2 /2)
et y = exp(−x). La fonction y 7→ h(− ln(y)) est continue sur [0, 1] donc limite uniforme d’une
suite de fonction polynomiale (théorème de Weierstrass).
Pn
Il existe donc une suite a y k convergeant uniformément donc convergeant pour la norme usuelle de L2 ([0, 1]) vers h(− ln(y)).
0 k
P n Pn
Par conséquent, la suite a exp(−kx) converge dans L2 (R) vers h(x). On en déduit que la suite
0 k 0 k
a exp(−kx − x2 /2)
2
converge dans L (R) vers g(x).
b) Si le support de g est inclus dans R− , il suffit de changer x en −x dans le raisonnement précédent.
c) Dans le cas général il suffit de considérer supp(g) ∩ R+ et supp(g) ∩ R− .
Par un raisonnement analogue on montre que la famille (H̃n ) est totale dans L2 (R) muni du produit scalaire (f |g) =
R 2
R f (x)g(x). exp(−x )dλx .
Enfin, les résultats qui suivent sur les séries de Fourier fournissent des bases hilbertiennes
supplémentaires pour tous les espaces L2 ([a, b]).
4.2.2 Séries de Fourier dans L2

On note Γ le cercle de centre O et de rayon 1. L’espace des ”fonctions” 2π périodiques
de Rcarré sommable sur [0, 2π], noté usuellement L2 (Γ), muni du produit ”scalaire” (f |g) =
1
2π [0,2π]
f¯(t).g(t)dλt est un espace de Hilbert. On peut établir le résultat suivant :
4.2. ESPACES L2 ET ANALYSE DE FOURIER 121
Théorème 4.17 L’espace L2 (Γ) admet comme base hilbertienne la famille (en )n∈Z avec
en = exp(inx)
Preuve :
1) Cette famille est orthonormale pour
Z 2π
1
(f |g) = f¯(t)g(t).dλt
2π 0
R 2π
puisque exp(i(n − m)x).dλx vaut 0 si n 6= m et 2π sinon.
0
2) Montrons que cette famille est totale. Soit f une fonction de L2 (Γ). On sait que l’on peut approcher f d’aussi près que l’on
veut (pour la norme L2 ) par une fonction continue. Maintenant, d’après le théorème de Weiestrass trigonométrique (que l’on
peut démontrer à l’aide du théorème de Fejer comme cela est rappelé en annexe du polycopié de cours), cette fonction continue
peut-être approchée d’aussi près que l’on veut par un polynôme trigonométrique, ceci pour la norme uniforme donc pour la
norme L2 puisque l’on est sur un segment. Comme un polynôme trigonométrique est une combinaison linéaire des en , on a
démontré la densité de vect(en ) dans L2 (Γ).
Il devient alors clair que la décomposition en série de Fourier d’une fonction

correspond à sa décomposition dans la base hilbertienne (en ) précédente.
Ainsi les théorèmes classiques de Parseval et de convergence en moyenne quadratique, ne
sont que des corollaires de ce résultat d’analyse hilbertienne :
Théorème 4.18 (Convergence en moyenne quadratique)

P+N
Si f est une fonction de L2 (Γ) alors la somme partielle de sa série de Fourier, −N cn exp(inx)
avec cn = (en |f ), converge pour la norme L2 vers f .
Preuve : d’après les résultats généraux sur les bases hilbertiennes, les ”coordonnées hilbertiennes” sont bien les (en |f ) = cn et
la décomposition dans la base hilbertienne est une convergence pour la norme hilbertienne c’est-à-dire ici une convergence L2 .
Théorème 4.19 (Parseval)

Etant donnée une fonction f de L2 (Γ), on a
+∞
1 Z 2π 2
|cn |2
X
|f (t)| dλt =
2π 0 −∞
Preuve : ce résultat n’est que l’application du théorème général de Parseval dans les espaces de Hilbert.
Ces théorèmes très généraux ne dispensent pas de connaı̂tre les théorèmes classiques (rappelés
en annexe) assurant la convergence ponctuelle (simple) ou uniforme.
4.2.3 Transformation de Fourier dans L2

On a vu au chapitre précédent que la transformation de Fourier dans L2 se construit par
prolongement de celle définie dans S ou dans L1 ∩ L2 .
On montre alors que dans L2 , F est une isométrie et conserve la norme (théorème de Parseval-
Plancherel) et le produit scalaire (théorème de Fourier-Plancherel) et que F̄ (définie aussi
par densité) est la réciproque et l’adjoint de F.
Notons que ces résultats ne sont valables que parce que L2 est un espace de Hilbert.
En effet, la complétude est indispensable pour construire F par prolongement et le produit
scalaire est nécessaire pour l’énoncé des propriétés de conservation.

On retiendra :
• La définition et les propriétés générales des espaces de Hilbert qui sont formellement
similaires à celles des espaces euclidiens notamment la projection sur les convexes
fermés, les bases hilbertiennes et le théorème de représentation de Riesz-Frechet.
• L’espace de Hilbert L2 qui constitue le cadre idéal d’étude des séries et des transformées
de Fourier.
• Les nombreuses bases hilbertiennes qui peuvent être utilisées dans les espaces L2 ,
notamment les polynômes orthogonaux ou les polynômes trigonométriques1 . . .
• Le cas particulier des séries de Fourier.
1
Mais aussi les vecteurs propres de certains opérateurs comme les fonctions d’ondes
Compléments
123
Chapitre I
Intégrale de Riemann
Dans cette annexe nous rappelons les principales constructions et propriétés de l’intégrale
de Riemann. En première année de classe préparatoire, l’intégrale de Riemann des fonctions
continues par morceaux est étudiée. Parfois on va jusqu’à intégrer des fonctions dites réglées
(on parle alors d’intégrale de Cauchy). En seconde année, on construit une pseudo intégrale
de Lebesgue des fonctions continues par morceaux à partir de l’intégrale de Riemann. A
l’université, l’intégrale de Riemann est souvent étudiée lors des deux premières années et
celle de Lebesgue en troisième année mais il n’y a pas de règle générale.
I.1 Fonctions à valeurs réelles

