Corriges TD

Séance I : Topologie des espaces métriques et espaces vectoriels normés
NB1: Au début de chaque séance, l’encadré de la partie A) contient la liste des savoirs et compétences
minimaux pour valider le cours.
NB2: Les questions précédées du symbole ∗ ou ∗∗ sont facultatives et demandent une compréhension et/ou
des techniques qui vont au-delà de ce qui est exigé pour valider l’examen. Elles peuvent être passées et le cas
échéant, admises pour répondre au reste de l’exercice.
A) Objectifs de la séance
A la fin de cette séance,
• dans un espace vectoriel normé, ou plus généralement dans un espace métrique, je suis capable
de définir les ouverts, les fermés, l’adhérence d’un ensemble, et la propriété de compacité d’un
ensemble;
• je sais formaliser la notion de convergence et étudier la convergence d’une suite et la continuité

d’une fonction;
• je suis capable de déterminer la limite supérieure (limite inférieure) d’une suite et d’une fonction;
• je sais ce qu’est une suite de Cauchy et la complétude d’un espace vectoriel normé, et plus
généralement d’un espace métrique;
• je suis capable de prouver qu’une fonction est une norme d’un espace vectoriel ou une distance
sur un ensemble;
• je suis capable de déterminer les boules d’une distance donnée, comprendre les démonstrations
par inclusions réciproques et les équivalences de normes.
1
CS 1A - CIP 2022-2023
B) Pour se familiariser avec les concepts (à traiter avant les séances de TD)
Les questions I.1 et I.2 sont à traiter avant la première séance de TD. Les corrigés sont disponibles
sur internet.
La topologie est une branche des mathématiques essentielle au développement de l’analyse mod-
erne. Il est donc intéressant d’en connaître quelques principes, même si les axiomes et les aspects
fondamentaux de cette discipline ne seront pas évalués en CIP.
Question I.1 (Questions de topologie dans R)

Q. I.1.1 Soit X = R et T la topologie usuelle sur X. Parmi les ensembles suivants, lesquels sont
ouverts?
1. ]0; 4[
2. ] − ∞; 4]
3. ] − ∞; 0[∪]2; 4[
4. {0}
Q. I.1.2 Pour x = ( x1 , x2 ) dans R2, on définit
1. N1 ( x ) = | x1 |
2. N2 ( x ) = | x1 | + | x2 |
3. N3 ( x ) = | x1 | + | x2 |2
4. N4 ( x ) = | x1 | + | x2 | + 1
5. N5 ( x ) = x1 + x2
Parmi ces fonctions, dire celles qui sont des normes.
Question I.2 (Complétude dans R)

Q. I.2.1 Montrer que la suite (un )n∈N∗ définie par un = 1
n est une suite de Cauchy dans R.
Séance 1 2
CS 1A - CIP 2022-2023
C) Exercices
R
Exercice I.1 (Métriques et limites de n )
Les questions sont indépendantes les unes des autres.
E. I.1.1 R R
Soit d E la distance euclidienne dans d . Pour a ∈ d , on définit l’application Na : x 7→
R R
d E ( a, x ) définie pour tout x ∈ d . Pour quel(s) a l’application Na est-elle une norme sur d ?
E. I.1.2 On définit l’application d : ×R R → R telle que d(x, y) = |e−x − e−y |, pour tous (x, y) ∈
R2 . Montrer que d est une distance sur .R
E. I.1.3 Soit (un )n∈N ∈ RN. Vérifier les propriétés suivantes:
(i ) lim sup un < l ⇒ ∃n ∈ N tel que ∀k ≥ n, uk < l
n→+∞
(ii ) ∃n ∈ N tel que ∀k ≥ n, uk < l ⇒ lim sup un ≤ l
n→+∞
(iii ) lim sup un > l ⇒ ∀n ∈ N, ∃k ≥ n tel que uk > l
n→+∞
(iv) ∀n ∈ N, ∃k ≥ n tel que uk > l ⇒ lim sup un ≥ l.
n→+∞
Écrire les propriétés correspondantes pour la lim inf.
Exercice I.2 (Un peu de topologie sur n )R

Les questions sont indépendantes les unes des autres.
E. I.2.1 R
Pour tous x, y ∈ 2 , on définit
(
k x − yk si x, y et 0 sont alignés
δ( x, y) =
k x k + kyk sinon.
(a) Montrer que δ est une distance (parfois appelée distance SNCF, pourquoi?).
(b) Décrire géométriquement les boules ouvertes.
(c) Montrer que toute boule ouverte pour la topologie usuelle peut s’écrire comme une réunion de
boules ouvertes pour la topologie de δ. La réciproque est-elle vraie? On dit que la topologie de δ
est plus fine que la topologie usuelle.
*E. I.2.2 R
Dans n , on note B( x, r ) la boule euclidienne de centre x et de rayon r > 0. On définit la
collection d’ensembles suivante:
Rn : ∀x ∈ O, ∃r > 0 tel que B(x, r) ⊂ O} .
O = {O ⊂
Montrer que O est une topologie sur Rn (il s’agit de la topologie usuelle de Rn ).
La complétude est une propriété très utile car les espaces complets possèdent de nombreuses pro-
priétés intéressantes : critère de Cauchy, absolue convergence, convergence normale, théorèmes de
point fixe, théorème de prolongement, projection. . .
Séance 1 3
CS 1A - CIP 2022-2023
Exercice I.3 (Complétude et quelques applications)
E. I.3.1 Prélude (exemple simple d’espace non-complet): on considère la distance d sur définie à R
la question E.I.1.2. Montrer que la suite des entiers naturels (i.e. un = n, ∀n ∈ ) est de Cauchy pour N
R
cette distance. L’espace métrique ( , d) est-il complet?
Soit E un espace vectoriel normé complet.
*E. I.3.2 Démontrer que toute série de fonctions à valeurs dans E qui converge normalement con-
verge uniformément.
*E. I.3.3 Démontrer que l’ensemble des fonctions continues de [ a, b] dans E est complet pour la
norme infinie.
E. I.3.4 En déduire la continuité sur R de
+∞
sin(nx )
x 7→ ∑ n2
.
n =1
Exercice I.4 (Espace des fonctions continues)

On considère C l’espace vectoriel des fonctions continues de [0, 1] dans R, ainsi que les trois normes
suivantes: pour f ∈ C ,
Z 1 Z 1
21
2
k f k∞ = sup | f ( x )|, k f k1 = | f ( x )|dx, k f k2 = | f ( x )| dx .
x ∈[0,1] 0 0
E. I.4.1 Comparer ces trois normes.

E. I.4.2 Soit E0 = { f ∈ C : f (0) = 0}. Déterminer l’adhérence de E0 pour chacune des normes
proposées.
*E. I.4.3 Soit E1 = { f ∈ C : f est dérivable} et EP = { f ∈ C : f est polynomiale sur [0, 1]}.
Déterminer l’intérieur de E1 et EP pour k · k∞ .
D) Approfondissement
Exercice I.5 (Exemples de topologie)
E. I.5.1 Soit X = { a, b, c}. Parmi les ensembles suivants, lesquels sont des topologies?
1. {∅, { a, b, c}}
2. {∅, { a}, {b}, {c}, { a, b}, { a, c}, {b, c}, { a, b, c}}
3. {∅, { a, b}, {b, c}, { a, b, c}}
4. {∅, { a}, {c}, { a, c}, { a, b, c}}
Séance 1 4
CS 1A - CIP 2022-2023
E. I.5.2 Soit X = {1, 2, 3, 4, 5} et T = {∅, {1, 2}, {5}, {1, 2, 5}, {1, 2, 3, 4}, X } une topologie sur X.
3+(−1)n
Soit (un )n∈N une suite définie par un = 2 .
1. La suite (un )n∈N converge-t-elle vers 1?

Exercice I.6 (Topologie)

Les deux questions sont indépendantes.
*E. I.6.1 Soient X et Y deux espaces topologiques et f une fonction de X vers Y.
(a) Montrer que si f est continue alors pour tout ensemble A ⊂ X, f ( A) ⊂ f ( A). On pourra vérifier
puis utiliser la caractérisation de la continuité par les fermés: f est continue sssi pour tout F
fermé de Y, f −1 ( F ) est un fermé de X.
On souhaite démontrer la réciproque. Dans toute la suite on suppose donc que pour tout ensemble
A ⊂ X, f ( A) ⊂ f ( A).

(b) En supposant que l’ensemble f −1 f ( A) n’est pas fermé, montrer qu’on aboutit à une contra-
diction.

(c) Soit B un fermé de Y. Montrer qu’il existe un A ⊂ X tel que f ( A) ⊂ B et f −1 ( B) = f −1 f ( A) .
En déduire la continuité de f .
E. I.6.2 Soit ( X, d) un espace métrique. Soit F ⊂ X un fermé non-vide. Pour tout x ∈ X, on note
d( x, F ) = infy∈ F d( x, y).
(a) On souhaite étudier la continuité de x 7→ d( x, F ). Quelles sont les topologies utilisées sur les
espaces de départ et d’arrivée?
(b) Montrer que x 7→ d( x, F ) est une application continue et que d( x, F ) = 0 ⇔ x ∈ F.
Exercice I.7 (De l’intérêt deslim sup et lim inf)

n
Soit a > 0 et Sn = ∑nk=1 a+
n
k
. On cherche à calculer limn→+∞ Sn .
E. I.7.1 Remarquer que pour tous n ≥ 1 et x > −n, (1 + nx )n ≤ e x . Montrer que lim supn→+∞ Sn ≤
e a +1
e −1 .
E. I.7.2 N
Montrer maintenant que pour tout k ∈ fixé et pour tout n > k, Sn ≥ ∑kj=0 (1 +
a− j n
n ) . En
déduire une inégalité sur lim infn→+∞ Sn et conclure.
Exercice I.8 (Compacité)

Les questions sont indépendantes.
E. I.8.1 Soient ( X, O) et ( X 0 , O 0 ) deux espaces topologiques séparés, et f : X → X 0 continue.
Séance 1 5
CS 1A - CIP 2022-2023
(a) L’image réciproque d’un compact par f est-elle compacte?

(b) L’image directe d’un compact par f est-elle compacte?
E. I.8.2 Soit ( X, O) un espace topologique séparé. Soit K un compact de X et x ∈ X \ K. Montrer
qu’il existe deux ouverts U, U 0 de X tels que K ⊂ U, { x } ⊂ U 0 et U ∩ U 0 = ∅. [Indication: par séparation,
on pourra considérer pour tout k ∈ K des ouverts Uk et Vk tels que k ∈ Uk , x ∈ Vk et Uk ∩ Vk = ∅.]
Etendre au cas où K et K 0 sont deux compacts disjoints.
E. I.8.3 Soit ( X, d) un espace métrique. Démontrer le théorème des compacts emboîtés: si (Kn )n∈N
est une suite décroissante de compacts non vides de X, alors ∩n∈N Kn 6= ∅. Montrer que tout ouvert
qui contient ∩n∈N Kn contient tous les Kn à partir d’un certain rang.
Exercice I.9 (Complétude et quelques applications (suite))

Soit E un espace de Banach.
**E. I.9.1 Démontrer le théorème de prolongement des applications uniformément continues définies
sur un domaine dense et à valeurs dans un espace vectoriel normé complet.
*E. I.9.2 On note F l’ensemble des suites de [0, 1].
(a) Montrer que
+∞
| xn − yn |
d( x, y) = ∑ 2n
n =0
est une distance sur F.
(b) Montrer que F muni de d est complet.
Exercice I.10 (Point fixe de Picard)

N
Soient d ∈ ∗ , T > 0 et une fonction f : Rd → Rd tels que f est Lipschitz continue de constante de
Lipschitz `, i.e.
∀ x, y ∈ Rd , k f ( x ) − f (y)k ≤ `k x − yk.
R
Soit y0 ∈ d .
On définit l’application
Rd ), k · k ∞ Rd ), k · k ∞

F : C([0, T ], → C([0, T ],
ϕ 7→ F ( ϕ)
avec
Z t
∀t ∈ [0, T ], F ( ϕ)(t) = y0 + f ( ϕ(s)) ds.
0
E. I.10.1 On suppose dans cette question que T = 1 et ` < 1. Montrer que F est une contraction et
en déduire que la suite de fonctions ( ϕk )k∈N définies par
0
y si k = 0
ϕk (t) = Rt
y0 + 0 f ( ϕk−1 (s)) ds si k ≥ 1,
Séance 1 6
CS 1A - CIP 2022-2023
converge uniformément vers une fonction y qui vérifie

Z t
∀t ∈ [0, T ], y ( t ) = y0 + f (y(s))ds.
0
Il s’agit de la suite de Picard.
E. I.10.2 On ne suppose plus que T = 1 et ` < 1. Montrer qu’il existe n ∈ N∗ tel que Fn = F ◦ · · · ◦ F
est une contraction.
E. I.10.3 En déduire que la suite de fonctions (ψk )k∈N definies par
0
y si k = 0
ψk (t) = n
F (ψk−1 )(t) si k ≥ 1,
converge uniformément vers une fonction y qui vérifie
Z t
∀t ∈ [0, T ], y ( t ) = y0 + f (y(s))ds.
0
*E. I.10.4 Soient désormais d ∈ N∗ , T > 0 et une fonction f : [0, T] × Rd → Rd tels que
R
∀ x ∈ d , t 7→ f (t, x ) est continue en t
∀t ∈ [0, T ], x 7→ f (t, x ) est Lipschitz continue, c’est-à-dire que:
∀t ∈ [0, T ], ∃`(t) > 0 tel que ∀ x, y ∈ Rd , | f (t, x) − f (t, y)| ≤ `(t) |x − y|.
Soient t0 ∈ [0, T ] et y0 ∈ Rd . On définit la suite de fonctions ( ϕk )k∈N par
(
y0 si k = 0
ϕk (t) = 0
Rt
y + t0 f (s, ϕk−1 (s)) ds si k ≥ 1.
Montrer que ( ϕk )k∈N converge uniformément vers une fonction y qui vérifie
Z t
∀t ∈ [0, T ], y ( t ) = y0 + f (s, y(s))ds.
t0
Exercice I.11 (Point fixe ou non?)

Soit ( E, k · k) un EVN, K un compact de E et f : K → K une fonction continue. On suppose que f
vérifie, pour tous x 6= y ∈ K,
k f ( x ) − f (y)k < k x − yk.
*E. I.11.1 Montrer que f admet un unique point fixe (on pourra utiliser ici la fonction x 7→ k x − f ( x )k
plutôt que la procédure itérative vue en cours). Que se passe-t-il si on suppose K uniquement fermé?
Exercice I.12 (Théorème du graphe fermé, version compacte)

Soient ( X, d) un espace métrique et ( X 0 , d0 ) un espace métrique compact. On munit X × X 0 de la
topologie produit, c’est-à-dire la topologie la moins fine qui rend continue les projections sur chacune
des deux coordonnées (en particulier, une suite ( xn , yn ) ∈ X × X 0 converge sssi ( xn ) et (yn ) conver-
gent). Soit f : X → X 0 , dont le graphe est le sous-ensemble de X × X 0 donné par G f = {( x, f ( x )), x ∈
X }.
Séance 1 7
CS 1A - CIP 2022-2023
E. I.12.1 Montrer que si f est continue, alors G f est fermé dans X × X 0 .

E. I.12.2 Réciproquement, supposons que G f est fermé. Montrer alors que f est continue.
Séance 1 8
CS 1A - CIP Correction 2022-2023
Séance 1 : Eléments de correction des exercices
Solution de Q. I.1.1
1. Oui;
2. Non, il n’existe pas d’e > 0 tel que ]4 − e; 4 + e[ soit inclus dans ] − ∞; 4];
3. Oui;
4. Non, il n’existe pas d’e > 0 tel que (−e; +e) soit inclus dans {0}.
Solution de Q. I.1.2
1. N1 n’est pas une norme car le point x = (0, 1) vérifie N1 ( x ) = 0 et pourtant x 6= 0.

2. N2 est bien une norme (vérifiez les différents points de la définition).
3. N3 n’est pas une norme car ni l’inégalité triangulaire, ni l’homogénéité ne sont vérifiés.
4. N4 n’est pas une norme car le point x = (0, 0) vérifie N1 ( x ) 6= 0.
5. N5 n’est pas une norme car elle n’est pas à valeurs dans + .R
Solution de Q. I.2.1 Fixons e > 0. Alors pour N un entier supérieur ou égal à 2e , on a que
1 1
∀n, m ≥ N, |un − um | ≤ un + um ≤ + ≤e
N N
(plus généralement, on remarque que toute suite qui converge est une suite de Cauchy).
Solution de E. I.1.3 On vérifie seulement la première assertion, les autres s’obtenant de la même
façon.
lim sup un < l ⇒ ∃n ∈ N, sup uk < l

n→+∞ k≥n
⇒ ∃n ∈ N, ∀k ≥ n, uk < l.
Attention cependant aux implications dans le sens inverse, qui ne préservent pas les inégalités strictes.
Solution de E. I.2.1
(a) La symétrie et la séparabilité de δ sont évidentes. Pour vérifier l’inégalité triangulaire, soient
R
x, y, z ∈ 2 . Plusieurs cas sont à envisager selon que: i) les trois points sont alignés avec 0; ii)
deux des trois points sont alignés avec 0, ou iii) aucun couple de points n’est aligné avec 0:
(i) dans ce cas on utilise l’inégalité triangulaire de la norme euclidienne, δ( x, y) = k x − yk ≤

k x − zk + kz − yk = δ( x, z) + δ(z, y).
Séance 1 9
(ii) sans perte de généralité, supposons que x, y et 0 sont alignés (tout autre alignement de
deux points avec 0 est donc impossible, par hypothèse). Alors δ( x, y) = k x − yk ≤ k x −
zk + kz − yk ≤ k x k + kzk + kzk + kyk = δ( x, z) + δ(z, y). De plus, δ( x, z) = k x k + kzk =
k x − y + yk + kzk ≤ k x − yk + kyk + kzk = δ( x, y) + δ(y, z) et le cas de δ(y, z) est identique.
(iii) Enfin, ce dernier cas est symétrique en x, y et z. On choisit donc arbitrairement de traiter
δ( x, y). On trouve δ( x, y) = k x k + kyk ≤ k x k + kzk + kzk + kyk = δ( x, z) + δ(z, y). Donc δ
est bien une distance.
R
(b) Soit x ∈ 2 et r > 0 et on note Bδ ( x, r ) la boule de centre x et de rayon r pour la topologie de δ.
Cette boule prend deux formes distinctes selon que k x k ≥ r ou k x k < r.
(i) Si k x k ≥ r, alors la boule est “plate”: elle est constituée des points alignés avec 0 et x sur un
segment ouvert de longueur 2r centré en x.
(ii) Si k x k < r, la boule est l’union de la boule euclidienne de rayon r − k x k et du segment
ouvert de longueur 2r centré en x.
(c) On note B( x, r ) la boule euclidienne. Si y ∈ B( x, r ) \ {0}, alors pour e > 0 suffisamment petit,
Bδ (y, e) est un segment inclus dans B( x, r ). Si y = 0, Bδ (y, e) = B(0, e), il suffit donc de choisir e
suffisamment petit pour que Bδ (y, e) ⊂ B( x, r ). Ainsi B( x, r ) est un ouvert de la topologie de δ.
Si O est un ouvert quelconque de la topologie euclidienne, il est réunion de boules euclidiennes
(ouvertes pour δ comme nous venons de le voir), et il est donc lui-même ouvert pour δ.
La réciproque est fausse: prenons par exemple Bδ ((0, 1), 1). Il s’agit de l’ensemble {(0, y) : 0 <
y < 2} qui ne contient aucune boule euclidienne. Donc il ne peut s’agir d’un ouvert de la
topologie euclidienne.
R
Solution de E. I.2.2 On vérifie que ∅ et n appartiennent à O , puis qu’une réunion quelconque
d’éléments de O est encore dans O . Il reste à vérifier la stabilité de O par intersection finie: soit p ∈ ∗
p p
N
et O1 , . . . , O p ∈ O . Soit ∩k=1 Ok = ∅, auquel cas la propriété est vérifiée, soit il existe x ∈ ∩k=1 Ok .
Pour chacun des Ok , il existe rk > 0 tel que B( x, rk ) ⊂ Ok . Ainsi, r = min{r1 , . . . , r p } est tel que
p p
B( x, r ) ⊂ ∩k=1 Ok . Ainsi ∩k=1 Ok ∈ O , ce qui achève de prouver le résultat.
Solution de E. I.3.2 Soit une série de fonctions ( f n )n∈N d’un ensemble X vers ( E, k · k E ) qui con-
verge normalement. On note k f n k∞ = supx∈X k f n ( x )k E . La convergence normale de cette série sig-
nifie la convergence de la série ∑ k f n k∞ c’est-à-dire la convergence de la suite des sommes partielles
∑in=0 k f i k∞ , lorsque n → ∞.
La convergence de cette suite entraîne qu’elle est une suite de Cauchy. Ainsi :
n
∀e > 0, ∃ N > 0 : n > p > N ⇒ ∑ k f i k∞ < e.
i = p +1
On note Fn = ∑in=0 f i pour tout n ∈ N. En appliquant l’inégalité triangulaire, on obtient :

∀e > 0, ∃ N > 0 : n > p > N ⇒ k Fn − Fp k∞ < e. (I.1)
Séance 1 10
Ainsi la suite ( Fn )n∈N est une suite de Cauchy de l’espace des fonctions bornées muni de la norme
infinie (la convergence normale implique que les f i et donc les Fn sont bornées).
On peut ici utiliser que l’espace des fonctions bornées est complet pour la norme infinie (exercice
classique) et conclure. À la place, construisons explicitement cette limite (ce qui revient partiellement
à démontrer la complétude des fonctions bornées). Pour tout x ∈ X, on a que
∀e > 0, ∃ N > 0 : n > p > N ⇒ k Fn ( x ) − Fp ( x )k E < e,
par la propriété (I.1). E étant complet, notons F ( x ) ∈ E la limite de Fn ( x ). En prenant la limite p → +∞

dans (I.1), on en déduit
∀e > 0, ∃ N > 0 : n > N ⇒ k Fn − F k∞ < e,
qui n’est autre que la convergence uniforme de la série.
Solution de E. I.3.3 Notons C l’ensemble des fonctions continues sur [ a, b]. Soit ( f n ) une suite de
Cauchy de C . Comme toute fonction de C est bornée, ( f n )n∈N est une suite de Cauchy dans l’espace
des fonctions bornées. Elle est donc convergente vers une fonction bornée que l’on notera f .
Il reste à démontrer que f est continue en tout point. Soit x0 dans [ a, b]. Par inégalité triangulaire,
on peut écrire que pour tout x :
k f ( x0 ) − f ( x )k E ≤ k f ( x0 ) − f n ( x0 )k E + k f n ( x0 ) − f n ( x )k E + k f n ( x ) − f ( x )k E .
Par convergence uniforme de la suite ( f n ) on a :
∀e > 0, ∃ N > 0 : n > N ⇒ k f n − f k∞ < e/3
Fixons n = N + 1. Par continuité de f n en x0 :
∀e > 0, ∃α > 0 : | x − x0 | < α ⇒ k f n ( x ) − f n ( x0 )k E < e/3.
On a donc prouvé que :
∀e > 0, ∃α > 0 : | x − x0 | < α ⇒ k f ( x ) − f ( x0 )k E < e
ce qui prouve la continuité de f .

Remarque : il faut bien fixer n avant α et pas dans l’ordre inverse.
Solution de E. I.3.4 Dans cet exemple, une simple majoration montre que la suite ( f n )n∈N converge
normalement. D’après la question 1), elle converge donc uniformément. Ce qui signife que la suite
des sommes partielle ( Fn )n∈N converge uniformément. Comme c’est une suite de l’espace C , qui est
complet pour la norme considérée, on en déduit que cette suite converge vers une fonction continue.
La somme de la série étant la limite de la suite des sommes partielles, on a prouvé la continuité de
cette somme.
R
Remarque : on a prouvé la continuité sur tout segment [ a, b] de , ce qui implique la continuité sur
R entier.
Solution de E. I.4.1 On a
Séance 1 11
R1
• k f k1 ≤ 0
k f k∞ dx = k f k∞ et de même, k f k2 ≤ k f k∞ ;
R 12 R 12
1 1
• k f k1 ≤ 0
dx 0
| f ( x )|2 dx
= k f k2 par l’inégalité de Cauchy-Schwarz (attention, l’implication
R1
k f k2 < ∞ ⇒ k f k1 < ∞ n’est vraie que parce qu’ici, 0 dx < ∞. Elle n’est plus valable sur + ou , R R
par exemple);
• en revanche, on ne peut pas dominer k · k∞ par k · k1 : par exemple la suite de fonctions f n ( x ) =

e−nx vérifie k f n k∞ = 1 pour tout n, et k f n k1 = n1 (1 − e−n ) → 0;
• de même, on trouve facilement une suite ( f n )n∈N telle que k f n k2 = 1 pour tout n, alors que
k f n k1 → 0.
Solution de E. I.4.2 Avant de répondre à la question, rappelons les caractérisations séquentielles

suivantes, valables dans les espaces métriques: Soit ( E, d) un espace métrique et F un sous-ensemble de
E, alors
• F est fermé dans E sssi toute suite d’éléments de F qui converge (dans E) a pour limite un élément
de F;
• F est dense dans E sssi tout élément de E est limite d’une suite d’éléments de F.
Soit ( f n )n∈N une suite de E0 qui converge dans C muni de la norme k · k∞ . Alors | f n (0) − f (0)| ≤
k f n − f k∞ → 0. Donc f (0) = 0 et E0 est fermé dans (C , k · k∞ ).
Montrons maintenant que E0 est dense dans (C , k · k1 ) (idem avec k · k2 ). Soit f ∈ C et f n la fonction
égale à f sur [ n1 , 1] et qui vaut nx f ( n1 ) pour x ∈ [0, n1 ]. On voit bien que f n ∈ E0 , et
1 1
2k f k ∞
Z Z
n n
k f n − f k1 = | f ( x ) − f n ( x )|dx ≤ 2k f k∞ dx = ,
0 0 n
donc k f n − f k1 → 0. Ainsi la fermeture de E0 dans (C , k · k1 ) est C tout entier.
Solution de E. I.4.3 Il est plus simple de raisonner avec les points adhérents à C \ E1 , en effet
int( E1 ) = E1 \ {C \ E1 }. Montrons que C \ E1 ⊃ E1 , ce qui entraînera que l’intérieur de E1 est vide.
Soit f ∈ E1 . On va construire une suite ( f n ) de fonctions non-dérivables approchant f uniformément,
en perturbant f par une fonction non-dérivable de plus en plus petite. Un exemple simple consiste à
choisir la fonction valeur absolue, ce qui donne par exemple f n ( x ) = f ( x ) + n1 | x − 12 |. On voit facile-
ment que f n est non-dérivable et que k f n − f k∞ → 0. Ainsi, C \ E1 ⊃ E1 .
Concernant EP , il suffit de remarquer que EP ⊂ E1 .
1. Oui, c’est la topologie triviale;

2. Oui, c’est la topologie discrète;
Séance 1 12
3. Non, car l’intersection de { a, b} et {b, c} est {b}, qui n’est pas dans T;
4. Oui.
Solution de E. I.5.2 Les propositions 1, 2, 3 et 4 sont vraies, la 5 est fausse.

1. un converge vers 1, puisque les voisinages de 1 contiennent {1, 2}, {1, 2, 5}, {1, 2, 3, 4} ou {1, 2, 3, 4, 5}.
Donc pour tout voisinage de 1, un appartient à ce voisinage pour tout n ≥ 0.
2. un converge vers 2.
3. un converge vers 3, puisque les voisinages de 3 contiennent {1, 2, 3, 4} ou {1, 2, 3, 4, 5}.
4. un converge vers 4 pour la même raison.
5. un ne converge pas vers 5 car il n’existe pas de n tel que un appartienne à {5}, alors que {5} est
un voisinage de 5.
(a) On rappelle que A est l’adhérence de A, définie comme le plus petit fermé contenant A.
Ainsi, f −1 ( f ( A)) est fermé par continuité de f . Puisque f −1 ( f ( A)) contient A, il contient égale-
ment le plus petit fermé contenant A, c’est-à-dire A. Par conséquent, f ( A) ⊂ f ( A).

(b) Si f −1 ( f ( A)) n’est pas fermé, alors il existe x ∈ f −1 ( f ( A)) \ f −1 ( f ( A)). Ainsi f ( x ) ∈ f f −1 ( f ( A)) ,

or par hypothèse sur f , f f −1 ( f ( A)) ⊂ f ( A). Ceci est en contradiction avec la définition de x.
(c) Soit B un fermé de Y. On peut vérifier que l’ensemble A = f −1 ( B) est tel que f ( A) ⊂ B et
f −1 ( B) = f −1 ( f ( A)).
Ainsi d’après la question précédente, f −1 ( B) = f −1 ( f ( A)) est fermé, ce qui prouve la continuité
de f .
R
(a) L’application x 7→ d( x, F ) va d’un espace métrique X dans . En l’absence de précisions sup-
R
plémentaires, on considère en général que la topologie sur est la topologie usuelle (cf Exercice
1) et la topologie sur un espace métrique est la topologie construite à partir des boules de la dis-
tance d. Plus précisément, un sous-ensemble de X est un ouvert sssi il est une union de boules
de d (on dit alors que l’ensemble des boules de d forme une base de la topologie de X).
(b) Soient x, y ∈ X et soit e > 0. Par définition de l’inf, il existe x̃, ỹ ∈ F tels que d( x, x̃ ) ≤ d( x, F ) + e
et d(y, ỹ) ≤ d(y, F ) + e. Ainsi,
d( x, F ) ≤ d( x, ỹ) ≤ d( x, y) + d(y, ỹ) ≤ d( x, y) + d(y, F ) + e,
et de même, d(y, F ) ≤ d( x, y) + d( x, F ) + e. Ces inégalités étant vraies pour tout e > 0, on en

déduit l’inégalité suivante:
|d( x, F ) − d(y, F )| ≤ d( x, y),
Séance 1 13
et ainsi la continuité de l’application x 7→ d( x, F ).

Montrons désormais que d( x, F ) = 0 ⇔ x ∈ F. L’implication réciproque est immédiate. Soit
donc x ∈ X tel que d( x, F ) = 0. Par définition de d( x, F ), il existe une suite ( xn )n∈N ∈ FN telle
que d( x, xn ) → d( x, F ). Puisque d( x, F ) = 0, ceci signifie donc que xn → x. Or F est fermé, donc
la limite de ( xn )n∈N est dans F. Donc x ∈ F.
Solution de E. I.7.1 On a
n −1 n n −1 ∞
a−j e a +1
Sn = ∑ 1+
n
≤ ∑ e a− j < ∑ e a− j = e − 1 ,
j =0 j =0 j =0
e a +1
et donc lim sup Sn ≤ .
n→∞ e−1
n
a− j
Solution de E. I.7.2 On obtient comme à la question précédente que Sn = ∑nj=−01 1 + n et donc
pour k < n,
k n
a−j

Sn ≥ ∑ 1+
n
.
j =0
En faisant tendre n vers l’infini, on obtient

k
lim inf Sn ≥
n→∞
∑ e a− j
j =0
et cette inégalité est vraie pour tout k. On peut donc maintenant faire tendre k vers l’infini pour
obtenir
e a +1
lim sup Sn = lim inf Sn = .
n→∞ n→∞ e−1
e a +1
Ainsi, lim Sn existe et vaut e −1 .
n→∞
(a) Non. Prendre par exemple X non compact, et f une fonction constante égale à x0 ∈ X 0 . Alors
{ x0 } est compact et f −1 ({ x0 }) = X n’est pas compacte.
(b) Oui, on utilise pour cela la caractérisation de la compacité par Borel-Lebesgue. Soit K un com-
pact de X. Soit {O j } j∈ J un recouvrement ouvert de f (K ). Montrons qu’on peut en extraire un
recouvrement fini. f (K ) ⊂ ∪ j∈ J O j , donc
f −1 ( f (K )) ⊂ f −1 ∪ j∈ J O j ,

et donc K ⊂ ∪ j∈ J f −1 O j (vérifiez en effet que K ⊂ f −1 ( f (K )) et que f −1 ∪ j∈ J O j = ∪ j∈ J f −1 O j ).

Or f est continue, donc f −1 (O j ) est un ouvert de X, pour tout j. Ainsi on peut extraire de J une
sous-famille finie J0 telle que K ⊂ ∪ j∈ J0 f −1 O j , et par conséquent f (K ) ⊂ f (∪ j∈ J0 f −1 (O j )) ⊂

∪ j∈ J0 O j . Donc f (K ) est compact.
Séance 1 14
Solution de E. I.8.2 Remarquons pour commencer que l’exercice propose de travailler dans le cadre
d’un espace topologique général. Il n’y a donc pas de distance disponible et la seule notion de com-
pacité valable est celle au sens de Borel-Lebesgue.
Comme indiqué dans l’énoncé, on définit Uk et Vk . Ainsi ∪k∈K Uk est un recouvrement ouvert de
K. On peut donc en extraire un sous-recouvrement fini: notons k1 , . . . , k N des éléments de K tels que
K ⊂ ∪N
j=1 Uk j = : U.
De plus, prenons V = ∩ N j=1 Vk j et on remarque que U ∩ V = ∅. V étant une intersection finie d’ouverts,
c’est encore un ouvert, qui de plus contient { x }.
Pour étendre à deux compacts disjoints K et K 0 , on utilise la propriété démontrée à l’instant. Ainsi
pour tout k ∈ K, il existe deux ouverts Uk et Wk tels que k ∈ Uk , Wk ⊃ K 0 et Uk ∩ Wk = ∅. On conclut
par le même procédé que précédemment.
Solution de E. I.8.3 Il suffit de construire une suite de points qui converge: pour tout n ∈ , N
soit xn ∈ Kn . Comme K0 est compact dans un espace métrique, la propriété de Bolzano-Weierstrass
s’applique et il existe donc une sous-suite de ( xn )n∈N qui converge. Or la limite de cette sous-suite est
nécessairement dans ∩n∈N Kn , qui est donc non-vide.
Remarque: ça ne fonctionne pas si les Kn ne sont que fermés (il manque l’hypothèse de diamètre qui
tend vers 0.) Trouvez un contre-exemple.
Soit maintenant U un ouvert contenant K = ∩n∈N Kn . Raisonnons par l’absurde en supposant que
N
pour tout N ∈ , il existe n ≥ N et yn ∈ Kn \ U. Alors on peut extraire une sous-suite y ϕ(n) qui
converge. Sa limite y est nécessairement dans K, et donc dans U. Toutefois, y ϕ(n) ∈ K ϕ(n) \ U ⊂ X \ U.
Or X \ U est fermé, donc y ∈ X \ U. D’où la contradiction.
Solution de E. I.9.1 Voir page 24 de l’ouvrage Les maths en tête - Analyse, par X. Gourdon, Ed. El-
lipses.
(a) Pour tous x = ( xn )n∈N ∈ F et y = (yn )n∈N ∈ F, on a

+∞ +∞
| xn − yn | 1
d( x, y) = ∑ 2 n
≤ ∑ n
< +∞.
n =0 n =0 2
Donc la fonction d est bien définie sur F × F.
• Si d( x, y) = 0, alors | xn − yn | = 0 pour tout n ≥ 0.

En effet, d( x, y) est une somme de termes positifs (donc sa nullité implique le fait que cha-
cun des termes de la somme est nul). Donc ( xn )n∈N = (yn )n∈N , c’est-à-dire x = y.
• d est symétrique : pour tous x, y ∈ F, on a d(y, x ) = d( x, y).
Séance 1 15
• Soient x = ( xn )n∈N ∈ F, y = (yn )n∈N ∈ F et z = (zn )n∈N ∈ F.

Pour tout n ≥ 0, l’inégalité triangulaire dans implique R
| x n − z n | ≤ | x n − y n | + | y n − z n |.
On en déduit
+∞ +∞
| xn − zn | | xn − yn | +∞ | yn − zn |
∑ 2n
≤ ∑ 2n
+∑
2n
,
n =0 n =0 n =0
c’est-à-dire
d( x, z) ≤ d( x, y) + d(y, z).
Ces 3 points montrent que d définit une distance sur F.
(b) Pour montrer que F muni de la distance d est complet, on montre que toute suite de Cauchy
dans F converge dans F.
Soit ( x (k) )k∈N une suite de Cauchy dans F (pour tout k fixé, x (k) ∈ F). Par définition d’une suite
de Cauchy, on a
∀e > 0, ∃K ∈ N: p > q ≥ K ⇒ d( x ( p) , x (q) ) < e.
N
On en déduit que, pour tout n ∈ fixé, la suite xn
(k)
n∈ N est une suite de Cauchy dans [0, 1]. En
effet, l’assertion précédente implique
∀e > 0, ∃K ∈ N: p > q ≥ K ⇒ xn − xn
( p) (q)
< e.2n .
D’où, en posant e0 = e.2n ,
∀e0 > 0, ∃K ∈ N: p > q ≥ K ⇒ xn − xn

( p) (q)
< e0 .
Comme [0, 1] est complet pour la distance euclidienne de R, on en déduit qu’il existe xn∞ ∈ [0, 1]
(k)
tel que limk→∞ xn = xn∞ .
On a ainsi défini une suite x ∞ = ( xn∞ )n∈N dans [0, 1], c’est-à-dire x ∞ ∈ F. Montrons que ( x (k) )k∈N
converge vers x ∞ .
∞ (k) (k) ∞ (k)
| xn − xn∞ | N0
| xn − xn∞ | | xn − xn∞ |
d ( x (k) , x ∞ ) = ∑ 2n
= ∑ 2n
+ ∑ 2n
n =0 n =0 n= N0 +1
(k)
N0
| xn − xn∞ | 1
≤ ∑ 2 n
+ N0 ,
2
n =0
car
∞ (k) ∞ ∞
| xn − xn∞ | 1 1 1 1
∑ 2 n
≤ ∑ 2 n
≤ N +1 ∑ n
= N0 .
n= N0 +1 n= N0 +1
2 0 n =0 2 2
| {z }
=2
Séance 1 16
Soit e > 0. On choisit N0 tel que 2− N0 < e/2.

On considère K tel que
(k)
N0
| xn − xn∞ | e
∀k ≥ K, ∑ 2 n
< .
2
n =0
Il s’agit d’une somme finie de termes, qui convergent vers 0, lorsque k → ∞.

On a
∀k ≥ K, d x (k) , x ∞ < e.
Ceci montre que ( x (k) )k∈N converge vers x ∞ , puis que F est complet.
Solution de E. I.10.1 Dans tous l’exercice k f k∞ = supt∈[0,T ] | f (t)| est la norme infinie sur C([0, T ], Rd ).
R
On rappelle (voir Exercice I.3) que l’espace C([0, T ], d ), k · k∞ est complet. Soient ϕ, ψ ∈ C [0, T ],

Rd ,
alors
Z t Z t
∀t ∈ [0, 1], | F ( ϕ)(t) − F (ψ)(t)| = | ( f ( ϕ(s)) − f (ψ(s))) ds| ≤ | f ( ϕ(s)) − f (ψ(s))| ds
0 0
Z t
≤ ` | ϕ(s) − ψ(s)| ds
0
Z t
≤ `k ϕ − ψk∞ ds
0
≤ `k ϕ − ψk∞ ,
où on a utilisé successivement l’inégalité triangulaire pour l’intégrale, la Lipschitz continuité de f et la

majoration uniforme de | ϕ(s) − ψ(s)| par k ϕ − ψk∞ . Ainsi F est Lipschitz continue de constante ` < 1
(c’est donc une contraction).
Il résulte alors du théorème du point fixe que la suite ( ϕk )k∈N définie dans l’énoncé (remarquez
d

R
que ϕk+1 = F ( ϕk )) converge dans C([0, T ], ), k · k∞ (i.e. converge uniformément) et que sa limite
est un point fixe de F, d’où le résultat.
Solution de E. I.10.2 On a déjà vu à la question précédente que pour tous ϕ, ψ ∈ C([0, T ], d ) et tout R
t ∈ [0, T ], sups∈[0,t] | F ( ϕ)(s) − F (ψ)(s)| ≤ `tk ϕ − ψk∞ . Nous allons montrer par récurrence que pour
tout n ∈ , N
(`t)n
sup | F n ( ϕ)(s) − F n (ψ)(s)| ≤ k ϕ − ψk∞ (I.2)
s∈[0,t] n!
(` T )n
Il suffira donc de choisir n tel que < 1 pour que F n soit une contraction. Montrons donc que (I.2)
N
n!
est vérifié, pour tout n ∈ .
Séance 1 17
L’inégalité (I.2) est vérifiée pour n = 1. Supposons qu’elle le soit pour un certain n ≥ 1. Alors
Z t
sup | F n+1 ( ϕ)(s) − F n+1 (ψ)(s)| ≤ | f ( F n ( ϕ)(s)) − f ( F n (ψ)(s))| ds
s∈[0,t] 0
Z t
≤` | F n ( ϕ)(s) − F n (ψ)(s)| ds
0
` n +1
Z t
≤ sn ds
k ϕ − ψk∞
n! 0
(`t)n+1
= k ϕ − ψk∞ ,
( n + 1) !
which proves the induction step.
Solution de E. I.10.3 On conclut à nouveau en utilisant le Théorème du point fixe.
Solution de E. I.10.4 Définissons l’application Fe par
Fe : (C([0, T ], Rd ), k · k∞ ) → (C([0,ZT], Rd ), k · k∞ )
·
ϕ 7 → y0 + f (s, ϕ(s)) ds.
t0
On suppose ici que `(t) est une constante de Lipschitz uniforme en temps, i.e. ∀t ∈ [0, T ], `(t) ≤ `, pour
un certain ` < ∞ (vous pourrez traiter le cas général). Pour tout e > 0, notons It0 ,e = [max(0, (t0 −
R
e)), min( T, (t0 + e))] et Ct0 ,e = C( It0 ,e , d ) muni de la norme uniforme sur cet intervalle restreint.
Montrons qu’il existe ε > 0 tel que Fe restreint à Ct0 ,ε est une contraction. Pour cela, choisissons ε ∈
]0, `−1 [. Alors,
Z t
∀ ϕ, ψ ∈ Ct0 ,ε , k Tϕ − Tψk∞ = sup | f (s, ϕ(s)) − f (s, ψ(s)) ds|
t∈ It0 ,ε t0
≤ ε`k ϕ − ψk∞ .
Ainsi Fe est une contraction sur Ct0 ,ε et le Théorème du point fixe assure qu’il existe y1 ∈ Ct0 ,ε tel que
Fe(y1 ) = y1 . On étend alors la solution à [0, T ] en recollant les solutions sur des intervalles de longueur
2e et en s’assurant que la solution n’explose pas (...).
Solution de E. I.11.1 Notons d’abord que K est complet, car compact dans un espace métrique (véri-
fiez cette propriété). Ainsi le Théorème du point fixe s’applique.
On propose donc une démonstration alternative plus directe (dans un cadre plus restrictif). Consid-
érons la fonction g : x 7→ k x − f ( x )k définie sur K, comme proposée dans l’énoncé. Cette fonction est
R
définie sur un compact et à valeurs dans , donc elle admet un minimum, atteint en un point x0 ∈ K.
Alors g( f ( x0 )) = k f ( x0 ) − f ( f ( x0 ))k, or si x0 6= f ( x0 ), on devrait avoir g( f ( x0 )) < g( x0 ), ce qui
contredirait la minimalité de g( x0 ). Donc x0 = f ( x0 ). L’unicité s’obtient comme dans le cours.
Si on suppose désormais K fermé et non plus compact, un contre-exemple classique est le suivant:
Séance 1 18
R
prenons E = et f qui vaut 1 sur R− et f (x) = x + 1+1 x pour x ∈ R+ . Alors f vérifie les hypothèses
R
et f ( x ) 6= x, ∀ x ∈ .
Solution de E. I.12.1 Soit ( xn , f ( xn ))n∈N une suite de G f qui converge vers un élément noté ( x, y) ∈
X × X 0 . Montrons que y = f ( x ), ce qui prouvera bien que ( x, y = f ( x )) appartient à G f (et donc que
G f est fermé).
Par définition de la topologie produit, xn converge vers x et par continuité de f , on a donc f ( xn ) qui
converge vers f ( x ). L’unicité de la limite assure donc que y = f ( x ).
Solution de E. I.12.2 Soit x ∈ X et une suite ( xn )n∈N de X qui converge vers x. Montrons que
( f ( xn ))n∈N converge vers f ( x ).
Comme X 0 est compact, il existe une sous-suite ϕ telle que ( f ( x ϕ(n) ))n∈N converge. Or ( x ϕ(n) , f ( x ϕ(n) ))n∈N
est une suite de G f qui est fermé, donc nécessairement la limite de cette suite est ( x, f ( x )). Ainsi toute
suite extraite de ( f ( xn ))n∈N converge vers f ( x ). On utilise maintenant un résultat classique qui stipule
qu’une suite dans un compact ayant une seule valeur d’adhérence converge (démontrez ce résultat).
Séance 1 19
Séance II : Séries de Fourier et espaces de Hilbert
• je sais déterminer la série de Fourier d’une fonction continue périodique;
• je connais la caractérisation des applications linéaires continues;
• je sais reconnaître un espace de Hilbert et montrer la convergence des suites dans un tel espace
(suites de Cauchy);
• je sais exprimer un vecteur dans une base hilbertienne;
• je sais déterminer le projeté orthogonal d’un vecteur sur un convexe fermé d’un espace de
Hilbert.
1
CS 1A - CIP 2022-2023
Les questions II.1 et II.2 sont à traiter avant la séance de TD. Les corrigés sont disponibles sur
internet.
Question II.1 (Séries de Fourier)

Soient f : [0, 2π ] → C une fonction continue par morceaux. On rappelle que les coefficients de Fourier
complexes sont notés
Z 2π
1
cn ( f ) = f ( x )e−inx dx.
2π 0
Q. II.1.1 Rappeler l’identité de Parseval. Supposons que f est une fonction continue 2π-périodique.
Montrer que cn ( f ) tend vers 0 quand |n| tend vers l’infini.
Q. II.1.2 Calculer la série de Fourier de x 7→ cos(5x ).
Question II.2 (Questions diverses sur les Hilbert)
Q. II.2.1 Soit H un espace de Hilbert et F, G ⊂ H. Montrer les relations suivantes:
(a) F ⊂ G ⇒ G ⊥ ⊂ F ⊥ ;
(b) F ⊥ ∩ G ⊥ ⊂ ( F + G )⊥ ;
(c) F ⊂ F ⊥⊥ ;
(d) F + G = H ⇒ F ⊥ ∩ G ⊥ = {0};
Q. II.2.2 Soient x, x 0 ∈ H et r, r 0 > 0 tels que les boules fermées B( x, r ) et B( x 0 , r 0 ) sont égales.
Montrer que x = x 0 et r = r 0 . [Remarque: observez que cette propriété est vraie en général dans les EVN.]
Séance 2 2
CS 1A - CIP 2022-2023
C) Exercices
Exercice II.1
E. II.1.1 Calculer la série de Fourier de la fonction 2π-périodique définie sur [−π, π [ par f ( x ) =
−1[−π,0[ ( x ) + 1[0,π [ ( x ).
*E. II.1.2 [Cette question nécessite la connaissance des théorèmes de Dirichlet.] Quelle est la régularité
de f ? Que dire de la série de Fourier de cette fonction en 0? Peut-on avoir convergence normale de la
série de Fourier de f vers f sur [−π, π ]?
Exercice II.2 (Des sommes classiques)

Soit f la fonction 2π-périodique définie par f ( x ) = x2 sur [−π, π [.
E. II.2.1 (a) Calculer la série de Fourier de f .
∗(b) [Cette question nécessite la connaissance des théorèmes de Dirichlet.] Etablir le lien entre f et sa série
de Fourier.
∞
1
E. II.2.2 (a) En déduire la valeur de ∑ 4 .
n =1
n
∞
1
∗(b) [Cette question nécessite la connaissance des théorèmes de Dirichlet.] En déduire la valeur de ∑ n2
.
n =1
Exercice II.3 (Régularité et coefficients de Fourier)

R R
Soit f : → une fonction continue et 2π-périodique. On a déjà vu que cn ( f ) → 0 quand n → ∞ (le
refaire si vous n’en êtes pas convaincu). Le but de cet exercice est d’étudier plus finement le lien entre
décroissance des coefficients de Fourier et dérivabilité de f .
E. II.3.1 R
On suppose que f ∈ C k ( ), k ≥ 1. Calculer les coefficients de Fourier de f (k) .
E. II.3.2 En déduire que si f ∈ C ∞, alors cn ( f ) = o (|n|−k ) pour tout k ∈ N∗ .
*E. II.3.3 Nous allons montrer la réciproque du résultat de la question précédente. On suppose
N
donc que cn ( f ) = o (|n|−k ) pour tout k ∈ ∗ . Soit S la série de Fourier définie par S( x ) = ∑ cn ( f )einx .
n∈ Z
(a) Montrer que S ∈ C ∞ et que S est la somme d’une série trigonométrique qui converge normale-
ment.
(b) En déduire les coefficients de Fourier de S. [On pourra utiliser une interversion somme-limite sans la
justifier dans un premier temps. Après le cours 10, vous serez en mesure de justifier une telle interversion.]
Z
(c) On suppose que f et g sont continues sur [0, 2π ] et que ∀n ∈ , cn ( f ) = cn ( g). En utilisant
l’identité de Parseval, montrer que f ( x ) = g( x ) pour tout x ∈ [0, 2π ].
(d) En utilisant les résultats de (a), (b) et (c), montrer que f = S et donc que f ∈ C ∞ .
(e) Enoncer le théorème démontré dans cet exercice.
Séance 2 3
CS 1A - CIP 2022-2023
Exercice II.4
Les questions sont indépendantes.
E. II.4.1 Soit H un espace de Hilbert et ( f n )n∈N un suite de vecteurs orthogonaux. Montrer que
∑n∈N f n converge dans H sssi ∑n∈N k f n k2H converge dans . R
E. II.4.2 Soit H un espace de Hilbert et B sa boule unité fermée. Après avoir vérifié que le théorème
de projection s’applique, montrer que la projection P de H sur B vérifie P( x ) = k xxk pour tout x ∈ H \ B
et P( x ) = x pour x ∈ B.
Exercice II.5 (Espace `2 ( )) N

On note `2 ( ) l’espace des suites de carré sommable, i.e. `2 ( ) = {(un )n∈N ∈ N : ∑n∈N u2n < ∞}.
N N R
Les questions 1 à 4 de cet exercice sont indépendantes, mais se réfèrent toutes à l’espace `2 ( ). N
E. II.5.1 N
Nous allons vérifier que `2 ( ) est un espace de Hilbert.
N
(a) Montrer que `2 ( ) est un espace préhilbertien pour le produit scalaire hu, vi = ∑n∈N un vn (on
N
commencera par vérifier que cette quantité est bien définie pour u, v ∈ `2 ( )).
Montrons la complétude. Soit (u(k) )k∈N une suite de Cauchy d’éléments de `2 (N).
(b) Soit e > 0. La suite (u(k) )k∈N étant de Cauchy, il existe K > 0 tel que pour tous j, k ≥ K,
( j)
N
(k)
ku( j) − u(k) k ≤ e. Montrer que pour tout n ∈ , |un − un | ≤ e. En déduire que pour tout
N (k) (∞)
n ∈ , limk→∞ un existe. On note un cette limite.
(c) Montrer qu’il existe N ∈ N tel que ∑n≥N |u(nK) |2 ≤ e2.

