Chapitre 1 Intégrale de Lebesgue - Removed

Espaces de Lebesgue
Espaces de Lebesgue
(Mathématiques Appliquées GI-SIG-GC-GLT)
Driouch Aicha
Ecole Hassania Des Travaux Publics
17 novembre 2021
Espaces de Lebesgue
Plan
1 Intégrale de Riemann
2 Notion de Mesure-Intégrale par rapport à une mesure
3 Ensemble négligeable-Propriété vraie presque partout
4 Intégrale de Lebesgue
5 Fonctions définies par des intégrales
6 Les espaces Lp , 1 ≤ p ≤ +∞
7 Produit de convolution
Espaces de Lebesgue
Intégrale de Riemann
Z b
Pour calculer f (x )dx on considère une subdivision de [a, b] :
a
a = x0 < ... < xi < xi+1 < ... < xN = b telle que
Z b N
X
f (x )dx = lim f (ti )(xi+1 − xi )
a N→+∞
i=0
Espaces de Lebesgue
Les inconvénients de l’intégrale de Riemann

Difficulté d’imaginer une intégrale sur un ensemble de
dimension supérieure à 3.
Continuité de la fonction.
Espaces de Lebesgue
Un exemple fondamental
La fonction de Dirichlet
0 si x ∈ Q
(
f (x ) =
1 si x ∈ R \ Q
Espaces de Lebesgue
Z 1
On souhaite calculer f (x )dx ?
0
Par la méthode de Riemann

Z 1 N
X
f (x )dx = lim f (ti )(xi − xi−1 )
0 N→+∞
i=1
Z 1
Si ti ∈ Q ∩ [0, 1] alors f (x )dx = 0
0
Z 1
Si ti ∈ R \ Q ∩ [0, 1] alors f (x )dx = 1
0
Contradiction ! ! Z
1
Cela implique que f (x )dx au sens de Riemann n’existe pas.
0
Présentons alors une nouvelle technique
Espaces de Lebesgue
Intégrale au sens de Lebesgue
"I have to pay a certain sum, which I have collected in my pocket.

I take the bills and coins out of my pocket and give them to the
creditor in the order I find them until I have reached the total sum.
This is the Riemann integral. But I can proceed differently. After I
have taken all the money out of my pocket I order the bills and
coins according to identical values and then I pay the several heaps
one after the other to the creditor. This is my integral."
Henri Lebesgue (1875-1941).
Cela veut dire quoi concrètement ?
Selon Lebesgue, il n’est pas nécessaire de subdiviser l’intervalle
[0, 1] et de calculer la surface de chaque réctangle, on peut
réarranger les point de sorte que l’on forme [0, 1] = A0 ∪ A1
Espaces de Lebesgue
Z 1
f (x )dx = f (x ) × Longueur de (A0 ) + f (x ) × Longueur de (A1 )
0
Z 1
f (x )dx = f (x ) × µ(A0 ) + f (x ) × µ(A1 )
0
Espaces de Lebesgue
Notion de Mesure-Intégrale par rapport à une mesure
Quelques rappels et notations
Dans ce qui suit, n est un entier naturel non nul (n ∈ N∗ ) et Rn est

l’espace euclidien Rn = R|
. . × R}.
× .{z
n fois
∀x , y ∈ Rn on note < x , y > le produit scalaire de x et y donné par
n
X
< x , y >= xi yi
i=1
Espaces de Lebesgue
Définition : Norme
Soit E un espace vectoriel sur Rn . Une application ||.|| : E → R est
une norme si et seulement si :
1 ∀x ∈ E , ∀λ ∈ R, ||λx || = |λ|||x ||.
2 ∀x , y ∈ E ||x || ≥ 0.
3 ||x + y || ≤ ||x || + ||y || ∀x , y ∈ E .
4 ∀x ∈ E ||x || = 0 ⇔ x = 0.
Exemples
La valeur absolue est une norme sur l’espace vectoriel E = R.
On peut définir une norme sur tout espace vectoriel euclidien
sur Rn muni d’un produit scalaire (E , <, >)
n
!1
√ X 2
||x || < x , x > = xi2
i=1
Espaces de Lebesgue
Fonction convexe
Soit E un espace vectoriel. On dit que f est convexe lorsque
∀x , y ∈ E , ∀t ∈ [0, 1] f (tx + (1 − t)y ) ≤ tf (x ) + (1 − t)f (y )

Espaces de Lebesgue
Notion de mesure–Intégrale par rapport à une mesure
Définition : Tribu
Soit E un ensemble. On appelle tribu sur E , un ensemble B de
parties de E vérifiant
l’ensemble vide est dans B
B est stable par complémentaire (ie :∀A ∈ B, Ac ∈ B)
B est stable par union dénombrable :
(c-à-d : si ∀n ∈ N An ∈ B alors ∪n∈N An ∈ B).
L’espace (E , B) est appelé espace mesurable.
Espaces de Lebesgue
Exemples
1 L’ensemble (B = {∅, E }) est une tribu sur E . (tribu triviale)
2 On pose A = P(E ) où P(E ) représente l’ensemble de toutes
les parties de E . P(E ) est une tribu sur E .
3 Soit l’ensemble E = {0, 1, 5, 9} alors B = {∅, E , {0}, {1, 5, 9}}
est une tribu sur E (c’est la plus petite tribu contenant {0}).
Espaces de Lebesgue
Mesure
Soit un ensemble non vide de Rn et soit
µ : (E , B) → [0, +∞]
A 7→ µ(A)
On dit que µ est une mesure sur E si