Toutes les fonctions considérées dans cette section vont de R dans R.
I.1.1 Intégrale des fonctions en escalier
L’intégrale de Riemann est construite à partir des fonctions en escalier.
Définition 53 On dit qu’une fonction ϕ est en escalier sur [a, b] s’il existe une subdivision
(ai )i∈[0,N ] telle que ϕ est constante sur chaque ]ai , ai+1 [.
Notons, pour une partie A de R, χA la fonction caractéristique de A c’est-à-dire la fonction

valant 1 si sa variable est dans A et 0 sinon.
Définition 54 Soit ϕ une fonction en escalier sur ]a, b[. Elle peut s’écrire :
N
X −1 N
X
∀t ∈ [a, b] ϕ(t) = Ki .χ]ai ,ai+1 [ (t) + Hj χ{aj } (t)
i=0 j=0
125
126 CHAPITRE I. INTÉGRALE DE RIEMANN
Ki étant la valeur prise sur ]ai , ai+1 [ et Hj celle prise en aj . On définit alors son intégrale
ainsi :
Z b N
X −1
ϕ(t).dt = Ki .(ai+1 − ai )
a i=0
L’intégrale d’une fonction en escalier est donc la somme des surfaces des rectangles qui la
constituent, comptés positivement s’ils sont au dessus de l’axe (Ox) et négativement sinon.
I.1.2 Fonctions réglées et intégrale de Cauchy

Voici une manière ”naturelle” de généraliser la notion d’intégrale des fonctions en escalier.
Définition 55 (Fonction réglée)

On dit qu’une fonction est réglée si elle est la limite uniforme d’une suite de fonctions en
escalier.
L’ensemble des fonctions réglées est donc l’adhérence pour la norme uniforme de l’ensemble
des fonctions en escalier.
Voici une caractérisation simple des fonctions réglées :
Théorème I.1 Une fonction est réglée sur un segment si et seulement si elle admet en tout
point une limite finie à gauche et à droite.
On en déduit donc que toute fonction continue par morceaux est réglée.
Définition 56 (Intégrale d’une fonction réglée)

L’intégrale d’une fonction réglée f est :
Z b Z b
f (t).dt = lim ϕn (t).dt
a n→+∞ a
pour toute suite (ϕn ) de fonctions en escalier convergeant uniformément vers f .
Interprétation géométrique : pour une fonction positive f , on peut intuitivement définir

la surface comprise entre la R courbe représentant f , l’axe (Ox) et les droites verticales
d’absisses a et b comme étant ab f (t).dt. EnZ fait,
Z la véritable définition de l’aire d’un domaine
mesurable D de R2 est sa mesure λ(D) = 1.dλ et le résultat précédent se démontre par
D
le théorème de Green-Riemann.
I.1. FONCTIONS À VALEURS RÉELLES 127
I.1.3 Une première construction de l’intégrale de Riemann

Définition 57 Une fonction f est dite Riemann-intégrable sur [a, b] si pour tout > 0, il
existe des fonctions en escalier ϕ− ≤ f et ϕ+ ≥ f telles que :
Z b Z b
0≤ ϕ+ (t).dt − ϕ− (t).dt <
a a
Définition 58 Pour une fonction Riemann-intégrable on pose :

Z b Z b Z b
f (t).dt = inf{ ϕ+ (t).dt, ϕ+ ≥ f et en escalier} = sup{ ϕ− (t).dt, ϕ− ≤ f et en escalier}
a a a
I.1.4 Une seconde construction de l’intégrale de Riemann

Définition 59 Une fonction f est dite Riemann-intégrable sur [a, b] si pour tout > 0, il
existe des fonctions en escalier ϕ et ψ telles que :
Z b
∀t ∈ [a, b] |f (t) − ϕ(t)| ≤ ψ(t) et ψ(t).dt <
a
On peut noter que si l’on se contente de l’existence d’une seule fonction en escalier ϕ telle
que :
∀t ∈ [a, b] |f (t) − ϕ(t)| ≤
on retrouve les fonctions réglées.
En prenant pour ψ une fonction en escalier constante, on remarque que les fonctions étagées
forment bien un cas particulier de fonctions Riemann intégrables.
I.1.5 Construction par les sommes de Riemann

Définition 60 (Somme de Riemann)
Soit σ = (ai )i∈[0,N ] une subdivision de [a, b]. Soit α = (αi )i∈[1,N ] une suite finie telle que
∀i ∈ [1, N ] αi ∈ [ai−1 , ai ]. Soit f une fonction définie sur [a, b]. La somme de Riemann
S(f, σ, α) est :
N
X
S(f, σ, α) = f (αi )(ai − ai+1 )
i=1
La somme de Riemann S(f, σ, α) représente donc la somme des aires des rectangles de
hauteurs f (αi ) et de base [ai−1 , ai ].
Définition 61 Une fonction f est dite Riemann intégrable sur [a, b] si la somme de Riemann
S(f, σ, α) admet une limite I réelle quand le pas de la subdivision max(ai − ai−1 ) tend vers
0 c’est-à-dire :
∀ > 0 ∃β > 0/ max(ai − ai−1 ) < β =⇒ |S(f, σ, α) − I| <
Z b
On pose alors I = f (t).dt.
a
I.1.6 Construction par les sommes de Darboux

Définition 62 Soient f une fonction définie sur [a, b] et σ = (ai )i∈[0,N ] une subdivision de
[a, b]. La somme de Darboux inférieure de f pour σ est
N
X
S− (f, σ) = inf (f ).(ai − ai−1 )
[ai−1 ,ai ]
i=1
et la somme de Darboux supérieure de f pour a est

N
X
S+ (f, σ) = sup (f ).(ai − ai−1 )
i=1 [ai−1 ,ai ]
L’interprétation des sommes Darboux comme sommes d’aires de rectangle est aisée.
Définition 63 Une fonction f est dite Riemann intégrable sur [a, b] si
sup S− (f, σ) = inf

σ
S+ (f, σ)
σ
Z b
cette valeur réelle est alors notée I = f (t).dt.
a
I.2 Fonctions à valeurs dans un espace vectoriel normé

complet
Pour définir l’intégrale de Riemann d’une fonction f définie sur un segment [a, b] de R dans
un espace vectoriel normé complet E, on peut utiliser la seconde construction ou bien les
sommes de Riemann (à condition de remplacer les valeurs absolues par la norme de E). Les
deux autres approches ne sont plus valables car elles sont liées à la relation d’ordre totale de
R.
I.3 Propriétés des intégrales de Riemann

Les fonctions sont ici supposées à valeurs dans un espace vectoriel normé complet.
Nous supposons connues les propriétés élémentaires des intégrales de Riemann. Rappelons
tout de même qu’une fonction Riemann-intégrable est nécessairement bornée et continue
presque partout et que l’on peut avoir |f | intégrable sans avoir f intégrable, ces trois
propriétés n’étant pas vérifiées pour une fonction Lebesgue-sommable. Rappelons aussi que
l’inverse d’une fonction Riemann-intégrable et la composée de deux fonctions Riemann-
intégrables ne sont pas nécessairement Riemann-intégrables.
Nous supposons aussi que les formules d’intégrations par parties (pour des fonctions
continûment dérivables) et de changement de variable sont connues mais rappelons que :
I.3. PROPRIÉTÉS DES INTÉGRALES DE RIEMANN 129
Proposition I.2 (Intégrale fonction d’une borne)