(∞) 1 (∞)
(d) En déduire que pour tout M ≥ N, on a (∑ N ≤n≤ M |un |2 ) 2 ≤ 2e, où les un ont été définis à la
question (b).
(∞)
N
(e) Montrer que u(∞) = (un )n∈N ∈ `2 ( ), et en déduire que (u(k) )k∈N converge dans `2 ( ) vers N
u(∞) .
E. II.5.2 Montrer que tout espace de Hilbert séparable est isométrique et isomorphe à `2 ( ). N
*E. II.5.3 N N
Soit ϕ : ∗ → ∗ bijective. Montrer que ∑∞
n =1
ϕ(n)
n2
= ∞. [Indication: commencer par étudier
n 1 n 1
le signe de ∑k=1 k − ∑k=1 ϕ(k) , pour tout n ∈ ∗ .] N
*E. II.5.4 N
On note C = { x = ( xn )n∈N ∈ `2 ( ) : ∀n, xn ≥ 0}.
(a) Montrer que C est un convexe fermé.
(b) Déterminer la projection sur C. [Indication: on pourra commencer par deviner la projection en dimen-
sion 2, puis vérifier que l’expression trouvée fonctionne aussi en dimension infinie.]
Séance 2 4
CS 1A - CIP 2022-2023
Exercice II.6 (Théorème de Féjer)

Z
Dans tout cet exercice, on utilisera les notations suivantes: pour tout n ∈ , en est la fonction définie
par en ( x ) = einx ; S N = ∑|n|≤ N en et VN = Vect{en : |n| ≤ N }. On note également K N = N1+1 ∑nN=0 Sn
N
pour tout N ∈ , la suite des noyaux de Féjer.
R
On rappelle que pour des fonctions continues sur , 2π-périodiques, le produit de convolution est
donné par
1
Z
( f ∗ g)( x ) = f ( x − y) g(y) dy .
2π [0,2π ]
E. II.6.1 On va démontrer le théorème de Féjer. Soit f : R → R une fonction continue 2π-
périodique.
(a) Montrer que f ∗ S N est un polynôme trigonométrique (i.e. une combinaison linéaire des en )
qu’on identifiera.
(b) Si x ∈ R \ 2πZ, démontrer l’égalité suivante:
!2
1 sin( 12 ( N + 1) x )
KN (x) = .
N+1 sin( 2x )
1
R 2π
(c) Montrer que K N ≥ 0 et que 2π 0
K N ( x ) dx = 1. Déduire de la question précédente que pour
tout t ∈]0, π ], K N converge uniformément vers 0 sur ]t, 2π − t[.
∗(d) Déduire des questions précédentes que f ∗ K N converge uniformément vers f sur R.
E. II.6.2 Application du théorème précédent: Soit f une fonction continue et 2π-périodique. On
note S N ( f ) les sommes partielles de sa série de Fourier. Montrer que si f vérifie kS N ( f )k∞ ≤ 1 pour
N
tout n ∈ , alors k f k∞ ≤ 1.
Exercice II.7 (Equations différentielles par méthode de Fourier)

R
Soit f : → C une fonction 2π-périodique et dérivable telle qu’il existe un réel α ∈ R pour lequel:
∀ x ∈ R, f 0 ( x ) = f ( x + α ) .
E. II.7.1 Si f est une solution, montrer que pour tout n ∈ Z, (in − einα )cn ( f ) = 0.
E. II.7.2 En déduire pour quelle(s) valeur(s) de α on peut trouver une telle fonction f .
Exercice II.8 (Quelques questions de topologie des espaces de Hilbert)

Soit H un espace de Hilbert. Les questions sont indépendantes.
*E. II.8.1 On suppose que H est séparable, i.e. qu’il existe un sous-ensemble dénombrable dense
de H. Montrer que la boule unité fermée de H n’est pas compacte. [Indication: considérer une base
hilbertienne et calculer la distance entre deux éléments de ce système.]
*E. II.8.2 On rappelle qu’un sous-espace d’un espace vectoriel de dimension finie est fermé (le
prouver si vous n’en êtes pas convaincu). On suppose à nouveau H séparable et on considère une
N
base hilbertienne (en )n∈N de H (i.e. en particulier Vect{en , n ∈ } = H). Montrer que Vect{en , n ∈ } N
n’est pas fermé. [Indication: considérer u N = ∑nN=1 n1 en .]
N
En déduire que Vect{en , n ∈ } 6= H.
Séance 2 5
CS 1A - CIP 2022-2023
*E. II.8.3 Soit M un sous-espace de H (non nécessairement fermé). Montrer que M⊥ est fermé et
⊥
que M = M⊥ .
Séance 2 6
Solution de Q. II.1.1 f est continue sur [0, 2π ], elle y est donc en particulier bornée et de carré
R 2π
intégrable, i.e. 0 | f (t)| dt < ∞. Ainsi l’égalité de Parseval donne
2
Z 2π
1
| f ( x )|2 dx = ∑ |cn ( f )|2 .
2π 0 n∈ Z
La série étant convergente, on a cn ( f ) → 0.
e5ix +e−5ix
Solution de Q. II.1.2 On déduit facilement de l’expression: cos(5x ) = 2 que les coefficients
de Fourier de f sont tous nuls à l’exception de c5 ( f ) = c−5 ( f ) = 21 .
Solution de Q. II.2.1 On rappelle que F ⊥ = { x ∈ H : h x, yi = 0, ∀y ∈ F }.
(a) Si x ∈ G ⊥ , alors pour tout y ∈ F, h x, yi = 0 car y est aussi dans G, par hypothèse.
(b) Soit z ∈ F ⊥ ∩ G ⊥ . Alors ∀ x ∈ F, y ∈ G, hz, x + yi = hz, x i + hz, yi = 0.
(c) F ⊥⊥ = {z ∈ H : hz, yi = 0, ∀y ∈ F ⊥ }. Soit donc x ∈ F, alors pour tout y ∈ F ⊥ , h x, yi = 0, donc

x ∈ F ⊥⊥ .
(d) Soit x ∈ H. Par hypothèse, il existe x F ∈ F et xG ∈ G tels que x = x F + xG . Soit z ∈ F ⊥ ∩ G ⊥ . On

a hz, x i = hz, x F i + hz, xG i = 0.
Solution de Q. II.2.2 On raisonne par contraposée. Supposons d’abord que x = x 0 et r > r 0 . Alors
pour n’importe quel vecteur unitaire u, x + ru ∈ B( x, r ) \ B( x 0 , r 0 ). Si maintenant on suppose que
x0
x 6= x 0 (quelque soit r, r 0 , disons par exemple r ≥ r 0 ), alors on pourra vérifier que le point x + r k xx−
− x0 k
appartient à B( x, r ) mais pas à B( x 0 , r 0 ).
Solution de E. II.1.1 La fonction f est impaire, donc pour n ∈ Z \ {0},

Z 2π 2π
1 1
Z
−inx
cn ( f ) = f ( x )e dx = −i f ( x ) sin(nx )dx
2π 0 2π 0
Z 2π
1 1
Z π
= −i sin(nx )dx + i sin(nx )dx
2π 0 2π π
!
1 1 (−1)|n|
= −i − .
π n n
Séance 2 7
De plus, toujours car f est impaire, c−n ( f ) = −cn ( f ). On remarque également que c0 ( f ) = 0. Donc la
série de Fourier de f est donnée par
!
N
1 (−1)|n|
∀N ∈ ∗
N
, S N ( f )( x ) = −i
1
π n=−∑ n
−
n
einx
N,n6=0
1 N 1 (−1)n

=− ∑ − i (einx − e−inx )
π n =1 n n
2 N 1 (−1)n

π n∑
= − sin(nx ).
=1 n n
Solution de E. II.1.2 f est C1 par morceaux mais pas continue sur [0, 2π ]. Donc on ne peut lui
appliquer que le théorème de Dirichlet simple, en particulier en 0:
1
f (0− ) + f (0+ ) = 0.

lim S N ( f )( x ) =
N →+∞ 2
Il ne peut y avoir convergence normale de la série de Fourier. En effet, une série de fonctions continues
qui converge normalement a pour limite une fonction continue. Or f n’est pas continue.
Solution de E. II.2.1 La fonction f est paire, donc pour tout n ∈ Z,

Z 2π
1
cn ( f ) = f ( x ) cos(nx )dx,
2π 0
et cn ( f ) = c−n ( f ). R
1 π 2 R 2π 2 dx = π2
Pour n = 0, on trouve c0 ( f ) = 2π 0
x dx + π
( x − 2π ) 3 .
Pour n ≥ 1, on intègre par parties deux fois:
1 πZ
cn ( f ) = x2 cos(nx )dx
2π −π
1
Z π
= x2 cos(nx )dx
2π −π
π
1 2 sin( nx ) 1 sin(nx )
Z π
= x − 2x dx
2π n −π 2π −π n
cos(nx ) π

1 1 cos(nx )
Z π
= 2x − 2 dx
2π n2 −π 2π −π n2
2(−1)n
= .
n2
Ainsi, pour tout N ∈ N∗ ,
N
π2 4(−1)n
∀ x ∈ [0, 2π [, S N ( f )( x ) = +∑ cos(nx ).
3 n =1
n2
Séance 2 8
Or f est C1 par morceaux et continue, donc on peut appliquer le théorème de Dirichlet uniforme pour
conclure que
lim kS N ( f ) − f k∞ = 0.
N →+∞
Solution de E. II.2.2 On évalue S( f ) en π, ce qui donne

∞ ∞
π2 4(−1)2n π2 1
S( f )(π ) = +∑ 2
= + 4 ∑ ,
3 n =1
n 3 n =1
n2
dont on sait qu’il y a égalité avec f (π ) = π 2 . Ainsi,

∞
1 1 2 π2 π2
∑ n2 4 = ( π −
3
) =
6
.
n =1
Pour obtenir ∑∞ 1 2
n=1 n4 , on remarque que cette somme est à peu de chose près la somme des cn ( f ) .
On va donc utiliser Parseval:
Z 2π
1
| f ( x )|2 dx = ∑ c n ( f )2
2π 0 n∈ Z
π4 8
=
9
+ ∑ n4
.
n ≥1
Or
Z 2π
1 1 π
Z
| f ( x )|2 dx = | f ( x )|2 dx
2π 0 π 0
π4
= ,
5
d’où on obtient ∑∞
n =1
1
n4
= π4
90 .
Solution de E. II.3.1 On obtient cn ( f (k) ) par intégrations par parties successives. Faisons-le pour
k = 1:
1 2π
Z
1 2π Z
cn ( f 0 ) = f 0 ( x ) cos(−nx )dx + i f 0 ( x ) sin(−nx )dx
2π 0 2π 0
Z 2π
1 2π n
= [ f ( x ) cos(nx )]0 + f ( x ) sin(nx )dx
2π 2π 0
Z 2π
1 2π n
−i [ f ( x ) sin(nx )]0 + i f ( x ) cos(nx )dx
2π 2π 0
= incn ( f ).
En itérant, on trouve cn ( f (k) ) = (in)k cn ( f ).
Séance 2 9
Solution de E. II.3.2 On sait que pour tout k ∈ N, lim|n|→+∞ cn ( f (k) ) = 0 (voir Q. II.1.1). Ainsi,
d’après la question précédente, on a ∀k ∈ , N
|n|k |cn ( f )| = |cn ( f (k) )| = o (1),
|n|→+∞
d’où le résultat.
Solution de E. II.3.3
(a) On rappelle la notation en ( x ) = einx . On sait que kcn ( f )en k∞ = |cn ( f )|, ∀n ∈ . Donc par Z
hypothèse, il existe C > 0 tel que |cn ( f )| ≤ nC2 . Donc S converge normalement.
De même en considérant la somme partielle S N ( x ) = ∑nN=− N cn ( f )einx et en la dérivant, on
(k)
montre que S N converge normalement pour tout k ∈ N. Donc pour tout k ∈ N,
∀ x ∈ [0, 2π ], S(k) ( x ) = ∑ (in)k cn ( f )einx ,
n∈ Z
et S ∈ C ∞ .
(b) La suite S N converge uniformément vers S (car la série S N converge normalement). On peut
donc faire le calcul suivant:
1
Z
|cn (S)| = |hS, en i| = | ∑ cm ( f )e−i(n−m)x dx |
2π [0,2π ] m∈ Z
≤ ∑ |cm ( f )| < ∞.
m∈ Z
On peut dès lors appliquer le théorème de Fubini-Lebesgue (ce théorème d’interversion sera
présenté en détails au cours 10) pour obtenir:
1
Z
cn (S) = ∑ cm ( f )e−i(n−m)x dx
2π [0,2π ] m∈ ZZ
1
= ∑ cn ( f ) e−i(n−m)x dx
m ∈Z 2π [0,2π ]
= c n ( f ).
(c) Voir cours. On utilise donc l’identité de Parseval:

Z 2π
1
| f ( x ) − g( x )|2 dx = ∑ |cn ( f − g)|2
2π 0 n∈ Z
= ∑ |cn ( f ) − cn ( g)|2 = 0.
n∈ Z
Comme f et g sont continues, on en déduit que ces deux fonctions sont égales.
(d) Par hypothèse, f est continue, et d’après les questions (a) et (b), S est continue et les coefficients
de Fourier de S et f coïncident. Donc par le résultat de (c), f = S.
Séance 2 10
(e) On a démontré le résultat suivant:

Soit f une fonction continue et périodique. Alors f ∈ C ∞ si et seulement si pour tout k ∈ N,
lim |n|k cn ( f ) = 0.
|n|→+∞
N
Solution de E. II.4.1 Pour tout N ∈ , notons S N = ∑nN=0 f n et TN = ∑nN=0 k f n k2 . On remarque que
par orthogonalité des vecteurs (et application du théorème de Pythagore):
N
∀ N ≥ M ∈ N, k S N − S M k2 = ∑ k f n k2 = | TN − TM |, (II.1)
n = M +1
d’où il vient que (S N ) N ∈N est de Cauchy (dans H) sssi ( TN ) N ∈N est de Cauchy (dans ). R
Supposons que (S N ) N ∈N converge. Il suffit de montrer que ( TN ) N ∈N est une suite de Cauchy,
R
puisque est complet. Soit e > 0. Comme (S N ) N ∈N converge, c’est une suite de Cauchy. Donc il
N
existe N0 ∈ tel que
∀ N, M ≥ N0 , kS N − S M k < e.
Ainsi par l’égalité (II.1), ( TN ) N ∈N est une suite de Cauchy.
La réciproque se démontre exactement de la même manière.
Solution de E. II.4.2 Le théorème de projection s’applique car B = { x ∈ H : k x k ≤ 1} est convexe

(vérifiez-le) et fermé (par définition). Ainsi, pour tout x ∈ H, il existe un unique y ∈ B tel que
d( x, B) = d( x, y) = k x − yk. Ce y est noté P( x ). Remarquons pour commencer que pour tout x ∈
H \ {0}, k xxk ∈ B. Pour répondre à la question, il suffit (par unicité de la projection), de montrer que
x
pour tout x ∈ H \ B, tout z ∈ B, on a k x − zk ≥ k x − kxk
k. L’égalité de Pythagore donne:
x x x 2 x x x 2
k x − z k2 = k x − − (z − )k2 = k x − k − 2Re(h x − ,z− i) + kz − k
kxk kxk kxk kxk kxk kxk
x 2 x x
≥ kx − k − 2Re(h x − ,z− i),
kxk kxk kxk
x
donc il suffit de montrer que Re(h x − kxk
, z − k xxk i) ≤ 0. Comme
x x x
hx − ,z− i = h x, zi − k x k − h , zi + 1
kxk kxk kxk

x
= (k x k − 1) h , zi − 1 ,
kxk

on obtient Re(h x − k xxk , z − k xxk i) = (k x k − 1) Re(h k xxk , zi) − 1 . On a k x k ≥ 1 et |h k xxk , zi| ≤ 1 par
x
Cauchy-Schwarz, car kxk
,z ∈ B. D’où le résultat.
N
Dans la résolution de cet exercice, on considère `2 ( ) comme un R-espace vectoriel (cela simplifie
seulement les notations, les résultats restent valables dans ). C
Séance 2 11
N
(a) On vérifie aisément que `2 ( ) est un espace vectoriel et que l’application hu, vi = ∑n∈N un vn
est un produit scalaire. Une suite u = (un )n∈N est dans `2 ( ) sssi kuk2 = ∑n∈N u2n < ∞. CetteN
norme correspond bien au produit scalaire que nous venons de définir (i.e. kuk2 = hu, ui), donc
N
`2 ( ) muni de ce produit scalaire est bien un espace préhilbertien.
(b) (u(k) )k∈N étant une suite de Cauchy d’éléments de `2 ( ), il existe K ∈ N N tel que ∀ j, k ≥ K, ku(j) −
u(k) k ≤ e. Autrement dit,
∑
( j) (k)
| u n − u n |2 ≤ e2 .
n∈ N
En particulier, ∀ j, k ≥ K, chaque terme de la somme précédente est plus petit que e2 . Donc pour
N (k)
tout n ∈ fixé, la suite (un )k∈N est de Cauchy dans . Donc elle converge. R
N (K )
(c) Comme u(K) ∈ `2 ( ), on a ∑n∈N |un |2 < ∞. Donc le reste de la série tend vers 0, i.e. il existe
N (K )
N ∈ tel que ∑n≥ N |un |2 ≤ e2 .
(d) Soit M ≥ N et k ≥ K,
! 12 ! 12
∑ ∑
(k) (k) (K ) (K )
| u n |2 = |un − un + u n |2
N ≤n≤ M N ≤n≤ M
! 21 ! 12
∑ ∑
(k) (K ) (K )
≤ | u n − u n |2 + | u n |2
N ≤n≤ M N ≤n≤ M
≤ 2e,
où nous avons utilisé l’inégalité triangulaire à la deuxième ligne, et les résultats des questions
(b) et (c) à la troisième. Ce qui précède étant vrai pour tout k ≥ K, et la somme portant sur un
nombre fini d’indices, l’inégalité passe à la limite quand k → +∞, d’où le résultat de la question.
(∞)
(e) Le résultat de la question précédente implique que la suite (∑n≤ N |un |2 ) N ∈N est de Cauchy
R
(dans ), donc elle converge. Ce qui signifie que u(∞) ∈ `2 ( N).
∈ N, et tout j, k ≥ K, ∑n≤ N |un −
( j)
En reprenant l’inégalité de la question (b), on a pour tout N
(k)
un |2 ≤ e2 . D’où en passant à la limite quand k → ∞:
(∞)
∑
( j)
|un − u n |2 ≤ e2
n≤ N
Puis en passant à la limite N → ∞,

ku(∞) − u( j) k ≤ e.
N
Donc (u(k) )k∈N converge bien vers u(∞) dans `2 ( ) et cet espace est de Hilbert.
Solution de E. II.5.2 Soit H un espace de Hilbert séparable et {en }n∈N une base hilbertienne de H
(dont l’existence est assurée par un théorème du cours). Considérons l’application linéaire
ϕ:
H → `2 ( ) N
x 7→ (h x, en i)n∈N .
Séance 2 12
Par le théorème de Parseval, ϕ est une isométrie, elle est donc notamment injective. La surjectivité est
évidente, donc ϕ est bijective.
Solution de E. II.5.3 Comme suggéré dans l’énoncé, on remarque que ϕ({1, . . . , n}) = { p1 , . . . , pn }
où nous avons ordonné les éléments ϕ(1), . . . , ϕ(n) de sorte que p1 < · · · < pn (les inégalités sont
strictes par injectivité de ϕ). Par récurrence, on en déduit donc que pk ≥ k pour tout k ∈ {1, . . . , n}.
Donc
n n n n
1 1 1 1
∑ k ∑ ϕ(k) ∑ k ∑ pk ≥ 0.
− = −
k =1 k =1 k =1 k =1
Par application de l’inégalité de Cauchy-Schwarz,

!2 !2
n n
p
1 1 ϕ(k)
∑k = ∑ p ϕ(k) k
k =1 k =1
n n
1 ϕ(k)
≤ ∑ ϕ(k) ∑ k2
k =1 k =1
n n
1 ϕ(k)
≤∑ ∑ ,
k =1
k k =1
k2
ϕ(k)
grâce à l’inégalité précédente. On obtient donc ∑nk=1 1
k ≤ ∑nk=1 k2
, ce qui par passage à la limite
donne le résultat.
(a) On voit facilement que C est convexe. Montrons qu’il est fermé. Soit (u(k) )k∈N une suite d’éléments
N (k)
de C qui converge vers u ∈ `2 ( ). Alors en particulier, pour tout n ∈ fixé, limk→∞ un = un . N
R R
Donc un ≥ 0 car + est fermé dans . Donc u ∈ C.
(b) Grâce au résultat précédent et au théorème de projection, on sait que la projection sur C existe.
Définissons l’application pC par
N

2 un si un ≥ 0
∀ u ∈ ` ( ), p C ( u ) n =
0 si un < 0.
Comme dans la preuve de la question Q.II.4.2, il suffit pour montrer que pC est bien le projeté de
N
prouver que pour tout u ∈ `2 ( ) et tout v ∈ C, hu − pC (u), v − pC (u)i ≤ 0. Le produit scalaire
s’écrit:
hu − pC (u), v − pC (u)i = ∑ (un − pC (u)n )(vn − pC (u)n ).

n∈ N
Etudions chaque terme de la somme: si un ≥ 0, alors pC (u)n = un et donc (un − pC (u)n )(vn −
pC (u)n ) = 0. Si un < 0, alors pC (u)n = 0 et donc (un − pC (u)n )(vn − pC (u)n ) = un vn ≤ 0
(vn ≥ 0). Donc hu − pC (u), v − pC (u)i ≤ 0.
Séance 2 13
(a) On a, par un changement de variable immédiat,
1
Z
f ∗ SN = ∑ 2π [0,2π ]
f ( x − y)en (y) dy
|n|≤ N
1
Z
= ∑ 2π [0,2π ]
f (z)ein(x−z) dz
|n|≤ N
= ∑ c n ( f ) e n ( x ).
|n|≤ N
On reconnaît la somme partielle de la série de Fourier de f .
(b) Soit x ∈ R \ 2πZ. Sn est la somme d’une suite géométrique, donc

sin (n + 12 ) x

(2n+1)ix −1
−inx e
Sn ( x ) = e = .
eix − 1 sin( 2x )
1
Ainsi, en écrivant sin (n + 21 ) x = Im(ei(n+ 2 )x ), on trouve:

N x

e i ( N +1) x − 1 i ( N +1) 2x sin ( N + 1) 2
∑e i (n+ 12 ) x
=e i 2x
eix − 1
= e
sin( 2x )
n =0
On en déduit le résultat.
Z
(c) Si x ∈ 2π , on déduit directement de sa définition que K N ( x ) ≥ 0. Si x ∈ R \ 2πZ, cela provient
de l’expression trouvée à la question précédente.
Z
Pour tout n ∈ ∗ ,
Z 2π Z 2π
1 1
en ( x ) + e−n ( x )dx = cos(nx )dx = 0.
2π 0 π 0
1
R 2π 1
R 2π
Donc 2π 0
S n ( x ) dx = 2π 0 e0 ( x ) dx = 1. K N étant une combinaison linéaire des Sn , on trouve
bien le résultat annoncé.
Enfin, sur ]t, 2π − t[, sin( 2x ) > sin( 2t ), donc
1
0 ≤ KN (x) ≤ .
( N + 1) sin( 2t )2
Ainsi K N tend uniformément vers 0 sur ]t, 2π − t[ quand N → +∞.
1
R 2π
(d) Soit t ∈]0, π ], on a en utilisant que 2π 0
Sn ( x )dx = 1:
Z 2π
| f ∗ K N ( x ) − f ( x )| = | ( f ( x − y)K N (y) − f ( x )K N (y)) dy|
Z0
=| ( f ( x − y) − f ( x )) K N (y)dy|
]t,2π −t[
Z
+| ( f ( x − y) − f ( x )) K N (y)dy|.
[0,t]∪[2π −t,2π ]
Séance 2 14
R
Comme f est continue, elle est majorée sur [0, 2π ], donc sur (car elle est 2π-périodique). No-
tons M = supx∈R | f ( x )|. De plus elle est uniformément continue sur [0, 2π ] (par le théorème de
Heine), donc sur . R
Fixons e > 0. Il existe alors t0 > 0 tel que pour tous x, y ∈ [0, 2π ], | x − y| ≤ t0 ⇒ | f ( x ) − f (y)| <
e
4π .
De plus, par le résultat de la question précédente, il exsite N ∈ ∗ tel que: N
e
sup |K N ( x )| < .
x ∈]t0 ,2π −t0 [ 8πM
Ainsi, en reprenant l’égalité précédente,

Z Z
e
| f ∗ K N ( x ) − f ( x )| < 2M K N (y)dy + K N (y)dy
]t,2π −t[ [0,t]∪[2π −t,2π ] 4π
e e
< + = e.
2 2
On vient de démontrer le théorème de Féjer. Grâce à la question (a), on peut même préciser une suite
de polynômes trigonométriques qui approche f uniformément, il s’agit de (après un calcul que vous
pourrez vérifier):
1 N +1
N + 1 n∑ ∑ c k ( f ) ek
f ∗ KN =
=0 |k|≤n
|k|

= ∑ 1− c ( f ) ek .
|k|≤ N
N+1 k
Solution de E. II.6.2 D’après les hypothèses de l’énoncé, on remarque pour tout N ∈ N, k f ∗

K N k∞ = N1+1 k ∑nN=0 Sn ( f )k∞ ≤ 1.
N
Soit e > 0 et N ∈ tel que, par application du théorème de Féjer, k f − f ∗ K N k∞ < e. Alors
k f k∞ ≤ k f − f ∗ K N k∞ + k f ∗ K N k∞ ≤ e + 1.
L’inégalité précédente étant vraie pour tout e > 0, on obtient le résultat.
Solution de E. II.7.1 Il suffit de vérifier que cn ( f 0 ) = incn ( f ) (voir par exemple Exercice II.3) et que
cn ( f (· + α)) = einα cn ( f ).
Solution de E. II.7.2 Si f est solution de l’équation, f 0 doit être continue, donc f ∈ C 1 . En con-
séquence, f est limite uniforme de sa série de Fourier (théorème de Dirichlet uniforme ou de Féjer).
Remarquons que f = 0 est solution.
Z
Si une solution non identiquement nulle existe, il doit donc exister n ∈ tel que cn ( f ) 6= 0. Par la
question précédente, on a pour ce n que einα = in. Ceci n’est possible que pour n = ±1, valeurs
pour lesquelles on trouve α = π2 . Réciproquement, on vérifie que les fonctions de la forme f ( x ) =
C
−iλ−1 e−ix + iλ1 eix pour λ−1 , λ1 ∈ sont solutions. Ce sont les seules possibles.
Séance 2 15
Solution de E. II.8.1 On rappelle la propriété de Borel-Lebesgue: un ensemble est compact si de tout

recouvrement par des ouverts, on peut extraire un recouvrement fini.
Notons B la boule unité fermée de H, et {en }n∈N une base hilbertienne (qui existe car H est séparable).
On considère le recouvrement de B par n∈N B(en , 1) (les boules ouvertes centrées en en et de rayon
S
1). Il est clair que B ⊂ n∈N B(en , 1) et donc B ⊂ n∈N B(en , 1). En supposant (par l’absurde) que
S S
SN
B est compacte, on peut alors extraire un recouvrement √fini, qu’on note B ⊂ k=1 B(enk , 1). Prenons
em ∈/ {en1 , . . . , en N }. On remarque que kem − enk k = 2 pour tout k ∈ {1, . . . , N }. En particulier,
em ∈/ kN=1 B(enk , 1), ce qui contredit l’existence d’un sous-recouvrement fini.
S
Solution de E. II.8.2 Considérons la suite u N = ∑nN=1 n1 en proposée dans l’énoncé. Pour tout N ∈ ∗ , N
N
u N ∈ Vect{en , n ∈ } car c’est une combinaison linéaire d’un nombre fini d’éléments de la base.
On montre facilement que (u N ) est une suite de Cauchy et donc qu’elle admet une limite dans H.
Cependant, cette limite, notée u, ne peut s’exprimer comme une combinaison linéaire finie des en .
En effet, si tel était le cas, on aurait u = ∑kK=1 λk enk avec λk 6= 0. Et ainsi pour em ∈
/ { e n1 , . . . , e n K } ,
hu, em i = 0, ce qui est en contradiction avec
1
hu, em i = lim hu N , em i = .
N →+∞ m
Notez que la première égalité est due à la continuité du produit scalaire.
N
Donc Vect{en , n ∈ } n’est pas fermé et ne peut être égal à H.
Solution de E. II.8.3 Soit ( f n )n∈N une suite d’éléments de M⊥ qui converge vers f ∈ H. Montrons
que f ∈ M⊥ .
Soit donc x ∈ M. Il suffit de montrer que h x, f i = 0. Or par continuité du produit scalaire,
lim h x, f n i = h x, f i,
n→+∞
d’où le fait que h x, f i = 0.

⊥
Montrons maintenant le deuxième point. M ⊂ M, donc on a déjà M ⊂ M⊥ . Montrons l’inclusion
réciproque. Soit y ∈ M⊥ et x ∈ M. Par définition, x est limite (dans H) d’une suite ( xn )n∈N d’éléments
N
de M. Or pour tout n ∈ , hy, xn i = 0. Par continuité du produit scalaire à nouveau, hy, x i = 0.
Séance 2 16
Séance III : Mesurabilité
• je sais vérifier qu’une collection d’ensembles constitue une tribu;
• je suis capable de déterminer la tribu engendrée par une collection d’ensembles;
• je connais la tribu de Borel;
• je sais vérifier qu’une fonction est mesurable;
• je connais le lien entre fonction continue et fonction borélienne;
• je suis capable de montrer la mesurabilité d’une fonction, en l’approchant par une suite de fonc-
tions mesurables.
• je sais définir et construire une mesure de probabilités sur un ensemble discret.
1
CS 1A - CIP 2022-2023
Les questions III.1 et III.2 sont à traiter avant la séance de TD. Les corrigés sont disponibles sur
internet.
Question III.1
Q. III.1.1 Soit l’ensemble Ω = { a, b, c, d}.
(a) Quelle est la tribu engendrée par { a} ?
(b) Quelle est la tribu engendrée par { a, b} ?
(c) Quelle est la tribu engendrée par { a} et { a, b} ?
(d) Quels sont les liens d’inclusion entre les tribus obtenues aux questions (a), (b) et (c) ?
Q. III.1.2 Déterminer la tribu de R engendrée par 1Q , fonction indicatrice de Q, c’est-à-dire la plus

petite tribu rendant cette fonction mesurable.
Q. III.1.3 Vérifier que toute fonction constante est mesurable.
Q. III.1.4 L’ensemble des ouverts de R est-il une tribu?
Question III.2
Q. III.2.1 On considère dans cette question des fonctions de (R, B(R)) dans (R, B(R)).
(a) Montrer que la fonction indicatrice de Q est mesurable.
(b) Montrer que la fonction sinus est mesurable.
(c) Montrer que si f ( x ) = exp( x ) pour x > 0 et f ( x ) = 0 pour x ≤ 0 alors f est mesurable.
Séance 3 2
CS 1A - CIP 2022-2023
C) Exercices
La notion de tribu est fondamentale en théorie de la mesure et en probabilités. Dans le cadre du

cours d’Analyse, nous utiliserons surtout la tribu discrète de N et la tribu borélienne de R (ou Rn ).
En revanche, les tribus utilisées dans le cadre des probabilités doivent être constituées de l’ensemble
des événements aléatoires sur un ensemble Ω qui ne se réduit pas nécessairement à N ou R. Les exercices
de probabilités vous permettent de vous familiariser avec le formalisme moderne de cette discipline,
en le reliant à la notion intuitive que vous avez rencontrée dans vos études précédentes. Même dans
les cas les plus simples, il est important de spécifier l’espace de probabilité (Ω, F , P).
Exercice III.1
E. III.1.1 On lance deux dés à six faces et on calcule la somme des deux nombres obtenus.
(a) Quel est l’espace d’arrivée? Proposez une tribu sur cet espace.
(b) Quel est l’espace de départ? Proposez une tribu sur cet espace.
(c) En fonction de vos choix de tribus, la fonction qui à deux dés associe leur somme est-elle
mesurable? (i.e. est une variable aléatoire, dans le vocabulaire des probabilités).
Exercice III.2 (Continuité et mesurabilité)
E. III.2.1 On note T la topologie usuelle de R. Montrer que si f : (R, T ) → (R, T ) est continue,
alors f : (R, B(R)) → (R, B(R)) est mesurable. On pourra commencer par montrer les points suiv-
ants: 1) l’image réciproque par f de tout ouvert est un ouvert; 2) F = { B ∈ B(R) : f −1 ( B) ∈ B(R)}
est une tribu.
Montrer que la réciproque est fausse en proposant un contre-exemple.
E. III.2.2 Soit f et g deux fonctions de R dans R. Montrer que si f est continue et g est (Borel-)
mesurable, alors f ◦ g est mesurable. f ◦ g est-elle continue?
Exercice III.3 (Tribu de Borel)
E. III.3.1 ∗(a) Montrer que tout ouvert de R peut s’écrire comme une union au plus dénombrable
d’intervalles ouverts.
(b) En déduire que la tribu borélienne de R, notée B(R), est engendrée par l’ensemble des inter-
valles de la forme ] − ∞, a[, avec a ∈ R.
E. III.3.2 Montrer que B(R) est engendrée par l’ensemble des compacts (parties fermées et bornées)
de R.
E. III.3.3 (a) Montrer que l’ensemble
C = { A ⊂ R : A ou R \ A est fini ou dénombrable}
est une tribu sur R. On rappelle qu’une union dénombrable d’ensembles dénombrables est
dénombrable.
Séance 3 3
CS 1A - CIP 2022-2023
(b) Cette tribu est-elle égale à B(R)?
(c) La tribu engendrée par les singletons est-elle la tribu B(R)?

*E. III.3.1 L’ensemble des unions finies ou dénombrables d’intervalles forme-t-il une tribu ?
Les fonctions mesurables constituent les objets d’étude de la théorie de l’intégration. Dans la
théorie des probabilités, elles constituent les variables aléatoires. Dans le cadre du cours d’Analyse, la
mesurabilité est souvent une hypothèse des théorèmes usuels.
Les trois exercices suivant permettent de mettre en œuvre des méthodes classiques.
Exercice III.4 (Mesurabilité)
E. III.4.1 On considère dans cette question les fonctions d’un espace mesurable (Ω, F ) dans (R, B(R)).
(a) Soit ( f n )n∈N une suite de fonctions mesurables. Montrer que pour tout t ∈ R, { x : lim supn→+∞ f n ( x ) > t}
est mesurable. Idem pour { x : lim infn→+∞ f n ( x ) > t}.
(b) En déduire que { x : limn→+∞ f n ( x ) existe} est mesurable et que si la fonction limn→+∞ f n existe,
alors elle est mesurable.
(c) On suppose maintenant que (Ω, F ) = (R, B(R)). Montrer que si f est dérivable alors sa dérivée
f 0 est mesurable.
E. III.4.2 On considère dans cette question des fonctions de (R, B(R)) dans (R, B(R)).
(a) Montrer que si f (0) = 0 et si f ( x ) = sin(1/x2 ) si x 6= 0 alors f est mesurable (on pourra s’aider
de la question 1)(b)).
(b) Montrer que la fonction f ( x ) = x1{ x∈Q} est non continue par morceaux mais mesurable.
∗(c) Montrer que si f est monotone alors elle est mesurable.

E. III.4.3 On considère dans cette question des fonctions de (R2 , B(R2 )) dans (R, B(R)).
(a) Montrer que la fonction ( x, y) 7→ sin( xy) est mesurable.
(b) Soit f telle que f (0, 0) = 0 et
x 2 − y2
f ( x, y) = si ( x, y) 6= (0, 0).
x 2 + y2
Montrer que f est mesurable.
E. III.4.4 On considère dans cette question les fonctions d’un espace mesurable (Ω, F ) dans (R, B(R)).
(a) Déterminer les fonctions mesurables lorsque F = {∅, Ω}.
(b) Déterminer les fonctions mesurables lorsque F = P (Ω).
Séance 3 4
CS 1A - CIP 2022-2023
Exercice III.5 (Approximation d’une fonction mesurable)

Soit f : E → R+ ∪ {+∞} une fonction. Pour tout n ≥ 1 et pour tout i ∈ {0, 1, . . . , n 2n − 1}, on pose
An = { x ∈ E : f ( x ) ≥ n} et Bn,i = { x ∈ E : i 2−n ≤ f ( x ) < (i + 1) 2−n }.
n2n −1
Pour tout n ∈ N, on définit la fonction f n = ∑ i 2−n 1 Bn,i + n1 An .
i =0
E. III.5.1 Montrer que pour tout x ∈ E, f n ( x ) converge simplement vers f ( x ). La convergence
est-elle uniforme?
E. III.5.2 En déduire qu’une fonction borélienne h : R → R+ peut être approchée par une suite de
fonctions étagées.
E. III.5.3 Ce résultat peut-il être étendu pour une fonction h : R → R, non nécessairement posi-
tive?
A ce stade, les probabilités ne représentent qu’un cas particulier de la théorie de la mesure: les
mesures sont de masse 1 et éventuellement discrètes (i.e à support dans N). De nouvelles notions
viendront plus tard montrer que les probabilités sont bien plus que cela (l’indépendance en est un
premier aperçu). En attendant, voici quelques exercices de probabilités élémentaires.
Exercice III.6 (Dénombrement)
E. III.6.1 Lors d’une soirée, n personnes sont réunies. A partir de quelle valeur de n accepteriez-
vous de parier qu’au moins 2 des personnes présentes ont leur anniversaire le même jour?
La connaissance précise de la loi d’une variable aléatoire permet de résoudre des problèmes pra-
tiques.
Exercice III.7 (Loi binomiale et assurance)

Une grande mutuelle d’assurance étudie d’éventuels changements de tarifs. Pour cela, elle a évalué le
risque d’accident automobile de ses assurés en fonction de l’ancienneté de leur permis de conduire:
• 20% des assurés de cette mutuelle ont leur permis de conduire depuis moins de 5 ans.
• L’étude montre que la probabilité d’avoir un accident dans l’année quelqu’un qui possède son
permis depuis moins de 5 ans est 0,4.
• Et la probabilité devient 0,125 pour quelqu’un qui possède son permis depuis plus de 5 ans.
E. III.7.1 Si on choisit au hasard 10 personnes ayant leur permis de conduire depuis moins de 5
ans, quelle est la probabilité d’en voir au moins un accidenté dans l’année?
E. III.7.2 Même question avec 10 assurés ayant leur permis depuis plus de 5 ans.
E. III.7.3 Si on prend au hasard 10 personnes parmi les assurés, quelle est la probabilité d’en voir
au moins un ayant un accident dans l’année?
Séance 3 5
CS 1A - CIP 2022-2023
Exercice III.8 (Loi de Bernoulli, loi binomiale)

Soient ( Xn )n∈N∗ une suite de variables aléatoires indépendantes et distribuées suivant la même loi de
Bernoulli de paramètre p ∈]0, 1[, i.e. P( Xn = 1) = p et P( Xn = 0) = 1 − p pour tout n ≥ 1.
E. III.8.1 Montrer que la variable Sn = X1 + X2 + · · · + Xn suit une loi binomiale B(n, p), définie
par
∀k ≥ 0, P(Sn = k) = Cnk pk (1 − p)n−k .
E. III.8.2 Montrer que si limn→∞ (n pn ) = λ > 0, alors la loi binomiale B(n, pn ) peut être approx-
imée par la loi de Poisson de paramètre λ, c’est-à-dire que pour tout k ≥ 0 fixé,
λk
P( Sn = k ) → e − λ lorsque n → ∞.
k!
Indication : On pourra écrire
nk n−1 n−k+1

n
Cnk = ... .
k! n n n
Exercice III.9 (Empreintes ADN)

Dans certaines fictions policières, le détective est amené à déclarer "le criminel possède les caractéris-
tiques inhabituelles... ; il suffit de trouver la personne correspondante et vous aurez votre homme".
Supposons qu’un individu quelconque possède ces caractéristiques inhabituelles avec une probabilité
10−7 indépendamment des autres individus, et que la ville en question possède 107 habitants.
E. III.9.1 Déterminer le nombre moyen de personnes dans la ville possèdant ces caractéristiques
inhabituelles.
Sachant que la police trouve une personne possédant les caractéristiques recherchées, quelle est la
probabilité qu’il en existe au moins une autre?
E. III.9.2 Si la police trouve deux telles personnes, quelle est la probabilité qu’il en existe au moins
une autre?
E. III.9.3 Combien de personnes possédant les caractéristiques recherchées la police doit-elle trou-
ver, pour estimer les avoir raisonnablement toutes trouvées?
E. III.9.4 Etant donnée la population, à quel point les caractéristiques du criminel doivent-elles être
improbable pour qu’il puisse être déterminé de manière unique?
Exercice III.10 (Tribus infinies)

Le but de cet exercice est de montrer qu’il n’existe pas de tribu de taille infinie qui soit dénombrable.
Soit ( E, E ) un ensemble mesurable tel que E contient un nombre infini d’éléments. Pour tout x ∈ E,
on note A x = ∩ A∈E :x∈ A A.
Séance 3 6
CS 1A - CIP 2022-2023
*E. III.10.1 Montrer que si A x ∩ Ay 6= ∅, alors A x = Ay .

*E. III.10.2 On suppose que E est au plus dénombrable, montrer que:
(a) ∀ x ∈ E, A x ∈ E ;
(b) tout B ∈ E s’écrit B = ∪ x∈ B A x ;
(c) cette union est au plus dénombrable et cette décomposition est unique.
**E. III.10.3 On considère A = { A x } x∈E . Montrer que A contient un nombre infini d’éléments (on
pourra supposer le contraire et aboutir à une contradiction). En déduire que E n’est pas dénombrable.
Exercice III.11
E. III.11.1 Soit f une fonction sur Ω muni d’une tribu F . Montrer que si { x : f ( x ) ≥ r } est
mesurable pour tout r ∈ Q, alors f est mesurable de (Ω, F ) dans (R, B(R)).
Exercice III.12 (Paradoxe de Bertrand)

Une corde du cercle unité est choisie au hasard. Quelle est la probabilité qu’un triangle équilatéral
ayant cette corde pour base soit contenu dans le disque ? L’exercice montre que des constructions
différentes de la "corde aléatoire" conduisent à des solutions différentes : on dit le problème est mal-
posé.
Pour illustrer cela, on considère trois constructions différentes du triangle équilatéral. Soit U le
cercle de centre O et de rayon unité, et soit X la longueur de la corde aléatoire [ A, B] où A et B sont
sur le cercle U . Déterminer la probabilité recherchée dans chacune des constructions suivantes:
E. III.12.1 Un point P est tiré au hasard (uniformément) à l’intérieur du disque, et la corde est
construite de sorte que P soit le milieu du segment [ A, B].
E. III.12.2 On choisit au hasard (uniformément) un rayon de U , et on choisit au hasard (unifor-
mément) un point P de ce rayon. La corde est construite de sorte que P soit le milieu du segment
[ A, B].
E. III.12.3 Les points A et B sont choisis au hasard (uniformément) de manière indépendante sur
le cercle U .
E. III.12.4 Commenter la différence entre ces résultats.
Séance 3 7
Solution de Q. III.1.1
(a) La tribu engendrée par { a} contient nécessairement ∅, Ω et {b, c, d}.

Réciproquement F1 = {∅, { a}, {b, c, d}, Ω} est une tribu (car elle vérifie les axiomes de la défi-
nition).
C’est donc la plus petite tribu contenant { a}, c’est la tribu engendrée par { a}.
(b) Par un raisonnement analogue, on trouve que la tribu engendrée par { a, b} est F2 = {∅, { a, b}, {c, d}, Ω}.
(c) La tribu engendrée par { a} et { a, b} contient par complémentaire {b, c, d} et {c, d} et par dif-
férence {b}. Elle doit maintenant contenir aussi { a, c, d}.
Réciproquement F3 = {∅, { a}, {b}, { a, b}, {c, d}, {b, c, d}, { a, c, d}, Ω} est une tribu. C’est donc
la plus petite tribu contenant { a}, { a, b}, c’est la tribu engendée par { a} et { a, b}.
(d) On a F1 ⊂ F3 et F2 ⊂ F3 .
Solution de Q. III.1.2 La tribu engendrée par 1Q est la plus petite tribu T de R (considéré comme
espace de départ) rendant 1Q mesurable (de (R, T ) dans (R, B(R))).
Posons T = {{∅, Q, R \ Q, R}. Alors T est une tribu, elle rend 1Q mesurable puisque pour
A ∈ B(R)) :
−1
• 1Q ( A) = Q si A contient 1 et pas 0,
−1
• 1Q ( A) = R \ Q si A contient 0 et pas 1,
−1
• 1Q ( A) = R si A contient 0 et 1,
−1
• 1Q ( A) = ∅ si A ne contient ni 0 ni 1,
and this is the smallest σ-algebra since 1Q is not measurable with respect to {∅, R}.
Cette tribu T est donc la tribu engendrée par 1Q .
Solution de Q. III.1.3 Soit f une fonction de ( E, E ) dans ( F, F ), où E et F sont respectivement des

tribus sur E et F.
On suppose que f est constante, c’est-à-dire qu’il existe c ∈ F tel que
∀ x ∈ E, f ( x ) = c.
Pour tout A ∈ F ,
• Soit c ∈ A. On a alors f −1 ( A) = E.
/ A. On a alors f −1 ( A) = ∅.
• Soit c ∈
Séance 3 8
Dans les deux cas, on a f −1 ( A) ∈ E .

Donc f est mesurable, quelles que soient les tribus de départ et d’arrivée.
Solution de Q. III.1.4 L’intervalle ] − ∞, 0[ est un ouvert de R. Or, son complémentaire [0, +∞[ n’est
pas un ouvert de R. Donc l’ensemble des ouverts de R n’est pas une tribu, car n’est pas stable par
passage au complémentaire.
Solution de Q. III.2.1
(a) Comme Q est une union dénombrable de singletons et donc de fermés, Q est mesurable (dans
B(R)) et la Proposition 3.15 1 assure que 1Q est mesurable.
Remarque : on peut même dire que 1Q est étagée.
(b) La fonction sinus est mesurable car continue sur R.
(c) La fonction f est mesurable car continue par morceaux sur R. (Comment prouvez-vous qu’une
fonction continue par morceaux est mesurable?)
Solution de E. III.1.1
(a) L’espace d’arrivée est l’ensemble Ω0 = {2, 3, 4, . . . , 10, 11, 12} muni de sa tribu discrète F 0 .
(b) L’espace de départ est l’ensemble Ω des couples (i, j), i et j étant des entiers variant entre 1 et 6,
muni de sa tribu discrète F .
(c) L’application S qui au couple (i, j) de Ω associe i + j dans Ω0 est bien mesurable puisque par
définition de F :
∀ B ∈ F 0 S −1 ( B ) ∈ F .
Solution de E. III.2.1 On rappelle que B(R) est la tribu engendrée par les ouverts de R, c’est-à-dire
la plus petite tribu contenant tous les ouverts de R. (Attention, contrairement aux ouverts, un borélien
quelconque ne s’écrit pas nécessairement comme réunion dénombrable d’ouverts).
On déduit des égalités générales f −1 ( A ∪ B) = f −1 ( A) ∪ f −1 ( B) et f −1 ( A \ B) = f −1 ( A) \ f −1 ( B),
que F (définie dans l’énoncé) est bien une tribu. On remarque que F ⊃ T puisque f est continue. F
contient donc la tribu engendrée par T , qui n’est autre que B(R). Ainsi F = B(R).
Le raisonnement précédent est un exemple d’application du lemme de transport, sur lequel nous
reviendrons à plusieurs reprises dans la suite.
La fonction 1[0,1] fournit un contre-exemple.
Solution de E. III.2.2 Grâce à la question précédente, on sait que f est mesurable. Grâce à la relation
( f ◦ g)−1 ( A) = g−1 ◦ f −1 ( A), on vérifie que f ◦ g est mesurable.
Prendre f ( x ) = x et g( x ) = 1[0,1] ( x ).
1 voir slides du cours (en français) sur Edunao.
Séance 3 9
(a) Soit O un ouvert de R.