µ(∅) = 0.
Pour toute suite d’ensembles (An )n∈N∗ disjoints deux à deux
( ie : An ∩ Am = ∅ , ∀n ̸= m) on a
X
n∈N∗
S
µ( An ) = µ(An )
n∈N∗
On dira alors que (E , µ) est un espace mesuré.
Espaces de Lebesgue
Exemples
La mesure de Probabilité
p : P(E ) → [0, 1]
A 7→ p(A)
La mesure de Comptage
(
Nombres d’élèments de A si A est fini
ν(A) =
+∞ sinon
La mesure de Lebesgue
µ : P(R) → [0, +∞]
[a, b] 7→ µ([a, b]) = b − a

Pour chaque intervalle, la mesure de Lebesgue est la longueur
d’intervalle.
Espaces de Lebesgue
Par convention, on a
µ([a, b]) = µ([a, b[) = µ(]a, b[) = b − a
µ([0, +∞[) = +∞ µ(R) = +∞
si A =]a1 , b1 [×]a2 , b2 [ alors µ(A) = (b1 − a1 ) × (b2 − a2 )
Propriété
Si A ⊂ B avec A et B deux ensemble de R n alors
µ(A) ≤ µ(B)
Espaces de Lebesgue
Fonction mesurable
Définition
Soient (E , B) et (E ′ , B ′ ) deux espaces mesurables, une application
f : E → E ′ est dite mesurable si
∀A ∈ B ′ f −1 (A) ∈ B
Exemples
Toutes les fonctions constantes de E à valeur R sont
mesurables. En effet si f (x ) = c ∀x ∈ E alors f −1 (R) = E
comme E appartient toujours à la tribu de l’ensemble de
départ alors f est mesurable.
Toutes les fonctions continues et continues par morceaux sur
E sont mesurables.
Espaces de Lebesgue
De manière générale, et par raison de simplicité du cours nous

allons travailler avec des fonctions qui sont mesurables.
Dans le cas où on veut montrer qu’une fonction est mesurable

on peut vérifier si elle est continue ou continue par morceaux.
Dans tout ce qui suit, nous travaillerons avec la mesure de

Lebesgue qui est une mesure qui étend le concept intuitif de
volume dans Rn .
Espaces de Lebesgue
Ensemble négligeable-Propriété vraie presque partout
Ensemble négligeable
Définition
Soit A ⊂ Rn , si µ(A) = 0, on dira que A est un ensemble
négligeable par rapport à la mesure µ.
Exemples
- L’ensemble vide ∅ est un ensemble négligeable car on a par
définition µ(∅) = 0.
- Tous les singletons sont négligeables par rapport à la mesure de
Lebesgue. En effet, considérons le singleton {x } avec x ∈ R.
Espaces de Lebesgue
On introduit alors l’intervalle Ak =]x − k1 , x + k1 [ Nous avons
{x } ⊂ Ak
donc
µ({x }) ≤ µ(Ak )
1 1 2
0 ≤ µ(Ak ) = x +
−x + =
k k k
en faisant tendre k → +∞, on trouve : µ({x }) = 0.
Espaces de Lebesgue
Proposition
Soit A un ensemble dénombrable, alors µ(A) = 0
Preuve
Puisque A est dénombrable alors on peut écrire A sous forme de
[
A= {xi }
i∈N
donc X
µ(A) ≤ µ({xi }) = 0
i∈N
donc µ(A) = 0
Espaces de Lebesgue
Conséquence
Les ensembles N, Z sont de mesure nulle.
L’ensemble Q est aussi de mesure nulle.
On revient à l’exemple de la fonction de dirichlet sur [0, 1],
0 si x ∈ Q ∩ [0, 1]
(
f (x ) =
1 si x ∈ R \ Q ∩ [0, 1]
Z 1
f (x )dµ = 0 × µ(Q ∩ [0, 1]) + 1 × µ(R \ Q ∩ [0, 1])
0
et puisque Q ∩ [0, 1] est dénombrable alors µ(Q ∩ [0, 1]) = 0
Espaces de Lebesgue
calculons µ(R \ Q ∩ [0, 1]) ?

on a
[0, 1] = (R \ Q ∩ [0, 1]) ∪ (Q ∩ [0, 1])
donc
µ([0, 1]) = µ(R \ Q ∩ [0, 1]) + µ(Q ∩ [0, 1])
1 = µ([0, 1]) = µ(R \ Q ∩ [0, 1]) + µ(Q ∩ [0, 1])

| {z }
=0
donc finalement, µ(R \ Q ∩ [0, 1]) = 1 et par suite

Z 1
f (x )dx = 1
0
Espaces de Lebesgue
Mesure d’un ensemble borné
Proposition
Soit B ⊂ Rn un ensemble borné alors nous avons µ(B) < +∞
Preuve
Comme B est borné alors ∃M > 0 tel que
B ⊂] − M, M[n
alors
µ(B) ≤ µ(] − M, M[n ) = (2M)n < +∞
CQFD.
Espaces de Lebesgue
Propriété vraie presque partout
Définition
Soit (E , µ) un espace mesuré et A ⊂ E , on dira qu’une propriété
est vraie presque partout sur l’ensemble A si l’ensemble des
x ∈ A sur lequel la propriété n’a pas lieu est négligeable (c-à-d de
mesure nulle).
Autrement dit,
P est vraie presque partout ⇔ L’ensemble sur lequel P est fausse
est de mesure nulle
Espaces de Lebesgue
Exemples
Soit f : R → R la fonction définie par
R \ {1, 3}