Z x
• Si f est Riemann-intégrable sur [a, b] alors la fonction F : x 7→ f (t).dt est continue
c
sur [a, b], c étant fixé dans [a, b].
Z x
• Si f est continue sur [a, b] alors la fonction F : x 7→ f (t).dt est continûment
c
0
dérivable sur [a, b] et F (x) = f (x), c étant fixé dans [a, b].
et le résultat suivant aussi bien vrai pour une fonction Riemann-intégrable que pour une
fonction Lebesgue-sommable :
Proposition I.3 (Lemme de Riemann-Lebesgue)

Si f est Riemann-intégrable sur [a, b] alors
Z b
lim f (t) sin(nt).dt = 0
n→+∞ a
Concernant les intégrales à paramètres, on peut établir les résultats suivants :
Théorème I.4 (Continuité d’une intégrale à paramètre)

Rb
Si f est continue sur I × [a, b] alors la fonction F : x 7→ a f (x, t).dt est continue sur I.
Théorème I.5 (Dérivabilité d’une intégrale à paramètre)

Si f est continue sur I × [a, b] et si ∂f
∂x
existe et est continue sur ce même domaine alors la
fonction F : x 7→ a f (x, t).dt est continûment dérivable sur I et F 0 (x) = ab ∂f
Rb R
∂x
(x, t).dt sur
I.
Théorème I.6 (Fubini sur un rectangle)

Si f est continue sur [c, d] × [a, b] alors :
Z d Z b Z b Z d
( f (u, t)dt)du = ( f (u, t)du)dt
c a a c
Notons qu’avec l’approche de Lebesgue, on peut obtenir des théorèmes ”plus puissants” que
les trois derniers.
Théorème I.7 (Première formule de la moyenne)

Soient f et g deux fonctions Riemann-intégrables. Si g est positive alors il existe k dans
[inf(f ), sup(f)] tel que :
Z b Z b
f (t)g(t).dt = k g(t).dt
a a
Remarque : si en outre f est continue, il existe c ∈ [a, b] tel que

Z b Z b
f (t)g(t).dt = f (c) g(t).dt
a a
Théorème I.8 (Seconde formule de la moyenne)

Soient f une fonction positive et décroissante et g une fonction Riemann-intégrable alors il
existe c ∈ [a, b] tel que
Z b Z c
f (t)g(t).dt = f (a) g(t).dt
a a
Remarque : la décroissance de f assure son intégrabilité au sens de Riemann.
I.4 Intégrales généralisées

Ce qui fait que l’intégrale de Riemann n’est pas un simple cas particulier de l’intégrale de
Lebesgue est la notion d’intégrale généralisée (parfois appelée impropre) qui est construite
comme limite d’intégrale de Riemann sur un segment (dite propre).
Définition 64R Soit f une fonction localement Riemann-intégrable sur [a, b[, b ∈ R̄. On dit
b Rc
que l’intégrale a f (t).dt converge lorsque la fonction c 7→ a f (t).dt converge quand c tend
vers b− . On note alors Z b Z c
f (t).dt = lim f (t).dt
a c→b a
Cette notation est pratique mais dangereuse car elle ne permet pas de distinguer les intégrales
généralisées des intégrales propres alors que leurs propriétés ne sont pas les mêmes.
Rappelons par exemple que si l’intégrale généralisée de f converge, f n’est pas nécessairement
bornée, que la formule d’intégration par parties n’est pas toujours applicable et que les
théorèmes relatifs aux intégrales à paramètres ne sont plus valables (il faut ajouter des
conditions contraignantes) et qu’il faut donc combiner les théorèmes relatifs aux intégrales
propres et ceux relatifs aux suites de fonctions (on intègre sur [0, n] avant de faire tendre n
vers +∞).
Pour étudier la convergence d’une intégrale, on peut utiliser la primitive de la fonction si elle
est connue ou avoir recours à des théorèmes de comparaison entre fonctions ou utiliser des
séries ou encore le critère de Cauchy. En revanche il faut bien réaliser que la convergence
Rb
de
l’intégrale n’a rien à voir avec celle de la fonction quand b = +∞ : l’intégrale a f (t).dt peut
converger sans que f n’ait de limite en b.
Parmi les intégrales
Rb
généralisées, il important de distinguer celles quiR sont absolument
convergentes
Rb
( a |f (t)|.dt converge) de celles qui sont semi-convergentes ( ab f (t).dt converge
mais pas a |f (t)|.dt). On établit alors que :
I.4. INTÉGRALES GÉNÉRALISÉES 131
Proposition I.9 Dans un espace complet, toute intégrale absolument convergente est con-
vergente.
et surtout (voir le chapitre consacré à l’intégrale de Lebesgue) :

Z b
Théorème I.10 Si f (t).dt est semi-convergente alors f n’est pas sommable sur [a, b].
a
Une intégrale classique

Z +∞
sin(t)
1) Etudions l’intégrale dt.
0 t
Z A
sin(t) sin(t)
Comme la fonction t →
7 est continue, l’intégrale propre dt existe pour tout
t 0 t
réel A.
Une intégration par parties (justifiée car les fonctions considérées sont continûment
dérivables) donne :
Z A " #A Z A
sin(t) cos(t) cos(t)
dt = − − dt
1 t t 1 1 t2
Z A
cos(A) cos(t)
Comme A
tend vers 0 en +∞ et puisque l’intégrale dt converge (car | cos(t)|/t2
1 t2 Z +∞
2 sin(t)
est majorée par 1/t ), on en déduit par passage à la limite que dt et donc
Z +∞ 1 t
sin(t)
dt convergent.
0 t
Z +∞
sin(t)

2) Etudions l’intégrale
t
dt.
0
Pour tout A > 0, on établit (en remarquant que sin(t) ∈ [−1, 1]) la minoration suivante :
Z A
sin2 (t)

sin(t)
Z A Z A
1 − cos(2t)
dt ≥ dt = dt
1 t 1 t 1 2t
ou encore : Z A Z A
sin(t) 1 cos(2t)

dt ≥ ln(A) − dt
1 t 2 1 2t
Z A
cos(2t)
Comme la fonction ln diverge en +∞ alors que l’intégrale dt converge (on
1 2t
peut refaire le raisonnement précédent),
on en déduit par comparaison d’intégrales que
Z +∞ Z +∞
sin(t) sin(t)
dt et donc dt divergent.