Par définition, pour tout x ∈ O, il existe r > 0 tel que ] x − r, x + r [⊂ O.
Par densité de Q dans R, il existe s ∈ Q tel 0 < s < r et donc ] x − s, x + s[⊂] x − r, x + r [⊂ O.
Encore par densité de Q dans R, il existe q ∈ Q tel que | x − q| < s/2.
On a donc x ∈]q − s/2, q + s/2[⊂ O.
L’union des intervalles ouverts ]q − s/2, q + s/2[ est dénombrable (car q et s sont rationnels). Elle
contient O (car elle contient tous les x). Elle est aussi incluse dans O (car les ]q − s/2, q + s/2[
sont tous inclus dans O).
Finalement, tout ouvert O de R est une union dénombrable d’intervalles ouverts.
(b) On remarque d’abord que si une famille de parties A est incluse dans une famille de parties B
alors la tribu engendrée par A est incluse dans la tribu engendrée par B .
Tout intervalle du type ] − ∞, a[, a ∈ R, est un ouvert donc la tribu τ := σ (] − ∞, a[, a ∈ R}) est
incluse dans la tribu engendrée par les ouverts c’est-à-dire la tribu borélienne.
Par ailleurs, soient a < b. On a ] − ∞, a] = ∩n∈N∗ ] − ∞, a + 1/n[ qui est dans τ et donc ] a, b[=
] − ∞, b[\] − ∞, a] est aussi dans τ (par propriétés de stabilité d’une tribu).
Par application de la question 1)(a), tout ouvert de R est dans τ. Grâce à la remarque prélimi-
naire, on en déduit que la tribu borélienne est incluse dans τ.
Solution de E. III.3.2 Les compacts sont des fermés donc leurs complémentaires sont des ouverts
donc des boréliens. La tribu engendrée par les compacts est donc incluse dans la tribu borélienne.
Réciproquement, tout intervalle ] − ∞, a[ est une union dénombrable de compacts (par exemple les
[ a − n, a − 1/n]) donc la tribu borélienne engendrée par les ] − ∞, a[ est incluse dans la tribu engendrée
par les compacts.
(a) C contient R et est stable par complémentaire. Reste à prouver que C est stable par union dénom-
brable.
Soit ( An ) une famille dénombrable de parties de C .
Notons A l’union des An .
Si tous les An sont finis ou dénombrables alors A aussi donc A est dans C .
S’il existe n0 tel que An0 est non dénombrable alors R \ An0 est fini ou dénombrable.
Or R \ A = ∩R \ An ⊂ R \ An0 .
Donc R \ A est fini ou dénombrable donc A est dans C .
(b) R∗+ est un ouvert donc un borélien mais ni R∗+ ni son complémentaire R− ne sont finis ou
dénombrables.
Donc R∗+ n’est pas dans C .
Séance 3 10
(c) La tribu engendrée par les singletons est C (on le prouve facilement par double inclusion). Ce
n’est donc pas la tribu borélienne.
Solution de E. III.3.1 Q est une union dénombrable d’intervalles (en fait des singletons) mais pas
son complémentaire R \ Q. Les unions finies ou dénombrables d’intervalles ne forment donc pas une
tribu.
(a) D’après la Question Q. III.3.1, on sait que la tribu B(R) est engendrée par la collection d’ensembles
{] − ∞, a[, a ∈ R}. Ce résultat s’étend à R (muni on le rappelle de la topologie de l’ordre), c’est-
à-dire que B(R) = σ ({[−∞, a[, a ∈ R}) = σ ({] a, +∞], a ∈ R}). Ainsi par la Proposition 3.12,
lim sup f n est mesurable si et seulement si (lim sup f n )−1 (] a, +∞]) ∈ F , ∀ a ∈ R. Or on a vu en
cours que si ( f n )n∈N est une suite de fonctions mesurables, alors lim sup f n est mesurable. Donc
{ x : lim supn→+∞ f n ( x ) > a} ∈ F (idem pour la lim inf). Sinon, on peut observer directement
que
[ \ [ 1
{ x : lim sup f n ( x ) > t} = {x : f k (x) ≥ t + }.
n→+∞ m∈ N∗ n ∈N k ≥ n m
Puisque { x : lim supn→+∞ f n ( x ) > t} s’écrit comme une combinaison d’intersections et d’unions
dénombrables d’ensembles mesurables, il est lui-même mesurable.
(b) On remarque d’abord que
{ x : lim f n ( x ) existe (dans R)} = { x : lim sup f n ( x ) = lim inf f n ( x )}.

n→+∞ n→+∞ n→+∞
On peut alors directement conclure en posant la fonction F = (lim infn→+∞ f n , lim supn→+∞ f n )
et D = {( x, x ) : x ∈ R} la diagonale de R . F est mesurable, D est fermé dans R donc
2 2
D ∈ B(R ), et on a F −1 ( D ) = { x : limn→+∞ f n ( x ) existe}. Au vu des remarques précédentes,

2
on a donc { x : limn→+∞ f n ( x ) existe} ∈ F . Si on souhaite déduire ce résultat de 1)(a) comme le

suggère la question, alors on pourra écrire
{ x : lim f n ( x ) existe (dans R)} = { x : lim sup f n ( x ) ≤ lim inf f n ( x )}

n→+∞ n→+∞ n→+∞
\ [ 1
= { x : lim sup f n ( x ) ≤ q + } ∩ { x : lim inf f n ( x ) > q},
p∈ N∗ q ∈Q n→+∞ p n→+∞
où on a noté Q = Q ∪ {−∞, +∞}.

Si cette limite existe (i.e. si { x : limn→+∞ f n ( x ) existe} = Ω), alors lim f n = lim sup f n =
lim inf f n et d’après la question précédente, les ensembles de la forme { x : limn→∞ f n ( x ) >
t} sont mesurables. Suite à la remarque formulée en 1)(a), on en déduit donc que lim f n est
mesurable.
Séance 3 11
(c) Considérons pour n ≥ 1 :

1
∀ x ∈ R, gn ( x ) = n ( f ( x + ) − f ( x )).
n
Les fonctions gn : R → R sont continues donc mesurables de (R, B(R)) dans (R, B(R)) (voir
Exercice III.2). Or { x : limn→∞ gn ( x ) existe} = R car f est dérivable en tout point. Donc
limn→∞ gn = f 0 est aussi mesurable d’après la question précédente.
(a) Remarquons que la fonction f valant sin(1/x2 ) si x 6= 0 et 0 si x = 0 n’est pas continue par
morceaux (elle n’a pas de limite en 0). On ne peut donc pas conclure comme précédemment.
Considérons, pour n ≥ 1 les fonctions :

1
f n ( x ) = sin 2
.
x + 1/nπ
Alors, pour tout x réel, limn→+∞ f n ( x ) = f ( x ) et comme pour tout entier n ≥ 1, f n est mesurable
car continue, on en déduit par la Proposition 3.17 que f est mesurable (sur R).
(b) Ordonnons les rationnels en une suite (qn ). La fonction considérée peut s’écrire :
+∞
f (x) = ∑ qn 1{q } ( x )
n
n =0
Elle est donc limite d’une suite de fonctions étagées donc mesurable.
Remarque : on peut aussi remarquer que f ( x ) = x1Q ( x ) et conclure que f est mesurable comme
produit de fonctions mesurables.
(c) Supposons f croissante.

Comme expliqué à la Question 1)(a) de cet exercice, on rappelle que pour montrer que f est
mesurable, il suffit de montrer que f −1 (] − ∞, a[) est mesurable pour tout a.
Considérons M = sup{ x : f ( x ) < a}. On a alors f −1 (] − ∞, a[) =] − ∞, M] ou ] − ∞, M[. Donc
f −1 (] − ∞, a[) est un intervalle donc est un borélien.
(a) La fonction ( x, y) 7→ sin( xy) est continue donc mesurable relativement aux tribus de Borel.
(b) Considérons pour n ≥ 1 :

x 2 − y2
f n ( x, y) = .
x2 + y2 + n1
Pour tout n ≥ 1, les fonctions f n sont mesurables car continues donc leur limite f est aussi
mesurable.
Séance 3 12
(a) Soit f une fonction mesurable et b dans f (Ω). Alors {b} ∈ B(R) d’où f −1 ({b}) ∈ F . Ainsi
f −1 ({b}) = Ω et donc f est constante sur Ω, égale à b.
Réciproquement, toute fonction constante est mesurable. En effet si on note f (Ω) = {b} alors,
pour tout B de B(R), f −1 ( B) = Ω si b ∈ B et f −1 ( B) = ∅ sinon.
L’ensemble des fonctions mesurables est donc l’ensemble des fonctions constantes.
(b) Soit f une fonction quelconque. Pour tout B de B(R), on a nécessairement f −1 ( B) ∈ F donc f
est mesurable.
Toutes les fonctions sont donc mesurables.
Solution de E. III.5.1 On fixe n ≥ 1.

Pour tout x ∈ E, soit x ∈ An , soit x ∈ Bn,i pour un certain i ∈ {0, 1, . . . , n 2n − 1}.
• Si x ∈ An , alors en distinguant les cas x ∈ An+1 et x ∈ Bn+1,j pour un certain j ∈ {0, . . . , (n +

1 )2n +1 − 1 } ,

n+1 si f ( x ) ≥ n + 1
f n +1 ( x ) =
n + l2−(n+1) si n + l2−(n+1) ≤ f ( x ) < n + (l + 1)2−(n+1) avec 0 ≤ l ≤ 2n+1 − 1.
Pour trouver l’entier j dans le 2ème cas (qui peut se ré-écrire n ≤ f ( x ) < n + 1), il suffit de
remarquer que
n + l2−(n+1) ≤ f ( x ) < n + (l + 1)2−(n+1) ⇔ n2n+1 + l ≤ 2n+1 f ( x ) < n2n+1 + (l + 1)
ce qui montre que j = n2n+1 + l et implique f n+1 ( x ) = j2−(n+1) = n + l2−(n+1) .
• Soit x ∈ Bn,i pour un certain i ∈ {0, 1, . . . , n 2n − 1}.

On a i ≤ 2n f ( x ) < (i + 1), donc 2i ≤ 2n+1 f ( x ) < 2i + 2 et
2i ≤ 2n+1 f ( x ) < 2i + 1 ou bien 2i + 1 ≤ 2n+1 f ( x ) < 2i + 2.
Dans le 1er cas, on a f n+1 ( x ) = 2i 2−(n+1) = f n ( x ).

Dans le 2ème cas, on a f n+1 ( x ) = (2i + 1) 2−(n+1) = f n ( x ) + 2−(n+1) .
En résumé, on a
si 2i ≤ 2n+1 f ( x ) < 2i + 1

f n (x)
f n +1 ( x ) =
f n ( x ) + 2−(n+1) si 2i + 1 ≤ 2n+1 f ( x ) < 2i + 2.
On remarque donc que la suite ( f n ( x ))n∈N est croissante.

De plus, si f ( x ) < n0 pour un certain entier n0 , alors pour tout n ≥ n0 ,
f n ( x ) = i 2− n si i 2−n ≤ f ( x ) < (i + 1) 2−n ,
Séance 3 13
ce qui implique
0 ≤ f ( x ) − f n ( x ) < 2− n .
On en déduit que la suite ( f n ( x ))n∈N converge vers f ( x ).

Si la fonction f est majorée par M > 0, alors pour tout n ≥ M, on a
∀ x ∈ E, 0 ≤ f ( x ) − f n ( x ) < 2− n .
Dans ce cas, la convergence de ( f n )n∈N vers f est uniforme.
Solution de E. III.5.2 On applique le résultat de 1) à la fonction h.

Puisque la fonction h : R → R+ est borélienne, les ensemble An et Bn,i sont des boréliens : An =
f ([n, +∞[) et Bn,i = f −1 ([i 2−n , (i + 1) 2−n [).
− 1
On en déduit que pour tout n ∈ N, la fonction f n est borélienne étagée.

Donc le résultat est une conséquence de 1).
Solution de E. III.5.3 Pour étendre le résultat à une fonction h : R → R, on peut décomposer
∀ x ∈ R, f ( x ) = f + ( x ) − f − ( x ),
où f + ( x ) = max( f ( x ), 0) et f − ( x ) = − min( f ( x ), 0) et appliquer la question 2) aux fonctions boréli-

ennes f + et f − .
Evidemment, il faut justifier que f + et f − sont boréliennes.
Une autre manière de procéder serait de reprendre la question 1) avec
i ∈ {−n2n + 1, . . . , −1, 0, 1, . . . , n2n − 1},

A n = { x ∈ R : f ( x ) ≥ n },
A0n = { x ∈ R : f ( x ) ≤ −n}
n2n −1
et f n = ∑ i 2−n 1 Bn,i + n1 An − n1 A0n .
i =−n2n +1
Solution de E. III.6.1 On cherche la probabilité qu’au moins 2 des personnes présentes ont leur
anniversaire le même jour. On suppose que n ≤ 365, sinon la probabilité recherchée est évidemment
1. Il sera plus commode de déterminer la probabilité de l’événement contraire.
Les anniversaires des n personnes forment une application
{1, . . . , n} → {1, . . . , 365}.
On considère alors l’espace de probabilité (Ω, F , P) défini par :
• L’espace d’état Ω est l’ensemble des applications de {1, . . . , n} dans {1, . . . , 365} ;
• La tribu F est l’ensemble P (Ω) des parties de Ω ;
Séance 3 14
• la mesure de probabilité est la probabilité uniforme (ou equi-probabilité)
Card( A)
P : A 7→ .
Card(Ω)
Dans l’espace (Ω, F , P), l’événement "les n dates d’anniversaires sont différentes" se formalise en
: {l’application {1, . . . , n} → {1, . . . , 365} est injective}.
Ainsi, la probabilité recherchée est
Nombre d’injections {1, . . . , n} → {1, . . . , 365} An

1− = 1 − 365n ,
Card(Ω) 365
n = 365!
où A365 (365−n)!
est le nombre d’arrangements de n éléments parmi 365.
Pour n = 20, on trouve p ≈ 0, 4114 et pour n = 40, p ≈ 0, 891.
Solution de E. III.7.1 L’espace de probabilité Ω est l’ensemble des triplets (i, Ai , Ji ) où i est l’identifiant
de l’assuré,
Ai = 1{i est accidenté dans l’année} ,

Ji = 1{i est jeune conducteur} .
La tribu considérée est l’ensemble P (Ω) des parties de Ω. L’énoncé dit
P( A | J ) = 0.4
P( A | J c ) = 0.125
P( J ) = 0.2.
On choisit au hasard 10 jeunes conducteurs. La variable aléatoire X qui compte le nombre de jeunes
conducteurs, parmi ces 10, qui ont un accident dans l’année, suit une loi binomiale B(n = 10, p = 0.4).
C’est-à-dire
P( X = k) = Cnk pk (1 − p)n−k ,
où
• pk correspond à k individus qui ont un accident (probabilité p = 0.4) ;
• (1 − p)n−k correspond à n − k individus qui n’ont pas d’accident (probabilité 1 − p = 0.6) ;
• Cnk correspond au nombre de façons de choisir k individus accidentés parmi les 10.
On peut aussi remarquer que X peut s’écrire comme la somme de n variables aléatoires Ni in-
dépendantes, valant 1 si l’individu a un accident et 0 sinon.
On a alors
P( X ≥ 1) = 1 − P( X = 0)
0
= 1 − C10 0.40 0.610
= 0.994.
Séance 3 15
Solution de E. III.7.2 On choisit au hasard 10 conducteurs qui ne sont pas jeunes conducteurs. La
variable aléatoire qui compte le nombre d’individus, parmi ces 10, qui ont un accident dans l’année,
suit une loi binomiale B(n = 10, p = 0.125).
P (Y ≥ 1 ) = 1 − P (Y = 0 )
0
= 1 − C10 0.1250 0.87510
= 0.74.
Solution de E. III.7.3 On choisit au hasard 10 conducteurs parmi les assurés. Soit Z la variable
aléatoire égale au nombre de personnes ayant un accident dans l’année. Z suit une loi binomiale
B(n = 10, p = P( A)).
Or on a
P( A) = P( A | J ) × P( J ) + P( A | J c ) × (1 − P( J ))
= 0.4 × 0.2 + 0.125 × 0.8
= 0.18.
On en déduit
P( Z ≥ 1) = 1 − P( Z = 0)
0
= 1 − C10 0.180 0.8210
= 0.86
Solution de E. III.8.1 Question de cours.
Solution de E. III.8.2 On suit l’indication de l’énoncé. Pour toute v.a. Sn de loi binomiale B(n, pn ),
nk n n−1 n−k+1

P( Sn = k ) = ... pkn (1 − pn )n−k
k! n n n
λk n n−1 n−k+1

n−k
∼ ... 1 − pn .
k! n n n
Il reste donc à étudier le logarithme de la quantité
n−1 n−k+1

n n−k
An = ... 1 − pn ,
n n n
lorsque n tend vers ∞.
k−1

1
ln An = (n − k ) ln (1 − pn ) + ln 1 − + · · · + ln 1 −
n n
| {z }
→0 quand n→∞
∼ −(n − k) pn ∼ −λ.
Séance 3 16
On en déduit que pour tout k fixé,
λk
P( Sn = k ) → e − λ lorsque n → ∞.
k!
On dit que la variable Sn converge en loi vers la loi de Poisson P (λ).
Solution de E. III.9.1 Soit N le nombre d’individu possédant les caractéristiques recherchées. N est
une variable aléatoire suivant la loi binomiale B(n = 107 , p = 10−7 ). Pourquoi ?
Ainsi, E[ N ] = np = 1.
La probabilité recherchée est
P( N > 1) 1 − P( N = 0) − P( N = 1)
P( N > 1 | N ≥ 1) = = .
P( N > 0) 1 − P( N = 0)
Or, P( N = k ) = Cnk pk (1 − p)n−k implique
P( N = 0) = (1 − 10−7 )10 P( N = 1) = 107 10−7 (1 − 10−7 )10 −1 = (1 − 10−7 )10 −1 .

7 7 7
et
D’où
7 7 −1
1 − (1 − 10−7 )10 − (1 − 10−7 )10
P( N > 1 | N ≥ 1) = 7 .
1 − (1 − 10−7 )10
Pour obtenir une approximation de P( N > 1 | N ≥ 1), on peut utiliser l’approximation de la loi
binomiale B(n = 107 , p = 10−7 ) par la loi de Poisson P (λ = 1)
P ( N > 1 ) 1 − e −1 − e −1
P( N > 1 | N ≥ 1) = ≈ ≈ 0.4.
P( N > 0) 1 − e −1
Solution de E. III.9.2 De la même manière,
P( N > 2) 1 − e−1 − e−1 − 12 e−1

P( N > 2 | N ≥ 2) = ≈ ≈ 0.3.
P( N > 1) 1 − e −1 − e −1
Solution de E. III.9.3 Pour tout k n = 107 , en remarquant que p = 1/n, on a l’approximation de

la loi binomiale par la loi de Poisson
1 n−k
k
e −1

1
P( N = k ) = Cnk 1− ≈ .
n n k!
Séance 3 17
On estime que "être raisonnablement confiant que m soit la totalité des individus recherchés" sig-
nifie que P( N > m | N ≥ m) ≤ q pour un certain réel q suffisamment petit. Sous l’approximation de
la loi binomiale par la loi de Poisson, on a l’équivalence suivante
P( N > m | N ≥ m ) ≤ q ⇔ P( N > m ) ≤ q P( N ≥ m )
∞ ∞
1 1
⇔ e −1 ∑ l!
≤ q e −1 ∑ .
l!
l = m +1 l =m
Pour tout q fixé, la plus petite valeur acceptable de m peut être déterminée numériquement. Si q est
petit, alors une estimation très grossière de m est 1/q. En effet, l’approximation grossière
∞ ∞
1 1 1 m+1 1 1
∑ l! m + 1 m! (m + 2)!
= + + . . . ≈
m + 1 ∑ l!
l = m +1 l =m
conduit à
∞ ∞
1 1 1
∑ l! ≤ q ∑ l!
⇐⇒
m+1
≤ q.
l = m +1 l =m
Cette estimation grossière est vérifiée numériquement dans le cas où q = 0.05, qui conduit à m ≈ 20.
Solution de E. III.9.4 Aucun niveau p d’improbabilité n’est suffisamment petit pour garantir la
détermination unique de la personne recherchée.
Si p = 10−7 α, alors N suit la loi binomiale B(107 , 10−7 α), qui peut être approximée par la loi de
Poisson P (α). Dans ce cas,
1 − e−α − αe−α
P( N > 1 | N ≥ 1) ≈ = ρ.
1 − e−α
Une valeur acceptable pour des délits mineurs pourrait être de ρ ≈ 0.05, qui correspond à α ≈ 0.1,
c’est-à-dire un niveau d’improbabilité p = 10−8 . Pour des crimes plus importants, il est évidemment
nécessaire d’exiger des valeurs de ρ beaucoup plus petites...
Solution de E. III.10.1 Soit x, z ∈ E tels que z ∈ A x . z ∈ A x signifie que tout ensemble A ∈ E

/ B, alors on aurait Bc (∈ E )
contenant x contient aussi z. Si il existait B ∈ E tel que z ∈ B mais x ∈
contenant x mais pas z, ce qui est contradictoire. Donc z ∈ A x ⇒ Az = A x .
(a) Puisque E est dénombrable, A x est défini par l’intersection d’un nombre dénombrable d’éléments
de E et est donc dans E .
(b) L’inclusion B ⊂ ∪ x∈ B A x est immédiate. Si x ∈ B, alors A x ⊂ B ce qui fournit l’inclusion ré-

ciproque.
Séance 3 18
(c) Puisque A x ∈ E et que nous avons supposé que E est dénombrable, une union quelconque de
A x est nécessairement dénombrable. D’après la question 1), les A x forment une partition de E.
Cette décomposition est donc unique.
Solution de E. III.10.3 D’après les questions précédentes, si E est dénombrable, l’application
P (A) → E
[
B 7→ A
A∈ B
est bijective. Or par hypothèse, E contient un nombre infini d’éléments. Ainsi E et donc A sont
également infinis. Mais alors P (A) est indénombrable et il ne peut y avoir de bijection avec E , ce qui
fournit une contradiction.
Solution de E. III.11.1 En complément de la Question Q. III.3.1, on remarque que tout ensemble

] − ∞, x [, x ∈ R peut s’écrire comme une union dénombrable d’ouverts:
] − ∞, x [= ] − ∞, r [.
[
Q
r ∈ ,r ≤ x
Ainsi, la tribu borélienne est engendrée par la famille dénombrable {] − ∞, r [, r ∈ Q} ou par complé-
mentarité, {[r, +∞[, r ∈ Q}.
Pour répondre à la question, il suffit alors d’utiliser le lemme de transport (voir l’énoncé dans le
corrigé de la Question Q. III.4.1).
On rappelle la preuve de ce résultat. D’abord, on peut vérifier que l’image réciproque d’une
tribu est une tribu. Donc f −1 (σ(C)) étant une tribu contenant f −1 (C), on a l’inclusion σ( f −1 (C)) ⊂
f −1 (σ(C)).
L’inclusion réciproque s’obtient en observant que Σ = { A ∈ σ (C) : f −1 ( A) ∈ σ( f −1 (C))} est une
tribu et que Σ contient C . Ainsi, Σ = σ(C) et donc f −1 (σ(C)) ⊂ σ( f −1 (C)).
Solution de E. III.12.1 On sait qu’un triangle équilatéral peut être construit sur la corde √ [ A, B] en
restant à l’intérieur du disque unité si et seulement si la longueur de [ A, B] est inférieure à 3 (faire
un dessin dans chacun des cas).
Le point P est tiré de manière uniforme à l’intérieur du cercle U . P est le milieu du segment [ A, B]
si la droite (OP) est la médiatrice de√[ A, B]. √
Soit X la longueur de [ A, B]. X > 3 si et seulement si la distance OP < 12 . Ainsi P( X > 3) =
2
1 1
= . Avec cette construction, la probabilité recherchée est donc 3/4.
2 4
√ de E. III.12.2 √Comme P est 1tiré de manière uniforme sur un rayon, la probabilité que
Solution
X > 3 devient P( X > 3) = P(OP < 2 ) = 1/2. La probabilité recherchée est donc 1/2.
Séance 3 19
Solution de E. III.12.3 Les points A et B sont tirés uniformément de manière indépendante sur le
cercle. Un triangle équilatéral construit sur [ A, B] peut être à l’intérieur du disque si et seulement si
_
la longueur de l’arc AB est inférieure à 2π/3. La probabilité recherchée est donc 2/3 (par symétrie, le
point A étant fixé, B est choisi sur l’un des demi-cercles séparés par la droite (0A), de longueur π).
Solution de E. III.12.4 Les valeurs différentes obtenues pour des constructions différentes peuvent
justifier le terme de paradoxe. L’explication vient du fait qu’en changeant le mode de construction, on
change la distribution de probabilité du triangle.
Séance 3 20
Séance IV : Mesure, intégrale et espaces L p
• je sais vérifier qu’une fonction définie sur des ensembles est une mesure;
• je maîtrise la construction de l’intégrale de fonctions positives par rapport à une mesure;
• je sais passer à la limite sous le signe intégral, lorsque la suite de fonctions est croissante positive;
• je sais particulariser au cas des probabilités le cadre général de l’intégration par rapport à une
mesure;
• je sais ce qu’est une mesure de probabilités et je sais déterminer la loi d’une variable aléatoire
discrète;
• je connais l’espace vectoriel normé L p .
1
CS 1A - CIP 2022-2023
Les questions IV.1 et IV.2 sont à traiter avant la séance de TD. Les corrigés sont disponibles sur
internet.
Question IV.1 (Questions diverses sur les mesures)
Q. IV.1.1 Soient E1 , E2 deux ensembles et G une tribu sur E2 . Soit f une application de E1 vers E2 .
Montrer que { f −1 ( B) : B ∈ G} est une tribu sur E1 (on l’appelle tribu engendrée par f , notée σ( f ).
Vous pouvez vérifier que c’est la plus petite tribu qui rend f mesurable).
Q. IV.1.2 Soit ( E, F ) un espace mesurable. Pour x ∈ E, on définit
δx :F → R+
(
=1 si x ∈ A
A 7→ δx ( A) =
=0 sinon.
Montrer que δx est une mesure.

Q. IV.1.3 La somme de deux mesures est-elle une mesure?
Question IV.2
Q. IV.2.1 Dans un espace de probabilité (Ω, F , P), soit ( An )n∈N une suite d’événements de proba-
bilité nulle. Montrer que B = n∈N An est un événement de probabilité nulle.
S
Q. IV.2.2 Plus généralement, considérons maintenant ( E, F , µ) un espace mesuré tel que µ( E) < ∞.
Soit ( An )n∈N ∈ F N tel que pour tout n ∈ N, µ( An ) = µ( E). Montrer que µ (∩n∈N An ) = µ( E).
Séance 4 2
CS 1A - CIP 2022-2023
C) Exercices
La notation pour l’intégrale d’une fonction f : E → R par rapport à une mesure ν peut s’écrire
indifféremment
Z Z
f ( x ) ν(dx ) ou f dν.
E E
D’autre part, lorsqu’on parlera simplement d’intégrale, il s’agit de l’intégrale au sens de la mesure. Si
la mesure est celle de Lebesgue, on parlera éventuellement d’intégrale de Lebesgue. Enfin, on écrira
systématiquement “intégrale de Riemann” lorsque cette intégrale apparaît.
On se tourne désormais vers des exercices faisant intervenir l’intégrale construites en cours. En
probabilités, on appelle “espérance”, notée E[·], l’intégrale par rapport à une mesure de probabilité P.
Montrons pour commencer que l’intégrale permet d’unifier les notions de fonction intégrable et
de suite sommable.
Exercice IV.1 (Mesure sur N)

Soit Ω = N et F = P (N).
E. IV.1.1 Vérifier que F est bien une tribu sur l’ensemble Ω.
E. IV.1.2 Vérifier que ν = Card est bien une mesure sur F (on l’appelle mesure de comptage).
E. IV.1.3 Vérifier que toute fonction f de (N, P (N)) dans (R, B(R)) est bien mesurable.
E. IV.1.4 Soit f de (N, P (N)) dans (R, B(R)) positive.
n
(a) Montrer que ∑ f ( k ) 1{k} ↑ f .
k =0
Z
(b) En déduire la valeur de f dν.
N
E. IV.1.5 Déterminer les fonctions de (N, P (N), ν) dans (R, B(R)) qui sont intégrables.
E. IV.1.6 Montrer que, pour toute famille de réels positifs ( xi,j )(i,j)∈N×N on a dans R+ :
∑ ∑ xi,j = ∑ ∑ xi,j .
i∈ N j ∈N j∈ N i ∈N
Exercice IV.2 (Inégalité de Markov)
E. IV.2.1 Soit ( E, F , µ) un espace mesuré et f une fonction mesurable à valeurs dans R. Démontrer
l’inégalité de Markov:
1
Z
∀α > 0, µ ({ x ∈ E : | f ( x )| > α}) ≤ | f | dµ .
α E
E. IV.2.2 Soit f une fonction mesurable de E dans R. Montrer que µ ({ x ∈ E : f ( x ) = +∞}) ≤
limn→+∞ µ ({ x ∈ E : | f ( x )| ≥ n}). En s’aidant du résultat de la question précédente, en déduire que
si f ∈ L1 ( E, F , µ), alors µ ({ x ∈ E : f ( x ) = +∞}) = 0. La réciproque est-elle vraie?
Séance 4 3
CS 1A - CIP 2022-2023
Exercice IV.3 (Mesure image)

Soit f une application mesurable de ( E, E ) sur ( F, F ) (E et F sont respectivement des tribus sur E et
F). Soit ν une mesure définie sur la tribu E .
On pose
∀ B ∈ F , ν f ( B ) = ν f −1 ( B ) .

On considère une application ϕ : F → R+ mesurable.

E. IV.3.1 Vérifier que ν f définit une mesure sur la tribu F .
Z
E. IV.3.2 Rappeler le procédé de construction de l’intégrale dans le cas particulier de ϕ( x ) ν f (dx ).
F
E. IV.3.3 En déduire que

Z Z
ϕ( x ) ν f (dx ) = ϕ( f ( x )) ν(dx ).
F E
La mesure ν f est appelée mesure image de ν par l’application f .
Exercice IV.4 (Construction de mesures)

Soit ( E, F , µ) un espace mesuré et f une fonction mesurable positive. Pour tout A ∈ F , on définit
Z
ν( A) = f dµ .
A
E. IV.4.1 Justifier rigoureusement que ν est une mesure.

On dit que ν a pour densité f par rapport à µ.
De premiers exercices de probabilité faisant intervenir la mesure.
Exercice IV.5
Soit Ω = {ω1 , ω2 , ω3 }.
E. IV.5.1 Existe-t-il une mesure de probabilité P sur Ω telle que P({ω1 }) = P({ω2 }) = P({ω3 })?
E. IV.5.2 On définit les applications X et Y de Ω dans R telles que
X (ω1 ) = 1, X (ω2 ) = 2, X (ω3 ) = 3,

Y (ω1 ) = 2, Y (ω2 ) = 3, Y (ω3 ) = 1.
(a) Justifier que X et Y définissent des variables aléatoires.
(b) Montrer que les variables aléatoires X et Y ont même loi.
(c) Déterminer les distributions de probabilité de X + Y et XY.
Exercice IV.6
Soit X = {1, 2, 3, 4} et F = {{1, 2}, {2, 3}, X }.
E. IV.6.1 Montrer que F engendre P ( X ) (i.e. σ (F ) = P ( X )). F est-il une tribu?
Séance 4 4
CS 1A - CIP 2022-2023
E. IV.6.2 On note M1 ( X ) l’ensemble des mesures de probabilité sur ( X, P ( X )). Montrer que M1 ( X )
est en bijection avec l’ensemble { x = ( x1 , x2 , x3 , x4 ) ∈ [0, 1]4 : ∑4i=1 xi = 1}.
E. IV.6.3 Utiliser la question précédente pour trouver deux mesures de probabilités (i.e. telles que
µ1 ( X ) = µ2 ( X ) = 1) distinctes sur P ( X ) mais égales sur F .
Exercice IV.7 (Probabilité de limite d’évènements)

Soit ( An )n∈N∗ une suite d’événements de l’espace de probabilité (Ω, F , P). On définit, pour tout
n ≥ 1,
[ \
Bn = Am , Cn = Am .
m≥n m≥n
Pour tout n ≥ 1, Cn ⊂ An ⊂ Bn et les suites ( Bn )n∈N∗ et (Cn )n∈N∗ sont respectivement décroissante et
croissante. On définit alors
\ \ [
lim Bn = B = Bn = Am ,
n→∞
N∗
n∈
[
N∗ m ≥ n
n∈
[ \
lim Cn = C = Cn = Am .
n→∞
n∈ N∗ n∈ N∗ m ≥ n
E. IV.7.1 Justifier que
(a) B = {ω ∈ Ω : ω ∈ An , pour une infinité de valeurs de n ∈ N∗ }.
(b) C = {ω ∈ Ω : ω ∈ An , pour tout n ∈ N∗ sauf pour un nombre fini de valeurs de n}.
E. IV.7.2 On dit que la suite ( An )n∈N∗ converge vers A lorsque B et C sont égaux à A. Dans cette
question, on suppose que An converge vers A, lorsque n → ∞.
(a) Montrer que A est un événement, c’est-à-dire que A ∈ F .
(b) Montrer que P( An ) tend vers P( A), lorsque n → ∞.
E. IV.7.3 On suppose que pour tout n ∈ N∗ , les événements Bn et Cn sont indépendants.
(a) Montrer que B et C sont indépendants.
(b) En déduire que lorsque An tend vers A, lorsque n → ∞, P( A) vaut 0 ou 1.
Exercice IV.8 (Uniforme continuité de l’intégrale)

Soit ( E, F , µ) un espace mesuré et f ∈ L1 (µ).
*E. IV.8.1 Montrer l’assertion suivante:
Z
∀e > 0, ∃δ > 0 tel que µ( A) < δ ⇒ | f | dµ < e .
A
Séance 4 5
CS 1A - CIP 2022-2023
Exercice IV.9 (Inégalité de Hölder)

Soit ( E, F , µ) un espace mesuré, et f , g deux fonctions mesurables à valeurs dans R. On veut montrer
l’inégalité de Hölder: pour tous p, q ∈ [1, ∞] tels que 1p + 1q = 1,
Z Z 1p Z 1q
p q
| f g| dµ ≤ | f | dµ | g| dµ . (IV.1)
E E E
E. IV.9.1 Traiter les cas k f k p = 0 et k f k p = ∞.

On suppose dorénavant que k f k p ∈]0, +∞[ et k gkq ∈]0, +∞[.
E. IV.9.2 Traiter le cas p = 1.
On suppose désormais que 1 < p < ∞.
E. IV.9.3 (a) Soit α ∈]0, 1[. Montrer que ∀ x ∈ R+ , xα − αx ≤ 1 − α. En déduire que pour tous
u, v ≥ 0, uα v1−α ≤ αu + (1 − α)v.
| f ( x )| p | g( x )|q
(b) Appliquer l’inégalité précédente à α = 1p , u = k f kp
p et v = k gkq
q . Conclure.
*E. IV.9.4 Lorsque 1 < p < ∞, trouver une CNS pour qu’il y ait égalité dans (IV.1).
Exercice IV.10
(Mesure?)
Soit `∞ = u = (un )n∈N ∈ RN : kuk∞ := supn∈N |un | < ∞ l’ensemble des suites réelles bornées.
*E. IV.10.1 Montrer que (`∞ , k · k∞ ) est un espace de Banach.
On admet la propriété suivante (conséquence du théorème de Hahn-Banach), selon laquelle il

existe une forme linéaire continue F : `∞ → R qui vérifie les propriétés suivantes: pour tout u ∈ `∞ ,
• F (u) ≤ kuk∞ ,
• si limn→∞ un = α, alors F (u) = α.

E. IV.10.2 Pour tout A ⊂ N, on rappelle que 1 A est l’indicatrice de A, définie par la relation suiv-
ante: 1 A (n) = 1 si n ∈ A, et 1 A (n) = 0 sinon. On peut donc considérer 1 A comme un élément de `∞ .
On définit µ : P (N) → R par la relation µ( A) = F (1 A ). Montrer que
• µ(∅) = 1 − µ(N) = 0,
• µ ( A c ) = 1 − µ ( A ),
• µ( A ∪ B) = µ( A) + µ( B) si A ∩ B = ∅.
E. IV.10.3 Montrer que µ n’est pas une mesure.
Exercice IV.11
Soit X un ensemble non-dénombrable et définissons
M = { E ⊂ X : E est dénombrable ou Ec est dénombrable}.
E. IV.11.1 Montrer que M est une tribu.
Séance 4 6
CS 1A - CIP 2022-2023
E. IV.11.2 On définit µ : M → {0, 1} par µ( E) = 0 si E est dénombrable et µ( E) = 1 sinon. Montrer

que µ est une mesure sur ( X, M).
**E. IV.11.3 Décrire les fonctions mesurables de ( X, M) vers (R, B(R)) et leur intégrale par rap-
port à µ.
Exercice IV.12 (Fonction d’Euler)

On choisit au hasard un des entiers 1, 2, . . . , n, de manière équiprobable. Pour tout nombre entier p tel
que 0 < p ≤ n, on considère l’événement
A p = {le nombre choisi est divisible par p} .
E. IV.12.1 Calculer P( A p ) lorsque p divise n.

E. IV.12.2 Montrer que si p1 , p2 , . . . , pk sont des diviseurs premiers distincts de n, alors les événe-
ments A p1 , A p2 , . . . , A pk sont indépendants.
E. IV.12.3 On rappelle que la fonction indicatrice d’Euler φ : N → N est définie par : pour tout n ∈ N,
φ(n) est égal au nombre d’entiers dans {1, . . . , n} premiers avec n.
Montrer que pour tout n ∈ N,
φ(n) = n ∏ (1 − 1p ).
p∈P
p|n
Exercice IV.13 (Indépendance conditionnelle)

Deux événements E et F sont dits indépendants conditionnellement à un événement C si
P( E ∩ F | C ) = P( E | C )P( F | C ).
E. IV.13.1 Montrer que E et F peuvent être indépendants, et ne pas l’être conditionnellement à un
événement C.
Séance 4 7
Solution de Q. IV.1.1 Notons F = { f −1 ( B) : B ∈ G}. ∅ et E2 appartiennent à G donc ∅ et E1

appartiennent à F . Pour prouver la stabilité par passage au complémentaire, on remarque que f −1 ( A \
B) = f −1 ( A) \ f −1 ( B), et pour la stabilité par union dénombrable, f −1 ( n∈N An ) = n∈N f −1 ( An ).
S S
On note désormais σ( f ) = { f −1 ( B) : B ∈ G}. f est mesurable de ( E1 , σ( f )) dans ( E2 , G). Donc

la plus petite tribu sur E1 rendant mesurable f est incluse dans σ( f ). Réciproquement, toute tribu
rendant mesurable f doit contenir f −1 ( B) pour tout B ∈ G , et contient donc σ( f ).
Solution de Q. IV.1.2 Soit x ∈ E. x ∈/ ∅ donc δx (∅) = 0. Soit ( An )n∈N ∈ F N une famille d’éléments
deux à deux disjoints. On considère alors deux cas:
• soit x ∈ n∈N An . Alors par définition, δx ( n∈N An ) = 1 et il existe n x ∈ N tel que x ∈ Anx . Les
S S
An étant disjoints, un tel n x est unique. Ainsi δx ( n∈N An ) = δx ( Anx ) = ∑n∈N δx ( An ).

S
• Soit x ∈ ( n∈N An )c , alors δx ( n∈N An ) = 0 et pour tout n ∈

S S
N, δx ( An ) = 0. Ce qui donne à
nouveau δx ( n∈N An ) = ∑n∈N δx ( An ).
S
Solution de Q. IV.1.3 La somme de deux mesures sur un même espace mesurable est une mesure,
il suffit de vérifier les points de la définition.
Solution de Q. IV.2.1 Pour toute mesure de probabilité P (et même plus généralement pour toute
mesure positive) sur la tribu F et pour toute suite ( An )n∈N dans F , on a
!
P ∑ P( A n ).
[
An ≤
n∈ N n∈ N
Comme P( An ) = 0 pour tout n ∈ N, on en déduit
!
P ∑ P( An ) = 0,
[
An ≤
n∈ N n∈ N
d’où P( B) = 0.
Solution de Q. IV.2.2 Montrons que µ (( n∈N An )c ) = 0.

T
Notons que ( n∈N An )c = n∈N Acn et que µ( Acn ) = µ( E \ An ) = µ( E) − µ( An ) = 0. Ainsi,

T S
µ (( n∈N An )c ) = µ ( n∈N Acn ) ≤ ∑n∈N µ( Acn ) = 0.

T S
Solution de E. IV.1.1 F = P (N) vérifie bien les axiomes de définition d’une tribu.
Solution de E. IV.1.2 ν = card vérifie bien les axiomes de définition d’une mesure.
Séance 4 8
Solution de E. IV.1.3 Toute fonction f de (N, P (N)) dans (R, B(R)) est mesurable puisque :
∀ B ∈ B(R), f −1 ( B ) ∈ P (N ).
Solution de E. IV.1.4
n
(a) Soit f n = ∑ f (k)1{k} . On a f n+1 − f n = f (n + 1)1{n+1} ≥ 0 donc la suite ( f n ) est croissante.
k =0
En outre, pour tout p fixé dans N, f n ( p) = f ( p) pour n ≥ p. Ainsi ( f n ( p)) converge vers f ( p)
quand n tend vers +∞. Ceci prouve la convergence de ( f n ) vers f .
(b) Ainsi, puisque les fonctions f n sont étagées positives:

Z Z Z n n +∞
f dν = lim
n→+∞
f n dν = lim
n→+∞
∑ f (k )1{k} dν = lim
n→+∞
∑ f (k)ν{k} = ∑ f ( k ).
k =0 k =0 k =0
Solution de E. IV.1.5 Une fonction f est intégrable si et seulement si | f | est intégrable c’est-à-dire
+∞
∑ | f (k)| < +∞,
k =0
ou encore ∑ f (k ) est absolument convergente.
Solution de E. IV.1.6 Pour un entier i fixé, considérons la fonction f i définie de N dans R par f i ( j) =
xi,j .
Pour tout i, la fonction f i est à valeurs dans R+ et mesurable puisque, pour tout réel a, f i−1 (] −
∞, a]) ∈ P (N).
Ainsi, par propriété de convergence monotone de l’intégrale des fonctions positives,
Z +∞ +∞ Z
N i∑ ∑ N fi dν,
f i dν =
=0 i =0
ce qui s’écrit
+∞ +∞ +∞ +∞
∑ ∑ xi,j = ∑ ∑ xi,j .
j =0 i =0 i =0 j =0
Solution de E. IV.2.1 | f | étant une fonction mesurable à valeurs dans R+ , son intégrale par rapport
à µ est bien définie (dans [0, +∞]). Soit α > 0, on définit Eα = {| f | > α} (notation pour { x ∈
E : | f ( x )| > α}). Alors
Z Z Z
| f | dµ ≥ | f |1 Eα dµ ≥ α1 Eα dµ = αµ ( Eα ) ,
E E E
Séance 4 9
ce qui donne le résultat.
Solution de E. IV.2.2 On a pour tout n ∈ N,
µ ({ f = +∞}) ≤ µ ({| f | = +∞}) ≤ µ ({| f | ≥ n}) .
Si pour tout n ∈ N, µ ({| f | ≥ n}) = +∞, alors l’inégalité recherchée est automatiquement vérifiée. Si
au contraire il existe n0 ∈ N tel que µ ({| f | ≥ n0 }) < +∞, alors la suite (µ ({| f | ≥ n}))n≥n0 converge,
puisqu’elle est décroissante et minorée (par 0). On a en outre dans ce cas que limn→∞ µ ({| f | ≥ n}) =
µ ({| f | = +∞}) par la Proposition 3.24 du cours (en effet n∈N {| f | ≥ n} = {| f | = +∞}). Ceci répond
T
à la première partie de la question.

Ensuite, par l’inégalité de Markov,
1
Z
µ ({ f = +∞}) ≤ lim | f | dµ
n→∞ n E
et le membre de droite vaut 0 grâce à l’hypothèse d’intégrabilité de f .

La réciproque est fausse, n’importe quelle fonction constante (non nulle) sur un espace mesuré
( E, E , µ) tel que µ( E) = +∞, le prouve.
Solution de E. IV.3.1 Il s’agit de vérifier les conditions de la définition d’une mesure. Remarquez
qu’on vérifie ainsi que la loi d’une variable aléatoire est bien une mesure de probabilité sur l’espace d’arrivée.
Solution de E. IV.3.2 Voir le cours...
Solution de E. IV.3.3 Il suffit de vérifier l’égalité sur les fonctions indicatrices 1 B où B ∈ F .
Solution de E. IV.4.1 Pour tout A ∈ F , ν( A) est bien défini (et à valeur dans R+ ) car 1 A f est une
fonction mesurable positive. De façon évidente, ν(∅) = 0.
On considère donc une famille ( An )n∈N ∈ F N d’éléments disjoints. Notons A = n∈N An . On
S
remarque que pour tout N ∈ N,

N
1S N
n =0 An = ∑ 1A n
n =0
car les An sont deux à deux disjoints. On en déduit deux propriétés: d’une part,
Z N Z
E
1S N
n =0 An f dµ = ∑ An
f dµ.
n =0
D’autre part, la suite de fonctions 1S N An f est croissante. Ainsi, une simple application du théorème
n=0R
de convergence monotone montre que A f dµ = ∑n∈N An f dµ, c’est-à-dire que
R
ν( A) = ∑ ν ( A n ).
n∈ N
Séance 4 10
Solution de E. IV.5.1 L’ensemble Ω est fini. On le munit de la tribu F = P (Ω), ensemble des parties
de Ω.
Toute mesure de probabilité sur (Ω, F ) est déterminée par ses valeurs sur les singletons {ωi }
(i = 1, 2, 3).
Ainsi, les valeurs P({ω1 }) = P({ω2 }) = P({ω3 }) = 1/3 déterminent une unique mesure de
probabilité sur (Ω, F ).
(a) Comme Ω est muni de la tribu la plus fine (F = P (Ω)), toute application de (Ω, F ) dans
(R, B(R)) est mesurable. Par exemple dans le cas de X,
∀ B ∈ B(R), X −1 ( B ) ∈ F .
Ainsi les applications X et Y sont des variables aléatoires.

Ce résultat reste-t-il valable si on remplace l’ensemble d’arrivée R par l’ensemble fini {1, 2, 3} ?
(b) On a
P( X = 1) = P {ω ∈ Ω : X (ω ) = 1} = P(ω1 ) = 1/3

P (Y = 1 ) = P {ω ∈ Ω : Y (ω ) = 1} = P(ω3 ) = 1/3.

De même, on a P( X = 2) = 1/3 = P(Y = 2) et P( X = 3) = 1/3 = P (Y = 3). Donc les

variables aléatoires X et Y ont la même loi.
(c) Les variables aléatoires X + Y et XY sont déterminées par leurs valeurs sur Ω :
( X + Y )(ω1 ) = 3, ( X + Y )(ω2 ) = 5, ( X + Y )(ω3 ) = 4,

( XY )(ω1 ) = 2, ( XY )(ω2 ) = 6, ( XY )(ω3 ) = 3.
On en déduit que la variable aléatoire X + Y ne prend que les valeurs {3, 4, 5} avec les probabil-
ités P( X + Y = 3) = P( X + Y = 5) = P( X + Y = 4) = 1/3.
De même, la variable aléatoire XY ne prend que les valeurs {2, 3, 6} avec les probabilités P( XY =
2) = P( XY = 6) = P( XY = 3) = 1/3.
Solution de E. IV.6.1 Il suffit de vérifier que tous les singletons peuvent être construits à partir
d’union et de passage au complémentaire des éléments de F .
F n’est pas une tribu (∅ ∈
/ F , F n’est pas stable par union, etc.).
Solution de E. IV.6.2 Soit le simplexe S = { x = ( x1 , x2 , x3 , x4 ) ∈ [0, 1]4 : ∑4i=1 xi = 1}. Considérons

l’application
ϕ : M1 ( X ) → S
P 7 → { p1 , p2 , p3 , p4 }
Séance 4 11
où pi = P({i }) pour tout i ∈ {1, 2, 3, 4}. On vérifie d’abord aisément que ϕ est bien définie (en
particulier ϕ(M1 ( X )) ⊂ S ).
Soient P, Q ∈ M1 ( X ) tels que ϕ( P) = ϕ( Q). Puisque pour toute partie A ∈ P ( X ),
4
P( A) = ∑ 1 {i ∈ A } pi ,
i =1
(idem pour Q) il vient que P( A) = Q( A). D’où l’injectivité de ϕ. Par la formule précédente, on
construit une mesure de M1 ( X ) à partir de tout élément de S , assurant la surjectivité.
Solution de E. IV.6.3 On cherche les éléments de S dont la valeur est contrainte sur F , ce qui
impose un système de 3 équations à 4 inconnues (en ne tenant pas compte dans un premier temps de
la contrainte xi ≥ 0). Il y a donc une infinité de solutions. On donnne par exemple p1 = p2 = p3 =
p4 = 41 et q1 = q3 = 31 , q2 = q4 = 61 .
(a) On a ω ∈ B si et seulement si pour tout n ≥ 1, ω ∈
S
m≥n Am , ce qui peut s’exprimer par : ω
appartient à une infinité des An .
(b) On a ω ∈ C si et seulement si pour un certain n ≥ 1, ω ∈ m≥n Am , ce qui peut s’exprimer par :

T
ω appartient à tous les Am pour m ≥ 1, sauf éventuellement aux Am tels que m < n.
N∗ Bn = N∗
T T S
(a) On a A = B = n∈ n∈ m≥n Am .
Or, pour tout n ≥ 1, on a Bn ∈ F (union dénombrable des Am , éléments de F ).
De même, B ∈ F (intersection dénombrable des Bn , éléments de F ).
Donc A ∈ F .
(b) Pour tout n ≥ 1, on a

\ [
Cn = Am ⊂ An ⊂ Am = Bn ,
m≥n m≥n
ce qui implique P(Cn ) ≤ P( An ) ≤ P( Bn ).