 0 sur

f (x ) = 2 si x =1

 1 si x =3
On dira alors que f est nulle presque partout. (car l’ensemble

sur lequel f (x ) ̸= 0 est négligeable
la fonction partie entière E (x ) est continue presque partout
sur R, car elle présente des discontinuités uniquement pour les
entiers relatifs (en effet Z est négligeable pour la mesure de
Lebesgue).
Espaces de Lebesgue
Dans ce qui suit, on définira l’intégrale par rapport à une mesure

ou tout simplement Intégrale de Lebesgue.
On adoptera la notation
0 × +∞ = 0
et
R̄ = [−∞, +∞]
Espaces de Lebesgue
Intégrale de Lebesgue
Espace des fonctions intégrables : L1 (E )
Définition
Soit E un sous ensemble de Rn . On dit que f est intégrable au
sens de Lebesgue sur E si et seulement si
Z
|f |dµ < +∞
E
On notera L1 (E ) l’espace des fonctions intégrables sur E .
Exemples :
1
-La fonction f (x ) = ∈ L1 ([1, +∞[).
x2
-La fonction f (x ) = e −x ∈ L1 (R+ )
Espaces de Lebesgue
Remarques
Nous avons par définition
Z
µ(A) = 1dµ
A
pour toute constante c ∈ R on a

Z
cdµ = cµ(A)
A
Toute fonction constante non nulle est intégrable sur A si et

seulement si µ(A) < +∞.
Espaces de Lebesgue
Relation de Chasles
Soient A1 et A2 deux ensembles tels que A1 ∩ A2 = ∅ et
f : A1 ∪ A2 → R alors on a
Z Z Z
fdµ = fdµ + fdµ
A1 ∪A2 A1 A2
Proposition
si f est une fonction continue alors l’intégrale de Riemann et
Lebesgue coïncident.
Espaces de Lebesgue
Exercice
Montrer que l’espace L1 (Rn ) est un espace vectoriel.
Espaces de Lebesgue
Partie positive et partie négative d’une fonction
Soit f : E → R une fonction sur un espace mesuré (E , µ). alors on

peut toujours écrire f sous forme de f = f + − f − avec
(
+ f (x ) si f (x ) ≥ 0
f (x ) =
0 sinon.
(
0 si f (x ) ≥ 0
f − (x ) =
−f (x ) sinon.
ou tout simplement f + = max(f , 0) et f − = max(−f , 0).

Espaces de Lebesgue
Partie positive et partie négative d’une fonction
Propriétés
On peut vérifier facilement que
f = f + − f −.
|f | = f + + f − .
Une
Z fonction
Z f est intégrable
Z sur E si f + et f − le sont et on a
fdµ = f + dµ − f − dµ.
E E E
Espaces de Lebesgue
Théorème de convergence monotone

Soit (E , µ) un espace mesuré et fn une suite croissante de
fonctions positives sur E . Alors
Z Z
lim fn dµ = fdµ
n→+∞ E E
Exemple
Soit n ∈ N∗ , Calculer
Z 1
1
lim x n dx
n→+∞ 0
Espaces de Lebesgue
1
Posons fn (x ) = x n , nous avons fn ≥ 0 ∀n ∈ N∗ . Nous avons fn est
1 1
continue et croissante sur ]0, 1[, en effet, x n = e n ln(x ) .
Soit n ∈ N∗ alors
1 1
n ≤n+1⇒ ≤
n+1 n
Comme x ∈]0, 1[ alors
ln(x ) ln(x ) 1 1
ln(x ) ≤ 0 ⇒ ≤ ⇒ e n ln(x ) ≤ e n+1 ln(x ) ⇒ fn ≤ fn+1
n n+1
1
D’autre part, lim fn (x ) = lim e n ln(x ) = 1. En utilisant le
n→+∞ n→+∞
Théorème de convergence monotone on a
Z 1 Z 1 Z 1
1
lim x dx =
n lim fn (x )dx = dx = 1.
n→+∞ 0 0 n→+∞ 0
Espaces de Lebesgue
Lemme de Fatou
Lemme de Fatou
Soit (E , µ) un espace mesuré. Soit fn une suite de fonctions
positives fn : E → [0, +∞], alors nous avons
Z Z
lim inf fn dµ ≤ lim inf fn dµ
Espaces de Lebesgue
Théorème de convergence dominée de Lebesgue

Soit (X , µ) un espace mesuré et Soit (fn )n∈N une suite d’élements
de L1 (X ) telle que
• fn → f presque partout.
• ∃g ∈ L1 telle que |fn | ≤ g ∀n ∈ N.
Z
Alors fn → f dans L1 (c-à-d : |fn − f |dµ → 0 )
R R X n→+∞
et on a X fn dµ → X fdµ
Espaces de Lebesgue
Preuve
|fn | ≤ g ∈ L1 ⇒ |fn | ∈ L1 ⇒ fn ∈ L1
on a fn → f presque partout , c-à-d il existe un ensemble E ⊂ X
de mesure nulle tel que fn (x ) ↛ f (x )
Soit x ∈ X \E alors on a
|f | = | lim fn | = lim |fn | ≤ g ∈ L1

n→+∞ n→+∞
On pose Φn = 2g − |fn − f |, on a Φn ≥ 0 , en effet,
|fn − f | = |fn + (−f )| ≤ |fn | + | − f | ≤ g + g ≤ 2g
En utilisant le Lemme de Fatou