1 t 0 t
Z +∞
sin(t)
3) En conclusion, l’intégrale dt est semi-convergente (convergente mais non
0 t
absolument convergente) et existe donc au sens de Riemann. En peut en déduire, grâce
Z
sin(t)
au théorème 1.28, que dλt n’existe pas au sens de Lebesgue.
[0,+∞[ t
Chapitre II
Compléments de topologie
Dans cette annexe nous avons regroupé quelques notions de topologie pouvant être utiles.
Par défaut, les espaces vectoriels considérés admettent R ou C comme corps de scalaires.
II.1 Espaces connexes

Les espaces (ou les parties) connexes sont intuitivement les ensembles ”d’un seul tenant” :
Définition 65 (Connexité)
Un espace topologique (ou une de ses parties) est dit(e) connexe s’il (elle) vérifie l’un des
axiomes équivalents suivants :
• Les seules parties ouvertes et fermées sont la partie vide et la partie pleine.
• Il n’existe pas de partition en deux ouverts disjoints non vides.
• Il n’existe pas de partition en deux fermés disjoints non vides.
Les espaces (ou les parties) connexes par arcs sont les ensembles dont les différents points
peuvent toujours être reliés par un chemin continu :
Définition 66 (Connexité par arcs)

Un espace topologique (ou une de ses parties) est dit(e) connexe par arcs s’il vérifie
∀(a, b) ∈ E 2 ∃(x, y) ∈ R2 ∃f ∈ C 0 ([x, y], E)/ f (x) = a, f (y) = b
Tout espace connexe par arcs est connexe mais la réciproque n’est pas toujours vraie sauf
avec une hypothèse supplémentaire :
Proposition II.1 Toute partie connexe ouverte d’un espace vectoriel est connexe par arcs.
133
134 CHAPITRE II. COMPLÉMENTS DE TOPOLOGIE
En d’autres termes, pour un ouvert d’un espace vectoriel, les notions de connexité et
connexité par arcs coı̈ncident.
Rappelons aussi que :
Définition 67 (Composantes connexes)

Les composantes connexes d’un espace topologique sont les classes d’équivalences obtenues
avec la relation d’équivalence : ” a est en relation avec b si et seulement si il existe une
partie connexe contenant à la fois a et b”. Ce sont les parties connexes maximales (pour
l’inclusion).
Enfin la notion de simple connexité correspond à celle de partie sans trou. Pour la définir
rigoureusement, nous avons besoin de la notion d’homotopie.
Définition 68 (Homotopie)
Deux courbes fermées Γ1 et Γ2 de paramétrages admissibles ([a, b], f1 ) et ([a, b], f2 ) sont dites
homotopes lorsqu’il existe une fonction g continue sur [0, 1] × [a, b] telle que g(0, t) = f1 (t)
et g(1, t) = f2 (t) pour tout t de [a, b].
Définition 69 (Simple connexité)

Une partie d’un espace topologique est dite simplement connexe lorsque toute courbe fermée
de cet espace est homotope à un point c’est-à-dire peut être continûment déformée en un
point.
Le type le plus simple de domaine simplement connexe est le suivant :
Définition 70 (Ouvert étoilé)

On appelle ouvert étoilé d’un espace vectoriel, tout ouvert qui possède au moins un point
(appelé centre) auquel les autres peuvent être reliés par un segment.
Proposition II.2 Tout ouvert étoilé d’un espace vectoriel est simplement connexe.
II.2 Espaces et parties compacts

Définition 71 (Compacité par recouvrement)
Un espace topologique E est dit compact lorsqu’il vérifie l’axiome dit de Borel-Lebesgue : de
tout recouvrement d’ouverts de E, on peut déduire un sous recouvrement fini.
II.3. SUPPORT D’UNE FONCTION 135
Pour les espaces vectoriels ou métriques, on a la caractérisation suivante qui se révèle souvent
très utile :
Théorème II.3 (Compacité séquentielle)

Une partie A d’un d’un espace métrique (ou d’un espace vectoriel normé) est compacte si et
seulement si elle vérifie l’axiome dit de Bolzano-Weierstrass : de toute suite de A, on peut
extraire une sous-suite convergeant dans A.
Pour la compacité d’une partie on peut utiliser la même définition et la même caractérisation.
Remarque : dans un espace topologique, la compacité par recouvrement entraı̂ne la compacité
séquentielle mais la réciproque n’est pas toujours vraie. Dans un espace métrique, les deux
notions coı̈ncident.
On a le résultat très important suivant :
Proposition II.4 Les compacts de Rn sont les parties fermées bornées.
Parmi les applications de base de la compacité citons :
Proposition II.5 Toute application continue d’un espace métrique compact dans R admet
un minimum et un maximum.
Proposition II.6 Toute application continue d’un espace métrique compact dans un espace
métrique est uniformément continue.
II.3 Support d’une fonction

Définition 72 (Support d’une fonction continue)
Le support d’une fonction continue f est le complémentaire du plus grand ouvert sur lequel
f est nulle. On le note supp(f ).
Pour une fonction non continue, cette définition n’est pas compatible avec l’égalité presque
partout des fonctions. Par exemple, on aurait pour la fonction caractéristique de Q
supp(χQ ) = R alors que cette fonction est égale presque partout à la fonction nulle dont
le support est supp(0) = ∅.
On doit donc poser une nouvelle définition (équivalente à la première dans le cas des fonctions
continues) :
Définition 73 (Support d’une fonction)

Soit f définie sur un ouvert O de Rn et à valeurs dans R. Le support de f est le
complémentaire du plus grand ouvert sur lequel f est nulle presque partout. On le note aussi
supp(f ).
136 CHAPITRE II. COMPLÉMENTS DE TOPOLOGIE
Ce plus grand ouvert existe, c’est l’union ω de tous les ouverts sur lesquels f est nulle presque
partout. Il est clair que ω est un ouvert mais, pour que cette définition ait un sens, il faut
démontrer que f est nulle sur ω, ce qui n’est pas évident.
Deux fonctions égales presque partout ont le même support. On peut donc définir le support
d’une fonction de Lp .
Pour une variable de Rn , le support d’une fonction étant fermé, il est compact si et seulement
s’il est borné d’où la définition :
Définition 74 (Fonction à support compact)

Une fonction définie sur RN est dite à support compact lorsque son support est borné.
Chapitre III
Complément sur les suites de

fonctions
Nous supposons connues ici la convergence simple, la convergence uniforme, la convergence

presque partout et les convergences Lp des suites et séries de fonctions.
D’autres types de convergence existent encore : convergence en mesure (ou en probabilité
qui est fondamentale pour le théorème centrale limite) ou la convergence faible (utiles pour
la résolution des équtions au dérivés partielles ou pour l’optimisation).
Dans tous les cas, on peut se demander quels rapports existent entre ces types de convergence.
III.1 Convergence en mesure

Définition 75 (Convergence en mesure)
La suite (fn ) converge vers f en mesure si pour tout > 0 la mesure de l’ensemble des x
tels que ||fn (x) − f (x)||E > tend vers 0 quand n tend vers l’infini c’est-à-dire :
∀ > 0 lim λ({x ∈ I/ ||fn (x) − f (x)||E > }) = 0
n→+∞
Si la mesure est une mesure de probabilité, on parle de convergence en probabilité.
III.2 Relations entre les différents types de conver-

gence
Voici les liens entre les différents types de convergence pour 1 ≤ p < +∞ :
• La convergence p.p. implique la convergence en mesure si cette dernière est finie.