Par continuité des mesures de probabilité (pour des suites monotones d’événements), on a
P(Bn ) → P(B) et P(Cn ) → P(C), lorsque n → ∞.
Comme A = B = C, on en déduit
P( A) = P(C) ≤ nlim
→∞
P( A n ) ≤ P( C ) = P( A ).
Séance 4 12
(a) L’indépendance de Bn et Cn , puis le fait que Cn ⊂ Bn impliquent

P(Bn ) P(Cn ) = P(Bn ∩ Cn ) = P(Cn ) → P(C) lorsque n → ∞.
Or, on sait que
P(Bn ) P(Cn ) → P(B) P(C) lorsque n → ∞.
On en déduit que P( B) P(C ) = P(C ), c’est-à-dire que P( B) = 1 ou P(C ) = 0.
Dans les deux cas, on a P( B) P(C ) = P( B ∩ C ), i.e. B et C sont indépendants.
(b) Lorsque An → A, on a A = B = C, donc P( A) = P( B) = P(C ) vaut 0 ou 1.
Solution de E. IV.8.1 On a vu à la question Q. IV.2.2 que si f est intégrable, alors f est finie µ-p.p.
En particulier, limn→∞ | f |1{| f |≥n} = 0 µ-p.p.. Ainsi, d’après le théorème de convergence dominée
(Théorème 4.15, qu’on applique puisque pour tout n, | f |1{| f |≥n} ≤ | f | et | f | est intégrable),
Z
| f |1{| f |≥n} dµ = 0.
lim
n→∞ E
Soit e > 0. Il existe N ∈ N tel que pour tout n ≥ N, E | f |1{| f |≥n} dµ ≤ 2e . Prenons δ =
R e
2N . Alors,
pour tout A ∈ F tel que µ( A) < δ,
Z Z Z Z
| f | dµ = 1 A | f | dµ = 1 A∩{| f |< N } | f | dµ + 1 A∩{| f |≥ N } | f | dµ
A E E E
Z Z
≤N 1 A dµ + 1{| f |≥ N } | f | dµ
E E
e
≤ Nµ( A) +
2
≤ e.
Solution de E. IV.9.1 Si k f k p = 0, alors f = 0 µ-p.p. En effet, si p = +∞, c’est vrai par définition. Si
p < +∞, la Proposition 4.9 fournit le résultat. Pour rappel, ce résultat peut se démontrer de la façon
suivante: pour tout e > 0,
Z Z
| f | p dµ ≥
1{| f |>e} | f | p dµ ≥ µ({| f | > e})e p .
E E
Donc si il existe e > 0 tel que µ({| f | > e}) > 0, E | f | p dµ est strictement positif. Par contraposée, on
R
a que k f k p = 0 ⇒ f = 0 µ-p.p. R
Il en découle que | f g| = 0 µ-p.p. et donc E | f g| dµ = 0, et l’inégalité est vérifiée.
Si k f k p = +∞, alors l’inégalité est trivialement vérifiée.
Solution de E. IV.9.2 Si p = 1, q = +∞. Les cas k f k1 = 0 et k f k1 = ∞ ayant été traités à la question

précédente, on peut supposer que k f k1 ∈]0, +∞[ et k gk∞ ∈]0, +∞[. On a alors
Z Z
| f g| dµ ≤ k gk∞ | f |dµ.
E E
Séance 4 13
(a) Soit α ∈]0, 1[. Il suffit d’étudier la fonction f : x 7→ x α − αx définie sur R+ et de montrer qu’elle
atteint son maximum en x = 1.
L’inégalité est bien vérifiée dans le cas v = 0. Soit donc u ∈ R+ et v ∈ R∗+ . Le résultat recherché
provient de l’ingalité x α − αx ≤ 1 − α appliquée en x = uv .
(b) L’inégalité précédente donne:

1
| f ( x )| | g( x )|q(1− p ) | f ( x )| | g( x )| 1 | f ( x )| p 1 | g( x )|q
= ≤ + .
q(1− 1p ) k f k p k gkq p k f k pp q k gkqq
k f k p k gkq
En intégrant, on obtient:
!
p dµ q dµ
R R
Z
E
| f | 1 1 E
| g |
| f g| dµ ≤ k f k p k gkq p +
E k f kpp q k gkqq

1 1
≤ k f k p k gkq + = k f k p k gkq .
p q
Solution de E. IV.9.4 Nous allons montrer qu’il y a égalité sssi il existe (α, β) 6= (0, 0) tel que α| f | p =
β| g|q µ-p.p.
Pour cela, on remarque que la seule inégalité utilisée dans la preuve de l’inégalité de Hölder est
issue de x α − αx ≤ 1 − α. Or il y a égalité sssi x = 1, ce qui correspond avec notre choix de x à
| f ( x )| p | g( x )|q
une égalité pour Hölder sssi k f k p = k gkq µ-p.p. On en déduit l’équivalence annoncée en traitant
p q
séparément les cas où les normes de f , g s’annulent.
Solution de E. IV.10.1 (`∞ , k · k∞ ) est un espace vectoriel normé. Montrons qu’il est complet. Soit
(uk )k∈N une suite de Cauchy d’éléments de `∞ .
Soit e > 0. Il existe N ∈ N tel que pour tous j, k ≥ N,
ku j − uk k∞ < e.
Ainsi, pour tout n ∈ N, (ukn )k∈N est une suite de Cauchy dans R, donc elle converge vers un réel qu’on
note un . Soit u = (un )n∈N la suite candidate pour être la limite de (uk )k∈N . Par la propriété de Cauchy
de cette dernière, on a en laissant j → ∞ que pour tout k ≥ N,
ku − uk k∞ < e.
Comme (uk )k∈N est bornée dans (`∞ , k · k∞ ) (car c’est une suite de Cauchy), on en déduit que u est
bornée également, car kuk∞ < e + kuk k∞ .
• Par définition, µ(∅) = F (1∅ ). Or 1∅ correspond à la suite uniformément nulle, dont la limite est
donc 0, d’où µ(∅) = 0. De même 1N a pour limite 1, d’où µ(N) = 1.
Séance 4 14
• Puisque F est linéaire, µ( A) + µ( Ac ) = F (1 A + 1 Ac ) = µ(N) = 1.
• Soient A et B disjoints. Alors 1 A∪ B = 1 A + 1 B , donc on déduit à nouveau le résultat de la linéarité

de F.
Solution de E. IV.10.3 On remarque que

!
1 = µ (N) = µ ∑ ∑
[
{n} 6= µ({n}) = 0 = 0.
n∈ N n∈ N n∈ N
Solution de E. IV.11.1 Voir corrigé de la question Q. ??.
Solution de E. IV.11.2 Il suffit de vérifier les propriétés dans la définition d’une mesure.
Solution de E. IV.11.3 Si f est mesurable, on sait alors que pour tout t ∈ R, f −1 (] − ∞, t[) ou
f −1 ([t, ∞[) est dénombrable. Notons
F+ = { f : X → R mesurable : f −1 (] − ∞, t[) est dénombrable ∀t ∈ R}

F− = { f : X → R mesurable : f −1 ([t, +∞[) est dénombrable ∀t ∈ R}.
En s’en tenant rigoureusement à l’énoncé, on remarque que F+ est vide (idem pour F− ), car si f ∈ F+ , on
doit avoir f −1 (R) = f −1 ( n∈N ] − ∞, n[) dénombrable, ce qui est impossible car X = f −1 (R) est indénom-
S
brable par hypothèse. On procède sous cette hypothèse ( f à valeurs dans R) pour ce corrigé. Mais qu’en est-il si
f est à valeurs dans R?
On déduit de la remarque précédente que pour f mesurable,
I f := inf{t ∈ R : f −1 (] − ∞, t[) est indénombrable}

S f := sup{t ∈ R : f −1 ([t, +∞[) est indénombrable}
existent. On remarque ensuite que: 1) si t < I f , f −1 (] − ∞, t[) est dénombrable, donc f −1 ([t, +∞[) =
f −1 (R\] − ∞, t[) = X \ f −1 (] − ∞, t[) est indénombrable et donc t ≤ S f ; 2) on en déduit I f ≤ S f ;
3) si t > I f , f −1 (] − ∞, t[) est indénombrable. Or f −1 ([t, +∞[) = X \ f −1 (] − ∞, t[) ∈ M et son
complémentaire ( f −1 (] − ∞, t[)) est indénombrable. Donc f −1 ([t, +∞[) est dénombrable, ainsi t ≥ I f ;
4) on en déduit I f ≥ S f .
On note dès lors α f = I f = S f . On a donc f −1 ({α f }) est indénombrable et f −1 ({ β}) est dénom-
brable pour tout β 6= α f . R
Concernant l’intégrale, on conclut maintenant facilement que X f dµ = α f .
Solution de E. IV.12.1 L’espace d’état est Ω = {1, 2, . . . , n}, la tribu des événements est F = P (Ω),
et la probabilité P est la mesure de comptage sur Ω (probabilité uniforme).
Séance 4 15
p divise n (noté p|n) s’il existe un entier α ∈ N∗ tel que n = α p. On peut alors écrire
A p = {kp; k ≤ α, k ∈ N∗ },
et donc Card( A p ) = α.
On a alors
P( A p ) = Card (Ap)
Card(Ω)
α 1
= = .
n p
Solution de E. IV.12.2 Soient p1 , p2 , . . . , pk des diviseurs premiers distincts de n.

Pour tout sous-ensemble { pi1 , . . . , pir } ⊂ { p1 , . . . , pk }, on remarque que
[ pi1 |m, pi2 |m, . . . , pir |m] ⇔ [( pi1 pi2 . . . pir )|m].
Ainsi,
A pi1 ∩ A pi2 ∩ · · · ∩ A pir = A pi1 pi2 ...pir .
D’après 1), on en déduit
P 1
= P ( A p i1 ) P ( A p i2 ) . . . P ( A p ir ) ,

A pi1 pi2 ...pir =
p i1 p i2 . . . p ir
ce qui montre l’indépendance (mutuelle) des A p1 , A p2 , . . . , A pk .
Solution de E. IV.12.3 Soit Bn l’ensemble des nombres inférieurs ou égaux à n et premiers avec n.
Par définition de la fonction indicatrice d’Euler, on a
φ(n) = Card( Bn )
et comme la probabilité P est uniforme,
P(Bn ) = Cardn(Bn ) .
On cherche donc P( Bn ).
Si p1 , . . . , pk sont les diviseurs premiers de n, on a
m ∈ Bn ⇔ [m ≤ n et m n’est multiple d’aucun pi ] .
Ainsi,
Acpi .
\
Bn =
1≤ i ≤ k
Or l’indépendance (mutuelle) des A pi entraîne l’indépendance (mutuelle) des Acpi . On en déduit

!
k
P Acpi = ∏ P( Acpi )
\
1≤ i ≤ k i =1
k
1
=∏ 1− .
i =1
pi
Séance 4 16
D’où
k
1
φ(n) = n ∏ 1 − .
i =1
pi
Solution de E. IV.13.1 Il s’agit ici de trouver un contre-exemple. On considère alors deux événe-
ments indépendants E, F ∈ F . Posons C = E ∪ F. on a alors
P(E ∩ F | C) = P(EP∩(CF )∩ C) = P(PE(C∩)F) ,

en utilisant E ∩ F ⊂ C. D’où
P(E ∩ F | C) = P(E) PP((CF)) = P(E) P( F | C) 6= P(E | C) P( F | C),
car P( E | C ) =
P(E) 6= P(E) si 0 < P(C) < 1.
P( C )
Séance 4 17
Séance V : Mesure et intégrale de Lebesgue
• je sais appliquer le théorème de convergence dominée pour passer à la limite sous le signe inté-
gral;
• je connais la caractérisation de la mesure de Lebesgue sur les intervalles de R;

• je suis capable d’exprimer la différence entre l’intégrale de Lebesgue et l’intégrale de Riemann;
• je sais calculer des intégrales de fonctions de la variable réelle;
• je suis capable d’identifier les valeurs d’intégrales de fonctions qui sont égales presque partout;
• je connais le lien entre intégration et dérivation;
• je sais définir et étudier la convergence des séries de Fourier dans L2 .
1
CS 1A - CIP 2022-2023
Les questions V.1 et V.2 sont à traiter avant la séance de TD. Les corrigés sont disponibles sur
internet.
R
Sur muni de sa tribu de Borel, la mesure usuelle est celle de Lebesgue, notée λ. Elle prolonge
naturellement la notion de longueur.
Question V.1 (Questions diverses)
Q. V.1.1 On note λ la mesure de Lebesgue sur R.

(a) Justifier que λ({ x }) = 0 pour tout x ∈ R.
(b) Grâce au (a), on fait le calcul suivant:
!
R ∑
[
λ( ) = λ {x} = λ({ x }) = 0.
x∈ R x∈ R
R
Ceci contredit le fait que λ( ) = +∞.
Où est l’erreur ?
Q. V.1.2 Soit F et G deux tribus. L’ensemble F ∪ G est-il une tribu ?
Question V.2
Q. V.2.1 Soit f la fonction

R identité de [0, 1]. Justifier que f ∈ L1 ([0, 1], λ).
Q. V.2.2 Calculer [0,1] f dλ sans passer par l’intégrale de Riemann. Justifier le calcul en vérifiant
précisément les hypothèses du théorème utilisé.
Séance 5 2
CS 1A - CIP 2022-2023
C) Exercices
Une des mesures les plus courantes est bien sûr la mesure de Lebesgue, qui généralise la notion de
longueur ou de volume en dimension supérieure (mais finie). Les cinq prochains exercices traitent de
la mesure de Lebesgue.
Exercice V.1 (Attention aux interversions limite/intégrale: quelques exemples sur ( , B( ), λ).) R R
E. V.1.1 N
(a) Pour tout n ∈ ∗ , soit f n ( x ) = 1[0,n] ( x ). Montrer que f n converge simplement vers
une fonction f que vous préciserez. Montrer que R f dλ = +∞. Le théorème de convergence
R
monotone s’applique-t-il ici?
N∗ , soit fn (x) =
Z
1
R n→+
R
(b) Pour tout n ∈ n 1[n,∞[ ( x ). Calculer lim f n dλ et lim f n dλ. Expliquer
n→+∞ R ∞
pourquoi le théorème de convergence monotone ne s’applique pas ici.
(c) Pour tout n ∈ N∗ , soit fZn (x) = n1 1[0,nZ ] (x) et f (x) = 0. Montrer que fn converge uniformément
vers f , mais que lim f n dλ 6= lim f n dλ. Expliquer pourquoi le théorème de conver-
n→+∞ R R n→+∞
gence monotone ne s’applique pas ici.
Exercice V.2 (Mesure définie par sa densité)

R R
Soit f : → + mesurable et µ une mesure sur ( , B( )). R R
E. V.2.1 R R
On suppose que pour toute fonction ϕ : → + mesurable, R ϕ( x ) µ(dx ) = R ϕ( x ) f ( x ) λ(dx ).
R R
Que vaut µ( A), pour A ∈ B( )? R
RE. V.2.2 Supposons désormais que pour toute fonction continue bornée ϕ : → + , R ϕ( x ) µ(dx ) =
R
R R
R ϕ( x) f ( x) λ(dx). Que vaut µ(] a, b[), pour a < b ∈ ? R
Exercice V.3 (Interversion entre limite et intégrale)
Les questions de cet exercice sont indépendantes mais traitent toutes d’interversion entre une limite
et une intégrale.
E. V.3.1 Dans cette question, on montre que:
R une suite de fonctions positives ( f n )n∈N converge λ-p.p. vers une fonction f , leR fait que
Si
R
f n dλ converge vers une constante c ∈ + n’implique pas nécessairement que f dλ =
c.
On considère f n = 1[n,n+1] pour tout n ∈ N.

(a) Etudier la convergence de la suite ( f n )n∈N (convergence simple, convergence λ-p.p.).
N.
Z
(b) Déterminer f n dλ pour tout n ∈
R
(c) Conclure.
Séance 5 3
CS 1A - CIP 2022-2023
E. V.3.2 Etudier la convergence de la suite (un )n∈N∗ définie par
N∗ , sin(tn )
Z
∀n ∈ un = λ(dt).
]0,+∞[ t n (1 + t )
E. V.3.3 Soit ( E, F , µ) un espace mesuré et ( f n )n∈N une suite de fonctions mesurables bornées sur
R
E à valeurs dans . On suppose que cette suite converge uniformément vers f .
(a) On suppose que µ( E) < ∞. Montrer que

Z Z
lim f n dµ = f dµ .
n→+∞ E E
∗(b) On enlève l’hypothèse µ( E) < ∞. Que se passe-t-il?
L’exercice suivant permet de retrouver que pour une fonction continue sur un segment, les inté-
grales de Riemann et Lebesgue coïncident.
Exercice V.4 (Intégrale d’une fonction continue sur un segment)

Soit f une fonction continue sur un segment [ a, b] de . On pose ak,n = a + k b− R
a
n et on considère:
n
f n (x) = ∑ f ( ak,n )1]ak−1,n ,ak,n ] ( x )
k =1
R
E. V.4.1 (a) Calculer [ a,b] f n dλ.
R Rb
(b) Montrer que [ a,b] f n dλ converge vers a
f ( x ) dx.
R R
E. V.4.2 Montrer que [a,b] f n dλ converge vers [a,b] f dλ.
E. V.4.3 En déduire que:
Z b Z
f ( x ) dx = f dλ.
a [ a,b]
Dans l’exercice qui suit, nous allons retrouver la valeur de l’intégrale de Gauss:
Z
2 /2 √
e−u λ(du) = 2π
R
en utilisant les propriétés fondamentales de l’intégrale de Lebesgue.
Exercice V.5 (Calcul d’une intégrale)

On pose
2 2 2)
e − x (1+ t
Z Z
− t2
F(x) = e λ(dt) et G(x) = λ(dt).
[0,x ] [0,1] 1 + t2
E. V.5.1 Montrer que F est dérivable sur R et calculer F0 (sous forme intégrale).
Séance 5 4
CS 1A - CIP 2022-2023
E. V.5.2 Montrer que G est dérivable sur R et calculer G0 (sous forme intégrale).
E. V.5.3 En déduire F + G.
E. V.5.4 Calculer lim G ( x ) = 0.
x →+∞
Z +∞
2
E. V.5.5 En déduire la valeur de e−t dt.
0
De nombreuses fonctions réelles ne sont pas Riemann-intégrables. On peut néanmoins étudier

leur intégrabilité par rapport à la mesure de Lebesgue. L’exemple simple de la fonction indicatrice de
Q est étudié ci-dessous.
Exercice V.6 (Étude de la fonction indicatrice de Q)

E. V.6.1 (a) Montrer que 1Q n’est pas continue par morceaux.
∗(b) Montrer que 1Q n’est pas réglée (i.e. limite uniforme de fonctions en escalier) .
∗(c) Montrer que 1Q n’est pas intégrable au sens de Riemann.
E. V.6.2 Q
(a) Démontrer que est négligeable dans (i.e. λ( ) = 0). R Q
Z Z
R Q R Q
(b) Prouver l’existence de 1 dλ = 1 ( x ) λ(dx ) et calculer sa valeur.
Exercice V.7 (Comparaison entre les intégrales de Riemann et de Lebesgue)

Z
E. V.7.1 (a) Calculer e−t λ(dt).
R+
Z π
(b) Calculer limn→+∞ sinn (t) dt.
E. V.7.2
0
Soit f une fonction continue sur R.
R?
Z x
(a) La fonction x 7→ f (t) dt est-elle dérivable sur
0
R?
Z
(b) La fonction x 7→ f (t) λ(dt) est-elle dérivable sur
[0,x ]
R?
Z
(c) La fonction x 7→ f (t)1R\Q (t) λ(dt) est-elle dérivable sur
[0,x ]
E. V.7.3 (a) La fonction t 7→

sin(t)
t est-elle Riemann-intégrable sur R+ ? Lebesgue-intégrable?
sin(t)
(b) Mêmes questions pour t 7→ t 1 \ R Q ( t ).
Séance 5 5
CS 1A - CIP 2022-2023
Exercice V.8 (Théorème de Féjer dans L p )

Cet exercice fait suite à l’Exercice II.6. On en reprend donc les notations.
E. V.8.1 Soit p ∈ [1, ∞[. Dans cette question, nous allons étendre le théorème de Féjer à
p
L ([−π, π ], B([−π, π ]), λ), nous ne supposons donc plus que f est continue.
R
(a) Soit r ∈ [1, ∞]. Prouver que pour tout g ∈ Lr ( ) et tout h ∈ L1 ( ), k g ∗ hkr ≤ k gkr khk1 . R
[Indication: commencer par appliquer l’inégalité de Hölder à | g| ∗ |h|( x ).]
∗∗(b) Utiliser le théorème de Féjer tel qu’énoncé à la question E.II.6.1 pour démontrer que si fe est
N
continue sur [−π, π ], alors pour tout e > 0, il existe N ∈ tel que pour tout n ≥ N, k fe − Kn ∗
fek p ≤ e.
∗(c) Soit f ∈ L p ([−π, π ], B([−π, π ]), λ). En utilisant les questions précédentes, montrer que k f −
K N ∗ f k p → 0 quand N → ∞.
E. V.8.2 Application du théorème précédent: Soit f ∈ L1 ([−π, π ], B([−π, π ]), λ). Montrer l’injectivité
N
des coefficients de Fourier (i.e. si ∀n ∈ , cn ( f ) = 0, alors f = 0 p.p.).
L’exercice suivant montre que la mesure de Lebesgue possède des propriétés qui ne sont pas tou-
jours intuitives.
Exercice V.9 (Propriétés topologiques de la mesure de Lebesgue)
*E. V.9.1 Montrer que pour tout e > 0, il existe Oe un ouvert dense de tel que λ(Oe ) ≤ e. R
E. V.9.2 R
Soit A un ouvert de . A-t-on équivalence entre “A est borné” et “A est de mesure (de
Lebesgue) finie”?
E. V.9.3 R
Soit A dans B( ). A-t-on équivalence entre “λ( A) > 0” et “A contient un ouvert non
vide”?
Exercice V.10 (Inégalité de Hardy)

R R
Soit f une fonction de + dans appartenant à L2 . Pour x > 0, on pose:
1
Z
F(x) = f (t) λ(dt).
x [0,x ]
E. V.10.1 Montrer que F est définie sur R∗+ .

E. V.10.2 On suppose que f est continue à support compact dans R∗+ .
(a) Montrer que F est solution d’une équation différentielle linéaire simple.
(b) En déduire que: Z Z

2
F ( x ) λ(dx ) = 2 F ( x ) f ( x ) λ(dx ).
R+ R+
Séance 5 6
CS 1A - CIP 2022-2023
(c) Montrer que:

|| F ||2 ≤ 2|| f ||2 .
E. V.10.3 On ne suppose plus que f est continue à support compact. Soit ( f n )n∈N une suite de
fonctions continues à support compact qui converge vers f dans L2 .
(a) Justifier l’existence de la suite ( f n ).

1
Z
(b) Soit Fn ( x ) = f n (t) λ(dt). Montrer que ( Fn )n∈N converge dans L2 .
x [0,x ]
(c) Soit F̂ la limite de la suite ( Fn )n∈N . Montrer que:
|| F̂ ||2 ≤ 2|| f ||2 .
(d) Montrer que F̂ = F p.p.
(e) En déduire que || F ||2 ≤ 2|| f ||2 et donc que l’application f 7→ F est continue.
Remarque : de manière plus générale, on peut démontrer que si f est dans L p alors F l’est aussi et
que:
p
|| F || p ≤ || f || p .
p−1
Séance 5 7
Solution de Q. V.1.1
(a) Par définition de la mesure de Lebesgue λ, on a
λ({ x }) = λ([ x, x ]) = x − x = 0.
(b) La définition d’une mesure exige la propriété de σ-additivité, qui exprime la chose suivante pour
la mesure de Lebesgue λ :
Pour toute famille ( An )n∈N de boréliens deux à deux disjoints (i.e. tels que An ∩ Am =
∅ lorsque n 6= m), on a !
∑
[
λ An = λ ( A n ).
n∈ N n∈ N
L’égalité précédente n’est valable que pour une union démombrable d’ensembles.
Dans l’expression R=
S
x∈ R { x }, on n’a pas affaire à une union dénombrable ( R n’est pas
dénombrable). Ainsi, !
∑
[
λ {x} 6= λ({ x }).
x∈ R x∈ R
Solution de Q. V.1.2 L’union de deux tribus F et G sur un même ensemble E n’est en général pas
une tribu.
Par exemple, prenons X = {1, 2, 3}. Soit F = {∅, X, {1}, {2, 3}} et G = {∅, X, {2}, {1, 3}}. On
vérifie que F et G sont bien des tribus. Par ailleurs, F ∪ G = {∅, X, {1}, {2}, {2, 3}, {1, 3}} contient
notamment {1} et {2} mais pas {1} ∪ {2}. Ce n’est donc pas une tribu.
Solution de Q. V.2.1 La fonction f est mesurable de ([R0, 1], B([0, 1]))R vers ([0, 1], B([0, 1])), car con-
tinue. De plus, f est positive et vérifie f ≤ 1[0,1] . Donc [0,1] f dλ ≤ 1[0,1] dλ = λ([0, 1]), qui vaut 1.
Donc f est intégrable.
Solution de Q. V.2.2 On applique le Théorème d’intégration de la dérivée (Theorem 7.4.4 des Lecture
2
R
Notes) à la fonction g( x ) = x2 définie sur . On a g0 = f qui est localement intégrable (ce qu’on peut
montrer par une simple généralisation de la question précédente), donc [0,1] f dλ = g(1) − g(0) = 12 .
R
Solution de E. V.1.1
(a) f n converge vers f = 1R+ , qui vérifie R f dλ = +∞. La suite

R
f n est croissante et à valeurs dans
[0, ∞], donc le TCM s’applique.
Séance 5 8
(b) On constate que pour tout n, R f n dλ = +∞, donc Rlimn→+∞ R f n dλ = +∞. D’autre part, la
R R
limite simple (et même uniforme) des f n est 0, donc R lim f n dλ = 0. Le TCM ne s’applique
n→+∞
pas à une suite décroissante de fonctions (on pourrait prendre alors la suite (− f n )n∈N qui est
croissante, mais le TCM ne s’applique toujours pas. Pourquoi?)
En
R fait, dans le cas d’une suite décroissante de fonctions positives, il faut rajouter la condition
R f1 dλ < ∞ (condition qui n’est pas vérifiée ici). Sous cette condition, on se ramène aux condi-
tions habituelles du TCM en posant fñ = f 1 − f n . Ainsi,
Z Z Z Z Z
lim fn = f 1 dλ − lim fñ dλ = f 1 dλ − lim fñ dλ
R ZR Z R R R
= f 1 dλ − ( f 1 − f )dλ
ZR R
= f dλ.
R
(c) La
R convergence uniforme provient de l’égalité k f n − f k∞ = n1 → 0. Pour tout n, on calcule
R f n dλ = 1, donc limn→∞ R f n dλ = 1 6= R f dλ = 0. Le TCM ne s’applique pas car la suite de
R R
fonctions n’est pas monotone.
Solution de E. V.2.1 Soit A ∈ F , on évalue l’égalité donnée dans R l’énoncé en choisissant ϕ = 1 A .

Par définition de l’intégrale pour les fonctions étagées, on a alors R ϕ dµ = µ( A). Ainsi,
Z Z
µ( A) = 1 A ( x ) f ( x )λ(dx ) = f ( x )λ(dx ).
R A
R
Solution de E. V.2.2 Soient a < b ∈ . On ne peut plus appliquer l’égalité directement à ϕ = 1]a,b[ .
On va donc approcher 1]a,b[ par une suite croissante ( ϕn )n∈N de fonctions continues bornées. Prenons
par exemple ϕn définie par:
∀x ∈ R, ϕn (x) = min (1, nd(x, ]a, b[c )) ,
où la distance d’un point à un ensemble est définie par d( x, B) = inf | x − y|.
y∈ B
On observe que ϕn converge simplement vers 1]a,b[ , donc par le TCM,
Z
lim ϕn dµ = µ(] a, b[).
n→∞ R
Or pour tout n ∈ N∗ , RR ϕn dµ = RR ϕn f dλ. En appliquant à nouveau le TCM à la suite ( ϕn f )n∈N , on ∗
en déduit que
Z
µ(] a, b[) = f dλ.
] a,b[
Remarque: en utilisant le lemme de classe monotone (pas au programme), on peut calculer µ( A)

R
pour tout borélien si µ( ) < ∞.
Séance 5 9
R
(a) Pour tout t ∈ fixé, on a f n (t) = 0 pour tout entier n > t. On en déduit que f n (t) tend vers 0
lorsque n → ∞. Ceci montre que la suite ( f n )n∈N converge simplement vers la fonction nulle. A
fortiori, la convergence a lieu λ-presque partout.
(b) Pour tout n ∈ N, on a

Z Z
f n (t) λ(dt) = λ(dt) = λ([n, n + 1]) = 1.
R [n,n+1]
Z
(c) La suite ( f n )n∈N converge simplement vers la fonction f : t 7→ 0, f n (t) λ(dt) converge vers 1
Z R
lorsque n → ∞ et f (t) λ(dt) = 0.
R
La suite ( f n )n∈N fournit donc un exemple à l’assertion de l’énoncé.
Solution de E. V.3.2 On écrit, pour tout n ∈ N,

sin(tn ) sin(tn )
Z Z
un = λ ( dt ) + λ(dt) .
]0,1[ t n (1 + t ) n
]1,+∞[ t (1 + t )
| {z } | {z }
In Jn
On a écarté t = 1. À justifier.
• Pour In , on remarque que sur ]0, 1[,
sin(tn ) 1
n
≤
t (1 + t ) 1+t
et
sin(tn ) 1
n
→ lorsque n → ∞.
t (1 + t ) 1+t
Comme t 7→ 1/(1 + t) est intégrable, le théorème de convergence dominée implique
1
Z
In → λ(dt) lorsque n → ∞.
]0,1[ 1+t
1 1
R R
Puisque λ(dt) = [0,1] 1+
]0,1[ 1+t t λ ( dt ), le théorème d’intégration des dérivées fournit donc le
1
Z
résultat suivant: λ(dt) = ln(2).
]0,1[ 1 + t
• Pour Jn , on remarque que sur ]1, +∞[,
sin(tn )
→0 lorsque n → ∞
t n (1 + t )
Séance 5 10
et, pour n ≥ 1,
sin(tn ) 1
n
≤ .
t (1 + t ) t (1 + t )
Comme la fonction t 7→ 1
t (1+ t )
est intégrable sur ]1, +∞[, le théorème de convergence dominée
implique
Jn → 0 lorsque n → ∞.
Ainsi, on a limn→∞ un = ln(2).
(a) Attention, on ne peut pas appliquer directement le TCD. Cependant, la convergence uniforme
de f n vers f indique que ( f n )n∈N est de Cauchy. Donc pour e > 0 fixé, il existe N ∈ tel que N
pour tout n, p ≥ N, k f n − f p k∞ < e. De plus, f N étant bornée par hypothèse, il existe M N > 0
tel que k f N k∞ ≤ M N . On déduit de ces deux assertions que pour tout n ≥ N,
k f n k∞ < e + k f N k∞ ≤ e + M N .
Définissons maintenant la fonction g = max ( f 0 , . . . , f N −1 , e + M N ). Alors g est mesurable et

bornée. Or µ( E) < ∞, donc toute fonction mesurable bornée est intégrable. Ainsi ∀n ∈ , N
| f n | ≤ | g|, donc par le TCD, f ∈ L1 et
Z Z
lim f n dµ = f dµ.
n→∞ E E
(b) On suppose désormais µ( E) = +∞. Alors la conclusion précédente n’est plus valide comme on
peut le constater à partir de l’exemple de l’exercice E. V.1.1(b).
(a) Pour tout n, la fonction f n est étagée. Par définition, son intégrale de Lebesgue vaut donc :
Z n
[ a,b]
f n dλ = ∑ f ( ak,n ) ( ak,n − ak−1,n ) .
k =1
(b) La somme ∑nk=1 f ( ak,n ) ( ak,n − ak−1,n ) étant une somme de Riemann et la fonction f étant con-
tinue sur [ a, b], elle est Riemann intégrable sur [ a, b] et sa somme de Riemann converge vers
Rb
a
f ( x )dx. D’où :
Z Z b
lim f n dλ = f ( x )dx.
n→+∞ [ a,b] a
Solution de E. V.4.2 On a :
Séance 5 11
• Pour tout n, f n est mesurable sur [ a, b] car continue.
• La suite ( f n ) converge presque partout (et même partout) vers f .

En effet, pour tout n entier et tout x de [ a, b] :
n
| f n ( x ) − f ( x )| ≤ ∑ | f (ak,n ) − f (x)|1]a − k 1,n ,ak,n ]
( x ).
k =1
Comme f est continue sur [ a, b], elle est uniformément continue et donc, pour tout e > 0 fixé,
il existe α > 0 tel que si | x − y| < α alors | f ( x ) − f (y)| < e et donc si b− a
n < α alors | f ( ak,n ) −
f ( x )| < e d’où | f n ( x ) − f ( x )| < e. Ceci prouve bien la convergence de ( f n ( x )) vers f ( x ).
• Les fonctions f n sont dominées par la fonction intégrable k f k∞ 1[a,b] , pour tout n et pour presque
tout x.
On peut donc appliquer le théorème de la convergence dominée qui assure ainsi que :
Z Z
lim f n dλ = f dλ.
n→+∞ [ a,b] [ a,b]
Solution de E. V.4.3 Par unicité de la limite, on déduit des questions 2 et 3 que :

Z b Z
f ( x )dx = f dλ.
a [ a,b]
Solution de E. V.5.1 Par la première implication du Théorème fondamental de l’analyse (Theorem

7.4.3 des Lecture Notes), on a que F est dérivable λ-p.p. sur et que: R
Z
2 2
F 0 ( x ) = 2 e− x e−t λ(dt) p.p.
[0,x ]
2
Comme la fonction t 7→ e−t est continue, F est en fait dérivable partout et l’égalité précédente est
R
également vérifiée en tout point de (prouvez-le).
2 2)
e − x (1+ t
Solution de E. V.5.2 Posons g(t, x ) = 1+ t2
. Soient a < b. On a :
• Pour tout x de ] a, b[, la fonction t 7→ g(t, x ) est intégrable sur [0, 1] car continue.
• Pour tout t de [0, 1], la fonction x 7→ g(t, x ) est dérivable sur ] a, b[.
• Pour tout x de ] a, b[ et tout t de [0, 1] :
∂g 2 2
(t, x ) = −2x e−x (1+t ) ≤ 2| x | ≤ 2 max(| a|, |b|)
∂x
avec 2 max(| a|, |b|) indépendant de x et intégrable sur [0, 1] car constant.
Séance 5 12
Le Théorème de dérivation des intégrales à paramètre assure donc que G est dérivable sur ] a, b[
avec :
Z Z Z
2 (1+ t2 ) 2 2 2 2
G0 (x) = − 2x e− x λ(dt) = −2x e− x e−(xt) λ(dt) = −2 e− x e−u λ(du).
[0,1] [0,1] [0,x ]
Ce résultat étant vrai sur tout ] a, b[ inclus dans R, il est vrai sur R.
Solution de E. V.5.3 On a F 0 + G 0 = 0. Il existe donc une constante C telle que F + G = C. Or
R 1 dt
C = F (0 ) + G (0 ) = 0 1+ t2
= π4 donc :
π
F+G = .
4
2 2)
e− x n (1+ t
Solution de E. V.5.4 Soit ( xn ) une suite tendant vers +∞. Posons gn (t) = 1+ t2
.
On a :
• Pour tout n, gn est mesurable sur [0, 1] car continue.
• La suite de fonctions ( gn ) converge presque partout (et même partout) vers la fonction nulle.
• Pour tout n entier et tout t de [0, 1] on a | gn (t)| ≤ 1 qui est bien intégrable sur [0, 1] et indépendant
de n.
Donc d’après le théorème de convergence dominée :
Z Z
lim gn (t) λ(dt) = lim gn (t) λ(dt) = 0.
n→+∞ [0,1] [0,1] n→+∞
Ceci étant vrai pour toute suite ( xn ) tendant vers +∞, on en déduit que :
lim G ( x ) = 0.
x →+∞
Solution de E. V.5.5 En faisant tendre x vers +∞ dans la relation F ( x ) + G ( x ) = π/4, on obtient :

Z Z +∞ √
− t2 − t2 π
e λ(dt) = e dt = .
R+ 0 2
(a) Une fonction continue par morceaux admet en tout point une limite à droite et à gauche. La
fonction 1Q n’admet une limite à droite et à gauche en aucun point. Elle n’est donc pas continue
par morceaux.
(b) Pour la même raison 1Q n’est pas réglée (voir la caractérisation des fonctions réglées en annexe
du polycopié de L. Gabet (notion non exigée)).
Séance 5 13
(c) On montre que 1Q n’est pas intégrable sur [0, 1] (suffisant). Si ϕ est une fonction en escalier sur
[0, 1] telle que ϕ ≥ 1Q , alors 0 ϕ( x ) dx ≥ 1 par densité de
R1
dans Q R
(attention, on n’a pas
nécessairement ϕ ≥ 1 partout). On peut en déduire que l’intégrale de Riemann supérieure est
supérieure ou égale à 1 (en fait elle vaut 1).
Si ϕ est une fonction en escalier sur [0, 1] telle que ϕ ≤ 1Q alors 0 ϕ( x ) dx ≤ 0 par densité de
R1
R Q R
\ dans . On peut en déduire que l’intégrale de Riemann inférieure est inférieure ou égale
à 0 (en fait elle vaut 0).
Comme les intégrales de Riemann supérieures et inférieures sont différentes, on en déduit que
1Q n’est pas intégrable au sens de Riemann.
(a) On a vu que Q est négligeable car dénombrable mais on peut aussi revenir à la définition d’une
mesure :
λ(Q) = λ ∪q∈Q {q} = ∑ λ({q}) = 0.

q∈ Q
Q R
(b) Puisque est dans B( ), 1Q est une fonction étagée positive. Donc son intégrale de Lebesgue
Q
existe. De plus, comme est négligeable, on a 1Q = 0 presque partout. Ainsi 1Q est intégrable
et Z Z
1Q dλ = 0 dλ = 0,
R R
ou de façon équivalente,
1 dλ = λ(Q) = 0.
Z
R Q
(a) On a : Z +∞ A
e−t dt = lim − e−t

0
= 1,
0 A→+∞
Z +∞
ce qui prouve que l’intégrale e−t dt est absolument convergente. Le Théorème du cours
0
(Theorem 7.4.7 des Lecture Notes) assure donc :
Z Z +∞
−t
e λ(dt) = e−t dt = 1.
R+ 0
(b) Pour tout n, la fonction f n : t 7→ sinn (t) est continue donc Riemann intégrable sur [0, π ]. Le
Théorème de comparaison des intégrales (Theorem 7.4.6 des Lecture Notes) assure donc:
Z π Z
n
sin (t) dt = sinn (t) λ(dt).
0 [0,π ]
Comme ( f n ) est une suite décroissante de fonctions intégrables (voir commentaire dans le cor-
rigé de la question Q. V.1.1(b)), le théorème de convergence monotone donne :
Z Z
n
lim sin (t) λ(dt) = lim sinn (t) λ(dt) = 0.
n→+∞ [0,π ] [0,π ] n→+∞
Séance 5 14
Solution de E. V.7.2 Ici f est une fonction continue sur R.

(a) Par un résultat classique sur l’intégraleZ de Riemann (voir par exemple p.227 du tome 3 de Ramis-
R, de dérivée f .
x
Deschamps-Odoux), la fonction x 7→ f (t) dt est dérivable sur
0
R puisque le Théorème de comparaison

Z
(b) La fonction x 7→ f (t) λ(dt) est aussi dérivable sur
[0,x ] Z Z x
des intégrales (Theorem 7.4.6 des Lecture Notes) assure que f (t) λ(dt) = f (t) dt.
[0,x ] 0
Remarque : on peut redémontrer ce résultat sans utiliser l’intégrale de Riemann.
R.
Z
(c) La fonction x 7→ f (t)1R\Q (t) λ(dt) est aussi dérivable sur
[0,x ]
En effet, puisque f (t) = f (t)1R\Q (t) presque partout, on a :
Z Z
f (t)1R\Q (t) λ(dt) = f (t) λ(dt).
[0,x ] [0,x ]
sin(t)
(a) La fonction t 7→ t est Riemann semi-convergente. Elle n’est donc pas Lebesgue-intégrable
(Theorem 7.4.7 des Lecture Notes).
sin(t)
(b) La fonction t 7→ t 1R\Q (t) n’est pas Riemann localement-intégrable donc elle ne peut pas être
Riemann convergente.
Elle n’est pas non plus Lebesque-intégrable car elle est égale presque partout à sin(t)/t qui n’est
pas Lebesgue-intégrable.
Remarque : cette fonction est en revanche égale presque partout à une fonction Riemann semi-
convergente. Autrement dit, un représentant de sa classe est Riemann semi-convergent. On peut
donc dire que sa classe de fonction est Riemann semi-convergente.
Solution de E. V.8.1 Remarquez ici que l’exercice utilise un autre intervalle ([−π, π ]) que celui que
nous avons utlisé jusqu’à présent pour définir les séries de Fourier. Ceci est sans conséquence pour
l’étude des fonctions 2π-périodiques.
(a) On note s l’exposant conjugué de r ( 1s + 1r = 1). Soit µ la mesure définie par µ(dx ) = |h( x )|λ(dx ),
i.e. la mesure de densité |h| par rapport à la mesure de Lebesgue (bien définie car h ∈ L1 ). Alors
en appliquant l’inégalité de Hölder, on trouve:
Z Z
| g( x − y)||h(y)|λ(dy) = | g( x − y)|µ(dy)
R R
Z 1s Z 1r
s r
≤ 1 µ(dy) | g( x − y)| µ(dy)
R R
Z 1r
1
r
≤ k h k1 s
| g( x − y)| |h(y)|λ(dy) .
R
Séance 5 15
Il vient ensuite:
Z Z r
kg ∗ hkrr = g( x − y)h(y)λ(dy) λ(dx )
R R
r
Z Z
r
≤ k h k1
s
| g( x − y)| |h(y)|λ(dy) λ(dx )
R R
r
Z Z
r
= k h k1
s
| g( x − y)| λ(dx ) |h(y)|λ(dy)
R R
r
= khk1 k gkrr khk1
s
= khk1r k gkrr
où nous avons utilisé le théorème de Fubini-Tonelli à l’avant-dernière ligne.
(b) Soit fe une fonction continue sur [−π, π ]. Pour appliquer le théorème de Féjer, on doit disposer
R
d’une fonction 2π-périodique et continue sur . Si on ne suppose pas que fe(−π ) = fe(π ), rien
R
ne garantit la continuité de l’extension de fe à (par 2π-périodicité, fe( x + 2kπ ) = fe( x ), ∀k ∈ ). Z
Pour tout η ∈]0, π [, définissons feη sur [−π, π ] par:
(
fe( x ) si x ∈ [−π + η, π ]
feη ( x ) = x +π
fe(π ) + ( fe(−π + η ) − fe(π )) × η si x ∈ [−π, −π + η [
de sorte que feη (−π ) = feη (π ) et feη se prolonge en une fonction 2π-périodique qui est continue
sur . R
Fixons e > 0. Alors pour tout N ∈ , N
k fe − fe ∗ K N k L p ([−π,π ]) ≤ k fe − feη k L p ([−π,π ]) + k feη − feη ∗ K N k L p ([−π,π ])
+ k( feη − fe) ∗ K N k L p ([−π,π ]) .
Nous allons commencer par le dernier terme. Mais avant cela, remarquons que fe, feη ∈ / Lp( ) R
(car elles sont périodiques non nulles), donc le résultat de la question précédente ne s’applique
pas en l’état. Ainsi, définissons efe par:

fe( x ) si x ∈ [−2π, 2π ]
R
efe( x ) =
0 si x ∈ \ [−2π, 2π ],
eN = K N 1[−π,π ] . On a alors efe, efe ∈

et on définit de même efeη à partir de feη . Enfin, on définit K
R
η
L p ( ) et
1
Z Z
p
k( feη − fe) ∗ K N k L p ([−π,π ]) = | feη ( x − y) − fe( x − y) K N (y)λ(dy)| p λ(dx )
[−π,π ] 2π [−π,π ]
1
Z Z
≤ | efe ( x − y) − efe( x − y) KeN (y)λ(dy)| p λ(dx )
R 2π [−π,π ]
η
p eN k p 1
≤ k f η − f k L p (R) k K
ee e
e
L (R)
p
= 2k feη − fek L p ([−π,π ]) ,
Séance 5 16
où la deuxième inégalité provient de la question précédente.

Il est maintenant assez aisé de prouver que pour p ∈ [1, ∞[, il existe η0 tel que k f η0 − f k L p ([−π,π ]) <
2e
9.
Enfin, le théorème de Féjer s’applique à feη0 donc il existe N0 tel que k feη0 − feη0 ∗ K N0 k∞ < e
6π . Or
k feη0 − feη0 ∗ K N0 k L p ([−π,π ]) ≤ 2π k feη0 − feη0 ∗ K N0 k∞ , d’où:
e
k feη0 − feη0 ∗ K N0 k L p ([−π,π ]) < .
3
On obtient donc le résultat souhaité: k fe − fe ∗ K N k L p ([−π,π ]) < e.
0
(c) Cette question se traite de la même manière que la précédente, la première étape étant d’approcher
f par une fonction continue fe.

|k|
Solution de E. V.8.2 On rapelle que f ∗ K N = ∑|k|≤ N 1 − N +1 ck ( f )ek . Donc selon les hypothèses
N
de l’énoncé, on a f ∗ K N = 0, pour tout N ∈ . Par le théorème de Féjer dans L1 démontré à la
question précédente, on en déduit que k f k1 = 0, donc f = 0 p.p. .
Solution de E. V.9.1 Comme Q

est dénombrable, on peut ordonner les rationnels en une suite
(qn )n∈N∗ . On choisit alors Oqn =]qn − e/2n+1 , qn + e/2n+1 [. La mesure de ∪Oqn est alors majorée
par
+∞
e
∑ 2n = e.
n =1
R
Solution de E. V.9.2 Si A un ouvert de alors il est borélien donc mesurable.
Si A est borné, il existe a < b tel que A ⊂] a, b[ donc λ( A) ≤ b − a < +∞.
En revanche, considérons A = ∪]n − 1/2n2 , n + 1/2n2 [ (l’ouvert de la question précédente est
également valable). Alors A est ouvert (comme union d’ouverts), de mesure finie (égale à ∑1+∞ 1/n2 )
mais non borné.
R
Solution de E. V.9.3 Soit A ∈ B( ) contenant un ouvert non vide B. Alors λ( A) ≥ λ( B). Or
puisque B est un ouvert non vide, pour x ∈ B, il existe r > 0 tel que ] x − r, x + r [⊂ B donc λ( A) ≥
λ( B) ≥ 2r > 0.
R Q
En revanche, \ est un borélien de mesure non nulle (infinie) mais qui ne contient aucun ouvert
Q R
(par densité de dans ).
Solution de E. V.10.1 Soit x > 0. L’inégalité de Cauchy-Schwarz dans L2 ([0, x ]) donne :

Z sZ sZ
| f | dλ ≤ | f |2 dλ 1 dλ
[0,x ] [0,x ] [0,x ]
ce qui assure que f est intégrable sur [0, x ] et donc que F ( x ) existe.
Séance 5 17
(a) Soit f continue à support compact.