Z Z
lim inf Φn ≤ lim inf Φn
X n→+∞ n→+∞ X
Espaces de Lebesgue
lim Φn = lim 2g − |fn − f | = 2g = lim inf Φn

n→+∞ n→+∞ n→+∞
et donc Z Z
2gdµ ≤ lim inf 2g − |fn − f |dµ
X n→+∞ X
Z Z
≤ 2gdµ + lim inf − |fn − f |dµ
X n→+∞ X
Par suite
Z Z
lim inf − |fn − f |dµ ≥ 0 ⇒ − lim sup |fn − f |dµ ≥ 0
n→+∞ X n→+∞ X
Z
cela implique que lim sup |fn − f |dµ ≤ 0 et par suite
n→+∞ X
Z
lim |fn − f |dµ = 0
n→+∞ X
Espaces de Lebesgue
Exercice d’application
En utilisant le Théorème de convergence dominée de Lebesgue
calculer les limites suivantes
nx sin(x )e −x
Z +∞
1 − lim dx
n→+∞ 0 1 + n2 x 2
Z 1
1 1
2 − lim √ sin( ).
n→+∞ 0 x nx
Espaces de Lebesgue
Réponse
nx sin(x )e −x
1- Posons fn (x ) = ,
1 + n2 x 2
Nous allons majorer fn indépendamment de n on a
nx ≤ 1 + n2 x 2 car (1 − nx )2 + nx ≥ 0 ⇒ 1 + n2 x 2 − nx ≥ 0
et donc |fn (x )| ≤ e −x ∈ L1 ([0, +∞[) (C1)

d’autre part on a
nx sin(x )e −x
lim =0 (C 2)
n→+∞ 1 + n2 x 2
donc d’après (C1) et (C2) le Théorème de convergence dominée

nous donne
nx sin(x )e −x nx sin(x )e −x
Z +∞ Z +∞
lim dx = lim dx =
n→+∞ 0 1 + n2 x 2 0 n→+∞ 1 + n2 x 2
Z +∞
0dx = 0.
0
Espaces de Lebesgue
Réponse
1 1
2- Posons gn (x ) = √ sin( ),
x nx

1 1 1
Nous avons |gn (x )| =
√ sin( ) ≤ √ ∈ L1 (]0, 1[)
x nx x
1 1
et ∀x ∈]0, 1[, lim √ sin( ) = 0
n→+∞ x nx
Donc d’après le théorème de convergence dominée
Z 1 Z 1 Z 1
1 1 1 1
lim √ sin( )dx = lim √ sin( )dx = 0dx = 0
n→+∞ 0 x nx 0 n→+∞ x nx 0
Espaces de Lebesgue
Fonctions définies par des intégrales
Soit (E , µ) un espace mesuré et I un intervalle quelconque de R et
f :I ×E →R
(t, x ) 7→ f (t, x )
Considérons maintenant la fonction de I à valeur dans R définie

par l’intégrale Z
t→ f (t, x )dx
E
Les théorèmes suivants concernent la continuité et la dérivabilité
de la fonction ainsi définie.
Espaces de Lebesgue
Théorème de continuité sous le signe intégrale

Continuité sous signe intégrale
Si la fonction f (t, x ) est telle que
1 ∀t ∈ I la fonction x 7→ f (t, x ) est mesurable.
2 la fonction t 7→ f (t, x ) est continue au point t0 pour presque
tout x ∈ E .
3 il existe g ∈ L1 (E ) telle que |f (t, x )| ≤ g(x ) ∀t ∈ I et pour
presque tout x ∈ E .
alors Zla fonction x 7→ f (t, x ) est intégrable sur E et la fonction
t→ f (t, x )dx est continue au point t0 i.e
E
Z Z
lim f (t, x )dx = f (t0 , x )dx
t→t0 E E
Espaces de Lebesgue
Théorème de Dérivation sous le signe intégrale

Dérivation sous signe intégrale
Si la fonction f (t, x ) est telle que
1 la fonction x 7→ f (t, x ) est intégrable ∀t ∈ I .
2 la fonction t 7→ f (t, x ) est dérivable sur I pour presque tout
x ∈ E.
1
∂
3 il existe g ∈ L (E ) telle que f (t, x ) ≤ g(x ) ∀t ∈ I et

∂t
pour presque tout x ∈ E .
alors la Zfonction x 7→ f (t, x ) est intégrable sur E et la fonction
F (t) = f (t, x )dx est dérivable sur I et nous avons
E
∂
Z
F ′ (t) = f (t, x )dx
E ∂t
Espaces de Lebesgue
Exercice d’application
Montrer que la fonction
Z +∞ −x 2 t
e
t → F (t) = dx
0 1 + x2
est dérivable sur ]0, +∞[ et calculer F ′ (t)
Espaces de Lebesgue
Réponse
Pour montrer que F est dérivable sur ]0, +∞[ on va montrer que
F est dérivable sur ]α, +∞[ ∀α > 0
La fonction x → f (t, x ) est mesurable et intégrable sur ]0, +∞[ car
1
|f (t, x )| ≤ ∈ L1 (]0, +∞[)
1 + x2
Z +∞
1 π
en effet, dx = [arctan(x )]+∞
0 =
0 1 + x2 2
∂f −x 2 −x 2 t ∂f
et on a (t, x ) = 2
e ⇒ (t, x ) existe ∀x ∈]0, +∞[
∂t 1+x ∂t
donc ∀t ∈]α, +∞[ on a