• La convergence Lp implique la convergence en mesure.
137
138 CHAPITRE III. COMPLÉMENT SUR LES SUITES DE FONCTIONS
• La convergence p.p. implique la convergence Lp sous une condition de domination.
• La convergence en mesure, si celle-ci est finie, implique la convergence Lp sous une

condition de domination.
• La convergence Lp implique la convergence p.p. d’une suite extraite.
• La convergence en mesure implique la convergence p.p. d’une suite extraite.
III.3 Convergence faible

Définition 76 (Convergence faible)
Dans un espace de Hilbert H, on dit qu’une suite (xn ) converge faiblement vers x si pour
tout a de H fixé (xn |a) converge vers (x|a).
En dimension finie, la convergence faible coı̈ncide avce la convergence en norme (dite aussi
convergence forte). En dimension infinie, la convergence forte implique la convergence faible
mais la réciproque est fausse.
On a aussi le théorème :
Théorème III.1 Toute suite bornée contient une sous-suite faiblement convergente.
On en déduit donc que la boule unité d’un espace de Hilbert est faiblement compacte. En
revanche, en dimension infinie, elle n’est jamais compacte pour la topologie associée à son
produit scalaire puisque l’on sait que :
Proposition III.2 Un espace vectoriel normé est de dimension finie si et seulement si sa

boule unité est (fortement) compacte.
La notion de convergence faible et des notions en découlant (comme la faible semi-continuité)

sont très importantes en optimisation.
On est parfois amené à définir encore d’autres types de convergence par exemple dans
D (espace des fonctions indéfiniment dérivablesà support compact) ou dans S (espace de
Schwartz) pour construire la théorie des distributions. . .
Chapitre IV
Compléments sur les séries de Fourier
Nous présentons ici quelques résultats sur les séries de Fourier qui complètent ce qui a été
rappelé dans le chapitre introductif et dans le chapitre d’analyse hilbertienne.
IV.1 Fonctions à variations bornées

Les fonctions à variations bornées constituent un espace fonctionnel utile pour l’énoncé de
certains théorèmes relatifs aux séries de Fourier ou aux transformées de Fourier et de Laplace.
Définition 77 (Fonction à variations bornées)

Une fonction f du segment [a, b] dans R est dite à variations bornées si il existe un réel
M ≥ 0 tel que pour toute subdivision (ai )i∈[0,N ] de [a, b], on ait :
N
X −1
|f (ai+1 ) − f (ai )| ≤ M
i=0
Il est évident que toute fonction monotone est à variations bornées. Réciproquement,
l’ensemble des fonctions à variations bornées est l’espace vectoriel engendré par
les fonctions monotones car on peut établir :
Théorème IV.1 Toute fonction à variations bornées peut s’écrire comme la différence de
deux fonctions croissantes.
Comme sous-ensemble simple des fonctions à variations bornées, citons :
Théorème IV.2 Les fonctions continûment dérivables par morceaux sont à variations
bornées.
La réciproque est fausse mais on peut montrer que :
Théorème IV.3 Toute fonction à variations bornées est dérivable presque partout et sa
dérivée est sommable.
139
140 CHAPITRE IV. COMPLÉMENTS SUR LES SÉRIES DE FOURIER
IV.2 Un théorème de Jordan

Le théorème de Jordan sur les séries de Fourier généralise les théorèmes de Dirichlet :
Théorème IV.4 (Jordan)

Si f est 2π-périodique et à variations bornées sur [0, 2π] alors la série de Fourier de f
converge simplement sur R et :
f (x+ ) + f (x− ) +∞
X
∀x ∈ R = cn exp(inx)
2 −∞
Si en outre f est continue sur R (resp. sur un segment), la convergence est uniforme sur R
(resp. sur tout intervalle strictement inclus dans ce segment).
Remarque : on pourra se reporter à l’annexe ?? page ?? pour des rappels sur les fonctions
à variations bornées.
IV.3 Théorème de Fejer

Plaçons nous dans un espace vectoriel normé. Etant donnée une suite (un ), on peut lui
associer la suite (δn ), dite de Césaro ou des moyennes de Césaro, en posant
Pn
ui
i=0
δn =
n+1
On peut alors démontrer :
Proposition IV.5 (Césaro)

Si la suite (un ) converge vers une limite l alors sa moyenne de Césaro (δn ) converge aussi
vers l.
La réciproque de la proposition de Césaro n’est pas vraie. En revanche si la moyenne de

Césaro (δn ) converge vers l, la suite (un ) ne peut converger que vers l (mais elle peut ne pas
converger).
Une suite converge donc plus facilement en moyenne de Césaro que de manière classique.
C’est ce que l’on constate pour les séries de Fourier avec le théorème de Fejer :
Théorème IV.6 (Fejer)

Si f est continue et 2π périodique sur R alors la suite (SN ) converge uniformément en
moyenne de Césaro vers la fonction f c’est-à-dire que la suite (DN ) de ses moyennes de
Césaro définies par
S0 + S1 + · · · + SN
DN =
N +1
converge uniformément vers la fonction f .
IV.3. THÉORÈME DE FEJER 141
De ce théorème, on peut déduire que :
Théorème IV.7 (Weierstrass)
• Toute fonction continue périodique est limite uniforme d’une suite de polynômes
trigonométriques.
• Toute fonction continue sur un segment est limite uniforme d’une suite de polynômes.
142 CHAPITRE IV. COMPLÉMENTS SUR LES SÉRIES DE FOURIER
Chapitre V
Espaces de Sobolev
Les espaces de Sobolev fournissent le cadre idéal (bien que non intuitif au premier abord)
permettant d’obtenir l’existence et l’unicité des solutions d’équations aux dérivées partielles
rencontrées fréquemment dans les sciences de l’ingénieur.
V.1 Dérivation faible

Définissons un nouveau type de dérivation :
Définition 78 (Dérivation faible)