R
Alors, par le Théorème de comparaison entre intégrales de Riemann et de Lebesgue, [0,x] f (t) λ(dt) =
Rx
0
f (t)dt qui est continument dérivable. Cette même proposition conduit, en dérivant, à :
xF 0 ( x ) + F ( x ) = f ( x ).
(b) Grâce à une intégration par parties (sur [0, A] avec u = F2 et v0 = 1, puis passage à la limite
quand A tend vers +∞ à justifier), on montre que :
Z +∞ Z +∞
2
F ( x )dx = −2 F ( x ) xF 0 ( x )dx
0 0
En utilisant le résultat de (a), on trouve alors :

Z +∞ Z +∞ Z +∞
F2 ( x )dx = −2 F ( x ) f ( x )dx + 2 F2 ( x )dx
0 0 0
et donc : Z +∞ Z +∞
2
F ( x )dx = 2 F ( x ) f ( x )dx
0 0
(c) Comme f est dans L2 (car continue à support compact) et F aussi (d’après (b)), l’inégalité de
Cauchy-Schwarz conduit à :
Z rZ rZ
F ( x ) f ( x ) λ(dx ) ≤ F2 ( x ) λ(dx ) f 2 ( x ) λ(dx )
R+ R+ R+
et donc, avec (b) :
k F k2 ≤ 2k f k2 .
(a) La densité de l’ensemble des fonctions continues à support compact dans L2 assure l’existence
de la suite ( f n ) (ce résultat de densité sera présenté au cours des prochaines séances).
(b) En appliquant 2(c) à Fr − Fs , on obtient :
k Fr − Fs k2 ≤ 2k f r − f s k2
Comme la suite ( f n ) est de Cauchy dans L2 , pour tout e > 0, il existe N > 0 tel que si r > s > N
alors k f r − f s k2 < e et donc 2k Fr − Fs k2 < e.
La suite ( Fn ) est donc une suite de Cauchy dans L2 .
Comme L2 est un espace complet, la suite ( Fn ) converge dans L2 .
(c) Soit F̂ = lim Fn . On a, par continuité de la norme : k F̂ k2 = k lim Fn k2 = lim k Fn k2 . Or d’après

2(c), pour tout entier n, k Fn k2 ≤ 2k f n k2 . Donc en passant à la limite k F̂ k2 ≤ 2k f k2 .
Séance 5 18
(d) Montrons que F̂ = F dans L2 ou, ce qui revient au même F̂ = F p.p. au sens des fonctions.
Soit x 6= 0. Alors :
rZ sZ
1 1 1
Z
| Fn ( x ) − F ( x )| ≤ | f n − f | dλ ≤ | f n − f |2 dλ 1 dλ = √ k f n − f k2
x [0,x ] x R+ [0,x ] x
ce qui assure la convergence de ( Fn ) vers F presque partout.

Par ailleurs, on sait que ( Fn ) converge vers F̂ dans L2 donc il existe une suite extraite de ( Fn )
convergeant vers F̂ presque partout (voir Théorème 3.12 du livre de Rudin).
Comme cette suite extraite converge aussi vers F d’après ce qui précède, par unicité de la limite
F̂ = F p.p.
(e) Le résultat de 3(c) s’écrit donc k F k2 ≤ 2k f k2 . Comme l’application f 7→ F est linéaire, cette
inégalité en assure la continuité.
Séance 5 19
Séance VI : Probabilités et mesure
• je maîtrise les notions d’espace de probabilités, de variable aléatoire, de loi;
• je suis capable de calculer la probabilité d’un événement, lorsque la mesure de probabilité est
donnée;
• je maîtrise les notions de fonction de répartition et de densité de probabilité;
• je sais déterminer la loi d’une variable aléatoire;
• je suis capable de vérifier qu’une variable aléatoire donnée est mesurable par rapport à une sous-
tribu;
• je suis capable de calculer l’espérance et la variance d’une variable aléatoire, lorsqu’elles existent;
• je maîtrise l’application du théorème de transfert (calculs, détermination de lois).
1
CS 1A - CIP 2022-2023
Les questions VI.1 et VI.2 sont à traiter avant la séance de TD. Les corrigés sont disponibles sur
internet.
Question VI.1
Soient (Ω, F , P) un espace de probabilité et N une variable aléatoire réelle suivant une loi de Poisson
P (λ) de paramètre λ > 0:
λk −λ
P( N = k ) = e .
k!
Q. VI.1.1 (a) Rappeler la définition de E[ N ] (i.e. sous la forme d’une intégrale sur Ω).
(b) En utilisant le théorème de transfert, écrire E[ N ] sous forme d’une somme.
(c) Calculer l’espérance de N.
Question VI.2
Soient (Ω, F , P) un espace de probabilité et X une variable aléatoire réelle suivant une loi normale
N (m, σ2 ):
1 ( t − m )2
Z x
1
P( X ≤ x ) = √ exp − dt.
2πσ −∞ 2 σ2
Q. VI.2.1 (a) Rappeler la définition de E[ X ] (i.e. sous la forme d’une intégrale sur Ω).
(b) En utilisant le théorème de transfert, écrire E[ X ] sous forme d’une intégrale sur R.
(c) Calculer l’espérance de X.
Séance 6 2
CS 1A - CIP 2022-2023
C) Exercices
Voici deux exercices préliminaires mettant en oeuvre la définition de variable aléatoire, le théorème
de transfert et les changements de variables.
Exercice VI.1 (Calculs d’espérance)

Les deux questions sont indépendantes.
E. VI.1.1 Pour tout p ∈]0, 1[, on considère une mesure de probabilité µ sur (R, B(R)), proportion-
∞
nelle à ∑n=0 pn δn , où δn désigne la mesure de Dirac en n.
(a) Justifier l’existence de µ.
(b) Déterminer l’espérance d’une variable aléatoire de loi µ.
E. VI.1.2 On pose U = X −σ m , où X est une variable aléatoire réelle suivant une loi normale N (m, σ).
Quelle est la loi de U ? Déterminer la loi de la variable aléatoire Y = U 2 . [Indication : on considérera la
quantité E[h(Y )] pour h : R → R fonction mesurable bornée.]
Exercice VI.2 (Densité de probabilité, loi log-normale)

2
Soit X une variable aléatoire réelle dont la loi est proportionnelle à e− x /2 λ(dx ), où λ désigne la
mesure de Lebesgue sur R.
E. VI.2.1 Montrer que Y = e X est une variable aléatoire admettant une densité de probabilité.
Les trois exercices suivants vous familiarisent avec la définition de variable aléatoire. Ils illustrent
l’importance de la mesurabilité par rapport à une certaine tribu et le lien avec des égalités presque
sures. Les trois résultats qu’ils démontrent sont très importants et pourraient faire partie du cours.
Exercice VI.3
E. VI.3.1 Montrer que si X et Y sont 2 variables aléatoires réelles presque sûrement égales, alors
elles ont la même loi. Montrer que la réciproque est fausse.
Exercice VI.4
E. VI.4.1 Dans l’espace de probabilité (Ω, F , P), soient G et H deux sous-tribus indépendantes de
F . Les sous-tribus G et H sont dites indépendantes si pour tout A ∈ G et tout B ∈ H,
P( A ∩ B ) = P( A ) P( B ).
Montrer que si X est une variable aléatoire réelle à la fois G -mesurable et H-mesurable, alors X est
constante presque surement, i.e. qu’il existe c ∈ R telle que P( X = c) = 1.
Exercice VI.5
Soient X et Y deux variables aléatoires définies sur l’espace de probabilité (Ω, F , P), et à valeurs dans
R p et Rq respectivement.
Séance 6 3
CS 1A - CIP 2022-2023
Le but de l’exercice est de montrer que Y est X-mesurable (c’est-à-dire σ( X )-mesurable) si et seule-
ment s’il existe une fonction borélienne Ψ : R p → Rq telle que Y = Ψ( X ).
E. VI.5.1 On suppose que Y est étagée, i.e. Y = ∑ik=1 ai 1 Ai , et σ( X )-mesurable. Sans perte de
généralité (voir cours), on suppose que les Ai sont disjoints.
(a) Exprimer la mesurabilité de Y en fonction des Ai .
(b) En déduire une fonction étagée Ψ : R p → Rq telle que Y = Ψ( X ).
E. VI.5.2 Dans le cas général,
(a) justifier l’existence d’une suite de v.a. étagées et σ ( X )-mesurables (Yn )n∈N qui converge vers Y.
(b) En écrivant Yn = Ψn ( X ) avec Ψn borélienne, on considère l’ensemble de convergence C = { x ∈

R p : limn→∞ Ψn ( x) existe}. Montrer que C ∈ B(R p ).
(c) Remarquer que X (Ω) ⊂ C et en déduire une fonction borélienne Ψ : R p → Rq telle que Y =
Ψ ( X ).
E. VI.5.3 Réciproquement montrer que si Y = Ψ( X ) avec Ψ : R p → Rq borélienne, alors Y est

σ( X )-mesurable.
La loi exponentielle est très utilisée dans la modélisation des défaillances de systèmes. L’exercice
suivant montre ses caractéristiques vis à vis du phénomène de mémoire...
Exercice VI.6 (Loi exponentielle)

Un fabricant d’ordinateurs portables souhaite vérifier que la période de garantie qu’il doit associer
au disque dur correspond à un nombre pas trop important de retours de ce composant sous garantie.
Des essais en laboratoire ont montré que la durée de vie X (en années) de ce composant est distribuée
selon une loi exponentielle de moyenne 4.
E. VI.6.1 Quelle est la probabilité qu’un disque dur fonctionne sans défaillance plus de 4 ans?
E. VI.6.2 Quelle est la probabilité qu’un disque dur fonctionne sans défaillance 6 ans au mois,
sachant qu’il a déjà fonctionné five ans?
E. VI.6.3 Quelle est la probabilité que la durée de vie soit comprise entre E[ X ] − σ( X ) et E[ X ] +
σ ( X )?
E. VI.6.4 Pendant combien de temps 50% des disques durs fonctionnent-ils sans défaillance?
E. VI.6.5 Donner la période de garantie optimum pour remplacer moins de 15% des disques durs
sous garantie.
Séance 6 4
CS 1A - CIP 2022-2023
Exercice VI.7 (Loi exponentielle)

Soit T une variable aléatoire réelle telle que
∀s, t ≥ 0; P( T > t + s ) = P( T > t ) P( T > s ). (VI.1)
Le but de cet exercice est de montrer que soit P( T > 0) = 0, soit T suit une loi exponentielle.
E. VI.7.1 Vérifier que si P( T > 0) = 0, alors la relation de départ est satisfaite.
E. VI.7.2 On suppose alors P( T > 0) > 0.
P( T > n1 ) N.

(a) Déterminer la limite de la suite n∈
(b) En déduire qu’il existe e > 0 tel que P{ T > e} > 0.
(c) Montrer que pour tout t > 0, P( T > t) > 0. Pour tout t > 0, on considérera n ∈ N∗ tel que
t < ne.
E. VI.7.3 On définit l’application f : t 7→ log P( T > t) sur R∗+ .
(a) Ecrire la relation vérifiée par f .
(b) Montrer que pour tout n ∈ N, f (n) = n f (1).
(c) En déduire que pour tout x ∈ Q+ , f ( x) = x f (1) puis que cette relation est valable pour tout
x ∈ R+ .
E. VI.7.4 Déterminer limn→∞ f (n). En déduire que f (1) < 0. Conclure.
Exercice VI.8 (Lois gamma, beta, χ2 )

Pour a > 0, on rappelle la définition de
Z +∞
Γ( a) = e− x x a−1 dx.
0
On appelle loi gamma de paramètres a > 0 et λ > 0, notée G ( a, λ), la mesure de probabilité sur R de
densité γa,λ définie par
λ a −λx a−1
x 7→ γa,λ ( x ) = e x 1R+ ( x ).
Γ( a)
E. VI.8.1 Soit X une v. a. de loi G ( a, λ). Calculer E[ X ] et Var( X ).
E. VI.8.2 Soient X et Y deux v. a. indépendantes de lois G ( a, λ) et G (b, λ).
X
(a) Montrer que X + Y et X +Y sont indépendantes et déterminer leur lois de probabilité. En déduire
que
Γ( a)Γ(b)
Z 1
B( a, b) = x a−1 (1 − x )b−1 dx = .
0 Γ( a + b)
X
(b) Déterminer la loi de Y.
(c) Si X1 , . . . , Xn sont des variables aléatoires i.i.d. de loi exponentielle E (λ), donner la loi de Sn =
X1 + · · · + X n .
Séance 6 5
CS 1A - CIP 2022-2023
E. VI.8.3 Soit Y une v.a. gaussienne centrée réduite. Montrer que Y 2 suit la loi gamma G (1/2, 1/2).
En déduire Γ(1/2).
E. VI.8.4 Si Y1 , . . . , Yn sont des v. a. i.i.d. de loi N (0, 1), donner la loi de Z = Y12 + · · · + Yn2 et
calculer E[ Z ] et Var( Z ).
Séance 6 6
Solution de Q. VI.1.1
(a) Par définition E[ N ] = N ( ω ) dP( ω ).

R
Ω
(b) Puisque N est à valeurs dans N, le théorème de transfert implique

Z
E[ N ] = x dP N ( x ) = ∑ x P( N = x ).
N x∈ N
(c) Ainsi,
∞
λk
E[ N ] = e − λ ∑
k =1
( k − 1) !
∞
λ k −1
= λe−λ ∑ (k − 1)! = λ.
k =1
Solution de Q. VI.2.1
(a) Par définition E[ X ] = X ( ω ) dP( ω ).

R
Ω
(b) Le théorème de transfert implique

Z
E[ X ] = x PX (dx ).
R
(c) Ainsi,
1 ( x − m )2

1
Z
E[ X ] = √ x exp − dx
2πσ R 2 σ2
1
Z
2
= √ (m + σu) e−u /2 λ(du)
2π R
Z
σ 2
= m+ √ u e−u /2 du
2π R
= m.
Solution de E. VI.1.1
Séance 6 7
n=0 p δn , dont le support est N (voir les exemples dans le

(a) Définissons la mesure discrète ν = ∑∞ n
cours). Par définition,

∞
∀ B ∈ B(R), ν( B) = ∑ pn δn ( B) = ∑ pn .
n =0 n∈ B
Donc
∞ ∞
1
ν (R) = ∑ pn δn (R) = ∑ pn = 1 − p .
n =0 n =0
La mesure µ = (1 − p) ν est alors une mesure de probabilité.
(b) Soit Z une variable aléatoire de loi µ. Comme PZ = µ, on a

Z Z
E[ Z ] = Z (ω ) P(dω ) = z PZ (dz)
Ω R
= ∑ n µ({n}) = (1 − p) ∑ n pn .
n∈ N n∈ N
1 1
Or, si on définit ϕ( p) = ∑ pn = 1 − p , on a ϕ0 ( p) = ∑ n pn−1 = (1 − p)2 .
n ≥0 n ≥1
p
On en déduit que E[ Z ] = .
1− p
Solution de E. VI.1.2 Déterminer la loi de U revient à déterminer sa fonction de répartition. En

effet, on a vu dans le cours que la détermination (difficile) d’une mesure de probabilité sur R, peut
être remplacée par la détermination d’une fonction F : R → R+ croissante, continue à droite et
admettant les limites 0 et 1 en −∞ et +∞.
La fonction de répartition FU de la loi de U est déterminée par
∀u ∈ R; FU (u) = PU (] − ∞, u]) = P U −1 (] − ∞, u]) = P(U ≤ u)

Z u
1
= P( X ≤ m + σu) =
2
√ e−t /2 dt
2π −∞
en faisant le changement de variable u = ( x − m)/σ dans l’intégrale.
On reconnait donc la fonction de répartition d’une loi normale N (0, 1).
Pour déterminer la loi de Y = U 2 , on utilise la caractérisation par les quantités E[h(Y )] pour toute
fonction h mesurable bornée. On calcule
1
Z
E[h(Y )] = E[h(U 2 )] =
2
h(u2 ) √ e−u /2 du
R 2π
Z 0
1 2
+∞ 1
Z
2
= h(u2 ) √ e−u /2 du + h(u2 ) √ e−u /2 du.
−∞ 2π 0 2π
√ √
On effectue alors les changements de variables u = − v dans la première intégrale et u = w dans
R0 R +∞
la deuxième. Notons qu’il est nécessaire de couper l’intégrale R en −∞ + 0 pour pouvoir faire un
R
changement de variable qui soit bien un C1 -difféomorphisme.
Séance 6 8
Z +∞ Z +∞
1 dv 1 dw
E[h(Y )] = √ h(v)e−v/2 √ + √ h(w)e−w/2 √
2π 0 2 v 2π 0 2 w
Z +∞
1 e−v/2
=√ h(v) √ dv.
2π 0 v
Cette expression montre que la variable aléatoire Y admet une densité de probabilité
1 e−y/2
y 7→ √ √ 1R∗+ (y).
2π y
Solution de E. VI.2.1 On remarque que X suit une loi normale N (0, 1).
La fonction exponentielle est continue, donc par composition, la fonction
Y : (Ω, F ) → (R, B(R))

ω 7 → e X (ω )
est mesurable, donc définit une variable aléatoire réelle.

On note Φ la fonction de répartition de la loi normale N (0, 1),
Z x
1 1 2
Φ( x ) = √ e− 2 t dt.
−∞ 2π
Pour tout y > 0, on a
P(Y ≤ y) = P( X ≤ ln y) = Φ(ln y).

Ainsi par le changement de variable z = exp(t), on obtient
Z y
1 1 1
P (Y ≤ y ) = √ exp(− (ln z)2 ) dz.
2π 0 z 2
Maintenant pour y ≤ 0, P(Y ≤ y) = 0. Ainsi

Z y
1 1 1
P (Y ≤ y ) = √ 1R+ (z) exp(− (ln z)2 ) dz,
2π −∞ z 2
de sorte que Y admet une densité de probabilité donnée par z 7→ √1 1

R+ (z) 1z exp(− 12 (ln z)2 ).
2π
Solution de E. VI.3.1 L’égalité presque sure des v.a. X : (Ω, F ) → ( E, E ) et Y : (Ω, F ) → ( E, E )

s’écrit
P({ω : X (ω ) = Y (ω )}) = 1.
La loi de X est la mesure de probabilité PX définie sur E par
∀A ∈ E ; PX ( A) = P( X ∈ A) = E[1 A ( X )].
Séance 6 9
Comme X et Y sont égales presque surement, on a E[1 A ( X )] = E[1 A (Y )] pour tout A ∈ E , ce qui
entraîne l’égalité PX = PY .
Pour montrer que la réciproque est fausse, on exhibe un contre-exemple. Soit X une v.a. réelle de
loi normale N (0, 1) et soit Y = − X. Pour tout A ∈ B(R), on a
Z Z
P(Y ∈ A) = E[1 A (− X )] = 1 A (− X ) dP = 1 A (− x) PX (dx)
Ω R
1
Z
1 A (− x) √
2 /2
= e− x λ(dx )
R 2π
1
Z
1 A (x) √ λ(dx ) = P( X ∈ A).
2 /2
= e− x
R 2π
Ainsi, les variables aléatoires X et Y ont même loi. Or, elles ne sont pas égales presque surement car
P( X = Y ) = P( X = − X ) = P( X = 0) = 0 6= 1.
On aurait également pu considérer une variable de Bernoulli X prenant les valeurs 0 et 1 suivant
P( X = 0) = P( X = 1) = 1/2 et Y = 1 − X.
Solution de E. VI.4.1
• Si G et H ont un élément A en commun, on peut écrire
P( A ∩ A ) = P( A ) P( A )
ce qui implique P( A) = 0 ou 1.
• On considère F la fonction de répartition de X. Comme X est G -mesurable et H-mesurable,

{ X ≤ x } est dans G et H pour tout x ∈ R.
D’après le point précédent, on a
F ( x ) = P( X ≤ x ) = 0 ou 1.
Soit x0 = sup{ x : F ( x ) = 0} ∈ R. Pour tout a, b ∈ R tels que a < x0 < b, on a F( a) = 0 et

F (b) = 1.
On a alors
P( X = x0 ) = F( x0 ) − F( x0 −) = 1.
Solution de E. VI.5.1 On suppose que Y = ∑ik=1 ai 1 Ai est σ( X )-mesurable.
(a) La fonction ω 7→ Y (ω ) a pour valeurs ai et 0, et pour tout i = 1, . . . , k, Y −1 ({ ai }) = Ai et

Y −1 ({0}) = Ω \ ∪ik=1 Ai . Ainsi, la σ( X )-mesurabilité de Y entraîne Ai ∈ σ( X ) pour tout i.
Séance 6 10
(b) En rappelant la définition de σ( X ) = { X −1 ( B); B ∈ B(R p )}, pour tout i, il existe Bi ∈ B(R p ) tel
que Ai = X −1 ( Bi ). On peut alors écrire 1 Ai = 1X −1 ( Bi ) = 1Bi ( X ).
On définit la fonction Ψ : R p → Rq par
k
Ψ= ∑ ai 1 B i
i =1
qui est visiblement borélienne et vérifie Ψ( X ) = Y.
Solution de E. VI.5.2 Dans le cas général,
(a) comme Y est σ( X )-mesurable, il existe une suite de fonctions étagées (Yn )n∈N σ( X )-mesurables
et telle que Y = limn→∞ Yn . Ce résultat est un résultat classique du cours (cours 3, Théorème
3.19), mais on peut prendre par exemple
n2
k
Yn = ∑ 1{ k−n 1 <Y≤ nk }
k =−n2 +1
n
et majorer |Yn − Y |.
(b) En utilisant la question 1), il existe des fonctions boréliennes Ψn : R p → Rq telles que Yn =
Ψn ( X ) pour tout n.
En notant Ψn = (Ψn , . . . , Ψn ) où Ψn : R p → R est borélienne (pour 1 ≤ l ≤ q), l’ensemble de
(1) (q) (l )
convergence de la suite de fonctions (Ψn )n∈N peut s’écrire
{ x ∈ R p : lim Ψn ( x ) existe} .
\ (i )
C=
n→∞
1≤ l ≤ q | {z }
C (l )
Pour montrer que C ∈ B(R p ), il suffit de montrer que C (l ) ∈ B(R p ) pour tout 1 ≤ l ≤ q. En
(l )
écrivant la définition de limn→∞ Ψn ( x ), on peut remarquer que la limite existe si et seulement
si
(l ) (l )
sup inf Ψk ( x ) = inf sup Ψk ( x ).
n∈ N k≥n n∈ N k≥n
(l )
On rappelle que par définition, le membre de gauche est appelé limite inférieure de Ψn ( x ) et celui
(l )
de droite, limite supérieure de Ψn ( x ).
On a alors
C (l ) = { x ∈ R p : −∞ < sup inf Ψk ( x ) = inf sup Ψk ( x ) < +∞}.
(l ) (l )
n∈ N k≥n n∈ N k≥n
Nous avons vu en cours que pour tout n ∈ N, Fn = infk≥n Ψk et Gn = supk≥n Ψk sont des fonc-
(l ) (l )
tions boréliennes (comme inf et sup de fonctions boréliennes). De même, supn∈N Fn et infn∈N Gn
sont boréliennes.
Séance 6 11
Or, on peut écrire
C (l ) = (sup inf Ψk − inf sup Ψk )−1 ({0}) ∩ ( inf sup Ψk )−1 (R).
(l ) (l ) (l )
n∈ N k≥n n∈ N k≥n n∈ N k≥n
Comme les fonctions impliquées sont boréliennes, les deux événements sont dans B(R p ). Ainsi,
C (l ) ∈ B(R p ).
(c) Comme pour tout ω ∈ Ω, Y (ω ) = limn→∞ Ψn ( X (ω )), on a X (ω ) ∈ C. Ainsi, X (Ω) ⊂ C.

Comme l’ensemble X (Ω) n’est pas forcément dans B(R p ), on définit
limn→∞ Ψn ( x ) pour x ∈ C

Ψ : x 7→
0 sinon.
De manière évidente, on a Ψ( X ) = Y.
Pour montrer la mesurabilité de Ψ, on écrit Ψ = limn→∞ (Ψn 1C ). Comme C ∈ B(R p ), l’application
1C est borélienne. Ainsi Ψ est borélienne.
Solution de E. VI.5.3 Réciproquement, si Y = Ψ( X ) alors pour tout B ∈ B(Rq ), on a
{Y ∈ B} = { X ∈ Ψ−1 ( B)} ∈ σ( X ),
ce qui montre que Y est σ( X )-mesurable.
Solution de E. VI.7.1 Si P( T > 0) = 0, alors pour tout t ≥ 0,
0 ≤ P( T > t) ≤ P( T > 0) = 0.
D’où P( T > t) = 0. La relation de départ est alors trivialement satisfaite (les deux membres de
l’égalité sont nuls).
Solution de E. VI.7.2 On suppose alors P( T > 0) > 0.
(a) La suite d’événements T > n1 n∈N∗ est croissante de limite { T > 0} donc

1
lim P( T > ) = P( T > 0) > 0.
n→∞ n
(b) En écrivant la définition de la limite, on déduit qu’il existe n0 ∈ N∗ tel que P( T > 1/n0 ) > 0.
On pose alors e = 1/n0 > 0.
(c) Pour tout t > 0, il existe n ∈ N∗ tel que t < ne. On a alors
P( T > t) ≥ P( T > ne) = [P( T > e)]n > 0.
Séance 6 12
Solution de E. VI.7.3 Sous l’hypothèse P( T > 0) > 0, on peut donc définir l’application f : t 7→
log P( T > t) sur R∗+ .
(a) En prenant le logarithme de la relation de départ, on obtient
∀s, t ≥ 0; f ( s + t ) = f ( s ) + f ( t ).
(b) On en déduit par récurrence que pour tout n ∈ N∗ ,
f (n) = f (n.1) = f (1| + 1 +{z· · · + 1}) = n. f (1).

n fois
De même, on montre que f (n.t) = n. f (t) pour tout t ≥ 0.
(c) Pour tous

p
q ∈ Q+ , on a
p p
f ( p) = p. f (1) = f (q. ) = q. f ( ).
q q
On en déduit
p p
f ( ) = . f (1).
q q
Pour tout x ∈ R+ , on peut construire deux suites dans Q+ (rn )n∈N et (rn0 )n∈N respectivement
croissante et décroissante, telles que
∀n ∈ N; rn ≤ x ≤ rn0
et convergeant vers x. On a alors
rn0 . f (1) = f (rn0 ) ≤ f ( x ) ≤ f (rn ) = rn . f (1).
On en déduit f ( x ) = x. f (1).
Solution de E. VI.7.4 La suite d’événements { T > n}n∈N est décroissante et d’intersection vide. Il
s’ensuit
lim P( T > n ) = 0
n→∞
et donc limn→∞ f (n) = −∞. On en déduit que f (1) < 0. On pose alors α = − f (1). On a
∀t > 0; P( T > t) = e−αt

ce qui montre que la variable aléatoire T suit la loi exponentielle E (α).
Séance 6 13
Séance VII : Mesures produits
• je connais la notion de tribu produit;
• je connais la caractérisation de la mesure produit, par ses valeurs sur les produits cartésiens;
• je suis capable de vérifier qu’une fonction de plusieurs variables est mesurable et intégrable;
• je maîtrise l’application des théorèmes de Fubini-Tonelli et Fubini-Lebesgue, pour calculer des

intégrales de fonctions de plusieurs variables;
• je suis capable d’appliquer l’intégration par rapport à une mesure produit, au cas particulier des
lois de variables aléatoires;
• je sais effectuer un changement de variables dans une intégrale multiple.
1
CS 1A - CIP 2022-2023
Les questions VII.1 et VII.2 sont à traiter avant la séance de TD. Les corrigés sont disponibles sur
internet.
Question VII.1
Q. VII.1.1 Trouver une fonction f ∈ L1 (R, B(R), λ) qui ne soit pas dans L p (R, B(R), λ), ∀ p > 1.
Trouver une fonction f ∈ L p (R, B(R), λ) pour un certain p > 1 qui ne soit pas dans L1 (R, B(R), λ).
Question VII.2
Soit λ(2) la mesure de Lebesgue sur R2 et considèrons le domaine D = [0, 1] × R+ .
Soit f la fonction définie par
f ( x, y) = sin(2πx )e−y 1D ( x, y).
Q. VII.2.1 (a) En utilisant précisément les théorèmes du cours, montrer que f ∈ L1 (R2 , λ(2) ).
f dλ(2) .
R
(b) Calculer R2
Séance 7 2
CS 1A - CIP 2022-2023
C) Exercices
La théorie de Lebesgue (et plus généralement la théorie de la mesure) fournit un cadre plus naturel
et cohérent pour l’étude des intégrales multiples que celui de l’intégrale de Riemann. A travers ce TD,
on observera, sur des exemples simples, que les théorèmes de Tonelli et Fubini constituent des outils
efficaces pour l’étude de l’intégrabilité des fonctions de plusieurs variables.
Exercice VII.1 (Intégrabilité)
1
E. VII.1.1 La fonction g définie par g( x, y, z) = 1− xyz est-elle intégrable sur ]0, 1[3 ? [i.e. a-t-on
g1]0,1[3 ∈ L1 (R3 )?]
1
E. VII.1.2 Pour quelles valeurs de α la fonction h définie h( x, y) = ( x 2 + y2 ) α
est-elle intégrable sur
D = {( x, y) ∈]0, +∞[2 / x2 + y2 < 1}?
Exercice VII.2 (Tribu et mesure de R3 )

Soit f : R2 → R une fonction borélienne.
On considère Γ = {( x, f ( x )); x ∈ R2 } le graphe de f .
E. VII.2.1 Montrer que Γ est un borélien de R3 .
E. VII.2.2 Montrer que Γ est négligeable dans R3 pour la mesure de Lebesgue (i.e. λ(3) (Γ) = 0).
Le but de l’exercice qui suit est d’étendre le lemme de Riemann-Lebesgue des fonctions Riemann-
intégrables sur un segment aux fonctions Lebesgue-intégrables sur un intervalle quelconque. Outre le
résultat de cet exercice, on retiendra la méthode qui repose sur un raisonnement de densité.
Exercice VII.3 (Lemme de Riemann-Lebesgue)
E. VII.3.1 (a) Soit f une fonction en escalier sur [ a, b]. Montrer que:
Z b Z b
lim f ( x ) cos(nx ) dx = 0 = lim f ( x ) sin(nx ) dx.
n→∞ a n→∞ a
(b) Etendre le résultat au cas d’une fonction Riemann-intégrable (ou réglée ou continue par morceaux).
E. VII.3.2 Soit I un intervalle de R.
(a) Soit f une fonction indéfiniment dérivable à support compact dans I. Montrer que:
Z Z
lim f ( x ) cos(nx ) λ(dx ) = 0 = lim f ( x ) sin(nx ) λ(dx ).
n→∞ I n→∞ I
(b) Etendre le résultat au cas d’une fonction Lebesgue-intégrable.
Exercice VII.4
Séance 7 3
CS 1A - CIP 2022-2023
x 2 − y2
E. VII.4.1 La fonction f définie par f (0, 0) = 0 et f ( x, y) = ( x 2 + y2 )2
est-elle intégrable sur [0, 1]2 ?
Exercice VII.5
Soit X une variable aléatoire positive de densité de probabilité f .
E. VII.5.1 Montrer que pour tout r ≥ 1, on a
Z
E Xr = r xr−1 P( X > x ) λ(dx ).

R+
Les deux exercices qui suivent montrent que les théorèmes usuels sur les intégrales multiples per-
mettent d’obtenir rapidement et facilement des résultats classiques.
Exercice VII.6 (Calcul d’intégrales simples)

Soient 0 < a < b. Z
E. VII.6.1 Calculer e− xy λ(dy). En déduire la valeur de
[ a,b]
e−ax − e−bx
Z
I= λ(dx ).
R+ x
E. VII.6.2 Adapter la méthode précédente pour calculer

Z +∞
cos( ax ) − cos(bx )
J= dx.
0 x
Exercice VII.7 (Calcul d’une intégrale classique)

Soit a > 0 et Da =]0, a[×]0, +∞[.
Soit la fonction f définie sur R2 par f (u, v) = pour (u, v) ∈ R∗ × R et f (0, v) =
sin(u) −v
E. VII.7.1 u e
e pour v ∈ R. Montrer que f est intégrable sur Da .
− v
E. VII.7.2 Montrer que l’application T définie par T ( x, y) = ( x, xy) est un difféomorphisme de Da

sur lui-même.
E. VII.7.3 Soit la fonction g définie sur R2 par g( x, y) = e− xy sin( x ). Montrer que g est intégrable
sur Da . Comparer son intégrale à celle de f .
Z +∞ − ay Z +∞
y e−ay
Z a
sin(u) e
E. VII.7.4 Exprimer du en fonction de dy et dy.
0 u 0 1 + y2 0 1 + y2
Z +∞
sin(u)
E. VII.7.5 En déduire l’existence et la valeur de du.
0 u
Exercice VII.8
E. VII.8.1 Soient X et Y deux variables aléatoires réelles dont la loi jointe admet la densité f :
R × R → R+ . Déterminer la loi de Y/X.
Séance 7 4
CS 1A - CIP 2022-2023
La formule d’intégration par parties est valable pour des fonctions C1 . Nous allons généraliser
cette formule à une classe plus large de fonctions.
Exercice VII.9 (Généralisation de la formule d’intégration par parties )

Dans cet exercice, on note L1 = L1 ([0, 1]).
Soit f une fonction de L1 . Pour tout x de [0, 1], on pose:
Z
F(x) = f (t) λ(dt).
[0,x ]
E. VII.9.1 La formule d’intégration par parties est-elle valable pour des fonctions dérivables presque
partout ou même partout?
E. VII.9.2 (a) La fonction F est-elle dérivable presque partout sur ]0, 1[?
(b) La fonction F est-elle nécessairement dérivables partout sur ]0, 1[?

E. VII.9.3 Soit g une fonction de L1 . Pour tout x de [0, 1], on pose
Z
G(x) = g(t) λ(dt).
[0,x ]
(a) Montrer que, pour tout couple (u, t) de [0, 1]2 ,

1[0,t] (u) 1[0,x] (t) = 1[0,x] (u) 1[0,x] (t) − 1[0,u[ (t) .
(b) Montrer que (t, u) 7→ | f (t) g(u)| est intégrable sur [0, 1]2 .
(c) En déduire que, pour tout x de [0, 1],

Z Z
G (t) f (t) λ(dt) = G ( x ) F ( x ) − g(t) F (t) λ(dt).
[0,x ] [0,x ]
(d) Démontrer alors que pour tout couple ( a, b) de ]0, 1[2 , on a

Z Z
G (t) f (t) λ(dt) = [ GF ]ba − g(t) F (t) λ(dt).
[ a,b] [ a,b]
Séance 7 5
Solution de Q. VII.1.1 Dans le premier cas, on peut par exemple considérer la fonction qui à x ∈ R
associe 1]0, 1 [ ( x ) x(ln1(x))2 .
2
Dans le deuxième cas, on peut par exemple considérer la fonction qui à x ∈ R associe 1[2,+∞[ ( x) 1x
qui est dans L p pour tout p > 1.
Solution de Q. VII.2.1
(a) On commence par remarquer que la fonction f est bien définie et mesurable sur R2 (car produit
d’une fonction continue et de l’indicatrice d’un ensemble mesurable). Ainsi par le théorème de
Fubini-Tonelli, on a
Z Z Z
| f | dλ(2) = | f ( x, y)| λ(dy)λ(dx )
R2 Z
[0,1] R
Z +
≤ e−y λ(dy)λ(dx )
Z
[0,1] R+
= 1λ(dx )
[0,1]
= 1.
Puisque cette intégrale est finie, on en déduit que f ∈ L1 (R2 , λ(2) ).
(b) Comme f ∈ L1 (R2 ), on peut appliquer le théorème de Fubini-Lebesgue. Ainsi,

Z Z Z
f dλ (2)
= sin(2πx )e−y λ(dx )λ(dy).
R2 R+ [0,1]
Le théorème d’intégration de la dérivée donne alors
− cos(2πx ) 1
Z
sin(2πx ) λ(dx ) = = 0.
[0,1] 2π 0
Ainsi, R2 f dλ(2) = 0.
R
Solution de E. VII.1.1 Montrons d’abord que g est mesurable. Pour une fonction qui n’est pas
continue (ici g n’est pas continue sur tout R3 ), une technique pour montrer qu’elle est mesurable
consiste à l’approcher par des fonctions continues. Ici, considérons le développement en série entière
de g sur ]0, 1[3 :
N
1
1]0,1[3 ( x, y, z) = lim ∑ ( xyz)n 1]0,1[3 ( x, y, z),
1 − xyz N →∞
n =0
où la limite est ponctuelle. A N fixé, le membre de droite est une fonction B(R3 )-mesurable, puisqu’il
s’agit du produit d’une indicatrice (d’un ensemble mesurable) avec une fonction continue (sur R3 ).
Ainsi g est la limite ponctuelle d’une suite de fonctions mesurables, elle est donc mesurable.
Séance 7 6
En outre, grâce au théorème de Fubini-Tonelli (détaillez les espaces mesurés):

+∞
1
Z Z
]0,1[ 1 − xyz
λ(dx ) = ∑ (xyz)n λ(dx)
]0,1[ n=0
+∞ +∞
(yz)n
Z
= ∑ (yz) n
x n λ(dx ) = ∑ .
n =0 ]0,1[ n =0 n + 1
1
Z
Remarque : on a x n λ(dx ) = grâce au Théorème d’intégration de la dérivée.
]0,1[ n+1
En itérant ce calcul, on trouve :
+∞
1 1
Z Z Z
λ(dx ) λ(dy) λ(dz) = ∑ 3
< +∞.
]0,1[ ]0,1[ ]0,1[ 1 − xyz n =0 ( n + 1 )
Finalement, le théorème de Fubini-Tonelli assure que g est intégrable sur ]0, 1[3 .
Solution de E. VII.1.2 Comme à la question précédente, on peut montrer que la fonction h est
B(R2 )-mesurable en l’approchant par des fonctions mesurables (faites-le).
Le théorème de changement de variable implique que h est intégrable sur D si et seulement si
h ◦ ϕ.| J | est intégrable sur ∆ =]0, 1[×]0, π/2[, où J désigne le jacobien du changement de variables
ϕ(r, θ ) = (r cos(θ ), r sin(θ )).
On a donc :
1
Z Z
h( x, y) λ ⊗ λ(dx, dy) = 2α −1
λ ⊗ λ(dr, dθ ).
D ∆ r
La fonction étant positive, le théorème de Fubini-Tonelli implique
1 1
Z Z Z Z
π
h( x, y) λ ⊗ λ(dx, dy) = λ(dθ ) λ(dr ) = λ(dr ).
D ]0,1[ ]0,π/2[ r2α−1 2 ]0,1[ r2α−1
1
Or, est intégrable sur ]0, 1[ si et seulement si 2α − 1 < 1.
r2α−1
Donc h est intégrable si et seulement si α < 1.
Solution de E. VII.2.1 Soit ϕ l’application définie par
R2 × R → R
( x, y) 7→ ϕ( x, y) = f ( x ) − y.
La fonction ϕ est borélienne donc Γ = ϕ−1 ({0}) est un borélien.
Solution de E. VII.2.2 En notant λ(2) = λ ⊗ λ la mesure de Lebesgue de R2 et λ(3) = λ ⊗ λ ⊗ λ la
Séance 7 7
mesure de Lebesgue de R3 , on écrit, grâce au Théorème de Fubini-Tonelli,

Z
(3)
(Γ) = 1 ( x1 , x2 , y) λ(3) (dx1 , dx2 , dy)
R3 Γ
λ
Z Z
= 1Γ ( x1 , x2 , y) λ(dy) λ(2) (dx1 , dx2 )
Z
R2 R
= λ({ f ( x1 , x2 )}) λ(2) (dx1 , dx2 )
ZR
2
= 0 λ(2) (dx1 , dx2 ) = 0,

R2
en utilisant le fait que λ({y}) = 0 pour tout y ∈ R. Le borélien Γ est donc négligeable pour la mesure
de Lebesgue de R3 .
Solution de E. VII.3.1
(a) Soit f une fonction en escalier sur [ a, b]. Elle peut s’écrire:
N N
f (x) = ∑ αi 1]a − ,a [ (x) + ∑ β j 1{a } (x),
i 1 i j
i =1 j =0
avec a = a0 < a1 < · · · < a N −1 < a N = b. Ainsi:

Z b N Z ai N
sin(nai−1 ) − sin(nai )
a
f ( x ) cos(nx ) dx = ∑ αi a i −1
cos(nx ) dx = ∑ αi n
.
i =1 i =1
Et donc:
Z b N
sin(nai ) − sin(nai−1 )
lim
n→∞ a
f ( x ) cos(nx ) dx = ∑ αi nlim
→∞ n
= 0.
i =1
(b) Soit f une fonction réglée (par exemple continue par morceaux). Par densité des fonctions en
escalier dans l’espace des fonctions réglées (pour la norme k.k∞ ), on sait que, pour tout e > 0
fixé, il existe une fonction φ en escalier telle que
e
k f − φk∞ < .
2( b − a )
Rb
De plus, d’après la question précédente, on sait que a φ( x ) cos(nx ) dx converge vers 0. Il existe
donc N > 0 tel que si n > N alors
Z b
e
φ( x ) cos(nx ) dx < .
a 2
Ainsi pour n > N on a:
Z b Z b Z b
f ( x ) cos(nx ) dx ≤ ( f ( x ) − φ( x )) cos(nx ) dx + φ( x ) cos(nx ) dx ,
a a a
et donc : Z b Z b
e e
f ( x ) cos(nx ) dx ≤ 1 dx + = e.
a 2( b − a ) a 2
Rb
Ceci prouve bien la convergence de a
f ( x ) cos(nx ) dx vers 0.
Séance 7 8
Solution de E. VII.3.2 Soit I un intervalle de R quelconque.

(a) Soit φ une fonction indéfiniment dérivable à support compact. Soient a et b deux réels tels que
le support de φ est inclus dans [ a, b]. Alors :
Z Z b
φ( x ) cos(nx ) λ(dx ) = φ( x ) cos(nx ) dx.
I a
A ce stade, on peut appliquer le résultat de la question précédente pour conclure.

D’un point de vue plus calculatoire, on peut également procéder comme suit:
Z b Z b
1 b 1
φ( x ) cos(nx ) dx = [φ( x ) sin(nx )] a − φ0 ( x ) sin(nx ) dx.
a n n a
Par définition du support on a φ( a) = 0 = φ(b) et donc :

1
(φ(b) sin(nb) − φ( a) sin(na)) = 0,
n
et comme φ0 est continue sur [ a, b] et donc bornée :
Z b
1 b−a 0
φ0 ( x ) sin(nx ) dx ≤ kφ k∞ .
n a n
On en déduit que: Z
lim φ( x ) cos(nx ) λ(dx ) = 0.
n→∞ I
(b) Soit maintenant f une fonction intégrable sur I. Comme l’ensemble des fonctions indéfiniment
dérivables à support compact est dense dans l’ensemble L1 ( I ) des fonctions intégrables (pour
la norme k.k1 , cf Théorème du cours), il existe une fonction φ indéfiniment dérivable à support
compact telle que :
e
k f − φ k1 ≤ .
2
Or
Z Z Z
f ( x ) cos(nx ) λ(dx ) ≤ ( f ( x ) − φ( x )) cos(nx ) λ(dx ) + φ( x ) cos(nx ) λ(dx ) ,
I I I
donc Z Z
f ( x ) cos(nx ) dx ≤ k f − φk1 + φ( x ) cos(nx ) λ(dx ) .
I I
Le résultat de la question 2)(a) assure qu’il existe un entier N tel que si n > N alors :
Z
e
φ( x ) cos(nx ) λ(dx ) ≤ .
I 2
Finalement, si n > N alors: Z
f ( x ) cos(nx ) λ(dx ) ≤ e,
I
R
d’où la convergence de I
f ( x ) cos(nx ) λ(dx ) vers 0.
Séance 7 9
Solution de E. VII.4.1 On considère pour n ≥ 1,
x 2 − y2
∀ x, y ∈ [0, 1], f n ( x, y) = .
( x2 + y2 )2 + n1
Pour tout n ≥ 1, les fonctions f n sont mesurables (car continues) sur [0, 1]2 donc leur limite (simple)
f l’est aussi.
Pour y 6= 0, on a :
2x2 − ( x2 + y2 )
Z Z
f ( x, y) λ(dx ) = λ(dx )
[0,1] [0,1] ( x 2 + y2 )2
−1 2x2
Z Z
= λ(dx ) + λ(dx )
[0,1] x + y2
2 2
[0,1] ( x + y )
2 2
1 Z
−1

1 1
Z
=− 2 2
λ(dx ) + 2 2
x + 2 2
λ(dx ),
[0,1] x +y x +y 0 [0,1] x + y
où on a réalisé une intégration par parties à la dernière ligne.

Donc on a, pour presque tout y :
−1
Z
f ( x, y) λ(dx ) = ,
[0,1] 1 + y2
puis: Z Z
π
f ( x, y) λ(dx ) λ(dy) = − .
[0,1] [0,1] 4
De même (ou par symétrie) on trouve
Z Z
π
f ( x, y) λ(dy) λ(dx ) = .
[0,1] [0,1] 4
Ces résultats “contradictoires” avec les conclusions du théorème de Fubini montrent que la fonc-
tion f n’est pas intégrable sur [0, 1]2 .
Solution de E. VII.5.1 Par définition de la densité f , on a

Z
P( X > x ) = f (y) λ(dy).
] x,+∞[
Ainsi, en utilisant le théorème de Tonelli, on a

Z Z Z
rx r −1
P( X > x) λ(dx) = rx r −1
f (y) λ(dy) λ(dx )
R+ R+ Z
] x,+∞[

Z
r −1
= f (y) rx λ(dx ) λ(dy)
Z
R+ [0,y[
= yr f (y) λ(dy).
R+
Séance 7 10
Z
Lorsque E[ X r ] < +∞, on a E[ X r ] = yr f (y) λ(dy).Le résultat suit.
R+
Solution de E. VII.6.1 Grâce au théorème fondamental de l’analyse, on a pour x 6= 0,
e−ax − e−bx
Z
e− xy λ(dy) = .
] a,b[ x
Ainsi
e−ax − e−bx
Z Z Z
λ(dx ) = e− xy λ(dy) λ(dx ).
R+ x ]0,+∞[ ] a,b[
En utilisant le théorème de Fubini-Tonelli, on trouve
e−ax − e−bx
Z Z Z
λ(dx ) = e− xy λ(dx ) λ(dy)
R+ x ] a,b[ ]0,+∞[
1
Z
= λ(dy)
] a,b[ y
Z b
1 b
= dy = ln .
a y a
Solution de E. VII.6.2 L’intégrale J est une intégrale de Riemann convergente.

On va intégrer d’abord sur [0, L] puis faire tendre L vers +∞.
On a : Z b
Z
sin( xy) λ(dy) = sin( xy) dy = .
] a,b[ a x
Ainsi : Z L
Z Z
dx = sin( xy) λ(dy) λ(dx ).
0 x ]0,L[ ] a,b[
On note que la fonction qu’on intègre est mesurable et que

Z Z
| sin( xy)| λ(dy) λ(dx ) ≤ L(b − a) < +∞.
]0,L[ ] a,b[
Ainsi, en appliquant les théorèmes de Fubini (Fubini-Tonelli pour prouver que la fonction est dans
L1 (]0, L[×] a, b[, λ ⊗ λ), puis Fubini-Lebesgue pour intervertir les intégrales sans la valeur absolue), on
trouve :
Z L
cos( ax ) − cos(bx ) 1 − cos( Ly)
Z Z Z
dx = sin( xy) λ(dx ) λ(dy) = λ(dy).
0 x ] a,b[ ]0,L[ ] a,b[ y
On a donc :
Z L
cos( ax ) − cos(bx ) 1 cos( Ly)
Z Z
dx = λ(dy) − λ(dy).
0 x ] a,b[ y ] a,b[ y
Séance 7 11
Grâce au lemme de Riemann-Lebesgue (voir Exercice VII.3), on trouve, en faisant tendre L vers
+∞ Z +∞

b
dx = ln .
0 x a
Solution de E. VII.7.1 La fonction f est mesurable sur Da car continue. En outre :
sin(u) −v
Z Z Z
e λ(du) λ(dv) ≤ a e−v λ(dv) = a < +∞
]0,+∞[ ]0,a[ u ]0,+∞[
Donc f est intégrable sur Da d’après le théorème de Fubini-Tonelli.
Solution de E. VII.7.2 L’application T est définie de Da vers Da . Elle est bijective, en effet son inverse
est donnée par:
T −1 : (u, v) ∈ Da 7→ (u, v/u) ∈ Da .
En outre, T est indéfiniment dérivable et le jacobien de T est detJ = x 6= 0, donc T est un C ∞
difféomorphisme de Da sur Da (par le théorème d’inversion locale).
Solution de E. VII.7.3 Le théorème de changement de variable donne :

Z Z Z
f (u, v) λ ⊗ λ(du, dv) = x f ( x, xy) λ ⊗ λ(dx, dy) = g( x, y) λ ⊗ λ(dx, dy),
Da Da Da
ce qui prouve que g est intégrable sur Da (écrire le changement de variable précédent en valeur absolue
pour être complètement rigoureux).
Solution de E. VII.7.4 On a:
Z +∞ Z a
eix − e−ix
Z a
sin( x )
Z Z
dx = f = g= e− xy dx dy.
0 x Da Da 0 0 2i
Ainsi Z +∞
1 − cos( a) e−ay − y sin( a) e−ay
Z a
sin( x )
dx = dy,
0 x 0 1 + y2
d’où Z +∞ − ay Z +∞
y e−ay
Z a
sin( x ) π e
dx = − cos( a) dy − sin( a) dy.
0 x 2 0 1 + y2 0 1 + y2
Solution de E. VII.7.5 Le théorème de convergence dominée (dont on vérifiera les hypothèses)

assure que
e−ay ye−ay
Z Z
lim λ(dy) = 0 et lim λ(dy) = 0.
a→+∞ R+ 1 + y2 a→+∞ R+ 1 + y2
Séance 7 12
On trouve donc Z +∞
sin( x ) π
dx = .
0 x 2
Solution de E. VII.8.1 Dire que la loi jointe de X et Y a pour densité f 1 signifie que pour tout borélien
B de R2 ,
Z
P(( X, Y ) ∈ B) = P(X,Y) ( B) = f ( x, y) λ(2) (dx, dy),
B
où λ(2) désigne la mesure de Lebesgue de R2 .