∂f
2
(t, x ) = x 2
e −x t

∂t 2
x +1
Espaces de Lebesgue
x2 2 2
comme ≤ 1 et e −x t ≤ e −x α ∈ L1 (]0, +∞[)
xZ2 + 1
+∞ 2α
en effet e −x est une intégrale de gauss qui vaut
Z +∞ 0 r
1 π
2α
e −x =
0 2 α
D’après le théorème de dérivation sous signe intégrale on a
F est dérivable sur ]α, +∞[ ∀α > 0 et
−x 2
Z +∞ Z +∞
∂f 2
F ′ (t) = (t, x )dx = e −x t dx
0 ∂t 0 x2 + 1
Espaces de Lebesgue
Théorème de Fubini
Théorème
Soit f : R2 → R une fonction mesurable et E × F un ensemble
mesurable sur R2 alors on a
si f est positive sur E × F alors
Z Z Z Z Z
f (x , y )dxdy = f (x , y )dy dx = f (x , y )dx dy (1)
E ×F E F F E
si f ∈ L1 (E × F ) alors l’égalité (1) reste vraie.
Remarque
/ L1 , il peut arriver que l’une des deux expressions ait un sens
Si f ∈
sans que l’autre en ait un. Il peut même arriver que chacune ait un
sens mais que les valeurs soient distinctes.
Espaces de Lebesgue
Exemple
Posons A = B = [0, 1] et considérons la fonction
[0, 1] × [0, 1] → R
x2 − y2
(x , y ) 7→ 2
(x + y 2 )2
!
x2 − y2
Z 1 Z 1
π
1-Montrer que 2 2 2
dy dx = .
0 0 (x + y ) 4
2-En échangeant les roles
! de x et y calculer
x2 − y2
Z 1 Z 1
2 2 2
dx dy . Que peut-on déduire ?
0 0 (x + y )
Espaces de Lebesgue
Réponse
1-En intégrant d’abord par rapport y
1
x2 − y2
Z 1
y 1

2 2 2
dy = 2 =
0 (x + y ) x + y2 0 1 + x2
puis Z 1
1 π
2
dx = [arctan(x )]10 =
0 1 + x 4
2-En échangeant les rôles de x et y
!
x2 − y2
Z 1 Z 1
π
2 2 2
dx dy = −
0 0 (x + y ) 4
ce qui nous permet de déduire que

Z x2 − y2
dxdy = +∞

2 2 2
[0,1]2 (x + y )
Espaces de Lebesgue
Fonction indicatrice
Définition
La fonction indicatrice, est une fonction définie sur un ensemble E
qui explicite l’appartenance ou non d’un sous ensemble F ⊂ E , elle
est donnée comme suit
1F : E → {0, 1}
(
1 si x ∈ F
x 7→ 1F (x ) =
0 si x ∈
/F
Espaces de Lebesgue
Exemple de fonction indicatrice sur R
Traçons f (x ) = 1[0,1] (x ), l’indicatrice de l’intervalle [0, 1]. Son

graphe est représenté sur la figure :
Figure – Graphe de l’indicatrice [0, 1].

Espaces de Lebesgue
Les espaces Lp , 1 ≤ p ≤ +∞
Les espaces Lp , 1 ≤ p < +∞
Définition
Soit p un réel tel que 1 ≤ p < +∞, on définit l’ensemble
Z
L (R ) = f : R → R,
p n n p
|f (x )| dµ < +∞
Rn
On munit l’espace Lp (Rn ) de la norme

Z 1
p
||f ||p = |f |p dµ
Rn
Espaces de Lebesgue
Espace des fonctions essentiellement bornées L∞
Espace L∞
f : Rn → R est dite essentiellement bornée et on note f ∈ L∞ (Rn )
s’il existe c > 0 tel que |f | < c presque partout et on pose
||f ||∞ = inf{c ∈ R+ |f | < c p.p.}

Espaces de Lebesgue
Convergence dominée dans les espaces Lp
Théorème de convergence dominée de Lebesgue

Soit (E , µ) un espace mesuré et 1 ≤ p ≤ +∞. Soit (fn )n∈N une
suite d’élements de Lp (E ) telle que
• fn → f presque partout.
• ∃g ∈ Lp telle que fn ≤ g ∀n ∈ N.
Z
Alors fn → f dans Lp (c-à-d : |f n − f |p dµ → 0)
E n→+∞
Espaces de Lebesgue
Exposant conjugué
Définition
Soit p ∈ [1, +∞], on appelle conjugué de p noté q le réel qui vérifie
1 1
+ =1
p q
p
Autrement dit, q = est le nombre conjugué de p.
p−1
Exemples
si on pose p = 1 le conjugué de p est +∞.
Le conjugué de p = +∞ est 1.
3 1 2
Le réel est le conjugué de 3 car + = 1.
2 3 3
1 1
Le conjuguée de 2 est 2 (car + = 1)
2 2
Espaces de Lebesgue
Inégalité de Hölder
Inégalité de Hölder
1 1
∀f ∈ Lp (Rn ), ∀g ∈ Lq (Rn ) tel que + = 1 alors fg est
p q
intégrable (fg ∈ L1 (Rn )) et nous avons en plus
||fg||1 ≤ ||f ||p ||g||q (1)
Pour faire la preuve de l’inégalité de Hölder on aura besoin du

résultat suivant :
1 1
Soient p, q ∈]1, +∞[ tels que + = 1 ( p et q sont conjugués).
p q
Alors on a
1 1
∀a, b ≥ 0 ab ≤ ap + b q (Inégalité de Young)
p q
Espaces de Lebesgue
Preuve
si p = +∞ le résultat est trivial (q = 1).
si p = 1 alors q = +∞ le résultat est trivial.
supposons désormais ne pas être dans ces cas particuliers (et donc
p ∈]1, +∞[ et q ∈]1, +∞[). L’inégalité de Young donne
|f (x )|p |g(x )|q

|f (x )||g(x )| ≤ +
p q
donc
1 1
Z Z Z
p
|f (x )||g(x )| ≤ |f (x )| dx + |g(x )|q dx
p q
1 1
c-à-d : ||fg||L1 ≤ ||f ||Lp + ||g||qLq (2)
p q
Par suite fg ∈ L1 .
Espaces de Lebesgue
On distingue alors 3 cas :