Soit I un intervalle de R. Une fonction u de L1loc est faiblement dérivable sur I s’il existe
une fonction v de L1loc telle que :
Z Z
0
∀ϕ ∈ D(I) uϕ .dλ = − vϕ.dλ
I I
La fonction v, quand elle existe, est unique d’après le théorème 1.22. On l’appelle dérivée
faible de u et on la note souvent abusivement u0 (voir la justification dans la propriété V.6).
Proposition V.1 Si g est localement sommable sur I alors pour tout x0 fixé dans I, la
fonction G définie par Z
G(x) = g(t).dλt
[x0 ,x]
est continue sur I et faiblement dérivable de dérivée g.
Preuve :
Remarque : on sait par le théorème 1.20 que G est dérivable presque partout, de dérivée g, mais ce n’est pas ce que l’on veut
établir.
La continuité de G se démontre à l’aide du théorème de la convergence dominée. En effet, pour x fixé, on a :
Z
G(x + h) − G(x) = g(t)1[x,x+h] (t).dλt
I
143
144 CHAPITRE V. ESPACES DE SOBOLEV
et la domination de g(t)1[x,x+h] (t) par |g(t)|1]α,β[ (t) (avec ]α, β[⊂ I contenant x) assure une limite nulle par passage de la
limite dans l’intégrale quand h tend vers 0.
Pour établir l’égalité, on peut écrire : Z Z Z x
Gϕ0 .dλ = ϕ0 (x) g(t).dλt .dλx
I I x0
Si l’on considère a et b tels que le support de ϕ est inclus dans [a, b] alors :
Z Z x0 Z x0 Z b Z x
Gϕ0 .dλ = − ϕ0 (x) g(t).dλt .dλx + ϕ0 (x) g(t).dλt .dλx
I a x x0 x0
En appliquant (de manière licite) le théorème de Fubini, on obtient :
Z Z x0 Z t Z b Z b
Gϕ0 .dλ = − g(t) ϕ0 (x).dλx .dλt + g(t) ϕ0 (x).dλx .dλt
I a a x0 t
Rt Rb
Puisque, ϕ0 (x).dλx = ϕ(t) et ϕ0 (x) = −ϕ(t), on en déduit :
a t
Z Z
Gϕ0 .dλ = − gϕ.dλ
I I
V.2 Définitions
Définition 79 (Espace de Sobolev W 1,p )
Soit I un intervalle ouvert de R. L’espace de Sobolev W 1,p (I) est constitué de l’ensemble des
fonctions de Lp (I) dont la dérivée faible existe et appartient à Lp (I). On a donc :
Z Z
1,p p p 0
W (I) = {u ∈ L (I)/ ∃v ∈ L (I) : ∀ϕ ∈ D(I) uϕ .dλ = − vϕ.dλ}
I I
On note en particulier :
H 1 (I) = W 1,2 (I)
Proposition V.2 (Norme et produit scalaire)

On peut munir W 1,p de la norme ainsi définie :
||u||W 1,p = (||u||pLp + ||u0 ||pLp )1/p
On peut munir H 1 du produit scalaire ainsi défini :
(u1 |u2 )H 1 = (u1 |u2 )L2 + (u01 |u02 )L2
Preuve : ||.||W 1,p vérifie bien les axiomes d’une norme car ||.||Lp est une norme. De même, (.|.)H 1 vérifie bien les axiomes
d’un produit scalaire car (.|.)L2 est un produit scalaire.
Remarque : parfois, on utilise la norme équivalente ||u||Lp + ||u0 ||Lp .

V.3. PROPRIÉTÉS 145
V.3 Propriétés
Les propriétés topologiques vérifiées par les espaces de Sobolev sont fondamentales car elles
permettent d’obtenir des théorèmes d’existence et d’unicité d’équations fonctionnelles :
Théorème V.3 Pour tout p ≥ 1, W 1,p (I) est un espace vectoriel normé complet.
Preuve : Soit (un ) une suite de Cauchy de W 1,p . Alors (un ) et (u0n ) sont de Cauchy dans Lp . Comme Lp est complet, elles
admettent des limites que l’on notera respectivement u et v.
Prouvons que u0 = v.
Pour p < +∞, d’après l’inégalité de Hölder, on a pour toute fonction ϕ indéfiniment dérivable à support compact :
Z

(un − u)ϕ0 .dλ ≤ ||un − u||Lp .||ϕ0 || p0
L
I
0 0
R R
un ϕ0 .dλ converge vers uϕ0 .dλ. De même,
Roù p0 vérifie 1/p + 1/p =R 1. Comme ||un − u||Lp tend vers 0, ceci prouve que
un ϕ.dλ converge vers vϕ.dλ.
R R R R
En passant à la limite dans l’égalité un ϕ0 .dλ = − u0n ϕ.dλ, on trouve donc uϕ0 .dλ = − vϕ.dλ, ce qui prouve que u0 = v
donc u0 ∈ Lp .
R R
Pour p = +∞, le passage à la limite dans l’égalité un ϕ0 .dλ = − u0n ϕ.dλ se fait grâce au théorème de la convergence dominée
et on trouve donc le même résultat.
On a donc, pour p ≥ 1, u ∈ W 1,p . Or ||un − u||W 1,p = ||un − u||Lp + ||u0n − u0 ||Lp converge vers 0 donc la suite (un ) converge
dans W 1,p (vers u).
Théorème V.4 H 1 (I) est un espace de Hilbert séparable.
Preuve : D’après le théorème précédent H 1 est un espace de Hilbert. Montrons qu’il est séparable.
Soit T l’application qui à u de H 1 associe (u, u0 ) dans L2 × L2 .
Le produit de deux espaces séparables est séparable puisque si les familles dénombrables (en ) et (fn ) sont denses dans E et F
alors la famille dénombrable (en , fp ) est dense dans E × F . L’espace L2 × L2 est donc séparable.
En outre T (H 1 ) est un sous-espace de L2 × L2 donc T (H 1 ) est séparable puisque toute partie d’un espace séparable E est
séparable. En effet, si (en ) est une famille dénombrable dense de E et si A est une partie de E, on peut considérer la famille
des am,n avec am,n ∈ Bo(en , 1/m) ∩ A qui est dénombrable et dense dans A.
Maintenant comme T est une isométrie, on en déduit que H 1 est séparable car l’image par une isométrie d’une partie séparable
est clairement séparable.
Enfin, les fonctions de ces espaces de Sobolev sont plus régulières que ce que l’on pourrait
croire :
Théorème V.5 Toute fonction u de W 1,p (I) admet un représentant continu ũ sur I¯ qui est
une primitive de u0 c’est-à-dire tel que :
Z
∀(x, y) ∈ I¯2 ũ(x) − ũ(y) = u0 (t).dλt
[y,x]
Preuve :
1) Montrons d’abord que :
Lemme
Si f est localement sommable sur I et si
Z
∀ϕ ∈ D(I) f ϕ0 .dλ = 0
I
alors f est égale à une constante presque partout (il existe C tel que f = C p.p.)
Preuve du lemme :
Toute fonction ψ de D(I) admet des primitives mais celles-ci ne sont pas nécessairement à support compact. Nous allons donc
utiliser une astuce.
R
Soit h une fonction de D(I) telle que h = 1. Considérons
I
Z
ψ̄ = ψ − ( ψ.dλ)h
I
R
Cette fonction admet une (unique) primitive ψ̃ à support compact puisque ψ̄.dλ = 0. On peut par exemple prendre
Rx I
ψ̃(x) = ψ̄(t).dt avec c ≤ a si supp(ψ̄) ⊂ [a, b].
c
R R
Comme pour tout ψ de D(I), ψ̃ est dans D(I), on a, par hypothèse, f ψ̃ 0 .dλ = 0 c’est-à-dire f ψ̄.dλ = 0 ou encore :
I I
Z Z
f (t)(ψ(t) − ( ψ(u).dλu )h(t)).dλt = 0
I I
D’où par application justifiable du théorème de Fubini à la deuxième partie de l’intégrale :
Z Z
(f (u) − ( f (t)h(t).dλt ))ψ(u).dλu = 0
I I
R
Ceci étant vrai pour toute fonction ψ de D(I), on en déduit que f (u) − ( f (t)h(t).dλt ) = 0 pour presque tout u et donc que
I
f est égale à une constante presque partout.
2) Preuve du théorème :
Rx
Soit y fixé dans I. On pose ū(x) = u0 (t).dλt .
y
D’après la proposition V.1, on a :