La loi de U = Y/X est la mesure image de P(X,Y ) par l’application ( x, y) → y/x. Ainsi, pour tout
B ∈ B(R),
Z y
P (U ∈ B ) = ∗ 1 B f ( x, y) λ(2) (dx, dy).
R ×R x
On peut remarquer que cette dernière expression s’écrit aussi
Z y
P (U ∈ B ) = H ,x λ(2) (dx, dy)
Z R ×R
∗ x
= H ◦ T ( x, y) λ(2) (dx, dy),
R R
∗×
où pour tous a, b ∈ R∗+ , H ( a, b) = 1B ( a) f (b, ab) et2
T : R∗ × R → R × R∗
y
( x, y) 7→ ( , x ).
x
Ainsi, pour tout difféomorphisme ϕ : D ⊆ Rd → R∗+ × R∗+ , on obtient par la formule de changement
de variable:
Z
P (U ∈ B ) = | J ϕ(u, v)| × H ◦ T ◦ ϕ(u, v) λ(2) (du, dv).
D
Notons maintenant que T est C1 et bijectif, d’inverse T −1 (u, v) = (v, uv) qui est également C1 . Ainsi
T −1 est un difféomorphisme et on peut choisir ϕ = T −1 , avec D = R × R∗ . De plus, le jacobien de ϕ
est J ϕ(u, v) = −v.
D’où
Z y Z
1 (2)
f ( x, y) λ (dx, dy) = 1 (u) f (v, uv) |v| λ(2) (du, dv).
R∗ ×R B x R ×R∗ B
1 de manière équivalente on pourra dire, dans le vocabulaire de la théorie de la mesure, que P( X,Y ) est absolument con-
tinue par rapport à la mesure de Lebesgue (de R2 ).
2 notez qu’on aurait aussi pu choisir d’écrire P(U ∈ B ) = y (2)
R∗ ×R H x , y λ (dx, dy), ce qui amène à choisir plutôt
R
H ( a, b) = 1B ( a) f ( ba , b), puis T ( x, y) = ( x , y) et enfin le changement de variable ϕ(u, v) = T −1 (u, v) = ( uv , v). In fine, on

y
pourra vérifier que le résultat est le même.
Séance 7 13
R
Grâce au théorème de Fubini, on en déduit que la loi de U admet donc la densité u 7→ R f (v, uv) |v| λ(dv).
Solution de E. VII.9.1 La formule d’intégration par parties n’est pas valable pour toutes les fonctions
dérivables presque partout ou même partout, par exemple u = x2 sin(1/x3 ) (prolongée par 0 en 0) et
v0 = 1 sur [0, 1].
(a) Puisque f est localement intégrable, d’après le Théorème du cours, F est dérivable presque
partout et F 0 = f presque partout.
(b) La fonction F n’est pas nécessairement dérivable partout sur ]0, 1[.
Par exemple, si f = 1[0,1/2] alors F n’est pas dérivable en 1/2.
(a) Pour montrer que, pour tout couple (u, t) de [0, 1]2 , on a

1[0,t] (u).1[0,x] (t) = 1[0,x] (u) 1[0,x] (t) − 1[0,u[ (t) ,
il suffit de montrer que les deux fonctions valent 1 sur un même triangle (à dessiner) et 0 en
dehors.
(b) Utilisons le théorème de Fubini-Tonelli :

Z Z
| f (t) g(u)| λ(dt) λ(du) = k f k L1 .k gk L1 < +∞
[0,1] [0,1]
donc (t, u) 7→ | f (t) g(u)| est intégrable sur [0, 1]2 .
(c) Soit x dans [0, 1] :

Z Z Z
G (t) f (t) λ(dt) = g(u) λ(du) f (t) λ(dt).
[0,x ] [0,x ] [0,t]
Donc Z Z Z
G (t) f (t) λ(dt) = g(u) 1[0,t] (u) λ(du) f (t) 1[0,x] (t) λ(dt).
[0,x ] [0,1] [0,1]
Comme, la fonction (t, u) 7→ |1[0,t] (u).1[0,x] (t) f (t) g(u)| est dominée par la fonction intégrable
(t, u) 7→ | f (t) g(u)|, on en déduit qu’elle est intégrable.
Le théorème de Fubini permet donc d’écrire :
Z Z Z
G (t) f (t) λ(dt) = f (t) g(u) 1[0,t] (u) 1[0,x] (t) λ(du) λ(dt).
[0,x ] [0,1] [0,1]
Séance 7 14
Grâce à 2a), ceci implique

Z Z Z
G (t) f (t) λ(dt) = f (t) g(u) 1[0,x] (u) 1[0,x] (t) − 1[0,u] (t) λ(du) λ(dt)
[0,x ] [0,1] [0,1]
et donc
Z Z Z
G (t) f (t) λ(dt) = f (t) g(u) λ(du) λ(dt)
[0,x ] [0,x ] [0,x ]
Z Z
− 1[0,x] (u) g(u)1[0,u] (t) f (t) λ(du) λ(dt).
[0,1] [0,1]
Ceci entraîne, en appliquant à nouveau le théorème de Fubini,

Z Z
G (t) f (t) λ(dt) = G ( x ) F ( x ) − g(u) F (u) λ(du).
[0,x ] [0,x ]
(d) Soit a < b. comme [ a, b] = [0, b] \ [0, a], si on soustrait la relation précédente pour x = a à celle
obtenue en x = b, on obtient
Z Z
G (t) f (t) λ(dt) = [ GF ]ba − g(t) F (t) λ(dt).
[ a,b] [ a,b]
Séance 7 15
Séance VIII : Convolution, probabilités dans Rd et indépendance
• je suis capable d’étudier la convolution de deux fonctions (intégrabilité, convergence);
• je suis capable d’exprimer l’indépendance de variables aléatoires en terme de mesure produit;
• je suis capable de vérifier que deux variables aléatoires sont indépendantes;
• je suis capable de déterminer la loi d’une variable aléatoire définie comme fonction de deux
variables aléatoires indépendantes;
• je distingue parfaitement les notions d’indépendance et de non corrélation;
• je suis capable d’étudier un vecteur de variables aléatoires réelles, dont la loi est donnée (loi de
chaque composante, indépendance).
1
CS 1A - CIP 2022-2023
Les questions VIII.1 et VIII.2 sont à traiter avant la séance de TD. Les corrigés sont disponibles sur
internet.
Question VIII.1
Soient m1 , m2 ∈ R et σ1 , σ2 > 0. Soient X et Y deux variables aléatoires independantes telles que
X ∼ N (m1 , σ12 ) et Y ∼ N (m2 , σ22 ), i.e. X (resp. Y) suit une loi gaussienne de moyenne m1 (resp. m2 ) et
d’écart type σ1 (resp. σ2 ).
Q. VIII.1.1 Déterminer la loi de X + Y.
La question suivante illustre le fait que la non-corrélation entre des variables aléatoires n’implique
pas nécessairement leur indépendance.
Question VIII.2
Soient X et Y deux variables aléatoires de Bernoulli independantes de paramètre 21 .
Q. VIII.2.1 Déterminer la loi de X + Y, | X − Y | et ( X + Y )| X − Y |.
Q. VIII.2.2 Montrer que X + Y et | X − Y | sont des variables aléatoires non-corrélées.
Q. VIII.2.3 Montrer que X + Y et | X − Y | ne sont pas indépendantes. [Indication: on pourra par
exemple calculer P( X + Y = 0, | X − Y | = 0)].
Séance 8 2
CS 1A - CIP 2022-2023
C) Exercices
Exercice VIII.1
Soient X et Y deux variables aléatoires indépendantes distribuées suivant la même loi exponentielle
de paramètre 1.
X
E. VIII.1.1 Déterminer la loi jointe de U = X + Y et V = .
X+Y
E. VIII.1.2 Les variables aléatoires U et V sont-elles indépendantes?
E. VIII.1.3 En déduire que V suit la loi uniforme sur [0, 1].
Le produit de convolution est un outil très utilisé en analyse ainsi qu’en sciences de l’ingénieur.
Voici un petit exercice permettant de le manipuler avec des noyaux régularisants, dont on verra plus
tard certaines applications pour les EDP et que vous rencontrerez également en traitement du signal.
Exercice VIII.2 (Noyau régularisant)

On note Cc∞ (Rd ) l’ensemble des fonctions de Rd dans R qui sont indéfiniment dérivables et à support
compact. Autrement dit, f ∈ Cc∞ (Rd ) sssi f est continuement dérivable à tout ordre et si il existe R > 0
tel que f est nulle en dehors de la boule fermée B(0, R).
On appelle noyau régularisant une fonction j ∈ Cc∞ (Rd ) telle que:
• j ≥ 0;
• Rd j( x )λ(dx ) = 1;
R
• | x | ≥ 1 ⇒ j( x ) = 0.
On définit alors une famille régularisante { je }e>0 par la relation: ∀Re > 0, ∀ x ∈ Rd , je ( x ) = e−d j( xe ).
E. VIII.2.1 Que peut-on dire du support de je ? Combien vaut Rd je ( x )λ(dx )?
E. VIII.2.2 On se place dans le cas d = 1. On considère la fonction
(
C exp − 1−|1x|2 si | x | < 1 ,
j( x ) =
0 sinon,
R −1
où C = ]−1,1[ exp − 1−|1x|2 λ(dx ) .
Vérifier que j est un noyau régularisant.
E. VIII.2.3 Dans le reste de l’exercice, j désigne le noyau particulier défini à la question précédente.
Montrer que si f est continue de R dans R, alors je ∗ f ∈ C ∞ (R) pour tout e > 0.
E. VIII.2.4 Pour la même fonction f , montrer que je ∗ f converge ponctuellement vers f lorsque
e → 0. Soit $ > 0, montrer que la convergence est uniforme sur la boule fermée B(0, $) (on dit que la
convergence est uniforme sur les compacts).
*E. VIII.2.5 Étendre les résultats précédents au cas d > 1.
Séance 8 3
CS 1A - CIP 2022-2023
Les deux exercices suivants s’intéressent à la composée de variables aléatoires.
Exercice VIII.3
Soit (Ω, F , P) un espace de probabilité. Soient N une variable aléatoire à valeurs dans N∗ et ( Xn )n∈N∗
une suite de variables aléatoires.
On définit X N par
∀ω ∈ Ω, X N (ω ) = X N (ω ) (ω ).
E. VIII.3.1 Montrer que X N est une variable aléatoire.
Exercice VIII.4
On suppose que l’intensité d’un tremblement de terre est une variable aléatoire X suivant une loi
exponentielle de paramètre a et que le nombre de tremblements de terre par an N est une variable de
Poisson de paramètre λ.
E. VIII.4.1 On considère la variable Y représentant l’intensité maximale annuelle de ces tremble-
ments de terre. Quelle est la loi de Y?
On étudie maintenant les liens entre indépendances de variables aléatoires, lois marginales et lois
conditionnelles.
Exercice VIII.5
Dans l’espace de probabilité (Ω, F , P), on considère un couple de v. a. ( X, Y ), dont la loi est absolu-
ment continue par rapport à la mesure de Lebesgue, défini sur le domaine
D = ( x, y) ∈ R2 ; 0 < y ≤ 1 et 0 ≤ x ≤ y ,

par la densité de probabilité f : R2 → R+ ,

1/y si ( x, y) ∈ D
f ( x, y) =
0 sinon.
E. VIII.5.1 Montrer que f définit bien une densité de probabilité.

E. VIII.5.2 Exprimer la fonction de répartition du couple ( X, Y ).
E. VIII.5.3 Calculer les densités de probabilité marginales des variables aléatoires X et Y.
E. VIII.5.4 Calculer les densités de probabilité des variables Y | X = x et X | Y = y.
E. VIII.5.5 Les variables X et Y sont-elles indépendantes?
Exercice VIII.6 (Convolution)

Soient f un élément de L1 (R) et g et h deux éléments de L2 (R). On définit fˇ en posant fˇ( x ) = f (− x ).
Séance 8 4
CS 1A - CIP 2022-2023
E. VIII.6.1 Montrer que | f | ∗ | g| ∈ L2 (R).

E. VIII.6.2 Montrer que la fonction ( x, y) 7→ f ( x − y) g(y)h( x ) est intégrable sur R2 .
E. VIII.6.3 En déduire que:
Z Z
( f ∗ g)h dλ = g( fˇ ∗ h) dλ.
R R
*E. VIII.6.4 Démontrer que si f et g sont des fonctions à supports compacts notés A et B, alors f ∗ g
est à support compact inclus dans A + B.
Exercice VIII.7 (Noyau régularisant (suite) - Lemme d’Urysohn et conséquence)
*E. VIII.7.1 On va prouver le Lemme d’Urysohn: soit Ω un ouvert de Rd et K ⊂ Ω un compact,

alors il existe ψ ∈ Cc∞ (Ω) avec ψ( x ) = 1 pour tout x ∈ K.
(a) Soit δ > 0 tel que l’ensemble K2δ = { x : | x − y| ≤ 2δ pour un y ∈ K } est inclus dans Ω. Vérifier
que K2δ est compact.
(b) Soit j le noyau de l’exercice VIII.2 et { je }e>0 la famille régularisante. Montrer que pour e = δ, la
fonction ψK = je ∗ 1Kδ est une solution au problème d’Urysohn.
*E. VIII.7.2 On admet la densité des fonctions C ∞ (Rd ) dans L p (Rd ). A l’aide de la question précé-
dente, montrer que Cc∞ (Rd ) est dense dans L p (Rd ). [Indication: considérer une suite croissante de compacts
{Kn }n∈N tel que ∪Kn = R et la suite de fonctions {ψKn }n∈N .]
Séance 8 5
Solution de Q. VIII.1.1 Nous allons montrer que X + Y ∼ N (m1 + m2 , σ12 + σ22 ).

Dans un premier temps, supposons que m1 = m2 = 0. Soit f une fonction mesurable bornée. Par le
théorème de transfert,
Z
E[ f ( X + Y )] = f ( x + y) P(X,Y ) (dx, dy).
R2
Comme X et Y sont indépendantes, P(X,Y ) = PX ⊗ PY . Ainsi,
x2 y2
− −
2σ2 2σ22
e e
Z
1
E[ f ( X + Y )] = f ( x + y) q λ(2) (dx, dy).
R
q
2
2πσ12 2πσ22
Donc par le changement de variable Φ(u, v) = (u, v − u) (vérifiez et calculez le jacobien), on obtient
x2 2
1 − − (x−z2)
Z
E[ f ( X + Y )] = f (z)e 2σ2
1 e 2σ2
λ(2) (dx, dz).
2πσ1 σ2 R2
Or on vérifie que
 2 
σ12 z

x2 (x − z )2
x− σ12 +σ22

z2

exp − − = exp −  × exp − ,
 
2σ12 2σ22 2Σ2 2(σ12 + σ22 )
σ12 σ22
où on a noté Σ2 = σ12 +σ22
. Comme pour tout z, la fonction
 2 
σ12 z
1 x− σ12 +σ22
x 7→ √ exp −
 
2Σ2

2πΣ2
σ12 z
est la densité d’une gaussienne de moyenne σ1 +σ22
2 et de variance Σ2 , on en déduit que l’intégrale de
cette fonction est 1. Or par les théorèmes de Fubini, on a
2 
√

σ2 z
2πΣ2
Z − 2z 2
2 Z
1 x − σ2 +1 σ2
E[ f ( X + Y )] = f (z)e 2(σ +σ2 )
1 √ exp −
 1 2
 λ(dx ) λ(dz),

2πσ1 σ2 R R 2πΣ2 2Σ2
et donc grâce à la remarque précédente,

√ z2
2πΣ2 −
Z
E[ f ( X + Y )] = f (z)e 2(σ2 +σ22 )
1 λ(dz)
2πσ1 σ2 R
z2
−
2(σ2 +σ22 )
e
Z
1
= f (z) q λ(dz)
R 2π (σ12 + σ22 )
= E[ f ( Z )],
Séance 8 6
où Z ∼ N (0, σ12 + σ22 ).
Si maintenant (m1 , m2 ) 6= (0, 0), on sait que X − m1 ∼ N (0, σ12 ) et Y − m2 ∼ N (0, σ22 ), donc
d’après le paragraphe précédent,
( X − m1 ) + (Y − m2 ) ∼ N (0, σ12 + σ22 ).
Or X + Y est une gaussienne dont on montre facilement qu’elle est de moyenne m1 + m2 .
Solution de Q. VIII.2.1 | X − Y | est une variable aléatoire discrète qui prend les valeurs : 0 avec
probabilité 1/2 (X = Y = 0 ou X = Y = 1), 1 avec probabilité 1/2 (X = 0 et Y = 1, ou X = 1 et
Y = 0). C’est donc une variable de Bernoulli.
( X + Y ) | X − Y | est une variable aléatoire discrète qui prend les valeurs : 0 avec probabilité 1/2, 1
avec probabilité 1/2.
Solution de Q. VIII.2.2 On calcule la covariance entre X + Y et | X − Y |,
Cov( X + Y, | X − Y |) = E [( X + Y )| X − Y |] − E [( X + Y )] E [| X − Y |]
1 1
= − 1 × = 0.
2 2
Les v.a. X + Y et | X − Y | sont donc non-corrélées.
Solution de Q. VIII.2.3
1 1 1 1
P( X + Y = 0, | X − Y | = 0) = 6= P( X + Y = 0) P(| X − Y | = 0) = × = .
4 4 2 8
Donc X + Y et | X − Y | ne sont pas indépendantes.
Solution de E. VIII.1.1 Par définition de la loi exponentielle, on a
∀ x ∈ R, P( X ≤ x) = (1 − e−x ) 1R+ ( x)
et
∀ y ∈ R, P(Y ≤ y) = (1 − e−y ) 1R+ (y).

D’abord, remarquons que V = +∞ sur l’évènement { X = 0, Y = 0}. Comme X ≥ 0 et Y ≥ 0,
c’est bien le seul évènement sur lequel Y = +∞. Or P( X = 0, Y = 0) = P( X = 0)P(Y = 0)
par indépendance. De plus, P( X = 0) = P(Y = 0) = 0 car X et Y admettent une densité. Donc
P( X = 0, Y = 0) = 0. En fait on a même P({ X = 0} ∪ {Y = 0}) ≤ P( X = 0) + P(Y = 0) = 0. Ainsi
une définition plus convenable de V serait
X
1 .
X + Y {X >0, Y >0}
Séance 8 7
Comme dans l’Exercice VII.1, on peut montrer que la fonction ( x, y) 7→ x

x +y x >,y>0 est B( 1 R
2 )-mesurable
en l’approchant par des fonctions mesurables (faites-le). On a alors que XX 1

+Y { X >0, Y >0} est une variable
X
aléatoire, par composition. De plus, on vient de remarquer que V = X +Y {X >0, Y >0} p.s. 1
X
Pour U = X + Y et V = , la loi (jointe) du couple (U, V ) est déterminée par
X+Y
Z
E[h(U, V )] = h(u, v) P(U,V ) (du, dv),
R2
pour toute fonction h : R2 → R mesurable bornée. On cherche donc à exprimer E[h(U, V )] pour
identifier la loi de (U, V ).
Notons qu’il est également possible de considérer les quantités P((U, V ) ∈ A) pour A ∈ B(R2 ), comme
dans l’exercice suivant, ce qui revient à prendre h = 1 A .
Or, on a h(U, V ) = h( X + Y, X/( X + Y )) et par la remarque précédente, h( X + Y, X/( X + Y )) =
h( X + Y, X/( X + Y ))1{X >0, Y >0} p.s. . Donc en appliquant le théorème de transfert pour le couple
( X, Y ),

X
E[h(U, V )] = E h X + Y, 1{X>0, Y>0}
X+Y

x
Z
= h x + y, 1{x>0, y>0} P(X,Y) (dx, dy)
R2
x+y

x
Z
= h x + y, P(X,Y ) (dx, dy).
R∗+ ×R∗+ x+y
Comme X et Y sont indépendantes,

x x
Z Z
h x + y, P(X,Y ) (dx, dy) = h x + y, PX ⊗ PY (dx, dy)
R∗+ ×R∗+ x+y R∗+ ×R∗+ x+y

x
Z Z
= h x + y, PX (dx ) PY (dy).
R∗+ R∗+ x+y
En utilisant le fait que les lois PX et PY admettent une densité par rapport à la mesure de Lebesgue λ,
on trouve

x
Z Z
E[h(U, V )] = ∗ ∗ h x + y, e−(x+y) λ(dx ) λ(dy).
R+ R+ x+y
On peut remarquer que cette dernière expression s’écrit aussi

x
Z Z
E[h(U, V )] = ∗ ∗ H x + y, λ(dx ) λ(dy)
R+ R+ Z Z
x+y
= H ◦ T ( x, y) λ(dx ) λ(dy),
R∗+ R∗+
où pour tous a, b ∈ R∗+ , H ( a, b) = h( a, b)e−a et
T : R∗+ × R∗+ → R∗+ ×]0, 1]

( x, y) 7→ ( x + y, x/( x + y)).
Séance 8 8
Ainsi, pour tout changement de variable (i.e. tout difféomorphisme) ϕ : D ⊆ Rd → R∗+ × R∗+ , on
obtient par la formule de changement de variable:
Z
E[h(U, V )] = | J ϕ(u, v)| × H ◦ T ◦ ϕ(u, v) λ(2) (du, dv).
D
Notons maintenant que T est C1 et bijectif, d’inverse T −1 (u, v) = (uv, u − uv) qui est également C1 .
Ainsi T −1 est un difféomorphisme et on peut choisir ϕ = T −1 , avec D = R∗+ ×]0, 1]. De plus, le
jacobien de ϕ est J ϕ(u, v) = −u.
On a donc
Z
E[h(U, V )] = h (u, v) u e−u λ(2) (du, dv)
Z
R ∗ ×]0,1]
+
= h (u, v) u e−u 1R∗+ ×]0,1] (u, v) λ(2) (du, dv)

ZR
2
= h (u, v) u e−u 1R∗+ ×[0,1] (u, v) λ(2) (du, dv).

R2
On en déduit que la loi de (U, V ) admet la densité de probabilité
(u, v) 7→ f U,V ) (u, v) = u e−u 1R∗+ ×[0,1] (u, v).
Solution de E. VIII.1.2 On déduit de 1) que la loi de U admet la densité f U définie par

Z
∀ u ∈ R, f U (u) = f (U,V ) (u, v) λ(dv) = u e−u 1R∗+ (u)
R
et que la loi de V admet la densité f V définie par
Z
∀ v ∈ R, f V (v) = f (U,V ) (u, v) λ(du) = 1[0,1] (v).
R
Comme f (U,V ) (u, v) = f U (u) f V (v) pour tout (u, v) ∈ R2 , les variables aléatoires U et V sont
indépendantes.
Solution de E. VIII.1.3 V admet 1[0,1] comme densité de probabilité, c’est-à-dire V suit la loi uni-
forme sur [0, 1].
Solution de E. VIII.2.1 Montrons que suppje ⊂ B(0, e). Pour cela il suffit de montrer que pour
x ∈ Rd \ B(0, e), je ( x ) = 0. Soit donc un tel x. Alors | xe | > 1, donc par hypothèse sur j, j( xe ) = 0, ce
qui suffit à montrer le résultat.
Par un simple changement de variable (y = xe ), on montre alors que
Z Z
je ( x )λ(dx ) = j(y)λ(dy) = 1.
Rd Rd
Séance 8 9
Solution de E. VIII.2.2 La fonction j est positive, à support inclus dans [−1, 1]. Il reste donc à
vérifier qu’elle est infiniment dérivable en tout point de R et qu’elle est intégrable, le second point se
déduisant facilement du premier. De plus, on voit facilement que j est infiniment dérivable en tout
point autre que x = 1 ou x = −1. Etudions ce qui se passe en x = 1 (l’analyse est la même en x = −1).
On remarque d’abord que j est bien continue. En effet, limx→1− j( x ) = 0 = limx→1+ j( x ).
Ensuite, les dérivées à droite étant toutes nulles, il faut donc montrer que les dérivées à gauche
successives sont elles aussi nulles. On le fait pour la première dérivée, les suivantes pouvant se déduire
par une simple récurrence. Ainsi, pour x ∈]0, 1[,
−2x −2x

0 1
j (x) = 2 2
exp − 2
= j ( x ).
(1 − x ) 1 − |x| (1 − x 2 )2
Ainsi, limx→1− j0 ( x ) = 0 = limx→1+ j0 ( x ).
Solution de E. VIII.2.3 On montre ce résultat en procédant par récurrence sur l’ordre de dérivation
n, et en utilisant le théorème de dérivation sous le signe intégral à chaque étape.
Pour tout e > 0, notons f e = f ∗ je = R je (· − y) f (y)λ(dy).
R
Pour n = 0, la fonction ( x, y) 7→ je ( x − y) f (y) est continue en tout point. A x fixé, le support de
y 7→ je ( x − y) f (y) est inclus dans [ x − e, x + e]. Comme f est continue, elle est bornée sur cet intervalle
et la fonction y 7→ je ( x − y) f (y) est donc dominée par la fonction y 7→ supz∈[ x−e,x+e] | f (z)|1[ x−e,x+e] (y)
qui est dans L1 . Donc f e est continue sur R.
(n)
On procède de façon identique pour n ≥ 1, la fonction je possédant les mêmes propriétés essentielles
(support compact, continuité) que je .
Ainsi, f e ∈ C ∞ (R).
Solution de E. VIII.2.4 On rappelle d’abord que par changement de variable, on a aussi l’égalité:
Z
f e (x) = je (y) f ( x − y)λ(dy).
R
R je (y)λ(dy) = 1, on obtient:
R
Donc en utilisant que
Z
f e (x) − f (x) = je (y) ( f ( x − y) − f ( x )) λ(dy)
ZR
= je (y) ( f ( x − y) − f ( x )) λ(dy).
[−e,e]
Soit x ∈ R fixé. Pour prouver que f e ( x ) − f ( x ) → 0 quand e → 0, il suffit de montrer que pour tout
η > 0, il existe e0 > 0 tel que pour tout e < e0 , | f e ( x ) − f ( x )| < η. Fixons η > 0, alors la continuité de
f en x implique qu’il existe e0 > 0 tel que si |z − x | < e0 , alors | f (z) − f ( x )| < η. Donc en reprenant
l’égalité précédente appliquée au e0 que nous venons d’exhiber, on obtient pour tout e < e0 ,
Z
| f e ( x ) − f ( x )| ≤ je (y) | f ( x − y) − f ( x )| λ(dy)
[−e,e]
Z
≤η je (y)λ(dy) = η.
[−e,e]
Séance 8 10
Fixons R > 0. Pour prouver la convergence sur le compact K = B(0, R), on utilise l’uniforme
continuité de f sur K (théorème de Heine) et on procède comme pour la convergence simple.
Solution de E. VIII.2.5 La définition de la fonction j s’étend facilement à Rd :

(
C exp − 1−|1x|2 si | x | < 1 ,
j( x ) =
0 sinon,
R −1
1
où C = ]−1,1[ d exp − 1−| x | 2 λ ( dx ) . Vérifier que j est un noyau régularisant est à peine plus
fastidieux que dans le cas 1D, car cela fait intervenir les dérivées partielles à tous ordres de j. De
même pour montrer que je ∗ f ∈ C ∞ (Rd ). La démonstration de la convergence est alors tout à fait
similaire au cas 1D.
Solution de E. VIII.3.1 Il s’agit de montrer que la fonction X N : (Ω, F ) → (R, B(R)) est mesurable.
Soit B ∈ B(R). On considère
A = ( X N ) −1 ( B ) = { X N ∈ B } = { ω ∈ Ω : X N ( ω ) ( ω ) ∈ B }
{ω ∈ Ω : N (ω ) = n et Xn (ω ) ∈ B}
[
=
N∗
n∈
[
= ({ N = n} ∩ { Xn ∈ B}) .
n∈ N ∗
Comme N et Xn sont des variables aléatoires, les ensembles { N = n} et { Xn ∈ B} sont dans F . Il

s’ensuit que A ∈ F et donc que X N est mesurable.
Solution de E. VIII.4.1 Dans une année, il y a N tremblements de terre d’intensités X1 , X2 , . . . , X N

(ou 0 s’il n’y a aucun tremblement de terre dans l’année).
L’intensité maximale annuelle est alors Y = YN , où la suite de variables aléatoires (Yn )n∈N est définie
par Y0 = 0 et
∀n ≥ 1, Yn = max(0, X1 , X2 , . . . , Xn ).
Grâce à l’exercice précédent, on sait que Y est une variable aléatoire. Il est donc légitime de rechercher
sa loi. La variable Y étant réelle, déterminer sa loi est équivalent à déterminer sa fonction de réparti-
tion
∞
P (Y ≤ y ) = ∑ P (Y ≤ y | N = n ) P ( N = n ) .
n =0
On détermine donc les quantités

∀n ≥ 1, ∀y ≥ 0, P(Y ≤ y | N = n) = P( X1 ≤ y, X2 ≤ y, . . . , X N ≤ y | N = n)
= P( X1 ≤ y, X2 ≤ y, . . . , Xn ≤ y | N = n)
= P( X1 ≤ y, X2 ≤ y, . . . , Xn ≤ y)
n
= ∏ P ( Xi ≤ y )
i =1
Séance 8 11
en utilisant l’indépendance entre N et les Xi d’une part, et l’indépendance entre les Xi d’autre part.
Les variables aléatoires Xi sont i.i.d. (indépendantes et identiquement distribuées) et
e−λ λk
∀ x ≥ 0, P( Xi ≤ x) = 1 − e−ax et ∀k ∈ N, P( N = k) = .
k!
On en déduit pour tout y ≥ 0,
∞
e−λ λn
P(Y ≤ y) = P( N = 0) + ∑ (1 − e−ay )n .
n =1
n!
∞ ∞
e−λ λn [λ(1 − e−ay )]n
= ∑ (1 − e−ay )n . n!
= e−λ ∑
n!
n =0 n =0
−λ
=e exp[λ(1 − e−ay )] = exp(−λe−ay ).
On peut remarquer que cette fonction de répartition n’admet pas de densité de probabilité car
P(Y = 0) 6= 0.
Solution de E. VIII.5.1 La fonction f est R une densité de probabilité si elle est positive, intégrable
(vérifiez qu’elle est bien mesurable) sur R2 et R2 f ( x, y) λ(2) (dx, dy) = 1.
On calcule
Z Z
f ( x, y) λ(2) (dx, dy) = f ( x, y) λ(2) (dx, dy)
R2 D
1
Z Z
= λ(dy) λ(dx ) = 1.
[0,1] [0,y] y
On utilise le théorème de Tonelli pour justifier l’intégrabilité de f et le calcul précédent.
Solution de E. VIII.5.2 On distingue les 5 domaines suivants:

• D1 = {( x, y) ∈ R2 : x ≤ 0 ou y ≤ 0} : Pour tout ( x, y) ∈ D1 , la fonction de répartition vaut
Z
F ( x, y) = P( X ≤ x, Y ≤ y) = f (u, v) λ(2) (du, dv) = 0.
]−∞,x ]×]−∞,y]
• D2 = D : Pour tout ( x, y) ∈ D,
1
Z Z Z
(2)
F ( x, y) = f (u, v) λ (du, dv) = λ(du) λ(dv)
]−∞,x ]×]−∞,y] [0,x ] [u,y] v
Z
= (ln y − ln u)λ(du) = x ln y − [u ln u − u]0x
[0,x ]
y
= x + x ln .
x
• D3 = {( x, y) ∈ R2 : 0 < y ≤ 1, y ≤ x } : Pour tout ( x, y) ∈ D3 , en remarquant que la densité f

est nulle sur l’ensemble (] − ∞, x ]×] − ∞, y]) \ (] − ∞, y]×] − ∞, y]) (faire un dessin), on a
F ( x, y) = F (y, y) = y,
en utilisant le fait que (y, y) ∈ D et l’expression correspondant au domaine D.
Séance 8 12
• D4 = {( x, y) ∈ R2 : 0 < x ≤ 1, 1 ≤ y} : Par le même raisonnement que ci-dessus, pour tout

( x, y) ∈ D4 ,
F ( x, y) = F ( x, 1) = x − x ln x,
en remarquant que ( x, 1) ∈ D.
• D5 = {( x, y) ∈ R2 : x ≥ 1 et y ≥ 1} : Pour tout ( x, y) ∈ D5 ,
F ( x, y) = 1.
Solution de E. VIII.5.3 Comme le vecteur aléatoire ( X, Y ) n’a que deux composantes, ses lois
marginales se réduisent aux lois de X et de Y.
On calcule la densité de probabilité marginale f X de X,
1
Z Z
∀ x ∈]0, 1], f X (x) = f ( x, y) λ(dy) = λ(dy) = − ln x
[ x,1] [ x,1] y
∀x ∈
/ ]0, 1], f X ( x ) = 0.
La fonction de répartition FX de X est alors (par définition de la densité)


Z  0 si x ≤ 0,
FX ( x ) = f X (u) λ(du) = x − x ln x si x ∈]0, 1],
]−∞,x ]
1 si x > 1.

Pour Y, la densité f Y se calcule
1
Z
∀y ∈ [0, 1], f Y (y) = λ(dx ) = 1
[0,y] y
∀y ∈
/ [0, 1]; f Y (y) = 0.
Solution de E. VIII.5.4 On définit la densité conditionnelle de Y | X = x où x ∈ [0, 1] par
f ( x, y)
y 7→ f (y | x ) = .
f X (x)
On a alors
1
∀y ∈ [ x, 1], f (y | x ) = − .
y ln x
De même, on définit la densité conditionnelle de X | Y = y où y ∈ [0, 1] par
f ( x, y)
x 7→ f ( x | y) = .
f Y (y)
On a alors
1
∀ x ∈ [0, y], f ( x | y) = .
y
Séance 8 13
Solution de E. VIII.5.5 On a vu en cours que les variables aléatoires X et Y sont indépendantes si et

seulement si f ( x, y) = f X ( x ) f Y (y) pour tout ( x, y) ∈ R2 , c’est-à-dire si f (y | x ) = f Y (y).
Or
)
f (y | x ) = − y ln1 x
⇒ f ( y | x ) 6 = f Y ( y ).
f Y (y) = 1
Solution de E. VIII.6.1 Il suffit de développer l’intégrale et d’appliquer le Théorème de Tonelli, puis

le théorème de Cauchy-Schwarz:
Z Z Z 2
(| f | ∗ | g|)2 dλ = | f |( x )| g|(y − x )dx dy
R R
Z Z Z
= | f |( x1 )| f |( x2 ) | g|(y − x1 )| g|(y − x2 )dy dx1 dx2
R RZ Z R
≤ k gk2L2 | f |( x1 )| f |( x2 ) dx1 dx2
R R
= k gk2L2 k f k2L1
et le théorème de Tonelli permet de conclure que | f | ∗ | g| ∈ L2 .
Solution de E. VIII.6.2 On a, en utilisant l’inégalité de Cauchy-Schwarz :

Z Z Z
|h( x )| | f ( x − y)|| g(y)| λ(dy) λ(dx ) = |h|(| f | ∗ | g|) dλ ≤ khk L2 k | f | ∗ | g| k L2 < ∞
R R R
puisque | f | ∗ | g| est L2 d’après la question précédente.
Le théorème de Fubini-Tonelli nous assure donc l’intégrabilité de la fonction considérée sur R2 .
Solution de E. VIII.6.3 En appliquant maintenant le théorème de Fubini, on trouve :

Z ZZ
( f ∗ g)h dλ = h( x ) f ( x − y) g(y) λ(dx, dy)
R Z
R2 Z
= g(y) f ( x − y)h( x ) λ(dy)
Z
R R
= g( fˆ ∗ h) dλ.
R
Solution de E. VIII.6.4
Solution de E. VIII.7.1
Séance 8 14
(a) Pour commencer, on justifie qu’il existe δ > 0 tel que K2δ ⊂ Ω. Ceci est dû au fait que puisque
Ω est ouvert, il est voisinage de chacun de ses points. Donc pour tout x ∈ K, il existe r x > 0
tel que B( x, r x ) ⊂ Ω. Ainsi x∈K B( x, r x ) est un recouvrement ouvert de K. Par la propriété de
S
Riemann-Lebesgue, on peut donc en extraire un recouvrement fini. Soit donc x1 , . . . , xn ∈ K tels

que K ⊂ in=1 B( xi , r xi ). Comme chacune de ces boules est incluse dans Ω, il existe δ > 0 tel que
S
pour tout i = 1, . . . , n, B( xi , r xi + 2δ) ⊂ Ω. On a alors

n
K2δ ⊂ B( xi , r xi + 2δ) ⊂ Ω.
[
i =1
De plus, K2δ est borné et fermé, donc compact (caractérisation des compacts en dimension finie).
(b) On déduit de la question 3) de l’Exercice VIII.2 que la fonction ψK ∈ C ∞ (Ω) (à ceci près que f
était supposée continue dans l’Exercice VIII.2, mais on vérifiera que le résultat tient également
pour une fonction L1 ).
Si x ∈ K, on vérifie facilement que ψK ( x ) = 1.
On peut par exemple utiliser la question 3) de l’Exercice VIII.6 (ou le voir directement) pour
déduire que suppψK ⊂ K2δ , qui est inclus dans Ω par construction. Donc ψK est à support
compact.
Solution de E. VIII.7.2 Prenons une suite de fonctions (ψKn )n∈N comme suggérée dans l’énoncé.
Soit f ∈ L p (Rd ) et ( f n )n∈N ∈ (C ∞ (Rd ))N telle que k f n − f k p → 0 quand n → ∞ (qui existe par
densité de C ∞ (Rd ) dans L p (Rd )). Considérer alors la suite de fonctions définies pour tout n ∈ N par
fñ = f n ψKn et conclure.
Séance 8 15
Séance IX : Transformée de Fourier et fonction caractéristique
• je connais la définition et les propriétés de la transformée de Fourier d’une fonction intégrable;
• je connais la transformée de Fourier d’une gaussienne;
• je comprends la construction de la transformation de Fourier dans L2 et je connais la formule

d’inversion;
• je sais exprimer le fait que la transformation de Fourier dans L2 est une isométrie (Parseval);
• je connais le lien entre transformée de Fourier et dérivation, ainsi qu’entre transformée de

Fourier et convolution;
• je suis capable de déterminer la fonction caractéristique d’une variable aléatoire.
1
CS 1A - CIP 2022-2023
Les questions IX.1 et IX.2 sont à traiter avant la séance de TD. Les corrigés sont disponibles sur
internet.
En cours, on a vu que la transformée de Fourier est une application linéaire de L1 dans C0 ou de

L2 dans L2 . Nous allons vérifier que l’espace d’arrivée dépend bien de l’espace de départ.
Question IX.1 (Transformée de Fourier dans L1 et L2 )
Q. IX.1.1 (a) Calculer F 1[−1,1] .
(b) En déduire que F n’est pas une application de L1 dans L1 .

sin(t) sin(t)
Q. IX.1.2 (a) Prouver que F t et F̄ t existent.
sin(t) sin(t)
(b) Utiliser 1)(a) pour calculer F̄ t , et en déduire F t .
(c) En déduire que F n’est pas une application de L2 dans C0 .
Question IX.2
Soit X une variable aléatoire suivant une loi exponentielle de paramètre λ > 0 et soit Y une loi de
Poisson de paramètre µ > 0.
Q. IX.2.1 Déterminer la fonction caractéristique de X.
Q. IX.2.2 Déterminer la fonction caractéristique de Y.
Séance 9 2
CS 1A - CIP 2022-2023
C) Exercices
Nous allons étudier l’exemple classique de la transformée d’un signal gaussien. Ceci permettra de
mettre en oeuvre des méthodes usuelles de calcul de transformées.
Exercice IX.1 (Transformée de Fourier d’une gaussienne)
E. IX.1.1 Soit f ( x ) = exp(−cx2 ) avec c > 0. Montrer que f admet une transformée de Fourier.
E. IX.1.2 (a) Trouver une équation différentielle simple vérifiée par f .
(b) En déduire une équation simple vérifiée par F f .
(c) Déterminer F f .
E. IX.1.3 Trouver un invariant pour la transformée de Fourier F .
La transformée de Fourier d’une fonction de carré intégrable existe mais la formule usuelle
1
Z
F f (y) = √ f ( x )e−ixy λ(dx )
2π R
n’est plus valable. Nous allons établir des formules adaptées à ce cas.
Exercice IX.2 (Transformée de Fourier-Plancherel)

Soit f une fonction de L2 (R). On note f n = f 1[−n,n] .
E. IX.2.1 Etablir que la convergence suivante a lieu dans L2 :

1
Z
−ixy
y 7→ √ f ( x )e λ(dx ) −→ F f ,
2π [−n,n] n→+∞
ou de manière équivalente: lim kF f − F f n k L2 (R) = 0.

n→+∞
E. IX.2.2 Montrer que pour toute fonction g de L2 (R), on a:

Z Z
lim g F f n dλ = g F f dλ.
n→+∞ R R
E. IX.2.3 En prenant g = 1[0,x] , montrer que:
1 d 1 − e−ixy
Z
F f (y) = √ f ( x ) λ(dx ) p.p.
2π dy R ix
Soit C`0 (R) l’ensemble des fonctions continues sur R qui converge vers 0 en ±∞. On a vu en cours
que F ( L1 ) ⊆ C`0 (R). Le but du prochain exercice est de démontrer la non-surjectivité de F : L1 (R) →
C`0 (R).
Séance 9 3
CS 1A - CIP 2022-2023
Exercice IX.3 (Non-surjectivité de la transformée de Fourier)

On considère la fonction θ : R → R définie par
Z +∞
sin u
∀ x ∈ R, θ (x) = du,
x u
où l’intégrale est au sens de Riemann.
E. IX.3.1 Montrer que θ est bien définie, et qu’elle est continue et bornée sur [0, +∞[.
E. IX.3.2 Soit f une fonction impaire et intégrable sur R. On définit, pour tout z ≥ 1,
Z z
F f (y)
φ(z) = dy.
1 y
Montrer que φ(z) admet une limite finie lorsque z → +∞.

E. IX.3.3 Soit g la fonction (impaire) définie par
arctan x
∀ x ∈ R, g( x ) = .
log(2 + x2 )
(a) Montrer que g est une fonction continue et tend vers 0 en −∞ et +∞ (i.e. g ∈ C`0 (R)).
(b) Montrer que si g est la transformée de Fourier d’une fonction f , alors nécessairement f est im-
paire. [Indication: on pourra utiliser l’injectivité de la transformée de Fourier, en la démontrant.]
(c) Montrer que g n’est pas la transformée de Fourier d’une fonction intégrable.
Exercice IX.4 (Transformée de Fourier dans L1 )

Dans cet exercice, L1 désigne L1 (R), F désigne la transformée de Fourier et ∗ désigne le produit de
convolution.
E. IX.4.1 Montrer qu’il n’existe pas de fonction f de L1 telle que F f = 1.
E. IX.4.2 Trouver les fonctions f de L1 telles que f ∗ f = f . [Indication: on pourra utiliser la transformée
de Fourier.]
E. IX.4.3 Montrer qu’il n’existe pas de fonction g de L1 telle que, pour toute fonction f de L1 ,
g ∗ f = f . [Indication: on pourra utiliser la transformée de Fourier.]
E. IX.4.4 Soit f une fonction de L1 telle que la fonction y 7→ y F f (y) est dans L1 .
(a) Montrer que F f appartient à L1 .
(b) En déduire que f admet un représentant dans C 1 .
Séance 9 4
CS 1A - CIP 2022-2023
Exercice IX.5 (Une base de vecteurs propres pour F )

On se place dans L2 (R). On note F la transformée de Fourier et ψn la nième fonction de Hermite. On
rappelle que pour tout x ∈ R,
(−1)n x2 d
n 2
ψn ( x ) = p √ e2 n
e− x .
n
2 n! π dx
E. IX.5.1 (a) Calculer F 4 .
(b) En déduire les valeurs propres possibles pour F .

dn y2 /2+ixy
Z Z
2
*E. IX.5.2 (a) Exprimer eixy ψn (y) λ(dy) en fonction de e− y e λ(dy).
R R dyn
dn
Z
2 2 /2
(b) En déduire F̄ ψn en fonction de e− y e(ix+y) λ(dy).
R dx n
(c) Montrer que F̄ ψn = in ψn .
E. IX.5.3 (a) En déduire une base hilbertienne de vecteurs propres pour F .
(b) Cette base est-elle aussi une base algébrique?

E. IX.5.4 Soit g une fonction de L2 (R). Exprimer (en le justifiant) g puis F g en fonction des ψn .
La notion de fonction caractéristique est beaucoup manipulée en probabilités, en remarquant le

lien avec la transformée de Fourier.
Exercice IX.6 (Loi de Cauchy)

Une v. a. X suit une loi de Cauchy de paramètre c > 0 si elle possède la densité
1 c
f : x 7→ .
π x + c2
2
E. IX.6.1 Déterminer la fonction caractéristique de la loi exponentielle symétrique de paramètre

λ > 0, définie par sa densité
λ
g : x 7 → e−λ| x | .
2
E. IX.6.2 En déduire la fonction caractéristique de X.
E. IX.6.3 Montrer que si X et Y sont des v. a. indépendantes suivent des lois de Cauchy de
paramètres c et c0 , alors X + Y suit une loi de Cauchy de paramètre c + c0 .
E. IX.6.4 Montrer que si X suit une loi de Cauchy de paramètre c > 0 et si α > 0, alors αX suit une
loi de Cauchy de paramètre αc. En particulier, montrer que 2X a la même loi que la somme de 2 v. a.
de Cauchy indépendantes et de même paramètre.
X +Y
E. IX.6.5 Montrer que si X et Y sont des v. a. i.i.d. suivant une loi de Cauchy, 2 a même loi que
X.
E. IX.6.6 Montrer que si X et Y sont 2 v. a. i.i.d. qui ne sont pas constantes p.s. et de loi symétrique
telles que
∀α, α0 > 0; αX + α0 Y ∼ (α + α0 ) X,
Séance 9 5
CS 1A - CIP 2022-2023
alors leur loi est une loi de Cauchy.
Séance 9 6
CS 1A - CIP 2022-2023
E) Trois problèmes en ouverture vers d’autres disciplines
Exercice IX.7 (Inégalité de Heisenberg)

Soit f une fonction dérivable en tout point de R telle que les fonctions f , f 0 , t 7→ t f (t) et t 7→ t f 0 (t)
soient de carré intégrable sur R.
*E. IX.7.1 On note D(R) l’ensemble des fonctions infiniment dérivables sur R et à support com-
pact. Cet espace ainsi que le résultat qui suit seront présentés plus en détails dans le cours d’EDP.
Démontrer l’injectivité de l’application linéaire T· : L1loc (R) → D 0 (R) qui à f ∈ L1loc (R) associe la
distribution régulière T f : φ ∈ D(R) 7→ R f φ. [Indication: On pourra utiliser le résultat de la Question
R
E.VIII.7.2].
E. IX.7.2 ∗∗(a) Exprimer F ( f 0 ) en fonction de F ( f ).
(b) Montrer que:
Z 2
t f (t) f 0 (t) λ(dt) ≤ ht f (t), t f (t)i L2 hyF f (y), yF f (y)i L2 ,
R
où dans le précédent produit scalaire, “t f (t)00 dénote abusivement la fonction t 7→ t f (t).
E. IX.7.3 (a) Soit g(t) = t f (t) f¯(t). Z
Montrer que g admet des limites en ±∞ puis que g0 (t) λ(dt) = 0.
R
(b) En utilisant g0 , montrer que
Z Z Z
f (t) f (t) λ(dt) = − t f (t) f 0 (t) λ(dt) − t f 0 (t) f (t) λ(dt).
R R R
E. IX.7.4 (a) En déduire que si l’on pose E = k f k2L2 = kF f k2L2 alors
E2
kt f (t)k2L2 kyF f (y)k2L2 ≥ .
4
∗(b) Montrer, en considérant la fonction t 7→ g(t) = exp(−t2 /2), que 1/4 est le coefficient optimal.
E. IX.7.5 (a) Soit g(t) = f (t + t0 ) exp(−ity0 ) pour t0 et y0 fixés dans R. Calculer F g.
(b) En déduire
! !
| f (t)| 2 |F f (y)| 2 1
Z Z
( t − t0 )2 λ(dt) ( y − y0 )2 λ(dy) ≥ .
R E R E 4
(c) Trouver les valeurs de t0 et y0 qui minimisent les intégrales du membre de gauche de l’inégalité
précédente.
Interpréter les valeurs obtenues tm et ym comme des valeurs moyennes.
En déduire que les intégrales représentent les variances de t et y.
Séance 9 7
CS 1A - CIP 2022-2023
On en déduit l’inégalité de Heisenberg : il existe une constante C telle que
Variance(temps).Variance(energie) ≥ C
ou encore, il existe une constante K telle que
Variance(temps).Variance(frequence) ≥ K.
Interprétation :
Les fonctions α et β peuvent être interprétées comme des densités (≥ 0, L1 , α dλ = β dλ = 1).
R R
Ainsi tm est la valeur moyenne de t et ym est la valeur moyenne de y et l’inégalité de 5b) fait
apparaître des variances : Var(t) et Var(y).
Comme y s’interprète comme une pulsation ω, en multipliant par h̄2 et en remarquant que E = h̄ω
est une énergie, l’inégalité de 5b) peut s’écrire:
h̄2
Var(temps) Var(energie) ≥ C = .
4
De même, en remarquant que la fréquence est donnée par f = ω/2π, on trouve :
1
Var(temps) Var(frequence) ≥ K = .
16π 2
Comme ces variances sont des précisions, on peut en déduire l’interprétation en traitement du signal :
Un signal localisé en temps ne peut pas l’être en fréquence (ou en énergie) et réciproquement.
Nous allons maintenant établir un résultat fondamental en traitement du signal:
Tout signal borné en fréquence peut être reconstitué à partir d’un échantillonage de fréquence
adapté.
Exercice IX.8 (Echantillonnage de Shannon)

Soit f un élément de L2 (R) dont la transformée de Fourier est à support compact. Soit a > 0 tel que
[− a, a] contienne le support de F f .
E. IX.8.1 (a) Montrer que f admet un représentant continu.
∗(b) Montrer que f admet un représentant indéfiniment dérivable.