1er cas
si ||f ||Lp = 0 ou ||g||Lq = 0 alors f = 0 p.p. ou g = 0 p.p. , donc
||fg||L1 = 0, et par suite l’inégalité (1) est vérifiée.
2ème cas
On suppose que ||f ||Lp = 1 et ||g||Lq = 1 alors d’après (2) on a
1 1
||fg||L1 ≤ + = 1 = ||f ||Lp ||g||Lq
p q
3ème cas
On suppose que ||f ||Lp > 0 et ||g||Lq > 0, on pose alors
f g
f1 = et g1 =
||f ||p ||g||q
Espaces de Lebesgue
De sorte que ||f1 ||p = 1 et ||g1 ||q = 1 donc

R
|fg|dµ
Z
|f1 g1 |dµ =
||f ||p ||g||q
c’est-à-dire
||fg||L1
||f1 g1 ||L1 =
||f ||p ||g||q
or d’après le 2ème cas on a||f1 g1 ||L1 ≤ 1. Donc
||fg||L1
≤1
||f ||p ||g||q
Par suite ||fg||L1 ≤ ||f ||p ||g||q CQFD.

Espaces de Lebesgue
Théorème de Riesz-Fischer (Admis)

L’espace Lp (Rn ) muni de la norme
Z 1
p
p
||.||p = |f | dµ
Rn
est un espace de Banach (c-à-d espace vectoriel normé et complet
pour la norme ||.||p ).
Espaces de Lebesgue
Inclusions des espaces Lp
Proposition
Soit E ⊂ Rn une partie bornée de Rn , et soit p,q tels que
1 ≤ q ≤ p ≤ +∞. Alors on a
L∞ (E ) ⊂ Lp (E ) ⊂ Lq (E ) ⊂ L1 (E ).
et nous avons l’inégalité
||f ||q ≤ c||f ||p
avec c > 0 une constante positive.

Espaces de Lebesgue
Inclusions des espaces Lp
Preuve
Le cas L∞ ⊂ L1 (c-à-d p ou q égale à +∞) est évident.
Supposons désormais que 1 < q < p < +∞. Soit f ∈ Lp (E ), il
s’agit de montrer à f ∈ Lq (E ), et pour ce faire, on va majorer
Z
|f |q dx
E
On fait apparaitre 1 dans l’intégrale et on applique l’inégalité de

Hölder
Z Z 1 Z 1
p1 p2
q q p1 p2
|f | .1dx ≤ (|f | ) dx × (1) dx
E E
| E {z }
quantité fini quandµ(E )<∞
Espaces de Lebesgue
1 1
en choisissant des exposants conjugués + = 1. afin que
p1 p2
l’exposant de |f | soit justement égale à p ce qui impose le choix
p 1 q
unique p1 = d’où =1− .
q p2 p
L’inégalité obtenue devient alors
Z q
q p p 1− pq
(||f ||Lq ) ≤ |f | µ(E )
E
q
1− pq

≤ ||f ||Lp µ(E )
<∞
et par suite f ∈ Lq (E )
Espaces de Lebesgue
Support d’une fonction
Définition
Soit f : Rn → R une fonction, on appelle support de f l’ensemble
en dehors duquel f est nulle presque partout, il est noté par
supp(f).
supp(f ) := {x ∈ Rn ; f (x ) ̸= 0}.
C’est donc une partie fermé de Rn .
Lorsque supp(f) est compact, on dira que f est à support
compact.
Espaces de Lebesgue
fonctions à support compact

Exemples
Toutes les fonctions indicatrices sur les intervalles bornés sont
à support compact. Et on a
(
1 si a ≤ x ≤ b
supp(1[a,b] ) = [a, b] =
0 sinon
( 1
considérons la fonction f (x ) = e x 2 −1 si − 1 < x < 1

0 sinon
on a supp(f ) = [−1, 1].

Espaces de Lebesgue
Espace des fonctions C ∞ à support compact

Définition
Une fonction C ∞ à support compact (également appelée fonction
test) est une fonction infiniment dérivable dont le support est
compact.
Si Ω est un ouvert non vide de Rn , l’espace des fonctions C ∞ de Ω
à valeurs dans R à support compact est noté C0∞ ou Cc∞ , ou D(Ω).
Exemples
Soit Ω = Rn , la fonction

exp − 1
1−∥x ∥2
si ∥x ∥ < 1
x 7→
0 sinon
est C ∞ et son support est la boule fermée B(0, 1) et qui est

compact pour la norme euclidienne.
Espaces de Lebesgue
Propriétés
Nous avons
supp(f × g) ⊂ supp(f ) ∩ supp(g).
supp(f + g) ⊂ supp(f ) ∪ supp(g).
Preuve En exercice
Espaces de Lebesgue
Exercice
Considérons l’espace
C0 (R) = {fonctions continues sur R à support compact}
montrer que C0 est un espace vectoriel.