Z Z
∀ϕ ∈ D(I) ūϕ0 .dλ = − u0 ϕ.dλ
I I
R R
or u0 ϕ.dλ =− uϕ0 .dλ donc
I I Z
∀ϕ ∈ D(I) (u − ū)ϕ0 .dλ = 0
I
donc, d’après le lemme 2, il existe une constante C telle que u − ū = C p.p.
La fonction ũ = ū + C est la fonction recherchée.
On peut donc systématiquement choisir pour un élément de W 1,p (I) son représentant continu
ce qui revient à dire que toute “fonction” de W 1,p (I) est continue.
Remarque 1 : en dehors d’un espace de Sobolev, on peut trouver des fonctions u (par
exemple les “escaliers du diable” vus en exercice complémentaire de la séance 1) telle que
u(x) − u(y) 6= yx u0 (t).dλt .
R
Remarque 2 : cette propriété de continuité disparait lorsque l’on considère des espaces de
Sobolev dans RN c’est-à-dire des fonctions de plusieurs variables.
En combinant le théorème précédent avec le théorème 1.20, on en déduit :
V.3. PROPRIÉTÉS 147
Propriété V.6 (Dérivation faible et dérivation presque partout)

Toute fonction faiblement dérivable est dérivable presque partout et les deux dérivées
coı̈ncident.
Ce résultat explique la notation u0 pour la dérivée faible (même si sa réciproque est fausse).
Par ailleurs, on peut démontrer que :
Théorème V.7 (Densité dans les espaces de Sobolev)

D(R) est dense dans W 1,p (R).
Preuve : La démonstration a été proposée en sujet de contrôle en 2004/2005.
Ce résultat n’est plus valable pour un intervalle I différent de R mais on peut prouver que,
pour toute fonction u de W 1,p (I), il existe une suite (un ) de D(R) telle que la suite des
restrictions des un à I converge vers u.
Les espaces de Sobolev permettent notamment de généraliser des formules utiles mais connues
usuellement seulement pour les fonctions continûments dérivables. Ainsi on démontrera en
travaux dirigés :
Propriété V.8 (Généralisation de formules usuelles)

Si f et g sont les représentants continus d’éléments de H 1 (I) on a :
• Intégration d’une dérivée :

Z b
f 0 (t).dλt = f (b) − f (a)
a
• Dérivation d’un produit :

(f g)0 = f 0 g + f g 0
• Intégration par partie :

Z b Z b
f 0 (t)g(t).dλt = [f g]ba − f (t)g 0 (t).dλt
a a
• Transformée de Fourier :
F(f 0 ) = iyF(f )
On peut remarquer que la première et la troisième formule n’ont de sens que pour les
représentants continus. On peut vérifier qu’elles sont encore valables dans W 1,1 (I).
Preuve :
Le premier point est la ré-écriture du théorème 4.24.
Le deuxième point se démontre par densité (en remarquant que la convergence L2 entraı̂ne la convergence L∞ ).
Le troisième point s’obtient par une simple intégration du précédent (la preuve directe a été faite au TD 3 pour W 1,1 ).
Le dernier point a été proposé en exercice de contrôle en 2007/2008 (cf annales).
Références Bibliographiques
[1] Pagès Briane. Théorie de l’intégration. Vuibert, 2006.

Ouvrage très complet : de Riemann à Lebesgue, tout (ou presque !) est abordé.
[2] Lacombe Hirsch. Eléments d’analyse fonctionnelle. Dunod, 1999.

Surtout pour le chapitre sur les espaces de Hilbert et un peu pour celui sur les espaces Lp .
[3] Rudin. Analyse réelle et complexe. 1998.

Un grand classique, peut-être difficile à lire.
[4] Brézis. Analyse fonctionnelle : Théorie et applications. Dunod, 2005.

Bons chapitres sur les espaces Lp et les espaces de Sobolev.
[5] Witomski Gasquet. Analyse de Fourier et applications. Dunod, 2000.

La transformée de Fourier est très largement abordée, sans oublier les filtres, les distributions,
les problèmes d’échantillonnage (Poisson, Shannon) et l’analyse temps-fréquence. D’un abord
plutôt facile.
[6] Willem. Analyse harmonique réelle. Hermann, 1995.

Bien plus rude que le précédent. Pour ceux qui veulent aller plus loin.
149
150 RÉFÉRENCES BIBLIOGRAPHIQUES
Abréviations et notations utilisées en
cours
Voici une liste des abréviations et notations les plus souvent utilisées en cours et en TD.
C 0 - ensemble des fonctions continues.
C k - ensemble des fonctions k fois continument dérivables.
C ∞ - ensemble des fonctions indéfiniment dérivables.
SE - Série Entière.
DSE - Développable en Série Entière.
SF - Série de Fourier.
DSF - Développable en Série de Fourier.
CV - Convergence.
DV - Divergence.
ACV - Absolue Convergence (convergence en valeur absolue).
SCV - Semi Convergence (converge mais diverge en valeur absolue).
CVU - Convergence Uniforme.
CVN - Convergence Normale.
CVD - Convergence Dominée
CVM - Convergence Monotone.
fct - fonction.
cont - continu.
deriv - dérivable
mes - mesurable.
def - définition.
151
152 RÉFÉRENCES BIBLIOGRAPHIQUES
th - théorème.
prop - propriété.
pb - problème.
exo - exercice.
demo - démonstration.
csq - conséquence.
ccl - conclusion.
cad - c’est-à-dire.
rq - remarque.
ssi - si et seulement si
Index
Adhérence, 17 Homotopie, 134
Base hilbertienne, 116 Inégalité de Bessel, 115