E. IX.8.2 Soit b > a et g la fonction 2b-périodique valant F f sur [− a, a] et 0 sur [−b, − a[∪] a, b].
(a) Trouver le développement en série de Fourier de g.
(b) La série de Fourier de g converge-t-elle vers g dans L2 ([−b, b])?
E. IX.8.3 En déduire que:

+∞
nπ
Z
π
R
| f (t)|2 λ(dt) = ∑ | f ( )|2 .
−∞ b b
Séance 9 8
CS 1A - CIP 2022-2023
E. IX.8.4 En notant sinc (u) = sin(u)/u le sinus cardinal, montrer que la série
nπ
∑ f( ) sinc (tb − nπ )
n∈ Z b
converge vers f dans L2 (R).

**E. IX.8.5 Montrer que la convergence est uniforme.
E. IX.8.6 Enoncer précisément le théorème de Shannon que nous venons de démontrer.
Exercice IX.9 (Formule sommatoire de Poisson)

Soit f une fonction intégrable sur R. On utilisera temporairement ici la variante suivante de la trans-
formée de Fourier: Z
fˆ( x ) = e−2iπxt f (t) λ(dt).
R
On suppose en outre:
• f continue sur R.
• ∃ M > 0, ∃α > 1 : ∀ x ∈ R, | f ( x )| ≤ M
(1+| x |)α
.
∞ ˆ
−∞ | f ( n )| < ∞.
• ∑+
−∞ f ( x + n ), pour tout x ∈ R.
∞
On considère F ( x ) = ∑+
E. IX.9.1 ∗(a) Montrer que la fonction F est continue.
(b) Montrer que la fonction F admet 1 pour période.
E. IX.9.2 Trouver le développement en série de Fourier de F.
*E. IX.9.2 Montrer que la série de Fourier de F converge simplement vers F. [Indication : on pourra
utiliser le théorème de Féjer.]
E. IX.9.4 En déduire la formule sommatoire de Poisson:
+∞ +∞
∑ f (n) = ∑ fˆ(n).
−∞ −∞
E. IX.9.5 En déduire la formule valable pour la définition usuelle (en mathématiques) de la trans-
formée de Fourier:
√ +∞ +∞
2π ∑ f (2πn) = ∑ F f (n).
−∞ −∞
∞
E. IX.9.6 Soit a > 0. Calculer la transformée de Fourier de exp(−2πa|t|). En déduire ∑+
−∞
1
n2 + a2
.
Séance 9 9
Solution de Q. IX.1.1
(a) On calcule, pour tout y ∈ R,
Z 1 r
1 −ixy 2 sin(y)
F (1[−1,1] )(y) = √ e dx = .
2π −1 π y
(b) F n’est pas une application de L1 dans L1 puisque d’après ce qui précède on peut avoir f ∈ L1
et F f 6∈ L1 .
Solution de Q. IX.1.2

sin(t) sin(t)
(a) F t 7→ t existe puisque t 7→ t est dans L2 .
(b) On a établi que r

2 sin(y)
F (1[−1,1] )(y) = .
π y
Donc, grâce à la formule d’inversion dans L2 ,

r
sin(y) π
F̄ y 7→ (x) = 1 ( x ).
y 2 [−1,1]
Or, d’après le cours (voir démonstration à l’exercice IX.2), pour une fonction g de L2 (ou de L1 ),
on a la limite suivante dans L2
1
Z
F̄ g( x ) = lim √ g(y) e+iyx dy
n→+∞ 2π [− n,n ]
1
Z
= lim √ g(y) e−iy(− x) dy
n→+∞ 2π [−n,n]
= F g(− x ).
Donc r r
sin(y) π π
F y 7→ (x) = 1 (− x ) = 1 ( x ).
y 2 [−1,1] 2 [−1,1]
(c) F n’est pas un opérateur de L2 dans C0 puisque d’après ce qui précède, on peut avoir f ∈ L2 et
F f 6∈ C0 .
Séance 9 10
Solution de Q. IX.2.1 La loi de X admet la densité f X ( x ) = λe−λx 1R+ ( x ). Donc par le théorème de
transfert, pour t ∈ R
h i Z
E eitX = eitx f X ( x )λ(dx )
RZ
=λ e x(it−λ) λ(dx )
R+
λ
= .
λ − it
Solution de Q. IX.2.2 Par le théorème de transfert, on a pour tout t ∈ R,

+∞
h i µn
E eitN = ∑ eitn e−µ
n =0 n!
+∞
n
eit µ
=e −µ
∑ n!
n =0

= exp µ(eit − 1) .
Solution de E. IX.1.1 La fonction f admet une transformée de Fourier car elle est dans L1 (R) (mais
aussi parce qu’elle est dans L2 (R) !).
Solution de E. IX.1.2
(a) La fonction f est solution de l’équation différentielle
f 0 ( x ) + 2cx f ( x ) = 0.
(b) Si l’on note F = F f , les formules du cours conduisent à :
iyF (y) + i2cF 0 (y) = 0.
− y2
(c) Ainsi F (y) = K e 4c avec K = F (0). Or:
Z +∞ r Z ∞
1 −ct2 2 2 1
K = F (0) = √ e dt = e−u du = √ ,
2π −∞ πc 0 2c
et donc : 2
1 − y2
F x 7→ e−cx (y) = √ e 4c .
2c
Séance 9 11
Solution de E. IX.1.3 On trouve facilement que F f = f si et seulement si c = 21 .
Solution de E. IX.2.1 Comme f est dans L2 , on a f n dans L2 par domination et f n dans L1 par
inégalité de Cauchy-Schwarz. Ainsi f n ∈ L1 ∩ L2 . De plus on vérifie facilement que ( f n )n∈N converge
vers f dans L2 (c’est-à-dire k f n − f k2 tend vers 0).
Vérifiez-le et ne confondez pas convergence simple et convergence dans L2 !
Donc, par la propriété d’isométrie de F dans L2 , on trouve que (F f n ) converge vers F f dans L2 :
1
Z
F f (y) = √ lim f ( x )e−ixy λ(dx ).
2π n→+∞ [−n,n]
Solution de E. IX.2.2 Par continuité du produit scalaire :
lim( g, F f n ) = ( g, lim F f n ) = ( g, F f ).
Solution de E. IX.2.3 Prenons g = 1[0,x] . On a alors
1
Z Z Z
−ity
lim √ e f (y) λ(dy) λ(dt) = F f (t) λ(dt).
n→+∞ [0,x ] 2π [−n,n] [0,x ]
Par le théorème de Fubini-Tonelli, la fonction (t, y) → 1[0,x] (t)1[−n,n] (y)e−ity f (y) est intégrable sur
R2 . On peut donc appliquer le théorème de Fubini-Lebesgue :
1 e−ixy − 1
Z Z
√ lim f (y) λ(dy) = F f (t) λ(dt).
2π n→+∞ [−n,n] −iy [0,x ]
Or f ∈ L2 (R) et y 7→ e−ixy −1
∈ L2 (R) pour tout x, donc y 7→ f (y) e ∈ L1 (R).
−ixy −1
−iy −iy
Comme
e−ixy − 1 e−ixy − 1
f (y) 1[−n,n] (y) ≤ f (y) ,
−iy −iy
on en déduit, par le théorème de la convergence dominée,
1 e−ixy − 1
Z Z
√ f (y) λ(dy) = F f (t) λ(dt).
2π R −iy [0,x ]
En utilisant le théorème fondamental de l’analyse, on trouve maintenant
1 d e−ixy − 1
Z
F f (x) = √ f (y) λ(dy).
2π dx R −iy
Z
Remarque : si de plus f ∈ L1 , on peut deriver sous le symbole et on retrouve la formule usuelle
R
de la tranformée de Fourier dans L1 .
Séance 9 12
Solution de E. IX.3.1 Dans ce qui suit, la fonction sinu u sera toujours supposée prolongée par con-
tinuité en 0 (égale à 1). On rappelle que cette fonction n’est pas dans L1 (R), mais qu’elle est semi-
convergente au sens de Riemann. En effet, par une intégration par parties de l’intégrale de Riemann:
∀ x > 0,
− cos u +∞
Z +∞ Z +∞
sin u cos u
du = − du
x u u x x u2
Z +∞
cos x cos u
= − du.
x x u2
En particulier, pour tout x ∈ R, θ ( x ) est bien définie et continue. En tant que fonction continue sur
R+ qui tend vers 0 en +∞, elle est donc également bornée.
Solution de E. IX.3.2 Comme f est dans L1 (R) et est impaire, on a
1 2i
Z Z
−ixy
F f (y) = √ f (x) e λ(dx ) = − √ f ( x ) sin( xy) λ(dx ).
2π R 2π R+
Donc
−2i 1
Z Z
φ(z) = √ f ( x ) sin( xy) λ(dx ) λ(dy).
2π [1,z] y R+
Pour tout z ∈ R∗+ , la fonction ( x, y) 7→ f ( x ) R+ × [1, z]. Le théorème de
sin( xy)
y est intégrable sur
Fubini implique donc que
−2i sin( xy)

Z Z
φ(z) = √ f (x) λ(dy) λ(dx )
2π R+ [1,z] y
−2i
Z
sin u
Z
=√ f (x) λ(du) λ(dx )
2π R+ [ x,xz] u
−2i
Z
=√ f ( x ) θ ( x ) − θ ( xz) λ(dx ),
2π R+
en utilisant le changement de variable y 7→ u = xy dans la 2ème intégrale.
Le fait que f ∈ L1 (R) et θ bornée sur R+ permet d’appliquer le théorème de convergence dominée
dans l’expression de φ(z). En fait, on utilise une caractérisation séquentielle de la limite z → +∞.
Soit (zn )n∈N une suite quelconque qui tend vers +∞. Comme φ(zn ) → 0, lorsque n → ∞, on
conclut (par convergence dominée) que
F f (y) −2i
Z Z
lim φ(z) = dy = √ f ( x ) θ ( x ) λ(dx ).
z→+∞ [1,+∞) y 2π R+
(a)
Séance 9 13
(b) Supposons que g = F f , pour une fonction f ∈ L1 . Soit h( x ) = − f (− x ). Alors on vérifie

aisément grâce à l’imparité de g que F h = F f . Par injectivité de la transformée de Fourier, on
en conclut que h = f λ-p.p. (l’injectivité s’obtient ainsi: soit f ∈ L1 telle que F f = 0. Alors
F F f = 0 p.p., donc f = 0 p.p.).
(c) Par l’absurde, supposons qu’il existe une fonction f ∈ L1 (R) telle que F f = g.
On a alors Z z Z z
g(y) arctan y
∀z ≥ 1, φ(z) = dy = dy.
1 y 1 y log(2 + y2 )
arctan y
Or au voisinage de +∞, y log(2+y2 )
∼ π
4y log y et l’intégrale de cet équivalent correspond à une
Z +∞ dy
intégrale de Bertrand, de la forme , dont on sait qu’elle converge si et seulement
yα lnβ (y) 1
si α > 1 ou (α = 1 et β > 1). On en déduit que φ(z) n’admet pas de limite lorsque z → +∞, ce
qui contredit la question 2).
On conclut qu’une telle fonction f n’existe pas, c’est-à-dire que g n’admet pas d’antécédent par
la transformée de Fourier F .
Solution de E. IX.4.1 Le lemme de Riemann-Lebesgue (cf Exercice VII.3) assure que pour f dans
L1 , F f ( x ) tend vers 0 quand x tend vers +∞. Ainsi la fonction constante égale à 1 ne peut pas être la
transformée de Fourier d’une fonction intégrable.
√
Solution
√ de E. IX.4.2 Si f ∗ f = f alors √ x de R, F f ( x ) vaut 0
2π (F f )2 = F f et donc pour tout
ou 1/ 2π. Comme F f est continue, on en déduit que F f = 0 ou F f = 1/ 2π et donc, d’après la
question 1), seul F f = 0 convient.
√
Solution
√ de E. IX.4.3 Si pour tout f intégrable, g ∗ f = f , alors 2π F g F f = F f . Donc F g =
1/ 2π ce qui est impossible d’après la question 1). Ainsi le problème n’a pas de solution.
(a) Puisque f est intégrable, on a F f qui est borné et :

Z Z Z
|F f ( x )| λ(dx ) = |F f ( x )| λ(dx ) + |F f ( x )| λ(dx ).
R {| x |<1} {| x |≥1}
Donc
Z Z
|F f ( x )| λ(dx ) ≤ 2kF f k∞ + | x F f ( x )| λ(dx )
R {| x |≥1}
≤ 2kF f k∞ + k x F f ( x )k1 < +∞.
Ceci prouve que F f est intégrable sur R.
Séance 9 14
(b) Puisque f et F f sont intégrables, la formule d’inversion de Fourier donne :

1
Z
f (t) = √ F f ( x )eitx λ(dx ) p.p.
2π R
Or
• Pour tout x de R la fonction x 7→ F f ( x ) eitx est intégrable car F f est intégrable.
• Pour tout t de R la fonction t 7→ F f ( x ) eitx est continûment dérivable sur R.
• Pour tout x et tout t de R, |ix F f ( x ) e−itx | est dominée par | x F f ( x )| qui est intégrable.
Ainsi par théorème sur les intégrales dépendant d’un paramètre, f admet un représentant con-
tinûment dérivable.
(a) Grâce au théorème d’inversion et aux formules
1
Z
(F f )(y) = √ lim f ( x ) e−ixy λ(dx )
2π n→+∞ [−n,n]
et
1
Z
(F̄ g)( x ) = √ lim g(y) e+ixy λ(dy) = F g(− x ),
2π n →+ ∞ [− n,n ]
on montre facilement que F F ( f ( x )) = f (− x ). En appliquant une 2eme fois cette formule on

obtient :
F 4( f ) = f .
(b) Si a est une valeur propre pour F , alors il existe une fonction non nulle f de L2 telle que F ( f ) =
a. f .
Le résultat précédent implique donc a4 = 1.
On en déduit que les valeurs propres possibles pour F sont : 1, −1, i et −i.
√
(a) Posons αn = ( π2n n!)−1/2 .
Après n intégrations par parties on obtient :
dn y2 /2+ixy
Z Z
2
eixy ψn (y) λ(dy) = αn e−y e λ(dy).
R R dyn
(b) D’où :
α 2
Z
2 d
n 2
F̄ ψn ( x ) = √ n e x /2 e−y e(ix+y) /2 λ(dy)
2π R dy n
α 2
Z
2 d
n 2
= √ n e x /2 (−i )n e−y e(ix+y) /2 λ(dy).
2π R dx n
Séance 9 15
(c) En utilisant le théorème de dérivation des intégrales à paramètre pour sortir la dérivation de
l’intégrale et en calculant l’intégrale obtenue, on trouve F̄ ψn = in ψn .
(a) D’après la question précédente, F ψn = (−i )n ψn .

Donc les ψn sont tous vecteurs propres pour F .
Or on sait que les ψn forment une base hilbertienne de L2 . Ils constituent donc une base hilberti-
enne de vecteurs propres pour F .
(b) Cette base n’est pas une base algébrique de L2 .

En effet, l’espace vectoriel engendré par les polynômes de Hermite est l’espace des fonctions
polynômiales.
Donc l’espace vectoriel engendré par les fonctions de Hermite est l’espace des fonctions produits
d’une fonction polynômiale et de x 7→ exp(− x2 /2) qui n’est qu’un sous-espace strict de L2 .
Solution de E. IX.5.4 Soit g une fonction de L2 (R). Les ψn forment une base hilbertienne donc, en
notant cn = (ψn | g) :
+∞
g= ∑ cn ψn .
−∞
Par continuité de F , on a :
+∞ +∞ +∞
Fg = F ∑ cn ψn = ∑ cn F ψn = ∑ cn (−i)n ψn .
−∞ −∞ −∞
Solution de E. IX.6.1 Soit Z une variable aléatoire réelle de densité

λ −λ| x |
g : x 7→ e .
2
La fonction caractéristique de Z est définie par
Z Z
∀t ∈ R, ϕ Z (t) = E[eitZ ] = eitx PZ (dx ) = eitx g( x ) dx
Z 0
R Z +∞
R
λ λ
= e x (it+λ)
e x(it−λ) dx
dx +
2 −∞ 0 2
λ h i0
λ h i+∞
= e x(it+λ) + e x(it−λ)
2(it + λ) −∞ 2(it − λ) 0
λ λ λ2
= − = 2 .
2(it + λ) 2(it − λ) λ + t2
Séance 9 16
Solution de E. IX.6.2 En utilisant le théorème d’inversion, on a
1 λ2
Z
λ −λ| x |
e = g( x ) = e−itx dt.
2 2π λ2 + t2
En posant λ = c, on trouve
1 c
Z
eitx dt = e−c| x| ,
π c + t2
2
c’est-à-dire
E[eitX ] = e−c|t| .
Solution de E. IX.6.3 Comme X et Y sont indépendantes, la loi de X + Y est le produit de convolu-

tion des lois de X et de Y. Ainsi, la fonction caractéristique de X + Y est égale au produit des fonctions
caractéristiques de X et de Y,
∀ t ∈ R, ϕ X +Y ( t ) = ϕ X ( t ) ϕ Y ( t )
0 0
= e−c|t| e−c |t| = e−(c+c )|t| .
On reconnait la fonction caractéristique d’une loi de Cauchy de paramètre c + c0 . Comme la fonction

caractéristique caractérise la loi d’une variable aléatoire, on en déduit que X + Y suit une loi de Cauchy
de paramètre c + c0 .
Solution de E. IX.6.4 La fonction caractéristique de la variable aléatoire αX est
∀t ∈ R, ϕαX (t) = E[eitαX ] = ϕ X (αt) = ecα|t| ,
qui est la fonction caractéristique de la loi de Cauchy de paramètre αc.

En particulier pour α = 2, 2X a même loi que la somme de deux v.a. de Cauchy de même paramètre
c.
Solution de E. IX.6.5 Si X et Y sont des variables aléatoires indépendantes, de même loi de Cauchy
de paramètre c, alors d’après la question précédente les variables X/2 et Y/2 suivent une loi de
Cauchy de paramètre c/2. D’après la question 3., leur somme X + Y
2 suit donc une loi de Cauchy de
paramètre c.
Séance 9 17
(a) L’idée est d’utiliser le résultat de la question précédente et d’appliquer trois fois Fubini-Tonelli.
Plus précisément, nous allons montrer que
Z Z
∀ ϕ ∈ D(R), F ( f 0 ) ϕ dλ = (iyF f (y)) ϕ(y) λ(dy),
R R
où on rappelle que D(R) (parfois aussi noté Cc∞ (R)) est l’espace des fonctions indéfiniment
dérivable à support compact.
Considérons une fonction ϕ indéfiniment dérivable et à support compact quelconque.
Comme f 0 est dans L2 , F ( f 0 ) l’est aussi. Par ailleurs ϕ2 est continue à support compact, donc ϕ
est aussi L2 . Ainsi, par théorème de Cauchy-Schwarz, F ( f 0 ) ϕ est L1 .
On peut donc écrire Z Z
F ( f 0 ) ϕ dλ = F ( lim f 0 1[−n,n] ) ϕ dλ.
R R n→+∞
Par continuité (dans L2 ) de la transformée de Fourier et du produit scalaire

Z
F ( f 0 ) ϕ dλ = (F ( lim f 0 1[−n,n] ), ϕ) = ( lim F ( f 0 1[−n,n] ), ϕ) = lim (F ( f 0 1[−n,n] ), ϕ).
R n→+∞ n→+∞ n→+∞
En justifiant précisément l’utilisation du théorème de Tonelli puis de Fubini, on trouve
1
Z Z Z
0
F ( f ) ϕ dλ = lim √ f 0 ( x ) e−ixy λ(dy) ϕ(y) λ(dx )
R n→+∞ R 2π [−n,n]
1
Z Z
= lim √ ϕ(y)e−ixy λ(dy) f 0 ( x ) λ(dx )
n→+∞ [−n,n]
Z
2π R
= (F ϕ)( x ) f 0 ( x ) λ(dx ). (IX.1)
R
Maintenant, on veut démontrer que
Z Z
0
F ( f ) ϕ dλ = − (F ϕ)0 f dλ. (IX.2)
R R
Il s’agit d’appliquer une intégration-par-parties à l’égalité (IX.1). Pour cela, nous pouvons utiliser
l’IPP établie pour la mesure de Lebesgue sur [0, 1] à l’Exercice ??. On vérifie ici qu’on peut bien
appliquer cette formule à tout segment [− A, A], A ∈ R+ . L’équation (IX.2) découle alors d’un
passage à la limite (à justifier) lorsque A → +∞.
Maintenant, comme les applications ϕ et x 7→ xϕ( x ) sont intégrables, la théorème de dérivation
de la transformée de Fourier assure que
(F ϕ)0 = F (−iyϕ(y)).
Ainsi Z Z
F ( f 0 ) ϕ dλ = − F (−iyϕ(y))( x ) f ( x ) λ(dx ).
R R
Séance 9 18
Enfin, par application (à bien justifier) de Tonelli puis Fubini, on obtient

1
Z Z Z Z
0 −ixy
F ( f ) ϕ dλ = √ iyϕ(y)e λ(dy) f ( x ) λ(dx ) = iyϕ(y)(F f )(y) λ(dy).
R R 2π R R
On a donc, pour toute fonction ϕ de D ,
Z
ϕ(y) (F f 0 )(y) − iy(F f )(y) λ(dy) = 0.

R
On a donc (justifiez) que (F f 0 )(y) = iy(F f )(y) presque partout (ou de manière équivalente,
l’égalité au sens des classes).
(b) L’inégalité de Cauchy-Schwarz donne

2
(t f , f 0 ) ≤ (t f , t f ) f 0 , f 0 ,

puisque t f et f 0 sont dans L2 .

2 2
En outre ( f 0 , f 0 ) = k f 0 k = kF f 0 k = (F f 0 , F f 0 ) = (iyF f , iyF f ).
En effet F ( f 0 ) = iyF f (y) par la question 1)(a).
(a) La fonction g est L1 comme produit de fonction L2 .
On a, par simple dérivation :
0 0
g0 (t) = (t f )0 f + t f f = f f + t f 0 f + t f f
donc g0 est L1 comme somme de fonctions de L1 .

Maintenant par application du Théorème d’intégration de la dérivée:
Z Z
g(b) − g( a) = g0 (t) λ(dt) = g0 (t)1[a,b] (t) λ(dt).
[ a,b] R
Rb
Or par domination de g0 (t)1[a,b] (t) par | g0 |, a
g0 dλ admet des limites a → −∞ et b → +∞, donc
g aussi.
0
Rg
R
Comme g est intégrable, ces limites sont nulles d’où dλ = 0.
0
(b) Comme g0 (t) = f f + t f 0 f + t f f , on a :
Z Z Z Z
g0 dλ = f f dλ + t f 0 f dλ + t f f 0 dλ.
R R R R
Donc
Z Z Z
0
t f f dλ = − f f dλ − t f 0 f dλ.
R R R
Séance 9 19
(a) D’après la question précédente :

Z Z Z
0
E= f f dλ = − t f f dλ − t f f 0 dλ ∈ R.
R R R
Donc Z Z
0 0
E = −2Re t f f dλ ≤2 t f f dλ .
R R
Donc par 1b),
Z 2
2 0
E ≤4 t f f dλ ≤ 4(t f , t f )(yF f , yF f ).
R
t2 y2
(b) Soit f (t) = e− 2 alors F f (y) = e− 2 et ainsi
Z 2
x2
(t f , t f )(yF f , yF f ) = ( xe− 2 )2 λ(dx )
R
Z +∞
2
x − x2
= − (−2x )e dx
−∞ 2
2
E2
Z
1 − x2
= e λ(dx ) = .
4 R 4
1. Par changement de variable :
1
Z
F g(y) = √ lim f (t + t0 )e−ity0 e−ity λ(dt)
2π n →+ ∞ [−n,n]
1
Z
=√ lim f (u)e−i(u−t0 )(y+y0 ) λ(du).
2π n→+∞ [−n+t0 ,n+t0 ]
Donc
F g(y) = eit0 (y+y0 ) F f (y + y0 ).
2. D’après 3a), en posant u = t + t0 et x = y + y0
E2
Z Z
|t f (t + t0 )|2 λ(dt) |yF f (y + y0 )|2 λ(dy) ≥
R R 4
et donc :
2
2 | f ( u )| |F f ( x )|2 1
Z Z
( u − t0 ) λ(du) ( x − y0 )2 λ(dx ) ≥ .
R E R E 4
Séance 9 20
3. On calcule :
Z Z Z Z
2 2 2 2 2
(u − t0 ) | f (u)| λ(du) = u | f (u)| λ(du) − 2t0 u| f (u)| λ(du) + t20 | f (u)|2 λ(du).
R R R R
u | f |2 u | f |2
R R
Le minimum est atteint en tm = = E .
| f |2
R
x |F f |2
R
De même on prend ym = E .
| f (u)|2 |F f ( x )|2
Posons α(u) = E et β( x ) = E .
(a) Soit fe ∈ L2 un représentant de f ∈ L2 . Le théorème d’inversion dans L2 donne F̄ F fe = fe donc
1
Z
fe(t) = √ F f ( x )eitx λ(dx )
2π [− a,a]
ceci dans L2 donc presque partout.

Maintenant en appliquant le théorème de continuité des intégrales à paramètres (en vérifiant
bien chacune des trois hypothèses), on obtient bien que f˜ est égale presque partout à une fonction
continue.
(b) Reprenons la formule établie précédemment :
1
Z
fe = √ F f ( x ) eitx λ(dx ).
2π [− a,a]
Pour x ∈ [− a, a], on a la domination :
N ∞ n n
(itx )n t a
F f (x) ∑ ≤ |F f ( x )| ∑ = |F f ( x )| eta ∈ L1 ([− a, a]).
0 n! 0 n!
On peut donc intervertir somme et intégrale et on on trouve presque partout :
1 ∞ (i )n n
Z a
f (t) = √
e ∑ −a F f (x)x dx n! t
2π 0
n
C’est la somme d’une série entière de rayon de convergence +∞ donc le membre de droite est
un représentant indéfiniment dérivable sur R de f .
Séance 9 21
(a) La fonction g est 2b périodique et localement intégrable
1
Z
cn = g( x )e−inωx λ(dx )
T T
1 b
Z
2iπ
= g( x )e− 2b nx dx
2b −b
1 a
Z
F f ( x )e−i b dx
πnx
=
2b −a
1
Z
nπ
= F f ( x )ei(− b )x λ(dx )
2b R
√
2π nπ
= F (F f )(− )
√2b b
2π nπ
= f (− ).
2b b
(b) Il y a convergence quadratique puisque g ∈ L2 (Γb ) et:

∞
√
2π ∞ nπ i nπ x
g( x ) = ∑ cn e i nπx
b = ∑ f (− )e b
−∞ 2b −∞ b
(égalité dans L2[−b,b] ).
Solution de E. IX.8.3 L’égalité de Parseval sur les séries de Fourier donne

∞
k g k L2
[−b,b]
= ∑ | c n |2 ,
−∞
c’est-à-dire
∞
nπ 2
Z b
1 2π
2b −b
| g |2 = ∑ 4b2 f (−
b
) .
−∞
Or, grâce à l’égalité de Parseval sur les transformées de Fourier

Z b Z a
1 1 1 1
Z Z
| g |2 = |F f |2 = |F f |2 = | f |2 .
2b −b 2b −a 2b R 2b R
D’où
∞
nπ 2
Z
π
R
| f |2 = ∑ f( ) .
−∞ b b
Solution de E. IX.8.4 D’après la question 2b)

√ N
2
1 2π nπ i nπ x
Z
2b [−b,b]
g( x ) −
2b ∑ f (−
b
)e b λ(dx ) −→ 0.
N →∞
−N
Séance 9 22
Posons En ( x ) = e(i nπ
b x ) sur [− b, b ] et 0 ailleurs.
Comme F f ( x ) = g( x ) sur [−b, b] et 0 ailleurs, on a :
√ N
2
2π nπ
Z
R
F f (x) −
2b ∑ f (−
b
) En ( x ) λ(dx ) → 0,
−N
c’est-à-dire : √ +∞
2π nπ
Ff = ∑ f (− ) En (dans L2 (R)).
2b −∞ b
Donc, en utilisant F̄ : √ ∞
2π nπ
f =
2b ∑ f (− b
)F En .
−∞
Or Z b
1 nπ 2b
F En = √ ei b x +ixt dx = sinc (nπ + tb) √ .
2π −b 2π
D’où, dans L2 (R),
∞
nπ
f (t) = ∑ f (− b
) sinc (nπ + tb).
−∞
Ou encore
∞
nπ
f (t) = ∑ f( b
) sinc (tb − nπ ).
−∞
Solution de E. IX.8.5 Pour montrer qu’il y a convergence uniforme, il est nécessaire et suffisant de
montrer que
N
f (t) − ∑ f n (t) −→ 0
N →∞
−N ∞
avec f n (t) = f (− nπ
b ) sinc ( nπ + tb ).
Or
nπ nπ 1 b i nπx +ixt
Z
f n (t) = f (− ) sinc (nπ + tb) = f (− ) e b dx
b b 2b −b
et Z b
1
f (t) = F F f (t) = √ F f ( x )eixt dx.
2π −b
Donc
N Z b N
F f (x) nπ 1 inπx
f (t) − ∑ f n (t) ≤ √ − ∑ f (− ) e b dx.
−N −b 2π −N b 2b
N Z b N
√
1 nπ 2π i nπx
f (t) − ∑ f n (t) ≤ √ F f ( x ) − ∑ f (− ) e b dx.
−N 2π −b −N b 2b
Séance 9 23
Par Cauchy-Schwarz,
2
N Z b Z b N
1
f (t) − ∑ F f ( x ) − ∑ cn e i nπx
1 1
f n (t) ≤ √ ( 1dx ) (
2 b dx ) 2 .
−N 2π −b −b −N
Donc, par la convergence en moyenne quadratique de la série de Fourier :

N N
2b
f (t) − ∑ f n (t) g ( x ) − ∑ c n ei b
nπx
≤√ → 0.
−N ∞
2π −N 2
Solution de E. IX.8.6 La plus haute fréquence du signal f (t) correspond à ωm = a, c’est-à-dire

a
f reqm = 2π .
La fréquence d’échantillonnage correspond à Te = πb , c’est-à-dire ωe = 2b, c’est-à-dire f reqe = πb .
On a donc f reqe > 2 f reqm .
Le théorème affirme que l’on peut reconstruire un signal de fréquence maximale f m en l’échantillonnant
à une fréquence supérieure à 2 f m .
De plus, si l’on ne fait qu’un échantillonnage fini, l’erreur d’approximation est maitrisée en énergie
(norme L2 ) et en forme (norme k·k∞ ).
(a) Soit A > 0. Montrons que la suite ∑nN=− N f ( x + n) converge normalement sur [− A, A].
M
Si |n| ≥ 2A et | x | ≤ A alors | x + n| ≥ |n| − | x | ≥ |n| − A ≥ |n|/2 et donc | f ( x + n)| ≤ (1+|n|/2)α
.
Comme α > 1, la série des sup| f ( x + n)| converge et donc ∑nN=− N f ( x + n) converge normale-
ment (sur [− A, A]).
Comme les fonctions x 7→ f ( x + n) sont continues, on peut en déduire que F est continue sur
R (vous pourrez utiliser, en le démontrant si besoin, que la somme d’une série de fonctions
continues qui converge uniformément est continue).
(b) On a :
+∞ +∞
F ( x + 1) = ∑ f ( x + n + 1) = ∑ f ( x + m ) = F ( x ).
n=−∞ m=−∞
Donc F admet 1 comme période.
Solution de E. IX.9.2 Calculons les coefficients de Fourier de F :

Z 1 Z 1 +∞
cm =
0
F (t) exp(−2iπmt) dt =
0 n=−∞
∑ f (t + n) exp(−2iπmt) dt.
L’application du Théorème de Fubini donne alors :

+∞ Z 1
cm = ∑ f (t + n) exp(−2iπmt) dt
n=−∞ 0
Séance 9 24
et donc
+∞ Z 1 + ∞ Z n +1
cm = ∑ f (t + n) exp(−2iπm(t + n)) dt = ∑ f (u) exp(−2iπmu) du.
n=−∞ 0 n=−∞ n
On en déduit Z +∞
cm = f (u) exp(−2iπmu) du = fˆ(m).
−∞
Solution de E. IX.9.2 La série de Fourier ∑ cm exp(2iπmx ) converge simplement car: pour tout x,
+∞ +∞
∑ |cm exp(2iπmx)| = ∑ | fˆ(m)| < +∞.
−∞ −∞
Il reste à prouver que sa somme vaut F ( x ).

Notons S la somme de la série de de Fourier et S N sa somme partielle. On a (S N ) qui converge
simplement vers S, donc (S N ) converge en moyenne de Cesàro vers S.
Or, puisque F est continue, le Théorème de Féjer (voir Exercice E.II.6) assure la convergence uni-
forme et donc simple des moyennes de Cesàro de (S N ) vers F.
Par unicité de la limite, on a donc S = F c’est-à-dire :
+∞
∑ cm exp(2iπmx ) = F ( x ).
m=−∞
Solution de E. IX.9.4 Par définition de F, on déduit de l’égalité précédente:

+∞ +∞
∑ fˆ(m) exp(2iπmx ) = ∑ f ( x + n ).
m=−∞ n=−∞
En faisant x = 0 on obtient :
+∞ +∞
∑ fˆ(m) = ∑ f ( n ).
m=−∞ n=−∞
Solution de E. IX.9.5 En posant g( x ) = f (2πx ), on trouve ĝ( x ) = √1 F f ( x ) et l’égalité précédente

2π
s’écrit alors :
+∞ +∞
1
√
2π
∑ F f (m) = ∑ f (2πn).
m=−∞ n=−∞
a
Solution de E. IX.9.6 Pour f (t) = exp(−2πa|t|), on trouve fˆ( x ) = .
π ( a2 + x2 )
Séance 9 25
Les hypothèses étant vérifiées, l’égalité obtenue à la question 4 conduit à :

+∞ +∞
a 1
π ∑ a2 + n2 = ∑ exp(−2πa|n|)
−∞ −∞
+∞
= 2 ∑ exp(−2πan) − 1
0
2
= − 1 = coth(πa),
1 − exp(−2πa)
pour a > 0.
Séance 9 26
Séance X : Fonctions caractéristiques et vecteurs gaussiens
• je suis capable d’exprimer une condition nécessaire et suffisante d’indépendance de variables

aléatoires en terme de fonctions caractéristiques;
• je comprends la définition d’un vecteur gaussien et je ne le confonds pas avec un vecteur com-
posé de variables réelles de loi normale;
• je sais reconnaître qu’un vecteur est gaussien, à partir de la forme de sa fonction caractéristique
ou de sa densité;
• je sais exprimer la condition nécessaire et suffisante d’indépendance des composantes d’un

vecteur gaussien en terme de matrice de covariance;
• je maîtrise les changements de variables impliquant des vecteurs gaussiens.
1
CS 1A - CIP 2022-2023
Les questions X.1 et X.2 sont à traiter avant la séance de TD. Les corrigés sont disponibles sur
internet.
Question X.1
Q. X.1.1 Soit n ∈ N∗ . Soient X1 , X2 , . . . , Xn des variables aléatoires indépendantes avec X j ∼ P ( j)

(loi de Poisson de paramètre j) pour j = 1, . . . , n.
En utilisant la fonction caractéristique, déterminer la loi de ∑nj=1 X j .
Q. X.1.2 Soient Y ∼ P (1) et Z ∼ P (2) des variables aléatoires de Poisson. On suppose que pour
tous (t1 , t2 ) ∈ R2 ,
n o
ϕ(Y,Z) (t1 , t2 ) = exp eit1 + 2eit2 − 3 .
Que peut-on dire de Y et Z?
Question X.2
Q. X.2.1 Pour chaque matrice Σ ci-dessous, dire (et justifier) s’il existe un vecteur gaussien de
moyenne nulle et de matrice de covariance Σ:
   
2 0 0 3 1 0
1 0 2 1 −2
Σ= ; Σ = 0 1 0 ; Σ = ; Σ = 1 3 0 .
2 0 1 −2 1
0 0 3 0 0 6
Séance 10 2
CS 1A - CIP 2022-2023
C) Exercices
Exercice X.1
Soient ρ ∈] − 1, 1[ et ( X, Y ) un couple de variables aléatoires réelles, dont la loi admet la densité
f : R2 → R+ définie par

1 1
∀ x, y ∈ R, f ( x, y) = exp − 2 2
( x − 2ρxy + y ) .
2(1 − ρ2 )
p
2π 1 − ρ2
Y − ρX
E. X.1.1 Montrer que les variables aléatoires X et Z = p sont indépendantes et de même loi
1 − ρ2
N (0, 1). En déduire la valeur de P( X > 0, Y > 0).
L’exercice suivant fournit une méthode pour simuler des variables aléatoires gaussiennes à partir
du tirage de variables uniformes. Ce procédé constitue une alternative à la méthode vue en cours
pour simuler des variables continues en utilisant leurs fonctions de répartition. Contrairement à cette
dernière, la méthode permet de simuler des vecteurs gaussiens à valeurs dans R N avec N > 1.
Exercice X.2 (Méthode de Box-Muller)

Soit (U, V ) un couple de variables aléatoires réelles indépendantes dont la loi de chacune des com-
posantes est la loi uniforme sur [0, 1].
E. X.2.1 Montrer que les expressions
X = (−2 ln U )1/2 cos(2πV )

Y = (−2 ln U )1/2 sin(2πV )
définissent deux variables aléatoires réelles.

E. X.2.2 Soit h : R2 → R une application mesurable positive.
(a) Exprimer E[h( X, Y )] comme une intégrale par rapport à la mesure de Lebesgue de R2 .
(b) A l’aide d’un changement de variable, en déduire que la loi du vecteur aléatoire ( X, Y ) est ab-
solument continue par rapport à la mesure de Lebesgue. Déterminer sa densité.
(c) En déduire que X et Y sont indépendantes et de même loi normale N (0, 1).
Dans le cours, on a vu un exemple de deux v.a. non-corrélées mais qui ne sont cependant pas
indépendantes. Il constitue un contre-exemple à l’équivalence entre les notions de non-corrélation et
d’indépendance. L’exercice suivant fournit un autre contre-exemple.
Exercice X.3
Soit X une variable aléatoire réelle de loi N (0, 1). Pour tout a > 0, on considère
Y a = X 1{|X |<a} − X 1{|X |≥a} .
Séance 10 3
CS 1A - CIP 2022-2023
E. X.3.1 Exprimer E[h(Y a )] pour toute fonction h borélienne bornée. En déduire que la v.a. Y a est
gaussienne.
E. X.3.2 Le couple ( X, Y a ) est-il gaussien? (On étudiera la v.a. X + Y a .)
E. X.3.3 Montrer qu’il existe b > 0 tel que
Z b
1 t2 1
√ t2 e− 2 dt = .
2π 0 4
Calculer Cov( X, Y b ).
Les v.a. X et Y b sont-elles indépendantes?
L’exercice suivant étudie l’indépendance entre des transformations linéaires d’un vecteur gaussien.
Exercice X.4
Soit X un vecteur aléatoire gaussien à valeurs dans Rn , de matrice de covariances K.
E. X.4.1 Soient T1 et T2 des matrices de dimensions respectives n1 × n et n2 × n. On considère des
vecteurs aléatoires Y1 = T1 X et Y2 = T2 X.
(a) Montrer que (Y1 , Y2 ) est un vecteur gaussien.
(b) Soit ΣY1 Y2 = [Cov((Y1 )i , (Y2 ) j )]i,j . A quelle condition sur ΣY1 Y2 les vecteurs aléatoires Y1 et Y2
sont-ils indépendants?
(c) Montrer que Y1 et Y2 sont indépendants si et seulement si T1 KT2T = 0. Généraliser à k vecteurs

Yi = Ti X (1 ≤ i ≤ k).
E. X.4.2 On suppose maintenant que X suit la loi N (0, In ). Soient E un sous-espace vectoriel de
Rn et E⊥ son supplémentaire orthogonal. On note A et B les matrices représentant les projections
orthogonales p E et p E⊥ sur E et E⊥ respectivement.
Montrer que les vecteurs aléatoires AX et BX sont indépendants.
E. X.4.3 Déduire de la question précédente l’indépendance des variables aléatoires
1 n
n i∑
X= Xi et ( X1 − X, . . . , Xn − X ),
=1
où X = ( X1 , . . . , Xn ).
Séance 10 4
CS 1A - CIP 2022-2023
Exercice X.5
Sur un espace de probabilité (Ω, F , P), soit X1 , . . . , Xn une famille de variables aléatoires réelles in-
dépendantes de loi normale N (0, 1). Soient a1 , . . . , an et b1 , . . . , bn des nombres réels.
Le but de cet exercice est de trouver une condition nécessaire et suffisante d’indépendance des
variables aléatoires Y = ∑in=1 ai Xi et Z = ∑in=1 bi Xi .
E. X.5.1 Le vecteur ( X1 , . . . , Xn ) est-il un vecteur gaussien?
E. X.5.2 Le vecteur (Y, Z ) est-il un vecteur gaussien?
E. X.5.3 En déduire une condition nécessaire et suffisante sur les a1 , . . . , an , b1 , . . . , bn d’indépendance
entre Y et Z.
Exercice X.6 (Forme canonique d’un vecteur gaussien)
E. X.6.1 Pour tout n ∈ N∗ , on considère la famille de matrices n × n ( Jk,n )1≤k≤n définies par Jn,n =
In , et pour 1 ≤ k ≤ n − 1,
Ik 0
Jk,n =
0 0
Montrer que si K est une matrice symétrique positive de rang k, il existe une matrice inversible A telle
que K = AJk,n A T .
E. X.6.2 Soit Y un vecteur aléatoire de Rn , µ ∈ Rn et K une matrice symétrique positive de taille
n × n. Montrer que Y suit la loi normale N (µ, K ) si et seulement si Y peut s’écrire
Y = AJk,n X + µ
où X est un vecteur gaussien N (0, In ) à valeurs dans Rn , et A est une matrice inversible vérifiant
K = AJk,n A T .
Séance 10 5
Solution de Q. X.1.1 On note Y = ∑nj=1 X j . D’après le cours, on sait que l’indépendance des X j
implique que
n n
n(n + 1) it
ϕY ( t ) = ∏ ϕ Xj (t) = ∏ exp{ j(eit − 1)} = exp 2
( e − 1) ,
j =1 j =1
où on a utilisé le résultat de la Question Q.IX.2. On reconnaît

alors la fonction caractéristique d’une
n ( n +1) n ( n +1)
loi de Poisson de paramètre 2 . Ainsi Y ∼ P 2 .
Solution de Q. X.1.2 On observe que ϕ(Y,Z) (t1 , t2 ) = ϕY (t1 ) ϕ Z (t2 ) et donc Y et Z sont indépen-
dantes.
Solution de Q. X.2.1 La première n’est pas carrée, ce n’est donc pas une matrice de covariance.
La deuxième est bien symétrique définie positive, donc il existe un vecteur gaussien de covariance
donnée par cette matrice.
La troisième n’est pas définie positive (calculer par exemple UΣU T pour le vecteur U = (1, 1)).
La quatrième est une matrice de covariance.
Solution de E. X.1.1 Pour étudier l’indépendance des variables X et Z, il s’agit de considérer la loi
du couple ( X, Z ). Ainsi, en utilisant le théorème de transfert, puis la définition de la densité f par
rapport à la mesure de Lebesgue λ de R2 , pour tout B ∈ B(R2 ), on a
!
Z Y (ω ) − ρX (ω )
P ( X, Z) ∈ B = 1 B X (ω ), p P(dω )
Ω 1 − ρ2
!
y − ρx
Z
= 1 x, p P(X,Y ) (dx, dy)
R2 B 1 − ρ2
!
y − ρx
Z
= 1 x, p f ( x, y) λ(dx, dy).
R2 B 1 − ρ2
On considère alors le changement de variables
 R R2
 2
 → !
ϕ: y − ρx .
 ( x, y) 7→
 w = x, z = p
1−ρ 2
On vérifie que ϕ définit bien un C1 -difféomorphisme, dont l’inverse s’exprime par ϕ−1 : (w, z) 7→
−
p 1
p
( x = w, y = ρw + 1 − ρ z) et admet le jacobien J ϕ (w, z) = 1 − ρ2 .
2
Séance 10 6
En effectuant le changement de variables, on obtient

Z q
P ( X, Z) ∈ B = 2 1 B (w, z) f (w, ρw + 1 − ρ2 z) | J ϕ−1 (w, z)| λ(dw, dz)
R
1 1 2
Z
2
= 1 (w, z) exp − (w + z ) λ(dw, dz).
R2 B 2π 2

1 1 2 2
On en déduit que le couple ( X, Z ) admet la densité ( x, z) 7→ exp − ( x + z ) , qui est la densité
2π 2
1 0
d’un couple gaussien de moyenne nulle et de matrice de covariances I2 = .
0 1
Comme la matrice est diagonale, les composantes X et Z sont indépendantes.
Comme composante du couple gaussien ( X, Z ), la variable X suit une loi normale de moyenne
nulle et de variance 1, c’est la loi N (0, 1). De même, Z suit la loi normale N (0, 1).
Remarque : sans reconnaitre la densité d’un couple gaussien, on aurait également pu déterminer les densités
f X et f Z des variables X et Z à partir de celle de ( X, Z ) et constater que f (X,Z) ( x, z) = f X ( x ) f Z (z) pour tous
x, z ∈ R, ce qui montre l’indépendance entre les variables aléatoires X et Z.
Observonsp que Y = − sin(α) X + cos(α) Z, où α est l’unique réel de ] − π/2, π/2[ tel que − sin(α) =
ρ et cos(α) = 1 − ρ2 , i.e. α = − arcsin(ρ). On a
{ X > 0, Y > 0} = { X > 0, Z > tan(α) X } ,
puis en notant D = ( x, z) ∈ R2 : x > 0 et z > tan(α) x ,

1 −(x2 +z2 )/2

Z
P( X > 0, Y > 0) = e λ(dx, dz).
D 2π
Déterminez graphiquement la région D du plan à l’aide de l’angle α. Il apparaît alors que D est exacte-
ment l’ensemble des points qui peuvent s’écrire en coordonnées polaires sous la forme (r cos θ, r sin θ ),
avec r > 0 et θ ∈]α, π2 [.
Ainsi, en effectuant dans l’intégrale précédente le changement de variables en coordonnées po-
laires (r, θ ) 7→ ( x = r cos θ, z = r sin θ ), on obtient
1 −r2 /2
Z
P( X > 0, Y > 0) = e r λ(dr, dθ )
R+ ×[α,π/2[ 2π
1 1
Z
α
= λ(dθ ) = − .
[α,π/2[ 2π 4 2π
Solution de E. X.2.1 Attention, l’énoncé n’est pas assez précis pour la définition de X et Y. En effet,
le fait que U soit une variable aléatoire réelle de loi uniforme sur [0, 1] ne signifie absolument pas que
U (ω ) ∈]0, 1] pour tout ω. Autrement dit, le fait que U ; U ([0, 1]) implique P(U ∈]0, 1]) = 1, mais
l’ensemble {ω ∈ Ω : U (ω ) ∈ / ]0, 1]} ne se réduit pas nécessairement à l’ensemble vide, bien que de
probabilité nulle.
L’application ϕ : R2 → R définie par
(u, v) 7→ (−2 ln u)1/2 cos(2πv) 1]0,1[ (u)
Séance 10 7
est borélienne. Par composition, l’application ϕ(U, V ) : (Ω, F ) → (R, B(R)) est mesurable et définit
donc une variable aléatoire. En remarquant que P(U ∈ / ]0, 1[) = 0, on a X = ϕ(U, V ) presque sure-
ment.
On raisonne de la même façon pour Y.
Solution de E. X.2.2
(a) En utilisant successivement le théorème de transfert, l’indépendance de U et V et les densités de
probabilité de U et V, on écrit
Z
E[h( X, Y )] = h((−2 ln U )1/2 cos(2πV ), (−2 ln U )1/2 sin(2πV )) P(U,V ) (du, dv)
ZR
2
= h((−2 ln U )1/2 cos(2πV ), (−2 ln U )1/2 sin(2πV )) PU (du) ⊗ PV (dv)

ZR
2
= h((−2 ln U )1/2 cos(2πV ), (−2 ln U )1/2 sin(2πV )) 1]0,1[2 (u, v) dλ(u, v),
R2
où λ désigne la mesure de Lebesgue.
(b) On considère un premier changement de variables défini par
T :]0, 1[2 → R∗+ ×]0, 2π [

(u, v) 7→ T (u, v) = ((−2 ln u)1/2 , 2πv).
L’application T est visiblement un C1 -difféomorphisme, dont la réciproque T −1 est définie par
T −1 : R∗+ ×]0, 2π [ →]0, 1[2

−1 −r2 /2 θ
(r, θ ) 7→ T (r, θ ) = e , .
2π
On calcule alors le jacobien de T −1

2 /2
−re−r 0 r −r2 /2
JT −1 (r, θ ) = 1 =− e .
0 2π 2π
On réalise alors le changement de variables dans l’intégrale sur R2 obtenue au (a)

r −r2 /2
Z
E[h( X, Y )] = h(r cos θ, r sin θ )
e 1R∗+ ×]0,2π [ (r, θ ) λ(dr, dθ )
ZR
2 2π
r −r2 /2
= h(r cos θ, r sin θ ) e 1R+ ×[0,2π [ (r, θ ) λ(dr, dθ ).
R2 2π
On effectue alors le deuxième changement de variables (passage en polaire)
R+ × [0, 2π [ → R2
(r, θ ) 7→ ( x = r cos θ, y = r sin θ )
qui est un C1 -difféomorphisme.
Séance 10 8
On obtient
1 −(x2 +y2 )/2
Z
E[h( X, Y )] = h( x, y) e λ(dx, dy).
R
2 2π
ce qui montre que le vecteur ( X, Y ) admet la densité de probabilité
1 −(x2 +y2 )/2

f : ( x, y) 7→ e .
2π
(c) On en déduit alors que les lois marginales, les lois de X et de Y, admettent des densités f X et f Y
définies par
1
Z
∀ x ∈ R,
2
f X (x) = f ( x, y) λ(dy) = √ e− x /2
R 2π
1 −y2 /2
Z
∀ y ∈ R, f Y (y) = f ( x, y) λ(dx ) = √ e .
R 2π
Donc, les variables aléatoires suivent la même loi normale N (0, 1). De plus, comme f ( x, y) =
f X ( x ) f Y (y) pour tous x, y ∈ R, les variables aléatoires X et Y sont indépendantes.
Solution de E. X.3.1 Pour toute fonction h borélienne bornée, on a
E[h(Y a )] = E[h( X )1{|X|<a} + h(− X )1{|X|≥a} ]

1 1
Z Z
2 2
= h( x ) √ e− x /2 dx + h(− x ) √ e− x /2 dx.
{| x |< a} 2π {| x |≥ a} 2π
Le changement de variable x 0 = − x dans la seconde intégrale conduit à
1
Z
E[h(Y )] =
2
a
h( x ) √ e− x /2 dx,
R 2π
ce qui montre que Y a a pour loi de probabilité N (0, 1).
Solution de E. X.3.2 On a
X + Y a = 2X 1{|X |<a} .
Comme X 6= 0 presque surement, on en déduit
P( X + Y a = 0) = P(| X | ≥ a).
Or 0 < P(| X | ≥ a) < 1, ce qui montre que X + Y a ne peut pas être une variable aléatoire gaussienne
et donc que ( X, Y a ) n’est pas un vecteur gaussien.
Solution de E. X.3.3 On considère l’application G définie par

Z u
1 2 /2
∀u ∈ [0, +∞[, G (u) = √ t2 e − t dt,
2π 0
Séance 10 9
qui est visiblement continue, strictement croissante et admet pour limite en +∞
1 1
lim G (u) = E[ X 2 ] = .
u→+∞ 2 2
On en déduit que G définit une bijection de R+ sur [0, 1/2[. On peut alors définir b = G −1 (1/4).
On a alors Z b Z +∞
1 2
2 − t2 1 1 t2
√ t e dt = = √ t2 e− 2 dt.
2π 0 4 2π b
On calcule alors
Cov( X, Y b ) = E[ XY b ]
= E[ X 2 1{|X |<b} − X 2 1{|X |≥b} ]
Z b Z +∞
2 2 − t2
2 2 t2
=√ t e dt − √ t2 e− 2 dt = 0.
2π 0 2π b
Les variables aléatoires X et Y b ne sont pas indépendantes car si elles l’étaient, le vecteur ( X, Y b )
serait gaussien, ce qui contredit la question 2).
Solution de E. X.4.1
(a) On peut écrire

Y1 T1
Y= = X.
Y2 T2
Ainsi, toute combinaison linéaire des composantes de Y est une combinaison linéaire des com-
posantes du vecteur gaussien X, et donc est une v.a. gaussienne. Il s’ensuit que Y est un vecteur
gaussien.
(b) Les vecteurs aléatoires Y1 et Y2 sont indépendants si et seulement si la fonction caractéristique

de Y s’écrit ϕY = ϕY1 ϕY2 , où ϕY1 et ϕY2 sont les fonctions caractéristiques de Y1 et Y2 .
Or pour tout t ∈ Rn1 +n2 , on a

1
ϕY (t) = exp i hµ, ti − ht, Dti ,
2
où µ ∈ Rn1 +n2 et D ∈ Rn1 +n2 × Rn1 +n2 sont le vecteur moyenne et la matrice de covariances de
Y.
D’autre part, ϕY1 ϕY2 s’écrit
!
n1
1
ϕY1 (t1 , . . . , tn1 ) ϕY2 (tn1 +1 , . . . , tn1 +n2 ) = exp i ∑ µ j t j − ∑ t j Dj,k tk
j =1
2 1≤ j,k ≤n 1
!
n1 + n2
1
× exp i ∑ µj tj −
2n ∑ t j D j,k tk .
j = n1 1 < j,k ≤ n1 + n2
Séance 10 10
L’égalité ϕY = ϕY1 ϕY2 est donc équivalente à
ht, Dti = ∑ t j D j,k tk + ∑ t j D j,k tk ,

1≤ j,k≤n1 n1 < j,k ≤n1 +n2
pour tout t ∈ Rn1 +n2 , c’est-à-dire
1 ≤ j ≤ n1 et n1 < k ≤ n1 + n2 ⇒ D j,k = (ΣY1 Y2 ) j,k−n1 = 0.
En conclusion, Y1 et Y2 sont indépendants si et seulement si ΣY1 Y2 = 0.
(c) Sans perte de généralité, on peut supposer E[ X ] = 0 (sinon on remplace X par X − E[ X ]). On a
alors
ΣY1 Y2 = E[Y1 Y2t ] = E[ T1 X ( T2 X )t ] = T1 E[ XX t ] T2t = T1 K T2t ,
d’où l’équivalence recherchée.