Espaces de Lebesgue
Corrigé Soient f , g ∈ C0 (R), et λ ∈ R, alors f + g et λf sont

continues sur R.
D’autre part on peut vérifier aisément que supp(λf ) est compact,
en effet (
supp(f ) si λ ̸= 0
supp(λf ) =
0 si λ = 0
Pour f + g, on sait que
supp(f + g) ⊂ supp(f ) ∪ supp(g)
cela peut être démontré facilement comme suit

soit x0 ∈ supp(f + g) alors (f + g)(x0 ) ̸= 0
c-à-d f (x0 ) ̸= 0 ou g(x0 ) ̸= 0
Espaces de Lebesgue
( on a utilisé la contraposé de (a = 0 et b = 0)⇒ a + b = 0).

par suite x ∈ supp(f ) ∪ supp(g), ce qui permet de conclure que
supp(f + g) ⊂ supp(f ) ∪ supp(g)
comme la réunion de deux compact est compact, et en plus

supp(f + g) est fermé alors supp(f + g) est compact
⇒ C0 (R) est un espace vectoriel.
Espaces de Lebesgue
Densité dans les espaces Lp
Théorème (admis)
Soit l’espace C0∞ l’ensemble des fonction C ∞ à support compact.
nous avons
C0∞ (Rn ) = Lp (Rn ) ∀1 ≤ p < +∞
Autrement dit, l’espace C0∞ (Rn ) est dense dans Lp (Rn ) pour tout
1 ≤ p < +∞.
Espaces de Lebesgue
Produit de convolution
Définition
on définit par f ⋆ g la produit de convolution de f et g
Z
(f ⋆ g)(x ) = f (y )g(x − y )dy
Rn
La fonction ainsi obtenue est appelée produit de convolution de f
et g
Espaces de Lebesgue
Produit de convolution : Exemple intuitif

On souhaite calculer la quantité de fumée dans l’air lors d’un feu
d’artifices qui va durer 5 min. Pour cela on aura besoin de deux
fonctions
Une fonction F (t) qui désigne la quantité de fumée dans
l’air
Une fonction N(t) qui représente le nombre de feux d’artifice
qui ont été lancé au cours des 5 min.
Espaces de Lebesgue
Supposons que F (t) est une fonction à décroissance exponentielle

(La quantité de fumée est maximale à t = 0).
Supposons que à t = 0 on a lancé 5 feux d’artifices donc la

quantité de fumé à t = 0 est
N(0) × F (0) = 5 × F (0)
Espaces de Lebesgue
à t = 1min nous avons lancé 7 autres feux d’artifices donc la

quantité de fumé cumulée est
7 × F (0) + 5 × F (1)
Espaces de Lebesgue

7 × F (0) + 5 × F (1) = N(1) × F (0) + N(0) × F (1)

4×F (0)+7×F (1)+5×F (2) = N(2)×F (0)+N(1)×F (1)+N(0)×F (2)
de la même manière on peut étendre cela à t = 5min

5
X
N ⋆F = N(i)F (5 − i)
i=0
ou de manière générale
Z
(N ⋆ F )(t) = N(τ )F (t − τ )dτ
Espaces de Lebesgue
Champs d’applications
Traitement de signal et analyse de fourier.
Restauration et traitement d’images.
Intelligence artificielle et deep learning (réseaux de neurones
convolutifs CNN).
Chimie (cristallographie), probabilité...
Espaces de Lebesgue
Exemple : Convolution de la fonction porte par elle même

Espaces de Lebesgue
Calculons le produit de convolution 1]− 1 , 1 [ ⋆ 1]− 1 , 1 [

2 2 2 2
Nous avons
Z
1]− 1 , 1 [ ⋆ 1]− 1 , 1 [ (x ) = 1]− 1 , 1 [ (y )1]− 1 , 1 [ (x − y )dy
2 2 2 2 R 2 2 2 2
Z 1
2
= 1]− 1 , 1 [ (x − y )dy
− 21 2 2
1 1
x − y ∈] − 12 , 21 [ ⇔ − < x − y <
2 2
1 1
⇔x− <y <x+
2 2
donc Z 1 Z
2
1]− 1 , 1 [ (x − y )dy = dy
− 12 2 2 ]− 12 , 12 [∩]x − 21 ,x + 12 [
Espaces de Lebesgue
Z
Calculons dy . 3 cas sont possibles
]− 12 , 12 [∩]x − 12 ,x + 21 [
1er cas : si 0 ≤ x ≤ 1
donc ] − 12 , 12 [∩]x − 21 , x + 12 [=[x − 12 , 21 ] et par suite

Z 1
1 1
Z
2
dy = dy = − x + = 1 − x
]− 12 , 21 [∩]x − 12 ,x + 12 [ x − 21 2 2
Espaces de Lebesgue
2ème cas : si −1 ≤ x ≤ 0
donc ] − 12 , 12 [∩]x − 21 , x + 12 [=[− 12 , x + 12 ] et par suite

Z x+ 1
1 1
Z
2
dy = dy = x + + = x + 1
]− 21 , 21 [∩]x − 12 ,x + 12 [ − 12 2 2
Espaces de Lebesgue
3ème cas : si x ∈
/ [−1, 1]
donc ] − 12 , 12 [∩]x − 21 , x + 12 [=∅ et par suite

Z
dy = µ(∅) = 0
]− 12 , 21 [∩]x − 12 ,x + 12 [
Espaces de Lebesgue
Résumé

 1−x
 si x ∈ [0, 1]
1]− 1 , 1 [ ⋆ 1]− 1 , 1 [ (x ) = 1+x si x ∈ [−1, 0]
2 2 2 2 
 0 sinon
Espaces de Lebesgue
Proposition
Soient f , g ∈ L1 (Rn ), alors f ⋆ g est dans L1 (Rn ), et nous avons en
plus
||f ⋆ g||L1 (Rn ) ≤ ||f ||L1 (Rn ) ||g||L1 (Rn )
Espaces de Lebesgue
Preuve
Soient f , g ∈ L1 (Rn ). Montrons que f ⋆ g ∈ L1 (Rn ),
Z Z Z

|(f ⋆ g)(x )|dx = f (y )g(x − y )dy dx
R
R R
En utilisant Fubini
Z Z Z
|(f ⋆ g)(x )|dx ≤ |f (y )| |g(x − y )|dx dy
R R R
on pose u = x − y
Z Z Z
|(f ⋆ g)(x )|dx ≤ |f (y )| |g(u)|du dy
R R R
Z comme Z Z
|g(u)|du = c < ∞ ⇒ |(f ⋆ g)(x )|dx ≤ c |f (y )|dy < ∞
R R R
Espaces de Lebesgue
L’inégalité
Z Z Z
|(f ⋆ g)(x )|dx ≤ |g(y )| |f (u)du dy
R R R
peut se traduire comme suit
||f ⋆ g||1 ≤ ||f ||1 ||g||1