Borélien, 37 Inégalité de Hölder, 54
Borélienne (fonction), 38 Intégrale à paramètre, 51
Boules, 15 Intégrale absolument convergente, 130
Intégrale semi-convergente, 130
Césaro (moyenne de), 140 Intégrale supérieure, 45
Cantor (ensemble de), 70
Compact, 134 Lemme de Fatou, 49
Complet, 29 Limites supérieures et inférieures, 67
Composante connexe, 134
Connexe, 133 Mesurable, 38
Convergence Mesure, 40
Lp , 23 Mesure
en mesure, 137 de Borel, 43
en probabilité, 137 de Lebesgue, 43
faible, 138 de Stieltjes, 44
normale, 20 produit, 58
simple, 19 sigma finie, 58
uniforme, 19
Négligeable, 42
Convolution des fonctions, 60
Norme, 14
Dérivée faible, 143 Ouvert, 15
Dérivation faible, 143 Ouvert étoilé, 134
Densité, 17
Polynômes
Espace de Hilbert, 109 de Hermite, 119
Espace de Schwartz, 102 de Legendre, 118
Presque partout, 43
Famille totale, 116
Prolongement
Fermé, 15
des isométries, 31
Fonction
étagée, 39 Séparable, 117
à variations bornées, 139 Sommable, 46
borélienne, 38 Suite de Cauchy, 29
essentiellement bornée, 55 Suite régularisante, 61
localement sommable, 47 Support d’une fonction, 135
mesurable, 38
réglée, 126 Théorème
sommable, 46 d’inversion, 99
153
154 INDEX
d’inversion ponctuelle, 99
de Beppo Levi, 48
de changement de variables, 60
de Dirichlet, 26
de Fejer, 140
de Fourier-Plancherel, 105
de Fubini, 59
de Jordan, 140
de la convergence dominée, 49, 77
de la convergence monotone, 48
de la projection, 112
de Parseval, 116, 121
de Parseval-Plancherel, 105
de représentation de Riesz, 117
de Tonelli, 59
de Weierstrass, 140
Théorème
d’inversion, 105
de Caratheodory, 44
de prolongement des isométries, 31
Topologie, 16
Transformation de Fourier
des fonctions S, 102
des fonctions L1 , 97
des fonctions L2 , 104, 121
Tribu, 36
Tribu
de Borel, 37
de Lebesgue, 43
produit, 58
Variations bornées, 139

Vitali (ensemble de), 72

ANALYSE Polycopie de Cours Ecole Central

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

ANALYSE Polycopie de Cours Ecole Central

Transféré par

Droits d'auteur :

Formats disponibles

ANALYSE

École Centrale Paris

• Les outils de représentation et de modélisation de l’aléatoire qui seront utilisés en

• Tribus, mesures, intégration.

• 4 chapitres de rappels (numérotés A, B, C, D).

• 4 chapitres correspondants au cours proprement dit (numérotés 1, 2, 3, 4).

• 4 chapitres de compléments (numérotés I, II, III, IV, V).

• Les travaux dirigés en petites classes.

• Le travail personnel non présentiel.

Il est aussi conseillé d’utiliser les outils disponibles sur claroline :

• Les annales (disponibles sur claroline).

• Les QCM (proposés sur claroline).

• Les exercices complémentaires (disponibles sur claroline).

A Notions élémentaires de topologie 13

B Suites et séries de fonctions 19

1 Tribus, mesures, intégration 35

2 Tribus, mesures, intégration :

2.2 Tribus sur les ensembles usuels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

3.6 Résumé des principales notions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107

4 Analyse hilbertienne 109

I Intégrale de Riemann 125

II Compléments de topologie 133

III Complément sur les suites de fonctions 137

III.2 Relations entre les différents types de convergence . . . . . . . . . . . . . . . . . . . 137

IV Compléments sur les séries de Fourier 139

V Espaces de Sobolev 143

Notions élémentaires de topologie

• (N 2) : ∀λ ∈ C ∀x ∈ E N (λ.x) = |λ|.N (x)

• (N 3) : ∀(x, y) ∈ E 2 N (x + y) ≤ N (x) + N (y)

On note souvent N (x) = ||x||.

le vecteur x ayant pour coordonnées dans la base canonique (x1 , x2 , . . . , xn ).

A.3 Ouverts et fermés

Bo(a, r) = {x ∈ E/ ||x − a|| < r}

On appelle boule fermée de centre a et de rayon r ∈ R+ , l’ensemble

Bf (a, r) = {x ∈ E/ ||x − a|| ≤ r}

On appelle sphère de centre a et de rayon r ∈ R+ , l’ensemble

S(a, r) = {x ∈ E/ ||x − a|| = r}

Par convention, les boules de rayon infini désignent l’espace entier E.

Proposition A.2 L’ensemble O de tous les ouverts vérifie :

• (O2) O est stable par intersections finies.

• (O3) O est stable par réunions quelconques.

Les éléments d’une topologie sont appelés ouverts.

A.4 Limite et continuité

∀ > 0 ∃α > 0/ ||x − a||E < α =⇒ ||f (x) − l||F < 

Il faut bien noter qu’en dimension infinie, la convergence dépend de la norme

Définition 8 (Continuité d’une fonction)

Proposition A.3 (Caractérisation de la continuité par les ouverts)

Définition 9 (Partie dense)

Définition 11 (Partie dense)

Suites et séries de fonctions

B.1 Convergence simple

Définition 12 (Convergence simple)

∀x ∈ E ∀ > 0 ∃N ∈ N/ ||fn (x) − f (x)||E < 

La fonction f est alors appelée limite simple.

B.2 Convergence uniforme

Définition 13 (Convergence uniforme)

∀ > 0 ∃N ∈ N/ ∀x ∈ I, ∀n > N ||fn (x) − f (x)||E < 

La fonction f est alors appelée limite uniforme.

Définition 14 (Convergence uniforme sur tout segment)

Définition 15 (Convergence normale d’une série)

On montre alors que :

B.3 Applications de la convergence uniforme

Théorème B.3 (Continuité de la limite)

Théorème B.4 (Dérivabilité de la limite)

∀ > 0 ∃α > 0/ ||x − a||E < α =⇒ ||f (x) − l||F <

∀x ∈ E ∀ > 0 ∃N ∈ N/ ||fn (x) − f (x)||E <

∀ > 0 ∃N ∈ N/ ∀x ∈ I, ∀n > N ||fn (x) − f (x)||E <

∀ > 0 ∃N ∈ N/ n > p > N =⇒ kxn − xp k <