On généralise ce résultat à k vecteurs : T1 X, . . . , Tk X sont indépendants si et seulement si pour
tous 1 ≤ i < j ≤ k, Ti K Tjt = 0.
Attention : cette généralisation repose sur la reprise de tout le raisonnement, en disant que Y1 , . . . , Yk sont
indépendants (mutuellement) si et seulement si ϕ(Y1 ,...,Yk ) = ϕY1 . . . ϕYk .
Solution de E. X.4.2 Dans ce cas, on a K = In donc d’après la question précédente, AX et BX sont

indépendants si et seulement si ABt = 0.
Les matrices A et B étant les matrices de projection sur des espaces orthogonaux, on a AB = 0. De
plus, comme les projections orthogonales sont auto-adjointes, A et B sont symétriques.
On en déduit ABt = 0 et donc que AX et BX sont indépendants.
Solution de E. X.4.3 En reprenant la question 2), si le sous-espace vectoriel E est la droite
E = R.(1, 1, . . . , 1)t
alors  
1/n 1/n ... 1/n
 1/n 1/n ... 1/n 
A=
 ...
.

1/n 1/n ... 1/n
Comme p E + p E⊥ = Id, on a B = In − A.
On a alors
AX = ( X, X, ..., X )t
BX = ( X1 − X, X2 − X, ..., Xn − X )t .
Il s’ensuit la conclusion recherchée.
Séance 10 11
Solution de E. X.5.1 Par définition, un vecteur aléatoire U = (U1 , . . . , Un ) est gaussien si toute com-
binaison linéaire de ses composantes suit une loi normale, autrement dit si pour tous réels λ1 , . . . , λn ,
la variable aléatoire réelle ∑in=1 λi Ui suit une loi normale.
Comme premier exemple, on a vu en cours que lorsque U1 , . . . , Un sont indépendantes et suiv-
ent des lois normales, alors le vecteur (U1 , . . . , Un ) est gaussien. Ainsi, ( X1 , . . . , Xn ) est un vecteur
gaussien. En effet, pour tout i, la variable aléatoire λi Xi suit la loi N (0, λ2i ). Comme les v.a. λi Xi sont
indépendantes et que la somme de gaussiennes indépendantes est une gaussienne (cf. cours), la v.a.
∑i λi Xi est gaussienne.
Solution de E. X.5.2 Y et Z sont des combinaisons linéaires des composantes du vecteur ( X1 , . . . , Xn ).

Ainsi toute combinaison linéaire de Y et Z est également une combinaison linéaire des Xi et est donc
une v.a. réelle gaussienne car ( X1 , . . . , Xn ) est un vecteur gaussien. Ceci montre que (Y, Z ) est un
vecteur gaussien.
Solution de E. X.5.3 Un résultat important du cours sur les vecteurs gaussiens énonce que pour un
vecteur gaussien (U1 , . . . , Un ), les v.a. sont indépendantes si et seulement si Cov(Ui , Uj ) = 0 pour tous
i, j.
Comme (Y, Z ) forme un vecteur gaussien, Y et Z sont indépendantes si et seulement si Cov(Y, Z ) =
0.
On détermine E[Y ] = ∑i ai E[ Xi ] = 0 et E[ Z ] = ∑i bi E[ Xi ] = 0. Donc
Cov(Y, Z ) = E[YZ ] − E[Y ] E[ Z ]

" #
=E ∑ a i b j Xi X j
i,j
= ∑ a i b j E [ X i X j ] = ∑ a i bi
i,j i
en utilisant le fait que E[ Xi X j ] = δij . On en conclut que Y et Z sont indépendantes si et seulement si

∑in=1 ai bi = 0.
Séance 10 12
Séance XI : Convergence de variables aléatoires
• je connais les différentes définitions de convergence d’une suite de v.a. : en probabilité, presque
sûre, dans L p ;
• je suis capable de montrer qu’une suite de variables aléatoires converge;
• je suis capable d’appliquer la Loi des Grands Nombres, en vérifiant ses hypothèses précises;
• je connais la notion de convergence en loi;
• je suis capable d’appliquer le Théorème Central Limite, en vérifiant ses hypothèses précises;
• je sais exprimer la différence entre les conclusions de la Loi des Grands Nombres et celles du
Théorème Central Limite.
1
CS 1A - CIP 2022-2023
Les questions XI.1 et XI.2 sont à traiter avant la séance de TD. Les corrigés sont disponibles sur
internet.
Question XI.1
Soit ( Xn )n∈N∗ une suite de variables aléatoires dans L2 (Ω, F , P), qui converge vers une variable aléa-
toire X dans L2 (Ω, F , P), lorsque n → ∞.
Q. XI.1.1 Montrer que Var( Xn ) tend vers Var( X ) lorsque n → ∞.
Question XI.2
Soient ( Xn )n∈N une suite de variable aléatoires réelles de lois gaussiennes N (µn , σn2 ). On suppose que
limn µn = µ et limn σn = σ.
Q. XI.2.1 Montrer que la suite ( Xn )n∈N converge en loi vers une v.a. X de loi normale N (µ, σ2 ).
Séance 11 2
CS 1A - CIP 2022-2023
C) Exercices
Exercice XI.1
Soit ( Xn )n∈N∗ une suite de variables aléatoires de densités ( f n )n∈N∗ définies par
n
∀ x ∈ R, f n (x) = ,
π (1 + n2 x 2 )
pour tout n ≥ 1.
E. XI.1.1 Quels sont les modes de convergence de Xn , lorsque n tend vers l’infini?
Exercice XI.2 (Théorème de Weierstrass)

Soient f : [0, 1] → R une application continue et x ∈ [0, 1]. Pour tout n ∈ N∗ , on considère une
variable aléatoire réelle Sn de loi binomiale B(n, x ).
Dans cet exercice, on utilise la convergence de la v.a. Sn /n pour démontrer le théorème de Weier-
strass.
E. XI.2.1 Montrer que pn : x 7→ E[ f ( Snn )] est un polynôme en x appelé polynôme de Bernstein de
f.
E. XI.2.2 En utilisant la continuité uniforme de f , montrer que pour tout e > 0, il existe δ > 0 tel
que pour tout n ∈ N∗ et tout x ∈ [0, 1],

Sn
| pn ( x ) − f ( x )| ≤ E f ( ) − f ( x )
n

Sn Sn
≤eP −x < δ +2P − x ≥ δ sup | f ( x )].
n n x ∈[0,1]
En déduire que pour tout e > 0, il existe δ > 0 tel que pour tout n ∈ N∗ et tout x ∈ [0, 1],
x (1 − x )
| pn ( x ) − f ( x )| ≤ e + 2 sup | f ( x )].
nδ2 x∈[0,1]
E. XI.2.3 Démontrer le théorème de Weierstrass : Toute application continue de [0, 1] dans R est
limite uniforme d’une suite de polynômes.
Exercice XI.3 (Formule de Stirling)

Soit ( Xn )n∈N∗ une suite de variables aléatoires i.i.d. distribuées suivant la loi de Poisson P (1). On
note
n
Sn − n
Sn = ∑ Xk et Tn = √ .
k =1 n
Soit a > 0 un réel quelconque. On note f a : x 7→ inf(| x |, a).
E. XI.3.1 Montrer que si X est une v.a. réelle de L2 (Ω, F , P),
1/2
E[| X − inf( X, a)|] ≤ E[ X1{X≥a} ] ≤ E[ X2 ] P( X ≥ a) .
Séance 11 3
CS 1A - CIP 2022-2023
E. XI.3.2 Pour tout n ≥ 1, préciser la loi de Sn et calculer E[ Tn2 ].

E. XI.3.3 Montrer que la suite ( Tn )n∈N∗ converge en loi vers une variable aléatoire Y dont on pré-
cisera la loi. En déduire que E[ f a ( Tn )] admet une limite lorsque n → ∞.
En utilisant la question 1., montrer que la suite (E[| Tn |])n∈N∗ converge vers E[|Y |].
E. XI.3.4 Montrer que (E[ Tn+ ])n∈N∗ converge vers E[Y + ], où x + = max( x, 0).
E. XI.3.5 Calculer E[Y + ] et E[ Tn+ ] pour tout n ∈ N∗ . En déduire la formule de Stirling
√ n n
n! ∼ 2πn .
e
Exercice XI.4 (Convergence en loi et densité)

Soient ( Xn )n∈N et X des v.a. à valeurs dans R N et admettant les densités respectives ( f n )n∈N et f . On
suppose que la suite ( f n )n∈N converge simplement vers f .
E. XI.4.1 Etant donnée une fonction quelconque h : R N → R mesurable bornée, on considère les
fonctions h1 et h2 définies par
∀ x ∈ Rd ; h1 ( x ) = h ( x ) + Mh ; h2 ( x ) = Mh − h ( x )
où Mh = supx |h( x )|.

Montrer que pour i = 1, 2
E[hi ( X )] ≤ lim inf E[hi ( Xn )].

n→∞
E. XI.4.2 En écrivant E[h( X )] et E[h( Xn )] en fonction de E[h1 ( X )] et E[h1 ( Xn )] d’une part et en

fonction de E[h2 ( X )] et E[h2 ( Xn )] d’autre part, montrer que
E[h( X )] ≤ lim inf E[h( Xn )]

n→∞
et
lim sup E[h( Xn )] ≤ E[h( X )].

n→∞
L
E. XI.4.3 En déduire que Xn → X.
E. XI.4.4 Que se passe-t-il si ( f n )n∈N ne converge que presque partout?
Exercice XI.5
Soit X une variable aléatoire à valeurs dans ( E, E ). On considère A ∈ E et on cherche à "estimer" la
probabilité P( X ∈ A).
Séance 11 4
CS 1A - CIP 2022-2023
Pour cela, on considère une suite de v.a. ( Xn )n∈N∗ i.i.d. de même loi que X, et on étudie pour tout
n≥1
Rn = Card {1 ≤ i ≤ n : Xi ∈ A} .
E. XI.5.1 Montrer que pour tout n ≥ 1, Rn définit une variable aléatoire réelle.
E. XI.5.2 Calculer E[ Rn ] et Var( Rn ).
E. XI.5.3 Etudier la convergence en loi de la suite ( Rn )n∈N∗ .
E. XI.5.4 Application : Une étude préalable a montré que dans une production en grande série, 3%
des pièces usinées par une certaine machine sont mauvaises. Un client reçoit une caisse de 500 pièces
en provenance de cette machine.
(a) Quelle est la probabilité pour qu’il trouve moins de 1% de pièces mauvaises à l’intérieur de sa
caisse?
(b) Un contrat avec l’usine de production lui permet de renvoyer la caisse s’il trouve plus de 5% de
pièces mauvaises. Quelle est la probabilité qu’il renvoie la caisse?
Séance 11 5
Solution de Q. XI.1.1 La convergence de ( Xn )n∈N∗ vers X dans L2 (Ω, F , P) s’exprime par
k Xn − X k2L2 = E ( Xn − X )2 → 0 lorsque n → ∞.

L’inégalité triangulaire pour la norme k.k L2 implique
|k Xn k L2 − k X k L2 | ≤ k Xn − X k L2 ,
ce qui permet de conclure que
k Xn k2L2 = E Xn2 → k X k2L2 = E X 2 lorsque n → ∞.

D’autre part, l’inégalité de Cauchy-Schwarz implique

Z Z 1/2 Z 1/2
( Xn (ω ) − X (ω )) P(dω ) ≤ | Xn (ω ) − X (ω )| P(dω )
2
1 P(dω ) .
Ω Ω Ω
Comme le 2ème membre de l’inégalité tend vers 0 lorsque n → ∞, on en déduit que
E Xn → E X lorsque n → ∞.

On conclut de ces 2 résultats que
Var( Xn ) = E Xn2 − E[ Xn ] 2 → E X2 − E[ X ] 2 = Var( X ) lorsque n → ∞.

Solution de Q. XI.2.1 La fonction caractéristique de Xn est
ϕ Xn : R → C

1 2 2
t 7→ ϕ Xn (t) = exp itµn − σn t .
2
Comme limn µn = µ et limn σn = σ, la fonction ϕ Xn converge simplement vers la fonction
ϕ:R→C

1 2 2
t 7→ ϕ(t) = exp itµ − σ t ,
2
qui est la fonction caractéristique de la loi normale N (µ, σ2 ).

Le théorème de caractérisation de la convergence en loi par les fonctions caractéristiques permet
de conclure.
Solution de E. XI.1.1 Comme R | x | p f n ( x ) λ(dx ) = +∞ pour p ≥ 1, les variables aléatoires Xn ne

R
sont pas dans L p (Ω, F , P), et par conséquent, Xn ne converge pas dans L p (Ω, F , P).
Séance 11 6
Si on fixe e > 0, on a
Z ne
n 2 du 2
Z e
P(| Xn | ≤ e) = 2 2 2
dx = 2
= arctan(ne).
0 π (1 + n x ) π 0 1+u π
D’où
2
P(| Xn | > e) = 1 − arctan(ne) → 0 lorsque n → ∞.
π
Ceci montre que Xn converge vers 0 en probabilité.
Les informations dont on dispose ne permettent pas de conclure quant à la convergence presque
sûre. En fait, on peut montrer que les 2 cas sont possibles : convergence et non-convergence.
Solution de E. XI.2.1 L’application f étant continue sur le compact [0, 1], elle est bornée et supx∈[0,1] | f ( x )]
est fini. On en déduit que la variable aléatoire f (Sn /n) est intégrable.
En utilisant le théorème de transfert, on trouve
Z
Sn Sn t
Z
pn ( x ) = E f = f P(dω ) = f P (dt).
n Ω n R n Sn
Comme la loi de Sn est définie par
P(Sn = k) = Cnk xk (1 − x)n−k ,
on a
n
k
pn ( x ) = ∑ f P( Sn = k )
k =0
n
n
k
= ∑ f
n
Cnk x k (1 − x )n−k .
k =0
Solution de E. XI.2.2 La fonction f est continue sur le compact [0, 1], elle est uniformément continue
sur [0, 1]. Ainsi, pour tout e > 0, il existe δ > 0 tel que
| x − y| < δ ⇒ | f ( x ) − f (y)| < e.
On majore ensuite

Sn Sn
| pn ( x ) − f ( x )| = E f ( ) − f (x) ≤E f ( ) − f (x) .
n n
On considère alors l’événement An = {| n1 Sn − x | < δ}, et on décompose

Sn Sn S
E f ( ) − f ( x ) = E f ( ) − f ( x ) 1 An + E f ( n ) − f ( x ) 1 Acn
n n n
≤ e E[1 An ] + 2 sup | f ( x )| E[1 Acn ]
x ∈[0,1]
≤ e P( An ) + 2 P( Acn ) sup | f ( x )|.

x ∈[0,1]
Séance 11 7
Pour majorer le deuxième terme, on utilise l’inégalité de Tchebychev
Var(Sn ) x (1 − x )

1
P Sn − x ≥ δ = P(|Sn − E[Sn ]| ≥ nδ) ≤ = ,
n (nδ)2 nδ2
qui implique donc
x (1 − x )
| pn ( x ) − f ( x )| ≤ e + 2 sup | f ( x )|.
nδ2 x∈[0,1]
Solution de E. XI.2.3 On majore
1
∀ x ∈ [0, 1], x (1 − x ) ≤ ,
4
ce qui implique
1
∀ x ∈ [0, 1], | pn ( x ) − f ( x )| ≤ e + sup | f ( x )|.
2nδ2 x∈[0,1]
On a donc montré que toute fonction continue f de [0, 1] dans R est limite uniforme de d’une suite de
polynômes pn .
Solution de E. XI.3.1 On peut écrire
| X − inf( X, a)| = ( X − a) 1{X ≥a} ≤ X 1{X ≥a} ,
qui implique, en prenant l’espérance
E[| X − inf( X, a)|] ≤ E[ X 1{X≥a} ].

L’inégalité de Cauchy-Schwarz entraîne
1/2
E[| X − inf( X, a)|] ≤ E[ X 1{X≥a} ] ≤ E[ X2 ] P( X ≥ a) .
Solution de E. XI.3.2 Sn est la somme de n v.a. de Poisson P (1) indépendantes, donc Sn est dis-
tribuée suivant une loi de Poisson P (n) (à démontrer). On en déduit que E[Sn ] = Var(Sn ) = n
et
" #
Sn − n 2
E √ = 1.
n
| {z }
Tn2
Séance 11 8
Solution de E. XI.3.3 D’après le théorème central limite, Tn converge en loi vers une variable aléa-
toire Y de loi normale N (0, 1). Comme la fonction f a est continue et bornée sur R, on en déduit
E[ f a ( Tn )] → E[ f a (Y )] lorsque n → ∞.
En appliquant la question 1) à | X |, on obtient
1/2 E[ X 2 ]
|E[| X |] − E[ f a ( X )]| ≤ E[ X 2 ] P(| X | ≥ a) ≤ ,
a
grâce à l’inégalité de Markov.
On applique cette inégalité à Tn et Y,
1 1
|E[| Tn |] − E[ f a ( Tn )]| ≤ et |E[|Y |] − E[ f a (Y )]| ≤ .
a a
On en déduit
2 2
− ≤ E[| Tn |] − E[|Y |] − E[ f a ( Tn )] + E[ f a (Y )] ≤ .
a a
Comme pour tout a fixé, E[ f a ( Tn )] − E[ f a (Y )] → 0 quand n → ∞, on peut énoncer : pour tout a > 0
et tout e > 0, il existe n0 ∈ N tel que
2 2
n ≥ n0 ⇒ − − e ≤ E[| Tn |] − E[|Y |] ≤ + e,
a a
d’où
lim E[| Tn |] = E[|Y |].
n→∞
Remarque : on ne pouvait pas déduire ce résultat directement à partir de la convergence en loi,

puisque la fonction valeur absolue n’est pas bornée. C’est pourquoi on l’approche par les fonctions f a
qui sont continues et bornées.
Solution de E. XI.3.4 Pour tout réel x, on a
x + |x|
x+ = où x + = max( x, 0).
2
Comme E[ Tn ] = E[Y ] = 0, la question 3) implique
lim E[ Tn+ ] = E[Y + ].

n→∞
Solution de E. XI.3.5 On calcule

Z +∞
1 1
E[Y + ] = E[Y.1{Y≥0} ] = √
2 /2
x e− x dx = √ .
2π 0 2π
Séance 11 9
D’autre part,
∞ ∞
j−n j−n nj

E[ Tn+ ] = E[ Tn .1{Tn ≥0} ] = ∑ √ P ( Sn = j ) = e −n
∑ √
j = n +1 n j = n +1 n j!
e−n k
nj j +1

n
= √ lim ∑ −
n k → ∞ j = n +1 ( j − 1 ) ! j!
√
e−n n n +1 n k +1 e − n n n +1 e−n nn n

= √ lim − = √ = .
n k→∞ n! k! n n! n!
On en déduit la formule de Stirling

√ n n
n! ∼ 2πn .
e
Solution de E. XI.4.1 Pour i ∈ {1, 2}, la suite de fonctions hi f n convergent simplement vers hi f .
Or, les fonctions h1 et h2 étant positives, les fonctions h1 f et h2 f le sont également. On peut alors
utiliser le lemme de Fatou
Z Z
E[hi ( X )] = hi ( x ) f ( x ) λ(dx ) ≤ lim inf hi ( x ) f n ( x ) λ(dx ) = lim inf E[hi ( Xn )].
RN n→∞ RN n→∞
Solution de E. XI.4.2 On a
E[h( X )] = E[h1 ( X )] − Mh = Mh − E[h2 ( X )],

E[h( Xn )] = E[h1 ( Xn )] − Mh = Mh − E[h2 ( Xn )].
En utilisant la question précédente,
E[h1 ( X )] − Mh ≤ lim inf E[h1 ( Xn )] − Mh ,

n→∞
c’est-à-dire
E[h( X )] ≤ lim inf E[h( Xn )].

n→∞
De même, l’inégalité
E[h2 ( X )] ≤ lim inf E[h2 ( Xn )]

n→∞
implique
Mh − E[h2 ( X )] ≥ Mh − lim inf E[h2 ( Xn )].

n→∞
Or, on a lim sup xn = − lim inf(− xn ) ce qui entraîne
Mh − E[h2 ( X )] ≥ lim sup( Mh − E[h2 ( Xn )])

n→∞
Séance 11 10
et donc
E[h( X )] ≥ lim sup E[h( Xn )].
n→∞
Solution de E. XI.4.3 Les deux inégalités précédentes montrent que

lim inf E[h( Xn )] = lim sup E[h( Xn )] = E[h( X )],
n→∞ n→∞
ce qui implique
lim E[h( Xn )] = E[h( X )].
n→∞
Comme ce résultat est valable pour toute fonction borélienne bornée, et donc en particulier pour toute
fonction continue bornée, ceci montre que Xn converge en loi vers X.
Solution de E. XI.4.4 On remarque que toutes les étapes restent valides si on suppose que ( f n )n∈N
ne converge que presque partout vers f .
Solution de E. XI.5.1 Pour tout n ≥ 1, on peut écrire Rn sous la forme

n
Rn = ∑ 1{ X ∈ A } . i
i =1
Comme les Xi sont mesurables et A ∈ E , on a

{ Xi ∈ A} = Xi−1 ( A) ∈ F
et donc 1{Xi ∈ A} est mesurable. Il s’ensuit que Rn est une variable aléatoire réelle.
Solution de E. XI.5.2 Les variables aléatoires Xi sont i.i.d. (indépendantes et de même loi) et vérifient
E 1 { Xi ∈ A } = P ( X i ∈ A )

Var 1{Xi ∈ A} = P( Xi ∈ A) − (P( Xi ∈ A))2 = P( Xi ∈ A) P( Xi ∈

/ A ).
On trouve donc
n
E [ R n ] = ∑ E 1 { X i ∈ A } = n P ( X1 ∈ A )

i =1
n
Var( Rn ) = ∑ Var 1{X ∈ A} = n P ( X1 ∈ A ) P ( X1 ∈

i
/ A ).
i =1
Solution de E. XI.5.3 Les variables aléatoires 1{Xi ∈ A} sont i.i.d. et intégrables donc on peut appliquer
le théorème central limite :
R n − n P ( X1 ∈ A )
√ p
n P ( X1 ∈ A ) P ( X1 ∈/ A)
Séance 11 11
converge en loi vers une variable aléatoire de loi N (0, 1).
Solution de E. XI.5.4 Ici, pour toute pièce fabriquée i, on définit la variable aléatoire Xi qui vaut 1 si
la pièce est mauvaise et 0 sinon.
Remarquons que Xi est une variable de Bernoulli. En effet,

1 avec probabilité p = 0.03
Xi =
0 avec probabilité 1 − p.
Le nombre de pièces mauvaises parmi les 500 reçues est
R500 = Card{1 ≤ i ≤ 500 : Xi = 1}.
(a) On cherche la probabilité P( R500 ≤ 5). Grâce à la question 3), on peut approximer
R500 − 500 × 0.03 5 − 500 × 0.03

P( R500 ≤ 5) = P √ ≤√
500 × 0.03 × 0.97 500 × 0.03 × 0.97
R500 − 15

=P ≤ −2.622 ≈ P(U ≤ −2.622)
3.814
où U est une variable aléatoire de loi N (0, 1).

On trouve alors
P( R500 ≤ 5) ≈ 4.37 10−3 .
(b) La probabilité recherchée est P( R500 ≥ 25).
R500 − 500 × 0.03 25 − 500 × 0.03

P( R500 ≥ 25) = P √ ≥√
500 × 0.03 × 0.97 500 × 0.03 × 0.97
R500 − 15

=P ≥ 2.622 ≈ P(U ≥ 2.622)
3.814
où U est une variable aléatoire de loi N (0, 1).

D’où
P( R500 ≥ 25) ≈ 4.37 10−3 .
Séance 11 12
Séance XII : Espérance conditionnelle et introduction aux processus stochastiques
• je connais la caractérisation de l’espérance conditionnelle d’une v.a. dans L1 par rapport à une
sous-tribu;
• je suis capable d’exprimer l’espérance conditionnelle dans L2 comme une projection orthogo-
nale;
• je suis capable de déterminer l’espérance conditionnelle d’une variable aléatoire;
• je connais les propriétés de l’espérance conditionnelle et je suis capable de manipuler cet objet.
1
CS 1A - CIP 2022-2023
Les questions XII.1 et XII.2 sont à traiter avant la séance de TD. Les corrigés sont disponibles sur
internet.
Question XII.1
Soient X une variable aléatoire réelle dans L2 (Ω, F , P) et G une sous-tribu de F . On pose Var( X |
G) = E ( X − E[ X | G])2 | G .

Q. XII.1.1 Montrer que
Var( X ) = E Var( X | G) + Var E[ X | G] .

Question XII.2 (Conditionnement par rapport à une variable discrète)

Dans l’espace de probabilité (Ω, F , P), soit X une variable aléatoire réelle dans L1 (Ω, F , P) et soit Y
une variable aléatoire réelle telle que P(Y ∈ {yn ; n ∈ N}) = 1 et P(Y = yn ) > 0 pour tout n.
Q. XII.2.1 Déterminer E[ X | Y ].
Séance 12 2
CS 1A - CIP 2022-2023
C) Exercices
Dans le cas de variables aléatoires gaussiennes, l’espérance conditionnelle peut s’exprimer directe-
ment à partir des matrices de covariances. Cette relation est importante en statistiques pour les prob-
lèmes de régression linéaire.
Exercice XII.1 (Cas gaussien)

Soient X et Y des vecteurs aléatoires à valeurs dans Rn et R p respectivement, tels que ( X, Y ) soit un
vecteur gaussien. On suppose le vecteur gaussien X non-dégénéré.
E. XII.1.1 Dans cette question, on suppose E[ X ] = E[Y ] = 0. On pose
−1
U = Y − ΣYX KX X,
où KX = [Cov( Xi , X j )]i,j et ΣYX = [Cov(Yi , X j )]i,j .

(a) Montrer que (U, X ) est gaussien.
(b) Montrer que X et U sont indépendants.
(c) En déduire que

E[Y | X ] = ΣYX KX−1 X.
E. XII.1.2 Montrer que E[Y | X ] peut s’écrire sous la forme
E[Y | X ] = E[Y ] + ΣYX KX−1 ( X − E[ X ]).

E. XII.1.3 Montrer que Y − E[Y | X ] et X sont indépendants.
L’espérance conditionnelle permet de caractériser l’indépendance entre variables aléatoires.
Exercice XII.2
E. XII.2.1 Soient X et Y deux variables aléatoires réelles. Montrer que X et Y sont indépendantes si
et seulement si pour toute application g : R → R borélienne bornée, on a
E[ g(Y ) | X ] = E[ g(Y )] P − p.s.

E. XII.2.2 Application : soit ( X, Y ) un couple de variables aléatoires admettant pour densité p :
( x, y) 7→ e−y 1{0<x<y} ( x, y). Calculer la loi conditionnelle de Y sachant X = x. En déduire que X et
Y − X sont indépendantes.
Exercice XII.3 (Somme d’un nombre aléatoire de v.a.)

Soit ( Xn )n∈N∗ une suite de v.a. réelles i.i.d. et soit N une v. a. à valeurs dans N indépendante des Xn .
On suppose que les variables N et les Xn possèdent des moments d’ordre 1.
On définit
N (ω )
Y (ω ) = ∑ Xi ( ω ) .
i =1
Séance 12 3
CS 1A - CIP 2022-2023
E. XII.3.1 Montrer que Y est une variable aléatoire. Calculer E[Y ].
Exercice XII.4 (Dérivée de Radon-Nikodym)

Dans l’espace de probabilité (Ω, F , P), soit X une varable aléatoire réelle admettant une densité f
continue. Soit A ∈ F un événement fixé.
On suppose qu’il existe une fonction continue g telle que pour tout x ∈ R,
P( A ∩ { X ∈ [ x, x + h[})
−→ g( x ).
P( X ∈ [ x, x + h[) h →0
E. XII.4.1 Montrer que P( A | X ) = g( X ) P-p.s.
Exercice XII.5
Soit ( Xn )n∈N une suite de v.a. et (Fn )n∈N une filtration. On suppose que pour tout n, Xn est Fn -
mesurable et E[ Xn+1 | Fn ] = 0. On pose Sn = X0 + · · · + Xn pour tout n ∈ N.
E. XII.5.1 Montrer que {Sn ; n ∈ N} est une Fn -martingale.
Exercice XII.6 (Décomposition de Doob)

Soit { Xn ; n ∈ N} une martingale pour la filtration (Fn )n∈N , de carré intégrable.
E. XII.6.1 Montrer qu’il existe un processus croissant prévisible { An ; n ∈ N} et une Fn -martingale
{Yn ; n ∈ N} tels que E( X02 ) = A0 et
∀n ∈ N; Xn2 = An + Yn .
E. XII.6.2 Application. Soit ( Tn )n∈N∗ une suite de v.a. réelles i.i.d. de carré intégrable et telle que
E[ Tn ] = 0 et E[ Tn2 ] = σ2 . On pose S0 = 0 et Sn = T1 + · · · + Tn pour n ≥ 1.
Montrer que {Sn2 − nσ2 ; n ∈ N} est une martingale.
Exercice XII.7
Soit ( Xn )n∈N une suite de variables aléatoires i.i.d. définies sur l’espace de probabilité (Ω, F , P), et à
valeurs dans l’espace mesurable ( E, E ). On note µ la loi des Xn .
Soient N1 et N2 deux v.a. à valeurs dans N∗ telles que 1 ≤ N1 < N2 . On suppose que pour tout
m ∈ N∗ , l’événement { Ni = m} ne dépend que de X0 , X1 , . . . , Xm−1 .
E. XII.7.1 Montrer que les v.a. X N1 et X N2 sont i.i.d.
Séance 12 4
Solution de Q. XII.1.1 On écrit
X − E[ X ] = X − E[ X | G] + E[ X | G] − E[ X ].
Or E[ X | G] − E[ X ] est une variable aléatoire G -mesurable (et dans L2 (Ω, F , P)) et, par définition de
l’espérance conditionnelle dans L2 (Ω, F , P), la variable aléatoire X − E[ X | G] est orthogonale à toute
variable dans L2 (Ω, G , P).
On en déduit que
h i h i
E ( X − E[ X ])2 = E X − E[ X | G] 2 + E E[ X | G] − E[ X ] 2 .

On identifie alors
h 2 i
E Var( X | G) = E X − E[ X | G]

et
h 2 i
Var(E[ X | G]) = E E[ X | G] − E[ X ] ,
ce qui implique le résultat.
Solution de Q. XII.2.1 On a vu dans l’Exercice VI.5 que toute variable aléatoire réelle qui est σ(Y )-
mesurable peut s’écrire sous la forme Φ(Y ) où Φ : R → R est borélienne.
Ainsi, l’espérance conditionnelle E[ X | Y ] étant σ(Y )-mesurable où Y ne prend que les valeurs
discrètes {yn ; n ∈ N}, on peut écrire
∞ ∞
E[ X | Y ] = ∑ bn 1{yn } (Y ) = ∑ bn 1{Y=yn } p.s.
n =1 n =1
où (bn )n∈N est une suite de réels.

On détermine la suite (bn )n∈N grâce à la définition de E[ X | Y ]
Z Z
∀n ∈ N, E[ X | Y ] dP = X dP.
{Y = y n } {Y = y n }
D’où
Z
bn P (Y = y n ) = X d P,
{Y = y n }
ce qui entraîne
Z
∞ X dP
E [ X | Y ] = ∑ {Y = y n } 1 p.s.
n =1
P (Y = y n ) {Y = y n }
Solution de E. XII.1.1
Séance 12 5
(a) Toute combinaison linéaire des composantes du vecteur (U, X ) est combinaison linéaire des
composantes du vecteur ( X, Y ) qui est gaussien, donc est une v.a. réelle gaussienne.
On peut également utiliser le formalisme de la question Q. X.4.1 pour voir le vecteur (U, X )
comme image de ( X, Y ) par une transformation linéaire. Ainsi, le vecteur (U, X )t peut s’écrire
−ΣYX KX−1 I p

U X
= ,
X In 0 Y
où les vecteurs U et X sont notés en colonne.
(b) Dans la question Q. X.4.1, on a montré que U et X sont indépendantes si et seulement si ΣUX = 0.
Les vecteurs U et X étant centrés, cette condition s’écrit E[UX t ] = 0.
En utilisant l’expression de U, on calcule
E[UX t ] = E[YX t ] − ΣYX KX−1 E[ XX t ]

= ΣYX − ΣYX KX−1 KX = 0.
(c) Comme U et X sont indépendants, on a E[U | X ] = E[U ] = 0. Ainsi,
E[U | X ] = E[Y | X ] − ΣYX KX−1 E[ X | X ]

= E[Y | X ] − ΣYX KX−1 X = 0,
ce qui entraîne
E[Y | X ] = ΣYX KX−1 X.
Solution de E. XII.1.2 Dans le cas général où E[ X ] et E[Y ] ne sont pas nécessairement nulles, on
applique le résultat précédent à X − E[ X ] et Y − E[Y ].
On remarque d’abord que la covariance est invariante par translation (par une constante), donc les
matrices de covariances ΣYX et KX sont invariantes par translation. Par conséquent, Σ(Y −E[Y ])(X −E[X ]) =
ΣYX et KX −E[X ] = KX . On obtient
E (Y − E[Y ] | X − E[ X ]) = ΣYX KX−1 ( X − E[ X ]).

Or E (Y − E[Y ] | X − E[ X ]) = E (Y | X − E[ X ]) − E[Y ]. Donc
E (Y | X − E[ X ]) = E[Y ] + ΣYX KX−1 ( X − E[ X ]).

Enfin, comme la tribu engendrée par X − E[ X ] est la tribu σ( X ) engendrée par X (car E[ X ] est une
constante), on a E (Y | X − E[ X ]) = E[Y | X ]. Il vient
E[Y | X ] = E[Y ] + ΣYX KX−1 ( X − E[ X ]).
Solution de E. XII.1.3 Dans le cas où E[ X ] = E[Y ] = 0, on a Y − E[Y | X ] = U donc l’indépendance

de Y − E[Y | X ] et X résulte de celle de U et X.
Séance 12 6
En appliquant ce résultat à X − E[ X ] et Y − E[Y ], on vérifie qu’il reste valable lorsque E[ X ] 6= 0

ou E[Y ] 6= 0.
Solution de E. XII.2.1 Si X et Y sont indépendantes, alors X et g(Y ) le sont également. On en déduit
E[ g(Y ) | X ] = E[ g(Y )] P − p.s.

Réciproquement, si cette égalité est vérifiée pour toute fonction g alors pour toute application
f : R → R borélienne bornée, on a
E[ f ( X ) g(Y )] = E ( f ( X )E[ g(Y ) | X ]) = E ( f ( X )E[ g(Y )]) = E[ f ( X )] E[ g(Y )].

Cette relation étant vraie pour toutes applications boréliennes f et g, elle implique l’indépendance
entre X et Y (prendre f = 1 A et g = 1B pour A, B ∈ B(R)).
Solution de E. XII.2.2 Vérifions que l’application p est bien une densité de probabilité de R2 . Elle
est visiblement borélienne positive et on calcule
Z Z +∞ Z y
−y
p( x, y) λ(dx, dy) = e dx dy
R2 0 0
Z +∞ Z +∞
= ye −y
dy = [−ye−y ]0+∞ + e−y dy = 1,
0 0
en utilisant le théorème de Tonelli et en intégrant par parties.

La densité marginale de X est alors
Z Z +∞
pX (x) = p( x, y) λ(dy) = 1R∗+ ( x ) e−y dy = 1R∗+ ( x ) e− x .
R x
La v.a. X suit donc une loi exponentielle de paramètre 1.

La densité conditionnelle de Y | X = x (pour x > 0) vaut
p( x, y)
f Y |X =x (y) = = e−(y−x) 1x<y (y).
pX (x)
Pour toute application g : R → R borélienne bornée, on a

Z
E [ g (Y − X ) | X = x ] = g(y − x ) f Y |X = x (y) λ(dy)
ZR
= g(y − x ) e−(y− x) 1x<y (y) λ(dy).
R
D’où par un changement de variable,
Z
E [ g (Y − X ) | X = x ] = g(z) e−z λ(dz).
R+
Séance 12 7
Comme E[ g(Y − X ) | X = x ] est indépendante de x, la variable aléatoire E[ g(Y − X ) | X ] est constante

presque surement. Elle est donc égale presque sûrement à son espérance
E[ g(Y − X ) | X ] = E[ g(Y − X )] p.s.

La question 1) s’applique donc, ce qui montre l’indépendance entre Y − X et X.
Solution de E. XII.3.1 Soit A un borélien de R. Alors

( )
n
∑ Xi ∈ A,
[
{Y ∈ A } = N=n
n∈ N ( i =1 )
n
∑ Xi ∈ A
[
= ∩ { N = n} .
n∈ N i =1
Or pour tout n fixé, on sait que ∑in=1 Xi est une v.a. Donc l’expression précédente est une union dénom-
brable d’évènements, c’est donc un évènement. Ainsi Y est une v.a.
De plus, en écrivant Y sous la forme
+∞ n
Y (ω ) = ∑ ∑ Xi (ω )1{ N(ω)=n} p.s.,
n =1 i =1
on a Y ∈ L1 (Ω, F , P) car
+∞ n +∞ n
!
E[|Y |] ≤ E ∑ ∑ | Xi |1{ N =n} = ∑ ∑ E | Xi |1{ N =n}

n =1 i =1 n =1 i =1
+∞ n
= ∑ ∑ E (|Xi |) P( N = n)
n =1 i =1
+∞
= E[| X1 |] ∑ n P( N = n) = E[|X1 |] E[ N ] < +∞.
n =1
Par le même calcul, on montre que E[Y ] = E[ X1 ] E[ N ].

On peut également calculer E[Y ] par
E[Y ] = E (E[Y | N ]) = ∑ E[Y | N = n] P( N = n)

n
= ∑ n E [ X1 ] P ( N = n ) = E [ X1 ] E [ N ] .
n
Remarquons que E[Y | N = n] = n E[ X1 ] résulte de l’Exercice XII.2.
Séance 12 8

Corriges TD

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

Corriges TD

Transféré par

Droits d'auteur :

Formats disponibles

Séance I : Topologie des espaces métriques et espaces vectoriels normés

A la fin de cette séance,

• je sais formaliser la notion de convergence et étudier la convergence d’une suite et la continuité

Question I.1 (Questions de topologie dans R)

Question I.2 (Complétude dans R)

Écrire les propriétés correspondantes pour la lim inf.

Exercice I.2 (Un peu de topologie sur n )R

Exercice I.3 (Complétude et quelques applications)

Exercice I.4 (Espace des fonctions continues)

E. I.4.1 Comparer ces trois normes.

Exercice I.5 (Exemples de topologie)

1. La suite (un )n∈N converge-t-elle vers 1?

Exercice I.6 (Topologie)

(b) Montrer que x 7→ d( x, F ) est une application continue et que d( x, F ) = 0 ⇔ x ∈ F.

Exercice I.7 (De l’intérêt deslim sup et lim inf)

Exercice I.8 (Compacité)

(a) L’image réciproque d’un compact par f est-elle compacte?

Exercice I.9 (Complétude et quelques applications (suite))

Exercice I.10 (Point fixe de Picard)

converge uniformément vers une fonction y qui vérifie

Exercice I.11 (Point fixe ou non?)

Exercice I.12 (Théorème du graphe fermé, version compacte)

E. I.12.1 Montrer que si f est continue, alors G f est fermé dans X × X 0 .

Séance 1 : Eléments de correction des exercices

1. N1 n’est pas une norme car le point x = (0, 1) vérifie N1 ( x ) = 0 et pourtant x 6= 0.

lim sup un < l ⇒ ∃n ∈ N, sup uk < l

(i) dans ce cas on utilise l’inégalité triangulaire de la norme euclidienne, δ( x, y) = k x − yk ≤

On note Fn = ∑in=0 f i pour tout n ∈ N. En appliquant l’inégalité triangulaire, on obtient :

∀e > 0, ∃ N > 0 : n > p > N ⇒ k Fn ( x ) − Fp ( x )k E < e,

par la propriété (I.1). E étant complet, notons F ( x ) ∈ E la limite de Fn ( x ). En prenant la limite p → +∞

Par convergence uniforme de la suite ( f n ) on a :

∀e > 0, ∃ N > 0 : n > N ⇒ k f n − f k∞ < e/3

Fixons n = N + 1. Par continuité de f n en x0 :

∀e > 0, ∃α > 0 : | x − x0 | < α ⇒ k f n ( x ) − f n ( x0 )k E < e/3.

On a donc prouvé que :

∀e > 0, ∃α > 0 : | x − x0 | < α ⇒ k f ( x ) − f ( x0 )k E < e

ce qui prouve la continuité de f .

• en revanche, on ne peut pas dominer k · k∞ par k · k1 : par exemple la suite de fonctions f n ( x ) =

Solution de E. I.4.2 Avant de répondre à la question, rappelons les caractérisations séquentielles

1. Oui, c’est la topologie triviale;

Solution de E. I.5.2 Les propositions 1, 2, 3 et 4 sont vraies, la 5 est fausse.

d( x, F ) ≤ d( x, ỹ) ≤ d( x, y) + d(y, ỹ) ≤ d( x, y) + d(y, F ) + e,

et de même, d(y, F ) ≤ d( x, y) + d( x, F ) + e. Ces inégalités étant vraies pour tout e > 0, on en

|d( x, F ) − d(y, F )| ≤ d( x, y),

et ainsi la continuité de l’application x 7→ d( x, F ).

En faisant tendre n vers l’infini, on obtient

et donc K ⊂ ∪ j∈ J f −1 O j (vérifiez en effet que K ⊂ f −1 ( f (K )) et que f −1 ∪ j∈ J O j = ∪ j∈ J f −1 O j ).

∪ j∈ J0 O j . Donc f (K ) est compact.

(a) Pour tous x = ( xn )n∈N ∈ F et y = (yn )n∈N ∈ F, on a

Donc la fonction d est bien définie sur F × F.

• Si d( x, y) = 0, alors | xn − yn | = 0 pour tout n ≥ 0.

• Soient x = ( xn )n∈N ∈ F, y = (yn )n∈N ∈ F et z = (zn )n∈N ∈ F.

Ces 3 points montrent que d définit une distance sur F.

∀e > 0, ∃K ∈ N: p > q ≥ K ⇒ d( x ( p) , x (q) ) < e.

D’où, en posant e0 = e.2n ,

∀e0 > 0, ∃K ∈ N: p > q ≥ K ⇒ xn − xn

Soit e > 0. On choisit N0 tel que 2− N0 < e/2.

Il s’agit d’une somme finie de termes, qui convergent vers 0, lorsque k → ∞.

où on a utilisé successivement l’inégalité triangulaire pour l’intégrale, la Lipschitz continuité de f et la

Solution de E. I.10.3 On conclut à nouveau en utilisant le Théorème du point fixe.

Solution de E. I.10.4 Définissons l’application Fe par

A la fin de cette séance,

• je sais déterminer la série de Fourier d’une fonction continue périodique;

• je connais la caractérisation des applications linéaires continues;

Exercice I.7 (De l’intérêt deslim sup et lim inf)