Espaces de Lebesgue
Propriété
Le produit de convolution est commutatif, en effet,
f ⋆g =g ⋆f ∀f , g ∈ L1
Preuve :
Z
(f ⋆ g)(x ) = f (y )g(x − y )dy
R
Posons u = x − y alors du = −dy donc
Z −∞ Z +∞
−f (x − u)g(u)du = f (x − u)g(u)du = (g ⋆ f )(x )
+∞ −∞
Espaces de Lebesgue
Ce qu’il faut retenir :
1 Théorèmes de continuité et de dérivation sous signe intégrale

/ Théorème de Fubini.
2 Les espaces de Lebesgue Lp .
3 L’inégalité de Hölder
||fg||1 ≤ ||f ||p ||g||q ∀f ∈ Lp , g ∈ Lq
4 Le support d’une fonction

5 L’espace D(Ω) des fonctions C ∞ à support compact
6 Le produit de convolution (pour f et g ∈ L1 )
Z
(f ⋆ g)(x ) = f (y )g(x − y )dy
Rn

Chapitre 1 Intégrale de Lebesgue - Removed

Transféré par

Informations du document

Titre original

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

Chapitre 1 Intégrale de Lebesgue - Removed

Transféré par

Droits d'auteur :

Formats disponibles

Espaces de Lebesgue

Ecole Hassania Des Travaux Publics

2 Notion de Mesure-Intégrale par rapport à une mesure

3 Ensemble négligeable-Propriété vraie presque partout

5 Fonctions définies par des intégrales

Les inconvénients de l’intégrale de Riemann

Par la méthode de Riemann

Intégrale au sens de Lebesgue

"I have to pay a certain sum, which I have collected in my pocket.

Quelques rappels et notations

Dans ce qui suit, n est un entier naturel non nul (n ∈ N∗ ) et Rn est

∀x , y ∈ E , ∀t ∈ [0, 1] f (tx + (1 − t)y ) ≤ tf (x ) + (1 − t)f (y )

Notion de mesure–Intégrale par rapport à une mesure

On dit que µ est une mesure sur E si

µ : P(R) → [0, +∞]

[a, b] 7→ µ([a, b]) = b − a

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

µ([0, +∞[) = +∞ µ(R) = +∞

si A =]a1 , b1 [×]a2 , b2 [ alors µ(A) = (b1 − a1 ) × (b2 − a2 )

De manière générale, et par raison de simplicité du cours nous

Dans le cas où on veut montrer qu’une fonction est mesurable

Dans tout ce qui suit, nous travaillerons avec la mesure de

On introduit alors l’intervalle Ak =]x − k1 , x + k1 [ Nous avons

calculons µ(R \ Q ∩ [0, 1]) ?

1 = µ([0, 1]) = µ(R \ Q ∩ [0, 1]) + µ(Q ∩ [0, 1])

donc finalement, µ(R \ Q ∩ [0, 1]) = 1 et par suite

Mesure d’un ensemble borné

Propriété vraie presque partout

On dira alors que f est nulle presque partout. (car l’ensemble

Dans ce qui suit, on définira l’intégrale par rapport à une mesure

Espace des fonctions intégrables : L1 (E )

On notera L1 (E ) l’espace des fonctions intégrables sur E .

pour toute constante c ∈ R on a

Toute fonction constante non nulle est intégrable sur A si et

Partie positive et partie négative d’une fonction

Soit f : E → R une fonction sur un espace mesuré (E , µ). alors on

ou tout simplement f + = max(f , 0) et f − = max(−f , 0).

Partie positive et partie négative d’une fonction

Théorème de convergence monotone

Théorème de convergence dominée de Lebesgue

|f | = | lim fn | = lim |fn | ≤ g ∈ L1

On pose Φn = 2g − |fn − f |, on a Φn ≥ 0 , en effet,

|fn − f | = |fn + (−f )| ≤ |fn | + | − f | ≤ g + g ≤ 2g

En utilisant le Lemme de Fatou

lim Φn = lim 2g − |fn − f | = 2g = lim inf Φn

et donc |fn (x )| ≤ e −x ∈ L1 ([0, +∞[) (C1)

donc d’après (C1) et (C2) le Théorème de convergence dominée

Fonctions définies par des intégrales

Soit (E , µ) un espace mesuré et I un intervalle quelconque de R et

Considérons maintenant la fonction de I à valeur dans R définie

Théorème de continuité sous le signe intégrale

Théorème de Dérivation sous le signe intégrale

si f ∈ L1 (E × F ) alors l’égalité (1) reste vraie.

ce qui nous permet de déduire que

Exemple de fonction indicatrice sur R

Traçons f (x ) = 1[0,1] (x ), l’indicatrice de l’intervalle [0, 1]. Son

Figure – Graphe de l’indicatrice [0, 1].

Les espaces Lp , 1 ≤ p < +∞

On munit l’espace Lp (Rn ) de la norme

Espace des fonctions essentiellement bornées L∞

||f ||∞ = inf{c ∈ R+ |f | < c p.p.}

Convergence dominée dans les espaces Lp

Théorème de convergence dominée de Lebesgue